ತರಗತಿ ಮಧ್ಯಂತರಗಳಲ್ಲಿ ಡೇಟಾವನ್ನು ಹೇಗೆ ಗುಂಪು ಮಾಡುವುದು

ತರಗತಿ ಮಧ್ಯಂತರಗಳಲ್ಲಿ ಡೇಟಾವನ್ನು ಹೇಗೆ ಗುಂಪು ಮಾಡುವುದು

ವಿವರಣಾತ್ಮಕ ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ದತ್ತಾಂಶವನ್ನು ವರ್ಗ ಮಧ್ಯಂತರಗಳಾಗಿ ಗುಂಪು ಮಾಡುವುದು ಒಂದು ನಿರ್ಣಾಯಕ ಹಂತವಾಗಿದೆ. ಆವರ್ತನ ವಿತರಣಾ ಕೋಷ್ಟಕಗಳು ಅಥವಾ ಹಿಸ್ಟೋಗ್ರಾಮ್‌ಗಳಲ್ಲಿ ಓದಲು, ವಿಶ್ಲೇಷಿಸಲು ಮತ್ತು ಪ್ರಸ್ತುತಪಡಿಸಲು ಸುಲಭವಾಗುವಂತೆ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಕಚ್ಚಾ ದತ್ತಾಂಶವನ್ನು ಸರಳೀಕರಿಸುವುದು ಗುರಿಯಾಗಿದೆ. ದತ್ತಾಂಶವು ತುಂಬಾ ವೈವಿಧ್ಯಮಯ ಮತ್ತು ಚದುರಿಹೋದಾಗ, ಮಾದರಿಗಳನ್ನು ಗ್ರಹಿಸುವುದು ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ. ವರ್ಗ ಮಧ್ಯಂತರಗಳು ದತ್ತಾಂಶವನ್ನು ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯ ಗುಂಪುಗಳಾಗಿ ಸಂಘಟಿಸುತ್ತವೆ, ಇದು ದತ್ತಾಂಶ ವಿತರಣೆ, ಹೆಚ್ಚಾಗಿ ಸಂಭವಿಸುವ ಮೌಲ್ಯಗಳು ಮತ್ತು ಕೇಂದ್ರ ಪ್ರವೃತ್ತಿಯನ್ನು ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಈ ಲೇಖನವು ವರ್ಗ ಮಧ್ಯಂತರಗಳ ಅರ್ಥವನ್ನು ಚರ್ಚಿಸುತ್ತದೆ, ಅವು ಅಗತ್ಯವಿದ್ದಾಗ, ಹಾಗೆಯೇ ಅನ್ವಯಿಕ ಉದಾಹರಣೆಗಳೊಂದಿಗೆ ಡೇಟಾವನ್ನು ವರ್ಗ ಮಧ್ಯಂತರಗಳಾಗಿ ಗುಂಪು ಮಾಡುವ ಪ್ರಾಯೋಗಿಕ ಹಂತಗಳನ್ನು ಚರ್ಚಿಸುತ್ತದೆ.

1. ತರಗತಿ ಮಧ್ಯಂತರಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು

ವರ್ಗ ಮಧ್ಯಂತರವು ಆವರ್ತನ ವಿತರಣೆಯಲ್ಲಿ ಡೇಟಾವನ್ನು ಗುಂಪು ಮಾಡಲು ಬಳಸುವ ಮೌಲ್ಯಗಳ ಶ್ರೇಣಿಯಾಗಿದೆ. ಪ್ರತಿಯೊಂದು ಮಧ್ಯಂತರವು ಸಾಮಾನ್ಯವಾಗಿ ಕಡಿಮೆ ಮತ್ತು ಮೇಲಿನ ಮಿತಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, 10–19 ಮಧ್ಯಂತರವು 10 ಮತ್ತು 19 ರ ನಡುವಿನ ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿರುವ ಎಲ್ಲಾ ಡೇಟಾ ಆ ವರ್ಗಕ್ಕೆ ಸೇರುತ್ತದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.

ಆವರ್ತನ ವಿತರಣಾ ಕೋಷ್ಟಕದಲ್ಲಿ, ವರ್ಗ ಮಧ್ಯಂತರಗಳು ಒಂದೇ ರೀತಿಯ ಮೌಲ್ಯಗಳಿಗೆ "ಧಾರಕಗಳಾಗಿ" ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಇದು ಎಲ್ಲಾ ಮೌಲ್ಯಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪಟ್ಟಿ ಮಾಡುವುದಕ್ಕಿಂತ ಡೇಟಾವನ್ನು ಹೆಚ್ಚು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತದೆ. ವರ್ಗ ಮಧ್ಯಂತರಗಳು ಹಿಸ್ಟೋಗ್ರಾಮ್‌ಗಳು ಮತ್ತು ಆವರ್ತನ ಬಹುಭುಜಾಕೃತಿಗಳಂತಹ ಗ್ರಾಫ್‌ಗಳನ್ನು ರಚಿಸಲು ಆಧಾರವಾಗಿದೆ.

2. ಡೇಟಾವನ್ನು ಯಾವಾಗ ಗುಂಪು ಮಾಡಬೇಕಾಗುತ್ತದೆ?

ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ವರ್ಗ ಮಧ್ಯಂತರಗಳಾಗಿ ವಿಂಗಡಿಸುವ ಅಗತ್ಯವಿಲ್ಲ. ಗುಂಪು ಮಾಡುವುದು ಸಾಮಾನ್ಯವಾಗಿ ಈ ಕೆಳಗಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅಗತ್ಯವಾಗಿರುತ್ತದೆ:

1. ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾ, ಉದಾಹರಣೆಗೆ 30 ಅಥವಾ 50 ಕ್ಕೂ ಹೆಚ್ಚು ವೀಕ್ಷಣೆಗಳು.
2. ಡೇಟಾ ಶ್ರೇಣಿ ವಿಶಾಲವಾಗಿದೆ, ಆದ್ದರಿಂದ ಮೌಲ್ಯಗಳು ಹರಡಿಕೊಂಡಿವೆ ಮತ್ತು ಓದಲು ಕಷ್ಟ.
3. ನಾವು ವಿತರಣಾ ಮಾದರಿಯನ್ನು ನೋಡಲು ಬಯಸುತ್ತೇವೆ, ಉದಾಹರಣೆಗೆ ದತ್ತಾಂಶವು ಸಾಮಾನ್ಯವಾಗಿದೆಯೇ, ಓರೆಯಾಗಿದೆಯೇ ಅಥವಾ ಡಬಲ್ ಶಿಖರಗಳನ್ನು ಹೊಂದಿದೆಯೇ ಎಂದು ಕಂಡುಹಿಡಿಯಲು.
4. ಹಿಸ್ಟೋಗ್ರಾಮ್‌ಗೆ ಮಧ್ಯಂತರ ತರಗತಿಗಳು ಅಗತ್ಯವಿರುವುದರಿಂದ ಡೇಟಾವನ್ನು ಹಿಸ್ಟೋಗ್ರಾಮ್‌ನಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ.

ದತ್ತಾಂಶವು ಚಿಕ್ಕದಾಗಿದ್ದರೆ (ಉದಾ. 10 ಮೌಲ್ಯಗಳು), ಆಗಾಗ್ಗೆ ಮಧ್ಯಂತರಗಳಿಲ್ಲದೆ ಒಂದೇ ಆವರ್ತನ ಕೋಷ್ಟಕವು ಸಾಕಾಗುತ್ತದೆ.

3. ವರ್ಗ ಮಧ್ಯಂತರಗಳಾಗಿ ಡೇಟಾವನ್ನು ಗುಂಪು ಮಾಡುವ ಹಂತಗಳು

ತರಗತಿ ಮಧ್ಯಂತರಗಳನ್ನು ರೂಪಿಸಲು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಹಂತಗಳು ಇಲ್ಲಿವೆ.

ಹಂತ 1: ಕನಿಷ್ಠ ಮತ್ತು ಗರಿಷ್ಠ ಡೇಟಾವನ್ನು ನಿರ್ಧರಿಸಿ

ಮೊದಲಿಗೆ, ಡೇಟಾದ ಚಿಕ್ಕ (ಕನಿಷ್ಠ) ಮತ್ತು ದೊಡ್ಡ (ಗರಿಷ್ಠ) ಮೌಲ್ಯಗಳನ್ನು ಗುರುತಿಸಿ.

– ಕನಿಷ್ಠ ಮೌಲ್ಯ = \( x_{\ನಿಮಿಷ} \)
– ಗರಿಷ್ಠ ಮೌಲ್ಯ = \( x_{\ಗರಿಷ್ಠ} \)

ಈ ಮೌಲ್ಯವನ್ನು ಡೇಟಾದ ವ್ಯಾಪ್ತಿಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಬಳಸಲಾಗುತ್ತದೆ.

ಹಂತ 2: ಶ್ರೇಣಿಯನ್ನು ಲೆಕ್ಕಹಾಕಿ

ಶ್ರೇಣಿಯು ಗರಿಷ್ಠ ಮತ್ತು ಕನಿಷ್ಠ ಮೌಲ್ಯಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವಾಗಿದೆ:

\[
R = x_{\ಗರಿಷ್ಠ} – x_{\ನಿಮಿಷ}
\]

ಶ್ರೇಣಿಯು ಡೇಟಾ ವಿತರಣೆಯ ಅಗಲದ ಕಲ್ಪನೆಯನ್ನು ನೀಡುತ್ತದೆ.

ಹಂತ 3: ತರಗತಿಗಳ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಧರಿಸಿ (k)

ವರ್ಗಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹಲವಾರು ವಿಧಗಳಲ್ಲಿ ನಿರ್ಧರಿಸಬಹುದು. ಅತ್ಯಂತ ಜನಪ್ರಿಯ ವಿಧಾನವೆಂದರೆ ಸ್ಟರ್ಜಸ್ ನಿಯಮವನ್ನು ಬಳಸುವುದು:

\[
k = 1 + 3{,}3 \log_{10}(n)
\]

ಇಲ್ಲಿ \( n \) ಎಂಬುದು ದತ್ತಾಂಶದ ಪ್ರಮಾಣವಾಗಿದೆ.

ತರಗತಿಗಳ ಸಂಖ್ಯೆ ತುಂಬಾ ಕಡಿಮೆಯಾಗದಂತೆ ಲೆಕ್ಕಾಚಾರದ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಹತ್ತಿರದ ಪೂರ್ಣ ಸಂಖ್ಯೆಗೆ (ಅಥವಾ ಮೇಲಿನ) ಪೂರ್ಣಾಂಕಗೊಳಿಸಲಾಗುತ್ತದೆ.

ಸ್ಟರ್ಜಸ್ ಜೊತೆಗೆ, ಒಂದು ಸಾಮಾನ್ಯ ಅಭ್ಯಾಸವಿದೆ: ನಿಮ್ಮ ಪ್ರದರ್ಶನ ಅಗತ್ಯತೆಗಳು ಮತ್ತು ಮಾದರಿ ಗಾತ್ರವನ್ನು ಅವಲಂಬಿಸಿ 5 ರಿಂದ 12 ರ ನಡುವಿನ ವರ್ಗ ಗಾತ್ರವನ್ನು ಆರಿಸಿ. ಆದಾಗ್ಯೂ, ಸಣ್ಣ ಡೇಟಾ ಸೆಟ್‌ಗಳಿಗೆ ಸ್ಟರ್ಜಸ್ ಸಾಕಷ್ಟು ಒಳ್ಳೆಯದು.

ಹಂತ 4: ವರ್ಗದ ಅಗಲವನ್ನು ಲೆಕ್ಕಹಾಕಿ (i)

ವರ್ಗ ಅಗಲವು ಪ್ರತಿ ವರ್ಗ ಮಧ್ಯಂತರದ ಉದ್ದವಾಗಿದೆ. ಸೂತ್ರವು:

\[
i = \frac{R}{k}
\]

ವರ್ಗ ಅಗಲಗಳು ಬಳಸಲು ಸುಲಭವಾಗಬೇಕಾದ ಕಾರಣ, ಅವುಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ "ಅಚ್ಚುಕಟ್ಟಾಗಿ" ಸಂಖ್ಯೆಗೆ ದುಂಡಾದ ಮಾಡಲಾಗುತ್ತದೆ (ಉದಾ., ಡೇಟಾದ ಸಂದರ್ಭವನ್ನು ಅವಲಂಬಿಸಿ 5, 10, 2, ಅಥವಾ 0,5). ಮಧ್ಯಂತರಗಳು ಓದಲು ಸುಲಭವಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಮತ್ತು ಗೊಂದಲವನ್ನು ತಪ್ಪಿಸಲು ಈ ಪೂರ್ಣಾಂಕವು ಮುಖ್ಯವಾಗಿದೆ.

ಪೂರ್ಣಾಂಕದ ಫಲಿತಾಂಶಗಳು ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ಸರಿಹೊಂದಿಸುವುದನ್ನು ತಡೆಯುತ್ತಿದ್ದರೆ, ವರ್ಗದ ಅಗಲವನ್ನು ಸ್ವಲ್ಪ ಹೆಚ್ಚಿಸಬಹುದು.

ಹಂತ 5: ವರ್ಗ ಮಿತಿಗಳನ್ನು ನಿರ್ಧರಿಸಿ

ಮೊದಲ ವರ್ಗದ ಕೆಳಗಿನ ಮಿತಿಯನ್ನು ಕನಿಷ್ಠ ಮೌಲ್ಯದಿಂದ ಪ್ರಾರಂಭಿಸಿ. ನಂತರ ಅವು ಗರಿಷ್ಠ ಮೌಲ್ಯವನ್ನು ಒಳಗೊಳ್ಳುವವರೆಗೆ ಸತತ ಮಧ್ಯಂತರಗಳನ್ನು ರಚಿಸಿ.

ಉದಾಹರಣೆಗೆ, ಕನಿಷ್ಠ ಮೌಲ್ಯ 32 ಆಗಿದ್ದರೆ ಮತ್ತು ವರ್ಗ ಅಗಲ 5 ಆಗಿದ್ದರೆ, ವರ್ಗವನ್ನು ರಚಿಸಬಹುದು:

– 32–36
– 37–41
– 42–46
- ಇತ್ಯಾದಿ.

ಮುಖ್ಯ: ತರಗತಿಗಳ ನಡುವೆ ಯಾವುದೇ ಅಂತರಗಳು ಅಥವಾ ಅತಿಕ್ರಮಣಗಳಿಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ. ಎಲ್ಲಾ ಡೇಟಾ ಮೌಲ್ಯಗಳು ನಿಖರವಾಗಿ ಒಂದು ವರ್ಗಕ್ಕೆ ಸೇರಬೇಕು.

ಹಂತ 6: (ಐಚ್ಛಿಕ) ವರ್ಗ ಗಡಿಗಳನ್ನು ರಚಿಸಿ

ದತ್ತಾಂಶವು ಪೂರ್ಣಾಂಕಗಳಾಗಿದ್ದರೆ (ಉದಾ. ಪರೀಕ್ಷಾ ಅಂಕಗಳು), ವರ್ಗವನ್ನು ನಿರಂತರವಾಗಿಸಲು ವರ್ಗ ಗಡಿಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ರಚಿಸಲಾಗುತ್ತದೆ. ಇದನ್ನು ಮೇಲಿನ ಗಡಿಗೆ 0,5 ಸೇರಿಸುವ ಮೂಲಕ ಮತ್ತು ಕೆಳಗಿನ ಗಡಿಯಿಂದ 0,5 ಕಳೆಯುವ ಮೂಲಕ ಮಾಡಲಾಗುತ್ತದೆ.

ಉದಾಹರಣೆಗೆ, ವರ್ಗ 32–36, ವರ್ಗ ಅಂಚು ಹೀಗಾಗುತ್ತದೆ:
– 31,5–36,5

ಇದು ಹಿಸ್ಟೋಗ್ರಾಮ್‌ಗಳಿಗೆ ಉಪಯುಕ್ತವಾಗಿದೆ ಆದ್ದರಿಂದ ಬಾರ್‌ಗಳು ಅಂತರವಿಲ್ಲದೆ ಸಂಪರ್ಕಗೊಳ್ಳುತ್ತವೆ.

ಹಂತ 7: ಪ್ರತಿ ವರ್ಗದ ಆವರ್ತನವನ್ನು ಲೆಕ್ಕಹಾಕಿ

ವರ್ಗ ಮಧ್ಯಂತರಗಳನ್ನು ನಿರ್ಧರಿಸಿದ ನಂತರ, ಪ್ರತಿ ಮಧ್ಯಂತರದಲ್ಲಿ ಎಷ್ಟು ಡೇಟಾ ಬಿಂದುಗಳು ಬರುತ್ತವೆ ಎಂಬುದನ್ನು ಎಣಿಸಿ. ಫಲಿತಾಂಶಗಳನ್ನು ಆವರ್ತನ ಕಾಲಮ್ (f) ನಲ್ಲಿ ಬರೆಯಲಾಗುತ್ತದೆ.

ದೊಡ್ಡ ಡೇಟಾಗಾಗಿ, ವೇಗವಾಗಿ ಮತ್ತು ದೋಷಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಟ್ಯಾಲಿ ವಿಧಾನವನ್ನು ಬಳಸಿ.

ಹಂತ 8: ಆವರ್ತನ ವಿತರಣಾ ಕೋಷ್ಟಕವನ್ನು ನಿರ್ಮಿಸಿ

ಕನಿಷ್ಠ ಆವರ್ತನ ವಿತರಣಾ ಕೋಷ್ಟಕವು ಈ ಕೆಳಗಿನವುಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:

- ತರಗತಿ ಮಧ್ಯಂತರ
– ಆವರ್ತನ (f)

ನೀವು ಇತರ ಕಾಲಮ್‌ಗಳನ್ನು ಸೇರಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ:

– ತರಗತಿಯ ಮಧ್ಯಬಿಂದು (xi)
- ಸಂಚಿತ ಆವರ್ತನ
– ಸಾಪೇಕ್ಷ ಆವರ್ತನ (ಶೇಕಡಾವಾರು)

4. ಡೇಟಾ ಗ್ರೂಪಿಂಗ್‌ನ ಉದಾಹರಣೆ

ಉದಾಹರಣೆಗೆ, ಕನಿಷ್ಠ 42 ಮತ್ತು ಗರಿಷ್ಠ 94 ಅಂಕಗಳನ್ನು ಹೊಂದಿರುವ 40 ವಿದ್ಯಾರ್ಥಿಗಳಿಂದ ಪರೀಕ್ಷಾ ಅಂಕಗಳ ದತ್ತಾಂಶವಿದೆ.

1. ಕನಿಷ್ಠ = 42 , ಗರಿಷ್ಠ = 94
2. ಶ್ರೇಣಿ:
\[
ಆರ್ = 94 – 42 = 52
\]
3. ತರಗತಿಗಳ ಸಂಖ್ಯೆ (ಸ್ಟರ್ಜಸ್):
\[
k = 1 + 3{,}3 \log(40)
\ಸುಮಾರು 1 + 3{,}3(1{,}602)
\ಸುಮಾರು 6{,}29
\]
6 ಅಥವಾ 7 ತರಗತಿಗಳಿಗೆ ಪೂರ್ಣಗೊಳಿಸಲಾಗಿದೆ. ಹೆಚ್ಚಿನ ವಿವರಗಳಿಗಾಗಿ ನಾವು 7 ತರಗತಿಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿದ್ದೇವೆ.
4. ವರ್ಗ ಅಗಲ:
\[
i = \frac{52}{7} \ಸುಮಾರು 7{,}43
\]
8 ಕ್ಕೆ ದುಂಡಾದ.
5. 42 ರಿಂದ ಪ್ರಾರಂಭವಾಗುವ ಮತ್ತು 8 ಅಗಲವಿರುವ ಮಧ್ಯಂತರಗಳನ್ನು ರೂಪಿಸಿ:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97

ಕೊನೆಯ ಮಧ್ಯಂತರವು 97 ಕ್ಕೆ ತಲುಪಿತು, ಆದ್ದರಿಂದ ಗರಿಷ್ಠ ಮೌಲ್ಯವಾದ 94 ಅನ್ನು ಇನ್ನೂ ಸರಿಹೊಂದಿಸಲಾಗಿದೆ.

6. ಮುಂದೆ, ದತ್ತಾಂಶವನ್ನು ಆಧರಿಸಿ ಪ್ರತಿ ಮಧ್ಯಂತರದ ಆವರ್ತನವನ್ನು ಲೆಕ್ಕಹಾಕಿ (ಉದಾಹರಣೆಗೆ, ಒಂದು ಸಾಲನ್ನು ಬಳಸಿ). ಅಂತಿಮ ಕೋಷ್ಟಕವು ಎಷ್ಟು ವಿದ್ಯಾರ್ಥಿಗಳು ನಿರ್ದಿಷ್ಟ ಶ್ರೇಣಿಯ ಅಂಕಗಳೊಳಗೆ ಬರುತ್ತಾರೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ, ಇದು ನಮಗೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ತ್ವರಿತವಾಗಿ ನಿರ್ಣಯಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

5. ತರಗತಿಯ ಮಧ್ಯಂತರಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿಸಲು ಸಲಹೆಗಳು

1. ಕೋಷ್ಟಕಗಳನ್ನು ಹೋಲಿಸಲು ಸುಲಭವಾಗುವಂತೆ ಸ್ಥಿರವಾದ ವರ್ಗ ಅಗಲಗಳನ್ನು ಬಳಸಿ.
2. ಹೆಚ್ಚು ತರಗತಿಗಳನ್ನು ನಡೆಸಬೇಡಿ, ಏಕೆಂದರೆ ಟೇಬಲ್ ಉದ್ದವಾಗುತ್ತದೆ ಮತ್ತು ಓದಲು ಕಷ್ಟವಾಗುತ್ತದೆ.
3. ತುಂಬಾ ಕಡಿಮೆ ತರಗತಿಗಳನ್ನು ಹೊಂದಿರಬೇಡಿ, ಏಕೆಂದರೆ ಪ್ರಮುಖ ಮಾಹಿತಿಯು "ಕಳೆದುಹೋಗಬಹುದು" ಮತ್ತು ವಿತರಣೆಯು ತುಂಬಾ ಒರಟಾಗಿ ಕಾಣಿಸಬಹುದು.
4. ಡೇಟಾದ ಸಂದರ್ಭಕ್ಕೆ ತಕ್ಕಂತೆ ವರ್ಗ ಅಗಲದ ಪೂರ್ಣಾಂಕವನ್ನು ಹೊಂದಿಸಿ. ತಾಪಮಾನಗಳಿಗೆ, 1 ಅಥವಾ 0,5 ಸೂಕ್ತವಾಗಿರಬಹುದು; ಪರೀಕ್ಷಾ ಅಂಕಗಳಿಗೆ, 5 ಅಥವಾ 10 ಸಾಮಾನ್ಯವಾಗಿ ಸೂಕ್ತವಾಗಿರುತ್ತದೆ.
5. ಯಾವುದೇ ಮೌಲ್ಯಗಳು ಕಾಣೆಯಾಗದಂತೆ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ನಮೂದಿಸಲಾಗಿದೆಯೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ವರ್ಗದ ಗಡಿಗಳನ್ನು ಎರಡು ಬಾರಿ ಪರಿಶೀಲಿಸಿ.

ತೀರ್ಮಾನ

ದತ್ತಾಂಶವನ್ನು ವರ್ಗ ಮಧ್ಯಂತರಗಳಾಗಿ ಗುಂಪು ಮಾಡುವುದು ದತ್ತಾಂಶವನ್ನು ಸರಳೀಕರಿಸಲು ಮತ್ತು ವಿತರಣೆಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಪ್ರದರ್ಶಿಸಲು ಒಂದು ಪ್ರಮುಖ ತಂತ್ರವಾಗಿದೆ. ಹಂತಗಳಲ್ಲಿ ಕನಿಷ್ಠ ಮತ್ತು ಗರಿಷ್ಠ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಧರಿಸುವುದು, ಶ್ರೇಣಿಯನ್ನು ಲೆಕ್ಕಹಾಕುವುದು, ವರ್ಗಗಳ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಧರಿಸುವುದು (ಸಾಮಾನ್ಯವಾಗಿ ಸ್ಟರ್ಜಸ್ ನಿಯಮವನ್ನು ಬಳಸುವುದು), ವರ್ಗ ಅಗಲಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು, ಮಧ್ಯಂತರಗಳನ್ನು ನಿರ್ಮಿಸುವುದು ಮತ್ತು ನಂತರ ಪ್ರತಿ ವರ್ಗದ ಆವರ್ತನವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಸೇರಿವೆ. ಸರಿಯಾದ ವರ್ಗ ಮಧ್ಯಂತರಗಳೊಂದಿಗೆ, ಸಂಕೀರ್ಣ ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಕೋಷ್ಟಕಗಳಲ್ಲಿ ಅಥವಾ ಗ್ರಾಫ್‌ಗಳಲ್ಲಿ ಸುಲಭವಾಗಿ ಅರ್ಥವಾಗುವ ಮಾಹಿತಿಯಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು.

ನೀವು ಬಯಸಿದರೆ, ನಾನು ಕಚ್ಚಾ ಡೇಟಾದೊಂದಿಗೆ (ಮೌಲ್ಯಗಳ ಪಟ್ಟಿ) ಸಂಪೂರ್ಣ ಉದಾಹರಣೆಯನ್ನು ಮಾಡಬಹುದು ಮತ್ತು ನಂತರ ಹಿಸ್ಟೋಗ್ರಾಮ್‌ನೊಂದಿಗೆ ಆವರ್ತನ ವಿತರಣಾ ಕೋಷ್ಟಕವನ್ನು ಕಂಪೈಲ್ ಮಾಡಬಹುದು.