حل شدہ مثالوں کے ساتھ زیڈ اسکور کی وضاحت

زیڈ اسکور کیا ناپتا ہے

اکیلا خام اسکور کچھ زیادہ نہیں بتاتا۔ ٹیسٹ میں 85 نمبر اچھے لگتے ہیں، لیکن اگر باقی سب نے 95 لیے ہوں تو یہ دراصل کمزور ہے۔ زیڈ اسکور، جسے معیاری اسکور بھی کہتے ہیں، کسی قدر کو اس کے گروہ کے لحاظ سے ناپ کر یہ مسئلہ حل کرتا ہے۔ یہ ایک سوال کا جواب دیتا ہے: یہ قدر اوسط سے کتنے معیاری انحراف دور ہے؟

یہاں $x$ قدر ہے، $\mu$ اوسط اور $\sigma$ معیاری انحراف۔ مثبت زیڈ اسکور کا مطلب ہے کہ قدر اوسط سے اوپر ہے، منفی کا مطلب نیچے، اور صفر کا مطلب بالکل اوسط۔ 2 کا زیڈ اسکور اوسط سے دو معیاری انحراف اوپر ہے، جو زیادہ تر ڈیٹا میں غیر معمولی طور پر بلند ہے۔ اگر خود معیاری انحراف نکالنا دہرانا ہو تو معیاری انحراف کیسے نکالیں دیکھیں۔

زیڈ اسکور مرحلہ وار نکالنا

اکائیاں ہمیشہ منسوخ ہو جاتی ہیں، کیونکہ شمار کنندہ اور نسب نما دونوں اصل اکائیوں میں ناپے جاتے ہیں۔ یہی چیز زیڈ اسکور کو بے اکائی اور بالکل مختلف پیمائشوں کے درمیان قابلِ موازنہ بناتی ہے۔

مختلف پیمانوں کے نتائج کا موازنہ

زیڈ اسکور کا سب سے عملی استعمال منصفانہ موازنہ ہے۔ فرض کریں ایک طالب علم کیمیا کے امتحان میں 82 لیتا ہے جہاں اوسط 75 اور معیاری انحراف 5 ہے، اور تاریخ کے امتحان میں 88 لیتا ہے جہاں اوسط 80 اور معیاری انحراف 8 ہے۔ تاریخ کے نمبر زیادہ ہیں، لیکن کون سا نتیجہ زیادہ متاثر کن ہے؟

ہم جماعتوں کے مقابلے میں کیمیا کا نتیجہ بہتر ہے: اوسط سے 1.4 معیاری انحراف اوپر، جبکہ دوسرا 1.0۔ یہی خیال سائنس دانوں کو مختلف آلات کی پیمائشوں کا موازنہ کرنے دیتا ہے، اور تجزیہ کاروں کو کسی کمپنی کی کارکردگی کا ایسی صنعتوں سے موازنہ کرنے دیتا ہے جن کی عام قدریں بہت مختلف ہوں۔

زیڈ اسکور سے الٹا حساب

فارمولے کو ترتیب دینے سے کسی دیے گئے زیڈ اسکور کی متعلقہ خام قدر ملتی ہے:

اوسط 70 اور معیاری انحراف 10 والے ٹیسٹ میں $-1.2$ کا زیڈ اسکور $70 + (-1.2)(10) = 58$ کے مطابق ہے۔ یہ شکل حدیں مقرر کرنے میں مفید ہے، مثلاً یہ طے کرنا کہ طالب علم کو سرفہرست 10 فیصد میں آنے کے لیے کتنا خام اسکور چاہیے، جیسا کہ نیچے مثال 4 دکھاتی ہے۔

زیڈ اسکور سے صدیوں تک

جب ڈیٹا معمول تقسیم، یعنی گھنٹی نما منحنی، کی پیروی کرے تو زیڈ اسکور کو صدیے میں بدلا جا سکتا ہے، یعنی ان قدروں کا تناسب جو اس سے نیچے ہیں۔ معیاری معمول تقسیم کی اوسط 0 اور معیاری انحراف 1 ہے، اور اس کا مجموعی فنکشن، جسے $\Phi(z)$ لکھتے ہیں، یہ تناسب دیتا ہے۔ چند اہم قدریں یاد رکھنے کے لائق ہیں:

• $\Phi(0) = 0.5$: اوسط 50 ویں صدیے پر ہے۔
• $\Phi(1) \approx 0.8413$ اور $\Phi(-1) \approx 0.1587$۔
• $\Phi(1.5) \approx 0.9332$، اس لیے مثال 1 کے طالب علم نے جماعت کے تقریباً 93 فیصد سے زیادہ نمبر لیے۔
• $\Phi(-0.8) \approx 0.2119$، اس لیے مثال 2 کا طالب علم تقریباً 21 ویں صدیے پر ہے۔
• $\Phi(1.96) \approx 0.975$، اسی لیے 1.96 کا عدد 95 فیصد اعتماد کے وقفوں میں آتا ہے۔

تجرباتی قاعدہ گھنٹی نما منحنی کا خلاصہ کرتا ہے: تقریباً 68 فیصد قدریں اوسط سے ایک معیاری انحراف کے اندر، تقریباً 95 فیصد دو کے اندر اور تقریباً 99.7 فیصد تین کے اندر ہوتی ہیں۔ اس لیے $|z| > 3$ والی قدریں نایاب ہیں اور اکثر ممکنہ شاذ قدروں کے طور پر جانچی جاتی ہیں۔

نمونے کی اوسط کے لیے زیڈ اسکور

اوسطیں انفرادی قدروں سے کم بدلتی ہیں۔ اگر اوسط $\mu$ اور معیاری انحراف $\sigma$ والی آبادی سے جسامت $n$ کے نمونے لیے جائیں تو نمونے کی اوسط کا معیاری انحراف $\frac{\sigma}{\sqrt{n}}$ ہوتا ہے، جسے معیاری خطا کہتے ہیں۔ نمونے کی اوسط کا زیڈ اسکور یہ ہے

مثلاً اگر اوپر والے ٹیسٹ کے 25 طلبہ کی اوسط 73 ہو تو معیاری خطا $\frac{10}{\sqrt{25}} = 2$ اور $z = \frac{73 - 70}{2} = 1.5$ ہے۔ تین پوائنٹس کا اضافہ ایک طالب علم کے لیے معمولی ہے لیکن 25 طلبہ کی اوسط کے لیے نمایاں طور پر غیر معمولی۔ یہ فارمولا ابتدائی شماریات میں زیڈ ٹیسٹ اور اعتماد کے وقفوں کا نقطۂ آغاز ہے۔

زیڈ اسکور استعمال کرتے وقت احتیاطیں

• $\Phi$ کے ذریعے زیڈ اسکور کو صدیوں میں بدلنا صرف اسی وقت درست ہے جب ڈیٹا تقریباً معمول ہو۔ شدید جھکے ہوئے ڈیٹا، جیسے آمدنیوں، کے صدیے خود ڈیٹا سے نکالنے چاہییں۔
• آبادی کا معیاری انحراف معلوم ہو تو وہ استعمال کریں، ورنہ نمونے کا معیاری انحراف بطور تخمینہ؛ چھوٹے نمونوں کے لیے اس کے بجائے ٹی تقسیم درکار ہے۔
• زیڈ اسکور ایک گروہ کے اندر مقام بتاتا ہے۔ بہت مختلف صلاحیت والے گروہوں کے زیڈ اسکورز کا موازنہ پھر بھی گمراہ کر سکتا ہے۔
• علامت برقرار رکھیں۔ $-2$ اور $2$ کے زیڈ اسکور یکساں غیر معمولی ہیں مگر ان کے معنی الٹ ہیں۔

زیڈ اسکور کیلکولیٹر زیڈ اسکور، صدیے اور دو قدروں کے درمیان رقبہ نکالتا ہے، اور معیاری انحراف کیلکولیٹر وہ اوسط اور معیاری انحراف دیتا ہے جو پہلے درکار ہیں۔

عملی زندگی میں زیڈ اسکور کہاں آتے ہیں

معیاری امتحانات کی رپورٹیں اکثر خام نمبروں کو پیمانہ شدہ اسکورز یا صدیوں میں بدلتی ہیں جو زیڈ اسکور ہی کے خیال پر مبنی ہوتے ہیں۔ بچوں کے ڈاکٹر بچے کے قد اور وزن کو نشوونما کے چارٹوں کے مقابلے میں دیکھتے ہیں، اور کچھ طبی آلات یہ پیمائشیں براہِ راست بچے کی عمر کے لحاظ سے زیڈ اسکور کے طور پر بتاتے ہیں۔ ہڈیوں کی کثافت کے اسکین ٹی اسکور بتاتے ہیں، جو صحت مند نوجوان بالغوں کے مقابلے میں ناپا گیا زیڈ اسکور ہے۔ معیار کے انجینئر ان پرزوں کی نشاندہی کرتے ہیں جن کی پیمائش ہدف سے تین معیاری انحراف سے زیادہ ہٹ جائے، اور مالیاتی تجزیہ کار منافع کو معیاری بناتے ہیں تاکہ مختلف خطرے والے فنڈز کا ایک ہی پیمانے پر موازنہ ہو سکے۔

مشقی سوالات

1. ایک ڈیٹا کی اوسط 50 اور معیاری انحراف 4 ہے۔ 56 کا زیڈ اسکور نکالیں۔ جواب: $z = \frac{56 - 50}{4} = 1.5$۔
2. اسکورز کی اوسط 100 اور معیاری انحراف 15 ہے۔ کس اسکور کا $z = -2$ ہے؟ جواب: $100 + (-2)(15) = 70$۔
3. قدریں معمول تقسیم رکھتی ہیں، اوسط 500 اور معیاری انحراف 100۔ کتنا تناسب 650 سے نیچے ہے؟ جواب: $z = 1.5$، اس لیے تقریباً $\Phi(1.5) \approx 0.9332$، یعنی 93 فیصد۔

اکثر پوچھے جانے والے سوالات