Коэффициент корреляции Пирсона (r) измеряет силу и направление линейной связи между двумя непрерывными переменными. Он изменяется от -1 до +1. Значение +1 указывает на идеальную положительную линейную связь, -1 — на идеальную отрицательную линейную связь, а 0 — на отсутствие линейной связи. Формула: r = Σ((xᵢ - x̄)(yᵢ - ȳ)) / √(Σ(xᵢ - x̄)² · Σ(yᵢ - ȳ)²), где x̄ и ȳ — выборочные средние. Коэффициент детерминации (r²) представляет долю дисперсии одной переменной, объясняемой другой. t-статистика проверяет, является ли корреляция статистически значимой. Этот калькулятор широко используется в статистике, науке о данных, психологии, экономике и многих других областях для количественной оценки связей между переменными.

Ранговый коэффициент корреляции Спирмена (ρ, часто обозначаемый как rₛ) — это непараметрическая мера силы и направления монотонной связи между двумя переменными. В отличие от корреляции Пирсона, ρ Спирмена не предполагает линейной связи; он измеряет, насколько хорошо связь может быть описана монотонной функцией. Расчёт включает преобразование исходных данных в ранги, затем вычисление корреляции Пирсона на ранжированных данных. Формула: ρ = 1 - (6·Σd²) / (n·(n²-1)), где d — разница между рангами каждой пары, n — количество пар. Значения варьируются от -1 до +1, с интерпретацией, аналогичной коэффициенту Пирсона. Этот калькулятор широко используется, когда данные являются порядковыми, не имеют нормального распределения или когда связь не является линейной.

Биномиальное распределение — это дискретное распределение вероятностей, которое моделирует число успехов в фиксированном числе независимых испытаний, каждое из которых имеет одинаковую вероятность успеха. Широко используется в статистике, контроле качества, медицине и социальных науках. Теоретическая формула для вероятности ровно k успехов в n испытаниях: P(X = k) = C(n,k) · p^k · (1-p)^(n-k), где C(n,k) — биномиальный коэффициент (число способов выбрать k успехов из n испытаний), p — вероятность успеха в одном испытании, (1-p) — вероятность неудачи. Этот калькулятор вычисляет точную вероятность для заданного k, а также кумулятивные вероятности (P(X ≤ k), P(X < k), P(X ≥ k)). Он также предоставляет математическое ожидание (μ = n·p), дисперсию (σ² = n·p·(1-p)) и стандартное отклонение. Биномиальное распределение необходимо для проверки гипотез, A/B-тестирования и прогнозирования результатов в сценариях с бинарными исходами.

Таблица распределения частот упорядочивает значения данных, показывая, как часто встречается каждое значение. Этот инструмент вычисляет частоту, относительную частоту и процент для каждого уникального значения в вашем наборе данных. Он также предоставляет ключевую статистику: общее количество, среднее, медиану, моду, минимум, максимум и размах. Частотный анализ является фундаментальным в статистике для понимания распределения данных, выявления закономерностей и принятия обоснованных решений. Этот калькулятор полезен для студентов, исследователей, аналитиков и всех, кто работает с данными. Таблица частот помогает визуализировать разброс и центральную тенденцию данных, упрощая интерпретацию и передачу результатов.

Число Авогадро (Nₐ = 6.02214076 × 10²³ моль⁻¹) — это количество частиц (атомов, молекул, ионов или электронов) в одном моле вещества. Оно служит фундаментальным коэффициентом перехода между макроскопической шкалой (граммы) и микроскопической шкалой (отдельные частицы). Соотношения: частицы = моли × Nₐ, моли = масса / молярная масса, масса = моли × молярная масса. Эта константа названа в честь Амедео Авогадро, который впервые предположил, что равные объёмы газов содержат одинаковое число молекул. Текущее точное значение установлено CODATA и зафиксировано в системе СИ с 2019 года. Этот калькулятор помогает химикам, студентам и исследователям быстро переводить между массой, молями и числом частиц для любого вещества, используя его молярную массу. Он необходим для стехиометрии, приготовления растворов и понимания величин на атомном уровне.

Коэффициент Сортино — это показатель эффективности, измеряющий доходность инвестиций с учётом риска, фокусируясь только на риске падения (отрицательной доходности). В отличие от коэффициента Шарпа, который штрафует как волатильность вверх, так и вниз, коэффициент Сортино различает вредную и полезную волатильность. Он рассчитывается как: Коэффициент Сортино = (R_p - R_f) / σ_d, где R_p — средняя периодическая доходность, R_f — безрисковая ставка, σ_d — отклонение вниз (стандартное отклонение отрицательной доходности ниже целевого порога). Целевая доходность — это минимально приемлемая доходность, часто устанавливаемая на уровне 0% или безрисковой ставки. Более высокий коэффициент Сортино указывает на лучшую доходность с учётом риска падения. Этот показатель особенно ценен для оценки инвестиций с асимметричными профилями риска, таких как хедж-фонды, частный капитал и опционные стратегии, где инвесторов больше беспокоят потери при падении, чем волатильность при росте.

Логнормальное распределение — это непрерывное распределение вероятностей случайной величины, логарифм которой распределён нормально. Если Y = ln(X) следует нормальному распределению со средним μ и стандартным отклонением σ, то X следует логнормальному распределению. Это распределение характеризуется положительной асимметрией и ограничено снизу нулём, что делает его пригодным для моделирования величин, которые не могут быть отрицательными, таких как цены акций, распределения доходов, цены активов, время отказов и концентрации в окружающей среде. Функция плотности вероятности (PDF) имеет вид f(x) = (1/(x·σ·√(2π))) · exp(-(ln(x)-μ)²/(2σ²)). Функция распределения (CDF) выводится из стандартной нормальной CDF: F(x) = Φ((ln(x)-μ)/σ). Логнормальное распределение имеет важные свойства: среднее равно exp(μ + σ²/2), медиана равна exp(μ), а мода равна exp(μ - σ²). Этот калькулятор вычисляет CDF, PDF, среднее, медиану, моду, дисперсию и стандартное отклонение для заданных параметров.

Медиана — это среднее значение в наборе данных, когда числа расположены в порядке возрастания или убывания. В отличие от среднего арифметического, медиана не подвержена влиянию экстремально больших или малых значений, что делает её устойчивой мерой центральной тенденции. Чтобы найти медиану, сначала отсортируйте все числа от наименьшего к наибольшему. Если количество значений нечётное, медианой является число, стоящее посередине. Если количество чётное, медиана равна среднему арифметическому двух центральных чисел. Например, в наборе {1, 3, 5} медиана равна 3. В наборе {1, 3, 5, 7} медиана равна (3+5)/2 = 4. Медиана широко используется в статистике, экономике и анализе данных, особенно при работе с распределениями доходов, ценами на недвижимость или результатами тестов, где выбросы могут исказить среднее значение.

t-распределение Стьюдента — это непрерывное распределение вероятностей, используемое для оценки среднего значения нормально распределённой совокупности при малом объёме выборки и неизвестном стандартном отклонении. Оно лежит в основе многих статистических тестов, включая t-тест. Теоретический расчёт включает функцию плотности вероятности (PDF) и функцию распределения (CDF). CDF даёт вероятность того, что случайная величина, следующая t-распределению, будет меньше или равна заданному t-значению. Распределение симметрично и колоколообразно, похоже на нормальное распределение, но с более тяжёлыми хвостами. С увеличением степеней свободы t-распределение приближается к стандартному нормальному распределению. Этот калькулятор вычисляет односторонние и двусторонние p-значения по t-значению, а также находит критические t-значения для заданного уровня значимости (alpha=0.05). Широко используется в проверке гипотез, доверительных интервалах и регрессионном анализе.