Kalkulator Standar Deviasi
Hitung rata-rata, varians, standar deviasi, median, dan modus. Mendukung rumus populasi dan sampel.
Tentang alat ini
Deviasi standar mengukur seberapa tersebar data Anda dari rata-rata, menjadikannya salah satu konsep paling penting dalam statistik. Sementara rata-rata memberi tahu Anda kecenderungan pusat, deviasi standar mengungkapkan variabilitas—seberapa banyak nilai individual biasanya menyimpang dari pusat itu. Metrik ini sangat penting untuk memahami konsistensi data, mengidentifikasi risiko dalam portofolio keuangan, menilai presisi pengukuran dalam pengendalian kualitas dan penelitian ilmiah.
Untuk menggunakan kalkulator, cukup masukkan nilai data Anda (dipisahkan dengan koma atau jeda baris). Pilih apakah Anda menganalisis populasi lengkap atau sampel dari populasi yang lebih besar—ini mengubah formula karena sampel cenderung menunjukkan variasi kurang dari populasi lengkap. Alat ini langsung menghitung rata-rata, varians, deviasi standar, median, dan modus, memberikan Anda gambaran statistik lengkap. Ini sangat berharga bagi peneliti yang memvalidasi hasil eksperimental, bisnis yang memantau konsistensi, pendidik yang menilai penilaian, dan analis yang menafsirkan kumpulan data dunia nyata.
Memahami perbedaan antara deviasi standar populasi dan sampel adalah kunci: deviasi standar populasi dibagi N, sementara deviasi standar sampel dibagi N-1 (koreksi Bessel) untuk memperhitungkan bias pengambilan sampel. Kalkulator juga menampilkan median dan modus, yang bersama dengan rata-rata memberikan pandangan yang kuat tentang bentuk dan lokasi pusat data Anda. Baik Anda menganalisis pengukuran ilmiah, membandingkan kualitas produk antar batch, atau mempelajari variasi dalam skor tes, alat ini mengubah angka mentah menjadi wawasan statistik yang bermakna.
Pertanyaan yang Sering Diajukan
Implementasi Kode
import statistics
def full_stats(data, population=True):
"""Calculate comprehensive statistics for a dataset."""
n = len(data)
total = sum(data)
mean = total / n
if population:
variance = sum((x - mean) ** 2 for x in data) / n
else:
variance = sum((x - mean) ** 2 for x in data) / (n - 1)
std_dev = variance ** 0.5
sorted_data = sorted(data)
mid = n // 2
median = (sorted_data[mid - 1] + sorted_data[mid]) / 2 if n % 2 == 0 else sorted_data[mid]
# Mode
from collections import Counter
freq = Counter(data)
max_freq = max(freq.values())
mode = [k for k, v in freq.items() if v == max_freq] if max_freq > 1 else []
cv = (std_dev / abs(mean)) * 100 if mean != 0 else 0
return {
"count": n, "sum": total, "mean": mean,
"variance": variance, "std_dev": std_dev,
"min": sorted_data[0], "max": sorted_data[-1],
"range": sorted_data[-1] - sorted_data[0],
"median": median, "mode": mode,
"cv_pct": cv,
}
data = [4, 8, 15, 16, 23, 42]
result = full_stats(data, population=True)
for k, v in result.items():
print(f"{k:12}: {v}")Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.