දත්ත විද්යාඥයින් සඳහා සංඛ්යාලේඛන
සංඛ්යාලේඛන යනු දත්ත රැස් කිරීම, විශ්ලේෂණය, අර්ථ නිරූපණය, ඉදිරිපත් කිරීම සහ සංවිධානය කිරීම අධ්යයනය කරන විද්යාත්මක විෂයයකි. දත්ත විද්යාඥයෙකු සඳහා, සංඛ්යාලේඛන යනු තීරණාත්මක පදනමකි. වඩා හොඳ තීරණ ගැනීමක් ඇති කළ හැකි තීක්ෂ්ණ බුද්ධියක් ජනනය කිරීම සඳහා දත්ත විද්යාඥයින් විවිධ වර්ගයේ දත්ත සමඟ කටයුතු කරයි. එබැවින්, සංඛ්යානමය සංකල්ප පිළිබඳ ගැඹුරු අවබෝධයක් අත්යවශ්ය වේ. මෙම ලිපියෙන්, දත්ත විද්යාඥයින්ට අදාළ ප්රධාන සංඛ්යානමය සංකල්ප කිහිපයක් අපි සාකච්ඡා කරමු.
සංඛ්යාලේඛන හැඳින්වීම
සංඛ්යාලේඛන ප්රධාන ශාඛා දෙකකට බෙදා ඇත: විස්තරාත්මක සංඛ්යාලේඛන සහ අනුමාන සංඛ්යාලේඛන. විස්තරාත්මක සංඛ්යාලේඛන පවතින දත්ත සාරාංශ කිරීම සහ විස්තර කිරීම අරමුණු කරන අතර, අනුමාන සංඛ්යාලේඛන දත්ත අර්ථකථනය කර නියැදි දත්ත මත පදනම්ව සාමාන්යකරණයන් හෝ පුරෝකථනයන් සිදු කරයි.
විස්තරාත්මක සංඛ්යාලේඛන
දත්ත කට්ටලයක ප්රධාන ලක්ෂණ තේරුම් ගැනීමට සහ විස්තර කිරීමට විස්තරාත්මක සංඛ්යාලේඛන උපකාරී වේ. විස්තරාත්මක සංඛ්යාලේඛනවල ප්රධාන ශිල්පීය ක්රම කිහිපයක් අතරට:
1. මධ්යගතකරණ මිනුම:
– මධ්යන්යය (සාමාන්යය): අගයන් සමූහයක අංක ගණිත සාමාන්යය.
– මධ්යන්ය: වර්ග කළ දත්තවල මැද අගය.
– මාදිලිය: දත්තවල නිතර දිස්වන අගය.
2. විසරණ ප්රමාණය:
– පරාසය: උපරිම සහ අවම අගයන් අතර වෙනස.
– විචලනය: මධ්යන්යයෙන් අගයන්හි අපගමනවල වර්ගවල එකතුවේ සාමාන්යය.
– සම්මත අපගමනය: දත්ත පැතිරීම පිළිබඳ අදහසක් ලබා දෙන විචලනයේ වර්ගමූලය.
3. සංඛ්යාත ව්යාප්තිය: දත්තවල ඇතැම් අගයන් හෝ අගයන් පරාසයන්හි සංඛ්යාතය පෙන්වන වගුවක් හෝ ප්රස්ථාරයක් (හිස්ටෝග්රෑම් වැනි).
අනුමාන සංඛ්යාලේඛන
දත්ත විද්යාවේදී, අපට සම්පූර්ණ දත්ත ජනගහනයන්ට ප්රවේශය ඇත්තේ කලාතුරකිනි. එබැවින්, අපි බොහෝ විට දත්ත සාම්පල සමඟ වැඩ කරන අතර ජනගහනය පිළිබඳ සාමාන්යකරණයන් හෝ නිගමනවලට එළඹීමට අනුමාන සංඛ්යාලේඛන භාවිතා කරමු. අනුමාන සංඛ්යාලේඛනවල සමහර ප්රධාන සංකල්පවලට ඇතුළත් වන්නේ:
1. පරාමිති ඇස්තමේන්තුව:
– ලක්ෂ්ය ඇස්තමේන්තුව: ජනගහන පරාමිතියක ඇස්තමේන්තුවක් ලෙස තනි අගයක් සපයයි (උදා: නියැදි මධ්යන්යය ජනගහන මධ්යන්යයේ ඇස්තමේන්තුවක් ලෙස).
– අන්තර ඇස්තමේන්තුව (විශ්වාස පරතරය): යම් මට්ටමක විශ්වාසයක් සහිත ජනගහන පරාමිතිය අඩංගු යැයි විශ්වාස කරන අගයන් පරාසයක් සපයයි (උදා: 95% විශ්වාස පරතරයක්).
2. උපකල්පිත පරීක්ෂාව: ජනගහන පරාමිතියක් පිළිබඳ ප්රකාශයක් පිළිගත හැකිද ප්රතික්ෂේප කළ හැකිද යන්න තීරණය කිරීමේ ක්රියා පටිපාටියකි. උපකල්පිත පරීක්ෂාවට බොහෝ විට p-අගය ඇතුළත් වේ, එය ශුන්ය කල්පිතය සත්ය යැයි උපකල්පනය කරමින් අවම වශයෙන් නිරීක්ෂණය කරන ලද ප්රතිඵලය තරම්ම ආන්තික ප්රතිඵලයක් ලබා ගැනීමේ සම්භාවිතාවයි.
දත්ත විද්යාවේ සංඛ්යාලේඛනවල කාර්යභාරය
දත්ත විද්යාව යනු ගණිතමය, සංඛ්යානමය, ක්රමලේඛන සහ වසම් දැනුම කුසලතා ඒකාබද්ධ කර දත්ත වලින් තීක්ෂ්ණ බුද්ධිය ලබා ගන්නා ක්ෂේත්රයකි. මූලික දත්ත ගවේෂණයේ සිට සංකීර්ණ පුරෝකථන ආකෘති දක්වා දත්ත විද්යාඥ ක්රියාවලියේ විවිධ අදියරවලදී සංඛ්යාලේඛන ප්රධාන කාර්යභාරයක් ඉටු කරයි.
දත්ත ගවේෂණය (EDA)
පුරෝකථන ආකෘතියක් ගොඩනැගීමට පෙර, අප සතුව ඇති දත්ත තේරුම් ගැනීම වැදගත් වේ. ගවේෂණාත්මක දත්ත විශ්ලේෂණය (EDA) යනු රටා, විෂමතා සහ දත්ත බෙදාහැරීම් හඳුනා ගැනීමේ තීරණාත්මක පියවරකි. දත්තවල ව්යුහය සහ ලක්ෂණ තේරුම් ගැනීම සඳහා විස්තරාත්මක සංඛ්යානමය ශිල්පීය ක්රම සහ හිස්ටෝග්රෑම්, විසිරුම් සටහන් සහ කොටු සටහන් වැනි දත්ත දෘශ්යකරණයන් භාවිතා කිරීම EDA හි ඇතුළත් වේ.
පුරෝකථන ආකෘති නිර්මාණය
පුරෝකථන ආකෘති නිර්මාණය සඳහා සංඛ්යාලේඛන අත්යවශ්ය වේ. දත්ත විද්යාඥයින් විසින් නිතර භාවිතා කරන සමහර සංඛ්යානමය ක්රමවලට ඇතුළත් වන්නේ:
1. රේඛීය ප්රතිගමනය: රේඛීය රේඛාවක් සවි කිරීමෙන් යැපෙන විචල්යයක් සහ ස්වාධීන විචල්ය එකක් හෝ කිහිපයක් අතර සම්බන්ධතාවය ආකෘතිකරණය කිරීමේ තාක්ෂණයකි.
2. ලොජිස්ටික් ප්රතිගමනය: සිදුවීමේ සම්භාවිතාව ඇස්තමේන්තු කිරීමෙන් ද්විමය යැපෙන විචල්යයන් (කාණ්ඩ දෙකක්) ආකෘතිකරණය සඳහා භාවිතා වේ.
3. විචලතාව විශ්ලේෂණය (ANOVA): කණ්ඩායම් කිහිපයක මධ්යන්යයන් සංසන්දනය කිරීම සහ කණ්ඩායම් අතර වෙනස්කම් සංඛ්යානමය වශයෙන් වැදගත් දැයි තීරණය කිරීම සඳහා වූ ක්රමයකි.
4. ප්රධාන සංරචක විශ්ලේෂණය (PCA): සැලකිය යුතු තොරතුරු අහිමි නොවී දත්ත සංකීර්ණතාව අඩු කිරීම සඳහා ප්රධාන සංරචක කිහිපයකට දත්ත සාරාංශ කරන මාන අඩු කිරීමේ තාක්ෂණයකි.
හේතුඵල අනුමානය
දත්ත විද්යාඥයින් බොහෝ විට විචල්ය අතර සහසම්බන්ධතා ගැන පමණක් නොව, හේතු-ඵල සම්බන්ධතා තේරුම් ගැනීමට ද උනන්දු වෙති. හේතු අනුමානය යනු එක් විචල්යයක සිදුවන වෙනස්කම් තවත් විචල්යයකට බලපාන ආකාරය තේරුම් ගැනීම කෙරෙහි අවධානය යොමු කරන සංඛ්යාලේඛන අංශයකි. අහඹු ලෙස පාලනය කරන ලද අත්හදා බැලීම් (RCTs), මාර්ග විශ්ලේෂණය සහ ව්යුහාත්මක ආකෘති නිර්මාණය වැනි ක්රම හේතු විශ්ලේෂණයේ ප්රබල මෙවලම් වේ.
දත්ත විශ්ලේෂණයේ අභියෝග
සංඛ්යාලේඛන බොහෝ ප්රබල මෙවලම් සපයන නමුත්, සැබෑ ලෝක දත්ත විශ්ලේෂණය බොහෝ විට විවිධ අභියෝගවලට මුහුණ දෙයි, එනම්:
1. අසම්පූර්ණ දත්ත: දත්ත නොමැති වීම හෝ නොමැති වීම විශ්ලේෂණයේ ගුණාත්මකභාවය අඩු කළ හැකිය. සාමාන්ය ආරෝපණය හෝ යන්ත්ර ඉගෙනුම් පාදක ආකෘති වැනි ආරෝපණ ක්රම බොහෝ විට අතුරුදහන් වූ දත්ත හැසිරවීමට භාවිතා කරයි.
2. බාහිර සාධක සහ ශබ්දය: බාහිර සාධක හෝ ශබ්දය අඩංගු දත්ත විශ්ලේෂණ ප්රතිඵලවලට බලපෑ හැකිය. බාහිර සාධක හඳුනාගෙන ඒවා හැසිරවීමට දත්ත පිරිසිදු කිරීම සහ බාහිර සාධක හඳුනාගැනීමේ ශිල්පීය ක්රම අවශ්ය වේ.
3. අධික ලෙස සවි කිරීම: ආකෘතියක් ඉතා සංකීර්ණ වන අතර පුහුණු දත්ත වලට ගැලපෙන නමුත් නව දත්ත මත හොඳින් ක්රියා නොකරන විට අධික ලෙස සවි කිරීම සිදු වේ. විධිමත් කිරීම (ලැසෝ, රිජ්) සහ හරස් වලංගුකරණය වැනි ශිල්පීය ක්රම මගින් අධික ලෙස සවි කිරීම ආමන්ත්රණය කිරීමට උපකාරී වේ.
4. බහුකෝලීයතාව: ස්වාධීන විචල්ය දෙකක් හෝ වැඩි ගණනක් ඉතා සහසම්බන්ධිත වූ විට, බහුකෝලීයතාව ප්රතිගාමී සංගුණක ඇස්තමේන්තු කිරීමේදී දුෂ්කරතා ඇති කළ හැකිය. මෙම ගැටළුව විසඳීම සඳහා PCA හෝ විශේෂාංග තේරීම වැනි ශිල්පීය ක්රම භාවිතා කරනු ලැබේ.
නිගමනය
දත්ත විද්යාඥයින් සඳහා සංඛ්යාලේඛන ඉතා වැදගත් මෙවලමකි. සංඛ්යානමය ශිල්පීය ක්රම තේරුම් ගැනීමෙන් සහ භාවිතා කිරීමෙන්, දත්ත විද්යාඥයින්ට වටිනා අවබෝධයක් ජනනය කිරීම සඳහා දත්ත ඵලදායී ලෙස සැකසීමට සහ විශ්ලේෂණය කිරීමට හැකිය. EDA ක්රියාවලීන්, පුරෝකථන ආකෘති නිර්මාණය සහ හේතුඵල අනුමාන යන සියල්ලම නිවැරදි සහ අදාළ දත්ත මත පදනම් වූ තීරණ ජනනය කිරීම සඳහා සංඛ්යාලේඛන මත රඳා පවතී.
දත්ත පරිමාවන් සහ විශ්ලේෂණ සංකීර්ණත්වය වර්ධනය වන විට, දත්ත විද්යාඥයින් සංඛ්යාලේඛන සහ නවතම දත්ත විශ්ලේෂණ ශිල්පීය ක්රම පිළිබඳ ඔවුන්ගේ අවබෝධය අඛණ්ඩව ගැඹුරු කිරීම ඉතා වැදගත් වේ. මෙය දත්ත විද්යාඥයින්ට නවෝත්පාදන සහ දත්ත මත පදනම් වූ තීරණ ගැනීමේදී ඉදිරියෙන්ම සිටීමට ඉඩ සලසයි, සමස්තයක් ලෙස සංවිධාන සහ සමාජයට සැලකිය යුතු දායකත්වයක් ලබා දෙයි.
