اسڪيونس ۽ ڪرٽوسس جو تعارف
شماريات جي دائري ۾، ڊيٽا جو تجزيو ڊيٽا سيٽس اندر بنيادي نمونن جي تشريح ۽ سمجھڻ لاءِ ضروري آهي. اهم تصور جيڪي انهن ڊيٽا سيٽس کي بيان ڪرڻ ۽ خلاصو ڪرڻ ۾ مدد ڪن ٿا اهي آهن اسڪيونس ۽ ڪرٽوسس. اهي ٻئي ماپ ڊيٽا جي شڪل ۽ ورڇ ۾ قيمتي بصيرت فراهم ڪن ٿا، جيڪو اوسط ۽ معياري انحراف کان اڳتي وڌندو آهي.
ترچھائي: ڊيٽا جي عدم توازن کي سمجهڻ
اسڪيونس ڊيٽا پوائنٽس جي ورڇ ۾ عدم توازن يا هم آهنگي جي کوٽ کي بيان ڪري ٿو. هڪ مڪمل طور تي هم آهنگي واري ورڇ ۾، جهڙوڪ هڪ عام ورڇ، هسٽوگرام جا کاٻي ۽ ساڄي پاسا آئيني تصويرون آهن. جڏهن ته، حقيقي دنيا جو ڊيٽا گهٽ ۾ گهٽ مڪمل هم آهنگي سان مطابقت رکي ٿو، جنهن جي ڪري اسڪيونس ٿئي ٿو.
1. ترچھائي جا قسم:
- مثبت ترچھو (ساڄي ترچھو): هن منظرنامي ۾، ورڇ جي ساڄي پاسي واري پڇ کاٻي پاسي کان ڊگهي يا ٿلهي آهي. اهو ظاهر ڪري ٿو ته ڊيٽا پوائنٽن جي اڪثريت کاٻي پاسي مرڪوز آهي، گهٽ ٻاهرين حصي سان گڏ اعلي قدرن ڏانهن وڌندي آهي. هڪ مثال گهريلو آمدني ٿي سگهي ٿي، جتي گهڻا ماڻهو هڪ خاص حد کان هيٺ ڪمائيندا آهن، پر ڪجهه ماڻهو گهڻو وڌيڪ ڪمائيندا آهن.
- منفي ترچھائي (کاٻي-ترڇائي): هتي، ورڇ جي کاٻي پاسي تي دم ڊگهو يا ٿلهو آهي. گھڻا ڊيٽا پوائنٽ ساڄي پاسي مرڪوز آهن، گهٽ گهٽ-قدر آئوٽليئر سان. هڪ مثال ۾ رٽائرمينٽ جي عمر شامل ٿي سگهي ٿي، جتي گهڻا مخصوص عمرن جي وچ ۾ رٽائر ٿين ٿا، پر ڪجھ گهڻو اڳ رٽائر ٿين ٿا.
- صفر ترچھائي: هي هڪ مڪمل طور تي هموار ورڇ ۾ ٿئي ٿو، جتي کاٻي ۽ ساڄي پڇ هڪ ٻئي کي آئيني ۾ رکن ٿا. ڪلاسيڪل مثال عام ورڇ آهي.
2. ترچھائي جو حساب ڪرڻ:
ترچھائي کي هيٺ ڏنل فارمولا استعمال ڪندي ماپي سگهجي ٿو:
\[
\text{Skewness} = \frac{n}{(n-1)(n-2)} \sum_{i=1}^n \left( \frac{x_i – \bar{x}}{s} \right)^3
\]
- n مشاهدن جو تعداد آهي
- x_i هر هڪ انفرادي مشاهدي جي نمائندگي ڪري ٿو
- \(\bar{x}\) مشاهدن جو اوسط آهي
- s معياري انحراف آهي
مثبت قدر ساڄي ترچھائي کي ظاهر ڪن ٿا، جڏهن ته منفي قدر کاٻي ترچھائي کي ظاهر ڪن ٿا.
ڪرٽوسس: ڊيٽا ٽيل هيوينيس کي سمجهڻ
ڪرٽوسس ڊيٽا ورڇ جي "پڇڻ" کي ماپي ٿو. جڏهن ته اسڪيونس هم آهنگي سان معاملو ڪري ٿو، ڪرٽوسس مرڪزي چوٽي جي اوچائي ۽ تيزيءَ ۽ پڇن جي ڳري هجڻ کي حل ڪري ٿو. ڪرٽوسس کي عام طور تي ٽن قسمن ۾ ورهايو ويندو آهي:
1. ڪرٽوسس جا قسم:
- ليپٽوڪرٽڪ: مثبت ڪرٽوسس قدرن سان ورڇ ظاهر ڪن ٿا ته وڌيڪ ڊيٽا قدر اوسط جي چوڌاري مرڪوز آهن، جنهن جي نتيجي ۾ تيز چوٽيون ۽ ٿلهي دم آهن. اهو ٻاهرين ماڻهن جي وڌيڪ امڪان کي ظاهر ڪري ٿو. اسٽاڪ مارڪيٽ جي واپسي اڪثر ڪري ليپٽوڪرٽڪ رويي کي ظاهر ڪري ٿي، انتهائي تبديلين کي ظاهر ڪري ٿي.
- پليٽي ڪرٽڪ: منفي ڪرٽوسس قدرن سان ورڇون چٽي چوٽيون ۽ پتلي دم ڏيکارين ٿيون، مطلب ته ڊيٽا پوائنٽس اوسط جي چوڌاري وڌيڪ برابر پکڙيل آهن. بي ترتيب نمبر سيٽ پليٽي ڪرٽڪ خاصيتون ڏيکارڻ جو رجحان رکن ٿا.
- ميسوڪرٽڪ: صفر جي ويجهو ڪرٽوسس ويليو سان ورڇ، عام ورڇ وانگر، وچولي چوٽي ۽ دم جي ٿلهي ڏيکاري ٿي.
2. ڪرٽوسس جو حساب لڳائڻ:
ڪرتوسس فارمولا استعمال ڪندي حساب ڪيو ويندو آهي:
\[
\text{ڪرٽوسس} = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum_{i=1}^n \left( \frac{x_i – \bar{x}}{s} \right)^4 – 3 \frac{(n-1)^2}{(n-2)(n-3)}
\]
skewness وانگر، n مشاهدن جو تعداد آهي، x_i هر مشاهدو آهي، \(\bar{x}\) اوسط آهي، ۽ s معياري انحراف آهي. ٽن جي گھٽتائي کي عام تقسيم جي ڪرٽوسس کي صفر جي برابر ڪرڻ لاءِ استعمال ڪيو ويندو آهي. مثبت قدر ليپٽوڪرٽڪ تقسيم کي ظاهر ڪن ٿا، جڏهن ته منفي قدر پليٽيڪرٽڪ تقسيم کي ظاهر ڪن ٿا.
عملي اثرات ۽ ايپليڪيشنون
اسڪيونس ۽ ڪرٽوسس صرف فلسفياتي تعميرات نه آهن پر فنانس کان وٺي معيار جي ڪنٽرول ۽ حياتيات تائين جي شعبن ۾ عملي اثر رکن ٿا.
1. فنانس:
- خطري جي انتظام ۾، skewness ۽ kurtosis کي ماڊلنگ ۽ مالي واپسي جي اڳڪٿي لاءِ استعمال ڪيو ويندو آهي. skewness انتهائي مثبت يا منفي تبديلين جي خطري کي آگاهي ڏئي ٿو، جڏهن ته kurtosis انتهائي واقعن يا ڪاري سوان جي رجحان جي امڪان کي سمجهڻ ۾ مدد ڪري ٿو.
- پورٽ فوليو مئنيجر اثاثن جي چونڊ ڪندي اسڪيوپنيس ۽ ڪرٽوسس تي غور ڪندا آهن، خطري ۽ واپسي جي وچ ۾ هڪ مثالي توازن لاءِ ڪوشش ڪندا آهن.
2. معيار تي ضابطو:
- پيداوار ۾، پيداوار جي عملن مان ڊيٽا جي ترچھائي جو تجزيو ڪرڻ سان ناڪاره يا معيار جي انحراف کي اجاگر ڪري سگهجي ٿو. ڪرٽوسس ممڪن ٻاهرين شين جي سڃاڻپ ڪري سگهي ٿو جيڪي خرابين يا ناياب غلطين جي نشاندهي ڪري سگهن ٿا.
3. حياتيات ۽ طب:
- وبائي بيماري ۾، ترچھائي بيمارين جي پکيڙ کي ظاهر ڪري سگهي ٿي، جڏهن ته ڪرٽوسس شايد سپر اسپريڊرز جي موجودگي کي ظاهر ڪري سگهي ٿو. جينياتيات ۾، اهي ماپون آبادي اندر خاصيتن جي ورڇ جو تجزيو ڪرڻ ۾ مدد ڪن ٿيون.
4. ماحولياتي سائنس:
- محقق آلودگي جي ڊيٽا جو مطالعو ڪرڻ لاءِ اسڪيوپنيس استعمال ڪندا آهن، آلودگي جي پکيڙ ۾ رجحانات کي ظاهر ڪندا آهن. ڪرٽوسس ناياب پر نازڪ ماحولياتي واقعن کي سمجهڻ ۾ مدد ڪندو آهي، جهڙوڪ تيل جو ڦڙو يا ناياب نسلن جو نظارو.
ٿڪل
اسڪيونس ۽ ڪرٽوسس کي سمجهڻ ڊيٽا جو هڪ امير ۽ وڌيڪ نفيس نظارو فراهم ڪري ٿو، جيڪو مختلف شعبن ۾ بهتر فيصلي سازي ۾ مدد ڪري ٿو. جڏهن ته اسڪيونس غير متناسب کي ظاهر ڪري ٿو، ڪرٽوسس تقسيم جي دم جي رويي کي نمايان ڪري ٿو. گڏجي، اهي ماپ روايتي خلاصي انگن اکرن کان ٻاهر اهم بصيرت پيش ڪن ٿا، پيچيده رجحان جي تشريح ۽ اڳڪٿي ڪرڻ جي اسان جي صلاحيت کي وڌائين ٿا.
جيئن ڪنهن به شمارياتي اوزار سان، اهو ياد رکڻ ضروري آهي ته skewness ۽ kurtosis سڀ کان وڌيڪ معلوماتي آهن جڏهن ٻين وضاحتي انگن اکرن سان گڏ استعمال ڪيو وڃي. هي جامع طريقو ڊيٽا جي ورڇ، باخبر فيصلن کي هلائڻ ۽ نئين دريافتن کي فروغ ڏيڻ جي جامع سمجھ کي يقيني بڻائي ٿو.
