စံသတ်မှတ်ချက် ကိန်းရှင်ဆိုသည်မှာ အဘယ်နည်း။ (ရှင်းလင်းချက် + ဥပမာများ)

စံသတ်မှတ်ချက် ကိန်းရှင် သည် မှီခိုနေသော ကိန်းရှင် သို့မဟုတ် တုံ့ပြန်မှု ကိန်းရှင် အတွက် အခြားအမည်တစ်ခုဖြစ်သည်။ ၎င်းသည် ကိန်းဂဏာန်းခွဲခြမ်းစိတ်ဖြာမှုတွင် ခန့်မှန်းထားသည့် ကိန်းရှင်ဖြစ်သည်။

ရှင်းလင်းချက်ကိန်းရှင်များတွင် ခန့်မှန်းသူကိန်းရှင်များ သို့မဟုတ် အမှီအခိုကင်းသော ကိန်းရှင်များ ကဲ့သို့ ကွဲပြားသောအမည်များ ရှိသည်ကဲ့သို့ပင်၊ တုံ့ပြန်မှုကိန်းရှင်တွင် မှီခိုကိန်းရှင် သို့မဟုတ် စံသတ်မှတ်ချက် ကိန်းရှင် ကဲ့သို့သော အပြန်အလှန်ပြောင်းလဲနိုင်သော အမည်များလည်း ရှိသည်။

စံသတ်မှတ်ချက် ကိန်းရှင်များ၏ ဥပမာအချို့ကား အဘယ်နည်း။

အောက်ဖော်ပြပါအခြေအနေများသည် မတူညီသောအခြေအနေများတွင် စံနှုန်းကိန်းရှင်များကို နမူနာပြသည်။

ဥပမာ 1- ရိုးရှင်းသော linear regression

ရိုးရှင်းသော linear regression သည် x နှင့် y နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို နားလည်ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် ကိန်းဂဏန်းဆိုင်ရာ နည်းလမ်းတစ်ခုဖြစ်သည်။ ကိန်းရှင် x ကို ခန့်မှန်းသူ ကိန်းရှင်ဟု ခေါ်သည်။ အခြားသော ကိန်းရှင် y ကို စံသတ်မှတ်ချက် ကိန်းရှင် သို့မဟုတ် တုံ့ပြန်မှု ကိန်းရှင် ဟု ခေါ်သည်။

ရိုးရှင်းသော မျဉ်းဖြောင့်ဆုတ်ယုတ်မှုတွင်၊ ခန့်မှန်းသူကိန်းရှင်နှင့် စံသတ်မှတ်ချက်ကိန်းရှင်ကြားမှ ဆက်နွယ်မှုကို ဖော်ပြသည့် “ အသင့်တော်ဆုံးသောမျဉ်း” ကို ကျွန်ုပ်တို့တွေ့ရှိသည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် ကြိုတင်ခန့်မှန်းကိန်းရှင်ကိန်းရှင်နှင့် စံသတ်မှတ်ချက်ကိန်းရှင်အဖြစ် စမ်းသပ်ရမှတ် အဖြစ် လေ့လာထားသော နာရီများကို အသုံးပြု၍ ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှုပုံစံကို ဒေတာအစုံနှင့် အံဝင်ခွင်ကျဖြစ်စေနိုင်သည်။ ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏စံသတ်မှတ်ချက်ပြောင်းလဲနိုင်သော စမ်းသပ်မှုရမှတ် ၏တန်ဖိုးကိုခန့်မှန်းရန်ကြိုးစားရန် ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှုကို အသုံးပြုမည်ဖြစ်သည်။

သို့မဟုတ် အခြားဥပမာအနေဖြင့်၊ လူတစ်စု၏ အရွယ်အစား တန်ဖိုးကို ခန့်မှန်းရန် အလေးချိန်ကို အသုံးပြု၍ ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှုပုံစံကို ဒေတာအတွဲတစ်ခုနှင့် အံကိုက်လုပ်နိုင်သည်။ ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့၏စံသတ်မှတ်ချက်ကိန်းရှင်သည် အမြင့် ဖြစ်သောကြောင့် ကျွန်ုပ်တို့ခန့်မှန်းလိုသောတန်ဖိုးဖြစ်သည်။

ကွဲပြားသောကွက်ကွက်တစ်ခုတွင် အမြင့်နှင့် အလေးချိန်တန်ဖိုးများကို တွက်ချက်ပါက၊ စံနှုန်းပြောင်းလဲနိုင်သော အမြင့်သည် y-ဝင်ရိုးပေါ်တွင် ရှိလိမ့်မည်-

ယေဘူယျအားဖြင့်၊ ကျွန်ုပ်တို့သည် scatterplot တစ်ခုကိုဖန်တီးသောအခါတွင် စံသတ်မှတ်ချက်ကိန်းရှင်သည် y-ဝင်ရိုးတစ်လျှောက်ရှိမည်ဖြစ်ပြီး ကြိုတင်ခန့်မှန်းနိုင်သောကိန်းရှင်သည် x-ဝင်ရိုးတစ်လျှောက်ရှိမည်ဖြစ်သည်။

ဥပမာ 2- မျဉ်းကြောင်းမျိုးစုံ ဆုတ်ယုတ်မှု

Multiple linear regression သည် စံသတ်မှတ်ချက် variable ၏တန်ဖိုးကို ခန့်မှန်းရန် ခန့်မှန်းသူ variable အများအပြားကို အသုံးပြုခြင်းမှလွဲ၍ ရိုးရှင်းသော linear regression နှင့် ဆင်တူပါသည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် စံသတ်မှတ်ချက်ကိန်းရှင်၏ စာမေးပွဲရမှတ် တန်ဖိုးကို ခန့်မှန်းရန် လေ့လာထားသော နာရီများ နှင့် စာမေးပွဲမစမီညတွင် အိပ်ခဲ့သောနာရီများကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်သည်။ ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့၏စံသတ်မှတ်ချက်ကိန်းရှင်သည် ဤခွဲခြမ်းစိတ်ဖြာမှုတွင် ခန့်မှန်းထားသော ကိန်းရှင်ဖြစ်သည်။

ဥပမာ 3- ANOVA

ANOVA (ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း) သည် အမှီအခိုကင်းသော အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်မကသော အုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် ကိန်းဂဏန်းနည်းပညာတစ်ခုဖြစ်သည်။

ဥပမာအားဖြင့်၊ မတူညီသော လေ့ကျင့်ခန်းအစီအစဉ်သုံးခုသည် ကိုယ်အလေးချိန်ကျခြင်းအပေါ် မတူညီသောအကျိုးသက်ရောက်မှုရှိမရှိ ဆုံးဖြတ်ရန်လိုပေမည်။ ကျွန်ုပ်တို့လေ့လာသည့် ခန့်မှန်းကိန်းသည် လေ့ကျင့်ခန်းအစီအစဉ် ဖြစ်ပြီး အဆင့် သုံးဆင့်ရှိသည်။

စံနှုန်းပြောင်းလဲမှု မှာ ပေါင်ဖြင့် တိုင်းတာခြင်းဖြစ်ပြီး ကိုယ်အလေးချိန်ကျခြင်း ဖြစ်သည်။ ပရိုဂရမ်သုံးခုမှ ထွက်ပေါ်လာသော ကိုယ်အလေးချိန်ကျခြင်းကြားတွင် စာရင်းအင်းအရ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် တစ်လမ်းသွား ANOVA ကို လုပ်ဆောင်နိုင်သည် ။

ဤကိစ္စတွင်၊ ကိုယ်အလေးချိန်လျှော့ချခြင်း စံသတ်မှတ်ချက်၏တန်ဖိုးသည် လေ့ကျင့်ခန်းအစီအစဉ်သုံးခုကြားတွင် ကွဲပြားမှုရှိမရှိ နားလည်လိုပါသည်။

အကယ်၍ ကျွန်ုပ်တို့သည် လေ့ကျင့်ခန်းအစီအစဉ် နှင့် တစ်ညလျှင် ပျမ်းမျှအိပ်ချိန်နာရီများကို ခွဲခြမ်းစိတ်ဖြာမည်ဆိုပါက၊ ကျွန်ုပ်တို့သည် ကိုယ်အလေးချိန်ကျခြင်းအပေါ် မည်ကဲ့သို့ အကျိုးသက်ရောက်သည်ကို သိလိုသောကြောင့် နှစ်လမ်းသွား ANOVA ကို လုပ်ဆောင်မည်ဖြစ်သည်။

သို့သော် တစ်ဖန်၊ ကျွန်ုပ်တို့၏ စံသတ်မှတ်ချက်သည် ကိုယ်အလေးချိန် လျော့ကျ နေဆဲဖြစ်သည်၊ အကြောင်းမှာ ဤကိန်းရှင်၏ တန်ဖိုးသည် မတူညီသော လေ့ကျင့်ခန်း နှင့် အိပ်စက်ခြင်း အဆင့်များတွင် မည်သို့ကွာခြားသည်ကို ကျွန်ုပ်တို့ စိတ်ဝင်စားသောကြောင့် ဖြစ်သည်။

ထပ်ဆင့်ဖတ်ရှုခြင်း- စံသတ်မှတ်ချက် ခိုင်လုံမှု၏ ရိုးရှင်းသော ရှင်းလင်းချက်