ఒక బేస్లైన్ లెక్కించు ఎలా

ఒక బేస్లైన్ ఒక సాధారణ, అంచనా విలువను సూచిస్తుంది మరియు స్పష్టమైన మరియు లెక్కించదగిన ప్రమాణం నుండి మార్పులను చేస్తుంది. హృదయ స్పందన, కొలెస్ట్రాల్ లేదా బరువు వంటి ఆరోగ్య సమస్యల నుండి ఆదాయం మరియు ఖర్చులు వంటి ఆర్థిక విషయాలకు బేస్ లైన్లను ఉపయోగించవచ్చు. ప్రాథమికంగా, పరిస్థితులు సాధారణమైనవి మరియు అసాధారణ సంఘటనలచే ప్రభావితం కానప్పుడు సగటున తీసుకున్నట్లు ఒక బేస్లైన్ లెక్కించబడుతుంది. ఉదాహరణకు, మీ హృదయ స్పందన అసాధారణంగా అధికంగా ఉన్నప్పుడు ఐదు మైళ్ళు నడిచిన తర్వాత కాకుండా మిగిలిన మీ బేస్ లైన్ హృదయ స్పందనను మీరు కొలవవచ్చు.

బేస్లైన్ సగటును లెక్కించండి.

దశ

అనేక డేటా పాయింట్లు సాధ్యమయ్యేలా కొలతల రికార్డుని నిర్వహించండి. డేటా పాయింట్ల సంఖ్య పెరుగుతూ మీ బేస్లైన్ యొక్క ఖచ్చితత్వం పెరుగుతుంది. సాధారణంగా, మీరు సేకరించే మరింత సమాచారం, సాధించిన ఖచ్చితత్వం ఎక్కువ.

దశ

ఎంట్రీల సంఖ్య ద్వారా సంఖ్యలను మొత్తం మరియు మొత్తం విభజించడం ద్వారా డేటా ఎంట్రీలు సగటు. ఫలితంగా మీ బేస్లైన్ సగటు. ఉదాహరణగా, డేటా 100, 150 మరియు 200 150 (150 + 150 + 200) / 3, ఇది సమానం అవుతుంది.

దశ

ప్రామాణిక విచలనం లెక్కించడం ద్వారా మీ డేటాలో మార్పుల కొలత పొందండి. ప్రతి వ్యక్తి నమూనా కొలత కోసం, సగటు మరియు చదరపు ఫలితం నుండి దానిని తీసివేయండి. ఫలితం ప్రతికూలంగా ఉంటే, అది పొరపాటున చేస్తుంది. ఈ స్క్వేర్డ్ నంబర్లను అన్నింటినీ కలిపి, మొత్తం మైనస్ ఒక సంఖ్యతో మొత్తం విభజించండి. చివరగా, సంఖ్య యొక్క వర్గమూలం లెక్కించండి. ముందు ఉదాహరణలో, సగటు 150, కాబట్టి ప్రామాణిక విచలనం (150-150) ^ 2 + (150-100) ^ 2 + (150-200) ^ 2 / (3-1), ఇది 50 కి సమానం.

దశ

ప్రామాణిక దోషాన్ని నిర్ణయించండి. ప్రామాణిక లోపం మీ సగటు చుట్టూ విశ్వసనీయ అంతర నిర్మాణాన్ని అనుమతిస్తుంది. విశ్వసనీయ విరామం పరిధిలో కొన్ని శాతం - సాధారణంగా 95 శాతం - భవిష్యత్తు విలువలు తగ్గుతాయి. ప్రామాణిక విచలనం తీసుకొని, డేటా పాయింట్ల సంఖ్య యొక్క వర్గమూలానికి అది విభజించడం ద్వారా ప్రామాణిక లోపం లెక్కించబడుతుంది. ముందు ఉదాహరణలో, ప్రామాణిక విచలనం 3 డేటా పాయింట్లతో 50 ఉంటుంది, కాబట్టి ప్రామాణిక లోపం 50 / squareroot (3) అవుతుంది, ఇది సమానం 28.9.

దశ

రెండు ద్వారా మీ ప్రామాణిక లోపం గుణకారం. 95 శాతం విశ్వసనీయాంతరం యొక్క అధిక మరియు తక్కువ విలువలను పొందడానికి మీ సగటు నుండి ఈ సంఖ్యను జోడించి, తీసివేయండి. ఈ పరిధిలో వచ్చే ఫ్యూచర్ కొలతలు మీ బేస్లైన్ కంటే గణనీయంగా భిన్నంగా లేవు. ఈ శ్రేణి వెలుపల తగ్గే భవిష్యత్ కొలతలు మీ బేస్లైన్ నుండి గణనీయమైన మార్పును సూచిస్తాయి.

ముందు ఉదాహరణలో, సగటున 28.9 యొక్క ప్రామాణిక దోషంతో సగటున 150 ఉంది. 28.9 2 గుణించి 57.8 సమానం. మీ బేస్లైన్ "150 ప్లస్ లేదా మైనస్ 57.8." 150 ప్లస్ 57.8 సమానం 207.8, మరియు 150 మైనస్ 57.8 సమానం 92.2, ఆధార స్థాయి 92.2 నుండి 207.8 వరకు ఉంటుంది. అందువల్ల, ఈ రెండు సంఖ్యలు మధ్య ఏ కొలతనైనా బేస్లైన్ నుండి గణనీయంగా భిన్నంగా లేదు, ఎందుకంటే పరిధి డేటా యొక్క వైవిధ్యాన్ని పరిగణనలోకి తీసుకుంటుంది.