Vægtet standardafvigelse

Hvad er vægtet standardafvigelse?

Når datapunkter har forskellige niveauer af vigtighed eller repræsenterer forskellige hyppigheder, bruger vi vægtet standardafvigelse. Det er almindeligt inden for porteføljeanalyse, undersøgelsesdata med stikprøvevægte og beregning af karaktergennemsnit.

I standard (uvægtede) beregninger bidrager hvert datapunkt lige meget til gennemsnit og standardafvigelse. Men situationer i den virkelige verden kræver ofte, at visse observationer tillægges større indflydelse end andre. En investering på 1 million kr. bør påvirke din porteføljes volatilitetsberegning mere end en position på 1.000 kr. Et undersøgelsessvar fra en større demografisk gruppe bør veje tungere ved estimering af populationsparametre.

Hvornår bruger man vægtet SA

Brug vægtet standardafvigelse, når dine datapunkter har forskellig vigtighed, hyppighed eller pålidelighed. Uvægtet SA antager, at alle punkter er lige vigtige – hvilket ofte er en forkert antagelse.

Formlen for vægtet SA

Først beregnes det vægtede gennemsnit:

Weighted Mean

x̄w = Σ(wᵢxᵢ) / Σwᵢ

Derefter den vægtede standardafvigelse (populationsversion):

Weighted Standard Deviation (Population)

σw = √[Σwᵢ(xᵢ - x̄w)² / Σwᵢ]

Hvor wᵢ er vægtene, xᵢ er dataværdierne, og x̄w er det vægtede gennemsnit.

For stikprøvedata bruges den biaskorrigerede formel (analogt med Bessels korrektion):

Weighted Standard Deviation (Sample)

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

Stikprøvekorrektionen er mere kompleks, fordi den “effektive stikprøvestørrelse” afhænger af vægtfordelingen. Hvis alle vægte er ens, reduceres formlen til den velkendte n-1-korrektion.

Trinvis beregning

Beregn det vægtede gennemsnit

Gang hver værdi med dens vægt, summér disse produkter og divider med summen af vægtene.

Beregn vægtede kvadrerede afvigelser

For hver værdi find (værdi - vægtet gennemsnit)², gang derefter med vægten.

Summér de vægtede kvadrerede afvigelser

Læg alle produkterne fra trin 2 sammen.

Divider med summen af vægte

For populations-SA divider med Σwᵢ. For stikprøve-SA brug biaskorrektionen.

Tag kvadratroden

Den endelige vægtede standardafvigelse.

Anvendelser i den virkelige verden

Porteføljevolatilitet: Inden for finans skal porteføljens standardafvigelse tage højde for forskellige aktivallokeringer. En portefølje med 50% aktier og 50% obligationer beregner volatiliteten ved hjælp af vægtet SA, hvor vægtene er allokeringsprocenterne.

Undersøgelsesanalyse: Undersøgelsesstikprøver over- eller underrepræsenterer ofte visse demografiske grupper. Vægtning justerer for dette og sikrer, at resultaterne afspejler den sande population. Den vægtede SA fanger variabiliteten i populationen, ikke kun i stikprøven.

Akademisk karaktergivning: Ved beregning af karaktergennemsnit har forskellige fag forskellige ECTS-point. Et fag med 10 ECTS-point bør påvirke dit gennemsnit mere end et fag med 2,5 ECTS-point. Vægtede beregninger håndterer dette naturligt.

Metaanalyse: Når resultater fra flere studier kombineres, vægtes hvert studie efter dets præcision (ofte invers varians). Dette giver større indflydelse til større, mere præcise studier.

Gennemregnede eksempler

Porteføljeeksempel: Betragt en portefølje med tre aktier:

Aktie A: 15% afkast, 50% allokering (vægt = 0,50)
Aktie B: 8% afkast, 30% allokering (vægt = 0,30)
Aktie C: -2% afkast, 20% allokering (vægt = 0,20)

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

Vægtet SA = √[(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%

Bemærk påvirkningen

Aktie C har kun 20% allokering, men bidrager kraftigt til volatiliteten, fordi dens afkast afviger markant fra det vægtede gennemsnit. Det er netop dette, vægtet SA fanger – både afvigelsen og vægten har betydning.

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.