Дисперсия — мера разброса случайной величины, численно равная среднему арифметическому квадратов отклонений от её математического ожидания. Обозначается D[X] или Var(X). Чем выше дисперсия, тем сильнее значения «рассеяны» вокруг среднего 📐. Для генеральной совокупности: σ² = Σ(xᵢ — μ)² / N; для выборки: s² = Σ(xᵢ — x̄)² / (n-1).
| Понятие | Описание | Примечание |
|---|---|---|
| 📊 Математическое ожидание (μ) | Среднее значение генеральной совокупности | Центр, вокруг которого считаем разброс |
| 📏 Отклонение (xᵢ — μ) | Разница между конкретным значением и средним | Может быть отрицательным |
| 📐 Квадрат отклонения | Устраняет знаки и усиливает большие расхождения | Делает вклад всегда положительным |
| ⚖️ Стандартное отклонение (σ) | Квадратный корень из дисперсии | Обладает теми же единицами измерения, что и данные |
| 🧪 Выборочная дисперсия (n-1) | Несмещённая оценка генераль ной дисперсииПоправка Бесселя компенсирует смещение малых выборок | |
| 🏢 Генеральная дисперсия (N) | Истинная дисперсия всей популяции | Используется, когда доступны все данные |
- 📌 Свойства дисперсии
- D[c] = 0 для любой константы c
- D[cX] = c² D[X] — масштабирование увеличивает разброс квадратично
- D[X + Y] = D[X] + D[Y] для независимых величин (аддитивность)
- D[X] = E[X²] — (E[X])² — удобная вычислительная формула
- 🧪 Основные виды дисперсии
- Генеральная — для всей совокупности
- Выборочная — с поправкой n-1
- Межгрупповая — характеризует разброс средних по группам
- Внутригрупповая — средняя из дисперсий внутри групп
- Остаточная — часть дисперсии, не объяснённая фактором
📜 Историческая справка. Термин «дисперсия» (лат. dispersio — рассеивание) ввёл английский статистик Рональд Эйлмер Фишер в 1918 году в работе «The Correlation between Relatives on the Supposition of Mendelian Inheritance». До этого использовали термин «среднее квадратичное отклонение». Фишер заложил основы дисперсионного анализа, разделив общую вариацию на компоненты, что стало фундаментом совре менной прикладной статистики.
🧮 Энциклопедический блок: формула и пример. Для набора данных {2, 4, 6} среднее x̄ = 4. Отклонения: -2, 0, 2. Квадраты: 4, 0, 4. Генеральная дисперсия = (4+0+4)/3 = 8/3 ≈ 2.67. Выборочная дисперсия = (4+0+4)/(3-1) = 8/2 = 4. Разница существенна для малых выборок. Стандартное отклонение σ = √2.67 ≈ 1.63. Единицы дисперсии — ква драт единиц исходных данных (например, кг²).
❓ FAQ по смежным темам
- Чем дисперсия от личается от стан дартного откло нения?
- Стандартное откло нение — это ква дратный корень из дисперсии. Оно имеет те же единицы измерения, что и данные, поэтому удобнее для интерпретации. Дисперсия, будучи квад ратом, сильнее реагирует на вы бросы.
- Почему выборочную дисперсию делят на n-1?
- Поправка Бесселя (n-1) дела ет оценку несмещённой: без неё вы борочная дисперсия в среднем занижает истинное значение, особенно на малых выборках.
- Может ли дисперсия быть отрица тельной? Нет. По опре делению это сред нее ква дратов, а ква драт всегда неотрицателен. Нулевая дисперсия означает, что все значения одинаковы.
