தரவு பகுப்பாய்வு

கட்டற்ற கலைக்களஞ்சியமான விக்கிப்பீடியாவில் இருந்து.
தாவிச் செல்லவும்: வழிசெலுத்தல், தேடல்

தரவுப் பகுப்பாய்வு என்பது பயனுள்ள தகவலை உயர்த்தி உரைத்தல், அறிவுறுத்தப்படும் முடிவுகள் மற்றும் ஆதரவுடைய முடிவை எடுத்தல் போன்ற இலக்குகளைப் பெற தரவை ஆய்வு செய்யும், தூய்மைப்படுத்தும், உருமாற்றும், மாதிரியமைக்கும் செயல்பாடாகும். தரவுப் பகுப்பாய்விற்கு பல்வேறு பெயர்கள், மாறுபட்ட தொழில், அறிவியல் மற்றும் சமூக அறிவியல் செயல்துறைகளின் கீழ் சூழ்ந்துள்ள பல்வகைப்பட்ட தொழிற்நுட்பங்களுடைய பல பண்புக்கூறுகளும் அணுகுமுறைகளும் உண்டு.

தரவுச் செயலாக்கம் என்பது ஒரு குறிப்பிட்ட தரவுப் பகுப்பாய்வு தொழிற்நுட்பமாகும். இது முற்றிலும் விளக்கமுறையான நோக்கங்களைக் காட்டிலும் வருவதுரைப்பதற்கான மாதிரியமைத்தல் மற்றும் அறிவைக் கண்டறிதலில் பயன்படுத்தப்படுகிறது. தொழில் நுண்ணறிவிலும் தரவுப் பகுப்பாய்வு பயன்படுகிறது. இதனால் தொழில் தகவல்களைப் பெறுவதை மிகவும் முக்கிய இலக்காகக் கொண்டுள்ளது. புள்ளியியல் பயன்பாடுகளில் சிலர் தரவுப் பகுப்பாய்வை விளக்க முறை புள்ளியியல், ஆராய்வதற்கான தரவுப் பகுப்பாய்வு மற்றும் உறுதிபடுத்துகிற தரவுப் பகுப்பாய்வு எனப் பிரிக்கின்றனர். EDA ஆனது தரவிலும் ஏற்கனவே இருக்கும் கருதுகோள்களை உறுதிபடுத்தும் அல்லது தவறைக் கண்டுபிடிக்கும் CDAவிலும் உள்ள புதிய பண்புகளைக் கண்டுபிடிப்பதை இலக்காகக் கொண்டுள்ளது. வருவதுரைக்கும் பகுப்பாய்வு - வருவதுரைக்கும் உய்த்தறிதல் அல்லது வகைப்படுத்துதலுக்கான புள்ளியியல் பயன்பாடு அல்லது அமைப்புக்குரிய உருமாதிரிகளை இலக்காகக் கொண்டுள்ளது. உரைப் பகுப்புகளானது கட்டமைப்பற்ற தரவின் பகுதிகளாக இருக்கும் உரை மூலங்களில் இருந்து பெறப்படும் வகைப்படுத்தப்படும் தகவலுக்கு புள்ளியியல், மொழியியல் மற்றும் கட்டமைப்பு தொழிற்நுட்பங்களைப் பயன்படுத்துகிறது. இவையனைத்தும் பகுப்பாய்வின் வகைகள் ஆகும்.

தரவு ஒருமைப்பாடு என்பது தரவுப் பகுப்பாய்விற்கு முன்னோடியாக செயல்படுகிறது. மேலும் தரவுப் பகுப்பாய்வானது தரவுப் பார்வைஏற்பி (data visualization) மற்றும் தரவுப் பரவல் (data dissemination) ஆகியவற்றிற்கு மிகவும் நெருக்கமான வகையில் செயல்படுகிறது. தரவுப் பகுப்பாய்வு என்ற சொல் சில சமயங்களில் அதன் பொருளையே குறிக்கும் தரவு மாதிரியாக்கம் எனவும் பயன்படுத்தப்படுகிறது. ஆனால் இப்பகுதி இக்கட்டுரைக்கு தேவையற்றதாகும்.

அணுக்கருவியல் மற்றும் துகள் இயற்பியல்[தொகு]

அணுக்கருவியல் அற்றும் துகள் இயற்பியலில் வழக்கமாக தரவுக் கையகப்படுத்துதல் அமைப்பு வழியான சோதனை வழிக் கருவியில் இருந்து தரவு உருவாகிறது. பின்னர் அது செயல்படுத்தப்படும் நிலை வழக்கமாக தரவு குறுக்கம் எனப்படுகிறது. அளவீடுகளில் பயன்படுத்துவதற்கும் பெளதீக முறையில் முக்கியத் தகவலைப் பெறுவதற்கும் தரவுக் குறுக்கம் பயன்படுகிறது. குறிப்பாக மிகப்பெரிய துகள் இயற்பியல் சோதனைகளிலும் இதற்காக எழுதப்பட்ட மென்பொருள் மூலமாக தானியக்க, தொகுதி-முறை செயல்பாட்டை நிறைவேற்றுவதற்காகவும் தரவுக் குறுக்கம் அடிக்கடி நடைபெறுகிறது. அதன் காரணமாக விளையும் தரவான என்-டியூபில்ஸ் பின்னர் ROOT அல்லது PAW போன்ற பிரத்யேகமான மென்பொருள் கருவிகளைப் பயன்படுத்தி இயற்பியல் வல்லுநர் மூலமாக நுண்ணாய்வு செய்யப்பட்டு கோட்பாடுடன் இந்த சோதனையின் முடிவுகள் ஒப்பிட்டுப் பார்க்கப்படுகிறது.

பெரும்பாலும் கோட்பாடளவிளான உருமாதிரிகளை சோதனைகளின் முடிவுகளுடன் நேரடியாக ஒப்பிட்டுப் பார்ப்பது கடினமாகும். அதனால் Geant4 போன்ற மோன்டே கர்லோ உருவகப்படுத்துதல் மென்பொருளில் உள்ளீடாக இவைப் பயன்படுத்தப்படுகின்றன. கொடுக்கப்பட்ட கோட்பாடளவிலான விளைவின் உருவகப்படுத்தப்பட்ட விளைவை உணரியின் பிரதிசெயல் ஊகிக்கிறது பின்னர் அது சோதனைத் தரவுடன் ஒப்பிடப்படுகிறது.

பண்பார்ந்த தரவுப் பகுப்பாய்வு[தொகு]

பண்பார்ந்த ஆராய்ச்சியில் உரை, நேர்காணல் எழுத்துப்படிகள், புகைப்படங்கள், ஓவியம், உய்த்துணர்வுகளின் (மக்கள் இன அமைப்பியல்) களக் குறிப்புகள் மற்றும் பலவற்றிற்கு பண்பார்ந்த தரவுப் பகுப்பாய்வு (QDA) பயன்படுத்தப்படுகிறது.

தரவுப் பகுப்பாய்வின் செயல்முறை[தொகு]

தரவுப் பகுப்பாய்வு என்பது ஒரு செயல்முறை ஆகும். இது பல்வேறு பிரிவுகளாக வேறுபடுத்திக் காட்டப்படுகிறது:[1]

  • தரவுத் தூய்மையாக்கல்
  • துவக்கத் தரவுப் பகுப்பாய்வு (தரவுத் தரத்தின் மதிப்பீடு)
  • முக்கிய தரவுப் பகுப்பாய்வு (உண்மையான ஆராய்ச்சி வினாவிற்கு விடையளிக்கிறது)
  • இறுதித் தரவுப் பகுப்பாய்வு (தேவையான கூடுதல் பகுப்புகள் மற்றும் அறிக்கை)

தரவுத் தூய்மையாக்கல்[தொகு]

தரவுத் தூய்மையாக்கல் என்பது தரவை ஆய்வு செய்யிம் போது ஒரு முக்கியமான செய்முறையாகும். மேலும் இதில் தவறான தரவானது -தேவைப்பட்டால், விரும்பத்தக்கதாக இருந்தால், சாத்தியமுடையதாக இருந்தால் திருத்தப் படுகிறது. தரவைப் பதிவு செய்யும் நிலையிலேயே தரவு தூய்மையாக்கல் நிறைவேற்றப்படுகிறது. இது நிறைவேற்றப்பட்டால் எந்த துறைசார்ந்த முடிவுகள் உருவாக்கப்பட்டதைக் காட்டிலும் இது முக்கியமானதாகிறது. Adèr (ref) மூலமாக வழிநடத்தும் கோட்பாடு வழங்கப்படுகிறது: தரவின் பின் தொடர்ந்து வரும் திருத்தங்களின் போது தகவல் கண்டிப்பாக எப்போதும் ஒன்றாக மீட்கக்கூடியதாகவே உள்ளது. மற்றொரு வகையில் கூறினால் இது கண்டிப்பாக எப்போதும் எந்த தரவுத் தொகுப்புத் திருத்தங்களையும் அகற்றும் சாத்தியமுள்ளதாக உள்ளது. ஆகையால் தரவுத் தூய்மையாக்கல் படியின் எந்த நிலையிலும் தகவலை இழப்பதைத் தடுக்க இது முக்கியமான ஒன்றாகும். அனைத்து தகவலும் கண்டிப்பாக சேமிக்கப்படவேண்டும் (உதாரணமாக மாறியைத் திருத்தும் போது கண்டிப்பாக துவக்க மதிப்புகளும் புதிய மதிப்புகளும் சேமிக்கப்பட்டிருக்க வேண்டும். போலியான தரவுத் தொகுப்பிலோ அல்லது வேறு மாறியின் பெயரிலோ சேமிக்கப்பட்டிருக்கும்). மேலும் தரவுத் தொகுப்பில் செய்யப்படும் அனைத்து திருத்தங்களும் கவனமான முறையில் தெளிவாக ஆவணப்படுத்தப்பட வேண்டும். உதாரணமாக சின்டாக்ஸ் அல்லது விவரக் குறிப்பாக (log) ஆவணப்படுத்தப்படும்.[2]

துவக்கத் தரவுப் பகுப்பாய்வு[தொகு]

துவக்கத் தரவுப் பகுப்பாய்வு மற்றும் முக்கிய பகுப்பாய்வு நிலைக்கு இடையில் மிகவும் முக்கியமான மேம்பாடாக உள்ளது. இந்த துவக்க தரவுப் பகுப்பாய்வின் போது எந்த பகுப்பாய்வில் இருந்தும் ஒன்று தவிர்க்கப்படுகிறது. அவை உண்மையான ஆராய்ச்சி வினாக்களுக்கு விடையளிக்கும் விதமாக உள்ளன. துவக்க தரவுப் பகுப்பாய்வு நிலை என்பது தொடர்ந்து நான்கு வினாக்கள் மூலமாக வழிநடத்தப்படுகிறது:[3]

தரவின் தரம்[தொகு]

தரவின் தரம் கண்டிப்பாக வெகு விரைவாக சரிபார்க்கப்பட வேண்டும். பல்வகையான பகுப்புகளைப் பயன்படுத்தி தரவுத் தரம் மதிப்பிடப்படுகிறது: அதிர்வெண் எண்ணிகள், விளக்கமுறையான புள்ளியியல் (நடுத்தரம், திட்ட விலக்கம், இடைநிலை), நியமத்திறன் (கோணல், முகட்டளவை, அதிர்வெண் செவ்வகப்படங்கள், ஒழுங்கான நிகழ்தகவு பகுதிகள், தொடர்புகள் (இயைபுபடுத்தல்கள், சிதறும் பகுதிகள்) ஆகியனவாகும்.
பிற துவக்கத் தரவுத் தர சரிபார்த்தல்கள் பின்வருமாறு:

  • தரவுத் தூய்மையாக்கலில் சரிபார்த்தல்கள்: மாறிகளின் பங்கிடுதலைக் கொண்டு முடிவுகள் எடுக்கப்படுகின்றன? தரவுத் தூய்மையாக்கலுக்கு முன்பு மாறிகளின் பங்கிடுதலானது தரவுத் தூய்மையாக்கலுக்குப் பிறகு மாறிகளின் பங்கிடுதலுடன் ஒப்பிடப்படுகிறது. தரவுத் தூய்மையாக்கலின் போது தரவில் தேவையற்ற விளைவுகள் நிகழ்ந்துள்ளனவா என்பதை அறிய இது மேற்கொள்ளப்படுகிறது.
  • விட்டுப்போன உய்த்துணர்வுகளின் பகுப்பாய்வு: பல விட்டுப்போன மதிப்புகள் இருந்தால் தொடர்பற்ற விட்டுப்போன மதிப்புகள் இருந்தால்? தரவில் விட்டுப்போன உய்த்துணர்வுகளானது 25% அதிகமான மதிப்புகள் விடுபட்டுள்ளனவா என்பதை ஆய்வதற்கு பயன்படுகிறது. அவை தொடர்பற்று விட்டுப்போய் உள்ளனவா(MAR) என்றும் சுட்டிக்காட்டுவதற்கு (புள்ளியியல்) சில வடிவங்கள் தேவைப்படுகின்றனவா என்பதும் இதன் மூலம் அறியப்படுகிறது.
  • உச்சநிலையான உய்த்துணர்வுகளின் பகுப்பாய்வு: தரவின் மூலத்தை உய்துணரும் இந்த பகுப்பானது பகிர்தலின் போது இடைஞ்சல் ஏற்பட்டுள்ளதா என்பதைப் பார்ப்பதற்கு பயன்படுகிறது.
  • குறியிடுதல் திட்டங்களில் மாறுபாடுகளையுடைய ஒப்பீடு மற்றும் திருத்தம்: மாறிகளின் குறியீட்டுத் திட்டங்களுடன் ஒப்பிடப்படும் மாறிகள் தரவுத் தொகுப்பிற்கு வெளிப்புறமாக இருக்கும். இதில் குறியீட்டுத் திட்டங்கள் ஒப்பிடப்படவில்லை என்றால் இது சரி செய்யப்பட்டிருக்கலாம்.

துவக்க தரவுப் பகுப்பாய்வு நிலையின் போது தரவுத் தரத்தை மதிப்பிடுவதற்கு பகுப்புகளின் தேர்வைப் பொறுத்து முக்கிய பகுப்பாய்வு நிலையில் பகுப்புகள் நடத்தப்படுகின்றன.[4] என பிலிப் கோட்லெர் கூறியுள்ளார்.

அளவைகளின் தரம்[தொகு]

அளவை வழித்துறைகளின் தரமானது ஆய்வின் இலக்காகவோ அல்லது ஆராய்ச்சி வினாவாகவோ இல்லாத சமயத்தில் கண்டிப்பாக துவக்கத் தரவு பகுப்பாய்வின் போது மட்டுமே சரிபார்க்கப்பட வேண்டும். அளவை வழித்துறையின் அமைப்புமுறையானது இலக்கியத்தில் தெரிவிக்கப்பட்டுள்ள அமைப்புமுறைக்கு தொடர்பு கொண்டுள்ளதா என ஒருவர் கண்டிப்பாக சரிபார்க்க வேண்டும்.
அளவைத் தரத்தை மதிப்பிடுவதற்கு இரு வழிகள் உள்ளன:

  • உறுதிபடுத்தும் காரணிப் பகுப்பாய்வு
  • ஓரினத்தன்மை பகுப்பாய்வானது (உள்நிலை மாறாமை) அளவை வழித்துறையின் ஏற்புடைமையுடைய குறிப்பைத் தெரிவிக்கிறது. உதாரணமாக ஒற்றைப் பரிமாண அளவுடன் அனைத்து பொருட்களும் பொருந்துகிறதா எனப் பார்க்கப்படுகிறது. இந்தப் பகுப்பாய்வின் போது ஒப்பளவுகளின் குரோன்பேக்கின் αவில் பொருட்கள் மற்றும் ஒப்பளவுகளின் மாறுபாடுகளை ஒருவர் ஆராய வேண்டும். மேலும் ஒப்பளவில் இருந்து பொருள் அழிக்கப்படும் போது குரோன்பேக்கின் ஆல்ஃபா மாறுபடுகிறது.[5]

துவக்க நிலைமாற்றங்கள்[தொகு]

தரவின் தரம் மற்றும் அளவைகளை மதிப்பிட்ட பிறகு விடுபட்ட தரவிற்கு பொறுப்பேற்க ஒருவர் முடிவெடுக்கலாம் அல்லது ஒன்று அல்லது அதற்கு மேற்பட்ட மாறிகளில் துவக்க நிலைமாற்றங்கள செயல்படுத்தலாம். எனினும் இது முக்கியப் பகுப்பாய்வு நிலையின் போதே நிறைவேற்றப்படுகிறது.[6]
மாறிகளின் சாத்தியமான நிலைமாற்றங்கள் பின்வருமாறு:[7]

  • சதுர மூல நிலைமாற்றம் (பகிர்வானது வழக்கத்தில் இருந்து புதிதாய் மாறுபட்டால்)
  • லாக்-நிலைமாற்றம் (பகிர்வானது வழக்கத்தில் இருந்து போதுமான அளவில் மாறுபட்டால்)
  • எதிர்மாறான நிலைமாற்றம் (பகிர்வானது வழக்கத்தில் இருந்து முற்றிலும் மாறுபட்டால்)
  • உறுதியான மாற்றம் (வரிசையெண்ணுக்குரிய / இரண்டாய் பிரிவுறுதல்) (பகிர்வானது வழத்தில் இருந்து முற்றிலும் மாறுபடுகையில் எந்த நிலைமாற்றங்களின் உதவியும் இல்லாமல் இருந்தால்)

ஆய்வின் செயலாக்கம் ஆராய்ச்சி வடிவமைப்பின் நோக்கங்களைப் பூர்த்தி செய்கின்றனவா?[தொகு]

ஒருவர் கண்டிப்பாக குறிப்பின்றி அமைத்தல் செய்முறையை வெற்றிகரமாக சரிபார்க்க வேண்டும். உதாரணமாக பின்னணி மற்றும் நிலையான மாறிகளை சரிபார்ப்பதன் மூலம் குழுக்கள் முழுவதும் சரிசமமாக பங்கிடப்படுகிறது.
இந்த ஆய்வு மற்றும்/அல்லது குறிப்பின்றி அமைத்தலின் பயன்பாடு தேவையில்லை என்றால் ஒருவர் கண்டிப்பாக தொடர்புடைய மாதிரிமுறையை வெற்ற்கரமாக சரிபார்க்க வேண்டும். உதாரணமாக பங்குத் தொகையின் உள் அமைப்புகள் அனைத்தையும் சரிபார்ப்பதன் மூலம் மாதிரி சுட்டிக் காட்டப்படுகிறது.
பின்வரும் பிற சாதகமான தரவு சிதைவுகள் கண்டிப்பாக சரிபார்க்கப்பட வேண்டும்:

  • இடைநிற்றல் (துவக்க தரவுப் பகுப்பாய்வு நிலையின் போது இது கண்டிப்பாக அடையாளம் காணப்பட வேண்டும்)
  • பிரிவு பதிலின்மை (இது தொடர்பற்ற நிலையிலோ அல்லது துவக்கத் தரவு பகுப்பாய்வு நிலையிலோ கண்டிப்பாக மதிப்பிடப்பட வேண்டும்)
  • சிகிச்சைத் தரம் (கையாளுதல் சரிபார்த்தல்கள் பயன்படுத்தப்படுகிறது).[8]

தரவு மாதிரியின் பண்பியல்பு[தொகு]

ஏதாவது அறிக்கை அல்லது கட்டுரையில் மாதிரியின் அமைப்புமுறை கண்டிப்பாக துல்லியமாக விளக்கப்பட்டிருக்க வேண்டும். முக்கிய பகுப்பாய்வு நிலையின் போது உள் அமைப்பு பகுப்புகள் செயல்படுத்தும் போது மாதிரியின் அமைப்புமுறையைத் துல்லியமாக வரையறுப்பது என்பது இதில் மிகவும் முக்கியமாகும் (மேலும் குறிப்பாக உள் அமைப்புகளின் அளவு).
தரவு மாதிரியின் பண்பியல்பு பின்வருவனவற்றைப் பார்ப்பதன் மூலம் மதிப்பிடப்படுகிறது:

  • முக்கிய மாறிகளின் அடிப்படைப் புள்ளிவிவரங்கள்
  • சிதறும் பகுதிகள்
  • இயைபுபடுத்தல்கள்
  • குறுக்கு-அட்டவணைகள்[9]

துவக்கத் தரவு பகுப்பாய்வின் இறுதி நிலை[தொகு]

இறுதி நிலையின் போது துவக்கத் தரவுப் பகுப்பாய்வின் கண்டுபுடிப்புகள் ஆவணப்படுத்தப்படுகிறது. மேலும் தேவையான, விரும்பத்தகுந்த, சாதகமான சீர்திருத்த செயல்பாடுகள் மேற்கொள்ளப்படுகின்றன.
மேலும் முக்கியத் தரவுப் பகுப்புகளின் துவக்கத் திட்டம் கண்டிப்பாக மிகவும் விரிவாகக் குறிப்பிடப்பட வேண்டும் அல்லது மீண்டும் எழுதப்பட வேண்டும்.
இதைச் செய்வதற்கு முக்கியத் தரவு பகுப்புகள் பற்றிய பல்வேறு முடிவுகள் கண்டிப்பாக உருவாக்கப்படுகின்றன:

  • ஒழுங்கற்ற நிலையில்: கண்டிப்பாக மாறிகள் நிலைமாற்றம் செய்யப்பட வேண்டும்; மாறிகளை வகைப்படுத்த வேண்டும் (வரிசையெண்ணுக்குரியதாக/இரண்டாகப் பிரிவுறுதல்); பகுப்பாய்வு முறையைப் பொருந்தச் செய்ய வேண்டும்?
  • விடபட்ட தரவு நிலையில்: கண்டிப்பாக ஒருவர் விடுபட்ட தரவை தவிர்க்க வேண்டும் அல்லது அதற்குப் பொறுப்பேற்க வேண்டும்; இதில் பொறுப்பேற்கும் நுட்பம் கண்டிப்பாகப் பயன்படுத்தப்பட வேண்டும்?
  • வெளிமுகத் தரவுகளின் நிலையில்: கண்டிப்பாக ஒருவர் ஆரோக்கியமான பகுப்பாய்வு நுட்பங்களைப் பயன்படுத்த வேண்டும்?
  • தரவுகள் ஒப்பளவில் பொருந்தாத நிலையில்: கண்டிப்பாக ஒருவர் தரவைத் தவிர்ப்பதன் மூலம் அளவை வழித்துறையை செயல்படுத்த வேண்டும் அல்லது மற்ற (பயன்பாடுகளைக் கொண்ட) அளவை வழித்துறை(கள்)யின் ஒப்பிட்டுத் தன்மையை உறுதி செய்ய வேண்டும்?
  • (மிகவும்) சிறிய உப அமைப்புகள் நிலையில்: ஒருவர் கண்டிப்பாக உள்-அமைப்பு மாறுபாடுகளைப் பற்றிய கருத்துக்களை விடுக்க வேண்டும் அல்லது துல்லியமான சோதனைகள் அல்லது பூட்ஸ்ட்ராப்பிங் போன்ற சிறிய மாதிரி நுட்பங்களைப் பயன்படுத்த வேண்டும்?
  • குறிப்பின்றி அமைத்தல் செய்முறை குறைபாடுடன் காணப்படும் நிலையில்: ஒருவர் கண்டிப்பாக நாட்ட மதிப்புகளை கணக்கிட்டு அவற்றை முக்கிய பகுப்புகளில் நிரப்ப வேண்டும்?[10]

பாகுபடுத்தல்[தொகு]

பல்வேறு பாகுபடுத்தல்கள் ஆரம்பத் தரவுப் பகுப்பாய்வுப் பிரிவு சமயத்தில் பயன்படுத்தப்படலாம். அவை பின்வருமாறு:[11]

  • ஒரு மாறிப் புள்ளிவிபரம்
  • இருமாறித் தொடர்புகள் (இயைபுப்படுத்தல்கள்)
  • வரைபட நுட்பங்கள் (சிதறல் படங்கள்)

பாகுபடுத்தலுக்கான கணக்கினுள் மாறிகளின் அளவீட்டு நிலைகளை எடுப்பதற்கு இது முக்கியமானதாக இருக்கிறது. இதில் ஒவ்வொரு நிலையிலும் சிறப்பு புள்ளிவிபர நுட்பங்கள் இருக்கின்றன:[12]

  • பெயரளவு மற்றும் வரிசைக்குரிய மாறிகள்
    • அதிர்வெண் எண்ணிக்கைகள் (எண்கள் மற்றும் சதவீதங்கள்)
    • தொடர்புகள்
      • பயனில் முயற்சி செய்தல்கள் (குறுக்கு அட்டவணைப்படுத்தல்)
      • நிலைமுறை சார் லாக்லீனியர் பகுப்பாய்வு (உச்ச வரம்பாக 8 மாறிகளுக்குள் கட்டுப்படுத்தப்பட்டிருக்கிறது)
      • லாக்லீனியர் பகுப்பாய்வு (பொருத்தமான/முக்கிய மாறிகள் மற்றும் சாத்தியமுள்ள வியக்கத்தக்க வகையில் கண்டறிவதற்குப் பயன்படுத்தப்படுகிறது)
    • துல்லியமான சோதனைகள் அல்லது பூட்ஸ்ட்ராப்பிங் (உட்குழுக்கள் சிறியதாக இருந்தால் இதனைப் பயன்படுத்தலாம்)
    • புதிய மாறிகளின் கணக்கீடு
  • தொடர் மாறிகள்
    • பரவல்
      • புள்ளி விபரம் (M, SD, மாறுபாடு, கோணல், முகட்டளவை)
      • தண்டு-மற்றும்-இலை காட்சிகள்
      • பாக்ஸ் படங்கள்

தரவுப் பகுப்பாய்வுக்கான இலவச மென்பொருள்[தொகு]

  • ROOT - CERN இல் உருவாக்கப்பட்ட C++ தரவுப் பகுப்பாய்வுக் கட்டமைப்பு
  • PAW - CERN இல் உருவாக்கப்பட்ட FORTRAN/C தரவுப் பகுப்பாய்வுக் கட்டமைப்பு
  • JHepWork - ANL இல் உருவாக்கப்பட்ட ஜாவா (பல்-இயக்குதளம்) தரவுப் பகுப்பாய்வு கட்டமைப்பு
  • ஜெப்டோஸ்கோப் பேசிக் - நானோமிக்ஸில் உருவாக்கப்பட்ட இடைவினை புரியும் ஜாவா-சார்ந்த வரைவி.
  • KNIME - காண்ஸ்டன்ஸ் இன்ஃபர்மேசன் மைனர் (Konstanz Information Miner), பயனர் தோழமையான மற்றும் விரிவானத் தரவுப் பகுப்புகள் கட்டமைப்பு.
  • டேட்டா அப்லைடு - ஆன்லைன் தரவுச் செயலாக்கம் மற்றும் தரவு உருவகக் காட்சித் தீர்வு.
  • R - புள்ளிவிபரக் கணக்கீடு மற்றும் வரைபடத்துக்கான நிரலாக்க மொழி மற்றும் மென்பொருள் சூழல்.
  • விஸ்டா (ViSta) [1] - காட்சிப் புள்ளிவிபரங்கள் மற்றும் EDA ஆகியவற்றுக்கான நிரல்.

குறிப்புதவிகள்[தொகு]

  1. Adèr, 2008, p. 334-335.
  2. Adèr, 2008, p. 336-337.
  3. Adèr, 2008, p. 337.
  4. Adèr, 2008, p. 338-341.
  5. Adèr, 2008, p. 341-3342.
  6. Adèr, 2008, p. 344.
  7. Tabachnick & Fidell, 2007, p. 87-88.
  8. Adèr, 2008, p. 344-345.
  9. Adèr, 2008, p. 345.
  10. Adèr, 2008, p. 345-346.
  11. Adèr, 2008, p. 346-347.
  12. Adèr, 2008, p. 349-353.
  • Adèr, H.J. (2008). Chapter 14: Phases and initial steps in data analysis. In H.J. Adèr & G.J. Mellenbergh (Eds.) (with contributions by D.J. Hand), Advising on Research Methods: A consultant's companion (pp. 333–356). Huizen, the Netherlands: Johannes van Kessel Publishing.
  • Tabachnick, B.G. & Fidell, L.S. (2007). Chapter 4: Cleaning up your act. Screening data prior to analysis. In B.G. Tabachnick & L.S. Fidell (Eds.), Using Multivariate Statistics, Fifth Edition (pp. 60–116). Boston: Pearson Education, Inc. / Allyn and Bacon.

கூடுதல் வாசிப்பு[தொகு]

  • Adèr, H.J. & Mellenbergh, G.J. (with contributions by D.J. Hand) (2008). Advising on Research Methods: A consultant's companion. Huizen, the Netherlands: Johannes van Kessel Publishing.
  • ASTM International (2002). Manual on Presentation of Data and Control Chart Analysis , MNL 7A, ISBN 0803120931
  • Godfrey, A. B., Juran's Quality Handbook , 1999, ISBN 00703400359
  • Lewis-Beck, Michael S., Data Analysis: an Introduction , Sage Publications Inc, 1995, ISBN 0803957726
  • NIST/SEMATEK (2008) Handbook of Statistical Methods ,
  • Pyzdek, T, Quality Engineering Handbook , 2003, ISBN 0824746147
  • Richard Veryard (1984). Pragmatic data analysis . Oxford : Blackwell Scientific Publications. ISBN 0632013117
  • Tabachnick, B.G. & Fidell, L.S. (2007). Using Multivariate Statistics, Fifth Edition. Boston: Pearson Education, Inc. / Allyn and Bacon.

"http://ta.wikipedia.org/w/index.php?title=தரவு_பகுப்பாய்வு&oldid=1355894" இருந்து மீள்விக்கப்பட்டது