стандартное отклонение образца является описательной статистикой, которая измеряет распространение набора количественных данных. Это число может быть любым неотрицательным вещественным числом. Так как ноль неотрицательный настоящий номерКажется, стоит спросить: «Когда стандартное отклонение выборки будет равно нулю?» Это происходит в очень особенном и очень необычном случае, когда все наши значения данных в точности совпадают. Мы рассмотрим причины, почему.
Описание стандартного отклонения
Два важных вопроса, на которые мы обычно хотим ответить о наборе данных:
- Каков центр набора данных?
- Насколько распространен набор данных?
Существуют различные измерения, называемые описательной статистикой, которые отвечают на эти вопросы. Например, центр данных, также известный как средний, может быть описан в терминах среднего значения, медианы или моды. Другие статистические данные, которые менее известны, могут быть использованы, такие как midhinge или тримеан.
Для распространения наших данных мы могли бы использовать
межквартильный размах или стандартное отклонение. Стандартное отклонение в сочетании со средним для количественной оценки распространения наших данных. Затем мы можем использовать это число для сравнения нескольких наборов данных. Чем больше наше стандартное отклонение, тем больше разброс.Интуиция
Итак, давайте рассмотрим из этого описания, что будет означать стандартное отклонение, равное нулю. Это указывает на то, что в нашем наборе данных вообще нет спреда. Все отдельные значения данных будут объединены в одно значение. Поскольку наши данные могут иметь только одно значение, это значение будет представлять собой среднее значение нашей выборки.
В этой ситуации, когда все наши значения данных одинаковы, изменений не будет. Интуитивно понятно, что стандартное отклонение такого набора данных будет равно нулю.
Математическое доказательство
Стандартное отклонение выборки определяется по формуле. Таким образом, любое утверждение, подобное приведенному выше, должно быть доказано с помощью этой формулы. Мы начнем с набора данных, который соответствует описанию выше: все значения идентичны, и есть N значения, равные Икс.
Мы вычисляем среднее значение этого набора данных и видим, что это
Икс = (Икс + Икс +... + Икс)/N = пх/N = Икс.
Теперь, когда мы вычисляем индивидуальные отклонения от среднего значения, мы видим, что все эти отклонения равны нулю. Следовательно, дисперсия, а также стандартное отклонение также равны нулю.
Необходимо и достаточно
Мы видим, что если набор данных не показывает изменений, то его стандартное отклонение равно нулю. Мы можем спросить, если обратный этого утверждения также верно. Чтобы узнать, так ли это, мы снова будем использовать формулу для стандартного отклонения. На этот раз, однако, мы установим стандартное отклонение равным нулю. Мы не будем делать никаких предположений о нашем наборе данных, но посмотрим, какие настройки s = 0 подразумевает
Предположим, что стандартное отклонение набора данных равно нулю. Это будет означать, что выборочная дисперсия s2 также равен нулю. Результатом является уравнение:
0 = (1/(N - 1)) ∑ (Икся - Икс )2
Умножим обе части уравнения на N - 1 и видим, что сумма квадратов отклонений равна нулю. Поскольку мы работаем с действительными числами, единственный способ добиться этого - это чтобы каждое из квадратов отклонений было равно нулю. Это означает, что для каждого я, срок (Икся - Икс )2 = 0.
Теперь возьмем квадратный корень из вышеприведенного уравнения и увидим, что каждое отклонение от среднего должно быть равно нулю. Так как для всех я,
Икся - Икс = 0
Это означает, что каждое значение данных равно среднему значению. Этот результат наряду с приведенным выше позволяет нам сказать, что выборочное стандартное отклонение набора данных равно нулю тогда и только тогда, когда все его значения идентичны.