الانحراف المعياري والتباين هما من الأفكار العددية الأساسية التي تأخذ أجزاء مهمة في جميع أنحاء المنطقة النقدية ، بما في ذلك مسك الدفاتر والمسائل المالية والمساهمة.
في وقت نقيس فيه التغييرات المتعلقة بالكثير من المعلومات.
لكي تكون أكثر تحديدًا ، فإن التباين و الانحراف المعياريوكلاهما يوضح مدى انتشار تقديرات المعرفة ، سيشمل أيضًا مدى قابلية المقارنة بين الخطوات في حساباتهم.
الوجبات السريعة الرئيسية
- التباين هو مقياس إحصائي يحدد تشتت نقاط البيانات في مجموعة بيانات حول القيمة المتوسطة.
- الانحراف المعياري هو الجذر التربيعي للتباين ويوفر مقياسًا أكثر قابلية للتفسير للتشتت.
- يساعد كل من التباين والانحراف المعياري في تقييم تباين البيانات ، حيث تشير القيم الأعلى إلى تشتت أكبر وقيم أقل تشير إلى بيانات أكثر اتساقًا.
الفرق مقابل الانحراف المعياري
يقيس التباين مقدار نقاط البيانات الفردية التي تختلف عن المتوسط ، مع وجود تباين كبير يشير إلى مزيد من الانتشار بينما يشير التباين المنخفض إلى المزيد من المجموعات. الانحراف المعياري هو الجذر التربيعي للتباين ويستخدم لقياس التباين أو عدم اليقين لمجموعة من البيانات.
جدول المقارنة
معلمات المقارنة | التباين | الانحراف المعياري |
---|---|---|
تعريف | يمكن استخدامه لمنح العديد من المزايا في الاستثمار في المحافظ. | فيما يتعلق بالقسم المالي ، يتم استخدام الانحراف المعياري للأمن وفي السوق. |
كيف يتم حسابها؟ | يتم أخذ كل قيمة من مجموعة المعلومات وتربيعها ، ويتم أخذ متوسط هذه القيم في الاعتبار. | يتم الحساب بأخذ الجذر التربيعي لقيمة التباين. |
رمز | سيجما (σ) هو الرمز هنا. | مربع سيجما (σ2) هو رمز الانحراف المعياري. |
كيف كلاهما جيد التمايز؟ | هنا ، هناك حاجة ماسة إلى التباين فقط في الحسابات الرياضية. | عندما تحتاج أي بيانات إلى حساب متغير ، يتم استخدام الانحراف المعياري في الغالب. |
الصيغة العامة | σ2 = ∑ (x - M) 2 / n ، حيث n هو عدد قيم البيانات ، و x هي القيمة المحددة ، و m المتوسط. | σ = √∑ (x - M) 2 / n ، حيث x هي القيمة المحددة للبيانات ، n هو العدد الإجمالي للقيم. من السهل تذكر هذا لأنه مجرد مربع التباين. |
ما هو الفرق؟
التباين هو نسبة عدم الثبات التي تشير إلى مدى انتشار الأفراد من التجمع. أنا
في أي وقت ، عندما يكون تغيير مؤشر المعلومات قليلاً ، فإنه يظهر تقارب المعلومات ويركز على المتوسط.
الاستجابة المناسبة هي أنه يمكنك الاستفادة من الاختلاف لفرز الانحراف المعياري - وهي نسبة محسنة بشكل كبير لكيفية توزيع الأحمال الخاصة بك. للحصول على الانحراف المعياري ، خذ المربع مؤسسة تغيير المثال: √9801 = 99.
الانحراف المعياري مع المتوسط ، سوف أذكر ما يقيسه معظم الأفراد.
ما هو الانحراف المعياري؟
عندما يكون التركيز الرئيسي بعيدًا جدًا عن المتوسط ، يكون هناك انحراف أعلى داخل التاريخ ؛ إذا كانوا أقرب إلى المتوسط ، فهناك انحراف أقل. لذلك كلما زاد توزيع الأرقام ، زاد الانحراف المعياري.
للتأكد من الانحراف المعياري ، قم بتضمين جميع تركزات المعلومات وفصلها حسب كمية المعلومات التي تركز عليها.
تحتوي مجموعة المعلومات ذات الانحراف المعياري الأصغر على انتشار أصغر للتقديرات حول المتوسط، وعلى هذا النحو، تتمتع أيضًا بصفات أقل ارتفاعًا أو انخفاضًا.
الشيء الذي يتم اختياره بلا هدف من مؤشر إعلامي يكون انحرافه المعياري منخفضًا لديه إمكانية أعلى من كونه قريبًا من المتوسط من شيء من مؤشر معلومات يكون انحرافه المعياري أعلى.
في أغلب الأحيان، كلما كانت الصفات أكثر انتشارا، كلما كان الانحراف المعياري أكبر. على سبيل المثال، تصور أنه يجب علينا عزل مجموعتين مختلفتين من نتائج الاختبار من فئة مكونة من 30 طالبًا. تتراوح درجات الاختبار الابتدائي من 31% إلى 98%، ومن 82% إلى 93%.
الاختلافات الرئيسية بين التباين والانحراف المعياري
- التباين هو قيمة رياضية تصور تغير التصورات من متوسط التلاعب بالأرقام. الانحراف المعياري هو نسبة تشتت التصورات داخل مجموعة إعلامية مقارنة بمتوسطها.
- يشار إلى التباين بواسطة مربع سيجما (σ2) ، ويتم تمييز الانحراف المعياري بالرمز سيجما (σ).
- https://europepmc.org/article/med/3207150
- https://pubsonline.informs.org/doi/pdf/10.1287/mnsc.45.5.765
آخر تحديث: 11 يونيو 2023
إيما سميث حاصلة على درجة الماجستير في اللغة الإنجليزية من كلية إيرفاين فالي. تعمل كصحفية منذ عام 2002 وتكتب مقالات عن اللغة الإنجليزية والرياضة والقانون. اقرأ المزيد عنها صفحة بيو.
يعد التباين والانحراف المعياري من المفاهيم الأساسية في مجال التمويل ويوفران نظرة ثاقبة لتقلب البيانات. هذه مقالة مفيدة للغاية!
أنا أتفق معك تماما، تارا. يلعب كل من التباين والانحراف المعياري أدوارًا مهمة في القطاع المالي.
وأنا أقدر المقارنة التفصيلية بين التباين والانحراف المعياري. إنه مورد رائع لأي شخص مهتم بتحليل البيانات.
لا أستطيع أن أتفق أكثر، صموئيل. توفر المقالة رؤى قيمة للقراء الذين يسعون إلى فهم هذه المفاهيم.
المقالة تزيل الغموض بشكل فعال عن تعقيدات التباين والانحراف المعياري. قراءة مقنعة للمحترفين والمتحمسين على حد سواء!
بالتأكيد، خان. من النادر أن نجد مثل هذه التفسيرات الواضحة مقرونة بأمثلة توضيحية.
أتفق معك تماما، خان. تتألق خبرة المؤلف من خلال المحتوى.
تتناول المقالة بشكل فعال ليس فقط الجوانب النظرية ولكن أيضًا الآثار العملية للتباين والانحراف المعياري. قطعة تستحق الثناء!
أنا أؤيد أفكارك، تريسي. تجعل الأفكار العملية هذه المقالة أمرًا ضروريًا للقراءة لأي شخص مهتم بتحليل البيانات.
بالتأكيد، تريسي. إنه أمر منعش أن نرى مثل هذه التغطية الشاملة لهذه المواضيع.
هذه المقالة شاملة تمامًا وتسهل فهم أهمية التباين والانحراف المعياري. مكتوب جيدا!
بالتأكيد، مولي. وضوح المقال وشموله مثيران للإعجاب.
يعرض المقال المقارنة بين التباين والانحراف المعياري بطريقة منظمة. إنه يضيف بشكل كبير إلى فهم الفرد.
قال حسنا، بن. ومن النادر أن تجد مثل هذا التفسير الواضح لهذه المفاهيم في مكان واحد.
تشرح المقالة الفرق بين التباين والانحراف المعياري بشكل واضح تمامًا. وأعتقد أنه من المفيد جدا.
والواقع أن وضوح التفسير يستحق الثناء. إنه يبسط حقًا هذه المفاهيم الأساسية.
لقد وجدت أن التفسيرات المتعلقة بالتباين والانحراف المعياري دقيقة للغاية. إنها قراءة عظيمة!
متفق عليه، ناثان. تنقل المقالة بشكل فعال أهمية وحساب هذه القياسات الإحصائية.
يعد جدول المقارنة مفيدًا بشكل خاص في فهم الفروق الدقيقة في التباين والانحراف المعياري. مجد للمؤلف!
بالتأكيد، هيلينا. يضيف العرض الجدولي بعدًا جديدًا للتفسيرات.
لا أستطيع أن أتفق أكثر، هيلينا. إنه مورد قيم لأي شخص يتعامل مع التحليل الإحصائي.
أعتقد أن الأمثلة العملية الواردة في المقالة تساعد في فهم الآثار الواقعية للتباين والانحراف المعياري. الثاقبة جدا!
بالتأكيد، أنتوني. تسهل تطبيقات الحياة الواقعية على المهنيين الارتباط بهذه المقاييس الإحصائية.
أنا أتفق تماما مع تقييمك، أنتوني. تتفوق المقالة في سد الفجوة بين النظرية والتطبيق.