معیارهای گرایش به مرکز و‌ معیارهای پراکندگی

ش

انسان ها همیشه میل به ساده سازی دارند و این تمایل در جنبه های مختلف زندگی و حوزه ها و علوم مختلف خود را نشان می دهد. یکی از نمودهای این موضوع این است که وقتی با مجموعه ای از اشیا یا افراد یا موجودیت ها مواجه هستیم دوست داریم یک یا چند نماینده محدود از آنها را انتخاب نماییم. این تمایل به ساده سازی و کاستن از کثرت و پیچیدگی ها در ابعاد مختلف زندگی روزمره و اجتماعی انسان ها خود را نشان میدهد، به عنوان مثال:

  • مردم یک شهر یک یا چند نماینده را برای شهر چند هزار یا چند میلیون نفری خود برای حضور در مجلس و قانون گذاری انتخاب می نمایند.
  • یک کلاس یک نماینده یا مبصر را برای خود انتخاب می نماید.
  • صدها نفر از کارگران یک کارخانه سه نفر را از بین خود به عنوان نماینده برای بیان مشکلات و پیگیری خواسته ها و انتظارات و مذاکره با مسوولین کارخانه انتخاب می نمایند.

در رابطه با آمار و علم داده هم وقتی با مجموعه ای از داده ها سر و کار داریم دوست داریم ساده سازی نموده و به جای سر و کله زدن با این مجموعه یک یا چند نماینده از آنها انتخاب نموده و بر اساس آنها در رابطه با ویژگی های آن جامعه بتوانیم به صورت کمی، کیفی یا مقایسه ای اظهار نظر نماییم. در اینجاست که معیارهای گرایش به مرکز مانند «میانگین»، «میانه»، «مد یا نما» و معیارهای پراکندگی مانند «واریانس» و «انحراف معیار» خود را نشان می دهند. تمامی این معیارها برای ساده سازی و ارایه چند نماینده از کل مجموعه داده های در دست تعریف شده اند که در مقالاتی به آنها به صورت جداگانه در «نگرش هوشمند» پرداخته شده است.

رای دادن به این post

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.