មេរៀនទី៧ ការវិភាគទិន្នន័យ NOMINAL (ធម្មតា,សាមញ្ញ)

មេរៀនទី៧ ការវិភាគទិន្នន័យ NOMINAL(ធម្មតា,សាមញ្ញ)

គោលបំណងនៃមេរៀន៖ ការសិក្សាលើមេរៀននេះគឺ ចង់អោយនិស្សិតៈ • យល់បានច្បាស់ពីអត្ថន័យរបស់ទិន្នន័យ NOMINAL • កំណត់បាននូវអថេរ នៃសំណាក់ដែលប្រមូលបានរួច ធ្វើការបង្កើតនូវតារាង និងធ្វើការវិភាគទិន្នន័យតាមតារាង សាមញ្ញ និងតារាងខ្វែងរួចធ្វើការបកស្រាយទិន្នន័យ។

១. សេចក្ដីផ្ដើម ការស្រាវជ្រាវ M.K.T ជាមុខងារមួយយ៉ាងសំខាន់ ដើម្បីឈានដល់ដំណោះស្រាយបញ្ហានានាដែល កើត មានឡើង ក្នុងអង្គភាព ឬ ក៏ស្ថាប័ន។ ដើម្បីដោះស្រាយបាននូវបញ្ហាបាននោះ គេត្រូវការទិន្នន័យ ហើយទិន្នន័យដែលប្រមូលបាននោះត្រូវធ្វើការវិភាគ ដើម្បីរកមូលហេតុនៃបញ្ហា។ ការវិភាគទិន្នន័យដែលប្រមូលបានមានលក្ខណៈសា មញ្ញ ប្រើអថេរមួយ ឬ ពីរតាមរយះតារាងសាមញ្ញ និង តារាងខ្វែង នោះហៅថា “ការវិភាគទិន្នន័យ NOMINAL”។ ទិន្នន័យ NOMINAL មានប្រយោជន៍ប្រើសំរាប់គណនា Frequency តែប៉ុណ្ណោះ។

២. ការពិពណ៌នាអថេរតែមួយ តារាងសាមញ្ញ ៖ វិធីសាមញ្ញបំផុតដើម្បីវិភាគទិន្នន័យ នោះគេបង្កើតតារាងចំលើយ ដោយផ្អែកលើមូលដ្ឋាននៃសំនួរនីមួយៗ ដែលគេបានធ្វើការសំភាសន៍។ ទំរង់នៃការវិភាគទិន្នន័យនេះ គឺជាទំរង់ទូទៅបំផុតសំរាប់ធ្វើការវិភាគ។ ក្រោយពេលចំនួនអ្នកឆ្លើយបានជ្រើសរើសអថេរចំលើយ នីមួយៗ ដែលអាចមានហើយ នោះគេបង្កើតជាតារាង ហើយ ភាគរយនៃចំនួនដងរបស់ចំលើយ នីមួយៗត្រូវបានគណនា។

ឧទាហរណ៍ៈ ឧបមាសំនួរខាងក្រោមត្រូវបានសួរ នារីមេផ្ទះ ៩៤០ នាក់ ៖

ការរៀបចំជាតារាងលទ្ធផលគឺមានទំរង់ដូចតារាងទីមួយខាងក្រោមដែលមានកំរិតនៃការវិភាគស្ថិតិតិចបំផុតដូចបានបញ្ជាក់ខាងក្រោម៖ការរៀបចំជាតារាងលទ្ធផលគឺមានទំរង់ដូចតារាងទីមួយខាងក្រោមដែលមានកំរិតនៃការវិភាគស្ថិតិតិចបំផុតដូចបានបញ្ជាក់ខាងក្រោម៖ ជាងពាក់កណ្ដាលនៃប៉ាន់គំរូ គឺធ្វើនៅរាល់ការទិញ និង មួយភាគបីផ្សេងទៀតធ្វើស៊ឹងតែរាល់ការទិញ។ ដូចនេះមួយចំនួនធំនៃប៉ាន់គំរូ គឺជាអ្នកទិញពោរពេញ ទៅដោយបទពិសោធន៍។

តារាងទី១ ៖ កំរិតនៃការទិញដែលបានធ្វើជាគំរូ : ដើម្បីឲ្យកាន់តែច្បាស់លទ្ធផល នោះគេបង្កើតនូវBarchartដោយបង្ហាញលទ្ធផល ជាលក្ខណៈ ក្រាហ្វិក ដូចខាងក្រោម ៖

អ្នកស្រាវជ្រាវរាប់ចំនួន អ្នកឆ្លើយ ដែលសិ្ថតនៅក្នុងក្រុមមួយនៃចំណាត់ថ្នាក់មួយ នឹងឈានទៅដល់ការបង្កើតតារាង Frequency (តារាងប្រេកង់)។ដូចនេះក្នុងការស្ទង់មតិមនុស្សពេញវ័យ ១.០០០ នាក់ យើងអាចឈានទៅដល់ ទិន្នន័យ ដូចបង្ហាញក្នុងតារាងទី ២៖

តារាងទី ២ ៖ វិភាគប៉ាន់គំរូតាមខេត្ត :

តារាងទី១ និង២ ៖ កំរិតនៃការទិញដែលបានធ្វើជាគំរូៈ ចំណុចពីរគួរអោយកត់សំគាល់អំពីទិន្នន័យក្នុងតារាងទី២ គឺៈ ទី១៖ ផលបូកនៃ Frequency ក្នុងចំណាត់ថ្នាក់ (ចំនួនមនុស្សដែលបានសំភាសន៍) ស្មើនឹងប៉ាន់គំរូ (១.០០០)។ Frequencyនីមួយៗត្រូវបានបង្ហាញជាភាគរយនៃប៉ាន់គំរូទាំងមូល ភាគរយទាំងអស់ត្រូវបូកបញ្ចូលគ្នាស្មើនឹង១០០%។

ទោះបីយ៉ាងណាក៏ដោយ សំណួរមួយចំនួនក្នុងការ ស្រាវជ្រាវ M.K.T អ្នកឆ្លើយផ្ដល់ចំលើយលើសពីមួយ។ ឧទាហរណ៏៖ ពិនិត្យសំនួរដែលសួរមនុស្សអំពីទស្សនា វដ្ដីដែលគេបានអាន។ តារាងទីបង្ហាញនូវលទ្ធផលដែលអាចមាន៖

តារាងទី៣៖ អ្នកអានទស្សនាវដ្ដីដែលមានប្រជាប្រិយ(សូមមើលនៅទំព័រទី៥១) • សំគាល់ ៖- សញ្ញា() មានន័យថា បង្កើនចំនួនក្រោយក្បៀសជាចំនួនគត់។ • - សញ្ញា()មានន័យថា អ្នកឆ្លើយអាចអានទស្សនាវដ្តី លើស ពីមួយដូចនេះសរុបការអានលើសពី ១០០%។

៣. ទំនាក់ទំនងរវាងអថេរ ឬ តារាងខ្វែង អថេរពីរ៖ នោះគឺសំដៅសំណួរមួយ ដែលមានអថេរពីហើយចំលើយនៃអថេរមួយ មានការពាក់ពន្ធ័ចំ ពោះ អថេរមួយទៀត ដែលជាការចាំបាច់សំរាប់ការស្រាវជ្រាវភាគច្រើន។ ឧទាហរណ៍៖ ការវិភាគទិន្នន័យដោយប្រើអថេរពីរក្នុង តារាងខ្វែង (ចំណូលទល់នឹង ចំណាយលើម្ហូបអាហារ) វាត្រូវបានបង្ហាញក្នុងតារាងទី៤ ខាងក្រោម៖ (សូមមើលឧទាហរណ៍នៅទំព័រទី៥២)

បញ្ហាដែលគួរយកចិត្តទុកដាក់ គឺអ្វីដែលពាក់ ពន្ធ័រវាងចំណូលសំរាប់គ្រួសារនីមួយៗ និង ចំណាយ លើម្ហូបអាហារ។ ក. រាប់៖ ចំនួនមនុស្សក្នុងក្រឡា (ដូចជា ៣៣នាក់ មានចំណូលទាបជាង $១.០០០ និង ចំណាយតិចជាង $១៥ ក្នុង១សប្ដាហ៍លើម្ហូបអាហារ)។ ខ. ភាគរយតាមជួរដេក៖ %នៃមនុស្សក្នុងជួរដេកដែលត្រូវនឹងជួរឈរ (ដូចជា ៣៣/៤៦៤=៧.១%) អ្នកដែលមានចំណូលក្រោម $១.០០០ ចំណាយតិចជាង $១៥ ក្នុង១សប្ដាហ៍លើម្ហូបអាហារ។

គ. ភាគរយតាមជួរឈរ៖ នៃមនុស្សក្នុងជួរឈរដែល ត្រូវនឹងជួរដេក (ដូចជា ៣៣/៣៩=៨៤,៦%) នៃអ្នក ដែលមានចំណាយតិចជាង $១៥ ក្នុង១សប្ដាហ៍លើ ម្ហូបអាហារ ដែលមានចំណូលក្រោម $១,០០០។ ឃ. ភាគរយសរុប៖ %នៃប៉ាន់គំរូទាំងមូលក្នុងក្រឡា ណាមួយនោះ (ដូចជា ៣៣/៩៣៣%)។ សំណួរ៖ ១. ដូចម្តេចហៅថាទិន្នន័យ NOMINAL? ២. អធិប្បាយពីដំណើរការវិភាគទិន្នន័យ NOMINAL និងអត្ថប្រយោជន៍របស់វា?

សូមសំណាងល្អក្នុងការសិក្សាសូមសំណាងល្អក្នុងការសិក្សា

មេរៀនទី៧ ការវិភាគទិន្នន័យ NOMINAL (ធម្មតា,សាមញ្ញ)