Как найти среднеквадратическое отклонение по таблице

Была ли эта статья полезной?

В данной статье я расскажу о том, как найти среднеквадратическое отклонение. Этот материал крайне важен для полноценного понимания математики, поэтому репетитор по математике должен посвятить его изучению отдельный урок или даже несколько. В этой статье вы найдёте ссылку на подробный и понятный видеоурок, в котором рассказано о том, что такое среднеквадратическое отклонение и как его найти.

Среднеквадратическое отклонение дает возможность оценить разброс значений, полученных в результате измерения какого-то параметра. Обозначается символом  (греческая буква «сигма»).

Формула для расчета довольно проста. Чтобы найти среднеквадратическое отклонение, нужно взять квадратный корень из дисперсии. Так что теперь вы должны спросить: “А что же такое дисперсия?”

Что такое дисперсия

Определение дисперсии звучит так. Дисперсия — это среднее арифметическое от квадратов отклонений значений от среднего.

Чтобы найти дисперсию последовательно проведите следующие вычисления:

• Определите среднее (простое среднее арифметическое ряда значений).
• Затем от каждого из значений отнимите среднее и возведите полученную разность в квадрат (получили квадрат разности).
• Следующим шагом будет вычисление среднего арифметического полученных квадратов разностей (Почему именно квадратов вы сможете узнать ниже).

Рассмотрим на примере. Допустим, вы с друзьями решили измерить рост ваших собак (в миллиметрах). В результате измерений вы получили следующие данные измерений роста (в холке): 600 мм, 470 мм, 170 мм, 430 мм и 300 мм.

Порода собаки	Рост в миллиметрах
Ротвейлер	600
Бульдог	470
Такса	170
Пудель	430
Мопс	300

Вычислим среднее значение, дисперсию и среднеквадратическое отклонение.

Сперва найдём среднее значение. Как вы уже знаете, для этого нужно сложить все измеренные значения и поделить на количество измерений. Ход вычислений:

Среднее   мм.

Итак, среднее (среднеарифметическое) составляет 394 мм.

Теперь нужно определить отклонение роста каждой из собак от среднего:

   

Наконец, чтобы вычислить дисперсию, каждую из полученных разностей возводим в квадрат, а затем находим среднее арифметическое от полученных результатов:

Дисперсия мм².

Таким образом, дисперсия составляет 21704 мм².

Как найти среднеквадратическое отклонение

Так как же теперь вычислить среднеквадратическое отклонение, зная дисперсию? Как мы помним, взять из нее квадратный корень. То есть среднеквадратическое отклонение равно:

мм (округлено до ближайшего целого значения в мм).

Применив данный метод, мы выяснили, что некоторые собаки (например, ротвейлеры) – очень большие собаки. Но есть и очень маленькие собаки (например, таксы, только говорить им этого не стоит).

Самое интересное, что среднеквадратическое отклонение несет в себе полезную информацию. Теперь мы можем показать, какие из полученных результатов измерения роста находятся в пределах интервала, который мы получим, если отложим от среднего (в обе стороны от него) среднеквадратическое отклонение.

То есть с помощью среднеквадратического отклонения мы получаем “стандартный” метод, который позволяет узнать, какое из значений является нормальным (среднестатистическим), а какое экстраординарно большим или, наоборот, малым.

Что такое стандартное отклонение

Но… все будет немного иначе, если мы будем анализировать выборку данных. В нашем примере мы рассматривали генеральную совокупность. То есть наши 5 собак были единственными в мире собаками, которые нас интересовали.

Но если данные являются выборкой (значениями, которые выбрали из большой генеральной совокупности), тогда вычисления нужно вести иначе.

Если есть значений, то:

Все остальные расчеты производятся аналогично, в том числе и определение среднего.

Например, если наших пять собак – только выборка из генеральной совокупности собак (всех собак на планете), мы должны делить на 4, а не на 5, а именно:

Дисперсия выборки =  мм².

При этом стандартное отклонение по выборке равно мм (округлено до ближайшего целого значения).

Можно сказать, что мы произвели некоторую “коррекцию” в случае, когда наши значения являются всего лишь небольшой выборкой.

Примечание. Почему именно квадраты разностей?

Но почему при вычислении дисперсии мы берём именно квадраты разностей? Допустим при измерении какого-то параметра, вы получили следующий набор значений: 4; 4; -4; -4. Если мы просто сложим абсолютные отклонения от среднего (разности) между собой … отрицательные значения взаимно уничтожатся с положительными:

.

Получается, этот вариант бесполезен. Тогда, может, стоит попробовать абсолютные значения отклонений (то есть модули этих значений)?

.

На первый взгляд получается неплохо (полученная величина, кстати, называется средним абсолютным отклонением), но не во всех случаях. Попробуем другой пример. Пусть в результате измерения получился следующий набор значений: 7; 1; -6; -2. Тогда среднее абсолютное отклонение равно:

.

Вот это да! Снова получили результат 4, хотя разности имеют гораздо больший разброс.

А теперь посмотрим, что получится, если возвести разности в квадрат (и взять потом квадратный корень из их суммы).

Для первого примера получится:

.

Для второго примера получится:

.

Теперь – совсем другое дело! Среднеквадратическое отклонение получается тем большим, чем больший разброс имеют разности … к чему мы и стремились.

Фактически в данном методе использована та же идея, что и при вычислении расстояния между точками, только примененная иным способом.

И с математической точки зрения использование квадратов и квадратных корней дает больше пользы, чем мы могли бы получить на основании абсолютных значений отклонений, благодаря чему среднеквадратическое отклонение применимо и для других математических задач.

О том, как найти среднеквадратическое отклонение, вам рассказал репетитор по математике в Москве, Сергей Валерьевич

Расчет дисперсии и среднего квадратического отклонения по индивидуальным данным и в рядах распределения.

Основными
обобщающими показателями вариации в
статистике являются дисперсии и среднее
квадратическое отклонение.

Дисперсия
– это средняя арифметическая квадратов
отклонений каждого значения признака
от общей средней. Дисперсия обычно
называется средним квадратом отклонений
и обозначается
.
В зависимости от исходных данных
дисперсия может вычисляться по средней
арифметической простой или взвешенной:

—дисперсия
невзвешенная (простая);

—дисперсия
взвешенная.

Среднее
квадратическое отклонение представляет
собой корень квадратный из дисперсии
и обозначается S:

—среднее
квадратическое отклонение невзвешенное;

—среднее
квадратическое отклонение взвешенное.

Среднее
квадратическое отклонение
– это обобщающая характеристика абсолютных
размеров вариации признака в совокупности.
Выражается оно в тех же единицах
измерения, что и признак (в метрах,
тоннах, процентах, гектарах и т.д.).

Среднее
квадратическое отклонение является
мерилом надежности средней. Чем меньше
среднее квадратическое отклонение, тем
лучше средняя арифметическая отражает
собой всю представляемую совокупность.

Вычислению
среднего квадратического отклонения
предшествует расчет дисперсии.

Порядок
расчета дисперсии взвешенную:

1)
определяют среднюю арифметическую
взвешенную

;

2)
определяются отклонения вариант от
средней
;

3)
возводят в квадрат отклонение каждой
варианты от средней
;

4)
умножают квадраты отклонений на веса
(частоты)
;

5)
суммируют полученные произведения

;

6)
Полученную сумму делят на сумму весов

.

Пример
3.

Таблица
6.3.

Произведено продукции одним рабочим, шт. ( варианта)	Число рабочих,
8	7	56	-2	4	28
9	10	90	-1	1	10
10	15	150	0	0	0
11	12	132	1	1	12
12	6	72	2	4	24
ИТОГО	50	500			74

Исчислим
среднюю арифметическую взвешенную:

шт.

Значения
отклонений от средней и их квадратов
представлены в таблице 6.3. Определим
дисперсию:

=1,48

Среднее
квадратическое отклонение будет равно:

шт.

Если
исходные данные представлены в виде
интервального ряда распределения, то
сначала надо определить дискретное
значение признака, а далее применить
тот же метод, что изложен выше.

Пример
4.

Покажем
расчет дисперсии для интервального
ряда на данных о распределении посевной
площади колхоза по урожайности пшеницы:

Таблица
6.4

Урожайность пшеницы, ц/га	Посевная площадь, га
14 – 16	100	15	1500	-3,4	11,56	1156
16 – 18	300	17	5100	-1,4	1,96	588
18 – 20	400	19	7600	0,6	0,36	144
20 – 22	200	21	4200	2,6	6,76	1352
ИТОГО	1000		18400			3240

Средняя
арифметическая равна:

ц с
1га.

Исчислим
дисперсию:

Расчет дисперсии по формуле по индивидуальным данным и в рядах распределения.

Техника
вычисления дисперсии сложна, а при
больших значениях вариант и частот
может быть громоздкой. Расчеты можно
упростить, используя свойства дисперсии.

Свойства
дисперсии.

1. Уменьшение
   или увеличение весов (частот) варьирующего
   признака в определенное число раз
   дисперсии не изменяет.

2. Уменьшение
   или увеличение каждого значения признака
   на одну и ту же постоянную величину А
   дисперсии не изменяет.

3. Уменьшение
   или увеличение каждого значения признака
   в какое-то число раз к соответственно
   уменьшает или увеличивает дисперсию
   в
   
   раз, а среднее квадратическое отклонение
   – в к раз.

4. Дисперсия
   признака относительно произвольной
   величины всегда больше дисперсии
   относительно средней арифметической
   на квадрат разности между средней и
   произвольной величиной:
   .
   Если А равна нулю, то приходим к
   следующему равенству:
   ,
   т.е. дисперсия признака равна разности
   между средним квадратом значений
   признака и квадратом средней.

Каждое
свойство при расчете дисперсии может
быть применено самостоятельно или в
сочетании с другими.

Порядок
расчета дисперсии простой:

1)
определяют среднюю арифметическую
;

2)
возводят в квадрат среднюю арифметическую;

3)
возводят в квадрат каждую варианту ряда

;

4)
находим сумму квадратов вариант
;

5)
делят сумму квадратов вариант на их
число, т.е. определяют средний квадрат

;

6)
определяют разность между средним
квадратом признака и квадратом средней

.

Пример
5.

Имеются
следующие данные о производительности
труда рабочих:

Таблица
6.4

Табельный номер рабочего	Произведено продукции, шт.
1	8	64
2	9	81
3	10	100
4	11	121
5	12	144
ИТОГО	50	510

Произведем
следующие расчеты:

шт.

Пример
6.

Определить
дисперсию в дискретном ряду распределения,
используя табл. 6.5.

Таблица
6.5.

Произведено продукции 1 рабочим, шт. (х)	Число рабочих, n
8	7	56	64	448
9	10	90	81	810
10	15	150	100	1500
11	12	132	121	1452
12	6	72	144	864
ИТОГО	50	500	510	5074

Получим
тот же результат, что в табл. 6.3.

Рассмотрим
расчет дисперсии в интервальном ряду
распределения.

Порядок
расчета дисперсии взвешенной (по формуле

):

1. определяют
   среднюю арифметическую
   ;

2. возводят
   в квадрат полученную среднюю
   ;

3. возводят
   в квадрат каждую варианту ряда
   ;

4. умножают
   квадраты вариант на частоты
   ;

5. суммируют
   полученные произведения
   ;

6. делят
   полученную сумму на сумму весов и
   получают средний квадрат признака
   ;

7. определяют
   разность между средним значением
   квадратов и квадратом средней
   арифметической, т.е. дисперсию
   .

Пример
7.

Имеются
следующие данные о распределении
посевной площади колхоза по урожайности
пшеницы:

Таблица
6.6

Урожайность пшеницы, ц/га	Посевная площадь, га
14 – 16	100	15	1500	225	22500
16 – 18	300	17	5100	289	36700
18 – 20	400	19	7600	361	144400
20 – 22	200	21	4200	441	88200
ИТОГО	1000		18400		341200

В
подобных примерах прежде всего
определяется дискретное значение
признака в каждом интервале, а затем
применяется метод расчета, указанный
выше:

Средняя
величина отражает тенденцию развития,
т.е. действие главных причин. Среднее
квадратическое отклонение измеряет
силу воздействия прочих факторов.

Соседние файлы в папке statistica

• #
• #
• #
• #
• #
• #
• #
• #
• #

Среднее арифметическое – один из самых популярных статистических методов, который рассчитывается повсеместно. Но сам по себе он абсолютно ненадежный. Многие знают поговорку, что один человек ест капусту, другой – мясо, а в среднем они оба едят голубцы. На примере средней зарплаты очень легко это изобразить. Несколько процентов людей, которые зарабатываются миллионы, не сильно повлияют на статистику, но способны значительно испортить ее объективность, завышая показатель на несколько десятков процентов.

Чем ниже разброс между значениями, тем больше можно доверять этому статистическому показателю. Поэтому настоятельно рекомендуется всегда вместе со средним арифметическим рассчитывать и стандартное отклонение. Сегодня мы разберемся, как правильно это делать средствами Microsoft Excel.

Среднеквадратичное отклонение — что это

Стандартное (или среднеквадратичное) отклонение – это квадратный корень из дисперсии. В свою очередь, под последним термином подразумевается степень разброса значений. Для получения дисперсии, и, как следствие, ее производного в виде стандартного отклонения, существует специальная формула, которая, впрочем, нам не так важна. Она довольно сложная по своей структуре, но при этом ее можно полностью автоматизировать средствами Excel. Главное – знать, какие параметры нужно передавать функции. В целом как для вычисления дисперсии, так и стандартного отклонения, аргументы используются одинаковые.

1. Сначала мы получаем среднее арифметическое.
2. После этого каждое исходное значение сопоставляется со средним и определяется разница между ними.
3. После этого каждая разница возводится во вторую степень, после чего получившиеся результаты складываются между собой.
4. Наконец, финальный шаг – деление получившегося значения на общее количество элементов в данной выборке.

Получив разницу между одним значением и средним арифметическим всей выборки, мы можем узнать расстояние к нему от определенной точки на координатной прямой. Начинающему человеку вся логика понятна равно до третьего шага. Зачем возводить значение в квадрат? Дело в том, что иногда разница может быть отрицательной, а нам нужно получить положительное число. И, как известно, минус на минус дает плюс. А далее нам нужно определить среднее арифметическое из получившихся значений. Дисперсия имеет несколько свойств:

1. Если выводить дисперсию из одного числа, то она всегда будет равняться нулю.
2. Если случайное число умножить на константу А, то дисперсия увеличится в количество раз, равное А в квадрате. Проще говоря, константу можно вынести за знак дисперсии и возвести его во вторую степень.
3. Если к произвольному числу добавить константу А или же отнять ее, то дисперсия от этого не поменяется.
4. Если два случайных числа, обозначаемых, к примеру переменными X и Y не зависят друг от друга, то в таком случае для них справедлива формула. D(X+Y) = D(X) + D(Y)
5. Если же в предыдущую формулу внести изменения и пытаться определить дисперсию разницы этих значений, то она также будет составлять сумму этих дисперсий.

Среднеквадратическое отклонение – это математический термин, являющийся производным от дисперси. Получить его очень просто: достаточно извлечь квадратный корень из дисперсии.

Разница между дисперсией и стандартным отклонением находится сугубо в плоскости единиц измерения, если можно так выразиться. Стандартное отклонение является значительно более простым для считывания показателем, поскольку оно показывается не в квадратах числа, а непосредственно в значениях. Простыми словами, если в числовой последовательности 1,2,3,4,5 средним арифметическим является 3, то соответственно, стандартным отклонением будет число 1,58. Это говорит о том, что в среднем одно число отклоняется от среднего числа (которым является тройка в нашем примере), на 1,58.

Дисперсия же будет тем же самым числом, только возведенным в квадрат. В нашем примере – чуть меньше, чем 2,5. В принципе, можно использовать как дисперсию, так и стандартное отклонение для статистических расчетов, только надо четко знать, с каким именно показателем пользователь работает.

Расчет среднеквадратичного отклонения в Excel

У нас есть два главных варианта формулы. Первый рассчитывается по выборочной совокупности. Второй – по генеральной. Чтобы рассчитать стандартное отклонения по выборочной совокупности, необходимо использовать функцию СТАНДОТКЛОН.В. Если же необходимо осуществить расчет по генеральной совокупности, то надо пользоваться функцией СТАНДОТКЛОН.Г.

Отличие выборочной совокупности от генеральной заключается в том, что в первом случае идет обработка непосредственно тех данных, на основе которых рассчитывается среднее арифметическое и среднеквадратическое отклонение. Если же мы говорим про генеральную совокупность, то это весь набор количественных данных, связанных с исследуемым явлением. В идеале выборка должна быть полностью репрезентативной. То есть, в исследовании должны участвовать люди, которых можно соотнести с генеральной совокупностью в равных пропорциях. Например, если в условной стране 50% мужчин и 50% женщин, то такие же пропорции должны быть у выборки.

Следовательно, стандартное отклонение для генеральной совокупности может несколько отличаться от выборочной, поскольку во втором случае исходные цифры меньше. Но в целом, обе функции работают одинаково. Сейчас мы распишем, что нужно сделать для того, чтобы их вызвать. А сделать это можно сразу тремя способами.

Метод 1. Ручной ввод формулы

Ручной ввод – довольно сложный метод, на первый взгляд. Тем не менее, каждый должен им владеть, если хочет быть профессиональным пользователем Excel. Его преимущество в том, что не нужно вообще вызывать окно ввода аргументов. Если хорошо потренироваться, это будет значительно быстрее, чем пользоваться двумя остальными способами. Главное – чтобы пальцы были тренированные. В идеале каждый пользователь Excel должен владеть слепым методом, чтобы быстро вводить формулы и функции.

1. Делаем левый клик мышью по той ячейке, в которой будет записываться формула для получения стандартного отклонения. Также можно ее вводить в качестве аргумента любой другой из функций. В таком случае нужно кликнуть по строке ввода формул, а потом начать ввод в том аргументе, куда результат должен выводиться.
2. Общая формула следующая: =СТАНДОТКЛОН.Г(число1(адрес_ячейки1); число2(адрес_ячейки2);…). Если мы используем второй вариант, то все осуществляется в точности так же, только буква Г в названии функции меняется на В. Максимальное количество поддерживаемых аргументов – 255.
3. После того, как ввод формулы будет закончен, подтверждаем свои действия. Для этого нужно нажать клавишу ввода.

Таким образом, для вычисления стандартного отклонения нам нужно использовать те же аргументы, что и для получения среднего арифметического. Все остальное программа сможет сделать самостоятельно. Также в качестве аргумента можно использовать целый диапазон значений, на основе которых будет осуществляться расчет среднеквадратического отклонения. Теперь давайте рассмотрим другие методы, которые будут более понятными для начинающего пользователя Excel. Но в долгосрочной перспективе от них нужно будет отказаться, поскольку:

1. Ручной ввод формулы способен значительно сэкономить время. Пользователь Excel, который помнит формулу и ее синтаксис, имеет существенное преимущество перед тем человеком, который только начинает и долго ищет нужную функцию в перечне в мастере функций или на ленте. Кроме этого, сам по себе ввод с клавиатуры является гораздо более быстрым, чем использование мыши.
2. Меньше устают глаза. Не нужно постоянно переключать фокус внимания с таблицы на окно, потом на еще одно окно, потом на клавиатуру, а потом снова на таблицу. Это же помогает существенно сэкономить время и силы, которые потом можно тратить на обработку реальной информации, а не техническое обслуживание формул.
3. Ручной ввод формул гораздо более гибкий по сравнению с использованием двух следующих методов. Пользователь может сразу указать нужные ячейки диапазона, не выделяя его непосредственно или сразу посмотреть на всю таблицу, избегая риска, что ее перекроет диалоговое окно.
4. Использование формул вручную является своеобразным мостиком к написанию макросов. Конечно, это не поможет выучить язык VBA, но зато формирует правильные привычки. Если человек привык давать команды компьютеру с помощью клавиатуры, ему будет значительно проще освоить любой другой язык программирования, в том числе, и для разработки макросов для электронных таблиц.

Но конечно, да. Использование других методов значительно лучше, если вы новичок, и только начинаете. Поэтому переходим к рассмотрению иных способов, как можно рассчитать стандартное отклонение.

Метод 2. Вкладка «Формулы»

Еще один метод, доступный пользователю, желающему получить стандартное отклонение из диапазона – воспользоваться вкладкой «Формулы» в главном меню. Давайте более подробно распишем, что нужно сделать для этого:

1. Выделить ту ячейку, в которую мы хотим записывать результат.
2. После этого находим на ленте вкладку «Формулы» и переходим в нее.
3. Воспользуемся блоком «Библиотека функций». Там есть кнопка «Другие функции». В перечне, который будет, мы найдем пункт «Статистические». После этого выбираем, какую разновидность формулы мы собираемся использовать.
4. После этого появляется окно ввода аргументов. В нем указываем все числа, ссылки на ячейки или диапазоны, которые будут принимать участие в расчетах. После того, как закончим, нажимаем кнопку «ОК».

Преимущества этого метода:

1. Скорость. Данный способ довольно быстрый и позволяет ввести нужную формулу буквально в несколько кликов.
2. Точность. Нет риска случайно написать не ту ячейку или написать не ту букву, а потом тратить время на переделку.

Можно сказать, что это способ номер два по хорошести после ручного ввода. НО третий метод также полезен в некоторых ситуациях.

Метод 3. Мастер функций

Мастер функций – еще один удобный метод ввода формул для новичков, которые еще не запомнили названия и синтаксис функций. Кнопка для запуска мастера функций находится возле строки ввода формул. Его главное преимущество для новичка на фоне предыдущих способов заключается в детальных подсказках программы, какая функция за что отвечает и какие аргументы вводить в какой последовательности. Она являет собой две буквы – fx. Нажимаем на нее.

После этого появится перечень функций. Можно как попытаться найти в полном алфавитном перечне, так и открыть категорию «Статистические», где также можно найти этот оператор.

Мы можем увидеть в списке, что функция СТАНДОТКЛОН все еще присутствует. Это сделано для того, чтобы сделать старые файлы совместимыми с новой версией Excel. При этом настоятельно рекомендуется пользоваться новыми функциями, приведенными выше, потому что в один момент эта устаревшая функция может перестать поддерживаться.

После того, как мы нажмем «ОК», у нас будет возможность открыть окно аргументов. Каждый аргумент являет собой отдельное число, адрес на ячейку (если в ней содержится числовое значение) или диапазоны значений, которые будут использоваться для среднего арифметического и получения стандартного отклонения. После того, как мы введем все аргументы, нажимаем на кнопку «ОК». Данные будут занесены в ту ячейку, в которой мы вводили формулу.

Заключение

Таким образом, вычислить стандартное отклонение средствами Excel несложно. Да и сама функция является основой статистических расчетов, которая является интуитивно понятной. Ведь очевидно, что важно не только среднее значение, но и разброс значений, из которых выводится среднее арифметическое. Ведь если половина народа богатая, а половина – бедная, то среднего класса по факту и не будет. Но при этом если вывести среднее арифметическое, то окажется, что среднестатистический гражданин как раз и является представителем среднего класса. Но это звучит, как минимум, странно. В общем, успехов в использовании этой функции.