स्क्याटर रेखाचित्र: परिभाषा, कार्य, र प्रयोग
स्क्याटर रेखाचित्रहरू बुझ्दै
स्क्याटरप्लट, जसलाई स्क्याटर डायग्राम वा स्क्याटर प्लट पनि भनिन्छ, तथ्याङ्क र डेटा विश्लेषणमा दुई निरन्तर चरहरू बीचको सम्बन्धलाई संक्षेप र कल्पना गर्न प्रयोग गरिने ग्राफको एक प्रकार हो। यो रेखाचित्रले कार्टेसियन समतलमा डेटा बिन्दुहरू प्रदर्शन गर्दछ, जहाँ x- र y-अक्षहरू प्रत्येकले एक चर प्रतिनिधित्व गर्दछ। रेखाचित्रमा प्रत्येक बिन्दुले दुई अवलोकन गरिएका चरहरूको लागि मानहरूको जोडी प्रतिनिधित्व गर्दछ। सामान्यतया, स्क्याटरप्लटहरूले हामीलाई ढाँचाहरू, प्रवृत्तिहरू, र दुई चरहरू बीचको सम्भावित सहसम्बन्धहरू बुझ्न मद्दत गर्दछ।
स्क्याटर रेखाचित्र प्रकार्य
डेटा विश्लेषणमा स्क्याटर प्लटहरूको विभिन्न कार्यहरू हुन्छन्, जसमध्ये केही यस प्रकार छन्:
१. सम्बन्ध निर्धारण: स्क्याटरप्लटहरूले दुई चरहरू बीच सम्बन्ध वा सहसम्बन्ध छ कि छैन भनेर निर्धारण गर्न मद्दत गर्दछ। उदाहरणका लागि, व्यक्तिको उचाइ र तौल बीच सम्बन्ध छ कि छैन भनेर हेर्न।
२. बाहिरी तत्वहरू पहिचान गर्नुहोस्: डेटा प्लट गरेर, बाहिरी तत्वहरू, वा डेटा जुन अरू भन्दा उल्लेखनीय रूपमा फरक छ, सजिलै पहिचान गर्न सकिन्छ। बाहिरी तत्वहरू मापन त्रुटिहरू वा अन्य बेहिसाब घटनाहरूको कारणले हुन सक्छ।
३. डेटा भिजुअलाइजेशन: स्क्याटरप्लटहरूले गहिरो दृश्य अवलोकनको लागि अनुमति दिन्छ, जुन सधैं साधारण डेटा तालिकाबाट स्पष्ट हुँदैन। तिनीहरूले चरहरू बीचको सम्बन्धको बल र त्यो सम्बन्धको आकारमा स्पष्ट दृष्टिकोण प्रदान गर्छन्, चाहे त्यो रेखीय, चतुर्भुज, वा अनियमित होस्।
४. ढाँचा र प्रवृत्ति पत्ता लगाउने: स्क्याटरप्लटमा डेटा प्लट गरेर, डेटामा ढाँचा र प्रवृत्तिहरू पहिचान गर्न सकिन्छ। उदाहरणका लागि, यो देख्न सकिन्छ कि चरले निश्चित बढ्दो वा घट्दो ढाँचा पछ्याउँछ कि पछ्याउँछ।
स्क्याटर रेखाचित्रमा सहसम्बन्ध
स्क्याटरप्लट विश्लेषणमा, सहसम्बन्धको अवधारणा बुझ्नु महत्त्वपूर्ण छ, जसले दुई चरहरू बीचको सम्बन्धको बल मापन गर्दछ। सहसम्बन्धहरू सकारात्मक, नकारात्मक, वा शून्य हुन सक्छन्:
१. सकारात्मक सहसम्बन्ध: एउटा चरको मानमा वृद्धि भएपछि अर्को चरको मानमा वृद्धि हुँदा यस्तो हुन्छ। रेखाचित्रमा, डेटा बिन्दुहरूले तल बायाँबाट माथि दायाँतिर उठ्ने रेखा वा वक्र बनाउनेछन्।
२. नकारात्मक सहसम्बन्ध: एउटा चरको मानमा वृद्धि भएपछि अर्को चरको मानमा कमी आउँदा यस्तो हुन्छ। रेखाचित्रमा, डेटा बिन्दुहरूले माथि बायाँबाट तल दायाँतिर ढल्केको रेखा वा वक्र बनाउँछन्।
३. शून्य सहसम्बन्ध: दुई चरहरू बीच स्पष्ट सम्बन्ध नभएको बेला हुन्छ। डेटा बिन्दुहरू स्पष्ट ढाँचा बिना अनियमित रूपमा छरिएका हुनेछन्।
स्क्याटर चार्ट कसरी बनाउने
स्क्याटरप्लट सिर्जना गर्न, यी चरणहरू पालना गर्नुहोस्:
१. तथ्याङ्क सङ्कलन गर्नुहोस्: x र y चरहरू प्रतिनिधित्व गर्ने दुई सेट डेटा तयार गर्नुहोस्।
२. स्केल र अक्ष निर्धारण गर्नुहोस्: दुई चरहरूको मान दायराको आधारमा x-अक्ष र y-अक्षको लागि स्केल निर्धारण गर्नुहोस्।
३. प्लट डेटा: दुई चरहरूको मानहरूको जोडीलाई ग्राफमा बिन्दुको रूपमा प्लट गर्नुहोस्।
४. विश्लेषण: कुनै पनि सम्भावित ढाँचा वा प्रवृत्ति निर्धारण गर्न कथानक अवलोकन गर्नुहोस् र गहन जाँचको लागि सहसम्बन्ध गणना गर्नुहोस्।
स्क्याटर रेखाचित्र उदाहरण
मानौं हामीसँग दस जनाको उचाइ (सेमीमा) र तौल (केजीमा) को तथ्याङ्क छ:
| उचाइ (सेमी) | शरीरको तौल (किलोग्राम) |
|——————-|———————|
| २०० | ९५ |
| २०० | ९५ |
| २०० | ९५ |
| २०० | ९५ |
| २०० | ९५ |
| २०० | ९५ |
| २०० | ९५ |
| २०० | ९५ |
| २०० | ९५ |
| ८ | ९० |
यो डेटालाई स्क्याटर रेखाचित्रमा प्लट गरेर, हामी उचाइ र तौल बीच सकारात्मक सम्बन्ध रहेको देख्नेछौं।
स्क्याटर रेखाचित्रहरूको वास्तविक-विश्व कार्यान्वयन
स्क्याटरप्लट रेखाचित्रहरू गहन डेटा विश्लेषणको लागि विभिन्न क्षेत्रहरू र उद्योगहरूमा प्रयोग गरिन्छ। केही वास्तविक-विश्व उदाहरणहरू समावेश छन्:
१. स्वास्थ्य: आहार र रक्तचाप, वा निद्रा अवधि र दैनिक उत्पादकता स्तर जस्ता विभिन्न स्वास्थ्य कारकहरू बीचको सम्बन्ध निर्धारण गर्ने।
२. अर्थशास्त्र: ब्याजदर र मुद्रास्फीति दर जस्ता चरहरू बीचको सम्बन्धलाई हेर्दै, लगानी र प्रतिफलको विश्लेषण।
३. शिक्षा: शैक्षिक प्रदर्शनलाई प्रभाव पार्ने कारकहरू बुझ्न अध्ययन समय र विद्यार्थी परीक्षा स्कोर बीचको सम्बन्धको परीक्षण।
४. व्यवसाय : मार्केटिङमा बिक्री वृद्धिको तुलनामा विज्ञापन खर्चको प्लटिङ गरेर विज्ञापन अभियानको प्रभावकारिता मापन गर्ने।
स्क्याटर रेखाचित्रका सीमितताहरू
धेरै फाइदाहरू भए तापनि, स्क्याटरप्लटहरूका केही सीमितताहरू पनि छन्:
१. कारण व्याख्या गर्दैन: स्क्याटरप्लटमा देखिने सहसम्बन्धले कारण-र-प्रभाव सम्बन्धलाई जनाउँदैन। सहसम्बन्धले केवल सम्बन्ध छ भनेर संकेत गर्छ, तर त्यो सम्बन्धको कारण वा दिशा व्याख्या गर्दैन।
२. धेरै ठूलो डेटाको लागि कठिन: धेरै ठूलो डेटाको अवस्थामा, स्क्याटरप्लटहरू यति घना हुन सक्छन् कि तिनीहरूलाई व्याख्या गर्न गाह्रो हुन्छ।
३. केवल दुई चरहरू: स्क्याटरप्लटले दुई चरहरू बीचको सम्बन्ध मात्र देखाउन सक्छ। दुई भन्दा बढी चरहरू समावेश गर्ने सम्बन्धहरूको लागि, बहुचर विश्लेषण प्रविधिहरू आवश्यक पर्दछ।
केसिम्पुलन
स्क्याटरप्लटहरू दुई चरहरू बीचको सम्बन्धलाई कल्पना र विश्लेषण गर्न तथ्याङ्क र डेटा विश्लेषणमा एक शक्तिशाली उपकरण हो। सहसम्बन्ध, प्रवृत्ति र आउटलियरहरू पहिचान गर्न मद्दत गरेर, तिनीहरूले डेटाको गहिरो बुझाइलाई सहज बनाउँछन्। तिनीहरूका केही सीमितताहरू भए तापनि, स्क्याटरप्लटहरूको उचित प्रयोगले विभिन्न क्षेत्रहरूमा राम्रो निर्णय लिने समर्थन गर्ने बहुमूल्य अन्तर्दृष्टि प्रदान गर्न सक्छ। स्क्याटरप्लटहरू कसरी सिर्जना गर्ने र विश्लेषण गर्ने भनेर बुझ्नु डेटासँग काम गर्ने जो कोहीको लागि एक आवश्यक सीप हो।
