सांख्यिकीय डेटा व्यापार डेटा की तुलना और मापने के लिए एक व्यावहारिक उपकरण है। यह संख्यात्मक राशियों के समूह को औसत मूल्य प्रदान करने का एक तरीका प्रदान करता है। यह औसत राशि एक डेटा सेट के मध्य बिंदु को निर्धारित करती है जिसे केंद्रीय प्रवृत्ति के रूप में भी जाना जाता है। हालांकि माध्य की गणना समान है, विभिन्न डेटा प्रकारों को वैकल्पिक दृष्टिकोण की आवश्यकता हो सकती है।
अंकगणित दृष्टिकोण
अंकगणितीय माध्य में डेटा सेट में सभी संख्यात्मक मानों का योग होता है। परिणाम को सूचीबद्ध मूल्यों की संख्या से विभाजित किया जाता है। मान लीजिए कि डेटा के एक सेट में ये नंबर (5,10,10,20,5) हैं। माध्य इन मानों के योग के बराबर होगा (50), मानों की संख्या से विभाजित (5)। औसत या अंकगणित माध्य बराबर (10) होगा। यह औसत गणना का सबसे अच्छा साधन नहीं हो सकता है जब संख्यात्मक मूल्यों या अन्य आउटलेर्स में व्यापक भिन्नता हो। यह आमतौर पर लगातार डेटा के साथ केंद्रीय प्रवृत्ति की गणना के लिए उपयोग किया जाता है जिसमें अंतराल और अनुपात का विश्लेषण शामिल होता है।
भारित मान असाइन करना
यद्यपि अंकगणितीय माध्य व्यावहारिक है, यह उतार-चढ़ाव वाले मूल्यों को मापते समय वास्तव में एक सटीक औसत प्रदान नहीं करता है। एक अधिक यथार्थवादी और आमतौर पर इस्तेमाल की जाने वाली व्यावसायिक विधि प्रत्येक संख्यात्मक मान के लिए भार असाइन करना है। उतार-चढ़ाव वाले मूल्यों के डेटा सेट पर एक भार या प्रतिशत असाइन करना भारित औसत विधि है। भारित औसत विधि डेटा मात्रा में उतार-चढ़ाव के लिए एक प्रतिशत लागू होती है।
ग्रोथ से निपटना
जब डेटा सेट में बढ़ती संख्याएं शामिल होती हैं, तो केंद्रीय प्रवृत्ति का अधिक सटीक माप आवश्यक होता है। ज्यामितीय माध्य एक अन्य दृष्टिकोण है जो डेटा सेट के भीतर असमानता या वृद्धि से संबंधित है। इस गणना में डेटा सेट में राशियों के उत्पाद की nth रूट लेना शामिल है। यह दृष्टिकोण सांख्यिकीय और निवेश विश्लेषण में पाई जाने वाली संख्याओं को मापता है।
वैकल्पिक उपकरण
इसके अलावा कुछ वैकल्पिक उपकरण हैं जो केंद्रीय प्रवृत्ति को माप सकते हैं। ये मोड और मंझला शामिल हैं। मोड डेटा सेट में कुछ मूल्यों की आवृत्ति की पहचान करता है। माध्यिका का उपयोग डेटा सेट के वास्तविक मध्य मूल्य को निर्धारित करने के लिए किया जा सकता है। यह आरोही क्रम में मूल्यों को क्रमबद्ध करने और दोहराए गए या मध्य मानों की पहचान करके किया जाता है। यह पैटर्न और मिडपॉइंट की पहचान करने के लिए उपयोगी है जब एकत्रित डेटा में विकृत मात्रा होती है।
