ආරම්භකයින් සඳහා සංඛ්යාලේඛන
සංඛ්යාලේඛන යනු දත්ත රැස් කිරීම, විශ්ලේෂණය, අර්ථ නිරූපණය, ඉදිරිපත් කිරීම සහ සංවිධානය කිරීම සම්බන්ධ ගණිත අංශයකි. සංඛ්යාත්මක ආකාරයෙන් තොරතුරු තේරුම් ගැනීමට සහ අර්ථ නිරූපණය කිරීමට කැමති ඕනෑම කෙනෙකුට එය අත්යවශ්ය මෙවලමකි. එය සංකීර්ණ බවක් පෙනෙන්නට තිබුණත්, මූලික අවබෝධයක් ඇතිව, ඕනෑම කෙනෙකුට සංඛ්යාලේඛන ප්රගුණ කළ හැකිය. මූලික සංකල්පවල සිට සමහර පොදු විශ්ලේෂණ ශිල්පීය ක්රම දක්වා සංඛ්යාලේඛන ලෝකය ගවේෂණය කිරීමට මෙම ලිපිය ඔබට උපකාරී වනු ඇත.
සංඛ්යාලේඛන වැදගත් වන්නේ ඇයි?
සංඛ්යාලේඛන අපට දත්ත මත පදනම් වූ තීරණ ගැනීමට උපකාරී වේ. ජීවිතයේ සෑම අංශයකම පාහේ - වෛද්ය විද්යාව සහ අලෙවිකරණයේ සිට ව්යාපාර දක්වා සහ සමාජ විද්යාවේ සිට ක්රීඩා දක්වා - දත්ත කාර්ය සාධනය මැනීමට, ප්රතිඵල ඇගයීමට සහ අනාගතය සඳහා සැලසුම් කිරීමට භාවිතා කරයි. සංඛ්යාලේඛන පර්යේෂකයන්ට සහ තීරණ ගන්නන්ට උපාය මාර්ගිකව සැලසුම් කිරීමට සහ සාක්ෂි මත පදනම්ව තීරණ ගැනීමට හැකියාව ලබා දෙයි, හුදෙක් උපකල්පන හෝ බුද්ධිය නොවේ.
සංඛ්යාලේඛනවල මූලික සංකල්ප
ජනගහනය සහ නියැදිය
– ජනගහනය: අපගේ අධ්යයනයේ අවධානය යොමු වන සමස්ත වස්තු හෝ පුද්ගලයන් සමූහයයි. උදාහරණයක් ලෙස, අපට නගරයක පදිංචිකරුවන්ගේ සාමාන්ය වයස දැන ගැනීමට අවශ්ය නම්, අපගේ ජනගහනය එම නගරයේ සියලුම පදිංචිකරුවන් වේ.
– නියැදිය: විශ්ලේෂණය සඳහා ගනු ලබන ජනගහනයක උප සමූහයකි. මුළු ජනගහනයෙන්ම දත්ත රැස් කිරීම බොහෝ විට ප්රායෝගික නොවන හෝ කළ නොහැකි බැවින්, අපි එම ජනගහනයේ නියෝජිත නියැදියකින් දත්ත රැස් කරන්නෙමු.
පරාමිතීන් සහ සංඛ්යාලේඛන
– පරාමිතිය: යනු ජනගහනයක ලක්ෂණයක් විස්තර කරන සංඛ්යාත්මක අගයකි (උදාහරණයක් ලෙස, ජනගහනයේ සාමාන්යය).
– සංඛ්යාලේඛන: නියැදියක ලක්ෂණයක් විස්තර කරන සංඛ්යාත්මක අගයන් වේ (උදා: නියැදි මධ්යන්යය).
විචල්ය
විචල්යයක් යනු මැනිය හැකි හෝ නිරීක්ෂණය කළ හැකි ලක්ෂණයක් හෝ ගුණාංගයකි. ප්රධාන විචල්ය වර්ග දෙකක් තිබේ:
1. ගුණාත්මක විචල්යයන්: ප්රවර්ග හෝ ගුණාංග ප්රකාශ කරන්න, උදාහරණයක් ලෙස ස්ත්රී පුරුෂ භාවය, ඇස්වල වර්ණය හෝ අධ්යාපන මට්ටම.
2. ප්රමාණාත්මක විචල්යයන්: වයස, උස හෝ ආදායම වැනි ප්රමාණය හෝ ප්රමාණය ප්රකාශ කරන්න. ප්රමාණාත්මක විචල්යයන් විවික්ත (පූර්ණ සංඛ්යා) හෝ අඛණ්ඩ (තාත්වික සංඛ්යා) විය හැකිය.
මිනුම් පරිමාණය
1. නාමික: අනුපිළිවෙලක් හෝ ශ්රේණිගත කිරීමක් නොමැති ගුණාත්මක දත්ත. උදාහරණ: ස්ත්රී පුරුෂ භාවය, ඇස් වර්ණය.
2. සාමාන්ය: අනුපිළිවෙලක් හෝ ශ්රේණිගත කිරීමක් ඇති නමුත් වෙනස්කම් මැනිය නොහැකි ගුණාත්මක දත්ත. උදාහරණය: තෘප්තිමත් මට්ටම (ඉතා අතෘප්තිමත්, අතෘප්තිමත්, උදාසීන, තෘප්තිමත්, ඉතා තෘප්තිමත්).
3. පරතරය: මැනිය හැකි වෙනස්කම් සහ නිරපේක්ෂ ශුන්යයක් නොමැති ප්රමාණාත්මක දත්ත. උදාහරණය: සෙල්සියස් හෝ ෆැරන්හයිට් වලින් උෂ්ණත්වය.
4. අනුපාතය: මැනිය හැකි වෙනස්කම් සහ නිරපේක්ෂ ශුන්යයක් සහිත ප්රමාණාත්මක දත්ත, ගුණ කිරීම සහ බෙදීම සඳහා ඉඩ සලසයි. උදාහරණ: උස, බර, වයස.
පෙන්ගම්පුලන් දත්ත
සංඛ්යානමය විශ්ලේෂණයේ පළමු පියවර දත්ත රැස් කිරීමයි. දත්ත රැස් කිරීමේ ශිල්පීය ක්රමවලට ඇතුළත් විය හැක්කේ:
1. සමීක්ෂණය: ප්රතිචාර දැක්වූවන්ගෙන් සෘජුවම දත්ත රැස් කිරීම සඳහා ප්රශ්නාවලියක් හෝ සම්මුඛ සාකච්ඡා භාවිතා කිරීම.
2. අත්හදා බැලීම: පාලිත තත්වයන් යටතේ පරීක්ෂණ සිදු කිරීම.
3. නිරීක්ෂණය: මැදිහත් වීමකින් තොරව ස්වභාවික තත්ත්වයෙන් විෂය නිරීක්ෂණය කිරීම.
4. ද්විතියික දත්ත රැස් කිරීම: රජයේ දත්ත හෝ විද්යාත්මක සාහිත්යය වැනි අනෙකුත් පාර්ශවයන් විසින් රැස් කරන ලද දත්ත භාවිතා කිරීම.
විස්තරාත්මක දත්ත විශ්ලේෂණය
දත්ත තේරුම් ගැනීමේ පළමු පියවර විස්තරාත්මක විශ්ලේෂණයයි. සාරාංශ සංඛ්යාලේඛන හෝ දෘශ්යකරණය හරහා දත්ත සාරාංශ කිරීමේ ක්රම එයට ඇතුළත් වේ.
සාරාංශ සංඛ්යාලේඛන
1. මධ්යගතකරණ මිනුම
– මධ්යන්යය (සාමාන්යය): සියලුම අගයන්හි එකතුව අගයන් ගණනින් බෙදූ විට ලැබෙන අගය.
– මධ්යන්ය: වර්ග කළ දත්තවල මැද අගය.
– ප්රකාරය: දත්ත කට්ටලයේ බොහෝ විට දිස්වන අගය.
2. විසරණ ප්රමාණය
– පරාසය: උපරිම සහ අවම අගයන් අතර වෙනස.
– විචලනය (විචලනය): එක් එක් අගය සහ මධ්යන්යය අතර වෙනසෙහි සාමාන්ය වර්ග.
– සම්මත අපගමනය (සම්මත අපගමනය): විචලනයේ වර්ගමූලය.
දත්ත දෘශ්යකරණය
දත්ත දෘශ්යකරණය දත්තවල ව්යාප්තිය සහ රටා තේරුම් ගැනීමට උපකාරී වේ. බහුලව භාවිතා වන සමහර දෘශ්යකරණ මෙවලම්වලට ඇතුළත් වන්නේ:
– හිස්ටෝග්රෑම්: ප්රමාණාත්මක දත්තවල සංඛ්යාත ව්යාප්තිය පෙන්වයි.
– තීරු ප්රස්ථාරය (තීරු රූප සටහන): ගුණාත්මක දත්ත සඳහා භාවිතා වේ.
– වට ප්රස්ථාරය (කව රූප සටහන): ගුණාත්මක දත්තවල අනුපාතය පෙන්වයි.
– කොටු සටහන (කොටු රූප සටහන): චතුර්ථක සහ පිටස්තර ඉස්මතු කිරීමෙන් දත්ත ව්යාප්තිය පෙන්වයි.
අනුමාන විශ්ලේෂණය
නියැදි දත්ත මත පදනම්ව ජනගහනයක් පිළිබඳ නිගමනවලට එළඹීමට අනුමාන විශ්ලේෂණය භාවිතා කරයි. එයට කල්පිත පරීක්ෂාව, ප්රතිගමනය සහ විචලතාව විශ්ලේෂණය (ANOVA) වැනි විවිධ ශිල්පීය ක්රම ඇතුළත් වේ.
කල්පිත පරීක්ෂාව
උපකල්පිත පරීක්ෂාව යනු දත්ත සාම්පලයක කොන්දේසියක් මුළු ජනගහනයටම සත්ය බව නිගමනය කිරීමට ප්රමාණවත් සාක්ෂි තිබේද යන්න තීරණය කිරීමට භාවිතා කරන ක්රමයකි. පියවරවලට ඇතුළත් වන්නේ:
1. ශුන්ය කල්පිතය (H0) සහ විකල්ප කල්පිතය (H1) තීරණය කරන්න.
– H0: කිසිදු බලපෑමක් හෝ වෙනසක් නොමැත.
– H1: බලපෑමක් හෝ වෙනසක් ඇත.
2. වැදගත්කම මට්ටම (α) තීරණය කරන්න, සාමාන්යයෙන් 0.05.
3. පරීක්ෂණ සංඛ්යාලේඛන සහ සම්භාවිතාව ගණනය කිරීම (p-අගය)
4. p-අගය α සමඟ සංසන්දනය කිරීම
– p < α නම්, H0 ප්රතික්ෂේප වේ; H1 පිළිගැනීමට ප්රමාණවත් සාක්ෂි තිබේ. – p ≥ α නම්, H0 ප්රතික්ෂේප නොවේ; H1 පිළිගැනීමට ප්රමාණවත් සාක්ෂි නොමැත. සහසම්බන්ධතාවය සහ ප්රතිගමනය 1. සහසම්බන්ධතාවය: ප්රමාණාත්මක විචල්ය දෙකක් අතර රේඛීය සම්බන්ධතාවයේ ශක්තිය සහ දිශාව මනිනු ලැබේ. සහසම්බන්ධතා සංගුණකය -1 (පරිපූර්ණ සෘණ සම්බන්ධතාවයක්) සහ 1 (පරිපූර්ණ ධනාත්මක සම්බන්ධතාවයක්) අතර පරාසයක පවතී. 2. ප්රතිගමනය: යැපෙන විචල්යයක් සහ ස්වාධීන විචල්ය එකක් හෝ කිහිපයක් අතර සම්බන්ධතාවය මනිනු ලැබේ. සරල රේඛීය ප්රතිගමනය සරල රේඛාවක සමීකරණය භාවිතා කරයි \(y = mx + c\), එහිදී අපි m (බෑවුම) සහ c (අන්තර්ඡේදනය) හි හොඳම අගයන් සොයා ගැනීමට උත්සාහ කරමු. විචල්යතා විශ්ලේෂණය (ANOVA) ANOVA කණ්ඩායම් තුනක හෝ වැඩි ගණනක මධ්යන්ය සංසන්දනය කිරීමට භාවිතා කරයි. මෙම ක්රමය සියලුම කණ්ඩායම් මධ්යන්යයන් සමාන වන බවට උපකල්පනය අවම වශයෙන් එක් කණ්ඩායම් මාධ්යයක් වෙනස් බවට උපකල්පනයට එරෙහිව පරීක්ෂා කරයි. නිගමනය
