Diszperzió / diszperzió mértéke: meghatározás

0 Comments
Megosztás

statisztikai meghatározások > diszperzió

mi a diszperzió?

diszperzió statisztika egy módja annak, hogy leírja, hogyan terjedt el egy sor adat. Ha egy adatkészletnek nagy értéke van, a készlet értékei széles körben szétszóródnak; ha kicsi, a készletben lévő elemek szorosan csoportosulnak., Nagyon alapvetően ez az adatkészlet kis értékkel rendelkezik:
1, 2, 2, 3, 3, 4
… Ez a készlet szélesebb:
0, 1, 20, 30, 40, 100

az adathalmaz elterjedését leíró statisztikák sora írja le, beleértve a varianciát, a szórást és az interkvartilis tartományt. A szórás grafikonokon is megjeleníthető: a dot-parcellák, a boxplotok, valamint a szár-és leveles parcellák nagyobb távolsággal rendelkeznek a nagyobb szórású mintákkal, és fordítva.

minél nagyobb a doboz, annál nagyobb a diszperzió egy adatkészletben., Kép: Seton Hall University

diszperziós intézkedések.

  • diszperziós együttható: a” catch-all ” kifejezés a különböző képletek, beleértve a távolság quartiles.
  • szórás: valószínűleg a leggyakoribb intézkedés. Megmutatja, hogy a számok eloszlása a diszperzió átlagos,
  • indexéből származik: a névleges változókkal általánosan használt diszperzió mértéke.
  • Interquartile range (IQR): leírja, hogy az adatok nagy része hol fekszik (a “középső ötven” százalék).,
  • Interdecile tartomány: az első decile (10%) és az utolsó decile (90%) közötti különbség.
  • tartomány: a különbség a legkisebb és a legnagyobb szám között egy adatkészletben.
  • átlagos különbség vagy különbség az eszközökben: a klinikai vizsgálatok során két különböző csoportban méri a középérték abszolút különbségét.
  • medián abszolút eltérés( MAD): az abszolút eltérések medián értéke az adathalmaz medián értékétől.
  • Quartiles: Numbers that split the data into four quartiles (first, second, third, and fourth quartiles).,

egyes folyamatokban, mint például a gyártás vagy a mérés, az alacsony diszperzió nagy pontossággal társul. A nagy diszperzió alacsony pontossággal társul.

diszperziós intézkedések: példa

tegyük fel, hogy felkérték Önt, hogy hasonlítsa össze a diszperziós méréseket két adatkészlethez. Az A adathalmaz 97,98,99,100,101,102,103, A B adathalmaz pedig 70,80,90,100,110,120,130 tételekkel rendelkezik. Az adathalmazokat vizsgálva valószínűleg azt lehet mondani, hogy az eszközök és a medikusok ugyanazok (100), amelyeket technikailag “központi tendenciának” neveznek a statisztikákban.,

azonban a tartomány (amely képet ad arról, hogy a teljes adatkészlet hogyan oszlik el) sokkal nagyobb a B (60) adatkészlet esetében, mint az a (6) adatkészlet. Valójában szinte minden diszperziós intézkedés tízszer nagyobb lenne a B adatkészletnél, ami értelme, mivel a tartomány tízszer nagyobb. Vessen egy pillantást például a két adatkészlet szórására:
Standard deviáció A: 2.160246899469287.
Standard deviáció B: 21.602468994692867.
A B adathalmaz értéke pontosan tízszerese az A-nak.,

figyelmeztetés: számológép (vagy képlet) használatakor ellenőrizze, hogy az adatok megfelelő beállítását (vagy képletét) használja-e. Számos diszperziós intézkedés (mint például a variancia) két különböző képlettel rendelkezik, az egyik egy populációra, a másik pedig egy mintára. Ha nem biztos benne, hogy van-e minta vagy népesség, olvassa el ezeket a cikkeket:
Mi a népesség a statisztikákban?
minta a statisztikákban: mi az, hogyan lehet megtalálni.


nézze meg statisztikáinkat YouTube csatorna., Több száz alapvető videók egy sor elemi statisztikai témák.

——————————————————————————

segítségre van szüksége egy házi feladathoz vagy tesztkérdéshez? A Chegg tanulmány segítségével lépésről-lépésre megoldásokat kaphat kérdéseire a terület szakértőjétől. Az első 30 perc egy Chegg oktatóval ingyenes!


Vélemény, hozzászólás?

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöltük