ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် ဖော်ပြချက်စာရင်းအင်းများ၏ နားလည်မှုနှင့် အခြေခံသဘောတရားများ

ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် ဖော်ပြချက်စာရင်းအင်းများ၏ နားလည်မှုနှင့် အခြေခံသဘောတရားများ

ဖော်ပြချက်စာရင်းအင်းများသည် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်တွင် အရေးကြီးဆုံးအခြေခံများထဲမှ တစ်ခုဖြစ်သည်။ တစ်စုံတစ်ယောက်သည် နိဂုံးချုပ်မှုများမပြုလုပ်မီ၊ ခန့်မှန်းချက်များမပြုလုပ်မီ သို့မဟုတ် ဒေတာအပေါ်အခြေခံ၍ ဆုံးဖြတ်ချက်များမချမီ၊ ပထမခြေလှမ်းမှာ ဒေတာကိုယ်တိုင်ကို နားလည်ရန်ဖြစ်သည်။ ဤနေရာတွင် ဖော်ပြချက်စာရင်းအင်းများသည် အခန်းကဏ္ဍမှ ပါဝင်လာသည်- ဒေတာ၏ပုံစံများ၊ ဝိသေသလက္ခဏာများနှင့် ခေတ်ရေစီးကြောင်းများကို ရှင်းရှင်းလင်းလင်းမြင်နိုင်စေရန် အကျဉ်းချုပ်၊ စီစဉ်ပြီး တင်ပြရန် ကူညီပေးသည်။ ဤဆောင်းပါးသည် ဖော်ပြချက်စာရင်းအင်းများ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်နှင့် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် ကျယ်ကျယ်ပြန့်ပြန့်အသုံးပြုသည့် ၎င်း၏အခြေခံသဘောတရားများကို ဆွေးနွေးထားသည်။

ဖော်ပြချက်စာရင်းအင်းများကို နားလည်ခြင်း

ယေဘုယျအားဖြင့် ဖော်ပြချက်စာရင်းအင်းများသည် ဒေတာများကို စုဆောင်းခြင်း၊ အကျဉ်းချုပ်ခြင်း၊ စီစဉ်ခြင်းနှင့် ၎င်း၏အခြေအနေကို ရှင်းရှင်းလင်းလင်းမြင်သာစေရန် တင်ပြခြင်းတို့ကို အာရုံစိုက်သည့် စာရင်းအင်းဌာနခွဲတစ်ခုဖြစ်သည်။ ၎င်း၏ အဓိကရည်မှန်းချက်မှာ ယူဆချက်များကို စမ်းသပ်ရန် သို့မဟုတ် ပိုမိုကျယ်ပြန့်သောလူဦးရေ (၎င်းသည် ကောက်ချက်စာရင်းအင်းများ၏ နယ်ပယ်ဖြစ်သည်) သို့ ယေဘုယျအားဖြင့် ပြုလုပ်ရန်မဟုတ်ဘဲ လက်ရှိဒေတာတွင် ဖြစ်ပျက်သည်များကို ရှင်းပြရန်ဖြစ်သည်။

ဥပမာအားဖြင့်၊ ကျောင်းတစ်ကျောင်းသည် ကျောင်းသား ၂၀၀ ထံမှ သင်္ချာစာမေးပွဲရမှတ်များကို စုဆောင်းပါက၊ အောက်ပါမေးခွန်းများကို ဖြေဆိုရန် ဖော်ပြချက်စာရင်းအင်းများကို အသုံးပြုနိုင်သည်- ပျမ်းမျှရမှတ်က ဘယ်လောက်လဲ။ ရမှတ်များတွင် မည်မျှကွဲပြားမှုရှိသနည်း။ အမြင့်ဆုံးနှင့် အနိမ့်ဆုံးရမှတ်တွေက ဘာတွေလဲ။ ရမှတ်အများစုကို သတ်မှတ်ထားသော အတိုင်းအတာတစ်ခုအတွင်း စုစည်းထားပါသလား။ ဤမေးခွန်းများသည် အခြားကျောင်းများရှိ ကျောင်းသားများအကြောင်း နိဂုံးချုပ်ရန်မလိုဘဲ အကဲဖြတ်ရန်အတွက် အခြေခံအဖြစ် အရေးကြီးပါသည်။

ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် ဖော်ပြချက်စာရင်းအင်းများ၏ အခန်းကဏ္ဍ

ဒေတာခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်တွင်၊ ဖော်ပြချက်စာရင်းအင်းများသည် နောက်ဆက်တွဲခွဲခြမ်းစိတ်ဖြာမှု၏ ဦးတည်ရာကို ဆုံးဖြတ်ပေးသည့် ကနဦးခြေလှမ်းများဖြစ်လေ့ရှိသည်။ ၎င်း၏အခန်းကဏ္ဍများတွင် အောက်ပါတို့ပါဝင်သည်-

၁။ ကုန်ကြမ်းဒေတာကို ပိုမိုတိုတောင်းပြီး နားလည်ရလွယ်ကူသောပုံစံဖြင့် အကျဉ်းချုပ်ပါ။
၂။ ခေတ်ရေစီးကြောင်းများ၊ လွှမ်းမိုးနေသောဒေတာအုပ်စုများ သို့မဟုတ် ပုံမှန်မဟုတ်သောပုံစံများကို ဖော်ထုတ်ပါ။
၃။ မဆီလျော်သော တန်ဖိုးများ၊ ပျောက်ဆုံးနေသော အချက်အလက် သို့မဟုတ် ပုံတူကူးခြင်းကဲ့သို့သော အချက်အလက်အမှားများကို ရှာဖွေပါ။
၄။ ဇယားများ၊ ဂရပ်များနှင့် စာရင်းအင်းအကျဉ်းချုပ်များမှတစ်ဆင့် အချက်အလက်များကို ဆက်သွယ်ပြောဆိုစွာ တင်ပြပါ။
၅။ အစောပိုင်းဆုံးဖြတ်ချက်ချခြင်းကို ပံ့ပိုးပေးသည်၊ ဥပမာအားဖြင့် ဖောက်သည်ဒေတာအကျဉ်းချုပ်များအပေါ် အခြေခံ၍ စျေးကွက်ရှာဖွေရေးဗျူဟာများကို ဆုံးဖြတ်ခြင်း။

ဖော်ပြထားသော အဆင့်များမရှိပါက၊ အချက်အလက်များကို အပြည့်အဝနားမလည်သောကြောင့် နောက်ထပ်ခွဲခြမ်းစိတ်ဖြာမှုသည် မတိကျနိုင်ပါ။

ဒေတာအမျိုးအစားများနှင့် တိုင်းတာမှုစကေးများ

ဖော်ပြချက်စာရင်းအင်းများ၏ အခြေခံသဘောတရားကို ဒေတာအမျိုးအစားများနှင့် တိုင်းတာမှုစကေးများကို နားလည်မှုနှင့် ခွဲခြား၍မရပါ၊ အဘယ်ကြောင့်ဆိုသော် နှစ်ခုစလုံးသည် သင့်လျော်သော အနှစ်ချုပ်နည်းလမ်းကို ဆုံးဖြတ်ပေးသောကြောင့်ဖြစ်သည်။

၁။ အရည်အသွေးဆိုင်ရာနှင့် အရေအတွက်ဆိုင်ရာဒေတာ
– အရည်အသွေးဆိုင်ရာ အချက်အလက် (အမျိုးအစားများ): အမျိုးအစားများ သို့မဟုတ် အညွှန်းများပုံစံဖြင့် အချက်အလက်များ၊ ဥပမာ ကျား၊မ၊ အလုပ်အကိုင်အခြေအနေ၊ ထုတ်ကုန်အမျိုးအစား။
– အရေအတွက်ဆိုင်ရာ (ဂဏန်း) အချက်အလက်- ရေတွက်နိုင်သော သို့မဟုတ် တိုင်းတာနိုင်သော ဂဏန်းပုံစံဖြင့် အချက်အလက်များ၊ ဥပမာ အသက်၊ ဝင်ငွေ၊ အရပ်။

၂။ တိုင်းတာမှုစကေး
– အမည်ခံ- အမျိုးအစားများကိုသာ ခွဲခြားသည် (ဥပမာ- သွေးအမျိုးအစား)။
– အစဉ်လိုက်- အစီအစဉ်တစ်ခုရှိသော်လည်း အမျိုးအစားများအကြား အကွာအဝေးမှာ မသေချာပါ (ဥပမာ- စိတ်ကျေနပ်မှုအဆင့်- အနိမ့်-အလတ်-မြင့်)။
- ကြားကာလ- တန်ဖိုးများအကြား အကွာအဝေးသည် အတူတူပင်ဖြစ်သော်လည်း ပကတိသုညမရှိပါ (ဥပမာ- စင်တီဂရိတ် အပူချိန်)။
– အချိုး- အကွာအဝေးသည် အတူတူပင်ဖြစ်ပြီး ပကတိသုညရှိသည် (ဥပမာ- ခန္ဓာကိုယ်အလေးချိန်၊ ဝင်ငွေ)။

ဗဟိုလမ်းကြောင်း၊ ပျံ့နှံ့မှုတိုင်းတာမှုများနှင့် မြင်ယောင်မှုများ၏ သင့်လျော်သော တိုင်းတာမှုများကို ရွေးချယ်ရာတွင် အချက်အလက်၏ စကေးကို ဆုံးဖြတ်ခြင်းသည် အရေးကြီးပါသည်။

ဒေတာတင်ပြချက်- ဇယားများနှင့် ဂရပ်များ

ဖော်ပြချက်စာရင်းအင်းများကို ဖတ်ရှုရလွယ်ကူစေရန်နှင့် အဓိပ္ပာယ်ဖွင့်ဆိုရလွယ်ကူစေရန်အတွက် ဒေတာများကို တင်ပြခြင်းနှင့် မကြာခဏ ဆက်စပ်လေ့ရှိသည်။

၁။ ကြိမ်နှုန်းဖြန့်ဖြူးမှုဇယား
ကြိမ်နှုန်းဖြန့်ဖြူးမှုဇယားသည် တန်ဖိုး သို့မဟုတ် အမျိုးအစားတစ်ခု မည်မျှမကြာခဏဖြစ်ပေါ်သည်ကို ပြသသည်။ ၎င်းသည် ကြီးမားသောဒေတာအစုံများအတွက် အသုံးဝင်ပြီး တိကျမှုရှိစေသည်။ ဂဏန်းဒေတာအတွက်၊ ကြိမ်နှုန်းများကို မကြာခဏ အတန်းအစားကြားကာလများ (ဥပမာ ၀–၁၀၊ ၁၁–၂၀ စသည်ဖြင့်) တွင် စီစဉ်ထားလေ့ရှိသည်။

၂။ ဂရပ်များနှင့် ပုံကြမ်းများ
မြင်ယောင်ကြည့်ခြင်း၏ အဖြစ်များသော ပုံစံအချို့-
– ဘားဇယား- အမျိုးအစားအလိုက်ဒေတာအတွက် သင့်လျော်သည်။
– စက်ဝိုင်းဇယား- အမျိုးအစားတစ်ခုစီ၏ အချိုးအစားကို ပြသထားသည် (သို့သော် အမျိုးအစားများစွာအတွက် ၎င်းသည် များသောအားဖြင့် ထိရောက်မှုနည်းပါးသည်)။
– Histogram: ဘားဇယားနှင့် ဆင်တူသော်လည်း အုပ်စုဖွဲ့ထားသော ဂဏန်းဒေတာအတွက်၊ ဖြန့်ဖြူးမှု၏ပုံသဏ္ဍာန်ကို မြင်ရန် ကူညီပေးသည်။
– Frequency polygon: အတန်းတစ်ခုစီ၏ frequency point များကို ဆက်သွယ်ပေးသော မျဉ်းတစ်ကြောင်း။
– Boxplot (box diagram): median၊ quartiles၊ distribution နှင့် potential outliers များကို ပြသသည်။

မြင်ယောင်ကြည့်ခြင်းသည် ကိန်းဂဏန်းများကိုသာ ကြည့်လျှင် တစ်ခါတစ်ရံတွင် ရှင်းရှင်းလင်းလင်းမသိရသော အချက်အလက်များ၏ လမ်းကြောင်းများ သို့မဟုတ် ပုံမှန်မဟုတ်မှုများကို မြင်တွေ့ရန် ကူညီပေးသည်။

ဗဟိုတိမ်းညွတ်မှုတိုင်းတာမှုများ

ဗဟိုတိမ်းညွတ်မှုတိုင်းတာမှုများသည် “အလယ်” တန်ဖိုး သို့မဟုတ် ဒေတာအစုအဝေးတစ်ခုကို အကောင်းဆုံးကိုယ်စားပြုသည့် တန်ဖိုးကို ဖော်ပြသည်။

၁။ ပျမ်းမျှ (ပျမ်းမျှ)
ပျမ်းမျှဆိုသည်မှာ တန်ဖိုးအားလုံး၏ ပေါင်းလဒ်ကို ဒေတာအမှတ်အရေအတွက်ဖြင့် စားခြင်းဖြစ်သည်။ ပျမ်းမျှသည် နားလည်ရလွယ်ကူသော်လည်း၊ ပြင်ပအချက်အလက်များအပေါ် အာရုံခံနိုင်စွမ်းရှိသောကြောင့် ရေပန်းစားသည်။ ဥပမာအားဖြင့် ဝင်ငွေဒေတာတွင် အလွန်ချမ်းသာသူတစ်ဦးသည် ပျမ်းမျှကို သိသိသာသာ စောင်းနိုင်သည်။

၂။ အလယ်အလတ်တန်ဖိုး (အလယ်အလတ်တန်ဖိုး)
ဒေတာကို စီပြီးနောက် အလယ်တန်ဖိုးမှာ အလယ်တန်ဖိုးဖြစ်သည်။ ဒေတာအမှတ်အရေအတွက်သည် စုံဖြစ်ပါက အလယ်တန်ဖိုးနှစ်ခု၏ ပျမ်းမျှဖြစ်သည်။ အလယ်တန်ဖိုးသည် outliers များကို ပိုမိုခံနိုင်ရည်ရှိသောကြောင့် ၎င်းကို asymmetric distributions များပါရှိသော ဒေတာအတွက် မကြာခဏအသုံးပြုလေ့ရှိသည်။

၃။ မုဒ် (အများဆုံးပေါ်လာသော တန်ဖိုး)
မုဒ်သည် အများဆုံးဖြစ်ပေါ်သော တန်ဖိုးဖြစ်ပြီး အမျိုးအစားအလိုက်ဒေတာအတွက် အသုံးဝင်ပါသည်။ ဥပမာအားဖြင့်၊ အများဆုံးဝယ်ယူသော ထုတ်ကုန်အမျိုးအစားများ၏ မုဒ်သည် အဓိကဦးစားပေးမှုကို ညွှန်ပြသည်။

ပျံ့နှံ့မှုတိုင်းတာမှုများ

ဗဟိုတန်ဖိုးကို သိရှိခြင်းအပြင်၊ ဒေတာသည် ဗဟိုမှ မည်မျှပျံ့နှံ့နေသည်ကို သိရှိရန်လည်း အရေးကြီးပါသည်။

၁။ အကွာအဝေး
Range ဆိုသည်မှာ အမြင့်ဆုံးနှင့် အနိမ့်ဆုံးတန်ဖိုးများအကြား ကွာခြားချက်ဖြစ်သည်။ ဤတိုင်းတာမှုသည် ရိုးရှင်းသော်လည်း outliers များ၏ လွှမ်းမိုးမှုများစွာရှိသည်။

၂။ ကွဲလွဲမှုနှင့် စံသွေဖည်မှု
– Variance သည် ပျမ်းမျှတန်ဖိုးများမှ တန်ဖိုးများ၏ ပျမ်းမျှနှစ်ထပ်သွေဖည်မှုကို တိုင်းတာသည်။
– စံသွေဖည်မှုဆိုသည်မှာ variance ၏ square root ဖြစ်ပြီး ၎င်း၏ယူနစ်များသည် မူရင်းဒေတာနှင့် အတူတူပင်ဖြစ်သောကြောင့် မကြာခဏအသုံးပြုလေ့ရှိသည်။

စံသွေဖည်မှုကြီးလေ၊ အချက်အလက် ပိုမိုပြောင်းလဲနိုင်လေဖြစ်ပြီး၊ သေးငယ်လေ၊ အချက်အလက်များသည် ပျမ်းမျှပတ်လည်တွင် စုပုံလာလေဖြစ်သည်။

၃။ ကွာတိုင်းလ်များနှင့် IQR (Interquartile Range)
Quartile များသည် data ကို ညီမျှသော အပိုင်းလေးပိုင်းအဖြစ် ပိုင်းခြားသည်-
- Q1 (အောက်ပိုင်း ကွာတိုင်းလ်)၊ Q2 (အလယ်အလတ်)၊ Q3 (အပေါ်ပိုင်း ကွာတိုင်းလ်)။
IQR = Q3 − Q1 သည် အချက်အလက်၏ အလယ်အလတ် 50% ၏ ဖြန့်ဖြူးမှုကို ပြသပြီး outliers များကို အတော်လေး ခံနိုင်ရည်ရှိသည်။

ဖြန့်ဖြူးမှုပုံစံနှင့် ပြင်ပအချက်အလက်များ

ဖော်ပြချက်စာရင်းအင်းများသည် အချက်အလက်ဖြန့်ဖြူးမှုပုံစံကိုလည်း အာရုံစိုက်သည်-
– ညီမျှခြင်း- ဒေတာကို ပျမ်းမျှ/အလယ်အလတ်၏ ဘယ်နှင့်ညာသို့ ညီညာစွာ ပျံ့နှံ့စေသည်။
– ညာဘက်စောင်းခြင်း- တန်ဖိုးငယ်များစွာ၊ တန်ဖိုးကြီးအနည်းငယ်။
– ဘယ်ဘက်စောင်းခြင်း- တန်ဖိုးကြီးများစွာ၊ တန်ဖိုးငယ်အနည်းငယ်။

တစ်ချိန်တည်းမှာပင်၊ outlier ဆိုသည်မှာ အချက်အလက်အများစုနှင့် သိသိသာသာကွာခြားသော တန်ဖိုးတစ်ခုဖြစ်သည်။ Outlier များသည် မှတ်တမ်းတင်ခြင်းအမှားများ သို့မဟုတ် သိသာထင်ရှားသော လက်တွေ့ကမ္ဘာဖြစ်ရပ်များ (ဥပမာ၊ အလွန်ကြီးမားသော ငွေပေးငွေယူမှုများ) ကြောင့် ဖြစ်ပွားနိုင်သည်။ Outlier များကို ဖော်ထုတ်ခြင်းသည် အရေးကြီးပါသည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းတို့သည် ပျမ်းမျှ၊ variance နှင့် အလုံးစုံအဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို ထိခိုက်စေနိုင်သောကြောင့်ဖြစ်သည်။

နိဂုံး

ဖော်ပြချက်စာရင်းအင်းများသည် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် မရှိမဖြစ်လိုအပ်သော ပထမခြေလှမ်းတစ်ခုဖြစ်သည်။ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် ကုန်ကြမ်းဒေတာကို အဓိပ္ပာယ်ရှိသော အချက်အလက်များအဖြစ်သို့ ပြောင်းလဲရန် ကူညီပေးသောကြောင့်ဖြစ်သည်။ ဂဏန်းသင်္ချာအကျဉ်းချုပ်များ (ပျမ်းမျှ၊ အလယ်အလတ်၊ မုဒ်)၊ ပျံ့နှံ့မှုတိုင်းတာမှုများ (အပိုင်းအခြား၊ စံသွေဖည်မှု၊ IQR) နှင့် ဇယားများနှင့် ဂရပ်များတွင် ဒေတာတင်ပြချက်များမှတစ်ဆင့် ခွဲခြမ်းစိတ်ဖြာသူများသည် ဒေတာဝိသေသလက္ခဏာများကို လျင်မြန်စွာနှင့် တိကျစွာ နားလည်နိုင်သည်။ ဒေတာအမျိုးအစားနှင့် တိုင်းတာမှုစကေးကို နားလည်ခြင်းသည် သင့်လျော်သော ဖော်ပြချက်နည်းလမ်းကိုလည်း ဆုံးဖြတ်ပေးသည်။ ဤအခြေခံဖြင့်၊ ကောက်ချက်ခွဲခြမ်းစိတ်ဖြာမှုနှင့် ဆုံးဖြတ်ချက်ချမှတ်ခြင်းအပါအဝင် နောက်ဆက်တွဲခွဲခြမ်းစိတ်ဖြာမှုကို ပိုမိုအာရုံစိုက်ပြီး တာဝန်ခံမှုရှိသော နည်းလမ်းဖြင့် ပြုလုပ်နိုင်သည်။

သင်အလိုရှိပါက ဤဆောင်းပါးကို ပိုမိုပညာရပ်ဆိုင်ရာ (ကိုးကားချက်များပါရှိသည်)၊ ဘလော့ဂ်နှင့် ပိုမိုကိုက်ညီစေရန် သို့မဟုတ် ရိုးရှင်းသော တွက်ချက်မှု ဥပမာများနှင့် ဇယား/ဂရပ်ပုံများ ထည့်သွင်းနိုင်ရန် ပြင်ဆင်ပေးနိုင်ပါသည်။