Page 122 - CITS - WCS - Electrical - Hindi
P. 122
वक शॉप कै लकु लेशन & साइंस - CITS
• िह ो ाम (Histogram)
• िह ो ाम एक बार ाफ है जो सं ा क डेटा के िवतरण को दशा ता है। क ना कर िक आपके पास मोज़ों का एक गु ा है और आप देखना
चाहते ह िक ेक आकार के िकतने मोज़े ह । िह ो ाम आपको सं ा क डेटा के िलए इसे देखने म मदद कर सकता है! यहाँ इसका िववरण
िदया गया है:
• िड े और गणना (Bins and Counts) : डेटा की सीमा को िड े नामक खंडों म िवभािजत िकया जाता है। आप िगनते ह िक ेक िड े म
िकतने डेटा िबंदु आते ह ।
• बार के साथ िवज़ुअलाइज़ करना (Visualizing with Bars) : एक बार चाट बनाया जाता है जहाँ ैितज अ (x-अ ) िबन मानों (जैसे सॉक
साइज़) को दशा ता है और ऊ ा धर अ (y-अ ) ेक िबन म डेटा की आवृि (िगनती) को दशा ता है। ेक िबन म एक बार होता है, और बार
की ऊँ चाई दशा ती है िक उस िबन म िकतने डेटा पॉइंट आते ह । यहाँ बताया गया है िक िह ो ाम को ा खास बनाता है:
• िनरंतर डेटा के िलए (For Continuous Data) : िह ो ाम िनरंतर डेटा के साथ चमकते ह , जो एक सीमा के भीतर कोई भी मान ले सकते ह
(जैसे ऊँ चाई, वजन या परी ा ोर)।
• पैटन का खुलासा (Revealing Patterns) : ेणी अनुपात पर ान क ि त करने वाले पाई चाट के िवपरीत, िह ो ाम आपके डेटा के िवतरण
का आकार िदखाते ह । आप देख सकते ह िक डेटा िकसी क ीय मान के इद -िगद समूहीकृ त है, एक तरफ झुका आ है (ितरछा), या इसम कई
चोिटयाँ ह ।
• डेटा को अ व त करना (De-cluttering Data) : जब आपके पास कई डेटा िबंदुओं वाला एक िवशाल डेटासेट होता है, तो िह ो ाम बार
चाट की तुलना म अिधक भावी होते ह । मू ों को िड ों म समूहीकृ त करके , िह ो ाम अ व त ए िबना बड़ी मा ा म डेटा को संभाल सकते
ह ।
• सं ेप म , िह ो ाम यह समझने के िलए एक श शाली टू ल है िक सं ा क डेटा कै से फै लता है और आपके डेटासेट के भीतर पैटन की पहचान
करता है।
• आवृि ब भुज (Frequency polygon)
• आवृि ब भुज डेटा िवतरण का एक ितिनिध है, जो िह ो ाम के समान है, लेिकन इसम बार के बजाय रेखाओं का उपयोग िकया जाता
है। यह समझने के िलए िक यह कै से काम करता है, यहाँ एक िव ृत िववरण िदया गया है:
• डेटा समूहीकरण (Data Grouping)
• क े डेटा िबंदुओं के िवपरीत, आवृि ब भुज समूहीकृ त डेटा से िनपटते ह । इसका मतलब है िक आपका डेटा पहले ेिणयों या अंतरालों म
िवभािजत िकया जाता है, जैसे ऊं चाई सीमा (0-5 फीट, 5- 10 फीट, आिद)।
• म िबंदु ढूँढना (Finding Midpoints)
• ेक डेटा अंतराल (वग ) के िलए, हम म िबंदु की गणना करते ह । यह अिनवाय प से अंतराल की िनचली और ऊपरी सीमाओं का औसत है।
• ॉिटंग और कने ंग (Plotting and Connecting)
• म िबंदु ैितज अ (x-अ ) पर ॉट िकए जाते ह ।
• ेक वग अंतराल के भीतर आवृि (डेटा िबंदुओं की सं ा) ऊ ा धर अ (y-अ ) पर ॉट की जाती है।
• अंत म , इन ॉट िकए गए िबंदुओं को सीधी रेखा खंडों का उपयोग करके जोड़ा जाता है, िजससे ब भुज जैसी आकृ ित बनती है।
• मु िबंदु (Key Points) :
• झानों को उजागर करना (Highlighting Trends) : आवृि ब भुज डेटा िवतरण म झानों को दिश त करने म उ ृ ह , खासकर जब कई
वग अंतरालों से िनपटना हो। रेखा यह देखने म मदद करती है िक डेटा र ज म आवृि कै से बदलती है। िह ो ाम के साथ तुलना: जबिक दोनों डेटा
िवतरण को दशा ते ह , िह ो ाम ेक वग अंतराल {जैसे बार े ों) के िलए आवृि िदखाते ह , जबिक आवृि ब भुज वग के बीच वृि (कने ंग
लाइन के मा म से) पर ान क ि त करते ह ।
• उपयोग के मामले (Use Cases):
आवृि ब भुज का उपयोग अ र िन के िलए िकया जाता है:
एक ही ाफ पर कई डेटासेट के िवतरण की तुलना करना।
यह दशा ना िक डेटा िकस तरह ेिणयों के बीच आसानी से सं मण करता है।
सं ेप म , आवृि ब भुज यह समझने के िलए एक मू वान टू ल है िक डेटा िविभ ेिणयों म िकस कार फै ला आ है तथा डेटा िवतरण के भीतर
वृि यों की पहचान करता है।
110
CITS: WCS - इले कल - अ ास 9
