شماریات

معیاری انحراف کیسے نکالیں (نمونہ اور آبادی)

مصنف MathSolver Pro Editorial Team · اشاعت 25 اکتوبر، 2026

معیاری انحراف ناپتا ہے کہ ڈیٹا کی قدریں عام طور پر اپنی اوسط سے کتنی دور ہوتی ہیں۔ یہ رہنما حساب کو مرحلہ وار سمجھاتا ہے، بتاتا ہے کہ کب n سے اور کب n منفی 1 سے تقسیم کرنا ہے، اور دکھاتا ہے کہ جواب ملنے کے بعد اسے کیسے پڑھا جائے۔

معیاری انحراف کیا ناپتا ہے

اوسط بتاتی ہے کہ ڈیٹا کا مرکز کہاں ہے، لیکن یہ نہیں کہ قدریں اس کے گرد کتنی قریب جمع ہیں۔ معیاری انحراف یہ خلا پُر کرتا ہے۔ چھوٹے معیاری انحراف کا مطلب ہے کہ قدریں اوسط کے قریب ہیں؛ بڑے کا مطلب ہے کہ وہ دور دور بکھری ہوئی ہیں۔ یہ ڈیٹا ہی کی اکائیوں میں ناپا جاتا ہے، اس لیے قد کا 5 سینٹی میٹر معیاری انحراف ہو تو ایک عام قد اوسط سے تقریباً 5 سینٹی میٹر کے فاصلے پر ہوتا ہے۔

حساب ایک سادہ منطق پر چلتا ہے۔ ناپیں کہ ہر قدر اوسط سے کتنی دور ہے، ان فاصلوں کا مربع لیں تاکہ اوسط سے اوپر اور نیچے کی قدریں ایک دوسرے کو منسوخ نہ کریں، مربعوں کی اوسط نکالیں، اور آخر میں اصل اکائیوں میں واپس آنے کے لیے جذر لیں۔ اگر خود اوسط کو دہرانا ہو تو اوسط، وسطانیہ، عادہ اور معیاری انحراف سے شروع کریں۔

دو فارمولے

اس کی دو صورتیں ہیں، اس پر منحصر کہ آپ کا ڈیٹا پوری آبادی ہے یا کسی بڑی آبادی سے لیا گیا نمونہ:

\sigma = \sqrt{\frac{\sum (x_i - \mu)^2}{N}} \qquad s = \sqrt{\frac{\sum (x_i - \bar{x})^2}{n - 1}}

آبادی کا معیاری انحراف $\sigma$ قدروں کی تعداد $N$ سے تقسیم کرتا ہے۔ نمونے کا معیاری انحراف $s$ کو $n - 1$ سے تقسیم کیا جاتا ہے۔ جذر کے نیچے والی مقدار تغیر (ویری اینس) ہے، جسے $\sigma^2$ یا $s^2$ لکھا جاتا ہے۔ تغیر نظری طور پر مفید ہے، لیکن اس کی اکائیاں مربع ہوتی ہیں، جیسے مربع سینٹی میٹر، اسی لیے عام طور پر معیاری انحراف ہی بتایا جاتا ہے۔

پانچ مراحل، ہاتھ سے حل شدہ

مثال 1: پانچ قدروں کا معیاری انحراف

ڈیٹا: 6، 8، 10، 12، 14۔ مرحلہ 1، اوسط نکالیں: $\frac{50}{5} = 10$ ۔
مرحلہ 2، ہر قدر سے اوسط تفریق کریں: $-4, -2, 0, 2, 4$ ۔
مرحلہ 3، ہر انحراف کا مربع لیں: $16, 4, 0, 4, 16$ ۔
مرحلہ 4، مربعوں کو جمع کریں: $16 + 4 + 0 + 4 + 16 = 40$ ۔
مرحلہ 5، تقسیم کریں اور جذر لیں۔ آبادی کے طور پر: $\sigma = \sqrt{\frac{40}{5}} = \sqrt{8} \approx 2.83$ ۔ نمونے کے طور پر: $s = \sqrt{\frac{40}{4}} = \sqrt{10} \approx 3.16$ ۔

$x$ ، $x - \bar{x}$ اور $(x - \bar{x})^2$ کے کالموں والا جدول کام کو منظم رکھتا ہے۔ ایک مفید جانچ یہ ہے کہ دوسرے کالم کے انحرافات کا مجموعہ ہمیشہ صفر ہوتا ہے۔ اگر ایسا نہ ہو تو اوسط غلط ہے، اور اس کے بعد کا سب کچھ بھی غلط ہوگا۔

نمونے کے لیے n منفی 1 سے کیوں تقسیم کریں؟

جب آپ نمونے کے ساتھ کام کرتے ہیں تو آبادی کی اصل اوسط معلوم نہیں ہوتی، اس لیے آپ انحرافات نمونے کی اوسط سے ناپتے ہیں۔ نمونے کی اوسط اپنی ساخت کے لحاظ سے وہ نقطہ ہے جو اس خاص نمونے کے لیے مربع انحرافات کا مجموعہ کم سے کم کر دیتا ہے۔ اس لیے اس سے ناپے گئے انحرافات اوسطاً اصل اوسط سے ناپے گئے انحرافات سے کچھ چھوٹے ہوتے ہیں۔

$n$ کے بجائے $n - 1$ سے تقسیم کرنا اس کی تلافی کرتا ہے اور نمونے کے تغیر کو آبادی کے تغیر کا غیر جانبدار تخمینہ بنا دیتا ہے۔ اس تصحیح کو بیسل کی تصحیح کہتے ہیں۔ اسے آزادی کے درجوں کے ذریعے بھی سمجھا جا سکتا ہے: جب اوسط اور انحرافات میں سے $n - 1$ معلوم ہوں تو آخری انحراف خود طے ہو جاتا ہے، کیونکہ سب کا مجموعہ صفر ہونا لازم ہے۔ صرف $n - 1$ انحرافات آزاد معلومات رکھتے ہیں۔

عملی طور پر نمونے والا فارمولا استعمال کریں، سوائے اس کے کہ آپ کے ڈیٹا میں واقعی اس گروہ کا ہر رکن شامل ہو جس میں آپ کی دلچسپی ہے، مثلاً ایک جماعت کے ہر طالب علم کے نمبر جب آپ کو صرف اسی جماعت سے غرض ہو۔

مختصر فارمولا اور تعدد جدول

الجبری طور پر مساوی ایک فارمولا ہر انحراف الگ نکالنے سے بچاتا ہے:

\sigma^2 = \frac{\sum x_i^2}{N} - \mu^2

مثال 1 کے ڈیٹا کے لیے $\sum x^2 = 36 + 64 + 100 + 144 + 196 = 540$ ، اس لیے $\sigma^2 = \frac{540}{5} - 10^2 = 8$ ، پہلے کی طرح۔ یہ مختصر طریقہ ہاتھ سے تیز ہے، لیکن بڑے یا بہت درست اعداد کے ساتھ کمپیوٹر اس سے گریز کرتے ہیں، کیونکہ دو تقریباً برابر بڑے اعداد کی تفریق سے درستی ضائع ہوتی ہے۔

مثال 2: تعدد جدول میں ڈیٹا

ایک سروے 10 گھروں میں پالتو جانوروں کی تعداد درج کرتا ہے: قدر 1 کا تعدد 2 ہے، 2 کا 5 اور 3 کا 3۔
اوسط: $\frac{1(2) + 2(5) + 3(3)}{10} = \frac{21}{10} = 2.1$ ۔
وزنی مربع انحرافات: $2(1 - 2.1)^2 + 5(2 - 2.1)^2 + 3(3 - 2.1)^2 = 2.42 + 0.05 + 2.43 = 4.9$ ۔
نمونے کے طور پر: $s = \sqrt{\frac{4.9}{9}} \approx 0.738$ ۔ آبادی کے طور پر: $\sigma = \sqrt{\frac{4.9}{10}} = 0.7$ ۔

نتیجے کی تشریح

تقریباً گھنٹی نما معمول تقسیم والے ڈیٹا کے لیے تجرباتی قاعدہ معیاری انحراف کا ٹھوس مطلب بتاتا ہے: تقریباً 68 فیصد قدریں اوسط سے ایک معیاری انحراف کے اندر ہوتی ہیں، تقریباً 95 فیصد دو کے اندر اور تقریباً 99.7 فیصد تین کے اندر۔ اگر کسی گروہ میں بالغوں کے قد کی اوسط 170 سینٹی میٹر اور معیاری انحراف 8 ہو تو گروہ کا تقریباً 95 فیصد 154 اور 186 سینٹی میٹر کے درمیان قد رکھتا ہے۔

کسی بھی شکل کے ڈیٹا کے لیے چیبی شیف کی عدم مساوات پھر بھی ضمانت دیتی ہے کہ کم از کم 75 فیصد قدریں اوسط سے دو معیاری انحراف کے اندر ہوں، اور کم از کم تقریباً 89 فیصد تین کے اندر۔ کسی ایک قدر کا اوسط سے فاصلہ معیاری انحرافوں میں بیان کرنے سے اس کا زیڈ اسکور ملتا ہے، جس سے مختلف پیمانوں پر ناپی گئی قدروں کا موازنہ ممکن ہوتا ہے۔

معیاری انحراف ڈیٹا کی تبدیلیوں پر قابلِ پیش گوئی ردِعمل بھی دیتا ہے۔ ہر قدر میں ایک ہی مستقل جمع کرنے سے اوسط کھسک جاتی ہے لیکن معیاری انحراف نہیں بدلتا، کیونکہ پھیلاؤ وہی رہتا ہے۔ ہر قدر کو کسی مستقل سے ضرب دینے سے معیاری انحراف اس مستقل کی مطلق قیمت سے ضرب ہو جاتا ہے، اس لیے میٹر کو سینٹی میٹر میں بدلنے سے یہ 100 گنا ہو جاتا ہے۔

کیلکولیٹر یا اسپریڈشیٹ کا استعمال

سائنسی کیلکولیٹروں پر عموماً دو بٹن ہوتے ہیں، جن پر اکثر آبادی والی صورت کے لیے $\sigma_x$ یا $\sigma_n$ اور نمونے والی صورت کے لیے $s_x$ یا $\sigma_{n-1}$ لکھا ہوتا ہے۔ ایکسل اور گوگل شیٹس جیسی اسپریڈشیٹس میں فنکشنز کے نام انگریزی ہی میں رہتے ہیں: STDEV.P آبادی کا معیاری انحراف نکالتا ہے اور STDEV.S نمونے کا؛ پرانا فنکشن STDEV بھی نمونے کی قدر دیتا ہے۔ غلط فنکشن چننا جوابات کے میل نہ کھانے کی سب سے عام وجہ ہے۔

معیاری انحراف کیلکولیٹر دونوں صورتیں پورے انحرافی جدول کے ساتھ دکھاتا ہے، جو ہاتھ سے کیے گئے ہوم ورک کی جانچ کے لیے بہترین ہے۔ اوسط، وسطانیہ اور عادہ کیلکولیٹر باقی خلاصہ شماریات شامل کرتا ہے، اور زیڈ اسکور کیلکولیٹر نتیجے کو انفرادی قدروں کو معیاری بنانے کے لیے استعمال کرتا ہے۔

مختلف پیمانوں پر پھیلاؤ کا موازنہ

جب اوسطیں بہت مختلف ہوں تو معیاری انحرافوں کا موازنہ مشکل ہوتا ہے۔ 2 کلوگرام کا معیاری انحراف نوزائیدہ بچوں کے لیے بڑا ہے لیکن بالغ ہاتھیوں کے لیے بہت معمولی۔ تغیر کا سر (کوایفیشنٹ آف ویری ایشن) اس مسئلے کو معیاری انحراف کو اوسط سے تقسیم کر کے حل کرتا ہے، اور اکثر فیصد میں بیان کیا جاتا ہے۔ دو سرمایہ کاریاں جن کا اوسط سالانہ منافع 6 اور 9 فیصد اور معیاری انحراف 3 اور 9 فیصدی پوائنٹس ہو، ان کے تغیر کے سر 50 اور 100 فیصد ہیں، یعنی دوسری اپنے عام منافع کے مقابلے میں دگنی غیر مستحکم ہے۔

عام غلطیاں

انحرافات کا مربع لینا بھول جانا، جس سے مثبت اور منفی قدریں ایک دوسرے کو منسوخ کر کے صفر بن جاتی ہیں۔
آخری جذر بھول کر تغیر ہی بتا دینا۔
نمونے اور آبادی کے فارمولے آپس میں ملا دینا، یا کیلکولیٹر کا غلط بٹن دبانا۔
انحرافات نکالنے سے پہلے اوسط کو بہت زیادہ گول کر دینا، جس سے گول کرنے کی غلطی بڑھتی جاتی ہے۔
تعدد جدول کو ایسے برتنا جیسے ہر قدر ایک ہی بار آئی ہو۔

اکثر پوچھے جانے والے سوالات

مجھے نمونے کا معیاری انحراف استعمال کرنا چاہیے یا آبادی کا؟

آبادی والا فارمولا صرف اس وقت استعمال کریں جب آپ کے ڈیٹا میں اس گروہ کا ہر رکن شامل ہو جسے آپ بیان کرنا چاہتے ہیں۔ اگر ڈیٹا کسی بڑے گروہ کے بارے میں جاننے کے لیے لیا گیا نمونہ ہو، جو عام صورت حال ہے، تو $n - 1$ والا نمونے کا فارمولا استعمال کریں۔

تغیر کا جذر لینے کی ضرورت ہی کیوں ہے؟

تغیر اوسط سے مربع انحراف کی اوسط ہے، اور معیاری انحراف اس کا جذر ہے۔ دونوں میں ایک ہی معلومات ہے، لیکن معیاری انحراف اصل اکائیوں میں ہوتا ہے، اس لیے اس کی تشریح آسان ہے۔

صفر معیاری انحراف کا کیا مطلب ہے؟

ڈیٹا کی ہر قدر یکساں ہے، اس لیے کوئی پھیلاؤ نہیں۔ ذرا سا بھی فرق معیاری انحراف کو مثبت بنا دیتا ہے۔

کیا بڑا معیاری انحراف بری بات ہے؟

ضروری نہیں۔ اس کا مطلب صرف یہ ہے کہ ڈیٹا پھیلا ہوا ہے۔ یہ اچھا ہے یا نہیں، سیاق پر منحصر ہے: ترسیل کے اوقات میں زیادہ فرق برا ہے، جبکہ پودوں کی افزائش کے تجربے میں زیادہ فرق شاید وہی ہو جس کی محقق کو تلاش ہے۔

MathSolver Pro Editorial Team

ریاضیاتی مواد کی تیاری اور نظرثانی

ہماری ادارتی ٹیم ہر رہنما اس طرح لکھتی ہے کہ صرف جواب نہیں بلکہ ہر طریقے کے پیچھے کا استدلال سمجھائے۔ ہر حل شدہ مثال اشاعت سے پہلے سائٹ کے اپنے حل کرنے والے انجنوں اور خودکار ٹیسٹوں سے جانچی جاتی ہے، اور جب بھی کوئی طریقہ یا امتحان کی ساخت بدلے تو مضامین پر نظرثانی کی جاتی ہے۔