حاسبة الانحراف المعياري
احسب الانحراف المعياري والتباين والمتوسط وغيرها لأي مجموعة بيانات. يدعم حسابات المجتمع والعينة. حل مجاني خطوة بخطوة.
ما هو الانحراف المعياري وماذا يهمه؟
يتحكم الانحراف المعياري في مدى تشتت البيانات حول المتوسط (الوسط). يُشير الانحراف المعياري الصغير إلى أن القيم تتركز حول المتوسط بشكل وثيق، بينما يُشير الانحراف المعياري الكبير إلى أن القيم متشتتة.
يمكن أن يكون لديهما متوسطاً نفسياً ولكن توزيعاً مختلفاً تماماً - يُظهر الانحراف المعياري هذا التباين:
- مجموعة البيانات A: {9، 10، 10، 11، 10} - متوسط = 10، SD ≈ 0.63 (تجمع وثيق)
- مجموعة البيانات B: {2، 5، 10، 15، 18} - متوسط = 10، SD ≈ 5.83 (متشتت)
لديهما متوسطاً 10، ولكن مجموعة البيانات B تقريباً 10 مرات أكثر تبايناً. يُظهر الانحراف المعياري هذا التباين.
يتعرف الانحراف المعياري على σ (سيغما) لجماعة السكان و s لمعلم نمونه. هو الجذر التربيعي للتباين، ويشير إلى نفس الوحدات الأصلية للبيانات - مما يجعلها أكثر تفسيراً من التباين وحده.
يتوسع تطبيقه إلى جميع المجالات تقريباً: kontrol الجودة (هل تكون الأجزاء المصنعة داخل التسامح؟)، المالية (خطر الاستثمار = volatility العائد)، الطب (هل قراءة المريض داخل 2 SD من الطبيعي؟)، التعليم (كيف توزع نتائج الاختبار؟)، التحليل الرياضي (كم هو ثبات أداء اللاعب؟).
الانحراف المعياري للجماعة والمنهج
الاختيار الأهم عند حساب الانحراف المعياري هو ما إذا كنت تعمل مع جماعة (جميع النقاط البيانية) أو منهج (مجموعة فرعية). يحدد هذا الاختيار الصيغة التي يجب استخدامها وتؤثر على النتيجة.
الانحراف المعياري للجماعة (σ): استخدمه عندما لديك بيانات لجميع المجموعة التي تدرسها. الصيغة: σ = √[Σ(xᵢ − μ)² / N]
حيث: μ = متوسط الجماعة، N = عدد القيم، Σ = مجموع جميع القيم.
الانحراف المعياري للمنهج (s): استخدمه عندما تكون بياناتك عبارة عن منهج منجم من جماعة أكبر. الصيغة: s = √[Σ(xᵢ − x̄)² / (n−1)]
حيث: x̄ = متوسط المنهج، n = عدد القيم في المنهج، (n−1) = تصحيح بيسل.
تصحيح بيسل يقسم على (n−1) بدلاً من n لأن المناهج تقلل من التباين الحقيقي للجماعة - خاصة للمناهج الصغيرة. يستخدم (n−1) لتقديم مقياس غير متحيز للتباين الحقيقي للجماعة.
ماذا تستخدم؟
- الانحراف المعياري للجماعة: لديك بيانات لجميع الطلاب في صف معين؛ جميع نتائج الاختبار من اختبار معين؛ جميع الموظفين في شركة واحدة.
- الانحراف المعياري للمنهج: استقصيت 500 أمريكيًا عن الدخل (استدلال على جميع الأمريكيين); قيست 30 widget من عملية إنتاج (استدلال على جميع الوحدات); أي دراسة علمية مع منهج.
حساب الانحراف المعياري خطوة بخطوة
نعمل على مثال حقيقي:
مجموعة البيانات: نتائج الاختبار لستة طلاب: {72، 85، 91، 68، 79، 88}
خطوة 1 - اكتشف المتوسط: (72 + 85 + 91 + 68 + 79 + 88) / 6 = 483 / 6 = 80.5
خطوة 2 - اكتشف كل فرق من المتوسط وضربه في مربع:
| النتيجة (xᵢ) | الفرق (xᵢ − x̄) | المربع المربوع (xᵢ − x̄)² |
|---|---|---|
| 72 | 72 − 80.5 = −8.5 | 72.25 |
| 85 | 85 − 80.5 = +4.5 | 20.25 |
| 91 | 91 − 80.5 = +10.5 | 110.25 |
| 68 | 68 − 80.5 = −12.5 | 156.25 |
| 79 | 79 − 80.5 = −1.5 | 2.25 |
| 88 | 88 − 80.5 = +7.5 | 56.25 |
| المجموع | 0 (دائماً) | 417.50 |
خطوة 3 - حساب التباين: التباين للمنهج (n−1) = 417.50 / 5 = 83.50
خطوة 4 - أخذ الجذر التربيعي للانحراف المعياري: s = √83.50 ≈ 9.14
تفسير: يتوقع أن تكون معظم النتائج داخل حوالي 9.14 نقطة من المتوسط 80.5. تقريباً 68% من النتائج المتوقعة بين 71.4 و89.6 (الوسط ± 1 SD) إذا كانت جماعة البيانات متوزعة بشكل طبيعي.
قاعدة التجريبية والتوازن الطبيعي
للمعطيات التي تتبع التوزيع الطبيعي (شكل القوس)، يقول قاعدة التجريبية (68-95-99.7) لكيفية عدد القيم التي تقع ضمن نطاق كل معامل معامل التباين:
| النطاق | نسبة البيانات | مثال (الوسط = 100، SD = 15) |
|---|---|---|
| الوسط ± 1 SD | ~68.27% | 85 إلى 115 |
| الوسط ± 2 SD | ~95.45% | 70 إلى 130 |
| الوسط ± 3 SD | ~99.73% | 55 إلى 145 |
| خارج ± 3 SD | ~0.27% | تحت 55 أو فوق 145 |
التطبيق klasik هو درجات الذكاء العالي: الوسط = 100، SD = 15. درجات الذكاء العالي 130 هي 2 SDs فوق الوسط — فقط حوالي 2.3% من الناس يحصلون على درجات عالية. درجات الذكاء العالي 145 هي 3 SDs فوق الوسط — حوالي 0.13% من الناس (حوالي 1 في 750).
في التحكم في الجودة، يطلب الستة أيزو أن تكون العمليات تحتوي على أقل من 3.4 عيوب لكل مليون فرصة — متساويًا مع الحفاظ على التباين ضمن ±6 معاملات معامل التباين من الهدف، مما يترك فقط 0.00034% معدل العيوب. هذا هو الأساس الإحصائي لبرامج جودة التصنيع الستة أيزو.
ليست جميع البيانات متوزعة طبيعيًا. توزيعات الدخل مائلة إلى اليمين (عدد قليل من الأفراد ذوي الدخل العالي يمتد الذيل الأيمن). في مثل هذه الحالات، قد تكون الوسط والمنطقة بين النصين أكثر المعلومات من الوسط والتباين.
العلامات الإحصائية الأخرى: الوسط، التباين، والتباين، وما إلى ذلك
تباين المعامل هو الأكثر معنى جنبًا إلى جنب مع الإحصائيات الوصفية الأخرى. إليك كيف يعملون معًا:
- الوسط (الوسط الحسابي): مجموع القيم ÷ العدد. حساس للقيم النمطية — يمكن أن يتغير الوسط بشكل كبير بسبب قيمة واحدة.
- الوسط: القيمة الوسطى عندما تكون البيانات مرتبة. أكثر استقرارًا من الوسط. في {1، 2، 3، 4، 100}: الوسط = 22، الوسط = 3.
- النمط: القيمة الأكثر تكرارًا. مفيد للبيانات الفئة؛ يمكن أن يكون dataset له أكثر من نمط أو لا.
- النطاق: الأقصى - الأدنى. بسيط ولكن حساس للقيم النمطية؛ لا يصف شكل التوزيع.
- التباين (σ² أو s²): مربع معامل التباين. مفيد من الناحية الرياضية ولكن أكثر صعوبة في تفسيره منذ أنه في وحدات مربعة. مثال: إذا كانت الأطوال في سنتيمترات، فإن التباين هو في سنتيمترات مربعة — والتي لا تملك معنى جسديًا.
- معدل التباين (CV): (معامل التباين / الوسط) × 100%. يسمح ب сравن التباين عبر datasets مختلفة بالوسط. CV = 10% يعني أن التباين هو 10% من الوسط — مفيد في المالية والبيولوجيا.
- الخطأ المعياري للوسط (SEM): معامل التباين ÷ √n. يقيس دقة متوسط العينة كاستimation للوسط السكاني. كلما نمت حجم العينة، يقل SEM — العينات الأكبر تعطي تقديرات أكثر دقة.
الانحراف المعياري في المالية والعلوم والرياضة
يحتوي الانحراف المعياري على تفسيرات محددة وممارسة في مختلف المجالات:
المالية — قياس مخاطر الاستثمار: في المالية، الانحراف المعياري للاستثمارات = volatility = المخاطر. يعود الاستثمار في 10% سنوياً مع الانحراف المعياري 15% في خطر 68% من العودة بين -5% و +25% في أي سنة معينة. يحتوي مؤشر S & P 500 على الانحراف المعياري السنوي حوالي 15-20%. تتمتع محفظة البوندينغ بمدى الانحراف المعياري 3-7%. أداء المخاطر المعدل (نسبة شارب) = (الرأس المال - معدل الفائدة المجانية) / الانحراف المعياري — كلما كان أعلى، كان أفضل.
العلوم — التحكم في الجودة والقياس: تقوم أدوات المختبرات بتسجيل القياسات كمتوسط ± الانحراف المعياري. يُفهم القراءة 37.2 ± 0.3 ° مئوية أن القياس هو ضمن 0.3 ° مئوية من القيمة الحقيقية بنسبة 68% من الثقة. في تجارب السريرية، يتم تعريف الأهمية الإحصائية عادةً بأن التأثير العلاجي يكون أكثر من 2 الانحرافات المعيارية من متوسط المجموعة الضابطة (p < 0.05).
الرياضيات الرياضية: يتم تقديم ثبات اللاعبين باستخدام الانحراف المعياري. يعتبر لاعب كرة السلة المتوسط 25 نقطة في المباراة مع الانحراف المعياري 3 أكثر ثباتاً من من يمتد من 25 مع الانحراف المعياري 10. تستخدم توقعات الطقس النماذج المجمعة حيث يُشير الانحراف المعياري لتقديرات درجة الحرارة إلى الثقة — الانحراف المعياري الضيق يعني أن المتوقع يتفق; الانحراف المعياري الواسع يعني عدم اليقين العالي.
التعليم: يتم التعبير عن درجات التصنيف باستخدام الانحراف المعياري: Z = (الدرجة - المتوسط) / الانحراف المعياري. يُشير مؤشر Z +2 إلى أن الدرجة هي 2 الانحرافات المعيارية فوق المتوسط — أفضل من حوالي 97.7% من الطلاب. يتم تصميم الاختبارات الموحدة مثل SAT بحيث تتبع التوزيع الطبيعي تقريباً، مما يسمح بتعيين هذه المقارنات المئوية.
أسئلة شائعة
ما هو الفرق بين الانحراف المعياري والانحراف الصافي؟
الانحراف الصافي هو متوسط الاختلافات المربعة من المتوسط. الانحراف المعياري هو الجذر التربيعي للانحراف الصافي. كلاهما يقيمان بتشتت البيانات، ولكن الانحراف المعياري هو في نفس الوحدات مثل البيانات (أسهل للفهم)، بينما هو في وحدات مربعة. dataset في سم في الانحراف الصافي في سم² — ليس معنى. SD في سم هو قابل للتحليل بشكل مباشر مع القياسات الأصلية.
متى يجب استخدام الانحراف المعياري مقابل الانحراف الصافي؟
استخدم الانحراف المعياري (σ، قسمة على N) عندما لديك بيانات لجميع السكان الذي تتحدث عنه — جميع الطلاب في صف معين، جميع الموظفين في شركة معينة. استخدم الانحراف الصافي (s، قسمة على n-1) عندما تكون بياناتك عبارة عن Subset من سكان أكبر و أنت تقدر متغيرات السكان — عينة استطلاعية، مشاركين في تجربة سريرية، عينات التحكم في جودة من عملية إنتاج.
ماذا يعني الانحراف المعياري العالي أو المنخفض؟
الانحراف المعياري المنخفض يعني أن نقاط البيانات تتركز حول المتوسط قربًا — ثبات، انخفاض التشتت. الانحراف المعياري العالي يعني أن البيانات متشتتة على نطاق واسع — انخفاض التشتت. لا يوجد أفضل من الآخر؛ يعتمد على السياق. في التصنيع، الانحراف المعياري المنخفض هو المرغوب فيه (ثبات). في عائدات الاستثمار، يتقبل بعض المستثمرين الانحراف المعياري العالي مقابل عائدات أعلى.
ما هو مؤشر Z و كيف يرتبط بالانحراف المعياري؟
مؤشر Z يقيمان كمية الانحراف المعياري للنقطة البيانية عن المتوسط: Z = (قيمة - متوسط) / SD. مؤشر Z = 0 = متوسط بالضبط. Z = +1 = 1 SD أعلى من المتوسط (84th percentile). Z = -2 = 2 SDs أدنى من المتوسط (2.3rd percentile). مؤشرات Z تسمح بالتुलन بين القيم من datasets مختلفة مع مقاييس مختلفة.
ما هو الخطأ المعياري وكيف يختلف عن الانحراف المعياري؟
الانحراف المعياري يصف تشتت نقاط البيانات الفردية. الخطأ المعياري للوسط (SEM = SD/√n) يصف دقة متوسط العينة كتقدير للوسط الحقيقي للسكان. مع زيادة حجم العينة، يقل الخطأ المعياري (أكثر البيانات = تقدير أكثر دقة)، ولكن الانحراف المعياري لا يتغير بالضرورة. الخطأ المعياري يستخدم في فترات الثقة؛ يصف الانحراف المعياري توزيع البيانات نفسها.
هل يمكن أن يكون الانحراف المعياري سالبًا؟
لا. الانحراف المعياري دائمًا صفر أو موجب. يساوي الصفر فقط عندما تكون جميع قيم البيانات متطابقة (لا توجد أي تشتت). لأنها تمثل الجذر التربيعي لجمع مربعات، لا يمكن أن يكون سالبًا. الانحراف الصافي أو الانحراف المعياري سالب سيشير إلى خطأ في الحساب.
كيف يؤثر النقاط الناقصة على الانحراف المعياري؟
النقاط الناقصة يمكن أن تزيد بشكل كبير من الانحراف المعياري لأن الاختلافات يتم تعريضها بشكل مربّع — الاختلافات الكبيرة من المتوسط تؤثر بشكل غير متناسب. على سبيل المثال، في {10، 11، 10، 12، 100}: إزالة النقطة الناقصة (100) يقلل من SD من ~38 إلى ~0.9. عندما تكون النقاط الناقصة موجودة، فإن المتوسط والمنطقة بين الربع (IQR) أكثر استقرارًا في قياس التوزان النحوي والانحراف.
ماذا يعني إذا كان الانحراف المعياري يساوي الصفر؟
انحراف معياري يساوي الصفر يعني أن جميع القيم في dataset متطابقة — لا توجد أي تشتت. على سبيل المثال، {5، 5، 5، 5، 5} لديه متوسط = 5 و SD = 0. يحدث هذا في datasets مصطنعة أو متقيّد. في datasets العملية، SD = 0 عادةً ما يشير إلى خطأ في جمع البيانات أو قياسات متطابقة.