Szórás képlete lépésről lépésre: Teljes útmutató

Mi a szórás képlete?

A szórás képlete az a matematikai egyenlet, amely az adatértékek halmazában lévő változékonyság vagy szóródás mértékét fejezi ki. Az alacsony szórás azt jelzi, hogy az adatpontok általában közel helyezkednek el az átlaghoz (μ vagy x̄), míg a magas szórás arra utal, hogy az adatpontok egy sokkal szélesebb értéktartományban helyezkednek el.

A statisztikában az alkalmazott képlet attól függ, hogy egy teljes sokasággal vagy egy abból vett mintával dolgozunk-e. A alapvető koncepció az átlagtól vett négyzetes eltérések átlagának kiszámítása, amit varianciának (σ²) nevezünk, majd a négyzetgyök vonása, amivel az eredményt visszaalakítjuk az eredeti mértékegységbe.

Sokasági szórás

σ = √[ Σ (xi - μ)² / N ]

σ (szigma): Sokasági szórás
Σ (szigma): Összege...
xi: Az adathalmaz egyes értékei
μ (mü): Sokasági átlag
N: A sokaság adatpontjainak teljes száma

Sokasági és mintabeli szórás

A valós adatelemzésben ritkán áll rendelkezésre a teljes sokaság adata. A legtöbb esetben egy mintát gyűjtünk, hogy következtetéseket vonjunk le a nagyobb sokaságra vonatkozóan. Mivel a minta csak becslést ad a sokasági átlagra, ha a sokasági képlettel számoljuk a szórást egy mintán, akkor szisztematikusan alábecsüljük a valódi változékonyságot. Ennek a torzításnak a kiküszöbölésére a mintabeli szórás képletét használjuk.

Mintabeli szórás

s = √[ Σ (xi - x̄)² / (n - 1) ]

Ne keverd a képleteket!

Ha 'N'-et használsz mintára, vagy 'n-1'-et sokaságra, hibás szóródásmértéket kapsz. Az n-1-gyel számoló mintabeli képlet a Bessel-féle korrekció, amely elengedhetetlen a sokasági variancia torzítatlan becsléséhez.

A képlet lépésről lépésre történő kiszámítása

A szórás kézi kiszámítása rendszerszerű megközelítést igényel. Az alábbi lépések követésével bármely adathalmazra pontosan kiszámítható a sokasági vagy a mintabeli szórás.

Átlag kiszámítása

Összegezd az összes adatpontot (Σxi), és oszd el a pontok teljes számával (N vagy n), hogy megkapd az átlagot (μ vagy x̄).

Eltérések meghatározása

Vondd ki az átlagot minden egyes adatpontból az eltérés meghatározásához: (xi - átlag).

Eltérések négyzetre emelése

Emeld négyzetre az előző lépésben kiszámított eltéréseket: (xi - átlag)². Ez biztosítja, hogy minden érték pozitív legyen.

Négyzetes eltérések összegezése

Összegezd az összes négyzetes eltérést, hogy megkapd a négyzetösszeget: Σ(xi - átlag)².

Osztás N-nel vagy n-1-gyel

Sokaság esetén oszd el N-nel. Minta esetén oszd el (n - 1)-gyel. Ez adja meg a varianciát (σ² vagy s²).

Négyzetgyök vonása

Vonj négyzetgyököt a varianciából a szórás (σ vagy s) megkapásához.

Miért osztunk n-1-gyel a mintabeli képletben?

Az n-1-gyel való osztás az n helyett a Bessel-féle korrekció néven ismert fogalom. Mivel a mintaátlag (x̄) magából a minta adataiból kerül kiszámításra, az (xi - x̄) eltérések matematikai okok miatt nulla összegűek. Ez azt jelenti, hogy az adatpontok egy kicsit közelebb vannak a mintaátlaghoz, mint a valódi sokasági átlaghoz (μ).

Az n-1-gyel (a szabadságfokkal) való osztással éppen annyira növeljük meg a varianciát, amennyivel kompenzálni tudjuk ezt az alábecslést, így a sokasági variancia torzítatlan becslését kapjuk.

Sources

References and further authoritative reading used in preparing this article.

← Tanulóközpont

How to Read This Article

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.