ပုံမှန်ဖြန့်ဖြူးမှုကို ဆွေးနွေးသည့် ဥပမာမေးခွန်းများ

ပုံမှန်ဖြန့်ဖြူးမှုဆိုင်ရာ ဆွေးနွေးမှုမေးခွန်း၏ ဥပမာ

ပုံမှန်ဖြန့်ဖြူးမှု သို့မဟုတ် Gaussian ဖြန့်ဖြူးမှုဟုလည်း လူသိများသော သည် စာရင်းအင်းများတွင် အသုံးအများဆုံး ဖြစ်နိုင်ခြေဖြန့်ဖြူးမှုဖြစ်သည်။ ဤဖြန့်ဖြူးမှုသည် ညီမျှသော ခေါင်းလောင်းပုံသဏ္ဌာန်ရှိပြီး ဒေတာများကို ပျမ်းမျှပတ်လည်တွင် စီစဉ်ထားပြီး အစွန်းရောက်များ၏ ဖြစ်နိုင်ခြေ (ပျမ်းမျှမှ ဝေးကွာသော တန်ဖိုးများ) နိမ့်ကျကြောင်း ညွှန်ပြသည်။

ဤဆောင်းပါးတွင်၊ ပုံမှန်ဖြန့်ဖြူးမှုနှင့်ပတ်သက်သည့် ဥပမာပြဿနာအမျိုးမျိုးနှင့် ၎င်းတို့ကို မည်သို့ဖြေရှင်းရမည်ကို ဆွေးနွေးပါမည်။ အခြေခံသဘောတရားအချို့ကို မိတ်ဆက်ခြင်းဖြင့် စတင်ပြီးနောက် ပိုမိုရှုပ်ထွေးသော ဥပမာများဆီသို့ ဆက်လက်သွားပါမည်။

ပုံမှန်ဖြန့်ဖြူးမှု၏ အခြေခံများ

ပုံမှန်ဖြန့်ဖြူးမှုသည် ကန့်သတ်ချက်နှစ်ခုပါသည့် စဉ်ဆက်မပြတ်ဖြန့်ဖြူးမှုတစ်ခုဖြစ်သည်- ပျမ်းမျှနှင့် စံသွေဖည်မှု (SD)။ ပျမ်းမျှသည် ဖြန့်ဖြူးမှု၏ဗဟိုကို ဆုံးဖြတ်ပေးပြီး စံသွေဖည်မှုသည် ဖြန့်ဖြူးမှု၏အကျယ်ကို ဆုံးဖြတ်ပေးသည်။

ပုံမှန်ဖြန့်ဖြူးမှု၏ အရေးကြီးသော ဝိသေသလက္ခဏာများ-
၁။ ဆ៊ီမက်ထရီ- ပုံမှန်ဖြန့်ဖြူးမှုသည် ပျမ်းမျှနှင့် ပတ်သက်၍ ဆ៊ီမက်ထရီဖြစ်သည်။
၂။ အတွေ့အကြုံဆိုင်ရာ စည်းမျဉ်း (အတွေ့အကြုံဆိုင်ရာ စည်းမျဉ်း):
– အချက်အလက်များ၏ ၆၈% ခန့်သည် ပျမ်းမျှ၏ စံသွေဖည်မှုတစ်ခုအတွင်းတွင် တည်ရှိသည်။
– အချက်အလက်များ၏ ၉၅% ခန့်သည် ပျမ်းမျှ၏ စံသွေဖည်မှုနှစ်ခုအတွင်းတွင် တည်ရှိသည်။
– အချက်အလက်များ၏ ၉၉.၇% ခန့်သည် ပျမ်းမျှ၏ စံသွေဖည်မှု သုံးခုအတွင်းတွင် တည်ရှိသည်။

နမူနာမေးခွန်းများနှင့် ဆွေးနွေးချက်

ဥပမာမေးခွန်း ၁: Z-ရမှတ်တွက်ချက်ခြင်း

မေးခွန်း- စာမေးပွဲတစ်ခုတွင် ပျမ်းမျှရမှတ် ၇၀ ရှိပြီး စံသွေဖည်မှု ၁၀ ​​ရှိသည်။ ကျောင်းသားတစ်ဦးသည် ၈၀ ရသည်။ ကျောင်းသား၏ Z-ရမှတ်ကား အဘယ်နည်း။

ဖြေရှင်းချက်:
Z-score သည် တန်ဖိုးတစ်ခုသည် ပျမ်းမျှမှ စံသွေဖည်မှုမည်မျှရှိသည်ကို တိုင်းတာသည့် စံနှုန်းတစ်ခုဖြစ်သည်။
Z-ရမှတ် ဖော်မြူလာ-
\[ Z = \frac{X – \mu}{\sigma} \]

ဘယ်နေရာ:
–\( X\) သည် လေ့လာတွေ့ရှိထားသော တန်ဖိုးဖြစ်သည်။
– \( \mu \) သည် ပျမ်းမျှဖြစ်သည်။
– \( \sigma \) သည် စံသွေဖည်မှု ဖြစ်သည်။

သိထားပါတယ်:
– \( X = 80 \)
– \( \mu = 70 \)
– \( \sigma = 10 \)

ဖော်မြူလာ၏ အသုံးချမှု-
\[ Z = \frac{80– 70}{10} = 1 \]

ဒါကြောင့် ကျောင်းသားရဲ့ Z-ရမှတ်က ၁ ဖြစ်တဲ့အတွက် ၈၀ မှတ်ဆိုတာ ပျမ်းမျှထက် စံသွေဖည်မှုတစ်ခု ပိုများတယ်လို့ ဆိုလိုပါတယ်။

ဥပမာမေးခွန်း ၂: တန်ဖိုးတစ်ခု၏ ဖြစ်နိုင်ခြေ

မေးခွန်း: ပျမ်းမျှ ၁၀၀ နှင့် စံသွေဖည်မှု ၁၅ ရှိသော ပုံမှန်ဖြန့်ဖြူးမှုတွင် ၈၅ အောက်ရှိ တန်ဖိုးတစ်ခုကို ရှာတွေ့နိုင်ခြေကား အဘယ်နည်း။

ဖြေရှင်းချက်:
အဆင့်များ-
၁။ \( X = 85 \) တန်ဖိုးအတွက် Z-ရမှတ်ကို တွက်ချက်ပါ-
\[ Z = \frac{85– 100}{15} = \frac{-15}{15} = -1 \]

၂။ -1 ၏ Z-ရမှတ်နှင့် ကိုက်ညီသော ဖြစ်နိုင်ခြေကို ရှာဖွေရန် Z-ဇယား သို့မဟုတ် စာရင်းအင်းဂဏန်းတွက်စက်ကို အသုံးပြုပါ။ Z-ဇယားတွင်၊ -1 ၏ Z-ရမှတ်၏ ဖြစ်နိုင်ခြေမှာ ခန့်မှန်းခြေအားဖြင့် 0.1587 ဖြစ်သည်။

ဒါကြောင့် ၈၅ အောက် တန်ဖိုးတစ်ခုကို ရှာတွေ့နိုင်ခြေက ၀.၁၅၈၇ ဒါမှမဟုတ် ၁၅.၈၇% ပါ။

ဥပမာမေးခွန်း ၃: အတွေ့အကြုံဆိုင်ရာစည်းမျဉ်းများကို အသုံးပြုခြင်း

မေးခွန်း- ကျောင်းများတွင် သင်္ချာစာမေးပွဲရမှတ်များ ဖြန့်ဖြူးမှုသည် ပျမ်းမျှ ၇၅ နှင့် စံသွေဖည်မှု ၈ ရှိသော ပုံမှန်ဖြန့်ဖြူးမှုကို လိုက်နာကြောင်း သိရှိရပါသည်။ ကျောင်းသားအချိုးအစား ၆၇ မှ ၈၃ အတွင်း မည်သည့်ရမှတ်များ ရရှိခဲ့သနည်း။

ဖြေရှင်းချက်:
အဆင့်များ-
၁။ ၆၇ နှင့် ၈၃ တန်ဖိုးများအတွက် Z-ရမှတ်ကို တွက်ချက်ပါ။
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]

၂။ အတွေ့အကြုံဆိုင်ရာစည်းမျဉ်းများအရ၊ ပျမ်းမျှတန်ဖိုးမှ -1 SD နှင့် +1 SD အကြားရှိတန်ဖိုးများသည် လူဦးရေ၏ 68% ခန့်ကို လွှမ်းခြုံထားသည်။

ထို့ကြောင့် ၆၇ မှ ၈၃ အကြားရမှတ်ရရှိသော ကျောင်းသားအချိုးမှာ ၆၈% ခန့်ရှိသည်။

ဥပမာမေးခွန်း ၄: ရာခိုင်နှုံးများမှ တန်ဖိုးများတွက်ချက်ခြင်း

မေးခွန်း: နိုင်ငံတစ်နိုင်ငံရှိ အရွယ်ရောက်ပြီးသော အမျိုးသားများ၏ ပျမ်းမျှအရပ်သည် ၁၇၅ စင်တီမီတာဖြစ်ပြီး စံသွေဖည်မှု ၇ စင်တီမီတာရှိပါက ၉၀ ရာခိုင်နှုန်းတွင် အရပ်မည်မျှရှိသနည်း။

ဖြေရှင်းချက်:
အဆင့်များ-
၁။ ၉၀ ရာခိုင်နှုန်းနှင့် ကိုက်ညီသော Z-ရမှတ်ကို ရှာပါ။ Z-ဇယားအပေါ် အခြေခံ၍ 0.9000 နှင့် အနီးဆုံး Z-ရမှတ်သည် ၁.၂၈ ခန့်ဖြစ်သည်။

၂။ \( X \) ၏ တန်ဖိုးကို တွက်ချက်ရန် ဖော်မြူလာကို အသုံးပြုပါ-
\[ X = \mu + Z \အဆ \sigma \]
\[ X = ၁၇၅ + ၁.၂၈ \x၇ \]
\[ X = ၁၇၅ + ၈.၉၆ \]
\[ X = ၁၈၃.၉၆ \]

ဒါကြောင့် 90th percentile မှာရှိတဲ့ အရပ်အမြင့်က 183.96 cm ခန့်ရှိပါတယ်။

ဥပမာမေးခွန်း ၅: သတ်မှတ်ထားသော ကြားကာလတစ်ခု၏ ဖြစ်နိုင်ခြေ

မေးခွန်း: မွေးကင်းစကလေးငယ်၏ ကိုယ်အလေးချိန် ဖြန့်ဖြူးမှုသည် ပျမ်းမျှ 3.5 kg နှင့် စံသွေဖည်မှု 0.5 kg ရှိသော ပုံမှန်ဖြန့်ဖြူးမှုကို လိုက်လံတွက်ချက်ပါက ကလေးငယ်တစ်ဦးသည် 3 kg မှ 4 kg အတွင်း ရှိနိုင်ခြေကား အဘယ်နည်း။

ဖြေရှင်းချက်:
အဆင့်များ-
၁။ 3 kg နှင့် 4 kg တန်ဖိုးများအတွက် Z-score ကို တွက်ချက်ပါ။
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]

၂။ Z ဇယားအပေါ် အခြေခံ၍ -၁ မှ ၁ အကြား Z-ရမှတ်အတွက် ဖြစ်နိုင်ခြေမှာ ၀.၆၈၂၆ သို့မဟုတ် ၆၈.၂၆% ခန့်ဖြစ်သည်။

ဒါကြောင့် ကိုယ်အလေးချိန် ၃ ကီလိုဂရမ်ကနေ ၄ ကီလိုဂရမ်ကြားရှိတဲ့ ကလေးဖြစ်နိုင်ခြေက ၆၈.၂၆% လောက်ရှိပါတယ်။

နိဂုံး

ပုံမှန်ဖြန့်ဖြူးမှုသည် စာရင်းအင်းပညာတွင် အရေးကြီးပြီး လက်တွေ့ကမ္ဘာတွင် အသုံးချမှုများစွာရှိသော အခြေခံသဘောတရားတစ်ခုဖြစ်သည်။ ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် ပုံမှန်ဖြန့်ဖြူးမှု၏ အခြေခံသဘောတရားများကို ရှင်းပြပြီး ကျွန်ုပ်တို့၏ နားလည်မှုကို နက်ရှိုင်းစေရန် ဥပမာများစွာကို ဖြေရှင်းထားပါသည်။

ပုံမှန်ဖြန့်ဖြူးမှုကို နားလည်ခြင်းသည် စာရင်းအင်းပညာအတွက်သာမက စိတ်ပညာ၊ စီးပွားရေးနှင့် အခြားလူမှုရေးသိပ္ပံကဲ့သို့သော လက်တွေ့ကျသောနယ်ပယ်အမျိုးမျိုးအတွက်ပါ အရေးကြီးပါသည်။ လုံလောက်သောလေ့ကျင့်မှုဖြင့် ပုံမှန်ဖြန့်ဖြူးမှုပြဿနာများကို ဖြေရှင်းခြင်းသည် ပိုမိုထိုးထွင်းသိမြင်နိုင်ပြီး အချက်အလက်အခြေပြုဆုံးဖြတ်ချက်ချရာတွင် အထောက်အကူဖြစ်စေနိုင်ပါသည်။