How Do You Calculate Variance? A Simple Explanation With Real Examples
How to calculate variance step by step: find the mean, the deviations, the squared deviations and the sum of squares, with a fully worked example.
ডেটা ইনপুট
ফলাফল দেখতে ডেটা মান লিখুন
Variance tells you how spread out a set of numbers is: how far, on average, the values sit from their mean once each distance is squared. This calculator takes a list of numbers and works that out for you. It finds the mean, subtracts it from every value, squares the differences, adds them up and divides, then shows each of those steps so you can follow or check the working.
It is written for students checking homework, teachers preparing examples, and anyone who needs a quick, reliable figure for a report or a spreadsheet. You get both versions of the answer: sample variance (s²), which divides by n − 1 and is the one to use when your numbers are a sample from a larger group, and population variance (σ²), which divides by n and is for when you have every value in the group. The standard deviation, mean, range and sum of squares come with it.
To use it, type or paste your numbers into the box above, separated by commas, spaces or new lines. You can paste a column straight from Excel or Google Sheets. Choose Sample or Population, and the results and chart update as you type. Everything is calculated in your browser, so your data is not uploaded anywhere.
ভেরিয়েন্স গণনার পিছনের গণিতটি বুঝুন।
ইন্টারেক্টিভ: এটি কী প্রতিনিধিত্ব করে তা দেখতে সূত্রটিতে যে কোনও চিহ্নের উপর হোভার করুন বা আলতো চাপুন।
নমুনাকৃত ডেটা থেকে একটি নিরপেক্ষ প্রকরণ অনুমানের জন্য n − 1 (বেসেলের সংশোধন) ব্যবহার করে। যখন প্রকৃত জনসংখ্যার মানে অজানা থাকে তখন এই সমন্বয় স্বাধীনতার ডিগ্রির জন্য দায়ী।
সরাসরি n দ্বারা ভাগ করে। কোনো সংশোধনের প্রয়োজন নেই কারণ জনসংখ্যার গড় (μ) হল সমগ্র জনসংখ্যার প্রকৃত গড়।
সূত্রের মাধ্যমে কিভাবে ডেটা প্রবাহিত হয়
জনসংখ্যার ভিন্নতা এবং নমুনা ভিন্নতা এক জায়গায় আলাদা: ভাজক। জনসংখ্যার বৈচিত্র্য বর্গীয় পার্থক্যের যোগফলকে n (মোট গণনা) দ্বারা ভাগ করে। নমুনা প্রকরণ n − 1 দ্বারা ভাগ করে — বেসেলের সংশোধন — নমুনাকৃত ডেটা থেকে একটি নিরপেক্ষ প্রকরণ অনুমান তৈরি করতে। এই সংশোধন ছোট নমুনা সঙ্গে সবচেয়ে গুরুত্বপূর্ণ. বড় ডেটাসেটের জন্য, পার্থক্য সঙ্কুচিত হয়।
ভ্যারিয়েন্স একটি ডেটা সেটের প্রতিটি সংখ্যা গড় থেকে কত দূরে বসে তা পরিমাপ করে। এগুলি হল প্রকরণ গণনার ধাপ।
প্রকরণ গণনা করতে, গড় থেকে বর্গক্ষেত্রের পার্থক্যের গড় খুঁজুন। প্রক্রিয়াটি জনসংখ্যার বৈচিত্র্য এবং নমুনা ভিন্নতার জন্য একই - একমাত্র পার্থক্য হল আপনি শেষে n বা n −1 দ্বারা ভাগ করবেন কিনা। এই পরিসংখ্যানগত বৈচিত্র্য গণনা কোনো ডেটা সেটের জন্য কাজ করে, জরিপ বিশ্লেষণ থেকে মেশিন লার্নিং বৈশিষ্ট্য নির্বাচন পর্যন্ত।
এটি চেষ্টা করুন: নম্বর লিখুন এবং প্রতিটি পদক্ষেপ দেখুন
কমা দ্বারা বিভক্ত 3-8 নম্বর টাইপ করুন। নীচের ধাপগুলি রিয়েল টাইমে আপনার ডেটার সাথে পার্থক্য গণনা করবে।
গড় খুঁজুন (গড়)
ডেটা সেটে সমস্ত মান যোগ করুন এবং গণনা দ্বারা ভাগ করুন। [4, 8, 6, 5, 3] এর জন্য গড় হল (4+8+6+5+3) ÷ 5 = 5.2। এই গড় হল প্রতিটি প্রকরণ গণনার কেন্দ্রবিন্দু।
বিচ্যুতি পেতে গড় বিয়োগ করুন
এর বিচ্যুতি খুঁজে পেতে প্রতিটি সংখ্যা থেকে গড় বিয়োগ করুন। নেতিবাচক বিচ্যুতি মানে মান গড় থেকে নিচে; ইতিবাচক মান উপরে আছে। বিচ্যুতির যোগফল সর্বদা 0 এর সমান।
বর্গাকার প্রতিটি বিচ্যুতি
এটিকে ইতিবাচক করতে প্রতিটি বিচ্যুতি বর্গ করুন। এটি নিশ্চিত করে যে গড়ের নীচে এবং উপরে বিচ্যুতিগুলি একে অপরকে বাতিল করে না। স্কোয়ারিং আউটলিয়ারদের আরও ওজন দেয়।
বর্গীয় বিচ্যুতির সমষ্টি
সমস্ত বর্গক্ষেত্র বিচ্যুতি একসাথে যোগ করুন। এই যোগফলকে Sum of Squares (SS) বলা হয়। আমাদের ডেটার জন্য, এটি 1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8।
পার্থক্য পেতে ভাগ করুন
বর্গের সমষ্টিকে N (জনসংখ্যার জন্য) বা n −1 (নমুনার জন্য) দ্বারা ভাগ করুন। নমুনা ভিন্নতার জন্য, আমরা 3.7 পেতে 14.8 কে 4 দ্বারা ভাগ করি। জনসংখ্যার ভিন্নতার জন্য, আমরা 2.96 পেতে 5 দিয়ে ভাগ করি।
আসুন একটি নমুনা ডেটাসেটের প্রকরণ গণনা করি: 4, 8, 6, 5, 3, 7, 2, 9।
ডেটা সেট বিবেচনা করুন: 4, 8, 6, 5, 3, 7, 2, 9। আমরা এই 8টি মানের জন্য নমুনা প্রকরণ (s²) এবং জনসংখ্যার ভিন্নতা (σ²) উভয়ই গণনা করব। নীচের বার চার্টটি দেখুন — এটি প্রতিটি ডেটা পয়েন্ট, গড় রেখা এবং বর্গক্ষেত্র বিচ্যুতি দেখায় যখন আপনি প্রতিটি ধাপে স্ক্রোল করেন।
গড় হল ডেটা সেটের কেন্দ্র — এই বিন্দু থেকে প্রতিটি বিচ্যুতি পরিমাপ করা হয়। উপরের বার চার্টে, ড্যাশ করা রেখাটি x̄ = 5.5 চিহ্নিত করে।
| xᵢ | বিচ্যুতি (x − x̄) | বর্গক্ষেত্র বিচ্যুতি (x − x̄)² |
|---|---|---|
| 4 | −1.5 | 2.25 |
| 8 | 2.5 | 6.25 |
| 6 | 0.5 | 0.25 |
| 5 | −0.5 | 0.25 |
| 3 | −2.5 | 6.25 |
| 7 | 1.5 | 2.25 |
| 2 | −3.5 | 12.25 |
| 9 | 3.5 | 12.25 |
প্রতিটি সারি একটি ডেটা পয়েন্ট, গড় থ��কে এর বিচ্যুতি এবং বর্গক্ষেত্র বিচ্যুতি দেখায়। লক্ষ্য করুন কিভাবে x̄ থেকে অনেক দূরের মান (যেমন 2 এবং 9) অনেক বড় বর্গ পার্থক্য তৈরি করে।
বর্গক্ষেত্রের এই সমষ্টি (42) গড় থেকে সমস্ত ডেটা পয়েন্টের মোট বর্গ দূরত্বকে প্রতিনিধিত্ব করে। এটি উভয় প্রকরণ সূত্রে লব।
ক্যালকুলেটর ছাড়াই ম্যানুয়ালি ভ্যারিয়েন্স গণনা করতে এই চেকলিস্টের ধাপগুলি অনুসরণ করুন।
সমস্ত সংখ্যা পরিষ্কারভাবে তালিকাভুক্ত করুন। আপনার কতগুলি মান আছে তা গণনা করুন (n)।
সমস্ত সংখ্যা যোগ করুন এবং n দ্বারা ভাগ করুন। এই মান নোট করুন.
প্রতিটি কাঁচা মান থেকে গড় বিয়োগ করুন। কিছু নেতিবাচক হবে।
প্রতিটি পার্থক্য নিজেই গুণ করুন। সমস্ত মান ইতিবাচক হতে হবে।
বর্গীয় পার্থক্যের যোগফল। এটি আপনার স্কোয়ারের সমষ্টি।
এই চূড়ান্ত ধাপটি আপনাকে ভিন্নতা দেয়।
যখন ডেটা সেটে গোষ্ঠীর প্রতিটি সদস্য অন্তর্ভুক্ত থাকে, তখন জনসংখ্যার ভিন্নতা ব্যবহার করুন — n দ্বারা ভাগ করুন, n −1 নয়।
জনসংখ্যার ভিন্নতা প্রযোজ্য হয় যখন আপনার ডেটা সেটে সমগ্র জনসংখ্যার প্রতিটি পর্যবেক��ষণ অন্তর্ভুক্ত থাকে — নমুনা নয়। উদাহরণ: একটি কোম্পানির সমস্ত কর্মচারী, একটি ক্লাসের প্রতিটি পরীক্ষার স্কোর, মান নিয়ন্ত্রণের সময় একটি ব্যাচের সমস্ত পণ্য। সূত্রটি μ (সত্য জনসংখ্যার গড়) ব্যবহার করে এবং n (সম্পূর্ণ গণনা) দ্বারা ভাগ করে। কোন Bessel এর সংশোধন. স্বাধীনতা সমন্বয় কোন ডিগ্রী.
ইন্টারেক্টিভ: নমুনার আকার পরিবর্তনকে কীভাবে প্রভাবিত করে
জনসংখ্যার আকারের সাথে σ² এবং s² এর পার্থক্য কীভাবে পরিবর্তিত হয় তা দেখতে স্লাইডারটি টেনে আনুন। ছোট n এ, ফাঁকটি বড়। n বাড়ার সাথে সাথে নমুনা বৈচিত্র্য জনসংখ্যার বৈচিত্রের দিকে একত্রিত হয়।
কনভারজেন্স: n বাড়ার সাথে সাথে s² σ² এর কাছে আসে
9টি বিশেষ পরিসংখ্যানগত ক্যালকুলেটর — প্রতিটিতে ব্যক্তিগতকৃত ধাপে ধাপে সমাধান, সূত্র এবং প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী রয়েছে। আপনার স��স্যার সাথে মানানসই টুলটি বেছে নিন।
প্রমিত বিচ্যুতি ক্যালকুলেটর
ধাপে ধাপে সমাধানের সাথে সাথে সাথে মানক বিচ্যুতি গণনা করুন। আপনার ডেটা সেট লিখুন এবং জনসংখ্যা SD (σ), নমুনা SD (গুলি), …
মানে ক্যালকুলেটর
তাত্ক্ষণিকভাবে যেকোনো ডেটা সেটের গড় (গড়) গণনা করুন। প্রকরণ, মানক বিচ্যুতি, মধ্যক এবং আরও অনেক কিছু সহ পাটিগণিত গড় পান…
নমুনা বৈচিত্র্য ক্যালকু��েটর
ধাপে ধ���পে সমাধানের মাধ্যমে তাত্ক্ষণিকভাবে নমুনা বৈচিত্র (s²) গণনা করুন। নিরপেক্ষ অনুমানের জন্য বেসেলের সংশোধন (n−1) ব্…
জনসংখ্যার ভিন্নতা ক্যালকুলেটর
ধাপে ধাপে সমাধানের মাধ্যমে তাৎক্ষণিকভাবে জনসংখ্যার ভিন্নতা (σ²) গণনা করুন। যখন আপনার সমগ্র জনসংখ্যা থাকে তখন সঠিক ভিন্নত…
প্রকরণের সহগ ক্যালকুলেটর
তাত্ক্ষণিকভাবে পরিবর্তনের সহগ (সিভি) গণনা করুন। বিভিন্ন ইউনিট বা স্কেলের সাথে ডেটা সেট জুড়ে আপেক্ষিক পরিবর্তনশীলতার তুল…
শতকরা পার্থক্য ক্যালকুলেটর
মানগুলির মধ্যে শতাংশের বৈচিত্র্য গণনা ���রুন বা গড়ের শতাংশ হিসাবে অভিব্যক্তি প্রকাশ করুন। প্রকরণ, প্রকরণ, মানক বিচ্যুতি…
পুলড ভ্যারিয়েন্স ক্যালকুলেটর
একাধিক গোষ্ঠী বা নমুনা থেকে পুল করা বৈচিত্র গণনা করুন। দুই-নমুনা টি-পরীক্ষা, ANOVA, এবং মেটা-বিশ্লেষণের জন্য নমুনা বৈচিত…
পোকার ভ্যারিয়েন্স ক্যালকুলেটর
পোকার ভ্যারিয়েন্স গণনা করুন এবং আপনার প্রত্যাশিত ফলাফলগুলি যেকোন সংখ্যক হাতে বুঝে নিন। জয়ের হারের ভিন্নতা, ডাউনসুইং সম…
ভেরিয়েন্স সম্পর্কে আপনার যা জানা দরকার।
6, 7, 5, 9, 12, 15 এর ভেরিয়েন্স নিম্নরূপ গণনা করা হয়। গড় = (6+7+5+9+12+15) / 6 = 9. গড় থেকে বর্গের বিচ্যুতি: (6−9)²=9, (7−9)²=4, (5−9)²=16, (9−9)²=0, (12−9)²=9, (15−9)²=36. বর্গের যোগফল = 74. জনসংখ্যা ভেরিয়েন্স (σ²) = 74 / 6 ≈ 12.33. নমুনা ভেরিয়েন্স (s²) = 74 / 5 = 14.8. যদি এই 6 টি সংখ্যা পুরো ডেটা সেট হয় তবে জনসংখ্যা ভেরিয়েন্স ব্যবহার করুন।
ভ্যারিয়েন্স, স্ট্যান্ডার্ড ডেভিয়েশন এবং ব্যবহারিক উদাহরণের ওপর আমাদের সেরা টিউটোরিয়ালগুলো দেখুন।
How to calculate variance step by step: find the mean, the deviations, the squared deviations and the sum of squares, with a fully worked example.
Variance and standard deviation describe the same spread on different scales. How they connect, what their units mean, which to report, and a worked example.
When to use sample variance and when to use population variance, why dividing by n − 1 corrects a bias, and a worked example with both formulas.