హిస్టోగ్రామ్ ఫార్ములా | హిస్టోగ్రామ్ సమీకరణం (ఉదాహరణలు) ఉపయోగించి ప్రాంతాన్ని లెక్కించండి
హిస్టోగ్రాం ఎక్సెల్ లో ఒక రకమైన గ్రాఫికల్ ప్రాతినిధ్యం మరియు ఒకటి చేయడానికి వివిధ పద్ధతులు ఉన్నాయి, కానీ విశ్లేషణ టూల్ప్యాక్ లేదా పివట్ టేబుల్ నుండి ఉపయోగించటానికి బదులుగా మనం సూత్రాల నుండి హిస్టోగ్రాం తయారు చేయవచ్చు మరియు హిస్టోగ్రాం చేయడానికి ఉపయోగించే సూత్రాలు ఫ్రీక్వెన్సీ మరియు కౌంటిఫ్లు కలిసి సూత్రాలు.
హిస్టోగ్రామ్ ఫార్ములా అంటే ఏమిటి?
హిస్టోగ్రాం యొక్క సూత్రం ప్రాథమికంగా బార్ల ప్రాంతం చుట్టూ తిరుగుతుంది మరియు ఇది చాలా సులభం మరియు ఇది ప్రతి తరగతి విరామం యొక్క ఫ్రీక్వెన్సీ సాంద్రత మరియు సంబంధిత తరగతి విరామం యొక్క వెడల్పు యొక్క ఉత్పత్తి యొక్క సమ్మషన్ ద్వారా లెక్కించబడుతుంది. హిస్టోగ్రాం సూత్రం యొక్క ప్రాంతం గణితశాస్త్రపరంగా,
హిస్టోగ్రామ్ ఫార్ములా యొక్క వివరణ
హిస్టోగ్రాం యొక్క వైశాల్యాన్ని లెక్కించడానికి సూత్రాన్ని ఈ క్రింది సాధారణ ఏడు దశలను ఉపయోగించడం ద్వారా పొందవచ్చు:
దశ 1: మొదట, ప్రక్రియను ఎలా కొలవాలి మరియు ఏ డేటాను సేకరించాలి అనే దానిపై నిర్ణయం తీసుకోవాలి. నిర్ణయించిన తర్వాత, డేటా సేకరించి స్ప్రెడ్షీట్ వంటి పట్టిక రూపంలో ప్రదర్శించబడుతుంది.
దశ 2: ఇప్పుడు, సేకరించిన డేటా పాయింట్ల సంఖ్యను లెక్కించండి.
దశ 3: తరువాత, డేటా నమూనాలోని గరిష్ట మరియు కనిష్ట విలువల మధ్య వ్యత్యాసం ఉన్న నమూనా పరిధిని నిర్ణయించండి.
పరిధి = గరిష్ట విలువ - కనిష్ట విలువ
దశ 4: తరువాత, ఈ క్రింది రెండు పద్ధతులపై ఆధారపడి ఉండే తరగతి విరామాల సంఖ్యను నిర్ణయించండి,
- బొటనవేలు నియమం ప్రకారం, 10 విరామాల సంఖ్యగా ఉపయోగించండి లేదా
- డేటా పాయింట్ల సంఖ్య యొక్క వర్గమూలం ద్వారా విరామాల సంఖ్యను లెక్కించవచ్చు, తరువాత సమీప మొత్తం సంఖ్యకు గుండ్రంగా ఉంటుంది.
విరామాల సంఖ్య =
దశ 5: ఇప్పుడు, డేటా నమూనా యొక్క పరిధిని విరామాల సంఖ్యతో విభజించడం ద్వారా విరామం తరగతి యొక్క వెడల్పును నిర్ణయించండి.
తరగతి వెడల్పు = పరిధి / విరామాల సంఖ్య
దశ 6: తరువాత, ప్రతి విరామానికి పౌన encies పున్యాలతో పట్టిక లేదా స్ప్రెడ్షీట్ను అభివృద్ధి చేయండి. అప్పుడు, ఫ్రీక్వెన్సీని సంబంధిత క్లాస్ వెడల్పుతో విభజించడం ద్వారా ప్రతి విరామానికి ఫ్రీక్వెన్సీ సాంద్రతను పొందండి.
దశ 7: చివరగా, హిస్టోగ్రాం సమీకరణం యొక్క ప్రాంతం అన్ని పౌన frequency పున్య సాంద్రత యొక్క ఉత్పత్తిని మరియు వాటి సంబంధిత తరగతి వెడల్పును జోడించడం ద్వారా లెక్కించబడుతుంది.
హిస్టోగ్రామ్ ఫార్ములా యొక్క ఉదాహరణలు (ఎక్సెల్ మూసతో)
హిస్టోగ్రాం సమీకరణం యొక్క గణనను బాగా అర్థం చేసుకోవడానికి కొన్ని సరళమైన మరియు అధునాతన ఉదాహరణను చూద్దాం.
మీరు ఈ హిస్టోగ్రామ్ ఫార్ములా ఎక్సెల్ మూసను ఇక్కడ డౌన్లోడ్ చేసుకోవచ్చు - హిస్టోగ్రామ్ ఫార్ములా ఎక్సెల్ మూస
హిస్టోగ్రామ్ ఫార్ములా - ఉదాహరణ # 1
ఒక తరగతిలోని పిల్లల బరువులను చూపించే దిగువ పట్టికను పరిశీలిద్దాం.
పై పట్టిక నుండి, కింది వాటిని లెక్కించవచ్చు
- మొదటి విరామం యొక్క తరగతి వెడల్పు = 35 - 30 = 5
- రెండవ విరామం యొక్క తరగతి వెడల్పు = 45 - 35 = 10
- మూడవ విరామం యొక్క తరగతి వెడల్పు = 50 - 45 = 5
- నాల్గవ విరామం యొక్క తరగతి వెడల్పు = 55 - 50 = 5
- ఐదవ విరామం యొక్క తరగతి వెడల్పు = 65 - 55 = 10
మళ్ళీ,
- మొదటి విరామం యొక్క ఫ్రీక్వెన్సీ సాంద్రత = 2/5 = 0.4
- రెండవ విరామం యొక్క ఫ్రీక్వెన్సీ సాంద్రత = 7/10 = 0.7
- మూడవ విరామం యొక్క ఫ్రీక్వెన్సీ సాంద్రత = 21/5 = 4.2
- నాల్గవ విరామం యొక్క ఫ్రీక్వెన్సీ సాంద్రత = 15/5 = 3.0
- ఐదవ విరామం యొక్క ఫ్రీక్వెన్సీ సాంద్రత = 2/10 = 0.2
మొదట హిస్టోగ్రామ్ ఫార్ములా యొక్క లెక్కింపు కోసం, పైన చూపిన విధంగా మేము తరగతి వెడల్పు మరియు ఫ్రీక్వెన్సీ సాంద్రతను లెక్కించాలి.
అందువల్ల, హిస్టోగ్రాం యొక్క ప్రాంతం = 0.4 * 5 + 0.7 * 10 + 4.2 * 5 + 3.0 * 5 + 0.2 * 10
కాబట్టి, హిస్టోగ్రాం యొక్క ప్రాంతం ఉంటుంది -
- కాబట్టి, హిస్టోగ్రాం యొక్క వైశాల్యం = 47 పిల్లలు
పిల్లల బరువు యొక్క గ్రాఫికల్ ప్రాతినిధ్యం క్రింద చూపబడింది,
Lev చిత్యం మరియు ఉపయోగాలు
హిస్టోగ్రాం సమీకరణం యొక్క భావన చాలా ఉపయోగకరంగా ఉంటుంది, ఎందుకంటే ఇది డేటా సమితిని చిత్రీకరించడానికి ఉపయోగించబడుతుంది. హిస్టోగ్రాం బార్ చార్ట్తో సమానమైనదిగా కనిపిస్తున్నప్పటికీ, హిస్టోగ్రాం యొక్క తుది ఉపయోగం బార్ చార్ట్ కంటే చాలా భిన్నంగా ఉంటుంది. హిస్టోగ్రాం పెద్ద మొత్తంలో డేటాను మరింత అర్థమయ్యే విధంగా ప్రదర్శించడానికి ఉపయోగపడుతుంది, ఇది దృశ్యమానం చేయడం సులభం. హిస్టోగ్రాం ప్రతి తరగతి విరామం యొక్క ఫ్రీక్వెన్సీ సాంద్రతను సంగ్రహిస్తుంది. హిస్టోగ్రాం నుండి మధ్యస్థ మరియు డేటా పంపిణీని నిర్ణయించవచ్చు. అలాగే, పంపిణీ యొక్క వక్రతను నిర్ణయించవచ్చు, ఎడమ లేదా కుడి వైపున ఉన్న బార్లు ఎక్కువగా ఉంటే అది డేటా వక్రంగా ఉందని సూచిస్తుంది, లేకపోతే డేటా సుష్టంగా ఉంటుంది.
హిస్టోగ్రాం ప్రధానంగా దేశవ్యాప్తంగా జనాభా లెక్కల వంటి పెద్ద ఎత్తున వ్యాయామం విషయంలో దాని అనువర్తనాన్ని కనుగొంటుంది, ఇది ప్రతి పదేళ్ళలో నిర్వహించబడుతుంది. ఇటువంటి సందర్భాల్లో, డేటాను సంకలనం చేసి హిస్టోగ్రామ్లో ప్రదర్శిస్తారు, తద్వారా దీన్ని సులభంగా అధ్యయనం చేయవచ్చు. అలాగే, హిస్టోగ్రాం సృష్టించబడిన సర్వేల సందర్భాల్లో, హిస్టోగ్రాంను అర్థం చేసుకోగలిగిన ఎవరైనా డేటాను తదుపరి అధ్యయనాలు లేదా విశ్లేషణల కోసం తరువాత ఉపయోగించవచ్చు.