תמיד כשמביאים נתוני טמפ', משקעים וכו'... מתייחסים רק לממוצע ואומרים גבוה/נמוך מהממוצע. הבעיה היא שאם משהו שונה מהממוצע זה לא אומר בהכרח שהוא חריג (למשל, נניח שממוצע הגובה לגברים הוא 1.75 מ'- איזה גובה יהיה חריג ביחס לממוצע? 1.90מ'? 1.80מ'? 1.76מ'? כולם גבוהים, אבל חלק מהם נכנסים לתוך טווח שרוב האנשים נמצאים סביבו).
בשביל לדעת אם עונה שבה ירדו 50 מילימטר פחות/יותר מהממוצע היא יוצאת דופן, צריך לדעת את השכיחות של מדידות כאלה. יותר מזה, צריך לדעת עד כמה המדידות סוטות מהממוצע.
ועכשיו לשאלה שלי- למהצלא מצרפים לנתוני המדידות את סטיית התקן, כך שאפשר יהיה לדעת עד כמה נתון מסויים הוא חריג או נורמטיבי?
(ודוגמה אחרונה לבעייתיות שנוצרת כשמסתמכים רק על הממוצע- נניח שבעסק מסויים יש 9 עובדים ובעל עסק שמושך שכר. 9 העובדים מקבלים משכורת של 5,000₪ בחודש והמנכ"ל מושך כל חודש משכורת צנועה של 55,000₪. ממוצע המשכורות בעסק הוא 10,000₪. אבל לומר על רוב העובדים שהם מרוויחים הרבה מתחת לממוצע יתן תיאור חלקי ולא מדויק של המציאות. לנתוני קיצון יש השפעה גדולה על הממוצע ולכן חשוב לדעת גם איך הנתונים מפוזרים סביבו. במקרה הזה משכורת של 5 אלף היא הנורמטיבית, השכיחה, בשפת העם יכולים להגדיר אותה כמשכורת הממוצעת בעסק הזה. חשוב לתת עוד נתונים כדי להבין האם החודש/השנה/היום הם חריגים ביחס לשאר המדידות או שסתם הם לא נפלו בדיוק על הממוצע. ורוב המדידות לא נופלות בדיוק על הממוצע. סביר להניח שאף שנה בהיסטוריה לא הייתה בדיוק ממוצעת...)