व्याघ्र बीजगणित कॅल्क्युलेटर

अवलोकन:

सांख्यिकीय विज्ञान म्हणजे डेटा संग्रहित करणे, विश्लेषण करणे, व्याख्या करणे आणि प्रस्तुत करणे. सांख्यिकी बरेचवेळा लोकसंख्येबरोबर संपर्क साधते, ज्या प्रामाणिकतेने आपल्याला व्यक्ती, गोष्टी किंवा वस्त्रे यांचा समूह किंवा विभागणी म्हणता येईल. लोकसंख्येविषयी माहिती मिळवण्यासाठी, आपण लोकसंख्येच्या प्रतिनिधीत्वाचा एक छोटासा नमुना, ज्याला आपण साखळी यासारखे म्हणतो, निवडू शकतो. नमुना लोकसंख्येच्या प्रतिनिधीत्वाच्या तीतक्या जास्त असेल तितकी डेटा निखळ असेल.

उदाहरणार्थ, आपल्या शाळेतील सर्वसामान्य श्रेणीसूचकांचे मुद्दे मोजण्यासाठी, आपण प्रत्येक ग्रेडची किंवा वर्गीची काही विद्यार्थ्यांची निवड केली असेल, तर शाळेच्या सर्व विद्यार्थ्यांच्या विरुद्ध. नमुन्यातील डेटा म्हणजे विद्यार्थ्यांचे श्रेणीसूची, लोकसंख्या म्हणजे आपल्या शाळेतील सर्व विद्यार्थी आणि नमुना म्हणजे निवडलेले विद्यार्थी.

नमुना विचलन फॉर्म्युला:

संबंधित अवधारणाः

• Mean: सेटमधील सर्व संख्यांची सरासरी. सरासरी सापडवायला, सर्व संख्यांची बेरीज करून मिळालेल्या बेरीजेची एकूण संख्या निवडून गेलेल्या मजकूरातील मध्यवर्ती मूलाशी तुलनेची वेळ. म्हणूनच अनेकदा कधीकधी सरासरी अरिथ्मेटीक सरासरी म्हणतात.
• Median: एका क्रमवारी केलेल्या संख्यांची मध्यवर्ती मुद्रा. सेटमध्ये समान संख्येतील मध्यवर्ती मूल दोन मध्यवर्ती मूलांच्या सरासरीसह बरोबर असतात.
• Range: सेटमध्ये सर्वात लहान आणि सर्वात मोठ्या मूल्यांच्या तफावत. सेटमधील सर्वात लहान संख्येतून सर्वात मोठी संख्या वगळा.
• Variance: सेटमध्ये प्रत्येक संख्या सरासरी सह सर्वात कितीत दुर आहे, म्हणजेच सेटमध्ये प्रत्येक संख्येच्या दुसऱ्या संख्येशी कितीत अंतर आहे. विचलन जितके मोठे असेल, तितके संख्या म्हणजे सरासरी आणि एकमेकांशी असेल. नमुनेच्या विचलनास - अर्वाचीन औसतचे प्रतिसाद लक्षात घेतल्यास असा विचार करता येईल - एक समुची या प्रकारचा प्रतिसाद आहे. डेटा सेटमध्ये मूल्यांच्या एकूण खर्चाचे प्रतिसाद म्हणजे सेटमध्ये सर्वात विविध मूळ येईल. अशा वेळी, विविध विभागांची संख्या +1 वर्गीभूत करणे करणे आवश्यक आहे. परिणामी अंतर म्हणजे विचलन आणि या त्याच्या डेटा सेटमध्ये या मूळ त्याच्या मूळाचा अंतर आहे.
• Standard Deviation: एका डेटासेटचे प्रसार, किंवा त्याच्या सरासरीतील फेरी. विचलन आपल्याला फेरीचा एक ऍकमिक अनुमान देतो, म्हणजे स्थिर विचलन म्हणजे डेटासेटमधील मूळांचा आणि मूळांच्या दरम्यानचा अंतर. मूळ यथापूर्वी सरासरीतून अधिक आहे, तितकी डेटासेटमध्ये अधिक विचलन आहे; म्हणूनच डेटा अधिक प्रसारीत असल्यास, स्थिर विचलन अधिक असेल. स्थिर विचलन म्हणजे विचलनाचा वर्गमूळ.