Дисперсия интервального вариационного ряда: расчёт

Дисперсия интервального вариационного ряда показывает, насколько сильно значения признака разбросаны относительно средней, если данные представлены группами интервалов и их частотами. Для расчёта каждую группу обычно представляют её серединой: поэтому результат по сгруппированным данным является приближением к дисперсии исходных наблюдений. В калькуляторе можно менять частоты четырёх интервалов и видеть, какой вклад каждая группа вносит в разброс.
Что измеряет дисперсия в интервальном ряду
Допустим, предприятия сгруппированы по месячной выручке. Средняя характеризует условный центр распределения, но не показывает, сосредоточены ли предприятия рядом с ним или встречаются очень разные значения. Дисперсия дополняет среднюю: это средний квадрат отклонения от неё. Чем больше вес удалённых от центра значений, тем сильнее их вклад в показатель.
В интервальной таблице известны границы групп и количество наблюдений в каждой, но не обязательно сами значения. Для приближённого расчёта все наблюдения группы заменяют её серединой. Например, интервалу от 10 до 20 соответствует 15. Полученный показатель описывает модель с такими представителями групп; при отсутствии исходных значений точную дисперсию восстановить обычно нельзя.
В ролике частоты двух крайних групп одновременно растут с 2 до 8, а частоты средних остаются равными 3. Распределение симметрично, поэтому средняя остаётся равной 30, хотя дисперсия увеличивается.
Формула через середины и частоты
Пусть и - границы -го интервала, - его частота, а - середина. Сначала находим общее число наблюдений и приближённую среднюю:
Затем дисперсия сгруппированного ряда с делением на общий объём равна
Каждая частота служит весом: квадрат отклонения середины учитывается столько раз, сколько наблюдений попало в группу. Если вместо частот даны доли , формула принимает вид , где сумма долей равна единице. Проверка весов особенно важна, когда доли округлены.
Подробнее о выборе середины и расчёте центра ряда рассказано в статье про среднюю по интервальному ряду. Здесь средняя нужна как промежуточный результат для измерения отклонений.
Пример: таблица вкладов в дисперсию
Рассмотрим условную месячную выручку десяти предприятий в тысячах рублей. Группы заданы полуоткрытыми интервалами: левая граница включена, правая нет. Это учебные данные, а не результаты обследования.
| Выручка, тыс. руб. | Середина | Частота | ||
|---|---|---|---|---|
| 15 | 2 | 30 | 450 | |
| 25 | 3 | 75 | 75 | |
| 35 | 3 | 105 | 75 | |
| 45 | 2 | 90 | 450 | |
| Итого | - | 10 | 300 | 1050 |
Сумма произведений середины на частоту равна 300, поэтому тыс. руб. Для первой группы отклонение равно , его квадрат - 225, а вклад двух предприятий - . Аналогично вычисляем остальные строки. Получаем:

Крайних предприятий всего четыре из десяти, но их вклад составляет 900 из 1050. Квадрат усиливает влияние удалённых групп: модуль отклонения 15 втрое больше 5, а квадрат - в девять раз. Показатель 105 выражен в квадратах исходных единиц; говорить, что разброс равен 105 тысячам рублей, неправильно.
Проверка через средний квадрат
Тот же результат можно получить по рабочей формуле: средний квадрат минус квадрат средней.
Для примера сумма равна . Средний квадрат равен , квадрат средней - , разность - 105. Это удобная арифметическая проверка таблицы отклонений.
В расчётах с большими значениями и малым разбросом вычитание близких чисел может терять точность при округлении. Сохраняйте промежуточные цифры или используйте формулу с отклонениями. Оба способа относятся к одной модели середин интервалов и не устраняют ошибку группировки.
Стандартное отклонение и сравнение рядов
Чтобы вернуться к единицам исходного признака, извлекают квадратный корень из дисперсии: тыс. руб. Это показатель масштаба разброса относительно средней, а не обещание, что каждое наблюдение находится на таком расстоянии от неё.
Пусть крайние частоты выросли до 8, средние остались по 3. Тогда , средняя по-прежнему равна 30, а сумма квадратов равна . Дисперсия составляет . Ряды имеют одинаковые середины и среднюю, но второй более рассеян в модели сгруппированных данных.
Для сравнения признаков в разных масштабах используют относительный показатель - коэффициент вариации. Его интерпретация требует подходящей ненулевой средней и осмысленного отношения значений; он не заменяет анализ формы распределения.
Когда делить на n, а когда на n − 1
Деление на подходит, когда нужно описать сам имеющийся ряд или всю рассматриваемую совокупность. Если данные - случайная выборка и требуется исправленная выборочная дисперсия как оценка дисперсии генеральной совокупности, обычно используют знаменатель :
Для нашего примера . Это корректировка для модели, где каждое наблюдение заменено серединой своего интервала. Она не делает результат точной несмещённой оценкой дисперсии исходных непрерывных значений: группировка уже потеряла часть информации. При исправленная дисперсия не определена. В задании сначала уточните, какую величину требуют найти и что представляют собой данные.
Как группировка влияет на точность
В пределах интервала реальные значения могут располагаться по-разному. Две выборки с одинаковыми частотами способны иметь разные средние и дисперсии исходных данных. Например, все значения группы могут лежать около нижней границы или около верхней; интервальная таблица этого не показывает. Поэтому при наличии исходных наблюдений надёжнее рассчитать разброс непосредственно по ним.
Широкие интервалы обычно скрывают больше деталей, хотя направление ошибки для конкретного ряда заранее не известно. При открытой границе вроде «50 и более» середина вообще не определяется без дополнительного предположения. Нельзя молча приписывать такой группе условный центр: укажите выбранную границу и проверьте чувствительность результата к ней.
Неравная ширина интервалов не меняет формулу, если известны именно численности групп. Однако высоты столбцов гистограммы при разной ширине показывают плотность, а не сами частоты: для расчёта нужны численности или доли. О составе интервальной таблицы можно прочитать в материале про средний уровень интервального ряда.
Как оформить расчёт в работе
Начните с проверки исходной таблицы: интервалы не должны перекрываться, частоты - быть отрицательными, а их сумма должна совпадать с указанным объёмом. Уточните единицу измерения и правило включения граничных значений. Если одно и то же значение можно отнести сразу к двум интервалам, таблицу нужно исправить до вычислений. Нулевую частоту оставлять в таблице допустимо: вклад такой группы равен нулю.
Затем выпишите середины, найдите взвешенную среднюю и только после этого стройте столбец квадратов отклонений. Не округляйте среднюю до целого, если она получилась дробной: раннее округление меняет каждую строку расчёта. Под таблицей покажите сумму вкладов, выбранный знаменатель и единицу измерения результата. В конце полезно проверить ответ второй формулой и отдельно назвать допущение о серединах.
Если все значения признака увеличить на одну и ту же величину, разброс не изменится: средняя сдвинется на столько же, а отклонения сохранятся. Если каждое значение умножить на число , отклонения умножатся на , а дисперсия - на . Например, переход от тысяч рублей к рублям умножает стандартное отклонение на 1000, а дисперсию - на миллион. Это помогает проверить размерность ответа и сравнивать результаты, выраженные в разных единицах.
Для более общего контекста полезно различать дисперсию всего набора и дисперсии отдельных групп: их связь рассматривает правило сложения дисперсий. Группы в этом правиле не следует автоматически отождествлять с известными только по интервалам исходными наблюдениями: внутригрупповой разброс по одной таблице частот неизвестен.
Частые ошибки
- Вычитать из границ интервала среднюю вместо использования выбранного представителя группы. Сначала найдите середины, затем отклонения.
- Забывать частоты или делить на число интервалов. Вес каждой строки - её частота, знаменатель для описательной дисперсии - сумма частот.
- Складывать отклонения без возведения в квадрат. Положительные и отрицательные отклонения взаимно компенсируются.
- Путать квадрат средней со средним квадратом. Во второй формуле это разные величины: в примере 900 и 1005.
- Считать результат по серединам точной дисперсией исходных данных или применять без объяснения цели оценки.
FAQ
Может ли дисперсия быть отрицательной?
Точная дисперсия неотрицательна: она складывается из квадратов с неотрицательными весами. Отрицательный результат указывает на ошибку вычисления или округления, особенно при вычитании близких величин в рабочей формуле.
Что означает нулевая дисперсия по интервалам?
В модели середин все группы с положительной частотой имеют одну и ту же середину. Исходные наблюдения при этом всё ещё могут различаться внутри интервала: ноль относится к приближённому сгруппированному представлению.
Можно ли использовать относительные частоты?
Да. Умножьте квадрат отклонения каждой середины на соответствующую долю и сложите результаты. Если частоты записаны в процентах, сначала разделите их на 100 и проверьте сумму долей.
Коротко
Дисперсию интервального ряда находят как взвешенное среднее квадратов отклонений середин интервалов от средней. В примере она равна 105, стандартное отклонение - около 10,25 тыс. руб. Выбор знаменателя зависит от задачи, а отсутствие исходных значений ограничивает точность результата.
Читайте также

Дисперсия альтернативного признака: формула и пример
Как найти дисперсию альтернативного признака по доле или частотам, почему её максимум равен 0,25 и чем разброс единичного признака отличается от ошибки доли.

Корреляционная таблица: построение и расчёт
Корреляционная таблица показывает совместное распределение двух признаков. Разберём построение частот, суммы по строкам и столбцам и расчёт коэффициента Пирсона.

Вторичная группировка: методы и пример расчёта
Вторичная группировка в статистике: как объединить интервалы, оценить частоты при новой границе и проверить сопоставимость экономических данных на примере.

Группировка статистических данных: интервалы и ряды
Группировка статистических данных по интервалам: как выбрать число классов, ширину интервала по формуле Стёрджесса, построить вариационный ряд и гистограмму.

Правило сложения дисперсий: межгрупповая и внутригрупповая
Правило сложения дисперсий разбивает общую изменчивость на межгрупповую и внутригрупповую части. Формулы, пример расчёта, связь с ANOVA и эконометрикой.

Расчёт средней по интервальному ряду: пошагово
Как найти среднюю по интервальному ряду распределения: формула средней взвешенной, выбор середины интервала, открытые интервалы, примеры расчёта и типичные ошибки.