
Απάντηση:
Διακύμανση πληθυσμού = 59,1 (πιθανώς αυτό που θέλετε αν πρόκειται για εισαγωγική τάξη)
Διακύμανση δείγματος = 68,9
Εξήγηση:
Υπολογίστε τον μέσο όρο
Βρείτε το μέσο όρο των τετραγωνικών διαφορών. Για να γινει αυτο:
Καταμετράτε τη διαφορά μεταξύ κάθε σημείου δεδομένων και του μέσου όρου. Προσθέστε όλες αυτές τις τετραγωνικές διαφορές.
Αν βρίσκετε τη διακύμανση του πληθυσμού, διαιρέστε ανά αριθμό σημείων δεδομένων. Αν βρίσκετε τη διακύμανση του δείγματος, διαιρέστε με τον αριθμό των σημείων δεδομένων - 1.
Γύρω από οποιονδήποτε τρόπο έχεις πει.
* Αν αυτά είναι όλα τα σημεία δεδομένων στο σύνολο, δηλ. Αντιπροσωπεύουν ολόκληρο τον πληθυσμό των σημείων δεδομένων, χρησιμοποιήστε τη μεταβλητότητα του πληθυσμού.
Αν αυτά τα σημεία δεδομένων είναι ένα δείγμα δεδομένων, δηλαδή υπάρχουν πολλά δεδομένα που λείπει, αλλά θέλετε έναν ακριβή υπολογισμό για όλα τα δεδομένα, χρησιμοποιήστε τη διακύμανση δείγματος.
Αυτή η σελίδα WikiHow έχει μια λεπτομερή εξήγηση για τον τρόπο υπολογισμού του πληθυσμού και της διακύμανσης του δείγματος, με παραδείγματα για το πότε θα ήταν κατάλληλο ο καθένας.
Ο John έλαβε βαθμολογία 75 σε μια δοκιμασία μαθηματικών όπου ο μέσος όρος ήταν 50. Αν το σκορ του είναι 2,5 τυπικές αποκλίσεις μακριά από τον μέσο όρο, ποια είναι η διακύμανση των βαθμολογιών των δοκιμασμένων τάξεων;

Η τυπική απόκλιση ορίζεται ως η τετραγωνική ρίζα της διακύμανσης. (έτσι η διακύμανση είναι τυπική τετραγωνική απόκλιση) Στην περίπτωση του John είναι 25 μακριά από τον μέσο όρο, που μεταφράζεται σε 2,5 φορές την τυπική απόκλιση sigma. Έτσι: sigma = 25 / 2.5 = 10 -> "διακύμανση" = sigma ^ 2 = 100
Ποια είναι τα σύμβολα για τη διακύμανση του δείγματος και τη διακύμανση του πληθυσμού;

Τα σύμβολα για τη διακύμανση του δείγματος και τη μεταβολή του πληθυσμού μπορούν να βρεθούν στις παρακάτω εικόνες. Διακύμανση δείγματος S ^ 2 Σωματική διακύμανση πληθυσμού ^ 2
Ποια είναι η διαφορά μεταξύ του τύπου για τη διακύμανση και τη διακύμανση του δείγματος;

Οι βαθμοί ελευθερίας διακύμανσης είναι n, αλλά οι βαθμοί ελευθερίας της διακύμανσης δείγματος είναι n-1 Σημειώστε ότι η "Απόκλιση" = 1 / n sum_ (i = 1) ^ n (x_i - bar x) = 1 / (n-1) άθροισμα (i = 1) ^ n (x_i - bar x) ^ 2