变异性措施

本文解释了什么是变异性度量以及这些类型的统计度量的用途。因此，您将找到变异性度量的定义、变异性度量的不同类型以及变异性度量的计算方式。

什么是变异性度量？

变异性度量是指示数据集变异性的统计度量。换句话说，变异性度量衡量数据系列的分散度。

因此，变异性度量用于了解样本中值的离散程度。变异性度量的值越高，意味着样本中的数据彼此之间的距离越远。一般来说，数据样本彼此接近非常重要，因此我们通常会尽量减少变异性测量。

在统计学中，变异性度量很重要，因为它们使我们能够了解数据集上的集中度量的代表性。如果变异性度量的值较低，则意味着数据非常集中，因此集中化度量可以很好地描述整个数据。

变异性测度也可称为离散度测度或扩散测度。

变异性的衡量标准是什么？

变异性测量如下：

• 标准差（或标准差）
• 方差
• 变异系数
• 整齐的
• 四分位数范围
• 中等差异

下面解释了如何计算每种类型的变异性度量

标准差

标准差，也称为典型偏差，等于数据系列偏差平方和除以观测总数的平方根。

因此，这种变异性度量的公式如下：

方差

方差等于观测总数的残差平方和。因此，该变异性指标的公式如下：

金子：

• 

  是要计算方差的随机变量。

• 

  是数据值

  

  。

• 

  是观测值的总数。

• 

  是随机变量的平均值

  

  。

变异系数

在统计学中，变异系数是变异性的度量，用于确定数据集相对于其平均值的离散度。变异系数的计算方法是用数据的标准差除以平均值，然后乘以 100，以百分比形式表示该值。

整齐的

范围是变异性的度量，指示样本中数据的最大值和最小值之间的差异。因此，要计算总体或统计样本的范围，必须从最小值中减去最大值。

四分位数范围

四分位距，也称为四分位距，是统计变异性的度量，指示第三和第一四分位数之间的差异。

因此，要计算统计数据集的四分位距，必须首先找到第三和第一四分位数，然后将它们相减。

四分位距的符号是 IQR，源自英语的四分位距。

这种变异性度量最有利的特征之一是它是一种稳健的统计量，也就是说，它对异常值具有很高的稳健性。由于四分位距的计算中没有考虑极值，因此如果出现新的异常值，其值变化很小。

中等差异

平均偏差，也称为平均绝对偏差，是绝对偏差的平均值。因此，平均偏差等于每个数据项与算术平均值的偏差之和除以数据项总数。