Scatter Diagram: အဓိပ္ပာယ်ဖွင့်ဆိုချက်၊ လုပ်ဆောင်ချက်နှင့် အသုံးချမှု
Scatter Diagram များကို နားလည်ခြင်း
scatterplot ဆိုသည်မှာ scatter diagram သို့မဟုတ် scatter plot ဟုလည်း လူသိများပြီး စာရင်းအင်းနှင့် အချက်အလက်ခွဲခြမ်းစိတ်ဖြာမှုတွင် အသုံးပြုသော ဂရပ်အမျိုးအစားတစ်ခုဖြစ်ပြီး စဉ်ဆက်မပြတ်ပြောင်းလဲနေသော variable နှစ်ခုကြား ဆက်နွယ်မှုကို အကျဉ်းချုပ်ပြီး မြင်ယောင်ကြည့်ရန် အသုံးပြုသည်။ ဤပုံသည် Cartesian မျက်နှာပြင်ပေါ်တွင် data point များကို ပြသထားပြီး x- နှင့် y-axis တစ်ခုချင်းစီသည် variable တစ်ခုကို ကိုယ်စားပြုသည်။ ပုံပေါ်ရှိ အမှတ်တစ်ခုစီသည် လေ့လာတွေ့ရှိထားသော variable နှစ်ခုအတွက် တန်ဖိုးတစ်စုံကို ကိုယ်စားပြုသည်။ ယေဘုယျအားဖြင့် scatterplots များသည် variable နှစ်ခုကြားရှိ ပုံစံများ၊ ခေတ်ရေစီးကြောင်းများနှင့် ဖြစ်နိုင်ချေရှိသော ဆက်စပ်မှုများကို နားလည်ရန် ကူညီပေးသည်။
Scatter Diagram လုပ်ဆောင်ချက်
Scatter plot များသည် data analysis တွင် function အမျိုးမျိုးရှိပြီး ၎င်းတို့အနက် အချို့မှာ အောက်ပါအတိုင်းဖြစ်သည်-
၁။ ဆက်နွယ်မှုများကို ဆုံးဖြတ်ခြင်း- Scatterplots များသည် variable နှစ်ခုကြား ဆက်နွယ်မှု သို့မဟုတ် ဆက်စပ်မှု ရှိမရှိကို ဆုံးဖြတ်ရန် ကူညီပေးသည်။ ဥပမာအားဖြင့်၊ လူတစ်ဦး၏ အရပ်နှင့် ကိုယ်အလေးချိန်ကြား ဆက်နွယ်မှု ရှိမရှိ ကြည့်ရှုရန်။
၂။ ကွဲလွဲမှုများကို ဖော်ထုတ်ပါ- ဒေတာများကို ပုံဖော်ခြင်းဖြင့် ကွဲလွဲမှုများ သို့မဟုတ် ကျန်တာများနှင့် သိသိသာသာ ကွဲပြားသော ဒေတာများကို အလွယ်တကူ ဖော်ထုတ်နိုင်ပါသည်။ ကွဲလွဲမှုများသည် တိုင်းတာမှုအမှားများ သို့မဟုတ် အခြား မရေတွက်နိုင်သော ဖြစ်စဉ်များကြောင့် ဖြစ်ပေါ်လာနိုင်သည်။
၃။ ဒေတာမြင်ယောင်ခြင်း- Scatterplots များသည် ရိုးရှင်းသော ဒေတာဇယားမှ အမြဲတမ်းမပေါ်လွင်သော ပိုမိုနက်ရှိုင်းသော အမြင်အာရုံဖြင့် လေ့လာဆန်းစစ်မှုကို ခွင့်ပြုသည်။ ၎င်းတို့သည် မျဉ်းဖြောင့်၊ quadratic သို့မဟုတ် irregular ဖြစ်စေ variable များနှင့် ထိုဆက်နွယ်မှု၏ပုံသဏ္ဍာန်အကြား ဆက်နွယ်မှု၏ အစွမ်းသတ္တိအပေါ် ပိုမိုရှင်းလင်းသော ရှုထောင့်ကို ပေးစွမ်းသည်။
၄။ ပုံစံများနှင့် လမ်းကြောင်းများကို ထောက်လှမ်းခြင်း- scatterplot တွင် ဒေတာများကို ဆွဲယူခြင်းဖြင့် ဒေတာရှိ ပုံစံများနှင့် လမ်းကြောင်းများကို ဖော်ထုတ်နိုင်သည်။ ဥပမာအားဖြင့်၊ variable တစ်ခုသည် တိုးလာသော သို့မဟုတ် လျော့နည်းလာသော ပုံစံတစ်ခုကို လိုက်နာခြင်း ရှိ၊ မရှိ မြင်နိုင်သည်။
Scatter Diagram မှာ Correlation
scatterplot analysis မှာ correlation ဆိုတဲ့ သဘောတရားကို နားလည်ဖို့ အရေးကြီးပါတယ်။ correlation ဆိုတာ အပေါင်း၊ အနှုတ် ဒါမှမဟုတ် သုည ဖြစ်နိုင်ပါတယ်-
၁။ အပြုသဘောဆက်စပ်မှု- ကိန်းရှင်တစ်ခု၏တန်ဖိုးတိုးလာပြီးနောက် အခြားကိန်းရှင်တစ်ခု၏တန်ဖိုးတိုးလာသည့်အခါ ဖြစ်ပေါ်သည်။ ပုံတွင်၊ အချက်အလက်အမှတ်များသည် အောက်ခြေဘယ်ဘက်မှ အပေါ်ညာဘက်သို့ တက်သွားသော မျဉ်းကြောင်း သို့မဟုတ် မျဉ်းကွေးတစ်ခုကို ဖွဲ့စည်းလိမ့်မည်။
၂။ အနုတ်လက္ခဏာ ဆက်စပ်မှု- ကိန်းရှင်တစ်ခု၏ တန်ဖိုးတက်လာပြီးနောက် အခြားကိန်းရှင်တစ်ခု၏ တန်ဖိုးကျဆင်းသွားသည့်အခါ ဖြစ်ပေါ်သည်။ ပုံတွင်၊ အချက်အလက်အမှတ်များသည် အပေါ်ဘယ်ဘက်မှ အောက်ညာဘက်သို့ စောင်းဆင်းသွားသော မျဉ်းကြောင်း သို့မဟုတ် မျဉ်းကွေးတစ်ခုကို ဖွဲ့စည်းသည်။
၃။ သုညဆက်စပ်မှု- ကိန်းရှင်နှစ်ခုအကြား ရှင်းလင်းသောဆက်နွယ်မှုမရှိသည့်အခါ ဖြစ်ပေါ်သည်။ အချက်အလက်အမှတ်များသည် ရှင်းလင်းသောပုံစံမရှိဘဲ ကျပန်းပြန့်ကျဲနေမည်ဖြစ်သည်။
Scatter Chart တစ်ခု ဘယ်လိုဖန်တီးမလဲ
scatterplot တစ်ခုဖန်တီးရန်၊ အောက်ပါအဆင့်များကို လိုက်နာပါ။
၁။ ဒေတာများ စုဆောင်းပါ- x နှင့် y ကိန်းရှင်များကို ကိုယ်စားပြုသည့် ဒေတာအစုံနှစ်စုံကို ပြင်ဆင်ပါ။
၂။ စကေးနှင့် ဝင်ရိုးများကို ဆုံးဖြတ်ပါ- ကိန်းရှင်နှစ်ခု၏ တန်ဖိုးအပိုင်းအခြားအပေါ် အခြေခံ၍ x-ဝင်ရိုးနှင့် y-ဝင်ရိုးအတွက် စကေးကို ဆုံးဖြတ်ပါ။
၃။ Plot Data: variable နှစ်ခု၏ တန်ဖိုးအတွဲများကို ဂရပ်ပေါ်တွင် အမှတ်များအဖြစ် ရေးဆွဲပါ။
၄။ ခွဲခြမ်းစိတ်ဖြာခြင်း- ဖြစ်နိုင်ချေရှိသော ပုံစံများ သို့မဟုတ် လမ်းကြောင်းများကို ဆုံးဖြတ်ရန် ကွက်လပ်ကို လေ့လာပြီး ပိုမိုနက်ရှိုင်းသော စစ်ဆေးမှုအတွက် ဆက်စပ်မှုများကို တွက်ချက်ပါ။
Scatter Diagram ဥပမာ
လူဆယ်ယောက်ရဲ့ အရပ် (စင်တီမီတာ) နဲ့ ကိုယ်အလေးချိန် (ကီလိုဂရမ်) အချက်အလက်တွေ ရှိတယ်လို့ ယူဆပါ-
| အရပ် (စင်တီမီတာ) | ခန္ဓာကိုယ်အလေးချိန် (ကီလိုဂရမ်) |
|——————-|———————|
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၀ | ၉၅ |
| ၂၀၅ | ၁၀၀ |
ဤဒေတာကို scatter diagram တွင် ဆွဲခြင်းဖြင့် အရပ်အမြင့်နှင့် အလေးချိန်ကြားတွင် အပြုသဘောဆောင်သော ဆက်စပ်မှုရှိကြောင်း ကျွန်ုပ်တို့ သတိပြုမိပါလိမ့်မည်။
Scatter Diagram များ၏ လက်တွေ့ကမ္ဘာတွင် အကောင်အထည်ဖော်မှု
Scatterplot ပုံကြမ်းများကို နယ်ပယ်အမျိုးမျိုးနှင့် စက်မှုလုပ်ငန်းများတွင် နက်ရှိုင်းသောဒေတာခွဲခြမ်းစိတ်ဖြာမှုအတွက် အသုံးပြုကြသည်။ လက်တွေ့ဘဝဥပမာအချို့တွင် အောက်ပါတို့ပါဝင်သည်-
၁။ ကျန်းမာရေး- အစားအသောက်နှင့် သွေးပေါင်ချိန် သို့မဟုတ် အိပ်စက်ချိန်နှင့် နေ့စဉ်ထုတ်လုပ်မှုအဆင့်ကဲ့သို့သော ကျန်းမာရေးဆိုင်ရာအချက်အမျိုးမျိုးအကြား ဆက်နွယ်မှုကို ဆုံးဖြတ်ခြင်း။
၂။ စီးပွားရေး- ရင်းနှီးမြှုပ်နှံမှုများနှင့် အကျိုးအမြတ်များကို ခွဲခြမ်းစိတ်ဖြာခြင်း၊ အတိုးနှုန်းနှင့် ငွေကြေးဖောင်းပွမှုနှုန်းကဲ့သို့သော ကိန်းရှင်များအကြား ဆက်နွယ်မှုကို ကြည့်ရှုခြင်း။
၃။ ပညာရေး- ပညာရေးစွမ်းဆောင်ရည်ကို လွှမ်းမိုးသည့်အချက်များကို နားလည်ရန် လေ့လာမှုအချိန်နှင့် ကျောင်းသားစာမေးပွဲရမှတ်များအကြား ဆက်စပ်မှုကို စမ်းသပ်ခြင်း။
၄။ စီးပွားရေး : စျေးကွက်ရှာဖွေရေးတွင် ကြော်ငြာအသုံးစရိတ်ကို ရောင်းအားတိုးလာမှုနှင့် နှိုင်းယှဉ်၍ ကြော်ငြာလှုပ်ရှားမှုတစ်ခု၏ ထိရောက်မှုကို တိုင်းတာရန်။
Scatter Diagram များ၏ ကန့်သတ်ချက်များ
အားသာချက်များစွာရှိသော်လည်း၊ scatterplots များတွင် ကန့်သတ်ချက်အချို့လည်းရှိသည်။
၁။ အကြောင်းရင်းကို မရှင်းပြပါ- scatterplot တွင်မြင်ရသော ဆက်စပ်မှုသည် အကြောင်းရင်းနှင့်အကျိုးဆက် ဆက်နွယ်မှုကို မဆိုလိုပါ။ ဆက်စပ်မှုသည် ဆက်နွယ်မှုရှိကြောင်းသာ ညွှန်ပြသော်လည်း ထိုဆက်နွယ်မှု၏ အကြောင်းရင်း သို့မဟုတ် ဦးတည်ရာကို မရှင်းပြပါ။
၂။ အလွန်ကြီးမားသောဒေတာအတွက် ခက်ခဲသည်- အလွန်ကြီးမားသောဒေတာများတွင်၊ scatterplots များသည် အလွန်သိပ်သည်းလာသဖြင့် အဓိပ္ပာယ်ဖွင့်ဆိုရန် ခက်ခဲနိုင်သည်။
၃။ ကိန်းရှင်နှစ်ခုသာ- scatterplot သည် ကိန်းရှင်နှစ်ခုကြား ဆက်နွယ်မှုကိုသာ ပြသနိုင်သည်။ ကိန်းရှင်နှစ်ခုထက်ပိုသော ဆက်နွယ်မှုများအတွက် multivariate analysis နည်းပညာများ လိုအပ်ပါသည်။
နိဂုံး
Scatterplots များသည် variable နှစ်ခုကြား ဆက်နွယ်မှုကို မြင်ယောင်ရန်နှင့် ခွဲခြမ်းစိတ်ဖြာရန်အတွက် စာရင်းအင်းနှင့် အချက်အလက်ခွဲခြမ်းစိတ်ဖြာမှုတွင် အစွမ်းထက်သောကိရိယာတစ်ခုဖြစ်သည်။ ဆက်စပ်မှုများ၊ လမ်းကြောင်းများနှင့် outliers များကို ဖော်ထုတ်ရန် ကူညီပေးခြင်းဖြင့် ၎င်းတို့သည် ဒေတာကို ပိုမိုနက်ရှိုင်းစွာ နားလည်ရန် အထောက်အကူပြုသည်။ ၎င်းတို့တွင် ကန့်သတ်ချက်အချို့ရှိသော်လည်း scatterplots များကို သင့်လျော်စွာအသုံးချခြင်းသည် နယ်ပယ်အမျိုးမျိုးတွင် ပိုမိုကောင်းမွန်သော ဆုံးဖြတ်ချက်ချမှုကို ပံ့ပိုးပေးသည့် အဖိုးတန်ထိုးထွင်းသိမြင်မှုများကို ပေးစွမ်းနိုင်သည်။ scatterplots များကို မည်သို့ဖန်တီးပြီး ခွဲခြမ်းစိတ်ဖြာရမည်ကို နားလည်ခြင်းသည် ဒေတာနှင့်အလုပ်လုပ်သူတိုင်းအတွက် မရှိမဖြစ်လိုအပ်သော အရည်အချင်းတစ်ခုဖြစ်သည်။
