Vastaus:
Selitys:
Jos haluat löytää varianssin, meidän on ensin laskettava keskiarvo.
Keskiarvon laskemiseen yksinkertaisesti lisätään kaikki datapisteet ja jaetaan sitten datapisteiden lukumäärällä.
Keskiarvon kaava
Missä
Tietojemme joukossa on:
Joten keskiarvo on
Nyt laskea varianssi, selvitämme, kuinka kaukana kukin datapiste on keskiarvosta, sitten neliöi jokainen näistä arvoista, lisää ne ja jaa datapisteiden lukumäärällä.
Varianssille annetaan symboli
Varianssin kaava on:
Joten meidän tietojemme osalta:
Mikä on vastaus ja vaiheet tähän? Koska (a + b + c) ^ 2 = 3 (a ^ 2 + b ^ 2 + c ^ 2) ja a + b + c = 12. löytää arvon a. Kiireellinen, näyttää vaiheet. Kiitos paljon
Kuvaviite ..... Vastaus: a = 4> Onko sinulla ongelmia ongelmassa ??? Voit vapaasti ilmoittaa minulle ... Vältä sinisen värin merkkejä vastaukseen. Toivottavasti se auttaa .... Kiitos ...
Mikä on ero kategoristen (kvalitatiivisten) tietojen ja numeeristen (kvantitatiivisten) tietojen välillä?
Itse asiassa on olemassa kolme päätyyppiä. Laadullisilla tai kategorisilla tiedoilla ei ole loogista järjestystä, eikä niitä voida muuntaa numeeriseksi arvoksi. Silmien väri on esimerkki, koska "ruskea" ei ole korkeampi tai pienempi kuin "sininen". Määrälliset tai numeeriset tiedot ovat numeroita, ja siten ne "määräävät" tilauksen. Esimerkkejä ovat ikä, korkeus, paino. Mutta katsokaa sitä! Kaikki numeeriset tiedot eivät ole kvantitatiivisia. Eräs esimerkki poikkeuksesta on luottokortin turv
Mikä ero on jatkuvien tietojen ja erillisten tietojen välillä?
Tärkein ero on se, että jatkuvat tiedot ovat mitattavissa ja diskreeteillä tiedoilla voi olla vain tiettyjä arvoja. Ne voivat olla laskettavissa. Esimerkkejä jatkuvasta: ** Korkeus, paino, tulot ovat mitattavissa ja niillä voi olla mitään arvoa. Esimerkkejä diskreeteistä: Itse asiassa on olemassa kahdenlaisia erillisiä tietoja: laskettavissa: lasten lukumäärä. Luokan muuttuja: Silmien väri