Category: လမ်းညွှန်

နမူနာနှစ်ခု t-test ကို လူဦးရေ နှစ်ခု၏ အဓိပ္ပါယ်သည် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုပါသည်။ ဤသင်ခန်းစာသည် Excel တွင် နမူနာနှစ်ခု t-test ၏ရလဒ်များကို မည်သို့အဓိပ္ပာယ်ပြန်ဆိုရမည်ကို အပြည့်အစုံလမ်းညွှန်ပေးပါသည်။ အဆင့် 1: ဒေတာကိုဖန်တီးပါ။ ဇီဝဗေဒပညာရှင်တစ်ဦးသည် မတူညီသော အပင်မျိုးစိတ်နှစ်ခု၏ ပျမ်းမျှအရပ်အမြင့် တူညီမှုရှိမရှိ သိလိုသည်ဆိုပါစို့။ ၎င်းကိုစမ်းသပ်ရန်အတွက် သူမသည် မျိုးစိတ်တစ်ခုစီ၏ အပင် 20 ၏ ရိုးရှင်းသော ကျပန်းနမူနာကို ယူသည်- အဆင့် 2- နမူနာနှစ်ခု t-test...

ကိန်းဂဏန်းတစ်ခုအား R ဖြင့် ရက်စွဲတစ်ခုသို့ လျင်မြန်စွာပြောင်းရန် နည်းလမ်းနှစ်ခုထဲမှ တစ်ခုကို သင်သုံးနိုင်သည်။ နည်းလမ်း 1- Base R ကိုသုံးပါ။ as. Date (factor_variable, format = ' %m/%d/%Y ') နည်းလမ်း 2: Lubricate ကိုသုံးပါ။ library (lubridate) mdy(factor_variable) အောက်ပါဥပမာများသည် အောက်ပါဒေတာဘောင်ဖြင့် နည်းလမ်းတစ်ခုစီကို အသုံးပြုနည်းကို ပြသသည်- #create data frame df <- data. frame (day=factor(c('1/1/2020',...

Multiple linear regression သည် များစွာသော ကြိုတင်ခန့်မှန်းကိန်းရှင်များနှင့် တုံ့ပြန်မှု variable အကြား ဆက်နွယ်မှုကို နားလည်ရန် ကျွန်ုပ်တို့ အသုံးပြုနိုင်သည့် ကိန်းဂဏန်းဆိုင်ရာ နည်းလမ်းတစ်ခုဖြစ်သည်။ သို့သော်၊ မျဉ်းကြောင်းအတိုင်း ဆုတ်ယုတ်မှု အများအပြားကို မလုပ်ဆောင်မီ၊ ကျွန်ုပ်တို့သည် ယူဆချက်ငါးခု ပြည့်မီကြောင်း ဦးစွာ သေချာစွာ စစ်ဆေးရပါမည်။ 1. Linear ဆက်ဆံရေး- ခန့်မှန်းသူ ကိန်းရှင် တစ်ခုစီနှင့် တုံ့ပြန်မှု ကိန်းရှင်တို့ကြား မျဉ်းဖြောင့် ဆက်စပ်မှု ရှိပါသည်။ 2. Multicollinearity မရှိ- ကြိုတင်ခန့်မှန်းကိန်းရှင်များ...

kernel density plot သည် စဉ်ဆက်မပြတ် မျဉ်းကွေးကို အသုံးပြု၍ ဒေတာအတွဲတစ်ခုတွင် တန်ဖိုးများ ဖြန့်ဝေမှုကို ပြသသည့် ကွက်ကွက်အမျိုးအစားတစ်ခုဖြစ်သည်။ kernel density plot သည် histogram နှင့် ဆင်တူသည်၊ သို့သော် histogram တွင်အသုံးပြုထားသော bins အရေအတွက်ကြောင့် မထိခိုက်သောကြောင့် ဖြန့်ဖြူးမှုပုံစံကိုပြသရာတွင် ပိုကောင်းပါသည်။ R တွင် kernel density plot ကိုဖန်တီးရန် အောက်ပါနည်းလမ်းများကို အသုံးပြုနိုင်ပါသည်။ နည်းလမ်း 1- one-kernel သိပ်သည်းဆကြံစည်မှု ဖန်တီးပါ။ #define...

R တွင် အခြေအနေဆိုင်ရာ ပျမ်းမျှအား တွက်ချက်ရန် အောက်ပါ syntax ကို သုံးနိုင်သည်။ mean(df[df$team == ' A ', ' points ']) ၎င်းသည် “ အဖွဲ့” ကော်လံ “ A” နှင့် ညီမျှသည့် ဒေတာဘောင်ရှိ အတန်းတစ်ခုစီအတွက် “ အမှတ်” ကော်လံ၏ ပျမ်းမျှအား တွက်ချက်သည်။ အောက်ပါဥပမာများသည် အောက်ပါဒေတာဘောင်ဖြင့် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသသည်- #create...

R တွင် သင်တွေ့နိုင်သောသတိပေးစာမှာ- Warning message: In min(data): no non-missing arguments to min; returning Inf သုညအလျားရှိသော vector ၏ အနိမ့်ဆုံး သို့မဟုတ် အမြင့်ဆုံးတန်ဖိုးကို ရှာတွေ့သည့်အခါတိုင်း ဤသတိပေးစာ ပေါ်လာသည်။ ၎င်းသည် သတိပေးချက် မက်ဆေ့ချ် တစ်ခုသာဖြစ်ပြီး သင့်ကုဒ်ကို အမှန်တကယ် လုပ်ဆောင်ခြင်းမှ တားဆီးမည်မဟုတ်ကြောင်း သတိပြုရန် အရေးကြီးပါသည်။ သို့သော် ဤသတိပေးစာကို လုံးဝရှောင်ရှားရန် အောက်ပါနည်းလမ်းများထဲမှ တစ်ခုကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1-...

ဒေတာဘောင်တစ်ခုကို R တွင် သေးငယ်သောဒေတာဘလောက်များစွာအဖြစ် ခွဲရန် အောက်ပါနည်းလမ်းသုံးမျိုးထဲမှ တစ်ခုကို သင်သုံးနိုင်သည်။ နည်းလမ်း 1- အတန်းတန်ဖိုးများကို အခြေခံ၍ ဒေတာဘောင်ကို ကိုယ်တိုင် ပိုင်းခြားပါ။ #define first n rows to include in first data frame n <- 4 #split data frame into two smaller data frames df1 <- df[row. names (df)...

ဒေတာဘောင်တစ်ခုရှိ တန်ဖိုးများကို သတ်မှတ်ချက်အရ အစားထိုးရန် အောက်ပါနည်းလမ်းများထဲမှ တစ်ခုကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1: ဒေတာဘောင်တစ်ခုလုံးကိုဖြတ်ပြီး တန်ဖိုးများကို အစားထိုးပါ။ #replace all values in data frame equal to 30 with 0 df[df == 30 ] <- 0 Method 2: သီးခြားကော်လံတစ်ခုတွင် တန်ဖိုးများကို အစားထိုးပါ။ #replace values equal to 30 in 'col1'...

Pearson ဆက်စပ်ဆက်စပ်ကိန်း (“ထုတ်ကုန်-အခိုက်အတန့်ဆက်နွှယ်မှုကိန်းဂဏန်း”) သည် ကိန်းရှင်နှစ်ခုကြားရှိ မျဉ်းသားဆက်စပ်မှုကို တိုင်းတာသည်။ ၎င်းသည် အမြဲတမ်း -1 နှင့် 1 အကြား တန်ဖိုးတစ်ခုကို ယူသည်- -1 သည် ကိန်းရှင်နှစ်ခုကြားတွင် လုံးဝအပျက်သဘောဆောင်သော ဆက်စပ်ဆက်နွယ်မှုကို ညွှန်ပြသည်။ 0 သည် variable နှစ်ခုကြားတွင် linear ဆက်စပ်မှုမရှိဟု ညွှန်ပြသည်။ 1 သည် ကိန်းရှင်နှစ်ခုကြားတွင် လုံးဝအပြုသဘောဆောင်သောမျဉ်းကြောင်းဆက်စပ်မှုကို ညွှန်ပြသည်။ သို့သော်လည်း၊ ကိန်းရှင်နှစ်ခုကြားရှိ Pearson ဆက်စပ်ကိန်းကို မတွက်ချက်မီ၊ ယူဆချက်ငါးခုနှင့် ကိုက်ညီကြောင်း သေချာရပါမည်။...

Bayes ၏သီအိုရီသည် A နှင့် B ဖြစ်ရပ်နှစ်ခုအတွက် အောက်ပါအတိုင်းဖော်ပြထားသည် ။ P(A|B) = P(A)*P(B|A) / P(B) ရွှေ- P(A|B)- အဖြစ်အပျက် A၊ ပေးထားသည့် ဖြစ်ရပ် B သည် ဖြစ်နိုင်ခြေရှိသည်။ P(B|A)- ထိုအဖြစ်အပျက် B ဖြစ်ပေါ်လာသည့် အဖြစ်အပျက်ဖြစ်နိုင်ခြေသည် ဖြစ်ပေါ်လာသည်။ P(A)- ဖြစ်ရပ် A ၏ ဖြစ်နိုင်ခြေ P(B)- ဖြစ်ရပ် B ၏ ဖြစ်နိုင်ခြေ ဥပမာအားဖြင့်၊ ရာသီဥတု တိမ်ထူခြင်း...