ڈسپلے اور کھوکھلی کے درمیان فرق

ڈسپلے> ریزیشن اور کھوکھلی، پھیلاؤ بمقابلہ بمباری، پھیلاؤ اور کھوکھلی فرق، بازی کھوپڑی فرق

کے درمیان اختلافات کے بارے میں ڈسپلے کے بارے میں خدشات. بمقابلہ سکوبی

اعداد و شمار اور احتساب کا نظریہ، اکثر تقسیم کے مقاصد کے لئے تقسیم میں مختلف حالتوں میں اظہار کیا جانا چاہئے. ڈسپلے اور کھوکھلی دو اعداد و شمار تصورات ہیں جہاں مقدار کی تقسیم میں مقدار کی پیمائش میں پیش کی جاتی ہے.

ڈسپلے کے بارے میں مزید

اعداد و شمار میں، توسیع بے ترتیب متغیر یا اس کے امکانات کی تقسیم کی تبدیلی ہے. یہ ایک اندازہ ہے کہ ڈیٹا پوائنٹس مرکزی قیمت سے کتنی دور ہے. اس مقدار کا اظہار کرنے کے لئے، وضاحتی اعداد و شمار میں بازی کے اقدامات استعمال کیے جاتے ہیں.

متغیر، معیاری انحراف، اور انٹر کوارٹیٹ رینج بازی کے سب سے زیادہ عام استعمال کے اقدامات ہیں.

اگر پیمانے کی وجہ سے اعداد و شمار کے اقدار میں ایک مخصوص یونٹ ہے، تو توسیع کے اقدامات بھی اسی یونٹس میں ہوں گے. انٹرڈیکائل رینج، رینج، فرق کا مطلب، میڈین مطلق انحراف، اوسط مطلق انحراف، اور فاصلہ معیاری انحراف یونٹ کے ساتھ بازی کے اقدامات ہیں.

اس کے برعکس، بازی کے اقدامات ہیں جن میں کوئی یونٹ نہیں ہے. ای dimensionless. متغیر، متغیر کی گنجائش، پھیلاؤ کی کوارٹیٹائل گنجائش، اور رشتہ دار مطلب فرق کوئی یونٹس کے ساتھ پھیلاؤ کے اقدامات ہیں.

ایک نظام میں ڈسپلے کی خرابیاں، جیسے آلات اور مشاہداتی غلطیاں پیدا کی جا سکتی ہیں. اس کے علاوہ، نمونہ میں بے ترتیب مختلف حالتوں میں مختلف حالتوں کا باعث بن سکتا ہے. اعداد و شمار کے دوسرے نتائج سے پہلے اعداد و شمار میں مختلف تبدیلی کے بارے میں کم سے کم خیال رکھنے کے لئے ضروری ہے.

سکوئیر کے بارے میں مزید

اعداد و شمار میں، کھوکھلی امکانات کی تقسیم کے asymmetry کی ایک پیمائش ہے. کھوکھلی مثبت یا منفی ہوسکتی ھے، یا کچھ صورت حال غیر موجود ہیں. یہ عام تقسیم سے آفسیٹ کی پیمائش کے طور پر بھی سمجھا جا سکتا ہے.

اگر کھوکھری مثبت ہے تو پھر ڈیٹا پوائنٹس کا بڑا حصہ وکر کے بائیں طرف ہوتا ہے اور دائیں دم لمبی ہے. اگر کھوکھلی منفی ہے تو، ڈیٹا پوائنٹس کا بڑا حصہ وکر کے دائیں طرف کی طرف متوجہ ہے اور بائیں دائیں لمبی لمبی ہوتی ہے. اگر کھوکھلی صفر ہے، تو آبادی عام طور پر تقسیم کی جاتی ہے.

عام تقسیم میں، یہ ہے جب وکر سمیٹ ہے، مطلب، میڈین، اور موڈ اسی قدر ہے. اگر skewness صفر نہیں ہے تو، اس پراپرٹی کو نہیں پکڑتا ہے، اور مطلب، موڈ، اور میڈین مختلف اقدار ہو سکتا ہے.

پیوسن کی کھوکھلی کا پہلا اور دوسرا جزو عام طور پر تقسیم کی skewness کا تعین کرنے کے لئے استعمال کیا جاتا ہے.

پیرسسن کی پہلی کھوکھلی کوکسیسی = (مطلب - موڈ) / (معیاری انحراف)

پیرسسن کی دوسری کھوکھلی سکفینٹ = 3 (مطلب موڈ) / (سینڈینڈڈ انحراف)

زیادہ حساس معاملات میں، ایڈجسٹ فشرر پیرسسن معیاری لمحہ گیس استعمال کیا جاتا ہے. ^{G = {n / (n-1) (n-2)} Σ} _n i = 1 ^{((y-☑) / s)}

3

کیا ڈسپلے اور کھوکھلی کے درمیان فرق کیا ہے؟

جس حد تک ڈیٹا پوائنٹس تقسیم کیے جاتے ہیں اس کے بارے میں تنازعات کے بارے میں خدشات، اور کھوکھلی تقسیم کی سمت میں تشویش ہے.

بازی اور کھوکھلی دونوں اقدامات وضاحتی اقدامات ہیں اور کھوپڑی کی گنجائش کی تقسیم کی شکل میں اشارہ دیتا ہے.

ڈسپلے کے طریقوں کو اعداد و شمار کے پوائنٹس اور آفسیٹ کی حد کو اس مطلب سے سمجھنے کے لئے استعمال کیا جاتا ہے جبکہ کھوکھلی کا استعمال کسی خاص سمت میں ڈیٹا پوائنٹس کی تبدیلی کی رجحان کو سمجھنے کے لئے استعمال کیا جاتا ہے.