变异数与标准差.pptVIP

變異數與標準差 變異數:離差(資料值與期望值的差異)平方和的平均 標準差:變異數的平方根 變異數的單位是原資料單位的平方 標準差的單位同原資料的單位 母體變異數: 樣本變異數: 計算樣本變異數時，分母取(n-1)而非(n)的原因: 實務上，母體變異數通常未知，須以樣本變異數估計之，而樣本變異數會隨所 抽選樣本的不同而有變動(非固定)，若考慮很多次抽樣，每次都以” ”的 公式計算樣本變異數，則有些樣本變異數會高於母體變異數，有些則低於母體 變異數，但平均而言會與母體變異數很接近；反之，若計算樣本變異數時均除 以n，則平均而言會偏向低於母體變異數 變異數(或標準差)與期望值一樣，容易受極值的影響 例:(起薪的資料) 若將最大值改為10,000，則 起薪的資料 變異係數(Coefficient of Variation) 變異係數定義為 CV是量測相對(於期望值)分散程度的量數，表示標準差佔期望值的百分比，通常小於1 例:(起薪的資料) 表示薪資的分散程度約為期望值的5.6% 變異係數在財務分析上可用來計算相對的風險 變數變換對期望值與標準差的影響 設變數Y為變數X的函數:y=g(x) 變數Y之觀察值的期望值通常無法直接以X變數之期望值的相同函數計算，但線性函數則例外 若 則 但對標準差的影響則為 例: 假設成本(C) 是產量(x)的線性函數， 變動成本+固定成本 若每月平均產量為 標準差 則 而產量與成本的變異係數則分別為 Z分數(z-score) 是一個特殊的線性變數變換: 未知時以 代之,而常另稱之為t分數(t-score) 正的Z分數表示變數值比期望值大z個標準差 負的Z分數表示變數值比期望值小|z|個標準差 變數變換後的Z分數是無單位的，所以適用於比較不同資料集之資料值在各自資料集裡的相對位置，例如:林同學身高的z分數為0.6，而體重的z分數為0.2；表示比班上平均身高高0.6個標準差，而比平均體重重0.2個標準差；所以在班上是屬於中等個子，但稍微高一些 經驗法則(Empirical Rule) 若原資料呈對稱如吊鐘型的分佈，則經變數變換後的Z分數會變為對稱於零的吊鐘型分配，且分配的型態固定(不因標準差的大小而有不同)，此通稱為標準常態分配(Standard Normal Distribution) 大約有68%的z分數會對稱分佈在+1之間， 大約有95%的z分數會對稱分佈在+ 2之間， 而幾乎所有的z分數會對稱分佈在+ 3之間 保齡球成績的資料 謝比契夫(Chebyshev) 不等式 若原資料的分佈非對稱，則至少有 的資料會落在 期望值+z倍標準差 之間， 但z須大於1 例:(起薪的資料) 若起薪分配的期望值=2,940，標準差=165.65，則至少有 75%畢業學生的起薪會在 2,940+2(165.65)=(2,608.7, 3,105.65) 之間 89%畢業學生的起薪會在 2,940+3(165.65)=(2,443.05, 3,436.95) 之間 94%畢業學生的起薪會在 2,940+4(165.65)=(2,277.40, 3,602.60) 之間 離群值(Outliers) Z分數可用來檢查資料集裡是否有離群值: 一般而言，若Z分數的絕對值大於3，則稱對應的資料值為離群值 離群值可能是錯誤的資料，也可能是較特殊的資料 如果是錯誤的資料，須訂正或移除後，才進行統計分析 如果是特殊的資料，則可比較移除與不移除下的兩種分析結果，折衷或採其中之一較合理的結果 箱型圖(Box Plot) 五個統計量: Min, Q1, Q2, Q3, Max 繪製圖型的步驟: 由Q1, Q3劃一個箱型 以Q2將箱型分成兩部分 由箱型兩邊各劃一條平行直線，向外延伸到Min與Max 在箱型兩邊向外 1.5倍IQR 處，各劃一條垂直直線 在箱型兩邊向外 3倍IQR 處，各劃一條垂直直線 Q1, Q2, Q3大約將所有資料平分成四份 起薪資料的箱型圖 Min=2,710 Q1=2,865 Q2=2,905 Q3=3,000 Max=3,325 IQR=135 Q1-1.5 IQR=2,663 Q3+1.5 IQR=3,203 共變異數(Covariance)與相關係數(Correlation Coefficient) 量測兩量化變數之間線性關聯程