Standart Sapma, Varyans ve Ortalama Hesaplayıcı

Girilen veri dizisinin aritmetik ortalamasını, medyanını, modunu, açıklığını, varyansını ve standart sapmasını (örneklem/popülasyon) hesaplayın.

Ondalık sayılar için nokta (örn. 12.5) kullanabilirsiniz. Sayılar noktalı virgül, virgül veya boşlukla ayrılabilir.

Aritmetik Ortalama (μ / x̄)
18
Örneklem Std. Sapma (s)
5,2372
Popülasyon Std. Sapma (σ)
4,8990
Eleman Sayısı (N)
8
Toplam (Σx)
144
Medyan (Ortanca)
18,5
Mod (Tepe Değer)
23
Örneklem Varyansı (s²)
27,4286
Popülasyon Varyansı (σ²)
24
Min / Maks / Açıklık
10 / 23 (R: 13)
Geometrik Ortalama
17,2104
Adım Adım Hesaplama Özeti
Küçükten Büyüğe Sıralı Dizi:
Kareli Sapmalar Toplamı Σ(xᵢ - x̄)²:
Metodoloji ve Yerel Veri Güvenliği: Akademik ortalama, sınav puanı, istatistik ve matematiksel matris çözümleri ÖSYM/YÖK kılavuzları ve standart akademik formüller doğrultusunda simülasyon amacıyla sunulmaktadır. Hesaplama standartlarımız için Hakkımızda & Metodoloji ve Kullanım Şartları sayfalarımızı inceleyebilirsiniz.

Standart Sapma, Varyans, Aritmetik Ortalama ve Medyan Hesaplama (Örneklem & Popülasyon)

Betimsel istatistikte (Descriptive Statistics), veri bilimi projelerinde, akademik tez araştırmalarında (SPSS/R analizleri), finansal portföy risk (volatilite) ölçümlerinde ve ÖSYM/üniversite çan eğrisi (bağıl değerlendirme) sistemlerinde bir veri dizisini özetlemek için iki temel parametre grubu kullanılır: Merkezi Eğilim Ölçüleri (Ortalama, Medyan, Mod) ve Merkezi Dağılım / Yayılım Ölçüleri (Varyans, Standart Sapma, Açıklık).

İki farklı sınıfın sınav ortalaması aynı (örneğin 60 puan) olabilir; ancak birinci sınıfta notlar $55, 58, 60, 62, 65$ şeklinde ortalamanın etrafında homojen toplanmışken, ikinci sınıfta $10, 20, 60, 100, 100$ şeklinde uçlara dağılmış (heterojen) olabilir. İşte verilerin aritmetik ortalamadan ne kadar uzaklaştığını (yayıldığını) ölçen kareli ortalamaya Varyans ($\sigma^2$ veya $s^2$), varyansın kareköküne ise veriyle aynı birime sahip olan Standart Sapma ($\sigma$ veya $s$) denir.

Popülasyon (Ana Kütle) ve Örneklem İstatistiksel Formüller Tablosu

İstatistiksel Metrik Sembol Matematiksel Formül Analitik Anlamı ve Kullanım Amacı
Aritmetik Ortalama $\mu$ veya $\bar{x}$ $\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i$ Veri setinin ağırlık merkezi; uç değerlerden (outlier) etkilenir.
Popülasyon Varyansı $\sigma^2$ $\sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i - \mu)^2$ Grubun tamamı (ana kütle) biliniyorsa $N$'e bölünür.
Örneklem Varyansı $s^2$ $s^2 = \frac{1}{n - 1} \sum_{i=1}^{n} (x_i - \bar{x})^2$ Büyük kütleden seçilen örneklemde Bessel düzeltmesiyle $(n-1)$'e bölünür.
Popülasyon Standart Sapması $\sigma$ $\sigma = \sqrt{\sigma^2}$ Ana kütledeki birimlerin ortalamaya olan standart uzaklığı.
Örneklem Standart Sapması $s$ $s = \sqrt{s^2}$ Akademik araştırmalarda ve deneylerde kullanılan yansız standart sapma.
Değişim Katsayısı (CV) $CV$ $CV = (\frac{s}{\bar{x}}) \times 100$ Farklı ortalamalara sahip iki grubun bağıl değişkenliğini (%) karşılaştırır.

Örneklem Hesabında Neden $N$ Yerine $(n - 1)$ Kullanılır? (Bessel Düzeltmesi)

İstatistikteki en kritik ayrım Popülasyon ($\sigma$) ile Örneklem ($s$) farkıdır. Eğer bir sınıftaki 30 öğrencinin tamamının notlarını inceliyorsanız bu bir popülasyondur ve kareler toplamı $N = 30$'a bölünür. Ancak Türkiye'deki tüm üniversite öğrencilerini temsilen 30 kişilik bir anket grubu seçtiyseniz bu bir örneklemdir. Örneklem ortalaması $\bar{x}$, gerçek popülasyon ortalaması $\mu$'ye göre kendi verilerine her zaman biraz daha yakındır. Bu sapmayı (yanlılığı) telafi etmek için Friedrich Bessel tarafından geliştirilen Serbestlik Derecesi ($df = n - 1$) kuralı uygulanır ve toplam $(n - 1)$'e bölünür.

Somut Örnek Hesaplama Senaryosu

Bir laboratuvar deneyinde ölçülen 5 veri noktasının ($x = \{12, 15, 18, 21, 24\}$) istatistiksel parametrelerini adım adım hesaplayalım:

  • Veri Sayısı ($n$) ve Toplam: $n = 5$, Toplam $= 12 + 15 + 18 + 21 + 24 = \mathbf{90}$.
  • Aritmetik Ortalama ($\bar{x}$) ve Medyan: $\bar{x} = 90 / 5 = \mathbf{18,00}$. Küçükten büyüğe dizildiğinde ortanca terim (Medyan) = 18. Açıklık (Range) $= 24 - 12 = \mathbf{12}$.
  • Ortalamadan Farkların Kareleri Toplamı: $(12-18)^2 + (15-18)^2 + (18-18)^2 + (21-18)^2 + (24-18)^2 = (-6)^2 + (-3)^2 + 0^2 + 3^2 + 6^2 = 36 + 9 + 0 + 9 + 36 = \mathbf{90}$.
  • Popülasyon Varyansı ve Standart Sapması ($\div N$): $\sigma^2 = 90 / 5 = \mathbf{18,00} \implies \sigma = \sqrt{18} \approx \mathbf{4,2426}$.
  • Örneklem Varyansı ve Standart Sapması ($\div (n-1)$): $s^2 = 90 / (5 - 1) = 90 / 4 = \mathbf{22,50} \implies s = \sqrt{22,50} \approx \mathbf{4,7434}$.

Sık Yapılan Hatalar ve Çarpık Dağılımlarda Medyan Kullanımı

Gelir dağılımı veya konut fiyatları gibi aşırı uç değerler (outliers) içeren veri setlerinde yalnızca aritmetik ortalamaya bakmak yanıltıcıdır. Örneğin maaşları 30.000 TL olan 9 çalışan bulunan bir odaya aylık geliri 1.000.000 TL olan şirket sahibi girdiğinde, odadaki ortalama gelir bir anda 127.000 TL'ye fırlar; oysa odanın Medyan (Ortanca) geliri hala 30.000 TL'dir. Standart sapmanın ortalamaya göre çok yüksek çıktığı durumlarda merkezi eğilim ölçüsü olarak mutlaka medyan raporlanmalıdır.

Sıkça Sorulan Sorular

Standart Sapma, Varyans ve Ortalama Hesaplayıcı hakkında merak edilenler

Standart sapmanın 0'a yakın (düşük) çıkması, verilerin aritmetik ortalamanın etrafında birbirine çok yakın ve istikrarlı (homojen) kümelendiğini gösterir. Yüksek çıkması ise veriler arasında uçurumlar olduğunu ve riskin/heterojenliğin yüksek olduğunu ifade eder.
Tümünü Gör →