RQuesT Research Services and Training

14/03/2026

14/03/2026

အရင်အပတ်တွေက ပြောပြခဲ့တဲ့ Basic Graph and plot တွေကိုသုံးပြီး Exploratory data analysis ကို လုပ်ပြထားပါတယ်။တပုံချင်းကြည့်ကြည့်ပါဦး။

04/03/2026

"တိုက်ဆိုင်မှုရှိရင်ခွင့်လွှတ်ပါ"

🤝 အဘတို့နဲ့ ကျွန်တော် ပေါင်းကြံထားတာ မဟုတ်ဘူးနော်။ ဒါပေမဲ့ EV တွေကတော့ အခုချိန်မှာ တကယ့် VIP တွေ ဖြစ်သွားပါပြီ။

🔮 တားရော့မဟောတတ်ပေမယ့် ကျွန်တော်တင်ခဲ့တဲ့ Data တွေကတော့ အဘတို့ရဲ့ အစီအမံနဲ့ ကွက်တိပဲ မဟုတ်လား။

🚗 အခုမှတော့ စုံနံပါတ်ကားရော မနံပါတ်ကားပါ ရောင်းပြီး အဘတို့ရောင်းတဲ့ EV ပဲ ပြောင်းစီးကြတော့လေ။

#စုံမ


#တားရော့

02/03/2026

Relationship တစ်ခုရဲ့ အတက်အကျကို Scatter Plot နဲ့ တိုင်းတာကြည့်ရအောင်
===================
သူ(မ)နဲ့ Relationship ချိတ်ချင်နေပြီလား? 💓
တစ်ယောက်နဲ့တစ်ယောက် သိလာတာလည်း ကြာပြီ၊
စကားတွေလည်း အများကြီး ပြောဖြစ်နေပြီ။
ဒါပေမဲ့ ကိုယ့်အခြေအနေက "Friendzone" ထဲမှာပဲလား၊
ဒါမှမဟုတ် "အဆင့်တက်" ဖို့ နီးစပ်နေပြီလားဆိုတာ ဝေခွဲမရဖြစ်နေရင်...
Scatter plot က ကူညီပေးနိုင်ပါတယ်နော်။
_________________________
ဒီနေ့မှာတော့ Relationship တွေရဲ့ အနိမ့်အမြင့်၊ အတက်အကျကို မြင်သာအောင် ပြပေးနိုင်တဲ့ Scatter Plot အကြောင်းကို အရင်တစ်ခေါက်က ပြောပြခဲ့တဲ့ Qatar နိုင်ငံရဲ့ ကားဈေးကွက်ဒေတာ (Qatar Car Data) ကိုပဲ နမူနာသုံးပြီး "ဈေးနှုန်းနဲ့ အမြန်နှုန်း" ဘယ်လိုချိတ်ဆက်နေလဲဆိုတာ ဆက်လက်ရှင်းပြပေးသွားပါမယ်။
______________________
📊 Scatter Plot ဆိုတာ ဘာလဲ
==================
ရိုးရိုးလေးပါပဲ။ Variable (အချက်အလက်) နှစ်ခုကို Horizontal (X-axis) နဲ့ Vertical (Y-axis) မှာ ထားပြီး သူတို့ဆုံတဲ့နေရာမှာ အစက်ကလေး (Data Point) တစ်စက် ချလိုက်တာပါ။ အဲဒီအစက်တွေ စုပုံလာတဲ့ ပုံစံကိုကြည့်ပြီး Relationship ရှိ၊ မရှိ ဆုံးဖြတ်နိုင်ပါတယ်။

Positive Relationship: အစက်တွေက ညာဘက်အပေါ်ကို တက်သွားရင် (တစ်ခုတိုးရင် နောက်တစ်ခုပါ လိုက်တိုးတာမျိုး)။

Negative Relationship: အစက်တွေက ညာဘက်အောက်ကို ဆင်းသွားရင် (တစ်ခုတိုးရင် နောက်တစ်ခုက လျော့သွားတာမျိုး)။

No Relationship: အစက်တွေက ဘာပုံစံမှမရှိဘဲ ဟိုတစ်စ ဒီတစ်စ ပြန့်ကျဲနေရင်တော့ သူတို့ကြားမှာ ပတ်သက်မှု (relationship) မရှိဘူးလို့ ဆိုနိုင်ပါတယ်။
_____________
🚗 Case Study: ဈေးကြီးတဲ့ကားတွေက ပိုမြန်သလား?
===============================
ကျွန်တော်တို့ Qatar ကားဈေးကွက်က ဒေတာတွေကို ကြည့်ရအောင်။ ဒီနေရာမှာ
-ကားဈေးနှုန်း (Log-Price)
-Performance (0-100 km/h တက်ဖို့ ကြာချိန် - Seconds)
Variable နှစ်ခုကို ယှဉ်ကြည့်ပါမယ်

မှတ်ချက်: ဈေးနှုန်းတွေကို Log Scale နဲ့ ပြောင်းကြည့်တာက ဒေတာတွေ အရမ်းမကွာဟဘဲ မျှမျှတတ မြင်ရအောင်လို့ပါ။
______________
📉 Negative Correlation (ပြောင်းပြန် ဆက်နွယ်မှု)
=========================
ဒေတာတွေကို Scatter Plot ဆွဲလိုက်တဲ့အခါ ထူးခြားတဲ့ ပုံစံတစ်ခု ထွက်လာပါတယ်။ အစက်ကလေးတွေက ဘယ်ဘက်အပေါ်ကနေ ညာဘက်အောက်ကို စောင်းပြီး ဆင်းသွားတာကို တွေ့ရပါလိမ့်မယ်။ဒါကို Negative Correlation လို့ ခေါ်ပါတယ်။ကားဈေးနှုန်း (Price) မြင့်တက်လာလေလေ...0 to 100 km/h ရောက်ဖို့ ကြာချိန် (Seconds) က နည်းသွားလေလေ...

ဆိုလိုတာက "ဈေးကြီးတဲ့ကား ဝယ်နိုင်လေလေ၊ မင်းပိုမြန်မြန်နင်းလို့ရလေ ကားကပိုဆွဲလေပဲ" ဆိုတဲ့ သဘောတရားပါ။ အသေးစိတ်ကို တပုံချင်းထောက်ကြည့်ပေးပါဦး။
__________________

❤️ Relationship နဲ့ ဘာဆိုင်လဲ?Relationship တစ်ခုမှာလည်း Negative Correlation ရှိတတ်ပါတယ်။ ဥပမာ - တစ်ယောက်နဲ့တစ်ယောက် "အားနာမှု" တွေ အရမ်းများနေရင် "ပွင့်လင်းမှု" က နည်းသွားတတ်တာမျိုးပေါ့။ Scatter Plot သာ ဆွဲကြည့်လိုက်ရင် ဒီ Relationship က ရှေ့ဆက်ဖို့ အလားအလာ ရှိ၊ မရှိ ဒေတာက အဖြေပေးပါလိမ့်မယ်။
_________________________
အနှစ်ချုပ်ရရင် -Scatter Plot ဆိုတာ ဒေတာအစက်ကလေးတွေသက်သက် မဟုတ်ပါဘူး။ သူတို့ကြားက နက်ရှိုင်းတဲ့ ပတ်သက်မှု (Relationship) တွေကို ဖော်ပြပေးတဲ့ မှန်ဘီလူးတစ်ခုပါ။သင်ရော... ကိုယ့်ရဲ့ Relationship အခြေအနေကို Scatter Plot ဆွဲကြည့်ရင် ဘယ်လိုထွက်လာမယ် ထင်သလဲ? ကော်မန့်မှာ ပြောခဲ့ကြပါဦး! 👇

26/02/2026

Line Graph အကြောင်းသိကောင်းစရာ ၁

မျဉ်းကြောင်းလေးတစ်ကြောင်းရဲ့ လျှို့ဝှက်ချက်
ကားတစ်စီးရဲ့ ဈေးနှုန်း၊ အင်ဂျင်ပါဝါနဲ့ အင်ဂျင်အမျိုးအစား (လျှပ်စစ်လား၊ ဓာတ်ဆီလား) ဆိုတဲ့ အချက်အလက်တွေ အများကြီးကို ပုံစံကားတစ်ချပ်တည်းမှာ ရှင်းရှင်းလင်းလင်း မြင်နိုင်ဖို့ဆိုရင် Bar Chart တွေ၊ Boxplot တွေက အဖြေမဟုတ်တော့ပါဘူး။ ဒီနေရာမှာ Line Graph က ဘယ်လောက်တောင် အစွမ်းထက်ပြီး အလုပ်ဖြစ်တယ်ဆိုတာ ခဲတံတစ်ချောင်း၊ မျဉ်းကြောင်းတစ်ကြောင်းနဲ့ သက်သေပြလိုက်ရအောင်။

ကျွန်တော်တို့ တော်တော်များများဟာ ဒေတာ ဆိုရင် စိတ်ပျက်စရာကောင်းတဲ့ ကိန်းဂဏန်းတွေ အများကြီးပါတဲ့ ဇယားကြီးတွေကိုပဲ ပြေးမြင်တတ်ကြပါတယ်။ ဒါပေမဲ့ တကယ်တမ်း ဒေတာဆိုတာ ခြောက်ကပ်ကပ် ဂဏန်းတွေတင် မဟုတ်ပါဘူး။ သူတို့မှာ ပြောပြချင်တဲ့ “ဦးတည်ချက် အလားအလာ” တွေ ရှိပါတယ်။ အဲဒါကို အလွယ်ကူဆုံးနဲ့ အရှင်းလင်းဆုံး ဖတ်ပြနိုင်တဲ့ နည်းလမ်းကတော့ Line Graph (မျဉ်းပြဂရပ်) ပဲ ဖြစ်ပါတယ်။

ဒီနေ့မှာတော့ Line Graph တွေကို ဘယ်လိုအသုံးချမလဲ၊ ဘာကြောင့် သူတို့က တခြားဂရပ်တွေထက် ပိုပြီး အမြင်စူးရှသလဲဆိုတာကို Qatar car dataset ကိုပဲ သုံးပြီး အတူတူ လေ့လာကြည့်ကြရအောင်။

Line Graph ကို ဘယ်လိုဖတ်မလဲ? (The Art of Interpretation)
Line Graph တစ်ခုကို ကြည့်လိုက်ရင် အခြေခံအားဖြင့် အပိုင်းနှစ်ပိုင်းကို အရင်သတိထားမိပါလိမ့်မယ်။

၁။ ဝင်ရိုးများ (The Axes)
• အလျားလိုက်ဝင်ရိုး (X-axis): ဒါကတော့ များသောအားဖြင့် "အချိန်" (Time) ဒါမှမဟုတ် "အုပ်စု" တွေကို ပြပါတယ်။ ဥပမာ - နေ့ရက်တွေ၊ လတွေ ဒါမှမဟုတ် ခုနကပြောတဲ့ ကားဈေးနှုန်း အုပ်စုတွေပေါ့။
• ဒေါင်လိုက်ဝင်ရိုး (Y-axis): ဒါကတော့ ကျွန်တော်တို့ တိုင်းတာချင်တဲ့ "ပမာဏ" ဖြစ်ပါတယ်။ ဥပမာ - ကားရဲ့ အရှိန်တက်နှုန်း (Performance) ဒါမှမဟုတ် ကိုယ့်ရဲ့ လုပ်ငန်းအောင်မြင်မှု၊ ဝင်ငွေ စတာတွေပေါ့။

၂။ အမှတ်ချခြင်းနှင့် မျဉ်းကြောင်း (The Points & Lines)
ဂရပ်ပေါ်က အစက်လေးတွေ (Points) က ဒေတာတစ်ခုချင်းစီရဲ့ တန်ဖိုးအမျိုးမျိုး (ပျမ်းမျှ၊ အနည်းဆုံး၊ အများဆုံး) ကို ပြပါတယ်။ အဲဒီအစက်လေးတွေကို မျဉ်းကြောင်းနဲ့ ဆက်လိုက်တဲ့အခါ "ဦးတည်ချက် အလားအလာ" (Trend) ကို ကျွန်တော်တို့ မြင်ရတာပါ။
မြင်သာအောင် ကြည့်နည်း:
• မျဉ်းက အပေါ်တက်သွားရင်: တန်ဖိုးတွေ တိုးလာနေတာပါ။ (Growth)

• မျဉ်းက အောက်ဆင်းသွားရင်: တန်ဖိုးတွေ လျော့ကျလာတာပါ။ (Decline)

• မျဉ်းက အတည့်သွားရင်: အခြေအနေက တည်ငြိမ်နေတာပါ။ (Stability)

ဒီလို မျဉ်းကြောင်းလေးတွေကတစ်ဆင့် ဒေတာတွေရဲ့ "စီးဆင်းမှု" ကို မြင်ရတဲ့အတွက် Bar Chart တွေလို ကြားဖြတ်ကြည့်နေစရာမလိုဘဲ ဇာတ်လမ်းတစ်ပုဒ်လို အစအဆုံး တန်းမြင်နိုင်တာဖြစ်ပါတယ်။

Line Graph vs Bar Chart vs Boxplot (ဘာကြောင့် Line Graph က သာသလဲ?)
ဒေတာတွေကို ပုံဖော်တဲ့နေရာမှာ လူသုံးများတဲ့ Bar Chart နဲ့ Boxplot တွေ ရှိပါတယ်။ ဒါပေမဲ့ အချို့အခြေအနေတွေမှာ Line Graph က ဘာကြောင့် "Superhero" ဖြစ်နေရတာလဲ။

၁။ ရှုထောင့်ပေါင်းစုံကို တစ်ပြိုင်တည်းပြသနိုင်ခြင်း (Handling More Dimensions)
ဒါက Line Graph ရဲ့ အကြီးမားဆုံး အားသာချက်ပါ။ ဥပမာ - ကျွန်တော်တို့ဆီမှာ ကားဈေးနှုန်း (Price)၊ အရှိန်တက်နှုန်း (Performance) နဲ့ အင်ဂျင်အမျိုးအစား (Engine Type) ဆိုပြီး အချက်အလက် သုံးမျိုးရှိတယ်ဆိုပါစို့။

• Bar Chart ဆိုရင် တိုင်တွေအများကြီး ထောင်နေရတဲ့အတွက် ကြည့်ရတာ ရှုပ်ထွေးသွားပါလိမ့်မယ်။

• Line Graph မှာတော့ ဈေးနှုန်းနဲ့ အရှိန်နှုန်းကို ဝင်ရိုးတွေမှာထားပြီး အင်ဂျင်အမျိုးအစားအလိုက် မျဉ်းရောင်လေးတွေ ခွဲလိုက်ရုံပါပဲ။ လျှပ်စစ်ကားလား၊ ဓာတ်ဆီကားလား ဆိုတာကို မျက်စိတစ်ဆုံးနဲ့တင် ယှဉ်ကြည့်လို့ ရသွားပါတယ်။

၂။ ဇာတ်လမ်းအဆက်အစပ် (Visual Continuity)
Bar Chart က "ဘယ်ဟာက ပိုများလဲ" ဆိုတာကို ယှဉ်ကြည့်တဲ့နေရာမှာ ကောင်းပေမယ့် "ဘယ်လိုပြောင်းလဲသွားလဲ" ဆိုတာကိုတော့ Line Graph လောက် ရှင်းရှင်းလင်းလင်း မပြနိုင်ပါဘူး။ Line Graph ရဲ့ ဆက်သွယ်ထားတဲ့ မျဉ်းကြောင်းတွေက ကျွန်တော်တို့ရဲ့ ဦးနှောက်ကို အချက်အလက်တွေကြားက ဆက်နွှယ်မှုကို ပိုမိုမြန်မြန်ဆန်ဆန် ဖမ်းယူနိုင်စေပါတယ်။

၃။ ရှင်းလင်းမှု (Simplicity)
Boxplot တွေက ဒေတာတွေ ဘယ်လောက်ပြန့်နှံ့နေသလဲဆိုတာကို ပြတဲ့နေရာမှာ ကျွမ်းကျင်ပေမယ့် အစပိုင်းမှာ နားလည်ရခက်တတ်ပါတယ်။ Line Graph ကတော့ ရိုးရှင်းတဲ့ အမှတ်ချနည်းစနစ်ကို သုံးထားတဲ့အတွက် ဘယ်သူမဆို ချက်ချင်းနားလည်နိုင်တဲ့ "Universal Language" တစ်ခုလို ဖြစ်နေတာပါ။
အတိုချုပ်ပြောရရင် - အချက်အလက်တွေကြားက အပြောင်းအလဲနဲ့ ဆက်စပ်မှုတွေကို ပုံပြင်တစ်ပုဒ်လို မြင်ချင်တယ်ဆိုရင်တော့ Line Graph က အကောင်းဆုံး ရွေးချယ်မှုပါပဲ။

ဒေတာအမှားတွေကို ဘယ်လိုရှောင်မလဲ? (Practical Tips)
Line Graph တွေကို အသုံးချတဲ့အခါ ပိုမိုတိကျစေဖို့ ဒီအချက်လေးတွေကို သတိထားကြည့်ရအောင်။

• Scale ကို သတိပြုပါ: Y-axis ပေါ်က ဂဏန်းတွေဟာ သုည (0) ကနေ စတာက အကောင်းဆုံးပါ။ ဒါမှသာ အပြောင်းအလဲဟာ တကယ်ရှိတာထက် ပိုကြီးနေတာမျိုး၊ ပိုသေးနေတာမျိုး မဖြစ်မှာပါ။

• ဒေတာအမှတ်တွေ မများလွန်းပါစေနဲ့: မျဉ်းကြောင်းတွေ အများကြီး ရှုပ်ထွေးနေရင် ဖတ်ရခက်သွားနိုင်ပါတယ်။ အရေးကြီးဆုံး ဒေတာအုပ်စု ၃ ခုကနေ ၅ ခုလောက်အထိပဲ ပြသတာက အထိရောက်ဆုံးပါ။

• Label တပ်ဖို့ မမေ့ပါနဲ့: ဘယ်မျဉ်းက ဘာကို ဆိုလိုတာလဲဆိုတာကို (Legend/Label) သေချာဖော်ပြထားဖို့ လိုအပ်ပါတယ်။

ဒေတာတွေကို နားလည်ခြင်းဟာ စွမ်းအားတစ်ခုပါပဲ
အခုဆိုရင် Line Graph တွေဟာ ရိုးရိုးမျဉ်းကြောင်းလေးတွေထက် ပိုတယ်ဆိုတာ သိသွားလောက်ပါပြီ။ သူတို့ဟာ ရှုပ်ထွေးလှတဲ့ အချက်အလက်တွေကြားထဲက လျှို့ဝှက်ချက်တွေကို ဖော်ထုတ်ပေးနိုင်တဲ့ ကိရိယာတွေပါ။
နောက်တစ်ခါ သတင်းစာထဲမှာပဲဖြစ်ဖြစ်၊ အင်တာနက်စာမျက်နှာတွေပေါ်မှာပဲဖြစ်ဖြစ် မျဉ်းကွေးလေးတွေ တွေ့တဲ့အခါ သူတို့ ဘာတွေပြောပြနေသလဲဆိုတာကို သေချာ အာရုံစိုက်ကြည့်ကြည့်ပါ။ ဒေတာတွေကို နားလည်နိုင်စွမ်းရှိခြင်းဟာ ခေတ်သစ်ကမ္ဘာမှာ အားအကောင်းဆုံး လက်နက်တစ်ခု ဖြစ်လာပါလိမ့်မယ်။
ဒီတော့... ခင်ဗျားရဲ့ “အလားအလာ” ကို ဘယ်လို Line Graph မျိုးနဲ့ ဖော်ပြချင်ပါသလဲ။

13/02/2026

စောင် FAတို့တွက်ဗလင်တိုင်းအမှာစာ
မောင်ရင်လေးတို့ အတန်းထဲက ကောင်မလေးတစ်ယောက်ကို ကြွေနေတယ်။ ကောင်မလေးက ကိုယ့်ကိုပြန်ကြိုက်မကြိုက်က မသိဘူး။ ဒီလိုအချိန်မှာ မောင်ရင်တို့ မှားသွားနိုင်တာနှစ်ချက်ရှိတယ်။

ပထမတစ်ချက်က ကောင်မလေးကလည်း ကိုယ့်ကိုပြန်ခိုက်နေတယ်။ ဒါပေမယ့် ကိုယ်က ရည်းစားစကားသွားမပြောမိဘူး။ အဲ့တာကို Type 1 error လို့ခေါ်တယ်။

ဒီကိစ္စမှာ null hypothesisကို ကောင်မလေးက ကိုယ့်ကိုပြန်ကြိုက်နေတယ်လို့ ယူဆထားပါ။
Null Hypothesis: သူကြိုက် = ကိုယ်ကြိုက်
Alternative Hypothesis: သူကြိုက် ≠ ကိုယ်ကြိုက်

တကယ်လည်း လက်တွေ့မှာပြန်ကြိုက်နေတယ်။ ဒါကို ကိုယ်က ရည်းစားစကားသွားမပြောဘူး။ ဘာလို့လဲဆိုတော့ မင်းတို့က messengerမှာ သွား Hi ပြီး seen မပြတာနဲ့ ကိုယ့်ကိုပြန်မကြိုက်ဘူးလို့ မှားယွင်းကောက်ချက်ချမိလို့ပဲ။ null hypothesisက မှန်နေသားနဲ့ မမှန်ဘူးလို့ငြင်းမိတော့ နစ်နာပါရော။ ရည်းစားရရမှာကိုမရတော့ဘူး။

နောက်တစ်ချက်က ကောင်မလေးက ကိုယ့်ကိုလုံးဝကြည့်မရဘူး။ ဒါပေမယ့် ကိုယ်က ရည်းစားစကားသွားပြောတာပဲ။ အဲ့တာ Type 2 errorပေါ့။

ဒီကိစ္စမှာလည်း null hypothesisက ကောင်မလေးက ကိုယ့်ကိုပြန်ကြိုက်နေတယ်လို့ ယူဆထားပါ။
Null Hypothesis: သူကြိုက် = ကိုယ်ကြိုက်
Alternative Hypothesis: သူကြိုက် ≠ ကိုယ်ကြိုက်

တကယ်တမ်းကျ ကောင်မလေးကမင်းတို့ကို လုံးဝမကြိုက်ဘူး။ သူကြွေတာက မင်းတို့ထက်တည်ငြိမ်အထာကျတဲ့ ရုပ်ချောတဲ့ ဒေါင်းလို ခါရာလို ကိုကြီးကိုကြွေတာ။ ဒါပေမယ့် မင်းတို့က messenger မှာ သွား hi ပြီး ကောင်မလေးက seen ပြတာနဲ့ ကိုယ့်ကိုပြန်ကြိုက်တယ်လို့ ကောက်ချက်ဆွဲလိုက်တာပဲ။ အဲ့တော့ ရည်းစားစကားသွားပြောတော့ ကီးဘုတ်ပါပျောက်ရော။ ကိုယ့် null hypothesis ကမှားနေတာကို အမှန်ထင်ပြီး ဇွတ်လုပ်တာ Type 2 errorပဲ။
ဒါပေမယ့် ဒါကပြဿနာမရှိဘူး။ သူမကြိုက်သူ့ကိုမေ့လိုက်အေးဆေး။

Type 2 error ဘယ်လောက်ဖြစ်ဖြစ် Type 1 error ကြောင့် ဘယ်စကီလေးမှမလွတ်စေနဲ့။ အခွက်ပြောင်ကြပါ ညိုကီတို့။ အခွင့်သာရင် ဗာလင်တိုင်းဒေးမှာ အဆင်ပြေသွားမှာနော်။

Error မရှိတဲ့ Valentine couple လေးတွေလည်းType 1 error/ Type 2 error တက်နေတဲ့ ဘော်ဒါတွေကို ဗာလင်တိုင်းဒေးအမီ မန်းရှင်းခေါ်သွားကြဦးနော်။

04/02/2026

နှုတ်ခမ်းမွှေးနှင့် ကိုသေတ္တာ (Box Plot)

ဆရာကြီး မင်းသိင်္ခဝတ္ထုထဲက ပင်လယ်ဓားပြ ကိုမိုးသီးရဲ့ နောက်လိုက် သူခိုး ကိုသေတ္တာကိုသိကြတယ် မလား။ အငြိမ့်မင်းသမီးလေး မမင်းဖြူကို ကူညီရင်း ထောင်ထဲဝင်သွားရရှာတဲ့ သူခိုးလေ။ အခုပြောမှာကတော့ Data Visualization လောကရဲ့ ဆရာကျတဲ့ Box Plot (ခေါ်) ကိုသေတ္တာ အကြောင်းပဲ ဖြစ်ပါတယ်။

စတုဂံမှာ အလယ်မျဉ်းဖြတ်ထားတာက သေတ္တာပုံစံဖြစ်နေပြီး ဘေးတစ်ဖက်တစ်ချက်စီက မျဉ်းကြောင်းလေးတွေက ကြောင်နှုတ်ခမ်းမွှေးနဲ့ တူလို့ သူ့ကို Box-and-Whisker Plot လို့လည်း ခေါ်ကြပါတယ်။ ပြီးခဲ့တဲ့အပတ်က ပြောခဲ့တဲ့ Histogram လိုပဲ ဒေတာတွေ ဘယ်လိုပျံ့နှံ့နေသလဲ (Distribution) ကို Five-Number Summary နဲ့ ဖော်ပြပေးတာပါ။

Box Plot က ဘာတွေပိုကောင်းတာလဲ?
Histogram ထက် ထူးခြားတာက ဒေတာအုပ်စု အများကြီးကို တပြိုင်နက် ယှဉ်ကြည့်ဖို့ ပိုလွယ်ကူပြီး နေရာစားသက်သာတာပါပဲ။ သူ့မှာ ပါဝင်တဲ့ Five-Number Summary ကို ကြည့်ရအောင် -
• Minimum (Q0): အငယ်ဆုံးတန်ဖိုး။
• Lower Quartile (Q1): ငယ်စဉ်ကြီးလိုက်ဒေတာရဲ့ ပထမလေးပုံတစ်ပုံကတန်ဖိုး
• Median (Q2): ငယ်စဉ်ကြီးလိုက်ဒေတာတစ်ခုလုံးရဲ့ အလယ်ဗဟို။
• Upper Quartile (Q3): ငယ်စဉ်ကြီးလိုက်ဒေတာရဲ့ တတိယလေးပုံတစ်ပုံကတန်ဖိုး
• Maximum (Q4): အကြီးဆုံးတန်ဖိုး။
ဒါ့အပြင် နှုတ်ခမ်းမွှေး အပြင်ဘက်ကို ရောက်နေတဲ့ အစက်လေးတွေကို ကြည့်ပြီး သင်းကွဲဒေတာ (Outliers) တွေကိုလည်း အလွယ်တကူ ရှာဖွေနိုင်ပါသေးတယ်။

ဒေတာတွေရဲ့ ပျံ့နှံ့ပုံနဲ့ ခေါက်ချိုးညီမညီကို တိတိကျကျ သိချင်တယ်၊ အုပ်စုလိုက် နှိုင်းယှဉ်ချင်တယ်ဆိုရင်တော့ "ကိုသေတ္တာ" ကို သတိရလိုက်ပါ။ အသေးစိတ်ကိုတော့ အရင်အပတ်က ကာတာနိုင်ငံက မော်တော်ကားဒေတာနဲ့ပဲ ပြထားပါတယ်။ ပုံတစ်ပုံချင်းစီကို နှိပ်ကြည့်ပေးပါဦး!

21/01/2026

ရခဲလှသည့်လူ့ဘဝ အိမ်ထောင်သည်အဖြစ်ခံယူကြ

Single is the best ဆိုတာ တကယ်ကြီးလား။

Facebookပေါ်က ဖောက်ပြန်တဲ့ postတွေ
မျှော်လင့်ချက် အမြင့်ကြီးတွေနဲ့
အစွန်းရောက်လွန်းတဲ့ relationship စံနှုန်းတွေလို
toxic post တွေကိုမြင်ပြီး
အိမ်ထောင်ပြုရမှာ လန့်နေတဲ့ Bro တို့ Sis တို့ရှိလား။

အလုပ်အကိုင် အဆင်ပြေတယ်၊ ငွေရှာနိုင်တယ်.. ဘာလို့ အိမ်ထောင်ပြုပြီး ဒုက္ခခံမလဲလို့ တွေးမိနေပြီလား။ ဒါဆို Dataတွေကို တချက်ကြည့်ကြည့်ရအောင်။

General Social Survey 2022 Data အရ ကလေးရှိတဲ့ အိမ်ထောင်သည်တွေက Single တွေထက် အများကြီး ပိုပျော်ရွှင်ရပါတယ်တဲ့။
👰‍♀️အိမ်ထောင်သည် အမျိုးသမီး ၈၇% ကျော်က ပျော်ရွှင်ကြပြီး
🤵‍♂️အိမ်ထောင်သည် အမျိုးသား ၈၄% ကျော်ကလည်း သူတို့ဘဝကို ကျေနပ်ကြပါတယ်။
👫အိမ်ထောင်သည်တွေဟာ အိမ်ထောင်မရှိသူတွေထက် ပျော်ရွှင်ရဖို့ ၈၉% ပိုပြီးအလေးသာပါတယ်တဲ့။
(အသေးစိတ်ကို ပုံကို ထောက်ပြီးကြည့်ကြည့်နော်)

အိမ်ထောင်သည်ဘဝမှာ ပြဿနာတွေ တက်မှာလားဆို တက်မှာပေါ့။ စိတ်ညစ်ရမှာလားဆို ညစ်ရမှာပေါ့။ အိမ်ထောင်ပြုပြီး သားသားမီးမီးတွေနဲ့ ပျော်ရမှာလားဆိုလည်း ပျော်ရမှာပေါ့။ ပုံမှန်အားဖြင့် ပျော်ရတာပိုများပါတယ်။

"ကွဲသွားရင်ကော" ဆိုတဲ့ 'What if' အကြောက်တရားတွေနဲ့ ကိုယ့်ပျော်ရွှင်မှုကို ပိတ်ပင်မထားပါနဲ့။ Single ဘဝက လွတ်လပ်ပေမယ့် ကြာလာလေလေ အထီးကျန်ဖို့ Chance ပိုများလာလေလေပါ။ အိမ်ထောင်ပြုတာက အလောင်းအစားတခုဆိုပေမဲ့၊ ပျော်စရာ အကောင်းဆုံးသော အလောင်းအစားတခုပါ။ သားသားမီးမီးတွေနဲ့ ကိုယ့်မိသားစုလေးက ပေးတဲ့ ပျော်ရွှင်မှု ကို ဘယ်အရာနဲ့မှ လဲလို့မရပါဘူး။ ❤️

ကဲ... ကိုယ့်အတွက် Single ဘဝက ပိုမိုက်မလား? Family လေး တည်ဆောက်တာ ပိုမိုက်မလား? Comment မှာ ငြင်းခုံပေးသွားကြအုံးနော်! 👇👇

18/01/2026

ကိန်းဂဏန်းတွေကို ပုံပြင်လိုပြောပြမယ့် ဘီးကြဲသုံးယောက်

မင်္ဂလာပါ။ RQuesT ကနေကြိုဆိုပါတယ်။ ကိုယ့်ဆီကို Excel file နဲ့ dataတွေရောက်လာပြီဆို ဘာလုပ်ရမှန်းမသိဘဲ ခေါင်းကိုက်သွားလား။ မပူပါနဲ့။ ရှုပ်ထွေးတဲ့ ကိန်းဂဏန်းတွေကြားလမ်းပျောက်နေရင် RQuesT ရဲ့ Exploratory data analysis ရှိပါတယ်။

Exploratory data analysis(EDA) ဆိုပြီး စကားလုံးအကြီးကြီးမြင်လိုက်လို့ လန့်မသွားပါနဲ့။ တကယ်တော့ EDA ဆိုတာ data နဲ့ကိုယ့်ရဲ့ first date ပါပဲ။ ချက်ခြင်း အဖြေတောင်းစရာမလိုပါဘူး။ တယောက်နဲ့တယောက်ရင်းနီးသွားရင် တော်ပြီပေါ့။ ဒေတာတွေကို "ပန်းချီကားတစ်ချပ်" လို ပုံဖော်ပြီး၊ အဲဒီအထဲက စိတ်ဝင်စားစရာ အချက်အလက်တွေကို မြင်အောင်ကြည့်တာပါ။

ဒေတာလောကထဲကို အခုမှ စဝင်မယ့်သူတွေအတွက် မရှိမဖြစ် သိထားရမယ့် "အခြေခံပုံ ၃ မျိုး" ကတော့-

၁ မင်းဆော်ကငါ့ဆော်ထက်ပိုကိတ်တယ်ဆိုပြီး နှိုင်းယှဉ်ပြမယ့် Bar graph

၂ မင်းကပီဇာတစိတ်ယူ ကောင်မလေးကို တဝက်ပေး ကျန်တဲ့တစိတ်က ငါ့service fees ဆိုပြီး ဝေစုခွဲပေးမယ့် Pie chart နဲ့

၃ ဒေတာတွေကို တိုင်ထောင်ပြီး ကွန်ကရစ်လောင်း တိုက်ဆောက်ထားတဲ့Histogram
တို့ပါပဲ။

ဒီနေ့မှာတော့ ၂၀၂၅ ခုနှစ်၊ ကာတာနိုင်ငံ (Qatar) ရဲ့ မော်တော်ကား ဒေတာတွေကို သုံးပြီး ဒီ Visual တွေက ဒေတာတွေကို ဘယ်လိုအသက်သွင်းပေးလဲဆိုတာ ရှင်းပြပေးထားပါတယ်။

ပုံလေးတွေကို တစ်ပုံချင်းစီ ထောက်ကြည့်ပြီး ဒေတာတွေ ပြောပြတဲ့ ကားတွေအကြောင်းကို နားဆင်ကြည့်လိုက်ရအောင်လားဗျာ! 🏎️✨