Стандартное отклонение и Дисперсия - это фундаментальные числовые идеи, которые принимают на себя важные части во всей денежно-кредитной сфере, включая области бухгалтерского учета, финансовые вопросы и участие.
Когда мы измеряем изменения, относящиеся к большому количеству информации, с этим связаны два прочно связанных понимания.
Чтобы быть более конкретным, дисперсия и стандартное отклонение, которые демонстрируют, насколько разбросаны оценки знаний, также будут включать в себя сопоставимость успехов в их вычислениях.
Дисперсия против стандартного отклонения
Разница между дисперсией и стандартным отклонением состоит в том, что стандартное отклонение есть не что иное, как квадратный корень теории дисперсии. Эти два термина используются для определения распространения информационной коллекции. И стандартное отклонение, и дисперсия являются математическими мерами, которые определяют разброс информации от среднего значения.
Таблица сравнения дисперсии и стандартного отклонения
| Параметры сравнения | Дисперсия | Среднеквадратичное отклонение |
|---|---|---|
| Определение | Его можно использовать для наделения многих достоинств концепции инвестирования в портфели. | Когда дело доходит до финансового раздела, стандартное отклонение используется для безопасности и на ее рынке. |
| Как рассчитывается? | Каждое значение набора информации берется и возводится в квадрат, и принимается во внимание среднее значение этих квадратов. | Расчет производится путем извлечения квадратного корня из значения дисперсии. |
| Символ | Здесь символ сигма (σ). | Квадрат сигмы (σ2) - это символ стандартного отклонения. |
| Как они оба хорошо различимы? | Здесь дисперсия больше всего нужна только в математических расчетах. | Когда какие-либо данные необходимо рассчитывать по-разному, чаще всего используется стандартное отклонение. |
| Общая формула | σ2 = ∑ (x - M) 2 / n, где n - количество значений данных, x - конкретное значение, а m - среднее значение. | σ = √∑ (x - M) 2 / n, где x - конкретное значение данных, n - общее количество значений. Это легко запомнить, так как это просто квадрат дисперсии. |
Что такое дисперсия?
Дисперсия характеризуется как доля непостоянства, которая говорит о том, насколько далеко разбросаны люди от собрания. Он обнаруживает нормальную степень, в которой каждое восприятие отличается от среднего.
В любой момент, когда изменение информационного индекса невелико, оно показывает, что информация сосредоточена на среднем значении, хотя более заметная оценка различий говорит о том, что восприятия разбросаны по среднему значению и друг от друга..
Хотя это изменение ценно с точки зрения числа, оно не даст вам никаких данных, которые вы могли бы использовать. Например, если вы возьмете пример большого количества людей, вы можете получить сдачу на 9801. Это может заставить вас ломать голову над тем, зачем вы это рассчитываете в любом случае. Подходящий ответ: вы можете использовать разницу, чтобы отсортировать стандартное отклонение - значительно улучшенная пропорция того, как распределить ваши нагрузки. Чтобы получить стандартное отклонение, возьмите квадратную основу изменения примера: √9801 = 99.
Стандартное отклонение в сочетании со средним значением укажет вам на то, что измеряет большинство людей. Например, если ваше среднее значение составляет 150 кг, а стандартное отклонение составляет 99 кг, то очевидно, что большинство людей весят от 51 до 249 кг.
Что такое стандартное отклонение?
Квадратный корень из дисперсии - это то, что мы называем здесь стандартным отклонением, и оно определяется путем сортировки различий между каждым информационным ориентиром относительно среднего значения. Когда основной фокус находится очень далеко от среднего значения, внутри даты наблюдается большее отклонение; если они ближе к среднему, то отклонение меньше. Таким образом, чем шире набор чисел, тем выше стандартное отклонение.
Чтобы определить стандартное отклонение, включите все информационные фокусы и разделите их по количеству информационных фокусов.
Стандартное отклонение также полезно при рассмотрении разброса двух отдельных информационных индексов, которые имеют примерно одинаковое среднее значение. Информационная коллекция с меньшим стандартным отклонением имеет меньший разброс оценок вокруг среднего и, таким образом, обычно имеет одинаково менее высокое или низкое качество.
Предмет, бесцельно выбранный из информационного индекса, стандартное отклонение которого низкое, имеет большую вероятность быть близким к среднему, чем объект из информационного индекса, стандартное отклонение которого выше.
По большей части, чем шире распространены качества, тем больше стандартное отклонение. Например, представьте, что нам нужно выделить два разных набора результатов тестов из класса из 30 дублеров: первичный тест имеет оценки от 31% до 98%, разные - от 82% до 93%. С учетом этих показателей стандартное отклонение будет больше для последствий первичного теста.
Основные различия между дисперсией и стандартным отклонением
Вывод
Эти два являются существенными фактическими терминами, которые играют решающую роль в различных областях. Стандартное отклонение предпочтительнее среднего, поскольку оно выражается в единицах, аналогичных единицам оценок, тогда как разница выражается в единицах, превышающих данный информационный индекс.
Стандартное отклонение и разница - это две разные числовые идеи, которые тесно связаны между собой. Ожидается, что отклонение составит стандартное отклонение. Эти числа помогают дилерам и спекулянтам принять решение о нестабильности предприятия и, следовательно, позволяют им сделать выбор в пользу обмена.
