If you take the sum of squares and

If you take the sum of squares and divide it by the number of observations (n), you are computing the average squared deviation from the mean. As observations get more and more spread out, they get farther from the mean, and the average squared deviate gets larger. This average squared deviate, or sum of squares divided by n, is the parametric variance. You can only calculate the parametric variance of a population if you have observations for every member of a population, which is almost never the case. I can't think of a good biological example where using the parametric variance would be appropriate; I only mention it because there's a spreadsheet function for it that you should never use, VARP(Ys).

ผลลัพธ์ (ไทย) 1:

ถ้าคุณใช้ผลรวมของช่องสี่เหลี่ยม และหาร ด้วยจำนวนการสังเกต (n), คุณจะคำนวณความเบี่ยงเบนกำลังสองเฉลี่ยจากค่าเฉลี่ย สังเกตได้กระจายมาก ขึ้น พวกเขาได้รับให้ห่างจากมากหมายถึง และการเบี่ยงเบนกำลังสองเฉลี่ยมีขนาดใหญ่ นี้เฉลี่ยเบี่ยงเบนยกกำลังสอง หรือผลรวมกำลังสองหาร ด้วย n เป็นความแปรปรวนแบบพาราเมตริก นอกจากนี้คุณเท่านั้นสามารถคำนวณค่าความแปรปรวนแบบพาราเมตริกของประชากรหากคุณมีข้อสังเกตสำหรับทุกสมาชิกของประชากร เกือบไม่เคยเช่น ผมไม่คิดว่า ของตัวอย่างทางชีวภาพที่ดีที่ใช้ค่าความแปรปรวนแบบพาราเมตริกจะเหมาะสม เพียงระบุไว้เนื่องจากมีฟังก์ชั่นกระดาษมันที่คุณไม่ควรใช้ VARP(Ys)

ผลลัพธ์ (ไทย) 2:

ถ้าคุณใช้ผลรวมของสี่เหลี่ยมและหารด้วยจำนวนการสังเกต (N) คุณจะได้รับการคำนวณค่าเฉลี่ยส่วนเบี่ยงเบน squared จากค่าเฉลี่ย ในฐานะที่เป็นข้อสังเกตที่ได้รับมากขึ้นและแพร่กระจายมากขึ้นจากพวกเขาได้รับไกลออกไปจากค่าเฉลี่ยและเบี่ยงเบน Squared เฉลี่ยขนาดใหญ่ได้รับ เฉลี่ยนี้ยืดเบี่ยงเบนหรือผลรวมของช่องสี่เหลี่ยมหารด้วย n เป็นแปรปรวนพารา คุณสามารถคำนวณความแปรปรวนของประชากรพาราถ้าคุณมีข้อสังเกตของสมาชิกของประชากรทุกซึ่งเกือบจะไม่เคยกรณี ฉันไม่สามารถคิดว่าเป็นตัวอย่างที่ดีที่ทางชีวภาพโดยใช้ความแปรปรวนพาราจะเหมาะสม; ฉันเท่านั้นที่พูดถึงมันเพราะมีฟังก์ชั่นสเปรดชีทสำหรับว่าที่คุณไม่ควรใช้ VARP (อีส)