अनुसन्धानमा तथ्याङ्कीय सूत्रहरू

अनुसन्धानमा तथ्याङ्कीय सूत्रहरू

तथ्याङ्क गणितको एक शाखा हो जुन डेटाको सङ्कलन, विश्लेषण, व्याख्या र प्रस्तुतीकरणसँग सम्बन्धित छ। अनुसन्धानमा, चाहे विज्ञान, इन्जिनियरिङ, सामाजिक विज्ञान, वा मानविकीमा नै किन नहोस्, तथ्याङ्कले अनुसन्धानकर्ताहरूलाई परिकल्पनाहरू परीक्षण गर्न, भविष्यवाणी गर्न र निष्कर्ष निकाल्न मद्दत गर्न महत्त्वपूर्ण भूमिका खेल्छ। यस लेखले केही आधारभूत तथ्याङ्कीय सूत्रहरू र अनुसन्धानमा तिनीहरूको प्रयोगको बारेमा छलफल गर्नेछ।

२.१. वर्णनात्मक तथ्याङ्क

अध्ययनमा सङ्कलन गरिएको तथ्याङ्क वर्णन गर्न वर्णनात्मक तथ्याङ्कहरू प्रयोग गरिन्छ। तिनीहरूमा डेटाको सिंहावलोकन प्रदान गर्ने विभिन्न उपायहरू समावेश हुन्छन्।

a. औसत (औसत)
तथ्याङ्कमा सबैभन्दा बढी प्रयोग हुने मान माध्य हो। यो डेटासेटमा भएका सबै मानहरूको कुल योगफललाई मानहरूको संख्याले भाग गर्दा प्राप्त हुने रकम हो।

\[ \पाठ{औषध} (\बार{x}) = \frac{\sum_{i=1}^{n} x_i}{n} \]

कहाँ:
– \( \sum \) योग चिन्ह हो, जसको अर्थ १ देखि \( n \) सम्मका \( x \) का सबै मानहरू जोड्नु हो।
– \( x_i \) डेटासेटमा भएका प्रत्येक मान हो।
– \( n \) डेटासेटमा रहेका मानहरूको कुल संख्या हो।

ख. मध्यक
क्रमबद्ध डेटासेटमा मध्य मान मध्य मान हो। यदि डेटामा मानहरूको संख्या बिजोर छ भने, मध्य मान मध्य मान हो। यदि मानहरूको संख्या सम छ भने, मध्य दुई मध्य मानहरूको औसत हो।

ग. मोड
मोड भनेको डेटासेटमा प्रायः देखिने मान हो। डेटासेटमा एउटा मोड (युनिमोडल), एकभन्दा बढी मोड (बहुमोडल), वा कुनै पनि मोड नहुन सक्छ।

घ. दायरा
दायरा भनेको डेटासेटमा रहेको अधिकतम र न्यूनतम मानहरू बीचको भिन्नता हो।

\[ \text{दायरा} = \text{अधिकतम}(x) – \text{न्यूनतम}(x) \]

e. मानक विचलन
मानक विचलन भनेको औसत वरिपरि डेटाको फैलावट वा फैलावटको मापन हो। जनसंख्या मानक विचलनको सूत्र यस प्रकार छ:

\[ \सिग्मा = \sqrt{\frac{\sum_{i=1}^{N} (x_i – \mu)^2}{N}} \]

र नमूनाको लागि:

\[ s = \sqrt{\frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n-1}} \]

कहाँ:
– \( \sigma \) जनसंख्या मानक विचलन हो।
– \( s \) नमूना मानक विचलन हो।
– \( x_i \) डेटासेटमा भएका प्रत्येक मान हो।
– \( \mu \) जनसंख्याको औसत हो।
– \( \bar{x} \) नमूनाको माध्य हो।
– \( N \) जनसंख्यामा रहेका मानहरूको कुल संख्या हो।
– \( n \) नमूनामा रहेका मानहरूको कुल संख्या हो।

२. अनुमानित तथ्याङ्क

अनुमानित तथ्याङ्कले अनुसन्धानकर्ताहरूलाई डेटाको नमूनाको आधारमा जनसंख्याको बारेमा निष्कर्ष निकाल्न अनुमति दिन्छ। यसले परिकल्पना परीक्षण, प्रतिगमन, र भिन्नताको विश्लेषण (ANOVA) जस्ता विभिन्न प्रविधिहरू समावेश गर्दछ।

a. परिकल्पना परीक्षण
परिकल्पना परीक्षण भनेको जनसंख्यामा कुनै अवस्था सत्य छ भनी निष्कर्ष निकाल्न डेटाको नमूनामा पर्याप्त प्रमाण छ कि छैन भनेर निर्धारण गर्न प्रयोग गरिने तथ्याङ्कीय प्रक्रिया हो।

i. शून्य परिकल्पना (H0) र वैकल्पिक परिकल्पना (H1)

– शून्य परिकल्पना (H0): कुनै भिन्नता वा प्रभाव छैन।
– वैकल्पिक परिकल्पना (H1): त्यहाँ भिन्नता वा प्रभाव छ।

परीक्षण t-परीक्षण, ची-स्क्वायर परीक्षण, वा ANOVA जस्ता परीक्षण तथ्याङ्क प्रयोग गरेर गरिन्छ, र p-मानलाई महत्त्व स्तर (\(\alpha\)) सँग तुलना गरिन्छ, सामान्यतया ०.०५।

ii. t-परीक्षण
t-परीक्षण दुई समूहहरूको साधन तुलना गर्न प्रयोग गरिन्छ। t-परीक्षणका धेरै भिन्नताहरू छन्, जस्तै स्वतन्त्र नमूना t-परीक्षण र जोडी t-परीक्षण।

स्वतन्त्र नमूनाहरूको लागि t-परीक्षणको आधारभूत सूत्र यो हो:

\[ t = \frac{\bar{x}_1 – \bar{x}_2}{\sqrt{\left( \frac{s_1^2}{n_1} \right) + \left( \frac{s_2^2}{n_2} \right)}} \]

ख. प्रतिगमन
एक वा बढी स्वतन्त्र चरहरू (भविष्यवाणीकर्ताहरू) र निर्भर चर (प्रतिक्रिया) बीचको सम्बन्ध मोडेल गर्न प्रतिगमन प्रयोग गरिन्छ।

i. साधारण रेखीय प्रतिगमन
साधारण रेखीय प्रतिगमनले एउटा स्वतन्त्र चर र एउटा निर्भर चर बीचको सम्बन्धलाई मोडेल गर्छ।

सरल रेखीय प्रतिगमन समीकरण यो हो:

\[ y = \beta_0 + \beta_1 x + \epsilon \]

कहाँ:
– \( y \) निर्भर चर हो।
– \( x \) स्वतन्त्र चर हो।
– \( \beta_0 \) अवरोध हो।
– \( \beta_1 \) प्रतिगमन गुणांक हो।
– \( \epsilon \) एउटा त्रुटि हो।

ii. बहु रेखीय प्रतिगमन
बहु रेखीय प्रतिगमनले बहु स्वतन्त्र चरहरू र एउटा निर्भर चर बीचको सम्बन्धलाई मोडेल गर्छ।

बहु रेखीय प्रतिगमन समीकरण यो हो:

\[ y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + \ldots + \beta_p x_p + \epsilon \]

कहाँ:
– \( y \) निर्भर चर हो।
– \( x_1, x_2, \ldots, x_p \) स्वतन्त्र चर हो।
– \( \beta_0 \) अवरोध हो।
– \( \beta_p \) स्वतन्त्र चर \( p \) को लागि प्रतिगमन गुणांक हो।
– \( \epsilon \) एउटा त्रुटि हो।

ग. भिन्नताको विश्लेषण (ANOVA)
ANOVA तीन वा बढी समूहहरूको माध्यम तुलना गर्न प्रयोग गरिन्छ। ANOVA ले समूहहरू बीचको परिवर्तनशीलतालाई समूहहरू भित्रको परिवर्तनशीलतासँग तुलना गरेर समूह माध्यमहरू बीच महत्त्वपूर्ण भिन्नता छ कि छैन भनेर निर्धारण गर्दछ।

ANOVA को लागि आधारभूत सूत्र यो हो:

\[ F = \frac{\text{समूह-बीचको परिवर्तनशीलता}}{\text{समूह-भित्रको परिवर्तनशीलता}} \]

समूह साधनहरू बीच महत्त्वपूर्ण भिन्नता छ कि छैन भनेर निर्धारण गर्न F-तथ्याङ्क गणना गरिन्छ र F वितरणको महत्वपूर्ण मानसँग तुलना गरिन्छ।

३. सहसम्बन्ध

सहसम्बन्धले दुई चरहरू बीचको रेखीय सम्बन्धको बल र दिशा मापन गर्दछ।

a. पियर्सन सहसम्बन्ध गुणांक (r)
दुई चरहरू बीचको रेखीय सहसम्बन्ध मापन गर्न पियर्सनको सहसम्बन्ध गुणांक सबैभन्दा बढी प्रयोग हुने मापन हो।

पियर्सन सहसम्बन्ध गुणांकको सूत्र यस प्रकार छ:

\[ r = \frac{\sum_{i=1}^{n} (x_i – \bar{x})(y_i – \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i – \bar{x})^2} \sqrt{\sum_{i=1}^{n} (y_i – \bar{y})^2}} \]

कहाँ:
– \( r \) पियर्सन सहसम्बन्ध गुणांक हो।
– \( x_i \) र \( y_i \) दुई चरका मानहरू हुन्।
– \( \bar{x} \) र \( \bar{y} \) दुई चरहरूको औसत हुन्।

\( r \) मान -१ (पूर्ण नकारात्मक सहसम्बन्ध) देखि +१ (पूर्ण सकारात्मक सहसम्बन्ध) सम्म हुन्छ, जसमा ० ले कुनै सहसम्बन्ध नभएको जनाउँछ।

बन्द

तथ्याङ्क एक महत्त्वपूर्ण अनुसन्धान उपकरण हो जसले अनुसन्धानकर्ताहरूलाई डेटा प्रस्तुत गर्न, विश्लेषण गर्न र निष्कर्ष निकाल्न मद्दत गर्दछ। यस लेखले वर्णनात्मक र अनुमानित तथ्याङ्कका साथै सहसम्बन्धका केही आधारभूत सूत्रहरू मात्र समेट्छ। सरल भए पनि, यी सूत्रहरूको पूर्ण बुझाइ वैध विश्लेषणहरू सञ्चालन गर्न र अनुसन्धान डेटाबाट सही निष्कर्ष निकाल्नको लागि महत्वपूर्ण छ। तथ्याङ्कमा निपुणता हासिल गरेर, अनुसन्धानकर्ताहरूले आफ्ना निष्कर्षहरू ठोस र भरपर्दो विश्लेषणमा आधारित छन् भनी सुनिश्चित गर्न सक्छन्।