એકલ અને જૂથબદ્ધ ડેટા માટે મધ્યકની ગણતરી કરવાની તકનીકો

એકલ અને જૂથબદ્ધ ડેટા માટે મધ્યકની ગણતરી કરવાની તકનીકો

મધ્યક એ કેન્દ્રીય વલણનું માપ છે જેનો ઉપયોગ આંકડાશાસ્ત્રમાં વારંવાર થાય છે. સરેરાશ (સરેરાશ) થી વિપરીત, જે બધા મૂલ્યો ઉમેરે છે અને પછી મૂલ્યોની સંખ્યા દ્વારા ભાગાકાર કરે છે, મધ્યક સૉર્ટ કરેલા ડેટા સેટના "મધ્યમ મૂલ્ય" પર ભાર મૂકે છે. સ્થિતિ પર ધ્યાન કેન્દ્રિત કરવાને કારણે, મધ્યક આત્યંતિક મૂલ્યો (આઉટલાયર્સ) માટે પ્રમાણમાં પ્રતિરોધક છે, જેમ કે જ્યારે એક મૂલ્ય અન્યની તુલનામાં ખૂબ મોટું અથવા ખૂબ નાનું હોય છે. આ જ કારણ છે કે મધ્યકનો વ્યાપકપણે આર્થિક ડેટા વિશ્લેષણ, શિક્ષણ, સામાજિક સંશોધન અને પરીક્ષણ સ્કોર મૂલ્યાંકનમાં પણ ઉપયોગ થાય છે.

આ લેખમાં, આપણે બે પ્રકારના ડેટા માટે મધ્યકની ગણતરી કરવાની તકનીકોની ચર્ચા કરીશું: એકલ ડેટા (જૂથ વિનાનો) અને જૂથબદ્ધ ડેટા (આવર્તન વિતરણ કોષ્ટકમાં રજૂ કરાયેલ). સૂત્ર ઉપરાંત, ચર્ચામાં સરળ અમલીકરણ માટે વ્યવહારુ પગલાં શામેલ હશે.

-

૧. મધ્યકનો મૂળભૂત ખ્યાલ

ડેટાને નાનાથી મોટામાં સૉર્ટ કર્યા પછી મધ્યક એ મધ્યમ મૂલ્ય છે. જો ડેટા બિંદુઓની સંખ્યા વિષમ હોય, તો મધ્યક ચોક્કસ મધ્યમ મૂલ્ય છે. જો ડેટા બિંદુઓની સંખ્યા સમાન હોય, તો મધ્યક એ બે મધ્યમ મૂલ્યોનો સરેરાશ છે.

સાહજિક રીતે, મધ્યક ડેટાને બે ભાગમાં વિભાજીત કરે છે:
- ૫૦% ડેટા મધ્યકથી નીચે (અથવા તેના બરાબર) છે
- ૫૦% ડેટા મધ્યકથી ઉપર (અથવા તેના બરાબર) છે

કારણ કે મધ્યક ક્રમ-આધારિત છે, પ્રથમ પગલું જે લગભગ હંમેશા જરૂરી છે તે ડેટાને સૉર્ટ કરવાનું છે.

-

2. સિંગલ ડેટા માટે મધ્યકની ગણતરી

સિંગલ ડેટા એ ડેટા છે જે જેમ છે તેમ રજૂ કરવામાં આવે છે (ઉદાહરણ તરીકે, વિદ્યાર્થી ગ્રેડની સૂચિ), જે જૂથ ડેટાની જેમ અંતરાલ વર્ગોમાં સારાંશ આપવામાં આવતો નથી.

A. સામાન્ય પગલાં

1. ડેટાને નાનાથી મોટા મૂલ્યમાં સૉર્ટ કરો.
2. ડેટાની માત્રા નક્કી કરો, ઉદાહરણ તરીકે n.
3. મધ્યકની સ્થિતિ નક્કી કરો:
– જો n વિષમ હોય, તો મધ્યક \((n+1)/2\) સ્થાન પર છે.
– જો n સમ હોય, તો મધ્યક એ \(n/2\) અને \((n/2)+1\) સ્થાનો પર ડેટાનો સરેરાશ છે.

B. સિંગલ ડેટા માટે મધ્યક સૂત્ર

– જો n એકી હોય તો:
\[
હું = x_{(n+1)/2}
\]
આનો અર્થ એ છે કે મધ્યક એ \((n+1)/2\)મા ક્રમમાં ડેટા મૂલ્ય છે.

– જો n બેકી હોય તો:
\[
મી = \frac{x_{n/2} + x_{(n/2)+1}}{2}
\]

C. સિંગલ ડેટાનું ઉદાહરણ (n ઓડ)

ડેટા: ૭, ૨, ૯, ૪, ૩
૧) સૉર્ટ કરો: ૨, ૩, ૪, ૭, ૯
2) n = 5 (વિચિત્ર)
૩) મધ્ય સ્થિતિ = \((૫+૧)/૨ = ૩\)
મધ્યક = ત્રીજો ડેટા = 4

તો ડેટાનો મધ્યક 4 છે.

D. સિંગલ ડેટા (n સમ) નું ઉદાહરણ

ડેટા: ૧૦, ૪, ૬, ૮
૧) સૉર્ટ કરો: ૪, ૬, ૮, ૧૦
2) n = 4 (સમ)
૩) મધ્યમ સ્થાન એ બીજા અને ત્રીજા ડેટા છે
મધ્યક = \((6 + 8)/2 = 7\)

તો ડેટાનો મધ્યક 7 છે.

E. મહત્વપૂર્ણ નોંધ: ડેટા જેમાં ફ્રીક્વન્સી હોય છે

ક્યારેક એક જ ડેટા સેટને મૂલ્ય અને આવર્તન તરીકે આપી શકાય છે (દા.ત., 60 બે વાર દેખાય છે, 70 પાંચ વખત દેખાય છે). આ કિસ્સામાં, ડેટાના "ક્રમ" ના આધારે મધ્યક હજુ પણ મળી આવે છે, પરંતુ આપણે ડેટા પોઇન્ટને વ્યક્તિગત રીતે સૂચિબદ્ધ કર્યા વિના મધ્યક સ્થિતિ નક્કી કરવા માટે સંચિત આવર્તનનો ઉપયોગ કરી શકીએ છીએ. સિદ્ધાંત સમાન છે: (n+1)/2જી સ્થિતિ (વિષમ) અથવા (n/2) અને (n/2)+1લી સ્થિતિ (સમ) શોધો, પછી સંચિત આવર્તનના આધારે તે સ્થિતિને આવરી લેતા મૂલ્યો જુઓ.

-

3. જૂથબદ્ધ ડેટા માટે મધ્યકની ગણતરી

જૂથબદ્ધ ડેટા એ એવો ડેટા છે જેનો સારાંશ વર્ગ અંતરાલો અને તેમની આવર્તનમાં કરવામાં આવ્યો છે. ઉદાહરણ તરીકે: 150-154 સે.મી.ની ઊંચાઈ ધરાવતા 3 લોકો, 155-159 સે.મી.ની ઊંચાઈ ધરાવતા 8 લોકો, વગેરે. એકલ ડેટાથી વિપરીત, જૂથબદ્ધ ડેટાનો મધ્યક સામાન્ય રીતે ચોક્કસ રીતે નક્કી કરવામાં આવતો નથી કારણ કે આપણે અંતરાલમાં વ્યક્તિગત મૂલ્યો જાણતા નથી. તેથી, જૂથબદ્ધ વિતરણો માટે મધ્યક સૂત્રનો ઉપયોગ કરીને અંદાજ (અંદાજ) નો ઉપયોગ કરીને મધ્યકની ગણતરી કરવામાં આવે છે.

A. ગ્રુપ ડેટા મેડિયનમાં મહત્વપૂર્ણ શરતો

સૂત્રનો ઉપયોગ કરતા પહેલા, આપણે ઘણા ઘટકો સમજવાની જરૂર છે:

– n = કુલ આવર્તન (ડેટાની કુલ સંખ્યા)
– n/2 = સંચિત મધ્યસ્થ સ્થિતિ
– મધ્યક વર્ગ = પ્રથમ અંતરાલ વર્ગ જે સંચિત આવર્તન ઉત્પન્ન કરે છે ≥ n/2
– L = મધ્ય વર્ગની નીચલી ધાર (નીચલી મર્યાદા નહીં, પરંતુ વર્ગ ધાર; સતત ડેટા માટે સામાન્ય રીતે 0,5 ગોઠવણનો ઉપયોગ થાય છે જો ડેટા પૂર્ણાંકો હોય)
– F = મધ્ય વર્ગ પહેલાં સંચિત આવર્તન
– f = મધ્ય વર્ગ આવર્તન
– c = વર્ગ લંબાઈ (અંતરાલ પહોળાઈ)

B. ગ્રુપ ડેટાનો મધ્યક નક્કી કરવાનાં પગલાં

1. ફ્રીક્વન્સી ડિસ્ટ્રિબ્યુશન ટેબલ બનાવો અને ક્યુમ્યુલેટિવ ફ્રીક્વન્સી કોલમ ઉમેરો.
2. n (ફ્રિક્વન્સીઝની સંખ્યા) ની ગણતરી કરો અને n/2 નક્કી કરો.
3. મધ્યક વર્ગ નક્કી કરો, એટલે કે એવો વર્ગ જેમાં સંચિત આવર્તનના આધારે n/2 સ્થિતિઓનો સમાવેશ થાય છે.
4. જૂથ ડેટા માટે મધ્ય સૂત્રમાં મૂલ્યો દાખલ કરો.

C. ગ્રુપ ડેટા માટે મધ્યક સૂત્ર

\[
મી = L + \left(\frac{\frac{n}{2} – F}{f}\right)\times c
\]

આ સૂત્ર મધ્ય વર્ગની અંદર રેખીય પ્રક્ષેપ કરે છે, એમ ધારીને કે ડેટા વર્ગ અંતરાલમાં સમાનરૂપે વિતરિત થયેલ છે.

D. ગ્રુપ ડેટાના મધ્યકનું ઉદાહરણ

ઉદાહરણ તરીકે, નીચેનો ટેસ્ટ સ્કોર ડેટા:

| મૂલ્ય અંતરાલ | આવર્તન (f) |
|—|—:|
| ૨૦–૨૪ | ૨ |
| ૨૦–૨૪ | ૨ |
| ૨૦–૨૪ | ૨ |
| ૨૦–૨૪ | ૨ |
| ૨૦–૨૪ | ૨ |

૧) કુલ આવર્તન:
\[
n = ૫+૮+૧૨+૧૦+૫ = ૪૦
\]
2) n/2 ની ગણતરી કરો:
\[
n/2 = 20
\]

૩) સંચિત આવર્તન:
– ૮૦–૮૯: ૪૦
– ૬૦–૬૯: ૧૩+૧૨ = ૨૫
– ૬૦–૬૯: ૧૩+૧૨ = ૨૫
– ૮૦–૮૯: ૪૦
– ૮૦–૮૯: ૪૦

પોઝિશન 20 એ વર્ગમાં છે જેનો પ્રથમ સંચિત સ્કોર ≥ 20 છે, એટલે કે 60–69. તો આ મધ્ય વર્ગ છે.

૪) ઘટકો નક્કી કરો:
– L = મધ્ય વર્ગની નીચલી ધાર. અંતરાલ 60-69 માટે, નીચલી ધાર 59,5 છે (જો ડેટા પૂર્ણાંક મૂલ્ય હોય તો).
– F = મધ્ય વર્ગ પહેલાં સંચિત આવર્તન = 13
– f = મધ્ય વર્ગ આવર્તન = 12
– c = વર્ગ લંબાઈ = 10

5) સૂત્રમાં દાખલ કરો:
\[
મી = ૫૯.૫ + \left(\frac{20 – 13}{12}\right)\times 10
\]
\[
મી = ૫૯.૫ + \left(\frac{7}{12}\right)\times ૧૦
\]
\[
હું = ૫૯.૫ + ૫.૮૩૩… = ૬૫.૩૩૩…
\]

તો જૂથ ડેટાનો મધ્યક આશરે 65,33 છે.

-

૪. સામાન્ય ભૂલો

મધ્યકની ગણતરી કરતી વખતે કેટલીક સામાન્ય ભૂલો:

1. સિંગલ ડેટા માટે ડેટા સૉર્ટ ન કરવો, તેથી મધ્યમ મૂલ્ય સચોટ નથી.
2. જ્યારે n સમાન હોય ત્યારે મધ્યકની સ્થિતિ ખોટી રીતે નક્કી કરવી (બે મધ્યમ મૂલ્યોની સરેરાશ લેવી જોઈએ).
3. જૂથ ડેટા માટે, મધ્ય વર્ગ પસંદ કરવો ખોટું છે કારણ કે તે સંચિત આવર્તન બનાવતું નથી.
4. જ્યારે ડેટા સતત/અંતરાલ પૂર્ણાંકો હોય ત્યારે નીચલા ધાર (L) વર્ગની નીચલી મર્યાદાનો ઉપયોગ કરવો.
5. વર્ગ લંબાઈ (c) ખોટી રીતે નક્કી કરવી, ખાસ કરીને જો અંતરાલો અસંગત હોય.

-

5. નિષ્કર્ષ

મધ્યક એ કેન્દ્રીય વલણનું એક સરળ છતાં શક્તિશાળી માપ છે, ખાસ કરીને જ્યારે ડેટામાં આત્યંતિક મૂલ્યો હોય છે. સિંગલ ડેટા સેટ્સ માટે, ડેટાને સૉર્ટ કર્યા પછી મધ્યક સીધા મધ્ય સ્થાનથી નક્કી કરવામાં આવે છે, જેમાં વિષમ અને સમાન સંખ્યાના ડેટા સેટ્સ માટે અલગ અલગ સારવાર આપવામાં આવે છે. દરમિયાન, જૂથબદ્ધ ડેટા સેટ્સ માટે, મધ્યક વર્ગ, સંચિત આવર્તન અને વર્ગ લંબાઈના આધારે ઇન્ટરપોલેશન સૂત્રનો ઉપયોગ કરીને મધ્યકની ગણતરી કરવામાં આવે છે.

ખ્યાલ અને પગલાંઓને સમજીને, તમે સરળ ડેટા અને કોષ્ટકોમાં સારાંશ આપેલા ડેટા બંનેનો ઉપયોગ કરીને ઝડપથી અને સચોટ રીતે મધ્યકની ગણતરી કરી શકો છો. ઘણી વિશ્લેષણાત્મક પરિસ્થિતિઓમાં, મધ્યક એ સરેરાશ કરતાં વધુ પ્રતિનિધિ પસંદગી છે, ખાસ કરીને જ્યારે ડેટા વિતરણ અસમપ્રમાણ હોય અથવા તેમાં આઉટલાયર હોય.

જો તમે ઇચ્છો તો, હું એકલ અને જૂથ ડેટાના મધ્યકની તમારી સમજને મજબૂત બનાવવા માટે ચર્ચાઓ સાથે પ્રેક્ટિસ પ્રશ્નો પણ ઉમેરી શકું છું.