Rozstęp Pozycyjne Odchylenie ćwiartkowe Współczynnik zmienności

Transkrypt

1 Miary zmienności:

2 Miary zmienności Klasyczne Wariancja Odchylenie standardowe Odchylenie przeciętne Współczynnik zmienności Rozstęp Pozycyjne Odchylenie ćwiartkowe Współczynnik zmienności 2

3 Spróbujmy zastanowić się nad cechą zbiorowości jaką jest zmienność. Oto przykładowe trzy zbiory danych: ) {jabłko, jabłko,..., jabłko} (inaczej mówiąc same jabłka), 2) {jabłko, jabłko,..., jabłko, gruszka} (jabłka i jedna gruszka), oraz 3) {jabłko, gruszka, gruszka, jabłko,..., gruszka} (mieszanina jabłek i gruszek). Oczywiście, powyższe przykłady można przedstawić także w postaci zbiorów liczb, jak zazwyczaj jest to czynione w podręcznikach do statystyki: ) {,,..., }, 2) {,,...,, 0}, 3) {, 0, 0,,..., 0}. 3

4 Jeżeli myślimy o zmienności, to całkiem intuicyjnie możemy powiedzieć, że zbiór pierwszy jest niezmienny (stały), zbiór drugi natomiast jest znacznie mniej zmienny niż zbiór trzeci. A zatem, każdy sposób mierzenia zmienności jakiegoś zbioru powinien być zgodny z naszą intuicją i umieć rozróżniać te zbiory pod względem zmienności. Podstawową, łatwą do wyliczenia, miarą zmienności dowolnego zbioru liczbowego jest rozstęp, R, definiowany w sposób następujący: gdzie przez oznaczamy wartość minimalną w tym zbiorze. R= x max x min, x max oznaczamy maksymalną wartość w zbiorze badanych liczb, a przez xmin 4

5 Zauważmy, że miara zmienności, jaką jest rozstęp z próby, wystarczająco dobrze odróżnia pod kątem zmienności zbiory stałe od zbiorów zmiennych: w naszym przykładzie liczbowym rozstęp liczony dla zbioru pierwszego wynosi 0 (i jest to cecha niezmiennicza zbiorów stałych) oraz dla zbioru drugiego i trzeciego (ogólnie dla każdego zbioru, w którym występuje chociaż jeden element inny od pozostałych). Jeżeli natomiast użyjemy rozstępu z próby w celu odróżnienia zmienności zbioru drugiego od zmienności zbioru trzeciego, to zauważymy, że miara ta nie jest dostatecznie czuła i nie potrafi tych dwóch zbiorów rozróżnić pod kątem zmienności. Rozstęp dla zbioru drugiego i dla zbioru trzeciego wynosi :. A zatem, miara zmienności jaką jest rozstęp pozwala odróżniać zbiory stałe od zmiennych; nie pozwala natomiast odróżniać intensywności występowania tej cechy, jaką jest zmienność. Dodatkową informacją, jaką otrzymujemy ze stosowania rozstępu z próby jako miary zmienności jest wiedza dotycząca zakresu zmienności. Choćby dlatego, powinniśmy badanie zmienności dowolnego zbioru rozpoczynać właśnie od tej miary. 5

6 Miarą, która pozwala natomiast odróżniać intensywność zmienności jest wariancja z próby, s 2. Definiowana jest ona w sposób następujący: s 2 = n n i= ( x i x) gdzie n oznacza liczność badanego zbioru liczbowego, x i poszczególne elementy tego zbioru, a x średnią arytmetyczną z tych liczb: x = n Równoważnie, możemy określić wariancję z próby jako: s = 2 n n i= n i= x i. 2 x i x 2 2, 6

7 Ponownie zauważmy, że wariancja z próby dla zbioru stałego wynosi zero oraz, że dla dowolnego zbioru liczbowego, w którym chociaż jeden element jest inny od pozostałych, wariancja z próby przyjmuje wartości dodatnie. A więc, ma tę samą cechę rozróżnialności zbiorów stałych od innych, jak rozstęp z próby. Co więcej, wariancja z próby pozwala odróżniać intensywność zmienności, czego nie potrafiła miarę nazywana rozstępem z próby. Prześledźmy to na następującym przykładzie dwóch zbiorów: A = {0, 0, 0, }, oraz B = {, 0,, 0}. Łatwo zauważyć, że zbiór B cechuje większa zmienność niż zbiór A. Rozstęp dla zbioru A wynosi, podobnie jak dla zbioru B, z więc rozstęp nie rozróżnia tych dwóch zbiorów pod względem zmienności. Wariancja zbioru A wynosi 0,25. Odpowiednia wariancja dla zbioru B wynosi 0,33. A zatem, zbiór B jest bardziej zmienny niż zbiór A (zgodnie z naszym intuicyjnym pojmowaniem zmienności). 7

8 Otóż, wariancja z próby jest funkcjonałem kwadratowym i dla zbiorów, w których liczby odnoszą się do wielkości mianowanych (np. kilometrów, lat, itp.), wariancja także jest wielkością mianowaną, tyle, że w kwadracie (np. odpowiednio kilometrów 2, lat 2, itp.). Zakłóca to nasze pojmowanie proporcji pomiędzy tymi wielkościami. Dlatego też w praktyce operuje się najczęściej tzw. odchyleniem kwadratowym z próby, σ, które jest pierwiastkiem kwadratowym z wariancji: 2 2 σ = s = x i x. n 2 Odchylenie kwadratowe z próby (oznaczane także czasami jako s) ma te same cechy co wariancja, natomiast znacznie łatwiej interpretować otrzymane wyniki. Np. dla powyższych zbiorów A i B otrzymuje się odpowiednio: σ A = 0, 5 oraz σ B = 0, 58. Zbiór B cechuje zatem większa zmienność, a otrzymane wielkości oddają chyba w sposób właściwy różnice występujące pomiędzy zmiennościami obu zbiorów. n i= 8

9 Rozważmy jeszcze jeden przykład, który pozwoli nam na jeszcze większą precyzję w mierzeniu zmienności: zbiór C = {0, 0, 0, } oraz zbiór D = {99, 99, 99, 00}. Zbiory te cechuje taka sama zmienność (jeden element jest inny od pozostałych; σ C = σ D = 0, 5 ), jednak wyraźnie widzimy, że skutki tej zmienności dla zbioru D są o wiele mniejsze od skutków dla zbioru C: różnica o jeden nie jest tak ważna jeśli punktem odniesienia jest 99 czy 00 w porównaniu do takiej samej różnicy o jeden jeśli punktem odniesienia jest 0 czy też. Dlatego też wprowadzono jeszcze jedna miarę zmienności, która uwzględnia i ten aspekt. Jest nią współczynnik zmienności, V, (podawany najczęściej w procentach): V = σ. x Dla zbiorów C i D wynosi on odpowiednio: V C = 200% oraz V D = 0,5%. I to jest właściwa miara zmienności tych zbiorów. 9

10 Eksperyment Dane w poszczególnych eksperymentach I II III IV V VI VII VIII IX 2 0,99 0,98 0,97 0,96 0,92 0,88 0,75,0,02,03,04,08,2,25 0,99 0,98 0,97 0,96 0,92 0,88 0,75,0,02,03,04,08,2,25 0,99 0,98 0,97 0,96 0,92 0,88 0,75,0,02,03,04,08,2,25 0,99 0,98 0,97 0,96 0,92 0,88 0,75,0,02,03,04,08,2,25 Parametry opisowe Minimum 0,99 0,98 0,97 0,96 0,92 0,88 0,75 Maksimum 2,0,02,03,04,08,2,25 Rozstęp 0 0,02 0,04 0,06 0,08 0,6 0,24 0,5 Średnia, Wariancja próbki 0 0, ,27E-05 0, , ,0064 0, , , Odchylenie standardowe 0 0, , , , ,0342 0, , ,2320 Współczynnik zmienności 0,00% 26,65% 0,85%,7% 2,56% 3,4% 6,82% 0,23% 2,32% 0

11 W eksperymencie pierwszym otrzymaliśmy dwanaście razy wartość. Co możemy powiedzieć o zjawisku, które właśnie się zrealizowało w postaci dwunastu jedynek? Właściwie nic sensownego, poza przypuszczeniem, że mamy do czynienia ze zjawiskiem stałym. Bez dodatkowej informacji nie potrafimy jednak ocenić pewności tego stwierdzenia. Oczywiście, gdybyśmy posiadali jakąś dodatkową wiedzę nasza sytuacja byłaby całkiem inna. Np. gdybyśmy wiedzieli, że obserwowana jedynka jest zapisem symbolicznym faktu, że w pewnej szkole dwunastu przypadkowo wylosowanych uczniów okazało się dziewczynką (według często stosowanego schematu kodowania: to dziewczynka, 0 to chłopiec), a wiedza ogólna podpowiada nam, że proporcje chłopców i dziewczynek wśród uczniów są mniej więcej równe, to szansa na to, że zdarzy się, iż otrzymamy dwanaście jedynek pod rząd wynosi jak do 22, czyli ok. 0, Ponieważ jest to zdarzenie niezmiernie mało prawdopodobne, wniosek nasz (a jest to domena wnioskowania statystycznego) w tym przykładzie powinien brzmieć: trafiliśmy do żeńskiej szkoły. I wynik ten jest prawie pewny, podkreślmy jednak znaczenie informacji dodatkowej (owe proporcje chłopców i dziewczynek w populacji dzieci), bez której wnioskowanie powyższe nie byłoby możliwe.

12 W eksperymencie drugim otrzymaliśmy jedynek i jedną dwójkę. W konwencji powyższego przykładu znaczyłoby to, że znaleźliśmy dziewczynek i jednego chłopca wśród 2 przypadkowych uczniów pewnej szkoły (tym razem zastosowaliśmy kodowanie: to dziewczynka, a 2 to chłopiec). Czy nadal możemy twierdzić, że prawie na pewno jesteśmy w żeńskiej szkole? Używając wnioskowania statystycznego, pewnie nadal możemy tak twierdzić (chociaż z mniejszą pewnością), ale, podkreślmy to ponownie, bez informacji dodatkowej rozstrzygnąć się tego nie da (zakładając oczywiście, że chłopiec znalazł się tam przypadkiem, odwiedzając swoją siostrę lub otrzymana 2 jest wynikiem błędu w kodowaniu bo i tak się przecież od czasu do czasu zdarza). Zauważmy, że rozważany przykład jest na tyle specyficzny, że zaobserwowanie chociaż jednego ucznia płci męskiej oznacza, że na 00% nie jest to szkoła żeńska. Inna sprawa, to czy na podstawie tych danych możemy stwierdzić, że populacja uczniów składa się w 0% z chłopców a w 90% z dziewcząt. Wyraźnie liczność tej próbki jest na takie stwierdzenia zbyt mała! 2

13 To, co różni eksperyment I od II, to fakt, że w eksperymencie II wystąpiły dwie obserwowane wartości (jedynka i dwójka) i w sposób intuicyjny możemy stwierdzić, że obserwacje w eksperymencie II są bardziej zmienne niż w eksperymencie I. Czy jednak obserwowana zmienność jest na tyle duża, że pozwala już na wysnucie hipotezy, że uczniowie występują w dwóch płciach? Lub jeszcze inaczej: czy przyczyną obserwowanej zmienności jest występowanie uczniów w dwóch płciach? 3

14 W eksperymentach III IX staraliśmy się wprowadzić coraz większą zmienność tak, aby móc śledzić jak reagują na te zmiany wartości poszczególnych miar zmienności. Nie jest żadnym zaskoczeniem to, że wartości miar zmienności rosną w miarę tego jak wzrasta zmienność wśród danych. Pewne zdziwienie może natomiast wywołać fakt, że wprowadzenie jednej odstającej wartości obserwacji przy stałym zachowaniu pozostałych (eksperyment II) jest aż tak silnym zakłóceniem, że dopiero wyraźne wprowadzenie zmienności w eksperymencie IX jest z nim porównywalne, a i tak współczynnik zmienności V eksperymentu IX jest o ok. 5 punktów procentowych mniejszy od wartości tego współczynnika dla eksperymentu II. W praktyce uważa się, że dane, dla których współczynnik zmienności V jest mniejszy od 0% nie nadają się do poszukiwań czynników sprawczych, wywołujących ich zmienność. Jest to bardzo ważna informacja, gdyż zgodnie z nią konsekwentnie należy uważać zbiory danych, dla których współczynnik zmienności jest mniejszy od 0% za quasi-stałe, a więc nie wnoszące istotnych informacji. Jeszcze raz podkreślmy, że dane bez zmienności są niepożądane, jako nie wnoszące dodatkowej informacji. 4

15 Rozważmy jeszcze jedną właściwość jaką ma współczynnik zmienności V. Otóż, nie jest on zależny od uporządkowania badanych obserwacji (dotyczy to także pozostałych miar zmienności, tj. rozstępu z próby, wariancji i odchylenia standardowego). A zatem, z jego wartości nie można wnioskować o charakterystykach pozycyjnych danych. Ponadto, współczynnik zmienności silniej reaguje na odchylenia wśród danych w małej próbie niż w dużej próbie. 5

16 Przykład: Ciągi danych o różnych długościach V = 5,47% 06,90% 04,45% 03,28% 6