ďťż
They seem to make lots of good flash cms templates that has animation and sound.
Podobne

an image

Alleluja! W samą porę dwa debile zorientowały się, że są dla siebie stworzeni!

Przedstawiony w tabeli 15.15 przykład liczbowy pokazuje kolejne kroki niezbędne do obliczenia wariancji. Po zastosowaniu równania (15.10) do tych danych otrzymamy: , 200 s2 = —- = 40. 2 Na przykład średnia z następujących wartości 2, 4, 6 i 8 wynosi 5. Jeżeli od każdej wartości odejmiemy 5, to otrzymamy —3, —1, 1 i 3. Suma wszystkich tych różnic —(—3) + (—1)+ 1 +3 — wynosi zero. 1 Przedstawione w tym rozdziale wzory na odchylenie standardowe i wariancję to wzory pozwalające obliczyć te parametry w populacji. Odpowiednie wzory dla próby mają w mianowniku (N— 1), zamiast N. 391 Aby obliczyć wariancję, warto skorzystać z wzoru wygodniejszego od wzoru definicyjnego. Wówczas kwadrat średniej arytmetycznej odejmujemy od sumy kwadratów wszystkich wyników podzielonej przez liczbę obserwacji, czyli: s = ^r - OO2. (15.11) Stosując równanie (15.11) do tych samym danych z tabeli 15.15, otrzymamy , 605 s2 = —- - (9)2 = 121 - 81 = 40. Wariancja wyraża przeciętne odchylenie wyników w rozkładzie nie w oryginalnych jednostkach, lecz w jednostkach podniesionych do kwadratu. Możemy rozwiązać ten problem, wyprowadzając pierwiastek kwadratowy z wariancji, a zatem przekształcając wariancję w odchylenie standardowe. Odchylenie standardowe jest miarą rozproszenia wyrażoną w oryginalnych jednostkach. Możemy je wyrazić za pomocą równania (15.12) i (15.13), które odpowiadają równaniom (15.10) i (15.11): s = I(X - Xf —^--------. (15.12) \EX gdzie s oznacza odchylenie standardowe. Dla naszego przykładu wartość odchylenia standardowego obliczonego za pomocą równania (15.12) „/20Ó r— s = "Y------= V40 = 6>3- Dane w tabeli 15.15 przedstawiają nie pogrupowany rozkład częstości zawierający po jednej liczebności dla każdej wartości X. Jeżeli dane w nie pogrupowanym rozkładzie częstości będą zawierać więcej liczebności dla którejś lub dla wszystkich wartości zmiennej X, to obliczając wariancję, możemy się posłużyć następującym wzorem definicyjnym: 2 if(x-x)\ 2 ifx2 (ifxY s =-------------lub s — N N ffi- 392 Tabela 15.15. Obliczanie wariancji X X-X (X-X)2 X2 3 -6 36 9 4 -5 25 16 6 -3 9 36 12 3 9 144 20 11 121 400 Ogółem 200 605 X = 9 Wariancja i odchylenie standardowe dla danych pogrupowanych Jeżeli dane zostały pogrupowane, to do obliczenia wariancji i odchylenia standardowego musimy zastosować inne procedury. Do obliczenia wariancji możemy wówczas wykorzystać równanie (15.14), w którym X oznaczać będzie środek przedziału, a/odpowiadające mu liczebności: s2 =________*L_ (15.14) N Wzór ten zastosowaliśmy do danych z tabeli 15.16 i otrzymaliśmy: (136)2 18496 1094 -------- 1094---------- 20 20 1094-924,8 169,20 „ „ r =-------------------------------------=----------------=--------= 8,46. 20 20 20 20 Wartość odchylenia standardowego otrzymamy, wyciągając pierwiastek kwadratowy z wariancji, czyli z wartości 8,46. Zatem s = ^8,46 = 2,91. Tabela 15.16. Rozkład wieku dla dwudziestu respondentów Środek przedziału Wiek X f X2 jX2 JX 1-3 2 4 4 16 8 4-6 5 3 25 75 15 7-9 8 10 64 640 80 10-12 11 3 121 363 33 Ogółem 20 m2-- = 1094 2yx=136 393 Odchylenie standardowe — zalety i zastosowania Odchylenie standardowe — w porównaniu z innymi miarami rozproszenia — ma wiele zalet. Po pierwsze, jest najbardziej stabilną miarą w próbie (problematykę I próby omówiliśmy w rozdziale 8). Po drugie, ma ważne właściwości matematyczne I umożliwiające obliczanie wartości odchylenia standardowego dla dwóch lub więcej I połączonych grup. Co więcej, właściwości matematyczne odchylenia standardowe- I go sprawiają, że jest to miara wykorzystywana w zaawansowanych obliczeniach I statystycznych, zwłaszcza w dziedzinie statystyki indukcyjnej (omówionej w roz-1 dziale 8 i 19). Ilustracją zastosowania odchylenia standardowego jest następujący przykład. I W tabeli 15.17 przedstawiliśmy dane porównawcze dotyczące odczuwanej satysfakcji I z życia przez mieszkańców różnych państw. Dane te zawierają informacje o śred-1 niej arytmetycznej i odchyleniu standardowym dla zmiennej „satysfakcja z życia", I obliczonych dla różnych państw. Uzyskane średnie są niemal identyczne, co mogłoby sugerować, że w czterech krajach satysfakcja z życia jest podobna. Odchylenia I standardowe w poszczególnych krajach są jednak różne. W Anglii, Niemczech I i Stanach Zjednoczonych odchylenia standardowe są stosunkowo małe, co świad- I czy o tym, że państwa te są homogeniczne ze względu na stopień odczuwanej satys- I fakcji. Innymi słowy, osoby badane otrzymują wyniki bliskie średniemu wynikowi w ich krajach. We Włoszech natomiast odchylenie standardowe jest większe, co I oznacza, że odczuwany stopień satysfakcji reprezentowany przez średnią nie jest podzielany przez wszystkich Włochów. Tabela 15.17. Średnie i odchylenia standardowe wskaźnika satysfakcji z życia dla czterech zachodnich narodowości (dane hipotetyczne) Wielka Brytania Niemcy Włochy Stany Zjednoczone Średnia 6,7 6,7 6,6 6,5 Odchylenie standardowe 1,0 1,2 3,2 1,3 Współczynnik zmienności W przypadkach, w których porównywane rozkłady mają różne średnie, nie możemy porównywać absolutnych wartości odchyleń standardowych. Odchylenie standardowe równe na przykład 2 oznacza co innego, gdy średnia wynosi 6, niż gdy średnia równa się 60. Dlatego należy obliczyć wartość odchylenia standardowego w odniesieniu do średniej rozkładu