작은 데이터 세트
데이터 포인트 수: 25; 데이터 세트의 최소값: 5; 데이터 세트의 최대값: 55; 클래스 수 (제안: sqrt(n)): 5
첫 번째 클래스의 하한: 5; 범위: 50; 클래스 너비: 10; 반올림된 클래스 너비: 10; 첫 번째 클래스의 상한: 15
히스토그램(빈도 분포의 시각적 표현)을 구성하기 위한 클래스 간격과 빈도를 결정하는 데 도움이 됩니다.
입력값을 차분히 확인한 뒤 하나의 시나리오에만 의존하지 말고 결과를 비교하세요.
데이터 포인트 수, 데이터 세트의 최소값, 데이터 세트의 최대값, 클래스 수 (제안: sqrt(n)) → 첫 번째 클래스의 하한, 범위, 클래스 너비, 반올림된 클래스 너비, 첫 번째 클래스의 상한
자신의 값을 넣기 전에 이 예시로 계산기 동작을 확인하세요.
데이터 포인트 수: 25; 데이터 세트의 최소값: 5; 데이터 세트의 최대값: 55; 클래스 수 (제안: sqrt(n)): 5
첫 번째 클래스의 하한: 5; 범위: 50; 클래스 너비: 10; 반올림된 클래스 너비: 10; 첫 번째 클래스의 상한: 15
데이터 포인트 수: 75; 데이터 세트의 최소값: 10; 데이터 세트의 최대값: 110; 클래스 수 (제안: sqrt(n)): 8
첫 번째 클래스의 하한: 10; 범위: 100; 클래스 너비: 12.5; 반올림된 클래스 너비: 12.5; 첫 번째 클래스의 상한: 22.5
데이터 포인트 수: 150; 데이터 세트의 최소값: 0; 데이터 세트의 최대값: 100; 클래스 수 (제안: sqrt(n)): 10
첫 번째 클래스의 하한: 0; 범위: 100; 클래스 너비: 10; 반올림된 클래스 너비: 10; 첫 번째 클래스의 상한: 10
대수학, 기하학, 삼각법, 확률, 통계, 평균, Z점수, 검정, 그래프화 작업용 계산기를 사용하세요.
이 링크들은 사용자를 다시 검색으로 보내지 않고도 다음으로 궁금할 질문에 답하도록 선택되었습니다.
개별 데이터 값을 유지하면서 분포 모양을 시각화하기 위해 숫자 데이터를 구성하는 데 도움이 됩니다.
평균을 비교하고 통계적 유의성을 결정하기 위해 t-검정(단일 표본, 두 표본 또는 쌍체)을 수행합니다.
두 모집단의 분산을 비교하기 위해 F-검정을 수행합니다.
특정 신뢰 수준으로 모집단 매개변수(예: 평균, 비율)가 속할 가능성이 있는 범위를 계산합니다.