ကိန်းဂဏန်းစာရင်းအင်းများတွင် ပုံမှန်ဖြစ်ရိုးဖြစ်စဉ်ဟူသည် အဘယ်နည်း။

ကိန်းဂဏန်းစမ်းသပ်မှုများစွာသည် normality assumption ဟုခေါ်သည့်အရာကို အားကိုးသည်။

အကယ်၍ ကျွန်ုပ်တို့သည် လူဦးရေများထံမှ အမှီအခိုကင်းသော ကျပန်းနမူနာများစွာကို စုဆောင်းပြီး အကျိုးစီးပွားတန်ဖိုး ( နမူနာဆိုလို သလို) တွက်ချက်ပါက နမူနာ၏ဖြန့်ဝေမှုကို မြင်သာစေရန် ဟစ်စတိုဂရမ်တစ်ခု ဖန်တီးပါက၊ ပြီးပြည့်စုံသော ခေါင်းလောင်းမျဉ်းကွေးကို သတိပြုသင့်သည်။

ကိန်းဂဏန်းနည်းပညာများစွာသည် ဒေတာနှင့်ပတ်သက်ပြီး ဤယူဆချက်ကို ဖြစ်စေသည်-

1. နမူနာ t စမ်းသပ်မှုတစ်ခု – နမူနာဒေတာကို ပုံမှန်အတိုင်း ဖြန့်ဝေသည်ဟု ယူဆပါသည်။

2. နမူနာနှစ်ခု t-test- နမူနာနှစ်ခုကို ပုံမှန်ဖြန့်ဝေသည်ဟု ယူဆပါသည်။

3. ANOVA : မော်ဒယ်အကြွင်းအကျန်များကို ပုံမှန်အားဖြင့် ဖြန့်ဝေသည်ဟု ယူဆရသည်။

4. Linear regression : မော်ဒယ်အကြွင်းအကျန်များကို ပုံမှန်အားဖြင့် ဖြန့်ဝေသည်ဟု ယူဆပါသည်။

ဤယူဆချက်ကို မလိုက်လျောပါက၊ ဤစစ်ဆေးမှုများ၏ ရလဒ်များသည် ယုံကြည်စိတ်ချရခြင်းမရှိသည့်အပြင် ဒေတာနမူနာများမှရရှိသော ကျွန်ုပ်တို့၏ကောက်ချက်များအား အလုံးစုံ လူဦးရေ သို့ စိတ်ချယုံကြည်စွာ ယေဘူယျဖော်ပြနိုင်မည်မဟုတ်ပေ။ ထို့ကြောင့် ဤယူဆချက်နှင့်ကိုက်ညီမှုရှိမရှိ စစ်ဆေးရန် အရေးကြီးပါသည်။

ဤပုံမှန်ယူဆချက်နှင့်ကိုက်ညီခြင်းရှိမရှိ စစ်ဆေးရန် ဘုံနည်းလမ်းနှစ်ခုရှိသည်။

၁။ ပုံမှန်အခြေအနေကို မြင်ယောင်ကြည့်ပါ။

2. တရားဝင်စာရင်းအင်းစမ်းသပ်မှုပြုလုပ်ပါ။

အောက်ဖော်ပြပါ ကဏ္ဍများသည် သင်ဖန်တီးနိုင်သော တိကျသော ဂရပ်ဖစ်များနှင့် ပုံမှန်အခြေအနေရှိမရှိ စစ်ဆေးရန် သင်လုပ်ဆောင်နိုင်သည့် တိကျသော စာရင်းအင်းစစ်ဆေးမှုများကို ရှင်းပြထားသည်။

ပုံမှန်အတိုင်းမြင်ယောင်ကြည့်ပါ။

ဒေတာအစုံကို ပုံမှန်ဖြန့်ဝေခြင်း ရှိ၊ မရှိ စစ်ဆေးရန် လျင်မြန်ပြီး အလွတ်သဘော နည်းလမ်းမှာ ဟီစတိုဂရမ် သို့မဟုတ် QQ ကွက်ကွက် ဖန်တီးခြင်း ဖြစ်သည်။

1. Histogram

ဒေတာအစုတစ်ခု၏ ဟီစတိုဂရမ်သည် အကြမ်းဖျင်းအားဖြင့် ခေါင်းလောင်းပုံသဏ္ဌာန်ဖြစ်နေပါက၊ ဒေတာကို ပုံမှန်အားဖြင့် ဖြန့်ဝေနိုင်ဖွယ်ရှိသည်။

2. QQLand

“ quantile-quantile” ၏ အတိုကောက် QQ ကွက်ကွက်သည် x-axis တစ်လျှောက် သီအိုရီဆိုင်ရာ ကိန်းသေများကို ပြသသည့် ကွက်ကွက်အမျိုးအစားတစ်ခု (ဆိုလိုသည်မှာ သင့်ဒေတာသည် ပုံမှန်ဖြန့်ဝေမှုအတိုင်း ဖြစ်ပါက မည်သည့်နေရာတွင်ရှိမည်) နှင့် y-ဝင်ရိုးတစ်လျှောက် နမူနာအရေအတွက်များ။ (ဆိုလိုသည်မှာ သင့်ဒေတာ အမှန်တကယ် နေထိုင်သည့်နေရာ)။

ဒေတာတန်ဖိုးများသည် 45 ဒီဂရီထောင့်ဖြင့် ဖွဲ့စည်းထားသော အကြမ်းဖျင်းဖြောင့်မျဉ်းအတိုင်း လိုက်နာပါက ဒေတာကို ပုံမှန်အတိုင်း ဖြန့်ဝေသည်ဟု ယူဆပါသည်။

တရားဝင်စာရင်းအင်းစမ်းသပ်မှုပြုလုပ်ပါ။

ဒေတာအစုံကို ပုံမှန်ဖြန့်ဝေခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် တရားဝင် စာရင်းအင်းဆိုင်ရာ စမ်းသပ်မှုကိုလည်း လုပ်ဆောင်နိုင်သည်။

အကယ်၍ စမ်းသပ်မှု၏ p-value သည် အချို့သော အရေးပါမှုအဆင့် (ဥပမာ α = 0.05) အောက်တွင် ရှိနေပါက၊ ဒေတာကို ပုံမှန်အတိုင်း ဖြန့်ဝေခြင်း မဟုတ်ဟု ဆိုရန် သင့်တွင် လုံလောက်သော အထောက်အထားရှိသည်။

ပုံမှန်နှုန်းကို စမ်းသပ်ရန်အတွက် အသုံးများသော ကိန်းဂဏန်းစမ်းသပ်မှု သုံးခုရှိသည်။

1. Jarque-Bera စမ်းသပ်မှု

• Excel တွင် Jarque-Bera Test ကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။
• R တွင် Jarque-Bera စမ်းသပ်မှုပြုလုပ်နည်း
• Python တွင် Jarque-Bera စမ်းသပ်မှုပြုလုပ်နည်း

2. Shapiro-Wilk စမ်းသပ်မှု

• R တွင် Shapiro-Wilk စမ်းသပ်မှုပြုလုပ်နည်း
• Python တွင် Shapiro-Wilk Test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

3. Kolmogorov-Smirnov စမ်းသပ်မှု

• Excel တွင် Kolmogorov-Smirnov Test ကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။
• R တွင် Kolmogorov-Smirnov စမ်းသပ်မှုပြုလုပ်နည်း
• Python တွင် Kolmogorov-Smirnov စမ်းသပ်မှုပြုလုပ်နည်း

ပုံမှန်အနေအထားကို ချိုးဖောက်ရင် ဘာလုပ်ရမလဲ

သင့်ဒေတာကို ပုံမှန်မဖြန့်ဝေပါက၊ သင့်တွင် ရွေးချယ်စရာနှစ်ခုရှိသည်။

1. ဒေတာကိုပြောင်းပါ။

ရွေးချယ်ခွင့်တစ်ခုမှာ ဒေတာကို ပုံမှန်အတိုင်း ပိုမိုဖြန့်ဝေနိုင်စေရန် ရိုးရှင်းစွာ ပြောင်းလဲရန် ဖြစ်သည်။ ဘုံအသွင်ပြောင်းခြင်းများ ပါဝင်သည်-

• မှတ်တမ်းအသွင်ပြောင်းခြင်း- y မှ မှတ်တမ်း(y) သို့ ဒေတာကို ပြောင်းပါ။
• စတုရန်းအမြစ်အသွင်ပြောင်းခြင်း- ဒေတာကို y မှ √y သို့ ပြောင်းလဲပါ။
• Cube root အသွင်ပြောင်းခြင်း- y မှ y ^1/3 သို့ ဒေတာကို ပြောင်းပါ။
• Box-Cox အသွင်ပြောင်းခြင်း- Box-Cox လုပ်ထုံးလုပ်နည်းကို အသုံးပြု၍ အချက်အလက်ကို အသွင်ပြောင်းခြင်း။

ဤအသွင်ပြောင်းမှုများကို လုပ်ဆောင်ခြင်းဖြင့် ဒေတာတန်ဖိုးများ ဖြန့်ဝေမှုသည် ယေဘူယျအားဖြင့် ပိုမိုပုံမှန်အတိုင်း ဖြန့်ဝေလာပါသည်။

2. nonparametric စမ်းသပ်မှုပြုလုပ်ပါ။

ပုံမှန်ဟုယူဆချက်ကိုဖြစ်စေသောကိန်းဂဏန်းဆိုင်ရာစမ်းသပ်မှုများကို parametric စမ်းသပ်မှုများ ဟုခေါ်သည်။ သို့သော် ဤယူဆချက်ကို ပုံမှန်အဖြစ်မဖြစ်စေသော ပါရာမက်ထရစ်မဟုတ်သော စမ်းသပ်မှုဟု ခေါ်သည့် မိသားစုတစ်စုလည်း ရှိပါသည်။

သင့်ဒေတာကို ပုံမှန်ဖြန့်ဝေခြင်းမဟုတ်ကြောင်း ထင်ရှားပါက၊ သင်သည် parametric မဟုတ်သော စမ်းသပ်မှုတစ်ခုကို ရိုးရိုးရှင်းရှင်း လုပ်ဆောင်နိုင်ပါသည်။ ဤသည်မှာ ဘုံကိန်းဂဏန်းစစ်ဆေးမှုများ၏ စံသတ်မှတ်ချက်မဟုတ်သော ဗားရှင်းအချို့ဖြစ်သည်။

ဤ parametric မဟုတ်သောစမ်းသပ်မှုတစ်ခုစီတိုင်းသည် ပုံမှန်ဖြစ်ရိုးဖြစ်စဉ်ယူဆချက်ကို ကျေနပ်မှုမရှိဘဲ ကိန်းဂဏန်းစမ်းသပ်မှုတစ်ခုကို လုပ်ဆောင်နိုင်စေသည်။

ထပ်လောင်းအရင်းအမြစ်များ

T test တစ်ခုတွင် အယူအဆလေးခုကို ပုံဖော်ထားသည်။
linear regression ၏ ယူဆချက်လေးခု
ANOVA ၏ယူဆချက်လေးခု