సమూహ డేటా యొక్క క్వార్టైల్స్
పెండహులువాన్
గణాంక శాస్త్రం అనేది దత్తాంశ సేకరణ, విశ్లేషణ, వ్యాఖ్యానం, ప్రదర్శన మరియు వ్యవస్థీకరణతో వ్యవహరించే ఒక విజ్ఞానశాస్త్ర విభాగం. ఇందులో దత్తాంశ ఆధారిత నిర్ణయాలు తీసుకోవడానికి సహాయపడే అనేక ముఖ్యమైన భావనలు ఉన్నాయి. దత్తాంశ విశ్లేషణలో ఒక ముఖ్యమైన గణాంక భావన క్వార్టైల్స్. దత్తాంశ పంపిణీని మరియు దత్తాంశం ఎలా సమూహాలుగా విభజించబడిందో అర్థం చేసుకోవడానికి క్వార్టైల్స్ సహాయపడతాయి. ఈ వ్యాసంలో, మనం సమూహాలుగా విభజించబడిన దత్తాంశ సందర్భంలో క్వార్టైల్స్ గురించి, వాటిని ఎలా లెక్కించాలో, మరియు ఫలితాలను వ్యాఖ్యానించడం ద్వారా దత్తాంశ పంపిణీపై లోతైన అవగాహన ఎలా పొందవచ్చో వివరంగా చర్చిస్తాము.
క్వార్టైల్స్‌ను అర్థం చేసుకోవడం
సులభంగా చెప్పాలంటే, క్వార్టైల్స్ అనేవి డేటాను నాలుగు సమాన భాగాలుగా విభజించే విలువలు. డేటా పంపిణీ సందర్భంలో, క్వార్టైల్స్ డేటాను మూడు పాయింట్లుగా విభజించి, నాలుగు విరామాలను ఏర్పరుస్తాయి. ఈ మూడు పాయింట్లు: మొదటి క్వార్టైల్ (Q1), రెండవ క్వార్టైల్ (Q2), మరియు మూడవ క్వార్టైల్ (Q3) అనేవి సాంఖ్యక విశ్లేషణకు ప్రాథమికమైనవి. డేటాను అర్థం చేసుకోవడంలో ప్రతి క్వార్టైల్‌కు వేరే అర్థం మరియు విధి ఉంటాయి.
– మొదటి క్వార్టైల్ (Q1): ఇది డేటా యొక్క దిగువ సగభాగంలోని మధ్య విలువ, దీనిని 25వ పర్సంటైల్ అని కూడా అంటారు.
– రెండవ క్వార్టైల్ (Q2): ఇది మొత్తం డేటా యొక్క మధ్య విలువ, దీనిని మధ్యస్థం లేదా 50వ పర్సంటైల్ అని కూడా అంటారు.
– మూడవ క్వార్టైల్ (Q3): ఇది డేటా యొక్క పై సగభాగంలోని మధ్య విలువ, దీనిని 75వ పర్సంటైల్ అని కూడా అంటారు.
పంపిణీలోని వివిధ అంశాలను వివరించడానికి మరియు డేటా యొక్క వ్యాప్తి, స్థిరత్వం గురించి మరింత వివరమైన సమాచారాన్ని అందించడానికి క్వార్టైల్స్ ఉపయోగించబడతాయి.
సమూహ డేటాలో క్వార్టైల్స్
వాస్తవ ప్రపంచంలో, సేకరించిన డేటా సాధారణంగా సమూహాలుగా (ముడి డేటా) కాకుండా, వాటి సంబంధిత పౌనఃపున్యాలతో కూడిన సమూహాలుగా (సమూహ డేటా) ఉంటుంది. సమూహ డేటాను విశ్లేషించడం యొక్క లక్ష్యం, ఆ డేటా వివిధ వర్గాలు లేదా తరగతులలో ఎలా పంపిణీ చేయబడిందో సమాచారాన్ని అందించడం. సమూహపరచని డేటాతో పోలిస్తే, సమూహ డేటా కోసం క్వార్టైల్స్‌ను లెక్కించడంలో అనేక విభిన్న దశలు ఉంటాయి.
సమూహపరచిన డేటా యొక్క చతుర్థాంశాలను లెక్కించే దశలు
సమూహపరచిన దత్తాంశంలో చతుర్థాంశాలను లెక్కించడానికి, మనకు పౌనఃపున్య వితరణ నుండి ఎగువ మరియు దిగువ తరగతి పరిమితులు, ప్రతి తరగతి యొక్క పౌనఃపున్యం మరియు సంచిత పౌనఃపున్యం వంటి కొన్ని ప్రాథమిక సమాచారం అవసరం. సమూహపరచిన దత్తాంశం కోసం చతుర్థాంశాలను లెక్కించే దశలు ఇక్కడ ఉన్నాయి:
1. చతుర్థాంశ తరగతిని నిర్ణయించండి:
– మొదటి క్వార్టైల్ (Q1): సంచిత పౌనఃపున్యం \( \frac{N}{4} \) ను సమీపించే తరగతులలో కనుగొనబడుతుంది.
– రెండవ క్వార్టైల్ (Q2) లేదా మధ్యస్థం: సంచిత పౌనఃపున్యం \( \frac{N}{2} \) ను సమీపించే తరగతులలో కనుగొనబడుతుంది.
– మూడవ క్వార్టైల్ (Q3): సంచిత పౌనఃపున్యం \( \frac{3N}{4} \) ను సమీపించే తరగతులలో కనుగొనబడుతుంది.
2. సమూహపరచిన దత్తాంశం కోసం చతుర్థాంశ సూత్రాన్ని ఉపయోగించండి:
– మొదటి క్వార్టైల్ (Q1) కొరకు సూత్రం:
\[
Q1 = L + \left( \frac{\frac{N}{4} – Fk}{f} \right) \times c
\]
– రెండవ క్వార్టైల్ (Q2) కొరకు సూత్రం:
\[
Q2 = L + \left( \frac{\frac{N}{2} – Fk}{f} \right) \times c
\]
– మూడవ క్వార్టైల్ (Q3) కొరకు సూత్రం:
\[
Q3 = L + \left( \frac{\frac{3N}{4} – Fk}{f} \right) \times c
\]
ఎక్కడ:
– \( L \) అనునది చతుర్థాంశ తరగతి యొక్క దిగువ పరిమితి
– \( N \) అనేది మొత్తం పౌనఃపున్యం
– \( Fk \) అనునది చతుర్థాంశ తరగతి వరకు ఉన్న సంచిత పౌనఃపున్యం
– \( f \) అనునది చతుర్థాంశ తరగతి యొక్క పౌనఃపున్యం
– \( c \) అనేది తరగతి వెడల్పు
సమూహపరచిన డేటా కోసం క్వార్టైల్ గణన యొక్క ఉదాహరణ
సులభంగా అర్థం చేసుకోవడానికి, ఈ క్రింది ఉదాహరణను చూద్దాం:
డేటా యొక్క పౌనఃపున్య పంపిణీ ఈ క్రింది విధంగా ఉంది:
తరగతి అంతరం | పౌనఃపున్యం (f) |
|——————-|——————|
| 10 – 20 | 5 |
| 20 – 30 | 8 |
| 30 – 40 | 12 |
| 40 – 50 | 7 |
| 50 – 60 | 3 |
దశలు:
1. N ను కనుగొనండి : మొత్తం పౌనఃపున్యం \( N = 5 + 8 + 12 + 7 + 3 = 35 \)
2. సంచిత పౌనఃపున్యం (Fk):
| అంతర తరగతి | పౌనఃపున్యం (f) | సంచిత పౌనఃపున్యం (Fk) |
|——————-|——————|————————–|
| 10 – 20 | 5 | 5 |
| 20 – 30 | 8 | 13 |
| 30 – 40 | 12 | 25 |
| 40 – 50 | 7 | 32 |
| 50 – 60 | 3 | 35 |
3. చతుర్థాంశ తరగతులను కనుగొనడం:
– ప్రశ్న 1: \( \frac{N}{4} = 8.75 \) 20 – 30 తరగతిలో ఉంది
– ప్రశ్న 2: \( \frac{N}{2} = 17.5 \) 30 – 40 తరగతిలో ఉంది
– ప్రశ్న 3: \( \frac{3N}{4} = 26.25 \) 40 – 50 తరగతికి చెందినది
4. క్వార్టైల్స్‌ను లెక్కించడం:
– ప్రశ్న 1 కోసం:
– \( L = 20 \)
– \( Fk = 5 \)
– \( f = 8 \)
– \( c = 10 \)
\[
Q1 = 20 + \left( \frac{8.75 – 5}{8} \right) \times 10 = 20 + (0.46875) \times 10 = 24.6875
\]
– ప్రశ్న 2 కోసం:
– \( L = 30 \)
– \( Fk = 13 \)
– \( f = 12 \)
– \( c = 10 \)
\[
Q2 = 30 + \left( \frac{17.5 – 13}{12} \right) \times 10 = 30 + (0.375) \times 10 = 33.75
\]
– ప్రశ్న 3 కోసం:
– \( L = 40 \)
– \( Fk = 25 \)
– \( f = 7 \)
– \( c = 10 \)
\[
Q3 = 40 + \left( \frac{26.25 – 25}{7} \right) \times 10 = 40 + (0.17857) \times 10 = 41.7857
\]
ఫలితాల వివరణ
పై గణనలను ఉపయోగించి, మనకు ఈ క్రిందివి లభిస్తాయి:
– ప్రశ్న 1 = 24.6875
– ప్రశ్న 2 = 33.75
– ప్రశ్న 3 = 41.7857
ఈ క్వార్టైల్స్ డేటా పంపిణీ గురించి మనకు అదనపు సమాచారాన్ని అందిస్తాయి:
– Q1=24.6875 : 25% డేటా 24.6875 కంటే తక్కువగా ఉంది
– Q2=33.75 : 50% డేటా 33.75 కంటే తక్కువగా ఉంది
– Q3=41.7857 : 75% డేటా 41.7857 కంటే తక్కువగా ఉంది
క్వార్టైల్ సమాచారం డేటా సాంద్రతను మరియు దాని వైవిధ్య పరిధిని అర్థం చేసుకోవడానికి మనకు వీలు కల్పిస్తుంది. ఈ సమాచారం నిర్ణయాలు తీసుకోవడంలోనూ, అవుట్‌లయర్ డిటెక్షన్ లేదా సిస్టమ్ పనితీరు అంచనా వంటి తదుపరి డేటా విశ్లేషణలోనూ చాలా ఉపయోగకరంగా ఉంటుంది.
ముగింపు
సమూహపరచిన డేటాలోని క్వార్టైల్స్ సాంఖ్యక విశ్లేషణలో కీలక పాత్ర పోషిస్తాయి. సరైన పద్ధతులతో, మనం డేటా పంపిణీని మరింత వివరంగా మరియు కచ్చితంగా అర్థం చేసుకోగలం. ఈ సమాచారం డేటా వివరణకు సహాయపడటమే కాకుండా, అనుభవపూర్వక సాక్ష్యాల ఆధారంగా మరింత సమాచారంతో కూడిన నిర్ణయాలు తీసుకోవడాన్ని సులభతరం చేస్తుంది. ముగింపుగా, సమూహపరచిన డేటాలో క్వార్టైల్స్‌ను ఎలా లెక్కించాలో మరియు వివరించాలో అర్థం చేసుకోవడం అనేది ప్రతి డేటా విశ్లేషకుడు తప్పనిసరిగా ప్రావీణ్యం సంపాదించాల్సిన ఒక ప్రాథమిక నైపుణ్యం.
