Rozstęp

Rozstęp – Jest to różnica między najniższą a najwyższa wartością zbioru zmiennej.

Wariancja – Wariancja jest podstawową miarą wnioskowania statystycznego. Jest to suma podniesionych do kwadratu odchyleń od średniej dzielona przez liczbę przypadków – 1. Wariancja jest mierzona w jednostkach, które są kwadratami odchyleń dla pomiaru z którego jest liczona.

Czym jest odchylenie standardowe i jaki jest na nie wzór?

Odchylenie standardowe – Miara odchylania się wyników od średniej. W kontekście teoretycznego rozkładu normalnego około 68% obserwacji znajduje się w strefie oddalonej o jedno odchylenie standardowe od średniej. W przypadku odchylenia o 2 odchylenia standardowe znajduje się 95% obserwacji, a w przypadku 3 odchyleń ~99,8.  Przykładowo jeśli średnia inteligencja wynosi 100, a odchylenie standardowe 15 to znaczy, że 68% populacji badanej ma inteligencję w przedziale 85 -115 punktów, a 95% populacji 70 – 130 punktów.

Odchylenie standardowe (Standard Deviation, SD) to miernik zmienności danych, który określa, jak bardzo wartości w danym zbiorze różnią się od średniej. Im większe odchylenie standardowe, tym większe jest rozproszenie danych.

Wzór na wyliczenie odchylenia standardowego dla zbioru danych to:

SD = √[(x1 – μ)^2 + (x2 – μ)^2 + … + (xn – μ)^2] / (n-1),

gdzie x1, x2, …, xn to wartości w zbiorze, μ to średnia dla tego zbioru, a n to liczba wartości w zbiorze. Współczynnik (n-1) jest stosowany w wzorze, ponieważ jest to wzór dla estymacji odchylenia standardowego populacji na podstawie próbki.

Miary dyspersji – są to statystyki podające informacje o zmienności i rozrzucie wyników. Miary te to odchylenie standardowe, wariancja, rozstęp, min-max oraz standardowy błąd średniej.

Dominanta – Często nazywana modą . Oznacza wartość zbioru która pojawia się najczęściej. Moda/dominanta przydaje się często w momencie wypełniania braków danych w zbiorze.