Category: လမ်းညွှန်

ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ တုံ့ပြန်မှုကိန်းရှင်၏တန်ဖိုးသည် ဒေတာအတွဲရှိ အခြားလေ့လာတွေ့ရှိချက်များထက် များစွာပိုကြီးပါက စောင့်ကြည့်မှု တစ်ခု အား အကြမ်းဖျင်း အဖြစ် သတ်မှတ်သည်။ အလားတူ၊ ဒေတာအတွဲရှိ အခြားလေ့လာတွေ့ရှိချက်များနှင့် နှိုင်းယှဉ်ပါက များစွာပိုလွန်ကဲသော ကြိုတင်ခန့်မှန်းကိန်းရှင်များအတွက် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော တန်ဖိုးများရှိပါက စူးစမ်းမှုတစ်ခုအား မြင့်မားသော စွမ်းအား ဟု ယူဆပါသည်။ မည်သည့်အမျိုးအစားခွဲခြမ်းစိတ်ဖြာမှု၏ပထမခြေလှမ်းများထဲမှတစ်ခုမှာ ပေးထားသောပုံစံတစ်ခု၏ရလဒ်များအပေါ် ကြီးမားသောအကျိုးသက်ရောက်မှုရှိနိုင်သောကြောင့် မြင့်မားသောသြဇာလွှမ်းမိုးမှုရှိသောလေ့လာတွေ့ရှိချက်များကို အနီးကပ်ကြည့်ရှုရန်ဖြစ်သည်။ ဤကျူတိုရီရယ်တွင် R မော်ဒယ်တစ်ခုရှိ ရှုမြင်မှုတစ်ခုစီအတွက် အတိုင်းအတာတစ်ခုစီအတွက် သြဇာအာဏာကို တွက်ချက်ပုံနှင့် မြင်ယောင်ပုံအဆင့်ဆင့်ကို ဥပမာပြထားသည်။ အဆင့်...

စာရင်းဇယားများတွင်၊ ဆုတ်ယုတ်မှုပုံစံများတွင် မတူညီသော လေ့လာတွေ့ရှိချက်များအပေါ် မည်ကဲ့သို့ လွှမ်းမိုးမှုရှိသည်ကို ကျွန်ုပ်တို့ မကြာခဏ သိချင်ကြသည်။ လေ့လာမှုများ၏သြဇာလွှမ်းမိုးမှုကိုတွက်ချက်ရန်နည်းလမ်းတစ်ခုမှာ “ အံဝင်ခွင်ကျကွာခြားမှု” ကိုကိုယ်စားပြုသော DFFITS ဟုလူသိများသောမက်ထရစ်ကိုအသုံးပြုရန်ဖြစ်သည်။ ကျွန်ုပ်တို့တစ်ဦးချင်းကြည့်ရှုမှုကို ချန်လှပ်ထားသည့်အခါ ဆုတ်ယုတ်မှုပုံစံပြောင်းလဲခြင်းဖြင့် ပြုလုပ်ထားသော ခန့်မှန်းချက်များကို ဤမက်ထရစ်က ကျွန်ုပ်တို့အား ပြောပြသည်။ ဤကျူတိုရီရယ်တွင် R မော်ဒယ်တစ်ခုရှိကြည့်ရှုမှုတစ်ခုစီအတွက် DFFITS ကို တွက်ချက်ပုံနှင့် မြင်ယောင်ပုံအဆင့်ဆင့်ကို ဥပမာပြထားသည်။ အဆင့် 1- ဆုတ်ယုတ်မှုပုံစံကို ဖန်တီးပါ။ ပထမဦးစွာ၊ R တွင်တည်ဆောက်ထားသော mtcars dataset ကိုအသုံးပြု၍...

စာရင်းဇယားများတွင်၊ ဆုတ်ယုတ်မှုပုံစံများတွင် မတူညီသော လေ့လာတွေ့ရှိချက်များအပေါ် မည်ကဲ့သို့ လွှမ်းမိုးမှုရှိသည်ကို ကျွန်ုပ်တို့ မကြာခဏ သိချင်ကြသည်။ လေ့လာမှုများ၏ လွှမ်းမိုးမှုကို တွက်ချက်ရန် နည်းလမ်းတစ်ခုမှာ DFBETAS ဟု ခေါ်သော မက်ထရစ်ကို အသုံးပြုခြင်းဖြစ်ပြီး၊ တစ်ခုချင်းစီ၏ ရှုမြင်မှုတစ်ခုစီကို ဖယ်ရှားခြင်း၏ ကိန်းဂဏန်းတစ်ခုစီအပေါ် စံသတ်မှတ်ထားသော အကျိုးသက်ရောက်မှုကို ပြောပြသည်။ ဤမက်ထရစ်သည် ပေးထားသော ဆုတ်ယုတ်မှုပုံစံတစ်ခုတွင် ကိန်းဂဏန်းခန့်မှန်းချက်တစ်ခုစီအပေါ် စောင့်ကြည့်မှုတစ်ခုစီ၏ လွှမ်းမိုးမှုကို အကြံဉာဏ်ပေးသည်။ ဤသင်ခန်းစာတွင် R တွင် မော်ဒယ်တစ်ခုစီရှိ ကြည့်ရှုမှုတစ်ခုစီအတွက် DFBETAS တွက်ချက်ပုံနှင့် မြင်ယောင်ပုံအဆင့်ဆင့်ကို ဥပမာပြထားသည်။...

Goldfeld-Quandt စမ်းသပ်မှု သည် ဆုတ်ယုတ်မှုပုံစံတွင် heteroskedasticity ရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ Heteroskedasticity သည် ဆုတ်ယုတ်မှု ပုံစံတစ်ခုရှိ တုံ့ပြန်မှု ပုံစံတစ်ခု၏ မတူညီသောအဆင့်များတွင် အကြွင်းအကျန်များ မညီမညာ ပျံ့နှံ့သွားခြင်းကို ရည်ညွှန်းသည်။ heteroscedasticity ရှိနေပါက၊ ၎င်းသည် အကြွင်းအကျန်များကို တုံ့ပြန်မှုကိန်းရှင်အဆင့်တစ်ခုစီတွင် အညီအမျှ ခွဲဝေပေးထားကြောင်း linear regression ၏ အဓိကယူဆချက် တစ်ခုကို ချိုးဖောက်ပါသည်။ ဤသင်ခန်းစာသည် ပေးထားသော ဆုတ်ယုတ်မှုပုံစံတွင် မျိုးရိုးလိုက်ခြင်းရှိ/မရှိကို ဆုံးဖြတ်ရန် R တွင် Goldfeld-Quandt စမ်းသပ်နည်းကို...

R တွင် ဒေတာဘောင်တစ်ခု၏ အတန်းအမည်များကို အမြန်ရယူပြီး သတ်မှတ်ရန် row.names() လုပ်ဆောင်ချက်ကို သင်အသုံးပြုနိုင်ပါသည်။ ဤသင်ခန်းစာသည် R တွင်တည်ဆောက်ထားသော mtcars dataset တွင်ဤလုပ်ဆောင်ချက်ကိုလက်တွေ့အသုံးပြုခြင်း၏နမူနာများစွာကိုဖော်ပြထားသည်- #view first six rows of mtcars head(mtcars) mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21.0 6 160 110 3.90 2.620...

ပျမ်းမျှ သည် ဒေတာအစုတစ်ခုရှိ ပျမ်းမျှတန်ဖိုးကို ကိုယ်စားပြုသည်။ ၎င်းသည် ဒေတာအစုတစ်ခု၏ အလယ်ဗဟိုသည် မည်သည့်နေရာတွင်ရှိသည်ကို ကျွန်ုပ်တို့အား အကြံကောင်းပေးသည်။ စံသွေဖည်မှုသည် ဒေတာအစုတစ်ခုအတွင်း တန်ဖိုးများ ဖြန့်ဖြူးမှုကို ကိုယ်စားပြုသည်။ ဤအရာသည် ကျွန်ုပ်တို့အား ဆိုလိုရင်းတစ်ဝိုက်တွင် လေ့လာတွေ့ရှိချက်များ မည်မျှ နီးကပ်စွာ အစုလိုက်အပြုံလိုက် ရှိနေသည်ကို အကြံဥာဏ်ပေးသည်။ ဤတန်ဖိုးနှစ်ခုကို အသုံးပြုခြင်းဖြင့် ဒေတာအစုတစ်ခုအတွင်း တန်ဖိုးများ ဖြန့်ဖြူးခြင်းအကြောင်း များစွာနားလည်နိုင်ပါသည်။ Excel ရှိ ဒေတာအတွဲတစ်ခု၏ ပျမ်းမျှအား တွက်ချက်ရန်၊ Range သည် တန်ဖိုးများ၏ အကွာအဝေးဖြစ်သည့် =AVERAGE(Range)...

Excel တွင် စံသွေဖည်မှုကို တွက်ချက်ရန် သင်သုံးနိုင်သော မတူညီသော လုပ်ဆောင်ချက်များ သုံးမျိုးရှိသည်။ 1. STDEV.P- ဤလုပ်ဆောင်ချက်သည် လူဦးရေစံသွေဖည်မှုကို တွက်ချက်သည်။ တန်ဖိုးများအကွာအဝေးသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုသည့်အခါ ဤလုပ်ဆောင်ချက်ကို အသုံးပြုပါ။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါဖော်မြူလာကို အသုံးပြုသည်- လူဦးရေစံသွေဖည် = √Σ (x i – μ) 2 / N ရွှေ- Σ- “ ပေါင်း” ဟု အဓိပ္ပာယ်ရသော ဂရိသင်္ကေတ x i :...

မကြာခဏဆိုသလို၊ သင်သည် Google Sheets ရှိ အချို့သော သိသာထင်ရှားသော ကိန်းဂဏန်းများကို တန်ဖိုးတစ်ခုသို့ ဝိုင်းရံလိုပေမည်။ ၎င်းကိုလုပ်ဆောင်ရန် အောက်ပါဖော်မြူလာကို သင်အသုံးပြုနိုင်ပါသည်။ = ROUND (value,figures-(1+ INT ( LOG10 ( ABS (value))))) တန်ဖိုး သည် သင်အဝိုင်းလိုသောတန်ဖိုးဖြစ်ပြီး ဂဏန်းများ သည် အဝိုင်းအတွက် သိသာထင်ရှားသောဂဏန်းများဖြစ်သည်။ ဤသည်မှာ ဖော်မြူလာလုပ်ဆောင်သည့်အရာ၏ အကျဉ်းချုပ်ဖြစ်သည်။ 1. ABS သည် တန်ဖိုးကို အပြုသဘောတန်ဖိုးအဖြစ် ပြောင်းလဲသည်။ 2. LOG10 သည်...

ပျမ်းမျှအကြွင်းမဲ့သွေဖည်မှုသည် ဒေတာအတွဲတစ်ခုတွင် လေ့လာတွေ့ရှိချက်များ ခွဲဝေမှုကို တိုင်းတာသည်။ ၎င်းသည် စံသွေဖည်ခြင်းနှင့် ကွဲလွဲမှုကဲ့သို့သော အခြားပြန့်ကျဲမှုတိုင်းတာမှုထက် အစွန်းကွက်များ၏ သက်ရောက်မှုနည်းပါးသောကြောင့် ၎င်းသည် အထူးအသုံးဝင်သောတိုင်းတာမှုတစ်ခုဖြစ်သည်။ ပကတိအလယ်အလတ်သွေဖည်မှုကို တွက်ချက်ရန်အတွက် ဖော်မြူလာမှာ မကြာခဏ အတိုကောက် MAD ဖြစ်သည်၊ MAD = ပျမ်းမျှ (|x i – x m |) ရွှေ- x i : dataset ၏ ith တန်ဖိုး x m : ဒေတာအတွဲရှိ...

ပျမ်းမျှအကြွင်းမဲ့သွေဖည်မှုသည် ဒေတာအတွဲတစ်ခုတွင် လေ့လာတွေ့ရှိချက်များ ခွဲဝေမှုကို တိုင်းတာသည်။ ၎င်းသည် စံသွေဖည်မှုနှင့် ကွဲလွဲမှုကဲ့သို့သော အခြားကွဲလွဲမှုတိုင်းတာမှုများထက် အစွန်းကွက်များ၏ သက်ရောက်မှုနည်းပါးသောကြောင့် ၎င်းသည် အထူးအသုံးဝင်သောတိုင်းတာမှုတစ်ခုဖြစ်သည်။ ပကတိအလယ်အလတ်သွေဖည်မှုကို တွက်ချက်ရန်အတွက် ဖော်မြူလာမှာ မကြာခဏ အတိုကောက် MAD ဖြစ်သည်၊ MAD = ပျမ်းမျှ (|x i – x m |) ရွှေ- x i : dataset ၏ ith တန်ဖိုး x m : ဒေတာအတွဲရှိ...