Variantie en standaarddeviatie van individuele gegevens
Statistiek is de wetenschap die zich bezighoudt met het verzamelen, analyseren, interpreteren, presenteren en organiseren van gegevens. Een belangrijk aspect van statistiek is hoe we de variabiliteit in gegevens meten en begrijpen. Twee cruciale maten voor variabiliteit zijn variantie en standaarddeviatie. Dit artikel bespreekt variantie en standaarddeviatie uitgebreid, met de focus op één specifieke dataset. De definities, formules en berekeningsstappen worden uitgelegd en praktische voorbeelden worden gegeven om de concepten te verduidelijken.
Definitie van variantie en standaarddeviatie
Varian
Variantie is een maat voor hoe ver gegevens van het gemiddelde verwijderd zijn. Het geeft een overzicht van de diversiteit of variatie in een dataset. In wiskundige termen is variantie het gemiddelde van de kwadraten van de afwijkingen van elk gegevenselement ten opzichte van het gemiddelde.
Standaardafwijking
De standaarddeviatie, ook wel bekend als de standaardafwijking, is de wortel van de variantie. Het geeft informatie over de verdeling van gegevens in dezelfde eenheden als de oorspronkelijke gegevens, waardoor ze gemakkelijker te interpreteren zijn in de praktijk.
Formules en berekeningen
Varian
Om de variantie (σ²) van een enkele dataset van grootte n te berekenen, kunnen we de volgende formule gebruiken:
\[ \sigma^2 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n} \]
Dimana:
– \( x_i \) is de i-de datawaarde.
– \( \bar{x} \) is het gemiddelde van de gegevens.
– n is het aantal gegevens in de set.
– (x_i – \bar{x})^2 is het kwadraat van het verschil tussen elke data en het gemiddelde ervan.
Standaardafwijking
De standaarddeviatie (σ) is de wortel van de variantie, dus de formule is:
\[ \sigma = \sqrt{\sigma^2} \]
Berekeningsstappen
Stap 1: Bereken het gemiddelde van de gegevens (de rekenkundige waarde).
De eerste stap is het berekenen van het gemiddelde van de gegevensset. Het gemiddelde wordt berekend door alle gegevenswaarden bij elkaar op te tellen en te delen door het aantal gegevenswaarden.
\[ \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} \]
Stap 2: Bereken het verschil tussen elke dataset en het gemiddelde.
Na het berekenen van het gemiddelde, is de volgende stap het berekenen van het verschil tussen elke datawaarde en het gemiddelde (de standaardafwijking).
\[ d_i = x_i – \bar{x} \]
Stap 3: Kwadrateer elke afwijking
Vervolgens kwadrateer je elke afwijking.
\[ d_i^2 = (x_i – \bar{x})^2 \]
Stap 4: Tel alle kwadratische afwijkingen bij elkaar op.
Tel alle gekwadrateerde resultaten van de vorige stap bij elkaar op.
\[ \sum d_i^2 = \sum_{i=1}^{n} (x_i – \bar{x})^2 \]
Stap 5: Bereken de variantie
Deel de som van de kwadraten van de afwijkingen door het aantal gegevens (n) om de variantie te verkrijgen.
\[ \sigma^2 = \frac{\sum d_i^2}{n} \]
Stap 6: Bereken de standaardafwijking
Bereken tot slot de standaardafwijking door de wortel van de variantie te nemen.
\[ \sigma = \sqrt{\sigma^2} \]
Contoh Perhitungan
Om het concept van het berekenen van variantie en standaarddeviatie te verduidelijken, kijken we naar het volgende voorbeeld. Stel dat we de volgende gegevensset hebben: 4, 8, 6, 5, 3.
Stap 1: Bereken het gemiddelde van de gegevens
\[ \bar{x} = \frac{4 + 8 + 6 + 5 + 3}{5} = \frac{26}{5} = 5.2 \]
Stap 2: Bereken het verschil tussen elke dataset en het gemiddelde.
Het verschil tussen elke datawaarde en het gemiddelde:
– (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
Stap 3: Kwadrateer elke afwijking
Het kwadraat van elke afwijking:
– (-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
Stap 4: Tel alle kwadratische afwijkingen bij elkaar op.
\[ \sum d_i^2 = 1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8 \]
Stap 5: Bereken de variantie
\[ \sigma^2 = \frac{14.8}{5} = 2.96 \]
Stap 6: Bereken de standaardafwijking
\[ \sigma = \sqrt{2.96} \approx 1.72 \]
In dit voorbeeld is de variantie van de gegevens dus 2.96 en de standaardafwijking ongeveer 1.72.
Interpretatie
De variantie en de standaarddeviatie geven belangrijke informatie over de spreiding van de gegevens. In het bovenstaande voorbeeld geeft een variantie van 2.96 aan dat de gemiddelde kwadratische afwijking van de gegevenswaarden ten opzichte van het gemiddelde 2.96 is. Een standaarddeviatie van 1.72 geeft aan dat de gegevenswaarden gemiddeld 1.72 eenheden van het gemiddelde afwijken.
De standaarddeviatie is gemakkelijker te interpreteren omdat deze dezelfde eenheden heeft als de oorspronkelijke gegevens. In de context van inkomensstatistieken betekent een standaarddeviatie van $500 bijvoorbeeld dat het gemiddelde inkomen $500 afwijkt van het gemiddelde inkomen.
Toepassing in het dagelijks leven
Inzicht in variantie en standaarddeviatie kan op diverse gebieden worden toegepast. In de financiële wereld kan de standaarddeviatie worden gebruikt om het investeringsrisico te meten. In het onderwijs kan het worden gebruikt om de variatie in toetsresultaten tussen leerlingen te evalueren. In de productie kan het helpen bij kwaliteitscontrole door de productievariatie te meten.
conclusie
Variantie en standaarddeviatie zijn twee cruciale statistische instrumenten om de variabiliteit in een dataset te begrijpen. Door de variantie te berekenen, kunnen we bepalen hoe gespreid de data is. De standaarddeviatie, die de wortel van de variantie is, biedt een meer intuïtieve interpretatie en wordt gemeten in dezelfde eenheden als de oorspronkelijke data. Door deze twee maten te begrijpen en te kunnen berekenen, kunnen we data beter analyseren en beter onderbouwde beslissingen nemen.
