Types of Data (Qualitative and Quantitative Data in Hindi)

Types of Data (Qualitative and Quantitative Data in Hindi)

डेटा (Data) के प्रकार – किसी व्यवसाय को सही रास्ते पर ले जाने के लिए डेटा ईंधन की तरह काम करता है। यह सार्थक जानकारी प्रदान करता है जिसका उपयोग वर्तमान अभियानों की रणनीति को बेहतर बनाने के लिए किया जा सकता है। इसका उपयोग नए उत्पादों के लॉन्च को आसानी से प्रबंधित करने के लिए किया जा सकता है, या इसे अलग तरीके से उपयोग किया जा सकता है।

जब डेटा हमारे जीवन में इतना महत्वपूर्ण है, तो यह आवश्यक है कि इसे बिना किसी त्रुटि के सही ढंग से संग्रहीत और संसाधित किया जाए। डेटासेट के साथ काम करते समय, डेटा का प्रकार यह निर्धारित करने में महत्वपूर्ण भूमिका निभाता है कि कौन सी प्रीप्रोसेसिंग विधि किसी विशिष्ट सेट के लिए सर्वोत्तम परिणाम देगी या सर्वोत्तम परिणाम प्राप्त करने के लिए किस प्रकार के सांख्यिकीय विश्लेषण का उपयोग किया जाना चाहिए।

[Read this article in English]

डेटा वर्णनात्मक (गुण या विशेषताएं) या संख्यात्मक (संख्या) हो सकता है। आइए कुछ सबसे प्रचलित डेटा प्रकारों पर एक नज़र डालें। डेटा दो प्रकार के होते हैं: गुणात्मक (Qualitative Data) और मात्रात्मक (Quantitative Data).

(A) Qualitative Data (गुणात्मक डेटा):

Qualitative Data are not numbers. गुणात्मक डेटा संख्याएं नहीं हैं। 

गुणात्मक डेटा में कोई संख्या नहीं होती है, और इसलिए इसे मापा नहीं जा सकता है। इसे श्रेणीबद्ध डेटा भी कहा जाता है क्योंकि डेटा को संख्या के बजाय श्रेणी के आधार पर क्रमबद्ध किया जा सकता है।

गुणात्मक डेटा उन गुणों (विशेषताओं) और विवरणों से संबंधित है जिन्हें मापना मुश्किल है लेकिन उनको व्यक्तिगत (विषयगत) रूप से देखा जा सकता है, जैसे गंध, स्वाद, बनावट, सौंदर्य, रंग, आदि। इनमें पसंदीदा भोजन, पसंदीदा छुट्टी गंतव्य, धर्म, जातीयता, विश्वास, शब्द, चित्र, प्रतीक, रंग, आदि भी शामिल हैं।

इन आंकड़ों का वर्णन कुछ विशेषताओं द्वारा किया जाता है, उदाहरण के लिए, लिंग, रक्त समूह, आदि। गुणात्मक डेटा में प्रत्येक तत्व की विशेषताओं को खोजने के लिए लेबल या नामों का उपयोग किया जाता है।

यह डेटा “यह कैसे हुआ?” या “ऐसा क्यों हुआ?” जैसे सवालों के जवाब दे सकता है।

सामान्य तौर पर, गुणात्मक डेटा को दो प्रकारों में विभाजित किया जा सकता है:

1. Nominal data (नाममात्र का डेटा या सांकेतिक डेटा)
2. Ordinal data (क्रमिक डेटा या सामान्य डेटा)

1. Nominal Data (नाममात्र का या सांकेतिक डेटा):

यह डेटा प्रकार केवल चर नामकरण के लिए उपयोग किया जाता है और इसका कोई संख्यात्मक मान नहीं होता है।

नाममात्र डेटा को अक्सर “लेबल” के रूप में जाना जाता है। दूसरे शब्दों में, नाममात्र डेटा उन मूल्यों का संग्रह है जिनमें प्राकृतिक क्रम नहीं होता है।

उदाहरण के लिए, यह बताना संभव नहीं है कि ‘हरा रंग’ ‘नीला’ से बड़ा है या ‘नीला रंग’ ‘हरा’ से, इसलिए हम एक रंग की दूसरे से तुलना नहीं कर सकते हैं, और इसलिए किसी चीज़ का रंग नाममात्र प्रकार का डेटा (Nominal data) है।

Nominal data के उदाहरण:

• रंग: (गोरा, भूरा, श्यामल, लाल, पीला, आदि)
• स्वाद: (खट्टा, मीठा, नमकीन, तीखा, आदि)
• भाषाएँ: (संस्कृत, हिंदी, अंग्रेजी, मराठी, गुजराती, तमिल, तेलुगु, आदि)

इन उदाहरणों में, चर के लिए कोई आंतरिक क्रम नहीं है।

रंग एक नाममात्र चर है जिसमें कुछ श्रेणियां होती हैं, जैसे कि नीला, हरा, भूरा, आदि, और इन श्रेणियों को रैंक-वार तरीके से व्यवस्थित करने का कोई तरीका नहीं है, अर्थात, सर्वश्रेष्ठ से सबसे खराब या इसके विपरीत (vice-versa)।

स्वाद कुछ श्रेणियों के साथ एक नाममात्र चर है, जैसे कि खट्टा, मीठा, नमकीन, तीखा, और इसी तरह, और इन श्रेणियों को उच्चतम से निम्नतम या इसके विपरीत व्यवस्थित करने का कोई तरीका नहीं है।

2. Ordinal Data (क्रमिक डेटा या सामान्य डेटा):

क्रमिक डेटा एक प्रकार का गुणात्मक डेटा है जिसमें मूल्यों को एक विशिष्ट क्रम में व्यवस्थित किया जाता है।

इस प्रकार के डेटा में, श्रेणी के मूल्यों को बनाए रखते हुए एक प्राकृतिक क्रम होता है। दूसरे शब्दों में, क्रमिक डेटा वह डेटा होता है जिसे उसके पैमाने की स्थिति के अनुसार क्रमबद्ध किया जाता है। उदाहरण के लिए, वे श्रेष्ठता का संकेत दे सकते हैं। अंकगणित के लिए सामान्य संख्याओं का उपयोग नहीं किया जा सकता क्योंकि वे केवल अनुक्रम प्रदर्शित करते हैं।

उदाहरण के लिए, हम कपड़ों के ब्रांड के आकार को उनके नाम टैग के अनुसार छोटे <मध्यम <बड़े के क्रम में आसानी से रख सकते हैं।

Ordinal Data (क्रमिक डेटा) के उदाहरण:

• आर्थिक स्थिति: (निम्न, मध्यम, उच्च)।
• अक्षर ग्रेड: (A, B, C, D, E, आदि)
• प्रतियोगिता में रैंक: (प्रथम, द्वितीय, तृतीय)
• शैक्षिक पृष्ठभूमि: (10 वीं, 12 वीं, स्नातक, स्नातकोत्तर, आदि)
• दिन का समय: (सुबह, दोपहर, रात)

इन सभी उदाहरणों में, श्रेणियों के लिए एक स्पष्ट क्रम है। इसलिए, क्रमिक डेटा लगभग नाममात्र डेटा के समान है, सिवाय इसके कि क्रमिक डेटा में विशिष्ट क्रम या व्यवस्था महत्वपूर्ण है।

किसी चीज को वर्गीकृत या आंकने के लिए गुणात्मक डेटा बनाया जाता है।

(B) Quantitative Data (मात्रात्मक डेटा):

Quantitative data are numbers. मात्रात्मक डेटा संख्याएं हैं।

संख्याएँ मात्रात्मक डेटा बनाती हैं। अर्थात्, जो डेटा संख्याओं में हों, वे मात्रात्मक डेटा हैं। मात्रात्मक डेटा संख्याओं और चीजों से बना होता है जिन्हें निष्पक्ष रूप से मापा जा सकता है, जैसे, क्षेत्र, आयतन, ऊंचाई, चौड़ाई, लंबाई, वजन, गति, आर्द्रता, तापमान, कीमतें, वर्ष, स्वामित्व वाले पालतू जानवरों की संख्या, आदि।

मात्रात्मक डेटा हमेशा संख्याओं द्वारा दर्शाया जाता है जो या तो ‘कितना’ या ‘कितने’ को दर्शाता है।.

सामान्य तौर पर, मात्रात्मक डेटा को दो प्रकारों में विभाजित किया जा सकता:

1. Discrete data (असतत डेटा या अनिरंतर डेटा)
2. Continuous data (सतत या निरंतर डेटा)

1. Discrete Data (असतत डेटा):

असतत डेटा की गणना की जाती है, लेकिन इसमें केवल कुछ निश्चित मान हो सकते हैं।

असतत डेटा में असतत चर के साथ परिमित, संख्यात्मक, गणनीय और गैर-ऋणात्मक पूर्णांक होते हैं। आम तौर पर, इसमें पूर्णांक शामिल होते हैं। विद्यार्थियों की संख्या, बच्चों की संख्या, जूते का आकार, इत्यादि सभी असतत डेटा के उदाहरण हैं।

असतत डेटा (Discrete Data) के उदाहरण:

• जब हम एक पासे को घुमाते हैं, तो हमें असतत डेटा के रूप में 1, 2, 3, 4, 5, या 6 प्राप्त होते हैं। पासे से 2.35 का मान प्राप्त करना असंभव है।
• एक कक्षा में नामांकित छात्रों की कुल संख्या असतत डेटा है, क्योंकि हमारे पास आधा छात्र नहीं हो सकता है।
• आपके घर में बच्चों (या वयस्कों, या पालतू जानवरों) की संख्या असतत डेटा है क्योंकि आप पूर्ण, अविभाज्य वस्तुओं की गिनती कर रहे हैं। आपके 1.5 बच्चे या 2.3 पालतू जानवर नहीं हो सकते।
• विभिन्न चीज़ें खरीदने वाले ग्राहकों की कुल संख्या
• प्रत्येक विभाग के कंप्यूटरों की कुल संख्या
• सामानों की संख्या, जितने आप हर हफ्ते किराने की दुकान से खरीदते हैं।

असतत डेटा को दर्शाने और प्रदर्शित करने के लिए हम बार चार्ट, लाइन चार्ट और पाई चार्ट जैसे सरल सांख्यिकीय दृष्टिकोणों का उपयोग कर सकते हैं।

असतत डेटा श्रेणीबद्ध भी हो सकता है, जिसका अर्थ है कि इसमें सीमित संख्या में डेटा मान होते हैं, जैसे कि किसी व्यक्ति का लिंग (पुल्लिंग, स्त्रीलिंग और नपुंसकलिंग)। असतत वितरण असतत मूल्यों का विश्लेषण करना आसान बनाता है।

2. Continuous Data (सतत डेटा):

सतत डेटा को मापा जाता है, और इसका मूल्य एक सीमा के भीतर कुछ भी हो सकता है।

सतत डेटा संख्याओं का एक समूह है जिसका कोई दशमलव या भिन्नात्मक मान हो सकता है। जटिल संख्याएँ और उतार-चढ़ाव वाले डेटा मान जिन्हें एक निर्धारित समय सीमा में मापा जाता है, उन्हें भी इसमें शामिल किया जाता है। ऊंचाई, वजन, लंबाई, समय, तापमान, उम्र आदि सभी निरंतर डेटा के उदाहरण हैं।

उदाहरण के लिए, किसी व्यक्ति की ऊंचाई ठीक 5.78 फीट हो सकती है। आपकी गति 5 मील प्रति घंटे से 6 मील तक प्रति घंटे नहीं बढ़ती है; इसके बजाय, यह बीच के प्रत्येक दशमलव बिंदु से होकर गुजरता है, जैसे कि 5.4 मील प्रति घंटे।

दूसरे शब्दों में, निरंतर डेटा को विभाजित किया जा सकता है और साथ ही और अधिक अच्छे स्तरों पर परिष्कृत (शुद्ध) किया जा सकता है। उदाहरण के लिए, हम किसी की ऊंचाई मीटर, सेंटीमीटर, मिलीमीटर आदि में माप सकते हैं, इसलिए ऊंचाई निरंतर डेटा है।

सतत डेटा (continuous data) के उदाहरण:

• नवजात शिशुओं के शरीर का वजन
• फ्रीजर का तापमान
• हवा की गति

निरंतर डेटा को आगे अंतराल पैमाने या अनुपात पैमाने पर मापा जा सकता है।

(i) Interval Scale (अंतराल पैमाना):

जिन मानों में प्राकृतिक शून्य नहीं होता है, उन्हें अंतराल पैमाना कहा जाता है।

एक अंतराल पैमाने का क्रम होता है और दो मानों के बीच का अंतर महत्वपूर्ण होता है। आप इन संख्याओं का अनुपात नहीं बना सकते, जैसे कि एक कमरे का सेल्सियस में तापमान।

तापमान, पीएच और क्रेडिट स्कोर अंतराल चर के उदाहरण हैं।

(ii) Ratio Scale (अनुपात पैमाना):

एक अनुपात पैमाना उन मानों का एक समूह है जिनमें प्राकृतिक शून्य होता है।

अनुपात पैमाने पर मापी गई किसी चीज़ में वही गुण होते हैं जो अंतराल पैमाने पर मापी जाती है, इस अपवाद के साथ कि अनुपात पैमाने के साथ एक पूर्ण शून्य बिंदु होता है। दूसरे शब्दों में, एक अनुपात चर में अंतराल चर के सभी गुण होते हैं, साथ ही 0.0 की एक विशिष्ट परिभाषा भी होती है। चर का मान 0.0 के बराबर होने पर चर का कोई मान नहीं होता है।

• इसका उदाहरण केल्विन में मापा गया तापमान है। 0 डिग्री केल्विन से नीचे, कोई मान संभव नहीं है; यह परम शून्य है।
• एक और उदाहरण वजन है; 0 किग्रा, वजन की उल्लेखनीय अनुपस्थिति को सूचित करता है।

अधिकांश समय, जब हम डेटा एकत्र करते हैं, तो हम मात्रात्मक डेटा एकत्र करने का प्रयास करते हैं ताकि हम डेटा से बेहतर निष्कर्ष निकाल सकें।

Tags: qualitative and quantitative types of data in statistics in hindi

Copyrighted Material © 2019 - 2024 Prinsli.com - All rights reserved

All content on this website is copyrighted. It is prohibited to copy, publish or distribute the content and images of this website through any website, book, newspaper, software, videos, YouTube Channel or any other medium without written permission. You are not authorized to alter, obscure or remove any proprietary information, copyright or logo from this Website in any way. If any of these rules are violated, it will be strongly protested and legal action will be taken.