प्रमाणाच्या नमुना वितरणातील फरक उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
डेटाची भिन्नता = (यशाची शक्यता*(1-यशाची शक्यता))/नमुन्याचा आकार
σ2 = (p*(1-p))/n
हे सूत्र 3 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
डेटाची भिन्नता - डेटाचे भिन्नता म्हणजे दिलेल्या सांख्यिकीय डेटाशी संबंधित यादृच्छिक चलच्या वर्ग विचलनाची अपेक्षा आहे.
यशाची शक्यता - यशाची संभाव्यता म्हणजे एका निश्चित संख्येच्या स्वतंत्र बर्नौली चाचण्यांच्या एका चाचणीमध्ये विशिष्ट परिणामाची संभाव्यता.
नमुन्याचा आकार - नमुना आकार म्हणजे तपासणी अंतर्गत दिलेल्या लोकसंख्येमधून काढलेल्या विशिष्ट नमुन्यात उपस्थित असलेल्या व्यक्तींची एकूण संख्या.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
यशाची शक्यता: 0.6 --> कोणतेही रूपांतरण आवश्यक नाही
नमुन्याचा आकार: 65 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
σ2 = (p*(1-p))/n --> (0.6*(1-0.6))/65
मूल्यांकन करत आहे ... ...
σ2 = 0.00369230769230769
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
0.00369230769230769 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
0.00369230769230769 0.003692 <-- डेटाची 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 श्वेता पाटील
वालचंद अभियांत्रिकी महाविद्यालय (डब्ल्यूसीई), सांगली
श्वेता पाटील यानी हे कॅल्क्युलेटर आणि 1100+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

5 नमुना वितरण कॅल्क्युलेटर

प्रमाणाच्या नमुना वितरणामध्ये लोकसंख्येचे मानक विचलन
​ 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
​ जा सामान्य वितरणातील मानक विचलन = sqrt((यशाची शक्यता*द्विपदी वितरणामध्ये अयशस्वी होण्याची शक्यता)/नमुन्याचा आकार)
प्रमाणाच्या नमुना वितरणामध्ये मानक विचलन
​ जा सामान्य वितरणातील मानक विचलन = sqrt((यशाची शक्यता*(1-यशाची शक्यता))/नमुन्याचा आकार)
यश आणि अपयशाच्या संभाव्यता दिलेल्या प्रमाणात नमुना वितरणातील फरक
​ जा डेटाची भिन्नता = (यशाची शक्यता*द्विपदी वितरणामध्ये अयशस्वी होण्याची शक्यता)/नमुन्याचा आकार
प्रमाणाच्या नमुना वितरणातील फरक
​ जा डेटाची भिन्नता = (यशाची शक्यता*(1-यशाची शक्यता))/नमुन्याचा आकार

प्रमाणाच्या नमुना वितरणातील फरक सुत्र

डेटाची भिन्नता = (यशाची शक्यता*(1-यशाची शक्यता))/नमुन्याचा आकार
σ2 = (p*(1-p))/n

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!