Johdanto

toimenpide leviäminen, joskus kutsutaan myös hajonnan, käytetään kuvaamaan vaihtelu näytteen tai väestöstä. Se on yleensä käytetään yhdessä mitta kehityssuunnan, kuten keskiarvo tai mediaani, anna yleinen kuvaus joukko tietoja.

miksi on tärkeää mitata tietojen leviämistä?,

On monia syitä, miksi toimenpide leviämisen data-arvoja, on tärkeää, mutta yksi tärkeimmistä syistä, tulee sen suhdetta toimenpiteistä, keski taipumus. Levittäytymisen mitta antaa käsityksen siitä, kuinka hyvin esimerkiksi keskiarvo edustaa dataa. Jos arvojen jakautuminen tietoaineistossa on suuri, keskiarvo ei ole yhtä edustava kuin tietojen leviäminen on pieni. Tämä johtuu siitä, että suuri levinneisyys osoittaa, että yksittäisten pistemäärien välillä on todennäköisesti suuria eroja., Lisäksi tutkimuksessa nähdään usein positiivisena, jos kussakin tietoryhmässä on vain vähän vaihtelua, koska se osoittaa vastaavan.

tarkastelemme vaihteluväliä, kvartiileja, varianssia, absoluuttista poikkeamaa ja keskihajontaa.

Alue

välillä on ero korkeimman ja matalimman pistemäärän show data set, ja se on yksinkertaisin mitta levitä., Niin laskemme välillä, kuten:

Vaihteluväli = suurin arvo – pienin arvo

esimerkiksi, olkaamme harkita seuraavia tietoja sarja:

suurin arvo on 85 ja pienin arvo on 23. Tämä johtaa vaihteluväliin 62, joka on 85 miinus 23. Vaikka vaihteluvälin käyttäminen levittäytymisen mittarina on vähäistä, se asettaa pisteytysten rajat., Tästä voi olla hyötyä, jos mittaat muuttujaa, jonka kynnys on joko kriittinen matala tai korkea (tai molemmat) ja jota ei pitäisi ylittää. Valikoima ilmoittaa heti, rikkoiko vähintään yksi arvo nämä kriittiset kynnysarvot. Lisäksi valikoimaa voidaan käyttää virheiden havaitsemiseen tietojen syöttämisessä. Jos esimerkiksi olet kirjannut koululaisten iän työhuoneeseesi ja vaihteluväli on 7-123 vuotta, tiedät tehneesi virheen!