सांख्यिकी में Measures of Dispersion को समझें: CAIIB ABM गाइड

CAIIB By Ashish Jain · IIBF STORE Editorial · 26 अगस्त 2026 · अपडेटेड 09 अक्टू. 2026 · 11 मिनट का पाठ · 59 व्यूज़ Read in English

#Advanced Bank Management #banking exam #CAIIB #IIBF

सांख्यिकी में Measures of Dispersion को समझें: CAIIB ABM गाइड

हर CAIIB ABM उम्मीदवार औसत (average) निकालना सीख जाता है, लेकिन अकेला औसत असली तस्वीर छुपा सकता है — समान औसत डिपॉज़िट वाली दो ब्रांचों का रिस्क प्रोफ़ाइल बिल्कुल अलग हो सकता है। यहीं पर measures of dispersion in statistics काम आते हैं — ये बताते हैं कि कोई डेटा सेट कितना बिखरा हुआ, स्थिर या अस्थिर है, जिसका असर लोन-पोर्टफोलियो रिस्क से लेकर interest-rate व्यवहार तक हर जगह दिखता है। यह गाइड इस कॉन्सेप्ट को शुरू से समझाती है, वे फॉर्मूले कवर करती है जो IIBF वाकई पूछता है, और हर आइडिया को बैंकर के रोज़मर्रा के काम से जोड़ती है।

📏 Measures of Dispersion क्या हैं?

Dispersion का माप यह बताता है कि किसी डेटा सेट के व्यक्तिगत आँकड़े एक केंद्रीय मान — आमतौर पर मीन या मीडियन — से कितना अलग हैं। Central tendency के माप बताते हैं "सामान्य मान क्या है?", जबकि dispersion बताता है "असली आँकड़े उस सामान्य मान से कितना अलग हैं?" एक बैंकर के लिए यह फ़र्क सिर्फ़ किताबी नहीं है — ₹5 लाख के औसत लोन टिकट साइज़ वाली ब्रांच में अगर dispersion बहुत ज़्यादा है, तो हो सकता है कि वहाँ कुछ बड़े, जोखिम भरे एक्सपोज़र छिपे हों जिन्हें औसत पूरी तरह ढक देता है।

Dispersion के माप दो बड़े परिवारों में बँटते हैं। Absolute measures — range, quartile deviation, mean deviation और standard deviation — मूल डेटा की ही यूनिट (रुपये, दिन, प्रतिशत) में व्यक्त होते हैं और समान औसत वाले डेटा सेट की तुलना में उपयोगी हैं। Relative measures — मुख्यतः coefficient of variation — यूनिट-रहित अनुपात होते हैं, जो तब ज़रूरी होते हैं जब बहुत अलग-अलग औसत आकार वाले डेटा सेटों की तुलना करनी हो, जैसे किसी ग्रामीण ब्रांच और किसी मेट्रो ब्रांच की।

यह कॉन्सेप्ट सीधे उस बुनियादी statistics मॉड्यूल पर टिका है जो statistics की परिभाषा, महत्व और सीमाओं वाले चैप्टर में पढ़ाया जाता है, और यह ABM पेपर के सबसे ज़्यादा पूछे जाने वाले सब-टॉपिक्स में से एक है क्योंकि यह शुद्ध गणना को व्यावहारिक रिस्क विश्लेषण से जोड़ता है।

📐 Range और Quartile Deviation

Range dispersion का सबसे सरल माप है: Range = सबसे बड़ा मान − सबसे छोटा मान। मान लीजिए पाँच ब्रांचों ने मासिक NPA एडिशन ₹2 लाख, ₹3 लाख, ₹8 लाख, ₹4 लाख और ₹5 लाख रिपोर्ट किया, तो Range = ₹8 लाख − ₹2 लाख = ₹6 लाख होगा। Range निकालना आसान है, लेकिन यह पूरी तरह दो एक्सट्रीम वैल्यू पर निर्भर करता है, इसलिए एक असामान्य रूप से बड़ा या छोटा आँकड़ा इसे बुरी तरह बिगाड़ सकता है — बैंक डेटा में जहाँ outliers आम हैं, यह एक गंभीर सीमा है।

Quartile deviation (जिसे semi-interquartile range भी कहते हैं) डेटा के दोनों छोर के 25% एक्सट्रीम मानों को नज़रअंदाज़ करके इस समस्या को काफ़ी हद तक ठीक कर देता है। इसका फ़ॉर्मूला है QD = (Q3 − Q1) / 2, जहाँ Q1 और Q3 क्रमशः पहला और तीसरा क्वार्टाइल हैं। चूँकि यह बीच के 50% आँकड़ों पर आधारित है, quartile deviation किसी एक भटके हुए outlier से साधारण range की तुलना में कहीं कम प्रभावित होता है, इसलिए लोन साइज़ या ओवरड्यू राशि जैसे skewed बैंकिंग डेटा के लिए यह ज़्यादा भरोसेमंद है।

💡 Exam Tip: अगर सवाल में सिर्फ़ सबसे बड़ा और सबसे छोटा मान दिया गया है, तो वह Range टेस्ट कर रहा है। अगर पूरा क्रमबद्ध डेटा सेट देकर पहले Q1 और Q3 माँगे जा रहे हैं, तो वह Quartile Deviation टेस्ट कर रहा है — इस्तेमाल हुए शब्द पर नहीं, दिए गए डेटा पर ध्यान दें।

Range और quartile deviation, दोनों में से कोई भी डेटा सेट के सारे आँकड़ों का इस्तेमाल नहीं करता, इसीलिए एग्ज़ामिनर अक्सर इन्हें mean deviation और standard deviation के साथ एक ही सवाल में जोड़कर पूछते हैं ताकि जाँचा जा सके कि उम्मीदवार को पता है कि कौन-सा माप कब सही है।

📊 Mean Deviation और उसका बैंकिंग में इस्तेमाल

Mean deviation (या average deviation) डेटा सेट के हर आँकड़े का इस्तेमाल करके range से बेहतर परिणाम देता है। यह हर आँकड़े और एक केंद्रीय मान (आमतौर पर मीन) के बीच के absolute अंतर का औसत है: MD = Σ|x − x̄| / n। यहाँ "absolute" शब्द अहम है — deviations को बिना साइन के लिया जाता है, क्योंकि वरना मीन से ऊपर और नीचे के deviations हमेशा एक-दूसरे को काटकर शून्य बना देते।

किसी ब्रांच के पाँच दिन के कैश विदड्रॉवल पर विचार करें (₹ लाख में): 10, 12, 9, 15, 14। मीन 12 है। Absolute deviations हैं 2, 0, 3, 3, 2, जिनका जोड़ 10 है, इसलिए MD = 10/5 = 2 लाख। यह ब्रांच मैनेजर को बताता है कि रोज़ाना विदड्रॉवल औसतन मीन से ₹2 लाख अलग रहता है — जो कैश-प्लानिंग और वॉल्ट-लिमिट के फ़ैसलों में सीधे काम आता है।

Mean deviation तकनीकी रूप से मीन की बजाय मीडियन से भी निकाला जा सकता है, और IIBF के सवाल कभी-कभी यह स्पष्ट रूप से बताते हैं, इसलिए फ़ॉर्मूला लगाने से पहले हमेशा देख लें कि सवाल किस केंद्रीय मान के बारे में पूछ रहा है।

⚠️ Common Mistake: उम्मीदवार अक्सर हर deviation का absolute value लेना भूल जाते हैं और जोड़ शून्य निकल आता है। बिना modulus sign के mean deviation का कोई अर्थ नहीं है — यह हमेशा दूरी नापता है, दिशा कभी नहीं।

चूँकि यह squared values की बजाय absolute values इस्तेमाल करता है, आगे के सांख्यिकीय विश्लेषण के लिए mean deviation गणितीय रूप से standard deviation जितना सुगठित नहीं है — और यही वजह है कि अगला माप अस्तित्व में आता है।

🧮 Standard Deviation और Variance

Standard deviation (SD, जिसे σ से दर्शाया जाता है) बैंकिंग सांख्यिकी में dispersion का सबसे ज़्यादा इस्तेमाल होने वाला माप है क्योंकि यह गणितीय रूप से सुविधाजनक है और फाइनेंस में रिस्क व वोलैटिलिटी मापने का आधार बनता है। यह variance का वर्गमूल (square root) है, और variance मीन से squared deviations का औसत है: Variance (σ²) = Σ(x − x̄)² / n, इसलिए SD (σ) = √[Σ(x − x̄)² / n]।

औसत निकालने से पहले deviations को square करने से साइन की समस्या हल होती है (ठीक वैसे ही जैसे mean deviation में modulus करता है), लेकिन इससे बड़े deviations को असमान रूप से ज़्यादा वज़न भी मिल जाता है, जिससे standard deviation, mean deviation से ज़्यादा outliers के प्रति संवेदनशील हो जाता है। बैंकिंग के संदर्भ में यह संवेदनशीलता असल में उपयोगी है — जिस पोर्टफोलियो में औसत यील्ड या रिकवरी से कुछ बहुत बड़े deviations हों, वही पोर्टफोलियो सबसे ज़्यादा गहन जाँच का हक़दार होता है।

Standard deviation ही ट्रेज़री डेस्क पर इस्तेमाल होने वाले interest-rate risk और yield volatility विश्लेषण के पीछे का सांख्यिकीय आधार है, यही एक वजह है कि यह कॉन्सेप्ट BFM पेपर में asset liability committee की कार्यप्रणाली पढ़ते समय फिर से सामने आता है — किसी बैंक के asset yields में कम standard deviation ज़्यादा स्थिर और अनुमानित interest income संकेत करता है, जबकि ज़्यादा standard deviation इसके उलट संकेत देता है।

📌 याद रखें: Variance हमेशा squared यूनिट (जैसे ₹ लाख²) में होता है, जिसे सीधे समझना मुश्किल है — इसीलिए हम वर्गमूल लेकर standard deviation को वापस मूल यूनिट में लाते हैं।

⚖️ रिस्क तुलना के लिए Coefficient of Variation

Standard deviation एक absolute माप है, इसलिए यह बहुत अलग मीन वाले दो डेटा सेटों की dispersion की निष्पक्ष तुलना नहीं कर सकता। ₹1 लाख के औसत वाले पोर्टफोलियो के लिए ₹50,000 का standard deviation चिंताजनक लगता है, लेकिन ₹50 लाख के औसत वाले पोर्टफोलियो के लिए यह मामूली है। Coefficient of variation (CV) standard deviation को मीन के प्रतिशत के रूप में व्यक्त करके इसका हल देता है: CV = (σ / x̄) × 100।

मान लीजिए ब्रांच A का औसत लोन साइज़ ₹4 लाख है और SD ₹1 लाख (CV = 25%), जबकि ब्रांच B का औसत लोन साइज़ ₹20 लाख है और SD ₹3 लाख (CV = 15%)। पूर्ण रूप में देखें तो ब्रांच B का SD तीन गुना बड़ा लगता है, लेकिन सापेक्ष रूप से ब्रांच A का लोन बुक ज़्यादा अस्थिर और कम स्थिर है — CV यह सही ढंग से दिखाता है, जबकि सिर्फ़ SD देखने वाला रिव्यूअर गुमराह हो सकता है।

यही वजह है कि अलग-अलग स्केल पर काम करने वाले डिपार्टमेंट, स्कीम या पोर्टफोलियो के बीच सापेक्ष रिस्क की तुलना के लिए CV पसंदीदा टूल है — जैसे किसी ग्रामीण और मेट्रो पोर्टफोलियो के बीच recovery-rate volatility की तुलना। CV जितना कम होगा, सीरीज़ उतनी ज़्यादा स्थिर (कम जोखिम भरी) होगी; CV जितना ज़्यादा होगा, वह उतनी ही अनियमित होगी। साथ में, ये पाँचों माप किसी बैंकर को एक पूरा टूलकिट देते हैं, और IIBF के सवाल केवल अंकगणित नहीं, सही माप चुनने की क्षमता भी उतनी ही परखते हैं।

माप	फ़ॉर्मूला	सभी डेटा पॉइंट इस्तेमाल?	Outliers से प्रभावित?	प्रकार
Range	सबसे बड़ा − सबसे छोटा	❌ नहीं	✅ अत्यधिक	Absolute
Quartile Deviation	(Q3 − Q1) / 2	❌ नहीं	❌ कम	Absolute
Mean Deviation	Σ\|x − x̄\| / n	✅ हाँ	❌ मध्यम	Absolute
Standard Deviation	√[Σ(x − x̄)² / n]	✅ हाँ	✅ ज़्यादा	Absolute
Coefficient of Variation	(σ / x̄) × 100	✅ हाँ	✅ ज़्यादा	Relative

🧠 Practice MCQs: Measures of Dispersion in Statistics

Q1. निम्न में से dispersion का कौन-सा माप पूरे डेटा सेट में से केवल दो मानों का इस्तेमाल करता है? (a) Standard Deviation (b) Mean Deviation (c) Range (d) Coefficient of Variation

उत्तर: (c) — Range केवल सबसे बड़े और सबसे छोटे मान से निकाला जाता है, बाकी हर आँकड़े को नज़रअंदाज़ करते हुए, जो इसे dispersion का सबसे स्थूल माप बनाता है।

Q2. पाँच ब्रांच कलेक्शन आँकड़ों का एक डेटा सेट है 8, 10, 12, 14, 16 (₹ लाख में)। मीन से mean deviation कितना है? (a) 2.0 (b) 2.4 (c) 3.0 (d) 4.0

उत्तर: (b) — मीन = 12। Absolute deviations: 4, 2, 0, 2, 4, जिनका जोड़ 12 है। Mean deviation = 12 / 5 = 2.4।

Q3. बहुत अलग औसत आकार वाले दो पोर्टफोलियो की तुलना करते समय standard deviation की जगह coefficient of variation को प्राथमिकता क्यों दी जाती है? (a) इसे निकालना आसान है (b) यह SD को मीन के प्रतिशत के रूप में व्यक्त करके स्केल के असर को हटा देता है (c) यह outliers को पूरी तरह नज़रअंदाज़ करता है (d) यह केवल नॉर्मली डिस्ट्रिब्यूटेड डेटा के लिए काम करता है

उत्तर: (b) — CV = (σ / x̄) × 100 एक absolute माप को सापेक्ष, यूनिट-रहित प्रतिशत में बदल देता है, जिससे अलग-अलग मीन वाले डेटा सेटों के बीच निष्पक्ष तुलना संभव होती है।

Q4. Variance की सबसे सटीक परिभाषा है: (a) Mean deviation का वर्गमूल (b) मीन से absolute deviations का औसत (c) मीन से squared deviations का औसत (d) सबसे बड़े और सबसे छोटे मान के बीच का अंतर

उत्तर: (c) — Variance (σ²) = Σ(x − x̄)² / n। Standard deviation इसका वर्गमूल है, जो मूल यूनिट को वापस लाता है।

Q5. Skewed बैंकिंग डेटा के लिए quartile deviation को range से ज़्यादा भरोसेमंद क्यों माना जाता है? (a) यह डेटा सेट के सभी आँकड़ों का इस्तेमाल करता है (b) यह मापन की यूनिट से अप्रभावित रहता है (c) यह दोनों छोर के 25% एक्सट्रीम मानों को हटा देता है, जिससे outlier का असर कम होता है (d) यह हमेशा standard deviation का आधा होता है

उत्तर: (c) — QD = (Q3 − Q1) / 2 केवल क्रमबद्ध डेटा के बीच के 50% हिस्से पर आधारित है, इसलिए दोनों छोर के कुछ एक्सट्रीम outliers इसे उस तरह नहीं बिगाड़ते जिस तरह वे साधारण range को बिगाड़ते हैं।

100+ MCQs वाले चैप्टर-वार मॉक टेस्ट चाहिए? मुफ़्त प्रैक्टिस शुरू करें →

❓ अक्सर पूछे जाने वाले सवाल

Mean deviation और standard deviation में क्या फ़र्क है?

Mean deviation मीन से absolute (बिना साइन के) deviations का औसत निकालता है, जबकि standard deviation squared deviations का औसत निकालकर फिर वर्गमूल लेता है। Standard deviation बड़े deviations को ज़्यादा वज़न देता है और इसका इस्तेमाल ज़्यादा होता है क्योंकि यह variance-आधारित रिस्क मॉडल जैसे आगे के सांख्यिकीय विश्लेषण में मदद करता है।

अलग-अलग औसत डिपॉज़िट साइज़ वाली दो ब्रांचों की तुलना के लिए dispersion का कौन-सा माप सबसे बेहतर है?

इस स्थिति में coefficient of variation सबसे बेहतर है क्योंकि यह एक सापेक्ष (प्रतिशत-आधारित) माप है। अकेला standard deviation अलग-अलग मीन वाले डेटा सेटों की निष्पक्ष तुलना नहीं कर सकता, क्योंकि बड़ा औसत स्वाभाविक रूप से बड़ा absolute फैलाव पैदा करता है।

Variance निकालते समय deviations को जोड़ने की बजाय square क्यों किया जाता है?

अगर मीन से deviations को उनके साइन सहित सीधे जोड़ दिया जाए, तो किसी भी डेटा सेट के लिए पॉज़िटिव और नेगेटिव मान एक-दूसरे को काटकर बिल्कुल शून्य बना देते हैं। Square करने से नेगेटिव साइन हट जाते हैं, इसलिए कुल योग वाकई डेटा के फैलाव को दर्शाता है, न कि खुद को काट देता है।

क्या quartile deviation, interquartile range के बराबर ही है?

नहीं। Interquartile range Q3 − Q1 होता है, जबकि quartile deviation (semi-interquartile range) उसका आधा होता है: (Q3 − Q1) / 2। IIBF के सवाल कभी-कभी इस फ़र्क को सीधे टेस्ट करते हैं, इसलिए हमेशा देखें कि इन दोनों में से कौन-सा शब्द पूछा जा रहा है।

परीक्षा से पहले आँकड़ों में महारत हासिल करें

Dispersion से जुड़े सवाल उन उम्मीदवारों को फ़ायदा देते हैं जो जानते हैं कि कौन-सा फ़ॉर्मूला किस स्थिति में लगता है, सिर्फ़ आँकड़े जोड़ने वालों को नहीं। पोर्टफोलियो dispersion क्रेडिट रिस्क आकलन में कैसे काम आता है यह देखने के लिए credit management के ओवरव्यू को फिर से देखें, और ज़्यादा पढ़ने के लिए Advanced Bank Management ब्लॉग टैग देखें, और आधिकारिक CAIIB सिलेबस संदर्भ के लिए Indian Institute of Banking & Finance देखें। संबंधित statistics टॉपिक्स के लिए हमारी गाइड पढ़ें skewness and kurtosis in statistics, chi-square test in bank statistics, और sensitivity analysis in credit appraisal। खुद को परखना चाहते हैं? पूरा CAIIB कोर्स देखें और आज ही अपना statistics स्कोर बनाना शुरू करें।

Prefer revising from a printed book?

Chapter-wise books with MCQs after every chapter — minimal pages, complete coverage, delivered anywhere in India. Every book has a free sample to read first.

All books →

CAIIB 2026 Edition

ABM — Advanced Bank Management

148 pages · 478 MCQs