Category: လမ်းညွှန်
Neyman ဘက်လိုက်မှု ( prevalence-incidence bias ဟုခေါ်သည်) သည် အလွန်ဖျားနာသော သို့မဟုတ် အလွန်ကျန်းမာသောလူများကို နောက်ဆုံးလေ့လာမှုရလဒ်များမှ ဖယ်ထုတ်ထားသည့် သုတေသနလေ့လာမှုများတွင် ဖြစ်ပွားနိုင်သည့် ဘက်လိုက်မှုအမျိုးအစားတစ်ခုဖြစ်သည်။ ဤဘက်လိုက်မှုသည် လေ့လာမှုတစ်ခု၏ရလဒ်များကို နည်းလမ်းနှစ်မျိုးဖြင့် အကျိုးသက်ရောက်နိုင်သည်- 1. အလွန်အမင်း နာမကျန်းသူများကို လေ့လာမှုမှ ချန်လှပ်ထားမည်ဆိုပါက ဖျားနာမှုမှာ ပြင်းထန်မှု နည်းပါးပါသည်။ 2. ကျန်းမာရေးကောင်းမွန်သူများ ပြန်လည်ကောင်းမွန်ပြီး အိမ်ပြန်ပို့ခြင်းကြောင့် လေ့လာမှုမှ ဖယ်ထုတ်ခံရပါက ရောဂါပိုမိုပြင်းထန်လာမည်ဖြစ်သည်။ Neyman Bias ၏ဥပမာများ ဤသည်မှာ မတူညီသော အခြေအနေများတွင် ဖြစ်ပွားနေသည့်...
Statistics တွင်၊ variable နှစ်မျိုးရှိသည်။ 1. Quantitative variables- တစ်ခါတစ်ရံ “ numerical” variables ဟုခေါ်သည်၊ ၎င်းတို့သည် တိုင်းတာနိုင်သော ပမာဏကို ကိုယ်စားပြုသော ကိန်းရှင်များဖြစ်သည်။ ဥပမာများ ပါဝင်သည်- အတန်းတစ်တန်းတွင် ကျောင်းသားဦးရေ အိမ်တစ်အိမ်တွင် စတုရန်းပေ အရေအတွက် မြို့၏လူဦးရေအရွယ်အစား တစ်ဦးချင်း၏အသက် တစ်ဦးချင်းစီ၏အရွယ်အစား 2. အရည်အသွေးရှိသော ကိန်းရှင်များ- တစ်ခါတစ်ရံတွင် “ categorical” variables ဟုခေါ်သည်၊ ၎င်းတို့သည် အမည်များ သို့မဟုတ် အညွှန်းများကို ယူဆောင်ကာ အမျိုးအစားအလိုက်...
ပေါင်းစည်းထားသော စံသွေဖည်မှုသည် အမှီအခိုကင်းသော အုပ်စုနှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများ၏ စံသွေဖည်မှုများ၏ အလေးချိန်ပျမ်းမျှတစ်ခုဖြစ်သည်။ စာရင်းဇယားများတွင်၊ ၎င်းသည် လူနှစ်ဦး၏နည်းလမ်းများ ညီမျှခြင်းရှိ၊ မရှိ စမ်းသပ်ရန်အသုံးပြုသည့် နမူနာနှစ်ခု t-test တွင် အများဆုံးတွေ့ရသည်။ အုပ်စုနှစ်စုအတွက် အစုလိုက်အပြုံလိုက်စံသွေဖည်မှုကို တွက်ချက်ရန်အတွက် ဖော်မြူလာမှာ- စုပေါင်းစံသွေဖည် = √ (n 1 -1)s 1 2 + (n 2 -1)s 2 2 / (n 1 +n...
အမြင့်ဆုံးကွဲပြားမှုနမူနာပြခြင်း (တခါတရံတွင် အမြင့်ဆုံးကွဲပြားမှုနမူနာ သို့မဟုတ် အမြင့်ဆုံးမျိုးကွဲကွဲပြားမှုနမူနာ ဟု ခေါ်သည်) သည် သုတေသီများသည် ခေါင်းစဉ်တစ်ခုပေါ်ရှိ ဖြစ်နိုင်ချေရှိသော အကျယ်ပြန့်ဆုံးသော ရှုထောင့်များမှ အချက်အလက်များကို စုဆောင်းရန် ကြိုးပမ်းသည့် နမူနာနည်းလမ်းတစ်ခု ဖြစ်သည်။ ဤနမူနာပုံစံ၏ ရည်ရွယ်ချက်မှာ ရှုထောင့်အမျိုးမျိုးမှ အကြောင်းအရာတစ်ခုကို နားလည်ရန်ဖြစ်သည်။ (အသက်အရွယ်၊ လူမှုစီးပွားအဆင့်အတန်း၊ ဝင်ငွေ၊ အလုပ်အကိုင်၊ ဒေသစသည်ဖြင့်) မတူကွဲပြားသော လူတစ်ဦးချင်းစီကို နမူနာယူခြင်းဖြင့် သုတေသီများသည် ဘာသာရပ်တစ်ခု၏ အလုံးစုံအမြင်ကို ရရှိပြီး ဘာသာရပ်တစ်ခုကို ရှုထောင့်များစွာမှ ခွဲခြမ်းစိတ်ဖြာနိုင်သည်။ . Maximum Variation...
ဆုတ်ယုတ်မှုပုံစံ တွင် သက်ဆိုင်ရာ ရှင်းပြချက်ကိန်းရှင် တစ်ခု မပါဝင်သည့်အခါ ချန်လှပ် ထားသည့် ကိန်းရှင်ဘက်လိုက်မှုသည် မော်ဒယ်ရှိ တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ရှင်းပြချက်ကိန်းရှင်များ၏ ဘက်လိုက်မှုဖြစ်ပေါ်စေနိုင်သည် ။ အကြောင်းပြချက်နှစ်ခုအနက်မှ တစ်ခုကြောင့် ချန်လှပ်ထားသော ကိန်းရှင်တစ်ခုကို ဆုတ်ယုတ်မှုပုံစံမှ မကြာခဏ ဖယ်ထုတ်ထားသည်- 1. ကိန်းရှင်အတွက် ဒေတာကို ရိုးရိုးရှင်းရှင်း မရရှိနိုင်ပါ။ 2. တုံ့ပြန်မှုကိန်းရှင် အပေါ် ရှင်းပြချက်ကိန်းရှင်၏ အကျိုးသက်ရောက်မှုကို မသိရပါ။ မော်ဒယ် coefficients ကို အမှန်တကယ် ကွဲလွဲစေရန် ချန်လှပ်ထားသော ကိန်းရှင်အတွက်၊...
Bernoulli စမ်းသပ်မှု သည် ဖြစ်နိုင်ချေ ရလဒ် နှစ်ခုသာရှိသော စမ်းသပ်မှုဖြစ်ပြီး – “ အောင်မြင်မှု” သို့မဟုတ် “ ကျရှုံးခြင်း” – စမ်းသပ်မှုပြုလုပ်သည့်အချိန်တိုင်း အောင်မြင်နိုင်ခြေသည် အတူတူပင်ဖြစ်ပါသည်။ Bernoulli စာစီစာကုံး၏ ဥပမာတစ်ခုသည် အကြွေစေ့ပစ်ခြင်း ဖြစ်သည်။ ဒင်္ဂါးသည် ခေါင်းနှစ်လုံးပေါ်တွင်သာ ဆင်းသက်နိုင်သည် (ကျွန်ုပ်တို့သည် ခေါင်းများကို “ ထိမှန်သည်” နှင့် “ ပျက်ကွက်ခြင်း” ဟု ခေါ်နိုင်သည်) နှင့် အကြွေစေ့တစ်ခုစီတွင် အောင်မြင်နိုင်ခြေသည် 0.5 ဖြစ်ပြီး၊ ဒင်္ဂါးသည် တရားမျှတသည်ဟု...
Bernoulli စမ်းသပ်မှု သည် ဖြစ်နိုင်ချေ ရလဒ် နှစ်ခုသာရှိသော စမ်းသပ်မှုဖြစ်ပြီး – “ အောင်မြင်မှု” သို့မဟုတ် “ ကျရှုံးခြင်း” – စမ်းသပ်မှုပြုလုပ်သည့်အချိန်တိုင်း အောင်မြင်နိုင်ခြေသည် အတူတူပင်ဖြစ်ပါသည်။ Bernoulli စာစီစာကုံး၏ ဥပမာတစ်ခုသည် အကြွေစေ့ပစ်ခြင်း ဖြစ်သည်။ ဒင်္ဂါးသည် ခေါင်းနှစ်လုံးပေါ်တွင်သာ ဆင်းသက်နိုင်သည် (ကျွန်ုပ်တို့သည် ခေါင်းများကို “ ထိမှန်သည်” နှင့် “ ပျက်ကွက်ခြင်း” ဟု ခေါ်နိုင်သည်) နှင့် အကြွေစေ့တစ်ခုစီတွင် အောင်မြင်နိုင်ခြေသည် 0.5 ဖြစ်ပြီး၊ ဒင်္ဂါးသည် တရားမျှတသည်ဟု...
စာရင်းဇယားများတွင်၊ ကျွန်ုပ်တို့သည် ယူဆချက်စမ်းသပ်ခြင်း သို့မဟုတ် ယုံကြည်မှုကြားကာလများ မှတစ်ဆင့် လူဦးရေများအကြောင်း ကောက်ချက်ဆွဲရန် နမူနာများကို မကြာခဏ အသုံးပြုလိုပါသည်။ သီအိုရီစမ်းသပ်ခြင်းနှင့် ယုံကြည်မှုကြားကာလများတွင် ကျွန်ုပ်တို့အသုံးပြုသော ဖော်မြူလာအများစုသည် ပေးထားသောနမူနာသည် သာမန်ဖြန့်ဝေမှု တစ်ခု၏ အကြမ်းဖျင်းအားဖြင့် ဖြစ်သည်ဟု ယူဆပါသည်။ သို့သော်၊ ဤယူဆချက်ကို ဘေးကင်းစွာ ပုံဖော်နိုင်ရန်၊ ကျွန်ုပ်တို့၏နမူနာအရွယ်အစားသည် အလုံအလောက်ကြီးကြောင်း သေချာရန် လိုအပ်ပါသည်။ အတိအကျအားဖြင့်၊ ကျွန်ုပ်တို့သည် ကြီးမားသောနမူနာအခြေအနေ နှင့် ကိုက်ညီကြောင်း သေချာစေရန် လိုအပ်ပါသည်။ ကြီးမားသောနမူနာအခြေအနေ- နမူနာအရွယ်အစားမှာ အနည်းဆုံး 30 ဖြစ်သည်။...
Statistical hypothesis သည် လူဦးရေ ကန့်သတ်ချက် နှင့် ပတ်သက်သော ယူဆချက် တစ်ခု ဖြစ်သည် ။ ဥပမာအားဖြင့်၊ အမေရိကန်ပြည်ထောင်စုရှိ အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လက်မ 70 ဖြစ်သည်ဟု ကျွန်ုပ်တို့ ယူဆနိုင်သည်။ အရပ်နှင့်ပတ်သက်သော ယူဆချက်မှာ ကိန်းဂဏန်းဆိုင်ရာ အယူအဆ ဖြစ်ပြီး အမေရိကန်ပြည်ထောင်စုရှိ အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လူဦးရေကန့်သတ်ချက် ဖြစ်သည်။ သီအိုရီစစ်ဆေးမှု သည် ကိန်းဂဏန်းဆိုင်ရာ ယူဆချက်တစ်ခုကို ငြင်းပယ်ရန် သို့မဟုတ် ပျက်ကွက်ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် တရားဝင်စာရင်းအင်းဆိုင်ရာ စမ်းသပ်မှုတစ်ခုဖြစ်သည်။ သီအိုရီစမ်းသပ်မှုကို...
သိပ်သည်းဆမျဉ်းကွေး ဆိုသည်မှာ ဒေတာအစုတစ်ခုအတွင်း တန်ဖိုးများ ဖြန့်ဖြူးခြင်းကို ကိုယ်စားပြုသော ဂရပ်တစ်ခုပေါ်ရှိ မျဉ်းကွေးတစ်ခုဖြစ်သည်။ ၎င်းသည် အကြောင်းပြချက်သုံးခုအတွက် အသုံးဝင်သည်- 1. သိပ်သည်းမှုမျဉ်းကွေးတစ်ခုသည် ဖြန့်ဖြူးမှုတစ်ခုတွင် ကြိမ်နှုန်းတန်ဖိုးများ တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော “ အထွတ်အထိပ်များ” ရှိ၊ မရှိ အပါအဝင် ဖြန့်ဖြူးမှုတစ်ခု၏ “ ပုံသဏ္ဍာန်” ကို ကောင်းမွန်သော အကြံဥာဏ်ပေးသည်။ ဒါမှမဟုတ် မှန်တယ်။ ညာဘက်။ . 2. သိပ်သည်းဆမျဉ်းကွေးသည် ဖြန့်ဖြူးမှုတစ်ခု၏ ပျမ်းမျှနှင့် အလယ်တန်း ဆက်စပ်နေသည့်နေရာကို အမြင်အာရုံဖြင့် မြင်နိုင်စေပါသည်။...