ပြန့်ကျဲမှုတိုင်းတာမှုများ

အားဖြင့် Benjamin Anderson ဩဂုတ် 5, 2023 စာရင်းအင်းများ 0 မှတ်ချက်များ

ဤဆောင်းပါးတွင်၊ အဘယ်အရာပြန့်ပွားမှုအတိုင်းအတာများနှင့် ဤစာရင်းအင်းမက်ထရစ်များကို မည်သည့်အရာအတွက် အသုံးပြုသည်ကို လေ့လာပါမည်။ ထို့အပြင်၊ dispersionတိုင်းတာမှုတစ်ခုစီကိုမည်ကဲ့သို့တွက်ချက်သည်ကိုသင်ကြည့်ရှုနိုင်မည်ဖြစ်သည်။

Dispersion Measures ဆိုတာ ဘာလဲ။

Dispersion အစီအမံများသည် ဒေတာအစုတစ်ခု၏ ပျံ့နှံ့မှုကို ညွှန်ပြသည့် ကိန်းဂဏန်းဆိုင်ရာ တိုင်းတာမှုများဖြစ်သည်။ ဆိုလိုသည်မှာ၊ နမူနာတစ်ခုတွင် ဒေတာပြန့်ကျဲမှု အတိုင်းအတာကို အကဲဖြတ်ရန် ပြန့်ကျဲမှုအတိုင်းအတာကို အသုံးပြုသည်။

Dispersion အစီအမံများကို ကွဲပြားမှုအစီအမံများ သို့မဟုတ် ပျံ့နှံ့မှုတိုင်းတာခြင်း ဟုလည်း ခေါ်သည်။

ပြန့်ကျဲမှုအတိုင်းအတာတွေက ဘာတွေလဲ။

ပြန့်ပွားမှုအတိုင်းအတာ မှာ အောက်ပါအတိုင်းဖြစ်သည်။

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

ပြန့်ကျဲမှုတိုင်းတာမှုတစ်ခုစီကို မည်သို့ဆုံးဖြတ်ရမည်ကို အောက်တွင်ဖော်ပြထားသည်။

စံသွေဖည်

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

ထို့ကြောင့် ဤပြန့်ကျဲမှုတိုင်းတာမှုအတွက် ဖော်မြူလာမှာ အောက်ပါအတိုင်းဖြစ်သည်။

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

➤ စံသွေဖည်တွက်ချက်မှု နမူနာကို ကြည့်ပါ။

ကွဲလွဲမှု

ကွဲလွဲချက် သည် ရှုမြင်မှုစုစုပေါင်း၏ အကြွင်းအကျန်များ၏ နှစ်ထပ်ကိန်းများနှင့် ညီမျှသည်။ ထို့ကြောင့် ဤပျံ့နှံ့မှုမက်ထရစ်အတွက် 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။

$X$

.

➤- သွေဖည်မှု တွက်ချက်မှု နမူနာကို ကြည့်ပါ။

ကွဲလွဲမှု၏ကိန်းဂဏန်း

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

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

➤ ကွဲလွဲမှု၏ coefficient ကို တွက်ချက်ပုံ နမူနာကို ကြည့်ပါ။

သပ်ရပ်တယ်။

Range သည် နမူနာတစ်ခုရှိ ဒေတာ၏ အများဆုံးနှင့် အနိမ့်ဆုံးတန်ဖိုးအကြား ကွာခြားချက်ကို ညွှန်ပြသော ပြန့်ကျဲမှုအတိုင်းအတာတစ်ခုဖြစ်သည်။ ထို့ကြောင့်၊ လူဦးရေ သို့မဟုတ် စာရင်းအင်းနမူနာ၏အတိုင်းအတာကို တွက်ချက်ရန်၊ အများဆုံးတန်ဖိုးကို အနိမ့်ဆုံးတန်ဖိုးမှ နုတ်ရပါမည်။

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

➤ အပိုင်းအခြားတွက်ချက်မှု နမူနာကို ကြည့်ပါ။

Interquartile အပိုင်းအခြား

interquartile အကွာအဝေး ( interquartile range) ဟုလည်း ခေါ်သည် ၊ သည် တတိယ နှင့် ပထမ quartiles အကြား ခြားနားချက်ကို ညွှန်ပြသော ကိန်းဂဏန်း ကွဲလွဲမှု 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။

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

➤ အကွာအဝေးကို တွက်ချက်ခြင်း ဥပမာကို ကြည့်ပါ။

အလယ်အလတ်ကွာခြားမှု

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

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

➤ ပျမ်းမျှသွေဖည်မှုကို တွက်ချက်ခြင်း ဥပမာကို ကြည့်ပါ။

Dispersion တိုင်းတာခြင်းကို ဘာအတွက်အသုံးပြုသနည်း။

ကိန်းဂဏန်းနမူနာတစ်ခု၏ ပြန့်ကျဲမှုကို အကဲဖြတ်ရန် ပြန့်ကျဲနေသော အတိုင်းအတာများကို အသုံးပြုသည်။ ဆိုလိုသည်မှာ၊ ပြန့်ကျဲနေသော တိုင်းတာမှုများသည် ကျွန်ုပ်တို့အား ဒေတာအစုတစ်ခု၏ ပြန့်ကျဲမှုကို တိုင်းတာနိုင်စေပြီး ရရှိသော တန်ဖိုးများမှ ဒေတာနမူနာ၏ ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာနိုင်သည်။

ဒေတာနမူနာကို ဖော်ပြရာတွင် အထောက်အကူဖြစ်စေသောကြောင့် Dispersion အစီအမံများကို တွင်ကျယ်စွာအသုံးပြုပါသည်။ Dispersion အစီအမံများသည် ဒေတာစီးရီးတစ်ခု၏ ပုံစံကို နားလည်ရန် ကူညီပေးသည်။

မကြာခဏ တွက်ချက်လေ့ရှိသည့် အခြားသော ကိန်းဂဏန်းဆိုင်ရာ အစီအမံများမှာ ဗဟိုသဘောထား အတိုင်းအတာနှင့် ရပ်တည်ချက် အတိုင်းအတာများ ဖြစ်သည်။ ပုံမှန်အားဖြင့်၊ ကိန်းဂဏန်းတိုင်းတာမှုတစ်ခုတည်းကို မဆုံးဖြတ်ရသော်လည်း လေ့လာနေသည့် ဒေတာပုံသဏ္ဍာန်ကို ပိုမိုနားလည်ရန် တိုင်းတာမှုများစွာကို ပြုလုပ်သည်။

စာရေးသူအကြောင်း

Benjamin Anderson

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