डेटाची मध्यम श्रेणी उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
डेटाची मध्यम श्रेणी = (डेटाचे कमाल मूल्य+डेटाचे किमान मूल्य)/2
RMid = (XMax+XMin)/2
हे सूत्र 3 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
डेटाची मध्यम श्रेणी - डेटाची मध्यम श्रेणी म्हणजे डेटासेटमधील कमाल आणि किमान मूल्यांची सरासरी. हे डेटा स्प्रेडच्या मध्यबिंदूचा अंदाजे अंदाज प्रदान करून, केंद्रीयतेचे एक माप म्हणून काम करते.
डेटाचे कमाल मूल्य - डेटाचे कमाल मूल्य हे दिलेल्या डेटासेटमधील सर्वात मोठे किंवा सर्वोच्च मूल्य आहे. हे डेटा पॉइंट्सच्या वरच्या टोकाचे प्रतिनिधित्व करते आणि निरीक्षण केलेल्या मूल्यांच्या वरच्या मर्यादेमध्ये अंतर्दृष्टी प्रदान करते.
डेटाचे किमान मूल्य - डेटाचे किमान मूल्य हे दिलेल्या डेटासेटमधील सर्वात लहान किंवा सर्वात कमी मूल्य आहे. हे डेटा पॉइंट्सच्या खालच्या टोकाचे प्रतिनिधित्व करते आणि निरीक्षण केलेल्या मूल्यांच्या खालच्या मर्यादेमध्ये अंतर्दृष्टी प्रदान करते.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
डेटाचे कमाल मूल्य: 50 --> कोणतेही रूपांतरण आवश्यक नाही
डेटाचे किमान मूल्य: 6 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
RMid = (XMax+XMin)/2 --> (50+6)/2
मूल्यांकन करत आहे ... ...
RMid = 28
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
28 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
28 <-- डेटाची मध्यम श्रेणी
(गणना 00.004 सेकंदात पूर्ण झाली)

जमा

Creator Image
ने निर्मित अनिरुद्ध सिंह
राष्ट्रीय तंत्रज्ञान संस्था (एनआयटी), जमशेदपूर
अनिरुद्ध सिंह यांनी हे कॅल्क्युलेटर आणि 300+ अधिक कॅल्क्युलेटर तयार केले आहेत!
Verifier Image
द्वारे सत्यापित उर्वी राठोड
विश्वकर्मा शासकीय अभियांत्रिकी महाविद्यालय (व्हीजीईसी), अहमदाबाद
उर्वी राठोड यानी हे कॅल्क्युलेटर आणि 1900+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

7 डेटाची कमाल आणि किमान मूल्ये कॅल्क्युलेटर

वर्ग रुंदी दिलेल्या डेटाचे किमान मूल्य
​ जा डेटाचे किमान मूल्य = डेटाचे कमाल मूल्य-(डेटाची वर्ग रुंदी*वर्गांची संख्या)
वर्ग रुंदी दिलेल्या डेटाचे कमाल मूल्य
​ जा डेटाचे कमाल मूल्य = (वर्गांची संख्या*डेटाची वर्ग रुंदी)+डेटाचे किमान मूल्य
मध्यम श्रेणी दिलेले डेटाचे कमाल मूल्य
​ जा डेटाचे कमाल मूल्य = (2*डेटाची मध्यम श्रेणी)-डेटाचे किमान मूल्य
मिड रेंज दिलेले डेटाचे किमान मूल्य
​ जा डेटाचे किमान मूल्य = (2*डेटाची मध्यम श्रेणी)-डेटाचे कमाल मूल्य
डेटाची मध्यम श्रेणी
​ जा डेटाची मध्यम श्रेणी = (डेटाचे कमाल मूल्य+डेटाचे किमान मूल्य)/2
दिलेल्या श्रेणीतील डेटाचे किमान मूल्य
​ जा डेटाचे किमान मूल्य = डेटाचे कमाल मूल्य-डेटाची श्रेणी
दिलेल्या श्रेणीतील डेटाचे कमाल मूल्य
​ जा डेटाचे कमाल मूल्य = डेटाची श्रेणी+डेटाचे किमान मूल्य

18 सांख्यिकी मध्ये मूलभूत सूत्रे कॅल्क्युलेटर

नमुन्याचे पी मूल्य
​ जा नमुन्याचे पी मूल्य = (नमुना प्रमाण-गृहित लोकसंख्येचे प्रमाण)/sqrt((गृहित लोकसंख्येचे प्रमाण*(1-गृहित लोकसंख्येचे प्रमाण))/नमुन्याचा आकार)
नमुना आकार दिलेला P मूल्य
​ जा नमुन्याचा आकार = ((नमुन्याचे पी मूल्य^2)*गृहित लोकसंख्येचे प्रमाण*(1-गृहित लोकसंख्येचे प्रमाण))/((नमुना प्रमाण-गृहित लोकसंख्येचे प्रमाण)^2)
t सांख्यिकी
​ जा t सांख्यिकी = (नमुन्याचे निरीक्षण केलेले सरासरी-नमुन्याचा सैद्धांतिक अर्थ)/(नमुना मानक विचलन/sqrt(नमुन्याचा आकार))
t सामान्य वितरणाची आकडेवारी
​ जा t सामान्य वितरणाची आकडेवारी = (नमुना सरासरी-लोकसंख्या सरासरी)/(नमुना मानक विचलन/sqrt(नमुन्याचा आकार))
वर्गाची रुंदी दिलेल्या वर्गांची संख्या
​ जा वर्गांची संख्या = (डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम)/डेटाची वर्ग रुंदी
डेटाची वर्ग रुंदी
​ जा डेटाची वर्ग रुंदी = (डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम)/वर्गांची संख्या
ची स्क्वेअर सांख्यिकी
​ जा ची स्क्वेअर सांख्यिकी = ((नमुन्याचा आकार-1)*नमुना मानक विचलन^2)/(लोकसंख्या मानक विचलन^2)
ची स्क्वेअर आकडेवारी दिलेली नमुना आणि लोकसंख्या भिन्नता
​ जा ची स्क्वेअर सांख्यिकी = ((नमुन्याचा आकार-1)*नमुना भिन्नता)/लोकसंख्या भिन्नता
यादृच्छिक चलांच्या बेरजेची अपेक्षा
​ जा यादृच्छिक चलांच्या बेरजेची अपेक्षा = रँडम व्हेरिएबल X ची अपेक्षा+रँडम व्हेरिएबल Y ची अपेक्षा
यादृच्छिक चलांच्या फरकाची अपेक्षा
​ जा यादृच्छिक चलांच्या फरकाची अपेक्षा = रँडम व्हेरिएबल X ची अपेक्षा-रँडम व्हेरिएबल Y ची अपेक्षा
अवशिष्ट मानक त्रुटी दिलेल्या वैयक्तिक मूल्यांची संख्या
​ जा वैयक्तिक मूल्यांची संख्या = (चौरसांची अवशिष्ट बेरीज/(डेटाची अवशिष्ट मानक त्रुटी^2))+1
नमुना मानक विचलन दिलेले दोन नमुन्यांचे F मूल्य
​ जा दोन नमुन्यांचे F मूल्य = (नमुना X चे मानक विचलन/नमुना Y चे मानक विचलन)^2
दिलेल्या श्रेणीतील डेटामधील सर्वात मोठा आयटम
​ जा डेटामधील सर्वात मोठा आयटम = डेटाची श्रेणी+डेटामधील सर्वात लहान आयटम
दिलेल्या श्रेणीतील डेटामधील सर्वात लहान आयटम
​ जा डेटामधील सर्वात लहान आयटम = डेटामधील सर्वात मोठा आयटम-डेटाची श्रेणी
डेटाची श्रेणी
​ जा डेटाची श्रेणी = डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम
डेटाची मध्यम श्रेणी
​ जा डेटाची मध्यम श्रेणी = (डेटाचे कमाल मूल्य+डेटाचे किमान मूल्य)/2
दोन नमुन्यांचे F मूल्य
​ जा दोन नमुन्यांचे F मूल्य = नमुना X चे भिन्नता/नमुन्याचे फरक Y
सापेक्ष वारंवारता
​ जा सापेक्ष वारंवारता = परिपूर्ण वारंवारता/एकूण वारंवारता

डेटाची मध्यम श्रेणी सुत्र

डेटाची मध्यम श्रेणी = (डेटाचे कमाल मूल्य+डेटाचे किमान मूल्य)/2
RMid = (XMax+XMin)/2

सांख्यिकीमध्ये डेटाच्या कमाल आणि किमान मूल्यांचे महत्त्व काय आहे?

सांख्यिकी आणि डेटा विश्लेषणामध्ये दिलेल्या डेटामधील मूल्यांच्या श्रेणीबद्दल जागरूक असणे महत्वाचे आहे. डेटामधील कमाल आणि किमान मूल्ये मूल्यांची श्रेणी देऊ शकतात आणि म्हणूनच डेटा पॉइंट्सच्या जवळजवळ प्रसाराबद्दल आपल्याला कल्पना मिळेल. त्याचप्रमाणे, मध्य आणि मध्यासारख्या मध्यवर्ती प्रवृत्तींची गणना ही सांख्यिकीय डेटा विश्लेषणातील सर्वात मूलभूत गणना आहे. सरासरी आणि मध्यक कमाल आणि किमान मूल्यांशी अत्यंत संबंधित आहेत. अत्यंत मूल्यांच्या (जास्तीत जास्त आणि किमान मूल्यांच्या) परिमाणानुसार मीनचे मूल्य प्रमाणानुसार बदलू शकते आणि सतत डेटामध्ये मध्यकाचे मूल्य देखील बदलले जाऊ शकते.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!