એક્સેલમાં પ્રમાણભૂત વિચલનની ગણતરી કેવી રીતે કરવી

જેવા સ્પ્રેડશીટ પ્રોગ્રામ સાથે કામ કરો એક્સેલ વિવિધ સૂત્રો અને સમીકરણોના ઉપયોગ માટે અનંત શક્યતાઓ આપે છે. ઉપલબ્ધ કાર્યો અમારા શૈક્ષણિક અને વ્યાવસાયિક દસ્તાવેજોની લગભગ કોઈપણ જરૂરિયાતને આવરી લે છે. આજે આપણે ખાસ કરીને ના પ્રશ્ન પર ધ્યાન કેન્દ્રિત કરીશું એક્સેલમાં પ્રમાણભૂત વિચલનની ગણતરી કેવી રીતે કરવી.

પ્રમાણભૂત વિચલન શું છે?

આંકડાકીય ગણતરી કરતી વખતે આ ખ્યાલ ખૂબ જ મહત્વપૂર્ણ છે. તે પ્રમાણભૂત વિચલન અથવા પ્રમાણભૂત વિચલનના નામોથી પણ ઓળખાય છે, જે સંક્ષિપ્ત રીતે લોઅરકેસ ગ્રીક અક્ષર સિગ્મા (σ) અથવા લેટિન અક્ષર "s" સાથે રજૂ થાય છે. તે સામાન્ય રીતે અંગ્રેજીમાંથી એસડીના ટૂંકાક્ષર દ્વારા પણ રજૂ થાય છે પ્રમાણભૂત વિચલન.

આ મીટરનો ઉપયોગ વિવિધતાને માપવા માટે થાય છે અથવા આંકડાકીય ડેટાના સમૂહ અથવા નમૂનાનું વિખેરન. પ્રમાણભૂત વિચલન હંમેશા શૂન્ય કરતા વધારે અથવા સમાન હોય છે. જ્યારે વિચલનની ડિગ્રી ઓછી હોય છે (શૂન્યની નજીક), તેનો અર્થ એ છે કે મોટાભાગનો ડેટા સરેરાશની નજીક કેન્દ્રિત છે; બીજી બાજુ, ઉચ્ચ ડિગ્રીનું વિચલન સૂચવે છે કે ડેટા વધુ વિખેરાઈ ગયો છે અને મૂલ્યોની વિશાળ શ્રેણીને આવરી લે છે.

પ્રમાણભૂત વિચલનોની ગણતરી હોઈ શકે છે ખૂબ જ વ્યવહારુ એપ્લિકેશનો ચોક્કસ આંકડાકીય અભ્યાસોમાં. તેની સૌથી મોટી ઉપયોગીતા એ છે કે આપણને ચલનું સરેરાશ વિખેરવાની ડિગ્રી જાણવાની મંજૂરી આપવી, એટલે કે, જૂથના વિવિધ મૂલ્યો સરેરાશ મૂલ્યથી કેટલા દૂર છે.

El ગ્રાફિક આ રેખાઓ પર પ્રમાણભૂત વિચલનના ત્રણ જુદા જુદા ઉદાહરણો સમજાવે છે: ઉચ્ચ, મધ્યમ અને નીચું, દરેક ચોક્કસ સરેરાશ મૂલ્ય સાથે સંબંધિત છે.

તેને સમજાવવાની ખૂબ જ ક્રૂર રીત નીચેના ઉદાહરણ સાથે છે. બે અલગ અલગ કેસ:

• કેસ 1: ચાલો 38, 40 અને 42 વર્ષના ભાઈ -બહેનના સમૂહની કલ્પના કરીએ. સરેરાશ 40 છે, પરંતુ પ્રમાણભૂત વિચલન ઓછું છે, કારણ કે તમામ મૂલ્યો તેની નજીક છે, સરેરાશ મૂલ્યથી માત્ર બે વર્ષનાં મૂલ્યો સાથે.
• 2 કેસહવે ચાલો કલ્પના કરીએ કે ભાઈ -બહેનોની ઉંમર 25, 40 અને 55 વર્ષની છે. સરેરાશ હજુ 40 હશે, પરંતુ ફેલાવો વધારે છે. એટલે કે, પ્રમાણભૂત વિચલન વધારે છે, સરેરાશ મૂલ્યથી પંદર વર્ષ દૂર હોય તેવા મૂલ્યો સાથે.

ડેટા શ્રેણીના વિતરણના સરેરાશ અને પ્રમાણભૂત વિચલનને જાણીને, ચોક્કસ મૂલ્યના સંદર્ભમાં ઉચ્ચ અથવા નીચું પરિણામ મેળવવાની સંભાવનાની ગણતરી કરવી શક્ય છે. જો કે તે ઘણા લોકો માટે અમૂર્ત લાગે છે, ઉદાહરણ તરીકે, આ ગણતરી નાણાકીય મોડેલિંગમાં ખૂબ નોંધપાત્ર અસરો ધરાવે છે.

પરંતુ ગાણિતિક મેઇઝમાં ખોવાઈ જવાનું જોખમ ચલાવવાને બદલે, ચાલો અમારી પોસ્ટના મુખ્ય પ્રશ્ન અને કેન્દ્રિય થીમ પર ધ્યાન કેન્દ્રિત કરીએ: એક્સેલમાં પ્રમાણભૂત વિચલનની ગણતરી કેવી રીતે કરવી.

એક્સેલમાં પ્રમાણભૂત વિચલનની ગણતરી કેવી રીતે કરવી

એક્સેલ વર્કશીટમાં આ ગાણિતિક ગણતરી ચલાવવી એકદમ સરળ અને ખૂબ જ ઝડપી છે. આ હાંસલ કરવા માટે આપણે આ પગલાંઓનું પાલન કરવું પડશે:

• પ્રથમ સ્થાને દેખીતી રીતે હશે માઈક્રોસોફ્ટ એક્સેલ દાખલ કરો અને સ્પ્રેડશીટ accessક્સેસ કરો તેમાં તે ડેટા છે જેમાંથી આપણે પ્રમાણભૂત વિચલન મેળવવા માંગીએ છીએ.
• આગળ આપણે તે મૂલ્યોનો પરિચય કરવો જોઈએ જેનો આપણે ઉપયોગ કરવા માંગીએ છીએ. આ માટે આપણે એક કોલમ પસંદ કરીશું અને  અમે દરેક કોષોમાં દરેક ડેટાનું મૂલ્ય લખીશું.
• એકવાર અમે પસંદ કરેલા સ્તંભમાં તમામ ડેટા દાખલ કર્યા પછી, આગળનું પગલું એ પર ક્લિક કરવાનું છે ખાલી કોષ. તે પરિણામ માટે પસંદ કરેલ કોષ છે જેમાં પ્રમાણભૂત વિચલનનું મૂલ્ય દેખાશે.
• ઉપર બાર અમે સૂત્ર રજૂ કરીશું આપણે પસંદ કરેલા ખાલી કોષ માટે પ્રમાણભૂત વિચલન. સૂત્ર આ છે:

= DEVEST.P (XX: XX)

STDEV "પ્રમાણભૂત વિચલન" માટે ટૂંકું છે, જ્યારે P એટલે વસ્તી, "એટલે કે" નમૂના. " કૌંસમાં જતા મૂલ્યો પસંદ કરેલા કોષોને અનુરૂપ છે જેમાં તે નમૂનાના વિવિધ મૂલ્યો છે.

• આગળનું પગલું છે મૂલ્યોની શ્રેણી સોંપો જેના પર એક્સેલ ગણતરી કરવા જઈ રહ્યું છે. આ કૌંસ વચ્ચે યોગ્ય રીતે દાખલ થયેલ હોવું જોઈએ. ત્યાં તમારે પત્ર અને દરેક કોષનો નંબર લખવો પડશે. જો કોષો સહસંબંધિત હોય, ઉદાહરણ તરીકે, A2 થી A20 સુધી, આપણે ફક્ત કોલોન (:) દ્વારા અલગ થયેલ પ્રથમ અને છેલ્લું લખીશું. આ ઉદાહરણને અનુસરીને, તે આના જેવો દેખાશે: = STDEV.P (A2: A20).
• છેલ્લું પગલું એ કી દબાવવાનું છે «દાખલ કરો એક્સેલ માટે ફોર્મ્યુલા લાગુ કરવા અને શરૂઆતમાં પસંદ કરેલા સેલમાં પરિણામ દર્શાવવા માટે.

માઈક્રોસોફ્ટ એક્સેલમાં STDE ફંક્શન નીચેના સૂત્રનો ઉપયોગ કરે છે:

જ્યાં "x" સરેરાશ નમૂના સરેરાશ (મૂલ્ય 1, મૂલ્ય 2, ...) નું મૂલ્ય લે છે અને "n" તેના કદને રજૂ કરે છે.

એક્સેલ સાથે અન્ય આંકડાકીય ગણતરીઓ

એક્સેલમાં પ્રમાણભૂત વિચલનની ગણતરી કેવી રીતે કરવી તે જાણવા ઉપરાંત, તે ખૂબ જ સંભવ છે કે જ્યારે અમારી કાર્યપત્રકોમાં ડેટાનું આયોજન કરીએ ત્યારે આપણે અન્ય સૂત્રોનો આશરો લેવો પડશે. સૌથી સામાન્ય તે છે જે આપણને મૂલ્યોની ગણતરી કરવાની મંજૂરી આપે છે જેમ કે સરેરાશ, મધ્ય, સ્થિતિ અને ભિન્નતા.

મીડિયા

જેમ કે દરેક જાણે છે, આ મીડિયા (અંકગણિત સરેરાશ પણ કહેવાય છે) વિવિધ આંકડાકીય મૂલ્યો ઉમેરવા અને શ્રેણીમાં તત્વોની કુલ સંખ્યા દ્વારા તેમને વિભાજીત કરવાનું પરિણામ છે. સરેરાશ મેળવવા માટે, સિસ્ટમ વ્યવહારીક સમાન છે જે એક્સેલમાં પ્રમાણભૂત વિચલનની ગણતરી માટે વપરાય છે. માત્ર એટલો જ તફાવત છે કે જે સૂત્ર લાગુ કરવામાં આવે છે, જે આ કિસ્સામાં આ છે: = સરેરાશ (મૂલ્ય એક્સ: મૂલ્ય વાય).

મધ્યમ

La સરેરાશ સંખ્યાઓના સમૂહનો, જે ઘણીવાર સરેરાશ સાથે મૂંઝવણમાં આવે છે, તે મૂલ્ય છે જે શ્રેણીની સરેરાશ સ્થિતિમાં છે. તે સરેરાશ સાથે મેળ ખાતો નથી. એક્સેલમાં તેની ગણતરી માટે જે ફોર્મ્યુલા લાગુ કરવામાં આવે છે તે છે: = મેડિયન (મૂલ્ય એક્સ: મૂલ્ય વાય).

ફેશન

La મોડા સંખ્યાઓના સમૂહનું મૂલ્ય છે જે સૌથી વધુ વખત પુનરાવર્તિત થાય છે. તેમજ તે સરેરાશ અથવા સરેરાશ સાથે મેળ ખાતો હોય તે જરૂરી નથી. એક્સેલમાં તેની ગણતરી માટેનું સૂત્ર આ છે: = મોડ (મૂલ્ય એક્સ: મૂલ્ય વાય).

અંતરનું

આ ખ્યાલ અગાઉના કોન્ફરન્સ કરતા થોડો વધારે જટિલ છે. આ ભિન્નતા તે સરેરાશ અને પ્રમાણભૂત વિચલન સાથે ગા closely રીતે જોડાયેલું છે. તે આંકડાકીય મૂલ્યોના સમૂહના વિખેરનને માપવાની બીજી રીત છે, ફક્ત "અંતર" નો ઉલ્લેખ કરે છે જેમાં મૂલ્યોનો સમૂહ સરેરાશથી દૂર જાય છે. સૂત્ર: = VAR (valueX: valueY).