מהי סטיית תקן (Standard Deviation)? הגדרה, נוסחה ודוגמאות מעשיות

מהי סטיית תקן?

סטיית תקן היא מדד סטטיסטי שמכמת את מידת השונות או הפיזור בקבוצת ערכי נתונים. סטיית תקן נמוכה מעידה על כך שנקודות הנתונים נוטות להיות קרובות לממוצע (הערך הצפוי) של הקבוצה, בעוד שסטיית תקן גבוהה מעידה על כך שנקודות הנתונים מפוזרות על פני טווח רחב יותר של ערכים. היא מיוצגת על ידי האות היוונית σ (סיגמא) עבור אוכלוסיות ועל ידי s עבור מדגמים, ונחשבת לאחד המושגים הבסיסיים ביותר בסטטיסטיקה תיאורית.

סטיית תקן של אוכלוסייה לעומת מדגם

לפני שמחשבים סטיית תקן, חובה לקבוע האם הנתונים שלכם מייצגים אוכלוסייה שלמה או מדגם מתוך אוכלוסייה. אוכלוסייה כוללת את כל הפרטים בקבוצה מוגדרת, ואילו מדגם הוא תת-קבוצה מייצגת של אותה קבוצה. חישוב סטיית התקן עבור מדגם מחייב התאמה מתמטית — שימוש ב-n - 1 (דרגות חופש, או df) במקום ב-N — כדי להבטיח שהתוצאה תהיה אומדן חסר הטיה של שונות האוכלוסייה.

הסבר הנוסחה לסטיית תקן

הנוסחאות לסטיית תקן מתבססות על חישוב השונות תחילה, ולאחר מכן הוצאת שורש ריבועי. שלב הוצאת השורש הוא קריטי, מכיוון שהוא מחזיר את מדד הפיזור ליחידות המקוריות של הנתונים. המרכיבים העיקריים הם xᵢ (כל ערך בודד), μ או x̄ (הממוצע של האוכלוסייה או המדגם), ו-N או n (המספר הכולל של הערכים).

דוגמת חישוב שלב-אחר-שלב

נחשב את סטיית התקן של המדגם עבור מערך נתונים קטן של ציוני מבחנים: [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]. מעקב אחר הנוסחה שלב-אחר-שלב חושף כיצד השונות מצטברת לפני שמוציאים את השורש הריבועי הסופי.

חישוב סטיית תקן ב-Python

חישוב ידני של סטיית תקן חשוף לטעויות, במיוחד כשמדובר במערכי נתונים גדולים. בפועל, סטטיסטיקאים ומדעני נתונים משתמשים בשפות תכנות כמו Python כדי לחשב אותה באופן מיידי באמצעות ספריות מובנות.

import statistics

data = [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]

# חישוב סטיית תקן של מדגם (ברירת מחדל)
sample_sd = statistics.stdev(data)
print(f"Sample SD: {sample_sd:.2f}")

# חישוב סטיית תקן של אוכלוסייה
pop_sd = statistics.pstdev(data)
print(f"Population SD: {pop_sd:.2f}")

כלל האמפירי וסטיית תקן

כאשר הנתונים מתפלגים נורמלית (עקומת פעמון), סטיית התקן הופכת לכלי ניבוי רב עוצמה. הכלל האמפירי, המכונה גם כלל 68-95-99.7, קובע שכמעט כל הנתונים יימצאו בטווח של שלוש סטיות תקן מסביב לממוצע. דבר זה מאפשר לאנליסטים לזהות במהירות חריגים ולהבין את ההסתברות להתרחשותה של תצפית מסוימת.

סטיית תקן לעומת שונות

שונות וסטיית תקן הם מדדי פיזור קרובים זה לזה. שונות (σ² או s²) היא ממוצע הסטיות בריבוע מהממוצע, ואילו סטיית תקן היא השורש הריבועי של השונות. מכיוון שהשונות מבוטאת ביחידות מרובעות (למשל, שקלים בריבוע, סנטימטרים בריבוע), קשה לפרש אותה בהקשר של הנתונים המקוריים. סטיית תקן פותרת זאת על ידי המרת המדד בחזרה ליחידות המקוריות.

טעויות נפוצות שכדאי להימנע מהן

למרות שסטיית תקן היא כלי רב עוצמה, היא מופעלת שלא כהלכה לא אחת. שימוש שגוי בנוסחאות או אי-הבנה של משמעות הערך עלולים להוביל לניתוח נתונים פגום ולמסקנות שגויות.

• שימוש בנוסחת האוכלוסייה עבור מדגם: שכחת השימוש ב- n - 1 עבור מדגמים מנפחת את הפיזור המחושב באופן מלאכותי, ומביאה להערכת חסר של שונות האוכלוסייה האמיתית.
• יישום סטיית תקן על התפלגויות לא-נורמליות: הכלל האמפירי חל רק על התפלגות נורמלית. עבור נתונים עם הטיה (Skewed), ייתכן שסטיית התקן לא תשקף את הפיזור בצורה מדויקת.
• בלבול בין סטיית תקן לשגיאה התקן: שגיאת התקן (Standard Error) מודדת את הדיוק של אומדן הממוצע המדגמי, בעוד שסטיית תקן מודדת את הפיזור של נתוני המקור עצמם.