Що таке стандартне відхилення?
Стандартне відхилення — це статистичний показник, який кількісно визначає рівень варіації або дисперсії (розкиду) у наборі даних. Низьке стандартне відхилення вказує на те, що значення даних схильні групуватися близько середнього (математичного сподівання), тоді як високе стандартне відхилення свідчить про те, що дані розкидані у ширшому діапазоні. Позначається грецькою літерою σ (сигма) для генеральних сукупностей та s для вибірок; це одне з найфундаментальніших понять описової статистики.
Головне визначення
Стандартне відхилення генеральної сукупності та вибірки
Перш ніж обчислювати стандартне відхилення, потрібно визначити, чи представляють ваші дані всю генеральну сукупність, чи лише вибірку з неї. Генеральна сукупність включає всі елементи певної групи, тоді як вибірка — це репрезентативна підмножина цієї групи. Обчислення стандартного відхилення для вибірки потребує математичного коригування — використання n - 1 (ступені вільності, або df) замість N — щоб гарантувати, що результат є незміщеною оцінкою дисперсії генеральної сукупності.
Стандартне відхилення генеральної сукупності
Стандартне відхилення вибірки
Пояснення формули стандартного відхилення
Формули стандартного відхилення базуються на спочатку обчисленні дисперсії, а потім — витягуванні квадратного кореня. Цей крок із квадратним коренем є вирішальним, оскільки він повертає міру розкиду у початкові одиниці вимірювання даних. Ключові компоненти: xᵢ (кожне окреме значення), μ або x̄ (середнє генеральної сукупності або вибірки) та N або n (загальна кількість значень).
SD сукупності
SD вибірки
Приклад покрокового обчислення
Давайте обчислимо стандартне відхилення вибірки для невеликого набору даних про оцінки за тест: [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]. Дотримуючись формули крок за кроком, ми побачимо, як накопичується дисперсія перед тим, як ми беремо фінальний квадратний корінь.
Обчисліть середнє (x̄)
Відніміть середнє та піднесіть до квадрата
Підсумуйте квадрати різниць
Розділіть на n - 1 (ступені вільності)
Витягніть квадратний корінь
Обчислення стандартного відхилення в Python
Ручне обчислення стандартного відхилення часто призводить до помилок, особливо при роботі з великими масивами даних. На практиці статистики та аналітики даних використовують мови програмування, такі як Python, для миттєвого обчислення за допомогою вбудованих бібліотек.
import statistics
data = [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]
# Обчислення стандартного відхилення вибірки (за замовчуванням)
sample_sd = statistics.stdev(data)
print(f"Sample SD: {sample_sd:.2f}")
# Обчислення стандартного відхилення генеральної сукупності
pop_sd = statistics.pstdev(data)
print(f"Population SD: {pop_sd:.2f}")Емпіричне правило та стандартне відхилення
Коли дані підпорядковуються нормальному розподілу (дзвоноподібній кривій), стандартне відхилення стає надзвичайно прогнозованим інструментом. Емпіричне правило, також відоме як правило 68-95-99.7, стверджує, що майже всі дані лежатимуть у межах трьох стандартних відхилень від середнього. Це дозволяє аналітикам швидко виявляти викиди та розуміти ймовірність появи конкретного спостереження.
| Інтервал від середнього | Відсоток даних | Застосування |
|---|---|---|
| ±1σ | 68.27% | Визначення типових, щоденних значень |
| ±2σ | 95.45% | Побудова довірчих інтервалів |
| ±3σ | 99.73% | Виявлення екстремальних викидів |
Стандартне відхилення проти дисперсії
Дисперсія та стандартне відхилення — тісно пов'язані міри розкиду. Дисперсія (σ² або s²) — це середнє значення квадратів відхилень від середнього, тоді як стандартне відхилення — це квадратний корінь із дисперсії. Оскільки дисперсія виражається у квадратних одиницях (наприклад, квадратні гривні, квадратні сантиметри), її важко інтерпретувати в контексті початкових даних. Стандартне відхилення вирішує цю проблему, повертаючи міру розкиду у початкові одиниці виміру.
Як подавати дані
Поширені помилки, яких варто уникати
Хоча стандартне відхилення є потужним інструментом, його часто використовують неправильно. Помилкове застосування формул або нерозуміння того, що означає це значення, може призвести до хибного аналізу даних і неправильних висновків.
- Використання формули для сукупності до вибірки: Забування використати n - 1 для вибірок штучно занижує розрахований розкид, недооцінюючи справжню дисперсію генеральної сукупності.
- Застосування SD до ненормальних розподілів: Емпіричне правило застосовується лише до нормальних розподілів. Для сильно асиметричних даних SD може неточно відображати розкид.
- Плутання SD зі стандартною помилкою: Стандартна помилка вимірює точність оцінки середнього вибірки, тоді як стандартне відхилення вимірює розкид самих початкових даних.
Остерігайтеся викидів
Further Reading
Sources
References and further authoritative reading used in preparing this article.