सांख्यिकी और डेटा विश्लेषण में विषमता को समझना
तिरछापन उस मात्रा का माप है जिसके द्वारा डेटा का एक सेट एक सममित वितरण से भटक जाता है। इसे वितरण के केंद्र से डेटा बिंदुओं की औसत दूरी के रूप में परिभाषित किया गया है। दूसरे शब्दों में, तिरछापन मापता है कि वितरण कितना "तिरछा" या "असंतुलित" है। उच्च तिरछापन वाले वितरण का मतलब है कि डेटा बिंदु केंद्र के एक तरफ दूसरे की तुलना में अधिक फैले हुए हैं, जबकि कम तिरछापन वाले वितरण का मतलब है कि डेटा बिंदु केंद्र के चारों ओर अधिक समान रूप से वितरित हैं।
आस्क्यूनेस की गणना निम्नलिखित सूत्र का उपयोग करके की जाती है :
आस्क्यूनेस = (माध्य से सभी विचलनों का योग) / (वितरण का मानक विचलन)
जहां माध्य से सभी विचलनों के योग की गणना प्रत्येक डेटा बिंदु से माध्य घटाकर और फिर इन सभी अंतरों को जोड़कर की जाती है, और मानक वितरण का विचलन वितरण के विचरण का वर्गमूल है।
आस्क्यूनेस का उपयोग सांख्यिकी और डेटा विश्लेषण में विभिन्न तरीकों से किया जा सकता है, जैसे:
1. यह निर्धारित करने के लिए कि कोई डेटासेट सममित है या नहीं। यदि विषमता शून्य के करीब है, तो डेटासेट मोटे तौर पर सममित है। यदि तिरछापन बड़ा है, तो डेटासेट अत्यधिक विषम है।
2। विभिन्न डेटासेट के आकार की तुलना करना। विभिन्न प्रकार के डेटा में अक्सर विषमता के विभिन्न स्तर होते हैं। उदाहरण के लिए, वित्तीय डेटा वैज्ञानिक डेटा की तुलना में अधिक विषम हो सकता है।
3. डेटासेट में आउटलेर्स की पहचान करना। डेटा बिंदु जो वितरण के केंद्र से बहुत दूर हैं, उनका तिरछापन माप पर बड़ा प्रभाव पड़ने की संभावना है।
4। सांख्यिकीय परीक्षणों की मान्यताओं की जाँच करना। कई सांख्यिकीय परीक्षण मानते हैं कि डेटा लगभग सममित है और सामान्य रूप से वितरित है। यदि डेटा की विषमता अधिक है, तो ये धारणाएँ मान्य नहीं हो सकती हैं।
मुझे यह पसंद है
मुझे यह नापसंद है
सामग्री त्रुटि की रिपोर्ट करें
शेयर करें
