သင့်တွင် နမူနာတစ်ခုရှိပြီး ပျမ်းမျှအား ခန့်မှန်းသောအခါတွင် သင့်တွင်ရှိသည်ကို ကျွန်ုပ်တို့သိပါသည်။ n – 1 ဒီဂရီ လွတ်လပ်မှု၏နမူနာအရွယ်အစားမှာ n ဖြစ်သည်။ ထို့ကြောင့် 1-နမူနာ t စမ်းသပ်မှုအတွက် လွတ်လပ်မှုဒီဂရီသည် n-1 နှင့် ညီမျှသည်။
အလားတူပင်၊ လွတ်လပ်မှုအတိုင်းအတာ N 1 သည် နမူနာကွဲလွဲမှုတွင် အဘယ်ကြောင့်နည်း။ n-1 ကို n ထက်သုံးရတဲ့အကြောင်းရင်းက ဒီလိုပါ။ နမူနာကွဲလွဲမှုသည် လူဦးရေကွဲပြားမှု၏ ဘက်မလိုက်သော ခန့်မှန်းချက်ဟု ခေါ်သည် 2. … ခန့်မှန်းချက်နှင့် ခန့်မှန်းချက်၏ သဘောတရားများသည် ဆက်စပ်သော်လည်း တူညီခြင်းမရှိကြောင်း သတိပြုပါ- ခန့်မှန်းသူ၏ သီးခြားတန်ဖိုး (ဥပမာတစ်ခုမှ တွက်ချက်သည်) သည် ခန့်မှန်းချက်တစ်ခုဖြစ်သည်။
လွတ်လပ်မှုဒီဂရီမှာ N ဆိုတာဘာလဲ။ n သည် နမူနာအရွယ်အစား နေရာတွင် n – 1 ဒီဂရီ လွတ်လပ်မှုဖြင့် အဆုံးသတ်ပါသည်။ ဒါကိုပြောဖို့ နောက်တစ်နည်းကတော့ လွတ်လပ်မှု ဒီဂရီ အရေအတွက်ပါ။ "စောင့်ကြည့်လေ့လာခြင်း" အရေအတွက် အနုတ်လက္ခဏာ လေ့လာချက်များကြား လိုအပ်သော ဆက်ဆံရေးအရေအတွက်နှင့် ညီမျှသည်။ (ဥပမာ၊ ကန့်သတ်ချက်ခန့်မှန်းချက်အရေအတွက်)။
လွတ်လပ်မှုဒီဂရီ N 1 သို့မဟုတ် N 2 လား။ ဒါက အရင်ကနဲ့ မတူဘူး။ ရိုးရှင်းလွန်ကဲမှုတစ်ခုအနေဖြင့် သင်သည် ကိန်းရှင်တစ်ခုစီအတွက် လွတ်လပ်မှုအတိုင်းအတာတစ်ခုစီကို နုတ်နုတ်ပြီး ကိန်းရှင် 2 ခုရှိသောကြောင့်၊ လွတ်လပ်မှုဒီဂရီမှာ n-2 ဖြစ်သည်။.
ဒုတိယအနေနဲ့ စံသွေဖည်မှုကို ဘယ်လိုတွက်ချက်ရမလဲ။ ထိုဂဏန်းများ၏စံသွေဖည်မှုကိုတွက်ချက်ရန် -
- အဓိပ္ပာယ်ကိုတွက်ချက်ပါ (နံပါတ်များ၏ရိုးရှင်းသောပျမ်းမျှအား)
- ထို့နောက်နံပါတ်တစ်ခုစီအတွက်: mean ကိုနှုတ်ပါနှင့်ရလဒ်နှစ်ထပ်ကိန်း။
- ပြီးရင်အဲဒီနှစ်ထပ်ကိန်းကွဲပြားချက်တွေရဲ့အဓိပ္ပာယ်ကိုထုတ်တွက်ပါ။
- အဲဒါရဲ့နှစ်ထပ်ကိန်းရင်းကိုယူပြီးပြီးပြီ။
စံသွေဖည်မှုတွင် N သည် အဘယ်နည်း။
n နမူနာ = တန်ဖိုးများ အရေအတွက်.
လူဦးရေတစ်ခုမှနမူနာအရွယ်အစားသည် N 1 ဖြစ်သောအခါ စံအမှားသည် အမြဲတန်းတူညီနေမည်လား။ နမူနာအရွယ်အစား တိုးလာသည်နှင့်အမျှ အမှားအယွင်း လျော့နည်းလာသည်။ နမူနာအရွယ်အစား လျော့နည်းလာသည်နှင့်အမျှ အမှားအယွင်း များလာသည်။ လွန်ကဲသောအခါ၊ n = 1၊ အမှားသည် ညီမျှသည်။ စံသွေဖည်.
စာရင်းဇယားတွင် N သည် အဘယ်နည်း။ သင်္ကေတ 'n' ကို ကိုယ်စားပြုသည်။ နမူနာရှိ လူတစ်ဦးချင်း သို့မဟုတ် လေ့လာတွေ့ရှိချက် စုစုပေါင်း.
စာရင်းအင်းများတွင် MS သည် အဘယ်အရာကို ဆိုလိုသနည်း။
ဆိုလိုတာက လေးထောင့်
ပျမ်းမျှစတုရန်းတန်ဖိုးတစ်ခုစီကို လွတ်လပ်မှုဒီဂရီအလိုက် ပေါင်းလဒ်၏စတုရန်းတန်ဖိုးကို တွက်ချက်သည်။ တစ်နည်းဆိုရသော် ANOVA ဇယားရှိ အတန်းတစ်ခုစီအတွက် MS တန်ဖိုးကိုတွက်ချက်ရန် SS တန်ဖိုးကို df တန်ဖိုးဖြင့် ပိုင်းခြားသည်။
အကြွင်းအကျန်များအတွက် လွတ်လပ်မှုဒီဂရီကို သင်မည်ကဲ့သို့တွက်ချက်သနည်း။ df(Residual) သည် ခန့်မှန်းထားသည့် ဘောင်အရေအတွက် အနုတ်နမူနာ အရွယ်အစားဖြစ်ပြီး၊ ထို့ကြောင့် ၎င်းသည် df(ကျန်) = n – (k+1) သို့မဟုတ် df(ကျန်ရှိ) = n – k – 1. လွတ်လပ်မှု၏ စုစုပေါင်းနှင့် ဆုတ်ယုတ်မှုဒီဂရီကို သိပြီးသည်နှင့် အနုတ်ကို အသုံးပြုရန် မကြာခဏ လွယ်ကူသည်။
ဆက်စပ်မှုတွင် N ဆိုသည်မှာ အဘယ်နည်း။
ဆက်စပ်မှု (r) အတွက် ဖော်မြူလာ သည် . ဘယ်မှာလဲ။ n သည် ဒေတာအတွဲအရေအတွက်ဖြစ်သည်။; x-တန်ဖိုးများအားလုံးနှင့် y-တန်ဖိုးများအားလုံး၏နမူနာဆိုလိုသည်မှာ၊ နှင့် sx နှင့် s ကိုy x- နှင့် y-တန်ဖိုးများ အသီးသီး၏ နမူနာစံသွေဖည်မှုများဖြစ်သည်။
T တန်ဖိုး 1 နှင့် နမူနာအရွယ်အစား 2 ရှိသော လွတ်လပ်မှုအတိုင်းအတာသည် အဘယ်နည်း။ လွတ်လပ်မှုဒီဂရီ- နမူနာနှစ်ခု
သင့်တွင်နမူနာနှစ်ခုရှိပြီး အဓိပ္ပါယ်ကဲ့သို့ ကန့်သတ်ချက်တစ်ခုကိုရှာလိုပါက၊ ထည့်သွင်းစဉ်းစားရန် သင့်တွင် "n" နှစ်ခုရှိသည် (နမူနာ 1 နှင့် နမူနာ 2)။ ထိုအခြေအနေတွင် လွတ်လပ်မှုဒီဂရီများမှာ- လွတ်လပ်မှုဒီဂရီ (နမူနာနှစ်ခု)။ (N1 + n2) - 2.
Q1 နဲ့ Q3 ကို ဘယ်လိုရှာမလဲ။
Q1 သည် ဒေတာ၏ အောက်တစ်ဝက်၏ ပျမ်းမျှ (အလယ်) ဖြစ်ပြီး Q3 သည် ဒေတာ၏ အထက်တစ်ဝက်၏ အလယ် (အလယ်) ဖြစ်သည်။ (၃၊ ၅၊ ၇၊ ၈၊ ၉) | (၁၁၊ ၁၅၊ ၁၆၊ ၂၀၊ ၂၁)။ Q1 = 7 နှင့် Q3 = 16.
ဥပမာအားဖြင့်စံသွေဖည်ဖော်မြူလာကဘာလဲ။
စံသွေဖည်ပုံသေနည်း ဥပမာ-
ဂဏန်းတစ်ခုစီမှ ပျမ်းမျှကို နုတ်လိုက်ရင် (1 – 4) = –3၊ (3 – 4) = –1၊ (5 – 4) = +1၊နှင့် (၇ – ၄) = +၃။ ဤရလဒ်တစ်ခုစီကို စတုရန်းခြင်းဖြင့် သင် 7၊ 4၊ 3၊ နှင့် 9 ကိုရရှိမည်ဖြစ်သည်။ ၎င်းတို့ကိုပေါင်းထည့်ပါက ပေါင်းလဒ်သည် 1 ဖြစ်သည်။ … ဤမေးခွန်းလေးခုအတွက် စံသွေဖည်မှုမှာ 1 မှတ်ဖြစ်သည်။
စံသွေဖည်မှုကို N သို့မဟုတ် N-1 ဖြင့် ပိုင်းခြားပါသလား။ အားလုံးက မင်းရဲ့ ခန့်မှန်းချေကို ဘယ်လိုရောက်လာသလဲဆိုတဲ့အပေါ်မှာ မူတည်တယ်။ အကယ်၍ သင့်တွင် အမှန်တကယ်ဆိုလိုလျှင် လူဦးရေစံသွေဖည်မှုကို သင်အသုံးပြုပါ။ n ကိုခွဲပါ။. ပျမ်းမျှဒေတာကိုအခြေခံ၍ ပျမ်းမျှခန့်မှန်းချက်တစ်ခုရလာပါက၊ နမူနာစံသွေဖည်မှုကို အသုံးပြုပြီး n-1 ဖြင့် ပိုင်းခြားသင့်ပါသည်။
ဒေတာအတွဲတွင် N သည် အဘယ်နည်း။ သင်္ကေတ 'N' ကို ကိုယ်စားပြုသည်။ လူဦးရေ စုစုပေါင်း၏ တစ်ဦးချင်း သို့မဟုတ် အမှုတွဲများ.
စာရင်းအင်းများတွင် N ကို သင်မည်သို့ရှာဖွေသနည်း။
အကယ်၍ ကိန်းဂဏာန်းသည် လူဦးရေကို သူ့ဘာသာသူ ထည့်သွင်းစဉ်းစားပါက၊ ကျွန်ုပ်တို့သည် data point အရေအတွက်ဖြင့် ပိုင်းခြားထားပါသည်။, N. ဒေတာသည် ပိုမိုများပြားသောလူဦးရေမှနမူနာဖြစ်ပါက၊ ကျွန်ုပ်တို့သည် နမူနာရှိဒေတာအမှတ်အရေအတွက်ထက်နည်းသောတစ်ခုကို n − 1 n-1 n−1 ဖြင့် ပိုင်းခြားပါသည်။
လူဦးရေတစ်ခုမှနမူနာအရွယ်အစားသည် N 1 ဖြစ်သောအခါ၊ စံအမှားသည် ပဟေဋ္ဌိနှင့် အမြဲတန်းတူညီနေမည်လား။ နမူနာအရွယ်အစား တိုးလာသည်နှင့်အမျှ စံအမှားသည် လျော့နည်းသွားသည်။ မှန်ပါတယ်။ နမူနာတစ်ခုစီတွင် n = 1 ရမှတ်ရှိပါက၊ စံအမှားဖြစ်သည်။ 8. အခြားနမူနာအရွယ်အစားအတွက်၊ စံအမှားသည် 8 ထက်သေးငယ်သည်။
ကွဲလွဲမှုကို တွက်ချက်ရန် N 1 ကို ပိုင်းခြေတွင် အသုံးပြုသောအခါ ဒေတာအစုံသည် ဘာလဲ?
1 အဖြေ။ ရိုးရိုးရှင်းရှင်းပြောရလျှင် (n−1) နံပါတ်သည် (n) ထက်ငယ်သည်။ သေးငယ်သော ဂဏန်းဖြင့် ခွဲသောအခါ ပိုကြီးသော ဂဏန်းကို ရရှိသည်။ ထို့ကြောင့် သင် (n−1) ဖြင့် ပိုင်းခြားသောအခါ နမူနာကွဲလွဲမှုသည် ပိုကြီးသော ကိန်းတစ်ခုအဖြစ် ထွက်လာလိမ့်မည်။
စံသွေဖည်မှုသည် စံအမှားအပေါ် သက်ရောက်မှုရှိပါသလား။ စံသွေဖည်သောအခါ စံအမှား တိုးလာသည်။ဆိုလိုတာက လူဦးရေ ကွဲလွဲမှု တိုးလာတယ်။ နမူနာအရွယ်အစား တိုးလာသောအခါ စံအမှား လျော့နည်းသွားသည် - နမူနာအရွယ်အစားသည် လူဦးရေ၏ စစ်မှန်သောအရွယ်အစားနှင့် နီးကပ်လာသည်နှင့်အမျှ နမူနာသည် လူဦးရေအစစ်အမှန်၏ ဆိုလိုရင်းတစ်ဝိုက်တွင် အစုအဝေးပိုများလာသည်ဟု ဆိုလိုသည်။
လွတ်လပ်မှု ဒီဂရီကို ဘယ်လို တွက်မလဲ။
စာရင်းအင်းဆိုင်ရာ လွတ်လပ်မှုဒီဂရီကို ဆုံးဖြတ်ရန် အဖြစ်အများဆုံး ညီမျှခြင်းမှာ df = N-1. အရေးကြီးသောတန်ဖိုးဇယားကို အသုံးပြု၍ ညီမျှခြင်းတစ်ခုအတွက် အရေးပါသောတန်ဖိုးများကိုရှာဖွေရန် ဤနံပါတ်ကိုသုံး၍ ရလဒ်များ၏ ကိန်းဂဏန်းအချက်အလတ်အရေးပါမှုကို ဆုံးဖြတ်ပေးသည်။
N က ဖြစ်နိုင်ခြေကို ဆိုလိုတာလား။ မဟုတ် binomial စမ်းသပ်မှုတစ်ခုတွင် နမူနာအရွယ်အစား သို့မဟုတ် စမ်းသပ်မှုအရေအတွက်. … p̂: နမူနာအချိုး။ P(A): ဖြစ်ရပ် A. P(AC) သို့မဟုတ် P(not A): ဖြစ်နိုင်ခြေ A ဖြစ်မလာပါ။ P(B|A) : ဖြစ်ရပ် B ဖြစ်ပေါ်လာသည့် ဖြစ်နိုင်ခြေ၊ ထိုဖြစ်ရပ် A ဖြစ်ပေါ်လာသည် ။
စာရင်းအင်းများတွင် အဘယ်ကြောင့် အရေးကြီးသနည်း။
P သည် လူဦးရေအချိုးအစားကို ရည်ညွှန်းသည်။ နှင့် p၊ နမူနာအချိုးတစ်ခုသို့။ X သည် လူဦးရေဒြပ်စင်အစုများကို ရည်ညွှန်းသည်။ နှင့် x၊ နမူနာဒြပ်စင်အစုတစ်ခုသို့။ N သည် လူဦးရေအရွယ်အစားကို ရည်ညွှန်းသည်။; နှင့် n၊ နမူနာအရွယ်အစားအတွက်။