Máy tính độ lệch chuẩn
![Máy tính độ lệch chuẩn](/media/images/standard_deviation_calculator.webp)
Thống kê là một nhánh khoa học chuyên phân tích và hệ thống hóa dữ liệu, cũng như thể hiện các chỉ số định lượng và định tính dưới dạng số.
Theo mức độ khái quát, dữ liệu thống kê sơ cấp và tổng hợp được phân biệt theo số lượng đặc điểm - một chiều và đa chiều, và theo định dạng tổ chức - không gian, thời gian và hỗn hợp (không gian-thời gian).
Thống kê là công cụ tốt nhất để hiển thị các quá trình và hiện tượng xã hội, cho phép bạn xác định kịp thời các điểm yếu và vấn đề, thực hiện các thay đổi phù hợp về luật pháp, quy trình sản xuất, quy chuẩn pháp lý, v.v.
Thống kê, tên bắt nguồn từ từ trạng thái trong tiếng Latin và được dịch là "tình trạng sự việc", đã tồn tại từ thời La Mã cổ đại. Sau đó, nó được sử dụng để lưu giữ hồ sơ về tài sản, điều tra dân số và so sánh tiềm năng quân sự của các quốc gia tham chiến.
Nhưng nó chỉ được công nhận là một ngành khoa học vào năm 1746, thay thế cho "nghiên cứu nhà nước" ở Đức. Sáng kiến này thuộc về nhà khoa học người Đức Gottfried Achenwall, người đã biến thống kê thành một môn học vào giữa thế kỷ 18.
Độ lệch chuẩn
Trong khuôn khổ thống kê, với tư cách là một khoa học, nhiều chỉ số và giá trị mới đã xuất hiện. Chúng bao gồm độ lệch chuẩn (RMS), ngày nay vẫn được sử dụng để mô tả mức độ phân tán của các giá trị trong tập dữ liệu về giá trị trung bình của chúng.
Về cơ bản, RMS là thước đo mức độ biến thiên mô tả lượng dữ liệu từ một mảng khác nhau. Nó được sử dụng rộng rãi trong kinh tế và tài chính, kỹ thuật và trong nhiều ngành khoa học khác.
Theo định nghĩa chính thức, độ lệch chuẩn là một chỉ báo về độ phân tán của các giá trị của một biến ngẫu nhiên so với kỳ vọng toán học của nó. Ngược lại, kỳ vọng toán học là một dạng tương tự của trung bình số học, nhưng có vô số kết quả.
Nói một cách đơn giản, độ lệch chuẩn càng thấp thì dữ liệu thu thập được càng phản ánh thực tế chính xác hơn. Ngược lại, độ lệch chuẩn cao cho thấy sự mơ hồ của thông tin thống kê được thu thập. Ngoài ra, RMS cho phép bạn xác định các điểm bất thường và ngoại lệ không phản ánh xu hướng chính và là ngoại lệ đối với các quy tắc.
Dưới đây là một số ví dụ về COEX trong thực tế:
- Trong lĩnh vực tài chính, là thước đo sự biến động.
- Trong các cuộc khảo sát xã hội học - để đánh giá dư luận.
- Trong lĩnh vực thể thao, để dự đoán/dự đoán chiến thắng của các đội có điểm mạnh và điểm yếu khách quan.
Trong tài liệu khoa học, độ lệch chuẩn được biểu thị bằng chữ cái Latin sigma (σ) và có tên gọi khác - "độ lệch chuẩn" (độ lệch chuẩn). Nó được sử dụng khi cần tính đến tất cả các giá trị mẫu với kết quả có độ chính xác cao. Đúng như tên gọi, căn bậc hai là cần thiết để xác định RMS.
Độ lệch chuẩn có ý nghĩa có thể được đặt ngang bằng với các giá trị thống kê như giá trị trung bình, trung vị, mode và tứ phân vị. Một trong những ưu điểm của RMS là tính toán dễ dàng. Chỉ cần thực hiện một vài phép toán đơn giản để xác định độ lệch chuẩn và sử dụng nó cho các phép tính tiếp theo là đủ.
Cho đến cuối thế kỷ 20, các hoạt động này được thực hiện mà không cần máy tính, thậm chí thường không có phụ kiện. Ngày nay, để xác định RMS, chỉ cần sử dụng phần mềm, chẳng hạn như một ứng dụng trực tuyến đặc biệt để tính toán độ lệch chuẩn so với dữ liệu đã nhập là đủ.