واحد ڈیٹا کے تغیر اور معیاری انحراف پر بحث کرنے والے مثال کے سوالات

مثال کے سوالات اور بحث: واحد ڈیٹا کا تغیر اور معیاری انحراف

شماریات ریاضی کی ایک شاخ ہے جس کا تعلق اعداد و شمار کو جمع کرنے، تجزیہ کرنے، تشریح کرنے، پیش کرنے اور تنظیم کرنے سے ہے۔ شماریات میں دو اہم تصورات تغیر اور معیاری انحراف ہیں۔ اس مضمون میں تفصیل سے بات کی جائے گی کہ متعدد مثالوں کے مسائل کے ذریعے کسی ایک ڈیٹا سیٹ کے تغیر اور معیاری انحراف کا حساب کیسے لگایا جائے۔

تغیر اور معیاری انحراف کو سمجھنا

تغیر ایک ایسا پیمانہ ہے جو اس بات کا اندازہ لگاتا ہے کہ ڈیٹا سیٹ میں اعداد وسط یا اوسط سے کتنے دور تک پھیلے ہوئے ہیں۔ تغیر کو اصل ڈیٹا کی مربع اکائیوں میں ظاہر کیا جاتا ہے، جس کی وجہ سے اس کی تشریح کرنا اکثر مشکل ہو جاتا ہے۔

معیاری انحراف متغیر کا مربع جڑ ہے۔ یہ ایک زیادہ بدیہی پیمانہ فراہم کرتا ہے کہ ڈیٹا عام طور پر اوسط سے کتنا ہٹ جاتا ہے کیونکہ اس کی اکائیاں ڈیٹا کی اصل اکائیوں جیسی ہوتی ہیں۔

عمومی فارمولا

واحد ڈیٹا کے لیے، آبادی کے تغیر \( \sigma^2 \) اور معیاری انحراف \( \sigma \) کا فارمولا درج ذیل ہے:

1. تغیر (σ²):
\( \sigma^2 = frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \)

2. معیاری انحراف (σ):
\( \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2} \)

کہاں:
- \( N \) آبادی میں ڈیٹا کی تعداد ہے۔
- \( x_i \) ith ڈیٹا ویلیو ہے۔
- \( \mu \) ڈیٹا کا اوسط یا اوسط ہے۔

اگر ہم نمونے کے تغیر اور معیاری انحراف کا حساب لگاتے ہیں، تو مندرجہ بالا فارمولے میں قدرے ترمیم کی گئی ہے:

1. نمونہ تغیر (s²):
\( s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \)

2. نمونہ معیاری انحراف (s):
\( s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2} \)

کہاں:
- \( n \) نمونے میں ڈیٹا کی تعداد ہے۔
- \( \bar{x} \) نمونے کا اوسط یا اوسط ہے۔

نمونہ سوالات اور بحث

مثال سوال 1:

درج ذیل ڈیٹا کو دیکھتے ہوئے:
8، 10، 10، 10، 12، 14

ڈیٹا کے تغیر اور معیاری انحراف کا حساب لگائیں!

حل کے اقدامات:

1. اوسط کا حساب لگانا (میان) \( \mu \):
\[
\mu = frac{8 + 10 + 10 + 10 + 12 + 14}{6} = frac{64}{6} = 10.67
\]

2. ڈیٹا اور اوسط کے درمیان فرق کا حساب لگائیں، پھر مربع کریں:
\[
(8 – 10.67)^2 = 7.1289
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(12 – 10.67)^2 = 1.7689
\]
\[
(14 – 10.67)^2 = 11.1089
\]

3. تمام مربع نتائج کو شامل کرنا:
\[
‎\sum (x_i - \mu)^2 = 7.1289 + 0.4489 + 0.4489 + 0.4489 + 1.7689 + 11.1089 = 21.3534
\]

4. آبادی کے ڈیٹا کے تغیر (σ²) کا حساب لگانا:
\[
\sigma^2 = \frac{21.3534}{6} = 3.559
\]

نوٹ: چونکہ یہ ڈیٹا آبادی کے اعداد و شمار کے طور پر بیان کیا گیا ہے، ہم 6 سے تقسیم کرتے ہیں۔

5. معیاری انحراف کا حساب لگانا (σ):
\[
\sigma = \sqrt{3.559} \ تقریباً 1.886
\]

لہذا، ڈیٹا کا تغیر 3.559 ہے اور معیاری انحراف 1.886 ہے۔

مثال سوال 2:

مندرجہ ذیل نمونے کے اعداد و شمار کو دیکھتے ہوئے:
5، 6، 8، 9، 10، 11

نمونے کے تغیر اور معیاری انحراف کا حساب لگائیں!

حل کے اقدامات:

1. اوسط کا حساب لگانا (میان) \( \bar{x} \) :
\[
\bar{x} = frac{5 + 6 + 8 + 9 + 10 + 11}{6} = frac{49}{6} = 8.167
\]

2. ڈیٹا اور اوسط کے درمیان فرق کا حساب لگائیں، پھر مربع کریں:
\[
(5 – 8.167)^2 = 10.035
\]
\[
(6 – 8.167)^2 = 4.694
\]
\[
(8 – 8.167)^2 = 0.028
\]
\[
(9 – 8.167)^2 = 0.694
\]
\[
(10 – 8.167)^2 = 3.361
\]
\[
(11 – 8.167)^2 = 7.945
\]

3. تمام مربع نتائج کو شامل کرنا:
\[
\sum (x_i – \bar{x})^2 = 10.035 + 4.694 + 0.028 + 0.694 + 3.361 + 7.945 = 26.757
\]

4. نمونے کے تغیر (s²) کا حساب لگانا:
\[
s^2 = frac{26.757}{5} = 5.351
\]

نوٹ: چونکہ یہ نمونہ ڈیٹا ہے، ہم 5 (n-1) سے تقسیم کرتے ہیں۔

5. معیاری انحراف کا حساب لگانا:
\[
s = \sqrt{5.351} \ تقریباً 2.313
\]

لہذا، نمونے کے اعداد و شمار کا تغیر 5.351 ہے اور معیاری انحراف 2.313 ہے۔

نتیجہ اخذ کرنا

تغیرات اور معیاری انحراف کا حساب لگانا یہ سمجھنے کے لیے ضروری ہے کہ کسی مخصوص سیٹ کے اندر ڈیٹا کیسے پھیلا ہوا ہے۔ جب کہ تغیر اصل اکائیوں کے مربعوں میں پھیلاؤ کا ایک نظریاتی پیمانہ فراہم کرتا ہے، معیاری انحراف ڈیٹا کی اصل اکائیوں کے لحاظ سے بازی کی پیمائش کی تشریح کرتا ہے، جس سے اسے سمجھنا آسان ہو جاتا ہے۔ اعداد و شمار کے تجزیہ میں، یہ دو اقدامات اکثر اعداد و شمار کے تغیرات کا اندازہ لگانے اور شماریاتی فیصلے کرنے کے لیے استعمال ہوتے ہیں۔

ضروری اقدامات اور فارمولوں کو سمجھ کر، ہم روزانہ ڈیٹا اکٹھا کرنے اور تجزیے میں پیش آنے والے مختلف حالات کے لیے آسانی سے تغیر اور معیاری انحراف کا حساب لگا سکتے ہیں۔ امید ہے کہ یہ مضمون سنگل ڈیٹا سیٹس میں تغیر اور معیاری انحراف کے تصورات کی گہری سمجھ فراہم کرتا ہے۔