انحراف استاندارد با استفاده از هر مشاهده در مجموعه داده محاسبه می شود. در نتیجه، اندازه گیری حساس نامیده می شود زیرا تحت تأثیر عوامل پرت خواهد بود. … در این مثال، IQR معیار ترجیحی گسترش است زیرا نمونه دارای یک عدد پرتاست.
مزیت انحراف استاندارد نسبت به IQR چیست؟
انحراف معیار توصیف می کند که هر مشاهده به طور متوسط چقدر از میانگین فاصله دارد. تحت تأثیر مقادیر شدید قرار می گیرد، اما مزیتی که نسبت به محدوده بین چارکی دارد است که از همه مشاهدات در محاسبات خود استفاده می کند.
چه زمانی IQR را بر انحراف استاندارد ترجیح می دهید؟
شما باید از محدوده بین چارکی برای اندازه گیری گسترش مقادیر در یک مجموعه داده زمانی که مقادیر پرت شدید وجود دارد استفاده کنید. برعکس، باید از انحراف معیار برای اندازه‌گیری گسترش مقادیر استفاده کنید، زمانی که هیچ نقطه پرت شدیدی وجود ندارد.
چرا IQR بهتر از انحراف استاندارد برای داده های کج است؟
این دلیل دیگری است که چرا بهتر است از IQR هنگام اندازه گیری پراکندگی مجموعه داده های منحرف استفاده کنید. … در یک توزیع اریب، نیمه بالایی و نیمه پایینی داده ها دارای مقدار اسپرد متفاوتی هستند، بنابراین هیچ عدد واحدی مانند انحراف استاندارد نمی تواند پرداخت را به خوبی توصیف کند.
آیا IQR یا انحراف معیار بهتر استتنوع؟
انحراف استاندارد و واریانس ترجیح داده می‌شوند زیرا کل مجموعه داده‌های شما را در نظر می‌گیرند، اما این به این معنی است که آنها به راحتی تحت تأثیر مقادیر پرت قرار می‌گیرند. برای توزیع‌های اریب یا مجموعه داده‌های دارای نقاط پرت، محدوده بین چارکی بهترین معیار است.
