Python တွင် mean ၏ standard error ကို တွက်ချက်နည်း

ပျမ်းမျှအမှားသည် ဒေတာအစုတစ်ခုအတွင်း တန်ဖိုးများဖြန့်ဖြူးမှုကို တိုင်းတာသည့်နည်းလမ်းဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။

ဆိုလိုတာ = s / √n ၏ စံအမှား

ရွှေ-

• s : နမူနာစံသွေဖည်
• n : နမူနာအရွယ်အစား

ဤသင်ခန်းစာတွင် Python ရှိ ဒေတာသတ်မှတ်မှု၏ပျမ်းမျှအမှားကို တွက်ချက်ရန် သင်အသုံးပြုနိုင်သည့် နည်းလမ်းနှစ်ခုကို ရှင်းပြထားသည်။ နည်းလမ်းနှစ်ခုလုံးသည် အတိအကျတူညီသောရလဒ်များထွက်သည်ကို သတိပြုပါ။

နည်းလမ်း 1- SciPy ကိုသုံးပါ။

Mean ၏ စံအမှားကို တွက်ချက်ရန် ပထမဆုံးနည်းလမ်းမှာ SciPy Stats စာကြည့်တိုက်မှ sem() လုပ်ဆောင်ချက်ကို အသုံးပြုခြင်းဖြစ်သည်။

အောက်ပါကုဒ်သည် ဤလုပ်ဆောင်ချက်ကို အသုံးပြုနည်းကို ပြသသည်-

 from scipy. stats import week

#define dataset 
data = [3, 4, 4, 5, 7, 8, 12, 14, 14, 15, 17, 19, 22, 24, 24, 24, 25, 28, 28, 29]

#calculate standard error of the mean 
sem(data)

2.001447

ပျမ်းမျှအမှားသည် 2.001447 ဖြစ်လာသည်။

နည်းလမ်း 2- NumPy ကိုသုံးပါ။

ဒေတာအစုံ၏ပျမ်းမျှအမှားကိုတွက်ချက်ရန်နောက်ထပ်နည်းလမ်းမှာ NumPy ၏ std() လုပ်ဆောင်ချက်ကိုအသုံးပြုခြင်းဖြစ်သည်။

လူဦးရေစံသွေဖည်မှုကို ဆန့်ကျင်သည့်နမူနာစံသွေဖည်မှုကို တွက်ချက်ရန် ဤလုပ်ဆောင်ချက်၏ အငြင်းအခုံတွင် ddof=1 ကို သတ်မှတ်ရန် လိုအပ်ကြောင်း သတိပြုပါ။

အောက်ပါကုဒ်သည် ၎င်းကိုပြုလုပ်နည်းကို ပြသသည်-

 import numpy as np

#define dataset
data = np.array([3, 4, 4, 5, 7, 8, 12, 14, 14, 15, 17, 19, 22, 24, 24, 24, 25, 28, 28, 29])

#calculate standard error of the mean 
n.p. std (data, ddof= 1 ) / np. sqrt ( np.size (data))

2.001447

တဖန်၊ ဆိုလိုရင်း၏ စံအမှားသည် 2.001447 ဖြစ်သွားသည်။

ဆိုလိုရင်း၏ စံအမှားကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံ

ဆိုလိုရင်း၏ စံအမှားသည် ပျမ်းမျှအားဖြင့် တန်ဖိုးများ ပျံ့နှံ့မှုကို တိုင်းတာခြင်း ဖြစ်သည်။ ဆိုလိုရင်း၏ စံအမှားကို ဘာသာပြန်ရာတွင် သတိပြုရမည့်အချက် နှစ်ခုရှိသည်။

1. mean ၏ standard error ကြီးလေ၊ data set တစ်ခုတွင် mean ဝန်းကျင်တန်ဖိုးများ ပိုမိုပြန့်ကျဲလေဖြစ်သည်။

၎င်းကို သရုပ်ဖော်ရန်၊ ကျွန်ုပ်တို့သည် ယခင်ဒေတာအတွဲ၏ နောက်ဆုံးတန်ဖိုးကို ပိုမိုကြီးမားသော နံပါတ်ဖြင့် ပြောင်းလဲမည်ကို သုံးသပ်ပါ-

 from scipy. stats import week

#define dataset 
data = [3, 4, 4, 5, 7, 8, 12, 14, 14, 15, 17, 19, 22, 24, 24, 24, 25, 28, 28, 150 ]

#calculate standard error of the mean 
sem(data)

6.978265

စံအမှားသည် 2.001447 မှ 6.978265 သို့ မည်သို့တိုးလာသည်ကို သတိပြုပါ။ ဤဒေတာအတွဲရှိ တန်ဖိုးများသည် ယခင်ဒေတာအတွဲနှင့် နှိုင်းယှဉ်ပါက ပျမ်းမျှတစ်ဝိုက်တွင် ပိုမိုဖြန့်ဝေကြောင်း ညွှန်ပြသည်။

2. နမူနာအရွယ်အစား တိုးလာသည်နှင့်အမျှ ဆိုလိုရင်း၏ စံအမှားသည် လျော့နည်းသွားတတ်သည်။

ယင်းကို သရုပ်ဖော်ရန်၊ အောက်ပါဒေတာနှစ်စုံအတွက် ဆိုလိုရင်း၏ စံအမှားကို သုံးသပ်ကြည့်ပါ-

 from scipy . stats import week 

#define first dataset and find SEM
data1 = [1, 2, 3, 4, 5]
sem(data1)

0.7071068

#define second dataset and find SEM
data2 = [1, 2, 3, 4, 5, 1, 2, 3, 4, 5]
sem(data2)

0.4714045

ဒုတိယဒေတာအတွဲသည် ပထမဒေတာအတွဲကို နှစ်ကြိမ်ထပ်ခါထပ်ခါပြုလုပ်ခြင်းဖြစ်သည်။ ထို့ကြောင့် ဒေတာအတွဲနှစ်ခုစလုံးသည် တူညီသောအဓိပ္ပာယ်ရှိသော်လည်း ဒုတိယဒေတာအတွဲသည် ပိုကြီးသောနမူနာအရွယ်အစားရှိပြီး ထို့ကြောင့် စံအမှားတစ်ခုရှိသည်။

ထပ်လောင်းအရင်းအမြစ်များ

R တွင် mean ၏ standard error ကို တွက်နည်း
Excel တွင် Mean ၏ Standard Error တွက်ချက်နည်း
Google Sheets ရှိ ဆိုလိုရင်း၏ စံအမှားကို တွက်ချက်နည်း