باب 03 ڈیٹا کی گرافیکل نمائندگی
آپ نے مختلف قسم کے ڈیٹا دکھانے والے گراف، ڈایاگرام اور نقشے ضرور دیکھے ہوں گے۔ مثال کے طور پر، گیارہویں جماعت کی کتاب “Practical Work in Geography, Part-I (NCERT, 2006)” کے باب 1 میں دکھائے گئے موضوعی نقشے مہاراشٹر کے ناگپور ضلع میں امداد اور ڈھلان، موسمی حالات، چٹانوں اور معدنیات کی تقسیم، مٹی، آبادی، صنعتوں، عمومی زمین کے استعمال اور فصلوں کے نمونے کو ظاہر کرتے ہیں۔ یہ نقشے جمع، مرتب اور پروسیس کیے گئے ڈیٹا کے بڑے حجم کا استعمال کرتے ہوئے بنائے گئے ہیں۔ کیا آپ نے کبھی سوچا ہے کہ اگر یہی معلومات ٹیبلر فارم میں یا تفصیلی متن کی شکل میں ہوتیں تو کیا ہوتا؟ شاید، ایسے مواصلاتی ذریعے سے وہ بصری تاثرات حاصل کرنا ممکن نہ ہوتا جو ہمیں ان نقشوں کے ذریعے ملتے ہیں۔ اس کے علاوہ، غیر گرافیکی شکل میں پیش کی جانے والی معلومات سے نتائج اخذ کرنا بھی وقت طلب کام ہوتا۔ لہٰذا، گراف، ڈایاگرام اور نقشے نمائندگی کیے گئے مظاہر کے درمیان معنوی موازنہ کرنے کی ہماری صلاحیتوں کو بڑھاتے ہیں، ہمارا وقت بچاتے ہیں اور پیش کردہ خصوصیات کا ایک سادہ نظارہ پیش کرتے ہیں۔ موجودہ باب میں، ہم مختلف قسم کے گراف، ڈایاگرام اور نقشے بنانے کے طریقوں پر بات کریں گے۔
ڈیٹا کی نمائندگی
ڈیٹا ان مظاہر کی خصوصیات بیان کرتا ہے جن کی وہ نمائندگی کرتا ہے۔ انہیں مختلف ذرائع سے جمع کیا جاتا ہے (باب 1)۔ جغرافیہ دان، ماہرین معاشیات، وسائل کے سائنسدان اور فیصلہ ساز آج کل بہت زیادہ ڈیٹا استعمال کرتے ہیں۔ ٹیبلر فارم کے علاوہ، ڈیٹا کو کسی گرافک یا ڈایاگرام کی شکل میں بھی پیش کیا جا سکتا ہے۔ گراف، ڈایاگرام، نقشے اور چارٹ جیسے بصری طریقوں کے ذریعے ڈیٹا کی تبدیلی کو ڈیٹا کی نمائندگی کہا جاتا ہے۔ ڈیٹا کی پیشکش کی ایسی شکل آبادی میں اضافے، تقسیم اور کثافت، جنس تناسب، عمر-جنس کی ساخت، پیشہ ورانہ ساخت وغیرہ کے نمونوں کو جغرافیائی علاقے کے اندر سمجھنا آسان بنا دیتی ہے۔ ایک چینی کہاوت ہے کہ ‘$a$ تصویر ہزاروں الفاظ کے برابر ہے’۔ لہٰذا، ڈیٹا کی نمائندگی کا گرافک طریقہ ہماری سمجھ کو بڑھاتا ہے، اور موازنہ کرنا آسان بنا دیتا ہے۔ اس کے علاوہ، ایسے طریقے ذہن پر طویل وقت کے لیے نقش چھوڑ دیتے ہیں۔
گراف، ڈایاگرام اور نقشے بنانے کے عمومی اصول
1. مناسب طریقے کا انتخاب
ڈیٹا مختلف موضوعات جیسے درجہ حرارت، بارش، آبادی میں اضافہ اور تقسیم، پیداوار، مختلف اشیاء کی تقسیم اور تجارت وغیرہ کی نمائندگی کرتا ہے۔ ڈیٹا کی ان خصوصیات کو مناسب گرافک طریقے سے مناسب طریقے سے پیش کرنے کی ضرورت ہے۔ مثال کے طور پر، مختلف ادوار اور مختلف ممالک/ریاستوں کے درمیان درجہ حرارت یا آبادی میں اضافے سے متعلق ڈیٹا کو لائن گراف کا استعمال کرتے ہوئے بہترین طریقے سے پیش کیا جا سکتا ہے۔ اسی طرح، بارش یا اشیاء کی پیداوار دکھانے کے لیے بار ڈایاگرام سب سے موزوں ہیں۔ آبادی کی تقسیم، انسانی اور مویشی دونوں، یا فصل پیدا کرنے والے علاقوں کی تقسیم کو ڈاٹ میپ پر اور آبادی کی کثافت کو کوروپلیتھ میپ کا استعمال کرتے ہوئے مناسب طریقے سے پیش کیا جا سکتا ہے۔
2. مناسب پیمانے کا انتخاب
پیمانے کو ڈایاگرام اور نقشوں پر نمائندگی کے لیے ڈیٹا کی پیمائش کے طور پر استعمال کیا جاتا ہے۔ لہٰذا، دیے گئے ڈیٹا سیٹ کے لیے مناسب پیمانے کا انتخاب احتیاط سے کیا جانا چاہیے اور اس میں پورے ڈیٹا کو مدنظر رکھنا چاہیے جس کی نمائندگی کرنی ہے۔ پیمانہ نہ تو بہت بڑا ہونا چاہیے اور نہ ہی بہت چھوٹا۔
3. ڈیزائن
ہم جانتے ہیں کہ ڈیزائن ایک اہم کارٹوگرافک کام ہے (گیارہویں جماعت کی درسی کتاب “Practical Work in Geography, Part-I (NCERT, 2006)” کے باب 1 میں بحث کردہ ‘نقشہ سازی کے بنیادی اصول’ کا حوالہ دیں)۔ کارٹوگرافک ڈیزائن کے مندرجہ ذیل اجزاء اہم ہیں۔ لہٰذا، انہیں حتمی ڈایاگرام/نقشے پر احتیاط سے دکھایا جانا چاہیے۔
عنوان
ڈایاگرام/نقشے کا عنوان علاقے کا نام، استعمال کردہ ڈیٹا کا حوالہ سال اور ڈایاگرام کی کیپشن ظاہر کرتا ہے۔ ان اجزاء کو مختلف فونٹ سائز اور موٹائی کے حروف اور نمبروں کا استعمال کرتے ہوئے پیش کیا جاتا ہے۔ اس کے علاوہ، ان کی جگہ بھی اہمیت رکھتی ہے۔ عام طور پر، عنوان، ذیلی عنوان اور متعلقہ سال نقشہ/ڈایاگرام کے اوپری حصے میں مرکز میں دکھایا جاتا ہے۔
لیجنڈ
لیجنڈ یا انڈیکس کسی بھی ڈایاگرام/نقشے کا ایک اہم جزو ہے۔ یہ نقشے اور ڈایاگرام میں استعمال ہونے والے رنگوں، سایوں، علامتوں اور نشانیوں کی وضاحت کرتا ہے۔ اسے بھی احتیاط سے بنایا جانا چاہیے اور نقشہ/ڈایاگرام کے مواد سے مطابقت رکھنی چاہیے۔ اس کے علاوہ، اسے مناسب طور پر رکھنے کی بھی ضرورت ہے۔ عام طور پر، لیجنڈ نقشہ شیٹ کے نچلے بائیں یا نچلے دائیں جانب دکھایا جاتا ہے۔
سمت
نقشے، جو زمین کی سطح کے کسی حصے کی نمائندگی ہیں، کو سمتوں کی طرف رخ کرنے کی ضرورت ہے۔ لہٰذا، سمت کی علامت، یعنی شمال، بھی حتمی نقشے پر بنائی جانی چاہیے اور مناسب جگہ پر رکھی جانی چاہیے۔
ڈایاگرام کی تعمیر
ڈیٹا میں قابل پیمائش خصوصیات ہوتی ہیں جیسے لمبائی، چوڑائی اور حجم۔ ان ڈیٹا سے متعلق خصوصیات کی نمائندگی کے لیے بنائے گئے ڈایاگرام اور نقشوں کو درج ذیل اقسام میں تقسیم کیا جا سکتا ہے:
(i) یک جہتی ڈایاگرام، جیسے لائن گراف، پولی گراف، بار ڈایاگرام، ہسٹوگرام، عمر، جنس، ہرم وغیرہ؛
(ii) دو جہتی ڈایاگرام، جیسے پائی ڈایاگرام اور مستطیل ڈایاگرام؛
(iii) تین جہتی ڈایاگرام، جیسے کیوب اور کروی ڈایاگرام۔
ان بہت سی اقسام کے ڈایاگرام اور نقشوں کی تعمیر کے طریقوں پر بنیادی طور پر وقت کی قید کی وجہ سے بات کرنا ممکن نہیں ہوگا۔ لہٰذا، ہم سب سے زیادہ عام طور پر بنائے جانے والے ڈایاگرام اور نقشوں اور ان کی تعمیر کے طریقے بیان کریں گے۔ یہ ہیں:
- لائن گراف
- پائی ڈایاگرام
- بار ڈایاگرام
- ونڈ روز اور اسٹار ڈایاگرام
- فلو چارٹ
لائن گراف
لائن گراف عام طور پر درجہ حرارت، بارش، آبادی میں اضافہ، پیدائش کی شرح اور اموات کی شرح سے متعلق ٹائم سیریز ڈیٹا کی نمائندگی کے لیے بنائے جاتے ہیں۔ جدول 3.1 شکل 3.2 کی تعمیر کے لیے استعمال ہونے والا ڈیٹا فراہم کرتا ہے۔
لائن گراف کی تعمیر
(a) ڈیٹا کو گول نمبروں میں تبدیل کرکے آسان بنائیں، جیسے کہ جدول 3.1 میں دکھائے گئے سال 1961 اور 1981 کے لیے آبادی کی شرح نمو کو بالترتیب 2.0 اور 2.2 تک گول کیا جا سکتا ہے۔
(b) $\mathrm{X}$ اور $\mathrm{Y}$-ایکسس بنائیں۔ وقت سیریز متغیرات (سال/مہینے) کو $\mathrm{X}$ ایکسس پر اور پلاٹ کیے جانے والے ڈیٹا کی مقدار/قیمت (فیصد میں آبادی میں اضافہ یا درجہ حرارت ${ }^{\circ} \mathrm{C}$ میں) کو $\mathrm{Y}$ ایکسس پر نشان زد کریں۔
(c) ایک مناسب پیمانہ منتخب کریں اور اسے Y-ایکسس پر لیبل کریں۔ اگر ڈیٹا میں منفی عدد شامل ہے، تو منتخب کردہ پیمانے کو بھی اسے شکل 3.1 میں دکھائے گئے انداز میں دکھانا چاہیے۔
شکل 3.1: لائن گراف کی تعمیر
(d) Y-ایکسس پر منتخب کردہ پیمانے کے مطابق سال/مہینہ وار اقدار کو ظاہر کرنے کے لیے ڈیٹا پلاٹ کریں، پلاٹ کی گئی اقدار کے مقام کو ایک نقطے سے نشان زد کریں اور ان نقطوں کو ہاتھ سے کھینچی گئی لائن سے جوڑ دیں۔
مثال 3.1: جدول 3.1 میں دیے گئے ڈیٹا کی نمائندگی کے لیے ایک لائن گراف بنائیں:
جدول 3.1: ہندوستان میں آبادی کی شرح نمو - 1901 سے 2011
| سال | شرح نمو فیصد میں |
|---|---|
| 1901 | - |
| 1911 | 0.56 |
| 1921 | -0.30 |
| 1931 | 1.04 |
| 1941 | 1.33 |
| 1951 | 1.25 |
| 1961 | 1.96 |
| 1971 | 2.20 |
| 1981 | 2.22 |
| 1991 | 2.14 |
| 2001 | 1.93 |
| 2011 | 1.79 |
شکل 3.2: ہندوستان میں آبادی کی سالانہ شرح نمو 1901-2011
سرگرمی
1911 اور 1921 کے درمیان آبادی میں اچانک تبدیلی کی وجوہات معلوم کریں (جیسا کہ شکل 3.2 میں دکھایا گیا ہے)۔
پولی گراف
پولی گراف ایک لائن گراف ہے جس میں دو یا دو سے زیادہ متغیرات کو فوری موازنے کے لیے برابر تعداد کی لائنوں کے ذریعے دکھایا جاتا ہے، جیسے کہ مختلف فصلوں جیسے چاول، گندم، دالوں کی شرح نمو یا مختلف ریاستوں یا ممالک میں پیدائش کی شرح، اموات کی شرح اور متوقع عمر یا جنس تناسب۔ مختلف لائن پیٹرن جیسے سیدھی لائن ( _ _ )، ٹوٹی ہوئی لائن (- – )، نقطہ دار لائن (…..) یا نقطہ دار اور ٹوٹی ہوئی لائن کا مجموعہ (-…-) یا مختلف رنگوں کی لائن مختلف متغیرات کی قدر ظاہر کرنے کے لیے استعمال کی جا سکتی ہے (شکل 3.3)۔
مثال 3.2: جدول 3.2 میں دیے گئے مختلف ریاستوں میں جنس تناسب کی نمو کا موازنہ کرنے کے لیے ایک پولی گراف بنائیں:
جدول 3.2: منتخب ریاستوں کا جنس تناسب (فی 1000 مردوں پر خواتین) - 1961-2011
| ریاستیں/یونین ٹیریٹریز | 1961 | 1971 | 1981 | 1991 | 2001 | 2011 |
|---|---|---|---|---|---|---|
| دہلی | 785 | 801 | 808 | 827 | 821 | 866 |
| ہریانہ | 868 | 867 | 870 | 860 | 846 | 877 |
| اتر پردیش | 907 | 876 | 882 | 876 | 898 | 908 |
ماخذ: مردم شماری، 2011
شکل 3.3: منتخب ریاستوں کا جنس تناسب 1961-2011
بار ڈایاگرام
بار ڈایاگرام برابر چوڑائی کے کالم کے ذریعے بنائے جاتے ہیں۔ اسے کالمی ڈایاگرام بھی کہا جاتا ہے۔ بار ڈایاگرام بناتے وقت مندرجہ ذیل اصولوں پر عمل کرنا چاہیے:
(a) تمام بارز یا کالموں کی چوڑائی ایک جیسی ہونی چاہیے۔
(b) تمام بارز کو برابر وقفوں/فاصلے پر رکھا جانا چاہیے۔
(c) بارز کو انہیں ممتاز اور پرکشش بنانے کے لیے رنگوں یا پیٹرن سے شیڈ کیا جا سکتا ہے۔
ڈیٹا کی خصوصیات کے مطابق سادہ، مرکب یا پولی بار ڈایاگرام بنایا جا سکتا ہے۔
سادہ بار ڈایاگرام
فوری موازنے کے لیے ایک سادہ بار ڈایاگرام بنایا جاتا ہے۔ یہ مشورہ دیا جاتا ہے کہ دیے گئے ڈیٹا سیٹ کو چڑھتے یا اترتے ترتیب میں ترتیب دیں اور ڈیٹا متغیرات کو اس کے مطابق پلاٹ کریں۔ تاہم، ٹائم سیریز ڈیٹا کو وقت کی مدت کی ترتیب کے مطابق پیش کیا جاتا ہے۔
مثال 3.3: جدول 3.3 میں دیے گئے تھرواننتھ پورم کے بارش کے ڈیٹا کی نمائندگی کے لیے ایک سادہ بار ڈایاگرام بنائیں:
جدول 3.3: تھرواننتھ پورم کی اوسط ماہانہ بارش
| مہینے | J | F | M | A | M | J | J | A | S | O | N | D |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| بارش سینٹی میٹر میں | 2.3 | 2.1 | 3.7 | 10.6 | 20.8 | 35.6 | 22.3 | 14.6 | 13.8 | 27.3 | 20.6 | 7.5 |
تعمیر
گراف پیپر پر $X$ اور Y-ایکسس بنائیں۔ Y-ایکسس پر بارش کے ڈیٹا کو $\mathrm{cm}$ میں پلاٹ کرنے کے لیے $5 \mathrm{~cm}$ کا وقفہ لیں۔ 12 مہینوں کی نمائندگی کے لیے $\mathrm{X}$-ایکسس کو 12 برابر حصوں میں تقسیم کریں۔ ہر مہینے کے لیے اصل بارش کی اقدار کو منتخب کردہ پیمانے کے مطابق پلاٹ کیا جائے گا جیسا کہ شکل 3.4 میں دکھایا گیا ہے۔
شکل 3.4: تھرواننتھ پورم کی اوسط ماہانہ بارش
لائن اور بار گراف
الگ الگ بنائے گئے لائن اور بار گراف کو کچھ قریبی طور پر وابستہ خصوصیات سے متعلق ڈیٹا کو ظاہر کرنے کے لیے بھی ملا کر پیش کیا جا سکتا ہے جیسے کہ اوسط ماہانہ درجہ حرارت اور بارش کا موسمیاتی ڈیٹا۔ ایسا کرتے ہوئے، ایک ہی ڈایاگرام بنایا جاتا ہے جس میں مہینوں کو X-ایکسس پر دکھایا جاتا ہے جبکہ درجہ حرارت اور بارش کا ڈیٹا ڈایاگرام کے دونوں اطراف Y-ایکسس پر دکھایا جاتا ہے۔
مثال 3.4: جدول 3.4 میں دیے گئے دہلی کے اوسط ماہانہ بارش اور درجہ حرارت کے ڈیٹا کی نمائندگی کے لیے ایک لائن گراف اور بار ڈایاگرام بنائیں:
جدول 3.4: دہلی میں اوسط ماہانہ درجہ حرارت اور بارش
| مہینے | درجہ حرارت ${ }^{\circ} \mathrm{C}$ میں | بارش سینٹی میٹر میں |
|---|---|---|
| جنوری | 14.4 | 2.5 |
| فروری | 16.7 | 1.5 |
| مارچ | 23.30 | 1.3 |
| اپریل | 30.0 | 1.0 |
| مئی | 33.3 | 1.8 |
| جون | 33.3 | 7.4 |
| جولائی | 30.0 | 19.3 |
| اگست | 29.4 | 17.8 |
| ستمبر | 28.9 | 11.9 |
| اکتوبر | 25.6 | 1.3 |
| نومبر | 19.4 | 0.2 |
| دسمبر | 15.6 | 1.0 |
تعمیر
(a) مناسب لمبائی کے $\mathrm{X}$ اور $\mathrm{Y}$-ایکسس بنائیں اور سال میں مہینے دکھانے کے لیے $\mathrm{X}$-ایکسس کو 12 حصوں میں تقسیم کریں۔
(b) $\mathrm{Y}$-ایکسس پر درجہ حرارت کے ڈیٹا کے لیے $5^{\circ} \mathrm{C}$ یا $10^{\circ} \mathrm{C}$ کے برابر وقفوں کے ساتھ ایک مناسب پیمانہ منتخب کریں اور اسے اس کے دائیں جانب لیبل کریں۔
(c) اسی طرح، $\mathrm{Y}$-ایکسس پر بارش کے ڈیٹا کے لیے $5 \mathrm{~cm}$ یا $10 \mathrm{~cm}$ کے برابر وقفوں کے ساتھ ایک مناسب پیمانہ منتخب کریں اور اسے اس کے بائیں جانب لیبل کریں۔
(d) درجہ حرارت کے ڈیٹا کو لائن گراف کا استعمال کرتے ہوئے اور بارش کو بار ڈایاگرام کے ذریعے پلاٹ کریں جیسا کہ شکل 3.5 میں دکھایا گیا ہے۔
شکل 3.5: دہلی میں درجہ حرارت اور بارش
ملٹی پل بار ڈایاگرام
موازنے کے مقصد کے لیے دو یا دو سے زیادہ متغیرات کی نمائندگی کے لیے ملٹی پل بار ڈایاگرام بنائے جاتے ہیں۔ مثال کے طور پر، کل، دیہی اور شہری آبادی میں مردوں اور خواتین کے تناسب یا مختلف ریاستوں میں کل آبپاشی شدہ رقبے میں نہر، ٹیوب ویل اور کنویں کی آبپاشی کے حصے کو ظاہر کرنے کے لیے ایک ملٹی پل بار ڈایاگرام بنایا جا سکتا ہے۔
مثال 3.5: جدول 3.5 میں دیے گئے 1951-2011 کے دوران ہندوستان میں دہائی وار خواندگی کی شرح کو ظاہر کرنے کے لیے ایک مناسب بار ڈایاگرام بنائیں:
تعمیر
(a) مذکورہ ڈیٹا کی نمائندگی کے لیے ملٹی پل بار ڈایاگرام منتخب کیا جا سکتا ہے۔
(b) منتخب کردہ پیمانے کے مطابق $X$-ایکسس پر وقت سیریز ڈیٹا اور $\mathrm{Y}$-ایکسس پر خواندگی کی شرح نشان زد کریں۔
جدول 3.5: ہندوستان میں خواندگی کی شرح، $1951-2011$ (فیصد میں)
جدول 3.5: ہندوستان میں خواندگی کی شرح، 1951–2011 (فیصد میں)
| سال | $\hspace{1cm}$ خواندگی کی شرح | ||
|---|---|---|---|
| کل آبادی |
مرد | خواتین | |
| 1951 | 18.33 | 27.16 | 8.86 |
| 1961 | 28.3 | 40.4 | 15.35 |
| 1971 | 34.45 | 45.96 | 21.97 |
| 1981 | 43.57 | 56.38 | 29.76 |
| 1991 | 52.21 | 64.13 | 39.29 |
| 2001 | 64.84 | 75.85 | 54.16 |
| 2011 | 73.0 | 80.9 | 64.6 |
(c) کل آبادی، مرد اور خواتین کے فیصد کو بند کالموں میں پلاٹ کریں ($($ شکل 3.6)۔
شکل 3.6: ہندوستان میں خواندگی کی شرح، 1951-2011
کمپاؤنڈ بار ڈایاگرام
جب مختلف اجزاء کو متغیر کے ایک سیٹ میں گروپ کیا جاتا ہے یا ایک جزو کے مختلف متغیرات کو اکٹھا کیا جاتا ہے، تو ان کی نمائندگی کمپاؤنڈ بار ڈایاگرام کے ذریعے کی جاتی ہے۔ اس طریقے میں، مختلف متغیرات کو مختلف مستطیلوں کے ساتھ ایک ہی بار میں دکھایا جاتا ہے۔
مثال 3.6: جدول 3.6 میں دکھائے گئے ڈیٹا کی نمائندگی کے لیے ایک کمپاؤنڈ بار ڈایاگرام بنائیں:
جدول 3.6: ہندوستان میں بجلی کی کل پیداوار (ارب KWh میں)
| سال | تھرمل | ہائیڈرو | نیوکلیئر | کل |
|---|---|---|---|---|
| 2008-09 | 616.2 | 110.1 | 14.9 | 741.2 |
| $2009-10$ | 677.1 | 104.1 | 18.6 | 799.8 |
| $2010-11$ | 704.3 | 114.2 | 26.3 | 844.8 |
ماخذ: Economic Survey, 2011-12
تعمیر
(a) ڈیٹا کو چڑھتے یا اترتے ترتیب میں ترتیب دیں۔
(b) ایک ہی بار دیے گئے سال میں بجلی کی کل پیداوار کو ظاہر کرے گی اور تھرمل، ہائیڈرو اور نیوکلیئر بجلی کی پیداوار کو بار کی کل لمبائی کو تقسیم کرکے دکھایا جائے گا جیسا کہ شکل 3.7 میں دکھایا گیا ہے۔
پائی ڈایاگرام
پائی ڈایاگرام ڈیٹا کی نمائندگی کا ایک اور گرافک طریقہ ہے۔ یہ دائرے کا استعمال کرتے ہوئے دی گئی خاصیت کی کل قدر کو ظاہر کرنے کے لیے بنایا جاتا ہے۔ پھر ڈیٹا کے ذیلی سیٹوں کی نمائندگی کرنے کے لیے دائرے کو زاویے کے متعلقہ ڈگریوں میں تقسیم کیا جاتا ہے۔ لہٰذا، اسے تقسیم شدہ دائرہ ڈایاگرام بھی کہا جاتا ہے۔
ہر متغیر کا زاویہ درج ذیل فارمولے کا استعمال کرتے ہوئے حساب کیا جاتا ہے۔
شکل 3.7: ہندوستان میں بجلی کی کل پیداوار
$\dfrac{\text{Value of given State/Region X 360}}{\text{Total Value of All States/Regions}}$
اگر ڈیٹا فیصد شکل میں دیا گیا ہے، تو زاویے دیے گئے فارمولوں کا استعمال کرتے ہوئے حساب کیے جاتے ہیں۔
$\dfrac{\text{Percentage of x X 360}}{100}$
مثال کے طور پر، ہندوستان کی کل آبادی کے ساتھ ساتھ دیہی اور شہری آبادی کے تناسب کو ظاہر کرنے کے لیے ایک پائی ڈایاگرام بنایا جا سکتا ہے۔ اس صورت میں، کل آبادی کی نمائندگی کے لیے مناسب رداس کا ایک دائرہ بنایا جاتا ہے اور اس کی ذیلی تقسیم دیہی اور شہری آبادی کو زاویے کی متعلقہ ڈگریوں کے ذریعے دکھایا جاتا ہے۔
مثال 3.7: جدول 3.7 (a) میں دیے گئے ڈیٹا کو مناسب ڈایاگرام کے ساتھ پیش کریں۔
زاویوں کا حساب
(a) ہندوستان کی برآمدات کے فیصد پر ڈیٹا کو چڑھتے ترتیب میں ترتیب دیں۔
(b) دنیا کے بڑے خطوں/ممالک کو ہندوستان کی برآمدات کی دی گئی اقدار کو ظاہر کرنے کے لیے زاویوں کی ڈگریاں حساب کریں،
جدول 3.7 (b)۔ یہ فیصد کو 3.6 کے مستقل سے ضرب دے کر کیا جا سکتا ہے جو دائرے میں کل ڈگریوں کو 100 سے تقسیم کرکے حاصل کیا جاتا ہے، یعنی $360 / 100$۔
جدول 3.7 (a): 2010-11 میں دنیا کے بڑے خطوں کو ہندوستان کی برآمدات
| یونٹ/خطہ | ہندوستانی برآمدات کا % |
|---|---|
| یورپ | 20.2 |
| افریقہ | 6.5 |
| امریکہ | 14.8 |
| ایشیا اور ASEAN | 56.2 |
| دیگر | 2.3 |
| کل | 100 |
(c) مختلف خطوں/ممالک کو ہندوستان کی برآمدات کے حصے کو دکھانے کے لیے دائرے کو مطلوبہ تعداد میں حصوں میں تقسیم کرکے ڈیٹا پلاٹ کریں (شکل 3.8)۔
جدول 3.7 (b): 2010-11 میں دنیا کے بڑے خطوں کو ہندوستان کی برآمدات
| ممالک | C | حساب | ڈگری |
|---|---|---|---|
| یورپ | 20.2 | $20.2 \times 3.6=72.72$ | $73^{\circ}$ |
| افریقہ | 6.5 | $6.5 \times 3.6=23.4$ | $23^{\circ}$ |
| امریکہ | 14.8 | $14.8 \times 3.6=53.28$ | $53^{\circ}$ |
| ایشیا اور ASEAN | 56.2 | $56.2 \times 3.6=202.32$ | $203^{\circ}$ |
| دیگر | 2.3 | $2.3 \times 3.6=8.28$ | $8^{\circ}$ |
| کل | $\mathbf{1 0 0}$ | $\mathbf{6 6 0}^{\circ}$ |
تعمیر
(a) بنائے جانے والے دائرے کے لیے مناسب رداس منتخب کریں۔ دیے گئے ڈیٹا سیٹ کے لیے 3,4 یا 5 $\mathrm{cm}$ کا رداس منتخب کیا جا سکتا ہے۔
(b) دائرے کے مرکز سے قوس تک ایک لائن رداس کے طور پر کھینچیں۔
(c) ہر قسم کے گاڑیوں کے لیے گھڑی کی سمت چھوٹے زاویے سے شروع کرتے ہوئے چڑھتے ترتیب میں دائرے کے قوس سے زاویوں کی پیمائش کریں۔
(d) عنوان، ذیلی عنوان، اور لیجنڈ شامل کرکے ڈایاگرام مکمل کریں۔ لیجنڈ ہر متغیر/قسم کے لیے منتخب کیا جا سکتا ہے اور مختلف سایوں/رنگوں سے نمایاں کیا جا سکتا ہے۔
احتیاطیں
(a) دائرہ نہ تو جگہ میں فٹ ہونے کے لیے بہت بڑا ہونا چاہیے اور نہ ہی پڑھنے کے لیے بہت چھوٹا۔
(b) بڑے زاویے سے شروع کرنے سے غلطی جمع ہو جائے گی جس سے چھوٹے زاویے کو پلاٹ کرنا مشکل ہو جائے گا۔
شکل 3.8: ہندوستانی برآمدات کی سمت 2010-11
فلو میپ/چارٹ
فلو چارٹ گراف اور نقشے کا مجموعہ ہے۔ یہ اشیاء یا لوگوں کے بہاؤ کو ماخذ اور منزل کے مقامات کے درمیان دکھانے کے لیے بنایا جاتا ہے۔ اسے ڈائنامک میپ بھی کہا جاتا ہے۔ ٹرانسپورٹ میپ، جو مسافروں، گاڑیوں وغیرہ کی تعداد دکھاتا ہے، فلو چارٹ کی بہترین مثال ہے۔ یہ چارٹ متناسب چوڑائی کی لائنوں کا استعمال کرتے ہوئے بنائے جاتے ہیں۔ بہت سی سرکاری ایجنسیاں مختلف راستوں پر نقل و حمل کے ذرائع کی کثافت ظاہر کرنے کے لیے فلو میپ تیار کرتی ہیں۔ فلو میپ/چارٹ عام طور پر درج ذیل دو قسم کے ڈیٹا کی نمائندگی کے لیے بنائے جاتے ہیں:
- گاڑیوں کی تعداد اور تعدد ان کی حرکت کی سمت کے مطابق
- مسافروں کی تعداد اور/یا نقل و حمل کی گئی اشیاء کی مقدار۔
فلو میپ تیار کرنے کی ضروریات
(a) ایک روٹ میپ جس میں مطلوبہ ٹرانسپورٹ روٹس کے ساتھ ساتھ رابطہ کرن
BETA
