စာရင်းအင်းများတွင် Z ရမှတ်ဖော်မြူလာ

စာရင်းအင်းပညာတွင် Z-ရမှတ်ဖော်မြူလာ

စာရင်းအင်းပညာဆိုသည်မှာ ဒေတာများ စုဆောင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်း၊ အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းနှင့် တင်ပြခြင်းတို့ ပါဝင်သည့် သိပ္ပံနည်းကျ ဘာသာရပ်တစ်ခုဖြစ်သည်။ စာရင်းအင်းပညာတွင် အဓိက အယူအဆများထဲမှ တစ်ခုမှာ ဖြန့်ဖြူးမှုနှင့် ထိုဖြန့်ဖြူးမှုအတွင်းရှိ ဒေတာ၏ အနေအထားကို မည်သို့တိုင်းတာသည်ဆိုသည့်အချက်ဖြစ်သည်။ ဤအခြေအနေတွင်၊ Z-score သည် စံသွေဖည်မှုများတွင် တစ်ဦးချင်းဒေတာအမှတ်များသည် ပျမ်းမျှနှင့် မည်မျှဝေးကွာသည်ကို ဖော်ပြရန်အတွက် အလွန်အသုံးဝင်သော ကိရိယာတစ်ခုဖြစ်သည်။

Z-Score မိတ်ဆက်

Z-score ဆိုသည်မှာ စံသွေဖည်မှုဖြင့် တိုင်းတာသည့် လူတစ်ဦးချင်းစီ၏ အချက်အလက်သည် ပျမ်းမျှနှင့် မည်မျှဝေးကွာသည်ကို ဖော်ပြသည့် တန်ဖိုးတစ်ခုဖြစ်သည်။ Z-score တွက်ချက်ရန် ဖော်မြူလာမှာ-

\[ Z = \frac{(X – \mu)}{\sigma} \]

ဘယ်နေရာ:
– \( X \) = Z-ရမှတ်ကို တွက်ချက်မည့် ဒေတာတန်ဖိုး
– \( \mu \) = လူဦးရေပျမ်းမျှ
– \( \sigma \) = လူဦးရေ စံသွေဖည်မှု

Z-score သည် ဖြန့်ဖြူးမှုတစ်ခုရှိ ဒေတာအစုတစ်ခု၏ ဆွေမျိုးအနေအထားကို နားလည်ရန် ကူညီပေးပြီး ဒေတာကို ပျမ်းမျှနှင့် ပိုမိုမှန်ကန်စွာ နှိုင်းယှဉ်နိုင်စေပါသည်။

Z-Score ဘာကြောင့် အရေးကြီးတာလဲ။

Z-score သည် စာရင်းအင်းပညာတွင် အကြောင်းရင်းများစွာကြောင့် အလွန်အရေးကြီးပါသည်-

၁။ ပုံမှန်ဖြစ်စေခြင်း- Z-ရမှတ်သည် ဒေတာများကို ပုံမှန်ဖြစ်စေရန် ကူညီပေးပြီး မတူညီသော ဖြန့်ဖြူးမှုများမှ ဒေတာများအကြား နှိုင်းယှဉ်မှုများကို လွယ်ကူချောမွေ့စေသည်။
၂။ အပြင်ထွက်သတ်မှတ်ခြင်း- Z-ရမှတ်ကို အသုံးပြု၍ ဒေတာတစ်ခုသည် အပြင်ထွက်သတ်မှတ်ခြင်း ဟုတ်မဟုတ်ကို ကျွန်ုပ်တို့ ခွဲခြားသတ်မှတ်နိုင်သည်။
၃။ ပုံမှန်ဖြန့်ဖြူးမှု ယူဆချက်- စာရင်းအင်း ခွဲခြမ်းစိတ်ဖြာမှုများစွာတွင်၊ ဒေတာသည် ပုံမှန်ဖြန့်ဝေနေသည်ဟု ယူဆထားသည်။ Z-ရမှတ်သည် ဤယူဆချက်ကို အတည်ပြုရန် ကူညီပေးသည်။
၄။ အထွေထွေစကေး- Z-ရမှတ်သည် ဒေတာကို အထွေထွေစကေးအဖြစ်သို့ ပြောင်းလဲပေးပြီး အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းနှင့် နှိုင်းယှဉ်ခြင်းကို လွယ်ကူချောမွေ့စေသည်။

Z-ရမှတ် တွက်ချက်မှု ဥပမာ

ရိုးရှင်းတဲ့ ဥပမာတစ်ခုနဲ့ Z-score ကို ဘယ်လိုတွက်ချက်ရမလဲဆိုတာ ကြည့်ကြရအောင်။ ကျောင်းသား ၂၀ ရဲ့ သင်္ချာစာမေးပွဲရမှတ်တွေပါတဲ့ dataset တစ်ခုရှိတယ်ဆိုပါစို့။ စာမေးပွဲရမှတ်တွေရဲ့ ပျမ်းမျှ (\(\mu\)) က ၇၅ ဖြစ်ပြီး စံသွေဖည်မှု (\(\sigma\)) က ၁၀ ဖြစ်ပါတယ်။ စာမေးပွဲမှာ ၉၀ မှတ်ရတဲ့ ကျောင်းသားတွေရဲ့ Z-score ကို သိချင်ပါတယ်။

ပထမဦးစွာ၊ တန်ဖိုးများကို Z-score ဖော်မြူလာထဲသို့ ထည့်ပါ-

\[ Z = \frac{(X – \mu)}{\sigma} = \frac{(90 – 75)}{10} = \frac{15}{10} = 1.5 \]

ဆိုလိုသည်မှာ ကျောင်းသားတွင် Z-ရမှတ် ၁.၅ ရှိပြီး ရမှတ်သည် ပျမ်းမျှထက် စံသွေဖည်မှု ၁.၅ ရှိကြောင်း ဖော်ပြသည်။ ပုံမှန်ဖြန့်ဖြူးမှု၏ အခြေအနေတွင်၊ ၎င်းသည် ပျမ်းမျှထက် ရမှတ်မြင့်မားပြီး အတော်အတန်ထူးခြားသော စွမ်းဆောင်ရည်ရှိကြောင်း ညွှန်ပြသည်။

Z-ရမှတ် အဓိပ္ပာယ်ဖွင့်ဆိုချက်

Z-score အဓိပ္ပာယ်ဖွင့်ဆိုချက်သည် စာရင်းအင်းခွဲခြမ်းစိတ်ဖြာမှုတွင် အလွန်အရေးကြီးပါသည်။ Z-score အဓိပ္ပာယ်ဖွင့်ဆိုချက်အတွက် အထွေထွေလမ်းညွှန်ချက်အချို့ကို အောက်တွင်ဖော်ပြထားပါသည်။

– Z-ရမှတ် = 0 : ဒေတာတန်ဖိုးသည် လူဦးရေပျမ်းမျှနှင့် အတူတူပင်ဖြစ်သည်။
– Z-score > 0 : ဒေတာတန်ဖိုးသည် လူဦးရေပျမ်းမျှထက် မြင့်မားသည်။
– Z-score < 0 : ဒေတာတန်ဖိုးသည် လူဦးရေပျမ်းမျှထက် နိမ့်ကျသည်။ - Z-score > 2 သို့မဟုတ် Z-score < -2 : ဒေတာတန်ဖိုးသည် ပျမ်းမျှနှင့် အတော်လေးဝေးကွာသော ပြင်ပအချက်အလက်တစ်ခုဖြစ်ကြောင်း အညွှန်းကိန်းတစ်ခုဖြစ်သည်။ သို့သော်၊ Z-score ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို မူရင်းဒေတာဖြန့်ဖြူးမှုအပေါ် အခြေခံ၍ နောက်ခံအခြေအနေအရ ထားရမည်ကို မှတ်သားထားရန် အရေးကြီးပါသည်။ ကျဉ်းမြောင်းသော သို့မဟုတ် ပိုမိုကျယ်ပြန့်သော ဖြန့်ဖြူးမှုသည် တူညီသော Z-score ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို သက်ရောက်မှုရှိလိမ့်မည်။ နယ်ပယ်အသီးသီးတွင် Z-Score ကို အသုံးချခြင်း Z-score သည် သီအိုရီဆိုင်ရာ အယူအဆတစ်ခုသာမက နယ်ပယ်အသီးသီးတွင် လက်တွေ့အသုံးချမှုများလည်း ရှိသည်- ၁။ ဘဏ္ဍာရေး ဘဏ္ဍာရေးနယ်ပယ်တွင် Z-score ကို အန္တရာယ်အကဲဖြတ်ပုံစံများတွင် အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ Altman Z-score သည် ကော်ပိုရိတ်ဒေဝါလီခံမှုကို အကဲဖြတ်ရန် အသုံးပြုသော ဘဏ္ဍာရေးပုံသေနည်းတစ်ခုဖြစ်သည်။ ဤပုံသေနည်းသည် ဘဏ္ဍာရေးဆိုင်ရာ မက်ထရစ်များစွာကို ပေါင်းစပ်ပြီး ကော်ပိုရိတ်ဒေဝါလီခံမှုအန္တရာယ်ကို ညွှန်ပြသော Z-score တစ်ခုကို ထုတ်လုပ်ပေးသည်။ ၂။ စိတ်ပညာနှင့် ပညာရေး IQ စစ်ဆေးမှုများ သို့မဟုတ် ကျောင်းစာမေးပွဲများကဲ့သို့သော စွမ်းရည် သို့မဟုတ် အောင်မြင်မှုကို တိုင်းတာရာတွင် Z-score ကို အုပ်စုနှင့် နှိုင်းယှဉ်လျှင် တစ်ဦးချင်းစွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် အသုံးပြုသည်။ ၎င်းသည် ကျောင်းသားဖွံ့ဖြိုးတိုးတက်မှု သို့မဟုတ် အချို့သော စိတ်ပိုင်းဆိုင်ရာ ဝိသေသလက္ခဏာများကို စောင့်ကြည့်ရာတွင် အထောက်အကူပြုသည်။ ၃။ ကျန်းမာရေး ကျန်းမာရေးနယ်ပယ်တွင် Z-score ကို ဆေးဘက်ဆိုင်ရာဒေတာများတွင် ပုံမှန်မဟုတ်မှုများကို အကဲဖြတ်ရန် အသုံးပြုသည်။ ဥပမာအားဖြင့် မျိုးရိုးဗီဇခွဲခြမ်းစိတ်ဖြာမှုတွင် Z-score သည် ရောဂါဖြစ်နိုင်ခြေကို ညွှန်ပြနိုင်သည့် ပုံမှန်မဟုတ်သော မျိုးဗီဇဖော်ပြမှုကို အကဲဖြတ်ရန် ကူညီပေးသည်။

၄။ စျေးကွက်ရှာဖွေရေး စျေးကွက်ရှာဖွေသူများသည် Z-score ကို စျေးကွက်ခွဲခြားသတ်မှတ်ခြင်းနှင့် ထူးခြားသောဝယ်ယူမှုအပြုအမူဖြင့် အလားအလာရှိသောဖောက်သည်များကို ဖော်ထုတ်ရန်အတွက် အသုံးပြုကြသည်။ ၎င်းသည် ပိုမိုထိရောက်ပြီး ထိရောက်သော စျေးကွက်ရှာဖွေရေးဗျူဟာများကို ဒီဇိုင်းဆွဲရာတွင် အထောက်အကူပြုသည်။ Z-Score ၏ ကန့်သတ်ချက်များ မည်သည့်စာရင်းအင်းကိရိယာကဲ့သို့ပင် Z-score တွင် ကန့်သတ်ချက်များရှိသည်။ အဓိကအားနည်းချက်တစ်ခုမှာ Z-score သည် ပုံမှန်ဖြန့်ဖြူးမှုပေါ်တွင် များစွာမူတည်သည်။ ဒေတာသည် ပုံမှန်ဖြန့်ဝေမှုမရှိပါက Z-score ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်သည် မမှန်ကန်နိုင်ပါ။ ထို့အပြင် Z-score သည် ဒေတာရှိ outliers များအပေါ် အလွန်ထိခိုက်လွယ်သည်။ ထို့ကြောင့် Z-score ကိုအသုံးမပြုမီ ဒေတာဖြန့်ဖြူးမှုကို အမြဲစစ်ဆေးပြီး လိုအပ်ပါက ခိုင်မာသောနည်းလမ်းများကို အသုံးပြုရန် အရေးကြီးပါသည်။ Z-Score ၏ ကွဲပြားမှုများ စာရင်းအင်းခွဲခြမ်းစိတ်ဖြာမှုတွင် အသုံးပြုသော Z-score ၏ ကွဲပြားမှုများစွာရှိသည်။ ၎င်းတို့ထဲမှတစ်ခုမှာ Z-score နှင့်ဆင်တူသော်လည်း ပျမ်းမျှ ၅၀ နှင့် စံသွေဖည်မှု ၁၀ ​​ရှိသည်။ T-score ကို ပညာရေးဆိုင်ရာစာမေးပွဲများကဲ့သို့ ပိုမိုတည်ငြိမ်သော အဓိပ္ပာယ်ဖွင့်ဆိုချက်တစ်ခု လိုအပ်သည့်အခြေအနေများတွင် အသုံးပြုသည်။ \[ T = 50 + 10 \left(\frac{(X - \mu)}{\sigma}\right) \] အခြားမူကွဲများတွင် ဘဏ္ဍာရေးဆိုင်ရာ Altman Z-score နှင့် သီးခြားခွဲခြမ်းစိတ်ဖြာမှုလိုအပ်ချက်များအတွက် လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ထားသော အခြားစံသတ်မှတ်ထားသော မက်ထရစ်အမျိုးမျိုး ပါဝင်သည်။ နိဂုံးချုပ် Z-score သည် စာရင်းအင်းများတွင် တစ်ဦးချင်းဒေတာအမှတ်များသည် စံသွေဖည်မှုယူနစ်များတွင် ပျမ်းမျှနှင့် မည်မျှဝေးကွာသည်ကို တိုင်းတာရန်အတွက် အလွန်အရေးကြီးသောကိရိယာတစ်ခုဖြစ်သည်။ Z-score ကို ကောင်းစွာနားလည်ခြင်းသည် ခွဲခြမ်းစိတ်ဖြာသူများအား ဒေတာကို ပုံမှန်ဖြစ်အောင်ပြုလုပ်ခြင်း၊ ပြင်ပအချက်များကို ဖော်ထုတ်ခြင်းနှင့် ဒေတာဖြန့်ဖြူးမှုကို ပိုမိုနားလည်နိုင်စေပါသည်။ ၎င်း၏ကန့်သတ်ချက်များရှိသော်လည်း Z-score သည် စာရင်းအင်းခွဲခြမ်းစိတ်ဖြာမှုတွင် မရှိမဖြစ်လိုအပ်သောကိရိယာတစ်ခုအဖြစ် ဆက်လက်တည်ရှိနေပြီး ဘဏ္ဍာရေး၊ ကျန်းမာရေးစောင့်ရှောက်မှု၊ ပညာရေးနှင့် စျေးကွက်ရှာဖွေရေးကဲ့သို့သော နယ်ပယ်အမျိုးမျိုးတွင် ကျယ်ပြန့်သောအသုံးချမှုများရှိသည်။ Z-score ၏ အယူအဆကို ကျွမ်းကျင်စွာကိုင်တွယ်ခြင်းဖြင့် ဒေတာမှ ပိုမိုနက်ရှိုင်းသောအဓိပ္ပာယ်ကို ထုတ်ယူနိုင်ပြီး ပိုမိုအသိပေးဆုံးဖြတ်ချက်များချနိုင်သည်။ ထို့ကြောင့် Z-score သည် သီအိုရီဆိုင်ရာအယူအဆတစ်ခုသာမက ဒေတာခွဲခြမ်းစိတ်ဖြာမှုနှင့် စာရင်းအင်းများတွင် လုပ်ကိုင်နေသူများ နားလည်ရမည့် လက်တွေ့ကျသောကိရိယာတစ်ခုလည်းဖြစ်သည်။