පැතිරීමේ මිනුම්: දත්තවල විචල්යතාවය අවබෝධ කර ගැනීම
සංඛ්යාලේඛන සහ දත්ත විශ්ලේෂණයේදී, නිවැරදි හා අදාළ නිගමනවලට එළඹීම සඳහා දත්තවල ව්යාප්තිය සහ විචලනය අවබෝධ කර ගැනීම ඉතා වැදගත් වේ. දත්තවල විචලනය විස්තර කිරීමට භාවිතා කරන එක් ප්රධාන සංකල්පයක් වන්නේ "විසරණයේ මිනුමයි". මෙම ලිපියෙන් විවිධ විසරණ මිනුම්, ඒවා වැදගත් වන්නේ ඇයි, ඒවා ගණනය කරන්නේ කෙසේද සහ දත්ත විශ්ලේෂණයේ සන්දර්භය තුළ ඒවායේ අර්ථ නිරූපණය සාකච්ඡා කරනු ඇත.
පැතිරීමේ මිනුමක් යනු කුමක්ද?
විසරණ මිනුම් යනු කට්ටලයක දත්ත මධ්යම අගයකින් කොතරම් දුරට පැතිරී ඇත්ද හෝ විසුරුවා හරිනවාද යන්න විස්තර කිරීමට භාවිතා කරන මිනුම් වේ. මෙම මධ්යම අගය සාමාන්යයෙන් මනිනු ලබන්නේ මධ්යන්යය හෝ මධ්යන්යය වැනි මධ්යම ප්රවණතාවයේ මිනුම් භාවිතා කරමිනි. විසරණ මිනුම් මඟින් දත්තවල පරාසය, විචලනය සහ අනුකූලතාව පිළිබඳ අවබෝධයක් ලබා දේ.
පැතිරීමේ ප්රමාණය වැදගත් වන්නේ ඇයි?
1. විචල්යතාවය අවබෝධ කර ගැනීම:
විචල්යතාවය ඕනෑම දත්තයක අනිවාර්ය අංගයකි. දත්ත කොපමණ ප්රමාණයක් වෙනස් වේද යන්න තේරුම් ගැනීමෙන්, එම දත්තවල යටින් පවතින ගතිකත්වය අපට තේරුම් ගත හැකිය.
2. බාහිර හඳුනා ගන්න:
දත්ත ව්යාප්තිය මඟින් බාහිර දත්ත හඳුනා ගැනීමට උපකාරී වේ (ඉතිරි දත්ත වලින් ඈත්ව ඇති ආන්තික අගයන්), එය තවදුරටත් විශ්ලේෂණය සඳහා වැදගත් විය හැකිය, නැතහොත් දෝෂ දත්ත විය හැකිය.
3. දත්ත කට්ටල සංසන්දනය:
විසරණය මැනීම මඟින් දත්ත කට්ටල දෙකක් හෝ වැඩි ගණනක් අතර සංසන්දනය කිරීමට ඉඩ සලසයි. උදාහරණයක් ලෙස, දත්ත කට්ටල දෙකකට එකම මධ්යන්යයක් තිබිය හැකි නමුත් වෙනස් විචලනයන් හෝ විසරණ තිබිය හැකිය.
4. අනුමාන සංඛ්යාලේඛන:
වලංගු සහ වැදගත් නිගමනවලට එළඹීම සඳහා බොහෝ අනුමාන සංඛ්යානමය ක්රම සඳහා දත්ත ව්යාප්තිය පිළිබඳ හොඳ අවබෝධයක් අවශ්ය වේ.
පැතිරීමේ ප්රමාණයේ වර්ග
සංඛ්යානමය දත්ත විශ්ලේෂණයේදී බහුලව භාවිතා වන විසරණය පිළිබඳ මිනුම් කිහිපයක් තිබේ:
1. පරාසය
පරාසය යනු පැතිරීමේ සරලම මිනුම වන අතර එය දත්ත කට්ටලයක උපරිම සහ අවම අගයන් අතර වෙනස ලෙස ගණනය කෙරේ.
\[ \පෙළ{පරාසය} = \පෙළ{උපරිම අගය} – \පෙළ{අවම අගය} \]
ගණනය කිරීමට පහසු වුවද, පරාසය දත්ත ලක්ෂ්ය දෙකක් පමණක් සලකා බලන අතර අවම සහ උපරිම අගයන් අතර දත්ත ව්යාප්තිය පිළිබිඹු නොකරයි.
2. අන්තර් කාර්තු පරාසය (IQR)
IQR යනු පරාසයට වඩා විසරණය පිළිබඳ වඩාත් ශක්තිමත් මිනුමක් වන අතර එයට බාහිර සාධක මගින් බලපෑමක් නොමැති බැවිනි. එය 75 වන ප්රතිශතයෙන් (Q3) 25 වන ප්රතිශතය (Q1) අඩු කිරීමෙන් දත්තවල මධ්ය පරාසය ගණනය කරයි.
\[ \පෙළ{IQR} = Q3 – Q1 \]
මධ්යන්යය කෙරෙහි අවධානය යොමු කිරීමෙන්, IQR යටින් පවතින දත්තවල ව්යාප්තිය පිළිබඳ වඩා හොඳ චිත්රයක් සපයයි.
3. විචලනය
විචලනය යනු දත්ත කට්ටලයක එක් එක් අගය මධ්යන්යයෙන් කොපමණ දුරකින්ද යන්න මනිනු ලබයි. එය ගණනය කරනු ලබන්නේ එක් එක් අගයේ වෙනස්කම්වල වර්ග මධ්යන්යයෙන් සාරාංශ කිරීමෙන්, පසුව දත්ත මූලද්රව්ය ගණනින් (ජනගහනයක් සඳහා) හෝ මූලද්රව්ය ගණනින් එකක් අඩු කිරීමෙන් (නියැදියක් සඳහා) බෙදීමෙනි.
ජනගහනය සඳහා (\(\sigma^2\)):
\[ \sigma^2 = \frac{\එකතුව (X_i – \mu)^2}{N} \]
නියැදිය සඳහා (\(s^2\)):
\[ s^2 = \frac{\එකතුව (X_i – \overline{X})^2}{n-1} \]
විචලනය දත්තවල අනුකූලතාව පිළිබඳ අදහසක් සපයයි; කෙසේ වෙතත්, විචලනය වර්ග ඒකක භාවිතා කරන බැවින්, එය කෙලින්ම අර්ථ නිරූපණය කිරීම දුෂ්කර විය හැකිය.
4. සම්මත අපගමනය
සම්මත අපගමනය යනු විචලනයේ වර්ගමූලය වන අතර එය මුල් දත්තවලට සමාන ඒකකවල පවතින බැවින් එය අර්ථ නිරූපණය කිරීම පහසු කරයි.
ජනගහනය සඳහා (\(\sigma\)):
\[ \sigma = \sqrt{\sigma^2} = \sqrt{\frac{\sum (X_i – \mu)^2}{N}} \]
නියැදිය සඳහා (\(s\)):
\[ s = \sqrt{s^2} = \sqrt{\frac{\sum (X_i – \overline{X})^2}{n-1}} \]
සම්මත අපගමනය යනු විසරණය සඳහා බහුලව භාවිතා වන මිනුම් වලින් එකකි, මන්ද එය අර්ථ නිරූපණය කිරීමට පහසු වන අතර විවිධ සංඛ්යානමය විශ්ලේෂණ වලදී නිතර භාවිතා වේ.
5. විචලන සංගුණකය (CV)
CV යනු සම්මත අපගමනය මධ්යන්යයට අනුපාතය ලෙස ප්රකාශිත සහ බොහෝ විට ප්රතිශතයක් ලෙස ප්රකාශිත සාපේක්ෂ විසරණයේ මිනුමක් වේ.
\[ \පෙළ{CV} = \frac{s}{\overline{X}} \times 100\% \]
විවිධ ක්රම සමඟ දත්ත කට්ටල අතර විචල්යතාවය සංසන්දනය කිරීම සඳහා CV ඉතා ප්රයෝජනවත් වේ.
ගණනය කර අර්ථ නිරූපණය කරන්නේ කෙසේද?
ගණනය කිරීමේ උදාහරණය
පහත දත්ත උදාහරණයෙන් අපි පැහැදිලි කරමු:
\[ \{15, 20, 25, 35, 45, 55, 65, 75, 85, 95\} \]
1. පරාසය:
\[ \පෙළ{පරාසය} = 95 – 15 = 80 \]
2. අන්තර් කාර්තු පරාසය (IQR):
දත්ත වර්ග කිරීමෙන් පසු, අපට Q1 සහ Q3 යන කාර්තු සොයා ගත හැක. මෙම අවස්ථාවේදී, Q1 25 වන අතර Q3 75 වේ.
\[ \පෙළ{IQR} = 75 – 25 = 50 \]
3. විචලනය සහ සම්මත අපගමනය:
දත්තවල මධ්යන්යය (\(\overline{X}\)) 51.5 කි. ඉන්පසු අපි විචලනය සහ සම්මත අපගමනය ගණනය කරමු.
\[ \පෙළ{විචලනය (s^2)} = \frac{1}{n-1} \එකතුව (X_i – \ඕවර්ලයින්{X})^2 = 816.11 \]
\[ \පෙළ{සම්මත අපගමනය(ය)} = \sqrt{816.11} = 28.57 \]
4. විචලන සංගුණකය (CV):
\[ \පෙළ{CV} = \frac{28.57}{51.5} \වරක් 100\% \ආසන්න වශයෙන් 55.48\% \]
මෙතැන් සිට, සම්මත අපගමනය 28.57 බව අපට අර්ථකථනය කළ හැකි අතර, CV මඟින් සම්මත අපගමනය මුල් දත්තවල සාමාන්යයෙන් 55.48% ක් පමණ වන බව පෙන්වයි.
නිගමනය
විසරණය පිළිබඳ මිනුම් සංඛ්යානමය දත්ත විශ්ලේෂණයේ අත්යවශ්ය අංග වේ, මන්ද ඒවා මධ්යම අගයක් වටා දත්තවල විචල්යතාවය සහ පැතිරීම පිළිබඳ අවබෝධයක් ලබා දෙයි. බහුලව භාවිතා වන විසරණ මිනුම්වලට පරාසය, අන්තර් කාර්තු පරාසය, විචලනය, සම්මත අපගමනය සහ විචලනයේ සංගුණකය ඇතුළත් වේ. මෙම සෑම මිනුමක්ම නිශ්චිත භාවිතයන් ඇති අතර දත්තවල සන්දර්භය සහ විශ්ලේෂණයේ අරමුණ අනුව වටිනා අවබෝධයක් ලබා දිය හැකිය. විසරණය පිළිබඳ මිනුම් නිසි ලෙස තේරුම් ගෙන භාවිතා කිරීමෙන්, විවිධ පර්යේෂණ ක්ෂේත්රවල සහ දත්ත විද්යා යෙදීම්වල වඩාත් දැනුවත් සහ නිවැරදි තීරණ ගැනීමට අපට හැකිය.
