हायपरजिओमेट्रिक वितरणाचा फरक उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
डेटाची भिन्नता = (नमुन्याचा आकार*यशाची संख्या*(लोकसंख्येचा आकार-यशाची संख्या)*(लोकसंख्येचा आकार-नमुन्याचा आकार))/((लोकसंख्येचा आकार^2)*(लोकसंख्येचा आकार-1))
σ2 = (n*NSuccess*(N-NSuccess)*(N-n))/((N^2)*(N-1))
हे सूत्र 4 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
डेटाची भिन्नता - डेटाचे भिन्नता म्हणजे दिलेल्या सांख्यिकीय डेटाशी संबंधित यादृच्छिक चलच्या वर्ग विचलनाची अपेक्षा आहे.
नमुन्याचा आकार - नमुना आकार म्हणजे तपासणी अंतर्गत दिलेल्या लोकसंख्येमधून काढलेल्या विशिष्ट नमुन्यात उपस्थित असलेल्या व्यक्तींची एकूण संख्या.
यशाची संख्या - यशाची संख्या ही ठराविक वेळा स्वतंत्र बर्नौली चाचण्यांमध्ये इव्हेंटचे यश म्हणून सेट केलेल्या विशिष्ट निकालाची संख्या असते.
लोकसंख्येचा आकार - लोकसंख्येचा आकार तपासाधीन दिलेल्या लोकसंख्येमध्ये उपस्थित असलेल्या एकूण व्यक्तींची संख्या आहे.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
नमुन्याचा आकार: 65 --> कोणतेही रूपांतरण आवश्यक नाही
यशाची संख्या: 5 --> कोणतेही रूपांतरण आवश्यक नाही
लोकसंख्येचा आकार: 100 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
σ2 = (n*NSuccess*(N-NSuccess)*(N-n))/((N^2)*(N-1)) --> (65*5*(100-5)*(100-65))/((100^2)*(100-1))
मूल्यांकन करत आहे ... ...
σ2 = 1.0915404040404
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
1.0915404040404 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
1.0915404040404 1.09154 <-- 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 मोना ग्लेडिस
सेंट जोसेफ कॉलेज (एसजेसी), बेंगलुरू
मोना ग्लेडिस यानी हे कॅल्क्युलेटर आणि 1800+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

4 हायपरजिओमेट्रिक वितरण कॅल्क्युलेटर

हायपरजिओमेट्रिक वितरण
​ जा Hypergeometric संभाव्यता वितरण कार्य = (C(नमुन्यातील आयटमची संख्या,नमुन्यातील यशांची संख्या)*C(लोकसंख्येतील वस्तूंची संख्या-नमुन्यातील आयटमची संख्या,लोकसंख्येतील यशांची संख्या-नमुन्यातील यशांची संख्या))/(C(लोकसंख्येतील वस्तूंची संख्या,लोकसंख्येतील यशांची संख्या))
हायपरजिओमेट्रिक वितरणाचे मानक विचलन
​ जा सामान्य वितरणातील मानक विचलन = sqrt((नमुन्याचा आकार*यशाची संख्या*(लोकसंख्येचा आकार-यशाची संख्या)*(लोकसंख्येचा आकार-नमुन्याचा आकार))/((लोकसंख्येचा आकार^2)*(लोकसंख्येचा आकार-1)))
हायपरजिओमेट्रिक वितरणाचा फरक
​ जा डेटाची भिन्नता = (नमुन्याचा आकार*यशाची संख्या*(लोकसंख्येचा आकार-यशाची संख्या)*(लोकसंख्येचा आकार-नमुन्याचा आकार))/((लोकसंख्येचा आकार^2)*(लोकसंख्येचा आकार-1))
हायपरजिओमेट्रिक वितरणाचा अर्थ
​ जा सामान्य वितरणात सरासरी = (नमुन्याचा आकार*यशाची संख्या)/(लोकसंख्येचा आकार)

हायपरजिओमेट्रिक वितरणाचा फरक सुत्र

डेटाची भिन्नता = (नमुन्याचा आकार*यशाची संख्या*(लोकसंख्येचा आकार-यशाची संख्या)*(लोकसंख्येचा आकार-नमुन्याचा आकार))/((लोकसंख्येचा आकार^2)*(लोकसंख्येचा आकार-1))
σ2 = (n*NSuccess*(N-NSuccess)*(N-n))/((N^2)*(N-1))

हायपरजिओमेट्रिक वितरण म्हणजे काय?

हायपरजिओमेट्रिक वितरण हे एक स्वतंत्र संभाव्यता वितरण आहे जे बदलीशिवाय बर्नौली चाचण्यांच्या निश्चित संख्येतील यशांच्या संख्येचे वर्णन करते (म्हणजे केवळ दोन संभाव्य परिणामांसह चाचण्या: यश किंवा अपयश). हायपरजिओमेट्रिक वितरणाचे संभाव्यता वस्तुमान कार्य (PMF) याद्वारे दिले जाते: P(X = x) = (C(K,x) * C(NK,nx)) / C(N,n) हायपरजिओमेट्रिक वितरण यासाठी वापरले जाते मर्यादित लोकसंख्येच्या ठराविक संख्येच्या ड्रॉमध्ये विशिष्ट संख्येचे "यश" पाहण्याच्या संभाव्यतेचे मॉडेल करा, जेथे प्रत्येक ड्रॉवर यशाची संभाव्यता बदलते. हे आनुवंशिकता, गुणवत्ता नियंत्रण आणि नमुना तपासणी यासारख्या अनेक क्षेत्रांमध्ये वापरले जाते, ज्यामध्ये नमुने बदलल्याशिवाय काढले जातात.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!