 तो वेशे तो रूल तम्कि मुताबिक, वेशे तो रूल तम्कि मुताबिक, मीन is the most frequently used, or मीन is the kind of, ज़से मैंबी खाहा के, हमारी न्फरेंच्या स्तटिस्टिक्स मेंभी, हमारी तेस्टिंग हीपोठासिस मेंभी, और मीन is the kind of ज़से मेंभी काहा के, हमारी न्फरेंच्या स्तटिस्टिक्स मेंभी, हमारी तेस्टिंग हीपोठासिस मेंभी, हमारी देडी लिएप मेंभी अवरेजीस रिएपोट कनगे में, मीन is the most frequently reported mayor of central tendency. वाई मीन is the most frequently reported mayor, किन, किवके हम इस में, �inde हसी फ़ता में सब थे तरा किज्ही बात की आप हो डीए the minutes that was calculated alone with other girls, Take in to account each and every value in the data point, which is a very plus because sometimes our outliers extreme values are meaningful inside our data, and they give us some information. Because, you totally ignore the media where the dispersion is, the scale sensitivity is going. You just focus on central value. उसे मैं इजामपल में दिया कि यहांपे यहांपे एगर 5,000 कर दुए 5,000,000 कर दुए still the median value would be the 3. तो मीन का सब से बड़ा फाइदा तो यहे है के मीन आपकी हर value को खनसटर करती है और आप summation f जब निकाते हैं तो you take into account each and every value of the f. तुस्तर हम निबात की के यह चुंके टेस्टिंग हीपोटिसिस में inferential statistics में हम use करते हैं और उसके उपर बेस कर के हम testing hypothesis build करते हैं तो इसले भी मीन प्रफ़र मेंएर है. तीस्टर यह के मुस्टी हम normal continuous data के साथ हम mostly numerical data के साथ deal कर होतें हमारे पस course होतें तो वहां बेभी a mean जाडा appropriate मेंएर है जब आप pure numerical data या interval ratio scale के साथ आप deal कर रहें. जब में हमारी preferred choice होती है mostly जब हम central value report करते हैं और हमारी daily day to day life में भी हम averages मेंगी बात करते हैं. लेकिन फिर हम median और mod कर लिएंगे तो median हम mostly use median के मेंने पहले भी बताएं फाइदे के हमारे जब extreme values होंगी data के अंदर. तो हम उस में median use कर लिएंगे जब हमारे पस हो जिस में undetermined और incomplete data points है और हमारे being a psychology student बहुत से aise points आते है. जब हमारे पस incomplete या undetermined values होती है. जब से पस कर है में हें कलास को टेस्त दिया है कोई बी question दिया है ईंसवर करने के लिये. तो वो few students did not finish the exam. तो उनको मैं कैसे केता कर कर हूंगी. अ में बहुत से out of 190 people का score है, लेकिन 10 लोग एसे है जुनों लेकिन आए पचफाई निक लिएंगे एंगे. तो इसका मदलव के हमारी मेद्यन वहाँ पेहल्प करती हैं जब हमारे पस आन्द टरमेंद या इन खम्प्लीट केसेज होते हैं जैसा के मैं इस इजामपल में दियावाई मैं अस में सारी फ्रिकौन्सेज लिक दूंगी अच्छ वो ये दूजन तेकस लिए जामदावाई में नहीं वहाँ पेहल्प करती हैं तो मड़ का वह मुझ करते हैं, मड़ हम दीटा होगा जब हमारे पस नोमिनल डीटा होगा और हमारे पस नोमिनल दीटा होगा, और हमारे पस दिसक्रीट वेरियेबस होगे दिसक्रीट वेरियेबस, विचार इन होल नमबस, या फिर, when describing the shape of the distribution जब हमारे पस शेप दीवी और हमने गयस करना है, मोड क्या होगा, तो हम मेभी उसकी पीख से अडिन्टीपाइ कर लेंगे, एसके अंदर मोड यहाँ पे होगा और मुस्टे डील वोल में ज़से मैं आप कुबहसी एकजामपस दीए है, फाष्चन अंड़ुस्टी, जीसों की सेल परचेज में, माकतिग में हमारा, मोड वेलु बड़ा हल्फुल होता है, कुए कुए हम, टेटोगरिकल देटा, नोमिनल देटा के साथ दील कर रहे होता है, तो उस में फिर हमारी सेंट्रल वेलु यहा, दिस्टीबूशन का सेंट्टर फाइंणोड करने के लिये, तो, हम मैए जोफ सेंटर तेनींऻची को गाफिकली प्रजिझन करते है, लिया, हे आप वा सकद्तो के ज़ंग दैटा न आभ बाही, यहा लाई थी ठनगे लिए कर an idea of MEAN through polygons अर दिस्टीबूशन में, कर और था थी इस बजीदी होकंगो कर सकते है, त astronaut Earni अगना fees अखना चब यासी शब देटा लकेiveness क्याle मे�bike बिका टर्ँन, लिए अख बड़्टे इहार था** Preis च कि से, वो ईदिय ellsht7227 गो य 나오�के नहीं मšeध करतें, फुझे भी थ्ूआ य की थेUN visual अस उगा, च�京गु, एक ग्लोगा कर कचन Yan तो हमारी मेश़ा सवन्तरलवाली। मीन और मेदिन बडावर। उसका, हमारा आप चाए प्लस कर के देखने। और सको फैव पे दिवाट कर देखने। आप प्लस नाक रें। अगर देटा स्मित्रिकल है, तो सवन्तरलवाली। तो ही मीनोगी और संटर लगी ही मीट्णिनोगा और चुंके यहाँ पे कोई मोड नहीं है फर वेलिव एक दफार पीट रफीट होगी है तो असका मतलब है के मोड भी फिर हम संटर में लुकेट करेंगे बकोस हम जा के फैप को मोड नहीं काएंगे इसी को काएंगे कुके वी आर त्राइंग तो फैंद ज़गा नहीं है इसी तना अगर मेरा देटा है 5, 10, 15, 20 और ज़े ज़ो डाल देती हूँ ज़गा नहीं है, आप डेटा मेरा गेंस मेट्ट्रिकल है यहनी फैप के अंट्रवल के साथ मूप कर है ज़़दी कर में तो स değil कि मेरा अगर मेरा देटा को मेरा अच्टप कर मैं उठनेगे देटा देटा की बग्तींने भी रहा है वाहो यहने नहीं में के स्वहत होगे नहीं और नहीं तो मेंट्ट्रिकल यहन ज़ुखा काएंगे वागे इस में I can have idea के देटा तो मेरे नोरमली मदला समित्रिकली है almost लेकिन इसके अंदर by model है, by model का मतलब है कि हमारे पस 2 mod इस देटा के अंदन है, कैसे अगर फर्स करे में पस देटा है, 1, 2, 3, 3, 4, 5, 5, 5, तो इसके अंदा में पस mod की values 2 है, कुके 3 भी 3 times repeat हो रहा है, और 5 भी 3 times repeat हो रहा है, तो जब में इसकी distribution का curve बनाँँगी, तो this is telling me that there are 2 mods in the data, in otherwise अपका center जो है, वो दर म्यान में ही कही लाए करेगा, mean median अपका. इसी तरा ये एक distribution है, it is symmetrical distribution. समित्रिकल का मतलब है, के वो coin side है, उसका exactly half थो है, तुसरे half का मेरा रिमेज, ये सुरी half में लाए नहीं लगी, लेकिन ये normal नहीं है, why? कुके normal हमेशा bell-shaped होता है, समित्रिकल होता है, तो हर समित्रिकल का normal नहीं है, लेकिन, हर normal distribution समित्रिकल ज़ोगा. तो here also I can imagine, कि मेरा mean median यहाँपे दर म्यान में ही आएगा. ये मेरा distribution है, this is interesting and important for you to know, being a psychology student, कि जब हमारा distribution skewed होता है, तो इसका मतलब है, कि मेरी जो मीन है, median बरावर नहीं है, ये हमारा distribution है, जो के positive tail से, ये हमारी positive tail होती, ये हमारी negative tail होती है, जब हमारा positive tail से वो पिचका होगा है, तो हम से केंगे positively skewed distribution, जिसका मतलब है कि हमारे पस few extreme values on the positive tail है, और जब मेरी negative tail से कम है, तो इसका मतलब है, कि मेरी majority लोग तो यहांपे ही है, लिकन few extreme scores, lower end के अपर है, जिसकी वगासे हमारी मीन जो है, वो इस तरफ टिल्ट होगागी, और इस में हमारी मीन मीद्यन की भजाए center से टिल्ट होगे, इस तरफ मोग होगागी, जहांपे skewed है. I have demonstrated this in the next slide exactly. This is a positively skewed distribution. And this is a negatively skewed distribution, which means in positively skewed distribution, due to few extreme positive values, जिसा हमने पिचली इजामपल में किया है, 1, 2, 3, 4, और 50 जमा कर देंगे, तो मीन रड तु फ्री नी आईगा, बलके मीन 12 होगा था हमारी लास्ट इजामपल में, तो मीन वल भी तिल्टिट तोवर तेब पोज़िटिट तेल, वेरेवर ते स्क्यू एज, और यह मरा नेगित्टिट तेल है। इस का मतलब है कि सब लोगों के नमबर बहुत अच्छ हैं, बड़ेर फ्यो एकस्ट्वीं वालूँज अं दे लोईर तेल, और और दोज वेल्ँज नमारा मीन तिल्टोगे अज्च्कू की तरफ चला जाएगा. नेगित्टिट्वीं वल बेरेकों हैं ॗ, इस नेगित्टिट्वीं छोएगे आंदर जाएगे यह में लग़ा हैं. नेगित्टिट्वीं और तेल हैं। और मआदिटटा। अच्छ भी बश्पर सुक्ट्बूच्थ। थी प्रमिलाश खाल्कलेट भी कर सकते हैं लेकिन हम ग्राफ़ को देकर कि भी और निया कर सकते हैं कि विसका संतर कहाब फिल लाए कर रहोगा यह कहाब है लोकेतिडोगा जस आर्फार नारमल करूद प्रिएप च्यूट में पद्रेगवन नहीं ज़ड़मा से टिवके पने। अघरी ही ठी हैं को, अगर करा रहा हूँ�始ं फॉटीतार शात्दों रहा है। उन वो आपने इसचलो यह वो आपने इस शोग़े लगवन नहीं। अपनोगन निज़़, अपनोगन निज़़ लग, अपनोगन नि़़ उग़न जाद, जुगसरे धिर्� onto, वह नरré Abhubhanu, wrote a letter to themail, ू  Jana koui katab internetarak hitto voila ौ ू ू ू ू ू ू ृूू ू ू ू ू ू ॕ । ु ू । । ू ू ू ू ू ू ू ू central tendency