تغیر

تغیر ناپتا ہے کہ کسی ڈیٹاسیٹ کی قدریں اوسط سے کتنی دور پھیلی ہوئی ہیں۔ $N$ قدروں $x_1, \ldots, x_N$ والی آبادی کے لیے جس کا اوسط $\mu$ ہو:

$\sigma^2 = \frac{1}{N}\sum_{i=1}^{N}(x_i - \mu)^2$

$n$ قدروں والے نمونے کے لیے جس کا نمونہ اوسط $\bar{x}$ ہو، $n$ کے بجائے $n - 1$ سے تقسیم کریں (بیسل کی اصلاح، ایک غیر متعصب تخمینہ کار)۔

چھوٹا تغیر مطلب ہے کہ قدریں اوسط کے قریب مجتمع ہیں؛ بڑا تغیر مطلب ہے کہ وہ بکھری ہوئی ہیں۔ تغیر اصل ڈیٹا کی مربع اکائیوں میں ہوتا ہے (اگر ڈیٹا kg میں ہے تو kg²) — اسی لیے ہم عام طور پر معیاری انحراف $\sigma = \sqrt{\sigma^2}$ بیان کرتے ہیں جس کی اکائیاں ڈیٹا جیسی ہوتی ہیں۔

تغیر تمام استنتاجی احصاء کی بنیاد ہے: اعتمادی وقفے، مفروضہ جانچ اور ارتداد سب تغیر کے تخمینے پر انحصار کرتے ہیں۔ مشین لرننگ میں تعصب-تغیر کا تبادلہ اسی کے نام پر ہے۔