<\/p>\n
Ein Variationskoeffizient<\/strong> , oft mit CV<\/em> abgek\u00fcrzt, ist eine M\u00f6glichkeit, die Streuung von Werten in einem Datensatz relativ zum Mittelwert zu messen. Es wird wie folgt berechnet:<\/span><\/p>\n CV = \u03c3 \/ \u03bc<\/span><\/strong><\/p>\n Gold:<\/span><\/p>\n Vereinfacht ausgedr\u00fcckt ist der Variationskoeffizient einfach das Verh\u00e4ltnis der Standardabweichung zum Mittelwert.<\/span><\/p>\n Der Variationskoeffizient wird h\u00e4ufig verwendet, um die Variation zwischen zwei verschiedenen Datens\u00e4tzen zu vergleichen.<\/span><\/p>\n In der realen Welt wird es im Finanzwesen h\u00e4ufig verwendet, um die durchschnittliche erwartete Rendite einer Investition mit der erwarteten Standardabweichung der Investition zu vergleichen. Dadurch k\u00f6nnen Anleger das Risiko-Rendite-Verh\u00e4ltnis zwischen Anlagen vergleichen.<\/span><\/p>\n Angenommen, ein Anleger erw\u00e4gt eine Investition in die folgenden zwei Investmentfonds:<\/span><\/p>\n Investmentfonds A: Mittelwert = 9 %, Standardabweichung = 12,4 %<\/span><\/p>\n OGAW B: Durchschnitt = 5 %, Standardabweichung = 8,2 %<\/span><\/p>\n Durch die Berechnung des Variationskoeffizienten jedes Fonds stellt der Anleger Folgendes fest:<\/span><\/p>\n CV f\u00fcr Investmentfonds A = 12,4 % \/ 9 % = 1,38<\/strong><\/span><\/p>\n CV f\u00fcr Investmentfonds B = 8,2 % \/ 5 % = 1,64<\/strong><\/span><\/p>\n Da Investmentfonds A einen niedrigeren Variationskoeffizienten aufweist, bietet er im Vergleich zur Standardabweichung eine bessere Durchschnittsrendite.<\/span><\/p>\n Um den Variationskoeffizienten eines Datensatzes in Python zu berechnen, k\u00f6nnen Sie die folgende Syntax verwenden:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Syntax in der Praxis anwenden k\u00f6nnen.<\/span><\/p>\n Beispiel 1: Variationskoeffizient f\u00fcr ein einzelnes Netzwerk<\/strong><\/span><\/p>\n Der folgende Code zeigt, wie der CV f\u00fcr eine einzelne Tabelle berechnet wird:<\/span><\/p>\n Der Variationskoeffizient betr\u00e4gt 9,23<\/strong> .<\/span><\/p>\n Beispiel 2: Variationskoeffizient f\u00fcr mehrere Vektoren<\/strong><\/span><\/p>\n Der folgende Code zeigt, wie der CV mehrerer Spalten in einem Pandas DataFrame berechnet wird:<\/span><\/p>\n Beachten Sie, dass fehlende Werte bei der Berechnung des Variationskoeffizienten einfach ignoriert werden:<\/span><\/span><\/p>\n So berechnen Sie den Variationskoeffizienten von R<\/a> Ein Variationskoeffizient , oft mit CV abgek\u00fcrzt, ist eine M\u00f6glichkeit, die Streuung von Werten in einem Datensatz relativ zum Mittelwert zu messen. Es wird wie folgt berechnet: CV = \u03c3 \/ \u03bc Gold: \u03c3: die Standardabweichung des Datensatzes \u03bc: der Durchschnitt des Datensatzes Vereinfacht ausgedr\u00fcckt ist der Variationskoeffizient einfach das Verh\u00e4ltnis der Standardabweichung zum Mittelwert. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Wann ist der Variationskoeffizient zu verwenden?<\/strong><\/span><\/h3>\n
So berechnen Sie den Variationskoeffizienten in Python<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\ncv = lambda<\/span> x: np. std<\/span> (x, ddof= 1<\/span> ) \/ np. mean<\/span> (x) * 100\n<\/span><\/strong><\/pre>\n #create vector of data\n<\/span>data = [88, 85, 82, 97, 67, 77, 74, 86, 81, 95, 77, 88, 85, 76, 81, 82]\n\n#define function to calculate cv<\/span>\ncv = lambda<\/span> x: np. std<\/span> (x, ddof= 1<\/span> ) \/ np. mean<\/span> (x) * 100 \n<\/span>\n#calculate CV\n<\/span>cv(data)\n\n9.234518\n<\/strong><\/pre>\n import<\/span> numpy as<\/span> np<\/span>\nimport<\/span> pandas as<\/span> pd\n\n#define function to calculate cv<\/span>\ncv = lambda<\/span> x: np. std<\/span> (x, ddof= 1<\/span> ) \/ np. mean<\/span> (x) * 100<\/span><\/span>\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'a': [88, 85, 82, 97, 67, 77, 74, 86, 81, 95],\n 'b': [77, 88, 85, 76, 81, 82, 88, 91, 92, 99],\n 'c': [67, 68, 68, 74, 74, 76, 76, 77, 78, 84]})\n\n#calculate CV for each column in data frame\ndf. apply<\/span> (cv)\n\na 11.012892\nb8.330843\nc7.154009\ndtype:float64<\/span><\/span><\/strong><\/pre>\n import<\/span> numpy as<\/span> np<\/span>\nimport<\/span> pandas as<\/span> pd\n\n#define function to calculate cv\ncv = lambda<\/span> x: np. std<\/span> (x, ddof= 1<\/span> ) \/ np. mean<\/span> (x) * 100<\/span><\/span>\n\n#create pandas DataFrame\n<\/span>df = pd. DataFrame<\/span> ({'a': [88, 85, 82, 97, 67, 77, 74, 86, 81, 95],\n 'b': [77, 88, 85, 76, 81, 82, 88, 91, np. no<\/span> , 99],\n 'c': [67, 68, 68, 74, 74, 76, 76, 77, 78, np. no<\/span> ]})\n\n#calculate CV for each column in data frame\ndf. apply<\/span> (cv)\n\na 11.012892\nb 8.497612\nc5.860924\ndtype:float64<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie den Variationskoeffizienten in Excel<\/a>
So berechnen Sie den Variationskoeffizienten in Google Sheets<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"