സംഖ്യകളുടെ ഒരു ലിസ്റ്റ് പേസ്റ്റ് ചെയ്യുകയോ ടൈപ്പ് ചെയ്യുകയോ ചെയ്താൽ അടിസ്ഥാന സ്റ്റാറ്റിസ്റ്റിക്കൽ അളവുകൾ എല്ലാം ഒരുമിച്ച് ലഭിക്കും - count, sum, mean, median, mode, min, max, range, variance, standard deviation (population ഉം sample ഉം), കൂടാതെ quartiles Q1, Q3, IQR എന്നിവയും. ക്ലാസ് പ്രോജക്ടുകൾ, പരീക്ഷാ തയ്യാറെടുപ്പ്, ലാബ് ഡാറ്റ വിശകലനം, ചെറിയ ഡാറ്റാസെറ്റുകളുടെ പെട്ടെന്നുള്ള പരിശോധന എന്നിവയ്ക്ക് ഉപയോഗപ്രദം.
Count
10
Sum
289
Mean (average)
28.9
Median
28.5
Mode
30
Range
38
Min
12
Max
50
Std Deviation (population)
10.387011
σ - divide by N
Std Deviation (sample)
10.948871
s - divide by N − 1
Variance (population)
107.89
Variance (sample)
119.877778
Q1 (25th percentile)
22.75
Q3 (75th percentile)
33.75
IQR (Q3 − Q1)
11
Middle 50% spread
Descriptive statistics ഒരു ഡാറ്റാസെറ്റിനെ ചുരുക്കം ചില സംഖ്യകളിൽ സംഗ്രഹിക്കുന്നു - central tendency (mean, median, mode), spread (range, variance, standard deviation, IQR), ആകൃതി (quartiles). Class 11 NCERT സ്റ്റാറ്റിസ്റ്റിക്സ് അധ്യായങ്ങൾ മുതൽ അഡ്വാൻസ്ഡ് ഡാറ്റാ സയൻസ് വരെ, എല്ലാ സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനത്തിന്റെയും അടിസ്ഥാനമാണ് ഈ അളവുകൾ. ഇവ മനസ്സിലാക്കുകയും - വേഗത്തിൽ കണക്കാക്കുകയും - അക്കാദമിക് ജോലി, ബിസിനസ് റിപ്പോർട്ടിംഗ്, ശാസ്ത്രീയ ഗവേഷണം, ഏതുതരം ക്വാണ്ടിറ്റേറ്റിവ് തീരുമാനമെടുക്കലിനും അത്യാവശ്യമാണ്.
ഈ കാൽക്കുലേറ്റർ സ്റ്റാൻഡേർഡ് descriptive statistics-ന്റെ പൂർണ്ണ സെറ്റ് ഒരേസമയം കൈകാര്യം ചെയ്യുന്നു, അതിനാൽ ഒരു പേസ്റ്റിലൂടെ തന്നെ നിങ്ങൾക്ക് പൂർണ്ണമായ ചിത്രം ലഭിക്കും. Excel, Google Sheets അല്ലെങ്കിൽ ഏതൊരു ലിസ്റ്റിൽ നിന്നും നിങ്ങളുടെ ഡാറ്റ നൽകുകയോ പേസ്റ്റ് ചെയ്യുകയോ ചെയ്യുക, എല്ലാ അളവുകളും ലൈവ് ആയി അപ്ഡേറ്റ് ആകുന്നത് കാണുക. Population vs Sample ടോഗിൾ നിർണായകമാണ്: sample statistics, ഒരു random subset-ൽ നിന്ന് population parameters-ന്റെ unbiased estimates നൽകാൻ Bessel's correction ഉപയോഗിക്കുന്നു (N-ന് പകരം N−1 കൊണ്ട് ഹരിക്കുന്നു). ഈ കാൽക്കുലേറ്റർ രണ്ടും ശരിയായി നടപ്പിലാക്കുന്നു.
നിങ്ങളുടെ ഡാറ്റ ടെക്സ്റ്റ്ബോക്സിൽ പേസ്റ്റ് ചെയ്യുക - സ്പേസുകൾ, കോമകൾ, സെമികോളണുകൾ അല്ലെങ്കിൽ പുതിയ വരികൾ കൊണ്ട് വേർതിരിച്ച്.
സംഖ്യയല്ലാത്ത എൻട്രികൾ നിശബ്ദമായി ഒഴിവാക്കപ്പെടും (അതിനാൽ സ്പ്രെഡ്ഷീറ്റ് കോളത്തിൽ നിന്ന് പേസ്റ്റ് ചെയ്യുന്നതും പ്രവർത്തിക്കും).
നിങ്ങൾ ടൈപ്പ് ചെയ്യുമ്പോഴോ പേസ്റ്റ് ചെയ്യുമ്പോഴോ എല്ലാ സമ്മറി സ്റ്റാറ്റിസ്റ്റിക്സും അപ്ഡേറ്റ് ആകും.
ആവശ്യമെങ്കിൽ Population, Sample variance/standard deviation എന്നിവയ്ക്കിടയിൽ മാറുക.
വീണ്ടും തുടങ്ങാൻ Clear ബട്ടൺ ഉപയോഗിക്കുക.
Mean എന്നത് എല്ലാ മൂല്യങ്ങളും കൂട്ടി count കൊണ്ട് ഹരിക്കുന്നതാണ്. Median എന്നത് മധ്യമൂല്യമാണ് (ഇരട്ട എണ്ണമാണെങ്കിൽ രണ്ട് മധ്യമൂല്യങ്ങളുടെ ശരാശരി). Mode എന്നത് ഏറ്റവും കൂടുതൽ തവണ വരുന്ന മൂല്യമാണ് (ഒന്നിലധികം ഉണ്ടാകാം). Variance എന്നത് mean-ൽ നിന്നുള്ള വ്യതിയാനങ്ങളുടെ വർഗ്ഗത്തിന്റെ ശരാശരിയാണ്; standard deviation എന്നത് variance-ന്റെ വർഗ്ഗമൂലമാണ്. Population variance N കൊണ്ട് ഹരിക്കുന്നു; sample variance N − 1 കൊണ്ട് ഹരിക്കുന്നു (Bessel's correction), ഡാറ്റ ഒരു വലിയ population-ന്റെ sample ആണെങ്കിൽ unbiased estimate ലഭിക്കാൻ. Quartiles linear-interpolation രീതി (Excel / R-7) ഉപയോഗിക്കുന്നു, അതിനാൽ മിക്ക സ്പ്രെഡ്ഷീറ്റുകളും കാണിക്കുന്നതിന് സമാനമായിരിക്കും.
Variance = Σ(xᵢ − x̄)² / N Sample variance uses (N − 1) instead
Central tendency മൂന്ന് വ്യത്യസ്ത കാര്യങ്ങൾ അളക്കുന്നു. Mean (അരിത്മെറ്റിക് ശരാശരി) എല്ലാ മൂല്യങ്ങളോടും സെൻസിറ്റീവ് ആണ്, അതിനാൽ ഒരു ഒറ്റ outlier അതിനെ വലിയ തോതിൽ മാറ്റിയേക്കാം. Median (ക്രമപ്പെടുത്തിയ ശേഷമുള്ള മധ്യമൂല്യം) outliers-നോട് robust ആണ് - ഡാറ്റയുടെ പകുതി മുകളിലും പകുതി താഴെയുമായി കിടക്കുന്നു. Mode ഏറ്റവും കൂടുതൽ തവണ വരുന്ന മൂല്യമാണ്, categorical-പോലുള്ള ഡാറ്റയ്ക്കോ bimodal distributions കണ്ടെത്താനോ ഉപയോഗപ്രദം. Symmetric, normally-distributed ഡാറ്റയ്ക്ക് ഇവ മൂന്നും ഒന്നിക്കും; skewed ഡാറ്റയ്ക്ക് അവ കാര്യമായി വ്യതിചലിക്കും. ഉദാഹരണത്തിന്, ഇന്ത്യൻ ഗൃഹ വരുമാനം right-skewed ആണ്: ഏതാനും വളരെ ഉയർന്ന വരുമാനമുള്ളവർ mean-നെ ഉയർത്തുന്നതിനാൽ mean median-നെക്കാൾ വളരെ കൂടുതലാണ്.
Dispersion spread അളക്കുന്നു. Range (max − min) ലളിതമാണ്, എന്നാൽ outliers-നോട് സെൻസിറ്റീവ് ആണ്. Variance mean-ൽ നിന്നുള്ള വ്യതിയാനങ്ങളുടെ വർഗ്ഗത്തിന്റെ ശരാശരിയെടുക്കുന്നു - വർഗ്ഗം ചെയ്യുന്നതിലൂടെ പോസിറ്റീവും നെഗറ്റീവും വ്യതിയാനങ്ങൾ രണ്ടും സംഭാവന ചെയ്യുകയും വലിയ വ്യതിയാനങ്ങളുടെ പ്രഭാവം വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നു. Standard deviation എന്നത് variance-ന്റെ വർഗ്ഗമൂലമാണ്, യഥാർത്ഥ ഡാറ്റയുടെ അതേ യൂണിറ്റുകളിലേക്ക് തിരിച്ചുവരുന്നു, ഇത് നേരിട്ട് വ്യാഖ്യാനിക്കാൻ സാധ്യമാക്കുന്നു. IQR (interquartile range, Q3 − Q1) മധ്യ 50%-ന്റെ spread പിടിച്ചെടുക്കുന്നു, outliers-നോട് robust ആണ്.
Population vs sample വ്യത്യാസം: നിങ്ങളുടെ ഡാറ്റ താത്പര്യമുള്ള ഗ്രൂപ്പിലെ എല്ലാ അംഗങ്ങളെയും ഉൾക്കൊള്ളുന്നുവെങ്കിൽ (ഉദാ: നിങ്ങളുടെ ക്ലാസിലെ എല്ലാ 30 വിദ്യാർത്ഥികളും), population stats ഉപയോഗിക്കുക - N കൊണ്ട് ഹരിക്കുക. നിങ്ങൾ estimate ചെയ്യാൻ ആഗ്രഹിക്കുന്ന ഒരു വലിയ population-ൽ നിന്നുള്ള random sample ആണ് ഡാറ്റ എങ്കിൽ (ഉദാ: തിരഞ്ഞെടുപ്പ് ഫലങ്ങൾ estimate ചെയ്യാൻ 500 വോട്ടർമാരെ പോൾ ചെയ്തത്), sample stats ഉപയോഗിക്കുക - N−1 കൊണ്ട് ഹരിക്കുക. Sample mean, population mean-ന്റെ estimate ആയി ഉപയോഗിക്കുമ്പോൾ ഒരു degree of freedom നഷ്ടപ്പെടുന്നതിനെ N−1 correction (Bessel's correction) പരിഗണിക്കുന്നു. തെറ്റായ തിരഞ്ഞെടുപ്പ് biased standard deviation estimates നൽകുന്നു.
N=10. Mean: 80. Median: 79 (78, 80 എന്നിവയുടെ ശരാശരി). Mode: ആവർത്തനമില്ല - amodal. Range: 30. Sample variance: 102.67. Sample SD: 10.13. Q1: 71.5, Q3: 87.25. IQR: 15.75. Distribution ഏകദേശം normal ആണ് - mean ≈ median.
Mean: 16.5 (outlier കാരണം skewed). Median: 8 (വളരെ കൂടുതൽ പ്രതിനിധ്യാത്മകം). Mode: 7, 8 (bimodal). Range: 75. Population SD: 21.9 (₹80L outlier കാരണം വളരെ വലുത്). ഡാറ്റ വളരെ skewed ആയിരിക്കുമ്പോൾ, median mean-നെക്കാൾ നല്ല central tendency അളവാണ്.
ഗ്രൂപ്പിലെ എല്ലാ അംഗങ്ങളുടെയും ഡാറ്റ ഉള്ളപ്പോൾ (ഉദാ: ഒരു ക്ലാസിലെ എല്ലാ വിദ്യാർത്ഥികളും) population ഉപയോഗിക്കുക. നിങ്ങളുടെ ഡാറ്റ estimate ചെയ്യാൻ ആഗ്രഹിക്കുന്ന വലിയ ഗ്രൂപ്പിന്റെ random subset ആണെങ്കിൽ (ഉദാ: സർവേ ഡാറ്റ) sample ഉപയോഗിക്കുക. ഒരു sample-ൽ നിന്ന് estimate ചെയ്യുമ്പോൾ വരുന്ന bias പരിഹരിക്കാൻ Sample SD N − 1 കൊണ്ട് ഹരിക്കുന്നു.
Mean എന്നത് അരിത്മെറ്റിക് ശരാശരിയാണ്. Median എന്നത് ക്രമപ്പെടുത്തിയ ശേഷമുള്ള മധ്യമൂല്യമാണ്. Mode എന്നത് ഏറ്റവും കൂടുതൽ തവണ വരുന്ന മൂല്യമാണ് (ടൈ ഉണ്ടെങ്കിൽ ഒന്നിലധികം മൂല്യങ്ങൾ). Symmetric distributions-ന് ഇവ മൂന്നും സമാനമാണ്; skewed ഡാറ്റയ്ക്ക് ഇവ വ്യത്യാസപ്പെടും - ഉദാഹരണത്തിന്, വരുമാനം right-skewed ആയതിനാൽ mean median-നെക്കാൾ വളരെ കൂടുതലാണ്.
അതെ. Mean, sum, count, mode, variance, SD എന്നിവ ക്രമത്തെ ആശ്രയിക്കുന്നില്ല. Median, quartiles കണക്കാക്കുന്നതിന് മുൻപ് ഇന്റേണലായി ക്രമപ്പെടുത്തുന്നു.
Q3 − Q1 - ഡാറ്റയുടെ മധ്യ 50%-ന്റെ spread. ഇത് dispersion-ന്റെ ഒരു robust അളവാണ്, range അല്ലെങ്കിൽ standard deviation-നേക്കാൾ outliers-നോട് സെൻസിറ്റിവിറ്റി കുറവാണ്. Outliers കണ്ടെത്താൻ ഉപയോഗിക്കുന്നു (Q1 − 1.5·IQR-നു താഴെയോ Q3 + 1.5·IQR-നു മുകളിലോ ഉള്ളത്).
Max − Min. ലളിതമാണ് എന്നാൽ outliers-നോട് വളരെ സെൻസിറ്റീവ് ആണ്, അതിനാൽ പ്രധാനമായും ഒരു sanity check ആയി ഉപയോഗപ്രദം.
എല്ലാ മൂല്യവും കൃത്യമായി ഒരു തവണ മാത്രം വന്നാൽ, ഡാറ്റ amodal ആണ്. ആ സാഹചര്യത്തിൽ കാൽക്കുലേറ്റർ എല്ലാ മൂല്യങ്ങളും ലിസ്റ്റ് ചെയ്യുന്നതിന് പകരം "No mode" കാണിക്കുന്നു.
കർശനമായ പരിധിയൊന്നുമില്ല - ആയിരക്കണക്കിന് മൂല്യങ്ങൾക്കും കണക്കുകൂട്ടലുകൾ മില്ലിസെക്കൻഡുകളിൽ നടക്കും. ബ്രൗസർ പെർഫോമൻസ് മാത്രമാണ് പ്രായോഗികമായ പരിമിതി.
From simple percentages to scientific notation, statistics, geometry and big-number arithmetic - every common math problem you'd reach for a calculator for, runs in your browser with no installs. The fraction calculator preserves exact rationals, the big-number calculator uses BigInt for hundreds of digits without precision loss, and the scientific calculator's expression evaluator is a hand-written shunting-yard parser (no eval) that supports trig, log, factorial and parentheses.
If you're a student, double-check your work without paying for a graphing calculator. If you're a professional, use these tools as a sanity check on spreadsheet formulas. Every result is shown alongside its formula and inputs, so the math is always auditable.
The സ്റ്റാറ്റിസ്റ്റിക്സ് കാൽക്കുലേറ്റർ is part of the Math suite on Online Calculator Tools, alongside 6 related calculators. All tools share the same UI patterns, the same privacy-first rendering (nothing is sent to a server), and the same commitment to showing the formula and assumptions behind every result.
