Category: လမ်းညွှန်

အမေရိကန် ဘောဂဗေဒပညာရှင် Max Lorenz ကို အစွဲပြု၍ Lorenz မျဉ်းကွေး သည် လူဦးရေ၏ ဝင်ငွေခွဲဝေမှုကို မြင်သာစေရန် နည်းလမ်းတစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာသည် Excel တွင် အောက်ဖော်ပြပါ Lorenz မျဉ်းကွေးကို ဖန်တီးပုံအဆင့်ဆင့်ကို ဥပမာပေးထားပါသည်။ သွားကြရအောင်! အဆင့် 1: ဒေတာကိုထည့်ပါ။ ဦးစွာ၊ ကျွန်ုပ်တို့သည် ကော်လံနှစ်ခုအတွက် တန်ဖိုးများကို ထည့်သွင်းရန် လိုအပ်သည်- တိုးပွားလာသော လူဦးရေနှင့် အချို့သော နိုင်ငံတစ်ခုရှိ လူတစ်ဦးချင်းစီ၏ တိုးပွားလာသော ၀င်ငွေ၊ ဤသည်မှာ တန်ဖိုးများကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံဖြစ်သည်...

ဤတစ်ဆင့်ပြီးတစ်ဆင့် သင်ခန်းစာသည် Excel တွင် အောက်ပါ log-normal distribution ကို မည်ကဲ့သို့ စီစဉ်ရမည်ကို ရှင်းပြထားသည်။ အဆင့် 1- X တန်ဖိုးများကို သတ်မှတ်ပါ။ ပထမဦးစွာ၊ ကျွန်ုပ်တို့၏ကြံစည်မှုအတွက်အသုံးပြုရန် X တန်ဖိုးများအကွာအဝေးကို သတ်မှတ်ကြပါစို့။ အဆင့် 2- Y တန်ဖိုးများကို တွက်ချက်ပါ။ ကွက်လပ်ပေါ်ရှိ y တန်ဖိုးများသည် ပုံမှန်မဟုတ်သော ဖြန့်ဖြူးမှုနှင့် ဆက်စပ်နေသည့် PDF တန်ဖိုးများကို ကိုယ်စားပြုမည်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် x-တန်ဖိုး 0.01၊ ပျမ်းမျှတန်ဖိုး 1 နှင့်...

အီတလီ စာရင်းအင်းပညာရှင် Corrado Gini ကို အစွဲပြု၍ အမည်ပေးထားသည့် Gini coefficient သည် လူဦးရေ၏ ဝင်ငွေခွဲဝေမှုကို တိုင်းတာသည့် နည်းလမ်းတစ်ခုဖြစ်သည်။ Gini coefficient ၏တန်ဖိုးသည် 0 မှ 1 အထိရှိပါသည်၊ မြင့်မားသောတန်ဖိုးများသည် ပိုကြီးသောဝင်ငွေမညီမျှမှုကို ကိုယ်စားပြုပြီး ၎င်းနေရာတွင်- ၀င် ငွေ တန်းတူညီမျှမှုကို ကိုယ်စားပြုသည် (လူတိုင်းတွင် တူညီသော ၀င်ငွေရှိသည်) 1 သည် ပြီးပြည့်စုံသော ၀င်ငွေမညီမျှမှုကို ကိုယ်စားပြုသည် (တစ်ဦးချင်းစီတွင် ဝင်ငွေအားလုံးရှိသည်) နိုင်ငံအလိုက် Gini...

အီတလီ စာရင်းအင်းပညာရှင် Corrado Gini ကို အစွဲပြု၍ အမည်ပေးထားသည့် Gini coefficient သည် လူဦးရေ၏ ဝင်ငွေခွဲဝေမှုကို တိုင်းတာသည့် နည်းလမ်းတစ်ခုဖြစ်သည်။ Gini coefficient ၏တန်ဖိုးသည် 0 မှ 1 အထိရှိပါသည်၊ မြင့်မားသောတန်ဖိုးများသည် ပိုကြီးသောဝင်ငွေမညီမျှမှုကို ကိုယ်စားပြုပြီး ၎င်းနေရာတွင်- ၀င် ငွေ တန်းတူညီမျှမှုကို ကိုယ်စားပြုသည် (လူတိုင်းတွင် တူညီသော ၀င်ငွေရှိသည်) 1 သည် ပြီးပြည့်စုံသော ၀င်ငွေမညီမျှမှုကို ကိုယ်စားပြုသည် (တစ်ဦးချင်းစီတွင် ဝင်ငွေအားလုံးရှိသည်) နိုင်ငံအလိုက် Gini...

လော့ဂ်-သာမန်ဖြန့်ဝေမှုနောက်ဆက်တွဲဖြစ်သော ကျပန်းပြောင်းလဲနိုင်သောကိန်းရှင်တစ်ခုကို ဖန်တီးရန်အတွက် Python ရှိ SciPy စာကြည့်တိုက်၏ lognorm() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်သည်။ အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။ ပုံမှန်မဟုတ်သော ဖြန့်ဖြူးမှုကို မည်သို့ထုတ်လုပ်မည်နည်း။ μ = 1 နှင့် σ = 1 ဖြင့် log-normal ဖြန့်ဝေမှုနောက်ဆက်တွဲဖြစ်သော ကျပန်းပြောင်းလဲမှုတစ်ခုကို ဖန်တီးရန် အောက်ပါကုဒ်ကို သင်အသုံးပြုနိုင်သည်- import math import numpy as np from scipy. stats...

R ရှိဒေတာဘောင်မှအတန်းများကိုထုတ်ယူရန်ဘုံနည်းလမ်းငါးခုရှိသည်။ နည်းလမ်း 1- အတန်းကို ရာထူးအလိုက် ထုတ်ယူပါ။ #extract row 2 df[2, ] နည်းလမ်း 2- နေရာအလိုက် အတန်းများစွာကို ထုတ်ယူပါ။ #extract rows 2, 4, and 5 df[c(2, 4, 5), ] နည်းလမ်း 3- အတန်းအပိုင်းအခြားကို ထုတ်ယူပါ။ #extract rows in range of 1 to 3 df[1:3, ]...

R ရှိ စာကြောင်းများမှ ကိုးကားချက်များကို ဖယ်ရှားရန် ဘုံနည်းလမ်းသုံးမျိုးရှိသည်။ နည်းလမ်း 1- print() ကိုသုံးပါ print(some_strings, quote= FALSE ) နည်းလမ်း 2- noquote() ကိုသုံးပါ noquote(some_strings) နည်းလမ်း 3: cat() ကိုသုံးပါ cat(some_strings) အောက်ပါနမူနာများသည် အောက်ပါ strings များ၏ vector ဖြင့် နည်းလမ်းတစ်ခုစီကို အသုံးပြုပုံကို ပြသသည်- #define vector of strings some_strings <- c("hey", "these",...

Vector ကို R တွင် စာရင်းတစ်ခုသို့ အမြန်ပြောင်းရန် as.list() လုပ်ဆောင်ချက်ကို သင်အသုံးပြုနိုင်ပါသည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါအခြေခံ syntax ကိုအသုံးပြုသည်- my_list <- as. list (my_vector) အောက်ဖော်ပြပါ ဥပမာသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။ ဥပမာ- vector ကို R ဖြင့် စာရင်းသို့ ပြောင်းပါ။ အောက်ပါကုဒ်သည် ဝက်ကို စာရင်းတစ်ခုသို့ ပြောင်းရန် as.list() လုပ်ဆောင်ချက်ကို အသုံးပြုနည်းကို ပြသသည်- #createvector my_vector <-...

LOESS ဆုတ်ယုတ်မှု (LOESS regression) ၊ တစ်ခါတစ်ရံတွင် ဒေသန္တရဆုတ်ယုတ်မှုဟုခေါ်သော၊ သည် ဒေတာအစုတစ်ခုနှင့် လိုက်လျောညီထွေဖြစ်စေရန်အတွက် ဒေသဆိုင်ရာ ပြုပြင်ပြောင်းလဲမှုကို အသုံးပြုသည့် နည်းလမ်းတစ်ခုဖြစ်သည်။ အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် R တွင် LOESS ဆုတ်ယုတ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။ အဆင့် 1: ဒေတာကိုဖန်တီးပါ။ အရင်ဆုံး R မှာ အောက်ပါ data frame ကို ဖန်တီးကြည့်ရအောင်။ #view DataFrame df <- data. frame (x=c(1,...

Linear interpolation သည် သိထားသောတန်ဖိုးနှစ်ခုကြားရှိ function တစ်ခု၏ မသိသောတန်ဖိုးကို ခန့်မှန်းသည့်လုပ်ငန်းစဉ်ဖြစ်သည်။ သိထားသောတန်ဖိုးနှစ်ခု (x 1 , y 1 ) နှင့် (x 2 , y 2 ) တို့အား အောက်ပါဖော်မြူလာကို အသုံးပြု၍ အမှတ်တစ်ခုအတွက် y တန်ဖိုးကို ခန့်မှန်းနိုင်သည်- y = y 1 + (xx 1 )(y 2 -y 1 )/(x...