گروپ ڊيٽا جا چوٿون حصو

گروپ ڊيٽا جا چوٿون حصو

پنڊال

شماريات، سائنس جي هڪ شاخ جيڪا ڊيٽا جي گڏ ڪرڻ، تجزيو، تشريح، پيشڪش، ۽ تنظيم سان لاڳاپيل آهي، ان ۾ ڪيترائي اهم تصور آهن جيڪي ڊيٽا تي ٻڌل فيصلي سازي ۾ مدد ڪن ٿا. ڊيٽا جي تجزيي ۾ هڪ اهم شمارياتي تصور ڪوارٽائل آهي. ڪوارٽائل ڊيٽا جي ورڇ کي سمجهڻ ۾ مدد ڪن ٿا ۽ ڊيٽا کي ڪيئن گروپ ڪيو ويندو آهي. هن آرٽيڪل ۾، اسان گروپ ٿيل ڊيٽا جي حوالي سان ڪوارٽائل تي تفصيل سان بحث ڪنداسين، انهن کي ڪيئن ڳڻيو وڃي، ۽ نتيجن جي تشريح ڪيئن ڊيٽا جي ورڇ ۾ گهري بصيرت فراهم ڪري سگهي ٿي.

ڪوارٽائلز کي سمجهڻ

سادي لفظن ۾، ڪوارٽائل اهي قدر آهن جيڪي ڊيٽا کي چئن برابر حصن ۾ ورهائيندا آهن. ڊيٽا جي ورڇ جي حوالي سان، ڪوارٽائل ڊيٽا کي ٽن نقطن ۾ ورهائيندا آهن، چار وقفا ٺاهيندا آهن. اهي ٽي نقطا: پهريون ڪوارٽائل (Q1)، ٻيو ڪوارٽائل (Q2)، ۽ ٽيون ڪوارٽائل (Q3) شمارياتي تجزيي لاءِ بنيادي آهن. هر ڪوارٽائل جو ڊيٽا کي سمجهڻ ۾ هڪ مختلف مطلب ۽ ڪم هوندو آهي.

- پهريون چوٿون حصو (Q1): هي ڊيٽا جي هيٺئين اڌ جي وچين قدر آهي، جنهن کي 25 هين پرسنٽائل پڻ چيو ويندو آهي.
- ٻيو چوٿون حصو (Q2): هي سڀني ڊيٽا جي وچولي قدر آهي، جنهن کي وچين يا 50 هين پرسنٽائل پڻ چيو ويندو آهي.
- ٽيون چوٿون (Q3): هي ڊيٽا جي مٿين اڌ جي وچين قدر آهي، جنهن کي 75 هين پرسنٽائل پڻ چيو ويندو آهي.

ڪوارٽائلز ورڇ جي مختلف پهلوئن کي بيان ڪرڻ ۽ ڊيٽا جي حد ۽ تسلسل بابت وڌيڪ تفصيلي معلومات مهيا ڪرڻ لاءِ استعمال ڪيا ويندا آهن.

گروپ ٿيل ڊيٽا ۾ ڪوارٽائل

حقيقي دنيا ۾، گڏ ڪيل ڊيٽا عام طور تي گروپ ٿيل نه آهي (خام ڊيٽا) پر انهن جي لاڳاپيل فريڪوئنسي (گروپ ٿيل ڊيٽا) سان گروپن ۾. گروپ ٿيل ڊيٽا جو تجزيو ڪرڻ جو مقصد معلومات مهيا ڪرڻ آهي ته ڊيٽا مختلف قسمن يا طبقن ۾ ڪيئن ورهايل آهي. گروپ ٿيل ڊيٽا لاءِ ڪوارٽائلز جي ڳڻپ ۾ غير گروپ ٿيل ڊيٽا جي ڀيٽ ۾ ڪيترائي مختلف مرحلا شامل آهن.

گروپ ٿيل ڊيٽا جي چوٿين کي ڳڻڻ لاءِ قدم

گروپ ٿيل ڊيٽا ۾ ڪوارٽائلز کي ڳڻڻ لاءِ، اسان کي فريڪوئنسي ورڇ مان ڪجهه بنيادي معلومات جي ضرورت آهي، جهڙوڪ مٿئين ۽ هيٺين ڪلاس جي حدون، هر ڪلاس جي فريڪوئنسي، ۽ مجموعي فريڪوئنسي. گروپ ٿيل ڊيٽا لاءِ ڪوارٽائلز کي ڳڻڻ لاءِ هتي قدم آهن:

1. ڪوارٽائل ڪلاس جو تعين ڪريو:
- پهريون چوٿون حصو (Q1): ڪلاسن ۾ ملي ٿو جتي مجموعي تعدد ويجهو اچي ٿو \( \frac{N}{4} \)
- ٻيو چوٿون (Q2) يا وچين: ڪلاسن ۾ ملي ٿو جتي مجموعي تعدد ويجهو اچي ٿو \( \frac{N}{2} \)
- ٽيون چوٿون (Q3): ڪلاسن ۾ ملي ٿو جتي مجموعي تعدد ويجهو اچي ٿو \( \frac{3N}{4} \)

2. گروپ ٿيل ڊيٽا لاءِ ڪوارٽائل فارمولا استعمال ڪريو:
- پهرين چوٿين لاءِ فارمولا (Q1):
\[
Q1 = L + \left( \frac{\frac{N}{4} – Fk}{f} \right) \times c
\]
- ٻئي چوٿين لاءِ فارمولا (Q2):
\[
Q2 = L + \left( \frac{\frac{N}{2} – Fk}{f} \right) \times c
\]
- ٽئين چوٿين لاءِ فارمولا (Q3):
\[
Q3 = L + \left( \frac{\frac{3N}{4} – Fk}{f} \right) \times c
\]

ڪٿي:
– \( L \) ڪوارٽائل ڪلاس جي هيٺين حد آهي
– \( N \) ڪل فريڪوئنسي آهي
– \( Fk \) ڪوارٽائل ڪلاس تائين مجموعي تعدد آهي
– \( f \) ڪوارٽائل ڪلاس جي فريڪوئنسي آهي
- \( c \) ڪلاس جي ويڪر آهي

گروپ ٿيل ڊيٽا لاءِ ڪوارٽائل حساب ڪتاب جي مثال

سمجهڻ ۾ آساني پيدا ڪرڻ لاءِ، اچو ته هيٺ ڏنل مثال ڏسون:

ڊيٽا جي فريڪوئنسي ورڇ هن ريت آهي:

| ڪلاس وقفو | فريڪوئنسي (f) |
|——————-|———————|
| 10 – 20 | 5 |
| 20 – 30 | 8 |
| 30 – 40 | 12 |
| 40 – 50 | 7 |
| 50 – 60 | 3 |

مرحلا:

1. N جو تعين ڪريو: ڪُل فريڪوئنسي \( N = 5 + 8 + 12 + 7 + 3 = 35 \)
2. مجموعي تعدد (Fk):

| وقفو ڪلاس | فريڪوئنسي (f) | مجموعي فريڪوئنسي (Fk) |
|——————-|———————|————————–|
| 10 – 20 | 5 | 5 |
| 20 – 30 | 8 | 13 |
| 30 – 40 | 12 | 25 |
| 40 – 50 | 7 | 32 |
| 50 – 60 | 3 | 35 |

3. ڪوارٽائل ڪلاس ڳولڻ:
– سوال 1: \( \frac{N}{4} = 8.75 \) ڪلاس 20-30 ۾ آهي
– سوال 2: \( \frac{N}{2} = 17.5 \) ڪلاس 30-40 ۾ آهي
– سوال 3: \( \frac{3N}{4} = 26.25 \) ڪلاس 40-50 ۾ آهي

4. ڪوارٽائل جو حساب:

- Q1 لاءِ:
– \( ايل = 20 \)
– \( ايف ڪي = 5 \)
– \( ف = 8 \)
– \( ج = 10 \)
\[
سوال 1 = 20 + \ کاٻو ( \ frac{8.75 – 5}{8} \ ساڄي) \ ڀيرا 10 = 20 + (0.46875) \ ڀيرا 10 = 24.6875
\]

- Q2 لاءِ:
– \( ايل = 30 \)
– \( ايف ڪي = 13 \)
– \( ف = 12 \)
– \( ج = 10 \)
\[
سوال 2 = 30 + \ کاٻو ( \ frac{17.5 – 13}{12} \ ساڄي) \ ڀيرا 10 = 30 + (0.375) \ ڀيرا 10 = 33.75
\]

- Q3 لاءِ:
– \( ايل = 40 \)
– \( ايف ڪي = 25 \)
– \( ف = 7 \)
– \( ج = 10 \)
\[
سوال 3 = 40 + \ کاٻو ( \ frac{26.25 – 25}{7} \ ساڄي) \ ڀيرا 10 = 40 + (0.17857) \ ڀيرا 10 = 41.7857
\]

نتيجن جي تشريح

مٿي ڏنل حسابن کي استعمال ڪندي، اسان حاصل ڪريون ٿا ته:
– سوال 1 = 24.6875
– سوال 2 = 33.75
– سوال 3 = 41.7857

اهي چوٿون اسان کي ڊيٽا جي ورڇ بابت اضافي معلومات ڏين ٿا:
- Q1=24.6875: ڊيٽا جو 25٪ 24.6875 کان هيٺ آهي.
- Q2=33.75: ڊيٽا جو 50٪ 33.75 کان هيٺ آهي.
- Q3=41.7857: ڊيٽا جو 75٪ 41.7857 کان هيٺ آهي.

ڪوارٽائل معلومات اسان کي ڊيٽا جي ڪنسنٽريشن ۽ ان جي متغير جي حد کي سمجهڻ جي اجازت ڏئي ٿي. هي معلومات فيصلو سازي ۽ وڌيڪ ڊيٽا تجزيي ۾ تمام ڪارآمد ٿي سگهي ٿي، جهڙوڪ آئوٽليئر ڊيٽيڪشن يا سسٽم جي ڪارڪردگي جو جائزو.

نتيجو

گروپ ٿيل ڊيٽا ۾ ڪوارٽائل شمارياتي تجزيي ۾ اهم ڪردار ادا ڪن ٿا. صحيح طريقن سان، اسان ڊيٽا جي ورڇ کي وڌيڪ تفصيل ۽ درستگي سان سمجهي سگهون ٿا. هي معلومات نه رڳو ڊيٽا جي تشريح ۾ مدد ڪري ٿي پر تجرباتي ثبوتن جي بنياد تي وڌيڪ باخبر فيصلو ڪرڻ ۾ پڻ سهولت فراهم ڪري ٿي. نتيجي ۾، گروپ ٿيل ڊيٽا ۾ ڪوارٽائل کي ڪيئن ڳڻڻ ۽ تشريح ڪرڻ کي سمجهڻ هڪ بنيادي مهارت آهي جيڪا هر ڊيٽا تجزيه نگار کي مهارت حاصل ڪرڻ گهرجي.