Keskihajontalaskuri
![Keskihajontalaskuri](/media/images/standard_deviation_calculator.webp)
Tilasto on tieteenala, joka on omistautunut tietojen analysointiin ja systematisointiin sekä niiden kvantitatiivisten ja laadullisten indikaattoreiden ilmaisemiseen numeerisessa muodossa.
Yleistysasteen mukaan primaariset ja aggregoidut tilastotiedot erotetaan piirteiden lukumäärän mukaan - yksiulotteinen ja moniulotteinen - ja organisaatiomuodon mukaan - tilallinen, ajallinen ja sekoitettu (tila-ajallinen).
Tilastot on paras työkalu yhteiskunnallisten prosessien ja ilmiöiden näyttämiseen. Sen avulla voit tunnistaa heikkoudet ja ongelmakohdat ajoissa, tehdä tarvittavia muutoksia lainsäädäntöön, tuotantoprosesseihin, lakinormeihin ja niin edelleen.
Tilastot, jonka nimi tulee latinan sanasta status ja käännettynä "asioiden tilaksi", on ollut olemassa antiikin Rooman ajoista lähtien. Sitten sitä käytettiin omaisuuden kirjaamiseen, väestölaskentaan ja sotivien valtioiden sotilaallisten potentiaalien vertailuun.
Mutta se sai tieteen aseman vasta vuonna 1746 ja korvasi "valtiotutkimuksen" Saksassa. Aloite kuuluu saksalaiselle tiedemiehelle Gottfried Achenwallille, joka muutti tilastot akateemiseksi tieteenalaksi 1700-luvun puolivälissä.
Normaalipoikkeama
Tilaston, tieteen, puitteissa on syntynyt monia uusia indikaattoreita ja arvoja. Niihin sisältyi keskihajonta (RMS), jota käytetään edelleen kuvaamaan arvojen leviämistä tietojoukossa niiden keskiarvosta.
Pohjimmiltaan SD on vaihtelevuuden mitta, joka kuvaa, kuinka paljon yhden taulukon dataa poikkeaa toisistaan. Sitä käytetään laajasti taloustieteessä ja rahoituksessa, tekniikassa ja monilla muilla tieteenaloilla.
Virallisen määritelmän mukaan keskihajonta on indikaattori satunnaismuuttujan arvojen hajoamisesta suhteessa sen matemaattiseen odotukseen. Matemaattinen odotus puolestaan on aritmeettisen keskiarvon analogi, mutta sillä on ääretön määrä tuloksia.
Yksinkertaisesti sanottuna mitä pienempi keskihajonta, sitä tarkemmin kerätyt tiedot heijastavat todellisuutta. Päinvastoin, suuri standardipoikkeama osoittaa kerättyjen tilastotietojen epäselvyyden. Lisäksi RMS:n avulla voit tunnistaa poikkeavuuksia ja poikkeavuuksia, jotka eivät heijasta päätrendiä ja ovat poikkeuksia säännöistä.
Tässä on joitain esimerkkejä COEXista käytännössä:
- Rahoitussektorilla volatiliteetin mittana.
- Sosiologisissa tutkimuksissa yleisen mielipiteen arvioimiseksi.
- Urheilualalla ennustaa voittoja joukkueille, joilla on objektiivisia vahvuuksia ja heikkouksia.
Tieteellisessä kirjallisuudessa keskihajonta on merkitty latinalaisella kirjaimella sigma (σ), ja sillä on vaihtoehtoinen nimi - "standardipoikkeama" (keskihajonta). Sitä käytetään, kun on tarpeen ottaa huomioon kaikki näytearvot erittäin tarkalla tuloksella. Kuten nimestä voi päätellä, RMS:n määrittämiseen tarvitaan neliöjuuri.
Signififanssin keskihajonnan voi asettaa samalle tasolle tilastollisten arvojen, kuten keskiarvon, mediaanin, moodin ja kvartiilien, kanssa. Yksi RMS:n eduista on laskennan helppous. Riittää, että suoritat muutaman yksinkertaisen matemaattisen toimenpiteen keskihajonnan määrittämiseksi ja sen käyttämiseksi lisälaskelmissa.
1900-luvun loppuun asti nämä toiminnot suoritettiin ilman tietokoneita, usein jopa ilman lisälaitteita. Nykyään RMS:n määrittämiseen riittää ohjelmiston käyttäminen, esimerkiksi erityinen online-sovellus, joka laskee keskihajonnan syötetyistä tiedoista.