Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Keskihajonta | Varianssi ja Keskihajonta
Tilastotiede Pythonilla

bookKeskihajonta

Yksi tärkeimmistä mittareista on keskihajonta.

Note
Huomautus

Keskihajonta on samanlainen kuin varianssi, koska se on varianssin neliöjuuri.

Tämän vuoksi kaavat eroavat populaation ja otoksen välillä.

Määritelmä

Keskihajonta on mitta siitä, kuinka data jakautuu keskiarvon ympärille.

Empiirinen sääntö

Empiirinen sääntö, joka tunnetaan myös nimellä 68–95–99,7-sääntö, pätee kun perusjoukko noudattaa normaalijakaumaa. Tämän säännön mukaan:

  • Noin 68 % havainnoista sijoittuu yhden keskihajonnan (σ) etäisyydelle keskiarvosta;
  • Noin 95 % sijoittuu kahden keskihajonnan (2σ) etäisyydelle;
  • Noin 99,7 % sijoittuu kolmen keskihajonnan (3σ) etäisyydelle.

Kun käsitellään otoksia, prosenttiosuudet eivät välttämättä ole täysin tarkkoja, mutta ne ovat yleensä hyvin lähellä säännön arvoja, erityisesti suurilla otoskoilla.

Esimerkki

Tämän havainnollistamiseksi tarkastellaan kissanpentujen painoja grammoina:

Tässä tapauksessa käytetään seuraavia tietoja:

  • Keskiarvo (μ\mu) on 100 grammaa;
  • Keskihajonta (σ\sigma) on 20 grammaa.

Kuten aiemmin mainittiin, yksi keskihajonta keskiarvon ylä- ja alapuolella kattaa 68 % arvoista. Tässä tapauksessa nämä arvot ovat välillä:

alkaen: μσ=10020=80;johon: μ+σ=100+20=120.\textbf{alkaen:}\ \mu - \sigma = 100 - 20 = 80;\\ \textbf{johon:}\ \mu + \sigma = 100 + 20 = 120.
question-icon

Kyseessä on normaalijakautunut aineisto, jonka keskiarvo on 1500 ja keskihajonta 100. Yhdistä nyt tietty prosenttiosuus dataa vastaava numeerinen alue.

68%
95%

99.7%

Click or drag`n`drop items and fill in the blanks

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 3. Luku 4

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you explain the difference between population and sample standard deviation?

How is the standard deviation calculated in practice?

Can you provide more examples of the Empirical Rule?

Awesome!

Completion rate improved to 2.63

bookKeskihajonta

Pyyhkäise näyttääksesi valikon

Yksi tärkeimmistä mittareista on keskihajonta.

Note
Huomautus

Keskihajonta on samanlainen kuin varianssi, koska se on varianssin neliöjuuri.

Tämän vuoksi kaavat eroavat populaation ja otoksen välillä.

Määritelmä

Keskihajonta on mitta siitä, kuinka data jakautuu keskiarvon ympärille.

Empiirinen sääntö

Empiirinen sääntö, joka tunnetaan myös nimellä 68–95–99,7-sääntö, pätee kun perusjoukko noudattaa normaalijakaumaa. Tämän säännön mukaan:

  • Noin 68 % havainnoista sijoittuu yhden keskihajonnan (σ) etäisyydelle keskiarvosta;
  • Noin 95 % sijoittuu kahden keskihajonnan (2σ) etäisyydelle;
  • Noin 99,7 % sijoittuu kolmen keskihajonnan (3σ) etäisyydelle.

Kun käsitellään otoksia, prosenttiosuudet eivät välttämättä ole täysin tarkkoja, mutta ne ovat yleensä hyvin lähellä säännön arvoja, erityisesti suurilla otoskoilla.

Esimerkki

Tämän havainnollistamiseksi tarkastellaan kissanpentujen painoja grammoina:

Tässä tapauksessa käytetään seuraavia tietoja:

  • Keskiarvo (μ\mu) on 100 grammaa;
  • Keskihajonta (σ\sigma) on 20 grammaa.

Kuten aiemmin mainittiin, yksi keskihajonta keskiarvon ylä- ja alapuolella kattaa 68 % arvoista. Tässä tapauksessa nämä arvot ovat välillä:

alkaen: μσ=10020=80;johon: μ+σ=100+20=120.\textbf{alkaen:}\ \mu - \sigma = 100 - 20 = 80;\\ \textbf{johon:}\ \mu + \sigma = 100 + 20 = 120.
question-icon

Kyseessä on normaalijakautunut aineisto, jonka keskiarvo on 1500 ja keskihajonta 100. Yhdistä nyt tietty prosenttiosuus dataa vastaava numeerinen alue.

68%
95%

99.7%

Click or drag`n`drop items and fill in the blanks

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 3. Luku 4
some-alt