મોડ અને મધ્યક

સ્થિતિ અને મધ્યક: આંકડાશાસ્ત્રમાં સમજૂતી અને ઉપયોગ

આંકડાશાસ્ત્ર એ ગણિતની એક શાખા છે જે ડેટાના સંગ્રહ, વિશ્લેષણ, અર્થઘટન, પ્રસ્તુતિ અને સંગઠન સાથે વ્યવહાર કરે છે. આંકડાશાસ્ત્રમાં, ડેટાના વિક્ષેપના વિવિધ માપદંડો અને કેન્દ્રીય નિર્ણાયકોનો ઉપયોગ તેનું વિશ્લેષણ કરવા અને સમજવા માટે કરવામાં આવે છે. બે સૌથી મૂળભૂત અને મહત્વપૂર્ણ છે મોડ અને મધ્યક. આ લેખ મોડ અને મધ્યક શું છે, તેમની ગણતરી કેવી રીતે કરવી અને ડેટા વિશ્લેષણમાં તેમનું મહત્વ સમજાવશે.

મોડ શું છે?

મોડ એ મૂલ્ય છે જે ડેટા સેટમાં સૌથી વધુ જોવા મળે છે. વધુ તકનીકી રીતે, મોડ એ મૂલ્ય અથવા શ્રેણી છે જે ડેટા વિતરણમાં સૌથી વધુ આવર્તન ધરાવે છે. મોડ્સનો ઉપયોગ વર્ગીકૃત, ક્રમિક, અંતરાલ અને ગુણોત્તર ડેટા માટે થઈ શકે છે. સરેરાશ અને મધ્યકથી વિપરીત, મોડ હંમેશા અનન્ય હોતો નથી. કેટલાક કિસ્સાઓમાં, ડેટામાં એક કરતાં વધુ મોડ (બાયમોડલ અથવા મલ્ટિમોડલ) હોઈ શકે છે અથવા જો બધા મૂલ્યો સમાન આવર્તન સાથે થાય છે તો કોઈ મોડ જ નથી.

મોડની ગણતરી કેવી રીતે કરવી

મોડની ગણતરી કરવી ખૂબ જ સરળ છે. તમારે ફક્ત ડેટામાં સૌથી વધુ વારંવાર દેખાતા મૂલ્યને ઓળખવાની જરૂર છે. અહીં એક સરળ ઉદાહરણ છે:

ધારો કે આપણી પાસે નીચે મુજબનો ડેટા સેટ છે: 3, 7, 5, 9, 7, 6, 7, 2.

આ ડેટા સેટમાં, મૂલ્ય 7 ત્રણ વખત દેખાય છે, જે અન્ય કોઈપણ મૂલ્ય કરતાં વધુ છે. તેથી, આ ડેટા સેટનો મોડ 7 છે.

વધુ જટિલ ડેટા અથવા વર્ગીકૃત ડેટા માટે, તમારે દરેક મૂલ્યની ફ્રીક્વન્સીઝને વધુ સરળતાથી ઓળખવા માટે ગોઠવવાની જરૂર પડી શકે છે.

વર્ગીકૃત ડેટાનું ઉદાહરણ:
સૌથી વધુ પસંદગીના કાર રંગો શોધવા માટે એક સર્વે હાથ ધરવામાં આવ્યો હતો: લાલ, વાદળી, કાળો, સફેદ, કાળો, વાદળી, વાદળી.

આ ઉદાહરણમાં:
- લાલ રંગ ૧ વાર દેખાય છે
- વાદળી રંગ ૩ વખત દેખાય છે
- કાળો રંગ 2 વખત દેખાય છે
- સફેદ રંગ ૧ વાર દેખાય છે

આ ડેટાનો મોડ વાદળી છે, કારણ કે આ સૌથી વધુ વારંવાર ઉલ્લેખિત રંગ છે (3 વખત).

જ્યારે મોડ અનન્ય નથી અથવા અસ્તિત્વમાં નથી

કેટલાક કિસ્સાઓમાં, ડેટામાં એક કરતાં વધુ મોડ હોઈ શકે છે અથવા તો કોઈ મોડ જ ન હોઈ શકે. ઉદાહરણ:

બાયમોડલ અથવા મલ્ટિમોડલ:
ડેટાસેટ: ૪, ૪, ૫, ૫, ૬, ૬, ૭
આ ઉદાહરણમાં, મૂલ્યો 4, 5, અને 6 દરેક બે વાર દેખાય છે. તેથી, આ ડેટાસેટ 4, 5, અને 6 ના મોડ્સ સાથે મલ્ટિમોડલ છે.

કોઈ મોડ નથી:
ડેટા સેટ: ૧, ૨, ૩, ૪, ૫
દરેક મૂલ્ય ફક્ત એક જ વાર દેખાય છે, તેથી આ ડેટાસેટમાં કોઈ મોડ નથી.

મધ્યક શું છે?

મધ્યક એ સૉર્ટ કરેલા ડેટા સેટમાં મધ્યમ મૂલ્ય છે. તે ડેટા સેટને બે સમાન ભાગોમાં વિભાજીત કરે છે, જેમાં અડધા મૂલ્યો મધ્યકની નીચે અને બાકીના અડધા મધ્યકની ઉપર હોય છે. મધ્યકનો ઉપયોગ ઘણીવાર થાય છે કારણ કે તે આત્યંતિક મૂલ્યો અથવા સરેરાશ જેવા આઉટલાયરથી પ્રભાવિત થતો નથી, આમ જ્યારે ડેટામાં મોટા વિચલનો હોય ત્યારે ડેટા વિતરણના કેન્દ્રનો વધુ સારો સંકેત પૂરો પાડે છે.

મધ્યકની ગણતરી કેવી રીતે કરવી

મધ્યકની ગણતરી કરવા માટેના પગલાં નીચે મુજબ છે:

1. ડેટાને ચડતા ક્રમમાં ગોઠવો.
2. જો ડેટાની સંખ્યા (N) વિષમ હોય, તો મધ્યક એ મધ્યસ્થ સ્થિતિમાં મૂલ્ય છે.
3. જો ડેટાની સંખ્યા (N) સમાન હોય, તો મધ્યક એ મધ્યમાં બે મૂલ્યોની સરેરાશ છે.

ઉદાહરણ:

વિષમ સંખ્યા સાથેનો ડેટાસેટ:
ડેટા સેટ: ૧, ૨, ૩, ૪, ૫
સૉર્ટ કરો: 3, 5, 6, 7, 9
મધ્યક: 6 (મધ્યમાં મૂલ્ય)

બેકી સંખ્યા સાથેનો ડેટાસેટ:
ડેટાસેટ: ૩, ૭, ૫, ૯, ૬, ૮
સૉર્ટ કરો: 3, 5, 6, 7, 8, 9
મધ્યક: (૬ + ૭) / ૨ = ૬.૫

વર્ગીકૃત ડેટામાં મધ્યક

જોકે મધ્યક વધુ વખત સતત ડેટા અથવા ઓર્ડિનલ ડેટા પર લાગુ પડે છે, તેનો ઉપયોગ સ્પષ્ટ ક્રમ સાથે વર્ગીકૃત ડેટા માટે પણ થઈ શકે છે.

વર્ગીકૃત (ઓર્ડિનલ) ડેટાના ઉદાહરણો:
ફિલ્મ રેટિંગ: સારું, ખૂબ સારું, વાજબી, ખૂબ સારું, સારું
રેન્કિંગ પ્રમાણે સૉર્ટ કરો: વાજબી, સારું, સારું, ખૂબ સારું, ઉત્તમ
મધ્યક: સારું (ત્રીજું મધ્યમ મૂલ્ય)

મધ્યસ્થીની શક્તિ અને નબળાઈઓ

મધ્યકનો એક મુખ્ય ફાયદો એ છે કે તેની આઉટલાયર પ્રત્યે સંવેદનશીલતા છે. ઉદાહરણ તરીકે, ધારો કે આપણી પાસે આવક ડેટાસેટ છે અને તેમાં અત્યંત ઊંચી આવક ધરાવતા CEOનો સમાવેશ થાય છે. મધ્યક હજુ પણ સરેરાશ કરતાં કેન્દ્રીય આવકનું વધુ વાસ્તવિક ચિત્ર પ્રદાન કરશે, જે આત્યંતિક મૂલ્યો દ્વારા વિકૃત થશે. જો કે, મધ્યકનો ગેરલાભ એ છે કે નાના ડેટાસેટ્સમાં, ગુમ થયેલ અથવા અચોક્કસ ડેટા પરિણામો પર નોંધપાત્ર અસર કરી શકે છે.

મોડ વિ મધ્યક વિ સરેરાશ

સ્થિતિ, મધ્યક અને સરેરાશ બંને કેન્દ્રીય વલણના માપદંડ છે જે ડેટા વિતરણની લાક્ષણિકતાઓ વિશે મહત્વપૂર્ણ માહિતી પ્રદાન કરે છે.

– સરેરાશ: બધા ડેટાનો અંકગણિત સરેરાશ. આઉટલાયર પ્રત્યે સંવેદનશીલ.
– મધ્યક: સૉર્ટ કરેલા ડેટાનું મધ્યમ મૂલ્ય. આઉટલાયર પ્રત્યે સંવેદનશીલ નથી.
– મોડ: સૌથી વધુ વારંવાર દેખાતું મૂલ્ય. વર્ગીકૃત ડેટા માટે ઉપયોગી.

દરેકના પોતાના ઉપયોગો અને ગેરફાયદા છે, અને કેટલીકવાર વધુ વ્યાપક ચિત્ર પૂરું પાડવા માટે તેનો એકસાથે ઉપયોગ થાય છે.

યોગ્ય કદ પસંદ કરી રહ્યા છીએ

કેન્દ્રીય વલણના યોગ્ય માપની પસંદગી ડેટાના પ્રકાર અને વિશ્લેષણના હેતુ પર આધારિત છે.

- જો ડેટામાં આઉટલાયર હોય અથવા સામાન્ય રીતે વિતરિત ન થાય, તો મધ્યક વધુ યોગ્ય હોઈ શકે છે.
– જો તમને સૌથી સામાન્ય મૂલ્ય અથવા પ્રબળ શ્રેણીમાં રસ હોય, તો મોડ વધુ ઉપયોગી થશે.
- જો ડેટા સામાન્ય રીતે આઉટલાયર વિના વિતરિત કરવામાં આવે છે, તો સરેરાશ સારી રજૂઆત પૂરી પાડી શકે છે.

ઉદાહરણ તરીકે, મિલકત બજાર વિશ્લેષણમાં, કિંમતોમાં ભારે ફેરફારને કારણે ઘરની કિંમતોનું વર્ણન કરવા માટે મધ્યકનો ઉપયોગ ઘણીવાર થાય છે. જાહેર અભિપ્રાય સર્વેક્ષણોમાં, આ પદ્ધતિનો ઉપયોગ સૌથી લોકપ્રિય પસંદગીને ઓળખવા માટે થઈ શકે છે.

કેસિમ્પુલન

આંકડાશાસ્ત્રમાં કેન્દ્રિય વલણના બે ખૂબ જ ઉપયોગી માપદંડો મોડ અને મધ્યક છે. તેઓ અલગ અલગ માહિતી પ્રદાન કરે છે, તેમ છતાં તેઓ ડેટા સેટની મુખ્ય લાક્ષણિકતાઓને સરળ અને સારાંશ આપી શકે છે, જે તે ડેટાના આધારે નિર્ણય લેવામાં મદદ કરે છે. સરેરાશ સાથે તેમની હાજરી, સંશોધકો અને વિશ્લેષકોને તેઓ જે ડેટાનો અભ્યાસ કરી રહ્યા છે તેનું વધુ સંપૂર્ણ ચિત્ર મેળવવાની મંજૂરી આપે છે.