അദ്ധ്യായം 04 ഡാറ്റയുടെ അവതരണം

1. ആമുഖം

ഡാറ്റ എങ്ങനെ ശേഖരിക്കുകയും ക്രമീകരിക്കുകയും ചെയ്യുന്നു എന്ന് നിങ്ങൾ ഇതിനകം മുൻ അദ്ധ്യായങ്ങളിൽ പഠിച്ചിട്ടുണ്ട്. ഡാറ്റ സാധാരണയായി വളരെ വലുതായിരിക്കുമ്പോൾ, അത് ഒരു ചുരുങ്ങിയതും അവതരണയോഗ്യവുമായ രൂപത്തിൽ അവതരിപ്പിക്കേണ്ടതുണ്ട്. ഈ അദ്ധ്യായം ഡാറ്റയുടെ അവതരണവുമായി ബന്ധപ്പെട്ടതാണ്, അതുവഴി ശേഖരിച്ച വലിയ അളവിലുള്ള ഡാറ്റ ഉടൻ തന്നെ ഉപയോഗപ്രദമാക്കാനും എളുപ്പത്തിൽ മനസ്സിലാക്കാനും കഴിയും. സാധാരണയായി ഡാറ്റ അവതരിപ്പിക്കുന്നതിന് മൂന്ന് രൂപങ്ങളുണ്ട്:

  • ശാബ്ദിക അല്ലെങ്കിൽ വിവരണാത്മക അവതരണം
  • പട്ടികാത്മക അവതരണം
  • ചിത്രാത്മക അവതരണം.

2. ഡാറ്റയുടെ ശാബ്ദിക അവതരണം

ശാബ്ദിക അവതരണത്തിൽ, ഡാറ്റ വാചകത്തിനുള്ളിൽ വിവരിക്കപ്പെടുന്നു. ഡാറ്റയുടെ അളവ് വളരെ വലുതല്ലാത്തപ്പോൾ ഈ രീതിയിലുള്ള അവതരണം കൂടുതൽ അനുയോജ്യമാണ്. ഇനിപ്പറയുന്ന കേസുകൾ നോക്കുക:

കേസ് 1

പെട്രോൾ, ഡീസൽ വിലക്കയറ്റത്തിനെതിരെ പ്രതിഷേധിച്ചുകൊണ്ട് 08 സെപ്റ്റംബർ 2005-ൽ നൽകിയ ബന്ധ് വിളിയിൽ, ബിഹാറിലെ ഒരു പട്ടണത്തിൽ 5 പെട്രോൾ പമ്പുകൾ തുറന്നതായും 17 അടച്ചതായും കണ്ടെത്തിയെങ്കിലും 2 സ്കൂളുകൾ അടച്ചിരിക്കുകയും ശേഷിക്കുന്ന 9 സ്കൂളുകൾ തുറന്നതായി കണ്ടെത്തുകയും ചെയ്തു.

കേസ് 2

2001-ലെ ഇന്ത്യൻ സെൻസസ് റിപ്പോർട്ട് ചെയ്തത്, ഇന്ത്യൻ ജനസംഖ്യ 102 കോടിയായി ഉയർന്നുവെന്നാണ്, അതിൽ 53 കോടി പുരുഷന്മാരോടൊപ്പം 49 കോടി മാത്രമാണ് സ്ത്രീകൾ. ഇന്ത്യയിലെ ഗ്രാമീണ പ്രദേശങ്ങളിൽ 74 കോടി ആളുകൾ താമസിക്കുകയും 28 കോടി പേർ മാത്രമേ പട്ടണങ്ങളിലോ നഗരങ്ങളിലോ താമസിക്കുകയും ചെയ്തു. മൊത്തം രാജ്യത്ത് 40 കോടി തൊഴിലാളികൾക്കെതിരെ 62 കോടി തൊഴിലില്ലാത്ത ജനസംഖ്യയുണ്ടായിരുന്നു. നഗര ജനസംഖ്യയ്ക്ക് തൊഴിലാളികൾക്കെതിരെ (9 കോടി) തൊഴിലില്ലാത്തവരുടെ (19 കോടി) വിഹിതം കൂടുതലായിരുന്നു, 74 കോടി ജനസംഖ്യയിൽ 31 കോടി തൊഴിലാളികളുണ്ടായിരുന്ന ഗ്രാമീണ ജനസംഖ്യയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ…

രണ്ട് കേസുകളിലും ഡാറ്റ വാചകത്തിൽ മാത്രമാണ് അവതരിപ്പിച്ചിരിക്കുന്നത്. ഈ അവതരണ രീതിയുടെ ഒരു ഗുരുതരമായ പോരായ്മ അത് മനസ്സിലാക്കാൻ അവതരണത്തിന്റെ മുഴുവൻ വാചകവും വായിക്കേണ്ടതുണ്ട് എന്നതാണ്. എന്നാൽ, ഈ രീതി പലപ്പോഴും അവതരണത്തിന്റെ ചില പോയിന്റുകൾ ഊന്നിപ്പറയാൻ സഹായിക്കുന്നു എന്നതും സത്യമാണ്.

3. ഡാറ്റയുടെ പട്ടികാത്മക അവതരണം

പട്ടികാത്മക അവതരണത്തിൽ, ഡാറ്റ വരികളിലും (തിരശ്ചീനമായി വായിക്കുക) നിരകളിലും (ലംബമായി വായിക്കുക) അവതരിപ്പിക്കുന്നു. ഉദാഹരണത്തിന്, സാക്ഷരതാ നിരക്കുകളെക്കുറിച്ചുള്ള വിവരങ്ങൾ പട്ടികയാക്കുന്ന പട്ടിക 4.1 നോക്കുക. ഇതിന് മൂന്ന് വരികളുണ്ട് (പുരുഷൻ, സ്ത്രീ, മൊത്തം എന്നിവയ്ക്ക്) മൂന്ന് നിരകളുണ്ട് (നഗരം, ഗ്രാമം, മൊത്തം എന്നിവയ്ക്ക്). ഇതിനെ $3 \times 3$ പട്ടിക എന്ന് വിളിക്കുന്നു, ഇത് പട്ടികയുടെ “കോശങ്ങൾ” എന്ന് വിളിക്കപ്പെടുന്ന 9 ബോക്സുകളിൽ 9 വിവരങ്ങൾ നൽകുന്നു. ഓരോ കോശവും ലിംഗത്തിന്റെ (“പുരുഷൻ”, “സ്ത്രീ” അല്ലെങ്കിൽ മൊത്തം) ഒരു സ്വഭാവവിശേഷത്തെ ഒരു സംഖ്യയുമായി (ഗ്രാമീണ ജനങ്ങൾ, നഗരവാസികൾ, മൊത്തം എന്നിവയുടെ സാക്ഷരതാ ശതമാനം) ബന്ധപ്പെടുത്തുന്ന വിവരങ്ങൾ നൽകുന്നു. പട്ടികയാക്കലിന്റെ ഏറ്റവും പ്രധാനപ്പെട്ട ഗുണം, ഇത് കൂടുതൽ സ്ഥിതിവിവരക്കണക്ക് പ്രവർത്തനങ്ങൾക്കും തീരുമാനമെടുക്കലിനുമായി ഡാറ്റ ക്രമീകരിക്കുന്നു എന്നതാണ്. പട്ടികയാക്കലിൽ ഉപയോഗിക്കുന്ന വർഗ്ഗീകരണം നാല് തരത്തിലാണ്:

  • ഗുണപരമായ
  • അളവ് സംബന്ധിച്ച
  • കാലികവും
  • സ്ഥലികവും

ഗുണപരമായ വർഗ്ഗീകരണം

സാമൂഹിക സ്ഥിതി, ശാരീരിക സ്ഥിതി, ദേശീയത തുടങ്ങിയ സ്വഭാവവിശേഷങ്ങൾ അനുസരിച്ച് വർഗ്ഗീകരണം നടത്തുമ്പോൾ, അതിനെ ഗുണപരമായ വർഗ്ഗീകരണം എന്ന് വിളിക്കുന്നു. ഉദാഹരണത്തിന്, പട്ടിക 4.1-ൽ വർഗ്ഗീകരണത്തിനുള്ള സ്വഭാവവിശേഷങ്ങൾ ലിംഗഭേദവും സ്ഥലവുമാണ്, അവ ഗുണപരമായ സ്വഭാവമുള്ളവയാണ്.

പട്ടിക 4.1 ലിംഗഭേദവും സ്ഥലവും അനുസരിച്ച് ഇന്ത്യയിലെ സാക്ഷരത (ശതമാനം)

സ്ഥലം മൊത്തം
ലിംഗം ഗ്രാമീണം നഗരം
പുരുഷൻ 79 90 82
സ്ത്രീ 59 80 65
മൊത്തം 68 84 74

ഉറവിടം: സെൻസസ് ഓഫ് ഇന്ത്യ 2011. (സാക്ഷരതാ നിരക്കുകൾ 7 വയസ്സും അതിനുമുകളിലുമുള്ള ജനസംഖ്യയുമായി ബന്ധപ്പെട്ടതാണ്)

അളവ് സംബന്ധിച്ച വർഗ്ഗീകരണം

അളവ് സംബന്ധിച്ച വർഗ്ഗീകരണത്തിൽ, ഡാറ്റ അളവ് സംബന്ധിച്ച സ്വഭാവങ്ങളെ അടിസ്ഥാനമാക്കിയാണ് വർഗ്ഗീകരിക്കുന്നത്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഈ സ്വഭാവങ്ങൾ അളവ് സംബന്ധിച്ച രീതിയിൽ അളക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, വയസ്സ്, ഉയരം, ഉത്പാദനം, വരുമാനം തുടങ്ങിയവ അളവ് സംബന്ധിച്ച സ്വഭാവങ്ങളാണ്. പരിഗണനയിലുള്ള സ്വഭാവത്തിന്റെ മൂല്യങ്ങൾക്കായി ക്ലാസ് പരിധികൾ എന്ന് വിളിക്കുന്ന പരിധികൾ നിയോഗിച്ചുകൊണ്ടാണ് ക്ലാസുകൾ രൂപീകരിക്കുന്നത്. അളവ് സംബന്ധിച്ച വർഗ്ഗീകരണത്തിന്റെ ഒരു ഉദാഹരണം പട്ടിക 4.2-ൽ നൽകിയിരിക്കുന്നു. പട്ടികയിലെ വിട്ടുപോയ സംഖ്യകൾ കണക്കാക്കുക.

പട്ടിക 4.2 ബിഹാറിലെ ഒരു തിരഞ്ഞെടുപ്പ് പഠനത്തിൽ 542 പ്രതികരിക്കുന്നവരുടെ വയസ്സ് അനുസരിച്ചുള്ള വിതരണം

വയസ്സ് ഗ്രൂപ്പ് (വർഷം) പ്രതികരിക്കുന്നവരുടെ എണ്ണം ശതമാനം
20-30 3 0.55
30-40 61 11.25
40-50 132 24.35
50-60 153 28.24
60-70 $?$ $?$
70-80 51 9.41
80-90 2 0.37
ആകെ ? 100.00

ഉറവിടം: അസംബ്ലി ഇലക്ഷൻ പട്ന സെൻട്രൽ കോൺസ്റ്റിറ്റ്യൻസി 2005, എ.എൻ. സിൻഹ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് സോഷ്യൽ സ്റ്റഡീസ്, പട്ന.

ഇവിടെ വർഗ്ഗീകരണ സ്വഭാവം വർഷങ്ങളിലെ വയസ്സാണ്, അത് അളക്കാവുന്നതാണ്.

പ്രവർത്തനങ്ങൾ

  • പട്ടിക 4.1-ൽ മൊത്തം മൂല്യങ്ങൾ എങ്ങനെ എത്തിച്ചേരുന്നു എന്ന് ചർച്ച ചെയ്യുക
  • നിങ്ങളുടെ ക്ലാസിലെ വിദ്യാർത്ഥികളുടെ സ്റ്റാർ ന്യൂസ്, സീ ന്യൂസ്, ബിബിസി വേൾഡ്, സിഎൻഎൻ, ആജ് തക്, ഡിഡി ന്യൂസ് എന്നിവയ്ക്കുള്ള മുൻഗണനാ ഇഷ്ടം സംബന്ധിച്ച ഡാറ്റ അവതരിപ്പിക്കുന്ന ഒരു പട്ടിക നിർമ്മിക്കുക.
  • താഴെ പറയുന്നവയുടെ ഒരു പട്ടിക തയ്യാറാക്കുക

(i) ഉയരം ($\mathrm{cm}$ ൽ) കൂടാതെ

(ii) നിങ്ങളുടെ ക്ലാസിലെ വിദ്യാർത്ഥികളുടെ ഭാരം ($\mathrm{kg}$ ൽ).

കാലിക വർഗ്ഗീകരണം

ഈ വർഗ്ഗീകരണത്തിൽ സമയം വർഗ്ഗീകരിക്കുന്ന വേരിയബിളായി മാറുകയും ഡാറ്റ സമയം അനുസരിച്ച് വർഗ്ഗീകരിക്കപ്പെടുകയും ചെയ്യുന്നു. സമയം മണിക്കൂറുകളിലോ, ദിവസങ്ങളിലോ, ആഴ്ചകളിലോ, മാസങ്ങളിലോ, വർഷങ്ങളിലോ ആകാം. ഉദാഹരണത്തിന്, പട്ടിക 4.3 നോക്കുക.

പട്ടിക 4.3 1995 മുതൽ 2000 വരെയുള്ള ഒരു ചായക്കടയുടെ വാർഷിക വിൽപ്പന

വർഷങ്ങൾ വിൽപ്പന (രൂപ ലക്ഷത്തിൽ)
1995 79.2
1996 81.3
1997 8.4
1998 80.5
1999 100.2
2000 91.2

ഡാറ്റ ഉറവിടം: പ്രസിദ്ധീകരിക്കപ്പെടാത്ത ഡാറ്റ.

ഈ പട്ടികയിൽ വർഗ്ഗീകരണ സ്വഭാവം ഒരു വർഷത്തെ വിൽപ്പനയാണ്, അത് സമയത്തിന്റെ സ്കെയിലിൽ മൂല്യങ്ങൾ എടുക്കുന്നു.

പ്രവർത്തനം

  • കഴിഞ്ഞ പത്ത് വർഷമായി നിങ്ങളുടെ സ്കൂളിൽ ഓരോ ക്ലാസിലും പഠിച്ച വിദ്യാർത്ഥികളുടെ എണ്ണത്തെക്കുറിച്ചുള്ള ഡാറ്റ ശേഖരിക്കുകയും ഡാറ്റ ഒരു പട്ടികയിൽ അവതരിപ്പിക്കുകയും ചെയ്യുക.

സ്ഥലിക വർഗ്ഗീകരണം

സ്ഥലത്തെ അടിസ്ഥാനമാക്കി വർഗ്ഗീകരണം നടത്തുമ്പോൾ, അതിനെ സ്ഥലിക വർഗ്ഗീകരണം എന്ന് വിളിക്കുന്നു. സ്ഥലം ഒരു ഗ്രാമം/പട്ടണം, ബ്ലോക്ക്, ജില്ല, സംസ്ഥാനം, രാജ്യം മുതലായവ ആകാം.

പട്ടിക 4.4 സ്ഥലിക വർഗ്ഗീകരണത്തിന്റെ ഒരു ഉദാഹരണമാണ്.

പട്ടിക 4.4 2013-14-ൽ ഇന്ത്യയിൽ നിന്ന് ലോകത്തിന്റെ മറ്റ് ഭാഗങ്ങളിലേക്കുള്ള എക്സ്പോർട്ട് മൊത്തം എക്സ്പോർട്ടിന്റെ വിഹിതമായി (ശതമാനം)

ലക്ഷ്യസ്ഥാനം എക്സ്പോർട്ട് വിഹിതം
USA 12.5
ജർമ്മനി 2.4
മറ്റ് EU 10.9
UK 3.1
ജപ്പാൻ 2.2
റഷ്യ 0.7
ചൈന 4.7
പശ്ചിമ ഏഷ്യ -ഗൾഫ് കൂപ്പ്. കൗൺസിൽ 15.3
മറ്റ് ഏഷ്യ 29.4
മറ്റുള്ളവ 18.8
ആകെ 100.0

(മൊത്തം എക്സ്പോർട്ടുകൾ: US $\$$ 314.40 ബില്യൺ)

പ്രവർത്തനം

  • നിങ്ങളുടെ ക്ലാസിലെ വിദ്യാർത്ഥികളിൽ നിന്ന് അവരുടെ സ്വദേശി സംസ്ഥാനങ്ങൾ/വസതി പ്രദേശം അനുസരിച്ച് ശേഖരിച്ച ഡാറ്റ അവതരിപ്പിക്കുന്ന ഒരു പട്ടിക നിർമ്മിക്കുക.

4. ഡാറ്റയുടെ പട്ടികയാക്കലും ഒരു പട്ടികയുടെ ഭാഗങ്ങളും

ഒരു പട്ടിക നിർമ്മിക്കാൻ, ആദ്യം ഒരു നല്ല സ്ഥിതിവിവരക്കണക്ക് പട്ടികയുടെ ഭാഗങ്ങൾ എന്തൊക്കെയാണെന്ന് പഠിക്കേണ്ടത് പ്രധാനമാണ്. ഈ ഭാഗങ്ങൾ ക്രമീകരിച്ച് ഒരുമിച്ച് ചേർക്കുമ്പോൾ അത് ഒരു പട്ടികയായി മാറുന്നു. ഒരു പട്ടികയെ ആശയപരമായി മനസ്സിലാക്കാനുള്ള ഏറ്റവും ലളിതമായ മാർഗ്ഗം, ഡാറ്റ വരികളിലും നിരകളിലും ചില വിശദീകരണ കുറിപ്പുകളോടൊപ്പം അവതരിപ്പിക്കുക എന്നതാണ്. ഉൾപ്പെടുത്തിയിരിക്കുന്ന സ്വഭാവവിശേഷങ്ങളുടെ എണ്ണത്തെ ആശ്രയിച്ച് ഒരു-വഴി, രണ്ട്-വഴി അല്ലെങ്കിൽ മൂന്ന്-വഴി വർഗ്ഗീകരണം ഉപയോഗിച്ച് പട്ടികയാക്കൽ ചെയ്യാം. ഒരു നല്ല പട്ടികയ്ക്ക് അടിസ്ഥാനപരമായി ഇനിപ്പറയുന്നവ ഉണ്ടായിരിക്കണം:

(i) പട്ടിക നമ്പർ

ഐഡന്റിഫിക്കേഷൻ ആവശ്യത്തിനായി ഒരു പട്ടികയ്ക്ക് പട്ടിക നമ്പർ നൽകിയിരിക്കുന്നു. ഒന്നിലധികം പട്ടികകൾ അവതരിപ്പിക്കുകയാണെങ്കിൽ, ഒരു പട്ടികയെ മറ്റൊന്നിൽ നിന്ന് വേർതിരിച്ചറിയുന്നത് പട്ടിക നമ്പറാണ്. ഇത് പട്ടികയുടെ ശീർഷകത്തിന്റെ മുകളിൽ അല്ലെങ്കിൽ തുടക്കത്തിൽ നൽകിയിരിക്കുന്നു. സാധാരണയായി, ഒരു പുസ്തകത്തിൽ ധാരാളം പട്ടികകൾ ഉണ്ടെങ്കിൽ പട്ടിക നമ്പറുകൾ ആരോഹണ ക്രമത്തിലുള്ള പൂർണ്ണസംഖ്യകളാണ്. സബ്സ്ക്രിപ്റ്റ് ചെയ്ത സംഖ്യകൾ, $1.2,3.1$ തുടങ്ങിയവ, അതിന്റെ സ്ഥാനം അനുസരിച്ച് പട്ടികയെ തിരിച്ചറിയാനും ഉപയോഗിക്കുന്നു. ഉദാഹരണത്തിന്, പട്ടിക 4.5 നാലാം അദ്ധ്യായത്തിലെ അഞ്ചാമത്തെ പട്ടികയായി വായിക്കണം, അങ്ങനെ തുടരുക (പട്ടിക 4.5 കാണുക).

(ii) ശീർഷകം

ഒരു പട്ടികയുടെ ശീർഷകം പട്ടികയുടെ ഉള്ളടക്കത്തെക്കുറിച്ച് വിവരിക്കുന്നു. ഇത് വ്യക്തവും ചുരുങ്ങിയതും ശ്രദ്ധാപൂർവ്വം വാക്കുകൾ ഉപയോഗിച്ചുള്ളതുമായിരിക്കണം, അതുവഴി പട്ടികയിൽ നിന്നുള്ള വ്യാഖ്യാനങ്ങൾ വ്യക്തവും അവ്യക്തതയില്ലാത്തതുമാണ്. ഇത് പട്ടിക നമ്പറിന് ശേഷം അല്ലെങ്കിൽ അതിന് താഴെയായി പട്ടികയുടെ തലയിൽ സ്ഥാനം കണ്ടെത്തുന്നു (പട്ടിക 4.5 കാണുക).

(iii) ക്യാപ്ഷൻ അല്ലെങ്കിൽ കോളം ഹെഡിംഗ്

ഒരു പട്ടികയിലെ ഓരോ കോളത്തിന്റെയും മുകളിൽ, കോളത്തിന്റെ സംഖ്യകൾ വിശദീകരിക്കുന്നതിന് ഒരു കോളം പദവി നൽകിയിരിക്കുന്നു. ഇതിനെ ക്യാപ്ഷൻ അല്ലെങ്കിൽ കോളം ഹെഡിംഗ് എന്ന് വിളിക്കുന്നു (പട്ടിക 4.5 കാണുക).

(iv) സ്റ്റബ്സ് അല്ലെങ്കിൽ റോ ഹെഡിംഗ്

ഒരു ക്യാപ്ഷൻ അല്ലെങ്കിൽ കോളം ഹെഡിംഗ് പോലെ, പട്ടികയിലെ ഓരോ വരിക്കും ഒരു ഹെഡിംഗ് നൽകണം. വരികളുടെ പദവികളെ സ്റ്റബ്സ് അല്ലെങ്കിൽ സ്റ്റബ് ഇനങ്ങൾ എന്നും വിളിക്കുന്നു, കൂടാതെ പൂർണ്ണമായ ഇടത് കോളം സ്റ്റബ് കോളം എന്നറിയപ്പെടുന്നു. വരി ഹെഡിംഗുകളുടെ ഒരു ചുരുക്ക വിവരണം പട്ടികയിൽ ഇടത് കൈ മുകളിൽ നൽകാം. (പട്ടിക $4.5)$ കാണുക.

(v) പട്ടികയുടെ ബോഡി

ഒരു പട്ടികയുടെ ബോഡി പ്രധാന ഭാഗമാണ്, അതിൽ യഥാർത്ഥ ഡാറ്റ അടങ്ങിയിരിക്കുന്നു. പട്ടികയിലെ ഏതെങ്കിലും ഒരു സംഖ്യ/ഡാറ്റയുടെ സ്ഥാനം പട്ടികയുടെ വരിയും കോളവും നിശ്ചയിക്കുകയും നിർണ്ണയിക്കുകയും ചെയ്യുന്നു. ഉദാഹരണത്തിന്, രണ്ടാമത്തെ വരിയിലും നാലാമത്തെ കോളത്തിലുമുള്ള ഡാറ്റ 2001-ൽ ഇന്ത്യയിലെ ഗ്രാമീണ പ്രദേശങ്ങളിൽ 25 കോടി സ്ത്രീകൾ തൊഴിലില്ലാത്തവരായിരുന്നുവെന്ന് സൂചിപ്പിക്കുന്നു (പട്ടിക 4.5 കാണുക).

(vi) അളവെടുപ്പ് യൂണിറ്റ്

പട്ടികയിലെ സംഖ്യകളുടെ (യഥാർത്ഥ ഡാറ്റ) അളവെടുപ്പ് യൂണിറ്റ് എപ്പോഴും ശീർഷകത്തോടൊപ്പം പ്രസ്താവിക്കണം. പട്ടികയുടെ വരികൾക്കോ കോളങ്ങൾക്കോ വ്യത്യസ്ത യൂണിറ്റുകൾ ഉണ്ടെങ്കിൽ, ഈ യൂണിറ്റുകൾ ‘സ്റ്റബ്സ്’ അല്ലെങ്കിൽ ‘ക്യാപ്ഷനുകൾ’ എന്നിവയോടൊപ്പം പ്രസ്താവിക്കണം. സംഖ്യകൾ വലുതാണെങ്കിൽ, അവ റൗണ്ട് ചെയ്യണം, റൗണ്ട് ചെയ്യുന്ന രീതി സൂചിപ്പിക്കണം (പട്ടിക 4.5 കാണുക).

(കുറിപ്പ് : പട്ടിക 4.5 ഡാറ്റയുടെ ശാബ്ദിക അവതരണത്തിലെ കേസ് 2 വഴി ഇതിനകം അവതരിപ്പിച്ച അതേ ഡാറ്റ പട്ടികാത്മക രൂപത്തിൽ അവതരിപ്പിക്കുന്നു)

(vii) ഉറവിടം

പട്ടികയിൽ അവതരിപ്പിച്ചിരിക്കുന്ന ഡാറ്റയുടെ ഉറവിടം സൂചിപ്പിക്കുന്ന ഒരു ചുരുക്ക വാക്യമോ വാചകമോ ആണിത്. ഒന്നിലധികം ഉറവിടങ്ങൾ ഉണ്ടെങ്കിൽ, എല്ലാ ഉറവിടങ്ങളും ഉറവിടത്തിൽ എഴുതണം. ഉറവിടം സാധാരണയായി പട്ടികയുടെ അടിയിൽ എഴുതിയിരിക്കുന്നു. (പട്ടിക 4.5 കാണുക).

(viii) കുറിപ്പ്

കുറിപ്പ് എന്നത് പട്ടികയുടെ അവസാന ഭാഗമാണ്. ഇത് പട്ടികയുടെ ഡാറ്റ ഉള്ളടക്കത്തിന്റെ പ്രത്യേക സവിശേഷത വിശദീകരിക്കുന്നു, അത് സ്വയം വിശദീകരിക്കാനാവാത്തതും മുമ്പ് വിശദീകരിച്ചിട്ടില്ലാത്തതുമാണ്.

പ്രവർത്തനങ്ങൾ

  • ഒരു പട്ടിക രൂപീകരിക്കാൻ അടിസ്ഥാനപരമായി എത്ര വരികളും നിരകളും ആവശ്യമാണ്?
  • ഒരു പട്ടികയുടെ കോളം/വരി ഹെഡിംഗുകൾ അളവ് സംബന്ധിച്ചതാകാമോ?
  • പട്ടികകൾ 4.2, 4.3 എന്നിവ അനുയോജ്യമായി റൗണ്ട് ഓഫ് ചെയ്ത ശേഷം അവതരിപ്പിക്കാമോ.
  • പേജ് 41-ലെ കേസ് 2-ന്റെ