Statistická kalkulačka

Popisná statistika shrnuje datovou sadu do smysluplných souhrnných čísel.

• Míry centrální tendence (průměr, medián, modus) ukazují, kde leží střed dat.
• Míry disperze (rozpětí, rozptyl, směrodatná odchylka, mezikvartilové rozpětí) ukazují, jak jsou hodnoty rozptýlené.
• Míry tvaru (šikmost a špičatost) popisují symetrii rozdělení a chování chvostů.

Tyto statistiky společně poskytují úplný obraz o vašich datech, aniž byste se museli dívat na každou jednotlivou hodnotu.

Když vaše data představují celou populaci, vydělíte je N, abyste získali populační rozptyl a směrodatnou odchylku. Když jsou vaše data výběrem pořízeným z větší populace, vydělíte je N-1 (Besselova korekce), abyste získali nestranný odhad.

Výběrová směrodatná odchylka je pro stejnou datovou sadu vždy o něco větší než populační směrodatná odchylka.

Pro velké N je rozdíl zanedbatelný, ale pro malé vzorky hraje korekce významnou roli.

• Průměr je součet všech hodnot vydělený počtem
• medián je prostřední hodnota seřazených dat
• modus je nejčastěji se vyskytující hodnota

Pro datovou sadu {68, 72, 76, 78, 82, 85, 88, 90, 91, 95} dává znalost výpočtu průměru hodnotu 825 vydělenou 10 neboli 82,5. S sudým počtem 10 hodnot medián zprůměruje dvě prostřední čísla, (82 + 85) / 2 = 83,5. Žádná hodnota se neopakuje, takže tato sada nemá žádný modus.

Jak vysvětluje Khan Academy, tyto tři míry centrální tendence odpovídají na různé otázky, takže uvedení všech tří poskytuje úplnější obraz než kterákoli z nich samostatně.

Rozptyl je průměr čtverců odchylek od průměru a směrodatná odchylka je odmocnina z rozptylu.

Nejprve provedete následující:

• od každé hodnoty odečtěte průměr
• každý výsledek umocněte na druhou
• sečtěte je

Populační rozptyl dělí tento součet N; výběrový rozptyl dělí N-1. Pro 10 výsledků testu s průměrem 82,5 je výběrový rozptyl přibližně 78,28 a výběrová směrodatná odchylka je přibližně 8,85.

Wolfram MathWorld poznamenává, že umocnění odchylek na druhou jak odstraňuje záporná znaménka, tak dává větší váhu větším odchylkám od průměru, což je důvod, proč je směrodatná odchylka dominantní mírou rozptylu ve statistice.

Kvartily rozdělují seřazená data na čtyři stejné části:

• Q1 je 25. percentil
• Q2 je medián
• Q3 je 75. percentil

Mezikvartilové rozpětí (IQR) se rovná Q3 minus Q1 a zachycuje rozptyl prostředních 50 % dat. Pro {68, 72, 76, 78, 82, 85, 88, 90, 91, 95} je Q1 76, Q3 90, takže IQR = 90 - 76 = 14.

Pětinásobné shrnutí – minimum, Q1, medián, Q3, maximum – je 68, 76, 83,5, 90, 95. NIST/SEMATECH e-Handbook of Statistical Methods popisuje toto shrnutí jako základ pro krabicový graf.

Šikmost měří asymetrii rozdělení a špičatost měří tloušťku jeho chvostů.

Nulová šikmost označuje symetrické rozdělení; kladná hodnota signalizuje delší pravý chvost a záporná hodnota delší levý chvost.

Špičatost porovnává tloušťku chvostů s normálním rozdělením, které má špičatost 3 neboli nadbytečnou špičatost 0. Vyšší špičatost znamená tlustší chvosty a extrémnější odlehlé hodnoty.

Podle Wolfram MathWorld tyto třetí a čtvrté standardizované momenty rozšiřují popis datové sady za hranice středu a rozptylu a odhalují rysy tvaru, které průměr a směrodatná odchylka nedokážou zachytit samy o sobě.

The variační koeficient (VK) je směrodatná odchylka dělená průměrem, vyjádřená v procentech: VK = (SD / průměr) x 100 %.

Protože je bezrozměrný, umožňuje variační koeficient porovnávat variabilitu mezi datovými soubory měřenými v různých jednotkách nebo na různých škálách. Pro 10 výsledků testu je VK přibližně 8.85 / 82.5 x 100 %, tedy zhruba 10,7 %, což značí poměrně nízkou variabilitu.

Encyclopaedia Britannica popisuje variační koeficient jako standardizovanou míru variability. Běžným orientačním pravidlem je považovat VK pod 15 % za nízký a nad 30 % za vysoký, ačkoliv optimální prahové hodnoty závisí na konkrétním oboru a kontextu.

Percentilové pořadí vyjadřuje procento hodnot v datovém souboru, které jsou nižší než daná hodnota, takže přímo staví na tom, jak funguje výpočet procent. Jednoduchý vzorec zní: percentilové pořadí = (počet hodnot nižších než x / celkový počet) x 100.

Pokud je 7 z 10 výsledků zkoušky nižších než váš, vaše percentilové pořadí je 70, což znamená, že jste dosáhli lepšího výsledku než 70 % skupiny. Percentily tvoří základ mnoha standardizovaných systémů hodnocení, od výsledků testů až po pediatrické růstové grafy.

Khan Academy zdůrazňuje, že percentily popisují relativní pozici namísto absolutní hodnoty. Hrubé skóre je proto mnohem snáze interpretovatelné, jakmile znáte percentil, který mu odpovídá.

Deskriptivní statistika nachází uplatnění téměř v každém kvantitativním oboru.

• Ve výrobě využívají programy Six Sigma směrodatnou odchylku ke kvantifikaci chybovosti a způsobilosti procesů.
• Ve financích směrodatná odchylka měří volatilitu výnosů, zatímco průměr odhaduje očekávaný výnos.
• Orgány veřejného zdraví se spoléhají na mediány a percentily při vyhodnocování ukazatelů v populaci a pedagogové je využívají k interpretaci výsledků testů.

Příručka NIST/SEMATECH e-Handbook of Statistical Methods ukazuje, jak souhrnné statistiky podporují řízení kvality a analýzu experimentů. Ať už hodnotíte zkoušky, sledujete výrobní linku, nebo porovnáváte investiční portfolia, tyto ukazatele převádějí surová čísla v obhajitelná rozhodnutí.

Empirické pravidlo, neboli pravidlo 68-95-99,7, popisuje rozložení dat v normálním rozdělení:

• Přibližně 68 % hodnot leží v rozmezí jedné směrodatné odchylky od průměru
• zhruba 95 % leží v rozmezí dvou směrodatných odchylek
• a přibližně 99,7 % leží v rozmezí tří směrodatných odchylek

Pokud má například test průměr 82.5 a směrodatnou odchylku přibližně 8.85, zhruba 95 % výsledků by se při normálním rozdělení dat pohybovalo mezi 64.8 a 100.2.

Encyclopaedia Britannica uvádí, že právě toto pravidlo je důvodem, proč je směrodatná odchylka tak často využívána: převádí abstraktní rozptyl na konkrétní pravděpodobnostní intervaly, ze kterých lze snadno vyvodit závěry.

• Nejčastější chybou je záměna vzorců pro výběrový a základní soubor: dělení číslem N v situaci, kdy máte k dispozici pouze výběrový vzorek, podhodnocuje skutečnou variabilitu; pro výběry proto používejte N-1 (Besselovu korekci).
• Další chybou je nesetřídění dat před hledáním mediánu nebo kvartilů, což vede ke zcela nesmyslným výsledkům.
• Lidé také často zaměňují modus (nejčastější hodnotu) s průměrem, případně uvádějí modus u dat, kde je každá hodnota unikátní.
• V neposlední řadě pamatujte, že průměr je citlivý na odlehlé hodnoty, zatímco medián je vůči nim robustní, takže jediná extrémní hodnota může váš průměr výrazně zkreslit.

Před vyvozením závěrů si vždy ověřte, která statistika nejlépe odpovídá na vaši konkrétní otázku.