controlB={1.26, 0.34, 0.70, 1.75, 5

controlB={1.26, 0.34, 0.70, 1.75, 50.57, 1.55, 0.08, 0.42, 0.50, 3.20, 0.15, 0.49, 0.95, 0.24, 1.37, 0.17, 6.98, 0.10, 0.94, 0.38}

it is hard to see the general situation. Thus descriptive statistics were developed to reduce the list of all the data items to a few simpler numbers. Thus we can perhaps better interpret data set from the following:

ผลลัพธ์ (ไทย) 1:

controlB = {1.26, 0.34, 0.70, 1.75, 50.57, 1.55, 0.08, 0.42, 0.50, 3.20, 0.15, 0.49, 0.95, 0.24, 1.37, 0.17, 6.98, 0.10, 0.94, 0.38 }เป็นการยากที่จะดูสถานการณ์ทั่วไป สถิติพรรณนาจึง ถูกพัฒนาเพื่อลดรายชื่อของรายการข้อมูลทั้งหมดจำนวนกี่ง่ายกว่า ดังนั้น เราสามารถทีดีแปลข้อมูลชุดต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

controlB = {1.26, 0.34, 0.70, 1.75, 50.57, 1.55, 0.08, 0.42, 0.50, 3.20, 0.15, 0.49, 0.95, 0.24, 1.37, 0.17, 6.98, 0.10, 0.94, 0.38} มันเป็นเรื่องยากที่จะเห็นทั่วไป สถานการณ์ ดังนั้นสถิติเชิงพรรณนาได้รับการพัฒนาเพื่อลดรายชื่อของรายการข้อมูลไปยังหมายเลขที่เรียบง่ายไม่กี่ ดังนั้นเราจึงสามารถที่ดีกว่าอาจจะตีความข้อมูลตั้งค่าจากต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

controlb = { 1.26 , 0.34 , 0.70 , 1.75 , 50.57 , 1.55 , 0.08 , 0.40 , 0.50 , 3.20 , 0.15 0.49 , 0.95 , 0.24 , 1.37 , 0.17 , โพลี , 0.10 , 0.94 , 0.38 }

มันก็ยากที่จะเห็นสถานการณ์ทั่วไป ดังนั้น สถิติเชิงพรรณนา ถูกพัฒนาขึ้นเพื่อลดรายชื่อทั้งหมดข้อมูลรายการไม่กี่ง่ายตัวเลข ดังนั้นเราสามารถ อาจดีกว่าการตีความข้อมูลจากต่อไปนี้ :