របៀបគណនាគម្លាតស្តង់ដារ

របៀបគណនាគម្លាតស្តង់ដារ

គម្លាតស្តង់ដារ គឺជារង្វាស់ស្ថិតិដែលត្រូវបានគេប្រើយ៉ាងទូលំទូលាយនៅក្នុងដំណើរការទិន្នន័យ។ តាមរយៈការគណនាគម្លាតស្តង់ដារ យើងអាចកំណត់ថាតើទិន្នន័យមានភាពខុសគ្នា ឬរីករាលដាលប៉ុណ្ណាពីមធ្យមភាគ ឬមធ្យមភាគ។ នៅក្នុងអត្ថបទនេះ យើងនឹងពិភាក្សាអំពីរបៀបគណនាគម្លាតស្តង់ដារឱ្យបានស៊ីជម្រៅ ដើម្បីឱ្យអ្នកអាចអនុវត្តវាក្នុងស្ថានភាពផ្សេងៗ។

ការយល់ដឹងអំពីគម្លាតស្តង់ដារ

គម្លាតស្តង់ដារ គឺជារង្វាស់នៃចម្ងាយទិន្នន័យដែលរីករាលដាលពីមធ្យមភាគ។ គម្លាតស្តង់ដារធំបង្ហាញថាទិន្នន័យមានតម្លៃជួរធំទូលាយឆ្ងាយពីមធ្យមភាគ ខណៈពេលដែលគម្លាតស្តង់ដារតូចបង្ហាញថាទិន្នន័យមានភាពស៊ីសង្វាក់គ្នាជាង និងនៅជិតមធ្យមភាគ។

ជំហានដើម្បីគណនាគម្លាតស្តង់ដារ៖ ដោយដៃ

ដើម្បីយល់ពីការអនុវត្តជាក់ស្តែងនៃការគណនាគម្លាតស្តង់ដារ យើងនឹងពិនិត្យមើលជំហាននៃការគណនាដោយប្រើឧទាហរណ៍ទិន្នន័យសាមញ្ញមួយ។

ឧទាហរណ៍ យើងមានទិន្នន័យដូចខាងក្រោម៖ ១០, ១២, ២៣, ២៣, ១៦, ២៣, ២១, ១៦

១. ការគណនាមធ្យមភាគ (មធ្យមភាគ)

ជំហានដំបូងគឺត្រូវគណនាតម្លៃមធ្យម (មធ្យម) នៃទិន្នន័យដែលមានស្រាប់។

\[ \text{មធ្យម} = \frac{\sum X}{N} \]

ឌីម៉ាណា៖
–\( \sum X\) គឺជាផលបូកនៃតម្លៃទិន្នន័យទាំងអស់។
–\(N\) គឺជាចំនួនទិន្នន័យ។

សម្រាប់ទិន្នន័យរបស់យើង៖
\[ \text{មធ្យម} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} \]
\[ \text{មធ្យម} = \frac{144}{8} \]
\[ \text{មធ្យម} = 18 \]

2. ការគណនាភាពខុសគ្នាពីមធ្យមភាគ

បន្ទាប់ពីយើងទទួលបានមធ្យមភាគ ជំហានបន្ទាប់គឺគណនាភាពខុសគ្នារវាងតម្លៃទិន្នន័យនីមួយៗ និងមធ្យមភាគ បន្ទាប់មកដកវា (ដកមធ្យមភាគចេញពីទិន្នន័យនីមួយៗ)។

តម្លៃទិន្នន័យដើម៖ ១០, ១២, ២៣, ២៣, ១៦, ២៣, ២១, ១៦
ភាពខុសគ្នាពីមធ្យមភាគ៖ (១០-១៨), (១២-១៨), (២៣-១៨), (២៣-១៨), (១៦-១៨), (២៣-១៨), (២១-១៨), (១៦-១៨)
ភាពខុសគ្នាពីមធ្យមភាគ៖ -៨, -៦, ៥, ៥, -២, ៥, ៣, -២

៣. គណនាការ៉េនៃភាពខុសគ្នា

ជំហានទីបីគឺត្រូវដាក់ភាពខុសគ្នានីមួយៗដែលយើងបានគណនាជាការ៉េ។
ការ៉េនៃភាពខុសគ្នា៖ (-8)^2, (-6)^2, (5)^2, (5)^2, (-2)^2, (5)^2, (3)^2, (-2)^2
ការ៉េនៃភាពខុសគ្នា៖ ៦៤, ៣៦, ២៥, ២៥, ៤, ២៥, ៩, ៤

៤. ការគណនាតម្លៃមធ្យមនៃភាពខុសគ្នាការ៉េ

បន្ទាប់មក យើងនឹងគណនាមធ្យមភាគនៃភាពខុសគ្នាការ៉េ។ ដើម្បីធ្វើដូចនេះ យើងគ្រាន់តែបូកវាជាមួយគ្នា ហើយចែកនឹងចំនួនចំណុចទិន្នន័យ។

\[ \text{មធ្យមភាគនៃការ៉េនៃភាពខុសគ្នា} = \frac{64 + 36 + 25 + 25 + 4 + 25 + 9 + 4}{8} \]
\[ \text{មធ្យមភាគនៃការ៉េនៃភាពខុសគ្នា} = \frac{192}{8} \]
\[ \text{មធ្យមភាគនៃភាពខុសគ្នាការ៉េ} = 24 \]

៥. ការគណនាឫសគល់នៃមធ្យមការ៉េនៃភាពខុសគ្នា

ជំហានចុងក្រោយគឺត្រូវគណនាឫសការ៉េនៃមធ្យមភាគនៃការ៉េនៃភាពខុសគ្នា។

\[ \text{គម្លាតស្តង់ដារ} = \sqrt{24} \]
\[ \text{គម្លាតស្តង់ដារ} \ប្រហែល ៤.៩ \]

របៀបគណនាគម្លាតស្តង់ដារជាមួយ Excel

ខណៈពេលដែលការគណនាគម្លាតស្តង់ដារដោយដៃជួយឲ្យយល់អំពីគោលគំនិតនេះ ក្នុងការអនុវត្តប្រចាំថ្ងៃ វាមានប្រសិទ្ធភាពជាងក្នុងការប្រើប្រាស់ឧបករណ៍ដូចជា Microsoft Excel។ Excel ផ្តល់មុខងារស្ថិតិ រួមទាំងការគណនាគម្លាតស្តង់ដារងាយៗ។

១. បញ្ចូលទិន្នន័យ៖ បញ្ចូលទិន្នន័យទៅក្នុងជួរឈរមួយនៅក្នុងសន្លឹកកិច្ចការ Excel។
២. ការប្រើប្រាស់អនុគមន៍ STDEV៖ ប្រើអនុគមន៍ STDEV។ ជ្រើសរើសជួរឈរទិន្នន័យដោយវាយរូបមន្ត `=STDEV(range)`។ ឧទាហរណ៍ ប្រសិនបើទិន្នន័យរបស់អ្នកស្ថិតនៅក្នុងក្រឡា A1 ដល់ A8 រូបមន្តគឺ `=STDEV(A1:A8)`។
៣. ទទួលបានលទ្ធផល៖ លទ្ធផលគម្លាតស្តង់ដារនឹងបង្ហាញនៅក្នុងក្រឡាដែលអ្នកបានសរសេររូបមន្ត។

ការបកស្រាយនៃគម្លាតស្តង់ដារ

នៅពេលដែលយើងបានគណនាគម្លាតស្តង់ដារដោយជោគជ័យ សំណួរបន្ទាប់គឺតើយើងបកស្រាយលទ្ធផលដោយរបៀបណា?

១. គម្លាតស្តង់ដារតូច

គម្លាតស្តង់ដារតូចមួយបង្ហាញពីទិន្នន័យដែលមានលក្ខណៈដូចគ្នា ឬស៊ីសង្វាក់គ្នាទាក់ទងទៅនឹងមធ្យមភាគ។ ឧទាហរណ៍ ក្នុងអាជីវកម្ម គម្លាតស្តង់ដារតូចមួយនៃប្រាក់ចំណូលប្រចាំថ្ងៃបង្ហាញពីស្ថេរភាពនៃប្រាក់ចំណូល។

2. គម្លាតស្តង់ដារធំ

ផ្ទុយទៅវិញ គម្លាតស្តង់ដារធំមួយបង្ហាញពីទិន្នន័យដែលរាយប៉ាយយ៉ាងទូលំទូលាយ និងមិនដូចគ្នាទេ។ នេះអាចបង្ហាញពីការប្រែប្រួល ឬភាពខុសគ្នាគួរឱ្យកត់សម្គាល់នៅក្នុងទិន្នន័យ។ នៅក្នុងបរិបទអប់រំ គម្លាតស្តង់ដារធំមួយនៅក្នុងពិន្ទុតេស្តរបស់សិស្សបង្ហាញពីភាពខុសគ្នាគួរឱ្យកត់សម្គាល់នៅក្នុងការយល់ដឹងរបស់សិស្ស។

សេចក្តីសន្និដ្ឋាន

ការគណនាគម្លាតស្តង់ដារគឺជាជំហានដ៏សំខាន់មួយក្នុងការវិភាគទិន្នន័យ ការវាស់វែងភាពប្រែប្រួល និងការផ្តល់ការយល់ដឹងស៊ីជម្រៅអំពីសំណុំទិន្នន័យចម្រុះ។ តាមរយៈការយល់ដឹងពីរបៀបគណនាគម្លាតស្តង់ដារដោយដៃ និងការប្រើប្រាស់ឧបករណ៍ដូចជា Excel យើងអាចទទួលបានទំនុកចិត្តកាន់តែខ្លាំងក្នុងការគ្រប់គ្រង និងវិភាគទិន្នន័យ។

វាជារឿងសំខាន់ដែលត្រូវចងចាំថា បរិបទក៏ដើរតួនាទីយ៉ាងសំខាន់ក្នុងការបកស្រាយគម្លាតស្តង់ដារផងដែរ។ ដូច្នេះ ត្រូវពិចារណាជានិច្ចអំពីអ្វីដែលទិន្នន័យតំណាងឱ្យ និងរបៀបដែលវាអាចជះឥទ្ធិពលដល់ការសម្រេចចិត្តរបស់អ្នក។

ដោយមានការយល់ដឹងយ៉ាងច្បាស់លាស់អំពីរបៀបគណនា និងបកស្រាយគម្លាតស្តង់ដារ អ្នកអាចបង្កើនជំនាញវិភាគទិន្នន័យរបស់អ្នក និងធ្វើការសម្រេចចិត្តកាន់តែប្រសើរឡើងដោយផ្អែកលើទិន្នន័យនោះ។