How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

الانحراف المعياري الهندسي: دليل شامل

متى تستخدم الانحراف المعياري الهندسي

الانحراف المعياري الهندسي (GSD) هو مقياس الانتشار المناسب للبيانات ذات الطبيعة الضربية بدلاً من الجمعية — مثل معدلات النمو والنسب والتركيزات أو أي قياسات ذات توزيع لوغاريتمي طبيعي.

تأمل عوائد الأسهم: ربح 10% يتبعه خسارة 10% لا يعيدك إلى نقطة التعادل (ستكون لديك 99% من الأصل). هذه العلاقات الضربية تتطلب إحصاءات هندسية بدلاً من الحسابية.

رؤية أساسية

إذا كانت بياناتك تمتد عبر عدة مراتب من العظم، وهي دائمًا موجبة، وتبدو ملتوية نحو اليمين عند رسمها بشكل عادي لكنها متماثلة عند رسمها على مقياس لوغاريتمي — فأنت تتعامل مع بيانات لوغاريتمية طبيعية تحتاج إحصاءات هندسية.

فهم البيانات اللوغاريتمية الطبيعية

البيانات تكون ذات توزيع لوغاريتمي طبيعي عندما يتبع لوغاريتمها الطبيعي التوزيع الطبيعي. الأمثلة الشائعة تشمل:

أسعار الأسهم وعوائد الاستثمار عبر الزمن
توزيعات الدخل والثروة
أحجام الجسيمات في الهباء الجوي والأدوية
أعداد المستعمرات البكتيرية والحمل الفيروسي
تركيزات الملوثات البيئية
عيارات الأجسام المضادة وتركيزات الأدوية

السمة الرئيسية: العمليات التي تتضمن ضربًا متكررًا تولّد توزيعات لوغاريتمية طبيعية، تمامًا كما يولّد الجمع المتكرر توزيعات طبيعية.

الصيغة والحساب

الانحراف المعياري الهندسي

GSD = exp(√[Σ(ln xᵢ - ln x̄ₘ)² / (n-1)])

أو ببساطة أكثر: خذ اللوغاريتم الطبيعي لجميع القيم، احسب الانحراف المعياري العادي، ثم ارفع e للأس.

تحويل البيانات

احسب اللوغاريتم الطبيعي لكل قيمة: yᵢ = ln(xᵢ)

حساب المتوسط

أوجد المتوسط الحسابي لقيم اللوغاريتم: ȳ = Σyᵢ/n

حساب الانحراف المعياري

أوجد الانحراف المعياري لقيم اللوغاريتم: s = √[Σ(yᵢ-ȳ)²/(n-1)]

التحويل العكسي

ارفع e للأس للحصول على GSD: GSD = eˢ

Python

import numpy as np
from scipy import stats

def geometric_sd(data):
    """Calculate geometric standard deviation"""
    log_data = np.log(data)
    sd_log = np.std(log_data, ddof=1)
    return np.exp(sd_log)

def geometric_mean(data):
    """Calculate geometric mean"""
    return stats.gmean(data)

# Example: Antibody titers (highly variable, log-normal)
titers = [64, 128, 256, 128, 512, 64, 256]
gm = geometric_mean(titers)
gsd = geometric_sd(titers)
print(f"Geometric Mean: {gm:.1f}")
print(f"Geometric SD: {gsd:.2f}")

تفسير قيم GSD

على عكس الانحراف المعياري الحسابي الذي يكون بنفس وحدات بياناتك، فإن GSD هو عامل ضربي — نسبة. GSD بقيمة 2.0 يعني أن البيانات تتباين عادةً بمعامل 2.

GSD = 1.0:لا تباين (مستحيل عمليًا)
GSD ≈ 1.2:تباين منخفض (±20% نموذجي)
GSD ≈ 2.0:تباين معتدل (البيانات تتضاعف/تنصّف)
GSD ≈ 3.0:تباين عالٍ (يمتد عبر مرتبة من العظم)

فترات الثقة

للبيانات اللوغاريتمية الطبيعية، النطاق 95% هو تقريبًا: المتوسط الهندسي ÷ GSD² إلى المتوسط الهندسي × GSD². لمتوسط هندسي = 100 وGSD = 2، النطاق هو 25 إلى 400.

التطبيقات الواقعية

العلوم الصيدلانية

توزيع حجم الجسيمات (D50, GSD) · تباين تركيز الدواء · دراسات التوافر الحيوي · توصيف الهباء الجوي

المالية والاقتصاد

تقلب عوائد الاستثمار · تحليل معدل النمو · دراسات توزيع الدخل · نمذجة أسعار الأصول

GSD مقابل الانحراف المعياري العادي

استخدام الانحراف المعياري الحسابي على بيانات لوغاريتمية طبيعية يعطي نتائج مضللة:

مثال: بيانات الحمل الفيروسي

القيم: 1,000; 5,000; 10,000; 50,000; 100,000 نسخة/مل المتوسط الحسابي ± SD: 33,200 ± 41,424 المتوسط الهندسي × GSD: 10,000 × 4.5 → النطاق: 2,222 إلى 45,000 الانحراف المعياري الحسابي يقترح أن القيم السالبة ممكنة — وهو مستحيل للحمل الفيروسي!

تحقق دائمًا من التوزيع

قبل حساب أي مقياس انتشار، تصور بياناتك. إذا كانت ملتوية نحو اليمين بذيل طويل، جرّب التحويل اللوغاريتمي. إذا أصبحت متماثلة، استخدم الإحصاءات الهندسية.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context