तथ्याङ्कीय विश्लेषणमा डेटा दायरा कसरी गणना गर्ने
तथ्याङ्कीय विश्लेषणमा फैलावटको सबैभन्दा सरल मापनहरू मध्ये एक डेटा दायरा हो। आधारभूत देखिए पनि, डेटा सेट भित्र मानहरूमा भिन्नताको हदको द्रुत सिंहावलोकन प्रदान गर्न दायराले महत्त्वपूर्ण भूमिका खेल्छ। अभ्यासमा, भिन्नता, मानक विचलन, वा अन्तरचतुर्थक दायरा जस्ता फैलावटका जटिल मापनहरू गणना गर्नु अघि दायरा प्रायः सुरुवात बिन्दुको रूपमा प्रयोग गरिन्छ। यस लेखले डेटा दायराको परिभाषा, यसको सूत्र, गणना चरणहरू, उदाहरणहरू, र तथ्याङ्कीय विश्लेषणमा यसको फाइदाहरू र सीमितताहरू बारे छलफल गर्नेछ।
डेटा दायरा बुझ्दै
डेटा सेटको दायरा भनेको डेटा सेटमा रहेको सबैभन्दा ठूलो (अधिकतम) र सबैभन्दा सानो (न्यूनतम) मानहरू बीचको भिन्नता हो। अर्को शब्दमा, दायराले सबैभन्दा तल्लोदेखि उच्चतम बिन्दुसम्मको डेटा मानहरूको "दूरी" लाई जनाउँछ। ठूलो दायराले बढी फैलिएको डेटा मानलाई जनाउँछ। सानो दायराले बढी घना वा सुसंगत डेटा मानलाई जनाउँछ।
साधारण उदाहरणको रूपमा, यदि कुनै विद्यार्थीको केही विषयहरूमा परीक्षाको अङ्क ६०, ७५, ८० र ९० छ भने, डेटाको दायरा ९० − ६० = ३० हुन्छ। यसले विद्यार्थीको अङ्क ३० अङ्कको दायरा भित्र फरक हुन्छ भन्ने द्रुत जानकारी दिन्छ।
तथ्याङ्कमा डेटा दायराको फाइदाहरू
डेटा दायराहरू निम्नका लागि उपयोगी छन्:
१. डेटालाई द्रुत रूपमा संक्षेप गर्नुहोस्: जटिल गणना बिना डेटा भिन्नताहरूको सिंहावलोकन प्रदान गर्दछ।
२. डेटाका दुई समूहहरूको तुलना: उदाहरणका लागि, कक्षा B को तुलनामा कक्षा A को लागि मानहरूको दायरा।
३. चरम भिन्नताहरू पत्ता लगाउने: दायराहरूले उच्च स्तरको असंगतिलाई संकेत गर्न सक्छन्।
४. विश्लेषणका प्रारम्भिक चरणहरू: थप विश्लेषण गर्नु अघि, दायराले डेटाको नराम्रो चरित्र बुझ्न मद्दत गर्दछ।
व्यापक तथ्याङ्कीय विश्लेषणमा, दायरा सामान्यतया एक्लै प्रयोग गरिँदैन। यद्यपि, सुरुवाती सूचकको रूपमा, यो धेरै उपयोगी छ, विशेष गरी अन्तराल वा अनुपात डेटाको लागि।
डेटा दायरा सूत्र
डेटा दायरा सूत्र धेरै सरल छ:
दायरा (R) = अधिकतम मान - न्यूनतम मान
कहाँ:
- अधिकतम मान डेटा सेटमा सबैभन्दा ठूलो डेटा हो।
- न्यूनतम मान डेटा सेटमा सबैभन्दा सानो डेटा हो।
– R डेटा दायरा हो।
किनकि यसमा केवल दुई चरम बिन्दुहरू समावेश छन्, दायरा म्यानुअल रूपमा वा सफ्टवेयर प्रयोग गरेर छिटो गणना गर्न सकिन्छ।
डेटा दायरा गणना गर्न चरणहरू
डेटा दायरा गणना गर्ने व्यावहारिक चरणहरू यहाँ दिइएका छन्:
१. विश्लेषण गर्नुपर्ने डेटा सङ्कलन गर्नुहोस्
डेटा पूर्ण छ र विश्लेषण आवश्यकताहरू पूरा गर्दछ भनी सुनिश्चित गर्नुहोस्।
२. न्यूनतम मान पहिचान गर्नुहोस्
सबै डेटाको सबैभन्दा सानो मान पत्ता लगाउनुहोस्।
३. अधिकतम मान पहिचान गर्नुहोस्
सबै डेटाको सबैभन्दा ठूलो मान पत्ता लगाउनुहोस्।
४. न्यूनतम मानबाट अधिकतम मान घटाउनुहोस्
यो कटौतीको परिणाम डेटा दायरा हो।
कामलाई सजिलो बनाउनको लागि, डेटालाई सानोबाट ठूलोमा क्रमबद्ध गर्न सकिन्छ। यो क्रमबद्धताले डेटा ढाँचाहरू दृश्यात्मक रूपमा हेर्न पनि मद्दत गर्छ।
डेटा दायरा गणनाको उदाहरण (एकल डेटा)
उदाहरणका लागि, ८ जनाको यात्रा समयको डेटा (मिनेटमा) छ:
12, 15, 10, 18, 14, 11, 20, 16
चरणहरू:
– न्यूनतम मान = १०
– अधिकतम मान = २०
– दायरा = २० − १० = १०
यसको अर्थ समूह भित्र यात्रा समयको भिन्नतामा सबैभन्दा छिटो र सबैभन्दा ढिलो बीच अधिकतम १० मिनेटको भिन्नता हुन्छ।
क्रमबद्ध डेटामा डेटा दायरा गणना गर्ने उदाहरण
उचाइ डेटा (सेमी):
150, 152, 155, 155, 158, 160, 165
– न्यूनतम मान = १०
– अधिकतम मान = २०
– दायरा = २० − १० = १०
दोहोरिएका मानहरू भए पनि, दायरा गणना उस्तै रहन्छ किनभने चरम मानहरूलाई मात्र ध्यानमा राखिन्छ।
समूहीकृत डेटामा डेटा दायरा
समूहीकृत डेटामा (जस्तै, फ्रिक्वेन्सी वितरण), डेटाको दायरा प्रायः तल्लो र माथिल्लो वर्ग सीमाहरू प्रयोग गरेर गणना गरिन्छ। केही तथ्याङ्क पाठ्यपुस्तकहरूमा, समूहीकृत डेटाको दायरा यसरी अनुमान गर्न सकिन्छ:
R ≈ उच्चतम वर्गको माथिल्लो सीमा − सबैभन्दा तल्लो वर्गको तल्लो सीमा
उदाहरण: परीक्षण स्कोरको वितरणमा अन्तरालहरू हुन्छन्:
– २–२
– २–२
– २–२
– २–२
– २–२
त्यसैले:
– सबैभन्दा कम वर्गको तल्लो सीमा = ४०
– उच्चतम वर्गको माथिल्लो सीमा = ८९
– दायरा ≈ ८९ − ४० = ४९
यो ध्यान दिनुपर्छ कि केही दृष्टिकोणहरूले बढी शुद्धताको लागि वर्ग सीमाहरू प्रयोग गर्छन्, उदाहरणका लागि ३९.५ र ८९.५, त्यसैले दायरा ५० हुन्छ। विधिको छनोट डेटा कसरी गोलाकार गरिन्छ र प्रयोग गरिएको मानकमा निर्भर गर्दछ।
डेटा दायराको व्याख्या
डेटाको दायराले डेटा "राम्रो" वा "खराब" हो भनेर सिधै भन्दैन, तर यसले सन्दर्भलाई व्याख्या गर्न मद्दत गर्छ।
– सानो दायरा: डेटा अपेक्षाकृत एकरूप वा स्थिर हुन्छ। उदाहरणका लागि, राम्रोसँग नियन्त्रित कोठाको तापक्रममा सानो दायरा हुन्छ।
– ठूलो दायरा: तथ्याङ्क विषम छ वा उच्च भिन्नता छ। उदाहरणका लागि, शहर भित्रको घरपरिवारको आम्दानीको दायरा धेरै फराकिलो हुन सक्छ।
यद्यपि, व्याख्यालाई स्केलमा समायोजन गर्नुपर्छ। परीक्षण स्कोर डेटामा १० को दायराको अर्थ तापक्रम वा तौल डेटामा १० को दायराको अर्थ नहुन सक्छ।
डेटा दायराको फाइदाहरू
डेटा दायराका धेरै फाइदाहरू छन्:
१. गणना गर्न सजिलो: अधिकतम र न्यूनतम मानहरू मात्र चाहिन्छ।
२. छिटो बुझ्न सकिने: छोटो रिपोर्ट वा प्रारम्भिक अन्वेषणको लागि उपयुक्त।
३. प्रारम्भिक पहिचानको लागि उपयोगी: डेटामा उल्लेखनीय चरम भिन्नताहरू छन् कि छैनन् भनेर हेर्न मद्दत गर्दछ।
उदाहरणका लागि, व्यापारिक संसारमा, दैनिक बिक्री दायराले प्रबन्धकहरूलाई दिइएको अवधिमा हुने सबैभन्दा चरम उतारचढावहरू बुझ्न मद्दत गर्न सक्छ।
डेटा दायरा सीमाहरू
उपयोगी भएतापनि, डेटा दायराहरूमा महत्त्वपूर्ण कमजोरीहरू पनि छन्:
१. चरम मानहरूमा अत्यधिक निर्भरता: धेरैजसो डेटा एकसाथ नजिक भए तापनि एउटा आउटलायर (धेरै टाढाको मान) ले दायरालाई ठूलो देखाउन सक्छ।
२. समग्र वितरणको वर्णन गर्दैन: दायराले डेटाको छेउलाई मात्र हेर्छ, बीचमा हुने भिन्नताहरूको बारेमा जानकारी प्रदान गर्दैन।
३. साना नमूनाहरूको लागि कम स्थिर: साना नमूनाहरूमा, यदि एउटा अतिरिक्त मान छ भने दायरा नाटकीय रूपमा परिवर्तन हुन सक्छ।
उदाहरणका लागि, डेटा: १०, ११, १२, १३, १४ मा ४ को दायरा छ। यदि १०० को एउटा मान थपियो भने, दायरा तुरुन्तै ९० बन्छ, यद्यपि धेरैजसो मानहरू अझै पनि १०-१४ को आसपास छन्।
त्यसकारण, दायरा प्रायः मानक विचलन वा इन्टरक्वार्टाइल दायरा (IQR) जस्ता अन्य मापनहरूद्वारा पूरक हुन्छ जुन आउटलियरहरूको लागि बढी प्रतिरोधी हुन्छन्।
केसिम्पुलन
डेटा सेटको दायरा तथ्याङ्कमा फैलावटको सबैभन्दा सरल मापन हो, जुन अधिकतम र न्यूनतम मानहरू बीचको भिन्नताको रूपमा गणना गरिन्छ। यसको सरलताको बावजुद, दायरा डेटा भिन्नताको प्रारम्भिक बुझाइ प्राप्त गर्न, समूहहरू तुलना गर्न र सम्भावित चरम मानहरू पहिचान गर्न धेरै उपयोगी छ। यद्यपि, किनभने यो आउटलियरहरूबाट धेरै प्रभावित छ र डेटाको वितरणलाई पूर्ण रूपमा प्रतिनिधित्व गर्दैन, दायरा अन्य सांख्यिकीय मापनहरूसँग संयोजनमा प्रयोग गरिन्छ।
डेटा दायराहरू कसरी गणना र व्याख्या गर्ने भनेर बुझेर, तपाईंले आधारभूत तथ्याङ्कीय विश्लेषण अझ छिटो र सही रूपमा गर्न सक्नुहुन्छ, र स्पष्ट डेटा सारांशहरू द्वारा समर्थित प्रारम्भिक निर्णयहरू लिन सक्नुहुन्छ।
