मानक विचलन की संपूर्ण गाइड

मानक विचलन क्या है?

मानक विचलन एक सांख्यिकीय माप है जो किसी डेटासेट में विचरण या प्रसार की मात्रा को मापता है। सरल शब्दों में, यह बताता है कि संख्याएँ अपने औसत (माध्य) मान से कितनी फैली हुई हैं।

इसे इस तरह समझें: यदि आपके पास छात्रों के परीक्षा अंकों का एक समूह है, तो मानक विचलन बताता है कि अधिकांश छात्रों ने समान अंक प्राप्त किए (कम SD) या अंक बिखरे हुए थे (उच्च SD)।

Visual Comparison

Low SD (σ = 0.5)

Data clustered tightly around the mean

High SD (σ = 2)

Data spread widely from the mean

मानक विचलन क्यों महत्वपूर्ण है?

मानक विचलन सबसे व्यापक रूप से उपयोग किए जाने वाले सांख्यिकीय मापों में से एक है क्योंकि यह लगभग हर क्षेत्र में निर्णय लेने के लिए महत्वपूर्ण अंतर्दृष्टि प्रदान करता है:

वित्त:निवेश जोखिम और पोर्टफोलियो अस्थिरता मापता है
विनिर्माण:गुणवत्ता नियंत्रण और सिक्स सिग्मा प्रक्रिया सुधार
विज्ञान:माप अनिश्चितता और प्रायोगिक सटीकता की रिपोर्टिंग
शिक्षा:परीक्षा अंक वितरण और ग्रेडिंग वक्रों का विश्लेषण
स्वास्थ्य सेवा:नैदानिक परीक्षण और रोगी डेटा परिवर्तनशीलता को समझना

मानक विचलन का सूत्र

मानक विचलन के सूत्र के दो संस्करण हैं, यह इस पर निर्भर करता है कि आप प्रतिदर्श के साथ काम कर रहे हैं या संपूर्ण समष्टि के साथ:

समष्टि मानक विचलन

σ = √[Σ(xᵢ - μ)² / N]

प्रतिदर्श मानक विचलन

s = √[Σ(xᵢ - x̄)² / (n-1)]

प्रतीक सूची

σ (सिग्मा) = समष्टि SD · s = प्रतिदर्श SD · Σ = का योग · xᵢ = प्रत्येक डेटा बिंदु · μ (म्यू) = समष्टि माध्य · x̄ (x-बार) = प्रतिदर्श माध्य · N = समष्टि आकार · n = प्रतिदर्श आकार

(n-1) क्यों?

प्रतिदर्श के साथ काम करते समय, हम n के बजाय (n-1) से भाग देते हैं। इसे बेसल का संशोधन कहते हैं और यह समष्टि मानक विचलन का निष्पक्ष अनुमान प्रदान करता है।

चरण-दर-चरण गणना

आइए एक डेटासेट के लिए प्रतिदर्श मानक विचलन की गणना करें: 4, 8, 6, 5, 3

माध्य की गणना करें

माध्य = (4 + 8 + 6 + 5 + 3) / 5 = 26 / 5 = 5.2

माध्य से प्रत्येक विचलन ज्ञात करें

4 - 5.2 = -1.2 · 8 - 5.2 = 2.8 · 6 - 5.2 = 0.8 · 5 - 5.2 = -0.2 · 3 - 5.2 = -2.2

प्रत्येक विचलन का वर्ग करें

(-1.2)² = 1.44 · (2.8)² = 7.84 · (0.8)² = 0.64 · (-0.2)² = 0.04 · (-2.2)² = 4.84

वर्गित विचलनों का योग करें

1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8

(n-1) से भाग दें

प्रसरण = 14.8 / (5-1) = 14.8 / 4 = 3.7

वर्गमूल निकालें

मानक विचलन = √3.7 = 1.924

विशेषज्ञ सुझाव

किसी भी डेटासेट के लिए चरण-दर-चरण हल के साथ तुरंत SD गणना करने के लिए हमारे मानक विचलन कैलकुलेटर का उपयोग करें।

परिणामों की व्याख्या

आपके मानक विचलन मान का क्या अर्थ है, यह समझना सूचित निर्णय लेने के लिए महत्वपूर्ण है:

SD मान	व्याख्या	उदाहरण
कम SD	डेटा बिंदु माध्य के करीब एकत्रित; उच्च एकरूपता	सख्त सहनशीलता वाले मशीन-निर्मित पुर्जे
उच्च SD	डेटा बिंदु व्यापक रूप से फैले; उच्च परिवर्तनशीलता	दैनिक शेयर मूल्य परिवर्तन
शून्य SD	सभी डेटा बिंदु समान हैं	किसी दुकान में निश्चित मूल्य वाली वस्तुएँ

अनुभवजन्य नियम (68-95-99.7)

सामान्य रूप से वितरित डेटा के लिए: 68% डेटा माध्य से 1 मानक विचलन के भीतर आता है · 95% 2 मानक विचलनों के भीतर आता है · 99.7% 3 मानक विचलनों के भीतर आता है

वास्तविक उदाहरण

उदाहरण 1: परीक्षा अंक

30 छात्रों की एक कक्षा परीक्षा देती है। माध्य अंक 75 है और मानक विचलन 10 है। व्याख्या: अधिकांश छात्रों (लगभग 68%) ने 65 और 85 के बीच अंक प्राप्त किए। 95 अंक प्राप्त करने वाला छात्र असाधारण रूप से अच्छा प्रदर्शन कर रहा है (माध्य से 2 SD ऊपर), जबकि 55 का अंक संघर्ष दर्शाता है (माध्य से 2 SD नीचे)।

उदाहरण 2: विनिर्माण गुणवत्ता

एक कारखाना 10mm व्यास के बोल्ट बनाता है। 100 बोल्ट मापने के बाद, माध्य 10.02mm है और SD 0.05mm है। व्याख्या: प्रक्रिया अच्छी तरह नियंत्रित है। 99.7% बोल्ट 9.87mm और 10.17mm के बीच होंगे (±3σ)। यदि विनिर्देशों में 10mm ± 0.2mm आवश्यक है, तो यह प्रक्रिया आसानी से गुणवत्ता मानकों को पूरा करती है।

बचने योग्य सामान्य गलतियाँ

गलत सूत्र का उपयोग

जब आपके पास प्रतिदर्श हो तो समष्टि SD (N) का उपयोग न करें। यह वास्तविक परिवर्तनशीलता को कम आँकता है।

बहिर्वक्र मानों की अनदेखी

मानक विचलन बहिर्वक्र मानों के प्रति संवेदनशील है। एक अकेला चरम मान SD को नाटकीय रूप से बढ़ा सकता है। बहिर्वक्र मानों वाले डेटासेट के लिए माध्यिका पूर्ण विचलन (MAD) का उपयोग करने पर विचार करें।

सामान्य वितरण मान लेना

अनुभवजन्य नियम (68-95-99.7) केवल सामान्य रूप से वितरित डेटा पर लागू होता है। इन प्रतिशतों को लागू करने से पहले अपने डेटा के वितरण की जाँच करें।

← शिक्षण केंद्र