Category: လမ်းညွှန်
TI-84 ဂဏန်းတွက်စက်ပေါ်ရှိ z-score ၏ ရာခိုင်နှုန်းကို ရှာရန်၊ အောက်ပါ syntax ကို သုံးနိုင်သည်- normalcdf (-99၊ z-ရမှတ်၊ μ၊ σ) ရွှေ- µ = လူဦးရေကို ဆိုလိုသည်။ σ = လူဦးရေစံသွေဖည် TI-84 ဂဏန်းတွက်စက်ပေါ်တွင် ဤလုပ်ဆောင်ချက်ကို ဝင်ရောက်အသုံးပြုရန်၊ 2nd ကိုနှိပ်ပြီး VARS ကိုနှိပ်ပြီးနောက် normalcdf သို့ scroll ( ပြီး ENTER နှိပ်ပါ။ အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်ကို...
ပုံမှန် ဖြန့်ဝေထားသော ကျပန်းပြောင်းလဲနိုင်သော ဖြစ်နိုင်ခြေကို ရှာဖွေရန် အောက်ပါလုပ်ငန်းစဉ်ကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။ အဆင့် 1- z-score ကိုရှာပါ။ z-score သည် တစ်ဦးချင်းဒေတာတန်ဖိုးသည် ပျမ်းမျှအားဖြင့် စံသွေဖည်မည်မျှရှိသည်ကို ပြောပြသည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ z-score = (x – μ) / σ ရွှေ- x- တစ်ဦးချင်းဒေတာတန်ဖိုး μ: လူဦးရေ ပျမ်းမျှ σ: လူဦးရေစံသွေဖည် အဆင့် 2- z-score နှင့် ကိုက်ညီမည့် ဖြစ်နိုင်ခြေကို...
တစ်လမ်းသွား ANOVA ကို သုံးသော သို့မဟုတ် ထို့ထက်ပိုသော လွတ်လပ်သော အုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားမှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ဤသင်ခန်းစာသည် R in one-way ANOVA ၏ရလဒ်များကို မည်သို့အနက်ပြန်ဆိုရမည်ကို အပြည့်အစုံလမ်းညွှန်ပေးပါသည်။ အဆင့် 1: ဒေတာကိုဖန်တီးပါ။ မတူညီသော လေ့ကျင့်ရေးပရိုဂရမ်သုံးခုသည် လူတစ်ဦးချင်းစီတွင် မတူညီသော ပျမ်းမျှကိုယ်အလေးချိန်ကို ဖြစ်ပေါ်စေသည်ရှိမရှိ ဆုံးဖြတ်ရန်လိုသည်ဆိုပါစို့။ ၎င်းကိုစမ်းသပ်ရန်၊ ကျွန်ုပ်တို့သည် ပရိုဂရမ် A၊ ပရိုဂရမ် B သို့မဟုတ် ပရိုဂရမ်...
နမူနာနှစ်ခု t-test ကို လူဦးရေ နှစ်ခု၏ အဓိပ္ပါယ်သည် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုပါသည်။ ဤသင်ခန်းစာသည် R တွင် နမူနာနှစ်ခု t-test ၏ရလဒ်များကို မည်သို့အဓိပ္ပာယ်ပြန်ဆိုရမည်ကို အပြည့်အစုံလမ်းညွှန်ပေးထားသည်။ အဆင့် 1: ဒေတာကိုဖန်တီးပါ။ မတူညီသော အပင်မျိုးစိတ်နှစ်ခုသည် ပျမ်းမျှအမြင့် တူညီသည်ဆိုပါစို့။ ၎င်းကို စမ်းသပ်ရန်အတွက် မျိုးစိတ်တစ်ခုစီမှ အပင် 12 မျိုး၏ ရိုးရှင်းသော ကျပန်းနမူနာကို စုဆောင်းပါသည်။ #create vector of plant heights from...
Regression analysis သည် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ကြိုတင်ခန့်မှန်းကိန်းရှင်များနှင့် တုံ့ပြန်မှု variable အကြား ဆက်နွယ်မှုကို နားလည်ရန် ကျွန်ုပ်တို့ အသုံးပြုနိုင်သည့် နည်းလမ်းတစ်ခုဖြစ်သည်။ ဆုတ်ယုတ်မှုပုံစံတစ်ခုသည် ဒေတာအတွဲတစ်ခုနှင့် ကိုက်ညီမှုရှိမရှိကို အကဲဖြတ်ရန် နည်းလမ်းတစ်ခုမှာ မော်ဒယ်၏ခန့်မှန်းတန်ဖိုးများနှင့် ဒေတာအတွဲ၏ အမှန်တကယ်တန်ဖိုးများကြားရှိ ပျမ်းမျှအကွာအဝေးကို ပြောပြသည့် မက်ထရစ်တစ်ခုဖြစ်သည့် ပျမ်းမျှနှစ်ထပ်အမှားကို တွက်ချက်ခြင်းဖြစ်သည်။ RMSE နိမ့်လေ၊ ပေးထားသော မော်ဒယ်သည် ဒေတာအစုံကို “အံကိုက်” လုပ်နိုင်လေဖြစ်သည်။ ပျမ်းမျှစတုရန်းအမှားကို ရှာဖွေရန် ဖော်မြူလာ၊ မကြာခဏ အတိုကောက် RMSE...
ဆုတ်ယုတ်မှုပုံစံ တစ်ခုသည် ဒေတာ အတွဲ တစ်ခုနှင့် ကိုက်ညီမှုအား အကဲဖြတ်ရန်နည်းလမ်းတစ်ခုမှာ မော်ဒယ်၏ခန့်မှန်းတန်ဖိုးများနှင့် ဒေတာအစု၏ အမှန်တကယ်တန်ဖိုးများကြားရှိ ပျမ်းမျှအကွာအဝေးကို ပျမ်းမျှစတုရန်းအမှားကို တွက်ချက်ခြင်းဖြစ်သည်။ ဒေတာ။ ပျမ်းမျှစတုရန်းအမှားကို ရှာဖွေရန် ဖော်မြူလာ၊ မကြာခဏ အတိုကောက် RMSE သည်- RMSE = √ Σ(P i – O i ) 2 / n ရွှေ- ∑ သည် “ပေါင်း” ဟု အဓိပ္ပါယ်ရသော ဖန်စီသင်္ကေတတစ်ခုဖြစ်သည်။ P...
မော်ဒယ်တစ်ခု၏ ခန့်မှန်းချက် တိကျမှုကို တိုင်းတာရန် အသုံးအများဆုံး မက်ထရစ်များထဲမှ တစ်ခုသည် ပျမ်းမျှ အကြွင်းမဲ့ ရာခိုင်နှုန်း အမှား ဖြစ်ပြီး မကြာခဏ MAPE ဟု အတိုကောက် ခေါ်ဝေါ်ခြင်း ဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ MAPE = (1/n) * Σ(|အမှန်တကယ် – ခန့်မှန်းချက်| / |actual|) * 100 ရွှေ- ∑ – “ပေါင်း” ဟူသော သင်္ကေတ၊ n – နမူနာအရွယ်အစား အမှန်တကယ်...
စံသွေဖည်မှုကို နမူနာတစ်ခုတွင် တန်ဖိုးများ ဖြန့်ဖြူးမှုကို တိုင်းတာရန် အသုံးပြုသည်။ ပေးထားသော နမူနာတစ်ခု၏ စံသွေဖည်မှုကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။ √ Σ(x i – x bar ) 2 / (n-1) ရွှေ- ∑- “ပေါင်း” ဟူသော သင်္ကေတ၊ x i : နမူနာ၏ ith တန်ဖိုး x bar : နမူနာကိုဆိုလိုသည်။ n: နမူနာအရွယ်အစား စံသွေဖည်တန်ဖိုး ပိုမြင့်လေ၊...
ဆုတ်ယုတ်မှုပုံစံ သည် ဒေတာအစုံနှင့် မည်မျှကိုက်ညီကြောင်း တိုင်းတာရန် ကျန်ရှိသော စံအမှားကို အသုံးပြုသည်။ ရိုးရိုးရှင်းရှင်းအားဖြင့်၊ ၎င်းသည် ဆုတ်ယုတ်မှုပုံစံတစ်ခုရှိ ကျန်ရှိသော စံသွေဖည်မှုကို တိုင်းတာသည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ ကျန်နေသောစံအမှား = √ Σ(y – ŷ) 2 /df ရွှေ- y- စောင့်ကြည့်ထားသော တန်ဖိုး ŷ- ခန့်မှန်းတန်ဖိုး . ကျန်နေသောစံလွဲချော်မှု သေးငယ်လေ၊ ဆုတ်ယုတ်မှုပုံစံသည် ဒေတာအစုံနှင့် ပိုမိုကောင်းမွန်လေဖြစ်သည်။ အပြန်အလှန်အားဖြင့် ကျန်နေသောစံနှုန်းအမှားသည် မြင့်မားလေ၊ ဆုတ်ယုတ်မှုပုံစံသည် ဒေတာအစုံနှင့်...
ဒေတာအတွဲတစ်ခု၏ ကြားကွာတားအကွာအဝေးသည် မကြာခဏ အတိုကောက် IQR ဖြစ်သည်၊ သည် ဒေတာအစု၏ ပထမ quartile (25th ရာခိုင်နှုန်း) နှင့် တတိယ quartile (75th ရာခိုင်နှုန်း) အကြား ကွာခြားချက်ဖြစ်သည်။ ရိုးရှင်းသောအားဖြင့်၊ ၎င်းသည် တန်ဖိုးများ၏ အလယ် 50% အကြားသွေဖည်မှုကို တိုင်းတာသည်။ IQR = Q3 – Q1 ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် ဓာတ်ခွဲခန်းတစ်ခုတွင် မတူညီသောအပင် 17 (လက်မဖြင့်) အမြင့်ကိုပြသသော အောက်ပါဒေတာအစုံရှိသည်ဆိုပါစို့။ ဒေတာအတွဲ- ၁၊...