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۔

اس کیلکولیٹر کے تین طریقے (modes) ہیں۔ سادہ (Simple) نمبروں کی ایک عام فہرست کا اوسط نکالتا ہے۔ ویٹڈ (Weighted) اوزان (weights) کی دوسری فہرست لیتا ہے، تاکہ زیادہ اہم اقدار کا اثر بھی زیادہ ہو — کورس کے گریڈز، پورٹ فولیو ریٹرنز اور سروے اسکورز کا اوسط اسی طرح نکالا جاتا ہے۔ وقت (Time) کی شکل میں دورانیے قبول کرتا ہے جیسے hh:mm:ss یا mm:ss اور اعشاریہ (decimal) کے بجائے دورانیے کی شکل میں جواب دیتا ہے، جس کی ضرورت لیپ ٹائمز (lap times)، شفٹ کی طوالت اور اسٹڈی سیشنز کے لیے ہوتی ہے۔

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؟

مضمون (Subject)	اسکور (Score)
Management	84
Communication	90
Accounting	75
Economics	60
Business Statistics	85
International studies	92
Mathematics	81

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:

مضمون (Subject)	اسکور (Score)	وزن (Weight)
Management	84	3
Communication	90	2
Accounting	75	4
Economics	60	3
Business Statistics	85	3
International studies	92	2
Mathematics	81	3

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

اسے اوپر دیے گئے کیلکولیٹر پر چلانے کے لیے، Weighted ٹیب پر جائیں، اسکورز کو Values (84, 90, 75, 60, 85, 92, 81) میں اور اوزان کو Weights (3, 2, 4, 3, 3, 2, 3) میں پیسٹ کریں۔ اوزان کا مجموعہ 100 یا کسی خاص نمبر کا ہونا ضروری نہیں ہے — عام کریڈٹ آورز، فائنل گریڈ کی فیصد اور عام تعداد سب کام کرتے ہیں، کیونکہ فارمولا اوزان کے کل مجموعے پر تقسیم کرتا ہے۔

گریڈ اوسط کیلکولیٹر: ٹیسٹ، ہوم ورک اور فائنل کا وزن (Weighting) کرنا

گریڈز کا وزن (weighting) کرنا ویٹڈ ایوریج کا سب سے عام استعمال ہے، اور اوپر دیا گیا Weighted ٹیب کسی قسم کی تبدیلی کے بغیر اوسط گریڈ کیلکولیٹر کا کام کرتا ہے۔ اگر نصاب (syllabus) کے مطابق ہوم ورک کا حصہ 20%، مڈٹرم کا 30% اور فائنل کا 50% ہے، تو یہ فیصد ہی اصل اوزان (weights) ہیں: اپنے تین اسکورز کو ویلیوز (values) کے طور پر اور 20, 30, 50 کو ویٹس (weights) کے طور پر درج کریں۔

ایک طالب علم جو ہوم ورک میں 95، مڈٹرم میں 78 اور فائنل میں 84 نمبر لیتا ہے، اسے (95×20 + 78×30 + 84×50) / 100 = 84.4 حاصل ہوگا — جو کہ سادہ اوسط 85.7 سے واضح طور پر کم ہے، کیونکہ سب سے کم اسکور کا تعلیمی وزن سب سے زیادہ ہے۔ یہی وجہ ہے کہ گریڈز کا سادہ اوسط نکالنے کے بجائے ان کا ویٹڈ ایوریج نکالا جاتا ہے، اور اسی لیے ہاتھ سے نکالے گئے کورس کے اوسط اور گریڈ بک کے نتائج میں اکثر فرق پایا جاتا ہے۔

ایسے اوزان جن کا مجموعہ 100 نہ بنتا ہو

ان کا مجموعہ 100 ہونا ضروری نہیں ہے۔ کیلکولیٹر اوزان کے کل مجموعے پر تقسیم کرتا ہے، اس لیے یہ تینوں مثالیں بغیر کسی تبدیلی کے کام کرتی ہیں:

اوزان کی نوعیت	مثال	مجموعہ
فائنل گریڈ کی فیصد (Percentages)	20, 30, 50	100
فی کورس کریڈٹ آورز (Credit hours)	3, 4, 3, 2	12
ہر اسائنمنٹ کے کل نمبر (Points)	50, 100, 200	350

تیسرا معاملہ خاص طور پر اہم ہے، کیونکہ یہاں سادہ اوسط سب سے زیادہ گمراہ کن ثابت ہو سکتا ہے: ایک ایسا ٹیسٹ اوسط کیلکولیٹر جو 50 نمبروں کے کوئز اور 200 نمبروں کے فائنل امتحان کو برابر اہمیت دیتا ہے، وہ اس طالب علم کے گریڈ کو بڑھا چڑھا کر دکھائے گا جس نے چھوٹی اسائنمنٹس میں اچھا کام کیا تھا۔ پوائنٹ ویلیوز کو اوزان (weights) کے طور پر درج کریں اور نتیجہ گریڈ بک سے بالکل مطابقت رکھے گا۔

مطلوبہ اسکور معلوم کرنا

چونکہ ویٹڈ اوسط کا فارمولہ محض Σ(w·x) ÷ Σw ہے، اس لیے یہی ٹیب الٹے سوال کا جواب بھی دے سکتا ہے — یعنی فائنل میں مجھے کتنے اسکور کی ضرورت ہے؟ اپنے پاس پہلے سے موجود ویٹڈ پوائنٹس کو جمع کریں، اسے اپنے ہدف سے گھٹائیں، اور فائنل کے وزن پر تقسیم کر دیں۔ ہوم ورک میں 95 (20%) اور مڈٹرم میں 78 (30%) حاصل کرنے کے بعد، 85 کا اوسط برقرار رکھنے کے لیے فائنل امتحان میں (85×100 − 95×20 − 78×30) / 50 = 85.2 اسکور درکار ہوگا۔

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۔

اوسط کے بارے میں عام سوالات

نمبروں کے سیٹ کا اوسط کیسے معلوم کیا جائے؟

تمام نمبروں کو آپس میں جمع کریں، پھر حاصل جمع کو نمبروں کی کل تعداد پر تقسیم کریں۔ یہی مکمل طریقہ ہے: 10، 2، 38 اور 23 کے لیے، مجموعہ 73 ہے اور تعداد 4 ہے، لہذا اوسط 73 ÷ 4 = 18.25 ہے۔ اوپر دیا گیا کیلکولیٹر جواب کے ساتھ اس فریکشن (fraction) کے دونوں حصے دکھاتا ہے، تاکہ حساب کتاب چھپنے کے بجائے واضح طور پر نظر آئے۔

مین (Mean) کا حساب کیسے لگایا جاتا ہے؟

اسی طریقے سے۔ روزمرہ کے استعمال میں "Mean" اور "اوسط" ایک ہی نمبر کے نام ہیں — مجموعہ تقسیم تعداد، جسے رسمی طور پر حسابی اوسط (arithmetic mean) کہا جاتا ہے۔ شماریات میں "mean" کے لفظ کو ترجیح دی جاتی ہے کیونکہ مین کی کئی اقسام ہیں (حسابی، جیومیٹرک، ہارمونک) اور یہ اصطلاح انہیں الگ رکھتی ہے، جبکہ عام بول چال میں "اوسط" کا مطلب غیر رسمی طور پر میڈین یا موڈ بھی ہو سکتا ہے۔

مین، میڈین اور موڈ میں کیا فرق ہے؟

یہ ایک ہی ڈیٹا کے بارے میں تین الگ الگ سوالات کے جواب دیتے ہیں۔ مین اقدار کو متوازن کرتا ہے: یہ وہ نقطہ ہے جہاں اوپر اور نیچے کے فاصلے ایک دوسرے کو ختم (cancel) کر دیتے ہیں۔ میڈین تعداد کو تقسیم کرتا ہے: آدھی اقدار اس سے نیچے اور آدھی اوپر ہوتی ہیں۔ موڈ محض وہ قدر ہے جو سب سے زیادہ بار ظاہر ہوتی ہے۔ 2، 3، 3، 4 اور 88 کے لیے مین 20 ہے، میڈین 3 ہے، اور موڈ 3 ہے — یعنی "یہاں عام قدر کیا ہے" کے تین درست جوابات، یہی وجہ ہے کہ 88 کا آؤٹ لائر مین کو سب سے کم کارآمد بناتا ہے۔

فیصد (Percentages) کا اوسط کیسے نکالا جائے؟

فیصد کا اوسط صرف اسی صورت میں براہ راست نکالیں جب وہ ایک ہی سائز کے گروپس کی نمائندگی کر رہی ہوں۔ اگر 10 افراد کی ٹیم کے 40% اور 90 افراد کی ٹیم کے 60% نے ہاں میں جواب دیا، تو درست عدد 50% نہیں ہوگا — بلکہ یہ (0.40×10 + 0.60×90) / 100 = 58% ہوگا۔ یہ گروپ کے سائز کو اوزان (weights) کے طور پر استعمال کرتے ہوئے ایک ویٹڈ ایوریج ہے، جس کے لیے اوپر دیا گیا Weighted ٹیب بنایا گیا ہے۔ دونوں فیصد کو عام نمبروں کی طرح اوسط کرنا خاموشی سے یہ فرض کر لیتا ہے کہ دونوں گروپس برابر سائز کے ہے۔

وقت (Times) کا اوسط کیسے نکالا جاتا ہے؟

ہر دورانیے کو ایک ہی یونٹ (جیسے سیکنڈز) میں تبدیل کریں، ان کا اوسط نکالیں، اور دوبارہ اصل شکل میں تبدیل کریں۔ 1:45:30، 2:10:00 اور 1:58:15 کے تین لیپس (laps) مجموعی طور پر 21,225 سیکنڈز بنتے ہیں؛ اسے تین پر تقسیم کرنے سے 7,075 سیکنڈز حاصل ہوں گے، جو کہ 1:57:55 ہے۔ Time ٹیب یہ تبدیلی خودکار طور پر آپ کے لیے کرتا ہے اور اعشاری گھنٹوں (1.9653 h) میں بھی نتیجہ رپورٹ کرتا ہے، جس کی ضرورت عام طور پر ٹائم شیٹس اور انوائسز میں ہوتی ہے۔

کیا اوسط سیٹ میں موجود ہر قدر سے بڑا ہو سکتا ہے؟

جی نہیں، مین ہمیشہ سب سے چھوٹی اور سب سے بڑی قدر کے درمیان ہوتا ہے — یہ حساب کتاب کی اپنی خاصیت ہے، کوئی اتفاق نہیں۔ اگر شمار کردہ اوسط اس حد سے باہر ہے، تو کہیں نہ کہیں حساب میں غلطی ہوئی ہے۔ ویٹڈ ایوریج بھی اسی اصول پر عمل کرتا ہے جب تک کہ اوزان منفی (negative) نہ ہوں، یہی وجہ ہے کہ منفی اوزان عام طور پر ڈیٹا انٹری کی غلطی ہوتے ہیں نہ کہ کوئی شعوری فیصلہ۔

اوسط بعض اوقات گمراہ کن کیوں ہوتا ہے؟

کیونکہ کوئی ایک غیر معمولی قدر (extreme value) اسے اپنی طرف کھینچ لیتی ہے۔ $40,000 کمانے والے نو افراد اور $1,000,000 کمانے والے ایک فرد کی اوسط آمدنی $136,000 ہوگی — ایک ایسا عدد جو کمرے میں موجود کسی بھی شخص کی نمائندگی نہیں کرتا۔ جبکہ $40,000 کا میڈین دس میں سے نو افراد کی صحیح نمائندگی کرتا ہے۔ جب بھی ڈیٹا ڈسٹریبیوشن کی ایک لمبی دم (tail) ہو، تو مین کے ساتھ میڈین بھی رپورٹ کریں؛ اوپر دیا گیا کیلکولیٹر آپ کو ایک ہی ان پٹ سے دونوں نتائج دیتا ہے، جس پر کوئی اضافی محنت نہیں لگتی۔

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؟

مضمون (Subject)	اسکور (Score)
Management	84
Communication	90
Accounting	75
Economics	60
Business Statistics	85
International studies	15
Mathematics	81

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؟

مضمون (Subject)	اسکور (Score)
Management	84
Communication	90
Accounting	75
Economics	60
Business Statistics	85
International studies	92
Mathematics	81

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؟

مضمون (Subject)	اسکور (Score)
Management	84
Communication	90
Accounting	75
Economics	60
Business Statistics	85
International studies	15
Mathematics	81

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)۔