အစားထိုးခြင်း သို့မဟုတ် အစားထိုးခြင်းမရှိဘဲ နမူနာယူခြင်း။

အချို့သော သုတေသနမေးခွန်းများကို ဖြေနိုင်စေရန်အတွက် ကိန်းဂဏန်းအချက်အလက်များကို စုဆောင်းလိုပါသည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် အောက်ပါမေးခွန်းများကို ဖြေလိုပေမည်။

၁။ အိုဟိုင်းယိုးပြည်နယ်၊ စင်စင်နာတီရှိ ပျမ်းမျှအိမ်ထောင်စုဝင်ငွေက ဘယ်လောက်လဲ။

၂။ လိပ်တစ်ကောင်၏ ပျမ်းမျှအလေးချိန်မှာ အဘယ်နည်း။

3. အချို့သော ခရိုင်အတွင်း နေထိုင်သူ မည်မျှ ရာခိုင်နှုန်း သည် တိကျသော ဥပဒေ ကို ထောက်ခံ သည် ။

အခြေအနေတစ်ခုစီတွင်၊ ကျွန်ုပ်တို့တိုင်းတာလိုသော ဖြစ်နိုင်ချေရှိသော တစ်သီးပုဂ္ဂလဒြပ်စင်အားလုံးကို ကိုယ်စားပြုသည့် လူဦးရေ နှင့်ပတ်သက်သော မေးခွန်းတစ်ခုကို ကျွန်ုပ်တို့ဖြေကြားလိုပါသည်။

သို့သော်၊ လူဦးရေ၏တစ်စိတ်တစ်ပိုင်းကိုကိုယ်စားပြုသည့် လူဦးရေ၏နမူနာတစ်ခုအပေါ် ကျွန်ုပ်တို့သည် ပုံမှန်အားဖြင့် ဒေတာစုဆောင်းခြင်းသာဖြစ်သည်။

နမူနာများကို စုဆောင်းရန် မတူညီသောနည်းလမ်း နှစ်မျိုးရှိသည်- အစားထိုးခြင်းဖြင့် နမူနာယူခြင်း နှင့် အစားထိုးခြင်းမပြုဘဲ နမူနာယူခြင်း ။

ဤသင်ခန်းစာတွင် နည်းလမ်းနှစ်ခုကြား ခြားနားချက်ကို လက်တွေ့တွင် တစ်ခုစီအသုံးပြုပုံ နမူနာများနှင့်အတူ ရှင်းပြထားသည်။

အစားထိုးခြင်းဖြင့် နမူနာယူပါ။

ဦးထုပ်တစ်လုံးမှာ ကျောင်းသား ၅ ယောက်ရဲ့ နာမည်တွေ ရှိတယ်ဆိုပါစို့။

• အန်ဒီ
• ကားလ်
• Tyler
• Becca
• ဂျက်စီကာ

အစားထိုးထားသော ကျောင်းသား ၂ ယောက်ကို နမူနာယူလိုသည်ဆိုပါစို့။

ပထမပုံတွင်၊ Tyler ၏အမည်ကို ရွေးချယ်နိုင်သည်။ ပြီးရင် သူ့နာမည်ကို ဦးထုပ်ထဲမှာ ပြန်ထည့်ပြီး ထပ်ဆွဲတယ်။ ဒုတိယပုံတွင်၊ Tyler ၏အမည်ကို ထပ်မံရွေးချယ်နိုင်ပါသည်။ ထို့ကြောင့် ကျွန်ုပ်တို့၏နမူနာမှာ- {Tyler၊ Tyler}

ဤသည်မှာ ပုံတစ်ပုံချင်းစီပြီးနောက် ကျွန်ုပ်တို့ရွေးချယ်သောအမည်ကို အစားထိုးသောကြောင့် နမူနာတစ်ခုကို အစားထိုးရယူခြင်း၏ ဥပမာတစ်ခုဖြစ်သည်။

ကျွန်ုပ်တို့နမူနာဖြင့် အစားထိုးသည့်အခါ၊ အကြွေစေ့တစ်ခုပစ်ခြင်း၏ရလဒ်သည် ယခင်အကြွေစေ့ပစ်ခြင်းကြောင့် မသက်ရောက်သောကြောင့် နမူနာဒြပ်စင်များသည် သီးခြားလွတ်လပ် ပါသည်။

ဥပမာအားဖြင့်၊ Tyler အမည်ကို ရွေးချယ်ခြင်း၏ဖြစ်နိုင်ခြေသည် ပထမပုံတွင် 1/5 ဖြစ်ပြီး ဒုတိယပုံတွင် 1/5 ထပ်ဖြစ်သည်။ ပထမဆွဲခြင်း၏ရလဒ်သည် ဒုတိယမဲရလဒ်၏ဖြစ်နိုင်ခြေကို မထိခိုက်စေပါ။

အစားထိုးနမူနာကို စာရင်းဇယားနှင့် စက်သင်ယူမှုတွင် အောက်ပါတို့အပါအဝင် မတူညီသောအခြေအနေများတွင် အသုံးပြုသည်-

• လိမ်းပါ။
• အိတ်စွပ်
• စက်သင်ယူမှုကို မြှင့်တင်ရန်အတွက် ရိုးရှင်းသော နိဒါန်းတစ်ခု
• ကျပန်းသစ်တောများအကြောင်း ရိုးရှင်းသောနိဒါန်း

ဤနည်းလမ်းတစ်ခုစီတွင်၊ အချိန်ကုန်ပြီး စျေးကြီးနိုင်သည့် ဒေတာအသစ်များကို စုဆောင်းမည့်အစား မော်ဒယ်များတည်ဆောက်ရန်အတွက် တူညီသောဒေတာသတ်မှတ်မှုကို အကြိမ်များစွာအသုံးပြုနိုင်စေသောကြောင့် ၎င်းကို အစားထိုးနမူနာကိုအသုံးပြုပါသည်။

အစားထိုးခြင်းမရှိဘဲ နမူနာယူခြင်း။

တစ်ဖန်၊ ဦးထုပ်တစ်လုံးတွင် ကျောင်းသား ၅ ဦး၏ အမည်များရှိသည်ဆိုပါစို့။

• အန်ဒီ
• ကားလ်
• Tyler
• Becca
• ဂျက်စီကာ

အစားထိုးခြင်းမရှိဘဲ ကျောင်းသား 2 ယောက်ကို နမူနာယူလိုသည်ဆိုပါစို့။

ပထမပုံတွင်၊ Tyler ၏အမည်ကို ရွေးချယ်နိုင်သည်။ ပြီးရင် သူ့နာမည်ကို ချန်ထားခဲ့မယ်။ ဒုတိယပုံမှာ Andy ဆိုတဲ့ နာမည်ကို ရွေးလို့ရတယ်။ ထို့ကြောင့် ကျွန်ုပ်တို့၏နမူနာမှာ- {Tyler၊ Andy}

ဤသည်မှာ ပုံတစ်ပုံချင်းစီပြီးနောက် ကျွန်ုပ်တို့ရွေးချယ်သောအမည်ကို အစားထိုးခြင်းမရှိသောကြောင့် အစားထိုးခြင်းမရှိဘဲ နမူနာတစ်ခုရယူခြင်း၏ ဥပမာတစ်ခုဖြစ်သည်။

အစားထိုးခြင်းမပြုဘဲ ကျွန်ုပ်တို့နမူနာယူသည့်အခါ၊ အကြွေစေ့တစ်ခုပစ်ခြင်း၏ရလဒ်သည် ယခင်အကြွေစေ့ပစ်ခြင်းကြောင့် သက်ရောက်မှုရှိသောကြောင့် နမူနာဒြပ်စင်များပေါ်တွင် မူတည် ပါသည်။

ဥပမာအားဖြင့်၊ Tyler အမည်ကို ရွေးချယ်ခြင်း၏ ဖြစ်နိုင်ခြေသည် ပထမပုံတွင် 1/5 ဖြစ်ပြီး Andy အမည်ကို ရွေးချယ်ခြင်း၏ ဖြစ်နိုင်ခြေသည် ဒုတိယပုံတွင် 1/4 ဖြစ်သည်။ ပထမဆွဲခြင်း၏ရလဒ်သည် ဒုတိယမဲရလဒ်၏ဖြစ်နိုင်ခြေအပေါ် သက်ရောက်မှုရှိသည်။

အစားထိုးခြင်းမပြုဘဲ နမူနာယူခြင်းသည် လူဦးရေတစ်ခုမှ ကျပန်းနမူနာကို ရွေးချယ်လိုသောအခါ ကျွန်ုပ်တို့အသုံးပြုသည့်နည်းလမ်းဖြစ်သည်။

ဥပမာအားဖြင့်၊ အိုဟိုင်းယိုးပြည်နယ်၊ စင်စင်နာတီရှိ ပျမ်းမျှအိမ်ထောင်စုဝင်ငွေကို ခန့်မှန်းလိုပါက စုစုပေါင်းအိမ်ထောင်စုပေါင်း 500,000 ရှိနိုင်သည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် အိမ်ထောင်စု 2,000 ၏ ကျပန်းနမူနာကို စုဆောင်းလိုသော်လည်း နမူနာတွင် မည်သည့်အိမ်ထောင်စု၏ဒေတာကိုမဆို နှစ်ကြိမ်မပေါ်စေလိုသောကြောင့် အစားထိုးခြင်းမပြုဘဲ နမူနာယူပါမည်။

တစ်နည်းဆိုရသော် ကျွန်ုပ်တို့သည် နမူနာတွင် ထည့်သွင်းရန် အချို့သောအိမ်ထောင်စုတစ်ခုကို ရွေးချယ်ပြီးသည်နှင့် တစ်ပြိုင်နက် ထိုအိမ်ထောင်စုကို ထပ်မံရွေးချယ်ရန် အခွင့်အလမ်းမျိုး မလိုချင်တော့ပါ။