Keskihajonta ja varianssi ovat perustavanlaatuisia numeerisia ajatuksia, jotka ottavat merkittäviä osia koko raha-alueella, mukaan lukien kirjanpidon, talousasioiden ja osallistumisen alueet.
Kun mittaamme suureen tietoon liittyviä muutoksia, tähän liittyy kaksi kiinteästi liittyvää oivallusta.
Tarkemmin sanottuna varianssi ja keskihajonta, jotka molemmat osoittavat, kuinka hajanaisia tietoarvot ovat, sisältävät myös sen, kuinka vertailukelpoisia askeleet ovat niiden laskennassa.
Varianssi vs keskihajonta
Ero varianssin ja keskihajonnan välillä on se, että keskihajonta ei ole muuta kuin varianssiteorian neliöjuuri. Näitä kahta termiä käytetään päätettäessä tietokokoelman leviämisestä. Sekä keskihajonta että varianssi ovat matemaattisia mittareita, jotka varmistavat tiedon leviämisen keskiarvosta.
Varianssin ja keskihajonnan vertailutaulukko
| Vertailun parametrit | Varianssi | Standardipoikkeama |
|---|---|---|
| Määritelmä | Sitä voidaan käyttää monien etujen myöntämiseen salkkusijoittamisessa. | Talousosion osalta keskihajontaa hyödynnetään turvallisuuden vuoksi ja sen markkinoilla. |
| Miten se lasketaan? | Jokainen tietojoukon arvo otetaan ja neliötetään ja näiden neliöllisten arvojen keskiarvo otetaan huomioon. | Laskenta tehdään ottamalla varianssin arvon neliöjuuri. |
| Symboli | Sigma (σ) on symboli tässä. | Sigman neliö (σ2) on keskihajonnan symboli. |
| Miten ne molemmat erottuvat hyvin? | Tässä varianssia tarvitaan eniten vain matemaattisissa laskelmissa. | Kun jokin tiedoista on laskettava muuttuvasti, käytetään enimmäkseen keskihajontaa. |
| Yleinen kaava | σ2 = ∑ (x – M)2/n, missä n on data-arvojen lukumäärä, x on spesifinen arvo ja m on keskiarvo. | σ = √∑ (x – M)2/n, missä x on datan tietty arvo, n on arvojen kokonaismäärä. Tämä on helppo muistaa, koska se on vain varianssin neliö. |
Mikä on varianssi?
Varianssia luonnehditaan epäjohdonmukaisuuden osuudena, joka kertoo kuinka kauas kokoontumisesta yksilöt ovat hajallaan. Se löytää normaalin asteen, jossa jokainen havainto eroaa keskiarvosta.
Missä tahansa pisteessä, kun informaatioindeksin muutos on pieni, se osoittaa tiedon läheisyyden keskittyvän keskiarvoon, vaikkakin näkyvämpi eroarvio puhuu siitä, että havainnot ovat hajallaan numeron murskaavan keskiarvon ympärillä ja toisistaan..
Vaikka muutos on arvokas numeerisesta näkökulmasta, se ei anna sinulle mitään hyödynnettävää tietoa. Jos esimerkiksi otat esimerkiksi kuormien määrän, saatat päätyä muutokseen 9801. Tämä saattaa jättää sinut raapimaan päätäsi siitä, miksi ajattelet sen joka tapauksessa. Sopiva vastaus on, että voit hyödyntää eroa keskihajonnan selvittämiseen - huomattavasti parempi osuus kuormien levittämisestä on. Saat keskihajonnan ottamalla esimerkkimuutoksen neliöperustan: √9801 = 99.
Keskihajonta yhdessä keskiarvon kanssa mainitsee sinulle sen, mitä useimmat ihmiset mittaavat. Esimerkiksi, jos keskiarvosi on 150 kiloa ja keskihajonnan 99 kiloa, on selvää, että suurin osa yksilöistä painaa 51 kilon ja 249 kilon välillä.
Mikä on keskihajonta?
Varianssin neliöjuuri on se, mitä kutsumme tässä keskihajonnaksi ja se määritetään lajittelemalla jokaisen tietooppaan välinen vaihtelu suhteessa keskiarvoon. Kun pääpaino on paljon kauempana keskiarvosta, päivämäärän sisällä on suurempi poikkeama; jos ne ovat lähempänä keskiarvoa, poikkeama on pienempi. Joten mitä hajautetumpi lukujen kerääminen on, sitä suurempi on keskihajonta.
Keskihajonnan toteamiseksi sisällytä kaikki tietokohteet ja erottele tietokohteiden määrän mukaan.
Keskihajonta on lisäksi arvokas, kun tarkastellaan kahden erillisen tietoindeksin leviämistä, joiden keskiarvo on suunnilleen samanlainen. Tiedonkeruulla, jolla on pienempi keskihajonta, on pienempi estimaattien hajonta keskiarvon ympärillä, ja siten sillä on yleensä vastaavasti vähemmän korkeita tai huonoja ominaisuuksia.
Tietoindeksistä päämäärättömästi valitulla esineellä, jonka keskihajonna on alhainen, on parempi mahdollisuus olla lähellä keskiarvoa kuin sellaisella informaatioindeksistä, jonka keskihajonta on suurempi.
Suurimmaksi osaksi, mitä yleisemmin ominaisuudet ovat hajallaan, sitä suurempi on keskihajonna. Kuvittele esimerkiksi, että meidän on eristettävä kaksi erillistä testitulosten järjestelyä 30 aliopiskelijan luokasta, ensisijaisen kokeen arvosanat vaihtelevat 31 %:sta 98 %:iin, eri ulottuvuuksilla 82 %:sta 93:aan. Nämä ulottuvuudet huomioon ottaen keskihajonta olisi suurempi primaarisen testin seurauksille.
Tärkeimmät erot varianssin ja keskihajonnan välillä
Johtopäätös
Nämä kaksi ovat olennaisia tosiseikkoja, joilla on ratkaiseva osa eri aloilla. Keskihajonta suosii keskiarvoa, koska se välitetään samanlaisissa yksiköissä kuin estimaatit, kun taas ero välitetään annettua informaatioindeksiä suuremmissa yksiköissä.
Keskihajonta ja ero ovat kaksi erilaista numeerista ideaa, jotka liittyvät toisiinsa tiukasti. Vaihtelun odotetaan vastaavan keskihajontaa. Nämä luvut auttavat jälleenmyyjiä ja keinottelijoita päättämään yrityksen epävakaudesta ja antavat heille mahdollisuuden asettua opetettuihin vaihtovalintoihin.
