计算标准差——发现统计学和理解统计学之间的距离也许并不遥远
标准差是一种经常用于统计数据计算的数学方法。如果一个物体偏离了它的轨道,那么它就偏离了最初的轨道。如果以数量或位置为标准测量变化,然后偏离标准,然后你可以计算一个测量方差。一种测量估计平均量的方法方差从一个期望值来计算标准偏差。计算标准差对许多目标都是有用的,包括为科学研究提供支持信息和确定统计误差。
标准偏差计算公式
用于表示标准差的符号是希腊字母,小写的Sigma,如下所示:
σ
提示:使用标准键盘,您可以使用下列键的组合来制作标准偏差符号:
ALT + 229
请注意,大写字母σ为σ,表示总和。你觉得统计数据有趣吗?你觉得更多的指导有用吗?也许,您会发现关于Udemy的教程正是您所寻找的。
标准差公式有不同的变化,离散型随机变量(变量的概率相同)的公式如下:
场景:一个科学班有9种植物,他们放置在一个教室;这些种子是在同一种类型下种植的,植物也属于同一种类型。在规定的研究时间结束时,他们测量了所有9种植物,并记录了测量结果。你们的目标是找到植物高度的标准偏差,如下所示:
注意,植物的条目还带有x符号和有序数字,这表示符号将这些对象指定为单个变量。
下面是公式和操作的总结:
标准偏差等于(σ=)……
(√)的总平方根……
按照操作的顺序,你可以简化括号里的内容在哪里(μ=变量的均值)
此时,μ是一个未知的值。
你正在使用的变量(植物的高度)如下:
10 9 7 10 11 5 9 8 7
首先,求均值,将所有变量的值相加,然后除以变量总数(本例中为9)。
10 + 9 + 7 + 10 + 11 + 5 + 9 + 8 + 7 = 76
73/9 = 8.44
平均= 8.44 (μ=8。44)
现在你会得到如上所述;每个植物都是一个变量,因此您将对每个变量值(或每个植物高度)执行此计算为这种情况下)。
10 - 8.44 = 1.56[然后求1.56的平方()= 2.43)
很好,你现在有了每个变量的值的平方(在的意思是已经在等式中计算过),这将使你能够进入等式的下一步!
下一步是合并部分;这本质上说明变量将不断地添加,直到最后一个变量被使用,所以您将使用前一步的结果(结果的平方),并计算值的总和。
2.43 + 0.31 + 2.07 + 2.43 + 6.55 + 11.83 + 0.31 + 0.19 + 2.07 = 28.19
在这一点上,您将合并方程的1/N部分,方法是将上一步得出的值的总和(平方后的值的总和)除以单个平方根值的数量(9)。
28.19/9 = 3.13
极好的!你已经找到了方差,这个场景也差不多完成了。
还记得你的标准偏差公式包含了在平方根符号下的操作吗(这些操作已经包含在你的计算中了)?因此,除了整个平方根部分外,现在已经计算出了以下公式:
由于你已经“求解”了(你已经找到了结果的答案。的你只需要找到方差的平方根就可以解出这个公式并找到标准偏差。
标准差=√3。13
σ= 1.77
工厂测量研究的标准偏差情况下是1.77 !
您是否意识到公式,如标准偏差,对于开发报告也非常有用?如果你想了解更多关于基于统计的报告,Udemy有全面的教程。
你已经使用了在工厂测量场景中对离散随机变量应用相同概率的公式。离散随机变量公式是用来计算总体标准差的公式。离散随机变量(概率变化)的计算公式如下:
如果你所面对的场景是不同的,并且涉及到抽样,那么就可以使用不同类型的标准差公式。例如;如果这一场景涉及种植50株植物,并且随机记录50株植物中的9株植物的高度,那么随机选择将涉及一种抽样方法。通过上Udemy课程来探索统计和概率的世界。样本标准差的计算公式如下:
总体标准差公式和样本标准差公式之间的显著差异包括分数中分母减去的1和样本均值的以下符号:
的推理对于分数中减去的1,涉及到公式中求平方值的均值的步骤,是基于一个叫做贝塞尔修正的概念。贝塞尔修正是为了通过“修正”或补偿取样时可能出现的偏差值来产生更准确的样本标准差结果。
结论
当统计数据被分析时,使用标准偏差公式可以帮助指示和保持准确性。在决定使用哪种标准偏差公式时,应考虑的因素包括收集的数据类型(从总体或样本)和在集成到公式之前使用的初始数据的准确性。在许多情况下;不仅要记录研究中涉及不同值的结果,还要记录方差标准偏差还应记录这些值,以便对数据的研究和分析所得出的结论提供更全面的概述。