분산 계산 공식

분산의 공식은 s =1/n [(x1-m) 2+(x2-m) 2+..+(xn-m) 입니다

분산은 확률론과 통계적 분산 측정 무작위 변수 또는 데이터 집합을 측정할 때 분산도를 측정한 것입니다. 확률론의 분산은 무작위 변수와 수학 기대 (즉, 평균) 사이의 편차를 측정하는 데 사용됩니다. 통계에서의 분산 (샘플 분산) 은 각 샘플 값과 모든 샘플 값의 평균 간 차이의 제곱 값의 평균입니다. 많은 실제 문제에서, 연구 분산은 바로 편차도를 연구하는 것이 중요한 의의가 있다. 분산은 소스 데이터와 예상 값의 차이를 측정한 것입니다.

분산은 통계적 설명과 확률 분포에서 서로 다른 정의와 공식을 가지고 있다. 통계 설명에서 분산은 각 변수 (관찰) 와 전체 평균의 차이를 계산하는 데 사용됩니다. 평균과 편차가 0 과 평균 제곱합 편차가 샘플 크기에 의해 영향을 받는 현상을 방지하기 위해 평균 제곱합계의 평균 편차를 사용하여 변수의 변이 정도를 설명합니다.

통계적 중요도

데이터 분포가 비교적 분산되어 있는 경우 (즉, 데이터가 평균을 중심으로 변동하는 경우) 각 데이터와 평균의 차이 제곱합이 크고 분산이 큽니다. 데이터 분포가 집중될 때 각 데이터와 평균 사이의 차이의 제곱합은 매우 작습니다. 따라서 분산이 클수록 데이터 변동이 커집니다. 분산이 작을수록 데이터 변동이 줄어듭니다.

샘플의 데이터와 샘플 평균의 차이에 대한 제곱합계의 평균을 샘플 분산이라고 합니다. 샘플 분산의 산술 제곱근을 샘플 표준 편차라고 합니다. 샘플 분산과 샘플 표준 편차는 모두 샘플 변동에 대한 측정입니다. 샘플 분산 또는 표준 편차가 클수록 샘플 데이터의 변동이 커집니다.