As mentioned in Chapter 1, explorat

As mentioned in Chapter 1, exploratory data analysis or “EDA” is a critical
first step in analyzing the data from an experiment. Here are the main reasons we
use EDA:
• detection of mistakes
• checking of assumptions
• preliminary selection of appropriate models
• determining relationships among the explanatory variables, and
• assessing the direction and rough size of relationships between explanatory
and outcome variables.
Loosely speaking, any method of looking at data that does not include formal
statistical modeling and inference falls under the term exploratory data analysis.

ผลลัพธ์ (ไทย) 1:

กล่าวถึงในบทที่ 1 การวิเคราะห์ข้อมูลเชิงบุกเบิกหรือ "EDA" เป็นความสำคัญขั้นตอนแรกในการวิเคราะห์ข้อมูลจากการทดลอง นี่คือ เหตุผลหลักเราใช้ EDA:•ตรวจสอบความผิดพลาด•ตรวจสอบสมมติฐาน•เลือกเบื้องต้นของแบบจำลองที่เหมาะสม•กำหนดความสัมพันธ์ระหว่างตัวแปรอธิบาย และ•ประเมินทิศทางและขนาดของความสัมพันธ์ระหว่างอธิบายคร่าว ๆและตัวแปรผลซึ่งการพูด วิธีการค้นหาข้อมูลที่ไม่มีทางสร้างโมเดลทางสถิติและข้อกำหนดอยู่ภายใต้การวิเคราะห์ข้อมูลเชิงบุกเบิกระยะ

ผลลัพธ์ (ไทย) 2:

ตามที่กล่าวไว้ในบทที่ 1 การวิเคราะห์ข้อมูลสำรวจหรือ "EDA" เป็นสำคัญ
ขั้นตอนแรกในการวิเคราะห์ข้อมูลจากการทดลอง นี่คือเหตุผลหลักที่เรามี
ใช้ EDA:
•การตรวจสอบความผิดพลาด
•การตรวจสอบของสมมติฐาน
เบื้องต้น•การเลือกรูปแบบที่เหมาะสม
•การกำหนดความสัมพันธ์ระหว่างตัวแปรและ
•การประเมินทิศทางและขนาดคร่าวๆของความสัมพันธ์ระหว่างอธิบาย
. ตัวแปรและผล
หลวมพูด วิธีการใด ๆ ในการมองข้อมูลที่ไม่เป็นทางการรวมถึง
การสร้างแบบจำลองทางสถิติและอนุมานตกอยู่ภายใต้การวิเคราะห์ข้อมูลสำรวจระยะ

ผลลัพธ์ (ไทย) 3:

ตามที่กล่าวถึงในบทที่ 1 การวิเคราะห์ข้อมูลเชิงสำรวจหรือ " ใหม่ " เป็นขั้นตอนแรกที่สำคัญ
ในการวิเคราะห์ข้อมูลจากการทดลอง นี่คือเหตุผลหลักที่เราใช้ :
-
EDA การตรวจหาความผิดพลาด
-
- ตรวจสอบสมมติฐานเบื้องต้นที่เหมาะสมการเลือกนางแบบ
- กำหนดความสัมพันธ์ระหว่างตัวแปรที่อธิบายและ
- ประเมินทิศทางและขนาดคร่าวๆ ของความสัมพันธ์ระหว่างตัวแปรอธิบาย

และผลลัพธ์ หลวม ๆพูด วิธีดูข้อมูลที่ไม่ได้รวมแบบจำลองทางสถิติอย่างเป็นทางการ
และการอนุมานตกอยู่ในคำว่า
สำรวจการวิเคราะห์ข้อมูล