डेटाचे मानक विचलन उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
डेटाचे मानक विचलन = sqrt((वैयक्तिक मूल्यांच्या वर्गांची बेरीज/वैयक्तिक मूल्यांची संख्या)-((वैयक्तिक मूल्यांची बेरीज/वैयक्तिक मूल्यांची संख्या)^2))
σ = sqrt((Σx2/N)-((Σx/N)^2))
हे सूत्र 1 कार्ये, 4 व्हेरिएबल्स वापरते
कार्ये वापरली
sqrt - स्क्वेअर रूट फंक्शन हे एक फंक्शन आहे जे इनपुट म्हणून नॉन-ऋणात्मक संख्या घेते आणि दिलेल्या इनपुट नंबरचे वर्गमूळ परत करते., sqrt(Number)
व्हेरिएबल्स वापरलेले
डेटाचे मानक विचलन - डेटाचे मानक विचलन हे डेटासेटमधील मूल्ये किती बदलतात याचे मोजमाप आहे. हे सरासरीच्या आसपास डेटा पॉइंट्सच्या फैलावचे प्रमाण ठरवते.
वैयक्तिक मूल्यांच्या वर्गांची बेरीज - वैयक्तिक मूल्यांच्या वर्गांची बेरीज ही प्रत्येक डेटा पॉइंट आणि डेटासेटच्या सरासरीमधील स्क्वेअर फरकांची बेरीज आहे.
वैयक्तिक मूल्यांची संख्या - वैयक्तिक मूल्यांची संख्या ही डेटासेटमधील भिन्न डेटा बिंदूंची एकूण संख्या आहे.
वैयक्तिक मूल्यांची बेरीज - वैयक्तिक मूल्यांची बेरीज ही डेटासेटमधील सर्व डेटा बिंदूंची एकूण आहे.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
वैयक्तिक मूल्यांच्या वर्गांची बेरीज: 85 --> कोणतेही रूपांतरण आवश्यक नाही
वैयक्तिक मूल्यांची संख्या: 10 --> कोणतेही रूपांतरण आवश्यक नाही
वैयक्तिक मूल्यांची बेरीज: 15 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
σ = sqrt((Σx2/N)-((Σx/N)^2)) --> sqrt((85/10)-((15/10)^2))
मूल्यांकन करत आहे ... ...
σ = 2.5
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
2.5 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
2.5 <-- डेटाचे मानक विचलन
(गणना 00.004 सेकंदात पूर्ण झाली)

जमा

Creator Image
ने निर्मित प्राची
कमला नेहरू कॉलेज, दिल्ली विद्यापीठ (KNC), नवी दिल्ली
प्राची यांनी हे कॅल्क्युलेटर आणि 50+ अधिक कॅल्क्युलेटर तयार केले आहेत!
Verifier Image
द्वारे सत्यापित श्वेता पाटील
वालचंद अभियांत्रिकी महाविद्यालय (डब्ल्यूसीई), सांगली
श्वेता पाटील यानी हे कॅल्क्युलेटर आणि 1100+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

7 प्रमाणित विचलन कॅल्क्युलेटर

पूल केलेले मानक विचलन
​ जा पूल केलेले मानक विचलन = sqrt((((नमुना X चा आकार-1)*(नमुना X चे मानक विचलन^2))+((नमुन्याचा आकार Y-1)*(नमुना Y चे मानक विचलन^2)))/(नमुना X चा आकार+नमुन्याचा आकार Y-2))
डेटाचे मानक विचलन
​ जा डेटाचे मानक विचलन = sqrt((वैयक्तिक मूल्यांच्या वर्गांची बेरीज/वैयक्तिक मूल्यांची संख्या)-((वैयक्तिक मूल्यांची बेरीज/वैयक्तिक मूल्यांची संख्या)^2))
दिलेले मानक विचलन
​ जा डेटाचे मानक विचलन = sqrt((वैयक्तिक मूल्यांच्या वर्गांची बेरीज/वैयक्तिक मूल्यांची संख्या)-(डेटाचा अर्थ^2))
स्वतंत्र यादृच्छिक चलांच्या बेरजेचे मानक विचलन
​ जा यादृच्छिक चलांच्या बेरजेचे मानक विचलन = sqrt((यादृच्छिक चल X चे मानक विचलन^2)+(यादृच्छिक चल Y चे मानक विचलन^2))
फरक टक्केवारीचा गुणांक दिलेला मानक विचलन
​ जा डेटाचे मानक विचलन = (डेटाचा अर्थ*भिन्नता टक्केवारीचे गुणांक)/100
भिन्नतेचे गुणांक दिलेले मानक विचलन
​ जा डेटाचे मानक विचलन = डेटाचा अर्थ*भिन्नता गुणोत्तराचा गुणांक
भिन्नता दिलेले मानक विचलन
​ जा डेटाचे मानक विचलन = sqrt(डेटाची भिन्नता)

डेटाचे मानक विचलन सुत्र

डेटाचे मानक विचलन = sqrt((वैयक्तिक मूल्यांच्या वर्गांची बेरीज/वैयक्तिक मूल्यांची संख्या)-((वैयक्तिक मूल्यांची बेरीज/वैयक्तिक मूल्यांची संख्या)^2))
σ = sqrt((Σx2/N)-((Σx/N)^2))

सांख्यिकी मध्ये मानक विचलन काय आहे?

सांख्यिकीमध्ये, मानक विचलन हे मूल्यांच्या संचाच्या भिन्नतेचे किंवा विखुरण्याचे प्रमाण आहे. कमी मानक विचलन दर्शविते की मूल्ये सेटच्या सरासरीच्या (ज्याला अपेक्षित मूल्य देखील म्हणतात) जवळ असतात, तर उच्च मानक विचलन दर्शवते की मूल्ये मोठ्या श्रेणीमध्ये पसरलेली आहेत. मानक विचलनाचा एक उपयुक्त गुणधर्म असा आहे की, भिन्नतेच्या विपरीत, ते डेटाच्या समान युनिटमध्ये व्यक्त केले जाते. यादृच्छिक चल, नमुना, सांख्यिकीय लोकसंख्या, डेटा संच किंवा संभाव्यता वितरणाचे मानक विचलन परिभाषित केले जाते आणि त्याच्या भिन्नतेचे वर्गमूळ म्हणून गणना केली जाते.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!