සංඛ්යාලේඛනවල විසරණය මැනීම
හැදින්වීම
සංඛ්යාලේඛන යනු දත්ත විශ්ලේෂණය, අර්ථ නිරූපණය සහ ඉදිරිපත් කිරීම සඳහා මෙවලම් සහ ක්රම සපයන බලවත් ක්ෂේත්රයකි. සංඛ්යාලේඛනවල එක් තීරණාත්මක අංගයක් වන්නේ දත්ත කට්ටලයක් තුළ දත්ත ලක්ෂ්යවල විචල්යතාවය හෝ පැතිරීම තේරුම් ගැනීමේ හැකියාවයි. විසරණය මැනීම, විචල්යතාවයේ මිනුම් ලෙසද හැඳින්වේ, දත්ත කට්ටලයක දත්ත ලක්ෂ්ය සාමාන්ය හෝ මධ්යන්ය අගයෙන් කොතරම් දුරට වෙනස් වේද යන්න විස්තර කිරීම සඳහා සංඛ්යාලේඛනවල මූලික වේ. මෙම ලිපියෙන් විවිධ විසරණ මිනුම්, ඒවායේ ගණනය කිරීම්, අර්ථ නිරූපණයන් සහ සංඛ්යානමය විශ්ලේෂණයේ යෙදීම් පිළිබඳව සොයා බලනු ඇත.
විසරණයේ මිනුම් වර්ග
1. පරාසය
පරාසය යනු විසරණය මනින සරලම මිනුම වන අතර එය දත්ත කට්ටලයක උපරිම සහ අවම අගයන් අතර වෙනස ලෙස ගණනය කෙරේ.
\[ \පෙළ{පරාසය} = \පෙළ{උපරිම අගය} – \පෙළ{අවම අගය} \]
මෙම පරාසය විචල්යතාවය පිළිබඳ ඉක්මන් හැඟීමක් ලබා දෙන අතර, එය බාහිර සාධක වලට ඉතා සංවේදී වන අතර දත්ත කට්ටලය තුළ දත්ත ලක්ෂ්ය ව්යාප්තිය පිළිබඳ තොරතුරු සපයන්නේ නැත.
2. අන්තර් කාර්තු පරාසය (IQR)
අන්තර් කාර්තු පරාසය, දත්තවල මැද 50% කෙරෙහි අවධානය යොමු කිරීමෙන්, විසරණය පිළිබඳ වඩාත් ශක්තිමත් මිනුමක් සපයයි. එය තුන්වන කාර්තුව (Q3) සහ පළමු කාර්තුව (Q1) අතර වෙනස ලෙස ගණනය කෙරේ.
\[ \පෙළ{IQR} = Q3 – Q1 \]
දත්තවල ඉහළම සහ පහළම 25% බැහැර කිරීමෙන්, IQR මඟින් බාහිර බලපෑම් අඩු කරන අතර දත්ත පැතිරීම පිළිබඳ පැහැදිලි චිත්රයක් ලබා දෙයි.
3. විචලනය
විචලනය යනු දත්ත කට්ටලයක දත්ත ලක්ෂ්ය මධ්යන්යයෙන් කොපමණ ප්රමාණයක් අපගමනය වේද යන්න මැනීමේ මිනුමක් වේ. එය ගණනය කරනු ලබන්නේ එක් එක් දත්ත ලක්ෂ්යය සහ මධ්යන්යය අතර වර්ග වෙනස්කම් සාමාන්යකරණය කිරීමෙනි. ජනගහනයක් සඳහා, විචලනය (σ²) ගණනය කරනු ලබන්නේ:
\[ \sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \]
නියැදියක් සඳහා, විචලනය (s²) නියැදි ප්රමාණය ගණනය කිරීම සඳහා හරයේ \( N-1 \) භාවිතා කරයි:
\[ s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \]
කොහේද:
– \( N \) යනු ජනගහන ප්රමාණයයි
– \( n \) යනු නියැදි ප්රමාණයයි
– \( x_i \) යනු එක් එක් දත්ත ලක්ෂ්යයයි
– \( \mu \) යනු ජනගහන මධ්යන්යයයි
– \( \bar{x} \) යනු නියැදි මධ්යන්යයයි
විචලනය විසරණය පිළිබඳ පුළුල් මිනුමක් සපයයි, නමුත් එය වර්ග ඒකක වලින් යුක්ත වන අතර එය අර්ථ නිරූපණය කිරීමට බුද්ධිමය නොවිය හැකිය.
4. සම්මත අපගමනය
සම්මත අපගමනය යනු විචලනයේ වර්ගමූලය වන අතර එය මුල් දත්ත වලට සමාන ඒකක වලින් ප්රකාශ වේ. ජනගහනයක් සඳහා, සම්මත අපගමනය (σ) වන්නේ:
\[ \sigma = \sqrt{\sigma^2} \]
නියැදියක් සඳහා, සම්මත අපගමනය(ය) වන්නේ:
\[ s = \sqrt{s^2} \]
සම්මත අපගමනය බහුලව භාවිතා වන්නේ එය විසරණය පිළිබඳ වඩාත් අර්ථකථනය කළ හැකි මිනුමක් සපයන නිසා සහ විවිධ සංඛ්යානමය ශිල්පීය ක්රම සඳහා අදාළ වන බැවිනි.
5. මධ්යන්ය නිරපේක්ෂ අපගමනය (MAD)
මධ්යන්ය නිරපේක්ෂ අපගමනය මධ්යන්යයෙන් නිරපේක්ෂ අපගමනයන්ගේ සාමාන්යය මනිනු ලබයි. එය ගණනය කරනු ලබන්නේ:
\[ \පෙළ{MAD} = \frac{1}{n} \sum_{i=1}^{n} |x_i – \bar{x}| \]
MAD, විචලනය සහ සම්මත අපගමනයට වඩා බාහිර සාධක වලට අඩු සංවේදී වේ, නමුත් සංඛ්යානමය විශ්ලේෂණයේදී එය අඩුවෙන් භාවිතා වේ.
අර්ථ නිරූපණය සහ යෙදුම
දත්ත විසරණය තේරුම් ගැනීම හේතු කිහිපයක් නිසා ඉතා වැදගත් වේ. පළමුව, එය සංඛ්යානමය ඇස්තමේන්තු වල විශ්වසනීයත්වය සහ නිරවද්යතාවය මැන බැලීමට උපකාරී වේ. අඩු විසරණය සහිත දත්ත සාමාන්යයෙන් වඩාත් අනුකූල වන අතර එමඟින් වඩාත් විශ්වාසදායක නිගමනවලට මග පාදයි. අනෙක් අතට, ඉහළ විසරණය අධ්යයනය කරනු ලබන සංසිද්ධියේ විචල්යතාවයක් පෙන්නුම් කළ හැකි අතර වැඩිදුර විමර්ශනයක් අවශ්ය විය හැකිය.
උපකල්පිත පරීක්ෂාව සහ විශ්වාසනීය අන්තර ඇස්තමේන්තු කිරීමේදී විසරණයේ මිනුම් ද ඉතා වැදගත් වේ. නිදසුනක් ලෙස, ඇස්තමේන්තුව වටා කොපමණ නියැදි විචල්යතාවයක් තිබේද යන්න තීරණය කරමින්, විශ්වාසනීය අන්තරයන් සඳහා දෝෂයේ ආන්තිකය ගණනය කිරීමේදී සම්මත අපගමනය ප්රධාන අංගයකි.
ඊට අමතරව, ව්යාපාර සහ කර්මාන්ත බොහෝ විට තත්ත්ව පාලනය සහ අවදානම් තක්සේරුව සඳහා විසරණ මිනුම් භාවිතා කරයි. උදාහරණයක් ලෙස, නිෂ්පාදකයෙකු පිරිවිතරයන්ට අනුකූලතාව සහ අනුකූලතාවය සහතික කිරීම සඳහා නිෂ්පාදන මානයන්හි සම්මත අපගමනය නිරීක්ෂණය කළ හැකිය.
විසරණයේ මිනුම් සංසන්දනය කිරීම
මෙම සියලු මිනුම් දත්තවල විචල්යතාවය පිළිබඳ වටිනා අවබෝධයක් ලබා දෙන අතර, සුදුසු මිනුම තෝරා ගැනීම දත්තවල සන්දර්භය සහ ස්වභාවය මත රඳා පවතී. පරාසය සරල නමුත් විකෘති දත්ත හෝ බාහිර දත්ත සමඟ නොමඟ යවන සුළු විය හැකිය. IQR බාහිර දත්ත වලට ශක්තිමත් නමුත් ඕනෑවට වඩා තොරතුරු ඉවත දැමිය හැකිය. විචලනය සහ සම්මත අපගමනය පුළුල් මිනුම් ලබා දෙන නමුත් ආන්තික අගයන් මගින් බලපෑම් කළ හැකිය. විසරණය සඳහා හොඳම මිනුම තෝරාගැනීමේදී දත්තවල ස්වභාවය සහ විශ්ලේෂණාත්මක අවශ්යතා සලකා බැලීම ඉතා වැදගත් වේ.
නිගමනය
දත්ත කට්ටලයක් තුළ ඇති විචල්යතාවය පිළිබඳ අවබෝධයක් ලබා දෙන සංඛ්යානමය විශ්ලේෂණයේ අත්යවශ්ය අංගයක් වන්නේ විසරණය මැනීමයි. පරාසය, අන්තර් කාර්තු පරාසය, විචලනය, සම්මත අපගමනය සහ මධ්යන්ය නිරපේක්ෂ අපගමනය ඇතුළු විවිධ මිනුම්, ඒ සෑම එකක්ම අද්විතීය වාසි සහ සලකා බැලීම් ලබා දෙයි. සුදුසු විසරණ මිනුම තේරුම් ගැනීම සහ තෝරා ගැනීම දත්ත අර්ථ නිරූපණය වැඩි දියුණු කරන අතර පර්යේෂණ, ව්යාපාර සහ විවිධ ක්ෂේත්රවල වඩාත් දැනුවත් තීරණ සඳහා සහාය වේ. දත්ත පැතිරීම නිවැරදිව තක්සේරු කිරීමෙන්, සංඛ්යාලේඛනඥයින්ට සහ විශ්ලේෂකයින්ට ඔවුන්ගේ දත්ත කට්ටල පිළිබඳ ගැඹුරු අවබෝධයක් ලබා ගැනීමට, වඩාත් නිවැරදි අනාවැකි පළ කිරීමට සහ වඩාත් විශ්වාසදායක නිගමනවලට එළඹිය හැකිය.
