Σύγκριση Δύο Πληθυσμών 📊

Πολλές φορές θέλουμε να συγκρίνουμε δύο διαφορετικούς πληθυσμούς: ποιος μαθητής έχει καλύτερη επίδοση, ποιος αθλητής είναι πιο σταθερός, ποιο είδος λαμπτήρων διαρκεί περισσότερο; Για να απαντήσουμε, χρησιμοποιούμε μέτρα θέσης (μέση τιμή, διάμεσος, επικρατούσα τιμή) και μέτρα διασποράς (εύρος, τυπική απόκλιση, διακύμανση). 🎯

Η βασική ιδέα

Μέτρα θέσης → απαντούν στο ερώτημα «ποιο είναι καλύτερο/μεγαλύτερο κατά μέσο όρο;».
Μέτρα διασποράς → απαντούν στο ερώτημα «ποιο είναι πιο σταθερό / αξιόπιστο;».

Σύγκριση με μέτρα θέσης και διασποράς 🧭

Ανάλογα με το ερώτημα, επιλέγουμε διαφορετικά μέτρα:

Ερώτημα	Κατάλληλο μέτρο
Ποιος έχει τη μεγαλύτερη επίδοση «συνολικά»;	μέση τιμή $\bar{x}$
Ποια είναι η «τυπική» τιμή του πληθυσμού;	διάμεσος $x_\delta$
Ποια τιμή εμφανίζεται πιο συχνά;	επικρατούσα $x_\varepsilon$
Ποιος έχει μεγαλύτερο εύρος τιμών;	εύρος $R$
Ποιος είναι πιο σταθερός / συνεπής;	τυπική απόκλιση $s$

Παράδειγμα σύγκρισης λαμπτήρων 💡

Ας δούμε δύο είδη λαμπτήρων με ίδιο πλήθος $\nu = 9$ :

Είδος Α: $140, 150, 160, 130, 150, 170, 150, 140, 160$
Είδος Β: $170, 180, 190, 110, 200, 100, 80, 120, 200$

Και τα δύο έχουν ίδια μέση τιμή: $\bar{x}_A = \bar{x}_B = 150$ ώρες.

Όμως:

s_A \approx 11{,}547, \quad s_B \approx 44{,}472

Συμπέρασμα

Το Είδος Α είναι πολύ πιο αξιόπιστο: οι ώρες λειτουργίας του είναι πολύ πιο κοντά στον μέσο όρο των 150 ωρών. Με το Είδος Β, κάποιοι λαμπτήρες μπορεί να «σβήσουν» στις 80 ώρες, άλλοι να φτάσουν τις 200 — απρόβλεπτο.

Μια ίδια μέση τιμή μπορεί να κρύβει τεράστιες διαφορές!

Δύο δείγματα με ίδια μέση τιμή μπορεί να έχουν εντελώς διαφορετική «συμπεριφορά». Πάντα κοιτάζουμε και τη διασπορά, όχι μόνο τον μέσο όρο.

Σύγκριση αθλητών 🏃

Αν ο αθλητής Α έχει χρόνους με μέση τιμή $\bar{x}_A = 10{,}5 s$ και $s_A = 0{,}055$ , και ο αθλητής Β έχει $\bar{x}_B = 10{,}2 s$ και $s_B = 0{,}2$ :

Ο Β είναι γρηγορότερος (μικρότερη μέση τιμή χρόνου) ⚡
Ο Α είναι πιο σταθερός (μικρότερη τυπική απόκλιση) 🎯

Για έναν αγώνα όπου μετράει η καλύτερη επίδοση, προτιμούμε τον Β. Για έναν αγώνα όπου χρειάζεται σταθερότητα (π.χ. σκυταλοδρομία), ο Α είναι ασφαλέστερη επιλογή.

Συντελεστής μεταβλητότητας $CV$ 📈

Όταν οι δύο πληθυσμοί έχουν διαφορετικές μέσες τιμές ή διαφορετικές μονάδες μέτρησης, η σύγκριση μόνο με την τυπική απόκλιση δεν είναι δίκαιη. Γι' αυτό εισάγουμε τον συντελεστή μεταβλητότητας (ή μεταβολής).

Ορισμός

Ο συντελεστής μεταβλητότητας $CV$ ορίζεται ως:

CV = \frac{s}{|\bar{x}|}

όπου $s$ η τυπική απόκλιση και $\bar{x}$ η μέση τιμή. Συνήθως εκφράζεται ως ποσοστό.

Γιατί παίρνουμε την απόλυτη τιμή; 🤔

Επειδή η μέση τιμή μπορεί να είναι αρνητική (π.χ. θερμοκρασίες χειμώνα ή κέρδη/ζημιές), η απόλυτη τιμή $|\bar{x}|$ διασφαλίζει ότι το $CV$ θα είναι μη αρνητικός αριθμός, ώστε να μπορούμε να το συγκρίνουμε με το 10%.

Βασικές ιδιότητες του CV

Αδιάστατος → ανεξάρτητος από τη μονάδα μέτρησης (cm, kg, €…).
Επιτρέπει σύγκριση μεταξύ διαφορετικών μεταβλητών (π.χ. ύψος vs βάρος).
Συνήθως εκφράζεται ως ποσοστό: $CV\% = \frac{s}{|\bar{x}|}\cdot 100\%$ .

Κανόνας ομοιογένειας 🎯

Ο κανόνας του 10%

Αν $CV < 10\%$ , λέμε ότι τα δεδομένα παρουσιάζουν ομοιογένεια (είναι «κοντά» μεταξύ τους).

Αν $CV \geq 10\%$ , τα δεδομένα είναι ανομοιογενή (διασκορπισμένα).

Σύγκριση ομοιογένειας δύο δειγμάτων:

Το δείγμα Α έχει μεγαλύτερη ομοιογένεια από το Β αν και μόνο αν:

CV_A < CV_B

Πότε χρησιμοποιούμε τον $CV$ ; 🔍

Δύο χαρακτηριστικές περιπτώσεις

Περίπτωση 1: Σύγκριση του ίδιου χαρακτηριστικού σε διαφορετικούς πληθυσμούς.
Παράδειγμα: Διασπορά βαθμών των Μαθηματικών σε δύο τάξεις.

Περίπτωση 2: Σύγκριση διαφορετικών μεταβλητών στον ίδιο πληθυσμό.
Παράδειγμα: Διασπορά ύψους (σε cm) και βάρους (σε kg) σε ένα δείγμα εφήβων. Δεν μπορούμε να συγκρίνουμε $s_{\text{ύψους}}$ με $s_{\text{βάρους}}$ γιατί οι μονάδες διαφέρουν — όμως τα $CV$ συγκρίνονται!

Παράδειγμα: τιμές ψαριών vs κρέατος 🐟🥩

Δίνονται τα εξής στατιστικά:

Είδος	$\bar{x}$ (€/kg)	$s$ (€/kg)	$CV$
Ψάρι	$8{,}1$	$0{,}746$	$\frac{0{,}746}{8{,}1} \approx 9{,}21\%$
Κρέας	$3{,}6$	$0{,}689$	$\frac{0{,}689}{3{,}6} \approx 19{,}14\%$

Ερμηνεία

Το ψάρι έχει $CV < 10\%$ → ομοιογένεια τιμών στην αγορά.
Το κρέας έχει $CV \approx 19\%$ → μεγάλη ανομοιογένεια τιμών.

Παρόλο που σε απόλυτες μονάδες (€/kg) το $s$ είναι παρόμοιο, το κρέας έχει πολύ μικρότερη μέση τιμή, άρα η ίδια απόλυτη διακύμανση μεταφράζεται σε μεγαλύτερη σχετική διακύμανση.

Στρατηγική σύγκρισης πληθυσμών 🧠

Όταν σε δοθεί πρόβλημα σύγκρισης, ακολούθησε τα βήματα:

Βήματα επίλυσης

Υπολόγισε $\bar{x}$ και για τους δύο πληθυσμούς.
Σύγκρινε τις μέσες τιμές → ποιος είναι «καλύτερος» ή «μεγαλύτερος» κατά μέσο όρο.
Υπολόγισε $s$ και για τους δύο.
Αν οι μονάδες και οι μέσες τιμές είναι παρόμοιες → σύγκριση με $s$ απευθείας.
Αν διαφέρουν → υπολόγισε $CV$ για αντικειμενική σύγκριση.
Ερμήνευσε το αποτέλεσμα στο πλαίσιο του προβλήματος. 🎯

Σύνηθες λάθος

Μη συγκρίνεις ποτέ $s$ όταν τα δείγματα έχουν πολύ διαφορετικές μέσες τιμές ή διαφορετικές μονάδες. Χρησιμοποίησε $CV$ .

Χρήσιμη σύνοψη 📋

Ερώτηση	Μέτρο	Κανόνας
«Ποιος είναι καλύτερος;»	$\bar{x}, x_\delta$	Συγκρίνουμε τιμές
«Ποιος έχει λιγότερη διασπορά;»	$s$	Μικρότερο $s$ → πιο σταθερός
«Ποιος είναι πιο ομοιογενής;»	$CV$	Μικρότερο $CV$ → πιο ομοιογενής
«Ομοιογενές ή όχι;»	$CV$	$CV < 10\%$ → ομοιογενές

Σχήματα, διαγράμματα πωλήσεων και πίνακες δεδομένων: σελ. 185–191 του PDF (Κεφ. 12). 📖