கால்மான இடைவெளி

கால்பகுதி இடைவெளி: தரவுகளில் உள்ள மாறுபாட்டை அளவிடுதல்

பெண்டாஹுலுவான்

தரவுத்தொகுப்புகள் பல்வேறு ஆய்வுத் துறைகளில் புள்ளிவிவரப் பகுப்பாய்வின் அடித்தளமாக விளங்குகின்றன. தரவுப் பரவலைப் புரிந்துகொள்வதில், தரவின் மையம் அல்லது சராசரியை மட்டுமல்லாமல், அதன் பரவல் அல்லது மாறுபாட்டையும் புரிந்துகொள்வது அடங்கும். தரவு மாறுபாட்டை அளவிடுவதற்கான ஒரு வழி, கால்மான இடைவெளி (IQR) ஆகும். கால்மான இடைவெளி என்பது, புறமதிப்புகள் அல்லது உச்சநிலை மதிப்புகளால் பாதிக்கப்படாமல், ஒரு தரவுத்தொகுப்பின் இடைநிலை மதிப்புகளின் பரவல் குறித்த ஒரு மேலோட்டத்தை வழங்கும் ஒரு புள்ளிவிவரக் கருவியாகும். இந்தக் கட்டுரை கால்மான இடைவெளி, அதை எவ்வாறு கணக்கிடுவது மற்றும் தரவுப் பகுப்பாய்வில் அதன் பயன்பாடு குறித்து விவாதிக்கும்.

கால்மான இடைவெளியின் வரையறை

இடைக்கால் வீச்சு (Interquartile Range) என்பது, முதன்மைத் தரவின் 50%-இல் உள்ள மதிப்புகளின் பரவலானது, முதல் கால்வீச்சுக்கும் (Q1) மூன்றாம் கால்வீச்சுக்கும் (Q3) இடையில் எவ்வளவு அகலமாக அமைந்துள்ளது என்பதைக் காட்டும் ஒரு புள்ளியியல் அளவீடு ஆகும். கணிதரீதியாக, இடைக்கால் வீச்சு (IQR) பின்வருமாறு வரையறுக்கப்படுகிறது:

\[ \text{IQR} = Q_3 – Q_1 \]

எங்கே:
Q1 அல்லது முதல் கால்மானம் என்பது வரிசைப்படுத்தப்பட்ட தரவுகளில் 25%-க்கும் குறைவான மதிப்பாகும்.
Q3 அல்லது மூன்றாம் கால்மானம் என்பது வரிசைப்படுத்தப்பட்ட தரவுகளில் 75%-க்கும் குறைவான மதிப்பாகும்.

வேறுவிதமாகக் கூறினால், கால்மான இடைவெளி (Interquartile Range) என்பது தரவின் நடுவில் உள்ள 50% பகுதி அடங்கும் வரம்பாகும். இது இந்தப் பிரிவில் தரவின் மாறுபாடு அல்லது பரவலைக் குறிக்கிறது. கால்மான இடைவெளி தரவின் நடுப்பகுதியை மையமாகக் கொண்டிருப்பதால், அது புறமதிப்புகளை (outliers) எதிர்க்கிறது. புறமதிப்புகள், மொத்த வீச்சு அல்லது திட்ட விலக்கம் போன்ற பரவல் அளவீடுகளைக் கணிசமாகப் பாதிக்கக்கூடும்.

கால்மான இடைவெளியைக் கணக்கிடுதல்

IQR-ஐ பல முறையான படிகள் மூலம் கணக்கிடலாம். IQR-ஐக் கணக்கிடுவதற்கான பொதுவான படிகள் கீழே கொடுக்கப்பட்டுள்ளன:

படி 1: தரவுகளை வரிசைப்படுத்துதல்

தரவுகளைச் சிறியதிலிருந்து பெரியதாக வரிசைப்படுத்துவதே முதல் படியாகும். தரவுகளை வரிசைப்படுத்துவது மிகவும் முக்கியமானது, ஏனெனில் வரிசைமுறையில் தரவுகளின் நிலையை அடிப்படையாகக் கொண்டே கால்மானங்கள் கணக்கிடப்படுகின்றன.

குறிப்பு:
நம்மிடம் பின்வரும் தரவுத் தொகுப்பு இருப்பதாக வைத்துக்கொள்வோம்:
\[ 7, 8, 5, 3, 9, 12, 15, 11, 18, 20 \]

வரிசைப்படுத்திய பிறகு:
\[ 3, 5, 7, 8, 9, 11, 12, 15, 18, 20 \]

படி 2: இடைநிலையைக் கண்டறியவும் (கே2)

இடைநிலை அல்லது இரண்டாம் கால்மானம் (Q2) என்பது வரிசைப்படுத்தப்பட்ட தரவுகளில் உள்ள நடு மதிப்பாகும். மொத்தத் தரவுகளின் எண்ணிக்கை ஒற்றைப்படையாக இருந்தால், இடைநிலை என்பது நடு உறுப்பாகும். மொத்தத் தரவுகளின் எண்ணிக்கை இரட்டைப்படையாக இருந்தால், இடைநிலை என்பது நடுவில் உள்ள இரண்டு உறுப்புகளின் சராசரியாகும்.

நமது எடுத்துக்காட்டில்:
தரவுகளின் எண்ணிக்கை = 10 (இரட்டை எண்), எனில்:
\[ Q2 = \frac{9 + 11}{2} = 10 \]

படி 3: முதல் கால்மானம் (Q1) மற்றும் மூன்றாம் கால்மானம் (Q3) ஆகியவற்றைக் கண்டறியவும்.

Q1 என்பது தரவின் முதல் பாதியின் இடைநிலை, மற்றும் Q3 என்பது தரவின் இரண்டாம் பாதியின் இடைநிலை ஆகும்.

முதல் பாதி தரவுகள் (Q1-க்கு):
[ 3, 5, 7, 8, 9 ]

முதல் பாதியின் இடைநிலை:
\[ Q1 = 7 \]

தரவின் இரண்டாம் பகுதி (Q3-க்கானது):
[ 11, 12, 15, 18, 20 ]

இரண்டாம் பாதியின் இடைநிலை:
\[ Q3 = 15 \]

படி 4: IQR-ஐக் கணக்கிடுங்கள்

Q1 மற்றும் Q3 இன் மதிப்புகள் தெரிந்தால், Q3 இலிருந்து Q1 ஐக் கழிப்பதன் மூலம் IQR ஐக் கணக்கிடலாம்:
\[ IQR = Q3 – Q1 = 15 – 7 = 8 \]

எனவே, இந்தத் தரவுத்தொகுப்பிற்கான IQR 8 ஆகும்.

கால்பகுதி இடைவெளியின் முக்கியத்துவம்

தரவுப் பகுப்பாய்வில் கால்மான இடைவெளி பல நன்மைகளைக் கொண்டிருப்பதால், அது முக்கியத்துவம் பெறுகிறது:

1. புறத்தன்மைகளை எதிர்க்கும் திறன்:
தரவுத்தொகுப்பில் உள்ள உச்சபட்ச மதிப்புகளால் IQR பாதிக்கப்படுவதில்லை, இதனால் நடுநிலைத் தரவுகளின் மாறுபாட்டைப் பற்றிய மிகவும் துல்லியமான சித்திரத்தை இது வழங்குகிறது.

2. விதிவிலக்குகளை அடையாளம் காணுதல்:
புறத்தன்மைகளை அடையாளம் காண IQR பயன்படுத்தப்படுகிறது. \( Q1 – 1.5 \times IQR \) க்குக் கீழே அல்லது \( Q3 + 1.5 \times IQR \) க்கு மேலே உள்ள தரவுகள் பெரும்பாலும் புறத்தன்மைகளாகக் கருதப்படுகின்றன.

3. பெட்டிக் கதையில் பயன்பாடுகள்:
IQR என்பது பாக்ஸ் ப்ளாட்டின் ஒரு முக்கிய அங்கமாகும். இது குறைந்தபட்சம், Q1, இடைநிலை, Q3 மற்றும் அதிகபட்சம் ஆகிய ஐந்து சுருக்க எண்களின் அடிப்படையில் தரவுகளின் பரவலைச் சித்தரிக்கும் ஒரு காட்சிப்படுத்தல் கருவியாகும்.

4. தரவுத்தொகுப்புகளை ஒப்பிடுதல்:
வெவ்வேறு குழுக்கள் அல்லது தரவுத்தொகுப்புகளுக்கு இடையேயான மாறுபாட்டை ஒப்பிடுவதற்கு IQR-ஐப் பயன்படுத்தலாம். IQR மதிப்பு எவ்வளவு அதிகமாக இருக்கிறதோ, அந்தக் குழுவிற்குள் உள்ள தரவின் மாறுபாடும் அவ்வளவு அதிகமாக இருக்கும்.

5. எளிமையான மற்றும் புரிந்துகொள்ள எளிதானது:
IQR-இன் கருத்தும் கணக்கீடும் எளிமையானதாகவும் புரிந்துகொள்ளக்கூடியதாகவும் இருப்பதால், இது ஆராய்ச்சியாளர்கள் முதல் கொள்கை வகுப்பாளர்கள் வரை பரந்த அளவிலான பார்வையாளர்களுக்குப் பயனுள்ளதாக அமைகிறது.

பல்வேறு துறைகளில் கால்பகுதி இடைவெளியின் பயன்பாடுகள்

1. பொருளாதாரம் மற்றும் வணிகம்
பொருளாதாரம் மற்றும் வணிகத்தில், வருமானப் பங்கீடு, பங்கு விலைகள் அல்லது நிறுவனத்தின் செயல்திறன் போன்றவற்றை ஆய்வு செய்ய IQR-ஐப் பயன்படுத்தலாம். எடுத்துக்காட்டாக, ஒரு பிராந்தியத்தின் வருமானப் பங்கீடு சீராக உள்ளதா அல்லது அதிக அளவில் மாறுபடுகிறதா என்பதைத் தீர்மானிக்க, நாம் IQR-ஐப் பயன்படுத்தலாம்.

2. கல்வி
கல்வியில், தேர்வுகளில் மாணவர்களின் மதிப்பெண்களின் பரவலைப் பகுப்பாய்வு செய்ய IQR பயன்படுத்தப்படலாம். இது, மாணவர்களின் செயல்திறன் பரவலைப் புரிந்துகொள்ளவும், கூடுதல் ஆதரவு தேவைப்படும் மாணவர்களை அடையாளம் காணவும் கல்வியாளர்களுக்கு உதவும்.

3. ஆரோக்கியம்
சுகாதாரத் துறையில், இரத்த அழுத்தம், கொலஸ்ட்ரால் அளவுகள் அல்லது உடல் நிறை குறியீட்டெண் (BMI) போன்ற பல்வேறு சுகாதார அளவுருக்களின் பரவலைப் புரிந்துகொள்ள IQR-ஐப் பயன்படுத்தலாம். IQR-ஐப் பயன்படுத்துவது, மிகவும் அசாதாரணமான மதிப்புகளைக் கொண்ட நோயாளிகளை அடையாளம் காண ஆராய்ச்சியாளர்களுக்கு உதவும்.

4. பொறியியல் மற்றும் உற்பத்தி
பொறியியல் மற்றும் உற்பத்தித் துறையில், உற்பத்தி செயல்முறைகளில் உள்ள மாறுபாடுகளை அளவிட IQR பயன்படுத்தப்படுகிறது. பொருளின் தரத்தைப் பாதிக்கக்கூடிய மாறுபாடுகளைக் கண்டறிவதற்கும் குறைப்பதற்கும் இது இன்றியமையாதது.

முடிவுரை

கால்மான இடைவெளி (IQR) என்பது ஒரு தரவுத்தொகுப்பில் உள்ள மாறுபாட்டை அளவிடுவதற்கான மிகவும் பயனுள்ள ஒரு புள்ளியியல் கருவியாகும். இதற்குக் காரணம், அது புறத்தன்மை மதிப்புகளைப் புறக்கணிக்கும் திறனைக் கொண்டிருப்பதாகும். IQR-ஐப் புரிந்துகொண்டு பயன்படுத்துவது, தரவுப் பகுப்பாய்வை மேலும் துல்லியமாகவும் தகவல் நிறைந்ததாகவும் மாற்றும். பொருளாதாரம், கல்வி, சுகாதாரம் அல்லது பொறியியல் என எந்தத் துறையாக இருந்தாலும், தரவுப் பரவல் குறித்த நுண்ணறிவை வழங்குவதில் IQR ஒரு முக்கியப் பங்கு வகிக்கிறது.

IQR-ஐக் கணக்கிடுவது என்பது ஒப்பீட்டளவில் ஒரு நேரடியான செயல்முறையாகும், மேலும் இது தரவைப் பற்றிய ஏராளமான பயனுள்ள தகவல்களை வழங்குகிறது. எனவே, தரவுப் பகுப்பாய்வில் ஈடுபடும் எவருக்கும் IQR-இன் கருத்து மற்றும் பயன்பாட்டைப் புரிந்துகொள்வது ஒரு விலைமதிப்பற்ற திறமையாகும்.

இந்தக் கட்டுரையின் மூலம், வாசகர்கள் IQR-ஐ எவ்வாறு கணக்கிடுவது என்பதைப் புரிந்துகொள்வதோடு மட்டுமல்லாமல், தரவுப் பகுப்பாய்வில் அதன் முக்கியத்துவத்தையும் உணர்ந்துகொள்வார்கள் என்று நம்புகிறோம். தொழில்நுட்பத்தின் முன்னேற்றம் மற்றும் பகுப்பாய்வு செய்யப்பட வேண்டிய தரவுகளின் அளவு அதிகரித்து வருவதால், IQR போன்ற புள்ளியியல் கருவிகள் மேலும் மேலும் பொருத்தமானதாகவும் முக்கியமானதாகவும் மாறி வருகின்றன.