ಉದಾಹರಣೆ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ವಿತರಣಾ ಕ್ರಮಗಳ ಚರ್ಚೆ
ದತ್ತಾಂಶ ಗುಂಪಿನೊಳಗಿನ ದತ್ತಾಂಶವು ಎಷ್ಟು ಹರಡುತ್ತದೆ ಅಥವಾ ಬದಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಪ್ರಸರಣದ ಅಳತೆಗಳು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಪರಿಕಲ್ಪನೆಗಳಾಗಿವೆ. ಪ್ರಸರಣದ ಪ್ರಮಾಣವು ದತ್ತಾಂಶ ವಿತರಣೆಯ ಬಗ್ಗೆ ಹೆಚ್ಚು ಆಳವಾದ ನೋಟವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಸರಾಸರಿ ಮತ್ತು ಸರಾಸರಿಯಿಂದ ಸರಳವಾಗಿ ನೋಡಲಾಗದ ಮಾಹಿತಿಯನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ. ಈ ಲೇಖನವು ಪ್ರಸರಣದ ಅಳತೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಹಲವಾರು ಉದಾಹರಣೆ ಸಮಸ್ಯೆಗಳನ್ನು ಮತ್ತು ಈ ಪರಿಕಲ್ಪನೆಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಲು ಅವುಗಳ ಚರ್ಚೆಯನ್ನು ಚರ್ಚಿಸುತ್ತದೆ. ವ್ಯಾಪ್ತಿ, ಪ್ರಮಾಣಿತ ವಿಚಲನ, ವ್ಯತ್ಯಾಸ ಮತ್ತು ಇಂಟರ್ಕ್ವಾರ್ಟೈಲ್ ಶ್ರೇಣಿ (IQR) ಸೇರಿದಂತೆ ಪ್ರಸರಣದ ವಿವಿಧ ಅಳತೆಗಳಿವೆ.
1. ಶ್ರೇಣಿ
ವ್ಯಾಖ್ಯಾನ
ಡೇಟಾ ಸೆಟ್ನಲ್ಲಿನ ಅತ್ಯುನ್ನತ ಮತ್ತು ಕಡಿಮೆ ಮೌಲ್ಯಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವೇ ಶ್ರೇಣಿ.
ಸಮಸ್ಯೆಗಳ ಉದಾಹರಣೆ
ಒಂದು ಫುಟ್ಬಾಲ್ ತಂಡವು ತಮ್ಮ ಕೊನೆಯ 10 ಪಂದ್ಯಗಳಲ್ಲಿ ಗಳಿಸಿದ ಗೋಲುಗಳ ಸಂಖ್ಯೆಯನ್ನು ಈ ಕೆಳಗಿನಂತೆ ದಾಖಲಿಸುತ್ತದೆ:
3, 5, 2, 8, 7, 2, 6, 9, 4, ಮತ್ತು 1.
ಚರ್ಚೆ
ಶ್ರೇಣಿಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು, ನಾವು ಡೇಟಾದ ಗರಿಷ್ಠ ಮತ್ತು ಕನಿಷ್ಠ ಮೌಲ್ಯಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬೇಕು.
– ಗರಿಷ್ಠ ಸ್ಕೋರ್: 9
– ಕನಿಷ್ಠ ಮೌಲ್ಯ: 1
ಶ್ರೇಣಿ = ಗರಿಷ್ಠ ಮೌಲ್ಯ – ಕನಿಷ್ಠ ಮೌಲ್ಯ = 9 – 1 = 8
ಆದ್ದರಿಂದ, ಕಳೆದ 10 ಪಂದ್ಯಗಳಲ್ಲಿ ಗಳಿಸಿದ ಗೋಲುಗಳ ವ್ಯಾಪ್ತಿಯು 8 ಗೋಲುಗಳು.
2. ಪ್ರಮಾಣಿತ ವಿಚಲನ
ವ್ಯಾಖ್ಯಾನ
ಪ್ರಮಾಣಿತ ವಿಚಲನವು ಡೇಟಾಸೆಟ್ನಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಮೌಲ್ಯವು ಅದರ ಸರಾಸರಿಯಿಂದ ಎಷ್ಟು ದೂರದಲ್ಲಿದೆ ಎಂಬುದರ ಅಳತೆಯಾಗಿದೆ. ಪ್ರಮಾಣಿತ ವಿಚಲನವು ವ್ಯತ್ಯಾಸದ ವರ್ಗಮೂಲವಾಗಿದೆ.
ಸಮಸ್ಯೆಗಳ ಉದಾಹರಣೆ
ಒಂದು ತರಗತಿಯ ಗಣಿತ ಪರೀಕ್ಷೆಯ ಅಂಕಗಳು ಇಲ್ಲಿವೆ: 65, 70, 75, 80, ಮತ್ತು 85.
ಚರ್ಚೆ
ಮೊದಲ ಹಂತವೆಂದರೆ ಸರಾಸರಿ ಅಂಕವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು.
\[
\ಪಠ್ಯ{ಸರಾಸರಿ} = \frac{65 + 70 + 75 + 80 + 85}{5} = 75
\]
ಎರಡನೇ ಹಂತವೆಂದರೆ ಪ್ರತಿ ಮೌಲ್ಯ ಮತ್ತು ಸರಾಸರಿ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಲೆಕ್ಕಹಾಕುವುದು, ನಂತರ ಫಲಿತಾಂಶವನ್ನು ವರ್ಗೀಕರಿಸುವುದು:
– (65 – 75)² = 100
– (70 – 75)² = 25
– (75 – 75)² = 0
– (80 – 75)² = 25
– (85 – 75)² = 100
ಮೂರನೇ ಹಂತವೆಂದರೆ ವ್ಯತ್ಯಾಸಗಳ ವರ್ಗಗಳ ಸರಾಸರಿಯನ್ನು ಲೆಕ್ಕಹಾಕುವ ಮೂಲಕ ವ್ಯತ್ಯಾಸವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು:
\[
\ಪಠ್ಯ{ವ್ಯತ್ಯಾಸ} = \frac{100 + 25 + 0 + 25 + 100}{5} = 50
\]
ಪ್ರಮಾಣಿತ ವಿಚಲನವು ವ್ಯತ್ಯಾಸದ ವರ್ಗಮೂಲವಾಗಿದೆ:
\[
\text{ಪ್ರಮಾಣಿತ ವಿಚಲನ} = \sqrt{50} \approx 7.07
\]
ಆದ್ದರಿಂದ ಪರೀಕ್ಷಾ ಅಂಕಗಳ ಪ್ರಮಾಣಿತ ವಿಚಲನವು ಸುಮಾರು 7.07 ಆಗಿದೆ.
3. ವ್ಯತ್ಯಾಸ
ವ್ಯಾಖ್ಯಾನ
ವ್ಯತ್ಯಾಸವು ಪ್ರತಿ ಮೌಲ್ಯ ಮತ್ತು ಅದರ ಸರಾಸರಿ ನಡುವಿನ ವರ್ಗ ವ್ಯತ್ಯಾಸಗಳ ಸರಾಸರಿಯಾಗಿದೆ; ಇದು ದತ್ತಾಂಶವು ಸರಾಸರಿಯ ಸುತ್ತ ಎಷ್ಟು ಹರಡಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸುತ್ತದೆ. ವ್ಯತ್ಯಾಸವು ಪ್ರಮಾಣಿತ ವಿಚಲನದ ವರ್ಗವಾಗಿದೆ.
ಸಮಸ್ಯೆಗಳ ಉದಾಹರಣೆ
ನಮಗೆ ಈ ಕೆಳಗಿನ ಡೇಟಾಸೆಟ್ ಇದೆ ಎಂದು ಭಾವಿಸೋಣ: 10, 20, 30, 40, ಮತ್ತು 50.
ಚರ್ಚೆ
ಮೊದಲ ಹಂತವೆಂದರೆ ಡೇಟಾದ ಸರಾಸರಿಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು.
\[
\ಪಠ್ಯ{ಸರಾಸರಿ} = \frac{10 + 20 + 30 + 40 + 50}{5} = 30
\]
ಎರಡನೇ ಹಂತವೆಂದರೆ ಪ್ರತಿ ಮೌಲ್ಯ ಮತ್ತು ಸರಾಸರಿ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಲೆಕ್ಕಹಾಕುವುದು, ನಂತರ ಫಲಿತಾಂಶವನ್ನು ವರ್ಗೀಕರಿಸುವುದು:
– (10 – 30)² = 400
– (20 – 30)² = 100
– (30 – 30)² = 0
– (40 – 30)² = 100
– (50 – 30)² = 400
ಮೂರನೇ ಹಂತವೆಂದರೆ ವ್ಯತ್ಯಾಸಗಳ ವರ್ಗಗಳ ಸರಾಸರಿಯನ್ನು ಲೆಕ್ಕಹಾಕುವ ಮೂಲಕ ವ್ಯತ್ಯಾಸವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು:
\[
\ಪಠ್ಯ{ವ್ಯತ್ಯಾಸ} = \frac{400 + 100 + 0 + 100 + 400}{5} = 200
\]
ಆದ್ದರಿಂದ, ಡೇಟಾಸೆಟ್ನ ವ್ಯತ್ಯಾಸ 200 ಆಗಿದೆ.
4. ಇಂಟರ್ಕ್ವಾರ್ಟೈಲ್ ರೇಂಜ್ (IQR)
ವ್ಯಾಖ್ಯಾನ
ಇಂಟರ್ಕ್ವಾರ್ಟೈಲ್ ಶ್ರೇಣಿ (IQR) ಮೂರನೇ ಕ್ವಾರ್ಟೈಲ್ (Q3) ಮತ್ತು ಮೊದಲ ಕ್ವಾರ್ಟೈಲ್ (Q1) ನಡುವಿನ ವ್ಯತ್ಯಾಸವಾಗಿದೆ. IQR ಡೇಟಾಸೆಟ್ನಲ್ಲಿನ ಮಧ್ಯದ 50% ಡೇಟಾದಿಂದ ಹರಡುವಿಕೆಯ ಅಳತೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ, ಇದು ಶ್ರೇಣಿಗಿಂತ ಹೆಚ್ಚು ಮಾಹಿತಿಯುಕ್ತವಾಗಿರುತ್ತದೆ.
ಸಮಸ್ಯೆಗಳ ಉದಾಹರಣೆ
ಕೆಳಗಿನ ಡೇಟಾಸೆಟ್ ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿದೆ: 1, 3, 4, 5, 6, 7, 8, 11, 13, ಮತ್ತು 14.
ಚರ್ಚೆ
ಮೊದಲು ನಾವು ಡೇಟಾವನ್ನು ವಿಂಗಡಿಸಬೇಕು:
1, 3, 4, 5, 6, 7, 8, 11, 13, 14
Q1 ಮತ್ತು Q3 ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು, ನಾವು ಡೇಟಾವನ್ನು ಕ್ವಾರ್ಟೈಲ್ಗಳಾಗಿ ವಿಂಗಡಿಸಬೇಕಾಗಿದೆ.
– ಮಧ್ಯಾಂಕ (Q2) 6 ಮತ್ತು 7 ರ ನಡುವೆ ಇರುತ್ತದೆ: \((6+7)/2 = 6.5\)
Q1 ಗಾಗಿ, ನಾವು ಕಡಿಮೆ ಮೌಲ್ಯಗಳ ಸರಾಸರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತೇವೆ:
– 1, 3, 4, 5, 6
– ಈ ಉಪವಿಭಾಗದ ಸರಾಸರಿ 4 ಆಗಿದೆ
Q3 ಗಾಗಿ, ನಾವು ಮೇಲಿನ ಮೌಲ್ಯಗಳ ಸರಾಸರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತೇವೆ:
– 7, 8, 11, 13, 14
– ಈ ಉಪವಿಭಾಗದ ಸರಾಸರಿ 11 ಆಗಿದೆ
ಇಂಟರ್ಕ್ವಾರ್ಟೈಲ್ ರೇಂಜ್ (IQR) = Q3 – Q1 = 11 – 4 = 7
ಆದ್ದರಿಂದ, ಡೇಟಾಸೆಟ್ನ IQR 7 ಆಗಿದೆ.
ತೀರ್ಮಾನ
ಪ್ರಸರಣದ ಅಳತೆಗಳು ಅಂಕಿಅಂಶಗಳ ಪ್ರಮುಖ ಅಂಶಗಳಾಗಿವೆ, ಅದು ದತ್ತಾಂಶದಲ್ಲಿನ ವ್ಯತ್ಯಾಸದ ಮಟ್ಟವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಈ ಲೇಖನದಲ್ಲಿ, ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಹಲವಾರು ಪ್ರಸರಣ ಅಳತೆಗಳಾದ ಶ್ರೇಣಿ, ಪ್ರಮಾಣಿತ ವಿಚಲನ, ವ್ಯತ್ಯಾಸ ಮತ್ತು ಇಂಟರ್ಕ್ವಾರ್ಟೈಲ್ ಶ್ರೇಣಿಯನ್ನು ಚರ್ಚಿಸಿದ್ದೇವೆ ಮತ್ತು ಉದಾಹರಣೆಗಳನ್ನು ಮತ್ತು ಚರ್ಚೆಗಳನ್ನು ಒದಗಿಸಿದ್ದೇವೆ. ಈ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಮತ್ತು ಅವುಗಳನ್ನು ಹೇಗೆ ಲೆಕ್ಕ ಹಾಕುವುದು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮೂಲಕ, ನಾವು ವಿಶ್ಲೇಷಿಸುತ್ತಿರುವ ದತ್ತಾಂಶದ ಗುಣಲಕ್ಷಣಗಳ ಬಗ್ಗೆ ಉತ್ತಮ ತಿಳುವಳಿಕೆಯನ್ನು ಪಡೆಯುತ್ತೇವೆ, ಇದು ಆ ದತ್ತಾಂಶವನ್ನು ಆಧರಿಸಿ ಹೆಚ್ಚು ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
