شماريات جا بنيادي اصول
شماريات هڪ سائنس آهي جيڪا ڊيٽا جي گڏ ڪرڻ، تجزيو ڪرڻ، تشريح ڪرڻ، پيشڪش ڪرڻ ۽ تنظيم سان لاڳاپيل آهي. هي شعبو سائنس ۽ ڪاروبار کان وٺي صحت ۽ سماجي سائنس تائين مختلف شعبن ۾ ڊيٽا کي پروسيس ڪرڻ لاءِ استعمال ڪيو ويندو آهي. صحيح ڊيٽا ۽ معلومات جي بنياد تي فيصلا ڪرڻ لاءِ انگ اکر جي بنيادي اصولن کي سمجهڻ تمام ضروري آهي. هي مضمون انگن اکرن جي ڪيترن ئي بنيادي اصولن جو جائزو وٺندو، جن ۾ ڊيٽا گڏ ڪرڻ، ڊيٽا جا قسم، ڊيٽا جي ماپ ۽ پروسيسنگ، شمارياتي مقدار، ۽ شمارياتي اندازو شامل آهن.
ڊيٽا گڏ ڪرڻ
شماريات ۾ پهريون قدم ڊيٽا گڏ ڪرڻ آهي. اسان ڪهڙي قسم جو ڊيٽا حاصل ڪريون ٿا اهو ان طريقي تي منحصر آهي جيڪو اسان استعمال ڪندا آهيون. ڊيٽا گڏ ڪرڻ کي ٻن مکيه قسمن ۾ ورهائي سگهجي ٿو:
1. سروي ۽ سوالنامه: هن طريقي ۾ تحريري يا زباني سوالن ذريعي هڪ مخصوص نموني مان ڊيٽا حاصل ڪرڻ شامل آهي. سروي اڪثر سماجي، مارڪيٽنگ، ۽ عوامي صحت جي تحقيق ۾ استعمال ٿيندا آهن.
2. تجربا: تجربن ۾، محقق ڪنهن عمل يا مداخلت جي اثرات جو مطالعو ڪرڻ لاءِ ڪيترن ئي متغيرن کي ڪنٽرول ڪندا آهن. تجربا اڪثر سائنسي تحقيق ۾ استعمال ٿيندا آهن، خاص طور تي سائنس ۽ طب جي شعبن ۾.
جينس ڊيٽا
ڊيٽا کي ڪيترن ئي خاصيتن جي بنياد تي درجه بندي ڪري سگهجي ٿو، جنهن ۾ شامل آهن:
1. مقداري ڊيٽا: ڊيٽا جيڪا ماپي ۽ انگن ۾ ظاهر ڪئي ويندي آهي. هي ڊيٽا الڳ ٿي سگهي ٿو (مثال طور، هڪ خاندان ۾ ٻارن جو تعداد) يا مسلسل (مثال طور، هڪ شخص جو قد).
2. معياري ڊيٽا: ڊيٽا کي زمرن يا خاصيتن جي صورت ۾ ظاهر ڪيو ويندو آهي. هي ڊيٽا نامياري (مثال طور، جنس: مرد يا عورت) يا ترتيبي (مثال طور، اطمينان جي سطح: تمام گهڻو مطمئن، مطمئن، غير جانبدار، غير مطمئن، تمام گهڻو مطمئن) ٿي سگهي ٿو.
ماپ ۽ ڊيٽا پروسيسنگ
ڊيٽا جو تجزيو ڪرڻ لاءِ، ڊيٽا ماپڻ جي پيماني کي ڄاڻڻ ضروري آهي. ماپڻ جي پيماني جا چار قسم آهن:
1. نامياري پيمانو: واضح ترتيب کان سواءِ درجا بنديون. مثال: جنس، اکين جو رنگ.
2. عام پيمانو: واضح ترتيب سان درجا بنديون. مثال: تعليم جي سطح (ابتدائي اسڪول، مڊل اسڪول، هاءِ اسڪول، يونيورسٽي).
3. وقفو پيمانو: برابر وقفن سان عددي ڊيٽا پر مطلق صفر نه. مثال: درجا سينٽي گريڊ ۾ گرمي پد.
4. تناسب جو پيمانو: برابر وقفن ۽ هڪ مطلق صفر سان عددي ڊيٽا. مثال: ماس، ڊيگهه.
ڊيٽا پروسيسنگ ۾ ڪيترائي اهم مرحلا شامل آهن، جهڙوڪ ايڊيٽنگ، ڪوڊنگ، ۽ ٽيبليوليشن. ايڊيٽنگ يقيني بڻائي ٿي ته گڏ ڪيل ڊيٽا غلطين کان پاڪ آهي. ڪوڊنگ پروسيسنگ کي آسان بڻائڻ لاءِ درجه بندي ڊيٽا کي عددي ڪوڊ تفويض ڪري ٿي. ٽيبليوليشن ۾ تشريح ۽ تجزيو کي آسان بڻائڻ لاءِ ڊيٽا کي جدولن ۾ ترتيب ڏيڻ شامل آهي.
شمارياتي شدت
ڪجھ شمارياتي مقدار جيڪي اڪثر ڊيٽا جي تجزيي ۾ استعمال ٿيندا آهن انهن ۾ شامل آهن:
1. مطلب: سڀني ڊيٽا جو مجموعو جيڪو ڊيٽا پوائنٽن جي تعداد سان ورهايو ويو آهي. مطلب ڊيٽا جي "مرڪز" جو عام خيال فراهم ڪري ٿو.
2. وچين: وچين قدر جيڪا ڊيٽا کي ٻن برابر حصن ۾ ورهائي ٿي. وچين انتهائي متضاد ڊيٽا يا آئوٽليئرز سان ڊيٽا لاءِ استعمال ٿيندو آهي.
3. موڊ: اهو قدر جيڪو ڊيٽا جي سيٽ ۾ گهڻو ڪري ظاهر ٿئي ٿو. موڊ ڪيٽيگريڪل ڊيٽا لاءِ وڌيڪ لاڳاپيل آهي.
4. ويريئنس ۽ معياري انحراف: ماپ ڪري ٿو ته ڊيٽا اوسط کان ڪيتري پري پکڙيل آهي. معياري انحراف ويريئنس جو چورس روٽ آهي ۽ اهو اشارو ڏئي ٿو ته ڊيٽا ڪيترو متنوع آهي.
5. رينج، انٽرڪوارٽائل رينج (IQR): رينج وڌ ۾ وڌ ۽ گھٽ ۾ گھٽ قدرن جي وچ ۾ فرق آهي. IQR ڊيٽا اسپريڊ جو هڪ ماپ آهي جيڪو صرف وچين رينج (يعني، پهرين ۽ ٽئين چوٿين جي وچ ۾) کي ڏسندو آهي.
ڊيٽا ويزولائيزيشن
ڊيٽا کي بصري شڪل ۾ پيش ڪرڻ اڪثر ڪري سمجهڻ ۽ تجزيو ڪرڻ آسان بڻائي ٿو. ڪجھ عام ڊيٽا بصري طريقا شامل آهن:
1. بار چارٽ: ڊيٽا جي فريڪوئنسي يا قدر جي متناسب اوچائي سان بارن جي طور تي درجه بندي ڊيٽا ڏيکاري ٿو.
2. پائي چارٽ: ڪيٽيگري ڊيٽا جي تناسب کي دائري جي 'ٽڪڙن' جي طور تي ڏيکاري ٿو.
3. هسٽوگرام: ويجهن وقفن ۾ مقداري ڊيٽا جي ورڇ ڏيکاري ٿو.
4. باڪس پلاٽ: وچين، چوٿون، ۽ آئوٽليئرز تي ڌيان ڏيندي ڊيٽا جي ورڇ ڏيکاري ٿو.
5. اسڪيٽر پلاٽ (اسڪيٽر ڊاگرام): ٻن مقداري متغيرن جي وچ ۾ تعلق ڏيکاري ٿو.
شمارياتي اندازو
شمارياتي اندازو هڪ وڏي آبادي بابت نتيجا يا اڳڪٿيون ڪرڻ لاءِ ڊيٽا جي نموني کي استعمال ڪرڻ شامل آهي. شمارياتي اندازو جا ٻه مکيه جزا آهن:
1. تخمينو: نموني ڊيٽا جي بنياد تي آبادي جي پيرا ميٽر جي تخميني کي ڳڻڻ جو عمل. تخمينو پوائنٽ تخميني ۽ وقفي تخميني ۾ ورهايل آهي.
2. مفروضو جاچ: آبادي جي پيرا ميٽرز بابت مفروضن يا دعوائن جي جانچ جو عمل. مفروضو جاچ ۾ خالي ۽ متبادل مفروضن کي ترتيب ڏيڻ، ۽ شمارياتي ٽيسٽ استعمال ڪرڻ شامل آهي ته اهو طئي ڪيو وڃي ته ڇا خالي مفروضو کي رد ڪرڻ لاءِ ڪافي ثبوت موجود آهن.
مثال طور، جيڪڏهن اسان ڄاڻڻ چاهيون ٿا ته ڪاليج جي شاگردن لاءِ سراسري ننڊ جو وقت في رات 7 ڪلاڪ آهي، ته اسان شاگردن جو هڪ بي ترتيب نمونو وٺي سگهون ٿا ۽ انهن جي سراسري ننڊ جي وقت جو حساب لڳائي سگهون ٿا. هن نموني جي اوسط جي بنياد تي، اسان اندازي ۽ مفروضي جي جاچ جي طريقن کي استعمال ڪندي پوري شاگرد آبادي لاءِ سراسري ننڊ جي وقت بابت نتيجا ڪڍي سگهون ٿا.
نتيجو
انگ اکر ڊيٽا جي تجزيي ۾ هڪ قيمتي اوزار آهي، جيڪو اسان کي پيچيده رجحان کي سمجهڻ ۽ ثبوت تي ٻڌل فيصلا ڪرڻ ۾ مدد ڪري ٿو. انگ اکر جي بنيادي اصولن کي سکڻ سان، اسان ڊيٽا گڏ ڪرڻ، پروسيسنگ ۽ تشريح ڪرڻ ۾ وڌيڪ اثرائتو ٿي سگهون ٿا. ڊيٽا گڏ ڪرڻ، ڊيٽا جي قسمن، ڊيٽا جي ماپ ۽ پروسيسنگ، شمارياتي مقدار، ۽ شمارياتي تخميني جهڙن تصورن تي عبور حاصل ڪرڻ اسان کي اسان جي چوڌاري واقعن کي وڌيڪ منظم ۽ مقصدي انداز ۾ سمجهڻ جي اجازت ڏئي ٿو.
هڪ اهڙي دنيا ۾ جتي ڊيٽا جو غلبو وڌي رهيو آهي، ڊيٽا جو تجزيو ۽ تشريح ڪرڻ جي صلاحيت ڪڏهن به وڌيڪ اهم نه رهي آهي. بنيادي ڳالهين سان شروع ڪريو ۽ وقت سان گڏ پنهنجي شمارياتي صلاحيتن کي ترقي ڏيو، ڇاڪاڻ ته اهو توهان کي بهتر فيصلا ڪرڻ جي صلاحيت ڏيندو، چاهي پيشه ورانه هجي يا ذاتي حوالي سان.
