Category: လမ်းညွှန်
X နှင့် Y သည် ပူးတွဲဖြန့ ် ဝေထားသော ကျပန်း variable နှစ်ခုဖြစ်ပါက၊ ထို့နောက် X ပေးထားသော Y ၏ အခြေအနေအရ ဖြန့်ဝေမှုသည် X ၏ အချို့သောတန်ဖိုးဟု သိရှိသောအခါ ဖြစ်နိုင်ခြေဖြန့်ဝေခြင်းဖြစ်ပါသည်။ ဥပမာအားဖြင့်၊ အောက်ဖော်ပြပါ နှစ်လမ်းသွားဇယားသည် ၎င်းတို့နှစ်သက်သည့် အားကစားနည်း- ဘေ့စ်ဘော၊ ဘတ်စကတ်ဘော သို့မဟုတ် ဘောလုံးကို လူပေါင်း 100 ကို မေးမြန်းခဲ့သော စစ်တမ်းတစ်ခု၏ ရလဒ်ကို ပြသသည်။ အကယ်၍ လူတစ်ဦးသည် အမျိုးသားဖြစ်ကြောင်း...
ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ အချိုးညီသော ဖြန့်ဝေမှုသည် ဘယ်နှင့်ညာ နှစ်ဖက်စလုံးကို အပြန်အလှန်ထင်ဟပ်စေသည့် တစ်ခုဖြစ်သည်။ ထင်ရှားသော ခေါင်းလောင်းပုံသဏ္ဍာန်ရှိသည့် သာမန် ဖြန့်ဝေမှုဟု လူသိများသော စီမက်ထရစ်ဖြန့်ဝေမှုမှာ အထင်ရှားဆုံးဖြစ်သည်။ အကယ်၍ သင်သည် ဖြန့်ဝေမှု၏အလယ်ဗဟိုတွင် မျဉ်းတစ်ကြောင်းဆွဲရလျှင် ဖြန့်ဖြူးမှု၏ဘယ်နှင့်ညာခြမ်းများသည် တစ်ခုနှင့်တစ်ခု ပြည့်စုံစွာထင်ဟပ်နေလိမ့်မည်- ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ လွဲမှားခြင်း သည် ဖြန့်ဖြူးမှုတစ်ခု၏ symmetry ကိုဖော်ပြသည့်နည်းလမ်းတစ်ခုဖြစ်သည်။ ဤတန်ဖိုးသည် အနှုတ်၊ သုည သို့မဟုတ် အပြုသဘော ဖြစ်နိုင်သည်။ အချိုးညီသော ဖြန့်ဝေမှုများအတွက်၊ အချိုးမညီမှုသည် သုညဖြစ်သည်။ ၎င်းသည် အပျက်သဘောဆောင်သော လှည့်ဖြားမှုရှိသော ဘယ်ဘက်စောင်းလျားနေသော...
ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှုသည် အချို့သောတန်ဖိုးများပေါ်တွင် ကျပန်းပြောင်းလွဲချက် တစ်ခုက ဖြစ်နိုင်ခြေကို ပြောပြသည်။ ဥပမာအားဖြင့်၊ အောက်ပါဖြစ်နိုင်ခြေဖြန့်ဝေမှုသည် သတ်မှတ်ထားသောပွဲစဉ်တစ်ခုတွင် ဘောလုံးအသင်းတစ်သင်းမှ အချို့သောဂိုးအရေအတွက်ကို သွင်းယူနိုင်ခြေကို ပြောပြသည်- မှတ်ချက်။ ဖြစ်နိုင်ခြေဖြန့်ဝေမှု၏ ပျမ်းမျှ (တစ်ခါတစ်ရံ “ မျှော်လင့်ထားသောတန်ဖိုး” ) ကိုရှာဖွေရန်၊ အောက်ပါပုံသေနည်းကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။ Mean (Or "Expected Value") of a Probability Distribution: μ = Σx * P(x) where: •x: Data...
ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှုသည် အချို့သောတန်ဖိုးများပေါ်တွင် ကျပန်းပြောင်းလွဲချက် တစ်ခုက ဖြစ်နိုင်ခြေကို ပြောပြသည်။ ဥပမာအားဖြင့်၊ အောက်ပါဖြစ်နိုင်ခြေဖြန့်ဝေမှုသည် သတ်မှတ်ထားသောပွဲစဉ်တစ်ခုတွင် ဘောလုံးအသင်းတစ်သင်းမှ အချို့သောဂိုးအရေအတွက်ကို သွင်းယူနိုင်ခြေကို ပြောပြသည်- ဖြစ်နိုင်ခြေဖြန့်ဝေမှု၏ စံသွေဖည်မှုကို ရှာဖွေရန်၊ ကျွန်ုပ်တို့သည် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။ σ = √ Σ(x i -μ) 2 * P(x i ) ရွှေ- x i : ith တန်ဖိုး μ: ဖြန့်ဖြူးမှု၏ ဆိုလိုရင်း P(x...
ဘက်စုံဖြန့်ဝေမှု ဆိုသည်မှာ မုဒ်နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော မုဒ်နှစ်ခုပါရှိသော ဖြစ်နိုင်ခြေဖြန့်ဖြူးမှုတစ်ခုဖြစ်သည်။ ဘက်စုံဖြန့်ဝေမှုကို မြင်သာစေရန် ဟီစတိုဂရမ်တစ်ခုကို ဖန်တီးပါက၊ ၎င်းတွင် အထွတ်အထိပ်များစွာရှိကြောင်း သင်သတိပြုမိလိမ့်မည်- ဖြန့်ဖြူးမှုတစ်ခုတွင် အထွတ်အထိပ်နှစ်ခုတိတိရှိလျှင် ၎င်းကို ဘက်စုံဖြန့်ဝေမှု အမျိုးအစားတစ်ခုဖြစ်သည့် bimodal distribution ဟု သတ်မှတ်သည်။ ၎င်းသည် အထွတ်အထိပ်တစ်ခုသာရှိသည့် စံမညီသော ဖြန့်ဖြူးမှုနှင့် ဆန့်ကျင်ဘက်ဖြစ်သည်။ သာမာန်ဖြန့်ဝေမှုကဲ့သို့ သာမာန်ဖြ န့်ဖြူးမှုများကဲ့သို့ တူညီသောဖြန့်ဝေမှုများကို စာရင်းဇယားများတွင် အကြောင်းအရာများကို ရှင်းပြရန် အများဆုံးအသုံးပြုသော်လည်း၊ ဘက်စုံဖြန့်ဝေမှုများကို အမှန်တကယ် လက်တွေ့တွင် မကြာခဏတွေ့ရသောကြောင့် ၎င်းတို့အား...
unimodal distribution သည် ရှင်းရှင်းလင်းလင်း အထွတ်အထိပ်ဖြင့် ဖြစ်နိုင်ခြေ ဖြန့်ဖြူးမှုဖြစ်သည်။ ၎င်းသည် ရှင်းလင်းသော အထွတ်အထိပ်နှစ်ခုပါရှိသော bimodal distribution နှင့် ဆန့်ကျင်ဘက်ဖြစ်သည်။ ၎င်းသည် အထွတ်အထိပ် နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ဘက်စုံဖြန့်ဖြူးမှု တစ်ခုနှင့်လည်း ဆန့်ကျင်ဘက်ဖြစ်သည်- မှတ်ချက်- bimodal ဖြန့်ဖြူးမှုသည် သီးခြား ဘက်စုံဖြန့်ဖြူးမှု အမျိုးအစားတစ်ခုမျှသာ ဖြစ်သည်။ ပုံမှန်မဟုတ်သော ဖြန့်ဝေမှုများ၏ ဥပမာများ ဤသည်မှာ လက်တွေ့တွင် ပုံမှန်မဟုတ်သော ဖြန့်ဝေမှုများ၏ ဥပမာအချို့ဖြစ်သည်။ ဥပမာ 1- မွေးကင်းစကလေးများ၏အလေးချိန် မွေးကင်းစကလေးများ၏...
ပုံမှန်ဖြန့်ဝေမှုသည် စာရင်းဇယားအားလုံးတွင် အသုံးအများဆုံးဖြစ်နိုင်ခြေ ဖြန့်ဝေမှုဖြစ်သည်။ ၎င်းတွင်အောက်ပါဂုဏ်သတ္တိများရှိသည်။ ခေါင်းလောင်းပုံသဏ္ဍာန် အချိုးကျသည်။ Unimodal – ၎င်းတွင် “ အထွတ်အထိပ်” ရှိသည် ပျမ်းမျှနှင့် အလယ်အလတ်သည် ညီမျှသည်။ နှစ်ခုလုံးသည် ဖြန့်ဖြူးမှု၏ဗဟိုတွင် တည်ရှိသည်။ ဒေတာ၏ 68% ခန့်သည် စံသွေဖည်မှုတစ်ခုအတွင်း ကျရောက်နေသည်။ ဒေတာများ၏ 95% ခန့်သည် စံသွေဖည်မှုနှစ်ခုအတွင်း ကျရောက်နေသည်။ ဒေတာများ၏ 99.7% ခန့်သည် စံသွေဖည်မှု သုံးခုအတွင်း ကျရောက်နေသည်။ ဤသင်ခန်းစာတွင် သာမန်ဖြန့်ဝေမှုနောက်ဆက်တွဲဖြစ်သော လက်တွေ့ကမ္ဘာဖြစ်ရပ်များ ဥပမာ 6 ခုကို...
ကိန်းဂဏန်းစာရင်းအင်းနယ်ပယ်တွင်၊ ကျပန်းပြုလုပ်ခြင်း ဆိုသည်မှာ မတူညီသောကုသမှုအုပ်စုများသို့ လေ့လာမှုဘာသာရပ်များကို ကျပန်းတာဝန်ပေးအပ်ခြင်းလုပ်ရပ်ကို ရည်ညွှန်းသည်။ ဥပမာအားဖြင့်၊ သုတေသီများသည် လေ့လာမှုတစ်ခုတွင် ပါဝင်ရန် ဘာသာရပ်ပေါင်း 100 ကို စုဆောင်းပြီး မတူညီသောဆေးပြားနှစ်ခုသည် သွေးပေါင်ချိန်အပေါ် အကျိုးသက်ရောက်မှုရှိမရှိ နားလည်ရန်မျှော်လင့်သည်ဆိုပါစို့။ ဆေးလုံးနံပါတ် 1 သို့မဟုတ် ဆေးလုံးနံပါတ် 2 ကိုအသုံးပြုရန် ဘာသာရပ်တစ်ခုစီကို ကျပန်းသတ်မှတ်ပေးရန်အတွက် ကျပန်းနံပါတ် ဂျင်နရေတာကို အသုံးပြုရန် ဆုံးဖြတ်နိုင်သည်။ Randomization ၏ အားသာချက်များ ကျပန်းပြုလုပ်ခြင်း၏ရည်ရွယ်ချက်မှာ လျှို့ဝှက်ကိန်းရှင်များ- ခွဲခြမ်းစိတ်ဖြာမှုတစ်ခုတွင် တိုက်ရိုက်မပါဝင်သော်လည်း ခွဲခြမ်းစိတ်ဖြာမှုကို တစ်နည်းနည်းဖြင့် သက်ရောက်မှုရှိစေမည့်...
High-dimensional data ဆိုသည်မှာ p သည် စောင့်ကြည့်မှု အရေအတွက် N ထက်များသော အင်္ဂါရပ်များ p >> N ဖြင့် ရေးသားလေ့ရှိသော ဒေတာအစုံကို ရည်ညွှန်းသည်။ ဥပမာအားဖြင့်၊ p =6 အင်္ဂါရပ်များပါရှိသော ဒေတာအတွဲတစ်ခုနှင့် N =3 လေ့လာတွေ့ရှိချက်များသာ အင်္ဂါရပ်အရေအတွက်သည် စူးစမ်းမှုအရေအတွက်ထက် ပိုများနေသောကြောင့် အဘက်ဘက်မှ မြင့်မားသောဒေတာအဖြစ် သတ်မှတ်ခံရမည်ဖြစ်သည်။ လူတွေလုပ်လေ့ရှိတဲ့ အမှားတစ်ခုကတော့ “ အမြင့်ဘက်မြင်ဒေတာ” ဟာ အင်္ဂါရပ်များစွာနဲ့ ဒေတာအစုံကို ဆိုလိုပါတယ်။ သို့သော် ဤသည်မှာ...
ပြောင်းပြန် သာမာန် ဖြန့်ဖြူးမှု ဟူသော ဝေါဟာရ သည် ပုံမှန် ဖြန့်ဖြူးမှု တွင် သက်ဆိုင်သော z-အရေးပါသော တန်ဖိုးကို ရှာဖွေရန် သိထားသော ဖြစ်နိုင်ခြေကို အသုံးပြုသည့် နည်းလမ်းကို ရည်ညွှန်းသည်။ ၎င်းသည် စဉ်ဆက်မပြတ်ဖြစ်နိုင်ခြေဖြန့်ဖြူးမှုဖြစ်သည့် ပြောင်းပြန် Gaussian ဖြန့်ဖြူးမှု နှင့် မရောထွေးသင့်ပါ။ ဤသင်ခန်းစာသည် မတူညီသော စာရင်းအင်းဆော့ဖ်ဝဲလ်တွင် ပြောင်းပြန်ပုံမှန်ဖြန့်ဝေမှုကို အသုံးပြုခြင်း၏ ဥပမာများစွာကို ပေးသည်။ ပြောင်းပြန် ပုံမှန်ဖြန့်ဖြူးမှုတွင် ကျွန်ုပ်တို့တွင် TI-83 သို့မဟုတ် TI-84 ဂဏန်းပေါင်းစက်ရှိသည်။ သင်သည် TI-83...