 راستان، now we are going to perform میرز آخر دیتبوشین انالیسز در سپیسس سپیسس ہم جانتے ہیں جو نمیز اینلائیز پر ہم اکرانہ مستو幅 پر کلکہ اور وہاں پر آپ نے پھر فریکوانسی کے طب پر کلک کرنا ہے اور آپ نے ویریبرل سلکتنے یہاں پر آپ یاد رکھیے گا کہ آپ سکیونس اور کتیورسس کمپوٹ کر سکتے ہیں، یہ کانٹنیوش ویریبرل کے لئے ہی کمپوٹ کر سکتے ہیں یہ کسی نومنل level کے ویریبرل یا اوڈینل level کے ویریبرل کے لئے کمپوٹ نہیں کیا جا سکتا یہ صرف آپ کانٹنیوش فشفوم میںگر کو ویریبرل مئیر کیا ہے، صرف اسی کے لئے ہی کمپوٹ کر سکتے ہیں ان کو سلکت کرنے کے بعد آپ سٹریٹسٹیکس میں جائیں گے اور سٹریٹسٹیک کے ٹیب کو کلک کریں گے وہاں پر آپ کے پاس یہاں پر آپ نے سینٹرل ٹیدنسی ڈیس پرشن کو دیکھا وہی پر آپ کے پاس سکیونس کے وہ دسٹیبوشن کے ٹیب کے اندر، ہیڈنگ کے اندر، سکیونس اور کتیورسس کے ا option دیگے ہوگی یہ آپ دیکھیں تو اس پیسسٹ کی یہ بیوٹی ہے کہ اس نے دیسکرپٹیو انالیسس میں جو سینٹرل ٹیدنسی ڈیس پرشن اور دیسٹیبوشن کو ایکی جگہ رکھا ہے کیونکہ یہ سارے فیچر ہے ڈیٹا کے اور اس کے ساتھ پرسنٹال ویلیوز کو بھی رکھا ہے تاکہ آپ یہ سارا فیچر، یہ جو ڈیٹا کے فیچر ہے وہ ایکی دفعہ اس کا انالیسس پرفوم کر سکے ہم کیوں کہ اس کو ڈیٹا سکرہے ہیں اس لئے ہم اس کو ڈیٹا کر رہے ہیں اب جب ہم نے سانٹل ٹیدنسی بھی دیکھ لی ہے، ڈیسپرشن بھی دیکھ لی ہے تو اب ہم اس لئے سانٹل ٹیدنسی ڈیسپرشن کے ساتھ سکیونس اور کتیورسس کی ویلیو کو کمپیوٹ کرنے جا رہے ہیں کنتینیو پے آئے گے، کنتینیو پے جب آپ کلک کریں گے تو اب آپ کے پاس مین ڈیڈین 就거 ویلیو ہم پہلائے گا tell رہی جود؟ اور اس کے بعد سکیونس کی ویلیو اور کتیورسس کی ویلیو بھی آگئے تو یہاںپر سکیونس کی ویلیو ٹنیو ڈیٹا våت ہے اس کے کانٹیکسٹ میں ویلیو جو ہے کہ پلس کا سائن چو نہیں ہوتا جو ہے جو ہے سٹرٹیسٹیکس میں یا ماثیمٹیکس میں جب ہم اس کو سمپلی لکھتے ہیں تو یہ پوزیٹیبلی سیکیوٹ دیتا ہے اور یہ جو ہے ایڈیل فٹ میں آتا ہے کیونکہ اس کی ویلیو one سے کام ہے اور zero سے زیادہ ہے تو ہم یہ کیا سکتے ہیں کہ there is a little skewness in the positive جو دیتا ہے is a little bit skew towards the positives اس کو ہم یہ بھی دیکھ سکتے ہیں اس کو cross check بھی کر سکتے ہیں یہ یہاں پر ہماری x bar کی value جو ہے وہ more سے زیادہ تو ہم نے وہاں پر بھی یہ rule of thumb پڑا تھا last made rule میں کہ جب x bar کی value زیادہ home median and more سے تو دیتا positively secure ہوتا ہے کتورسیز کی دیکھیں تو کتورسیز کی value زیادہ ہے تو اس کا مطلب ہے کہ دیتا وہ leptocortics side پہ ہوگا یعنی اس میں tallness ہوگی دیتا ہے میں تھوڑی سی زیادہ مگر اس کی value کیونکہ zero سے one کے درمیان ہے تو اس لیے یہ بھی ہم کیا سکتے ہیں کہ دیتا ہے کی سمیٹری اتی زیادہ وہ disturb نہیں ہے اور دیتا normally distributed ہے جیپیہ کے اگر ہم کونٹیکٹ میں دیکھیں تو یہاں پر ہمیں پتہ چلتا ہے کہ س کیونس وہ negative value ہے it means that کہ دیتا ہے negatively secure مگر وہ س کیونس کچھ اتنی زیادہ نہیں ہے کیونکہ یہ zero to one کے درمیان ہی ہے value اور اس کو ہم cross check کرتے تو ہمیں پتہ چلتا ہے کہ mode کی value actually mean کی value سے زیادہ یہاں پر 3.3 zero ہے اور mean جو ہے وہ 3.23 تو ہم نے وہاں پر rule of thumb پڑا تھا کہ جب mode کی value بڑھ جاتی ہے mean کی value سے تو اس میں negative skewness کی chances ہوتے ہیں تو وہ ہم نے ایدر practically دیکھ بھی لیا ہے کہ یہاں پر ہمیں نظرہا گیا ہے کہ جب mode کی value بڑی تو آپ کی negative side پر skewness ہی اور کٹورسیس کی بات کریں تو یہاں پر کٹورسیس کی value جو ہے وہ 1.01 ہے it's almost equal to one تو ہم یہ کہہ سکتے ہیں کہ یہ جو ideal fit کی maximum threshold value ہے اس کو touch کر رہا ہے تو GPA کا value of symmetry اس کی disturb نہیں اور یہ normally distributed دیتا ہے یہ ہم صرف interpret کرے ہیں ان مئیرس کی basis پر میں نے آپ کو پہلے بھی بتایا ہے کہ جو ہے اس کو statistically کہ data normally distributed ہے ہم accept کریں گے یا نہیں کریں گے اس کے لیے inferential statistics میں جا کر ہم ایک test لگائیں گے جس میں ہم یہ hypothetically یہ prove کریں گے کہ data کی distribution normal ہے یا نہیں ہے وہ اب ہم when inferential statistics start کریں گے تو پھر ہم آپ پر جا کر اس کی بات کریں گے