စာရင်းအင်းများ

ဤဆောင်းပါးတွင် ကျွန်ုပ်တို့သည် ကိန်းဂဏန်းစာရင်းအင်းများကို မည်သည့်အရာအတွက် အသုံးပြုကြောင်း ရှင်းပြထားပါသည်။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် စာရင်းဇယား၏ အခြေခံသဘောတရားများ၊ တည်ရှိနေသည့် စာရင်းဇယားအမျိုးအစားများနှင့် လက်တွေ့ဘဝတွင် ကိန်းဂဏန်းအချက်အလက်များ အသုံးချမှု နမူနာများကို သင့်အား ပြသပေးပါသည်။

စာရင်းအင်းများဟူသည် အဘယ်နည်း။

Statistics သည် Data အစုအဝေးကို လေ့လာရန် အသုံးပြုသော သင်္ချာပညာရပ်၏ အကိုင်းအခက်ဖြစ်သည်။ တစ်နည်းဆိုရသော် Statistics သည် ဒေတာအတွဲလိုက်များကို စုဆောင်း၊ ခွဲခြမ်းစိတ်ဖြာပြီး အဓိပ္ပါယ်ပြန်ဆိုရန် အသုံးပြုသည့် သင်္ချာဆိုင်ရာ စည်းကမ်းဖြစ်သည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် အချို့သောဒေတာများ၏ ပျမ်းမျှအား တွက်ချက်သောအခါ သို့မဟုတ် ဂရပ်တစ်ခုပြုလုပ်သောအခါ၊ ကျွန်ုပ်တို့သည် စာရင်းဇယားများကို အသုံးပြုနေပါသည်။

ထို့ကြောင့် ကိန်းဂဏန်းအချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာပြီး ကောက်ချက်ဆွဲနိုင်စေမည့် နည်းလမ်းများ၊ လုပ်ထုံးလုပ်နည်းများနှင့် ဖော်မြူလာများ ပါဝင်ပါသည်။ ကိန်းဂဏန်းစာရင်းဇယား၏ အဆုံးစွန်ပန်းတိုင်မှာ ဒေတာအစုအဝေးကို ပိုမိုကောင်းမွန်စွာ နားလည်ရန်နှင့် ၎င်းမှမှန်ကန်သော ကောက်ချက်ဆွဲရန်ဖြစ်သည်။

စာရင်းအင်းအခြေခံများ

စာရင်းအင်းဆိုင်ရာ အခြေခံသဘောတရားများ မှာ-

• လူဦးရေ : စာရင်းအင်းလေ့လာမှုကို ရည်ရွယ်သည့် တူညီသောဝိသေသလက္ခဏာများရှိသော ဒြပ်စင်အစုများ။
• နမူနာ – စာရင်းအင်းလေ့လာမှုပြုလုပ်သည့် လူဦးရေ၏ တစ်စိတ်တစ်ပိုင်း။
• တစ်ဦးချင်း : လူဦးရေ၏ အစိတ်အပိုင်းတစ်ခုစီမှ အစိတ်အပိုင်းတစ်ခုစီ။
• Character : လူဦးရေတစ်ခုချင်းစီရှိ လူတစ်ဦးချင်းစီတွင်ရှိသော လက္ခဏာရပ်တစ်ခုစီနှင့် ထို့ကြောင့် ကိန်းဂဏန်းလေ့လာမှုတစ်ခု၏ ဘာသာရပ်ဖြစ်နိုင်သည်။
• နမူနာယူခြင်း – လူဦးရေတစ်ခုမှနမူနာကို ရွေးချယ်သည့် လုပ်ငန်းစဉ်။ နမူနာယူနည်းအမျိုးမျိုးရှိပါတယ်။
• Statistical variable : မတူညီသောတန်ဖိုးများကိုယူ၍ တိုင်းတာနိုင်သည့် လူဦးရေရှိ လူတစ်ဦးချင်းစီ၏ လက္ခဏာများ။ ဤသည်မှာ အများအားဖြင့် ကိန်းဂဏန်းစစ်တမ်းတစ်ခုတွင် လေ့လာထားသော လက္ခဏာများဖြစ်သည်။
• Statistical parameter : နမူနာတစ်ခု၏ ဝိသေသလက္ခဏာများကို အကျဉ်းချုပ်ဖော်ပြသော တန်ဖိုး။
• ကိန်းဂဏာန်းစမ်းသပ်ချက် – ကိန်းဂဏာန်းဖြစ်စေ မရှိသည်ဖြစ်စေ ရလဒ်တစ်ခုအား ပေးဆောင်သည့် လုပ်ငန်းစဉ်တစ်ခုဖြစ်ပြီး ဖြစ်နိုင်ခြေရလဒ်တစ်ခုစီ၏ ဖြစ်ပေါ်နိုင်ခြေကို တွက်ချက်ရန် အသုံးပြုသည်။

အောက်ပါလင့်ခ်တွင် ပိုမိုအရေးကြီးသော စာရင်းအင်းဆိုင်ရာ အယူအဆများကို သင်ကြည့်ရှုနိုင်သည်-

စာရင်းအင်းအမျိုးအစားများ

စာရင်းအင်းအမျိုးအစားများ မှာ-

• ဖော်ပြချက် ကိန်းဂဏန်းများ : ဒေတာအစုံ၏ ဝိသေသလက္ခဏာများကို ဖော်ပြရန် သို့မဟုတ် အကျဉ်းချုံ့ရန် အသုံးပြုသည်။
• Inferential Statistics : နမူနာဒေတာမှ လူဦးရေတန်ဖိုးများကို ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ၎င်းကို အမျိုးအစားနှစ်မျိုး ခွဲခြားထားသည်။
• Parametric ကိန်းဂဏန်းများ : လေ့လာမှုဒေတာကို ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှုဖြင့် စံနမူနာပြုနိုင်ပါသည်။
• Nonparametric Statistics – ဖြစ်နိုင်ခြေဖြန့်ဝေမှုနှင့် မကိုက်ညီသော အချက်အလက်များကို ပိုင်းခြားစိတ်ဖြာပါသည်။

ကိန်းဂဏန်းတိုင်းတာမှုများ

Statistical Measures များသည် Data set တစ်ခု၏ ဝိသေသလက္ခဏာများကို ကိုယ်စားပြုသော တန်ဖိုးများဖြစ်သည်။ ထို့ကြောင့် ကိန်းဂဏန်းအစီအမံများကို ဒေတာအစုအဝေးတွင် အကျဉ်းချုပ်တွက်ချက်သည်။

ထို့ကြောင့် ကိန်းဂဏန်း အချက်အလက် အစုအဝေး မည်ကဲ့သို့ ပုံသဏ္ဌာန် ရှိသည်ကို ဆုံးဖြတ်ရန် ကိန်းဂဏန်း တိုင်းတာမှုများကို အသုံးပြုပြီး မတူညီသော ကိန်းဂဏန်းနမူနာများကို နှိုင်းယှဉ်ရန် ခွင့်ပြုသည်။

စာရင်းအင်းတိုင်းတာမှု အမျိုးအစား လေးမျိုးရှိသည်။

• ဗဟိုသဘောထား တိုင်းတာချက်များ : ဖြန့်ဖြူးမှုတစ်ခု၏ ဗဟိုတန်ဖိုးများကို ညွှန်ပြသည်။ ဥပမာ- ပျမ်းမျှ၊ အလယ်အလတ်နှင့် မုဒ်။
• Dispersion Measures : ကိန်းဂဏန်းနမူနာတစ်ခုတွင် ဒေတာပျံ့နှံ့မှု သို့မဟုတ် အာရုံစူးစိုက်မှု အတိုင်းအတာကို ဆုံးဖြတ်ရန် ၎င်းတို့ကို အသုံးပြုသည်။ ဥပမာ- စံသွေဖည်မှု၊ ကွဲလွဲမှုနှင့် အပိုင်းအခြား။
• ရာထူးမက်ထရစ်များ – ဤအရာများသည် ဒေတာအတွဲတစ်ခု၏ တည်ဆောက်ပုံသဏ္ဍာန်ကို ပြသသည်။ ဥပမာ- quartiles၊ deciles နှင့် percentiles။
• ပုံသဏ္ဍာန်တိုင်းတာချက်များ – ၎င်းတို့သည် ဂရပ်ဖစ်ဖြင့် ကိုယ်စားပြုစရာမလိုဘဲ ဖြန့်ဖြူးမှုပုံစံကို ကျွန်ုပ်တို့အား သိရှိစေပါသည်။ ဥပမာ- အချိုးမညီခြင်းနှင့် ပြားချပ်ချပ်။

စာရင်းအင်းဥပမာ

ကိန်းဂဏန်းများ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်နှင့် မတူညီသော ကိန်းဂဏန်းဆိုင်ရာ အယူအဆများကို ကျွန်ုပ်တို့တွေ့မြင်ပြီးသည်နှင့် ၎င်း၏အဓိပ္ပါယ်ကို အပြည့်အဝနားလည်ရန် အမှန်တကယ်ဖြစ်ရပ်တစ်ခုတွင် စာရင်းအင်းဆိုင်ရာ အသုံးချခြင်း၏ ဥပမာတစ်ခုကို ကျွန်ုပ်တို့တွေ့မြင်ရမည်ဖြစ်ပါသည်။

ဥပမာအားဖြင့်၊ နိုင်ငံတစ်နိုင်ငံရှိ လူများ၏ ခြေဖဝါးအရွယ်အစားကို သုတေသနပြုရန် ကိန်းဂဏန်းများကို အသုံးပြုနိုင်သည်။ ဒါကိုလုပ်ဖို့၊ သက်ဆိုင်ရာအချက်အလက်တွေကို အရင်ဆုံးစုဆောင်းပြီး ခွဲခြမ်းစိတ်ဖြာပြီး နောက်ဆုံးမှာ ကောက်ချက်ဆွဲရပါမယ်။

ဒါကြောင့် နိုင်ငံတစ်နိုင်ငံမှာ နေထိုင်သူအားလုံးရဲ့ ခြေထောက်အရွယ်အစားကို ကိန်းဂဏန်းစာရင်းအင်းလေ့လာမှုတစ်ခုလုပ်မယ်ဆိုရင် လူဦးရေက အဲဒီနိုင်ငံမှာ နေထိုင်တဲ့ လူတွေပဲ ဖြစ်ပါတယ်။ သို့သော် နိုင်ငံတစ်နိုင်ငံတွင် လူအများအပြားနေထိုင်သည်နှင့်အမျှ လူတိုင်း၏ခြေအရွယ်အစားကို ကျွန်ုပ်တို့မမေးနိုင်သော်လည်း နေထိုင်သူများ၏ 20% ကိုသာ မေးမြန်းမည်ဖြစ်ပြီး ၎င်းတို့သည် လေ့လာမှုနမူနာဖြစ်သည်။ အလားတူ၊ နိုင်ငံတွင်းနေထိုင်သူ တစ်ဦးစီသည် လေ့လာမှုတွင် တစ်ဦးချင်းကို ကိုယ်စားပြုသည်။ နောက်ဆုံးအနေနဲ့ လေ့လာမှုရဲ့ စရိုက်လက္ခဏာက လူတွေရဲ့ ခြေဖဝါးအရွယ်အစားပါ။

အခြားတစ်ဖက်တွင်၊ လေ့လာမှုတွင်ပါဝင်မည့်နေထိုင်သူများကိုကျွန်ုပ်တို့ရွေးချယ်သည့်လုပ်ငန်းစဉ်သည်နမူနာဖြစ်သည်။ အထူးသဖြင့်၊ ဤအခြေအနေတွင် ကျွန်ုပ်တို့သည် နမူနာဒြပ်စင်များကို ကျပန်းရွေးချယ်နိုင်သည်၊ ထို့ကြောင့် ကျွန်ုပ်တို့သည် ရိုးရိုးကျပန်းနမူနာဟုခေါ်သော နမူနာပုံစံကို အသုံးပြုပါမည်။

နမူနာရှိလူတိုင်းကို ကျွန်ုပ်တို့ရွေးချယ်ပြီးသည်နှင့်၊ ကျွန်ုပ်တို့ရွေးချယ်ထားသောလူများအကြောင်း အချက်အလက်များကို စုဆောင်းရန်လိုအပ်သည်။ ဤကိစ္စတွင် ကျွန်ုပ်တို့သည် ခြေထောက်အရွယ်အစားကို အဓိကစိတ်ဝင်စားသည်၊ သို့သော် အရပ်၊ ကျား၊ မ၊ ကိုယ်အလေးချိန် စသည်ကဲ့သို့သော အခြားအချက်အလက်များကို ကျွန်ုပ်တို့တောင်းနိုင်သည်။ ခြေထောက်အရွယ်အစားနှင့် လူသားများ၏ အခြားဝိသေသလက္ခဏာများကြား ဖြစ်နိုင်ချေရှိသော ဆက်ဆံရေးကို ပိုင်းခြားစိတ်ဖြာပါ။

ဒေတာအားလုံးကို စုဆောင်းပြီးနောက်၊ လေ့လာထားသော နမူနာကို လေ့လာရန် မတူညီသော ကိန်းဂဏန်းဆိုင်ရာ အစီအမံများကို တွက်ချက်ရန် လိုအပ်သည်၊ ဥပမာ၊ ပျမ်းမျှ၊ စံသွေဖည်မှု၊ မုဒ်၊ အလယ်အလတ် စသဖြင့် တွက်ချက်နိုင်သည်။ ထို့အပြင်၊ စုဆောင်းထားသောဒေတာနမူနာကို ပိုမိုကောင်းမွန်စွာမြင်နိုင်ရန် ကျွန်ုပ်တို့သည် ကိန်းဂဏန်းဂရပ် များတွင် ဒေတာများကို ကိုယ်စားပြုနိုင်ပါသည်။

နမူနာ၏ မတူညီသော ကိန်းဂဏန်းဆိုင်ရာ အစီအမံများကို တွက်ချက်ရာတွင် နမူနာ၏ ဝိသေသလက္ခဏာများကို ဖော်ပြနေသောကြောင့် ကျွန်ုပ်တို့သည် သရုပ်ဖော်ကိန်းဂဏန်းများကို အသုံးပြုမည်ဖြစ်ကြောင်း သတိပြုသင့်သည်။ သို့သော်၊ ထို့နောက်တွင်၊ ကျွန်ုပ်တို့သည် လူဦးရေတန်ဖိုးများကို ခန့်မှန်းရန် တွက်ချက်ထားသောတန်ဖိုးများကို အသုံးပြုနိုင်ပြီး၊ ယင်းအခြေအနေတွင် ကျွန်ုပ်တို့သည် အနုစိတ်ကိန်းဂဏန်းများကို အသုံးပြုမည်ဖြစ်သည်။

စာရင်းအင်းဆိုင်ရာလျှောက်လွှာ

စာရင်းအင်းများသည် နေ့စဉ်ဘဝတွင် အသုံးချပရိုဂရမ်များစွာ ရှိပြီး အရေးကြီးဆုံး အသုံးချပရိုဂရမ်အချို့မှာ-

• လုပ်ငန်းဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း – ကိန်းဂဏန်းအချက်အလက်များကိုခွဲခြမ်းစိတ်ဖြာရန်စီးပွားရေးလုပ်ငန်းများတွင်မကြာခဏအသုံးပြုသည်။ ဥပမာအားဖြင့်၊ အရောင်းဒေတာ၊ စျေးကွက်ဝယ်လိုအား၊ ဖောက်သည်လမ်းကြောင်းများနှင့် လုပ်ငန်းကုန်ကျစရိတ်များကို အကဲဖြတ်ရန် ၎င်းတို့ကို အသုံးပြုသည်။
• သိပ္ပံနည်းကျ သုတေသန – ဆောင်းပါးတစ်လျှောက်လုံးတွင် ကျွန်ုပ်တို့တွေ့မြင်ခဲ့ရသည့်အတိုင်း ကိန်းဂဏန်းအချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာနားလည်ရန် အသုံးပြုပါသည်။ ထို့ကြောင့် ဇီဝဗေဒ၊ ရူပဗေဒ သို့မဟုတ် စိတ်ပညာကဲ့သို့သော သိပ္ပံနည်းကျ ပညာရပ်များတွင် စာရင်းဇယားများက ရလဒ်များ၏ တရားဝင်မှုကို အကဲဖြတ်ရန်နှင့် သုတေသနမှ ကောက်ချက်ဆွဲရန် ဖြစ်နိုင်ချေရှိသည်။
• စျေးကွက်ချဲ့ထွင်ခြင်းနှင့် ကြော်ငြာခြင်း – စျေးကွက်ရှာဖွေခြင်းအတွက် ကိန်းဂဏန်းများသည် အလွန်အသုံးဝင်သောကြောင့် သုံးစွဲသူများ၏ စိတ်ကြိုက်ရွေးချယ်မှုများကို နားလည်ရန်၊ ကြော်ငြာလှုံ့ဆော်မှုများ၏အကျိုးသက်ရောက်မှုကို အကဲဖြတ်ကာ ကမ်းလှမ်းမှုများ၏စွမ်းဆောင်ရည်ကို ပိုင်းခြားစိတ်ဖြာရန် ကူညီပေးသောကြောင့်ဖြစ်သည်။
• ဘဏ္ဍာရေး – စာရင်းအင်းများကို စျေးကွက်ခွဲခြမ်းစိတ်ဖြာမှု၊ စီးပွားရေးခန့်မှန်းချက်၊ စွန့်စားရမှုအကဲဖြတ်ခြင်းနှင့် ရင်းနှီးမြှုပ်နှံမှုဆိုင်ရာ ဆုံးဖြတ်ချက်များအတွက် အသုံးချသည်။ အခြေခံအားဖြင့်၊ စာရင်းဇယားများသည် မတူညီသောရွေးချယ်မှုများကြားတွင် အကောင်းဆုံးစီးပွားရေးရင်းနှီးမြှုပ်နှံမှုကို အကဲဖြတ်ရန် ကူညီပေးပါသည်။
• နိုင်ငံရေး – နိုင်ငံတစ်နိုင်ငံ၏ လူဦးရေအချိုးအစားဆိုင်ရာ အချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာရန်၊ လူမှုရေးဆိုင်ရာ ပရိုဂရမ်များကို အကဲဖြတ်ရန်နှင့် လူ့အဖွဲ့အစည်းအပေါ် လူထုမူဝါဒများ၏ သက်ရောက်မှုများကို တိုင်းတာရန် စာရင်းအင်းများကိုလည်း အသုံးပြုပါသည်။ ရွေးကောက်ပွဲ ရလဒ်ကို ခန့်မှန်းရန် ကိန်းဂဏန်း နည်းစနစ်များကိုပင် အသုံးပြုပါသည်။

ကိန်းဂဏန်းများနှင့် ဖြစ်နိုင်ခြေ

စာရင်းအင်း နှင့် ဖြစ်နိုင်ခြေ သည် သင်္ချာ ၏ အနီးကပ် ဆက်နွယ်မှု နှစ်ခု ဖြစ်သည်။ တကယ်တော့ ပညာရပ်နှစ်ခုလုံးမှ အသိပညာကို အများအားဖြင့် သုတေသနပြုလုပ်ရန် အတူတကွအသုံးပြုကြသည်။ ထို့ကြောင့် ဤကဏ္ဍတွင် စာရင်းဇယားနှင့် ဖြစ်နိုင်ခြေများကြား ဆက်နွယ်မှု နှင့် ၎င်းတို့ မည်ကဲ့သို့ ကွာခြားသည်ကို တွေ့ရမည်ဖြစ်ပါသည်။

Probability သည် အဖြစ်အပျက်တစ်ခု ဖြစ်ပွားနိုင်ခြေကို လေ့လာရန် တာဝန်ရှိသော သင်္ချာဘာသာရပ်၏ ဌာနခွဲဖြစ်သည်။ ထို့ကြောင့်၊ ဖြစ်ရပ်တစ်ခု၏ဖြစ်နိုင်ခြေသည် 0 နှင့် 1 ကြားရှိတန်ဖိုးတစ်ခုဖြစ်ပြီး ထိုအဖြစ်အပျက်ဖြစ်ပွားနိုင်ခြေကို ညွှန်ပြသောကြောင့် ဖြစ်ရပ်တစ်ခု၏ဖြစ်နိုင်ခြေပိုများလေ၊ ဖြစ်ပေါ်လာရန်ပိုမိုလွယ်ကူလေဖြစ်သည်။

ထို့ကြောင့် ဖြစ်နိုင်ခြေနှင့် ကိန်းဂဏန်းများကြား အဓိက ကွာခြားချက် မှာ လေ့လာမှုတစ်ခုမတိုင်မီ ဖြစ်နိုင်ခြေကို တွက်ချက်မှုများပြုလုပ်ရန် အသုံးပြုပြီး ကိန်းဂဏန်းများကို လေ့လာမှုမှရရှိသော ရလဒ်များကို ခွဲခြမ်းစိတ်ဖြာရန် အသုံးပြုသည်။ ထို့ကြောင့်၊ ဖြစ်နိုင်ခြေမှာ ကိန်းဂဏန်းများကို အတွေ့အကြုံပေါ်အခြေခံ၍ စာရင်းအင်းများကို အခြေခံထားသော်လည်း ဖြစ်နိုင်ခြေမှာ နုတ်နုတ်လက္ခဏာရှိသည်။

ထို့ကြောင့်၊ ဖြစ်နိုင်ခြေသည် စမ်းသပ်မှုတစ်ခု၏ ရလဒ်တစ်ခုဖြစ်ပေါ်လာမည့် ဖြစ်နိုင်ခြေကို တွက်ချက်ရန် ကြိုးပမ်းနေချိန်တွင် စာရင်းဇယားများက အဆိုပါစမ်းသပ်မှုမှရရှိသော ရလဒ်များကို ပိုင်းခြားစိတ်ဖြာခြင်းနှင့် ဘာသာပြန်ခြင်းတို့ကို ဂရုပြုနေချိန်တွင် ကိန်းဂဏန်းများက တွက်ချက်သည်။