સરેરાશ (સરેરાશ અથવા સરેરાશ) ની ચર્ચા કરતા ઉદાહરણ પ્રશ્નો
આંકડાશાસ્ત્રમાં, સરેરાશ એ કેન્દ્રીય વલણના સૌથી વધુ ઉપયોગમાં લેવાતા માપદંડોમાંનું એક છે. સરેરાશ આપણી પાસે રહેલા ડેટાનું સામાન્ય ઝાંખી પૂરું પાડી શકે છે, પછી ભલે તે શિક્ષણ, અર્થશાસ્ત્ર અથવા સામાજિક વિજ્ઞાનમાં હોય. આ લેખ સરેરાશની ગણતરી સંબંધિત ઘણી ઉદાહરણો સમસ્યાઓ અને દરેક સમસ્યાની વિગતવાર ચર્ચા રજૂ કરશે જેથી તમને આ ખ્યાલને વધુ સારી રીતે સમજવામાં મદદ મળે.
સરેરાશ (સરેરાશ) ની સમજ
અંકગણિત સરેરાશ, અથવા સરેરાશ, એ બધા ડેટા ઉમેરીને અને પછી તેને ડેટા પોઈન્ટની સંખ્યા દ્વારા ભાગાકાર કરીને મેળવેલ મૂલ્ય છે. ગાણિતિક રીતે, સરેરાશ માટેનું સૂત્ર નીચે મુજબ લખી શકાય છે:
\[ \ટેક્સ્ટ{મીન} = \ફ્રેક{\સમ x}{n} \]
ક્યાં:
– \( \sum x \) એ બધા ડેટાનો કુલ સરવાળો છે.
– \( n \) એ ડેટાની સંખ્યા છે.
નમૂના પ્રશ્નો અને ચર્ચા
ઉદાહરણ પ્રશ્ન ૨
પ્રશ્ન:
નીચેના ડેટાના સરેરાશની ગણતરી કરો: 8, 10, 12, 14, 16.
ચર્ચા:
1. બધો ડેટા ઉમેરો:
\[ ૧૬ + ૪ + ૦ + ૪ + ૧૬ = ૪૦ \]
2. ડેટાની સંખ્યા ગણો:
\[ n = 5 \]
3. સરેરાશ સૂત્રનો ઉપયોગ કરો:
\[ \ટેક્સ્ટ{મીન} = \ફ્રેક{60}{5} = 12 \]
તો, ડેટાનો સરેરાશ ૧૨ છે.
ઉદાહરણ પ્રશ્ન ૨
પ્રશ્ન:
પાંચ વ્યક્તિઓના વજનના ડેટા (કિલોમાં) આપેલ છે: 55, 60, 65, 70, 75. સરેરાશ વજનની ગણતરી કરો.
ચર્ચા:
1. દરેક વ્યક્તિનું વજન ઉમેરો:
\[ ૧૬ + ૪ + ૦ + ૪ + ૧૬ = ૪૦ \]
2. ડેટાની સંખ્યા ગણો:
\[ n = 5 \]
3. સરેરાશ સૂત્રનો ઉપયોગ કરો:
\[ \ટેક્સ્ટ{મીન} = \ફ્રેક{325}{5} = 65 \]
તો, પાંચ વ્યક્તિઓનું સરેરાશ વજન 65 કિલો છે.
ઉદાહરણ પ્રશ્ન ૨
પ્રશ્ન:
એક વર્ગમાં, 6 વિદ્યાર્થીઓના ગણિત પરીક્ષાના સ્કોર્સ 70, 75, 65, 80, 90 અને 85 છે. ગણિત પરીક્ષાના સ્કોર્સનો સરેરાશ શું છે?
ચર્ચા:
1. દરેક વિદ્યાર્થીના પરીક્ષાના સ્કોર્સ ઉમેરો:
\[ ૭૦ + ૭૫ + ૬૫ + ૮૦ + ૯૦ + ૮૫ = ૪૬૫ \]
2. ડેટાની સંખ્યા ગણો:
\[ n = 6 \]
3. સરેરાશ સૂત્રનો ઉપયોગ કરો:
\[ \ટેક્સ્ટ{મીન} = \ફ્રેક{465}{6} = 77.5 \]
તો, વર્ગમાં ગણિતની પરીક્ષાનો સરેરાશ સ્કોર ૭૭.૫ છે.
ડેટા વિશ્લેષણમાં સરેરાશનો ઉપયોગ
સરેરાશની ગણતરી કરવી એ ડેટા વિશ્લેષણનું પ્રથમ પગલું છે, પરંતુ સરેરાશનું અર્થઘટન કરવા માટે વ્યાપક સંદર્ભની જરૂર છે. ઉદાહરણ તરીકે, અગાઉના ઉદાહરણોમાં, આપણે પરીક્ષણ સ્કોર્સ, વજન અને અન્ય સરળ ડેટાના સરેરાશની ગણતરી કરી હતી. આ માધ્યમો સામાન્ય ખ્યાલ પૂરો પાડે છે, પરંતુ કેન્દ્રીય વલણના માપ તરીકે સરેરાશનો ઉપયોગ કરતી વખતે ધ્યાનમાં રાખવા જેવી ઘણી મહત્વપૂર્ણ બાબતો છે:
1. આઉટલાયર્સ પ્રત્યે સંવેદનશીલતા:
સરેરાશ આંકડા આઉટલાયર્સ અથવા આત્યંતિક ડેટા પ્રત્યે ખૂબ જ સંવેદનશીલ હોય છે. ઉદાહરણ તરીકે, ટેસ્ટ સ્કોર્સના સેટમાં, એક વિદ્યાર્થીએ 0 સ્કોર કર્યો હતો જ્યારે અન્યોએ 60 થી વધુ સ્કોર કર્યો હતો. આ 0 સરેરાશમાં નોંધપાત્ર ઘટાડો કરશે, જેનાથી મોટાભાગના વિદ્યાર્થીઓની સાચી સિદ્ધિ પ્રતિબિંબિત થવાની શક્યતા ઓછી થઈ જશે.
૨. એકંદર સારાંશ:
સરેરાશ એક જ મૂલ્ય પૂરું પાડે છે જે ડેટાનું પ્રતિનિધિત્વ કરે છે, પરંતુ તે ડેટાના વિતરણ વિશે માહિતી પ્રદાન કરતું નથી. બે અલગ અલગ ડેટા સેટમાં સમાન સરેરાશ હોઈ શકે છે પરંતુ ખૂબ જ અલગ ડેટા વિતરણ હોઈ શકે છે.
ઉદાહરણ પ્રશ્ન ૪ (આઉટલાયર્સ સાથે)
પ્રશ્ન:
6 વિદ્યાર્થીઓના અંતિમ પરીક્ષાના સ્કોર્સ નીચે મુજબ છે: 78, 85, 82, 90, 88, અને 30. અંતિમ પરીક્ષાના સ્કોર્સના સરેરાશની ગણતરી કરો.
ચર્ચા:
1. દરેક વિદ્યાર્થી માટે કુલ પરીક્ષાના સ્કોર્સ:
\[ ૭૦ + ૭૫ + ૬૫ + ૮૦ + ૯૦ + ૮૫ = ૪૬૫ \]
2. ડેટાની સંખ્યા ગણો:
\[ n = 6 \]
3. સરેરાશ સૂત્રનો ઉપયોગ કરો:
\[ \ટેક્સ્ટ{મીન} = \ફ્રેક{453}{6} = 75.5 \]
૩૦ નું મૂલ્ય ખૂબ ઓછું છે અને સરેરાશને અસર કરે છે, જે તેને ૭૫.૫ બનાવે છે. જોકે, જો આપણે બાહ્ય પરિબળોને અવગણીએ, તો આપણને મળે છે:
\[ \text{૩૦ વગરનો સરેરાશ} = \frac{૭૮ + ૮૫ + ૮૨ + ૯૦ + ૮૮}{૫} = \frac{૪૨૩}{૫} = ૮૪.૬ \]
આઉટલાયર્સ વિના સરેરાશ ઘણી વધારે છે, જે દર્શાવે છે કે આત્યંતિક ડેટાનો પ્રભાવ કેટલો મહત્વપૂર્ણ છે.
વારંવાર વપરાતા ડેટાના જૂથના સરેરાશની ગણતરી
ઘણીવાર, ડેટા ફ્રીક્વન્સી ટેબલના રૂપમાં રજૂ કરવામાં આવે છે. આવા કિસ્સાઓમાં, આપણે ગુણક તરીકે ફ્રીક્વન્સીનો ઉપયોગ કરવો જોઈએ.
ઉદાહરણ પ્રશ્ન ૨
પ્રશ્ન:
વિદ્યાર્થીઓના જૂથ માટે ઊંચાઈનો ડેટા આપેલ છે:
– ૧૬૫ સેમી, ૧૦ વિદ્યાર્થીઓ છે.
– ૧૬૫ સેમી, ૧૦ વિદ્યાર્થીઓ છે.
– ૧૬૫ સેમી, ૧૦ વિદ્યાર્થીઓ છે.
– ૧૬૫ સેમી, ૧૦ વિદ્યાર્થીઓ છે.
વિદ્યાર્થીઓની સરેરાશ ઊંચાઈની ગણતરી કરો.
ચર્ચા:
1. દરેક ઊંચાઈને તેની આવર્તનથી ગુણાકાર કરો:
\[ (૧૫૦ \ગુણા ૫) + (૧૫૫ \ગુણા ૮) + (૧૬૦ \ગુણા ૭) + (૧૬૫ \ગુણા ૧૦) = ૭૫૦ + ૧૨૪૦ + ૧૧૨૦ + ૧૬૫૦ = ૪૭૬૦ \]
2. કુલ ફ્રીક્વન્સીઝની સંખ્યા (વિદ્યાર્થીઓની સંખ્યા):
\[ ૫ + ૮ + ૭ + ૧૦ = ૩૦ \]
3. સરેરાશ સૂત્રનો ઉપયોગ કરો:
\[ \ટેક્સ્ટ{મીન} = \frac{4760}{30} \અંદાજે 158.67 \]
તેથી, વિદ્યાર્થીઓની સરેરાશ ઊંચાઈ લગભગ ૧૫૮.૬૭ સેમી છે.
સરેરાશ અને મધ્યકની સરખામણી
ક્યારેક સરેરાશ એ ડેટાના કેન્દ્રનું શ્રેષ્ઠ માપ નથી હોતું, ખાસ કરીને જો ત્યાં આઉટલાયર હોય. આવા કિસ્સાઓમાં, મધ્યક વધુ સારો વિકલ્પ હોઈ શકે છે. જ્યારે ડેટાને સૉર્ટ કરવામાં આવે છે ત્યારે મધ્યક એ ડેટા સેટનું મધ્યમ મૂલ્ય છે.
ઉદાહરણ પ્રશ્ન ૨
પ્રશ્ન:
નીચેના ડેટાના સરેરાશ અને મધ્યકની ગણતરી કરો: 3, 5, 7, 8, 100.
ચર્ચા:
- સરેરાશની ગણતરી કરો:
\[ \text{મીન} = \frac{3 + 5 + 7 + 8 + 100}{5} = \frac{123}{5} = 24.6 \]
- મધ્યક નક્કી કરવા માટે, ડેટાને સૉર્ટ કરો:
\[ ૩, ૫, ૭, ૯, ૧૧ \]
મધ્યક એ મધ્ય સ્થાને રહેલી સંખ્યા છે, જે 7 છે.
અહીં, મધ્યક (7) સરેરાશ (24.6) કરતાં મોટાભાગના ડેટાને વધુ સારી રીતે પ્રતિબિંબિત કરે છે જે આઉટલાયર (100) દ્વારા પ્રભાવિત છે.
કેસિમ્પુલન
સરેરાશની ગણતરી કરવી એ આંકડાશાસ્ત્રમાં એક મૂળભૂત ખ્યાલ છે જે ડેટા સેટની સામાન્ય સમજ મેળવવામાં મદદ કરે છે. જો કે, પરિસ્થિતિના આધારે ડેટાને સંદર્ભ આપવો અને મધ્યક અને સ્થિતિ જેવા અન્ય આંકડાકીય માપદંડોનો ઉપયોગ ધ્યાનમાં લેવો મહત્વપૂર્ણ છે. સરેરાશનું અર્થઘટન કરતી વખતે હંમેશા આઉટલાયર્સના પ્રભાવથી વાકેફ રહેવું પણ મહત્વપૂર્ણ છે. આશા છે કે, ઉપરોક્ત ઉદાહરણો અને ચર્ચાએ સરેરાશની ગણતરી અને ઉપયોગ કેવી રીતે કરવો તેની સ્પષ્ટ અને વધુ લાગુ સમજ પૂરી પાડી છે.
