Коэффициент вариации – это один из наиболее применимых в финансовой сфере статистических коэффициентов. Расскажем, как рассчитать коэффициент вариации и чем он может пригодиться финансовому директору.

Что такое коэффициента вариации и зачем он нужен

Коэффициент вариации (Coefficient of variation, или CV) – это мера относительного разброса случайной величины. Он показывает, какую долю составляет средний разброс случайной величины от среднего значения этой величины.

В общем случае коэффициент вариации используют для определения дисперсии значений без привязки к масштабу измеряемой величины и единицам измерения. Коэффициент вариации входит в группу относительных методов статистики, измеряется в процентах и поэтому его можно использовать для сравнения вариации нескольких не связанных между собой процессов и явлений.

Использование коэффициента вариации в финансовом моделировании

Коэффициент вариации является лидером среди вариационных статистических методов, которые используют финансовые и инвестиционные аналитики.

Аналитики используют коэффициент:

Для определения устойчивости прогнозной модели.
Для сравнения нескольких прогнозных моделей (в основном инвестиционных) с разными абсолютными уровнями дохода и риска.
Для проведения XYZ анализа.

Формула расчета коэффициента вариации

Коэффициент вариации рассчитывается по формуле:

где CV – коэфф вариации,

σ – среднеквадратическое отклонение случайной величины,

tср – среднее значение случайной величины.

Формула коэффициента вариации для инвестиционных финансовых моделей:

где NPV – чистый приведенный доход.

Формула коэффициента вариации для инвестиций в ценные бумаги:

где:%год – доходность по ценной бумаге в % годовых.

Коэффициент вариации в Excel

=СТАНДОТКЛОНПА(диапазон значений)/СРЗНАЧ (диапазон значений)

Или с использованием встроенного пакета «Анализ данных».

Анализ коэффициента вариации

Коэффициент вариации более универсален, в отличие от дисперсии и среднеквадратического отклонения, потому что позволяет сопоставлять риск и доходность двух и более активов, которые могут существенно отличаться. Правда, у метода оценки пары доходность/риск с помощью коэффициента вариации есть ограничения. Если ожидаемая доходность стремится к нулю, то значение коэффициента вариации стремится к бесконечности. И даже незначительное изменение ожидаемой доходности проекта (или ценной бумаги) приводит к значительному изменению коэффициента, что необходимо учитывать при обосновании инвестиционных решений.

меньше 10%, то степень риска проекта является незначительной,
от 10% до 20% – средней,
больше 20% – значительной,
если значение коэффициента вариации больше 33%, то финансовая модель считается неоднородной, неустойчивой. По ней нельзя принимать объективных инвестиционных решений

Примеры расчета коэффициента вариации в Excel

Пример 1

Первый – открытие сети розничных точек для торговли ювелирными изделиями в Москве и Санкт-Петербурге.

Второй – открытие сети розничных точек по всей России в городах-миллионниках.

Финансовый аналитик предприятия составил финансовые модели обоих проектов в Excel и по модели Монте-Карло сделал по 5000 прогонов для NPV в каждом проекте (см. также, как создать наглядную финансовую модель в Excel ). Далее с помощью пакета анализа «Анализ данных» получил следующие статистические показатели (см. таблицы 1 и 2).

Таблица 1 . Показатели по проекту 1

Средний предполагаемый NPV от Проекта 1 составит 14,05 тысяч долларов, дисперсия (она же среднее квадратическое отклонение) будет равна 1,72 тысяч долларов.

Коэффициент вариации для первого проекта равен:

CV = 1.72/14.05 = 12%

Проект признается среднерисковым.

Средний предполагаемый NPV от Проекта 2 составит 25,23 тысяч долларов, дисперсия будет равна 6,30 тысяч долларов.

Коэффициент вариации для второго проекта составит:

CV = 6,30/25,23 = 24,97%

Проект признается высокорисковым.

Если сравнивать проекты 1 и 2 по коэффициенту вариации, то следует выбрать Проект 1, так как соотношение доход/риск у него лучше.

Пример 2

Компания «Сигма» проводит XYZ анализ товарного ассортимента по показателю изменчивости продаж. Продуктовая линейка компании представлена пятью товарами: А, В, С, D и E.

Имеется помесячная статистика продаж за последний год по каждому товару (см. рисунок). На практике лучше иметь статистику за период более трех лет/

Рисунок . Статистика продаж за последний год по каждому товару

Финансовый аналитик компании рассчитал коэффициент вариации для каждого товара

CVа = СТАНДОТКЛОНПА(B2:В13)/СРЗНАЧ (В2:В13) = 30%

В компании установлены следующие интервалы для групп XYZ:

Z – 31–100%.

Значит, товары B и D относятся к категории X. Спрос на них постоянный, запасы на складах по ним должны быть под пристальным контролем и постоянно пополняться.

Товары A и C относятся к категории Y. Спрос на них отклоняется в пределах 30% от месяца к месяцу. Возможно, имеет место сезонность спроса. Нужно глубже анализировать статистику продаж и выработать оптимальную политику по остаткам на складах для данной группы.

Товар E имеет наиболее волатильный спрос, продажи по нему осуществляются нерегулярно, поэтому возможно имеет смысл перейти на работу с ним по предзаказу.

Выводы

Следует помнить, что коэффициент вариации – это не единственный способ оценки эффективности инвестирования, так как он не учитывает несколько важных факторов:

Объемы первоначального инвестирования.
Возможную асимметричность распределения. При расчете коэффициента вариации предполагается, что разброс значений случайной величины расположен симметрично к среднему (часто по нормальному распределению). Но это не всегда соответствует действительности. Например, для опционов, доходность которых не может быть ниже нуля, имеет место асимметрия распределения, и анализировать коэффициент вариации по ним нужно с оглядкой на другие методы статистического анализа.
Инвестиционную политику субъекта инвестирования.
Другие нечисловые факторы.

Однако метод оценки статистических, в том числе финансовых, данных посредством расчета коэффициента вариации заслуженно признан одним из наиболее эффективных сравнительных методов статистики.

ВВЕДЕНИЕ

Методические указания по выполнению практических и лабораторных работ по статистике содержат требования по их выполнению, порядок расчетов вручную и с использованием MS Excel, ППП Statistica.

Часть II методических указаний характеризует расчет показателей вариации: размаха вариации, квартилей и квартильного отклонения, среднего линейного отклонения, дисперсии и среднего квадратического отклонения, коэффициентов осцилляции, вариации, асимметрии, эксцесса и других.

Расчет показателей вариации наряду с построением интервальных и дискретных вариационных рядов и расчетом средних величин, представленными в части I методических указаний, имеет большое значение для анализа рядов распределения.

РАСЧЕТ ПОКАЗАТЕЛЕЙ ВАРИАЦИИ

Цель работы: получение практических навыков в расчете различных показателей (меры) вариации в зависимости от поставленных исследованием задач.

Порядок выполнения работы:

Определить вид и форму (простая или взвешенная) показателей вариации.

Сформулировать выводы.

Пример расчета показателей вариации

Определение вида и формы показателей вариации.

Показатели вариации делятся на две группы: абсолютные и относительные. К абсолютным относятся: размах вариации, квартильное отклонение, среднее линейное отклонение, дисперсия и среднее квадратическое отклонение. Относительными показателями являются коэффициенты осцилляции, вариации, относительное линейное отклонение и т. д.

Размах вариации (R) является наиболее простым измерителем вариации признака и определяется по следующей формуле:

где - наибольшее значение варьирующего признака;

Наименьшее значение варьирующего признака.

Квартильное отклонение (Q) - применяется для характеристики вариации признака в совокупности. Может использоваться вместо размаха вариации во избежание недостатков, связанных с использованием крайних значений.

Квартили - это значения признака в ранжированном ряду распределения, выбранные таким образом, что 25% единиц совокупности будут меньше по величине; 25% единиц будут заключены между и; 25% единиц будут заключены между и, и остальные 25% превосходят.

где - нижняя граница интервала, в котором находится первая квартиль;

Сумма накопленных частот интервалов, предшествующих интервалу, в котором находится первая квартиль;

Частота интервала, в котором находится первая квартиль.

где Ме - медиана ряда;

условные обозначения те же, что и для величины.

В симметричных или умеренно асимметричных распределениях Q2/3. Так как на квартильное отклонение не влияют отклонения всех значений признака, то его использование следует ограничить случаями, когда определение среднего квадратического отклонения затруднительно или невозможно.

Среднее линейное отклонение () представляет собой среднюю величину из абсолютных отклонений вариантов признака от их средней. Его можно рассчитать по формуле средней арифметической, как невзвешенной, так и взвешенной, в зависимости от отсутствия или наличия частот в ряду распределения.

(6) - невзвешенное среднее линейное отклонение,

(7) - взвешенное среднее линейное отклонение.

Дисперсия () - средний квадрат отклонений индивидуальных значений признака от их средней величины. Дисперсия вычисляется по формулам простой невзвешенной и взвешенной.

(8) - невзвешенная,

(9) - взвешенная.

Среднее квадратическое отклонение () - наиболее распространенный показатель вариации, представляет собой квадратный корень из значения дисперсии.

Размах вариации, квартильное отклонение, среднее линейное и квадратическое отклонения - величины именованные, имеют размерность осредняемого признака.

Для целей сравнения колеблемости различных признаков в одной и той же совокупности или же при сравнении колеблемости одного и того же признака в нескольких совокупностях вычисляются относительные показатели вариации. Базой для сравнения служит средняя арифметическая. Чаще всего относительные показатели выражаются в процентах и характеризуют не только сравнительную оценку вариации, но и дают характеристику однородности совокупности.

Коэффициент осцилляции рассчитывается по формуле:

Относительное линейное отклонение (линейный коэффициент вариации):

(13) или (14)

Коэффициент вариации:

Наиболее часто применяемый в статистике показатель относительной колеблемости - коэффициент вариации. Его используют не только для сравнительной оценки вариации, но и как характеристику однородности совокупности. Совокупность считается однородной, если коэффициент вариации не превышает 33% (Ефимова М.Р., Рябцев В.М. Общая теория статистики: Учебник М.: Финансы и статистика, 1991 г., стр. 105).

Для получения приблизительного представления о форме распределения строят графики распределения (полигон и гистограмму).

В практике статистического исследования приходится встречаться с самыми различными распределениями. При изучении однородных совокупностей имеем дело, как правило, с одновершинными распределениями. Многовершинность свидетельствует о неоднородности изучаемой совокупности, появление двух и более вершин говорит о необходимости перегруппировки данных с целью выделения более однородных групп. Выяснение общего характера распределения предполагает оценку степени его однородности, а также вычисление показателей асимметрии и эксцесса. Симметричным является распределение, в котором частоты любых двух вариантов, равноотстоящих в обе стороны от центра распределения, равны между собой. Для симметричных распределений средняя арифметическая, мода и медиана равны между собой. В связи с этим простейший показатель асимметрии основан на соотношении показателей центра распределения: чем больше разница между средними, тем больше асимметрия ряда.

Для сравнительного анализа степени асимметрии нескольких распределений рассчитывают относительный показатель As:

Величина показателя As может быть положительной и отрицательной. Положительная величина показателя указывает на наличие правосторонней асимметрии (правая ветвь относительно максимальной ординаты вытянута больше, чем левая). При правосторонней асимметрии между показателями центра распределения существует соотношение: . Отрицательный знак показателя асимметрии свидетельствует о наличии левосторонней асимметрии (Рисунок 1). Между показателями центра распределения в этом случае имеется такое соотношение: .

Рисунок 1. Распределение: 1 - с правосторонней асимметрией; 2 - с левосторонней асимметрией.

Другой показатель, предложенный шведским математиком Линдбергом, рассчитывают по формуле:

где П - процент тех значений признака, которые превосходят по величине среднюю арифметическую.

Наиболее точным и распространенным является показатель, основанный на определении центрального момента третьего порядка (в симметричном распределении его величина равна нулю):

где - центральный момент третьего порядка:

(19) - для несгруппированных данных;

(20) - для сгруппированных данных.

у - среднеквадратическое отклонение.

Применение этого показателя дает возможность не только определить величину асимметрии, но и ответить на вопрос о наличии или отсутствии асимметрии в распределении признака в генеральной совокупности. Оценка степени существенности этого показателя дается с помощью средней квадратической ошибки, которая зависит от объема наблюдений n и рассчитывается по формуле:

Если отношение, асимметрия существенна, и распределение признака в генеральной совокупности не является симметричным. Если отношение, асимметрия несущественна, ее наличие может быть объяснено влиянием различных случайных обстоятельств.

Для симметричных распределений рассчитывается показатель эксцесса (островершинности). Линдбергом предложен следующий показатель для оценки эксцесса:

где П - доля (%) количества вариантов, лежащих в интервале, равном половине среднего квадратического отклонения в ту или другую сторону от средней арифметической.

Наиболее точным является показатель, использующий центральный момент четвертого порядка:

где - центральный момент четвертого момента;

(24) - для несгруппированных данных;

(25) - для сгруппированных данных.

На рисунке 2 представлены два распределения: одно - островершинное (величина эксцесса положительная), второе - плосковершинное (величина эксцесса отрицательная). Эксцесс представляет собой выпад вершины эмпирического распределения вверх или вниз от вершины кривой нормального распределения. В нормальном распределении отношение.

Рисунок 2. Распределение: 1,4 - нормальное; 2 - островершинное; 3 - плосковершинное

Средняя квадратическая ошибка эксцесса рассчитывается по формуле:

где n - число наблюдений.

Если, то эксцесс существенен, если, то несущественен.

Оценка существенности показателей асимметрии и эксцесса позволяет сделать вывод о том, можно ли отнести данное эмпирическое исследование к типу кривых нормального распределения.

Рассмотрим методику исчисления показателей вариации.

Таблица 1. Данные об объеме продаж валюты нескольких отделений Центробанка.

Определить средний объем продаж валюты по совокупности отделений, рассчитать абсолютные и относительные показатели вариации.

Рассчитаем размах вариации:

R = = 24,3 - 10,2 = 14,1 млн. руб.

вариация дисперсия осцилляция вариация асимметрия эксцесс

Для определения отклонений значений признака от средней и их квадратов строим вспомогательную таблицу:

Таблица 2. Расчетная таблица

Среднее значение находим по формуле средней арифметической простой:

Среднее линейное отклонение:

Дисперсия:

Коэффициент осцилляции:

Коэффициент вариации:

Для расчета показателей формы распределения строим вспомогательную таблицу:

Таблица 3. Расчетная таблица

Таблица 4. Данные о товарообороте предприятий одной из отраслей промышленности.

Определить средний объем товарооборота, структурные средние, абсолютные и относительные показатели вариации и насколько фактическое распределение согласуется с нормальным (по показателям формы распределения).

Для расчета показателей построим вспомогательную таблицу.

Таблица 5. Расчетная таблица

Размах вариации:

Среднее значение находим по формуле средней арифметической взвешенной:

В интервальных рядах распределения мода определяется по формуле:

В нашем случае мода будет равна:

В интервальном вариационном ряду медиана определяется по формуле:

В нашем случае медиана будет равна:

Квартильное отклонение:

где и - соответственно первая и третья квартили распределения.

Квартили определяются по формулам:

Среднее линейное отклонение:

Дисперсия:

Среднее квадратическое отклонение:

Рассчитаем относительные показатели вариации.

Коэффициент осцилляции:

Относительное линейное отклонение:

Относительный показатель квартильной вариации:

Коэффициент вариации:

Определим показатели формы распределения:

Формулировка выводов.

Сформулируем выводы по рассчитанным показателям вариации примера 2, в котором представлен интервальный ряд распределения предприятий по объему товарооборота, млн. руб.

Размах вариации свидетельствует о том, что разница между максимальным и минимальным значением составляет 40 млн. руб. Средний объем товарооборота - 30 млн. руб. Чаще всего встречающееся значение объема товарооборота в рассматриваемой совокупности предприятий - 31,4 млн. руб., причем 50% (40 предприятий) имеют объем товарооборота менее 30,5 млн. руб., а 50% свыше.

Квартильное отклонение, равное 5, свидетельствует об умеренной асимметрии распределения, так как в симметричных или умеренно асимметричных распределениях (в рассматриваемом примере).

Среднее линейное и среднее квадратическое отклонения показывают, на сколько в среднем колеблется величина признака у единиц исследуемой совокупности. Так, средняя величина колеблемости объема товарооборота предприятий отраслей промышленности составляет: по среднему линейному отклонению - 6,5 млн. руб. (абсолютное отклонение); по среднему квадратическому отклонению - 8,1 млн. руб. Квадрат отклонений индивидуальных значений признака от их средней величины равен 65.

Разница между крайними значениями признака на 33,3% превышает среднее значение (= 133,3%).

Относительное линейное отклонение (= 21,7%) и относительный показатель квартильной вариации (= 16,4%) характеризуют однородность исследуемой совокупности, что подтверждает рассчитанный коэффициент вариации, равный 27% (V =27% меньше 33%).

По рассчитанным показателям асимметрии и эксцесса можно сделать вывод, что распределение плосковершинно (Ex < 0) и наблюдается левосторонняя асимметрия (As < 0). Асимметрия и эксцесс являются несущественными.

Квадратный корень из дисперсии носит название среднего квадратического отклонения от средней, которое рассчитывается следующим образом:

Элементарное алгебраическое преобразование формулы среднего квадратического отклонения приводит ее к следующему виду:

Эта формула часто оказывается более удобной в практике расчетов.

Среднее квадратическое отклонение так же, как и среднее линейное отклонение, показывает, на сколько в среднем отклоняются конкретные значения признака от среднего их значения. Среднее квадратическое отклонение всегда больше среднего линейного отклонения. Между ними имеется такое соотношение:

Зная это соотношение, можно по известному показатели определить неизвестный, например, но (I рассчитать а и наоборот. Среднее квадратическое отклонение измеряет абсолютный размер колеблемости признака и выражается в тех же единицах измерения, что и значения признака (рублях, тоннах, годах и т.д.). Оно является абсолютной мерой вариации.

Для альтернативных признаков, например наличия или отсутствия высшего образования, страховки, формулы дисперсии и среднего квадратического отклонения такие:

Покажем расчет среднего квадратического отклонения по данным дискретного ряда, характеризующего распределение студентов одного из факультетов вуза по возрасту (табл. 6.2).

Таблица 6.2.

Результаты вспомогательных расчетов даны в графах 2-5 табл. 6.2.

Средний возраст студента, лет, определен по формуле средней арифметической взвешенной (графа 2):

Квадраты отклонения индивидуального возраста студента от среднего содержатся в графах 3-4, а произведения квадратов отклонений на соответствующие частоты - в графе 5.

Дисперсию возраста студентов, лет, найдем по формуле (6.2):

Тогда о = л/3,43 1,85 *ода, т.е. каждое конкретное значение возраста студента отклоняется от среднего значения на 1,85 года.

Коэффициент вариации

По своему абсолютному значению среднее квадратическое отклонение зависит не только от степени вариации признака, но и от абсолютных уровней вариантов и средней. Поэтому сравнивать средние квадратические отклонения вариационных рядов с различными средними уровнями непосредственно нельзя. Чтобы иметь возможность для такого сравнения, нужно найти удельный вес среднего отклонения (линейного или квадратического) в среднем арифметическом показателе, выраженном в процентах, т.е. рассчитать относительные показатели вариации.

Линейный коэффициент вариации вычисляют по формуле

Коэффициент вариации определяют по следующей формуле:

В коэффициентах вариации устраняется не только несопоставимость, связанная с различными единицами измерения изучаемого признака, но и несопоставимость, возникающая вследствие различий в величине средних арифметических. Кроме того, показатели вариации дают характеристику однородности совокупности. Совокупность считается однородной, если коэффициент вариации не превышает 33%.

По данным табл. 6.2 и полученным выше результатам расчетов определим коэффициент вариации, %, по формуле (6.3):

Если коэффициент вариации превышает 33%, то это свидетельствует о неоднородности изучаемой совокупности. Полученное в пашем случае значение говорит о том, что совокупность студентов по возрасту однородна по своему составу. Таким образом, важная функция обобщающих показателей вариации - оценка надежности средних. Чем меньше с1, а2 и V, тем однороднее полученная совокупность явлений и надежнее полученная средняя. Согласно рассматриваемому математической статистикой "правилу трех сигм" в нормально распределенных или близких к ним рядах отклонения от средней арифметической, не превосходящие ±3ст, встречаются в 997 случаях из 1000. Таким образом, зная х и а, можно получить общее первоначальное представление о вариационном ряде. Если, например, средняя заработная плата работника по фирме составила 25 000 руб., а а равна 100 руб., то с вероятностью, близкой к достоверности, можно утверждать, что заработная плата работников фирмы колеблется в пределах (25 000 ± ± 3 х 100) т.е. от 24 700 до 25 300 руб.

В этом же документе приводятся правила определения коэффициента вариации. Разработано несколько методик выявления НМЦК: нормативная, тарифная, проектно-сметная, затратная. Самым приоритетным считается метод сопоставимых рыночных цен. Именно его рекомендуется использовать при определении стартовой цены. Он предполагает сравнение коммерческих предложений, предоставляемых потенциальными поставщиками по запросу заказчика. Для проведения такого анализа и применяется коэффициент вариации. Он выражается в процентах. Под коэффициентом вариации понимается мера относительного разброса предлагаемых цен. Он показывает, какую долю занимает средний разброс цен от среднего значения цены. Этот показатель может принимать следующие значения:

Меньше 10%. В таком случае разница в ценах признается незначительной.
От 10% до 20%. Разброс считается средним.
От 20% до 33%.

Коэффициент вариации

Для проверки соответствия исследуемых значений закону нормального распределения применяют отношение показателя асимметрии к его ошибке и отношение показателя эксцесса к его ошибке. Показатель асимметрии Показатель асимметрии (A) и его ошибка (ma) рассчитывается по следующим формулам: , где А — показатель асимметрии, — среднеквадратическое отклонение,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге.

Показатель эксцесса Показатель эксцесса (E) и его ошибка (me) рассчитывается по следующим формулам: , где Е — показатель эксцесса, — среднеквадратическое отклонение,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге. Если А < 0, то больше данных с меньшими значениями, чем среднеарифметическое.
Если Е < 0, то данные сконцентрированы около среднеарифметического значения.

Инфо

X – отдельные значения, X̅– среднее арифметическое по выборке. Примечание. Для расчета дисперсии в Excel предусмотрена специальная функция.

Стоит отметить, что у такого расчета дисперсии есть недостаток – она получается смещенной, т.е. ее математическое ожидание не равно истинному значению дисперсии. Подробней об этом здесь. В то же время не все так плохо.
При увеличении объема выборки она все-таки приближается к своему теоретическому аналогу, т.е. является асимптотически не смещенной. Поэтому при работе с большими размерами выборок можно использовать формулу выше.
Язык знаков полезно перевести на язык слов. Получится, что дисперсия — это средний квадрат отклонений. То есть вначале рассчитывается среднее значение, затем берется разница между каждым исходным и средним значением, возводится в квадрат, складывается и затем делится на количество значений в данной совокупности.

Что характеризует коэффициент вариации

Для определения дисперсии нормального закона распределения ошибок в этом случае пользуются формулой: , где 2 — дисперсия,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге. Среднеквадратическое отклонение Среднеквадратическое отклонение показывает абсолютное отклонение измеренных значений от среднеарифметического.
В соответствии с формулой для меры точности линейной комбинации средняя квадратическая ошибка среднего арифметического определяется по формуле: , где — среднеквадратическое отклонение,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге. Коэффициент вариации Коэффициент вариации характеризует относительную меру отклонения измеренных значений от среднеарифметического: , где V — коэффициент вариации, — среднеквадратическое отклонение,a — среднее арифметическое.

Вариация (статистика)

Для полноты описания нужно понять, какой является разница между средним ростом каждого студента и средним значением. На первом этапе вычислим параметр дисперсии. Дисперсия в статистике (обозначается σ2 (сигма в квадрате)) – это отношение суммы квадратов разности среднего арифметического (μ) и значения члена ряда (Х) к числу всех членов совокупности (N).

В виде формулы это рассчитывается понятнее: Значения, которые мы получим в результате вычислений по этой формуле, мы будем представлять в виде квадрата величины (в нашем случае – квадратные сантиметры). Характеризовать рост в сантиметрах квадратными сантиметрами, согласитесь, нелепо. Поэтому мы можем исправить, точнее, упростить это выражение и получим среднеквадратичное отклонение формулу и расчёт, пример: Таким образом, мы получили величину стандартного отклонения (или среднего квадратичного отклонения) – квадратный корень из дисперсии.

Коэффициент вариации в статистике: примеры расчета

Разница между отдельным значением и средней отражает меру отклонения. В квадрат возводится для того, чтобы все отклонения стали исключительно положительными числами и чтобы избежать взаимоуничтожения положительных и отрицательных отклонений при их суммировании. Затем, имея квадраты отклонений, мы просто рассчитываем среднюю арифметическую. Средний – квадрат – отклонений. Отклонения возводятся в квадрат, и считается средняя.

Внимание

Разгадка заключается всего в трех словах. Однако в чистом виде, как, например, средняя арифметическая, или индекс, дисперсия не используется. Это скорее вспомогательный и промежуточный показатель, который необходим для других видов статистического анализа.

У нее даже единицы измерения нормальной нет. Судя по формуле, это квадрат единицы измерения исходных данных. Без бутылки, как говорится, не разберешься.

Статистические параметры

Было получено четыре коммерческих предложения цен: 2500 рублей, 2800 рублей, 2450 рублей и 2600 рублей. В первую очередь необходимо рассчитать среднеарифметическое значение цены Следующим шагом становится расчет среднеквадратичного отклонения Осталось только рассчитать коэффициент вариации Полученное значение коэффициента меньше 33%, следовательно, все собранные данные подходят для расчета стартовой цены контракта. Расчет НМЦК и коэффициента вариации оформляются в форме отчета, который становится обязательной частью закупочной документации. Коэффициент вариации – важный инструмент, позволяющий оценить правильность ценовых предложений, полученных от поставщиков. Поэтому при составлении документации заказчикам необходимо учитывать правила расчета этого показателя и особенности его применения.

Для чего нужен коэффициент вариации

Как доказать, что закономерность, полученная при изучении экспериментальных данных, не является результатом совпадения или ошибки экспериментатора, что она достоверна? С таким вопросом сталкиваются начинающие исследователи.Описательная статистика предоставляет инструменты для решения этих задач. Она имеет два больших раздела – описание данных и их сопоставление в группах или в ряду между собой. Оглавление:

Показатели описательной статистики
Среднее арифметическое
Стандартное отклонение
Коэффициент вариации
Расчёты в Microsoft Ecxel 2016

Показатели описательной статистики

Существует несколько показателей, которые использует описательная статистика.

Итак, представим, что перед нами стоит задача описать рост всех студентов в группе из десяти человек. Вооружившись линейкой и проведя измерения, мы получаем маленький ряд из десяти чисел (рост в сантиметрах):

168, 171, 175, 177, 179, 187, 174, 176, 179, 169.

Если внимательно посмотреть на этот линейный ряд, то можно обнаружить несколько закономерностей:

Ширина интервала, куда попадает рост всех студентов, – 18 см.
В распределении рост наиболее близок к середине этого интервала.
Встречаются и исключения, которые наиболее близко расположены к верхней или нижней границе интервала.

Совершенно очевидно, что для выполнения задачи по описанию роста студентов в группе нет необходимости приводить все значения, которые будут измеряться. Для этой цели достаточно привести всего два, которые в статистике называются параметрами распределения. Это среднеарифметическое и стандартное отклонение от среднего арифметического. Если обратиться к росту студентов, то формула будет выглядеть следующим образом:

Среднеарифметическое значение роста студентов = (Сумма всех значений роста студентов) / (Число студентов, участвовавших в измерении)

Если свести все к строгим математическим терминам, то определение среднего арифметического (обозначается греческой буквой – μ («мю»)) будет звучать так:

Среднее арифметическое – это отношение суммы всех значений одного признака для всех членов совокупности (X) к числу всех членов совокупности (N).

Если применить эту формулу к нашим измерениям, то получаем, что μ для роста студентов в группе 175,5 см.

Если присмотреться к росту студентов, который мы измерили в предыдущем примере, то понятно, что рост каждого на сколько-то отличается от вычисленного среднего (175,5 см). Для полноты описания нужно понять, какой является разница между средним ростом каждого студента и средним значением.

На первом этапе вычислим параметр дисперсии. Дисперсия в статистике (обозначается σ 2 (сигма в квадрате)) – это отношение суммы квадратов разности среднего арифметического (μ) и значения члена ряда (Х) к числу всех членов совокупности (N). В виде формулы это рассчитывается понятнее:

Значения, которые мы получим в результате вычислений по этой формуле, мы будем представлять в виде квадрата величины (в нашем случае – квадратные сантиметры). Характеризовать рост в сантиметрах квадратными сантиметрами, согласитесь, нелепо. Поэтому мы можем исправить, точнее, упростить это выражение и получим среднеквадратичное отклонение формулу и расчёт, пример:

Таким образом, мы получили величину стандартного отклонения (или среднего квадратичного отклонения) – квадратный корень из дисперсии. С единицами измерения тоже теперь все в порядке, можем посчитать стандартное отклонение для группы:

Получается, что наша группа студентов исчисляется по росту таким образом: 175,50±5,25 см.

Среднее квадратичное отклонение хорошо работает с рядами, в которых разброс значений не очень велик (это хорошо прослеживалось на примере роста, где интервал был всего 18 см). Если бы ряд наших измерений был значительнее, а варьирование роста было сильнее, то стандартное отклонение стало непоказательным и нам потребовался бы критерий, который может отразить разброс в относительных единицах (т. е. в процентах, относительно средней величины).

Для этих целей предусмотрены абсолютные и относительные показатели вариации в статистике, характеризующие вариационные масштабы:

Размах вариации.

Квадратический коэффициент вариации (обозначается как Vσ) – это отношение среднеквадратичного отклонения к среднеарифметическому значению, выраженное в процентах.

Для нашего примера со студентами, определить Vσ несложно - он будет равен 3,18%. Основная закономерность – чем больше будет изменяться значение коэффициента, тем больше разброс вокруг среднего значения и тем менее однородна выборка.

Преимущество коэффициента вариации в том, что он показывает однородность значений (асимметрия) в ряду наших измерений, кроме того, на него не оказывают влияния масштаб и единицы измерения. Эти факторы делают коэффициент вариации особенно популярным в биомедицинских исследованиях. Будет считаться , что эксцесс значения Vσ =33% отделяет однородные выборки от неоднородных.

Если найти в ряду значений роста (первый пример) максимальное и минимальное значения, то получим размах вариации (обозначается как R, иногда ещё называется колеблемостью). В нашем примере – это значение будет равно 18 см. Эта характеристика используется для расчёта коэффициента осцилляции:

Коэффициент осцилляции – показывает как размах вариации будет относиться к среднему арифметическому ряда в процентном отношении.

Расчёты в Microsoft Ecxel 2016

* — в таблице указан диапазон A1:A10 для примера, при расчётах нужно указать требуемый диапазон.

Итак, обобщим информацию :

Среднее арифметическое – это значение, позволяющее найти среднее значение показателя в ряду данных.
Дисперсия – это среднее значение отклонений возведенное в квадрат.
Стандартное отклонение (среднеквадратичное отклонение) – это корень квадратный из дисперсии, для приведения единиц измерения к одинаковым со среднеарифметическим.
Коэффициент вариации – значение отклонений от среднего, выраженное в относительных величинах (%).

Отдельно следует отметить, что все приведённые в статье показатели, как правило, не имеют собственного смысла и используются для того, чтобы составлять более сложную схему анализа данных. Исключение из этого правила — коэффициент вариации, который является мерой однородности данных.

Государство