اسڪيونس ۽ ڪرٽوسس کي سمجهڻ
سماجي سائنس کان وٺي قدرتي سائنس تائين، مختلف تحقيقي شعبن ۾ شماريات سائنس جي هڪ ضروري شاخ آهي. ڊيٽا جي تجزيي ۾، صحيح ۽ قابل اعتماد نتيجن کي ڪڍڻ لاءِ ڊيٽا جي ورڇ کي سمجهڻ تمام ضروري آهي. تقسيم کي بيان ڪرڻ ۾ اڪثر استعمال ٿيندڙ ٻه اهم تصور آهن اسڪيونيس ۽ ڪرٽوسس. هي مضمون ڊيٽا جي تجزيي ۾ اسڪيونيس ۽ ڪرٽوسس جي وصفن، تشريحن ۽ اهميت تي تفصيل سان بحث ڪندو.
ترچھائي
اسڪيونس جي تعريف
اسڪيونس هڪ بي ترتيب متغير جي امڪاني ورڇ جي عدم توازن جو هڪ ماپ آهي. آسان لفظن ۾، اسڪيونس بيان ڪري ٿو ته ڊيٽا جي ورڇ ڪيتري حد تائين هڪ مڪمل طور تي هموار شڪل کان انحراف ڪري ٿي، جنهن کي عام ورڇ يا گاسي ورڇ جي نالي سان سڃاتو وڃي ٿو.
اسڪيونس جا قسم
1. مثبت ترچھائي: ڊيٽا جي ورڇ جيڪا ساڄي پاسي ڊگهي هوندي آهي. هڪ مثبت ترچھائي قدر ظاهر ڪري ٿي ته ڊيٽا جو گهڻو حصو کاٻي پاسي ڪلستر ٿيل آهي، هڪ ڊگهي ساڄي دم سان. مثال طور، آبادي ۾ انفرادي آمدني اڪثر ڪري مثبت ترچھائي ڏيکاري ٿي.
2. منفي ترچھائي: ڊيٽا جي ورڇ جيڪا کاٻي پاسي ترچھي آهي. هن صورت ۾، هڪ منفي ترچھائي قدر ظاهر ڪري ٿو ته ڊيٽا جو گهڻو حصو ساڄي پاسي آهي، هڪ ڊگهو کاٻي دم سان. هڪ عام مثال امتحان جا اسڪور آهن جتي شاگردن جي اڪثريت وڌيڪ اسڪور ڪري ٿي.
3. هم آهنگي واري ورڇ: جيڪڏهن skewness قدر صفر جي ويجهو آهي، ته ڊيٽا جي ورڇ کي هم آهنگي جي ويجهو سمجهي سگهجي ٿو، جهڙوڪ هڪ عام ورڇ.
ترچھائي جو حساب ڪيئن ڪجي
ترچھائي جو حساب هيٺ ڏنل فارمولا استعمال ڪندي ڪري سگهجي ٿو:
\[ \ٽيڪسٽ{اسڪيونس} = \فريڪ{ن}{(ن-1)(ن-2)} \سم \کاٻو(\فريڪ{x_i – \بار{x}}{س}\ساڄو)^3 \]
ڪٿي:
– \( n \) = ڊيٽا جو تعداد،
– \( x_i \) = انفرادي قدر،
– \( \bar{x} \) = ڊيٽا جو اوسط،
– \( s \) = معياري انحراف.
ترچھائي جي تشريح
skewness قدرن جي تشريح ڊيٽا جي ورڇ واري خاصيتن کي سمجهڻ ۾ مدد ڪري سگهي ٿي. هڪ عام رهنمائي جي طور تي:
- 0 جي ويجهو ترچھائي هڪ هم آهنگي واري ورڇ کي ظاهر ڪري ٿي.
- مثبت ترچھائي هڪ اهڙي ورڇ کي ظاهر ڪري ٿي جيڪا ساڄي پاسي ترچھي آهي.
- منفي ترچھائي هڪ اهڙي ورڇ کي ظاهر ڪري ٿي جيڪا کاٻي پاسي ترچھي آهي.
ڊيٽا جي تجزيي ۾ اسڪيونس جي اهميت
ڊيٽا جي تجزيي ۾ اسڪيونس هڪ اهم اوزار آهي ڇاڪاڻ ته اهو ڊيٽا جي ورڇ بابت معلومات فراهم ڪري ٿو جيڪا صرف اوسط يا معياري انحراف کي ڏسڻ سان نه ملي سگهي ٿي. اسڪيونس جي صحيح سمجھ اهو طئي ڪرڻ ۾ مدد ڪري سگهي ٿي ته وڌيڪ تجزيي لاءِ ڪهڙي ڊيٽا جي تبديلي ضروري آهي، جهڙوڪ اعليٰ مثبت اسڪيونس سان ڊيٽا تي لاگارٿم استعمال ڪرڻ.
ڪُرٽوسس (نقطي طور تي)
ڪرٽوسس جي تعريف
ڪرٽوسس ڊيٽا ورهائڻ جي چوٽين جي اوچائي ۽ تيزيءَ جو هڪ ماپ آهي. ان جو مطلب آهي ته ڪرٽوسس ان سان لاڳاپيل آهي ته ڊيٽا جو ڪيترو حصو اوسط جي ويجهو ڊيٽا جي مقابلي ۾ دم ۾ آهي. ڪرٽوسس اهو سڃاڻڻ ۾ مدد ڪري ٿو ته ڊيٽا ۾ عام ورهائڻ جي مقابلي ۾ ٿلها دم آهن يا هلڪا دم.
ڪرٽوسس جا قسم
1. ليپٽوڪرٽڪ: هڪ ورڇ جنهن جي چوٽي وڌيڪ هجي ۽ عام ورڇ کان ڳري پڇون هجن. ڪرٽوسس ويليو 3 کان وڌيڪ هجي. ليپٽوڪرٽڪ ورڇ واري ڊيٽا ۾ اڪثر ڪري وڌيڪ اهم آئوٽليئر هوندا آهن.
2. ميسوڪرٽڪ: هڪ اهڙي ورڇ جنهن ۾ عام ورڇ وانگر ئي چوٽي جون خاصيتون هجن. ڪرٽوسس ويليو 3 آهي. عام ورڇ پاڻ ۾ ميسوڪرٽڪ جو هڪ شاندار مثال آهي.
3. پليٽي ڪرٽڪ: هڪ تقسيم جنهن ۾ عام تقسيم جي مقابلي ۾ گهٽ چوٽي ۽ هلڪي دم هوندي آهي. ڪرٽوسس ويليو 3 کان گهٽ آهي. هڪ پليٽي ڪرٽڪ ورڇ ظاهر ڪري ٿو ته ڊيٽا قدرن جي حد ۾ وڌيڪ برابر ورهايل آهي.
ڪرٽوسس جو حساب ڪيئن ڪجي
ڪرتوسس کي هيٺ ڏنل فارمولا استعمال ڪندي حساب ڪري سگهجي ٿو:
\[ \ٽيڪسٽ{ڪرٽوسس} = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum \left( \frac{x_i – \bar{x}}{s} \right)^4 – \frac{3(n-1)^2}{(n-2)(n-3)} \]
ڪٿي:
– \( n \) = ڊيٽا جو تعداد،
– \( x_i \) = انفرادي قدر،
– \( \bar{x} \) = ڊيٽا جو اوسط،
– \( s \) = معياري انحراف.
عام طور تي، ڪرٽوسس کي اڪثر 'اضافي ڪرٽوسس' سڏيو ويندو آهي. سادگي لاءِ، فارمولا کي اڪثر 3 کان گھٽايو ويندو آهي ته جيئن عام ورڇ کي 0 جي ڪرٽوسس يقيني بڻائي سگهجي.
ڪرٽوسس جي تشريح
ڪرٽوسس ويليو ڊيٽا جي ورڇ جي نوعيت ۾ بصيرت فراهم ڪري ٿي:
- وڌيڪ ڪرٽوسس تيز چوٽين ۽ ڳري پڇن جي نشاندهي ڪري ٿو.
- گهٽ ڪرٽوسس هڪ فليٽ ورڇ ۽ هلڪي پڇن جي نشاندهي ڪري ٿو.
ڊيٽا جي تجزيي ۾ ڪرٽوسس جي اهميت
ڪرٽوسس کي سمجهڻ سان ٻاهرين ماڻهن جي سڃاڻپ ڪرڻ ۽ وڌيڪ تجزيي لاءِ ڊيٽا کي منظم ڪرڻ ۾ مدد ملندي آهي. مثال طور، وڌيڪ ڪرٽوسس سان ڊيٽا کي ضرورت کان وڌيڪ ٻاهرين ماڻهن کي منظم ڪرڻ لاءِ جامد طور تي مضبوط ٽيڪنڪ جي ضرورت پوندي.
عملي درخواستون
1. مالي: مالي مارڪيٽن ۾، سيڙپڪار اثاثن جي خطري ۽ ڪارڪردگي کي ماپڻ لاءِ اسڪيوپنيس ۽ ڪرٽوسس استعمال ڪندا آهن. هڪ پورٽ فوليو جنهن ۾ اعليٰ منفي اسڪيوپنيس هجي، ممڪن انتهائي نقصان جي خطري جي نشاندهي ڪري سگهي ٿو.
2. عوامي صحت: وبائي مرض جي مطالعي ۾، ڊيٽا جي ورڇ اڪثر غير معمولي هوندي آهي. اسڪيونس ۽ ڪرٽوسس ڊيٽا کي تبديل ڪرڻ ۾ مدد ڪن ٿا ته جيئن ان کي ريگريشن ماڊلز يا ٻين تجزين ۾ استعمال ڪري سگهجي.
3. معيار تي ضابطو: پيداواري صنعتون اڪثر ڪري پيداوار جي معيار کي ڪنٽرول ڪرڻ لاءِ اسڪيوپنيس ۽ ڪرٽوسس استعمال ڪنديون آهن. پيداوار جي ڊيٽا ۾ وڌيڪ اسڪيوپنيس پيداوار جي عمل ۾ مسئلن جي نشاندهي ڪري سگهي ٿي.
نتيجو
ڊيٽا ورڇ جي تجزيي ۾ اسڪيونيس ۽ ڪرٽوسس ٻه اهم وضاحتي انگ اکر آهن. اسڪيونيس ورڇ جي غير متناسب ۾ بصيرت فراهم ڪري ٿو، جڏهن ته ڪرٽوسس ورڇ جي پڇن جي تيزيءَ ۽ ڳري هجڻ کي اجاگر ڪري ٿو. انهن ٻن تصورن کي سمجهڻ محققن ۽ ڊيٽا تجزيه نگارن کي ڊيٽا جي وڌيڪ صحيح تشريح ڪرڻ ۽ مختلف ايپليڪيشن تناظر ۾ بهتر فيصلا ڪرڻ لاءِ اضافي اوزار فراهم ڪري ٿو.
