आधारभूत अनुमानित तथ्याङ्क: परिभाषा, विधिहरू, र अनुप्रयोगहरू
तथ्याङ्क भनेको तथ्याङ्क सङ्कलन, प्रशोधन, विश्लेषण, व्याख्या र प्रस्तुत गर्ने तरिकाको अध्ययन गर्ने विज्ञान हो। तथ्याङ्कलाई व्यापक रूपमा दुई मुख्य शाखाहरूमा विभाजन गरिएको छ: वर्णनात्मक तथ्याङ्क र अनुमानित तथ्याङ्क। वर्णनात्मक तथ्याङ्कले तालिका, ग्राफ र केन्द्रीय प्रवृत्ति र फैलावटका विभिन्न मापनहरू जस्ता सजिलै बुझ्न सकिने ढाँचाहरूमा डेटा प्रस्तुत गर्ने र संक्षेप गर्ने कुरामा केन्द्रित हुन्छ। अर्कोतर्फ, अनुमानित तथ्याङ्कले हामीलाई नमूना डेटाको आधारमा जनसंख्याको बारेमा भविष्यवाणी वा अनुमानहरू गर्न अनुमति दिन्छ।
अनुमानित तथ्याङ्क तथ्याङ्कको एउटा शाखा हो जसले हामीलाई नमूनाबाट लिइएको डेटाको आधारमा जनसंख्याको बारेमा अनुमान लगाउन वा निष्कर्ष निकाल्न अनुमति दिन्छ। यो प्रयोग महत्त्वपूर्ण छ किनभने सम्पूर्ण जनसंख्याबाट डेटा सङ्कलन गर्न प्रायः असम्भव हुन्छ। अनुमानित तथ्याङ्कीय विधिहरू मार्फत, हामी जनसंख्याको बारेमा अनुमान वा परिकल्पनाहरू बनाउन सक्छौं र ती अनुमानहरूमा विश्वासको स्तर मापन गर्न सक्छौं।
आधारभूत बुझाइ र मुख्य अवधारणाहरू
जनसंख्या र नमूना
– जनसंख्या: अनुसन्धानको विषय भएका व्यक्तिहरू वा वस्तुहरूको सम्पूर्ण संग्रहलाई जनाउँछ। उदाहरणका लागि, विश्वविद्यालयका सबै विद्यार्थीहरू।
– नमूना: जनसंख्याको बारेमा निष्कर्ष निकाल्न अनुसन्धानको लागि चयन गरिएको जनसंख्याको उपसमूह वा भाग। उदाहरणका लागि, विश्वविद्यालयबाट अनियमित रूपमा १०० विद्यार्थीहरू छनोट गरिएका।
प्यारामिटर र तथ्याङ्क
- प्यारामिटर: एउटा संख्यात्मक मान हो जसले जनसंख्याको विशेषता (जस्तै जनसंख्या औसत) वर्णन गर्दछ।
– तथ्याङ्क: यी संख्यात्मक मानहरू हुन् जसले नमूनाको विशेषता वर्णन गर्दछ (जस्तै नमूनाको औसत)।
अनुमानित तथ्याङ्कमा विधिहरू
अनुमानित तथ्याङ्कमा विभिन्न विधिहरू छन् जुन प्रायः प्रयोग गरिन्छ, जस्तै:
१. प्यारामिटर अनुमान
- प्यारामिटर अनुमानमा जनसंख्या प्यारामिटरको मान अनुमान (वा भविष्यवाणी) गर्न नमूना डेटा प्रयोग गर्नु समावेश छ। अनुमानका दुई मुख्य प्रकारहरू छन्:
– बिन्दु अनुमान: जनसंख्या प्यारामिटरको एकल अनुमान। उदाहरणका लागि, जनसंख्या औसत अनुमान गर्न नमूना औसत प्रयोग गर्दै।
- आत्मविश्वास अन्तराल: निश्चित स्तरको विश्वासको साथ जनसंख्या प्यारामिटर मान समावेश गर्ने अनुमान गरिएको वा अपेक्षित मानहरूको दायरा।
२. परिकल्पना परीक्षण
- परिकल्पना परीक्षण प्रक्रियामा दुई परिकल्पनाहरू समावेश हुन्छन्, अर्थात् शून्य परिकल्पना (H0) जसले कुनै प्रभाव वा भिन्नता नभएको बताउँछ, र वैकल्पिक परिकल्पना (H1) जसले प्रभाव वा भिन्नता रहेको बताउँछ।
- परिकल्पना परीक्षणको उद्देश्य नमूना डेटाबाट वैकल्पिक परिकल्पनाको पक्षमा शून्य परिकल्पनालाई अस्वीकार गर्न पर्याप्त प्रमाण छ कि छैन भनेर निर्धारण गर्नु हो।
- परिकल्पना परीक्षणका चरणहरू समावेश छन्:
१. दुई परिकल्पनाहरू (हो र हा) बताउनुहोस्।
२. महत्वको स्तर (अल्फा) चयन गर्नुहोस्।
३. तथ्याङ्क सङ्कलन र विश्लेषण गर्नुहोस्।
४. p-मान वा परीक्षण तथ्याङ्क निर्धारण गर्नुहोस्।
५. p-मान र महत्व स्तरको आधारमा निष्कर्ष निकाल्नुहोस्।
३. प्रतिगमन विश्लेषण
- दुई वा बढी चरहरू बीचको सम्बन्ध बुझ्न प्रयोग गरिन्छ।
- एउटा साधारण रेखीय प्रतिगमन मोडेलमा एउटा स्वतन्त्र चर (भविष्यसूचक) र एउटा निर्भर चर (प्रतिक्रिया) बीचको सम्बन्ध समावेश हुन्छ।
- बहु रेखीय प्रतिगमन मोडेलहरूमा एक भन्दा बढी स्वतन्त्र चरहरू समावेश हुन्छन्।
४. भिन्नताको विश्लेषण (ANOVA)
- तीन वा बढी समूहहरू बीचको साधनको तुलना गर्न र कम्तिमा एउटा समूह अरूभन्दा फरक छ कि छैन भनेर निर्धारण गर्न प्रयोग गरिन्छ।
- एकतर्फी ANOVA मा एउटा कारक वा स्वतन्त्र चर समावेश हुन्छ, जबकि दुईतर्फी ANOVA मा दुई कारक वा स्वतन्त्र चरहरू समावेश हुन्छन्।
अनुमानित तथ्याङ्कका प्रयोगहरू
अनुमानित तथ्याङ्कका प्रयोगहरू विभिन्न क्षेत्रहरूमा पाउन सकिन्छ, जसमा समावेश छन्:
– स्वास्थ्य: पुरानो उपचारको तुलनामा नयाँ उपचारको प्रभावकारिता निर्धारण गर्न।
– व्यवसाय: ग्राहक सन्तुष्टि मापन गर्न र भविष्यको बिक्रीको बारेमा भविष्यवाणी गर्न।
– मनोविज्ञान: बिरामीको मानसिक अवस्था सुधार गर्न उपचार वा हस्तक्षेपको प्रभावकारिताको मूल्याङ्कन गर्न।
– शिक्षा: नयाँ पाठ्यक्रम वा विशेष शिक्षण विधिको प्रभावकारिता मूल्याङ्कन गर्न।
– सामाजिक विज्ञान: सर्वेक्षण डेटा विश्लेषण गर्न र सामाजिक व्यवहारको बारेमा निष्कर्ष निकाल्न।
केस स्टडी र उदाहरणहरू
अनुमानित तथ्याङ्कको कार्यान्वयनको उदाहरणको रूपमा, यहाँ शिक्षाको क्षेत्रमा एउटा साधारण केस स्टडी छ:
केस स्टडी: नयाँ शिक्षण प्रविधिहरूको प्रभावकारिता
स्कूल A मा गणित शिक्षिकाले विद्यार्थीको प्रदर्शन सुधार गर्न पुरानो भन्दा नयाँ शिक्षण प्रविधि बढी प्रभावकारी छ कि छैन भनेर निर्धारण गर्न चाहन्थिन्। यो गर्न, उनले विद्यार्थीहरूको दुई समूहबाट डेटा प्रयोग गरिन्: एउटा समूहले पुरानो शिक्षण प्रविधि (नियन्त्रण समूह) प्रयोग गरेर पढाउँथ्यो र अर्कोले नयाँ शिक्षण प्रविधि (प्रयोगात्मक समूह) प्रयोग गरेर पढाउँथ्यो।
विश्लेषण चरणहरू:
१. परिकल्पना सूत्रीकरण
– हो: दुई समूहहरू बीचको औसत परीक्षा स्कोरमा कुनै भिन्नता छैन।
– हा: दुई समूहहरू बीचको औसत परीक्षा स्कोरमा भिन्नता छ।
२. तथ्याङ्क सङ्कलन
- दुवै समूहबाट परीक्षण स्कोर डेटा सङ्कलन गर्नुहोस्।
३. तथ्याङ्कीय विश्लेषण
- दुई माध्यमहरूको तुलना गर्न स्वतन्त्र t-परीक्षण प्रयोग गर्दै।
- महत्व स्तर चयन गर्नुहोस् (जस्तै, अल्फा = ०.०५)।
४. गणना र व्याख्या
- t-तथ्याङ्क र p-मान गणना गर्नुहोस्।
– यदि p-मान <alfa, अस्वीकार गर्नुहोस् Ho। यसले नयाँ शिक्षण प्रविधिको महत्त्वपूर्ण प्रभाव रहेको संकेत गर्छ। निष्कर्ष: अनुमानित तथ्याङ्कले डेटा विश्लेषण र निर्णय लिने कार्यमा महत्त्वपूर्ण भूमिका खेल्छ। माथि उल्लेख गरिएका सिद्धान्तहरू र विधिहरू मार्फत, हामी मान्य निष्कर्षहरू निकाल्न सक्छौं र राम्रो, अधिक सूचित निर्णयहरू लिन सक्छौं। अनुमानित तथ्याङ्कको अवधारणाहरूमा महारत हासिल गर्नु धेरै उपयोगी हुनेछ, केवल शिक्षामा मात्र नभई दैनिक जीवन र अन्य विभिन्न व्यावसायिक क्षेत्रहरूमा पनि। त्यसकारण, अनुमानित तथ्याङ्कको आधारभूत कुराहरूको राम्रो बुझाइ डेटा विश्लेषण र अनुसन्धानमा संलग्न जो कोहीको लागि महत्त्वपूर्ण पहिलो चरण हो।
