통계 계산을 복잡하게 만들 수 있습니다. 통계 계산을 할 때 고려해야 할 수단과 평균이 아니라 '가중치'된 수단과 고려해야 할 차이입니다. 가중 분산은 계산을 할 때 더 많은 데이터를 고려하여 가능한 가장 정확한 결과를 얻을 수 있도록 도와줍니다.
가중 분산 이해
대부분의 통계 분석 연습에서 각 데이터 포인트는 동일한 가중치를 전달합니다. 그러나 일부 데이터 포인트는 일부 데이터 포인트가 다른 데이터 포인트보다 더 많은 가중치를 갖는 데이터 세트를 포함합니다. 이러한 가중치는 트랜잭션의 수, 달러 금액 또는 빈도와 같은 다양한 요소로 인해 달라질 수 있습니다. 가중 평균은 관리자가 데이터 세트에 대한 정확한 평균을 계산할 수있게 해주지 만 가중 분산은 데이터 포인트 사이의 확산을 근사치로 나타냅니다.
가중 평균 계산 방법
가중 평균은 가중치 데이터 포인트의 평균을 측정합니다. 관리자는 가중치가 적용된 데이터의 합계를 취하여 해당 가중치로 나누어 가중 평균을 구할 수 있습니다. 세 개의 데이터 요소가있는 가중치가 적용된 데이터의 경우 가중 평균 수식은 다음과 같습니다.
(W1)(디1) + (W2)(디2) + (W3)(디3) / (W1+ W2+ W3)
여기서 W나는 = 데이터 포인트 i 및 D에 대한 가중치나는 = 데이터 포인트 i의 양
예를 들어, Generic Games는 $ 30마다 400 개의 축구 게임, $ 20마다 450 개의 야구 게임, $ 15마다 600 개의 농구 게임을 판매합니다. 게임 당 달러의 가중 평균은 다음과 같습니다.
(400 × 30) + (450 × 20) + (600 × 15) / 400 + 500 + 600 =
12000 + 9000 + 9000/1500
= 30000/1500 = 게임 당 $ 20.
사각형의 가중치를 계산하는 방법
제곱의 합계는 각 데이터 요소와 평균 사이의 차이를 사용하여 해당 데이터 요소와 평균 사이의 스프레드를 나타냅니다. 데이터 요소와 평균 사이의 각 차이는 양수 값을 제공하기 위해 제곱됩니다. 사각형의 가중치 합계는 가중치 데이터 포인트와 가중치 평균 사이의 스프레드를 보여줍니다. 3 개의 데이터 포인트에 대한 가중치 제곱합 공식은 다음과 같습니다.
(W1)(디1-디엠)2 + (W2)(디2 -디엠)2 + (W3)(디3 -디엠)2
여기서 D엠 가중 평균입니다.
위의 예에서 제곱의 가중 합은 다음과 같습니다.
400(30-20)2 + 450(20-20)2 + 600 (15-20)2
= 400(10)2 + 450(0)2 + 600(-5)2
= 400(100) + 450(0) + 600(25)
= 400,000 + 0 + 15,000 = 415,000
가중 분산을 계산하는 방법
그만큼 가중 분산 그 제곱의 가중 합을 취하여 가중치의 합으로 나눔으로써 발견됩니다. 3 개의 데이터 포인트에 대한 가중 분산의 공식은 다음과 같습니다.
(W1)(디1-디엠)2 + (W2)(디2 -디엠)2 + (W3)(디3 -디엠)2 / (W1+ W2+ W3)
일반 게임 예에서 가중치 분산은 다음과 같습니다.
400(30-20)2 + 450(20-20)2 + 600 (15-20)2 / 400+500+600
= 415,000/1,500 = 276.667
이 모든 것이 너무 복잡해 보인다면 계산기 또는 스프레드 시트를 사용하여 가중 분산을 계산할 수 있습니다. 가중치 분산에 대한 계산은 비즈니스의 특정 측면에 대한보다 정확한 그림을 얻는 데 도움이 될 수 있습니다. 판매 파이프 라인을 강화하고 투자를 다각화하며 비즈니스의 어느 부분이 이익을 더 많이 창출하는지 파악하는 데 사용될 수 있습니다.
