Gewogen standaardafwijking

Wat is gewogen standaardafwijking?

Wanneer gegevenspunten verschillende niveaus van belang hebben of verschillende frequenties vertegenwoordigen, gebruiken we de gewogen standaardafwijking. Dit komt veel voor bij portefeuilleanalyse, enquêtegegevens met steekproefgewichten en GPA-berekeningen.

Bij standaard (ongewogen) berekeningen draagt elk gegevenspunt gelijkmatig bij aan het gemiddelde en de standaardafwijking. Maar in praktijksituaties is het vaak nodig om sommige waarnemingen meer invloed te geven dan andere. Een investering van €1 miljoen moet de volatiliteitsberekening van uw portefeuille meer beïnvloeden dan een positie van €1.000. Een enquêterespons uit een grotere demografische groep moet meer gewicht krijgen bij het schatten van populatieparameters.

Wanneer gewogen SD gebruiken

Gebruik gewogen standaardafwijking wanneer uw gegevenspunten een verschillend belang, verschillende frequenties of verschillende betrouwbaarheidsniveaus hebben. Ongewogen SD veronderstelt dat alle punten even belangrijk zijn—wat vaak een onjuiste aanname is.

De formule voor gewogen SD

Eerst heeft u het gewogen gemiddelde nodig:

Gewogen gemiddelde

x̄w = Σ(wᵢxᵢ) / Σwᵢ

Vervolgens de gewogen standaardafwijking (populatieversie):

Gewogen standaardafwijking (populatie)

σw = √[Σwᵢ(xᵢ - x̄w)² / Σwᵢ]

Waarbij wᵢ de gewichten zijn, xᵢ de gegevenswaarden en x̄w het gewogen gemiddelde.

Gebruik voor steekproefgegevens de bias-gecorrigeerde formule (analoog aan de correctie van Bessel):

Gewogen standaardafwijking (steekproef)

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

De steekproefcorrectie is complexer omdat de “effectieve steekproefomvang” afhangt van de verdeling van de gewichten. Als alle gewichten gelijk zijn, reduceert dit tot de bekende n-1 correctie.

Stapsgewijze berekening

Bereken het gewogen gemiddelde

Vermenigvuldig elke waarde met zijn gewicht, tel deze producten op en deel door de som van de gewichten.

Bereken gewogen gekwadrateerde afwijkingen

Bepaal voor elke waarde (waarde - gewogen gemiddelde)² en vermenigvuldig met het gewicht.

Tel de gewogen gekwadrateerde afwijkingen op

Tel alle producten uit stap 2 bij elkaar op.

Deel door de som van de gewichten

Deel voor populatie-SD door Σwᵢ. Gebruik voor steekproef-SD de biascorrectie.

Neem de vierkantswortel

De uiteindelijke gewogen standaardafwijking.

Praktische toepassingen

Portefeuillevolatiliteit: In de financiële wereld moet de standaardafwijking van een portefeuille rekening houden met verschillende activaallocaties. De volatiliteit van een portefeuille met 50% aandelen en 50% obligaties wordt berekend met gewogen SD, waarbij de gewichten de allocatiepercentages zijn.

Enquêteanalyse: Enquêtesteekproeven zijn vaak niet representatief voor bepaalde demografische groepen. Weging corrigeert hiervoor, zodat de resultaten de werkelijke populatie weerspiegelen. De gewogen SD vangt de variabiliteit in de populatie, niet alleen in de steekproef.

Academische beoordeling: Bij het berekenen van een GPA hebben verschillende vakken verschillende studiepunten. Een vak van 4 studiepunten moet uw GPA meer beïnvloeden dan een vak van 1 studiepunt. Gewogen berekeningen pakken dit vanzelf aan.

Meta-analyse: Bij het combineren van resultaten uit meerdere onderzoeken wordt elk onderzoek gewogen op basis van zijn precisie (vaak omgekeerde variantie). Dit geeft meer invloed aan grotere, preciezere onderzoeken.

Uitgewerkte voorbeelden

Portefeuillevoorbeeld: Beschouw een portefeuille met drie aandelen:

Aandeel A: 15% rendement, 50% allocatie (gewicht = 0,50)
Aandeel B: 8% rendement, 30% allocatie (gewicht = 0,30)
Aandeel C: -2% rendement, 20% allocatie (gewicht = 0,20)

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

Gewogen SD = √[(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%

Let op de impact

Aandeel C heeft slechts 20% allocatie maar draagt sterk bij aan de volatiliteit vanwege het grote verschil met het gewogen gemiddelde. Dit is precies wat gewogen SD vastlegt—zowel de afwijking als het gewicht tellen mee.

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.