Статистик дахь тархалтын хэмжилт
Статистик гэдэг нь өгөгдлийг хэрхэн цуглуулж, шинжилж, тайлбарлаж, танилцуулдагийг судалдаг. Статистикийн нэг чухал тал бол тархалтын хэмжилт бөгөөд энэ нь өгөгдлийн багц доторх өгөгдөл хэр тархсан эсвэл янз бүр байгааг тодорхойлдог хэмжүүр юм. Эдгээр хэмжилтийг ойлгох нь өгөгдлийг илүү гүнзгий тайлбарлах, хувьсах чанарыг тодорхойлох, тэр ч байтугай илүү нарийвчлалтай таамаглал гаргахад тусалдаг. Энэ нийтлэлд тархалтын хэмжүүрийн янз бүрийн төрлүүд, тэдгээрийн өгөгдлийн шинжилгээнд ач холбогдол, түгээмэл хэрэглэгддэг тооцооллын аргуудын талаар авч үзэх болно.
Статистикт тархалтыг ойлгох нь болон түүний ач холбогдол
Тархалт буюу хувьсах чанар нь өгөгдөл тархалтын төвийн эргэн тойронд хэр тархсаныг хэлнэ. Тархалтын төв нь өгөгдлийн дундаж, медиан эсвэл горим байж болно. Тархалтын хэмжүүрүүд нь төвийн хандлагын хэмжүүрүүд (жишээлбэл, дундаж эсвэл медиан) өгч чадахгүй нэмэлт мэдээллийг өгдөг тул чухал юм.
Хоёр өгөгдлийн багц ижил дундажтай байж болох ч дисперсийн хувьд мэдэгдэхүйц ялгаатай байж болно. Жишээлбэл, хэрэв хоёр өөр анги ижил дундаж тестийн оноотой боловч нэг ангийн оноо 90-100, нөгөөгийнх нь 50-100 хооронд хэлбэлздэг бол хоёр дахь анги илүү их хувьсах чадвартай байдаг. Энэ нөхцөлд тархалтын хэмжүүрүүд нь өгөгдлийн утгуудын хоорондох олон янз байдлыг ойлгоход бидэнд тусална.
Тархалтын хэмжилтийн төрлүүд
Статистикт хэд хэдэн төрлийн тархалтын хэмжүүрийг ашигладаг бөгөөд тус бүр өөрийн гэсэн давуу болон сул талуудтай байдаг. Хамгийн түгээмэл зарим нь:
1. Хүрээ
2. Хувьсах байдал
3. Стандарт хазайлт
4. Дундаж үнэмлэхүй хазайлт (MAD)
5. Квартил хоорондын хүрээ (IQR)
1. Хүрээ
Хүрээ нь тархалтын хамгийн энгийн хэмжүүр бөгөөд өгөгдлийн багц дахь хамгийн бага утгыг хамгийн их утгаас хасаж тооцоолно. Математикийн хувьд:
\[ \text{Range} = \text{Хамгийн их утга} – \text{Хамгийн бага утга} \]
Энэ хүрээг тооцоолоход хялбар бөгөөд хувьсах чанарын талаар товч тойм өгдөг. Гэсэн хэдий ч хүрээ нь гадуурх утгуудад маш мэдрэмтгий байдаг. Тиймээс, хэрэв өгөгдөлд хэт их утга байгаа бол хүрээ нь өгөгдлийн нийт тархалтын талаар буруу дүр зургийг өгч болзошгүй юм.
2. Хувьсах байдал
Дисперс нь өгөгдлийн утга тус бүрийн квадрат зөрүүний дундажийг тооцоолсноор өгөгдлийн тархалтыг хэмждэг. Хүн амын дисперсийн (σ²) томъёо нь:
\[ \sigma^2 = \frac{\sum_{i=1}^N (x_i – \mu)^2}{N} \]
Жишээ (s²)-ийн хувьд томъёог бага зэрэг дараах байдлаар өөрчилсөн болно:
\[ s^2 = \frac{\sum_{i=1}^n (x_i – \bar{x})^2}{n-1} \]
Энд, \(x_i \) нь өгөгдлийн утга бүрийн, \(\mu \) нь популяцийн дундаж, \(\bar{x} \) нь түүврийн дундаж, \(N \) нь популяцийн хэмжээ, \(n \) нь түүврийн хэмжээ юм. Дисперс нь зөрүүг квадрат болгодог тул хэт туйлын утгуудад илүү их жин өгдөг. Энэ нь ашигтай байж болох ч мөн дисперсийг анхны хэмжээндээ бага ойлгомжтой болгодог.
3. Стандарт хазайлт
Стандарт хазайлт нь дисперсийн квадрат язгуур бөгөөд анхны өгөгдөлтэй ижил нэгжийг дахин ашигладаг тул ойлгоход хялбар болгодог:
\[ \sigma = \sqrt{\sigma^2} \]
Стандарт хазайлт нь тархалтын хамгийн түгээмэл хэрэглэгддэг хэмжүүрүүдийн нэг юм, учир нь энэ нь квадрат өөрчлөлтүүдийг нэгтгэж, дараа нь тэдгээрийг анхны хэмжээс рүү нь буцаан бууруулдаг тул олон хүнд тайлбарлахад хялбар болгодог.
4. Дундаж үнэмлэхүй хазайлт (MAD)
MAD нь өгөгдлийн утга тус бүрийн болон нийт дундажийн зөрүүний абсолют дундажийг хэмждэг. Томъёо нь:
\[ \text{MAD} = \frac{\sum_{i=1}^n |x_i – \bar{x}|}{n} \]
MAD нь хазайлтыг квадрат болгодоггүй тул дисперсийн талаар илүү тодорхой ойлголт өгдөг бөгөөд ингэснээр дисперс эсвэл стандарт хазайлтаас гадуурх утгууд бага нөлөөлдөг.
5. Квартил хоорондын хүрээ (IQR)
IQR нь эхний квартил (Q1) болон гурав дахь квартил (Q3) хоорондох зайг хэмждэг бөгөөд үүнд өгөгдлийн дунджаар 50% багтдаг:
\[ \text{IQR} = Q3 – Q1 \]
IQR-г ихэвчлэн хайрцаг графиктай хамт ашигладаг бөгөөд гадуурх утгыг тодорхойлоход онцгой ач холбогдолтой. Энэ нь зөвхөн өгөгдлийн дунд хэсэгт төвлөрдөг тул IQR нь хэт туйлын утгуудад бага өртдөг бөгөөд ихэвчлэн хайгуулын өгөгдлийн шинжилгээнд ашиглагддаг.
Хэрэглээ ба тохиолдлын жишээнүүд
Дисперсийн хэмжилтийн хэрэглээг илүү сайн ойлгохын тулд янз бүрийн салбарт хэрэглээний зарим жишээг авч үзье.
1. Ажилтны гүйцэтгэлийн хэмжилт
Хүний нөөцийн менежмент (HRM)-д ажилчдын гүйцэтгэлийн хэмжилт нь тархалтын хэмжилтийг байнга ашигладаг нэг чиглэл юм. Хүний нөөцийн хэлтэс нь дисперс буюу стандарт хазайлтыг ашиглан ажилчдын дунд гүйцэтгэлийн үнэлгээ хэр өргөн тархсан байгааг тодорхойлж чадна. Хэрэв дисперс өндөр байвал үнэлгээний системд тэгш бус байдал эсвэл гүйцэтгэлд нийцгүй байдал үүсч болзошгүй.
2. Санхүүгийн эрсдэлийн шинжилгээ
Санхүүгийн салбарт хөрөнгө оруулалтын эрсдэлийг тооцоолоход дисперс болон стандарт хазайлт зэрэг тархалтын хэмжүүрүүдийг ашигладаг. Өндөр стандарт хазайлттай портфолио нь илүү эрсдэлтэй гэж тооцогддог, учир нь тэдгээрийн боломжит мөнгөн урсгал илүү хэлбэлзэлтэй байдаг. Энэхүү хэмжүүр нь хөрөнгө оруулагчдад илүү мэдээлэлтэй шийдвэр гаргахад тусалдаг.
3. Анагаах ухааны судалгаа
Анагаах ухааны судалгаанд тархалтын хэмжилтийг өвчтөний эмчилгээнд үзүүлэх хариу урвалын хэлбэлзлийг ойлгоход ашигладаг. Өвчтөний хариу урвалын өндөр хэлбэлзэл нь хувь хүнд тохирсон эмчилгээ хийх эсвэл эмчилгээний үр дүнд нөлөөлж болох бусад хүчин зүйлийг судлах шаардлагатай байгааг илтгэж болно.
Төрөл бүрийн тархалтын хэмжилтийн давуу болон сул талууд
Тархалтыг хэмжих арга бүр давуу болон сул талуудтай. Хамгийн тохиромжтойг нь сонгох нь өгөгдлийн нөхцөл байдал болон шинжилгээний зорилгоос хамаарна.
– Хүрээ: Давуу тал нь тооцоолоход хялбар боловч гажуудалд маш мэдрэмтгий байдаг.
– Дисперс: Тархалтын талаар тодорхой тайлбар өгдөг боловч квадратаар хэмжсэн нь үүнийг ойлгомжгүй болгодог.
– Стандарт хазайлт: Маш хэрэгтэй бөгөөд ойлгомжтой боловч гадуурх утгуудад бас нөлөөлдөг.
– MAD: Гадны утгуудад бага өртдөг бөгөөд ойлгоход хялбар боловч практикт ховор хэрэглэгддэг.
– IQR: Гадны утгагүйгээр тархалтыг тодорхойлоход маш үр дүнтэй боловч гадаад өгөгдлийг хамруулдаггүй.
Дүгнэлт
Тархалтын хэмжүүрүүд нь статистикийн чухал бүрэлдэхүүн хэсэг бөгөөд өгөгдлийн багц доторх хувьсах чанарын талаар чухал ойлголт өгдөг. Тархалтыг хэмжих янз бүрийн аргууд, тухайлбал хүрээ, дисперс, стандарт хазайлт, MAD, IQR-ийг ойлгосноор бид илүү гүнзгий өгөгдлийн шинжилгээ хийж, түүн дээр үндэслэн илүү сайн шийдвэр гаргах боломжтой. Аргын сонголт нь өгөгдлийн шинж чанар болон бидний шинжилгээний зорилгоос хамаардаг бөгөөд тус бүрийн давуу болон сул талуудыг ойлгосноор бид тархалтын хэмжүүрийг илүү үр дүнтэй ашиглаж чадна.
