Sisihan Piawai

Sisihan piawai ialah salah satu metrik asas yang paling banyak digunakan untuk mencirikan sesuatu set data. Secara ringkasnya, ia mengukur penyebaran atau taburan data anda. Dengan mengira sisihan piawai, anda boleh menentukan dengan mudah sama ada titik data anda berkelompok rapat di sekitar min atau tersebar luas dalam julat yang besar. Sisihan piawai yang lebih tinggi menunjukkan kebolehubahan dan penyebaran yang lebih besar dalam set data, manakala nilai yang lebih rendah bermakna nombor-nombor tersebut adalah lebih dekat dengan purata.

Kalkulator sisihan piawai kami mengira nilai tepat untuk sebarang set data yang diberikan dan menyediakan pecahan langkah demi langkah yang komprehensif bagi matematik yang terlibat.

Cara Menggunakan Kalkulator Sisihan Piawai

Alat ini direka bentuk untuk mesra pengguna dan sangat fleksibel. Cuma masukkan set data anda sebagai senarai nombor yang dipisahkan oleh pembatas. Jadual di bawah menunjukkan beberapa format input yang sah:

input baris	input lajur	input lajur	input lajur
44, 63, 72, 75, 80, 86, 87, 89	44	44,	44,63,72
44 63 72 75 80 86 87 89	63	63,	75,80
44,, 63,, 72, 75, 80, 86, 87, 89	72	72,	86,87
44 63 72 75, 80, 86, 87, 89	75	75,	89
44; 63; 72, 75,, 80, 86, 87, 89	80	80,
44,,, 63,, 72, 75, 80, 86, 87, 89	86	86,
44 63,, 72,,,, 75, 80, 86, 87, 89	87	87,
	89	89,

Anda boleh memisahkan nombor anda menggunakan koma, ruang kosong, pemisah baris, atau gabungan kesemuanya. Kalkulator ini mengendalikan kedua-dua format baris dan lajur dengan lancar. Tidak kira format mana yang anda pilih daripada jadual tersebut, kalkulator akan memproses input dengan tepat sebagai set data: 44, 63, 72, 75, 80, 86, 87, dan 89.

Selepas memasukkan data anda, cuma pilih sama ada anda sedang mengendalikan sampel atau keseluruhan populasi, kemudian tekan kira. Alat ini akan memaparkan lima parameter statistik utama untuk set data anda secara serta-merta: bilangan (jumlah pemerhatian), min, jumlah sisihan kuasa dua, varians, dan sisihan piawai akhir.

Apakah yang Diselesaikan oleh Kalkulator Sisihan Piawai Ini?

Kalkulator ini direka bentuk untuk mengira sisihan piawai bagi set data diskret di samping memberikan pemahaman mendalam tentang teori statistik di sebalik keputusan tersebut.

Data biasanya mewakili sama ada populasi atau sampel. Populasi merangkumi semua pemerhatian yang mungkin dalam sesuatu eksperimen di bawah keadaan tertentu. Walau bahagaimanapun, dalam amalan statistik dunia sebenar, selalunya adalah tidak praktikal atau mustahil untuk mengumpul data daripada setiap ahli dalam populasi yang besar.

Sebaliknya, penyelidik menggunakan subset daripada kumpulan yang lebih besar itu, yang dikenali sebagai sampel. Dengan menganalisis sampel ini, kita boleh membuat anggaran dan inferens yang sangat tepat tentang populasi yang lebih luas.

Apabila mengira sisihan piawai, formula berubah sedikit bergantung pada sama ada anda menilai data sampel atau keseluruhan populasi. Pelarasan penting ini melibatkan faktor matematik yang dikenali sebagai 'darjah kebebasan'. Untuk sampel, kita membahagikan varians dengan n - 1 (di mana n ialah saiz sampel) dan bukannya n. Pembetulan ini mengimbangi hakikat bahawa kita menggunakan sampel untuk menganggar populasi, bagi memastikan anggaran sisihan piawai kita adalah tidak pincang sepenuhnya.

Pada akhirnya, sisihan piawai mengukur purata kebolehubahan atau penyebaran set data berbanding minnya. Dalam statistik, ia ditandakan dengan huruf Yunani σ (sigma) untuk populasi, atau s untuk sampel. Nilai σ atau s yang lebih besar menandakan bahawa titik data tersebar luas dari min, manakala nilai yang lebih kecil menunjukkan kelompok yang rapat.

Pertimbangkan dua set data berikut sebagai contoh:

(Set I)

11, 3, 5, 21, 10, 15, 20, 25, 13, 26, 27

(Set II)

12, 14, 14, 15, 15, 16, 16, 17, 18, 19, 20

Dengan memasukkan nombor-nombor ini ke dalam kalkulator sisihan piawai kami, kita mendapat keputusan berikut:

Untuk Set I:

• x̄ = 16 — nilai min
• s = 8.3904708 — sisihan piawai sampel

Untuk Set II:

• x̄ = 16 — nilai min
• s = 2.3664319 — sisihan piawai sampel

Walaupun kedua-dua set berkongsi min yang sama (x̄ = 16), taburannya adalah sangat berbeza. Dalam Set I, nombor-nombor tersebut menyimpang dengan ketara daripada min sampel (s = 8.39), manakala dalam Set II, kebolehubahannya adalah sangat kecil (s = 2.36).

Formula untuk Mengira Sisihan Piawai

Formula sisihan piawai populasi digunakan apabila menganalisis setiap nilai dalam populasi yang lengkap:

$$σ = \sqrt{\frac{\sum_{i=1}^{N}(x_i-μ)^2}{N}}$$

• σ ialah sisihan piawai populasi,
• xᵢ ialah nilai individu dalam populasi,
• μ ialah min aritmetik populasi,
• N ialah saiz populasi.

Formula sisihan piawai sampel digunakan apabila populasi terlalu besar untuk diukur sepenuhnya, dan hanya sampel perwakilan yang dianalisis:

$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}$$

• s ialah sisihan piawai sampel,
• xᵢ ialah nilai individu dalam sampel,
• x̄ ialah min sampel,
• n ialah saiz sampel.

Pengiraan Sisihan Piawai Langkah demi Langkah

Mengira sisihan piawai secara manual melibatkan langkah-langkah matematik berikut:

Langkah 1: Kira min sampel atau populasi. Ini ialah jumlah semua titik data dibahagikan dengan jumlah bilangan pemerhatian (N atau n).

Min sampel:

$$\bar{x}=\frac{x₁+x₂+x₃+........+x_n}{n}$$

Min populasi:

$$\mu=\frac{x₁+x₂+x₃+........+x_N}{N}$$

Langkah 2: Kira sisihan individu dengan menolak min daripada setiap titik data yang sepadan.

Sisihan sampel:

$$(x₁-\bar{x}), (x₂-\bar{x}), (x₃-\bar{x})…………………… (x_n-\bar{x})$$

Sisihan populasi:

$$(x₁-\ \mu), (x₂-\ \mu), (x₃-\ \mu)……………….. (x_N-\ \mu)$$

Langkah 3: Kuasa duakan setiap sisihan individu.

Sisihan kuasa dua sampel:

$$(x₁-\bar{x})^2, (x₂-\bar{x})^2, (x₃-\bar{x})^2…………………… (x_n-\bar{x})^2$$

Sisihan kuasa dua populasi:

$$(x₁-\ \mu)^2, (x₂-\ \mu)^2, (x₃-\ \mu)^2……………….. (x_N-\ \mu)^2$$

Langkah 4: Kira jumlah kuasa dua (SS) dengan menambah semua sisihan kuasa dua bersama-sama.

Jumlah sisihan kuasa dua sampel:

$$SS=(x₁-\bar{x})^2+ (x₂-\bar{x})^2+(x₃-\bar{x})^2……………………+(x_n-\bar{x})^2$$

Jumlah sisihan kuasa dua populasi:

$$SS=(x₁-\ \mu)^2+ (x₂-\ \mu)^2+(x₃-\ \mu)^2……………….+ (x_N-\ \mu)^2$$

Langkah 5: Tentukan varians dengan membahagikan jumlah sisihan kuasa dua dengan darjah kebebasan yang sesuai. Untuk populasi, bahagikan dengan N. Untuk sampel, bahagikan dengan n - 1.

Varians sampel:

$$ s^2 = \frac{\sum_{i=1}^{n}(xᵢ - \bar{x})^2}{n - 1} $$

Varians populasi:

$$ \sigma^2 = \frac{\sum_{i=1}^{N}(xᵢ - \mu)^2}{N} $$

Anda mungkin mengandaikan bahawa pengiraan varians sampel memerlukan pembahagian tepat dengan n:

$$\frac{(x-\bar{x})^2}{n}$$

Walau bagaimanapun, menggunakan n secara langsung dalam sampel selalunya membawa kepada anggaran yang tidak tepat. Apabila berhadapan dengan sampel kecil yang diambil daripada populasi yang besar, pembahagian dengan n biasanya akan terkurang anggar varians sebenar. Untuk membetulkan kekurangan data ini dan menghapuskan kepincangan, kita membahagikan dengan n - 1 (dikenali sebagai pembetulan Bessel). Ini meningkatkan sedikit varians, memberikan anggaran yang jauh lebih tepat bagi varians populasi sebenar.

Langkah 6: Akhir sekali, ambil punca kuasa dua varians untuk mencari sisihan piawai.

Sisihan piawai sampel:

$$s=\sqrt{s^2}=\sqrt{\frac{\sum_{i}^{n}{{(x_i-\ \bar{x})}^2\ }}{n-1}}$$

Sisihan piawai populasi:

$$\sigma=\sqrt{\sigma^2}=\sqrt{\frac{\sum_{i}^{N}{{(x_i-\ \mu)}^2\ }}{N}}$$

Contoh: Mengira Sisihan Piawai bagi Sesuatu Sampel

Mari kita lihat contoh praktikal menggunakan markah peperiksaan akhir Fizik bagi 8 orang pelajar (n = 8):

45, 67, 70, 75, 80, 81, 82, dan 84

Berikut ialah cara kalkulator memproses data sampel ini langkah demi langkah:

Langkah 1: Kira min.

$$\bar{x}=\frac{\sum_{i} x_i}{n}=\frac{45+\ 67+\ 70+\ 75+\ 80+\ 81+\ 82+\ 84}{8}=73$$

Langkah 2: Kira sisihan individu daripada min.

x₁-x̄	x₂-x̄	x₃-x̄	x₄-x̄	x₅-x̄	x₆-x̄	x₇-x̄	x₈-x̄
45-73	67-73	70-73	75-73	80-73	81-73	82-73	84-73
-28	-6	-3	2	7	8	9	11

Langkah 3: Kuasa duakan setiap sisihan.

(x₁-x̄)²	(x₂-x̄)²	(x₃-x̄)²	(x₄-x̄)²	(x₅-x̄)²	(x₆-x̄)²	(x₇-x̄)²	(x₈-x̄)²
784	36	9	4	49	64	81	121

Langkah 4: Kira jumlah sisihan kuasa dua (SS).

$$SS=\sum_{i}^{n}{{(x_i-\ \bar{x})}^2=784+36+9+4+49+64+81+121}=1148$$

Langkah 5: Kira varians sampel. Memandangkan kita sedang menganalisis sampel (sebahagian kecil daripada keseluruhan kumpulan pelajar) dan bukannya populasi lengkap, kita membahagikan jumlah sisihan kuasa dua dengan darjah kebebasan (n - 1).

$$s^2=\ \frac{\sum_{i}^{n}{{(x_i-\ \bar{x})}^2\ }}{n-1}=\frac{1148}{8-1}=164$$

Langkah 6: Ambil punca kuasa dua varians untuk menentukan sisihan piawai akhir.

$$s=\sqrt{s^2}=\ \sqrt{164}=12.80$$

Aplikasi Dunia Sebenar bagi Sisihan Piawai

Sisihan piawai sangat bergantung harap dalam pelbagai industri untuk menilai penyebaran data. Dengan mengenal pasti sama ada sisihan piawai adalah tinggi atau rendah, penganalisis boleh membandingkan beberapa set data dengan cepat untuk melihat set data mana yang menunjukkan turun naik atau konsistensi yang paling tinggi.

Dalam pembuatan dan kawalan kualiti, sisihan piawai adalah sangat penting. Pengeluaran berskala besar memerlukan dimensi produk berada dalam toleransi yang sangat ketat. Sebagai contoh, dalam pembuatan nat dan bolt, menjejaki sisihan piawai diameternya memastikan variasi kekal sangat kecil. Jika sisihan terlalu tinggi, bahagian-bahagian tersebut tidak akan dapat dipasang bersama dengan betul.

Dalam sektor kewangan, sisihan piawai ialah metrik utama untuk mengukur turun naik pasaran dan menilai risiko pelaburan. Penganalisis teknikal secara rutin menggunakan sisihan piawai untuk mengira turun naik saham dan membina penunjuk dagangan seperti Bollinger Bands. Selain kewangan, ahli sosiologi dan pembuat tinjauan pendapat menggunakan sisihan piawai untuk mengira margin kesilapan dan mengukur ketidakpastian dalam tinjauan pendapat umum.

Dari segi statistik, sisihan piawai membantu menentukan jumlah data yang berada dalam selang tertentu. Di bawah teorem Chebyshev, sebagai contoh, kita tahu bahawa tanpa mengira bentuk taburan, sekurang-kurangnya 75% daripada semua nilai data akan berada dalam lingkungan tepat dua sisihan piawai daripada min.

Mari kita lihat contoh praktikal dalam meteorologi. Bayangkan anda sedang mengkaji suhu harian bagi dua buah bandar di wilayah yang sama—sebuah bandar pesisir pantai dan sebuah lagi di pedalaman. Walaupun kedua-dua bandar mungkin berkongsi purata suhu maksimum harian yang sama, sisihan piawai mereka akan menceritakan kisah yang berbeza sama sekali.

Bandar di pedalaman akan mengalami penyebaran suhu ekstrem yang lebih luas, menghasilkan sisihan piawai yang jauh lebih tinggi. Sebaliknya, suhu di bandar pesisir pantai akan berkelompok rapat di sekitar purata, menghasilkan sisihan piawai yang jauh lebih rendah. Dari segi statistik, ini mengesahkan apa yang kita alami secara fizikal: bandar pesisir pantai menikmati iklim yang jauh lebih sederhana dan konsisten.