ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှုများ

ခက်ခဲမှု: အလယ်အလတ် ဖတ်ရှုချိန်: 15 မိနစ်

ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှု ဆိုတာ ဘာလဲ?

ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှု (probability distribution) ဆိုတာ ဖြစ်နိုင်တဲ့ တန်ဖိုးတိုင်းအတွက် ဖြစ်နိုင်ခြေ ဘယ်လောက်ရှိသလဲ ပြတဲ့ ပုံစံပါ။ ဒေတာက "ဘယ်မှာ စုဝေးတယ်"၊ "ဘယ်မှာ ပြန့်ကျဲတယ်" ဆိုတာ ပြတဲ့ မြေပုံတစ်ခုလိုပါ။

0 9 18 27 36 45 1 2 3 4 5 6 7 8 9

ပုံမှန် ဖြန့်ဝေမှု (Normal Distribution)

ပုံမှန် ဖြန့်ဝေမှုက "ခေါင်းလောင်း မျဉ်းကွေး" (bell curve) လို့ လူသိများပါတယ်။ အလယ်မှာ အမြင့်ဆုံးပြီး နှစ်ဖက် အညီအမျှ ကျဆင်းတဲ့ ပုံစံပါ။ သဘာဝမှာ အံ့ဩစရာ ကောင်းလောက်အောင် အဖြစ်များပါတယ်:

  • မြန်မာလူကြီးတွေရဲ့ အရပ်
  • တက္ကသိုလ်ဝင်တန်း ရမှတ်များ
  • ဆန်စက်ကနေ ထွက်တဲ့ ဆန်အိတ် အလေးချိန်
  • နေ့စဉ် အပူချိန် ကွဲပြားမှုများ
ဥပမာ

တက္ကသိုလ်ဝင်တန်း ကျောင်းသား ₁₀,₀₀₀ ရဲ့ ရမှတ်ကို ကြည့်ရင်: အများစုက ပျမ်းမျှ (ဥပမာ ₃₅₀ မှတ်) ပတ်ဝန်းကျင်မှာ ရှိပြီး၊ အရမ်းမြင့်တဲ့ ရမှတ် (₅₀₀+) ရော အရမ်းနိမ့်တဲ့ ရမှတ် (₂₀₀-) ရော နည်းပါတယ်။ ဒါက ခေါင်းလောင်း ပုံစံ ဖြစ်ပါတယ်။

ခေါင်းလောင်း မျဉ်းကွေးရဲ့ ထူးခြားချက်

  • အချိုးကျ: ပျမ်းမျှတန်ဖိုးကို ဗဟိုမှတ်အဖြစ် နှစ်ဖက် အညီအမျှ
  • mean = median = mode: သုံးခုလုံး တူညီတဲ့ တန်ဖိုးမှာ ရှိ
  • ₆₈-₉₅-₉₉.₇ စည်းမျဉ်း: ဒေတာရဲ့ ₆₈% က ပျမ်းမျှ ± ₁ standard deviation အတွင်း၊ ₉₅% က ± ₂ အတွင်း၊ ₉₉.₇% က ± ₃ အတွင်း
ဥပမာ

မြန်မာအမျိုးသားတွေရဲ့ ပျမ်းမျှအရပ်က ₅ ပေ ₅ လက်မ (₁₆₅ စင်တီမီတာ) နဲ့ standard deviation ₃ လက်မ (₇.₅ စင်တီမီတာ) ဆိုရင်:

140 150 160 170 180 190 200
  • ₆₈% က ₅ ပေ ₂ လက်မ မှ ₅ ပေ ₈ လက်မ ကြား ရှိမယ်
  • ₉₅% က ₄ ပေ ₁₁ လက်မ မှ ₅ ပေ ₁₁ လက်မ ကြား ရှိမယ်
  • ₆ ပေ ₂ လက်မ ကျော်တဲ့ လူက သိပ်ရှားမယ် (₀.₁₅% ထက်နည်း)

အခြား ဖြန့်ဝေမှု ပုံစံများ

တညီတည်း ဖြန့်ဝေမှု (Uniform Distribution)

ဖြစ်နိုင်တဲ့ တန်ဖိုးတိုင်း ဖြစ်နိုင်ခြေ တူညီပါတယ်။ ဥပမာ - အန်စာတုံးတစ်လုံး ပစ်ရင် ₁ မှ ₆ အထိ ထွက်နိုင်ခြေ တစ်ခုချင်းစီ ₁/₆ ပါ။

ညွှတ်နေတဲ့ ဖြန့်ဝေမှု (Skewed Distribution)

ညာဘက် ညွှတ်ခြင်း - အမြီးက ညာဘက်ကို ဆွဲနေတာ - က ဝင်ငွေ ဒေတာမှာ အဖြစ်များပါတယ်။

ဥပမာ

ရန်ကုန်မှာ အိမ်ခန်း ငှားရမ်းခ ဖြန့်ဝေမှု: အိမ်ခန်းအများစုက ကျပ် ₁₅₀,₀₀₀ - ₃₀₀,₀₀₀ ပတ်ဝန်းကျင်မှာ ရှိပေမဲ့ ဟိုတယ်ပိုင်ရှင်တွေ၊ လုပ်ငန်းရှင်ကြီးတွေ နေတဲ့ တိုက်ခန်းတွေက ကျပ် ₅,₀₀₀,₀₀₀ ကျော် ဖြစ်နိုင်ပါတယ်။ ဒါက ညာဘက် ညွှတ်နေတဲ့ ဖြန့်ဝေမှုပါ - mean က median ထက် ကြီးပါတယ်။

နှစ်ခုကွဲ ဖြန့်ဝေမှု (Binomial Distribution)

"အောင်/ရှုံး" ပုံစံ ရလဒ်ကို အကြိမ် သတ်မှတ်ပြီး ထပ်ခါတလဲလဲ လုပ်ရင် ဖြစ်ပေါ်တဲ့ ဖြန့်ဝေမှုပါ။

ဥပမာ

MNL ဘောလုံးအသင်းတစ်သင်း ပွဲတိုင်း နိုင်နိုင်ခြေ ₄₀% ရှိရင်၊ ပွဲ ₁₀ ပွဲကစားရင် ₇ ပွဲ နိုင်ဖို့ ဖြစ်နိုင်ခြေက? ₀ ပွဲ နိုင်ဖို့ ဖြစ်နိုင်ခြေက? ဒီလိုမေးခွန်းတွေကို နှစ်ခုကွဲ ဖြန့်ဝေမှုနဲ့ တွက်ချက်နိုင်ပါတယ်။ ပွဲ ₄ ပွဲ နိုင်ဖို့ (ပျမ်းမျှ) အဖြစ်အများဆုံးပြီး ₀ ပွဲ သို့မဟုတ် ₁₀ ပွဲ နိုင်ဖို့ အလွန်ရှားပါတယ်။

ဖြန့်ဝေမှု ဘာကြောင့် အရေးကြီးသလဲ?

ဖြန့်ဝေမှု ပုံစံကို သိရင်:

17 1 16 2 17 3 16 4 17 5 17 6
  1. ဒေတာမှာ ဘာ "ပုံမှန်" လဲ ဘာ "ထူးဆန်း" လဲ ဆုံးဖြတ်နိုင်တယ်
  2. အနာဂတ် ဖြစ်ရပ်တွေကို ခန့်မှန်းနိုင်တယ်
  3. မှန်ကန်တဲ့ စာရင်းအင်း စစ်ဆေးမှုနည်း ရွေးချယ်နိုင်တယ်
အဓိကအချက်

ဖြစ်နိုင်ခြေ ဖြန့်ဝေမှုက ဖြစ်နိုင်တဲ့ တန်ဖိုးတိုင်းအတွက် ဖြစ်နိုင်ခြေကို ပြတဲ့ ပုံစံပါ။ ပုံမှန် ဖြန့်ဝေမှု (ခေါင်းလောင်း မျဉ်းကွေး) က အဖြစ်အများဆုံးဖြစ်ပြီး ₆₈-₉₅-₉₉.₇ စည်းမျဉ်းကို လိုက်နာပါတယ်။ ဖြန့်ဝေမှု ပုံစံ (ပုံမှန်၊ ညွှတ်နေ၊ တညီတည်း) ကို သိရင် ဒေတာမှာ ဘာပုံမှန်ပြီး ဘာထူးဆန်းလဲ ဆုံးဖြတ်နိုင်ပါတယ်။