組資料的變異數和標準差
統計學是數學的一個分支，用於收集、整理、分析、解釋和呈現數據。統計學的一個重要概念是衡量變異性，也就是資料的離散程度。變異數和標準差是衡量變異性的兩個主要指標。本文將深入探討變異數和標準差，尤其是在群體資料的背景下。
變異性的定義和重要性
變異性衡量的是資料偏離平均值的程度。測量變異性非常重要，因為它能提供僅憑集中趨勢指標（例如平均值）無法取得的額外資訊。透過了解變異性，我們可以理解數據的一致性，並識別潛在的異常值或離群值。
理解方差和標準差
變異數是衡量資料分佈的指標，它以平方單位表示每個資料點與其平均值之間的距離。總體變異數以符號 \( \sigma^2 \) 表示，樣本變異數以符號 \( s^2 \) 表示。總體資料的變異數公式為：
\[ \sigma^2 = \frac{\sum (X_i – \mu)^2}{N} \]
至於範例，公式為：
\[ s^2 = \frac{\sum (X_i – \bar{X})^2}{n-1} \]
在哪裡：
– \( X_i \) 是個體資料值
– \( \mu \) 是總體平均數
– \( \bar{X} \) 是樣本平均值
– \( N \) 是人口數
– \( n \) 是樣本量
標準差是變異數的平方根。對於總體，標準差以符號 \( \sigma \) 表示；對於樣本，標準差以符號 \( s \) 表示。標準差將資料單位還原為原始單位，因此比方差更容易解釋。
\[ \sigma = \sqrt{\sigma^2} \]
\[ s = \sqrt{s^2} \]
組數據
分組資料是指已按類別或區間劃分的資料。例如，學生的身高被劃分為 150-155 公分、155-160 公分等區間。分析分組資料的變異數和標準差與分析個別資料的方法略有不同。
計算組別資料的變異數和標準差的步驟
以下是計算群體資料變異數和標準差的步驟：
1. 建立頻率分佈表
資料被劃分為若干類別或區間。
– 記錄每個時間間隔的頻率（每個時間間隔內的資料數量）。
2. 確定班級的中點
– 每個區間的中點計算公式為：\( \text{中點} = \frac{\text{下限} + \text{上限}}{2} \)
3. 計算暫時平均數 (\( \bar{X} \))
– 平均值使用以下公式計算：\( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– 其中 \( f_i \) 是頻率，\( x_i \) 是區間的中點。
4. 計算與平均值的偏差及其平方
– 對於每個區間，與平均值的偏差計算如下：\( d_i = x_i – \bar{X} \)
– 然後計算平方：\( d_i^2 \)
5. 計算變異數和標準差
– 變異數的計算公式為：\( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– 標準差是變異數的平方根：\( s = \sqrt{s^2} \)
計算範例
假設我們有如下分組的學生身高資料：
| 間隔（公分） | 頻率（f） |
|—————|—————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. 頻率分佈表：
| 間隔 (公分) | 頻率 (f) | 中點 (x) | \( f \cdot x \) | \( d = x – \bar{X} \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|——————|——————|——————–|——————–|————-|
| 150 – 154 | 5 | 152 | 760 | | | |
| 155 – 159 | 10 | 157 | 1570 | | | |
| 160 – 164 | 15 | 162 | 2430 | | | |
| 165 – 169 | 8 | 167 | 1336 | | | |
| 170 – 174 | 2 | 172 | 344 | | | |
| 總計 | 40 | | 6440 | | | |
2. 計算平均值（\( \bar{X} \)）：
\[ \bar{X} = \frac{6440}{40} = 161 \]
3. 計算與平均值的偏差及其平方：
| 間隔 (公分) | 頻率 (f) | 中點 (x) | \( f \cdot x \) | \( d = x – 161 \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|——————|——————|——————–|——————-|——————-|
| 150 – 154 | 5 | 152 | 760 | -9 | 81 | 405 |
| 155 – 159 | 10 | 157 | 1570 | -4 | 16 | 160 |
| 160 – 164 | 15 | 162 | 2430 | 1 | 1 | 15 |
| 165 – 169 | 8 | 167 | 1336 | 6 | 36 | 288 |
| 170 – 174 | 2 | 172 | 344 | 11 | 121 | 242 |
| 總計 | 40 | | 6440 | | | 1110 |
4. 計算方差：
\[ s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \approx 28.46 \]
5. 計算標準差：
\[ s = \sqrt{28.46} \approx 5.33 \]
結論
變異數和標準差是統計學中描述資料圍繞平均值分佈的重要指標。雖然這些概念可以應用於個體數據，但對於分組數據，計算過程略有不同。從上面的例子中，我們可以看到計算分組資料變異數和標準差的詳細步驟。這些資訊在從學術研究到商業和生產分析等各種應用中都非常有用。
透過對變異數和標準差的深入理解，我們可以更準確地解讀數據並據此做出決策。這使我們能夠獲得既準確又相關的結果。
