ಯಾವುದೇ ಡೇಟಾ ಪಾಯಿಂಟ್ಗಾಗಿ ಜಡ್-ಸ್ಕೋರ್ (ಮಾನದಂಡ ಸ್ಕೋರ್) ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ, ಇದು ಮಾನದಂಡ ವ್ಯತ್ಯಾಸವನ್ನು ಬಳಸಿಕೊಂಡು ಅದರ ಸ್ಥಾನವನ್ನು ಸರಾಸರಿ ವಿರುದ್ಧ ನಿರ್ಧಾರಿಸುತ್ತದೆ. ಸಂಖ್ಯಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಡೇಟಾ ಮಾನದಂಡೀಕರಣಕ್ಕಾಗಿ ಸೂಕ್ತ.
z-score (ಅಥವಾ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಸ್ಕೋರ್) ಒಂದು ಸಂಖ್ಯಾತ್ಮಕ ಅಳತೆಯಾಗಿದೆ, ಇದು ಒಂದು ಮೌಲ್ಯದ ಗುಂಪಿನ ಅರ್ಥದೊಂದಿಗೆ ಸಂಬಂಧವನ್ನು ವಿವರಿಸುತ್ತದೆ. ಇದು ಒಂದು ಅಂಶವು ಅರ್ಥದಿಂದ ಎಷ್ಟು ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ಗಳಲ್ಲಿದೆ ಎಂಬುದನ್ನು ಸೂಚಿಸುತ್ತದೆ. z-score ಅಂಕಶಾಸ್ತ್ರದಲ್ಲಿ ಪ್ರಮುಖ ಸಾಧನವಾಗಿದೆ, ಇದು ವಿಭಿನ್ನ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಮಾನಕೀಕರಣ ಮಾಡಲು ಮತ್ತು ಔಟ್ಲಿಯರ್ಗಳನ್ನು ಗುರುತಿಸಲು ಅನುಮತಿಸುತ್ತದೆ.
z-score ಅನ್ನು ಕೆಳಗಿನ ಸೂತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ:
Where:
ಈ ಸೂತ್ರವು ಒಂದು ಡೇಟಾ ಪಾಯಿಂಟ್ ಅರ್ಥದಿಂದ ಎಷ್ಟು ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ಗಳಲ್ಲಿದೆ ಎಂಬುದನ್ನು ಲೆಕ್ಕಹಾಕುತ್ತದೆ.
ಡೇಟಾ ಪಾಯಿಂಟಿನ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಲು:
Mean () ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ:
ಎಲ್ಲಾ ಡೇಟಾ ಪಾಯಿಂಟ್ಗಳನ್ನು ಸೇರಿಸಿ ಮತ್ತು ಡೇಟಾ ಪಾಯಿಂಟ್ಗಳ ಸಂಖ್ಯೆಯೊಂದಿಗೆ ಹಂಚಿ.
Standard Deviation () ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ:
Variance ():
Standard Deviation:
Z-Score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ:
z-score ಸೂತ್ರದಲ್ಲಿ ಮೌಲ್ಯಗಳನ್ನು ಬದಲಾಯಿಸಿ.
Zero Standard Deviation ():
ಎಲ್ಲಾ ಡೇಟಾ ಪಾಯಿಂಟ್ಗಳು ಒಂದೇ ಆಗಿದ್ದಾಗ, ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗುತ್ತದೆ, z-score ಅಸ್ಪಷ್ಟವಾಗುತ್ತದೆ ಏಕೆಂದರೆ ನೀವು ಶೂನ್ಯವನ್ನು ಹಂಚಲು ಸಾಧ್ಯವಿಲ್ಲ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, z-score ಯ ಅರ್ಥವಿಲ್ಲ.
Data Point Equal to Mean ():
ಡೇಟಾ ಪಾಯಿಂಟ್ ಅರ್ಥಕ್ಕೆ ಸಮಾನವಾದಾಗ, z-score ಶೂನ್ಯವಾಗುತ್ತದೆ, ಇದು ಇದು ಸಂಪೂರ್ಣವಾಗಿ ಸರಾಸರಿ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.
Non-Numeric Inputs:
ಎಲ್ಲಾ ಇನ್ಪುಟ್ಗಳು ಸಂಖ್ಯಾತ್ಮಕವಾಗಿರಬೇಕು ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ. ಅಸಂಖ್ಯಾತ ಇನ್ಪುಟ್ಗಳು ಲೆಕ್ಕಹಾಕುವ ದೋಷಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತವೆ.
z-score ಗೆ ಸಂಬಂಧಿಸಿದ ಸಂಗ್ರಹಿತ ಸಂಭವನೀಯತೆ ಒಂದು ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯಲ್ಲಿನ ಯಾದೃಚ್ಛಿಕ ಚರವು ನೀಡಲಾದ ಮೌಲ್ಯಕ್ಕಿಂತ ಕಡಿಮೆ ಅಥವಾ ಸಮಾನವಾಗಿರುವ ಸಂಭವನೀಯತೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಇದು ನಿರ್ದಿಷ್ಟ z-score ಗೆ ಎಡಕ್ಕೆ ಇರುವ ಸಾಮಾನ್ಯ ವಿತರಣಾ ವಕ್ರದ ಅಂಚಿನ ಅಂಚೆ.
ಗಣಿತವಾಗಿ, ಸಂಗ್ರಹಿತ ಸಂಭವನೀಯತೆ ಅನ್ನು ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಸಮಗ್ರ ವಿತರಣಾ ಕಾರ್ಯ (CDF) ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ:
Where:
ಸಂಗ್ರಹಿತ ಸಂಭವನೀಯತೆ ಅಂಕಶಾಸ್ತ್ರದಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಶ್ರೇಣಿಯ ಒಳಗೆ ಮೌಲ್ಯವು ಸಂಭವಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ನಿರ್ಧರಿಸಲು ಅಗತ್ಯವಾಗಿದೆ. ಇದು ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣ, ಹಣಕಾಸು ಮತ್ತು ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನಗಳಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.
ಕೆಳಗಿನ SVG ಚಿತ್ರವು ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣಾ ವಕ್ರ ಮತ್ತು z-score ಅನ್ನು ಚಿತ್ರಿಸುತ್ತದೆ:
ಚಿತ್ರ: z-score ಅನ್ನು ಛಾಯಾಗ್ರಹಣ ಮಾಡಿದ ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣಾ ವಕ್ರ
ಈ ಚಿತ್ರವು ಮಧ್ಯದಲ್ಲಿ μ ಅನ್ನು ಹೊಂದಿರುವ ಸಾಮಾನ್ಯ ವಿತರಣಾ ವಕ್ರವನ್ನು ತೋರಿಸುತ್ತದೆ. ಛಾಯಾಗ್ರಹಣ ಮಾಡಿದ ಪ್ರದೇಶವು z-score ಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಡೇಟಾ ಪಾಯಿಂಟ್ x ಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಸಂಗ್ರಹಿತ ಸಂಭವನೀಯತೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.
Different Scales ನಲ್ಲಿ ಮಾನಕೀಕರಣ:
z-scores ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಮಾನಕೀಕರಣ ಮಾಡುವ ಮೂಲಕ ವಿಭಿನ್ನ ಅಳತೆಗಳಿಂದ ಡೇಟಾವನ್ನು ಹೋಲಿಸಲು ಅನುಮತಿಸುತ್ತವೆ.
ಔಟ್ಲಿಯರ್ ಗುರುತಿಸುವಿಕೆ:
ಅರ್ಥದಿಂದ ಬಹಳ ದೂರವಿರುವ ಡೇಟಾ ಪಾಯಿಂಟ್ಗಳನ್ನು ಗುರುತಿಸುವುದು (ಉದಾಹರಣೆಗೆ, z-scores -3 ಕ್ಕಿಂತ ಕಡಿಮೆ ಅಥವಾ 3 ಕ್ಕಿಂತ ಹೆಚ್ಚು).
ಅಂಕಶಾಸ್ತ್ರ ಪರೀಕ್ಷೆ:
z-tests ಅನ್ನು ಒಳಗೊಂಡಂತೆ ಹಿಪೋಥೆಸಿಸ್ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ, ಇದು ಮಾದರಿ ಅರ್ಥವು ತಿಳಿದ ಜನರ ಅರ್ಥದಿಂದ ಪ್ರಮುಖವಾಗಿ ವಿಭಜಿತವಾಗಿದೆಯೇ ಎಂದು ನಿರ್ಧರಿಸಲು.
ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣ:
ಉತ್ಪಾದನೆಯಲ್ಲಿ, z-scores ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ, ಇದು ಔಟ್ಪುಟ್ಗಳು ಒಪ್ಪಿಗೆಯ ಮಟ್ಟಗಳಲ್ಲಿ ಉಳಿಯುತ್ತವೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ.
ಹಣಕಾಸು ಮತ್ತು ಹೂಡಿಕೆ:
ಮಾರುಕಟ್ಟೆ ಪ್ರಾತಿನಿಧ್ಯದ ಸಂಬಂಧದಲ್ಲಿ ಸ್ಟಾಕ್ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಅಂದಾಜಿಸಲು.
T-Score:
z-score ಗೆ ಹೋಲಿಸುವುದು ಆದರೆ ಮಾದರಿ ಗಾತ್ರವು ಸಣ್ಣವಾಗಿರುವಾಗ ಮತ್ತು ಜನಸಂಖ್ಯೆಯ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಗೊತ್ತಿಲ್ಲದಾಗ ಬಳಸಲಾಗುತ್ತದೆ.
Percentile Rank:
ಅದರ ಫ್ರೀಕ್ವೆನ್ಸಿ ವಿತರಣೆಯಲ್ಲಿ ಸಮಾನ ಅಥವಾ ಕಡಿಮೆ ಇರುವ ಅಂಕಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ.
ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಯುನಿಟ್ಗಳು:
z-scores ಅನ್ನು ಮಾನಕೀಕರಿಸುವ ಬದಲು ಕಚ್ಚಾ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಮೌಲ್ಯಗಳನ್ನು ಬಳಸುವುದು.
z-score ಯ ಪರಿಕಲ್ಪನೆ 19ನೇ ಶತಮಾನದಲ್ಲಿ ಕಾರ್ಲ್ ಫ್ರಿಡ್ರಿಕ್ ಗಾಸ್ ಅವರ ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಕೆಲಸದಿಂದ ಉಂಟಾದುದು. z-scores ಗೆ ಮೂಲಭೂತವಾದ ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಅಬ್ರಹಮ್ ಡೆ ಮೋವ್ರ್ ಮತ್ತು ಪಿಯರ್-ಸಿಮಾನ್ ಲಾಪ್ಲೆಸ್ ಮುಂತಾದ ಅಂಕಶಾಸ್ತ್ರಜ್ಞರು ಮುಂದುವರಿಸಿದರು. 20ನೇ ಶತಮಾನದಲ್ಲಿ ಅಂಕಶಾಸ್ತ್ರ ವಿಧಾನಗಳ ಅಭಿವೃದ್ಧಿಯೊಂದಿಗೆ z-scores ಬಳಸುವಿಕೆ ವ್ಯಾಪಕವಾಗಿ ಪ್ರಸಾರವಾಯಿತು, ವಿಶೇಷವಾಗಿ ಮಾನಸಿಕ ಪರೀಕ್ಷೆ ಮತ್ತು ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣದಲ್ಲಿ.
1## Excel ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2## A2 ನಲ್ಲಿ ಡೇಟಾ ಪಾಯಿಂಟ್, B2 ನಲ್ಲಿ ಅರ್ಥ, C2 ನಲ್ಲಿ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್
3=(A2 - B2) / C2
4
1## R ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2calculate_z_score <- function(x, mean, sd) {
3 if (sd == 0) {
4 stop("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.")
5 }
6 z <- (x - mean) / sd
7 return(z)
8}
9
10## ಉದಾಹರಣೆಯ ಬಳಕೆ:
11x <- 85
12mu <- 75
13sigma <- 5
14z_score <- calculate_z_score(x, mu, sigma)
15print(paste("Z-score:", z_score))
16
1% MATLAB ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2function z = calculate_z_score(x, mu, sigma)
3 if sigma == 0
4 error('ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.');
5 end
6 z = (x - mu) / sigma;
7end
8
9% ಉದಾಹರಣೆಯ ಬಳಕೆ:
10x = 90;
11mu = 80;
12sigma = 8;
13z = calculate_z_score(x, mu, sigma);
14fprintf('Z-score: %.2f\n', z);
15
1// JavaScript ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2function calculateZScore(x, mu, sigma) {
3 if (sigma === 0) {
4 throw new Error('ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.');
5 }
6 return (x - mu) / sigma;
7}
8
9// ಉದಾಹರಣೆಯ ಬಳಕೆ:
10const x = 100;
11const mu = 85;
12const sigma = 7;
13try {
14 const z = calculateZScore(x, mu, sigma);
15 console.log(`Z-score: ${z.toFixed(2)}`);
16} catch (error) {
17 console.error(error.message);
18}
19
1## Python ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2def calculate_z_score(x, mu, sigma):
3 if sigma == 0:
4 raise ValueError("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.")
5 return (x - mu) / sigma
6
7## ಉದಾಹರಣೆಯ ಬಳಕೆ:
8x = 95
9mu = 88
10sigma = 4
11try:
12 z = calculate_z_score(x, mu, sigma)
13 print("Z-score:", round(z, 2))
14except ValueError as e:
15 print(e)
16
1// Java ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2public class ZScoreCalculator {
3 public static double calculateZScore(double x, double mu, double sigma) {
4 if (sigma == 0) {
5 throw new IllegalArgumentException("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
6 }
7 return (x - mu) / sigma;
8 }
9
10 public static void main(String[] args) {
11 double x = 110;
12 double mu = 100;
13 double sigma = 5;
14
15 try {
16 double z = calculateZScore(x, mu, sigma);
17 System.out.printf("Z-score: %.2f%n", z);
18 } catch (IllegalArgumentException e) {
19 System.err.println(e.getMessage());
20 }
21 }
22}
23
1// C++ ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2#include <iostream>
3#include <stdexcept>
4
5double calculate_z_score(double x, double mu, double sigma) {
6 if (sigma == 0) {
7 throw std::invalid_argument("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
8 }
9 return (x - mu) / sigma;
10}
11
12int main() {
13 double x = 130;
14 double mu = 120;
15 double sigma = 10;
16
17 try {
18 double z = calculate_z_score(x, mu, sigma);
19 std::cout << "Z-score: " << z << std::endl;
20 } catch (const std::exception &e) {
21 std::cerr << e.what() << std::endl;
22 }
23
24 return 0;
25}
26
1## Ruby ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2def calculate_z_score(x, mu, sigma)
3 raise ArgumentError, "ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ." if sigma == 0
4 (x - mu) / sigma
5end
6
7## ಉದಾಹರಣೆಯ ಬಳಕೆ:
8x = 105
9mu = 100
10sigma = 5
11begin
12 z = calculate_z_score(x, mu, sigma)
13 puts "Z-score: #{z.round(2)}"
14rescue ArgumentError => e
15 puts e.message
16end
17
1<?php
2// PHP ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
3function calculate_z_score($x, $mu, $sigma) {
4 if ($sigma == 0) {
5 throw new Exception("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
6 }
7 return ($x - $mu) / $sigma;
8}
9
10// ಉದಾಹರಣೆಯ ಬಳಕೆ:
11$x = 115;
12$mu = 110;
13$sigma = 5;
14
15try {
16 $z = calculate_z_score($x, $mu, $sigma);
17 echo "Z-score: " . round($z, 2);
18} catch (Exception $e) {
19 echo $e->getMessage();
20}
21?>
22
1// Rust ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2fn calculate_z_score(x: f64, mu: f64, sigma: f64) -> Result<f64, String> {
3 if sigma == 0.0 {
4 return Err("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.".to_string());
5 }
6 Ok((x - mu) / sigma)
7}
8
9fn main() {
10 let x = 125.0;
11 let mu = 115.0;
12 let sigma = 5.0;
13
14 match calculate_z_score(x, mu, sigma) {
15 Ok(z) => println!("Z-score: {:.2}", z),
16 Err(e) => println!("{}", e),
17 }
18}
19
1// C# ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2using System;
3
4public class ZScoreCalculator
5{
6 public static double CalculateZScore(double x, double mu, double sigma)
7 {
8 if (sigma == 0)
9 throw new ArgumentException("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
10 return (x - mu) / sigma;
11 }
12
13 public static void Main()
14 {
15 double x = 135;
16 double mu = 125;
17 double sigma = 5;
18
19 try
20 {
21 double z = CalculateZScore(x, mu, sigma);
22 Console.WriteLine($"Z-score: {z:F2}");
23 }
24 catch (ArgumentException e)
25 {
26 Console.WriteLine(e.Message);
27 }
28 }
29}
30
1// Go ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2package main
3
4import (
5 "errors"
6 "fmt"
7)
8
9func calculateZScore(x, mu, sigma float64) (float64, error) {
10 if sigma == 0 {
11 return 0, errors.New("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ")
12 }
13 return (x - mu) / sigma, nil
14}
15
16func main() {
17 x := 140.0
18 mu := 130.0
19 sigma := 5.0
20
21 z, err := calculateZScore(x, mu, sigma)
22 if err != nil {
23 fmt.Println(err)
24 } else {
25 fmt.Printf("Z-score: %.2f\n", z)
26 }
27}
28
1// Swift ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
2func calculateZScore(x: Double, mu: Double, sigma: Double) throws -> Double {
3 if sigma == 0 {
4 throw NSError(domain: "ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.", code: 1, userInfo: nil)
5 }
6 return (x - mu) / sigma
7}
8
9// ಉದಾಹರಣೆಯ ಬಳಕೆ:
10let x = 120.0
11let mu = 110.0
12let sigma = 5.0
13
14do {
15 let z = try calculateZScore(x: x, mu: mu, sigma: sigma)
16 print("Z-score: \(String(format: "%.2f", z))")
17} catch let error as NSError {
18 print(error.domain)
19}
20
Standard Score - Wikipedia
Understanding Z-Scores - Statistics Solutions
Normal Distribution and Z-Scores - Khan Academy
Interactive Z-Score Calculator
https://www.socscistatistics.com/pvalues/normaldistribution.aspx
Visualizing the Normal Distribution
https://seeing-theory.brown.edu/normal-distribution/index.html
ನಿಮ್ಮ ಕೆಲಸದ ಹಂತಕ್ಕೆ ಉಪಯೋಗಿಸಬಹುದಾದ ಹೆಚ್ಚು ಉಪಕರಣಗಳನ್ನು ಹುಡುಕಿ ಹೊಸ ಉಪಕರಣಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ