ကောင်းသောစံသွေဖည်ခြင်းဟု အဘယ်အရာကိုယူဆသနည်း။

စံသွေဖည်မှုကို နမူနာတစ်ခုတွင် တန်ဖိုးများ ဖြန့်ဖြူးမှုကို တိုင်းတာရန် အသုံးပြုသည်။

ပေးထားသော နမူနာတစ်ခု၏ စံသွေဖည်မှုကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။

√ Σ(x _i – x _bar ) ² / (n-1)

ရွှေ-

• ∑- “ပေါင်း” ဟူသော သင်္ကေတ၊
• x _i : နမူနာ၏ ^ith တန်ဖိုး
• x _bar : နမူနာကိုဆိုလိုသည်။
• n: နမူနာအရွယ်အစား

စံသွေဖည်တန်ဖိုး ပိုမြင့်လေ၊ နမူနာ တစ်ခုတွင် တန်ဖိုးများ ကွဲကွာလေလေဖြစ်သည်။ အပြန်အလှန်အားဖြင့်၊ စံသွေဖည်မှုတန်ဖိုးနိမ့်လေ၊ တန်ဖိုးများသည် အစုလိုက်အပြုံလိုက် ပိုမိုနီးကပ်လေဖြစ်သည်။

ကျောင်းသားတွေ မကြာခဏမေးလေ့ရှိတဲ့ မေးခွန်းတစ်ခုကတော့ စံသွေဖည်မှုအတွက် ကောင်းမွန်တဲ့တန်ဖိုးကို ဘယ်အရာက သတ်မှတ်လဲ။

အဖြေ- စံသွေဖည်မှုတစ်ခုသည် နမူနာတစ်ခုတွင် တန်ဖိုးများခွဲဝေမှုကို ရိုးရိုးရှင်းရှင်းပြောပြသောကြောင့် “ ကောင်း” သို့မဟုတ် “ ဆိုး” မဖြစ်ရပါ။

စံသွေဖည်မှုသည် “ မြင့်” သို့မဟုတ် “ နိမ့်သည်” ရှိမရှိ ဆုံးဖြတ်ရန် စကြဝဠာနံပါတ်လည်း မရှိပါ။ ဥပမာအားဖြင့်၊ အောက်ပါအခြေအနေများကို သုံးသပ်ကြည့်ပါ။

ဇာတ်လမ်း 1- အိမ်ခြံမြေအေးဂျင့်သည် သူ့မြို့ရှိ အိမ် 100 အတွက် စျေးနှုန်းဒေတာကို စုဆောင်းပြီး စံနှုန်းသွေဖည်မှုမှာ ဒေါ်လာ 12,000 ဖြစ်ကြောင်း တွေ့ရှိရသည်။

ဇာတ်လမ်း 2- ဘောဂဗေဒပညာရှင်တစ်ဦးသည် အမေရိကန်ပြည်ထောင်စု၏ ပြည်နယ် 50 တွင် ကောက်ခံရရှိသော စုစုပေါင်းဝင်ငွေခွန်ကို တိုင်းတာပြီး ကောက်ခံရရှိသည့် စုစုပေါင်းဝင်ငွေခွန်၏ စံသွေဖည်မှုမှာ $480,000 ဖြစ်ကြောင်း တွေ့ရှိရသည်။

scenario 2 ၏ စံသွေဖည်မှုသည် scenario 1 ၏ standard deviation ထက် များစွာ မြင့်မားသော်လည်း၊ scenario 2 တွင် တိုင်းတာသည့် ယူနစ်များသည် နိုင်ငံများမှ ကောက်ခံရရှိသော အခွန်စုစုပေါင်းသည် အိမ်ခြံမြေစျေးနှုန်းများထက် များစွာပိုမိုမြင့်မားနေသောကြောင့် များစွာမြင့်မားပါသည်။

ဆိုလိုသည်မှာ စံသွေဖည်မှုမှာ “ ကောင်း” သို့မဟုတ် “ ဆိုး” သို့မဟုတ် “ မြင့်” သို့မဟုတ် “ နိမ့်” ကိုပင် ဆုံးဖြတ်ရန် ကျွန်ုပ်တို့သုံးနိုင်သည့် နံပါတ်တစ်ခုမျှ မရှိပါ။

ပြောင်းလဲခြင်း၏ကိန်းဂဏန်းကိုသုံးပါ။

စံသွေဖည်မှု မြင့်မားခြင်းရှိမရှိ ဆုံးဖြတ်ရန် နည်းလမ်းတစ်ခုမှာ ၎င်းကို ဒေတာအစု၏ ဆိုလိုရင်းနှင့် နှိုင်းယှဉ်ရန်ဖြစ်သည်။

ကွဲလွဲမှု၏ coefficient သည် CV တွင် အတိုကောက်အတိုကောက်ခေါ်လေ့ရှိပြီး ဆိုသည်မှာ ပျမ်းမျှနှင့် သက်ဆိုင်သော data set တစ်ခုတွင် တန်ဖိုးများပျံ့နှံ့မှုကို တိုင်းတာသည့်နည်းလမ်းဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။

CV = s/ x

ရွှေ-

• s- ဒေတာအတွဲ၏ စံသွေဖည်မှု
• x : ဒေတာအစုံ၏ပျမ်းမျှ

ရိုးရိုးရှင်းရှင်းပြောရလျှင် CV သည် စံသွေဖည်မှု၏ ပျမ်းမျှအချိုးဖြစ်သည်။

CV မြင့်လေ၊ စံနှုန်း နှင့် လွဲမှားလေလေ ဖြစ်သည်။ ယေဘူယျအားဖြင့် 1 ထက်ကြီးသော CV တန်ဖိုးကို မြင့်မားသည်ဟု ယူဆလေ့ရှိသည်။

ဥပမာအားဖြင့်၊ အိမ်ခြံမြေအေးဂျင့်တစ်ဦးသည် သူမ၏မြို့တွင် အိမ်ခြေ 100 ၏စျေးနှုန်းဒေတာကိုစုဆောင်းပြီး ပျမ်းမျှစျေးနှုန်းမှာ $150,000 ဖြစ်ပြီး စံနှုန်းသွေဖည်မှုမှာ $12,000 ဖြစ်သည်ဆိုပါစို့။ CV ကို အောက်ပါအတိုင်း တွက်ချက်ပါမည်။

• CV: $12,000 / $150,000 = 0.08

ဤ CV တန်ဖိုးသည် 1 ထက်များစွာနည်းသောကြောင့်၊ ဒေတာ၏စံသွေဖည်မှုမှာ အလွန်နည်းသည်ဟု ကျွန်ုပ်တို့ကိုပြောပြသည်။

အပြန်အလှန်အားဖြင့်၊ ဘောဂဗေဒပညာရှင်တစ်ဦးသည် အမေရိကန်ပြည်ထောင်စု၏ ပြည်နယ် 50 တွင် ကောက်ခံရရှိသည့် စုစုပေါင်းဝင်ငွေခွန်ကို တိုင်းတာပြီး နမူနာဆိုလိုသည်မှာ ဒေါ်လာ 400,000 ဖြစ်ပြီး စံသွေဖည်မှုမှာ $480,000 ဖြစ်ကြောင်း တွေ့ရှိရသည်။ CV ကို အောက်ပါအတိုင်း တွက်ချက်ပါမည်။

• CV- $480,000 / $400,000 = 1.2

ဤ CV တန်ဖိုးသည် 1 ထက် ကြီးသောကြောင့်၊ ဒေတာတန်ဖိုးများ၏ စံသွေဖည်မှုမှာ အလွန်မြင့်မားကြောင်း ကျွန်ုပ်တို့ကို ပြောပြသည်။

ဒေတာအတွဲများကြား စံသွေဖည်မှုများကို နှိုင်းယှဉ်ခြင်း။

မတူညီသောဒေတာအတွဲများတစ်လျှောက် တန်ဖိုးများဖြန့်ဝေမှုကိုတိုင်းတာရန် စံသွေဖည်မှုကို ကျွန်ုပ်တို့မကြာခဏအသုံးပြုသည်။

ဥပမာအားဖြင့်၊ ပါမောက္ခတစ်ဦးသည် စာသင်ကာလတစ်လျှောက် ကျောင်းသားများအား စာမေးပွဲသုံးခု ဖြေဆိုပေးသည်ဆိုပါစို့။ ထို့နောက် စာမေးပွဲတစ်ခုစီအတွက် ရမှတ်များ၏ စံသွေဖည်မှုကို တွက်ချက်သည်။

• စာမေးပွဲရလဒ်များ၏စံနမူနာသွေဖည်မှု 1: 4.6
• စာမေးပွဲရလဒ်များ၏စံနမူနာသွေဖည်မှု 2: 12.4
• စာမေးပွဲရလဒ်များ၏ စံသွေဖည်မှု နမူနာ 3: 2.3

၎င်းသည် စာမေးပွဲ 2 အတွက် စာမေးပွဲရလဒ်များ ကွဲပြားနေသော်လည်း စာမေးပွဲ 3 အတွက် အနီးကပ်ဆုံး အစုလိုက်အပြုံလိုက် ဖြစ်နေချိန်တွင် ၎င်းသည် ပါမောက္ခအား ပြောပြသည်။

ထပ်လောင်းအရင်းအမြစ်များ

စံသွေဖည်မှုနှင့် စံအမှား- ကွာခြားချက်ကား အဘယ်နည်း။
စံသွေဖည်ခြင်းနှင့် ကွာတားအကွာအဝေး- ကွာခြားချက်ကား အဘယ်နည်း။