متغیر اور افواج کے درمیان فرق
متغیر بمقابلہ ویوینسیسی
متغیر اور اشتغالات اعداد و شمار میں استعمال ہونے والے دو اقدامات ہیں. متغیر اعداد و شمار کے نچلے حصے کی ایک پیمائش ہے، اور covariance دو بے ترتیب متغیر متغیرات کی ایک ڈگری کے ساتھ ساتھ اشارہ کرتا ہے. متغیر ایک بدیہی تصور ہے، لیکن covariance تعریف کی تعریف کی جاتی ہے میں اس میں بدیہی نہیں ہے.
مختلف کے بارے میں
متغیر تقسیم کی معنی قیمت سے اعداد و شمار کی منتقلی کا اندازہ ہے. یہ بتاتا ہے کہ اعداد و شمار کے نقطۂٔٔٔٔٔٔٔٔ جات کی تقسیم سے کیا جھوٹ ہے. یہ احتساب کی تقسیم اور تقسیم کی لمحات میں سے ایک کی بنیادی تشریح کاروں میں سے ایک ہے. اس کے علاوہ، متغیر آبادی کا ایک پیرامیٹر ہے، اور آبادی سے ایک نمونہ کے نمونے آبادی کے مختلف مقاصد کے لئے ایک تخمینہ کے طور پر کام کرتا ہے. ایک نقطہ نظر سے، یہ معیاری انحراف کے مربع کے طور پر بیان کیا جاتا ہے.
سادہ زبان میں، یہ ہر ڈیٹا پوائنٹ اور تقسیم کا مطلب کے درمیان فاصلے کے چوکوں کی اوسط کے طور پر بیان کیا جا سکتا ہے. مندرجہ ذیل فارمولہ کو استعمال کرنے کے لئے استعمال کیا جاتا ہے. آبادی کے لئے
Var (X) = E [(X-μ) 2 ]، اور
Var (X) = E [(X-~x) 2] ایک نمونہ کے لئے Var (X) = E [X
2 ] - (ای [X]) 2 دینے کے لئے مزید آسان بنا سکتے ہیں. متغیر کچھ دستخط کی خصوصیات ہیں، اور اکثر استعمال میں آسان بنانے کیلئے اعداد و شمار میں استعمال ہوتے ہیں. متضاد غیر منفی ہے کیونکہ یہ فاصلے کے مربع ہے. تاہم، متغیر کی حد محدود نہیں ہے اور خاص طور پر تقسیم پر منحصر ہے. مسلسل بے ترتیب متغیر متغیر صفر صفر ہے، اور متغیر جگہ پیرامیٹر کے سلسلے میں متغیر نہیں ہے.
اعداد و شمار کے اصول میں، covariance ایک پیمائش ہے کہ کس طرح دو بے ترتیب متغیر ایک دوسرے کے ساتھ تبدیل. دوسرے الفاظ میں، covariance دو بے ترتیب متغیرات کے درمیان رابطے کی طاقت کی ایک پیمائش ہے. اس کے علاوہ، یہ دو بے ترتیب متغیرات کے متغیر کے تصور کی عمومی طور پر سمجھا جا سکتا ہے.
دو بے ترتیب متغیرات ایکس اور Y کی جغرافیہ، جس میں مشترکہ طور پر ختم ہونے والی دوسری رفتار کے ساتھ تقسیم کیا جاتا ہے، σ
XY = E [(X-E [X]) (Y-E [Y])] کے طور پر جانا جاتا ہے. اس سے، فرق covariance کے ایک خصوصی کیس کے طور پر دیکھا جا سکتا ہے، جہاں دو متغیر ایک ہی ہیں. Cov (X، X) = Var (X) covariance کو معمول کے مطابق، لکیری رابطے گنجائش یا پیرسسن کے رابطے کی گنجائش حاصل کی جاسکتی ہے، جو ρ = E [(XE [X]) (YE [Y] (] σ
ایکس σ یو ) = (Cov (X، Y)) / (σ X σ Y ) گرافیک طور پر، ایک جوڑی کے اعداد و شمار پوائنٹس کے درمیان covariance کے مخالف عمودی پر ڈیٹا پوائنٹس کے ساتھ آئتاکار کے علاقے کے طور پر دیکھا جا سکتا ہے.یہ دو اعداد و شمار پوائنٹس کے درمیان علیحدگی کی شدت کی پیمائش کے طور پر تشریح کی جا سکتی ہے. پوری آبادی کے لئے آئتاکاروں پر غور کر کے، تمام اعداد و شمار کے پوائنٹس کے مطابق آئتاکاروں کے اوپریپشن علیحدگی کی طاقت کے طور پر سمجھا جا سکتا ہے؛ دو متغیرات کے متغیر. Covariance دو جہتیوں میں ہے، دو متغیرات کی وجہ سے، لیکن ایک متغیر کو آسان بنانے کے لئے ایک واحد طول و عرض میں علیحدہ ہونے کے طور پر ایک واحد کا فرق فراہم کرتا ہے.
متغیر اور حوصلہ افزائی کے درمیان کیا فرق ہے؟
• متغیر آبادی میں پھیلاؤ / منتقلی کا انداز ہے جبکہ covariance دو بے ترتیب متغیرات یا رابطے کی طاقت کی تبدیلی کی پیمائش کے طور پر سمجھا جاتا ہے.
• کووینٹری کے خصوصی کیس کے طور پر متغیر سمجھا جا سکتا ہے.
متغیر اور اشتغال کاری ڈیٹا کی اقدار کی شدت پر منحصر ہے، اور مقابلے میں نہیں کیا جا سکتا؛ لہذا، وہ معمول ہیں. Covariance باہمی رابطے گنجائش (عام طور پر دو بے ترتیب متغیرات کے معیار کی تقسیم کے مطابق تقسیم) میں معمولی ہے اور معیاری انحراف میں متغیر ہوتا ہے (مربع جڑ لے کر)
