प्लेसमेंट आकारावरील चर्चा प्रश्नाचे उदाहरण
स्थाननिश्चितीची मापे हा विविध ज्ञानशाखांमधील, विशेषतः सांख्यिकी, अर्थशास्त्र आणि व्यवस्थापन यांमधील एक महत्त्वाचा विषय आहे. स्थाननिश्चितीच्या मापांमध्ये दिलेल्या वितरणातील माहितीचे सापेक्ष स्थान मोजण्यासाठी वापरल्या जाणाऱ्या विविध मापदंडांचा समावेश होतो, जसे की चतुर्थक, दशमक, शतांशक इत्यादी. स्थाननिश्चितीच्या मापांचे मोजमाप आणि विश्लेषण कसे करावे हे समजून घेणे, विविध प्रकारच्या माहिती विश्लेषण, निर्णयप्रक्रिया आणि संशोधन कार्यांसाठी अत्यंत महत्त्वाचे आहे.
या लेखात, आपण स्थाननिश्चिती मापनाशी संबंधित अनेक उदाहरणादाखल समस्या आणि त्या कशा सोडवायच्या यावर चर्चा करणार आहोत. विविध संदर्भांमध्ये स्थाननिश्चिती मापनाची संकल्पना आणि उपयोजन स्पष्ट करणे, हा या समस्यांचा उद्देश आहे.
उदाहरण प्रश्न १: चतुर्थकांची गणना करणे
प्रश्न:
खालील डेटा दिला आहे: 5, 7, 8, 12, 13, 14, 18, 21, 23, 30. Q1 (पहिला चतुर्थक), Q2 (मध्यक/दुसरा चतुर्थक), आणि Q3 (तिसरा चतुर्थक) ची गणना करा.
उत्तर:
चतुर्थक काढण्यामधील पहिली पायरी म्हणजे डेटाची लहानापासून मोठ्यापर्यंत मांडणी करणे. या समस्येमध्ये, डेटा आधीच क्रमवारीने लावलेला आहे.
– n (डेटाची संख्या) = 10
Q1 ची गणना:
Q1 हे \(\frac{n + 1}{4}\) या स्थानावर असलेले मूल्य आहे.
\[
Q1 = \frac{10 + 1}{4} = \frac{11}{4} = 2.75
\]
निकाल पूर्णांक नसल्यामुळे, आम्ही दुसऱ्या आणि तिसऱ्या डेटामध्ये इंटरपोलेशन वापरतो.
तिसरा डेटा = ८
तिसरा डेटा = ८
\[
Q1 = 7 + 0.75 \times (8 – 7) = 7 + 0.75 = 7.75
\]
Q2 (मध्यक) ची गणना करणे:
Q2 हे मधल्या स्थानावरील मूल्य आहे. n ही सम संख्या असल्याने, Q2 हे ५व्या आणि ६व्या स्थानावरील मूल्यांची सरासरी आहे.
\[
Q2 = \frac{13 + 14}{2} = \frac{27}{2} = 13.5
\]
Q3 ची गणना:
\(\frac{3(n + 1)}{4}\) या स्थानावर Q3 हे मूल्य आहे.
\[
Q3 = \frac{3 \times (10 + 1)}{4} = \frac{33}{4} = 8.25
\]
आम्ही ८ व्या आणि ९ व्या डेटामध्ये इंटरपोलेशन वापरतो.
तिसरा डेटा = ८
तिसरा डेटा = ८
\[
Q3 = 21 + 0.25 \times (23 – 21) = 21 + 0.5 = 21.5
\]
म्हणून, Q1 = 7.75, Q2 = 13.5 आणि Q3 = 21.5.
उदाहरण प्रश्न २: शतांशकांचा वापर
प्रश्न:
खालील डेटासेट दिला आहे: 15, 18, 20, 24, 30, 32, 35, 40, 42, 45. 70 वे पर्सेंटाइल मूल्य निश्चित करा.
उत्तर:
पहिली पायरी म्हणजे डेटा लहानापासून मोठ्यापर्यंत सॉर्ट केलेला आहे आणि वरील डेटा सॉर्ट केलेला आहे याची खात्री करणे.
डेटाची संख्या, n = १५
७० व्या पर्सेंटाइलचा अर्थ असा आहे की आपण एकूण डेटामधील ७०% स्थान व्यापणारे मूल्य शोधत आहोत.
\[
P_{70} = \frac{70}{100} \times (n + 1) = 0.70 \times 11 = 7.7
\]
निकाल अपूर्णांक संख्या असल्याने, आम्ही चौथ्या आणि पाचव्या डेटामध्ये इंटरपोलेशन वापरतो.
तिसरा डेटा = ८
तिसरा डेटा = ८
\[
P_{70} = 35 + 0.7 \times (40 – 35) = 35 + 3.5 = 38.5
\]
तर, डेटासेटचे ७० वे पर्सेंटाइल मूल्य ३८.५ आहे.
उदाहरण प्रश्न ३: दशमांशांची गणना करणे
प्रश्न:
खालील चाचणी निकालांचा डेटा दिला आहे: 55, 63, 67, 72, 75, 78, 80, 82, 86, 90. चौथा दशमांश (D4) काढा.
उत्तर:
पहिली पायरी म्हणजे डेटा लहानापासून मोठ्यापर्यंत क्रमवार लावलेला आहे याची खात्री करणे. वरील डेटा आधीच क्रमवार लावलेला आहे.
डेटाची संख्या, n = १५
चौथ्या दशकाचा अर्थ असा आहे की आपण असे मूल्य शोधत आहोत जे एकूण डेटाच्या ४०% स्थान व्यापते.
\[
D_4 = \frac{4 \times (n + 1)}{10} = \frac{4 \times 11}{10} = 4.4
\]
निकाल अपूर्णांक संख्या असल्याने, आम्ही चौथ्या आणि पाचव्या डेटामध्ये इंटरपोलेशन वापरतो.
तिसरा डेटा = ८
तिसरा डेटा = ८
\[
D_4 = 72 + 0.4 \times (75 – 72) = 72 + 1.2 = 73.2
\]
तर, डेटासेटचा चौथा डेसाइल 73.2 आहे.
उदाहरण प्रश्न ४: उत्पन्न वितरणातील उपयोजन
प्रश्न:
एका आर्थिक अभ्यासात खालीलप्रमाणे अनेक लोकांच्या मासिक उत्पन्नाचा डेटा गोळा केला: 2000, 2200, 2400, 2500, 2700, 3000, 3200, 3500, 3700, 4000, 4200, 4500, 4700, 5000, 5500. या डेटासेटचा मध्यक आणि चतुर्थक निश्चित करा.
उत्तर:
सर्वप्रथम, आम्ही खात्री करतो की डेटा लहानापासून मोठ्यापर्यंत लावलेला आहे आणि वरील डेटा लावलेला आहे.
डेटाची संख्या, n = १५
मध्यकाची गणना (प्रश्न २):
मध्यक म्हणजे मधल्या स्थानावरील डेटा होय.
\[
मध्यक स्थान = n + 1/2 = 15 + 1/2 = 8
\]
तिसरा डेटा = ८
म्हणून, मध्यक (Q2) 3500 आहे.
Q1 ची गणना:
Q1 हे \(\frac{n + 1}{4}\) या स्थानावर असलेले मूल्य आहे.
\[
Q1 = \frac{15 + 1}{4} = \frac{16}{4} = 4
\]
तिसरा डेटा = ८
तर, Q1 2500 आहे.
Q3 ची गणना:
\(\frac{3(n + 1)}{4}\) या स्थानावर Q3 हे मूल्य आहे.
\[
Q3 = \frac{3 \times (15 + 1)}{4} = \frac{3 \times 16}{4} = 12
\]
तिसरा डेटा = ८
तर, Q3 4500 आहे.
म्हणून, मध्यक (Q2) 3500 आहे, Q1 2500 आहे आणि Q3 4500 आहे.
निष्कर्ष
वितरणाची मापे ही डेटा विश्लेषणातील अत्यंत उपयुक्त साधने आहेत, जी आपल्याला डेटाचे वितरण समजून घेण्यास आणि त्याचा अर्थ लावण्यास मदत करतात. चतुर्थक, दशक आणि शतांशक यांसारख्या मापांचा वापर करून, आपण विश्लेषण करत असलेल्या डेटाच्या वितरणाचे आणि प्रवृत्तींचे अधिक स्पष्ट चित्र मिळवू शकतो. या लेखात अनेक उदाहरणे आणि त्यांची उत्तरे दिली आहेत, जेणेकरून वाचकांना विविध परिस्थितींमध्ये वितरणाची मापे कशी मोजावीत आणि लागू करावीत हे समजण्यास मदत होईल.
