ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਮੌਕੇ ਦੀ ਚਰਚਾ 'ਤੇ ਉਦਾਹਰਨ ਸਵਾਲ
ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੰਭਾਵਨਾ ਦੋ ਅਜਿਹੇ ਖੇਤਰ ਹਨ ਜਿਨ੍ਹਾਂ ਦਾ ਸਾਹਮਣਾ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਅਕਸਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਅੰਕੜਾ, ਗਣਿਤ, ਅਰਥ ਸ਼ਾਸਤਰ, ਅਤੇ ਮਾਰਕੀਟ ਖੋਜ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਇਹਨਾਂ ਬੁਨਿਆਦੀ ਸੰਕਲਪਾਂ ਦੀ ਸਾਡੀ ਸਮਝ ਨੂੰ ਡੂੰਘਾ ਕਰਨ ਲਈ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੰਭਾਵਨਾ ਨਾਲ ਸਬੰਧਤ ਕਈ ਉਦਾਹਰਣ ਸਮੱਸਿਆਵਾਂ ਅਤੇ ਚਰਚਾਵਾਂ ਦੀ ਪੜਚੋਲ ਕਰਾਂਗੇ।
1. ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ: ਜਾਣ-ਪਛਾਣ ਅਤੇ ਨਮੂਨਾ ਪ੍ਰਸ਼ਨ
ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਉਪਯੋਗੀ ਜਾਣਕਾਰੀ ਦੀ ਖੋਜ ਕਰਨ, ਸਿੱਟੇ ਕੱਢਣ ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨ ਦੇ ਟੀਚੇ ਨਾਲ ਡੇਟਾ ਦਾ ਨਿਰੀਖਣ, ਚੋਣ, ਪਰਿਵਰਤਨ ਅਤੇ ਮਾਡਲਿੰਗ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। ਆਮ ਕਦਮਾਂ ਵਿੱਚ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨਾ, ਡੇਟਾ ਸਫਾਈ, ਡੇਟਾ ਖੋਜ (ਵਰਣਨਯੋਗ ਅੰਕੜੇ), ਅਤੇ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣ ਸ਼ਾਮਲ ਹਨ।
ਉਦਾਹਰਨ ਸਵਾਲ 1: ਔਸਤ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਦਾ ਪਤਾ ਲਗਾਉਣਾ
10 ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਗਣਿਤ ਪ੍ਰੀਖਿਆ ਦੇ ਅੰਕਾਂ ਸੰਬੰਧੀ ਹੇਠ ਲਿਖੇ ਅੰਕੜੇ ਦਿੱਤੇ ਗਏ ਹਨ: 78, 82, 85, 88, 90, 75, 91, 74, 89, 86।
ਡੇਟਾ ਦੇ ਔਸਤ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰੋ।
ਚਰਚਾ:
- ਔਸਤ ਮੁੱਲ ਸਾਰੇ ਡੇਟਾ ਦੇ ਕੁੱਲ ਨੂੰ ਨਿਰੀਖਣਾਂ ਦੀ ਸੰਖਿਆ ਨਾਲ ਭਾਗ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
\[
\text{ਮੀਨ} = \frac{78 + 82 + 85 + 88 + 90 + 75 + 91 + 74 + 89 + 86}{10} = \frac{838}{10} = 83.8
\]
- ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ, ਸਾਨੂੰ ਪਹਿਲਾਂ ਭਿੰਨਤਾ ਦੀ ਗਣਨਾ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਭਿੰਨਤਾ ਹਰੇਕ ਡੇਟਾ ਸੈੱਟ ਅਤੇ ਮੱਧਮਾਨ ਦੇ ਵਿਚਕਾਰ ਵਰਗ ਅੰਤਰਾਂ ਦੀ ਔਸਤ ਹੈ।
\[
\text{ਵੇਰੀਅੰਸ} = \frac{(78-83.8)^2 + (82-83.8)^2 + (85-83.8)^2 + \cdots + (86-83.8)^2}{10}
\]
ਫਿਰ ਭਿੰਨਤਾ ਦੀ ਗਣਨਾ ਇਸ ਤਰ੍ਹਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:
\[
\text{ਵੇਰੀਅੰਸ} = \frac{33.64 + 3.24 + 1.44 + 17.64 + 38.44 + 75.04 + 50.41 + 94.44 + 26.01 + 4.84}{10} = \frac{345.14}{10} = 34.514
\]
- ਮਿਆਰੀ ਭਟਕਣ ਵੇਰੀਐਂਸ ਦਾ ਵਰਗਮੂਲ ਹੈ।
\[
\text{ਮਿਆਰੀ ਭਟਕਣ} = \sqrt{34.514} ≈ 5.88
\]
ਉਦਾਹਰਨ ਸਵਾਲ 2: ਡੇਟਾ ਗ੍ਰਾਫ਼
ਪਿਛਲੇ 5 ਸਾਲਾਂ ਦੇ ਕਿਸੇ ਸ਼ਹਿਰ ਦੇ ਆਬਾਦੀ ਦੇ ਅੰਕੜਿਆਂ ਨੂੰ ਇਸ ਪ੍ਰਕਾਰ ਦਿੱਤਾ ਗਿਆ ਹੈ (ਹਜ਼ਾਰਾਂ ਵਿੱਚ): 2016: 120, 2017: 125, 2018: 130, 2019: 135, 2020: 140।
ਡੇਟਾ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਇੱਕ ਲਾਈਨ ਗ੍ਰਾਫ ਬਣਾਓ।
ਚਰਚਾ:
ਇੱਕ ਲਾਈਨ ਗ੍ਰਾਫ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਇਹਨਾਂ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹਾਂ:
1. X ਅਤੇ Y ਧੁਰੇ ਨਿਰਧਾਰਤ ਕਰੋ। X ਧੁਰਾ ਸਾਲਾਂ ਲਈ ਹੈ ਅਤੇ Y ਧੁਰਾ ਆਬਾਦੀ ਲਈ ਹੈ।
2. ਦਿੱਤੇ ਗਏ ਡੇਟਾ ਦੇ ਆਧਾਰ 'ਤੇ ਬਿੰਦੂਆਂ ਨੂੰ ਪਲਾਟ ਕਰੋ:
– (2016, 120)
– (2017, 125)
– (2018, 130)
– (2019, 135)
– (2020, 140)
3. ਬਿੰਦੀਆਂ ਨੂੰ ਲਾਈਨਾਂ ਨਾਲ ਜੋੜੋ।
ਨਤੀਜਾ ਗ੍ਰਾਫ਼ 2016 ਤੋਂ 2020 ਤੱਕ ਸ਼ਹਿਰੀ ਆਬਾਦੀ ਦੇ ਵਧਣ ਦੇ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਏਗਾ।
2. ਸੰਭਾਵਨਾ: ਮੂਲ ਗੱਲਾਂ ਅਤੇ ਉਦਾਹਰਨ ਸਮੱਸਿਆਵਾਂ
ਔਡਸ ਜਾਂ ਸੰਭਾਵਨਾ ਇੱਕ ਮਾਪ ਹੈ ਕਿ ਕਿਸੇ ਘਟਨਾ ਦੇ ਵਾਪਰਨ ਦੀ ਸੰਭਾਵਨਾ ਕਿੰਨੀ ਹੈ। ਇੱਕ ਘਟਨਾ A ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ \( P(A) \) ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਗਣਨਾ ਇਸ ਤਰ੍ਹਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:
\[
P(A) = \frac{\text{ਇੱਛਤ ਘਟਨਾਵਾਂ ਦੀ ਗਿਣਤੀ}}{\text{ਸੰਭਵ ਘਟਨਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ}}
\]
ਉਦਾਹਰਨ ਸਵਾਲ 3: ਸਧਾਰਨ ਸੰਭਾਵਨਾ
ਤਾਸ਼ ਖੇਡਣ ਦੇ ਇੱਕ ਮਿਆਰੀ ਡੇਕ ਤੋਂ, ਇੱਕ ਏਸ ਖਿੱਚਣ ਦੀ ਸੰਭਾਵਨਾ ਕੀ ਹੈ?
ਚਰਚਾ:
- ਤਾਸ਼ ਦੇ ਇੱਕ ਸੈੱਟ ਵਿੱਚ 52 ਤਾਸ਼ ਹੁੰਦੇ ਹਨ।
- ਇੱਥੇ 4 ਏਸ ਕਾਰਡ ਹਨ (ਦਿਲ, ਹੀਰੇ, ਕਲੱਬ ਅਤੇ ਸਪੇਡ)।
- ਏਸ ਖਿੱਚਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ:
\[
P(\text{As}) = \frac{4}{52} = \frac{1}{13} \ਲਗਭਗ 0.0769 \text{ ਜਾਂ } 7.69\%
\]
ਉਦਾਹਰਨ ਸਵਾਲ 4: ਲਗਾਤਾਰ ਪਰਖਾਂ
ਦੋ ਪਾਸਿਆਂ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਘੁੰਮਾਇਆ ਜਾਂਦਾ ਹੈ। ਸੰਭਾਵਨਾ ਪਤਾ ਕਰੋ ਕਿ ਦੋ ਪਾਸਿਆਂ ਦਾ ਜੋੜ 7 ਹੈ।
ਚਰਚਾ:
- ਕੁੱਲ ਮਿਲਾ ਕੇ ਦੋ ਪਾਸਿਆਂ ਤੋਂ 6×6=36 ਸੰਭਾਵਿਤ ਨਤੀਜੇ ਹਨ।
– ਕੁੱਲ 7 ਪੈਦਾ ਕਰਨ ਵਾਲੇ ਸੰਯੋਜਨ ਹਨ: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1)। ਇਸ ਲਈ 6 ਘਟਨਾਵਾਂ ਹਨ।
- ਦੋ ਪਾਸਿਆਂ ਦੇ ਜੋੜ ਦੇ 7 ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ:
\[
P(\text{ਕੁੱਲ 7}) = \frac{6}{36} = \frac{1}{6} \ਲਗਭਗ 0.1667 \text{ ਜਾਂ } 16.67\%
\]
ਉਦਾਹਰਨ ਸਵਾਲ 5: ਬੇਅਸ ਦਾ ਨਿਯਮ
ਇਹ ਦੇਖਦੇ ਹੋਏ ਕਿ 1000 ਵਿੱਚੋਂ 1 ਵਿਅਕਤੀ ਨੂੰ ਬਿਮਾਰੀ X ਹੁੰਦੀ ਹੈ। ਬਿਮਾਰੀ X ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਕੀਤੇ ਗਏ ਟੈਸਟ ਦੀ ਸ਼ੁੱਧਤਾ ਦਰ 99% ਹੁੰਦੀ ਹੈ (ਭਾਵੇਂ ਇਹ ਸਕਾਰਾਤਮਕ ਹੋਵੇ ਜਾਂ ਨਕਾਰਾਤਮਕ)। ਜੇਕਰ ਕੋਈ ਵਿਅਕਤੀ ਸਕਾਰਾਤਮਕ ਟੈਸਟ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਸ ਗੱਲ ਦੀ ਸੰਭਾਵਨਾ ਕੀ ਹੈ ਕਿ ਉਸਨੂੰ ਅਸਲ ਵਿੱਚ ਬਿਮਾਰੀ X ਹੈ? ਮੰਨ ਲਓ ਕਿ ਟੈਸਟ 95% ਸੰਵੇਦਨਸ਼ੀਲ ਅਤੇ 98% ਖਾਸ ਹੈ।
ਚਰਚਾ:
ਉਦਾਹਰਣ ਲਈ:
– P(P) ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਪਾਜ਼ੀਟਿਵ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ,
– P(D) ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਬਿਮਾਰੀ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ,
– P(P|D) ਜੇਕਰ ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਬਿਮਾਰੀ ਹੈ ਤਾਂ ਟੈਸਟ ਦੇ ਪਾਜ਼ੀਟਿਵ ਆਉਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ,
– P(D|P) ਬਿਮਾਰੀ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਜੇਕਰ ਕੋਈ ਵਿਅਕਤੀ ਸਕਾਰਾਤਮਕ ਟੈਸਟ ਕਰਦਾ ਹੈ।
ਬੇਅਸ ਦੇ ਸਿਧਾਂਤ ਅਨੁਸਾਰ:
\[
ਪੀ(ਡੀ|ਪੀ) = \frac{ਪੀ(ਪੀ|ਡੀ) \cdot ਪੀ(ਡੀ)}{ਪੀ(ਪੀ)}
\]
ਪਹਿਲਾਂ P(P) ਦੀ ਗਣਨਾ ਕਰੋ:
\[
ਪੀ(ਪੀ) = ਪੀ(ਪੀ|ਡੀ) \cdot ਪੀ(ਡੀ) + ਪੀ(ਪੀ|ਡੀ^ਸੀ) \cdot ਪੀ(ਡੀ^ਸੀ)
\]
\[
P(P) = 0.95 \cdot \frac{1}{1000} + 0.02 \cdot \frac{999}{1000} \ਲਗਭਗ 0.0211
\]
ਹੁਣ,
\[
P(D|P) = \frac{0.95 \cdot \frac{1}{1000}}{0.0211} ≈ 0.045 \text{ ਜਾਂ 4.5%}
\]
ਇਸ ਲਈ, ਜੇਕਰ ਕੋਈ ਵਿਅਕਤੀ ਸਕਾਰਾਤਮਕ ਟੈਸਟ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਅਸਲ ਵਿੱਚ ਬਿਮਾਰੀ X ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਲਗਭਗ 4.5% ਹੈ।
ਸਿੱਟਾ
ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੰਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਖੋਜ, ਅਰਥਸ਼ਾਸਤਰ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ ਵਰਗੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਜ਼ਰੂਰੀ ਸਾਧਨ ਹਨ। ਇਹ ਸਮਝਣ ਨਾਲ ਕਿ ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ, ਅਸੀਂ ਬਿਹਤਰ ਭਵਿੱਖਬਾਣੀਆਂ ਕਰ ਸਕਦੇ ਹਾਂ, ਬਿਹਤਰ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਾਂ ਅਤੇ ਜੋਖਮਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਸਕਦੇ ਹਾਂ। ਇਹਨਾਂ ਉਦਾਹਰਣਾਂ ਅਤੇ ਚਰਚਾਵਾਂ ਰਾਹੀਂ, ਸਾਨੂੰ ਇਸ ਗੱਲ ਦੀ ਬਿਹਤਰ ਸਮਝ ਪ੍ਰਾਪਤ ਹੁੰਦੀ ਹੈ ਕਿ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਿਵੇਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਵੱਖ-ਵੱਖ ਘਟਨਾਵਾਂ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਅਸੀਂ ਉਮੀਦ ਕਰਦੇ ਹਾਂ ਕਿ ਇਹ ਲੇਖ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੰਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਸਾਡੀ ਸਮਝ ਨੂੰ ਡੂੰਘਾ ਕਰਨ ਵਿੱਚ ਮਦਦਗਾਰ ਰਿਹਾ ਹੈ।
