စာရင်းဇယား၏အခြေခံသဘောတရားများ

ဤဆောင်းပါးတွင် စာရင်းအင်းဆိုင်ရာ အဓိကသဘောတရားများနှင့် ဤသဘောတရားများကို အသုံးချသည့် တကယ့်ဖြစ်ရပ်မှန် ဥပမာကို သင်တွေ့လိမ့်မည်။ ပိုမိုအဆင့်မြင့်သော စာရင်းအင်းဆိုင်ရာ အယူအဆများကိုလည်း သင်တွေ့မြင်နိုင်မည်ဖြစ်ပါသည်။

အခြေခံစာရင်းအင်းအယူအဆများ

စာရင်းအင်းဆိုင်ရာ အခြေခံသဘောတရားများ မှာ-

• လူဦးရေ : ကိန်းဂဏန်းလေ့လာမှုတစ်ခုလုပ်ဆောင်ရန် ရည်ရွယ်သည့် အလားတူလက္ခဏာများပါရှိသော ဒြပ်စင်အစုများ။
• နမူနာ – စာရင်းအင်းလေ့လာမှုပြုလုပ်သည့် လူဦးရေ၏ တစ်စိတ်တစ်ပိုင်း။
• တစ်ဦးချင်း : လူဦးရေ၏ အစိတ်အပိုင်းတစ်ခုစီမှ အစိတ်အပိုင်းတစ်ခုစီ။
• Character : လူဦးရေတစ်ခုချင်းစီရှိ လူတစ်ဦးချင်းစီ ပိုင်ဆိုင်သည့် လက္ခဏာရပ်တစ်ခုစီသည် ထို့ကြောင့် စာရင်းအင်းလေ့လာမှုတစ်ခု၏ ဘာသာရပ်ဖြစ်သည်။
• နမူနာယူခြင်း – လူဦးရေတစ်ခုမှနမူနာကို ရွေးချယ်သည့် လုပ်ငန်းစဉ်။ နမူနာယူနည်းအမျိုးမျိုးရှိပါတယ်။
• Statistical variable : မတူညီသောတန်ဖိုးများကိုယူ၍ တိုင်းတာနိုင်သည့် လူဦးရေရှိ လူတစ်ဦးချင်းစီ၏ လက္ခဏာများ။ ဤသည်မှာ အများအားဖြင့် ကိန်းဂဏန်း သုတေသနတွင် လေ့လာသော လက္ခဏာများဖြစ်သည်။
• Statistical parameter : နမူနာတစ်ခု၏ ဝိသေသလက္ခဏာများကို အကျဉ်းချုပ်ဖော်ပြသော တန်ဖိုး။
• ကိန်းဂဏာန်းစမ်းသပ်ချက် – ကိန်းဂဏန်းဖြစ်စေ မရှိသည်ဖြစ်စေ ရလဒ်ကို ပံ့ပိုးပေးသည့် လုပ်ငန်းစဉ်တစ်ခုဖြစ်ပြီး ဖြစ်နိုင်ခြေရလဒ်တစ်ခုစီ၏ ဖြစ်ပျက်မှုဖြစ်နိုင်ခြေကို တွက်ချက်ရန်အတွက် အသုံးပြုသည်။
• သရုပ်ဖော်ကိန်းဂဏန်းများ : ၎င်းတို့၏ ခွဲခြမ်းစိတ်ဖြာမှုကို ကူညီရန်အတွက် စုဆောင်းရရှိထားသော အချက်အလက်များကို ဖော်ပြရန် တာဝန်ရှိသော စာရင်းအင်းဌာနခွဲ။
• Inferential Statistics : နမူနာတစ်ခုမှ အချက်အလက်တစ်ခုမှ လူဦးရေတန်ဖိုးများကို ဆုံးဖြတ်ရန် တာဝန်ရှိသည့် စာရင်းအင်းဌာနခွဲ။
• ဂဏန်းသင်္ချာဆိုလို : ၎င်းသည် ကိန်းဂဏန်းအချက်အလက်အစုတစ်ခု၏ ပျမ်းမျှတန်ဖိုးဖြစ်သည်။
• Median : အသေးဆုံးမှ အကြီးဆုံးသို့ စီထားသော ဒေတာအတွဲတစ်ခု၏ ပျမ်းမျှတန်ဖိုးဖြစ်သည်။ တစ်နည်းဆိုရသော် အလယ်အလတ်သည် သတ်မှတ်ထားသော ဒေတာများကို အညီအမျှ နှစ်ပိုင်းခွဲသည်။
• မုဒ် – ဤသည်မှာ ဒေတာအတွဲတစ်ခုတွင် ထပ်ခါတလဲလဲ အများဆုံးတန်ဖိုးဖြစ်သည်။
• စံသွေဖည်မှု – ဒေတာအစုတစ်ခု၏ ကွဲလွဲမှု သို့မဟုတ် ကွဲပြားမှုကို ညွှန်ပြသည့် တန်ဖိုးတစ်ခု။
• အပိုင်းအခြား – ၎င်းသည် ဒေတာအစုတစ်ခု၏ အများဆုံးတန်ဖိုးနှင့် အနိမ့်ဆုံးတန်ဖိုးအကြား ကွာခြားချက်ဖြစ်သည်။

အခြေခံစာရင်းအင်းအယူအဆများ ဥပမာ

စာရင်းအင်းဆိုင်ရာ အခြေခံသဘောတရားများ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို ကျွန်ုပ်တို့မြင်ပြီးသည်နှင့် ၎င်းတို့၏အဓိပ္ပါယ်များကို အပြည့်အဝနားလည်ရန် တကယ့်ဖြစ်ရပ်မှန်ဥပမာကို ကျွန်ုပ်တို့တွေ့မြင်ရမည်ဖြစ်ပါသည်။

ဥပမာ- နိုင်ငံတစ်နိုင်ငံမှာရှိတဲ့ လူတိုင်းရဲ့ ခြေဖဝါးအရွယ်အစားတွေကို ကိန်းဂဏန်းစာရင်းအင်းလေ့လာမှုတစ်ခုလုပ်ရင် လူဦးရေက အဲဒီနိုင်ငံမှာ နေထိုင်တဲ့လူတွေအားလုံးပါပဲ။ 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။

ထို့အပြင်၊ ကိန်းဂဏန်းဆိုင်ရာခွဲခြမ်းစိတ်ဖြာမှုကိုလုပ်ဆောင်ရန်၊ စုဆောင်းထားသောနမူနာ၏ဝိသေသလက္ခဏာများကိုသိရန် မတူညီသောကိန်းဂဏန်းဆိုင်ရာဘောင်များကို တွက်ချက်နိုင်သည်။ ထို့ကြောင့် ဥပမာအားဖြင့်၊ စုဆောင်းထားသောဒေတာ၏ ပျမ်းမျှ၊ အလယ်အလတ်၊ မုဒ်၊ စံသွေဖည်မှုနှင့် အကွာအဝေးကို ဆုံးဖြတ်နိုင်သည်။

နောက်ဆုံးတွင်၊ နမူနာ၏ မတူညီသော ကိန်းဂဏန်းဆိုင်ရာ အစီအမံများကို တွက်ချက်သည့်အခါ၊ ကျွန်ုပ်တို့သည် နမူနာ၏ ဝိသေသလက္ခဏာများကို ဖော်ပြနေသောကြောင့် သရုပ်ဖော်ကိန်းဂဏန်းများကို အသုံးပြုပါမည်။ သို့သော်၊ အကယ်၍ ကျွန်ုပ်တို့သည် လူဦးရေတန်ဖိုးများကို ခန့်မှန်းရန်အတွက် တွက်ချက်ထားသောတန်ဖိုးများကို အသုံးပြုပါက၊ ကျွန်ုပ်တို့သည် နှိုက်နှိုက်ချွတ်ချွတ်ကိန်းဂဏန်းများကို အသုံးပြုမည်ဖြစ်သည်။

အဆင့်မြင့် ကိန်းဂဏန်း အယူအဆများ

ယခု ကျွန်ုပ်တို့သည် စာရင်းဇယား၏ အခြေခံသဘောတရားများကို သိရှိပြီး၊ သင့်အတွက် အသုံးဝင်နိုင်သည့် နောက်ထပ်အဆင့်မြင့်သော အယူအဆအချို့ကို လေ့လာကြည့်ကြပါစို့။

• Statistical Frequency – ဒေတာအတွဲတစ်ခုတွင် တန်ဖိုးတစ်ခုပေါ်လာသည့်အကြိမ်အရေအတွက်။
• Statistical graph : သည် ကိန်းဂဏန်းအချက်အလက်အစုအဝေး၏ ဂရပ်ဖစ်ကိုယ်စားပြုမှုတစ်ခုဖြစ်သည်။
• ယုံကြည်မှုကြားကာလ : ဤကာလသည် လူဦးရေကန့်သတ်ချက်၏တန်ဖိုးများကြားရှိ တန်ဖိုးများကို အနီးစပ်ဆုံးဖော်ပြပေးသော ကြားကာလဖြစ်သည်။
• ယုံကြည်မှုအဆင့် – လူဦးရေ၏ ကိန်းဂဏန်းဆိုင်ရာ ကန့်သတ်ချက်တစ်ခု၏ ခန့်မှန်းချက်သည် ယုံကြည်မှုကြားကာလအတွင်းတွင် ရှိနေနိုင်ခြေ။
• Null hypothesis : လူဦးရေကန့်သတ်ချက်တစ်ခုနှင့်ပတ်သက်သော ကနဦးယူဆချက်သည် မှားယွင်းသော အယူအဆဖြစ်သည်။
• Alternative hypothesis : သင်သည် အမှန်ဖြစ်ကြောင်း သက်သေပြလိုသော ကိန်းဂဏန်းဆိုင်ရာ သုတေသနပြုချက်ဖြစ်သည်။
• Hypothesis Contrast : ဤသည်မှာ ယူဆချက်တစ်ခုကို ငြင်းပယ်ရန် သို့မဟုတ် ငြင်းပယ်ရန် အသုံးပြုသည့် လုပ်ထုံးလုပ်နည်းတစ်ခုဖြစ်သည်။ အတိအကျအားဖြင့်၊ သီအိုရီစမ်းသပ်မှုအတွင်း၊ ၎င်းသည် null hypothesis သို့မဟုတ် အခြားယူဆချက်အမှန်ဟုတ်၊ မဟုတ် ဆုံးဖြတ်သည်။
• p-value : သည် null hypothesis ကို ငြင်းပယ်ရန် သို့မဟုတ် လက်ခံရန် hypothesis testing တွင်အသုံးပြုသော 0 နှင့် 1 ကြားတန်ဖိုးတစ်ခုဖြစ်သည်။
• Linear regression : ၎င်းသည် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော အမှီအခိုကင်းသော ကိန်းရှင်များကို မှီခိုသော ကိန်းရှင်တစ်ခုနှင့် ဆက်စပ်နေသည့် ကိန်းဂဏန်းစံနမူနာတစ်ခုဖြစ်သည်။