मानक विचलन आणि सरासरी दरम्यान फरक
मानक विचलन वि माध्य
वर्णनात्मक आणि अनुमानित आकडेवारीमध्ये, अनेक निर्देशांक वापरलेल्या डेटा सेटचे वर्णन करण्यासाठी वापरले जातात. त्याच्या केंद्रीय प्रवृत्ती, फैलाव आणि skewness. संख्याशास्त्रीय निष्कर्षानुसार, हे लोक सामान्यतः आकस्कर म्हणून ओळखले जातात कारण ते लोकसंख्या मापदंडांचे अंदाज करतात.
केंद्रीय प्रवृत्ती म्हणजे मूल्य वाटपाचा केंद्रबिंदू. डेटा सेटची मध्य प्रवृत्ती दर्शविण्यामध्ये मध्य, मोड आणि मध्यक सर्वसामान्यपणे वापरले जाणारे निर्देशांक आहेत. वितरण हे वितरण केंद्रातून डेटा प्रसारित करण्याचे प्रमाण आहे. श्रेणी आणि मानक विचलन हे पांगापांगांच्या सामान्यतः वापरले जाणारे उपाय आहेत. पियर्सनच्या तिरकस गुणकांचा डेटाच्या वितरणाची ढिलेपणा वर्णन करण्याकरिता वापरले जाते. येथे, skewness म्हणजे केंद्र बद्दल डेटा सेट सममेट्रिक आहे की नाही आणि नाही तर ते कसे वळवले आहे.
म्हणजे काय?
मध्य प्रवृत्तीचा सर्वसाधारण वापरला जाणारा असा अर्थ. दिलेल्या डेटास दिलेल्या वेळेस सर्व डेटा मूल्यांची बेरीज करून आणि नंतर डेटाच्या संख्येद्वारे ते भागून गणना केली जाते. उदाहरणार्थ, 10 व्यक्तींचे वजनाचे (किलोग्रॅममध्ये) 70, 62, 65, 72, 80, 70, 63, 72, 77 आणि 79 असे मोजले जाते. मग दहा लोकांचा (किलोग्रॅममध्ये) सरासरी वजन होऊ शकतो. खालील प्रमाणे गणना वजन 70 + 62 + 65 + 72 + 80 + 70 + 63 + 72 + 77 + 79 = 710 आहे. सरासरी = (रक्कम) / (डेटा संख्या) = 710/10 = 71 (किलोग्रॅम मध्ये).
या विशिष्ट उदाहरणाप्रमाणे, डेटा सेटचे मूल्य मूल्य संचिकाचा डेटा पॉइंट नसू शकतो परंतु विशिष्ट डेटा सेटसाठी एकमेव असेल. मध्य मूळ माहिती म्हणून समान युनिट असतील. म्हणूनच डेटावर समान अक्षावर चिन्हांकित करता येते आणि तुलनामध्ये वापरले जाऊ शकते. तसेच, डेटा सेटच्या अर्थासाठी कोणतेही चिन्ह प्रतिबंध नाही. डेटा सेटची बेरीज नकारात्मक, शून्य किंवा सकारात्मक असू शकते म्हणून हे नकारात्मक, शून्य किंवा सकारात्मक असू शकते.
मानक विचलन काय आहे?
मानक विचलन म्हणजे पांगळ्याचा सर्वात सामान्यतः वापरल्या जाणार्या निर्देशांक. मानक विचलनाची गणना करण्यासाठी, प्रथम सरासरी मूल्यांवरील डेटा मूल्यांचे विचलन मोजले जातात. विचलनांचा मूळ चौरस अर्थ याला मानक विचलन म्हणतात.
मागील उदाहरणामध्ये, या क्षुद्रतेतील संबंधित विचलन (70 - 71) = -1, (62-71) = -9, (65-71) = -6, (72-71) = 1, (80-71) = 9, (70-71) = -1, (63-71) = -8, (72-71) = 1, (77-71) = 6 आणि (79-71) = 8 विचलन च्या वर्गांची बेरीज (-1) 2+ (-9) 2 + (-6) 2 + 1 2 +9 2 + (-1) 2 + (-8) 2 + 1 2 + 6 2 + 8 2 = 366. मानक विचलन √ (366/10) = 6. 05 (किलोग्रॅम मध्ये) आहे. यावरून असे निष्कर्ष काढता येतात की बहुतेक डेटा अंतराल 71 ± 6 मध्ये आहे.05, डेटा सेट मोठ्या मानाने skewed नाही प्रदान, आणि तो या विशिष्ट उदाहरणार्थ खरंच म्हणून आहे. मानक विचलन मध्ये मूळ डेटा प्रमाणेच समान युनिट असल्याने, आम्हाला केंद्राकडून किती डेटा विचलित करावा याचे माप आम्हाला देते; मानक विचलन अधिक मोठे फैलाव. तसेच, डेटा सेटमधील डेटाच्या प्रकाराकडे दुर्लक्ष करून मानक विचलन असंभाव्य मूल्य असेल.
मानक विचलनातील आणि मध्यांमध्ये काय फरक आहे?
