Discover more from naywinaung
Subscribe to get the latest posts sent to your email.
Applied_Statistics_for_Engineers_and_Scientists_by_Devore,_Farnum
Categories:
Related Post
“ဘက်လိုက်မှု (Bias)” အကြောင်း“ဘက်လိုက်မှု (Bias)” အကြောင်း
ရောဂါဗေဒဆိုင်ရာ လေ့လာမှုတွေမှာ ဘက်လိုက်မှု (Bias) ဆိုတာက တကယ်တော့ စနစ်ကျတဲ့ အမှား (systematic error) တစ်မျိုးပါ။ ဒီအမှားက လေ့လာမှုရဲ့ ဒီဇိုင်း (design) ဒါမှမဟုတ် ဆောင်ရွက်ပုံ (conduct) ထဲမှာ ဖြစ်ပေါ်လာပြီး အကြောင်းအရာတွေကြားက ဆက်စပ်မှုကို မှန်ကန်စွာ ခန့်မှန်းနိုင်စွမ်းကို ထိခိုက်စေနိုင်ပါတယ်။ လေ့လာမှုတစ်ခုမှာ ဆက်စပ်မှုတစ်ခုကို တွေ့ရတဲ့အခါ၊ အဲဒီဆက်စပ်မှုက အကြောင်းအရာရဲ့
data visualization မှာ အဖြစ်များတဲ့ အမှား (၇) ခုdata visualization မှာ အဖြစ်များတဲ့ အမှား (၇) ခု
data visualization မှာ အဖြစ်များတဲ့ အမှား (၇) ခု ရှိပါတယ်လို့ ဆိုထားပါတယ်။ အဲဒါတွေကတော့ – ၁။ ရှုပ်ပွနေတဲ့ visualization တွေ မဖန်တီးမိအောင် ရှောင်ပါ။ တင်ပြချင်တဲ့ အချက်အလက်တွေ များတဲ့အခါ visualization တစ်ခုတည်းမှာ အားလုံးထည့်ချင်တတ်ကြတယ်။ ဒါပေမဲ့ စာသားဘောက်စ်တွေ၊ ဂရပ်ဖစ် layer တွေလို မြင်သာတဲ့ အစိတ်အပိုင်းတွေ
Outbreak InvestigationOutbreak Investigation
Outbreak Investigation ဆိုတာက ရောဂါတစ်ခု ရုတ်တရက် ပျံ့နှံ့လာတဲ့အခါ ဘာကြောင့်ဖြစ်တာလဲ၊ ဘယ်လိုဖြစ်တာလဲ၊ ဘယ်လိုထိန်းချုပ်ရမလဲဆိုတာကို စုံစမ်းဖော်ထုတ်တဲ့ လုပ်ငန်းစဉ်တစ်ခုပါပဲ။ Outbreak Investigation ရဲ့ အဓိကအဆင့်များ ဥပမာ၊ ကျေးရွာတစ်ခုမှာ ဝမ်းလျှောရောဂါဖြစ်နေတယ်ဆိုပါစို့။ 1. Outbreak ဖြစ်နေကြောင်း အတည်ပြုပါ (Confirm the Outbreak) ပထမဆုံး၊ ဒါက တကယ် outbreak ဟုတ်မဟုတ်