Category: လမ်းညွှန်

R ရှိ ဒေတာဘောင်မှ အတန်းများစွာကို ဖျက်ရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1- သီးခြားအတန်းများကို ဖျက်ပါ။ #remove rows 2, 3, and 4 new_df <- df[-c(2, 3, 4), ] နည်းလမ်း 2- အတန်းအပိုင်းကို ဖယ်ရှားပါ။ #remove rows 2 through 5 new_df <- df[-c(2:5), ] နည်းလမ်း 3- နောက်ဆုံး N လိုင်းများကို...

R တွင် ပုံမှန် CDF (စုစည်းဖြန့်ဝေမှုလုပ်ဆောင်ချက်) ဖြင့် အလုပ်လုပ်ရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်ပါသည်။ နည်းလမ်း 1- ပုံမှန် CDF ဖြစ်နိုင်ခြေများကို တွက်ချက်ပါ။ #calculate probability that random value is less than 1.96 in normal CDF pnorm(1.96) #calculate probability that random value is greater than 1.96 in normal CDF pnorm(1.96,...

R ရှိ View() လုပ်ဆောင်ချက်ကို RStudio တွင် spreadsheet ပုံစံဒေတာကြည့်ရှုသူကို ခေါ်ရန် သုံးနိုင်သည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါ syntax ကိုအသုံးပြုသည်- View(df) မှတ်ချက် – ဤအင်္ဂါရပ်ကိုအသုံးပြုသည့်အခါ စာလုံးအကြီး “V” ကို ရိုက်ထည့်ရန် သေချာပါစေ။ အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။ View() function ကို ဘယ်လိုသုံးမလဲ။ အတန်း 100 နှင့် ကော်လံ 2 ခုပါသော...

Bivariate data သည် variable နှစ်ခုတိတိပါဝင်သော ဒေတာအစုံကို ရည်ညွှန်းသည်။ ဤဒေတာအမျိုးအစားသည် လက်တွေ့ကမ္ဘာအခြေအနေများတွင် အချိန်တိုင်းပေါ်လာပြီး ဤဒေတာအမျိုးအစားကိုခွဲခြမ်းစိတ်ဖြာရန် အောက်ပါနည်းလမ်းများကို ကျွန်ုပ်တို့အသုံးပြုလေ့ရှိသည်- တိမ်တွေညွှန်တယ်။ ဆက်စပ်ကိန်းများ ရိုးရှင်းသော linear ဆုတ်ယုတ်မှု အောက်ပါဥပမာများသည် လက်တွေ့ဘဝတွင် bivariate data များပေါ်လာသည့် မတူညီသောအခြေအနေများကိုပြသသည်။ ဥပမာ 1- စီးပွားရေး ကုမ္ပဏီများသည် ကြော်ငြာခနှင့် စုစုပေါင်းဝင်ငွေအတွက် အသုံးပြုသည့် စုစုပေါင်းငွေအပေါ် ကွဲပြားသော အချက်အလက်များကို စုဆောင်းလေ့ရှိသည်။ ဥပမာအားဖြင့်၊ ကုမ္ပဏီတစ်ခုသည် 12 ဆက်တိုက် အရောင်းသုံးလပတ်များအတွက် အောက်ပါဒေတာများကို...

bivariate analysis ဟူသော ဝေါဟာရသည် ကိန်းရှင်နှစ်ခု၏ ခွဲခြမ်းစိတ်ဖြာမှုကို ရည်ညွှန်းသည်။ ရှေ့ဆက် “ bi” သည် “ နှစ်ခု” ဖြစ်သောကြောင့်၎င်းကိုသင်မှတ်မိနိုင်သည်။ bivariate ခွဲခြမ်းစိတ်ဖြာခြင်း၏ပန်းတိုင်မှာ variable နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို နားလည်ရန်ဖြစ်သည်။ bivariate ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်ရန် ဘုံနည်းလမ်းသုံးမျိုးရှိသည်။ 1. တိမ်ညွှန် 2. ဆက်စပ်ကိန်းများ 3. ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှု အောက်ဖော်ပြပါ ဥပမာသည် ကိန်းရှင်နှစ်ခုတွင် အချက်အလက်များပါရှိသော အောက်ပါဒေတာအစုံကို အသုံးပြု၍ အဆိုပါ bivariate ခွဲခြမ်းစိတ်ဖြာမှု အမျိုးအစားတစ်ခုစီကို မည်သို့လုပ်ဆောင်ရမည်ကို...

univariate analysis ဟူသော ဝေါဟာရသည် ကိန်းရှင်တစ်ခု၏ ခွဲခြမ်းစိတ်ဖြာမှုကို ရည်ညွှန်းသည်။ ရှေ့ဆက် “ uni” သည် “ one” ဖြစ်သောကြောင့်၎င်းကိုသင်မှတ်မိနိုင်သည်။ ကိန်းရှင်တစ်ခုပေါ်တွင် တစ်မူထူးခြားသော ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်ရန် ဘုံနည်းလမ်းသုံးမျိုးရှိပါသည်။ 1. အကျဉ်းချုပ်စာရင်းအင်းများ – တန်ဖိုးများကို ဗဟိုချက်နှင့် ဖြန့်ဖြူးမှုကို တိုင်းတာသည်။ 2. ကြိမ်နှုန်းဇယား – မတူညီသောတန်ဖိုးများ မည်မျှပေါ်လာသည်ကို ဖော်ပြသည်။ 3. ဇယားများ – တန်ဖိုးများ ဖြန့်ဖြူးမှုကို မြင်သာစေရန် အသုံးပြုသည်။ ဤသင်ခန်းစာသည် အောက်ဖော်ပြပါ...

bivariate analysis ဟူသော ဝေါဟာရသည် ကိန်းရှင်နှစ်ခု၏ ခွဲခြမ်းစိတ်ဖြာမှုကို ရည်ညွှန်းသည်။ ရှေ့ဆက် “ bi” သည် “ နှစ်ခု” ဖြစ်သောကြောင့်၎င်းကိုသင်မှတ်မိနိုင်သည်။ bivariate ခွဲခြမ်းစိတ်ဖြာခြင်း၏ပန်းတိုင်မှာ variable နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို နားလည်ရန်ဖြစ်သည်။ bivariate ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်ရန် ဘုံနည်းလမ်းသုံးမျိုးရှိသည်။ 1. တိမ်ညွှန် 2. ဆက်စပ်ကိန်းများ 3. ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှု အောက်ပါဥပမာသည် ကိန်းရှင်နှစ်ခုအကြောင်း အချက်အလက်ပါရှိသော အောက်ပါ pandas DataFrame ကိုအသုံးပြု၍ Python တွင် ဤ bivariate...

စာရင်းဇယားများတွင်၊ Gamma ဖြန့်ဝေမှုကို စောင့်ဆိုင်းချိန်နှင့် ပတ်သက်သော ဖြစ်နိုင်ခြေများကို နမူနာအဖြစ် အသုံးပြုလေ့ရှိသည်။ အောက်ပါနမူနာများသည် Python တွင် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော Gamma ဖြန့်ဝေမှုများကို ကြံစည်ရန် scipy.stats.gamma() လုပ်ဆောင်ချက်ကို အသုံးပြုနည်းကို ပြသထားသည်။ ဥပမာ 1- Gamma ဖြန့်ဝေမှုကို ကြံစည်ခြင်း။ အောက်ပါ ကုဒ်သည် ပုံသဏ္ဍာန် ဘောင် 5 နှင့် Python တွင် 3 ၏ ပုံသဏ္ဍာန် ဘောင်တစ်ခုပါရှိသော Gamma ဖြန့်ဝေပုံကို ကြံစည်ပုံကို...

အုပ်စုတစ်ခုစီတွင် တူညီသောဘာသာရပ်များပေါ်လာသည့် အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသောအုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသောခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် ထပ်ခါတလဲလဲတိုင်းတာမှုများကို ANOVA ကို အသုံးပြုသည်။ သို့သော် ANOVA ထပ်ခါတလဲလဲ အစီအမံများ မလုပ်ဆောင်မီ၊ အောက်ပါ ယူဆချက်များနှင့် ကိုက်ညီကြောင်း သေချာစေရမည်။ 1. လွတ်လပ်ရေး- ရှုမြင်မှုတိုင်းသည် အမှီအခိုကင်းရမည်။ 2. Normality- တုံ့ပြန်မှုကိန်းရှင်၏ ဖြန့်ဖြူးမှုကို ပုံမှန်အားဖြင့် ဖြန့်ဝေသည်။ 3. Sphericity- ဆက်စပ်အုပ်စုများ၏ ပေါင်းစပ်မှုအားလုံးကြားရှိ ကွဲလွဲမှုများသည် တန်းတူဖြစ်ရမည်။ ဤယူဆချက်များထဲမှ တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော...

R ကိုအသုံးပြုသောအခါတွင် သင်ကြုံတွေ့ရနိုင်သည့်သတိပေးစာမှာ- Warning message: In `[<-.factor`(`*tmp*`, iseq, value = "C"): invalid factor level, NA generated သတ်မှတ်ထားသောအဆင့်အဖြစ် တည်ရှိပြီးသားမဟုတ်သော R တွင် ကိန်းသေတစ်ခုသို့ တန်ဖိုးတစ်ခုထည့်ရန်ကြိုးစားသောအခါ ဤသတိပေးချက်သည် ဖြစ်ပေါ်ပါသည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤသတိပေးချက်ကို လက်တွေ့တွင် မည်သို့တုံ့ပြန်ရမည်ကို ပြသထားသည်။ သတိပေးချက်ကို ဘယ်လိုမျိုးပွားမလဲ။ R တွင် အောက်ပါ data frame ရှိသည်ဆိုပါစို့။ #create data frame...