Vad är varians?
Varians kvantifierar spridningen av en dataset i förhållande till dess medelvärde. Den mäter hur långt bort varje tal i uppsättningen är från medelvärdet, och därmed från varje annat tal i uppsättningen. En hög varians indikerar att datapunkter är brett utspridda, medan en låg varians indikerar att de är tätt grupperade.
Till skillnad från standardavvikelse uttrycks varians i kvadrerade enheter. Denna matematiska egenskap gör den oumbärlig för avancerade statistiska beräkningar, även om den är mindre intuitiv för direkt mänsklig tolkning. Analytiker använder varians för att bedöma risker, utvärdera konsekvens och bygga prediktiva modeller.
Populationsvarians vs. stickprovsvarians
Beräkning av varians kräver en exakt central referenspunkt. Du måste först bestämma medelvärdet för din dataset innan du mäter dess spridning. Vår Medelvärde Beräknare tillhandahåller det exakta centrala värdet som krävs för detta grundläggande steg.
Den matematiska formeln ändras beroende på om dina data representerar en hel population eller en delmängd. Att använda fel formel introducerar systematisk bias i din statistiska analys.
| Egenskap | Populationsvarians ($\sigma^2$) | Stickprovets varians ($s^2$) |
|---|---|---|
| Definition | Mäter spridningen av en hel grupp. | Mäter spridningen av en delmängd (stickprov). |
| Nämnare | Dividerar med $N$ (total populationsstorlek). | Dividerar med $n - 1$ (Bessel-korrektion). |
| Användningsområde | Folkräkningsdata, kompletta register. | Undersökningar, experiment, inferentiell statistik. |
Variansformler
Den matematiska notationen ändras beroende på om du beräknar spridningen för en hel population eller ett stickprov. Båda formlerna bygger på summaoperatorn, betecknad med den grekiska versalen Sigma ($\sum$).
Formel för populationsvarians
När du har data för varje medlem av populationen är formeln:
Där:
- $\sigma^2$ = populationens varians
- $\mu$ = populationens medelvärde
- $x_i$ = varje individuellt värde
- $N$ = totalt antal värden i populationen
Formel för stickprovets varians
När du arbetar med ett stickprov draget från en större population är formeln:
Där:
- $s^2$ = stickprovets varians
- $\bar{x}$ = stickprovets medelvärde
- $x_i$ = varje individuellt värde
- $n - 1$ = frihetsgrader (Bessel-korrektion)
Kortformlerna (beräkningsformler)
Beräkningsformeln erbjuder ett snabbare alternativ när man arbetar med sammanfattande statistik. Den eliminerar behovet av att beräkna individuella avvikelser från medelvärdet. Denna metod är mycket praktisk för stora dataset eller manuella beräkningar.
Kortformel för population:
Kortformel för stickprov:
Varför kvadrerar vi avvikelserna?
Att kvadrera avvikelserna tjänar två kritiska matematiska syften. För det första eliminerar det negativa tal. Om du helt enkelt adderade de råa avvikelserna från medelvärdet skulle de positiva och negativa värdena perfekt ta ut varandra, vilket resulterar i en summa på noll.
För det andra straffar kvadrering stora extremvärden tyngre än små avvikelser. En datapunkt som är 4 enheter bort från medelvärdet bidrar med 16 till kvadratsumman, medan en punkt 2 enheter bort bara bidrar med 4. Detta säkerställer att extrema värden påverkar den slutliga variansmetriken avsevärt.
Varians vs. standardavvikelse
Varians och standardavvikelse mäter exakt samma koncept av spridning, men de existerar i olika matematiska enheter. Varians uttrycks i kvadrerade enheter (t.ex. kvadratmeter), vilket gör tolkningen i kontexten av originaldata svår.
Standardavvikelsen är helt enkelt kvadratroten ur variansen. Den återför metriken till datasetets ursprungliga enheter (t.ex. meter). Vi använder varians för komplexa matematiska operationer som ANOVA, men vi använder standardavvikelse för att rapportera resultat till människor. Vår Standardavvikelse Beräknare hanterar denna konvertering automatiskt.
Hur man beräknar varians för hand
Manuell beräkning följer en strikt process. Även om vår beräknare automatiserar detta, förblir förståelsen för mekaniken avgörande för statistisk läskunnighet. Följande avsnitt demonstrerar båda metoderna med detaljerade, verkliga exempel.
Hur man beräknar stickprovets varians
Använd stickprovsformeln när dina data representerar en delmängd av en större grupp. Följande exempel demonstrerar denna process i detalj.
Exempel 1: Batteritid för smartphones
En kvalitetsingenjör testar batteritiden (i timmar) för 6 slumpmässigt utvalda smartphones från en produktionslinje. Datasetet är: $14, 16, 15, 18, 13, 14$. Vi behandlar detta som ett stickprov för att dra slutsatser om kvaliteten på hela produktionsserien.
Lösning
- Beräkna stickprovets medelvärde ($\bar{x}$): Summera värdena ($90$) och dividera med $n$ ($6$). $\bar{x} = 15$ timmar.
- Hitta avvikelserna från medelvärdet: Subtrahera $15$ från varje värde (t.ex. $14 - 15 = -1$).
- Kvadrera varje avvikelse: Multiplicera varje avvikelse med sig själv (t.ex. $(-1)^2 = 1$).
- Summera de kvadrerade avvikelserna: Addera alla kvadrerade värden. $\sum (x_i - \bar{x})^2 = 14$.
- Dividera med $n-1$ för att få stickprovets varians ($s^2$): $14 \div 5 = 2,8$.
Resultat: Stickprovets varians är 2,8 timmar². Detta indikerar den genomsnittliga kvadrerade avvikelsen från den genomsnittliga batteritiden på 15 timmar.
Tabellen nedan detaljerar avvikelseberäkningarna för detta stickprov:
| Observation ($x_i$) | Avvikelse ($x_i - \bar{x}$) | Kvadrerad avvikelse $(x_i - \bar{x})^2$ |
|---|---|---|
| 14 | -1 | 1 |
| 16 | 1 | 1 |
| 15 | 0 | 0 |
| 18 | 3 | 9 |
| 13 | -2 | 4 |
| 14 | -1 | 1 |
| Summa: | 14 | |
Exempel 2: Dagliga aktieavkastningar
En finansanalytiker beräknar variansen för dagliga procentuella avkastningar för en specifik tillgång under en 5-dagars handelsvecka. Avkastningarna är: $1,2\%, -0,5\%, 0,8\%, 1,5\%, -0,2\%$. Detta stickprov hjälper till att uppskatta tillgångens övergripande volatilitet.
Lösning
- Beräkna stickprovets medelvärde ($\bar{x}$): Summera värdena ($2,8\%$) och dividera med $n$ ($5$). $\bar{x} = 0,56\%$.
- Hitta avvikelserna från medelvärdet: Subtrahera $0,56$ från varje värde (t.ex. $1,2 - 0,56 = 0,64$).
- Kvadrera varje avvikelse: Multiplicera varje avvikelse med sig själv (t.ex. $0,64^2 = 0,4096$).
- Summera de kvadrerade avvikelserna: Addera alla kvadrerade värden. $\sum (x_i - \bar{x})^2 = 2,472$.
- Dividera med $n-1$ för att få stickprovets varians ($s^2$): $2,472 \div 4 = 0,618$.
Resultat: Stickprovets varians är 0,618 %². Detta kvantifierar spridningen av dagliga avkastningar runt den genomsnittliga avkastningen på 0,56%.
Hur man beräknar populationens varians
Använd populationsformeln när dina data inkluderar varje medlem av gruppen du studerar. Följande exempel demonstrerar denna process i detalj.
Exempel 1: Längder på ett basketlag
En sportanalytiker registrerar längderna (i tum) på de 5 startande spelarna i ett specifikt basketlag. Datasetet är: $74, 76, 78, 80, 82$. Eftersom detta inkluderar varje startspelare behandlar vi det som en komplett population.
Lösning
- Beräkna populationens medelvärde ($\mu$): Summera värdena ($390$) och dividera med $N$ ($5$). $\mu = 78$ tum.
- Hitta avvikelserna från medelvärdet: Subtrahera $78$ från varje värde (t.ex. $74 - 78 = -4$).
- Kvadrera varje avvikelse: Multiplicera varje avvikelse med sig själv (t.ex. $(-4)^2 = 16$).
- Summera de kvadrerade avvikelserna: Addera alla kvadrerade värden. $\sum (x_i - \mu)^2 = 40$.
- Dividera med $N$ för att få populationens varians ($\sigma^2$): $40 \div 5 = 8$.
Resultat: Populationens varians är 8 tum². Detta indikerar den genomsnittliga kvadrerade avvikelsen från lagets genomsnittliga längd på 78 tum.
Tabellen nedan detaljerar avvikelseberäkningarna för denna population:
| Observation ($x_i$) | Avvikelse ($x_i - \mu$) | Kvadrerad avvikelse $(x_i - \mu)^2$ |
|---|---|---|
| 74 | -4 | 16 |
| 76 | -2 | 4 |
| 78 | 0 | 0 |
| 80 | 2 | 4 |
| 82 | 4 | 16 |
| Summa: | 40 | |
Exempel 2: Diametrar på precisionsbultar
En produktionschef mäter diametern (i millimeter) på 6 precisionsbultar producerade av en specifik maskin under en enda kalibreringskörning. Diametrarna är: $10,0, 10,1, 9,9, 10,2, 9,8, 10,0$. Detta representerar hela produktionen från den specifika körningen.
Lösning
- Beräkna populationens medelvärde ($\mu$): Summera värdena ($60,0$) och dividera med $N$ ($6$). $\mu = 10,0$ mm.
- Hitta avvikelserna från medelvärdet: Subtrahera $10,0$ från varje värde (t.ex. $10,1 - 10,0 = 0,1$).
- Kvadrera varje avvikelse: Multiplicera varje avvikelse med sig själv (t.ex. $0,1^2 = 0,01$).
- Summera de kvadrerade avvikelserna: Addera alla kvadrerade värden. $\sum (x_i - \mu)^2 = 0,10$.
- Dividera med $N$ för att få populationens varians ($\sigma^2$): $0,10 \div 6 \approx 0,0167$.
Resultat: Populationens varians är 0,0167 mm². Denna extremt låga varians indikerar att maskinen är mycket precis under denna kalibreringskörning.
Variansens roll i avancerad statistik
Varians är den grundläggande byggstenen för många avancerade statistiska metoder. Även om standardavvikelse är bättre för rapportering, krävs varians för den underliggande matematiken i inferentiell statistik.
Variansanalys (ANOVA): Denna teknik jämför medelvärdena för tre eller fler grupper. Den gör detta genom att dela upp den totala variansen i varians mellan grupper och varians inom grupper för att avgöra om gruppmedelvärdena skiljer sig signifikant.
Regressionsanalys: Vid prediktiv modellering representerar determinationskoefficienten ($R^2$) andelen av variansen i den beroende variabeln som är förutsägbar från de oberoende variablerna. Det är ett direkt förhållande mellan varianser.
Moderne portföljteori: Inom finans används varians för att mäta volatiliteten och risken i en investeringsportfölj. Genom att beräkna variansen för avkastningar kan analytiker optimera tillgångsallokeringen för att maximera avkastningen för en given risknivå.
Vanliga frågor om varians
Kan varians vara negativ?
Nej, varians kan inte vara negativ. Beräkningen innebär att kvadrera avvikelserna från medelvärdet, vilket alltid ger positiva tal. Summan av positiva tal dividerad med ett positivt antal kommer alltid att resultera i en positiv varians.
Vad betyder en varians på 0?
En varians på noll betyder att varje värde i din dataset är identisk. Det finns absolut ingen spridning eller variabilitet i data. Varje datapunkt är exakt lika med medelvärdet.
Varför uttrycks varians i kvadrerade enheter?
Varians uttrycks i kvadrerade enheter eftersom formeln kvadrerar avvikelserna för att eliminera negativa tal. Om dina data mäts i meter, mäts variansen i kvadratmeter. Det är därför vi tar kvadratroten för att få standardavvikelsen.
Hur förhåller sig varians till standardavvikelse?
Varians är kvadraten på standardavvikelsen, och standardavvikelsen är kvadratroten ur variansen. De mäter samma spridning, men standardavvikelsen återgår till data ursprungliga enheter för enklare tolkning.
När ska jag använda populationsvarians vs. stickprovets varians?
Använd populationsvarians när dina data inkluderar varje medlem av gruppen du studerar. Använd stickprovets varians när dina data representerar en delmängd dragen från en större grupp och du avser att dra slutsatser om den större gruppen.
Hur påverkar extremvärden variansen?
Extremvärden blåser upp variansen avsevärt. Eftersom formeln kvadrerar avståndet från medelvärdet utövar extrema värden ett oproportionerligt stort matematiskt inflytande på slutresultatet, mycket mer än de gör på själva medelvärdet.
Vad är skillnaden mellan varians och mean absolute deviation?
Mean absolute deviation (MAD) använder det absoluta värdet av avvikelser istället för att kvadrera dem. Även om MAD är mindre känsligt för extremvärden, är varians matematiskt jämnare och deriverbar, vilket gör den nödvändig för kalkylbaserade statistiska metoder.
Är en hög varians bra eller dålig?
Huruvida en hög varians är bra eller dålig beror helt på sammanhanget. Inom tillverkning är en låg varians idealisk för kvalitetskontroll. I investeringsportföljer kan en högre varians vara acceptabel om den åtföljs av högre förväntad avkastning.
Källor för vidare läsning
- SCB (Statistiska centralbyrån): Statistiska begrepp: Varians – Officiell statlig metodik och standarder för mätning av variabilitet och spridning i storskaliga demografiska dataset.
- Lunds Universitet: Resurser inom beskrivande statistik – Formella definitioner och matematisk stringens stödda av en av Sveriges mest prestigefyllda akademiska institutioner.
- Khan Academy (Svenska): Genomgång av populations- och stickprovsvarians – Utmärkta grundläggande förklaringar och interaktiva övningsproblem för att förstå spridning.
- MIT OpenCourseWare: 18.05 Introduktion till sannolikhet och statistik – Rigoröst akademiskt material som täcker sammanfattande statistik från Massachusetts Institute of Technology.