इन्टरक्वार्टाइल दायरा: डेटामा परिवर्तनशीलता मापन गर्दै
पेन्डाहुलुआन
डेटासेटहरू अध्ययनका विभिन्न क्षेत्रहरूमा तथ्याङ्कीय विश्लेषणको आधार हुन्। डेटा वितरण बुझ्नु भनेको डेटाको केन्द्र वा मध्य मात्र नभई यसको फैलावट वा परिवर्तनशीलता पनि बुझ्नु हो। डेटा परिवर्तनशीलता मापन गर्ने एउटा तरिका इन्टरक्वार्टाइल दायरा (IQR) मार्फत हो। इन्टरक्वार्टाइल दायरा एक सांख्यिकीय उपकरण हो जसले डेटासेटको मध्य मानहरूको वितरणको सिंहावलोकन प्रदान गर्दछ, आउटलियर वा चरम मानहरूबाट प्रभावित हुँदैन। यस लेखले इन्टरक्वार्टाइल दायरा, यसलाई कसरी गणना गर्ने, र डेटा विश्लेषणमा यसको प्रयोगको बारेमा छलफल गर्नेछ।
इन्टरक्वार्टाइल दायराको परिभाषा
इन्टरक्वार्टाइल दायरा एक तथ्याङ्कीय मापन हो जसले पहिलो चतुर्थक (Q1) र तेस्रो चतुर्थक (Q3) बीचको प्राथमिक डेटाको ५०% मा मानहरूको वितरण कति फराकिलो छ भनेर देखाउँछ। गणितीय रूपमा, IQR लाई यसरी परिभाषित गरिएको छ:
\[ \पाठ{IQR} = Q_3 – Q_1 \]
कहाँ:
- Q1 वा पहिलो चतुर्थक भनेको क्रमबद्ध डेटाको २५% भन्दा कम मान हो।
- Q3 वा तेस्रो चतुर्थक भनेको क्रमबद्ध डेटाको ७५% भन्दा कम मान हो।
अर्को शब्दमा, इन्टरक्वार्टाइल दायरा त्यो दायरा हो जस भित्र डेटाको बीचको ५०% खस्छ, जसले यस खण्ड भित्र डेटाको भिन्नता वा फैलावटको संकेत प्रदान गर्दछ। IQR ले डेटाको बीचमा केन्द्रित भएकोले, यो आउटलियरहरूको प्रतिरोधी छ, जसले कुल दायरा वा मानक विचलन जस्ता फैलावटको मापनलाई उल्लेखनीय रूपमा असर गर्न सक्छ।
इन्टरक्वार्टाइल दायरा गणना गर्दै
IQR गणना धेरै व्यवस्थित चरणहरू मार्फत गर्न सकिन्छ। IQR गणना गर्ने सामान्य चरणहरू यहाँ छन्:
चरण १: डेटा क्रमबद्ध गर्नुहोस्
पहिलो चरण भनेको डेटालाई सबैभन्दा सानोबाट ठूलोमा क्रमबद्ध गर्नु हो। डेटा क्रमबद्ध गर्नु महत्त्वपूर्ण छ किनभने क्वार्टाइलहरू अनुक्रममा डेटाको स्थितिको आधारमा गणना गरिन्छ।
उदाहरण:
मानौं हामीसँग निम्न डेटा सेट छ:
\[ ७, ८, ५, ३, ९, १२, १५, ११, १८, २० \]
क्रमबद्ध गरेपछि:
\[ ७, ८, ५, ३, ९, १२, १५, ११, १८, २० \]
चरण २: मध्यक पत्ता लगाउनुहोस् (Q2)
क्रमबद्ध डेटामा मध्यक वा दोस्रो चतुर्थक (Q2) मध्य मान हो। यदि डेटाको कुल संख्या बिजोर छ भने, मध्यक मध्य तत्व हो। यदि डेटाको कुल संख्या सम छ भने, मध्यक दुई मध्य तत्वहरूको औसत हो।
हाम्रो उदाहरणमा:
डेटा संख्या = १० (जोर संख्या), त्यसपछि:
\[ Q2 = \frac{9 + 11}{2} = 10 \]
चरण ३: पहिलो चतुर्थक (Q1) र तेस्रो चतुर्थक (Q3) पत्ता लगाउनुहोस्।
Q1 डेटाको पहिलो आधाको मध्यक हो, र Q3 डेटाको दोस्रो आधाको मध्यक हो।
पहिलो आधा डेटा (Q1 को लागि):
\[ ३, ५, ७, ८, १०० \]
पहिलो हाफको मध्यक यस प्रकार छ:
\[ Q1 = 7 \]
डेटाको दोस्रो भाग (Q3 को लागि):
\[ ३, ५, ७, ८, १०० \]
दोस्रो हाफको मध्यक यस प्रकार छ:
\[ Q3 = 15 \]
चरण ४: IQR गणना गर्नुहोस्
Q1 र Q3 को मानहरू ज्ञात भएकोले, Q3 बाट Q1 घटाएर IQR गणना गर्न सकिन्छ:
\[ IQR = Q3 - Q1 = 15 - 7 = 8 \]
त्यसैले, यस डेटासेटको IQR ८ छ।
इन्टरक्वार्टाइल दायराको महत्त्व
इन्टर क्वार्टाइल दायरामा धेरै फाइदाहरू छन् जसले यसलाई डेटा विश्लेषणमा महत्त्वपूर्ण बनाउँछ:
१. बाह्य प्रभावहरूको प्रतिरोधी:
डेटासेटमा चरम मानहरूबाट IQR प्रभावित हुँदैन, यसरी मध्य डेटाको परिवर्तनशीलताको अझ सटीक तस्वीर प्रदान गर्दछ।
२. बाहिरी पक्षहरू पहिचान गर्नुहोस्:
IQR लाई आउटलायरहरू पहिचान गर्न प्रयोग गरिन्छ। \( Q1 – 1.5 \times IQR \) भन्दा कम वा \( Q3 + 1.5 \times IQR \) भन्दा माथि पर्ने डेटालाई प्रायः आउटलायर मानिन्छ।
३. बक्स प्लटमा प्रयोगहरू:
IQR बक्स प्लटको एक प्रमुख घटक हो, एक दृश्य उपकरण जसले पाँच सारांश संख्याहरूमा आधारित डेटाको वितरण चित्रण गर्दछ: न्यूनतम, Q1, मध्य, Q3, र अधिकतम।
४. डेटासेटहरूको तुलना:
IQR लाई विभिन्न समूह वा डेटासेटहरू बीचको परिवर्तनशीलता तुलना गर्न प्रयोग गर्न सकिन्छ। IQR जति ठूलो हुन्छ, त्यो समूह भित्रको डेटामा परिवर्तनशीलता त्यति नै बढी हुन्छ।
५. सरल र बुझ्न सजिलो:
IQR को अवधारणा र गणना सरल र बुझ्न सजिलो छ, जसले गर्दा यो अनुसन्धानकर्तादेखि नीति निर्मातासम्मका विस्तृत दर्शकहरूको लागि उपयोगी छ।
विभिन्न क्षेत्रहरूमा इन्टरक्वार्टाइल दायराको प्रयोग
३. अर्थशास्त्र र व्यवसाय
अर्थशास्त्र र व्यवसायमा, IQR लाई आय वितरण, स्टक मूल्य, वा कम्पनीको कार्यसम्पादनको विश्लेषण गर्न प्रयोग गर्न सकिन्छ। उदाहरणका लागि, कुनै क्षेत्रको आय वितरण समान वा अत्यधिक परिवर्तनशील छ कि छैन भनेर निर्धारण गर्न, हामी IQR प्रयोग गर्न सक्छौं।
७. पेन्डिडिकन
शिक्षामा, परीक्षामा विद्यार्थीको अंकको वितरणको विश्लेषण गर्न IQR प्रयोग गर्न सकिन्छ। यसले शिक्षकहरूलाई विद्यार्थीको प्रदर्शनको वितरण बुझ्न र थप सहयोग चाहिने विद्यार्थीहरू पहिचान गर्न मद्दत गर्न सक्छ।
२. केशेहटन
स्वास्थ्य सेवामा, रक्तचाप, कोलेस्ट्रोल स्तर, वा बडी मास इन्डेक्स (BMI) जस्ता विभिन्न स्वास्थ्य प्यारामिटरहरूको वितरण बुझ्न IQR प्रयोग गर्न सकिन्छ। IQR प्रयोग गर्नाले अनुसन्धानकर्ताहरूलाई अत्यधिक असामान्य मान भएका बिरामीहरू पहिचान गर्न मद्दत गर्न सक्छ।
४. इन्जिनियरिङ र निर्माण
इन्जिनियरिङ र निर्माणमा, IQR उत्पादन प्रक्रियाहरूमा परिवर्तनशीलता मापन गर्न प्रयोग गरिन्छ। यो उत्पादनको गुणस्तरलाई असर गर्न सक्ने भिन्नताहरू पहिचान गर्न र कम गर्न आवश्यक छ।
केसिम्पुलन
इन्टरक्वार्टाइल रेन्ज (IQR) डेटासेटमा परिवर्तनशीलता मापन गर्नको लागि एक अत्यधिक उपयोगी सांख्यिकीय उपकरण हो, मुख्यतया यसको आउटलियरहरूलाई बेवास्ता गर्ने क्षमताको कारणले। IQR बुझ्ने र प्रयोग गर्नेले डेटा विश्लेषणलाई अझ सटीक र जानकारीमूलक बनाउन सक्छ। अर्थशास्त्र, शिक्षा, स्वास्थ्य, वा इन्जिनियरिङमा होस्, IQR ले डेटा वितरणमा अन्तर्दृष्टि प्रदान गर्न महत्त्वपूर्ण भूमिका खेल्छ।
IQR गणना गर्नु अपेक्षाकृत सरल प्रक्रिया हो र यसले डेटाको बारेमा उपयोगी जानकारीको भण्डार प्रदान गर्दछ। त्यसैले, डेटा विश्लेषणमा संलग्न जो कोहीको लागि IQR को अवधारणा र प्रयोग बुझ्नु एक अमूल्य सीप हो।
यस लेख मार्फत, हामी आशा गर्छौं कि पाठकहरूले IQR कसरी गणना गर्ने भनेर मात्र बुझ्ने छैनन् तर डेटा विश्लेषणमा यसको महत्त्वलाई पनि बुझ्नेछन्। प्रविधिको विकास र विश्लेषण गर्न आवश्यक डेटाको बढ्दो मात्रासँगै, IQR जस्ता तथ्याङ्कीय उपकरणहरू बढ्दो रूपमा सान्दर्भिक र महत्त्वपूर्ण हुँदै गइरहेका छन्।
