0 просмотров

Дисперсия и стандартное отклонение

Понимание разницы между этими переменными в статистике

  • Делиться
  • флипборд
  • Эл. адрес
  • доктор философии по математике, Университет Пердью
  • Магистр математики, Университет Пердью
  • Бакалавр математики, физики и химии, Университет Андерсона

Кортни К. Тейлор, доктор философии, профессор математики в Университете Андерсона и автор книги «Введение в абстрактную алгебру».

Когда мы измеряем изменчивость набора данных, есть две тесно связанные статистические данные, связанные с этим: дисперсия и стандартное отклонение, которые показывают, насколько разбросаны значения данных, и включают аналогичные шаги в их расчете. Однако основное различие между этими двумя статистическими анализами заключается в том, что стандартное отклонение представляет собой квадратный корень из дисперсии.

Чтобы понять различия между этими двумя наблюдениями статистического разброса, нужно сначала понять, что каждый из них представляет: дисперсия представляет все точки данных в наборе и рассчитывается путем усреднения квадрата отклонения каждого среднего значения, в то время как стандартное отклонение является мерой разброса. вокруг среднего значения, когда центральная тенденция рассчитывается через среднее значение.

В результате дисперсия может быть выражена как среднее квадратичное отклонение значений от среднего или [квадратичное отклонение среднего], деленное на количество наблюдений, а стандартное отклонение может быть выражено как квадратный корень из дисперсии.

Конструкция дисперсии

Чтобы полностью понять разницу между этими статистическими данными, нам нужно понять расчет дисперсии. Шаги для расчета выборочной дисперсии следующие:

  1. Вычислите выборочное среднее данных.
  2. Найдите разницу между средним значением и каждым из значений данных.
  3. Сократите эти различия.
  4. Сложите квадраты разностей вместе.
  5. Разделите эту сумму на единицу меньше, чем общее количество значений данных.

Причины для каждого из этих шагов следующие:

  1. Среднее представляет собой центральную точку или среднее значение данных.
  2. Отличия от среднего помогают определить отклонения от этого среднего. Значения данных, далекие от среднего, будут давать большее отклонение, чем те, которые близки к среднему.
  3. Разности возводятся в квадрат, потому что, если разности сложить без возведения в квадрат, эта сумма будет равна нулю.
  4. Добавление этих квадратов отклонений обеспечивает измерение общего отклонения.
  5. Деление на единицу меньше размера выборки дает своего рода среднее отклонение. Это сводит на нет эффект множества точек данных, каждая из которых способствует измерению разброса.

Как указывалось ранее, стандартное отклонение просто рассчитывается путем нахождения квадратного корня из этого результата, который обеспечивает абсолютный стандарт отклонения независимо от общего количества значений данных.

Дисперсия и стандартное отклонение

Когда мы рассматриваем дисперсию, мы понимаем, что у ее использования есть один существенный недостаток. Когда мы следуем шагам расчета дисперсии, это показывает, что дисперсия измеряется в квадратных единицах, потому что мы суммировали квадраты различий в нашем расчете. Например, если данные нашей выборки измеряются в метрах, то единицы измерения дисперсии будут указаны в квадратных метрах.

Чтобы стандартизировать нашу меру разброса, нам нужно извлечь квадратный корень из дисперсии. Это устранит проблему возведения в квадрат единиц и даст нам меру разброса, которая будет иметь те же единицы, что и наша исходная выборка.

В математической статистике есть много формул, которые имеют более красивую форму, если мы формулируем их в терминах дисперсии, а не стандартного отклонения.

голоса
Рейтинг статьи
Статья в тему:  Разговорный тест TOEIC
Ссылка на основную публикацию
0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x
Adblock
detector