W matematyce reguła empiryczna mówi, że w normalnym zbiorze danych praktycznie każda część danych mieści się w zakresie trzech odchyleń standardowych Odchylenie standardowe Ze statystycznego punktu widzenia odchylenie standardowe zbioru danych jest miarą wielkości odchyleń między wartościami obserwacji zawartych w średniej. Średnia jest średnią wszystkich liczb w zestawie.
Reguła empiryczna jest również określana jako Reguła Three Sigma lub Reguła 68-95-99.7, ponieważ:
- W ramach pierwszego odchylenia standardowego od średniej spoczywa 68% wszystkich danych
- 95% wszystkich danych będzie się mieścić w dwóch odchyleniach standardowych
- Prawie wszystkie dane - 99,7% - mieszczą się w trzech odchyleniach standardowych (0,3%, które pozostaje, jest wykorzystywane do uwzględnienia wartości odstających, które występują w prawie każdym zbiorze danych)
Normalna dystrybucja
Reguła empiryczna powstała, ponieważ ten sam kształt krzywych rozkładu wciąż pojawiał się statystykom. Reguła empiryczna dotyczy rozkładu normalnego. W rozkładzie normalnym praktycznie wszystkie dane mieszczą się w granicach trzech standardowych odchyleń średniej. Średnia Średnia Średnia jest podstawowym pojęciem w matematyce i statystyce. Ogólnie rzecz biorąc, średnia odnosi się do średniej lub najczęstszej wartości w zbiorze, mod i mediana są równe.
- Średnia jest średnią wszystkich liczb w zbiorze danych.
- Tryb to liczba, która najczęściej powtarza się w zestawie danych.
- Mediana to wartość różnicy między najwyższą i najniższą liczbą w zestawie.
Oznacza to, że średnia, tryb i mediana Mediana Mediana jest miarą statystyczną określającą środkową wartość zbioru danych w kolejności rosnącej (tj. Od najmniejszej do największej wartości). Mediana powinna w całości znajdować się w środku zbioru danych. Połowa danych powinna znajdować się na wyższym końcu zestawu, a druga połowa poniżej.
Określanie odchylenia standardowego
Reguła empiryczna jest szczególnie przydatna do prognozowania wyników w ramach zbioru danych. Najpierw należy obliczyć odchylenie standardowe. Wzór jest podany poniżej:
Skomplikowany wzór powyżej rozkłada się w następujący sposób:
- Określ średnią ze zbioru danych, która jest sumą zbioru danych podzieloną przez liczbę liczb.
- Dla każdej liczby w zestawie odejmij średnią, a następnie wyrównaj wynikową liczbę do kwadratu.
- Używając kwadratów wartości, określ średnią dla każdego.
- Znajdź pierwiastek kwadratowy ze średnich obliczonych w kroku 3.
Jest to odchylenie standardowe między trzema pierwotnymi wartościami procentowymi rozkładu normalnego, w ramach których powinna znajdować się większość danych w zestawie, z wyłączeniem niewielkiego odsetka wartości odstających.
Korzystanie z reguły empirycznej
Jak wspomniano powyżej, reguła empiryczna jest szczególnie przydatna do prognozowania wyników w ramach zbioru danych. Statystycznie, po ustaleniu odchylenia standardowego, zbiór danych można łatwo poddać empirycznej zasadzie, pokazującej, gdzie w rozkładzie znajdują się dane.
Prognozowanie Prognozowanie odnosi się do praktyki przewidywania tego, co wydarzy się w przyszłości, z uwzględnieniem wydarzeń w przeszłości i teraźniejszości. Zasadniczo jest to narzędzie do podejmowania decyzji, które pomaga firmom radzić sobie z wpływem niepewności przyszłości poprzez badanie danych historycznych i trendów. jest możliwe, ponieważ nawet bez znajomości wszystkich szczegółów danych, można prognozować, gdzie dane znajdą się w zestawie, w oparciu o 68%, 95% i 99,7%, wskazując, gdzie powinny spoczywać wszystkie dane.
W większości przypadków reguła empiryczna służy przede wszystkim do określania wyników, gdy nie wszystkie dane są dostępne. Umożliwia statystykom - lub badającym dane - uzyskanie wglądu w to, gdzie dane będą spadać, gdy wszystkie będą dostępne. Reguła empiryczna pomaga również sprawdzić, jak normalny jest zestaw danych. Jeśli dane nie są zgodne z regułą empiryczną, to nie jest to rozkład normalny i należy je odpowiednio obliczyć.
Powiązane odczyty
Finance jest oficjalnym dostawcą globalnego programu Financial Modeling & Valuation Analyst (FMVA) ™ Certyfikat FMVA® Dołącz do ponad 350 600 studentów, którzy pracują dla firm takich jak Amazon, JP Morgan i Ferrari, program certyfikacji, który ma pomóc każdemu zostać światowej klasy analitykiem finansowym . Aby kontynuować naukę i rozwijać swoją karierę, przydatne będą poniższe dodatkowe zasoby finansowe:
- Tendencja centralna Tendencja centralna Tendencja centralna to opisowe podsumowanie zbioru danych za pomocą pojedynczej wartości, która odzwierciedla środek rozkładu danych. Wraz ze zmiennością
- Dane nominalne Dane nominalne W statystykach dane nominalne (znane również jako skala nominalna) to typ danych, który jest używany do oznaczania zmiennych bez podawania wartości ilościowej
- Testy nieparametryczne Testy nieparametryczne W statystyce testy nieparametryczne to metody analizy statystycznej, które nie wymagają rozkładu, aby spełnić wymagane założenia do analizy
- Zmienność Zmienność Zmienność jest miarą wskaźnika wahań ceny papieru wartościowego w czasie. Wskazuje poziom ryzyka związanego ze zmianami ceny papieru wartościowego. Inwestorzy i handlowcy obliczają zmienność papieru wartościowego, aby ocenić zmiany cen w przeszłości
