Whiz Tools

Z-Score Calculator

Introduction

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.

Formula

z-score ಅನ್ನು ಕೆಳಗಿನ ಸೂತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ:

z=xμσz = \frac{x - \mu}{\sigma}

Where:

  • zz = z-score
  • xx = ವೈಯುಕ್ತಿಕ ಡೇಟಾ ಪಾಯಿಂಟ್
  • μ\mu = ಡೇಟಾಸೆಟ್‌ನ ಅರ್ಥ
  • σ\sigma = ಡೇಟಾಸೆಟ್‌ನ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್

ಈ ಸೂತ್ರವು ಒಂದು ಡೇಟಾ ಪಾಯಿಂಟ್ ಅರ್ಥದಿಂದ ಎಷ್ಟು ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್‌ಗಳಲ್ಲಿದೆ ಎಂಬುದನ್ನು ಲೆಕ್ಕಹಾಕುತ್ತದೆ.

Calculation

ಡೇಟಾ ಪಾಯಿಂಟಿನ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಲು:

  1. Mean (μ\mu) ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ:

    ಎಲ್ಲಾ ಡೇಟಾ ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಸೇರಿಸಿ ಮತ್ತು ಡೇಟಾ ಪಾಯಿಂಟ್‌ಗಳ ಸಂಖ್ಯೆಯೊಂದಿಗೆ ಹಂಚಿ.

    μ=i=1nxin\mu = \frac{\sum_{i=1}^{n} x_i}{n}
  2. Standard Deviation (σ\sigma) ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ:

    • Variance (σ2\sigma^2):

      σ2=i=1n(xiμ)2n\sigma^2 = \frac{\sum_{i=1}^{n} (x_i - \mu)^2}{n}
    • Standard Deviation:

      σ=σ2\sigma = \sqrt{\sigma^2}
  3. Z-Score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ:

    z-score ಸೂತ್ರದಲ್ಲಿ ಮೌಲ್ಯಗಳನ್ನು ಬದಲಾಯಿಸಿ.

    z=xμσz = \frac{x - \mu}{\sigma}

Edge Cases

  • Zero Standard Deviation (σ=0\sigma = 0):

    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 (x=μx = \mu):

    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.

Cumulative Probability

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 PP ಅನ್ನು ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಸಮಗ್ರ ವಿತರಣಾ ಕಾರ್ಯ (CDF) ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ:

P(Zz)=Φ(z)=12πzet2/2dtP(Z \leq z) = \Phi(z) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{z} e^{-t^2/2} \, dt

Where:

  • Φ(z)\Phi(z) = z ನಲ್ಲಿ ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯ CDF

ಸಂಗ್ರಹಿತ ಸಂಭವನೀಯತೆ ಅಂಕಶಾಸ್ತ್ರದಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಶ್ರೇಣಿಯ ಒಳಗೆ ಮೌಲ್ಯವು ಸಂಭವಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ನಿರ್ಧರಿಸಲು ಅಗತ್ಯವಾಗಿದೆ. ಇದು ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣ, ಹಣಕಾಸು ಮತ್ತು ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನಗಳಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.

SVG Diagram

ಕೆಳಗಿನ SVG ಚಿತ್ರವು ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣಾ ವಕ್ರ ಮತ್ತು z-score ಅನ್ನು ಚಿತ್ರಿಸುತ್ತದೆ:

μ x z

ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣಾ ವಕ್ರ

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.

Use Cases

Applications

  • 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.

Alternatives

  • 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.

History

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.

Examples

Excel

## Excel ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
## A2 ನಲ್ಲಿ ಡೇಟಾ ಪಾಯಿಂಟ್, B2 ನಲ್ಲಿ ಅರ್ಥ, C2 ನಲ್ಲಿ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್
=(A2 - B2) / C2

R

## R ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
calculate_z_score <- function(x, mean, sd) {
  if (sd == 0) {
    stop("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.")
  }
  z <- (x - mean) / sd
  return(z)
}

## ಉದಾಹರಣೆಯ ಬಳಕೆ:
x <- 85
mu <- 75
sigma <- 5
z_score <- calculate_z_score(x, mu, sigma)
print(paste("Z-score:", z_score))

MATLAB

% MATLAB ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
function z = calculate_z_score(x, mu, sigma)
    if sigma == 0
        error('ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.');
    end
    z = (x - mu) / sigma;
end

% ಉದಾಹರಣೆಯ ಬಳಕೆ:
x = 90;
mu = 80;
sigma = 8;
z = calculate_z_score(x, mu, sigma);
fprintf('Z-score: %.2f\n', z);

JavaScript

// JavaScript ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
function calculateZScore(x, mu, sigma) {
  if (sigma === 0) {
    throw new Error('ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.');
  }
  return (x - mu) / sigma;
}

// ಉದಾಹರಣೆಯ ಬಳಕೆ:
const x = 100;
const mu = 85;
const sigma = 7;
try {
  const z = calculateZScore(x, mu, sigma);
  console.log(`Z-score: ${z.toFixed(2)}`);
} catch (error) {
  console.error(error.message);
}

Python

## Python ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
def calculate_z_score(x, mu, sigma):
    if sigma == 0:
        raise ValueError("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.")
    return (x - mu) / sigma

## ಉದಾಹರಣೆಯ ಬಳಕೆ:
x = 95
mu = 88
sigma = 4
try:
    z = calculate_z_score(x, mu, sigma)
    print("Z-score:", round(z, 2))
except ValueError as e:
    print(e)

Java

// Java ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
public class ZScoreCalculator {
    public static double calculateZScore(double x, double mu, double sigma) {
        if (sigma == 0) {
            throw new IllegalArgumentException("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
        }
        return (x - mu) / sigma;
    }

    public static void main(String[] args) {
        double x = 110;
        double mu = 100;
        double sigma = 5;

        try {
            double z = calculateZScore(x, mu, sigma);
            System.out.printf("Z-score: %.2f%n", z);
        } catch (IllegalArgumentException e) {
            System.err.println(e.getMessage());
        }
    }
}

C/C++

// C++ ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
#include <iostream>
#include <stdexcept>

double calculate_z_score(double x, double mu, double sigma) {
    if (sigma == 0) {
        throw std::invalid_argument("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
    }
    return (x - mu) / sigma;
}

int main() {
    double x = 130;
    double mu = 120;
    double sigma = 10;

    try {
        double z = calculate_z_score(x, mu, sigma);
        std::cout << "Z-score: " << z << std::endl;
    } catch (const std::exception &e) {
        std::cerr << e.what() << std::endl;
    }

    return 0;
}

Ruby

## Ruby ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
def calculate_z_score(x, mu, sigma)
  raise ArgumentError, "ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ." if sigma == 0
  (x - mu) / sigma
end

## ಉದಾಹರಣೆಯ ಬಳಕೆ:
x = 105
mu = 100
sigma = 5
begin
  z = calculate_z_score(x, mu, sigma)
  puts "Z-score: #{z.round(2)}"
rescue ArgumentError => e
  puts e.message
end

PHP

<?php
// PHP ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
function calculate_z_score($x, $mu, $sigma) {
  if ($sigma == 0) {
    throw new Exception("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
  }
  return ($x - $mu) / $sigma;
}

// ಉದಾಹರಣೆಯ ಬಳಕೆ:
$x = 115;
$mu = 110;
$sigma = 5;

try {
  $z = calculate_z_score($x, $mu, $sigma);
  echo "Z-score: " . round($z, 2);
} catch (Exception $e) {
  echo $e->getMessage();
}
?>

Rust

// Rust ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
fn calculate_z_score(x: f64, mu: f64, sigma: f64) -> Result<f64, String> {
    if sigma == 0.0 {
        return Err("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.".to_string());
    }
    Ok((x - mu) / sigma)
}

fn main() {
    let x = 125.0;
    let mu = 115.0;
    let sigma = 5.0;

    match calculate_z_score(x, mu, sigma) {
        Ok(z) => println!("Z-score: {:.2}", z),
        Err(e) => println!("{}", e),
    }
}

C#

// C# ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
using System;

public class ZScoreCalculator
{
    public static double CalculateZScore(double x, double mu, double sigma)
    {
        if (sigma == 0)
            throw new ArgumentException("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.");
        return (x - mu) / sigma;
    }

    public static void Main()
    {
        double x = 135;
        double mu = 125;
        double sigma = 5;

        try
        {
            double z = CalculateZScore(x, mu, sigma);
            Console.WriteLine($"Z-score: {z:F2}");
        }
        catch (ArgumentException e)
        {
            Console.WriteLine(e.Message);
        }
    }
}

Go

// Go ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
package main

import (
    "errors"
    "fmt"
)

func calculateZScore(x, mu, sigma float64) (float64, error) {
    if sigma == 0 {
        return 0, errors.New("ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ")
    }
    return (x - mu) / sigma, nil
}

func main() {
    x := 140.0
    mu := 130.0
    sigma := 5.0

    z, err := calculateZScore(x, mu, sigma)
    if err != nil {
        fmt.Println(err)
    } else {
        fmt.Printf("Z-score: %.2f\n", z)
    }
}

Swift

// Swift ನಲ್ಲಿ z-score ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ
func calculateZScore(x: Double, mu: Double, sigma: Double) throws -> Double {
    if sigma == 0 {
        throw NSError(domain: "ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಡೆವಿಯೇಶನ್ ಶೂನ್ಯವಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ.", code: 1, userInfo: nil)
    }
    return (x - mu) / sigma
}

// ಉದಾಹರಣೆಯ ಬಳಕೆ:
let x = 120.0
let mu = 110.0
let sigma = 5.0

do {
    let z = try calculateZScore(x: x, mu: mu, sigma: sigma)
    print("Z-score: \(String(format: "%.2f", z))")
} catch let error as NSError {
    print(error.domain)
}
Loading related tools...
Feedback