Greining á gagnadreifingu með staðalfráviki
Í tölfræði er ekki nóg að skilja einfaldlega „miðju“ gagnasafns. Tvö gagnasöfn geta haft sama meðaltal, en eiginleikar þeirra eru mjög ólíkir vegna dreifingargráðu þeirra. Þetta er þar sem hugtakið gagnadreifing verður mikilvægt. Ein vinsælasta, traustasta og mest notaða mælikvarðinn á dreifingu á ýmsum sviðum - allt frá menntun og hagfræði til heilbrigðis og gagnavísinda - er staðalfrávik. Þessi grein fjallar um hugtakið, útreikninga, túlkun og notkun staðalfráviks til að greina hversu dreifð gögn eru frá miðgildi þeirra.
1. Hvers vegna þarf að greina gagnadreifingu?
Ímyndaðu þér tvo bekki með meðaleinkunn upp á 80 í stærðfræðiprófi. Í A-bekk fengu næstum allir nemendur á bilinu 78 til 82. Í B-bekk fengu sumir nemendur 50 og aðrir 100. Meðaltölin eru þau sömu, en aðstæður í bekkjunum tveimur eru greinilega ólíkar. Bekkur A sýnir stöðuga frammistöðu en bekkur B sýnir verulegan mun.
Með því að greina dreifinguna getum við:
– Meta samræmi eða breytileika fyrirbæris.
– Mæling á áhættu (t.d. breytingar á ávöxtun fjárfestinga).
– Samanburður á stöðugleika ferla (t.d. framleiðslugæðum).
– Greina hugsanleg frávik eða öfgakennd gögn.
Staðalfrávik er aðalverkfærið í þessu skyni því það mælir hversu langt gögnin eru frá meðaltalinu.
2. Skilgreining á staðalfráviki
Staðalfrávikið er kvaðratrót dreifnisins. Þó að dreifnin mæli meðaltal ferninga mismunarins milli gagnanna og meðaltalsins, þá skilar staðalfrávikið mælieiningunum aftur á upprunalegan kvarða (t.d. prófniðurstöður, kílógrömm, rúpíur o.s.frv.). Þetta gerir staðalfrávikið auðveldara að túlka.
Innsæislega:
– Lítið staðalfrávik → söfnuð gögn eru nálægt meðaltali (einsleitari).
– Stórt staðalfrávik → gögn eru dreifð langt frá meðaltali (fjölbreyttari).
3. Staðalfráviksformúla: Íbúafjöldi vs. úrtak
Í tölfræði greinum við á milli þess að reikna staðalfrávik fyrir þýði og úrtök.
a) Staðalfrávik íbúa (σ)
Ef gögnin sem verið er að greina eru frá öllum meðlimum þýðisins, þá er formúlan:
\[
\sigma = \sqrt{\frac{\summa (x_i – \mu)^2}{N}}
\]
Upplýsingar:
– \(x_i\) = i-ta gagnagildi
– \(\mu\) = meðaltal íbúa
– \(N\) = fjöldi íbúagagna
b) Staðalfrávik úrtaks (s)
Ef gögnin sem verið er að greina eru aðeins hluti af þýðinu (úrtakinu), þá er formúlan:
\[
s = \sqrt{\frac{\summa (x_i – \bar{x})^2}{n-1}}
\]
Upplýsingar:
– \(\bar{x}\) = meðaltal úrtaks
– \(n\) = fjöldi sýnishornsgagna
– \(n-1\) kallast frígráður (Bessel-leiðrétting), notaðar þannig að mat á dreifni/staðalfráviki sé óhlutdrægt.
Í daglegri starfsemi eru gögnin sem við höfum venjulega í formi sýna, þannig að formúlan \(n-1\) er mjög algeng.
4. Skref til að reikna staðalfrávik
Til að skilja ferlið eru hér almennu skrefin til að reikna út staðalfrávik úrtaks:
1. Reiknaðu meðaltalið (\(\bar{x}\)).
2. Reiknið út mismuninn á milli hverrar gagna og meðaltalsins (\(x_i – \bar{x}\)).
3. Taktu mismuninn (x_i – x)^2) í öðru veldi.
4. Leggðu saman alla ferningana.
5. Deilið með n-1 til að fá dreifni úrtaksins.
6. Taktu kvaðratrótina af niðurstöðunni til að fá staðalfrávikið (s).
Einfalt dæmi
Segjum að gagnagildin séu: 70, 75, 80, 85, 90 (n = 5)
– Meðaltal: \(\bar{x} = (70+75+80+85+90)/5 = 80\)
– Mismunur: -10, -5, 0, 5, 10
– Mismunur í öðru veldi: 100, 25, 0, 25, 100
– Fjöldi ferninga: 250
– Úrtaksdreifni: \(250/(5-1)=62,5\)
– Staðalfrávik: \(s = \sqrt{62,5}\approx 7,91\)
Einfalda túlkunin: gildin víkja að meðaltali um 7,91 stig frá meðaltalinu 80.
5. Túlkun staðalfráviks í gagnagreiningu
Staðalfrávik stendur ekki eitt og sér; merking þess fer eftir samhengi. Hins vegar geta nokkrar almennar leiðbeiningar verið gagnlegar:
– Ef staðalfrávikið er nálægt 0, þá eru gögnin mjög einbeitt í kringum meðaltalið.
– Ef staðalfrávikið er stórt eru gögnin breytilegri, sem bendir til ójöfnu.
Staðalfrávik er einnig oft notað fyrir:
– Að bera saman tvo hópa: til dæmis tvo bekki með sama meðaltal en mismunandi staðalfrávik.
– Mat á stöðugleika ferlisins: verksmiðjuframleiðsla með litlu staðalfráviki vörustærðar þýðir samræmdari gæði.
– Mæling á sveiflum: í fjármálum er staðalfrávik ávöxtunar hlutabréfa oft notað sem áhættuvísir.
6. Tengsl staðalfráviks og normaldreifingar
Í gögnum sem fylgja normaldreifingu hefur staðalfrávikið mjög sterka túlkun í gegnum reynsluregluna:
– Um 68% gagnanna eru á bilinu \(\bar{x} \pm 1s\)
– Um 95% gagnanna eru á bilinu \(\bar{x} \pm 2s\)
– Um 99,7% gagnanna eru á bilinu \(\bar{x} \pm 3s\)
Þessi regla er gagnleg til að meta hversu mikið af gögnum er „eðlilegt“ í kringum meðaltalið og auðveldar að greina öfgagildi. Hins vegar er mikilvægt að muna að þessi regla er aðeins nákvæm ef gögnin eru í raun nálægt eðlilegu gildi.
7. Staðalfrávik samanborið við aðrar mælingar á dreifingu
Þó að staðalfrávik sé mjög vinsælt, þá eru til aðrar mælingar á dreifingu sem eru einnig mikilvægar:
– Bil: mismunurinn á hámarks- og lágmarksgildum. Einfalt en mjög viðkvæmt fyrir útlægum gildum.
– Fjórðungsbil (IQR): bilið á milli fjórðungs 1 og fjórðungs 3. Meira ónæmt fyrir útlægum gildum en staðalfráviki.
– MAD (miðgildi algerra frávika): traust mælikvarði byggður á miðgildi, hentugur fyrir gögn með mörgum útlægum gildum.
Staðalfrávikið er betra þegar gögnin eru tiltölulega „hrein“ og dreifingin er ekki of þungt haldin. Ef gögnin innihalda mörg útlæg gildi getur staðalfrávikið orðið stærra og minna dæmigert fyrir meirihluta gagnanna.
8. Kostir og takmarkanir staðalfráviks
Ofgnótt
– Notar öll gögn (ekki bara öfgagildi).
– Hefur sterkan fræðilegan grunn og er oft notað í mörgum háþróuðum tölfræðiaðferðum.
– Auðvelt að túlka því einingarnar eru þær sömu og í upprunalegu gögnunum.
Takmarkanir
– Mjög viðkvæm fyrir útlægum gildum því það felur í sér ferning mismunarins.
– Túlkun hugtakanna „stór“ eða „lítil“ fer eftir umfangi og samhengi.
– Í dreifingum sem eru mjög ónormalar getur staðalfrávikið verið minna dæmigert.
9. Niðurstaða
Að greina dreifingu gagna er mikilvægt skref í að skilja eiginleika gagnasafns. Staðalfrávikið gefur skýra mælingu á því hversu langt gögn dreifast frá meðaltalinu og hjálpar okkur að meta samræmi, áhættu og gæði ferlis eða fyrirbæris. Með því að skilja hvernig á að reikna það út og túlka það getum við tekið upplýstari ákvarðanir, hvort sem er í fræðilegum rannsóknum, frammistöðumati, gæðaeftirliti eða viðskiptagreiningu.
Að lokum er staðalfrávik ekki bara tala, heldur mikilvæg samantekt á óvissu og breytileika sem felst í gögnunum. Til að fá áreiðanlegri greiningu ætti að nota staðalfrávik ásamt öðrum mælingum - svo sem miðgildi, millistigsgreiningu eða gagnasýnileika - til að fá heildstæðari og nákvæmari mynd af dreifingunni.
