मानक विचलन कसे मोजावे

प्रमाणित विचलन कसे मोजावे

प्रमाणित विचलन हे डेटा प्रोसेसिंगमध्ये मोठ्या प्रमाणावर वापरले जाणारे एक सांख्यिकीय माप आहे. प्रमाणित विचलनाची गणना करून, डेटा सरासरी किंवा मध्यापासून किती विचलित किंवा पसरलेला आहे हे आपण ठरवू शकतो. या लेखात, आपण प्रमाणित विचलनाची गणना कशी करायची यावर सखोल चर्चा करणार आहोत, जेणेकरून तुम्ही त्याचा विविध परिस्थितींमध्ये उपयोग करू शकाल.

मानक विचलन समजून घेणे

प्रमाण विचलन हे डेटा सरासरीपासून किती दूर पसरलेला आहे याचे एक माप आहे. मोठे प्रमाण विचलन हे दर्शवते की डेटामध्ये सरासरीपासून दूर असलेल्या मूल्यांची विस्तृत श्रेणी आहे, तर लहान प्रमाण विचलन हे दर्शवते की डेटा अधिक सुसंगत आहे आणि सरासरीच्या जवळ आहे.

प्रमाणित विचलनाची गणना करण्याची पद्धत: मॅन्युअली

प्रमाणित विचलनाची व्यावहारिक गणना समजून घेण्यासाठी, आपण एका सोप्या डेटा उदाहरणाच्या मदतीने गणनेच्या पायऱ्या पाहू.

उदाहरणार्थ, आमच्याकडे खालील डेटा आहे: 10, 12, 23, 23, 16, 23, 21, 16

१. मध्यमान (सरासरी) काढणे

पहिली पायरी म्हणजे उपलब्ध डेटाच्या सरासरी मूल्याची (मध्यमान) गणना करणे.

\[ \text{सरासरी} = \frac{\sum X}{N} \]

कुठे:
– \( \sum X \) ही सर्व डेटा मूल्यांची बेरीज आहे.
– \( N \) ही डेटाची संख्या आहे.

आमच्या डेटासाठी:
\[ \text{सरासरी} = \frac{10 + 12 + 23 + 23 + 16 + 23 + 21 + 16}{8} \]
\[ \text{सरासरी} = \frac{144}{8} \]
\[ \text{सरासरी} = १८ \]

२. मध्यापासून फरकाची गणना करणे

सरासरी काढल्यानंतर, पुढची पायरी म्हणजे प्रत्येक डेटा मूल्य आणि सरासरी यांच्यातील फरक काढणे, नंतर तो वजा करणे (प्रत्येक डेटामधून सरासरी वजा करणे).

मूळ डेटा मूल्ये: 10, 12, 23, 23, 16, 23, 21, 16
सरासरीपासून फरक: (10-18), (12-18), (23-18), (23-18), (16-18), (23-18), (21-18), (16-18)
सरासरीपासून फरक: -8, -6, 5, 5, -2, 5, 3, -2

३. फरकाचा वर्ग काढा

तिसरी पायरी म्हणजे आपण मोजलेल्या प्रत्येक फरकाचा वर्ग करणे.
फरकाचा वर्ग: (-8)^2, (-6)^2, (5)^2, (5)^2, (-2)^2, (5)^2, (3)^2, (-2)^2
फरकाचा वर्ग: ६४, ३६, २५, २५, ४, २५, ९, ४

४. वर्ग केलेल्या फरकाच्या सरासरी मूल्याची गणना करणे

पुढे, आपण वर्ग केलेल्या फरकांची सरासरी काढू. हे करण्यासाठी, आपण फक्त त्यांची बेरीज करून डेटा पॉइंट्सच्या संख्येने भागू.

\[ \text{फरकांच्या वर्गांची सरासरी} = \frac{64 + 36 + 25 + 25 + 4 + 25 + 9 + 4}{8} \]
\[ \text{फरकांच्या वर्गांची सरासरी} = \frac{192}{8} \]
\[ \text{वर्ग केलेल्या फरकांची सरासरी} = 24 \]

५. फरकाच्या वर्ग माध्यकाचे मूळ काढणे

फरकांच्या वर्गांच्या सरासरीचे वर्गमूळ काढणे ही शेवटची पायरी आहे.

\[ \text{प्रमाणित विचलन} = \sqrt{24} \]
\[ \text{प्रमाणित विचलन} \approx 4.9 \]

एक्सेलमध्ये मानक विचलन कसे मोजावे

जरी स्वतः हाताने प्रमाणित विचलनाची गणना केल्याने संकल्पना समजण्यास मदत होते, तरी दैनंदिन व्यवहारात मायक्रोसॉफ्ट एक्सेलसारखी साधने वापरणे अधिक कार्यक्षम ठरते. एक्सेलमध्ये सांख्यिकीय फंक्शन्स उपलब्ध आहेत, ज्यात प्रमाणित विचलनाची सोपी गणना समाविष्ट आहे.

१. डेटा इनपुट करा: एक्सेल वर्कशीटमधील एका कॉलममध्ये डेटा प्रविष्ट करा.
२. STDEV फंक्शनचा वापर: STDEV फंक्शन वापरा. ​​`=STDEV(range)` हा फॉर्म्युला टाईप करून डेटाचा कॉलम निवडा. उदाहरणार्थ, जर तुमचा डेटा A1 ते A8 या सेल्समध्ये असेल, तर फॉर्म्युला `=STDEV(A1:A8)` असा आहे.
३. निकाल मिळवा: प्रमाणित विचलनाचा निकाल तुम्ही सूत्र लिहिलेल्या सेलमध्ये दिसेल.

मानक विचलनाचे स्पष्टीकरण

एकदा आपण मानक विचलनाची यशस्वीपणे गणना केली की, पुढचा प्रश्न असा आहे की आपण निकालांचा अर्थ कसा लावायचा?

१. लहान मानक विचलन

लहान मानक विचलन हे मध्याच्या तुलनेत तुलनेने एकसंध किंवा सुसंगत डेटा दर्शवते. उदाहरणार्थ, व्यवसायात, दैनंदिन महसुलातील लहान मानक विचलन हे उत्पन्नातील स्थिरता दर्शवते.

२. मोठे मानक विचलन

याउलट, मोठे मानक विचलन हे मोठ्या प्रमाणावर विखुरलेला आणि विजातीय डेटा दर्शवते. हे डेटामधील लक्षणीय चढउतार किंवा तफावत दर्शवू शकते. शैक्षणिक संदर्भात, विद्यार्थ्यांच्या चाचणी गुणांमधील मोठे मानक विचलन हे विद्यार्थ्यांच्या आकलनातील लक्षणीय तफावत दर्शवते.

निष्कर्ष

डेटा विश्लेषणामध्ये मानक विचलनाची गणना करणे हा एक महत्त्वाचा टप्पा आहे, जो परिवर्तनशीलता मोजतो आणि विविध डेटा संचांबद्दल सखोल माहिती देतो. मॅन्युअली मानक विचलनाची गणना कशी करावी आणि एक्सेलसारख्या साधनांचा वापर कसा करावा हे समजून घेतल्यास, आपल्याला डेटाचे व्यवस्थापन आणि विश्लेषण करण्यामध्ये अधिक आत्मविश्वास मिळू शकतो.

हे लक्षात ठेवणे महत्त्वाचे आहे की मानक विचलनाचा अर्थ लावताना संदर्भ देखील महत्त्वपूर्ण भूमिका बजावतो. त्यामुळे, डेटा काय दर्शवतो आणि तो तुमच्या निर्णयांवर कसा प्रभाव टाकू शकतो, याचा नेहमी विचार करा.

प्रमाणित विचलनाची गणना कशी करावी आणि त्याचा अर्थ कसा लावावा याचे पक्के ज्ञान असल्यास, तुम्ही तुमची डेटा विश्लेषण कौशल्ये सुधारू शकता आणि त्या डेटाच्या आधारे अधिक चांगले निर्णय घेऊ शकता.