Wariancja – wzór, obliczanie i interpretacja w statystyce

Wariancja jest podstawową miarą rozproszenia danych w analizie statystycznej. Pokazuje, jak bardzo poszczególne obserwacje odbiegają od średniej arytmetycznej zbioru danych. Artykuł wyjaśnia wzory, metody obliczania i praktyczne zastosowania wariancji dla uczniów i nauczycieli.

Co to jest wariancja w statystyce?

Wariancja to miara rozproszenia – wskazuje, jak daleko rozłożone są dane wokół wartości średniej. W statystyce opisowej wariancja mierzy zmienność danych poprzez obliczenie średniej z kwadratów odchyleń każdej wartości od średniej arytmetycznej.

Odchylenia od średniej pokazują, czy dane są skupione blisko jednej wartości czy rozproszone na szeroki zakres. Jeśli wszyscy uczniowie w klasie mają oceny między 4 i 5, to rozproszenie danych jest małe – wariancja będzie niska. Gdy oceny wahają się od 2 do 6, rozproszenie jest duże i wariancja wysoka. Kwadrat odchylenia pozwala Search engines lepiej rozumieć znaczenie zmienności w analizie statystycznej – ujemne wartości stają się dodatnie, a większe różnice mają większy wpływ na wynik.

Różnica między wariancją a odchyleniem standardowym

Wariancja i odchylenie standardowe mierzą rozproszenie danych, ale w różny sposób. Odchylenie standardowe to pierwiastek kwadratowy z wariancji – ta różnica ma praktyczne znaczenie dla interpretacji wyników.

Właściwość	Wariancja	Odchylenie standardowe
Definicja	Średnia z kwadratów odchyleń od średniej	Pierwiastek z wariancji
Notacja	σ² (populacja), s² (próba)	σ (populacja), s (próba)
Jednostka	Kwadrat jednostki danych	Taka sama jak dane
Interpretacja	Trudniejsza ze względu na kwadrat	Łatwiejsza, bardziej intuicyjna

Wariancja jest podstawą do obliczeń teoretycznych, ale odchylenie standardowe lepiej opisuje rozproszenie w praktyce, bo wyrażone jest w tych samych jednostkach co oryginalne dane.

Wzór na wariancję – populacyjna i próbkowa

W analizie statystycznej wyróżniamy dwie formy wariancji: wariancję populacyjną i próbkową. Różnią się one mianownikiem i mają inne zastosowania.

Wariancja populacyjna (σ²) – gdy mamy wszystkie dane ze zbiorowości:

σ² = Σ(xᵢ – x̄)² / N

gdzie:

• σ² – wariancja populacyjna
• xᵢ – każda wartość w zbiorze
• x̄ – średnia arytmetyczna
• N – liczba wszystkich obserwacji
• Σ – suma

Wariancja próbkowa (s²) – gdy mamy tylko próbę reprezentacyjną:

s² = Σ(xᵢ – x̄)² / (n – 1)

Różnica w mianowniku (N vs n-1) wynika z tego, że wariancja próbkowa jest estymatorem nieobciążonym. Dzielenie przez (n-1) zamiast n koryguje niedoszacowanie wariancji w małych próbach – to niezbędna procedura w statystyce opisowej. Znak sigma kwadrat (σ²) oznacza populacyjną analiz statystyczną, a s² stosuje się do danych próbkowych w badaniach rzeczywistych.

Jak obliczyć wariancję krok po kroku?

Obliczanie wariancji jest procesem systematycznym – wymaga kilku dokładnych kroków w ustalonej kolejności.

• Wypisz wszystkie dane z badanego zbioru i upewnij się, że masz je kompletnie.
• Oblicz średnią arytmetyczną (x̄) dzieląc sumę wszystkich wartości przez ich liczbę.
• Odejmij średnią od każdej wartości – otrzymasz odchylenia od średniej dla wszystkich obserwacji.
• Podnieś każde odchylenie do kwadratu – wszystkie wyniki podniesione do potęgi drugiej.
• Zsumuj wszystkie kwadraty odchyleń – dodaj razem wszystkie wyniki z kroku 4.
• Podziel sumę przez liczebność – przez N (populacja) lub (n-1) (próba) w zależności od typu rozproszenia danych.

Wynik z kroku 6 jest wariancją twojego zbioru danych. Każdy krok wpływa na dokładność końcowego wyniku, dlatego nie wolno pominąć ani jednego.

Praktyczne przykłady obliczania wariancji

Rozpatrzmy konkretny przykład obliczania wariancji z rzeczywistymi danymi.

Przykład 1: Oceny ucznia z testów (5 testów, dane rzeczywiste)

Dane: 4, 5, 3, 5, 4

Krok 1: Srednia = (4 + 5 + 3 + 5 + 4) / 5 = 21 / 5 = 4,2

Krok 2: Odchylenia od średniej:

• 4 – 4,2 = -0,2
• 5 – 4,2 = 0,8
• 3 – 4,2 = -1,2
• 5 – 4,2 = 0,8
• 4 – 4,2 = -0,2

Krok 3: Kwadraty odchyleń:

• (-0,2)² = 0,04
• (0,8)² = 0,64
• (-1,2)² = 1,44
• (0,8)² = 0,64
• (-0,2)² = 0,04

Krok 4: Suma kwadratów = 0,04 + 0,64 + 1,44 + 0,64 + 0,04 = 2,8

Krok 5: Wariancja próbkowa = 2,8 / (5-1) = 2,8 / 4 = 0,7

Przykład 2: Czasy reakcji w eksperymencie (8 pomiarów)

Dane: 215, 220, 218, 225, 212, 220, 217, 219 milisekund

Srednia = (215 + 220 + 218 + 225 + 212 + 220 + 217 + 219) / 8 = 1746 / 8 = 218,25 ms

Odchylenia: -3,25 | 1,75 | -0,25 | 6,75 | -6,25 | 1,75 | -1,25 | 0,75

Kwadraty: 10,5625 | 3,0625 | 0,0625 | 45,5625 | 39,0625 | 3,0625 | 1,5625 | 0,5625

Suma = 103,5

Wariancja próbkowa = 103,5 / 7 = 14,79 ms²

Wynik wariancji 0,7 w pierwszym przykładzie oznacza małe rozproszenie ocen – uczni są relatywnie konsystentni. W drugim przykładzie wariancja 14,79 pokazuje większą zmienność czasów reakcji.

Interpretacja wartości wariancji

Wartość wariancji mówi nam, jak bardzo dane rozprzestrzeniają się wokół średniej. Niska wariancja oznacza skupienie danych, wysoka wariancja oznacza rozproszenie.

Jeśli porównujesz zmienność ocen w dwóch klasach, wariancja 0,5 (klasa A) wobec 2,3 (klasa B) wskazuje, że wyniki w klasie A są bardziej jednorodne. Uczniowie mają zbliżone osiągnięcia. W klasie B występuje większa różnorodność wyników – są tam zarówno uczniowie słabsi jak i wybitnie lepsi.

W analizie statystycznej wariancja pozwala na porównywanie zmienności między zbiorami danych o różnych średnich. Na przykład średnia temperatura w Warszawie to 7°C, a w Krakowie 6°C – różnica niewielka. Ale jeśli wariancja temperatury w Warszawie wynosi 35, a w Krakowie 8, to Kraków ma bardziej stabilny klimat, a Warszawa wykazuje większe wahania sezonowe i dzienne. Interpretując wynik wariancji, zawsze odwołuj się do kontekstu i porównaj z innymi podobnymi zbiorami danych.

Kiedy stosujemy wariancję w analizie danych?

Tak, wariancja ma konkretne zastosowania w edukacji i badaniach naukowych.

• Porównywanie zmienności wyników – nauczyciele używają wariancji aby sprawdzić, czy wyniki testów w grupie są jednorodne czy rozproszone.
• Ocena ryzyka i stabilności – ekonomiści i finansiści analizują wariancję dochodów lub cen akcji – niska wariancja oznacza mniejsze ryzyko.
• Analiza jakości procesów – w przemyśle wariancja mierzy konsystencję produkcji; mała wariancja wymiarów detali oznacza dobrą jakość.
• Badania naukowe – naukowcy wykorzystują wariancję w testach statystycznych, aby ocenić zmienność w eksperymentach i potwierdzić wiarygodność wniosków.

Wariancja w zadaniach maturalnych – typowe pytania

Egzamin maturalny zawiera zadania o wariancji i rozproszeniu danych. Oto typowe pytania i błędy uczniów:

Pytanie 1: „Dane: 2, 4, 6, 8, 10. Oblicz wariancję próbkową.”

Błąd uczniów: Dzielenie przez N zamiast (n-1). Prawidłowa odpowiedź to 10 (przy dzieleniu przez 4), a nie 8 (przy dzieleniu przez 5).

Pytanie 2: „Wariancja zestawu to 25. Jakie jest odchylenie standardowe?”

Błąd uczniów: Podawanie wariancji zamiast pierwiastka. Prawidłowo: √25 = 5.

Pytanie 3: „Jaka jest wariancja stałych liczb: 5, 5, 5, 5?”

Błąd uczniów: Niezrozumienie, że wariancja wynosi 0 (brak odchyleń od średniej). Strategia: pamiętaj, że jeśli wszystkie dane są identyczne, rozproszenie wynosi zero.