విషయ సూచిక:

Anonim

విశ్లేషకులు మరియు పరిశోధకులు చారిత్రక పెట్టుబడుల రాబడి మరియు ధరలను అంచనా వేయడానికి ఫ్రీక్వెన్సీ పంపిణీలను ఉపయోగించవచ్చు. పెట్టుబడి రంగాల్లో స్టాక్స్, బాండ్లు, మ్యూచువల్ ఫండ్స్ మరియు బ్రాడ్ మార్కెట్ సూచికలు ఉన్నాయి. ఒక ఫ్రీక్వెన్సీ పంపిణీ వివిధ డేటా తరగతులకు సంభవించే సంఖ్యల సంఖ్యను చూపిస్తుంది, ఇవి ఒకే డేటా పాయింట్లు లేదా డేటా శ్రేణులుగా ఉంటాయి. ప్రామాణిక విచలనం అనేది డేటా నమూనా యొక్క వ్యాప్తి లేదా పంపిణీని పరిశీలించే మార్గాల్లో ఒకటి - ఇది తిరిగి, అస్థిరత మరియు ప్రమాదం యొక్క రేట్లు అంచనా వేయడానికి సహాయపడుతుంది.

అధిక ప్రామాణిక విచలనం అధిక అస్థిరత్వాన్ని సూచిస్తుంది. క్రెడిట్: టర్న్యాల్సినసిన్ / ఐస్టాక్ / జెట్టి ఇమేజెస్

దశ

డేటా పట్టికను ఫార్మాట్ చేయండి. మైక్రోసాఫ్ట్ ఎక్సెల్ వంటి సాఫ్ట్ వేర్ స్ప్రెడ్షీట్ సాధనాన్ని ఉపయోగించండి, గణనలను సులభతరం చేయడానికి మరియు గణిత దోషాలను తొలగించడానికి. స్తంభాల డేటా తరగతి, ఫ్రీక్వెన్సీ, మిడ్ పాయింట్, మిడ్ పాయింట్ మరియు మధ్య, మరియు ఫ్రీక్వెన్సీ మరియు మిడ్-పాయింట్ మరియు మధ్య వ్యత్యాసం యొక్క చతురస్రం మధ్య వ్యత్యాసం. స్తంభాలను లేబుల్ చేయడానికి చిహ్నాలను ఉపయోగించండి మరియు పట్టికతో వివరణాత్మక నోట్ను చేర్చండి.

దశ

డేటా పట్టికలోని మొదటి మూడు నిలువు వరుసలను విస్తరించండి. ఉదాహరణకు, ఒక స్టాక్ ధర పట్టికలో డేటా క్లాస్ కాలమ్ - $ 10 నుండి $ 12, $ 13 నుండి $ 15 మరియు $ 16 నుండి $ 18 - మరియు 10, 20 మరియు 30 సంబంధిత పౌనఃపున్యాల కోసం క్రింది ధర పరిధులు ఉంటాయి. మూడు పాయింట్ల తరగతులకు మధ్యపుచ్చులు $ 11, $ 14 మరియు $ 17 లు. నమూనా పరిమాణం 60 (10 ప్లస్ 20 ప్లస్ 30).

దశ

అన్ని డిస్ట్రిబ్యూషన్లు సంబంధిత శ్రేణుల మధ్యభాగంలో ఉన్నాయని ఊహిస్తూ, సగటును అంచనా. ఫ్రీక్వెన్సీ పంపిణీ యొక్క అంక గణిత సూత్రానికి సూత్రం మధ్యభాగపు ఉత్పత్తి మొత్తం మరియు నమూనా పరిమాణంతో విభజించబడిన ప్రతి డేటా శ్రేణికి పౌనఃపున్యం. ఉదాహరణతో కొనసాగుతూ, కింది మిడ్ పాయింట్ మరియు పౌనఃపున్య గుణకాల మొత్తానికి సమానంగా ఉంటుంది - $ 11 గుణిస్తే $ 10 మరియు $ 17 గుణించి 20 మరియు $ 17 గుణించి 30 - 60 ద్వారా విభజించబడింది. అందువల్ల సగటు $ 900 ($ 110 ప్లస్ $ 280 ప్లస్ $ 510) 60, లేదా $ 15 ద్వారా విభజించబడింది.

దశ

ఇతర నిలువు వరుసలను పూరించండి. ప్రతి డేటా తరగతికి, మధ్యపాయింట్ మరియు మధ్య వ్యత్యాసం యొక్క చదరపును గణించడం, ఫలితంగా పౌనఃపున్య ఫలితాన్ని గుణించాలి. ఉదాహరణకు, $ 1 ($ 14 మైనస్ $ 15) $ 2 ($ 17 మైనస్ $ 15) మరియు $ 2 ($ 17 మైనస్ $ 15) $ 4 ($ 11 మైనస్ $ 15) మధ్య తేడాలు మరియు మూడు డేటా శ్రేణుల మధ్య వ్యత్యాసాలు, మరియు వ్యత్యాసాల చతురస్రాలు 16, వరుసగా 1 మరియు 4. 160 (16 ద్వారా 10 గుణిస్తే), 20 (1 గుణిస్తే 1 గుణిస్తే) మరియు 120 (4 గుణించి 30) గుణించి సంబంధిత పౌనఃపున్యాల ఫలితాలను గుణించడం.

దశ

ప్రామాణిక విచలనాన్ని లెక్కించండి. మొదట, మునుపటి దశ నుండి ఉత్పత్తుల మొత్తాన్ని. రెండవది, నమూనా పరిమాణం మైనస్ 1 ద్వారా మొత్తాన్ని విభజించి, చివరికి ప్రామాణిక విచలనం పొందడానికి ఫలితంగా వర్గమూలాన్ని లెక్కించండి. ఉదాహరణకు ముగించటానికి, ప్రామాణిక విచలనం అనేది 59 (60 మైనస్ 1), లేదా 2.25 ద్వారా విభజించబడిన 300 (160 ప్లస్ 20 ప్లస్ 120) వర్గమూలానికి సమానంగా ఉంటుంది.

సిఫార్సు సంపాదకుని ఎంపిక