विषमता और कुर्टोसिस का परिचय
सांख्यिकी के क्षेत्र में, डेटासेट के अंतर्निहित पैटर्न की व्याख्या और समझने के लिए डेटा विश्लेषण आवश्यक है। इन डेटासेट का वर्णन और सारांश करने में सहायक प्रमुख अवधारणाएँ विषमता (skewness) और कुर्टोसिस (kurtosis) हैं। ये दोनों माप माध्य और मानक विचलन से परे, डेटा के आकार और वितरण के बारे में बहुमूल्य जानकारी प्रदान करते हैं।
विषमता: डेटा विषमता को समझना
विषमता (स्क्यूनेस) डेटा बिंदुओं के वितरण में विषमता या समरूपता की कमी को दर्शाती है। एक पूर्णतः सममित वितरण, जैसे कि सामान्य वितरण, में हिस्टोग्राम के बाएँ और दाएँ भाग एक दूसरे के दर्पण प्रतिबिंब होते हैं। हालाँकि, वास्तविक दुनिया के डेटा में पूर्ण समरूपता बहुत कम ही पाई जाती है, जिसके कारण विषमता उत्पन्न होती है।
1. विषमता के प्रकार:
– धनात्मक विषमता (दाएँ-प्रवणता): इस स्थिति में, वितरण के दाएँ भाग की पूंछ बाएँ भाग की पूंछ से लंबी या चौड़ी होती है। इसका अर्थ है कि अधिकांश डेटा बिंदु बाएँ भाग पर केंद्रित हैं, और उच्च मानों की ओर बढ़ने वाले असामान्य मानों की संख्या कम है। इसका एक उदाहरण घरेलू आय हो सकती है, जहाँ अधिकांश लोग एक निश्चित सीमा से कम कमाते हैं, लेकिन कुछ व्यक्ति उससे कहीं अधिक कमाते हैं।
– नकारात्मक विषमता (बाएँ-प्रवण): यहाँ, वितरण के बाएँ भाग की पूंछ लंबी या चौड़ी होती है। अधिकांश डेटा बिंदु दाईं ओर केंद्रित होते हैं, और कम मान वाले अपवाद बिंदु कम होते हैं। इसका एक उदाहरण सेवानिवृत्ति की आयु हो सकती है, जहाँ अधिकांश लोग विशिष्ट आयु के बीच सेवानिवृत्त होते हैं, लेकिन कुछ लोग इससे काफी पहले सेवानिवृत्त हो जाते हैं।
– शून्य विषमता: यह एक पूर्णतः सममित वितरण में होती है, जहाँ बाएँ और दाएँ सिरे एक दूसरे के समरूप होते हैं। इसका उत्कृष्ट उदाहरण सामान्य वितरण है।
2. विषमता की गणना:
विषमता को निम्नलिखित सूत्र का उपयोग करके मापा जा सकता है:
\[
विषमता = n{(n-1)(n-2)} योग i=1^n( x_i – x}}{s})^3
\]
– n प्रेक्षणों की संख्या है
– x_i प्रत्येक व्यक्तिगत अवलोकन को दर्शाता है
– \(\bar{x}\) प्रेक्षणों का माध्य है
– s मानक विचलन है
धनात्मक मान दाईं ओर झुकाव दर्शाते हैं, जबकि ऋणात्मक मान बाईं ओर झुकाव दर्शाते हैं।
कर्टोसिस: डेटा टेल हेवीनेस को समझना
कर्टोसिस डेटा वितरण की "पूंछों की सघनता" को मापता है। जबकि विषमता समरूपता से संबंधित होती है, कर्टोसिस केंद्रीय शिखर की ऊँचाई और तीक्ष्णता तथा पूंछों की सघनता को दर्शाता है। कर्टोसिस को सामान्यतः तीन प्रकारों में वर्गीकृत किया जाता है:
1. कुर्टोसिस के प्रकार:
– लेप्टोकुर्टिक: धनात्मक कुर्टोसिस मान वाले वितरण यह दर्शाते हैं कि अधिक डेटा मान माध्य के आसपास केंद्रित होते हैं, जिसके परिणामस्वरूप तीक्ष्ण शिखर और चौड़ी पूंछ बनती हैं। इसका अर्थ है कि आउटलायर्स की संभावना अधिक होती है। शेयर बाजार के रिटर्न अक्सर लेप्टोकुर्टिक व्यवहार प्रदर्शित करते हैं, जो अत्यधिक परिवर्तनों को दर्शाते हैं।
– प्लैटिकर्टिक: ऋणात्मक कुर्टोसिस मान वाले वितरणों में शिखर चपटे और पूंछ पतली होती हैं, जिसका अर्थ है कि डेटा बिंदु माध्य के आसपास अधिक समान रूप से फैले होते हैं। यादृच्छिक संख्या सेट प्लैटिकर्टिक विशेषताएँ प्रदर्शित करते हैं।
– मेसोकर्टिक: सामान्य वितरण की तरह, शून्य के निकट कुर्टोसिस मान वाले वितरण मध्यम शिखर और पूंछ की मोटाई दर्शाते हैं।
2. कुर्टोसिस की गणना:
कुर्टोसिस की गणना निम्न सूत्र का उपयोग करके की जाती है:
\[
कुर्टोसिस = n(n+1){(n-1)(n-2)(n-3) का योग (x_i – x)^4 – 3(n-1)^2{(n-2)(n-3))
\]
विषमता के समान, यहाँ n प्रेक्षणों की संख्या है, x_i प्रत्येक प्रेक्षण है, x माध्य है और s मानक विचलन है। सामान्य वितरण की कुर्टोसिस को शून्य करने के लिए तीन घटाया जाता है। धनात्मक मान लेप्टोकर्टिक वितरण को दर्शाते हैं, जबकि ऋणात्मक मान प्लैटिकर्टिक वितरण को दर्शाते हैं।
व्यावहारिक निहितार्थ और अनुप्रयोग
विषमता और कुर्टोसिस केवल दार्शनिक अवधारणाएं नहीं हैं, बल्कि वित्त से लेकर गुणवत्ता नियंत्रण और जीव विज्ञान तक के क्षेत्रों में इनके व्यावहारिक निहितार्थ हैं।
1. वित्त:
जोखिम प्रबंधन में, वित्तीय प्रतिफलों के मॉडलिंग और पूर्वानुमान के लिए विषमता (skewness) और कुर्टोसिस (kurtosis) का उपयोग किया जाता है। विषमता अत्यधिक सकारात्मक या नकारात्मक परिवर्तनों के जोखिम की जानकारी देती है, जबकि कुर्टोसिस चरम घटनाओं या अप्रत्याशित घटनाओं की संभावना को समझने में सहायक होती है।
– पोर्टफोलियो प्रबंधक परिसंपत्तियों का चयन करते समय विषमता और कुर्टोसिस पर विचार करते हैं, और जोखिम और प्रतिफल के बीच एक आदर्श संतुलन प्राप्त करने का प्रयास करते हैं।
2. गुणवत्ता नियंत्रण:
विनिर्माण क्षेत्र में, उत्पादन प्रक्रियाओं से प्राप्त आंकड़ों की विषमता का विश्लेषण करके अक्षमताओं या गुणवत्ता संबंधी विचलनों को उजागर किया जा सकता है। कुर्टोसिस संभावित असामान्यताओं की पहचान कर सकता है जो दोषों या दुर्लभ त्रुटियों का संकेत दे सकती हैं।
3. जीवविज्ञान और चिकित्सा:
महामारी विज्ञान में, विषमता (skewness) रोगों के प्रसार को दर्शा सकती है, जबकि कुर्टोसिस (kurtosis) अतिप्रसारक (super-spreaders) की उपस्थिति का संकेत दे सकती है। आनुवंशिकी में, ये माप जनसंख्या के भीतर लक्षणों के वितरण का विश्लेषण करने में सहायक होते हैं।
4. पर्यावरण विज्ञान:
– शोधकर्ता प्रदूषण डेटा का अध्ययन करने के लिए विषमता (skewness) का उपयोग करते हैं, जिससे प्रदूषकों के फैलाव में रुझान का पता चलता है। कुर्टोसिस (kurtosis) तेल रिसाव या दुर्लभ प्रजातियों के दर्शन जैसी दुर्लभ लेकिन महत्वपूर्ण पर्यावरणीय घटनाओं को समझने में सहायक होता है।
निष्कर्ष
विषमता और कुर्टोसिस को समझने से डेटा का अधिक विस्तृत और सूक्ष्म विश्लेषण प्राप्त होता है, जिससे विभिन्न क्षेत्रों में बेहतर निर्णय लेने में सहायता मिलती है। विषमता विषमता को दर्शाती है, जबकि कुर्टोसिस वितरण के अंतिम छोर के व्यवहार को उजागर करती है। ये दोनों माप मिलकर पारंपरिक सारांश सांख्यिकी से परे महत्वपूर्ण अंतर्दृष्टि प्रदान करते हैं, जिससे जटिल घटनाओं की व्याख्या और भविष्यवाणी करने की हमारी क्षमता बढ़ती है।
किसी भी सांख्यिकीय उपकरण की तरह, यह याद रखना महत्वपूर्ण है कि विषमता और कुर्टोसिस का उपयोग अन्य वर्णनात्मक सांख्यिकी के साथ करने पर ही सबसे अधिक जानकारी मिलती है। यह समग्र दृष्टिकोण डेटा वितरण की व्यापक समझ सुनिश्चित करता है, जिससे सोच-समझकर निर्णय लेने और नई खोजों को बढ़ावा देने में मदद मिलती है।
