මධ්යම නියත වෙනස්වීම් ගණනය
දත්ත කට්ටලයක් සාමාන්ය සම්පූර්ණ විචලනය (MAD) සොයා ගන්න.
ඔබ ටයිප් ලෙස ප්රතිඵල යාවත්කාලීන.
මෙම කැල්ක්යුලේටරය ගැන
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.
නිතර අසන ප්රශ්න
සම්මත විචලනය සිට MAD වෙනස් වන්නේ කෙසේද?
MAD සම්පූර්ණ වෙනස්කම් සාමාන්යය, සම්මත විචලනය වර්ග විචලනය සාමාන්යය වන අතර, පසුව වර්ග මූල ගනී. එය වර්ගයේ නැත නිසා, MAD outliers අඩු බර ලබා දෙන අතර බොහෝ විට පැහැදිලි කිරීමට පහසු වේ, නමුත් සම්මත විචලනය වඩාත් පහසු ගණිතමය ගුණාංග ඇත.
මම කොහොමද අත් මගින් MAD ගණනය කරන්නේ?
මධ්යම සොයා, එක් එක් අගය එය අඩු හා සෑම ප්රතිඵලයක් නියත අගය ගන්න, පසුව එම දුර සාමාන්ය. සඳහා 2, 4, 6, 8, 10 මධ්යම6වන අතර MAD (4+2+0+2+4) /5= 2.4 වේ.
යම්කිසි ද්රව්යයක ඝනත්වය එහි ඝනත්වයට සමාන වන විට එය ඝනත්වයෙන් අඩු ද්රව්යයක් වේ.
ඔව්, මෙම දෙකම සාමාන්යයෙන් එකම දෙය අදහස්: මධ්යම ස්ථානයක සිට සම්පූර්ණ දුර සාමාන්යය, බොහෝ විට සාමාන්යය. සමහර පාඨමාලා වෙනුවට මධ්යම සිට දුර මැන, මුළු දුර අවම කරන, නමුත් මෙම ගණනය කිරීම් සාමාන්යය භාවිතා.
ඇයි MAD නියත අගයන් භාවිතා කරන්නේ?
මධ්යම ඉහත වෙනස්කම් ධනාත්මක හා පහත සඳහන් අය සෘණ වේ, ඔවුන් හැම විටම ශුන්‍යයට එකතු, ඒ නිසා ඔවුන්ගේ සරල සාමාන්යය අර්ථ විරහිත ය. සැබෑ අගය සෑම දුර ගණන් එසේ ලකුණ තහඩු ගැනීම, පැතිරීමේ සැබෑ පියවරක් ලබා දෙමින්.
මම සම්මත විචලනය වඩා MAD කැමති විය යුතු විට?
ඔබ outliers පැහැදිලි කිරීමට පහසු හා ශක්තිමත් බව පැතිර පියවර අවශ්ය විට MAD තෝරන්න, හෝ වර්ගයේ විට අධික බර අතිරේක අගයන් කිහිපයක් වනු ඇත. ඔබ එය පෝෂණය ගණිතමය ගුණාංග අවශ්ය විට සම්මත විචලනය වඩාත් සුදුසු වේ, එවැනි සාමාන්ය බෙදාහැරීම හෝ විචලනය මත පදනම් පරීක්ෂණ.
මධ්යම සම්පූර්ණ විචලනය ශුන්ය විය හැක?
සෑම අගය මධ්යම සමාන වන විට පමණක් - ඒ, සියලු අංක සමාන වන විට හා කිසිදු පැතිරීමක් නැත. එසේ නොමැති නම්, MAD හැම විටම ධනාත්මක සංඛ්යාවක් වේ.
API - කේතය සිට මෙම කැල්ක්යුලේටරය භාවිතා
කිසිදු යතුරක් අවශ්ය - නිදහස් JSON අවසන් ස්ථානයක් ලෙස මෙම ගණනය කිරීම් ඇමතුම්. විමසුම් පරාමිතීන් හෝ JSON ලෙස පහත ක්ෂේත්ර අගයන් යවන්න. ඔබ අතහැර දමන ඕනෑම දෙයක් මෙම පිටුව සමග පෙර පිරවීම වන එම පෙරනිමි භාවිතා; නොදන්නා පරාමිතියක් 400 වේ, නිහඬ ශුන්ය කිසි විටෙකත්. සම්පූර්ණ API ලේඛන කියවන්න →
අවසාන ස්ථානය
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);ප්රතිඵල සාමාන්ය මග පෙන්වීම සඳහා පමණක් ඇස්තමේන්තු, මූල්ය, වෛද්ය හෝ බදු උපදෙස් නොවේ.