विषय
- रैपिड डेटा विज़ुअलाइज़ेशन
- कल्पना संबंधी सापेक्षता
- जटिल डेटा सेट अंतराल में वर्गीकृत किया जा सकता है
- फ्रीक्वेंसी टेबल्स तिरछा और कुर्तोसिस अस्पष्ट कर सकते हैं
फ़्रीक्वेंसी टेबल एक डेटासेट के भीतर एक विशेष प्रकार के डेटम की घटनाओं की संख्या का वर्णन करने के लिए उपयोगी हो सकता है। फ़्रीक्वेंसी टेबल, जिसे फ़्रीक्वेंसी डिस्ट्रीब्यूशन भी कहा जाता है, वर्णनात्मक आंकड़ों को प्रदर्शित करने के लिए सबसे बुनियादी उपकरणों में से एक है। आवृत्ति तालिकाओं को व्यापक रूप से डेटा के वितरण में एक ए-नज़र नज़र के रूप में उपयोग किया जाता है; उनकी व्याख्या करना आसान है और वे बड़े डेटा सेट को काफी संक्षिप्त तरीके से प्रदर्शित कर सकते हैं। फ़्रीक्वेंसी टेबल डेटा सेट के भीतर स्पष्ट रुझानों की पहचान करने में मदद कर सकती है और इसका उपयोग उसी प्रकार के डेटा सेट के बीच डेटा की तुलना करने के लिए किया जा सकता है। फ़्रीक्वेंसी टेबल हर एप्लिकेशन के लिए उपयुक्त हैं, हालाँकि। वे चरम मूल्यों (एक्स या वाई से कम से अधिक) को अस्पष्ट कर सकते हैं, और वे डेटा के तिरछा और कुर्तोसिस का विश्लेषण करने के लिए खुद को उधार नहीं देते हैं।
रैपिड डेटा विज़ुअलाइज़ेशन
फ़्रिक्वेंसी टेबल जल्दी से आउटलेर्स और यहां तक कि महत्वपूर्ण रुझानों को एक सरसरी निरीक्षण से अधिक नहीं के साथ सेट डेटा के भीतर प्रकट कर सकते हैं। उदाहरण के लिए, एक शिक्षक एक आवृत्ति तालिका पर एक midterm के लिए छात्रों के ग्रेड प्रदर्शित कर सकता है ताकि उसकी कक्षा समग्र रूप से देख सके। आवृत्ति कॉलम में संख्या उस ग्रेड को प्राप्त करने वाले छात्रों की संख्या का प्रतिनिधित्व करेगी; 25 छात्रों की एक कक्षा के लिए, प्राप्त पत्र ग्रेड की आवृत्ति वितरण कुछ इस तरह दिख सकता है: ग्रेड आवृत्ति ए .............. 7 B ........... ..13 सी .............. 3 डी .............. 2
कल्पना संबंधी सापेक्षता
फ़्रीक्वेंसी टेबल शोधकर्ताओं को उनके नमूने के भीतर प्रत्येक विशेष लक्ष्य डेटा के सापेक्ष बहुतायत की जांच करने में मदद कर सकते हैं। सापेक्ष बहुतायत यह दर्शाती है कि लक्ष्य डेटा में कितना डेटा सेट शामिल है। सापेक्ष बहुतायत को अक्सर एक आवृत्ति हिस्टोग्राम के रूप में दर्शाया जाता है, लेकिन आसानी से एक आवृत्ति तालिका में प्रदर्शित किया जा सकता है। मिडटर्म ग्रेड के समान आवृत्ति वितरण पर विचार करें। सापेक्ष बहुतायत केवल उन छात्रों का प्रतिशत है, जिन्होंने एक विशेष ग्रेड प्राप्त किया है, और इसे पछाड़े बिना डेटा की अवधारणा के लिए मददगार हो सकता है। उदाहरण के लिए, जोड़े गए कॉलम के साथ, जो प्रत्येक ग्रेड की प्रतिशत घटना को प्रदर्शित करता है, आप आसानी से देख सकते हैं कि आधे से अधिक वर्ग ने बी स्कोर किया, बिना डेटा को बहुत विस्तार से जांचने के लिए।
ग्रेड फ़्रीक्वेंसी रिलेटिव एबुलेंस (% फ़्रीक्वेंसी) A .............. 7 .............. 28% B ........। .... 13 ............ 52% C .............. 3 ............. 12% डी .............. 2 .............. 8%
जटिल डेटा सेट अंतराल में वर्गीकृत किया जा सकता है
एक नुकसान यह है कि आवृत्ति तालिका पर प्रदर्शित जटिल डेटा सेट को समझना मुश्किल है। बड़े डेटा सेट को आवृत्ति तालिका का उपयोग करके आसान विज़ुअलाइज़ेशन के लिए अंतराल कक्षाओं में विभाजित किया जा सकता है। उदाहरण के लिए, यदि आपने अगले 100 लोगों से पूछा कि आप देखते हैं कि उनकी उम्र क्या थी, तो आपको संभवतः तीन से नब्बे-तीन तक के कई उत्तर मिलेंगे। अपनी आवृत्ति तालिका में प्रत्येक आयु के लिए पंक्तियों को शामिल करने के बजाय, आप डेटा को अंतराल में वर्गीकृत कर सकते हैं, जैसे 0 - 10 वर्ष, 11 - 20 वर्ष, 21 - 30 वर्ष और इसी तरह। इसे एक समूहीकृत आवृत्ति वितरण के रूप में भी जाना जा सकता है।
फ्रीक्वेंसी टेबल्स तिरछा और कुर्तोसिस अस्पष्ट कर सकते हैं
जब तक एक हिस्टोग्राम पर प्रदर्शित नहीं किया जाता है, तो डेटा की तिरछापन और कुर्तता आवृत्ति तालिका में आसानी से स्पष्ट नहीं हो सकती है। तिरछापन आपको बताता है कि आपका डेटा किस दिशा में जाता है। यदि ग्रेड को हमारे 25 छात्रों के लिए मिडटर्म ग्रेड की आवृत्ति दिखाते हुए एक ग्राफ के एक्स-अक्ष में प्रदर्शित किया गया था, तो वितरण अस और बी की ओर तिरछा हो जाएगा। कर्टोसिस आपको अपने डेटा के केंद्रीय शिखर के बारे में बताता है - चाहे वह एक सामान्य वितरण की रेखा से गिरता हो, जो एक अच्छा चिकनी घंटी वक्र है, या लंबा और तेज हो। यदि आप हमारे उदाहरण में मिडटर्म ग्रेड को ग्राफ करते हैं, तो आपको निम्न ग्रेड के वितरण में तेज ड्रॉपऑफ के साथ बी पर एक ऊंची चोटी मिलेगी।