เครื่องคำนวณค่าผิดปกติ

เกี่ยวกับ เครื่องคำนวณค่าผิดปกติ

ยินดีต้อนรับสู่ เครื่องคำนวณค่าผิดปกติ เครื่องมือออนไลน์ฟรีที่ช่วยระบุค่าผิดปกติ (outliers) ทางสถิติในชุดข้อมูลของคุณโดยใช้วิธี IQR (Interquartile Range) ที่ได้รับการพิสูจน์แล้ว ไม่ว่าคุณจะเป็นนักเรียนที่กำลังเรียนสถิติ นักวิจัยที่วิเคราะห์ข้อมูลการทดลอง นักวิทยาศาสตร์ข้อมูลที่ทำความสะอาดชุดข้อมูล หรือนักวิเคราะห์ธุรกิจที่ตรวจหาความผิดปกติ เครื่องมือนี้จะช่วยตรวจหาค่าผิดปกติอย่างครอบคลุมพร้อมการแสดงภาพที่ชัดเจนและการคำนวณทีละขั้นตอน

ค่าผิดปกติคืออะไร?

ค่าผิดปกติ (outlier) คือจุดข้อมูลที่มีความแตกต่างอย่างมีนัยสำคัญจากการสังเกตอื่นๆ ในชุดข้อมูล ค่าผิดปกติอาจเกิดขึ้นเนื่องจากข้อผิดพลาดในการวัด ข้อผิดพลาดในการป้อนข้อมูล ความแปรปรวนตามธรรมชาติ หรืออาจแสดงถึงค่าที่ยอดเยี่ยมอย่างแท้จริงซึ่งควรค่าแก่การตรวจสอบเพิ่มเติม ในทางสถิติ ค่าผิดปกติมักจะถูกระบุว่าเป็นค่าที่อยู่นอกช่วงที่กำหนดเมื่อเทียบกับข้อมูลที่เหลือ

ทำไมการตรวจหาค่าผิดปกติจึงสำคัญ

1. คุณภาพและการทำความสะอาดข้อมูล

ค่าผิดปกติอาจบ่งบอกถึงข้อผิดพลาดในการเก็บข้อมูล การวัด หรือการป้อนข้อมูล การระบุและจัดการกับค่าผิดปกติเหล่านี้มีความสำคัญต่อการรักษาคุณภาพของข้อมูลและเพื่อให้แน่ใจว่าผลการวิเคราะห์มีความแม่นยำ

2. ความแม่นยำในการวิเคราะห์ทางสถิติ

วิธีการทางสถิติจำนวนมาก รวมถึงค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และการวิเคราะห์การถดถอย มีความไวต่อค่าผิดปกติ ค่าที่รุนแรงเพียงค่าเดียวอาจทำให้ผลลัพธ์บิดเบือนอย่างมีนัยสำคัญและนำไปสู่ข้อสรุปที่ผิดพลาด การระบุค่าผิดปกติช่วยให้คุณตัดสินใจได้ว่าจะลบ แปลงข้อมูล หรือตรวจสอบเพิ่มเติม

3. การตรวจหาความผิดปกติ

ในสาขาต่างๆ เช่น การตรวจจับการฉ้อโกง ความปลอดภัยของเครือข่าย และการควบคุมคุณภาพ ค่าผิดปกติมักจะแสดงถึงเหตุการณ์สำคัญที่ควรค่าแก่การเอาใจใส่ การระบุรูปแบบที่ผิดปกติสามารถช่วยป้องกันการฉ้อโกง ตรวจพบความล้มเหลวของระบบ หรือตรวจพบข้อบกพร่องในการผลิต

4. การวิจัยทางวิทยาศาสตร์

ในการวิจัยเชิงทดลอง ค่าผิดปกติอาจบ่งบอกถึงข้อผิดพลาดในการทดลองหรือปรากฏการณ์ที่ไม่คาดคิด การวิเคราะห์ค่าผิดปกติที่เหมาะสมจะช่วยให้มั่นใจได้ว่าสิ่งที่คุณค้นพบนั้นขึ้นอยู่กับข้อมูลที่เชื่อถือได้ ในขณะที่ยังคงรักษาการสังเกตที่อาจมีความสำคัญไว้

วิธี IQR สำหรับการตรวจหาค่าผิดปกติ

เครื่องคำนวณนี้ใช้ กฎ 1.5 × IQR ซึ่งเป็นวิธีที่ได้รับการยอมรับอย่างกว้างขวางและเผยแพร่โดยนักสถิติ John Tukey วิธีนี้มีความแข็งแกร่ง เข้าใจง่าย และได้รับผลกระทบจากค่าที่รุนแรงน้อยกว่าวิธีที่อิงตามส่วนเบี่ยงเบนมาตรฐาน

วิธีการทำงานของวิธี IQR

กระบวนการประกอบด้วยหลายขั้นตอน:

1. เรียงลำดับข้อมูล: จัดเรียงค่าทั้งหมดจากน้อยไปหามาก
2. คำนวณ Q1: หาควอไทล์แรก (เปอร์เซ็นไทล์ที่ 25) - ค่ามัธยฐานของครึ่งล่าง
3. คำนวณ Q3: หาควอไทล์ที่สาม (เปอร์เซ็นไทล์ที่ 75) - ค่ามัธยฐานของครึ่งบน
4. คำนวณ IQR: คำนวณ IQR = Q3 - Q1
5. กำหนดขอบเขต: คำนวณขอบเขตล่าง = Q1 - 1.5×IQR และขอบเขตบน = Q3 + 1.5×IQR
6. ระบุค่าผิดปกติ: ค่าใดๆ ที่ต่ำกว่าขอบเขตล่างหรือสูงกว่าขอบเขตบนจะถือว่าเป็นค่าผิดปกติ

ทำไมต้องเป็น 1.5 × IQR?

ตัวคูณ 1.5 ให้ความสมดุลระหว่างการไวเกินไป (การระบุค่าจำนวนมากเกินไปว่าเป็นค่าผิดปกติ) และการผ่อนปรนเกินไป (การพลาดค่าผิดปกติที่แท้จริง) ตัวคูณนี้ได้รับการตรวจสอบผ่านการปฏิบัติทางสถิติมานานหลายทศวรรษและทำงานได้ดีสำหรับชุดข้อมูลส่วนใหญ่ สำหรับการตรวจหาค่าผิดปกติที่รุนแรงกว่านั้น นักวิเคราะห์บางคนอาจใช้ 3×IQR ซึ่งจะระบุเฉพาะค่าที่รุนแรงมากเท่านั้น

ความเข้าใจเกี่ยวกับควอไทล์

ควอไทล์คืออะไร?

ควอไทล์แบ่งชุดข้อมูลที่จัดลำดับออกเป็นสี่ส่วนเท่าๆ กัน โดยแต่ละส่วนประกอบด้วยข้อมูล 25%:

• Q1 (ควอไทล์แรก): ค่าที่มีข้อมูล 25% อยู่ต่ำกว่า (เปอร์เซ็นไทล์ที่ 25)
• Q2 (ควอไทล์ที่สอง): ค่ามัธยฐาน ซึ่งเป็นค่าที่มีข้อมูล 50% อยู่ต่ำกว่า (เปอร์เซ็นไทล์ที่ 50)
• Q3 (ควอไทล์ที่สาม): ค่าที่มีข้อมูล 75% อยู่ต่ำกว่า (เปอร์เซ็นไทล์ที่ 75)

วิธี Moore และ McCabe

เครื่องคำนวณนี้ใช้วิธี Moore และ McCabe (หรือที่เรียกว่าวิธี exclusive) ในการคำนวณควอไทล์ ในวิธีนี้:

• อันดับแรก จะหาค่ามัธยฐาน (Q2)
• Q1 คือค่ามัธยฐานของค่าทั้งหมดที่อยู่ต่ำกว่า Q2 (ไม่รวม Q2 เอง)
• Q3 คือค่ามัธยฐานของค่าทั้งหมดที่อยู่สูงกว่า Q2 (ไม่รวม Q2 เอง)

นี่เป็นวิธีเดียวกับที่ใช้ในเครื่องคิดเลข TI-83 และ TI-85 ซึ่งทำให้นักเรียนและครูคุ้นเคย โปรดทราบว่าชุดซอฟต์แวร์ที่แตกต่างกันอาจใช้วิธีการคำนวณควอไทล์ที่แตกต่างกันเล็กน้อย ซึ่งอาจทำให้ผลลัพธ์มีความแตกต่างกันเล็กน้อย

วิธีใช้เครื่องมือนี้

1. ป้อนข้อมูลของคุณ: ป้อนตัวเลขของคุณโดยคั่นด้วยจุลภาค เว้นวรรค หรือขึ้นบรรทัดใหม่ คุณต้องมีจุดข้อมูลอย่างน้อย 4 จุดเพื่อให้การตรวจหาค่าผิดปกติมีความหมาย
2. คลิกคำนวณ: คลิกปุ่ม "คำนวณค่าผิดปกติ" เพื่อประมวลผลชุดข้อมูลของคุณ
3. ตรวจสอบสรุป: ดูจำนวนค่าผิดปกติที่ตรวจพบและดูว่าค่าใดบ้างที่เป็นค่าผิดปกติ
4. ตรวจสอบการแสดงภาพ: ดูแผนภาพกล่องเพื่อดูการกระจายของข้อมูลของคุณและดูว่าค่าผิดปกติอยู่ที่ตำแหน่งใด
5. ตรวจสอบการคำนวณ: ตรวจสอบรายละเอียดทีละขั้นตอนที่แสดงวิธีคำนวณควอไทล์และขอบเขต
6. วิเคราะห์สถิติ: ดูเมตริกหลัก เช่น ค่าทั้งหมด ค่าปกติ จำนวนค่าผิดปกติ และเปอร์เซ็นต์

การตีความผลลัพธ์ของคุณ

ไม่พบค่าผิดปกติ

หากไม่พบค่าผิดปกติ แสดงว่าชุดข้อมูลของคุณไม่มีค่าที่รุนแรงตามกฎ 1.5×IQR สิ่งนี้บ่งชี้ว่าข้อมูลของคุณมีความเป็นเนื้อเดียวกันค่อนข้างมากโดยไม่มีความผิดปกติอย่างมีนัยสำคัญ

มีค่าผิดปกติเล็กน้อย (น้อยกว่า 5%)

ค่าผิดปกติจำนวนเล็กน้อยเป็นเรื่องปกติในชุดข้อมูลส่วนใหญ่ ตรวจสอบค่าเหล่านี้เพื่อดูว่าเป็นข้อผิดพลาดหรือเป็นการสังเกตที่รุนแรงอย่างแท้จริง พิจารณาบริบทของข้อมูลของคุณก่อนตัดสินใจลบออก

มีค่าผิดปกติมาก (มากกว่า 10%)

หากจุดข้อมูลมากกว่า 10% ถูกระบุว่าเป็นค่าผิดปกติ สิ่งนี้อาจบ่งบอกถึง:

• ข้อมูลของคุณมีการกระจายแบบไม่ปกติ (เบ้, มีสองฐาน หรือมีหลายฐาน)
• มีข้อผิดพลาดอย่างเป็นระบบในการเก็บข้อมูล
• ชุดข้อมูลรวมประชากรหลายกลุ่มที่มีลักษณะแตกต่างกันเข้าด้วยกัน
• วิธี IQR อาจไม่เหมาะสมกับประเภทข้อมูลของคุณ

ควรลบค่าผิดปกติเมื่อใด

ไม่ควรลบค่าผิดปกติทั้งหมดออกเสมอไป โปรดพิจารณาแนวทางดังนี้:

ลบค่าผิดปกติเมื่อ:

• เกิดจากข้อผิดพลาดในการป้อนข้อมูลหรือข้อผิดพลาดในการวัด
• แสดงถึงค่าที่เป็นไปไม่ได้หรือไม่ถูกต้อง (เช่น อายุที่ติดลบ, อุณหภูมิที่สูงเกินขีดจำกัดทางกายภาพ)
• มาจากประชากรที่แตกต่างจากกลุ่มเป้าหมายในการศึกษาของคุณ
• วิธีการวิเคราะห์ของคุณมีความไวต่อค่าที่รุนแรงสูงมาก

เก็บค่าผิดปกติไว้เมื่อ:

• แสดงถึงการสังเกตที่แท้จริงจากประชากรกลุ่มเป้าหมายของคุณ
• อาจมีข้อมูลสำคัญเกี่ยวกับเหตุการณ์ที่เกิดขึ้นไม่บ่อย
• การลบออกจะทำให้ผลลัพธ์ของคุณเกิดความลำเอียง
• คำถามวิจัยของคุณเกี่ยวข้องกับค่าที่รุนแรงโดยเฉพาะ

แนวทางอื่น:

• การแปลงข้อมูล: ใช้ log, รากที่สอง หรือการแปลงอื่นๆ เพื่อลดผลกระทบของค่าผิดปกติ
• ใช้สถิติที่แข็งแกร่ง (Robust statistics): ใช้ค่ามัธยฐานแทนค่าเฉลี่ย หรือใช้วิธีการถดถอยที่แข็งแกร่ง
• Winsorization: แทนที่ค่าผิดปกติด้วยค่าที่ไม่ใช่ค่าผิดปกติที่อยู่ใกล้ที่สุด
• การวิเคราะห์แยกส่วน: วิเคราะห์ข้อมูลทั้งแบบที่มีและไม่มีค่าผิดปกติเพื่อดูว่าผลลัพธ์แตกต่างกันอย่างไร

การแสดงภาพแผนภาพกล่อง

แผนภาพกล่อง (หรือแผนภาพกล่องและหนวด) คือการแสดงภาพการกระจายข้อมูลมาตรฐานที่เน้นค่าผิดปกติ เครื่องคำนวณของเราจะสร้างแผนภาพกล่องที่แสดงถึง:

• กล่อง: แสดงถึงพิสัยระหว่างควอไทล์ (IQR) จาก Q1 ถึง Q3 ซึ่งประกอบด้วยข้อมูลร้อยละ 50 ตรงกลาง
• เส้นในกล่อง: แสดงค่ามัธยฐาน (Q2)
• หนวด (Whiskers): ยืดออกไปหาค่าที่น้อยที่สุดและมากที่สุดที่ไม่ใช่ค่าผิดปกติ
• จุดที่อยู่นอกหนวด: จุดข้อมูลของค่าผิดปกติแต่ละจุดจะถูกพล็อตแยกกัน

การใช้งานทั่วไป

การควบคุมคุณภาพ

กระบวนการผลิตใช้การตรวจหาค่าผิดปกติเพื่อระบุผลิตภัณฑ์ที่มีข้อบกพร่องหรือความแปรปรวนของกระบวนการ ค่าที่อยู่นอกช่วงที่ยอมรับได้จะกระตุ้นให้เกิดการตรวจสอบและการดำเนินการแก้ไข

การวิเคราะห์ทางการเงิน

นักวิเคราะห์ตรวจพบธุรกรรมที่ผิดปกติ ระบุความผิดปกติของตลาด และคัดกรองการฉ้อโกงที่อาจเกิดขึ้นโดยการระบุรูปแบบค่าผิดปกติในข้อมูลทางการเงิน

การวิจัยทางวิทยาศาสตร์

นักวิจัยคัดกรองข้อมูลการทดลองเพื่อหาข้อผิดพลาดในการวัด ระบุการสังเกตที่ยอดเยี่ยมซึ่งต้องการการศึกษาเพิ่มเติม และรับประกันคุณภาพของข้อมูลก่อนการวิเคราะห์ทางสถิติ

การดูแลสุขภาพและการแพทย์

บุคลากรทางการแพทย์ระบุผู้ป่วยที่มีผลการทดสอบที่ผิดปกติ ตรวจหาอาการไม่พึงประสงค์จากการใช้ยา และติดตามสัญญาณชีพเพื่อหาค่าที่ผิดปกติ

การวิเคราะห์กีฬา

นักวิเคราะห์ระบุผลการแข่งขันกีฬาที่ยอดเยี่ยม ตรวจพบความผิดปกติทางสถิติ และประเมินความคงเส้นคงวาของผู้เล่นโดยการตรวจสอบค่าผิดปกติในเมตริกผลงาน

ข้อจำกัดของวิธี IQR

แม้ว่าวิธี IQR จะมีความแข็งแกร่งและใช้กันอย่างแพร่หลาย แต่โปรดระวังข้อจำกัดเหล่านี้:

• กลุ่มตัวอย่างขนาดเล็ก: หากมีจุดข้อมูลน้อยกว่า 10-20 จุด การตรวจหาค่าผิดปกติจะมีความน่าเชื่อถือน้อยลง
• การกระจายแบบไม่สมมาตร: ข้อมูลที่มีความเบ้มากอาจให้ผลลัพธ์ที่ทำให้เข้าใจผิด
• การกระจายแบบมีหลายฐาน: ข้อมูลที่มีค่าสูงสุดหลายค่าอาจระบุค่าปกติว่าเป็นค่าผิดปกติโดยไม่ตั้งใจ
• ข้อมูลทางเวลา: ข้อมูลอนุกรมเวลาอาจต้องการวิธีการตรวจหาค่าผิดปกติเฉพาะทาง

เคล็ดลับเพื่อผลลัพธ์ที่ดีที่สุด

• ขนาดกลุ่มตัวอย่างที่เพียงพอ: ใช้จุดข้อมูลอย่างน้อย 10-20 จุดเพื่อการตรวจหาค่าผิดปกติที่เชื่อถือได้
• ทำความเข้าใจข้อมูลของคุณ: ทราบถึงบริบทและความหมายของการวัดของคุณ
• บันทึกการตัดสินใจ: บันทึกเหตุผลที่คุณเก็บหรือลบค่าผิดปกติบางอย่างออก
• ตรวจสอบค่าผิดปกติที่น่าสงสัย: ตรวจสอบค่าที่ถูกระบุซ้ำกับข้อมูลต้นฉบับ
• พิจารณาความรู้ในสายงาน: ใช้ความเชี่ยวชาญในสาขาวิชานั้นๆ เพื่อประเมินว่าค่าผิดปกตินั้นมีความเป็นไปได้หรือไม่
• รายงานอย่างโปร่งใส: รายงานจำนวนค่าผิดปกติที่พบและสิ่งที่คุณทำกับค่าเหล่านั้นเสมอ

คำถามที่พบบ่อย

ค่าผิดปกติ (outlier) ในสถิติคืออะไร?

ค่าผิดปกติคือจุดข้อมูลที่แตกต่างอย่างมีนัยสำคัญจากการสังเกตอื่นๆ ในชุดข้อมูล ในทางสถิติ ค่าผิดปกติมักจะถูกกำหนดให้เป็นค่าที่ต่ำกว่าควอไทล์แรก (Q1) เกิน 1.5 เท่าของพิสัยระหว่างควอไทล์ (IQR) หรือสูงกว่าควอไทล์ที่สาม (Q3) เกิน 1.5 เท่า ค่าผิดปกติอาจบ่งบอกถึงความแปรปรวนในการวัด ข้อผิดพลาดในการทดลอง หรือจุดข้อมูลที่ผิดปกติอย่างแท้จริงซึ่งควรค่าแก่การตรวจสอบเพิ่มเติม

พิสัยระหว่างควอไทล์ (IQR) คืออะไร?

พิสัยระหว่างควอไทล์ (IQR) คือการวัดการกระจายทางสถิติที่แสดงถึงช่วงของข้อมูลร้อยละ 50 ตรงกลาง คำนวณจากผลต่างระหว่างควอไทล์ที่สาม (Q3) และควอไทล์แรก (Q1): IQR = Q3 - Q1 โดยที่ IQR จะได้รับผลกระทบจากค่าที่รุนแรงน้อยกว่าพิสัย (range) ทำให้เป็นการวัดความแปรปรวนที่แข็งแกร่ง

Q1, Q2 และ Q3 คืออะไร?

Q1 (ควอไทล์แรก) คือค่าที่มีข้อมูล 25% อยู่ต่ำกว่าค่านั้น หรือเรียกว่าควอไทล์ล่าง Q2 (ควอไทล์ที่สอง) คือค่ามัธยฐาน ซึ่งเป็นค่าที่มีข้อมูล 50% อยู่ต่ำกว่าค่านั้น Q3 (ควอไทล์ที่สาม) คือค่าที่มีข้อมูล 75% อยู่ต่ำกว่าค่านั้น หรือเรียกว่าควอไทล์บน ควอไทล์เหล่านี้จะแบ่งชุดข้อมูลของคุณออกเป็นสี่ส่วนเท่าๆ กัน

กฎ 1.5 × IQR ทำงานอย่างไร?

กฎ 1.5 × IQR เป็นวิธีมาตรฐานในการระบุค่าผิดปกติ จุดข้อมูลใดๆ ที่ต่ำกว่า Q1 - 1.5×IQR หรือสูงกว่า Q3 + 1.5×IQR จะถือว่าเป็นค่าผิดปกติ วิธีนี้ได้รับความนิยมจาก John Tukey และใช้กันอย่างแพร่หลายในแผนภาพกล่อง (box plots) และการวิเคราะห์ทางสถิติ ตัวคูณ 1.5 ให้ความสมดุลระหว่างการไวต่อข้อมูลเกินไปและการผ่อนปรนเกินไปในการตรวจหาค่าผิดปกติ

เครื่องคำนวณนี้ใช้วิธีใดในคำนวณควอไทล์?

เครื่องคำนวณนี้ใช้วิธี Moore และ McCabe (หรือที่เรียกว่าวิธี exclusive) ในการคำนวณควอไทล์ โดย Q1 และ Q3 จะคำนวณเป็นค่ามัธยฐานของข้อมูลสองครึ่ง ซึ่งค่ามัธยฐาน Q2 จะถูกแยกออกจากข้อมูลทั้งสองครึ่ง นี่เป็นวิธีเดียวกับที่ใช้ในเครื่องคิดเลข TI-83 และ TI-85 ซึ่งทำให้นักเรียนและครูคุ้นเคย

เครื่องมือทางสถิติที่เกี่ยวข้อง

คุณอาจพบว่าเครื่องมือเหล่านี้มีประโยชน์เช่นกัน:

• เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐาน: คำนวณความแปรปรวนโดยใช้วิธีอิงตามค่าเฉลี่ย
• เครื่องคำนวณควอไทล์: คำนวณ Q1, Q2 และ Q3 โดยไม่มีการตรวจหาค่าผิดปกติ
• เครื่องคำนวณคะแนนมาตรฐาน (Z-Score): ระบุค่าผิดปกติโดยใช้วิธีส่วนเบี่ยงเบนมาตรฐาน
• เครื่องสร้างแผนภาพกล่อง: สร้างแผนภาพกล่องและหนวดโดยละเอียด

แหล่งข้อมูลเพิ่มเติม

เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการตรวจหาค่าผิดปกติและการวิเคราะห์ทางสถิติ:

• วิธีค้นหาค่าผิดปกติ - Statistics How To (ภาษาอังกฤษ)
• ค่าผิดปกติและแผนภาพกล่องดัดแปลง - Penn State (ภาษาอังกฤษ)
• การตรวจหาค่าผิดปกติ - NIST Engineering Statistics Handbook (ภาษาอังกฤษ)

เครื่องมืออื่นๆ ที่เกี่ยวข้อง:

สถิติและการวิเคราะห์ข้อมูล:

• เครื่องคิดเลข ANOVA แนะนำ
• เครื่องคำนวณค่าเฉลี่ยเลขคณิต
• เครื่องคิดเลขเฉลี่ย - ความแม่นยำสูง
• เครองคำนวณคาเบยงเบนเฉลย
• เครื่องสร้างแผนภาพกล่อง (Box and Whisker Plot)
• เครื่องคิดเลขการทดสอบไคสแควร์
• คาสมประสทธของการแปรผนของเครองคดเลข
• เครื่องคิดเลข Cohen's d
• เครื่องคำนวณอัตราการเติบโตแบบทบต้น
• เครื่องคำนวณช่วงความเชื่อมั่น
• เครื่องคำนวณช่วงความเชื่อมั่นสำหรับสัดส่วน
• เครื่องคำนวณสัมประสิทธิ์สหสัมพันธ์
• เครื่องคิดเลขค่าเฉลี่ยทางเรขาคณิต
• เครื่องคิดเลขค่าเฉลี่ยฮาร์มอนิก
• เครื่องมือสร้างฮิสโตแกรม
• เครื่องคิดเลขพิสัยระหว่างควอไทล์
• เครื่องคำนวณการทดสอบ Kruskal-Wallis
• เครื่องคำนวณการถดถอยเชิงเส้น
• เครื่องคำนวณการเติบโตเชิงลอการิทึม
• เครื่องคำนวณการทดสอบ Mann-Whitney U
• เครื่องคำนวณค่าเบี่ยงเบนสมบูรณ์เฉลี่ย (MAD)
• เครื่องคิดเลขค่าเฉลี่ย
• เครื่องคำนวณค่าเฉลี่ย มัธยฐาน และฐานนิยม
• เครื่องคำนวณค่าเบี่ยงเบนสัมบูรณ์ค่ามัธยฐาน
• เครื่องคิดเลขมัธยฐาน
• เครื่องคำนวณค่ากึ่งกลางพิสัย
• เครื่องคิดเลขโหมด
• เครื่องคำนวณค่าผิดปกติ
• เครื่องคิดเลขส่วนเบี่ยงเบนมาตรฐานของประชากร-ความแม่นยำสูง
• เครื่องคำนวณควอไทล์
• เครื่องคิดเลขส่วนเบี่ยงเบนควอไทล์
• เครื่องคิดเลขช่วง
• เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐานสัมพัทธ์ แนะนำ
• เครื่องคิดเลข RMS
• เครื่องคำนวณค่าเฉลี่ยตัวอย่าง
• เครื่องคิดเลขขนาดตัวอย่าง
• เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐานกลุ่มตัวอย่าง
• ตัวสร้างแผนภาพการกระจาย
• เครื่องคำนวณส่วนเบี่ยงเบนมาตรฐาน - ความแม่นยำสูง แนะนำ
• เครื่องคำนวณข้อผิดพลาดมาตรฐาน
• เครื่องคิดเลขสถิติ
• เครื่องคำนวณการทดสอบ t แนะนำ
• เครื่องคำนวณความแปรปรวน ความแม่นยำสูง แนะนำ
• เครื่องคิดเลข Z-Score