ریاضی کا مطلب ہر ڈیٹا پوائنٹ کو حتمی اوسط کے برابر شراکت دار کے طور پر پیش کرتا ہے، جبکہ وزنی مطلب مختلف اقدار کو اہمیت کی مخصوص سطحیں تفویض کرتا ہے۔ اس فرق کو سمجھنا سادہ کلاس اوسط کا حساب لگانے سے لے کر پیچیدہ مالیاتی محکموں کے تعین تک جہاں کچھ اثاثے دوسروں کے مقابلے میں زیادہ اہمیت رکھتے ہیں، ہر چیز کے لیے اہم ہے۔
معیاری اوسط کا حساب تمام اقدار کو جمع کرکے اور کل گنتی سے تقسیم کرکے کیا جاتا ہے۔
ایک اوسط جہاں کچھ اقدار تفویض کردہ وزن کی بنیاد پر دوسروں کے مقابلے حتمی نتیجہ میں زیادہ حصہ ڈالتی ہیں۔
| خصوصیت | ریاضی کا مطلب | وزنی اوسط |
|---|---|---|
| اہمیت کی سطح | تمام اقدار برابر ہیں۔ | فی ڈیٹا پوائنٹ مختلف ہوتا ہے۔ |
| ریاضی کا فارمولا | $\sum x / n$ | $\sum (x \cdot w) / \sum w$ |
| ڈینومینیٹر | اشیاء کی گنتی | وزن کا مجموعہ |
| بہترین استعمال کا کیس | مستقل ڈیٹا سیٹس | گریڈنگ، فنانس، اکنامکس |
| پیمانے پر حساسیت | یکساں طور پر حساس | وزن کے سائز کی طرف سے مقرر |
| رشتہ | سادہ/فلیٹ اوسط | متناسب/ایڈجسٹڈ اوسط |
ریاضی کے معنی میں، اگر آپ کے پاس پانچ ٹیسٹ اسکور ہیں، تو ہر ایک آپ کے آخری گریڈ کا 20% ہے۔ تاہم، ایک وزنی مطلب میں، ایک حتمی امتحان کا وزن 40% تفویض کیا جا سکتا ہے جبکہ ایک چھوٹا کوئز صرف 5% کے لیے شمار ہوتا ہے۔ یہ یقینی بناتا ہے کہ بڑے کاموں پر آپ کی کارکردگی کا معمولی کاموں کے مقابلے میں نتائج پر زیادہ اثر پڑتا ہے۔
ریاضی کا مطلب تلاش کرنے کے لیے، آپ صرف ان کو جوڑ کر تقسیم کریں۔ وزنی اوسط کے لیے، یہ عمل کچھ زیادہ ہی شامل ہے: آپ ہر قدر کو اس کے وزن سے ضرب دیتے ہیں، ان نتائج کو ایک ساتھ جوڑتے ہیں، اور پھر استعمال کیے گئے تمام وزنوں کے کل سے تقسیم کرتے ہیں۔ اگر وزن فی صد ہیں جو 100% تک جوڑتے ہیں، تو تقسیم کا مرحلہ بنیادی طور پر صرف 1 سے تقسیم ہوتا ہے۔
ماہرین اقتصادیات کنزیومر پرائس انڈیکس (سی پی آئی) کے ذریعے افراط زر کو ٹریک کرنے کے لیے وزنی ذرائع استعمال کرتے ہیں۔ وہ صرف ایک اسٹور میں ہر چیز کی قیمت کا اوسط نہیں رکھتے۔ وہ کرایہ یا پٹرول جیسی ضروری اشیاء کو زیادہ وزن دیتے ہیں اور زیورات جیسی لگژری اشیاء کو کم وزن دیتے ہیں۔ یہ ایک عام گھرانے کے خرچ کرنے کی اصل عادات کو عام اوسط سے زیادہ درست طریقے سے ظاہر کرتا ہے۔
ریاضی کا مطلب آسانی سے ایک انتہائی قدر سے 'جھوٹ بولا' جا سکتا ہے۔ اس کو کم کرنے کے لیے ایک وزنی مطلب استعمال کیا جا سکتا ہے اگر آؤٹ لیئر کو کم اہم سمجھا جاتا ہے۔ انتہائی یا کم قابل اعتماد ڈیٹا پوائنٹس کو کم وزن تفویض کرنے سے، نتیجے میں اوسط ڈیٹا سیٹ کے 'عام' مرکز کے قریب رہتا ہے۔
ایک وزنی اوسط ہمیشہ ریاضی کے اوسط سے زیادہ 'درست' ہوتا ہے۔
ضروری نہیں۔ اگر آپ من مانی یا غلط وزن استعمال کرتے ہیں، تو نتیجہ متعصب ہوگا۔ اسے صرف اس وقت استعمال کریں جب ایک ڈیٹا پوائنٹ کے زیادہ اہم ہونے کی کوئی حقیقت پر مبنی وجہ ہو۔
وزنی وسط کے لیے ڈینومینیٹر اشیاء کی تعداد ہے۔
یہ حساب کی سب سے عام غلطی ہے۔ ڈینومینیٹر ان تمام وزنوں کا مجموعہ ہونا چاہیے جو آپ نے استعمال کیے ہیں، ورنہ نتیجہ غلط طریقے سے چھوٹا ہو گا۔
وزنی اوسط صرف درجات کے لیے ہیں۔
وہ ہر جگہ استعمال ہوتے ہیں! ڈاؤ جونز انڈسٹریل ایوریج سے لے کر مختلف سینسر مقامات کی بنیاد پر کمرے کے اوسط درجہ حرارت کا حساب لگانے تک۔
اگر تمام وزن ایک جیسے ہیں تو وزن کا مطلب مختلف ہے۔
اگر ہر وزن برابر ہے (مثال کے طور پر، سب 1 ہیں)، ریاضی بالکل آسان ہو جاتا ہے ریاضی کے وسط میں۔ وہ بنیادی طور پر ایک ہی نظام ہیں۔
سیدھے سادے ڈیٹا کے لیے ریاضی کا مطلب استعمال کریں جہاں ہر اندراج پیمائش کی ایک جیسی اکائی کی نمائندگی کرتا ہے۔ جب کچھ عوامل جیسے کریڈٹ کے اوقات، آبادی کا سائز، یا مالیاتی سرمایہ کاری کچھ ڈیٹا پوائنٹس کو دوسروں کے مقابلے میں زیادہ معنی خیز بناتے ہیں تو وزنی مطلب کا انتخاب کریں۔
جبکہ اسکیلرز اور ویکٹر دونوں ہمارے اردگرد کی دنیا کی مقدار درست کرتے ہیں، بنیادی فرق ان کی پیچیدگی میں ہے۔ اسکیلر طول و عرض کی ایک سادہ پیمائش ہے، جب کہ ایک ویکٹر اس سائز کو ایک مخصوص سمت کے ساتھ جوڑتا ہے، جو اسے جسمانی خلا میں حرکت اور قوت کو بیان کرنے کے لیے ضروری بناتا ہے۔
جبکہ حقیقی اعداد ان تمام اقدار کو گھیرے ہوئے ہیں جنہیں ہم عام طور پر طبعی دنیا کی پیمائش کے لیے استعمال کرتے ہیں—پورے عدد سے لے کر لامحدود اعشاریہ تک—پیچیدہ اعداد خیالی اکائی $i$ کو متعارف کروا کر اس افق کو بڑھاتے ہیں۔ یہ اضافہ ریاضی دانوں کو ان مساواتوں کو حل کرنے کی اجازت دیتا ہے جن کا کوئی حقیقی حل نہیں ہے، جس سے ایک دو جہتی نمبر کا نظام تشکیل پاتا ہے جو جدید طبیعیات اور انجینئرنگ کے لیے ضروری ہے۔
جب کہ الجبرا عمل کے تجریدی اصولوں اور نامعلوم کو حل کرنے کے لیے علامتوں کی ہیرا پھیری پر توجہ مرکوز کرتا ہے، جیومیٹری خلا کی طبعی خصوصیات کو دریافت کرتی ہے، بشمول سائز، شکل، اور اعداد و شمار کی رشتہ دار پوزیشن۔ ایک ساتھ مل کر، وہ ریاضی کی بنیاد بناتے ہیں، منطقی تعلقات کو بصری ڈھانچے میں ترجمہ کرتے ہیں۔
امکان اور اعدادوشمار ایک ہی ریاضی کے سکے کے دو رخ ہیں، جو مخالف سمتوں سے آنے والی غیر یقینی صورتحال سے نمٹتے ہیں۔ اگرچہ امکان معلوم ماڈلز کی بنیاد پر مستقبل کے نتائج کے امکان کی پیشین گوئی کرتا ہے، اعداد و شمار ان ماڈلز کی تعمیر یا تصدیق کے لیے ماضی کے ڈیٹا کا تجزیہ کرتے ہیں، بنیادی سچائی کو تلاش کرنے کے لیے مشاہدات سے پیچھے ہٹ کر مؤثر طریقے سے کام کرتے ہیں۔
اگرچہ اکثر آرام دہ گفتگو میں ایک دوسرے کے ساتھ استعمال کیا جاتا ہے، امکان اور مشکلات واقعہ کے امکان کو ظاہر کرنے کے دو مختلف طریقوں کی نمائندگی کرتے ہیں۔ امکان سازگار نتائج کی تعداد کا موازنہ امکانات کی کل تعداد سے کرتا ہے، جب کہ مشکلات موافق نتائج کی تعداد کا موازنہ براہ راست غیر موافق نتائج کی تعداد سے کرتی ہیں۔
