Category: လမ်းညွှန်
McNemar စမ်းသပ်မှုအား တွဲထားသောဒေတာများကြားတွင် ကိန်းဂဏန်းအချက်အလတ်များ သိသာထင်ရှားစွာ ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုပါသည်။ ဤသင်ခန်းစာတွင် McNemar စာမေးပွဲကို R တွင် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။ ဥပမာ- R တွင် McNema စာမေးပွဲ အချို့သော စျေးကွက်ရှာဖွေရေး ဗီဒီယိုတစ်ခုသည် ဥပဒေတစ်ခုအပေါ် လူများ၏ ထင်မြင်ယူဆချက်များကို ပြောင်းလဲနိုင်မလားဟု သုတေသီများ သိချင်သည်ဆိုကြပါစို့။ ၎င်းတို့သည် ဥပဒေကို ထောက်ခံခြင်း ရှိ၊ မရှိ သိရှိရန် လူ 100 ကို စစ်တမ်းကောက်ယူခဲ့သည်။ ထို့နောက် ၎င်းတို့သည်...
ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုတွင် မျိုးရိုးလိုက်ခြင်း ရှိမရှိ ဆုံးဖြတ်ရန် Breusch-Pagan စမ်းသပ်မှုကို အသုံးပြုသည် ။ ဤသင်ခန်းစာတွင် Breusch-Pagan စမ်းသပ်မှုကို R ဖြင့် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။ ဥပမာ- R တွင် Breusch-Pagan စမ်းသပ်မှု ဤဥပမာတွင်၊ ကျွန်ုပ်တို့သည် mtcars built-in R ဒေတာအစုံကို အသုံးပြု၍ ဆုတ်ယုတ်မှုပုံစံတစ်ခုကို ဖြည့်သွင်းမည်ဖြစ်ပြီး၊ ထို့နောက် heteroskedasticity ရှိမရှိ ဆုံးဖြတ်ရန် lmtest စာကြည့်တိုက်မှ bptest လုပ်ဆောင်ချက်ကို အသုံးပြု၍ Breusch-Pagan စမ်းသပ်မှုကို...
မော်ဒယ်တစ်ခု၏ ခန့်မှန်းချက် တိကျမှုကို တိုင်းတာရန် အသုံးအများဆုံး မက်ထရစ်များထဲမှ တစ်ခုမှာ MAPE ဖြစ်ပြီး ဆိုလိုသည်မှာ လုံးဝ ရာခိုင်နှုန်း အမှားအယွင်းကို ဆိုလိုသည်။ MAPE တွက်ချက်ရန် ဖော်မြူလာမှာ အောက်ပါအတိုင်း ဖြစ်ပါသည်။ MAPE = (1/n) * Σ(|အမှန်တကယ် – ခန့်မှန်းချက်| / |actual|) * 100 ရွှေ- ∑ – “ပေါင်း” ဟု အဓိပ္ပာယ်ရသော ဖန်စီသင်္ကေတ n – နမူနာအရွယ်အစား real...
သင်ယူဆချက်စမ်းသပ်မှုတစ်ခုလုပ်ဆောင်တိုင်း၊ သင်သည် စစ်ဆေးမှုစာရင်းအင်းတစ်ခုကို ရရှိမည်ဖြစ်သည်။ အဆိုပြုချက်စစ်ဆေးမှုရလဒ်များသည် ကိန်းဂဏန်းအချက်အလတ်များ သိသာမှုရှိမရှိ ဆုံးဖြတ်ရန်၊ စမ်းသပ်မှုစာရင်းအင်းအား အရေးကြီးသော Z တန်ဖိုး နှင့် နှိုင်းယှဉ်နိုင်သည်။ စမ်းသပ်စာရင်းအင်း၏ ပကတိတန်ဖိုးသည် အရေးကြီးသော Z တန်ဖိုးထက် ကြီးပါက၊ စစ်ဆေးမှုရလဒ်များသည် စာရင်းအင်းအရ သိသာထင်ရှားပါသည်။ ကံကောင်းထောက်မစွာ၊ Excel သည် အောက်ပါလုပ်ဆောင်ချက်ကို အသုံးပြု၍ အရေးကြီးသော Z တန်ဖိုးများကို ရှာဖွေရန် လွယ်ကူစေသည်။ NORM.S.INV(ဖြစ်နိုင်ခြေ) ရွှေ- ဖြစ်နိုင်ခြေ- အသုံးပြုရန် အရေးပါမှုအဆင့်။ သင်ရွေးချယ်ထားသော အရေးပါမှုအဆင့်အပေါ်အခြေခံ၍ ဤလုပ်ဆောင်ချက်သည်...
ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုမှ အကြွင်းအကျန်များကို ပုံမှန်အတိုင်း ဖြန့်ဝေ ခြင်း ရှိ၊ မရှိ အကဲဖြတ်ရန် ကျန်နေသော မြေကွက်များကို မကြာခဏ အကဲဖြတ်ရန် အသုံးပြုပါသည်။ ဤသင်ခန်းစာတွင် R တွင် ဆုတ်ယုတ်မှုပုံစံအတွက် ကျန်နေသောကွက်များကို ဖန်တီးနည်းကို ရှင်းပြထားသည်။ ဥပမာ- R တွင် ကျန်ရှိသော မြေကွက်များ ဤဥပမာတွင်၊ ကျွန်ုပ်တို့သည် mtcars built-in R ဒေတာအစုံကို အသုံးပြု၍ ဆုတ်ယုတ်မှုပုံစံတစ်ခုကို ဖြည့်သွင်းပြီး ကျန်အကြွင်းအကျန်များကို ခွဲခြမ်းစိတ်ဖြာရန် မတူညီသော အကြွင်းအကျန်ကွက်သုံးခုကို ထုတ်လုပ်ပါမည်။ အဆင့်...
နှိုင်းရကြိမ်နှုန်း ဟီစတိုဂရမ် သည် ဒေတာအတွဲတစ်ခုတွင် တန်ဖိုးများ၏ နှိုင်းရကြိမ်နှုန်းများကို ပြသသည့် ဂရပ်တစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာတွင် အောက်ပါ syntax ကိုအသုံးပြုသည့် lattice histogram() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ R တွင် နှိုင်းရကြိမ်နှုန်းဟစ်စတိုဂရမ်ကို ဖန်တီးနည်းကို ရှင်းပြထားသည်။ ဟီစတိုဂရမ် (x၊ အမျိုးအစား) ရွှေ- x: ဒေတာ အမျိုးအစား- သင်ဖန်တီးလိုသော နှိုင်းရကြိမ်နှုန်း ဟီစတိုဂရမ် အမျိုးအစား၊ ရွေးချယ်စရာများတွင် ရာခိုင်နှုန်း၊ အရေအတွက်နှင့် သိပ်သည်းဆတို့ ပါဝင်သည်။ မူရင်း histogram ပထမဦးစွာ၊ ရာဇမတ်ကွက်...
ဤသင်ခန်းစာတွင် အောက်ပါလုပ်ဆောင်ချက်များကို အသုံးပြု၍ R ရှိ Poisson ဖြန့်ဖြူးမှု နှင့် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။ dpois : Poisson ဖြစ်နိုင်ခြေ သိပ်သည်းဆ လုပ်ဆောင်ချက်၏ တန်ဖိုးကို ပြန်ပေးသည်။ ppois : Poisson စုစည်းသိပ်သည်းမှု လုပ်ဆောင်ချက်၏ တန်ဖိုးကို ပြန်ပေးသည်။ qpois : ပြောင်းပြန် Poisson စုဆောင်းသိပ်သည်းမှု လုပ်ဆောင်ချက်၏ တန်ဖိုးကို ပြန်ပေးသည်။ rpois : Poisson မှ ဖြန့်ဝေထားသော ကျပန်းပြောင်းလဲနိုင်သော vector များကို...
root mean square error (RMSE) သည် ပျမ်းမျှအားဖြင့် regression analysis တွင် ကျွန်ုပ်တို့၏ ခန့်မှန်းထားသော တန်ဖိုးများမှ မည်မျှဝေးသည်ကို ပြောပြသော အတိုင်းအတာတစ်ခုဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ RMSE = √[ Σ(P i – O i ) 2 / n ] ရွှေ- ∑ သည် “ပေါင်း” ဟု အဓိပ္ပါယ်ရသော ဖန်စီသင်္ကေတတစ်ခုဖြစ်သည်။ P i သည်...
မော်ဒယ်တစ်ခု၏ ခန့်မှန်းတွက်ချက်မှု တိကျမှုကို တိုင်းတာရန်အတွက် အသုံးအများဆုံး မက်ထရစ်များထဲမှ တစ်ခုမှာ MSE ဖြစ်ပြီး ဆိုလိုရင်းမှာ စတုရန်းအမှားအယွင်းကို ဆိုလိုသည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ MSE = (1/n) * Σ(အမှန်တကယ် – ခန့်မှန်းချက်) ၂ ရွှေ- ∑ – “ပေါင်း” ဟု အဓိပ္ပာယ်ရသော ဖန်စီသင်္ကေတ n – နမူနာအရွယ်အစား real – ဒေတာ၏ တကယ့်တန်ဖိုး ခန့်မှန်းချက် – ခန့်မှန်းထားသောဒေတာတန်ဖိုး MSE တန်ဖိုးနိမ့်လေ၊...
root mean square error (RMSE) သည် ပျမ်းမျှအားဖြင့် regression analysis တွင် ကျွန်ုပ်တို့၏ ခန့်မှန်းထားသော တန်ဖိုးများမှ မည်မျှဝေးသည်ကို ပြောပြသော အတိုင်းအတာတစ်ခုဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ RMSE = √[ Σ(P i – O i ) 2 / n ] ရွှေ- ∑ သည် “ပေါင်း” ဟု အဓိပ္ပါယ်ရသော ဖန်စီသင်္ကေတတစ်ခုဖြစ်သည်။ P i သည်...