Дисперсия - это измерение разброса между числами в наборе данных. Дисперсия показывает, насколько далеко каждое число в наборе от среднего значения.
Используя диаграмму набора данных, мы можем наблюдать, какова линейная зависимость различных точек данных или чисел. Мы делаем это, рисуя линию регрессии, которая пытается минимизировать расстояние любой отдельной точки данных от самой линии. На приведенном ниже графике точки данных - это синие точки, оранжевая линия - линия регрессии, а красные стрелки - расстояние от наблюдаемых данных и линии регрессии.
Изображение Джули Бэнг © Investopedia 2020
Когда мы рассчитываем дисперсию, мы спрашиваем, учитывая взаимосвязь всех этих точек данных, какое расстояние мы ожидаем от следующей точки данных? Это «расстояние» называется ошибочным термином, и именно оно измеряет дисперсию.
Сама по себе дисперсия не часто полезна, поскольку в ней нет единицы измерения, что затрудняет ее измерение и сравнение. Тем не менее, квадратный корень дисперсии является стандартным отклонением, и это практично как измерение.
Расчет дисперсии в Excel
Рассчитать дисперсию в Excel легко, если у вас уже есть набор данных, введенный в программное обеспечение. В приведенном ниже примере мы рассчитаем дисперсию ежедневной доходности за 20 дней в очень популярном биржевом фонде (ETF) SPY, который инвестирует в S & P 500.
- Формула = VAR.S (выберите данные)
Причина, по которой вы хотите использовать VAR.S, а не VAR.P (что является другой предлагаемой формулой), заключается в том, что часто у вас нет всей совокупности данных для измерения. Например, если бы в нашей таблице были все возвраты в истории SPY ETF, мы могли бы использовать измерение населения VAR.P, но, поскольку мы измеряем только последние 20 дней, чтобы проиллюстрировать концепцию, мы будем использовать VAR.S.
Как видите, рассчитанное значение дисперсии.000018674 само по себе мало что говорит о наборе данных. Если бы мы пошли к квадратному корню, чтобы получить стандартное отклонение доходности, это было бы более полезно.
