सामग्री

• पायर्‍या
• टिपा

निरपेक्ष वारंवारता समजून घेणे ही एक सोपी संकल्पना आहे: विशिष्ट डेटा सेटमध्ये (मूल्य किंवा वस्तूंचा संग्रह) दिलेली मूल्य किती वेळा दिसते हे ही संख्या आहे. तथापि, त्यापेक्षा सापेक्ष वारंवारता थोडी अधिक जटिल असू शकते. हे त्या डेटा सेटमध्ये दिलेली व्हॅल्यू किती वेळा दिसून येते त्या प्रमाणात देखील याचा संदर्भ घेऊ शकते. दुसर्‍या शब्दांत, संबंधित वारंवारता सूचित करते की संभाव्य निकालांच्या एकूण रकमेवर किती वेळा घटनेची घटना घडली. आपण आपला डेटा व्यवस्थितपणे व्यवस्थापित केल्यास, संबंधित वारंवारता मोजणे आणि शोधणे सोपे काम होऊ शकते.

पायर्‍या

3 पैकी 1 पद्धत: डेटा तयार करणे

1. 

   डेटा गोळा करा. जोपर्यंत आपण आपले गणित गृहपाठ करत नाही तोपर्यंत संबंधित वारंवारतेची गणना करणे हे दर्शविते की अस्तित्वात असलेल्या डेटाचे काही प्रकार आहेत. प्रयोग करा किंवा अभ्यास करा आणि डेटा गोळा करा. नंतर आपण परिणाम कसे प्रदर्शित करू इच्छिता हे तंतोतंत ठरवा.
   • उदाहरणार्थ, समजा आपण चित्रपट पाहण्यासाठी गेलेल्या लोकांच्या वयाचा डेटा गोळा करीत आहात. आपण अर्थातच उपस्थित असलेल्या सर्वांचे अचूक वय एकत्रित करण्याचा आणि प्रदर्शित करण्याचा निर्णय घेऊ शकता परंतु याचा परिणाम असा होईल की 60 किंवा 70 भिन्न संख्या, ज्या 10 ते 70 किंवा 80 पर्यंत असू शकतात. त्याऐवजी आपण डेटामध्ये क्लस्टर करू शकता गट जसे की "२० च्या खाली", "२०-२-3", "-3०-" "", "-4०--4" "," -5०--5 "" आणि "or० किंवा अधिक". सहा डेटा गटांचा संच व्यवस्थापित करणे हे अधिक सोपे होईल.
   • दुसरे उदाहरण म्हणून, डॉक्टर त्याच्या दिवशी रुग्णांच्या शरीराच्या तपमानाची मूल्ये गोळा करू शकतो. या प्रकरणात, फक्त numbers,, and and आणि 99 99 सारख्या संपूर्ण अंकात सामील होणे पुरेसे अचूक असू शकत नाही. या प्रकरणात, दशांश स्वरूपात डेटा प्रदर्शित करणे आवश्यक असू शकते.

2. 

   
   
   डेटाची क्रमवारी लावा. अभ्यास किंवा प्रयोग पूर्ण केल्यानंतर आपल्याकडे पुढील सारखे डेटा संग्रह असेलः 1, 2, 5, 4, 6, 4, 3, 7, 1, 5, 6, 5, 3, 4, 5, 1 या स्वरुपात हे व्यावहारिकदृष्ट्या समजण्यासारखे आणि वापरण्यास अवघड आहे. कमीतकमीपासून उच्चतम मूल्यापर्यंत डेटा चढत्या क्रमवारीत लावणे अधिक उपयुक्त आहे. याचा परिणाम यादीमध्ये होईलः 1, 1, 1, 2, 3, 3, 4, 4, 4, 5, 5, 5, 5, 6, 6, 7.
   • आपल्या डेटा संकलनाची क्रमवारी लावून आणि पुनर्लेखन करताना, प्रत्येक बिंदू योग्यरित्या घालण्याची काळजी घ्या. काहीही शिल्लक नाही याची खात्री करण्यासाठी सेटमधील आयटमची संख्या मोजा.

3. 

   
   
   डेटा टेबल वापरा. आपण एक साधा डेटा वारंवारता सारणी तयार करुन डेटा संकलनाचे परिणाम एकत्रित करू शकता. हे तीन कॉलम असलेली एक सोपी सारणी आहे जी संबंधित वारंवारतेच्या मोजणीसाठी वापरली जावी. त्यांना खालीलप्रमाणे लेबल द्या:
   • . या स्तंभात डेटा सेटमध्ये दिसणारी प्रत्येक मूल्य असेल. लक्षात ठेवा कोणत्याही आयटमची पुनरावृत्ती करू नका. उदाहरणार्थ, मूल्य 4 त्या सूचीमध्ये बर्‍याच वेळा आढळल्यास स्तंभात फक्त एक ठेवा.
   • , किंवा. आकडेवारीत व्हेरिएबलचा वापर विशिष्ट मूल्याच्या मोजणीसाठी केला जातो. आपण हे देखील लिहू शकता, जे "एन ऑफ एक्स" म्हणून वाचले जाईल आणि प्रत्येक एक्स मूल्याची गणना दर्शवेल. अंतिम पर्याय असेल, म्हणजे "एक्सची वारंवारता". या स्तंभात, आपण मूल्य किती वेळा दिसेल याची संख्या प्रविष्ट करा. उदाहरणार्थ, क्रमांक 4 तीन वेळा दिसल्यास आपण मूल्य 4 च्या पुढे क्रमांक 3 ठेवू.
   • सापेक्ष वारंवारता किंवा. हा अंतिम स्तंभ आपण जिथे प्रत्येक वस्तूची किंवा डेटाच्या गटाची सापेक्ष वारंवारता लक्षात घेत आहात. "पी फॉर एक्स" वाचणारे हे लेबल, एक्सची संभाव्यता किंवा एक्सची टक्केवारी दर्शवू शकते. सापेक्ष वारंवारता गणनेचे अनुसरण करेल. हा स्तंभ प्रत्येक एक्स मूल्यासाठी गणना पूर्ण झाल्यानंतर वापरला जाईल.

पद्धत 3 पैकी 2: संबंधित वारंवारता निकालांची गणना करत आहे

1. 

   
   
   डेटाची संख्या मोजा. संबंधीत वारंवारता दिलेल्या संख्येच्या संख्येचे मोजमाप करते जेव्हा दिले मूल्य पूर्ण संचाच्या अपूर्णांक म्हणून दिसते. याची गणना करण्यासाठी, आपल्याकडे संपूर्ण डेटा सेटमध्ये किती डेटा पॉइंट आहेत हे माहित असणे आवश्यक आहे. हे मूल्य गणनामध्ये वापरल्या जाणार्‍या अपूर्णांकाचे विभाजक होईल.
   • वर सेट केलेल्या नमुन्या डेटामध्ये, प्रत्येक आयटमची मोजणी केल्यास एकूण 16 डेटा पॉईंट्स आढळतात.

2. 

   प्रत्येक निकाल मोजा. आपल्या परिणामांमध्ये प्रत्येक डेटा पॉइंट किती वेळा दिसून येतो याची आपण संख्या निर्धारित करणे आवश्यक आहे. आपण एखाद्या विशिष्ट आयटमच्या संबंधित वारंवारतेची गणना करू शकता किंवा आपण संपूर्ण संचासाठी सामान्य डेटा सारांशित करू शकता.
   • उदाहरणार्थ, वर सेट केलेल्या डेटामध्ये, मूल्य विचारात घ्या. हे मूल्य सूचीत तीन वेळा दिसते.

3. 

   प्रत्येक निकालाच्या एकूण आकारानुसार विभाजित करा. प्रत्येक वस्तूची संबंधित वारंवारता निश्चित करण्यासाठी ही अंतिम गणना आहे. आपण एखादा अंश मिळविण्यासाठी किंवा विभाजनाचे अचूक मूल्य निर्धारित करण्यासाठी कॅल्क्युलेटर किंवा सारणी वापरू शकता.
   • वरील उदाहरणासह पुढे, मूल्य तीन वेळा दिसते आणि संपूर्ण सेटमध्ये 16 वस्तू असतात म्हणून हे निश्चित करणे शक्य आहे की या मूल्याची सापेक्ष वारंवारता 3/16 इतकी आहे. हे दशांश मूल्याच्या 0.1875 च्या समतुल्य आहे.

पद्धत 3 पैकी 3: संबंधित वारंवारता डेटा प्रदर्शित करीत आहे

1. 

   परिणाम वारंवारता सारणीमध्ये ठेवा. वर बनवलेले ही सारणी, पुनरावलोकनासाठी सोपी स्वरूपात निकाल प्रदर्शित करण्यासाठी वापरली जाऊ शकते. प्रत्येक गणना करताना टेबलमध्ये संबंधित ठिकाणी परिणाम घाला. आपल्या अभ्यासाच्या गरजेच्या आधारे आपल्याला स्वतःहून हा निर्णय घ्यावा लागला असला तरी दोन दशांश ठिकाणी उत्तरे गोळा करणे अगदी सामान्य आहे. कारण अंतिम निकालाचे गोल करणे काहीतरी जवळचे असू शकते परंतु 1.0 च्या बरोबरीचे नाही.
   • उदाहरणार्थ, वर सेट केलेल्या डेटामध्ये, संबंधित वारंवारता सारणी असे दिसेल:
     • x: एन (एक्स): पी (एक्स)
     • 1 : 3 : 0,19
     • 2 : 1 : 0,06
     • 3 : 2 : 0,13
     • 4 : 3 : 0,19
     • 5 : 4 : 0,25
     • 6 : 2 : 0,13
     • 7 : 1 : 0,06
     • एकूण: 16: 1.01

2. 

   दिसत नसलेल्या वस्तू देखील दर्शवा. आयटम दर्शविणे देखील उपयुक्त ठरेल ज्यांची वारंवारता 0 बरोबर असते आणि तसेच डेटा सेटमध्ये दिसणार्‍या वस्तू दर्शविणे. आपण संकलित करीत असलेल्या डेटाचा प्रकार लक्षात घ्या आणि रिक्त श्रेणी असल्यास, आपण त्यांना शून्य म्हणून दर्शवू शकता.
   • उदाहरणार्थ, ज्या नमुन्यावर काम केले त्यामध्ये 1 ते 7 पर्यंतच्या सर्व मूल्यांचा समावेश आहे. तथापि, समजा 3 क्रमांक कधीही दिसला नाही. हे महत्वाचे असू शकते, अशा परिस्थितीत आपण दर्शविले पाहिजे की संख्या 3 ची संबंधित वारंवारता 0 च्या बरोबरीची आहे.

3. 

   टक्केवारी म्हणून निकाल दर्शवा. आपण दशांश दशांश मध्ये रूपांतरित करू शकता. ही प्रथा बरीच सामान्य आहे, कारण दिलेली वारंवारता अनेकदा दिलेली मूल्य किती टक्के येईल याचा अंदाज लावण्यासाठी वापरली जाते. दशांश संख्येला टक्केवारीमध्ये रूपांतरित करण्यासाठी, दशांश बिंदू दोन ठिकाणी उजवीकडे वळा आणि टक्केवारी चिन्ह जोडा.
   • उदाहरणार्थ, दशांश निकाल 0.13 म्हणजे 13% इतका असतो.
   • दशांश निकाल 0.06 6% च्या समतुल्य आहे (शून्य वगळू नका).

टिपा

• शारीरिक शब्दांमध्ये, संबंधित वारंवारता अनेकांच्या संचामध्ये विशिष्ट घटनेची उपस्थिती किंवा घटना दर्शवते.
• जर आपण डेटा सेटमध्ये सर्व आयटमची संबंधित फ्रिक्वेन्सी जोडली असेल तर बेरीज 1 समान असणे आवश्यक आहे. मूल्ये गोळा केली असल्यास शक्य आहे की या बेरजेचा परिणाम 1.0 असा होणार नाही.
• सोप्या मोजणीसाठी डेटा सेट खूप मोठा असल्यास, त्रुटी टाळण्यासाठी आपल्याला मायक्रोसॉफ्ट एक्सेल किंवा मॅटलाब सारख्या अनुप्रयोग पॅकेजचा वापर करावा लागू शकतो.