အသုံးချစာရင်းအင်းပညာ (အပိုင်း - ၂)

Basic Agricultural Science – (128)  Applied Statistics (Part-2)

အခြေခံစိုက်ပျိုးရေးသိပ္ပံပညာ - (၁၂၈) အသုံးချစာရင်းအင်းပညာ  (အပိုင်း - ၂)  

အခြေခံစာရင်းအင်းပညာ (အပိုင်း-၁) ကို အခြေခံစိုက်ပျိုးရေးသိပ္ပံပညာ  အမှတ် (၇၅) တွင် မိတ်ဆက် ရေးသားခဲ့ပြီး ဖြစ်ပါသည်။ ရွေရောင်လွင်ပြင်အဖွဲ့မှ ၂၀၂၄-ခုနှစ် ဇွန်လ ၁၇ ရက်နေ့တွင် ဖွင့်လှစ်မည့် စာရင်းအင်းပညာ သင်တန်း အမှတ်စဉ် (၁) အတွက် ပြင်ဆင်ရင်း  အသုံးချစာရင်းအင်းပညာ - အပိုင်း - ၂ (Applied Statistics - Part-2) အကြောင်း ဆက်လက်ဆွေးနွေးလိုပါသည်။ 

အဆင့်မြင့် ပညာသင်ကြားပေးသော တက္ကသိုလ်၊ ကောလိပ် (University and College) နှင့် သုတေသနဌာန (Research Centers) များတွင် ဘွဲ့ကြို/ဘွဲ့လွန် သုတေသန (Undergraduate and Postgraduate Research)၊ ပြဿနာအတွက် အဖြေရှာသော သုတေသန (Problem-based Research) များအတွက် စာရင်းအင်းပညာ (Statistics) မရှိ မဖြစ် လိုအပ်သော လက်နက်ကိရိယာ (Essential Tools) ဖြစ်ပါသည်။

စာရင်းအင်းပညာဆိုသည်မှာ ကိန်းဂဏန်းဆိုင်ရာ သတင်းအချက်အလက်များကို ကောက်ယူခြင်း၊ စနစ်တကျစုစည်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာလေ့လာခြင်း/တွက်ချက်ခြင်း နှင့် ရရှိလာသောတွေ့ရှိချက်၊ အဖြေများကို အဓိပ္ပာယ် ဖော်ထုတ်ခြင်းတို့ဖြစ်ပါသည် (Statistics is defined as Collection, Compilation, Analysis and Interpretation of Numerical Data).

အဓိပ္ပာယ် (၂) မျိုးရှိပါသည်။

(က) စာရင်းအင်းပညာသည် အရေအတွက် ကိန်းဂဏာန်းများဖော်ပြခြင်း (Quantitative Figures) ဟူ၍ ပထမအဓိပ္ပာယ် ကောက်ယူနိုင်ပါသည်။ ဥပမာ - တစ်နှစ် မွေးဖွားသော ကလေးအရေအတွက် (The number of Children born in a year)၊ နိုင်ငံတစ်ခုတွင် အလုပ်လက်မဲ့လူငယ် အရေအတွက် (The number of unemployed youths in the country)၊ ဒေသတစ်ခု တစ်နှစ်အတွင်း ရွာသွန်းသော မိုးရေချိန် (The rainfall over a year for a particular region) စသည်တို့ဖြစ်ပါသည်။ ဤအရာအားလုံးသည် အချက်အလက်များ (Data ) ဖြစ်ပါသည်။

(ခ) စာရင်းအင်းပညာသည် သိပ္ပံနည်းကျ သဘောတရားနှင့် နည်းစနစ်များ  (A body of scientific principles and teachniques) နှင့် အသုံးချပါသည်။ စာရင်းအင်းပညာသည် ကျိုးကြောင်း ဆင်ခြင်မှု (Certain logical pattern) အပေါ်မူတည်ပါသည်။ တွေးခေါ်မျှော်မြင်မှု (Methods of reasoning) နှင့် အကျိုးအကြောင်း ဆန်းစစ်ဝေဖန်တွေးခေါ်မှု (Critical thinking) အပေါ်မှာမူတည်ပြီး စစ်ဆေး၊ တွက်ချက် (Analysis) ပြီး အဓိပ္ပာယ် ဖော်ထုတ်မှု (Interpretation ) တွေ အပေါ်မူတည်ပါသည်။ 

စာရင်းအင်းပညာမှနေ၍ ယခုနည်းပညာခေတ်တွင် အချက်အလက်သိပ္ပံပညာ (Data Science)  ဆိုသောလေ့လာစရာ ဘာသာရပ်တစ်ခုတိုးလာပါသည်။ အဓိပ္ပာယ်မှာ စနစ်တကျ (သို့မဟုတ်) သာမာန် အချက်အလက်များမှ ဗဟုသုတနှင့် ထိုးထွင်းသိမြင်နိုင်စွမ်းကို သိပ္ပံနည်းကျ အယ်ဂိုရစ်သမ် စနစ်တစ်ကျဖြင့် ဘာသာရပ်ပေါင်းစုံစုစည်း လေ့လာခြင်း ဖြစ်ပါသည်။ (An Interdisciplinary field that uses scientific methods, processes, algorithms and systems to extract knowledge and insights from structured and unstructured data)

အချက်အလက်သိပ္ပံပညာကို ဘဏ္ဍာရေး၊ ရောင်းဝယ်ရေး၊ ကျန်းမာရေးစောင့်ရှောက်မှု၊ နည်းပညာများ ကိုနောက်ဆုံးပေါ် နည်းပညာများဖြင့် တွက်ချက် စိစစ်ဖော်ထုတ်မှုများ ကို အသုံးချနိုင်ပါသည။ (Data Science is applied in fields such as finance, marketing, healthcare and technology to build recommendation systems, predictive analytics, fraud detection, etc.) ။

စာရင်းအင်းပညာမှနေ၍ -

(က) ဇီဝစာရင်းအင်းပညာ (Biometrics) ကျွန်တော်တို့ စိုက်ပျိုးရေး၊ မွေးမြူရေး၊ သစ်တောပညာအပါအဝင် ကျန်းမာရေးနှင့် ဆေးပညာ၊ ဇီဝဗေဒတွင်ပါဝင်သော ရုက္ခဗေဒ၊ သတ္တဗေဒစသည့် ဇီဝသိပ္ပံ (Biological Sciences) ဘာသာရပ်များကို သုတေသနလုပ်ဆောင်ရာတွင် စာရင်းအင်းဆိုင်ရာ တွက်ချက်ခြင်းများ ဖြစ်ပါသည် (Statistical Analysis of Biological data)။ 

တစ်နည်း (Biostatistics) လို့လည်းခေါ်ပြီး ဇီဝနှင့် ကျန်းမာရေးဆိုင်ရာ လုပ်ငန်းများကို အသုံးချခြင်း အထူးသဖြင့် ဇီဝဆိုင်ရာသုတေသနများနှင့် ဆေးလက်တွေ့ပိုင်းဆိုင်ရာ သုတေသနများတွင် အသုံးပြုခြင်း ဖြစ်ပါသည်။ (Applied Statistical Methods to Biological and Health-related Process) ။

(ခ) စီးပွားရေးနှင့်လူမှုရေးဆိုင်ရာ စာရင်းအင်းပညာ (Econometrics) စိုက်ပျိုးရေး ဘာသာရပ်များ တွင်လည်း စိုက်ပျိုးစီးပွါးရေးဘာသာ (Agricultural Economics) နှင့် တောင်သူပညာပေးရေး (Agricultural Extension) ဘာသာများသည် လူမှုရေးသိပ္ပံ (Social Sciences) ဘာသာရပ်များဖြစ်သဖြင့် စာရင်းအင်းဆိုင်ရာနှင် သင်္ချာဆိုင်ရာ ပုံစံများကို စီးပွားရေးနှင့် လူမှုရေးပညာများတွင် အသုံးချခြင်း ဖြစ်ပါသည် (The Application of Statistical and Mathematical Models to Economic and Social Data for the Purposes of Testing Hypothesis and Forecasting Future Trends)၊ 

(ဂ) နည်းပညာဆိုင်ရာ စာရင်းအင်းပညာ (Technometrics) စာရင်းအင်းနည်းပညာ များကို အင်ဂျင်နီယာနှင့် သဘာဝသိပ္ပံများတွင် အသုံးချခြင်းဖြစ်ပါသည် (The Application of Statistical Techniques to problems in Engineering and Physical Sciences)၊ အထူးသဖြင့် စက်မှု လုပ်ငန်း ပညာများ မှထုတ်လုပ်သော ပစ္စည်းများ ဥပမာ - မော်တော်ကား၊ တီဗွီ၊ စသည်တို့ကို အရည်အသွေးမကျဘဲ တစ်ထပ်ထဲ ကျစေရန် ပုံစံတူများစွာထွက်ရန် ဤနည်းပညာ ဖြင့် ထိန်းသိမ်းစီမံပါသည် (To improve Product Quality and Reliability in the Industrial Sectors)။

(ဃ) စိတ်ပညာဆိုင်ရာ စာရင်းအင်းပညာ (Psychometrics) စာရင်းအင်းပညာကို စိတ်ပညာဆိုင်ရာသုတေသနများ တွင် အသုံးချခြင်း ဖြစ်ပါသည် (Theory and Techniques of Psychological measurement)။ လူသားများ၏ ဗဟုသုတများ (Knowledge) စွမ်းရည်များ (Abilities) ကိုယ်စိတ်သဘောထား (Attitudes) ပင်ကို အရည်အသွေးများ (Personality Traits) တိုင်းထွာရာတွင် အသုံးပြုပါသည်။ မေးခွန်းများ (Questionnaries) စစ်ဆေးမှုများ (Tests) ကိုယ်ရေကိုယ်သွေးစစ်ဆေးမှုများ (Personality Assessments) စသည်တို့ကို အသုံးပြုပါသည်။

(င) ပညာရေးဆိုင်ရာ စာရင်းအင်းပညာ (Edumetrics) စာရင်းအင်းပညာ ကို ပညာရေး ဆိုင်ရာ အချက်အလက်များ (Educational Processes and Outcomes) တိုင်းထွာ စစ်ဆေး၊ သုတေသနပြုရာတွင် အသုံးပြုပါသည်။ ဥပမာ - ကျောင်းသားများ သင်ယူမှု စွမ်းရည် (Student Learning)၊ ဆရာများ အကျိုးရှိစွာ သင်ကြားပေးနိုင်မှု (Teacher Effectiveness)၊ ပညာရေးဆိုင်ရာ စစ်ဆေးမှုများ (Educational Assessment) တွင် အသုံးပြုပါသည်။

ကိန်းဂဏန်းမဟုတ်သော စာရင်းအင်းပညာသုံး အချက်အလက်များ (Data – Information; Not numbers) သည် စောင့်ကြည့်အကဲခတ်ခြင်း (Observations)၊ လက်တွေ့ကောက်ယူ တိုင်းထွာခြင်း (Measurements)၊ လေ့လာ တွေ့ဆုံမေးမြန်းခြင်း (Surveys)၊ စမ်းသပ်သုတေသနပြုလုပ်ခြင်း (Experiments)၊ ယခင်မှတ်တမ်းများ (Records) မှ ကောက်ယူ၊ ရရှိပါသည်။ ကောက်ယူရရှိခဲ့သော အချက်အလက်များ (Collected Data) ကို ကောက်ချက်ချခြင်း (Draw Conclusions)၊ ကြိုတင်ခန့်မှန်းခြင်း (Make predictions)၊ ဆုံးဖြတ်ချက်ချခြင်း (Inform decisions) စသည်တို့ကို ပြုလုပ်နိုင်ပါသည်။

အချက်အလက်အမျိုးအစားများ (Types of Data) မှာ -

(က) အရေအတွက်ဆိုင်ရာ အချက်အလက်များ (Quantative Data) ကိန်းဂဏန်းအနေနှင့်တိုင်းထွာရာတွင်  (က-၁) ကိန်းပြတ် အချက်အလက်များ (Discrete Data) ရေတွက်နိုင်သော အချက်အလက် (Countable Data) ဥပမာ - အတန်းတစ်တန်း ရှိကျောင်းသား အရေအတွက် (Number of Students in a Class)

(က-၂) ကိန်းဆက် အချက်အလက်များ (Continuous Data) တိုင်းထွာရသော အချက်အလက် (Measurable Data) ဥပမာ - လူအရပ်အမြင့်၊ အလေးချိန်၊ ကိုယ်အပူချိန် (Height, Weight, Temperature)

(ခ) အရည်အချင်းဆိုင်ရာ အချက်အလက်များ (Qualitative Data) ကိန်းဂဏန်း မဟုတ်သော ပြတ်သားတိကျသော အချက်အလက်များ (Attribute) ကို ဖေါ်ပြရာတွင် - (ခ-၁) နံမည် သတ်မှတ်သော အချက်အလက် (Nominal Data) ဥပမာ - သာမာန် ကျား/မ - လိင် (Gender)၊ မျက်စိအရောင် (Eye Colour) 

(ခ-၂) အဖွဲ့လိုက် အချက်အလက် (Ordinal Data) ဥပမာ - အဆင့်သတ်မှတ်ခြင်း (Rankings)၊ ကျေနပ်မှုအဆင့် (Satisfaction Levels)

ပုံ - ၁ အရေအတွက်နှင့် အရည်အချင်းဆိုင်ရာ အချက်အလက်များ

အချက်အလက် ရည်ရွယ်ချက်များ (Purpose of Data) မှာ -

(က) အချက်အလက်ဖော်ပြပေးသော စာရင်းအင်းပညာ (Descriptive Statistics) အချက်အလက်အစုလိုက်ကို အကျဉ်းချုံးပြီး ဖော်ပြပေးခြင်း (To summarize and describe the main features of a dataset)

(ခ) ကောက်ချက်ချစာရင်းအင်းပညာ (Inferential Statistics) ဦးရေ (Population) ကို နမူနာ (Sample) ကောက်ပြီး ကြိုတင်ခန့်မှန်း၊ ကောက်ချက်ချခြင်း (To make inferences and predictions about a population based on a sample of data) ဖြစ်ပါသည်။

အချက်အလက် ရရှိရာ ပင်ရင်း/ဇစ်မြစ် (Source of Data) မှာ -

(က) မူလအချက်အလက်များ (Primary Data) သုတေသနပညာရှင်က ကိုယ်တိုင်မေး၊ စမ်းသပ်ကွက်ပြုလုပ်၊ တိုက်ရိုက် လေ့လာရှာဖွေဖော်ထုတ်၍ အချက်အလက်များ ရရှိလာခြင်း ဖြစ်သည်။ 

(ခ) တစ်ဆင့်ခံရရှိသော အချက်အလက်များ (Secondary Data) တစ်ခြားသူက ကောက်ယူပြီး အချက်အလက်များ ဥပမာ - နောက်ဆုံး အစီအရင်ခံစာများ၊ မှတ်တမ်းများ၊ အချက်အလက်များ၊ စာရင်းအင်းနှစ်ပတ်လည်စာအုပ်များ (Existing reports, Records, Databases, Statistical Year Books) စသည်တို့ကို သုတေသနပညာရှင်က ထပ်ဆင့်အသုံးချခြင်းဖြစ်ပါသည်။

 သတင်းအချက်အလက်များသည် စီးပွားရေးနှင့် ကူးသန်းရောင်းဝယ်ရေး (Economics and Business)၊ ကျန်းမာရေးစောင့်ရှောက်မှု (Healthcare)၊ ပညာရေး (Education)၊ စိုက်ပျိုး၊ မွေးမြူရေး (Agriculture)၊ လူမှုရေးသိပ္ပံများ (Social Sciences) ၏ အကျိုးပြု/ အသုံးချ သုတေသနများ (Applied Research) ကိုဆုံးဖြတ်ချက်ချမှတ်ရာတွင် မရှိမဖြစ် လိုအပ်သော အရာများဖြစ်ပါသည်။ သုတေသနပြုလုပ်သူများသည် မျက်နှာမလိုက်/ဘက်လိုက်မှု မရှိရန် (Unbiased) တော့ လိုအပ်ပါသည်။

သတင်းအချက်အလက်များကို အတန်းလိုက်၊ ဒေါင်လိုက် (Row and Column) ပြုလုပ်ကာ ဇယားများ (Table) ဖြင့်လည်းကောင်း

ပုံ - ၂ ဇယားဖြင့် တင်ပြခြင်း 

ပုံစံကားချပ်/ဘားချပ်များ (Bar Chart/Histogram)

ပုံ - ၃ ပုံစံကားချပ်များဖြင့် တင်ပြခြင်း 

စက်ဝိုင်းပုံ ဖြင့်ဖေါ်ပြထားသော ပုံပြဇယား (Pie Charts)၊ 

ပုံ - ၄ စက်ဝိုင်းပုံများဖြင့် တင်ပြခြင်း 

အစက်အပြောက်အကွက်များ (Scatter Plots) 

ပုံ - ၅ အစက်အပြောက်အကွက်များဖြင့် တင်ပြခြင်းဖြင့် ဖော်ပြလေ့ရှိပါသည်။

(ဆက်ပါဦးမည်)

(ဒေါက်တာမျိုးကြွယ်)

ကျွန်တော်အား စာရင်းအင်းပညာ သင်ကြားပေးပါသော ပါမောက္ခဆရာကြီး ဦးသန်းအောင်၊ ဆရာကြီးဒေါက်တာစိုင်းမြင့်လွင်၊ ဆရာကြီးဦးစံသိန်း၊ ကွင်းစလန်တက္ကသိုလ်မှ မစ္စတာဟော်တန် (Mr. I.F.Horton)၊ ပါမောက္ခဒေါက်တာကေးစ်ဘက်စ်ဖေါ့ (Professor Kays Basford)၊ ကဆက်ဆပ် တက္ကသိုလ် မှ ပါမောက္ခ ပီယာဆပ်ဆရီနီဘတ်စ် (Professor Peersak Srinivast)၊ ဖိလစ်ပိုင်တက္ကသိုလ်မှ ဒေါက်တာ မာကို့စ် (Dr. Marcos)၊ ဂျာမဏီနိုင်ငံမှ ပါမောက္ခ အင်ဒရီယာစ်ဘူးကပ် (Professor Andreas Buerkert)  တို့နှင့်အတူ သင်ဆရာ၊ မြင်ဆရာ၊ ကြားဆရာများ အားလုံးကို ဤဆောင်းပါး များဖြင့် ကန်တော့အပ်ပါသည်။

မှီငြမ်းစာအုပ်စာတမ်းများ References

စံသိန်း၊ ဦး (၁၉၈၃) စိုက်ပျိုးရေးသုတေသီများ အတွက် စာရင်းအင်းပညာ နည်းလမ်းများ၊ (လယ်ယာသီးနှံဌာန၊ ရေဆင်းစိုက်ပျိုးရေးတက္ကသိုလ်)

Bartolome, V. I., Carasco, M. C., Yanalvez, M. A., and McLaren, C. G. (1999). Experimental Designs and Data Analysis. 2nd Ed., IRRI.

Sai Myint Lwin (1980) AEC-602 Lecture Notes, Dept. of Agricultural Economics, YAU.

Rangaswamy, R. (1995) A Text book of Agricultural Statistics. New Age International Publishers. 496p.

Spiegel, M.R. and Stephens, L.J. (2008) Theory and Problems of Statistics: Schaum’s Outline Series. 4th Ed. McGraw Hill. 601p.

Tarranto, L.G. (1964). Science: The easy way. Cambridge Publishers, Inc Bronxville, NY.

ဆောင်းပါးများ/သတင်းများ ပြန်လည်ကူးယူဖော်ပြလိုပါက "အစိမ်းရောင်လမ်းမှ ကူးယူဖော်ပြပါသည်" ဟုထည့်ပေးပါရန် မေတ္တာရပ်ခံအပ်ပါသည်။ 

Farm Link Co.,Ltd ကြော်ငြာ

ရေမီးအစုံနဲ့ လေထီးခုန်နိုင်မယ့် ဖန်းလင့်ရဲ့ #စမတ်သီးစုံလာပါပြီ.....ဦးကြီးတို့ရေ ‌လေထီးခုန်ချင်ပေမယ့် စမတ်သီးစုံကို မသိသေးရင်တော့ ဒီစာလေးကို ဆက်ဖတ်‌ပေးပါ #စမတ်သီးစုံဆိုတာ အပင်တိုင်းအတွက် အဓိကအာဟာရNPK (19:7:8)နဲ့ #ဟူးမစ်အက်စစ်တို့ အချိုးကျ ပေါင်းစပ်ထားတဲ့ ကွန်ပေါင်းဓာတ်မြေဩဇာဖြစ်ပါတယ်။ အဓိကအကျိုးကျေးဇူးတွေအနေနဲ့ကတော့ နိုက်ထရိုဂျင် 19%ပါဝင်တဲ့အတွက် ကလိုရိုဖီးလ်ဖွဲ့စည်းမှုကို အားပေးကာ သီးနှံပင်များ၏အရွက်များစိမ်းလန်းသန်စွမ်းပြီး အစာချက်လုပ်မှုအားကောင်းစေပါတယ်။ အပင်၏ပင်ပိုင်းကြီးထွားမှုကို တိုးမြင့်စေကာ အပင်သန်၍ အကြီးမြန်စေပါတယ်။ သင့်တော်တဲ့ Phosphorus 7%ပါဝင်မှုကြောင့် အပင်ရဲ့ အမြစ်ဖွဲ့စည်းတည်ဆောက်မှုကို ပို၍သန်မာလာအောင် အားပေးပါတယ်။ ဒါ့အပြင် ပန်းပွင့်ခြင်း၊အသီးသီးခြင်း၊အစေ့တည်ခြင်းလုပ်ငန်းစဉ်များကိုလည်း အားပေးပါတယ်။ လုံလောက်တဲ့ Potassium 8%က အပင်ရဲ့ ရောဂါဒဏ်၊ရာသီဥတုဒဏ်ခံနိုင်ရည်ရှိမှုကို မြင့်တက်စေပြီး အသီးအရည်အသွေး၊ အရွယ်အစားနဲ့ အရသာ ပိုမိုကောင်းမွန်စေဖို့အတွက် လိုအပ်တဲ့အာဟာရဓာတ်ဖြစ်ပါတယ်။ ဟူးမစ်အက်စစ်ပါဝင်ပေါင်းစပ်ထားတဲ့အတွက် အာဟာရဓာတ်စုပ်ယူမှုကောင်းမွန်လာခြင်း၊မြေဆီလွှာဖွဲ့စည်းပုံနှင့်ရေထိန်းနိုင်စွမ်းအားကောင်းလာခြင်းအပါအဝင် အကျိုးကျေးဇူးများစွာကိုရရှိစေမှာဖြစ်ပါတယ်။ စပါးအပါအဝင် နှံစားသီးနှံများ၊ပဲအမျိုးမျိုး၊ဟင်းသီးဟင်းရွက်နဲ့ ဥယျာဉ်ခြံသီးနှံအားလုံးမှာ အသုံးပြုနိုင်တယ်ဆိုတော့ တစ်မျိုးတည်းနဲ့ အားလုံးပါဖက်(perfect)မယ့် စမတ်သီးစုံနော် အရွေးမမှားတာသေချာပြီမလို့ အတွေးမများဘဲ သီးနှံတိုင်းကြီးထွားအောင် ဖန်းလင့်ရဲ့ #စမတ်သီးစုံကို သုံးကြပါစို့....

Read more