
Απάντηση:
Ανάλογα με το αν τα δεδομένα δεδομένα πρέπει να ληφθούν ως ολόκληρος ο πληθυσμός (όλες οι τιμές) ή ένα δείγμα από κάποιο μεγαλύτερο πληθυσμό:
Διακύμανση του πληθυσμού
Διακύμανση δείγματος
Εξήγηση:
Αυτό μπορεί να προσδιοριστεί χρησιμοποιώντας τις τυπικές ενσωματωμένες λειτουργίες μιας επιστημονικής αριθμομηχανής ή ενός φυλλαδίου (όπως παρακάτω):
… ή μπορεί να υπολογιστεί σε βήματα όπως:
- Προσδιορίστε το άθροισμα των τιμών δεδομένων
- Διαχωρίστε το άθροισμα των τιμών δεδομένων από το αριθμός τιμών δεδομένων για να αποκτήσετε το σημαίνω
- Για κάθε τιμή δεδομένων αφαιρέστε το σημαίνει * από την τιμή των δεδομένων για την απόκτηση του απόκλιση από το σημαίνω**
- Προσδιορίστε το άθροισμα του αποκλίσεις των τιμών δεδομένων από τον μέσο όρο.
Για τη διακύμανση του πληθυσμού:
- Διαχωρίστε το άθροισμα των αποκλίσεων από το αριθμός τιμών δεδομένων * για να αποκτήσετε το μεταβλητότητα του πληθυσμού **.
Για διακύμανση δείγματος
- Διαχωρίστε το άθροισμα των αποκλίσεων με 1 μικρότερη από τον αριθμό των τιμών δεδομένων για να αποκτήσετε το διακύμανση του δείγματος
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