డేటా సమితిలో సంఖ్యల మధ్య వ్యాప్తి యొక్క కొలత వైవిధ్యం. సమితిలోని ప్రతి సంఖ్య సగటు నుండి ఎంత దూరంలో ఉందో వ్యత్యాసం కొలుస్తుంది.
డేటా సెట్ చార్ట్ ఉపయోగించి, వివిధ డేటా పాయింట్లు లేదా సంఖ్యల యొక్క సరళ సంబంధం ఏమిటో మనం గమనించవచ్చు. రిగ్రెషన్ లైన్ గీయడం ద్వారా మేము దీన్ని చేస్తాము, ఇది లైన్ నుండి ఏదైనా వ్యక్తిగత డేటా పాయింట్ యొక్క దూరాన్ని తగ్గించడానికి ప్రయత్నిస్తుంది. దిగువ చార్టులో, డేటా పాయింట్లు నీలం చుక్కలు, నారింజ రేఖ రిగ్రెషన్ లైన్, మరియు ఎరుపు బాణాలు గమనించిన డేటా మరియు రిగ్రెషన్ లైన్ నుండి దూరం.
చిత్రం జూలీ బ్యాంగ్ © ఇన్వెస్టోపీడియా 2020
మేము ఒక వైవిధ్యాన్ని లెక్కించినప్పుడు, ఈ డేటా పాయింట్లన్నింటిని బట్టి, మేము అడుగుతున్నాము, తదుపరి డేటా పాయింట్పై మనం ఎంత దూరం ఆశించాము? ఈ "దూరం" ను లోపం పదం అని పిలుస్తారు మరియు ఇది వ్యత్యాసాన్ని కొలుస్తుంది.
స్వయంగా, వైవిధ్యం తరచుగా ఉపయోగపడదు ఎందుకంటే దీనికి యూనిట్ లేదు, ఇది కొలవడం మరియు పోల్చడం కష్టతరం చేస్తుంది. ఏదేమైనా, వైవిధ్యం యొక్క వర్గమూలం ప్రామాణిక విచలనం, మరియు ఇది కొలత వలె ఆచరణాత్మకమైనది.
ఎక్సెల్ లో వ్యత్యాసాన్ని లెక్కిస్తోంది
మీరు ఇప్పటికే సాఫ్ట్వేర్లోకి డేటా సెట్ను కలిగి ఉంటే ఎక్సెల్లో వ్యత్యాసాన్ని లెక్కించడం సులభం. దిగువ ఉదాహరణలో, ఎస్ & పి 500 లో పెట్టుబడులు పెట్టే ఎస్పీవై అనే అత్యంత ప్రజాదరణ పొందిన ఎక్స్ఛేంజ్-ట్రేడెడ్ ఫండ్ (ఇటిఎఫ్) లో రోజువారీ రాబడి యొక్క 20 రోజుల వ్యత్యాసాన్ని మేము లెక్కిస్తాము.
- సూత్రం = VAR.S (డేటాను ఎంచుకోండి)
మీరు VAR.S ను ఉపయోగించాలనుకుంటున్నారు మరియు VAR.P కాదు (ఇది అందించే మరొక సూత్రం) తరచుగా కొలవడానికి మీకు మొత్తం డేటా మొత్తం ఉండదు. ఉదాహరణకు, మా పట్టికలో SPY ETF చరిత్రలో మనకు అన్ని రాబడి ఉంటే, మేము జనాభా కొలత VAR.P ని ఉపయోగించవచ్చు, కాని మేము భావనను వివరించడానికి గత 20 రోజులను మాత్రమే కొలుస్తున్నాము కాబట్టి, మేము VAR.S.
మీరు గమనిస్తే,.000018674 యొక్క లెక్కించిన వ్యత్యాస విలువ డేటా సమితి గురించి స్వయంగా మాకు తెలియజేస్తుంది. రాబడి యొక్క ప్రామాణిక విచలనాన్ని పొందడానికి మేము ఆ విలువను స్క్వేర్ రూట్లోకి వెళితే, అది మరింత ఉపయోగకరంగా ఉంటుంది.
