סטיית תקן מול שונות: ההבדלים המרכזיים שחשוב להכיר

מהי שונות?

שונות (Variance, מסומנת ב-σ² עבור אוכלוסייה וב-s² עבור מדגם) היא מדידה סטטיסטית של הפיזור בין מספרים במערך נתונים. היא מייצגת את הממוצע של הפרשי הריבועים מהתוחלת או הממוצע (μ). העלאת הסטיות בריבוע מבטיחה שסטיות שליליות וחיוביות לא יבטלו זו את זו, וכך נקבל מדד אמיתי של פיזור. עם זאת, מכיוון שהסטיות מועלות בריבוע, יחידות המידה של השונות הן בריבוע של יחידות הנתונים המקוריים, מה שהופך את הפרשנות הישירה שלה למופשטת יחסית ופחות אינטואיטיבית.

מהי סטיית תקן?

סטיית תקן (Standard Deviation, מסומנת ב-σ עבור אוכלוסייה וב-s עבור מדגם) היא שורש הריבוע של השונות. היא מודדת את הסטייה הממוצעת של נקודות נתונים בודדות מהממוצע. מכיוון שהיא מחושבת על ידי הוצאת שורש ריבוע מהשונות, סטיית התקן מבוטאת באותן יחידות מידה כמו הנתונים המקוריים, מה שהופך אותה לאינטואיטיבית וקלה הרבה יותר לפרשנות ביישומים בעולם האמיתי. זהו מדד הפיזור הסטטיסטי הנפוץ והשימושי ביותר.

סטיית תקן מול שונות: ההבדלים המהותיים

למרות ששני המדדים מכמתים את הפיזור של נקודות הנתונים סביב הממוצע, הקשר המתמטי ביניהם והשימושיות המעשית שלהם שונים באופן משמעותי. ההבדל היסודי טמון ביחידות המידה ובאפשרות הפרשנות. סטיית תקן היא שורש הריבוע של השונות, מה שמחזיר את מדד הפיזור ליחידות המקוריות של הנתונים. לעומת זאת, שונות, בהיותה ערך מרובע, מעניקה משקל עודף לערכים קיצוניים (outliers), מה שהופך אותה לרגישה מאוד לערכים חריגים.

נוסחאות לאוכלוסייה מול מדגם

בעת חישוב המדדים הללו, חובה להבחין בין אוכלוסייה למדגם. אוכלוסייה כוללת את כל הפרטים בקבוצה מוגדרת, בעוד שמדגם הוא תת-קבוצה של אוכלוסייה זו. שימוש בנוסחת המדגם עם מכנה של (n - 1) - המכונה תיקון בסל (Bessel's correction) - מתקן את ההטיה המובנית בהערכת שונות האוכלוסייה מתוך מדגם, ומבטיח שהאומדן אינו מוטה.

מתי להשתמש בשונות ומתי בסטיית תקן

הבחירה בין שונות לסטיית תקן תלויה לחלוטין במטרה האנליטית שלכם. אם אתם מתקשרים את הפיזור של הנתונים לקהל שאינו טכני, סטיית תקן היא הבחירה הברורה, כי היא תואמת את יחידות המידה הטבעיות של הנתונים. לעומת זאת, אם אתם מבצעים חישובים סטטיסטיים ביניים - כגון חישוב סטטיסטי F ב-ANOVA, הערכת סיכונים בתורת התיקים המודרנית, או ביצוע מבחני השערות - שונות היא נוחה ויעילה יותר מבחינה מתמטית.

חישוב סטיית תקן ושונות ב-Python

מודול ה-`statistics` של Python מספק פונקציות מובנות גם לשונות וגם לסטיית תקן. בעת שימוש בפונקציות אלו, חשוב מאוד לבחור את הפונקציה הנכונה בהתאם לשאלה האם הנתונים שלכם מייצגים אוכלוסייה שלמה או מדגם בלבד.

import statistics

# Sample dataset
data = [14, 18, 12, 15, 11]

# Calculate Sample Variance and SD
sample_var = statistics.variance(data)
sample_sd = statistics.stdev(data)

# Calculate Population Variance and SD
pop_var = statistics.pvariance(data)
pop_sd = statistics.pstdev(data)

print(f"Sample Variance: {sample_var:.2f}")
print(f"Sample SD: {sample_sd:.2f}")
print(f"Population Variance: {pop_var:.2f}")
print(f"Population SD: {pop_sd:.2f}")

שאלות נפוצות

• האם שונות יכולה להיות שלילית? לא, מכיוון שסכום הסטיות בריבוע (xᵢ - μ)² הוא תמיד אפס או ערך חיובי, השונות לעולם אינה יכולה להיות שלילית.
• למה מעדיפים לדווח על סטיית תקן ולא על שונות? סטיית תקן מועדפת מכיוון שהיא חולקת את אותן יחידות מידה כמו הממוצע, מה שהופך את ההקשרה והפרשנות שלה לצד הנתונים הגולמיים לקלות ומובנות הרבה יותר.
• האם שונות זהה לשגיאה ריבועית ממוצעת (MSE)? הן דומות, אך MSE מודדת בדרך כלל את ההפרש הממוצע בריבוע בין הערכים המשוערים לערך בפועל, בעוד ששונות מודדת את הפיזור סביב הממוצע. אם האומדן הוא הממוצע, אז MSE שווה לשונות.