ما الذي تقوم به هذه الحاسبة
تأخذ حاسبة المتوسط الحسابي والانحراف المعياري قائمة من الأرقام وتُرجع لك المتوسط (المعدّل)، والتباين، والانحراف المعياري. يصف المتوسط مركز بياناتك، بينما يقيس الانحراف المعياري مدى تشتّت القيم حول هذا المركز. فكلما صغُر الانحراف المعياري دلّ ذلك على تجمّع القيم بإحكام قرب المتوسط، وكلما كبُر دلّ على تباعدها وانتشارها على نطاق واسع.
كيفية الاستخدام
اكتب أرقامك أو الصقها في خانة الإدخال، مفصولة بفواصل أو بمسافات. اختر عيّنة إذا كانت بياناتك جزءًا مأخوذًا من مجموعة أكبر، أو مجتمع إحصائي إذا كانت تمثّل المجموعة كاملةً. عندها تعرض الحاسبة المتوسط، والتباين، والانحراف المعياري، وعدد القيم، ومجموعها.
شرح المعادلات
احسب أولًا المتوسط \(\bar{x}\)، حيث \(n\) هو عدد القيم و\(x_i\) هو كل قيمة على حدة:
$$\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i$$ثم احسب انحراف كل قيمة عن المتوسط، وربّع هذا الانحراف، ثم خذ متوسط المربعات. صيغة العيّنة تقسم على \(n-1\)، أما صيغة المجتمع الإحصائي فتقسم على \(n\):
$$s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2} \qquad \sigma = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i - \mu)^2}$$
مثال محلول
لنأخذ مجموعة البيانات 2، 4، 4، 4، 5، 5، 7، 9. لدينا \(n = 8\) قيمة مجموعها 40، وبذلك يكون المتوسط:
$$\bar{x} = \frac{2+4+4+4+5+5+7+9}{8} = 5$$ومجموع مربعات الانحرافات عن 5 يساوي 32. وباستخدام صيغة المجتمع الإحصائي:
$$\sigma = \sqrt{\frac{32}{8}} = \sqrt{4} = 2$$
المزيد من الأمثلة المحلولة
تستخدم هذه الأمثلة الإجراء نفسه في كل مرة: أوجد المتوسط \(\bar{x}\)، واطرحه من كل قيمة للحصول على الانحرافات، ثم ربّع تلك الانحرافات، واجمعها، واقسم على \(n-1\) في حالة العيّنة أو على \(n\) في حالة المجتمع الإحصائي، وأخيرًا خذ الجذر التربيعي. الفرق الوحيد بين نسختي الانحراف المعياري هو ما تقسم عليه.
المثال 1 — العيّنة مقابل المجتمع الإحصائي على البيانات نفسها
مجموعة البيانات (8 قيم): 2، 4، 4، 4، 5، 5، 7، 9.
الخطوة 1 — المتوسط:
$$\bar{x} = \frac{2+4+4+4+5+5+7+9}{8} = \frac{40}{8} = 5$$الخطوة 2 — مربعات الانحرافات:
| \(x_i\) | \(x_i - \bar{x}\) | \((x_i - \bar{x})^2\) |
|---|---|---|
| 2 | -3 | 9 |
| 4 | -1 | 1 |
| 4 | -1 | 1 |
| 4 | -1 | 1 |
| 5 | 0 | 0 |
| 5 | 0 | 0 |
| 7 | 2 | 4 |
| 9 | 4 | 16 |
الخطوة 3 — مجموع المربعات:
$$\sum_{i=1}^{n}(x_i - \bar{x})^2 = 9+1+1+1+0+0+4+16 = 32$$الخطوة 4 — التباين والانحراف المعياري. مع \(n = 8\):
العيّنة (نقسم على \(n-1 = 7\)):
$$s^2 = \frac{32}{7} \approx 4.5714 \qquad s = \sqrt{4.5714} \approx 2.1381$$المجتمع الإحصائي (نقسم على \(n = 8\)):
$$\sigma^2 = \frac{32}{8} = 4 \qquad \sigma = \sqrt{4} = 2$$إذن تعطي البيانات نفسها انحرافًا معياريًا للعيّنة قدره 2.1381 وانحرافًا معياريًا للمجتمع الإحصائي قدره 2. قيمة العيّنة أكبر قليلًا لأن القسمة على العدد الأصغر \(n-1\) تضخّم النتيجة — وهذا هو التصحيح المعياري المستخدم عندما تكون البيانات مجرد عيّنة مسحوبة من مجموعة أكبر.
المثال 2 — القيم العشرية والسالبة
مجموعة البيانات (5 قيم): -2، -1، 0، 3، 5.
المتوسط:
$$\bar{x} = \frac{-2 + (-1) + 0 + 3 + 5}{5} = \frac{5}{5} = 1$$مربعات الانحرافات:
| \(x_i\) | \(x_i - \bar{x}\) | \((x_i - \bar{x})^2\) |
|---|---|---|
| -2 | -3 | 9 |
| -1 | -2 | 4 |
| 0 | -1 | 1 |
| 3 | 2 | 4 |
| 5 | 4 | 16 |
مجموع المربعات:
$$\sum_{i=1}^{n}(x_i - \bar{x})^2 = 9+4+1+4+16 = 34$$التباين والانحراف المعياري (مع \(n = 5\)):
$$s^2 = \frac{34}{4} = 8.5 \qquad s = \sqrt{8.5} \approx 2.9155$$$$\sigma^2 = \frac{34}{5} = 6.8 \qquad \sigma = \sqrt{6.8} \approx 2.6077$$تُعالَج القيم السالبة تمامًا كالقيم الموجبة — فتربيع الانحرافات يزيل الإشارة، لذا فإن القيمة التي تقع أسفل المتوسط تسهم في التشتت بقدر ما تسهم قيمة تبعد المسافة نفسها فوقه.
المثال 3 — القيم المتباعدة بانتظام
مجموعة البيانات (5 قيم): 10، 20، 30، 40، 50.
المتوسط:
$$\bar{x} = \frac{10+20+30+40+50}{5} = \frac{150}{5} = 30$$مربعات الانحرافات: الانحرافات هي -20، -10، 0، 10، 20، لذا فإن المربعات هي 400، 100، 0، 100، 400.
$$\sum_{i=1}^{n}(x_i - \bar{x})^2 = 400+100+0+100+400 = 1000$$التباين والانحراف المعياري (مع \(n = 5\)):
$$s^2 = \frac{1000}{4} = 250 \qquad s = \sqrt{250} \approx 15.8114$$$$\sigma^2 = \frac{1000}{5} = 200 \qquad \sigma = \sqrt{200} \approx 14.1421$$رغم أن القيم متباعدة بانتظام تام، فإن الانحراف المعياري ليس هو التباعد نفسه (10) — بل هو مقياس لجذر متوسط مربعات المسافة عن المتوسط، والذي يبلغ هنا نحو 14.14 للمجتمع الإحصائي بأكمله.
تفسير نتيجتك
يخبرك الانحراف المعياري بالمسافة النموذجية بين قيمة البيانات والمتوسط، معبَّرًا عنها بالوحدات نفسها لبياناتك. يعني الانحراف المعياري الصغير أن القيم تتجمع بإحكام حول المتوسط؛ بينما يعني الانحراف الكبير أنها متناثرة على نطاق واسع. وبمفرده يكون الرقم أكثر فائدة عند مقارنته بالمتوسط وبتشتت مجموعات بيانات أخرى قِيست بالطريقة نفسها.
القاعدة التجريبية (68–95–99.7)
عندما تكون مجموعة البيانات موزّعة توزيعًا طبيعيًا تقريبًا (شكل الجرس المتماثل المألوف)، فإن الانحراف المعياري \(\sigma\) يرسم نسبًا يمكن التنبؤ بها من البيانات حول المتوسط \(\bar{x}\):
- نحو 68% من القيم تقع ضمن \(\pm 1\sigma\) من المتوسط — الفترة من \(\bar{x} - \sigma\) إلى \(\bar{x} + \sigma\).
- نحو 95% تقع ضمن \(\pm 2\sigma\).
- نحو 99.7% تقع ضمن \(\pm 3\sigma\).
على سبيل المثال، إذا كانت مجموعة من القياسات لها \(\bar{x} = 100\) و \(\sigma = 15\)، فإن نحو 68% من البيانات تقع بين 85 و115، ونحو 95% بين 70 و130، وتقريبًا كلها بين 55 و145. هذه القاعدة تقريبية وتصحّ فقط للبيانات ذات الشكل الجرسي تقريبًا — أما بالنسبة للتوزيعات شديدة الالتواء أو ثقيلة الأطراف فقد تختلف النسب الفعلية اختلافًا كبيرًا.
تحديد ما إذا كانت القيمة نموذجية أم قيمة شاذة
للحكم على قيمة مفردة، قِس عدد الانحرافات المعيارية التي تبعدها عن المتوسط. هذه هي الدرجة المعيارية، أو الدرجة المعيارية z:
$$z = \frac{x - \bar{x}}{\sigma}$$القيمة التي يكون \(|z|\) لها أقل من نحو 1 تُعدّ عادية جدًا؛ و\(|z|\) قريبة من 2 غير معتادة نوعًا ما (فقط نحو 5% من البيانات الطبيعية تقع خارج \(\pm 2\sigma\))؛ و\(|z|\) بمقدار 3 أو أكثر نادرة (أقل من 0.3% من البيانات الطبيعية)، وهذا هو السبب في أن \(\pm 2\sigma\) أو \(\pm 3\sigma\) عتبات غير رسمية شائعة للإشارة إلى القيم الشاذة المحتملة. هذه أعراف لفحص البيانات وليست اختبارًا قاطعًا — فالدرجة المعيارية z الكبيرة تشير إلى نقطة تستحق الفحص، وليست خطأً بشكل تلقائي.
معامل الاختلاف — التشتت النسبي
لأن الانحراف المعياري يحمل وحدات، فإن مقارنة التشتت عبر مجموعات بيانات ذات مقاييس أو وحدات مختلفة قد تكون مضلِّلة. يعيد معامل الاختلاف (CV) قياسه على شكل كسر (أو نسبة مئوية) من المتوسط:
$$\text{معامل الاختلاف} = \frac{\sigma}{\bar{x}}$$مجموعة بيانات لها \(\bar{x} = 30\) و \(\sigma \approx 15.81\) يكون لها \(\text{معامل الاختلاف} \approx 15.81 / 30 \approx 0.527\)، أي نحو 52.7% — وهو تشتت مرتفع نسبيًا. يشير معامل اختلاف قدره 5% إلى قيم متجمعة بإحكام قرب المتوسط، بينما يشير 50% أو أكثر إلى تباين نسبي مرتفع. معامل الاختلاف ذو معنى فقط للبيانات المقيسة على مقياس نسبي بمتوسط موجب؛ فهو غير معرَّف أو غير مستقر عندما يكون المتوسط صفرًا أو قريبًا من الصفر، ولا ينبغي استخدامه للبيانات التي يمكن أن تكون سالبة (مثل درجات الحرارة بالسيلسيوس أو أرقام الأرباح والخسائر).
الأسئلة الشائعة
ما الفرق بين العيّنة والمجتمع الإحصائي؟ استخدم الانحراف المعياري للمجتمع الإحصائي عندما تشمل بياناتك كل أفراد المجموعة. أما الانحراف المعياري للعيّنة، الذي يقسم على \(n-1\)، فاستخدمه عندما تكون بياناتك عيّنة فقط، لأنه يعطي تقديرًا أقل انحيازًا للتشتّت الحقيقي.
لماذا نربّع الانحرافات؟ يجعل التربيع كل انحراف موجبًا ويمنح الأخطاء الأكبر وزنًا أكبر، ثم يعيدنا أخذ الجذر التربيعي في النهاية إلى الوحدات الأصلية للبيانات.
ماذا يخبرني التباين؟ التباين هو متوسط مربعات الانحرافات، وهو يساوي مربع الانحراف المعياري. وهو مفيد في كثير من الصيغ الإحصائية، لكنه يُعبَّر عنه بوحدات مربّعة.