ਮਿਆਰੀ ਭਟਕਣ

ਸੰਭਾਵਨਾ ਅਤੇ ਅੰਕੜਿਆਂ ਵਿੱਚ, ਇੱਕ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਦਾ ਮਿਆਰੀ ਵਿਵਹਾਰ ਮੱਧ ਮੁੱਲ ਤੋਂ ਇੱਕ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਦੀ ਔਸਤ ਦੂਰੀ ਹੈ।

ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਨੂੰ ਮੱਧਮਾਨ ਮੁੱਲ ਦੇ ਨੇੜੇ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ।ਸਮਾਲ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਨੂੰ ਮੱਧਮਾਨ ਮੁੱਲ ਦੇ ਨੇੜੇ ਵੰਡਿਆ ਗਿਆ ਹੈ।ਵੱਡਾ ਮਿਆਰੀ ਵਿਵਹਾਰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਨੂੰ ਮੱਧਮਾਨ ਮੁੱਲ ਤੋਂ ਬਹੁਤ ਦੂਰ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ।

ਮਿਆਰੀ ਵਿਵਹਾਰ ਪਰਿਭਾਸ਼ਾ ਫਾਰਮੂਲਾ

ਮਿਆਰੀ ਵਿਵਹਾਰ μ ਦੇ ਔਸਤ ਮੁੱਲ ਦੇ ਨਾਲ, ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ X ਦੇ ਵੇਰੀਅੰਸ ਦਾ ਵਰਗ ਮੂਲ ਹੈ।

\sigma =std(X)=\sqrt{Var(X)}=\sqrt{E((X-\mu)^2}

ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਦੀ ਪਰਿਭਾਸ਼ਾ ਤੋਂ ਅਸੀਂ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਾਂ

\sigma =std(X)=\sqrt{E(X^2)-\mu^2}

ਨਿਰੰਤਰ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਦਾ ਮਿਆਰੀ ਵਿਵਹਾਰ

ਮੱਧਮਾਨ ਮੁੱਲ μ ਅਤੇ ਸੰਭਾਵਨਾ ਘਣਤਾ ਫੰਕਸ਼ਨ f(x) ਦੇ ਨਾਲ ਨਿਰੰਤਰ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਲਈ:

\sigma=std(X)=\sqrt{\int_{-\infty }^{\infty }(x-\mu)^2\: f(x)dx}

ਜਾਂ

\sigma =std(X)=\sqrt{\left [ \int_{-\infty }^{\infty }x^2\: f(x)dx \right ]-\mu^2}

ਡਿਸਕਰੀਟ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਦਾ ਮਿਆਰੀ ਵਿਵਹਾਰ

ਔਸਤ ਮੁੱਲ μ ਅਤੇ ਪ੍ਰੋਬੇਬਿਲਟੀ ਪੁੰਜ ਫੰਕਸ਼ਨ P(x) ਵਾਲੇ ਡਿਸਕਰੀਟ ਬੇਤਰਤੀਬੇ ਵੇਰੀਏਬਲ X ਲਈ:

\sigma=std(X)=\sqrt{\sum_{i}^{}(x_i-\mu _X)^2P_X(x_i)}

ਜਾਂ

\sigma =std(X)=\sqrt{\left [ \sum_{i}^{}x_i^2P(x_i) \ਸੱਜੇ ]-\mu^2}

 

ਸੰਭਾਵੀ ਵੰਡ ►

 

ਇਹ ਵੀ ਵੇਖੋ

Advertising

ਸੰਭਾਵਨਾ ਅਤੇ ਅੰਕੜੇ
°• CmtoInchesConvert.com •°