1. ਔਸਤ: ਇੱਕ ਅੰਕ ਜੋ ਅੰਕੜਿਆਂ ਦੀ ਕੇਂਦਰੀ ਰੁਝਾਨ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ; ਕਈ ਵਿਸ਼ੇਸ਼ ਔਸਤਾਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਅੰਕਗਣਿਤਕ ਮਾਧਿਅਕ, ਭਾਰੀ ਮਾਧਿਅਕ, ਮੱਧਿਕਾ, ਬਹੁਲਕ, ਅਤੇ ਜਿਓਮੈਟ੍ਰਿਕ ਮਾਧਿਅਕ ਸ਼ਾਮਲ ਹਨ।
2. ਕੇਂਦਰੀ ਸੀਮਾ ਪ੍ਰਮੇਯ: ਦਿੱਤੇ ਹੋਏ ਇੱਕ ਯਾਦ੍ਰਿਛਕ ਪਰਿਵਰਤਨਸ਼ੀਲ (RV) ਜਿਸਦਾ ਮਾਧਿਅਕ, μ, ਅਤੇ ਮਿਆਰੀ ਵਿਕਲਣ, σ, ਪਤਾ ਹੈ, ਅਤੇ n ਆਕਾਰ ਦੇ ਨਮੂਨਿਆਂ ਨਾਲ, ਅਸੀਂ ਦੋ ਨਵੇਂ RVs ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਾਂ: ਨਮੂਨਾ ਮਾਧਿਅਕ, X ¯ X ¯, ਅਤੇ ਨਮੂਨਾ ਜੋੜ, ΣΧ। ਜੇ ਨਮੂਨੇ ਦਾ ਆਕਾਰ (n) ਕਾਫ਼ੀ ਵੱਡਾ ਹੈ, ਤਾਂ X ¯ X ¯ ~ N(μ, σ n σ n) ਅਤੇ ΣΧ ~ N(nμ, (n n)(σ))। ਜੇ ਨਮੂਨੇ ਦਾ ਆਕਾਰ (n) ਕਾਫ਼ੀ ਵੱਡਾ ਹੈ, ਤਾਂ ਨਮੂਨਾ ਮਾਧਿਅਕਾਂ ਦਾ ਵੰਡ ਅਤੇ ਨਮੂਨਾ ਜੋੜਾਂ ਦਾ ਵੰਡ ਆਬਾਦੀ ਦੇ ਆਕਾਰ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਆਮ ਵੰਡ ਦਾ ਅਨੁਮਾਨ ਲਗਾਏਗਾ। ਨਮੂਨਾ ਮਾਧਿਅਕਾਂ ਦਾ ਮਾਧਿਅਕ ਆਬਾਦੀ ਦੇ ਮਾਧਿਅਕ ਦੇ ਬਰਾਬਰ ਹੋਵੇਗਾ, ਅਤੇ ਨਮੂਨਾ ਜੋੜਾਂ ਦਾ ਮਾਧਿਅਕ ਆਬਾਦੀ ਦੇ ਮਾਧਿਅਕ ਦੇ n ਗੁਣਾ ਦੇ ਬਰਾਬਰ ਹੋਵੇਗਾ। ਨਮੂਨਾ ਮਾਧਿਅਕਾਂ ਦੇ ਵੰਡ ਦਾ ਮਿਆਰੀ ਵਿਕਲਣ, σ n σ n, ਨੂੰ ਮਾਧਿਅਕ ਦੀ ਮਿਆਰੀ ਤਰੁੱਟੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
3. ਘਾਤ ਅੰਕੀ ਵੰਡ: ਇੱਕ ਨਿਰੰਤਰ ਯਾਦ੍ਰਿਛਕ ਪਰਿਵਰਤਨਸ਼ੀਲ (RV) ਜੋ ਉਦੋਂ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਅਸੀਂ ਯਾਦ੍ਰਿਛਕ ਘਟਨਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਸਮੇਂ ਦੇ ਅੰਤਰਾਲਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਾਂ; ਉਦਾਹਰਨ ਲਈ, ਹਸਪਤਾਲ ਵਿੱਚ ਐਮਰਜੈਂਸੀ ਆਗਮਨ ਦੇ ਵਿਚਕਾਰ ਸਮੇਂ ਦੀ ਲੰਬਾਈ, ਸੰਕੇਤ: X ~ Exp(m)। ਮਾਧਿਅਕ μ = 1 m 1 m ਹੈ ਅਤੇ ਮਿਆਰੀ ਵਿਕਲਣ σ = 1 m 1 m ਹੈ। ਸੰਭਾਵਨਾ ਘਣਤਾ ਫੰਕਸ਼ਨ f(x) = me–mx, x ≥ 0 ਹੈ, ਅਤੇ ਸੰਚਤ ਵੰਡ ਫੰਕਸ਼ਨ P(X ≤ x) = 1 – e–mx ਹੈ।
4. ਮਾਧਿਅਕ: ਇੱਕ ਅੰਕ ਜੋ ਕੇਂਦਰੀ ਰੁਝਾਨ ਨੂੰ ਮਾਪਦਾ ਹੈ; ਮਾਧਿਅਕ ਦਾ ਇੱਕ ਆਮ ਨਾਮ ਔਸਤ ਹੈ; ਮਾਧਿਅਕ ਸ਼ਬਦ ਅੰਕਗਣਿਤਕ ਮਾਧਿਅਕ ਦਾ ਇੱਕ ਸੰਖੇਪ ਰੂਪ ਹੈ। ਪਰਿਭਾਸ਼ਾ ਅਨੁਸਾਰ, ਇੱਕ ਨਮੂਨੇ ਲਈ ਮਾਧਿਅਕ (ਜਿਸਨੂੰ x ¯ x ¯ ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ) ਹੈ x ¯ = ਨਮੂਨੇ ਵਿੱਚ ਸਾਰੀਆਂ ਕੀਮਤਾਂ ਦਾ ਜੋੜ / ਨਮੂਨੇ ਵਿੱਚ ਕੀਮਤਾਂ ਦੀ ਗਿਣਤੀ, ਅਤੇ ਇੱਕ ਆਬਾਦੀ ਲਈ ਮਾਧਿਅਕ (ਜਿਸਨੂੰ μ ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ) ਹੈ μ = ਆਬਾਦੀ ਵਿੱਚ ਸਾਰੀਆਂ ਕੀਮਤਾਂ ਦਾ ਜੋੜ / ਆਬਾਦੀ ਵਿੱਚ ਕੀਮਤਾਂ ਦੀ ਗਿਣਤੀ।
5. ਆਮ ਵੰਡ: ਇੱਕ ਨਿਰੰਤਰ ਯਾਦ੍ਰਿਛਕ ਪਰਿਵਰਤਨਸ਼ੀਲ (RV) ਜਿਸਦਾ ਸੰਭਾਵਨਾ ਘਣਤਾ ਫੰਕਸ਼ਨ (pdf) f(x) = 1 σ 2π e – (x – μ) 2 2 σ 2 ਹੈ, ਜਿੱਥੇ μ ਵੰਡ ਦਾ ਮਾਧਿਅਕ ਹੈ ਅਤੇ σ ਮਿਆਰੀ ਵਿਕਲਣ ਹੈ; ਸੰਕੇਤ: Χ ~ N(μ, σ)। ਜੇ μ = 0 ਅਤੇ σ = 1, ਤਾਂ RV ਨੂੰ ਇੱਕ ਮਿਆਰੀ ਆਮ ਵੰਡ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
6. ਨਮੂਨਾ ਵੰਡ: ਇੱਕ ਦਿੱਤੀ ਹੋਈ ਆਬਾਦੀ ਤੋਂ n ਆਕਾਰ ਦੇ ਸਧਾਰਨ ਯਾਦ੍ਰਿਛਕ ਨਮੂਨਿਆਂ ਤੋਂ, ਜਿਸ ਵਿੱਚ ਮਾਧਿਅਕ, ਅਨੁਪਾਤ, ਜਾਂ ਮਿਆਰੀ ਵਿਕਲਣ ਵਰਗੀ ਇੱਕ ਮਾਪੀ ਗਈ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ, ਹਰੇਕ ਨਮੂਨੇ ਲਈ, ਸਾਰੀਆਂ ਮਾਪੀਆਂ ਗਈਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਸੰਭਾਵਨਾ ਵੰਡ ਨੂੰ ਨਮੂਨਾ ਵੰਡ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
7. ਮਾਧਿਅਕ ਦੀ ਮਿਆਰੀ ਤਰੁੱਟੀ: ਨਮੂਨਾ ਮਾਧਿਅਕਾਂ ਦੇ ਵੰਡ ਦਾ ਮਿਆਰੀ ਵਿਕਲਣ, ਜਾਂ σ n σ n।
8. ਸਮਾਨ ਵੰਡ: ਇੱਕ ਨਿਰੰਤਰ ਯਾਦ੍ਰਿਛਕ ਪਰਿਵਰਤਨਸ਼ੀਲ (RV) ਜਿਸਦੇ a < x < b ਡੋਮੇਨ ਉੱਤੇ ਬਰਾਬਰ ਸੰਭਾਵਿਤ ਨਤੀਜੇ ਹੁੰਦੇ ਹਨ; ਇਸਨੂੰ ਅਕਸਰ ਆਇਤਾਕਾਰ ਵੰਡ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ pdf ਦਾ ਗ੍ਰਾਫ ਇੱਕ ਆਇਤ ਦਾ ਰੂਪ ਧਾਰਦਾ ਹੈ। ਸੰਕੇਤ: X ~ U(a, b)। ਮਾਧਿਅਕ μ = a + b 2 ਹੈ ਅਤੇ ਮਿਆਰੀ ਵਿਕਲਣ σ = (b–a) 2 12 ਹੈ। ਸੰਭਾਵਨਾ ਘਣਤਾ ਫੰਕਸ਼ਨ f(x) = 1 b–a, a < x < b ਜਾਂ a ≤ x ≤ b ਲਈ ਹੈ। ਸੰਚਤ ਵੰਡ P(X ≤ x) = x–a b–a ਹੈ।