उदाहरणादाखल प्रश्न आणि चर्चा: एकल डेटाचे विचलन आणि मानक विचलन
सांख्यिकी ही गणिताची एक शाखा असून ती माहितीचे संकलन, विश्लेषण, अर्थबोध, सादरीकरण आणि संघटन यांच्याशी संबंधित आहे. सांख्यिकीमधील दोन महत्त्वाच्या संकल्पना म्हणजे विचलन आणि प्रमाण विचलन. या लेखात, अनेक उदाहरणांच्या माध्यमातून एकाच माहिती संचाचे विचलन आणि प्रमाण विचलन कसे मोजावे, यावर सविस्तर चर्चा केली जाईल.
विचलन आणि मानक विचलन समजून घेणे
विचलन हे एक असे माप आहे जे डेटा सेटमधील संख्या मध्यकापासून किंवा सरासरीपासून किती दूर पसरलेल्या आहेत हे मोजते. विचलन मूळ डेटाच्या वर्ग एककांमध्ये व्यक्त केले जाते, ज्यामुळे त्याचा अर्थ लावणे अनेकदा कठीण होते.
प्रमाणित विचलन हे प्रसरणाचे वर्गमूळ असते. डेटा साधारणपणे मध्यापासून किती दूर विचलित होतो याचे ते अधिक सहज समजण्यासारखे मापन देते, कारण त्याची एकके डेटाच्या मूळ एककांसारखीच असतात.
सामान्य सूत्र
एकल डेटासाठी, लोकसंख्येच्या प्रसरण \( \sigma^2 \) आणि मानक विचलन \( \sigma \) चे सूत्र खालीलप्रमाणे आहे:
१. विचलन (σ²):
\( \sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \)
२. मानक विचलन (σ):
\( \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2} \)
कुठे:
– \( N \) ही लोकसंख्येतील डेटाची संख्या आहे.
– \( x_i \) हे i वे डेटा मूल्य आहे.
– \( \mu \) म्हणजे डेटाचा मध्य किंवा सरासरी.
जर आपण नमुन्याचे विचलन आणि मानक विचलन मोजले, तर वरील सूत्रात किंचित बदल होतो:
१. नमुना विचलन (s²):
\( s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \)
२. नमुना मानक विचलन (सेकंद):
\( s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2} \)
कुठे:
– \( n \) ही नमुन्यातील डेटाची संख्या आहे.
– \( \bar{x} \) हे नमुन्याचे मध्यमान किंवा सरासरी आहे.
नमुना प्रश्न आणि चर्चा
उदाहरण प्रश्न ३:
खालील डेटा दिला आहे:
8, 10, 10, 10, 12, 14
डेटाचे विचलन आणि मानक विचलन काढा!
उपाययोजनेच्या पायऱ्या:
१. सरासरी (मध्यमान) \( \mu \) ची गणना करणे:
\[
\mu = \frac{8 + 10 + 10 + 10 + 12 + 14}{6} = \frac{64}{6} = 10.67
\]
२. मिळालेल्या माहिती आणि सरासरी यांमधील फरक काढा, नंतर त्याचा वर्ग करा:
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
३. सर्व वर्ग केलेल्या निकालांची बेरीज करणे:
\[
\sum (x_i – \mu)^2 = 7.1289 + 0.4489 + 0.4489 + 0.4489 + 1.7689 + 11.1089 = 21.3534
\]
४. लोकसंख्या डेटाच्या विचलनाची (σ²) गणना करणे:
\[
\sigma^2 = \frac{21.3534}{6} = 3.559
\]
टीप: हा डेटा लोकसंख्येचा डेटा म्हणून दिलेला असल्याने, आम्ही त्याला 6 ने भागतो.
५. मानक विचलन (σ) मोजणे:
\[
\sigma = \sqrt{3.559} \approx 1.886
\]
म्हणून, डेटाचे विचलन 3.559 आणि मानक विचलन 1.886 आहे.
उदाहरण प्रश्न ३:
खालील नमुना डेटा दिला आहे:
5, 6, 8, 9, 10, 11
नमुन्याचे विचलन आणि मानक विचलन काढा!
उपाययोजनेच्या पायऱ्या:
१. सरासरी (मध्यमान) \( \bar{x} \) काढणे :
\[
\bar{x} = \frac{5 + 6 + 8 + 9 + 10 + 11}{6} = \frac{49}{6} = 8.167
\]
२. मिळालेल्या माहिती आणि सरासरी यांमधील फरक काढा, नंतर त्याचा वर्ग करा:
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
\[
(११ – ८.१६७)² = ७.९४५
\]
३. सर्व वर्ग केलेल्या निकालांची बेरीज करणे:
\[
\sum (x_i – \bar{x})^2 = 10.035 + 4.694 + 0.028 + 0.694 + 3.361 + 7.945 = 26.757
\]
४. नमुना विचलन (s²) ची गणना करणे:
\[
s^2 = \frac{26.757}{5} = 5.351
\]
टीप: हा नमुना डेटा असल्याने, आम्ही 5 (n-1) ने भाग देतो.
५. मानक विचलनाची गणना करणे:
\[
s = √5.351 ≈ 2.313
\]
तर, नमुना डेटाचे विचलन 5.351 आणि मानक विचलन 2.313 आहे.
निष्कर्ष
दिलेल्या संचामधील डेटा किती पसरलेला आहे हे समजून घेण्यासाठी विचलन आणि मानक विचलनाची गणना करणे महत्त्वाचे आहे. विचलन हे मूळ एककांच्या वर्गांच्या स्वरूपात विखुरलेपणाचे सैद्धांतिक मोजमाप देते, तर मानक विचलन हे विखुरलेपणाचे मोजमाप डेटाच्या मूळ एककांच्या संदर्भात स्पष्ट करते, ज्यामुळे ते समजण्यास सोपे होते. डेटा विश्लेषणात, डेटाची परिवर्तनशीलता तपासण्यासाठी आणि सांख्यिकीय निर्णय घेण्यासाठी या दोन मापांचा अनेकदा वापर केला जातो.
आवश्यक पायऱ्या आणि सूत्रे समजून घेतल्यास, दैनंदिन डेटा संकलन आणि विश्लेषणात येणाऱ्या विविध परिस्थितींसाठी आपण विचलन आणि मानक विचलनाची गणना सहजपणे करू शकतो. आशा आहे की, हा लेख एकल डेटा संचातील विचलन आणि मानक विचलनाच्या संकल्पनांची अधिक सखोल समज देईल.
