<\/p>\n
Een variatieco\u00ebffici\u00ebnt<\/strong> , vaak afgekort tot CV<\/em> , is een manier om de spreiding van waarden in een dataset ten opzichte van het gemiddelde te meten. Het wordt als volgt berekend:<\/span><\/p>\n CV = \u03c3 \/ \u03bc<\/span><\/strong><\/p>\n Goud:<\/span><\/p>\n Simpel gezegd is de variatieco\u00ebffici\u00ebnt eenvoudigweg de verhouding tussen de standaarddeviatie en het gemiddelde.<\/span><\/p>\n De variatieco\u00ebffici\u00ebnt wordt vaak gebruikt om de variatie tussen twee verschillende gegevenssets te vergelijken.<\/span><\/p>\n In de echte wereld wordt het in de financi\u00eble wereld vaak gebruikt om het gemiddelde verwachte rendement van een investering te vergelijken met de verwachte standaardafwijking van de investering. Hierdoor kunnen beleggers de risico-rendementsafweging tussen beleggingen vergelijken.<\/span><\/p>\n Stel dat een belegger overweegt te beleggen in de volgende twee beleggingsfondsen:<\/span><\/p>\n Beleggingsfonds A: gemiddelde = 9%, standaardafwijking = 12,4%<\/span><\/p>\n UCITS B: gemiddelde = 5%, standaardafwijking = 8,2%<\/span><\/p>\n Door de variatieco\u00ebffici\u00ebnt van elk fonds te berekenen, merkt de belegger het volgende op:<\/span><\/p>\n CV voor beleggingsfonds A = 12,4% \/9% = 1,38<\/strong><\/span><\/p>\n CV voor beleggingsfonds B = 8,2% \/ 5% = 1,64<\/strong><\/span><\/p>\n Omdat beleggingsfonds A een lagere variatieco\u00ebffici\u00ebnt heeft, biedt het een beter gemiddeld rendement in vergelijking met de standaardafwijking.<\/span><\/p>\n Om de variatieco\u00ebffici\u00ebnt van een dataset in Python te berekenen, kun je de volgende syntaxis gebruiken:<\/span><\/p>\n De volgende voorbeelden laten zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Voorbeeld 1: Variatieco\u00ebffici\u00ebnt voor een enkel netwerk<\/strong><\/span><\/p>\n De volgende code laat zien hoe u de CV voor \u00e9\u00e9n tabel berekent:<\/span><\/p>\n De variatieco\u00ebffici\u00ebnt blijkt 9,23<\/strong> te zijn.<\/span><\/p>\n Voorbeeld 2: Variatieco\u00ebffici\u00ebnt voor verschillende vectoren<\/strong><\/span><\/p>\n De volgende code laat zien hoe u de CV van meerdere kolommen in een Panda DataFrame berekent:<\/span><\/p>\n Houd er rekening mee dat ontbrekende waarden eenvoudigweg worden genegeerd bij het berekenen van de variatieco\u00ebffici\u00ebnt:<\/span><\/span><\/p>\n Hoe de variatieco\u00ebffici\u00ebnt van R te berekenen<\/a> Een variatieco\u00ebffici\u00ebnt , vaak afgekort tot CV , is een manier om de spreiding van waarden in een dataset ten opzichte van het gemiddelde te meten. Het wordt als volgt berekend: CV = \u03c3 \/ \u03bc Goud: \u03c3: de standaardafwijking van de dataset \u03bc: het gemiddelde van de dataset Simpel gezegd is de variatieco\u00ebffici\u00ebnt eenvoudigweg […]<\/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":[],"class_list":["post-1322","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
Wanneer moet u de variatieco\u00ebffici\u00ebnt gebruiken?<\/strong><\/span><\/h3>\n
Hoe de variatieco\u00ebffici\u00ebnt in Python te berekenen<\/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 Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe de variatieco\u00ebffici\u00ebnt in Excel te berekenen<\/a>
Hoe de variatieco\u00ebffici\u00ebnt in Google Spreadsheets te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"