सकारात्मक र नकारात्मक ओगिभहरू प्रयोग गरेर डेटा प्रस्तुतीकरण प्रविधिहरू
तथ्याङ्कमा, डेटा प्रस्तुतीकरण भनेको केवल तालिका वा ग्राफहरूमा संख्याहरू राख्नु मात्र होइन, बरु विश्लेषणको लागि तयार सजिलै बुझ्न सकिने जानकारीमा कच्चा डेटा रूपान्तरण गर्नु हो। फ्रिक्वेन्सी वितरण ढाँचाहरू र संचयी फ्रिक्वेन्सीहरू कल्पना गर्न प्रायः प्रयोग गरिने एउटा दृश्य प्रविधि ओगिभ हो। ओगिभहरू सामान्यतया प्रयोग गरिन्छ जब डेटालाई अन्तराल वर्गहरूमा समूहबद्ध गरिन्छ, जस्तै १०-बिन्दु दायरा प्रति परीक्षण स्कोर, ५-सेमी दायरा प्रति उचाइ, वा प्रति विशिष्ट दायरा आय। ओगिभहरूका दुई मुख्य प्रकारहरू छन्: सकारात्मक ओगिभहरू (सञ्चित "भन्दा कम") र नकारात्मक ओगिभहरू (सञ्चित "भन्दा बढी")। दुबैले एउटै डेटामा फरक दृष्टिकोण प्रदान गर्छन्।
ओगिभ बुझ्दै
ओगिभ भनेको वितरणको संचयी आवृत्तिलाई चित्रण गर्ने ग्राफ हो। संचयी आवृत्तिले अन्तराल वर्गहरू पछ्याउँदै क्रमिक रूपमा थपिएका फ्रिक्वेन्सीहरूको योगलाई जनाउँछ। ओगिभ प्रयोग गरेर, हामी फ्रिक्वेन्सीहरू कति छिटो बढ्छ वा घट्छ भनेर हेर्न सक्छौं, मध्यक, चतुर्थक र प्रतिशतकहरूको स्थान निर्धारण गर्न सक्छौं, र डेटा वितरणको प्रवृत्ति बुझ्न सक्छौं।
सामान्यतया, ओजिभहरू रेखा चार्टको रूपमा प्रस्तुत गरिन्छन्। तेर्सो अक्ष (X-अक्ष) मा वर्ग सीमाहरू हुन्छन्, जबकि ठाडो अक्ष (Y-अक्ष) मा संचयी आवृत्तिहरू हुन्छन्। सकारात्मक र नकारात्मक ओजिभहरू बीचको भिन्नता प्रयोग गरिएको वर्ग सीमाहरूको प्रकार र आवृत्ति संचयको दिशामा निहित हुन्छ।
सकारात्मक ओगिभ (भन्दा कम)
आधारभूत अवधारणाहरू
सकारात्मक ओगिभ भनेको ओगिभ हो जसले भन्दा कमको संचयी आवृत्तिलाई चित्रण गर्दछ। यसको अर्थ फ्रिक्वेन्सीहरूलाई सबैभन्दा तल्लो वर्गबाट उच्चतम वर्गमा सारांशित गरिन्छ। सकारात्मक ओगिभमा, ग्राफमा रहेका बिन्दुहरू सामान्यतया माथिल्लो वर्गको सीमामा अवस्थित हुन्छन्। किनभने तिनीहरू तलबाट जम्मा हुन्छन्, सकारात्मक ओगिभ ग्राफ बायाँबाट दायाँतिर माथितिर ढल्किन्छ।
सकारात्मक ओगिभ विकास गर्ने चरणहरू
व्यवस्थित सकारात्मक ओगिभ प्रयोग गरेर डेटा प्रस्तुत गर्न, निम्न चरणहरू पालना गर्न सकिन्छ:
१. फ्रिक्वेन्सी वितरण तालिका तयार गर्नुहोस्
कच्चा डेटालाई वर्ग अन्तरालहरूमा समूहबद्ध गरिन्छ, त्यसपछि फ्रिक्वेन्सीहरू गणना गरिन्छ।
२. भन्दा कमको संचयी आवृत्ति गणना गर्नुहोस्
पहिलो वर्गको आवृत्ति पहिलो संचयी आवृत्ति बन्छ। त्यसपछिका वर्गहरूको लागि, त्यो वर्गको आवृत्ति अघिल्लो संचयी आवृत्तिमा थप्नुहोस्।
३. प्रत्येक कक्षाको माथिल्लो सीमा निर्धारण गर्नुहोस्।
यदि डेटा पूर्णांकहरू हुन् र वर्ग अन्तरालहरू ओभरल्याप हुँदैनन् भने, "वर्ग सीमा" को अवधारणा प्रायः प्रयोग गरिन्छ। उदाहरणका लागि, वर्ग ५०-५९ को किनारा ४९.५-५९.५ छ, त्यसैले यसको माथिल्लो सीमा ५९.५ हो।
४. निर्देशांक अक्षहरू सिर्जना गर्नुहोस्
- X-अक्ष: प्रत्येक कक्षाको माथिल्लो सीमा (माथिल्लो किनारा)
- Y अक्ष: भन्दा कम संचयी आवृत्ति
५. बिन्दुहरू प्लट गर्नुहोस् र तिनीहरूलाई जोड्नुहोस्
प्रत्येक माथिल्लो वर्ग सीमालाई यसको संचयी आवृत्तिसँग मिलाउनुहोस्, त्यसपछि बिन्दुहरूलाई रेखाले जोड्नुहोस्।
सकारात्मक ओगिभको प्रयोग
सकारात्मक ओगिभहरू निम्नका लागि धेरै उपयोगी छन्:
- निश्चित सीमाभन्दा कम मूल्य भएको डेटाको मात्रा थाहा पाउनु।
– Y-अक्षबाट वक्र र त्यसपछि X-अक्षमा रेखा कोरेर मध्यक, चतुर्थक र प्रतिशतक निर्धारण गर्नुहोस्।
– डेटाका दुई समूहहरूको वितरण (उदाहरणका लागि, वर्ग A बनाम वर्ग B मानहरू) लाई "भन्दा कम" को संचयी रूपमा तुलना गर्नुहोस्।
नकारात्मक ओगिभ (भन्दा ठूलो)
आधारभूत अवधारणाहरू
सकारात्मक ओगिभको विपरीत, नकारात्मक ओगिभले भन्दा बढीको संचयी आवृत्ति देखाउँछ। फ्रिक्वेन्सीलाई उच्चतम वर्गबाट तल्लो वर्गमा सारांशित गरिन्छ, वा व्यावहारिक रूपमा, यसलाई डेटा बिन्दुहरूको संख्याको रूपमा गणना गर्न सकिन्छ जसको मानहरू निश्चित सीमाभन्दा माथि छन्। नकारात्मक ओगिभमा बिन्दु सामान्यतया तल्लो वर्ग सीमामा राखिएको हुन्छ। किनभने संचय माथिबाट हुन्छ, नकारात्मक ओगिभ ग्राफ बायाँबाट दायाँ घट्ने गर्छ।
नकारात्मक ओगिभ संकलनका लागि चरणहरू
नकारात्मक ओगिभ प्रयोग गरेर डेटा प्रस्तुत गर्ने प्रक्रिया निम्न छ:
१. फ्रिक्वेन्सी वितरण तालिका तयार गर्नुहोस्
सकारात्मक ओगिभ जस्तै, डेटा समूहबद्ध गरिन्छ र त्यसपछि फ्रिक्वेन्सी गणना गरिन्छ।
२. भन्दा बढीको संचयी आवृत्ति गणना गर्नुहोस्
उच्चतम वर्गबाट सुरु गर्दै, पहिलो संचयी आवृत्ति उच्चतम वर्गको आवृत्ति हो। अर्को वर्ग (तल) त्यो वर्गको फ्रिक्वेन्सीहरू र अघिल्लो संचयी आवृत्तिको योग हो।
३. प्रत्येक कक्षाको तल्लो सीमा निर्धारण गर्नुहोस्
निरन्तर डेटाको लागि तल्लो वर्ग सीमा प्रयोग गर्नुहोस्। उदाहरणका लागि, वर्ग ५०–५९ को तल्लो सीमा ४९.५ छ।
४. निर्देशांक अक्षहरू सिर्जना गर्नुहोस्
- X-अक्ष: प्रत्येक कक्षाको तल्लो सीमा (तल्लो किनारा)
- Y अक्ष: भन्दा बढी संचयी आवृत्ति
५. बिन्दुहरू प्लट गर्नुहोस् र तिनीहरूलाई जोड्नुहोस्
बिन्दुहरूलाई तल्लो वर्ग सीमा र "भन्दा बढी" को संचयी आवृत्तिको बीचमा प्लट गरिएको छ, त्यसपछि रेखासँग जोडिएको छ।
नकारात्मक ओगिभको प्रयोग
नकारात्मक ओगिभहरू निम्नका लागि उपयोगी छन्:
- निश्चित सीमाभन्दा माथिको मान भएको डेटाको मात्रा थाहा पाउनु।
- तथ्याङ्कमा "माथिल्लो समूह" को अनुपात विश्लेषण गर्नुहोस्, उदाहरणका लागि कति विद्यार्थीहरूले ८० भन्दा बढी अंक प्राप्त गरे।
- वितरणको स्थिरता जाँच गर्न सकारात्मक ओगिभको तुलनाको रूपमा काम गर्दछ।
सकारात्मक र नकारात्मक ओगिभहरू बीचको मुख्य भिन्नताहरू
यद्यपि तिनीहरू दुवै ओगिभ हुन्, तिनीहरूका फरक विशेषताहरू छन्:
१. संचय दिशा
- सकारात्मक: निम्न वर्गबाट उच्च वर्ग (भन्दा कम)
- नकारात्मक: उच्च वर्गबाट निम्न वर्गमा (भन्दा बढी)
२. X-अक्षमा वर्ग सीमाहरू
- सकारात्मक: कक्षाको माथिल्लो सीमा
- नकारात्मक: कक्षाको कम सीमा
३. ग्राफ फारम
- सकारात्मक: बढ्ने सम्भावना हुन्छ
- नकारात्मक: घट्ने गर्छ
४. जोड दिइएको जानकारी
- सकारात्मक: मानभन्दा तल संचयी डेटा
- ऋणात्मक: मानभन्दा माथि संचयी डेटा
अभ्यासमा, दुबै ओगिभहरूलाई एकल निर्देशांक समतलमा एकैसाथ प्रस्तुत गर्न सकिन्छ। यदि सावधानीपूर्वक निर्माण गरियो भने, तिनीहरू एक विशिष्ट बिन्दुमा "भेट्नेछन्", जसले मध्यकको दृश्य निर्धारणमा सहयोग गर्नेछ।
ओगिभको साथ मध्यक र चतुर्थक निर्धारण गर्दै
ओगिभको एउटा फाइदा भनेको स्थानको आकार ग्राफिक रूपमा पत्ता लगाउन मद्दत गर्ने क्षमता हो:
– मध्यक (Q2): \( \frac{N}{2} \) को Y-अक्षमा मान पत्ता लगाउनुहोस्, जहाँ \(N\) डेटाको कुल संख्या हो। धनात्मक ओगिभ वक्रमा तेर्सो रेखा कोर्नुहोस्, त्यसपछि यसलाई X-अक्षमा खसाल्नुहोस्।
– पहिलो चतुर्थक (Q1): \( \frac{N}{4} \) प्रयोग गर्नुहोस्
– तेस्रो चतुर्थक (Q3): \( \frac{3N}{4} \) प्रयोग गर्नुहोस्
यो विधि विशेष गरी डेटा समूहबद्ध गर्दा उपयोगी हुन्छ, किनकि कच्चा डेटा सूचीबाट मध्यक तुरुन्तै देखिँदैन।
बेवास्ता गर्नुपर्ने सामान्य गल्तीहरू
सकारात्मक वा नकारात्मक अभिव्यक्ति दिँदा, निम्न गल्तीहरू प्रायः हुन्छन्:
१. वर्ग सीमा होइन, वर्ग मध्यबिन्दु प्रयोग गर्नुहोस्। ओगिभले मध्यबिन्दु होइन, माथिल्लो वा तल्लो सीमा प्रयोग गर्नुपर्छ।
२. समूहबद्ध असन्तुलित डेटाको लागि वर्ग किनाराहरू प्रयोग नगर्नुहोस्। वर्ग किनाराहरू बिना, ग्राफ अस्पष्ट देखिन सक्छ।
३. संचयी आवृत्ति गलत दिशामा निर्देशित छ। धनात्मक र ऋणात्मक ओगिभहरूको संचय दिशा फरक हुन्छ; यदि तिनीहरूलाई उल्टो पारियो भने, ग्राफको आकार गलत हुनेछ।
४. असंगत अक्ष स्केलहरू। असंगत स्केलहरूले व्याख्यालाई भ्रामक बनाउन सक्छ।
बन्द
सकारात्मक र नकारात्मक ओजिभहरू प्रयोग गरेर डेटा प्रस्तुत गर्ने प्रविधि संचयी आवृत्ति वितरणको कल्पना गर्ने प्रभावकारी तरिका हो। सकारात्मक ओजिभहरूले "भन्दा कम" मानहरूको संचयलाई जोड दिन्छन्, जसको परिणामस्वरूप माथितिर ढलान हुन्छ, जबकि नकारात्मक ओजिभहरूले "भन्दा बढी" मानहरूको संचयलाई जोड दिन्छन्, जसको परिणामस्वरूप तलतिर ढलान हुन्छ। ओजिभहरूको साथ, विश्लेषकहरूले वितरण ढाँचाहरूको व्याख्या गर्न, डेटा सेटहरू तुलना गर्न, र मध्यक र चतुर्थकहरूको ग्राफिक रूपमा अनुमान गर्न सक्छन्। शिक्षा, व्यवसाय र सामाजिक अनुसन्धानमा, ओजिभहरू जटिल डेटालाई सजिलै बुझ्न सकिने जानकारीमा रूपान्तरण गर्नको लागि एक सरल तर शक्तिशाली उपकरण हो।
यदि तपाईं चाहनुहुन्छ भने, म एउटा उदाहरण डेटा तालिका पनि थप्न सक्छु र एउटा निर्देशांकमा ओगिभ कसरी कोर्ने भन्ने दृष्टान्तको साथ संचयी आवृत्ति गणना चरणहरू पूरा गर्न सक्छु।
