နမူနာကွဲလွဲမှု vs. လူဦးရေကွဲပြားမှု- ကွာခြားချက်ကား အဘယ်နည်း။

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

ဖော်မြူလာနှစ်ခုကြားတွင် အနည်းငယ်ကွာခြားချက်သာရှိကြောင်း သတိပြုပါ။

လူဦးရေကွဲလွဲမှုကို တွက်ချက်သောအခါ N (လူဦးရေ၏အရွယ်အစား) ဖြင့် ပိုင်းခြားပါသည်။

နမူနာကွဲလွဲမှုကို တွက်ချက်သောအခါ၊ ကျွန်ုပ်တို့သည် n-1 (နမူနာအရွယ်အစား – 1) ဖြင့် ပိုင်းခြားပါသည်။

နမူနာကွဲလွဲမှုကို တွက်ချက်သောအခါ၊ n-1 ဖြင့် ပိုင်းခြားခြင်းပါ၀င်သည့် Bessel တည့်မတ်ခြင်း ဟုခေါ်သောအရာကို ကျွန်ုပ်တို့အသုံးပြုသည်။

သင်္ချာအသေးစိတ်အချက်အလက်များတွင် နစ်မွန်းမနေဘဲ၊ n-1 ဖြင့် ပိုင်းခြားခြင်းသည် မည်သို့ပင်ဖြစ်စေ ကျွန်ုပ်တို့စိတ်ဝင်စားလေ့ရှိသော တန်ဖိုးဖြစ်သည့် လူဦးရေကွဲလွဲမှု၏ ဘက်မလိုက်သော ခန့်မှန်းချက်ကို ပေးစွမ်းနိုင်မည်ဖြစ်သည်။

နမူနာကွဲလွဲမှုနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်သည့်အခါ

နမူနာကွဲလွဲမှု သို့မဟုတ် လူဦးရေကွဲလွဲမှုကို တွက်ချက်ရန် မသေချာပါက၊ ဤယေဘုယျစည်းမျဉ်းကို သတိရပါ-

သင်လုပ်ဆောင်နေသော ဒေတာအတွဲသည် စိတ်ဝင်စားမှုပိုများသော လူဦးရေမှယူထားသော နမူနာကို ကိုယ်စားပြုသည့်အခါ နမူနာကွဲလွဲမှုကို တွက်ချက်သင့်သည်။

သင်လုပ်ဆောင်နေသော ဒေတာအစုံသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုသည့်အခါတွင် လူဦးရေကွဲလွဲမှုကို တွက်ချက်သင့်သည်၊ ဆိုလိုသည်မှာ သင်စိတ်ဝင်စားသောတန်ဖိုးတိုင်းကို တွက်ချက်သင့်သည်။

အောက်ပါနမူနာများသည် နမူနာကွဲလွဲမှုနှင့် လူဦးရေကွဲပြားမှုကို တွက်ချက်ရန်အတွက် မတူညီသောအခြေအနေများကို ပြသသည်။

ဥပမာ- နမူနာကွဲလွဲမှုကို တွက်ချက်ခြင်း။

ရုက္ခဗေဒပညာရှင်တစ်ဦးသည် အပင်မျိုးစိတ်တစ်ခု၏ အမြင့်ကွဲပြားမှုကို တွက်ချက်လိုသည်ဆိုပါစို့။ ဧရိယာတစ်ဝိုက်တွင် အပင်တစ်ပင်ချင်းစီ ထောင်နှင့်ချီရှိသောကြောင့် သူမသည် အပင် 20 ၏ ရိုးရှင်းသော ကျပန်းနမူနာကို ယူကာ ၎င်းတို့၏ အမြင့်တစ်ခုစီကို တိုင်းတာရန် ဆုံးဖြတ်ခဲ့သည်။

ဤအခြေအနေတွင်၊ ရုက္ခဗေဒပညာရှင်သည် အပင်တစ်ခုလုံး၏ လူဦးရေကွဲလွဲမှုကို စိတ်ဝင်စားသောကြောင့် ရုက္ခဗေဒပညာရှင်သည် နမူနာကွဲလွဲမှုကို တွက်ချက်ရမည်ဖြစ်ပြီး၊ သို့သော် လူဦးရေကွဲလွဲမှုကို ခန့်မှန်းရန် ဤနမူနာကို ရိုးရိုးရှင်းရှင်းအသုံးပြုထားသည်။

ဥပမာ- လူဦးရေကွဲလွဲမှုကို တွက်ချက်ခြင်း။

ဆရာတစ်ဦးသည် သူ့အတန်းရှိ ကျောင်းသား ၂၀ ၏ စာမေးပွဲရမှတ်များ၏ ကွဲလွဲမှုကို တွက်ချက်လိုသည်ဆိုပါစို့။

ဤအခြေအနေတွင် ဆရာသည် သူလုပ်ဆောင်နေသော ဒေတာအတွဲ (20 စာမေးပွဲရလဒ်များ) သည် စိတ်ဝင်စားသူအားလုံးကို ကိုယ်စားပြုသောကြောင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်ရပါမည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် မတူညီသော စာရင်းအင်းဆော့ဖ်ဝဲတွင် နမူနာကွဲလွဲမှုနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်နည်းကို ရှင်းပြသည်-

Excel တွင် နမူနာနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်နည်း
R တွင် နမူနာနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်နည်း
Python တွင် နမူနာနှင့် လူဦးရေကွဲလွဲမှုကို တွက်ချက်နည်း