SAMPLE VARIANCE Meaning in Thai - translations and usage examples

• ความแปรปรวนตัวอย่าง

Examples of using Sample variance in English and their translations into Thai

Sample variance.
ความแปรปรวนตัวอย่าง

So this is sample variance.
นี่ก็คือความแปรปรวนของตัวอย่าง

Sample variance.
ความแปรปรวนของตัวอย่าง

Now what is my sample variance?
แล้วความแปรปรวนตัวอย่างเป็นเท่าไหร่?

So our sample variance is-- well, I will just say 0.246.
ความแปรปรวนตัวอย่างก็คือ--จะบอกว่า0.246

So I could say-- And this is actually a sample variance.
ผมก็บอกได้ว่า--นี่คือความแปรปรวนตัวอย่าง

All of the sample variance distances, right?
ระยะทางของความแปรปรวนตัวอย่างทั้งหมด, จริงไหม?

Let's get the calculator out to actually figure out our sample variance.
ลองเอาเครื่องคิดเลขออกมาเพื่อหาความแปรปรวนตัวอย่างดู

So my variance, my sample variance, is equal to 0.2475.
ความแปรปรวนของผม, ความแปรปรวนตัวอย่างของผมเท่ากับ0.2475

Actually this is what some people often refer to when they talk about sample variance.
ที่จริงนี่คือสิ่งที่บางคนมักหมายถึงเวลาเขาพูดถึงความแปรปรวนของตัวอย่าง

So your sample variance, when you do it this way, might turn out a little bit low.
ค่าความแปรปรวนตัวอย่าง, เมื่อคุณหาแบบนี้, มันจะออกมาต่ำไปหน่อย

My sample standard deviation is just going to be the square root of my sample variance.
ค่าเบี่ยงเบนมาตรฐานตัวอย่างจะเท่ากับสแควร์รูท ของความแปรปรวนตัวอย่างผม

Now let's also figure out our sample variance because we can use it later for building our confidence interval.
ทีนี้ลองหาความแปรปรวนตัวอย่างด้วยเพราะเราสามารถใช้มันสร้างช่วงความมั่นใจขึ้นได้

Now given this sample here, what is my sample mean and my sample variance?
จากตัวอย่างนี่ตรงนี้, ค่าเฉลี่ยตัวอย่างผมและความแปรปรวนตัวอย่างผมเป็นเท่าไหร่?

And then this sample variance calculated this way will actually underestimate the actual population variance, right?
แล้วความแปรปรวนตัวอย่างที่คำนวณแบบนี้จะคาดเดาความแปรปรวนประชากรต่ำไปจริงไหม?

Plus my sample standard deviation for the control squared, which is the sample variance.
บวกค่าเบี่ยเงบนมาตรฐานตัวอย่างสำหรับกลุ่มควบคุม, ซึ่งก็คือความแปรปรวนตัวอย่าง

Sample variance is going to be equal to the sum of my squared distances to the mean divided by my samples minus 1.
ตัวแปรปรวนตัวอย่างจะเท่ากับผลบวกของระยะกำลังสองถึงค่าเฉลี่ยหารด้วยจำนวนตัวอย่างลบ1

This is-- So we might just say, well maybe a good way to take the sample variance is do it the same way.
นี่คือ--เราก็อาจบอกว่า, นี่อาจเป็นวิธีที่ดีในการหาความแปรปรวนตัวอย่างคือทำแบบนี้

It is equal to-- it is our sample variance-- I will write it over here-- our sample variance is equal to 0.246.
มันเท่ากับ--นี่คือความแปรปรวนตัวอย่างของเรา--จะเขียนมันตรงนี้นะ--ความแปรปรวนตัวอย่างเท่ากับ0.246

So this is going to be our sample standard deviation one squared, which is the sample variance for that distribution, over 100.
นี่จะเท่ากับค่าเบี่ยงเบนมาตรฐานตัวอย่างอันแรกกำลังสอง, ซึ่งก็คือความแปรปรวนตัวอย่างของการกระจายตัวอันนั้น, ส่วน100

Remember, this is a sample variance, and we want to get the best estimator of the real variance of this distribution.
จำไว้, นี่คือความแปรปรวนตัวอย่าง, และเราอยากได้ค่าประมาณความแปรปรวนจริงของการกระจายตัวนี้ที่ดีที่สุด

So then we would have gotten the variance-- we would have gotten the sample variance 9.7 if you divided by n minus 1 instead of n.
แล้วเราจะได้ความแปรปรวน--เราจะได้ความแปรปรวนของตัวอย่างเป็น9.7ถ้าคุณหารด้วยn1แทนที่จะเป็นn

Or actually, let's figure out-- we said if this was a sample, if those numbers were sample and not the population, that we figured out that the sample variance was 9.7.
ที่จริง, ลองหากันว่า--เราบอกว่าถ้านี่เป็นตัวอย่าง, และจำนวนพวกนี้ไม่ใช่ประชากร, เราหาได้แล้วว่าความแปรปรวนตัวอย่างเป็น9.7

There's several ways, when people talk about the sample variance, there's several tools in their toolkits, there's several ways to calculate it.
มันมีวิธีหลายอย่าง, เวลาคนพูดถึงความแปรปรวนตัวอย่างมันมีเครื่องมือหลายอย่าง, มันมีวิธีคำนวณได้หลายวิธี

Our sample variance here-- so let me draw a sample variance-- we're going to take the weighted sum of the square differences from the mean and divide by this minus 1.
ความแปรปรวนตัวอย่างของเราตรงนี้--มหาความแปรปรวนตัวอย่าง--เราก็หาผลบวกถ่วงน้ำหนักของผลต่างกำลังสองจากค่าเฉลี่ยแล้วหารด้วยเจ้านี่ลบ1

And what it allows us to do is give us an intuition as to why we divide by n-1 when we calculate our sample variance and why that gives us an unbiased estimate of population variance..
และสิ่งที่เราได้คือได้สัญชาตญาณว่าทำไมเราถึงหารด้วยn-1เวลาเราคำนวณความแปรปรวนตัวอย่างแล้วทำไมมันถึงให้ค่า

And the hopefully build the intuition on why we divide by n-1 if we want to have an unbiased estimate of the population variance when we're calculating the sample variance.
หวังว่าจะสร้างสัญชาตญาณด้วยว่าทำไมเราถึงหารด้วยn-1หากเราอยากประมาณค่าความแปรปรวนประชากรแบบไม่เอนเอียงเวลาเราคำนวณความแปรปรวนของตัวอย่าง

And then if I wanted to figure out the sample variance using this formula, I would say OK this distance squared plus this distance squared plus this distance squared plus that distance squared and average them all out.
แล้วถ้าเราหาความแปรปรวนตัวอย่างโดยใช้สูตรนี้, ผมก็บอกว่าโอเคระยะนี่กำลังสองบวกระยะนี่กำลังสองบวกระยะนี่กำลังสองบวก

Here's a simulations created by Khan Academy user Justin Helps that once again tries to give us an understanding of why we divide by n-1 to get an unbiased estimate of population variance when we're trying to calculate the sample variance.
อันนี้คือแบบจำลองคอมพิวเตอร์อีกอันหนึ่งโดยผู้ใช้คานอะคาเดมี่ชื่อจัสตินเพื่อพยายามทำให้เราเข้าใจว่าทำไมต้องหารด้วยn-1เพื่อหาค่าความแปรปรวนประชากรแบบไม่เอนเอียงเวลาเราพยายามคำนวณความแปรปรวนตัวอย่าง

Our unbiased sample variance, which is equal to and this is what we see, what we saw in the last several videos, what you see in statistics books and it's confusing why and hopefully Peter's simulation gives you a good idea of why, at least convinces you that this is the case.
ความแปรปรวนตัวอย่างแบบไม่เอนเอียงของเรา, ซึ่งเท่ากับ, นี่คือสิ่งที่เราเห็น, สิ่งที่เราเห็นในวิดีโอที่แล้ว, สิ่งที่คุณเห็นในหนังสือสถิติและมันน่าสับสนว่าทำไมหวังว่าแบบจำลองของปีเตอร์