Standart Sapma

İstatistiksel Bir Ölçüt Olarak Standart Sapma

Standart sapma, bir veri setini analiz etmek ve verilerin dağılımını anlamak için en yaygın kullanılan istatistiksel metriklerden biridir. Basit bir ifadeyle standart sapma, veri setindeki değerlerin aritmetik ortalamaya göre ne kadar yayıldığının (dağıldığının) bir ölçüsüdür. Standart sapmayı hesaplayarak, sayıların ortalamaya yakın mı yoksa ortalamadan uzak mı konumlandığını kolayca belirleyebilirsiniz. Eğer veri noktaları ortalamadan çok uzaksa, veri setinde yüksek bir sapma (değişkenlik) var demektir. Kısacası, verilerdeki dağılım ne kadar genişse, standart sapma değeri de o kadar yüksek çıkar.

Bu standart sapma hesaplayıcı, girdiğiniz bir veri setinin standart sapmasını hızlıca bulmanızı sağlar ve arka planda gerçekleşen tüm matematiksel adımları şeffaf bir şekilde gösterir.

Standart Sapma Hesaplayıcı Nasıl Kullanılır?

Hesaplayıcımız, çeşitli ayırıcılarla birbirinden ayrılmış sayı listelerini veri girişi olarak kabul eder. Aşağıdaki tabloda, desteklenen giriş formatlarına dair bazı örnekler gösterilmektedir:

satır girişi	sütun girişi	sütun girişi	sütun girişi
44, 63, 72, 75, 80, 86, 87, 89	44	44,	44,63,72
44 63 72 75 80 86 87 89	63	63,	75,80
44,, 63,, 72, 75, 80, 86, 87, 89	72	72,	86,87
44 63 72 75, 80, 86, 87, 89	75	75,	89
44; 63; 72, 75,, 80, 86, 87, 89	80	80,
44,,, 63,, 72, 75, 80, 86, 87, 89	86	86,
44 63,, 72,,,, 75, 80, 86, 87, 89	87	87,
	89	89,

Sayılar virgül, boşluk, noktalı virgül, satır sonu veya bunların bir karışımı ile ayrılabilir; yatay (satır) veya dikey (sütun) formatta girilebilir. Yukarıdaki tabloda gösterilen tüm formatlar için hesaplayıcı, veri setini 44, 63, 72, 75, 80, 86, 87 ve 89 olarak işleyecektir.

Verilerinizi girdikten sonra, bu verilerin bir örneklem (sample) mi yoksa popülasyon (population) verisi mi olduğunu seçin ve "Hesapla" (Enter) butonuna basın. Hesaplayıcı, veri setinize ait beş temel istatistiksel parametreyi anında sunacaktır: Eleman sayısı (gözlem sayısı), aritmetik ortalama, sapma kareleri toplamı, varyans ve standart sapma.

Bu Hesaplama Aracı Hangi Problemleri Çözer?

Bu hesaplayıcı, ayrık bir veri setinin standart sapmasını hatasız bir şekilde hesaplamak ve aynı zamanda kullanıcılara bu hesaplamanın arkasındaki istatistiksel teoriyi adım adım göstermek için özel olarak tasarlanmıştır.

İstatistik biliminde veriler, belirli bir konuyla ilgili incelenebilecek tüm olası gözlemlerin tamamını (Popülasyon/Ana Kütle) içerebilir. Ancak gerçek dünya senaryolarında, bir popülasyondaki her bir bireye veya elemana ulaşıp veri toplamak çoğu zaman pratik değildir veya tamamen imkansızdır.

Bu nedenle istatistiksel çalışmalarda, devasa bir 'popülasyon' yerine onu temsil eden daha küçük bir alt küme ile çalışmak standart bir uygulamadır. Bu alt kümeye 'örneklem' adı verilir. Örneklemden elde ettiğimiz verilere dayanarak, asıl popülasyon hakkında güvenilir tahminlerde ve çıkarımlarda bulunuruz.

Standart sapma hesaplanırken, üzerinde çalıştığımız veri setinin bir "örneklem" mi yoksa "tüm popülasyon" mu olduğuna bağlı olarak formülde küçük ama kritik bir ayarlama yapılır. İstatistikte 'serbestlik derecesi' (degrees of freedom) olarak bilinen bu faktör, varyansı ve dolayısıyla standart sapmayı hesaplarken devreye girer. Bir örneklem için varyans hesaplanırken, veri sayısına (n) bölmek yerine (n - 1) değerine böleriz (burada n, örneklem büyüklüğüdür). Yapılan bu "Bessel düzeltmesi", örneklem verilerini kullanarak tüm popülasyonun standart sapmasını tahmin etmeye çalışırken ortaya çıkabilecek istatistiksel sapmaları (yanlılıkları) telafi eder ve tahminimizin çok daha isabetli olmasını sağlar.

Standart sapma, veri değerlerinin ortalamaya göre ne kadar değişkenlik (sapma/yayılım) gösterdiğinin bir ölçütüdür. İstatistikte popülasyon standart sapması Yunan harfi σ (sigma) ile, örneklem standart sapması ise s harfi ile sembolize edilir. σ veya s değeri ne kadar büyükse, veri noktalarının ortalamadan o kadar uzağa yayıldığı anlaşılır; değer küçüldükçe verilerin ortalama etrafında daha sıkı bir şekilde kümelendiği görülür.

Bu durumu daha iyi anlamak için aşağıdaki iki farklı veri setini inceleyelim:

(Set I)

11, 3, 5, 21, 10, 15, 20, 25, 13, 26, 27

(Set II)

12, 14, 14, 15, 15, 16, 16, 17, 18, 19, 20

Her iki veri setini de standart sapma hesaplayıcımıza girdiğimizde şu sonuçları elde ederiz:

I. Set için:

• x̄ = 16 (Aritmetik Ortalama)
• s = 8,3904708 (Standart Sapma)

II. Set için:

• x̄ = 16 (Aritmetik Ortalama)
• s = 2,3664319 (Standart Sapma)

Görüldüğü üzere, her iki veri setinin ortalaması tam olarak aynıdır (16). Ancak I. Set'teki sayılar ortalamadan önemli ölçüde sapmıştır (s = 8,39). Buna karşılık II. Set'teki değerlerin ortalamaya çok daha yakın olduğu ve değişkenliğin oldukça küçük olduğu (s = 2,36) açıkça görülmektedir.

Standart Sapma Hesaplama Formülleri

Eğer elinizdeki veriler analiz edilen konuya ait tüm elemanları (popülasyonu) kapsıyorsa, popülasyon standart sapması formülü uygulanır:

$$σ = \sqrt{\frac{\sum_{i=1}^{N}(x_i-μ)^2}{N}}$$

• σ popülasyonun standart sapmasıdır,
• xᵢ popülasyonun her bir bireysel değeridir,
• μ popülasyonun aritmetik ortalamasıdır,
• N popülasyonun büyüklüğüdür (eleman sayısıdır).

Eğer popülasyon çok büyükse ve analizi yapmak için bu popülasyonun sadece bir kısmı (örneklemi) alındıysa, örneklem standart sapması formülü kullanılır:

$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}$$

• s örneklemin standart sapmasıdır,
• xᵢ örneklemdeki her bir bireysel değerdir,
• x̄ örneklemin aritmetik ortalamasıdır,
• n örneklemin büyüklüğüdür (eleman sayısıdır).

Adım Adım Standart Sapma Nasıl Hesaplanır?

Matematiksel olarak standart sapma hesaplama süreci şu altı temel adımdan oluşur:

Adım 1: Örneklem veya popülasyon ortalamasını hesaplayın. Bunun için tüm veri değerlerini toplayın ve toplam veri sayısına (N veya n) bölün.

Örneklem ortalaması:

$$\bar{x}=\frac{x₁+x₂+x₃+........+x_n}{n}$$

Popülasyon ortalaması:

$$\mu=\frac{x₁+x₂+x₃+........+x_N}{N}$$

Adım 2: Her bir veri noktasından, az önce bulduğunuz ortalamayı çıkararak sapma değerlerini bulun.

Örneklem sapmaları:

$$(x₁-\bar{x}), (x₂-\bar{x}), (x₃-\bar{x})…………………… (x_n-\bar{x})$$

Popülasyon sapmaları:

$$(x₁-\mu), (x₂-\mu), (x₃-\mu)……………….. (x_N-\mu)$$

Adım 3: Bulduğunuz her bir sapma değerinin karesini alın (böylece negatif değerler pozitife dönüşür).

Örneklem kare sapmaları:

$$(x₁-\bar{x})^2, (x₂-\bar{x})^2, (x₃-\bar{x})^2…………………… (x_n-\bar{x})^2$$

Popülasyon kare sapmaları:

$$(x₁-\mu)^2, (x₂-\mu)^2, (x₃-\mu)^2……………….. (x_N-\mu)^2$$

Adım 4: Elde ettiğiniz tüm kare değerleri toplayarak "Sapma Kareleri Toplamı"nı (Sum of Squares - SS) hesaplayın.

Örneklem sapma kareleri toplamı:

$$SS=(x₁-\bar{x})^2+ (x₂-\bar{x})^2+(x₃-\bar{x})^2……………………+(x_n-\bar{x})^2$$

Popülasyon sapma kareleri toplamı:

$$SS=(x₁-\mu)^2+ (x₂-\mu)^2+(x₃-\mu)^2……………….+ (x_N-\mu)^2$$

Adım 5: Varyansı elde etmek için sapma kareleri toplamını serbestlik derecesine bölün. Popülasyon verisi için doğrudan N'ye, örneklem verisi için ise (n-1)'e bölün.

Örneklem varyansı:

$$ s^2 = \frac{\sum_{i=1}^{n}(xᵢ - \bar{x})^2}{n - 1} $$

Popülasyon varyansı:

$$ \sigma^2 = \frac{\sum_{i=1}^{N}(xᵢ - \mu)^2}{N} $$

Bir örneklem için varyans hesaplarken, neden doğrudan n'ye bölmediğimizi merak edebilirsiniz. Doğrudan veri sayısına bölmek (aşağıdaki ifade), popülasyon varyansını tahmin etmek için iyi bir yaklaşım değildir:

$$\frac{(x-\bar{x})^2}{n}$$

Burada x̄ örneklem ortalaması ve n örneklem büyüklüğüdür. Ancak bu formül istatistikte örneklem varyansı için kullanılmaz. Çünkü genel popülasyon çok büyükken incelenen örneklem küçük olduğunda, formülde doğrudan n'ye bölmek, gerçek popülasyon varyansını olduğundan daha küçük (eksik) tahmin etmeye yol açar. Bu istatistiksel yanlılığı gidermek için paydayı (n-1) yaparak potansiyel varyans değerini matematiksel olarak hafifçe artırırız. (n-1)'e bölmek, gerçek değere çok daha yakın ve tarafsız bir varyans tahmini sunar.

Adım 6: Son olarak, elde ettiğiniz varyans değerinin karekökünü alın. Standart sapma, en temel tanımıyla varyansın kareköküdür.

Örneklem standart sapması:

$$s=\sqrt{s^2}=\sqrt{\frac{\sum_{i}^{n}{{(x_i-\bar{x})}^2\ }}{n-1}}$$

Popülasyon standart sapması:

$$\sigma=\sqrt{\sigma^2}=\sqrt{\frac{\sum_{i}^{N}{{(x_i-\mu)}^2\ }}{N}}$$

Örneklem Standart Sapması Hesaplama Örneği

Bir fizik final sınavına giren n=8 öğrencinin aşağıdaki puanları aldığını ele alalım:

45, 67, 70, 75, 80, 81, 82 ve 84

Hesaplayıcımız, bu örneklemin standart sapmasını arka planda aşağıdaki adımları işleyerek bulur:

Adım 1: Ortalamayı hesaplayın.

$$\bar{x}=\frac{\sum_{i} x_i}{n}=\frac{45+\ 67+\ 70+\ 75+\ 80+\ 81+\ 82+\ 84}{8}=73$$

Adım 2: Sapmaları hesaplayın.

x₁-x̄	x₂-x̄	x₃-x̄	x₄-x̄	x₅-x̄	x₆-x̄	x₇-x̄	x₈-x̄
45-73	67-73	70-73	75-73	80-73	81-73	82-73	84-73
-28	-6	-3	2	7	8	9	11

Adım 3: Sapmaların karelerini alın.

(x₁-x̄)²	(x₂-x̄)²	(x₃-x̄)²	(x₄-x̄)²	(x₅-x̄)²	(x₆-x̄)²	(x₇-x̄)²	(x₈-x̄)²
784	36	9	4	49	64	81	121

Adım 4: Kare sapmaların toplamını (SS) hesaplayın.

$$SS=\sum_{i}^{n}{{(x_i-\bar{x})}^2=784+36+9+4+49+64+81+121}=1148$$

Adım 5: Kare sapmaların toplamını serbestlik derecesine (n-1) bölerek varyansı hesaplayın. (Eğer elimizdeki veri tüm öğrencileri kapsayan bir popülasyon olsaydı, N-1 yerine N'ye bölmemiz gerekirdi. Ancak bu durumda, tüm öğrenci popülasyonunun sadece bir kısmını temsil eden bir örnekleme sahibiz).

$$s^2=\frac{\sum_{i}^{n}{{(x_i-\bar{x})}^2\ }}{n-1}=\frac{1148}{8-1}=164$$

Adım 6: Standart sapmayı elde etmek için varyansın karekökünü alın.

$$s=\sqrt{s^2}=\sqrt{164}=12,80$$

Standart Sapmanın Kullanım Alanları ve Uygulamaları

Varyans ve standart sapma, verilerin genel yayılımını ve homojenliğini belirlemede en güvenilir araçlardır. Standart sapma yüksekse, veriler daha geniş bir aralığa yayılmış ve değişkenlik fazladır. Bu istatistiksel bilgi, hangi veri setinin daha istikrarlı veya hangisinin daha değişken olduğunu belirlemek amacıyla iki (veya daha fazla) farklı grubun karşılaştırılmasında büyük avantaj sağlar.

Endüstri ve Üretim: Standart sapma, kalite kontrol süreçlerinde hayati bir rol oynar. Büyük ölçekli fabrika üretimlerinde, üretilen ürünlerin boyutlarının ve özelliklerinin önceden belirlenmiş sıkı tolerans aralıklarında olması gerekir. Örneğin, somun ve cıvata üretiminde çaplar arasındaki varyasyon (standart sapma) son derece küçük olmalıdır; aksi takdirde üretilen parçalar birbiriyle eşleşmez ve montaj hattında sorunlar yaşanır.

Finans ve Ekonomi: Finans dünyasında standart sapma, yatırım risklerini ve piyasa volatilitesini (oynaklığını) değerlendirmek için kullanılır. Teknik analizde varlıkların fiyat hareketlerini incelemek ve "Bollinger Bantları" oluşturmak için doğrudan standart sapma verilerinden yararlanılır. Yüksek standart sapma, yüksek volatilite ve dolayısıyla daha yüksek yatırım riski anlamına gelir.

Sosyoloji ve Anketler: Sosyolojik araştırmalarda ve kamuoyu yoklamalarında, anket sonuçlarının ne kadar güvenilir olduğunu belirlemek ve hata payını (belirsizliği) hesaplamak için standart sapma kullanılır.

İstatistiksel Teoremler: Varyans ve standart sapma, verilerin ne kadarlık bir kısmının belirli bir değer aralığına düştüğünü tahmin etmek için de kullanılır. Örneğin; Çebişev (Chebyshev) Teoremi, dağılımın şekli ne olursa olsun veri değerlerinin en az %75'inin ortalamanın 2 standart sapma aralığı içinde yer alacağını matematiksel olarak kanıtlar.

İklim ve Meteoroloji: Standart sapmayı basit bir iklim örneğiyle somutlaştırabiliriz. Aynı coğrafi bölgede bulunan iki şehrin günlük hava sıcaklıklarını incelediğimizi varsayalım. Şehirlerden biri deniz kıyısında, diğeri ise karasal iklime sahip iç kesimlerde yer alsın. Her iki şehrin yıllık ortalama maksimum sıcaklığı birbiriyle tamamen aynı olabilir. Ancak, günlük sıcaklık dalgalanmalarına (yayılıma) bakıldığında; karasal şehrin standart sapması çok daha büyük, sahil şehrinin günlük maksimum sıcaklık standart sapması ise çok daha küçük olacaktır.

Bu istatistiksel gerçek, karasal şehirdeki sıcaklıkların yıl içinde kıyı şehrine göre çok daha sert iniş çıkışlar (aşırı sıcak ve aşırı soğuk) yaşayacağını gösterir. Buna karşın, düşük standart sapmaya sahip kıyı şehri ise çok daha istikrarlı ve ılıman bir iklime sahip olacaktır.