ਸਕਿਊਨੈੱਸ ਅਤੇ ਕਰਟੋਸਿਸ ਨੂੰ ਸਮਝਣਾ
ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਤੋਂ ਲੈ ਕੇ ਕੁਦਰਤੀ ਵਿਗਿਆਨ ਤੱਕ, ਵੱਖ-ਵੱਖ ਖੋਜ ਖੇਤਰਾਂ ਵਿੱਚ ਅੰਕੜਾ ਵਿਗਿਆਨ ਦੀ ਇੱਕ ਜ਼ਰੂਰੀ ਸ਼ਾਖਾ ਹੈ। ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਸਹੀ ਅਤੇ ਭਰੋਸੇਮੰਦ ਸਿੱਟੇ ਕੱਢਣ ਲਈ ਡੇਟਾ ਵੰਡ ਨੂੰ ਸਮਝਣਾ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ। ਵੰਡਾਂ ਦਾ ਵਰਣਨ ਕਰਨ ਵਿੱਚ ਅਕਸਰ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਦੋ ਮੁੱਖ ਸੰਕਲਪ ਹਨ ਸਕਿਊਨੈੱਸ ਅਤੇ ਕੁਰਟੋਸਿਸ। ਇਹ ਲੇਖ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਕਿਊਨੈੱਸ ਅਤੇ ਕੁਰਟੋਸਿਸ ਦੀਆਂ ਪਰਿਭਾਸ਼ਾਵਾਂ, ਵਿਆਖਿਆਵਾਂ ਅਤੇ ਮਹੱਤਵ ਬਾਰੇ ਵਿਸਥਾਰ ਵਿੱਚ ਚਰਚਾ ਕਰੇਗਾ।
ਤਿਰਛੀ
ਸਕਿਊਨੈੱਸ ਦੀ ਪਰਿਭਾਸ਼ਾ
ਸਕਿਊਨੈੱਸ ਇੱਕ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਦੀ ਸੰਭਾਵਨਾ ਵੰਡ ਦੀ ਅਸਮਰੂਪਤਾ ਦਾ ਮਾਪ ਹੈ। ਸਰਲ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਸਕਿਊਨੈੱਸ ਦੱਸਦਾ ਹੈ ਕਿ ਡੇਟਾ ਵੰਡ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਮਿਤੀ ਆਕਾਰ ਤੋਂ ਕਿੰਨੀ ਦੂਰ ਭਟਕਦੀ ਹੈ, ਜਿਸਨੂੰ ਇੱਕ ਆਮ ਵੰਡ ਜਾਂ ਗੌਸੀ ਵੰਡ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
ਸਕਿਊਨੈੱਸ ਦੀਆਂ ਕਿਸਮਾਂ
1. ਸਕਾਰਾਤਮਕ ਤਿਰਛਤਾ: ਇੱਕ ਡੇਟਾ ਵੰਡ ਜੋ ਸੱਜੇ ਪਾਸੇ ਲੰਮੀ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਸਕਾਰਾਤਮਕ ਤਿਰਛਤਾ ਮੁੱਲ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਜ਼ਿਆਦਾਤਰ ਡੇਟਾ ਖੱਬੇ ਪਾਸੇ ਕਲੱਸਟਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਇੱਕ ਲੰਬੀ ਸੱਜੀ ਪੂਛ ਦੇ ਨਾਲ। ਉਦਾਹਰਣ ਵਜੋਂ, ਆਬਾਦੀ ਵਿੱਚ ਵਿਅਕਤੀਗਤ ਆਮਦਨ ਅਕਸਰ ਸਕਾਰਾਤਮਕ ਤਿਰਛਤਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੀ ਹੈ।
2. ਨਕਾਰਾਤਮਕ ਤਿਰਛਤਾ: ਇੱਕ ਡੇਟਾ ਵੰਡ ਜੋ ਖੱਬੇ ਪਾਸੇ ਤਿਰਛੀ ਹੁੰਦੀ ਹੈ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਇੱਕ ਨਕਾਰਾਤਮਕ ਤਿਰਛਤਾ ਮੁੱਲ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਜ਼ਿਆਦਾਤਰ ਡੇਟਾ ਸੱਜੇ ਪਾਸੇ ਹੈ, ਇੱਕ ਲੰਬੀ ਖੱਬੀ ਪੂਛ ਦੇ ਨਾਲ। ਇੱਕ ਆਮ ਉਦਾਹਰਣ ਪ੍ਰੀਖਿਆ ਦੇ ਅੰਕ ਹਨ ਜਿੱਥੇ ਜ਼ਿਆਦਾਤਰ ਵਿਦਿਆਰਥੀ ਉੱਚ ਅੰਕ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ।
3. ਸਮਮਿਤੀ ਵੰਡ: ਜੇਕਰ ਸਕਿਊਨੈੱਸ ਮੁੱਲ ਜ਼ੀਰੋ ਦੇ ਨੇੜੇ ਹੈ, ਤਾਂ ਡੇਟਾ ਵੰਡ ਨੂੰ ਸਮਮਿਤੀ ਦੇ ਨੇੜੇ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਆਮ ਵੰਡ।
ਸਕਿਊਨੈੱਸ ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕਰੀਏ
ਤਿਰਛੇਪਣ ਦੀ ਗਣਨਾ ਹੇਠ ਦਿੱਤੇ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ:
\[ \text{Skewness} = \frac{n}{(n-1)(n-2)} \sum \left(\frac{x_i – \bar{x}}{s}\right)^3 \]
ਮਨ:
– \( n \) = ਡੇਟਾ ਦੀ ਸੰਖਿਆ,
– \( x_i \) = ਵਿਅਕਤੀਗਤ ਮੁੱਲ,
– \( \bar{x} \) = ਡੇਟਾ ਦਾ ਮੱਧਮਾਨ,
– \( s \) = ਮਿਆਰੀ ਭਟਕਣ।
ਸਕਿਊਨੈੱਸ ਦੀ ਵਿਆਖਿਆ
ਸਕਿਊਨੈੱਸ ਮੁੱਲਾਂ ਦੀ ਵਿਆਖਿਆ ਡੇਟਾ ਦੀਆਂ ਵੰਡ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ। ਇੱਕ ਆਮ ਗਾਈਡ ਦੇ ਤੌਰ 'ਤੇ:
- 0 ਦੇ ਨੇੜੇ ਆਉਣ ਵਾਲਾ ਤਿਰਛਾ ਇੱਕ ਸਮਮਿਤੀ ਵੰਡ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
- ਸਕਾਰਾਤਮਕ ਤਿਰਛੀਤਾ ਇੱਕ ਵੰਡ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਸੱਜੇ ਪਾਸੇ ਤਿਰਛੀ ਹੈ।
- ਨਕਾਰਾਤਮਕ ਤਿਰਛੀਤਾ ਇੱਕ ਵੰਡ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਖੱਬੇ ਪਾਸੇ ਤਿਰਛੀ ਹੈ।
ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਕਿਊਨੈੱਸ ਦੀ ਮਹੱਤਤਾ
ਸਕਿਊਨੈੱਸ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਾਧਨ ਹੈ ਕਿਉਂਕਿ ਇਹ ਡੇਟਾ ਦੀ ਵੰਡ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਔਸਤ ਜਾਂ ਮਿਆਰੀ ਭਟਕਣ ਨੂੰ ਦੇਖ ਕੇ ਨਹੀਂ ਲੱਭਿਆ ਜਾ ਸਕਦਾ। ਸਕਿਊਨੈੱਸ ਦੀ ਸਹੀ ਸਮਝ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ ਕਿ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਕਿਹੜੇ ਡੇਟਾ ਪਰਿਵਰਤਨ ਜ਼ਰੂਰੀ ਹਨ, ਜਿਵੇਂ ਕਿ ਉੱਚ ਸਕਾਰਾਤਮਕ ਸਕਿਊਨੈੱਸ ਵਾਲੇ ਡੇਟਾ 'ਤੇ ਲਘੂਗਣਕ ਦੀ ਵਰਤੋਂ ਕਰਨਾ।
ਕੁਰਟੋਸਿਸ (ਨੁਕੀਲਾਪਨ)
ਕੁਰਟੋਸਿਸ ਦੀ ਪਰਿਭਾਸ਼ਾ
ਕਰਟੋਸਿਸ ਇੱਕ ਡੇਟਾ ਵੰਡ ਦੀਆਂ ਚੋਟੀਆਂ ਦੀ ਉਚਾਈ ਅਤੇ ਤਿੱਖਾਪਨ ਦਾ ਮਾਪ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕਰਟੋਸਿਸ ਇਸ ਗੱਲ ਨਾਲ ਸਬੰਧਤ ਹੈ ਕਿ ਔਸਤ ਦੇ ਨੇੜੇ ਡੇਟਾ ਦੇ ਮੁਕਾਬਲੇ ਪੂਛਾਂ ਵਿੱਚ ਕਿੰਨਾ ਡੇਟਾ ਹੈ। ਕਰਟੋਸਿਸ ਇਹ ਪਛਾਣਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਆਮ ਵੰਡ ਦੇ ਮੁਕਾਬਲੇ ਚਰਬੀ ਹੈ ਜਾਂ ਹਲਕੇ ਪੂਛਾਂ ਹਨ।
ਕੁਰਟੋਸਿਸ ਦੀਆਂ ਕਿਸਮਾਂ
1. ਲੈਪਟੋਕੁਰਟਿਕ: ਇੱਕ ਵੰਡ ਜਿਸਦੀ ਚੋਟੀ ਉੱਚੀ ਹੁੰਦੀ ਹੈ ਅਤੇ ਪੂਛਾਂ ਆਮ ਵੰਡ ਨਾਲੋਂ ਭਾਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਕੁਰਟੋਸਿਸ ਮੁੱਲ 3 ਤੋਂ ਵੱਧ ਹੁੰਦਾ ਹੈ। ਲੇਪਟੋਕੁਰਟਿਕ ਵੰਡ ਵਾਲੇ ਡੇਟਾ ਵਿੱਚ ਅਕਸਰ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਆਊਟਲੀਅਰ ਹੁੰਦੇ ਹਨ।
2. ਮੇਸੋਕੁਰਟਿਕ: ਇੱਕ ਵੰਡ ਜਿਸ ਵਿੱਚ ਆਮ ਵੰਡ ਦੇ ਸਮਾਨ ਪੀਕਡਨੇਸ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹੁੰਦੀਆਂ ਹਨ। ਕੁਰਟੋਸਿਸ ਮੁੱਲ 3 ਹੈ। ਆਮ ਵੰਡ ਆਪਣੇ ਆਪ ਵਿੱਚ ਮੇਸੋਕੁਰਟਿਕ ਦੀ ਇੱਕ ਸ਼ਾਨਦਾਰ ਉਦਾਹਰਣ ਹੈ।
3. ਪਲੈਟੀਕੁਰਟਿਕ: ਇੱਕ ਆਮ ਵੰਡ ਦੇ ਮੁਕਾਬਲੇ ਘੱਟ ਸਿਖਰ ਅਤੇ ਹਲਕੇ ਪੂਛਾਂ ਵਾਲੀ ਵੰਡ। ਕੁਰਟੋਸਿਸ ਮੁੱਲ 3 ਤੋਂ ਘੱਟ ਹੈ। ਇੱਕ ਪਲੈਟੀਕੁਰਟਿਕ ਵੰਡ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਡੇਟਾ ਮੁੱਲਾਂ ਦੀ ਰੇਂਜ ਵਿੱਚ ਵਧੇਰੇ ਸਮਾਨ ਰੂਪ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ।
ਕੁਰਟੋਸਿਸ ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕਰੀਏ
ਕੁਟਰੋਸਿਸ ਦੀ ਗਣਨਾ ਹੇਠ ਲਿਖੇ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ:
\[ \text{ਕੁਰਟੋਸਿਸ} = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum \left( \frac{x_i – \bar{x}}{s} \right)^4 – \frac{3(n-1)^2}{(n-2)(n-3)} \]
ਮਨ:
– \( n \) = ਡੇਟਾ ਦੀ ਸੰਖਿਆ,
– \( x_i \) = ਵਿਅਕਤੀਗਤ ਮੁੱਲ,
– \( \bar{x} \) = ਡੇਟਾ ਦਾ ਮੱਧਮਾਨ,
– \( s \) = ਮਿਆਰੀ ਭਟਕਣ।
ਆਮ ਤੌਰ 'ਤੇ, ਕੁਰਟੋਸਿਸ ਨੂੰ ਅਕਸਰ 'ਵਧੇਰੇ ਕੁਰਟੋਸਿਸ' ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਸਰਲਤਾ ਲਈ, ਫਾਰਮੂਲੇ ਨੂੰ ਅਕਸਰ 3 ਨਾਲ ਘਟਾਇਆ ਜਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ ਕਿ ਆਮ ਵੰਡ ਦਾ ਕੁਰਟੋਸਿਸ 0 ਹੈ।
ਕੁਰਟੋਸਿਸ ਦੀ ਵਿਆਖਿਆ
ਕੁਰਟੋਸਿਸ ਮੁੱਲ ਡੇਟਾ ਵੰਡ ਦੀ ਪ੍ਰਕਿਰਤੀ ਬਾਰੇ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ:
- ਉੱਚ ਕੁਰਟੋਸਿਸ ਤਿੱਖੀਆਂ ਚੋਟੀਆਂ ਅਤੇ ਭਾਰੀ ਪੂਛਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
- ਘੱਟ ਕੁਰਟੋਸਿਸ ਇੱਕ ਸਮਤਲ ਵੰਡ ਅਤੇ ਹਲਕੇ ਪੂਛਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਕੁਰਟੋਸਿਸ ਦੀ ਮਹੱਤਤਾ
ਕੁਰਟੋਸਿਸ ਨੂੰ ਸਮਝਣਾ ਆਊਟਲੀਅਰਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਡੇਟਾ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਉੱਚ ਕੁਰਟੋਸਿਸ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਊਟਲੀਅਰਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਸਥਿਰ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ ਤਕਨੀਕਾਂ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ।
ਵਿਹਾਰਕ ਐਪਲੀਕੇਸ਼ਨ
1. ਵਿੱਤੀ: ਵਿੱਤੀ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ, ਨਿਵੇਸ਼ਕ ਸੰਪਤੀ ਜੋਖਮ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਮਾਪਣ ਲਈ ਸਕਿਊਨੈੱਸ ਅਤੇ ਕਰਟੋਸਿਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਉੱਚ ਨਕਾਰਾਤਮਕ ਸਕਿਊਨੈੱਸ ਵਾਲਾ ਪੋਰਟਫੋਲੀਓ ਸੰਭਾਵੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨੁਕਸਾਨ ਦੇ ਜੋਖਮ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ।
2. ਜਨਤਕ ਸਿਹਤ: ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨ ਅਧਿਐਨਾਂ ਵਿੱਚ, ਡੇਟਾ ਵੰਡ ਅਕਸਰ ਗੈਰ-ਆਮ ਹੁੰਦੀ ਹੈ। ਸਕਿਊਨੈਸ ਅਤੇ ਕੁਰਟੋਸਿਸ ਡੇਟਾ ਨੂੰ ਬਦਲਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਤਾਂ ਜੋ ਇਸਨੂੰ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲਾਂ ਜਾਂ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕੇ।
3. ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ: ਨਿਰਮਾਣ ਉਦਯੋਗ ਅਕਸਰ ਉਤਪਾਦ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਤਿਰਛੇਪਣ ਅਤੇ ਕੁਰਟੋਸਿਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਉਤਪਾਦਨ ਡੇਟਾ ਵਿੱਚ ਉੱਚ ਤਿਰਛੇਪਣ ਉਤਪਾਦਨ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸੰਕੇਤ ਦੇ ਸਕਦਾ ਹੈ।
ਸਿੱਟਾ
ਡਾਟਾ ਵੰਡ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਕਿਊਨੈੱਸ ਅਤੇ ਕੁਰਟੋਸਿਸ ਦੋ ਮਹੱਤਵਪੂਰਨ ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ ਹਨ। ਸਕਿਊਨੈੱਸ ਇੱਕ ਵੰਡ ਦੀ ਅਸਮਾਨਤਾ ਵਿੱਚ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਕੁਰਟੋਸਿਸ ਵੰਡ ਦੀਆਂ ਪੂਛਾਂ ਦੀ ਤਿੱਖਾਪਨ ਅਤੇ ਭਾਰੀਪਨ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਇਹਨਾਂ ਦੋ ਸੰਕਲਪਾਂ ਨੂੰ ਸਮਝਣਾ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਡੇਟਾ ਦੀ ਵਧੇਰੇ ਸਹੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਐਪਲੀਕੇਸ਼ਨ ਸੰਦਰਭਾਂ ਵਿੱਚ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਲਈ ਵਾਧੂ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
