Pooled Standard Deviation para sa Maramihang Grupo

Ano ang Pooled Standard Deviation?

Pinagsasama ng pooled standard deviation ang mga variance estimate mula sa dalawa o higit pang grupo upang makakuha ng iisang weighted estimate. Mahalaga ito para sa two-sample t-tests kapag nag-assume ng equal variances.

Direkta ang konsepto: kung naniniwala tayo na ang dalawang grupo ay galing sa mga population na may parehong underlying variability, maaari nating pagsamahin ang kanilang data upang makakuha ng mas mahusay na tantya ng shared variability na iyon. Mas maraming data ay nangangahulugang mas tumpak na tantya.

Isipin mo ito sa ganitong paraan: kung mayroon kang 20 obserbasyon mula sa Group A at 30 mula sa Group B, at parehong grupo ay may parehong tunay na variance, mayroon ka na ngayong 50 obserbasyon upang tantiyahin ang variance na iyon sa halip na hiwalay na tantiyahin mula sa mas maliliit na samples.

Kailan Mag-pool

Mag-pool lamang ng standard deviations kapag may dahilan kang maniwala na pantay ang underlying population variances. Gamitin ang Levene’s test o ang F-test upang suriin ang assumption na ito bago mag-pool.

Ang Pooled SD Formula

Para sa dalawang grupo, ang pooled standard deviation ay:

Two-Group Pooled SD

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

Kung saan n₁ at n₂ ang mga sample size, at s₁ at s₂ ang mga sample standard deviation.

Para sa k na mga grupo (tulad sa ANOVA), nagiging general ang formula:

Multi-Group Pooled SD

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

Pansinin na gumagamit ang formula ng (n-1) terms sa parehong numerator at denominator. Tinitiyak ng weighting na ito na mas malaki ang kontribusyon ng mas malalaking samples sa pooled estimate, na naaangkop dahil nagbibigay ang mas malalaking samples ng mas maaasahang variance estimates.

Mga Underlying Assumptions

Ang pooled standard deviation ay nag-assume ng homogeneity of variance—na lahat ng grupo ay may parehong population variance. Pinakamahalaga ang assumption na ito kapag:

Hindi pantay ang laki ng mga sample (lalong problemado kung ang mas malaking grupo ay may mas maliit na variance)
Ang ratio ng pinakamalaki sa pinakamaliit na variance ay lumalampas sa 2-3
Maliit ang mga sample size (mas robust ang malalaking samples sa mga paglabag)

Kapag Magkaiba ang Variances

Kung hindi pantay ang variances, gumamit ng Welch’s t-test sa halip na pooled t-test, o gumamit ng hiwalay na variance estimates. Hindi nag-assume ng equal variances ang Welch’s test at madalas na inirerekomenda bilang default approach.

Worked Example

Senaryo: Paghahambing ng mga marka sa pagsusulit ng dalawang klase:

Klase A: n₁ = 25, mean = 78, s₁ = 12
Klase B: n₂ = 30, mean = 82, s₂ = 14

Kalkulasyon ng Pooled SD:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172.45 = 13.13

Ang pooled SD na 13.13 ay nasa pagitan ng mga indibidwal na SD (12 at 14), na nakabukas patungo sa mas malaking sample. Gagamitin ang pooled value na ito sa t-test formula o sa kalkulasyon ng Cohen’s d.

Mga Statistical Applications

Independent samples t-test: Ginagamit ang pooled SD upang kalkulahin ang standard error ng pagkakaiba ng mga mean.
Cohen’s d effect size: Sine-standardize ang mga effect size gamit ang pooled SD: d = (M₁ - M₂) / sp
ANOVA: Ang Mean Square Error (MSE) sa ANOVA ay mahalagang pooled variance estimate sa lahat ng grupo.
Meta-analysis: Kapag pinagsasama ang mga pag-aaral, tumutulong ang pooled estimates na i-standardize ang mga epekto sa iba’t ibang konteksto.

← Learning Center