அதிர்வெண் பரவலின் அடிப்படைக் கருத்துக்கள்

அதிர்வெண் பரவலின் அடிப்படைக் கருத்துக்கள்

புள்ளியியலில் தரவுகளை ஒழுங்கமைப்பதற்கும் பகுப்பாய்வு செய்வதற்கும் அதிர்வெண் பரவல் ஒரு முக்கியமான முறையாகும். தரவு மதிப்புகள் எவ்வாறு பிரிவுகளாக அல்லது இடைவெளிகளாகப் பிரிக்கப்படுகின்றன என்பதையும், ஒவ்வொரு பிரிவின் அதிர்வெண்கள் எவ்வாறு பதிவு செய்யப்படுகின்றன என்பதையும் இச்சொல் குறிப்பிடுகிறது. அதிர்வெண் பரவலின் அடிப்படைக் கருத்துக்களை ஆராய்வதன் மூலம், தரவுகளை எவ்வாறு விளக்குவது என்பதை நாம் நன்கு புரிந்துகொள்ள முடியும், மேலும் பெறப்பட்ட தரவுகளின் அடிப்படையில் அதிக தகவலறிந்த முடிவுகளை எடுக்கவும் முடியும்.

அதிர்வெண் பரவல் என்றால் என்ன?

அதிர்வெண் பரவல் என்பது ஒரு தரவுத்தொகுப்பில் உள்ள ஒவ்வொரு மதிப்பு அல்லது வகையின் நிகழ்வு அதிர்வெண்ணைக் காட்டும் ஒரு அட்டவணை அல்லது வரைபடம் ஆகும். ஒரு அதிர்வெண் பரவலில், அட்டவணையில் உள்ள ஒவ்வொரு பதிவும் ஒரு குறிப்பிட்ட மதிப்பு தோன்றும் எண்ணிக்கையைப் பதிவு செய்கிறது. மூலத் தரவை எளிமையாக்கி, பகுப்பாய்வு செய்வதையும் விளக்குவதையும் எளிதாக்குவதற்கு அதிர்வெண் பரவல் அட்டவணைகள் பயனுள்ளதாக இருக்கின்றன.

நிகழ்வெண் பரவல் அட்டவணைக்கு ஒரு எளிய உதாரணம், ஒரு தேர்வில் ஒரு குறிப்பிட்ட மதிப்பெண்ணை எத்தனை மாணவர்கள் பெற்றார்கள் என்பதைப் பதிவு செய்வதாகும். உதாரணமாக, நம்மிடம் 90, 85, 88, 90, 72 போன்ற தேர்வு மதிப்பெண்கள் இருந்தால், ஒவ்வொரு மதிப்பெண்ணும் எத்தனை முறை வருகிறது என்பதை ஒரு நிகழ்வெண் பரவல் அட்டவணையால் காட்ட முடியும்.

அதிர்வெண் பரவலை உருவாக்குவதற்கான படிகள்

அதிர்வெண் பரவலை உருவாக்குவதற்குப் பல முறையான படிகள் தேவைப்படுகின்றன, அவற்றுள் சில:

1. தரவுகளைச் சேகரித்தல்: முதல் படி மூலத் தரவுகளைச் சேகரிப்பதாகும். நம்மிடம் உள்ள தரவின் வகையைப் பொறுத்து, இந்தத் தரவு எண்கள் அல்லது பிரிவுகளின் வடிவத்தில் இருக்கலாம்.

2. இடைவெளி வகுப்புகளை வரையறுத்தல்: பரந்த அளவில் மாறுபடும் அளவுசார் தரவுகளுக்கு, "இடைவெளி வகுப்புகளை" உருவாக்குவது பெரும்பாலும் மிகவும் பயனுள்ளதாக இருக்கும். இவை ஒரு குறிப்பிட்ட வரம்பிற்குள் அமைக்கப்பட்ட மதிப்புகளின் குழுக்கள் ஆகும். எடுத்துக்காட்டாக, தேர்வு மதிப்பெண்கள் 0 முதல் 100 வரை இருந்தால், நாம் 0-10, 11-20, 21-30 போன்ற இடைவெளி வகுப்புகளை உருவாக்கலாம்.

படிப்பதற்கான  தரவு செயலாக்கத்தில் திரள் நிகழ்வெண் பரவல் அட்டவணையின் பயன்பாடு

3. நிகழ்வெண்ணைக் கணக்கிடுதல்: அடுத்த கட்டமாக, ஒவ்வொரு இடைவெளிப் பிரிவிலும் எத்தனை மதிப்புகள் அடங்குகின்றன என்பதைக் கணக்கிட வேண்டும். இந்த நிகழ்வெண்கள் பின்னர் ஒரு அட்டவணையில் பதிவு செய்யப்படுகின்றன.

4. நிகழ்வெண் பரவல் அட்டவணையை உருவாக்குதல்: நிகழ்வெண்களைக் கணக்கிட்ட பிறகு, நாம் ஒரு நிகழ்வெண் பரவல் அட்டவணையை உருவாக்கலாம். இந்த அட்டவணை பொதுவாக இடைவெளி வகுப்புகளுக்கான ஒரு பத்தியையும், நிகழ்வெண்களுக்கான ஒரு பத்தியையும் கொண்டிருக்கும்.

அதிர்வெண் பரவலின் வகைகள்

அதிர்வெண் பரவலைப் பல வழிகளில் பிரிக்கலாம், அவற்றுள் சில:

1. முழுமையான நிகழ்வெண் பரவல்: இது நிகழ்வெண் பரவலின் மிகவும் பொதுவான வகையாகும், இதில் நிகழ்வுகளின் முழுமையான நிகழ்வெண் பதிவு செய்யப்படுகிறது. எடுத்துக்காட்டாக: தேர்வு மதிப்பெண்கள் 70 முதல் 100 வரை இருந்தால், முழுமையான நிகழ்வெண் பகுப்பாய்வின்படி, 70-80 இடைவெளியில் 5 மாணவர்களும், 81-90 இடைவெளியில் 8 மாணவர்களும், 91-100 இடைவெளியில் 10 மாணவர்களும் மதிப்பெண் பெற்றிருக்கலாம்.

2. சார்பு நிகழ்வெண் பரவல்: சில நேரங்களில், தரவுகளை சார்பு நிகழ்வெண்களின் அடிப்படையில் காண்பிப்பது அதிக தகவல்களைத் தரும். அதாவது, ஒவ்வொரு இடைவெளியிலும் அடங்கும் மொத்த நிகழ்வுகளின் சதவீதம். எடுத்துக்காட்டாக, 100 மாணவர்கள் இருந்து, அவர்களில் 20 பேர் ஒரு குறிப்பிட்ட இடைவெளியில் அடங்கினால், சார்பு நிகழ்வெண் 20/100 = 20% ஆகும்.

3. திரள் நிகழ்வெண் பரவல்: இது ஒரு வகை நிகழ்வெண் பரவலாகும். இதில் ஒவ்வொரு வகுப்பு இடைவெளியின் நிகழ்வெண்ணானது, அந்த இடைவெளி மற்றும் அதற்கு முந்தைய அனைத்து இடைவெளிகளின் நிகழ்வெண்களின் கூட்டுத்தொகையாக இருக்கும். இந்தப் பரவலானது, தரவுகளில் சதவிகிதங்கள் அல்லது கால்மானங்களைக் கண்டறிய உதவுகிறது.

அதிர்வெண் பரவல் வரைபடம்

அட்டவணைகள் தவிர, நிகழ்வெண் பரவல்கள் பெரும்பாலும் பல்வேறு வரைபட வடிவங்களிலும் காட்சிப்படுத்தப்படுகின்றன:

1. ஹிஸ்டோகிராம்: இது இடைவெளி வகுப்புகளின் நிகழ்வெண்ணைக் (அல்லது சார்பு நிகழ்வெண்ணைக்) காட்டும் ஒரு பட்டை வரைபடம் ஆகும். ஒரு ஹிஸ்டோகிராமில், ஒவ்வொரு பட்டையின் அகலம் இடைவெளி வகுப்பையும், பட்டையின் உயரம் நிகழ்வெண் அல்லது நிகழ்வுகளின் எண்ணிக்கையையும் குறிக்கிறது.

2. அதிர்வெண் பலகோணம்: இது ஒவ்வொரு இடைவெளி வகுப்பின் அதிர்வெண்களைக் குறிக்கும் புள்ளிகளை இணைக்கும் ஒரு கோட்டு வரைபடம் ஆகும். ஹிஸ்டோகிராம்களை விட, பரவல் வடிவங்களை மிகவும் நுணுக்கமாகக் காண்பதற்கு அதிர்வெண் பலகோணங்கள் பயனுள்ளதாக இருக்கின்றன.

படிப்பதற்கான  வரலாற்று அறிவியலில் புள்ளிவிவரங்களின் பங்கு

3. ஓகிவ்: இது திரள் நிகழ்வெண் பரவலின் வரைபடம் ஆகும். ஒரு தரவுத்தொகுப்பில், ஒரு குறிப்பிட்ட மதிப்பிற்குக் கீழே எத்தனை நிகழ்வுகள் (சதவீதம் அல்லது மொத்தத்தில்) உள்ளன என்பதைக் கண்டறிய ஓகிவ் பயன்படுத்தப்படுகிறது.

அதிர்வெண் பரவலின் பயன்பாடுகளும் முக்கியத்துவமும்

கல்வி, மருத்துவம், சந்தைப்படுத்தல், சமூக ஆராய்ச்சி மற்றும் பல துறைகளில் அதிர்வெண் பரவல்கள் பரந்த பயன்பாடுகளைக் கொண்டுள்ளன. இதோ சில உதாரணங்கள்:

1. கல்வி: ஆசிரியர்களும் கல்வி நிர்வாகிகளும் தேர்வு முடிவுகளைப் பகுப்பாய்வு செய்வதற்கும், மாணவர்களின் தரமதிப்பீடுகளின் பரவலைத் தீர்மானிப்பதற்கும், மேம்படுத்தப்பட வேண்டிய கற்றல் முறைகளைக் கண்டறிவதற்கும் நிகழ்வெண் பரவல்களைப் பயன்படுத்துகின்றனர்.

2. மருத்துவம்: மருத்துவ ஆராய்ச்சியாளர்கள், ஒரு மக்கள் தொகையில் சில அறிகுறிகளின் நிகழ்வெண்ணைக் கண்டறியவும், பாதிக்கப்படக்கூடிய குழுக்களை அடையாளம் காணவும், சிகிச்சைகள் அல்லது மருத்துவத் தலையீடுகளின் விளைவுகளை மதிப்பீடு செய்யவும் நிகழ்வெண் பரவல்களைப் பயன்படுத்துகின்றனர்.

3. சந்தைப்படுத்தல்: சந்தைப்படுத்தலில், மக்கள்தொகைத் தரவுகள் மற்றும் வாங்கும் பழக்கவழக்கங்களின் அடிப்படையில் நுகர்வோர் நடத்தையைப் பகுப்பாய்வு செய்யவும், தயாரிப்பு விருப்பங்களைத் தீர்மானிக்கவும், மேலும் திறமையான சந்தைப்படுத்தல் உத்திகளை உருவாக்கவும் நிகழ்வெண் பரவல் பயன்படுத்தப்படுகிறது.

4. மேலாண்மை மற்றும் வணிக முடிவுகள்: வணிக மேலாளர்கள், புத்திசாலித்தனமான மற்றும் தரவுகளின் அடிப்படையிலான முடிவுகளை எடுப்பதற்காக, விற்பனைப் பகுப்பாய்வு, பணியாளர் செயல்திறன் கண்காணிப்பு மற்றும் இடர் மதிப்பீடு ஆகியவற்றில் நிகழ்வெண் பரவல்களைப் பெரும்பாலும் பயன்படுத்துகின்றனர்.

முடிவுரை

புள்ளிவிவரத் தரவுப் பகுப்பாய்வில் நிகழ்வெண் பரவல் என்பது மிகவும் அடிப்படையான மற்றும் இன்றியமையாத கருவிகளில் ஒன்றாகும். இந்தக் கருத்தைப் புரிந்துகொண்டு பயன்படுத்துவதன் மூலம், சிக்கலான தரவுகளை எளிதில் புரிந்துகொள்ளக்கூடிய வடிவங்களாக நம்மால் எளிமைப்படுத்த முடியும். தரவுகளிலிருந்து முக்கியமான தகவல்களைப் பிரித்தெடுக்கவும், கணிப்புகளைச் செய்யவும், சான்றுகளின் அடிப்படையில் முடிவுகளை எடுக்கவும் நிகழ்வெண் பரவல்கள் நமக்கு உதவுகின்றன. எனவே, எந்தவொரு வெற்றிகரமான தரவுப் பகுப்பாய்விலும் நிகழ்வெண் பரவல்கள் குறித்த நல்ல புரிதல் ஒரு முக்கியமான முதல் படியாகும்.

கருத்து தெரிவிக்கவும்