भिन्नता कसरी गणना गर्ने: एक पूर्ण गाइड
भिन्नता भनेको अर्थशास्त्र र इन्जिनियरिङदेखि मनोविज्ञान र तथ्याङ्कसम्म विभिन्न क्षेत्रहरूमा प्रयोग हुने आधारभूत तथ्याङ्क हो। यसले डेटा सेटमा मानहरू औसत वरिपरि कति हदसम्म फैलिएका छन् भन्ने बारेमा जानकारी प्रदान गर्दछ। यस लेखमा, हामी परिभाषादेखि व्यावहारिक चरणहरूसम्म, गहिराइमा भिन्नता कसरी गणना गर्ने भनेर अन्वेषण गर्नेछौं।
पेन्डाहुलुआन
भिन्नता बुझ्नको लागि, हामीले तथ्याङ्कका केही आधारभूत अवधारणाहरू बुझ्नु आवश्यक छ। भिन्नता भनेको डेटा सेटमा मानहरू मध्यबाट कति टाढा विचलित हुन्छन् भन्ने मापन हो। भिन्नतालाई प्रत्येक मान र मध्य बीचको वर्ग भिन्नताको औसतको रूपमा गणना गरिन्छ। भिन्नताले डेटामा "परिवर्तनशीलता" को संकेत प्रदान गर्दछ।
भिन्नताको परिभाषा
गणितीय रूपमा, भिन्नता यो हो:
\[ \पाठ{भिन्नता} ( \सिग्मा^२ ) = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \]
कहाँ:
– \( \sigma^2 \) जनसंख्या भिन्नता हो।
– \( N \) जनसंख्यामा रहेका मानहरूको कुल संख्या हो।
– \( x_i \) भनेको ith व्यक्तिको मान हो।
– \( \mu \) जनसंख्याको औसत हो।
नमूनाहरूको लागि, भिन्नता सूत्र अलि फरक छ:
\[ \text{नमूना भिन्नता} (s^2 ) = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \]
कहाँ:
– \( s^2 \) नमूना भिन्नता हो।
– \( n \) नमूनामा रहेका मानहरूको कुल संख्या हो।
– \( x_i \) नमूनामा ith व्यक्तिको मान हो।
– \( \bar{x} \) नमूनाको माध्य हो।
भिन्नता गणना गर्ने चरणहरू
ठोस उदाहरण मार्फत भिन्नता गणना गर्ने व्यावहारिक चरणहरूको समीक्षा गरौं।
उदाहरण: जनसंख्या भिन्नता गणना गर्दै
मानौं हामीसँग निम्न मानहरू मिलेर बनेको सानो डेटासेट छ: २, ४, ६, ८, १०।
चरण १: औसत (औसत) गणना गर्नुहोस्
\[ \mu = \frac{२ + ४ + ६ + ८ + १०}{५} = ६ \]
२. चरण २: प्रत्येक मानको औसतबाट भिन्नता गणना गर्नुहोस् र यसलाई वर्ग गर्नुहोस्।
\[
\begin{align} सुरु गर्नुहोस्
(४ – ६)^२ &= (-२)^२ = ४ \\
(४ – ६)^२ &= (-२)^२ = ४ \\
(१० – ६)^२ &= ४^२ = १६ \\
(१० – ६)^२ &= ४^२ = १६ \\
(१० – ६)^२ &= ४^२ = १६ \\
\अन्त्य{पङ्क्तिबद्ध गर्नुहोस्}
\]
३. चरण ३: भिन्नताका सबै वर्गहरू थप्नुहोस्
\[ ८ + १० + १२ + १४ + १६ = ६० \]
४. चरण ४: भिन्नताहरूको वर्गहरूको योगलाई मानहरूको संख्या (N) ले भाग गर्नुहोस्।
\[ \सिग्मा^२ = \फ्राक{१४.८}{५} = २.९६ \]
त्यसैले, यस तथ्याङ्कको जनसंख्या भिन्नता ८ छ।
उदाहरण: नमुना भिन्नता गणना गर्दै
अब, मानौं हामीले माथिको डेटासेटबाट एउटा सानो नमूना लिन्छौं: २, ४, ६।
चरण १: नमूना औसत गणना गर्नुहोस्
\[ \bar{x} = \frac{2 + 4 + 6}{3} = 4 \]
२. चरण २: प्रत्येक मानको औसतबाट भिन्नता गणना गर्नुहोस् र यसलाई वर्ग गर्नुहोस्।
\[
\begin{align} सुरु गर्नुहोस्
(४ – ६)^२ &= (-२)^२ = ४ \\
(१० – ६)^२ &= ४^२ = १६ \\
(१० – ६)^२ &= ४^२ = १६ \\
\अन्त्य{पङ्क्तिबद्ध गर्नुहोस्}
\]
३. चरण ३: भिन्नताका सबै वर्गहरू थप्नुहोस्
\[ ४ + ० + ४ = ८ \]
चरण ४: भिन्नताहरूको वर्गहरूको योगफललाई (n – १) ले भाग गर्नुहोस्।
\[ s^2 = \frac{8}{3-1} = \frac{8}{2} = ४ \]
त्यसैले, यस डेटाको नमूना भिन्नता ४ हो।
जनसंख्या र नमूनामा भिन्नता
जनसंख्या भिन्नता र नमूना भिन्नता बीचको भिन्नता बुझ्नु महत्त्वपूर्ण छ। जनसंख्या भिन्नताले सम्पूर्ण जनसंख्यामा डेटाको फैलावट मापन गर्दछ, जबकि नमूना भिन्नताले जनसंख्याको उपसमूह (नमूना) भित्रको फैलावट मापन गर्दछ। धेरै अवस्थामा, जनसंख्या भिन्नता अनुमान गर्न नमूना भिन्नता प्रयोग गरिन्छ। नमूना भिन्नताको गणनामा \( (n-1) \) ले भाग गर्दा जनसंख्या भिन्नताको अनुमानमा पूर्वाग्रह कम हुन्छ।
भिन्नता आवेदन
भिन्नता विभिन्न अनुप्रयोगहरूमा प्रयोग गरिन्छ, जस्तै:
१. वित्तीय जोखिम विश्लेषण: वित्तमा, जोखिम मापन गर्न र लगानी पोर्टफोलियो व्यवस्थापन गर्न भिन्नता प्रयोग गरिन्छ। उच्च भिन्नता भनेको जोखिमपूर्ण लगानी हो।
२. सामाजिक विज्ञान: मनोविज्ञान वा समाजशास्त्र अनुसन्धानमा, जनसंख्या समूहहरू बीचको भिन्नता मापन गर्न भिन्नता प्रयोग गरिन्छ।
३. गुणस्तर नियन्त्रण: उत्पादनमा, उत्पादनको गुणस्तर निगरानी र नियन्त्रण गर्न भिन्नताहरू प्रयोग गरिन्छ।
४. प्रयोगात्मक तथ्याङ्क: प्रयोगात्मक परिणामहरूको विश्लेषण गर्न र भिन्नताहरूको महत्त्व निर्धारण गर्न प्रयोग गरिन्छ।
भिन्नता र मानक विचलन
भिन्नता प्रायः मानक विचलनसँग संयोजनमा प्रयोग गरिन्छ, जुन भिन्नताको वर्गमूल हो। मानक विचलनले भिन्नता भन्दा फैलावटको बढी प्रत्यक्ष र सजिलै व्याख्या गरिएको मापन प्रदान गर्दछ। दुई बीचको समीकरण यस प्रकार छ:
\[ \text{मानक विचलन} (\sigma) = \sqrt{\text{भिन्नता} (\sigma^2)} \]
केसिम्पुलन
भिन्नता गणना गर्नु तथ्याङ्कीय विश्लेषणको एक महत्त्वपूर्ण भाग हो, जसले डेटा सेट भित्र फैलावट वा फैलावटको मापन प्रदान गर्दछ। आधारभूत अवधारणाहरू बुझेर र भिन्नता कसरी गणना गर्ने भनेर बुझेर, हामी डेटालाई राम्रोसँग विश्लेषण गर्न, जोखिम मूल्याङ्कन गर्न र थप सूचित निर्णयहरू गर्न सक्छौं।
चाहे अधिक वैज्ञानिक विश्लेषणको लागि जनसंख्या भिन्नता प्रयोग गर्ने होस् वा डेटाको उपसमूहबाट अनुमानको लागि नमूना भिन्नता प्रयोग गर्ने होस्, भिन्नताको पूर्ण बुझाइले हामीलाई डेटामा रहेको विविधता बुझ्न र यसलाई विभिन्न वास्तविक-विश्व परिस्थितिहरूमा लागू गर्न मद्दत गर्दछ। आशा छ, यो लेखले भिन्नता बुझ्न र गणना गर्न व्यावहारिक र उपयोगी गाइड प्रदान गर्दछ।
