Skewness اور Kurtosis کا تعارف
اعداد و شمار کے دائرے میں، ڈیٹا سیٹس کے اندر موجود بنیادی نمونوں کی تشریح اور اسے سمجھنے کے لیے ڈیٹا کا تجزیہ ضروری ہے۔ کلیدی تصورات جو ان ڈیٹاسیٹس کو بیان کرنے اور خلاصہ کرنے میں مدد کرتے ہیں وہ ہیں skewness اور kurtosis۔ یہ دو اقدامات اعداد و شمار کی شکل اور تقسیم کے بارے میں قیمتی بصیرت فراہم کرتے ہیں، جو کہ وسط اور معیاری انحراف سے آگے بڑھتے ہیں۔
Skewness: ڈیٹا کی مطابقت کو سمجھنا
Skewness ڈیٹا پوائنٹس کی تقسیم میں توازن یا توازن کی کمی کو بیان کرتا ہے۔ بالکل متوازی تقسیم میں، جیسے کہ ایک عام تقسیم، ہسٹوگرام کے بائیں اور دائیں جانب آئینے کی تصاویر ہیں۔ تاہم، حقیقی دنیا کا ڈیٹا شاذ و نادر ہی کامل توازن کے مطابق ہوتا ہے، جس کی وجہ سے ترچھا پن پیدا ہوتا ہے۔
1. ترچھی پن کی اقسام:
– مثبت ترچھی (دائیں طرف کی طرف) : اس منظر نامے میں، تقسیم کے دائیں جانب کی دم بائیں جانب سے لمبی یا موٹی ہے۔ اس سے ظاہر ہوتا ہے کہ ڈیٹا پوائنٹس کی اکثریت بائیں جانب مرتکز ہوتی ہے، جس میں کم آؤٹ لیرز اعلی اقدار کی طرف بڑھتے ہیں۔ ایک مثال گھریلو آمدنی ہو سکتی ہے، جہاں زیادہ تر لوگ ایک مخصوص حد سے کم کماتے ہیں، لیکن چند افراد نمایاں طور پر زیادہ کماتے ہیں۔
– منفی ترچھا (بائیں طرف سے ترچھا): یہاں، تقسیم کے بائیں جانب کی دم لمبی یا موٹی ہے۔ زیادہ تر ڈیٹا پوائنٹس دائیں طرف مرتکز ہوتے ہیں، کم قیمت والے آؤٹ لیرز کے ساتھ۔ ایک مثال میں ریٹائرمنٹ کی عمر شامل ہو سکتی ہے، جہاں زیادہ تر لوگ مخصوص عمروں کے درمیان ریٹائر ہو جاتے ہیں، لیکن کچھ بہت پہلے ریٹائر ہو جاتے ہیں۔
- زیرو سکیونیس: یہ بالکل ہم آہنگ تقسیم میں ہوتا ہے، جہاں بائیں اور دائیں دم ایک دوسرے کا عکس ہوتے ہیں۔ کلاسک مثال عام تقسیم ہے۔
2. ترچھی پن کا حساب لگانا:
درج ذیل فارمولے کا استعمال کرتے ہوئے Skewness کی مقدار درست کی جا سکتی ہے۔
\[
\text{Skewness} = \frac{n}{(n-1)(n-2)} \sum_{i=1}^n \left( \frac{x_i – \bar{x}}{s} \ right)^3
\]
- n مشاہدات کی تعداد ہے۔
- x_i ہر انفرادی مشاہدے کی نمائندگی کرتا ہے۔
- \(\bar{x}\) مشاہدات کا اوسط ہے۔
- s معیاری انحراف ہے۔
مثبت قدریں دائیں ترچھی کی نشاندہی کرتی ہیں، جبکہ منفی قدریں بائیں ترچھی پن کی نشاندہی کرتی ہیں۔
کرٹوسس: ڈیٹا ٹیل ہیوینس کو سمجھنا
کرٹوسس ڈیٹا کی تقسیم کی "پچھلی پن" کی پیمائش کرتا ہے۔ جب کہ ترچھا پن ہم آہنگی سے متعلق ہے، کرٹوسس مرکزی چوٹی کی اونچائی اور نفاست اور دم کے بھاری پن کو مخاطب کرتا ہے۔ Kurtosis عام طور پر تین اقسام میں تقسیم کیا جاتا ہے:
1. کرٹوسس کی اقسام:
- لیپٹوکرٹک : مثبت کرٹوسس اقدار کے ساتھ تقسیم اس بات کی نشاندہی کرتی ہے کہ اعداد و شمار کی زیادہ قدریں وسط کے ارد گرد مرکوز ہیں، جس کے نتیجے میں تیز چوٹیاں اور موٹی دم نکلتی ہے۔ اس کا مطلب باہر جانے والوں کے زیادہ امکان ہے۔ اسٹاک مارکیٹ کی واپسی اکثر لیپٹوکورٹک رویے کو ظاہر کرتی ہے، جو انتہائی تبدیلیوں کی عکاسی کرتی ہے۔
- پلیٹیکورٹک : منفی کرٹوسس اقدار کے ساتھ تقسیم چاپلوسی چوٹیوں اور پتلی دموں کو ظاہر کرتی ہے، یعنی ڈیٹا پوائنٹس وسط کے ارد گرد زیادہ یکساں طور پر پھیلے ہوئے ہیں۔ بے ترتیب نمبر سیٹ پلاٹیکورٹک خصوصیات کو ظاہر کرتے ہیں۔
– Mesokurtic : صفر کے قریب کرٹوسس ویلیو والی تقسیم، عام تقسیم کی طرح، معتدل چوٹی اور دم کی موٹائی کو ظاہر کرتی ہے۔
2. کرٹوسس کا حساب لگانا:
کرٹوسس کا حساب فارمولہ استعمال کرتے ہوئے کیا جاتا ہے:
\[
\text{Kurtosis} = frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum_{i=1}^n \left( \frac{x_i – \bar{x}}{s} \right)^4 – 3 \frac{(n-1)^2}{(n-2)(n-3)}
\]
skewness کی طرح، n مشاہدات کی تعداد ہے، x_i ہر ایک مشاہدہ ہے، \(\bar{x}\) اوسط ہے، اور s معیاری انحراف ہے۔ تین سے گھٹاؤ کا استعمال عام تقسیم کے کرٹوسس کو صفر کے برابر کرنے کے لیے کیا جاتا ہے۔ مثبت قدریں لیپٹوکورٹک تقسیم کی نشاندہی کرتی ہیں، جبکہ منفی قدریں پلاٹیکورٹک تقسیم کی نشاندہی کرتی ہیں۔
عملی مضمرات اور اطلاقات
Skewness اور kurtosis صرف فلسفیانہ تعمیرات نہیں ہیں بلکہ فنانس سے لے کر کوالٹی کنٹرول اور بیالوجی تک کے شعبوں میں اس کے عملی مضمرات ہیں۔
1. مالیات:
- رسک مینجمنٹ میں، skewness اور kurtosis کو ماڈلنگ اور مالی منافع کی پیشن گوئی کے لیے استعمال کیا جاتا ہے۔ Skewness انتہائی مثبت یا منفی تبدیلیوں کے خطرے سے آگاہ کرتا ہے، جبکہ کرتوسس انتہائی واقعات یا سیاہ ہنس کے مظاہر کے امکان کو سمجھنے میں مدد کرتا ہے۔
- پورٹ فولیو مینیجر اثاثوں کا انتخاب کرتے وقت، رسک اور ریٹرن کے درمیان مثالی توازن کے لیے کوشاں رہتے ہیں۔
2. کوالٹی کنٹرول:
- مینوفیکچرنگ میں، پیداواری عمل سے ڈیٹا کی ترچھی کا تجزیہ ناکارہیوں یا معیار کے انحراف کو نمایاں کر سکتا ہے۔ کرٹوسس ممکنہ باہری لوگوں کی شناخت کر سکتا ہے جو نقائص یا نایاب خرابیوں کی نشاندہی کر سکتے ہیں۔
3. حیاتیات اور طب:
- وبائی امراض میں، ترچھا پن بیماریوں کے پھیلاؤ کی عکاسی کر سکتا ہے، جبکہ کرٹوسس سپر اسپریڈرز کی موجودگی کی نشاندہی کر سکتا ہے۔ جینیات میں، یہ اقدامات آبادی کے اندر خصوصیت کی تقسیم کا تجزیہ کرنے میں مدد کرتے ہیں۔
4. ماحولیاتی سائنس:
- محققین آلودگی کے اعداد و شمار کا مطالعہ کرنے کے لیے تپش کا استعمال کرتے ہیں، جو آلودگی پھیلانے کے رجحانات کو ظاہر کرتے ہیں۔ کرٹوسس نایاب لیکن اہم ماحولیاتی واقعات کو سمجھنے میں مدد کرتا ہے، جیسے کہ تیل کا اخراج یا نایاب پرجاتیوں کا نظارہ۔
نتیجہ
skewness اور kurtosis کو سمجھنا اعداد و شمار کا ایک امیر، زیادہ نفیس نقطہ نظر فراہم کرتا ہے، جو مختلف شعبوں میں بہتر فیصلہ سازی میں مدد فراہم کرتا ہے۔ جب کہ ترچھا پن عدم توازن کو ظاہر کرتا ہے، کرٹوسس تقسیم کے دم کے رویے کو نمایاں کرتا ہے۔ ایک ساتھ، یہ اقدامات روایتی خلاصہ کے اعدادوشمار سے ہٹ کر اہم بصیرت پیش کرتے ہیں، پیچیدہ مظاہر کی تشریح اور پیشین گوئی کرنے کی ہماری صلاحیت کو بڑھاتے ہیں۔
جیسا کہ کسی بھی شماریاتی ٹول کے ساتھ، یہ یاد رکھنا بہت ضروری ہے کہ جب دیگر وضاحتی اعدادوشمار کے ساتھ استعمال کیا جائے تو ترچھی اور کرٹوسس سب سے زیادہ معلوماتی ہوتے ہیں۔ یہ جامع نقطہ نظر ڈیٹا کی تقسیم، باخبر فیصلوں کو آگے بڑھانے اور نئی دریافتوں کو فروغ دینے کی جامع تفہیم کو یقینی بناتا ہے۔
