डेटा मोड कसरी निर्धारण गर्ने
आधारभूत तथ्याङ्कमा, मोड भनेको मध्य र मध्यकसँगै केन्द्रीय प्रवृत्तिको एक मापन हो। मोड प्रायः प्रयोग गरिन्छ किनभने यो बुझ्न सजिलो छ र गणना गर्न छिटो छ, विशेष गरी जब हामी डेटाको सेटमा सबैभन्दा धेरै पटक हुने मान फेला पार्न चाहन्छौं। दैनिक जीवनमा, मोडको अवधारणालाई प्रायः खरिद गरिएको कपडाको आकार, सबैभन्दा धेरै प्रयोग हुने सवारी साधनको प्रकार, उच्चतम परीक्षण स्कोर, र सबैभन्दा लोकप्रिय उत्पादन पनि निर्धारण गर्न लागू गर्न सकिन्छ। यस लेखले विभिन्न प्रकारका डेटाको लागि मोड कसरी निर्धारण गर्ने भनेर विस्तृत रूपमा छलफल गर्दछ: एकल डेटा, समूहीकृत डेटा, र विशेष अवस्थाहरू जस्तै द्विमोडल र बहुमोडल डेटा।
बुझ्ने मोड
मोड भनेको उच्चतम आवृत्ति भएको डेटा मान हो, जसको अर्थ यो अन्य मानहरू भन्दा धेरै पटक देखा पर्दछ। मोड मात्रात्मक (संख्यात्मक) र गुणात्मक (वर्गीकृत) डेटा दुवैको लागि उपयुक्त छ, जस्तै मनपर्ने रङहरू वा प्रायः छनोट गरिएका खानाका प्रकारहरू।
साधारण उदाहरण:
डेटा: २, ३, ३, ४, ५
धेरैजसो देखिने मान ३ हो (दुई पटक देखिन्छ), त्यसैले मोड = ३।
यद्यपि, सबै डेटामा मोड हुँदैन। केही डेटामा सबै मानहरू समान रूपमा देखा पर्दछन्, त्यसैले कुनै मोड हुँदैन। यसबाहेक, केही डेटामा एक भन्दा बढी मोड हुन्छन्।
मोडका प्रकारहरू
गणना चरणहरूमा जानु अघि, मोडहरूको भिन्नताहरू बुझ्नु महत्त्वपूर्ण छ:
१. युनिमोडल: एउटा मात्र मान धेरैजसो देखिन्छ (एकल मोड)।
२. द्विमोडल: त्यहाँ दुई मानहरू छन् जुन दुवै धेरै पटक देखा पर्दछन्।
३. बहुमोडल: त्यहाँ दुई भन्दा बढी मानहरू छन् जुन प्रायः देखा पर्दछन्।
४. मोड छैन: सबै मानहरू एउटै फ्रिक्वेन्सीमा देखा पर्छन्।
यी प्रकारका मोडहरू बुझ्नाले हामीलाई डेटालाई अझ सही रूपमा व्याख्या गर्न मद्दत गर्छ।
एकल डेटाको मोड कसरी निर्धारण गर्ने
एकल डेटा भनेको यथास्थितिमा लेखिएको डेटा हो, अन्तरालहरूमा समूहबद्ध गरिएको होइन। एकल डेटाको मोड फेला पार्ने चरणहरू धेरै सरल छन्:
चरणहरू:
१. अवलोकन गर्न सजिलो बनाउन डेटा (वैकल्पिक) लाई सबैभन्दा सानोबाट ठूलोमा मिलाउनुहोस्।
२. प्रत्येक मानको घटनाको आवृत्ति गणना गर्नुहोस्।
३. मोडको रूपमा सबैभन्दा ठूलो फ्रिक्वेन्सी भएको मान निर्धारण गर्नुहोस्।
उदाहरण:
परीक्षण स्कोर डेटा: ७०, ८०, ७५, ८०, ९०, ८०, ८५, ७५
फ्रिक्वेन्सी:
– ९०: १ पटक
– ९०: १ पटक
– ९०: १ पटक
– ९०: १ पटक
– ९०: १ पटक
८० सबैभन्दा धेरै (३ पटक) देखिने भएकोले, मोड = ८०।
द्विमोडल उदाहरण:
डेटा: १, २, २, ३, ३, ४
फ्रिक्वेन्सी २ र ३ दुवै उच्चतम (२ पटक) हुन्, त्यसैले मोड = २ र ३ (द्विमोडल)।
मोड बिनाको उदाहरण:
डेटा: ५, ६, ७, ८
सबै मानहरू एक पटक देखा पर्छन्। त्यसैले, डेटाको कुनै मोड हुँदैन।
समूहीकृत डेटामा मोड कसरी निर्धारण गर्ने
अभ्यासमा, ठूलो मात्रामा डेटालाई सामान्यतया फ्रिक्वेन्सी वितरण तालिकाको रूपमा समूहीकृत डेटामा संक्षेप गरिन्छ, अर्थात्, वर्ग अन्तरालहरूमा समूहीकृत डेटा (जस्तै, ६०-६९, ७०-७९, र यस्तै अन्य)। समूहीकृत डेटामा, मोडलाई प्रत्यक्ष रूपमा कुनै विशेष संख्याबाट लिन सकिँदैन, बरु मोड वर्ग मार्फत निर्धारण गरिन्छ र सूत्र प्रयोग गरेर अनुमान गर्न सकिन्छ।
१. मोड वर्ग निर्धारण गर्नुहोस्
मोड वर्ग भनेको सबैभन्दा ठूलो आवृत्ति भएको वर्ग अन्तराल हो।
उदाहरण तालिका:
| मान अन्तराल | आवृत्ति |
|—|—:|
| ८०–८९ | ५ |
| ८०–८९ | ५ |
| ८०–८९ | ५ |
| ८०–८९ | ५ |
| ८०–८९ | ५ |
६०–६९ को अन्तरालमा उच्चतम आवृत्ति १० हुन्छ, त्यसैले मोड वर्ग = ६०–६९ हुन्छ।
२. समूहीकृत डेटा सूत्र प्रयोग गरेर मोड गणना गर्दै
प्रायः प्रयोग हुने समूहीकृत डेटाको मोडको सूत्र:
\[
मो = L + \left(\frac{d_1}{d_1 + d_2}\right)\times p
\]
जानकारी:
– Mo = मोड (अनुमानित मोड मान)
– L = मोड वर्गको तल्लो किनारा
– p = वर्ग लम्बाइ (अन्तराल चौडाइ)
– d₁ = मोड वर्गको आवृत्ति - अघिल्लो वर्गको आवृत्ति
– d₂ = मोड वर्गको आवृत्ति - अर्को वर्गको आवृत्ति
गणना उदाहरण:
अघिल्लो तालिकाबाट:
- मोड वर्ग: ६०–६९, आवृत्ति = १०
– अघिल्लो कक्षा: ५०–५९, आवृत्ति = ६
– अर्को कक्षा: ७०–७९, आवृत्ति = ८
अवयवहरू परिभाषित गर्नुहोस्:
– L = मोड वर्गको तल्लो सीमा = ५९.५ (किनकि तल्लो सीमा ६० हो, तल्लो सीमा = ५९.५)
– प = १०
– d₁ = १० − ६ = ४
– d₂ = १० − ८ = २
सूत्रमा प्रविष्ट गर्नुहोस्:
\[
मो = ५९.५ + \left(\frac{4}{4+2}\right)\times १०
\]
\[
मो = ५९.५ + \left(\frac{4}{6}\right)\times १०
\]
\[
मो = ५९.५ + ६.६७ = ६६.१७
\]
त्यसैले, समूहबद्ध डेटाको मोड ≈ ६६.१७ हो। यो अन्तराल ६०–६९ मा मोड मानको अनुमान हो।
मोड खोज्दा हुने सामान्य गल्तीहरू
यद्यपि मोड सरल देखिन्छ, त्यहाँ धेरै सामान्य गल्तीहरू हुन्छन्:
१. मान्नुहोस् कि मोड सधैं अवस्थित छ
यद्यपि, डेटामा सबैभन्दा धेरै पटक देखा पर्ने मानहरू नहुन सक्छन्।
२. आवृत्ति ध्यानपूर्वक गणना नगर्नु
एकल डेटामा, फ्रिक्वेन्सीको गलत गणना गर्दा गलत मोड सिर्जना हुन्छ।
३. मोड वर्ग गलत तरिकाले निर्धारण गर्ने
समूहीकृत डेटामा, मोड वर्ग सबैभन्दा ठूलो आवृत्ति भएको वर्ग हुनुपर्छ।
४. कक्षाको तल्लो किनारा र लम्बाइ गलत तरिकाले निर्धारण गरियो
समूहीकृत डेटा मोड सूत्रमा, तल्लो सीमा (L) सामान्य तल्लो सीमा होइन, बरु वर्गको तल्लो सीमा हो (जस्तै कक्षा ६०-६९ को लागि ५९.५)।
मोड कहिले प्रयोग गर्न बढी उपयुक्त हुन्छ?
यो मोड धेरै उपयोगी हुन्छ जब:
- कोटीहरूको रूपमा डेटा (जस्तै ब्रान्ड, रङ, वस्तुको प्रकार)।
- हामी सबैभन्दा लोकप्रिय विकल्पहरू जान्न चाहन्छौं।
- डेटामा चरम मानहरू छन् जसले औसतलाई विकृत गर्न सक्छ।
- डेटा वितरण असममित छ र मध्य/माध्य कम प्रतिनिधित्व गर्ने छ।
उदाहरणका लागि, यदि १० जनाको आय धेरै उच्च छ भने, औसत माथि "धकेलिएको" हुन सक्छ। यस्तो अवस्थामा, मोडले आयको सबैभन्दा सामान्यीकृत तस्वीर प्रदान गर्न सक्छ।
बन्द
डेटाको मोड निर्धारण गर्नु सरल विश्लेषण र निर्णय लिने दुवैको लागि उपयोगी आधारभूत सांख्यिकीय सीप हो। एकल डेटा सेटहरूको लागि, मोड सबैभन्दा बारम्बार हुने मान हेरेर फेला पारिन्छ। समूहीकृत डेटा सेटहरूको लागि, मोड उच्चतम आवृत्ति भएको वर्गबाट निर्धारण गरिन्छ र थप सटीक अनुमान प्राप्त गर्न सूत्र प्रयोग गरेर गणना गर्न सकिन्छ। चरणहरू बुझेर, तपाईं डेटालाई अझ छिटो प्रशोधन गर्न सक्नुहुन्छ र डेटा सेटबाट महत्त्वपूर्ण जानकारी निकाल्न सक्नुहुन्छ।
यदि तपाईं चाहनुहुन्छ भने, म छलफलहरू (एकल डेटा र समूहीकृत डेटा) सँगसँगै उदाहरण अभ्यास प्रश्नहरू पनि बनाउन सक्छु ताकि तपाईं मोड कसरी निर्धारण गर्ने भनेर राम्रोसँग बुझ्न सक्नुहुन्छ।
