အခန်း ၉ ဖြစ်တဲ့ “Simple Linear Regression နှင့် Correlation” အကြောင်းကို အသေးစိတ် တင်ပြပေးပါမယ်။ဒီအခန်းက ဘာတွေအကြောင်းလဲဆိုတော့ အချက်အလက်နှစ်ခုကြားက ဆက်နွှယ်မှုကို ဘယ်လို လေ့လာမယ်၊ တိုင်းတာမလဲဆိုတဲ့ အခြေခံနည်းလမ်းနှစ်ခုကို မိတ်ဆက်ပေးတာ ဖြစ်ပါတယ်။ Regression က အချက်အလက်တစ်ခု (Y) ကို နောက်တစ်ခု (X) ကို အခြေခံပြီး ခန့်မှန်းတာ၊
Analysis of Variance (ANOVA) ဆိုတာ ဘာလဲ၊ ဘာလို့သုံးတာလဲ ပြောရမယ်ဆိုရင် Analysis of Variance လို့ခေါ်တဲ့ ANOVA ဟာ ကိန်းဂဏန်းအချက်အလက်တွေကို ခွဲခြမ်းစိတ်ဖြာတဲ့ နည်းလမ်းတစ်ခုပါ။ ဒီအခန်းရဲ့ ရည်ရွယ်ချက်ကတော့ linear models လို့ခေါ်တဲ့ နည်းလမ်းတွေထဲက ပထမဆုံး နည်းလမ်းအကြောင်းကို မိတ်ဆက်ပေးဖို့ပါပဲ။ ANOVA ရဲ့ အဓိက အိုင်ဒီယာ
အခန်း ၇ – ယူဆချက် စမ်းသပ်ခြင်း (Hypothesis Testing) ဒီအခန်းမှာတော့ “ယူဆချက် စမ်းသပ်ခြင်း” ဆိုတဲ့အကြောင်းကို အဓိကထားပြီး ဆွေးနွေးသွားမှာပါ။ စာရင်းအင်းနဲ့ပတ်သက်တဲ့ ကောက်ချက်ချခြင်းနဲ့ပတ်သက်လာတဲ့အခါ၊ အရေးကြီးတဲ့နယ်ပယ်နှစ်ခုရှိပါတယ်။ တစ်ခုက ခန့်မှန်းခြင်း (Estimation) ဖြစ်ပြီး၊ တစ်ခုက ယူဆချက် စမ်းသပ်ခြင်း (Hypothesis Testing) ဖြစ်ပါတယ်။ ယူဆချက် စမ်းသပ်ခြင်း ဆိုတာကတော့ လူဦးရေ
Chapter 6 ဟာ စာရင်းအင်းဆိုင်ရာ ကောက်ချက်ချခြင်း (statistical inference) မှာ ပထမဆုံးအရေးကြီးတဲ့အပိုင်းဖြစ်တဲ့ “ခန့်မှန်းခြင်း” (estimation) ကို အဓိက ရှင်းလင်းထားပါတယ်။ ဒီခန့်မှန်းခြင်း ဆိုတာကတော့ Chapter 5 မှာ တင်ပြခဲ့တဲ့ sampling distribution သီအိုရီနဲ့ Central Limit Theorem ကို အခြေခံထားတာပါ။ Chapter 6
အခန်း (၅) တွင်ပါဝင်သော “အရေးကြီးသော နမူနာဖြန့်ဝေမှုအချို့” (SOME IMPORTANT SAMPLING DISTRIBUTIONS) သည် စာရင်းအင်းဘာသာရပ်ရှိ အရေးကြီးဆုံး အခန်းများထဲမှ တစ်ခုဖြစ်ပြီး၊ ဖော်ပြချက်ဆိုင်ရာစာရင်းအင်း (descriptive statistics) နှင့် ဖြစ်နိုင်ခြေသဘောတရား (probability) တို့မှ ကောက်ချက်ဆွဲခြင်းဆိုင်ရာစာရင်းအင်း (inferential statistics) သို့ ကူးပြောင်းရာတွင် အဓိကတံတားအဖြစ် တည်ရှိနေသည်။ ကောက်ချက်ဆွဲခြင်းဆိုသည်မှာ လူဦးရေ
Chapter 4: Probability Distributions Chapter 4: Probability Distributions အခန်းကတော့ ကျန်းမာရေးနယ်ပယ်မှာ အသုံးများတဲ့ ဖြစ်နိုင်ခြေဖြန့်ဝေမှုများ (Probability Distributions) ကို မိတ်ဆက်ပေးထားတာပါ။ Probability distributions ဆိုတာကတော့ ကျပန်းဖြစ်နိုင်ချေရှိတဲ့ ကိန်းရှင်တစ်ခုရဲ့ ဖြစ်နိုင်ခြေတွေကို ဖော်ပြတဲ့ပုံစံပါပဲ။ ဒီအခန်းမှာ အဓိကအားဖြင့် သင်ရမယ့်အရာတွေကတော့1.ကျပန်းကိန်းရှင်တွေ (Random Variables) အကြောင်း2.Discrete Probability
Daniel Chapter 3:အခြေခံ ဖြစ်နိုင်ခြေ သဘောတရားများ (Some Basic Probability Concepts)Chapter 3 ဟာ ဖြစ်နိုင်ခြေရဲ့ အခြေခံသဘောတရားတွေကို မိတ်ဆက်ပေးပြီး ကိန်းဂဏန်းဆိုင်ရာ ကောက်ချက်ချမှုတွေအတွက် အုတ်မြစ်ချပေးပါတယ်ဒီအခန်းရဲ့ အဓိကရည်ရွယ်ချက်ကတော့ ကျန်းမာရေးသိပ္ပံနယ်ပယ်မှာ အသုံးဝင်တဲ့ ဖြစ်နိုင်ခြေဆိုင်ရာ အယူအဆတွေနဲ့ တွက်ချက်မှုတွေကို နားလည်စေဖို့ ဖြစ်ပါတယ်။ဖြစ်နိုင်ခြေကို ရှုထောင့်နှစ်မျိုးနဲ့ ကြည့်နိုင်ပါတယ်။ပထမတစ်ခုကတော့ ရည်ရွယ်ချက်အခြေခံ ဖြစ်နိုင်ခြေ (Objective
Daniel chapter 2 ဖော်ပြချက်ဆိုင်ရာ စာရင်းအင်းပညာ (Descriptive Statistics) နိဒါန်းကျွန်တော်တို့ဟာ သတင်းအချက်အလက်ခေတ်မှာ နေထိုင်ကြရပြီး၊ ကျန်းမာရေးသိပ္ပံနယ်ပယ်မှာဆိုရင် အချက်အလက် (data) ပုံစံနဲ့ ရောက်ရှိလာတဲ့ ကိန်းဂဏာန်းအချက်အလက်တွေဟာ အလွန်များပြား ရှုပ်ထွေးနိုင်ပါတယ်။ ဒီအချက်အလက်တွေထဲကနေ ဘယ်လို အဓိပ္ပာယ်ရှိတဲ့ သတင်းအချက်အလက် တွေကို ထုတ်ယူမလဲ၊ ဘယ်လို နားလည်အောင် စုစည်းဖော်ပြမလဲဆိုတာက အရေးကြီးတဲ့ အလုပ်ဖြစ်ပါတယ်။ ဖော်ပြချက်ဆိုင်ရာ
ဖော်ပြချက်ဆိုင်ရာ စာရင်းအင်းပညာ (Descriptive Statistics) နိဒါန်း ကျွန်တော်တို့ဟာ သတင်းအချက်အလက်ခေတ်မှာ နေထိုင်ကြရပြီး၊ ကျန်းမာရေးသိပ္ပံနယ်ပယ်မှာဆိုရင် အချက်အလက် (data) ပုံစံနဲ့ ရောက်ရှိလာတဲ့ ကိန်းဂဏာန်းအချက်အလက်တွေဟာ အလွန်များပြား ရှုပ်ထွေးနိုင်ပါတယ်။ ဒီအချက်အလက်တွေထဲကနေ ဘယ်လို အဓိပ္ပာယ်ရှိတဲ့ သတင်းအချက်အလက် တွေကို ထုတ်ယူမလဲ၊ ဘယ်လို နားလည်အောင် စုစည်းဖော်ပြမလဲဆိုတာက အရေးကြီးတဲ့ အလုပ်ဖြစ်ပါတယ်။ ဖော်ပြချက်ဆိုင်ရာ စာရင်းအင်းပညာ (Descriptive
Estimation Estimation ဆိုတာဟာ ကျွန်တော်တို့မှာရှိတဲ့ အချက်အလက် (data) နမူနာ (sample) တစ်ခုကို အခြေခံပြီး၊ အဲဒီအချက်အလက်တွေ ရယူထားတဲ့ ပိုကြီးတဲ့ အုပ်စု (population) တစ်ခုလုံးရဲ့ အားနည်းချက် (characteristics) တွေအကြောင်း ကောက်ချက်ဆွဲတာ ဒါမှမဟုတ် ခန့်မှန်းတာကို ဆိုလိုပါတယ်။ ဒီနည်းလမ်းဟာ စာရင်းအင်းပညာ (statistics) ရဲ့ အရေးကြီးတဲ့ အစိတ်အပိုင်းတစ်ခုဖြစ်ပြီး Inferential