"സ്ഥിതിഗണിതം" എന്ന താളിന്റെ പതിപ്പുകൾ തമ്മിലുള്ള വ്യത്യാസം
(ചെ.) (1 പതിപ്പ്) |
No edit summary |
||
| (2 ഉപയോക്താക്കൾ ചെയ്ത ഇടയ്ക്കുള്ള 2 നാൾപ്പതിപ്പുകൾ പ്രദർശിപ്പിക്കുന്നില്ല) | |||
| വരി 1: | വരി 1: | ||
ഭൗതികമായ [[ദത്തം|ദത്തങ്ങൾ]] (Data) ശേഖരിക്കുകയും, വർഗ്ഗീകരിച്ച് അപഗ്രഥിക്കുകയും, അതിൽനിന്ന് പൊതുവായ നിഗമനങ്ങളെടുക്കുകയും ചെയ്യുന്ന ഗണിതശാസ്ത്രശാഖയാണ് '''സ്ഥിതിവിവരഗണിതം''' അല്ലെങ്കിൽ '''സാംഖ്യികം''' (Statistics). | |||
ഭൗതികമായ [[ദത്തം| | |||
ശാസ്ത്രം, [[ | ശാസ്ത്രം, [[എൻജിനീയറിങ്ങ്|സാങ്കേതികം]],വ്യാപാരം, മാനവികം,സാമൂഹികം തുടങ്ങി നിരവധി മേഖലകളിൽ ഈ വിജ്ഞാനം വ്യാപകമായി ഉപയോഗിക്കുന്നു. | ||
== ദത്തം, സമസ്തം, അംശം == | == ദത്തം, സമസ്തം, അംശം == | ||
ഒരു കൂട്ടം വസ്തുക്കളുടെ | ഒരു കൂട്ടം വസ്തുക്കളുടെ അല്ലെങ്കിൽ വ്യക്തികളുടെ ഏതെങ്കിലും ഓരു ഗുണത്തെപ്പറ്റിയുള്ള പ്രാഥമിക അളവുകളാണു '''ദത്തം''' എന്ന പദംകൊണ്ടുദ്ദേശിക്കുന്നത്. | ||
ഉദാഹരണത്തിന്, ഒരു രാജ്യത്തെ ജനങ്ങളുടെ എണ്ണം, ഒരു പാഠശാലയിലെ | ഉദാഹരണത്തിന്, ഒരു രാജ്യത്തെ ജനങ്ങളുടെ എണ്ണം, ഒരു പാഠശാലയിലെ ആൺകുട്ടികളുടെയും പെൺകുട്ടികളുടെയും എണ്ണം, ഒരു വ്യാപാരസ്ഥാപനത്തിലെ കച്ചവടച്ചരക്കുകളുടെ ഇനം തിരിച്ച കണക്ക്, ഒരു വ്യവസായശാലയിൽ നിർമിച്ച വസ്ത്തുക്കൾ തുടങ്ങിയവ, ദത്തങ്ങളായി പരിഗണിക്കാവുന്നവയാണ്. | ||
ഇപ്രകാരം, പഠനവിഷയമായ വസ്തുക്കളൂടെ | ഇപ്രകാരം, പഠനവിഷയമായ വസ്തുക്കളൂടെ അല്ലെങ്കിൽ വ്യക്തികളുടെ മുഴുവൻ കൂട്ടത്തെ '''സമസ്തം''' (Population / Universe) എന്നു പറയുന്നു. | ||
ചില | ചില സന്ദർഭങ്ങളിൽ, വസ്തുക്കളൂടെ അല്ലെങ്കിൽ വ്യക്തികളുടെ കൂട്ടത്തെ മുഴുവൻ നേരിട്ടുകണ്ട് പഠിക്കുവാൻ കഴിയുകയില്ല. അത്തരം സന്ദർഭങ്ങളിൽ, അവയുടെ ഒരു '''അംശം''' (Sample) സമസ്തത്തിന്റെ ഒരു പ്രതിനിധിയായി എടുത്തു വിശകലനം ചെയ്ത്, സമസ്തത്തിന്റെ ഗുണങ്ങളെപ്പറ്റി പൊതുനിഗമനങ്ങളിലെത്താൻ കഴിയും. ഈ സാംഖ്യികശാഖയാണ് '''ആഗമനസാംഖ്യികം''' (Inductive Statistics). ഇത്തരം നിഗമനങ്ങൾ പൂർണ്ണസത്യങ്ങളാണെന്നു പറയാനാവാത്തതിനാൽ, '''സംഭാവ്യത''' (Probability) യിലാണു നിഗമനങ്ങൾ പ്രസ്താവിക്കപ്പെടുന്നത്. | ||
മറിച്ച്, സമസ്തം മുഴുവനായിപ്പരിഗണിച്ച്, നിഗനമങ്ങളെടുക്കുന്ന ശാഖ, '''വിവരണസാംഖ്യികം / നിഗമനസാഖ്യികം''' (Descriptive / Deductive Statistics) എന്നറിയപ്പെടുന്നു. | മറിച്ച്, സമസ്തം മുഴുവനായിപ്പരിഗണിച്ച്, നിഗനമങ്ങളെടുക്കുന്ന ശാഖ, '''വിവരണസാംഖ്യികം / നിഗമനസാഖ്യികം''' (Descriptive / Deductive Statistics) എന്നറിയപ്പെടുന്നു. | ||
<!-- | <!-- | ||
== പട്ടികകളും ലേഖകളും == | == പട്ടികകളും ലേഖകളും == | ||
പ്രാകൃതദത്തങ്ങൾ (Raw Data) ചിട്ടപ്പെടുത്തി സൂഷിക്കുന്നതിനും പ്രദർശിപ്പിക്കുന്നതിനുമുള്ള രണ്ട് പ്രധാന ഉപാധികളാണു പട്ടികകളും (Tables) ലേഖകളും (Graphs). | |||
== | == കേന്ദ്രപ്രവണതാമാനങ്ങൾ == | ||
== | == വിന്യാസമാനങ്ങൾ == | ||
== സംഭാവ്യത == | == സംഭാവ്യത == | ||
ആവൃത്തി | ആവൃത്തി വിന്യാസങ്ങൾ | ||
അംശനം | അംശനം | ||
| വരി 32: | വരി 31: | ||
ലേഖയോജനം | ലേഖയോജനം | ||
ബന്ധനിർണയം | |||
--> | --> | ||
[[ | [[വർഗ്ഗം:ഗണിതം]] | ||
<!--visbot verified-chils-> | |||
11:15, 26 സെപ്റ്റംബർ 2017-നു നിലവിലുള്ള രൂപം
ഭൗതികമായ ദത്തങ്ങൾ (Data) ശേഖരിക്കുകയും, വർഗ്ഗീകരിച്ച് അപഗ്രഥിക്കുകയും, അതിൽനിന്ന് പൊതുവായ നിഗമനങ്ങളെടുക്കുകയും ചെയ്യുന്ന ഗണിതശാസ്ത്രശാഖയാണ് സ്ഥിതിവിവരഗണിതം അല്ലെങ്കിൽ സാംഖ്യികം (Statistics).
ശാസ്ത്രം, സാങ്കേതികം,വ്യാപാരം, മാനവികം,സാമൂഹികം തുടങ്ങി നിരവധി മേഖലകളിൽ ഈ വിജ്ഞാനം വ്യാപകമായി ഉപയോഗിക്കുന്നു.
ദത്തം, സമസ്തം, അംശം
ഒരു കൂട്ടം വസ്തുക്കളുടെ അല്ലെങ്കിൽ വ്യക്തികളുടെ ഏതെങ്കിലും ഓരു ഗുണത്തെപ്പറ്റിയുള്ള പ്രാഥമിക അളവുകളാണു ദത്തം എന്ന പദംകൊണ്ടുദ്ദേശിക്കുന്നത്. ഉദാഹരണത്തിന്, ഒരു രാജ്യത്തെ ജനങ്ങളുടെ എണ്ണം, ഒരു പാഠശാലയിലെ ആൺകുട്ടികളുടെയും പെൺകുട്ടികളുടെയും എണ്ണം, ഒരു വ്യാപാരസ്ഥാപനത്തിലെ കച്ചവടച്ചരക്കുകളുടെ ഇനം തിരിച്ച കണക്ക്, ഒരു വ്യവസായശാലയിൽ നിർമിച്ച വസ്ത്തുക്കൾ തുടങ്ങിയവ, ദത്തങ്ങളായി പരിഗണിക്കാവുന്നവയാണ്.
ഇപ്രകാരം, പഠനവിഷയമായ വസ്തുക്കളൂടെ അല്ലെങ്കിൽ വ്യക്തികളുടെ മുഴുവൻ കൂട്ടത്തെ സമസ്തം (Population / Universe) എന്നു പറയുന്നു.
ചില സന്ദർഭങ്ങളിൽ, വസ്തുക്കളൂടെ അല്ലെങ്കിൽ വ്യക്തികളുടെ കൂട്ടത്തെ മുഴുവൻ നേരിട്ടുകണ്ട് പഠിക്കുവാൻ കഴിയുകയില്ല. അത്തരം സന്ദർഭങ്ങളിൽ, അവയുടെ ഒരു അംശം (Sample) സമസ്തത്തിന്റെ ഒരു പ്രതിനിധിയായി എടുത്തു വിശകലനം ചെയ്ത്, സമസ്തത്തിന്റെ ഗുണങ്ങളെപ്പറ്റി പൊതുനിഗമനങ്ങളിലെത്താൻ കഴിയും. ഈ സാംഖ്യികശാഖയാണ് ആഗമനസാംഖ്യികം (Inductive Statistics). ഇത്തരം നിഗമനങ്ങൾ പൂർണ്ണസത്യങ്ങളാണെന്നു പറയാനാവാത്തതിനാൽ, സംഭാവ്യത (Probability) യിലാണു നിഗമനങ്ങൾ പ്രസ്താവിക്കപ്പെടുന്നത്.
മറിച്ച്, സമസ്തം മുഴുവനായിപ്പരിഗണിച്ച്, നിഗനമങ്ങളെടുക്കുന്ന ശാഖ, വിവരണസാംഖ്യികം / നിഗമനസാഖ്യികം (Descriptive / Deductive Statistics) എന്നറിയപ്പെടുന്നു.