Σ
SDCalc
PermulaanAsas·10 min

Memahami Varians: Asas Sisihan Piawai

Kuasai konsep varians dan hubungannya dengan sisihan piawai. Pelajari formula, pengiraan, dan aplikasi praktikal varians dalam statistik.

Apakah Varians?

Varians mengukur sejauh mana satu set nombor tersebar daripada nilai puratanya. Ia adalah purata perbezaan kuasa dua daripada min—dan ia merupakan asas di mana sisihan piawai dibina.

Setiap bar menunjukkan sisihan kuasa dua daripada min. Varians = purata bar-bar ini.

Formula Varians

Varians Populasi

σ² = Σ(xᵢ - μ)² / N

Varians Sampel

s² = Σ(xᵢ - x̄)² / (n-1)
1

Kira min

Tambahkan semua nilai dan bahagikan dengan bilangan.
2

Cari setiap sisihan

Tolak min daripada setiap titik data.
3

Kuasa duakan setiap sisihan

Ini menghapuskan nilai negatif dan menekankan sisihan besar.
4

Puratakan sisihan kuasa dua

Bahagikan dengan N (populasi) atau n-1 (sampel).

Mengapa Kita Kuasa Duakan Sisihan?

Tiga Sebab Utama

1. Menghapuskan negatif: Tanpa kuasa dua, sisihan positif dan negatif akan saling membatalkan, menjadikan jumlah sifar. 2. Menghukum pencilan: Kuasa dua memberikan lebih berat kepada nilai yang jauh daripada min. 3. Sifat matematik: Varians mempunyai sifat algebra yang berguna untuk inferensi statistik.

Contoh: Mengapa Tidak Gunakan Nilai Mutlak Sahaja?

Set Data: 2, 4, 4, 4, 5, 5, 7, 9 (Min = 5) Sisihan Mutlak Min: |2-5| + |4-5| + ... = 14 MAD = 14/8 = 1.75 Varians (kuasa dua): (2-5)² + (4-5)² + ... = 32 Var = 32/8 = 4

Varians vs Sisihan Piawai

Hubungan

Standard Deviation = √Variance → σ = √σ²

Varians (σ²)

- Unit adalah kuasa dua (cth., cm², $²) - Lebih sukar untuk ditafsir secara langsung - Berguna untuk operasi matematik - Bersifat aditif untuk pemboleh ubah bebas

Sisihan Piawai (σ)

- Unit sama dengan data asal - Lebih mudah ditafsir - Lebih baik untuk komunikasi - Digunakan dalam skor-z dan selang keyakinan

Aplikasi Varians

Walaupun sisihan piawai lebih lazim dilaporkan, varians mempunyai kegunaan khusus:

  • ANOVA:Analisis Varians membandingkan min merentasi kumpulan
  • Teori Portfolio:Varians pulangan digunakan dalam pengoptimuman
  • Regresi:R² ialah varians yang diterangkan dibahagikan dengan jumlah varians
  • PCA:Analisis Komponen Utama memaksimumkan varians yang diterangkan