पूल केलेले भिन्नता उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
पूल केलेले भिन्नता = (((नमुना X चा आकार-1)*नमुना X चे भिन्नता)+((नमुन्याचा आकार Y-1)*नमुन्याचे फरक Y))/(नमुना X चा आकार+नमुन्याचा आकार Y-2)
VPooled = (((NX-1)*σ2X)+((NY-1)*σ2Y))/(NX+NY-2)
हे सूत्र 5 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
पूल केलेले भिन्नता - पूल्ड व्हेरियंस हे एकत्रित किंवा एकत्रित डेटासेटवरून गणना केलेले भिन्नता आहे, तुलनात्मक वैशिष्ट्यांसह अनेक गटांचा समावेश असलेल्या सांख्यिकीय चाचण्यांमध्ये वारंवार वापर केला जातो.
नमुना X चा आकार - नमुना X चा आकार म्हणजे नमुना X मधील निरीक्षणे किंवा डेटा पॉइंट्सची संख्या.
नमुना X चे भिन्नता - नमुना X ची भिन्नता ही प्रत्येक डेटा बिंदू आणि नमुना X च्या सरासरीमधील वर्गातील फरकांची सरासरी आहे.
नमुन्याचा आकार Y - नमुना Y चा आकार नमुना Y मधील निरीक्षणे किंवा डेटा बिंदूंची संख्या 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 चा आकार: 8 --> कोणतेही रूपांतरण आवश्यक नाही
नमुना X चे भिन्नता: 840 --> कोणतेही रूपांतरण आवश्यक नाही
नमुन्याचा आकार Y: 6 --> कोणतेही रूपांतरण आवश्यक नाही
नमुन्याचे फरक Y: 1765 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
VPooled = (((NX-1)*σ2X)+((NY-1)*σ2Y))/(NX+NY-2) --> (((8-1)*840)+((6-1)*1765))/(8+6-2)
मूल्यांकन करत आहे ... ...
VPooled = 1225.41666666667
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
1225.41666666667 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
1225.41666666667 1225.417 <-- पूल केलेले भिन्नता
(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।

5 तफावत कॅल्क्युलेटर

पूल केलेले भिन्नता
​ जा पूल केलेले भिन्नता = (((नमुना X चा आकार-1)*नमुना X चे भिन्नता)+((नमुन्याचा आकार Y-1)*नमुन्याचे फरक Y))/(नमुना X चा आकार+नमुन्याचा आकार Y-2)
डेटाची भिन्नता
​ जा डेटाची भिन्नता = (वैयक्तिक मूल्यांच्या वर्गांची बेरीज/वैयक्तिक मूल्यांची संख्या)-(डेटाचा अर्थ^2)
यादृच्छिक व्हेरिएबलच्या स्केलर मल्टिपलचे भिन्नता
​ जा यादृच्छिक व्हेरिएबलच्या स्केलर मल्टिपलचे भिन्नता = (स्केलर व्हॅल्यू c^2)*यादृच्छिक चल X चे भिन्नता
स्वतंत्र यादृच्छिक चलांच्या बेरजेचे भिन्नता
​ जा स्वतंत्र यादृच्छिक चलांच्या बेरजेचे भिन्नता = यादृच्छिक चल X चे भिन्नता+यादृच्छिक चल Y चे भिन्नता
मानक विचलन दिलेले भिन्नता
​ जा डेटाची भिन्नता = (डेटाचे मानक विचलन)^2

पूल केलेले भिन्नता सुत्र

पूल केलेले भिन्नता = (((नमुना X चा आकार-1)*नमुना X चे भिन्नता)+((नमुन्याचा आकार Y-1)*नमुन्याचे फरक Y))/(नमुना X चा आकार+नमुन्याचा आकार Y-2)
VPooled = (((NX-1)*σ2X)+((NY-1)*σ2Y))/(NX+NY-2)

व्हेरिअन्स म्हणजे काय आणि सांख्यिकीमध्ये भिन्नताचे महत्त्व?

भिन्नता हे सांख्यिकीय डेटाचे विश्लेषण करण्यासाठी वापरले जाणारे सांख्यिकीय साधन आहे. व्हेरिअन्स हा शब्द प्रत्यक्षात विविधता या शब्दापासून आला आहे ज्याचा अर्थ आकडेवारीच्या दृष्टीने विविध स्कोअर आणि रीडिंगमधील फरक असा होतो. मुळात ही त्याच्या लोकसंख्येच्या सरासरी किंवा नमुना मध्यापासून संबंधित यादृच्छिक चलच्या वर्ग विचलनाची अपेक्षा आहे. भिन्नता अचूकतेची खात्री देते कारण कमी भिन्नता किंवा कोणत्याही भिन्नतेच्या अनुपस्थितीच्या तुलनेत अधिक भिन्नता चांगली मानली जाते. सांख्यिकीतील तफावत महत्त्वाची आहे कारण मापनामध्ये ते आम्हाला त्यांच्या सरासरीच्या आसपासच्या व्हेरिएबल्सच्या संचाचे फैलाव मोजू देते. व्हेरिएबल्सचा हा संच म्हणजे मोजमाप किंवा विश्लेषण केले जाणारे चल. व्हेरिअन्सची उपस्थिती सांख्यिकीशास्त्रज्ञांना डेटामधून काही अर्थपूर्ण निष्कर्ष काढू देते. व्हेरियंसचा फायदा असा आहे की ते सर्व विचलनांना त्यांची दिशा विचारात न घेता समान मानते.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!