Statistikkmodul i Python gir en funksjon kjent som stdev() , som kan brukes til å beregne standardavviket. funksjonen stdev() beregner bare standardavvik fra et utvalg data, i stedet for en hel populasjon.
For å beregne standardavvik for en hel populasjon, en annen funksjon kjent som pstdev() benyttes.
Standardavvik er et mål på spredning i statistikk. Den brukes til å kvantifisere spredningsmålet, variasjon av et sett med dataverdier. Det ligner veldig mye på varians, gir mål på avvik mens varians gir kvadratverdien.
Et lavt mål på standardavvik indikerer at dataene er mindre spredt, mens en høy verdi på standardavvik viser at dataene i et sett er spredt bortsett fra deres gjennomsnittlige gjennomsnittsverdier. En nyttig egenskap ved standardavviket er at det, i motsetning til variansen, uttrykkes i de samme enhetene som dataene.
Standard Deviation is calculated by : where x1, x2, x3.....xn are observed values in sample data, is the mean value of observations andN is the number of sample observations.>
Syntaks: stdev( [datasett], xbar )
Parametere:
[data] : En iterabel med reelle verdier.
xbar (Valgfri) : Tar faktisk gjennomsnitt av datasettet som verdi.
Returtype: Returnerer det faktiske standardavviket for verdiene som sendes som parameter.
Unntak:
Statistikkfeil heves for datasett med mindre enn 2 verdier som sendes som parameter.
Umulige/presisjonsløse verdier når verdien oppgitt som xbar samsvarer ikke med det faktiske gjennomsnittet av datasettet.
Kode #1:
Python3
# Python code to demonstrate stdev() function> # importing Statistics module> import> statistics> # creating a simple data - set> sample>=> [>1>,>2>,>3>,>4>,>5>]> # Prints standard deviation> # xbar is set to default value of 1> print>(>'Standard Deviation of sample is % s '> >%> (statistics.stdev(sample)))> |
>
>
Utgang:
Standard Deviation of the sample is 1.5811388300841898>
Kode #2: Demonstrer stdev() på et varierende sett med datatyper
Python3
# Python code to demonstrate stdev()> # function on various range of datasets> # importing the statistics module> from> statistics>import> stdev> # importing fractions as parameter values> from> fractions>import> Fraction as fr> # creating a varying range of sample sets> # numbers are spread apart but not very much> sample1>=> (>1>,>2>,>5>,>4>,>8>,>9>,>12>)> # tuple of a set of negative integers> sample2>=> (>->2>,>->4>,>->3>,>->1>,>->5>,>->6>)> # tuple of a set of positive and negative numbers> # data-points are spread apart considerably> sample3>=> (>->9>,>->1>,>->0>,>2>,>1>,>3>,>4>,>19>)> # tuple of a set of floating point values> sample4>=> (>1.23>,>1.45>,>2.1>,>2.2>,>1.9>)> # Print the standard deviation of> # following sample sets of observations> print>(>'The Standard Deviation of Sample1 is % s'> >%>(stdev(sample1)))> > print>(>'The Standard Deviation of Sample2 is % s'> >%>(stdev(sample2)))> > print>(>'The Standard Deviation of Sample3 is % s'> >%>(stdev(sample3)))> > > print>(>'The Standard Deviation of Sample4 is % s'> >%>(stdev(sample4)))> |
>
>
Utgang:
The Standard Deviation of Sample1 is 3.9761191895520196 The Standard Deviation of Sample2 is 1.8708286933869707 The Standard Deviation of Sample3 is 7.8182478855559445 The Standard Deviation of Sample4 is 0.41967844833872525>
Kode #3: Vis forskjellen mellom resultatene av varians() og stdev()
Python3
# Python code to demonstrate difference> # in results of stdev() and variance()> # importing Statistics module> import> statistics> # creating a simple data-set> sample>=> [>1>,>2>,>3>,>4>,>5>]> # Printing standard deviation> # xbar is set to default value of 1> print>(>'Standard Deviation of the sample is % s '> >%>(statistics.stdev(sample)))> # variance is approximately the> # squared result of what stdev is> print>(>'Variance of the sample is % s'> >%>(statistics.variance(sample)))> |
>
>
Utgang:
Standard Deviation of the sample is 1.5811388300841898 Variance of the sample is 2.5>
Kode #4: Demonstrere bruken av xbar parameter
Python3
# Python code to demonstrate use of xbar> # parameter while using stdev() function> # Importing statistics module> import> statistics> # creating a sample list> sample>=> (>1>,>1.3>,>1.2>,>1.9>,>2.5>,>2.2>)> # calculating the mean of sample set> m>=> statistics.mean(sample)> # xbar is nothing but stores> # the mean of the sample set> # calculating the variance of sample set> print>(>'Standard Deviation of Sample set is % s'> >%>(statistics.stdev(sample, xbar>=> m)))> |
>
>
Utgang:
Standard Deviation of Sample set is 0.6047037842337906>
Kode #5: Demonstrerer StatisticsError
Python3
# Python code to demonstrate StatisticsError> # importing the statistics module> import> statistics> # creating a data-set with one element> sample>=> [>1>]> # will raise StatisticsError> print>(statistics.stdev(sample))> |
>
>
Utgang:
Traceback (most recent call last): File '/home/f921f9269b061f1cc4e5fc74abf6ce10.py', line 12, in print(statistics.stdev(sample)) File '/usr/lib/python3.5/statistics.py', line 617, in stdev var = variance(data, xbar) File '/usr/lib/python3.5/statistics.py', line 555, in variance raise StatisticsError('variance requires at least two data points') statistics.StatisticsError: variance requires at least two data points> Applikasjoner :
- Standardavvik er svært viktig innen statistisk matematikk og statistiske studier. Det brukes ofte til å måle konfidens i statistiske beregninger. For eksempel bestemmes feilmarginen ved beregning av karakterer for en eksamen ved å beregne forventet standardavvik i resultatene dersom samme eksamen skulle gjennomføres flere ganger.
- Det er veldig nyttig innen økonomiske studier, så vel som det hjelper å bestemme marginen for fortjeneste og tap. Standardavviket er også viktig, der standardavviket på avkastningen på en investering er et mål på investeringens volatilitet.