Стандарттык четтөөнү колдонуу менен маалыматтардын бөлүштүрүлүшүн талдоо
Статистикада маалыматтар топтомунун "борборун" жөн гана түшүнүү жетишсиз. Эки маалымат топтомунун орточо мааниси бирдей болушу мүмкүн, бирок алардын мүнөздөмөлөрү дисперсия даражасынан улам бир топ айырмаланат. Дал ушул жерде маалыматтардын дисперсиясы түшүнүгү маанилүү болуп калат. Билим берүү жана экономикадан баштап саламаттыкты сактоо жана маалымат таанууга чейин ар кандай тармактарда дисперсиянын эң популярдуу, ишенимдүү жана көп колдонулган өлчөмдөрүнүн бири - стандарттык четтөө. Бул макалада маалыматтардын борбордук мааниден канчалык алыс жайгашканын талдоо үчүн стандарттык четтөө түшүнүгү, эсептөөсү, чечмелениши жана колдонулушу талкууланат.
1. Эмне үчүн маалыматтардын бөлүштүрүлүшүн талдоо керек?
Математика боюнча орточо 80 балл алган эки классты элестетип көрүңүз. А классында дээрлик бардык окуучулар 78ден 82ге чейин балл алышкан. В классында кээ бир окуучулар 50, ал эми кээ бирлери 100 балл алышкан. Орточо көрсөткүчтөр бирдей, бирок эки класстагы кырдаалдар кескин айырмаланат. А классы туруктуу көрсөткүчтөрдү көрсөтсө, В классы олуттуу айырмачылыктарды көрсөтөт.
Бөлүштүрүүнү талдоо менен биз төмөнкүлөрдү жасай алабыз:
– Кубулуштун ырааттуулугун же өзгөрүшүн баалоо.
– Тобокелдикти өлчөө (мисалы, инвестициялык кирешелүүлүктүн өзгөрүшү).
– Процесстин туруктуулугун салыштыруу (мисалы, өндүрүштүн сапаты).
– Потенциалдуу аномалияларды же экстремалдык маалыматтарды аныктоо.
Стандарттык четтөө бул максат үчүн негизги курал болуп саналат, анткени ал маалыматтардын орточо мааниден канчалык алыс тараганын өлчөйт.
2. Стандарттык четтөөнүн аныктамасы
Стандарттык четтөө - бул дисперсиянын квадраттык тамыры. Дисперсия маалыматтар менен орточо маанинин ортосундагы айырмачылыктардын квадраттарынын орточо маанисин өлчөсө, стандарттык четтөө өлчөө бирдиктерин баштапкы шкаласына кайтарат (мисалы, тест упайлары, килограмм, рупия ж.б.). Бул стандарттык четтөөнү чечмелөөнү жеңилдетет.
Интуитивдик түрдө:
– Кичине стандарттык четтөө → чогултулган маалыматтар орточо мааниге жакын (бирдей).
– Чоң стандарттык четтөө → маалыматтар орточо мааниден алыс таралган (ар түрдүү).
3. Стандарттык четтөө формуласы: Популяция жана үлгү
Статистикада биз популяциялар жана үлгүлөр үчүн стандарттык четтөөнү эсептөөнү айырмалайбыз.
а) Калктын стандарттык четтөөсү (σ)
Эгерде талданып жаткан маалыматтар калктын бардык мүчөлөрүнөн турса, анда формула төмөнкүдөй болот:
\[
\sigma = \sqrt{\frac{\sum (x_i – \mu)^2}{N}}
\]
Маалымат:
– \(x_i\) = i-чи маалымат мааниси
– \(\mu\) = калктын орточо көрсөткүчү
– \(N\) = калктын саны жөнүндө маалыматтардын саны
б) Үлгү стандарттык четтөө(лөр)
Эгерде талданып жаткан маалыматтар популяциянын (үлгү) бир бөлүгү гана болсо, формула төмөнкүдөй болот:
\[
s = \sqrt{\frac{\sum (x_i – \bar{x})^2}{n-1}}
\]
Маалымат:
– \(\bar{x}\) = үлгү орточосу
– \(n\) = үлгү маалыматтардын саны
– \(n-1\) эркиндик даражалары деп аталат (Бессельдин коррекциясы), дисперсияны/стандарттык четтөөнү баалоо калыс болушу үчүн колдонулат.
Күнүмдүк практикада биздеги маалыматтар, адатта, үлгүлөр түрүндө болот, ошондуктан \(n-1\) формуласы абдан көп колдонулат.
4. Стандарттык четтөөнү эсептөө кадамдары
Процессти түшүнүү үчүн, үлгүнүн стандарттык четтөөсүн эсептөөнүн жалпы кадамдары төмөнкүлөр:
1. Орточо маанини (\(\bar{x}\)) эсептеңиз.
2. Ар бир маалымат менен орточо маанинин айырмасын эсептегиле (\(x_i – \bar{x}\)).
3. Айырманы квадратка чыгарыңыз \((x_i – \bar{x})^2\).
4. Бардык квадраттарды кошуңуз.
5. Тандоо дисперсиясын алуу үчүн \(n-1\) га бөлүңүз.
6. Стандарттык четтөөнү (лерди) алуу үчүн жыйынтыкты квадрат тамырга ажыратыңыз.
Жөнөкөй мисал
Маалыматтардын маанилери: 70, 75, 80, 85, 90 (n = 5) деп коёлу.
– Орточо: \(\bar{x} = (70+75+80+85+90)/5 = 80\)
– Айырма: -10, -5, 0, 5, 10
– Квадраттык айырма: 100, 25, 0, 25, 100
– Квадраттар саны: 250
– Үлгү дисперсиясы: \(250/(5-1)=62,5\)
– Стандарттык четтөө: \(s=\sqrt{62,5}\апрокс 7,91\)
Жөнөкөй чечмелөө: маанилер 80дин орточо маанисинен орто эсеп менен 7,91 пунктка четтейт.
5. Маалыматтарды талдоодо стандарттык четтөөнү чечмелөө
Стандарттык четтөө өзүнчө бир нерсе эмес; анын мааниси контекстке жараша болот. Бирок, кээ бир жалпы көрсөтмөлөр пайдалуу болушу мүмкүн:
– Эгерде стандарттык четтөө 0гө жакын болсо, анда маалыматтар орточо маанинин тегерегинде жогорку деңгээлде топтолгон.
– Эгерде стандарттык четтөө чоң болсо, маалыматтар өзгөрмөлүү болуп, бирдей эместигин көрсөтөт.
Стандарттык четтөө көбүнчө төмөнкүлөр үчүн колдонулат:
– Эки топту салыштыруу: мисалы, орточо мааниси бирдей, бирок стандарттык четтөөлөрү ар башка эки класс.
– Процесстин туруктуулугун баалоо: продукциянын өлчөмүнүн кичинекей стандарттык четтөөсү менен заводдо өндүрүш сапатты туруктуураак кылат.
– Өзгөрүлмөлүүлүктү өлчөө: каржы тармагында акциялардын кирешелүүлүгүнүн стандарттык четтөөсү көбүнчө тобокелдик индикатору катары колдонулат.
6. Стандарттык четтөө менен нормалдуу бөлүштүрүүнүн ортосундагы байланыш
Нормалдуу бөлүштүрүүнү ээрчиген маалыматтарда стандарттык четтөө эмпирикалык эреже аркылуу абдан күчтүү чечмеленет:
– Маалыматтардын болжол менен 68% \(\bar{x} \pm 1s\) диапазонунда.
– Маалыматтардын болжол менен 95% \(\bar{x} \pm 2s\) диапазонунда.
– Маалыматтардын болжол менен 99,7% \(\bar{x} \pm 3s\) диапазонунда.
Бул эреже орточо маанинин тегерегинде канча маалымат "нормалдуу" экенин баалоо үчүн пайдалуу жана экстремалдык маанилерди аныктоону жеңилдетет. Бирок, бул эреже маалыматтар чындыгында нормалдуу мааниге жакын болгондо гана так экенин эстен чыгарбоо маанилүү.
7. Стандарттык четтөө жана башка жайылтуу көрсөткүчтөрү
Стандарттык четтөө абдан популярдуу болгону менен, дисперсиянын башка маанилүү көрсөткүчтөрү да бар:
– Диапазон: максималдуу жана минималдуу маанилердин ортосундагы айырма. Жөнөкөй, бирок четтөөлөргө өтө сезгич.
– IQR (квартилдер аралык диапазон): 1-квартил менен 3-квартилдин ортосундагы диапазон. Стандарттык четтөөгө караганда четтөөлөргө туруктуураак.
– MAD (медиананын абсолюттук четтөөсү): медианага негизделген, көптөгөн четтөөлөрү бар маалыматтар үчүн ылайыктуу ишенимдүү өлчөө.
Стандарттык четтөө маалыматтар салыштырмалуу "таза" болгондо жана бөлүштүрүү өтө катуу карама-каршылыктуу болбогондо жогору болот. Эгерде маалыматтарда көптөгөн четтөөлөр камтылса, стандарттык четтөө чоңоюп, көпчүлүк маалыматтардын өкүлүндөй болбой калышы мүмкүн.
8. Стандарттык четтөөнүн артыкчылыктары жана чектөөлөрү
Ашыкча
– Бардык маалыматтарды колдонот (экстремалдык маанилерди гана эмес).
– Күчтүү теориялык негизге ээ жана көп учурда көптөгөн алдыңкы статистикалык ыкмаларда колдонулат.
– Чечмелөө оңой, анткени бирдиктер баштапкы маалыматтар менен бирдей.
Чектөөлөр
– Айырманын квадратына байланыштуу болгондуктан, четтөөлөргө өтө сезгич.
– “Чоң” же “кичине” деген сөздөрдүн чечмелениши масштабга жана контекстке жараша болот.
– Өтө нормалдуу эмес бөлүштүрүүлөрдө стандарттык четтөө анчалык деле репрезентативдүү болбошу мүмкүн.
9. Корутунду
Маалыматтардын дисперсиясын талдоо маалыматтар топтомунун мүнөздөмөлөрүн түшүнүүдөгү маанилүү кадам болуп саналат. Стандарттык четтөө маалыматтардын орточо мааниден канчалык алыс таралышын так өлчөө менен камсыз кылат, бул бизге процесстин же кубулуштун ырааттуулугун, тобокелдигин жана сапатын баалоого жардам берет. Аны кантип эсептөөнү жана чечмелөөнү түшүнүү менен, биз академиялык изилдөөлөрдө, иштин натыйжалуулугун баалоодо, сапатты көзөмөлдөөдө же бизнес-талдоодо болобу, көбүрөөк маалыматтуу чечимдерди кабыл ала алабыз.
Акыр-аягы, стандарттык четтөө жөн гана сан эмес, тескерисинче, маалыматтарга мүнөздүү болгон белгисиздиктин жана өзгөрүүлөрдүн маанилүү кыскача баяндамасы. Күчтүү талдоо үчүн, бөлүштүрүүнүн толук жана так сүрөтүн берүү үчүн стандарттык четтөөнү медиана, IQR же маалыматтарды визуалдаштыруу сыяктуу башка көрсөткүчтөр менен бирге колдонуу керек.
