شکستگی - معنی ، اقسام اور مثالیں
اسکیوینس معنی
اسکائیوینس بیان کرتی ہے کہ اعداد و شمار کی کتنی تقسیم عام تقسیم سے متناسب ہے ، جہاں تقسیم ہر طرف یکساں طور پر تقسیم ہے۔ اگر تقسیم متوازی یا عمومی نہیں ہے ، تو پھر اس کو اسکیچ کردیا جاتا ہے یعنی یہ یا تو فریکوئینسی تقسیم بائیں طرف یا دائیں جانب اسککی جاتی ہے۔
اسکویژن کی اقسام
اگر تقسیم متوازی ہے تو پھر اس کا 0 اور اس کا مطلب = میڈین = موڈ کا اسکیوپن ہے۔
لہذا بنیادی طور پر ، دو قسمیں ہیں۔
- مثبت: جب تقسیم کی زیادہ تر تعدد تقسیم کے دائیں طرف ہوتی ہے اور اس کی لمبی لمبی اور موٹی دائیں دم ہوتی ہے تو تقسیم اس مثبت انداز میں پڑجاتی ہے۔ جہاں تقسیم کا مطلب> میڈین> وضع ہے۔
- منفی: جب تقسیم کی زیادہ تر تعدد تقسیم کے بائیں جانب ہوتی ہے اور اس کی لمبی اور موٹی بائیں دم ہوتی ہے تو تقسیم منفی طور پر ضائع ہوجاتی ہے۔ جہاں تقسیم کا مطلب <میڈین <موڈ۔
فارمولا
اسکیونس کا فارمولا ذیل کی نمائندگی کرتا ہے۔
اعداد و شمار کی تقسیم کی شکوک کا حساب لگانے کے بہت سارے طریقے ہیں۔ ان میں سے ایک پیئرسن کا پہلا اور دوسرا گتانک ہے۔
- پیئرسن کا پہلا کوفیفیئن (موڈ سکیوینس): یہ تقسیم کے وسط ، وضع اور معیاری انحراف پر مبنی ہے۔
فارمولہ: (مطلب - وضع) / معیاری انحراف۔
- پیئرسن کا دوسرا قابلیت (میڈین اسکیوینس): یہ تقسیم ، وسطی اور معیاری انحراف پر مبنی ہے۔
فارمولہ: (مطلب - میڈین) / معیاری انحراف۔
جیسا کہ آپ اوپر دیکھ سکتے ہیں کہ پیئرسن کا اسکیوپن کا پہلا قابلیت اس کا حساب کرنے کے لئے ایک متغیر کے طور پر موڈ رکھتا ہے اور یہ تب ہی مفید ہے جب ڈیٹا سیٹ میں اعداد و شمار کی زیادہ اعدادی تعداد ہوتی ہے ، جیسے اگر اعداد و شمار میں صرف چند اعداد و شمار موجود ہوں جس سے تعلق ہو موڈ میں ، پھر پیئرسن کا اسکیوپن کا دوسرا قابلیت مرکزی رجحان کا زیادہ قابل اعتماد اقدام ہے کیونکہ اس میں وضع کے بجائے ڈیٹا سیٹ کے اعداد و شمار کو مدنظر رکھا جاتا ہے۔
مثال کے طور پر:
ڈیٹا سیٹ (ا): 7،8،9،4،5،6،1،2،2،3۔
ڈیٹا سیٹ (b): 7،8،4،5،6،1،2،2،2،2،2،2،2،2،2،2،3۔
دونوں ڈیٹا سیٹوں کے ل we ہم یہ نتیجہ اخذ کرسکتے ہیں کہ وضع 2 ہے۔ لیکن اس سے اعداد و شمار کے سیٹ (ا) کے لئے پیئرسن کا پہلا قابلیت استعمال کرنے میں کوئی معنی نہیں ہے کیونکہ اس کا نمبر 2 ڈیٹا سیٹ میں صرف دو بار ظاہر ہوتا ہے لیکن اسے بنانے کے لئے استعمال کیا جاسکتا ہے ڈیٹا سیٹ کے لئے (b) کیونکہ اس میں ایک سے زیادہ بار بار موڈ ہے۔
مندرجہ ذیل فارمولے کا استعمال کرکے شکوک کا حساب کتاب کرنے کا دوسرا طریقہ:
- = بے ترتیب متغیر۔
- X = تقسیم کا مطلب
- N = تقسیم میں کل متغیر۔
- α = معیاری انحراف۔
شکوے پن کی مثال
اس تصور کو مزید تفصیل سے سمجھنے کے ل let ، ذیل کی مثال ملاحظہ کریں:
آپ اس سکیوینس ایکسل ٹیمپلیٹ کو ڈاؤن لوڈ کرسکتے ہیں
ایکس و زیڈ مینجمنٹ کالج میں ، آخری سال کے 30 طالب علموں نے کیو پی آر ریسرچ فرم میں ملازمت کی تقرری پر غور کیا ہے اور ان کی تلافی طالب علم کی تعلیمی کارکردگی اور ماضی کے کام کے تجربے پر مبنی ہے۔ ذیل میں پی کیو آر ریسرچ فرم میں طالب علم کے معاوضے کا ڈیٹا ہے۔
حل
ذیل میں ڈیٹا استعمال کریں
تقسیم وسیلہ کا حساب کتاب
- = ($400*12+$500*8+$700*5+$850*3+$1000*2)/30
- تقسیم کا مطلب = 561.67
معیاری انحراف کا حساب کتاب
- معیاری انحراف = √ {(انحراف مربع کا مجموعہ * طلباء کی تعداد) / N}.
- معیاری انحراف = 189.16
اسکوینس کا حساب کتاب مندرجہ ذیل طور پر کیا جاسکتا ہے۔
- اسکوینس: (انحراف کیوب کا مجموعہ) / (N-1) * معیاری انحراف کا مکعب۔
- = (106374650.07) / (29 * 6768161.24)
- = 0.54
لہذا ، 0.54 کی قیمت ہمیں بتاتی ہے کہ تقسیم کے اعداد و شمار معمول کی تقسیم سے تھوڑا سا کم ہوجاتے ہیں۔
فوائد
- سرمایہ کاری کے منافع کی کارکردگی کی پیمائش کرنے کے لئے سکھائ پن بہتر ہے۔
- سرمایہ کار اس کا استعمال اس وقت کرتا ہے جب اعداد و شمار کے سیٹ کا تجزیہ کرتے ہیں کیونکہ وہ صرف پر انحصار کرنے کی بجائے تقسیم کو انتہائی اہم سمجھتا ہے
- اعداد و شمار میں یہ ایک وسیع پیمانے پر استعمال ہونے والا آلہ ہے کیونکہ یہ سمجھنے میں مدد ملتی ہے کہ عام تقسیم سے کتنا ڈیٹا متناسب ہے۔
نقصانات
- منفی لافانییت سے لے کر مثبت انفینٹی تک سکینگ پن کی حد ہوتی ہے اور بعض اوقات کسی سرمایہ کار کے لئے اعداد و شمار کے سیٹ میں رجحان کی پیش گوئ کرنا مشکل ہوجاتا ہے۔
- ایک تجزیہ کار مالیاتی ماڈل کا استعمال کرتے ہوئے کسی اثاثہ کی مستقبل کی کارکردگی کی پیش گوئی کر رہا ہے جس میں عام طور پر یہ فرض کیا جاتا ہے کہ عام طور پر اعداد و شمار کو تقسیم کیا جاتا ہے لیکن اگر اعداد و شمار کی تقسیم ضائع کردی جاتی ہے تو یہ ماڈل اس کے مفروضے کے اصل نتائج کی عکاسی نہیں کرے گا۔
اہمیت
اعداد و شمار میں ، جب تقسیم کے اعداد و شمار عام طور پر تقسیم نہیں ہوتے ہیں تو یہ ایک اہم کردار ادا کرتا ہے۔ اعداد و شمار کے سیٹ میں انتہائی اعداد و شمار کے پوائنٹس ڈیٹا کی تقسیم کو بائیں بازو کی طرف لے جانے کا باعث بن سکتے ہیں (یعنی اعداد و شمار کے سیٹ میں انتہائی اعداد و شمار چھوٹے ہوتے ہیں ، جس سے اسکو ڈیٹا منفی ہوتا ہے جس کے نتائج کا مطلب ہوتا ہے۔نتیجہ اخذ کرنا
اسکویژن بس اتنا ہے کہ اس کی عام تقسیم سے کتنا ڈیٹا سیٹ ہٹ رہا ہے۔ ڈیٹا سیٹ میں ایک بڑی منفی قدر کا مطلب یہ ہے کہ ڈسٹری بیوشن منفی اسکیل ہے اور ڈیٹا سیٹ میں بڑی مثبت ویلیو کا مطلب یہ ہے کہ ڈسٹری بیوشن کو مثبت تقسیم کیا جاتا ہے۔ یہ ایک اچھا شماریاتی اقدام ہے جو سرمایہ کار کو تقسیم سے منافع کی پیش گوئی کرنے میں مدد کرتا ہے۔
