বৈজ্ঞানিক বা পরিসংখ্যান বিশ্লেষণ আবহ যখন ডেটা স্পষ্টতা সবচেয়ে গুরুত্বপূর্ণ বিবেচনার এক। সঠিকতার সমান গুরুত্বপূর্ণ ধারণা নিয়ে সাধারণভাবে বিভ্রান্ত, হাওয়াই বিশ্ববিদ্যালয়ের দ্বারা বর্ণিত ডার্ট বোর্ড উপমাটি সম্পর্ককে দেখায়: সঠিক তথ্য পয়েন্ট সমান ফলাফলের সমান সমান, যখন সুনির্দিষ্ট তথ্যগুলি ঘনিষ্ঠভাবে একত্রিত হয়, এমনকি যদি তারা কাছাকাছি না থাকে প্রত্যাশিত ফলাফল। ডার্টমাউথ কলেজের মতে, নির্ভুলতা ফলাফলগুলির একটি সেটের পুনরুত্পাদনযোগ্যতার পরিমাপ। জিওগ্রাফিক ইনফরমেশন সিস্টেমের বিশ্লেষণে টেক্সাস-অস্টিন ইউনিভার্সিটির সঙ্গে কেনেথ ই। ফুট এবং ডোনাল্ড জে। হিউবারের দ্বারা দেখানো হিসাবে, তথ্য সেটগুলির মধ্যে যথার্থতাও প্রযুক্তিগত সম্পর্কিত প্রচেষ্টায় একটি গুরুত্বপূর্ণ ধারণা। স্পষ্টতা গণনা কিছুটা বিষয়গত ব্যায়াম যদিও মোটামুটি সহজ।
আইটেম আপনি প্রয়োজন হবে
-
একটি তথ্য সেট গ্রাফিকাল উপস্থাপনা
-
প্রাসঙ্গিক ইউনিট তথ্য প্রকাশ
-
পরীক্ষার ত্রুটি নূন্যতম অনুমোদিত ম মার্জিন
তথ্য বিন্দু যেমন একটি স্খলন প্লট হিসাবে একটি চাক্ষুষ উপস্থাপনা বিকাশ। একটি খুব সহজ চাক্ষুষ উপস্থাপনা একটি কার্টেসিয়ান সমন্বয় সিস্টেমের প্রতিটি তথ্য বিন্দু জন্য সংশ্লিষ্ট নির্ভরশীল এবং স্বাধীন পরিবর্তনশীল মান plotting জড়িত।
তথ্য পয়েন্ট গ্রুপের মূল্যায়ন এবং নিদর্শন সন্ধান করুন। সঠিক তথ্য তথ্য পয়েন্টের ক্লাস্টারগুলির মধ্যে প্রদর্শিত হয়, যা একই ইনপুট ভেরিয়েবলগুলি অনুরূপ আউটপুট ভেরিয়েবলগুলির সাথে সম্পর্কিত।
ডেটা পয়েন্টগুলির মধ্যে গড় ব্যবধান নির্ধারণ করতে ডেটা সংগ্রহ করতে ব্যবহৃত পরিমাপের এককগুলির উপর তথ্য প্রয়োগ করুন। গ্রাফের বিন্দুগুলির মধ্যে দূরত্ব নির্ধারণের জন্য একটি সাধারণ শাসক পরিমাপ ব্যবহার করা যেতে পারে, তারপর ডেটা পয়েন্ট জেনারেট করার জন্য ব্যবহৃত পরিমাপের এককগুলির সাথে সংশ্লিষ্ট একটি নির্বিচারে, সুবিধাজনক স্কেল ব্যবহার করে রূপান্তরিত করা হয়। এটি দূরত্বের গড় গ্রহণ করে একে অপরের আপেক্ষিক ডেটা পয়েন্টগুলির নির্ভুলতার অনুমতি দেবে।
পরীক্ষায় অনুমোদিত অনুমোদিত ত্রুটির ন্যূনতম মার্জিন এবং পরীক্ষার আপেক্ষিক সামগ্রিক নির্ভুলতা নির্ধারণ করতে ডেটা পয়েন্টগুলির গড় নির্ভুলতা তুলনা করুন। বিভিন্ন ধরণের পরীক্ষার ক্ষেত্রে বড় বা কম ত্রুটির সহনশীলতা থাকবে: প্রকৌশল প্রকল্পের সম্ভবত খুব অল্প সংখ্যক ইউনিটগুলির প্রয়োজন হবে, তবে একটি সামাজিক পরীক্ষা সম্ভবত আরও বৈষম্য সহ্য করবে।
পরামর্শ
-
তথ্য পয়েন্ট গ্রাফিক উপস্থাপনা তৈরি করার আগে সম্ভবত ইউনিট স্কেল মূল্যায়ন করার চেষ্টা করুন। বিশেষ করে উল্লেখযোগ্য নির্ভুলতা বা অনির্ধারণের যে কোনও ক্ষেত্র চিহ্নিত করার জন্য এটি দৃশ্যমানভাবে নির্ভুলতার মূল্যায়ন করা সহজ করবে।
একটি চাক্ষুষ উপস্থাপনার উপর ঘটছে তথ্য পরিষ্কার নিদর্শন নির্ভুলতা এবং একটি পরীক্ষা পুনরাবৃত্তিযোগ্যতার অত্যন্ত নির্দেশক। অব্যাহত পরীক্ষা ইতিমধ্যে অস্তিত্ব যারা কাছাকাছি সুনির্দিষ্ট ক্লাস্টার আরও তথ্য পয়েন্ট যোগ করা উচিত।
সতর্কতা
স্পষ্টতা সঙ্গে নির্ভুলতা বিভ্রান্ত করবেন না। যদি কোন পরীক্ষা লক্ষ্যটি সমস্ত ইনপুটগুলির জন্য গড় আউটপুট মান অর্জন করা হয় এবং এটি 1২ থেকে 14 পর্যন্ত গড় মানের দ্বারা অর্জন করা হয় তবে এটি নির্ভুল পরিমাপ হতে পারে না, যদিও এটি সঠিক হতে পারে। একটি সুনির্দিষ্ট পরিমাপের ফলে সমস্ত তথ্য পয়েন্ট 17 এর কাছাকাছি ক্লাস্টার হতে পারে, যা ভুল, কিন্তু সুনির্দিষ্ট এবং অতএব পূর্বাভাসযোগ্য হতে পারে।
