వర్ణనాత్మక గణాంకాలలో సగటు, మధ్యస్థం మరియు మోడ్ మధ్య వ్యత్యాసాలు
వివరణాత్మక గణాంకాలలో, సులభంగా అర్థం చేసుకోవడానికి డేటాను సంగ్రహించడం ప్రాథమిక లక్ష్యాలలో ఒకటి. పెద్ద, విభిన్నమైన, మరియు కొన్నిసార్లు "అస్తవ్యస్తమైన" డేటాను కేంద్ర ధోరణి కొలమానాల రూపంలో ప్రదర్శించినప్పుడు అది మరింత సమాచారదాయకంగా ఉంటుంది. కేంద్ర ధోరణికి అత్యంత సాధారణంగా ఉపయోగించే మూడు కొలమానాలు అంకగణిత సగటు, మధ్యస్థం మరియు బహుళకం. ఈ మూడూ ఒక డేటా సెట్ యొక్క "ప్రాతినిధ్య విలువ"ను చూపించడమే లక్ష్యంగా పెట్టుకున్నప్పటికీ, వాటి నిర్వహణ పద్ధతులు, విపరీత విలువల పట్ల సున్నితత్వం, మరియు సరైన వినియోగ పరిస్థితులు గణనీయంగా మారుతూ ఉంటాయి.
ఈ వ్యాసం అంకగణిత సగటు, మధ్యస్థం మరియు బహుళకం యొక్క అర్థం, వాటిని ఎలా లెక్కించాలి, ప్రయోజనాలు మరియు అప్రయోజనాలు, మరియు వాటి అనువర్తన ఉదాహరణలను చర్చిస్తుంది, తద్వారా మీరు విశ్లేషిస్తున్న దత్తాంశానికి అత్యంత సముచితమైన కొలమానాన్ని ఎంచుకోవచ్చు.
1. సగటు (యావరేజ్): నిర్వచనం మరియు లెక్కించే విధానం
సగటు అనేది అన్ని డేటా విలువల మొత్తాన్ని డేటా పాయింట్ల సంఖ్యతో భాగించగా వచ్చేది. సగటును తరచుగా "యావరేజ్" అని కూడా అంటారు, మరియు ఇది మన దైనందిన జీవితంలో మనకు బాగా పరిచితం . ఇది అన్ని విలువలను అనుపాతంగా పరిగణించడం ద్వారా డేటా యొక్క కేంద్రాన్ని తెలియజేస్తుంది.
సగటు సూత్రం:
\[
\bar{x} = \frac{\sum x_i}{n}
\]
Keterangan:
– \(\sum x_i\) = అన్ని డేటా విలువల మొత్తం
– \(n\) = డేటా సంఖ్య
ఉదాహరణ:
ఐదుగురు విద్యార్థుల పరీక్ష స్కోర్లు 70, 75, 80, 85, 90 అని అనుకుందాం.
సగటు = (70 + 75 + 80 + 85 + 90) / 5 = 400 / 5 = 80
సగటు ప్రయోజనాలు
1. ఉపయోగించిన సమాచారం సంపూర్ణంగా ఉండేలా మొత్తం డేటాను ఉపయోగించుకోండి.
2. లెక్కించడం సులభం మరియు అధునాతన విశ్లేషణలో (ఉదా. వేరియెన్స్, ప్రామాణిక విచలనం) విస్తృతంగా ఉపయోగించబడుతుంది.
3. సంఖ్యాత్మక డేటా మరియు సాపేక్షంగా సౌష్టవ పంపిణీలకు అనువైనది.
సగటు లోపం
1. విపరీత విలువల పట్ల చాలా సున్నితంగా ఉంటుంది. ఒకే ఒక తీవ్రమైన విలువ సగటును చాలా డేటా నుండి దూరం చేయగలదు.
2. ఒకవేళ ఎల్లప్పుడూ “సాధారణ విలువలను” సూచించదు డేటా పంపిణీ వక్రంగా ఉంది.
విపరీత ప్రభావాలకు ఉదాహరణలు:
ఆదాయ డేటా (మిలియన్ రూపాయలు): 3, 3, 4, 4, 5, 50
సగటు = (3+3+4+4+5+50)/6 = 69/6 = 11,5
చాలా ఆదాయాలు 3–5 మిలియన్ల పరిధిలో ఉన్నప్పటికీ, సగటు అంతగా ప్రాతినిధ్యం వహించదు.
2. మధ్యస్థం (మధ్య విలువ): నిర్వచనం మరియు గణించే విధానం
దత్తాంశాన్ని చిన్న నుండి పెద్దకు క్రమబద్ధీకరించినప్పుడు మధ్యలో ఉండే విలువను మధ్యస్థం అంటారు. మధ్యస్థం మొత్తం పరిమాణం కంటే స్థానానికి ప్రాధాన్యత ఇస్తుంది, అందువల్ల ఇది విపరీత విలువలను ఎక్కువగా నిరోధిస్తుంది.
మధ్యస్థాన్ని ఎలా నిర్ణయించాలి:
1. డేటాను క్రమబద్ధీకరించండి.
2. దత్తాంశాల సంఖ్య బేసి అయితే, మధ్య స్థానంలో ఉన్న విలువ మధ్యస్థం అవుతుంది.
3. దత్తాంశాల సంఖ్య సరిసంఖ్య అయితే, మధ్యస్థం అనేది మధ్యలో ఉన్న రెండు విలువల సగటు అవుతుంది.
ఉదాహరణ (బేసి):
డేటా: 2, 3, 5, 7, 9
మధ్యస్థం = మధ్య విలువ = 5
ఉదాహరణ (సరి):
డేటా: 10, 20, 30, 40
మధ్యస్థం = (20 + 30) / 2 = 25
మధ్యస్థ ప్రయోజనాలు
1. విపరీత విలువలు మరియు తీవ్రమైన విలువలను నిరోధిస్తుంది.
2. ఆదాయం, ఇంటి ధరలు లేదా నిరీక్షణ సమయాలు వంటి వక్రీకృత డేటాకు అనువైనది.
3. ఆర్డినల్ డేటా కోసం ఉపయోగించవచ్చు (ఉదా. సంతృప్తి రేటింగ్‌లు: చాలా సంతృప్తి, సంతృప్తి, తటస్థం, అసంతృప్తి).
మధ్యస్థ లోపాలు
1. దాని గణనలలో అన్ని డేటా విలువలను ఉపయోగించదు (ఎక్కువగా “స్థాన-ఆధారిత”).
2. సగటు ధర్మాలు అవసరమయ్యే ఉన్నత గణిత విశ్లేషణకు అంతగా అనుకూలం కాదు.
మనం ఆదాయ ఉదాహరణకు తిరిగి వెళితే: 3, 3, 4, 4, 5, 50
డేటాను క్రమబద్ధీకరించినప్పుడు, 6 డేటాకు మధ్యస్థం అనేది 3వ మరియు 4వ విలువల సగటు: (4 + 4) / 2 = 4
ఈ మధ్యస్థం అత్యధిక పరిస్థితులకు మరింత ప్రాతినిధ్యం వహిస్తుంది.
3. మోడ్ (అత్యధిక విలువ): నిర్వచనం మరియు ఎలా నిర్ణయించాలి
మోడ్ అనేది ఒక డేటా సెట్‌లో అత్యంత తరచుగా కనిపించే విలువ. కొన్ని సందర్భాల్లో, డేటాలో ఇవి ఉండవచ్చు:
– ఒకే విధానం (యూనిమోడల్): ఒకే విలువ చాలా తరచుగా కనిపిస్తుంది
– రెండు రీతులు (బైమోడల్): రెండు విలువలు అత్యంత తరచుగా కనిపిస్తాయి
– బహుళవిధానం
– మోడ్ లేదు: అన్ని విలువలు ఒకే ఫ్రీక్వెన్సీతో కనిపిస్తే
ఉదాహరణ:
డేటా: 2, 3, 3, 4, 5
మోడ్ = 3 (అత్యంత తరచుగా కనిపిస్తుంది)
ద్విరూప ఉదాహరణ:
డేటా: 1, 2, 2, 3, 3, 4
మోడ్ = 2 మరియు 3
మోడ్ ప్రయోజనాలు
1. నామమాత్రపు డేటా కోసం ఉపయోగించగల ఏకైక కేంద్ర ధోరణి కొలమానం (ఉదా. ఇష్టమైన రంగు, అత్యంత ఇష్టపడే బ్రాండ్).
2. ఇది అత్యంత ఆధిపత్య వర్గాన్ని/విలువను తక్షణమే చూపిస్తుంది కాబట్టి అర్థం చేసుకోవడం సులభం.
3. విపరీత విలువలు అత్యంత తరచుగా సంభవించే విలువల పౌనఃపున్యాన్ని మార్చవు అనే అర్థంలో, విపరీత విలువలచే ప్రభావితం కాదు.
మోడ్ లేకపోవడం
1. కొన్నిసార్లు అది ప్రత్యేకమైనది కాదు (ఒకటి కంటే ఎక్కువ ఉండవచ్చు) లేదా అసలు ఉనికిలోనే ఉండదు.
2. స్థిరత్వం తగ్గవచ్చు; డేటాలో చిన్న మార్పులు మోడ్‌ను మార్చగలవు.
3. గణితపరంగా డేటా యొక్క "కేంద్రాన్ని" ఎల్లప్పుడూ సూచించదు.
4. అంకగణిత సగటు, మధ్యస్థం మరియు బహుళకం మధ్య ప్రధాన వ్యత్యాసాలు
సంక్షిప్తంగా, ఈ మూడింటి మధ్య తేడాలను గణన పద్ధతి, అవుట్‌లయర్‌ల పట్ల సున్నితత్వం మరియు అనువైన డేటా రకాల నుండి చూడవచ్చు:
1. సగటు అన్ని విలువలను ఉపయోగిస్తుంది, సమరూప సంఖ్యా డేటాకు ఉత్తమమైనది, కానీ విపరీత విలువల పట్ల సున్నితమైనది.
2. స్థానం ఆధారంగా మధ్యస్థం, వక్రంగా ఉన్న డేటాకు అనువైనది, విపరీత విలువల విషయంలో మరింత పటిష్టమైనది.
3. పౌనఃపున్యం ఆధారిత విధానం, వర్గీకృత/నామమాత్రపు డేటాకు మరియు అత్యంత ఆధిపత్య విలువను చూడటానికి అనువైనది.
అనేక గణాంక పుస్తకాలలో, మూడు పంపిణీల మధ్య ఒక సాధారణ సంబంధం ఉంటుంది:
– సమరూప పంపిణీ: సగటు ≈ మధ్యస్థం ≈ మోడ్
– పంపిణీ కుడివైపుకు వంగి ఉంది (skewed right): సగటు > మధ్యస్థం > మోడ్
– పంపిణీ ఎడమవైపుకు వంగి ఉంది: సగటు < మధ్యస్థం < మోడ్
కానీ ఇది ఒక ధోరణి మాత్రమే, ఖచ్చితమైన నియమం కాదు.
5. అంకగణిత సగటు, మధ్యస్థం లేదా బహుళకంను ఎప్పుడు ఉపయోగించాలి?
కేంద్ర ధోరణికి తగిన కొలమానాన్ని ఎంచుకోవడం అనేది దత్తాంశం యొక్క స్వభావం మరియు విశ్లేషణ యొక్క ఉద్దేశ్యంపై ఆధారపడి ఉంటుంది.
Mean ను ఈ సందర్భాలలో ఉపయోగించండి:
– సంఖ్యా రూపంలో ఉన్న డేటా (అంతరం/నిష్పత్తి).
– పంపిణీ సాపేక్షంగా సమరూపంగా ఉంది.
– తీవ్రమైన విపరీత విలువలు లేవు లేదా విపరీత విలువలు పరిష్కరించబడ్డాయి.
– ఇతర గణాంక గణనల కోసం మీకు ఒక ఆధారం అవసరం.
ఉదాహరణ పరిస్థితి: స్కోర్‌ల న్యాయమైన పంపిణీతో కూడిన సగటు తరగతి పరీక్ష స్కోరు.
కింది సందర్భాలలో మధ్యస్థాన్ని ఉపయోగించండి:
– సంఖ్యాత్మక డేటా కానీ అందులో విపరీత విలువలు ఉన్నాయి లేదా పంపిణీ వక్రంగా ఉంది.
– మీకు మరింత స్థిరమైన “సాధారణ” విలువ కావాలి.
– డేటా ఆర్డినల్.
ఉదాహరణ పరిస్థితులు: ఉద్యోగి సగటు జీతం, ఇంటి సగటు ధర, ప్రయాణ సగటు సమయం.
ఈ క్రింది సందర్భాలలో మోడ్‌ను ఉపయోగించండి:
– డేటా నామమాత్రమైనది లేదా వర్గీకృతమైనది.
– మీరు అత్యంత సాధారణ ఎంపికలను తెలుసుకోవాలనుకుంటున్నారు.
ఉదాహరణ పరిస్థితులు: ఎక్కువగా కొనుగోలు చేయబడిన దుస్తుల సైజులు (S/M/L), అత్యంత తరచుగా ఉపయోగించే చెల్లింపు పద్ధతులు, లేదా అత్యధికంగా అమ్ముడయ్యే ఉత్పత్తి రకాలు.
ముగింపు
వర్ణనాత్మక గణాంకాలలో కేంద్రీయ ప్రవృత్తిని కొలవడానికి అంకగణిత సగటు, మధ్యస్థం మరియు బహుళకం అనేవి మూడు ముఖ్యమైన కొలమానాలు . అంకగణిత సగటు అన్ని విలువలను పరిగణనలోకి తీసుకుని సగటును అందిస్తుంది, కానీ ఇది విపరీత విలువల (outliers) ప్రభావానికి లోనవుతుంది. మధ్యస్థం మధ్య విలువను సూచిస్తుంది, ఇది తీవ్రమైన విలువలను ఎక్కువగా నిరోధిస్తుంది మరియు వక్ర దత్తాంశానికి (skewed data) అనుకూలంగా ఉంటుంది. బహుళకం అత్యంత తరచుగా సంభవించే విలువను లేదా వర్గాన్ని హైలైట్ చేస్తుంది మరియు వర్గీకృత దత్తాంశానికి (categorical data) ప్రత్యేకంగా ఉపయోగపడుతుంది.
వాటి మధ్య ఉన్న తేడాలను మరియు వాటిని ఉపయోగించే సందర్భాన్ని అర్థం చేసుకోవడం ద్వారా, మీ డేటాను మరింత కచ్చితమైనదిగా మరియు సులభంగా అర్థమయ్యేదిగా చేయడానికి మీరు అత్యంత సముచితమైన కేంద్ర ధోరణి కొలమానాన్ని ఎంచుకోవచ్చు. మీ డేటాలో పెద్ద అవుట్‌లయర్‌లు ఉంటే, మధ్యస్థం తరచుగా మరింత ప్రాతినిధ్యం వహిస్తుంది; డేటా వర్గీకృతమైనది అయితే, మోడ్ అనేది ప్రాధాన్యత గల ఎంపిక; మరియు డేటా సౌష్టవంగా మరియు "స్పష్టంగా" ఉంటే, సగటు అత్యంత సమాచారవంతమైన సారాంశం కావచ్చు.
