ماذا تفعل هذه الحاسبة
تحسب هذه الأداة التباين والانحراف المعياري لمتغير عشوائي منفصل انطلاقًا من توزيعه الاحتمالي. كل ما عليك هو إدخال كل قيمة محتملة (\(x_i\)) واحتمال حدوثها (\(p_i\))، لتعيد لك الحاسبة قيمة التباين \(\mathrm{Var}(X)\)، والوسط الحسابي \(\mu\)، والقيمة المتوقعة لـ \(X^2\)، والانحراف المعياري \(\sigma\). يقيس التباين مدى تشتت القيم حول الوسط؛ فكلما صغُر التباين دلّ ذلك على تجمّع القيم قرب المتوسط، وكلما كبُر دلّ على تباعدها وانتشارها الواسع.
كيفية الاستخدام
أدخل القيم في الخانة الأولى مفصولة بفواصل (مثل 1, 2, 3)، ثم أدخل الاحتمالات المقابلة لها بالترتيب نفسه في الخانة الثانية (مثل 0.2, 0.5, 0.3). يجب أن يكون مجموع الاحتمالات مساويًا للواحد الصحيح؛ وتعرض الحاسبة قيمة \(\sum p_i\) حتى تتمكن من التحقق من ذلك. اضغط على زر الحساب لتظهر قيمة التباين والإحصاءات المرتبطة به.
شرح الصيغة
يعتمد حساب التباين على الصيغة الحسابية المختصرة التالية:
$$\mathrm{Var}(X) = \sum p_i x_i^{2} - \left(\sum p_i x_i\right)^{2}$$
هنا يمثّل المقدار \(\sum p_i x_i\) الوسط الحسابي \(\mu = E[X]\)، بينما يمثّل \(\sum p_i x_i^{2}\) القيمة المتوقعة \(E[X^2]\). وبطرح مربّع الوسط من \(E[X^2]\) نحصل على التباين. هذه الصيغة مكافئة جبريًا للتعريف الأصلي \(\mathrm{Var}(X) = \sum p_i (x_i - \mu)^{2}\)، لكنها أسهل في الحساب وتُنجز في خطوة واحدة. أما الانحراف المعياري فهو ببساطة الجذر التربيعي للتباين: \(\sigma = \sqrt{\mathrm{Var}(X)}\).
مثال محلول
لنفترض أن المتغير \(X\) يأخذ القيم 1 و2 و3 باحتمالات 0.2 و0.5 و0.3 على الترتيب. عندئذٍ يكون الوسط $$\mu = 1(0.2) + 2(0.5) + 3(0.3) = 0.2 + 1.0 + 0.9 = 2.1.$$ والقيمة المتوقعة $$E[X^2] = 1(0.2) + 4(0.5) + 9(0.3) = 0.2 + 2.0 + 2.7 = 4.9.$$ وبذلك يكون التباين $$\mathrm{Var}(X) = 4.9 - 2.1^{2} = 4.9 - 4.41 = 0.49,$$ والانحراف المعياري \(\sigma = \sqrt{0.49} = 0.7\).
أمثلة عملية إضافية
المثال 1: نرد سداسي عادل
النتائج هي \(x = 1, 2, 3, 4, 5, 6\)، ولكل منها \(p_i = \frac{1}{6}\).
- المتوسط: \(E[X] = \sum p_i x_i = \frac{1}{6}(1+2+3+4+5+6) = \frac{21}{6} = 3.5\).
- العزم الثاني: \(E[X^2] = \sum p_i x_i^2 = \frac{1}{6}(1+4+9+16+25+36) = \frac{91}{6} \approx 15.1667\).
- التباين: \(\sigma^2 = E[X^2] - (E[X])^2 = \frac{91}{6} - 3.5^2 = 15.1667 - 12.25 \approx 2.9167\) (تساوي تماماً \(\frac{35}{12}\)).
- الانحراف المعياري: \(\sigma = \sqrt{2.9167} \approx 1.7078\).
المثال 2: مكافأة لعبة تتضمن خسائر وأرباحاً
تدفع لعبة القيم \(x = -10, 0, 20\) (بالدولار) باحتمالات \(p = 0.5, 0.3, 0.2\). مجموع الاحتمالات يساوي 1.
- المتوسط: \(E[X] = 0.5(-10) + 0.3(0) + 0.2(20) = -5 + 0 + 4 = -1\).
- العزم الثاني: \(E[X^2] = 0.5(100) + 0.3(0) + 0.2(400) = 50 + 0 + 80 = 130\).
- التباين: \(\sigma^2 = 130 - (-1)^2 = 130 - 1 = \) 129.
- الانحراف المعياري: \(\sigma = \sqrt{129} \approx 11.36\) دولاراً.
لاحظ أن المتوسط مربع في الخطوة الأخيرة، لذا فإن المتوسط السالب ما زال يعطي حد طرح موجباً.
مقارنة التوزيعات ذات المتوسط نفسه
جميع التوزيعات الثلاثة أدناه لها متوسط 2، لكن انتشارها يختلف. يلتقط التباين هذا الفرق، وهو ما لا يستطيع المتوسط وحده إظهاره.
| التوزيع | المتوسط E[X] | القيمة المتوقعة E[X²] | التباين | الانحراف المعياري |
|---|---|---|---|---|
| x = 2 مع p = 1 | 2 | 4 | 0 | 0 |
| x = 1, 2, 3 مع p = 0.25, 0.5, 0.25 | 2 | 0.25 + 2 + 2.25 = 4.5 | 4.5 − 4 = 0.5 | ≈ 0.7071 |
| x = 0, 2, 4 مع p = 0.25, 0.5, 0.25 | 2 | 0 + 2 + 4 = 6 | 6 − 4 = 2 | ≈ 1.4142 |
يستخدم التوزيع الثالث نتائج تبعد عن المتوسط ضعف بعد التوزيع الثاني، لذا فإن تباينه أكبر بأربع مرات (2 مقابل 0.5)، وانحرافه المعياري أكبر بمرتين.
تفسير التباين والانحراف المعياري
- التباين 0: النتيجة ثابتة (توزيع منحل)؛ فكل الاحتمال يقع على قيمة واحدة تساوي المتوسط.
- كلما كان σ أكبر كان الانتشار أوسع: تميل النتائج إلى الابتعاد أكثر عن المتوسط E[X].
- الوحدات: إذا قيست X بالدولار، فإن التباين يكون بالدولار مربع، بينما الانحراف المعياري \(\sigma = \sqrt{\sigma^2}\) يكون بوحدات X نفسها (دولار)، مما يجعله أسهل في التفسير.
- التحويلات الخطية: \(\mathrm{Var}(aX + b) = a^2\,\mathrm{Var}(X)\). إضافة ثابت b تزيح التوزيع دون تغيير انتشاره؛ أما ضرب المتغير في a فيضرب الانحراف المعياري في \(|a|\).
- مجاميع المتغيرات المستقلة: إذا كان X وY مستقلين، فإن \(\mathrm{Var}(X + Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\)، وكذلك \(\mathrm{Var}(X - Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\). أما الانحرافات المعيارية فلا تُجمع مباشرة.
- الحساسية للقيم المتطرفة: لأن الانحرافات تُربَّع، فإن نتيجة نادرة لكنها شديدة التطرف يمكن أن ترفع التباين بشكل كبير، حتى وإن كان احتمالها صغيراً.
التباين لا يكون سالباً أبداً. إذا أعطى حسابك قيمة سالبة، فتحقق من أن الاحتمالات مجموعها 1 وأن كل pᵢ يقع بين 0 و1.
الأسئلة الشائعة
هل يجب أن يساوي مجموع الاحتمالات الواحد الصحيح؟ نعم، حتى يكون التوزيع صحيحًا. تعرض الحاسبة قيمة \(\sum p_i\) لتتمكن من التأكد. وإذا لم يساوِ المجموع الواحد فستكون النتائج غير دقيقة.
ما الفرق بين التباين والانحراف المعياري؟ يُقاس التباين بوحدات مربّعة، أما الانحراف المعياري فهو جذره التربيعي ويُعبَّر عنه بالوحدة نفسها للمتغير \(X\)، مما يجعله أسهل في التفسير والفهم.
هل يمكن أن يكون التباين سالبًا؟ لا. فالتباين رياضيًا يكون دائمًا أكبر من أو يساوي الصفر. وظهور نتيجة سالبة يدل على وجود خطأ في إدخال الاحتمالات.