ਸਿੰਗਲ ਡੇਟਾ ਦਾ ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ

ਸਿੰਗਲ ਡੇਟਾ ਦਾ ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ

ਅੰਕੜਾ ਵਿਗਿਆਨ ਉਹ ਵਿਗਿਆਨ ਹੈ ਜੋ ਡੇਟਾ ਦੇ ਸੰਗ੍ਰਹਿ, ਵਿਸ਼ਲੇਸ਼ਣ, ਵਿਆਖਿਆ, ਪੇਸ਼ਕਾਰੀ ਅਤੇ ਸੰਗਠਨ ਦਾ ਅਧਿਐਨ ਕਰਦਾ ਹੈ। ਅੰਕੜਿਆਂ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਹਿਲੂ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਡੇਟਾ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਕਿਵੇਂ ਮਾਪਦੇ ਅਤੇ ਸਮਝਦੇ ਹਾਂ। ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਦੋ ਮਹੱਤਵਪੂਰਨ ਮਾਪ ਹਨ ਪਰਿਵਰਤਨ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ। ਇਹ ਲੇਖ ਪਰਿਵਰਤਨ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਦੀ ਡੂੰਘਾਈ ਨਾਲ ਚਰਚਾ ਕਰੇਗਾ, ਇੱਕ ਸਿੰਗਲ ਡੇਟਾ ਸੈੱਟ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰੇਗਾ, ਪਰਿਭਾਸ਼ਾਵਾਂ, ਫਾਰਮੂਲੇ, ਗਣਨਾ ਦੇ ਕਦਮਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੇਗਾ, ਅਤੇ ਸੰਕਲਪਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਲਈ ਵਿਹਾਰਕ ਉਦਾਹਰਣਾਂ ਪ੍ਰਦਾਨ ਕਰੇਗਾ।

ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਦੀ ਪਰਿਭਾਸ਼ਾ

ਬਦਲੋ
ਵਿਭਿੰਨਤਾ ਇੱਕ ਮਾਪ ਹੈ ਕਿ ਡੇਟਾ ਔਸਤ ਤੋਂ ਕਿੰਨੀ ਦੂਰ ਫੈਲਿਆ ਹੋਇਆ ਹੈ। ਇਹ ਇੱਕ ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਵਿਭਿੰਨਤਾ ਜਾਂ ਪਰਿਵਰਤਨ ਦਾ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਗਣਿਤਿਕ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਵਿਭਿੰਨਤਾ ਹਰੇਕ ਡੇਟਾ ਸੈੱਟ ਦੇ ਇਸਦੇ ਮੱਧਮਾਨ ਤੋਂ ਭਟਕਣ ਦੇ ਵਰਗਾਂ ਦੀ ਔਸਤ ਹੈ।

ਮਿਆਰੀ ਭਟਕਣਾ
ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ, ਜਿਸਨੂੰ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਵੇਰੀਐਂਸ ਦਾ ਵਰਗਮੂਲ ਹੈ। ਇਹ ਅਸਲ ਡੇਟਾ ਦੇ ਸਮਾਨ ਇਕਾਈਆਂ ਵਿੱਚ ਡੇਟਾ ਦੀ ਵੰਡ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਅਸਲ-ਜੀਵਨ ਦੇ ਸੰਦਰਭਾਂ ਵਿੱਚ ਵਿਆਖਿਆ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।

ਫਾਰਮੂਲੇ ਅਤੇ ਗਣਨਾਵਾਂ

ਬਦਲੋ
ਆਕਾਰ n ਦੇ ਇੱਕ ਸਿੰਗਲ ਡੇਟਾ ਸੈੱਟ ਦੇ ਵੇਰੀਐਂਸ (σ^2) ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਹੇਠਾਂ ਦਿੱਤੇ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ:

\[ \ਸਿਗਮਾ^2 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n} \]

ਡਿਮਾਨਾ:
– \( x_i \) ith ਡੇਟਾ ਮੁੱਲ ਹੈ।
– \( \bar{x} \) ਡੇਟਾ ਦਾ ਔਸਤ ਜਾਂ ਔਸਤ ਹੈ।
– n ਸੈੱਟ ਵਿੱਚ ਡੇਟਾ ਦੀ ਸੰਖਿਆ ਹੈ।
– (x_i – \bar{x})^2 ਹਰੇਕ ਡੇਟਾ ਅਤੇ ਇਸਦੇ ਮੱਧਮਾਨ ਵਿਚਕਾਰ ਅੰਤਰ ਦਾ ਵਰਗ ਹੈ।

ਮਿਆਰੀ ਭਟਕਣਾ
ਮਿਆਰੀ ਭਟਕਣ (σ) ਭਿੰਨਤਾ ਦਾ ਵਰਗਮੂਲ ਹੈ, ਇਸ ਲਈ ਫਾਰਮੂਲਾ ਇਹ ਹੈ:

\[ \ਸਿਗਮਾ = \sqrt{\ਸਿਗਮਾ^2} \]

ਗਣਨਾ ਦੇ ਕਦਮ

ਕਦਮ 1: ਡੇਟਾ ਦੀ ਔਸਤ (ਔਸਤ) ਦੀ ਗਣਨਾ ਕਰੋ
ਪਹਿਲਾ ਕਦਮ ਡੇਟਾ ਸੈੱਟ ਦੀ ਔਸਤ (ਔਸਤ) ਦੀ ਗਣਨਾ ਕਰਨਾ ਹੈ। ਔਸਤ ਦੀ ਗਣਨਾ ਸਾਰੇ ਡੇਟਾ ਮੁੱਲਾਂ ਨੂੰ ਜੋੜ ਕੇ ਅਤੇ ਡੇਟਾ ਮੁੱਲਾਂ ਦੀ ਸੰਖਿਆ ਨਾਲ ਭਾਗ ਕਰਕੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

\[ \ਬਾਰ{x} = \frac{\sum_{i=1}^{n} x_i}{n} \]

ਕਦਮ 2: ਔਸਤ ਦੇ ਮੁਕਾਬਲੇ ਹਰੇਕ ਡੇਟਾ ਸੈੱਟ ਦੇ ਅੰਤਰ ਦੀ ਗਣਨਾ ਕਰੋ।
ਔਸਤ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਗਲਾ ਕਦਮ ਹਰੇਕ ਡੇਟਾ ਮੁੱਲ ਅਤੇ ਔਸਤ (ਡਿਵੀਏਸ਼ਨ) ਵਿਚਕਾਰ ਅੰਤਰ ਦੀ ਗਣਨਾ ਕਰਨਾ ਹੈ।

\[ d_i = x_i – \ਬਾਰ{x} \]

ਕਦਮ 3: ਹਰੇਕ ਭਟਕਣ ਦਾ ਵਰਗ ਕਰੋ
ਅੱਗੇ, ਹਰੇਕ ਭਟਕਣ ਦਾ ਵਰਗ ਕਰੋ।

\[ d_i^2 = (x_i – \bar{x})^2 \]

ਕਦਮ 4: ਸਾਰੇ ਵਰਗ ਭਟਕਣਾਂ ਦਾ ਜੋੜ ਕਰੋ
ਪਿਛਲੇ ਪੜਾਅ ਤੋਂ ਸਾਰੇ ਵਰਗ ਨਤੀਜੇ ਜੋੜੋ।

\[ \ਜੋੜ d_i^2 = \ਜੋੜ_{i=1}^{n} (x_i – \ਬਾਰ{x})^2 \]

ਕਦਮ 5: ਭਿੰਨਤਾ ਦੀ ਗਣਨਾ ਕਰੋ
ਭਿੰਨਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਭਿੰਨਤਾਵਾਂ ਦੇ ਵਰਗਾਂ ਦੇ ਜੋੜ ਨੂੰ ਡੇਟਾ (n) ਦੀ ਸੰਖਿਆ ਨਾਲ ਵੰਡੋ।

\[ \ਸਿਗਮਾ^2 = \ਫ੍ਰੈਕ{\ਜੋੜ d_i^2}{n} \]

ਕਦਮ 6: ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰੋ
ਅੰਤ ਵਿੱਚ, ਵੇਰੀਐਂਸ ਦਾ ਵਰਗਮੂਲ ਲੈ ਕੇ ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰੋ।

\[ \ਸਿਗਮਾ = \sqrt{\ਸਿਗਮਾ^2} \]

ਗਣਨਾ ਉਦਾਹਰਨ

ਵੇਰੀਐਂਸ ਅਤੇ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਦੀ ਗਣਨਾ ਕਰਨ ਦੀ ਧਾਰਨਾ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਲਈ, ਆਓ ਹੇਠਾਂ ਦਿੱਤੀ ਉਦਾਹਰਣ 'ਤੇ ਗੌਰ ਕਰੀਏ। ਮੰਨ ਲਓ ਸਾਡੇ ਕੋਲ ਹੇਠ ਲਿਖਿਆ ਸਿੰਗਲ ਡੇਟਾ ਸੈੱਟ ਹੈ: 4, 8, 6, 5, 3।

ਕਦਮ 1: ਡੇਟਾ ਦੀ ਔਸਤ ਦੀ ਗਣਨਾ ਕਰੋ
\[ \bar{x} = \frac{4 + 8 + 6 + 5 + 3}{5} = \frac{26}{5} = 5.2 \]

ਕਦਮ 2: ਔਸਤ ਦੇ ਮੁਕਾਬਲੇ ਹਰੇਕ ਡੇਟਾ ਸੈੱਟ ਦੇ ਅੰਤਰ ਦੀ ਗਣਨਾ ਕਰੋ।
ਹਰੇਕ ਡੇਟਾ ਮੁੱਲ ਅਤੇ ਔਸਤ ਵਿਚਕਾਰ ਅੰਤਰ:
– (4 – 5.2) = -1.2
– (8 – 5.2) = 2.8
– (6 – 5.2) = 0.8
– (5 – 5.2) = -0.2
– (3 – 5.2) = -2.2

ਕਦਮ 3: ਹਰੇਕ ਭਟਕਣ ਦਾ ਵਰਗ ਕਰੋ
ਹਰੇਕ ਭਟਕਣ ਦਾ ਵਰਗ:
– (-1.2)^2 = 1.44
– 2.8^2 = 7.84
– 0.8^2 = 0.64
– (-0.2)^2 = 0.04
– (-2.2)^2 = 4.84

ਕਦਮ 4: ਸਾਰੇ ਵਰਗ ਭਟਕਣਾਂ ਦਾ ਜੋੜ ਕਰੋ
\[ \ਜੋੜ d_i^2 = 1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8 \]

ਕਦਮ 5: ਭਿੰਨਤਾ ਦੀ ਗਣਨਾ ਕਰੋ
\[ \ਸਿਗਮਾ^2 = \frac{14.8}{5} = 2.96 \]

ਕਦਮ 6: ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਗਣਨਾ ਕਰੋ
\[ \ਸਿਗਮਾ = \sqrt{2.96} \ਲਗਭਗ 1.72 \]

ਇਸ ਲਈ, ਇਸ ਉਦਾਹਰਣ ਵਿੱਚ, ਡੇਟਾ ਦਾ ਵਿਭਿੰਨਤਾ 2.96 ਹੈ, ਅਤੇ ਮਿਆਰੀ ਵਿਵਹਾਰ ਲਗਭਗ 1.72 ਹੈ।

ਵਿਆਖਿਆ

ਵੇਰੀਐਂਸ ਅਤੇ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਡੇਟਾ ਦੇ ਫੈਲਾਅ ਬਾਰੇ ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਉੱਪਰ ਦਿੱਤੀ ਉਦਾਹਰਣ ਵਿੱਚ, 2.96 ਦਾ ਵੇਰੀਐਂਸ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਔਸਤ ਤੋਂ ਡੇਟਾ ਮੁੱਲਾਂ ਦਾ ਔਸਤ ਵਰਗ ਭਟਕਣਾ 2.96 ਹੈ। 1.72 ਦਾ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ, ਔਸਤਨ, ਡੇਟਾ ਮੁੱਲ ਔਸਤ ਤੋਂ 1.72 ਯੂਨਿਟਾਂ ਦੁਆਰਾ ਭਟਕਦੇ ਹਨ।

ਮਿਆਰੀ ਭਟਕਣ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਸੌਖਾ ਹੈ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਅਸਲ ਡੇਟਾ ਦੇ ਸਮਾਨ ਇਕਾਈਆਂ ਹਨ। ਉਦਾਹਰਣ ਵਜੋਂ, ਆਮਦਨੀ ਅੰਕੜਿਆਂ ਦੇ ਸੰਦਰਭ ਵਿੱਚ, ਜੇਕਰ ਡੇਟਾ ਵਿੱਚ $500 ਦਾ ਮਿਆਰੀ ਭਟਕਣ ਹੈ, ਤਾਂ ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਔਸਤ ਆਮਦਨ ਔਸਤ ਆਮਦਨ ਤੋਂ $500 ਭਟਕ ਜਾਂਦੀ ਹੈ।

ਰੋਜ਼ਾਨਾ ਜੀਵਨ ਵਿੱਚ ਉਪਯੋਗ

ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ ਨੂੰ ਸਮਝਣਾ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਵਿੱਤ ਵਿੱਚ, ਮਿਆਰੀ ਭਟਕਣਾ ਦੀ ਵਰਤੋਂ ਨਿਵੇਸ਼ ਜੋਖਮ ਨੂੰ ਮਾਪਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਸਿੱਖਿਆ ਵਿੱਚ, ਇਸਦੀ ਵਰਤੋਂ ਵਿਦਿਆਰਥੀਆਂ ਵਿਚਕਾਰ ਟੈਸਟ ਸਕੋਰਾਂ ਵਿੱਚ ਭਿੰਨਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਨਿਰਮਾਣ ਵਿੱਚ, ਇਹ ਉਤਪਾਦਨ ਭਿੰਨਤਾ ਨੂੰ ਮਾਪ ਕੇ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ।

ਸਿੱਟਾ

ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਸਮਝਣ ਲਈ ਪਰਿਵਰਤਨ ਅਤੇ ਮਿਆਰੀ ਵਿਵਹਾਰ ਦੋ ਮਹੱਤਵਪੂਰਨ ਅੰਕੜਾ ਸਾਧਨ ਹਨ। ਪਰਿਵਰਤਨ ਦੀ ਗਣਨਾ ਕਰਕੇ, ਅਸੀਂ ਇਹ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿ ਡੇਟਾ ਕਿੰਨਾ ਫੈਲਿਆ ਹੋਇਆ ਹੈ। ਮਿਆਰੀ ਵਿਵਹਾਰ, ਜੋ ਕਿ ਪਰਿਵਰਤਨ ਦਾ ਵਰਗਮੂਲ ਹੈ, ਇੱਕ ਵਧੇਰੇ ਅਨੁਭਵੀ ਵਿਆਖਿਆ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਅਸਲ ਡੇਟਾ ਦੇ ਸਮਾਨ ਇਕਾਈਆਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ। ਇਹਨਾਂ ਦੋ ਮਾਪਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਗਣਨਾ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਕੇ, ਅਸੀਂ ਡੇਟਾ ਦਾ ਬਿਹਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਾਂ ਅਤੇ ਵਧੇਰੇ ਸੂਚਿਤ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਾਂ।