Дисперсияны кантип эсептөө керек: Толук колдонмо
Дисперсия – бул экономика жана инженериядан баштап психологияга жана статистиканын өзүнө чейин ар кандай тармактарда колдонулган фундаменталдык статистика. Ал маалыматтар топтомундагы маанилердин орточо мааниге канчалык деңгээлде тарагандыгы жөнүндө маалымат берет. Бул макалада биз аныктамадан баштап практикалык кадамдарга чейин дисперсияны кантип эсептөөнү терең изилдейбиз.
Pendahuluan
Дисперсияны түшүнүү үчүн статистикадагы кээ бир негизги түшүнүктөрдү түшүнүшүбүз керек. Дисперсия - бул маалыматтар топтомундагы маанилердин орточо мааниден канчалык алыстап кеткенин өлчөөчү көрсөткүч. Дисперсия ар бир маани менен орточо маанинин ортосундагы айырмачылыктардын квадратынын орточо мааниси катары эсептелет. Дисперсия маалыматтардагы "өзгөрмөлүүлүктүн" көрсөткүчүн берет.
Дисперсиянын аныктамасы
Математикалык жактан алганда, дисперсия төмөнкүдөй:
\[ \text{Dispersion} ( \sigma^2 ) = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \]
ди мана:
– \( \sigma^2 \) – бул популяциянын дисперсиясы.
– \( N \) - популяциядагы маанилердин жалпы саны.
– \( x_i \) – i-чи жеке адамдын мааниси.
– \( \mu \) – бул популяциянын орточо мааниси.
Үлгүлөр үчүн дисперсиялык формула бир аз башкачараак:
\[ \text{Үлгү дисперсиясы} ( s^2 ) = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \]
ди мана:
– \( s^2 \) - бул үлгү дисперсиясы.
– \( n \) - үлгүдөгү маанилердин жалпы саны.
– \( x_i \) – бул үлгүдөгү i-чи жеке адамдын мааниси.
– \( \bar{x} \) - үлгүнүн орточо мааниси.
Дисперсияны эсептөө кадамдары
Келгиле, конкреттүү мисал аркылуу дисперсияны эсептөөнүн практикалык кадамдарын карап көрөлү.
Мисал: Популяциянын дисперсиясын эсептөө
Мисалы, бизде төмөнкү маанилерден турган кичинекей маалыматтар топтому бар дейли: 2, 4, 6, 8, 10.
1. 1-кадам: Орточо маанини (орточо маанини) эсептөө
\[ \mu = \frac{2 + 4 + 6 + 8 + 10}{5} = 6 \]
2. 2-кадам: Ар бир маанинин орточо мааниден айырмасын жана анын квадратын эсептегиле
\[
\begin{align}
(2 – 6)^2 жана= (-4)^2 = 16
(4 – 6)^2 жана= (-2)^2 = 4
(6 – 6)^2 жана= 0^2 = 0
(8 – 6)^2 жана= 2^2 = 4
(10 – 6)^2 жана= 4^2 = 16
\end{align}
\]
3. 3-кадам: Айырмачылыктардын бардык квадраттарын кошуңуз
\[16 + 4 + 0 + 4 + 16 = 40 \]
4. 4-кадам: Айырмалардын квадраттарынын суммасын маанилердин санына (N) бөлүңүз
\[ \sigma^2 = \frac{40}{5} = 8 \]
Ошентип, бул маалыматтардын популяциялык дисперсиясы 8ге барабар.
Мисал: Үлгү дисперсиясын эсептөө
Эми, жогорудагы маалыматтар топтомунан кичинекей үлгү алабыз дейли: 2, 4, 6.
1. 1-кадам: Үлгү орточо маанисин эсептеңиз
\[ \bar{x} = \frac{2 + 4 + 6}{3} = 4 \]
2. 2-кадам: Ар бир маанинин орточо мааниден айырмасын жана анын квадратын эсептегиле
\[
\begin{align}
(2 – 4)^2 жана= (-2)^2 = 4
(4 – 4)^2 жана= 0^2 = 0
(6 – 4)^2 жана= 2^2 = 4
\end{align}
\]
3. 3-кадам: Айырмачылыктардын бардык квадраттарын кошуңуз
\[4 + 0 + 4 = 8 \]
4. 4-кадам: Айырмалардын квадраттарынын суммасын (n – 1) га бөлүңүз
\[ s^2 = \frac{8}{3-1} = \frac{8}{2} = 4 \]
Демек, бул маалыматтардын үлгү дисперсиясы 4кө барабар.
Популяциядагы жана үлгүдөгү дисперсия
Популяциянын дисперсиясы менен үлгү дисперсиясынын ортосундагы айырманы түшүнүү маанилүү. Популяциянын дисперсиясы маалыматтардын бүтүндөй популяция боюнча таралышын өлчөйт, ал эми үлгү дисперсиясы популяциянын бир бөлүгүндөгү (үлгүсүндөгү) таралышын өлчөйт. Көпчүлүк учурларда, популяциянын дисперсиясын баалоо үчүн үлгү дисперсиясы колдонулат. Тандоо дисперсиясын эсептөөдө \( (n-1) \) га бөлүү популяциянын дисперсиясын баалоодогу бир жактуулукту азайтат.
Дисперсияны колдонуу
Дисперсия ар кандай колдонмолордо колдонулат, мисалы:
1. Финансылык тобокелдиктерди талдоо: Финансыда дисперсия тобокелдикти өлчөө жана инвестициялык портфелдерди башкаруу үчүн колдонулат. Дисперсия жогору болсо, инвестициянын тобокелдүүлүгү жогору болот дегенди билдирет.
2. Коомдук илимдер: Психология же социология изилдөөлөрүндө калктын топторунун ортосундагы айырмачылыктарды өлчөө үчүн дисперсия колдонулат.
3. Сапатты көзөмөлдөө: Өндүрүштө продукциянын сапатын көзөмөлдөө жана көзөмөлдөө үчүн дисперсиялар колдонулат.
4. Эксперименталдык статистика: Эксперименталдык жыйынтыктарды талдоо жана айырмачылыктардын маанисин аныктоо үчүн колдонулат.
Дисперсия жана стандарттык четтөө
Дисперсия көбүнчө стандарттык четтөө менен бирге колдонулат, ал дисперсиянын квадрат тамыры болуп саналат. Стандарттык четтөө дисперсияга караганда таралуунун түз жана оңой чечмеленүүчү өлчөмүн камсыз кылат. Экөөнүн ортосундагы теңдеме:
\[ \text{Стандарттык четтөө} (\sigma) = \sqrt{\text{Дисперсия} (\sigma^2)} \]
Корутунду
Дисперсияны эсептөө статистикалык анализдин маанилүү бөлүгү болуп саналат, ал маалыматтар топтомундагы таралышты же дисперсияны өлчөө менен камсыз кылат. Негизги түшүнүктөрдү жана дисперсияны кантип эсептөөнү түшүнүү менен биз маалыматтарды жакшыраак талдап, тобокелдикти баалап жана маалыматтуу чечимдерди кабыл ала алабыз.
Илимий талдоо үчүн популяциялык дисперсияны колдонуубу же маалыматтардын бир бөлүгүнөн баалоо үчүн үлгү дисперсияны колдонуубу, дисперсияны терең түшүнүү бизге маалыматтардын ар түрдүүлүгүн түшүнүүгө жана аны ар кандай реалдуу дүйнөдөгү кырдаалдарга колдонууга жардам берет деп үмүттөнөбүз. Бул макала дисперсияны түшүнүү жана эсептөө боюнча практикалык жана пайдалуу көрсөтмө берет деп үмүттөнөбүз.
