Flatning coefficient

အားဖြင့် Benjamin Anderson ဩဂုတ် 5, 2023 စာရင်းအင်းများ 0 မှတ်ချက်များ

ဤဆောင်းပါးတွင် kurtosis coefficient သည် kurtosis coefficient ကို မည်သို့တွက်ချက်ရမည်ကို ရှင်းပြထားသည်။ kurtosis coefficient အတွက် ဖော်မြူလာ၊ ၎င်း၏ ရလဒ်ကို မည်ကဲ့သို့ အဓိပ္ပာယ်ဖွင့်ဆိုသည်ကို တွေ့ရမည်ဖြစ်ပြီး၊ ထို့အပြင်၊ အွန်လိုင်းဂဏန်းတွက်စက်ဖြင့် မည်သည့်ဒေတာနမူနာ၏ kurtosis coefficient ကို တွက်ချက်နိုင်မည်ဖြစ်သည်။

kurtosis coefficient ကဘာလဲ။

kurtosis coefficient သည် ဖြန့်ဖြူးမှုတစ်ခု၏ kurtosis ကိုဆုံးဖြတ်ရန်ခွင့်ပြုသည့် coefficient ဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ ဖြန့်ဖြူးမှုတစ်ခုသည် leptokurtic၊ platykurtic သို့မဟုတ် mesokurtic ရှိမရှိသိရန် kurtosis coefficient ကိုအသုံးပြုသည်။

Kurtosis သည် ပျမ်းမျှပတ်လည်တွင် ၎င်း၏ အာရုံစူးစိုက်မှု အတိုင်းအတာကို ညွှန်ပြသော ဖြန့်ဖြူးမှု၏ ဝိသေသတစ်ခုဖြစ်ပြီး၊ ထို့ကြောင့် kurtosis coefficient ကို တွက်ချက်ခြင်းသည် ဖြန့်ဖြူးမှုတစ်ခု၏ kurtosis ကို အရေအတွက်ကို တွက်ချက်ရာတွင် ကူညီပေးပါသည်။

Kurtosis Coefficient ဖော်မြူလာ

kurtosis coefficient ကို တွက်ချက်ရန်၊ ဒေတာ နှင့် ပါဝါ လေး၏ ပျမ်းမျှ အကြား ကွာခြားချက် အားလုံးကို ပေါင်းထည့်ရမည် ဖြစ်ပြီး၊ ထို့နောက် စုစုပေါင်း ဒေတာ အရေအတွက် နှင့် စံသွေဖည်မှု တို့ကို ပါဝါလေး ၏ ပါဝါသို့ မြှောက်ကာ နောက်ဆုံး တွင် သုံးကြောင်း နုတ်ရပါမည်။ .

တစ်နည်းအားဖြင့် kurtosis coefficient အတွက် ဖော်မြူလာ မှာ အောက်ပါအတိုင်း ဖြစ်သည်။

$\displaystyle g_2=\frac{1}{N}\cdot\frac{\displaystyle \sum_{i=1}^N(x_i-\mu)^4}{\sigma^4}-3$

ကြိမ်နှုန်းဇယားများတွင် အုပ်စုဖွဲ့ဒေတာ အတွက် kurtosis ကိန်းဂဏန်းဖော်မြူလာ

$\displaystyle g_2=\frac{1}{N}\cdot\frac{\displaystyle \sum_{i=1}^N f_i\cdot(x_i-\mu)^4}{\sigma^4}-3$

နောက်ဆုံးတွင်၊ အုပ်စုဖွဲ့ဒေတာ အတွက် kurtosis ကိန်းဂဏန်းဖော်မြူလာ။

$\displaystyle g_2=\frac{1}{N}\cdot\frac{\displaystyle \sum_{i=1}^N f_i\cdot(c_i-\mu)^4}{\sigma^4}-3$

ရွှေ-

$g_2$

kurtosis coefficient ဖြစ်သည်။
$N$

ဒေတာစုစုပေါင်းအရေအတွက်ဖြစ်သည်။
$x_i$

စီးရီး၏ အိုင်တီဒေတာအချက်ဖြစ်သည်။
$\mu$

ဖြန့်ဖြူးမှု၏ ဂဏန်းသင်္ချာဆိုလိုသည် ။
$\sigma$

ဖြန့်ဖြူးမှု၏ စံသွေဖည်မှု (သို့မဟုတ် ပုံမှန်သွေဖည်မှု) ဖြစ်သည်။
$f_i$

၎င်းသည် အချက်အလက်အစုံ၏ ပကတိကြိမ်နှုန်းဖြစ်သည်။
$c_i$

IT အုပ်စု၏အတန်းအမှတ်အသားဖြစ်သည်။

kurtosis coefficient ဖော်မြူလာများအားလုံးတွင်၊ 3 ကို ပုံမှန်ဖြန့်ဖြူးမှု၏ kurtosis တန်ဖိုးဖြစ်သောကြောင့် နုတ်မည်ကို သတိပြုပါ။ ထို့ကြောင့်၊ kurtosis coefficient ကို အကိုးအကားအဖြစ် ပုံမှန်ဖြန့်ဖြူးမှု၏ kurtosis ကို အသုံးပြု၍ တွက်ချက်သည်။ ထို့ကြောင့် တစ်ခါတစ်ရံ စာရင်းဇယားများတွင် အလွန်အကျွံ kurtosis ကို တွက်ချက်သည်ဟု ဆိုကြသည်။

kurtosis coefficient ၏အဓိပ္ပာယ်ဖွင့်ဆိုချက်

kurtosis coefficient ၏အဓိပ္ပာယ်ဖွင့်ဆိုချက်မှာ အောက်ပါအတိုင်းဖြစ်သည်။

kurtosis coefficient သည် positive ဖြစ်ပါက၊ ဖြန့်ဖြူးမှုသည် leptokurtic ဖြစ်သည်။
kurtosis coefficient သည် သုညဖြစ်ပါက၊ ဖြန့်ဖြူးမှုသည် mesokutic ဖြစ်သည်။
kurtosis coefficient သည် အနုတ်လက္ခဏာဖြစ်ပါက၊ ဖြန့်ဖြူးမှုသည် ပလပ်တီကာတစ်ဖြစ်သည်။

အတိုချုပ်အားဖြင့်၊ kurtosis coefficient ကြီးလေလေ ဖြန့်ဖြူးမှုတွင် kurtosis ပိုများလာသည်ကို ဆိုလိုပြီး အပြန်အလှန်အားဖြင့်၊ kurtosis coefficient သေးလေလေ ဖြန့်ဖြူးမှုမှာ kurtosis နည်းလေဖြစ်သည်။

Flattening Coefficient ဂဏန်းတွက်စက်

၎င်း၏ kurtosis coefficient ကိုတွက်ချက်ရန် အောက်ဖော်ပြပါ ဂဏန်းပေါင်းစက်တွင် သတ်မှတ်ဒေတာကို ထည့်သွင်းပါ။ ဒေတာကို နေရာလွတ်တစ်ခုဖြင့် ပိုင်းခြားထားရမည်ဖြစ်ပြီး ဒဿမပိုင်းခြားခြင်းအဖြစ် ကာလကို အသုံးပြု၍ ထည့်သွင်းရပါမည်။

kurtosis coefficient ၏ဂုဏ်သတ္တိများ

kurtosis coefficient တွင် အောက်ပါ ဂုဏ်သတ္တိများ ရှိသည်။

kurtosis coefficient သည် အတိုင်းအတာမဲ့တိုင်းတာမှုတစ်ခုဖြစ်သည်။
အကိုးအကားအဖြစ် kurtosis ကိန်းဂဏန်းကို ပုံမှန်ဖြန့်ဖြူးမှု (g ₂ = 3) ကို အသုံးပြု၍ တွက်ချက်သည်။
kurtosis coefficient သည် စကေးပြောင်းလဲမှုများနှင့်စပ်လျဉ်း၍ မူကွဲဖြစ်ပြီး၊ ဆိုလိုသည်မှာ၊ ကိန်းဂဏန်းကိန်းရှင်ကိန်းရှင်သို့ မျဉ်းကြောင်းပြောင်းခြင်းကို အသုံးချပါက kurtosis coefficient ၏တန်ဖိုးသည် အတူတူပင်ဖြစ်ပါသည်။

စာရေးသူအကြောင်း

Benjamin Anderson

မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။