R11dLRvvNJrd8
Ilustracja przedstawia młodego mężczyznę w okularach zapisującego coś w notatniku. Wokół niego widać ciągi liczb. Mężczyzna stoi za szklaną zakratowaną ścianą, na której widać wykresy.

Badania biologiczne

Źródło: dostępny w internecie: pxfuel.com.

Statystyka w badaniach przyrodniczych

Słowo statystyka pochodzi od łacińskiego status (czyli o stanie rzeczy państwa). Pierwsze badania statystyczne prowadzono już ok. 2000 lat p. n. e. w starożytnym Egipcie, gdzie cyklicznie określano stan ludności i zasobów państwa. Spisy takie prowadzono też w starożytnych Chinach, Grecji, Persji.

Parametry statystyczne

Dane statystyczne przedstawione w postaci uporządkowanego szeregu statystycznego, tablic bądź wykresów, można poddać analizie, której zadaniem jest wykrycie prawidłowości i związków zachodzących w badanej zbiorowości, co w konsekwencji może posłużyć do ustalenia przyczyn kształtowania się danego zjawiska.

Do analizy danych wykorzystywane są parametry statystyczne (zwane też miarami statystycznymi lub charakterystykami liczbowymi).

Do podstawowych parametrów opisujących strukturę zbiorowości statystycznych należą miary tendencji centralnej (np. średnia arytmetyczna, średnia ważona, dominanta) i miary rozproszenia (np. wariancja, odchylenie standardowe).

Miary tendencji centralnej (zwane miarami średnimi, przeciętnymi) charakteryzują przeciętny poziom badanego zjawiska. Przyjmują takie wartości, wokół których skupiają się wszystkie pozostałe wartości badanej cechy statystycznej. Są to miary mianowane, wyznaczane dla cech mierzalnych.

Miary rozproszenia (miary rozrzutu, odchylenia, dyspersji) informują jakie są różnice między poszczególnymi wartościami jednostek statystycznych, a ich wartością średnią. Pokazują stopień zróżnicowania między sobą jednostek statystycznych pod względem badanej cechy.

Miary tendencji centralnej

Średnia arytmetyczna

Średnia arytmetyczna (zwana też krótko średnią) jest jedną z miar tendencji centralnej, umożliwiającą formułowanie obiektywnych wniosków dotyczących zebranych danych liczbowych.

Średnia arytmetycznamagenta
Definicja: Średnia arytmetyczna

Średnią arytmetyczną liczb x1, x2, ..., xn nazywamy liczbę x¯ określoną wzorem

x¯=x1+x2+...+xnn

Średnia arytmetyczna może przyjmować wartości, nie występujące w badanym zbiorze danych. Jest wielkością mianowaną, czyli jest wyrażona w takich samych jednostkach jak badana cecha.

green
Przykład 1

Pewien zakład pracy zatrudnia 4 pracowników. W maju pracownicy  przepracowali odpowiednio: 160 godzin, 220 godzin, 140 godzin, 180 godzin. Obliczymy średnią godzin przepracowanych w maju przez jednego pracownika.

Rozwiązanie:

Zbiorowość statystyczną tworzą pracownicy zakładu pracy. Jest 4 pracowników, zatem liczba jednostek statystycznych to n=4.

Badana cecha to liczba przepracowanych godzin. Wartości tej cechy:

x1=160 godzin, x2=220 godzin, x3=140 godzin, x4=180 godzin.

Wykonujemy obliczenia, podstawiając wyznaczone liczby do wzoru na średnią arytmetyczną.

x¯=160+220+140+1804=7004

x¯=175 godzin

Odpowiedź:

Średnio w maju pracownik przepracował 175 godzin. Dwóch pracowników przepracowało mniej godzin, a dwóch więcej od średniej.

Obliczając średnią arytmetyczną, należy uwzględnić wszystkie wartości danego zbioru. Oznacza to, że zmiana któregokolwiek z elementów zbioru danych prowadzi do zmiany wartości średniej.

Należy przy tym pamiętać, że średnia arytmetyczna nie może przyjmować wartości niższej niż najmniejsza wartość badanej cechy oraz wyższej niż największa wartość badanej cechy.

green
Przykład 2

Średnie miesięczne wynagrodzenie w firmie zatrudniającej 9 pracowników wynosiło 3600 zł. Zatrudniono nowego pracownika i teraz średnie miesięczne wynagrodzenie wzrosło o 5%. Obliczymy ile zarabia nowo zatrudniony pracownik.

Rozwiązanie:

Oznaczmy:
x1 zł – zarobki pierwszego pracownika,
x2 zł – zarobki drugiego pracownika,
...
x9 zł – zarobki dziewiątego pracownika,
x10 zł – zarobki dziesiątego, nowo przyjętego pracownika.

Wtedy:

x1+x2+…+x99=3600

Stąd:

x1+x2+...+x9=32400

Po zatrudnieniu nowego pracownika średnia arytmetyczna zarobków wzrosła i wynosi teraz:

105%·3600=3780 zł

Podstawiając uzyskane dane do wzoru na średnią arytmetyczną, wyznaczymy wynagrodzenie nowo zatrudnionego pracownika.

x1+x2+…x9+x1010=3780 |·10

x1+x2+...+x9+x10=37800

32400+x10=37800

x10=5400 zł

Odpowiedź:

Nowo zatrudniony pracownik zarabia 5400 zł.

Średnia ważona

green
Przykład 3

Wystawiając ocenę końcoworoczną z biologii w pewnej szkole, bierze się pod uwagę trzy liczby:

s – średnią arytmetyczną ocen uzyskanych w ciągu całego roku szkolnego,
p – ocenę z obowiązkowej pracy projektowej,
u – udział w konkursach, olimpiadach, turniejach.

Wynik końcowy k ustala się według wzoru:

k=34s+18p+18u

Największe znaczenie (największą wagę) ma więc średnia ocen uzyskanych w ciągu całego roku szkolnego, oceny p i u mają mniejszą wagę.

Mówimy, że końcowa ocena k jest średnią ważoną ocen s, p, u z wagami odpowiednio 34, 18, 18.

Średnia ważona jest więc średnią elementów, którym przypisywane są różne wagi. Zatem elementy o większej wadze, mają większy wpływ na średnią. Jeśli wszystkie elementy mają takie same wagi – średnia ważona jest równa średniej arytmetycznej.

Statystycy rozważają kilka rodzajów średniej ważonej – my będziemy zajmować się tylko średnią ważoną arytmetyczną, zwaną krótko średnią ważoną.

Średnia ważona ma własności podobne do średniej arytmetycznej – jest mianowaną miarą tendencji centralnej (miary tendencji centralnej – zwane miarami średnimi, przeciętnymi – charakteryzują przeciętny poziom badanego zjawiska, przyjmują takie wartości, wokół których skupiają się wszystkie pozostałe wartości badanej cechy statystycznej).

Średnia ważona arytmetycznamagenta
Definicja: Średnia ważona arytmetyczna

Średnią ważoną arytmetyczną liczb x1, x2, …, xn z odpowiadającymi im odpowiednio wagami w1, w2, …, wn nazywamy liczbę x¯w określoną wzorem

x¯w=x1w1+x2w2+…+xnwnw1+w2+…+wn

gdzie:
w1, w2, …, wn – są liczbami dodatnimi.

green
Przykład 4

Obliczymy średnią ważoną liczb z podanymi wagami.

Liczby xi

3

6

18

Wagi wi

2

3

1

Rozwiązanie:

Skorzystamy ze wzoru na średnią ważoną.

x¯w=x1w1+x2w2+…+xnwnw1+w2+…+wn

W rozważanym przypadku:

x1=3, x2=6, x3=18

w1=2, w2=3, w3=1

Stąd:

x¯w=3·2+6·3+18·12+3+1=426=7

Odpowiedź:

Średnia ważona podanego zestawu liczb jest równa 7.

Średnia ważona wykorzystywana jest w sytuacjach, gdy pewnym wielkościom (danym) trzeba nadać większe znaczenie.

green
Przykład 5

Aneta na egzaminie maturalnym zdawała trzy przedmioty w zakresie rozszerzonym: matematykę, fizykę i język angielski. Z matematyki uzyskała 42 punkty, z fizyki 28 punktów i z języka angielskiego 26 punktów.

Aby Aneta została przyjęta na wybrane studia, średnia ważona liczby uzyskanych przez nią punktów powinna wynosić co najmniej 35.

Przy czym punktom zdobytym z matematyki przypisywano wagę 6, z fizyki wagę 4 i z języka obcego wagę 1.

Ustalimy, czy Aneta dostanie się na wybrane przez siebie studia.

Rozwiązanie:

Przedstawimy wszystkie dane w tabeli.

Przedmiot

Liczba uzyskanych punktów xi

Waga wi

xi·wi

Matematyka

42

6

252

Fizyka

28

4

112

Język angielski

26

1

26

Razem

11

390

Obliczamy średnią ważoną liczby uzyskanych punktów.

x¯w=39011≈35,5

35,5>35

Odpowiedź:

Średnia ważona uzyskanych przez Anetę punktów jest większa od wymaganej, zatem dostanie się ona na studia.

Uzyskane wyniki można zinterpretować następująco: pomimo, że Aneta otrzymała mniejszą liczbę punktów od wymaganej z fizyki i języka angielskiego, to wysoka waga liczby punktów uzyskanych z matematyki spowodowała, że w konsekwencji uzyskała wymaganą liczbę punktów.

Zauważmy też, że gdyby o przyjęciu na studia decydowała średnia arytmetyczna, to Aneta nie dostałaby się na studia, gdyż średnia ta jest równa 42+28+263=32.

green
Przykład 6

Obliczymy średnią arytmetyczną zestawu danych: 2, 4, 6, 10, 2, 2, 4, 6, 10, 10, 2, 4.

Rozwiązanie:

I sposób:

Korzystamy ze wzoru na średnią arytmetyczną.

x¯=2+4+6+10+2+2+4+6+10+10+2+412=6212=516

II sposób:

Zamiast średniej arytmetycznej obliczymy średnią ważoną, przyjmując, że wagami są liczebności danych.

Wartość xi

Liczebność ni=wi

xi·wi

2

4

8

4

3

12

6

2

12

10

3

30

Razem

12

62

Korzystamy ze wzoru na średnią ważoną.

x¯w=6212=516

W obu przypadkach otrzymaliśmy te same liczby.

Odpowiedź:

Średnia arytmetyczna zestawu danych jest równa 516.

Mediana

Mediana, zwana inaczej wartością środkową, zajmuje środkową pozycję w uporządkowanym szeregu statystycznym.

Będziemy ją oznaczać literą M.

Zatem, aby wyznaczyć medianę, należy najpierw uszeregować dane, zgodnie ze wzrostem ich wartości. Mediana dzieli ciąg tych danych na dwie równoliczne części w ten sposób, że elementy jednej z tych części są nie większe od mediany, a drugiej z tych części – nie mniejsze od mediany.

Można ją wyznaczyć dla każdego szeregu statystycznego.

Mediana nieparzystej liczby danych

W przypadku uporządkowanego zestawu danych o nieparzystej liczebności, mediana jest środkowym elementem zestawu.

Na przykład mediana zestawu liczb: 1, 1, 3, 5, 6, 7, 8, 8, 10 jest równa 6.

Rw3ulXxNd1gNA
green
Przykład 7

Wyznaczymy medianę zestawu liczb: 1, 6, 2, 8, 5, 4, 3.

Porządkujemy zestaw danych: 1, 2, 3, 4, 5, 6, 8.

Jest 7 liczb. Środkowa to liczba 4 (z prawej i lewej strony liczby 4 znajdują się po 3 elementy).

RL69C6iw7ru5e
green
Przykład 8

Grupę dziewcząt zapytano: Ile uprawiasz dyscyplin sportowych?

Otrzymano następujące dane: 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 3.

Określimy medianę tego zestawu danych.

Uzyskany szereg statystyczny jest już uporządkowany. Liczba elementów jest nieparzysta, zatem medianą będzie wartość środkowa, równa 1.

R1Yr4jhYCOEFf

Interpretacja wyniku: połowa dziewcząt nie uprawia żadnej dyscypliny sportowej lub uprawia jedną, a druga połowa uprawia co najmniej jedną dyscyplinę sportową.

pink
Ważne!

Mediana nieparzystej liczby danych

Niech liczby x1≤x2≤...≤xn będą uporządkowanym niemalejąco zbiorem wszystkich danych. Jeśli n jest liczbą nieparzystą, to medianą liczb x1, x2, ..., xn jest liczba xk, gdzie k=n+12.

Zatem:

M=xn+12.

green
Przykład 9

Wyznaczymy medianę danych, korzystając z uporządkowanego szeregu statystycznego.

x1

x2

x3

x4

x5

x6

x7

1

2

3

10

20

40

50

Liczba elementów szeregu: n=7.

Medianą jest liczba xk, gdzie k=7+12=4.

Stąd M=x4=10.

Medianą zestawu danych jest liczba 10.

Mediana parzystej liczby danych

W przypadku, gdy liczba danych jest parzysta, to „w środku” szeregu uporządkowanego znajdują się dwie liczby. Medianą jest wtedy średnia arytmetyczna tych liczb.

RvQ6ScpVIqqLs
green
Przykład 10

Wyznaczymy medianę zestawu danych: 1, 4, 4, 6, 1, 1, 5,2.

Porządkujemy dane: 1, 1, 1, 2, 4, 4, 5,6.

Liczba danych jest parzysta. Gdybyśmy zaznaczyli  prostą, dzielącą zbiór danych na dwie równe części, to mediana byłaby  średnią arytmetyczną dwóch liczb, sąsiadujących z prawej i lewej strony z linią podziału. Czyli dwóch liczb „środkowych”.

RCCLqNkjpDB4V

Medianą danego zbioru danych jest liczba 3.

green
Przykład 11

Określimy medianę wieku grupy 6 osób, od których uzyskano następujące dane: 10 lat, 14 lat, 20 lat, 18 lat, 16 lat, 25 lat.

Tworzymy szereg uporządkowany: 10, 14, 16, 18, 20, 25.

Liczba danych jest parzysta. Obliczamy średnią arytmetyczną dwóch liczb „środkowych”.

16+182=17

M=17 lat

Mediana wieku badanej grupy osób jest równa 17 lat.   

Interpretacja mediany: 50% badanych osób ma wiek mniejszy bądź równy 17 lat, 50% badanych osób ma wiek większy bądź równy 17 lat.

pink
Ważne!

Mediana parzystej liczby danych

Niech liczby x1≤x2≤…≤xn będą uporządkowanym niemalejąco zbiorem wszystkich danych. Jeśli n jest liczbą parzystą, to medianą liczb x1, x2, …, xn jest liczba M=xk+xk+12, gdzie k=n2.

Moda

Modamagenta
Definicja: Moda

Moda (dominanta, wartość najczęstsza, wartość modalna) to wartość cechy statystycznej, która występuje najczęściej w badanym zbiorze danych (czyli dominuje w tym zbiorze).

Oznaczamy ją literą D.
Jest to miara mianowana, ma takie samo mino jak badana cecha statystyczna.

W dalszych rozważaniach będziemy posługiwać się zamiennie terminem moda i dominanta.

Dominantę można wyznaczać nie tylko dla liczbowych wartości zmiennych (w przeciwieństwie, np. do średniej arytmetycznej czy mediany). Jest to szczególnie istotne w zastosowaniach praktycznych.

green
Przykład 12

W zbiorze: {gorzki, słodki, kwaśny, gorzki, gorzki, kwaśny, kwaśny, gorzki } dominantą jest gorzki (ten element w zbiorze danych wystąpił najwięcej razy).

green
Przykład 13

Na grzędce rosną: 3 astry, 6 róż, dwie aksamitki i 4 fiołki. Najwięcej jest róż. Zatem, jeśli rozważymy zbiór kwiatów rosnących na tej grządce, to dominantą będzie róża.

W badanym zbiorze danych może nie istnieć dominanta lub może być kilka dominant.

green
Przykład 14

W zbiorze danych: 1, 4, 6, 6, 6, 7, 9, 9, 9 są dwie dominanty: 6 i 9. Obie te liczby występują w danym zbiorze tyle samo razy.

D∈6, 9

green
Przykład 15

W każdym z 6 pokoi policzono liczbę okien i otrzymano następujące wyniki: 1, 1, 2, 2, 3, 3.

W tym zestawie wszystkie wyniki powtarzają się po tyle samo razy. Przyjmujemy, że ten zbiór nie ma dominanty.

pink
Ważne!

Jeśli w danym zbiorze danych statystycznych:

  • kilka z tych danych występuje z tą samą największą liczebnością, to przyjmujemy, że każda z nich jest dominantą,

  • wszystkie dane występują z tą samą liczebnością, to przyjmujemy, że  ten zestaw nie ma dominanty.

Miary rozproszenia

Rozpatrzymy wyniki dwóch serii rzutów kostką do gry.

Seria 1

Seria 2

4, 4, 4, 4, 4

1, 3, 4, 6, 6

W obu przypadkach średnia arytmetyczna liczby wyrzuconych oczek jest równa 4. Mediana obu zestawu danych też jest równa i wynosi 4. Jednak oba te zestawy danych wyraźnie się różnią. Pierwszy zestaw nie jest zróżnicowany, a drugi – zróżnicowany. Widać więc, że zastosowanie miar tendencji centralnej nie opisuje dobrze różnic między tymi zestawami.

Aby więc analiza danych była pełniejsza, warto zastosować jeszcze charakterystyki zróżnicowania (rozproszenia) danych, zwane miarami rozproszenia (dyspersji). Miary te pozwalają na określenie, jak duże są różnice (odchylenia) między poszczególnymi wartościami jednostek zbiorowości, a ich wartością przeciętną (średnią).

Miara rozproszeniamagenta
Definicja: Miara rozproszenia

Miary rozproszenia (rozrzutu, zmienności, dyspersji) to miary charakteryzujące stopień zróżnicowania między sobą jednostek statystycznych pod względem badanej cechy.

Przykładowe miary rozproszenia to rozstęp, wariancja, odchylenie standardowe.

Rozstęp

Rozstęp jest miarą służącą do wstępnej analizy rozproszenia.

Rozstępmagenta
Definicja: Rozstęp

Rozstępem (obszarem zmienności) nazywamy różnicę między największą a najmniejszą wartością cechy w szeregu statystycznym.

Rozstęp oznaczamy literą R.

R=xmax-xmin,

gdzie:
xmax – największa wartość cechy,
xmin – najmniejsza wartość cechy.

green
Przykład 16

W tabeli przedstawiono oceny z historii uzyskane przez Anię, Ewę i Julka.

Osoba

Oceny z historii

Ania

4, 5, 6, 4, 5, 4, 6

Ewa

3, 4, 4, 4, 4, 3, 3, 3

Julek

2, 1, 3, 4, 4, 4, 3, 5

R=6–4=2

R=4–3=1

R=5–1=4

Odchylenie przeciętne

Odchylenie od średniejmagenta
Definicja: Odchylenie od średniej

Odchyleniem wartości xi cechy statystycznej od średniej arytmetycznej x¯ nazywamy liczbę xi-x¯.

green
Przykład 17

Policzono ile bombek zawieszono na 4 choinkach stojących na Placu Ratuszowym. Otrzymano następujące wyniki: 126, 47, 24, 183.

Obliczymy średnią arytmetyczną liczby bombek i dla każdego wyniku podamy odchylenie od średniej liczb bombek.

Rozwiązanie:

Obliczamy średnią arytmetyczną:

x¯=126+47+24+1834=95

Obliczamy odchylenie od średniej.

Argumenty i Wartości

xi

126

47

24

183

xi-x¯

126-95=31

47-95=48

24-95=71

183-95=88

Wniosek:

Największe odchylenie od średniej jest w przypadku choinki, na której zawieszono 183 bombki.

Miarą rozproszenia, która uwzględnia wszystkie dane rozkładu (a nie poszczególne elementy – tak jak odchylenie od średniej), jest odchylenie przeciętne (średnie).

Odchylenie przeciętnemagenta
Definicja: Odchylenie przeciętne

Odchyleniem przeciętnym zestawu danych statystycznych x1, x2, …, xn od ich średniej arytmetycznej x¯ nazywamy liczbę:

d=x1-x¯+x2-x¯+…+xn-x¯n

green
Przykład 18

Obliczymy odchylenie przeciętne dla zestawu danych z Przykładu 2.

d=31+48+71+884=59,5≈60

Możemy powiedzieć, że liczby bombek na poszczególnych choinkach różnią się o ok. 60 od średniej dla wszystkich choinek.

Wariancja

Podstawową miarą zmienności obserwowanych wyników jest wariancja. Wariancja informuje o tym, jak duże jest zróżnicowanie wyników w danym zbiorze danych – czy wyniki są bardziej czy mniej skoncentrowane wokół średniej.

Wariancjamagenta
Definicja: Wariancja

Wariancją zestawu danych statystycznych x1, x2, …, xn nazywamy średnią arytmetyczną kwadratów odchyleń od ich średniej arytmetycznej x¯.

Wariancję oznaczamy symbolem σ2 (σ – sigma) i określamy wzorem:

σ2=x1-x¯2+x2-x¯2+…+xn-x¯2n

green
Przykład 19

W loterii fantowej wzięły udział 3 osoby. Każda wyciągnęła 10 losów. Pierwsza z osób wyciągnęła 4 losy pełne, druga 6, a trzecia 2. Obliczymy wariancję wyciagnięcia losów pełnych.

Obliczamy średnią arytmetyczną liczb: 4, 6, 2.

x¯=4+6+23=4

Obliczamy wariancję.

σ2=4-42+6-42+2-423=0+4+43=83≈2,7

Wariancja jest równa w przybliżeniu 2,7.

green
Przykład 20

Obliczymy wariancję dla zestawu danych zapisanych w tabeli liczebności.

Argumenty i Wartości

Wartość xi cechy

2

4

6

10

Liczebność ni

2

5

1

2

Obliczamy średnią arytmetyczną.

x¯=2·2+4·5+6·1+10·22+5+1+2=4+20+6+2010=5

Obliczymy wariancję.

σ2=2·2-52+5·4-52+1·6-52+2·10-5210

σ2=2·9+5·1+1·1+2·2510=7410=7,4

Wariancja dla podanego zestawu danych jest równa 7,4.

green
Przykład 21

Obliczymy rozstęp, średnią arytmetyczną, odchylenie przeciętne i wariancję dla zestawu danych: -4, 10, -1, 0, 5.

Rozwiązanie:

Zapisujemy dane w postaci uporządkowanego szeregu statystycznego.

xi

x1

x2

x3

x4

x5

-4

-1

0

5

10

Obliczamy rozstęp.

R=x5-x1=10--4=14

Obliczamy średnią arytmetyczną.

x¯=-4-1+0+5+105=2

Obliczamy odchylenie przeciętne.

d=-4-2+10-2+-1-2+0-2+5-25=6+8+3+2+35=4,4

Obliczamy wariancję.

σ2=-4-22+10-22+-1-22+0-22+5-225

σ2=62+82+32+22+325=1225=24,4

Na podstawie wartości uzyskanych parametrów zauważamy, że zróżnicowanie danych jest duże (różnica między wartością największą a najmniejszą to aż 14, wariancja to 24,4).

Odchylenie standardowe

Odchylenie standardowe jest najczęściej stosowaną miarą rozproszenia. Jest miarą określającą przeciętne zróżnicowanie poszczególnych wartości cechy statystycznej od poziomu średniej arytmetycznej. Odchylenie standardowe to pierwiastek kwadratowy ze średniej arytmetycznej kwadratów odchyleń poszczególnych wartości cechy od wartości średniej arytmetycznej.

Odchylenie standardowemagenta
Definicja: Odchylenie standardowe

Odchyleniem standardowym zestawu danych statystycznych x1, x2, …, xn od średniej arytmetycznej x¯ nazywamy liczbę σ równą pierwiastkowi kwadratowemu z wariancji.

σ=x1-x¯2+x2-x¯2+…+xn-x¯2n

Podstawowe własności

Odchylenie standardowe:

  • to miara mianowana – ma miano takie, jak badana cecha statystyczna,

  • jest liczone na podstawie wszystkich obserwacji,

  • bazuje na średniej arytmetycznej, a więc nie może być wyznaczone w szeregach, w których nie można wyznaczyć średniej,

  • określa miarę rozrzutu jednej zbiorowości pod względem jednej cechy,

  • im ma wyższą wartość, tym bardziej zróżnicowana jest badana zbiorowość statystyczna.

Wyznaczanie odchylenia standardowego w szeregach szczegółowych
green
Przykład 22

Zbadano liczbę czekoladek w pudełkach z napisem „zawartość 500 g”. Otrzymano wyniki: 20, 21, 23, 19, 17. Obliczymy odchylenie standardowe tych danych.

Rozwiązanie:

Porządkujemy dane według rosnących wartości.

x1

x2

x3

x4

x5

17

19

20

21

23

Określamy liczbę danych: n=5.

Obliczamy średnią arytmetyczną.

x¯=17+19+20+21+235=20

Obliczamy odchylenia od średniej dla każdej z danych.

17-20=3

19-20=1

20-20=0

21-20=1

23-20=3

Obliczamy odchylenie standardowe, podstawiając do wzoru wyznaczone odchylenia od średniej.

σ=x1-x¯2+x2-x¯2+…+xn-x¯2n

σ=32+12+02+12+325

σ=205=2

Odpowiedź:

Odchylenie standardowe jest równe 2, co oznacza, że liczba czekoladek w pudełkach różni się przeciętnie od średniej o 2 czekoladki.

green
Przykład 23

Zbadano cenę pączków w kilku sklepach. Otrzymano następujące wyniki: 2 zł, 2,5 zł, 3 zł, 1,5 zł, 4 zł, 2 zł. Obliczymy odchylenie standardowe ceny pączków od średniej.

Rozwiązanie:

Porządkujemy dane: 1,5 zł, 2 zł, 2 zł, 2,5 zł, 3 zł, 4 zł.

Obliczamy średnią arytmetyczną cen.

x¯=1,50+2+2+2,50+3+46

x¯=156

x¯=2,5 zł

Obliczamy odchylenie od średniej dla każdej z danych.

1,50-2,50=1

2-2,50=0,50

2,50-2,50=0

3-2,50=0,50

4-2,50=1,50

Obliczamy odchylenie standardowe.

σ=12+0,502+0,502+02+0,52+1,526

σ=46=26=63

σ≈0,82zł

Odpowiedź:

Odchylenie standardowe jest równe w przybliżeniu 0,82zł, co oznacza, że ceny różnią się przeciętnie o 0,82zł od średniej ceny.

bg‑blue

Przeanalizuj przykłady wyznaczania odchylenia standardowego. Zastanów się, w jaki sposób można zinterpretować wyniki obliczeń. Wykonaj polecenie.

R10XDsgFoX7Hr
Film nawiązujący do treści materiału dotyczącego zagadnienia odchylenia standardowego.
Polecenie 1

Korzystające ze wzoru zapisanego w animacji, oblicz odchylenie standardowe zestawu danych: 0, 2, 6, 8. Wynik podaj z dokładnością do 0,1.

bg‑blue

Ćwiczenia utrwalające

RxrGObDZPUshv
Ćwiczenie 1
Dopasuj nazwę do odpowiedniego opisu. Różnica między największą a najmniejszą wartością cechy w szeregu statystycznym Możliwe odpowiedzi: 1. Średnia arytmetyczna, 2. Odchylenie od średniej, 3. Rozstęp, 4. Odchylenie standardowe, 5. Wariancja Średnia arytmetyczna kwadratów odchyleń zestawu danych od ich średniej arytmetycznej Możliwe odpowiedzi: 1. Średnia arytmetyczna, 2. Odchylenie od średniej, 3. Rozstęp, 4. Odchylenie standardowe, 5. Wariancja Liczba równa pierwiastkowi kwadratowemu z wariancji Możliwe odpowiedzi: 1. Średnia arytmetyczna, 2. Odchylenie od średniej, 3. Rozstęp, 4. Odchylenie standardowe, 5. Wariancja Iloraz sumy wartości danych przez ich liczbę Możliwe odpowiedzi: 1. Średnia arytmetyczna, 2. Odchylenie od średniej, 3. Rozstęp, 4. Odchylenie standardowe, 5. Wariancja Wartość bezwzględna różnicy między wartością cechy a średnią arytmetyczną Możliwe odpowiedzi: 1. Średnia arytmetyczna, 2. Odchylenie od średniej, 3. Rozstęp, 4. Odchylenie standardowe, 5. Wariancja
R1GqiI2knGuBy
Ćwiczenie 2
Wymyśl pytanie na kartkówkę związane z tematem materiału.
RLSiWA44LgHTI
Ćwiczenie 3
Podaj odpowiednią liczbę, będącą średnią ważoną danego zestawu liczb. Wariant pierwszy: Liczby i wagi to: liczba dwa o wadze jeden, liczba cztery o wadze dwa, liczba sześć o wadze pięć. Średnia ważona wynosi. Tu uzupełnij. Wariant drugi Liczby i wagi to: liczba cztery o wadze dwa, liczba osiem o wadze dwa, liczba dwa o wadze cztery. Średnia ważona wynosi. Tu uzupełnij. Wariant trzeci: Liczby i wagi to: liczba jeden o wadze trzy, liczba trzy o wadze jeden, liczba sześć o wadze dwa. Średnia ważona wynosi. Tu uzupełnij. Wariant czwarty: Liczby i wagi to: liczba cztery o wadze pięć, liczba dwa o wadze pięć, liczba trzy o wadze dziesięć. Średnia ważona wynosi. Tu uzupełnij.
RXBv0yZjQBvnD
Ćwiczenie 4
Dopasuj medianę do odpowiedniego zestawu danych. dwa, przecinek, dwa, przecinek, dwa, przecinek, cztery, przecinek, pięć, przecinek, osiem, przecinek, dziesięć Możliwe odpowiedzi: 1. dziesięć, 2. trzy, 3. cztery, 4. osiem dwa, przecinek, cztery, przecinek, sześć, przecinek, dziesięć, przecinek, dwadzieścia, przecinek, pięćdziesiąt Możliwe odpowiedzi: 1. dziesięć, 2. trzy, 3. cztery, 4. osiem jeden, przecinek, dziesięć, przecinek, dziesięć, przecinek, osiem, przecinek, dwanaście, przecinek, dwadzieścia Możliwe odpowiedzi: 1. dziesięć, 2. trzy, 3. cztery, 4. osiem trzy, przecinek, trzy, przecinek, trzy, przecinek, trzy, przecinek, trzy, przecinek, cztery, przecinek, cztery Możliwe odpowiedzi: 1. dziesięć, 2. trzy, 3. cztery, 4. osiem
Ćwiczenie 5

Zważono losowo wybrane tabliczki czekolady, produkowanej w pewnej fabryce. Otrzymane dane zamieszczono w tabeli.

Masa tabliczki czekolady (w g)

Liczba tabliczek czekolady (w szt.)

120

5

100

10

98

35

R1DncOcgaRCsV
Na podstawie powyższych danych można stwierdzić, że Możliwe odpowiedzi: 1. średnia ważona arytmetyczna mas tych czekolad jest większa niż sto gram, 2. jeśli zważono by jeszcze dziesięć takich tabliczek czekolady i każda z nich miałaby masę sto gram, to średnia mas wszystkich czekolad zwiększyłaby się, 3. gdyby okazało się, że nastąpiła pomyłka w obliczeniach i każda z trzydzieśći pięć tabliczek nie waży dziewięćdziesiąt osiem gram, ale dziewięćdziesiąt sześć gram , to średnia ważona zmniejszyłaby się o sześć gram, 4. gdyby okazało się, że nastąpiła pomyłka w obliczeniach i każda z pięciu tabliczek ważących sto dwadzieścia gram waży w rzeczywistości sto dziesięć gram, to średnia ważona mas tych czekolad byłaby mniejsza od sto gram.
RVOYRDzjKjzcf
Ćwiczenie 6
Dopasuj dominantę do odpowiedniego zestawu danych. Lewa kolumna: a) siedem, sześć, pięć, osiem, zero, dziewięć, zero, trzy, zero, jeden., b) jeden, trzy, dwa, pięć, dziewięć, zero, pięć, siedem, osiem., c) jeden, jeden, jeden, jeden, jeden, siedem, siedem, siedem, siedem, siedem,siedem., d) sześć, osiem, dwa, cztery, dwa, trzy, sześć, dwa, dwa, dwa, siedem, dziesięć. Prawa kolumna: a) dwa, b) zero, c) pięć, d) siedem
RPsu1lZ5zdsDZ
Ćwiczenie 7
W zbiorze danych: zero, zero, jeden, jeden, dwa, dwa, trzy, trzy, cztery, pięć, sześć, siedem: Możliwe odpowiedzi: 1. nie ma dominanty, 2. jest jedna dominanta, 3. są trzy dominanty, 4. są cztery dominanty
RZ1UqzKfSi7qh
Ćwiczenie 8
Wskaż wszystkie zestawy danych, dla których odchylenie standardowe jest większe od dwa. Możliwe odpowiedzi: a) jeden, przecinek, cztery, przecinek, dwa, przecinek, osiem, przecinek, pięć, b) trzy, przecinek, dwa, przecinek, zero, przecinek, dziewięć, przecinek, jeden, c) pięć, przecinek, pięć, przecinek, dwa, przecinek, pięć, przecinek, trzy, d) cztery, przecinek, dwa, przecinek, osiem, przecinek, pięć, przecinek, jeden
Ćwiczenie 9

Maciek w tym semestrze otrzymał z geografii trzy czwórki, dwie piątki, cztery trójki i szóstkę. Oblicz wariancję dla tych danych.