מדדי פיזור בסטטיסטיקה

מדדי פיזור חשובים מכיוון שהם מתארים את השונות שנמצאה באוכלוסיה או מדגם נתון. כך משתמשים בהם.

מדדי פיזור בסטטיסטיקה

בהפצת נתונים, מדדי הפיזור ממלאים תפקיד חשוב ביותר. מדדים אלה משלימים את מה שמכונה 'העמדה המרכזית', המאפיינים את שונות הנתונים. מדדי מגמה מרכזיים מצביעים על ערכים שנגדם נראה שהנתונים מקובצים באשכולות. הם משמשים להפקת התנהגות של משתנים באוכלוסיות ובדגימות. כמה דוגמאות לכך הן הממוצע החשבוני, המצב או החציון (1).



ה מדדי פיזור משלימים את אלה עם מגמה מרכזית. יתר על כן, הם חיוניים בהפצת נתונים. הסיבה לכך היא שהם מאפיינים את השונות שלה. הרלוונטיות שלהם באימונים סטטיסטיים הודגשה על ידי Wild and Pfannkuch (1999).



תפיסת שונות הנתונים היא אחד המרכיבים הבסיסיים של החשיבה הסטטיסטית, שכן היא מספקת לנו מידע על פיזור הנתונים ביחס לממוצע.

לאהוב ולא להיות נאהב



פרשנות הממוצע

ה ממוצע חשבון הוא נמצא בשימוש נרחב בפועל, אך לעתים קרובות ניתן לפרש אותו בצורה שגויה. זה קורה כאשר הערכים המשתנים דלילים מאוד. בהזדמנויות אלה יש צורך בליווי מדדי הפיזור הממוצעים (2).

למדדי הפיזור שלושה מרכיבים חשובים הקשורים לשונות אקראית (2):

אכזבות עוזרות לצמוח



  • תפיסת נוכחותה בכל מקום בעולם הסובב אותנו.
  • התחרות להסבר שלה.
  • היכולת לכמת אותו (שמשמעותו הבנה וידע כיצד ליישם את מושג הפיזור).
אדם עם סימני שאלה

למה משמשים מדדי הפיזור?

כאשר יש צורך להכליל את הנתונים של מדגם אוכלוסיה, מדדי הפיזור חשובים מאוד מכיוון שהם משפיעים ישירות על השגיאה שאיתה אנו עובדים . ככל שהפיזור שאנחנו אוספים במדגם גדול יותר, כך הגודל שאנחנו צריכים לעבוד עם אותה שגיאה גדול יותר.

מצד שני, מדדים אלה עוזרים לנו לקבוע אם הנתונים שלנו רחוקים מערך הליבה. הם אומרים לנו אם ערך מרכזי זה מספיק לייצוג אוכלוסיית המחקר. זה מאוד שימושי להשוואת הפצות ו- מבינה הסיכונים בקבלת ההחלטות (1).

מדדים אלה שימושיים מאוד להשוואה של התפלגויות והבנת סיכונים בקבלת ההחלטות. ככל שהפיזור גדול יותר, הערך המרכזי פחות מייצג .

הנפוצים ביותר הם:

הרבה זמן לא דיברנו באנגלית

פונקציות מדדי הפיזור

דַרגָה

השימוש בדרגה הוא להשוואה ראשונית. באופן זה היא שוקלת רק את שתי התצפיות הקיצוניות . זו הסיבה שהיא מומלצת רק לדוגמאות קטנות (1). זה מוגדר כהפרש בין הערך האחרון של המשתנה לראשון (3).

דוגמה למדידות פיזור

סטייה סטטיסטית

הסטייה הממוצעת מציינת היכן היו הנתונים מרוכזים אם כולם היו באותו מרחק מהממוצע החשבוני (1). אנו רואים את סטיית הערך של המשתנה כהפרש בערך המוחלט בין ערך המשתנה לבין הממוצע החשבוני של הסדרה. לכן הוא נחשב כממוצע החשבוני של הסטיות (3).

שׁוֹנוּת

שונות היא פונקציה אלגברית של כל הערכים , המתאים לפעילויות סטטיסטיות מסקנות (1). ניתן להגדירו כסטייה ריבועית (3).

כיצד לעורר את מערכת החיסון

סטייה רגילה או טיפוסית

עבור דגימות שנלקחו מאותה אוכלוסייה, סטיית התקן היא אחת הנפוצות ביותר (1). זהו השורש הריבועי של השונות (3).

מקדם וריאציה

זהו מדד המשמש בעיקר להשוואת השונות בין שתי קבוצות נתונים הנמדדות ביחידות שונות הוא. לדוגמה, גובה ומשקל גוף התלמידים במדגם. הוא משמש לקביעת איזו תפוצה הנתונים מקובצים ביותר והממוצע הוא מייצג ביותר (1).

אמצעי פיזור משמשים בסטטיסטיקה ובפסיכולוגיה

מקדם הווריאציה הוא מדד פיזור מייצג יותר מהקודמים, מכיוון שהוא מספר מופשט. במילים אחרות, זה עצמאי מהיחידות בהן מופיעים ערכי המשתנה. באופן כללי, מקדם וריאציה זה מתבטא באחוזים (3).

מסקנות על מדדי פיזור

המדדים של פיזור מצביעים, מצד אחד, על מידת השונות במדגם. מצד שני, הייצוגיות של הערך המרכזי, מכיוון שאם אתה מקבל ערך נמוך, המשמעות היא שהערכים מרוכזים סביב אותו 'מרכז'. פירוש הדבר שיש שונות מאוד בנתונים והמרכז מייצג את כולם היטב.

לעומת זאת, אם מתקבל ערך גבוה, המשמעות היא שהערכים אינם מרוכזים, אלא מפוזרים. זה אומר שיש הרבה שונות והמרכז לא יהיה מאוד מייצג. מצד שני, כאשר מסיקים מסקנות, נצטרך מדגם גדול יותר אם נרצה צמצם את השגיאה , גדל דווקא עקב הגידול בשונות.

סטטיסטיקה בפסיכולוגיה: מדוע זה שימושי?

סטטיסטיקה בפסיכולוגיה: מדוע זה שימושי?

לשם מה סטטיסטיקה בפסיכולוגיה? מדוע זה שימושי עבור הפסיכולוג או עבור מי שמתעניין בפסיכולוגיה? בואו נענה לשאלות אלו.


בִּיבּלִיוֹגְרָפִיָה
    1. Graus, M. E. G. (2018). סטטיסטיקה המיושמת על מחקר חינוכי. דילמות עכשוויות: חינוך, פוליטיקה וערכים , 5 (2).
    2. Batanero, C., González-Ruiz, I., del Mar López-Martín, M., & Miguel, J. (2015). פיזור כמרכיב מבנה בתכנית הלימודים הסטטיסטית וההסתברות. אפסילון , 32 (2), 7-20.
    3. Folgueras Russell, P. אמצעי פיזור. אחזור מ- https: //www.google.com/url 2FMEDIDASDEDISPERSION.pdf & usg = AOvVaw0DCZ9Ej1YvX7WNEu16m2oF
    4. Wild, C. J. y Pfannkuch, M. (1999). חשיבה סטטיסטית בחקירה אמפירית. בינלאומי
      סקירה סטטיסטית, 67 (3), 223-263.