لاڳاپيل تعدد تي بحث ڪندڙ مثال سوال

مثال سوال جيڪي لاڳاپيل تعدد تي بحث ڪن ٿا

انگ اکر ۾ رشتيدار فريڪوئنسي هڪ اهم تصور آهي، جيڪو اڪثر ڪري اهو بيان ڪرڻ لاءِ استعمال ڪيو ويندو آهي ته ڊيٽا سيٽ ۾ ڪيتري بار هڪ قدر يا واقعو ٿئي ٿو. رشتيدار فريڪوئنسي ڊيٽا جي ورڇ تي هڪ بهتر نقطه نظر مهيا ڪرڻ ۾ مدد ڪري ٿي ڊيٽا سيٽ ۾ عنصرن جي ڪل تعداد سان واقعن جي تعداد کي لاڳاپيل ڪندي. هن آرٽيڪل ۾، اسان رشتيدار فريڪوئنسي جي تصور تي تفصيل سان بحث ڪنداسين، ڪيترن ئي مثالن جي مسئلن کي فراهم ڪنداسين ۽ انهن کي حل ڪنداسين ته جيئن اسان جي سمجھ کي واضح ڪري سگهجي.

1. نسبتي تعدد کي سمجهڻ

لاڳاپيل تعدد کي ڪنهن واقعي جي تعدد جي واقعن يا مشاهدن جي ڪل تعداد جي تناسب جي طور تي ظاهر ڪيو ويندو آهي. اهو عام طور تي ڏهائي يا سيڪڙو جي طور تي ظاهر ڪيو ويندو آهي. لاڳاپيل تعدد جي حساب لاءِ فارمولا هي آهي:

\[ \text{نسبتي تعدد} = \frac{\text{واقعي جي تعدد}}{\text{ڪل تعدد}} \]

2. نسبتي تعدد جي اهميت

رليٽو فريڪوئنسي مطلق فريڪوئنسي جي ڀيٽ ۾ هڪ واضح ۽ وڌيڪ سمجھڻ واري تصوير فراهم ڪري ٿي. اهو ئي سبب آهي جو رليٽو فريڪوئنسي ڪل ڊيٽا سيٽ جي سائيز يا پيماني کي حساب ۾ رکي ٿي، هڪ ڊيٽا سيٽ کي ٻئي سان مقابلو ڪرڻ آسان بڻائي ٿي، جيتوڻيڪ ٻن سيٽن ۾ ڊيٽا پوائنٽس جو ڪل تعداد مختلف هجي.

3. مثال سوال ۽ بحث

نسبتي تعدد جي تصور کي بهتر سمجهڻ لاءِ، اچو ته ڪجهه مثالي سوالن ۽ انهن جي بحثن تي نظر وجهون.

مثال سوال 1

هيٺ ڏنل ڊيٽا کي ڏنو ويو آهي جيڪو هفتي جي مختلف ڏينهن تي لائبريري گهمڻ وارن جو تعداد ڏيکاري ٿو:

- سومر: 50 سياح
- اڱارو: 40 سياح
- اربع: 60 سياح
- خميس: 30 سياح
- جمعو: 70 سياح

هر ڏينهن لاءِ لاڳاپيل تعدد جو تعين ڪريو.

بحث:

1. هڪ هفتي ۾ ڪُل مهمانن جي ڳڻپ ڪريو.
\[
\text{ڪل مهمان} = 50 + 40 + 60 + 30 + 70 = 250
\]

2. فارمولا استعمال ڪندي هر ڏينهن لاءِ لاڳاپيل تعدد جو حساب ڪريو:
\[
\text{نسبتي تعدد} = \frac{\text{ڏينهن تعدد}}{\text{ڪل تعدد}}
\]

3. هر ڏينهن لاءِ نسبتي تعدد آهي:
- سومر:
\[
\text{ نسبتي تعدد سومر} = \frac{50}{250} = 0.20 \text{ يا } 20\%
\]
- اڱارو:
\[
\text{رشتيدار تعدد اڱارو} = \frac{40}{250} = 0.16 \text{ يا } 16\%
\]
- اربع:
\[
\text{رشتيدار فريڪوئنسي اربع} = \frac{60}{250} = 0.24 \text{ يا } 24\%
\]
- خميس:
\[
\text{رشتيدار فريڪوئنسي خميس} = \frac{30}{250} = 0.12 \text{ يا } 12\%
\]
- جمع:
\[
\text{جمعي جي نسبتي تعدد} = \frac{70}{250} = 0.28 \text{ يا } 28\%
\]

نسبتي تعدد ذريعي، اسان ڏسي سگهون ٿا ته جمعي تي هفتي ۾ سياحن جو سڀ کان وڏو تناسب آهي.

مثال سوال 2

هڪ مهيني ۾ سيب جي وڪرو جي تعدد کي ڏنو ويو:

- هفتو 1: 15 ٽڪرا
- هفتو 2: 20 ٽڪرا
- هفتو 3: 25 ٽڪرا
- هفتو 4: 40 ٽڪرا

هر هفتي سيب جي وڪرو جي نسبتي تعدد جو حساب ڪريو.

بحث:

1. هڪ مهيني ۾ سيب جي ڪل وڪرو جو حساب ڪريو.
\[
\text{ڪل وڪرو} = 15 + 20 + 25 + 40 = 100
\]

2. هر هفتي جي نسبتي تعدد جو حساب ڪريو:
\[
\text{نسبتي تعدد} = \frac{\text{هفتي جي تعدد}}{\text{ڪل تعدد}}
\]

3. هر هفتي لاءِ نسبتي تعدد:
- هفتو 1:
\[
\text{هفتو 1 لاڳاپيل فريڪوئنسي} = \frac{15}{100} = 0.15 \text{ يا } 15\%
\]
- هفتو 2:
\[
\text{هفتو 2 لاڳاپيل فريڪوئنسي} = \frac{20}{100} = 0.20 \text{ يا } 20\%
\]
- هفتو 3:
\[
\text{هفتو 3 لاڳاپيل فريڪوئنسي} = \frac{25}{100} = 0.25 \text{ يا } 25\%
\]
- هفتو 4:
\[
\text{هفتو 4 لاڳاپيل فريڪوئنسي} = \frac{40}{100} = 0.40 \text{ يا } 40\%
\]

هن مثال مان اهو واضح ٿئي ٿو ته سيب جي سڀ کان وڌيڪ وڪرو چوٿين هفتي ۾ ٿيو جنهن جي نسبتاً تعدد 40٪ هئي.

مثال سوال 3

مثال طور، هڪ ڪلاس ۾ مختلف مضمونن کي پسند ڪندڙ شاگردن جي تعداد بابت هيٺ ڏنل ڊيٽا آهي:

- رياضي: 10 شاگرد
- انگريزي: 15 شاگرد
- قدرتي سائنس (IPA): 20 شاگرد
- تاريخ: 5 شاگرد

هر موضوع جي چونڊ لاءِ لاڳاپيل تعدد جو حساب ڪريو.

بحث:

1. شاگردن جو ڪُل تعداد ڳڻيو.
\[
\text{ڪل شاگرد} = 10 + 15 + 20 + 5 = 50
\]

2. هر موضوع لاءِ لاڳاپيل تعدد جو حساب ڪريو:
\[
\text{نسبتي تعدد} = \frac{\text{موضوع جي تعدد}}{\text{ڪل تعدد}}
\]

3. هر موضوع لاءِ نسبتي تعدد:
- رياضي:
\[
\text{رياضياتي نسبتي فريڪوئنسي} = \frac{10}{50} = 0.20 \text{ يا } 20\%
\]
- انگريزي:
\[
\text{انگريزي جي نسبتي فريڪوئنسي} = \frac{15}{50} = 0.30 \text{ يا } 30\%
\]
- قدرتي سائنس (IPA):
\[
\text{سائنس جي نسبتي تعدد} = \frac{20}{50} = 0.40 \text{ يا } 40\%
\]
- تاريخ:
\[
\text{تاريخي نسبتي تعدد} = \frac{5}{50} = 0.10 \text{ يا } 10\%
\]

هتان اهو ڏسي سگهجي ٿو ته قدرتي سائنس 40٪ جي نسبتي تعدد سان سڀ کان وڌيڪ مشهور مضمون آهي، جڏهن ته تاريخ 10٪ جي نسبتي تعدد سان گهٽ ۾ گهٽ مشهور مضمون آهي.

پينوٽ اپ

رشتيدار فريڪوئنسي شمارياتي ڊيٽا جي تجزيي ۾ هڪ تمام ڪارآمد اوزار آهي، جيڪو اسان کي ڊيٽا سيٽ اندر ڊيٽا جي تناسب ۽ ورڇ کي سمجهڻ ۾ مدد ڪري ٿو. رشتيدار فريڪوئنسي استعمال ڪرڻ اسان کي ڊيٽا جو وڌيڪ معروضي طور تي مقابلو ڪرڻ ۽ رجحانات يا نمونن جي سڃاڻپ ڪرڻ جي اجازت ڏئي ٿو جيڪي شايد خام ڊيٽا ۾ ظاهر نه هجن. بحث ڪيل مثالن ذريعي، اميد آهي ته رشتيدار فريڪوئنسي جو تصور واضح ۽ سمجهڻ ۾ آسان ٿي ويندو، ان کي مختلف ٻين ڊيٽا تجزيي جي حالتن تي لاڳو ڪرڻ جي اجازت ڏيندو.