ភាពខុសគ្នា និងគម្លាតស្តង់ដារនៃទិន្នន័យតែមួយ
ស្ថិតិគឺជាវិទ្យាសាស្ត្រដែលសិក្សាពីការប្រមូល ការវិភាគ ការបកស្រាយ ការបង្ហាញ និងការរៀបចំទិន្នន័យ។ ទិដ្ឋភាពសំខាន់មួយនៃស្ថិតិគឺរបៀបដែលយើងវាស់វែង និងយល់អំពីភាពប្រែប្រួលនៃទិន្នន័យ។ រង្វាស់សំខាន់ពីរនៃភាពប្រែប្រួលគឺ ភាពខុសគ្នា និងគម្លាតស្តង់ដារ។ អត្ថបទនេះនឹងពិភាក្សាស៊ីជម្រៅអំពីភាពខុសគ្នា និងគម្លាតស្តង់ដារ ដោយផ្តោតលើសំណុំទិន្នន័យតែមួយ ពន្យល់ពីនិយមន័យ រូបមន្ត ជំហានគណនា និងផ្តល់ឧទាហរណ៍ជាក់ស្តែងដើម្បីបញ្ជាក់គោលគំនិត។
និយមន័យនៃភាពខុសគ្នា និងគម្លាតស្តង់ដារ
វ៉ារនីស
ភាពខុសគ្នា គឺជារង្វាស់នៃចម្ងាយទិន្នន័យដែលរីករាលដាលពីមធ្យមភាគ។ វាផ្តល់នូវទិដ្ឋភាពទូទៅនៃភាពចម្រុះ ឬការប្រែប្រួលនៅក្នុងសំណុំទិន្នន័យ។ នៅក្នុងន័យគណិតវិទ្យា ភាពខុសគ្នា គឺជាមធ្យមភាគនៃការ៉េនៃគម្លាតនៃធាតុទិន្នន័យនីមួយៗពីមធ្យមភាគរបស់វា។
គម្លាតស្តង់ដារ
គម្លាតស្តង់ដារ ដែលត្រូវបានគេស្គាល់ផងដែរថាជាគម្លាតស្តង់ដារ គឺជាឫសការ៉េនៃភាពខុសគ្នា។ វាផ្តល់ព័ត៌មានអំពីការចែកចាយទិន្នន័យក្នុងឯកតាដូចគ្នានឹងទិន្នន័យដើម ដែលធ្វើឱ្យវាកាន់តែងាយស្រួលក្នុងការបកស្រាយនៅក្នុងបរិបទជីវិតពិត។
រូបមន្ត និងការគណនា
វ៉ារនីស
ដើម្បីគណនាភាពខុសគ្នា (σ^2) នៃសំណុំទិន្នន័យតែមួយដែលមានទំហំ n យើងអាចប្រើរូបមន្តដូចខាងក្រោម៖
\[ \sigma^2 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n} \]
ឌីម៉ាណា៖
–\( x_i\) គឺជាតម្លៃទិន្នន័យ ith។
–\( \bar{x} \) គឺជាមធ្យមភាគ ឬមធ្យមភាគនៃទិន្នន័យ។
-n គឺជាចំនួនទិន្នន័យនៅក្នុងសំណុំ។
– (x_i – \bar{x})^2 គឺជាការ៉េនៃភាពខុសគ្នារវាងទិន្នន័យនីមួយៗ និងមធ្យមភាគរបស់វា។
គម្លាតស្តង់ដារ
គម្លាតស្តង់ដារ (σ) គឺជាឫសការ៉េនៃភាពខុសគ្នា ដូច្នេះរូបមន្តគឺ៖
\[ \sigma = \sqrt{\sigma ^2} \]
ជំហានគណនា
ជំហានទី 1: គណនាមធ្យមភាគនៃទិន្នន័យ (មធ្យមភាគ)
ជំហានដំបូងគឺត្រូវគណនាមធ្យមភាគ (mean) នៃសំណុំទិន្នន័យ។ មធ្យមភាគត្រូវបានគណនាដោយការបូកតម្លៃទិន្នន័យទាំងអស់ ហើយចែកនឹងចំនួនតម្លៃទិន្នន័យ។
\[ \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} \]
ជំហានទី 2: គណនាភាពខុសគ្នានៃសំណុំទិន្នន័យនីមួយៗទល់នឹងមធ្យមភាគ
បន្ទាប់ពីទទួលបានមធ្យមភាគហើយ ជំហានបន្ទាប់គឺគណនាភាពខុសគ្នារវាងតម្លៃទិន្នន័យនីមួយៗ និងមធ្យមភាគ (គម្លាត)។
\[ d_i = x_i – \bar{x} \]
ជំហានទី 3: ការ៉េគម្លាតនីមួយៗ
បន្ទាប់មក ការ៉េនៃគម្លាតនីមួយៗ។
\[ d_i^2 = (x_i – {\bar{x}})^2 \]
ជំហានទី 4: បូកសរុបគម្លាតការ៉េទាំងអស់
បូកសរុបលទ្ធផលការ៉េទាំងអស់ពីជំហានមុន។
\[ \sum d_i^2 = \sum_{i=1}^{n} (x_i – x)^2 \]
ជំហានទី 5: គណនាភាពខុសគ្នា
ចែកផលបូកនៃការ៉េនៃគម្លាតដោយចំនួនទិន្នន័យ (n) ដើម្បីទទួលបានភាពខុសគ្នា។
\[ \sigma^2 = \frac{\sum d_i^2}{n} \]
ជំហានទី 6: គណនាគម្លាតស្តង់ដារ
ជាចុងក្រោយ គណនាគម្លាតស្តង់ដារដោយយកឫសការ៉េនៃវ៉ារ្យង់។
\[ \sigma = \sqrt{\sigma ^2} \]
ឧទាហរណ៍នៃការគណនា
ដើម្បីបញ្ជាក់អំពីគោលគំនិតនៃការគណនាភាពខុសគ្នា និងគម្លាតស្តង់ដារ ចូរយើងពិនិត្យមើលឧទាហរណ៍ខាងក្រោម។ ឧបមាថាយើងមានសំណុំទិន្នន័យតែមួយដូចខាងក្រោម៖ ៤, ៨, ៦, ៥, ៣។
ជំហានទី 1: គណនាមធ្យមភាគនៃទិន្នន័យ
\[ \bar{x} = \frac{4 + 8 + 6 + 5 + 3}{5} = \frac{26}{5} = 5.2 \]
ជំហានទី 2: គណនាភាពខុសគ្នានៃសំណុំទិន្នន័យនីមួយៗទល់នឹងមធ្យមភាគ
ភាពខុសគ្នារវាងតម្លៃទិន្នន័យនីមួយៗ និងមធ្យមភាគ៖
– (៣ – ៥.២) = -២.២
– (៦ – ៥.២) = ០.៨
– (៦ – ៥.២) = ០.៨
– (៣ – ៥.២) = -២.២
– (៣ – ៥.២) = -២.២
ជំហានទី 3: ការ៉េគម្លាតនីមួយៗ
ការ៉េនៃគម្លាតនីមួយៗ៖
– (-២.២)^២ = ៤.៨៤
– ០.៨^២ = ០.៦៤
– ០.៨^២ = ០.៦៤
– (-២.២)^២ = ៤.៨៤
– (-២.២)^២ = ៤.៨៤
ជំហានទី 4: បូកសរុបគម្លាតការ៉េទាំងអស់
\[ \sum d_i^2 = 1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8 \]
ជំហានទី 5: គណនាភាពខុសគ្នា
\[ \sigma^2 = \frac{14.8}{5} = 2.96\]
ជំហានទី 6: គណនាគម្លាតស្តង់ដារ
\[ \sigma = \sqrt{2.96} \ប្រហែល 1.72 \]
ដូច្នេះ នៅក្នុងឧទាហរណ៍នេះ ភាពខុសគ្នានៃទិន្នន័យគឺ 2.96 ហើយគម្លាតស្តង់ដារគឺប្រហែល 1.72។
ការបកស្រាយ
ភាពខុសគ្នា និងគម្លាតស្តង់ដារផ្តល់ព័ត៌មានសំខាន់ៗអំពីការរីករាលដាលនៃទិន្នន័យ។ នៅក្នុងឧទាហរណ៍ខាងលើ ភាពខុសគ្នា 2.96 បង្ហាញថាគម្លាតការ៉េជាមធ្យមនៃតម្លៃទិន្នន័យពីមធ្យមភាគគឺ 2.96។ គម្លាតស្តង់ដារ 1.72 បង្ហាញថាជាមធ្យម តម្លៃទិន្នន័យប្រែប្រួល 1.72 ឯកតាពីមធ្យមភាគ។
គម្លាតស្តង់ដារងាយស្រួលបកស្រាយជាង ពីព្រោះវាមានឯកតាដូចគ្នានឹងទិន្នន័យដើម។ ឧទាហរណ៍ នៅក្នុងបរិបទនៃស្ថិតិចំណូល ប្រសិនបើទិន្នន័យមានគម្លាតស្តង់ដារ 500 ដុល្លារ វាមានន័យថាចំណូលជាមធ្យមប្រែប្រួល 500 ដុល្លារពីចំណូលមធ្យម។
ការអនុវត្តក្នុងជីវិតប្រចាំថ្ងៃ
ការយល់ដឹងអំពីភាពខុសគ្នា និងគម្លាតស្តង់ដារអាចត្រូវបានអនុវត្តនៅក្នុងវិស័យផ្សេងៗ។ ក្នុងវិស័យហិរញ្ញវត្ថុ គម្លាតស្តង់ដារអាចត្រូវបានប្រើដើម្បីវាស់ស្ទង់ហានិភ័យវិនិយោគ។ ក្នុងវិស័យអប់រំ វាអាចត្រូវបានប្រើដើម្បីវាយតម្លៃភាពខុសគ្នានៃពិន្ទុតេស្តរវាងសិស្ស។ ក្នុងវិស័យផលិតកម្ម វាអាចជួយក្នុងការគ្រប់គ្រងគុណភាពដោយវាស់ស្ទង់ភាពខុសគ្នានៃផលិតកម្ម។
សេចក្តីសន្និដ្ឋាន
ភាពខុសគ្នា និងគម្លាតស្តង់ដារ គឺជាឧបករណ៍ស្ថិតិសំខាន់ពីរសម្រាប់ការយល់ដឹងអំពីភាពប្រែប្រួលនៅក្នុងសំណុំទិន្នន័យ។ តាមរយៈការគណនាភាពខុសគ្នា យើងអាចកំណត់ថាតើទិន្នន័យរីករាលដាលប៉ុណ្ណា។ គម្លាតស្តង់ដារ ដែលជាឫសការ៉េនៃភាពខុសគ្នា ផ្តល់នូវការបកស្រាយដែលងាយស្រួលយល់ជាង និងត្រូវបានវាស់វែងជាឯកតាដូចគ្នានឹងទិន្នន័យដើម។ តាមរយៈការយល់ដឹង និងអាចគណនារង្វាស់ទាំងពីរនេះ យើងអាចវិភាគទិន្នន័យបានកាន់តែប្រសើរ និងធ្វើការសម្រេចចិត្តដោយមានព័ត៌មានច្រើនជាងមុន។
