Топтук маалыматтардын дисперсиясы жана стандарттык четтөөсү
Статистика - маалыматтарды чогултуу, уюштуруу, талдоо, чечмелөө жана көрсөтүү үчүн колдонулган математиканын бир тармагы. Статистикадагы маанилүү түшүнүктөрдүн бири - өзгөрмөлүүлүктү же маалыматтардын таралышын өлчөө. Өзгөрмөлүүлүктүн эки негизги көрсөткүчү - дисперсия жана стандарттык четтөө. Бул макалада дисперсия жана стандарттык четтөө, айрыкча топтук маалыматтардын контекстинде терең каралат.
Өзгөрмөлүүлүктүн аныктамасы жана мааниси
Өзгөрмөлүүлүк маалыматтардын орточо мааниден канчалык алыс жайылганын өлчөйт. Өзгөрмөлүүлүктү өлчөө маанилүү, анткени ал орточо маани сыяктуу борбордук тенденциянын өлчөмдөрүнөн гана алууга мүмкүн болбогон кошумча түшүнүктөрдү берет. Өзгөрмөлүүлүктүн өлчөмүн билүү менен, биз маалыматтардын канчалык ырааттуу экенин түшүнүп, мүмкүн болгон четтөөлөрдү же аномалияларды аныктай алабыз.
Дисперсияны жана стандарттык четтөөнү түшүнүү
Дисперсия – бул ар бир маалымат чекитинин квадраттык бирдиктер менен берилген орточо маанисинен канчалык алыс экенин көрсөткөн маалыматтардын бөлүштүрүлүшүнүн өлчөмү. Ал популяция үчүн \( \sigma^2 \) жана үлгү үчүн \( s^2 \) символу менен берилет. Популяция маалыматтары үчүн дисперсиянын формуласы:
\[ \sigma^2 = \frac{\sum (X_i – \mu)^2}{N} \]
үлгүгө келсек, формула төмөнкүдөй:
\[ s^2 = \frac{\sum (X_i – \bar{X})^2}{n-1} \]
Кайда:
– \( X_i \) – бул жеке маалыматтардын мааниси
– \( \mu \) – бул калктын орточо саны
– \( \bar{X} \) үлгүнүн орточо мааниси
– \( N \) – калктын саны
– \( n \) үлгүнүн өлчөмү
Стандарттык четтөө - бул дисперсиянын квадрат тамыры. Ал популяция үчүн \(\sigma \) жана үлгү үчүн \(s \) символу менен берилет. Стандарттык четтөө маалымат бирдиктерин баштапкы формасына кайтарат, бул аны дисперсияга караганда чечмелөөнү жеңилдетет.
\[ \sigma = \sqrt{\sigma^2} \]
\[ s = \sqrt{s^2} \]
Топтук маалыматтар
Топтолгон маалыматтар – бул бир нече категорияларга же интервалдарга бөлүнгөн маалыматтар. Мисалы, окуучулардын бою 150-155 см, 155-160 см жана башка интервалдарга бөлүнөт. Топтолгон маалыматтар боюнча дисперсияны жана стандарттык четтөөнү талдоо жеке маалыматтарды талдоодон бир аз башкача мамилени талап кылат.
Топтук маалыматтар үчүн дисперсияны жана стандарттык четтөөнү эсептөө кадамдары
Топтук маалыматтардын дисперсиясын жана стандарттык четтөөсүн эсептөө кадамдары төмөнкүлөр:
1. Жыштык бөлүштүрүү таблицасын түзүңүз
– Маалыматтар бир нече класстарга же интервалдарга бөлүнөт.
– Ар бир интервалдын жыштыгы (ар бир интервалдагы маалыматтардын саны) жазылат.
2. Класстын ортоңку чекитин аныктоо
– Ар бир интервалдын ортосу төмөнкүдөй эсептелет: \( \text{Орточо чекит} = \frac{\text{Төмөнкү чек} + \text{Жогорку чек}}{2} \)
3. Убактылуу орточо маанини эсептөө (\( \bar{X} \))
– Орточо маани төмөнкү формула боюнча эсептелет: \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– Мында \(f_i \) – жыштык, ал эми \(x_i \) – интервалдын ортосу.
4. Орточо мааниден жана анын квадратынан четтөөнү эсептөө
– Ар бир интервал үчүн орточо мааниден четтөө төмөнкүдөй эсептелет: \( d_i = x_i – \bar{X} \)
– Андан кийин квадратты эсептегиле: \( d_i^2 \)
5. Дисперсияны жана стандарттык четтөөнү эсептөө
– Дисперсия төмөнкү формула боюнча эсептелет: \( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– Стандарттык четтөө дисперсиянын квадраттык тамыры болуп саналат: \( s = \sqrt{s^2} \)
Эсептөө мисалы
Мисалы, окуучунун бою боюнча маалыматтар төмөнкүдөй топтолгон деп коёлу:
| Интервал (см) | Жыштык (f) |
|—————|—————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. Жыштык бөлүштүрүү таблицасы:
| Интервал (см) | Жыштык (f) | Орто чекит (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 | | | |
| Жалпысынан | 40 | | 6440 | | | |
2. Орточо маанини эсептөө (\( \bar{X} \)):
\[ \bar{X} = \frac{6440}{40} = 161 \]
3. Орточо мааниден жана анын квадратынан четтөөнү эсептөө:
| Интервал (см) | Жыштык (f) | Орто чекит (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 |
| Жалпысынан | 40 | | 6440 | | | 1110 |
4. Дисперсияны эсептөө:
\[s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \болжол менен 28.46 \]
5. Стандарттык четтөөнү эсептөө:
\[ s = \sqrt{28.46} \болжол менен 5.33 \]
Корутунду
Дисперсия жана стандарттык четтөө статистикада маалыматтардын орточо маанисинин айланасында бөлүштүрүлүшүн сүрөттөгөн маанилүү өлчөмдөр болуп саналат. Бул түшүнүктөрдү жеке маалыматтарга колдонсо болот, бирок эсептөө процесси топтолгон маалыматтар үчүн бир аз башкача. Жогорудагы мисалдан топтолгон маалыматтар үчүн дисперсияны жана стандарттык четтөөнү эсептөөнүн деталдуу кадамдарын көрө алабыз. Бул маалымат академиялык изилдөөлөрдөн баштап бизнес жана өндүрүштүк анализге чейин ар кандай колдонмолордо пайдалуу.
Дисперсияны жана стандарттык четтөөнү жакшы түшүнүү менен, бизде бар маалыматтардын негизинде так чечмелей жана чечим кабыл ала алабыз. Бул бизге так гана эмес, ошондой эле тиешелүү натыйжаларды сактоого мүмкүндүк берет.
