رشتہ دار تعدد پر بحث کرنے والے سوالات کی مثال

رشتہ دار تعدد پر بحث کرنے والے سوالات کی مثال

متعلقہ تعدد شماریات میں ایک اہم تصور ہے، جو اکثر یہ بیان کرنے کے لیے استعمال ہوتا ہے کہ ڈیٹاسیٹ میں کوئی قدر یا واقعہ کتنی بار ہوتا ہے۔ متعلقہ فریکوئنسی ڈیٹاسیٹ میں موجود عناصر کی کل تعداد سے واقعات کی تعداد کو منسلک کرکے ڈیٹا کی تقسیم پر ایک بہتر تناظر فراہم کرنے میں مدد کرتی ہے۔ اس مضمون میں، ہم رشتہ دار تعدد کے تصور پر تفصیل سے بحث کریں گے، کئی مثالیں فراہم کریں گے اور اپنی سمجھ کو واضح کرنے کے لیے ان کو حل کریں گے۔

1. رشتہ دار تعدد کو سمجھنا

رشتہ دار تعدد کو کسی واقعہ کی تعدد کے واقعات یا مشاہدات کی کل تعداد کے تناسب کے طور پر ظاہر کیا جاتا ہے۔ اسے عام طور پر اعشاریہ یا فیصد کے طور پر ظاہر کیا جاتا ہے۔ رشتہ دار تعدد کا حساب لگانے کا فارمولا ہے:

\[ \text{متعلقہ تعدد} = frac{\text{واقعہ کی تعدد}}{\text{کل تعدد}} \]

2. رشتہ دار تعدد کی اہمیت

رشتہ دار تعدد مطلق تعدد سے زیادہ واضح اور زیادہ قابل فہم تصویر فراہم کرتا ہے۔ اس کی وجہ یہ ہے کہ متعلقہ فریکوئنسی کل ڈیٹا سیٹ کے سائز یا پیمانے کو مدنظر رکھتی ہے، جس سے ایک ڈیٹا سیٹ کا دوسرے سے موازنہ کرنا آسان ہو جاتا ہے، چاہے دو سیٹوں میں ڈیٹا پوائنٹس کی کل تعداد مختلف ہو۔

3. مثال کے سوالات اور بحث

رشتہ دار تعدد کے تصور کو بہتر طور پر سمجھنے کے لیے، آئیے کچھ مثال کے سوالات اور ان کے مباحث کو دیکھتے ہیں۔

مثال سوال 1

مندرجہ ذیل ڈیٹا کو دیکھتے ہوئے جو ہفتے کے مختلف دنوں میں لائبریری کے زائرین کی تعداد کو ظاہر کرتا ہے:

- پیر: 50 زائرین
- منگل: 40 زائرین
- بدھ: 60 زائرین
- جمعرات: 30 زائرین
- جمعہ: 70 زائرین

ہر دن کے لیے رشتہ دار تعدد کا تعین کریں۔

بحث:

1. ایک ہفتے میں کل زائرین کی گنتی کریں۔
\[
ٹیکسٹ{کل زائرین} = 50 + 40 + 60 + 30 + 70 = 250
\]

2. فارمولے کا استعمال کرتے ہوئے ہر دن کی نسبتہ تعدد کا حساب لگائیں:
\[
\text{متعلقہ تعدد} = \frac{\text{دن کی تعدد}} {\text{کل تعدد}}
\]

3. ہر دن کی نسبتہ تعدد یہ ہے:
- پیر:
\[
\text{متعلقہ تعدد پیر} = \frac{50}{250} = 0.20 \text{ یا } 20\%
\]
- منگل:
\[
\text{متعلقہ تعدد منگل} = \frac{40}{250} = 0.16 \text{ یا } 16\%
\]
- بدھ:
\[
\text{متعلقہ تعدد بدھ} = \frac{60}{250} = 0.24 \text{ یا } 24\%
\]
- جمعرات:
\[
\text{متعلقہ تعدد جمعرات} = \frac{30}{250} = 0.12 \text{ یا } 12\%
\]
- جمعہ:
\[
\text{جمعہ کی متعلقہ تعدد} = \frac{70}{250} = 0.28 \text{ یا } 28\%
\]

رشتہ دار تعدد کے ذریعے، ہم دیکھ سکتے ہیں کہ جمعہ کو ہفتے میں زائرین کا سب سے زیادہ تناسب ہوتا ہے۔

مثال سوال 2

ایک ماہ میں سیب کی فروخت کی تعدد کو دیکھتے ہوئے:

- ہفتہ 1: 15 ٹکڑے
- ہفتہ 2: 20 ٹکڑے
- ہفتہ 3: 25 ٹکڑے
- ہفتہ 4: 40 ٹکڑے

ہر ہفتے سیب کی فروخت کے لیے متعلقہ تعدد کا حساب لگائیں۔

بحث:

1. ایک مہینے میں سیب کی کل فروخت کا حساب لگائیں۔
\[
ٹیکسٹ{کل سیلز} = 15 + 20 + 25 + 40 = 100
\]

2. ہر ہفتے متعلقہ تعدد کا حساب لگائیں:
\[
\text{متعلقہ تعدد} = frac{\text{ہفتہ کی تعدد}} {\text{کل تعدد}}
\]

3. ہر ہفتے کے لیے متعلقہ تعدد:
- ہفتہ 1:
\[
\text{ہفتہ 1 رشتہ دار تعدد} = \frac{15}{100} = 0.15 \text{ یا } 15\%
\]
- ہفتہ 2:
\[
\text{ہفتہ 2 رشتہ دار تعدد} = \frac{20}{100} = 0.20 \text{ یا } 20\%
\]
- ہفتہ 3:
\[
\text{ہفتہ 3 رشتہ دار تعدد} = \frac{25}{100} = 0.25 \text{ یا } 25\%
\]
- ہفتہ 4:
\[
\text{ہفتہ 4 رشتہ دار تعدد} = \frac{40}{100} = 0.40 \text{ یا } 40\%
\]

اس مثال سے یہ واضح ہے کہ سیب کی سب سے زیادہ فروخت چوتھے ہفتے میں 40% کی نسبتہ تعدد کے ساتھ ہوئی۔

مثال سوال 3

مثال کے طور پر، ایک کلاس میں مختلف مضامین کو پسند کرنے والے طلباء کی تعداد کے حوالے سے درج ذیل ڈیٹا موجود ہے:

- ریاضی: 10 طلباء
- انگریزی: 15 طلباء
– نیچرل سائنسز (IPA): 20 طلباء
- تاریخ: 5 طلباء

ہر مضمون کے انتخاب کے لیے متعلقہ تعدد کا حساب لگائیں۔

بحث:

1. طلباء کی کل تعداد شمار کریں۔
\[
ٹیکسٹ{کل طلباء} = 10 + 15 + 20 + 5 = 50
\]

2. ہر مضمون کے لیے متعلقہ تعدد کا حساب لگائیں:
\[
\text{متعلقہ تعدد} = frac{\text{موضوع کی تعدد}}} متن{کل تعدد}}
\]

3. ہر مضمون کے لیے متعلقہ تعدد:
- ریاضی:
\[
\text{ریاضیاتی رشتہ دار تعدد} = \frac{10}{50} = 0.20 \text{ یا } 20\%
\]
- انگریزی:
\[
\text{انگریزی کی متعلقہ تعدد} = \frac{15}{50} = 0.30 \text{ یا } 30\%
\]
- نیچرل سائنسز (IPA):
\[
\text{سائنس کی متعلقہ تعدد} = \frac{20}{50} = 0.40 \text{ یا } 40\%
\]
- تاریخ:
\[
\text{Historical Relative Frequency} = \frac{5}{50} = 0.10 \text{ یا } 10\%
\]

یہاں سے یہ دیکھا جا سکتا ہے کہ نیچرل سائنسز 40% کی رشتہ دار فریکوئنسی کے ساتھ سب سے زیادہ مقبول مضمون ہے، جب کہ تاریخ 10% کی رشتہ دار فریکوئنسی کے ساتھ سب سے کم مقبول ہے۔

بند کرنا

اعداد و شمار کے اعداد و شمار کے تجزیہ میں متعلقہ فریکوئنسی ایک بہت مفید ٹول ہے، جو ڈیٹاسیٹ کے اندر ڈیٹا کے تناسب اور تقسیم کو سمجھنے میں ہماری مدد کرتا ہے۔ متعلقہ فریکوئنسی کا استعمال ہمیں ڈیٹا کا زیادہ معروضی طور پر موازنہ کرنے اور ایسے رجحانات یا نمونوں کی نشاندہی کرنے کی اجازت دیتا ہے جو شاید خام ڈیٹا میں ظاہر نہ ہوں۔ زیر بحث مثالوں کے ذریعے، یہ امید کی جاتی ہے کہ رشتہ دار تعدد کا تصور واضح اور سمجھنے میں آسان ہو جائے گا، جس سے ڈیٹا کے تجزیہ کے دیگر مختلف حالات پر لاگو کیا جا سکے گا۔