Google Play badge

ဒေတာအုပ်စုဖွဲ့


စာရင်းအင်းများတွင် အုပ်စုဖွဲ့ဒေတာကို နားလည်ခြင်း။

အုပ်စုဖွဲ့ဒေတာသည် အုပ်စုများ သို့မဟုတ် အမျိုးအစားများအဖြစ် စုစည်းထားသည့် အချက်အလက်များကို ဖော်ပြရန်အတွက် စာရင်းအင်းများတွင် အသုံးပြုသည့် ဝေါဟာရတစ်ခုဖြစ်သည်။ ဒေတာကို ရိုးရှင်းစေရန်၊ ခွဲခြမ်းစိတ်ဖြာရန် ပိုမိုလွယ်ကူစေရန်နှင့် ဒေတာအစုအတွင်း ပုံစံများ သို့မဟုတ် လမ်းကြောင်းများကို ခွဲခြားသတ်မှတ်ရန် ၎င်းကို မကြာခဏလုပ်ဆောင်သည်။

ဘာကြောင့် Group Data

ဒေတာအုပ်စုဖွဲ့ခြင်းသည် ကိန်းဂဏန်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုအမျိုးမျိုးတွင် အထောက်အကူဖြစ်စေနိုင်ပြီး ၎င်းသည် ဒေတာ၏ရှုပ်ထွေးမှုကို လျော့နည်းစေပြီး မြင်သာစေရန်နှင့် အဓိပ္ပါယ်ပြန်ဆိုရန် ပိုမိုလွယ်ကူစေသည်။ တန်ဖိုးများစွာကို ကျယ်ပြန့်သော ဒေတာအချက်များ အစုအဝေးနှင့် ဆက်ဆံရာတွင် အထူးအသုံးဝင်သည်။ ဒေတာကို အုပ်စုဖွဲ့ခြင်းဖြင့်၊ ၎င်း၏ ဖြန့်ဖြူးမှုနှင့် ဗဟိုသဘောထားများကို ပိုမိုကောင်းမွန်စွာ နားလည်နိုင်သည်။

Grouped Data အမျိုးအစားများ

အုပ်စုဖွဲ့ဒေတာ၏ အဓိကအမျိုးအစား နှစ်မျိုးရှိသည်။

Grouped Data ဖန်တီးခြင်း။

ဒေတာအကြမ်းမှ အုပ်စုဖွဲ့ဒေတာကို ဖန်တီးရန်၊ ဤအဆင့်များကို လိုက်နာပါ-

Grouped Data ကို ကိုယ်စားပြုခြင်း။

ကြိမ်နှုန်းဇယားများ၊ ဟီစတိုဂရမ်များနှင့် ဘားဇယားများအပါအဝင် အုပ်စုဖွဲ့ဒေတာကို ကိုယ်စားပြုရန် နည်းလမ်းများစွာရှိသည်။ နည်းလမ်းတစ်ခုစီသည် ဒေတာများကို ခွဲခြမ်းစိတ်ဖြာရန် ပိုမိုလွယ်ကူစေသည် ။

ကြိမ်နှုန်းဇယားများ

ကြိမ်နှုန်းဇယားသည် အုပ်စုဖွဲ့ဒေတာကိုပြသရန် ရိုးရှင်းသောနည်းလမ်းတစ်ခုဖြစ်သည်။ ၎င်းသည် ကြားကာလတစ်ခုစီသို့ ကျရောက်သည့် ဒေတာအမှတ်များ (အကြိမ်ရေ) နှင့် ကြားကာလများကို ပြသသည်။ ဥပမာအားဖြင့်၊ ကျောင်းသား အမြင့်များပေါ်တွင် အုပ်စုဖွဲ့ဒေတာအတွက် ကြိမ်နှုန်းဇယားသည် ဤကဲ့သို့ဖြစ်နိုင်သည်-

အမြင့် ကြားကာလ (စင်တီမီတာ) အကြိမ်ရေ
၁၅၀-၁၅၉
၁၆၀-၁၆၉
၁၇၀-၁၇၉
၁၈၀-၁၈၉
Grouped Data ဖြင့် Central Tendency ၏ Measures များ တွက်ချက်ခြင်း။

အုပ်စုဖွဲ့ဒေတာဖြင့်၊ ပျမ်းမျှ၊ အလယ်အလတ်နှင့် မုဒ်ကဲ့သို့ ဗဟိုသဘောထားကို တိုင်းတာတွက်ချက်နိုင်သော်လည်း နည်းလမ်းများမှာ အနည်းငယ်ကွဲပြားပါသည်။

အုပ်စုဖွဲ့ဒေတာ၏ အဓိပ္ပါယ်- ကြားကာလတစ်ခုစီ၏ အလယ်အမှတ်ကို ထိုကြားကာလ၏ကြိမ်နှုန်းဖြင့် မြှောက်ကာ၊ ဤထုတ်ကုန်များကို ပေါင်းကာ၊ ထို့နောက် ဒေတာစုစုပေါင်းအရေအတွက်ဖြင့် ပိုင်းခြားခြင်းဖြင့် ပျမ်းမျှ (သို့မဟုတ် ပျမ်းမျှ) ကို ခန့်မှန်းနိုင်ပါသည်။ ဖော်မြူလာကို ပေးသည်-

\( \textrm{ဆိုလိုတာ} = \frac{\sum(\textrm{အလယ်မှတ်} \times \textrm{အကြိမ်ရေ})}{\textrm{စုစုပေါင်းအကြိမ်ရေ}} \)

Grouped Data ၏ အလယ်အလတ်- အလယ်အလတ်ဆိုသည်မှာ ဒေတာကို အပိုင်းနှစ်ပိုင်းခွဲ၍ တူညီသောတန်ဖိုးဖြစ်သည်။ အုပ်စုလိုက်ဒေတာတွင် ပျမ်းမျှကို ရှာရန်၊ အလယ်တန်ဖိုး(များ) ပါရှိသော ကြားကာလကို ရှာရန် လိုအပ်သည်။ ဤသည်မှာ မကြာခဏ တိုးပွားလာသော ကြိမ်နှုန်းကို အသုံးပြုခြင်း ပါဝင်သည်။

အုပ်စုဖွဲ့ဒေတာ၏မုဒ်- မုဒ်သည် ဒေတာအစုတွင် အများဆုံးမကြာခဏတန်ဖိုးဖြစ်သည်။ အုပ်စုဖွဲ့ဒေတာအတွက်၊ မုဒ်သည် အမြင့်ဆုံးကြိမ်နှုန်းရှိသော ကြားကာလဖြစ်သည်။

ဥပမာ- အုပ်စုဖွဲ့ဒေတာအတွက် ပျမ်းမျှတွက်ချက်မှု

ကျောင်းသား အမြင့်များအတွက် ယခင်ဖော်ပြထားသော ကြိမ်နှုန်းဇယားကို သုံးသပ်ကြည့်ပါ။ ပျမ်းမျှအမြင့်ကိုတွက်ချက်ရန်၊ ကြားကာလတစ်ခုစီအတွက် အလယ်မှတ်များကို ဦးစွာခွဲခြားသတ်မှတ်ပါ-

ထို့နောက်၊ သက်ဆိုင်ရာကြိမ်နှုန်းဖြင့် အလယ်မှတ်တစ်ခုစီကို မြှောက်ပြီး ဤထုတ်ကုန်များကို ပေါင်းပါ-

\( \textrm{ထုတ်ကုန်စုစုပေါင်း} = (154.5 \times 5) + (164.5 \times 8) + (174.5 \times 7) + (184.5 \times 2) \)

ထို့နောက် ဆိုလိုရင်းကိုရှာရန် ထုတ်ကုန်များ၏ ပေါင်းလဒ်ကို စုစုပေါင်းကြိမ်နှုန်းဖြင့် ပိုင်းခြားပါ။

\( \textrm{ပျမ်းမျှအမြင့်} = \frac{\textrm{ထုတ်ကုန်စုစုပေါင်း}}{\textrm{စုစုပေါင်းအကြိမ်ရေ}} \)

ဤတွက်ချက်မှုသည် ကျောင်းသားများ၏ ပျမ်းမျှအရပ်ကို ခန့်မှန်းပေးသည်။

စာရင်းအင်းများတွင် အုပ်စုဖွဲ့ဒေတာ၏ အရေးပါမှု

အုပ်စုဖွဲ့ထားသော ဒေတာသည် သုတေသီများနှင့် ခွဲခြမ်းစိတ်ဖြာသူများကို ခွင့်ပြုခြင်းဖြင့် ကိန်းဂဏန်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုတွင် အရေးပါသော အခန်းကဏ္ဍမှ ပါဝင်သည်-

Grouped Data ၏ကန့်သတ်ချက်များ

အုပ်စုဖွဲ့ဒေတာသည် ခွဲခြမ်းစိတ်ဖြာမှုအတွက် အကျိုးရှိသော်လည်း၊ ၎င်းတွင် ကန့်သတ်ချက်အချို့ရှိသည်။

နိဂုံး

အုပ်စုဖွဲ့ဒေတာသည် ကြီးမားသောဒေတာအတွဲများကို စီမံခန့်ခွဲရန်နှင့် ခွဲခြမ်းစိတ်ဖြာရန်နည်းလမ်းကို ပံ့ပိုးပေးသည့် ကိန်းဂဏန်းစာရင်းဇယားတွင် အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ ဒေတာအုပ်စုဖွဲ့နည်း၊ ကြိမ်နှုန်းဇယားများဖန်တီးခြင်းနှင့် အုပ်စုဖွဲ့ဒေတာအတွက် ဗဟိုသဘောထားတိုင်းတာမှုများကို တွက်ချက်ခြင်းဖြင့် လေ့လာဆန်းစစ်သူများသည် ၎င်းတို့၏ဒေတာအတွင်း ပုံစံများနှင့် ခေတ်ရေစီးကြောင်းများကို တန်ဖိုးရှိသော ထိုးထွင်းသိမြင်နိုင်စွမ်းကို ရရှိနိုင်သည်။ ၎င်း၏ ကန့်သတ်ချက်များရှိသော်လည်း အုပ်စုဖွဲ့ဒေတာသည် စာရင်းအင်းနယ်ပယ်တွင် မရှိမဖြစ်လိုအပ်သော အယူအဆတစ်ခုအဖြစ် ဆက်လက်တည်ရှိနေကာ ပိုမိုထိရောက်ပြီး အဓိပ္ပာယ်ပြည့်ဝသော ခွဲခြမ်းစိတ်ဖြာမှုကို ရရှိစေပါသည်။

Download Primer to continue