Statistics သည် ဒေတာစုဆောင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်း၊ အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းနှင့် တင်ပြခြင်းနှင့် ပတ်သက်သော သင်္ချာဘာသာရပ်ခွဲတစ်ခုဖြစ်သည်။ ၎င်းသည် ကျွန်ုပ်တို့ပတ်ဝန်းကျင်ရှိ ကမ္ဘာကြီးကို နားလည်သဘောပေါက်ရန် အစွမ်းထက်သည့်ကိရိယာဖြစ်ပြီး ယူဆချက်ထက် အချက်အလက်များအပေါ်အခြေခံ၍ ဆုံးဖြတ်ချက်များချရာတွင် ကူညီပေးသည်။
ကိန်းဂဏန်းစာရင်းဇယား၏ အဓိကအကိုင်းအခက် နှစ်ခု ရှိသည်- သရုပ်ဖော်စာရင်းအင်း နှင့် အကြမ်းဖျင်းစာရင်းအင်းများ ။
Central Tendency ၏ Measures များကို ထိုဒေတာအစုအတွင်း ဗဟိုအနေအထားကို ခွဲခြားသတ်မှတ်ခြင်းဖြင့် ဒေတာအစုတစ်ခုအား အကျဉ်းချုံ့ရန် အသုံးပြုသည်။ အသုံးအများဆုံးအတိုင်းအတာများမှာ ပျမ်းမျှ၊ ပျမ်းမျှနှင့် မုဒ်တို့ဖြစ်သည်။
ကွဲလွဲမှုအတိုင်းအတာများသည် ဒေတာပျံ့ပွားပုံ သို့မဟုတ် ပျံ့နှံ့ပုံကို ဖော်ပြသည်။ အသုံးအများဆုံးအတိုင်းအတာများမှာ အတိုင်းအတာ၊ ကွဲလွဲမှုနှင့် စံသွေဖည်မှုတို့ဖြစ်သည်။
Inferential Statistics သည် ကျပန်းကွဲလွဲမှုဖြစ်နိုင်သည့် အချက်အလက်မှ ကောက်ချက်ဆွဲသည်။ ၎င်းတွင် စူးစမ်းလေ့လာမှုဆိုင်ရာ အမှားအယွင်းများ၊ နမူနာပုံစံကွဲလွဲမှု စသည်တို့ ပါဝင်သည်။ ၎င်းသည် နမူနာတစ်ခုအပေါ် အခြေခံ၍ လူဦးရေအကြောင်း ကောက်ချက်ချခြင်းအကြောင်းဖြစ်သည်။
Hypothesis Testing သည် ကိန်းဂဏန်း အနုမာန နည်းလမ်းတစ်ခု ဖြစ်သည်။ ဒေတာသည် တိကျသောယူဆချက်အား ထောက်ခံသည်ဖြစ်စေ မထောက်ခံသည်ဖြစ်စေ ဆုံးဖြတ်ရန် ၎င်းကိုအသုံးပြုသည်။ ၎င်းတွင် p-value ၊ သို့မဟုတ် သတိပြုမိသော အရေးပါမှုကို ကြိုတင်သတ်မှတ်ထားသော အရေးပါမှုအဆင့်၊ မကြာခဏ 0.05 နှင့် နှိုင်းယှဉ်ခြင်းတို့ ပါဝင်ပါသည်။
Confidence Intervals များသည် သတ်မှတ်ထားသော ယုံကြည်မှုအဆင့်တွင် အမည်မသိလူဦးရေကန့်သတ်ချက်၏တန်ဖိုးပါ၀င်သည်ဟု ယူဆရသည့် နမူနာဒေတာမှ ဆင်းသက်လာသော တန်ဖိုးများဖြစ်သည်။ ဥပမာအားဖြင့်၊ ပျမ်းမျှအတွက် ယုံကြည်မှု 95% ကြားကာလသည် တူညီသောလူဦးရေကို အကြိမ်များစွာနမူနာယူခဲ့ပြီး ကြားကာလများကို တွက်ချက်ပါက၊ အဆိုပါကြားကာလ၏ 95% သည် စစ်မှန်သောလူဦးရေကို ဆိုလိုပါသည်။
Regression Analysis သည် ကိန်းရှင်နှစ်ခု သို့မဟုတ် နှစ်ခုထက်ပိုသော ဆက်စပ်မှုကို စစ်ဆေးသည့် ကိန်းဂဏန်းနည်းလမ်းတစ်ခုဖြစ်သည်။ ဥပမာအားဖြင့်၊ linear regression ကို အခြားတစ်ခု၏တန်ဖိုးအပေါ်အခြေခံ၍ variable တစ်ခု၏တန်ဖိုးကို ခန့်မှန်းရန် အသုံးပြုနိုင်သည်။ ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှုမျဉ်းအတွက် ညီမျှခြင်းမှာ \(y = \beta_0 + \beta_1x\) ဖြစ်ပြီး၊ \(y\) သည် မှီခိုကိန်းရှင်ဖြစ်ပြီး \(x\) သည် လွတ်လပ်သောကိန်းရှင်ဖြစ်ပြီး \(\beta_0\) နှင့် \(\beta_1\) y-ကြားဖြတ် နှင့် မျဉ်း၏ လျှောစောက်ကို ကိုယ်စားပြုသည့် ဖော်ကိန်းများ ဖြစ်သည်။
ဒေတာစုဆောင်းခြင်းသည် စာရင်းအင်းခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်တွင် အရေးကြီးသောအဆင့်ဖြစ်သည်။ ရလဒ်များ မှန်ကန်ပြီး ယုံကြည်စိတ်ချရကြောင်း သေချာစေရန်အတွက် အချက်အလက်များကို သင့်လျော်စွာ စုဆောင်းရပါမည်။ အသုံးများသောနည်းလမ်းများတွင် စစ်တမ်းများ၊ စမ်းသပ်မှုများနှင့် စူးစမ်းလေ့လာမှုများ ပါဝင်သည်။
ဖြစ်နိုင်ခြေသည် မသေချာမရေရာမှု အရေအတွက်ကို ခွင့်ပြုပေးသောကြောင့် စာရင်းဇယားများတွင် အခြေခံကျသော အခန်းကဏ္ဍမှ ပါဝင်ပါသည်။ ဖြစ်နိုင်ခြေကို အဖြစ်အပျက်တစ်ခု၏ဖြစ်နိုင်ခြေဟု ယူဆနိုင်ပြီး ၎င်းသည် 0 (မဖြစ်နိုင်) မှ 1 (အချို့) ရှိသည်။
ဖြစ်နိုင်ခြေ အတွက် အခြေခံဖော်မြူလာမှာ- P(A) = နှစ်သက်ဖွယ်ရလဒ်များ ∕ ဖြစ်နိုင်ချေရှိသော ရလဒ်စုစုပေါင်း
ဘယ်မှာလဲ-
အရေးကြီးသောစည်းမျဉ်းတစ်ခုမှာ ပေါင်းစည်းခြင်းစည်းမျဉ်း ဖြစ်ပြီး၊ နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော အပြန်အလှန်သီးသန့်ဖြစ်ရပ်များဖြစ်ပေါ်နိုင်ခြေသည် ၎င်းတို့၏တစ်ဦးချင်းဖြစ်နိုင်ခြေပေါင်းလဒ်နှင့် ညီမျှသည်ဟု ဖော်ပြထားသည်။ ဖော်မြူလာမှာ \(P(A \textrm{ သို့မဟုတ် } B) = P(A) + P(B)\) ၊ \(A\) နှင့် \(B\) တို့သည် အပြန်အလှန် သီးသန့်ဖြစ်သည်ဟု ယူဆပါသည်။
အခြားမရှိမဖြစ်လိုအပ်သော အယူအဆမှာ နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော သီးခြားဖြစ်ရပ်များ အတူတကွဖြစ်ပေါ်နိုင်ခြေကို တွက်ချက်ရာတွင် အသုံးပြုသည့် မြှောက်ကိန်းစည်းမျဉ်း ဖြစ်သည်။ ဖော်မြူလာမှာ \(P(A \textrm{ နှင့် } B) = P(A) \times P(B)\) ။
စာရင်းအင်းဆိုင်ရာ သဘောတရားများနှင့် ကိရိယာများကို နားလည်ခြင်းသည် လူတစ်ဦးချင်းစီ၏ ယူဆချက်ထက် အချက်အလက်များအပေါ် အခြေခံ၍ အသိဥာဏ်ဖြင့် ဆုံးဖြတ်ချက်များချရန် ခွန်အားပေးနိုင်သည်။ ၎င်းသည် စီးပွားရေး၊ သိပ္ပံနှင့် ပြည်သူ့ကျန်းမာရေးစသည့် နယ်ပယ်အသီးသီးတွင် တိုးတက်မှုအတွက် သိသိသာသာ အထောက်အကူဖြစ်စေသော ရှုပ်ထွေးသောဒေတာအတွဲများကို ခွဲခြမ်းစိတ်ဖြာရန်အတွက် အခြေခံအုတ်မြစ်ကို ချပေးသည်။
