Z-ਸਕੋਰ ਅਤੇ ਮਿਆਰੀ ਵਿਚਲਨ ਕੈਲਕੁਲੇਟਰ

Z-ਸਕੋਰ ਅਤੇ ਮਿਆਰੀ ਵਿਚਲਨ ਦੀ ਗਣਨਾ

Z-ਸਕੋਰ ਅਤੇ ਮਿਆਰੀ ਵਿਚਲਨ ਕੈਲਕੁਲੇਟਰ ਇੱਕ ਮੁਫ਼ਤ ਔਨਲਾਈਨ ਸਾਧਨ ਹੈ ਜੋ ਕਿਸੇ ਡੇਟਾ ਸੈੱਟ ਦੇ ਫੈਲਾਅ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਜਾਂ ਸਧਾਰਨ ਵੰਡ (normal distribution) ਦੇ ਅਧਾਰ 'ਤੇ ਬੀਜਗਣਿਤਕ ਸਮੀਕਰਨਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ। ਇਸ ਸਾਧਨ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਲੋੜਾਂ ਅਨੁਸਾਰ ਦੋ ਵੱਖ-ਵੱਖ ਮੋਡ ਉਪਲਬਧ ਕਰਵਾਏ ਗਏ ਹਨ:

1. ਡੇਟਾ ਸੈੱਟ ਤੋਂ: ਇਸ ਮੋਡ ਵਿੱਚ ਉਪਭੋਗਤਾ ਆਪਣੇ ਮੁੱਲਾਂ ਦੇ ਸਮੂਹ ਨੂੰ ਸਿੱਧਾ ਪੇਸਟ ਕਰ ਸਕਦੇ ਹਨ। ਕੈਲਕੁਲੇਟਰ ਤੁਰੰਤ ਉਸ ਡੇਟਾ ਦਾ ਮੱਧਮਾਨ (mean), ਪ੍ਰਸਾਰਨ (variance), ਮਿਆਰੀ ਵਿਚਲਨ (standard deviation), ਅਤੇ ਹਰੇਕ ਵਿਅਕਤੀਗਤ ਮੁੱਲ ਲਈ z-ਸਕੋਰ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ।
2. ਸੰਖੇਪ ਮੁੱਲਾਂ ਤੋਂ: ਇਸ ਮੋਡ ਵਿੱਚ ਉਪਭੋਗਤਾ ਫਾਰਮੂਲੇ z = (x - μ) / σ ਦੇ ਚਾਰ ਮੁੱਲਾਂ ਵਿੱਚੋਂ ਕੋਈ ਤਿੰਨ ਜਾਣੇ-ਪਛਾਣੇ ਮੁੱਲ ਦਰਜ ਕਰਦੇ ਹਨ, ਅਤੇ ਕੈਲਕੁਲੇਟਰ ਚੌਥੇ ਅਣਜਾਣ ਮੁੱਲ ਨੂੰ ਸਧਾਰਨ-ਵਕਰ ਸੰਭਾਵਨਾਵਾਂ (normal-curve probabilities) ਦੇ ਨਾਲ ਆਪਣੇ ਆਪ ਹੱਲ ਕਰ ਦਿੰਦਾ ਹੈ।

ਇਸ ਸਾਧਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਸਾਰੀਆਂ ਗਣਨਾਵਾਂ ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਉਪਭੋਗਤਾ ਦੇ ਵੈੱਬ ਬ੍ਰਾਊਜ਼ਰ ਦੇ ਅੰਦਰ ਹੀ ਹੁੰਦੀ ਹੈ। ਕੋਈ ਵੀ ਡੇਟਾ ਜਾਂ ਗਣਨਾ ਦੇ ਇਨਪੁਟ ਕਦੇ ਵੀ ਕਿਸੇ ਬਾਹਰੀ ਸਰਵਰ 'ਤੇ ਅਪਲੋਡ ਨਹੀਂ ਕੀਤੇ ਜਾਂਦੇ।

---

ਇਨਪੁਟ ਵਿਕਲਪ ਅਤੇ ਸੀਮਾਵਾਂ

ਕੈਲਕੁਲੇਟਰ ਨੂੰ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਚਲਾਉਣ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਇਨਪੁਟਸ ਅਤੇ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਜ਼ਰੂਰੀ ਹੈ:

• ਇਨਪੁਟ ਮੋਡ ਦੀ ਚੋਣ: ਉਪਭੋਗਤਾ "ਡੇਟਾ ਸੈੱਟ ਤੋਂ" ਜਾਂ "ਸੰਖੇਪ ਮੁੱਲਾਂ ਤੋਂ" ਵਿੱਚੋਂ ਕਿਸੇ ਇੱਕ ਦੀ ਚੋਣ ਕਰ ਸਕਦੇ ਹਨ।
• ਡੇਟਾ ਸੈੱਟ: ਇੱਕ ਟੈਕਸਟ ਇਨਪੁਟ ਖੇਤਰ ਜਿੱਥੇ ਸੰਖਿਆਤਮਕ ਮੁੱਲ ਦਰਜ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
  • ਸਵੀਕਾਰ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਫਾਰਮੈਟ: ਮੁੱਲਾਂ ਨੂੰ ਖਾਲੀ ਥਾਂ (spaces), ਕਾਮੇ, ਸੈਮੀਕੋਲਨ ਜਾਂ ਨਵੀਂ ਲਾਈਨ ਨਾਲ ਵੱਖ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਦੀ ਸਥਾਨਕ ਸੈਟਿੰਗ ਦੇ ਅਧਾਰ 'ਤੇ ਦਸ਼ਮਲਵ ਲਈ ਬਿੰਦੂ (ਜਿਵੇਂ ਕਿ 82.5) ਜਾਂ ਕਾਮੇ (ਜਿਵੇਂ ਕਿ 82,5) ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
  • ਸੀਮਾਵਾਂ: ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ 50,000 ਮੁੱਲ ਹੋ ਸਕਦੇ ਹਨ। ਵੰਨਗੀ (sample) ਦੇ ਮਿਆਰੀ ਵਿਚਲਨ ਲਈ ਘੱਟੋ-ਘੱਟ 2 ਮੁੱਲ ਅਤੇ ਸਮੂਹ (population) ਦੇ ਮਿਆਰੀ ਵਿਚਲਨ ਲਈ ਘੱਟੋ-ਘੱਟ 1 ਮੁੱਲ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ।
• ਮਿਆਰੀ ਵਿਚਲਨ ਕਨਵੈਨਸ਼ਨ: ਉਪਭੋਗਤਾ "ਸਮੂਹ ÷ n" ਅਤੇ "ਵੰਨਗੀ ÷ n − 1" ਵਿਚਕਾਰ ਚੋਣ ਕਰ ਸਕਦੇ ਹਨ।
• ਦਿਖਾਏ ਜਾਣ ਵਾਲੇ ਦਸ਼ਮਲਵ: ਇਹ ਸੈਟਿੰਗ ਪ੍ਰਦਰਸ਼ਿਤ ਨਤੀਜਿਆਂ ਦੀ ਦਸ਼ਮਲਵ ਸ਼ੁੱਧਤਾ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੀ ਹੈ।
• ਸੰਖੇਪ ਖੇਤਰ (Summary Fields): ਸੰਖੇਪ ਮੋਡ ਵਿੱਚ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਚਾਰ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਬਿਲਕੁਲ ਤਿੰਨ ਖੇਤਰ ਭਰਨੇ ਪੈਂਦੇ ਹਨ ਅਤੇ ਇੱਕ ਖੇਤਰ ਖਾਲੀ ਛੱਡਣਾ ਪੈਂਦਾ ਹੈ:
  • ਮੁੱਲ x
  • ਮੱਧਮਾਨ μ
  • ਮਿਆਰੀ ਵਿਚਲਨ σ
  • z-ਸਕੋਰ z

---

ਗਣਨਾ ਦੇ ਨਤੀਜੇ ਅਤੇ ਆਉਟਪੁੱਟ

ਸਫਲਤਾਪੂਰਵਕ ਗਣਨਾ ਹੋਣ 'ਤੇ, ਕੈਲਕੁਲੇਟਰ ਵੱਖ-ਵੱਖ ਰੂਪਾਂ ਵਿੱਚ ਨਤੀਜੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ:

ਸਥਿਤੀ ਸੰਦੇਸ਼ (Status Messages)

• ਡੇਟਾ ਸੈੱਟ ਮੋਡ ਵਿੱਚ: ‹n› ਮੁੱਲਾਂ ਲਈ ਗਣਨਾ ਕੀਤੀ ਗਈ।
• ਸੰਖੇਪ ਮੋਡ ਵਿੱਚ: ‹field› ਨੂੰ ਹੱਲ ਕੀਤਾ ਗਿਆ।

ਮੁੱਖ ਨਤੀਜੇ (Hero Results)

ਇਨਪੁਟ ਮੋਡ ਦੇ ਅਧਾਰ 'ਤੇ ਮੁੱਖ ਨਤੀਜੇ ਪ੍ਰਮੁੱਖਤਾ ਨਾਲ ਦਿਖਾਏ ਜਾਂਦੇ ਹਨ:

• ਸਮੂਹ ਮਿਆਰੀ ਵਿਚਲਨ σ
• ਵੰਨਗੀ ਮਿਆਰੀ ਵਿਚਲਨ s
• ਹੱਲ ਕੀਤਾ z-ਸਕੋਰ z
• ਹੱਲ ਕੀਤਾ ਮੁੱਲ x
• ਹੱਲ ਕੀਤਾ ਮੱਧਮਾਨ μ
• ਹੱਲ ਕੀਤਾ ਮਿਆਰੀ ਵਿਚਲਨ σ

ਅੰਕੜਾ ਸੰਖੇਪ ਸਾਰਣੀ (Statistical Summary Table)

ਡੇਟਾ ਸੈੱਟ ਮੋਡ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਅੰਕੜੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ:

• ਮੱਧਮਾਨ
• ਪ੍ਰਸਾਰਨ
• ਗਿਣਤੀ n
• ਵਰਗਾਂ ਦਾ ਜੋੜ SS
• ਨਿਊਨਤਮ
• ਅਧਿਕਤਮ

Z-ਸਕੋਰ ਸਾਰਣੀ

ਇਸ ਸਾਰਣੀ ਵਿੱਚ ਦੋ ਕਾਲਮ ਹੁੰਦੇ ਹਨ: ਮੁੱਲ ਅਤੇ x − ਮੱਧਮਾਨ, ਜੋ ਹਰੇਕ ਦਰਜ ਕੀਤੇ ਮੁੱਲ ਲਈ ਵਿਅਕਤੀਗਤ z-ਸਕੋਰ ਦਰਸਾਉਂਦੇ ਹਨ।

ਸਧਾਰਨ ਵੰਡ ਸੰਭਾਵਨਾਵਾਂ

"ਇਹ ਮੰਨਦੇ ਹੋਏ ਕਿ ਮੁੱਲ ਇੱਕ ਸਧਾਰਨ ਵੰਡ (normal distribution) ਦਾ ਪਾਲਣ ਕਰਦੇ ਹਨ:" ਸਿਰਲੇਖ ਹੇਠ ਹੇਠ ਲਿਖੇ ਮੁੱਲ ਦਿਖਾਏ ਜਾਂਦੇ ਹਨ:

• P(X < x)
• P(X > x)
• P(|X − μ| > |x − μ|)
• x ਦਾ ਪਰਸੈਂਟਾਈਲ

---

ਫਾਰਮੂਲਾ ਅਤੇ ਮੁੱਲ ਪ੍ਰਤਿਸਥਾਪਨ

ਕੈਲਕੁਲੇਟਰ ਗਣਨਾ ਦੇ ਹਰੇਕ ਪੜਾਅ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦਾ ਹੈ:

• ਮੱਧਮਾਨ: ਮੱਧਮਾਨ = ‹sum› ÷ ‹n› = ‹mean›
• ਵਰਗਾਂ ਦਾ ਜੋੜ: SS = Σ(x − ਮੱਧਮਾਨ)² = ‹ss›
• ਸਮੂਹ ਪ੍ਰਸਾਰਨ: ਸਮੂਹ ਪ੍ਰਸਾਰਨ (Population variance) σ² = SS ÷ n = ‹ss› ÷ ‹n› = ‹variance›
• ਵੰਨਗੀ ਪ੍ਰਸਾਰਨ: ਵੰਨਗੀ ਪ੍ਰਸਾਰਨ (Sample variance) s² = SS ÷ (n − 1) = ‹ss› ÷ ‹nm1› = ‹variance›
• ਸਮੂਹ ਮਿਆਰੀ ਵਿਚਲਨ: ਸਮੂਹ (Population) ਮਿਆਰੀ ਵਿਚਲਨ σ = √σ² = ‹sd›
• ਵੰਨਗੀ ਮਿਆਰੀ ਵਿਚਲਨ: ਵੰਨਗੀ (Sample) ਮਿਆਰੀ ਵਿਚਲਨ s = √s² = ‹sd›
• ਵਿਅਕਤੀਗਤ Z-ਸਕੋਰ: ਹਰੇਕ z = (ਮੁੱਲ − ‹mean›) ÷ ‹sd›; ਉੱਪਰ ਦਿੱਤੇ ਹਰੇਕ ਮੁੱਲ ਲਈ ਇੱਕ ਕਤਾਰ।
• ਸਧਾਰਨ ਵਕਰ ਸੰਭਾਵਨਾ: ਮਿਆਰੀ ਸਧਾਰਨ ਵਕਰ ਤੋਂ Φ(‹z›) = ‹p›।

ਸੰਖੇਪ ਮੋਡ ਦੇ ਬੀਜਗਣਿਤਕ ਰੂਪਾਂਤਰਨ:

• z-ਸਕੋਰ: z-ਸਕੋਰ: z = (x − μ) ÷ σ = (‹x› − ‹mu›) ÷ ‹sigma› = ‹result›
• ਮੁੱਲ: ਮੁੱਲ: x = μ + z·σ = ‹mu› + (‹z›)·‹sigma› = ‹result›
• ਮੱਧਮਾਨ: ਮੱਧਮਾਨ: μ = x − z·σ = ‹x› − (‹z›)·‹sigma› = ‹result›
• ਮਿਆਰੀ ਵਿਚਲਨ: ਮਿਆਰੀ ਵਿਚਲਨ: σ = (x − μ) ÷ z = (‹x› − ‹mu›) ÷ ‹z› = ‹result›

---

ਨਿਯਮ, ਤਰੁਟੀਆਂ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਸਥਿਤੀਆਂ

ਕੈਲਕੁਲੇਟਰ ਵਿੱਚ ਗਲਤ ਇਨਪੁਟਸ ਨੂੰ ਰੋਕਣ ਅਤੇ ਗਣਿਤਕ ਸ਼ੁੱਧਤਾ ਬਣਾਈ ਰੱਖਣ ਲਈ ਸਖ਼ਤ ਨਿਯਮ ਲਾਗੂ ਕੀਤੇ ਗਏ ਹਨ:

• ਗਲਤ ਅੱਖਰ (Invalid Characters):
  • ਜੇਕਰ ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਕੋਈ ਗਲਤ ਅੱਖਰ ਦਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਤਰੁਟੀ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ: “‹token›” ਕੋਈ ਸੰਖਿਆ ਨਹੀਂ ਹੈ (ਮੁੱਲ ‹position›)।
  • ਜੇਕਰ ਸੰਖੇਪ ਖੇਤਰਾਂ ਵਿੱਚ ਕੋਈ ਗਲਤ ਅੱਖਰ ਦਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: ਸਿਰਫ਼ ਸੰਖਿਆਵਾਂ ਦਰਜ ਕਰੋ; “‹token›” ਕੋਈ ਸੰਖਿਆ ਨਹੀਂ ਹੈ।
• ਘੱਟੋ-ਘੱਟ ਮੁੱਲ ਦੀਆਂ ਸੀਮਾਵਾਂ:
  • ਵੰਨਗੀ ਮਿਆਰੀ ਵਿਚਲਨ ਲਈ 2 ਤੋਂ ਘੱਟ ਮੁੱਲ ਹੋਣ 'ਤੇ: ਇੱਕ ਵੰਨਗੀ (sample) ਲਈ ਘੱਟੋ-ਘੱਟ 2 ਮੁੱਲਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ — ਇੱਕ ਮੁੱਲ ਨਾਲ n − 1 ਭਾਜਕ ਜ਼ੀਰੋ ਹੋ ਜਾਂਦਾ ਹੈ।
  • ਸਮੂਹ ਮਿਆਰੀ ਵਿਚਲਨ ਲਈ ਕੋਈ ਮੁੱਲ ਦਰਜ ਨਾ ਕਰਨ 'ਤੇ: ਘੱਟੋ-ਘੱਟ ਇੱਕ ਮੁੱਲ ਦਰਜ ਕਰੋ।
• ਜ਼ੀਰੋ ਫੈਲਾਅ (Zero Spread):
  • ਜੇਕਰ ਡੇਟਾ ਸੈੱਟ ਦੇ ਸਾਰੇ ਮੁੱਲ ਇੱਕੋ ਜਿਹੇ ਹੋਣ, ਤਾਂ ਮਿਆਰੀ ਵਿਚਲਨ 0 ਹੋ ਜਾਂਦਾ ਹੈ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ ਤਰੁਟੀ ਆਉਂਦੀ ਹੈ: ਸਾਰੇ ਮੁੱਲ ਇੱਕੋ ਜਿਹੇ ਹਨ, ਇਸ ਲਈ ਮਿਆਰੀ ਵਿਚਲਨ 0 ਹੈ ਅਤੇ z-ਸਕੋਰ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਹਨ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ ਫਾਰਮੂਲਾ ਪ੍ਰਤਿਸਥਾਪਨ ਵਿੱਚ ਲਿਖਿਆ ਆਉਂਦਾ ਹੈ: ਹਰ ਮੁੱਲ ਮੱਧਮਾਨ ਦੇ ਬਰਾਬਰ ਹੈ, ਇਸ ਲਈ SS = 0 ਅਤੇ ਮਿਆਰੀ ਵਿਚਲਨ 0 ਹੈ — ਇਸ ਨਾਲ ਭਾਗ ਕਰਨਾ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਹੈ।
• ਸੰਖੇਪ ਮੋਡ ਦੀਆਂ ਸੀਮਾਵਾਂ:
  • ਜੇਕਰ ਉਪਭੋਗਤਾ ਚਾਰ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਬਿਲਕੁਲ ਇੱਕ ਖੇਤਰ ਖਾਲੀ ਨਹੀਂ ਛੱਡਦਾ: ਚਾਰ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਬਿਲਕੁਲ ਇੱਕ ਖੇਤਰ ਖਾਲੀ ਛੱਡੋ।
  • ਮਿਆਰੀ ਵਿਚਲਨ 0 ਦਰਜ ਕਰਨ 'ਤੇ: ਮਿਆਰੀ ਵਿਚਲਨ 0 ਨਹੀਂ ਹੋ ਸਕਦਾ — σ ਨਾਲ ਭਾਗ ਕਰਨਾ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਹੈ।
  • ਰਿਣਾਤਮਕ (negative) ਮਿਆਰੀ ਵਿਚਲਨ ਦਰਜ ਕਰਨ 'ਤੇ: ਮਿਆਰੀ ਵਿਚਲਨ ਧਨਾਤਮਕ (positive) ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
  • ਜੇਕਰ z = 0 ਹੋਵੇ ਪਰ x ≠ μ ਹੋਵੇ: ਕੋਈ ਵੀ ਧਨਾਤਮਕ (positive) σ ਇਸ ਨੂੰ ਹੱਲ ਨਹੀਂ ਕਰ ਸਕਦਾ: ਜਦੋਂ z = 0 ਹੋਵੇ, ਤਾਂ ਮੁੱਲ ਮੱਧਮਾਨ ਦੇ ਬਰਾਬਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
  • ਜੇਕਰ z = 0 ਅਤੇ x = μ ਹੋਵੇ: z = 0 ਅਤੇ x = μ ਹੋਣ 'ਤੇ, ਕੋਈ ਵੀ ਧਨਾਤਮਕ σ ਕੰਮ ਕਰੇਗਾ, ਇਸ ਲਈ σ ਦਾ ਕੋਈ ਇੱਕ ਉੱਤਰ ਨਹੀਂ ਹੈ।
  • ਜੇਕਰ ਬੀਜਗਣਿਤਕ ਹੱਲ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਮਿਆਰੀ ਵਿਚਲਨ ਰਿਣਾਤਮਕ ਨਿਕਲਦਾ ਹੈ: ਬੀਜਗਣਿਤ ਅਨੁਸਾਰ σ = ‹value› ਪ੍ਰਾਪਤ ਹੁੰਦਾ ਹੈ, ਪਰ ਮਿਆਰੀ ਵਿਚਲਨ ਰਿਣਾਤਮਕ (negative) ਨਹੀਂ ਹੋ ਸਕਦਾ। x − μ ਅਤੇ z ਦੇ ਚਿੰਨ੍ਹਾਂ ਦੀ ਜਾਂਚ ਕਰੋ।
• ਓਵਰਫਲੋ ਸੀਮਾ (Overflow Limits):
  • ਜੇਕਰ ਕੋਈ ਇਨਪੁਟ ਜਾਂ ਗਣਨਾ ਪ੍ਰਣਾਲੀ ਦੀ ਸੀਮਾ ਤੋਂ ਵੱਧ ਜਾਂਦੀ ਹੈ: ਕੋਈ ਮੁੱਲ ਜਾਂ ਵਿਚਕਾਰਲਾ ਨਤੀਜਾ ਸਮਰਥਿਤ ਸੰਖਿਆ ਸੀਮਾ ਤੋਂ ਵੱਧ ਗਿਆ ਹੈ।

---

ਅਕਸਰ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲ (FAQ)

ਪ੍ਰਸ਼ਨ: ਕੀ z-ਸਕੋਰ ਇਹ ਮੰਨਦੇ ਹਨ ਕਿ ਮੇਰਾ ਡੇਟਾ ਸਧਾਰਨ ਰੂਪ ਵਿੱਚ ਵੰਡਿਆ (normally distributed) ਹੋਇਆ ਹੈ?
ਉੱਤਰ: ਨਹੀਂ। z-ਸਕੋਰ ਸਿਰਫ਼ ਇੱਕ ਰੀਸਕੇਲਿੰਗ (rescaling) ਹੈ — ਯਾਨੀ ਕੋਈ ਮੁੱਲ ਮੱਧਮਾਨ ਤੋਂ ਕਿੰਨੇ ਮਿਆਰੀ ਵਿਚਲਨ ਦੂਰ ਹੈ — ਅਤੇ ਇਹ ਗੈਰ-ਜ਼ੀਰੋ ਫੈਲਾਅ ਵਾਲੇ ਕਿਸੇ ਵੀ ਡੇਟਾ ਸੈੱਟ ਲਈ ਪਰਿਭਾਸ਼ਿਤ ਹੁੰਦਾ ਹੈ। ਸੰਖੇਪ ਮੋਡ ਵਿੱਚ ਸੰਭਾਵਨਾਵਾਂ ਹੀ ਉਹ ਹਿੱਸਾ ਹਨ ਜੋ ਸਧਾਰਨ ਵੰਡ (normal distribution) ਦੀ ਧਾਰਨਾ ਮੰਨਦੀਆਂ ਹਨ; ਤਿਰਛੇ (skewed) ਡੇਟਾ ਲਈ ਕਿਸੇ z ਤੋਂ ਪਾਰ ਦੇ ਮੁੱਲਾਂ ਦਾ ਅਸਲ ਹਿੱਸਾ ਵਕਰ ਦੁਆਰਾ ਦੱਸੇ ਗਏ ਹਿੱਸੇ ਤੋਂ ਵੱਖਰਾ ਹੋ ਸਕਦਾ ਹੈ।

ਪ੍ਰਸ਼ਨ: ਮੈਨੂੰ n ਦੀ ਬਜਾਏ n − 1 ਨਾਲ ਕਦੋਂ ਭਾਗ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਉੱਤਰ: ਜਦੋਂ ਤੁਹਾਡੇ ਮੁੱਲ ਕਿਸੇ ਵੱਡੇ ਸਮੂਹ ਵਿੱਚੋਂ ਲਈ ਗਈ ਇੱਕ ਵੰਨਗੀ (sample) ਹੋਣ ਅਤੇ ਤੁਸੀਂ ਉਸ ਸਮੂਹ ਦੇ ਫੈਲਾਅ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ n − 1 (ਵੰਨਗੀ ਮਿਆਰੀ ਵਿਚਲਨ s) ਨਾਲ ਭਾਗ ਕਰੋ — ਛੋਟਾ ਭਾਜਕ ਵੰਨਗੀ ਵਿੱਚ ਹੋਣ ਵਾਲੇ ਹੇਠਲੇ ਪੱਖਪਾਤ (downward bias) ਨੂੰ ਠੀਕ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਤੁਹਾਡੇ ਦੁਆਰਾ ਦਰਜ ਕੀਤੇ ਗਏ ਮੁੱਲ ਹੀ ਉਹ ਪੂਰਾ ਸਮੂਹ ਹੋਣ ਜਿਸ ਬਾਰੇ ਤੁਸੀਂ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ n (ਸਮੂਹ ਮਿਆਰੀ ਵਿਚਲਨ σ) ਨਾਲ ਭਾਗ ਕਰੋ। z-ਸਕੋਰ ਵੀ ਇਸੇ ਚੋਣ ਦਾ ਪਾਲਣ ਕਰਦੇ ਹਨ, ਕਿਉਂਕਿ ਹਰੇਕ ਮੁੱਲ ਨੂੰ ਚੁਣੇ ਗਏ ਫੈਲਾਅ ਨਾਲ ਭਾਗ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਪ੍ਰਸ਼ਨ: ਜਦੋਂ ਹਰ ਮੁੱਲ ਇੱਕੋ ਜਿਹਾ ਹੋਵੇ ਤਾਂ z-ਸਕੋਰ ਪਰਿਭਾਸ਼ਿਤ ਕਿਉਂ ਨਹੀਂ ਹੁੰਦੇ?
ਉੱਤਰ: z-ਸਕੋਰ ਕੱਢਣ ਲਈ ਮਿਆਰੀ ਵਿਚਲਨ ਨਾਲ ਭਾਗ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇੱਕੋ ਜਿਹੇ ਮੁੱਲਾਂ ਵਿੱਚ ਕੋਈ ਫੈਲਾਅ ਨਹੀਂ ਹੁੰਦਾ, ਇਸ ਲਈ ਮਿਆਰੀ ਵਿਚਲਨ 0 ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਹ ਭਾਗ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਹੁੰਦਾ — ਹਰ ਬਿੰਦੂ ਬਿਲਕੁਲ ਮੱਧਮਾਨ 'ਤੇ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਨੂੰ ਕੋਈ ਇੱਕ z ਮੁੱਲ ਪ੍ਰਗਟ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਮੱਧਮਾਨ, ਪ੍ਰਸਾਰਨ (variance) ਅਤੇ ਹੋਰ ਅੰਕੜੇ ਅਜੇ ਵੀ ਆਮ ਵਾਂਗ ਕੱਢੇ ਜਾਂਦੇ ਹਨ।