కేంద్ర ధోరణి కొలత

కేంద్ర ధోరణి కొలత

గణాంక శాస్త్రంలో కేంద్ర ప్రవృత్తిని కొలవడం అనేది అత్యంత ప్రాథమికమైన మరియు ముఖ్యమైన భావనలలో ఒకటి. దీని ఉద్దేశ్యం చాలా సులభం: ఒక దత్తాంశ సమితిని, ఆ దత్తాంశ కేంద్రానికి "ప్రాతినిధ్యం వహించే" ఒకే విలువగా సంగ్రహించడం. మరో మాటలో చెప్పాలంటే, "సాధారణ విలువ ఏమిటి?", "ఈ దత్తాంశం ఏ సంఖ్య చుట్టూ ఉండే అవకాశం ఉంది?", లేదా "సుమారు సగటు ఎంత?" వంటి ప్రశ్నలకు సమాధానం ఇవ్వడానికి కేంద్ర ప్రవృత్తి మనకు సహాయపడుతుంది. ఈ భావనను పరిశోధన, విద్యా మూల్యాంకనం, వ్యాపార విశ్లేషణ, ఆరోగ్య సంరక్షణ మరియు రోజువారీ నిర్ణయాలు తీసుకోవడంలో కూడా విస్తృతంగా ఉపయోగిస్తారు.

సాధారణంగా, కేంద్రీయ ప్రవృత్తిని కొలవడానికి అత్యంత సాధారణంగా ఉపయోగించే మూడు కొలమానాలు ఉన్నాయి: అంకగణిత సగటు (సగటు), మధ్యస్థం (మధ్య విలువ), మరియు బహుళకం (అత్యధికంగా పునరావృతమయ్యే విలువ). ప్రతిదానికి దాని స్వంత గణన పద్ధతి, ప్రయోజనాలు మరియు పరిమితులు ఉన్నాయి. ప్రతి కొలమానాన్ని ఎప్పుడు ఉపయోగించాలో అర్థం చేసుకోవడం మీ విశ్లేషణను మరింత కచ్చితంగా మరియు తక్కువ తప్పుదారి పట్టించే విధంగా చేయడానికి సహాయపడుతుంది.

1. సగటు (సగటు)

సగటు అనేది కేంద్ర ధోరణి యొక్క అత్యంత ప్రజాదరణ పొందిన కొలమానం. అన్ని డేటా విలువలను కలిపి, ఆపై డేటా పాయింట్ల సంఖ్యతో భాగించడం ద్వారా దీనిని పొందుతారు. గణితశాస్త్రపరంగా, ఒకే డేటా పాయింట్ కోసం:

\[
\bar{x} = \frac{\sum x}{n}
\]

Keterangan:
– \(\bar{x}\) = సగటు
– \(\sum x\) = అన్ని డేటా విలువల మొత్తం
– \(n\) = డేటా మొత్తం

ఉదాహరణ: ఐదుగురు విద్యార్థుల పరీక్ష మార్కులు 70, 80, 85, 90, 75 అనుకుందాం. వాటి సగటు ఎంత?

\[
\bar{x} = \frac{70+80+85+90+75}{5} = \frac{400}{5} = 80
\]

కాబట్టి, సగటు స్కోరు 80.

సగటు అదనపు
1. పూర్తి అవలోకనాన్ని అందించడానికి మొత్తం డేటాను ఉపయోగించుకోండి.
2. లెక్కించడం మరియు అర్థం చేసుకోవడం సులభం.
3. వేరియెన్స్, స్టాండర్డ్ డీవియేషన్, రిగ్రెషన్ మొదలైన అధునాతన విశ్లేషణలలో విస్తృతంగా ఉపయోగించబడుతుంది.

సగటు పరిమితులు
సగటు అనేది విపరీత విలువలకు (అవుట్‌లయర్‌లకు) చాలా సున్నితంగా ఉంటుంది. ఉదాహరణకు, ఒక డేటా పాయింట్ చాలా పెద్దదిగా లేదా చాలా చిన్నదిగా ఉంటే, సగటు "సాధారణ" విలువ నుండి గణనీయంగా మారవచ్చు. ఉదాహరణకు, ముగ్గురు వ్యక్తుల ఆదాయ డేటాను పరిగణించండి: 3 మిలియన్లు, 3,5 మిలియన్లు మరియు 50 మిలియన్లు. చాలా మంది 3–3,5 మిలియన్ల మధ్య సంపాదించినప్పటికీ, సగటు ఎక్కువగా ఉంది.

అందువల్ల, డేటా సాపేక్షంగా సమరూపంగా ఉండి, బలమైన విపరీత విలువలు లేనప్పుడు సగటును ఉపయోగించడం అనుకూలంగా ఉంటుంది.

2. మధ్యస్థం (మధ్య విలువ)

దత్తాంశాన్ని చిన్న నుండి పెద్దకు క్రమబద్ధీకరించిన తర్వాత వచ్చే మధ్య విలువను మధ్యస్థం అంటారు. దత్తాంశ బిందువుల సంఖ్య బేసి అయితే, ఆ మధ్య విలువ మధ్యస్థం అవుతుంది. దత్తాంశ బిందువుల సంఖ్య సరి అయితే, ఆ రెండు మధ్య విలువల సగటు మధ్యస్థం అవుతుంది.

ఉదాహరణ (బేసి): దత్తాంశం: 2, 3, 5, 7, 9. మధ్యస్థం = 5.

ఉదాహరణ (సరి): దత్తాంశం: 2, 3, 5, 7. మధ్యస్థం = (3 + 5) / 2 = 4.

మధ్యస్థ ప్రయోజనాలు
1. విపరీత విలువల వల్ల పెద్దగా ప్రభావితం కాదు, కాబట్టి చివర్లలో విలక్షణంగా ఉండే డేటాకు ఇది మరింత స్థిరంగా ఉంటుంది.
2. ఆదాయ డేటా, గృహ ధరలు లేదా ఆసుపత్రిలో ఉండే కాలం వంటి వక్ర పంపిణీ ఉన్న డేటాకు అనుకూలం.

మధ్యస్థ పరిమితులు
మధ్యస్థం డేటా విలువల గురించిన మొత్తం సమాచారాన్ని నేరుగా ఉపయోగించదు. ఇది డేటా మధ్య వ్యత్యాసాల పరిమాణంపై కాకుండా, కేవలం క్రమం మరియు స్థానంపై మాత్రమే ఆధారపడుతుంది. ఉదాహరణకు, కొన్ని అధునాతన గణాంక గణనల కోసం మనం అన్ని విలువలను పూర్తిగా పరిగణనలోకి తీసుకోవలసి వస్తే, ఇది మధ్యస్థాన్ని తక్కువ సమాచారయుక్తంగా చేస్తుంది.

3. మోడ్ (అత్యంత తరచుగా కనిపించే విలువ)

మోడ్ అనేది ఒక డేటా సెట్‌లో అత్యంత తరచుగా కనిపించే విలువ. అత్యంత "జనాదరణ పొందిన" లేదా తరచుగా సంభవించే విలువలను గుర్తించడానికి ఇది చాలా ఉపయోగకరంగా ఉంటుంది.

ఉదాహరణ: దత్తాంశం: 1, 2, 2, 3, 4. బహుళకం = 2.

కొన్ని సందర్భాల్లో, డేటాలో ఇవి ఉండవచ్చు:
– ఒకే విధానం (యూనిమోడల్): ఒకే విలువ మాత్రమే అత్యంత తరచుగా కనిపిస్తుంది.
– రెండు రీతులు (బైమోడల్): ఒకే అత్యధిక పౌనఃపున్యంతో రెండు విలువలు ఉంటాయి.
– బహుళ రీతులు (మల్టీమోడల్): రెండు కంటే ఎక్కువ విలువలు అత్యంత తరచుగా కనిపించడం.
– మోడ్ లేదు: అన్ని విలువలు ఒకే తరచుదనంతో కనిపిస్తే.

మోడ్ యొక్క ప్రయోజనాలు
1. వర్గీకృత డేటాపై (ఉదా. ఇష్టమైన రంగు, అత్యధికంగా అమ్ముడయ్యే ఉత్పత్తి రకం) దీనిని ఉపయోగించవచ్చు, అయితే సగటు మరియు మధ్యస్థం వర్గాలకు ఎల్లప్పుడూ సంబంధితంగా ఉండవు.
2. ముఖ్యంగా పౌనఃపున్య పంపిణీలో కనుగొనడం సులభం.
3. “చాలా ఎంపికలు” లేదా “అత్యంత సాధారణ సంఘటనల” గురించి ఆచరణాత్మక సమాచారాన్ని అందించండి.

మోడ్ పరిమితులు
మోడ్ ప్రత్యేకమైనది కాకపోవచ్చు లేదా అసలు ఉనికిలో లేకపోవచ్చు. అంతేకాకుండా, ఇది డేటా యొక్క మొత్తం పంపిణీని పరిగణనలోకి తీసుకోదు. రెండు వేర్వేరు డేటా సెట్‌లు ఒకే మోడ్‌ను కలిగి ఉండవచ్చు, కానీ వాటి పంపిణీ లక్షణాలు చాలా భిన్నంగా ఉంటాయి.

4. సమూహ డేటాలో కేంద్ర ధోరణి

ఆచరణలో, డేటాను తరచుగా ఫ్రీక్వెన్సీ డిస్ట్రిబ్యూషన్ టేబుల్ (సమూహ డేటా) రూపంలో అందిస్తారు. కేంద్ర ధోరణిని లెక్కించడం సాధ్యమే, కానీ దానికి అదనపు దశలు అవసరం.

– సమూహపరచిన దత్తాంశం యొక్క సగటును, తరగతి మధ్య బిందువును (మధ్య-అంతర విలువను) దాని పౌనఃపున్యంతో గుణించి, ఆపై మొత్తం పౌనఃపున్యంతో భాగించడం ద్వారా లెక్కిస్తారు.
– సమూహపరచిన దత్తాంశం యొక్క మధ్యస్థాన్ని కనుగొనడానికి, దత్తాంశం యొక్క మధ్య స్థానాన్ని కలిగి ఉన్న తరగతి అయిన మధ్యస్థ తరగతిని నిర్ధారించాల్సి ఉంటుంది.
– అత్యధిక పౌనఃపున్యం ఉన్న తరగతి (మోడ్ క్లాస్) ఆధారంగా సమూహపరచిన డేటా యొక్క మోడ్‌ను నిర్ణయిస్తారు, ఆ తర్వాత సమూహ మోడ్ సూత్రాన్ని ఉపయోగించి అంచనాను లెక్కించవచ్చు.

డేటాను విరామాలుగా సరళీకరించగలిగేంత పెద్దగా ఉన్నప్పుడు, సమూహ డేటా విధానం ఉపయోగపడుతుంది.

5. కేంద్ర ధోరణి యొక్క సరైన కొలమానాన్ని ఎంచుకోవడం

అన్ని పరిస్థితులకు వర్తించే కేంద్ర ప్రవృత్తికి “ఉత్తమమైన” కొలమానం అంటూ ఏదీ లేదు. ఎంపిక అనేది డేటా యొక్క ఉద్దేశ్యం మరియు స్వభావంపై ఆధారపడి ఉంటుంది.

1. డేటా సంఖ్యాత్మకంగా ఉండి, ఎక్కువ విపరీత విలువలు లేనప్పుడు మరియు పంపిణీ సాపేక్షంగా సౌష్టవంగా ఉన్నప్పుడు సగటును ఉపయోగించండి.
2. డేటాలో బలమైన అవుట్‌లయర్‌లు ఉన్నప్పుడు లేదా సంపద, ఆదాయం లేదా ధర డేటా వంటి పంపిణీ వక్రంగా ఉన్నప్పుడు మధ్యస్థాన్ని ఉపయోగించండి.
3. అత్యంత తరచుగా కనిపించే విలువను తెలుసుకోవాలనుకుంటే లేదా డేటా వర్గీకృతమైనది అయితే మోడ్‌ను ఉపయోగించండి.

ఉదాహరణకు, “సగటు జీతం” నివేదికలో, మధ్యమం ఒక సాధారణ అవలోకనాన్ని అందించగలదు, కానీ మధ్యస్థం చాలా ఎక్కువ మంది కార్మికుల పరిస్థితులకు మరింత ప్రాతినిధ్యం వహిస్తుందని తరచుగా పరిగణించబడుతుంది, ఎందుకంటే ఇది చాలా ఎక్కువ సంపాదించే కొద్దిమంది వ్యక్తులచే తక్కువగా ప్రభావితమవుతుంది.

6 కేసింపులన్

కేంద్రీయ ప్రవృత్తి కొలమానాలు దత్తాంశాన్ని సంగ్రహించడానికి మరియు అర్థం చేసుకోవడానికి ముఖ్యమైన సాధనాలు. అంకగణిత సగటు అన్ని దత్తాంశ విలువల సగటును అందిస్తుంది, కానీ ఇది విపరీత విలువల పట్ల సున్నితంగా ఉంటుంది. మధ్యస్థం ఒక మధ్య విలువను అందిస్తుంది, ఇది విపరీత విలువల పట్ల మరింత నిరోధకతను కలిగి ఉంటుంది, అందువల్ల ఇది అసౌష్టవ దత్తాంశానికి అనుకూలంగా ఉంటుంది. బహుళకం అత్యంత తరచుగా సంభవించే విలువను సూచిస్తుంది మరియు ఇది వర్గీకృత దత్తాంశానికి లేదా సాధారణ ధోరణులను గుర్తించడానికి ప్రత్యేకంగా ఉపయోగపడుతుంది.

మంచి గణాంక విశ్లేషణలో, ఈ మూడు కొలమానాలను తరచుగా కలిపి ఉపయోగిస్తారు. అంకగణిత సగటు, మధ్యస్థం మరియు బహుళకాన్ని పోల్చడం ద్వారా, దత్తాంశ లక్షణాల గురించి మనం మరింత సంపూర్ణమైన చిత్రాన్ని పొందవచ్చు—అది సౌష్టవంగా ఉందా, అందులో విపరీత విలువలు ఉన్నాయా, మరియు ఏ విలువలు అత్యంత తరచుగా సంభవిస్తాయో తెలుసుకోవచ్చు. ఈ అవగాహన చివరికి మరింత సమాచారంతో కూడిన, దత్తాంశ-ఆధారిత నిర్ణయాలు తీసుకోవడానికి మనకు సహాయపడుతుంది.

మీకు కావాలంటే, ఈ వ్యాసాన్ని మరింత ఆచరణాత్మకంగా చేయడానికి నేను పూర్తి ఉదాహరణ ప్రశ్నలు (ఒంటరి మరియు సమూహ డేటా), అభ్యాసాలు మరియు దశలవారీ చర్చలను జోడించగలను.