Калькулятор дисперсії
Дисперсія - це міра розкиду даних, що показує, наскільки значення відрізняються від середнього значення. Дисперсія обчислюється як середнє арифметичне квадратів відхилень значень від середнього. Велика дисперсія означає, що дані сильно розкидані, мала дисперсія - що дані зосереджені навколо середнього. Дисперсія є одним з найважливіших показників в статистиці, що використовується для аналізу даних, оцінки ризиків, контролю якості та багатьох інших застосувань. Наш калькулятор дозволяє обчислювати дисперсію вибірки та генеральної сукупності для будь-якого набору даних.
Калькулятор дисперсії
Розрахунок дисперсії:
σ² = Σ(xᵢ - x̄)² / n (генеральна сукупність) або s² = Σ(xᵢ - x̄)² / (n-1) (вибірка)
Формули дисперсії
Дисперсія генеральної сукупності
де:
σ² - дисперсія генеральної сукупності
xᵢ - окремі значення
μ - середнє значення генеральної сукупності
N - кількість значень
Дисперсія вибірки
де:
s² - дисперсія вибірки
xᵢ - окремі значення
x̄ - середнє значення вибірки
n - кількість значень
(n - 1) - корекція Бесселя для незміщеної оцінки
Альтернативна формула
s² = (Σxᵢ² / (n-1)) - (n/(n-1))x̄²
Приклади розв'язання
Приклад: Знайти дисперсію вибірки: 10, 20, 30, 40, 50.
Середнє: x̄ = (10 + 20 + 30 + 40 + 50) / 5 = 30
Відхилення: (10-30)² = 400, (20-30)² = 100, (30-30)² = 0, (40-30)² = 100, (50-30)² = 400
Сума квадратів: 400 + 100 + 0 + 100 + 400 = 1000
Дисперсія: s² = 1000 / (5-1) = 250
Застосування дисперсії
Дисперсія використовується для:
- Оцінки розкиду даних
- Контролю якості та стабільності процесів
- Оцінки ризиків у фінансах
- Статистичного аналізу та тестування гіпотез
- Порівняння різних наборів даних
Практичне значення та контекст
Коротка довідка
Гаус і Лежандр розробили метод найменших квадратів на початку XIX ст. Фішер заклав основи сучасної статистики в 1920-х роках.
Де застосовується
Медицина та клінічні дослідження: аналіз ефективності препаратів, контрольні групи. Соціальні науки: опитування, вибіркові методи, аналіз даних. Бізнес та фінанси: аналіз ринків, прогнозування, контроль якості. Наука про дані (Data Science): статистика є фундаментом ML/AI.
Часті запитання (FAQ)
📁 Категорія: Статистика