Расчет дисперсии и среднего квадратического отклонения по индивидуальным данным и в рядах распределения

Основными обобщающими показателями вариации в статистике являются дисперсии и среднее квадратическое отклонение.

Дисперсия ¾ это средняя арифметическая квадратов отклонений каждого значения признака от общей средней. Дисперсия обычно называется средним квадратом отклонений и обозначается s². В зависимости от исходных данных дисперсия может вычисляться по средней арифметической простой или взвешенной:

¾дисперсия невзвешенная (простая);

¾дисперсия взвешенная.

Среднее квадратическое отклонение ¾ это обобщающая характеристика абсолютных размеров вариации признака в совокупности. Выражается оно в тех же единицах измерения, что и признак (в метрах, тоннах, процентах, гектарах и т. д.).

Среднее квадратическое отклонение представляет собой корень квадратный из дисперсии и обозначается s:

¾среднее квадратическое отклонение невзвешенное;

¾среднее квадратическое отклонение взвешенное.

Среднее квадратическое отклонение является мерилом надежности средней. Чем меньше среднее квадратическое отклонение, тем лучше средняя арифметическая отражает всю представляемую совокупность.

Вычислению среднего квадратического отклонения предшествует расчет дисперсии.

Порядок расчета дисперсии взвешенной следующий:

1) определяют среднюю арифметическую взвешенную:

2) рассчитывают отклонения вариантов от средней:

3) возводят в квадрат отклонение каждого варианта от средней:

4) умножают квадраты отклонений на веса (частоты):

5) суммируют полученные произведения:

6) полученную сумму делят на сумму весов:

Рекомендация:

Обратитесь к примерам по указанным ссылкам: пример 6.2.1.

Если исходные данные представлены в виде интервального ряда распределения, то сначала нужно определить дискретное значение признака, а затем применить изложенный метод.