Kalkulator odchylenia standardowego

Kalkulator odchylenia standardowego

Odchylenie standardowe mówi, jak bardzo wartości rozrzucone są wokół średniej. Mała wartość oznacza dane skupione, duża — mocno zróżnicowane.

Próba czy populacja?

Podział przez n−1 (korekta Bessela) daje nieobciążony estymator dla próbki — dlatego dla większości pomiarów używa się wariantu próbkowego.

Przykład

Dla danych 2, 4, 4, 4, 5, 5, 7, 9 średnia wynosi 5, a odchylenie próbkowe około 2,14.

Zastosowania

• Kontrola jakości i odchylenia w produkcji.
• Analiza ryzyka inwestycyjnego (zmienność).
• Interpretacja wyników badań i testów.

Jak działa kalkulator odchylenia standardowego

Kalkulator odchylenia standardowego działa na liście liczb. Najpierw wyznacza średnią arytmetyczną, czyli sumę wszystkich wartości podzieloną przez ich liczbę. Następnie dla każdej wartości oblicza różnicę między nią a średnią. Te różnice nazywane są odchyleniami. Dodatnie i ujemne odchylenia znosiłyby się przy zwykłym sumowaniu, dlatego każdą różnicę podnosi się do kwadratu. Kwadraty są zawsze nieujemne, więc suma kwadratów odchyleń pokazuje łączną wielkość rozrzutu. Jeżeli wszystkie wartości są jednakowe, każde odchylenie wynosi zero, suma kwadratów również, a odchylenie standardowe jest równe zero.

Kolejny krok to podzielenie sumy kwadratów przez odpowiedni dzielnik. W wariancie populacyjnym dzielnikiem jest liczba wszystkich obserwacji n. W wariancie próbkowym używa się n - 1. Wynik tego dzielenia to wariancja, czyli miara rozrzutu wyrażona w jednostkach podniesionych do kwadratu. Aby wrócić do jednostki danych, kalkulator pierwiastkuje wariancję. Otrzymana liczba to odchylenie standardowe. Dopiero pierwiastek przywraca wynik do skali danych, dlatego odchylenie standardowe jest zwykle podawane obok średniej.

Dla próby wzór można zapisać jako pierwiastek z ilorazu: suma kwadratów odchyleń od średniej podzielona przez n - 1. Dla populacji dzielnikiem jest n. Kalkulator nie zmienia danych ani nie dopasowuje ich do modelu. Wykonuje dokładnie te działania na wpisanych liczbach. Dlatego wynik zależy od kompletności listy, poprawności jednostek i tego, czy wybrano właściwy wariant: próbkowy czy populacyjny. Warto pamiętać, że ten sam zestaw liczb da inne odchylenie w wariancie próbkowym i populacyjnym, jeśli tylko różnią się dzielniki.

Przykład krok po kroku

1. Dane: 2, 4, 4, 4, 5, 5, 7, 9. Liczba obserwacji n = 8. Średnia wynosi (2 + 4 + 4 + 4 + 5 + 5 + 7 + 9) / 8 = 40 / 8 = 5.
2. Odchylenia od średniej: 2 - 5 = -3; 4 - 5 = -1; 4 - 5 = -1; 4 - 5 = -1; 5 - 5 = 0; 5 - 5 = 0; 7 - 5 = 2; 9 - 5 = 4.
3. Kwadraty odchyleń: 9, 1, 1, 1, 0, 0, 4, 16. Ich suma to 32.
4. Wariant populacyjny: dzielimy 32 przez n = 8, otrzymujemy wariancję 4. Pierwiastek z 4 to 2, więc odchylenie populacyjne wynosi 2. Wariancja populacyjna wynosi 4, ale jest wyrażona w jednostkach kwadratowych; pierwiastek daje 2 w jednostce danych.
5. Wariant próbkowy: dzielimy 32 przez n - 1 = 7. Wariancja wynosi 32 / 7 około 4,5714. Pierwiastek z tej wartości to około 2,1381, czyli po zaokrągleniu 2,14. Wariancja próbkowa jest większa niż populacyjna, ponieważ dzielimy przez 7, a nie przez 8.
6. Interpretacja: przeciętne odchylenie od średniej w wariancie próbkowym wynosi około 2,14, a w populacyjnym dokładnie 2. Różnica wynika wyłącznie z dzielnika użytego w obliczeniach. W obu przypadkach średnia pozostaje taka sama.

Rozkład odchyleń dla przykładowych danych

Praktyczne wskazówki

• Ustal jednostkę przed obliczeniami. Odchylenie standardowe ma tę samą jednostkę co dane. Jeśli mieszasz metry i centymetry albo złote i tysiące złotych, wynik będzie nieczytelny, nawet jeśli same obliczenia będą poprawne. Przed wpisaniem danych przelicz wartości do jednej skali.
• Sprawdź wartości skrajne. Pojedynczy wynik odstający może mocno zwiększyć sumę kwadratów odchyleń. Przed interpretacją warto ustalić, czy skrajna wartość jest błędem zapisu, czy realną obserwacją. Warto porównać wynik z i bez podejrzanej wartości, aby zobaczyć jej wpływ.
• Wybierz wariant zgodny z danymi. Gdy liczysz dla całej znanej zbiorowości, użyj dzielnika n. Gdy dane są próbką większej populacji, użyj n - 1. Konsekwentny wybór jest ważniejszy niż samo zaokrąglenie. Nie mieszaj wariantów w jednym zestawieniu, bo wyniki nie będą porównywalne.
• Nie porównuj odchyleń bez kontekstu średniej. Ta sama wartość odchylenia może oznaczać duży rozrzut przy małej średniej i niewielki przy dużej. Zawsze podawaj obie miary razem. Odchylenie standardowe nie mówi, czy różnica między grupami jest istotna statystycznie.
• Zaokrąglaj na końcu. Jeśli zaokrąglisz średnią lub kwadraty odchyleń zbyt wcześnie, końcowy wynik może się różnić. W kalkulatorze wpisz pełne dane, a wynik zaokrąglij dopiero do prezentacji. Zapisz, czy użyto wariantu próbkowego, czy populacyjnego, aby wynik był odtwarzalny.

Ograniczenia i źródła błędów

• Nie ocenia rozkładu danych. Odchylenie standardowe opisuje rozrzut, ale nie mówi, czy dane mają rozkład symetryczny, czy skośny. Do wnioskowania o rozkładzie potrzebna jest dodatkowa analiza. Nie rozstrzyga też, czy średnia dobrze opisuje typową wartość.
• Nie wykrywa błędów wejściowych. Kalkulator przyjmie każdą liczbę, także wpisaną przez pomyłkę. Jeśli w zestawie znajdzie się błędna wartość, wynik może być zawyżony lub zaniżony. Nie sprawdza również, czy liczba obserwacji jest wystarczająca do wnioskowania.
• Nie obsługuje wag ani grup. Przy danych ważonych lub przedziałowych zwykłe odchylenie standardowe nie oddaje struktury zbioru. Trzeba użyć metod dla danych zagregowanych. Dla danych zagregowanych potrzebna jest znajomość liczebności i środków przedziałów.
• Jest wrażliwe na wartości odstające. Kwadratowanie odchyleń powoduje, że obserwacje dalekie od średniej mają duży wpływ na wynik. Jedna skrajna wartość może zmienić interpretację całego zestawu. W małych zestawach pojedyncza skrajna obserwacja może zmienić wynik w sposób trudny do przewidzenia.

Najczęstsze pytania