گتانک کے تعین پر بحث کے سوال کی مثال
رجعت کے تجزیے میں گتانک کا تعین (R²) ایک اہم پیرامیٹر ہے، جو اس بات کی نشاندہی کرتا ہے کہ ریگریشن ماڈل ڈیٹا کی اصل تغیر کو کتنی اچھی طرح سے بیان کرتا ہے۔ اس مضمون میں، ہم ایک تفصیلی مثال اور بحث کے ذریعے تعیین کے عدد کے تصور کی وضاحت کریں گے۔
تعیین کے عدد کا بنیادی تصور
تعیین یا \( R^2 \) کا گتانک 0 سے 1 کے پیمانے پر ماپا جاتا ہے، جہاں:
- \( R^2 = 0 \) اشارہ کرتا ہے کہ ریگریشن ماڈل ڈیٹا کی تغیر کو بالکل بھی بیان کرنے کے قابل نہیں ہے۔
- \( R^2 = 1 \) ظاہر کرتا ہے کہ ریگریشن ماڈل ڈیٹا کی تمام تغیرات کو بالکل واضح کرنے کے قابل ہے۔
تعیین کے گتانک کا حساب لگانے کا بنیادی فارمولا یہ ہے:
\[ R^2 = 1 - \frac{SSR}{SST} \]
کہاں:
- SSR (Sum of Squared Residuals) ماڈل کے ذریعہ پیش گوئی کی گئی قدروں اور اصل قدروں کے درمیان فرق کے مربعوں کا مجموعہ ہے۔
- SST (مربعوں کا کل مجموعہ) اصل قدر اور اصل قدروں کی اوسط کے درمیان فرق کے مربعوں کا مجموعہ ہے۔
مسائل کی مثال
آئیے مزید گہرائی میں تعیین کے گتانک کے حساب کو سمجھنے کے لیے ایک مثال کے مسئلے پر بات کرتے ہیں۔
مسائل کی مثال:
فرض کریں کہ ہمارے پاس 10 طلباء کے مطالعے کے اوقات (X) اور امتحان کے اسکور (Y) کی تعداد کا ڈیٹا ہے:
| طلباء | مطالعہ کے اوقات (X) | امتحان کا اسکور (Y) |
|——-|——————–|———————–|
| 1 | 2 | 58 |
| 2 | 3 | 64 |
| 3 | 4 | 70 |
| 4 | 5 | 85 |
| 5 | 2 | 57 |
| 6 | 3 | 68 |
| 7 | 4 | 72 |
| 8 | 5 | 90 |
| 9 | 3 | 62 |
| 10 | 4 | 78 |
ہم ایک سادہ لکیری ریگریشن ماڈل بنائیں گے جہاں امتحان کے اسکورز (Y) کی پیش گوئی مطالعہ کے اوقات (X) کی بنیاد پر کی جاتی ہے۔
بحث
1. ایک سادہ لکیری ریگریشن ماڈل بنانا
ایک سادہ لکیری ریگریشن ماڈل کی شکل ہے:
\[ Y = a + bX \]
کہاں:
- \( Y \) پیشین گوئی شدہ ٹیسٹ سکور ہے۔
- \( X \) مطالعہ کے اوقات کی تعداد ہے۔
- \( a \) انٹرسیپٹ ہے (Y محور پر چوراہے کا نقطہ جب X = 0)۔
- \( b \) ڈھلوان ہے (رجعت کی لکیر کا جھکاؤ)۔
پیرامیٹرز کا حساب لگانے کے لیے \(a \) اور \(b \)، ہم درج ذیل فارمولہ استعمال کرتے ہیں:
\[ b = \frac{n(\sum{XY}) - (\sum{X})(\sum{Y})}{n(\sum{X^2}) - (\sum{X})^2} \]
\[ a = frac{\sum{Y} – b(\sum{X})}{n} \]
جہاں \( n \) ڈیٹا کی تعداد ہے (اس صورت میں n = 10)۔
میز سے ہم حساب کر سکتے ہیں:
- \(\ رقم{X} = 36\)
– \(\sum{Y} = 704\)
– \(\sum{X^2} = 140\)
– \(\sum{Y^2} = 50428\)
– \(\sum{XY} = 2576\)
آئیے پہلے ب کا حساب لگائیں:
\[ b = frac{10(2576) - (36)(704)}{10(140) - (36)^2} \]
\[ b = frac{25760 – 25344}{1400 – 1296} \]
\[ b = \frac{416}{104} \]
\[ ب = 4 \]
پھر، ہم ایک کا حساب لگاتے ہیں:
\[ a = \frac{704 – 4(36)}{10} \]
\[ a = \frac{704 – 144}{10} \]
\[ a = \frac{560}{10} \]
\" a = 56 \]
لہذا، ہمیں جو لکیری ریگریشن ماڈل ملتا ہے وہ ہے:
\[ Y = 56 + 4X \]
2. پیشن گوئی کی قدر کا حساب لگائیں (Y')
اگلا، ہم ہر ایک \( X \) کے لیے پیش گوئی کی گئی قدر \( Y' \) کا حساب لگاتے ہیں۔
| طلباء | مطالعہ کے اوقات (X) | امتحان کا اسکور (Y) | پیش گوئی شدہ اسکور (Y') |
|——-|——————–|——————–|————————-|
| 1 | 2 | 58 | \( 56 + 4(2) = 64 \) |
| 2 | 3 | 64 | \( 56 + 4(3) = 68 \) |
| 3 | 4 | 70 | \( 56 + 4(4) = 72 \) |
| 4 | 5 | 85 | \( 56 + 4(5) = 76 \) |
| 5 | 2 | 57 | \( 56 + 4(2) = 64 \) |
| 6 | 3 | 68 | \( 56 + 4(3) = 68 \) |
| 7 | 4 | 72 | \( 56 + 4(4) = 72 \) |
| 8 | 5 | 90 | \( 56 + 4(5) = 76 \) |
| 9 | 3 | 62 | \( 56 + 4(3) = 68 \) |
| 10 | 4 | 78 | \( 56 + 4(4) = 72 \) |
3. SSR اور SST کا حساب لگانا
اگلا، ہم \( R^2 \) حاصل کرنے کے لیے SSR اور SST کا حساب لگاتے ہیں۔
SSR:
\[ SSR = \sum{(Y – Y')^2} \]
\[ SSR = (58 – 64)^2 + (64 – 68)^2 + (70 – 72)^2 + (85 – 76)^2 + (57 – 64)^2 + (68 – 68)^2 + (72 – 72)^2 + (90 – 76)^2 + (62 – 8)^2 + (62 – 8) ^)
\[ ایس ایس آر = 36 + 16 + 4 + 81 + 49 + 0 + 0 + 196 + 36 + 36 \]
\[ SSR = 454 \]
SST:
\[ SST = \sum{(Y – \bar{Y})^2} \]
کہاں:
\[ \bar{Y} = \frac{\sum{Y}}{n} = \frac{704}{10} = 70.4 \]
\[ SST = (58 – 70.4)^2 + (64 – 70.4)^2 + (70 – 70.4)^2 + (85 – 70.4)^2 + (57 – 70.4)^2 + (68 – 70.4)^2 + (72 – 70.4)^2 + (72 – 70.4)^20 (20) - 20 (20) + 70.4)^2 + (78 – 70.4)^2 \]
\[ SST = 153.76 + 40.96 + 0.16 + 213.16 + 178.56 + 5.76 + 2.56 + 384.16 + 70.56 + 57.76 \]
\[ SST = 1107.44 \]
4. تعیین کے عدد کا حساب لگانا \( R^2 \):
\[ R^2 = 1 - \frac{SSR}{SST} \]
\[ R^2 = 1 - \frac{454}{1107.44} \]
\[ R^2 = 1 - 0.41 \]
\[ R^2 = 0.59 \]
نتیجہ اخذ کرنا
اوپر کے حساب سے، ہم نے عزم کا ایک عدد حاصل کیا (R2 = 0.59)۔ اس سے ظاہر ہوتا ہے کہ ہم نے جو لکیری ریگریشن ماڈل بنایا ہے وہ مطالعہ کے اوقات کی بنیاد پر امتحان کے سکور میں تقریباً 59% تغیرات کی وضاحت کر سکتا ہے۔ باقی 41% تغیرات دیگر عوامل کی وجہ سے ہوسکتے ہیں جو ماڈل میں شامل نہیں ہیں۔
مندرجہ بالا مراحل اور حسابات کو سمجھ کر، ہم اس بات کا اندازہ لگانے میں تعیین کے گتانک کی اہمیت کو دیکھ سکتے ہیں کہ ہم جو ریگریشن ماڈل بناتے ہیں وہ اعداد و شمار کی اصل تغیرات کی کتنی اچھی طرح وضاحت کرتا ہے۔ یہ شماریاتی تجزیہ اور ڈیٹا ماڈلنگ میں ایک بہت مفید ٹول ہے۔
