Mifano ya Maswali na Majadiliano: Tofauti na Mkengeuko Sawa wa Data Moja
Takwimu ni tawi la hisabati linalohusika na ukusanyaji, uchambuzi, tafsiri, uwasilishaji, na mpangilio wa data. Dhana mbili muhimu katika takwimu ni tofauti na kupotoka sanifu. Makala haya yatajadili kwa undani jinsi ya kuhesabu tofauti na kupotoka sanifu kwa seti moja ya data kupitia mifano kadhaa ya matatizo.
Kuelewa Tofauti na Mkengeuko wa Kawaida
Tofauti ni kipimo kinachopima umbali ambao nambari katika seti ya data zimesambazwa kutoka wastani au wastani. Tofauti huonyeshwa katika vitengo vya mraba vya data asili, na kufanya iwe vigumu kutafsiri mara nyingi.
Mkengeuko wa kawaida ni mzizi wa mraba wa tofauti. Hutoa kipimo rahisi zaidi cha jinsi data kwa ujumla inavyotofautiana na wastani kwa sababu vitengo vyake ni sawa na vitengo vya asili vya data.
Fomula ya Jumla
Kwa data moja, fomula ya tofauti \( \sigma^2 \) na mkengeuko wa kawaida \( \sigma \) wa idadi ya watu ni kama ifuatavyo:
1. Tofauti (σ²):
\( \sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \)
2. Mkengeuko Sawa (σ):
\( \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2} \)
Wapi:
– \(N \) ni idadi ya data katika idadi ya watu.
– \( x_i \) ni thamani ya data ya ith.
– \( \mu \) ni wastani au wastani wa data.
Tukihesabu tofauti na kupotoka kwa kawaida kwa sampuli, basi fomula iliyo hapo juu inabadilishwa kidogo:
1. Tofauti ya Sampuli (s²):
\( s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \)
2. Mfano wa Mkengeuko wa Kiwango:
\( s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2} \)
Wapi:
– \( n \) ni idadi ya data katika sampuli.
– \( \bar{x} \) ni wastani au wastani wa sampuli.
Maswali na Majadiliano ya Mfano
Mfano Swali la 1:
Kwa kuzingatia data ifuatayo:
8, 10, 10, 10, 12, 14
Hesabu tofauti na kupotoka kwa kawaida kwa data!
Hatua za Suluhisho:
1. Kuhesabu Wastani (Wastani) \( \mu \):
\[
\mu = \frac{8 + 10 + 10 + 10 + 12 + 14}{6} = \frac{64}{6} = 10.67
\]
2. Hesabu Tofauti Kati ya Data na Wastani, Kisha Mraba:
\[
(8 – 10.67)^2 = 7.1289
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(12 – 10.67)^2 = 1.7689
\]
\[
(14 – 10.67)^2 = 11.1089
\]
3. Kuongeza Matokeo Yote ya Mraba:
\[
\jumla (x_i – \mu)^2 = 7.1289 + 0.4489 + 0.4489 + 0.4489 + 1.7689 + 11.1089 = 21.3534
\]
4. Kuhesabu Tofauti (σ²) ya Data ya Idadi ya Watu:
\[
\sigma^2 = \frac{21.3534}{6} = 3.559
\]
Kumbuka: Kwa kuwa data hii imetajwa kama data ya idadi ya watu, tunagawanya kwa 6.
5. Kuhesabu Mkengeuko Sawa (σ):
\[
\sigma = \sqrt{3.559} \takriban 1.886
\]
Kwa hivyo, tofauti ya data ni 3.559 na mkengeuko wa kawaida ni 1.886.
Mfano Swali la 2:
Kwa kuzingatia data ya sampuli ifuatayo:
5, 6, 8, 9, 10, 11
Hesabu tofauti na mkengeuko wa kawaida wa sampuli!
Hatua za Suluhisho:
1. Kuhesabu Wastani (Wastani) \( \bar{x} \) :
\[
\bar{x} = \frac{5 + 6 + 8 + 9 + 10 + 11}{6} = \frac{49}{6} = 8.167
\]
2. Hesabu Tofauti Kati ya Data na Wastani, Kisha Mraba:
\[
(5 – 8.167)^2 = 10.035
\]
\[
(6 – 8.167)^2 = 4.694
\]
\[
(8 – 8.167)^2 = 0.028
\]
\[
(9 – 8.167)^2 = 0.694
\]
\[
(10 – 8.167)^2 = 3.361
\]
\[
(11 – 8.167)^2 = 7.945
\]
3. Kuongeza Matokeo Yote ya Mraba:
\[
\jum (x_i – \bar{x})^2 = 10.035 + 4.694 + 0.028 + 0.694 + 3.361 + 7.945 = 26.757
\]
4. Kuhesabu Tofauti ya Sampuli (s²):
\[
s^2 = \frac{26.757}{5} = 5.351
\]
Kumbuka: Kwa kuwa hii ni data ya sampuli, tunagawanya kwa 5 (n-1).
5. Kuhesabu Mkengeuko Sawa:
\[
s = \sqrt{5.351} \takriban 2.313
\]
Kwa hivyo, tofauti ya data ya sampuli ni 5.351 na mkengeuko wa kawaida ni 2.313.
Hitimisho
Kuhesabu tofauti na kupotoka sanifu ni muhimu kwa kuelewa jinsi data inavyosambazwa ndani ya seti fulani. Ingawa tofauti hutoa kipimo cha kinadharia cha kutawanyika katika miraba ya vitengo vya asili, kupotoka sanifu hutafsiri kipimo cha kutawanyika kwa mujibu wa vitengo vya asili vya data, na kuifanya iwe rahisi kuelewa. Katika uchanganuzi wa data, vipimo hivi viwili mara nyingi hutumika kutathmini utofauti wa data na kufanya maamuzi ya takwimu.
Kwa kuelewa hatua na fomula zinazohitajika, tunaweza kuhesabu kwa urahisi tofauti na mkengeuko wa kawaida kwa hali mbalimbali tunazokutana nazo katika ukusanyaji na uchambuzi wa data wa kila siku. Tunatumaini, makala haya yatatoa uelewa wa kina wa dhana za tofauti na mkengeuko wa kawaida katika seti moja za data.
