Atskirų duomenų dispersija ir standartinis nuokrypis
Statistika yra mokslas, tiriantis duomenų rinkimą, analizę, interpretavimą, pateikimą ir tvarkymą. Vienas svarbus statistikos aspektas yra tai, kaip mes matuojame ir suprantame duomenų kintamumą. Du svarbiausi kintamumo matai yra dispersija ir standartinis nuokrypis. Šiame straipsnyje bus išsamiai aptarta dispersija ir standartinis nuokrypis, daugiausia dėmesio skiriant vienam duomenų rinkiniui, paaiškinant apibrėžimus, formules, skaičiavimo veiksmus ir pateikiant praktinių pavyzdžių, paaiškinančių sąvokas.
Dispersijos ir standartinio nuokrypio apibrėžimas
Varianas
Dispersija – tai matas, parodantis, kiek duomenys skiriasi nuo vidurkio. Ji pateikia duomenų rinkinio įvairovės arba variacijos apžvalgą. Matematiškai dispersija yra kiekvieno duomenų elemento nuokrypių nuo vidurkio kvadratų vidurkis.
Standartinis nuokrypis
Standartinis nuokrypis, dar žinomas kaip standartinis nuokrypis, yra dispersijos kvadratinė šaknis. Jis pateikia informaciją apie duomenų pasiskirstymą tais pačiais vienetais kaip ir pradiniai duomenys, todėl juos lengviau interpretuoti realiose situacijose.
Formulės ir skaičiavimai
Varianas
Norėdami apskaičiuoti vieno n dydžio duomenų rinkinio dispersiją (σ^2), galime naudoti šią formulę:
[\sigma^2 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n}]
Kur:
– \(x_i \) yra i-toji duomenų reikšmė.
– \( \bar{x} \) yra duomenų vidurkis arba vidurkis.
– n yra duomenų skaičius rinkinyje.
– (x_i – \bar{x})^2 yra kiekvienų duomenų ir jų vidurkio skirtumo kvadratas.
Standartinis nuokrypis
Standartinis nuokrypis (σ) yra dispersijos kvadratinė šaknis, todėl formulė yra:
[\sigma = \sqrt{\sigma^2}}]
Skaičiavimo žingsniai
1 veiksmas: apskaičiuokite duomenų vidurkį (vidurkį)
Pirmas žingsnis – apskaičiuoti duomenų rinkinio vidurkį. Vidurkis apskaičiuojamas sudedant visas duomenų reikšmes ir padalijant iš duomenų reikšmių skaičiaus.
[\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}]
2 veiksmas: apskaičiuokite kiekvieno duomenų rinkinio skirtumą nuo vidurkio
Gavus vidurkį, kitas žingsnis yra apskaičiuoti skirtumą tarp kiekvienos duomenų reikšmės ir vidurkio (nuokrypį).
\[d_i = x_i – \bar{x} \]
3 žingsnis: pakreipkite kiekvieną nuokrypį kvadratu
Toliau kiekvieną nuokrypį pakelkite kvadratu.
d_i^2 = (x_i – √(x))^2]
4 veiksmas: sumuokite visus kvadratinius nuokrypius
Susumuokite visus ankstesnio žingsnio kvadratinius rezultatus.
[sum d_i^2 = sum_{i=1}^{n} (x_i – ∫{x})^2]
5 veiksmas: apskaičiuokite dispersiją
Padalinkite nuokrypių kvadratų sumą iš duomenų skaičiaus (n), kad gautumėte dispersiją.
\[ \sigma^2 = \frac{\sum d_i^2}{n} \]
6 veiksmas: apskaičiuokite standartinį nuokrypį
Galiausiai apskaičiuokite standartinį nuokrypį, ištraukdami kvadratinę šaknį iš dispersijos.
[\sigma = \sqrt{\sigma^2}}]
Skaičiavimo pavyzdys
Norėdami paaiškinti dispersijos ir standartinio nuokrypio skaičiavimo sąvokas, panagrinėkime šį pavyzdį. Tarkime, kad turime tokį vieną duomenų rinkinį: 4, 8, 6, 5, 3.
1 veiksmas: apskaičiuokite duomenų vidurkį
\[ \bar{x} = \frac{4 + 8 + 6 + 5 + 3}{5} = \frac{26}{5} = 5.2 \]
2 veiksmas: apskaičiuokite kiekvieno duomenų rinkinio skirtumą nuo vidurkio
Skirtumas tarp kiekvienos duomenų reikšmės ir vidurkio:
– (4 – 5.2) = -1.2
– (8 – 5.2) = 2.8
– (6 – 5.2) = 0.8
– (5 – 5.2) = -0.2
– (3 – 5.2) = -2.2
3 žingsnis: pakreipkite kiekvieną nuokrypį kvadratu
Kiekvieno nuokrypio kvadratas:
– (-1.2)^2 = 1.44
– 2.8^2 = 7.84
– 0.8^2 = 0.64
– (-0.2)^2 = 0.04
– (-2.2)^2 = 4.84
4 veiksmas: sumuokite visus kvadratinius nuokrypius
\[suma d_i^2 = 1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8 \]
5 veiksmas: apskaičiuokite dispersiją
\[ \sigma^2 = \frac{14.8}{5} = 2.96 \]
6 veiksmas: apskaičiuokite standartinį nuokrypį
\[\sigma = \sqrt{2.96} \apytiksliai 1.72 \]
Taigi, šiame pavyzdyje duomenų dispersija yra 2.96, o standartinis nuokrypis yra apie 1.72.
Interpretacija
Dispersija ir standartinis nuokrypis suteikia svarbios informacijos apie duomenų sklaidą. Aukščiau pateiktame pavyzdyje 2.96 dispersija rodo, kad vidutinis kvadratinis duomenų reikšmių nuokrypis nuo vidurkio yra 2.96. 1.72 standartinis nuokrypis rodo, kad vidutiniškai duomenų reikšmės nuo vidurkio nukrypsta 1.72 vieneto.
Standartinį nuokrypį lengviau interpretuoti, nes jis naudoja tuos pačius vienetus kaip ir pradiniai duomenys. Pavyzdžiui, pajamų statistikos kontekste, jei duomenų standartinis nuokrypis yra 500 USD, tai reiškia, kad vidutinės pajamos nuo vidutinių pajamų nukrypsta 500 USD.
Taikymas kasdieniame gyvenime
Dispersijos ir standartinio nuokrypio supratimas gali būti taikomas įvairiose srityse. Finansų srityje standartinis nuokrypis gali būti naudojamas investavimo rizikai matuoti. Švietimo srityje jis gali būti naudojamas studentų testų rezultatų skirtumams įvertinti. Gamybos srityje jis gali padėti kontroliuoti kokybę, matuojant gamybos skirtumus.
Išvada
Dispersija ir standartinis nuokrypis yra du svarbiausi statistiniai įrankiai, skirti suprasti duomenų rinkinio kintamumą. Apskaičiuodami dispersiją, galime nustatyti, kiek duomenys yra išsibarstę. Standartinis nuokrypis, kuris yra dispersijos kvadratinė šaknis, siūlo intuityvesnę interpretaciją ir matuojamas tais pačiais vienetais kaip ir pradiniai duomenys. Suprasdami ir galėdami apskaičiuoti šiuos du matavimus, galime geriau analizuoti duomenis ir priimti labiau pagrįstus sprendimus.
