مفهوم الانحراف المعياري
يُعتبر الانحراف المعياري من المقاييس الإحصائية المهمة التي تُستخدم في تحليل البيانات لمعرفة مدى تشتت البيانات حول المتوسط الحسابي. يُعبر عن الانحراف المعياري بقيمة موجبة تشير إلى مدى انتشار القيم حول المتوسط. كلما كانت قيمة الانحراف المعياري أصغر، كانت البيانات أقرب إلى المتوسط، والعكس صحيح. يُستخدم الانحراف المعياري في العديد من التطبيقات العملية مثل التحليل المالي، قياس جودة العمليات، وأبحاث السوق.
حساب الانحراف المعياري باستخدام بايثون
توفر بايثون مكتبات عديدة تسهل عملية حساب الانحراف المعياري، من أبرزها مكتبة statistics ومكتبة numpy. يمكن استخدام الدالة stdev() من مكتبة statistics لحساب الانحراف المعياري لعينة من البيانات، بينما يمكن استخدام numpy.std() لحساب الانحراف المعياري لمجموعة بيانات كاملة. إليك بعض الأمثلة التوضيحية:
import statistics
# مثال باستخدام مكتبة statistics
بيانات = [10, 12, 23, 23, 16, 23, 21, 16]
انحراف_معياري = statistics.stdev(بيانات)
print("الانحراف المعياري باستخدام مكتبة statistics:", انحراف_معياري)
import numpy as np
# مثال باستخدام مكتبة numpy
بيانات_2 = np.array([10, 12, 23, 23, 16, 23, 21, 16])
انحراف_معياري_2 = np.std(بيانات_2, ddof=1)
print("الانحراف المعياري باستخدام مكتبة numpy:", انحراف_معياري_2)في المثال الأول، استخدمنا دالة stdev() لحساب الانحراف المعياري للعينة، بينما في المثال الثاني استخدمنا numpy.std() وحددنا ddof=1 لحساب الانحراف المعياري للعينة بدلاً من الانحراف المعياري للمجتمع الإحصائي. تساعد هذه الأدوات في تحليل البيانات بشكل أكثر فعالية ودقة.