Python တွင် နမူနာနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်နည်း

Variance သည် data set တစ်ခုတွင် တန်ဖိုးများ ဖြန့်ဖြူးမှုကို တိုင်းတာရန် နည်းလမ်းတစ်ခုဖြစ်သည်။

လူဦးရေကွဲလွဲမှုကို တွက်ချက်ရန် ဖော်မြူလာမှာ-

σ ² = Σ (x _i – μ) ² / N

ရွှေ-

• ∑ : “ပေါင်း” ဟူသော သင်္ကေတ၊
• μ : လူဦးရေ ပျမ်းမျှ
• x _i : လူဦးရေ၏ i ^th ဒြပ်စင်
• N : လူဦးရေ အရွယ်အစား

နမူနာကွဲလွဲမှုကို တွက်ချက်ရန် ဖော်မြူလာမှာ-

s ² = Σ (x _i – x ) ² / (n-1)

ရွှေ-

• x : နမူနာဆိုလိုသည်။
• x _i : နမူနာ၏ i ^th ဒြပ်စင်
• n : နမူနာအရွယ်အစား

ပေးထားသောဇယားတစ်ခုအတွက် နမူနာကွဲလွဲမှုနှင့် လူဦးရေကွဲလွဲမှု (အသီးသီး) ကို လျင်မြန်စွာတွက်ချက်ရန် Python ရှိ ကိန်းဂဏာန်း ပြစာကြည့်တိုက်မှ ကွဲလွဲမှု နှင့် pvariance လုပ်ဆောင်ချက်များကို အသုံးပြုနိုင်ပါသည်။

 from statistics import variance, pvariance

#calculate sample variance
variance(s)

#calculate population variance
pvariance(x)

အောက်ဖော်ပြပါ ဥပမာများသည် လုပ်ဆောင်ချက်တစ်ခုစီကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ 1- Python တွင် နမူနာကွဲလွဲမှုကို တွက်ချက်ခြင်း။

အောက်ပါကုဒ်သည် Python ရှိ ဇယားတစ်ခု၏ နမူနာကွဲလွဲမှုကို တွက်ချက်နည်းကို ပြသည်-

 from statistics import variance 

#define data
data = [4, 8, 12, 15, 9, 6, 14, 18, 12, 9, 16, 17, 17, 20, 14]

#calculate sample variance
variance(data)

22,067

နမူနာကွဲလွဲမှုသည် 22.067 ဖြစ်လာသည်။

ဥပမာ 2- Python ရှိ လူဦးရေကွဲလွဲမှုကို တွက်ချက်ခြင်း။

အောက်ပါကုဒ်သည် Python ရှိ ဇယားတစ်ခု၏ လူဦးရေကွဲလွဲမှုကို တွက်ချက်နည်းကို ပြသည်-

 from statistics import pvariance 

#define data
data = [4, 8, 12, 15, 9, 6, 14, 18, 12, 9, 16, 17, 17, 20, 14]

#calculate sample variance
pvariance(data)

20,596

လူဦးရေကွဲလွဲမှုသည် 20,596 ဖြစ်လာသည်။

နမူနာနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်ခြင်းဆိုင်ရာ မှတ်စုများ

နမူနာနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်ရာတွင် အောက်ပါတို့ကို မှတ်သားထားပါ-

• သင်လုပ်ဆောင်နေသော ဒေတာအစုံသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုသည့်အခါတွင် လူဦးရေကွဲလွဲမှုကို တွက်ချက်သင့်သည်၊ ဆိုလိုသည်မှာ သင်စိတ်ဝင်စားသောတန်ဖိုးတိုင်းကို တွက်ချက်သင့်သည်။
• သင်လုပ်ဆောင်နေသော ဒေတာအတွဲသည် စိတ်ဝင်စားမှုပိုများသော လူဦးရေမှယူထားသော နမူနာကို ကိုယ်စားပြုသည့်အခါ နမူနာကွဲလွဲမှုကို တွက်ချက်သင့်သည်။
• ပေးထားသောဒေတာဇယားတစ်ခု၏နမူနာကွဲလွဲမှုသည် တူညီသောဒေတာဇယားအတွက် လူဦးရေကွဲလွဲမှုထက် အမြဲတမ်းကြီးနေမည်ဖြစ်ပြီး နမူနာကွဲလွဲမှုကို တွက်ချက်ရာတွင် မသေချာမှုများရှိနေသောကြောင့် ကျွန်ုပ်တို့၏ခန့်မှန်းချက်ကွဲလွဲမှုမှာ ပိုကြီးမည်ဖြစ်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် Python ရှိ အခြားသောပျံ့နှံ့မှုမက်ထရစ်များကို တွက်ချက်နည်းကို ရှင်းပြသည်-

Python ရှိ interquartile range ကို တွက်နည်း
Python တွင် ပြောင်းလဲခြင်း၏ Coefficient တွက်ချက်နည်း
Python ရှိ စာရင်းတစ်ခု၏ စံသွေဖည်မှုကို တွက်ချက်နည်း