Σ
SDCalc
HaladóHaladó·14 min

Súlyozott szórás

Tanuld meg kiszámítani a súlyozott szórást, ha az adatpontok különböző fontossággal vagy gyakorisággal rendelkeznek.

Mi a súlyozott szórás?

Ha az adatpontok különböző fontossággal bírnak vagy különböző gyakoriságokat képviselnek, súlyozott szórást használunk. Ez gyakori a portfólióelemzésben, a mintavételi súlyokkal rendelkező felmérési adatoknál és a tanulmányi átlagszámításnál.

A hagyományos (súlyozatlan) számításokban minden adatpont egyformán járul hozzá az átlaghoz és a szóráshoz. A valós helyzetek azonban gyakran megkövetelik, hogy egyes megfigyelések nagyobb befolyással bírjanak, mint mások. Egy 1 millió forintos befektetésnek jobban kell befolyásolnia a portfólió volatilitásának számítását, mint egy 1 000 forintos pozíciónak. Egy nagyobb demográfiai csoportot képviselő felmérési válasznak nagyobb súlyt kell kapnia a populációs paraméterek becslésekor.

Mikor használj súlyozott szórást?

Használj súlyozott szórást, amikor az adatpontjaid különböző fontossággal, gyakorisággal vagy megbízhatósági szinttel rendelkeznek. A súlyozatlan szórás feltételezi, hogy minden pont egyformán számít – ami gyakran helytelen feltételezés.

A súlyozott szórás képlete

Először a súlyozott átlagra van szükséged:

Weighted Mean

x̄w = Σ(wᵢxᵢ) / Σwᵢ

Ezután a súlyozott szórás (populációs verzió):

Weighted Standard Deviation (Population)

σw = √[Σwᵢ(xᵢ - x̄w)² / Σwᵢ]

Ahol wᵢ a súlyok, xᵢ az adatértékek, és x̄w a súlyozott átlag.

Mintaadatok esetén használd a torzítás-korrigált képletet (a Bessel-korrekcióhoz hasonlóan):

Weighted Standard Deviation (Sample)

sw = √[Σwᵢ(xᵢ - x̄w)² / (Σwᵢ - Σwᵢ²/Σwᵢ)]

A mintakorrekció összetettebb, mert az „effektív mintaméret” a súlyok eloszlásától függ. Ha minden súly egyenlő, a képlet visszavezethető az ismerős n-1 korrekcióra.

Lépésenkénti számítás

1

Súlyozott átlag kiszámítása

Szorozd meg minden értéket a súlyával, összegezd a szorzatokat, és oszd el a súlyok összegével.
2

Súlyozott négyzetes eltérések kiszámítása

Minden értéknél számítsd ki az (érték - súlyozott átlag)² értéket, majd szorozd meg a súllyal.
3

Súlyozott négyzetes eltérések összegzése

Add össze a 2. lépés szorzatait.
4

Osztás a súlyok összegével

Populációs szórásnál oszd el Σwᵢ-vel. Mintaszórásnál alkalmazd a torzításkorrekciót.
5

Négyzetgyök vonás

Az eredmény a végleges súlyozott szórás.

Valós alkalmazások

Portfólió-volatilitás: A pénzügyben a portfólió szórásának figyelembe kell vennie a különböző eszközallokációkat. Egy 50% részvény, 50% kötvény portfólió volatilitását súlyozott szórással számítják, ahol a súlyok az allokációs százalékok.

Felmérés-elemzés: A felmérési minták gyakran felül- vagy alulreprezentálnak bizonyos demográfiai csoportokat. A súlyozás korrigálja ezt, biztosítva, hogy az eredmények a valódi populációt tükrözzék. A súlyozott szórás a populáció változékonyságát ragadja meg, nem csak a mintáét.

Tanulmányi eredmények: A tanulmányi átlag számításakor a különböző kurzusoknak különböző kreditértéke van. Egy 4 kredites kurzusnak jobban kell befolyásolnia az átlagodat, mint egy 1 kreditesnek. A súlyozott számítások természetesen kezelik ezt.

Metaanalízis: Több vizsgálat eredményeinek kombinálásánál minden vizsgálatot a precizitásával súlyoznak (gyakran inverz variancia). Ez nagyobb befolyást biztosít a nagyobb, pontosabb vizsgálatoknak.

Kidolgozott példák

Portfólió példa: Tekintsünk egy háromrészvényes portfóliót:

  • A részvény: 15%-os hozam, 50%-os allokáció (súly = 0,50)
  • B részvény: 8%-os hozam, 30%-os allokáció (súly = 0,30)
  • C részvény: -2%-os hozam, 20%-os allokáció (súly = 0,20)

Súlyozott átlag = (0,50×15 + 0,30×8 + 0,20×(-2)) / 1,0 = 9,5%

Súlyozott szórás = √[(0,50×(15-9,5)² + 0,30×(8-9,5)² + 0,20×(-2-9,5)²)] = √[(0,50×30,25 + 0,30×2,25 + 0,20×132,25)] = √[15,125 + 0,675 + 26,45] = √42,25 = 6,5%

Figyeld meg a hatást

A C részvény csupán 20%-os allokációval rendelkezik, mégis jelentősen hozzájárul a volatilitáshoz, mert hozama nagymértékben eltér a súlyozott átlagtól. Pontosan ezt ragadja meg a súlyozott szórás – mind az eltérés, mind a súly számít.

Further Reading

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 goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling 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.