Her veri noktası ile ortalama arasındaki mutlak farkların ortalamasını hesaplar.
Tek bir senaryoya güvenmek yerine girdileri dikkatle ilerletin ve ardından sonuçları karşılaştırın.
Veri Noktası 1, Veri Noktası 2, Veri Noktası 3, Veri Noktası 4, Veri Noktası 5 → Veri Noktalarının Toplamı, Ortalama, Mutlak Sapma 5, Mutlak Sapma 4, Mutlak Sapma 3, Mutlak Sapma 2, Mutlak Sapma 1, Mutlak Sapmaların Toplamı, Ortalama Mutlak Sapma
Kendi değerlerinizi girmeden önce hesaplayıcının davranışını doğrulamak için bu örnekleri kullanın.
Veri Noktası 1: 10; Veri Noktası 2: 12; Veri Noktası 3: 14; Veri Noktası 4: 16; Veri Noktası 5: 18
Veri Noktalarının Toplamı: 70; Ortalama: 14; Mutlak Sapma 5: 4; Mutlak Sapma 4: 2; Mutlak Sapma 3: 0; Mutlak Sapma 2: 2; Mutlak Sapma 1: 4; Mutlak Sapmaların Toplamı: 12; Ortalama Mutlak Sapma: 2,4
Veri Noktası 1: 5; Veri Noktası 2: 10; Veri Noktası 3: 15; Veri Noktası 4: 20; Veri Noktası 5: 25
Veri Noktalarının Toplamı: 75; Ortalama: 15; Mutlak Sapma 5: 10; Mutlak Sapma 4: 5; Mutlak Sapma 3: 0; Mutlak Sapma 2: 5; Mutlak Sapma 1: 10; Mutlak Sapmaların Toplamı: 30; Ortalama Mutlak Sapma: 6
Veri Noktası 1: 2; Veri Noktası 2: 4; Veri Noktası 3: 6; Veri Noktası 4: 8; Veri Noktası 5: 10
Veri Noktalarının Toplamı: 30; Ortalama: 6; Mutlak Sapma 5: 4; Mutlak Sapma 4: 2; Mutlak Sapma 3: 0; Mutlak Sapma 2: 2; Mutlak Sapma 1: 4; Mutlak Sapmaların Toplamı: 12; Ortalama Mutlak Sapma: 2,4
Cebir, geometri, trigonometri, olasılık, istatistik, ortalamalar, z-puanları, testler ve grafik çizimi için hesaplayıcıları kullanın.
Bu bağlantılar oturumu derinleştirmek ve kullanıcıyı yeniden aramaya göndermeden bir sonraki olası soruyu yanıtlamak için seçildi.
Bu hesap makinesi, bir veri kümesindeki belirli bir puanın yüzdelik dilimini belirler. Belirtilen puanın altında kalan veri kümesindeki değerlerin yüzdesini hesaplar.
Popülasyon oranının bir tahmini olan örnek oranı (p̂) hesaplar. Bu hesap makinesi, bir örneğin belirli bir özelliğe sahip olan oranını belirlemeye yardımcı olur.
Uygunluk veya bağımsızlık testi için Ki-Kare istatistiğini ve p-değerini hesaplar. Gözlemlenen ve beklenen frekansları veya değerleri gerektirir.
Bir Poisson sürecinde bir olayın gerçekleşme zamanıyla ilgili olasılıkları hesaplar. Üstel dağılım, ortalama bir oluşum hızı göz önüne alındığında, bir olayın gerçekleşme zamanını modellemektedir.