Category: လမ်းညွှန်

ဒေတာအတွဲတစ်ခုအား မတူညီသောပုံစံနှစ်မျိုးဖြင့် ရေးသားနိုင်သည်- အကျယ် နှင့် အရှည် ။ ကျယ် ပြန့်သောဖော်မတ်တွင် ပထမကော်လံတွင် ထပ် မလုပ်သော တန်ဖိုးများပါရှိသည်။ ဖော်မတ် ရှည် တစ်ခုတွင် ပထမကော်လံတွင် ပြန်လုပ်သည့် တန်ဖိုးများ ပါရှိသည်။ ဥပမာအားဖြင့်၊ မတူညီသောပုံစံများဖြင့် ဖော်ပြထားသော အတိအကျတူညီသောဒေတာပါရှိသော အောက်ပါဒေတာအတွဲနှစ်ခုကို သုံးသပ်ကြည့်ပါ- တိုးချဲ့ ဒေတာအတွဲတွင် ပထမကော်လံရှိ တန်ဖိုးတစ်ခုစီသည် ထူးခြားကြောင်း သတိပြုပါ။ ဆန့်ကျင်ဘက်အားဖြင့်၊ ရှည်လျားသော ဒေတာအတွဲတွင်၊ ပထမကော်လံရှိ တန်ဖိုးများသည် ထပ်တလဲလဲဖြစ်သည်။ ဒေတာအတွဲနှစ်ခုစလုံးတွင် အတိအကျတူညီသောအဖွဲ့အချက်အလက်ပါရှိသည်၊ သို့သော်...

စာရင်းဇယားများတွင်၊ ကိစ္စများသည် ဒေတာအစုတစ်ခုရှိ တစ်ဦးချင်းစီကို ရိုးရှင်းစွာ ရည်ညွှန်းပါသည်။ ဒေတာအတွဲအများစုတွင်၊ ကျွန်ုပ်တို့တွင် အမှုတွဲများ (တစ်ဦးချင်းစီ) နှင့် ကွဲပြားမှုများ (တစ်ဦးချင်းစီ၏ အရည်အချင်းများ) ရှိသည်။ ဥပမာအားဖြင့်၊ အောက်ပါဒေတာအတွဲတွင် အမှုတွဲတစ်ခုစီအတွက် ကျွန်ုပ်တို့တိုင်းတာသည့် ကိန်းရှင် 10 နှင့် ကိန်းရှင် 3 ခုပါရှိသည်- ဖြစ်ရပ်တစ်ခုစီတွင် ကိန်းရှင်များ သို့မဟုတ် “ အရည်အချင်းများ” အများအပြားရှိသည်ကို သတိပြုပါ။ ဥပမာအားဖြင့်၊ ကစားသမားတစ်ဦးစီတွင် အမှတ်၊ ပံ့ပိုးမှုနှင့် ပြန်ကန်ချက်များအတွက် တန်ဖိုးရှိသည်။ ဖြစ်ရပ်များကို တစ်ခါတစ်ရံ စမ်းသပ်ယူနစ်...

မီးခိုးရောင်စကေး ပုံများကို အလွယ်တကူပြသရန် Matplotlib ရှိ cmap အငြင်းအခုံကို သင်သုံးနိုင်သည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤအငြင်းအခုံကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။ ဥပမာ- Matplotlib တွင် မီးခိုးရောင်စကေးဖြင့် ပုံပြသည်။ Matplotlib တွင် ပြသလိုသော ပုံသဏ္ဍာန် ဟုခေါ်သော အောက်ပါပုံရှိသည် ။JPG ရှိသည် ဆိုကြပါစို့။ မူရင်းအရောင်များကို အသုံးပြု၍ ဤပုံကိုပြသရန် အောက်ပါ syntax ကို သုံးနိုင်သည်- import numpy as np import matplotlib....

နမူနာကို ပုံမှန်ဖြန့်ဝေခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် Kolmogorov-Smirnov စမ်းသပ်မှုကို အသုံးပြုသည်။ ကိန်းဂဏန်းစမ်းသပ်မှုများနှင့် လုပ်ထုံးလုပ်နည်းများစွာသည် ဒေတာကို ပုံမှန်ဖြန့်ဝေသည်ဟု ယူဆသော ကြောင့် ဤစမ်းသပ်မှုကို ကျယ်ကျယ်ပြန့်ပြန့်အသုံးပြုသည်။ အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် Excel ရှိ နမူနာဒေတာအတွဲတစ်ခုတွင် Kolmogorov-Smirnov စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။ အဆင့် 1: ဒေတာကိုထည့်ပါ။ နမူနာအရွယ်အစား n = 20 ရှိသော ဒေတာအတွဲတစ်ခုမှ တန်ဖိုးများကို ထည့်သွင်းခြင်းဖြင့် စတင်ကြပါစို့။ အဆင့် 2- ပုံမှန်ဖြန့်ဖြူးမှုမှ...

R ရှိ scale() လုပ်ဆောင်ချက်ကို vector၊ matrix သို့မဟုတ် data frame တွင် တန်ဖိုးများကို စကေးသတ်မှတ်ရန် အသုံးပြုနိုင်သည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါအခြေခံ syntax ကိုအသုံးပြုသည်- scale(x, center = TRUE , scale = TRUE ) ရွှေ- x : စကေးချရန် အရာဝတ္ထုအမည် အလယ် : စကေးချဲ့တဲ့အခါ ပျမ်းမျှကို နုတ်မလား။ မူရင်းမှာ TRUE ဖြစ်သည်။ စကေး :...

Python တွင် သင်ကြုံတွေ့ရသော အမှားတစ်ခုမှာ- TypeError :Cannot perform 'rand_' with a dtyped [int64] array and scalar of type [bool] အခြေအနေများစွာကို အသုံးပြု၍ pandas DataFrame ကို စစ်ထုတ်ရန် ကြိုးပမ်းသောအခါတွင် ဤအမှားသည် ပုံမှန်အားဖြင့် ဖြစ်ပေါ်တတ်သော်လည်း အခြေအနေတစ်ခုစီတွင် ကွင်းစဥ်များကို အသုံးမပြုနိုင်ပါ။ အောက်ဖော်ပြပါ ဥပမာသည် ဤအမှားကို လက်တွေ့တွင် မည်သို့ပြုပြင်ရမည်ကို ပြသထားသည်။ အမှားကို ဘယ်လိုပြန်ထုတ်မလဲ။ ကျွန်ုပ်တို့တွင် အောက်ပါ...

ဒေတာအစုံကို ဗဟိုပြုခြင်း ဆိုသည်မှာ ဒေတာအစုအတွင်း တစ်ဦးချင်း စီ ကြည့်ရှုမှု တစ်ခုစီ၏ ပျမ်းမျှတန်ဖိုးကို နုတ်ယူခြင်းဖြစ်သည်။ ဒေတာအတွဲတစ်ခုကို ဗဟိုပြုပြီးသည်နှင့်၊ ဒေတာအတွဲ၏ ပျမ်းမျှတန်ဖိုးသည် သုညဖြစ်သွားသည်။ အောက်ပါနမူနာများသည် Python တွင် ဒေတာဗဟိုပြုနည်းကို ပြသထားသည်။ ဥပမာ 1- NumPy အခင်းအကျင်းတစ်ခု၏ တန်ဖိုးများကို ဗဟိုပြုပါ။ ကျွန်ုပ်တို့တွင် အောက်ပါ NumPy array ရှိသည်ဆိုပါစို့။ import numpy as np #create NumPy array data = np....

စမ်းသပ်မှုကြာချိန်ကို ပြောင်းလဲပြီးနောက် စမ်းသပ်မှုတစ်ခု၏ ယုံကြည်စိတ်ချရမှုကို ခန့်မှန်းရန် Spearman-Brown ဖော်မြူလာကို အသုံးပြုသည်။ ဖော်မြူလာမှာ- ခန့်မှန်းထားသည့် ယုံကြည်စိတ်ချရမှု = kr / (1 + (k-1)r) ရွှေ- k : စာမေးပွဲကြာချိန်ကို ပြုပြင်ထားသည့်အချက်။ ဥပမာအားဖြင့်၊ မူလစာမေးပွဲတွင် မေးခွန်း 10 ခုရှိပြီး စာမေးပွဲအသစ်တွင် မေးခွန်း 15 ခုပါလျှင် k = 15/10 = 1.5 ဖြစ်သည် ။ r : မူရင်းစမ်းသပ်မှု၏...

R ရှိ split() လုပ်ဆောင်ချက်ကို ကိန်းဂဏန်းအဆင့်များအလိုက် အုပ်စုများခွဲရန် အသုံးပြုနိုင်သည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါအခြေခံ syntax ကိုအသုံးပြုသည်- ပိုင်းခြားခြင်း(x၊ f၊ …) ရွှေ- x : အုပ်စုများခွဲရန် vector သို့မဟုတ် data block ၏အမည် f : အုပ်စုများကို သတ်မှတ်သည့်အချက် အောက်ပါဥပမာများသည် vector များနှင့် data frames များကို အုပ်စုများခွဲရန် ဤလုပ်ဆောင်ချက်ကို အသုံးပြုနည်းကို ပြသထားသည်။ ဥပမာ 1- vector ကို...

မော်ဒယ်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ဘောင်များသည် အချို့သောတန်ဖိုးများနှင့် တူညီမှုရှိမရှိ စမ်းသပ်ရန်အတွက် Wald စမ်းသပ်မှုကို အသုံးပြုနိုင်သည်။ ဆုတ်ယုတ်မှုပုံစံ တွင် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ခန့်မှန်းကိန်းရှင်များသည် သုညနှင့် ညီမျှခြင်းရှိမရှိ ဆုံးဖြတ်ရန် ဤစစ်ဆေးမှုကို မကြာခဏအသုံးပြုသည်။ ဤစစ်ဆေးမှုအတွက် ကျွန်ုပ်တို့သည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည်- H 0 : အချို့သော ကြိုတင်ခန့်မှန်းကိန်းရှင်အတွဲများသည် သုညနှင့်ညီသည်။ H A : အစုရှိ ကြိုတင်ခန့်မှန်းကိန်းရှင်အားလုံးသည် သုညနှင့်...