Вариация — это различия индивидуальных значений признака у единиц изучаемой совокупности. Исследование вариации имеет большое практическое значение и является необходимым звеном в экономическом анализе. Необходимость изучения вариации связана с тем, что средняя, являясь равнодействующей, выполняет свою основную задачу с разной степенью точности: чем меньше различия индивидуальных значений признака, подлежащих осреднению, тем однороднее совокупность, а, следовательно, точнее и надежнее средняя, и наоборот. Следовательно по степени вариации можно судить о границах вариации признака, однородности совокупности по данному признаку, типичности средней, взаимосвязи факторов, определяющих вариацию.
Изменение вариации признака в совокупности осуществляется с помощью абсолютных и относительных показателей.
Абсолютные показатели вариации включают:
- размах вариации
- среднее линейное отклонение
- дисперсию
- среднее квадратическое отклонение
Размах вариации (R)
Размах вариации — это разность между максимальным и минимальным значениями признака
Как найти среднеквадратическое отклонение
Он показывает пределы, в которых изменяется величина признака в изучаемой совокупности.
Пример. Опыт работы у пяти претендентов на предшествующей работе составляет: 2,3,4,7 и 9 лет.
Решение: размах вариации = 9 — 2 = 7 лет.
Для обобщенной характеристики различий в значениях признака вычисляют средние показатели вариации, основанные на учете отклонений от средней арифметической. За отклонение от средней принимается разность .
При этом во избежании превращения в нуль суммы отклонений вариантов признака от средней (нулевое свойство средней) приходится либо не учитывать знаки отклонения, то есть брать эту сумму по модулю , либо возводить значения отклонений в квадрат
Среднее линейное и квадратическое отклонение
Среднее линейное отклонение — это средняя арифметическая из абсолютных отклонений отдельных значений признака от средней.
Среднее линейное отклонение простое:
Опыт работы у пяти претендентов на предшествующей работе составляет: 2,3,4,7 и 9 лет.
В нашем примере: лет;
Среднее линейное отклонение взвешенное применяется для сгруппированных данных:
Среднее линейное отклонение в силу его условности применяется на практике сравнительно редко (в частности, для характеристики выполнения договорных обязательств по равномерности поставки; в анализе качества продукции с учетом технологических особенностей производства).
Среднее квадратическое отклонение
Наиболее совершенной характеристикой вариации является среднее квадратическое откложение, которое называют стандартом (или стандартным отклонение). Среднее квадратическое отклонение () равно квадратному корню из среднего квадрата отклонений отдельных значений признака от средней арифметической:
Среднее квадратическое отклонение простое:
Среднее квадратическое отклонение взвешенное применяется для сгруппированных данных:
Между средним квадратическим и средним линейным отклонениями в условиях нормального распределения имеет место следующее соотношение: ~ 1,25.
Среднее квадратическое отклонение, являясь основной абсолютной мерой вариации, используется при определении значений ординат кривой нормального распределения, в расчетах, связанных с организацией выборочного наблюдения и установлением точности выборочных характеристик, а также при оценке границ вариации признака в однородной совокупности.
Дисперсия
Дисперсия — представляет собой средний квадрат отклонений индивидуальных значений признака от их средней величины.
В нашем примере:
Дисперсия взвешенная:
Более удобно вычислять дисперсию по формуле:
которая получается из основной путем несложных преобразований. В этом случае средний квадрат отклонений равен средней из квадратов значений признака минус квадрат средней.
Для несгрупиированных данных:
Для сгруппированных данных:
Вариация альтернативного признака заключается в наличии или отсутствии изучаемого свойства у единиц совокупности. Количественно вариация альтернативного признака выражается двумя значениями: наличие у единицы изучаемого свойства обозначается единицей (1), а его отсутствие — нулем (0). Долю единиц, обладающих изучаемым признаком, обозначают буквой , а долю единиц, не обладающих этим признаком — через . Учитывая, что p + q = 1 (отсюда q = 1 — p), а среднее значение альтернативного признака равно
,
средний квадрат отклонений
Таким образом, дисперсия альтернативного признака равна произведению доли единиц, обладающих данным свойством (), на долю единиц, данным свойством не обладающих ().
Максимальное значение средний квадрат отклонения (дисперсия) принимает в случае равенства долей, т.е. когда т.е. . Нижняя граница этого показателя равна нулю, что соответствует ситуации, при которой в совокупности отсутствует вариация. Среднее квадратическое отклонение альтернативного признака:
Так, если в изготовленной партии 3% изделий оказались нестандартными, то дисперсия доли нестандартных изделий , а среднее квадратическое отклонение или 17,1%.
Среднее квадратическое отклонение равно квадратному корню из среднего квадрата отклонений отдельных значений признака от средней арифметической.
Относительные показатели вариации
Относительные показатели вариации включают:
- Коэффициент осцилляции
- Относительное линейное отклонение (линейный коэффициент варианции)
- Коэффициент вариации (относительное отклонение)
Сравнение вариации нескольких совокупностей по одному и тому же признаку, а тем более по различным признакам с помощью абсолютных показателей не представляется возможным. В этих случаях для сравнительной оценки степени различия строят относительные показатели вариации. Они вычисляются как отношения абсолютных показателей вариации к средней:
| Коэффициент осцилляции |
| Относительное линейное отклонение |
| Коэффициент вариации |
Рассчитываются и другие относительные характеристики. Например, для оценки вариации в случае асимметрического распределения вычисляют отношение среднего линейного отклонения к медиан
так как благодаря свойству медианы сумма абсолютных отклонений признака от ее величины всегда меньше, чем от любой другой.
В качестве относительной меры рассеивания, оценивающей вариацию центральной части совокупности, вычисляют относительное квартильное отклонение , где — средний квартиль полусуммы разности третьего (или верхнего) квартиля () и первого (или нижнего) квартиля ().
На практике чаще всего вычисляют коэффициент вариации. Нижней границей этого показателя является нуль, верхнего предела он не имеет, однако известно, что с увеличением вариации признака увеличивается и его значение. Коэффициент вариации является в известном смысле критерием однородности совокупности (в случае нормального распределения).
Рассчитаем коэффициент вариации на основе среднего квадратического отклонения для следующего примера. Расход сырья на единицу продукции составил (кг): по одной технологии при , а по другой — при. Непосредственное сравнение величины средних квадратических отклонений могло бы привести к неверному представлению о том, что вариация расхода сырья по первой технологии интенсивнее, чем по второй (. Относительная мера вариации ( позволяет сделать противоположный вывод
Пример расчета показателей вариации
На этапе отбора кандидатов для участия в осуществлении сложного проекта фирма объявлила конкурс профессионалов. Распределение претендентов по опыту работы показало средующие результаты:
Вычислим средний производственный опыт работы, лет
Рассчитаем дисперсию по продолжительности опыта работы
Такой же результат получается, если использовать для расчета другую формулу расчета дисперсии
Вычислим среднее квадратическое отклонение, лет:
Определим коэффициент вариации, %:
Правило сложения дисперсий
Для оценки влияния факторов, определяющих вариацию, используют прием группировки: совокупность разбивают на группы, выбрав в качестве группировочного признака один из определяющих факторов. Тогда наряду с общей дисперсией, рассчитанной по всей совокупности, вычисляют внутигрупповую дисперсию (или среднюю из групповых) и межгрупповую дисперсию (или дисперсию групповых средних).
Общая дисперсия характеризует вариацию признака во всей совокупности, сложившуюся под влиянием всех факторов и условий.
Межгрупповая дисперсия измеряет систематическую вариацию, обусловленную влиянием фактора, по которому произведена группировка:
- — групповые средние,
- — численность единиц i-й группы
Внутригрупповая дисперсия оценивает вариацию признака, сложившуюся по влиянием других, неучитываемых в данном исследовании факторов и независящую от фактора группировки. Она определяется как средняя из групповых дисперсий.
- — дисперсия i-ой группы.
Все три дисперсии () связаны между собой следующим равенством, которое известно как правило сложения дисперсий:
на этом соотношении строятся показатели, оценивающие влияние признака группировки на образование общей вариации. К ним относятся эмпирический коэффициент детерминации () и эмпирическое корреляционное отношение ()
Эмпирический коэффициент детерминации () характеризует долю межгрупоовой дисперсии в общей дисперсии:
и показывает насколько вариация признака в совокупности обусловлена фактором группировки.
Эмпирическое корреляционное отношение (!!eta = sqrt< frac >
оценивает тесноту связи между изучаемым и группировочным признаками. Предельными значениями являются нуль и единица. Чем ближе к единице, тем теснее связь.
Пример. Стоимость 1 кв.м общей площади (усл.ед) на рынке жилья по десяти 17-м домам улучшенной планировки составляла:
При этом известно, что первые пять домов были построены вблизи делового центра, а остальные — на значительном расстоянии от него.
Для рассчета общей дисперсии вычислим среднюю стоимость 1 кв.м. общей площади: Общую дисперсию определим по формуле:
Вычислим среднюю стоимость 1 кв.м. и дисперсию по этому показателю для каждой группы домов, отличающихся месторасположением относительно центра города:
а) для домов, построенных вблизи центра:
б) для домов, построенных далеко от центра:
Вариация стоимости 1 кв.м. общей площади, вызванная изменением местоположения домов, определяется величиной межгрупповой дисперсии:
Вариация стоимости 1 кв.м. общей площади, обусловленная изменением остальных неучитываемых нами показателей, измеряется величиной внутригрупповой дисперсии
Найденные дисперссии в сумме дают величину общей дисперсии
Эмпирический коэффициент детерминации:
показывает, что дисперсия стоимости 1.кв.м. общей площади на рынке жилья на 81,8% объясняется различиями в расположении новостроек по отношению к деловому центру и на 18,2% — другими факторами.
Эмприческое корреляционное отношение свидетельствует о существенном влиянии на стоимость жилья месторасположения домов.
Правило сложения дисперсий для доли признака записывается так:
а три вида дисперсий доли для сгруппированных данных определяется по следующим формулам:
общая дисперсия:
Формулы межгрупповой и внутригрупповой дисперсий:
Характеристики формы распределения
Для получения представления о форме распределения используются показатели среднего уровня (средняя арифметическая, мода, медиана), показатели вариации, ассиметрии и эксцесса.
В симметричных распределениях средняя арифметическая, мода и медиана совпадают (. Если это равенство нарушается — распределение ассиметрично.
Простейшим показателем ассиметрии является разность , которая в случае правосторонней ассиметрии положительна, а при левосторонней — отрицательна.
Для сравнения ассиметрии нескольких рядов вычисляется относительный показатель
В качестве обобщающих характеристик вариации используются центральные моменты распределения -го порядка , соответствующие степени, в которую возводятся отклонения отдельных значений признака от средней арифметической:
Для несгруппированных данных:
Для сгруппированных данных:
Момент первого порядка согласно свойству средней арифметической равен нулю .
Момент второго порядка является дисперсией .
Моменты третьего и четвертого порядков используются для построения показателей, оценивающих особенности формы эмпирических распределений.
С помощью момента третьего порядка измеряют степень скошенности или ассиметричности распределения.
В симметричных распределениях , как все центральные моменты нечетного порядка.Неравенство нулю центрального момента третьего порядка указывает на асимметричность распределения. При этом, если , то асимметрия правосторонняя и относительно максимальной ординаты вытянута правая ветвь; если , то асимметрия левосторонняя (на графике это соответствует вытянутости левой ветви).
Для характеристики островершинности или плосковершинности распределения вычисляют отношение момента четвертого порядка () к среднеквадратическому отклонению в четвертой степени (). Для нормального распределения , поэтому эксцесс находят по формуле:
Для нормального распределения обращается в нуль. Для островершинных распределений , для плосковершинных .
Кроме показателей, рассмотренных выше, обобщающей характеристикой вариации в однородной совокупности служит определенный порядок в изменении частот распределения в соответствии с изменениями величины изучаемого признака, называемый закономерностью распределения.
Характер (тип) закономерности распределения может быть выявлен путем построения вариационного ряда на основании большого объема наблюдений, а также такого выбора числа групп и величины интегралов, при котором наиболее отчетливо могла бы проявиться закономерность.
Анализ вариационных рядов предполагает выявление характера распределения (как результата действия механизма вариации), установление функции распределения, проверку соответствия эмпирического распределения теоретическому.
Эмпирическое распределение, полученное на основе данных наблюдения, графически изображается эмпирической кривой распределения с помощью полигона.
На практике встречаются различные типы распределений, среди которых можно выделить симметричные и асимметричные, одновершинные и многовершинные.
Установить тип распределения, означает выразить механизм формирования закономерности в аналитической форме. Многим явлениям и их признакам свойственны характерные формы распределения, которые аппроксимируются соответствующими кривыми. При всем многообразии форм распределения наибольшее распространение в качестве теоретических получили нормальное распределение, распределение Пауссона, биноминальное распределение и др.
Особое место в изучении вариации принадлежит нормальному закону, благодаря его математическим свойствам. Для нормального закона выполняется правило трех сигм, по которому вариация индивидуальных значений признака находится в пределах от величины средней. При этом в границах находится около 70% всех единиц, а в пределах — 95%.
Оценка соответствия эмпирического и теоретического распределений производится с помощью критериев согласия, среди которых широко известны критерии Пирсона, Романовского, Ястремского, Колмогорова.
- Предмет статистики
- Основные методы и задачи статистики. Методология статистики
- Статистическое исследование
- Статистическое исследование и его основные этапы
- Программа статистического наблюдения
- Формы, виды и способы статистического наблюдения
- Сводка и группировка статистических данных. Принципы построения статистических группировок. Формула стерджесса
- Ряды распределения Гистограмма, полигон, кумулята и огива
- Генеральная совокупность и выборочный метод. Генеральная выборка
- Ряды динамики. Формула темпов роста
- Таблица Стьюдента и значения критерия Стьюдента
- Корреляционно-регрессионный анализ в статистике
- Абсолютные и относительные величины. Классификация статистических показателей
- Относительная величина динамики
- Относительная величина планового задания и выполнения плана
- Относительная величина интенсивности
- Средние величины в статистике и их виды. Степенные средние величины
- Арифметическая
- Гармоническая
- Геометрическая
- Квадратическая
- Структурные средние величины Мода и медиана в статистике
- Статистические таблицы Простая, групповая и комбинационная таблицы в статистике
- Диаграммы и их виды. Линейные, радиальные и круговые диаграммы
- Экономические индексы и индексный метод. Общие и индивидуальные индексы в статистике
- Индекс цен Пааше и Ласпейреса
Источник: www.grandars.ru
Как считать среднее квадратичное отклонение?
Среднеквадратическое отклонение равно квадратному корню из дисперсии: При определении среднего квадратического отклонения при достаточно большом объеме изучаемой совокупности (n > 30) применяются формулы: – среднее квадратическое отклонение простое (или невзвешенное);
Как рассчитать дисперсию и среднее квадратическое отклонение?
Простыми словами дисперсия – это средний квадрат отклонений. То есть вначале рассчитывается среднее значение, затем берется разница между каждым исходным и средним значением, возводится в квадрат, складывается и затем делится на количество значений в данной совокупности.
Как вычислить среднее квадратическое отклонение в Excel?
- Среднее значение: =СРЗНАЧ(диапазон)
- Квадратическое отклонение: =КВАДРОТКЛ(диапазон)
- Дисперсия: =ДИСП(диапазон)
- Дисперсия для генеральной совокупности: =ДИСПР(диапазон)
- Среднеквадратическое отклонение: =СТАНДОТКЛОН(диапазон)
- Коэффициент корреляции: =КОРРЕЛ(диапазон 1;диапазон 2)
Что такое среднее квадратическое отклонение и как оно рассчитывается?
Среднеквадратическое отклонение — статистическая характеристика распределения случайной величины, показывающая среднюю степень разброса значений величины относительно математического ожидания. Обозначается греческой σ (сигма) или буквой S. . Определяется как квадратный корень из дисперсии случайной величины.
Чем дисперсия отличается от среднеквадратического отклонения?
Дисперсия — это числовое значение, которое описывает изменчивость наблюдений от ее среднего арифметического. Стандартное отклонение — это мера дисперсии наблюдений в наборе данных. Что это? Это среднее квадратов отклонений.
Что такое Среднеквадратичный ток?
Большой Энциклопедический словарь Среднее квадратическое — (квадратичное) число , равное квадратному корню из среднего арифметического квадратов данных чисел : Среднее квадратическое частный случай среднего степенного и потому подчиняется неравенству о средних.
Как найти квадрат отклонения?
- В нашем примере (10, 8, 10, 8, 8 и 4) n = 6.
- В нашем примере сумма чисел равна 48. Таким образом, разделите 48 на n.
- 48/6 = 8.
- Среднее значение данной выборки равно 8.
Как рассчитать среднее отклонение?
- Находим среднее арифметическое выборки.
- От каждого значения выборки отнимаем среднее арифметическое.
- Каждую полученную разницу возводим в квадрат.
- Суммируем полученные значения квадратов разниц.
- Делим на размер выборки минус 1.
- Находим квадратный корень. Еще по теме
Как рассчитать среднее значение числа?
Среднее значение Это арифметическое и вычисляется путем с добавления группы чисел и деления на их количество. Например, средним значением для чисел 2, 3, 3, 5, 7 и 10 будет 5, которое является результатом деления их суммы, равной 30, на их количество, равное 6. Медиана Среднее число числа.
Какое должно быть стандартное отклонение?
Стандартное отклонение должно равняться нулю, так как единственный способ получить среднее значение 5 — ответить каждому 5. Наоборот, если среднее значение равно 1,0, то стандартная ошибка также должна быть равна 0. Таким образом, стандартное отклонение точно определено с учетом среднего значения.
Как рассчитать дисперсию в статистике?
Дисперсия случайной величины Х вычисляется по следующей формуле: D(X)=M(X−M(X))2, которую также часто записывают в более удобном для расчетов виде: D(X)=M(X2)−(M(X))2. Эта универсальная формула для дисперсии может быть расписана более подробно для двух случаев.
Как найти дисперсию и стандартное отклонение?
Дисперсия определяется как среднее квадратов отклонений от среднего значения. Стандартное отклонение — это положительный квадратный корень дисперсии.
Источник: fcessentuki.ru
Стандартное отклонение
Среднее квадратичное отклонение (или стандартное отклонение) – вторая по значению константа вариационного ряда. Она является мерой разнообразия входящих в группу объектов и показывает, на сколько в среднем отклоняются варианты от средней арифметической изучаемой совокупности. Чем сильнее разбросаны варианты вокруг средней, чем чаще встречаются крайние или другие отдаленные классы отклонений от средней вариационного ряда, тем большим оказывается и среднее квадратичное отклонение. Стандартное отклонение есть мера изменчивости признаков, обусловленная влиянием на них случайных факторов. Квадрат стандартного отклонения (S ²) называется дисперсией.
Что такое «случайное» при детальном рассмотрении? В формуле модели вариант случайный компонент предстает в виде некой «добавки» к доле варианты, сформированной под действием систематических факторов, ± xслуч .. Она, в свою очередь, складывается из эффектов влияния неопределенно большого числа факторов: xслуч . = Σ xслуч.k.
Каждый из этих факторов может обнаружить свое сильное действие (дать большой вклад), а может почти не участвовать в становлении конкретной варианты (слабое действие, незначительный вклад). Причем доля случайной «прибавки» для каждой варианты оказывается различной!
Рассматривая, например, размеры дафний, можно увидеть, что одна особь крупнее, другая мельче, поскольку одна родилась на несколько часов раньше, другая позже, или одна генетически не вполне идентична прочим, а третья росла в более прогреваемой зоне аквариума и т. д. Если эти частные факторы не входят в число контролируемых при сборе вариант, то они, индивидуально проявляясь в разной степени, обеспечивают случайное варьирование вариант. Чем больше случайных факторов, чем они сильнее, тем дальше будут разбросаны варианты вокруг средней и тем большим оказывается характеристика варьирования, среднее квадратичное отклонение. В контексте нашей книги термин «случайное» есть синоним слова «неизвестное», «неподконтрольное». Пока мы каким-либо способом не выразим интенсивность фактора (группировкой, градацией, числом), до тех пор он останется фактором, вызывающим случайную изменчивость.
Смысл стандартного отклонения (вариант от средней) выражает формула:
где x – значение признака у каждого объекта в группе,
М – средняя арифметическая признака,
п – число вариант выборки.
Выполнять расчеты удобнее с помощью рабочей формулы:
где Σ x ² – сумма квадратов значений признака для всех вариант,
Σ x – сумма значений признака,
n – объем выборки.
Для примера с массой тела бурозубок стандартное отклонение будет равно: S = 0.897216496, а после необходимого округления S = 0.897 г.
В некоторых случаях бывает необходимо определить взвешенное среднее квадратичное отклонение для суммарного распределения, составленного из нескольких выборок, для которых значения стандартных отклонений уже известны. Эта задача решается с помощью формулы:
где S Σ – усредненная величина среднего квадратичного отклонения для суммарного распределения,
S – усредняемые значения стандартного отклонения,
п – объемы отдельных выборок,
k – число усредняемых стандартных отклонений.
Рассмотрим такой пример. Четыре независимых определения веса печени (мг) у землероек-бурозубок в июне, июле, августе и сентябре дали следующие величины стандартных отклонений: 93, 83, 50, 71 (при n = 17, 115, 132, 140). Подставив в вышеприведенную формулу нужные значения, получим стандартные отклонения для суммарной выборки (для всего бесснежного периода):
В случае, если требуется первичная статистическая обработка большого числа выборок, но необязательно с большой точностью, для оценки стандартного отклонения можно воспользоваться экспресс-методом, основанным на знании закона нормального распределения. Как уже отмечалось, крайние значения для выборки (с вероятностью P = 95%) можно считать границами, удаленными от средней на расстояние 2 S: x min = M − 2 S, x max = M + 2 S. Это значит, что в лимите (Lim), в диапазоне от максимального до минимального выборочного значения, укладываются четыре стандартных отклонения:
Lim = (M + 2 S) − (M − 2 S) = 4 S.
Однако этот вывод справедлив только по отношению к выборкам большого размера, тогда как для небольших выборок необходимо делать поправки. Рекомендуется следующая формула приблизительного расчета стандартного отклонения (Ашмарин и др., 1975):
где величина d взята из таблицы 3 (против соответствующего объема выборки, n).
| п | d | п | d | п | d | n | d |
| 1.128 | 2.704 | 3.258 | 3.588 | ||||
| 1.693 | 2.847 | 3.336 | 3.640 | ||||
| 2.059 | 2.970 | 3.407 | 3.689 | ||||
| 2.326 | 3.079 | 3.472 | 3.735 | ||||
| 2.534 | 3.173 | 3.532 | более |
Выборочное стандартное отклонение веса тела бурозубок (n = 63), рассчитанное по приведенной формуле, составляет:
S = (11.9 − 7.3) / 4 = 1.15 г,
что достаточно близко к точному значению, S = 0.89 г.
Использование экспресс-оценок стандартного отклонения значительно сокращает время расчетов, существенно не сказываясь на их точности. Отмечается лишь небольшая тенденция к завышению получаемых этим методом значений стандартного отклонения при небольших объемах выборок.
Стандартное отклонение – величина именованная, поэтому с ее помощью можно сравнивать характер варьирования лишь одних и тех же признаков. Чтобы сопоставить изменчивость разнородных признаков, выраженных в различных единицах измерения, а также нивелировать влияние масштаба измерений, используют так называемый коэффициент вариации (СV), безразмерную величину, отношение выборочной оценки S к собственной средней M:
В нашем примере с весом тела бурозубок:
Индивидуальная изменчивость (варьирование) признаков – одна из наиболее емких характеристик биологической популяции, любого биологического процесса или явления. Коэффициент вариации может считаться вполне адекватным и объективным показателем, хорошо отражающим фактическое разнообразие совокупности независимо от абсолютной величины признака.
Индекс был создан для унификации показателей изменчивости разных или разноразмерных признаков путем приведения их к одному масштабу. Практика показывает, что для многих биологических признаков наблюдается увеличение изменчивости (стандартного отклонения) с ростом их величины (средней арифметической). При этом коэффициент вариации остается примерно на одном и том же уровне – 8–15%. За увеличение коэффициента вариации ответственны, как правило, растущие отличия распределения признака от нормального закона.
Воспользуйтесь поиском по сайту:
studopedia.org — Студопедия.Орг — 2014-2023 год. Студопедия не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования (0.007 с) .
Источник: studopedia.org