ਸਿੱਖਿਆ

• ਗ੍ਰੇਡ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਗ੍ਰੇਡਿੰਗ ਕਰਵ
• ਮਾਨਕੀਕ੍ਰਿਤ ਟੈਸਟ ਸਕੋਰ ਦੀ ਵਿਆਖਿਆ
• ਵਿਦਿਆਰਥੀ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਮੁਲਾਂਕਣ

ਉਦਾਹਰਣ: ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਕਲਾਸ ਟੈਸਟ ਸਕੋਰਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਕਿ ਕੀ ਗ੍ਰੇਡ ਸਧਾਰਨ ਵੰਡ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ

ਮੁੱਖ ਅੰਕੜੇ: ਮੀਨ, ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ, ਪਰਸੈਂਟਾਈਲ

ਵਪਾਰ ਅਤੇ ਵਿੱਤ

• ਵਿਕਰੀ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿਸ਼ਲੇਸ਼ਣ
• ਜੋਖਮ ਮੁਲਾਂਕਣ
• ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ
• ਮਾਰਕੀਟ ਖੋਜ

ਉਦਾਹਰਣ: ਰੁਝਾਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਟੀਚੇ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਮਹੀਨਾਵਾਰ ਵਿਕਰੀ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ

ਮੁੱਖ ਅੰਕੜੇ: ਮੀਨ, ਵਿਭਿੰਨਤਾ, ਤਿਰਛਾਪਨ, ਰੁਝਾਨ ਵਿਸ਼ਲੇਸ਼ਣ

ਸਿਹਤ ਸੰਭਾਲ

• ਮਰੀਜ਼ ਦੇ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ
• ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ ਦੇ ਨਤੀਜੇ
• ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨਕ ਅਧਿਐਨ
• ਸੰਦਰਭ ਰੇਂਜ ਦੀ ਸਥਾਪਨਾ

ਉਦਾਹਰਣ: ਬਲੱਡ ਪ੍ਰੈਸ਼ਰ ਜਾਂ ਕੋਲੇਸਟ੍ਰੋਲ ਦੇ ਪੱਧਰਾਂ ਲਈ ਸਧਾਰਨ ਰੇਂਜਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ

ਮੁੱਖ ਅੰਕੜੇ: ਪਰਸੈਂਟਾਈਲ, ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ, ਆਬਾਦੀ ਬਨਾਮ ਨਮੂਨਾ

ਖੇਡ ਵਿਸ਼ਲੇਸ਼ਣ

• ਖਿਡਾਰੀ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਮੁਲਾਂਕਣ
• ਟੀਮ ਦੇ ਅੰਕੜੇ
• ਖੇਡ ਦੇ ਨਤੀਜੇ ਦੀ ਭਵਿੱਖਬਾਣੀ

ਉਦਾਹਰਣ: ਮੌਸਮਾਂ ਦੌਰਾਨ ਇੱਕ ਬਾਸਕਟਬਾਲ ਖਿਡਾਰੀ ਦੇ ਸ਼ੂਟਿੰਗ ਪ੍ਰਤੀਸ਼ਤ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ

ਮੁੱਖ ਅੰਕੜੇ: ਮੀਨ, ਇਕਸਾਰਤਾ (ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ), ਕਾਰਗੁਜ਼ਾਰੀ ਦੇ ਰੁਝਾਨ

ਨਿਰਮਾਣ

• ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ
• ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸੁਧਾਰ
• ਨੁਕਸ ਵਿਸ਼ਲੇਸ਼ਣ
• ਛੇ ਸਿਗਮਾ ਵਿਧੀਆਂ

ਉਦਾਹਰਣ: ਗੁਣਵੱਤਾ ਦੇ ਮਿਆਰਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਉਤਪਾਦ ਦੇ ਮਾਪਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ

ਮੁੱਖ ਅੰਕੜੇ: ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ, ਵਿਭਿੰਨਤਾ, ਪ੍ਰਕਿਰਿਆ ਸਮਰੱਥਾ

ਖੋਜ ਅਤੇ ਵਿਗਿਆਨ

• ਪ੍ਰਯੋਗਾਤਮਕ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ
• ਕਲਪਨਾ ਟੈਸਟਿੰਗ ਦੀ ਤਿਆਰੀ
• ਡਾਟਾ ਸੰਖੇਪ
• ਪ੍ਰਕਾਸ਼ਨ ਰਿਪੋਰਟਿੰਗ

ਉਦਾਹਰਣ: ਅੰਕੜਾਤਮਕ ਟੈਸਟਿੰਗ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਯੋਗਾਤਮਕ ਨਤੀਜਿਆਂ ਦਾ ਸੰਖੇਪ ਕਰਨਾ

ਮੁੱਖ ਅੰਕੜੇ: ਸੰਪੂਰਨ ਵਰਣਨਯੋਗ ਅੰਕੜੇ, ਵੰਡ ਦਾ ਮੁਲਾਂਕਣ

ਮੈਨੂੰ ਨਮੂਨੇ ਬਨਾਮ ਆਬਾਦੀ ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਦੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ?

ਜੇਕਰ ਤੁਹਾਡੇ ਡਾਟਾ ਵਿੱਚ ਤੁਹਾਡੇ ਦੁਆਰਾ ਅਧਿਐਨ ਕੀਤੇ ਜਾ ਰਹੇ ਸਮੂਹ ਵਿੱਚ ਹਰ ਕੋਈ ਸ਼ਾਮਲ ਹੈ ਤਾਂ ਆਬਾਦੀ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਜੇਕਰ ਤੁਹਾਡਾ ਡਾਟਾ ਇੱਕ ਵੱਡੀ ਆਬਾਦੀ ਦੇ ਉਪ-ਸਮੂਹ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸ ਬਾਰੇ ਤੁਸੀਂ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਨਮੂਨੇ ਦੀ ਵਰਤੋਂ ਕਰੋ।

ਜੇਕਰ ਮੇਰਾ ਡਾਟਾ ਤਿਰਛਾ ਹੈ ਤਾਂ ਇਸਦਾ ਕੀ ਮਤਲਬ ਹੈ?

ਤਿਰਛੇ ਡਾਟਾ ਦੀ ਇੱਕ ਪਾਸੇ ਲੰਬੀ ਪੂਛ ਹੁੰਦੀ ਹੈ। ਸੱਜੇ-ਤਿਰਛਾ (ਸਕਾਰਾਤਮਕ) ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜ਼ਿਆਦਾਤਰ ਮੁੱਲ ਘੱਟ ਹਨ ਅਤੇ ਕੁਝ ਉੱਚ ਮੁੱਲ ਹਨ। ਖੱਬੇ-ਤਿਰਛਾ (ਨਕਾਰਾਤਮਕ) ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜ਼ਿਆਦਾਤਰ ਮੁੱਲ ਉੱਚੇ ਹਨ ਅਤੇ ਕੁਝ ਘੱਟ ਮੁੱਲ ਹਨ।

ਮੈਂ ਆਪਣੇ ਡਾਟਾ ਵਿੱਚ ਆਊਟਲਾਇਰਾਂ ਦੀ ਪਛਾਣ ਕਿਵੇਂ ਕਰ ਸਕਦਾ ਹਾਂ?

IQR ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰੋ: Q1 - 1.5×IQR ਤੋਂ ਹੇਠਾਂ ਜਾਂ Q3 + 1.5×IQR ਤੋਂ ਉੱਪਰ ਦੇ ਮੁੱਲ ਸੰਭਾਵੀ ਆਊਟਲਾਇਰ ਹਨ। ਮੀਨ ਤੋਂ 2-3 ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਤੋਂ ਵੱਧ ਦੇ ਮੁੱਲਾਂ ਦੀ ਵੀ ਜਾਂਚ ਕਰੋ।

ਮੈਨੂੰ ਕੇਂਦਰੀ ਪ੍ਰਵਿਰਤੀ ਦਾ ਕਿਹੜਾ ਮਾਪ ਵਰਤਣਾ ਚਾਹੀਦਾ ਹੈ?

ਆਊਟਲਾਇਰਾਂ ਤੋਂ ਬਿਨਾਂ ਸਮਰੂਪ ਡਾਟਾ ਲਈ ਮੀਨ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਤਿਰਛੇ ਡਾਟਾ ਜਾਂ ਆਊਟਲਾਇਰਾਂ ਵਾਲੇ ਡਾਟਾ ਲਈ ਮੀਡੀਅਨ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਅਤੇ ਸ਼੍ਰੇਣੀਬੱਧ ਡਾਟਾ ਜਾਂ ਸਭ ਤੋਂ ਆਮ ਮੁੱਲਾਂ ਨੂੰ ਲੱਭਣ ਲਈ ਮੋਡ ਦੀ ਵਰਤੋਂ ਕਰੋ।

ਵਿਭਿੰਨਤਾ ਅਤੇ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਵਿੱਚ ਕੀ ਅੰਤਰ ਹੈ?

ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਵਿਭਿੰਨਤਾ ਦਾ ਵਰਗ ਮੂਲ ਹੈ। ਵਿਭਿੰਨਤਾ ਵਰਗ ਇਕਾਈਆਂ ਵਿੱਚ ਹੈ, ਜਦੋਂ ਕਿ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਤੁਹਾਡੇ ਮੂਲ ਡਾਟਾ ਵਾਂਗ ਹੀ ਇਕਾਈਆਂ ਵਿੱਚ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।

ਭਰੋਸੇਯੋਗ ਅੰਕੜਿਆਂ ਲਈ ਮੈਨੂੰ ਕਿੰਨੇ ਡਾਟਾ ਪੁਆਇੰਟਾਂ ਦੀ ਲੋੜ ਹੈ?

ਜਦੋਂ ਕਿ ਤੁਸੀਂ ਕਿਸੇ ਵੀ ਗਿਣਤੀ ਦੇ ਪੁਆਇੰਟਾਂ ਨਾਲ ਅੰਕੜਿਆਂ ਦੀ ਗਣਨਾ ਕਰ ਸਕਦੇ ਹੋ, 30+ ਦੇ ਨਮੂਨੇ ਆਮ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗ ਮੰਨੇ ਜਾਂਦੇ ਹਨ। ਮੀਨ ਵਰਗੇ ਕੁਝ ਅੰਕੜਿਆਂ ਲਈ, ਛੋਟੇ ਨਮੂਨੇ ਵੀ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦੇ ਹਨ।

ਸਟੈਂਡਰਡ ਗਲਤੀ ਮੈਨੂੰ ਕੀ ਦੱਸਦੀ ਹੈ?

ਸਟੈਂਡਰਡ ਗਲਤੀ ਇਹ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੀ ਹੈ ਕਿ ਤੁਹਾਡੇ ਨਮੂਨੇ ਦਾ ਮੀਨ ਅਸਲ ਆਬਾਦੀ ਦੇ ਮੀਨ ਤੋਂ ਕਿੰਨਾ ਵੱਖਰਾ ਹੋ ਸਕਦਾ ਹੈ। ਛੋਟੀ ਸਟੈਂਡਰਡ ਗਲਤੀ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਤੁਹਾਡੇ ਨਮੂਨੇ ਦਾ ਮੀਨ ਆਬਾਦੀ ਦੇ ਮੀਨ ਦੇ ਨੇੜੇ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।

ਕੀ ਮੈਂ ਵੱਖ-ਵੱਖ ਡਾਟਾਸੈੱਟਾਂ ਵਿੱਚ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨਾਂ ਦੀ ਤੁਲਨਾ ਕਰ ਸਕਦਾ ਹਾਂ?

ਸਿਰਫ਼ ਤਾਂ ਹੀ ਜੇਕਰ ਡਾਟਾਸੈੱਟਾਂ ਵਿੱਚ ਸਮਾਨ ਮੀਨ ਅਤੇ ਇਕਾਈਆਂ ਹੋਣ। ਵੱਖ-ਵੱਖ ਪੈਮਾਨਿਆਂ ਲਈ, ਸਾਪੇਖਿਕ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਵਿਭਿੰਨਤਾ ਦੇ ਗੁਣਾਂਕ (SD/ਮੀਨ × 100%) ਦੀ ਵਰਤੋਂ ਕਰੋ।