Geometriai szórás: teljes útmutató

Mikor használjuk a geometriai szórást?

A geometriai szórás (GSD) az a megfelelő szóródási mutató, amikor az adatok multiplikatív, nem additív jellegűek – mint a növekedési ütemek, arányok, koncentrációk vagy bármely lognormális eloszlású mérés.

Gondolj a részvényhozamokra: egy 10%-os nyereség, amelyet egy 10%-os veszteség követ, nem hoz vissza a kiindulópontra (az eredeti összeg 99%-ánál tartasz). Ezek a multiplikatív összefüggések geometriai statisztikákat igényelnek az aritmetikai helyett.

Kulcsgondolat

Ha az adataid több nagyságrendet ölelnek fel, mindig pozitívak, és normálisan ábrázolva jobbra ferdék, de logaritmikus skálán szimmetrikusak – lognormális adatokkal van dolgod, amelyekhez geometriai statisztikák szükségesek.

A lognormális adatok megértése

Az adatok lognormális eloszlásúak, ha természetes logaritmusuk normális eloszlást követ. Gyakori példák:

Részvényárak és befektetési hozamok időben
Jövedelem- és vagyoneloszlások
Részecskeméret aeroszolokban és gyógyszerekben
Baktériumtelepek száma és vírusteher
Környezeti szennyezőanyag-koncentrációk
Antitest-titerek és gyógyszerkoncentrációk

A lényeges jellemző: az ismétlődő szorzást magukban foglaló folyamatok lognormális eloszlásokat generálnak, éppúgy, ahogyan az ismétlődő összeadás normális eloszlásokat hoz létre.

Képlet és számítás

Geometric Standard Deviation

GSD = exp(√[Σ(ln xᵢ - ln x̄ₘ)² / (n-1)])

Vagy egyszerűbben: vedd minden érték természetes logaritmusát, számítsd ki a hagyományos szórást, majd exponenciáld.

Adatok transzformálása

Számítsd ki minden érték természetes logaritmusát: yᵢ = ln(xᵢ)

Átlag kiszámítása

Számítsd ki a logaritmizált értékek számtani átlagát: ȳ = Σyᵢ/n

Szórás kiszámítása

Számítsd ki a logaritmizált értékek szórását: s = √[Σ(yᵢ-ȳ)²/(n-1)]

Visszatranszformálás

Exponenciáld a GSD megkapásához: GSD = eˢ

Python

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}")

GSD értékek értelmezése

Az aritmetikai szórástól eltérően, amely az adatokkal azonos mértékegységben van, a GSD egy szorzótényező – egy arány. A GSD = 2,0 azt jelenti, hogy az adatok jellemzően 2-szeres tényezővel változnak.

GSD = 1,0:Nincs változékonyság (gyakorlatban lehetetlen)
GSD ≈ 1,2:Alacsony változékonyság (±20% jellemző)
GSD ≈ 2,0:Közepes változékonyság (az adat duplázódik/feleződik)
GSD ≈ 3,0:Magas változékonyság (egy nagyságrendet fog át)

Konfidenciaintervallumok

Lognormális adatoknál a 95%-os tartomány közelítőleg: Geometriai átlag ÷ GSD² és Geometriai átlag × GSD² között van. GM=100 és GSD=2 esetén a tartomány 25-től 400-ig terjed.

Valós alkalmazások

Gyógyszertudományok

Részecskeméret-eloszlás (D50, GSD) · Gyógyszerkoncentráció változékonysága · Biohasznosulási vizsgálatok · Aeroszol jellemzés

Pénzügy és közgazdaságtan

Befektetési hozam volatilitása · Növekedési ütem elemzés · Jövedelmi eloszlás vizsgálatok · Eszközár-modellezés

GSD vs. hagyományos szórás

Az aritmetikai szórás alkalmazása lognormális adatokra félrevezető eredményeket ad:

Példa: Vírusteher adatok

Értékek: 1 000; 5 000; 10 000; 50 000; 100 000 kópia/mL Aritmetikai átlag ± szórás: 33 200 ± 41 424 Geometriai átlag × GSD: 10 000 × 4,5 → Tartomány: 2 222-től 45 000-ig Az aritmetikai szórás negatív értékek lehetőségét sugallná – ami vírusak esetén lehetetlen!

Mindig ellenőrizd az eloszlást

Mielőtt bármilyen szóródási mutatót kiszámítanál, vizualizáld az adataidat. Ha jobbra ferdék, hosszú farokkal, próbáld meg a logaritmikus transzformációt. Ha az szimmetrikussá teszi őket, használj geometriai statisztikákat.

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.