Խմբային տվյալների շեղումը և ստանդարտ շեղումը

Խմբային տվյալների շեղումը և ստանդարտ շեղումը

Վիճակագրությունը մաթեմատիկայի ճյուղ է, որն օգտագործվում է տվյալներ հավաքելու, կազմակերպելու, վերլուծելու, մեկնաբանելու և ներկայացնելու համար: Վիճակագրության կարևոր հասկացություններից մեկը փոփոխականության կամ տվյալների տարածման չափումն է: Փոփոխականության երկու հիմնական չափանիշներն են դիսպերսիան և ստանդարտ շեղումը: Այս հոդվածը մանրամասն կուսումնասիրի դիսպերսիան և ստանդարտ շեղումը, մասնավորապես խմբային տվյալների համատեքստում:

Փոփոխականության սահմանումը և կարևորությունը

Փոփոխականությունը չափում է, թե որքանով են տվյալները տարածվում իրենց միջինից։ Փոփոխականության չափումը կարևոր է, քանի որ այն տալիս է լրացուցիչ պատկերացումներ, որոնք հնարավոր չէ ստանալ միայն կենտրոնական միտման չափանիշներից, ինչպիսին է միջինը։ Իմանալով փոփոխականության չափը՝ մենք կարող ենք հասկանալ, թե որքանով են տվյալները հետևողական և բացահայտել հնարավոր արտառոց արժեքները կամ անոմալիաները։

Վարիացիայի և ստանդարտ շեղման հասկացումը

Վարիացիան տվյալների բաշխման չափանիշ է, որը ցույց է տալիս, թե որքան հեռու է յուրաքանչյուր տվյալը իր միջին արժեքից քառակուսի միավորներով։ Այն տրվում է \( \sigma^2 \) նշանով՝ բնակչության համար և \(s^2 \)՝ նմուշի համար։ Բնակչության տվյալների վարիացիայի բանաձևն է՝
\[ \sigma^2 = \frac{\sum (X_i – \mu)^2}{N} \]

Ինչ վերաբերում է նմուշին, ապա բանաձևը հետևյալն է.
\[s^2 = \frac{\sum (X_i – \bar{X})^2}{n-1} \]

Որտեղ՝
– \(X_i \)-ն անհատական ​​տվյալների արժեքն է
– \( \mu \)-ն բնակչության միջինն է
– \( \bar{X} \)-ն նմուշի միջին արժեքն է
– \(N \)-ն բնակչության չափն է
– \(n \)-ն նմուշի չափն է

Ստանդարտ շեղումը դիսպերսիայի քառակուսի արմատն է։ Այն տրվում է \( \sigma \)՝ բնակչության համար, և \(s \)՝ նմուշի համար։ Ստանդարտ շեղումը տվյալների միավորները վերադարձնում է իրենց սկզբնական տեսքին, ինչը հեշտացնում է դրանց մեկնաբանությունը, քան դիսպերսիան։

\[ \sigma = \sqrt{\sigma^2} \]
\[ s = \sqrt{s^2} \]

Խմբային տվյալներ

Խմբավորված տվյալները տվյալներ են, որոնք դասակարգվել են մի քանի կատեգորիաների կամ ինտերվալների: Օրինակ, ուսանողների հասակը բաժանված է 150-155 սմ, 155-160 սմ և այլն ինտերվալների: Խմբավորված տվյալների վրա դիսպերսիայի և ստանդարտ շեղման վերլուծությունը պահանջում է մի փոքր այլ մոտեցում, քան առանձին տվյալների վերլուծությունը:

Խմբային տվյալների համար շեղման և ստանդարտ շեղման հաշվարկման քայլեր

Ստորև բերված են խմբային տվյալների դիսպերսիան և ստանդարտ շեղումը հաշվարկելու քայլերը.

1. Ստեղծեք հաճախականության բաշխման աղյուսակ
- Տվյալները բաժանվում են մի քանի դասերի կամ միջակայքերի։
– Գրանցվում է յուրաքանչյուր ինտերվալի հաճախականությունը (յուրաքանչյուր ինտերվալում տվյալների քանակը):

2. Դասի միջնակետի որոշումը
– Յուրաքանչյուր ինտերվալի միջնակետը հաշվարկվում է հետևյալ կերպ՝ \( \text{Միջնակետ} = \frac{\text{Ստորին սահման} + \text{Վերին սահման}}{2} \)

3. Ժամանակավոր միջինի (\( \bar{X} \)) հաշվարկը
– Միջինը հաշվարկվում է հետևյալ բանաձևով՝ \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– որտեղ f_i-ն հաճախականությունն է, իսկ x_i-ն՝ միջակայքի միջնակետը։

4. Միջինից շեղման և դրա քառակուսիի հաշվարկը
– Յուրաքանչյուր միջակայքի համար միջինից շեղումը հաշվարկվում է հետևյալ կերպ՝ \( d_i = x_i – \bar{X} \)
– Այնուհետև հաշվարկեք քառակուսին՝ \(d_i^2 \)

5. Վարիացիայի և ստանդարտ շեղման հաշվարկ
– Դիսպերիան հաշվարկվում է հետևյալ բանաձևով՝ \(s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– Ստանդարտ շեղումը դիսպերսիայի քառակուսի արմատն է՝ \(s = \sqrt{s^2} \)

Օրինակ՝ Պերհիտունգան

Ենթադրենք, որ մենք ունենք աշակերտի հասակի տվյալները, որոնք խմբավորված են հետևյալ կերպ՝

| Միջակայք (սմ) | Հաճախականություն (վ) |
|—————|—————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |

1. Հաճախականության բաշխման աղյուսակ.

| Ինտերվալ (սմ) | Հաճախականություն (f) | Միջնակետ (x) | \( f \cdot x \) | \( d = x – \bar{X} \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|——————|———————|———————–|———————–|——————-|
| 150 – 154 | 5 | 152 | 760 | | | |
| 155 – 159 | 10 | 157 | 1570 | | | |
| 160 – 164 | 15 | 162 | 2430 | | | |
| 165 – 169 | 8 | 167 | 1336 | | | |
| 170 – 174 | 2 | 172 | 344 | | | |
| Ընդհանուր | 40 | | 6440 | | | |

2. Միջինի հաշվարկը (\( \bar{X} \)):
\[ \bar{X} = \frac{6440}{40} = 161 \]

3. Միջինից շեղման և դրա քառակուսիի հաշվարկը.

| Ինտերվալ (սմ) | Հաճախականություն (f) | Միջնակետ (x) | \( f \cdot x \) | \( d = x – 161 \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|——————|———————|———————–|——————-|——————-|
| 150 – 154 | 5 | 152 | 760 | -9 | 81 | 405 |
| 155 – 159 | 10 | 157 | 1570 | -4 | 16 | 160 |
| 160 – 164 | 15 | 162 | 2430 | 1 | 1 | 15 |
| 165 – 169 | 8 | 167 | 1336 | 6 | 36 | 288 |
| 170 – 174 | 2 | 172 | 344 | 11 | 121 | 242 |
| Ընդհանուր | 40 | | 6440 | | | 1110 |

4. Շեղման հաշվարկ.
\[ s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \մոտավորապես 28.46 \]

5. Ստանդարտ շեղման հաշվարկը.
\[ s = \sqrt{28.46} \approx 5.33 \]

Եզրակացություն

Վարիացիան և ստանդարտ շեղումը վիճակագրության կարևոր չափանիշներ են, որոնք նկարագրում են տվյալների բաշխումը միջինի շուրջ: Չնայած այս հասկացությունները կարող են կիրառվել առանձին տվյալների վրա, հաշվարկման գործընթացը մի փոքր տարբերվում է խմբավորված տվյալների համար: Վերը նշված օրինակից մենք կարող ենք տեսնել խմբավորված տվյալների համար վարիացիայի և ստանդարտ շեղման հաշվարկման մանրամասն քայլերը: Այս տեղեկատվությունը օգտակար է բազմազան կիրառություններում՝ ակադեմիական հետազոտություններից մինչև բիզնեսի և արտադրության վերլուծություն:

Վարիացիայի և ստանդարտ շեղման լավ ըմբռնմամբ մենք կարող ենք ավելի ճշգրիտ մեկնաբանել և որոշումներ կայացնել մեր ունեցած տվյալների հիման վրա։ Սա թույլ է տալիս մեզ պահպանել արդյունքներ, որոնք ոչ միայն ճշգրիտ են, այլև համապատասխան։