Σ
SDCalc
ระดับกลางแนวคิด·8 min

อธิบายสัมประสิทธิ์การแปรผัน (CV)

เรียนรู้เกี่ยวกับสัมประสิทธิ์การแปรผัน (CV) หรือที่เรียกว่าส่วนเบี่ยงเบนมาตรฐานสัมพัทธ์ ทำความเข้าใจว่าเมื่อไหร่ควรใช้ CV แทน SD สำหรับการเปรียบเทียบความแปรผันระหว่างชุดข้อมูล

สัมประสิทธิ์การแปรผันคืออะไร?

สัมประสิทธิ์การแปรผัน (CV) หรือที่เรียกว่า ส่วนเบี่ยงเบนมาตรฐานสัมพัทธ์ (RSD) เป็นตัววัดการกระจายตัวที่ถูกมาตรฐาน มันแสดงส่วนเบี่ยงเบนมาตรฐานเป็นเปอร์เซ็นต์ของค่าเฉลี่ย ทำให้มีประโยชน์สำหรับการเปรียบเทียบความแปรผันระหว่างชุดข้อมูลที่มีหน่วยหรือมาตราส่วนต่างกัน

ชุดข้อมูล A: ส่วนสูง

ค่าเฉลี่ย: 170 ซม., SD: 10 ซม. CV = 5.9%

ชุดข้อมูล B: น้ำหนัก

ค่าเฉลี่ย: 70 กก., SD: 10 กก. CV = 14.3%

SD เท่ากัน (10) แต่ CV เผยให้เห็นว่าน้ำหนักมีความแปรผันสัมพัทธ์มากกว่า

สูตร CV

สัมประสิทธิ์การแปรผัน

CV = (σ / μ) × 100%

โดยที่ σ คือส่วนเบี่ยงเบนมาตรฐานและ μ คือค่าเฉลี่ย สำหรับข้อมูลตัวอย่าง ให้ใช้ s และ x̄ ตามลำดับ

ตัวอย่างการคำนวณ

ชุดข้อมูล: 12, 15, 14, 18, 11 - ค่าเฉลี่ย (x̄) = 14 - ส่วนเบี่ยงเบนมาตรฐาน (s) = 2.74 - CV = (2.74 / 14) × 100% = 19.6%

ควรใช้ CV เมื่อไหร่

ใช้ CV เมื่อ:

- เปรียบเทียบชุดข้อมูลที่มีหน่วยต่างกัน - เปรียบเทียบชุดข้อมูลที่มีค่าเฉลี่ยต่างกันมาก - ข้อมูลเป็นมาตราส่วนอัตราส่วน (จุดศูนย์แท้จริง) - ประเมินความสม่ำเสมอในการวัดของห้องปฏิบัติการ - วิเคราะห์ทางการเงิน (เปรียบเทียบความผันผวน)

ใช้ SD เมื่อ:

- ชุดข้อมูลมีหน่วยเดียวกันและค่าเฉลี่ยใกล้เคียง - ข้อมูลเป็นมาตราส่วนช่วง (เช่น อุณหภูมิ) - ค่าเฉลี่ยเป็นศูนย์หรือใกล้ศูนย์ - คุณต้องการข้อมูลการกระจายตัวแบบสัมบูรณ์

ตัวอย่างเชิงปฏิบัติ

การควบคุมคุณภาพห้องปฏิบัติการ

ในเคมีวิเคราะห์ CV ที่ต่ำกว่า 10% มักถือว่ายอมรับได้สำหรับความแม่นยำ วิธีที่มีความแม่นยำสูงอาจทำได้ CV < 5%
หุ้นผลตอบแทนSDCV
หุ้น A8%4%50%
หุ้น B12%9%75%

หุ้น A มี CV ต่ำกว่า = ได้ผลตอบแทนต่อหน่วยความเสี่ยงมากกว่า

ข้อจำกัดของ CV

ข้อจำกัดสำคัญ

- ไม่นิยามเมื่อค่าเฉลี่ย = 0: การหารด้วยศูนย์ทำให้ CV ไม่มีความหมาย - มีปัญหากับค่าลบ: อาจให้ผลลัพธ์ที่ทำให้เข้าใจผิด - ไม่เหมาะกับมาตราส่วนช่วง: อุณหภูมิในเซลเซียส/ฟาเรนไฮต์มีจุดศูนย์โดยสมมติ

Further Reading

← ศูนย์เรียนรู้

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.