השפעת שינוי או הוספת נתונים על סטיית התקן

מבוא

נניח שחישבתם את סטיית התקן של הוצאות המשפחה, ואז התווסף חודש נוסף, או שתיקנתם טעות בנתון. האם צריך לחשב הכול מחדש? לא תמיד. בשיעור זה נלמד מתי שינוי בנתונים מחייב חישוב מחדש, ומתי אפשר להעריך את הכיוון (גדלה או קטנה) בלי לחשב — רק על סמך ההיגיון של הפיזור.

מטרות השיעור

להבין שסטיית התקן תלויה במרחק הנתונים מן הממוצע.
להעריך את כיוון השינוי ב- $σ$ כאשר הממוצע נשמר — ללא חישוב.
לחשב מחדש כאשר הממוצע משתנה.
לזהות את ההשפעה של הוספת נתון או שינוי שכיחות.

הרעיון המרכזי

כלל אצבע לפיזור

סטיית התקן מודדת מרחק ממוצע מן הממוצע. לכן:

נתונים שמתרחקים מן הממוצע ⟵ הפיזור גדל ⟵ $σ$ גדלה.
נתונים שמתקרבים אל הממוצע ⟵ הפיזור קטן ⟵ $σ$ קטנה.
הוספת נתון בדיוק בממוצע ⟵ הסטייה שלו 0, אך n גדל ⟵ $σ$ קטנה.
הוספת נתון קיצוני (רחוק מהממוצע) ⟵ $σ$ גדלה.

מתי לחשב ומתי להעריך?

הממוצע נשמר ⟶ אפשר להעריך את כיוון השינוי ב- $σ$ ללא חישוב, רק לפי קרבה/ריחוק מן הממוצע.
הממוצע משתנה ⟶ בדרך כלל יש לחשב את הממוצע החדש ואת $σ$ מחדש (אם נדרש ערך מספרי).

דוגמאות מפורטות

דוגמה 1: הוספת נתון בדיוק בממוצע (ללא חישוב)

11 חודשים: ממוצע $4{,}500 ₪, \sigma =100 ₪$ . נוסף חודש 12 והממוצע נשאר 4,500. מה הייתה ההוצאה ומה קרה ל- $\sigma$ ?

ערך נוסף = μ \Rightarrow σ קטנה

שלב 1 — סכום ישן

סכום 11 חודשים

= 11 \cdot 4500 = 49{,}500 ₪

נכון או לא נכון

נכון או לא נכון: הוספת נתון לקבוצה תמיד מגדילה את סטיית התקן.

כדי לבדוק, סמנו או הקלידו תשובה קודם

בדיקה מהירה

בהמשך לשאלה הקודמת: ההוצאה ה-12 הייתה בדיוק הממוצע $(4{,}500 ₪)$ . מה קרה לסטיית התקן של 12 החודשים בהשוואה לזו של 11 החודשים? (ללא חישוב אלגברי)

כדי לבדוק, סמנו או הקלידו תשובה קודם

דוגמה 2: שינוי ערכים כשהממוצע נשמר (ללא חישוב)

שכר (אלפי ₪): 18, 20, 22 (ממוצע 20). שינו ל-16, 20, 24. מה קרה ל- $\sigma$ ?

התרחקות מן הממוצע \Rightarrow σ גדלה

שלב 1 — הממוצע

16+20+24 = 60

, ממוצע

= 20

— לא השתנה.

בדיקה מהירה

שכר 3 עובדים (אלפי ₪): 18, 20, 22. הממוצע 20. שינו את השכר ל-16, 20, 24 (הממוצע נשאר 20). מה קרה לסטיית התקן? (ללא חישוב)

כדי לבדוק, סמנו או הקלידו תשובה קודם

דוגמה 3: הוספת ערך קיצוני (ללא חישוב)

התפלגות שכר עם ממוצע 12,000 ₪. נוסף עובד בכיר ששכרו 40,000 ₪. מה קרה ל- $\sigma$ ?

ערך קיצוני \Rightarrow σ גדלה

שלב 1 — מרחק

40,000 רחוק מאוד מן הממוצע 12,000.

דוגמה 4: חישוב מחדש כשמוסיפים ערך בממוצע

שכר (אלפי ₪): 10, 20, 30 (ממוצע 20). מצטרף עובד ששכרו 20. חשבו $\sigma$ חדשה.

σ = \frac{200}{4} = 50 \approx 7.07

שלב 1 — ממוצע חדש

10+20+30+20 = 80

, ממוצע

= \frac{80}{4} = 20

— נשמר.

תשובה מספרית

שכר 3 עובדים (אלפי ₪): 10, 20, 30 (ממוצע 20). מצטרף עובד רביעי ששכרו 20 אלף ₪. חשבו את סטיית התקן החדשה (באלפי ₪, עגלו לשתי ספרות).

סטייה מותרת: ±0.02

כדי לבדוק, סמנו או הקלידו תשובה קודם

טעויות נפוצות

טעות נפוצה: הוספת נתון תמיד מגדילה את $\sigma$

הוספת ערך = הממוצע ⟶ $σ$ קטנה. הוספת ערך קיצוני ⟶ $σ$ גדלה.

למה זה קורה?

תלמידים חושבים שכל נתון נוסף 'מוסיף פיזור'.

איך מתקנים?

הוספת נתון השווה לממוצע (או קרוב אליו) דווקא מקטינה את

\sigma

, כי היא מרכזת את הנתונים. רק נתון רחוק מן הממוצע מגדיל את

\sigma

טעות נפוצה: כל שינוי מצריך חישוב מחדש

ממוצע נשמר + התקרבות לממוצע ⟶ $σ$ קטנה (ללא חישוב).

למה זה קורה?

התלמיד לא מנצל את העובדה שהממוצע נשמר.

איך מתקנים?

כשהממוצע נשמר, אפשר להעריך את כיוון השינוי ב-

\sigma

ללא חישוב — רק לפי האם הנתונים התרחקו או התקרבו לממוצע.

טעות נפוצה: בלבול בין השפעה על הממוצע להשפעה על $\sigma$

ערך גבוה ⟶ הממוצע עולה, אבל $σ$ משתנה לפי המרחק מן הממוצע.

למה זה קורה?

התלמיד מניח שערך גבוה 'תמיד מעלה הכול'.

איך מתקנים?

ערך גבוה מעלה את הממוצע, אך ההשפעה על הפיזור תלויה במרחק הערך מן הממוצע החדש — לא בגודלו המוחלט.

סיכום

מה למדנו?

השפעת שינויים על סטיית התקן:

$σ$ תלויה במרחק הנתונים מן הממוצע.
התרחקות מן הממוצע ⟶ $σ$ גדלה; התקרבות ⟶ $σ$ קטנה.
הוספת ערך בממוצע ⟶ $σ$ קטנה; הוספת ערך קיצוני ⟶ $σ$ גדלה.
ממוצע נשמר ⟶ אפשר להעריך ללא חישוב. ממוצע משתנה ⟶ מחשבים מחדש.

בשיעור הסיכום נשלב את כל המדדים יחד כדי לקבל החלטות פיננסיות מושכלות.

השפעת שינוי או הוספת נתונים על סטיית התקן

השפעת שינוי או הוספת נתונים על סטיית התקן

מבוא

הרעיון המרכזי

דוגמאות מפורטות

דוגמה 1: הוספת נתון בדיוק בממוצע (ללא חישוב)

11 חודשים: ממוצע 4,500₪,σ=100₪4{,}500 ₪, \sigma =100 ₪4,500₪,σ=100₪. נוסף חודש 12 והממוצע נשאר 4,500. מה הייתה ההוצאה ומה קרה ל-σ\sigmaσ?

דוגמה 2: שינוי ערכים כשהממוצע נשמר (ללא חישוב)

שכר (אלפי ₪): 18, 20, 22 (ממוצע 20). שינו ל-16, 20, 24. מה קרה ל-σ\sigmaσ?

דוגמה 3: הוספת ערך קיצוני (ללא חישוב)

התפלגות שכר עם ממוצע 12,000 ₪. נוסף עובד בכיר ששכרו 40,000 ₪. מה קרה ל-σ\sigmaσ?

דוגמה 4: חישוב מחדש כשמוסיפים ערך בממוצע

שכר (אלפי ₪): 10, 20, 30 (ממוצע 20). מצטרף עובד ששכרו 20. חשבו σ\sigmaσ חדשה.

טעויות נפוצות

טעות נפוצה: הוספת נתון תמיד מגדילה את σ\sigmaσ

טעות נפוצה: כל שינוי מצריך חישוב מחדש

טעות נפוצה: בלבול בין השפעה על הממוצע להשפעה על σ\sigmaσ

סיכום

11 חודשים: ממוצע $4{,}500 ₪, \sigma =100 ₪$ . נוסף חודש 12 והממוצע נשאר 4,500. מה הייתה ההוצאה ומה קרה ל- $\sigma$ ?

שכר (אלפי ₪): 18, 20, 22 (ממוצע 20). שינו ל-16, 20, 24. מה קרה ל- $\sigma$ ?

התפלגות שכר עם ממוצע 12,000 ₪. נוסף עובד בכיר ששכרו 40,000 ₪. מה קרה ל- $\sigma$ ?

שכר (אלפי ₪): 10, 20, 30 (ממוצע 20). מצטרף עובד ששכרו 20. חשבו $\sigma$ חדשה.

טעות נפוצה: הוספת נתון תמיד מגדילה את $\sigma$

טעות נפוצה: בלבול בין השפעה על הממוצע להשפעה על $\sigma$