डेटा वितरण में विचरण और मानक विचलन का विश्लेषण

डेटा वितरण में विचरण और मानक विचलन का विश्लेषण

सांख्यिकी में, डेटा के वितरण को समझना उतना ही महत्वपूर्ण है जितना कि माध्य या माध्यिका जैसे केंद्रीय मानों को समझना। दो डेटा सेटों का औसत समान हो सकता है, लेकिन उनका वितरण बहुत भिन्न हो सकता है: एक औसत के आसपास सघन रूप से केंद्रित हो सकता है, जबकि दूसरा व्यापक रूप से फैला हुआ हो सकता है। यहीं पर विचरण और मानक विचलन का महत्व सामने आता है—ये इस बात के प्रमुख मापक हैं कि डेटा अपने केंद्रीय मान से कितना भिन्न है। यह लेख इनकी अवधारणाओं, सूत्रों, व्याख्याओं और डेटा विश्लेषण में इनके अनुप्रयोग के उदाहरणों पर चर्चा करता है।

1. डेटा का प्रसार क्यों महत्वपूर्ण है?

डेटा का फैलाव स्थिरता और जोखिम के बारे में जानकारी प्रदान करता है। उदाहरण के लिए, परीक्षा अंकों के संदर्भ में, कक्षा A और B दोनों का औसत 80 हो सकता है। हालांकि, यदि कक्षा A के अंकों में भिन्नता कम है, तो अधिकांश छात्रों का प्रदर्शन समान है। इसके विपरीत, यदि कक्षा B के अंकों में भिन्नता अधिक है, तो संभावना है कि कुछ छात्रों के अंक बहुत अधिक हैं और अन्य के बहुत कम। व्यवसाय में, बिक्री डेटा का फैलाव राजस्व स्थिरता को दर्शाता है; वित्त में, निवेश प्रतिफल का फैलाव जोखिम के स्तर को दर्शाता है।

विचरण और मानक विचलन को समझकर, निर्णय लेने वाले निम्नलिखित कार्य कर सकते हैं:
– यह आकलन करें कि कोई प्रक्रिया स्थिर है या नहीं (उदाहरण के लिए, कारखाने में उत्पादन)।
– समूहों के बीच संगति की तुलना करना (उदाहरण के लिए, दो शिक्षण विधियों के बीच)।
– समीक्षा के योग्य असामान्य डेटा की पहचान करना।
– भविष्यवाणियों और मॉडलों में अनिश्चितता का अनुमान लगाना।

2. विचरण की मूल अवधारणा

विचरण (Variance) प्रत्येक डेटा सेट के माध्य से औसत वर्ग विचलन को मापता है। विचलन डेटा मानों और माध्य के बीच का अंतर है। यदि कई मान माध्य से दूर हैं, तो विचरण अधिक होगा। यदि मान माध्य के निकट हैं, तो विचरण कम होगा।

मान लीजिए कि दो डेटा हैं: (x_1, x_2, …, x_n) जिनका माध्य (x) है। प्रत्येक डेटा का विचलन (x_i – x) है। हालांकि, यदि विचलनों को सीधे जोड़ा जाए, तो परिणाम हमेशा शून्य होता है क्योंकि धनात्मक और ऋणात्मक विचलन एक दूसरे को रद्द कर देते हैं। इस समस्या को दूर करने के लिए, विचलनों का वर्ग किया जाता है ताकि वे सभी धनात्मक हो जाएं। यहीं से प्रसरण (वेरिएंस) की उत्पत्ति होती है।

ए) जनसंख्या भिन्नता
यदि आंकड़ों को संपूर्ण जनसंख्या का प्रतिनिधित्व करने वाला माना जाए, तो जनसंख्या विचरण को इस प्रकार लिखा जाता है:
\[
σ² = σ(xᵢ – μ)²N का योगफल
\]
कहाँ:
– \(N\) जनसंख्या डेटा की संख्या है,
– \(\mu\) जनसंख्या माध्य है,
– \(\sigma^2\) जनसंख्या विचरण है।

b) नमूना विचरण
यदि डेटा किसी बड़ी जनसंख्या से लिया गया नमूना है, तो नमूना विचरण का उपयोग किया जाता है:
\[
s^2 = \frac{\sum_{i=1}^{n}(x_i – \bar{x})^2}{n-1}
\]
भाजक \(n-1\) को बेसेल सुधार कहा जाता है, और इसका उपयोग यह सुनिश्चित करने के लिए किया जाता है कि जनसंख्या के लिए विचरण अनुमान निष्पक्ष हो। मूलतः, क्योंकि नमूना माध्य की गणना डेटा से ही की जाती है, इसलिए "स्वतंत्रता की डिग्री का नुकसान" होता है, अतः भाजक को तदनुसार समायोजित किया जाता है।

3. मानक विचलन: प्रसरण का मूल

विचरण की एक व्यावहारिक कमी यह है कि इसकी इकाइयाँ डेटा की इकाइयों का वर्ग होती हैं। यदि डेटा रुपिया में है, तो विचरण रुपिया² में होगा, जिसे सीधे समझना मुश्किल है। इसलिए, हम मानक विचलन का उपयोग करते हैं, जो विचरण का वर्गमूल होता है।

a) जनसंख्या मानक विचलन
\[
σ = √σ²
\]

b) नमूना मानक विचलन
\[
s = √s²
\]

मानक विचलन की इकाई मूल डेटा के समान ही होती है, जिससे इसे समझना आसान हो जाता है। उच्च मानक विचलन अधिक फैलाव वाले डेटा को दर्शाता है; निम्न मानक विचलन अधिक सघन डेटा सेट को दर्शाता है।

4. सरल गणना का उदाहरण

उदाहरण के लिए, परीक्षा के अंकों का डेटा: 70, 75, 80, 85, 90।

1) औसत की गणना करें:
\[
x = 70+75+80+85+90{5} = 80
\]

2) प्रत्येक मान का माध्य से विचलन ज्ञात कीजिए:
– 70: \(70-80=-10\)
– 75: \(75-80=-5\)
– 80: \(80-80=0\)
– 85: \(85-80=5\)
– 90: \(90-80=10\)

3) विचलन का वर्ग करें:
- 100, 25, 0, 25, 100

4) जोड़ें:
\[
\sum (x_i-\bar{x})^2 = 250
\]

5) नमूना विचरण:
\[
s^2 = \frac{250}{5-1} = 62.5
\]

6) नमूना मानक विचलन:
\[
s = √62.5 ≈ 7.91
\]

व्याख्या: औसत स्कोर 80 है, और "आमतौर पर" स्कोर औसत से लगभग 7-8 अंक तक भिन्न होते हैं।

5. विचरण और मानक विचलन की व्याख्या

विचरण और मानक विचलन केवल संख्याएँ नहीं हैं; इन्हें संदर्भ में समझा जाना चाहिए।

– छोटा मानक विचलन: उच्च स्थिरता। उदाहरण के लिए, उत्पाद के आकार में बहुत कम मानक विचलन वाली उत्पादन प्रक्रिया स्थिर गुणवत्ता को दर्शाती है।
– उच्च मानक विचलन: उच्च भिन्नता। निवेश में, प्रतिफल का उच्च मानक विचलन उच्च अस्थिरता (उच्च जोखिम) को दर्शाता है।
– समूहों के बीच तुलना: यदि दो समूहों का माध्य समान है लेकिन मानक विचलन भिन्न हैं, तो कम विचलन वाला समूह अधिक समरूप होता है।

हालांकि, यह याद रखना महत्वपूर्ण है कि मानक विचलन असामान्य मानों के प्रति संवेदनशील होता है। एक भी चरम मान विचरण और मानक विचलन को काफी हद तक बढ़ा सकता है। इसलिए, वितरण विश्लेषण को अक्सर दृश्य निरूपण (हिस्टोग्राम, बॉक्सप्लॉट) या अंतरचतुर्थक सीमा (IQR) जैसे मजबूत मापों द्वारा पूरक किया जाता है।

6. सामान्य वितरण और अनुभवजन्य नियमों के साथ संबंध

सामान्य वितरण (घंटीनुमा वक्र) में, मानक विचलन का बहुत महत्व होता है। एक अनुभवजन्य नियम है जिसका अक्सर उपयोग किया जाता है:
लगभग 68% डेटा \(\bar{x} \pm 1s\) की सीमा में है।
लगभग 95% डेटा \(\bar{x} \pm 2s\) की सीमा में है।
लगभग 99,7% डेटा \(\bar{x} \pm 3s\) की सीमा में है।

यह नियम त्वरित व्याख्या करने में मदद करता है, उदाहरण के लिए यह आकलन करना कि कोई मान "अस्वाभाविक" है या अभी भी सामान्य सीमा के भीतर है।

7. विभिन्न क्षेत्रों में अनुप्रयोग

1) शिक्षा: छात्रों के अंकों के वितरण की निगरानी करना। छोटे विचलन समान शिक्षण परिणामों को दर्शाते हैं, जबकि बड़े विचलन समझ में कमियों को इंगित कर सकते हैं।
2) उद्योग: गुणवत्ता नियंत्रण। उत्पादन की स्थिरता का मूल्यांकन करने के लिए विचलन का उपयोग किया जाता है।
3) वित्त: शेयर की कीमतों में अस्थिरता, पोर्टफोलियो रिटर्न और निवेश जोखिम को मापता है।
4) स्वास्थ्य: किसी रोगी समूह में रक्तचाप, शर्करा स्तर या अन्य नैदानिक ​​संकेतकों में होने वाले परिवर्तनों का अवलोकन करना।
5) सामाजिक अनुसंधान: सर्वेक्षण प्रतिक्रियाओं की विषमता और उत्तरदाताओं की विशेषताओं की विविधता का आकलन करना।

8. आम गलतियाँ और व्यावहारिक सुझाव

कुछ सामान्य गलतियाँ:
– नमूना विचरण (भाजक \(n-1\)) का उपयोग करना, भले ही डेटा पूरी जनसंख्या हो, या इसके विपरीत।
– विचरण की व्याख्या करते समय उसके वर्ग इकाई पर विचार न करें; व्याख्या के लिए मानक विचलन का उपयोग करना अधिक सुरक्षित है।
– असामान्य मानों को नजरअंदाज करें; डेटा की पहले जांच करना सबसे अच्छा है।
– बिना सामान्यीकरण के विभिन्न पैमानों वाले डेटा के बीच मानक विचलन की तुलना करें; कुछ मामलों में, अधिक निष्पक्ष तुलना के लिए भिन्नता गुणांक (सीवी) का उपयोग करें, अर्थात् \(सीवी = \frac{s}{\bar{x}}\times 100\%\)।

पेनुतुप

विचरण और मानक विचलन डेटा वितरण को समझने के लिए मूलभूत उपकरण हैं। विचरण एक मजबूत गणितीय आधार प्रदान करता है, जबकि मानक विचलन एक ऐसा माप प्रदान करता है जिसे समझना आसान होता है क्योंकि यह मूल डेटा के समान होता है। इन दोनों मापों का उपयोग करके, हम डेटा सेटों के बीच वितरण विशेषताओं की संगति, जोखिम और अंतर का अधिक स्पष्ट रूप से आकलन कर सकते हैं। डेटा विश्लेषण में, विचरण और मानक विचलन का उपयोग केंद्रीय प्रवृत्ति और दृश्यीकरण के मापों के साथ मिलकर डेटा की संपूर्ण तस्वीर प्राप्त करने और अधिक सटीक निर्णय लेने के लिए किया जाता है।

यदि आप चाहें, तो मैं अधिक जटिल गणना के उदाहरण (जैसे कि समूहीकृत डेटा) जोड़ सकता हूं, या मानक विचलन और जेड-स्कोर तथा आउटलायर डिटेक्शन के बीच संबंध को समझा सकता हूं।