ပျမ်းမျှလုံးဝကွဲလွဲမှုဂဏန်းတွက်စက်
dataset ၏ပျမ်းမျှအပြည့်အဝကွဲပြားခြားနားမှု (MAD) ကိုရှာပါ။
သင်ရိုက်ထည့်သလိုရလဒ်များကို update လုပ်ပါ
ဤဂဏန်းတွက်စက်အကြောင်း
The mean absolute deviation (MAD) is the average distance between each value and the mean, using absolute values so distances never cancel out. It measures spread like the standard deviation but is simpler and less sensitive to outliers, because it does not square the deviations. This calculator reports the MAD together with the mean, range and the sum of absolute deviations it was measured from.
The method is direct: find the mean, take the absolute value of each value’s distance from it, add those distances up and divide by the number of values. Because it averages plain distances rather than squared ones, the MAD is expressed in the original units and is easy to explain to a non-technical audience.
Worked example: for 2, 4, 6, 8, 10 the mean is 6. The absolute deviations are 4, 2, 0, 2, 4, which sum to 12, so the MAD is 12 ÷ 5 = 2.4 — on average each value sits 2.4 units from the mean. The deviation table below lists every value’s distance so you can trace the result.
မေးလေ့ရှိသောမေးခွန်းများ
standard deviation မှ MAD ဘယ်လိုကွဲပြားခြားနားလဲ?
MAD ပျမ်းမျှအပြည့်အဝ deviations, စံ deviations ပျမ်းမျှ squared deviations နှင့်နောက်တစ်စတုရန်း root ကိုယူစဉ်. ဒါဟာစတုရန်းမဟုတ်လို့, MAD outliers များအတွက်အနည်းငယ်အလေးချိန်ပေးပြီးမကြာခဏရှင်းပြဖို့လွယ်ကူသည်, ဒါပေမယ့်စံ deviations ပိုမိုလွယ်ကူသောသင်္ချာဆိုင်ရာပစ္စည်းများရှိပါတယ်.
ငါလက်ဖြင့် MAD ကိုဘယ်လိုတွက်ချက်သလဲ?
ပျမ်းမျှရှာဖွေ, တစ်ခုချင်းစီကိုတန်ဖိုးမှလျှော့ချနှင့်တစ်စုံတစ်ရာရလဒ်၏အပြည့်အဝတန်ဖိုးကိုယူ, ထို့နောက်ထိုအကွာအဝေးပျမ်းမျှ. For2,4,6, 8, 10 ပျမ်းမျှဖြစ်ပါသည်6နှင့် MAD ဖြစ်ပါတယ်။ (4+2+0+2+4) /5= 2.4.
ပျမ်းမျှအပြည့်အဝကွဲပြားခြားနားမှုပျမ်းမျှကွဲပြားခြားနားမှုအဖြစ်တူညီသည်?
ဟုတ်ကဲ့, နှစ်ဦးစလုံးစည်းမျဉ်းများပုံမှန်အားဖြင့်တူညီတဲ့အရာကိုရည်ညွှန်း: တစ်ခုတည်းသောဗဟိုချက်မှအပြည့်အဝအကွာအဝေး၏ပျမ်းမျှ, အများဆုံးမကြာခဏအကြား. အချို့သောစာသင်စာအုပ်များအစားအလယ်အလတ်မှအကွာအဝေးကိုတိုင်းတာ, အားလုံးအကွာအဝေး minimizes သော, ဒါပေမဲ့ဒီဂဏန်းတွက်စက်အကြားသုံးစွဲ.
ဘာကြောင့် MAD က တန်ဖိုးအတိအကျကို သုံးသလဲ?
ပျမ်းမျှအထက် Deviations positive ဖြစ်ပြီးအောက်တွင်ဖော်ပြထားသောသူတို့ကအပျက်သဘောဖြစ်ကြသည်, သူတို့ကအမြဲသုညသို့ပေါင်း, ထို့ကြောင့်သူတို့ရဲ့ရိုးရှင်းတဲ့ပျမ်းမျှအသုံးမပြုနိုင်. အပြည့်အဝတန်ဖိုးကိုယူခြင်းကအက္ခရာ strips ဒါကြောင့်အချင်းချင်းအကွာအဝေးစာရင်း, ပျံ့နှံ့၏စစ်မှန်တဲ့တိုင်းတာမှုပေး.
ဘယ်အချိန်မှာငါ standard deviation ထက် MAD ပိုနှစ်သက်သင့်သလဲ?
သင် outliers ရှင်းပြရန်လွယ်ကူပြီးခိုင်မာတဲ့ဖြစ်ပါတယ်သောပျံ့နှံ့မှုအစီရင်ခံစာကိုလိုချင်တဲ့အခါ MAD ကိုရွေးချယ်ပါ, သို့မဟုတ် squarering အချို့က extreme တန်ဖိုးများကို over-အလေးချိန်ဖြစ်လိမ့်မည်အခါ. သင်သည်သင်၏ feeds ထဲသို့သင်္ချာဆိုင်ရာပစ္စည်းများလိုအပ်သောအခါစံပြ deviation ကိုလိုလားသည်, ထိုကဲ့သို့သောပုံမှန်ဖြန့်ဝေသို့မဟုတ် variance-based စမ်းသပ်မှုအဖြစ်.
ပျမ်းမျှအပြည့်အဝကွဲလွဲမှုသည် Zero ဖြစ်နိုင်ပါသလား?
အားလုံးတန်ဖိုးကိုပျမ်းမျှတူညီသောအခါသာလျှင် - ဆိုတာ, အားလုံးနံပါတ်များတူညီပြီးမပျံ့နှံ့တဲ့အခါ. မဆို MAD အမြဲတမ်းအပြုသဘောနံပါတ်ဖြစ်ပါသည်.
API ကို — code ကိုမှဤဂဏန်းတွက်စက်ကိုအသုံးပြု
အခမဲ့ JSON endpoint အဖြစ်ဤဂဏန်းတွက်စက်ကိုခေါ် - လိုအပ်သော key ကိုမရှိ. query parameters တွေကိုသို့မဟုတ် JSON အဖြစ်အောက်ပါ Field Values ကိုပို့. သင်ပယ်ချဘာမှတူညီသော default ကိုအသုံးပြုသည်ဤစာမျက်နှာနှင့်အတူ pre-filled ဖြစ်ပါတယ်။ အမည်မသိ parameter ကိုတစ်ခုဖြစ်ပါသည် 400, တစ်ဦးတိတ်ဆိတ်သော Zero ကိုမဆို. ပြည့်စုံသော API ကိုစာရွက်စာတမ်းများကိုဖတ်ပါ →
အဆုံးသတ်ချက်
GET https://calculator.free/api/v1/mean-absolute-deviation/curl
curl "https://calculator.free/api/v1/mean-absolute-deviation/?numbers=2, 4, 6, 8, 10"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/mean-absolute-deviation/?" + new URLSearchParams({
"numbers": "2, 4, 6, 8, 10"
}));
const data = await r.json();
console.log(data.results);ရလဒ်များသာယေဘုယျလမ်းညွှန်မှုများအတွက်ခန့်မှန်းချက်ဖြစ်ကြသည်, မငွေကြေး, ဆေးဘက်ဆိုင်ရာသို့မဟုတ်အခွန်အကြံပေးချက်.