वास्तविक जीवन में द्विचर डेटा के 5 उदाहरण

द्विचर डेटा एक डेटा सेट को संदर्भित करता है जिसमें बिल्कुल दो चर होते हैं।

इस प्रकार का डेटा हर समय वास्तविक दुनिया की स्थितियों में दिखाई देता है, और हम इस प्रकार के डेटा का विश्लेषण करने के लिए आम तौर पर निम्नलिखित तरीकों का उपयोग करते हैं:

• बिंदु बादल
• सहसंबंध गुणांक
• सरल रेखीय प्रतिगमन

निम्नलिखित उदाहरण विभिन्न परिदृश्य दिखाते हैं जिनमें द्विचर डेटा वास्तविक जीवन में प्रकट होता है।

उदाहरण 1: व्यवसाय

कंपनियां अक्सर विज्ञापन पर खर्च किए गए कुल पैसे और कुल राजस्व पर अलग-अलग डेटा एकत्र करती हैं।

उदाहरण के लिए, कोई कंपनी लगातार 12 बिक्री तिमाहियों के लिए निम्नलिखित डेटा एकत्र कर सकती है:

यह द्विचर डेटा का एक उदाहरण है क्योंकि इसमें बिल्कुल दो चरों की जानकारी शामिल है: विज्ञापन व्यय और कुल राजस्व।

कंपनी इस डेटा सेट में एक सरल रैखिक प्रतिगमन मॉडल फिट करने का निर्णय ले सकती है और निम्नलिखित फिट मॉडल ढूंढ सकती है:

कुल राजस्व = 14,942.75 + 2.70* (विज्ञापन व्यय)

इससे कंपनी को पता चलता है कि विज्ञापन पर खर्च किए गए प्रत्येक अतिरिक्त डॉलर के लिए, कुल राजस्व में औसतन $2.70 की वृद्धि होती है।

उदाहरण 2: चिकित्सा

स्वास्थ्य संबंधी चरों के बीच संबंधों को बेहतर ढंग से समझने के लिए चिकित्सा शोधकर्ता अक्सर द्विचर डेटा एकत्र करते हैं।

उदाहरण के लिए, एक शोधकर्ता 15 लोगों से निम्नलिखित आयु और शेष हृदय गति डेटा एकत्र कर सकता है:

फिर शोधकर्ता दो चरों के बीच सहसंबंध की गणना करने का निर्णय ले सकता है और इसे 0.812 के बराबर पा सकता है।

इससे पता चलता है कि दोनों चरों के बीच एक मजबूत सकारात्मक सहसंबंध है। यानी जैसे-जैसे उम्र बढ़ती है, शेष हृदय गति भी अनुमानित रूप से बढ़ने लगती है।

संबंधित: “मजबूत” सहसंबंध क्या माना जाता है?

उदाहरण 3: शिक्षाविद

शोधकर्ता अक्सर यह समझने के लिए द्विचर डेटा एकत्र करते हैं कि कौन से चर कॉलेज के छात्रों के प्रदर्शन को प्रभावित करते हैं।

उदाहरण के लिए, एक शोधकर्ता प्रति सप्ताह अध्ययन किए गए घंटों की संख्या और एक निश्चित कक्षा में छात्रों के लिए संबंधित GPA पर डेटा एकत्र कर सकता है:

फिर वह इन दो चरों के बीच संबंध की कल्पना करने के लिए एक सरल स्कैटरप्लॉट बना सकती है:

दोनों चरों के बीच स्पष्ट रूप से एक सकारात्मक संबंध है: जैसे-जैसे प्रति सप्ताह अध्ययन किए गए घंटों की संख्या बढ़ती है, छात्र का जीपीए भी बढ़ने लगता है।

उदाहरण 4: अर्थव्यवस्था

अर्थशास्त्री अक्सर दो सामाजिक-आर्थिक चरों के बीच संबंध को समझने के लिए द्विचर डेटा एकत्र करते हैं।

उदाहरण के लिए, एक अर्थशास्त्री किसी निश्चित शहर में स्कूली शिक्षा के कुल वर्षों और व्यक्तियों की कुल वार्षिक आय पर डेटा एकत्र कर सकता है:

फिर वह निम्नलिखित सरल रैखिक प्रतिगमन मॉडल को अनुकूलित करने का निर्णय ले सकता है:

वार्षिक आय = -45,353 + 7,120*(स्कूली शिक्षा के वर्ष)

यह अर्थशास्त्री को बताता है कि स्कूली शिक्षा के प्रत्येक अतिरिक्त वर्ष के लिए, वार्षिक आय में औसतन $7,120 की वृद्धि होती है।

उदाहरण 5: जीव विज्ञान

जीवविज्ञानी अक्सर यह समझने के लिए द्विचर डेटा एकत्र करते हैं कि पौधों या जानवरों के बीच दो चर कैसे संबंधित हैं।

उदाहरण के लिए, एक जीवविज्ञानी विभिन्न क्षेत्रों में कुल वर्षा और पौधों की कुल संख्या पर डेटा एकत्र कर सकता है:

फिर जीवविज्ञानी दो चरों के बीच सहसंबंध की गणना करने का निर्णय ले सकता है और इसे 0.926 के बराबर पा सकता है।

इससे पता चलता है कि दोनों चरों के बीच एक मजबूत सकारात्मक सहसंबंध है।

अर्थात्, अधिक वर्षा का किसी क्षेत्र में पौधों की बढ़ती संख्या से गहरा संबंध है।

अतिरिक्त संसाधन

निम्नलिखित ट्यूटोरियल द्विचर डेटा और इसका विश्लेषण करने के तरीके के बारे में अतिरिक्त जानकारी प्रदान करते हैं।

द्विचर विश्लेषण का परिचय
यूनीवेरिएट विश्लेषण का परिचय
पियर्सन सहसंबंध गुणांक का परिचय
सरल रेखीय प्रतिगमन का परिचय