सांख्यिकीय आंकड़ों में औसत विचलन निर्धारित करने की तकनीकें

सांख्यिकीय आंकड़ों में औसत विचलन निर्धारित करने की तकनीकें

सांख्यिकी में, केवल डेटा के "केंद्र" को समझना—उदाहरण के लिए, माध्य या माध्यिका के माध्यम से—अक्सर अपर्याप्त होता है। दो डेटा सेटों का औसत समान हो सकता है, लेकिन उनके "भिन्नता" के स्तर में काफी अंतर हो सकता है। इसलिए, प्रकीर्णन के मापन महत्वपूर्ण हैं। प्रकीर्णन का एक मापन जो समझने और उपयोग करने में अपेक्षाकृत आसान है, वह है माध्य विचलन। यह लेख विभिन्न प्रकार के सांख्यिकीय डेटा में माध्य विचलन निर्धारित करने की तकनीकों पर चर्चा करता है, जिसमें गणना के चरण और उदाहरण शामिल हैं।

औसत विचलन को समझना

माध्य विचलन एक ऐसा माप है जो प्रत्येक डेटा बिंदु की केंद्रीय प्रवृत्ति के माप, आमतौर पर अंकगणितीय माध्य (औसत) या माध्यिका से औसत दूरी को दर्शाता है। यह दूरी डेटा और केंद्रीय मान के बीच के अंतर का निरपेक्ष मान है, ताकि कोई भी ऋणात्मक अंतर धनात्मक अंतर को "रद्द" न कर दे।

सामान्य तौर पर, माध्य विचलन यह बताता है कि डेटा अपने केंद्रीय मान से कितनी दूर तक फैला हुआ है। माध्य विचलन जितना कम होगा, डेटा केंद्र के आसपास उतना ही सघन रूप से एकत्रित होगा; मान जितना अधिक होगा, डेटा उतना ही अधिक परिवर्तनशील होगा।

निरपेक्ष मान का उपयोग क्यों करें?

यदि हम निरपेक्ष मान निकाले बिना डेटा और माध्य के बीच के अंतरों का औसत निकालते हैं, तो अंतरों का योग हमेशा शून्य होगा (क्योंकि माध्य संतुलन बिंदु है)। उदाहरण के लिए, यदि +5 और -5 का अंतर है, तो उनका योग शून्य होगा। इसलिए, निरपेक्ष मानों का उपयोग किया जाता है ताकि विचलन वास्तव में केंद्र से डेटा की दूरी को दर्शा सकें।

एकल डेटा के लिए माध्य विचलन सूत्र

एकल डेटा (समूहीकृत नहीं) के लिए, माध्य से औसत विचलन को इस प्रकार सूत्रबद्ध किया जाता है:

\[
SR = \frac{\sum |x_i – \bar{x}|}{n}
\]

जानकारी:
– (एसआर): औसत विचलन
– \( x_i \): i-वाँ डेटा
– \( \bar{x} \): अंकगणितीय माध्य (माध्य)
– \( n \): डेटा की मात्रा

एकल डेटा गणना तकनीक (चरण)
1. सभी आंकड़ों का माध्य (x) ज्ञात कीजिए।
2. प्रत्येक डेटा और माध्य के बीच अंतर की गणना करें: \( x_i – \bar{x} \).
3. प्रत्येक अंतर का निरपेक्ष मान लें: \( |x_i – \bar{x}| \).
4. अंतरों के सभी निरपेक्ष मानों को जोड़ें।
5. डेटा की संख्या (n) से भाग दें।

एकल डेटा उदाहरण
मान डेटा: 6, 8, 10, 12, 14

1) औसत:
\[
\bar{x}=\frac{6+8+10+12+14}{5}=\frac{50}{5}=10
\]

2) अंतर का निरपेक्ष मान:
– |6 − 10| = 4
– |8 − 10| = 2
– |10 − 10| = 0
– |12 − 10| = 2
– |14 − 10| = 4

कुल योग = 4 + 2 + 0 + 2 + 4 = 12

3) औसत विचलन:
\[
SR=\frac{12}{5}=2{,}4
\]

इसका मतलब है कि औसतन प्रत्येक मान माध्य से 2,4 इकाई विचलित होता है (10)।

बार-बार आने वाले (असतत) डेटा के लिए माध्य विचलन

यदि डेटा को मानों और आवृत्तियों के रूप में प्रस्तुत किया जाता है (उदाहरण के लिए एक तालिका), तो सूत्र इस प्रकार हो जाता है:

\[
SR = \frac{\sum f_i |x_i – \bar{x}|}{\sum f_i}
\]

जानकारी:
– \( f_i \): डेटा आवृत्ति \( x_i \)

आवृत्ति डेटा गणना तकनीकें
1. माध्य की गणना करें: \(\bar{x}=\frac{\sum f_i x_i}{\sum f_i}\)
2. \( |x_i-\bar{x}| \) की गणना करें
3. आवृत्ति से गुणा करें: \( f_i |x_i-\bar{x}| \)
4. चरण 3 के सभी परिणामों को जोड़ें।
5. कुल आवृत्ति से भाग दें

असतत डेटा उदाहरण
| मान (x) | आवृत्ति (f) |
|—|—|
| 5 | 2 |
| 7 | 3 |
| 9 | 1 |

कुल आवृत्ति: (2+3+1=6)

मतलब:
\[
\bar{x}=\frac{(5)(2)+(7)(3)+(9)(1)}{6}=\frac{10+21+9}{6}=\frac{40}{6}=6{,}67
\]

विचलन की गणना करें:
x=5 के लिए: |5−6,67|=1,67 → f=2 से गुणा करने पर → 3,34
x=7 के लिए: |7−6,67|=0,33 → f=3 से गुणा करने पर → 0,99
x=9 के लिए: |9−6,67|=2,33 → f=1 से गुणा करने पर → 2,33

कुल योग: 3,34 + 0,99 + 2,33 = 6,66

औसत विचलन:
\[
SR=\frac{6{,}66}{6}=1{,}11
\]

समूहीकृत डेटा के लिए माध्य विचलन (वर्ग अंतराल)

समूहीकृत डेटा (उदाहरण के लिए, अंतराल आवृत्ति वितरण) में, डेटा मान व्यक्तिगत रूप से प्रदर्शित नहीं किए जाते हैं, बल्कि वर्गों में प्रदर्शित किए जाते हैं। इस उद्देश्य के लिए, वर्ग के भीतर डेटा को दर्शाने के लिए वर्ग मध्यबिंदु (xi) का उपयोग किया जाता है।

सूत्र:

\[
SR=\frac{\sum f_i |x_i-\bar{x}|}{\sum f_i}
\]

हालाँकि, \(x_i\) वर्ग का मध्यबिंदु है।

समूह डेटा गणना तकनीकें
1. प्रत्येक वर्ग का मध्यबिंदु ज्ञात कीजिए:
\[
x_i=\frac{\text{निचली सीमा + ऊपरी सीमा}}{2}
\]
2. समूह माध्य की गणना करें:
\[
\bar{x}=\frac{\sum f_i x_i}{\sum f_i}
\]
3. \( |x_i-\bar{x}| \) की गणना करें
4. आवृत्ति \( f_i \) से गुणा करें
5. सभी परिणामों को जोड़ें, फिर कुल आवृत्ति से भाग दें।

समूह डेटा उदाहरण
| कक्षा | एफ |
|—|—|
| 10–14 | 3 |
| 15–19 | 5 |
| 20–24 | 2 |

मध्यबिंदु:
– 10–14 → 12
– 15–19 → 17
– 20–24 → 22

कुल f = 10

मतलब:
\[
\bar{x}=\frac{(12)(3)+(17)(5)+(22)(2)}{10}=\frac{36+85+44}{10}=\frac{165}{10}=16{,}5
\]

विचलन:
– |12−16,5|=4,5 → ×3 = 13,5
– |17−16,5|=0,5 → ×5 = 2,5
– |22−16,5|=5,5 → ×2 = 11

कुल योग = 13,5 + 2,5 + 11 = 27

औसत विचलन:
\[
SR=\frac{27}{10}=2{,}7
\]

माध्यिका से माध्य विचलन

माध्य के अतिरिक्त, माध्यिका से औसत विचलन की गणना भी की जा सकती है। सिद्धांत वही है, केवल केंद्रीय मान भिन्न होता है। यह तब उपयोगी होता है जब डेटा में असामान्य मान हों, क्योंकि माध्यिका चरम मानों के प्रति अधिक प्रतिरोधी होती है।

एकल डेटा के लिए:
\[
SR_{Me}=\frac{\sum |x_i-Me|}{n}
\]

आवृत्ति डेटा के लिए:
\[
SR_{Me}=\frac{\sum f_i|x_i-Me|}{\sum f_i}
\]

माध्य विचलन के लाभ और सीमाएँ

केलीबहन:
1. इसे समझना आसान है क्योंकि यह डेटा सेंटर से "औसत दूरी" का उपयोग करता है।
2. सभी डेटा का उपयोग करें (केवल कुछ निश्चित डेटा का नहीं)।
3. इसे डेटा प्रस्तुति के विभिन्न रूपों के लिए गणना किया जा सकता है।

सीमाएँ:
1. उन्नत सांख्यिकीय विश्लेषण में मानक विचलन की तुलना में कम लोकप्रिय।
2. निरपेक्ष मानों का उपयोग कुछ बीजगणितीय गणनाओं के लिए कम सुविधाजनक बनाता है।
3. कई अनुमान विधियों में मानक विचलन जितना मजबूत नहीं होता।

पेनुतुप

सांख्यिकीय आंकड़ों में माध्य विचलन ज्ञात करने की तकनीक मूलतः एक निश्चित पैटर्न का अनुसरण करती है: केंद्रीय मान (माध्य या माध्यिका) ज्ञात करें, प्रत्येक डेटा बिंदु (या वर्ग मध्यबिंदु) की केंद्र से निरपेक्ष दूरी की गणना करें, और फिर उनका औसत निकालें—यदि डेटा तालिका में प्रस्तुत किया गया है तो आवृत्ति को ध्यान में रखें। माध्य विचलन डेटा की परिवर्तनशीलता को सहज रूप से वर्णित करने के लिए फैलाव का एक सुविधाजनक माप है। इन चरणों को समझकर आप डेटा सेटों में भिन्नता की तुलना कर सकते हैं और डेटा सेट की स्थिरता का अधिक पूर्ण मूल्यांकन कर सकते हैं।

यदि आप चाहें, तो मैं इस लेख का एक संस्करण स्कूल असाइनमेंट प्रारूप में (परिचय-चर्चा-निष्कर्ष सहित) बनाने में आपकी मदद कर सकता हूं या चर्चा के साथ अभ्यास प्रश्न भी जोड़ सकता हूं।