Z-સ્કોર અને પ્રમાણિત વિચલન કેલ્ક્યુલેટર

આ આંકડાકીય સાધન બે અલગ-અલગ મોડમાં કામ કરે છે: તમે કાચા ડેટા સેટને પેસ્ટ કરીને તેના મધ્યક, વિચરણ, પ્રમાણિત વિચલન અને વ્યક્તિગત z-સ્કોર્સની ગણતરી કરી શકો છો, અથવા z = (x - μ) / σ સૂત્રમાં ત્રણ જાણીતા મૂલ્યો દાખલ કરીને ચોથા અજ્ઞાત મૂલ્યનો ઉકેલ મેળવી શકો છો. આ કેલ્ક્યુલેટર વિદ્યાર્થીઓ, શિક્ષકો અને સંશોધકોને આંકડાકીય વિતરણનું વિશ્લેષણ કરવામાં અને સામાન્ય વક્રની સંભાવનાઓ મેળવવામાં મદદ કરે છે.

Z-સ્કોર અને પ્રમાણિત વિચલનની મૂળભૂત સમજૂતી

z-સ્કોર એ દર્શાવે છે કે કોઈ ચોક્કસ મૂલ્ય તેના ડેટા સેટના મધ્યકથી કેટલા પ્રમાણિત વિચલન દૂર છે. જ્યારે આપણે ડેટાનું વિશ્લેષણ કરીએ છીએ, ત્યારે માત્ર કાચા મૂલ્યો પરથી તેની સરખામણી કરવી મુશ્કેલ બને છે. z-સ્કોર સમગ્ર ડેટા સેટના વિતરણના આકારને બદલ્યા વિના તમામ મૂલ્યોને એક સમાન સ્કેલ પર લાવે છે.

પ્રમાણિત વિચલન એ ડેટા સેટમાં રહેલા મૂલ્યો મધ્યકથી કેટલા ફેલાયેલા છે તેનું માપ છે. જો પ્રમાણિત વિચલન ઓછું હોય, તો મૂલ્યો મધ્યકની નજીક કેન્દ્રિત હોય છે. જો તે વધુ હોય, તો મૂલ્યોમાં પ્રસાર વધારે હોય છે.

બે અલગ-અલગ ઇનપુટ મોડ અને તેની મર્યાદાઓ

કેલ્ક્યુલેટરમાં વપરાશકર્તા પોતાની જરૂરિયાત મુજબ બેમાંથી એક મોડ પસંદ કરી શકે છે:

૧. ડેટા સેટ પરથી

આ મોડમાં વપરાશકર્તા સીધો જ પોતાનો કાચો ડેટા પેસ્ટ કરી શકે છે.

• સ્વીકૃત ફોર્મેટ: મૂલ્યોને સ્પેસ, અલ્પવિરામ, સેમિકોલન અથવા નવી લાઇન વડે અલગ કરી શકાય છે. વપરાશકર્તાના લોકેલ સેટિંગ્સના આધારે દશાંશ માટે ટપકાં (જેમ કે 82.5) અથવા અલ્પવિરામ (જેમ કે 82,5) નો ઉપયોગ કરી શકાય છે.
• મર્યાદાઓ: ડેટા સેટમાં વધુમાં વધુ 50,000 મૂલ્યો હોઈ શકે છે. જો નિદર્શ (Sample) ગણતરી કરવી હોય તો ઓછામાં ઓછા ૨ મૂલ્યો જરૂરી છે, જ્યારે સમષ્ટિ (Population) ગણતરી માટે ઓછામાં ઓછું ૧ મૂલ્ય હોવું જરૂરી છે.

૨. સમરી મૂલ્યો પરથી

જો તમારી પાસે કાચો ડેટા ન હોય પરંતુ તેના મુખ્ય આંકડાકીય મૂલ્યો હોય, તો આ મોડનો ઉપયોગ થાય છે. અહીં ચાર ફીલ્ડ ઉપલબ્ધ છે:

• મૂલ્ય x
• મધ્યક μ
• પ્રમાણિત વિચલન σ
• z-સ્કોર z

વપરાશકર્તાએ આ ચારમાંથી બરાબર ત્રણ ફીલ્ડ ભરવાના રહેશે અને જેનો ઉકેલ મેળવવો હોય તે એક ફીલ્ડ ખાલી છોડવાનું રહેશે.

સમષ્ટિ અને નિદર્શ પ્રમાણિત વિચલન વચ્ચેનો તફાવત

ગણતરી કરતી વખતે "પ્રમાણિત વિચલન" માટે બે વિકલ્પો ઉપલબ્ધ છે:

• સમષ્ટિ ÷ n: જ્યારે તમારી પાસે સમગ્ર જૂથનો પૂરેપૂરો ડેટા ઉપલબ્ધ હોય ત્યારે આ વિકલ્પ પસંદ કરો. આમાં વર્ગોના સરવાળા (SS) ને કુલ સંખ્યા n વડે ભાગવામાં આવે છે.
• નિદર્શ ÷ n − 1: જ્યારે તમારો ડેટા કોઈ મોટા જૂથમાંથી લેવામાં આવેલો નાનો ભાગ (સેમ્પલ) હોય અને તમે તેના આધારે સમગ્ર જૂથના પ્રસારનો અંદાજ મેળવવા માંગતા હોવ ત્યારે આ વિકલ્પ વપરાય છે. છેદમાં n - 1 નો ઉપયોગ કરવાથી (બેસેલ સુધારો) નિદર્શમાં રહેલો પૂર્વગ્રહ દૂર થાય છે અને વધુ સચોટ અંદાજ મળે છે.

સૂત્રો અને ગણતરીના પગલાં

કેલ્ક્યુલેટર માત્ર અંતિમ જવાબ આપતું નથી, પરંતુ ગણતરીના દરેક પગલાંને સૂત્ર સાથે દર્શાવે છે.

ડેટા સેટ મોડ માટેના સૂત્રો:

• મધ્યક: મધ્યક = (Σ x) / n
• વર્ગોનો સરવાળો (SS): SS = Σ(x - મધ્યક)²
• સમષ્ટિ વિચરણ: σ² = SS / n
• નિદર્શ વિચરણ: s² = SS / (n - 1)
• સમષ્ટિ પ્રમાણિત વિચલન: σ = √(σ²)
• નિદર્શ પ્રમાણિત વિચલન: s = √(s²)

સમરી મોડ માટેના રૂપાંતરિત સૂત્રો:

તમે કયું ફીલ્ડ ખાલી છોડ્યું છે તેના આધારે કેલ્ક્યુલેટર નીચેનામાંથી યોગ્ય સૂત્રનો ઉપયોગ કરીને ઉકેલ મેળવશે:

• z-સ્કોર શોધવા માટે: z = (x - μ) / (σ)
• મૂલ્ય x શોધવા માટે: x = μ + z · σ
• મધ્યક μ શોધવા માટે: μ = x - z · σ
• પ્રમાણિત વિચલન σ શોધવા માટે: σ = (x - μ) / z

સામાન્ય વિતરણ અને સંભાવનાઓ

જ્યારે સમરી મોડમાં ગણતરી કરવામાં આવે છે, ત્યારે કેલ્ક્યુલેટર ધારી લે છે કે મૂલ્યો સામાન્ય વિતરણને અનુસરે છે. આ ધારણા હેઠળ તે નીચેની સંભાવનાઓ દર્શાવે છે:

• P(X < x): મૂલ્ય x કરતાં ઓછું હોવાની સંભાવના.
• P(X > x): મૂલ્ય x કરતાં વધુ હોવાની સંભાવના.
• P(|X − μ| > |x − μ|): બે-પૂંછડીવાળી સંભાવના (મધ્યકથી બંને બાજુના અંતરની બહાર હોવાની સંભાવના).
• x નો શતાંશક (Percentile): તે દર્શાવે છે કે કેટલા ટકા ડેટા આ મૂલ્યની નીચે આવે છે.

આ સાથે, કેલ્ક્યુલેટર બે ચાર્ટ પણ પ્રદર્શિત કરે છે:

1. મધ્યક અને પ્રમાણિત વિચલન બેન્ડ સાથેના મૂલ્યોની સંખ્યા રેખા: જેમાં મધ્યક, ±1 SD, ±2 SD, અને ±3 SD ના બેન્ડ દર્શાવવામાં આવે છે.
2. z ની ડાબી બાજુનો વિસ્તાર છાયાંકિત કરેલો હોય તેવો પ્રમાણિત સામાન્ય વક્ર.

ભૂલો અને અસાધારણ પરિસ્થિતિઓ (Edge Cases)

સિસ્ટમ ખોટા ઇનપુટને રોકવા માટે વિવિધ નિયમો અને ભૂલ સંદેશાઓ દર્શાવે છે:

• અમાન્ય અક્ષરો: જો ડેટા સેટમાં કોઈ અમાન્ય અક્ષર હશે, તો “‹token›” એ સંખ્યા નથી (મૂલ્ય ‹position›). સંદેશ દેખાશે. સમરી ફીલ્ડ્સ માટે માત્ર સંખ્યાઓ દાખલ કરો; “‹token›” એ સંખ્યા નથી. પ્રદર્શિત થશે.
• અપૂરતો ડેટા: નિદર્શ ગણતરીમાં ૧ મૂલ્ય દાખલ કરવાથી નિદર્શ માટે ઓછામાં ઓછા 2 મૂલ્યો જરૂરી છે — એક મૂલ્ય સાથે n − 1 ભાજક શૂન્ય થાય છે. ભૂલ આવશે. સમષ્ટિ માટે કોઈ મૂલ્ય ન હોવા પર ઓછામાં ઓછું એક મૂલ્ય દાખલ કરો. દેખાશે.
• શૂન્ય પ્રસાર (Zero Spread): જો ડેટા સેટના તમામ મૂલ્યો સમાન હોય, તો પ્રમાણિત વિચલન શૂન્ય થાય છે. આ સ્થિતિમાં બધા મૂલ્યો સમાન છે, તેથી પ્રમાણિત વિચલન 0 છે અને z-સ્કોર્સ વ્યાખ્યાયિત નથી. ભૂલ સંદેશ જોવા મળશે.
• સમરી મોડની મર્યાદાઓ: જો બરાબર એક ફીલ્ડ ખાલી રાખવામાં ન આવે, તો ચારમાંથી બરાબર એક ફીલ્ડ ખાલી છોડો. સંદેશ દેખાશે.
• પ્રમાણિત વિચલનની મર્યાદાઓ: પ્રમાણિત વિચલન ક્યારેય શૂન્ય કે ઋણ ન હોઈ શકે. જો વપરાશકર્તા 0 દાખલ કરે તો પ્રમાણિત વિચલન 0 ન હોઈ શકે — σ વડે ભાગાકાર વ્યાખ્યાયિત નથી. અને જો ઋણ સંખ્યા દાખલ કરે તો પ્રમાણિત વિચલન ધન હોવું જોઈએ. ભૂલ દર્શાવવામાં આવશે.
• અશક્ય બીજગણિત ઉકેલો:
  • જો z = 0 હોય પરંતુ x અને μ સમાન ન હોય, તો કોઈપણ ધન σ આનો ઉકેલ નથી: જ્યારે z = 0 હોય, ત્યારે મૂલ્ય મધ્યક જેટલું જ હોવું જોઈએ.
  • જો z = 0 અને x = μ બંને હોય, તો જ્યારે z = 0 અને x = μ હોય, ત્યારે કોઈપણ ધન σ કામ કરે છે, તેથી σ નો કોઈ એક અનન્ય જવાબ નથી.
  • જો ગણતરી દરમિયાન પ્રમાણિત વિચલનનું મૂલ્ય ઋણ આવે, તો બીજગણિત ગણતરી σ = ‹value› આપે છે, પરંતુ પ્રમાણિત વિચલન ક્યારેય ઋણ ન હોઈ શકે. x − μ અને z ના ચિહ્નો તપાસો. સંદેશ દેખાશે.
• મર્યાદા બહારની ગણતરી: જો કોઈ ગણતરી સિસ્ટમની ક્ષમતા બહાર જાય, તો કોઈ મૂલ્ય અથવા મધ્યવર્તી પરિણામ સપોર્ટેડ સંખ્યા મર્યાદા કરતાં વધી ગયું છે. ભૂલ પ્રદર્શિત થશે.

ડેટા સુરક્ષા અને પ્રોસેસિંગ

આ કેલ્ક્યુલેટરમાં સુરક્ષા અને ગોપનીયતાનું ખાસ ધ્યાન રાખવામાં આવ્યું છે. તમારો ડેટા અને ગણતરીઓ આ બ્રાઉઝરમાં જ રહે છે અને ક્યારેય કોઈ બાહ્ય સર્વર પર અપલોડ થતા નથી. બધી જ પ્રક્રિયા સ્થાનિક રીતે તમારા પોતાના ઉપકરણ પર જ થાય છે.

---

વારંવાર પૂછાતા પ્રશ્નો (FAQ)

શું z-સ્કોર્સ એવું ધારી લે છે કે મારો ડેટા સામાન્ય રીતે વિતરિત થયેલ છે?

ના. z-સ્કોર એ માત્ર સ્કેલિંગમાં ફેરફાર છે — કોઈ મૂલ્ય મધ્યકથી કેટલા પ્રમાણિત વિચલન દૂર છે તે દર્શાવે છે — અને તે શૂન્ય સિવાયનો પ્રસાર ધરાવતા કોઈપણ ડેટા સેટ માટે વ્યાખ્યાયિત છે. સમરી મોડમાં દર્શાવેલ સંભાવનાઓ સામાન્ય વિતરણ ધારે છે; વિષમ ડેટા માટે z ની બહારના મૂલ્યોનો વાસ્તવિક હિસ્સો વક્ર દર્શાવે છે તેના કરતાં અલગ હોઈ શકે છે.

મારે n ને બદલે n − 1 વડે ક્યારે ભાગાકાર કરવો જોઈએ?

જ્યારે તમારા મૂલ્યો કોઈ મોટા જૂથમાંથી લીધેલો નિદર્શ હોય અને તમે તે જૂથના પ્રસારનો અંદાજ મેળવવા માંગતા હોવ, ત્યારે n − 1 (નિદર્શ પ્રમાણિત વિચલન s) વડે ભાગાકાર કરો — નાનો ભાજક નિદર્શમાં રહેલા નીચે તરફના પૂર્વગ્રહને સુધારે છે. જ્યારે તમે દાખલ કરેલા મૂલ્યો જ તમારું આખું જૂથ હોય, ત્યારે n (સમષ્ટિ પ્રમાણિત વિચલન σ) વડે ભાગાકાર કરો. z-સ્કોર્સ પણ આ જ પસંદગીને અનુસરે છે, કારણ કે દરેક મૂલ્યને પસંદ કરેલા પ્રસાર વડે ભાગવામાં આવે છે.

જ્યારે દરેક મૂલ્ય સમાન હોય ત્યારે z-સ્કોર્સ શા માટે વ્યાખ્યાયિત નથી હોતા?

z-સ્કોરની ગણતરીમાં પ્રમાણિત વિચલન વડે ભાગાકાર થાય છે. સમાન મૂલ્યોમાં કોઈ પ્રસાર હોતો નથી, તેથી પ્રમાણિત વિચલન 0 થાય છે અને ભાગાકાર વ્યાખ્યાયિત થતો નથી — દરેક બિંદુ બરાબર મધ્યક પર જ હોય છે, જેને કોઈ એક z મૂલ્ય દ્વારા દર્શાવી શકાતું નથી. મધ્યક, વિચરણ અને અન્ય આંકડાઓ હજુ પણ સામાન્ય રીતે ગણી શકાય છે.