အထွေထွေအုပ်ချုပ်မှု

အားဖြင့် Benjamin Anderson ဩဂုတ် 5, 2023 ဖြစ်နိုင်ခြေ 0 မှတ်ချက်များ

ဤဆောင်းပါးတွင်၊ စာရင်းဇယားတွင် လက်မ၏စိုးမိုးမှုဆိုသည်မှာ အဘယ်နည်းနှင့် ၎င်း၏ဖော်မြူလာဖြစ်သည်ကို သင်တွေ့လိမ့်မည်။ ထို့အပြင် လက်မ၏စည်းကမ်းနှင့် ပတ်သက်၍ ဖြေရှင်းထားသော လေ့ကျင့်ခန်းအဆင့်ဆင့်ကို သင်တွေ့မြင်နိုင်မည်ဖြစ်သည်။

လက်မထောင်ခြင်း စည်းမျဉ်းကဘာလဲ။

စာရင်းဇယားများတွင် လက်မ၏စည်းမျဉ်း ၊ 68-95-99.7 စည်းမျဉ်း ဟုလည်း ခေါ်သည် ၊ သည် ပုံမှန်ဖြန့်ဝေမှုတစ်ခုတွင် တန်ဖိုးများ၏ ရာခိုင်နှုန်းများကို သတ်မှတ်ပေးသည့် စည်းမျဉ်းတစ်ခုဖြစ်သည်။

ဒါကြောင့် ယေဘူယျအားဖြင့် စည်းကမ်းချက်က ဒီလိုဖော်ပြထားတယ်။

တန်ဖိုးများ၏ 68% သည် စံသွေဖည်မှုတစ်ခုအတွင်းတွင် ရှိနေသည်။
တန်ဖိုးများ၏ 95% သည် ဆိုလိုရင်း၏ စံသွေဖည်မှုနှစ်ခုအတွင်း ရှိပါသည်။
တန်ဖိုးများ၏ 99.7% သည် ဆိုလိုရင်း၏ စံသွေဖည်မှု သုံးခုအတွင်း ရှိပါသည်။

Rule of Thumb ဖော်မြူလာ

လက်မ၏စည်းမျဉ်းကိုလည်း အောက်ပါဖော်မြူလာများဖြင့် ဖော်ပြနိုင်သည်။

$P(\mu-1\sigma\leq X \leq \mu+1\sigma)\approx 0,6827$

$P(\mu-2\sigma\leq X \leq \mu+2\sigma)\approx 0,9545$

$P(\mu-3\sigma\leq X \leq \mu+3\sigma)\approx 0,9973$

ရွှေ

$X$

ပုံမှန်ဖြန့်ဖြူးမှုဖြင့် ထိန်းချုပ်ထားသော ကျပန်းကိန်းရှင်တစ်ခု၏ စူးစမ်းလေ့လာမှုတစ်ခု၊

$\mu$

ဖြန့်ဖြူးခြင်း၏ ဆိုလိုရင်းဖြစ်သည်။

$\sigma$

၎င်း၏စံသွေဖည်။

➤ ဂဏန်းသင်္ချာဟူသည် အဘယ်နည်း ။
➤ ကြည့်ပါ- စံသွေဖည်ခြင်းဆိုသည်မှာ အဘယ်နည်း။

နမူနာ စည်းမျဉ်း

ယခု ကျွန်ုပ်တို့သည် empirical rule ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်နှင့် ၎င်း၏ဖော်မြူလာသည် မည်ကဲ့သို့ဖြစ်သည်ကို သိကြပြီး၊ ပုံမှန်ဖြန့်ဖြူးမှု၏ empirical rule ၏ ကိုယ်စားလှယ်တန်ဖိုးများကို တွက်ချက်နည်းအတွက် ခိုင်မာသော ဥပမာတစ်ခုကို ကြည့်ကြပါစို့။

နေရာဒေသတစ်ခုတွင် နှစ်စဉ်မွေးဖွားမှုအရေအတွက်သည် ပျမ်းမျှအားဖြင့် 10,000 နှင့် စံသွေဖည်မှု 1,000 ရှိသော ပုံမှန်ဖြန့်ဝေမှုနောက်ဆက်တွဲဖြစ်ကြောင်း ကျွန်ုပ်တို့သိပါသည်။ ဤပုံမှန်ဖြန့်ဖြူးမှု၏ ပင်ကိုယ်စည်းမျဉ်း၏ ဝိသေသကြားကာလများကို တွက်ချက်ပါ။

$\mu=10000$

$\sigma=1000$

အထက်တွင်ရှင်းပြထားသည့်အတိုင်း rule of thumb intervals ကို တွက်ချက်ရန်အတွက် ဖော်မြူလာများမှာ-

$P(\mu-1\sigma\leq X \leq \mu+1\sigma)\approx 0,6827$

$P(\mu-2\sigma\leq X \leq \mu+2\sigma)\approx 0,9545$

$P(\mu-3\sigma\leq X \leq \mu+3\sigma)\approx 0,9973$

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် လေ့ကျင့်ခန်းဒေတာကို ဖော်မြူလာများဖြင့် အစားထိုးသည်-

$P(10000-1\cdot 1000\leq X \leq 10000+1\cdot 1000)\approx 0,6827$

$P(10000-2\cdot 1000\leq X \leq 10000+2\cdot 1000)\approx 0,9545$

$P(10000-3\cdot 1000\leq X \leq 10000+3\cdot 1000)\approx 0,9973$

တွက်ချက်မှုများပြုလုပ်ခြင်းဖြင့် ရရှိသောရလဒ်များမှာ-

$P(9000\leq X \leq 11000)\approx 0,6827$

$P(8000\leq X \leq 12000)\approx 0,9545$

$P(7000\leq X \leq 13000)\approx 0,9973$

ထို့ကြောင့်၊ မွေးဖွားမှုအရေအတွက်သည် [9000,11000] ကြားကာလတွင်ဖြစ်နိုင်ခြေ 68.27% ရှိကြောင်း၊ ဖြစ်နိုင်ခြေ 95.45% သည် [8000,12000] နှင့် နောက်ဆုံးဖြစ်နိုင်ခြေ 99.73% တို့ဖြစ်သည် အဲဒါက [7000,13000] ကြားရှိတယ်။

Rule of Thumb တန်ဖိုးများ ဇယား

68၊ 95 နှင့် 99.7 တို့၏ တန်ဖိုးများအပြင် စံသွေဖည်မှုကို အသုံးပြု၍ အခြားဖြစ်နိုင်ခြေတန်ဖိုးများကိုလည်း တွေ့ရှိနိုင်သည်။ အောက်တွင် ပုံမှန်ဖြန့်ဖြူးမှုအတွက် ဖြစ်နိုင်ခြေရှိသော ဇယားကို သင်တွေ့နိုင်သည်-

သပ်ရပ်တယ်။	ဖြစ်နိုင်ခြေ
µ ± 0.5σ	0.382924922548026
µ ± 1σ	0.682689492137086
µ ± 1.5σ	၀.၈၆၆၃၈၅၅၉၇၄၆၂၂၈၄
µ ± 2σ	0.954499736103642
µ ± 2.5σ	၀.၉၈၇၅၈၀၆၆၉၃၄၈၄၄၈
µ ± 3σ	0.997300203936740
µ±3.5σ	0.999534741841929
µ ± 4σ	0.999936657516334
µ ± 4.5σ	0.999993204653751
µ ± 5σ	0.999999426696856
µ±5.5σ	0.999999962020875
µ ± 6σ	0.999999998026825
µ±6.5σ	0.9999999999919680
µ ± 7σ	0.9999999999997440

ဇယားရှိ ဤကိန်းဂဏာန်းတန်ဖိုးများအားလုံးသည် ပုံမှန်ဖြန့်ဖြူးမှု၏ စုစည်းဖြစ်နိုင်ခြေလုပ်ဆောင်ချက်မှ လာပါသည်။

စာရေးသူအကြောင်း

Benjamin Anderson

မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။