गणित

सांख्यिकीय शक्ति कैलकुलेटर

📊Statistical Power Calculator

Effect size (d)

0.2=small, 0.5=medium, 0.8=large

प्रति समूह नमूना आकार n

Alpha (α)

क्या है Statistical Power?

▾

सांख्यिकीय शक्ति एक विशेष मात्रात्मक उपकरण है जिसे सटीक सांख्यिकीय शक्ति गणना के लिए डिज़ाइन किया गया है। सांख्यिकीय शक्ति (1−β) किसी वास्तविक प्रभाव का सही ढंग से पता लगाने की संभावना है। 0.80 (80%) की शक्ति पारंपरिक न्यूनतम है - वास्तविक प्रभाव गायब होने की 20% संभावना (टाइप II त्रुटि)। यह कैलकुलेटर उन संदर्भों में सटीक, दोहराने योग्य गणनाओं की आवश्यकता को संबोधित करता है जहां सांख्यिकीय शक्ति विश्लेषण निर्णय लेने, योजना और मूल्यांकन में महत्वपूर्ण भूमिका निभाता है। यह कैलकुलेटर सांख्यिकीय शक्ति विश्लेषण के लिए विशिष्ट स्थापित गणितीय सिद्धांतों को नियोजित करता है। गणना परिभाषित चरणों के माध्यम से आगे बढ़ती है: शक्ति बढ़ती है: बड़ा एन, बड़ा प्रभाव आकार, उच्च α; डेटा एकत्र करने से पहले 80% शक्ति प्राप्त करने के लिए नमूना आकार की योजना बनाएं; पावर = Φ(|d|√(n/2) − z_α). इनपुट चर (सांख्यिकीय शक्ति, शक्ति) के बीच परस्पर क्रिया अंतिम परिणाम निर्धारित करती है, और सटीक व्याख्या के लिए इन संबंधों को समझना आवश्यक है। महत्वपूर्ण इनपुट में छोटे बदलाव आउटपुट में महत्वपूर्ण बदलाव ला सकते हैं, जिससे सटीक माप या अनुमान सर्वोपरि हो जाता है। पेशेवर अभ्यास में, सांख्यिकीय शक्ति वित्त, इंजीनियरिंग, विज्ञान और शिक्षा सहित कई क्षेत्रों में चिकित्सकों की सेवा करती है। उद्योग पेशेवर इसका उपयोग नियामक अनुपालन, प्रदर्शन बेंचमार्किंग और रणनीतिक विश्लेषण के लिए करते हैं। अनुभवजन्य डेटा के विरुद्ध सैद्धांतिक मॉडल को मान्य करने के लिए शोधकर्ता इस पर भरोसा करते हैं। व्यक्तिगत उपयोग के लिए, यह गणितीय कठोरता द्वारा समर्थित सूचित निर्णय लेने में सक्षम बनाता है। इस कैलकुलेटर की क्षमताओं और सीमाओं दोनों को समझने से यह सुनिश्चित होता है कि उपयोगकर्ता अपने विशिष्ट संदर्भ में परिणामों को उचित रूप से लागू कर सकते हैं।

PrimeCalcPro provides professional-grade tools trusted by businesses and academics.

सूत्र

▾

f(x)

सांख्यिकीय शक्ति गणना:
  चरण 1: शक्ति बढ़ती है: बड़े एन, बड़े प्रभाव आकार, उच्च α
  चरण 2: डेटा एकत्र करने से पहले 80% शक्ति प्राप्त करने के लिए नमूना आकार की योजना बनाएं
  चरण 3: पावर = Φ(|d|√(n/2) − z_α)

प्रत्येक चरण पिछले पर आधारित होता है, घटक गणनाओं को एक व्यापक सांख्यिकीय शक्ति परिणाम में जोड़ता है। सूत्र सांख्यिकीय शक्ति व्यवहार को नियंत्रित करने वाले गणितीय संबंधों को पकड़ता है।

चर विवरण

▾

प्रतीक	नाम	इकाई	विवरण
Statistical Power	एफ के रूप में गणना की गई	—	सांख्यिकीय शक्ति पैरामीटर सांख्यिकीय शक्ति गणना में एक प्रमुख मात्रात्मक इनपुट का प्रतिनिधित्व करता है, जो इसकी मानक इकाई में मापा जाता है और गणितीय सूत्र के माध्यम से गणना किए गए परिणाम को सीधे प्रभावित करता है।
Power	विद्युत आगम	—	पावर पैरामीटर सांख्यिकीय पावर गणना में एक प्रमुख मात्रात्मक इनपुट का प्रतिनिधित्व करता है, जो इसकी मानक इकाई में मापा जाता है और गणितीय सूत्र के माध्यम से गणना किए गए परिणाम को सीधे प्रभावित करता है।
Rate	दर पैरामीटर	—	सांख्यिकीय शक्ति गणना में लागू दर मान, प्रमुख सांख्यिकीय शक्ति चर के बीच आनुपातिक या अस्थायी संबंध का प्रतिनिधित्व करता है और आउटपुट के परिमाण को प्रभावित करता है

कैसे Statistical Power

▾

1शक्ति बढ़ती है: बड़ा n, बड़ा प्रभाव आकार, उच्च α
2डेटा एकत्र करने से पहले 80% शक्ति प्राप्त करने के लिए नमूना आकार की योजना बनाएं
3पावर = Φ(|d|√(n/2) − z_α)
4सांख्यिकीय शक्ति गणना के लिए आवश्यक इनपुट मानों की पहचान करें - आवश्यक सभी माप, दरें या पैरामीटर एकत्र करें।
5प्रत्येक मान को संबंधित इनपुट फ़ील्ड में दर्ज करें। रूपांतरण त्रुटियों से बचने के लिए सुनिश्चित करें कि इकाइयाँ सुसंगत (सभी मीट्रिक या सभी शाही) हैं।

हल किए गए उदाहरण

▾

उदाहरण 1

दिया गया:d=0.5 · n=50/समूह · α=0.05

परिणाम:शक्ति ≈ 70% - कम शक्ति

80% बिजली के लिए ~64/समूह की आवश्यकता है

इन इनपुटों के साथ सांख्यिकीय शक्ति सूत्र को लागू करने से प्राप्त होता है: शक्ति ≈ 70% - कम शक्ति। 80% बिजली के लिए ~64/समूह की आवश्यकता है यह एक विशिष्ट सांख्यिकीय शक्ति परिदृश्य को प्रदर्शित करता है जहां कैलकुलेटर निर्णय लेने के लिए कच्चे मापदंडों को एक सार्थक मात्रात्मक परिणाम में बदल देता है।

उदाहरण 2

दिया गया:50.0, 100.0

परिणाम:

यह मानक सांख्यिकीय शक्ति उदाहरण यथार्थवादी परिस्थितियों में सांख्यिकीय शक्ति को प्रदर्शित करने के लिए विशिष्ट मूल्यों का उपयोग करता है। इन इनपुट के साथ, सूत्र एक परिणाम उत्पन्न करता है जो मानक सांख्यिकीय शक्ति मापदंडों को दर्शाता है, जिससे उपयोगकर्ताओं को विशिष्ट ऑपरेटिंग रेंज में कैलकुलेटर के व्यवहार को समझने और व्यवहार में सांख्यिकीय शक्ति परिणामों की व्याख्या करने के लिए अंतर्ज्ञान बनाने में मदद मिलती है।

उदाहरण 3

दिया गया:125.0, 250.0

परिणाम:

यह उन्नत सांख्यिकीय शक्ति उदाहरण यथार्थवादी परिस्थितियों में सांख्यिकीय शक्ति को प्रदर्शित करने के लिए औसत से ऊपर मूल्यों का उपयोग करता है। इन इनपुट के साथ, सूत्र एक ऐसा परिणाम उत्पन्न करता है जो उन्नत सांख्यिकीय शक्ति मापदंडों को दर्शाता है, जिससे उपयोगकर्ताओं को विशिष्ट ऑपरेटिंग रेंज में कैलकुलेटर के व्यवहार को समझने और व्यवहार में सांख्यिकीय शक्ति परिणामों की व्याख्या करने के लिए अंतर्ज्ञान बनाने में मदद मिलती है।

उदाहरण 4

दिया गया:25.0, 50.0

परिणाम:

यह रूढ़िवादी सांख्यिकीय शक्ति उदाहरण यथार्थवादी परिस्थितियों में सांख्यिकीय शक्ति को प्रदर्शित करने के लिए निम्न-सीमा वाले मानों का उपयोग करता है। इन इनपुट के साथ, सूत्र एक परिणाम उत्पन्न करता है जो रूढ़िवादी सांख्यिकीय शक्ति मापदंडों को दर्शाता है, जिससे उपयोगकर्ताओं को विशिष्ट ऑपरेटिंग रेंज में कैलकुलेटर के व्यवहार को समझने और व्यवहार में सांख्यिकीय शक्ति परिणामों की व्याख्या करने के लिए अंतर्ज्ञान बनाने में मदद मिलती है।

वास्तविक अनुप्रयोग

▾

🏗️

अकादमिक शोधकर्ता और विश्वविद्यालय संकाय अनुभवजन्य अध्ययन, थीसिस अनुसंधान और सहकर्मी-समीक्षित प्रकाशनों के लिए सांख्यिकीय शक्ति का उपयोग करते हैं, जिन्हें नियंत्रित प्रयोगात्मक स्थितियों और तुलनात्मक अध्ययनों में कठोर मात्रात्मक सांख्यिकीय शक्ति विश्लेषण की आवश्यकता होती है।

🔬

व्यवहार्यता विश्लेषण और निर्णय समर्थन, पेशेवर और विश्लेषणात्मक संदर्भों में सांख्यिकीय शक्ति के लिए एक महत्वपूर्ण अनुप्रयोग क्षेत्र का प्रतिनिधित्व करता है जहां सटीक सांख्यिकीय शक्ति गणना सीधे सूचित निर्णय लेने, रणनीतिक योजना और प्रदर्शन अनुकूलन का समर्थन करती है।

📊

मैन्युअल गणनाओं का त्वरित सत्यापन, पेशेवर और विश्लेषणात्मक संदर्भों में सांख्यिकीय शक्ति के लिए एक महत्वपूर्ण अनुप्रयोग क्षेत्र का प्रतिनिधित्व करता है जहां सटीक सांख्यिकीय शक्ति गणना सीधे सूचित निर्णय लेने, रणनीतिक योजना और प्रदर्शन अनुकूलन का समर्थन करती है।

विशेष मामले

▾

जब सांख्यिकीय पावर इनपुट मान शून्य के करीब पहुंच जाते हैं या नकारात्मक हो जाते हैं

जब सांख्यिकीय शक्ति इनपुट मान शून्य के करीब पहुंच जाते हैं या सांख्यिकीय शक्ति में नकारात्मक हो जाते हैं, तो गणितीय व्यवहार में महत्वपूर्ण परिवर्तन होता है। शून्य मान विभाजन-दर-शून्य त्रुटियों या तुच्छ शून्य परिणामों का कारण बन सकते हैं, जबकि नकारात्मक इनपुट गणितीय रूप से वैध लेकिन सांख्यिकीय शक्ति संदर्भों में व्यावहारिक रूप से अर्थहीन आउटपुट उत्पन्न कर सकते हैं। व्यावसायिक उपयोगकर्ताओं को परिणामों की व्याख्या करने से पहले यह सत्यापित करना चाहिए कि सभी इनपुट भौतिक या वित्तीय रूप से सार्थक सीमाओं के भीतर आते हैं। नकारात्मक या शून्य मान अक्सर डेटा प्रविष्टि त्रुटियों या असाधारण सांख्यिकीय शक्ति परिस्थितियों को इंगित करते हैं जिनके लिए अलग विश्लेषणात्मक उपचार की आवश्यकता होती है।

सांख्यिकीय शक्ति में अत्यधिक बड़े या छोटे इनपुट मान धक्का दे सकते हैं

सांख्यिकीय शक्ति में अत्यधिक बड़े या छोटे इनपुट मान सांख्यिकीय शक्ति गणना को विशिष्ट ऑपरेटिंग सीमाओं से परे धकेल सकते हैं। गणितीय रूप से मान्य होते हुए भी, चरम इनपुट के परिणाम यथार्थवादी सांख्यिकीय शक्ति परिदृश्यों को प्रतिबिंबित नहीं कर सकते हैं और सावधानी से व्याख्या की जानी चाहिए। पेशेवर सांख्यिकीय शक्ति सेटिंग्स में, चरम मान अक्सर माप त्रुटियों, असामान्य स्थितियों, या अतिरिक्त विश्लेषण के योग्य किनारे के मामलों का संकेत देते हैं। एकल चरम-मामले गणनाओं पर भरोसा करने के बजाय यह समझने के लिए संवेदनशीलता विश्लेषण का उपयोग करें कि परिणाम प्रशंसनीय इनपुट श्रेणियों में कैसे बदलते हैं।

कुछ जटिल सांख्यिकीय शक्ति परिदृश्यों के लिए अतिरिक्त मापदंडों की आवश्यकता हो सकती है

कुछ जटिल सांख्यिकीय शक्ति परिदृश्यों को मानक सांख्यिकीय शक्ति इनपुट से परे अतिरिक्त मापदंडों की आवश्यकता हो सकती है। इनमें पर्यावरणीय कारक, समय-निर्भर चर, नियामक बाधाएं, या डोमेन-विशिष्ट सांख्यिकीय शक्ति समायोजन शामिल हो सकते हैं जो परिणाम को प्रभावित करते हैं। विशिष्ट सांख्यिकीय शक्ति अनुप्रयोगों पर काम करते समय, यह निर्धारित करने के लिए कि पूरक इनपुट की आवश्यकता है या नहीं, उद्योग दिशानिर्देशों या डोमेन विशेषज्ञों से परामर्श लें। मानक कैलकुलेटर एक उत्कृष्ट प्रारंभिक बिंदु प्रदान करता है, लेकिन विशेष उपयोग के मामलों में विस्तारित मॉडलिंग दृष्टिकोण की आवश्यकता हो सकती है।

सांख्यिकीय शक्ति - उद्योग बेंचमार्क

▾

मीट्रिक/खंड	कम	मंझला	उच्च/श्रेष्ठ-श्रेणी
छोटा व्यवसाय	कम रेंज	माध्यिका सीमा	शीर्ष चतुर्थक
मध्य बाजार	मध्यम	बाज़ार का औसत	उद्योग लीडर
उद्यम	आधारभूत	सेक्टर बेंचमार्क	विश्व स्तरीय

अक्सर पूछे जाने वाले प्रश्न

▾

सांख्यिकीय शक्ति क्या है और यह अनुसंधान के लिए क्यों मायने रखती है?

सांख्यिकीय शक्ति वह संभावना है कि एक अध्ययन एक वास्तविक प्रभाव का पता लगाएगा (झूठी शून्य परिकल्पना को अस्वीकार करेगा) - दूसरे शब्दों में, टाइप II त्रुटि (झूठी नकारात्मक) से बचने की संभावना। पावर = 1 - β, जहां β टाइप II त्रुटि की संभावना है। 80% शक्ति वाले अध्ययन में वास्तविक प्रभाव छूटने की 20% संभावना होती है। शक्ति के चार परस्पर संबंधित घटक: नमूना आकार (एन) - बड़े नमूने शक्ति बढ़ाते हैं। यह वह कारक है जिसे शोधकर्ता सबसे अधिक सामान्यतः समायोजित करते हैं। प्रभाव का आकार - बड़े प्रभावों का पता लगाना आसान होता है। तुलना के लिए कोहेन के डी का अर्थ है: छोटा = 0.2, मध्यम = 0.5, बड़ा = 0.8। एक दवा जो रक्तचाप को 20 mmHg (बड़ा प्रभाव) कम करती है, उसे 3 mmHg (छोटा प्रभाव) कम करने वाली दवा की तुलना में पता लगाने के लिए बहुत कम विषयों की आवश्यकता होती है। महत्व स्तर (α) - आमतौर पर 0.05 पर सेट किया जाता है। निचला α (जैसे, 0.01) शक्ति कम कर देता है क्योंकि महत्व की सीमा सख्त होती है। परिवर्तनशीलता - परिणाम माप में उच्च भिन्नता के लिए बड़े नमूनों की आवश्यकता होती है। शक्ति क्यों मायने रखती है: कम शक्ति वाले अध्ययन संसाधनों को बर्बाद करते हैं - यदि किसी अध्ययन में केवल 30% शक्ति है, तो 70% संभावना है कि वह वास्तविक प्रभाव का पता लगाने में विफल रहेगा, जिससे अनिर्णायक परिणाम मिलेगा। कम शक्ति वाले प्रकाशित अध्ययन भी प्रभाव के आकार को अधिक महत्व देते हैं ('विजेता का अभिशाप' - केवल बड़े प्रभाव खोजने वाले अध्ययन ही प्रकाशित होते हैं)। अधिकांश पत्रिकाओं और फंडिंग एजेंसियों को अब अध्ययन प्रस्तावों में शक्ति विश्लेषण की आवश्यकता होती है, जिसमें 80% न्यूनतम स्वीकार्य शक्ति है।

नमूना आकार निर्धारित करने के लिए आप शक्ति विश्लेषण कैसे करते हैं?

एक प्राथमिक शक्ति विश्लेषण (अध्ययन से पहले): आप चार में से तीन घटकों को निर्दिष्ट करते हैं और चौथे को हल करते हैं। आमतौर पर: वांछित शक्ति (आमतौर पर 0.80 या 0.90), महत्व स्तर (आमतौर पर 0.05), और अपेक्षित प्रभाव आकार निर्दिष्ट करें, फिर आवश्यक नमूना आकार का समाधान करें। α = 0.05 के साथ दो-नमूना टी-परीक्षण के लिए, शक्ति = 0.80: छोटा प्रभाव (डी = 0.2): एन ≈ 394 प्रति समूह (कुल 788)। मध्यम प्रभाव (डी=0.5): एन ≈ 64 प्रति समूह (128 कुल)। बड़ा प्रभाव (d=0.8): n ≈ 26 प्रति समूह (52 कुल)। ये संख्याएँ बताती हैं कि छोटे प्रभावों का पता लगाने के लिए नाटकीय रूप से बड़े अध्ययन की आवश्यकता क्यों होती है। सामान्य अध्ययन डिज़ाइन के लिए: युग्मित टी-परीक्षण - दो-नमूना टी-परीक्षण के लगभग आधे विषयों की आवश्यकता होती है (क्योंकि विषय के भीतर परिवर्तनशीलता हटा दी जाती है)। k समूहों के साथ ANOVA - जैसे-जैसे समूह बढ़ते हैं, अधिक विषयों की आवश्यकता होती है; पोस्ट-हॉक तुलनाओं की और भी अधिक आवश्यकता है। प्रतिगमन - अंगूठे का नियम: प्रति भविष्यवक्ता चर कम से कम 10-20 अवलोकन; छोटे प्रभावों के लिए और अधिक. प्रभाव के आकार का अनुमान - सबसे पेचीदा हिस्सा। स्रोत: पायलट अध्ययन डेटा, समान परिणामों पर प्रकाशित साहित्य, न्यूनतम नैदानिक रूप से सार्थक अंतर (एमसीआईडी) का नैदानिक निर्णय। यदि आप अनिश्चित हैं, तो एकाधिक प्रभाव आकारों पर संवेदनशीलता विश्लेषण चलाएँ और आवश्यक नमूना आकारों की सीमा की रिपोर्ट करें। सामान्य सॉफ़्टवेयर: G*Power (मुफ़्त, व्यापक), R पैकेज़ (pwr, simr), और PASS जैसे वाणिज्यिक उपकरण। जटिल डिज़ाइनों (बहुस्तरीय मॉडल, उत्तरजीविता विश्लेषण, दोहराए गए उपाय) के लिए, सिमुलेशन-आधारित शक्ति विश्लेषण अक्सर आवश्यक होता है क्योंकि बंद-फ़ॉर्म समाधान मौजूद नहीं होते हैं।

नमूना आकार और सांख्यिकीय शक्ति के बीच क्या संबंध है?

नमूना आकार का सांख्यिकीय शक्ति पर सीधा प्रभाव पड़ता है, क्योंकि बड़े नमूना आकार से वास्तविक प्रभावों का पता लगाने की शक्ति बढ़ जाती है। उदाहरण के लिए, 100 के नमूना आकार वाले अध्ययन में मध्यम आकार के प्रभाव का पता लगाने के लिए 0.60 की शक्ति हो सकती है, जबकि 200 के नमूना आकार के अध्ययन की शक्ति 0.80 तक बढ़ सकती है। वांछित शक्ति के आधार पर नमूना आकार की गणना करने का सूत्र n = (Zα + Zβ)^2 * σ^2 / μ^2 है, जहां n नमूना आकार है, Zα और Zβ वांछित अल्फा और बीटा स्तरों के अनुरूप Z-स्कोर हैं, σ मानक विचलन है, और μ औसत अंतर है। नमूना आकार बढ़ाकर, शोधकर्ता टाइप II त्रुटियों के जोखिम को कम कर सकते हैं और वास्तविक प्रभावों का पता लगाने की संभावना बढ़ा सकते हैं।

प्रभाव का आकार किसी अध्ययन की सांख्यिकीय शक्ति को कैसे प्रभावित करता है?

प्रभाव आकार का अध्ययन की सांख्यिकीय शक्ति पर महत्वपूर्ण प्रभाव पड़ता है, क्योंकि बड़े प्रभाव आकार का पता लगाना आसान होता है और छोटे नमूना आकार की आवश्यकता होती है। उदाहरण के लिए, 0.80 के बड़े प्रभाव आकार वाले अध्ययन को 0.80 की शक्ति प्राप्त करने के लिए 20 के नमूना आकार की आवश्यकता हो सकती है, जबकि 0.20 के छोटे प्रभाव आकार वाले अध्ययन को समान शक्ति प्राप्त करने के लिए 200 के नमूना आकार की आवश्यकता हो सकती है। प्रभाव आकार की गणना करने का सूत्र d = (μ1 - μ2) / σ है, जहां d प्रभाव आकार है, μ1 और μ2 दो समूहों के साधन हैं, और σ मानक विचलन है। प्रभाव के आकार को समझकर, शोधकर्ता ऐसे अध्ययन डिज़ाइन कर सकते हैं जो सार्थक प्रभावों का पता लगाने के लिए पर्याप्त रूप से संचालित हों।

अनुसंधान में कम शक्ति वाले अध्ययन के परिणाम क्या हैं?

कम शक्ति वाले अध्ययनों से गलत नकारात्मक परिणाम सामने आ सकते हैं, जहां वास्तविक प्रभावों का पता नहीं चल पाता है और इसके चिकित्सा, मनोविज्ञान और सामाजिक विज्ञान जैसे विभिन्न क्षेत्रों में महत्वपूर्ण परिणाम हो सकते हैं। उदाहरण के लिए, एक कम शक्ति वाला अध्ययन किसी नई दवा की प्रभावशीलता का पता लगाने में विफल हो सकता है, जिससे रोगियों के उपचार में देरी हो सकती है या छोड़ दिया जा सकता है। इसके अतिरिक्त, कम शक्ति वाले अध्ययन के परिणामस्वरूप संसाधन बर्बाद हो सकते हैं, क्योंकि शोधकर्ताओं को पर्याप्त शक्ति प्राप्त करने के लिए बड़े नमूना आकार के साथ अध्ययन को दोहराने की आवश्यकता हो सकती है। इन परिणामों से बचने के लिए, शोधकर्ताओं को 0.80 की न्यूनतम शक्ति का लक्ष्य रखना चाहिए, जो वास्तविक प्रभाव (टाइप II त्रुटि) के गायब होने की 20% संभावना से मेल खाती है।

सामान्य गलतियां जिनसे बचना है

▾

!इनपुट मानों के लिए गलत या बेमेल इकाइयों का उपयोग करना
!किनारे के मामलों या सीमा स्थितियों का हिसाब देना भूल जाना
!गणना में मध्यवर्ती मानों को बहुत जल्दी पूर्णांकित करना
!यह सत्यापित नहीं करना कि इनपुट मान सांख्यिकीय शक्ति के लिए मान्य सीमाओं के भीतर आते हैं

💡

विशेष टिप

गणना करने से पहले हमेशा अपने इनपुट मानों को सत्यापित करें। सांख्यिकीय शक्ति के लिए, छोटी इनपुट त्रुटियाँ जटिल हो सकती हैं और अंतिम परिणाम को महत्वपूर्ण रूप से प्रभावित कर सकती हैं।

⭐

क्या आप जानते हैं?

2013 के एक विश्लेषण में पाया गया कि तंत्रिका विज्ञान अध्ययनों में औसत सांख्यिकीय शक्ति केवल 8-31% थी - जिसका अर्थ है कि अधिकांश अध्ययन उन प्रभावों का विश्वसनीय रूप से पता लगाने के लिए बहुत छोटे थे जिनका वे परीक्षण कर रहे थे।

संदर्भ

📖कठिनाई:मध्यम

Deep Dive

Read the full guide on how to use this calculator effectively