စာရင်းအင်းပညာသည် ဒေတာများစုဆောင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်း၊ အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းနှင့် တင်ပြခြင်းတို့နှင့်သက်ဆိုင်သည့် သင်္ချာဘာသာရပ်ခွဲတစ်ခုဖြစ်သည်။ အထက်တန်းအဆင့်တွင် စာရင်းအင်းပညာသည် သင်္ချာသင်ရိုးညွှန်းတမ်း၏ မရှိမဖြစ်အစိတ်အပိုင်းတစ်ခုဖြစ်သည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် ကျောင်းသားများအား ဘဝ၏ကဏ္ဍအမျိုးမျိုးတွင် ဒေတာကို မည်သို့အသုံးပြုသည်ကို နားလည်ရန် ကူညီပေးသောကြောင့်ဖြစ်သည်။ စာရင်းအင်းပညာတွင် သင်ယူခဲ့သော အခြေခံသဘောတရားများထဲမှတစ်ခုမှာ "နေရာချထားမှုတိုင်းတာခြင်း" ဖြစ်သည်။ ဤဆောင်းပါးတွင် နေရာချထားမှုတိုင်းတာခြင်း၊ ၎င်း၏အမျိုးအစားများ၊ ၎င်းကို မည်သို့တွက်ချက်ရမည်နှင့် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် ၎င်း၏အရေးပါမှုကို နက်နက်နဲနဲဆွေးနွေးပါမည်။
နေရာချထားမှု အရွယ်အစားကို နားလည်ခြင်း
အနေအထားတိုင်းတာမှုဆိုသည်မှာ ဒေတာအစုအဝေးအတွင်းရှိ တန်ဖိုးတစ်ခု၏ ဆွေမျိုးအနေအထားကို ဖော်ပြရန်အသုံးပြုသော စာရင်းအင်းဆိုင်ရာ တိုင်းတာမှုတစ်ခုဖြစ်သည်။ ဤတိုင်းတာမှုသည် ဒေတာမည်သို့ဖြန့်ဝေသည်ကို နားလည်ရန်နှင့် ဒေတာဖြန့်ဖြူးမှုအတွင်းရှိ သတ်မှတ်ထားသောဒေတာ၏ အနေအထားကို ဆုံးဖြတ်ရန်အတွက် အရေးကြီးပါသည်။ အနေအထားတိုင်းတာမှုဖြင့် သတ်မှတ်ထားသောတန်ဖိုးများ မည်သည့်နေရာတွင်တည်ရှိသည်၊ ၎င်းတို့သည် ပျမ်းမျှထက် မြင့်သည်ဖြစ်စေ နိမ့်သည်ဖြစ်စေ နှင့် ဒေတာကို အလုံးစုံမည်သို့ဖြန့်ဝေသည်ကို ကျွန်ုပ်တို့ ခွဲခြားသတ်မှတ်နိုင်သည်။
အထက်တန်းကျောင်းတွင် သင်ကြားပေးသော ဖြန့်ဖြူးမှု၏ အသုံးများသော တိုင်းတာမှုများတွင် ကွာတိုင်းလ်၊ ဒက်စီလ်နှင့် ရာခိုင်နှုန်းတိုင်းလ်များ ပါဝင်သည်။ ဤတိုင်းတာမှုတစ်ခုစီသည် ဒေတာအစုအတွင်းရှိ ဒေတာ၏ ဆွေမျိုးအနေအထားကို နားလည်ရန် ကူညီရန်အတွက် ဒေတာကို တူညီသောအစိတ်အပိုင်းများအဖြစ် ပိုင်းခြားသည်။
ကွာတိုင်း
Quartile များသည် စီစဉ်ထားသောဒေတာကို ညီမျှသောအပိုင်းလေးပိုင်းအဖြစ် ပိုင်းခြားသည့် ဖြန့်ဖြူးမှုတိုင်းတာမှုများဖြစ်သည်။ အဓိက quartile သုံးခုရှိသည်-
– ပထမ quartile (Q1): အချက်အလက်၏ အသေးငယ်ဆုံး 25% ကို အကြီးဆုံး 75% ဖြင့် စားပါ။ Q1 သည် အချက်အလက်၏ 25% အောက်တွင် တည်ရှိသော တန်ဖိုးဖြစ်သည်။
– ဒုတိယ quartile (Q2) သို့မဟုတ် median: ဒေတာကို ညီမျှသော အပိုင်းနှစ်ပိုင်းအဖြစ် ပိုင်းခြားသည်။ Q2 သည် ဒေတာ၏ အလယ်တန်ဖိုးဖြစ်ပြီး ဒေတာ၏ 50% သည် ၎င်းအောက်တွင် ကျရောက်ပြီး ဒေတာ၏ 50% သည် ၎င်းအထက်တွင် ကျရောက်သည်။
– တတိယ quartile (Q3): အချက်အလက်၏ အသေးငယ်ဆုံး 75% ကို အကြီးဆုံး 25% ဖြင့် စားပါ။ Q3 သည် အချက်အလက်၏ 75% အောက်တွင် တည်ရှိသော တန်ဖိုးဖြစ်သည်။
ကွာတိုင်း တွက်ချက်မှု ဥပမာ-
အောက်ပါဒေတာများ ရှိသည်ဟု ယူဆပါ- ၅၊ ၇၊ ၈၊ ၁၂၊ ၁၃၊ ၁၄၊ ၁၈၊ ၂၁၊ ၂၃၊ ၂၇။
၁။ ဒေတာများကို စီပါ- ၅၊ ၇၊ ၈၊ ၁၂၊ ၁၃၊ ၁၄၊ ၁၈၊ ၂၁၊ ၂၃၊ ၂၇။
၂။ Q2 (အလယ်အလတ်) ကို ဆုံးဖြတ်ပါ- ၅ ခုမြောက်နှင့် ၆ ခုမြောက် အချက်အလက် (၁၃ နှင့် ၁၄)၊ ထို့ကြောင့် အလယ်အလတ် = (၁၃ + ၁၄) / ၂ = ၁၃.၅။
၄။ Q1: ၈ ခုမြောက်နှင့် ၉ ခုမြောက်ဒေတာ (၂၁ နှင့် ၂၃) ကို ဆုံးဖြတ်ပါ၊ ထို့ကြောင့် Q1 = (၂၁ + ၂၃) / ၂ = ၂၂။
၄။ Q3: ၈ ခုမြောက်နှင့် ၉ ခုမြောက်ဒေတာ (၂၁ နှင့် ၂၃) ကို ဆုံးဖြတ်ပါ၊ ထို့ကြောင့် Q3 = (၂၁ + ၂၃) / ၂ = ၂၂။
ဒီဆယ်လ်
Decile များသည် စီစဉ်ထားသောဒေတာကို ညီမျှသောအပိုင်းဆယ်ပိုင်းအဖြစ် ပိုင်းခြားသည့် ဖြန့်ဖြူးမှုတိုင်းတာမှုတစ်ခုဖြစ်သည်။ ဥပမာအားဖြင့်-
– ပထမ decile (D1): အချက်အလက်၏ အသေးငယ်ဆုံး 10% ကို အချက်အလက်၏ အကြီးဆုံး 90% ဖြင့် စားပါ။
– ပဉ္စမဆယ်လီ (D5): အလယ်အလတ်နှင့်အတူတူပင်၊ အချက်အလက်များကို ညီမျှသောအပိုင်းနှစ်ပိုင်း (50%) အဖြစ် ပိုင်းခြားသည်။
ဒက်စီလီ တွက်ချက်မှု ဥပမာ-
အောက်ပါဒေတာများ ရှိသည်ဟု ယူဆပါ- ၅၊ ၇၊ ၈၊ ၁၂၊ ၁၃၊ ၁၄၊ ၁၈၊ ၂၁၊ ၂၃၊ ၂၇။
၁။ ဒေတာများကို စီပါ- ၅၊ ၇၊ ၈၊ ၁၂၊ ၁၃၊ ၁၄၊ ၁၈၊ ၂၁၊ ၂၃၊ ၂၇။
၄။ D1 ကို ဆုံးဖြတ်ပါ- ၉ ခုမြောက်နှင့် ၁၀ ခုမြောက် အချက်အလက် (၂၃ နှင့် ၂၇)၊ ထို့ကြောင့် D1 = (၂၃ + ၂၇) / ၂ = ၂၅။
၃။ D5 (အလယ်အလတ်) ကို ဆုံးဖြတ်ပါ- ၅ ခုမြောက်နှင့် ၆ ခုမြောက် အချက်အလက် (၁၃ နှင့် ၁၄)၊ ထို့ကြောင့် အလယ်အလတ် = (၁၃ + ၁၄) / ၂ = ၁၃.၅။
၄။ D9 ကို ဆုံးဖြတ်ပါ- ၉ ခုမြောက်နှင့် ၁၀ ခုမြောက် အချက်အလက် (၂၃ နှင့် ၂၇)၊ ထို့ကြောင့် D9 = (၂၃ + ၂၇) / ၂ = ၂၅။
ရာခိုင်နှုန်း
ရာခိုင်နှုန်းဆိုသည်မှာ စီစဉ်ထားသောဒေတာကို တူညီသောအစိတ်အပိုင်းတစ်ရာအဖြစ် ပိုင်းခြားသည့် ဖြန့်ဖြူးမှုတိုင်းတာမှုတစ်ခုဖြစ်သည်။ ရာခိုင်နှုန်းများကို ဒေတာဖြန့်ဖြူးမှုအတွင်းရှိ တန်ဖိုးတစ်ခု၏ ဆွေမျိုးအနေအထားကို ညွှန်ပြရန် အသုံးပြုသည်။ ဥပမာ-
– ၂၅ ရာခိုင်နှုန်း (P25): ပထမ quartile (Q1) နှင့် အတူတူပင်၊ အချက်အလက်၏ အသေးငယ်ဆုံး 25% ကို အချက်အလက်၏ အကြီးဆုံး 75% ဖြင့် စားသည်။
– ၅၀ ရာခိုင်နှုန်း (P50): အလယ်အလတ် သို့မဟုတ် ဒုတိယ quartile (Q2) နှင့် အတူတူပင်ဖြစ်သည်။
– ၇၅ ရာခိုင်နှုန်း (P75): တတိယ quartile (Q3) နှင့် အတူတူပင်ဖြစ်သည်။
ရာခိုင်နှုန်းတွက်ချက်မှု ဥပမာ-
အောက်ပါဒေတာများ ရှိသည်ဟု ယူဆပါ- ၅၊ ၇၊ ၈၊ ၁၂၊ ၁၃၊ ၁၄၊ ၁၈၊ ၂၁၊ ၂၃၊ ၂၇။
၁။ ဒေတာများကို စီပါ- ၅၊ ၇၊ ၈၊ ၁၂၊ ၁၃၊ ၁၄၊ ၁၈၊ ၂၁၊ ၂၃၊ ၂၇။
၄။ P25 ကို ဆုံးဖြတ်ပါ- ၈ ခုမြောက်နှင့် ၉ ခုမြောက် ဒေတာများသည် (၂၁ နှင့် ၂၃) ဖြစ်သောကြောင့် P25 = (၂၁ + ၂၃) / ၂ = ၂၂ ဖြစ်သည်။
၃။ P50 (အလယ်အလတ်) ကို ဆုံးဖြတ်ပါ- ၅ ခုမြောက်နှင့် ၆ ခုမြောက် အချက်အလက်များသည် (13 နှင့် 14) ဖြစ်ပြီး၊ အလယ်အလတ်သည် = (13 + 14) / 2 = 13.5 ဖြစ်သည်။
၄။ P75 ကို ဆုံးဖြတ်ပါ- ၈ ခုမြောက်နှင့် ၉ ခုမြောက် ဒေတာများသည် (၂၁ နှင့် ၂၃) ဖြစ်သောကြောင့် P75 = (၂၁ + ၂၃) / ၂ = ၂၂ ဖြစ်သည်။
နေရာချထားမှုအရွယ်အစား၏ အရေးပါမှု
ဖြန့်ဖြူးမှုတိုင်းတာမှုများသည် စာရင်းအင်းခွဲခြမ်းစိတ်ဖြာမှုတွင် အလွန်အရေးကြီးပါသည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းတို့သည် ဒေတာဖြန့်ဖြူးမှုအတွင်းရှိ တန်ဖိုးတစ်ခု၏ ဆွေမျိုးအနေအထားနှင့်ပတ်သက်သည့် အချက်အလက်များကို ပေးစွမ်းသောကြောင့်ဖြစ်သည်။ ကွာတိုင်းလ်များ၊ ဒက်စီလ်များနှင့် ရာခိုင်နှုန်းများကို နားလည်ခြင်းဖြင့် ဒေတာတွင် မြင့်မားသောတန်ဖိုးများ သို့မဟုတ် အနိမ့်ဆုံးတန်ဖိုးများစွာ ပါဝင်ခြင်းရှိမရှိအပြင် ဒေတာကို မည်သို့ဖြန့်ဝေသည်ကို ကျွန်ုပ်တို့ ဆုံးဖြတ်နိုင်ပါသည်။ ၎င်းသည် အောက်ပါကဲ့သို့သော နယ်ပယ်အမျိုးမျိုးတွင် အလွန်အသုံးဝင်ပါသည်။
၁။ စီးပွားရေး- လူဦးရေတစ်ခု၏ ဝင်ငွေ သို့မဟုတ် ချမ်းသာကြွယ်ဝမှု ဖြန့်ဖြူးမှုကို ခွဲခြမ်းစိတ်ဖြာရန်။
၂။ စိတ်ပညာ- စာမေးပွဲရမှတ်များ သို့မဟုတ် အခြားတိုင်းတာမှုများ၏ ဖြန့်ဖြူးမှုကို နားလည်ရန်။
၃။ ပညာရေး- စာမေးပွဲရလဒ်များကို အကဲဖြတ်ရန်နှင့် ၎င်းတို့၏အဖွဲ့များတွင် ကျောင်းသားများ၏ ရပ်တည်ချက်ကို ဆုံးဖြတ်ရန်။
၄။ ကျန်းမာရေး- လူဦးရေတစ်ခုအတွင်း သွေးပေါင်ချိန် သို့မဟုတ် ကိုလက်စထရောအဆင့်ကဲ့သို့သော ကျန်းမာရေးဒေတာများ ဖြန့်ဖြူးမှုကို အကဲဖြတ်ရန်။
နေရာချထားမှု အရွယ်အစား လျှောက်လွှာ
နေရာချထားမှု မက်ထရစ်များသည် အချက်အလက်အခြေပြု ဆုံးဖြတ်ချက်များချရာတွင်လည်း အသုံးဝင်ပါသည်။ ဥပမာအားဖြင့် ပညာရေးတွင် ကျောင်းသားများကို အဆင့်သတ်မှတ်ရန်အတွက် ရာခိုင်နှုန်းများကို အသုံးပြုပါသည်။ ၉၀ ရာခိုင်နှုန်းရှိ ကျောင်းသားတစ်ဦးသည် အခြားကျောင်းသား ၉၀% ထက် ပိုမိုကောင်းမွန်စွာ စွမ်းဆောင်နိုင်သည်ဟု ယူဆရပါသည်။
စီးပွားရေးတွင် ဝင်ငွေမညီမျှမှုကို တိုင်းတာရန် ဆယ်ဆယ်လီ ခွဲခြမ်းစိတ်ဖြာမှုကို အသုံးပြုနိုင်သည်။ ဥပမာအားဖြင့်၊ အမြင့်ဆုံးနှင့် အနိမ့်ဆုံးလူတန်းစားများ၏ ဝင်ငွေဆယ်ဆယ်လီများကို ဖော်ထုတ်ခြင်းဖြင့် လူ့အဖွဲ့အစည်းအတွင်းရှိ စီးပွားရေးမညီမျှမှုများကို ထိုးထွင်းသိမြင်နိုင်ပါသည်။
ကျန်းမာရေးတွင်၊ ရာခိုင်နှုန်းများကို ကလေးများ၏ ကြီးထွားမှုကို အကဲဖြတ်ရန် မကြာခဏ အသုံးပြုလေ့ရှိသည်။ ဥပမာအားဖြင့်၊ ကလေးတစ်ဦးသည် အရပ်အမြင့်အတွက် 75th percentile တွင်ရှိပါက၊ ၎င်းသည် ကလေးသည် ၎င်းတို့အရွယ်ကလေး 75% ထက် မြင့်သည်ဟု ဆိုလိုသည်။
နိဂုံး
နေရာချထားမှုတိုင်းတာမှုများသည် အထက်တန်းကျောင်းသားများ နားလည်ရန် အရေးကြီးသော စာရင်းအင်းပညာတွင် အခြေခံသဘောတရားများဖြစ်သည်။ ကွာတိုင်းလ်၊ ဒက်စီလ်နှင့် ရာခိုင်နှုန်းတိုင်းလ်များသည် ဒေတာအစုအဝေးအတွင်းရှိ တန်ဖိုးတစ်ခု၏ ဆွေမျိုးအနေအထားကို နားလည်စေပြီး ၎င်း၏ဖြန့်ဖြူးမှုကို ထိုးထွင်းသိမြင်စေသည်။ ဤသဘောတရားများကို ကျွမ်းကျင်စွာ ကျွမ်းကျင်ခြင်းသည် ကျောင်းသားများအား ဒေတာကို ပိုမိုကောင်းမွန်စွာ ခွဲခြမ်းစိတ်ဖြာပြီး အသိပေးဆုံးဖြတ်ချက်များ ချမှတ်နိုင်ရန် ကူညီပေးပါလိမ့်မည်။
စာရင်းအင်းပညာသည် ၎င်း၏ နေရာချထားမှုတိုင်းတာမှုအမျိုးမျိုးဖြင့် ကျောင်းသားများအား ပညာရေးဆိုင်ရာရှုထောင့်မှ အချက်အလက်များကို နားလည်ရန်သာမက နေ့စဉ်ဘဝနှင့် အနာဂတ်အလုပ်အကိုင်များတွင် အချက်အလက်များကို အသုံးပြုရန် ပြင်ဆင်ရန်လည်း ကူညီပေးပါသည်။ နေရာချထားမှုတိုင်းတာမှုများကို ခိုင်မာစွာနားလည်ခြင်းဖြင့် ကျောင်းသားများသည် ဤသတင်းအချက်အလက်ခေတ်တွင် ဒေတာခွဲခြမ်းစိတ်ဖြာမှု၏ ပိုမိုရှုပ်ထွေးလာသောစိန်ခေါ်မှုများကို ရင်ဆိုင်ရန် ပိုမိုယုံကြည်မှုရှိနိုင်ပါသည်။
