대답:
인구 분산 = 59.1 (아마도 이것이 입문 클래스 인 경우 원하는 것)
표본 분산 = 68.9
설명:
평균을 계산하십시오.
차이의 제곱의 평균을 구하십시오. 이것을하기 위해:
각 데이터 요소와 평균의 차이를 제곱합니다. 이러한 제곱 차이를 모두 추가하십시오.
인구 분산을 찾는다면, 데이터 포인트 수로 나눕니다. 표본 분산을 찾는다면, 데이터 포인트 - 1의 수로 나눕니다.
네가 말한대로 말야.
* 이것이 집합 내의 모든 데이터 요소, 즉 데이터 요소의 전체 모집단을 나타내는 경우 모집단 분산을 사용합니다.
이러한 데이터 포인트가 데이터 샘플 인 경우, 즉 누락 된 데이터가 많이 있지만 모든 데이터에 대해 정확한 계산을 원하면 샘플 분산을 사용하십시오.
이 위키 하우 (WikiHow) 페이지에는 모집단과 표본 분산을 계산하는 방법과 각 표본이 적절한시기의 예가 나와 있습니다.
다음 확률 밀도 함수를 가진 확률 변수의 평균과 분산은 무엇입니까? : -1 <x <1 인 경우 f (x) = 3x ^ 2; 그렇지 않으면 0
평균 E (X) = 0 및 분산 "Var"(X) = 6/5. "xx (3x ^ 2)"dx = int_-1 ^ 1 3x ^ 3 ""dx = 3 * [x ^ 4 / 4] _ ( " (x - 2) - (E (X)) ^ 2 = 3 * [x ^ 5 / 5] _ ( "("- 1, 1 ")") - 0 ^ 2 = 3/5 * (1 + 1) = 6/5
다음 데이터, 2 4 5 7에 대한 분산은 무엇입니까? 보여줘. [steps].
Color (red) (sigma ^ 2 = 3.25) 분산을 찾으려면 먼저 평균을 계산해야합니다. 평균을 계산하려면 모든 데이터 요소를 더한 다음 데이터 요소 수로 나눕니다. 평균 mu에 대한 공식은 mu = (sum_ (k = 1) ^ nx_k) / n = (x_1 + x_2 + x_3 + cdots + x_n) / n이다. 여기서 x_k는 k 번째 데이터 포인트이고, n은 데이터의 수 전철기. n = 4 {x_1, x_2, x_3, x_4} = {2, 4, 5, 7} 따라서 평균은 mu = (2 + 4 + 5 + 7) / 4 = 18 / 4 = 9 / 2 = 4.5 이제 분산을 계산하기 위해 각 데이터 점이 평균으로부터 얼마나 떨어져 있는지를 확인한 다음 각 값을 제곱하고이를 더하고 데이터 수로 나눕니다. 분산은 기호 σ ^ 2로 주어집니다. 분산에 대한 공식은 다음과 같습니다 : Σ ^ 2 = (sum_ (k = 1) ^ n (x_k-mu) ^ 2) / n = ((x_1-mu) ^ 2 + (2-4.5) ^ 2 + (4-4.5) ^ 2 + (5-4.5) ^ 2 + (x_n-mu) ^ 2) 4.5) ^ 2 + (7-4.5) ^ 2) / 4 시그마 ^ 2 = ((- 2.5) ^ 2 + (- 0.5) ^ 2 +
{0, 26, 31, 36, 50}의 분산은 무엇입니까?
335.8 TI-84를 사용하면 샘플 차이는 335.8