Összesített szórás több csoportra

Mi az összesített szórás?

Az összesített szórás két vagy több csoport varianciabecsléseit kombinálja egyetlen, súlyozott becsléssé. Nélkülözhetetlen a kétmintás t-próbához, amikor egyenlő varianciákat feltételezünk.

Az alapgondolat egyszerű: ha úgy véljük, hogy két csoport azonos mögöttes változékonyságú populációból származik, az adataikat összevonva jobb becslést kaphatunk erről a közös változékonyságról. Több adat pontosabb becslést jelent.

Gondolj erre így: ha 20 megfigyelésed van az A csoportból és 30 a B csoportból, és mindkét csoportnak azonos a valódi varianciája, most 50 megfigyelésed van ennek a varianciának a becslésére ahelyett, hogy kisebb mintákból külön-külön becsülnéd.

Mikor összesítsünk?

Csak akkor összesíts szórásokat, ha okod van feltételezni, hogy az alapul szolgáló populációs varianciák egyenlők. Használd a Levene-tesztet vagy az F-próbát ennek a feltételezésnek az ellenőrzésére az összesítés előtt.

Az összesített szórás képlete

Két csoportra az összesített szórás:

Two-Group Pooled SD

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

Ahol n₁ és n₂ a mintaméretek, s₁ és s₂ pedig a mintaszórások.

k csoport esetén (mint az ANOVA-ban) a képlet általánosítható:

Multi-Group Pooled SD

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

Figyeld meg, hogy a képlet (n-1) tagokat használ mind a számlálóban, mind a nevezőben. Ez a súlyozás biztosítja, hogy a nagyobb minták jobban hozzájáruljanak az összesített becsléshez, ami helyénvaló, mert a nagyobb minták megbízhatóbb varianciabecsléseket adnak.

Mögöttes feltételezések

Az összesített szórás feltételezi a varianciahomogenitást – azt, hogy minden csoport azonos populációs varianciával rendelkezik. Ez a feltételezés a következő esetekben a legkritikusabb:

Egyenlőtlen mintaméretek (különösen problémás, ha a nagyobb csoportnak kisebb a varianciája)
A legnagyobb és legkisebb variancia aránya meghaladja a 2-3-at
Kis mintaméretek (a nagy minták robusztusabbak a sérülésekkel szemben)

Ha a varianciák eltérnek

Ha a varianciák egyenlőtlenek, használd a Welch-féle t-próbát az összesített t-próba helyett, vagy használj különálló varianciabecséseket. A Welch-próba nem feltételez egyenlő varianciákat, és gyakran ajánlják alapértelmezett megközelítésként.

Kidolgozott példa

Feladat: Két osztály teszteredményeinek összehasonlítása:

A osztály: n₁ = 25, átlag = 78, s₁ = 12
B osztály: n₂ = 30, átlag = 82, s₂ = 14

Az összesített szórás kiszámítása:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172,45 = 13,13

A 13,13-as összesített szórás az egyéni szórások (12 és 14) közé esik, a nagyobb minta felé súlyozva. Ezt az összesített értéket használjuk ezután a t-próba képletében vagy a Cohen-féle d kiszámításában.

Statisztikai alkalmazások

Független mintás t-próba: Az összesített szórás szolgál az átlagkülönbség sztenderd hibájának kiszámítására.
Cohen-féle d hatásméret: A hatásméretet az összesített szórással standardizáljuk: d = (M₁ - M₂) / sp
ANOVA: Az ANOVA átlagos négyzetes hibája (MSE) lényegében egy összesített variancia-becslés az összes csoporton keresztül.
Metaanalízis: Vizsgálatok kombinálásánál az összesített becslések segítenek a hatások különböző kontextusok közötti standardizálásában.

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.