실제 분산의 적용은 무엇입니까?

나는 자신에게 확률 이론을 가르치고 있으며 표준 편차와는 달리 분산의 사용을 이해하지 못합니다. 내가보고있는 연습 상황에서 분산은 범위보다 크므로 직관적으로 유용하지 않습니다.

실제로 분산을 계산하여 (점수 표시) SD를 계산합니다. 나는 분산이 통계적으로 흥미로운 특성을 많이 가지고 있기 때문에 (자신이 지적한대로 해석과는 별도로) 더 자주 사용된다고 믿는다.

분산이 더 큰 경우 : 분산이 1/4 인 경우 SD는 1/2입니다. 분산 / SD가 1보다 작 으면이 순서가 바뀝니다.

포트폴리오 이론에서 분산은 부가 적입니다. 다시 말해, 포트폴리오 수익률이 구성원 수익률의 가중 평균 인 것처럼 포트폴리오 분산도 증권 변동의 가중 평균입니다. 그러나이 특성은 표준 편차에 대해서는 적용되지 않습니다.

분산은 두 측정법 중 가장 기본입니다 ... stddev = sqrt (variance). 과장된 반면, 비교하기에 충분하고 분포가 혼재 할 때 매우 커집니다.

variance(22, 25, 29, 30, 37) = 32.3
variance(22, 25, 29, 30, 900) = 152611.0

결과는 데이터와 동일한 단위를 가지므로 표준 편차가 더 자주 사용되므로 모든 종류의 시각적 분석에 표준 편차가 더 적합합니다.

분산의 실제 사용을 언급 할 때 실제로 질문을 충족시켜야한다고 생각합니다. 예를 들어, 비즈니스에서는 차이에 대한 실질적인 사용이 없습니다. 표준 편차는 이해하고 적용 할 수있는 변형의 수학적 표현을 제공함으로써 실제적으로 더 많이 사용됩니다. 예를 들어, 표준 편차는 주식의 베타 계산에 표시된대로 위험을 정량화하는 데 사용될 수 있습니다. 분산에는 표준 편차와 비슷한 실제 적용이 없습니다. 더 높은 수준의 통계 분석으로 이동하면 분산에는 많은 실제 적용이 있지만 더 높은 수준의 분석을 처리 할 때만 적용되며, 이는 대다수의 초점이 아닙니다. 따라서 그것은 실제로 개업의가 될 수있는 영역에 달려 있습니다. 비즈니스 실무자들에게