समूह डेटाको प्रतिशतक: बुझाइ र प्रयोग
तथ्याङ्कीय डेटा प्रशोधन डेटा विश्लेषणको एक महत्त्वपूर्ण पक्ष हो, जुन अर्थशास्त्र, वित्त, स्वास्थ्य, र सामाजिक विज्ञान जस्ता विभिन्न क्षेत्रहरूमा व्यापक रूपमा प्रयोग गरिन्छ। तथ्याङ्कमा डेटा वर्णन गर्न प्रायः प्रयोग गरिने एउटा अवधारणा प्रतिशतक हो। प्रतिशतक भनेको एक मान हो जसले डेटाको सेटलाई एक सय बराबर भागहरूमा विभाजन गर्दछ। समूहीकृत डेटाको सन्दर्भमा, प्रतिशतकहरू बुझ्ने र गणना गर्ने एकल वा समूहीकृत डेटाको तुलनामा बढी जटिल हुन्छ। यस लेखले समूहीकृत डेटामा प्रतिशतकहरूको अवधारणा, तिनीहरूलाई कसरी गणना गर्ने, र डेटा विश्लेषणमा तिनीहरूको प्रयोगलाई राम्ररी अन्वेषण गर्ने लक्ष्य राखेको छ।
प्रतिशतकहरू बुझ्दै
सरल भाषामा भन्नुपर्दा, प्रतिशतक भनेको तथ्याङ्कमा डेटा सेट भित्रको मानको सापेक्षिक स्थिति निर्धारण गर्न प्रयोग गरिने मापन प्रविधि हो। उदाहरणका लागि, २५ औं प्रतिशतक (P25) त्यो मान हो जसभन्दा तल २५% डेटा खस्छ। अर्को शब्दमा, ७५% डेटा यस मानभन्दा माथि खस्नेछ। त्यस्तै गरी, ५० औं प्रतिशतक (मध्यम) र ७५ औं प्रतिशतक प्रयोग गरिन्छ।
प्रतिशतकहरू चतुर्थक र दशमलवहरूबाट तिनीहरूले उत्पादन गर्ने भागहरूको संख्यामा मात्र फरक हुन्छन्: चतुर्थकहरूले डेटालाई चार भागमा, दशमलवहरूलाई दस भागमा र प्रतिशतकहरूलाई सय भागमा विभाजन गर्छन्।
समूह डेटा
समूहीकृत डेटा, वा क्लस्टर गरिएको डेटा, अन्तराल वा वर्गहरूमा समूहीकृत गरिएको डेटा हो। क्लस्टर गरिएको डेटामा, डेटा मानहरू अब व्यक्तिगत रूपमा हेरिने छैनन्, तर समूहहरूको रूपमा हेरिन्छन्। यो सामान्यतया व्याख्या र विश्लेषणलाई सहज बनाउन ठूलो संख्यामा अवलोकनहरू सहितको संख्यात्मक डेटाको साथ गरिन्छ। क्लस्टर गरिएको डेटाका उदाहरणहरूमा उमेर दायरा, आय, वा विशिष्ट अन्तरालहरूमा समूहबद्ध परीक्षण स्कोरहरू समावेश छन्।
समूहबद्ध डेटामा प्रतिशतक गणना गर्दै
समूहीकृत डेटामा प्रतिशतक गणना गर्न समूहीकृत डेटा भन्दा फरक सूत्र आवश्यक पर्दछ किनभने डेटा फ्रिक्वेन्सी वितरणमा व्यवस्थित गरिएको छ। निम्न चरणहरूले गणना प्रक्रियालाई व्याख्या गर्दछ:
१. वर्ग सीमा र संचयी आवृत्ति निर्धारण गर्ने
पहिलो चरण भनेको वर्ग सीमा र संचयी फ्रिक्वेन्सीहरू निर्धारण गर्नु हो। वर्ग सीमाहरू ती संख्याहरू हुन् जसले डेटा वितरणमा प्रत्येक अन्तराल (वर्ग) लाई परिभाषित गर्दछ। संचयी फ्रिक्वेन्सीहरू प्रत्येक वर्गको फ्रिक्वेन्सीहरूको योगफल हुन्, पहिलो वर्गदेखि एक विशिष्ट वर्गसम्म।
२. प्रतिशतक स्थिति निर्धारण गर्ने
इच्छित प्रतिशतक \( P_k \) को स्थिति पत्ता लगाउन, हामीले पहिले त्यो प्रतिशतक वर्गको स्थान निर्धारण गर्नुपर्छ। kth प्रतिशतकले डेटाको \( k% \) तल रहेको मानलाई जनाउँछ।
kth प्रतिशतक स्थिति यो हो: \( \frac{k}{100} \times N \)
जहाँ \( N \) अवलोकनहरूको कुल संख्या हो।
३. प्रतिशतक वर्गहरू पहिचान गर्नुहोस्
गणना गरिएको प्रतिशतक स्थिति प्रयोग गरेर, हामी तिनीहरूलाई समावेश गर्ने अन्तराल वा वर्ग पहिचान गर्न सक्छौं। यो वर्गहरूको संचयी आवृत्तिहरू बिस्तारै हेरेर गरिन्छ जबसम्म हामीले प्रतिशतक अवस्थित वर्ग फेला पार्दैनौं।
४. प्रतिशतक मानहरू गणना गर्दै
एकपटक प्रतिशतक वर्ग फेला परेपछि, हामी प्रतिशतक मान गणना गर्न निम्न सूत्र प्रयोग गर्न सक्छौं:
\[ P_k = L + \बायाँ( \frac{\frac{k}{100} \पटक N – F}{f} \दायाँ) \पटक i \]
कहाँ:
– \( P_k \) = खोजिएको kth प्रतिशतक
– \( L \) = प्रतिशतक वर्गको तल्लो सीमा
– \( F \) = प्रतिशतक वर्ग अघिको संचयी आवृत्ति
– \( f \) = प्रतिशतक वर्ग आवृत्ति
– \( i \) = कक्षा अन्तराल
प्रतिशत गणना उदाहरण
बुझ्न सजिलो बनाउनको लागि एउटा ठोस उदाहरण हेरौं:
मानौं हामीसँग १०० जना विद्यार्थीहरूको लागि परीक्षा अङ्क डेटा छ जुन निम्नानुसार समूहबद्ध गरिएको छ:
| स्कोर अन्तराल | आवृत्ति |
|——————|———–|
| ९० – ९४ | १ |
| ५० – ६० | १० |
| ५० – ६० | १० |
| ५० – ६० | १० |
| ५० – ६० | १० |
| ५० – ६० | १० |
| ६० – ७० | ५ |
पहिलो चरण भनेको संचयी आवृत्ति गणना गर्नु हो:
| स्कोर अन्तराल | आवृत्ति | संचयी आवृत्ति |
|——————|————–|————————|
| ० – १० | ५ | ५ |
| ५० – ६० | १० | ९० |
| ५० – ६० | १० | ९० |
| ५० – ६० | १० | ९० |
| ५० – ६० | १० | ९० |
| ५० – ६० | १० | ९० |
| ६० – ७० | ५ | ९५ |
मानौं हामी ७५ औं प्रतिशतक (P75) फेला पार्न चाहन्छौं:
१. P75 स्थिति निर्धारण गर्नुहोस्:
\[ \text{स्थिति P75} = \frac{75}{100} \गुणा १०० = ७५ \]
२. स्थिति ७५ भएको वर्ग पहिचान गर्नुहोस्। संचयी आवृत्ति तालिकाबाट, हामी देख्छौं कि स्थिति ७५ स्कोर अन्तराल ४०-५० मा छ।
३. दिइएको सूत्र प्रयोग गरेर P75 मान गणना गर्नुहोस्:
\[
P_{75} = १६४.५ + \बायाँ( \frac{75 – २५}{20} \दायाँ) \गुणा ५
\]
\[
P_{75} = १६४.५ + \बायाँ( \frac{15}{20} \दायाँ) \गुणा ५
\]
\[
P_{75} = ४० + ७.५ = ४७.५
\]
त्यसैले, यस डेटा वितरणमा सबैभन्दा कम ७५% लाई सीमाना गर्ने स्कोर ४७.५ हो।
समूह डेटामा प्रतिशतकहरूको प्रयोग
समूह डेटामा प्रतिशतकहरूको प्रयोग विभिन्न डेटा विश्लेषण परिस्थितिहरूमा धेरै उपयोगी छ, जसमा समावेश छन्:
१. विद्यार्थी उपलब्धि मूल्याङ्कन: शिक्षामा, विद्यार्थीले अन्य विद्यार्थीहरूको तुलनामा कस्तो प्रदर्शन गर्छ भनेर मूल्याङ्कन गर्न प्रतिशतकहरू प्रयोग गरिन्छ। विद्यार्थीको अङ्क कुन प्रतिशतकमा पर्छ भनेर थाहा पाएर, हामी समूह भित्र उनीहरूको सापेक्षिक स्थिति बुझ्न सक्छौं।
२. स्वास्थ्य: चिकित्सा क्षेत्रमा, बालबालिकाको वृद्धि मापन गर्न प्रायः प्रतिशतकहरू प्रयोग गरिन्छ। उदाहरणका लागि, डाक्टरले उही उमेरका बालबालिकाको सामान्य जनसंख्याको तुलनामा बच्चाको उचाइ वा तौल ७० औं प्रतिशतकमा छ कि छैन भनेर निर्धारण गर्न सक्छन्।
३. अर्थशास्त्र र आय: दिइएको जनसंख्या भित्र आय र सम्पत्तिको वितरण बुझ्न प्रतिशतकहरू प्रयोग गरिन्छ। यसले असमानता र गरिबीको विश्लेषण गर्न, साथै आर्थिक नीति योजनामा मद्दत गर्दछ।
४. मनोविज्ञान र सामाजिक: प्रतिशतकले मनोवैज्ञानिक परीक्षण स्कोरहरूको वितरणमा मद्दत गर्दछ, जसले गर्दा मनोवैज्ञानिकहरूलाई उत्तरदाताहरू विशेष क्षमताको हिसाबले औसत, औसतभन्दा कम वा औसतभन्दा माथि छन् कि छैनन् भनेर निर्धारण गर्न सक्षम बनाउँछ।
५. व्यवसाय र मार्केटिङ: बजार विश्लेषणमा, आम्दानी, खर्च, वा अन्य उपभोक्ता व्यवहारका आधारमा ग्राहकहरूलाई विभाजन गर्न प्रतिशतकहरू प्रयोग गरिन्छ जसले गर्दा अझ प्रभावकारी मार्केटिङ र विज्ञापन रणनीतिहरू निर्देशित हुन्छन्।
केसिम्पुलन
डेटा वितरण भित्र मानहरूको सापेक्षिक स्थिति बुझ्नको लागि तथ्याङ्कमा प्रतिशतकहरू धेरै उपयोगी उपकरण हुन्। समूहीकृत डेटाको सन्दर्भमा तिनीहरूलाई गणना गर्नु एकल डेटाको तुलनामा बढी जटिल भए तापनि, यो अझै पनि व्यवस्थित दृष्टिकोणबाट गर्न सकिन्छ। समूहीकृत डेटामा प्रतिशतकहरूको व्याख्या र गणना गर्ने क्षमताले गहिरो डेटा विश्लेषणको लागि धेरै अवसरहरू खोल्छ र विभिन्न व्यावहारिक क्षेत्रहरूमा उपयोगी छ।
उचित बुझाइको साथ, प्रतिशतकहरू डेटाको जटिलतालाई सरल बनाउनको लागि एक धेरै शक्तिशाली उपकरण हुन सक्छ, जसले विश्लेषकहरू र अनुसन्धानकर्ताहरूलाई उनीहरूले प्राप्त गरेको जानकारीको आधारमा राम्रो निर्णयहरू लिन अनुमति दिन्छ।
