变异系数(Coefficient of Variation):当需要比较两组数据离散程度大小的时候,如果两组数据的测量尺度相差太大,或者数据量纲的不同,直接使用标准差来进行比较不合适,此时就应当消除测量尺度和量纲的影响,而变异系数可以做到这一点,它是原始数据标准差与原始数据平均数的比。CV没有量纲,这样就可以进行客观比较了。事实上,可以认为变异系数和极差、标准差和方差一样,都是反映数据离散程度的绝对值。其数据大小不仅受变量值离散程度的影响,而且还受变量值平均水平大小的影响。
变异系数法是一种客观赋权的方法,是直接利用各项指标所包含的信息,通过计算从而得到的各个指标的权重系数值。基本步骤为:评价指标体系中指标取值差异越大的指标,即越难以实现的指标,这类指标应该更能反映被评价对象的差距,所以其权重就越大。当评价指标体系中的各项指标的量纲不同时,不应直接比较其差别程度。应该先消除各项评价指标的量纲不同的影响,即用各项指标的变异系数来衡量各个指标取值的差异程度1。
变异系数
Coefficient of Variation
数学
计数方法
离散系数
概率分布离散程度的归一化量度
定义
1、在概率论和统计学中,变异系数,又称“离散系数”(英文:coefficient of variation),是概率分布离散程度的一个归一化量度,其定义为标准差与平均值之比:
2、变异系数(coefficient of variation)只在平均值不为零时有定义,而且一般适用于平均值大于零的情况。
3、变异系数也被称为标准离差率或单位风险。
4、变异系数只对由比率标量计算出来的数值有意义。
5、举例来说,对于一个气温的分布,使用开尔文或摄氏度来计算的话并不会改变标准差的值,但是温度的平均值会改变,因此使用不同的温标的话得出的变异系数是不同的。也就是说,使用区间标量得到的变异系数是没有意义的。
基本含义
1、一般来说,变量值平均水平高,其离散程度的测度值越大,反之越小。
2、变异系数是衡量资料中各观测值变异程度的另一个统计量。
3、当进行两个或多个资料变异程度的比较时,如果度量单位与平均数相同,可以直接利用标准差来比较。
4、如果单位和(或)平均数不同时,比较其变异程度就不能采用标准差,而需采用标准差与平均数的比值(相对值)来比较。
5、标准差与平均数的比值称为变异系数,记为C·V。变异系数可以消除单位和(或)平均数不同对两个或多个资料变异程度比较的影响。
6、变异系数的计算公式为:变异系数 C·V =( 标准偏差 SD / 平均值Mean )× 100%
7、在进行数据统计分析时,如果变异系数大于15%,则要考虑该数据可能不正常,应该剔除。
举例
已知某良种猪场长白成年母猪平均体重为190kg,标准差为10.5kg,而大约克成年母猪平均体重为196kg,标准差为8.5kg,试问两个品种的成年母猪,哪一个体重变异程度大。
此例观测值虽然都是体重,单位相同,但它们的平均数不相同,只能用变异系数来比较其变异程度的大小。
由于,长白成年母猪体重的变异系数:C.V = 10.5 / 190 * 100% = 5.53%
大约克成年母猪体重的变异系数:C.V = 8.5 / 196 * 100% = 4.34%
所以,长白成年母猪体重的变异程度大于大约克成年母猪。
注意,变异系数的大小,同时受平均数和标准差两个统计量的影响,因而在利用变异系数表示资料的变异程度时,最好将平均数和标准差也列出。
公式
(标准偏差SD、平均值MN)
优缺点
优点
1、比起标准差来,变异系数的好处是不需要参照数据的平均值。
2、变异系数是一个无量纲量,因此在比较两组量纲不同或均值不同的数据时,应该用变异系数而不是标准差来作为比较的参考。
缺陷
1、当平均值接近于0的时候,微小的扰动也会对变异系数产生巨大影响,因此造成精确度不足。
2、变异系数无法发展出类似于均值的置信区间的工具。
应用
1、变异系数在概率论的许多分支中都有应用,比如说在更新理论、排队理论和可靠性理论中。在这些理论中,指数分布通常比正态分布更为常见。
2、由于指数分布的标准差等于其平均值,所以它的变异系数等于一。
3、变异系数小于一的分布,比如爱尔朗分布称为低差别的,而变异系数大于一的分布,如超指数分布则被称为高差别的。
声明:本文部分文字与图片资源来自于网络,转载此文是出于传递更多信息之目的,若有来源标注错误或侵犯了您的合法权益,请立即【留言反馈】通知我们,情况属实,我们会第一时间予以删除,并同时向您表示歉意本文作者为白京,转载请注明。