Category: လမ်းညွှန်

Levene ၏ စမ်းသပ်မှုကို အုပ်စု နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများ တူညီကွဲပြားမှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ စာရင်းအင်းစစ်ဆေးမှုများစွာသည် အုပ်စုများတန်းတူကွဲလွဲမှုရှိသည်ဟူသော ယူဆချက်အပေါ် အားကိုးသောကြောင့် ဤအရာသည် စာရင်းဇယားများတွင် တွင်ကျယ်စွာအသုံးပြုသောစမ်းသပ်မှုဖြစ်သည်။ ဤသင်ခန်းစာသည် Excel တွင် Levene စာမေးပွဲကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။ ဥပမာ- Excel တွင် Levene စမ်းသပ်မှု မတူညီသော ဓာတ်မြေသြဇာသုံးမျိုးသည် အပင်ကြီးထွားမှုအဆင့် ကွဲပြားစေခြင်း ရှိမရှိ သုတေသီများ သိချင်ကြသည်။ ၎င်းတို့သည် မတူညီသောအပင်...

အုပ်စုတစ်ခုစီတွင် တူညီသောဘာသာရပ်များပေါ်လာသည့် အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသောအုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသောခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် ထပ်ခါတလဲလဲတိုင်းတာမှုများကို ANOVA ကို အသုံးပြုသည်။ ဤသင်ခန်းစာသည် Excel တွင် ANOVA တစ်ကြောင်းတည်းဖြင့် ထပ်ခါတလဲလဲတိုင်းတာနည်းကို ရှင်းပြထားသည်။ ဥပမာ- Excel တွင် ANOVA ထပ်ခါတလဲလဲ တိုင်းတာမှုများ မတူညီသော ဆေးဝါးလေးမျိုးသည် မတူညီသော တုံ့ပြန်မှုအကြိမ်များကို ဖြစ်စေကြောင်း သုတေသီများက သိချင်ကြသည်။ ယင်းကို စမ်းသပ်ရန်အတွက် ၎င်းတို့သည် မတူညီသော ဆေးဝါးလေးမျိုးအား လူနာများ၏ တုံ့ပြန်မှုအကြိမ်ငါးကြိမ်ကို တိုင်းတာသည်။ လူနာတစ်ဦးစီအား...

Hierarchical regression သည် မတူညီသော linear model အများအပြားကို နှိုင်းယှဉ်ရန် အသုံးပြုနိုင်သော နည်းပညာတစ်ခုဖြစ်သည်။ အခြေခံအယူအဆမှာ ကျွန်ုပ်တို့သည် ပထမဦးစွာ ရှင်းလင်းချက်ပြောင်းနိုင်သောကိန်းရှင်တစ်ခုဖြင့် linear regression model ကို ဖြည့်သွင်းရန်ဖြစ်သည်။ ထို့နောက်၊ ကျွန်ုပ်တို့သည် အပိုရှင်းပြချက်ကိန်းရှင်ကို အသုံးပြု၍ အခြားသော ဆုတ်ယုတ်မှုပုံစံနှင့် ကိုက်ညီပါသည်။ R-squared (ရှင်းပြချက် variable များဖြင့် ရှင်းပြနိုင်သော တုံ့ပြန်မှုကိန်းရှင်တွင် ကွဲလွဲမှုအချိုးအစား) သည် ဒုတိယမော်ဒယ်ရှိ R-squared ထက် သိသိသာသာ မြင့်မားနေပါက၊ ၎င်းသည် ဒုတိယမော်ဒယ်သည်...

linear regression ၏ အဓိက ယူဆချက် တစ်ခုမှာ အကြွင်းအကျန်များ အကြား ဆက်နွယ်မှု မရှိကြောင်း၊ ဆိုလိုသည်မှာ အကြွင်းအကျန် များသည် သီးခြား ဖြစ်သည် ။ ဤယူဆချက်နှင့် ကိုက်ညီခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် နည်းလမ်းတစ်ခုမှာ ဆုတ်ယုတ်မှု၏ အကြွင်းအကျန်များတွင် autocorrelation ရှိနေခြင်းကို သိရှိရန် အသုံးပြုသည့် Durbin-Watson စမ်းသပ်မှုကို လုပ်ဆောင်ရန် ဖြစ်သည်။ ဤစမ်းသပ်မှုသည် အောက်ပါယူဆချက်များကို အသုံးပြုသည်- H 0 (null hypothesis): အကြွင်းအကျန်များကြား ဆက်စပ်မှုမရှိပါ။...

R တွင်ဖြန့်ချီမှုအတွက်ဖြစ်နိုင်ခြေသိပ်သည်းမှုလုပ်ဆောင်ချက်ကိုဆွဲရန်၊ အောက်ပါလုပ်ဆောင်ချက်များကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်- ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်ချက်ကို ဖန်တီးရန် dt(x၊ df) ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်မှုကို ကြံစည်ရန် curve(function၊ from = NULL၊ to = NULL) ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်မှုကို ကြံစည်ရန်၊ ကျွန်ုပ်တို့သည် dt() လုပ်ဆောင်ချက်တွင် df (လွတ်လပ်မှုဒီဂရီ) နှင့် curve() လုပ်ဆောင်ချက်ရှိ တန်ဖိုးများ အဖြစ် သတ်မှတ်ရန် လိုအပ်သည်။ ဥပမာအားဖြင့်၊ အောက်ဖော်ပြပါကုဒ်သည် ကွက်ကွက်၏ x-ဝင်ရိုးသည် -4 နှင့် 4 ကြားတွင် လွတ်လပ်မှု 10...

R တွင် log-normal distribution အတွက် ဖြစ်နိုင်ခြေသိပ်သည်းမှု လုပ်ဆောင်ချက်ကို ကြံစည်ရန်၊ ကျွန်ုပ်တို့သည် အောက်ပါလုပ်ဆောင်ချက်များကို အသုံးပြုနိုင်ပါသည်။ ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်ချက်ကိုဖန်တီးရန် dlnorm(x၊ meanlog = 0၊ sdlog = 1) ။ ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်မှုကို ကြံစည်ရန် curve(function၊ from = NULL၊ to = NULL) ။ ဥပမာအားဖြင့်၊ အောက်ဖော်ပြပါ ကုဒ်သည် ကွက်ကွက်၏ x ဝင်ရိုးမှ 10 မှ 0 မှ 10...

R တွင် binomial ဖြန့်ဝေမှု တစ်ခုအတွက် ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကို ဆွဲရန်၊ အောက်ပါလုပ်ဆောင်ချက်များကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်- ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကိုဖန်တီးရန် dbinom(x၊ အရွယ်အစား၊ prob) plot(x၊ y၊ type = ‘h’) ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကို ကြံစည်ရန်၊ ကွက်ကွက်သည် ဟီစတိုဂရမ်ဖြစ်သည် (type=’h’) ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကို ချရန်၊ အရွယ်အစားကို ရိုးရိုးရှင်းရှင်း သတ်မှတ်ပါ။   dbinom() လုပ်ဆောင်ချက်ရှိ (ဥပမာ- စမ်းသပ်မှုအရေအတွက်) နှင့် prob (ဥပမာ- စမ်းသပ်မှုတစ်ခုတွင် အောင်မြင်မှုဖြစ်နိုင်ခြေ)။ ဥပမာအားဖြင့်၊ အောက်ပါကုဒ်သည် အရွယ်အစား...

R တွင် Poisson ဖြန့်ဖြူးမှုအတွက် ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကိုဆွဲရန်၊ အောက်ပါလုပ်ဆောင်ချက်များကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်- ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကိုဖန်တီးရန် dpois(x၊ lambda) plot(x၊ y၊ type = ‘h’) ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကို ကြံစည်ရန်၊ ကွက်ကွက်သည် ဟီစတိုဂရမ်ဖြစ်သည် (type=’h’) ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကို ကြံစည်ရန် lambda ကို ရိုးရှင်းစွာသတ်မှတ်ပါ။   dpois() လုပ်ဆောင်ချက်ရှိ (ဥပမာ ဖြစ်ရပ်များ၏ ဖြစ်ပျက်မှုနှုန်း)။ ဥပမာအားဖြင့်၊ အောက်ဖော်ပြပါကုဒ်သည် lambda = 5 ဖြင့် Poisson ဖြန့်ဖြူးမှုအတွက် ဖြစ်နိုင်ခြေအစုလိုက်အပြုံလိုက်လုပ်ဆောင်ချက်ကို မည်သို့ရေးဆွဲရမည်ကို...

Weibull ဖြန့်ဝေမှုအတွက် ဖြစ်နိုင်ခြေသိပ်သည်းမှုလုပ်ဆောင်ချက်ကို R တွင်ဆွဲရန်၊ အောက်ပါလုပ်ဆောင်ချက်များကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်- ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်ချက်ကို ဖန်တီးရန် dweibull(x၊ ပုံသဏ္ဍာန်၊ အတိုင်းအတာ = 1) ။ ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်မှုကို ကြံစည်ရန် curve(function၊ from = NULL၊ to = NULL) ။ ဖြစ်နိုင်ခြေသိပ်သည်းဆလုပ်ဆောင်မှုကို ကြံစည်ရန်၊ ကျွန်ုပ်တို့သည် dweibull လုပ်ဆောင်ချက်ရှိ ပုံသဏ္ဍာန် နှင့် စကေးပါရာ မီတာ၏တန်ဖိုးအပြင် curve() လုပ်ဆောင်ချက်ရှိ တန်ဖိုးများ မှ နှင့် အထိ တန်ဖိုးများကို...

Mann-Kendall trend test ကို time series data မှာ trend ရှိ/မရှိ ဆုံးဖြတ်ဖို့ သုံးပါတယ်။ ဤသည်မှာ ပါရာမက်ထရစ်မဟုတ်သော စမ်းသပ်မှုဖြစ်ပြီး၊ ဆိုလိုသည်မှာ ဒေတာ၏ ပုံမှန်ဖြစ်တည်မှုနှင့် ပတ်သက်၍ နောက်ခံယူဆချက်များ မပြုလုပ်ရပါ။ စမ်းသပ်မှုယူဆချက်မှာ အောက်ပါအတိုင်းဖြစ်သည်။ H 0 (null hypothesis): ဒေတာတွင် လမ်းကြောင်းမရှိပေ။ H A (အစားထိုးယူဆချက်)- လမ်းကြောင်းတစ်ခုသည် ဒေတာတွင် ရှိနေသည်။ (ဒါက အပြုသဘော ဒါမှမဟုတ် အဆိုးမြင်လမ်းကြောင်း ဖြစ်နိုင်ပါတယ်) အကယ်၍...