ਸਮੂਹ ਡੇਟਾ ਦਾ ਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ
ਅੰਕੜਾ ਗਣਿਤ ਦੀ ਇੱਕ ਸ਼ਾਖਾ ਹੈ ਜੋ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਨ, ਸੰਗਠਿਤ ਕਰਨ, ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ, ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਪੇਸ਼ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ। ਅੰਕੜਿਆਂ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੰਕਲਪ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ, ਜਾਂ ਡੇਟਾ ਦੇ ਫੈਲਾਅ ਨੂੰ ਮਾਪਣਾ ਹੈ। ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਦੋ ਮੁੱਖ ਮਾਪ ਪਰਿਵਰਤਨ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਹਨ। ਇਹ ਲੇਖ ਡੂੰਘਾਈ ਵਿੱਚ ਪਰਿਵਰਤਨ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਦੀ ਪੜਚੋਲ ਕਰੇਗਾ, ਖਾਸ ਕਰਕੇ ਸਮੂਹ ਡੇਟਾ ਦੇ ਸੰਦਰਭ ਵਿੱਚ।
ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੀ ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਮਹੱਤਵ
ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਇਹ ਮਾਪਦੀ ਹੈ ਕਿ ਡੇਟਾ ਇਸਦੇ ਔਸਤ ਤੋਂ ਕਿੰਨੀ ਦੂਰ ਫੈਲਦਾ ਹੈ। ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਮਾਪਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਇਹ ਵਾਧੂ ਸੂਝ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਕੇਂਦਰੀ ਪ੍ਰਵਿਰਤੀ ਦੇ ਮਾਪਾਂ, ਜਿਵੇਂ ਕਿ ਔਸਤ ਤੋਂ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤੇ ਜਾ ਸਕਦੇ। ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਮਾਪ ਨੂੰ ਜਾਣ ਕੇ, ਅਸੀਂ ਸਮਝ ਸਕਦੇ ਹਾਂ ਕਿ ਡੇਟਾ ਕਿੰਨਾ ਇਕਸਾਰ ਹੈ ਅਤੇ ਸੰਭਾਵੀ ਬਾਹਰੀ ਜਾਂ ਵਿਗਾੜਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹਾਂ।
ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਨੂੰ ਸਮਝਣਾ
ਵੇਰੀਅੰਸ ਡੇਟਾ ਦੀ ਵੰਡ ਦਾ ਇੱਕ ਮਾਪ ਹੈ ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਹਰੇਕ ਡੇਟਾ ਬਿੰਦੂ ਵਰਗ ਇਕਾਈਆਂ ਵਿੱਚ ਆਪਣੇ ਔਸਤ ਤੋਂ ਕਿੰਨਾ ਦੂਰ ਹੈ। ਇਹ ਇੱਕ ਆਬਾਦੀ ਲਈ ਚਿੰਨ੍ਹ \( \sigma^2 \) ਅਤੇ ਇੱਕ ਨਮੂਨੇ ਲਈ \( s^2 \) ਦੁਆਰਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਜਨਸੰਖਿਆ ਡੇਟਾ ਲਈ ਵੇਰੀਅੰਸ ਲਈ ਫਾਰਮੂਲਾ ਇਹ ਹੈ:
\[ \ਸਿਗਮਾ^2 = \frac{\ਜੋੜ (X_i – \mu)^2}{N} \]
ਨਮੂਨੇ ਲਈ, ਫਾਰਮੂਲਾ ਇਹ ਹੈ:
\[ s^2 = \frac{\sum (X_i – \bar{X})^2}{n-1} \]
ਮਨ:
– \( X_i \) ਵਿਅਕਤੀਗਤ ਡੇਟਾ ਮੁੱਲ ਹੈ
– \( \mu \) ਆਬਾਦੀ ਦਾ ਔਸਤ ਹੈ
– \( \bar{X} \) ਨਮੂਨਾ ਔਸਤ ਹੈ
– \( N \) ਆਬਾਦੀ ਦਾ ਆਕਾਰ ਹੈ
– \( n \) ਨਮੂਨਾ ਆਕਾਰ ਹੈ
ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਵੇਰੀਐਂਸ ਦਾ ਵਰਗਮੂਲ ਹੈ। ਇਹ ਆਬਾਦੀ ਲਈ \( \ਸਿਗਮਾ \) ਚਿੰਨ੍ਹ ਅਤੇ ਨਮੂਨੇ ਲਈ \(s \) ਦੁਆਰਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਡੇਟਾ ਯੂਨਿਟਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਅਸਲ ਰੂਪ ਵਿੱਚ ਵਾਪਸ ਕਰ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵੇਰੀਐਂਸ ਨਾਲੋਂ ਵਿਆਖਿਆ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।
\[ \ਸਿਗਮਾ = \sqrt{\ਸਿਗਮਾ^2} \]
\[ s = \sqrt{s^2} \]
ਸਮੂਹ ਡੇਟਾ
ਸਮੂਹਬੱਧ ਡੇਟਾ ਉਹ ਡੇਟਾ ਹੁੰਦਾ ਹੈ ਜਿਸਨੂੰ ਕਈ ਸ਼੍ਰੇਣੀਆਂ ਜਾਂ ਅੰਤਰਾਲਾਂ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਗਿਆ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਵਿਦਿਆਰਥੀਆਂ ਦੀਆਂ ਉਚਾਈਆਂ ਨੂੰ 150-155 ਸੈਂਟੀਮੀਟਰ, 155-160 ਸੈਂਟੀਮੀਟਰ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਅੰਤਰਾਲਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਸਮੂਹਬੱਧ ਡੇਟਾ 'ਤੇ ਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਵਿਅਕਤੀਗਤ ਡੇਟਾ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨਾਲੋਂ ਥੋੜ੍ਹਾ ਵੱਖਰਾ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਸਮੂਹ ਡੇਟਾ ਲਈ ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਕਦਮ
ਸਮੂਹ ਡੇਟਾ ਦੇ ਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਕਦਮ ਹਨ:
1. ਇੱਕ ਬਾਰੰਬਾਰਤਾ ਵੰਡ ਸਾਰਣੀ ਬਣਾਓ
- ਡੇਟਾ ਨੂੰ ਕਈ ਵਰਗਾਂ ਜਾਂ ਅੰਤਰਾਲਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ।
- ਹਰੇਕ ਅੰਤਰਾਲ ਦੀ ਬਾਰੰਬਾਰਤਾ (ਹਰੇਕ ਅੰਤਰਾਲ ਵਿੱਚ ਡੇਟਾ ਦੀ ਸੰਖਿਆ) ਦਰਜ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
2. ਕਲਾਸ ਦੇ ਮੱਧ ਬਿੰਦੂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ
- ਹਰੇਕ ਅੰਤਰਾਲ ਦੇ ਮੱਧ ਬਿੰਦੂ ਦੀ ਗਣਨਾ ਇਸ ਤਰ੍ਹਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: \( \text{ਮੱਧ ਬਿੰਦੂ} = \frac{\text{ਹੇਠਲਾ ਸੀਮਾ} + \text{ਉੱਪਰ ਸੀਮਾ}}{2} \)
3. ਅਸਥਾਈ ਔਸਤ (\( \bar{X} \)) ਦੀ ਗਣਨਾ ਕਰਨਾ
– ਔਸਤ ਦੀ ਗਣਨਾ ਇਸ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– ਜਿੱਥੇ \( f_i \) ਬਾਰੰਬਾਰਤਾ ਹੈ ਅਤੇ \( x_i \) ਅੰਤਰਾਲ ਦਾ ਮੱਧ ਬਿੰਦੂ ਹੈ।
4. ਮੱਧਮਾਨ ਅਤੇ ਇਸਦੇ ਵਰਗ ਤੋਂ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰਨਾ
– ਹਰੇਕ ਅੰਤਰਾਲ ਲਈ, ਮੱਧਮਾਨ ਤੋਂ ਭਟਕਣ ਦੀ ਗਣਨਾ ਇਸ ਤਰ੍ਹਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: \( d_i = x_i – \bar{X} \)
– ਫਿਰ ਵਰਗ ਦੀ ਗਣਨਾ ਕਰੋ: \( d_i^2 \)
5. ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰਨਾ
– ਭਿੰਨਤਾ ਦੀ ਗਣਨਾ ਇਸ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: \( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– ਮਿਆਰੀ ਭਟਕਣ ਭਿੰਨਤਾ ਦਾ ਵਰਗਮੂਲ ਹੈ: \( s = \sqrt{s^2} \)
ਗਣਨਾ ਉਦਾਹਰਨ
ਮੰਨ ਲਓ ਸਾਡੇ ਕੋਲ ਵਿਦਿਆਰਥੀ ਦੀ ਉਚਾਈ ਦਾ ਡੇਟਾ ਇਸ ਤਰ੍ਹਾਂ ਸਮੂਹਬੱਧ ਕੀਤਾ ਗਿਆ ਹੈ:
| ਅੰਤਰਾਲ (ਸੈ.ਮੀ.) | ਬਾਰੰਬਾਰਤਾ (f) |
|—————|—————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. ਬਾਰੰਬਾਰਤਾ ਵੰਡ ਸਾਰਣੀ:
| ਅੰਤਰਾਲ (ਸੈ.ਮੀ.) | ਬਾਰੰਬਾਰਤਾ (f) | ਮੱਧ ਬਿੰਦੂ (x) | \( f \cdot x \) | \( d = x – \bar{X} \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|———————|———————|———————–|———————–|———————-|
| 150 – 154 | 5 | 152 | 760 | | | |
| 155 – 159 | 10 | 157 | 1570 | | | |
| 160 – 164 | 15 | 162 | 2430 | | | |
| 165 – 169 | 8 | 167 | 1336 | | | |
| 170 – 174 | 2 | 172 | 344 | | | |
| ਕੁੱਲ | 40 | | 6440 | | | |
2. ਔਸਤ (\( \bar{X} \) ਦੀ ਗਣਨਾ ਕਰਨਾ):
\[ \ਬਾਰ{X} = \frac{6440}{40} = 161 \]
3. ਮੱਧਮਾਨ ਅਤੇ ਇਸਦੇ ਵਰਗ ਤੋਂ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰਨਾ:
| ਅੰਤਰਾਲ (ਸੈ.ਮੀ.) | ਬਾਰੰਬਾਰਤਾ (f) | ਮੱਧ ਬਿੰਦੂ (x) | \( f \cdot x \) | \( d = x – 161 \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|———————|———————|———————–|———————-|———————-|
| 150 – 154 | 5 | 152 | 760 | -9 | 81 | 405 |
| 155 – 159 | 10 | 157 | 1570 | -4 | 16 | 160 |
| 160 – 164 | 15 | 162 | 2430 | 1 | 1 | 15 |
| 165 – 169 | 8 | 167 | 1336 | 6 | 36 | 288 |
| 170 – 174 | 2 | 172 | 344 | 11 | 121 | 242 |
| ਕੁੱਲ | 40 | | 6440 | | | 1110 |
4. ਭਿੰਨਤਾ ਦੀ ਗਣਨਾ ਕਰਨਾ:
\[ s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \ਲਗਭਗ 28.46 \]
5. ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰਨਾ:
\[ s = \sqrt{28.46} \ਲਗਭਗ 5.33 \]
ਸਿੱਟਾ
ਅੰਕੜਿਆਂ ਵਿੱਚ ਪਰਿਵਰਤਨ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਮਹੱਤਵਪੂਰਨ ਮਾਪ ਹਨ ਜੋ ਇਸਦੇ ਔਸਤ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਡੇਟਾ ਦੀ ਵੰਡ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਇਹਨਾਂ ਸੰਕਲਪਾਂ ਨੂੰ ਵਿਅਕਤੀਗਤ ਡੇਟਾ 'ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਸਮੂਹਿਕ ਡੇਟਾ ਲਈ ਗਣਨਾ ਪ੍ਰਕਿਰਿਆ ਥੋੜ੍ਹੀ ਵੱਖਰੀ ਹੈ। ਉਪਰੋਕਤ ਉਦਾਹਰਣ ਤੋਂ, ਅਸੀਂ ਸਮੂਹਿਕ ਡੇਟਾ ਲਈ ਪਰਿਵਰਤਨ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਵਿਸਤ੍ਰਿਤ ਕਦਮ ਦੇਖ ਸਕਦੇ ਹਾਂ। ਇਹ ਜਾਣਕਾਰੀ ਅਕਾਦਮਿਕ ਖੋਜ ਤੋਂ ਲੈ ਕੇ ਕਾਰੋਬਾਰ ਅਤੇ ਉਤਪਾਦਨ ਵਿਸ਼ਲੇਸ਼ਣ ਤੱਕ, ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਉਪਯੋਗਾਂ ਵਿੱਚ ਉਪਯੋਗੀ ਹੈ।
ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਚੰਗੀ ਸਮਝ ਦੇ ਨਾਲ, ਅਸੀਂ ਸਾਡੇ ਕੋਲ ਮੌਜੂਦ ਡੇਟਾ ਦੇ ਆਧਾਰ 'ਤੇ ਵਧੇਰੇ ਸਹੀ ਢੰਗ ਨਾਲ ਵਿਆਖਿਆ ਕਰ ਸਕਦੇ ਹਾਂ ਅਤੇ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਾਂ। ਇਹ ਸਾਨੂੰ ਉਹਨਾਂ ਨਤੀਜਿਆਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜੋ ਨਾ ਸਿਰਫ਼ ਸਹੀ ਹਨ ਬਲਕਿ ਢੁਕਵੇਂ ਵੀ ਹਨ।
