MCQ STATICTICS
ఈ అధ్యాయం గణాంకాలలోని ప్రాథమిక భావనలను పరిచయం చేస్తుంది, ముఖ్యంగా కేంద్రీయ ప్రవృత్తి కొలతలు - మధ్యమం (Mean), మధ్యగతం (Median), మరియు బహుళకం (Mode). దత్తాంశాన్ని ఎలా సేకరించాలి, వర్గీకరించాలి మరియు విశ్లేషించాలో విద్యార్థులు నేర్చుకుంటారు. వర్గీకృత మరియు అవర్గీకృత దత్తాంశానికి ఈ కొలతలను లెక్కించడానికి వివిధ పద్ధతులు, వాటి సూత్రాలు మరియు గ్రాఫికల్ ప్రాతినిధ్యాలు (ఓగివ్ వంటివి) వివరించబడ్డాయి. ఈ భావనలు నిజ జీవిత సమస్యలను పరిష్కరించడానికి మరియు దత్తాంశం నుండి అర్థవంతమైన అంతర్దృష్టులను పొందడానికి చాలా ముఖ్యమైనవి.
केंद्रीय प्रवृत्ति के माप: माध्य (Mean)
माध्य, जिसे औसत भी कहते हैं, डेटा सेट का सबसे सामान्य केंद्रीय माप है। यह सभी अवलोकनों के योग को अवलोकनों की कुल संख्या से विभाजित करके प्राप्त किया जाता है।
1. अवर्गीकृत डेटा के लिए माध्य
- प्रत्यक्ष विधि:
- यदि डेटा $x_1, x_2, ..., x_n$ है, तो माध्य $\bar{x} = \frac{\sum x_i}{n}$
- यदि डेटा आवृत्ति $f_i$ के साथ $x_i$ है, तो माध्य $\bar{x} = \frac{\sum f_i x_i}{\sum f_i}$
2. वर्गीकृत डेटा के लिए माध्य
- प्रत्यक्ष विधि:
- प्रत्येक वर्ग अंतराल का वर्ग चिह्न (class mark) ज्ञात करें: $x_i = \frac{\text{उच्च वर्ग सीमा} + \text{निम्न वर्ग सीमा}}{2}$
- माध्य $\bar{x} = \frac{\sum f_i x_i}{\sum f_i}$
- कल्पित माध्य विधि (Assumed Mean Method):
- एक कल्पित माध्य 'A' चुनें (आमतौर पर मध्य वर्ग चिह्न)।
- विचलन ज्ञात करें: $d_i = x_i - A$
- माध्य $\bar{x} = A + \frac{\sum f_i d_i}{\sum f_i}$
- यह विधि गणना को सरल बनाती है जब $x_i$ और $f_i$ के मान बड़े होते हैं।
- पद-विचलन विधि (Step-Deviation Method):
- यह विधि कल्पित माध्य विधि का एक विस्तार है, जब सभी विचलन $d_i$ में एक सामान्य कारक 'h' (वर्ग आकार) होता है।
- कल्पित माध्य 'A' चुनें और वर्ग आकार 'h' ज्ञात करें।
- $u_i = \frac{x_i - A}{h}$
- माध्य $\bar{x} = A + \left(\frac{\sum f_i u_i}{\sum f_i}\right) \times h$
- यह विधि सबसे कुशल है जब डेटा में बड़े मान और समान वर्ग आकार होते हैं।
माध्य के गुण:
- यह डेटा के सभी मानों पर आधारित होता है।
- यह अद्वितीय है।
- यह चरम मानों से प्रभावित होता है।
माध्य के दोष:
- यह खुले सिरे वाले वर्ग अंतरालों के लिए गणना नहीं की जा सकती।
- यह ग्राफिक रूप से निर्धारित नहीं किया जा सकता।
माध्य के लिए सूत्र (वर्गीकृत डेटा):
- प्रत्यक्ष विधि: $\bar{x} = \frac{\sum f_i x_i}{\sum f_i}$
- कल्पित माध्य विधि: $\bar{x} = A + \frac{\sum f_i d_i}{\sum f_i}$, जहाँ $d_i = x_i - A$
- पद-विचलन विधि: $\bar{x} = A + \left(\frac{\sum f_i u_i}{\sum f_i}\right) \times h$, जहाँ $u_i = \frac{x_i - A}{h}$
MCQ में, यदि गणना सीधी है, तो प्रत्यक्ष विधि का उपयोग करें। यदि संख्याएँ बड़ी हैं, तो समय बचाने के लिए कल्पित माध्य या पद-विचलन विधि का उपयोग करें। वर्ग चिह्न की गणना सही ढंग से करना महत्वपूर्ण है।
केंद्रीय प्रवृत्ति के माप: माध्यिका (Median)
माध्यिका डेटा का मध्य मान है जब डेटा को आरोही या अवरोही क्रम में व्यवस्थित किया जाता है। यह डेटा सेट को दो बराबर भागों में विभाजित करता है।
1. अवर्गीकृत डेटा के लिए माध्यिका
- डेटा को आरोही या अवरोही क्रम में व्यवस्थित करें।
- अवलोकनों की संख्या 'n' ज्ञात करें।
- यदि 'n' विषम है, तो माध्यिका = $\left(\frac{n+1}{2}\right)^{\text{वां}}$ अवलोकन।
- यदि 'n' सम है, तो माध्यिका = $\frac{\left(\frac{n}{2}\right)^{\text{वां}} \text{अवलोकन} + \left(\frac{n}{2}+1\right)^{\text{वां}} \text{अवलोकन}}{2}$
2. वर्गीकृत डेटा के लिए माध्यिका
- संचयी आवृत्ति (Cumulative Frequency - cf) तालिका बनाएं।
- $\frac{N}{2}$ ज्ञात करें, जहाँ $N = \sum f_i$ कुल आवृत्ति है।
- वह वर्ग अंतराल ज्ञात करें जिसकी संचयी आवृत्ति $\frac{N}{2}$ से ठीक बड़ी या बराबर हो। यह माध्यिका वर्ग है।
- माध्यिका वर्ग की पहचान करने के बाद, माध्यिका की गणना के लिए निम्नलिखित सूत्र का उपयोग करें:
- माध्यिका $= \ell + \left(\frac{\frac{N}{2} - cf}{f}\right) \times h$
- जहाँ:
- $\ell$ = माध्यिका वर्ग की निम्न सीमा
- $N$ = अवलोकनों की कुल संख्या (कुल आवृत्ति)
- $cf$ = माध्यिका वर्ग से ठीक पहले वाले वर्ग की संचयी आवृत्ति
- $f$ = माध्यिका वर्ग की आवृत्ति
- $h$ = माध्यिका वर्ग का वर्ग आकार (वर्ग अंतराल)
माध्यिका के गुण:
- यह चरम मानों से प्रभावित नहीं होता है।
- यह खुले सिरे वाले वर्ग अंतरालों के लिए गणना की जा सकती है।
- यह ग्राफिक रूप से (ओजाइव का उपयोग करके) निर्धारित की जा सकती है।
माध्यिका के दोष:
- यह डेटा के सभी मानों पर आधारित नहीं होता है।
- इसे गणना करने के लिए डेटा को व्यवस्थित करने की आवश्यकता होती है।
माध्यिका के लिए सूत्र (वर्गीकृत डेटा): माध्यिका $= \ell + \left(\frac{\frac{N}{2} - cf}{f}\right) \times h$
सूत्र के प्रत्येक पद का सही अर्थ याद रखें।
छात्र अक्सर माध्यिका वर्ग से पहले वाले वर्ग की संचयी आवृत्ति ($cf$) और माध्यिका वर्ग की आवृत्ति ($f$) के बीच भ्रमित हो जाते हैं। ध्यान दें कि $cf$ माध्यिका वर्ग से पहले वाले वर्ग का होता है।
केंद्रीय प्रवृत्ति के माप: बहुलक (Mode)
बहुलक डेटा सेट में सबसे अधिक बार आने वाला मान है।
1. अवर्गीकृत डेटा के लिए बहुलक
- डेटा सेट में सबसे अधिक आवृत्ति वाले अवलोकन को पहचानें।
- एक डेटा सेट में एक से अधिक बहुलक हो सकते हैं (द्वि-बहुलक, त्रि-बहुलक, आदि) या कोई बहुलक नहीं हो सकता है।
2. वर्गीकृत डेटा के लिए बहुलक
- वह वर्ग अंतराल ज्ञात करें जिसकी आवृत्ति सबसे अधिक हो। यह बहुलक वर्ग है।
- बहुलक वर्ग की पहचान करने के बाद, बहुलक की गणना के लिए निम्नलिखित सूत्र का उपयोग करें:
- बहुलक $= \ell + \left(\frac{f_1 - f_0}{2f_1 - f_0 - f_2}\right) \times h$
- जहाँ:
- $\ell$ = बहुलक वर्ग की निम्न सीमा
- $h$ = बहुलक वर्ग का वर्ग आकार
- $f_1$ = बहुलक वर्ग की आवृत्ति
- $f_0$ = बहुलक वर्ग से ठीक पहले वाले वर्ग की आवृत्ति
- $f_2$ = बहुलक वर्ग से ठीक बाद वाले वर्ग की आवृत्ति
बहुलक के गुण:
- यह डेटा सेट में सबसे अधिक बार आने वाले मान का प्रतिनिधित्व करता है।
- यह चरम मानों से प्रभावित नहीं होता है।
- यह खुले सिरे वाले वर्ग अंतरालों के लिए गणना की जा सकती है।
- यह ग्राफिक रूप से (हिस्टोग्राम का उपयोग करके) निर्धारित की जा सकती है।
बहुलक के दोष:
- यह हमेशा अद्वितीय नहीं होता है।
- यह डेटा के सभी मानों पर आधारित नहीं होता है।
- जब आवृत्तियाँ समान हों तो इसे निर्धारित करना मुश्किल हो सकता है।
बहुलक के लिए सूत्र (वर्गीकृत डेटा): बहुलक $= \ell + \left(\frac{f_1 - f_0}{2f_1 - f_0 - f_2}\right) \times h$
सूत्र में $f_0, f_1, f_2$ के सही पदों को याद रखना महत्वपूर्ण है।
बहुलक वर्ग वह वर्ग है जिसकी आवृत्ति सबसे अधिक होती है। बहुलक वर्ग की पहचान करना पहला और सबसे महत्वपूर्ण कदम है।
संचयी आवृत्ति वितरण और ओजाइव (Ogive)
संचयी आवृत्ति वितरण डेटा को एक निश्चित मान से कम या बराबर, या एक निश्चित मान से अधिक या बराबर होने की आवृत्ति को दर्शाता है।
1. संचयी आवृत्ति (Cumulative Frequency - cf)
- से कम प्रकार (Less than type): प्रत्येक वर्ग अंतराल की संचयी आवृत्ति उस वर्ग की आवृत्ति और उससे पहले के सभी वर्गों की आवृत्तियों का योग होती है। ये ऊपरी वर्ग सीमाओं के विरुद्ध प्लॉट किए जाते हैं।
- से अधिक प्रकार (More than type): प्रत्येक वर्ग अंतराल की संचयी आवृत्ति उस वर्ग की आवृत्ति और उससे बाद के सभी वर्गों की आवृत्तियों का योग होती है। ये निम्न वर्ग सीमाओं के विरुद्ध प्लॉट किए जाते हैं।
2. ओजाइव (Ogive)
- ओजाइव संचयी आवृत्ति वितरण का ग्राफिक प्रतिनिधित्व है।
- से कम प्रकार का ओजाइव: ऊपरी वर्ग सीमाओं को x-अक्ष पर और संगत संचयी आवृत्तियों को y-अक्ष पर प्लॉट करके प्राप्त किया जाता है। बिंदु एक चिकनी वक्र द्वारा जुड़े होते हैं। यह वक्र ऊपर की ओर बढ़ता है।
- से अधिक प्रकार का ओजाइव: निम्न वर्ग सीमाओं को x-अक्ष पर और संगत संचयी आवृत्तियों को y-अक्ष पर प्लॉट करके प्राप्त किया जाता है। बिंदु एक चिकनी वक्र द्वारा जुड़े होते हैं। यह वक्र नीचे की ओर घटता है।
माध्यिका का ग्राफिक निर्धारण:
- माध्यिका को से कम प्रकार के ओजाइव और से अधिक प्रकार के ओजाइव के प्रतिच्छेदन बिंदु के x-निर्देशांक द्वारा निर्धारित किया जा सकता है।
- वैकल्पिक रूप से, कुल आवृत्ति $N$ के लिए, y-अक्ष पर $\frac{N}{2}$ को चिह्नित करें, x-अक्ष के समानांतर एक रेखा खींचें जो ओजाइव को काटती है। प्रतिच्छेदन बिंदु से x-अक्ष पर एक लंब खींचें। यह x-अक्ष पर माध्यिका का मान देगा।
ओजाइव का उपयोग करके माध्यिका की गणना की जा सकती है, लेकिन माध्य और बहुलक की नहीं। माध्य और बहुलक की गणना के लिए हिस्टोग्राम और बार ग्राफ का उपयोग किया जा सकता है, लेकिन वे ग्राफिक रूप से सटीक मान नहीं देते हैं जैसे ओजाइव माध्यिका के लिए देता है।
केंद्रीय प्रवृत्ति के मापों के बीच संबंध
केंद्रीय प्रवृत्ति के तीनों मापों - माध्य, माध्यिका और बहुलक - के बीच एक अनुभवजन्य संबंध है, खासकर जब डेटा वितरण मामूली असममित होता है।
- अनुभवजन्य सूत्र:
- बहुलक = 3 माध्यिका - 2 माध्य
- यह संबंध आपको दो ज्ञात मापों से तीसरे माप का अनुमान लगाने में मदद करता है।
- यह सूत्र सममित वितरण के लिए सटीक नहीं होता है, लेकिन अधिकांश वास्तविक-विश्व डेटा के लिए एक अच्छा अनुमान प्रदान करता है।
केंद्रीय प्रवृत्ति के मापों का चयन:
- माध्य: जब डेटा सममित हो और चरम मानों से प्रभावित न हो।
- माध्यिका: जब डेटा में चरम मान हों या वितरण विषम हो। यह आय, संपत्ति जैसे डेटा के लिए उपयुक्त है।
- बहुलक: जब सबसे अधिक बार आने वाले मान की आवश्यकता हो, जैसे कि जूते का आकार, कपड़े का आकार।
केंद्रीय प्रवृत्ति के मापों के बीच अनुभवजन्य संबंध: बहुलक = 3 माध्यिका - 2 माध्य
यह सूत्र MCQ में अक्सर पूछा जाता है।
इस सूत्र को याद रखें और इसे पुनर्व्यवस्थित करना सीखें, उदाहरण के लिए: माध्यिका $= \frac{\text{बहुलक} + 2 \text{माध्य}}{3}$ या माध्य $= \frac{3 \text{माध्यिका} - \text{बहुलक}}{2}$।
