Search This Blog

Statistics and Mathematics Quick Revision for Gujarat Government Exams

IMMY'S ACADEMY

Statistics and Mathematics

āŠ†ંāŠ•āŠĄાāŠķાāŠļ્āŠĪ્āŠ° āŠ…āŠĻે āŠ—āŠĢિāŠĪ – āŠļંāŠŠૂāŠ°્āŠĢ āŠ…āŠ­્āŠŊાāŠļ āŠĻોંāŠ§ો

Statistics & Mathematics – Gujarati Study Material

UNIT – 05 10 MARKS COMPLETE NOTES FORMULA REVISION
āŠĩિāŠ·āŠŊāŠĻો āŠŠāŠ°િāŠšāŠŊ:

āŠ†ંāŠ•āŠĄાāŠķાāŠļ્āŠĪ્āŠ° āŠ āŠŪાāŠđિāŠĪીāŠĻું āŠāŠ•āŠĪ્āŠ°ીāŠ•āŠ°āŠĢ, āŠĩāŠ°્āŠ—ીāŠ•āŠ°āŠĢ, āŠ°āŠœૂāŠ†āŠĪ, āŠĩિāŠķ્āŠēેāŠ·āŠĢ āŠ…āŠĻે āŠ…āŠ°્āŠĨāŠ˜āŠŸāŠĻ āŠ•āŠ°āŠĩાāŠĻું āŠĩિāŠœ્āŠžાāŠĻ āŠ›ે. āŠ—āŠĢિāŠĪāŠĻા āŠĩિāŠĩિāŠ§ āŠ–્āŠŊાāŠēો āŠ…āŠĻે āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠŠāŠĶ્āŠ§āŠĪિāŠ“āŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠ•āŠ°ીāŠĻે āŠŊોāŠ—્āŠŊ āŠĻિāŠ°્āŠĢāŠŊ āŠēેāŠĩાāŠŪાં āŠŪāŠĶāŠĶ āŠŪāŠģે āŠ›ે.

Data Collection Mean, Median, Mode Dispersion Sampling Probability Index Numbers Correlation Regression Time Series Calculus
01

Data Collection and Analysis – āŠŪાāŠđિāŠĪીāŠĻું āŠāŠ•āŠĪ્āŠ°ીāŠ•āŠ°āŠĢ āŠ…āŠĻે āŠĩિāŠķ્āŠēેāŠ·āŠĢ

1.1 StatisticsāŠĻો āŠ…āŠ°્āŠĨ

āŠ†ંāŠ•āŠĄાāŠķાāŠļ્āŠĪ્āŠ° (Statistics) āŠ āŠļંāŠ–્āŠŊાāŠĪ્āŠŪāŠ• āŠŪાāŠđિāŠĪીāŠĻું āŠāŠ•āŠĪ્āŠ°ીāŠ•āŠ°āŠĢ, āŠĩāŠ°્āŠ—ીāŠ•āŠ°āŠĢ, āŠ•ોāŠ·્āŠŸāŠ•ીāŠ•āŠ°āŠĢ, āŠ°āŠœૂāŠ†āŠĪ, āŠĩિāŠķ્āŠēેāŠ·āŠĢ āŠ…āŠĻે āŠ…āŠ°્āŠĨāŠ˜āŠŸāŠĻ āŠ•āŠ°āŠĩાāŠĻી āŠŠāŠĶ્āŠ§āŠĪિ āŠ›ે.

1.2 StatisticsāŠĻી āŠŪુāŠ–્āŠŊ āŠĩિāŠķેāŠ·āŠĪાāŠ“

  • āŠĪે āŠļંāŠ–્āŠŊાāŠĪ્āŠŪāŠ• āŠŪાāŠđિāŠĪી āŠļાāŠĨે āŠļંāŠŽંāŠ§િāŠĪ āŠ›ે.
  • āŠŪાāŠđિāŠĪી āŠ…āŠĻેāŠ• āŠ•ાāŠ°āŠĢોāŠĨી āŠŠ્āŠ°āŠ­ાāŠĩિāŠĪ āŠđોāŠŊ āŠ›ે.
  • āŠŪાāŠđિāŠĪીāŠĻું āŠāŠ•āŠĪ્āŠ°ીāŠ•āŠ°āŠĢ āŠĩ્āŠŊāŠĩāŠļ્āŠĨિāŠĪ āŠ°ીāŠĪે āŠĨાāŠŊ āŠ›ે.
  • āŠŪાāŠđિāŠĪીāŠĻો āŠđેāŠĪુ āŠĻિāŠķ્āŠšિāŠĪ āŠđોāŠŊ āŠ›ે.
  • āŠŪાāŠđિāŠĪીāŠĻું āŠŊોāŠ—્āŠŊ āŠļāŠ°āŠ–ાāŠŪāŠĢી āŠ…āŠĻે āŠĩિāŠķ્āŠēેāŠ·āŠĢ āŠĨāŠˆ āŠķāŠ•ે āŠ›ે.
  • āŠŊોāŠ—્āŠŊ āŠĻિāŠ·્āŠ•āŠ°્āŠ· āŠ…āŠĻે āŠĻિāŠ°્āŠĢāŠŊ āŠēેāŠĩાāŠŪાં āŠŪāŠĶāŠĶ āŠ•āŠ°ે āŠ›ે.

1.3 Types of Data – āŠŪાāŠđિāŠĪીāŠĻા āŠŠ્āŠ°āŠ•ાāŠ°ો

āŠŠ્āŠ°āŠ•ાāŠ°āŠ…āŠ°્āŠĨāŠ‰āŠĶાāŠđāŠ°āŠĢ
Primary DataāŠļંāŠķોāŠ§āŠ• āŠĶ્āŠĩાāŠ°ા āŠŠ્āŠ°āŠĨāŠŪ āŠĩāŠ–āŠĪ āŠāŠ•āŠĪ્āŠ°િāŠĪ āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩેāŠēી āŠŪાāŠđિāŠĪી.āŠļāŠ°્āŠĩેāŠ•્āŠ·āŠĢ āŠĶ્āŠĩાāŠ°ા āŠŪેāŠģāŠĩેāŠēા āŠœāŠĩાāŠŽો.
Secondary DataāŠ…āŠ—ાāŠ‰āŠĨી āŠ‰āŠŠāŠēāŠŽ્āŠ§ āŠ…āŠĻ્āŠŊ āŠĩ્āŠŊāŠ•્āŠĪિ āŠ…āŠĨāŠĩા āŠļંāŠļ્āŠĨા āŠĶ્āŠĩાāŠ°ા āŠāŠ•āŠĪ્āŠ°િāŠĪ āŠŪાāŠđિāŠĪી.āŠļāŠ°āŠ•ાāŠ°ી āŠ…āŠđેāŠĩાāŠē, āŠĩāŠļ્āŠĪી āŠ—āŠĢāŠĪāŠ°ી.
Qualitative DataāŠ—ુāŠĢāŠ§āŠ°્āŠŪ āŠ…āŠĨāŠĩા āŠēāŠ•્āŠ·āŠĢ āŠĶāŠ°્āŠķાāŠĩāŠĪી āŠŪાāŠđિāŠĪી.āŠēિંāŠ—, āŠ°ંāŠ—, āŠĩ્āŠŊāŠĩāŠļાāŠŊ.
Quantitative DataāŠļંāŠ–્āŠŊાāŠĪ્āŠŪāŠ• āŠļ્āŠĩāŠ°ૂāŠŠāŠĻી āŠŪાāŠđિāŠĪી.āŠ‰ંāŠŪāŠ°, āŠŠંāŠšાāŠˆ, āŠ†āŠĩāŠ•.
Discrete DataāŠ—āŠĢāŠĪāŠ°ી āŠĶ્āŠĩાāŠ°ા āŠŪāŠģāŠĪી āŠ…āŠēāŠ—-āŠ…āŠēāŠ— āŠ•િંāŠŪāŠĪો.āŠĩિāŠĶ્āŠŊાāŠ°્āŠĨીāŠ“āŠĻી āŠļંāŠ–્āŠŊા.
Continuous DataāŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠŪāŠ°્āŠŊાāŠĶાāŠŪાં āŠ•ોāŠˆāŠŠāŠĢ āŠŪૂāŠē્āŠŊ āŠēāŠˆ āŠķāŠ•ે āŠĪેāŠĩી āŠŪાāŠđિāŠĪી.āŠĩāŠœāŠĻ, āŠŠંāŠšાāŠˆ, āŠļāŠŪāŠŊ.

1.4 Primary Data Collection Methods

  1. Direct Personal Investigation: āŠļંāŠķોāŠ§āŠ• āŠŠોāŠĪે āŠĩ્āŠŊāŠ•્āŠĪિāŠ“āŠĻો āŠļંāŠŠāŠ°્āŠ• āŠ•āŠ°ીāŠĻે āŠŪાāŠđિāŠĪી āŠŪેāŠģāŠĩે āŠ›ે.
  2. Indirect Oral Investigation: āŠļંāŠŽંāŠ§િāŠĪ āŠœાāŠĢāŠ•ાāŠ° āŠĩ્āŠŊāŠ•્āŠĪિāŠ“ āŠŠાāŠļેāŠĨી āŠŪાāŠđિāŠĪી āŠŪેāŠģāŠĩāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
  3. Questionnaire Method: āŠŠ્āŠ°āŠķ્āŠĻાāŠĩāŠēી āŠĶ્āŠĩાāŠ°ા āŠŪાāŠđિāŠĪી āŠŪેāŠģāŠĩāŠĩી.
  4. Schedule Method: āŠ—āŠĢāŠĪāŠ°ીāŠ•ાāŠ° āŠĶ્āŠĩાāŠ°ા āŠŠ્āŠ°āŠķ્āŠĻો āŠŠૂāŠ›ીāŠĻે āŠœāŠĩાāŠŽ āŠĻોંāŠ§āŠĩા.
  5. Observation Method: āŠĻિāŠ°ીāŠ•્āŠ·āŠĢ āŠĶ્āŠĩાāŠ°ા āŠŪાāŠđિāŠĪી āŠāŠ•āŠĪ્āŠ°િāŠĪ āŠ•āŠ°āŠĩી.
  6. Interview Method: āŠ°ૂāŠŽāŠ°ૂ āŠ…āŠĨāŠĩા āŠ…āŠĻ્āŠŊ āŠŪાāŠ§્āŠŊāŠŪāŠĨી āŠŪુāŠēાāŠ•ાāŠĪ āŠēāŠˆāŠĻે āŠŪાāŠđિāŠĪી āŠŪેāŠģāŠĩāŠĩી.

1.5 Secondary Data Sources

āŠļ્āŠĪ્āŠ°ોāŠĪāŠ‰āŠĶાāŠđāŠ°āŠĢ
Government PublicationsāŠĩāŠļ્āŠĪી āŠ—āŠĢāŠĪāŠ°ી, āŠ†āŠ°્āŠĨિāŠ• āŠļāŠ°્āŠĩેāŠ•્āŠ·āŠĢ.
International OrganizationsWorld Bank, IMF, United Nations.
Research ReportsāŠļંāŠķોāŠ§āŠĻ āŠļંāŠļ્āŠĨાāŠĻા āŠ…āŠđેāŠĩાāŠēો.
Books and JournalsāŠŠુāŠļ્āŠĪāŠ•ો āŠ…āŠĻે āŠļંāŠķોāŠ§āŠĻ āŠļાāŠŪāŠŊિāŠ•ો.
Websites and DatabasesāŠļāŠĪ્āŠĪાāŠĩાāŠ° āŠĄેāŠŸાāŠŽેāŠ āŠ…āŠĻે āŠĩેāŠŽāŠļાāŠ‡āŠŸ્āŠļ.

1.6 Classification of Data – āŠŪાāŠđિāŠĪીāŠĻું āŠĩāŠ°્āŠ—ીāŠ•āŠ°āŠĢ

āŠŪાāŠđિāŠĪીāŠĻે āŠļāŠŪાāŠĻ āŠēāŠ•્āŠ·āŠĢો āŠ§āŠ°ાāŠĩāŠĪા āŠœૂāŠĨોāŠŪાં āŠĩāŠđેંāŠšāŠĩાāŠĻી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻે Classification āŠ•āŠđે āŠ›ે.
  • Chronological Classification – āŠļāŠŪāŠŊāŠĻા āŠ†āŠ§ાāŠ°ે.
  • Geographical Classification – āŠ­ૌāŠ—ોāŠēિāŠ• āŠĩિāŠļ્āŠĪાāŠ°āŠĻા āŠ†āŠ§ાāŠ°ે.
  • Qualitative Classification – āŠ—ુāŠĢāŠ§āŠ°્āŠŪāŠĻા āŠ†āŠ§ાāŠ°ે.
  • Quantitative Classification – āŠļંāŠ–્āŠŊાāŠĪ્āŠŪāŠ• āŠŪૂāŠē્āŠŊોāŠĻા āŠ†āŠ§ાāŠ°ે.

1.7 Tabulation – āŠ•ોāŠ·્āŠŸāŠ•ીāŠ•āŠ°āŠĢ

āŠŪાāŠđિāŠĪીāŠĻે āŠŠંāŠ•્āŠĪિāŠ“ āŠ…āŠĻે āŠļ્āŠĪંāŠ­ોāŠŪાં āŠĩ્āŠŊāŠĩāŠļ્āŠĨિāŠĪ āŠ°ીāŠĪે āŠ°āŠœૂ āŠ•āŠ°āŠĩાāŠĻી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻે Tabulation āŠ•āŠđે āŠ›ે. āŠŪુāŠ–્āŠŊ āŠ­ાāŠ—ો:
  • Table Number.
  • Title.
  • Headnote.
  • Captions – Column Headings.
  • Stubs – Row Headings.
  • Body.
  • Footnote.
  • Source.

1.8 Frequency Distribution

āŠŪાāŠđિāŠĪીāŠŪાં āŠ•ોāŠˆ āŠšોāŠ•્āŠ•āŠļ āŠŪૂāŠē્āŠŊ āŠ…āŠĨāŠĩા āŠĩāŠ°્āŠ— āŠ•ેāŠŸāŠēા āŠĩāŠ–āŠĪ āŠ†āŠĩે āŠ›ે āŠĪેāŠĻે Frequency āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
āŠ‰āŠĶાāŠđāŠ°āŠĢ:
āŠĩિāŠĶ્āŠŊાāŠ°્āŠĨીāŠ“āŠĻા āŠ—ુāŠĢ: 10, 20, 20, 30, 30, 30, 40.
āŠ—ુāŠĢāŠ†āŠĩૃāŠĪ્āŠĪિ (Frequency)
101
202
303
401
Total7

1.9 Data Presentation Methods

āŠŠāŠĶ્āŠ§āŠĪિāŠ‰āŠŠāŠŊોāŠ—
Bar DiagramāŠĩિāŠĩિāŠ§ āŠĩāŠ°્āŠ—ોāŠĻી āŠļāŠ°āŠ–ાāŠŪāŠĢી.
Pie ChartāŠ•ુāŠēāŠŪાં āŠĩિāŠĩિāŠ§ āŠ­ાāŠ—ોāŠĻું āŠŠ્āŠ°āŠŪાāŠĢ.
HistogramāŠļāŠĪāŠĪ āŠ†āŠĩૃāŠĪ્āŠĪિ āŠĩિāŠĪāŠ°āŠĢ.
Frequency PolygonāŠ†āŠĩૃāŠĪ્āŠĪિ āŠĩિāŠĪāŠ°āŠĢāŠĻું āŠ°ેāŠ–ીāŠŊ āŠŠ્āŠ°āŠĶāŠ°્āŠķāŠĻ.
OgiveāŠļંāŠšિāŠĪ āŠ†āŠĩૃāŠĪ્āŠĪિāŠĻું āŠŠ્āŠ°āŠĶāŠ°્āŠķāŠĻ.
Line GraphāŠļāŠŪāŠŊ āŠļાāŠĨે āŠĨāŠĪા āŠŦેāŠ°āŠŦાāŠ°ો.

1.10 Data Analysis

āŠŪાāŠđિāŠĪીāŠŪાંāŠĨી āŠ‰āŠŠāŠŊોāŠ—ી āŠŠāŠ°િāŠĢાāŠŪો āŠ…āŠĻે āŠĻિāŠ·્āŠ•āŠ°્āŠ· āŠŪેāŠģāŠĩāŠĩાāŠĻી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻે Data Analysis āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે. āŠŪુāŠ–્āŠŊ āŠĪāŠŽāŠ•્āŠ•ાāŠ“:
  1. āŠŪાāŠđિāŠĪીāŠĻું āŠāŠ•āŠĪ્āŠ°ીāŠ•āŠ°āŠĢ.
  2. āŠŪાāŠđિāŠĪીāŠĻી āŠšāŠ•ાāŠļāŠĢી.
  3. āŠĩāŠ°્āŠ—ીāŠ•āŠ°āŠĢ.
  4. āŠ•ોāŠ·્āŠŸāŠ•ીāŠ•āŠ°āŠĢ.
  5. āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠĩિāŠķ્āŠēેāŠ·āŠĢ.
  6. āŠŠāŠ°િāŠĢાāŠŪોāŠĻું āŠ…āŠ°્āŠĨāŠ˜āŠŸāŠĻ.
Exam Point: Primary Data āŠŠ્āŠ°āŠĨāŠŪ āŠĩāŠ–āŠĪ āŠļંāŠķોāŠ§āŠ• āŠāŠ•āŠĪ્āŠ°િāŠĪ āŠ•āŠ°ે āŠ›ે, āŠœ્āŠŊાāŠ°ે Secondary Data āŠ…āŠ—ાāŠ‰āŠĨી āŠ‰āŠŠāŠēāŠŽ્āŠ§ āŠđોāŠŊ āŠ›ે.
02

Measures of Central Tendency – āŠ•ેāŠĻ્āŠĶ્āŠ°ીāŠŊ āŠĩāŠēāŠĢāŠĻાં āŠŪાāŠŠ

2.1 Central TendencyāŠĻો āŠ…āŠ°્āŠĨ

āŠŪાāŠđિāŠĪીāŠĻા āŠļāŠŪૂāŠđāŠĻું āŠŠ્āŠ°āŠĪિāŠĻિāŠ§િāŠĪ્āŠĩ āŠ•āŠ°āŠĪું āŠ•ેāŠĻ્āŠĶ્āŠ°ીāŠŊ āŠ…āŠĨāŠĩા āŠļાāŠŪાāŠĻ્āŠŊ āŠŪૂāŠē્āŠŊ Central Tendency āŠ•āŠđેāŠĩાāŠŊ āŠ›ે. āŠŪુāŠ–્āŠŊ āŠĪ્āŠ°āŠĢ āŠŪાāŠŠ:
MeanāŠļāŠ°ેāŠ°ાāŠķ.
MedianāŠŪāŠ§્āŠŊāŠļ્āŠĨ āŠŪૂāŠē્āŠŊ.
ModeāŠŽāŠđુāŠēāŠ• āŠŪૂāŠē્āŠŊ.

2.2 Arithmetic Mean – āŠļāŠŪાંāŠĪāŠ° āŠļāŠ°ેāŠ°ાāŠķ

āŠŽāŠ§ી āŠ…āŠĩāŠēોāŠ•āŠĻ āŠ•િંāŠŪāŠĪોāŠĻા āŠļāŠ°āŠĩાāŠģાāŠĻે āŠ•ુāŠē āŠ…āŠĩāŠēોāŠ•āŠĻોāŠĻી āŠļંāŠ–્āŠŊાāŠĨી āŠ­ાāŠ—āŠĩાāŠĨી Arithmetic Mean āŠŪāŠģે āŠ›ે.
Mean = ÎĢX / N

ÎĢX = āŠĪāŠŪાāŠŪ āŠŪૂāŠē્āŠŊોāŠĻો āŠļāŠ°āŠĩાāŠģો

N = āŠ•ુāŠē āŠ…āŠĩāŠēોāŠ•āŠĻોāŠĻી āŠļંāŠ–્āŠŊા

āŠ‰āŠĶાāŠđāŠ°āŠĢ:
āŠŪૂāŠē્āŠŊો: 10, 20, 30, 40, 50. āŠļāŠ°āŠĩાāŠģો = 150 āŠ•ુāŠē āŠļંāŠ–્āŠŊા = 5 Mean = 150 ÷ 5 = 30.

2.3 Mean for Frequency Distribution

Mean = ÎĢfX / ÎĢf

f = āŠ†āŠĩૃāŠĪ્āŠĪિ

X = āŠŪૂāŠē્āŠŊ āŠ…āŠĨāŠĩા āŠĩāŠ°્āŠ—āŠŪāŠ§્āŠŊ

2.4 Assumed Mean Method

Mean = A + (ÎĢfd / ÎĢf)

A = Assumed Mean

d = X − A

2.5 Step Deviation Method

Mean = A + [ÎĢfu / ÎĢf] × h

u = (X − A) / h

h = āŠļાāŠŪાāŠĻ્āŠŊ āŠĩāŠ°્āŠ— āŠ…ંāŠĪāŠ°.

2.6 Weighted Arithmetic Mean

āŠœ્āŠŊાāŠ°ે āŠĩિāŠĩિāŠ§ āŠŪૂāŠē્āŠŊોāŠĻે āŠ…āŠēāŠ—-āŠ…āŠēāŠ— āŠŪāŠđāŠĪ્āŠĩ āŠ…āŠĨāŠĩા āŠĩāŠœāŠĻ āŠ†āŠŠāŠĩાāŠŪાં āŠ†āŠĩે āŠĪ્āŠŊાāŠ°ે Weighted MeanāŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠĨાāŠŊ āŠ›ે.
Weighted Mean = ÎĢWX / ÎĢW

W = āŠĩāŠœāŠĻ āŠ…āŠĻે X = āŠŪૂāŠē્āŠŊ.

āŠ‰āŠĶાāŠđāŠ°āŠĢ:
āŠŽે āŠĩિāŠ·āŠŊāŠŪાં āŠ—ુāŠĢ 80 āŠ…āŠĻે 60 āŠ›ે. āŠĪેāŠŪāŠĻા āŠĩāŠœāŠĻ 2 āŠ…āŠĻે 1 āŠ›ે. Weighted Mean = (80×2 + 60×1) ÷ (2+1) = 220 ÷ 3 = 73.33.

2.7 Median – āŠŪāŠ§્āŠŊāŠļ્āŠĨ

āŠ†ંāŠ•āŠĄાāŠ“āŠĻે āŠšāŠĄāŠĪા āŠ…āŠĨāŠĩા āŠŠāŠĪāŠ°āŠĪા āŠ•્āŠ°āŠŪāŠŪાં āŠ—ોāŠ āŠĩ્āŠŊા āŠŠāŠ›ી āŠŪāŠ§્āŠŊāŠŪાં āŠ†āŠĩāŠĪું āŠŪૂāŠē્āŠŊ Median āŠ•āŠđેāŠĩાāŠŊ āŠ›ે. **Odd Number of Observations:**
Median = [(N + 1) / 2]th Observation
**Even Number of Observations:**
Median = [N/2th Observation + (N/2 + 1)th Observation] / 2
āŠ‰āŠĶાāŠđāŠ°āŠĢ – āŠĩિāŠ·āŠŪ āŠļંāŠ–્āŠŊા:
10, 20, 30, 40, 50. N = 5 Median = (5+1)/2 = 3rd Observation. Median = 30.
āŠ‰āŠĶાāŠđāŠ°āŠĢ – āŠļāŠŪ āŠļંāŠ–્āŠŊા:
10, 20, 30, 40. Median = (20+30)/2 = 25.

2.8 Median for Continuous Frequency Distribution

Median = L + [(N/2 − CF) / f] × h

L = Median ClassāŠĻી āŠĻીāŠšāŠēી āŠļીāŠŪા

N = āŠ•ુāŠē āŠ†āŠĩૃāŠĪ્āŠĪિ

CF = Median Class āŠŠāŠđેāŠēાંāŠĻી āŠļંāŠšિāŠĪ āŠ†āŠĩૃāŠĪ્āŠĪિ

f = Median ClassāŠĻી āŠ†āŠĩૃāŠĪ્āŠĪિ

h = āŠĩāŠ°્āŠ— āŠ…ંāŠĪāŠ°

2.9 Mode – āŠŽāŠđુāŠēāŠ•

āŠŪાāŠđિāŠĪીāŠĻા āŠļāŠŪૂāŠđāŠŪાં āŠļૌāŠĨી āŠĩāŠ§ુ āŠĩāŠ–āŠĪ āŠ†āŠĩāŠĪું āŠŪૂāŠē્āŠŊ Mode āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.
āŠ‰āŠĶાāŠđāŠ°āŠĢ:
10, 20, 20, 30, 40, 20, 50. Mode = 20, āŠ•ાāŠ°āŠĢ āŠ•ે 20 āŠĪ્āŠ°āŠĢ āŠĩāŠ–āŠĪ āŠ†āŠĩે āŠ›ે.

2.10 Mode for Grouped Data

Mode = L + [(f₁ − f₀) / (2f₁ − f₀ − f₂)] × h

L = Modal ClassāŠĻી āŠĻીāŠšāŠēી āŠļીāŠŪા

f₁ = Modal ClassāŠĻી āŠ†āŠĩૃāŠĪ્āŠĪિ

f₀ = āŠ…āŠ—ાāŠ‰āŠĻા āŠĩāŠ°્āŠ—āŠĻી āŠ†āŠĩૃāŠĪ્āŠĪિ

f₂ = āŠŠāŠ›ીāŠĻા āŠĩāŠ°્āŠ—āŠĻી āŠ†āŠĩૃāŠĪ્āŠĪિ

h = āŠĩāŠ°્āŠ— āŠ…ંāŠĪāŠ°

2.11 Empirical Relationship

āŠļાāŠŪાāŠĻ્āŠŊ āŠ°ીāŠĪે āŠŪāŠ§્āŠŊāŠŪ āŠļ્āŠĪāŠ°āŠĻી āŠ…āŠļāŠŪāŠĪુāŠēિāŠĪ āŠ†āŠĩૃāŠĪ્āŠĪિ āŠĩિāŠĪāŠ°āŠĢ āŠŪાāŠŸે āŠĻીāŠšેāŠĻો āŠŠ્āŠ°āŠŊોāŠ—ાāŠĪ્āŠŪāŠ• āŠļંāŠŽંāŠ§ āŠ‰āŠŠāŠŊોāŠ—āŠŪાં āŠēેāŠĩાāŠŊ āŠ›ે.
Mode = 3 Median − 2 Mean

2.12 Comparison of Mean, Median and Mode

MeanMedianMode
āŠļāŠ°ેāŠ°ાāŠķ.āŠŪāŠ§્āŠŊāŠļ્āŠĨ.āŠŽāŠđુāŠēāŠ•.
āŠŽāŠ§ા āŠŪૂāŠē્āŠŊોāŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠĨાāŠŊ āŠ›ે.āŠŪāŠ§્āŠŊāŠĻા āŠļ્āŠĨાāŠĻ āŠŠāŠ° āŠ†āŠ§ાāŠ°િāŠĪ.āŠļૌāŠĨી āŠĩāŠ§ુ āŠ†āŠĩāŠĪી āŠ•િંāŠŪāŠĪ āŠŠāŠ° āŠ†āŠ§ાāŠ°િāŠĪ.
Extreme ValuesāŠĨી āŠŠ્āŠ°āŠ­ાāŠĩિāŠĪ āŠĨાāŠŊ āŠ›ે.Extreme ValuesāŠĨી āŠ“āŠ›ું āŠŠ્āŠ°āŠ­ાāŠĩિāŠĪ.āŠ•ેāŠŸāŠēાāŠ• āŠĩિāŠĪāŠ°āŠĢāŠŪાં āŠāŠ•āŠĨી āŠĩāŠ§ુ āŠđોāŠˆ āŠķāŠ•ે.
āŠ—āŠĢિāŠĪીāŠŊ āŠĩિāŠķ્āŠēેāŠ·āŠĢāŠŪાં āŠ‰āŠŠāŠŊોāŠ—ી.āŠ…āŠļāŠŪāŠĪુāŠēિāŠĪ āŠĩિāŠĪāŠ°āŠĢāŠŪાં āŠ‰āŠŠāŠŊોāŠ—ી.āŠļૌāŠĨી āŠēોāŠ•āŠŠ્āŠ°િāŠŊ āŠŪૂāŠē્āŠŊ āŠœાāŠĢāŠĩા āŠ‰āŠŠāŠŊોāŠ—ી.

2.13 Geometric Mean – āŠ—ુāŠĢોāŠĪ્āŠĪāŠ° āŠļāŠ°ેāŠ°ાāŠķ

āŠŽāŠ§ી āŠ•િંāŠŪāŠĪોāŠĻા āŠ—ુāŠĢાāŠ•ાāŠ°āŠĻા NāŠŪા āŠĩāŠ°્āŠ—āŠŪૂāŠģāŠĻે Geometric Mean āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
GM = (X₁ × X₂ × ... × Xₙ)^(1/N)

2.14 Harmonic Mean – āŠĩ્āŠŊāŠļ્āŠĪ āŠļāŠ°ેāŠ°ાāŠķ

āŠŽāŠ§ી āŠ•િંāŠŪāŠĪોāŠĻા āŠĩ્āŠŊāŠļ્āŠĪ āŠŪૂāŠē્āŠŊોāŠĻા āŠļāŠ°ેāŠ°ાāŠķāŠĻા āŠĩ્āŠŊāŠļ્āŠĪ āŠŪૂāŠē્āŠŊāŠĻે Harmonic Mean āŠ•āŠđે āŠ›ે.
HM = N / ÎĢ(1/X)

2.15 Relationship between AM, GM and HM

āŠ§āŠĻાāŠĪ્āŠŪāŠ• āŠŪૂāŠē્āŠŊો āŠŪાāŠŸે:
AM ≥ GM ≥ HM

āŠœો āŠĪāŠŪાāŠŪ āŠŪૂāŠē્āŠŊો āŠļāŠŪાāŠĻ āŠđોāŠŊ āŠĪો AM = GM = HM.

Exam Point: Mean = Average, Median = Middle Value, Mode = Most Frequent Value.
03

Measures of Dispersion – āŠĩિāŠšāŠēāŠĻāŠĻાં āŠŪાāŠŠ

3.1 DispersionāŠĻો āŠ…āŠ°્āŠĨ

āŠŪાāŠđિāŠĪીāŠĻા āŠŪૂāŠē્āŠŊો āŠļāŠ°ેāŠ°ાāŠķ āŠ…āŠĨāŠĩા āŠ•ેāŠĻ્āŠĶ્āŠ°ીāŠŊ āŠŪૂāŠē્āŠŊāŠĻી āŠ†āŠļāŠŠાāŠļ āŠ•ેāŠŸāŠēા āŠŦેāŠēાāŠŊેāŠēા āŠ›ે āŠĪે āŠŪાāŠŠāŠĩાāŠĻી āŠŠāŠĶ્āŠ§āŠĪિāŠĻે Dispersion āŠ•āŠđે āŠ›ે.

3.2 Types of Dispersion

Absolute MeasuresRelative Measures
Range.Coefficient of Range.
Quartile Deviation.Coefficient of Quartile Deviation.
Mean Deviation.Coefficient of Mean Deviation.
Standard Deviation.Coefficient of Variation.

3.3 Range – āŠĩિāŠļ્āŠĪાāŠ°

āŠŪાāŠđિāŠĪીāŠĻા āŠļૌāŠĨી āŠŪોāŠŸા āŠ…āŠĻે āŠļૌāŠĨી āŠĻાāŠĻા āŠŪૂāŠē્āŠŊ āŠĩāŠš્āŠšેāŠĻો āŠĪāŠŦાāŠĩāŠĪ Range āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.
Range = L − S

L = Largest Value

S = Smallest Value

3.4 Coefficient of Range

Coefficient of Range = (L − S) / (L + S)
āŠ‰āŠĶાāŠđāŠ°āŠĢ:
āŠŪૂāŠē્āŠŊો 10, 20, 30, 40, 50. Range = 50 − 10 = 40. Coefficient of Range = 40/60 = 0.667.

3.5 Quartile Deviation – āŠšāŠĪુāŠ°્āŠĨāŠ• āŠĩિāŠšāŠēāŠĻ

āŠŪાāŠđિāŠĪીāŠĻે āŠšાāŠ° āŠļāŠŪાāŠĻ āŠ­ાāŠ—ોāŠŪાં āŠĩāŠđેંāŠšāŠĪા āŠŠ્āŠ°āŠĨāŠŪ āŠšāŠĪુāŠ°્āŠĨāŠ• Q1 āŠ…āŠĻે āŠĪ્āŠ°ીāŠœા āŠšāŠĪુāŠ°્āŠĨāŠ• Q3 āŠĩāŠš્āŠšેāŠĻા āŠĪāŠŦાāŠĩāŠĪāŠĻા āŠ…āŠĄāŠ§ાāŠĻે Quartile Deviation āŠ•āŠđે āŠ›ે.
QD = (Q₃ − Q₁) / 2

3.6 Coefficient of Quartile Deviation

Coefficient of QD = (Q₃ − Q₁) / (Q₃ + Q₁)

3.7 Mean Deviation – āŠļāŠ°ેāŠ°ાāŠķ āŠĩિāŠšāŠēāŠĻ

āŠŪāŠ§્āŠŊāŠ• āŠ…āŠĨāŠĩા āŠŪāŠ§્āŠŊāŠļ્āŠĨāŠĨી āŠĶāŠ°ેāŠ• āŠŪૂāŠē્āŠŊāŠĻા āŠĻિāŠ°āŠŠેāŠ•્āŠ· āŠĪāŠŦાāŠĩāŠĪāŠĻા āŠļāŠ°ેāŠ°ાāŠķāŠĻે Mean Deviation āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
MD = ÎĢ|X − A| / N

A = Mean āŠ…āŠĨāŠĩા Median āŠ…āŠĨāŠĩા Mode.

Frequency Distribution āŠŪાāŠŸે:
MD = ÎĢf|X − A| / ÎĢf

3.8 Variance – āŠĩિāŠšāŠ°āŠĢ

āŠŪāŠ§્āŠŊāŠŪāŠĨી āŠĶāŠ°ેāŠ• āŠŪૂāŠē્āŠŊāŠĻા āŠĪāŠŦાāŠĩāŠĪāŠĻા āŠĩāŠ°્āŠ—āŠĻા āŠļāŠ°ેāŠ°ાāŠķāŠĻે Variance āŠ•āŠđે āŠ›ે.
Population Variance (σ²) = ÎĢ(X − Ξ)² / N
Sample Variance āŠŪાāŠŸે:
Sample Variance (s²) = ÎĢ(X − X̄)² / (n − 1)

3.9 Standard Deviation – āŠŠ્āŠ°āŠŪાāŠĢિāŠĪ āŠĩિāŠšāŠēāŠĻ

VarianceāŠĻા āŠĩāŠ°્āŠ—āŠŪૂāŠģāŠĻે Standard Deviation āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
σ = √[ÎĢ(X − Ξ)² / N]
Frequency Distribution āŠŪાāŠŸે:
σ = √[ÎĢf(X − X̄)² / ÎĢf]

3.10 Shortcut Formula of Standard Deviation

σ = √[(ÎĢX² / N) − (ÎĢX / N)²]

3.11 Coefficient of Variation (CV)

āŠŽે āŠ•ે āŠĪેāŠĨી āŠĩāŠ§ુ āŠķ્āŠ°ેāŠĢીāŠ“āŠŪાં āŠļાāŠŠેāŠ•્āŠ· āŠĩિāŠšāŠēāŠĻ āŠ…āŠĻે āŠļ્āŠĨિāŠ°āŠĪાāŠĻી āŠļāŠ°āŠ–ાāŠŪāŠĢી āŠ•āŠ°āŠĩા CVāŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠĨાāŠŊ āŠ›ે.
CV = (Standard Deviation / Mean) × 100
āŠ‰āŠĶાāŠđāŠ°āŠĢ:
āŠķ્āŠ°ેāŠĢી A: Mean = 50, SD = 5. CV = (5/50) × 100 = 10%. āŠķ્āŠ°ેāŠĢી B: Mean = 60, SD = 12. CV = (12/60) × 100 = 20%. āŠķ્āŠ°ેāŠĢી AāŠĻો CV āŠ“āŠ›ો āŠđોāŠĩાāŠĨી āŠĪે āŠĩāŠ§ુ āŠļ્āŠĨિāŠ° āŠ›ે.

3.12 Comparison of Dispersion Measures

āŠŪાāŠŠāŠ†āŠ§ાāŠ°āŠĩિāŠķેāŠ·āŠĪા
RangeāŠļૌāŠĨી āŠŪોāŠŸું āŠ…āŠĻે āŠĻાāŠĻું āŠŪૂāŠē્āŠŊ.āŠļāŠ°āŠģ āŠ…āŠĻે āŠāŠĄāŠŠી.
Quartile DeviationQ1 āŠ…āŠĻે Q3.Extreme ValuesāŠĨી āŠ“āŠ›ું āŠŠ્āŠ°āŠ­ાāŠĩિāŠĪ.
Mean DeviationāŠ•ેāŠĻ્āŠĶ્āŠ°ીāŠŊ āŠŪૂāŠē્āŠŊāŠĨી āŠĻિāŠ°āŠŠેāŠ•્āŠ· āŠĪāŠŦાāŠĩāŠĪ.āŠļāŠ°ેāŠ°ાāŠķ āŠŦેāŠēાāŠĩો āŠĶāŠ°્āŠķાāŠĩે āŠ›ે.
Standard DeviationāŠļāŠ°ેāŠ°ાāŠķāŠĨી āŠĩāŠ°્āŠ—િāŠĪ āŠĪāŠŦાāŠĩāŠĪ.āŠļૌāŠĨી āŠĩāŠ§ુ āŠ‰āŠŠāŠŊોāŠ—āŠŪાં āŠēેāŠĩાāŠĪું āŠŪાāŠŠ.
Coefficient of VariationSD āŠ…āŠĻે Mean.āŠļાāŠŠેāŠ•્āŠ· āŠļ્āŠĨિāŠ°āŠĪા āŠļāŠ°āŠ–ાāŠĩે āŠ›ે.
Exam Point: CV āŠ“āŠ›ો āŠđોāŠŊ āŠĪો āŠļાāŠŪાāŠĻ્āŠŊ āŠ°ીāŠĪે āŠķ્āŠ°ેāŠĢી āŠĩāŠ§ુ āŠļ્āŠĨિāŠ° āŠ—āŠĢાāŠŊ āŠ›ે. Standard Deviation āŠđંāŠŪેāŠķા āŠķૂāŠĻ્āŠŊ āŠ…āŠĨāŠĩા āŠ§āŠĻાāŠĪ્āŠŪāŠ• āŠđોāŠŊ āŠ›ે.
04

Sampling and Methods of Sampling – āŠĻāŠŪૂāŠĻા āŠŠāŠļંāŠĶāŠ—ી

4.1 SamplingāŠĻો āŠ…āŠ°્āŠĨ

āŠļāŠŪāŠ—્āŠ° āŠĩāŠļ્āŠĪી (Population)āŠŪાંāŠĨી āŠ…āŠ­્āŠŊાāŠļ āŠŪાāŠŸે āŠ…āŠŪુāŠ• āŠŠ્āŠ°āŠĪિāŠĻિāŠ§િ āŠāŠ•āŠŪો āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩાāŠĻી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻે Sampling āŠ•āŠđે āŠ›ે.

4.2 Population and Sample

PopulationSample
āŠ…āŠ­્āŠŊાāŠļ āŠđેāŠ āŠģāŠĻા āŠĪāŠŪાāŠŪ āŠāŠ•āŠŪોāŠĻો āŠļāŠŪૂāŠđ.PopulationāŠŪાંāŠĨી āŠŠāŠļંāŠĶ āŠ•āŠ°ેāŠēા āŠ•ેāŠŸāŠēાāŠ• āŠāŠ•āŠŪો.
āŠ•ુāŠē āŠĩāŠļ્āŠĪી.āŠĻāŠŪૂāŠĻો.
āŠ‰āŠĶાāŠđāŠ°āŠĢ: āŠķાāŠģાāŠĻા āŠĪāŠŪાāŠŪ āŠĩિāŠĶ્āŠŊાāŠ°્āŠĨીāŠ“.āŠŠāŠļંāŠĶ āŠ•āŠ°ેāŠēા 100 āŠĩિāŠĶ્āŠŊાāŠ°્āŠĨીāŠ“.

4.3 Census Method

āŠļāŠŪāŠ—્āŠ° PopulationāŠĻા āŠĶāŠ°ેāŠ• āŠāŠ•āŠŪ āŠŠાāŠļેāŠĨી āŠŪાāŠđિāŠĪી āŠāŠ•āŠĪ્āŠ°િāŠĪ āŠ•āŠ°āŠĩાāŠĻી āŠŠāŠĶ્āŠ§āŠĪિ Census Method āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.

4.4 Sampling Method

PopulationāŠŪાંāŠĨી āŠŠāŠļંāŠĶ āŠ•āŠ°ેāŠēા āŠ•ેāŠŸāŠēાāŠ• āŠāŠ•āŠŪોāŠĻા āŠ†āŠ§ાāŠ°ે āŠļāŠŪāŠ—્āŠ° āŠĩāŠļ્āŠĪી āŠ…ંāŠ—ે āŠ…ંāŠĶાāŠœ āŠ…āŠĨāŠĩા āŠĻિāŠ·્āŠ•āŠ°્āŠ· āŠŪેāŠģāŠĩāŠĩાāŠĻી āŠŠāŠĶ્āŠ§āŠĪિ Sampling Method āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.

4.5 Types of Sampling

Probability SamplingāŠĶāŠ°ેāŠ• āŠāŠ•āŠŪāŠĻે āŠŠāŠļંāŠĶ āŠĨāŠĩાāŠĻી āŠœાāŠĢીāŠĪી āŠ…āŠĻે āŠķૂāŠĻ્āŠŊāŠĨી āŠŪોāŠŸી āŠļંāŠ­ાāŠĩāŠĻા āŠđોāŠŊ āŠ›ે.
Non-Probability SamplingāŠŠāŠļંāŠĶāŠ—ીāŠĻી āŠļંāŠ­ાāŠĩāŠĻા āŠœાāŠĢીāŠĪી āŠđોāŠĩી āŠœāŠ°ૂāŠ°ી āŠĻāŠĨી.

4.6 Probability Sampling Methods

āŠŠāŠĶ્āŠ§āŠĪિāŠļāŠŪāŠœૂāŠĪી
Simple Random SamplingāŠĶāŠ°ેāŠ• āŠāŠ•āŠŪāŠĻે āŠļāŠŪાāŠĻ āŠŠāŠļંāŠĶāŠ—ીāŠĻી āŠĪāŠ• āŠ†āŠŠāŠĩી.
Systematic SamplingāŠĻિāŠķ્āŠšિāŠĪ āŠ…ંāŠĪāŠ°ે āŠāŠ•āŠŪો āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩા.
Stratified SamplingāŠĩāŠļ્āŠĪીāŠĻે āŠļāŠŪાāŠĻ āŠēāŠ•્āŠ·āŠĢ āŠ§āŠ°ાāŠĩāŠĪા āŠļ્āŠĪāŠ°ોāŠŪાં āŠĩāŠđેંāŠšીāŠĻે āŠĶāŠ°ેāŠ•āŠŪાંāŠĨી āŠĻāŠŪૂāŠĻો āŠēેāŠĩો.
Cluster SamplingāŠĩāŠļ્āŠĪીāŠĻે āŠœુāŠĶા āŠœુāŠĶા āŠ•્āŠēāŠļ્āŠŸāŠ°āŠŪાં āŠĩāŠđેંāŠšીāŠĻે āŠ•ેāŠŸāŠēાāŠ• āŠ•્āŠēāŠļ્āŠŸāŠ° āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩા.
Multistage SamplingāŠāŠ•āŠĨી āŠĩāŠ§ુ āŠĪāŠŽāŠ•્āŠ•ાāŠŪાં āŠĻāŠŪૂāŠĻો āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩો.

4.7 Non-Probability Sampling Methods

āŠŠāŠĶ્āŠ§āŠĪિāŠļāŠŪāŠœૂāŠĪી
Convenience SamplingāŠļāŠđેāŠēાāŠˆāŠĨી āŠ‰āŠŠāŠēāŠŽ્āŠ§ āŠāŠ•āŠŪો āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩા.
Judgment SamplingāŠļંāŠķોāŠ§āŠ•āŠĻા āŠĻિāŠ°્āŠĢāŠŊ āŠ…āŠĨāŠĩા āŠ…āŠĻુāŠ­āŠĩāŠĻા āŠ†āŠ§ાāŠ°ે āŠŠāŠļંāŠĶāŠ—ી.
Quota SamplingāŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠĩāŠ°્āŠ— āŠŠ્āŠ°āŠŪાāŠĢે āŠĻāŠŪૂāŠĻાāŠĻી āŠļંāŠ–્āŠŊા āŠĻāŠ•્āŠ•ી āŠ•āŠ°āŠĩી.
Snowball SamplingāŠāŠ• āŠŠ્āŠ°āŠĪિāŠ­ાāŠĩāŠ• āŠĶ્āŠĩાāŠ°ા āŠŽીāŠœા āŠŠ્āŠ°āŠĪિāŠ­ાāŠĩāŠ• āŠļુāŠ§ી āŠŠāŠđોંāŠšāŠĩું.

4.8 Simple Random Sampling

āŠ† āŠŠāŠĶ્āŠ§āŠĪિāŠŪાં PopulationāŠĻા āŠĶāŠ°ેāŠ• āŠāŠ•āŠŪāŠĻે āŠŠāŠļંāŠĶ āŠĨāŠĩાāŠĻી āŠļāŠŪાāŠĻ āŠĪāŠ• āŠŪāŠģે āŠ›ે. āŠ‰āŠĶાāŠđāŠ°āŠĢ: 100 āŠĩિāŠĶ્āŠŊાāŠ°્āŠĨીāŠ“āŠŪાંāŠĨી āŠēોāŠŸāŠ°ી āŠŠāŠĶ્āŠ§āŠĪિ āŠĶ્āŠĩાāŠ°ા 10 āŠĩિāŠĶ્āŠŊાāŠ°્āŠĨીāŠ“ āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩા.

4.9 Systematic Sampling

āŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠ…ંāŠĪāŠ°ે āŠāŠ•āŠŪ āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
Sampling Interval (k) = N / n

N = Population Size

n = Sample Size

āŠ‰āŠĶાāŠđāŠ°āŠĢ:
Population = 1000 Sample Size = 100 k = 1000/100 = 10. āŠŠ્āŠ°āŠĨāŠŪ āŠāŠ•āŠŪ āŠŠāŠļંāŠĶ āŠ•āŠ°્āŠŊા āŠŠāŠ›ી āŠĶāŠ° 10āŠŪા āŠāŠ•āŠŪāŠĻે āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩāŠķે.

4.10 Advantages of Sampling

  • āŠ“āŠ›ો āŠļāŠŪāŠŊ āŠēાāŠ—ે āŠ›ે.
  • āŠ–āŠ°્āŠšāŠŪાં āŠ˜āŠŸાāŠĄો āŠĨાāŠŊ āŠ›ે.
  • āŠĻાāŠĻી āŠŸીāŠŪāŠĨી āŠļંāŠķોāŠ§āŠĻ āŠķāŠ•્āŠŊ āŠŽāŠĻે āŠ›ે.
  • āŠĩિāŠ—āŠĪāŠĩાāŠ° āŠ…āŠ­્āŠŊાāŠļ āŠ•āŠ°ી āŠķāŠ•ાāŠŊ āŠ›ે.
  • āŠŊોāŠ—્āŠŊ āŠĻāŠŪૂāŠĻાāŠĨી āŠĩિāŠķ્āŠĩāŠļāŠĻીāŠŊ āŠ…ંāŠĶાāŠœ āŠŪેāŠģāŠĩી āŠķāŠ•ાāŠŊ āŠ›ે.

4.11 Limitations of Sampling

  • Sampling Error āŠĨāŠĩાāŠĻી āŠķāŠ•્āŠŊāŠĪા.
  • āŠ–ોāŠŸો āŠĻāŠŪૂāŠĻો āŠŠāŠļંāŠĶ āŠĨāŠĩાāŠĻું āŠœોāŠ–āŠŪ.
  • āŠŠāŠ•્āŠ·āŠŠાāŠĪāŠŠૂāŠ°્āŠĢ āŠŠāŠļંāŠĶāŠ—ીāŠĨી āŠŠāŠ°િāŠĢાāŠŪ āŠŠ્āŠ°āŠ­ાāŠĩિāŠĪ āŠĨāŠˆ āŠķāŠ•ે āŠ›ે.
  • āŠ…āŠĪિ āŠĻાāŠĻી āŠ…āŠĨāŠĩા āŠĶુāŠ°્āŠēāŠ­ āŠĩāŠļ્āŠĪી āŠŪાāŠŸે āŠŪુāŠķ્āŠ•ેāŠēી.

4.12 Sampling Error and Non-Sampling Error

Sampling ErrorNon-Sampling Error
āŠĻāŠŪૂāŠĻાāŠĻા āŠ†āŠ§ાāŠ°ે āŠ…ંāŠĶાāŠœ āŠ…āŠĻે āŠĩાāŠļ્āŠĪāŠĩિāŠ• Population Value āŠĩāŠš્āŠšેāŠĻો āŠĪāŠŦાāŠĩāŠĪ.āŠŪાāŠđિāŠĪી āŠāŠ•āŠĪ્āŠ°િāŠĪ āŠ•āŠ°āŠĩા, āŠĻોંāŠ§āŠĩા āŠ…āŠĨāŠĩા āŠŠ્āŠ°āŠ•્āŠ°િāŠŊા āŠ•āŠ°āŠĩાāŠŪાં āŠĨāŠĪી āŠ­ૂāŠēો.
āŠĻāŠŪૂāŠĻાāŠĻું āŠ•āŠĶ āŠĩāŠ§ાāŠ°āŠĩાāŠĨી āŠļાāŠŪાāŠĻ્āŠŊ āŠ°ીāŠĪે āŠ˜āŠŸી āŠķāŠ•ે āŠ›ે.āŠĻāŠŪૂāŠĻાāŠĻું āŠ•āŠĶ āŠĩāŠ§ાāŠ°āŠĩાāŠĨી āŠœāŠ°ૂāŠ°ી āŠĻāŠĨી āŠ•ે āŠ˜āŠŸે.
āŠĻāŠŪૂāŠĻા āŠŠāŠļંāŠĶāŠ—ી āŠļાāŠĨે āŠļંāŠŽંāŠ§િāŠĪ.āŠŪાāŠŠāŠĻ, āŠŠ્āŠ°āŠķ્āŠĻાāŠĩāŠēી āŠ…āŠĻે āŠĄેāŠŸા āŠŠ્āŠ°āŠ•્āŠ°િāŠŊા āŠļાāŠĨે āŠļંāŠŽંāŠ§િāŠĪ.
05

Probability – āŠļંāŠ­ાāŠĩāŠĻા

5.1 ProbabilityāŠĻો āŠ…āŠ°્āŠĨ

āŠ•ોāŠˆ āŠ˜āŠŸāŠĻા āŠŽāŠĻāŠĩાāŠĻી āŠķāŠ•્āŠŊāŠĪાāŠĻા āŠŪાāŠŠāŠĻે Probability āŠ…āŠĨāŠĩા āŠļંāŠ­ાāŠĩāŠĻા āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે. ProbabilityāŠĻું āŠŪૂāŠē્āŠŊ 0āŠĨી 1 āŠĩāŠš્āŠšે āŠđોāŠŊ āŠ›ે.
0 ≤ P(A) ≤ 1

5.2 Basic Terms

āŠķāŠŽ્āŠĶāŠ…āŠ°્āŠĨ
ExperimentāŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠŠāŠ°િāŠĢાāŠŪ āŠŪેāŠģāŠĩāŠĩા āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩāŠĪી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊા.
OutcomeāŠŠ્āŠ°āŠŊોāŠ—āŠĻું āŠŠāŠ°િāŠĢાāŠŪ.
Sample SpaceāŠĪāŠŪાāŠŪ āŠļંāŠ­āŠĩિāŠĪ āŠŠāŠ°િāŠĢાāŠŪોāŠĻો āŠļāŠŪૂāŠđ.
EventāŠāŠ• āŠ…āŠĨāŠĩા āŠĩāŠ§ુ āŠŠāŠ°િāŠĢાāŠŪોāŠĻો āŠļāŠŪૂāŠđ.
Favourable OutcomesāŠ˜āŠŸāŠĻાāŠĻે āŠ…āŠĻુāŠ•ૂāŠģ āŠŠāŠ°િāŠĢાāŠŪો.
Impossible EventāŠœે āŠ˜āŠŸāŠĻા āŠŽāŠĻી āŠœ āŠĻ āŠķāŠ•ે.
Sure EventāŠœે āŠ˜āŠŸāŠĻા āŠšોāŠ•્āŠ•āŠļ āŠŽāŠĻે.

5.3 Classical Probability Formula

āŠœ્āŠŊાāŠ°ે āŠĪāŠŪાāŠŪ āŠŠāŠ°િāŠĢાāŠŪો āŠļāŠŪાāŠĻ āŠļંāŠ­āŠĩિāŠĪ āŠđોāŠŊ āŠĪ્āŠŊાāŠ°ે:
P(A) = Favourable Outcomes / Total Equally Likely Outcomes
āŠ‰āŠĶાāŠđāŠ°āŠĢ – āŠļિāŠ•્āŠ•ો:
āŠāŠ• āŠļિāŠ•્āŠ•ો āŠ‰āŠ›ાāŠģāŠĩાāŠŪાં āŠ†āŠĩે āŠĪ્āŠŊાāŠ°ે Sample Space = {H, T}. Head āŠ†āŠĩāŠĩાāŠĻી āŠļંāŠ­ાāŠĩāŠĻા: P(H) = 1/2.
āŠ‰āŠĶાāŠđāŠ°āŠĢ – āŠŠાāŠļો:
āŠāŠ• āŠŠાāŠļો āŠŦેંāŠ•āŠĩાāŠŪાં āŠ†āŠĩે āŠĪ્āŠŊાāŠ°ે 6 āŠŠāŠ°િāŠĢાāŠŪો āŠŪāŠģે āŠ›ે. āŠļāŠŪ āŠļંāŠ–્āŠŊા āŠ†āŠĩāŠĩાāŠĻી āŠļંāŠ­ાāŠĩāŠĻા: Favourable Outcomes = {2, 4, 6} = 3. P(Even) = 3/6 = 1/2.

5.4 Types of Events

āŠŠ્āŠ°āŠ•ાāŠ°āŠļāŠŪāŠœૂāŠĪી
Simple EventāŠāŠ• āŠœ āŠŠāŠ°િāŠĢાāŠŪ āŠ§āŠ°ાāŠĩāŠĪી āŠ˜āŠŸāŠĻા.
Compound EventāŠāŠ•āŠĨી āŠĩāŠ§ુ āŠŠāŠ°િāŠĢાāŠŪો āŠ§āŠ°ાāŠĩāŠĪી āŠ˜āŠŸāŠĻા.
Sure EventāŠļંāŠ­ાāŠĩāŠĻા 1.
Impossible EventāŠļંāŠ­ાāŠĩāŠĻા 0.
Mutually Exclusive EventsāŠŽંāŠĻે āŠ˜āŠŸāŠĻાāŠ“ āŠāŠ•āŠļાāŠĨે āŠŽāŠĻી āŠķāŠ•āŠĪી āŠĻāŠĨી.
Independent EventsāŠāŠ• āŠ˜āŠŸāŠĻાāŠĻી āŠ˜āŠŸāŠĻા āŠŽીāŠœીāŠĻી āŠļંāŠ­ાāŠĩāŠĻાāŠĻે āŠ…āŠļāŠ° āŠ•āŠ°āŠĪી āŠĻāŠĨી.
Dependent EventsāŠāŠ• āŠ˜āŠŸāŠĻાāŠĻી āŠ…āŠļāŠ° āŠŽીāŠœી āŠ˜āŠŸāŠĻાāŠĻી āŠļંāŠ­ાāŠĩāŠĻા āŠŠāŠ° āŠŠāŠĄે āŠ›ે.
Complementary EventsāŠ˜āŠŸāŠĻા A āŠĻ āŠŽāŠĻે āŠĪે āŠ˜āŠŸāŠĻા AāŠĻું āŠŠૂāŠ°āŠ• āŠ›ે.

5.5 Complementary Probability

P(A') = 1 − P(A) P(A) + P(A') = 1

5.6 Addition Theorem

āŠŽે āŠ˜āŠŸāŠĻાāŠ“ A āŠ…āŠĻે BāŠŪાંāŠĨી āŠ“āŠ›ાāŠŪાં āŠ“āŠ›ી āŠāŠ• āŠ˜āŠŸāŠĻા āŠŽāŠĻāŠĩાāŠĻી āŠļંāŠ­ાāŠĩāŠĻા:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Mutually Exclusive Events āŠŪાāŠŸે:
P(A ∪ B) = P(A) + P(B)

5.7 Multiplication Theorem

āŠļાāŠŪાāŠĻ્āŠŊ āŠ°ીāŠĪે:
P(A ∩ B) = P(A) × P(B|A)
Independent Events āŠŪાāŠŸે:
P(A ∩ B) = P(A) × P(B)

5.8 Conditional Probability

āŠœ્āŠŊાāŠ°ે B āŠ˜āŠŸāŠĻા āŠŽāŠĻી āŠšૂāŠ•ી āŠđોāŠŊ āŠĪ્āŠŊાāŠ°ે A āŠ˜āŠŸāŠĻા āŠŽāŠĻāŠĩાāŠĻી āŠļંāŠ­ાāŠĩāŠĻાāŠĻે Conditional Probability āŠ•āŠđે āŠ›ે.
P(A|B) = P(A ∩ B) / P(B)

P(B) > 0 āŠđોāŠĩું āŠœોāŠˆāŠ.

5.9 Bayes' Theorem

P(AáĩĒ|B) = [P(AáĩĒ) × P(B|AáĩĒ)] / P(B)

5.10 Important Probability Facts

  • P(S) = 1, āŠœ્āŠŊાં S Sample Space āŠ›ે.
  • P(∅) = 0.
  • 0 ≤ P(A) ≤ 1.
  • P(A') = 1 − P(A).
  • Independent Events āŠŪાāŠŸે P(A∩B)=P(A)P(B).
  • Mutually Exclusive Events āŠŪાāŠŸે P(A∩B)=0.
06

Index Numbers – āŠļૂāŠšāŠ• āŠ†ંāŠ•

6.1 Index NumberāŠĻો āŠ…āŠ°્āŠĨ

āŠļāŠŪāŠŊ āŠ…āŠĨāŠĩા āŠļ્āŠĨāŠģāŠĻા āŠ†āŠ§ાāŠ°ે āŠ•ોāŠˆ āŠĩāŠļ્āŠĪુ, āŠļેāŠĩા āŠ…āŠĨāŠĩા āŠ†āŠ°્āŠĨિāŠ• āŠŠāŠ°િāŠŽāŠģāŠŪાં āŠĨāŠĪા āŠļાāŠŠેāŠ•્āŠ· āŠŦેāŠ°āŠŦાāŠ°āŠĻે āŠŪાāŠŠāŠĩા āŠŪાāŠŸે āŠ‰āŠŠāŠŊોāŠ—āŠŪાં āŠēેāŠĩાāŠĪા āŠ†ંāŠ•āŠĻે Index Number āŠ•āŠđે āŠ›ે.

6.2 Uses of Index Numbers

  • āŠŪોંāŠ˜āŠĩાāŠ°ી āŠŪાāŠŠāŠĩા.
  • āŠ­ાāŠĩāŠŪાં āŠŦેāŠ°āŠŦાāŠ° āŠŪાāŠŠāŠĩા.
  • āŠœીāŠĩāŠĻāŠĻિāŠ°્āŠĩાāŠđ āŠ–āŠ°્āŠšāŠĻું āŠŪૂāŠē્āŠŊાંāŠ•āŠĻ.
  • āŠ”āŠĶ્āŠŊોāŠ—િāŠ• āŠ‰āŠĪ્āŠŠાāŠĶāŠĻāŠĻી āŠĪુāŠēāŠĻા.
  • āŠĩેāŠĪāŠĻ āŠ…āŠĻે āŠŪોંāŠ˜āŠĩાāŠ°ી āŠ­āŠĨ્āŠĨું āŠĻāŠ•્āŠ•ી āŠ•āŠ°āŠĩાāŠŪાં āŠŪāŠĶāŠĶ.
  • āŠ†āŠ°્āŠĨિāŠ• āŠĻીāŠĪિ āŠ˜āŠĄāŠĩાāŠŪાં āŠŪāŠĶāŠĶ.

6.3 Types of Index Numbers

āŠŠ્āŠ°āŠ•ાāŠ°āŠļāŠŪāŠœૂāŠĪી
Price IndexāŠĩāŠļ્āŠĪુāŠ“ āŠ…āŠĻે āŠļેāŠĩાāŠ“āŠĻી āŠ•િંāŠŪāŠĪોāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
Quantity IndexāŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠ…āŠĨāŠĩા āŠĩāŠŠāŠ°ાāŠķāŠĻા āŠœāŠĨ્āŠĨાāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
Value IndexāŠ•ુāŠē āŠĻાāŠĢાāŠ•ીāŠŊ āŠŪૂāŠē્āŠŊāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
Consumer Price IndexāŠ—્āŠ°ાāŠđāŠ• āŠļ્āŠĪāŠ°ે āŠ­ાāŠĩāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
Wholesale Price IndexāŠœāŠĨ્āŠĨાāŠŽંāŠ§ āŠļ્āŠĪāŠ°ે āŠ­ાāŠĩāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
Industrial Production IndexāŠ”āŠĶ્āŠŊોāŠ—િāŠ• āŠ‰āŠĪ્āŠŠાāŠĶāŠĻāŠĻા āŠŠ્āŠ°āŠŪાāŠĢāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.

6.4 Simple Aggregative Price Index

P₀₁ = (ÎĢP₁ / ÎĢP₀) × 100

P₀ = āŠ†āŠ§ાāŠ° āŠĩāŠ°્āŠ·āŠĻા āŠ­ાāŠĩ

P₁ = āŠĩāŠ°્āŠĪāŠŪાāŠĻ āŠĩāŠ°્āŠ·āŠĻા āŠ­ાāŠĩ

6.5 Simple Average of Price Relatives

Price Relative = (P₁ / P₀) × 100 Index = ÎĢPrice Relatives / N

6.6 Laspeyres Price Index

āŠ† āŠŠāŠĶ્āŠ§āŠĪિāŠŪાં āŠ†āŠ§ાāŠ° āŠĩāŠ°્āŠ·āŠĻા āŠœāŠĨ્āŠĨાāŠĻે āŠĩāŠœāŠĻ āŠĪāŠ°ીāŠ•ે āŠ‰āŠŠāŠŊોāŠ— āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
L = [ÎĢ(P₁Q₀) / ÎĢ(P₀Q₀)] × 100

6.7 Paasche Price Index

āŠ† āŠŠāŠĶ્āŠ§āŠĪિāŠŪાં āŠĩāŠ°્āŠĪāŠŪાāŠĻ āŠĩāŠ°્āŠ·āŠĻા āŠœāŠĨ્āŠĨાāŠĻે āŠĩāŠœāŠĻ āŠĪāŠ°ીāŠ•ે āŠ‰āŠŠāŠŊોāŠ— āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
P = [ÎĢ(P₁Q₁) / ÎĢ(P₀Q₁)] × 100

6.8 Fisher's Ideal Index

Laspeyres āŠ…āŠĻે Paasche āŠļૂāŠšāŠ•ાંāŠ•ોāŠĻા āŠ—ુāŠĢાāŠ•ાāŠ°āŠĻા āŠĩāŠ°્āŠ—āŠŪૂāŠģāŠĻે Fisher's Ideal Index āŠ•āŠđે āŠ›ે.
F = √(L × P)

6.9 Quantity Index

Laspeyres Quantity Index = [ÎĢ(Q₁P₀) / ÎĢ(Q₀P₀)] × 100 Paasche Quantity Index = [ÎĢ(Q₁P₁) / ÎĢ(Q₀P₁)] × 100

6.10 Value Index

Value Index = [ÎĢ(P₁Q₁) / ÎĢ(P₀Q₀)] × 100

6.11 Consumer Price Index (CPI)

āŠ—્āŠ°ાāŠđāŠ•ો āŠĶ્āŠĩાāŠ°ા āŠĩāŠŠāŠ°ાāŠĪી āŠĩāŠļ્āŠĪુāŠ“ āŠ…āŠĻે āŠļેāŠĩાāŠ“āŠĻા āŠ­ાāŠĩāŠŪાં āŠĨāŠĪા āŠŦેāŠ°āŠŦાāŠ°āŠĻે āŠŪાāŠŠāŠĩા CPIāŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠĨાāŠŊ āŠ›ે.

6.12 Base Year – āŠ†āŠ§ાāŠ° āŠĩāŠ°્āŠ·

āŠœે āŠĩāŠ°્āŠ·āŠĻે āŠļāŠ°āŠ–ાāŠŪāŠĢી āŠŪાāŠŸે āŠ†āŠ§ાāŠ° āŠĪāŠ°ીāŠ•ે āŠēેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે āŠĪેāŠĻે Base Year āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે. āŠļાāŠŪાāŠĻ્āŠŊ āŠ°ીāŠĪે āŠ†āŠ§ાāŠ° āŠĩāŠ°્āŠ·āŠĻો āŠļૂāŠšāŠ•ાંāŠ• 100 āŠ°ાāŠ–āŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.

6.13 Tests of Adequacy of Index Numbers

Time Reversal Test:
P₀₁ × P₁₀ = 1

Ratio FormāŠŪાં.

Index NumberāŠĻે Percentage FormāŠŪાં āŠĶāŠ°્āŠķાāŠĩāŠĪાં āŠ† āŠļંāŠŽંāŠ§ āŠŪુāŠœāŠŽ P₀₁ × P₁₀ = 10000 āŠĨાāŠŊ āŠ›ે. Factor Reversal Test:
P₀₁ × Q₀₁ = V₀₁

Ratio FormāŠŪાં.

Fisher's Ideal Index āŠŽંāŠĻે āŠŠāŠ°ીāŠ•્āŠ·āŠĢો āŠļંāŠĪોāŠ·ે āŠ›ે.
Exam Point: Laspeyres – Base Year Quantity. Paasche – Current Year Quantity. Fisher – Geometric Mean of Laspeyres and Paasche.
07

Correlation – āŠļāŠđāŠļંāŠŽંāŠ§

7.1 CorrelationāŠĻો āŠ…āŠ°્āŠĨ

āŠŽે āŠ…āŠĨāŠĩા āŠĩāŠ§ુ āŠšāŠē (Variables) āŠĩāŠš્āŠšેāŠĻા āŠļંāŠŽંāŠ§āŠĻી āŠĶિāŠķા āŠ…āŠĻે āŠŪાāŠĪ્āŠ°ાāŠĻે āŠŪાāŠŠāŠĩાāŠĻી āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠŠāŠĶ્āŠ§āŠĪિāŠĻે Correlation āŠ•āŠđે āŠ›ે.

7.2 Types of Correlation

āŠŠ્āŠ°āŠ•ાāŠ°āŠļāŠŪāŠœૂāŠĪીāŠ‰āŠĶાāŠđāŠ°āŠĢ
Positive CorrelationāŠāŠ• āŠšāŠē āŠĩāŠ§ે āŠĪો āŠŽીāŠœો āŠŠāŠĢ āŠĩāŠ§ે.āŠ†āŠĩāŠ• āŠ…āŠĻે āŠ–āŠ°્āŠš.
Negative CorrelationāŠāŠ• āŠšāŠē āŠĩāŠ§ે āŠĪો āŠŽીāŠœો āŠ˜āŠŸે.āŠ•િંāŠŪāŠĪ āŠ…āŠĻે āŠŪાંāŠ—.
Zero CorrelationāŠ°ેāŠ–ીāŠŊ āŠļંāŠŽંāŠ§ āŠĻ āŠđોāŠŊ.āŠŽે āŠ…āŠļંāŠŽંāŠ§િāŠĪ āŠšāŠē.
Perfect Positive CorrelationāŠŠૂāŠ°્āŠĢ āŠđāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠ°ેāŠ–ીāŠŊ āŠļંāŠŽંāŠ§.r = +1.
Perfect Negative CorrelationāŠŠૂāŠ°્āŠĢ āŠĻāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠ°ેāŠ–ીāŠŊ āŠļંāŠŽંāŠ§.r = −1.

7.3 Degree of Correlation

−1 ≤ r ≤ +1
Correlation CoefficientāŠļંāŠŽંāŠ§
+1Perfect Positive Correlation.
0 āŠĨી +1Positive Correlation.
0Zero Linear Correlation.
−1 āŠĨી 0Negative Correlation.
−1Perfect Negative Correlation.

7.4 Karl Pearson's Correlation Coefficient

r = ÎĢxy / √(ÎĢx² × ÎĢy²)

x = X − X̄

y = Y − Čē

7.5 Direct Formula

r = [NÎĢXY − ÎĢXÎĢY] / √{[NÎĢX² − (ÎĢX)²][NÎĢY² − (ÎĢY)²]}

7.6 Spearman's Rank Correlation

āŠœ્āŠŊાāŠ°ે āŠŪાāŠđિāŠĪી āŠ•્āŠ°āŠŪ āŠ…āŠĨāŠĩા Rank āŠļ્āŠĩāŠ°ૂāŠŠāŠŪાં āŠđોāŠŊ āŠĪ્āŠŊાāŠ°ે Spearman's Rank CorrelationāŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠĨાāŠŊ āŠ›ે.
ρ = 1 − [6ÎĢd² / n(n² − 1)]

d = āŠŽે āŠ•્āŠ°āŠŪ āŠĩāŠš્āŠšેāŠĻો āŠĪāŠŦાāŠĩāŠĪ

n = āŠ…āŠĩāŠēોāŠ•āŠĻોāŠĻી āŠļંāŠ–્āŠŊા

āŠ‰āŠĶાāŠđāŠ°āŠĢ:
āŠœો n = 5 āŠ…āŠĻે ÎĢd² = 4 āŠđોāŠŊ: ρ = 1 − [6×4 / 5(25−1)] = 1 − 24/120 = 0.80.

7.7 Scatter Diagram Method

āŠŽે āŠšāŠēāŠĻા āŠŪૂāŠē્āŠŊોāŠĻે āŠŽિંāŠĶુāŠ“āŠĻા āŠļ્āŠĩāŠ°ૂāŠŠāŠŪાં āŠ—્āŠ°ાāŠŦ āŠŠāŠ° āŠĶāŠ°્āŠķાāŠĩāŠĩાāŠĻી āŠŠāŠĶ્āŠ§āŠĪિāŠĻે Scatter Diagram āŠ•āŠđે āŠ›ે.
  • āŠŽિંāŠĶુāŠ“ āŠ‰āŠŠāŠ° āŠĪāŠ°āŠŦ āŠ—ોāŠ āŠĩાāŠŊ āŠĪો Positive Correlation.
  • āŠŽિંāŠĶુāŠ“ āŠĻીāŠšે āŠĪāŠ°āŠŦ āŠ—ોāŠ āŠĩાāŠŊ āŠĪો Negative Correlation.
  • āŠŽિંāŠĶુāŠ“ āŠ…āŠĻિāŠŊāŠŪિāŠĪ āŠ°ીāŠĪે āŠŦેāŠēાāŠŊ āŠĪો Zero āŠ…āŠĨāŠĩા āŠĻāŠŽāŠģો Linear Correlation.

7.8 CorrelationāŠĻી āŠĩિāŠķેāŠ·āŠĪાāŠ“

  • Correlation CoefficientāŠĻું āŠŪૂāŠē્āŠŊ −1āŠĨી +1 āŠĩāŠš્āŠšે āŠđોāŠŊ āŠ›ે.
  • Correlation āŠĶિāŠķા āŠ…āŠĻે āŠŪાāŠĪ્āŠ°ા āŠŽંāŠĻે āŠĶāŠ°્āŠķાāŠĩે āŠ›ે.
  • Correlation āŠāŠ•āŠŪāŠĩિāŠđીāŠĻ āŠ›ે.
  • CorrelationāŠĻો āŠ…āŠ°્āŠĨ āŠđંāŠŪેāŠķા Cause and Effect āŠāŠĩો āŠĨāŠĪો āŠĻāŠĨી.

7.9 Correlation āŠ…āŠĻે Causation

Correlation āŠŽે āŠšāŠē āŠĩāŠš્āŠšેāŠĻો āŠļંāŠŽંāŠ§ āŠĶāŠ°્āŠķાāŠĩે āŠ›ે, āŠœ્āŠŊાāŠ°ે CausationāŠŪાં āŠāŠ• āŠšāŠē āŠŽીāŠœા āŠšāŠēāŠŪાં āŠŦેāŠ°āŠŦાāŠ°āŠĻું āŠ•ાāŠ°āŠĢ āŠŽāŠĻે āŠ›ે.
Exam Point: Karl PearsonāŠĻું r −1āŠĨી +1 āŠĩāŠš્āŠšે āŠđોāŠŊ āŠ›ે. Spearman Rank CorrelationāŠĻો āŠ‰āŠŠāŠŊોāŠ— Rank āŠ†āŠ§ાāŠ°િāŠĪ āŠŪાāŠđિāŠĪી āŠŪાāŠŸે āŠĨાāŠŊ āŠ›ે.
08

Constant Correlation – āŠļ્āŠĨિāŠ° āŠļāŠđāŠļંāŠŽંāŠ§

8.1 āŠ…āŠ°્āŠĨ

āŠ† āŠļિāŠēેāŠŽāŠļāŠŪાં āŠ†āŠŠેāŠēા Constant Correlation āŠķāŠŽ્āŠĶ āŠđેāŠ āŠģ āŠŽે āŠšāŠē āŠĩāŠš્āŠšેāŠĻો āŠļāŠđāŠļંāŠŽંāŠ§ āŠļ્āŠĨિāŠ° āŠ°āŠđેāŠĩાāŠĻી āŠĩિāŠ­ાāŠĩāŠĻાāŠĻો āŠ…āŠ­્āŠŊાāŠļ āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે. āŠļāŠđāŠļંāŠŽંāŠ§ āŠ—ુāŠĢાંāŠ• (Correlation Coefficient) āŠŽે āŠšāŠē āŠĩāŠš્āŠšેāŠĻા āŠ°ેāŠ–ીāŠŊ āŠļંāŠŽંāŠ§āŠĻી āŠĶિāŠķા āŠ…āŠĻે āŠĪીāŠĩ્āŠ°āŠĪા āŠĶāŠ°્āŠķાāŠĩે āŠ›ે. āŠœ્āŠŊાāŠ°ે āŠ…āŠēāŠ— āŠ…āŠĩāŠēોāŠ•āŠĻો āŠ…āŠĨāŠĩા āŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠļāŠŪāŠŊāŠ—ાāŠģાāŠŪાં āŠļāŠđāŠļંāŠŽંāŠ§ āŠ—ુāŠĢાંāŠ•āŠŪાં āŠŦેāŠ°āŠŦાāŠ° āŠĨāŠĪો āŠĻāŠĨી āŠ…āŠĨāŠĩા āŠļāŠŪાāŠĻ āŠ°āŠđે āŠ›ે āŠĪ્āŠŊાāŠ°ે āŠĪેāŠĻે āŠļ્āŠĨિāŠ° āŠļāŠđāŠļંāŠŽંāŠ§ āŠĪāŠ°ીāŠ•ે āŠļāŠŪāŠœાāŠĩી āŠķāŠ•ાāŠŊ āŠ›ે.

8.2 Constant CorrelationāŠĻું āŠ‰āŠĶાāŠđāŠ°āŠĢ

āŠœો āŠŽે āŠšāŠē X āŠ…āŠĻે Y āŠĩāŠš્āŠšે āŠĶāŠ°ેāŠ• āŠļંāŠŽંāŠ§િāŠĪ āŠ…āŠĩāŠēોāŠ•āŠĻāŠŪાં Y = 2X āŠđોāŠŊ āŠĪો āŠĪેāŠŪāŠĻી āŠĩāŠš્āŠšે āŠļંāŠŠૂāŠ°્āŠĢ āŠđāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠ°ેāŠ–ીāŠŊ āŠļંāŠŽંāŠ§ āŠ›ે.
r = +1

8.3 Constant CorrelationāŠĻી āŠŪુāŠ–્āŠŊ āŠŽાāŠŽāŠĪો

  • āŠļંāŠŽંāŠ§āŠĻી āŠĶિāŠķા āŠļ્āŠĨિāŠ° āŠ°āŠđે āŠ›ે.
  • āŠļāŠđāŠļંāŠŽંāŠ§ āŠ—ુāŠĢાંāŠ•āŠŪાં āŠŦેāŠ°āŠŦાāŠ° āŠĨāŠĪો āŠĻāŠĨી.
  • āŠĪેāŠĻો āŠ…āŠ­્āŠŊાāŠļ āŠļāŠ°āŠ–ાāŠŪāŠĢી āŠ…āŠĻે āŠļāŠŪāŠŊāŠ—ાāŠģાāŠĻા āŠĩિāŠķ્āŠēેāŠ·āŠĢāŠŪાં āŠ‰āŠŠāŠŊોāŠ—ી āŠĨāŠˆ āŠķāŠ•ે āŠ›ે.
  • āŠļāŠđāŠļંāŠŽંāŠ§ āŠđોāŠĩો āŠ āŠ•ાāŠ°āŠĢ-āŠŠāŠ°િāŠĢાāŠŪ āŠļંāŠŽંāŠ§ āŠđોāŠĩાāŠĻો āŠŠુāŠ°ાāŠĩો āŠĻāŠĨી.

8.4 Correlation CoefficientāŠĻું āŠ…āŠ°્āŠĨāŠ˜āŠŸāŠĻ

rāŠĻું āŠŪૂāŠē્āŠŊāŠ…āŠ°્āŠĨ
+1āŠļંāŠŠૂāŠ°્āŠĢ āŠđāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠļāŠđāŠļંāŠŽંāŠ§.
+0.8āŠŪāŠœāŠŽૂāŠĪ āŠđāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠļāŠđāŠļંāŠŽંāŠ§.
+0.5āŠŪāŠ§્āŠŊāŠŪ āŠđāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠļāŠđāŠļંāŠŽંāŠ§.
0āŠķૂāŠĻ્āŠŊ āŠ°ેāŠ–ીāŠŊ āŠļāŠđāŠļંāŠŽંāŠ§.
−0.5āŠŪāŠ§્āŠŊāŠŪ āŠĻāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠļāŠđāŠļંāŠŽંāŠ§.
−0.8āŠŪāŠœāŠŽૂāŠĪ āŠĻāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠļāŠđāŠļંāŠŽંāŠ§.
−1āŠļંāŠŠૂāŠ°્āŠĢ āŠĻāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠļāŠđāŠļંāŠŽંāŠ§.
āŠĻોંāŠ§: āŠ†āŠŠેāŠēા āŠŪૂāŠģ āŠļિāŠēેāŠŽāŠļāŠŪાં "constant correlation" āŠķāŠŽ્āŠĶ āŠœ āŠ›ે. āŠĪેāŠĨી āŠĪેāŠĻે āŠ…āŠēāŠ— āŠĩિāŠ·āŠŊ āŠĪāŠ°ીāŠ•ે āŠœાāŠģāŠĩāŠĩાāŠŪાં āŠ†āŠĩ્āŠŊો āŠ›ે. āŠœો āŠŪૂāŠģ āŠļāŠĪ્āŠĪાāŠĩાāŠ° āŠļિāŠēેāŠŽāŠļāŠŪાં āŠ† āŠķāŠŽ્āŠĶāŠĻો āŠ•ોāŠˆ āŠĩિāŠķેāŠ· āŠļંāŠĶāŠ°્āŠ­ āŠđોāŠŊ āŠĪો āŠĪે āŠŪુāŠœāŠŽ āŠĩāŠ§ુ āŠšોāŠ•્āŠ•āŠļ āŠļāŠŪāŠœૂāŠĪી āŠ‰āŠŪેāŠ°āŠĩી āŠœોāŠˆāŠ.
09

Regression – āŠŠ્āŠ°āŠĪ્āŠŊાāŠ—āŠŪāŠĻ

9.1 RegressionāŠĻો āŠ…āŠ°્āŠĨ

āŠāŠ• āŠšāŠēāŠĻા āŠ†āŠ§ાāŠ°ે āŠŽીāŠœા āŠšāŠēāŠĻું āŠŪૂāŠē્āŠŊ āŠ…ંāŠĶાāŠœāŠĩા āŠ…āŠĨāŠĩા āŠ†āŠ—ાāŠđી āŠ•āŠ°āŠĩા āŠŪાāŠŸે āŠ‰āŠŠāŠŊોāŠ—āŠŪાં āŠēેāŠĩાāŠĪી āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠŠāŠĶ્āŠ§āŠĪિāŠĻે Regression āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.

9.2 Uses of Regression

  • āŠ­āŠĩિāŠ·્āŠŊāŠĻા āŠĩેāŠšાāŠĢāŠĻો āŠ…ંāŠĶાāŠœ.
  • āŠ†āŠĩāŠ• āŠ…āŠĻે āŠ–āŠ°્āŠš āŠĩāŠš્āŠšેāŠĻા āŠļંāŠŽંāŠ§āŠĻો āŠ…āŠ­્āŠŊાāŠļ.
  • āŠŪાāŠ—āŠĻો āŠ…ંāŠĶાāŠœ.
  • āŠ†āŠ°્āŠĨિāŠ• āŠ†āŠ—ાāŠđી.
  • āŠĩ્āŠŊāŠĩāŠļાāŠŊિāŠ• āŠ†āŠŊોāŠœāŠĻ.

9.3 Simple Linear Regression

Y = a + bX

a = Intercept

b = Regression Coefficient / Slope

9.4 Regression Line of Y on X

Y − Čē = báĩ§â‚“ (X − X̄) báĩ§â‚“ = ÎĢxy / ÎĢx²

9.5 Regression Line of X on Y

X − X̄ = bₓáĩ§ (Y − Čē) bₓáĩ§ = ÎĢxy / ÎĢy²

9.6 Relationship between Correlation and Regression

r = ±√(báĩ§â‚“ × bₓáĩ§) r² = báĩ§â‚“ × bₓáĩ§

9.7 Important Properties of Regression

  • āŠŽે Regression Lines āŠđોāŠŊ āŠ›ે.
  • Regression CoefficientsāŠĻો āŠ—ુāŠĢાāŠ•ાāŠ° r² āŠœેāŠŸāŠēો āŠđોāŠŊ āŠ›ે.
  • āŠŽંāŠĻે Regression CoefficientsāŠĻો āŠšિāŠđ્āŠĻ āŠļāŠŪાāŠĻ āŠđોāŠŊ āŠ›ે.
  • Correlation Coefficient āŠŽંāŠĻે Regression CoefficientsāŠĻા āŠ—ુāŠĢાāŠ•ાāŠ°āŠĻા āŠĩāŠ°્āŠ—āŠŪૂāŠģ āŠœેāŠŸāŠēો āŠđોāŠŊ āŠ›ે.
  • āŠŽંāŠĻે Regression Lines āŠļāŠ°ેāŠ°ાāŠķ āŠŽિંāŠĶુ (X̄, Čē)āŠŪાંāŠĨી āŠŠāŠļાāŠ° āŠĨાāŠŊ āŠ›ે.
  • āŠœો r = ±1 āŠđોāŠŊ āŠĪો āŠŽંāŠĻે Regression Lines āŠāŠ•āŠ°ૂāŠŠ āŠŽāŠĻે āŠ›ે.

9.8 Correlation and Regression Difference

CorrelationRegression
āŠŽે āŠšāŠē āŠĩāŠš્āŠšેāŠĻા āŠļંāŠŽંāŠ§āŠĻી āŠŪાāŠĪ્āŠ°ા āŠ…āŠĻે āŠĶિāŠķા āŠŪાāŠŠે āŠ›ે.āŠāŠ• āŠšāŠēāŠĻા āŠ†āŠ§ાāŠ°ે āŠŽીāŠœા āŠšāŠēāŠĻું āŠŪૂāŠē્āŠŊ āŠ…ંāŠĶાāŠœે āŠ›ે.
r āŠĶ્āŠĩાāŠ°ા āŠĶāŠ°્āŠķાāŠĩાāŠŊ āŠ›ે.Regression Equation āŠĶ્āŠĩાāŠ°ા āŠĶāŠ°્āŠķાāŠĩાāŠŊ āŠ›ે.
āŠŽંāŠĻે āŠšāŠē āŠļāŠŪાāŠĻ āŠ°ીāŠĪે āŠ—āŠĢāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.Dependent āŠ…āŠĻે Independent Variable āŠ…āŠēāŠ— āŠđોāŠŊ āŠ›ે.
āŠ•ાāŠ°āŠĢ-āŠŠāŠ°િāŠĢાāŠŪ āŠļાāŠŽિāŠĪ āŠ•āŠ°āŠĪું āŠĻāŠĨી.āŠ…ંāŠĶાāŠœ āŠ…āŠĻે āŠ†āŠ—ાāŠđી āŠŪાāŠŸે āŠ‰āŠŠāŠŊોāŠ—ી.
10

Time Series – āŠļāŠŪāŠŊ āŠķ્āŠ°ેāŠĢી

10.1 Time SeriesāŠĻો āŠ…āŠ°્āŠĨ

āŠļāŠŪāŠŊāŠĻા āŠ•્āŠ°āŠŪ āŠŠ્āŠ°āŠŪાāŠĢે āŠ—ોāŠ āŠĩāŠĩાāŠŪાં āŠ†āŠĩેāŠēી āŠŪાāŠđિāŠĪીāŠĻા āŠļāŠŪૂāŠđāŠĻે Time Series āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે. āŠ‰āŠĶાāŠđāŠ°āŠĢ: āŠ›ેāŠē્āŠēા āŠŠાંāŠš āŠĩāŠ°્āŠ·āŠĻું āŠĩેāŠšાāŠĢ, āŠŪાāŠļિāŠ• āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ, āŠĩાāŠ°્āŠ·િāŠ• āŠ†āŠĩāŠ•.

10.2 Components of Time Series

āŠļāŠŪāŠŊ āŠķ્āŠ°ેāŠĢીāŠĻા āŠšાāŠ° āŠŪુāŠ–્āŠŊ āŠ˜āŠŸāŠ•ો āŠ›ે.
āŠ˜āŠŸāŠ•āŠ…āŠ°્āŠĨāŠ‰āŠĶાāŠđāŠ°āŠĢ
Trend (T)āŠēાંāŠŽા āŠ—ાāŠģાāŠĻી āŠĶિāŠķા.āŠĩāŠ°્āŠ·ો āŠĶāŠ°āŠŪિāŠŊાāŠĻ āŠĩેāŠšાāŠĢāŠŪાં āŠĩāŠ§ાāŠ°ો.
Seasonal Variation (S)āŠĻિāŠŊāŠŪિāŠĪ āŠŪોāŠļāŠŪી āŠŦેāŠ°āŠŦાāŠ°.āŠ‰āŠĻાāŠģાāŠŪાં āŠ ંāŠĄા āŠŠીāŠĢાંāŠĻું āŠĩેāŠšાāŠĢ.
Cyclical Variation (C)āŠ†āŠ°્āŠĨિāŠ• āŠšāŠ•્āŠ°āŠĻે āŠ•ાāŠ°āŠĢે āŠēાંāŠŽા āŠ—ાāŠģાāŠĻા āŠĩāŠ§āŠ˜āŠŸ.āŠŪંāŠĶી āŠ…āŠĻે āŠĪેāŠœી.
Irregular Variation (I)āŠ…āŠĢāŠ§ાāŠ°્āŠŊા āŠ…āŠĻે āŠ…āŠĻિāŠŊāŠŪિāŠĪ āŠŦેāŠ°āŠŦાāŠ°ો.āŠŊુāŠĶ્āŠ§, āŠ•ુāŠĶāŠ°āŠĪી āŠ†āŠŦāŠĪ.

10.3 Additive Model

Y = T + S + C + I

10.4 Multiplicative Model

Y = T × S × C × I

10.5 Methods of Measuring Trend

āŠŠāŠĶ્āŠ§āŠĪિāŠļāŠŪāŠœૂāŠĪી
Graphic MethodāŠ—્āŠ°ાāŠŦ āŠĶ્āŠĩાāŠ°ા āŠēાંāŠŽા āŠ—ાāŠģાāŠĻો āŠĩāŠēāŠĢ āŠķોāŠ§āŠĩો.
Semi-Average MethodāŠļāŠŪāŠŊ āŠķ્āŠ°ેāŠĢીāŠĻે āŠŽે āŠ­ાāŠ—āŠŪાં āŠĩāŠđેંāŠšીāŠĻે āŠļāŠ°ેāŠ°ાāŠķ āŠ—āŠĢāŠĩી.
Moving Average MethodāŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠļāŠŪāŠŊāŠ—ાāŠģાāŠĻી āŠļāŠ°āŠ•āŠĪી āŠļāŠ°ેāŠ°ાāŠķ āŠ—āŠĢāŠĩી.
Least Squares MethodāŠ—āŠĢિāŠĪીāŠŊ āŠ°ીāŠĪે Trend Line āŠĻāŠ•્āŠ•ી āŠ•āŠ°āŠĩી.

10.6 Least Squares Method

Y = a + bX a = ÎĢY / N b = ÎĢXY / ÎĢX²

āŠœ્āŠŊાāŠ°ે ÎĢX = 0 āŠđોāŠŊ āŠĪ્āŠŊાāŠ°ે.

10.7 Moving Average

āŠ‰āŠĶાāŠđāŠ°āŠĢ:
āŠĩેāŠšાāŠĢ: 10, 20, 30, 40, 50. āŠĪ્āŠ°āŠĢ āŠĩāŠ°્āŠ·ીāŠŊ Moving Average: (10+20+30)/3 = 20. (20+30+40)/3 = 30. (30+40+50)/3 = 40.

10.8 Uses of Time Series

  • āŠĩેāŠšાāŠĢāŠĻી āŠ†āŠ—ાāŠđી.
  • āŠ‰āŠĪ્āŠŠાāŠĶāŠĻāŠĻું āŠ†āŠŊોāŠœāŠĻ.
  • āŠŪોંāŠ˜āŠĩાāŠ°ીāŠĻા āŠĩāŠēāŠĢāŠĻો āŠ…āŠ­્āŠŊાāŠļ.
  • āŠ†āŠ°્āŠĨિāŠ• āŠĩિāŠ•ાāŠļāŠĻું āŠŪૂāŠē્āŠŊાંāŠ•āŠĻ.
  • āŠŪોāŠļāŠŪી āŠŪાંāŠ—āŠĻું āŠ†āŠŊોāŠœāŠĻ.
  • āŠ­āŠĩિāŠ·્āŠŊāŠĻા āŠŽāŠœેāŠŸāŠĻું āŠ†āŠŊોāŠœāŠĻ.
11

Statistical Quality Control – āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠ—ુāŠĢāŠĩāŠĪ્āŠĪા āŠĻિāŠŊંāŠĪ્āŠ°āŠĢ

11.1 SQCāŠĻો āŠ…āŠ°્āŠĨ

āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠ…āŠĨāŠĩા āŠļેāŠĩાāŠĻી āŠ—ુāŠĢāŠĩāŠĪ્āŠĪા āŠœાāŠģāŠĩāŠĩા āŠ…āŠĻે āŠĪેāŠŪાં āŠļુāŠ§ાāŠ°ો āŠ•āŠ°āŠĩા āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠŠāŠĶ્āŠ§āŠĪિāŠ“āŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠ•āŠ°āŠĩાāŠĻી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻે Statistical Quality Control (SQC) āŠ•āŠđે āŠ›ે.

11.2 Objectives of SQC

  • āŠ‰āŠĪ્āŠŠાāŠĶāŠĻāŠĻી āŠ—ુāŠĢāŠĩāŠĪ્āŠĪા āŠœાāŠģāŠĩāŠĩી.
  • āŠ‰āŠĪ્āŠŠાāŠĶāŠĻāŠŪાં āŠ–ાāŠŪીāŠ“ āŠ˜āŠŸાāŠĄāŠĩી.
  • āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠ–āŠ°્āŠš āŠ˜āŠŸાāŠĄāŠĩો.
  • āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠŪાં āŠļ્āŠĨિāŠ°āŠĪા āŠœાāŠģāŠĩāŠĩી.
  • āŠ—્āŠ°ાāŠđāŠ• āŠļંāŠĪોāŠ· āŠĩāŠ§ાāŠ°āŠĩો.
  • āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻું āŠĻિāŠŊંāŠĪ્āŠ°āŠĢ āŠ•āŠ°āŠĩું.

11.3 Techniques of SQC

āŠŠāŠĶ્āŠ§āŠĪિāŠ‰āŠŠāŠŊોāŠ—
Control ChartsāŠļāŠŪāŠŊ āŠŠ્āŠ°āŠŪાāŠĢે āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻી āŠļ્āŠĨિāŠĪિ āŠĪāŠŠાāŠļāŠĩી.
Acceptance SamplingāŠĻāŠŪૂāŠĻાāŠĻા āŠ†āŠ§ાāŠ°ે āŠŪાāŠēāŠĻી āŠŽેāŠš āŠļ્āŠĩીāŠ•ાāŠ°āŠĩી āŠ…āŠĨāŠĩા āŠĻāŠ•ાāŠ°āŠĩી.
Process Capability AnalysisāŠŠ્āŠ°āŠ•્āŠ°િāŠŊા āŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠŪāŠ°્āŠŊાāŠĶાāŠŪાં āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠ•āŠ°ી āŠķāŠ•ે āŠ›ે āŠ•ે āŠĻāŠđીં āŠĪે āŠŪાāŠŠāŠĩું.
InspectionāŠ‰āŠĪ્āŠŠાāŠĶāŠĻāŠĻી āŠ–ાāŠŪી āŠ…āŠĻે āŠ—ુāŠĢāŠĩāŠĪ્āŠĪાāŠĻી āŠĪāŠŠાāŠļ.

11.4 Control Charts

Control Chart āŠ āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠļાāŠ§āŠĻ āŠ›ે āŠœે āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠŪાં āŠĨāŠĪા āŠŦેāŠ°āŠŦાāŠ°ોāŠĻું āŠĻિāŠ°ીāŠ•્āŠ·āŠĢ āŠ•āŠ°ે āŠ›ે. āŠĪેāŠŪાં āŠĪ્āŠ°āŠĢ āŠŪુāŠ–્āŠŊ āŠ°ેāŠ–ાāŠ“ āŠđોāŠŊ āŠ›ે:
UCLUpper Control Limit – āŠ‰āŠŠāŠ°āŠĻી āŠĻિāŠŊંāŠĪ્āŠ°āŠĢ āŠŪāŠ°્āŠŊાāŠĶા.
CLCentral Line – āŠ•ેāŠĻ્āŠĶ્āŠ°ીāŠŊ āŠ°ેāŠ–ા.
LCLLower Control Limit – āŠĻીāŠšેāŠĻી āŠĻિāŠŊંāŠĪ્āŠ°āŠĢ āŠŪāŠ°્āŠŊાāŠĶા.

11.5 Types of Control Charts

ChartāŠ‰āŠŠāŠŊોāŠ—
X̄ ChartāŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻા āŠļāŠ°ેāŠ°ાāŠķāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
R ChartāŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻા RangeāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
S ChartāŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻા Standard DeviationāŠŪાં āŠŦેāŠ°āŠŦાāŠ°.
p ChartāŠ–ાāŠŪીāŠĩાāŠģા āŠāŠ•āŠŪોāŠĻું āŠŠ્āŠ°āŠŪાāŠĢ.
np ChartāŠ–ાāŠŪીāŠĩાāŠģા āŠāŠ•āŠŪોāŠĻી āŠļંāŠ–્āŠŊા.
c ChartāŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠāŠ•āŠŪāŠŪાં āŠ–ાāŠŪીāŠ“āŠĻી āŠļંāŠ–્āŠŊા.
u ChartāŠŠ્āŠ°āŠĪિ āŠāŠ•āŠŪ āŠ–ાāŠŪીāŠ“āŠĻી āŠļāŠ°ેāŠ°ાāŠķ āŠļંāŠ–્āŠŊા.

11.6 Control Limits

X̄ Chart āŠŪાāŠŸે:
UCL = X̄̄ + A₂R̄ CL = X̄̄ LCL = X̄̄ − A₂R̄
R Chart āŠŪાāŠŸે:
UCL = D₄R̄ CL = R̄ LCL = D₃R̄
p Chart āŠŪાāŠŸે:
UCL = p̄ + 3√[p̄(1−p̄)/n] LCL = p̄ − 3√[p̄(1−p̄)/n]
āŠœો LCL āŠĻāŠ•ાāŠ°ાāŠĪ્āŠŪāŠ• āŠ†āŠĩે āŠĪો āŠĩ્āŠŊāŠĩāŠđાāŠ°િāŠ• āŠ°ીāŠĪે āŠĪેāŠĻે āŠķૂāŠĻ્āŠŊ āŠēેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.

11.7 Chance Causes and Assignable Causes

Chance CausesAssignable Causes
āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠŪાં āŠ•ુāŠĶāŠ°āŠĪી āŠ…āŠĻે āŠļાāŠŪાāŠĻ્āŠŊ āŠŦેāŠ°āŠŦાāŠ°.āŠĩિāŠķિāŠ·્āŠŸ āŠ•ાāŠ°āŠĢોāŠĨી āŠĨāŠĪા āŠ…āŠļાāŠŪાāŠĻ્āŠŊ āŠŦેāŠ°āŠŦાāŠ°.
āŠ˜āŠĢી āŠĻાāŠĻી āŠŽાāŠŽāŠĪોāŠĻા āŠļંāŠŊુāŠ•્āŠĪ āŠŠ્āŠ°āŠ­ાāŠĩāŠĨી.āŠŪāŠķીāŠĻāŠĻી āŠ–ાāŠŪી, āŠ•āŠ°્āŠŪāŠšાāŠ°ીāŠĻી āŠ­ૂāŠē āŠĩāŠ—ેāŠ°ે.
āŠļાāŠŪાāŠĻ્āŠŊ āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻો āŠ­ાāŠ—.āŠĪāŠŠાāŠļ āŠ…āŠĻે āŠļુāŠ§ાāŠ°ાāŠĻી āŠœāŠ°ૂāŠ°.

11.8 Acceptance Sampling

āŠŪોāŠŸી āŠŽેāŠšāŠŪાંāŠĨી āŠĨોāŠĄા āŠāŠ•āŠŪોāŠĻી āŠĪāŠŠાāŠļ āŠ•āŠ°ીāŠĻે āŠ†āŠ–ી āŠŽેāŠš āŠļ્āŠĩીāŠ•ાāŠ°āŠĩી āŠ•ે āŠĻāŠ•ાāŠ°āŠĩી āŠĪે āŠĻāŠ•્āŠ•ી āŠ•āŠ°āŠĩાāŠĻી āŠŠāŠĶ્āŠ§āŠĪિāŠĻે Acceptance Sampling āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.

11.9 Six Sigma

āŠ‰āŠĪ્āŠŠાāŠĶāŠĻ āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠŪાં āŠ–ાāŠŪીāŠ“ āŠ˜āŠŸાāŠĄીāŠĻે āŠ—ુāŠĢāŠĩāŠĪ્āŠĪા āŠļુāŠ§ાāŠ°āŠĩા āŠŪાāŠŸે āŠ‰āŠŠāŠŊોāŠ—āŠŪાં āŠēેāŠĩાāŠĪી āŠĩ્āŠŊāŠĩāŠļ્āŠĨિāŠĪ āŠŠāŠĶ્āŠ§āŠĪિāŠĻે Six Sigma āŠ•āŠđે āŠ›ે.
Exam Point: UCL = Upper Control Limit, CL = Central Line, LCL = Lower Control Limit. X̄ Chart āŠļāŠ°ેāŠ°ાāŠķ āŠ…āŠĻે R Chart Range āŠŪાāŠŠે āŠ›ે.
12

Function – āŠĩિāŠ§ેāŠŊ

12.1 FunctionāŠĻો āŠ…āŠ°્āŠĨ

āŠ—āŠĢિāŠĪāŠŪાં āŠāŠ• āŠšāŠēāŠĻા āŠĶāŠ°ેāŠ• āŠļ્āŠĩીāŠ•ાāŠ°્āŠŊ āŠŪૂāŠē્āŠŊāŠĻે āŠŽીāŠœા āŠšāŠēāŠĻા āŠšોāŠ•્āŠ•āŠļ āŠāŠ• āŠœ āŠŪૂāŠē્āŠŊ āŠļાāŠĨે āŠœોāŠĄāŠĪો āŠļંāŠŽંāŠ§ Function āŠ•āŠđેāŠĩાāŠŊ āŠ›ે. āŠļાāŠŪાāŠĻ્āŠŊ āŠ°ીāŠĪે:
y = f(x)
āŠ…āŠđીં:
  • x = Independent Variable.
  • y = Dependent Variable.
  • f = Function.

12.2 Domain, Codomain and Range

āŠĩિāŠ­ાāŠĩāŠĻાāŠ…āŠ°્āŠĨ
DomaināŠĩિāŠ§ેāŠŊāŠŪાં x āŠēāŠˆ āŠķāŠ•ે āŠĪેāŠĩા āŠĪāŠŪાāŠŪ āŠļ્āŠĩીāŠ•ાāŠ°્āŠŊ āŠŪૂāŠē્āŠŊો.
CodomaināŠĩિāŠ§ેāŠŊāŠĻા āŠ†āŠ‰āŠŸāŠŠુāŠŸ āŠŪાāŠŸે āŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠļāŠŪૂāŠđ.
RangeāŠĩિāŠ§ેāŠŊāŠŪાંāŠĨી āŠĩાāŠļ્āŠĪāŠĩāŠŪાં āŠŪāŠģāŠĪા āŠ†āŠ‰āŠŸāŠŠુāŠŸ āŠŪૂāŠē્āŠŊો.

12.3 Types of Functions

āŠŠ્āŠ°āŠ•ાāŠ°āŠļૂāŠĪ્āŠ° / āŠ‰āŠĶાāŠđāŠ°āŠĢ
Constant Functionf(x) = c.
Identity Functionf(x) = x.
Linear Functionf(x) = ax + b.
Quadratic Functionf(x) = ax² + bx + c.
Cubic Functionf(x) = ax³ + bx² + cx + d.
Polynomial Functionf(x) = aₙxâŋ + ... + a₀.
Rational FunctionāŠŽે PolynomialāŠĻું āŠ—ુāŠĢોāŠĪ્āŠĪāŠ°.
Exponential Functionf(x) = aËĢ.
Logarithmic Functionf(x) = log x.

12.4 One-One Function

āŠœ્āŠŊાāŠ°ે DomaināŠĻા āŠ…āŠēāŠ—-āŠ…āŠēāŠ— āŠŪૂāŠē્āŠŊો āŠŪાāŠŸે RangeāŠŪાં āŠ…āŠēāŠ—-āŠ…āŠēāŠ— āŠŪૂāŠē્āŠŊો āŠŪāŠģે āŠĪ્āŠŊાāŠ°ે One-One Function āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.

12.5 Many-One Function

āŠœ્āŠŊાāŠ°ે DomaināŠĻા āŠāŠ•āŠĨી āŠĩāŠ§ુ āŠŪૂāŠē્āŠŊો āŠŪાāŠŸે āŠļāŠŪાāŠĻ Output āŠŪāŠģે āŠĪ્āŠŊાāŠ°ે Many-One Function āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.

12.6 Onto Function

āŠœો CodomaināŠĻું āŠĶāŠ°ેāŠ• āŠŪૂāŠē્āŠŊ āŠ“āŠ›ાāŠŪાં āŠ“āŠ›ા āŠāŠ• DomaināŠĻા āŠŪૂāŠē્āŠŊāŠĻું Image āŠđોāŠŊ āŠĪો āŠĪેāŠĻે Onto Function āŠ•āŠđે āŠ›ે.

12.7 Into Function

āŠœો CodomaināŠĻા āŠ•ેāŠŸāŠēાāŠ• āŠŪૂāŠē્āŠŊો RangeāŠŪાં āŠļાāŠŪેāŠē āŠĻ āŠđોāŠŊ āŠĪો Into Function āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.

12.8 Even and Odd Functions

Even Function: f(−x) = f(x) Odd Function: f(−x) = −f(x)
āŠ‰āŠĶાāŠđāŠ°āŠĢ:
  • f(x) = x² āŠ Even Function āŠ›ે.
  • f(x) = x³ āŠ Odd Function āŠ›ે.

12.9 Composite Function

āŠāŠ• āŠĩિāŠ§ેāŠŊāŠĻા āŠ†āŠ‰āŠŸāŠŠુāŠŸāŠĻે āŠŽીāŠœા āŠĩિāŠ§ેāŠŊāŠĻા āŠ‡āŠĻāŠŠુāŠŸ āŠĪāŠ°ીāŠ•ે āŠ‰āŠŠāŠŊોāŠ— āŠ•āŠ°āŠĩાāŠĨી Composite Function āŠŪāŠģે āŠ›ે.
(f ∘ g)(x) = f(g(x))

12.10 Inverse Function

āŠœો Function One-One āŠ…āŠĻે Onto āŠđોāŠŊ āŠĪો āŠĪેāŠĻું Inverse Function āŠ…āŠļ્āŠĪિāŠĪ્āŠĩ āŠ§āŠ°ાāŠĩે āŠ›ે.
f⁻¹(f(x)) = x
13

Continuity – āŠļાāŠĪāŠĪ્āŠŊ

13.1 ContinuityāŠĻો āŠ…āŠ°્āŠĨ

āŠ•ોāŠˆ FunctionāŠĻા āŠ—્āŠ°ાāŠŦāŠŪાં āŠ†āŠŠેāŠēા āŠŽિંāŠĶુāŠ āŠĪૂāŠŸāŠ•āŠŠāŠĢું āŠ…āŠĨāŠĩા āŠ–ાāŠēી āŠœāŠ—્āŠŊા āŠĻ āŠđોāŠŊ āŠ…āŠĻે āŠĪ્āŠŊાં FunctionāŠĻું āŠŪૂāŠē્āŠŊ āŠļāŠĪāŠĪ āŠ°āŠđે āŠĪો āŠĪેāŠĻે Continuity āŠ•āŠđે āŠ›ે.

13.2 Conditions of Continuity

āŠ•ોāŠˆ Function f(x), x = a āŠŠāŠ° Continuous āŠđોāŠŊ āŠĪે āŠŪાāŠŸે āŠĪ્āŠ°āŠĢ āŠķāŠ°āŠĪો āŠœāŠ°ૂāŠ°ી āŠ›ે.
  1. f(a) āŠ…āŠļ્āŠĪિāŠĪ્āŠĩāŠŪાં āŠđોāŠĩું āŠœોāŠˆāŠ.
  2. lim x→a f(x) āŠ…āŠļ્āŠĪિāŠĪ્āŠĩāŠŪાં āŠđોāŠĩો āŠœોāŠˆāŠ.
  3. lim x→a f(x) = f(a) āŠđોāŠĩું āŠœોāŠˆāŠ.
lim(x→a) f(x) = f(a)

13.3 Left Hand Continuity

x, a āŠ•āŠ°āŠĪાં āŠĻાāŠĻી āŠŽાāŠœુāŠĨી a āŠĪāŠ°āŠŦ āŠ†āŠĩે āŠĪ્āŠŊાāŠ°ે āŠŪāŠģāŠĪી āŠļીāŠŪા Left Hand Limit āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.
LHL = lim(x→a⁻) f(x)

13.4 Right Hand Continuity

x, a āŠ•āŠ°āŠĪાં āŠŪોāŠŸી āŠŽાāŠœુāŠĨી a āŠĪāŠ°āŠŦ āŠ†āŠĩે āŠĪ્āŠŊાāŠ°ે āŠŪāŠģāŠĪી āŠļીāŠŪા Right Hand Limit āŠ•āŠđેāŠĩાāŠŊ āŠ›ે.
RHL = lim(x→a⁺) f(x)

13.5 Condition for Continuity

LHL = RHL = f(a)

13.6 Types of Discontinuity

āŠŠ્āŠ°āŠ•ાāŠ°āŠļāŠŪāŠœૂāŠĪી
Removable DiscontinuityāŠŊોāŠ—્āŠŊ āŠ°ીāŠĪે āŠŽિંāŠĶુāŠĻું āŠŪૂāŠē્āŠŊ āŠĻિāŠ°્āŠ§ાāŠ°િāŠĪ āŠ…āŠĨāŠĩા āŠļુāŠ§ાāŠ°ી āŠķāŠ•ાāŠŊ āŠĪેāŠĩું āŠĪૂāŠŸāŠ•āŠŠāŠĢું.
Jump DiscontinuityLHL āŠ…āŠĻે RHL āŠ…āŠēāŠ— āŠđોāŠŊ.
Infinite DiscontinuityFunctionāŠĻું āŠŪૂāŠē્āŠŊ āŠ…āŠĻંāŠĪ āŠĪāŠ°āŠŦ āŠœાāŠŊ.
Oscillatory DiscontinuityāŠļીāŠŪા āŠ•ોāŠˆ āŠāŠ• āŠĻિāŠķ્āŠšિāŠĪ āŠŪૂāŠē્āŠŊ āŠŠāŠ° āŠļ્āŠĨિāŠ° āŠĻ āŠĨાāŠŊ.

13.7 Examples of Continuous Functions

  • Polynomial Functions āŠĪેāŠŪāŠĻા āŠļāŠŪāŠ—્āŠ° DomaināŠŪાં Continuous āŠđોāŠŊ āŠ›ે.
  • Rational Functions āŠĪેāŠŪāŠĻા Denominator āŠķૂāŠĻ્āŠŊ āŠĻ āŠđોāŠŊ āŠĪ્āŠŊાં Continuous āŠđોāŠŊ āŠ›ે.
  • Exponential Functions āŠļāŠŪāŠ—્āŠ° Real Number DomaināŠŪાં Continuous āŠđોāŠŊ āŠ›ે.
  • āŠļાāŠŪાāŠĻ્āŠŊ Trigonometric Functions āŠĪેāŠŪāŠĻા DomaināŠŪાં Continuous āŠđોāŠŊ āŠ›ે.
14

Limit – āŠļીāŠŪા

14.1 LimitāŠĻો āŠ…āŠ°્āŠĨ

āŠœ્āŠŊાāŠ°ે Independent Variable āŠ•ોāŠˆ āŠĻિāŠķ્āŠšિāŠĪ āŠŪૂāŠē્āŠŊāŠĻી āŠĻāŠœીāŠ• āŠœાāŠŊ āŠĪ્āŠŊાāŠ°ે FunctionāŠĻું āŠŪૂāŠē્āŠŊ āŠœે āŠĻિāŠķ્āŠšિāŠĪ āŠŪૂāŠē્āŠŊāŠĻી āŠĻāŠœીāŠ• āŠœાāŠŊ āŠĪેāŠĻે Limit āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
lim(x→a) f(x) = L

āŠ…āŠ°્āŠĨાāŠĪ્ x, a āŠĪāŠ°āŠŦ āŠœાāŠŊ āŠĪ્āŠŊાāŠ°ે f(x), L āŠĪāŠ°āŠŦ āŠœાāŠŊ āŠ›ે.

14.2 Types of Limits

āŠŠ્āŠ°āŠ•ાāŠ°āŠļāŠŪāŠœૂāŠĪી
Left Hand LimitāŠĄાāŠŽી āŠŽાāŠœુāŠĨી āŠļીāŠŪા.
Right Hand LimitāŠœāŠŪāŠĢી āŠŽાāŠœુāŠĨી āŠļીāŠŪા.
Finite LimitāŠŪāŠ°્āŠŊાāŠĶિāŠĪ āŠĻિāŠķ્āŠšિāŠĪ āŠŪૂāŠē્āŠŊ.
Infinite LimitāŠŪૂāŠē્āŠŊ āŠ…āŠĻંāŠĪ āŠĪāŠ°āŠŦ āŠœાāŠŊ.
Limit at Infinityx āŠ…āŠĻંāŠĪ āŠĪāŠ°āŠŦ āŠœાāŠŊ āŠĪ્āŠŊાāŠ°ે FunctionāŠĻું āŠĩāŠ°્āŠĪāŠĻ.

14.3 Basic Limit Laws

āŠœો lim f(x) = L āŠ…āŠĻે lim g(x) = M āŠđોāŠŊ āŠĪો:
lim [f(x) + g(x)] = L + M lim [f(x) − g(x)] = L − M lim [f(x) × g(x)] = L × M lim [f(x) / g(x)] = L / M

āŠ›ેāŠē્āŠēા āŠļૂāŠĪ્āŠ°āŠŪાં M ≠ 0 āŠđોāŠĩું āŠœāŠ°ૂāŠ°ી āŠ›ે.

14.4 Important Standard Limits

lim(x→0) sin x / x = 1 lim(x→0) tan x / x = 1 lim(x→0) (1 − cos x) / x² = 1/2 lim(x→0) (eËĢ − 1) / x = 1 lim(x→0) (aËĢ − 1) / x = ln a

14.5 Important Algebraic Limits

lim(x→a) (xâŋ − aâŋ)/(x − a) = n aâŋ⁻¹

14.6 L'HÃīpital's Rule

āŠœ્āŠŊાāŠ°ે LimitāŠŪાં 0/0 āŠ…āŠĨāŠĩા ∞/∞ āŠœેāŠĩી āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĨિāŠĪિ āŠ†āŠĩે āŠĪ્āŠŊાāŠ°ે āŠŊોāŠ—્āŠŊ āŠķāŠ°āŠĪો āŠđેāŠ āŠģ Numerator āŠ…āŠĻે DenominatorāŠĻું āŠ…āŠēāŠ—-āŠ…āŠēāŠ— Differentiation āŠ•āŠ°ીāŠĻે Limit āŠŪેāŠģāŠĩી āŠķāŠ•ાāŠŊ āŠ›ે.
lim f(x)/g(x) = lim f'(x)/g'(x)

āŠœ્āŠŊાāŠ°ે āŠŪૂāŠģ Limit 0/0 āŠ…āŠĨāŠĩા ∞/∞ āŠļ્āŠĩāŠ°ૂāŠŠāŠĻી āŠđોāŠŊ āŠ…āŠĻે āŠĻિāŠŊāŠŪāŠĻી āŠķāŠ°āŠĪો āŠļંāŠĪોāŠ·ાāŠĪી āŠđોāŠŊ.

14.7 Indeterminate Forms

0/0āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĩāŠ°ૂāŠŠ.
∞/∞āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĩāŠ°ૂāŠŠ.
0 × ∞āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĩāŠ°ૂāŠŠ.
∞ − ∞āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĩāŠ°ૂāŠŠ.
0⁰āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĩāŠ°ૂāŠŠ.
1∞āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĩāŠ°ૂāŠŠ.
∞⁰āŠ…āŠĻિāŠķ્āŠšિāŠĪ āŠļ્āŠĩāŠ°ૂāŠŠ.
āŠ‰āŠĶાāŠđāŠ°āŠĢ:
lim(x→2) (x² − 4)/(x − 2) = lim(x→2) [(x−2)(x+2)]/(x−2) = lim(x→2) (x+2) = 4.
15

Derivatives – āŠĩિāŠ•āŠēāŠĻ

15.1 DerivativeāŠĻો āŠ…āŠ°્āŠĨ

āŠ•ોāŠˆ FunctionāŠŪાં Independent VariableāŠĻા āŠ…āŠĪ્āŠŊંāŠĪ āŠĻાāŠĻા āŠŦેāŠ°āŠŦાāŠ°āŠĻી āŠļāŠ°āŠ–ાāŠŪāŠĢીāŠŪાં Dependent VariableāŠŪાં āŠĨāŠĪા āŠŦેāŠ°āŠŦાāŠ°āŠĻા āŠĶāŠ°āŠĻે Derivative āŠ•āŠđે āŠ›ે. āŠĪેāŠĻે Differentiation āŠŠāŠĢ āŠ•āŠđેāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
dy/dx = f'(x)

15.2 First Principle of Derivative

f'(x) = lim(h→0) [f(x+h) − f(x)] / h

15.3 Basic Rules of Differentiation

FunctionDerivative
Constant c0.
x1.
xâŋnxâŋ⁻¹.
axa.
eËĢeËĢ.
aËĢaËĢ ln a.
ln x1/x.
logₐ x1/(x ln a).
1/x−1/x².
√x1/(2√x).

15.4 Trigonometric Derivatives

FunctionDerivative
sin xcos x.
cos x−sin x.
tan xsec² x.
cot x−cosec² x.
sec xsec x tan x.
cosec x−cosec x cot x.

15.5 Sum and Difference Rule

d/dx [f(x) ± g(x)] = f'(x) ± g'(x)

15.6 Product Rule

d(uv)/dx = u(dv/dx) + v(du/dx)

15.7 Quotient Rule

d(u/v)/dx = [v(du/dx) − u(dv/dx)] / v²

15.8 Chain Rule

dy/dx = (dy/du) × (du/dx)

15.9 Higher Order Derivatives

āŠŠ્āŠ°āŠĨāŠŪ DerivativeāŠĻું āŠŦāŠ°ીāŠĨી Differentiation āŠ•āŠ°āŠĩાāŠĨી Second Derivative āŠŪāŠģે āŠ›ે.
First Derivative = dy/dx Second Derivative = d²y/dx² Third Derivative = d³y/dx³

15.10 Implicit Differentiation

āŠœ્āŠŊાāŠ°ે x āŠ…āŠĻે y āŠĩāŠš્āŠšેāŠĻો āŠļંāŠŽંāŠ§ y = f(x)āŠĻા āŠļ્āŠĩāŠ°ૂāŠŠāŠŪાં āŠļ્āŠŠāŠ·્āŠŸ āŠ°ીāŠĪે āŠĻ āŠ†āŠŠ્āŠŊો āŠđોāŠŊ āŠĪ્āŠŊાāŠ°ે āŠŽંāŠĻે āŠŽાāŠœુ xāŠĻા āŠļંāŠĶāŠ°્āŠ­āŠŪાં Differentiation āŠ•āŠ°ીāŠĻે dy/dx āŠŪેāŠģāŠĩāŠĩાāŠĻી āŠŠāŠĶ્āŠ§āŠĪિāŠĻે Implicit Differentiation āŠ•āŠđે āŠ›ે.

15.11 Applications of Derivatives

  • āŠŦેāŠ°āŠŦાāŠ°āŠĻો āŠĶāŠ° āŠŪાāŠŠāŠĩો.
  • āŠĩāŠļ્āŠĪુāŠĻી Marginal Cost āŠķોāŠ§āŠĩી.
  • Marginal Revenue āŠķોāŠ§āŠĩી.
  • āŠŪāŠđāŠĪ્āŠĪāŠŪ āŠĻāŠŦો āŠķોāŠ§āŠĩો.
  • āŠĻ્āŠŊૂāŠĻāŠĪāŠŪ āŠ–āŠ°્āŠš āŠķોāŠ§āŠĩો.
  • āŠĩૃāŠĶ્āŠ§િ āŠ…āŠĻે āŠ˜āŠŸાāŠĄાāŠĻો āŠĶāŠ° āŠŪાāŠŠāŠĩો.

15.12 Increasing and Decreasing Functions

āŠļ્āŠĨિāŠĪિāŠķāŠ°āŠĪ
Increasing Functionf'(x) > 0.
Decreasing Functionf'(x) < 0.
Stationary Pointf'(x) = 0.

15.13 Maxima and Minima

āŠ•ોāŠˆ FunctionāŠĻું āŠļ્āŠĨાāŠĻિāŠ• āŠŪāŠđāŠĪ્āŠĪāŠŪ āŠ…āŠĨāŠĩા āŠĻ્āŠŊૂāŠĻāŠĪāŠŪ āŠŪૂāŠē્āŠŊ āŠķોāŠ§āŠĩા DerivativesāŠĻો āŠ‰āŠŠāŠŊોāŠ— āŠĨાāŠŊ āŠ›ે.
First Derivative Test

PositiveāŠĨી Negative āŠĨાāŠŊ → Local Maximum.

NegativeāŠĨી Positive āŠĨાāŠŊ → Local Minimum.

Second Derivative Test

f'(a)=0 āŠ…āŠĻે f''(a)<0 → Local Maximum.

f'(a)=0 āŠ…āŠĻે f''(a)>0 → Local Minimum.

āŠ‰āŠĶાāŠđāŠ°āŠĢ:
f(x) = x² − 4x + 5. First Derivative: f'(x) = 2x − 4. 2x − 4 = 0. x = 2. Second Derivative: f''(x) = 2. āŠ•ાāŠ°āŠĢ āŠ•ે f''(2) > 0, āŠĪેāŠĨી x = 2 āŠŠāŠ° Local Minimum āŠ›ે. Minimum Value = 2² − 4(2) + 5 = 1.
16

Permutation and Combination – āŠ•્āŠ°āŠŪāŠšāŠŊ āŠ…āŠĻે āŠļંāŠšāŠŊ

16.1 Factorial – āŠ•્āŠ°āŠŪāŠ—āŠĢિāŠĪ

āŠ•ોāŠˆ āŠ§āŠĻ āŠŠૂāŠ°્āŠĢાંāŠ• nāŠĻા 1āŠĨી n āŠļુāŠ§ીāŠĻા āŠĪāŠŪાāŠŪ āŠŠૂāŠ°્āŠĢાંāŠ•ોāŠĻા āŠ—ુāŠĢાāŠ•ાāŠ°āŠĻે n Factorial āŠ•āŠđે āŠ›ે.
n! = n × (n−1) × (n−2) × ... × 2 × 1 0! = 1 1! = 1
āŠ‰āŠĶાāŠđāŠ°āŠĢ:
5! = 5 × 4 × 3 × 2 × 1 = 120.

16.2 Permutation – āŠ•્āŠ°āŠŪāŠšāŠŊ

āŠ•ોāŠˆ āŠļāŠŪૂāŠđāŠŪાંāŠĨી āŠ…āŠŪુāŠ• āŠĩāŠļ્āŠĪુāŠ“ āŠŠāŠļંāŠĶ āŠ•āŠ°ીāŠĻે āŠĪેāŠŪāŠĻે āŠšોāŠ•્āŠ•āŠļ āŠ•્āŠ°āŠŪāŠŪાં āŠ—ોāŠ āŠĩāŠĩાāŠĻી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻે Permutation āŠ•āŠđે āŠ›ે. PermutationāŠŪાં āŠ•્āŠ°āŠŪāŠĻું āŠŪāŠđāŠĪ્āŠĩ āŠđોāŠŊ āŠ›ે.
âŋPáĩĢ = n! / (n−r)!

16.3 Permutation of All Objects

n āŠ…āŠēāŠ— āŠĩāŠļ્āŠĪુāŠ“āŠĻે āŠ—ોāŠ āŠĩāŠĩાāŠĻી āŠ•ુāŠē āŠ°ીāŠĪો:
âŋPₙ = n!

16.4 Permutation with Repetition

āŠœો āŠĶāŠ°ેāŠ• āŠļ્āŠĨાāŠĻ āŠŠāŠ° nāŠŪાંāŠĨી āŠ•ોāŠˆāŠŠāŠĢ āŠĩāŠļ્āŠĪુ āŠŦāŠ°ીāŠĨી āŠŠāŠļંāŠĶ āŠ•āŠ°ી āŠķāŠ•ાāŠŊ āŠ…āŠĻે āŠ•ુāŠē r āŠļ્āŠĨાāŠĻ āŠđોāŠŊ āŠĪો:
nĘģ

16.5 Permutation of Objects with Repetition

āŠœો n āŠĩāŠļ્āŠĪુāŠ“āŠŪાં āŠ•ેāŠŸāŠēાāŠ• āŠļāŠŪાāŠĻ āŠđોāŠŊ āŠĪો:
n! / (p! × q! × r! ...)

āŠ…āŠđીં p, q, r āŠļāŠŪાāŠĻ āŠĩāŠļ્āŠĪુāŠ“āŠĻી āŠļંāŠ–્āŠŊા āŠĶāŠ°્āŠķાāŠĩે āŠ›ે.

āŠ‰āŠĶાāŠđāŠ°āŠĢ:
BANANA āŠķāŠŽ્āŠĶāŠŪાં āŠ•ુāŠē 6 āŠ…āŠ•્āŠ·āŠ°ો āŠ›ે. A āŠĪ્āŠ°āŠĢ āŠĩāŠ–āŠĪ, N āŠŽે āŠĩāŠ–āŠĪ āŠ…āŠĻે B āŠāŠ• āŠĩāŠ–āŠĪ āŠ›ે. āŠ—ોāŠ āŠĩāŠĢોāŠĻી āŠļંāŠ–્āŠŊા: 6! / (3! × 2!) = 60.

16.6 Circular Permutation

n āŠ…āŠēāŠ— āŠĩāŠļ્āŠĪુāŠ“āŠĻે āŠĩāŠ°્āŠĪુāŠģાāŠ•ાāŠ° āŠ°ીāŠĪે āŠ—ોāŠ āŠĩāŠĩાāŠĻી āŠ°ીāŠĪો:
(n − 1)!

16.7 Combination – āŠļંāŠšāŠŊ

āŠ•ોāŠˆ āŠļāŠŪૂāŠđāŠŪાંāŠĨી āŠ…āŠŪુāŠ• āŠĩāŠļ્āŠĪુāŠ“ āŠŠāŠļંāŠĶ āŠ•āŠ°āŠĩાāŠĻી āŠŠ્āŠ°āŠ•્āŠ°િāŠŊાāŠĻે Combination āŠ•āŠđે āŠ›ે. CombinationāŠŪાં āŠ•્āŠ°āŠŪāŠĻું āŠŪāŠđāŠĪ્āŠĩ āŠđોāŠĪું āŠĻāŠĨી.
âŋCáĩĢ = n! / [r!(n−r)!]

16.8 Relationship between Permutation and Combination

âŋPáĩĢ = âŋCáĩĢ × r!

16.9 Important Properties of Combination

âŋC₀ = 1 âŋC₁ = n âŋCₙ = 1 âŋCáĩĢ = âŋCₙ₋áĩĢ

16.10 Difference between Permutation and Combination

PermutationCombination
āŠ•્āŠ°āŠŪāŠšāŠŊ.āŠļંāŠšāŠŊ.
āŠ•્āŠ°āŠŪāŠĻું āŠŪāŠđāŠĪ્āŠĩ āŠ›ે.āŠ•્āŠ°āŠŪāŠĻું āŠŪāŠđāŠĪ્āŠĩ āŠĻāŠĨી.
āŠĩāŠļ્āŠĪુāŠ“āŠĻે āŠ—ોāŠ āŠĩāŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.āŠĩāŠļ્āŠĪુāŠ“āŠĻી āŠŠāŠļંāŠĶāŠ—ી āŠ•āŠ°āŠĩાāŠŪાં āŠ†āŠĩે āŠ›ે.
âŋPáĩĢ = n!/(n−r)!âŋCáĩĢ = n!/[r!(n−r)!]
AB āŠ…āŠĻે BA āŠ…āŠēāŠ— āŠ—ોāŠ āŠĩāŠĢ.AB āŠ…āŠĻે BA āŠāŠ• āŠœ āŠŠāŠļંāŠĶāŠ—ી.

16.11 Solved Example – Permutation

āŠŠ્āŠ°āŠķ્āŠĻ:
5 āŠĩ્āŠŊāŠ•્āŠĪિāŠŪાંāŠĨી 3 āŠĩ્āŠŊāŠ•્āŠĪિāŠĻે āŠāŠ• āŠēાāŠ‡āŠĻāŠŪાં āŠ•ેāŠŸāŠēી āŠ°ીāŠĪે āŠ—ોāŠ āŠĩી āŠķāŠ•ાāŠŊ? āŠ‰āŠ•ેāŠē: ⁵P₃ = 5!/(5−3)! = 5!/2! = 120/2 = 60 āŠ°ીāŠĪો.

16.12 Solved Example – Combination

āŠŠ્āŠ°āŠķ્āŠĻ:
5 āŠĩ્āŠŊāŠ•્āŠĪિāŠŪાંāŠĨી 3 āŠĩ્āŠŊāŠ•્āŠĪિāŠĻી āŠļāŠŪિāŠĪિ āŠ•ેāŠŸāŠēી āŠ°ીāŠĪે āŠŽāŠĻાāŠĩી āŠķāŠ•ાāŠŊ? āŠ‰āŠ•ેāŠē: ⁵C₃ = 5!/(3!×2!) = 120/12 = 10 āŠ°ીāŠĪો.

16.13 Important Applications

  • āŠļāŠŪિāŠĪિāŠĻી āŠ°āŠšāŠĻા – Combination.
  • āŠŽેāŠ āŠ• āŠĩ્āŠŊāŠĩāŠļ્āŠĨા – Permutation.
  • āŠķāŠŽ્āŠĶોāŠĻી āŠ—ોāŠ āŠĩāŠĢ – Permutation.
  • āŠŸીāŠŪāŠĻી āŠŠāŠļંāŠĶāŠ—ી – Combination.
  • āŠ•્āŠ°āŠŪ āŠļાāŠĨેāŠĻી āŠŠāŠļંāŠĶāŠ—ી – Permutation.
17

Important Formula Revision – āŠŪāŠđāŠĪ્āŠĩāŠŠૂāŠ°્āŠĢ āŠļૂāŠĪ્āŠ°ો

Central Tendency

Mean = ÎĢX / N

Frequency Mean = ÎĢfX / ÎĢf

Median = [(N+1)/2]th Observation (Odd N).

QD = (Q₃ − Q₁)/2

Mode = 3 Median − 2 Mean.

GM = (X₁ × X₂ × ... × Xₙ)^(1/N)

HM = N / ÎĢ(1/X).

Measures of Dispersion

Range = L − S Coefficient of Range = (L−S)/(L+S) QD = (Q₃−Q₁)/2 Variance = ÎĢ(X−Ξ)²/N SD = √Variance CV = (SD/Mean) × 100

Sampling

Sampling Interval = N/n

Probability

P(A) = Favourable Outcomes / Total Outcomes P(A') = 1 − P(A) P(A∪B) = P(A)+P(B)−P(A∩B) P(A∩B) = P(A)×P(B) (Independent Events) P(A|B) = P(A∩B)/P(B)

Index Numbers

Simple Index = (P₁/P₀) × 100 Laspeyres = [ÎĢP₁Q₀/ÎĢP₀Q₀] × 100 Paasche = [ÎĢP₁Q₁/ÎĢP₀Q₁] × 100 Fisher = √(L×P)

Correlation

−1 ≤ r ≤ +1 r = ÎĢxy / √(ÎĢx²ÎĢy²) Spearman ρ = 1 − [6ÎĢd²/n(n²−1)]

Regression

Y = a + bX r² = báĩ§â‚“ × bₓáĩ§ r = ±√(báĩ§â‚“ × bₓáĩ§)

Time Series

Additive Model = T + S + C + I Multiplicative Model = T × S × C × I Trend Equation = Y = a + bX

Statistical Quality Control

UCL = Upper Control Limit CL = Central Line LCL = Lower Control Limit

Functions, Limits and Continuity

Function: y = f(x) Continuity: lim(x→a) f(x) = f(a) LHL = RHL = f(a) lim(x→0) sin x/x = 1 lim(x→0) (1−cos x)/x² = 1/2

Derivatives

d(xâŋ)/dx = nxâŋ⁻¹ d(sin x)/dx = cos x d(cos x)/dx = −sin x d(eËĢ)/dx = eËĢ d(ln x)/dx = 1/x Product Rule: (uv)' = u'v + uv' Quotient Rule: (u/v)' = (vu'−uv')/v² Chain Rule: dy/dx = (dy/du)(du/dx)

Permutation and Combination

n! = n(n−1)(n−2)...1 âŋPáĩĢ = n!/(n−r)! âŋCáĩĢ = n!/[r!(n−r)!] âŋPáĩĢ = âŋCáĩĢ × r! Circular Permutation = (n−1)! âŋCáĩĢ = âŋCₙ₋áĩĢ

Important One-Line Revision

āŠĩિāŠ·āŠŊāŠŪāŠđāŠĪ્āŠĩāŠŠૂāŠ°્āŠĢ āŠŪુāŠĶ્āŠĶો
Primary DataāŠŠ્āŠ°āŠĨāŠŪ āŠĩāŠ–āŠĪ āŠāŠ•āŠĪ્āŠ°િāŠĪ āŠ•āŠ°ેāŠēી āŠŪાāŠđિāŠĪી.
Secondary DataāŠ…āŠ—ાāŠ‰āŠĨી āŠ‰āŠŠāŠēāŠŽ્āŠ§ āŠŪાāŠđિāŠĪી.
MeanArithmetic Average.
MedianMiddle Value.
ModeMost Frequent Value.
Standard DeviationāŠŠ્āŠ°āŠŪાāŠĢિāŠĪ āŠĩિāŠšāŠēāŠĻ.
CVāŠļાāŠŠેāŠ•્āŠ· āŠĩિāŠšāŠēāŠĻāŠĻું āŠŪાāŠŠ.
Simple Random SamplingāŠĶāŠ°ેāŠ• āŠāŠ•āŠŪāŠĻે āŠļāŠŪાāŠĻ āŠĪāŠ•.
Probability0āŠĨી 1 āŠĩāŠš્āŠšે.
Fisher IndexāŠ†āŠĶāŠ°્āŠķ āŠļૂāŠšāŠ•ાંāŠ•.
CorrelationāŠŽે āŠšāŠē āŠĩāŠš્āŠšેāŠĻો āŠļંāŠŽંāŠ§.
RegressionāŠ…ંāŠĶાāŠœ āŠ…āŠĻે āŠ†āŠ—ાāŠđી.
Time SeriesāŠļāŠŪāŠŊāŠĻા āŠ•્āŠ°āŠŪāŠŪાં āŠ—ોāŠ āŠĩેāŠēી āŠŪાāŠđિāŠĪી.
SQCāŠ—ુāŠĢāŠĩāŠĪ્āŠĪાāŠĻું āŠ†ંāŠ•āŠĄાāŠ•ીāŠŊ āŠĻિāŠŊંāŠĪ્āŠ°āŠĢ.
FunctionāŠĶāŠ°ેāŠ• InputāŠĻે āŠšોāŠ•્āŠ•āŠļ āŠāŠ• Output.
ContinuityLHL = RHL = f(a).
LimitāŠšāŠē āŠšોāŠ•્āŠ•āŠļ āŠŪૂāŠē્āŠŊāŠĻી āŠĻāŠœીāŠ• āŠœાāŠŊ āŠĪ્āŠŊાāŠ°ે FunctionāŠĻું āŠĩāŠ°્āŠĪāŠĻ.
DerivativeāŠŦેāŠ°āŠŦાāŠ°āŠĻો āŠĪાāŠĪ્āŠ•ાāŠēિāŠ• āŠĶāŠ°.
PermutationāŠ•્āŠ°āŠŪ āŠŪāŠđāŠĪ્āŠĩāŠĻો āŠ›ે.
CombinationāŠ•્āŠ°āŠŪ āŠŪāŠđāŠĪ્āŠĩāŠĻો āŠĻāŠĨી.

10 Marks – Most Important Topics

Central TendencyMean, Median, Mode āŠ…āŠĻે āŠ‰āŠĶાāŠđāŠ°āŠĢો.
DispersionRange, SD, Variance, CV.
SamplingProbability āŠ…āŠĻે Non-Probability Methods.
ProbabilityAddition, Multiplication āŠ…āŠĻે Bayes' Theorem.
Index NumbersLaspeyres, Paasche, Fisher.
CorrelationKarl Pearson āŠ…āŠĻે Spearman.
RegressionRegression Lines āŠ…āŠĻે Coefficients.
Time SeriesFour Components āŠ…āŠĻે Trend.
SQCControl Charts āŠ…āŠĻે Limits.
FunctionsDomain, Range āŠ…āŠĻે Types.
Continuity & LimitāŠķāŠ°āŠĪો āŠ…āŠĻે Standard Limits.
DerivativesRules āŠ…āŠĻે Applications.
PermutationāŠ•્āŠ°āŠŪāŠšāŠŊāŠĻા āŠļૂāŠĪ્āŠ°ો.
CombinationāŠļંāŠšāŠŊāŠĻા āŠļૂāŠĪ્āŠ°ો.
āŠŠāŠ°ીāŠ•્āŠ·ાāŠēāŠ•્āŠ·ી āŠ…āŠ­્āŠŊાāŠļ āŠļૂāŠšāŠĻ: āŠ† āŠŊુāŠĻિāŠŸāŠŪાં āŠŪાāŠĪ્āŠ° āŠĩ્āŠŊાāŠ–્āŠŊાāŠ“ āŠŊાāŠĶ āŠ°ાāŠ–āŠĩી āŠŠૂāŠ°āŠĪી āŠĻāŠĨી. Mean, Median, Mode, Standard Deviation, Probability, Index Numbers, Correlation, Regression, Permutation āŠ…āŠĻે CombinationāŠĻાં āŠĶાāŠ–āŠēાāŠ“āŠĻી āŠĻિāŠŊāŠŪિāŠĪ āŠŠ્āŠ°ેāŠ•્āŠŸિāŠļ āŠ•āŠ°āŠĩી. Limit, Continuity āŠ…āŠĻે DerivativesāŠĻાં āŠļૂāŠĪ્āŠ°ો āŠŠāŠĢ āŠĩાāŠ°ંāŠĩાāŠ° āŠ°િāŠĩાāŠ‡āŠ āŠ•āŠ°āŠĩા.
↑ Back to Top
Immy's Academy
Thank You Supporter

Sufiyan Abdulraheman Makrani

₹ 50

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel