डेटाची भिन्नता उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
डेटाची भिन्नता = (वैयक्तिक मूल्यांच्या वर्गांची बेरीज/वैयक्तिक मूल्यांची संख्या)-(डेटाचा अर्थ^2)
σ2 = (Σx2/N)-(μ^2)
हे सूत्र 4 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
डेटाची भिन्नता - डेटाचे भिन्नता म्हणजे प्रत्येक डेटा पॉइंट आणि डेटासेटच्या सरासरीमधील वर्गातील फरकांची सरासरी. हे सरासरीच्या आसपास डेटा बिंदूंच्या एकूण परिवर्तनशीलतेचे किंवा प्रसाराचे 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.
डेटाचा अर्थ - डेटाचा मध्य म्हणजे डेटासेटमधील सर्व डेटा पॉइंट्सचे सरासरी मूल्य. हे डेटाच्या मध्यवर्ती प्रवृत्तीचे प्रतिनिधित्व करते.
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
डेटाचा अर्थ: 1.5 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
σ2 = (Σx2/N)-(μ^2) --> (85/10)-(1.5^2)
मूल्यांकन करत आहे ... ...
σ2 = 6.25
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
6.25 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
6.25 <-- 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 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

डेटाची भिन्नता सुत्र

डेटाची भिन्नता = (वैयक्तिक मूल्यांच्या वर्गांची बेरीज/वैयक्तिक मूल्यांची संख्या)-(डेटाचा अर्थ^2)
σ2 = (Σx2/N)-(μ^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 पूर्णपणे 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 मोजमाप किंवा विश्लेषण केले जाणारे चल आहेत. 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!