Kalkulilo de normaj devioj
Kalkulu la norman deviadon, variancon kaj averaĝon de specimeno aŭ populacio.
Results update as you type.
Pri tiu kalkulilo
Standard deviation measures how spread out a data set is around its mean: a small value means the numbers cluster tightly near the average, a large one means they are widely scattered. This calculator computes both the sample standard deviation (dividing the sum of squared deviations by n − 1, Bessel’s correction) and the population standard deviation (dividing by n), and reports the variance, mean, range and the sum of squared deviations it used. Choose sample when your numbers are a subset drawn from a larger group, and population when they are the entire group.
The method has four steps: find the mean, subtract it from each value to get the deviations, square those deviations and add them up, then divide by n − 1 (sample) or n (population) and take the square root. The square root returns the answer to the same units as the original data, which is why standard deviation is usually preferred over variance for interpretation.
Worked example: for 2, 4, 4, 4, 5, 5, 7, 9 the mean is 5. The squared deviations sum to 32, so the population variance is 32 ÷ 8 = 4 and the population standard deviation is √4 = 2; the sample version divides 32 by 7, giving about 4.57 and a standard deviation of roughly 2.14. The deviation table below shows each value’s distance from the mean and its squared deviation so you can follow the calculation.
Oftaj demandoj
Kio estas la diferenco inter la specimena kaj populacia normaj devioj?
La populacia formulo dividas la sumon de kvadrataj devioj per n; la specimena formulo dividas per n − 1. La n − 1 (korrekto de Bessel) kompensas la fakton ke specimeno tendencas subtaksi la veran disvastiĝon de la populacio el kiu ĝi venas.
Kial kvadratigi la deviojn?
Kvadratado faras ĉiun devion pozitiva tiel ke ili ne nuligas, kaj ĝi pezas pli grandajn deviojn pli forte. Prenanta la kvadratan radikon ĉe la fino redonas la mezuron al la originaj unuoj de la datumoj.
Kiel mi kalkulas la norman devion permane?
Trovu la averaĝon, subtrahas ĝin de ĉiu valoro por akiri la deviojn, kvadratigas ĉiun devion kaj aldonas ilin, tiam dividas per n − 1 por specimeno aŭ n por populacio kaj prenas la kvadratan radikon de tiu rezulto.
Kio estas bona norma devio?
Ne ekzistas universala "bona" valoro - ĝi dependas tute de la skalo kaj kunteksto de viaj datumoj. Normo- devio estas signifa nur apud la averaĝo; la sama disvastiĝo kiu estas malgranda por domprezoj povus esti enorma por testoj. La koeficiento de variado esprimas ĝin kiel procento de la averaĝo por komparo.
Ĉu la norma devio povas esti nulo aŭ negativa?
Ĝi povas esti nulo, kio okazas nur kiam ĉiu valoro estas identa kaj ne estas iu ajn disvastigo. Ĝi neniam povas esti negativa, ĉar ĝi estas kvadrata radiko de averaĝo de kvadratigitaj nombroj.
Kial la specimena kalkulo bezonas almenaŭ du valorojn?
La specimena formulo dividas per n − 1, do unuopa valoro dividus per nulo kaj estas lasita nedifinita. Specimena norma devio nur havas sencon se vi havas du aŭ pli da observoj por kompari.
API - uzi tiun kalkulilon el kodo
Alvoku tiun kalkulilon kiel liberan JSON- finpunkton - neniu ŝlosilo necesas. Sendu la malsuprajn kampovalorojn kiel demandparametroj aŭ JSON. Anything you omit uses the same default this page is pre-filled with; an unknown parameter is a 400, never a silent zero. Legi la plenan API- dokumentaron →
Finpunkto
GET https://calculator.free/api/v1/standard-deviation/curl
curl "https://calculator.free/api/v1/standard-deviation/?numbers=9, 2, 5, 4, 12, 7, 8, 11, 9, 3, 7, 4, 12, 5, 4, 10, 9, 6, 9, 4&type=sample"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/standard-deviation/?" + new URLSearchParams({
"numbers": "9, 2, 5, 4, 12, 7, 8, 11, 9, 3, 7, 4, 12, 5, 4, 10, 9, 6, 9, 4",
"type": "sample"
}));
const data = await r.json();
console.log(data.results);La rezultoj estas taksadoj por ĝenerala gvidado nur, ne financa, medicina aŭ imposta konsilo.