शुरुआतीअवधारणाएँ·6 min

68-95-99.7 अनुभवजन्य नियम समझाया गया

सामान्य वितरणों के लिए अनुभवजन्य नियम (68-95-99.7 नियम) में महारत हासिल करें। मानक विचलन का उपयोग करके प्रायिकताओं का तुरंत अनुमान लगाना और बहिर्वक्र मानों की पहचान करना सीखें।

अनुभवजन्य नियम क्या है?

अनुभवजन्य नियम (जिसे 68-95-99.7 नियम या तीन-सिग्मा नियम भी कहा जाता है) सामान्य वितरण में माध्य से 1, 2 और 3 मानक विचलनों के भीतर आने वाले मानों के प्रतिशत को याद रखने का एक संक्षिप्त तरीका है।

68%

±1σ के भीतर

95%

±2σ के भीतर

99.7%

±3σ के भीतर

दृश्य विश्लेषण

The Classic Bell Curve

परिसर	प्रतिशत
μ ± 1σ	68.27%
μ ± 2σ	95.45%
μ ± 3σ	99.73%

व्यावहारिक अनुप्रयोग

त्वरित प्रायिकता अनुमान:जटिल गणनाओं के बिना, आप अनुमान लगा सकते हैं कि लगभग 95% डेटा माध्य से 2 मानक विचलनों के भीतर आता है।
बहिर्वक्र मान पहचान:3σ से परे डेटा बिंदु संयोग से 0.3% से कम समय होते हैं, जो उन्हें जाँच योग्य सांख्यिकीय बहिर्वक्र मान बनाता है।
गुणवत्ता नियंत्रण:सिक्स सिग्मा पद्धति गुणवत्ता सीमाएँ निर्धारित करने और प्रक्रिया विचलनों की पहचान करने के लिए इस नियम का उपयोग करती है।

हल किए गए उदाहरण

उदाहरण: SAT अंक

SAT अंक μ = 1050 और σ = 200 के साथ सामान्य रूप से वितरित हैं। - 68% अंक 850 और 1250 के बीच आते हैं (±1σ) - 95% अंक 650 और 1450 के बीच आते हैं (±2σ) - 99.7% अंक 450 और 1650 के बीच आते हैं (±3σ) 1450+ का अंक एक छात्र को शीर्ष ~2.5% परीक्षार्थियों में रखता है।

सीमाएँ

केवल सामान्य वितरणों के लिए काम करता है

अनुभवजन्य नियम केवल उस डेटा पर लागू होता है जो सामान्य (गॉसियन) वितरण का पालन करता है। विषम या गैर-सामान्य डेटा के लिए, ये प्रतिशत लागू नहीं होते। इस नियम का उपयोग करने से पहले हमेशा जाँचें कि आपका डेटा सामान्य रूप से वितरित है या नहीं।

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.