Jawapan:
Satu ukuran kecenderungan pusat adalah satu nilai yang boleh mewakili jumlah penduduk dan bertindak seperti graviti pusat ke arah mana semua nilai lain bergerak.
Penjelasan:
Penyimpangan piawai - seperti nama yang dicadangkan adalah ukuran sisihan. Penyimpangan bermaksud perubahan atau jarak. Tetapi perubahan sentiasa diikuti dengan perkataan 'from'.Oleh itu, sisihan piawai adalah ukuran perubahan atau jarak dari ukuran kecenderungan pusat - yang biasanya bermakna. Oleh itu, sisihan piawai berbeza daripada ukuran kecenderungan pusat.
Apakah ukuran kecenderungan pusat? + Contoh
Purata (purata) dan Median (titik tengah). Sesetengah akan menambah Mod. Sebagai contoh, dengan nilai-nilai: 68.4, 65.7, 63.9, 79.5, 52.5 Purata adalah purata aritmetik: (68.4 + 65.7 + 63.9 + 79.5 + 52.5) / 5 = 66 Median adalah nilai yang sama pelbagai ekstrem. 79.5 - 52.5 = 27 27/2 = 13.5; 13.5 + 52.5 = 66 NOTA: Dalam set data ini adalah nilai yang sama dengan Mean, tetapi itu biasanya tidak berlaku. Mod adalah nilai yang paling umum dalam satu set. Tidak ada dalam set ini (tiada pendua). Ia biasanya dimasukkan sebagai ukuran statistik kecenderungan pusat. Pengalaman peribadi saya dengan statistik adalah bahawa walaupun
Anggapkan kelas pelajar mempunyai skor matematik SAT rata-rata 720 dan skor lisan rata-rata 640. Sisihan piawai untuk setiap bahagian adalah 100. Jika boleh, tentukan sisihan piawai skor komposit. Sekiranya tidak mungkin, terangkan mengapa.
Jika X = skor matematik dan Y = skor lisan, E (X) = 720 dan SD (X) = 100 E (Y) = 640 dan SD (Y) = 100 Anda tidak boleh menambah sisihan piawai ini untuk mencari standard sisihan untuk skor komposit; Walau bagaimanapun, kita boleh menambah variasi. Varians ialah kuadrat sisihan piawai. var (X) + var (Y) = SD ^ 2 (X) + SD ^ 2 (Y) = 100 ^ 2 + 100 ^ 2 = 20000 var (X + Y) = 20000, kerana kita mahukan sisihan piawai, hanya mengambil punca kuasa dua nombor ini. SD (X + Y) = sqrt (var (X + Y)) = sqrt20000 ~~ 141 Oleh itu, sisihan piawai skor komposit untuk pelajar di dalam kelas ialah 141.
Mengapa maksudnya sering tidak menjadi ukuran yang baik bagi kecenderungan pusat untuk pengedaran miring?
Lihat di bawah :) Maksudnya bukan ukuran yang baik dari kecenderungan pusat kerana ia mengambil kira setiap titik data. Sekiranya anda mempunyai kelebihan seperti dalam pengedaran yang miring, maka outliers tersebut mempengaruhi min satu outlier tunggal dapat menyeret min turun atau naik. Inilah sebabnya mengapa min tidak merupakan ukuran yang baik dari kecenderungan pusat. Sebaliknya median digunakan sebagai ukuran kecenderungan utama.