အုပ်စုဒေတာ၏ ရာခိုင်နှုန်းများ- နားလည်မှုနှင့် အသုံးချမှု
စာရင်းအင်းဒေတာ စီမံဆောင်ရွက်ခြင်းသည် စီးပွားရေး၊ ဘဏ္ဍာရေး၊ ကျန်းမာရေးနှင့် လူမှုရေးသိပ္ပံကဲ့သို့သော နယ်ပယ်အမျိုးမျိုးတွင် ကျယ်ကျယ်ပြန့်ပြန့် အသုံးပြုသည့် ဒေတာခွဲခြမ်းစိတ်ဖြာမှု၏ အရေးကြီးသော ရှုထောင့်တစ်ခုဖြစ်သည်။ ဒေတာကိုဖော်ပြရန် စာရင်းအင်းများတွင် မကြာခဏအသုံးပြုသည့် အယူအဆတစ်ခုမှာ ရာခိုင်နှုန်းဖြစ်သည်။ ရာခိုင်နှုန်းဆိုသည်မှာ ဒေတာအစုံကို တူညီသောအပိုင်းတစ်ရာအဖြစ် ပိုင်းခြားပေးသည့် တန်ဖိုးတစ်ခုဖြစ်သည်။ အုပ်စုဖွဲ့ထားသော ဒေတာနှင့်ဆက်စပ်၍ ရာခိုင်နှုန်းများကို နားလည်ခြင်းနှင့် တွက်ချက်ခြင်းသည် တစ်ခုတည်းသော သို့မဟုတ် အုပ်စုမဖွဲ့ထားသော ဒေတာထက် ပိုမိုရှုပ်ထွေးလာသည်။ ဤဆောင်းပါးသည် အုပ်စုဖွဲ့ထားသော ဒေတာရှိ ရာခိုင်နှုန်းများ၏ သဘောတရား၊ ၎င်းတို့ကို မည်သို့တွက်ချက်ရမည်နှင့် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် ၎င်းတို့၏အသုံးချမှုကို သေချာစွာလေ့လာရန် ရည်ရွယ်ပါသည်။
ရာခိုင်နှုန်းများကို နားလည်ခြင်း
ရိုးရိုးလေးပြောရရင် percentile ဆိုတာ data set တစ်ခုအတွင်းက value တစ်ခုရဲ့ relative position ကို ဆုံးဖြတ်ဖို့ statistics မှာအသုံးပြုတဲ့ တိုင်းတာမှုနည်းပညာတစ်ခုပါ။ ဥပမာအားဖြင့်၊ 25th percentile (P25) ဆိုတာ data ရဲ့ 25% နိမ့်ကျတဲ့ တန်ဖိုးပါ။ တစ်နည်းအားဖြင့် data ရဲ့ 75% ဟာ ဒီတန်ဖိုးထက် နိမ့်ကျပါလိမ့်မယ်။ အလားတူပဲ၊ 50th percentile (median) နဲ့ 75th percentile တို့ကို အသုံးပြုပါတယ်။
ပါရမီတိုင်းများသည် ကွာတိုင်းနှင့် ဒက်စီလ်များနှင့် ကွာခြားသည်မှာ ၎င်းတို့ထုတ်လုပ်သော အပိုင်းအရေအတွက်တွင်သာ ဖြစ်သည်- ကွာတိုင်းများသည် ဒေတာကို အပိုင်းလေးပိုင်း၊ ဒက်စီလ်များကို အပိုင်းဆယ်ပိုင်း နှင့် ပါရမီတိုင်းများကို အပိုင်းတစ်ရာအဖြစ် ပိုင်းခြားသည်။
အဖွဲ့ဒေတာ
အုပ်စုဖွဲ့ထားသောဒေတာ သို့မဟုတ် အစုအဖွဲ့လိုက်ဒေတာဆိုသည်မှာ အပိုင်းအခြားများ သို့မဟုတ် အတန်းအစားများအဖြစ် အုပ်စုဖွဲ့ထားသော ဒေတာဖြစ်သည်။ အစုအဖွဲ့လိုက်ဒေတာတွင် ဒေတာတန်ဖိုးများကို တစ်ခုချင်းစီ မကြည့်ရှုတော့ဘဲ အုပ်စုများအဖြစ် ကြည့်ရှုသည်။ ၎င်းကို အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်းကို လွယ်ကူချောမွေ့စေရန်အတွက် လေ့လာတွေ့ရှိချက်များစွာပါသည့် ဂဏန်းဒေတာဖြင့် ပုံမှန်အားဖြင့် ပြုလုပ်လေ့ရှိသည်။ အစုအဖွဲ့လိုက်ဒေတာ၏ ဥပမာများတွင် အသက်အပိုင်းအခြားများ၊ ဝင်ငွေ သို့မဟုတ် သတ်မှတ်ထားသော အပိုင်းအခြားများအဖြစ် အုပ်စုဖွဲ့ထားသော စမ်းသပ်မှုရမှတ်များ ပါဝင်သည်။
အုပ်စုဖွဲ့ထားသောဒေတာတွင် ရာခိုင်နှုန်းများတွက်ချက်ခြင်း
အုပ်စုဖွဲ့ထားသောဒေတာတွင် ရာခိုင်နှုန်းများတွက်ချက်ခြင်းသည် အုပ်စုမဖွဲ့ထားသောဒေတာနှင့် မတူညီသောဖော်မြူလာတစ်ခု လိုအပ်ပါသည်၊ အဘယ်ကြောင့်ဆိုသော် ဒေတာကို ကြိမ်နှုန်းဖြန့်ဖြူးမှုတွင် စီစဉ်ထားသောကြောင့်ဖြစ်သည်။ အောက်ပါအဆင့်များသည် တွက်ချက်မှုလုပ်ငန်းစဉ်ကို ရှင်းပြသည်-
၁။ အတန်းအစားကန့်သတ်ချက်များနှင့် စုပေါင်းကြိမ်နှုန်းကို ဆုံးဖြတ်ခြင်း
ပထမခြေလှမ်းမှာ အတန်းအစား နယ်နိမိတ်များနှင့် စုပေါင်းကြိမ်နှုန်းများကို ဆုံးဖြတ်ရန်ဖြစ်သည်။ အတန်းအစား နယ်နိမိတ်များသည် ဒေတာဖြန့်ဖြူးမှုတွင် အပိုင်းအခြား (အတန်းအစား) တစ်ခုချင်းစီကို သတ်မှတ်ပေးသော နံပါတ်များဖြစ်သည်။ စုပေါင်းကြိမ်နှုန်းများသည် ပထမအတန်းအစားမှ သတ်မှတ်ထားသော အတန်းအစားအထိ အတန်းအစားတစ်ခုစီ၏ ကြိမ်နှုန်းများ၏ ပေါင်းလဒ်ဖြစ်သည်။
၂။ ရာခိုင်နှုန်း အနေအထားကို ဆုံးဖြတ်ခြင်း
လိုချင်သော percentile \( P_k \) ၏ နေရာကိုရှာဖွေရန်အတွက်၊ ကျွန်ုပ်တို့သည် ထို percentile class ၏ နေရာကို ဦးစွာဆုံးဖြတ်ရမည်။ kth percentile သည် data ၏ \( k% \) အောက်တွင်ရှိသော တန်ဖိုးကို ရည်ညွှန်းသည်။
kth ရာခိုင်နှုန်း အနေအထားမှာ - \( \frac{k}{100} \times N \) ဖြစ်သည်။
ဤတွင် \( N \) သည် လေ့လာတွေ့ရှိချက် စုစုပေါင်း အရေအတွက် ဖြစ်သည်။
၃။ ရာခိုင်နှုန်းအတန်းအစားများကို ဖော်ထုတ်ပါ။
တွက်ချက်ထားသော percentile positions များကို အသုံးပြုခြင်းဖြင့် ၎င်းတို့ပါဝင်သော interval သို့မဟုတ် class ကို ဖော်ထုတ်နိုင်ပါသည်။ percentile တည်ရှိရာ class ကို မတွေ့မချင်း class များ၏ cumulative frequencies များကို တဖြည်းဖြည်းကြည့်ရှုခြင်းဖြင့် လုပ်ဆောင်ပါသည်။
၄။ ရာခိုင်နှုန်းတန်ဖိုးများ တွက်ချက်ခြင်း
percentile class ကို ရှာတွေ့ပြီးသည်နှင့်၊ percentile တန်ဖိုးကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။
\[ P_k = L + \left( \frac{k}{100} \times N – F}{f} \right) \times i \]
ဘယ်နေရာ:
– \( P_k \) = ရှာဖွေသော kth ရာခိုင်နှုန်း
– \( L \) = ရာခိုင်နှုန်းအတန်းအစား၏ အောက်ဆုံးကန့်သတ်ချက်
– \( F \) = ရာခိုင်နှုန်းအတန်းအစားမတိုင်မီ စုပေါင်းကြိမ်နှုန်း
– \( f \) = ရာခိုင်နှုန်း အတန်းအစား ကြိမ်နှုန်း
–\( i\) = အတန်းအစားကြားကာလ
ရာခိုင်နှုန်းတွက်ချက်မှုဥပမာ
နားလည်ရလွယ်ကူစေရန်အတွက် တိကျသော ဥပမာတစ်ခုကို ကြည့်ကြပါစို့-
ကျောင်းသား ၁၀၀ အတွက် အောက်ပါအတိုင်း အုပ်စုဖွဲ့ထားသော စာမေးပွဲရမှတ်ဒေတာရှိသည်ဆိုပါစို့။
| ရမှတ်ကြားကာလ | ကြိမ်နှုန်း |
|——————|———–|
| ၅၀ – ၆၀ | ၄ |
| ၅၀ – ၆၀ | ၁၀ |
| ၅၀ – ၆၀ | ၁၀ |
| ၅၀ – ၆၀ | ၁၀ |
| ၅၀ – ၆၀ | ၁၀ |
| ၅၀ – ၆၀ | ၁၀ |
| ၆၀ – ၇၀ | ၅ |
ပထမခြေလှမ်းမှာ စုစုပေါင်းကြိမ်နှုန်းကို တွက်ချက်ရန်ဖြစ်သည်-
| ရမှတ်ကြားကာလ | ကြိမ်နှုန်း | စုပေါင်းကြိမ်နှုန်း |
|——————|————–|—————————|
| ၀ – ၁၀ | ၅ | ၅ |
| ၅၀ – ၆၀ | ၁၀ | ၉၀ |
| ၅၀ – ၆၀ | ၁၀ | ၉၀ |
| ၅၀ – ၆၀ | ၁၀ | ၉၀ |
| ၅၀ – ၆၀ | ၁၀ | ၉၀ |
| ၅၀ – ၆၀ | ၁၀ | ၉၀ |
| ၆၀ – ၇၀ | ၅ | ၉၅ |
ကျွန်ုပ်တို့သည် 75th percentile (P75) ကို ရှာဖွေလိုသည်ဆိုပါစို့-
၁။ P75 အနေအထားကို ဆုံးဖြတ်ပါ-
\[ \text{Position P75} = \frac{75}{100} \xeebtsam 100 = 75 \]
၂။ ရာထူး ၇၅ ပါဝင်သော အတန်းအစားကို ဖော်ထုတ်ပါ။ စုပေါင်းကြိမ်နှုန်းဇယားမှ၊ ရာထူး ၇၅ သည် ရမှတ်အပိုင်းအခြား ၄၀-၅၀ တွင် ရှိကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိပါသည်။
၃။ ပေးထားသောဖော်မြူလာကို အသုံးပြု၍ P75 တန်ဖိုးကို တွက်ချက်ပါ။
\[
P_{75} = ၄၀ + \ဘယ်ဘက် (\frac{75 – 60}{20} \ညာဘက်) \အမြှောက် ၁၀
\]
\[
P_{75} = ၄၀ + \ဘယ်ဘက် (\frac{15}{20} \ညာဘက်) \အမြှောက် ၁၀
\]
\[
P_{75} = ၄၀ + ၇.၅ = ၄၇.၅
\]
ထို့ကြောင့် ဤဒေတာဖြန့်ဖြူးမှုတွင် အနိမ့်ဆုံး 75% နှင့် ထိစပ်နေသော ရမှတ်မှာ 47,5 ဖြစ်သည်။
အုပ်စုဒေတာတွင် ရာခိုင်နှုန်းများ အသုံးချမှု
အုပ်စုဒေတာတွင် ရာခိုင်နှုန်းများကို အသုံးပြုခြင်းသည် အောက်ပါတို့အပါအဝင် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုအခြေအနေအမျိုးမျိုးတွင် အလွန်အထောက်အကူဖြစ်စေပါသည်-
၁။ ကျောင်းသားအောင်မြင်မှု အကဲဖြတ်ခြင်း- ပညာရေးတွင်၊ ရာခိုင်နှုန်းများကို ကျောင်းသားတစ်ဦးသည် အခြားကျောင်းသားများနှင့် နှိုင်းယှဉ်လျှင် မည်သို့စွမ်းဆောင်ရည်ရှိသည်ကို အကဲဖြတ်ရန် အသုံးပြုသည်။ ကျောင်းသားတစ်ဦး၏ရမှတ်သည် မည်သည့်ရာခိုင်နှုန်းတွင် ကျရောက်သည်ကို သိရှိခြင်းဖြင့် အဖွဲ့အတွင်း ၎င်းတို့၏ နှိုင်းရအနေအထားကို ကျွန်ုပ်တို့ နားလည်နိုင်ပါသည်။
၂။ ကျန်းမာရေး- ဆေးပညာနယ်ပယ်တွင် ကလေးများ၏ ကြီးထွားမှုကို တိုင်းတာရန် ရာခိုင်နှုန်းများကို မကြာခဏ အသုံးပြုလေ့ရှိသည်။ ဥပမာအားဖြင့် ဆရာဝန်တစ်ဦးသည် ကလေး၏ အရပ်အမြင့် သို့မဟုတ် ကိုယ်အလေးချိန်သည် တူညီသောအသက်အရွယ်ရှိ ကလေးများ၏ ပုံမှန်လူဦးရေနှင့် နှိုင်းယှဉ်ပါက 70th percentile တွင် ရှိမရှိ ဆုံးဖြတ်နိုင်သည်။
၃။ စီးပွားရေးနှင့် ဝင်ငွေ- ရာခိုင်နှုန်းများကို လူဦးရေတစ်ခုအတွင်း ဝင်ငွေနှင့် ချမ်းသာကြွယ်ဝမှု ဖြန့်ဖြူးမှုကို နားလည်ရန် အသုံးပြုသည်။ ၎င်းသည် မညီမျှမှုနှင့် ဆင်းရဲမွဲတေမှုကို ခွဲခြမ်းစိတ်ဖြာရာတွင်သာမက စီးပွားရေးမူဝါဒစီမံကိန်းရေးဆွဲရာတွင်လည်း အထောက်အကူပြုသည်။
၄။ စိတ်ပညာနှင့် လူမှုရေး- ရာခိုင်နှုန်းများသည် စိတ်ပညာစစ်ဆေးမှုရမှတ်များ ဖြန့်ဖြူးရာတွင် အထောက်အကူပြုသောကြောင့် စိတ်ပညာရှင်များအား တုံ့ပြန်သူများသည် သတ်မှတ်ထားသောစွမ်းရည်အရ ပျမ်းမျှ၊ ပျမ်းမျှအောက် သို့မဟုတ် ပျမ်းမျှအထက် အမျိုးအစားတွင် ရှိမရှိ ဆုံးဖြတ်နိုင်စေပါသည်။
၅။ စီးပွားရေးနှင့် စျေးကွက်ရှာဖွေရေး- ဈေးကွက်ခွဲခြမ်းစိတ်ဖြာမှုတွင်၊ percentiles များကို ပိုမိုထိရောက်သော စျေးကွက်ရှာဖွေရေးနှင့် ကြော်ငြာဗျူဟာများကို ညွှန်ကြားရန်အတွက် ဝင်ငွေ၊ သုံးစွဲမှု သို့မဟုတ် အခြားစားသုံးသူအပြုအမူများအပေါ် အခြေခံ၍ ဖောက်သည်များကို ပိုင်းခြားရန် အသုံးပြုသည်။
နိဂုံး
ဒေတာဖြန့်ဖြူးမှုအတွင်းရှိ တန်ဖိုးများ၏ ဆွေမျိုးအနေအထားကို နားလည်ရန်အတွက် စာရင်းအင်းများတွင် Percentiles များသည် အလွန်အသုံးဝင်သောကိရိယာတစ်ခုဖြစ်သည်။ အုပ်စုဖွဲ့ထားသောဒေတာနှင့်ဆက်စပ်၍ ၎င်းတို့ကို တွက်ချက်ခြင်းသည် တစ်ခုတည်းသောဒေတာထက် ပိုမိုရှုပ်ထွေးသော်လည်း စနစ်တကျချဉ်းကပ်မှုဖြင့် လုပ်ဆောင်နိုင်ပါသည်။ အုပ်စုဖွဲ့ထားသောဒေတာတွင် percentiles များကို အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းနှင့် တွက်ချက်ခြင်းစွမ်းရည်သည် ပိုမိုနက်ရှိုင်းသောဒေတာခွဲခြမ်းစိတ်ဖြာမှုအတွက် အခွင့်အလမ်းများစွာကို ဖွင့်ပေးပြီး လက်တွေ့ကျသောနယ်ပယ်အမျိုးမျိုးတွင် အသုံးဝင်ပါသည်။
သင့်လျော်စွာ နားလည်မှုဖြင့်၊ percentiles များသည် အချက်အလက်များ၏ ရှုပ်ထွေးမှုကို ရိုးရှင်းစေရန်အတွက် အလွန်အစွမ်းထက်သောကိရိယာတစ်ခု ဖြစ်နိုင်ပြီး ခွဲခြမ်းစိတ်ဖြာသူများနှင့် သုတေသီများအား ၎င်းတို့ရရှိသော အချက်အလက်များအပေါ် အခြေခံ၍ ပိုမိုကောင်းမွန်သော ဆုံးဖြတ်ချက်များ ချမှတ်နိုင်စေပါသည်။
