Z-Scores में कनवर्ट करके सामान्यीकरण के बारे में अधिक जानकारी

स्कोर को सामान्य करने की अवधारणा, या जेड स्कोर सामान्यीकरण एक डेटासेट में प्रदान किए गए सभी अंकों के लिए z- स्कोर की गणना के अनुरूप है। यह है, डेटासेट में प्रत्येक \(X_i\) स्कोर के लिए, हम निम्नलिखित सूत्र का पालन करते हुए संबंधित सामान्यीकृत स्कोर (z-score) की गणना करते हैं

. \[ X_i = \frac{X_i - \mu}{\sigma}\]

यदि जनसंख्या माध्य \(\mu\) या जनसंख्या मानक विचलन \(\sigma\) ज्ञात नहीं है, तो हम नमूना माध्य \(\bar X\) और नमूना मानक विचलन \(s\) की गणना करके उनका अनुमान लगाते हैं।

ये सामान्यीकृत z-scores a . का जवाब देते हैं स्टैंडर्ड नॉर्मल डिलीवरी , और आसानी से मानक सामान्य तालिकाओं या एक्सेल जैसे कम्प्यूटेशनल टूल का उपयोग करके गणना की जाती है।

जेड-स्कोर की आवश्यकता

हमें सामान्यीकृत स्कोर की आवश्यकता क्यों है? सामान्यीकृत स्कोर बहुत सारे फायदे पेश करते हैं: सबसे पहले, वे आयामहीन होते हैं इसलिए वे विभिन्न आबादी की तुलना करने के लिए महान होते हैं। दूसरा, वे तराजू की साफ-सुथरी व्याख्या प्रदान करते हैं, जैसा कि आमतौर पर मनोविज्ञान, या अन्य सामाजिक विज्ञानों में किया जाता है।

यदि आपको अपने नमूना डेटा के लिए संपूर्ण वर्णनात्मक आँकड़ों की गणना करने की आवश्यकता है, तो इसका उपयोग करें पूर्ण वर्णनात्मक सांख्यिकी कैलकुलेटर , या यदि आप इसका उपयोग करते हैं सामान्य संभावना कैलकुलेटर सामान्य संभावनाओं से संबंधित किसी भी चीज़ की गणना और ग्राफ़ करने के लिए, जिसमें z स्कोर प्रायिकताएँ शामिल हैं।