Стандартное отклонение: что это такое, как его рассчитать, примеры

О среднеквадратичное отклонение является мерой дисперсии, как и дисперсия и коэффициент вариации. При определении стандартного отклонения мы можем установить диапазон вокруг среднего арифметического (деление между суммой чисел в списке и количеством добавленных чисел), где сосредоточена большая часть данных. Чем больше значение стандартного отклонения, тем больше изменчивость данных, то есть больше отклонение от среднего арифметического.

Читайте также: Мода, среднее и медиана — основные меры центральных тенденций.

Темы этой статьи

  • 1 - Сводка стандартного отклонения
  • 2 - Что такое стандартное отклонение?
  • 3 - Как рассчитать стандартное отклонение?
  • 4 - Какие бывают типы стандартного отклонения?
  • 5 - В чем разница между стандартным отклонением и дисперсией?
  • 6 - Решенные упражнения на стандартное отклонение

Сводка стандартного отклонения

  • Стандартное отклонение является мерой изменчивости.
  • Стандартное отклонение обозначается строчной греческой буквой сигма (σ) или буквой s.
  • Стандартное отклонение используется для проверки изменчивости данных относительно среднего значения.
  • Стандартное отклонение определяет диапазон \(\влево[\мю-\сигма,\мю+\сигма\вправо]\), где находится большая часть данных.
  • Чтобы вычислить стандартное отклонение, мы должны найти квадратный корень из дисперсии:

\(\sigma=\sqrt{\frac{\sum_{i=1}^{N}\left (x_i-\mu\right)^2}{N}}\)

Что такое стандартное отклонение?

Стандартное отклонение представляет собой мера дисперсии, принятая в статистике. Его использование связано с дисперсионная интерпретация, что также является мерой дисперсии.

На практике стандартное отклонение определяет интервал с центром в среднем арифметическом, в котором сосредоточена большая часть данных. Таким образом, чем больше значение стандартного отклонения, тем больше неравномерность данных (подробнее неоднородны), и чем меньше значение стандартного отклонения, тем меньше неравномерность данных (подробнее однородный).

Не останавливайся сейчас... После рекламы будет больше ;)

Как рассчитать стандартное отклонение?

Чтобы рассчитать стандартное отклонение набора данных, мы должны найти квадратный корень из дисперсии. Итак, формула для расчета стандартного отклонения:

\(\sigma=\sqrt{\frac{\sum_{i=1}^{N}\left (x_i-\mu\right)^2}{N}}\)

  • \(x_1,x_2,x_3,\ldots, x_N\) → задействованные данные.
  • μ → среднее арифметическое данных.
  • N → количество данных.
  • \( \sum_{i=1}^{N}\left (x_i-\mu\right)^2\ =\ \left (x_1-\mu\right)^2+\left (x_2-\mu\right) )^2+\влево (x_3-\mu\вправо)^2+...+\влево (x_N-\mu\вправо)^2 \)

Последний элемент, относящийся к числителю подкоренного числа, указывает сумму квадратов разницы между каждой точкой данных и средним арифметическим. обратите внимание, что единица измерения стандартного отклонения та же единица измерения, что и данные Икс1,Икс2,Икс3,…,ИксНет.

Хотя запись этой формулы немного сложна, ее применение более простое и прямое. Ниже приведен пример использования этого выражения для расчета стандартного отклонения.

  • Пример:

В течение двух недель в городе фиксировались следующие температуры:

Неделя/день

Воскресенье

Второй

Третий

Четвертый

Пятый

Пятница

Суббота

1 неделя

29°С

30°С

31°С

31,5°С

28°С

28,5°С

29°С

неделя 2

28,5°С

27°С

28°С

29°С

30°С

28°С

29°С

В какие из двух недель температура в этом городе оставалась более стабильной?

Разрешение:

Чтобы проанализировать регулярность температуры, мы должны сравнить стандартные отклонения температур, зарегистрированных в 1 и 2 недели.

  • Давайте сначала посмотрим на стандартное отклонение для недели 1:

Обратите внимание, что средний μ1 Это Нет1 они есть

\(\mu_1=\frac{29+30+31+31,5+28+28,5+29}{7}\приблизительно29,57\)

\(N_1=7 \) (7 дней в неделю)

Кроме того, нам нужно вычислить квадрат разницы между каждой температурой и средней температурой.

\(\влево (29-29,57\вправо)^2=0,3249\)

\(\влево (30-29,57\вправо)^2=0,1849\)

\(\влево (31-29,57\вправо)^2=2,0449\)

\(\влево (31,5-29,57\вправо)^2=3,7249\)

\(\влево (28-29,57\вправо)^2=2,4649\)

\(\влево (28,5-29,57\вправо)^2=1,1449\)

\(\влево (29-29,57\вправо)^2=0,3249\)

Суммируя результаты, мы получаем, что числитель подкоренного числа в формуле стандартного отклонения равен

\(0,3249\ +\ 0,1849\ +2,0449+3,7249+2,4649+1,1449+0,3249\ =\ 10,2143\)

Таким образом, стандартное отклонение за неделю 1 равно

\(\sigma_1=\sqrt{\frac{\sum_{i=1}^{7}\left (x_i-\mu_1\right)^2}{N_1}}=\sqrt{\frac{10,2143} {7}}\ \примерно 1,208\ °С\)

Примечание. Этот результат означает, что большая часть температур первой недели находится в интервале [28,36 °C, 30,77 °C], то есть в интервале \(\влево[\mu_1-\sigma_1,\mu_1+\sigma_1\вправо]\).

  • Теперь давайте посмотрим на стандартное отклонение недели 2:

Следуя тем же рассуждениям, имеем

\(\mu_2=\frac{28,5+27+28+29+30+28+29}{7}=28,5\)

\(N_2=7\)

\(\влево (28,5-28,5\вправо)^2=0\)

\(\влево (27-28,5\вправо)^2=2,25\)

\(\влево (28-28,5\вправо)^2=0,25\)

\(\влево (29-28,5\вправо)^2=0,25\)

\(\влево (30-28,5\вправо)^2=2,25\)

\(\влево (28-28,5\вправо)^2=0,25\)

\(\влево (29-28,5\вправо)^2=0,25\)

\(0\ +\ 2,25\ +\ 0,25\ +\ 0,25+2,25+0,25+0,25\ =\ 5,5\)

Таким образом, стандартное отклонение недели 2 составляет

\(\sigma_2=\sqrt{\frac{\sum_{i=1}^{7}\left (x_i-\mu_1\right)^2}{N_2}}=\sqrt{\frac{5,5} {7}}\ \приблизительно 0,89\ °С\)

Этот результат означает, что большинство температур второй недели находится в диапазоне \(\влево[\mu_2-\sigma_2,\mu_2+\sigma_2\вправо]\), то есть диапазон \(\влево[\mu_2-\sigma_2,\mu_2+\sigma_2\вправо]\).

пойми это \(\сигма_2, то есть стандартное отклонение для второй недели меньше стандартного отклонения для первой недели. Таким образом, на 2-й неделе температуры были более регулярными, чем на 1-й неделе.

Какие бывают виды стандартного отклонения?

Типы стандартного отклонения связаны с типом организации данных.. В предыдущем примере мы работали со стандартным отклонением разгруппированных данных. Чтобы вычислить стандартное отклонение набора иначе организованных данных (например, сгруппированных данных), вам нужно будет скорректировать формулу.

В чем разница между стандартным отклонением и дисперсией?

стандартное отклонение это квадратный корень дисперсии:

\(\sigma=\sqrt{\frac{\sum_{i=1}^{N}\left (x_i-\mu\right)^2}{N}}\)

\(V=\frac{\sum_{i=1}^{N}\left (x_i-\mu\right)^2}{N}\)

При использовании дисперсии для определения изменчивости набора данных результат имеет квадрат единицы данных, что затрудняет его анализ. Таким образом, стандартное отклонение, которое имеет ту же единицу измерения, что и данные, является возможным инструментом для интерпретации результата дисперсии.

Узнать больше:Абсолютная частота — сколько раз один и тот же ответ появлялся во время сбора данных.

Решенные упражнения на стандартное отклонение

Вопрос 1

(FGV) В классе из 10 учеников оценки учеников при оценивании были следующими:

6

7

7

8

8

8

8

9

9

10

Стандартное отклонение этого списка составляет приблизительно

А) 0,8.

Б) 0,9.

В) 1.1.

Г) 1.3.

Е) 1,5.

Разрешение:

Альтернатива С.

Согласно заявлению, Н = 10. Среднее значение этого списка

\( \mu=\frac{6+7+7+8+8+8+8+9+9+10}{10}=8 \)

Более того,

\(\влево (6-8\вправо)^2=4\)

\(\влево (7-8\вправо)^2=1\)

\(\влево (8-8\вправо)^2=0\)

\(\влево (9-8\вправо)^2=1\)

\(\влево (10-8\вправо)^2=4\)

\(4+1+1+0+0+0+0+1+1+4=12\)

Таким образом, стандартное отклонение этого списка равно

\(\sigma=\sqrt{\frac{\sum_{i=1}^{10}\left (x_i-8\right)^2}{10}}=\sqrt{\frac{12}{10} }\приблизительно1.1\)

вопрос 2

Рассмотрите приведенные ниже утверждения и оцените каждое из них как T (верно) или F (неверно).

я. Квадратный корень из дисперсии является стандартным отклонением.

II. Стандартное отклонение не имеет отношения к среднему арифметическому.

III. Дисперсия и стандартное отклонение являются примерами мер дисперсии.

Правильный порядок сверху вниз:

А) В-В-Ф

Б) Ф-Ф-В

В) Ф-В-Ф

Г) Ф-Ф-Ф

Д) В-Ф-В

Разрешение:

альтернатива Е.

я. Квадратный корень из дисперсии является стандартным отклонением. (истинный)

II. Стандартное отклонение не имеет отношения к среднему арифметическому. (ЛОЖЬ)
Стандартное отклонение указывает интервал вокруг среднего арифметического, в который попадает большая часть данных.

III. Дисперсия и стандартное отклонение являются примерами мер дисперсии. (истинный)

Мария Луиза Алвес Риццо
Учитель математики

См. здесь основные понятия и принципы статистики. Посмотрите также, как разделяется изучение статистики, и проследите за некоторыми ее приложениями.

Нажмите и изучите меры дисперсии, известные как амплитуда и девиация, и посмотрите примеры применения этих способов анализа информации.

Ознакомьтесь с определением и о том, как применять дисперсию и стандартное отклонение, две важные меры дисперсии.

Нажмите и узнайте, как вычислить среднее арифметическое, меру центральности, результат которой представляет собой список информации.

Квадратный корень — это математическая операция, используемая на всех школьных уровнях. Изучите номенклатуры и определения, а также их геометрическую интерпретацию.

Вы знаете, что такое дисперсия? Узнайте, как рассчитать и как использовать эту интересную меру дисперсии!

Правозащитник получил Нобелевскую премию мира 2023 года

Иранец Наргес Мохаммади — лауреат Нобелевской премии мира 2023 года как правозащитник. Об этом со...

read more
Красная Армия: что это было, происхождение, функции

Красная Армия: что это было, происхождение, функции

Красная армия Так стала широко известна Советская армия, самая крупная армия, когда-либо существо...

read more

Конфликты в Израиле: объявление войны и рост напряженности

Группа террорист ХАМАС совершали нападения на территория Израиля в эту субботу, 7 октября. Атаки ...

read more