ကွဲလွဲမှုတွေ

အားဖြင့် Benjamin Anderson ဩဂုတ် 2, 2023 စာရင်းအင်းများ 0 မှတ်ချက်များ

ဤဆောင်းပါးတွင် ကွဲပြားနိုင်မှုအတိုင်းအတာများ နှင့် ဤစာရင်းအင်းတိုင်းတာမှု အမျိုးအစားများကို မည်သို့အသုံးပြုကြောင်း ရှင်းပြထားသည်။ ထို့ကြောင့် ကွဲပြားမှုတိုင်းတာမှု၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်၊ ကွဲပြားမှုအစီအမံများ၏ ကွဲပြားခြားနားမှုအမျိုးအစားများနှင့် ကွဲပြားမှုအတိုင်းအတာများကို တွက်ချက်ပုံတို့ကို သင်တွေ့လိမ့်မည်။

ကွဲပြားမှုအတိုင်းအတာများသည် အဘယ်နည်း။

ကွဲပြားမှုအတိုင်းအတာများသည် ဒေတာအတွဲတစ်ခု၏ ကွဲပြားမှုကိုညွှန်ပြသည့် ကိန်းဂဏန်းဆိုင်ရာတိုင်းတာမှုများဖြစ်သည်။ တစ်နည်းဆိုရသော် ကွဲပြားမှုအတိုင်းအတာသည် ဒေတာစီးရီးတစ်ခု၏ ပျံ့နှံ့မှုကို တိုင်းတာသည်။

ထို့ကြောင့် နမူနာတစ်ခုတွင် တန်ဖိုးများကွဲလွဲမှုကို သိရန် ကွဲပြားမှုအတိုင်းအတာများကို အသုံးပြုသည်။ ကွဲပြားမှုအတိုင်းအတာတစ်ခု၏တန်ဖိုးသည် မြင့်မားလေ၊ နမူနာရှိဒေတာများသည် တစ်ခုနှင့်တစ်ခု ကွာဟနေသည်ဟု ဆိုလိုသည်။ ယေဘူယျအားဖြင့်၊ ဒေတာနမူနာများသည် တစ်ခုနှင့်တစ်ခု နီးကပ်နေရန် အရေးကြီးသောကြောင့် ကျွန်ုပ်တို့ ပုံမှန်အားဖြင့် မတူညီသော တိုင်းတာမှုများကို လျှော့ချရန် ကြိုးစားကြသည်။

စာရင်းဇယားများတွင်၊ ကွဲပြားမှုအစီအမံများသည် ဒေတာအစုံပေါ်ရှိ ဗဟိုချုပ်ကိုင်မှုတိုင်းတာခြင်း ၏ကိုယ်စားပြုမှုကို သိရှိနိုင်စေသောကြောင့် ၎င်းတို့သည် ကျွန်ုပ်တို့အား အရေးကြီးပါသည်။ ကွဲပြားမှုအတိုင်းအတာ၏တန်ဖိုးများနိမ့်ပါက၊ ဒေတာသည် အလွန်စုစည်းနေသောကြောင့် ဆိုလိုသည်မှာ ဗဟိုချုပ်ကိုင်မှုအတိုင်းအတာများသည် အချက်အလက်တစ်ခုလုံးကို ကောင်းမွန်စွာဖော်ပြပါသည်။

ကွဲလွဲမှုအစီအမံများကို ပြန့် နှံ့မှုအစီအမံများ သို့မဟုတ် ပျံ့နှံ့မှုတိုင်းတာခြင်း ဟုလည်း ခေါ်နိုင်သည်။

ကွဲပြားခြင်း၏အတိုင်းအတာများသည် အဘယ်နည်း။

ကွဲပြားမှုအတိုင်းအတာများမှာ အောက်ပါအတိုင်းဖြစ်သည်။

စံသွေဖည်မှု (သို့မဟုတ် စံသွေဖည်မှု)
ကွဲလွဲမှု
ကွဲလွဲမှု၏ကိန်းဂဏန်း
သပ်ရပ်တယ်။
Interquartile အပိုင်းအခြား
အလယ်အလတ်ကွာခြားချက်

ကွဲပြားမှုတိုင်းတာမှု အမျိုးအစားတစ်ခုစီကို တွက်ချက်နည်းကို အောက်တွင် ရှင်းပြထားသည်။

စံသွေဖည်

ပုံမှန်သွေဖည်မှု ဟုလည်း ခေါ်သော စံသွေဖည်မှုသည် ဒေတာစီးရီးများ၏ သွေဖည်မှုများ၏ နှစ်ထပ်ကိန်းများ၏ နှစ်ထပ်ကိန်းနှင့် ညီမျှသည်။

ထို့ကြောင့် ဤကွဲပြားမှုအတိုင်းအတာအတွက် ဖော်မြူလာမှာ အောက်ပါအတိုင်းဖြစ်သည်။

$\displaystyle\sigma=\sqrt{\frac{\displaystyle\sum_{i=1}^N(x_i-\overline{x})^2}{N}}$

➤ စံသွေဖည်တွက်ချက်ခြင်း၏ လက်တွေ့ဥပမာကို ကြည့်ပါ။

ကွဲလွဲမှု

ကွဲလွဲချက် သည် ရှုမြင်မှုစုစုပေါင်း၏ အကြွင်းအကျန်များ၏ နှစ်ထပ်ကိန်းများနှင့် ညီမျှသည်။ ထို့ကြောင့် ဤကွဲပြားမှုမက်ထရစ်အတွက် ဖော်မြူလာမှာ အောက်ပါအတိုင်းဖြစ်သည်။

$Var(X)=\cfrac{\displaystyle\sum_{i=1}^n\left(x_i-\overline{x}\right)^2}{n}$

ရွှေ-

$X$

ကွဲလွဲမှုကို သင်တွက်ချက်လိုသော ကျပန်းကိန်းရှင်ဖြစ်သည်။
$x_i$

ဒေတာတန်ဖိုး

$i$

.
$n$

လေ့လာချက် စုစုပေါင်း အရေအတွက် ဖြစ်ပါသည်။
$\overline{X}$

Random variable ၏ ဆိုလိုရင်းဖြစ်ပါသည်။

$X$

.

➤ ကြည့်ပါ- သွေဖည်မှု တွက်ချက်မှု ဥပမာကို ကြည့်ပါ။

ကွဲလွဲမှု၏ကိန်းဂဏန်း

ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ ကွဲလွဲမှု၏ကိန်းဂဏန်း သည် ၎င်း၏ဆိုလိုရင်းနှင့် သက်ဆိုင်သော ဒေတာအစုတစ်ခု၏ ကွဲလွဲမှုကို ဆုံးဖြတ်ရန် အသုံးပြုသည့် ကွဲပြားမှုအတိုင်းအတာတစ်ခုဖြစ်သည်။ ကွဲလွဲမှု၏ coefficient ကို ဒေတာ၏ စံသွေဖည်မှုကို ၎င်း၏ ပျမ်းမျှအားဖြင့် ပိုင်းခြားပြီး ရာခိုင်နှုန်းတစ်ခုအဖြစ် တန်ဖိုးဖော်ပြရန် 100 ဖြင့် မြှောက်ခြင်းဖြင့် တွက်ချက်သည်။

$CV=\cfrac{\sigma}{\overline{x}}\cdot 100$

➤ ကွဲလွဲမှု၏ coefficient ကို တွက်ချက်ရာတွင် ဖြေရှင်းထားသော ဥပမာကို ကြည့်ပါ။

သပ်ရပ်တယ်။

အပိုင်းအခြား သည် နမူနာတစ်ခုရှိ ဒေတာ၏ အများဆုံးနှင့် အနိမ့်ဆုံးတန်ဖိုးအကြား ကွာခြားချက်ကို ညွှန်ပြသည့် ကွဲပြားမှုအတိုင်းအတာတစ်ခုဖြစ်သည်။ ထို့ကြောင့်၊ လူဦးရေ သို့မဟုတ် စာရင်းအင်းနမူနာ၏အတိုင်းအတာကို တွက်ချက်ရန်၊ အများဆုံးတန်ဖိုးကို အနိမ့်ဆုံးတန်ဖိုးမှ နုတ်ရပါမည်။

$R=\text{M\'ax}-\text{M\'in}$

➤ အပိုင်းအခြားတွက်ချက်ခြင်း၏ လက်တွေ့ဥပမာကို ကြည့်ပါ။

Interquartile အပိုင်းအခြား

interquartile အကွာအဝေး (interquartile range) ဟုလည်း ခေါ်သည် ၊ သည် တတိယ နှင့် ပထမ quartile အကြား ခြားနားချက်ကို ညွှန်ပြသော ကိန်းဂဏန်း ကွဲပြားမှု အတိုင်းအတာ တစ်ခု ဖြစ်သည်။

ထို့ကြောင့်၊ ကိန်းဂဏန်းအချက်အလက်အစုတစ်ခု၏ interquartile အကွာအဝေးကို တွက်ချက်ရန်၊ တတိယနှင့် ပထမအကြိမ် quartiles ကို ဦးစွာရှာပြီးနောက် ၎င်းတို့ကို နုတ်ရပါမည်။

$IQR=Q_3-Q_1$

interquartile အကွာအဝေးအတွက် သင်္ကေတသည် အင်္ဂလိပ် interquartile range မှ IQR ဖြစ်သည်။

ဤကွဲပြားမှုတိုင်းတာမှု၏ အားသာချက်အရှိဆုံးလက္ခဏာများထဲမှတစ်ခုမှာ ၎င်းသည် ခိုင်မာသောစာရင်းအင်းတစ်ခုဖြစ်ပြီး၊ ဆိုလိုသည်မှာ ၎င်းသည် ပြင်ပလူများအတွက် မြင့်မားသောကြံ့ခိုင်မှုရှိသည်။ interquartile အကွာအဝေးကို တွက်ချက်ရာတွင် လွန်ကဲသောတန်ဖိုးများကို ထည့်သွင်းစဉ်းစားမည်မဟုတ်သောကြောင့်၊ အထွက် အသစ်များပေါ်လာပါက ၎င်း၏တန်ဖိုးသည် အနည်းငယ်သာ ကွာခြားပါသည်။

➤ ကြည့် ပါ။

အလယ်အလတ်ကွာခြားချက်

ပျမ်းမျှသွေဖည်မှု ( mean absolute deviation ) သည် ပကတိသွေဖည်မှုများ၏ ပျမ်းမျှဖြစ်သည်။ ထို့ကြောင့် ပျမ်းမျှသွေဖည်မှုသည် ဒေတာပစ္စည်းစုစုပေါင်းအရေအတွက်ဖြင့် ပိုင်းခြားထားသော ဂဏန်းသင်္ချာပျမ်းမျှမှ ဒေတာပစ္စည်းတစ်ခုစီ၏ သွေဖည်မှုပေါင်းလဒ်နှင့် ညီမျှသည်။

$D_{\overline{x}}=\cfrac{\sum_{i=1}^N|x_i-\overline{x}|}{N}$

➤ ကြည့်ပါ- ပျမ်းမျှသွေဖည်မှုကို တွက်ချက်ခြင်း၏ ဖြေရှင်းထားသော ဥပမာ

စာရေးသူအကြောင်း

Benjamin Anderson

မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။