డేటా సమితి యొక్క డేటా పాయింట్లు ఎంత విస్తృతంగా చెదరగొట్టబడతాయో విశ్లేషక కొలతలు. ప్రామాణిక విచలనం తీవ్రంగా దూరప్రాంతాల్లో ప్రభావం చూపుతుంది, తద్వారా అది సగటును ప్రభావితం చేస్తుంది. పరిపూర్ణ విచలనం మీడియంపై ఆధారపడి ఉంటుంది, ఇది కొన్ని తీవ్రమైన డేటా పాయింట్ల ద్వారా ప్రభావితం చేయకుండా కోర్ డేటా యొక్క కొలతను అందిస్తుంది. నావల్ బాజ్పాయిచే "బిజినెస్ స్టాటిస్టిక్స్" ప్రకారం, మధ్యస్థ సంపూర్ణ విచలనం (MAD) అనేది వికీపీడియా యొక్క ఖచ్చితమైన కొలతలను విపరీతమైన దుర్ఘటనల ద్వారా ప్రభావితం చేయదు, దీని వలన సంఖ్యా శాస్త్ర విశ్లేషణ మరియు ప్రామాణిక వ్యత్యాసాలపై ఆధారపడుతుంది.
మీరు అవసరం అంశాలు
-
డేటా సమితి
-
క్యాలిక్యులేటర్
మీడియన్ లెక్కించడం
అతి చిన్న నుండి పెద్దదిగా ఉన్న డేటాలోని అన్ని పరిశీలనలను జాబితా చేయండి. ఒకవేళ ఒకటి కంటే ఎక్కువసార్లు సంభవించినట్లయితే, ఇది సంభవించిన అదే సంఖ్యలోని సార్లు జాబితా చేయండి.
పరిశీలనల సంఖ్యను లెక్కించండి.
పరిశీలనల సంఖ్యను 2 తో విభజించండి. పరిశీలనల సంఖ్య బేసి సంఖ్యలో ఉన్నట్లయితే, అవి సమానంగా విభజించలేవు, మధ్య పరిశీలన మధ్యస్థంగా ఉంటుంది. లేకపోతే, రెండు మధ్య సంఖ్యలు ఈ సగటు సగం పాయింట్.
కేవలం సగం పాయింట్ పైన మరియు క్రింద ఉన్న రెండు పరిశీలనలు తీసుకోండి. అప్పుడు ఈ రెండు పరిశీలనలు సగటు. ఈ విలువ మధ్యస్థం.
మీడియన్ అబ్సల్యూట్ డివియేషన్ లెక్కిస్తోంది
మధ్యస్థ నుండి సెట్ చేసిన డేటాలో ప్రతి విలువను తీసివేయి. ఇది మీడియన్ నుండి ప్రతి డేటా పాయింట్ యొక్క విచలనాన్ని ఇస్తుంది.
డేటా సమితి కోసం అన్ని విచలనాలు మొత్తం. ఇది ఒక కాలిక్యులేటర్ను ఉపయోగించడం ద్వారా వృద్ధి చెందుతుంది.
పరిశీలనల సంఖ్యను నిర్ణయించిన డేటా కోసం అన్ని వేర్వేరు మార్పుల కోసం మొత్తం విభజించండి. ఫలితంగా మధ్యస్థ సంపూర్ణ విచలనం.
చిట్కాలు
-
ఈ పుస్తకం ప్రకారం, "విశ్లేషణాత్మక శాస్త్రవేత్తకు ప్రాక్టికల్ స్టాటిస్టిక్స్", అయితే మ్యాడ్ ప్రామాణిక విచలనం యొక్క అంచనా కాదు, డేటా పంపిణీ సుమారుగా సాధారణమైనట్లయితే, 1.483 ద్వారా MAD ని సమకూర్చడం ప్రామాణిక విచలనం యొక్క ఉజ్జాయింపు అంచనాను అందిస్తుంది.
హెచ్చరిక
మీడియన్ ఆధారిత గణాంకాలను ఆరు సిగ్మా నాణ్యత ఆధారిత గణాంకాలలో ఉపయోగించలేము.
