"Алгебра", Колягин Ю.М., Ткачёва М.В., Фёдорова Н.Е. и др.
Иногда простого знания среднего значения недостаточно для понимания, насколько разнообразны данные. Например, средний рост класса может быть 165 см, но это не скажет нам, насколько ученики отличаются по росту друг от друга. Для этого используются *меры разброса* – показатели, которые описывают, насколько значения в выборке отличаются от среднего арифметического. В этом параграфе мы познакомимся с основными мерами разброса: размахом, дисперсией, средним квадратичным отклонением и коэффициентом вариации, и научимся их вычислять и интерпретировать.
Текст подготовлен нейронной сетью по теме параграфа и не заменяет учебник — важные факты и формулировки сверяйте с ним.
Размах выборки – это простейшая мера изменчивости, которая показывает разницу между самым большим и самым маленьким значением в наборе данных. Она характеризует общий диапазон значений, но не учитывает, как данные распределены внутри этого диапазона. Чем больше размах, тем больше разброс значений.
Дисперсия выборки – это мера, показывающая средний квадрат отклонений каждого значения выборки от их среднего арифметического. Использование квадрата отклонений позволяет избежать взаимного уничтожения положительных и отрицательных отклонений, что дало бы в сумме ноль. Дисперсия характеризует степень рассеяния значений относительно среднего.
Среднее квадратичное отклонение (стандартное отклонение) – это квадратный корень из дисперсии. Эта мера показывает, насколько в среднем значения выборки отклоняются от их среднего арифметического, но уже в тех же единицах измерения, что и сами данные, что делает её более интерпретируемой, чем дисперсия.
Коэффициент вариации – это относительная мера изменчивости, выраженная в процентах. Он рассчитывается как отношение стандартного отклонения к среднему арифметическому, умноженное на 100%. Коэффициент вариации позволяет сравнивать разброс данных в разных выборках, имеющих разный масштаб измерений.
Просто знать среднее арифметическое недостаточно, потому что оно не дает представления о том, насколько значения в выборке отличаются друг от друга. Например, две выборки могут иметь одинаковое среднее значение, но разная степень изменчивости. Меры разброса предоставляют информацию об этой изменчивости, позволяя сделать более полное представление о данных.
Размах – простейшая мера, легко вычисляется, но очень чувствителен к крайним значениям (выбросам). Если в выборке есть аномально большое или маленькое значение, размах будет сильно искажен. Поэтому размах подходит для предварительного анализа, но не для точной оценки разброса.
Дисперсия использует квадрат отклонений, чтобы избежать их взаимокомпенсации. Если бы мы использовали просто отклонения, то сумма положительных и отрицательных отклонений от среднего всегда была бы равна нулю, и мы бы не получили никакой информации о разбросе. Квадрат отклонений делает все отклонения положительными, и их сумма отражает общую величину разброса.
Среднее квадратичное отклонение является квадратным корнем из дисперсии. Это позволяет связать дисперсию, которая выражена в квадратных единицах, с исходными данными, которые измеряются в обычных единицах. Это делает среднее квадратичное отклонение более понятной и интерпретируемой мерой разброса.
Коэффициент вариации необходим, когда нужно сравнить разброс в разных выборках, имеющих разный масштаб. Например, нельзя напрямую сравнить разброс в росте (измеряется в сантиметрах) и весе (измеряется в килограммах). Коэффициент вариации приводит разброс к относительной величине, выраженной в процентах, что позволяет сравнивать разброс в разных выборках, независимо от масштаба.
| Мера разброса | Формула | Характеристика |
|---|---|---|
| Размах | R = max(x) - min(x) | Простейшая мера, чувствительна к крайним значениям |
| Дисперсия | σ² = (1/n) * Σ(xi - x̄)² | Показывает средний квадрат отклонений от среднего |
| Среднее квадратичное отклонение | σ = √(σ²) | Показывает среднее отклонение от среднего в тех же единицах, что и данные |
| Коэффициент вариации | V = (σ / x̄) * 100% | Относительная мера разброса, удобна для сравнения разных выборок |
Эта таблица обобщает информацию о каждой мере разброса, демонстрируя их формулы и характеристики. Она поможет быстро вспомнить, какую меру разброса использовать в конкретной ситуации.
Задача 1: Даны данные о росте 5 учеников (в см): 160, 165, 170, 175, 180. Найдите размах, дисперсию, среднее квадратичное отклонение и коэффициент вариации.
Ответ: Размах – 20 см, дисперсия – 50 см², среднее квадратичное отклонение – 7.07 см, коэффициент вариации – 4.16%.
Задача 2: Даны два набора данных: A: 2, 4, 6, 8, 10 и B: 102, 104, 106, 108, 110. Найдите среднее квадратичное отклонение для каждого набора. Сравните результаты. Какой вывод можно сделать?
Среднее квадратичное отклонение для набора A равно 2.83. Для набора B – тоже 2.83. Вывод: несмотря на то, что абсолютные значения разброса в наборах сильно отличаются, относительная изменчивость (коэффициент вариации) одинакова.
Задача 3: В двух классах провели тестирование по математике. Средний балл в первом классе – 4,5, стандартное отклонение – 0,8. Средний балл во втором классе – 6,0, стандартное отклонение – 1,2. В каком классе результаты более однородны?
Рассчитаем коэффициенты вариации: для первого класса V₁ = (0,8 / 4,5) * 100% ≈ 17.8%, для второго класса V₂ = (1,2 / 6,0) * 100% = 20%. В первом классе коэффициент вариации меньше, следовательно, результаты в нём более однородны.
Использование обычного отклонения (без квадрата) при вычислении дисперсии. Многие ученики забывают возвести отклонения в квадрат, что приводит к неверному результату. Важно помнить, что дисперсия – это среднее *квадратичное* отклонение.
Неправильное применение формулы для вычисления дисперсии выборки (путаница с генеральной совокупностью). Часто учащиеся используют формулу для генеральной совокупности вместо формулы для выборки, что даёт неточную оценку разброса данных.
Неверная интерпретация коэффициента вариации: путаница с процентом отклонения от среднего. Коэффициент вариации измеряет разброс относительно среднего, а не абсолютное отклонение от среднего.
Сравнение выборок с разными масштабами без использования относительных мер разброса. Нельзя сравнивать размах в сантиметрах и размах в килограммах – это некорректно. Для сравнения таких данных необходимо использовать коэффициент вариации.
Для понимания мер разброса необходимы знания о средних величинах, таких как среднее арифметическое, медиана и мода. Эти меры описывают центр данных, а меры разброса – их изменчивость.
Меры разброса широко используются в статистическом анализе и теории вероятностей. Они позволяют оценивать точность статистических оценок и строить доверительные интервалы.
Понимание мер разброса необходимо при анализе данных в различных областях, таких как экономика, биология, социология и т.д. Эти инструменты помогают извлекать ценную информацию из данных и принимать обоснованные решения.
Что лучше использовать – дисперсию или среднее квадратичное отклонение?
Среднее квадратичное отклонение (стандартное отклонение) предпочтительнее, так как оно выражено в тех же единицах измерения, что и исходные данные, и поэтому легче интерпретируется. Дисперсия представляет собой квадрат отклонений, что усложняет её прямое восприятие.
Зачем нужно возводить отклонения в квадрат при вычислении дисперсии?
Возведение в квадрат необходимо для того, чтобы избежать взаимного уничтожения положительных и отрицательных отклонений от среднего. Если бы мы просто суммировали отклонения, то они в большинстве случаев давали бы нуль, что не отражало бы реальную степень изменчивости данных.
Как интерпретировать коэффициент вариации?
Коэффициент вариации выражает стандартное отклонение в процентах от среднего арифметического. Он показывает относительную степень изменчивости данных. Чем выше коэффициент вариации, тем больше разброс данных относительно их среднего значения.
В каких случаях можно использовать размах, а в каких – нет?
Размах полезен для быстрого, приблизительного представления о разбросе данных, особенно когда выборка небольшая. Однако он очень чувствителен к выбросам (крайним значениям) и не даёт полного представления о распределении данных, поэтому для более точного анализа предпочтительнее использовать дисперсию или среднее квадратичное отклонение.
Чем отличаются меры разброса для выборки и для генеральной совокупности?
Формулы для вычисления дисперсии и стандартного отклонения немного отличаются для выборки и для генеральной совокупности. В формулах для выборки обычно используется (n-1) в знаменателе вместо n, что является поправкой, уменьшающей систематическую ошибку оценки.
§ 25. Меры разброса
