Lakhasly

من مقارنة الانحراف المعياري للعينتين يتبين أن قيمة الانحراف المعياري للعينة الأولى أصغر مما يعني أن العينة أكثر تجانسا وانتظاما في مطرها. فكلما قلت قيمة الانحراف المعياري زاد التجانس في العينة، مما تقدم يتبين أن استخدام المتوسط الحسابي للعينة الأولى في عمل تنبؤات مستقبلية بخصوص المطر سيوصلنا إلى نتائج أفضل وأقرب من الواقع وهامش الخطأ بها صغيرا مقارنة بالنتائج الممكن الحصول عليها باستخدام متوسط العينة الثانية لعدة أسباب وهي: أما مفردات العينة الثانية فكلها ما عدا واحدة أصغر من المتوسط الحسابي للعينة مما يدل على عدم التجانس في توزيع مفردات العينة. 2- المدى في العينة الأولى أصغر وكما هو معروف أن العلاقة عكسية بين المدى والتجانس. 3- الانحراف المعياري للعينة الأولى أصغر لذلك فالعينة الأولى أكثر تجانسا، على اعتبار أن:

من مقارنة الانحراف المعياري للعينتين يتبين أن قيمة الانحراف المعياري للعينة الأولى أصغر مما يعني أن العينة أكثر تجانسا وانتظاما في مطرها. فالعلاقة دائما عكسية بين حجم الانحراف المعياري والتجانس، فكلما قلت قيمة الانحراف المعياري زاد التجانس في العينة، وبالعكس يقل التجانس مع زيادة حجم الانحراف المعياري.
مما تقدم يتبين أن استخدام المتوسط الحسابي للعينة الأولى في عمل تنبؤات مستقبلية بخصوص المطر سيوصلنا إلى نتائج أفضل وأقرب من الواقع وهامش الخطأ بها صغيرا مقارنة بالنتائج الممكن الحصول عليها باستخدام متوسط العينة الثانية لعدة أسباب وهي:
1- مفردات العينة الأولى قريبة من المتوسط ومنتشرة حوله بانتظام تقريبا فهناك ثلاثة مفردات فوق المتوسط وثلاثة تحته، أما مفردات العينة الثانية فكلها ما عدا واحدة أصغر من المتوسط الحسابي للعينة مما يدل على عدم التجانس في توزيع مفردات العينة.
2- المدى في العينة الأولى أصغر وكما هو معروف أن العلاقة عكسية بين المدى والتجانس.
3- الانحراف المعياري للعينة الأولى أصغر لذلك فالعينة الأولى أكثر تجانسا، والتجانس شرط ضروري من شروط عمل تنبؤات مستقبلية سليمة.
ويمكن استخدام الصيغة الرياضية التالية في حساب الانحراف المعياري خاصة إذا كانت القيم صغيرة الحجم، علما بأن نتائجها سوف لن تختلف عن نتائج المعادلة السابقة.

على اعتبار أن:
= مجموع مربع القيم.
= مجموع القيم الكل تربيع.