Τύπος ποσοστού σφάλματος | Πώς να υπολογίσετε το ποσοστό σφάλματος | Παραδείγματα

Τύπος για τον υπολογισμό του ποσοστού σφάλματος

Ο τύπος ποσοστού σφάλματος υπολογίζεται ως η διαφορά μεταξύ του εκτιμώμενου αριθμού και του πραγματικού αριθμού σε σύγκριση με τον πραγματικό αριθμό και εκφράζεται ως ποσοστό, για να το θέσουμε με άλλα λόγια, είναι απλώς η διαφορά μεταξύ του πραγματικού αριθμού και του υποτιθέμενου αριθμού αριθμός σε ποσοστιαία μορφή.

Σε θέματα που σχετίζονται με την επιστήμη, χρησιμοποιείται συχνά η έννοια του τύπου ποσοστού σφάλματος όπου πρέπει να προσδιοριστεί η διακύμανση μεταξύ της πειραματικής τιμής και της ακριβούς τιμής. Αυτός ο υπολογισμός θα μας βοηθήσει στη σύγκριση μιας τιμής που προκύπτει από το πείραμα με την ακριβή ή την πραγματική τιμή. Το ποσοστό σφάλματος παρέχει επίσης πληροφορίες σχετικά με το πόσο κοντά είναι ένα στη μέτρησή τους ή την εκτίμησή τους με την πραγματική ή την πραγματική τιμή.

Βήματα για τον υπολογισμό του ποσοστού σφάλματος

Για τον υπολογισμό του ποσοστού σφάλματος μπορεί κανείς να ακολουθήσει τα παρακάτω βήματα:

  • Βήμα 1: Ο πρώτος πρέπει να αποκτήσει την τιμή του πειράματος (υποτιθέμενη) και την ακριβή τιμή.
  • Βήμα 2: Βρείτε τη διαφορά μεταξύ τους και, στη συνέχεια, πάρτε την απόλυτη τιμή που πρέπει να αγνοήσει κάποιο αρνητικό σημάδι εάν υπάρχει. Αυτό είναι γνωστό ως το σφάλμα.
  • Βήμα 3: Στη συνέχεια, μάθετε την απόλυτη τιμή της ακριβούς ή της πραγματικής τιμής.
  • Βήμα 4: Διαιρέστε το απόλυτο σφάλμα (μη αρνητικό) που καθορίστηκε στο βήμα 2, με την απόλυτη πραγματική τιμή ή την ακριβή τιμή.
  • Βήμα 5: Τώρα, πολλαπλασιάστε τελικά το αποτέλεσμα που λαμβάνεται στο βήμα 4 με 100, έτσι ώστε το αποτέλεσμα να μετατραπεί σε ποσοστό επί τοις εκατό και, στη συνέχεια, να προσθέσετε ένα σύμβολο "%" στο αποτέλεσμα.

Παραδείγματα

Μπορείτε να πραγματοποιήσετε λήψη αυτού του προτύπου τύπου Excel Error Formula Excel - Πρότυπο ποσοστού σφάλματος Excel

Παράδειγμα # 1

Νέο άγαλμα ενότητας του τουριστικού τόπου ιδρύθηκε πρόσφατα στο Γκουτζαράτ της Ινδίας και εκτιμήθηκε ότι περίπου 3.00.000 άνθρωποι θα γύριζαν την ημέρα των εγκαινίων. Αλλά ο ακριβής αριθμός ατόμων που ήρθε για τα εγκαίνιά του ήταν περίπου 2.88.000. Πρέπει να υπολογίσετε το ποσοστό σφάλματος.

Παρακάτω δίνονται δεδομένα για τον υπολογισμό του ποσοστού σφάλματος

Επομένως, ο υπολογισμός του ποσοστού σφάλματος θα έχει ως εξής,

= (300000-288000) / 288000 * 100

Το ποσοστό σφάλματος θα είναι -

Ποσοστό σφάλματος = 4,17%

Παράδειγμα # 2

Η Avenue Supermarket λιανική εταιρεία που λειτουργεί με την επωνυμία "Dmart" είναι μια φάση επέκτασης και η εταιρεία σχεδιάζει να ανοίξει νέα καταστήματα σε νέες πόλεις. Στην αρχή του οικονομικού έτους, η εταιρεία σχεδίαζε και εκτιμά ότι θα ανοίξει 24 καταστήματα, ωστόσο μέχρι το τέλος του έτους η εταιρεία άνοιξε μόνο 21 καταστήματα. Η εταιρεία σας πλησίασε για να υπολογίσει το ποσοστό σφάλματος που έκαναν κατά τον αρχικό προγραμματισμό.

Παρακάτω δίνονται δεδομένα για τον υπολογισμό του ποσοστού σφάλματος

Επομένως, ο υπολογισμός του ποσοστού σφάλματος θα έχει ως εξής,

= (24-21) / 21 * 100

Το ποσοστό σφάλματος θα είναι -

Ποσοστό σφάλματος = 14,29%

Παράδειγμα # 3

Σύμφωνα με μια δημοσκόπηση που διεξήχθη από το κανάλι ειδήσεων κατά τη διάρκεια μιας προεκλογικής εκστρατείας όπου εκτιμά ότι το κόμμα XYZ θα κερδίσει 278 έδρες από τις 350 έδρες. Αφού βγήκαν τα αποτελέσματα, αποδείχθηκε ότι το κόμμα XYZ κατάφερε να κερδίσει 299 θέσεις από 350 θέσεις. Το κανάλι ειδήσεων μπερδεύεται από την πραγματική έκβαση και τώρα θέλει να μάθει ποιο σφάλμα περιθωρίου έκαναν και πόσο καθυστέρησαν. Υπολογίστε το ποσοστό σφάλματος.

Παρακάτω δίνονται δεδομένα για τον υπολογισμό του ποσοστού σφάλματος

Επομένως, ο υπολογισμός του ποσοστού σφάλματος θα έχει ως εξής,

Το ποσοστό σφάλματος θα είναι -

Ποσοστό σφάλματος = -7,02%

ΣΗΜΕΙΩΣΗ: Ακόμα κι αν σε αυτό το παράδειγμα η έξοδος ήταν αρνητική αλλά με σύμβολα "|" που σημαίνει απόλυτη τιμή και ως εκ τούτου προέρχεται ο αριθμός +21.

Χρήσεις του τύπου ποσοστού σφαλμάτων

Το ποσοστό σφάλματος φαίνεται να είναι ένας απλός υπολογισμός, αλλά είναι πολύ χρήσιμο καθώς μας παρέχει έναν αριθμό που θα απεικονίζει το σφάλμα μας. Περαιτέρω, χρησιμοποιείται όποτε είναι ζωτικής σημασίας να γνωρίζουμε την ποσότητα σφάλματος που υπάρχει στα δεδομένα και είναι απαραίτητο να γνωρίζουμε την αιτία του σφάλματος, εάν ο λόγος οφείλεται σε βλάβη του εξοπλισμού ή από δικό του σφάλμα ή λάθος τις υποθέσεις ή τις εκτιμήσεις.


$config[zx-auto] not found$config[zx-overlay] not found