अवशिष्ट मानक त्रुटी दिलेल्या वैयक्तिक मूल्यांची संख्या उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
वैयक्तिक मूल्यांची संख्या = (चौरसांची अवशिष्ट बेरीज/(डेटाची अवशिष्ट मानक त्रुटी^2))+1
n = (RSS/(RSE^2))+1
हे सूत्र 3 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
वैयक्तिक मूल्यांची संख्या - वैयक्तिक मूल्यांची संख्या ही डेटासेटमधील भिन्न डेटा बिंदूंची एकूण संख्या आहे.
चौरसांची अवशिष्ट बेरीज - स्क्वेअर्सची अवशिष्ट बेरीज ही प्रतिगमन विश्लेषणामध्ये निरीक्षण केलेल्या आणि अंदाज केलेल्या मूल्यांमधील वर्ग फरकांची बेरीज आहे.
डेटाची अवशिष्ट मानक त्रुटी - डेटाची अवशिष्ट मानक त्रुटी हे प्रतिगमन विश्लेषणामध्ये प्रतिगमन रेषेभोवती अवशेषांच्या (निरीक्षण केलेल्या आणि अंदाज केलेल्या मूल्यांमधील फरक) प्रसाराचे मोजमाप आहे.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
चौरसांची अवशिष्ट बेरीज: 260 --> कोणतेही रूपांतरण आवश्यक नाही
डेटाची अवशिष्ट मानक त्रुटी: 3 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
n = (RSS/(RSE^2))+1 --> (260/(3^2))+1
मूल्यांकन करत आहे ... ...
n = 29.8888888888889
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
29.8888888888889 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
29.8888888888889 29.88889 <-- वैयक्तिक मूल्यांची संख्या
(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।

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

अवशिष्ट मानक त्रुटी दिलेल्या वैयक्तिक मूल्यांची संख्या सुत्र

वैयक्तिक मूल्यांची संख्या = (चौरसांची अवशिष्ट बेरीज/(डेटाची अवशिष्ट मानक त्रुटी^2))+1
n = (RSS/(RSE^2))+1

अवशिष्ट मानक त्रुटी म्हणजे काय?

अवशिष्ट मानक त्रुटी हे अवशेषांच्या ठराविक आकाराचे मोजमाप आहे. बरोबरीने, तुम्ही अंदाज किती चुकीचे ठरवू शकता याचे हे मोजमाप आहे. लहान संख्या अधिक चांगल्या आहेत, शून्य हे डेटासाठी योग्य आहे. सांख्यिकीय डेटाच्या प्रतिगमन विश्लेषणासाठी हे एक मूलभूत साधन आहे.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!