Baryansa at Pamantayang Paglihis ng Iisang Datos
Ang estadistika ay ang agham na nag-aaral sa pangongolekta, pagsusuri, interpretasyon, presentasyon, at organisasyon ng datos. Ang isang mahalagang aspeto ng estadistika ay kung paano natin sinusukat at nauunawaan ang baryabolidad sa datos. Ang dalawang mahahalagang sukat ng baryabolidad ay ang baryabol at karaniwang paglihis. Tatalakayin nang malaliman ng artikulong ito ang baryabol at karaniwang paglihis, na nakatuon sa iisang hanay ng datos, na nagpapaliwanag ng mga kahulugan, pormula, mga hakbang sa pagkalkula, at nagbibigay ng mga praktikal na halimbawa upang linawin ang mga konsepto.
Kahulugan ng Baryansa at Pamantayang Paglihis
Variant
Ang variance ay isang sukatan kung gaano kalayo ang pagkalat ng datos mula sa mean. Nagbibigay ito ng pangkalahatang-ideya ng pagkakaiba-iba o baryasyon sa isang set ng datos. Sa mga terminong matematikal, ang variance ay ang average ng mga parisukat ng mga paglihis ng bawat aytem ng datos mula sa mean nito.
Pamantayang Paglihis
Ang standard deviation, na kilala rin bilang standard deviation, ay ang square root ng variance. Nagbibigay ito ng impormasyon tungkol sa distribusyon ng datos sa parehong mga yunit gaya ng orihinal na datos, na ginagawang mas madaling bigyang-kahulugan sa mga konteksto ng totoong buhay.
Mga Pormula at Kalkulasyon
Variant
Upang kalkulahin ang variance (σ^2) ng isang set ng datos na may sukat na n, maaari nating gamitin ang sumusunod na pormula:
\[ \sigma^2 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n} \]
Saan:
– Ang \( x_i \) ay ang ika-i na halaga ng datos.
– Ang \( \bar{x} \) ay ang mean o average ng datos.
– ang n ay ang bilang ng datos sa set.
– Ang (x_i – \bar{x})^2 ay ang parisukat ng pagkakaiba sa pagitan ng bawat datos at ng mean nito.
Pamantayang Paglihis
Ang standard deviation (σ) ay ang square root ng variance, kaya ang formula ay:
\[ \sigma = \sqrt{\sigma^2} \]
Mga Hakbang sa Pagkalkula
Hakbang 1: Kalkulahin ang Average ng Datos (Mean)
Ang unang hakbang ay ang pagkalkula ng average (mean) ng set ng datos. Ang average ay kinakalkula sa pamamagitan ng pagdaragdag ng lahat ng mga halaga ng datos at paghahati sa bilang ng mga halaga ng datos.
\[ \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} \]
Hakbang 2: Kalkulahin ang Pagkakaiba ng Bawat Set ng Datos Laban sa Mean
Matapos makuha ang average, ang susunod na hakbang ay kalkulahin ang pagkakaiba sa pagitan ng bawat halaga ng datos at ng average (deviation).
\[ d_i = x_i – \bar{x} \]
Hakbang 3: I-kuwadrado ang Bawat Paglihis
Susunod, parisukatin ang bawat paglihis.
\[ d_i^2 = (x_i – \bar{x})^2 \]
Hakbang 4: Pagsamahin ang Lahat ng mga Squared Deviations
Idagdag ang lahat ng parisukat na resulta mula sa nakaraang hakbang.
\[ \kabuuang d_i^2 = \kabuuang{i=1}^{n} (x_i – \bar{x})^2 \]
Hakbang 5: Kalkulahin ang Baryansa
Hatiin ang kabuuan ng mga parisukat ng mga paglihis sa bilang ng datos (n) upang makuha ang variance.
\[ \sigma^2 = \frac{\sum d_i^2}{n} \]
Hakbang 6: Kalkulahin ang Standard Deviation
Panghuli, kalkulahin ang standard deviation sa pamamagitan ng pagkuha ng square root ng variance.
\[ \sigma = \sqrt{\sigma^2} \]
Halimbawa ng Pagkalkula
Upang linawin ang konsepto ng pagkalkula ng variance at standard deviation, tingnan natin ang sumusunod na halimbawa. Ipagpalagay na mayroon tayong sumusunod na iisang set ng datos: 4, 8, 6, 5, 3.
Hakbang 1: Kalkulahin ang Average ng Datos
\[ \bar{x} = \frac{4 + 8 + 6 + 5 + 3}{5} = \frac{26}{5} = 5.2 \]
Hakbang 2: Kalkulahin ang Pagkakaiba ng Bawat Set ng Datos Laban sa Mean
Ang pagkakaiba sa pagitan ng bawat halaga ng datos at ng mean:
– (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
Hakbang 3: I-kuwadrado ang Bawat Paglihis
Ang parisukat ng bawat paglihis:
– (-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
Hakbang 4: Pagsamahin ang Lahat ng mga Squared Deviations
\[ \kabuuang d_i^2 = 1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8 \]
Hakbang 5: Kalkulahin ang Baryansa
\[ \sigma^2 = \frac{14.8}{5} = 2.96 \]
Hakbang 6: Kalkulahin ang Standard Deviation
\[ \sigma = \sqrt{2.96} \tinatayang 1.72 \]
Kaya, sa halimbawang ito, ang variance ng data ay 2.96, at ang standard deviation ay humigit-kumulang 1.72.
Interpretasyon
Ang variance at standard deviation ay nagbibigay ng mahalagang impormasyon tungkol sa pagkalat ng datos. Sa halimbawa sa itaas, ang variance na 2.96 ay nagpapahiwatig na ang average squared deviation ng mga halaga ng datos mula sa mean ay 2.96. Ang standard deviation na 1.72 ay nagpapahiwatig na, sa karaniwan, ang mga halaga ng datos ay lumihis ng 1.72 units mula sa mean.
Mas madaling bigyang-kahulugan ang standard deviation dahil mayroon itong parehong mga yunit gaya ng orihinal na datos. Halimbawa, sa konteksto ng mga istatistika ng kita, kung ang datos ay may standard deviation na $500, nangangahulugan ito na ang average na kita ay lumihis ng $500 mula sa mean income.
Aplikasyon sa Pang-araw-araw na Buhay
Ang pag-unawa sa variance at standard deviation ay maaaring gamitin sa iba't ibang larangan. Sa pananalapi, ang standard deviation ay maaaring gamitin upang sukatin ang panganib sa pamumuhunan. Sa edukasyon, maaari itong gamitin upang suriin ang pagkakaiba-iba sa mga marka ng pagsusulit sa pagitan ng mga mag-aaral. Sa pagmamanupaktura, makakatulong ito sa pagkontrol ng kalidad sa pamamagitan ng pagsukat ng pagkakaiba-iba ng produksyon.
Konklusyon
Ang baryansa at karaniwang paglihis ay dalawang mahahalagang kagamitang pang-estadistika para sa pag-unawa sa baryansa sa isang hanay ng datos. Sa pamamagitan ng pagkalkula ng baryansa, matutukoy natin kung gaano kalawak ang datos. Ang karaniwang paglihis, na siyang square root ng baryansa, ay nag-aalok ng mas madaling maunawaang interpretasyon at sinusukat sa parehong mga yunit gaya ng orihinal na datos. Sa pamamagitan ng pag-unawa at kakayahang kalkulahin ang dalawang panukat na ito, mas mahusay nating masusuri ang datos at makakagawa ng mas matalinong mga desisyon.
