လေ့လာမှုတစ်ခုရှိ ဒေတာ၏ အခြေခံအင်္ဂါရပ်များကို အကျဉ်းချုပ် သို့မဟုတ် ဖော်ပြရန်အတွက် ဖော်ပြချက်ဆိုင်ရာ ကိန်းဂဏန်းများကို အသုံးပြုပါသည်။ ၎င်းတို့သည် နမူနာနှင့် အစီအမံများအကြောင်း ရိုးရှင်းသော အနှစ်ချုပ်များကို ပေးသည်။ ကိန်းဂဏန်းစာရင်းဇယားများအားဖြင့် ကျွန်ုပ်တို့သည် စီမံခန့်ခွဲနိုင်သောပုံစံဖြင့် အရေအတွက်ဆိုင်ရာဖော်ပြချက်များကို တင်ပြနိုင်ပါသည်။ သုတေသနလေ့လာမှုတစ်ခုတွင် ကျွန်ုပ်တို့တွင် အတိုင်းအတာများစွာရှိနိုင်သည်။ သရုပ်ဖော်ကိန်းဂဏန်းစာရင်းအင်းများသည် ကျွန်ုပ်တို့အား ကိန်းဂဏန်းပမာဏများစွာကို ရိုးရှင်းစေရန် ကူညီပေးပါသည်။
ဖော်ပြချက်စာရင်းဇယား၏ အဓိက အမျိုးအစား နှစ်မျိုးရှိသည်။
အဓိပ္ပါယ်- ပျမ်းမျှသည် ဂဏန်းအားလုံး၏ ပျမ်းမျှဖြစ်ပြီး တစ်ခါတစ်ရံတွင် ဂဏန်းသင်္ချာဟု ခေါ်သည်။ တန်ဖိုးများအားလုံးကို ပေါင်းထည့်ကာ ဂဏန်းအရေအတွက်ဖြင့် ပိုင်းခြားခြင်းဖြင့် ပျမ်းမျှအား တွက်ချက်သည်။ ပျမ်းမျှအတွက် ဖော်မြူလာမှာ-
\( \textrm{ဆိုလိုတာ} = \frac{\sum_{i=1}^{n} x_i}{n} \)\(x_i\) ဒေတာအတွဲရှိ တန်ဖိုးတစ်ခုစီကို ကိုယ်စားပြုပြီး \(n\) သည် တန်ဖိုးအရေအတွက်ဖြစ်သည်။
အလယ်အလတ်- ပျမ်းမျှသည် ဂဏန်းများစာရင်းရှိ အလယ်တန်းတန်ဖိုးဖြစ်သည်။ အလယ်အလတ်ကို ရှာရန်၊ သင်သည် သင်၏နံပါတ်များကို ငယ်စဉ်လိုက် စီပြီး အလယ်နံပါတ်ကို ရှာရန် လိုအပ်သည်။ တူညီသော ကိန်းဂဏာန်းများရှိပါက ပျမ်းမျှသည် အလယ်နံပါတ်နှစ်ခု၏ ပျမ်းမျှဖြစ်သည်။
မုဒ်- မုဒ်သည် ဒေတာအတွဲတစ်ခုတွင် အများဆုံးတွေ့ရသည့် တန်ဖိုးဖြစ်သည်။ ဒေတာအတွဲတွင် မုဒ်တစ်ခု၊ မုဒ်တစ်ခုထက်ပိုသော သို့မဟုတ် လုံးဝမုဒ်တစ်ခုရှိနိုင်သည်။
အပိုင်းအခြား- အပိုင်းအခြားသည် ဒေတာအတွဲတစ်ခုရှိ အမြင့်ဆုံးနှင့် အနိမ့်ဆုံးတန်ဖိုးများအကြား ကွာခြားချက်ဖြစ်သည်။ ကွဲပြားခြင်း၏ အရိုးရှင်းဆုံးတိုင်းတာမှုဖြစ်သည်။
ကွဲပြားမှု- ဒေတာအတွဲတစ်ခုရှိ ကိန်းဂဏန်းများသည် ပျမ်းမျှနှင့် မည်မျှကွာခြားသည်ကို တိုင်းတာသည်။ Mean မှ ပျမ်းမျှ နှစ်ထပ်ကွဲလွဲချက်များကို ယူပြီး ကွဲလွဲမှုကို တွက်ချက်သည်။ ကွဲပြားမှုအတွက် ဖော်မြူလာ ( \(\sigma^2\) ) သည်-
\( \sigma^2 = \frac{\sum_{i=1}^{n} (x_i - \textrm{ဆိုလိုတာ})^2}{n} \)စံသွေဖည်မှု- စံသွေဖည်မှုသည် တန်ဖိုးအစုတစ်ခု၏ ကွဲလွဲမှု သို့မဟုတ် ကွဲလွဲမှုပမာဏ၏ အတိုင်းအတာတစ်ခုဖြစ်သည်။ ၎င်းသည် ကွဲလွဲမှု၏ နှစ်ထပ်ကိန်းဖြစ်ပြီး၊ ထို့ကြောင့် ဒေတာနှင့် တူညီသော ယူနစ်များတွင်ရှိသော အတိုင်းအတာတစ်ခုပေးသည်။ စံသွေဖည်မှုအတွက် ဖော်မြူလာ ( \(\sigma\) ) သည်-
\( \sigma = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \textrm{ဆိုလိုတာ})^2}{n}} \)ဖော်ပြချက် ကိန်းဂဏန်းများသည် ဖြန့်ဖြူးမှု၊ ဗဟိုသဘောထားနှင့် ဒေတာအတွဲတစ်ခု၏ ကွဲပြားမှုကို အမြင်သာဖြင့် အကျဉ်းချုပ်ဖော်ပြရန် ဂရပ်များနှင့် ကွက်ကွက်များကို အသုံးပြုခြင်းလည်း ပါဝင်နိုင်သည်။ အသုံးများသော ဂရပ်ဖစ်ဆိုင်ရာ ကိုယ်စားပြုမှုများ ပါဝင်သည်-
အတန်းတစ်ခုရှိ ကျောင်းသား ၂၀ ၏ စာမေးပွဲရမှတ်များ ပါဝင်သော ဒေတာအစုံကို သုံးသပ်ကြည့်ပါ-
၈၅၊ ၈၂၊ ၈၈၊ ၉၅၊ ၇၀၊ ၉၀၊ ၇၈၊ ၈၄၊ ၈၀၊ ၉၆၊ ၇၂၊ ၈၈၊ ၉၂၊ ၉၄၊ ၉၄၊ ၉၀၊ ၇၆၊ ၉၇၊ ၈၄၊ ၈၂၊
ဤဒေတာကို အကျဉ်းချုံ့ရန်၊ ကျွန်ုပ်တို့သည် ဗဟိုသဘောထားနှင့် ကွဲပြားမှု၏ အတိုင်းအတာများကို တွက်ချက်နိုင်သည်-
ဤအခြေခံဖော်ပြချက်စာရင်းဇယားများကို နားလည်ခြင်းဖြင့် ရမှတ်များ၏ အမြန်အကျဉ်းချုပ်ကိုရနိုင်သည်၊ ၎င်းတို့မည်မျှကွဲပြားသည်ကို ခွဲခြားသတ်မှတ်နိုင်ပြီး အတန်းစွမ်းဆောင်ရည်၏ ယေဘုယျသဘောထားကို ရှာဖွေနိုင်စေပါသည်။
ဖော်ပြချက်စာရင်းဇယားများသည် အချက်အလက်များကို အကျဉ်းချုပ်ပြီး နားလည်သဘောပေါက်ရန် အရေးကြီးပါသည်။ ၎င်းတို့သည် ဒေတာခွဲခြမ်းစိတ်ဖြာမှု၏ ပထမခြေလှမ်းဖြစ်ပြီး ပိုမိုရှုပ်ထွေးသော စာရင်းအင်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုအတွက် အခြေခံအုတ်မြစ်ကို ပံ့ပိုးပေးပါသည်။ ဗဟိုအစီအမံများနှင့် ကွဲပြားမှုကို ခွဲခြားသတ်မှတ်ခြင်းဖြင့်၊ ကျွန်ုပ်တို့သည် ဒေတာ၏သဘောသဘာဝကို အဓိပ္ပာယ်ရှိသော ထိုးထွင်းသိမြင်မှုများရရှိနိုင်ပြီး ထိုထိုးထွင်းသိမြင်မှုများအပေါ်အခြေခံ၍ အသိဥာဏ်ဖြင့် ဆုံးဖြတ်ချက်များချနိုင်သည်။
