Vážená směrodatná odchylka

Co je vážená směrodatná odchylka?

Pokud mají datové body různou míru důležitosti nebo představují různé frekvence, používáme váženou směrodatnou odchylku. Běžně se setkáváme s ní v analýze portfolia, u průzkumových dat s váhami výběru a při výpočtech průměrného prospěchu.

Při standardním (neváženém) výpočtu přispívá každý datový bod k průměru a směrodatné odchylce stejnou měrou. Reálné situace ale často vyžadují přisouzení větší důležitosti některým pozorováním. Investice v hodnotě 1 milionu korun by měla ovlivnit výpočet volatility portfolia více než pozice za tisíc korun. Odpověď respondenta z větší demografické skupiny by při odhadu populačních parametrů měla mít větší váhu.

Kdy použít váženou SO

Použijte váženou směrodatnou odchylku kdykoli mají vaše datové body různou důležitost, frekvenci nebo úroveň spolehlivosti. Nevážená SO předpokládá, že všechny body mají stejnou váhu — což je často nesprávný předpoklad.

Vzorec vážené SO

Nejprve potřebujete vážený průměr:

Weighted Mean

x̄w = Σ(wᵢxᵢ) / Σwᵢ

Poté váženou směrodatnou odchylku (populační verze):

Weighted Standard Deviation (Population)

σw = √[Σwᵢ(xᵢ - x̄w)² / Σwᵢ]

Kde wᵢ jsou váhy, xᵢ jsou datové hodnoty a x̄w je vážený průměr.

Pro výběrová data použijte vzorec s korekcí vychýlení (analogický Besselově korekci):

Weighted Standard Deviation (Sample)

sw = √[Σwᵢ(xᵢ - x̄w)² / (Σwᵢ - Σwᵢ²/Σwᵢ)]

Výběrová korekce je složitější, protože „efektivní velikost výběru“ závisí na rozložení vah. Pokud jsou všechny váhy stejné, vzorec se zredukuje na známou korekci n-1.

Výpočet krok za krokem

Vypočítejte vážený průměr

Vynásobte každou hodnotu její váhou, sečtěte tyto součiny a vydělte součtem vah.

Vypočítejte vážené kvadratické odchylky

Pro každou hodnotu najděte (hodnota - vážený průměr)² a vynásobte vahou.

Sečtěte vážené kvadratické odchylky

Sečtěte všechny součiny z kroku 2.

Vydělte součtem vah

Pro populační SO dělte Σwᵢ. Pro výběrovou SO použijte korekci vychýlení.

Odmocněte

Výsledkem je vážená směrodatná odchylka.

Aplikace v praxi

Volatilita portfolia: Ve financích musí směrodatná odchylka portfolia zohledňovat různé alokace aktiv. Volatilita portfolia s 50 % akcií a 50 % dluhopisů se počítá pomocí vážené SO, kde váhy odpovídají procentuálním alokacím.

Analýza průzkumů: Výběrové soubory průzkumů často nadměrně nebo nedostatečně reprezentují určité demografické skupiny. Vážení toto upravuje a zajišťuje, že výsledky odrážejí skutečnou populaci. Vážená SO zachycuje variabilitu v populaci, nejen ve výběru.

Akademické hodnocení: Při výpočtu průměrného prospěchu mají různé předměty různý počet kreditů. Předmět se 4 kredity by měl ovlivnit váš průměr více než předmět s 1 kreditem. Vážené výpočty toto přirozeně řeší.

Metaanalýza: Při kombinování výsledků z více studií je každá studie vážena podle své přesnosti (často inverzním rozptylem). To přisuzuje větší vliv větším, přesnějším studiím.

Řešené příklady

Příklad portfolia: Uvažujme portfolio se třemi akciemi:

Akcie A: 15% výnos, 50% alokace (váha = 0,50)
Akcie B: 8% výnos, 30% alokace (váha = 0,30)
Akcie C: -2% výnos, 20% alokace (váha = 0,20)

Vážený průměr = (0,50×15 + 0,30×8 + 0,20×(-2)) / 1,0 = 9,5 %

Vážená SO = √[(0,50×(15-9,5)² + 0,30×(8-9,5)² + 0,20×(-2-9,5)²)] = √[(0,50×30,25 + 0,30×2,25 + 0,20×132,25)] = √[15,125 + 0,675 + 26,45] = √42,25 = 6,5 %

Všimněte si dopadu

Akcie C má pouze 20% alokaci, ale výrazně přispívá k volatilitě, protože její výnos se významně odchyluje od váženého průměru. Přesně toto vážená SO zachycuje — záleží jak na odchylce, tak na váze.

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

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

Frequently Asked Questions

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.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.