मानक विचलन कसरी गणना गर्ने
मानक विचलन डेटा प्रशोधनमा व्यापक रूपमा प्रयोग हुने तथ्याङ्कीय मापन हो। मानक विचलन गणना गरेर, हामी औसत वा औसतबाट डेटा कति विविध वा फैलिएको छ भनेर निर्धारण गर्न सक्छौं। यस लेखमा, हामी मानक विचलनलाई गहिराइमा कसरी गणना गर्ने भनेर छलफल गर्नेछौं ताकि तपाईं यसलाई विभिन्न परिस्थितिहरूमा लागू गर्न सक्नुहुनेछ।
मानक विचलन बुझ्दै
मानक विचलन भनेको डेटा औसतबाट कति टाढा फैलिन्छ भन्ने मापन हो। ठूलो मानक विचलनले डेटामा औसतबाट धेरै टाढा मानहरू छन् भनी संकेत गर्छ, जबकि सानो मानक विचलनले डेटा बढी सुसंगत र औसतको नजिक छ भनी संकेत गर्छ।
मानक विचलन गणना गर्ने चरणहरू: म्यानुअल रूपमा
मानक विचलनको व्यावहारिक गणना बुझ्नको लागि, हामी साधारण डेटा उदाहरण प्रयोग गरेर गणना चरणहरू पार गर्नेछौं।
उदाहरणका लागि, हामीसँग निम्न डेटा छ: १०, १२, २३, २३, १६, २३, २१, १६
१. औसत (औसत) गणना गर्दै
पहिलो चरण भनेको अवस्थित डेटाको औसत मान (औसत) गणना गर्नु हो।
\[ \पाठ{औषध} = \frac{\योगफल X}{N} \]
कहाँ:
– \( \योग X \) सबै डेटा मानहरूको योगफल हो।
– \( N \) डेटाको संख्या हो।
हाम्रो डेटाको लागि:
\[ \पाठ{औषध} = \frac{१० + १२ + २३ + २३ + १६ + २३ + २१ + १६}{८} \]
\[ \पाठ{औषध} = \frac{१४४}{८} \]
\[ \पाठ{औसत} = १८ \]
२. औसतबाट भिन्नता गणना गर्दै
हामीले माध्य प्राप्त गरेपछि, अर्को चरण भनेको प्रत्येक डेटा मान र माध्य बीचको भिन्नता गणना गर्नु हो, त्यसपछि यसलाई घटाउनुहोस् (प्रत्येक डेटाबाट माध्य घटाउनुहोस्)।
मूल डेटा मानहरू: १०, १२, २३, २३, १६, २३, २१, १६
औसतबाट भिन्नता: (१०-१८), (१२-१८), (२३-१८), (२३-१८), (१६-१८), (२३-१८), (२१-१८), (१६-१८)
औसतबाट भिन्नता: -८, -६, ५, ५, -२, ५, ३, -२
३. भिन्नताको वर्ग गणना गर्नुहोस्
तेस्रो चरण भनेको हामीले गणना गरेका प्रत्येक भिन्नताको वर्गीकरण गर्नु हो।
भिन्नताको वर्ग: (-८)^२, (-६)^२, (५)^२, (५)^२, (-२)^२, (५)^२, (३)^२, (-२)^२
भिन्नताको वर्ग: ६४, ३६, २५, २५, ४, २५, ९, ४
४. वर्ग भिन्नताको औसत मान गणना गर्दै
अर्को, हामी वर्ग भिन्नताहरूको औसत गणना गर्नेछौं। यो गर्नको लागि, हामी केवल तिनीहरूलाई सँगै जोड्छौं र डेटा बिन्दुहरूको संख्याले भाग गर्छौं।
\[ \text{भिन्नताहरूको वर्गहरूको औसत} = \frac{64 + 36 + 25 + 25 + 4 + 25 + 9 + 4}{8} \]
\[ \text{भिन्नताहरूको वर्गहरूको औसत} = \frac{192}{8} \]
\[ \text{वर्ग भिन्नताहरूको औसत} = २४ \]
५. भिन्नताको माध्य वर्गको मूल गणना गर्दै
अन्तिम चरण भनेको भिन्नताहरूको वर्गहरूको माध्यको वर्गमूल गणना गर्नु हो।
\[ \text{मानक विचलन} = \sqrt{24} \]
\[ \text{मानक विचलन} \लगभग ४.९ \]
एक्सेलको साथ मानक विचलन कसरी गणना गर्ने
मानक विचलन म्यानुअल रूपमा गणना गर्नाले अवधारणा बुझ्न मद्दत गर्छ, तर दैनिक अभ्यासमा, माइक्रोसफ्ट एक्सेल जस्ता उपकरणहरू प्रयोग गर्नु बढी कुशल हुन्छ। एक्सेलले सजिलो मानक विचलन गणनाहरू सहित तथ्याङ्कीय कार्यहरू प्रदान गर्दछ।
१. इनपुट डेटा: एक्सेल कार्यपत्रको एउटा स्तम्भमा डेटा प्रविष्ट गर्नुहोस्।
२. STDEV प्रकार्य प्रयोग गर्दै: STDEV प्रकार्य प्रयोग गर्नुहोस्। `=STDEV(range)` सूत्र टाइप गरेर डेटाको स्तम्भ चयन गर्नुहोस्। उदाहरणका लागि, यदि तपाईंको डेटा कक्ष A1 देखि A8 सम्म छ भने, सूत्र `=STDEV(A1:A8)` हो।
३. नतिजा प्राप्त गर्नुहोस्: मानक विचलन नतिजाहरू तपाईंले सूत्र लेख्नुभएको कक्षमा देखा पर्नेछ।
मानक विचलनको व्याख्या
एकपटक हामीले मानक विचलन सफलतापूर्वक गणना गरिसकेपछि, अर्को प्रश्न यो हो कि हामीले परिणामहरूलाई कसरी व्याख्या गर्ने?
१. सानो मानक विचलन
सानो मानक विचलनले औसतको सापेक्षमा अपेक्षाकृत एकरूप वा एकरूप डेटालाई जनाउँछ। उदाहरणका लागि, व्यवसायमा, दैनिक राजस्वमा सानो मानक विचलनले आयमा स्थिरतालाई जनाउँछ।
२. ठूलो मानक विचलन
यसको विपरीत, ठूलो मानक विचलनले व्यापक रूपमा फैलिएको र विषम डेटालाई जनाउँछ। यसले डेटामा उल्लेखनीय उतारचढाव वा भिन्नतालाई जनाउन सक्छ। शैक्षिक सन्दर्भमा, विद्यार्थीको परीक्षाको अङ्कमा ठूलो मानक विचलनले विद्यार्थीको बुझाइमा उल्लेखनीय असमानतालाई जनाउँछ।
केसिम्पुलन
डेटा विश्लेषणमा मानक विचलन गणना गर्नु, परिवर्तनशीलता मापन गर्नु र विविध डेटा सेटहरूमा गहन अन्तर्दृष्टि प्रदान गर्नु एक महत्त्वपूर्ण चरण हो। मानक विचलन म्यानुअल रूपमा कसरी गणना गर्ने भनेर बुझेर र एक्सेल जस्ता उपकरणहरू प्रयोग गरेर, हामी डेटा व्यवस्थापन र विश्लेषणमा बढी आत्मविश्वास प्राप्त गर्न सक्छौं।
यो सम्झनु महत्त्वपूर्ण छ कि सन्दर्भले मानक विचलनको व्याख्यामा पनि महत्त्वपूर्ण भूमिका खेल्छ। त्यसकारण, डेटाले के प्रतिनिधित्व गर्छ र यसले तपाईंको निर्णयहरूलाई कसरी प्रभाव पार्न सक्छ भन्ने कुरा सधैं विचार गर्नुहोस्।
मानक विचलन कसरी गणना र व्याख्या गर्ने भन्ने बारे ठोस बुझाइको साथ, तपाईंले आफ्नो डेटा विश्लेषण कौशल सुधार गर्न सक्नुहुन्छ र त्यो डेटाको आधारमा राम्रो निर्णयहरू लिन सक्नुहुन्छ।
