ពិចារណាពីបញ្ហាដូចគ្នានឹងកថាខណ្ឌ 3.4 មុនដែរ ប៉ុន្តែមានតែនៅក្រោមលក្ខខណ្ឌដែលទំហំគំរូ និងតូច (តិចជាង 30)។ ក្នុងករណីនេះ ការជំនួសបំរែបំរួលទូទៅ និងក្នុង (3.15) ដោយបំរែបំរួលគំរូដែលបានកែ ហើយអាចនាំឱ្យមានកំហុសដ៏ធំមួយនៅក្នុងតម្លៃនៃ , ហើយជាលទ្ធផល ទៅជាកំហុសដ៏ធំមួយក្នុងការបង្កើតតំបន់នៃការទទួលយក។ សម្មតិកម្ម H0. ទោះយ៉ាងណាក៏ដោយប្រសិនបើមានទំនុកចិត្តថាឧត្តមសេនីយ៍មិនស្គាល់និង គឺដូចគ្នា(ឧទាហរណ៍ ប្រសិនបើទំហំមធ្យមនៃផ្នែកពីរដែលផលិតនៅលើម៉ាស៊ីនដូចគ្នាត្រូវបានប្រៀបធៀប) នោះវាអាចទៅរួចដោយប្រើការចែកចាយរបស់សិស្ស ក្នុងករណីនេះដើម្បីបង្កើតលក្ខណៈវិនិច្ឆ័យសម្រាប់ការធ្វើតេស្តសម្មតិកម្ម។ H0 Xនិង យ. ដើម្បីធ្វើដូច្នេះ សូមណែនាំអថេរចៃដន្យមួយ។
, (3.16)
(3.17)
មធ្យមភាគនៃការប្រែប្រួលគំរូដែលបានកែ និង ដែលបម្រើជាការប៉ាន់ប្រមាណចំណុចនៃការប្រែប្រួលទូទៅដែលមិនស្គាល់ដូចគ្នា និង . ដូចដែលវាប្រែចេញ (សូមមើលទំព័រ 180) ប្រសិនបើសម្មតិកម្មទទេគឺជាការពិត H0តម្លៃចៃដន្យ ធមានការចែកចាយសិស្សជាមួយ ដឺក្រេនៃសេរីភាពដោយមិនគិតពីតម្លៃនិងទំហំគំរូ។ ប្រសិនបើសម្មតិកម្ម H0ពិត ភាពខុសគ្នាគួរតែតូច។ នោះគឺតម្លៃពិសោធន៍ ធ Exp. បរិមាណ ធគួរតែតូច។ ពោលគឺវាត្រូវតែស្ថិតនៅក្នុងព្រំដែនមួយចំនួន។ ប្រសិនបើវាហួសពីដែនកំណត់ទាំងនេះ យើងនឹងចាត់ទុកវាថាជាការបដិសេធនៃសម្មតិកម្ម H0ហើយយើងនឹងអនុញ្ញាតវាជាមួយនឹងប្រូបាប៊ីលីតេស្មើនឹងកម្រិតសារៈសំខាន់ដែលបានផ្តល់ឱ្យ α .
ដូច្នេះតំបន់នៃការទទួលយកសម្មតិកម្ម H0នឹងជាចន្លោះពេលខ្លះដែលតម្លៃនៃអថេរចៃដន្យ ធត្រូវតែប៉ះជាមួយប្រូបាប៊ីលីតេ 1- α :
តម្លៃកំណត់ដោយសមភាព (3.18) សម្រាប់កម្រិតនៃសារៈសំខាន់ផ្សេងៗគ្នា α និងលេខផ្សេងៗ ខេកម្រិតនៃសេរីភាព ធអាចរកបាននៅក្នុងតារាងនៃចំណុចសំខាន់នៃការចែកចាយរបស់សិស្ស (តារាងទី 4 នៃឧបសម្ព័ន្ធ)។ នេះនឹងរកឃើញចន្លោះពេលសម្រាប់ការទទួលយកសម្មតិកម្ម H0. ហើយប្រសិនបើតម្លៃពិសោធន៍ ធតម្លៃ Exp ធធ្លាក់ចូលទៅក្នុងចន្លោះពេលនេះ - សម្មតិកម្ម H0ទទួលយក។ មិនដួល - មិនទទួលយក។
ចំណាំ ១.ប្រសិនបើគ្មានហេតុផលដើម្បីពិចារណាលើការប្រែប្រួលទូទៅ និងបរិមាណស្មើគ្នា Xនិង យបន្ទាប់មកក្នុងករណីនេះ ដើម្បីសាកល្បងសម្មតិកម្ម H0អំពីសមភាពនៃការរំពឹងទុកគណិតវិទ្យានៃបរិមាណ Xនិង យការប្រើប្រាស់តេស្ត t-test របស់សិស្សខាងលើត្រូវបានអនុញ្ញាត។ មានតែពេលនេះទេដែលមានទំហំប៉ុននោះ។ ធចំនួន ខេកម្រិតនៃសេរីភាពគួរត្រូវបានចាត់ទុកថាមិនស្មើគ្នា ប៉ុន្តែស្មើគ្នា (មើល)
(3.19)
ប្រសិនបើការប្រែប្រួលគំរូដែលបានកែ និងខុសគ្នាខ្លាំង នោះពាក្យទីពីរនៅក្នុងតង្កៀបចុងក្រោយនៃ (3.19) គឺតូចបើប្រៀបធៀបទៅនឹង 0.5 ដូច្នេះកន្សោមនោះ (3.19) បើប្រៀបធៀបទៅនឹងកន្សោម កាត់បន្ថយចំនួនដឺក្រេនៃសេរីភាពនៃអថេរចៃដន្យមួយ។ ធស្ទើរតែទ្វេដង។ ហើយនេះនាំឱ្យមានការពង្រីកយ៉ាងសំខាន់នៃចន្លោះពេលសម្រាប់ការទទួលយកសម្មតិកម្ម H0ហើយតាមនោះ ដល់ការរួមតូចយ៉ាងសំខាន់នៃផ្នែកសំខាន់នៃការបដិសេធនៃសម្មតិកម្មនេះ។ ហើយនេះគឺយុត្តិធម៌ណាស់ ចាប់តាំងពីកម្រិតនៃការខ្ចាត់ខ្ចាយនៃតម្លៃដែលអាចធ្វើបាននៃភាពខុសគ្នានឹងត្រូវបានកំណត់ជាចម្បងដោយការខ្ចាត់ខ្ចាយនៃតម្លៃនៃបរិមាណណាមួយ Xនិង យដែលមានភាពខុសគ្នាធំ។ នោះគឺជាព័ត៌មានពីគំរូដែលមានការប្រែប្រួលតូចជាង ដូចដែលវាបានបាត់ ដែលនាំទៅរកភាពមិនច្បាស់លាស់កាន់តែខ្លាំងនៅក្នុងការសន្និដ្ឋានអំពីសម្មតិកម្ម។ H0 .
ឧទាហរណ៍ 4. យោងតាមទិន្នន័យក្នុងតារាង ប្រៀបធៀបទិន្នផលទឹកដោះជាមធ្យមរបស់គោដែលចិញ្ចឹមរបបអាហារខុសៗគ្នា។ នៅពេលសាកល្បងសម្មតិកម្ម null H0អំពីសមភាពនៃទិន្នផលទឹកដោះគោជាមធ្យម ទទួលយកកម្រិតនៃសារៈសំខាន់ α =0,05.
ចំនួនគោដែលស៊ីចំណី (គោលដៅ) |
ទិន្នផលទឹកដោះគោប្រចាំថ្ងៃជាមធ្យមទាក់ទងនឹងមាតិកាខ្លាញ់មូលដ្ឋាន (គីឡូក្រាម / ក្បាល) |
គម្លាតស្តង់ដារនៃការផលិតទឹកដោះគោប្រចាំថ្ងៃរបស់គោ (គីឡូក្រាម / ក្បាល) |
|
. ចាប់តាំងពីទិន្នន័យតារាងដែលបានផ្តល់ឱ្យត្រូវបានទទួលដោយផ្អែកលើគំរូតូចៗដែលមានបរិមាណ =10 និង =8 បន្ទាប់មកដើម្បីប្រៀបធៀបការរំពឹងទុកតាមគណិតវិទ្យានៃទិន្នផលទឹកដោះគោប្រចាំថ្ងៃជាមធ្យមរបស់គោដែលបានទទួលចំណីមួយ និងអាហារផ្សេងទៀត យើងត្រូវប្រើទ្រឹស្តីដែលបានរៀបរាប់។ នៅក្នុងកថាខណ្ឌនេះ។ ដើម្បីធ្វើដូច្នេះ ជាដំបូង យើងនឹងស្វែងយល់ថាតើភាពខុសគ្នានៃគំរូដែលបានកែ =(3.8)2=14.44 និង =(4.2)2=17.64 អនុញ្ញាតឱ្យយើងពិចារណាពីការប្រែប្រួលទូទៅ និងស្មើគ្នា។ ដើម្បីធ្វើដូចនេះយើងប្រើលក្ខណៈវិនិច្ឆ័យ Fisher-Snedekor (សូមមើលកថាខណ្ឌ 3.3) ។ យើងមាន:
នេះបើយោងតាមតារាងនៃចំណុចសំខាន់នៃការចែកចាយ Fischer-Snedekor សម្រាប់ α =0,05; ខេ1 =8-1=7 និង ខេ2 =10-1=9 រក
ហើយចាប់តាំងពីពេលនោះមក យើងគ្មានហេតុផលនៅកម្រិតនៃសារៈសំខាន់នេះទេ។ α =0.05 បដិសេធសម្មតិកម្ម ហ0 អំពីសមភាពនៃការប្រែប្រួលទូទៅ និង .
ឥឡូវនេះដោយអនុលោមតាម (3.17) និង (3.16) យើងគណនាតម្លៃពិសោធន៍នៃបរិមាណ ធ:
បន្ទាប់យោងទៅតាមរូបមន្ត ស្វែងរកលេខ ខេកម្រិតនៃសេរីភាព ធ: ខេ=10+8-2=16។ បន្ទាប់ពីនោះសម្រាប់ n0+8-2=16។ odes (3.16) យើងគណនាតម្លៃពិសោធន៍នៃ T: α = 0.05 និង ខេ\u003d 16 យោងតាមតារាងចំណុចសំខាន់នៃការចែកចាយរបស់សិស្ស (តារាងទី 4 នៃឧបសម្ព័ន្ធ) យើងរកឃើញ៖ \u003d 2.12 ។ ដូច្នេះចន្លោះពេលសម្រាប់ការទទួលយកសម្មតិកម្ម ហ0 អំពីសមភាពនៃទិន្នផលទឹកដោះជាមធ្យមរបស់គោដែលទទួលបានរបបអាហារលេខ 1 និងលេខ 2 គឺជាចន្លោះពេល = (-2.12; 2.12) ។ ហើយចាប់តាំងពី = - 0.79 ធ្លាក់ចូលទៅក្នុងចន្លោះពេលនេះ យើងមិនមានហេតុផលដើម្បីបដិសេធសម្មតិកម្មនោះទេ។ ហ0 . នោះគឺយើងមានសិទ្ធិសន្មតថាភាពខុសគ្នានៃរបបអាហារមិនប៉ះពាល់ដល់ទិន្នផលទឹកដោះគោប្រចាំថ្ងៃជាមធ្យមរបស់គោនោះទេ។
ចំណាំ 2. នៅក្នុងកថាខណ្ឌ 3.4 និង 3.5 ដែលបានពិភាក្សាខាងលើ សម្មតិកម្មទទេត្រូវបានពិចារណា ហ0 អំពីសមភាព M(X)=M(យ) នៅក្រោមសម្មតិកម្មជំនួស H1អំពីវិសមភាពរបស់ពួកគេ៖ M(X)≠M(យ). ប៉ុន្តែសម្មតិកម្មជំនួស H1វាអាចមានផ្សេងទៀតឧទាហរណ៍ ម(យ)> ម(X). នៅក្នុងការអនុវត្ត ករណីនេះនឹងកើតឡើងនៅពេលដែលការកែលម្អមួយចំនួន (កត្តាវិជ្ជមាន) ត្រូវបានណែនាំ ដែលអនុញ្ញាតឱ្យយើងពឹងផ្អែកលើការកើនឡើងនៃតម្លៃមធ្យមនៃអថេរចៃដន្យដែលបានចែកចាយធម្មតា។ យធៀបនឹងតម្លៃនៃបរិមាណចែកចាយធម្មតា។ X. ឧទាហរណ៍ ការបន្ថែមចំណីថ្មីត្រូវបានណែនាំទៅក្នុងរបបអាហាររបស់សត្វគោ ដែលធ្វើឱ្យវាអាចពឹងផ្អែកលើការកើនឡើងនៃទិន្នផលទឹកដោះគោជាមធ្យមរបស់គោ។ ការស្លៀកពាក់កំពូលបន្ថែមត្រូវបានណែនាំនៅក្រោមដំណាំ ដែលធ្វើឱ្យវាអាចពឹងផ្អែកលើការកើនឡើងនៃទិន្នផលដំណាំជាមធ្យម។ល។ ហើយខ្ញុំចង់ស្វែងយល់ថាតើកត្តាដែលបានណែនាំនេះគឺសំខាន់ (សំខាន់) ឬមិនសំខាន់។ បន្ទាប់មកនៅក្នុងករណីនៃបរិមាណធំ និងគំរូ (សូមមើលកថាខណ្ឌ 3.4) ជាលក្ខណៈវិនិច្ឆ័យសម្រាប់សុពលភាពនៃសម្មតិកម្ម ហ0 ពិចារណាអថេរចៃដន្យចែកចាយធម្មតា។
នៅកម្រិតនៃសារៈសំខាន់ α សម្មតិកម្ម ហ0 អំពីសមភាព M(X)និង ម(យ) នឹងត្រូវបានច្រានចោល ប្រសិនបើតម្លៃពិសោធន៍នៃបរិមាណគឺវិជ្ជមាន និងធំជាង កន្លែងណា
ចាប់តាំងពី, នៅក្រោមសុពលភាពនៃសម្មតិកម្ម ហ0 ម(Z)= 0 បន្ទាប់មក
ការប្រៀបធៀបជាមធ្យមនៃចំនួនប្រជាជនពីរគឺមានសារៈសំខាន់ជាក់ស្តែង។ នៅក្នុងការអនុវត្ត ជារឿយៗមានករណីមួយនៅពេលដែលលទ្ធផលជាមធ្យមនៃការពិសោធន៍មួយស៊េរីខុសពីលទ្ធផលមធ្យមនៃស៊េរីមួយផ្សេងទៀត។ ក្នុងករណីនេះ សំណួរកើតឡើងថាតើភាពខុសគ្នាដែលបានសង្កេតឃើញរវាងមធ្យមភាគអាចត្រូវបានពន្យល់ដោយកំហុសចៃដន្យដែលជៀសមិនរួចនៃការពិសោធន៍ ឬថាតើវាបណ្តាលមកពីភាពទៀងទាត់មួយចំនួន។ នៅក្នុងឧស្សាហកម្ម ភារកិច្ចនៃការប្រៀបធៀបមធ្យមភាគច្រើនតែកើតឡើងនៅពេលយកគំរូតាមគុណភាពនៃផលិតផលដែលផលិតនៅលើការដំឡើងផ្សេងៗគ្នា ឬក្រោមរបបបច្ចេកវិទ្យាផ្សេងៗគ្នា ក្នុងការវិភាគហិរញ្ញវត្ថុ - នៅពេលប្រៀបធៀបកម្រិតនៃប្រាក់ចំណេញនៃទ្រព្យសកម្មផ្សេងៗ។ល។
ចូរយើងបង្កើតបញ្ហា។ អនុញ្ញាតឱ្យមានចំនួនប្រជាជនពីរដែលត្រូវបានកំណត់លក្ខណៈដោយមធ្យោបាយទូទៅ និង និងភាពខុសគ្នាដែលគេស្គាល់ និង។ វាចាំបាច់ក្នុងការសាកល្បងសម្មតិកម្មអំពីសមភាពនៃមធ្យមភាគទូទៅ i.e. := ។ ដើម្បីសាកល្បងសម្មតិកម្ម គំរូឯករាជ្យចំនួនពីរនៃបរិមាណ និងត្រូវបានយកចេញពីចំនួនប្រជាជនទាំងនេះ ដែលមានន័យថានព្វន្ធ និងភាពខុសគ្នានៃគំរូ ហើយត្រូវបានរកឃើញ។ ជាមួយនឹងទំហំសំណាកគំរូធំគ្រប់គ្រាន់ គំរូមានន័យ និងមានច្បាប់ចែកចាយប្រមាណជាធម្មតារៀងៗខ្លួន និង .ប្រសិនបើសម្មតិកម្មជាការពិតភាពខុសគ្នា - មានច្បាប់ចែកចាយធម្មតាជាមួយនឹងការរំពឹងទុកគណិតវិទ្យានិងការបែកខ្ចាត់ខ្ចាយ។
ដូច្នេះនៅពេលដែលសម្មតិកម្មត្រូវបានបំពេញស្ថិតិ
មានការចែកចាយធម្មតាស្តង់ដារ N(0; 1) ។
សាកល្បងសម្មតិកម្មអំពីតម្លៃលេខនៃប៉ារ៉ាម៉ែត្រ
សម្មតិកម្មអំពីតម្លៃលេខកើតឡើងក្នុងបញ្ហាផ្សេងៗ។ សូមឱ្យជាតម្លៃនៃប៉ារ៉ាម៉ែត្រមួយចំនួននៃផលិតផលដែលផលិតដោយម៉ាស៊ីនបន្ទាត់ស្វ័យប្រវត្តិហើយអនុញ្ញាតឱ្យជាតម្លៃបន្ទាប់បន្សំដែលបានផ្តល់ឱ្យនៃប៉ារ៉ាម៉ែត្រនេះ។ ជាការពិតណាស់ តម្លៃបុគ្គលនីមួយៗអាចខុសគ្នាពីតម្លៃមុខដែលបានផ្តល់ឱ្យ។ ជាក់ស្តែង ដើម្បីពិនិត្យមើលការកំណត់ត្រឹមត្រូវនៃម៉ាស៊ីននេះ អ្នកត្រូវប្រាកដថាតម្លៃមធ្យមនៃប៉ារ៉ាម៉ែត្រសម្រាប់ផលិតផលដែលផលិតនៅលើវានឹងត្រូវគ្នាទៅនឹងតម្លៃនាមករណ៍ពោលគឺឧ។ សាកល្បងសម្មតិកម្មប្រឆាំងនឹងជម្រើសមួយ ឬ ឬ
ជាមួយនឹងការកំណត់ដោយបំពាននៃម៉ាស៊ីន វាអាចចាំបាច់ដើម្បីសាកល្បងសម្មតិកម្មថាភាពត្រឹមត្រូវនៃផលិតផលផលិតសម្រាប់ប៉ារ៉ាម៉ែត្រដែលបានផ្តល់ឱ្យដោយការបែកខ្ញែកគឺស្មើនឹងតម្លៃដែលបានផ្តល់ឱ្យពោលគឺឧ។ ឬឧទាហរណ៍ការពិតដែលថាសមាមាត្រនៃផលិតផលខូចដែលផលិតដោយម៉ាស៊ីនគឺស្មើនឹងតម្លៃដែលបានផ្តល់ឱ្យ p 0 , i.e. ល។
បញ្ហាស្រដៀងគ្នាអាចកើតឡើង ជាឧទាហរណ៍ ក្នុងការវិភាគហិរញ្ញវត្ថុ នៅពេលដែលយោងទៅតាមទិន្នន័យគំរូ វាចាំបាច់ក្នុងការបង្កើតថាតើការត្រឡប់មកវិញលើទ្រព្យសកម្មនៃប្រភេទជាក់លាក់ ឬផលប័ត្រនៃមូលបត្រអាចត្រូវបានពិចារណា ឬហានិភ័យរបស់វាស្មើនឹងការផ្ដល់ឱ្យ។ ចំនួន; ឬដោយផ្អែកលើលទ្ធផលនៃការធ្វើសវនកម្មជ្រើសរើសនៃឯកសារស្រដៀងគ្នា អ្នកត្រូវធ្វើឱ្យប្រាកដថាថាតើភាគរយនៃកំហុសដែលបានធ្វើឡើងអាចត្រូវបានចាត់ទុកថាស្មើនឹងតម្លៃមុខ។ល។
ក្នុងករណីទូទៅសម្មតិកម្មនៃប្រភេទនេះមានទម្រង់ដែលជាប៉ារ៉ាម៉ែត្រជាក់លាក់នៃការចែកចាយដែលកំពុងសិក្សានិងជាតំបន់នៃតម្លៃជាក់លាក់របស់វាដែលមាននៅក្នុងករណីជាក់លាក់នៃតម្លៃមួយ។
ការធ្វើតេស្តសម្មតិកម្មស្ថិតិ៖ សម្មតិកម្មនៃមធ្យោបាយស្មើគ្នាសម្រាប់គំរូពីរ
ការងារគឺជាជំនួយនៅក្នុងធម្មជាតិ គួរតែបម្រើជាបំណែកនៃការងារមន្ទីរពិសោធន៍ផ្សេងទៀត។
គ្មានការស្រាវជ្រាវសង្គមវិទ្យាដែលមានសមត្ថភាពអាចធ្វើដោយមិនដាក់ចេញនូវសម្មតិកម្មនោះទេ។ ជាទូទៅ គេអាចនិយាយបានថា គោលដៅចម្បងរបស់វាគឺដើម្បីបដិសេធ ឬបញ្ជាក់ពីការសន្មត់របស់អ្នកស្រាវជ្រាវអំពីការពិតសង្គមដោយផ្អែកលើទិន្នន័យជាក់ស្តែងដែលគាត់បានប្រមូល។ យើងដាក់ចេញនូវសម្មតិកម្ម ប្រមូលទិន្នន័យ និងធ្វើការសន្និដ្ឋានដោយផ្អែកលើសម្ភារៈស្ថិតិ។ ប៉ុន្តែវាគឺជាសង្វាក់សម្មតិកម្ម-ទិន្នន័យ-ការសន្និដ្ឋាននេះដែលមានសំណួរជាច្រើនដែលស្ទើរតែគ្រប់អ្នកស្រាវជ្រាវថ្មីថ្មោងប្រឈមមុខ។ សំណួរចម្បងនៃសំណួរទាំងនេះមានដូចខាងក្រោម៖ របៀបបកប្រែសម្មតិកម្មដែលដាក់ចេញដោយពួកយើងទៅជាភាសាគណិតវិទ្យា ដូច្នេះវាអាចទាក់ទងគ្នាជាមួយអារេស្ថិតិ ហើយដំណើរការដោយប្រើវិធីសាស្រ្តនៃស្ថិតិគណិតវិទ្យា ត្រូវបដិសេធ ឬបញ្ជាក់? នៅទីនេះយើងនឹងព្យាយាមឆ្លើយសំណួរនេះដោយប្រើឧទាហរណ៍នៃការធ្វើតេស្តសម្មតិកម្មអំពីសមភាពនៃមធ្យោបាយ។
ការធ្វើតេស្តសម្មតិកម្មស្ថិតិអំពីសមភាពនៃមធ្យោបាយ
សម្មតិកម្មស្ថិតិសំដៅទៅលើប្រភេទផ្សេងៗនៃការសន្មត់អំពីធម្មជាតិ ឬប៉ារ៉ាម៉ែត្រនៃការចែកចាយអថេរចៃដន្យ ដែលអាចសាកល្បងបានដោយផ្អែកលើលទ្ធផលនៅក្នុងគំរូចៃដន្យមួយ។
វាគួរតែត្រូវបានចងចាំក្នុងចិត្តថាការធ្វើតេស្តសម្មតិកម្មស្ថិតិគឺប្រហែលនៅក្នុងធម្មជាតិ។ ដូចដែលយើងមិនអាចប្រាកដ 100% ថាប៉ារ៉ាម៉ែត្រគំរូណាមួយត្រូវគ្នានឹងប៉ារ៉ាម៉ែត្រចំនួនប្រជាជន យើងមិនអាចនិយាយបានដាច់ខាតថាតើសម្មតិកម្មដែលយើងដាក់ចេញគឺពិតឬមិនពិត។
ដើម្បីសាកល្បងសម្មតិកម្មស្ថិតិ អ្នកត្រូវការដូចខាងក្រោម៖
1. បំប្លែងសម្មតិកម្មដែលមានអត្ថន័យទៅជាស្ថិតិ៖ បង្កើតសម្មតិកម្មស្ថិតិជាមោឃៈ និងជំនួស។
2. កំណត់ភាពអាស្រ័យ ឬគំរូឯករាជ្យរបស់យើង។
3. កំណត់បរិមាណសំណាក។
4. ជ្រើសរើសលក្ខណៈវិនិច្ឆ័យមួយ។
5. ជ្រើសរើសកម្រិតសារៈសំខាន់ដែលគ្រប់គ្រងប្រូបាប៊ីលីតេដែលអាចទទួលយកបាននៃកំហុសប្រភេទ I និងកំណត់ជួរនៃតម្លៃដែលអាចទទួលយកបាន។
7. បដិសេធ ឬទទួលយកសម្មតិកម្មគ្មានន័យ។
ឥឡូវនេះសូមក្រឡេកមើលចំណុចនីមួយៗនៃប្រាំមួយចំណុចឱ្យលម្អិតបន្ថែមទៀត។
សេចក្តីថ្លែងការណ៍នៃសម្មតិកម្ម
នៅក្នុងបញ្ហាស្ថិតិ ជារឿយៗចាំបាច់ត្រូវប្រៀបធៀបមធ្យោបាយនៃគំរូពីរផ្សេងគ្នា។ . ជាឧទាហរណ៍ យើងអាចចាប់អារម្មណ៍លើភាពខុសគ្នានៃប្រាក់ខែជាមធ្យមរបស់បុរស និងស្ត្រី អាយុជាមធ្យមនៃក្រុមមួយចំនួន<А>និង<В>ល។ ឬដោយបង្កើតក្រុមពិសោធន៍ឯករាជ្យពីរ យើងអាចប្រៀបធៀបមធ្យោបាយរបស់ពួកគេដើម្បីមើលថាតើខុសគ្នាយ៉ាងណា និយាយថាឥទ្ធិពលនៃថ្នាំពីរផ្សេងគ្នាលើសម្ពាធឈាមគឺ ឬទំហំក្រុមប៉ះពាល់ដល់ថ្នាក់របស់សិស្ស។ ជួនកាលវាកើតឡើងដែលយើងបែងចែកចំនួនប្រជាជនជាពីរក្រុមជាគូ ពោលគឺយើងកំពុងទាក់ទងជាមួយកូនភ្លោះ គូស្វាមីភរិយា ឬមនុស្សដូចគ្នាមុន និងក្រោយការពិសោធន៍មួយចំនួន។ល។ ដើម្បីធ្វើឱ្យវាកាន់តែច្បាស់ សូមក្រឡេកមើលឧទាហរណ៍ធម្មតា ដែលលក្ខណៈវិនិច្ឆ័យផ្សេងៗសម្រាប់សមភាពនៃមធ្យោបាយត្រូវបានអនុវត្ត។
ឧទាហរណ៍ #1 ។ក្រុមហ៊ុនបានបង្កើតថ្នាំពីរផ្សេងគ្នាដែលបន្ថយសម្ពាធឈាម (សូមហៅពួកគេថាថ្នាំ Xនិង យ) ហើយចង់ដឹងថាតើឥទ្ធិពលនៃថ្នាំទាំងនេះខុសគ្នាឬអត់ចំពោះអ្នកជំងឺលើសឈាម។ ក្នុងចំណោមមនុស្ស 50 នាក់ដែលមានជំងឺដែលត្រូវគ្នានោះ 20 នាក់ត្រូវបានជ្រើសរើសដោយចៃដន្យ ហើយ 20 នាក់នេះត្រូវបានបែងចែកដោយចៃដន្យជាពីរក្រុមនៃមនុស្ស 10 នាក់។ ក្រុមទី 1 ប្រើថ្នាំរយៈពេលមួយសប្តាហ៍ Xទីពីរ - ថ្នាំ យ. បន្ទាប់មកសម្ពាធឈាមត្រូវបានវាស់នៅក្នុងអ្នកជំងឺទាំងអស់។ សម្មតិកម្មសំខាន់ៗបានដាក់ចេញ៖ ថ្នាំ X និង Y មានឥទ្ធិពលខុសៗគ្នាលើសម្ពាធឈាមរបស់អ្នកជំងឺ.
ឧទាហរណ៍ #2 ។អ្នកស្រាវជ្រាវចង់ដឹងថាតើរយៈពេលនៃការបង្រៀនប៉ះពាល់ដល់ដំណើរការសិស្សយ៉ាងដូចម្តេច។ ឧបមាថាគាត់បានជ្រើសរើសផ្លូវដូចខាងក្រោមៈ ក្នុងចំណោមសិស្ស 200 នាក់ គាត់បានជ្រើសរើសមនុស្ស 50 នាក់ដោយចៃដន្យ ហើយតាមដានការវិវត្តរបស់ពួកគេក្នុងរយៈពេលមួយខែ។ បន្ទាប់មកគាត់បានបន្តការបង្រៀនរយៈពេល 10 នាទី ហើយនៅខែបន្ទាប់បានពិនិត្យមើលវឌ្ឍនភាពរបស់សិស្ស 50 នាក់ដូចគ្នា។ បន្ទាប់មក លោកបានប្រៀបធៀបលទ្ធផលរបស់សិស្សម្នាក់ៗមុន និងក្រោយការបង្កើនរយៈពេលបង្រៀន។ សម្មតិកម្មសំខាន់ៗបានដាក់ចេញ៖ រយៈពេលនៃការបង្រៀនប៉ះពាល់ដល់ការអនុវត្តរបស់សិស្ស.
ឧទាហរណ៍ #3 ។ក្នុងចំណោមសិស្ស 200 នាក់ មនុស្ស 80 នាក់ត្រូវបានជ្រើសរើសដោយចៃដន្យ ហើយមនុស្ស 80 នាក់នេះត្រូវបានបែងចែកជាពីរក្រុម 40 ។ ក្រុមមួយត្រូវបានសួរសំណួរដោយមិនកំណត់:<Сколько вы готовы заплатить за натуральный йогурт?>ហើយក្រុមទីពីរត្រូវបានសួរសំណួរអំពីការដំឡើង៖<Сколько вы готовы заплатить за натуральный йогурт, если известно, что люди, потребляющие йогуртовые культуры, страдают на 10-15% меньше от заболеваний желудка?>អ្នកស្រាវជ្រាវបានសន្មត់ថាព័ត៌មានវិជ្ជមានអំពីផលិតផលដែលមាននៅក្នុងសំណួរទីពីរនឹងមានឥទ្ធិពលលើអ្នកឆ្លើយសំណួរ ហើយអ្នកដែលឆ្លើយសំណួរជាមួយនឹងការដំឡើងនឹងសុខចិត្តចំណាយប្រាក់ច្រើនជាងសម្រាប់ទឹកដោះគោជូរជាងអ្នកដែលត្រូវបានសួរសំណួរដោយគ្មានការដំឡើង។ សម្មតិកម្មសំខាន់ៗបានដាក់ចេញ៖ ការដាក់សំណួរមានឥទ្ធិពលលើការឆ្លើយតបរបស់អ្នកឆ្លើយ.
មុនពេលយើងគឺជាឧទាហរណ៍បី ដែលនីមួយៗបង្ហាញពីការបង្កើតសម្មតិកម្មដ៏មានអត្ថន័យ។ ឥឡូវនេះ ចូរយើងបំប្លែងសម្មតិកម្មដែលមានអត្ថន័យរបស់យើងទៅជាស្ថិតិ ប៉ុន្តែជាដំបូង សូមនិយាយបន្តិចអំពីសម្មតិកម្មស្ថិតិជាទូទៅ។
វិធីសាស្រ្តទូទៅបំផុតក្នុងការបង្កើតសម្មតិកម្មស្ថិតិគឺត្រូវដាក់ទៅមុខពីរ សម្មតិកម្មទ្វេភាគី:
ដូចដែលអាចមើលឃើញពីរូបមន្ត សម្មតិកម្ម null និយាយថា ប៉ារ៉ាម៉ែត្រគំរូមួយចំនួន ឬនិយាយថា ភាពខុសគ្នារវាងប៉ារ៉ាម៉ែត្រនៃគំរូពីរគឺស្មើនឹងចំនួនជាក់លាក់មួយ។ ក. សម្មតិកម្មជំនួសបញ្ជាក់ផ្ទុយពីនេះ៖ ប៉ារ៉ាម៉ែត្រនៃការចាប់អារម្មណ៍ចំពោះយើងមិនស្មើនឹង ក. ដូច្នេះសម្មតិកម្មទាំងពីរនេះមានលទ្ធផលដែលអាចកើតមានទាំងអស់។
វាក៏អាចធ្វើទៅបានដើម្បីបង្កើត សម្មតិកម្មម្ខាង:
ជួនកាលសម្មតិកម្មបែបនេះប្រែទៅជាមានន័យជាង។ ជាធម្មតាពួកវាកើតឡើងនៅពេលដែលប្រូបាប៊ីលីតេដែលប៉ារ៉ាម៉ែត្ររបស់យើងអាចធំជាង (ឬតិចជាង) កគឺសូន្យ ដែលមានន័យថាវាមិនអាចទៅរួចទេ។
ឥឡូវនេះ យើងបង្កើតសម្មតិកម្មស្ថិតិជាមោឃៈ និងជំនួសសម្រាប់ឧទាហរណ៍បីរបស់យើង។
តារាងលេខ 1 ។
ឧទាហរណ៍ #1 |
ឧទាហរណ៍ #2 |
ឧទាហរណ៍ #3 |
|
ថ្នាំ X និង Y មានឥទ្ធិពលខុសៗគ្នាលើសម្ពាធឈាមចំពោះអ្នកជំងឺ |
រយៈពេលនៃការបង្រៀនប៉ះពាល់ដល់ការអនុវត្តរបស់សិស្ស |
ការសួរសំណួរមានឥទ្ធិពលលើការឆ្លើយតបរបស់អ្នកឆ្លើយ |
|
ភារកិច្ចរបស់អ្នកស្រាវជ្រាវ |
4. ស្វែងរកមធ្យមនព្វន្ធនៃភាពខុសគ្នាសម្រាប់សិស្សទាំងអស់ដែលតំណាងឱ្យ | ||
សម្មតិកម្មគ្មានន័យ | |||
អត្ថន័យនៃសម្មតិកម្ម null |
និងមធ្យមភាគនៃប្រជាជនទូទៅ ដែលសំណាកដែលមានមធ្យមភាគត្រូវបានគេយក។ សម្មតិកម្មគ្មានន័យនិយាយថាឥទ្ធិពលនៃថ្នាំទាំងពីរលើសម្ពាធគឺមិនសំខាន់ជាមធ្យម ហើយទោះបីជាមធ្យោបាយគំរូមិនស្មើគ្នាក៏ដោយ នេះគឺដោយសារតែកំហុសគំរូ ឬហេតុផលផ្សេងទៀតដែលលើសពីការគ្រប់គ្រងរបស់យើង។ |
ភាពខុសគ្នារវាងសិស្សានុសិស្សក្នុងប្រជាជនទូទៅ។ សម្មតិកម្ម null និយាយថា តាមពិតវាមិនមានភាពខុសប្លែកគ្នារវាងពិន្ទុមធ្យមរបស់សិស្សមុន និងក្រោយការបង្កើនរយៈពេលនៃការបង្រៀននោះទេ ហើយបើទោះបីជាគំរូមធ្យមនៃភាពខុសគ្នាខុសគ្នាពីសូន្យក៏ដោយ នេះគឺដោយសារតែកំហុសគំរូ ឬ ហេតុផលផ្សេងទៀតលើសពីការគ្រប់គ្រងរបស់យើង។ |
ដោយសារវាដូចគ្នានឹងឧទាហរណ៍លេខ 1 ការពន្យល់អាចត្រូវបានរកឃើញនៅក្នុងជួរឈរដំបូង (មើលឧទាហរណ៍ 1) |
សម្មតិកម្មជំនួស | |||
សេចក្តីសន្និដ្ឋានទាក់ទងនឹងសម្មតិកម្មខ្លឹមសារ |
ប្រសិនបើយើងទទួលយកសម្មតិកម្មគ្មានន័យថាថ្នាំមានឥទ្ធិពលដូចគ្នា (មិនមានភាពខុសគ្នារវាងមធ្យោបាយ) នោះយើងបដិសេធសម្មតិកម្មខ្លឹមសារ បើមិនដូច្នេះទេ យើងទទួលយកសម្មតិកម្មខ្លឹមសារ |
ប្រសិនបើយើងទទួលយកសម្មតិកម្មទុកជាមោឃៈដែលថារយៈពេលបង្រៀនមិនប៉ះពាល់ដល់ការអនុវត្តនោះ យើងបដិសេធសម្មតិកម្មខ្លឹមសារ ហើយផ្ទុយមកវិញ |
ប្រសិនបើយើងទទួលយកសម្មតិកម្មគ្មានន័យ - សំណួរមិនប៉ះពាល់ដល់ជម្រើសរបស់អ្នកឆ្លើយតបទេ នោះយើងបដិសេធសម្មតិកម្មខ្លឹមសារ និងច្រាសមកវិញ។ |
ករណីដ៏សាមញ្ញបំផុតមួយនៃការធ្វើតេស្តសម្មតិកម្មស្ថិតិគឺការធ្វើតេស្តសម្រាប់សមភាពរវាងមធ្យមភាគប្រជាជន និងតម្លៃដែលបានផ្តល់ឱ្យមួយចំនួន។ តម្លៃដែលបានផ្តល់ឱ្យគឺជាចំនួនថេរមួយចំនួន µ 0 ដែលទទួលបាន មិនមែនមកពីការជ្រើសរើសទេ។ទិន្នន័យ។ សម្មតិកម្មមានដូចខាងក្រោម។
Н 0: µ = µ 0 – សម្មតិកម្ម null ចែងថាចំនួនប្រជាជនមិនស្គាល់មានន័យថា µ គឺពិតជាស្មើនឹងតម្លៃដែលបានផ្តល់ឱ្យ µ 0 ។
H 1: µ µ 0 - សម្មតិកម្មជំនួសចែងថាចំនួនប្រជាជនមិនស្គាល់មានន័យថា µ មិនស្មើនឹងតម្លៃដែលបានផ្តល់ឱ្យ µ 0 ។
សូមកត់សម្គាល់ថា ពិតជាមានលេខបីខុសគ្នាដែលពាក់ព័ន្ធនឹងតម្លៃមធ្យម៖
§ µ គឺជាចំនួនប្រជាជនដែលមិនស្គាល់មានន័យថាអ្នកចាប់អារម្មណ៍។
§ µ 0 - បានផ្តល់ឱ្យតម្លៃធៀបនឹងសម្មតិកម្មដែលកំពុងត្រូវបានសាកល្បង;
§ - មធ្យោបាយគំរូដែលគេស្គាល់ ដែលត្រូវបានប្រើដើម្បីធ្វើការសម្រេចចិត្តលើការទទួលយកសម្មតិកម្ម។ ក្នុងចំណោមលេខទាំងបីនេះ មានតែតម្លៃនេះប៉ុណ្ណោះដែលជាអថេរចៃដន្យ ព្រោះវាត្រូវបានគណនាពីទិន្នន័យគំរូ។ បានកត់សម្គាល់ឃើញថា គឺជាការប៉ាន់ស្មាន ហើយដូច្នេះតំណាងឱ្យ µ ។
ការធ្វើតេស្តសម្មតិកម្មមាននៅក្នុងការប្រៀបធៀបតម្លៃដែលគេស្គាល់ពីរ និង µ 0 ។ ប្រសិនបើតម្លៃទាំងនេះខុសគ្នាច្រើនជាងការរំពឹងទុកដោយចៃដន្យ នោះសម្មតិកម្ម null µ = µ 0 ត្រូវបានច្រានចោលព្រោះវាផ្តល់ព័ត៌មានអំពីមធ្យោបាយមិនស្គាល់ µ ។ ប្រសិនបើតម្លៃ និង µ 0 នៅជិតគ្នាគ្រប់គ្រាន់ នោះសម្មតិកម្ម null µ = µ 0 ត្រូវបានទទួលយក។ ប៉ុន្តែតើ "តម្លៃនៅជិត" មានន័យដូចម្តេច? តើព្រំដែនដែលត្រូវការនៅឯណា? ភាពជិតត្រូវតែត្រូវបានកំណត់ដោយផ្អែកលើតម្លៃ ចាប់តាំងពីកំហុសស្តង់ដារនេះកំណត់កម្រិតនៃភាពចៃដន្យ។ ដូច្នេះប្រសិនបើ និង µ 0 ត្រូវបានបំបែកចេញពីគ្នាទៅវិញទៅមកដោយចំនួនគ្រប់គ្រាន់នៃកំហុសស្តង់ដារ នោះនេះគឺជាភស្តុតាងដ៏គួរឱ្យជឿជាក់ដែលថា µ មិនស្មើនឹង µ 0 ។
មាន ពីរវិធីសាស្រ្តផ្សេងៗសម្រាប់សាកល្បងសម្មតិកម្ម និងទទួលបានលទ្ធផល។ ដំបូងវិធីសាស្រ្តប្រើចន្លោះពេលទំនុកចិត្តដែលបានពិភាក្សានៅក្នុងជំពូកមុន។ នេះជាវិធីសាស្រ្តងាយស្រួលជាងព្រោះ (ក) អ្នកដឹងពីរបៀបបង្កើត និងបកស្រាយចន្លោះពេលទំនុកចិត្ត ហើយ (ខ) ចន្លោះពេលទំនុកចិត្តគឺត្រង់ក្នុងការបកស្រាយព្រោះវាត្រូវបានបង្ហាញក្នុងឯកតាដូចគ្នាទៅនឹងទិន្នន័យ (ឧ. ដុល្លារ ចំនួននៃ មនុស្ស, ចំនួននៃការបំបែក) ។ ទីពីរវិធីសាស្រ្ត (ផ្អែកលើ t-ស្ថិតិ) មានលក្ខណៈប្រពៃណីជាង ប៉ុន្តែមិនសូវមានភាពវិចារណញាណទេ ព្រោះវាមាននៅក្នុងការគណនាសូចនាករដែលមិនត្រូវបានវាស់វែងក្នុងឯកតាដូចគ្នានឹងទិន្នន័យ ដោយប្រៀបធៀបតម្លៃលទ្ធផលជាមួយនឹងតម្លៃដែលត្រូវគ្នា។ រិះគន់តម្លៃពីតារាង t ហើយបន្ទាប់មកធ្វើការសន្និដ្ឋាន។
ពិនិត្យមើលថាតើមធ្យមភាគស្មើនឹងតម្លៃជាក់លាក់ឬអត់។
សំណាកគំរូត្រូវបានដកចេញពីចំនួនប្រជាជនដែលមានការចែកចាយធម្មតា ទិន្នន័យគឺឯករាជ្យ។
តម្លៃលក្ខណៈវិនិច្ឆ័យត្រូវបានគណនាដោយរូបមន្ត៖
ដែល N ជាទំហំគំរូ;
S 2 - ភាពខុសគ្នានៃគំរូជាក់ស្តែង;
A - តម្លៃប៉ាន់ស្មាននៃតម្លៃមធ្យម;
X គឺជាតម្លៃមធ្យម។
ចំនួនដឺក្រេនៃសេរីភាពសម្រាប់ t-test V = n-1 ។
សូន្យ សម្មតិកម្មថ្មី។
H 0: X \u003d A ទល់នឹង H A: X≠A។ សម្មតិកម្មគ្មានន័យអំពីសមភាពនៃមធ្យោបាយត្រូវបានច្រានចោល ប្រសិនបើតម្លៃដាច់ខាតនៃតម្លៃលក្ខណៈវិនិច្ឆ័យគឺធំជាង α/2% ខាងលើនៃចំណុចនៃការចែកចាយ t ដែលយកដោយ V ដឺក្រេនៃសេរីភាព នោះគឺជាពេលដែល │t│ > t vα/2 ។
H 0: X< А против Н А: X >A. សម្មតិកម្មគ្មានន័យត្រូវបានច្រានចោល ប្រសិនបើតម្លៃលក្ខណៈវិនិច្ឆ័យធំជាងចំណុច α% ខាងលើនៃការចែកចាយ t ដែលយកដោយ V ដឺក្រេនៃសេរីភាព នោះគឺជាពេលដែល │t│> t vα ។
H 0: X>A ទល់នឹង H A: X< А. Нулевая гипотеза отвергается, если критериальное значение меньше нижней α% точки t-распределения, взятого с V степенями свободы.
លក្ខណៈវិនិច្ឆ័យមានស្ថេរភាពសម្រាប់គម្លាតតូចពីការចែកចាយធម្មតា។
ឧទាហរណ៍
ពិចារណាឧទាហរណ៍ដែលបង្ហាញក្នុងរូបភព។ ៥.១០. ឧបមាថាយើងត្រូវសាកល្បងសម្មតិកម្មថា មធ្យមគំរូ (ក្រឡា ១២៣:១៣០) ស្មើនឹង ០.០១២។
ដំបូងយើងរកឃើញមធ្យមគំរូ (=AVERAGE(123:130) ក្នុង I31) និងបំរែបំរួល (=VAR(I23:I30) ក្នុង I32)។ បន្ទាប់ពីនោះ យើងគណនាលក្ខណៈវិនិច្ឆ័យ (=(131-0.012)*ROOT(133)/132) និងតម្លៃសំខាន់ (=STEUDRASP(0.025;133-1))។ ដោយសារតម្លៃលក្ខណៈវិនិច្ឆ័យ (24.64) ធំជាងតម្លៃសំខាន់ (2.84) សម្មតិកម្មនៃសមភាពនៃមធ្យមភាគ 0.012 ត្រូវបានច្រានចោល។
រូបភាព 5.10 ការប្រៀបធៀបតម្លៃមធ្យមជាមួយតម្លៃថេរ
1. សាកល្បងសម្មតិកម្មអំពីមធ្យោបាយ និងបំរែបំរួលដោយប្រើតេស្តប៉ារ៉ាម៉ែត Fisher និង Cochran (តារាង 5.4);
2. សាកល្បងសម្មតិកម្មអំពីសមភាពនៃមធ្យោបាយជាមួយនឹងការប្រែប្រួលមិនស្មើគ្នានៃគំរូ (សម្រាប់នេះ យកតម្លៃ 1 ឬ 2 នៅក្នុងគំរូមួយនៃកំណែរបស់អ្នក) (តារាង 5.4);
3. ពិនិត្យមើលសម្មតិកម្មដែលជាមធ្យមស្មើនឹងតម្លៃដែលបានផ្តល់ឱ្យ A (តារាង 5.5) និងទិន្នន័យពីជួរទី 1 សម្រាប់វ៉ារ្យ៉ង់។
តារាង 5.4
ជម្រើសភារកិច្ច
ទិន្នន័យពិសោធន៍ | |||||||||
ជម្រើស | |||||||||
2,3 | 2,6 | 2,2 | 2,1 | 2,5 | 2,6 | ||||
1,20 | 1,42 | 17,3 | 23,5 | 2,37 | 2,85 | 35,2 | 26,1 | 2,1 | 2,6 |
5,63 | 5,62 | 26,1 | 27,0 | 5,67 | 2,67 | 35,9 | 25,8 | 5,1 | 5,63 |
2,34 | 2,37 | 23,9 | 23,3 | 2,35 | 2,34 | 33,6 | 23,8 | 2,34 | 2,38 |
7,71 | 7,90 | 28,0 | 25,2 | 2,59 | 2,58 | 35,7 | 26,0 | 7,63 | 7,6,1 |
1,2 | 1,6 | 1,7 | 2,6 | 1,9 | 2,8 | ||||
1,13 | 1,15 | 21,6 | 21,2 | 2,13 | 2,16 | 31,7 | 1,12 | 1,12 | |
1,45 | 1,47 | 24,7 | 24,8 | 2,45 | 2,47 | 34,8 | 24,5 | 1,49 | 1,45 |
3,57 | 3,59 | 25,9 | 25,7 | 2,55 | 2,59 | 36,0 | 25,7 | 3,58 | 3,58 |
3,3 | 3,6 | 2,5 | 2,4 | 3,4 | 3,5 | ||||
ទិន្នន័យពិសោធន៍ | |||||||||
ជម្រើស | |||||||||
7,3 | 7,6 | 12,2 | 12,1 | 3,5 | 4,6 | ||||
6,20 | 6,42 | 217,3 | 230,5 | 12,37 | 12,85 | 75,2 | 86,1 | 3,1 | 4,6 |
7,63 | 5,62 | 264,1 | 278,0 | 15,67 | 14,67 | 75,9 | 75,8 | 5,1 | 5,63 |
6,34 | 5,37 | 233,9 | 236,3 | 12,35 | 12,34 | 73,6 | 73,8 | 3,34 | 4,38 |
7,71 | 7,90 | 281,0 | 255,2 | 12,59 | 12,58 | 85,7 | 86,0 | 3,63 | 4,6,1 |
6,2 | 6,6 | 11,7 | 12,6 | 3,9 | 4,8 | ||||
4,13 | 4,15 | 251,6 | 261,2 | 12,13 | 12,16 | 71,7 | 5,12 | 4,12 | |
5,45 | 6,47 | 244,7 | 247,8 | 12,45 | 12,47 | 74,8 | 84,5 | 3,49 | 4,45 |
5,57 | 5,59 | 250,9 | 255,7 | 12,55 | 12,59 | 86,0 | 85,7 | 3,58 | 3,58 |
5,3 | 5,6 | 12,5 | 12,4 | 3,4 | 3,5 |
តារាង 5.5
តម្លៃមួយ។
ជម្រើស | |||||||||
2,2 | 2,2 | 2,2 | 6,5 | 12,2 | 3,5 |
អ្នកអាចប្រើទិន្នន័យពិសោធន៍របស់អ្នកជាទិន្នន័យដំបូងនៅក្នុងកិច្ចការ។
របាយការណ៍គួរតែមានការគណនានៃលក្ខណៈស្ថិតិ។
សំណួរសាកល្បង៖
1. តើបញ្ហាស្ថិតិអ្វីខ្លះត្រូវបានដោះស្រាយនៅក្នុងការសិក្សាអំពីដំណើរការបច្ចេកវិជ្ជានៅក្នុងឧស្សាហកម្មម្ហូបអាហារ?
2. តើលក្ខណៈស្ថិតិនៃអថេរចៃដន្យប្រៀបធៀបយ៉ាងដូចម្តេច?
3. កម្រិតសារៈសំខាន់ និងកម្រិតទំនុកចិត្តជាមួយនឹងភាពជឿជាក់នៃការវាយតម្លៃទិន្នន័យពិសោធន៍។
4. តើសម្មតិកម្មស្ថិតិត្រូវបានសាកល្បងដោយរបៀបណា ដោយប្រើតេស្តសមភាពល្អ?
5. តើអ្វីកំណត់អំណាចនៃភាពល្អនៃលក្ខណៈវិនិច្ឆ័យសមសម្រាប់ការវិភាគនៃគំរូពិសោធន៍?
6. តើការជ្រើសរើសលក្ខណៈវិនិច្ឆ័យសម្រាប់ការដោះស្រាយបញ្ហានៃការវិភាគនៃដំណើរការបច្ចេកវិជ្ជានៃការផលិតចំណីអាហារយ៉ាងដូចម្តេច?
7. តើការចាត់ថ្នាក់នៃលក្ខខណ្ឌនៃកិច្ចព្រមព្រៀងសម្រាប់ការវិភាគគំរូនៃលទ្ធផលនៃការសិក្សានៃដំណើរការបច្ចេកវិជ្ជានៃការផលិតចំណីអាហារត្រូវបានអនុវត្តយ៉ាងដូចម្តេច?
8. តើតម្រូវការអ្វីខ្លះសម្រាប់ការយកគំរូតាមលទ្ធផលនៃការស្រាវជ្រាវលើដំណើរការបច្ចេកវិជ្ជាសម្រាប់ផលិតអាហារ?