विचलन स्कोर कैलकुलेटर

विचलन स्कोर के विचार का उपयोग यह निर्धारित करने के लिए किया जाता है कि प्रत्येक डेटा वितरण के "केंद्र" के सापेक्ष कितना दूर है। आमतौर पर, नमूना माध्य \(\bar X\) को वितरण का केंद्र माना जाता है।

आप विचलन स्कोर की गणना कैसे करते हैं?

मान लें कि आपके पास डेटा का एक नमूना है \(X_1, X_2, ...., X_n\)। उन नमूना मूल्यों के लिए, आप नमूना माध्य की गणना इस प्रकार करते हैं

\[ \bar X = \displaystyle \frac{1}{n} \sum_{i=1}^n X_i \]

फिर, किसी दिए गए कच्चे मान \(X_i\) के लिए, इसका संबद्ध विचलन स्कोर है:

\[ \text{Deviation Score } = X_i - \bar X\]

और आप नमूने में प्रत्येक अंक के लिए इस विचलन स्कोर की गणना करेंगे।

विचलन स्कोर और जेड-स्कोर

जैसा कि हमने उल्लेख किया है, विचलन स्कोर मापते हैं कि प्रत्येक डेटा वितरण के केंद्र के सापेक्ष कितना दूर है। यह दूरी निरपेक्ष रूप से व्यक्त की जाती है, लेकिन कभी-कभी इसे सापेक्ष रूप में व्यक्त करना अधिक उपयोगी होता है।

यहीं पर जेड-स्कोर एक भूमिका निभाते हैं। मानक विचलन द्वारा विचलन स्कोर को विभाजित करके, हम उन विचलन को सामान्य कर रहे हैं, और हम यह आकलन कर रहे हैं कि मानक विचलन के आकार के सापेक्ष, वितरण के केंद्र के सापेक्ष प्रत्येक डेटा कितना दूर है।

इसलिए, यदि ऐसा है और आप सापेक्ष विचलन स्कोर की तलाश कर रहे हैं, तो आपको इसका उपयोग करना चाहिए जेड-स्कोर कैलकुलेटर बजाय।