מעסטונג פון דיספּערסיע אין סטאַטיסטיק
סטאַטיסטיק איז די שטודיע פון ווי דאַטן ווערן געזאמלט, אַנאַליזירט, אינטערפּרעטירט און פּרעזענטירט. איין וויכטיקער אַספּעקט פון סטאַטיסטיק איז די מעסטונג פון דיספּערזיע, וואָס איז אַ מאָס וואָס באַשרײַבט ווי פאַרשפּרייט אָדער ווערייִרט די דאַטן אין אַ דאַטן סכום זענען. פֿאַרשטיין די מעסטונגען קען העלפֿן אין אַ טיפֿערער אינטערפּרעטאַציע פון דאַטן, ידענטיפיצירן וועריאַביליטי, און אפילו מאַכן מער פּינקטלעכע פאָרויסזאָגן. דער אַרטיקל וועט דיסקוטירן די פֿאַרשידענע טייפּס פון דיספּערזיע מעסטונגען, זייער וויכטיקייט אין דאַטן אַנאַליז, און אָפט געניצטע קאַלקולאַציע מעטאָדן.
פֿאַרשטיין דיספּערזשאַן און איר וויכטיקייט אין סטאַטיסטיק
דיספּערזיע, אדער וועריאַביליטי, באַציט זיך צו דער מאָס אין וועלכער דאַטן זענען פאַרשפּרייט אַרום דעם צענטער פון אַ פאַרשפּרייטונג. דער צענטער פון אַ פאַרשפּרייטונג קען זיין דער דורכשניט, מעדיאַן, אדער מאָדוס פון די דאַטן. מאָסן פון דיספּערזיע זענען וויכטיק ווייל זיי צושטעלן נאָך אינפֿאָרמאַציע וואָס מאָסן פון צענטראַלע טענדענץ (ווי דער דורכשניט אדער מעדיאַן) קענען נישט.
צוויי דאַטן סעטס קענען האָבן די זעלבע דורכשניט אָבער אַנדערש זיין באַדייטנד אין טערמינען פון וואַריאַנס. למשל, אויב צוויי פאַרשידענע קלאַסן האָבן די זעלבע דורכשניטלעכע טעסט סקאָרז, אָבער איין קלאַס ס סקאָרז קייט פון 90-100 און די אנדערע ס צווישן 50-100, דעמאָלט די צווייטע קלאַס האט גרעסערע וואַריאַביליטי. אין דעם קאָנטעקסט, קענען מאָסן פון דיספּערסיאָן אונדז העלפֿן פֿאַרשטיין די דייווערסיטי צווישן דאַטן ווערטן.
טיפּן פון דיספּערסיע מעסטונגען
עס זענען דא פארשידענע טיפן פון דיספערסיע מאסן גענוצט אין סטאטיסטיק, יעדע מיט אירע אייגענע מעלות און חסרונות. עטלעכע פון די מערסטע פארשפרייטע זענען:
1. קייט
2. וואַריאַנס
3. סטאַנדאַרט דיווייישאַן
4. דורכשניטלעכע אבסאלוטע דעוויאציע (MAD)
5. אינטערקווארטיל קייט (IQR)
1. קייט
ראַנגע איז די פשוטסטע מאָס פון דיספּערסיע און ווערט קאַלקולירט דורך אַראָפּרעכענען דעם קלענסטן ווערט אין אַ דאַטן סעט פון דעם גרעסטן ווערט. מאַטעמאַטיש:
\[ \text{Range} = \text{Maximum Value} – \text{Minimum Value} \]
דער ראַנג איז גרינג צו רעכענען און גיט אַ שנעלן איבערבליק פון וועריאַביליטי. אָבער, דער ראַנג איז זייער סענסיטיוו צו אַויסנאַם-ווערטן. דעריבער, אויב עס זענען עקסטרעמע ווערטן אין די דאַטן, קען דער ראַנג צושטעלן אַן אומרעכט בילד פון דער אַלגעמיינער פאַרשפּרייטונג פון די דאַטן.
2. וואַריאַנס
וואַריאַנס מעסט די פאַרשפּרייטונג פון דאַטן דורך רעכענען די דורכשניט פון די קוואַדראַטישע דיפעראַנסיז צווישן יעדן דאַטן ווערט און די קוילעלדיק דורכשניט. די פאָרמולע פֿאַר פּאָפּולאַציע וואַריאַנס (σ²) איז:
[ \sigma^2 = \frac{\sum_{i=1}^N (x_i – \mu)^2}{N} \]
פֿאַר מוסטער (s²), איז די פֿאָרמולע אַ ביסל מאָדיפֿיצירט צו:
[ s^2 = \frac{\sum_{i=1}^n (x_i – \bar{x})^2}{n-1} \]
דא, \(x_i \) איז יעדער דאטן ווערט, \(\mu \) איז דער פאפולאציע דורכשניט, \(\bar{x} \) איז דער מוסטער דורכשניט, \(N \) איז די פאפולאציע גרייס, און \(n \) איז די מוסטער גרייס. די וואריאנץ גיט מער וואג צו עקסטרעמע ווערטן ווייל עס קוואדראירט די אונטערשיידן. דאס קען זיין נוצלעך, אבער עס מאכט אויך די וואריאנץ ווייניגער אינטואיטיוו אין איר אריגינעלער סקאלע.
3. סטאַנדאַרט דיווייישאַן
די סטאַנדאַרט דיווייישאַן איז די קוואַדראַט וואָרצל פון די וואַריאַנס און ניצט ווידער די זעלבע איינהייטן ווי די אָריגינעלע דאַטן, מאַכנדיג עס גרינגער צו פֿאַרשטיין:
\[ \sigma = \sqrt{\sigma^2} \]
די סטאַנדאַרט דיווייישאַן איז איינע פון די מערסט גענוצטע מאָסן פון דיספּערזיע ווייַל עס קאַמביינירט די קוואַדראַטישע ענדערונגען און דאַן רעדוצירט זיי צוריק צו דער אָריגינעלער וואָג, מאַכנדיג עס גרינגער פֿאַר פילע מענטשן צו ינטערפּרעטירן.
4. דורכשניטלעכע אבסאלוטע דעוויאציע (MAD)
MAD מעסט דעם אבסאלוטן דורכשניט פון די אונטערשיידן צווישן יעדן דאטן ווערט און דעם אלגעמיינעם דורכשניט. די פארמולע איז:
[MAD = \frac{\sum_{i=1}^n |x_i – \bar{x}|}{n}]
MAD גיט א קלארערע בליק אויף דיספּערזיע ווייל עס קוואדרירט נישט די דעוויאציעס, און איז דעריבער ווייניגער באאיינפלוסט דורך אויסנאמען ווי וועריאנץ אדער סטאנדארט דעוויאציע.
5. אינטערקווארטיל קייט (IQR)
IQR מעסט די דיסטאַנץ צווישן דעם ערשטן קוואַרטיל (Q1) און דעם דריטן קוואַרטיל (Q3), וואָס נעמט אַרײַן די מיטעלע 50% פֿון די דאַטן:
\[ \text{IQR} = Q3 – Q1 \]
דער IQR ווערט אָפט גענוצט מיט קעסטל פּלאָץ און איז באַזונדער נוצלעך אין אידענטיפיצירן אַויסלייערס. ווײַל עס פאָקוסירט נאָר אויף די מיטל פון די דאַטן, איז דער IQR ווייניקער אַפעקטירט דורך עקסטרעמע ווערטן און ווערט אָפט גענוצט אין עקספּלאָראַטאָריש דאַטן אַנאַליז.
אַפּליקאַציעס און פאַל ביישפילן
כּדי בעסער צו פֿאַרשטיין די נוצ פֿון דיספּערזיע מעסטונגען, לאָמיר דורכקוקן עטלעכע ביישפּילן פֿון אַפּליקאַציעס אין פֿאַרשידענע פֿעלדער.
1. ארבעטער פאָרשטעלונג מעסטונג
אין מענטשלעכע רעסורסן פאַרוואַלטונג (HRM), איז עמפּלויי פאָרשטעלונג מעסטונג איין געביט וואו דיספּערסיאָן מעסטונגען ווערן אָפט גענוצט. ניצנדיק וואַריאַנס אָדער סטאַנדאַרט דיווייישאַן, קען HR ידענטיפיצירן ווי ווייט פאַרשפּרייט פאָרשטעלונג רייטינגז זענען צווישן עמפּלוייז. אויב די וואַריאַנס איז הויך, קען זיין אומגלייכקייט אין די אַסעסמאַנט סיסטעם אָדער אומקאָנסיסטענסיעס אין פאָרשטעלונג.
2. פינאַנציעלע ריזיקע אַנאַליז
אין פינאַנץ, ווערן דיספּערזשאַן מאָסן ווי וואַריאַנס און סטאַנדאַרד דיווייישאַן גענוצט צו רעכענען דעם ריזיקע פון אַן ינוועסטמענט. פּאָרטפעלן מיט אַ הויכן סטאַנדאַרד דיווייישאַן ווערן באַטראַכט ווי ריזיקאַלישער ווייַל זייערע פּאָטענציעלע געלט שטראָמען זענען מער וואַלאַטיל. די מאָס קען העלפֿן ינוועסטאָרן מאַכן מער אינפאָרמירטע באַשלוסן.
3. מעדיצינישע וויסנשאפטלעכע פאָרשונג
אין מעדיצינישער פאָרשונג, ווערן דיספּערזיע מעסטונגען גענוצט צו פֿאַרשטיין וואַריאַציע אין פּאַציענט רעאַקציע צו אַ באַהאַנדלונג. הויכע וואַריאַציע אין פּאַציענט רעאַקציע קען אָנווייַזן די נויט פֿאַר אינדיווידואַליזירטע באַהאַנדלונג אָדער די אויספאָרשונג פון אַנדערע סיבות וואָס קענען השפּעה האָבן אויף באַהאַנדלונג רעזולטאַטן.
מעלות און חסרונות פון פארשידענע דיספּערסיאָן מעסטונגען
יעדע מעטאָדע פון מעסטן דיספּערזיע האט מעלות און חסרונות. אויסקלויבן די מערסט פּאַסיקע איז אָפּהענגיק פון דעם קאָנטעקסט פון די דאַטן און דעם ציל פון דער אַנאַליז.
– ראַנגע: דער מייַלע איז אַז עס איז גרינג צו רעכענען, אָבער זייער סענסיטיוו צו אויסנאַם-ווערטן.
– וואַריאַנס: גיט אַ קלאָרע דערקלערונג פון פאַרשפּרייטונג, אָבער די מעסטונג אין קוואַדראַטן מאַכט עס ווייניקער אינטואיטיוו.
– סטאַנדאַרד דעוויאַציע: זייער נוצלעך און אינטואיטיוו, אָבער אויך אַפעקטאַד דורך אַויסווייניקסטע ווערטן.
– MAD: ווייניקער באַאיינפלוסט דורך אויסנאַם-ווערטער און גרינגער צו פֿאַרשטיין, אָבער זעלטן געניצט אין פּראַקטיק.
– IQR: זייער עפעקטיוו אין אידענטיפיצירן דיספּערזיע אָן אַויסווייניקסטע ווערטן, אָבער דעקט נישט עקסטערנע דאַטן.
קעסימפּולאַן
דיספּערזיע מאָסן זענען אַ וויכטיקער קאָמפּאָנענט פון סטאַטיסטיק, וואָס גיט וויכטיקע איינבליקן אין די וועריאַביליטי אין אַ דאַטן סעט. דורך פֿאַרשטיין די פֿאַרשידענע מעטאָדן פון מעסטן דיספּערזיע, אַזאַ ווי קייט, וואַריאַנס, סטאַנדאַרד דיווייישאַן, MAD, און IQR, קענען מיר דורכפירן אַ מער טיף דאַטן אַנאַליסיס און מאַכן בעסער דיסיזשאַנז באַזירט אויף דעם. די ברירה פון מעטאָד דעפּענדס אויף די קעראַקטעריסטיקס פון די דאַטן און די ציל פון אונדזער אַנאַליסיס, און דורך פֿאַרשטיין די אַדוואַנידזשיז און דיסאַדוואַנטידזשיז פון יעדער, קענען מיר נוצן דיספּערזיע מאָסן מער עפעקטיוולי.
