SSC CGL सांख्यिकी — अपकिरण के माप (परिसर, माध्य विचलन, मानक विचलन, विचरण गुणांक)

अवधारणा

केंद्रीय प्रवृत्ति (माध्य, माध्यिका, बहुलक) हमें बताती है कि data का "केंद्र" कहाँ है। लेकिन दो बिल्कुल अलग data sets का माध्य एक जैसा हो सकता है। देखो:

• Set A: {5, 5, 5, 5, 5} — माध्य = 5
• Set B: {1, 3, 5, 7, 9} — माध्य = 5

माध्य बराबर है, लेकिन Set A में कोई फैलाव नहीं, Set B में काफ़ी फैलाव है। यही फैलाव मापना अपकिरण (Dispersion) का काम है।

एक सरल सादृश्य: मान लो दो टीमें क्रिकेट खेल रही हैं। दोनों का औसत score 40 रन है। लेकिन Team A के खिलाड़ी हर मैच में 38-42 के बीच score करते हैं, जबकि Team B के खिलाड़ी कभी 5 तो कभी 80 रन बनाते हैं। Team B ज़्यादा अनिश्चित (variable) है — यही अपकिरण पकड़ता है।

अपकिरण के मुख्य माप:

| माप | सूत्र आधार | Outlier प्रभाव | |---|---|---| | परिसर (Range) | Max − Min | सर्वाधिक | | चतुर्थक विचलन (QD) | (Q3 − Q1)/2 | न्यूनतम | | माध्य विचलन (MD) | Σ|x − x̄| / n | मध्यम | | मानक विचलन (SD) | √(Σ(x−x̄)²/n) | अधिक | | विचरण गुणांक (CV) | (SD/x̄) × 100 | तुलना के लिए |

SSC CGL में इन मापों पर सीधे गणना के प्रश्न आते हैं, और scaling (गुणा/जोड़ का प्रभाव) पर conceptual प्रश्न भी आते हैं। दोनों की तैयारी ज़रूरी है।

गहन विश्लेषण

1. परिसर (Range)

$\text{Range} = X_{\max} - X_{\min}$

सबसे सरल माप। गणना में 5 सेकंड लगते हैं। लेकिन यह केवल दो चरम मानों पर निर्भर करता है, इसलिए एक भी outlier पूरी तस्वीर बिगाड़ देता है।

परिसर गुणांक (Coefficient of Range): $\text{Coefficient of Range} = \frac{X_{\max} - X_{\min}}{X_{\max} + X_{\min}}$

2. चतुर्थक विचलन (Quartile Deviation)

$QD = \frac{Q_3 - Q_1}{2}$

यह अन्तर चतुर्थक परिसर (IQR = Q3 − Q1) का आधा है। बीच के 50% data पर निर्भर करता है, इसलिए outliers का इस पर सबसे कम प्रभाव पड़ता है। Skewed distributions और open-ended classes में उपयोगी।

चतुर्थक विचलन गुणांक: $\text{Coefficient of QD} = \frac{Q_3 - Q_1}{Q_3 + Q_1}$

3. माध्य विचलन (Mean Deviation)

$MD = \frac{\sum |x_i - A|}{n}$

यहाँ A = माध्य, माध्यिका, या बहुलक हो सकता है। माध्यिका के सापेक्ष MD सबसे न्यूनतम होता है — यह एक महत्वपूर्ण तथ्य है जो परीक्षा में सीधे पूछा जाता है।

Grouped data के लिए: $MD = \frac{\sum f_i |x_i - A|}{\sum f_i}$

माध्य विचलन गुणांक: $\text{Coefficient of MD} = \frac{MD}{A}$

4. मानक विचलन (Standard Deviation) और प्रसरण (Variance)

प्रसरण (Variance): $\sigma^2 = \frac{\sum (x_i - \bar{x})^2}{n}$

मानक विचलन: $\sigma = \sqrt{\frac{\sum (x_i - \bar{x})^2}{n}}$

गणना का shortcut formula: $\sigma^2 = \frac{\sum x_i^2}{n} - \left(\frac{\sum x_i}{n}\right)^2 = \overline{x^2} - (\bar{x})^2$

यह formula बड़े numbers के लिए बहुत तेज़ है। इसे याद करो: "वर्गों का माध्य − माध्य का वर्ग"।

Grouped data के लिए: $\sigma = \sqrt{\frac{\sum f_i (x_i - \bar{x})^2}{\sum f_i}}$

5. Scaling का प्रभाव — परीक्षा में सबसे महत्वपूर्ण

यह section मत छोड़ो। SSC CGL में यह सीधे पूछा जाता है।

यदि प्रत्येक observation में स्थिरांक c जोड़ा/घटाया जाए:

• माध्य: x̄ + c (बदलता है)
• मानक विचलन: अपरिवर्तित
• प्रसरण: अपरिवर्तित

यदि प्रत्येक observation को स्थिरांक k से गुणा किया जाए:

• माध्य: k × x̄
• मानक विचलन: |k| × σ
• प्रसरण: k² × σ²

कारण सरल है: SD फैलाव मापता है। सबको एक ही संख्या जोड़ने से data की shape नहीं बदलती, केवल position बदलती है। लेकिन गुणा करने से फैलाव proportionally बढ़ता है।

6. विचरण गुणांक (Coefficient of Variation)

$CV = \frac{\sigma}{\bar{x}} \times 100$

यह इकाई-मुक्त (unit-free) माप है। दो अलग-अलग units या अलग-अलग means वाले datasets की तुलना करने के लिए CV सबसे उचित माप है।

नियम: जिसका CV अधिक, वह data अधिक परिवर्तनशील (variable) और कम स्थिर है।

7. कार्ल पियर्सन का विषमता गुणांक

$\text{Sk}_P = \frac{\bar{x} - \text{Mode}}{\sigma}$

माध्यिका का उपयोग करते हुए (जब बहुलक अस्पष्ट हो): $\text{Sk}_P = \frac{3(\bar{x} - \text{Median})}{\sigma}$

• यदि Sk > 0: धनात्मक विषमता (right-skewed)
• यदि Sk < 0: ऋणात्मक विषमता (left-skewed)
• यदि Sk = 0: सममित बंटन

शॉर्टकट और युक्तियाँ

तेज़-समाधान रूपरेखा

परीक्षा हॉल में यह decision tree follow करो:

Step 1: प्रश्न किस माप के बारे में है?

• "Max − Min" शब्द दिखे → परिसर (Range), गणना तुरंत करो।
• "विचरण गुणांक" या "कौन अधिक variable" → CV = (SD/Mean)×100 निकालो।
• "प्रसरण पर प्रभाव" + "गुणा" → k² लगाओ।
• "Outlier का प्रभाव" → क्रम याद करो: R > SD > MD > QD।

Step 2: Scaling प्रश्न है?

• जोड़/घटाव → SD, Variance नहीं बदलते।
• गुणा/भाग → SD = |k|σ, Variance = k²σ²।

Step 3: गणना प्रश्न है?

• पहले माध्य निकालो।
• MD के लिए: |xi − माध्य| का योग ÷ n।
• SD के लिए: shortcut formula σ² = (Σx²/n) − x̄² उपयोग करो।

Step 4: विषमता गुणांक?

• माध्यिका दी है → 3(Mean − Median)/SD।
• बहुलक दिया है → (Mean − Mode)/SD।

हल किए गए PYQs

क्यों यह प्रश्न: परिसर सबसे बुनियादी अपकिरण माप है। SSC CGL में warm-up question की तरह आता है — गलती मत करो।

समाधान का रास्ता: Data {4, 7, 13, 2, 19, 11} में max = 19, min = 2। Range = 19 − 2 = 17। Option (D) सही है। गलत option: 19 (केवल max देख लिया), 21 (जोड़ने की गलती)।

क्यों यह प्रश्न: माध्य विचलन की step-by-step गणना का यह standard pattern है। माध्य निकालना → absolute deviation → औसत।

समाधान का रास्ता: माध्य = (2+4+6+8+10)/5 = 30/5 = 6। Deviations: |2−6|=4, |4−6|=2, |6−6|=0, |8−6|=2, |10−6|=4। MD = (4+2+0+2+4)/5 = 12/5 = 2.4। Option (B)।

क्यों यह प्रश्न: CV formula का reverse application — यहाँ CV और Mean दिए हैं, SD निकालनी है। Formula को दोनों दिशाओं में जानना ज़रूरी है।

समाधान का रास्ता: CV = (SD/Mean) × 100 → SD = (CV × Mean)/100 = (40 × 25)/100 = 1000/100 = 10। Option (C)।

क्यों यह प्रश्न: Scaling property का सबसे अधिक परीक्षित प्रश्न। k=3 से गुणा → Variance = 9 गुना। Conceptual clarity है तो 5 सेकंड।

समाधान का रास्ता: Property: Var(kX) = k² × Var(X)। k=3 → नया Variance = 3² × मूल Variance = 9 गुना। Option (C)। गलत options: 3 गुना (SD से confuse), 6 गुना (2k सोचना)।

क्यों यह प्रश्न: Outlier sensitivity का direct conceptual प्रश्न। इस topic को समझ लो तो यह प्रश्न 3 सेकंड में होगा।

समाधान का रास्ता: Range = Max − Min। यह केवल 2 extreme values पर निर्भर है। एक भी outlier होने पर Max या Min बदल जाएगा, और Range नाटकीय रूप से बदलेगा। Option (C) परिसर। QD सबसे कम प्रभावित होता है — यह भी याद रखो।

क्यों यह प्रश्न: कार्ल पियर्सन का विषमता गुणांक — formula और किस situation में कौन सा version उपयोग करना है, दोनों परीक्षा में आते हैं।

समाधान का रास्ता: माध्यिका दी है, इसलिए: Sk = 3(Mean − Median)/SD = 3(50 − 48)/15 = 3(2)/15 = 6/15 = 0.4। Mean > Median → धनात्मक विषमता। Option (D)।

क्यों यह प्रश्न: CV से दो series की तुलना — यह SSC CGL का बहुत प्रिय प्रश्न-प्रकार है। SD देखकर decide मत करो, CV निकालो।

समाधान का रास्ता: CV(A) = (4/30) × 100 = 13.33%। CV(B) = (6/20) × 100 = 30%। CV(B) > CV(A) → Series B अधिक variable। Option (B)। यहाँ जो छात्र सीधे SD देखकर B (SD=6) को choose करते हैं वे सही answer देते हैं लेकिन गलत reasoning से — अगर means अलग हों तो हमेशा CV निकालो।

आम गलतियाँ

• Range में गलत subtraction: {4, 7, 13, 2, 19, 11} देखकर 13−2=11 या 19−4=15 कर देना। हमेशा पहले सूची को scan करो: actual max और min identify करो, फिर subtract करो।

• Scaling में SD और Variance को एक समझना: "k गुणा करने पर SD भी k² गुना हो जाता है" — यह गलत है। SD = |k|σ, Variance = k²σ²। जोड़ने पर दोनों नहीं बदलते — यह property अलग-अलग याद करो।

• CV की जगह SD से तुलना: दो series की variability compare करते वक्त जब means अलग हों तो SD से compare करना fundamentally गलत है। हमेशा CV निकालो।

• माध्य विचलन में absolute value भूलना: |xi − x̄| में absolute value sign ज़रूरी है। बिना modulus के negative deviations positive को cancel कर देंगे और MD = 0 आ जाएगा।

• कार्ल पियर्सन के दोनों formulas में confusion: Mode दिया हो तो (Mean − Mode)/σ, Median दिया हो तो 3(Mean − Median)/σ। "3" का गुणा केवल Median वाले formula में है।

• MAD का minimum कहाँ होता है — यह भूलना: MD (Mean Absolute Deviation) माध्यिका के सापेक्ष minimum होता है, माध्य के सापेक्ष नहीं। Variance (squared deviation) माध्य के सापेक्ष minimum होता है — दोनों को अदला-बदली मत करो।

संबंधित विषय

• central tendency
• frequency distribution
• skewness
• correlation
• normal distribution
• data interpretation

SarkariRise पर अभ्यास