ഡാറ്റാ പ്രോസസ്സിംഗിൽ ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിളിന്റെ പ്രയോഗം

ഡാറ്റാ പ്രോസസ്സിംഗിൽ ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിളിന്റെ പ്രയോഗം

ഡാറ്റ പ്രോസസ്സിംഗിൽ, പ്രത്യേകിച്ച് അടിസ്ഥാന സ്ഥിതിവിവരക്കണക്കുകളിൽ, വലിയ അളവിലുള്ള അസംസ്കൃത ഡാറ്റ സംഗ്രഹിക്കുന്നതിനുള്ള ഏറ്റവും ഫലപ്രദമായ മാർഗ്ഗങ്ങളിലൊന്ന് ഒരു ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിൾ ഉപയോഗിക്കുക എന്നതാണ്. എന്നിരുന്നാലും, ഓരോ ക്ലാസിലേക്കും എത്ര ഡാറ്റ വരുന്നു എന്നതിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ മാത്രമല്ല, ഒരു നിശ്ചിത പരിധി വരെ എത്ര ഡാറ്റ ശേഖരിക്കപ്പെടുന്നു എന്നതിനെക്കുറിച്ചുള്ള വിവരങ്ങളും നമുക്ക് പലപ്പോഴും ആവശ്യമാണ്. ഇവിടെയാണ് ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിളുകൾ നിർണായക പങ്ക് വഹിക്കുന്നത്. വിദ്യാഭ്യാസം, ഗവേഷണം, ബിസിനസ്സ്, ഗുണനിലവാര വിലയിരുത്തൽ എന്നിവയിൽ ഈ പട്ടികകൾ വ്യാപകമായി ഉപയോഗിക്കുന്നു, കാരണം അവ ഡാറ്റ വിതരണത്തിന്റെ കൂടുതൽ വിവരദായകമായ അവലോകനം നൽകുന്നു, പ്രത്യേകിച്ച് പെർസെന്റൈലുകൾ, മീഡിയനുകൾ, ക്വാർട്ടൈലുകൾ എന്നിവ വിശകലനം ചെയ്യുന്നതിനും ലക്ഷ്യ നേട്ടം നിരീക്ഷിക്കുന്നതിനും.

സഞ്ചിത ആവൃത്തി വിതരണ പട്ടികകൾ മനസ്സിലാക്കൽ

ഒരു ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിൾ ഓരോ ഇടവേള ക്ലാസിലെയും ഫ്രീക്വൻസി (ഡാറ്റയുടെ സംഭവങ്ങളുടെ എണ്ണം) പ്രദർശിപ്പിക്കുന്നു, അതേസമയം ഒന്നാം ക്ലാസ്സിൽ നിന്ന് ഒരു നിർദ്ദിഷ്ട ക്ലാസിലേക്ക് ക്രമേണ ചേർത്ത ഫ്രീക്വൻസികളും പ്രദർശിപ്പിക്കുന്നു. ഉപയോഗിക്കുന്ന ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസിയുടെ തരം അനുസരിച്ച്, എത്ര ഡാറ്റ പോയിന്റുകൾ ഒരു നിശ്ചിത പരിധിയേക്കാൾ കുറവോ തുല്യമോ ആണെന്ന് അല്ലെങ്കിൽ ഒരു നിശ്ചിത പരിധിയേക്കാൾ കൂടുതലോ തുല്യമോ ആണെന്ന് കാണാൻ ഈ ക്യുമുലേറ്റീവ് മൂല്യങ്ങൾ നമ്മെ സഹായിക്കുന്നു.

പൊതുവേ, രണ്ട് തരം ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസികൾ ഉണ്ട്:

1. സഞ്ചിത ആവൃത്തി കുറവാണ്
ഏറ്റവും താഴ്ന്ന ക്ലാസ് മുതൽ ഉയർന്ന ക്ലാസ് വരെയാണ് ശേഖരണം നടത്തുന്നത്. ഒരു നിശ്ചിത ഉയർന്ന ക്ലാസ് പരിധി കവിയാത്ത മൂല്യങ്ങളുടെ എണ്ണം നിർണ്ണയിക്കാൻ ഈ പട്ടിക എളുപ്പമാക്കുന്നു.

2. സഞ്ചിത ആവൃത്തി ഇതിനേക്കാൾ കൂടുതലാണ്
ഏറ്റവും ഉയർന്ന ക്ലാസ് മുതൽ ഏറ്റവും താഴ്ന്ന ക്ലാസ് വരെയാണ് ശേഖരണം നടത്തുന്നത്. ഒരു നിശ്ചിത താഴ്ന്ന ക്ലാസ് പരിധിക്ക് മുകളിലുള്ള മൂല്യങ്ങളുള്ള ഡാറ്റയുടെ എണ്ണം നിർണ്ണയിക്കാൻ ഈ പട്ടിക ഉപയോഗപ്രദമാണ്.

ഈ രണ്ട് രൂപങ്ങളും പരസ്പരം പൂരകമാണ്, വിശകലന ആവശ്യങ്ങൾക്കനുസരിച്ച് ഇവ ഉപയോഗിക്കാം.

ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ടേബിൾ പ്രധാനമായിരിക്കുന്നത് എന്തുകൊണ്ട്?

ഡാറ്റാ പ്രോസസ്സിംഗ് രീതികളിൽ, ഒരു സാധാരണ ഫ്രീക്വൻസി ടേബിൾ ഓരോ ക്ലാസിലും ഡാറ്റ പോയിന്റുകളുടെ എണ്ണത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ മാത്രമേ നൽകുന്നുള്ളൂ. എന്നിരുന്നാലും, പല തീരുമാനങ്ങൾക്കും മൊത്തത്തിലുള്ള വിതരണത്തിനുള്ളിൽ ഡാറ്റയുടെ ആപേക്ഷിക സ്ഥാനത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ ആവശ്യമാണ്. ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ടേബിളുകൾ പ്രധാനമാണ് കാരണം:

- വായിക്കാൻ എളുപ്പമുള്ളതും ഘടനാപരവുമായ രൂപത്തിൽ ഡാറ്റ സംഗ്രഹിക്കുക.
– മീഡിയൻ, ക്വാർട്ടൈലുകൾ, ഡെസിലുകൾ, പെർസന്റൈലുകൾ തുടങ്ങിയ സ്ഥാന അളവുകളുടെ വിശകലനം സുഗമമാക്കുന്നു.
- ഓഗൈവുകൾ (ക്യുമുലേറ്റീവ് കർവുകൾ) പോലുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ ഗ്രാഫുകൾ സൃഷ്ടിക്കുന്നതിനെ പിന്തുണയ്ക്കുന്നു.
- തീരുമാനമെടുക്കുന്നതിൽ സഹായിക്കുക, ഉദാഹരണത്തിന് ബിരുദ പരിധികൾ നിർണ്ണയിക്കുക, ഉപഭോക്തൃ വിഭജനം അല്ലെങ്കിൽ പ്രകടന വിലയിരുത്തൽ.
- ചില ക്ലാസുകളുടെ ആധിപത്യവും കാലക്രമേണയുള്ള ശേഖരണവും ഉൾപ്പെടെ ഡാറ്റ വിതരണ പാറ്റേണുകൾ കൂടുതൽ വ്യക്തമായി കാണിക്കുന്നു.

ഒരു ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിൾ സൃഷ്ടിക്കുന്നതിനുള്ള ഘട്ടങ്ങൾ

ഈ പട്ടികയുടെ പ്രയോഗം സാധാരണയായി അസംസ്കൃത ഡാറ്റയിൽ നിന്നാണ് ആരംഭിക്കുന്നത്, തുടർന്ന് അതിനെ ഇടവേള ഗ്രൂപ്പുകളായി സംഗ്രഹിക്കുന്നു. പ്രധാന ഘട്ടങ്ങൾ ഇപ്രകാരമാണ്:

1. ഡാറ്റ ശേഖരിച്ച് തരംതിരിക്കുക (ആവശ്യമെങ്കിൽ)
അടുക്കൽ എല്ലായ്പ്പോഴും നിർബന്ധമല്ല, പക്ഷേ അത് ശ്രേണി മനസ്സിലാക്കാനും അങ്ങേയറ്റത്തെ മൂല്യങ്ങൾ കണ്ടെത്താനും സഹായിക്കുന്നു.

2. ഡാറ്റ ശ്രേണി നിർണ്ണയിക്കുക
പരിധി = പരമാവധി മൂല്യം − കുറഞ്ഞ മൂല്യം.

3. ഇടവേള ക്ലാസുകളുടെ എണ്ണം നിർണ്ണയിക്കുക
പലപ്പോഴും ഉപയോഗിക്കുന്ന നിയമങ്ങളിലൊന്നാണ് സ്റ്റർജസ് ഫോർമുല:
\( k = 1 + 3,3 \ലോഗ് n \)
ഇവിടെ \( n \) എന്നത് ഡാറ്റയുടെ എണ്ണവും \( k \) എന്നത് ക്ലാസുകളുടെ എണ്ണവുമാണ്.

4. ക്ലാസ് വീതി നിർണ്ണയിക്കുക
ക്ലാസ് വീതി = ശ്രേണി / ക്ലാസുകളുടെ എണ്ണം (വൃത്തിയായി വൃത്താകൃതിയിലാക്കിയത്).

5. ഇടവേള ക്ലാസുകൾ സൃഷ്ടിക്കുക
ഉദാഹരണത്തിന് 50–59, 60–69, എന്നിങ്ങനെ, ഡാറ്റയുടെ സന്ദർഭത്തിനനുസരിച്ച്.

6. ഓരോ ക്ലാസിന്റെയും ആവൃത്തി കണക്കാക്കുക
ആ ഇടവേളയിൽ വരുന്ന ഡാറ്റയുടെ എണ്ണമാണ് ഫ്രീക്വൻസി.

7. സഞ്ചിത ആവൃത്തി കണക്കാക്കുക
– “കുറവ്” എന്നതിന്: ഒന്നാം ക്ലാസ്സിൽ നിന്ന് ആ ക്ലാസ്സിലേക്കുള്ള ഫ്രീക്വൻസികൾ കൂട്ടുക.
– "കൂടുതൽ" എന്നതിന്: അവസാന ക്ലാസ്സിൽ നിന്ന് ആ ക്ലാസ്സിലേക്കുള്ള ഫ്രീക്വൻസികൾ കൂട്ടിച്ചേർക്കുക.

8. സഞ്ചിത ശതമാനം ചേർക്കുക (ഓപ്ഷണൽ)
സഞ്ചിത ശതമാനം = (സഞ്ചിത ആവൃത്തി / ആകെ ഡാറ്റ) × 100%.
അനുപാതങ്ങൾ വായിക്കുന്നതിന് ഇത് വളരെ സഹായകരമാണ്.

ലളിതമായ ആപ്ലിക്കേഷൻ ഉദാഹരണം

40 വിദ്യാർത്ഥികളുടെ പരീക്ഷാ സ്കോർ ഡാറ്റ ഉണ്ടെന്ന് കരുതുക, അത് ഇനിപ്പറയുന്ന ഇടവേളകളായി തരംതിരിച്ചിരിക്കുന്നു (ഉദാഹരണം):

| മൂല്യ ഇടവേള | ആവൃത്തി (f) | സഞ്ചിത ആവൃത്തി (≤) |
|—|—:|—:|
| 40–49 | 3 | 3 |
| 50–59 | 7 | 10 |
| 60–69 | 12 | 22 |
| 70–79 | 10 | 32 |
| 80–89 | 6 | 38 |
| 90–99 | 2 | 40 |

പട്ടികയിൽ നിന്ന് നമുക്ക് അത് വായിക്കാം:
– ≤ 69 സ്കോർ നേടിയ വിദ്യാർത്ഥികളുടെ എണ്ണം 22 ആയിരുന്നു.
– ≤ 79 സ്കോർ നേടിയ വിദ്യാർത്ഥികളുടെ എണ്ണം 32 വിദ്യാർത്ഥികളാണ്.
– കഴിഞ്ഞ ക്ലാസിലെ സഞ്ചിത ആവൃത്തിയിൽ കാണിച്ചിരിക്കുന്നതുപോലെ, ആകെ വിദ്യാർത്ഥികൾ 40 ആണ്.

"ഗ്രേയർ യെൻ" എന്നൊരു പതിപ്പ് സൃഷ്ടിക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ഉയർന്ന ഗ്രേഡിൽ നിന്നാണ് ശേഖരണം ആരംഭിക്കുന്നത്. ഇത് ഉപയോഗപ്രദമാണ്, ഉദാഹരണത്തിന്, നമ്മൾ ചോദിക്കുമ്പോൾ: "എത്ര വിദ്യാർത്ഥികൾക്ക് 80 അല്ലെങ്കിൽ അതിൽ കൂടുതൽ സ്കോർ ലഭിച്ചു?" ഒരു ക്യുമുലേറ്റീവ് ഗ്രേറ്റർ യെൻ ടേബിൾ ഉപയോഗിച്ച്, ഇതുപോലുള്ള ചോദ്യങ്ങൾക്ക് വേഗത്തിൽ ഉത്തരം ലഭിക്കും.

ഒഗിവ്: സഞ്ചിത ആവൃത്തിയുടെ ദൃശ്യവൽക്കരണം

സഞ്ചിത ആവൃത്തി വിതരണ പട്ടികകളുടെ ഒരു പ്രധാന പ്രയോഗം ഓഗൈവുകളുടെ സൃഷ്ടിയാണ്, അവ സഞ്ചിത ആവൃത്തികളെ പ്രതിനിധീകരിക്കുന്ന ലൈൻ ഗ്രാഫുകളാണ്. ഓഗൈവുകൾ ഇനിപ്പറയുന്നവയ്ക്ക് ഉപയോഗിക്കുന്നു:

– മീഡിയനും ക്വാർട്ടൈലുകളും ഗ്രാഫിക്കായി നിർണ്ണയിക്കുക.
– രണ്ട് ഡാറ്റ വിതരണങ്ങളെ താരതമ്യം ചെയ്യുന്നു.
– ദൃശ്യ രൂപത്തിൽ ഡാറ്റയുടെ വിതരണവും പ്രവണതകളും നിരീക്ഷിക്കൽ.

"കുറവ്" എന്ന ഓഗിവ് സാധാരണയായി ഇടത്തുനിന്ന് വലത്തോട്ട് ഉയരുന്നു, അതേസമയം "കൂടുതൽ" എന്ന ഓഗിവ് താഴേക്കാണ്. പ്രായോഗിക വിശകലനത്തിൽ, അക്കാദമിക് മൂല്യനിർണ്ണയം, ഗുണനിലവാര നിയന്ത്രണം, മാർക്കറ്റിംഗ് ഗവേഷണം എന്നിവയിൽ ഓഗിവുകൾ പലപ്പോഴും ഉപയോഗിക്കുന്നു.

വിവിധ മേഖലകളിലെ പ്രയോഗം

1. വിദ്യാഭ്യാസം
പരീക്ഷാ വിലയിരുത്തലിലോ പഠന മൂല്യനിർണ്ണയത്തിലോ, ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ടേബിളുകൾ അധ്യാപകരെയോ ലക്ചറർമാരെയോ സഹായിക്കുന്നു:
– മീഡിയൻ ക്ലാസ് മൂല്യം നിർണ്ണയിക്കുക.
– നേട്ടങ്ങളുടെ വിതരണം അളക്കുന്നു.
– വിഭാഗങ്ങൾക്കുള്ള മൂല്യ പരിധികൾ നിർണ്ണയിക്കുക (ഉദാ. പരിഹാരമാർഗ്ഗം, മതിയായത്, നല്ലത്, വളരെ നല്ലത്).
– KKM-ന് (മിനിമം പൂർത്തീകരണ മാനദണ്ഡം) താഴെയുള്ള സ്കോറുകൾ എത്ര ശതമാനം വിദ്യാർത്ഥികളുണ്ടെന്ന് കാണുക.

2. ബിസിനസ്, മാർക്കറ്റിംഗ് ലോകം
കമ്പനികൾ പലപ്പോഴും ഉപഭോക്തൃ അല്ലെങ്കിൽ ഇടപാട് ഡാറ്റ വിശകലനം ചെയ്യുന്നു, ഉദാഹരണത്തിന്:
– ഓരോ ഉപഭോക്താവിനും വാങ്ങലുകളുടെ എണ്ണത്തിന്റെ വിതരണം.
– ദൈനംദിന ഇടപാട് നാമമാത്രങ്ങളുടെ വിതരണം.
– മൊത്തം ചെലവിനെ അടിസ്ഥാനമാക്കിയുള്ള ഉപഭോക്തൃ വിഭജനം.

സഞ്ചിത ആവൃത്തി ഉപയോഗിച്ച്, മാനേജർമാർക്ക് പ്രധാനപ്പെട്ട ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ കഴിയും: “എത്ര ശതമാനം ഉപഭോക്താക്കൾക്ക് 500.000 രൂപയിൽ താഴെ ചെലവഴിക്കുന്നു?” അല്ലെങ്കിൽ “ഒരു നിശ്ചിത മൂല്യത്തിന് മുകളിൽ എത്ര ഇടപാടുകൾ ഉണ്ട്?”

3. ആരോഗ്യവും പകർച്ചവ്യാധിയും
ആരോഗ്യ ഡാറ്റയിൽ, ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ടേബിളുകൾ ഇനിപ്പറയുന്നവയ്ക്കായി ഉപയോഗിക്കുന്നു:
- രോഗികളുടെ പ്രായവിഹിതം.
- രക്തസമ്മർദ്ദത്തിന്റെയോ പഞ്ചസാരയുടെയോ അളവ്.
- അപകടസാധ്യത പരിധിക്ക് താഴെയോ മുകളിലോ ഉള്ള രോഗികളുടെ അനുപാതം കാണുക.

ഇടപെടലുകൾക്ക് മുൻഗണന നൽകുന്നത് പോലുള്ള ഡാറ്റാധിഷ്ഠിത തീരുമാനങ്ങൾ എടുക്കാൻ ഇത് ആരോഗ്യ സംരക്ഷണ വിദഗ്ധരെ സഹായിക്കുന്നു.

4. വ്യവസായവും ഗുണനിലവാര നിയന്ത്രണവും
ഉൽ‌പാദനത്തിൽ‌, ഗുണനിലവാരം നിരീക്ഷിക്കുന്നതിന് സഞ്ചിത പട്ടികകൾ‌ പലപ്പോഴും ഉപയോഗിക്കുന്നു:
- ഉൽപ്പന്ന വലുപ്പ വിതരണം.
- ഉൽപ്പാദന വൈകല്യങ്ങളുടെ വിതരണം.
- ഡെലിവറിയുടെ സമയബന്ധിതത.

ഈ രീതിയിൽ, മാനദണ്ഡങ്ങൾ പാലിക്കുന്ന ഉൽപ്പന്നങ്ങളുടെ ശതമാനം എത്രയാണെന്നും വ്യതിയാനങ്ങൾ എത്ര വലുതാണെന്നും കമ്പനിക്ക് അറിയാൻ കഴിയും.

സാധാരണ തെറ്റുകളും അവ എങ്ങനെ ഒഴിവാക്കാം എന്നതും

ലളിതമായി തോന്നുമെങ്കിലും, ഒരു ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ടേബിൾ സൃഷ്ടിക്കുന്നത് നിരവധി പിശകുകൾക്ക് കാരണമാകും, അവയിൽ ചിലത്:
– ഓവർലാപ്പിംഗ് ഇടവേള ക്ലാസുകൾ (ഉദാ. വ്യക്തമായ അതിർത്തി നിയമങ്ങളില്ലാതെ 50–60 ഉം 60–70 ഉം).
പരിഹാരം: ഒരു ഹാർഡ് ലിമിറ്റ് റൂൾ ഉപയോഗിക്കുക, ഉദാഹരണത്തിന് 50–59, 60–69, മുതലായവ.
– ആകെ ഡാറ്റയുമായി ആവൃത്തി പൊരുത്തപ്പെടുന്നില്ല.
പരിഹാരം: ഫ്രീക്വൻസികളുടെ എണ്ണവും ഡാറ്റയുടെ എണ്ണവും തുല്യമാണെന്ന് ഉറപ്പാക്കുക.
– തെറ്റായ ദിശാബോധത്തിന്റെ സഞ്ചിത രൂപം
പരിഹാരം: "കുറവ്" അല്ലെങ്കിൽ "കൂടുതൽ" ഉപയോഗിക്കണോ എന്ന് തുടക്കം മുതൽ തീരുമാനിക്കുക.
– ക്ലാസ് വീതി പൊരുത്തമില്ലാത്തതാണ്
പരിഹാരം: ന്യായമായ വ്യാഖ്യാനത്തിനായി ക്ലാസ് വീതി ഒരുപോലെയാക്കുക.

പെനുട്ടപ്പ്

ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിളുകൾക്ക് ഓരോ ക്ലാസിനും മാത്രമല്ല, ഒരു നിശ്ചിത പോയിന്റ് വരെയുള്ള ക്യുമുലേറ്റീവ് ഡാറ്റയും അവതരിപ്പിക്കാൻ കഴിയുന്നതിനാൽ ഡാറ്റ പ്രോസസ്സിംഗിൽ വളരെ ഉപയോഗപ്രദമായ ഒരു ഉപകരണമാണ് ക്യുമുലേറ്റീവ് ഫ്രീക്വൻസി ഡിസ്ട്രിബ്യൂഷൻ ടേബിളുകൾ. വിദ്യാഭ്യാസം മുതൽ വ്യവസായം വരെ, അവയുടെ പ്രയോഗം ലൊക്കേഷൻ വിശകലനം, ഒഗിവ് വിഷ്വലൈസേഷൻ, ഡാറ്റാധിഷ്ഠിത തീരുമാനമെടുക്കൽ എന്നിവ സുഗമമാക്കുന്നു. വ്യവസ്ഥാപിതമായ തയ്യാറെടുപ്പ് ഘട്ടങ്ങളും ഇടവേള ക്ലാസുകളുടെയും ക്യുമുലേറ്റീവ് കണക്കുകൂട്ടലുകളുടെയും ശ്രദ്ധാപൂർവ്വമായ നിർണ്ണയവും ഉപയോഗിച്ച്, ഈ ടേബിളുകൾക്ക് കൂടുതൽ ലക്ഷ്യബോധമുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനത്തിന് ശക്തമായ അടിത്തറ നൽകാൻ കഴിയും.

നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ടെങ്കിൽ, നിങ്ങളുടെ അസംസ്കൃത ഡാറ്റയിൽ നിന്ന് (ഉദാ: വിദ്യാർത്ഥികളുടെ ഗ്രേഡുകൾ, വിൽപ്പന ഡാറ്റ അല്ലെങ്കിൽ സർവേ ഡാറ്റ) ഒരു സാമ്പിൾ പട്ടിക സൃഷ്ടിച്ച്, അതിന്റെ ഒഗൈവ് ഉള്ള ഒരു പൂർണ്ണമായ സഞ്ചിത ആവൃത്തി പട്ടികയിലേക്ക് ഞാൻ നിങ്ങളെ സഹായിക്കാനാകും.