గణాంక లెక్కలు చేయడం సంక్లిష్టమవుతుంది. ఇది ఒక గణాంక గణన చేస్తున్నప్పుడు పరిగణనలోకి తీసుకున్న కేవలం అర్థం మరియు సగటు కాదు - ఇది "బరువు" అంటే మరియు పరిగణించవలసిన వైవిధ్యాలు. లెక్కింపు చేస్తున్నప్పుడు బరువు తగ్గడానికి మీకు మరింత ఖచ్చితమైన ఫలితం లభిస్తుంది.
బరువున్న భేదాన్ని గ్రహించుట
చాలా గణాంక విశ్లేషణ వ్యాయామాలలో, ప్రతి డేటా పాయింట్ సమాన బరువును కలిగి ఉంటుంది. అయితే, కొన్ని డేటా బిందువులు కొన్ని డేటా పాయింట్లు ఇతరులు కంటే ఎక్కువ బరువు కలిగి ఉంటాయి. ఈ బరువులు సంఖ్య, డాలర్ మొత్తాలు లేదా లావాదేవీల తరచుదనం వంటి వివిధ కారణాల వలన మారవచ్చు. లెక్కించిన సగటు, డేటా సమితికి ఖచ్చితమైన సగటును లెక్కించడానికి నిర్వాహకులు అనుమతిస్తుంది, అయితే వెయిటేడ్ వైవిధ్యాలు డేటా పాయింట్ల మధ్య వ్యాప్తి యొక్క ఉజ్జాయింపును ఇస్తుంది.
బరువున్న మీన్ లెక్కించు ఎలా
వెయిటేడ్ సగటు కొలతలు సగటు డేటా పాయింట్లు సగటు. మ్యానేజర్లు మొత్తం వెయిట్ సెట్ ద్వారా మొత్తం బరువును లెక్కించి, ఆ మొత్తాన్ని విభజిస్తారు. మూడు డేటా పాయింట్లతో సెట్ చేయబడిన ఒక భారీ డేటా కోసం, వెడల్పు ఉన్న సగటు సూత్రం ఇలా ఉంటుంది:
(W1) (D1) + (W2) (D2) + (W3) (D3) / (W1+ W2+ W3)
ఎక్కడ Wనేను = డేటా పాయింట్ I మరియు D కోసం బరువునేను = పాయింట్ డేటా పాయింట్ i
ఉదాహరణకు, సాధారణ ఆటలలో 400 ఫుట్బాల్ ఆటలను $ 30 ప్రతి, 450 బేస్బాల్ ఆటలను $ 20 ప్రతి, మరియు 600 బాస్కెట్బాల్ ఆటలను $ 15 ప్రతి విక్రయిస్తుంది. ఆటకు డాలర్లకు సగటు బరువు ఉంటుంది:
(400 x 30) + (450 x 20) + (600 x 15) / 400 + 500 + 600 =
12000 + 9000 + 9000/1500
= 30000/1500 = ఆటకు $ 20.
స్క్వేర్స్ బరువు కలిగిన మొత్తంని ఎలా లెక్కించాలి
చతురస్రాల మొత్తం ప్రతి డేటా పాయింట్ మధ్య వ్యత్యాన్ని ఉపయోగిస్తుంది మరియు ఆ డేటా పాయింట్లు మరియు సగటు మధ్య వ్యాప్తి చూపించడానికి సగటు. డేటా పాయింట్ మరియు సగటు మధ్య ప్రతి వ్యత్యాసం ఒక సానుకూల విలువ ఇవ్వడానికి స్క్వేర్ చేయబడింది. చతురస్రాల యొక్క భారీ మొత్తంలో బరువైన డేటా పాయింట్లు మరియు వెయిటేడ్ సగటు మధ్య స్ప్రెడ్ను చూపిస్తుంది. మూడు డేటా పాయింట్ల కోసం చతురస్రాల యొక్క భారీ మొత్తానికి సూత్రం ఇలా కనిపిస్తుంది:
(W1) (D1-Dm)2 + (W2) (D2 -Dm)2 + (W3) (D3 -Dm)2
ఎక్కడ Dm బరువున్న సగటు.
పై ఉదాహరణలో, చతురస్రాల యొక్క మొత్తం పరిమాణం ఉంటుంది:
400(30-20)2 + 450(20-20)2 + 600 (15-20)2
= 400(10)2 + 450(0)2 + 600(-5)2
= 400(100) + 450(0) + 600(25)
= 400,000 + 0 + 15,000 = 415,000
బరువు తగ్గింపును ఎలా లెక్కించాలి
ది బరువైన వైవిధ్యం గరిష్ట మొత్తాన్ని చతురస్రాల మొత్తాన్ని తీసుకొని, బరువులు మొత్తాన్ని విభజించడం ద్వారా కనుగొనబడుతుంది. మూడు డేటా పాయింట్ల కోసం బరువైన వైవిధ్యం కోసం సూత్రం ఇలా కనిపిస్తుంది:
(W1) (D1-Dm)2 + (W2) (D2 -Dm)2 + (W3) (D3 -Dm)2 / (W1+ W2+ W3)
జెనెరిక్ ఆటల ఉదాహరణలో, వ్యత్యాసం ఉంటుంది:
400(30-20)2 + 450(20-20)2 + 600 (15-20)2 / 400+500+600
= 415,000/1,500 = 276.667
అది చాలా సంక్లిష్టంగా ఉన్నట్లు కనిపిస్తే, మీరు బరువైన వ్యత్యాసాలను లెక్కించడానికి మీకు సహాయం చేయడానికి ఒక కాలిక్యులేటర్ లేదా స్ప్రెడ్షీట్ను ఉపయోగించవచ్చు. బరువైన వైవిధ్యాల కోసం గణన మీ వ్యాపారంలోని కొన్ని అంశాలను మరింత ఖచ్చితమైన చిత్రాన్ని పొందడంలో మీకు సహాయపడుతుంది. ఇది మీ అమ్మకాల పైప్లైన్ను బలోపేతం చేయడానికి ఉపయోగించవచ్చు, మంచి పెట్టుబడులను విస్తరించడం మరియు మీ వ్యాపార భాగాల లాభాలకు మరింత ఏమయ్యాయో తెలుసుకోవచ్చు.
