ჯგუფური მონაცემების ვარიაცია და სტანდარტული გადახრა
სტატისტიკა მათემატიკის დარგია, რომელიც გამოიყენება მონაცემების შესაგროვებლად, ორგანიზებისთვის, ანალიზისთვის, ინტერპრეტაციისა და წარდგენისთვის. სტატისტიკის ერთ-ერთი მნიშვნელოვანი კონცეფციაა ცვალებადობის, ანუ მონაცემთა გავრცელების გაზომვა. ცვალებადობის ორი ძირითადი საზომია ვარიაცია და სტანდარტული გადახრა. ეს სტატია სიღრმისეულად შეისწავლის ვარიაციას და სტანდარტულ გადახრას, კერძოდ, ჯგუფური მონაცემების კონტექსტში.
ცვალებადობის განმარტება და მნიშვნელობა
ცვალებადობა ზომავს, თუ რამდენად შორს ვრცელდება მონაცემები საშუალო მაჩვენებლიდან. ცვალებადობის გაზომვა მნიშვნელოვანია, რადგან ის იძლევა დამატებით ინფორმაციას, რომლის მიღებაც შეუძლებელია მხოლოდ ცენტრალური ტენდენციის საზომებიდან, როგორიცაა საშუალო. ცვალებადობის საზომის ცოდნით, ჩვენ შეგვიძლია გავიგოთ, რამდენად თანმიმდევრულია მონაცემები და გამოვავლინოთ პოტენციური გამონაკლისები ან ანომალიები.
ვარიაციისა და სტანდარტული გადახრის გაგება
ვარიაცია არის მონაცემთა განაწილების საზომი, რომელიც გვიჩვენებს, თუ რამდენად შორს არის თითოეული მონაცემი მისი საშუალო მნიშვნელობიდან კვადრატულ ერთეულებში. ის მოცემულია სიმბოლოთი \( \sigma^2 \) პოპულაციისთვის და \(s^2 \) ნიმუშისთვის. პოპულაციის მონაცემების ვარიაციის ფორმულაა:
\[ \sigma^2 = \frac{\sum (X_i – \mu)^2}{N} \]
რაც შეეხება ნიმუშს, ფორმულა ასეთია:
\[s^2 = \frac{\sum (X_i – \bar{X})^2}{n-1} \]
სად:
– \(X_i \) არის ინდივიდუალური მონაცემთა მნიშვნელობა
– \( \mu \) არის პოპულაციის საშუალო
– \( \bar{X} \) არის ნიმუშის საშუალო მნიშვნელობა
– \(N \) არის პოპულაციის ზომა
– \(n \) არის ნიმუშის ზომა
სტანდარტული გადახრა არის დისპერსიის კვადრატული ფესვი. იგი მოცემულია სიმბოლოთი \( \sigma \) პოპულაციისთვის და \(s \) ნიმუშისთვის. სტანდარტული გადახრა მონაცემთა ერთეულებს თავდაპირველ ფორმაში აბრუნებს, რაც დისპერსიასთან შედარებით მის ინტერპრეტაციას აადვილებს.
\[ \sigma = \sqrt{\sigma^2} \]
\[ s = \sqrt{s^2} \]
ჯგუფის მონაცემები
დაჯგუფებული მონაცემები არის მონაცემები, რომლებიც კლასიფიცირებულია რამდენიმე კატეგორიად ან ინტერვალად. მაგალითად, სტუდენტების სიმაღლეები დაყოფილია 150-155 სმ, 155-160 სმ და ა.შ. ინტერვალებად. დაჯგუფებულ მონაცემებზე ვარიაციისა და სტანდარტული გადახრის ანალიზი ინდივიდუალური მონაცემების ანალიზისგან ოდნავ განსხვავებულ მიდგომას მოითხოვს.
ჯგუფური მონაცემების ვარიაციისა და სტანდარტული გადახრის გამოთვლის ნაბიჯები
ჯგუფური მონაცემების ვარიაციისა და სტანდარტული გადახრის გამოსათვლელად მოცემულია შემდეგი ნაბიჯები:
1. შექმენით სიხშირის განაწილების ცხრილი
– მონაცემები იყოფა რამდენიმე კლასად ან ინტერვალად.
– თითოეული ინტერვალის სიხშირე (თითოეულ ინტერვალში მონაცემების რაოდენობა) ჩაიწერება.
2. კლასის შუა წერტილის განსაზღვრა
– თითოეული ინტერვალის შუა წერტილი გამოითვლება შემდეგნაირად: \( \text{შუა წერტილი} = \frac{\text{ქვედა ზღვარი} + \text{ზედა ზღვარი}}{2} \)
3. დროებითი საშუალოს (\( \bar{X} \)) გამოთვლა
– საშუალო გამოითვლება ფორმულის გამოყენებით: \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– სადაც \(f_i \) სიხშირეა და \(x_i \) ინტერვალის შუა წერტილია.
4. საშუალო მნიშვნელობიდან გადახრის და მისი კვადრატის გამოთვლა
– თითოეული ინტერვალისთვის, საშუალო მნიშვნელობიდან გადახრა გამოითვლება შემდეგნაირად: \( d_i = x_i – \bar{X} \)
– შემდეგ გამოთვალეთ კვადრატი: \(d_i^2 \)
5. ვარიაციისა და სტანდარტული გადახრის გამოთვლა
– ვარიაცია გამოითვლება ფორმულის გამოყენებით: \( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– სტანდარტული გადახრა არის დისპერსიის კვადრატული ფესვი: \(s = \sqrt{s^2} \)
გაანგარიშების მაგალითი
დავუშვათ, რომ სტუდენტის სიმაღლის მონაცემები შემდეგნაირად არის დაჯგუფებული:
| ინტერვალი (სმ) | სიხშირე (ვ) |
|——————|——————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. სიხშირის განაწილების ცხრილი:
| ინტერვალი (სმ) | სიხშირე (f) | შუა წერტილი (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 | | | |
| სულ | 40 | | 6440 | | | |
2. საშუალოს გამოთვლა (\( \bar{X} \)):
\[ \bar{X} = \frac{6440}{40} = 161 \]
3. საშუალო მნიშვნელობიდან და მისი კვადრატიდან გადახრის გამოთვლა:
| ინტერვალი (სმ) | სიხშირე (f) | შუა წერტილი (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 |
| სულ | 40 | | 6440 | | | 1110 |
4. ვარიაციის გამოთვლა:
\[ s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \დაახლ. 28.46 \]
5. სტანდარტული გადახრის გამოთვლა:
\[ s = \sqrt{28.46} \approx 5.33 \]
დასკვნა
ვარიაცია და სტანდარტული გადახრა სტატისტიკაში მნიშვნელოვანი საზომებია, რომლებიც აღწერს მონაცემების განაწილებას მისი საშუალო მნიშვნელობის გარშემო. მიუხედავად იმისა, რომ ეს კონცეფციები შეიძლება გამოყენებულ იქნას ინდივიდუალურ მონაცემებზე, გამოთვლის პროცესი ოდნავ განსხვავებულია დაჯგუფებული მონაცემებისთვის. ზემოთ მოცემული მაგალითიდან შეგვიძლია დავინახოთ დაჯგუფებული მონაცემებისთვის ვარიაციისა და სტანდარტული გადახრის გამოთვლის დეტალური ნაბიჯები. ეს ინფორმაცია სასარგებლოა სხვადასხვა სფეროში, აკადემიური კვლევიდან დაწყებული ბიზნესისა და წარმოების ანალიზით დამთავრებული.
ვარიაციისა და სტანდარტული გადახრის კარგი გაგებით, ჩვენ შეგვიძლია უფრო ზუსტად ინტერპრეტაცია გავუკეთოთ და გადაწყვეტილებები მივიღოთ ჩვენს ხელთ არსებულ მონაცემებზე დაყრდნობით. ეს საშუალებას გვაძლევს შევინარჩუნოთ არა მხოლოდ ზუსტი, არამედ რელევანტური შედეგები.
