Category: လမ်းညွှန်

လေ့လာသူ၏ (သို့မဟုတ် စုံစမ်းစစ်ဆေးသူ၏) ယုံကြည်ချက်များ သို့မဟုတ် မျှော်မှန်းချက်များသည် လေ့လာမှုတစ်ခုတွင် စုဆောင်းထားသော အချက်အလက်များအပေါ် လွှမ်းမိုးနိုင်သောအခါတွင် စောင့်ကြည့်သူဘက်လိုက်မှု ဖြစ်ပေါ်သည်။ ၎င်းသည် လေ့လာမှုတစ်ခု၏ရလဒ်များကို ယုံကြည်စိတ်ချရပြီး အခြားသုတေသနဆက်တင်များတွင် ထပ်တူပွားရန်ခက်ခဲစေသည်။ ဤဆောင်းပါးတွင်၊ လေ့လာသူဘက်လိုက်မှု၏ ကျော်ကြားသော ဥပမာနှစ်ခုအပြင် လက်တွေ့တွင် ဤဘက်လိုက်မှုအမျိုးအစားကို လျှော့ချရန် အသုံးပြုနိုင်သည့် ဗျူဟာတစ်ခုကို မျှဝေပါသည်။ ဥပမာ 1- Clever Hans 1900 ခုနှစ်များအစောပိုင်းတွင် Clever Hans ဟုခေါ်သော မြင်းတစ်ကောင်ရှိခဲ့ပြီး အလွန်ကောင်းမွန်သော ဂဏန်းသင်္ချာကျွမ်းကျင်မှုကြောင့် ကျော်ကြားခဲ့သည်။ ပိုင်ရှင်၊...

Pareto ဇယား သည် တစ်ဦးချင်းအမျိုးအစားအလိုက် ကြိမ်နှုန်းများကိုပြသရန် ဘားများကိုအသုံးပြုကာ စုစည်းမှုကြိမ်နှုန်းများကိုပြသရန် မျဉ်းကြောင်းတစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာသည် Google Sheets တွင် Pareto ဇယားကို ဖန်တီးခြင်း၏ အဆင့်ဆင့် ဥပမာကို ပေးပါသည်။ အဆင့် 1: ဒေတာကိုဖန်တီးပါ။ ပထမဦးစွာ၊ ကုမ္ပဏီတစ်ခုအတွက် ထုတ်ကုန်တစ်ခုစီ၏ ရောင်းချမှုအရေအတွက်ကို ပြသသည့် ဒေတာအတွဲအတုတစ်ခုကို ဖန်တီးကြပါစို့။ အဆင့် 2- တိုးပွားလာသော ကြိမ်နှုန်းများကို တွက်ချက်ပါ။ ထို့နောက်၊ စုစည်းမှုအကြိမ်ရေကိုတွက်ချက်ရန် အောက်ပါဖော်မြူလာကို ဆဲလ် C2 တွင် ရိုက်ထည့်ပါ။ =SUM(...

Python တွင် array များကို ပေါင်းစပ်ရန် အလွယ်ဆုံးနည်းလမ်းမှာ အောက်ပါ syntax ကိုအသုံးပြုသည့် numpy.concatenate လုပ်ဆောင်ချက်ကို အသုံးပြုခြင်းဖြစ်သည် ။ numpy.concatenate((a1၊ a2၊….)၊ ဝင်ရိုး = 0) ရွှေ- a1၊ a2…- ဇယားများ၏ အပိုင်း ဝင်ရိုး- ဇယားများ ချိတ်ဆက်မည့် ဝင်ရိုးတစ်လျှောက်။ မူရင်းတန်ဖိုးသည် 0 ဖြစ်သည်။ ဤသင်ခန်းစာသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးပြုခြင်း၏ ဥပမာများစွာကို ပေးပါသည်။ ဥပမာ 1- array နှစ်ခုကို ပေါင်းစပ်ပါ။ အောက်ဖော်ပြပါကုဒ်သည်...

မကြာခဏဆိုသလို သင်သည် Pandas DataFrame တွင် ကော်လံနှစ်ခုကို နှိုင်းယှဉ်ကာ နှိုင်းယှဉ်မှုရလဒ်များကို တတိယကော်လံတစ်ခုသို့ ရေးချလိုပေမည်။ အောက်ပါ syntax ကို အသုံးပြု၍ ၎င်းကို အလွယ်တကူ ပြုလုပ်နိုင်သည်။ conditions=[(condition1),(condition2)] choices=[" choice1 "," choice2 "] df[" new_column_name "]=np. select (conditions, choices, default) ဤကုဒ်သည် အဘယ်အရာဖြစ်သည်- အခြေအနေများ သည် ကော်လံနှစ်ခုကြားတွင် စစ်ဆေးရမည့် အခြေအနေများဖြစ်သည်။ ရွေးချယ်မှုများသည် အခြေအနေများပေါ်မူတည်၍ ပြန်ရမည့်ရလဒ်များဖြစ်သည်။ np.select...

မကြာခဏဆိုသလို သင်သည် Python ရှိ DataFrame အဖြစ်သို့ ပြောင်းလဲလိုပေမည်။ ကံကောင်းထောက်မစွာ၊ ၎င်းသည် အောက်ပါ syntax ကိုအသုံးပြုထားသည့် pandas.DataFrame လုပ်ဆောင်ချက်ကို အသုံးပြု၍ လုပ်ဆောင်ရန် လွယ်ကူပါသည်။ pandas.DataFrame(ဒေတာ=မရှိ၊ အညွှန်း=မရှိ၊ ကော်လံ=မရှိ၊ …) ရွှေ- ဒေတာ- DataFrame သို့ ပြောင်းရန် ဒေတာ index- ရလဒ် DataFrame အတွက် အသုံးပြုရန် အညွှန်း ကော်လံများ- ရလဒ် DataFrame အတွက် အသုံးပြုရန် ကော်လံအညွှန်းများ ဤသင်ခန်းစာသည် ဤလုပ်ဆောင်ချက်ကို...

interquartile range နှင့် standard deviation သည် data set တစ်ခုတွင် တန်ဖိုးများ ဖြန့်ဖြူးမှုကို တိုင်းတာရန် နည်းလမ်းနှစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာသည် မက်ထရစ်တစ်ခုစီ၏ အတိုချုံးရှင်းလင်းချက်နှစ်ခုကြားရှိ တူညီမှုများနှင့် ကွာခြားချက်များကို ပေးပါသည်။ Interquartile အပိုင်းအခြား ဒေတာအတွဲတစ်ခု၏ ကြားပိုင်းအကွာအဝေး (IQR) သည် ပထမ quartile (25th percentile) နှင့် တတိယ quartile (the 75th percentile) အကြား ကွာခြားချက်ဖြစ်သည်။ ၎င်းသည် ပျမ်းမျှတန်ဖိုးများ၏ 50% ခွဲဝေမှုကို...

စာရင်းဇယားများတွင် ကျောင်းသားများ မကြာခဏ ရောထွေးနေသော ဝေါဟာရနှစ်ခုမှာ p-value နှင့် alpha ဖြစ်သည်။ ဝေါဟာရနှစ်ခုလုံးကို အယူအဆတစ်ခုကို ငြင်းပယ်ရန် သို့မဟုတ် ငြင်းဆိုရန် ပျက်ကွက်ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် တရားဝင်စာရင်းအင်းစစ်ဆေးမှုများဖြစ်သည့် သီအိုရီ စစ်ဆေးမှု တွင် အသုံးပြုပါသည်။ ဥပမာအားဖြင့်၊ ဆေးအသစ်သည် လူနာများ၏ သွေးပေါင်ချိန်ကို လက်ရှိစံဆေးထက် ပိုမိုလျော့နည်းစေသည်ဟု ကျွန်ုပ်တို့ ယူဆသည်ဆိုပါစို့။ ၎င်းကို စမ်းသပ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို သတ်မှတ်ဖော်ပြသည့် သီအိုရီစမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်- Null...

အရေးပေါ်ဇယားတစ်ခုတွင်၊ ကိန်းရှင်တစ်ခု၏ marginal means များသည် အခြားသော variable အဆင့်တစ်ခုစီတွင်ရှိသော ထိုကိန်းရှင်၏ ပျမ်းမျှနည်းလမ်းများဖြစ်သည်။ ၎င်းတို့၏အမည်ဖော်ပြသည့်အတိုင်း၊ ဤပျမ်းမျှကိန်းဂဏန်းများသည် အရေးပေါ်အခြေအနေဇယား၏ အနားသတ် များတွင် ပေါ်နေပါသည်။ အောက်ဖော်ပြပါ ဥပမာသည် ပေးထားသော အရေးပေါ်ဇယားအတွက် မဖြစ်စလောက် အဓိပ္ပါယ်များကို တွက်ချက်နည်းကို ပြသထားသည်။ ဥပမာ- marginal averages တွက်ချက်ခြင်း။ အောက်ဖော်ပြပါ အရေးပေါ်ဇယားတွင် စာမေးပွဲအတွက် ပြင်ဆင်ရန် မတူညီသော လေ့လာမှုနည်းပညာသုံးမျိုးကို အသုံးပြုခဲ့သည့် ကျောင်းသား 100 ၏ ပျမ်းမျှ စာမေးပွဲရမှတ်ကို ပြသထားသည်။...

contingency table သည် categorical variable နှစ်ခုကြားရှိ ဆက်စပ်မှုကို အကျဉ်းချုပ်ဖော်ပြသော ဇယားအမျိုးအစားတစ်ခုဖြစ်သည်။ Python တွင် အရေးပေါ်ဇယားတစ်ခုဖန်တီးရန်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် pandas.crosstab() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။ pandas.crosstab(အညွှန်း၊ ကော်လံ) ရွှေ- အညွှန်း- အရေးပေါ်ဇယား၏အတန်းများတွင် ပြသရန် ကိန်းရှင်၏အမည် ကော်လံများ- အရေးပေါ်ဇယား၏ ကော်လံများတွင် ပြသရန် ကိန်းရှင်၏အမည် အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် Python တွင် အရေးပေါ်အခြေအနေဇယားတစ်ခုဖန်တီးရန် ဤလုပ်ဆောင်ချက်ကို အသုံးပြုနည်းကို ပြသထားသည်။ အဆင့် 1:...

Bonferroni အမှားပြင်ဆင်ခြင်းသည် Type I အမှားပြုလုပ်နိုင်ခြေကို ထိန်းချုပ်ရန်အတွက် စာရင်းအင်းစမ်းသပ်မှုမိသားစုတစ်ခုအတွက် အယ်လ်ဖာ (α) အဆင့်ကို ချိန်ညှိခြင်းလုပ်ငန်းစဉ်ကို ရည်ညွှန်းသည်။ Bonferroni ပြုပြင်ခြင်းအတွက် ဖော်မြူလာမှာ အောက်ပါအတိုင်းဖြစ်သည်။ α new = α မူရင်း / n ရွှေ- မူရင်း α- မူရင်း α အဆင့် n- နှိုင်းယှဉ်မှု သို့မဟုတ် စမ်းသပ်မှု စုစုပေါင်းအရေအတွက် ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် ကိန်းဂဏန်းစမ်းသပ်မှုသုံးခုကို တစ်ပြိုင်နက်လုပ်ဆောင်နေပြီး စမ်းသပ်မှုတစ်ခုစီအတွက် α =...