سنگل اور گروپ شدہ ڈیٹا کے لیے میڈین کا حساب لگانے کی تکنیک
میڈین مرکزی رجحان کا ایک پیمانہ ہے جو اکثر شماریات میں استعمال ہوتا ہے۔ اوسط (مطلب) کے برعکس، جو تمام اقدار کو جوڑتا ہے اور پھر قدروں کی تعداد سے تقسیم کرتا ہے، میڈین ترتیب شدہ ڈیٹا سیٹ کی "درمیانی قدر" پر زور دیتا ہے۔ پوزیشن پر توجہ مرکوز کرنے کی وجہ سے، میڈین انتہائی قدروں (آؤٹ لیرز) کے خلاف نسبتاً مزاحم ہوتا ہے، جیسے کہ جب ایک قدر دوسروں کے مقابلے میں بہت بڑی یا بہت چھوٹی ہوتی ہے۔ یہی وجہ ہے کہ میڈین کو معاشی اعداد و شمار کے تجزیہ، تعلیم، سماجی تحقیق، اور یہاں تک کہ ٹیسٹ سکور کی تشخیص میں بڑے پیمانے پر استعمال کیا جاتا ہے۔
اس آرٹیکل میں، ہم دو قسم کے ڈیٹا کے لیے میڈین کا حساب لگانے کی تکنیکوں پر بات کریں گے: سنگل ڈیٹا (غیر گروپ شدہ) اور گروپ شدہ ڈیٹا (فریکوئنسی ڈسٹری بیوشن ٹیبل میں پیش کیا گیا)۔ فارمولے کے علاوہ، بحث میں آسان عمل درآمد کے لیے عملی اقدامات بھی شامل ہوں گے۔
-
1. میڈین کا بنیادی تصور
اعداد و شمار کو چھوٹے سے بڑے میں ترتیب دینے کے بعد درمیانی قدر درمیانی قدر ہے۔ اگر ڈیٹا پوائنٹس کی تعداد طاق ہے، تو میڈین عین درمیانی قدر ہے۔ اگر ڈیٹا پوائنٹس کی تعداد یکساں ہے، تو میڈین دو درمیانی قدروں کا اوسط ہے۔
بدیہی طور پر، میڈین ڈیٹا کو دو حصوں میں تقسیم کرتا ہے:
- 50% ڈیٹا میڈین سے نیچے (یا اس کے برابر) ہے۔
- 50% ڈیٹا میڈین سے اوپر (یا اس کے برابر) ہے۔
چونکہ میڈین آرڈر پر مبنی ہوتا ہے، اس لیے پہلا مرحلہ جس کی تقریباً ہمیشہ ضرورت ہوتی ہے وہ ہے ڈیٹا کو ترتیب دینا۔
-
2. سنگل ڈیٹا کے لیے میڈین کا حساب لگانا
سنگل ڈیٹا وہ ڈیٹا ہوتا ہے جو اس طرح پیش کیا جاتا ہے جیسا کہ یہ ہے (مثال کے طور پر طلباء کے درجات کی فہرست)، گروپ ڈیٹا کی طرح وقفہ کی کلاسوں میں خلاصہ نہیں کیا جاتا ہے۔
A. عمومی اقدامات
1. ڈیٹا کو چھوٹی سے بڑی قدر تک ترتیب دیں۔
2. ڈیٹا کی مقدار کا تعین کریں، مثال کے طور پر n۔
3. میڈین کی پوزیشن کا تعین کریں:
– اگر n طاق ہے، تو میڈین پوزیشن پر ہے \((n+1)/2\)۔
– اگر n برابر ہے، تو میڈین پوزیشنز پر ڈیٹا کا اوسط ہے \(n/2\) اور \((n/2)+1\)۔
B. واحد ڈیٹا کے لیے میڈین فارمولا
- اگر n طاق ہے:
\[
میں = x_{(n+1)/2}
\]
اس کا مطلب ہے کہ میڈین \((n+1)/2\)ویں ترتیب میں ڈیٹا کی قدر ہے۔
- اگر n برابر ہے:
\[
Me = frac{x__{n/2} + x__{(n/2)+1}}{2}
\]
C. سنگل ڈیٹا کی مثال (n Odd)
ڈیٹا: 7، 2، 9، 4، 3
1) ترتیب دیں: 2، 3، 4، 7، 9
2) n = 5 (طاق)
3) درمیانی پوزیشن = \((5+1)/2 = 3\)
میڈین = تیسرا ڈیٹا = 4
تو ڈیٹا کا میڈین 4 ہے۔
D. سنگل ڈیٹا کی مثال (n بھی)
ڈیٹا: 10، 4، 6، 8
1) ترتیب دیں: 4، 6، 8، 10
2) n = 4 (بھی)
3) درمیانی پوزیشن 2nd اور 3rd ڈیٹا ہے۔
میڈین = \((6 + 8)/2 = 7\)
تو ڈیٹا کا میڈین 7 ہے۔
E. اہم نوٹ: ڈیٹا جس کی فریکوئنسی ہوتی ہے۔
کبھی کبھی ایک ڈیٹا سیٹ کو قدر اور فریکوئنسی کے طور پر دیا جا سکتا ہے (مثال کے طور پر، 60 دو بار ظاہر ہوتا ہے، 70 پانچ بار ظاہر ہوتا ہے)۔ اس صورت میں، میڈین اب بھی ڈیٹا کی "آرڈرنگ" کی بنیاد پر پایا جاتا ہے، لیکن ہم ڈیٹا پوائنٹس کو انفرادی طور پر درج کیے بغیر میڈین پوزیشن کا تعین کرنے کے لیے مجموعی فریکوئنسی کا استعمال کر سکتے ہیں۔ اصول ایک ہی ہے: (n+1)/2nd پوزیشن (odd) یا (n/2) اور (n/2)+1st پوزیشن (بھی) تلاش کریں، پھر ان اقدار کو دیکھیں جو جمع شدہ فریکوئنسی کی بنیاد پر اس پوزیشن کا احاطہ کرتی ہیں۔
-
3. گروپ شدہ ڈیٹا کے لیے میڈین کا حساب لگانا
گروپ شدہ ڈیٹا وہ ڈیٹا ہے جس کا خلاصہ کلاس وقفوں اور ان کی تعدد میں کیا گیا ہے۔ مثال کے طور پر: 150-154 سینٹی میٹر کی اونچائی والے 3 افراد، 155-159 سینٹی میٹر کی اونچائی والے 8 افراد، وغیرہ۔ سنگل ڈیٹا کے برعکس، گروپ شدہ ڈیٹا کا میڈین عام طور پر قطعی طور پر متعین نہیں ہوتا ہے کیونکہ ہم وقفہ کے اندر انفرادی اقدار کو نہیں جانتے ہیں۔ لہٰذا، میڈین کا تخمینہ ایک تخمینہ (تخمینہ) کا استعمال کرتے ہوئے گروپ شدہ تقسیم کے لیے میڈین فارمولے کا استعمال کرتے ہوئے کیا جاتا ہے۔
A. گروپ ڈیٹا میڈین میں اہم شرائط
فارمولہ استعمال کرنے سے پہلے، ہمیں کئی اجزاء کو سمجھنے کی ضرورت ہے:
– n = کل تعدد (ڈیٹا کی کل تعداد)
– n/2 = مجموعی میڈین پوزیشن
- میڈین کلاس = پہلی وقفہ کلاس جو ایک مجموعی فریکوئنسی ≥ n/2 پیدا کرتی ہے۔
– L = میڈین کلاس کا نچلا کنارہ (نچلی حد نہیں، بلکہ کلاس کا کنارہ؛ مسلسل ڈیٹا کے لیے عام طور پر 0,5 ایڈجسٹمنٹ کا استعمال کرتے ہیں اگر ڈیٹا انٹیجرز ہو)
- F = میڈین کلاس سے پہلے مجموعی تعدد
- f = میڈین کلاس فریکوئنسی
- c = کلاس کی لمبائی (وقفہ چوڑائی)
B. گروپ ڈیٹا کے میڈین کا تعین کرنے کے اقدامات
1. فریکوئنسی ڈسٹری بیوشن ٹیبل بنائیں اور ایک مجموعی فریکوئنسی کالم شامل کریں۔
2. n (تعدد کی تعداد) کا حساب لگائیں اور n/2 کا تعین کریں۔
3. میڈین کلاس کا تعین کریں، یعنی وہ کلاس جس میں مجموعی فریکوئنسی کی بنیاد پر n/2 پوزیشنز شامل ہوں۔
4. گروپ ڈیٹا کے میڈین فارمولے میں اقدار درج کریں۔
C. گروپ ڈیٹا کے لیے میڈین فارمولا
\[
Me = L + \left(\frac{\frac{n}{2} – F}{f}\right)\times c
\]
یہ فارمولہ میڈین کلاس کے اندر لکیری انٹرپولیشن انجام دیتا ہے، یہ فرض کرتے ہوئے کہ ڈیٹا کو کلاس وقفہ میں یکساں طور پر تقسیم کیا گیا ہے۔
D. گروپ ڈیٹا کے میڈین کی مثال
مثال کے طور پر، درج ذیل ٹیسٹ سکور کا ڈیٹا:
| قدر کا وقفہ | تعدد (f) |
|—|—:|
| 40-49 | 5 |
| 50-59 | 8 |
| 60-69 | 12 |
| 70-79 | 10 |
| 80-89 | 5 |
1) کل تعدد:
\[
n = 5+8+12+10+5 = 40
\]
2) n/2 کا حساب لگائیں:
\[
n/2 = 20
\]
3) مجموعی تعدد:
40–49:5
– 50–59: 5+8 = 13
– 60–69: 13+12 = 25
70–79:35
80–89:40
پوزیشن 20 کلاس میں پہلے مجموعی سکور ≥ 20 کے ساتھ ہے، یعنی 60–69۔ تو یہ میڈین کلاس ہے۔
4) اجزاء کا تعین کریں:
- L = میڈین کلاس کا نچلا کنارہ۔ وقفہ 60-69 کے لیے، نچلا کنارہ 59,5 ہے (اگر ڈیٹا ایک عددی قدر ہے)۔
- F = مجموعی تعدد اس سے پہلے کہ میڈین کلاس = 13
- f = میڈین کلاس فریکوئنسی = 12
- c = کلاس کی لمبائی = 10
5) فارمولا درج کریں:
\[
Me = 59,5 + \left(\frac{20 – 13}{12}\ right)\times 10
\]
\[
Me = 59,5 + \left(\frac{7}{12}\right)\times 10
\]
\[
میں = 59,5 + 5,833… = 65,333…
\]
تو گروپ ڈیٹا کا میڈین تقریباً 65,33 ہے۔
-
4. عام غلطیاں
میڈین کا حساب لگاتے وقت کچھ عام غلطیاں:
1. واحد ڈیٹا کے لیے ڈیٹا کو ترتیب نہیں دینا، اس لیے درمیانی قدر درست نہیں ہے۔
2. n برابر ہونے پر میڈین کی پوزیشن کا غلط طریقے سے تعین کرنا (دو درمیانی قدروں کا اوسط لینا چاہیے)۔
3. گروپ ڈیٹا کے لیے، میڈین کلاس کا انتخاب کرنا غلط ہے کیونکہ یہ ایک مجموعی فریکوئنسی نہیں بناتا ہے۔
4. لوئر ایج (L) کلاس کی نچلی حد کو استعمال کرنا جب ڈیٹا مسلسل ہو/وقفے عددی ہوں۔
5. کلاس کی لمبائی (c) کا غلط تعین کرنا، خاص طور پر اگر وقفے متضاد ہوں۔
-
5. نتیجہ
میڈین مرکزی رجحان کا ایک سادہ لیکن طاقتور پیمانہ ہے، خاص طور پر جب ڈیٹا انتہائی قدروں پر مشتمل ہو۔ سنگل ڈیٹا سیٹس کے لیے، ڈیٹا کو ترتیب دینے کے بعد درمیانی پوزیشن سے براہ راست متعین کیا جاتا ہے، ڈیٹا سیٹوں کی طاق اور یکساں تعداد کے لیے مختلف علاج کے ساتھ۔ دریں اثنا، گروپ شدہ ڈیٹا سیٹس کے لیے، میڈین کا حساب میڈین کلاس، مجموعی فریکوئنسی، اور کلاس کی لمبائی پر مبنی انٹرپولیشن فارمولے کا استعمال کرتے ہوئے کیا جاتا ہے۔
تصور اور مراحل کو سمجھ کر، آپ سادہ ڈیٹا اور جدولوں میں خلاصہ کردہ ڈیٹا دونوں پر، میڈین کو تیزی سے اور درست طریقے سے شمار کر سکتے ہیں۔ بہت سے تجزیاتی حالات میں، میڈین وسط سے زیادہ نمائندہ انتخاب ہوتا ہے، خاص طور پر جب ڈیٹا کی تقسیم غیر متناسب ہو یا اس میں آؤٹ لیرز شامل ہوں۔
اگر آپ چاہیں تو، میں سنگل اور گروپ ڈیٹا کے میڈین کے بارے میں آپ کی سمجھ کو مضبوط کرنے کے لیے گفتگو کے ساتھ مشق کے سوالات بھی شامل کر سکتا ہوں۔
