दोन नमुन्यांचे F मूल्य कॅल्क्युलेटर

↳

सांख्यिकी अंकगणित अनुक्रम आणि मालिका त्रिकोणमिती आणि व्यस्त त्रिकोणमिती अधिक >>

⤿

सांख्यिकी मध्ये मूलभूत सूत्रे गुणांक, प्रमाण आणि प्रतिगमन डेटाची कमाल आणि किमान मूल्ये त्रुटी, चौरसांची बेरीज, स्वातंत्र्याची पदवी आणि गृहीतक चाचणी अधिक >>

✖नमुना X ची भिन्नता ही प्रत्येक डेटा बिंदू आणि नमुना X च्या सरासरीमधील वर्गातील फरकांची सरासरी आहे.ⓘ नमुना X चे भिन्नता [σ²X]			+10% -10%
✖नमुना Y ची भिन्नता प्रत्येक डेटा बिंदू आणि नमुना Y च्या मध्यातील वर्ग फरकांची सरासरी आहे.ⓘ नमुन्याचे फरक Y [σ²Y]			+10% -10%

✖दोन नमुन्यांचे F मूल्य हे दोन भिन्न नमुन्यांमधील भिन्नतेचे गुणोत्तर आहे, बहुतेक वेळा भिन्नता (ANOVA) चाचण्यांच्या विश्लेषणामध्ये वापरले जाते.ⓘ दोन नमुन्यांचे F मूल्य [F]

⎘ कॉपी

👎

सुत्र

LaTeX

रीसेट करा

👍

डाउनलोड करा सांख्यिकी मध्ये मूलभूत सूत्रे सूत्रे PDF PDF Image

दोन नमुन्यांचे F मूल्य उपाय

चरण 0: पूर्व-गणन सारांश

फॉर्म्युला वापरले जाते

दोन नमुन्यांचे F मूल्य = नमुना X चे भिन्नता/नमुन्याचे फरक Y
F = σ²X/σ²Y
हे सूत्र 3 व्हेरिएबल्स वापरते

व्हेरिएबल्स वापरलेले

दोन नमुन्यांचे F मूल्य - दोन नमुन्यांचे F मूल्य हे दोन भिन्न नमुन्यांमधील भिन्नतेचे गुणोत्तर आहे, बहुतेक वेळा भिन्नता (ANOVA) चाचण्यांच्या विश्लेषणामध्ये वापरले जाते.
नमुना X चे भिन्नता - नमुना X ची भिन्नता ही प्रत्येक डेटा बिंदू आणि नमुना X च्या सरासरीमधील वर्गातील फरकांची सरासरी आहे.
नमुन्याचे फरक Y - नमुना Y ची भिन्नता प्रत्येक डेटा बिंदू आणि नमुना Y च्या मध्यातील वर्ग फरकांची सरासरी आहे.

चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा

नमुना X चे भिन्नता: 576 --> कोणतेही रूपांतरण आवश्यक नाही
नमुन्याचे फरक Y: 256 --> कोणतेही रूपांतरण आवश्यक नाही

चरण 2: फॉर्म्युलाचे मूल्यांकन करा

फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे

F = σ²X/σ²Y --> 576/256

मूल्यांकन करत आहे ... ...

F = 2.25

चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा

2.25 --> कोणतेही रूपांतरण आवश्यक नाही

अंतिम उत्तर

2.25 <-- दोन नमुन्यांचे F मूल्य

(गणना 00.004 सेकंदात पूर्ण झाली)

आपण येथे आहात -

होम » गणित » सांख्यिकी » सांख्यिकी मध्ये मूलभूत सूत्रे » दोन नमुन्यांचे F मूल्य

जमा

ने निर्मित अनिरुद्ध सिंह

राष्ट्रीय तंत्रज्ञान संस्था (एनआयटी), जमशेदपूर

अनिरुद्ध सिंह यांनी हे कॅल्क्युलेटर आणि 300+ अधिक कॅल्क्युलेटर तयार केले आहेत!

द्वारे सत्यापित उर्वी राठोड

विश्वकर्मा शासकीय अभियांत्रिकी महाविद्यालय (व्हीजीईसी), अहमदाबाद

उर्वी राठोड यानी हे कॅल्क्युलेटर आणि 1900+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

< सांख्यिकी मध्ये मूलभूत सूत्रे कॅल्क्युलेटर

नमुन्याचे पी मूल्य

LaTeX जा नमुन्याचे पी मूल्य = (नमुना प्रमाण-गृहित लोकसंख्येचे प्रमाण)/sqrt((गृहित लोकसंख्येचे प्रमाण*(1-गृहित लोकसंख्येचे प्रमाण))/नमुन्याचा आकार)

वर्गाची रुंदी दिलेल्या वर्गांची संख्या

LaTeX जा वर्गांची संख्या = (डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम)/डेटाची वर्ग रुंदी

डेटाची वर्ग रुंदी

LaTeX जा डेटाची वर्ग रुंदी = (डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम)/वर्गांची संख्या

अवशिष्ट मानक त्रुटी दिलेल्या वैयक्तिक मूल्यांची संख्या

LaTeX जा वैयक्तिक मूल्यांची संख्या = (चौरसांची अवशिष्ट बेरीज/(डेटाची अवशिष्ट मानक त्रुटी^2))+1

अजून पहा >>

दोन नमुन्यांचे F मूल्य सुत्र

LaTeX जा

दोन नमुन्यांचे F मूल्य = नमुना X चे भिन्नता/नमुन्याचे फरक Y
F = σ²X/σ²Y

सांख्यिकीमध्ये एफ-टेस्ट म्हणजे काय?

F-चाचणी ही कोणतीही सांख्यिकीय चाचणी असते ज्यामध्ये चाचणी सांख्यिकीमध्ये शून्य गृहीतके अंतर्गत F-वितरण असते. डेटा सेटमध्ये फिट केलेल्या सांख्यिकीय मॉडेल्सची तुलना करताना बहुतेकदा याचा वापर केला जातो, ज्या लोकसंख्येवरून डेटाचा नमुना घेण्यात आला होता त्या लोकसंख्येला सर्वोत्तम बसणारे मॉडेल ओळखण्यासाठी. अचूक "F-चाचण्या" मुख्यतः तेव्हा उद्भवतात जेव्हा मॉडेल कमीत कमी चौरस वापरून डेटामध्ये बसवले जातात. F-चाचण्यांच्या वापराच्या सामान्य उदाहरणांमध्ये खालील प्रकरणांचा अभ्यास समाविष्ट आहे: (i) सामान्यपणे वितरीत केलेल्या लोकसंख्येच्या दिलेल्या संचाचे साधन, सर्व समान मानक विचलन, समान आहेत हे गृहितक. ही कदाचित सर्वात प्रसिद्ध F-चाचणी आहे आणि भिन्नता (ANOVA) च्या विश्लेषणामध्ये महत्वाची भूमिका बजावते. (ii) प्रस्‍तावित प्रतिगमन मॉडेल डेटाशी सुसंगत आहे हे गृहितक. वर्गांची बेरीज फिट नसणे पहा. (iii) रीग्रेशन विश्लेषणामध्ये सेट केलेला डेटा एकमेकांमध्ये नेस्टेड असलेल्या दोन प्रस्तावित रेखीय मॉडेल्सच्या सोप्या पद्धतीचे अनुसरण करते हे गृहितक.

होम

फुकट पीडीएफ

🔍 शोधा

श्रेण्या

Let Others Know

✖

Facebook

Twitter

Copied!