Wat is variantie?
Variantie kwantificeert de spreiding van een dataset ten opzichte van het gemiddelde. Het meet hoe ver elk getal in de set verwijderd is van het gemiddelde, en dus van elk ander getal in de set. Een hoge variantie geeft aan dat datapunten breed verspreid zijn, terwijl een lage variantie aangeeft dat ze dicht bij elkaar liggen.
In tegenstelling tot de standaardafwijking wordt variantie uitgedrukt in gekwadrateerde eenheden. Deze wiskundige eigenschap maakt het onmisbaar voor geavanceerde statistische berekeningen, hoewel het minder intuïtief is voor directe menselijke interpretatie. Analisten gebruiken variantie om risico's te beoordelen, consistentie te evalueren en voorspellende modellen te bouwen.
Populatievariantie vs. steekproefvariantie
Het berekenen van variantie vereist een nauwkeurig centraal referentiepunt. U moet eerst het gemiddelde van uw dataset bepalen voordat u de spreiding meet. Onze Gemiddelde Calculator levert de exacte centrale waarde die vereist is voor deze fundamentele stap.
De wiskundige formule verandert afhankelijk van of uw gegevens een volledige populatie of een subset vertegenwoordigen. Het gebruik van de verkeerde formule introduceert systematische bias in uw statistische analyse.
| Eigenschap | Populatievariantie ($\sigma^2$) | Steekproefvariantie ($s^2$) |
|---|---|---|
| Definitie | Meet de spreiding van een volledige groep. | Meet de spreiding van een subset (steekproef). |
| Noemer | Deelt door $N$ (totale populatiegrootte). | Deelt door $n - 1$ (Bessel-correctie). |
| Gebruik | Volkstellingdata, volledige registers. | Enquêtes, experimenten, inferentiële statistiek. |
Variantieformules
De wiskundige notatie verandert afhankelijk van of u de spreiding berekent voor een volledige populatie of een steekproef. Beide formules zijn gebaseerd op de sommatie-operator, aangeduid met de hoofdletter Sigma ($\sum$).
Formule voor populatievariantie
Wanneer u gegevens bezit voor elk lid van de populatie, is de formule:
Waarbij:
- $\sigma^2$ = populatievariantie
- $\mu$ = populatiegemiddelde
- $x_i$ = elke individuele waarde
- $N$ = totaal aantal waarden in de populatie
Formule voor steekproefvariantie
Wanneer u werkt met een steekproef getrokken uit een grotere populatie, is de formule:
Waarbij:
- $s^2$ = steekproefvariantie
- $\bar{x}$ = steekproefgemiddelde
- $x_i$ = elke individuele waarde
- $n - 1$ = vrijheidsgraden (Bessel-correctie)
De verkorte formules (computationeel)
De computationele formule biedt een sneller alternatief bij het werken met samenvattende statistieken. Het elimineert de noodzaak om individuele afwijkingen van het gemiddelde te berekenen. Deze methode is zeer praktisch voor grote datasets of handmatige berekeningen.
Verkorte formule voor populatie:
Verkorte formule voor steekproef:
Waarom kwadrateren we de afwijkingen?
Het kwadrateren van de afwijkingen dient twee kritieke wiskundige doelen. Ten eerste elimineert het negatieve getallen. Als u eenvoudigweg de ruwe afwijkingen van het gemiddelde zou optellen, zouden de positieve en negatieve waarden elkaar perfect opheffen, wat resulteert in een som van nul.
Ten tweede straft kwadrateren grote uitbijters zwaarder dan kleine afwijkingen. Een datapunt dat 4 eenheden van het gemiddelde verwijderd is, draagt 16 bij aan de som van de kwadraten, terwijl een punt op 2 eenheden slechts 4 bijdraagt. Dit zorgt ervoor dat extreme waarden de uiteindelijke variantiemetriek aanzienlijk beïnvloeden.
Variantie vs. standaardafwijking
Variantie en standaardafwijking meten exact hetzelfde concept van spreiding, maar bestaan in verschillende wiskundige eenheden. Variantie wordt uitgedrukt in gekwadrateerde eenheden (bijv. vierkante meters), wat interpretatie in de context van de originele gegevens moeilijk maakt.
De standaardafwijking is simpelweg de vierkantswortel van de variantie. Het brengt de metriek terug naar de originele eenheden van de dataset (bijv. meters). We gebruiken variantie voor complexe wiskundige bewerkingen zoals ANOVA, maar we gebruiken standaardafwijking voor het rapporteren van resultaten aan mensen. Onze Standaardafwijking Calculator handelt deze conversie automatisch af.
Hoe bereken je variantie met de hand?
Handmatige berekening volgt een strikt proces. Hoewel onze calculator dit automatiseert, blijft het begrijpen van de mechanica essentieel voor statistische geletterdheid. De volgende secties demonstreren beide methoden met gedetailleerde, praktijkvoorbeelden.
Hoe bereken je de steekproefvariantie?
Gebruik de steekproefformule wanneer uw gegevens een subset van een grotere groep vertegenwoordigen. De volgende voorbeelden demonstreren dit proces in detail.
Voorbeeld 1: Batterijduur van smartphones
Een kwaliteitsingenieur test de batterijduur (in uren) van 6 willekeurig geselecteerde smartphones van een productielijn. De dataset is: $14, 16, 15, 18, 13, 14$. We behandelen dit als een steekproef om te concluderen over de kwaliteit van de hele productiebatch.
Oplossing
- Bereken het steekproefgemiddelde ($\bar{x}$): Tel de waarden op ($90$) en deel door $n$ ($6$). $\bar{x} = 15$ uur.
- Vind de afwijkingen van het gemiddelde: Trek $15$ af van elke waarde (bijv. $14 - 15 = -1$).
- Kwadrateer elke afwijking: Vermenigvuldig elke afwijking met zichzelf (bijv. $(-1)^2 = 1$).
- Tel de gekwadrateerde afwijkingen op: Tel alle gekwadrateerde waarden op. $\sum (x_i - \bar{x})^2 = 14$.
- Deel door $n-1$ om de steekproefvariantie ($s^2$) te krijgen: $14 \div 5 = 2,8$.
Resultaat: De steekproefvariantie is 2,8 uur². Dit geeft de gemiddelde gekwadrateerde afwijking aan van de gemiddelde batterijduur van 15 uur.
De onderstaande tabel geeft de afwijkingsberekeningen voor deze steekproef weer:
| Observatie ($x_i$) | Afwijking ($x_i - \bar{x}$) | Gekwadrateerde afwijking $(x_i - \bar{x})^2$ |
|---|---|---|
| 14 | -1 | 1 |
| 16 | 1 | 1 |
| 15 | 0 | 0 |
| 18 | 3 | 9 |
| 13 | -2 | 4 |
| 14 | -1 | 1 |
| Som: | 14 | |
Voorbeeld 2: Dagelijkse aandelenrendementen
Een financieel analist berekent de variantie van de dagelijkse procentuele rendementen van een specifiek activum over een handelsweek van 5 dagen. De rendementen zijn: $1,2\%, -0,5\%, 0,8\%, 1,5\%, -0,2\%$. Deze steekproef helpt de algemene volatiliteit van het activum te schatten.
Oplossing
- Bereken het steekproefgemiddelde ($\bar{x}$): Tel de waarden op ($2,8\%$) en deel door $n$ ($5$). $\bar{x} = 0,56\%$.
- Vind de afwijkingen van het gemiddelde: Trek $0,56$ af van elke waarde (bijv. $1,2 - 0,56 = 0,64$).
- Kwadrateer elke afwijking: Vermenigvuldig elke afwijking met zichzelf (bijv. $0,64^2 = 0,4096$).
- Tel de gekwadrateerde afwijkingen op: Tel alle gekwadrateerde waarden op. $\sum (x_i - \bar{x})^2 = 2,472$.
- Deel door $n-1$ om de steekproefvariantie ($s^2$) te krijgen: $2,472 \div 4 = 0,618$.
Resultaat: De steekproefvariantie is 0,618 %². Dit kwantificeert de spreiding van de dagelijkse rendementen rond het gemiddelde rendement van 0,56%.
Hoe bereken je de populatievariantie?
Gebruik de populatieformule wanneer uw gegevens elk lid van de groep bevatten die u bestudeert. De volgende voorbeelden demonstreren dit proces in detail.
Voorbeeld 1: Lengtes van een basketbalteam
Een sportanalist registreert de lengtes (in inches) van de 5 startende spelers van een specifiek basketbalteam. De dataset is: $74, 76, 78, 80, 82$. Omdat dit elke starter omvat, behandelen we het als een volledige populatie.
Oplossing
- Bereken het populatiegemiddelde ($\mu$): Tel de waarden op ($390$) en deel door $N$ ($5$). $\mu = 78$ inch.
- Vind de afwijkingen van het gemiddelde: Trek $78$ af van elke waarde (bijv. $74 - 78 = -4$).
- Kwadrateer elke afwijking: Vermenigvuldig elke afwijking met zichzelf (bijv. $(-4)^2 = 16$).
- Tel de gekwadrateerde afwijkingen op: Tel alle gekwadrateerde waarden op. $\sum (x_i - \mu)^2 = 40$.
- Deel door $N$ om de populatievariantie ($\sigma^2$) te krijgen: $40 \div 5 = 8$.
Resultaat: De populatievariantie is 8 inch². Dit geeft de gemiddelde gekwadrateerde afwijking aan van de gemiddelde teamlengte van 78 inch.
De onderstaande tabel geeft de afwijkingsberekeningen voor deze populatie weer:
| Observatie ($x_i$) | Afwijking ($x_i - \mu$) | Gekwadrateerde afwijking $(x_i - \mu)^2$ |
|---|---|---|
| 74 | -4 | 16 |
| 76 | -2 | 4 |
| 78 | 0 | 0 |
| 80 | 2 | 4 |
| 82 | 4 | 16 |
| Som: | 40 | |
Voorbeeld 2: Diameters van precisiebouten
Een productiemanager meet de diameter (in millimeters) van 6 precisiebouten geproduceerd door een specifieke machine tijdens een enkele kalibratierun. De diameters zijn: $10,0, 10,1, 9,9, 10,2, 9,8, 10,0$. Dit vertegenwoordigt de volledige output van die specifieke run.
Oplossing
- Bereken het populatiegemiddelde ($\mu$): Tel de waarden op ($60,0$) en deel door $N$ ($6$). $\mu = 10,0$ mm.
- Vind de afwijkingen van het gemiddelde: Trek $10,0$ af van elke waarde (bijv. $10,1 - 10,0 = 0,1$).
- Kwadrateer elke afwijking: Vermenigvuldig elke afwijking met zichzelf (bijv. $0,1^2 = 0,01$).
- Tel de gekwadrateerde afwijkingen op: Tel alle gekwadrateerde waarden op. $\sum (x_i - \mu)^2 = 0,10$.
- Deel door $N$ om de populatievariantie ($\sigma^2$) te krijgen: $0,10 \div 6 \approx 0,0167$.
Resultaat: De populatievariantie is 0,0167 mm². Deze extreem lage variantie geeft aan dat de machine zeer nauwkeurig is tijdens deze kalibratierun.
De rol van variantie in geavanceerde statistiek
Variantie is de fundamentele bouwsteen voor veel geavanceerde statistische methodologieën. Hoewel standaardafwijking beter is voor rapportage, is variantie vereist voor de onderliggende wiskunde van inferentiële statistiek.
Analyse van variantie (ANOVA): Deze techniek vergelijkt de gemiddelden van drie of meer groepen. Het doet dit door de totale variantie op te splitsen in variantie tussen groepen en variantie binnen groepen om te bepalen of de groepsgemiddelden significant verschillen.
Regressieanalyse: Bij voorspellende modellering vertegenwoordigt de determinatiecoëfficiënt ($R^2$) de proportie van de variantie in de afhankelijke variabele die voorspelbaar is vanuit de onafhankelijke variabelen. Het is een directe verhouding van varianties.
Moderne portefeuilletheorie: In de financiën wordt variantie gebruikt om de volatiliteit en het risico van een beleggingsportefeuille te meten. Door de variantie van rendementen te berekenen, kunnen analisten de assetallocatie optimaliseren om rendementen te maximaliseren voor een bepaald risiconiveau.
Veelgestelde vragen over variantie
Kan variantie negatief zijn?
Nee, variantie kan niet negatief zijn. De berekening omvat het kwadrateren van de afwijkingen van het gemiddelde, wat altijd positieve getallen oplevert. De som van positieve getallen gedeeld door een positieve telling zal altijd een positieve variantie opleveren.
Wat betekent een variantie van 0?
Een variantie van nul betekent dat elke waarde in uw dataset identiek is. Er is absoluut geen spreiding of variabiliteit in de gegevens. Elk datapunt is exact gelijk aan het gemiddelde.
Waarom wordt variantie uitgedrukt in gekwadrateerde eenheden?
Variantie wordt uitgedrukt in gekwadrateerde eenheden omdat de formule de afwijkingen kwadrateert om negatieve getallen te elimineren. Als uw gegevens in meters worden gemeten, wordt de variantie gemeten in vierkante meters. Daarom nemen we de vierkantswortel om de standaardafwijking te krijgen.
Hoe verhoudt variantie zich tot de standaardafwijking?
Variantie is het kwadraat van de standaardafwijking, en de standaardafwijking is de vierkantswortel van de variantie. Ze meten dezelfde spreiding, maar de standaardafwijking keert terug naar de originele eenheden van de gegevens voor eenvoudigere interpretatie.
Wanneer moet ik populatievariantie vs. steekproefvariantie gebruiken?
Gebruik populatievariantie wanneer uw gegevens elk lid van de groep omvatten die u bestudeert. Gebruik steekproefvariantie wanneer uw gegevens een subset vertegenwoordigen die uit een grotere groep is getrokken en u inferenties wilt maken over die grotere groep.
Hoe beïnvloeden uitbijters de variantie?
Uitbijters blazen de variantie aanzienlijk op. Omdat de formule de afstand tot het gemiddelde kwadrateert, oefenen extreme waarden een onevenredig grote wiskundige invloed uit op het eindresultaat, veel meer dan ze doen op het gemiddelde zelf.
Wat is het verschil tussen variantie en mean absolute deviation?
Mean absolute deviation (MAD) gebruikt de absolute waarde van afwijkingen in plaats van ze te kwadrateren. Hoewel MAD minder gevoelig is voor uitbijters, is variantie wiskundig gladder en differentieerbaar, wat het essentieel maakt voor op calculus gebaseerde statistische methoden.
Is een hoge variantie goed of slecht?
Of een hoge variantie goed of slecht is, hangt volledig af van de context. In de productie is een lage variantie ideaal voor kwaliteitscontrole. In beleggingsportefeuilles kan een hogere variantie acceptabel zijn als deze gepaard gaat met hogere verwachte rendementen.
Bronnen voor verder lezen
- CBS (Centraal Bureau voor de Statistiek): Begrippen: Variantie – Officiële overheidsmethodologie en standaarden voor het meten van variabiliteit in grote demografische datasets.
- Universiteit van Amsterdam: Bronnen voor Beschrijvende Statistiek – Formele definities en wiskundige strengheid ondersteund door een van de meest prestigieuze academische instellingen van Nederland.
- Khan Academy (Nederlands): Herziening van de populatie- en steekproefvariantie – Uitstekende fundamentele uitleg en interactieve oefenproblemen om spreiding te begrijpen.
- MIT OpenCourseWare: 18.05 Inleiding tot Waarschijnlijkheid en Statistiek – Rigoureuze academische materialen die samenvattende statistieken behandelen van het Massachusetts Institute of Technology.