Category: လမ်းညွှန်

intervening variable သည် အမှီအခိုကင်းသော variable နှင့် dependent variable အကြား ဆက်နွယ်မှုကို သက်ရောက်မှုရှိသော variable တစ်ခုဖြစ်သည်။ သုတေသီများသည် ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုကို လေ့လာနေပြီး အခြားကိန်းရှင်သည် ဆက်နွယ်မှုတွင် အမှန်တကယ် ပါဝင်နေကြောင်း သဘောမပေါက်သည့်အခါ မကြာခဏ၊ ဤကိန်းရှင်အမျိုးအစားသည် ပေါ်လာနိုင်သည်။ ကွဲပြားသော သုတေသနအခြေအနေများတွင် အလယ်အလတ်ကိန်းရှင်များ ပေါ်လာသည်။ ဤသည်မှာ ဥပမာအချို့ဖြစ်သည်။ ဥပမာ 1- ပညာရေးနှင့် အသုံးစရိတ်များ သုတေသီများသည် ပညာရေး (အမှီအခိုကင်းသော ကိန်းရှင်) နှင့် နှစ်စဉ်အသုံးစရိတ်...

Phi coefficient (ရံဖန်ရံခါ ပျမ်းမျှစတုရန်းအခြေအနေဆိုင်ရာကိန်းဂဏန်း ဟု ခေါ်သည်) သည် ဒွိကိန်းရှင်နှစ်ခုကြား ပေါင်းစည်းခြင်း၏ အတိုင်းအတာတစ်ခုဖြစ်သည်။ ကျပန်းပြောင်းလဲနိုင်သော x နှင့် y နှစ်ခုအတွက် ပေးထားသော 2×2 ဇယားတစ်ခုအတွက် Phi coefficient ကို အောက်ပါအတိုင်း တွက်ချက်နိုင်ပါသည်။ Φ = (AD-BC) / √ (A+B)(C+D)(A+C)(B+D) ဥပမာ- Phi coefficient တွက်ချက်ခြင်း။ နိုင်ငံရေး ပါတီတစ်ခုအတွက် ဦးစားပေးမှုတွင် ကျား၊မ ဆက်စပ်မှု ရှိ၊ မရှိ သိလိုသည်ဆိုပါစို့။...

Permuted block randomization သည် စမ်းသပ်မှုတစ်ခုတွင် ပါဝင်သူတစ်ဦးချင်းစီကို block တစ်ခုအတွင်း ကုသမှုတစ်ခုအတွက် ကျပန်းသတ်မှတ်ပေးရန်အတွက် အသုံးပြုနိုင်သော နည်းလမ်းတစ်ခုဖြစ်သည်။ ဥပမာအားဖြင့်၊ ဓာတ်မြေဩဇာ A သို့မဟုတ် ဓာတ်မြေသြဇာ B သည် မတူညီသောနယ်ပယ်ခြောက်ခုတွင် အပင် ၂၄ ပင်ကြီးထွားမှုကို တိုးပွားစေခြင်း ရှိ၊ မရှိ စမ်းသပ်လိုသည်ဆိုပါစို့။ ကျွန်ုပ်တို့၏ ကုသမှုများသည် မြေသြဇာ A နှင့် ဓာတ်မြေသြဇာ B တို့ဖြစ်ပြီး ကျွန်ုပ်တို့၏ လုပ်ကွက်များသည် မတူညီသောနယ်ပယ်များဖြစ်သည်။ ဤစမ်းသပ်ချက်အတွက် ခွင့်ပြုထားသော block...

ခွဲခြမ်းပုံစံဒီဇိုင်း သည် သုတေသီများ လေ့လာလိုသည့်အချက်နှစ်ချက်ဖြစ်သည့် စမ်းသပ်ဒီဇိုင်းတစ်ခုဖြစ်သည်။ အကြောင်းရင်းတစ်ခုမှာ ပြောင်းလဲရန် သို့မဟုတ် ပြောင်းလဲရန် “ လွယ်ကူသည်” ဖြစ်သည်။ အကြောင်းရင်းတစ်ခုမှာ ပြောင်းလဲရန် သို့မဟုတ် ပြောင်းလဲရန် ခက်ခဲသည်။ ဤဒီဇိုင်းပုံစံကို စိုက်ပျိုးရေးစမ်းသပ်မှုများတွင် အသုံးပြုရန်အတွက် သင်္ချာပညာရှင် Ronald Fisher မှ 1925 ခုနှစ်တွင် တီထွင်ခဲ့သည်။ အပိုင်းလိုက် ဒီဇိုင်းရေးဆွဲခြင်း၏ စိတ်ကူးကို သရုပ်ဖော်ရန်၊ သုတေသီများသည် စိုက်ပျိုးနည်း (Factor A) နှင့် ဓာတ်မြေသြဇာ နှစ်ခု (Factor B) တို့၏...

ပွားခြင်း၏ ယေဘူယျစည်းမျဉ်းက A နှင့် B နှစ်ခုလုံး ဖြစ်ပွားနိုင်ခြေကို အောက်ပါအတိုင်း တွက်ချက်နိုင်သည်ဟု ဖော်ပြသည်- P(A နှင့် B) = P(A) * P(B|A) ဒေါင်လိုက်ဘား | “ ပေးသည်” ဟုဆိုလိုသည်။ ထို့ကြောင့် P(B|A) ကို “ A ဖြစ်သည့် အတွက် B ဖြစ်ပေါ်လာမည့် ဖြစ်နိုင်ခြေ” ဟု ဖတ်နိုင်သည်။ ဖြစ်ရပ်များ A နှင့် B သည် အမှီအခိုကင်းပါက P(B|A)...

မျှော်မှန်းထားသော ကြိမ်နှုန်း သည် စမ်းသပ်မှုတစ်ခုတွင် ကျွန်ုပ်တို့ မျှော်လင့်ထားသည့် သီအိုရီဆိုင်ရာ ကြိမ်နှုန်းတစ်ခုဖြစ်သည်။ ဤကြိမ်နှုန်းအမျိုးအစားသည် Chi-square စမ်းသပ်မှု အမျိုးအစားနှစ်ခုတွင် အများဆုံးတွေ့ရသည်- Chi-square ကောင်းမြတ်-အံကိုက်စမ်းသပ် လွတ်လပ်ရေး၏ Chi-square စမ်းသပ်မှု ဤသင်ခန်းစာသည် ဤစမ်းသပ်မှုနှစ်ခုတစ်ခုစီအတွက် မျှော်လင့်ထားသောကြိမ်နှုန်းများကို တွက်ချက်နည်းကို ရှင်းပြထားသည်။ Chi-square goodness-of-fit စမ်းသပ်မှုတွင် မျှော်လင့်ထားသည့် အကြိမ်ရေ Chi-square goodness-of-fit test ကို categorical variable သည် hypothetical distribution ကို လိုက်နာခြင်း ရှိ၊ မရှိ...

Outlier သည် ဒေတာအတွဲတစ်ခုရှိ အခြားတန်ဖိုးများနှင့် ပုံမှန်မဟုတ်စွာ ဝေးကွာနေသော စူးစမ်းမှု တစ်ခုဖြစ်သည်။ ခွဲခြမ်းစိတ်ဖြာမှု၏ရလဒ်များကို ထိခိုက်စေနိုင်သောကြောင့် အစွန်းထွက်သူများသည် ပြဿနာရှိနိုင်သည်။ ဒေတာအစုတစ်ခုရှိ အစွန်းထွက်များကို ခွဲခြားသတ်မှတ်ရန် နည်းလမ်းတစ်ခုမှာ အောက်ပါလုပ်ငန်းစဉ်ကိုအသုံးပြုသည့် Chauvenet စံသတ်မှတ်ချက်ကို အသုံးပြုခြင်းဖြစ်သည်- 1. ဒေတာအတွဲတွင် x i တန်ဖိုးတစ်ခုစီအတွက်၊ ပျမ်းမျှမှ သွေဖည်မှုကို အောက်ပါအတိုင်း တွက်ချက်ပါ။ သွေဖည်ခြင်း = |x i – x | /s x သည် နမူနာဆိုလိုဖြစ်ပြီး s...

စံအမှားများကို တွက်ချက်ရာတွင် အသုံးပြုသည့် ဖော်မြူလာအများစုသည် (၁) နမူနာများကို အစားထိုးခြင်းဖြင့် ရွေးချယ်ခြင်း သို့မဟုတ် (၂) နမူနာများကို အကန့်အသတ်မဲ့ လူဦးရေမှ ရွေးချယ်သည်ဟူသော အယူအဆအပေါ် အခြေခံထားသည်။ လက်တွေ့သုတေသနတွင် ဤအကြံအစည်များသည် မှန်ကန်ခြင်းမရှိပါ။ ကံကောင်းထောက်မစွာ၊ နမူနာအရွယ်အစားသည် စုစုပေါင်းလူဦးရေအရွယ်အစား၏ 5% ထက်နည်းပါက ယေဘုယျအားဖြင့် ပြဿနာမဟုတ်ပါ။ သို့သော်၊ နမူနာအရွယ်အစားသည် စုစုပေါင်းလူဦးရေ၏ 5% ထက် ပိုများသောအခါ၊ အောက်ပါအတိုင်း တွက်ချက်ထားသည့် ကန့်သတ်လူဦးရေပြင်ဆင်ချက် (မကြာခဏ အတိုကောက် FPC ) ကို ကျင့်သုံးရန်...

Multinomial coefficient သည် n objects များ၏ ဖြစ်နိုင်ချေရှိသော partition အရေအတွက် n 1 , n 2 , …, n k အုပ်စုများ သို့ ဖော်ပြသည်။ Multinomial coefficient ကို တွက်ချက်ရန် ဖော်မြူလာမှာ- Multinomial coefficient = n ။ / (n 1 ! * n 2 ! * …...

ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုသည် ဤကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို ပြောပြသည်။ ဆက်စပ်ဆက်နွယ်မှု၏ အခြေခံအကျဆုံး အမျိုးအစားတစ်ခုမှာ သုညအဆက်ဖြတ်ခြင်း ဟု လူသိများပြီး အခြားကိန်းရှင်များ၏ ဖြစ်နိုင်ချေရှိသော လွှမ်းမိုးမှုအတွက် ထိန်းချုပ်ခြင်းမရှိဘဲ ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုကို ရည်ညွှန်းသည်။ ဤဆက်စပ်ဆက်နွယ်မှုအမျိုးအစား၏ ဥပမာတစ်ခုသည် ကိန်းရှင်နှစ်ခုကြားရှိ မျဉ်းကြောင်းဆက်စပ်မှုကို တိုင်းတာသည့် Pearson correlation coefficient ဖြစ်ပြီး -1 နှင့် 1 အကြား တန်ဖိုးများကို ယူနိုင်သည်- -1 သည် ကိန်းရှင်နှစ်ခုကြားတွင် လုံးဝအပျက်သဘောဆောင်သော ဆက်စပ်ဆက်နွယ်မှုကို ညွှန်ပြသည်။ 0...