Category: လမ်းညွှန်
လက်မ၏စည်းမျဉ်း ၊ တစ်ခါတစ်ရံ 68-95-99.7 စည်းမျဉ်းဟု ခေါ်သော၊ ပေးထားသောဒေတာအစုံအတွက် ပုံမှန်ဖြန့်ဝေမှုဖြင့် ဖော်ပြသည်- ဒေတာတန်ဖိုးများ၏ 68% သည် ဆိုလိုရင်း၏ စံသွေဖည်မှုတစ်ခုအတွင်းဖြစ်သည်။ ဒေတာတန်ဖိုးများ၏ 95% သည် ဆိုလိုရင်း၏ စံသွေဖည်မှုနှစ်ခုအတွင်း ရှိပါသည်။ ဒေတာတန်ဖိုးများ၏ 99.7% သည် စံသွေဖည်မှုသုံးမျိုးအတွင်း ကျရောက်သည်။ ဤကျူတိုရီရယ်တွင်၊ ကျွန်ုပ်တို့သည် ပေးထားသောဒေတာအစုံအတွက် Excel တွင် လက်မ၏စည်းကမ်းကို မည်သို့အသုံးပြုရမည်ကို ရှင်းပြထားသည်။ Excel တွင် လက်မ၏ စည်းကမ်းကို ကျင့်သုံးခြင်း။ ကျွန်ုပ်တို့တွင် ပျမ်းမျှအားဖြင့် 7...
စာရင်းဇယားများတွင် ဒေတာအစုတစ်ခု၏ ပျမ်းမျှ သည် ပျမ်းမျှတန်ဖိုးဖြစ်သည်။ ဒေတာအတွဲ၏ “ ဗဟို” သည် မည်သည့်နေရာတွင်ရှိသည်ကို အကြံဥာဏ်ပေးသောကြောင့် ၎င်းသည် ကျွန်ုပ်တို့အား သိရှိရန် အသုံးဝင်ပါသည်။ ၎င်းကို ရိုးရှင်းသော ဖော်မြူလာဖြင့် တွက်ချက်သည်- ပျမ်းမျှ = (လေ့လာချက်ပေါင်းလဒ်) / (လေ့လာတွေ့ရှိချက်အရေအတွက်) ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် အောက်ပါဒေတာအစုံရှိသည်ဆိုပါစို့။ [၁၊ ၄၊ ၅၊ ၆၊ ၇] ဒေတာအတွဲ၏ ပျမ်းမျှသည် (1+4+5+6+7) / (5) = 4.6 ဖြစ်သည်။ သို့သော်...
စာရင်းဇယားများတွင်၊ ဖြန့်ဖြူးမှုတစ်ခုတွင် တန်ဖိုးများ မည်မျှကျယ်ပြန့်သည်ကို ကျွန်ုပ်တို့ သိလိုကြသည်။ ပျံ့နှံ့မှုကို တိုင်းတာရန် ရေပန်းစားသောနည်းလမ်းမှာ ဒေတာအစုတစ်ခု၏ ပထမ quartile နှင့် တတိယ quartile အကြားခြားနားချက်အဖြစ် တွက်ချက်ထားသည့် interquartile range ဖြစ်သည်။ Quartiles များသည် data set တစ်ခုကို လေးပိုင်းအညီအမျှခွဲပေးသော ရိုးရှင်းသောတန်ဖိုးများဖြစ်သည်။ ဥပမာ- interquartile အပိုင်းအခြားကို တွက်ချက်ခြင်း။ အောက်ပါဥပမာသည် ပေးထားသောဒေတာအတွဲအတွက် interquartile အကွာအဝေးကို တွက်ချက်နည်းကို ပြသည်- အဆင့် 1: တန်ဖိုးများကို အသေးဆုံးမှ...
ဤသင်ခန်းစာသည် Excel ရှိ ဒေတာအတွဲတစ်ခု၏ ကွာတားအကွာအဝေးကို တွက်ချက်နည်းကို ရှင်းပြထားသည်။ interquartile range ကဘာလဲ။ interquartile range ကို မကြာခဏ IQR ဟုခေါ်သည်၊ သည် data set တစ်ခု၏ 50% အလယ်တန်းခွဲဝေမှုကို တိုင်းတာသည့်နည်းလမ်းတစ်ခုဖြစ်သည်။ ဒေတာအစုတစ်ခု၏ ပထမ quartile* (Q1) နှင့် တတိယ quartile (Q3) အကြား ကွာခြားချက်အဖြစ် တွက်ချက်သည်။ *Quartiles များသည် data set တစ်ခုအား အညီအမျှ လေးပိုင်းခွဲကာ...
မကြာခဏဆိုသလို၊ ကျောင်းသားများသည် ကျောင်းတွင် အကြောင်းအရာတစ်ခုခုအကြောင်း လေ့လာသောအခါတွင်၊ သူတို့သည် စူးစမ်းလိုစိတ်ရှိကြသည်။ “ ဒါကို လက်တွေ့ဘဝမှာ ဘယ်အချိန်က သုံးတာလဲ။” » အချို့သော နည်းစနစ်များနှင့် နည်းလမ်းများသည် မထင်မရှားဖြစ်နေ၍ လက်တွေ့ကမ္ဘာအခြေအနေများတွင် ၎င်းတို့ကို လက်တွေ့အသုံးချရန် စိတ်ကူးရခက်သည့် စာရင်းဇယားများတွင် ယင်းသည် မကြာခဏဖြစ်လေ့ရှိသည်။ သို့သော်လည်း ANOVA (“ ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း” ၏ အတိုကောက်) သည် လက်တွေ့ဘဝ၏ နယ်ပယ်အသီးသီးတွင် အချိန်ပြည့်အသုံးပြုနေသည့် နည်းပညာတစ်ခုဖြစ်သည်။ ဤဆောင်းပါးတွင်၊ ANOVA ဆိုသည်မှာ ဘာလဲနှင့် လက်တွေ့ကမ္ဘာအခြေအနေများတွင်...
စာရင်းဇယားများတွင်၊ ဖြစ်နိုင်ခြေဖြန့်ဝေမှုပုံစံကိုဖော်ပြရန် kurtosis ကိုအသုံးပြုသည်။ အတိအကျအားဖြင့်၊ ၎င်းသည် အမြီးများအတွင်း သို့မဟုတ် ဖြန့်ဖြူးမှုတစ်ခု၏ထိပ်တွင် ဒေတာတန်ဖိုးများ အစုအဝေးတွင် မည်မျှကောင်းမွန်ကြောင်း ကျွန်ုပ်တို့ကိုပြောပြသည်။ ဖြန့်ဖြူးမှုတစ်ခု၏ kurtosis သည် အနုတ်လက္ခဏာ၊ သုည သို့မဟုတ် အပြုသဘော ဖြစ်နိုင်သည်။ သုည Kurtosis ဖြန့်ဖြူးမှုတစ်ခုတွင် 0 kurtosis ရှိပါက၊ ၎င်းသည် အောက်ဖော်ပြပါ ခေါင်းလောင်းပုံသဏ္ဍာန်ရှိသော ပုံမှန်ဖြန့်ဝေမှုနှင့် ညီမျှသည်- အပြုသဘော kurtosis ဖြန့်ဖြူးမှုတစ်ခုတွင် positive kurtosis ရှိပါက၊ ၎င်းကို leptokurtic ဟုဆိုသည်၊...
စမ်းသပ်မှုတစ်ခုတွင်၊ အဓိကပြောင်းလဲမှုနှစ်ခုရှိသည်။ အမှီအခိုကင်းသော ကိန်းရှင်- အမှီအခိုကင်းသော ကိန်းရှင်အပေါ် သက်ရောက်မှုများကို သတိပြုနိုင်စေရန် အလို့ငှာ စမ်းသပ်သူမှ မွမ်းမံပြင်ဆင် သို့မဟုတ် ထိန်းချုပ်သည့် ကိန်းရှင်။ မှီခိုသောကိန်းရှင်- အမှီအခိုကင်းသောကိန်းရှင်အပေါ် “ မှီခို” ဖြစ်သော စမ်းသပ်မှုတစ်ခုတွင် တိုင်းတာသည့်ကိန်းရှင်။ စမ်းသပ်မှုတစ်ခုတွင်၊ အမှီအခိုကင်းသော ကိန်းရှင်ကို ပြောင်းလဲခြင်း သို့မဟုတ် ကြိုးကိုင်ခြင်း၏ ရလဒ်အဖြစ် စမ်းသပ်သူသည် မှီခိုနေသော ကိန်းရှင်ကို မည်သို့ပြောင်းလဲသည်ကို မြင်လိုပါသည်။ Independent and Dependent Variable ၏ ဥပမာ ဥပမာအားဖြင့်၊ သုတေသီတစ်ဦးသည်...
စာရင်းဇယားများတွင်၊ ကျွန်ုပ်တို့သည် ဒေတာအစုတစ်ခုအား မည်သို့ဖြန့်ဝေကြောင်းကို မကြာခဏ နားလည်လိုကြသည်။ အထူးသဖြင့်၊ ဖြန့်ဖြူးမှုနှင့်ပတ်သက်၍ သိရန် အသုံးဝင်သည့်အချက်လေးချက်ရှိသည်။ ၁ ။ ပုံသဏ္ဍာန် ဖြန့်ချီမှုသည် အချိုးညီညီ သို့မဟုတ် တစ်ဖက်သို့ စောင်းနေပါသလား။ ဖြန့်ဖြူးမှုသည် unimodal (one peak) သို့မဟုတ် bimodal ( two peaks) လား။ 2. Outliers ဖြန့်ဖြူးမှုတွင် အစွန်းအထင်းများ ရှိပါသလား။ 3. စင်တာ ဆိုလိုရင်း၊ ပျမ်းမျှနှင့် ဖြန့်ဖြူးမှုပုံစံက ဘာလဲ? 4.Spread အကွာအဝေး၊...
လိုက်ဖက်ညီသော အတွဲဒီဇိုင်း သည် စမ်းသပ်မှုတစ်ခုတွင် ကုသမှုအခြေအနေနှစ်ခုသာရှိသောအခါ အသုံးပြုသည့် စမ်းသပ်ဒီဇိုင်းတစ်ခုဖြစ်သည်။ စမ်းသပ်မှုပါ အကြောင်းအရာများကို အသက် သို့မဟုတ် ကျား၊ ထို့နောက် အတွဲတစ်ခုစီတွင် ဘာသာရပ်များကို မတူညီသောကုသမှုများအတွက် ကျပန်းသတ်မှတ်ပေးသည်။ Matched Pairs Design နမူနာ သုတေသီများသည် စံအစားအစာတစ်ခုနှင့် နှိုင်းယှဉ်ပါက ကိုယ်အလေးချိန်ကျခြင်းကို မည်သို့အကျိုးသက်ရောက်သည်ကို သုတေသီများက သိချင်သည်ဆိုပါစို့။ ဤစမ်းသပ်ချက်တွင် ကုသမှုအခြေအနေ နှစ်ခုသာ (အစားအသောက်အသစ်နှင့် ပုံမှန်အစားအစာ) ဖြစ်သောကြောင့် ၎င်းတို့သည် လိုက်ဖက်သောအတွဲဒီဇိုင်းကို အသုံးပြုနိုင်ပါသည်။ ၎င်းတို့သည် ဘာသာရပ် 100 ကိုစုဆောင်းပြီးနောက်...
ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုသည် ကြိုတင်ခန့်မှန်းကိန်းရှင်တစ်ခု၊ x နှင့် တုံ့ပြန်မှုကိန်းရှင် y အကြား ဆက်နွယ်မှုကို နားလည်ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် နည်းလမ်းတစ်ခုဖြစ်သည်။ ကျွန်ုပ်တို့သည် ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်သောအခါ၊ ခန့်မှန်းသူကိန်းရှင်၏တန်ဖိုးအပေါ်အခြေခံ၍ တုံ့ပြန်မှုကိန်းရှင်၏ ခန့်မှန်းတန်ဖိုးကို ပြောပြသည့် မော်ဒယ်တစ်ခုကို ရရှိပါသည်။ ကျွန်ုပ်တို့၏မော်ဒယ်သည် ပေးထားသောဒေတာအတွဲတစ်ခုနှင့် ကိုက်ညီမှုရှိမရှိကို အကဲဖြတ်ရန် နည်းလမ်းတစ်ခုမှာ ပျမ်းမျှနှစ်ထပ်ကိန်းအမှားကို တွက်ချက်ရန်ဖြစ်ပြီး ကျွန်ုပ်တို့၏ခန့်မှန်းထားသောတန်ဖိုးများသည် ကျွန်ုပ်တို့၏ခန့်မှန်းထားသောတန်ဖိုးများမှ ပျမ်းမျှအားဖြင့် မည်မျှအကွာအဝေးကိုပြသသည့် မက်ထရစ်တစ်ခုဖြစ်သည်။ RMSE ဟုခေါ်သော အများအားဖြင့် ပျမ်းမျှစတုရန်းအမှားကို ရှာဖွေခြင်းအတွက် ဖော်မြူလာမှာ- RMSE =...