소개 학교방문체험
• 확률 이론 및 통계에서 통계 모집단, 데이터 세트 또는 확률 분포의 표준 편차는 분산의 제곱근입니다. 표준 편차는 가변성 또는 분산을 측정하는 데 널리 사용되며, 예상 편차나 평균 절대 편차보다 실질적으로 덜 견고하지만 대수적으로는 더 다루기 쉽습니다.
• “평균”(평균)(또는 예상/예산 값)과의 차이가 얼마나 되는지 보여줍니다. 낮은 표준 편차는 데이터 포인트가 평균에 매우 가까운 경향이 있음을 나타내고, 높은 표준 편차는 데이터가 넓은 범위의 값에 분산되어 있음을 나타냅니다.
나는 내 기사를 통해 이 LCM 계산기를 여러분과 공유하고 싶습니다. 보려면 여기를 클릭하세요.
회귀분석과 표준편차의 정의: 두 변수 사이의 관계를 결정하는 과정으로 정의됩니다. 두 변수 사이의 연관성을 평가하는 통계 분석입니다.
회귀 공식:
• 회귀식(y) = a + bx
• 기울기(b) = (NSXY – (SX) (SY)) / (NSX2 – (SX)2)
• 절편(a) = (SY – b(SX)) / N 여기서 x와 y는 변수입니다. b = 회귀선의 기울기 a = 회귀선과 y축의 교차점. N = 값 또는 요소 수 X = 첫 번째 점수 Y = 두 번째 점수 SXY = 첫 번째 점수와 두 번째 점수의 곱의 합계 SX = 첫 번째 점수 합계 SY = 두 번째 점수 합계 SX2 = 첫 번째 점수 제곱의 합.
회귀 및 표준편차 문제 예시:
예 1: 주어진 x 및 y 값에 대한 선형 회귀를 결정하려면 X 값 Y 값 50 2.1 51 2.6 52 2.8 53 3 55 3.1 또한 기울기와 절편을 결정하고 이를 사용하여 회귀 방정식을 형성합니다.
해결 방법: 값의 개수를 세어 보겠습니다. N = 5 XY, X2의 값 결정 X 값 Y 값 X*Y X*X 50 2.1 105 2500 51 2.6 132.6 2601 52 2.8 145.6 2704 53 3 159 2809 55 3.1 170.5 3025
다음 값 SX, SY, SXY, SX2를 결정합니다. SX = 261 SY = 13.6 SXY = 712.7 SX2 = 13639 기울기 공식의 대체 값 기울기 (b) = (NSXY – (SX) (SY)) / (NSX2 – (SX) 2) = ((5)*(712.7)-(261)*(13.6))/((5)*(13639)-(261)2) = (3563.5 – 3549.6)/ (68195 – 68121) = 13.9/74 = 0.19
주어진 절편 공식의 값을 대체하십시오. 절편(a) = (SY – b(SX)) / N = (13.6 – 0.19(261))/5 = (13.6 – 49.59)/5 = -35.99/5 = -7.198
회귀 방정식 회귀 방정식(y) = a + bx = -7.198 + 0.19x에서 기울기와 절편 값을 대체합니다. y의 대략적인 값을 결정합니다. x = 54인 경우
회귀 방정식에 x 값을 대입합니다. 회귀 방정식(y) = a + bx = -7.198 + 0.19x. = -7.198 + 0.19(54) = -7.198 + 10.26 y = 3.062.
표준 편차 및 회귀: 표준 편차는 평균과 데이터의 제곱 편차 평균의 양의 제곱근으로 정의됩니다. s로 표시됩니다. 표준편차 s = ‘sqrt(sum_(i=1)^n )’ di2/n. 여기서 di = xi – ‘barx’ 입니다.
표준편차 및 회귀 문제의 예:
예: 주어진 데이터 24, 32, 19, 25, 30, 27, 22, 21에 대한 표준 편차를 결정합니다. 해결 방법: 두 가지 방법으로 표준 편차를 계산합니다. 여기서는 표준편차를 계산하기 위해 직접법을 사용합니다. x x2 24 576 32 1024 19 361 25 625 30 900 27 729 22 484 21 441 ?x = 200 ?x2= 5140 공식 사용 s = ‘sqrt(sum x^2/n -(sumx/n)^2)’ = ‘sqrt(5140/8 -(200/8)^2)’ = ‘sqrt(642.5 -(25)^2)’ = ‘sqrt(642.5 – 625)’ = ‘sqrt(17.5)’ s = 4.18.
