ਡਾਟਾ ਨੂੰ ਪਲਾਟ ਕਰਨ ਅਤੇ ਵੰਡ ਨੂੰ ਵੇਖਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਸਟੈਮ-ਐਂਡ-ਲੀਫ ਪਲਾਟ ਹੈ। ਸਟੈਮ-ਐਂਡ-ਲੀਫ ਪਲਾਟ ਵਿੱਚ, ਇੱਕ ਕਲਾਸ ਦੇ ਅੰਦਰ ਸਾਰੇ ਡਾਟਾ ਮੁੱਲ ਦਿਸਦੇ ਹਨ। ਸਟੈਮ-ਐਂਡ-ਲੀਫ ਪਲਾਟ ਦਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਸਾਰੇ ਮੁੱਲ ਸੂਚੀਬੱਧ ਹੁੰਦੇ ਹਨ, ਹਿਸਟੋਗ੍ਰਾਮ ਦੇ ਉਲਟ, ਜੋ ਡਾਟਾ ਮੁੱਲਾਂ ਦੇ ਕਲਾਸ ਦਿੰਦਾ ਹੈ। ਲਾਈਨ ਗ੍ਰਾਫ ਅਕਸਰ ਡਾਟਾ ਮੁੱਲਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਮਾਤਰਾ ਸਮੇਂ ਦੇ ਨਾਲ ਬਦਲਦੀ ਹੈ। ਇਹ ਗ੍ਰਾਫ ਰੁਝਾਨਾਂ ਨੂੰ ਲੱਭਣ ਲਈ ਉਪਯੋਗੀ ਹੁੰਦੇ ਹਨ, ਅਰਥਾਤ, ਡਾਟਾ ਸੈੱਟਾਂ ਵਿੱਚ ਇੱਕ ਆਮ ਪੈਟਰਨ ਲੱਭਣਾ, ਜਿਸ ਵਿੱਚ ਤਾਪਮਾਨ, ਵਿਕਰੀ, ਰੁਜ਼ਗਾਰ, ਕੰਪਨੀ ਮੁਨਾਫਾ, ਜਾਂ ਲਾਗਤ, ਸਮੇਂ ਦੀ ਮਿਆਦ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ। ਬਾਰ ਗ੍ਰਾਫ ਇੱਕ ਚਾਰਟ ਹੈ ਜੋ ਸ਼੍ਰੇਣੀਆਂ ਵਿਚਕਾਰ ਤੁਲਨਾਵਾਂ ਦਿਖਾਉਣ ਲਈ ਖਿਤਿਜੀ ਜਾਂ ਲੰਬਕਾਰੀ ਬਾਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਚਾਰਟ ਦਾ ਇੱਕ ਧੁਰਾ ਤੁਲਨਾ ਕੀਤੀਆਂ ਜਾ ਰਹੀਆਂ ਖਾਸ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਅਤੇ ਦੂਜਾ ਧੁਰਾ ਇੱਕ ਵੱਖਰੇ ਮੁੱਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਬਾਰ ਗ੍ਰਾਫ ਖਾਸ ਤੌਰ 'ਤੇ ਉਪਯੋਗੀ ਹੁੰਦੇ ਹਨ ਜਦੋਂ ਵਰਗੀਕ੍ਰਿਤ ਡਾਟਾ ਵਰਤਿਆ ਜਾ ਰਿਹਾ ਹੁੰਦਾ ਹੈ।
ਹਿਸਟੋਗ੍ਰਾਮ ਇੱਕ ਬਾਰੰਬਾਰਤਾ ਵੰਡ ਦਾ ਇੱਕ ਗ੍ਰਾਫਿਕਲ ਸੰਸਕਰਣ ਹੈ। ਗ੍ਰਾਫ ਵਿੱਚ ਬਰਾਬਰ ਚੌੜਾਈ ਵਾਲੀਆਂ ਬਾਰਾਂ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਇੱਕ ਦੂਜੇ ਦੇ ਨਾਲ ਲੱਗੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਖਿਤਿਜੀ ਪੈਮਾਨਾ ਮਾਤਰਾਤਮਕ ਡਾਟਾ ਮੁੱਲਾਂ ਦੇ ਕਲਾਸਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਅਤੇ ਲੰਬਕਾਰੀ ਪੈਮਾਨਾ ਬਾਰੰਬਾਰਤਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਬਾਰਾਂ ਦੀਆਂ ਉਚਾਈਆਂ ਬਾਰੰਬਾਰਤਾ ਮੁੱਲਾਂ ਦੇ ਅਨੁਸਾਰ ਹੁੰਦੀਆਂ ਹਨ। ਹਿਸਟੋਗ੍ਰਾਮ ਆਮ ਤੌਰ 'ਤੇ ਵੱਡੇ, ਨਿਰੰਤਰ, ਮਾਤਰਾਤਮਕ ਡਾਟਾ ਸੈੱਟਾਂ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਜਦੋਂ ਵੱਡੇ ਡਾਟਾ ਸੈੱਟਾਂ ਨੂੰ ਦੁਹਰਾਉਣ ਵਾਲੇ ਡਾਟਾ ਪੁਆਇੰਟਾਂ ਨਾਲ ਗ੍ਰਾਫਿੰਗ ਕਰਦੇ ਹੋ ਤਾਂ ਇੱਕ ਬਾਰੰਬਾਰਤਾ ਬਹੁਭੁਜ ਦੀ ਵਰਤੋਂ ਵੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਡਾਟਾ ਆਮ ਤੌਰ 'ਤੇ y-ਧੁਰੇ 'ਤੇ ਜਾਂਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਬਾਰੰਬਾਰਤਾ x-ਧੁਰੇ 'ਤੇ ਗ੍ਰਾਫ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸਮਾਂ ਲੜੀ ਗ੍ਰਾਫ ਇੱਕ ਸਮੇਂ ਦੀ ਮਿਆਦ ਵਿੱਚ ਇੱਕ ਵੇਰੀਏਬਲ ਲਈ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡਾਟਾ ਵੇਖਣ ਵੇਲੇ ਮਦਦਗਾਰ ਹੋ ਸਕਦੇ ਹਨ।
ਡਾਟਾ ਦੇ ਦਰਜਾਬੰਦ ਸਮੂਹ ਨੂੰ 100 ਬਰਾਬਰ ਭਾਗਾਂ ਵਿੱਚ ਵੰਡਣ ਵਾਲੇ ਮੁੱਲਾਂ ਨੂੰ ਪ੍ਰਤੀਸ਼ਤ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਵਰਤੋਂ ਡਾਟਾ ਦੀ ਤੁਲਨਾ ਅਤੇ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, 50ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਇੱਕ ਨਿਰੀਖਣ ਸਮੂਹ ਵਿੱਚ ਹੋਰ ਨਿਰੀਖਣਾਂ ਦੇ 50 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵੱਡਾ ਹੋਵੇਗਾ। ਚਤੁਰਥਕ ਡਾਟਾ ਨੂੰ ਚੌਥਾਈਆਂ ਵਿੱਚ ਵੰਡਦੇ ਹਨ। ਪਹਿਲਾ ਚਤੁਰਥਕ (Q1) 25ਵਾਂ ਪ੍ਰਤੀਸ਼ਤ ਹੈ, ਦੂਜਾ ਚਤੁਰਥਕ (Q2 ਜਾਂ ਮੱਧਕ) 50ਵਾਂ ਪ੍ਰਤੀਸ਼ਤ ਹੈ, ਅਤੇ ਤੀਜਾ ਚਤੁਰਥਕ (Q3) 75ਵਾਂ ਪ੍ਰਤੀਸ਼ਤ ਹੈ। ਅੰਤਰ-ਚਤੁਰਥਕ ਸੀਮਾ, ਜਾਂ IQR, ਡਾਟਾ ਮੁੱਲਾਂ ਦੇ ਮੱਧ 50 ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਸੀਮਾ ਹੈ। IQR ਦੀ ਗਣਨਾ Q3 ਵਿੱਚੋਂ Q1 ਨੂੰ ਘਟਾ ਕੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਹੇਠਾਂ ਦਿੱਤੇ ਦੋ ਸਮੀਕਰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਊਟਲਾਇਰਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ।
Q3 + IQR(1.5)
Q1 – IQR(1.5)
ਬਾਕਸ ਪਲਾਟ ਇੱਕ ਕਿਸਮ ਦਾ ਗ੍ਰਾਫ ਹੈ ਜੋ ਡਾਟਾ ਨੂੰ ਦ੍ਰਿਸ਼ਟੀਗਤ ਰੂਪ ਵਿੱਚ ਸੰਗਠਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਬਾਕਸ ਪਲਾਟ ਨੂੰ ਗ੍ਰਾਫ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਹੇਠਾਂ ਦਿੱਤੇ ਡਾਟਾ ਪੁਆਇੰਟਾਂ ਦੀ ਗਣਨਾ ਕਰਨੀ ਲਾਜ਼ਮੀ ਹੈ: ਘੱਟੋ-ਘੱਟ ਮੁੱਲ, ਪਹਿਲਾ ਚਤੁਰਥਕ, ਮੱਧਕ, ਤੀਜਾ ਚਤੁਰਥਕ, ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਮੁੱਲ। ਇੱਕ ਵਾਰ ਬਾਕਸ ਪਲਾਟ ਗ੍ਰਾਫ ਹੋ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਡਾਟਾ ਦੀਆਂ ਵੰਡਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਅਤੇ ਤੁਲਨਾ ਕਰ ਸਕਦੇ ਹੋ।
ਡਾਟਾ ਸੈੱਟ ਦਾ ਕੇਂਦਰ ਲੱਭਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਨ ਲਈ ਔਸਤ ਅਤੇ ਮੱਧਕ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਔਸਤ ਅਸਲ ਡਾਟਾ ਸੈੱਟ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਅਨੁਮਾਨ ਹੈ, ਪਰ ਜਦੋਂ ਡਾਟਾ ਸੈੱਟ ਵਿੱਚ ਕਈ ਆਊਟਲਾਇਰ ਜਾਂ ਅਤਿਅੰਤ ਮੁੱਲ ਹੁੰਦੇ ਹਨ ਤਾਂ ਮੱਧਕ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਪ ਹੈ। ਮੋਡ ਤੁਹਾਨੂੰ ਤੁਹਾਡੇ ਡਾਟਾ ਸੈੱਟ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ ਆਉਣ ਵਾਲਾ ਡਾਟਾ (ਜਾਂ ਡਾਟਾ) ਦੱਸੇਗਾ। ਔਸਤ, ਮੱਧਕ, ਅਤੇ ਮੋਡ ਬਹੁਤ ਮਦਦਗਾਰ ਹੁੰਦੇ ਹਨ ਜਦੋਂ ਤੁਹਾਨੂੰ ਆਪਣੇ ਡਾਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਪਰ ਜੇਕਰ ਤੁਹਾਡਾ ਡਾਟਾ ਸੈੱਟ ਅਜਿਹੀਆਂ ਸੀਮਾਵਾਂ ਦਾ ਬਣਿਆ ਹੋਇਆ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਖਾਸ ਮੁੱਲ ਨਹੀਂ ਹਨ, ਤਾਂ ਔਸਤ ਦੀ ਗਣਨਾ ਕਰਨਾ ਅਸੰਭਵ ਲੱਗ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਜੇਕਰ ਤੁਸੀਂ ਹੇਠਲੀ ਸੀਮਾ ਨੂੰ ਉੱਪਰਲੀ ਸੀਮਾ ਨਾਲ ਜੋੜਦੇ ਹੋ ਅਤੇ ਹਰੇਕ ਅੰਤਰਾਲ ਦੇ ਮੱਧ ਬਿੰਦੂ ਨੂੰ ਲੱਭਣ ਲਈ ਦੋ ਨਾਲ ਭਾਗ ਕਰਦੇ ਹੋ ਤਾਂ ਔਸਤ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਹਰੇਕ ਮੱਧ ਬਿੰਦੂ ਨੂੰ ਸੰਬੰਧਿਤ ਸੀਮਾ ਵਿੱਚ ਪਾਏ ਗਏ ਮੁੱਲਾਂ ਦੀ ਗਿਣਤੀ ਨਾਲ ਗੁਣਾ ਕਰੋ। ਇਹਨਾਂ ਮੁੱਲਾਂ ਦੇ ਜੋੜ ਨੂੰ ਸਮੂਹ ਵਿੱਚ ਕੁੱਲ ਡਾਟਾ ਮੁੱਲਾਂ ਦੁਆਰਾ ਭਾਗ ਕਰੋ।
ਡਾਟਾ ਦੀ ਵੰਡ ਨੂੰ ਵੇਖਣ ਨਾਲ ਔਸਤ, ਮੱਧਕ, ਅਤੇ ਮੋਡ ਵਿਚਕਾਰ ਸਬੰਧ ਬਾਰੇ ਬਹੁਤ ਕੁਝ ਪਤਾ ਲੱਗ ਸਕਦਾ ਹੈ। ਵੰਡ ਦੀਆਂ ਤਿੰਨ ਕਿਸਮਾਂ ਹੁੰਦੀਆਂ ਹਨ। ਇੱਕ ਸੱਜਾ (ਜਾਂ ਸਕਾਰਾਤਮਕ) ਸਕਿਊਡ ਵੰਡ ਦਾ ਆਕਾਰ ਚਿੱਤਰ 2.19 ਵਰਗਾ ਹੁੰਦਾ ਹੈ। ਇੱਕ ਖੱਬਾ (ਜਾਂ ਨਕਾਰਾਤਮਕ) ਸਕਿਊਡ ਵੰਡ ਦਾ ਆਕਾਰ ਚਿੱਤਰ 2.20 ਵਰਗਾ ਹੁੰਦਾ ਹੈ। ਇੱਕ ਸਮਮਿਤੀ ਵੰਡ ਚਿੱਤਰ 2.18 ਵਰਗੀ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ।
ਮਿਆਰੀ ਵਿਵਲਨ ਤੁਹਾਨੂੰ ਡਾਟਾ ਦੇ ਫੈਲਾਅ ਦੀ ਗਣਨਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਨਮੂਨੇ ਜਾਂ ਆਬਾਦੀ ਦੇ ਮਿਆਰੀ ਵਿਵਲਨ ਦੀ ਗਣਨਾ ਕਰ ਰਹੇ ਹੋ ਤਾਂ ਵਰਤਣ ਲਈ ਵੱਖ-ਵੱਖ ਸਮੀਕਰਨ ਹਨ।
ਮਿਆਰੀ ਵਿਵਲਨ ਸਾਨੂੰ ਵਿਅਕਤੀਗਤ ਡਾਟਾ ਜਾਂ ਕਲਾਸਾਂ ਦੀ ਡਾਟਾ ਸੈੱਟ ਔਸਤ ਨਾਲ ਸੰਖਿਆਤਮਕ ਰੂਪ ਵਿੱਚ ਤੁਲਨਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
s = ∑ (x− x ¯ ) 2 n−1 ∑ (x− x ¯ ) 2 n−1 ਜਾਂ s = ∑ f (x− x ¯ ) 2 n−1 ∑ f (x− x ¯ ) 2 n−1 ਇੱਕ ਨਮੂਨੇ ਦੇ ਮਿਆਰੀ ਵਿਵਲਨ ਦੀ ਗਣਨਾ ਕਰਨ ਦਾ ਫਾਰਮੂਲਾ ਹੈ। ਆਬਾਦੀ ਦੇ ਮਿਆਰੀ ਵਿਵਲਨ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਆਬਾਦੀ ਦੀ ਔਸਤ, μ, ਅਤੇ ਫਾਰਮੂਲਾ σ = ∑ (x−μ) 2 N ∑ (x−μ) 2 N ਜਾਂ σ = ∑ f (x−μ) 2 N ∑ f (x−μ) 2 N ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ।