Перейти к содержимому

Как найти дисперсию ряда чисел

  • автор:

math4school.okis.ru

Статистика — наука, занимающаяся сбором, обработкой и изучением всевозможных данных, связанных с массовыми явлениями, процессами и событиями, носящими преимущественно случайный характер.

Математическая статистика — раздел прикладной математики, посвящённый математическим методам систематизации, обработки и исследования статистических данных для научных и практических целей.

Статистическое наблюдение — это спланированный, научно организованный сбор массовых данных о социально-экономических явлениях и процессах.

Случайными величинами в статистике называют такие величины, которые в ходе наблюдений или испытаний могут принимать различные значения. Можно говорить о том, что их значения зависят от случая.

На практике часто после проведения реальных испытаний составляются таблицы распределения значений случайных величин по частотам (или по относительным частотам), после чего для большей наглядности распределение данных представляют либо в виде диаграммы, либо в виде полигона частот (полигона относительных частот).

► Например, имеются результаты 20 измерений диаметра d болта (в миллиметрах с точностью до 0,1):

10,1 10,0 10,2 10,1 9,8 9,9 10,0 10,0 10,2 10,0

10,0 9,9 10,0 10,1 10,0 9,9 10,0 10,1 10,1 10,0

Представим эти данные с помощью: 1) таблицы распределения по частотам M и относительным частотам W ; 2) полигона частот.

1) Таблица частот и относительных частот
d 9,8 9,9 10,0 10,1 10,2
M 1 3 9 5 2
W = M /N 0,05 0,15 0,45 0,25 0,1

Отметим, что сумма всех значений частот (строка значений M ) равна N = 20, сумма всех значений относительных частот (строка значений W ) равна 1.

2) Полигон частот

В статистике исследуют различные совокупности данных — числовых значений случайных величин с учётом частот, с которыми они встречаются в совокупности. При этом совокупность всех данных называют генеральной совокупностью .

Самым распространённым способом статистических наблюдений является выборочное наблюдение . В процессе такого наблюдения изучается только часть генеральной совокупности. Эту часть отбирают специальным методом и называют выборкой .

В статистических исследованиях выборку называют репрезентативной , если в ней присутствуют те и только те значения случайной величины, что и в генеральной совокупности, причём частоты имеющихся в ней данных находятся практически в тех же отношениях, что и в генеральной совокупности.

Центральные тенденции

Совокупность данных иногда бывает полезно охарактеризовать (оценить) одним числом — мерой центральной тенденции числовых значений её элементов. К таким характеристикам относятся мода, медиана и среднее значение .

Мода (обозначают Mo ) — это значение случайной величины, имеющее наибольшую частоту в рассматриваемой выборке.

► Например, мода выборки 7, 6, 2, 5, 6, 1 равна 6; выборка 2, 3, 8, 2, 8, 5 имеет две моды:

Медиана (обозначают Mе ) — это число (значение случайной величины), разделяющее упорядоченную выборку на две равные по количеству данных части.

Если в упорядоченной выборке нечётное количество данных, то медиана равна серединному из них. Если в упорядоченной выборке чётное количество данных, то медиана равна среднему арифметическому двух серединных чисел.

► Например, 1) чтобы найти медиану выборки

сначала расположим элементы выборки в порядке возрастания:

Количество данных нечётно. Слева и справа от числа 4 находятся по три элемента. Значит, 4 — серединное число выборки, поэтому Mе = 4.

2) Рассмотрим уже упорядоченную выборку, состоящую из шести элементов:

Количество данных чётно, серединные данные выборки: 3 и 4, поэтому Mе = (3+4) /2 = 3,5 . ◄

Средним значением (или средним арифметическим ) выборки называется число, равное отношению суммы всех элементов выборки к их количеству.

Если рассматривается совокупность случайной величины X , то её среднее значение обозначают X .

► Например, найдём среднее значение выборки случайной величины X , если распределение значений по частотам представлено в таблице:

Меры разброса

Не каждую выборку имеет смысл оценивать с помощью центральных тенденций (моды, медианы, среднего значения).

► Например, если исследуется выборка 80, 80, 320, 4 600 годовых доходов (в тысячах рублей) четверых человек, то очевидно, что

ни медиана Mе = 200,

ни среднее значение X = 1 270

не могут выступать в роли объективной характеристики данной выборки. Это объясняется тем, что наименьшее значение выборки существенно отличается от наибольшего — разность наибольшего и наименьшего значений (4 520) соизмерима с наибольшим значением. ◄

Размах (обозначается R ) — разность между наибольшим и наименьшим значениями случайной величины выборки. Размах показывает, как велик разброс значений случайной величины в выборке.

Отклонением от среднего значения называют разность между рассматриваемым значением случайной величины и средним значением выборки.

► Например, если значение величины X1 = 52, а среднее значение X = 50, то отклонение X1 от среднего значения будет равно

Отклонение от среднего значения может быть как положительным так и отрицательным числом. Справедливо свойство отклонений от среднего значения:

сумма отклонений всех значений выборки от среднего значения равна нулю:

где n — количество элементов выборки.

Поэтому характеристикой стабильности элементов выборки может служить сумма квадратов отклонений от среднего значения или среднее арифметическое этих квадратов.

Дисперсия (обозначается D ) — это среднее арифметическое квадратов отклонений от среднего значения:$$D=\frac<(X_1-\overline)^2+(X_2-\overline)^2+. +(X_n-\overline)^2>=\frac<1>\sum_^(X_k-\overline)^2.$$

Для оценки степени отклонения от среднего значения удобно иметь дело с величиной той же размерности, что и сами элементы выборки. С этой целью используют значение корня квадратного из дисперсии \(\sqrt\).

Средним квадратичным отклонением (обозначают σ ) называют корень квадратный из дисперсии:$$\sigma =\sqrt=\sqrt<\frac<1>\sum_^(X_k-\overline)^2>.$$Дисперсию и среднее квадратичное отклонение в статистике называют так же мерами рассеивания значений случайной величины около среднего значения.

► Например, найдём среднее квадратичное отклонение значений выборки:

1) Находим среднее значение выборки:

2) Вычисляем отклонения от среднего значения:

3) Определяем сумму квадратов отклонений:

4) Находим дисперсию:

5) Вычисляем среднее квадратичное отклонение:

Теорема о средних

Кроме среднего арифметического значения$$\overline=\frac

X_i\in R$$выборки X1 , X2 , . , Xn в некоторых специальных случаях используют и другие средние величины. Вот некоторые из них:

Среднее геометрическое (обозначим G ):$$G=\sqrt[n]

Среднее квадратическое (квадратичное) (обозначим Q ):$$Q=\sqrt<\frac

Теорема о средних . Любые положительные числа X1 , X2 , . , Xn удовлетворяют неравенствам: $$\min \left \

, X_n \right \>\leq H\leq G\leq \overline\leq Q\leq\max \left \

, X_n \right \>,$$ причём если среди этих чисел найдутся хотя бы два различных, то все неравенства строгие .

Как найти дисперсию?

Дисперсия — это мера разброса значений случайной величины $X$ относительно ее математического ожидания $M(X)$ (см. как найти математическое ожидание случайной величины). Дисперсия показывает, насколько в среднем значения сосредоточены, сгруппированы около $M(X)$: если дисперсия маленькая — значения сравнительно близки друг к другу, если большая — далеки друг от друга (см. примеры нахождения дисперсии ниже).

Если случайная величина описывает физические объекты с некоторой размерностью (метры, секунды, килограммы и т.п.), то дисперсия будет выражаться в квадратных единицах (метры в квадрате, секунды в квадрате и т.п.). Ясно, что это не совсем удобно для анализа, поэтому часто вычисляют также корень из дисперсии — среднеквадратическое отклонение $\sigma(X)=\sqrt$, которое имеет ту же размерность, что и исходная величина и также описывает разброс.

Еще одно формальное определение дисперсии звучит так: «Дисперсия — это второй центральный момент случайной величины» (напомним, что первый начальный момент — это как раз математическое ожидание).

Формула дисперсии случайной величины

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: $$ D(X)=M(X^2)-(M(X))^2. $$

Эта универсальная формула для дисперсии может быть расписана более подробно для двух случаев.
Если мы имеем дело с дискретной случайной величиной (которая задана перечнем значений $x_i$ и соответствующих вероятностей $p_i$), то формула принимает вид: $$ D(X)=\sum_^-\left(\sum_^ \right)^2. $$ Если же речь идет о непрерывной случайной величине (заданной плотностью вероятностей $f(x)$ в общем случае), формула дисперсии Х выглядит следующим образом: $$ D(X)=\int_<-\infty>^ <+\infty>f(x) \cdot x^2 dx — \left( \int_<-\infty>^ <+\infty>f(x) \cdot x dx \right)^2. $$

Пример нахождения дисперсии

Рассмотрим простые примеры, показывающие как найти дисперсию по формулам, введеным выше.

Пример 1. Вычислить и сравнить дисперсию двух законов распределения: $$ x_i \quad 1 \quad 2 \\ p_i \quad 0.5 \quad 0.5 $$ и $$ y_i \quad -10 \quad 10 \\ p_i \quad 0.5 \quad 0.5 $$

Для убедительности и наглядности расчетов мы взяли простые распределения с двумя значениями и одинаковыми вероятностями. Но в первом случае значения случайной величины расположены рядом (1 и 2), а во втором — дальше друг от друга (-10 и 10). А теперь посмотрим, насколько различаются дисперсии: $$ D(X)=\sum_^-\left(\sum_^ \right)^2 =\\ = 1^2\cdot 0.5 + 2^2 \cdot 0.5 — (1\cdot 0.5 + 2\cdot 0.5)^2=2.5-1.5^2=0.25. $$ $$ D(Y)=\sum_^-\left(\sum_^ \right)^2 =\\ = (-10)^2\cdot 0.5 + 10^2 \cdot 0.5 — (-10\cdot 0.5 + 10\cdot 0.5)^2=100-0^2=100. $$ Итак, значения случайных величин различались на 1 и 20 единиц, тогда как дисперсия показывает меру разброса в 0.25 и 100. Если перейти к среднеквадратическому отклонению, получим $\sigma(X)=0.5$, $\sigma(Y)=10$, то есть вполне ожидаемые величины: в первом случае значения отстоят в обе стороны на 0.5 от среднего 1.5, а во втором — на 10 единиц от среднего 0.

Ясно, что для более сложных распределений, где число значений больше и вероятности не одинаковы, картина будет более сложной, прямой зависимости от значений уже не будет (но будет как раз оценка разброса).

Пример 2. Найти дисперсию случайной величины Х, заданной дискретным рядом распределения: $$ x_i \quad -1 \quad 2 \quad 5 \quad 10 \quad 20 \\ p_i \quad 0.1 \quad 0.2 \quad 0.3 \quad 0.3 \quad 0.1 $$

Снова используем формулу для дисперсии дискретной случайной величины: $$ D(X)=M(X^2)-(M(X))^2. $$ В случае, когда значений много, удобно разбить вычисления по шагам. Сначала найдем математическое ожидание: $$ M(X)=\sum_^ =-1\cdot 0.1 + 2 \cdot 0.2 +5\cdot 0.3 +10\cdot 0.3+20\cdot 0.1=6.8. $$ Потом математическое ожидание квадрата случайной величины: $$ M(X^2)=\sum_^ = (-1)^2\cdot 0.1 + 2^2 \cdot 0.2 +5^2\cdot 0.3 +10^2\cdot 0.3+20^2\cdot 0.1=78.4. $$ А потом подставим все в формулу для дисперсии: $$ D(X)=M(X^2)-(M(X))^2=78.4-6.8^2=32.16. $$ Дисперсия равна 32.16 квадратных единиц.

Пример 3. Найти дисперсию по заданному непрерывному закону распределения случайной величины Х, заданному плотностью $f(x)=x/18$ при $x \in(0,6)$ и $f(x)=0$ в остальных точках.

Используем для расчета формулу дисперсии непрерывной случайной величины: $$ D(X)=\int_<-\infty>^ <+\infty>f(x) \cdot x^2 dx — \left( \int_<-\infty>^ <+\infty>f(x) \cdot x dx \right)^2. $$ Вычислим сначала математическое ожидание: $$ M(X)=\int_<-\infty>^ <+\infty>f(x) \cdot x dx = \int_<0>^ <6>\frac <18>\cdot x dx = \int_<0>^ <6>\frac <18>dx = \left.\frac <54>\right|_0^6=\frac<6^3> <54>= 4. $$ Теперь вычислим $$ M(X^2)=\int_<-\infty>^ <+\infty>f(x) \cdot x^2 dx = \int_<0>^ <6>\frac <18>\cdot x^2 dx = \int_<0>^ <6>\frac <18>dx = \left.\frac <72>\right|_0^6=\frac<6^4> <72>= 18. $$ Подставляем: $$ D(X)=M(X^2)-(M(X))^2=18-4^2=2. $$ Дисперсия равна 2.

Вычисление дисперсии онлайн

Как найти дисперсию онлайн для дискретной случайной величины? Используйте калькулятор ниже.

  • Введите число значений случайной величины К.
  • Появится форма ввода для значений $x_i$ и соответствующих вероятностей $p_i$ (десятичные дроби вводятся с разделителем точкой, например: -10.3 или 0.5). Введите нужные значения (проверьте, что сумма вероятностей равна 1, то есть закон распределения корректный).
  • Нажмите на кнопку «Вычислить».
  • Калькулятор покажет вычисленное математическое ожидание $M(X)$ и затем искомое значение дисперсии $D(X)$.

Видео. Полезные ссылки

Видеоролики: что такое дисперсия и как найти дисперсию

Если вам нужно более подробное объяснение того, что такое дисперсия, как она вычисляется и какими свойствами обладает, рекомендую два видео (для дискретной и непрерывной случайной величины соответственно).

Полезные ссылки

Что еще может пригодиться? Например, для изучения основ теории вероятностей — онлайн учебник по ТВ. Для закрепления материала — еще примеры решений задач по теории вероятностей.

А если у вас есть задачи, которые надо срочно сделать, а времени нет? Можете поискать готовые решения в решебнике или заказать в МатБюро:

Распишите, пожалуйста, по пунктам, что нужно сделать для того, чтобы найти дисперсию любого ряда чисел. 7 класс.

Дисперсией числового ряда называется среднее арифметическое квадратов отклонений от среднего арифметического.
Пусть есть некий ряд (значения некоторой случайной величины — скажем, рост учеников в классе): 145, 155, 130, 126, 134.

1) находим среднее арифметическое: (145 + 155 + 130 + 126 + 134) / 5 = 138
2) находим среднее арифметическое квадратов отклонений:

Дисперсия характеризует разброс — чем больше дисперсия, тем сильнее «разбросан» (варьируется) признак относительно центрального значения.

Как найти дисперсию ряда чисел

Отправьте нам свой отзыв / предложение

Для получения дополнительной помощи, пожалуйста Связаться с нами

Обнаружен блокировщик рекламы

ad

Поскольку мы изо всех сил пытались сделать для вас онлайн-расчеты, мы обращаемся к вам с просьбой предоставить нам разрешение, отключив Adblocker для этого домена.

Or

Disable your Adblocker and refresh your web page 😊

ДОБАВИТЬ ЭТОТ КАЛЬКУЛЯТОР НА ВАШ ВЕБ-САЙТ:

Добавьте калькулятор дисперсии на свой веб-сайт, чтобы упростить использование этого калькулятора напрямую. Создайте учетную запись для этого виджета без проблем, поскольку он на 100% бесплатный, простой в использовании и вы можете добавить его на несколько онлайн-платформ.

Загрузите приложение «Калькулятор дисперсии» для мобильного телефона, чтобы вы могли рассчитать свои значения в своих руках.

app

Онлайн-калькулятор дисперсии поможет вам определить дисперсию, сумму квадратов и коэффициент дисперсии для определенного набора данных. Кроме того, этот калькулятор также отображает среднее значение и стандартное отклонение путем пошагового расчет дисперсии онлайн. Прочтите, чтобы узнать, как найти дисперсию онлайн и стандартное отклонение, используя формулу выборочной дисперсии.

Что такое дисперсия?

Дисперсия группы или набора чисел – это число, которое представляет «разброс» набора. Формально это квадрат отклонения набора от среднего и квадрат стандартного отклонения.

Другими словами, небольшая дисперсия означает, что точки данных имеют тенденцию быть близкими к среднему и очень близко друг к другу. Высокая дисперсия указывает на то, что точки данных далеки от среднего значения и друг от друга. Дисперсия – это среднее значение квадрата расстояния от каждой точки до среднего.

Типы дисперсии:

Вариация выборки: дисперсия выборки не охватывает всю возможную выборку (случайная выборка людей).

Дисперсия населения: дисперсия, которая измеряется для всего населения (например, всех людей).

Однако онлайн-калькулятор стандартного отклонения позволяет определить стандартное отклонение (σ) и другие статистические измерения данного набора данных.

Формулы отклонения:

Формула дисперсии совокупности

дисперсия формула (совокупности):

Дисперсия (обозначается как σ2) выражается как среднеквадратическое отклонение от среднего для всех точек данных. Мы пишем:

$$ σ2 = ∑ (xi – μ) ^ 2 / N $$

  • σ2 – дисперсия;
  • μ – среднеквадратическое значение; а также
  • xᵢ представляет i-ю точку данных среди N общих точек данных.

Вы можете рассчитать его с помощью калькулятора дисперсии генеральной совокупности, в противном случае есть три шага для оценки дисперсии:

  • Чтобы найти разницу между средним значением точки, используйте формулу: xi – μ
  • Теперь возьмите в квадрат разницу между средним значением каждой точки: (xi – μ) ^ 2
  • Затем найдите среднее квадратическое отклонение от среднего: ∑ (xi – μ) ^ 2 / N.

Это дисперсия формула совокупности.

Пример формулы отклонения

Уравнение выборки дисперсии имеет следующий вид:

s2 = ∑ (xi – x̄) 2 / (N – 1)

s2 – оценка дисперсии;

x – выборочное среднее; а также

xi – i-я точка данных среди N общих точек данных.

Как рассчитать дисперсию?

Чтобы найти среднее значение данного набора данных. Подставьте все значения и разделите на размер выборки n.

ni = 1x дюйм x = ∑ i = 1 nx дюйм

Теперь найдите среднюю разницу значений данных, вам нужно вычесть среднее значение данных и возвести результат в квадрат.

Затем вычислите квадратичные разности и сумму квадратов всех квадратичных разностей.

S = ∑ I = 1n (xi – x) ^ 2

Итак, найдите дисперсию, дисперсия формула генеральной совокупности:

Дисперсия = σ ^ 2 = Σ (xi – μ) ^ 2

Уравнение дисперсии набора данных выборки:

Дисперсия = s ^ 2 = Σ (xi – x) ^

Эти формулы запоминать не нужно. Чтобы вам было удобно, наш примерный калькулятор дисперсии выполняет все расчет дисперсии онлайн, связанные с дисперсией, автоматически, используя их.

Тем не менее, Калькулятор диапазона среднего среднего значения режима поможет вам рассчитать средний средний режим и диапазон для введенного набора данных.

Пример расчета

Давайте посчитаем дисперсию оценок пяти студентов на экзамене: 50, 75, 89, 93, 93. Выполните следующие действия:

  • Найдите среднее

Чтобы найти среднее значение (x), разделите сумму всех этих значений на количество точек данных:

х = (50 + 75 + 89 + 93 + 93) / 5

  • Вычислите разницу между средним значением и квадратом отличий от среднего. Следовательно, среднее значение равно 80, мы используем формулу для вычисления разницы от среднего:

Первая точка – 50, поэтому разница от среднего составляет 50 – 80 = -30.

Квадрат отклонения от среднего – это квадрат предыдущего шага:

Итак, квадрат отклонения равен:

(50 – 80) 2 = (-30) 2 = 900

В приведенной ниже таблице квадрат отклонения рассчитан на основе среднего значения всех результатов испытаний. Столбец «Среднее отклонение» – это результат минус 30, а столбец «Стандартное отклонение» – это столбец перед квадратом.

  • Рассчитайте стандартное отклонение и дисперсию

Затем используйте квадраты отклонений от среднего:

σ2 = ∑ (xi – x̄) 2 / N

σ2 = (900 + 25 + 81 + 169 + 169) / 5

дисперсия случайной величины онлайн результатов экзамена составила 268,8.

Как работает калькулятор дисперсии?

Онлайн-калькулятор дисперсии совокупности вычисляет дисперсию для заданных наборов данных. Вы можете просмотреть работу, проделанную для расчет дисперсии онлайн из набора данных, следуя этим инструкциям:

Вход:

  • Сначала введите значения набора данных через запятую.
  • Затем выберите дисперсию для выборки или совокупности.
  • Нажмите кнопку «Рассчитать», чтобы получить результаты.

Выход:

  • Калькулятор дисперсии выборки отображает дисперсию, стандартное отклонение, количество, сумму, среднее значение, коэффициент дисперсии и сумму квадратов.
  • Этот калькулятор также обеспечивает пошаговые вычисления дисперсии, коэффициента дисперсии и стандартного отклонения.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ:

В чем разница между стандартным отклонением и дисперсией?

Дисперсия – это квадрат отклонения от среднего, а стандартное отклонение – это квадратный корень из числа. Оба показателя отражают изменчивость распределения, но их единицы разные: стандартное отклонение определяется в той же единице, что и исходное значение (например, минуты или метры).

Значение высокой дисперсии – это плохо или хорошо?

Низкая дисперсия связана с меньшим риском и более низкой доходностью. Акции с высокой дисперсией обычно выгодны для агрессивных инвесторов с меньшим неприятием риска, в то время как акции с низкой дисперсией обычно выгодны для консервативных инвесторов с более низкой толерантностью к риску.

Каков диапазон отклонений?

Диапазон – это разница между высоким и низким значением. Поскольку используются только крайние значения, потому что эти значения будут сильно на него влиять. Чтобы найти диапазон отклонения, возьмите максимальное значение и вычтите минимальное значение.

Заключение:

Воспользуйтесь этим онлайн-калькулятором дисперсии, который работает как с выборкой, так и с наборами данных о генеральной совокупности, используя формулу генеральной и выборочной дисперсии. Это лучший образовательный калькулятор, который расскажет вам, как рассчитать дисперсию заданных наборов данных за доли секунды.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *