စာရင်းဇယားများတွင် အမှတ်ခန့်မှန်းချက်ဆိုသည်မှာ အဘယ်နည်း။
မကြာခဏဆိုသလို စာရင်းဇယားများတွင် ကျွန်ုပ်တို့သည် လူဦးရေကန့်သတ်ချက်များကို တိုင်းတာရန် စိတ်ဝင်စားကြသည်၊ ဆိုလိုသည်မှာ လူဦးရေတစ်ခုလုံး၏ အချို့သောဝိသေသလက္ခဏာများကို ဖော်ပြသည့် နံပါတ်များဖြစ်သည်။
အသုံးအများဆုံးလူဦးရေကန့်သတ်ချက်နှစ်ခုမှာ-
1. လူဦးရေဆိုလိုသည်မှာ- လူဦးရေတစ်ခုရှိ ကိန်းရှင်တစ်ခု၏ ပျမ်းမျှတန်ဖိုး (ဥပမာ၊ မြို့တစ်မြို့ရှိ အမျိုးသားများ၏ ပျမ်းမျှအရပ်အမြင့်)
2. လူဦးရေအချိုးအစား- လူဦးရေအချိုးအစား (ဥပမာ၊ ဥပဒေတစ်ရပ်ရပ်ကို ပံ့ပိုးပေးသော ခရိုင်အတွင်း နေထိုင်သူအချိုးအစား)
ကျွန်ုပ်တို့သည် ဤကန့်သတ်ချက်များကို တိုင်းတာလိုလျှင်ပင် လူဦးရေတစ်ခုစီရှိ တစ်ဦးချင်းစီ၏ အချက်အလက်စုဆောင်းရန် ယေဘုယျအားဖြင့် စျေးကြီးပြီး အချိန်ကုန်သည်။
ယင်းအစား၊ ကျွန်ုပ်တို့သည် လူဦးရေထံမှ ကျပန်း နမူနာကို ယူကာ လူဦးရေကန့်သတ်ချက်ကို ခန့်မှန်းရန် နမူနာဒေတာကို အသုံးပြုပါသည်။
လူဦးရေ ကန့်သတ်ချက်ကို ခန့်မှန်းရန် နမူနာတွင် ကျွန်ုပ်တို့အသုံးပြုသည့် နံပါတ်ကို အမှတ်ခန့်မှန်းချက် ဟုခေါ်သည်။ ဤသည်မှာ လူဦးရေအစစ်အမှန် မည်ကဲ့သို့ဖြစ်နိုင်သည်ကို ကျွန်ုပ်တို့၏ ဖြစ်နိုင်ခြေအကောင်းဆုံး ခန့်မှန်းချက်ဖြစ်သည်။
အောက်ပါဇယားသည် လူဦးရေကန့်သတ်ချက်များကို ခန့်မှန်း ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် ခန့်မှန်းချက်အမှတ်ကို ပြသည်-
| အတိုင်းထက်အလွန် | လူဦးရေကန့်သတ်ချက် | အမှတ်ခန့်မှန်းချက် |
|---|---|---|
| ဆိုလိုတာ | μ (လူဦးရေ ပျမ်းမျှ) | x (နမူနာပျမ်းမျှ) |
| အချိုးအစား | π (လူဦးရေအချိုးအစား) | p (နမူနာအချိုး) |
လူဦးရေကန့်သတ်ချက်များကို တွက်ချက်လိုသော်လည်း ၎င်းသည် ရှည်လျားပြီး ကုန်ကျစရိတ်များလွန်းသောကြောင့်၊ ယင်းအစား အမှတ်ခန့်မှန်းချက်များကို တွက်ချက်ရန် နမူနာများကို အသုံးပြုပါသည်။
ဥပမာအားဖြင့်၊ ဖလော်ရီဒါရှိ လိပ်မျိုးစိတ်တစ်ခု၏ ပျမ်းမျှအလေးချိန်ကို ခန့်မှန်းလိုသည်ဆိုကြပါစို့။ ဖလော်ရီဒါမှာ ထောင်နဲ့ချီတဲ့ လိပ်တွေရှိတာကြောင့် လိပ်တစ်ကောင်ချင်းစီအလိုက် လှည့်ပတ်ပြီး ချိန်တွယ်ဖို့ အလွန်အချိန်ကုန်ပြီး ဈေးကြီးပါတယ်။ ယင်းအစား၊ ကျွန်ုပ်တို့သည် လိပ် 50 ၏ ရိုးရှင်းသော ကျပန်းနမူနာကို ယူ၍ လူဦးရေအစစ်အမှန်ကို ခန့်မှန်းရန် ထိုနမူနာရှိ လိပ်များ၏ ပျမ်းမျှအလေးချိန်ကို အသုံးပြုနိုင်သည်။

နမူနာဆိုလိုသည်မှာ 150.4 ပေါင်ဖြစ်ပါက မျိုးစိတ်တစ်ခုလုံး၏လူဦးရေအစစ်အမှန်၏ခန့်မှန်းချက်မှာ 150.4 ပေါင်ဖြစ်သည်။
ကိုယ်စားပြုနမူနာများ၏အရေးပါမှု
ကျွန်ုပ်တို့သည် လူဦးရေထံမှနမူနာကို စုဆောင်းသောအခါ၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏လူဦးရေ၏ “မီနီဗားရှင်း” နှင့် ဆင်တူစေရန် စံနမူနာကို လိုလားပါသည်။
နမူနာရှိ လူတစ်ဦးချင်းစီ၏ ဝိသေသလက္ခဏာများသည် စုစုပေါင်းလူဦးရေရှိ လူတစ်ဦးချင်းစီ၏ ဝိသေသလက္ခဏာများနှင့် အနီးကပ်ကိုက်ညီပါက နမူနာ ကို လူဦးရေ၏ ကိုယ်စားပြု သည်ဟု ဆိုပါသည်။
ထိုသို့ဖြစ်လာသောအခါ၊ နမူနာမှရလဒ်များကို အလုံးစုံလူဦးရေအထိ စိတ်ချယုံကြည်စွာ ယေဘုယျဖော်ပြနိုင်ပြီး နမူနာပွိုင့်ခန့်မှန်းချက်သည် စစ်မှန်သောလူဦးရေကန့်သတ်ချက်၏ ဘက်မလိုက်သော ခန့်မှန်းချက် ဖြစ်သည်ဟု ဆိုနိုင်ပါသည်။
အမှတ်ခန့်မှန်းချက်များနှင့် ယုံကြည်မှုကြားကာလများ
အမှတ်ခန့်မှန်းချက်သည် ကျွန်ုပ်တို့၏အကောင်းဆုံးဖြစ်နိုင်ချေရှိသော လူဦးရေခန့်မှန်းချက်ကို ကိုယ်စားပြုသော်လည်း လူဦးရေကန့်သတ်ချက်နှင့် အတိအကျ ကိုက်ညီမှုမရှိကြောင်း သိရသည်။
ကျွန်ုပ်တို့၏ယခင်နမူနာတွင်၊ နမူနာရှိလိပ်များ၏ပျမ်းမျှအလေးချိန်သည် လူဦးရေတစ်ခုလုံးရှိလိပ်များ၏ပျမ်းမျှအလေးချိန်နှင့် အတိအကျကိုက်ညီကြောင်း အာမခံချက်မရှိပါ။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် အလေးချိန်နည်းသော လိပ်များပြည့်သည့်နမူနာ သို့မဟုတ် လေးလံသောလိပ်များပြည့်သည့်နမူနာကို ရွေးချယ်နိုင်သည်။
ထို့ကြောင့်၊ ဤမသေချာမရေရာမှုများကို ဖမ်းယူရန်၊ ကျွန်ုပ်တို့သည် ယုံကြည်စိတ်ချမှုကြားကာလ တစ်ခုကို ဖန်တီးနိုင်သည် – ယုံကြည်စိတ်ချမှုအဆင့်ဖြင့် လူဦးရေကန့်သတ်ချက်ပါ၀င်မည့် တန်ဖိုးများအကွာအဝေးကို ဖန်တီးနိုင်သည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် လိပ်မျိုးစိတ်များ၏ ပျမ်းမျှအလေးချိန်အမှန်ကို ခန့်မှန်းရန် ကျွန်ုပ်တို့၏နမူနာပျမ်းမျှ 150.4 ပေါင်ကို အသုံးပြုနိုင်သည်။ ကျွန်ုပ်တို့၏ယုံကြည်မှုကြားကာလသည် 145 ပေါင်မှ 155.8 ပေါင်ဖြစ်ကောင်းဖြစ်နိုင်သည့်တန်ဖိုးများအကွာအဝေးတစ်ခုဖြစ်သည်။

ကျွန်ုပ်တို့၏အမှတ်ခန့်မှန်းချက်သည် ကျွန်ုပ်တို့၏အကောင်းဆုံးခန့်မှန်းချက်ဖြစ်ပြီး စစ်မှန်သောပျမ်းမျှလူဦးရေအလေးချိန်နှင့် ယုံကြည်မှုကြားကာလသည် စစ်မှန်သောပျမ်းမျှလူဦးရေအလေးချိန်ပါဝင်နိုင်ဖွယ်တန်ဖိုးများအကွာအဝေးကို ပေးဆောင်ပါသည်။
ယုံကြည်မှုကြားကာလများကို ဤနေရာတွင် သင်ပိုမိုလေ့လာနိုင်ပါသည်။
ထပ်လောင်းအရင်းအမြစ်များ
စာရင်းအင်းများ vs. ကန့်သတ်ချက်များ- ကွာခြားချက်ကား အဘယ်နည်း။
လူဦးရေ vs. နမူနာ- ကွာခြားချက်ကား အဘယ်နည်း။
Confidence Intervals နိဒါန်း