اوسط کیلکولیٹر

ہمارا آن لائن اوسط کیلکولیٹر کسی بھی ڈیٹا سیٹ کا مین (mean) معلوم کرنا بے حد آسان بنا دیتا ہے۔ بس اپنے نمبرز کو ان پٹ باکس میں ٹائپ، کاپی یا پیسٹ کریں، اور اس بات کو یقینی بنائیں کہ ہر ڈیٹا پوائنٹ کو کوما (comma) کے ذریعے الگ کیا گیا ہے۔ جب آپ کا ڈیٹا تیار ہو جائے تو "Calculate" (حساب کریں) کے بٹن پر کلک کریں۔

یہ مین کیلکولیٹر فوری طور پر آپ کے ڈیٹا سیٹ کے لیے اوسط (حسابی اوسط)، تفصیلی حسابی مراحل اور دیگر ضروری متعلقہ اعداد و شمار دکھا دے گا۔

اوسط (The Average)

ریاضی اور شماریات (statistics) میں، اوسط کی تعریف کسی ڈیٹا سیٹ میں موجود اقدار کے مین (mean) کے طور پر کی جاتی ہے۔ چونکہ حساب میں ہر ایک قدر کو شامل کیا جاتا ہے، اس لیے اوسط پورے ڈیٹا سیٹ کی انتہائی درست نمائندگی کرتا ہے۔ اسے مرکزی رجحان (central tendency) یا شماریاتی خلاصے (summary statistics) کے سب سے بنیادی پیمانوں میں سے ایک سمجھا جاتا ہے۔

اگرچہ سادہ حسابی اوسط (simple arithmetic mean)، اوسط کی سب سے عام قسم ہے، لیکن اس کی کئی دیگر اقسام بھی موجود ہیں۔ ان میں جیومیٹرک مین (geometric mean)، ویٹڈ ایوریج (weighted average)، مشترکہ حسابی اوسط (combined arithmetic average)، اور ہارمونک مین (harmonic mean) شامل ہیں۔

شماریاتی علامتوں میں، آبادی (population) کے اوسط کو یونانی حرف μ (Mu) سے ظاہر کیا جاتا ہے، جبکہ نمونے (sample) کے اوسط کو X̄ (X-bar) سے ظاہر کیا جاتا ہے۔

سادہ اوسط (Simple Average)

سادہ اوسط—جسے اکثر مین (mean) یا حسابی اوسط کہا جاتا ہے—کا حساب ڈیٹا سیٹ کی تمام اقدار کو جمع کر کے اور اس مجموعے کو ڈیٹا پوائنٹس کی کل تعداد پر تقسیم کر کے لگایا جاتا ہے۔

آبادی (population) کا اوسط معلوم کرنے کے لیے، درج ذیل فارمولہ استعمال کریں:

μ = ڈیٹا سیٹ کی اقدار کا مجموعہ / آبادی میں ڈیٹا کی اقدار کی کل تعداد = ΣX / N

نمونے (sample) کا اوسط معلوم کرنے کے لیے، یہ فارمولہ استعمال کریں:

X̄ = ڈیٹا سیٹ کی اقدار کا مجموعہ / نمونے میں ڈیٹا کی اقدار کی کل تعداد = ΣX / n

آئیے ایک عملی مثال کی مدد سے دیکھتے ہیں کہ اوسط کیسے معلوم کیا جاتا ہے۔

مثال

پچھلے سمسٹر میں جیسمین کے سات مضامین کے اسکورز نیچے دیے گئے ٹیبل میں دکھائے گئے ہیں۔ جیسمین کے مضامین کے اسکورز کا سادہ اوسط کیا ہے؟

حل

اوسط اسکور = ΣX / N = (84 + 90 + 75 + 60 + 85 + 92 + 81) / 7 = 567 / 7 = 81

اوسط ایک عالمی سطح پر سمجھا جانے والا تصور ہے۔ آپ روزانہ کی بنیاد پر اوسط آمدنی، اوسط پیداواری لاگت، اوسط قیمت، اوسط ٹیسٹ اسکورز، اور اوسط فیول اکانومی کے بارے میں سنتے ہیں۔ یہاں تک کہ روزمرہ کی زندگی میں بھی، سادہ حسابی اوسط کا حساب لگانا ایک عام رواج ہے، جسے اکثر مثالی اوسط (ideal average) کہا جاتا ہے۔

تاہم، مخصوص شماریاتی صورتحال میں، مرکزی رجحان کے دیگر پیمانے زیادہ موزوں ہوتے ہیں۔ آئیے ان متبادلات کا جائزہ لیتے ہیں۔

جیومیٹرک مین (Geometric Mean)

جب وقت کے ساتھ اوسط شرح نمو (growth rates) کا تجزیہ کیا جاتا ہے، تو معیاری حسابی اوسط ناکافی ثابت ہوتا ہے۔ اس کے بجائے، جیومیٹرک مین—جو اکاؤنٹنگ اور فنانس میں کمپاؤنڈ انٹرسٹ جیسے حسابات کے لیے وسیع پیمانے پر استعمال ہوتا ہے—ایک کہیں بہتر پیمانہ ہے۔ اس کی وجہ یہ ہے کہ شرح نمو ضربی (multiplicative) ہوتی ہے، جمعی (additive) نہیں۔

جیومیٹرک مین کی تعریف n نمبروں کے حاصل ضرب کے nویں روٹ (root) کے طور پر کی جاتی ہے۔ آپ اس کا حساب تمام اقدار کو آپس میں ضرب دے کر اور پھر اس حاصل ضرب کا nواں روٹ معلوم کر کے لگاتے ہیں (جہاں n آپ کے ڈیٹا سیٹ میں موجود آئٹمز کی کل تعداد ہے)۔ یہ تناسب، فیصد، اور ایکسپونینشیل شرح نمو کا اوسط نکالنے کے لیے خاص طور پر مفید ہے۔

$$Geometric\ Mean = \sqrt[n]{x₁×x₂×x₃×…×xₙ} = (x₁×x₂×x₃×…×xₙ)^{\frac{1}{n}}$$

آئیے پچھلی مثال سے جیسمین کے اسکورز کا استعمال کرتے ہوئے جیومیٹرک مین معلوم کرتے ہیں:

$$Geometric\ Mean = \sqrt[7]{84×90×75×60×85×92×81} = 80.31$$

ریاضیاتی طور پر، جیومیٹرک مین ہمیشہ سادہ اوسط (حسابی اوسط) کے برابر یا اس سے کم ہوتا ہے۔

ہماری مثال میں:

جیومیٹرک مین ≤ اوسط

80.31 < 81

نوٹ: ہمارا ورسٹائل آن لائن اوسط کیلکولیٹر صرف حسابی اوسط ہی نہیں نکالتا—بلکہ یہ آپ کے ڈیٹا سیٹ کا جیومیٹرک مین بھی بغیر کسی رکاوٹ کے کیلکولیٹ کرتا ہے!

ویٹڈ ایوریج (Weighted Average)

معیاری حسابی اوسط کے ساتھ، ہر قدر کا وزن یا اہمیت بالکل یکساں ہوتی ہے۔ تاہم، حقیقی دنیا کے ڈیٹا میں اکثر ہمیں مختلف اقدار کو مختلف سطح کی اہمیت دینے کی ضرورت ہوتی ہے۔

ہماری پچھلی مثال میں، ہم نے صرف اسکورز کو جمع کر کے اور مضامین کی تعداد پر تقسیم کر کے اوسط کا حساب لگایا تھا۔ ہم نے اس امکان کو مدنظر نہیں رکھا کہ کچھ مضامین دوسروں کے مقابلے میں زیادہ تعلیمی اہمیت (academic weight) رکھتے ہوں۔

جب ہر آئٹم کی متعلقہ اہمیت معنی رکھتی ہو، تو آپ کو ویٹڈ ایوریج (weighted average) استعمال کرنے کی ضرورت ہوتی ہے۔ ویٹڈ ایوریج معلوم کرنے کے لیے، آپ ہر ڈیٹا ویلیو کو اس کے مقرر کردہ وزن (weight) سے ضرب دیتے ہیں تاکہ "ویٹڈ ویلیو" حاصل ہو۔ پھر، آپ ان ویٹڈ اقدار کے مجموعے کو اوزان (weights) کے کل مجموعے پر تقسیم کرتے ہیں۔

ویٹڈ ایوریج معلوم کرنے کے لیے درج ذیل فارمولہ استعمال کریں:

ویٹڈ ایوریج = ویٹڈ اقدار کا مجموعہ / اوزان کا مجموعہ = ΣWX / ΣW

مثال

فرض کریں کہ جیسمین کے ہر مضمون کا ایک مختلف تعلیمی وزن (academic weight) ہے۔ یہاں پچھلے سمسٹر کے اس کے 7 مضامین کا اپڈیٹ شدہ ڈیٹا ٹیبل ہے۔

جیسمین کے پچھلے سمسٹر کے اسکورز کا ویٹڈ ایوریج:

حل

ویٹڈ اوسط اسکور = ΣWX / ΣW = (84×3+90×2+75×4+60×3+85×3+92×2+81×3)/(3+2+4+3+3+2+3) = (252+180+300+180+255+184+243)/20 = 1594/20 = 79.7

میڈین (The Median)

میڈین (median) کسی ڈیٹا سیٹ کی بالکل درمیانی قدر (middle value) ہوتی ہے جب اسے عددی ترتیب—یا تو صعودی (کم سے زیادہ) یا نزولی (زیادہ سے کم)—میں منظم کیا گیا ہو۔ دوسرے لفظوں میں، میڈین وہ درست نقطہ ہے جو ڈیٹا ایرے (منظم خام ڈیٹا کی ترتیب) کو دو برابر حصوں میں تقسیم کرتا ہے۔ نتیجے کے طور پر، 50% ڈیٹا پوائنٹس میڈین سے نیچے آتے ہیں، اور 50% اس کے اوپر ہوتے ہیں۔

میڈین معلوم کرنے کا طریقہ

میڈین کو دستی طور پر معلوم کرنے کے لیے، آپ کو سب سے پہلے اس فارمولے کا استعمال کرتے ہوئے اپنے ترتیب شدہ ڈیٹا سیٹ کے اندر اس کی پوزیشن کا تعین کرنا ہوگا:

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item$$

یہاں، "n" ڈیٹا سیٹ میں آئٹمز کی کل تعداد کو ظاہر کرتا ہے۔

اگر آپ کے ڈیٹا سیٹ میں آئٹمز کی تعداد طاق (odd) ہے، تو میڈین آسانی سے بالکل مرکز میں موجود قدر ہوتی ہے۔ تاہم، اگر ڈیٹا سیٹ میں آئٹمز کی تعداد جفت (even) ہے، تو درمیانی دو نمبروں کا سادہ اوسط معلوم کر کے میڈین کا حساب لگایا جاتا ہے۔

مین اور میڈین کے درمیان فرق

1. مین (اوسط) کا حساب ڈیٹا سیٹ میں موجود تمام اقدار کو جمع کر کے اور مشاہدات کی کل تعداد پر تقسیم کر کے لگایا جاتا ہے، جس سے ایک ایسی قدر حاصل ہوتی ہے جو ہر ایک ڈیٹا پوائنٹ کی وسعت (magnitude) کو ظاہر کرتی ہے۔ اس کے برعکس، میڈین سختی سے ایک ترتیب شدہ فہرست کی درمیانی قدر ہے۔ یہ ایک مرکزی تقسیمی نقطہ فراہم کرتا ہے لیکن ارد گرد کے نمبروں کی وسعت کو مدنظر نہیں رکھتا۔

2. ڈیٹا کی گرافیکل نمائندگی سے ان دونوں پیمانوں کا بصری طور پر بھی اندازہ لگایا جا سکتا ہے۔ ایک متناسب تقسیم (symmetric distribution) میں، مین کا تیزی سے اندازہ لگایا جا سکتا ہے کیونکہ یہ براہ راست مرکز میں واقع ہوتا ہے۔ اس کے برعکس، میڈین کو باکس پلاٹ (box plot) کے اندر درمیانی لائن کے طور پر آسانی سے پہچانا جا سکتا ہے۔

3. اعلیٰ سطحی شماریاتی تجزیے میں مین اور میڈین دونوں اہم کردار ادا کرتے ہیں۔ مین کو زیادہ تر نارمل ڈسٹریبیوشن والے ڈیٹا کے لیے استعمال کیا جاتا ہے جس میں آؤٹ لائرز (outliers) نہ ہوں، جو ویریئنس (variance) اور اسٹینڈرڈ ڈیوی ایشن (standard deviation) کے حساب کے لیے بنیاد فراہم کرتا ہے۔ تاہم، میڈین مرکزی رجحان کے پیمانے کے طور پر اس وقت نمایاں ہوتا ہے جب ڈیٹا انتہائی ترچھا (skewed) ہو یا اس میں آؤٹ لائرز کی بھرمار ہو۔ اسے نان پیرامیٹرک شماریاتی ٹیسٹوں (non-parametric tests) میں وسیع پیمانے پر استعمال کیا جاتا ہے جہاں ڈیٹا کی مخصوص تقسیم فرض نہیں کی جاتی۔

مین کب استعمال کریں

مین مرکزی رجحان کا سب سے موزوں پیمانہ ہے جب آپ کا ڈیٹا سیٹ بغیر کسی خاص آؤٹ لائر (outlier) کے متناسب تقسیم (symmetric distribution) رکھتا ہو۔ چونکہ یہ ہر ایک عددی قدر کو شامل کرتا ہے، اس لیے یہ ڈیٹا کے مرکز کا ایک انتہائی قابل اعتماد اشارہ ہے۔ تاہم، اگر آپ کے ڈیٹا سیٹ میں بڑے آؤٹ لائرز شامل ہیں، تو آپ کو حقیقی مرکزی رجحان کی درست نمائندگی کو یقینی بنانے کے لیے مین کا حساب لگانے سے پہلے انہیں ہٹانے کی ضرورت پڑ سکتی ہے۔

میڈین کب استعمال کریں

جب ترچھی تقسیم (skewed distributions) یا انتہائی آؤٹ لائرز پر مشتمل ڈیٹا سیٹس سے نمٹنا ہو تو مرکزی رجحان کے لیے میڈین کو ترجیح دی جاتی ہے۔ چونکہ میڈین محض ایک ترتیب شدہ فہرست کی درمیانی قدر کی نشاندہی کرتا ہے، اس لیے یہ غیر معمولی طور پر زیادہ یا کم نمبروں سے بالکل متاثر نہیں ہوتا۔ ان حالات میں، میڈین زیادہ تر ڈیٹا کے اندر "عام (typical)" قدر کی کہیں زیادہ درست نمائندگی فراہم کرتا ہے۔

آئیے اپنی اصل مثال کو تھوڑا تبدیل کر کے یہ ظاہر کرتے ہیں کہ آؤٹ لائرز ان حسابات کو کیسے متاثر کرتے ہیں۔

مثال

تصور کریں کہ جیسمین نے انٹرنیشنل اسٹڈیز کے لیے 92 کی بجائے نمایاں طور پر کم، 15 کا اسکور حاصل کیا۔ اس کے پچھلے سمسٹر کے مضامین کے اسکورز کا نیا اوسط کیا ہے؟

حل

اوسط اسکور = ΣX / N = (84+90+75+60+85+15+81)/7 = 490/7 = 70

جیسمین کا نیا اوسط اسکور گر کر 70 رہ گیا ہے۔ ایک واحد انتہائی آؤٹ لائر (15 کا اسکور) نے اس کے اوسط کو پورے 11 پوائنٹس نیچے گرا دیا۔ یہ بالکل واضح کرتا ہے کہ کس طرح آؤٹ لائرز حسابی اوسط کو بری طرح بگاڑ سکتے ہیں۔

ایسے حالات میں، میڈین ایک زیادہ قابل اعتماد پیمانے کے طور پر کام کرتا ہے۔ اسے ثابت کرنے کے لیے، آئیے اصل اور تبدیل شدہ دونوں ڈیٹا سیٹس کے لیے میڈین کا حساب لگاتے ہیں۔

مثال

نیچے دیا گیا ٹیبل جیسمین کے سات مضامین کے اصل اسکورز دکھاتا ہے۔ ان اسکورز کا میڈین کیا ہے؟

حل

سب سے پہلے، ہمیں تمام اسکورز کو ایک ترتیب شدہ ایرے (array) میں ترتیب دینا ہوگا۔ آپ انہیں صعودی (ascending) یا نزولی (descending) ترتیب میں منظم کر سکتے ہیں۔ آئیے انہیں صعودی ترتیب میں مرتب کریں:

60, 75, 81, 84, 85, 90, 92

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item = \left( \frac{7+1}{2} \right)^{th}item = 4^{th}item$$

اس کے بعد، ہم اپنے ترتیب شدہ ڈیٹا سیٹ میں چوتھے آئٹم کی نشاندہی کرتے ہیں، جو کہ 84 ہے۔ لہذا، اس ڈیٹا سیٹ کا میڈین 84 ہے۔

اب، تبدیل شدہ ڈیٹا سیٹ کا میڈین معلوم کرتے ہیں جس میں آؤٹ لائر شامل ہے۔

مثال

فرض کریں کہ جیسمین نے انٹرنیشنل اسٹڈیز کے لیے 92 کے بجائے 15 کا اسکور حاصل کیا۔ پچھلے سمسٹر میں جیسمین کے مضامین کے لیے نیا میڈین اسکور کیا ہے؟

حل

ایک بار پھر، ہمارا پہلا قدم تمام اسکورز کو صعودی ترتیب کے ساتھ ایک ایرے (array) کے طور پر ترتیب دینا ہے۔

15, 60, 75, 81, 84, 85, 90

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item = \left( \frac{7+1}{2} \right)^{th}item = 4^{th}item$$

اب، ہم اپنے نئے ڈیٹا سیٹ کا چوتھا آئٹم چیک کرتے ہیں۔ یہ 81 ہے، جو ڈیٹا سیٹ کے نئے میڈین کی نمائندگی کرتا ہے۔

جیسا کہ آپ دیکھ سکتے ہیں، ڈیٹا سیٹ میں ایک بڑے آؤٹ لائر کے شامل ہونے کے باوجود، میڈین انتہائی لچکدار رہا، اور یہ صرف 84 سے 81 تک قدرے تبدیل ہوا (اوسط کے برعکس، جو ڈرامائی طور پر 11 پوائنٹس گر گیا تھا)۔