מחשבון סטיית תקן עוזר לכם למדוד פיזור של נתונים סביב הממוצע. אם כל המספרים קרובים מאוד זה לזה, הסטייה תהיה קטנה; אם הם רחוקים מהממוצע, הסטייה תהיה גדולה יותר.
החישוב מתאים לנתוני משכורות, ציונים, משקלים, מדידות, עלויות, זמני ביצוע ועוד. אם אתם צריכים הסבר על מושגי בסיס כלליים, אפשר להיעזר גם במילון המונח מחשבון בויקיפדיה כדי להבין את ההקשר הרחב, אבל כאן נתמקד בסטיית תקן עצמה.
מהי סטיית תקן ולמה משתמשים בה
סטיית תקן היא מדד שמספר לכם כמה הנתונים "מתרחקים" מהממוצע. היא לא בודקת רק את הערך הממוצע, אלא גם את הפיזור סביבו. לכן שני מאגרי נתונים יכולים לקבל אותו ממוצע, אבל סטיית תקן שונה לגמרי.
משתמשים בסטיית תקן כשצריך:
- להשוות בין שתי קבוצות נתונים בעלות אותו ממוצע
- להבין אם מדידות יציבות או תנודתיות
- לזהות חריגים יחסית לשאר הקבוצה
- לתאר פיזור בנתונים סטטיסטיים, במחקר, בכיתה או בדוח עסקי
אם אתם עובדים עם ציונים, למשל, סטיית תקן קטנה מצביעה על קבוצה אחידה יותר. אם מדובר בהוצאות חודשיות, סטייה גדולה מצביעה על תנודות משמעותיות יותר.
איך מחשבים סטיית תקן
החישוב מתחיל מהממוצע, ואז בודקים כמה כל ערך רחוק ממנו. כדי לא לקבל שסכום הסטיות יתאפס, מעלים כל הפרש בריבוע, מחשבים ממוצע של הריבועים, ואז מוציאים שורש.
הנוסחה למדגם
כשמדובר במדגם, משתמשים בסטיית תקן מדגמית:
s = √( Σ(xᵢ − x̄)² / (n − 1) )
כאשר:
- x̄ הוא הממוצע
- xᵢ הם הערכים בקבוצה
- n הוא מספר הערכים
- Σ מציין סכימה של כל הערכים
הנוסחה לאוכלוסייה
כשיש לכם את כל האוכלוסייה, ולא רק מדגם, משתמשים בסטיית תקן של אוכלוסייה:
σ = √( Σ(xᵢ − μ)² / N )
כאשר:
- μ הוא ממוצע האוכלוסייה
- N הוא מספר כל הערכים באוכלוסייה
ההבדל העיקרי הוא המחלק: במדגם מחלקים ב־n − 1, ובאוכלוסייה ב־N. זה לא פרט טכני קטן; זה משנה את התוצאה, במיוחד בקבוצות קטנות.
מתי בוחרים במדגם ומתי באוכלוסייה
אם יש לכם רק חלק מהנתונים, מדובר בדרך כלל במדגם. לדוגמה, אם בדקתם כמה עובדים מתוך כלל העובדים, או חלק מהתלמידים בכיתה, משתמשים בסטיית תקן מדגמית.
אם יש לכם את כל הנתונים הרלוונטיים, למשל כל הציונים של קבוצה מסוימת שכבר קיבלתם כולה, או כל המדידות שביצעתם, אפשר להשתמש בסטיית תקן של אוכלוסייה.
אם אינכם בטוחים, ברוב המקרים הסטטיסטיים המקובלים עדיף לחשוב על הנתונים כמדגם, אלא אם כן באמת יש לכם את כל האוכלוסייה. זה חשוב במיוחד כשאתם משתמשים במחשבון מדעי לחישובים ובודקים את השלבים ידנית.
דוגמה 1: נתונים קרובים זה לזה
נניח שיש לכם את המספרים 10, 12, 12, 14.
הממוצע הוא 12.
הפרשים מהממוצע:
- 10 רחוק ב־-2
- 12 רחוק ב־0
- 12 רחוק ב־0
- 14 רחוק ב־2
ריבועי ההפרשים:
- 4
- 0
- 0
- 4
סכום הריבועים הוא 8.
סטיית התקן למדגם היא 1.63.
סטיית התקן לאוכלוסייה היא 1.41.
כאן תראו שהנתונים די צפופים סביב הממוצע, ולכן הסטייה אינה גדולה.
דוגמה 2: פיזור גדול יותר
נניח שיש לכם את המספרים 2, 8, 10, 20.
הממוצע הוא 10.
ריבועי ההפרשים מהממוצע:
- 64
- 4
- 0
- 100
סכום הריבועים הוא 168.
סטיית התקן למדגם היא 7.48.
סטיית התקן לאוכלוסייה היא 6.48.
כאן הפיזור גדול יותר, כי יש ערך נמוך וערך גבוה מאוד יחסית לשאר.
דוגמה 3: השוואה בין שתי קבוצות
נניח שיש שתי קבוצות ציונים:
- קבוצה א: 80, 81, 79, 80
- קבוצה ב: 70, 80, 90, 80
לשתי הקבוצות יש אותו ממוצע:
- קבוצה א: 80
- קבוצה ב: 80
אבל סטיית התקן שלהן שונה:
- קבוצה א: 0.82
- קבוצה ב: 8.16
המשמעות ברורה: הממוצע לבדו לא מספר את כל הסיפור. אם אתם משווים בין קבוצות, סטיית התקן עוזרת להבין מי יציבה יותר ומי מפוזרת יותר.
איך לקרוא את התוצאה נכון
סטיית תקן נמוכה בדרך כלל מעידה שהערכים קרובים לממוצע. סטיית תקן גבוהה מעידה שהערכים מפוזרים יותר. אבל אין מספר "טוב" או "רע" בפני עצמו; הכול תלוי בסוג הנתונים.
כדאי לפרש את התוצאה ביחס לנתונים עצמם:
- אם הממוצע גבוה והסטייה קטנה, הקבוצה אחידה יחסית
- אם הממוצע דומה אבל הסטייה גדולה, יש שונות רבה בין הערכים
- אם יש ערכים קיצוניים, הם יכולים להגדיל מאוד את הסטייה
אם אתם בודקים פיזור בתוך סדרת מספרים, אפשר להצליב את התוצאה גם עם ממוצע ציונים כדי להבין את התמונה המלאה.
טעויות נפוצות ומגבלות
יש כמה טעויות שחוזרות שוב ושוב:
- בלבול בין מדגם לאוכלוסייה. ההבדל בין n − 1 ל־N משנה את התוצאה.
- שימוש בסטיית תקן בלי לבדוק את סוג הנתונים. לא כל קבוצה מתאימה לפרשנות פשוטה.
- התעלמות מערכים חריגים. ערך אחד קיצוני יכול להשפיע מאוד.
- הסתמכות על הסטייה לבדה. לפעמים צריך גם ממוצע, חציון או טווח.
- ערבוב יחידות. אם הנתונים לא באותה יחידה, התוצאה לא תהיה שימושית.
המגבלה העיקרית של סטיית תקן היא שהיא מתארת פיזור סביב הממוצע, אבל לא את צורת ההתפלגות. שתי קבוצות יכולות לקבל אותה סטיית תקן ולהיראות שונה מאוד כשמסתכלים על הנתונים עצמם.
איך להשתמש בתוצאה בפועל
ברגע שיש לכם את המספרים, שאלו את עצמכם מה אתם רוצים לדעת:
- האם הנתונים יציבים?
- האם יש הבדל בין קבוצות?
- האם יש חריגות שמושכות את הממוצע או את הסטייה?
אם אתם עובדים על חישוב ידני, כדאי לעבור שלב שלב: ממוצע, הפרשים, ריבועים, סכימה, ואז שורש. ואם אתם צריכים להשוות בין כמה קבוצות או לבדוק חישובים אחרים, אפשר לעבור גם לשורש כדי לוודא את שלב הסיום, או להיעזר במחשבון קוב בטון כשאתם עובדים על נתוני נפח ומדידה בפרויקט מעשי.
שאלות נפוצות
- מה ההבדל בין סטיית תקן לממוצע?
- הממוצע מתאר את מרכז הנתונים, וסטיית התקן מתארת את הפיזור סביבו. שני מערכי נתונים יכולים לקבל אותו ממוצע, אבל פיזור שונה מאוד. לכן לרוב צריך להסתכל על שני המדדים יחד.
- מתי משתמשים בסטיית תקן של מדגם?
- משתמשים בה כשיש לכם רק חלק מהנתונים הכלליים, ואתם רוצים להעריך את הפיזור של האוכלוסייה כולה. זה המקרה הנפוץ ביותר בסטטיסטיקה מעשית. אם יש לכם את כל הנתונים, אפשר לשקול חישוב של אוכלוסייה.
- למה מחלקים ב־n − 1 במדגם?
- כי במדגם רוצים תיקון שמאזן את ההערכה של הפיזור. החלוקה ב־n − 1 מונעת נטייה להקטין את הפיזור המשוער. זהו הבדל סטנדרטי בין מדגם לאוכלוסייה.
- האם סטיית תקן יכולה להיות אפס?
- כן. אם כל הערכים זהים, אין פיזור בכלל ולכן סטיית התקן תהיה אפס. זה אומר שכל התצפיות שוות בדיוק.
- האם אפשר לחשב סטיית תקן עם מספרים שליליים?
- כן. מספרים שליליים אינם בעיה, כי החישוב מבוסס על סטיות מהממוצע ועל ריבוע ההפרשים. רק חשוב שכל הערכים יהיו באותה סקאלה ובאותן יחידות.
- למה התוצאה שלי יצאה גבוהה מהצפוי?
- ייתכן שיש ערך קיצוני, או שחישבתם מדגם במקום אוכלוסייה. לפעמים גם טעות קטנה בממוצע או בריבוע ההפרשים משנה את התוצאה. עברו שוב על הנתונים ובדקו כל שלב.
- איך יודעים אם הסטייה "גדולה"?
- אין סף קבוע שמתאים לכל מצב. כדאי להשוות את הסטייה לגודל הממוצע, לטווח הערכים ולמקובל בתחום שלכם. אם תרצו, בדקו את אותו מערך נתונים גם מול חישובים נוספים כדי להבין את הפיזור בצורה מלאה.
על המאמר
המאמר נכתב על ידי יהב עטיה, WSO – סוכנות הדיגיטל (wso.co.il), הבעלים ומקימי האתר, בעזרת בינה מלאכותית ועבר בדיקות איכות אוטומטיות לפני הפרסום. המספרים בדוגמאות חושבו בקוד ולא הוערכו.