ماشین حساب واریانس – واریانس جمعیت و نمونه
واریانس و انحراف معیار برای یک مجموعه داده را محاسبه کنید. از واریانس جمعیت و نمونه پشتیبانی میکند. ماشین حساب آمار آنلاین رایگان برای نتایج فوری.
واریانس چیست؟
واریانس پراکندگی یک مجموعه داده را اندازه میگیرد — چقدر مقادیر از میانگین فاصله دارند. واریانس کم یعنی نقاط داده در نزدیکی میانگین قرار میگیرند؛ واریانس زیاد یعنی آنها به طور گستردهای پراکندهاند.
واریانس به عنوان میانگین اختلافات مربع شده از میانگین محاسبه میشود:
- واریانس جمعیت (σ²): σ² = Σ(xᵢ − μ)² / N
- واریانس نمونه (s²): s² = Σ(xᵢ − x̄)² / (N−1)
که xᵢ هر نقطه داده، μ (یا x̄) میانگین و N تعداد مقادیر است. انحراف معیار به سادگی ریشه دوم واریانس است — در همان واحدهای داده اصلی است و آن را قابل تفسیرتر میکند.
واریانس جمعیت در مقابل نمونه
تفاوت کلیدی مخرج است — N در مقابل (N−1) — که به عنوان تصحیح بسل شناخته میشود:
| نوع | مخرج | استفاده وقتی | نماد |
|---|---|---|---|
| واریانس جمعیت | N | داده روی کل جمعیت دارید | σ² |
| واریانس نمونه | N−1 | نمونهای از یک جمعیت بزرگتر دارید | s² |
در عمل، اکثر دادههای دنیای واقعی نمونه هستند. استفاده از N−1 (واریانس نمونه) یک تخمین بدون تعصب از واریانس واقعی جمعیت تولید میکند. استفاده از N (واریانس جمعیت) روی یک نمونه به طور سیستماتیک واریانس واقعی را دست کم میگیرد.
مثال: آزمایش یک داروی جدید روی 50 بیمار یعنی استفاده از واریانس نمونه (s²). تجزیه و تحلیل تمام دانشآموزان یک کلاس یعنی استفاده از واریانس جمعیت (σ²).
محاسبه واریانس گام به گام
با توجه به مجموعه داده: 4، 7، 13، 2، 8
- میانگین را محاسبه کنید: (4+7+13+2+8) ÷ 5 = 34/5 = 6.8
- انحرافات از میانگین را پیدا کنید: (4−6.8)=−2.8؛ (7−6.8)=0.2؛ (13−6.8)=6.2؛ (2−6.8)=−4.8؛ (8−6.8)=1.2
- انحرافات را مجذور کنید: 7.84؛ 0.04؛ 38.44؛ 23.04؛ 1.44
- مجموع مربعات: 7.84+0.04+38.44+23.04+1.44 = 70.8
- واریانس جمعیت: 70.8 ÷ 5 = 14.16
- واریانس نمونه: 70.8 ÷ 4 = 17.7
- انحراف معیار: √14.16 = 3.76 (جمعیت) یا √17.7 = 4.21 (نمونه)
کاربردهای عملی واریانس
| حوزه | کاربرد | مثال |
|---|---|---|
| مالی | ریسک سرمایهگذاری | واریانس بالا = بازده سهام نوسانیتر |
| تولید | کنترل کیفیت | واریانس کم = ابعاد محصول یکنواخت |
| پزشکی | کارآزماییهای بالینی | اندازهگیری تغییرپذیری در پاسخهای بیمار |
| علوم ورزشی | تحلیل عملکرد | تغییرپذیری در عملکرد ورزشکار در طول فصل |
| آموزش | تحلیل نمرات آزمون | درک پراکندگی عملکرد دانشآموزان |
💡 آیا میدانستید؟
- واریانس توسط رونالد فیشر در سال 1918 معرفی شد — همان مقالهای که در آن اصطلاح «واریانس» را ابداع کرد.
- در امور مالی، واریانس اساس نظریه پرتفولیوی مدرن است. واریانس یک پرتفولیو نه تنها به واریانس داراییهای فردی بلکه به همبستگیهای بین داراییها بستگی دارد.
- ضریب تغییرات (CV = انحراف معیار / میانگین × 100%) امکان مقایسه تغییرپذیری در مجموعه دادههای با واحدها یا مقیاسهای مختلف را فراهم میکند.
سؤالات متداول
تفاوت بین واریانس و انحراف معیار چیست؟
واریانس میانگین انحرافات مربع شده از میانگین است؛ انحراف معیار ریشه دوم آن است. انحراف معیار در همان واحدهای داده اصلی است (مثلاً دلار، کیلوگرم، ثانیه) و آن را قابل تفسیرتر میکند. واریانس در عملیات ریاضی مفید است (واریانس متغیرهای مستقل به طور مستقیم جمع میشوند)، در حالی که انحراف معیار برای توصیف پراکندگی به مخاطبان غیر فنی بهتر است.
چه زمانی باید از واریانس نمونه در مقابل جمعیت استفاده کنم؟
از واریانس جمعیت استفاده کنید وقتی داده شما شامل هر عضو گروهی است که تجزیه و تحلیل میکنید (مثلاً تمام کارمندان یک شرکت). از واریانس نمونه استفاده کنید وقتی داده شما زیرمجموعهای از یک گروه بزرگتر است (مثلاً نظرسنجی از 500 رأیدهنده برای تخمین نظرات همه رأیدهندگان). در اکثر تحقیقات و آمار دنیای واقعی، واریانس نمونه مناسب است.
آیا واریانس میتواند منفی باشد؟
خیر. واریانس همیشه صفر یا مثبت است زیرا از مقادیر مجذور شده محاسبه میشود. واریانس = 0 فقط زمانی است که تمام نقاط داده یکسان هستند (هیچ پراکندگیای نیست). واریانس منفی از نظر ریاضی غیرممکن است و نشاندهنده خطا در محاسبه است.
واریانس «زیاد» یا «کم» چیست؟
زیاد و کم نسبت به مقیاس و زمینه داده است. واریانس 10 برای قد انسان در سانتیمتر «کم» است اما برای قد در متر «زیاد» است. ضریب تغییرات (انحراف معیار / میانگین × 100%) مستقل از مقیاس است و مقایسه در مجموعه دادههای مختلف را ممکن میسازد. در کنترل کیفیت، مشخصات محدودههای قابل قبول واریانس برای هر اندازهگیری را تعریف میکنند.