Co policzyć dalej?
Jeśli masz już zakres 68–95–99,7, możesz od razu sprawdzić kolejny wynik.
Na czym polega reguła 68-95-99,7?
Reguła empiryczna 68-95-99,7 opisuje szybkie przybliżenie dla danych, które mają kształt zbliżony do rozkładu normalnego. Mówi, że około 68% obserwacji znajduje się w odległości jednego odchylenia standardowego od średniej, około 95% w odległości dwóch odchyleń standardowych, a około 99,7% w odległości trzech odchyleń standardowych.
W praktyce oznacza to, że znając tylko średnią i odchylenie standardowe, można szybko oszacować typowy zakres wyników. Jeżeli średnia wynosi 100, a odchylenie standardowe 15, to około 68% wyników powinno mieścić się od 85 do 115, około 95% od 70 do 130, a około 99,7% od 55 do 145.
Ten kalkulator warto łączyć z rozkładem normalnym, Z-score oraz odchyleniem standardowym i wariancją.
Wzory na zakresy μ±σ, μ±2σ i μ±3σ
Zakresy z reguły empirycznej wyznacza się bezpośrednio ze średniej i odchylenia standardowego:
Średnia μ jest środkiem rozkładu, a σ określa typowy rozrzut. Im większe odchylenie standardowe, tym szersze będą wszystkie zakresy. Dlatego dwie grupy z taką samą średnią mogą mieć zupełnie inną interpretację, jeśli jedna ma mały rozrzut, a druga bardzo duży.
Wyniki poza ±2σ są rzadsze, ale nadal mogą być normalne. Wyniki poza ±3σ pojawiają się bardzo rzadko przy rozkładzie normalnym i często wymagają dokładniejszego sprawdzenia.
Kiedy reguła empiryczna działa dobrze?
Reguła 68-95-99,7 działa najlepiej dla rozkładów symetrycznych, jednoszczytowych i zbliżonych do normalnych. W takim przypadku średnia leży w centrum rozkładu, a odchylenie standardowe dobrze opisuje typowe odchylenia od środka.
Dobrym przykładem są niektóre wyniki testów standaryzowanych, błędy pomiarowe, cechy biologiczne w dużych populacjach albo procesy, na które wpływa wiele drobnych niezależnych czynników. W takich danych zakres μ±σ ma naturalną interpretację jako obszar typowych wyników.
Przed zastosowaniem reguły warto spojrzeć na histogram albo kwartyle. Jeśli dane są silnie skośne, mają wiele wartości odstających lub kilka różnych grup pomieszanych razem, reguła może dawać mylące wnioski.
Kiedy uważać na interpretację?
Reguły empirycznej nie należy stosować automatycznie do każdego zestawu danych. Jeśli dane są skośne, np. dochody, czasy reakcji, koszty napraw albo wielkości zamówień, średnia i odchylenie standardowe mogą być mocno przesunięte przez skrajne obserwacje. Wtedy zakres μ±2σ może obejmować wartości mało sensowne albo nawet niemożliwe.
Przykład: jeśli analizujesz czas trwania zadania, zakres obliczony jako średnia minus trzy odchylenia może dać liczbę ujemną. To sygnał, że rozkład normalny nie jest dobrym opisem danych. W takiej sytuacji lepiej użyć percentyli, mediany i rozstępu międzykwartylowego.
Do oceny danych skośnych przydadzą się percentyle, kwartyle i IQR oraz kalkulator wartości odstających.
Reguła empiryczna a z-score
Z-score mówi, o ile odchyleń standardowych wynik leży od średniej. Reguła empiryczna jest naturalnym sposobem interpretowania z-score. Jeśli wynik ma z-score równy 1, leży na granicy obszaru obejmującego około 68% obserwacji. Jeśli z-score wynosi 2, jest na granicy zakresu obejmującego około 95% obserwacji.
Dla z=3 wynik znajduje się bardzo daleko od średniej. W rozkładzie normalnym tylko około 0,3% obserwacji leży poza zakresem ±3σ. To dlatego granica trzech odchyleń jest często używana jako sygnał wartości nietypowej.
Kalkulator pozwala nie tylko wyznaczyć klasyczne zakresy, ale też sprawdzić własny przedział oraz procent poza zakresem kσ.
Przykład krok po kroku
Załóżmy, że wyniki testu mają średnią 50 punktów i odchylenie standardowe 8 punktów. Zakres jednego odchylenia to 50±8, czyli od 42 do 58. Jeśli dane są zbliżone do normalnych, w tym zakresie znajdzie się około 68% wyników.
Zakres dwóch odchyleń to 50±16, czyli od 34 do 66. Obejmuje około 95% wyników. Zakres trzech odchyleń to 50±24, czyli od 26 do 74. Obejmuje około 99,7% wyników.
Jeśli ktoś uzyskał 70 punktów, jego wynik leży powyżej granicy +2σ, ale poniżej +3σ. To bardzo wysoki wynik, jednak niekoniecznie błąd.
Zadania przykładowe
Zadanie 1
Dla μ=100 i σ=15 wyznacz zakres μ±1σ.
Pokaż odpowiedź
Od 85 do 115.
Zadanie 2
Dla μ=50 i σ=8 wyznacz zakres μ±2σ.
Pokaż odpowiedź
Od 34 do 66.
Zadanie 3
Ile obserwacji jest zwykle w zakresie μ±3σ?
Pokaż odpowiedź
Około 99,7% obserwacji.
Zadanie 4
Co oznacza wynik poza zakresem ±2σ?
Pokaż odpowiedź
Jest rzadziej spotykany, bo poza ±2σ leży około 5% obserwacji.
Zadanie 5
Czy reguła empiryczna jest dobra dla danych mocno skośnych?
Pokaż odpowiedź
Zwykle nie. Dla danych skośnych lepsze są percentyle i IQR.
Zadanie 6
Jaki z-score odpowiada granicy μ+2σ?
Pokaż odpowiedź
z=2.
Najczęstsze błędy
- Stosowanie reguły do każdego rozkładu — działa dobrze głównie przy kształcie zbliżonym do normalnego.
- Mylenie 95% w ±2σ z dokładnym wynikiem dla dowolnych danych — to przybliżenie normalne, nie uniwersalne prawo.
- Ignorowanie wartości odstających — skrajne obserwacje mogą mocno zmienić średnią i odchylenie standardowe.
- Brak sprawdzenia jednostek — zakresy mają tę samą jednostkę co dane wejściowe.
- Mylenie procentu w środku z procentem na ogonach — jeśli w ±2σ jest około 95%, poza zakresem jest około 5% łącznie.
- Zaokrąglanie przed końcem obliczeń — najlepiej zaokrąglić dopiero gotowe granice.
Wskazówka od KalkulatorXXL
Regułę 68-95-99,7 traktuj jako szybkie przybliżenie. Jeśli dane są mocno skośne albo mają wartości odstające, sprawdź też medianę, kwartyle i IQR.
Jeśli potrzebujesz dokładnego procentu dla konkretnego przedziału, użyj kalkulatora rozkładu normalnego.