गटबद्ध डेटाचा मोड उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
डेटा मोड = मॉडेल वर्गाची निम्न मर्यादा+((मॉडेल वर्गाची वारंवारता-मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता)/((2*मॉडेल वर्गाची वारंवारता)-मॉडेल क्लास यशस्वी होण्याच्या वर्गाची वारंवारता-मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता))*डेटाची वर्ग रुंदी
Mode = lLower+((f1-f0)/((2*f1)-f2-f0))*wClass
हे सूत्र 6 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
डेटा मोड - डेटा मोड हे मूल्य किंवा मूल्ये आहेत जी डेटासेटमध्ये वारंवार दिसतात. हे सर्वात सामान्य किंवा पुनरावृत्ती झालेल्या मूल्यांचे प्रतिनिधित्व करते.
मॉडेल वर्गाची निम्न मर्यादा - मोडल क्लासची निम्न मर्यादा हे मोडल क्लास इंटरव्हलमधील सर्वात लहान मूल्य आहे, ज्याची वारंवारता वितरणामध्ये सर्वाधिक वारंवारता असते.
मॉडेल वर्गाची वारंवारता - मोडल क्लासची वारंवारता ही वारंवारता वितरणामध्ये सर्वाधिक वारंवारता असलेल्या वर्गातील निरीक्षणांची संख्या आहे.
मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता - मोडल क्लासच्या आधीच्या वर्गाची वारंवारता म्हणजे फ्रिक्वेन्सी वितरणामध्ये मॉडेल वर्गाच्या लगेच आधी वर्गातील निरीक्षणांची गणना.
मॉडेल क्लास यशस्वी होण्याच्या वर्गाची वारंवारता - मोडल क्लास यशस्वी होण्याच्या वर्गाची वारंवारता म्हणजे फ्रिक्वेन्सी वितरणामध्ये मॉडेल वर्गानंतर लगेचच वर्गातील निरीक्षणांची गणना.
डेटाची वर्ग रुंदी - डेटाची वर्ग रुंदी म्हणजे वर्गाच्या वरच्या आणि खालच्या सीमांमधील फरक किंवा वारंवारता वितरणातील मध्यांतर.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
मॉडेल वर्गाची निम्न मर्यादा: 30 --> कोणतेही रूपांतरण आवश्यक नाही
मॉडेल वर्गाची वारंवारता: 14 --> कोणतेही रूपांतरण आवश्यक नाही
मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता: 11 --> कोणतेही रूपांतरण आवश्यक नाही
मॉडेल क्लास यशस्वी होण्याच्या वर्गाची वारंवारता: 15 --> कोणतेही रूपांतरण आवश्यक नाही
डेटाची वर्ग रुंदी: 20 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
Mode = lLower+((f1-f0)/((2*f1)-f2-f0))*wClass --> 30+((14-11)/((2*14)-15-11))*20
मूल्यांकन करत आहे ... ...
Mode = 60
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
60 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
60 <-- डेटा मोड
(गणना 00.004 सेकंदात पूर्ण झाली)

जमा

Creator Image
ने निर्मित निशान पुजारी
श्री माधवा वडिराजा तंत्रज्ञान व व्यवस्थापन संस्था (एसएमव्हीआयटीएम), उडुपी
निशान पुजारी यांनी हे कॅल्क्युलेटर आणि 500+ अधिक कॅल्क्युलेटर तयार केले आहेत!
Verifier Image
द्वारे सत्यापित मोना ग्लेडिस
सेंट जोसेफ कॉलेज (एसजेसी), बेंगलुरू
मोना ग्लेडिस यानी हे कॅल्क्युलेटर आणि 1800+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

2 मोड कॅल्क्युलेटर

गटबद्ध डेटाचा मोड
​ जा डेटा मोड = मॉडेल वर्गाची निम्न मर्यादा+((मॉडेल वर्गाची वारंवारता-मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता)/((2*मॉडेल वर्गाची वारंवारता)-मॉडेल क्लास यशस्वी होण्याच्या वर्गाची वारंवारता-मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता))*डेटाची वर्ग रुंदी
डेटाचा मोड मध्य आणि माध्य दिलेला आहे
​ जा डेटा मोड = (3*डेटाचा मध्यक)-(2*डेटाचा अर्थ)

गटबद्ध डेटाचा मोड सुत्र

डेटा मोड = मॉडेल वर्गाची निम्न मर्यादा+((मॉडेल वर्गाची वारंवारता-मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता)/((2*मॉडेल वर्गाची वारंवारता)-मॉडेल क्लास यशस्वी होण्याच्या वर्गाची वारंवारता-मॉडेल वर्गाच्या आधीच्या वर्गाची वारंवारता))*डेटाची वर्ग रुंदी
Mode = lLower+((f1-f0)/((2*f1)-f2-f0))*wClass

सांख्यिकीमध्ये मोड म्हणजे काय आणि त्याचे महत्त्व?

सांख्यिकीय डेटा विश्लेषणामध्ये मध्यवर्ती प्रवृत्तीच्या तीन मूलभूत उपायांपैकी एक मोड आहे. दिलेल्या डेटामध्ये सर्वाधिक पुनरावृत्ती होणारे निरीक्षण किंवा सर्वाधिक वारंवारता असलेल्या डेटाशी संबंधित यादृच्छिक व्हेरिएबलचे मूल्य म्हणून त्याची व्याख्या केली जाते. उदाहरणार्थ, जर निरीक्षणे 5, 6, 2, 5, 9, 3, 5, 3, 6, 5, 8 असतील तर 5 हे सर्वाधिक पुनरावृत्ती होणारे मूल्य आहे आणि म्हणून या डेटाचा मोड 5 आहे. मोड म्हणून सर्वात उपयुक्त आहे कारचे मॉडेल किंवा सोडाच्या फ्लेवर्स सारख्या स्पष्ट डेटाचे परीक्षण करताना मध्यवर्ती प्रवृत्तीचे मोजमाप, ज्यासाठी ऑर्डरिंगवर आधारित गणितीय सरासरी सरासरी मूल्य मोजले जाऊ शकत नाही. जर आपण निरीक्षणे ग्राफिक पद्धतीने प्लॉट केली, तर सर्वोच्च शिखर असलेले निरीक्षण म्हणजे मोड. आणि व्यावहारिकदृष्ट्या, दुकानाच्या मालकासाठी सर्वात जास्त विकल्या जाणार्‍या वस्तूला त्यांच्या व्यवसायात प्राथमिक महत्त्व असते आणि सर्वात जास्त विकल्या जाणार्‍या वस्तूला सांख्यिकीयदृष्ट्या मोड म्हणतात.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!