புள்ளியியலில் பரவலை அளவிடுதல்
புள்ளிவிவரவியல் என்பது தரவுகள் எவ்வாறு சேகரிக்கப்படுகின்றன, பகுப்பாய்வு செய்யப்படுகின்றன, விளக்கப்படுகின்றன மற்றும் வழங்கப்படுகின்றன என்பதைப் பற்றிய ஆய்வாகும். புள்ளிவிவரவியலின் ஒரு முக்கிய அம்சம் பரவல் அளவீடு ஆகும். இது ஒரு தரவுத் தொகுப்பிற்குள் உள்ள தரவுகள் எவ்வளவு பரவியுள்ளன அல்லது வேறுபடுகின்றன என்பதை விவரிக்கும் ஒரு அளவீடு ஆகும். இந்த அளவீடுகளைப் புரிந்துகொள்வது, தரவுகளை ஆழமாக விளக்குவதற்கும், மாறுபாடுகளைக் கண்டறிவதற்கும், மேலும் துல்லியமான கணிப்புகளைச் செய்வதற்கும் கூட உதவும். இந்தக் கட்டுரை, பல்வேறு வகையான பரவல் அளவீடுகள், தரவுப் பகுப்பாய்வில் அவற்றின் முக்கியத்துவம் மற்றும் பொதுவாகப் பயன்படுத்தப்படும் கணக்கீட்டு முறைகள் பற்றி விவாதிக்கும்.
பரவலைப் புரிந்துகொள்வதும் புள்ளியியலில் அதன் முக்கியத்துவமும்
பரவல் அல்லது மாறுபடும் தன்மை என்பது, ஒரு பரவலின் மையத்தைச் சுற்றி தரவுகள் எந்த அளவிற்குப் பரவியுள்ளன என்பதைக் குறிக்கிறது. ஒரு பரவலின் மையம் என்பது தரவுகளின் சராசரி, இடைநிலை அல்லது முகடாக இருக்கலாம். பரவலின் அளவீடுகள் முக்கியமானவை, ஏனெனில் அவை மையப் போக்கின் அளவீடுகளால் (சராசரி அல்லது இடைநிலை போன்றவை ) வழங்க முடியாத கூடுதல் தகவல்களை அளிக்கின்றன.
இரண்டு தரவுத் தொகுப்புகள் ஒரே சராசரியைக் கொண்டிருந்தாலும், மாறுபாட்டின் அடிப்படையில் கணிசமாக வேறுபடலாம். எடுத்துக்காட்டாக, இரண்டு வெவ்வேறு வகுப்புகள் ஒரே சராசரி தேர்வு மதிப்பெண்களைக் கொண்டிருந்தாலும், ஒரு வகுப்பின் மதிப்பெண்கள் 90-100 வரையிலும், மற்றொன்றின் மதிப்பெண்கள் 50-100 வரையிலும் இருந்தால், இரண்டாவது வகுப்பில் அதிக மாறுபாடு உள்ளது. இந்தச் சூழலில், தரவு மதிப்புகளுக்கு இடையிலான பன்முகத்தன்மையைப் புரிந்துகொள்ள பரவல் அளவீடுகள் நமக்கு உதவக்கூடும்.
சிதறல் அளவீடுகளின் வகைகள்
புள்ளியியலில் பல வகையான பரவல் அளவீடுகள் பயன்படுத்தப்படுகின்றன, ஒவ்வொன்றிற்கும் அதற்கே உரிய நன்மைகளும் தீமைகளும் உண்டு. அவற்றுள் மிகவும் பொதுவான சில:
1. வரம்பு
2. மாறுபாடு
3. திட்ட விலகல் (திட்ட விலகல்)
4. சராசரி தனி விலகல் (MAD)
5. கால்மான இடைவெளி (IQR)
1. வரம்பு
வீச்சு என்பது பரவலின் எளிய அளவீடு ஆகும். இது ஒரு தரவுத் தொகுப்பில் உள்ள மிகப்பெரிய மதிப்பிலிருந்து மிகச்சிறிய மதிப்பைக் கழிப்பதன் மூலம் கணக்கிடப்படுகிறது. கணிதரீதியாக:
\[ \text{வீச்சு} = \text{அதிகபட்ச மதிப்பு} – \text{குறைந்தபட்ச மதிப்பு} \]
வீச்சைக் கணக்கிடுவது எளிதானது மற்றும் மாறுபாட்டின் விரைவான கண்ணோட்டத்தை வழங்குகிறது. இருப்பினும், இந்த வீச்சு புறமதிப்புகளுக்கு மிகவும் உணர்திறன் கொண்டது. எனவே, தரவுகளில் உச்சநிலை மதிப்புகள் இருந்தால், இந்த வீச்சு தரவுகளின் ஒட்டுமொத்த பரவலைப் பற்றிய ஒரு துல்லியமற்ற சித்திரத்தை வழங்கக்கூடும்.
2. மாறுபாடு
மாறுபாடு என்பது ஒவ்வொரு தரவு மதிப்பிற்கும் ஒட்டுமொத்த சராசரிக்கும் இடையிலான வர்க்க வேறுபாடுகளின் சராசரியைக் கணக்கிடுவதன் மூலம் தரவுகளின் பரவலை அளவிடுகிறது. மக்கள் தொகை மாறுபாட்டிற்கான (σ²) சூத்திரம்:
\[ \sigma^2 = \frac{\sum_{i=1}^N (x_i – \mu)^2}{N} \]
மாதிரி (s²)-க்கு, சூத்திரம் பின்வருமாறு சிறிதளவு மாற்றியமைக்கப்படுகிறது:
\[ s^2 = \frac{\sum_{i=1}^n (x_i – \bar{x})^2}{n-1} \]
இங்கே, \( x_i \) என்பது ஒவ்வொரு தரவு மதிப்பும், \( \mu \) என்பது மக்கள் தொகை சராசரி, \( \bar{x} \) என்பது மாதிரி சராசரி, \( N \) என்பது மக்கள் தொகை அளவு, மற்றும் \( n \) என்பது மாதிரி அளவு ஆகும். மாறுபாடு, வேறுபாடுகளை வர்க்கப்படுத்துவதால், உச்சநிலை மதிப்புகளுக்கு அதிக எடையைக் கொடுக்கிறது. இது பயனுள்ளதாக இருக்கலாம், ஆனால் இது மாறுபாட்டை அதன் அசல் அளவில் எளிதில் புரிந்துகொள்ள முடியாததாகவும் ஆக்குகிறது.
3. திட்ட விலகல்
திட்ட விலக்கம் என்பது மாறுபாட்டின் வர்க்கமூலம் ஆகும், மேலும் இது அசல் தரவைப் போலவே அதே அலகுகளைப் பயன்படுத்துவதால், புரிந்துகொள்வது எளிதாகிறது:
\[ \sigma = \sqrt{\sigma^2} \]
திட்ட விலக்கம் என்பது பரவலின் மிகவும் பரவலாகப் பயன்படுத்தப்படும் அளவீடுகளில் ஒன்றாகும், ஏனெனில் அது வர்க்க மாற்றங்களை ஒன்றிணைத்து, பின்னர் அவற்றை மீண்டும் அசல் அளவிற்குச் சுருக்குகிறது, இதனால் பலருக்குப் புரிந்துகொள்வது எளிதாகிறது.
4. சராசரி தனி விலகல் (MAD)
MAD என்பது ஒவ்வொரு தரவு மதிப்பிற்கும் ஒட்டுமொத்த சராசரிக்கும் இடையிலான வேறுபாடுகளின் தனிச் சராசரியை அளவிடுகிறது. அதற்கான சூத்திரம்:
\[ \text{MAD} = \frac{\sum_{i=1}^n |x_i – \bar{x}|}{n} \]
MAD ஆனது விலகல்களை வர்க்கப்படுத்தாததால், பரவலைப் பற்றிய தெளிவான பார்வையை வழங்குகிறது; எனவே, மாறுபாடு அல்லது திட்ட விலகலைக் காட்டிலும் இது புறமதிப்புகளால் குறைவாகவே பாதிக்கப்படுகிறது.
5. கால்மான இடைவெளி (IQR)
IQR என்பது முதல் கால்பகுதிக்கும் (Q1) மூன்றாவது கால்பகுதிக்கும் (Q3) இடையிலான தூரத்தை அளவிடுகிறது, இதில் தரவின் நடுவில் உள்ள 50% அடங்கும்:
[ \text{IQR} = Q3 – Q1 \]
IQR ஆனது பெட்டி வரைபடங்களுடன் அடிக்கடி பயன்படுத்தப்படுகிறது, மேலும் இது புறமதிப்புகளைக் கண்டறிவதில் குறிப்பாகப் பயனுள்ளதாக இருக்கிறது. இது தரவின் மையப்பகுதியில் மட்டுமே கவனம் செலுத்துவதால், IQR ஆனது உச்சநிலை மதிப்புகளால் குறைவாகவே பாதிக்கப்படுகிறது, மேலும் இது பெரும்பாலும் ஆய்வுசார் தரவுப் பகுப்பாய்வில் பயன்படுத்தப்படுகிறது.
பயன்பாடுகள் மற்றும் வழக்கு எடுத்துக்காட்டுகள்
சிதறல் அளவீடுகளின் பயன்பாட்டை நன்கு புரிந்துகொள்ள, பல்வேறு துறைகளில் உள்ள அதன் பயன்பாடுகளின் சில எடுத்துக்காட்டுகளைப் பார்ப்போம்.
1. பணியாளர் செயல்திறன் அளவீடு
மனிதவள மேலாண்மையில் (HRM), பணியாளர் செயல்திறன் அளவீடு என்பது பரவல் அளவீடுகள் அடிக்கடி பயன்படுத்தப்படும் ஒரு துறையாகும். மாறுபாடு அல்லது திட்ட விலக்கத்தைப் பயன்படுத்தி, பணியாளர்களிடையே செயல்திறன் மதிப்பீடுகள் எவ்வளவு பரவலாகப் பரவியுள்ளன என்பதை மனிதவளத் துறையால் கண்டறிய முடியும். மாறுபாடு அதிகமாக இருந்தால், மதிப்பீட்டு அமைப்பில் சமத்துவமின்மை அல்லது செயல்திறனில் முரண்பாடுகள் இருக்கலாம்.
நிதியியலில், ஒரு முதலீட்டின் அபாயத்தைக் கணக்கிட, மாறுபாடு மற்றும் திட்ட விலக்கம் போன்ற பரவல் அளவீடுகள் பயன்படுத்தப்படுகின்றன. அதிக திட்ட விலக்கம் கொண்ட முதலீட்டுத் தொகுப்புகள் அதிக அபாயகரமானவையாகக் கருதப்படுகின்றன, ஏனெனில் அவற்றின் சாத்தியமான பணப் புழக்கங்கள் மிகவும் நிலையற்றவையாக இருக்கின்றன. இந்த அளவீடு, முதலீட்டாளர்கள் நன்கு அறிந்த முடிவுகளை எடுக்க உதவக்கூடும்.
3. மருத்துவ அறிவியல் ஆராய்ச்சி
மருத்துவ ஆராய்ச்சியில், ஒரு சிகிச்சைக்கு நோயாளி அளிக்கும் பதிலில் உள்ள மாறுபாட்டைப் புரிந்துகொள்ள பரவல் அளவீடுகள் பயன்படுத்தப்படுகின்றன. நோயாளியின் பதிலில் காணப்படும் அதிக மாறுபாடு, தனிப்பட்ட சிகிச்சைக்கான தேவையையோ அல்லது சிகிச்சை முடிவுகளைப் பாதிக்கக்கூடிய பிற காரணிகளை ஆராய்வதற்கான தேவையையோ சுட்டிக்காட்டலாம்.
பல்வேறு சிதறல் அளவீடுகளின் நன்மைகள் மற்றும் தீமைகள்
பரவலை அளவிடும் ஒவ்வொரு முறைக்கும் அதற்கே உரிய சாதக பாதகங்கள் உள்ளன. மிகவும் பொருத்தமான முறையைத் தேர்ந்தெடுப்பது , தரவுகளின் சூழலையும் பகுப்பாய்வின் நோக்கத்தையும் பொறுத்தது.
– வீச்சு: இதன் நன்மை என்னவென்றால், இதைக் கணக்கிடுவது எளிது, ஆனால் இது புறமதிப்புகளுக்கு மிகவும் உணர்திறன் கொண்டது.
– மாறுபாடு: பரவலைப் பற்றிய தெளிவான விளக்கத்தை அளிக்கிறது, ஆனால் அதைச் சதுரங்களில் அளவிடுவதால், எளிதில் புரிந்துகொள்ள முடியாததாக உள்ளது.
– திட்ட விலகல்: மிகவும் பயனுள்ளது மற்றும் எளிதில் புரிந்துகொள்ளக்கூடியது, ஆனால் புறமதிப்புகளாலும் பாதிக்கப்படுகிறது.
– MAD: புறத்தன்மை மதிப்புகளால் குறைவாகப் பாதிக்கப்படும் மற்றும் புரிந்துகொள்ள எளிதானது, ஆனால் நடைமுறையில் அரிதாகவே பயன்படுத்தப்படுகிறது.
– IQR : புறத்தன்மை மதிப்புகள் இல்லாத நிலையில் பரவலைக் கண்டறிவதில் மிகவும் பயனுள்ளது, ஆனால் இது வெளிப்புறத் தரவுகளை உள்ளடக்காது.
முடிவுரை
பரவல் அளவீடுகள் புள்ளியியலின் ஒரு முக்கிய அங்கமாகும், இது ஒரு தரவுத் தொகுப்பிற்குள் இருக்கும் மாறுபாடு குறித்த அத்தியாவசியமான நுண்ணறிவுகளை வழங்குகிறது. வீச்சு, மாறுபாடு, திட்ட விலக்கம், MAD மற்றும் IQR போன்ற பரவலை அளவிடும் பல்வேறு முறைகளைப் புரிந்துகொள்வதன் மூலம், நாம் மேலும் ஆழமான தரவுப் பகுப்பாய்வைச் செய்து , அதன் அடிப்படையில் சிறந்த முடிவுகளை எடுக்க முடியும். முறையின் தேர்வு, தரவின் பண்புகள் மற்றும் நமது பகுப்பாய்வின் நோக்கத்தைப் பொறுத்தது , மேலும் ஒவ்வொன்றின் நன்மைகள் மற்றும் தீமைகளைப் புரிந்துகொள்வதன் மூலம், நாம் பரவல் அளவீடுகளை மிகவும் திறம்படப் பயன்படுத்த முடியும்.
