వ్యాప్తి చర్యలు
ఈ వ్యాసం నుండి ఇతర పేజీలకు లింకులేమీ లేవు. (నవంబర్ 2016) |
This పేజీకి ఏ ఇతర పేజీల నుండి లింకులు లేకపోవడం చేత ఇదొక అనాథ పేజీగా మిగిలిపోయింది. |
నాణ్యతను మెరుగుపరచేందుకు గాను ఈ వ్యాసానికి శుద్ది అవసరం. వికీపీడియా శైలిని అనుసరించి వ్యాసాన్ని మెరుగు పరచండి. వ్యాసంలో మెరుగు పరిచవలసిన అంశాల గురించి చర్చా పేజిలో చర్చించండి. లేదా ఈ మూస స్థానంలో మరింత నిర్దుష్టమైన మూస పెట్టండి. |
ఈ వ్యాసం లేదా వ్యాసభాగాన్ని విస్తరించవలసి ఉంది. సముచితమైన సమాచారంతో వ్యాసాన్ని విస్తరించండి. విస్తరణ పూర్తయిన తర్వాత, ఈ నోటీసును తీసివేయండి. |
రెండు వేర్వేరు డేటాసెట్లు ఒకేవిధమైన సగటు, మధ్యగతరేఖలు కలిగి ఉండుట సాధ్యమే.ఆ కారణంగా, మధ్యలో చర్యలు ఉపయోగకరమైన కానీ పరిమితంగా ఉన్నాయి.డేటాసెట్ యొక్క మరో ముఖ్యమైన లక్షణం ఏమనగా మధ్యలో దాని యొక్కవిక్షేపణ లేదా వైవిధ్యం. చాలా ఉపయోగకరమైన వ్యాప్తిచర్యలు ఏమనగా 01.పరిధి 02.పరిధి 03.ప్రామాణిక విచలనం.
పరుధి:పరిధి అనగా అతిపెద్ద, అతిచిన్న డేటా విలువల మధ్య తేడా. డేటా విలువలు ఎక్కువగా వ్యాప్తిచెంది వుంటే, పరిధి విలువ పెద్దగా ఉంటుంది.కొన్ని పరిశీలనలు సాపేక్షంగా మధ్యవిలువకు దూరంగాఉండీ, మిగిలినవి మధ్యవిలువునకు బాగా దగ్గరగా ఉంటే, పరిధి వ్యాప్తి వక్రీకరించిన కొలత ఇస్తుంది. శతాంశాలు:శాతాంశాలు అనగా డేటా విలువల యొక్కస్థాన చర్యలను గుర్తించడం. ప్రామాణిక విచలనం:డేటా, సగటు మధ్య సగటు దూరాన్ని అంతర్భేధం అంటారు.అంతర్భేధం యొక్క స్క్వేర్ రూట్ (squareroot) ను ప్రామాణిక విచలనం అంటారు. డేటాసెట్ యొక్క ప్రామాణిక విచలనాన్ని chebchev సిద్ధాంతముచే వ్యాఖ్యానించవచ్చు.