1. تعارف

پچھلے فصل میں آپ نے ایسی ڈیٹا کے ذریعے جو کیا جاتا ہے اس پر بات کرنی تھی۔ آپ کو ایسا بھی ملا کہ جمع کروائی اور نمونہ جمع کروائی کا فرق ہے۔ اس فصل میں آپ جانیں گے کہ آپ نے جو ڈیٹا جمع کیا ہے وہ کیسے تقسیم کیا جائے۔ خام ڈیٹا کی تقسیم کا مقصد وہ آراستہ کرنا ہے تاکہ آسانی سے اس کا جدیدہ آبادی کا تحلیل کیا جا سکے۔

کیا آپ کبھی اپنے مقامی ردی کردار یا کابادی والہ کو دیکھا ہے جسے آپ پرانے نیوز پیپر، خراب خاندانی اشیاء، خالی گلاس بوتل، پلاسٹک، غیرہ پیش کرتے ہیں؟ وہ آپ کی طرف سے یہ چیزیں خریدتا ہے اور انہیں وہ لوگ جو دوبارہ استعمال کرتے ہیں اس کی طرف سے فروخت کرتا ہے۔ لیکن اس زیادہ ردی کے ساتھ اس کی دکان میں اچانک اس کا کام اچانک بہت آسان نہیں ہوتا، اگر وہ یہ صحیح طریقے سے تنظیم نہ کر لیا ہو۔ اس کی حالت کو آسان بنانے کے لیے وہ مختلف ردی کو مناسب طریقے سے گروپ یا “تقسیم” کرتا ہے۔ وہ پرانے نیوز پیپر کو ایک جمع کرتا ہے اور انہیں ایک راٹھی سے منسلک کرتا ہے۔ پھر وہ تمام خالی گلاس بوتل کو ایک کیلی میں جمع کرتا ہے۔ وہ میٹل کی اشیاء کو اپنی دکان کے ایک کونے میں چھوڑ دیتا ہے اور ان کو “آئرن”، “کاپر”، “ایلیومینیم”، “برس” غیرہ کے طور پر مختلف گروپ میں تقسیم کرتا ہے۔ اس طرح وہ اپنی ردی کو مختلف طبقات میں گروپ کرتا ہے - “نیوز پیپر”، “پلاسٹک”، “گلاس”، “میٹل” غیرہ - اور ان میں ترتیب دیتا ہے۔ ایک بار کہ وہ اپنی ردی کو ترتیب دے اور تقسیم کر لے، اس کے لیے خریدار طلب کرنے والے کے خریدار کی طلب کرنے کے لیے ایک مخصوص اشیاء کو پائنا آسان ہو جاتا ہے۔

بالکل اسی طرح جب آپ اپنے مدرسے کی کتابیں مختلف ترتیب میں ترتیب دیتے ہیں، تو آپ ان کا سامنا کرنا آسان ہو جاتا ہے۔ آپ ان کو مضامین کے حساب سے تقسیم کر سکتے ہیں جہاں ہر مضمون ایک گروپ یا طبقہ بن جاتا ہے۔ تو جب آپ کسی مخصوص کتاب کی ضرورت ہو، مثلاً تاریخ کی، تو آپ کو صرف اس گروپ “تاریخ” میں اس کتاب کی تلاش کرنی ہوتی ہے۔ ورنہ آپ کو اپنی تمام مداد کی تلاش کرنی ہوتی۔

جبکہ اشیاء یا چیزوں کی تقسیم آپ کے قیمتی وقت اور محنت کو بچاتی ہے، لیکن وہ اس طرح نہیں کی جاتی جس طرح آپ کی طرف سے چھوٹی چھوٹی چیزیں کیا جاتی ہے۔ کابادی والہ اپنی ردی کو دوبارہ استعمال کرنے والے کے لیے مارکیٹ کے حساب سے گروپ کرتا ہے۔ مثلاً “گلاس” کے طبقے کے تحت وہ خالی بوتل، خراب آنکھوں کے مرآتے اور دریچے کے پردے غیرہ کو شامل کرتا ہے۔ بالطریقے جیسے آپ اپنے تاریخ کی کتابیں “تاریخ” کے طبقے میں تقسیم کرتے ہیں، آپ اس طبقے میں دوسرے مضامین کی کتاب نہیں ڈالیں گے۔ ورنہ گروپ کرنے کا تمام مقصد ضائع ہو جائے گا۔ اس لیے تقسیم، کسی معیار کے حساب سے اشیاء کو مختلف گروپ یا طبقات میں ترتیب دینا ہے۔

سرگرمی

• اپنے مقامی ڈاٹ کمرے کا دورہ لے کر دیکھیں کہ میں لوگ اپنے ڈاکومنٹ کیسے تقسیم کرتے ہیں۔ کیا آپ کو معلوم ہے کہ ایک ڈاکومنٹ میں پن کوڈ کیا ظاہر کرتا ہے؟ اپنے ڈاکومنٹ ڈیلیوری والے سے پوچھیں۔

2. خام ڈیٹا

جیسے کہ کابادی والے کی ردی، غیر تقسیم شدہ ڈیٹا یا خام ڈیٹا بہت غیر منظم ہوتا ہے۔ وہ بہت زیادہ ہوتا ہے اور ان کا سامنا کرنا بہت مشکل ہوتا ہے۔ ان کا سے معنی بنانا ایک مشکل کام ہے کیونکہ ان کا سے آسانی سے آبادی کے ذریعے کوئی چیز نہیں ملتی۔ اس لیے کسی منظم آبادی کے تحلیل کو شروع کرنے سے پہلے اس طرح ڈیٹا کی مناسب تنظیم اور عرضہ کی ضرورت ہوتی ہے۔ اس لیے ڈیٹا جمع کروانے کے بعد دوسرا اقدام وہ ہے کہ ان کی تنظیم اور عرضہ کیا جائے۔

اگر آپ چاہیں کہ آپ چیکارے کی ریاضی میں کامیابی کا جائزہ لیں اور آپ نے اپنے مدرسے کے 100 چیکارے کی ریاضی میں حاصل کردہ درجات کے ڈیٹا کو جمع کیا ہے۔ اگر آپ ان کو ایک جدول کے طور پر عرضہ کریں تو وہ جدول 3.1 کی طرح دکھائی دیں گے۔

جدول 3.1: ایک امتحان میں 100 چیکارے کی ریاضی میں حاصل کردہ درجات

یا آپ اپنے سڑک کے گرد 50 گھروں کی خاندانی زندگی کے لیے خوراک کی ماہانہ خرچ کے ڈیٹا کو جمع کر سکتے ہیں تاکہ آپ ان کی خوراک کے خرچ کا دستیاب حد جان سکیں۔ اس صورت میں جمع کردہ ڈیٹا، اگر آپ نے ایک جدول کے طور پر عرضہ کیا تو وہ جدول 3.2 کی طرح دکھائی دیں گے۔ جدول 3.1 اور 3.2 دونوں خام یا غیر تقسیم شدہ ڈیٹا ہیں۔ دونوں جدولوں میں آپ دیکھیں گے کہ اعداد کسی بھی ترتیب میں نہیں ڈالے گئے ہیں۔ اب اگر آپ کو جدول 3.1 سے ریاضی میں زیادہ درجہ حاصل کرنے کا سوال پڑے تو آپ کو پہلے 100 چیکارے کے درجات کو ترتیب دینے کی ضرورت ہوگی یا تو اچھی ترتیب میں یا نیچے کی ترتیب میں۔ وہ ایک مشکل کام ہے۔ اگر آپ کو 100 چیکارے کے درجات کے بجائے 1,000 چیکارے کے درجات کا سامنا کرنا پڑے تو وہ بہت زیادہ مشکل ہو جاتا ہے۔ بالطریقے جیسے جدول 3.2 میں آپ دیکھیں گے کہ آپ 50 گھروں کے ماہانہ خرچ کا دستیاب حد جاننا مشکل ہے۔ اور یہ مشکلہ اگر اعداد زیادہ ہوں گے - مثلاً 5,000 گھروں - تو بہت زیادہ بڑھ جاتی ہے۔ جیسے ہمارے کابادی والے کی طرح، جب اس کی ردی بڑھ جاتی ہے اور غیر منظم ہو جاتی ہے، تو وہ مخصوص اشیاء کو پائنا مشکل ہو جاتا ہے، آپ اسی طرح خام ڈیٹا سے کسی بھی معلومات کو حاصل کرنے کے وقت آپ کو ایک مشکل کی حالت محسوس کریں گے۔ اس کلمے میں، اس لیے زیادہ خام ڈیٹا کا سے معلومات حاصل کرنا ایک مشکل کام ہے۔

جدول 3.2: 50 گھروں کی خوراک کے لیے ماہانہ خاندانی خرچ (روپے میں)

خام ڈیٹا کو تقسیم کرنے سے اور اس کو جذبہ بخشنے سے وہ آسان اور سمجھدار بن جاتا ہے۔ جب ایک طرح کی خصوصیات والے حقائق ایک طبقے میں رکھے جاتے ہیں، تو اس سے آسانی سے ان کو پائنا، موازنہ کرنا اور کوئی مشکل کے بغیر استنباط کرنا ممکن ہوتا ہے۔ آپ نے فصل 2 میں سیکھا تھا کہ بھارت حکومت 10 سال بعد 10 سال ایک بار اوقات کا جمع کرواتی ہے۔ جمعہ 2001 میں 20 کروڑ لوگوں کو جمع کیا گیا تھا۔ جمعہ کے خام ڈیٹا بہت زیادہ اور جذبہ بخشا ہوا ہے تاکہ اس کا سے کوئی معنی بنانا زحمت کسی بھی طرح کے ممکن نہ ہو۔ لیکن جب ایک طرح کے ڈیٹا کو صنف، تعلیم، علاقائی حالت، مذہب، جنس، غیرہ کے حساب سے تقسیم کیا جاتا ہے، تو بھارت کی اوقات کی ساخت اور خصوصیات آسانی سے سمجھ دی جاتی ہیں۔

خام ڈیٹا متغیروں کے مشاہدات کا تعین کرتا ہے۔ جدول 3.1 اور 3.2 میں دیے گئے خام ڈیٹا میں ایک مخصوص یا گروپ منظور متغیروں کے مشاہدات شامل ہیں۔ جدول 3.1 کا دیکھ بھال کریں جس میں 100 چیکارے کے ریاضی میں حاصل کردہ درجات شامل ہیں۔ ان درجات کا کیا مطلب ہے؟ ریاضی کے اُچھلانگ لگانے والے اس درجات کو دیکھ کر وہ یہ سوچے گا کہ میرے چیکارے کیسے کام کرے گے؟ کتنے نہیں پاس کریں گے؟ ڈیٹا کی تقسیم کرنا آپ کے مقصد کے مطابق ہوتا ہے۔ اس صورت میں اُچھلانگ لگانے والے چاہتے ہیں کہ اس کے چیکارے کیسے کام کرے گے اس پر کچھ زیادہ جذبہ بخشیں۔ وہ رفتار کے توزیع کا تعمیر کرنا چاہیے ہوگا۔ اس کا مطالعہ اگلے سیکشن میں ہے۔

سرگرمی

• ایک سال کے لیے اپنے خاندان کے کل ویکلی خرچ کے ڈیٹا کو جمع کریں اور ایک جدول میں ترتیب دیں۔ دیکھیں کہ آپ کو چند مشاہدات حاصل ہوتی ہیں۔ ڈیٹا کو ماہانہ طور پر ترتیب دیں اور مشاہدات کا تعداد حاصل کریں۔

3. ڈیٹا کی تقسیم

ایک تقسیم کے گروپ یا طبقات کو مختلف طریقوں سے کیا جاتا ہے۔ آپ اپنے کتابوں کو مضامین کے حساب سے تقسیم کر سکتے ہیں - “تاریخ”، “علاقائی جغرافیا”، “ریاضی”، “علم”، غیرہ - لیکن آپ ان کو مصنف کے حساب سے ترتیب دی سکتے ہیں اور الفاظ کی ترتیب میں۔ یا آپ ان کو شائعہ سال کے حساب سے تقسیم کر سکتے ہیں۔ آپ ان کو تقسیم کرنے کا طریقہ آپ کی ضرورت کے مطابق ہوگا۔

بالطریقے جیسے خام ڈیٹا کو مقصد کے مطابق مختلف طریقوں سے تقسیم کیا جاتا ہے۔ ان کو اوقات کے حساب سے گروپ کیا جا سکتا ہے۔ اس طرح کی تقسیم کو اوقات کے تبدیل کے نام سے منظور کیا جاتا ہے۔ اس طرح کی تقسیم میں ڈیٹا یا اچھی ترتیب میں یا نیچے کی ترتیب میں اوقات کے مطابق سال، تیتر، مہینے، ہفتے، غیرہ کے حساب سے تقسیم کیا جاتا ہے۔ درج ذیل مثال دکھاتی ہے کہ بھارت کی اوقات کو سالوں کے حساب سے تقسیم کیا گیا ہے۔ متغیر ‘اوقات’ ایک اوقات کے سلسلے ہے جو مختلف سالوں کے لیے ایک سلسلے کی قیمتیں ظاہر کرتا ہے۔

**مثال 1 **

بھارت کی اوقات (کروڑ میں)

جغرافیائی موقع کے حساب سے تقسیم میں ڈیٹا کو ملک، ریاست، شہر، ضلعہ، غیرہ وغیرہ جیسے جغرافیائی مقامات کے حساب سے تقسیم کیا جاتا ہے۔

مثال 2 دکھاتی ہے کہ مختلف ملکوں میں گنوں کی میزان کی حاصلیت۔

**مثال 2 **

مختلف ملکوں کی گنوں کی میزان کی حاصلیت (2013)

ماخذ: بھارتی زرعی آبادی کے اعداد اور شعبے، 2015

سرگرمی

• مثال 1 میں، بھارت کی اوقات کے کبھی سالوں کو حداقل اور حداکثر کے طور پر جدول۔
• مثال 2 میں، گنوں کی میزان کی حاصلیت جو بھارت کی حاصلیت سے کچھ اور ہو، اس ملک کا جدول۔ بھارت کی حاصلیت کے حساب سے اس کی حاصلیت کی حداکثر ترقی کیسے ہوگی؟
• مثال 2 کے ملکوں کو گنوں کی میزان کی حاصلیت کے اچھی ترتیب میں ترتیب دیں۔ اچھی ترتیب میں ترتیب دیں۔

کبھی کبھار آپ مختلف خصوصیات کا سامنا کریں گے جو کمیٹی کے طور پر عددی طور پر عبارت نہیں ہو سکتے۔ ان خصوصیات کو خصوصیات کہا جاتا ہے۔ مثال کے طور پر، قومیت، تعلیم، مذہب، جنس، علاقائی حالت، غیرہ۔ ان کو قدرتی طور پر پیمائش نہیں کی جا سکتی۔ لیکن ایسی خصوصیات کو ایک جیسی خصوصیات کی حیثیت سے یا اس کی غیر موجودگی کے حساب سے تقسیم کیا جا سکتا ہے۔ اس طرح خصوصیات کے ڈیٹا کی تقسیم کو خصوصیات کے تبدیل کے نام سے منظور کیا جاتا ہے۔ درج ذیل مثال میں، ایک ملک کی اوقات کو خصوصیات کے متغیر “جنس” کے حساب سے گروپ کیا گیا ہے۔ ایک مشاہدہ یا تو مرد ہو یا عورت ہو سکتی ہے۔ ان دونوں خصوصیات کو علاقائی حالت کے حساب سے اور تقسیم کیا جا سکتا ہے جیسے درج ذیل دیا گیا ہے:

**مثال 3 **

پہلے مرحلے میں تقسیم خصوصیات کی حیثیت یا اس کی غیر موجودگی کے حساب سے کی جاتی ہے، یعنی مرد ہو یا نہ مرد (عورت)۔ دوسرے مرحلے میں، ہر طبقہ - مرد اور عورت - ایک دوسرے خصوصیات کی حیثیت یا اس کی غیر موجودگی کے حساب سے تقسیم کیا جاتا ہے، یعنی کیا مجبور ہوئی ہے یا نہ مجبور۔ ان طرح کی خصوصیات مثلاً اونچائی، وزن، عمر، آمدنی، چیکارے کے درجات، غیرہ قدرتی طور پر ہیں۔ جب اس طرح کے خصوصیات کے جمع کردہ ڈیٹا کو طبقات میں گروپ کیا جاتا ہے تو وہ قدرتی تبدیل کے نام سے منظور کیا جاتا ہے۔

سرگرمی

• آپارے کے ارد گرد کی اشیاء کو یا تو زندہ ہو یا نہ زندہ ہو سکتی ہے۔ کیا یہ ایک خصوصیات کے تبدیل ہے؟

**مثال 4 **

100 چیکارے کے ریاضی میں درجات کا توزیع

مثال 4 جدول 3.1 میں دیے گئے 100 چیکارے کے ریاضی میں درجات کے قدرتی تبدیل کو دکھاتا ہے۔

سرگرمی

• مثال 4 کے توفیق کے قیمتوں کو کل توفیق کے حساب سے تناسب یا فی صد کے طور پر عبارت کریں۔ دیکھیں کہ توفیق اس طرح عبارت کرنا جذبہ بخشی کہلاتی ہے۔
• مثال 4 میں، کون سا طبقہ ڈیٹا کی زیادہ تر براہ راست تراکم کا سبق ہے؟ اس کو کل مشاہدات کے حساب سے فی صد کے طور پر عبارت کریں۔ کون سا طبقہ ڈیٹا کی کم تر براہ راست تراکم کا سبق ہے؟

4. متغیر؛ مسلسل اور خطوطی

آخری فصل میں آپ نے متغیر کی ایک سادہ تعریف پڑھی تھی، جس میں آپ نے سمجھا کہ متغیر کیسے تغییر کرتا ہے۔ متغیر مختلف معیارات کے حساب سے مختلف ہوتے ہیں۔ ان کو عام طور پر دو طرح میں تقسیم کیا جاتا ہے:

(1) مسلسل اور غیر متوقف (2) خطوطی۔

ایک مسلسل متغیر کو کوئی بھی عددی قیمت حاصل کر سکتا ہے۔ وہ پورے اعداد $(1,2,3,4,\ldots)$، تخمینہ اعداد $(1 / 2,2 / 3,3 / 4,\ldots)$، اور دقیق تخمینہ نہیں اعداد $(\sqrt{2}=1.414$, $\sqrt{3}=1.732,\ldots,\sqrt{7}=2.645$ ) حاصل کر سکتا۔ مثال کے طور پر، ایک چیکارے کی اونچائی، جب وہ اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں اپنی اونچائی میں