وضاحتي شماريات جو تعارف

# وضاحتي شماريات جو تعارف

وضاحتي انگ اکر انگ اکر جو هڪ بنيادي پهلو آهي جيڪو ڊيٽا جي مجموعي جي مکيه خاصيتن کي اختصار ڪرڻ، بيان ڪرڻ ۽ سمجهڻ تي ڌيان ڏئي ٿو. انفرينشل انگ اکر جي برعڪس، جنهن جو مقصد نموني جي بنياد تي آبادي بابت اڳڪٿيون يا نتيجا ڪڍڻ آهي، وضاحتي انگ اکر ان جي مختلف ماپن ۽ تصورن ذريعي ڊيٽا سيٽ ۾ هڪ سادي خلاصو ۽ بصيرت فراهم ڪري ٿو. هي مضمون وضاحتي انگ اکر جي بنيادي تصورن، ضروري ماپن ۽ اهم ايپليڪيشنن ۾ تفصيل سان بيان ڪري ٿو.

## ڊيٽا کي سمجهڻ

انگن اکرن جي حوالي سان، ڊيٽا حقيقتن، مشاهدن، يا انگن جي ڪنهن به مجموعي کي ظاهر ڪري ٿو جيڪو معلومات مهيا ڪري سگهي ٿو. ڊيٽا کي ٻن وسيع درجن ۾ ورهائي سگهجي ٿو:

1. مقداري ڊيٽا: هي عددي قدرن تي مشتمل آهي جيڪي ماپي سگهجن ٿا ۽ رياضي طور تي مقابلو ڪري سگهجن ٿا. مثالن ۾ اوچائي، وزن ۽ گرمي پد شامل آهن.
- ڊسڪريٽ ڊيٽا: مخصوص قدرن کي وٺندو آهي (مثال طور، ڪلاس ۾ شاگردن جو تعداد).
- مسلسل ڊيٽا: هڪ حد اندر ڪا به قدر وٺي سگھي ٿو (مثال طور، گرمي پد).

2. قابليت وارو ڊيٽا: هي وضاحت ڪندڙ يا درجا بندي تي مشتمل آهي جيڪي خاصيتون يا خوبيون بيان ڪن ٿا. مثالن ۾ رنگ، نالا، ۽ ليبل شامل آهن.
- نامزد ڊيٽا: غير ترتيب ڏنل زمرا (مثال طور، جنس، ازدواجي حيثيت).
- عام ڊيٽا: ترتيب ڏنل درجا بندي (مثال طور، درجه بندي، اطمينان جي سطح).

## مرڪزي رجحان جا طريقا

مرڪزي رجحان جي ماپ اسان کي ڊيٽا سيٽ ۾ "مرڪز" يا عام قدر جو خيال ڏين ٿا. اهي ڊيٽا جي عام رجحان کي سمجهڻ ۾ ضروري آهن:

1. اوسط (اوسط): سڀني ڊيٽا جي قدرن جو مجموعو جيڪو قدرن جي تعداد سان ورهايل آهي. اهو انتهائي قدرن يا آئوٽليئرز لاءِ حساس آهي.
\[
\ٽيڪسٽ{مطلب} = \فريڪ{\سم x_i}{ن}
\]
جتي \(\sum x_i\) سڀني ڊيٽا پوائنٽن جو مجموعو آهي ۽ \(n\) ڊيٽا پوائنٽن جو تعداد آهي.

2. وچين: وچين قدر جڏهن ڊيٽا کي گهٽ ۾ گهٽ کان وڏي تائين ترتيب ڏنو ويندو آهي. اهو ٻاهرين ۽ اسڪيو ڊيٽا کان گهٽ متاثر ٿيندو آهي.
- جيڪڏهن \(n\) طاق آهي، ته وچين وچولي قدر آهي.
- جيڪڏهن \(n\) برابر آهي، ته وچين ٻن وچين قدرن جو سراسري آهي.

3. موڊ: ڊيٽا سيٽ ۾ سڀ کان وڌيڪ ايندڙ قدر. اهو عددي ۽ درجه بندي ڊيٽا ٻنهي لاءِ استعمال ڪري سگهجي ٿو.

## پکيڙ جي ماپ

جڏهن ته مرڪزي رجحان جا ماپ عام قدرن ۾ بصيرت فراهم ڪن ٿا، پکيڙ (يا پکيڙ) جا ماپ ڊيٽا سيٽ ۾ تبديلي يا پکيڙ کي بيان ڪن ٿا.

1. حد: ڊيٽا سيٽ ۾ وڌ ۾ وڌ ۽ گھٽ ۾ گھٽ قدرن جي وچ ۾ فرق.
\[
\text{حد} = \text{وڌ ۾ وڌ} - \text{گهٽ ۾ گهٽ}
\]

2. ويرينس: اوسط کان سراسري چورس انحراف. اهو بصيرت فراهم ڪري ٿو ته ڊيٽا پوائنٽس اوسط کان ڪيترو مختلف آهن.
\[
\text{ويرينس} (\sigma^2) = \frac{\sum (x_i – \overline{x})^2}{n}
\]

3. معياري انحراف: ويرينس جو چورس روٽ، هڪ ماپ مهيا ڪري ٿو جيڪو ڊيٽا جي ساڳين يونٽن ۾ آهي.
\[
\text{معياري انحراف} (\sigma) = \sqrt{\frac{\sum (x_i – \overline{x})^2}{n}}
\]

4. انٽرڪوارٽائل رينج (IQR): ڊيٽا جي وچين 50٪ جي پکيڙ کي ظاهر ڪري ٿو، جيڪو ٽئين ڪوارٽائل (Q3) ۽ پهرين ڪوارٽائل (Q1) جي وچ ۾ فرق جي طور تي ڳڻيو ويندو آهي.
\[
\text{IQR} = سوال 3 - سوال 1
\]

## ڊيٽا ويزوئلائيزيشن

بصري نمائندگي ڊيٽا کي سمجهڻ ۽ تشريح ڪرڻ آسان بڻائي ٿي. ڪجھ عام ٽيڪنڪ شامل آهن:

1. هسٽوگرام: مقداري ڊيٽا جي فريڪوئنسي ورڇ کي بِن يا وقفن ۾ ورهائي ڏيکاريو.

2. بار چارٽ: مستطيل بارن سان درجه بندي ڊيٽا جي نمائندگي ڪريو جن جي ڊيگهه ان قدر جي متناسب آهي جيڪا اهي نمائندگي ڪن ٿا.

3. پائي چارٽس: دائري جي سلائسن جي طور تي درجه بندي ڊيٽا جي تناسب کي ڏيکاريو.

4. باڪس پلاٽ (وِسڪر پلاٽ): گھٽ ۾ گھٽ، پھريون چوٿائي، وچين، ٽيون چوٿائي، ۽ وڌ ۾ وڌ ڏيکاريندي ڊيٽا جي ورڇ ۽ آئوٽليئرز جي گرافيڪل تصوير مهيا ڪريو.

5. اسڪيٽر پلاٽ: ڪارٽيسين ڪوآرڊينيٽس استعمال ڪندي ٻن متغيرن لاءِ قدر ڏيکاريو، اڪثر ڪري ڊيٽا ۾ رشتن يا نمونن کي ظاهر ڪن ٿا.

## وضاحتي انگ اکر جا استعمال

وضاحتي انگ اکر مختلف شعبن ۽ صنعتن ۾ وڏي پيماني تي استعمال ٿيندا آهن. ڪجھ ايپليڪيشنن ۾ شامل آهن:

1. صحت جي سار سنڀال: علاج جي منصوبن ۽ مريضن جي سنڀال کي بهتر بڻائڻ لاءِ مريضن جي ڊيٽا، طبي رڪارڊ، ۽ نتيجن جو خلاصو.

2. تعليم: تدريس جي طريقن ۽ نصاب کي بهتر بڻائڻ لاءِ شاگردن جي ڪارڪردگي، حاضري، ۽ ٻين ميٽرڪس جو تجزيو ڪرڻ.

3. ڪاروبار ۽ معاشيات: بهتر فيصلو ڪرڻ لاءِ مارڪيٽ جي رجحانن، صارفين جي رويي، سيلز جي ڪارڪردگي، ۽ مالي ميٽرڪس جو جائزو وٺڻ.

4. رانديون: رانديگرن جي ڪارڪردگي، راند جي انگ اکر، ۽ ٽيم جي ڪارڪردگي جو جائزو وٺڻ.

5. حڪومت ۽ عوامي پاليسي: پاليسين جي منصوبابندي ۽ لاڳو ڪرڻ لاءِ مردم شماري جي ڊيٽا، ڏوهن جي شرح، ۽ عوامي صحت جي انگن اکرن جو تجزيو ڪرڻ.

## نتيجو

وضاحتي انگ اکر شمارياتي تجزيي جي ريڙهه جي هڏي جي حيثيت رکن ٿا، ڊيٽا کي سمجهڻ ۽ تشريح ڪرڻ لاءِ بنياد فراهم ڪن ٿا. مرڪزي رجحان جي ماپن، پکيڙ ۽ تصورن ذريعي ڊيٽا کي خلاصو ڪندي، اهو پيچيده ڊيٽا سيٽ کي جامع بصيرت ۾ آسان بڻائي ٿو. ڇا توهان هڪ شاگرد، محقق، تجزيه نگار، يا فيصلو ڪندڙ آهيو، وضاحتي انگ اکر جي سٺي گرفت ڊيٽا جي بنياد تي باخبر فيصلا ڪرڻ لاءِ انمول آهي. جيئن توهان فيلڊ ۾ وڌيڪ ڳولها ڪندا، توهان کي معلوم ٿيندو ته اهي بنيادي تصور بيشمار تناظر ۽ ايپليڪيشنن ۾ ناگزير اوزار آهن.