🛠️

Whiz Tools

Build • Create • Innovate

सांख्यिकीय परीक्षणों के लिए क्रिटिकल वैल्यू कैलकुलेटर

Z-test, t-test, और Chi-squared टेस्ट सहित सबसे व्यापक सांख्यिकीय परीक्षणों के लिए एक-पक्षीय और दो-पक्षीय क्रिटिकल वैल्यू खोजें। सांख्यिकीय परिकल्पना परीक्षण और अनुसंधान विश्लेषण के लिए आदर्श।

महत्वपूर्ण मान

📚

दस्तावेज़ीकरण

महत्वपूर्ण मान कैलकुलेटर

परिचय

महत्वपूर्ण मान सांख्यिकीय परिकल्पना परीक्षण में आवश्यक होते हैं। ये उस सीमा को परिभाषित करते हैं जिस पर हम शून्य परिकल्पना को वैकल्पिक परिकल्पना के पक्ष में अस्वीकार करते हैं। महत्वपूर्ण मान की गणना करके, शोधकर्ता यह निर्धारित कर सकते हैं कि क्या उनका परीक्षण सांख्यिकी अस्वीकृति क्षेत्र में आता है और अपने डेटा के आधार पर सूचित निर्णय ले सकते हैं।

यह कैलकुलेटर सबसे सामान्य सांख्यिकीय परीक्षणों के लिए एक-तरफा और दो-तरफा महत्वपूर्ण मान खोजने में मदद करता है, जिसमें Z-परीक्षण, t-परीक्षण और ची-स्क्वायर परीक्षण शामिल हैं। यह विभिन्न महत्व स्तरों और स्वतंत्रता के डिग्री का समर्थन करता है, आपके सांख्यिकीय विश्लेषण के लिए सटीक परिणाम प्रदान करता है।

इस कैलकुलेटर का उपयोग कैसे करें

  1. परीक्षण प्रकार चुनें:

    • Z-परीक्षण: बड़े नमूना आकार या ज्ञात जनसंख्या विविधता के लिए।
    • t-परीक्षण: जब नमूना आकार छोटा हो और जनसंख्या विविधता अज्ञात हो।
    • ची-स्क्वायर परीक्षण: श्रेणीबद्ध डेटा और उपयुक्तता परीक्षणों के लिए।

  2. पूंछ प्रकार चुनें:

    • एक-तरफा परीक्षण: एक दिशात्मक प्रभाव (जैसे, किसी निश्चित मान से अधिक या कम) के लिए परीक्षण।
    • दो-तरफा परीक्षण: दिशा की परवाह किए बिना किसी भी महत्वपूर्ण अंतर के लिए परीक्षण।

  3. महत्व स्तर (( \alpha )) दर्ज करें:

    • 0 और 1 के बीच एक मान (सामान्य विकल्प 0.05, 0.01, 0.10)।
    • यह शून्य परिकल्पना को अस्वीकार करने की संभावना का प्रतिनिधित्व करता है जब यह सत्य हो (प्रकार I त्रुटि)।

  4. स्वतंत्रता के डिग्री दर्ज करें (यदि लागू हो):

    • t-परीक्षण और ची-स्क्वायर परीक्षण के लिए आवश्यक।
    • t-परीक्षण के लिए: ( df = n - 1 ), जहाँ ( n ) नमूना आकार है।
    • ची-स्क्वायर परीक्षण के लिए: ( df = ) श्रेणियों की संख्या में से 1 घटाना।

  5. गणना करें:

    • महत्वपूर्ण मान प्राप्त करने के लिए गणना करें बटन पर क्लिक करें।
    • परिणाम आपके इनपुट के अनुसार महत्वपूर्ण मान प्रदर्शित करेगा।

सूत्र

Z-परीक्षण महत्वपूर्ण मान

मानक सामान्य वितरण के लिए:

  • एक-तरफा परीक्षण: Zc=Φ−1(1−α)Z_c = \Phi^{-1}(1 - \alpha)
  • दो-तरफा परीक्षण: Zc=Φ−1(1−α2)Z_c = \Phi^{-1}\left(1 - \dfrac{\alpha}{2}\right)

जहाँ:

  • ( \Phi^{-1} ) मानक सामान्य वितरण का उलटा संचयी वितरण कार्य (क्वांटाइल कार्य) है।

t-परीक्षण महत्वपूर्ण मान

( df ) स्वतंत्रता के डिग्री के साथ t-वितरण के लिए:

  • एक-तरफा परीक्षण: tc=t−1(1−α,df)t_c = t^{-1}(1 - \alpha, df)
  • दो-तरफा परीक्षण: tc=t−1(1−α2,df)t_c = t^{-1}\left(1 - \dfrac{\alpha}{2}, df\right)

जहाँ:

  • ( t^{-1}(p, df) ) ( df ) स्वतंत्रता के डिग्री के साथ t-वितरण का p-था क्वांटाइल है।

ची-स्क्वायर परीक्षण महत्वपूर्ण मान

( df ) स्वतंत्रता के डिग्री के साथ ची-स्क्वायर वितरण के लिए:

  • एक-तरफा परीक्षण: χc2=χ1−α,df2\chi^2_c = \chi^2_{1 - \alpha, df}
  • दो-तरफा परीक्षण (दोनों निचले और ऊपरी महत्वपूर्ण मान प्रदान करता है):
    • निचला महत्वपूर्ण मान: χlower2=χα/2,df2\chi^2_{\text{lower}} = \chi^2_{\alpha/2, df}
    • ऊपरी महत्वपूर्ण मान: χupper2=χ1−α/2,df2\chi^2_{\text{upper}} = \chi^2_{1 - \alpha/2, df}

जहाँ:

  • ( \chi^2_{p, df} ) ( df ) स्वतंत्रता के डिग्री के साथ ची-स्क्वायर वितरण का p-था क्वांटाइल है।

गणना

कैलकुलेटर निम्नलिखित कदम उठाता है:

  1. इनपुट सत्यापन:

    • यह जांचता है कि ( \alpha ) 0 और 1 के बीच है (0 < ( \alpha ) < 1)।
    • यह सुनिश्चित करता है कि ( df ) सकारात्मक पूर्णांक है (t-परीक्षण और ची-स्क्वायर परीक्षण के लिए)।

  2. पूंछ प्रकार के लिए महत्व स्तर को समायोजित करें:

    • दो-तरफा परीक्षणों के लिए, ( \alpha ) को 2 से विभाजित किया जाता है।

  3. महत्वपूर्ण मानों की गणना करें:

    • महत्वपूर्ण मान खोजने के लिए सांख्यिकीय वितरण कार्यों का उपयोग करता है।
    • अत्यधिक ( \alpha ) मान और ( df ) के लिए सटीकता सुनिश्चित करता है।

  4. परिणाम प्रदर्शित करें:

    • चार दशमलव स्थानों तक गोल किए गए महत्वपूर्ण मान प्रस्तुत करता है।
    • दो-तरफा ची-स्क्वायर परीक्षणों के लिए, दोनों निचले और ऊपरी महत्वपूर्ण मान प्रदान किए जाते हैं।

किनारे के मामले और विचार

  • अत्यधिक महत्व स्तर (( \alpha ) 0 या 1 के करीब):

    • जैसे-जैसे ( \alpha ) 0 के करीब पहुंचता है, महत्वपूर्ण मान अनंत के करीब पहुंचता है।
    • जब ( \alpha ) अत्यधिक छोटा हो (जैसे, ( 10^{-10} ) से कम), महत्वपूर्ण मान गणनात्मक रूप से अनंत या अज्ञात हो सकता है।
    • हैंडलिंग: कैलकुलेटर ऐसे मामलों के लिए 'अनंत' या 'अज्ञात' प्रदर्शित करेगा। उपयोगकर्ताओं को इन परिणामों की सावधानीपूर्वक व्याख्या करनी चाहिए और विचार करना चाहिए कि क्या ऐसे अत्यधिक महत्व स्तर उनके विश्लेषण के लिए उपयुक्त हैं।

  • बड़े स्वतंत्रता के डिग्री (( df )):

    • जैसे-जैसे ( df ) बढ़ता है, t-वितरण और ची-स्क्वायर वितरण सामान्य वितरण के करीब पहुंचते हैं।
    • बहुत बड़े ( df ) के लिए, महत्वपूर्ण मान गणनात्मक सीमाओं के कारण अज्ञात हो सकते हैं।
    • हैंडलिंग: कैलकुलेटर व्यावहारिक गणनात्मक सीमाओं को पार करने पर चेतावनियाँ प्रदान करता है। ऐसे मामलों में Z-परीक्षण का उपयोग एक अनुमान के रूप में करने पर विचार करें।

  • छोटे स्वतंत्रता के डिग्री (( df \leq 1 )):

    • ( df = 1 ) के लिए, t-वितरण और ची-स्क्वायर वितरण में भारी पूंछ होती है।
    • महत्वपूर्ण मान बहुत बड़े या अज्ञात हो सकते हैं।
    • हैंडलिंग: यदि ( df ) विश्वसनीय परिणामों के लिए बहुत छोटा हो तो कैलकुलेटर उपयोगकर्ताओं को चेतावनी देता है।

  • एक-तरफा बनाम दो-तरफा परीक्षण:

    • सही पूंछ प्रकार का चयन महत्वपूर्ण मानों के लिए महत्वपूर्ण है।
    • दुरुपयोग से परिकल्पना परीक्षण में गलत निष्कर्ष हो सकते हैं।
    • मार्गदर्शन: सुनिश्चित करें कि आपका शोध प्रश्न चुने गए पूंछ प्रकार के साथ मेल खाता है।

उपयोग के मामले

महत्वपूर्ण मान विभिन्न क्षेत्रों में उपयोग किए जाते हैं:

  1. शैक्षणिक अनुसंधान:

    • प्रयोगों और अध्ययनों में परिकल्पनाओं का परीक्षण।
    • परिणामों की सांख्यिकीय महत्वपूर्णता निर्धारित करना।

  2. गुणवत्ता आश्वासन:

    • उत्पादन प्रक्रियाओं की निगरानी।
    • असामान्यताओं का पता लगाने के लिए नियंत्रण चार्ट का उपयोग करना।

  3. स्वास्थ्य और चिकित्सा:

    • नए उपचारों या दवाओं की प्रभावशीलता का मूल्यांकन करना।
    • नैदानिक परीक्षण के परिणामों का विश्लेषण करना।

  4. वित्त और अर्थशास्त्र:

    • बाजार के रुझानों और आर्थिक संकेतकों का आकलन करना।
    • डेटा-आधारित निवेश निर्णय लेना।

विकल्प

  • p-मूल्य:

    • फायदे:
      • परीक्षण सांख्यिकी के कम से कम चरम मान प्राप्त करने की सटीक संभावना प्रदान करते हैं।
      • सख्त कटऑफ के बजाय अधिक सूक्ष्म निर्णय लेने की अनुमति देते हैं।
    • नुकसान:
      • गलत व्याख्या की जा सकती है; छोटा p-मूल्य प्रभाव के आकार या उसकी महत्वपूर्णता को नहीं मापता है।
      • नमूना आकार पर निर्भर; बड़े नमूने तुच्छ प्रभावों के लिए छोटे p-मूल्य उत्पन्न कर सकते हैं।

  • विश्वास अंतराल:

    • फायदे:
      • एक मान की सीमा प्रदान करते हैं जिसके भीतर वास्तविक पैरामीटर गिरने की संभावना है।
      • अनुमान की सटीकता के बारे में जानकारी प्रदान करते हैं।
    • नुकसान:
      • परिकल्पना परीक्षण के लिए सीधे उपयोग नहीं किया जाता है।
      • परिणामों की व्याख्या करना चुनौतीपूर्ण हो सकता है यदि विश्वास अंतराल ओवरलैप करते हैं।

  • बायेसियन विधियाँ:

    • फायदे:
      • विश्लेषण में पूर्व ज्ञान या विश्वासों को शामिल करते हैं।
      • पैरामीटर अनुमान का एक संभावना वितरण प्रदान करते हैं।
    • नुकसान:
      • विशिष्टता के लिए पूर्व वितरण का निर्धारण करना, जो कि व्यक्तिपरक हो सकता है।
      • जटिल मॉडलों के लिए गणनात्मक रूप से गहन।

  • गैर-पैरामीट्रिक परीक्षण:

    • फायदे:
      • किसी विशिष्ट वितरण का अनुमान नहीं लगाते।
      • उपयोगी जब डेटा पैरामीट्रिक परीक्षणों की धारणाओं को पूरा नहीं करते।
    • नुकसान:
      • जब धारणाएँ पूरी होती हैं, तो आमतौर पर पैरामीट्रिक परीक्षणों की तुलना में कम शक्तिशाली।
      • परिणामों की व्याख्या करना कम सीधा हो सकता है।

इतिहास

महत्वपूर्ण मानों का विकास सांख्यिकीय अनुमान के विकास के साथ जुड़ा हुआ है:

  • 20वीं सदी की शुरुआत:

    • कार्ल पीयर्सन ने 1900 में ची-स्क्वायर परीक्षण का परिचय दिया, उपयुक्तता परीक्षण के लिए आधार तैयार किया।
    • विलियम गॉसेट (उपनाम "स्टूडेंट") ने 1908 में छोटे नमूना आकार के लिए t-वितरण विकसित किया।

  • रोनाल्ड फिशर:

    • 1920 के दशक में, फिशर ने सांख्यिकीय परिकल्पना परीक्षण के सिद्धांत को औपचारिक रूप दिया।
    • "महत्व स्तर" की अवधारणा को पेश किया और उचित महत्वपूर्ण मानों के चयन पर जोर दिया।

  • गणना में प्रगति:

    • कंप्यूटरों के आगमन ने विभिन्न वितरणों के लिए महत्वपूर्ण मानों की सटीक गणना को सक्षम किया।
    • सांख्यिकीय सॉफ़्टवेयर अब त्वरित और सटीक परिणाम प्रदान करता है, अनुसंधान में व्यापक उपयोग की सुविधा प्रदान करता है।

उदाहरण

उदाहरण 1: Z-परीक्षण महत्वपूर्ण मान की गणना (एक-तरफा)

परिदृश्य: एक कंपनी यह परीक्षण करना चाहती है कि क्या एक नया प्रक्रिया औसत उत्पादन समय को कम करती है। उन्होंने ( \alpha = 0.05 ) सेट किया।

समाधान:

  • महत्वपूर्ण मान: Zc=Φ−1(1−α)=Φ−1(0.95)≈1.6449Z_c = \Phi^{-1}(1 - \alpha) = \Phi^{-1}(0.95) \approx 1.6449

कोड उदाहरण:

पायथन
1import scipy.stats as stats
2
3alpha = 0.05
4Z_c = stats.norm.ppf(1 - alpha)
5print(f"महत्वपूर्ण मान (Z_c): {Z_c:.4f}")
6
जावास्क्रिप्ट
1// Z-परीक्षण महत्वपूर्ण मान के लिए जावास्क्रिप्ट उदाहरण
2function calculateZCriticalValue(alpha) {
3  return jStat.normal.inv(1 - alpha, 0, 1);
4}
5
6const alpha = 0.05;
7const Z_c = calculateZCriticalValue(alpha);
8console.log(`महत्वपूर्ण मान (Z_c): ${Z_c.toFixed(4)}`);
9

नोट: सांख्यिकीय कार्यों के लिए jStat पुस्तकालय की आवश्यकता है।

एक्सेल
1' Z-परीक्षण महत्वपूर्ण मान के लिए एक्सेल सूत्र (एक-तरफा)
2' एक सेल में, दर्ज करें:
3=NORM.S.INV(1 - 0.05)
4
5' परिणाम:
6' 1.6449 लौटाता है
7

उदाहरण 2: t-परीक्षण महत्वपूर्ण मान की गणना (दो-तरफा)

परिदृश्य: एक शोधकर्ता 20 प्रतिभागियों के साथ एक प्रयोग करता है (( df = 19 )) और ( \alpha = 0.01 ) का उपयोग करता है।

समाधान:

  • महत्वपूर्ण मान: tc=t−1(1−α2,df)=t−1(0.995,19)≈2.8609t_c = t^{-1}\left(1 - \dfrac{\alpha}{2}, df\right) = t^{-1}(0.995, 19) \approx 2.8609

कोड उदाहरण:

आर
1alpha <- 0.01
2df <- 19
3t_c <- qt(1 - alpha / 2, df)
4print(paste("महत्वपूर्ण मान (t_c):", round(t_c, 4)))
5
MATLAB
1alpha = 0.01;
2df = 19;
3t_c = tinv(1 - alpha / 2, df);
4fprintf('महत्वपूर्ण मान (t_c): %.4f\n', t_c);
5
जावास्क्रिप्ट
1// t-परीक्षण महत्वपूर्ण मान के लिए जावास्क्रिप्ट उदाहरण
2function calculateTCriticalValue(alpha, df) {
3  return jStat.studentt.inv(1 - alpha / 2, df);
4}
5
6const alpha = 0.01;
7const df = 19;
8const t_c = calculateTCriticalValue(alpha, df);
9console.log(`महत्वपूर्ण मान (t_c): ${t_c.toFixed(4)}`);
10

नोट: jStat पुस्तकालय की आवश्यकता है।

एक्सेल
1' t-परीक्षण महत्वपूर्ण मान के लिए एक्सेल सूत्र (दो-तरफा)
2' एक सेल में, दर्ज करें:
3=T.INV.2T(0.01, 19)
4
5' परिणाम:
6' 2.8609 लौटाता है
7

उदाहरण 3: ची-स्क्वायर परीक्षण महत्वपूर्ण मानों की गणना (दो-तरफा)

परिदृश्य: एक विश्लेषक 5 श्रेणियों (( df = 4 )) में अवलोकित डेटा की उपयुक्तता का परीक्षण करता है ( \alpha = 0.05 ) पर।

समाधान:

  • निचला महत्वपूर्ण मान: χlower2=χα/2,df2=χ0.025,42≈0.7107\chi^2_{\text{lower}} = \chi^2_{\alpha/2, df} = \chi^2_{0.025, 4} \approx 0.7107
  • ऊपरी महत्वपूर्ण मान: χupper2=χ1−α/2,df2=χ0.975,42≈11.1433\chi^2_{\text{upper}} = \chi^2_{1 - \alpha/2, df} = \chi^2_{0.975, 4} \approx 11.1433

कोड उदाहरण:

पायथन
1import scipy.stats as stats
2
3alpha = 0.05
4df = 4
5chi2_lower = stats.chi2.ppf(alpha / 2, df)
6chi2_upper = stats.chi2.ppf(1 - alpha / 2, df)
7print(f"निचला महत्वपूर्ण मान: {chi2_lower:.4f}")
8print(f"ऊपरी महत्वपूर्ण मान: {chi2_upper:.4f}")
9
MATLAB
1alpha = 0.05;
2df = 4;
3chi2_lower = chi2inv(alpha / 2, df);
4chi2_upper = chi2inv(1 - alpha / 2, df);
5fprintf('निचला महत्वपूर्ण मान: %.4f\n', chi2_lower);
6fprintf('ऊपरी महत्वपूर्ण मान: %.4f\n', chi2_upper);
7
जावास्क्रिप्ट
1// ची-स्क्वायर परीक्षण महत्वपूर्ण मानों के लिए जावास्क्रिप्ट उदाहरण
2function calculateChiSquaredCriticalValues(alpha, df) {
3  const lower = jStat.chisquare.inv(alpha / 2, df);
4  const upper = jStat.chisquare.inv(1 - alpha / 2, df);
5  return { lower, upper };
6}
7
8const alpha = 0.05;
9const df = 4;
10const chi2_vals = calculateChiSquaredCriticalValues(alpha, df);
11console.log(`निचला महत्वपूर्ण मान: ${chi2_vals.lower.toFixed(4)}`);
12console.log(`ऊपरी महत्वपूर्ण मान: ${chi2_vals.upper.toFixed(4)}`);
13

नोट: jStat पुस्तकालय की आवश्यकता है।

एक्सेल
1' ची-स्क्वायर परीक्षण महत्वपूर्ण मानों के लिए एक्सेल सूत्र (दो-तरफा)
2' निचला महत्वपूर्ण मान (एक सेल में):
3=CHISQ.INV(0.025, 4)
4
5' ऊपरी महत्वपूर्ण मान (एक अन्य सेल में):
6=CHISQ.INV(0.975, 4)
7
8' परिणाम:
9' निचला महत्वपूर्ण मान: 0.7107
10' ऊपरी महत्वपूर्ण मान: 11.1433
11

उदाहरण 4: अत्यधिक मानों को संभालना (किनारे का मामला)

परिदृश्य: एक परीक्षण बहुत छोटे महत्व स्तर ( \alpha = 0.0001 ) और ( df = 1 ) के साथ किया जाता है।

समाधान:

  • एक-तरफा t-परीक्षण के लिए: tc=t−1(1−α,df)t_c = t^{-1}(1 - \alpha, df)

  • महत्वपूर्ण मान एक बहुत बड़े संख्या के करीब पहुंचता है।

कोड उदाहरण (पायथन):

1import scipy.stats as stats
2
3alpha = 0.0001
4df = 1
5t_c = stats.t.ppf(1 - alpha, df)
6print(f"महत्वपूर्ण मान (t_c): {t_c}")
7

परिणाम:

आउटपुट एक बहुत बड़े महत्वपूर्ण मान को दिखाएगा, यह संकेत करते हुए कि इतने छोटे ( \alpha ) और कम ( df ) के साथ, महत्वपूर्ण मान अत्यधिक उच्च है, जो संभावित रूप से अनंत के करीब है। यह दर्शाता है कि कैसे अत्यधिक इनपुट गणनात्मक चुनौतियों का कारण बन सकते हैं।

कैलकुलेटर में हैंडलिंग:

कैलकुलेटर ऐसे मामलों के लिए 'अनंत' या 'अज्ञात' लौटाएगा और उपयोगकर्ता को सलाह देगा कि वे महत्व स्तर को समायोजित करने या वैकल्पिक विधियों का उपयोग करने पर विचार करें।

दृश्यता

महत्वपूर्ण मानों को समझने में वितरण वक्रों और छायांकित अस्वीकृति क्षेत्रों का दृश्यांकन मदद करता है।

सामान्य वितरण (Z-परीक्षण)

z f(z)

0 1.96 मानक सामान्य वितरण अस्वीकृति क्षेत्र स्वीकृति क्षेत्र महत्वपूर्ण मान

एक SVG आरेख जो मानक सामान्य वितरण को दर्शाता है जिसमें महत्वपूर्ण मान चिह्नित है। महत्वपूर्ण मान के पार का क्षेत्र अस्वीकृति क्षेत्र का प्रतिनिधित्व करता है। x-अक्ष z-स्कोर का प्रतिनिधित्व करता है, और y-अक्ष संभावना घनत्व कार्य f(z) का प्रतिनिधित्व करता है।

t-वितरण

t f(t)

0 -2.101 2.101 t-वितरण (df = 20) बाएं अस्वीकृति क्षेत्र दाएं अस्वीकृति क्षेत्र स्वीकृति क्षेत्र महत्वपूर्ण मान महत्वपूर्ण मान

एक SVG आरेख जो निर्दिष्ट स्वतंत्रता के डिग्री के लिए t-वितरण को दर्शाता है जिसमें महत्वपूर्ण मान चिह्नित है। उल्लेखनीय है कि t-वितरण सामान्य वितरण की तुलना में भारी पूंछें रखता है।

ची-स्क्वायर वितरण

χ²L χ²U

χ² संभावना घनत्व ची-स्क्वायर वितरण दो-तरफा परीक्षण

एक SVG आरेख जो दो-तरफा परीक्षण के लिए निचले और ऊपरी महत्वपूर्ण मान चिह्नित करता है। वितरण दाईं ओर झुका हुआ है।

नोट: SVG आरेख सामग्री में समाहित हैं ताकि समझने में सहायता हो सके। प्रत्येक आरेख को सटीक रूप से लेबल किया गया है, और रंगों को Tailwind CSS के साथ समकक्ष बनाने के लिए चुना गया है।

संदर्भ

  1. पीयर्सन, के. (1900). On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is Such that it Can be Reasonably Supposed to Have Arisen from Random Sampling. Philosophical Magazine Series 5, 50(302), 157–175. लिंक

  2. स्टूडेंट (गॉसेट, डब्ल्यू. एस.) (1908). The Probable Error of a Mean. Biometrika, 6(1), 1–25. लिंक

  3. फिशर, आर. ए. (1925). Statistical Methods for Research Workers. एडिनबर्ग: ओलिवर एंड बॉयड।

  4. NIST/SEMATECH e-Handbook of Statistical Methods. महत्वपूर्ण मान. लिंक

  5. विकिपीडिया. महत्वपूर्ण मान. लिंक

🔗

संबंधित उपकरण

अपने वर्कफ़्लो के लिए उपयोगी हो सकने वाले और अधिक उपकरण खोजें।

जेड-स्कोर कैलकुलेटर: डेटा बिंदुओं के लिए मानक स्कोर

इस उपकरण को आज़माएं

कोन वॉल्यूम कैलकुलेटर: पूर्ण और कटे हुए कोनों के लिए

इस उपकरण को आज़माएं

कच्चा स्कोर कैलकुलेटर: मीन, मानक विचलन और z-स्कोर

इस उपकरण को आज़माएं