గణాంకాలు లో వేరియంస్ లెక్కించు ఎలా

విషయ సూచిక:

Anonim

గణాంకాలలో చాలా ప్రాథమిక విషయాలు ఒకటి సగటు, లేదా అంకగణిత సగటు, సంఖ్యల సమితి యొక్క. సగటు డేటా సెట్ కోసం కేంద్ర విలువను సూచిస్తుంది. ది అంతర్భేధం ఒక డేటా సమితి యొక్క డేటా సమితి యొక్క సమితి సగటు నుండి ఎంతవరకు విస్తరించింది. సంఖ్య సన్నివేశాలలో సగటుకు దగ్గరగా ఉన్న డేటా సమితులు తక్కువ వ్యత్యాసం కలిగి ఉంటాయి. సంఖ్యల కంటే ఎక్కువగా ఉన్న లేదా సగటు కంటే తక్కువగా ఉండే ఈ సెట్లు అధిక వ్యత్యాసం కలిగి ఉంటాయి.

డేటా సెట్ యొక్క మీడియం లెక్కించండి

స్క్వేర్డ్ తేడాలు లెక్కించు

తదుపరి దశలో డేటా సమితి మరియు సగటులోని ప్రతి అంశానికి మధ్య వ్యత్యాసాన్ని లెక్కించడం జరుగుతుంది. కొన్ని మూలకాలు సగటు కంటే ఎక్కువగా ఉంటాయి మరియు కొన్ని తక్కువగా ఉంటాయి కాబట్టి, భేదం లెక్కింపు తేడాలు ఉన్న చదరపును ఉపయోగిస్తుంది.

డే 1 సేల్స్ - మీన్ సేల్స్: $ 62,000 - $ 65414.29 = (- $ 3,414.29); (-3,414.29)2 = 11,657,346.94

డే 2 సేల్స్ - మీన్ సేల్స్: $ 64,800- $ 65414.29 = (- $ 614.29); (-614.29)2 = 377,346.94

డే 3 సేల్స్ - మీన్ సేల్స్: $ 62,600 - $ 65414.29 = (- $ 2,814.29); (-2,814.29)2 = 7,920,204.08

డే 4 సేల్స్ - మీన్ సేల్స్: $ 69,200 - $ 65414.29 = (+ $ 3,785.71); (+3,785.71)2 = 14,331,632.65

డే 5 సేల్స్ - మీన్ సేల్స్: $ 66,000 - $ 65414.29 = (+ $ 585.71); (+585.71)2 = 343,061.22

డే 6 సేల్స్ - మీన్ సేల్స్: $ 63,900 - $ 65414.29 = (- $ 1,514.29); (-1,514.29)2 = 2,293,061.22

డే 7 సేల్స్ - మీన్ సేల్స్: $ 69,400 - $ 65414.29 = (+ $ 3,985.71); (+3,985.71)2 = 15,885,918.37

గమనిక: స్క్వేర్డ్ తేడాలు డాలర్లలో లెక్కించబడవు. ఈ సంఖ్యలు భేదాన్ని లెక్కించడానికి తదుపరి దశలో ఉపయోగించబడతాయి.

భేదం మరియు ప్రామాణిక విచలనం

వ్యత్యాసం స్క్వేర్డ్ వ్యత్యాసాల సగటుగా నిర్వచించబడింది.

11,657,346.94 + 377,346.94 + 7,920,204.08 + 14,331,632.65 + 343,061.22 + 2,293,061.22 + 15,885,918.37 = 52,808,571.43

52,808,571.43/7 = 7,544,081.63

వ్యత్యాసం తేడా యొక్క చదరపును ఉపయోగిస్తుంది కనుక, భేదం యొక్క వర్గమూలం అసలు స్ప్రెడ్ యొక్క స్పష్టమైన సూచనను ఇస్తుంది. గణాంకాలలో, మార్పు యొక్క వర్గమూలం అంటారు ప్రామాణిక విచలనం.

SQRT (7,544,081.63) = $ 2,746.65

వేరియంసెస్ మరియు ప్రామాణిక విచలనం కోసం ఉపయోగాలు

గణాంక విశ్లేషణలో రెండు భేదాలు మరియు ప్రామాణిక విచలనం బాగా ఉపయోగపడతాయి. వ్యత్యాసం సగటు నుండి ఒక సమితి యొక్క మొత్తం వ్యాప్తిని కొలుస్తుంది. ప్రామాణిక విచలనం గుర్తించడంలో సహాయపడుతుంది దూరప్రాంతాల్లో, లేదా సమితి నుండి దూరం దూరం చేసే డేటా యొక్క మూలకాలు.

పైన పేర్కొన్న డేటాలో, అంతర్భేధం చాలా ఎక్కువగా ఉంటుంది, కేవలం రెండు రోజువారీ అమ్మకాల మొత్తాలు సగటున $ 1,000 లోపలకి వస్తాయి. డేటా సెట్ కూడా ఏడు రోజువారీ అమ్మకాలు మొత్తాలు రెండు సగటు పైన ఒకటి కంటే ఎక్కువ ప్రామాణిక విచలనం, మరియు రెండు ఇతరులు సగటు క్రింద ఒక ప్రామాణిక విచలనం కంటే ఎక్కువ అని చూపిస్తుంది.