Kako izračunati standardni odklon
Standardni odklon je ena najpogosteje uporabljenih statističnih mer za določanje, kako se podatki "razpršijo" od povprečja. V resničnem življenju nam standardni odklon pomaga razumeti stabilnost ali variacijo pojava: na primer variacije v rezultatih testov, nihanja prodaje, razlike v višini in celo tveganja v finančnih podatkih. Manjši kot je standardni odklon, bližje so podatki povprečju. Nasprotno pa velik standardni odklon pomeni, da so podatki daleč od povprečja in imajo veliko variacijo.
Ta članek bo obravnaval pomen standardnega odklona, uporabljeno formulo in korake za njegov ročni izračun s pomočjo lahko razumljivih primerov.
1. Opredelitev standardnega odklona
Standardni odklon je kvadratni koren variance. Variance sama po sebi je povprečje kvadratov razlik med posameznimi podatkovnimi točkami in povprečjem. Zakaj uporabljati kvadrat? Ker so lahko razlike med podatkovnimi točkami in povprečjem negativne ali pozitivne. Če seštejemo neposredno, se lahko negativne in pozitivne razlike medsebojno izničijo, kar povzroči zavajajoče rezultate. S kvadriranjem razlik postanejo vse vrednosti pozitivne, kar omogoča natančnejšo meritev porazdelitve podatkov.
Preprosto:
– Variance = mera razpršenosti v "kvadratnih" enotah.
– Standardni odklon = mera razpona, ki se je vrnila na prvotne enote podatkov.
Primer: če so podatki v obliki testnih rezultatov (točkovnih enot), bo varianca v točkah, standardni odklon pa bo spet v točkah, kar olajša razlago.
2. Standardni odklon populacije v primerjavi z vzorcem
Pred izračunom je pomembno vedeti, kakšne podatke imate:
1. Prebivalstvo: podatki vključujejo vse člane, ki jih je treba raziskati.
Formula za standardni odklon populacije uporablja delitelj N (število podatkov).
2. Vzorec: podatki so le del populacije, običajno se uporabljajo za predstavitev večje populacije.
Formula za standardni odklon vzorca uporablja delitelj (n − 1) za popravek pristranskosti ocenjevanja. Ta popravek se imenuje Besselov popravek.
V vsakdanji praksi (npr. raziskave, ankete, analiza razreda) se podatki pogosto obravnavajo kot vzorec, zato je delitelj (n − 1).
3. Formula standardnega odklona
A. Formula za standardni odklon populacije
Predpostavimo, da so podatki: \( x_1, x_2, \dots, x_N \)
Povprečje prebivalstva:
\[
\mu = \frac{\sum_{i=1}^{N} x_i}{N}
\]
Varianca populacije:
\[
σ² = (suma i=1 N)(x_i – μ)² N
\]
Standardni odklon populacije:
\[
σ = σ²
\]
B. Vzorec formule za standardni odklon
Vzorčna povprečna vrednost:
\[
\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}
\]
Varianca vzorca:
\[
s^2 = \frac{\sum_{i=1}^{n}(x_i – \bar{x})^2}{n – 1}
\]
Standardni odklon vzorca:
\[
s = \sqrt{s^2}
\]
4. Koraki za ročni izračun standardnega odstopanja
Za lažje razumevanje uporabljamo primer podatkov o rezultatih izpitov petih študentov:
Podatki: 60, 70, 70, 80, 90
Predpostavimo, da so ti podatki vzorec (pogosto v učnih primerih).
1. korak: Izračunajte povprečje
\[
\bar{x} = \frac{60 + 70 + 70 + 80 + 90}{5} = \frac{370}{5} = 74
\]
Torej je povprečni rezultat 74.
2. korak: Izračunajte razliko med posameznimi podatki in povprečjem
Ustvari stolpec razlik \( (x_i – \bar{x}) \):
– 60 − 74 = −14
– 70 − 74 = −4
– 70 − 74 = −4
– 80 − 74 = 6
– 90 − 74 = 16
3. korak: Kvadrirajte razliko
Izračunaj ((x_i – x)^2):
– (−14)² = 196
– (−4)² = 16
– (−4)² = 16
– 6² = 36
– 16² = 256
4. korak: Seštejte kvadrate razlik
\[
vsota (x_i – x)² = 196 + 16 + 16 + 36 + 256 = 520
\]
5. korak: Izračunajte varianco (za vzorec delite z n − 1)
Ker je n = 5, potem je n − 1 = 4:
\[
s^2 = \frac{520}{4} = 130
\]
Torej je varianca vzorca 130.
6. korak: Kvadratni koren variance za izračun standardnega odklona
\[
s = \sqrt{130} \approx 11{,}40
\]
Standardni odklon podatkov je torej približno 11,40. To pomeni, da se rezultati študentov v povprečju razlikujejo za približno 11 točk od povprečja 74.
5. Hiter način: Alternativna formula (izračun)
Poleg zgornje ročne metode obstaja računska formula, ki se pogosto uporablja za pospešitev izračunov, zlasti če je veliko podatkov:
Varianca vzorca:
\[
s^2 = ∫_{vsota x_i^2 – ∫_{(vsota x_i)^2}{n}}{n – 1}
\]
Ta formula se izogne izračunavanju razlik eno za drugo, vendar še vedno zahteva natančnost pri izračunu vsote kvadratov podatkov.
Vendar pa je za konceptualno razumevanje metoda po korakih (razlika → kvadrat → vsota) običajno lažja in varnejša pred napakami.
6. Interpretacija standardnega odklona
Standardni odklon se ne ustavi le pri številkah, ampak ga je treba interpretirati:
– Majhen standardni odklon: podatki so zbrani blizu povprečja, variacija je majhna, rezultati so bolj dosledni.
– Velik standardni odklon: podatki so daleč od povprečja, variacije so velike, rezultati so manj dosledni.
Na primer, recimo, da imata dva razreda enako povprečno oceno, 74. Če ima razred A standardni odklon 5, razred B pa standardni odklon 15, so ocene v razredu A bolj enakomerne in stabilne. Razred B ima večje razlike: nekatere so zelo nizke, nekatere pa zelo visoke.
7. Pogoste napake
Nekaj pogostih napak pri izračunu standardnega odklona:
1. Pozabil sem ločiti med vzorcem in populacijo, zato je delitelj napačen (N proti n − 1).
2. Napačen izračun povprečja, zaradi česar so vsi nadaljnji koraki napačni.
3. Pozabite kvadrirati razliko ali naredite napako pri korenjevanju na koncu.
4. Aritmetične napake pri seštevanju ali računanju kvadratov števil.
Napakam se lahko izognemo z izdelavo tabele za izračun in dvojnim preverjanjem rezultatov.
Zapiranje
Izračun standardnega odklona pravzaprav ni težaven, če pravilno sledite korakom: izračunajte povprečje, poiščite razliko med posameznimi nabori podatkov, kvadrirajte razlike, jih seštejte, delite (z n ali n − 1) in nato korenite. Z razumevanjem standardnega odklona lahko ocenite, kako skladni so vaši podatki in koliko je variacij.
Če želite, lahko ustvarim tudi dodatne primere z več podatki, primere združenih podatkov (frekvenčne tabele) ali kako izračunati standardni odklon z uporabo Excela/Google Preglednic.
