ඔබ ගුරුතුමාක් වුණා කියලා හිතන්න. දහසක් සිසුන්ගේ ලකුණු ඔබට ලැබුණා. හැම අයටම 70 ලකුණු ලැබෙන්නේ නැත, 0 හෝ 100 ලකුණු ලැබෙන්නේත් නැත. බොහෝ සිසුන් මධ්යස්ථ ලකුණු අසල ඉඳගෙන, ඉතා ඉහළ හෝ අඩු ලකුණු ලැබූවන් සුළු සංඛ්යාවක් පමණයි. මේ වර්ගීකරණය ග්රැෆ් එකක අඳුනන විට, එය සුන්දර බෙල් හැඩයක් ගොඩක් පෙනේ.
මෙම බෙල් හැඩය සාමාන්ය වක්රය (Normal Distribution) ලෙස හැඳින්වේ. එය උසස් උස, බුද්ධි මට්ටම, රුධිර පීඩනය වැනි බොහෝ භෞතික හා සමාජීය දත්ත වලින් පෙනේ. මෙහි වැදගත්කම වන්නේ, දත්ත බොහෝවිට මධ්යස්ථ අගයට ආසන්නව රැස්වීමත්, අතිශය අගයන් ඉතා අඩු ප්රතිශතයක් ගනීම් කරයි.
සාමාන්ය වක්රය සම්පූර්ණයෙන්ම දෙකේ අංක දෙකකින් විස්තර කරයි – මධ්යස්ථය (Mean) සහ ප්රස්ථානය (Standard Deviation). මධ්යස්ථය අපට දත්ත කුමන අගයට අධික ලෙස කැඳවන්නේද කියලා කියන අතර, ප්රස්ථානය එම අගය කොපමණ පරිදි පැතිරෙනවාද කියන මිනුමයි. මධ්යස්ථය එකම අගයක්, ප්රස්ථානය කුඩා නම් දත්ත මධ්යස්ථයට අසලම රැස්වෙනවා; විශාල නම් දත්ත පුළුල් පරාසයක පතුරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ විද්යාත්මක පාඨමාලා, විශ්වවිද්යාල පර්යේෂණ, ව්යාපාරික දත්ත විශ්ලේෂණය ආදියට සාමාන්ය වක්රය අත්යවශ්ය මෙවලමක්. සිසුන්ට ගණිත පරීක්ෂණයේ සංකල්ප තේරුම් ගැනීමට, මධ්යස්ථය සහ ප්රස්ථානය අතර සම්බන්ධතාවය හඳුනාගැනීමට මේ වක්රය උපකාරී වේ. ඩිජිටල් ව්යාපාරිකයන්ට පාරිභෝගික ප්රවණතා, අලෙවිකරණ අගයන්, හෝ කාර්ය සාධන මට්ටම් මනාව අගය කිරීමට, දත්ත කුලකයක් සාමාන්ය වක්රයක් ලෙස සැලකිය හැකිය. එමඟින් AI, ML ආදියෙහි මොඩලයන් පුහුණු කිරීමේදී දත්ත සාමාන්යතාවය පරීක්ෂා කර, නිවැරදි ප්රවේශයක් ගත හැක.
එසේම, රජයේ සංඛ්යාත්මක වාර්තා, රෝග ප්රචාරණ විශ්ලේෂණ, කෘෂිකාර්මික ඉංජිනේරු ප්රයෝගයන් වැනි ක්ෂේත්රවලද සාමාන්ය වක්රය භාවිතා කරමින් නිරවද්ය තීරණ ගැනීමේ හැකියාව වැඩිවේ.
අවසානයේ, සාමාන්ය වක්රය යනු දත්ත ලෝකයේ “සමතුලිත නායකය” වැනි එකක්. එය අපට දත්ත වල රහස් හෙළි කරමින්, තීරණ ගත යුතු අවස්ථාවන් හඳුනාගැනීමට උපකාරී වේ. ඔබේ දත්ත විශ්ලේෂණය හෝ AI මොඩලයක් සාදනවානම්, මේ බෙල් හැඩය අමතක නොකරන්න.
