Công thức tính Standard Deviation (Độ lệch chuẩn)

Mô tả sản phẩm

Công thức tính độ lệch chuẩn (standard deviation) phụ thuộc vào việc bạn đang tính toán độ lệch chuẩn mẫu hay độ lệch chuẩn tổng thể. Độ lệch chuẩn là thước đo mức độ phân tán của một tập dữ liệu so với giá trị trung bình. Một độ lệch chuẩn nhỏ cho thấy dữ liệu tập trung gần giá trị trung bình, trong khi một độ lệch chuẩn lớn cho thấy dữ liệu phân tán rộng hơn.

Công thức tính độ lệch chuẩn mẫu

Độ lệch chuẩn mẫu (s)

Công thức tính độ lệch chuẩn mẫu được sử dụng khi bạn đang làm việc với một mẫu của tập dữ liệu lớn hơn. Công thức như sau:

s = √[Σ(xi - x̄)² / (n - 1)]

Trong đó:

• s: Độ lệch chuẩn mẫu
• xi: Giá trị quan sát thứ i
• x̄: Trung bình mẫu
• n: Số lượng quan sát trong mẫu
• Σ: Tổng của

Bạn tính trung bình mẫu (x̄) trước, sau đó tính tổng bình phương sai lệch của mỗi điểm dữ liệu so với trung bình, chia cho (n-1) và cuối cùng là lấy căn bậc hai của kết quả.

Công thức tính độ lệch chuẩn tổng thể

Độ lệch chuẩn tổng thể (σ)

Công thức tính độ lệch chuẩn tổng thể được sử dụng khi bạn đang làm việc với toàn bộ tập dữ liệu. Công thức như sau:

σ = √[Σ(xi - μ)² / N]

Trong đó:

• σ: Độ lệch chuẩn tổng thể
• xi: Giá trị quan sát thứ i
• μ: Trung bình tổng thể
• N: Tổng số quan sát trong tổng thể
• Σ: Tổng của

Tương tự như độ lệch chuẩn mẫu, bạn tính trung bình tổng thể (μ) trước, sau đó tính tổng bình phương sai lệch của mỗi điểm dữ liệu so với trung bình, chia cho N và cuối cùng là lấy căn bậc hai của kết quả.

Việc lựa chọn giữa độ lệch chuẩn mẫu và độ lệch chuẩn tổng thể phụ thuộc vào dữ liệu bạn đang sử dụng. Nếu bạn đang làm việc với một mẫu, hãy sử dụng độ lệch chuẩn mẫu. Nếu bạn đang làm việc với toàn bộ tập dữ liệu, hãy sử dụng độ lệch chuẩn tổng thể.

Xem thêm: công thức tính chu vi lớp 4

Sản phẩm liên quan: trong hình chữ nhật

Sản phẩm liên quan: cho ví dụ về đơn chất và hợp chất