Γεωμετρική Τυπική Απόκλιση: Πλήρης Οδηγός

Πότε να Χρησιμοποιήσετε Γεωμετρική Τυπική Απόκλιση

Η γεωμετρική τυπική απόκλιση (GSD) είναι το κατάλληλο μέτρο διασποράς για δεδομένα που είναι πολλαπλασιαστικά αντί προσθετικά — όπως ρυθμοί ανάπτυξης, αναλογίες, συγκεντρώσεις ή οποιεσδήποτε λογαριθμοκανονικά κατανεμημένες μετρήσεις.

Σκεφτείτε τις αποδόσεις μετοχών: ένα κέρδος 10% ακολουθούμενο από απώλεια 10% δεν σας επιστρέφει στο αρχικό σημείο (θα έχετε 99% του αρχικού). Αυτές οι πολλαπλασιαστικές σχέσεις απαιτούν γεωμετρικά στατιστικά αντί αριθμητικών.

Κατανόηση Λογαριθμοκανονικών Δεδομένων

Τα δεδομένα ακολουθούν λογαριθμοκανονική κατανομή όταν ο φυσικός λογάριθμός τους ακολουθεί κανονική κατανομή. Τυπικά παραδείγματα:

• Τιμές μετοχών και επενδυτικές αποδόσεις στο χρόνο
• Κατανομές εισοδήματος και πλούτου
• Μεγέθη σωματιδίων σε αερολύματα και φαρμακευτικά
• Αριθμοί βακτηριακών αποικιών και ιικά φορτία
• Συγκεντρώσεις περιβαλλοντικών ρύπων
• Τίτλοι αντισωμάτων και συγκεντρώσεις φαρμάκων

Το βασικό χαρακτηριστικό: διαδικασίες που περιλαμβάνουν επαναλαμβανόμενο πολλαπλασιασμό δημιουργούν λογαριθμοκανονικές κατανομές, όπως η επαναλαμβανόμενη πρόσθεση δημιουργεί κανονικές κατανομές.

Τύπος και Υπολογισμός

Ή πιο απλά: πάρτε τον φυσικό λογάριθμο όλων των τιμών, υπολογίστε την κανονική τυπική απόκλιση και εκθετικοποιήστε.

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}")

Ερμηνεία Τιμών GSD

Σε αντίθεση με την αριθμητική ΤΑ που εκφράζεται στις ίδιες μονάδες με τα δεδομένα, η GSD είναι ένας πολλαπλασιαστικός παράγοντας — μια αναλογία. GSD = 2,0 σημαίνει ότι τα δεδομένα τυπικά μεταβάλλονται κατά παράγοντα 2.

• GSD = 1,0:Καμία μεταβλητότητα (αδύνατο στην πράξη)
• GSD ≈ 1,2:Χαμηλή μεταβλητότητα (±20% τυπικά)
• GSD ≈ 2,0:Μέτρια μεταβλητότητα (τα δεδομένα διπλασιάζονται/υποδιπλασιάζονται)
• GSD ≈ 3,0:Υψηλή μεταβλητότητα (εκτείνονται σε τάξη μεγέθους)

Εφαρμογές στον Πραγματικό Κόσμο

GSD vs Κανονική ΤΑ

Η χρήση αριθμητικής ΤΑ σε λογαριθμοκανονικά δεδομένα δίνει παραπλανητικά αποτελέσματα: