Category: လမ်းညွှန်

သင် ယူဆချက်စမ်းသပ်မှု ပြုလုပ်သည့်အခါတိုင်း၊ Type I အမှားပြုလုပ်ရန် အန္တရာယ်အမြဲရှိပါသည်။ ဤသည်မှာ သင်အမှန်တကယ် အမှန်ဖြစ်သည့်အခါ null hypothesis ကို ငြင်းပယ်သည့်အချိန်ဖြစ်သည်။ တခါတရံတွင် ကျွန်ုပ်တို့သည် ၎င်းကို “ false positive” ဟုခေါ်သည် – ကျွန်ုပ်တို့သည် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသောအကျိုးသက်ရောက်မှုရှိသည်ဟု ဆိုသောအခါ၊ လက်တွေ့တွင်မရှိသည့်အခါ၊ ကျွန်ုပ်တို့သည် သီအိုရီစမ်းသပ်မှုကို လုပ်ဆောင်သောအခါ၊ Type I အမှားနှုန်းသည် အများအားဖြင့် 0.01၊ 0.05 သို့မဟုတ် 0.10 ဖြစ်ရန် ရွေးချယ်ထားသော အရေးပါမှုအဆင့်...

မကြာခဏဆိုသလို သင်သည် အောက်ပါအတိုင်း R တွင် ကွက်ကွက်တစ်ခုသို့ ဆုတ်ယုတ်ညီမျှခြင်းတစ်ခုကို ထည့်လိုပေမည်။ ကံကောင်းထောက်မစွာ၊ ၎င်းသည် ggplot2 နှင့် ggpubr ပက်ကေ့ဂျ်များရှိ လုပ်ဆောင်ချက်များကို အသုံးပြု၍ လုပ်ဆောင်ရန် အလွန်လွယ်ကူသည်။ ဤသင်ခန်းစာသည် R ရှိကွက်တစ်ခုသို့ ဆုတ်ယုတ်ညီမျှခြင်းတစ်ခုထည့်ရန် ဤပက်ဂျ်များတွင် လုပ်ဆောင်ချက်များကို အသုံးပြုနည်းအဆင့်ဆင့် ဥပမာကို ပေးပါသည်။ အဆင့် 1: ဒေတာကိုဖန်တီးပါ။ ဦးစွာ၊ ဒေတာအတုအချို့ကို ဖန်တီးကြပါစို့- #make this example reproducible set. seeds (1) #create...

စမ်းသပ်မှုတစ်ခုတွင်၊ ပြောင်းလဲနိုင်သောအမျိုးအစားနှစ်မျိုးရှိသည်။ အမှီအခိုကင်းသော ကိန်းရှင်- အမှီအခိုကင်းသော ကိန်းရှင်အပေါ် သက်ရောက်မှုများကို သတိပြုနိုင်စေရန် အလို့ငှာ စမ်းသပ်သူမှ ပြင်ဆင်ခြင်း သို့မဟုတ် ထိန်းချုပ်သည့် ကိန်းရှင်။ မှီခိုသောကိန်းရှင်- အမှီအခိုကင်းသောကိန်းရှင်အပေါ် “ မူတည်သော” စမ်းသပ်မှုတစ်ခုတွင် တိုင်းတာသည့်ကိန်းရှင်။ စမ်းသပ်မှုတစ်ခုတွင်၊ သုတေသီသည် အမှီအခိုကင်းသော ကိန်းရှင်တစ်ခု၏ ပြောင်းလဲမှုများသည် မှီခိုကိန်းရှင်တစ်ခုအပေါ် မည်သို့အကျိုးသက်ရောက်သည်ကို နားလည်လိုပါသည်။ အမှီအခိုကင်းသော ကိန်းရှင်တစ်ခုတွင် စမ်းသပ်မှုအခြေအနေများစွာရှိသောအခါ၊ လွတ်လပ်သောကိန်းရှင်၏ အဆင့်များ ဟု ဆိုကြသည်။ ဥပမာအားဖြင့်၊ ဆရာတစ်ဦးသည် မတူညီသောလေ့လာမှုနည်းပညာသုံးမျိုးဖြင့် စာမေးပွဲရမှတ်များအပေါ် မည်ကဲ့သို့အကျိုးသက်ရောက်သည်ကို သိရှိလိုသည်ဆိုပါစို့။...

Pareto ဇယား သည် မတူညီသောအမျိုးအစားများ၏ ကြိမ်နှုန်းများနှင့် အမျိုးအစားများ၏ တိုးပွားလာသော ကြိမ်နှုန်းများကို ပြသသည့် ဇယားအမျိုးအစားတစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာသည် R တွင် Pareto ဇယားကိုဖန်တီးခြင်း၏ အဆင့်ဆင့်ဥပမာကို ပေးသည်။ အဆင့် 1: ဒေတာကိုဖန်တီးပါ။ တံဆိပ် A၊ B၊ C၊ D နှင့် E တို့ကြားတွင် ၎င်းတို့၏ အကြိုက်ဆုံး သီးနှံအမှတ်တံဆိပ်ကို ခွဲခြားသတ်မှတ်ရန် မတူညီသော လူ ၃၅၀ ကို ကျွန်ုပ်တို့ တောင်းဆိုသည့် စစ်တမ်းတစ်ခု ပြုလုပ်သည်ဆိုပါစို့။ အောက်ပါဒေတာအတွဲသည်...

မကြာခဏဆိုသလို စာရင်းဇယားများတွင် ကျွန်ုပ်တို့သည် အောက်ပါကဲ့သို့သော မေးခွန်းများကို ဖြေလိုပါသည်။ ပြည်နယ်တစ်ခုရှိ ပျမ်းမျှအိမ်ထောင်စုဝင်ငွေက ဘယ်လောက်လဲ။ လိပ်မျိုးစိတ်အချို့၏ ပျမ်းမျှအလေးချိန်မှာ အဘယ်နည်း။ ကောလိပ်ဘောလုံးပွဲများအတွက် ပျမ်းမျှတက်ရောက်သူ ဘယ်လောက်လဲ။ အခြေအနေတစ်ခုစီတွင်၊ ကျွန်ုပ်တို့တိုင်းတာလိုသော ဖြစ်နိုင်ချေရှိသော တစ်သီးပုဂ္ဂလဒြပ်စင်အားလုံးကို ကိုယ်စားပြုသည့် လူဦးရေ နှင့်ပတ်သက်သော မေးခွန်းတစ်ခုကို ကျွန်ုပ်တို့ဖြေကြားလိုပါသည်။ သို့သော်လည်း လူဦးရေတစ်ခုစီရှိ လူတစ်ဦးချင်းစီ၏ အချက်အလက်ကို စုဆောင်းမည့်အစား၊ စုစုပေါင်းလူဦးရေ၏ တစ်စိတ်တစ်ပိုင်းကို ကိုယ်စားပြုသည့် လူဦးရေ နမူနာ တစ်ခုအပေါ် ကျွန်ုပ်တို့က ဒေတာကို စုဆောင်းမည်ဖြစ်သည်။ ဥပမာအားဖြင့်၊ စုစုပေါင်းလူဦးရေ ၈၀၀...

ဖြစ်နိုင်ခြေသီအိုရီတွင်၊ စုစုပေါင်းဖြစ်နိုင်ခြေနိယာမသည် A ၏ဖြစ်နိုင်ခြေကို တိုက်ရိုက်မသိသောအခါတွင် ကျွန်ုပ်တို့သည် ဖြစ်ရပ်တစ်ခု၏ဖြစ်နိုင်ခြေကိုရှာဖွေရန် အသုံးဝင်သောနည်းလမ်းတစ်ခုဖြစ်ပြီး B 1 ၊ B 2 ၊ B 3 … သည် အပိုင်းတစ်ခုဖွဲ့စည်းကြောင်း ကျွန်ုပ်တို့သိသည်။နမူနာ space S. ဤဥပဒေတွင် အောက်ပါတို့ကို ဖေါ်ပြထားသည်။ စုစုပေါင်းဖြစ်နိုင်ခြေဥပဒေ B 1 ၊ B 2 ၊ B 3 … သည် နမူနာ space S ၏ partition...

အိမ်ထောင်စု ၁၅ စုကို သူတို့အိမ်မှာ တိရိစ္ဆာန်ဘယ်နှစ်ကောင်ရှိလဲလို့ မေးတဲ့ စစ်တမ်းတစ်ခုလုပ်တယ်ဆိုပါစို့။ ရလဒ်များမှာ အောက်ပါအတိုင်းဖြစ်သည်။ ၁၊ ၁၊ ၁၊ ၁၊ ၂၊ ၂၊ ၂၊ ၃၊ ၃၊ ၄၊ ၅၊ ၅၊ ၆၊ ၇၊ ၈ ဤရလဒ်များကို အကျဉ်းချုံ့ရန် နည်းလမ်းတစ်ခုမှာ ဒေတာအတွဲတစ်ခုတွင် မတူညီသောတန်ဖိုးများ မည်မျှမကြာခဏ ပေါ်လာသည်ကို ပြောပြသည့် ကြိမ်နှုန်းဖြန့်ဖြူးမှုကို ဖန်တီးရန်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် တန်ဖိုးများကို အုပ်စုများဖန်တီးကာ ထိုအုပ်စုများထဲသို့ ကျရောက်သော ဒေတာအစုတစ်ခုရှိ လေ့လာတွေ့ရှိချက်အရေအတွက်ကို...

ကျွန်ုပ်တို့သည် တစ်နည်းတစ်ဖုံ အုပ်စုဖွဲ့ထားသော ဒေတာများ၏ ပျမ်းမျှနှင့် စံသွေဖည်မှုကို တွက်ချက်လိုပါသည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် အောက်ပါအုပ်စုဖွဲ့ထားသောဒေတာရှိသည်ဆိုပါစို့။ ဒေတာအကြမ်းတန်ဖိုးများကို မသိသောကြောင့် ပျမ်းမျှနှင့် စံသွေဖည်မှုကို အတိအကျ တွက်ချက်ရန် မဖြစ်နိုင်သော်လည်း၊ ပျမ်းမျှနှင့် စံသွေဖည်မှုကို ခန့်မှန်းရန် ဖြစ်နိုင်သည်။ ၎င်းကိုပြုလုပ်နည်းကို အောက်ပါအဆင့်များက ရှင်းပြသည်။ ဆက်စပ်- အုပ်စုဖွဲ့ဒေတာမုဒ်ကို ဘယ်လိုရှာမလဲ။ အုပ်စုဖွဲ့ဒေတာများ၏ ပျမ်းမျှအား တွက်ချက်ပါ။ အုပ်စုဖွဲ့ဒေတာ၏ပျမ်းမျှအား ခန့်မှန်းရန် အောက်ပါဖော်မြူလာကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။ ပျမ်းမျှ- Σm i n i /...

တစ်ခါတစ်ရံတွင် သင်သည် R တွင် matrix တစ်ခုစီ၏အတန်းများကို အတန်းတစ်ခုစီအဖြစ် သတ်မှတ်လိုပေမည်။ ကံကောင်းထောက်မစွာ၊ ၎င်းသည် အောက်ပါ syntax ကို အသုံးပြု၍ ပြုလုပ်ရန် လွယ်ကူပါသည်။ matplot ( t (matrix_name), type=" l ") ဤသင်ခန်းစာသည် ဤ syntax ကိုအသုံးပြုခြင်း၏လက်တွေ့ဥပမာတစ်ခုပေးသည်။ ဥပမာ- R ဖြင့် matrix တစ်ခု၏အတန်းများကို ပုံဆွဲခြင်း။ ပထမဦးစွာ၊ အတန်းသုံးတန်းပါ၀င်သော အတု matrix တစ်ခုကို ဖန်တီးကြပါစို့။ #make this...

ပြည့်စုံသော ဆုတ်ယုတ်မှုပုံစံ သည် မော်ဒယ်၏လျှော့ချဗားရှင်းထက် ဒေတာအတွဲတစ်ခုနှင့် သိသိသာသာ ပိုမိုကိုက်ညီမှုရှိမရှိကို ဆုံးဖြတ်ရန် ကြံ့ခိုင်မှုစမ်းသပ်မှုအားနည်းခြင်းကို အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ ကောလိပ်တစ်ခုရှိ ကျောင်းသားများအတွက် စာမေးပွဲရမှတ်များကို ခန့်မှန်းရန် လေ့လာခဲ့သည့် နာရီအရေအတွက်ကို အသုံးပြုလိုသည်ဆိုကြပါစို့။ အောက်ဖော်ပြပါ ဆုတ်ယုတ်မှုပုံစံနှစ်ခုကို လိုက်လျောညီထွေဖြစ်အောင် ကျွန်ုပ်တို့ ဆုံးဖြတ်နိုင်သည်- မော်ဒယ်အပြည့်အစုံ- ရမှတ် = β 0 + B 1 (နာရီ) + B 2 (နာရီ) 2 လျှော့ချထားသော မော်ဒယ်- ရမှတ် =...