प्रमाणाच्या नमुना वितरणामध्ये लोकसंख्येचे मानक विचलन उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
सामान्य वितरणातील मानक विचलन = sqrt((वैयक्तिक मूल्यांच्या वर्गांची बेरीज/लोकसंख्येचा आकार)-((वैयक्तिक मूल्यांची बेरीज/लोकसंख्येचा आकार)^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
सामान्य वितरणातील मानक विचलन - सामान्य वितरणातील मानक विचलन हे त्याच्या लोकसंख्येच्या सरासरी किंवा नमुना सरासरीवरून दिलेल्या डेटाच्या आधारे दिलेल्या सामान्य वितरणाच्या वर्ग विचलनाच्या अपेक्षेचे वर्गमूळ आहे.
वैयक्तिक मूल्यांच्या वर्गांची बेरीज - वैयक्तिक मूल्यांच्या वर्गांची बेरीज ही दिलेल्या सांख्यिकीय डेटा किंवा लोकसंख्या किंवा नमुन्यातील यादृच्छिक व्हेरिएबलच्या सर्व वैयक्तिक मूल्यांच्या चौरसांची एकूण बेरीज आहे.
लोकसंख्येचा आकार - लोकसंख्येचा आकार तपासाधीन दिलेल्या लोकसंख्येमध्ये उपस्थित असलेल्या एकूण व्यक्तींची संख्या आहे.
वैयक्तिक मूल्यांची बेरीज - वैयक्तिक मूल्यांची बेरीज ही दिलेल्या सांख्यिकीय डेटा किंवा लोकसंख्या किंवा नमुन्यातील यादृच्छिक व्हेरिएबलच्या सर्व वैयक्तिक मूल्यांची एकूण बेरीज आहे.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
वैयक्तिक मूल्यांच्या वर्गांची बेरीज: 100 --> कोणतेही रूपांतरण आवश्यक नाही
लोकसंख्येचा आकार: 100 --> कोणतेही रूपांतरण आवश्यक नाही
वैयक्तिक मूल्यांची बेरीज: 20 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
σ = sqrt((Σx2/N)-((Σx/N)^2)) --> sqrt((100/100)-((20/100)^2))
मूल्यांकन करत आहे ... ...
σ = 0.979795897113271
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
0.979795897113271 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
0.979795897113271 0.979796 <-- सामान्य वितरणातील मानक विचलन
(गणना 00.004 सेकंदात पूर्ण झाली)

जमा

Creator Image
ने निर्मित निशान पुजारी LinkedIn Logo
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 LinkedIn Logo
सेंट जोसेफ कॉलेज (एसजेसी), बेंगलुरू
मोना ग्लेडिस यानी हे कॅल्क्युलेटर आणि 1800+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

नमुना वितरण कॅल्क्युलेटर

प्रमाणाच्या नमुना वितरणामध्ये लोकसंख्येचे मानक विचलन
​ LaTeX ​ जा सामान्य वितरणातील मानक विचलन = sqrt((वैयक्तिक मूल्यांच्या वर्गांची बेरीज/लोकसंख्येचा आकार)-((वैयक्तिक मूल्यांची बेरीज/लोकसंख्येचा आकार)^2))
यश आणि अपयशाच्या संभाव्यता दिलेल्या प्रमाणाच्या नमुना वितरणातील मानक विचलन
​ LaTeX ​ जा सामान्य वितरणातील मानक विचलन = sqrt((यशाची शक्यता*द्विपदी वितरणामध्ये अयशस्वी होण्याची शक्यता)/नमुन्याचा आकार)
प्रमाणाच्या नमुना वितरणामध्ये मानक विचलन
​ LaTeX ​ जा सामान्य वितरणातील मानक विचलन = sqrt((यशाची शक्यता*(1-यशाची शक्यता))/नमुन्याचा आकार)
प्रमाणाच्या नमुना वितरणातील फरक
​ LaTeX ​ जा डेटाची भिन्नता = (यशाची शक्यता*(1-यशाची शक्यता))/नमुन्याचा आकार

प्रमाणाच्या नमुना वितरणामध्ये लोकसंख्येचे मानक विचलन सुत्र

​LaTeX ​जा
सामान्य वितरणातील मानक विचलन = sqrt((वैयक्तिक मूल्यांच्या वर्गांची बेरीज/लोकसंख्येचा आकार)-((वैयक्तिक मूल्यांची बेरीज/लोकसंख्येचा आकार)^2))
σ = sqrt((Σx2/N)-((Σx/N)^2))

सॅम्पलिंग वितरण म्हणजे काय?

सॅम्पलिंग डिस्ट्रिब्युशन हे लोकसंख्येमधून काढलेल्या यादृच्छिक नमुन्यावरून गणना केलेल्या आकडेवारीचे संभाव्यता वितरण आहे. एकाच लोकसंख्येमधून काढलेल्या समान आकाराच्या आणि आकाराच्या वेगवेगळ्या नमुन्यांमध्ये आकडेवारीचे मूल्य कसे बदलू शकते याचे वर्णन करते. सांख्यिकीमध्ये ही एक महत्त्वाची संकल्पना आहे कारण ती आम्हाला नमुना डेटावर आधारित लोकसंख्येबद्दल निष्कर्ष काढण्याची परवानगी देते. उदाहरणार्थ, सरासरीचे नमुना वितरण समजून घेऊन, आम्ही नमुन्याच्या सरासरीच्या आधारे लोकसंख्येच्या सरासरीचा अंदाज लावू शकतो आणि अंदाज खर्‍या लोकसंख्येच्या सरासरीच्या जवळ असल्याची संभाव्यता मोजू शकतो.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!