Mkengeuko Sanifu

Mkengeuko Sanifu kama Kipimo cha Kitakwimu

Mkengeuko sanifu ni mojawapo ya vipimo vya msingi vinavyotumiwa sana kufafanua seti ya data. Kwa lugha rahisi, hupima mtawanyiko wa data yako. Kwa kukokotoa mkengeuko sanifu, unaweza kubaini kwa urahisi kama alama zako za data zimekusanyika karibu na wastani au zimetawanyika kwenye masafa mapana. Mkengeuko sanifu wa juu unaonyesha tofauti kubwa na mtawanyiko ndani ya seti ya data, ilhali thamani ya chini inamaanisha nambari ziko karibu na wastani.

Kikokotoo chetu cha mkengeuko sanifu hukokotoa thamani kamili kwa seti yoyote ya data iliyotolewa na kutoa mchanganuo wa kina wa hatua kwa hatua wa hesabu inayohusika.

Jinsi ya Kutumia Kikokotoo cha Mkengeuko Sanifu

Zana hii imeundwa kuwa rahisi kutumia na inayobadilika kwa urahisi. Ingiza tu seti yako ya data kama orodha ya nambari zilizotenganishwa na kitenganishi. Jedwali lililo hapa chini linaonyesha miundo mbalimbali halali ya kuingiza data:

Unaweza kutenganisha nambari zako kwa kutumia alama za mkato, nafasi, mistari mipya, au mchanganyiko wa haya. Kikokotoo hiki hushughulikia miundo ya mlalo na wima bila shida. Haijalishi ni muundo gani kutoka kwenye jedwali utakaouachagua, kikokotoo kitashughulikia kwa usahihi ingizo kama seti ya data: 44, 63, 72, 75, 80, 86, 87, na 89.

Baada ya kuingiza data yako, chagua tu kama unafanya kazi na sampuli au idadi yote, kisha bofya kokotoa. Zana hii itaonyesha papo hapo vigezo vitano muhimu vya kitakwimu vya seti yako ya data: idadi ya vipimo, wastani, jumla ya mikengeuko mraba, variansi, na mkengeuko sanifu wa mwisho.

Kikokotoo Hiki cha Mkengeuko Sanifu Kinasuluhisha Nini?

Kikokotoo hiki kimeundwa kukokotoa mkengeuko sanifu wa seti ya data dhahiri huku kikitoa maarifa ya kina kuhusu nadharia ya kitakwimu nyuma ya matokeo hayo.

Kwa kawaida, data huwakilisha aidha idadi au sampuli. Idadi inajumuisha vipimo vyote vinavyowezekana ndani ya jaribio chini ya masharti maalum. Hata hivyo, katika utendaji wa kitakwimu wa ulimwengu halisi, mara nyingi si rahisi au haiwezekani kabisa kukusanya data kutoka kwa kila mshiriki mmoja wa idadi kubwa sana.

Badala yake, watafiti hufanya kazi na kikundi kidogo cha kundi hilo kubwa, kinachojulikana kama sampuli. Kwa kuchanganua sampuli hii, tunaweza kufanya makadirio na makisio sahihi sana kuhusu idadi pana zaidi.

Wakati wa kukokotoa mkengeuko sanifu, fomula hubadilika kidogo kulingana na kama unatathmini data ya sampuli au idadi nzima. Rekebisho hili muhimu linahusisha kipengele cha kihisabati kinachojulikana kama 'viwango vya uhuru'. Kwa sampuli, tunagawanya variansi kwa n - 1 (ambapo n ni ukubwa wa sampuli) badala ya n. Sahihisho hili hufidia ukweli kwamba tunatumia sampuli kukadiria idadi, na kuhakikisha kuwa makadirio yetu ya mkengeuko sanifu hayana upendeleo wowote.

Hatimaye, mkengeuko sanifu hupima mtawanyiko wa wastani wa seti ya data kuhusiana na wastani wake. Katika takwimu, huonyeshwa kwa herufi ya Kigiriki σ (sigma) kwa idadi, au s kwa sampuli. Thamani kubwa ya σ au s inaashiria kuwa alama za data zimetawanyika sana kutoka kwenye wastani, ambapo thamani ndogo inaonyesha msongamano mkubwa.

Fikiria seti mbili zifuatazo za data kama mifano:

(Seti I)

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

(Seti II)

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

Kwa kuingiza nambari hizi kwenye kikokotoo chetu cha mkengeuko sanifu, tunapata matokeo yafuatayo:

Kwa Seti I:

• x̄ = 16 — thamani ya wastani
• s = 8.3904708 — mkengeuko sanifu wa sampuli

Kwa Seti II:

• x̄ = 16 — thamani ya wastani
• s = 2.3664319 — mkengeuko sanifu wa sampuli

Ingawa seti zote mbili zinashiriki wastani sawa kabisa (x̄ = 16), mtawanyiko wake ni tofauti sana. Katika Seti I, nambari zinakengeuka sana kutoka kwa wastani wa sampuli (s = 8.39), ilhali katika Seti II, mtawanyiko ni mdogo sana (s = 2.36).

Fomula za Kukokotoa Mkengeuko Sanifu

Fomula ya mkengeuko sanifu wa idadi inatumika wakati wa kuchanganua kila thamani moja ndani ya idadi kamili:

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

• σ ni mkengeuko sanifu wa idadi,
• xᵢ ni thamani ya mtu binafsi ndani ya idadi,
• μ ni wastani wa kihisabati wa idadi,
• N ni ukubwa wa idadi.

Fomula ya mkengeuko sanifu wa sampuli hutumiwa wakati idadi ni kubwa mno kupimwa kikamilifu, na sampuli wakilishi pekee ndiyo inachanganuliwa:

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

• s ni mkengeuko sanifu wa sampuli,
• xᵢ ni thamani ya mtu binafsi ndani ya sampuli,
• x̄ ni wastani wa sampuli,
• n ni ukubwa wa sampuli.

Mkokotoo wa Mkengeuko Sanifu Hatua kwa Hatua

Kukokotoa mkengeuko sanifu kwa kutumia mkono kunahusisha hatua zifuatazo za kihisabati:

Hatua ya 1: Kokotoa wastani wa sampuli au idadi. Hii ni jumla ya alama zote za data iliyogawanywa kwa idadi ya jumla ya vipimo (N au n).

Wastani wa sampuli:

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

Wastani wa idadi:

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

Hatua ya 2: Kokotoa mikengeuko ya mtu binafsi kwa kutoa wastani kutoka kwa kila alama ya data husika.

Mikengeuko ya sampuli:

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

Mikengeuko ya idadi:

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

Hatua ya 3: Zidisha kila mkengeuko wa mtu binafsi mara yenyewe (mraba).

Mikengeuko mraba ya sampuli:

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

Mikengeuko mraba ya idadi:

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

Hatua ya 4: Kokotoa jumla ya miraba (SS) kwa kujumlisha mikengeuko mraba yote pamoja.

Jumla ya mikengeuko mraba ya sampuli:

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

Jumla ya mikengeuko mraba ya idadi:

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

Hatua ya 5: Bainisha variansi kwa kugawanya jumla ya mikengeuko mraba kwa viwango vinavyofaa vya uhuru. Kwa idadi, gawanya kwa N. Kwa sampuli, gawanya kwa n - 1.

Variansi ya sampuli:

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

Variansi ya idadi:

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

Unaweza kudhani kuwa kukokotoa variansi ya sampuli kunahitaji kugawanya kikamilifu kwa n:

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

Hata hivyo, kutumia n moja kwa moja katika sampuli mara nyingi husababisha makadirio yasiyo sahihi. Wakati wa kushughulikia sampuli ndogo iliyotolewa kutoka kwa idadi kubwa sana, kugawanya kwa n mara kwa mara hukadiria chini ya ukweli wa variansi. Ili kurekebisha ukosefu huu wa data na kuondoa upendeleo, tunagawanya kwa n - 1 (inayojulikana kama sahihisho la Bessel). Hii huongeza kidogo variansi, na kutoa makadirio sahihi zaidi ya variansi halisi ya idadi.

Hatua ya 6: Mwisho, tafuta kipeuo cha pili cha variansi ili kupata mkengeuko sanifu.

Mkengeuko sanifu wa sampuli:

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

Mkengeuko sanifu wa idadi:

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

Mfano: Kukokotoa Mkengeuko Sanifu wa Sampuli

Hebu tupitie mfano wa vitendo tukitumia alama za mtihani wa mwisho wa Fizikia za wanafunzi 8 (n = 8):

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

Hivi ndivyo kikokotoo kinavyoshughulikia data hii ya sampuli hatua kwa hatua:

Hatua ya 1: Kokotoa wastani.

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

Hatua ya 2: Kokotoa mikengeuko ya mtu binafsi kutoka kwa wastani.

Hatua ya 3: Zidisha kila mkengeuko mara yenyewe (mraba).

Hatua ya 4: Kokotoa jumla ya mikengeuko mraba (SS).

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

Hatua ya 5: Kokotoa variansi ya sampuli. Kwa kuwa tunachanganua sampuli (sehemu ndogo ya kundi zima la wanafunzi) badala ya idadi kamili, tunagawanya jumla ya mikengeuko mraba kwa viwango vya uhuru (n - 1).

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

Hatua ya 6: Tafuta kipeuo cha pili cha variansi ili kubaini mkengeuko sanifu wa mwisho.

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

Matumizi ya Ulimwengu Halisi ya Mkengeuko Sanifu

Mkengeuko sanifu unategemewa sana katika sekta mbalimbali ili kutathmini mtawanyiko wa data. Kwa kubaini iwapo mkengeuko sanifu ni mkubwa au mdogo, wachanganuzi wanaweza kulinganisha kwa haraka seti nyingi za data ili kuona ni ipi inayoonyesha kubadilika sana au uthabiti.

Katika utengenezaji na udhibiti wa ubora, mkengeuko sanifu ni muhimu. Uzalishaji mkubwa unahitaji vipimo vya bidhaa kuwa ndani ya uvumilivu mkali sana. Kwa mfano, katika utengenezaji wa nati na boliti, kufuatilia mkengeuko sanifu wa vipenyo vyake kunahakikisha kuwa utofauti unasalia kuwa mdogo sana. Ikiwa mkengeuko ni mkubwa mno, sehemu hizo zitashindwa kutosheana kwa usahihi.

Katika sekta ya fedha, mkengeuko sanifu ndicho kipimo kikuu cha kupima kuyumbayumba kwa soko na kutathmini hatari ya uwekezaji. Wachanganuzi wa kiufundi hutumia mkengeuko sanifu mara kwa mara kukokotoa kuyumbayumba kwa hisa na kuunda viashirio vya biashara kama vile Bendi za Bollinger. Zaidi ya masuala ya fedha, wana sosholojia na waendesha kura za maoni hutumia mkengeuko sanifu kukokotoa kiasi cha makosa na kupima kiwango cha kutokuwa na uhakika katika tafiti za maoni ya umma.

Kitakwimu, mkengeuko sanifu husaidia kuamua ni kiasi gani cha data huangukia ndani ya muda maalum. Chini ya nadharia ya Chebyshev, kwa mfano, tunajua kwamba bila kujali umbo la mtawanyiko, angalau 75% ya thamani zote za data zitaangukia ndani ya mikengeuko sanifu miwili kamili kutoka kwa wastani.

Hebu tuangalie mfano wa vitendo katika elimu ya hali ya hewa. Fikiria kusoma halijoto ya kila siku ya miji miwili katika eneo moja—mmoja wa pwani na mwingine wa bara. Ingawa miji yote miwili inaweza kuwa na wastani sawa wa halijoto ya juu ya kila siku, mikengeuko yao sanifu itatoa simulizi tofauti kabisa.

Mji wa bara utakumbwa na mtawanyiko mpana zaidi wa halijoto kali, na kusababisha mkengeuko sanifu wa juu zaidi. Kinyume chake, halijoto za mji wa pwani zitakusanyika karibu na wastani, na kusababisha mkengeuko sanifu wa chini zaidi. Kitakwimu, hili linathibitisha kile tunachopitia kimwili: mji wa pwani unafurahia hali ya hewa tulivu na yenye uthabiti zaidi.