Techniki określania średniego odchylenia w danych statystycznych
W statystyce samo zrozumienie „środka” danych – na przykład poprzez średnią lub medianę – często jest niewystarczające. Dwa zbiory danych mogą mieć tę samą średnią, ale znacząco różnić się poziomami „zmienności”. Dlatego ważne są miary dyspersji. Jedną z miar dyspersji, stosunkowo łatwą do zrozumienia i zastosowania, jest odchylenie średniej. W tym artykule omówiono techniki wyznaczania odchylenia średniej w różnych formach danych statystycznych, wraz z krokami obliczeniowymi i przykładami.
Zrozumienie odchylenia średniego
Odchylenie średnie to miara określająca średnią odległość każdego punktu danych od miary tendencji centralnej, zazwyczaj średniej arytmetycznej (średniej) lub mediany. Odległość ta jest wartością bezwzględną różnicy między danymi a wartością centralną, tak aby żadna ujemna różnica nie „znosiła” różnicy dodatniej.
Ogólnie rzecz biorąc, odchylenie średnie opisuje, jak bardzo dane są rozproszone od swojej wartości centralnej. Im mniejsze odchylenie średnie, tym ciaśniej dane skupiają się wokół środka; im większa wartość, tym bardziej zmienne są dane.
Dlaczego warto stosować wartość bezwzględną?
Jeśli obliczymy średnią z różnic między danymi a średnią bez wartości bezwzględnej, suma różnic zawsze będzie równa zero (ponieważ średnia jest punktem równowagi). Na przykład, jeśli różnice wynoszą +5 i -5, sumują się one do 0. Dlatego stosuje się wartości bezwzględne, aby odchylenia rzetelnie odzwierciedlały odległość danych od środka.
Wzór na odchylenie średnie dla pojedynczych danych
W przypadku pojedynczych danych (niezgrupowanych) średnie odchylenie od średniej oblicza się następująco:
\[
SR = \frac{\sum |x_i – \bar{x}|}{n}
\]
Informacja:
– \( SR \): odchylenie średnie
– \( x_i \): i-te dane
– \( \bar{x} \): średnia arytmetyczna (mean)
– \( n \): ilość danych
Technika obliczania pojedynczych danych (kroki)
1. Oblicz średnią \( \bar{x} \) wszystkich danych.
2. Oblicz różnicę między każdą wartością danych a średnią: \( x_i – \bar{x} \).
3. Oblicz wartość bezwzględną każdej różnicy: \( |x_i – \bar{x}| \).
4. Zsumuj wszystkie wartości bezwzględne różnic.
5. Podziel przez liczbę danych \( n \).
Przykład pojedynczych danych
Dane wartości: 6, 8, 10, 12, 14
1) Średnia:
\[
\bar{x}=\frac{6+8+10+12+14}{5}=\frac{50}{5}=10
\]
2) Wartość bezwzględna różnicy:
– |6 − 10| = 4
– |8 − 10| = 2
– |10 − 10| = 0
– |12 − 10| = 2
– |14 − 10| = 4
Razem = 4 + 2 + 0 + 2 + 4 = 12
3) Odchylenie średnie:
\[
SR=\frac{12}{5}=2{,}4
\]
Oznacza to, że średnio każda wartość odbiega od średniej o 2,4 jednostki (10).
Odchylenie średnie dla częstych (dyskretnych) danych
Jeżeli dane przedstawimy w formie wartości i częstotliwości (np. w formie tabeli), wzór będzie następujący:
\[
SR = \frac{\sum f_i |x_i – \bar{x}|}{\sum f_i}
\]
Informacja:
– \( f_i \): częstotliwość danych \( x_i \)
Techniki obliczania danych częstotliwościowych
1. Oblicz średnią: \(\bar{x}=\frac{\sum f_i x_i}{\sum f_i}\)
2. Oblicz \( |x_i-\bar{x}| \)
3. Pomnóż przez częstotliwość: \( f_i |x_i-\bar{x}| \)
4. Zsumuj wszystkie wyniki z kroku 3
5. Podziel przez całkowitą częstotliwość
Przykłady danych dyskretnych
| Wartość (x) | Częstotliwość (f) |
|—|—|
| 5 | 2 |
| 7 | 3 |
| 9 | 1 |
Częstotliwość całkowita: \(2+3+1=6\)
Oznaczać:
\[
\bar{x}=\frac{(5)(2)+(7)(3)+(9)(1)}{6}=\frac{10+21+9}{6}=\frac{40}{6}=6{,}67
\]
Oblicz odchylenie:
– Dla x=5: |5−6,67|=1,67 → razy f=2 → 3,34
– Dla x=7: |7−6,67|=0,33 → razy f=3 → 0,99
– Dla x=9: |9−6,67|=2,33 → razy f=1 → 2,33
Razem: 3,34 + 0,99 + 2,33 = 6,66
Odchylenie średnie:
\[
SR=\frac{6{,}66}{6}=1{,}11
\]
Odchylenie średnie dla danych grupowanych (przedział klasowy)
W danych zgrupowanych (na przykład w rozkładach częstotliwości interwałowych) wartości danych nie są wyświetlane pojedynczo, lecz w klasach. W tym celu do reprezentacji danych w obrębie klasy stosuje się punkt środkowy klasy (xi).
Wzór:
\[
SR=\frac{\sum f_i |x_i-\bar{x}|}{\sum f_i}
\]
Jednakże \(x_i\) jest punktem środkowym klasy.
Techniki obliczania danych grupowych
1. Określ punkt środkowy każdej klasy:
\[
x_i=\frac{\text{dolna granica + górna granica}}{2}
\]
2. Oblicz średnią grupową:
\[
\bar{x}=\frac{\sum f_i x_i}{\sum f_i}
\]
3. Oblicz \( |x_i-\bar{x}| \)
4. Pomnóż przez częstotliwość \( f_i \)
5. Zsumuj wszystkie wyniki, a następnie podziel przez całkowitą częstotliwość.
Przykład danych grupowych
| Klasa | f |
|—|—|
| 10–14 | 3 |
| 15–19 | 5 |
| 20–24 | 2 |
Punkt środkowy:
– 10–14 → 12
– 15–19 → 17
– 20–24 → 22
Razem f = 10
Oznaczać:
\[
\bar{x}=\frac{(12)(3)+(17)(5)+(22)(2)}{10}=\frac{36+85+44}{10}=\frac{165}{10}=16{,}5
\]
Odchylenie:
– |12−16,5|=4,5 → ×3 = 13,5
– |17−16,5|=0,5 → ×5 = 2,5
– |22−16,5|=5,5 → ×2 = 11
Razem = 13,5 + 2,5 + 11 = 27
Odchylenie średnie:
\[
SR=\frac{27}{10}=2{,}7
\]
Odchylenie średnie od mediany
Oprócz średniej, odchylenie średnie można również obliczyć na podstawie mediany. Zasada jest taka sama, różni się tylko wartość środkowa. Jest to przydatne, gdy dane zawierają wartości odstające, ponieważ mediana jest bardziej odporna na wartości skrajne.
W przypadku pojedynczych danych:
\[
SR_{Me}=\frac{\sum |x_i-Me|}{n}
\]
Dane dotyczące częstotliwości:
\[
SR_{Me}=\frac{\sum f_i|x_i-Me|}{\sum f_i}
\]
Zalety i ograniczenia odchylenia średniego
Zalety:
1. Łatwy do zrozumienia, ponieważ wykorzystuje „średnią odległość” od centrum danych.
2. Wykorzystuj wszystkie dane (a nie tylko wybrane).
3. Można je obliczyć dla różnych form prezentacji danych.
Keterbatasan:
1. Mniej popularne niż odchylenie standardowe w zaawansowanej analizie statystycznej.
2. Stosowanie wartości bezwzględnych utrudnia wykonywanie niektórych operacji algebraicznych.
3. Nie jest tak silne jak odchylenie standardowe w wielu metodach wnioskowania.
Zamknięcie
Technika określania odchylenia średniego w danych statystycznych zasadniczo opiera się na spójnym schemacie: należy określić wartość centralną (średnią lub medianę), obliczyć bezwzględną odległość każdego punktu danych (lub punktu środkowego klasy) od środka, a następnie uśrednić je – biorąc pod uwagę częstość występowania, jeśli dane są przedstawione w tabeli. Odchylenie średnie jest wygodną miarą rozproszenia, umożliwiającą intuicyjne opisanie zmienności danych. Zrozumienie tych kroków pozwala porównywać zmienność w zbiorach danych i pełniejszą ocenę stabilności zbioru danych.
Jeśli chcesz, mogę pomóc Ci przygotować wersję tego artykułu w formacie zadania szkolnego (ze wstępem, dyskusją i zakończeniem) lub dodać pytania praktyczne wraz z dyskusją.
