📊Mann-Whitney U Test
କ'ଣ Mann-Whitney U Test?
▾
ମ୍ୟାନ୍ ହ୍ ney ିଟନି ହେଉଛି ଏକ ବିଶେଷଜ୍ଞ ଆନାଲିଟିକାଲ୍ ଉପକରଣ ଯାହା ମାପ କିମ୍ବା ଆନୁମାନିକ ଇନପୁଟ୍ ମୂଲ୍ୟରୁ ସଠିକ୍ ଫଳାଫଳ ଗଣନା କରିବା ପାଇଁ ସାଧାରଣତ used ବ୍ୟବହୃତ ହୁଏ | ମନ୍-ହ୍ ney ିଟନି ୟୁ ପରୀକ୍ଷା ହେଉଛି ସ୍ independent ାଧୀନ ଟି-ଟେଷ୍ଟର ଅଣ-ପାରାମେଟ୍ରିକ୍ ସମାନ | ସାଧାରଣତା ଆବଶ୍ୟକ ନକରି ଦୁଇଟି ଗୋଷ୍ଠୀର ସମାନ ବଣ୍ଟନ ଅଛି କି ନାହିଁ ପରୀକ୍ଷା କରିବାକୁ ଏହା ର୍ୟାଙ୍କ ରାଶି ତୁଳନା କରେ | ଏହି ଗଣନାକୁ ବୁ standing ିବା ଅତ୍ୟନ୍ତ ଜରୁରୀ କାରଣ ଏହା କଞ୍ଚା ସଂଖ୍ୟାକୁ କାର୍ଯ୍ୟକ୍ଷମ ଜ୍ଞାନରେ ଅନୁବାଦ କରେ ଯାହା ବୃତ୍ତିଗତ, ଏକାଡେମିକ୍ ଏବଂ ବ୍ୟକ୍ତିଗତ ପ୍ରସଙ୍ଗରେ ନିଷ୍ପତ୍ତି ନେବାକୁ ସୂଚିତ କରେ | ଜଟିଳ ପରିସ୍ଥିତିକୁ ବ ating ଧ କରୁଥିବା ed ତୁ ପ୍ରାପ୍ତ ଅଭ୍ୟାସକାରୀଙ୍କ ଦ୍ or ାରା କିମ୍ବା ଭିତ୍ତିଭୂମି ଧାରଣା ଶିଖୁଥିବା ଛାତ୍ରମାନଙ୍କ ଦ୍ used ାରା ବ୍ୟବହୃତ ହେଉ, ମନ ହ୍ ney ିଟନି ନିର୍ଭରଯୋଗ୍ୟ, ପୁନ oduc ଉତ୍ପାଦନ ଫଳାଫଳ ଉତ୍ପାଦନ ପାଇଁ ଏକ ସଂରଚନା ପ୍ରଣାଳୀ ପ୍ରଦାନ କରନ୍ତି | ଗାଣିତିକ ଦୃଷ୍ଟିରୁ, ଏକ କିମ୍ବା ଅଧିକ ଆଉଟପୁଟ୍ ମୂଲ୍ୟ ଉତ୍ପାଦନ କରିବାକୁ ଇନପୁଟ୍ ଭେରିଏବଲ୍ ମଧ୍ୟରେ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ସମ୍ପର୍କ ପ୍ରୟୋଗ କରି ମନ୍ ହ୍ୱିଟନି କାର୍ଯ୍ୟ କରନ୍ତି | ମୂଳ ସୂତ୍ର - ମନ୍ ହ୍ୱିଟନି = f (ଇନପୁଟ୍) - ପ୍ରତ୍ୟେକ ଇନପୁଟ୍ ଚୂଡ଼ାନ୍ତ ଫଳାଫଳରେ କିପରି ଅବଦାନ କରେ ତାହା ସ୍ଥିର କରେ | ସମୀକରଣର ପ୍ରତ୍ୟେକ ଭେରିଏବଲ୍ ବାସ୍ତବ ବିଶ୍ data ତଥ୍ୟରୁ ଅଙ୍କିତ ଏକ ମାପଯୋଗ୍ୟ ପରିମାଣକୁ ପ୍ରତିନିଧିତ୍ୱ କରେ, ଏବଂ ସୂତ୍ର ସାଧାରଣ ଅଭ୍ୟାସରେ ସ୍ୱୀକୃତିପ୍ରାପ୍ତ ପ୍ରତିଷ୍ଠିତ ଗାଣିତିକ କିମ୍ବା ପରୀକ୍ଷାମୂଳକ ସମ୍ପର୍କକୁ ଏନକୋଡ୍ କରେ | କି ଇନପୁଟଗୁଡିକରେ ଛୋଟ ପରିବର୍ତ୍ତନଗୁଡ଼ିକ ଆଉଟପୁଟ୍ ରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ପରିବର୍ତ୍ତନ ଆଣିପାରେ, ଯେଉଁଥିପାଇଁ ସମ୍ବେଦନଶୀଳତା ବିଶ୍ଳେଷଣ - ଗୋଟିଏ ଥରରେ ଗୋଟିଏ ପାରାମିଟର ଭିନ୍ନ - କେଉଁ କାରଣଗୁଡିକ ଅଧିକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ତାହା ବୁ understanding ିବା ପାଇଁ ଏକ ମୂଲ୍ୟବାନ କ techni ଶଳ | ବ୍ୟବହାରିକ ଦୃଷ୍ଟିରୁ, ମନ୍ ହ୍ୱିଟନି ଏକାଧିକ ଦର୍ଶକଙ୍କ ସେବା କରନ୍ତି | ନିତ୍ୟ ବ୍ୟବହାର୍ଯ୍ୟ ବିଶ୍ଳେଷଣ, ଅନୁପାଳନ ଡକ୍ୟୁମେଣ୍ଟେସନ୍ ଏବଂ ଦୃଶ୍ୟ ତୁଳନା ପାଇଁ ଶିଳ୍ପ ପ୍ରଫେସନାଲମାନେ ଏହା ଉପରେ ନିର୍ଭର କରନ୍ତି | ଶିକ୍ଷକମାନେ ଏହାକୁ ଏକ ଶିକ୍ଷାଦାନ ଉପକରଣ ଭାବରେ ବ୍ୟବହାର କରନ୍ତି ଯାହା ବିସ୍ତୃତ ସୂତ୍ର ଏବଂ କଂକ୍ରିଟ୍ ଫଳାଫଳକୁ ସେତୁ କରେ | ବ୍ୟକ୍ତିଗତ ଉପଯୋଗକର୍ତ୍ତା ବ୍ୟକ୍ତିଗତ ଯୋଜନା, ତୃତୀୟ-ପକ୍ଷ ଗଣନା ଯାଞ୍ଚ କରିବା ଏବଂ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ନିଷ୍ପତ୍ତି ନେବା ପୂର୍ବରୁ ଆତ୍ମବିଶ୍ୱାସ ବ for ାଇବା ପାଇଁ ଏହାକୁ ମୂଲ୍ୟବାନ ମନେ କରନ୍ତି | ଚୂଡ଼ାନ୍ତ ଉତ୍ତର ଅପେକ୍ଷା କାଲକୁଲେଟରକୁ ଏକ ଭଲ-କାଲିବ୍ରେଟେଡ୍ ପ୍ରାରମ୍ଭ ଭାବରେ ଗ୍ରହଣ କରାଯିବା ଉଚିତ - ମଡେଲରେ କଏଦ ହୋଇନଥିବା କାରଣଗୁଡିକ କାରଣରୁ ବାସ୍ତବ-ବିଶ୍ୱ ଫଳାଫଳ ଭିନ୍ନ ହୋଇପାରେ, ଯେପରି ନିୟାମକ ପରିବର୍ତ୍ତନ, ବଜାର ସ୍ଥିତି, କିମ୍ବା ସୂତ୍ରର ଧାରଣା ବାହାରେ ଥିବା ବ୍ୟକ୍ତିଗତ ପରିସ୍ଥିତି |
PrimeCalcPro provides professional-grade tools trusted by businesses and academics.
ସୂତ୍ର
▾
ମନ୍ ହ୍ୱିଟନି = f (ଇନପୁଟ୍)
ଯେଉଁଠାରେ ପ୍ରତ୍ୟେକ ଭେରିଏବଲ୍ ସାଧାରଣ ଡୋମେନ୍ ରେ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ମାପଯୋଗ୍ୟ ପରିମାଣକୁ ପ୍ରତିନିଧିତ୍ୱ କରେ | ଜଣାଶୁଣା ମୂଲ୍ୟଗୁଡ଼ିକୁ ବଦଳାନ୍ତୁ ଏବଂ ଅଜ୍ unknown ାତ ପାଇଁ ସମାଧାନ କରନ୍ତୁ | ମଲ୍ଟି-ଷ୍ଟେପ୍ ଗଣନା ପାଇଁ, ପ୍ରଥମେ ଆଭ୍ୟନ୍ତରୀଣ ଅଭିବ୍ୟକ୍ତିର ମୂଲ୍ୟାଙ୍କନ କର, ତାପରେ କାର୍ଯ୍ୟର ମାନକ କ୍ରମ ବ୍ୟବହାର କରି ଫଳାଫଳକୁ ଏକତ୍ର କର |ଚଳ ବ୍ୟାଖ୍ୟା
▾
| ସଙ୍କେତ | ନାମ | ଏକକ | Description |
|---|---|---|---|
| Mann Whitney | F ଭାବରେ ଗଣନା କରାଯାଇଛି | | — | ମ୍ୟାନ୍ ହ୍ ney ିଟନିଙ୍କ ପାଇଁ ଏକ ମୁଖ୍ୟ ଇନପୁଟ୍ ପାରାମିଟର ସୂତ୍ରରେ f ଭାବରେ ଗଣିତ, ଏହାର ଗାଣିତିକ ଭୂମିକା ମାଧ୍ୟମରେ ଗଣିତ ଆଉଟପୁଟ୍କୁ ସିଧାସଳଖ ପ୍ରଭାବିତ କରେ | |
| Whitney | ହ୍ ney ିଟନି | — | ମ୍ୟାନ୍ ହ୍ ney ିଟନି ପାଇଁ ଏକ ପ୍ରମୁଖ ଇନପୁଟ୍ ପାରାମିଟର ସୂତ୍ରରେ ହ୍ ney ିଟନିକୁ ପ୍ରତିନିଧିତ୍ୱ କରେ, ଏହାର ଗାଣିତିକ ଭୂମିକା ମାଧ୍ୟମରେ ଗଣିତ ଆଉଟପୁଟ୍କୁ ସିଧାସଳଖ ପ୍ରଭାବିତ କରେ | |
| k | ସ୍ଥିର | — | ମାନକ ଅବସ୍ଥା ପାଇଁ ଫଳାଫଳକୁ କାଲିବ୍ରେଟ୍ କରିବା ପାଇଁ ମ୍ୟାନ୍ ହ୍ୱିଟନି ସୂତ୍ରରେ ବ୍ୟବହୃତ ଏକ ଡୋମେନ୍-ନିର୍ଦ୍ଦିଷ୍ଟ ସ୍ଥିର କିମ୍ବା କୋଏଫିସିଏଣ୍ଟ୍ | |
କିପରି Mann-Whitney U Test
▾
- 1ଉଭୟ ଗୋଷ୍ଠୀର ସମସ୍ତ ପର୍ଯ୍ୟବେକ୍ଷଣକୁ ଏକତ୍ର କରନ୍ତୁ |
- 2U₁ = n₁n₂ + n₁ (n₁ + 1) / 2 - R₁ |
- 3U = ମିନିଟ୍ (U₁, U₂)
- 4ଜଟିଳ ମୂଲ୍ୟ ସାରଣୀ ସହିତ ତୁଳନା କରନ୍ତୁ |
- 5ମନ୍ ହ୍ୱିଟନି ଗଣନା ପାଇଁ ଆବଶ୍ୟକ ଇନପୁଟ୍ ମୂଲ୍ୟଗୁଡିକ ଚିହ୍ନଟ କରନ୍ତୁ - ଆବଶ୍ୟକ ସମସ୍ତ ମାପ, ହାର, କିମ୍ବା ପାରାମିଟର ସଂଗ୍ରହ କରନ୍ତୁ |
ସମାଧାନ ହୋଇଥିବା ଉଦାହରଣ
▾
ଉଭୟ ଗୋଷ୍ଠୀ ମଧ୍ୟରେ ରାଙ୍କଗୁଡିକ ତୁଳନା କରାଯାଇଛି |
ଏହି ଉଦାହରଣ ମ୍ୟାନ୍ ହ୍ ney ିଟନିର ଏକ ସାଧାରଣ ପ୍ରୟୋଗ ପ୍ରଦର୍ଶନ କରେ, ଫଳାଫଳ ଉତ୍ପାଦନ ପାଇଁ ସୂତ୍ର ମାଧ୍ୟମରେ ଇନପୁଟ୍ ମୂଲ୍ୟଗୁଡିକ କିପରି ପ୍ରକ୍ରିୟାକରଣ ହୁଏ ତାହା ଦର୍ଶାଏ |
ବାସ୍ତବବାଦୀ ଅନୁମାନ ସହିତ ଆରମ୍ଭ କରନ୍ତୁ |
ଏହି ବେସ୍ ଲାଇନ୍ ଉଦାହରଣ ଏକ ମାନକ ଫଳାଫଳ ଉତ୍ପାଦନ ପାଇଁ ସାଧାରଣ ଇନପୁଟ୍ ମୂଲ୍ୟ ସହିତ ମନ୍ ହ୍ୱିଟନି ପ୍ରୟୋଗ କରେ | ଏହା ତୁଳନା ପାଇଁ ଏକ ରେଫରେନ୍ସ ପଏଣ୍ଟ ଭାବରେ କାର୍ଯ୍ୟ କରେ - ସାଧାରଣ ପ୍ରସଙ୍ଗରେ ଏହି ମଧ୍ୟମ ପ୍ରାରମ୍ଭିକ ମୂଲ୍ୟଗୁଡ଼ିକରୁ ବ୍ୟକ୍ତିଗତ ଇନପୁଟ୍ଗୁଡ଼ିକ ଉପର କିମ୍ବା ତଳ ଆଡଜଷ୍ଟ ହୋଇଗଲେ ଉପଭୋକ୍ତାମାନେ ଦେଖିପାରିବେ |
ଖରାପ ପରିସ୍ଥିତି ଯୋଜନା ପାଇଁ ଉପଯୋଗୀ |
ମନ୍ ହ୍ୱିଟନିରେ ରକ୍ଷଣଶୀଳ (ନିମ୍ନ) ଇନପୁଟ୍ ମୂଲ୍ୟ ବ୍ୟବହାର କରିବା ଏକ ଅଧିକ ସତର୍କ ଆକଳନ ସୃଷ୍ଟି କରେ | ଚାପ-ପରୀକ୍ଷଣ ନିଷ୍ପତ୍ତି ପାଇଁ ଏହି ଦୃଶ୍ୟ ଉପଯୋଗୀ - ଯଦି ନିରାଶାବାଦୀ ଅନୁମାନ ସହିତ ଫଳାଫଳ ଗ୍ରହଣୀୟ ରହିଥାଏ, ତେବେ ନିଷ୍ପତ୍ତି ଅଧିକ ଦୃ ust ଅଟେ | ସାଧାରଣ ଅଭ୍ୟାସରେ, ରକ୍ଷଣଶୀଳ ଆକଳନ ପ୍ରାୟତ risk ବିପଦ ପରିଚାଳନା ଏବଂ ଅନୁପାଳନ ରିପୋର୍ଟ ପାଇଁ ପସନ୍ଦ କରାଯାଏ |
ସର୍ବୋତ୍ତମ-ବିଶ୍ଳେଷଣ; କେବଳ ଏହା ଉପରେ ନିର୍ଭର କର ନାହିଁ |
ଏହି ମନ୍ ହ୍ ney ିଟନି ଉଦାହରଣ ଏକ ଉତ୍ତମ କେସ୍ କିମ୍ବା ଆଶାବାଦୀ ଦୃଶ୍ୟକୁ ମଡେଲ କରିବା ପାଇଁ ଉଚ୍ଚ ଇନପୁଟ୍ ମୂଲ୍ୟ ବ୍ୟବହାର କରେ | ଫଳାଫଳ ସମ୍ଭାବ୍ୟ side ର୍ଦ୍ଧ୍ୱକୁ ଦର୍ଶାଉଥିବାବେଳେ ସାଧାରଣତ pract ଅଭ୍ୟାସକାରୀମାନେ କେବଳ ସର୍ବୋତ୍ତମ ମାମଲା ଅନୁମାନ ବିଷୟରେ ଯୋଜନା କରିବା ପାଇଁ ସତର୍କ ହେବା ଉଚିତ୍ | ଏହାକୁ ରକ୍ଷଣଶୀଳ ଦୃଶ୍ୟ ସହିତ ତୁଳନା କରିବା ସମ୍ଭାବ୍ୟ ଫଳାଫଳର ପରିସରକୁ ପ୍ରକାଶ କରିଥାଏ ଏବଂ ଅନିଶ୍ଚିତତାକୁ ପରିମାଣ କରିବାରେ ସାହାଯ୍ୟ କରେ |
ବ୍ୟାବହାରିକ ପ୍ରୟୋଗ
▾
ସାଧାରଣତ Professional ବୃତ୍ତିଗତମାନେ ଗଣନା ଯାଞ୍ଚ, ଗାଣିତିକ ତ୍ରୁଟି ହ୍ରାସ କରିବା ଏବଂ ସ୍ଥିର ଫଳାଫଳ ଉତ୍ପାଦନ କରିବା ପାଇଁ ମାନ ହ୍ ney ିଟନିଙ୍କୁ ସେମାନଙ୍କର ମାନକ ଆନାଲିଟିକାଲ୍ ୱାର୍କଫ୍ଲୋର ଏକ ଅଂଶ ଭାବରେ ବ୍ୟବହାର କରନ୍ତି, ଯାହା ସହକର୍ମୀ, କ୍ଲାଏଣ୍ଟ, କିମ୍ବା ନିୟାମକ ସଂସ୍ଥା ସହିତ ସହଭାଗୀ, ଗ୍ରାହକ, କିମ୍ବା ନିୟାମକ ସଂସ୍ଥା ସହିତ ଅଂଶୀଦାର ହୋଇପାରିବ |
ବିଶ୍ୱବିଦ୍ୟାଳୟର ପ୍ରଫେସର ଏବଂ ପ୍ରଶିକ୍ଷକମାନେ ମନ ହ୍ ney ିଟନିଙ୍କୁ ପାଠ୍ୟକ୍ରମ ସାମଗ୍ରୀ, ହୋମୱାର୍କ ଆସାଇନମେଣ୍ଟ ଏବଂ ପରୀକ୍ଷା ପ୍ରସ୍ତୁତି ଉତ୍ସରେ ଅନ୍ତର୍ଭୁକ୍ତ କରନ୍ତି, ଯାହା ଛାତ୍ରମାନଙ୍କୁ ମାନୁଆଲ ଗଣନା ଯାଞ୍ଚ କରିବାକୁ, ଇନପୁଟ୍-ଆଉଟପୁଟ୍ ସମ୍ପର୍କ ବିଷୟରେ ଅନ୍ତର୍ନିହିତତା ସୃଷ୍ଟି କରିବାକୁ ଏବଂ ଗାଣିତିକ ପରିବର୍ତ୍ତେ ଧାରଣା ବୁ understanding ାମଣା ଉପରେ ଧ୍ୟାନ ଦେବାକୁ ଅନୁମତି ଦେଇଥାଏ |
କ୍ଲାଏଣ୍ଟ ମିଟିଂ ସମୟରେ ବିଭିନ୍ନ ପରିସ୍ଥିତିକୁ ଶୀଘ୍ର ମଡେଲ କରିବା ପାଇଁ କନସଲଟାଣ୍ଟସ୍ ଏବଂ ପରାମର୍ଶଦାତା ମାନ ୱିଟ୍ନିଙ୍କୁ ବ୍ୟବହାର କରନ୍ତି, ଯଦି କ’ଣ ପ୍ରଶ୍ନର ପ୍ରକୃତ-ସମୟ ଅନୁସନ୍ଧାନକୁ ସକ୍ଷମ କରାଏ ଯାହା ଅନ୍ୟଥା ବିସ୍ତୃତ ସ୍ପ୍ରେଡସିଟ୍-ଆଧାରିତ ବିଶ୍ଳେଷଣ ଏବଂ ରିପୋର୍ଟ ପାଇଁ କାର୍ଯ୍ୟାଳୟକୁ ଫେରିବା ଆବଶ୍ୟକ କରେ |
ବ୍ୟକ୍ତିଗତ ଉପଯୋଗକର୍ତ୍ତା ବ୍ୟକ୍ତିଗତ ଯୋଜନା ନିଷ୍ପତ୍ତି ପାଇଁ ମନ ହ୍ୱିଟନି ଉପରେ ନିର୍ଭର କରନ୍ତି - ବିକଳ୍ପ ତୁଳନା କରିବା, ସେବା ପ୍ରଦାନକାରୀଙ୍କଠାରୁ ପ୍ରାପ୍ତ କୋଟ ଯାଞ୍ଚ କରିବା, ତୃତୀୟ-ପକ୍ଷ ଗଣନା ଯାଞ୍ଚ କରିବା, ଏବଂ ଆତ୍ମବିଶ୍ୱାସ ବ building ାଇବା ଯେ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ନିଷ୍ପତ୍ତି ପଛରେ ଥିବା ସଂଖ୍ୟାଗୁଡିକ ସଠିକ୍ ଏବଂ କ୍ରମାଗତ ଭାବରେ ଗଣନା କରାଯାଇଛି |
ବିଶେଷ ଘଟଣା
▾
ଶୂନ କିମ୍ବା ନକାରାତ୍ମକ ଇନପୁଟଗୁଡିକ ସ୍ୱତନ୍ତ୍ର ନିୟନ୍ତ୍ରଣ ଆବଶ୍ୟକ କରିପାରନ୍ତି କିମ୍ବା ଅଜ୍ଞାତ ଉତ୍ପାଦନ କରିପାରନ୍ତି |
ଶୂନ କିମ୍ବା ନକାରାତ୍ମକ ଇନପୁଟଗୁଡିକ ସ୍ୱତନ୍ତ୍ର ନିୟନ୍ତ୍ରଣ ଆବଶ୍ୟକ କରିପାରନ୍ତି କିମ୍ବା ଅଜ୍ଞାତ ଫଳାଫଳ ଉତ୍ପାଦନ କରିପାରନ୍ତି ଅଭ୍ୟାସରେ, ଏହି ଧାର କେସ୍ ଯତ୍ନର ସହ ବିଚାର କରିବା ଆବଶ୍ୟକ କରେ କାରଣ ମାନକ ଧାରଣା ଧାରଣ କରିନପାରେ | ମ୍ୟାନ୍ ହ୍ୱିଟନି ଗଣନାରେ ଏହି ଦୃଶ୍ୟର ସାମ୍ନା କରିବାବେଳେ, ଅଭ୍ୟାସକାରୀମାନେ ସୀମା ସ୍ଥିତି ଯାଞ୍ଚ କରିବା, ବିଭାଜନ ଦ୍ by ାରା ଶୂନ୍ୟ ବିପଦ ଯାଞ୍ଚ କରିବା ଉଚିତ ଏବଂ ଏହି ଚରମ ଅବସ୍ଥାରେ ମଡେଲର ଧାରଣା ବ valid ଧ ରହିବ କି ନାହିଁ ତାହା ବିଚାର କରିବା ଉଚିତ୍ |
ଚରମ ମୂଲ୍ୟ ସାଧାରଣ ଗଣନା ପରିସର ବାହାରେ ପଡିପାରେ ଅଭ୍ୟାସରେ, ଏହା |
ଚରମ ମୂଲ୍ୟଗୁଡିକ ସାଧାରଣ ଗଣନା ପରିସର ବାହାରେ ପଡିପାରେ ଅଭ୍ୟାସରେ, ଏହି ଧାର କେସ୍ ଯତ୍ନର ସହ ବିଚାର କରିବା ଆବଶ୍ୟକ କରେ କାରଣ ମାନକ ଧାରଣା ଧାରଣ କରିନପାରେ | ମ୍ୟାନ୍ ହ୍ୱିଟନି ଗଣନାରେ ଏହି ଦୃଶ୍ୟର ସାମ୍ନା କରିବାବେଳେ, ଅଭ୍ୟାସକାରୀମାନେ ସୀମା ସ୍ଥିତି ଯାଞ୍ଚ କରିବା, ବିଭାଜନ ଦ୍ by ାରା ଶୂନ୍ୟ ବିପଦ ଯାଞ୍ଚ କରିବା ଉଚିତ ଏବଂ ଏହି ଚରମ ଅବସ୍ଥାରେ ମଡେଲର ଧାରଣା ବ valid ଧ ରହିବ କି ନାହିଁ ତାହା ବିଚାର କରିବା ଉଚିତ୍ |
କିଛି ମ୍ୟାନ୍ ହ୍ ney ିଟନି ପରିସ୍ଥିତି ଡିଫଲ୍ଟ ଭାବରେ ପ୍ରଦର୍ଶିତ ହୋଇନଥିବା ଅତିରିକ୍ତ ପାରାମିଟର ଆବଶ୍ୟକ କରିପାରନ୍ତି |
କିଛି ମ୍ୟାନ୍ ହ୍ ney ିଟନି ପରିସ୍ଥିତି ଅତିରିକ୍ତ ପାରାମିଟର ଆବଶ୍ୟକ କରିପାରନ୍ତି ଡିଫଲ୍ଟ ଭାବରେ ଅଭ୍ୟାସରେ, ଏହି ଧାର କେସ୍ ଯତ୍ନର ସହ ବିଚାର କରିବା ଆବଶ୍ୟକ କରେ କାରଣ ମାନକ ଧାରଣା ଧାରଣ କରିନପାରେ | ମ୍ୟାନ୍ ହ୍ୱିଟନି ଗଣନାରେ ଏହି ଦୃଶ୍ୟର ସାମ୍ନା କରିବାବେଳେ, ଅଭ୍ୟାସକାରୀମାନେ ସୀମା ସ୍ଥିତି ଯାଞ୍ଚ କରିବା, ବିଭାଜନ ଦ୍ by ାରା ଶୂନ୍ୟ ବିପଦ ଯାଞ୍ଚ କରିବା ଉଚିତ ଏବଂ ଏହି ଚରମ ଅବସ୍ଥାରେ ମଡେଲର ଧାରଣା ବ valid ଧ ରହିବ କି ନାହିଁ ତାହା ବିଚାର କରିବା ଉଚିତ୍ |
ମନ୍ ହ୍ୱିଟନି - ଇଣ୍ଡଷ୍ଟ୍ରି ମାନଦଣ୍ଡ |
▾
| ମେଟ୍ରିକ୍ / ସେଗମେଣ୍ଟ୍ | | Low | ମଧ୍ୟମ | ଉଚ୍ଚ / ଶ୍ରେଷ୍ଠ-ଶ୍ରେଣୀ | |
|---|---|---|---|
| ଛୋଟ ବ୍ୟବସାୟ | | ନିମ୍ନ ପରିସର | | ମଧ୍ୟମ ପରିସର | | ଶୀର୍ଷ ଚତୁର୍ଥାଂଶ | |
| ମଧ୍ୟମ ବଜାର | | ମଧ୍ୟମ | ବଜାର ହାରାହାରି | | ଶିଳ୍ପପତି |
| ଏଣ୍ଟରପ୍ରାଇଜ୍ | ବେସ୍ ଲାଇନ୍ | | ସେକ୍ଟର ମାନଦଣ୍ଡ | ବିଶ୍ୱ ସ୍ତରୀୟ |
ବାରମ୍ବାର ଜିଜ୍ଞାସା
▾
ମନ୍ ହ୍ୱିଟନି କ’ଣ?
ମ୍ୟାନ୍ ହ୍ ney ିଟନି ହେଉଛି ଏକ ସ୍ୱତନ୍ତ୍ର ଗଣନା ଉପକରଣ ଯାହା ସାଧାରଣ ଡୋମେନରେ ଉପଭୋକ୍ତାମାନଙ୍କୁ ଗଣନା ଏବଂ ବିଶ୍ଳେଷଣ କରିବାରେ ସାହାଯ୍ୟ କରେ | ଏହା ନିର୍ଦ୍ଦିଷ୍ଟ ସାଂଖ୍ୟିକ ଇନପୁଟ୍ ନିଏ - ସାଧାରଣତ real ବାସ୍ତବ ବିଶ୍ data ତଥ୍ୟରୁ ମାପ, ହାର, କିମ୍ବା ପରିମାଣ ପରି ଅଙ୍କିତ - ଏବଂ କାର୍ଯ୍ୟକ୍ଷମ ଫଳାଫଳ ଉତ୍ପାଦନ ପାଇଁ ଏକ ବ valid ଧ ଗାଣିତିକ ସୂତ୍ର ପ୍ରୟୋଗ କରେ | ସାଧନ ମୂଲ୍ୟବାନ କାରଣ ଏହା ମାନୁଆଲ ଗଣନା ତ୍ରୁଟିଗୁଡ଼ିକୁ ଦୂର କରିଥାଏ, ବିଭିନ୍ନ ପରିସ୍ଥିତି ଅନୁସନ୍ଧାନ କରିବା ସମୟରେ ତତକ୍ଷଣାତ୍ ମତାମତ ପ୍ରଦାନ କରିଥାଏ ଏବଂ ବୃତ୍ତିଗତମାନଙ୍କ ପାଇଁ ଉଭୟ ନିଷ୍ପତ୍ତି-ସମର୍ଥନ ଉପକରଣ ଏବଂ ଅନ୍ତର୍ନିହିତ ନୀତି ଅଧ୍ୟୟନ କରୁଥିବା ଛାତ୍ରମାନଙ୍କ ପାଇଁ ଏକ ଶିକ୍ଷା ସହାୟତା ଭାବରେ କାର୍ଯ୍ୟ କରିଥାଏ |
ମନ୍ ହ୍ୱିଟନି କେଉଁ ସୂତ୍ର ବ୍ୟବହାର କରନ୍ତି?
ମନ୍ ହ୍ୱିଟନି ପ୍ରସଙ୍ଗରେ, ଏହା ଉପଭୋକ୍ତାଙ୍କର ନିର୍ଦ୍ଦିଷ୍ଟ ଇନପୁଟ୍, ଅନୁମାନ ଏବଂ ଲକ୍ଷ୍ୟ ଉପରେ ନିର୍ଭର କରେ | ଅନ୍ତର୍ନିହିତ ସୂତ୍ର ଇନପୁଟ୍ ଏବଂ ଆଉଟପୁଟ୍ ମଧ୍ୟରେ ଏକ ସ୍ଥିରିକୃତ ସମ୍ପର୍କ ପ୍ରଦାନ କରେ, କିନ୍ତୁ ବାସ୍ତବ ଅଭ୍ୟାସର ବ୍ୟାପକ ପ୍ରସଙ୍ଗରେ ଫଳାଫଳକୁ ବ୍ୟାଖ୍ୟା କରିବା ଆବଶ୍ୟକ କରେ | ବୃତ୍ତିଗତମାନେ ସାଧାରଣତ industry ଶିଳ୍ପ ମାନଦଣ୍ଡ, historical ତିହାସିକ ତଥ୍ୟ ଏବଂ ନିୟାମକ ଆବଶ୍ୟକତା ସହିତ କ୍ରସ୍-ରେଫରେନ୍ସ କାଲକୁଲେଟର ଆଉଟପୁଟ୍ | ଅତ୍ୟନ୍ତ ନିର୍ଭରଯୋଗ୍ୟ ଫଳାଫଳ ପାଇଁ, ନିଶ୍ଚିତ କରନ୍ତୁ ଯେ ଇନପୁଟ୍ ଯାଞ୍ଚ ହୋଇଥିବା ତଥ୍ୟରୁ ସୋର୍ସ ହୋଇଛି, ଫର୍ମୁଲା କେଉଁ ଅନୁମାନ କରେ ତାହା ବୁ understand ନ୍ତୁ ଏବଂ ସମ୍ଭାବ୍ୟ ଫଳାଫଳର ପରିସରକୁ ବ୍ରାକେଟ୍ କରିବା ପାଇଁ ଏକାଧିକ ଦୃଶ୍ୟ ଚଲାଇବାକୁ ବିଚାର କରନ୍ତୁ |
ମୁଁ କେଉଁ ଇନପୁଟ୍ ଆବଶ୍ୟକ କରେ?
ମନ୍ ହ୍ୱିଟ୍ନିରେ ସବୁଠାରୁ ପ୍ରଭାବଶାଳୀ ଇନପୁଟ୍ ଗୁଡିକ ହେଉଛି ପ୍ରାଥମିକ ପରିମାଣ ଯାହା ମୂଳ ସୂତ୍ରରେ ଦେଖାଯାଏ - ସାଧାରଣତ the ହାର, ମୂଳ ପରିମାଣ କିମ୍ବା ଆଧାର ପରିମାଣ, ଏବଂ ସମୟ ଅବଧି କିମ୍ବା ଫ୍ରିକ୍ୱେନ୍ସି ଫ୍ୟାକ୍ଟର୍ | ଅଳ୍ପ ଶତକଡା ଏଗୁଡିକ ମଧ୍ୟରୁ ଯେକ any ଣସି ପରିବର୍ତ୍ତନ କରିବା ଗୁଣନ କିମ୍ବା ଯ ound ଗିକ ପ୍ରଭାବ ହେତୁ ଆଉଟପୁଟ୍କୁ ଯଥେଷ୍ଟ ସ୍ଥାନାନ୍ତର କରିପାରିବ | ଦ୍ Secondary ିତୀୟ ଇନପୁଟ୍ ଯେପରିକି ଆଡଜଷ୍ଟମେଣ୍ଟ୍ ଫ୍ୟାକ୍ଟର୍, ରାଉଣ୍ଡ୍ କନଭେନସନ୍, କିମ୍ବା ଇଚ୍ଛାଧୀନ ପାରାମିଟରଗୁଡିକ ସାଧାରଣତ a ଏକ ଛୋଟ କିନ୍ତୁ ତଥାପି ଅର୍ଥପୂର୍ଣ୍ଣ ପ୍ରଭାବ ପକାଇଥାଏ | ସମ୍ବେଦନଶୀଳତା ବିଶ୍ଳେଷଣ - ଅନ୍ୟମାନଙ୍କୁ ସ୍ଥିର ରଖିବାବେଳେ ଗୋଟିଏ ଇନପୁଟ୍ ଭିନ୍ନ କରିବା - ଆପଣଙ୍କ ନିର୍ଦ୍ଦିଷ୍ଟ ଦୃଶ୍ୟରେ କେଉଁ ଫ୍ୟାକ୍ଟର୍ ଅଧିକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ତାହା ଚିହ୍ନଟ କରିବାର ସର୍ବୋତ୍ତମ ଉପାୟ |
ଫଳାଫଳଗୁଡିକ କେତେ ସଠିକ୍?
ମନ୍ ହ୍ୱିଟନି ପ୍ରସଙ୍ଗରେ, ଏହା ଉପଭୋକ୍ତାଙ୍କର ନିର୍ଦ୍ଦିଷ୍ଟ ଇନପୁଟ୍, ଅନୁମାନ ଏବଂ ଲକ୍ଷ୍ୟ ଉପରେ ନିର୍ଭର କରେ | ଅନ୍ତର୍ନିହିତ ସୂତ୍ର ଇନପୁଟ୍ ଏବଂ ଆଉଟପୁଟ୍ ମଧ୍ୟରେ ଏକ ସ୍ଥିରିକୃତ ସମ୍ପର୍କ ପ୍ରଦାନ କରେ, କିନ୍ତୁ ବାସ୍ତବ ଅଭ୍ୟାସର ବ୍ୟାପକ ପ୍ରସଙ୍ଗରେ ଫଳାଫଳକୁ ବ୍ୟାଖ୍ୟା କରିବା ଆବଶ୍ୟକ କରେ | ବୃତ୍ତିଗତମାନେ ସାଧାରଣତ industry ଶିଳ୍ପ ମାନଦଣ୍ଡ, historical ତିହାସିକ ତଥ୍ୟ ଏବଂ ନିୟାମକ ଆବଶ୍ୟକତା ସହିତ କ୍ରସ୍-ରେଫରେନ୍ସ କାଲକୁଲେଟର ଆଉଟପୁଟ୍ | ଅତ୍ୟନ୍ତ ନିର୍ଭରଯୋଗ୍ୟ ଫଳାଫଳ ପାଇଁ, ନିଶ୍ଚିତ କରନ୍ତୁ ଯେ ଇନପୁଟ୍ ଯାଞ୍ଚ ହୋଇଥିବା ତଥ୍ୟରୁ ସୋର୍ସ ହୋଇଛି, ଫର୍ମୁଲା କେଉଁ ଅନୁମାନ କରେ ତାହା ବୁ understand ନ୍ତୁ ଏବଂ ସମ୍ଭାବ୍ୟ ଫଳାଫଳର ପରିସରକୁ ବ୍ରାକେଟ୍ କରିବା ପାଇଁ ଏକାଧିକ ଦୃଶ୍ୟ ଚଲାଇବାକୁ ବିଚାର କରନ୍ତୁ |
ବେଞ୍ଚ ମାର୍କିଂ ପାଇଁ ମୁଁ ଏହାକୁ ବ୍ୟବହାର କରିପାରିବି କି?
ମନ୍ ହ୍ୱିଟନି ପ୍ରସଙ୍ଗରେ, ଏହା ଉପଭୋକ୍ତାଙ୍କର ନିର୍ଦ୍ଦିଷ୍ଟ ଇନପୁଟ୍, ଅନୁମାନ ଏବଂ ଲକ୍ଷ୍ୟ ଉପରେ ନିର୍ଭର କରେ | ଅନ୍ତର୍ନିହିତ ସୂତ୍ର ଇନପୁଟ୍ ଏବଂ ଆଉଟପୁଟ୍ ମଧ୍ୟରେ ଏକ ସ୍ଥିରିକୃତ ସମ୍ପର୍କ ପ୍ରଦାନ କରେ, କିନ୍ତୁ ବାସ୍ତବ ଅଭ୍ୟାସର ବ୍ୟାପକ ପ୍ରସଙ୍ଗରେ ଫଳାଫଳକୁ ବ୍ୟାଖ୍ୟା କରିବା ଆବଶ୍ୟକ କରେ | ବୃତ୍ତିଗତମାନେ ସାଧାରଣତ industry ଶିଳ୍ପ ମାନଦଣ୍ଡ, historical ତିହାସିକ ତଥ୍ୟ ଏବଂ ନିୟାମକ ଆବଶ୍ୟକତା ସହିତ କ୍ରସ୍-ରେଫରେନ୍ସ କାଲକୁଲେଟର ଆଉଟପୁଟ୍ | ଅତ୍ୟନ୍ତ ନିର୍ଭରଯୋଗ୍ୟ ଫଳାଫଳ ପାଇଁ, ନିଶ୍ଚିତ କରନ୍ତୁ ଯେ ଇନପୁଟ୍ ଯାଞ୍ଚ ହୋଇଥିବା ତଥ୍ୟରୁ ସୋର୍ସ ହୋଇଛି, ଫର୍ମୁଲା କେଉଁ ଅନୁମାନ କରେ ତାହା ବୁ understand ନ୍ତୁ ଏବଂ ସମ୍ଭାବ୍ୟ ଫଳାଫଳର ପରିସରକୁ ବ୍ରାକେଟ୍ କରିବା ପାଇଁ ଏକାଧିକ ଦୃଶ୍ୟ ଚଲାଇବାକୁ ବିଚାର କରନ୍ତୁ |
ମୁଁ କେତେଥର ପୁନ al ଗଣନା କରିବା ଉଚିତ୍?
ମନ୍ ହ୍ୱିଟନି ବ୍ୟବହାର କରିବାକୁ, ନିର୍ଦ୍ଦିଷ୍ଟ କ୍ଷେତ୍ରଗୁଡିକରେ ଆବଶ୍ୟକ ଇନପୁଟ୍ ମୂଲ୍ୟ ପ୍ରବେଶ କରନ୍ତୁ - ଏହିଗୁଡିକ ସାଧାରଣତ the ସୂତ୍ରରେ ଦର୍ଶାଯାଇଥିବା ପ୍ରାଥମିକ ପରିମାଣ ଯେପରିକି ହାର, ପରିମାଣ, ସମୟ ଅବଧି, କିମ୍ବା ଭ physical ତିକ ମାପ ପରି ଅନ୍ତର୍ଭୂକ୍ତ କରେ | ଏହି ଇନପୁଟ୍ଗୁଡ଼ିକୁ ଆଉଟପୁଟ୍ ମେଟ୍ରିକ୍ ରେ ରୂପାନ୍ତର କରିବା ପାଇଁ କାଲକୁଲେଟର ମାନକ ଗାଣିତିକ ସମ୍ପର୍କ ପ୍ରୟୋଗ କରେ | ସର୍ବୋତ୍ତମ ଫଳାଫଳ ପାଇଁ, ଯାଞ୍ଚ କରନ୍ତୁ ଯେ ସମସ୍ତ ଇନପୁଟଗୁଡ଼ିକ ସ୍ଥିର ୟୁନିଟ୍ ବ୍ୟବହାର କରନ୍ତି, ଉତ୍ସ ଡକ୍ୟୁମେଣ୍ଟ ବିରୁଦ୍ଧରେ ଦୁଇଥର ଯାଞ୍ଚ ମୂଲ୍ୟ ବ୍ୟବହାର କରନ୍ତି ଏବଂ ପ୍ରସଙ୍ଗରେ ଆଉଟପୁଟ୍ ସମୀକ୍ଷା କରନ୍ତୁ | ସାମାନ୍ୟ ଭିନ୍ନ ଇନପୁଟ୍ ସହିତ ଗଣନା ଚଳାଇବା ଫଳାଫଳ ଉପରେ କେଉଁ ଭେରିଏବଲ୍ସର ସର୍ବାଧିକ ପ୍ରଭାବ ପକାଇଥାଏ ତାହା ପ୍ରକାଶ କରିବାରେ ସାହାଯ୍ୟ କରେ |
ଏହି କାଲକୁଲେଟର ବ୍ୟବହାର କରିବା ସମୟରେ ସାଧାରଣ ତ୍ରୁଟି କ’ଣ?
ଯେତେବେଳେ ଆପଣ ନିଷ୍ପତ୍ତି ନେବା, ଯୋଜନା, ତୁଳନା, କିମ୍ବା ଯାଞ୍ଚ ପାଇଁ ଏକ ନିର୍ଭରଯୋଗ୍ୟ, ପୁନ oduc ପ୍ରବୃତ୍ତି ଗଣନା ଆବଶ୍ୟକ କରନ୍ତି ମାନ୍ ହ୍ୱିଟନି ବ୍ୟବହାର କରନ୍ତୁ | ସାଧାରଣ ଟ୍ରିଗରଗୁଡିକ ଏକ ନୂତନ ସୁଯୋଗର ମୂଲ୍ୟାଙ୍କନ କରିବା, ଦୁଇ କିମ୍ବା ଅଧିକ ବିକଳ୍ପ ତୁଳନା କରିବା, ଏକ ଉଦ୍ଧୃତ ଚିତ୍ର ଯୁକ୍ତିଯୁକ୍ତ କି ନାହିଁ ଯାଞ୍ଚ କରିବା, ସଠିକ୍ ସଂଖ୍ୟା ଆବଶ୍ୟକ କରୁଥିବା ଡକ୍ୟୁମେଣ୍ଟେସନ୍ ପ୍ରସ୍ତୁତ କରିବା କିମ୍ବା ସମୟ ସହିତ ପରିବର୍ତ୍ତନ ଉପରେ ନଜର ରଖିବା | ବୃତ୍ତିଗତ ସେଟିଂସମୂହରେ, ନିୟମିତ ପୁନ al ଗଣନା - ବିଶେଷତ when ଯେତେବେଳେ ମୁଖ୍ୟ ଇନପୁଟ୍ଗୁଡ଼ିକ ପରିବର୍ତ୍ତନ ହୁଏ - ସୁନିଶ୍ଚିତ କରେ ଯେ ନିଷ୍ପତ୍ତିଗୁଡ଼ିକ ପୁରୁଣା ଆକଳନ ଅପେକ୍ଷା ସାମ୍ପ୍ରତିକ ତଥ୍ୟ ଉପରେ ଆଧାରିତ |
ଏଡ଼ାଇବା ଯୋଗ୍ୟ ସାଧାରଣ ଭୁଲ
▾
- !ଇନପୁଟ୍ ମୂଲ୍ୟ ପାଇଁ ଭୁଲ କିମ୍ବା ମେଳ ଖାଉଥିବା ୟୁନିଟ୍ ବ୍ୟବହାର କରିବା |
- !ଧାର ମାମଲା କିମ୍ବା ସୀମା ଅବସ୍ଥା ପାଇଁ ହିସାବ ଦେବାକୁ ଭୁଲିଯାଆନ୍ତି |
- !ଗଣନାରେ ବହୁତ ଶୀଘ୍ର ମଧ୍ୟବର୍ତ୍ତୀ ମୂଲ୍ୟଗୁଡିକ ଗୋଲାକାର |
- !ମ୍ୟାନ୍ ହ୍ୱିଟନି ପାଇଁ ଇନପୁଟ୍ ମୂଲ୍ୟ ବ valid ଧ ପରିସର ମଧ୍ୟରେ ଅଛି ବୋଲି ଯାଞ୍ଚ କରୁନାହିଁ |
ବିଶେଷ ଟିପ
ଗଣନା କରିବା ପୂର୍ବରୁ ସର୍ବଦା ଆପଣଙ୍କର ଇନପୁଟ୍ ମୂଲ୍ୟ ଯାଞ୍ଚ କରନ୍ତୁ | ମ୍ୟାନ୍ ହ୍ ney ିଟନି ପାଇଁ, ଛୋଟ ଇନପୁଟ୍ ତ୍ରୁଟିଗୁଡିକ ଯ ound ଗିକ ହୋଇପାରେ ଏବଂ ଅନ୍ତିମ ଫଳାଫଳକୁ ଯଥେଷ୍ଟ ପ୍ରଭାବିତ କରିଥାଏ |
ଆପଣ ଜାଣନ୍ତି କି?
Man-Whitney U ପରିସଂଖ୍ୟାନ n₁ × n₂ ଦ୍ divided ାରା ବିଭକ୍ତ ହେବାର ସମ୍ଭାବନା ସହିତ ସମାନ ଅଟେ ଯେ ଗ୍ରୁପ୍ 1 ରୁ ଏକ ଅନିୟମିତ ମୂଲ୍ୟ ଗ୍ରୁପ୍ 2 ରୁ ଏକ ଅନିୟମିତ ମୂଲ୍ୟ ଅତିକ୍ରମ କରେ |
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
ସନ୍ଦର୍ଭ
Read the full guide on how to use this calculator effectively
ଆଉ ପଢ଼ନ୍ତୁ →ସାପ୍ତାହିକ ଗଣିତ ଟିପ୍ସ ପାଆନ୍ତୁ |
12,000 + ଗ୍ରାହକମାନଙ୍କ ସହିତ ଯୋଗ ଦିଅନ୍ତୁ ଯେଉଁମାନେ ପ୍ରତି ସପ୍ତାହରେ କାଲକୁଲେଟର ଟିପ୍ସ ପାଆନ୍ତି |