Atsevišķu datu dispersija un standartnovirze
Statistika ir zinātne, kas pēta datu vākšanu, analīzi, interpretāciju, prezentēšanu un organizēšanu. Viens svarīgs statistikas aspekts ir tas, kā mēs mērām un saprotam datu mainīgumu. Divi svarīgi mainīguma mērījumi ir dispersija un standartnovirze. Šajā rakstā tiks padziļināti aplūkota dispersija un standartnovirze, koncentrējoties uz vienu datu kopu, izskaidrojot definīcijas, formulas, aprēķinu soļus un sniedzot praktiskus piemērus, lai precizētu jēdzienus.
Varianses un standartnovirzes definīcija
Varian
Dispersija ir mērs, kas parāda, cik tālu dati atšķiras no vidējā rādītāja. Tā sniedz pārskatu par datu kopas daudzveidību vai variāciju. Matemātiskā izteiksmē dispersija ir katra datu elementa noviržu kvadrātu vidējais rādītājs no tā vidējā rādītāja.
Standarta novirze
Standartnovirze, kas pazīstama arī kā standartnovirze, ir dispersijas kvadrātsakne. Tā sniedz informāciju par datu sadalījumu tajās pašās mērvienībās kā sākotnējie dati, tādējādi atvieglojot interpretāciju reālās dzīves kontekstā.
Formulas un aprēķini
Varian
Lai aprēķinātu vienas datu kopas ar izmēru n dispersiju (σ^2), varam izmantot šādu formulu:
\[ \sigma^2 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n} \]
Kur:
– \(x_i \) ir i-tā datu vērtība.
– \( \bar{x} \) ir datu vidējais rādītājs vai vidējā vērtība.
– n ir datu skaits kopā.
– (x_i – \bar{x})^2 ir katra datu lieluma un tā vidējās vērtības starpības kvadrāts.
Standarta novirze
Standartnovirze (σ) ir dispersijas kvadrātsakne, tāpēc formula ir:
[\sigma = \sqrt{\sigma^2}}]
Aprēķina soļi
1. darbība: aprēķiniet datu vidējo vērtību (vidējo vērtību)
Pirmais solis ir aprēķināt datu kopas vidējo vērtību. Vidējo vērtību aprēķina, saskaitot visas datu vērtības un dalot ar datu vērtību skaitu.
[\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}]
2. darbība. Aprēķiniet katras datu kopas starpību pret vidējo vērtību
Pēc vidējās vērtības iegūšanas nākamais solis ir aprēķināt starpību starp katru datu vērtību un vidējo vērtību (novirzi).
\[d_i = x_i – \bar{x} \]
3. solis: Katras novirzes kvadrātveida izlīdzināšana
Pēc tam katru novirzi kvadrātā.
\[d_i^2 = (x_i – \bar{x})^2 \]
4. solis: visu kvadrātveida noviržu summēšana
Saskaitiet visus iepriekšējās darbības kvadrātā iegūtos rezultātus.
[sum d_i^2 = sum_{i=1}^{n} (x_i – sur{x})^2]
5. solis: dispersijas aprēķināšana
Lai iegūtu dispersiju, daliet noviržu kvadrātu summu ar datu skaitu (n).
\[ \sigma^2 = \frac{\summa d_i^2}{n} \]
6. darbība: standarta novirzes aprēķināšana
Visbeidzot, aprēķiniet standartnovirzi, aprēķinot dispersijas kvadrātsakni.
[\sigma = \sqrt{\sigma^2}}]
Aprēķina piemērs
Lai precizētu dispersijas un standartnovirzes aprēķināšanas jēdzienu, aplūkosim šādu piemēru. Pieņemsim, ka mums ir šāds viens datu kopums: 4, 8, 6, 5, 3.
1. darbība. Aprēķiniet datu vidējo vērtību
\[ \bar{x} = \frac{4 + 8 + 6 + 5 + 3}{5} = \frac{26}{5} = 5.2 \]
2. darbība. Aprēķiniet katras datu kopas starpību pret vidējo vērtību
Starpība starp katru datu vērtību un vidējo vērtību:
– (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. solis: Katras novirzes kvadrātveida izlīdzināšana
Katras novirzes kvadrāts:
– (-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. solis: visu kvadrātveida noviržu summēšana
\[ \sum d_i^2 = 1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8 \]
5. solis: dispersijas aprēķināšana
\[ \sigma^2 = \frac{14.8}{5} = 2.96 \]
6. darbība: standarta novirzes aprēķināšana
\[ \sigma = \sqrt{2.96} \aptuveni 1.72 \]
Tātad šajā piemērā datu dispersija ir 2.96, un standartnovirze ir aptuveni 1.72.
Interpretācija
Dispersija un standartnovirze sniedz svarīgu informāciju par datu izplatību. Iepriekš minētajā piemērā dispersija 2.96 norāda, ka datu vērtību vidējā kvadrātiskā novirze no vidējās vērtības ir 2.96. Standartnovirze 1.72 norāda, ka datu vērtības vidēji atšķiras no vidējās vērtības par 1.72 vienībām.
Standartnovirzi ir vieglāk interpretēt, jo tai ir tādas pašas mērvienības kā sākotnējiem datiem. Piemēram, ienākumu statistikas kontekstā, ja datu standartnovirze ir 500 ASV dolāru, tas nozīmē, ka vidējie ienākumi atšķiras no vidējiem ienākumiem par 500 ASV dolāriem.
Pielietojums ikdienas dzīvē
Dispersijas un standartnovirzes izpratni var pielietot dažādās jomās. Finansēs standartnovirzi var izmantot, lai mērītu investīciju risku. Izglītībā to var izmantot, lai novērtētu studentu testa rezultātu atšķirības. Ražošanā tā var palīdzēt kvalitātes kontrolē, mērot ražošanas atšķirības.
Secinājums
Dispersija un standartnovirze ir divi svarīgi statistikas rīki, lai izprastu datu kopas mainīgumu. Aprēķinot dispersiju, mēs varam noteikt, cik izkliedēti ir dati. Standartnovirze, kas ir dispersijas kvadrātsakne, piedāvā intuitīvāku interpretāciju un tiek mērīta tajās pašās mērvienībās kā sākotnējie dati. Izprotot un spējot aprēķināt šos divus rādītājus, mēs varam labāk analizēt datus un pieņemt pamatotākus lēmumus.
