எங்கள் லாட்டரி புள்ளிவிவரங்கள் எப்படிக் கணக்கிடப்படுகின்றன

எண்ணும் முன் sample-ஐ வரையறுக்கவும்

import செய்யப்பட்ட draw-களின் filtered set-ல் ஒவ்வொரு ஆய்வும் தொடங்கும். திட்டம், தேதி வரம்பு, prize rank, matching type மற்றும் major-prize filter sample-ஐ மாற்றலாம். அதே தேர்வை மறுஉருவாக்க active period பக்கத்தில் காட்டப்படுகிறது.

சுயாதீனமாக வரையப்பட்ட ending-களைப் பற்றிய கேள்விக்கு consolation duplicates நீக்கப்படும். இடமில்லாத பதிவுகள் digit analysis-க்கு செல்லும்; district comparison-க்கு அல்ல. இல்லாத fields-ஐ ஊகித்து நிரப்புவதில்லை.

காணப்பட்ட frequency ஒரு எண்ணிக்கை; கணிப்பு அல்ல

ஒவ்வொரு இலக்கமும் மொத்தமாக அல்லது ஒவ்வொரு இடத்திலும் எத்தனை முறை வந்தது என்று digit-frequency table எண்ணுகிறது. இறுதி நான்கு இலக்கங்களை ஒரே மதிப்பாக ending-frequency table எண்ணுகிறது. தேர்ந்த sample-இன் தகுதியான observations எண்ணால் வகுத்ததே percentage.

High மற்றும் low என்பது அந்த sample-க்குள்ளான விளக்க labels. சுயாதீன random draw-கள் இந்த table-ஐ நினைவில் வைக்காது. அதிகம் வந்த ending மீண்டும் வர அதிக வாய்ப்பில்லை; வராத ending வர வேண்டிய நேரமும் இல்லை.

Expected counts ஒரு comparison model-லிருந்து வருகிறது

ஒற்றை இலக்கங்களுக்கு ஒவ்வொரு இடத்திலும் ஒவ்வொரு இலக்கத்துக்கும் பத்தில் ஒரு வாய்ப்பு என்று எளிய model கருதுகிறது. நான்கு இலக்க ending-களில் 10,000 சாத்தியங்களுக்கும் சம வாய்ப்பு தருகிறது. sample size-ஐ அந்த model probability-யால் பெருக்கியதே expected count.

இந்த model ஒரு reference line; draw machinery குறித்த ஆதாரம் அல்ல. prize structures ஒவ்வொரு draw-க்கும் வேறு எண்ணிக்கையிலான observations தரலாம்; scheme அல்லது archive coverage மாற்றம் sample-ஐ மாற்றலாம். இவ்வரம்புகளை comparison அருகே கூறுகிறோம்.

Statistical tests என்ன கேட்கின்றன

Category counts சம-frequency model-இலிருந்து சாதாரண sampling variation-ஐவிட அதிகமாக மாறுகிறதா என chi-square கணக்கிடுகிறது. அடுத்தடுத்த observations தொடர்ந்து ஒன்றாக நகர்கிறதா என serial correlation மற்றும் autocorrelation கேட்கின்றன.

sample size, ordering, repeated testing ஆகியவை test result-ஐ பாதிக்கும். அது காரணத்தைக் கண்டுபிடிக்கவோ, முறைகேட்டை நிரூபிக்கவோ, அடுத்த எண்ணைக் கணிக்கவோ முடியாது. சிறிய p-value என்பது data மற்றும் assumptions-ஐ பார்க்கும் காரணம்; வெற்றி உத்தி அல்ல.

வரம்புகளும் மீளுருவாக்கமும்

import செய்யப்பட்ட archive எவ்வளவு முழுமையோ அதுவரைதான் முடிவும் முழுமை. PDF layout மாற்றம், scanning error, missing source, பின்னர் வரும் official correction ஆகியவை கணக்கை பாதிக்கும். import அல்லது correction பிறகு snapshots செல்லாதவையாக்கப்பட்டு stored records-லிருந்து மீண்டும் கட்டப்படும்.

filters, sample sizes, update times, data-quality status ஆகியவை வாசகர்கள் சோதிக்கக் காட்டப்படுகின்றன. CSV independent checking-க்கு உதவும்; முடிவை மறுபதிப்பிடுபவர் filters மற்றும் retrieval date-ஐயும் பாதுகாக்க வேண்டும்.

அனைத்து வாசகர் வழிகாட்டிகள் செயல்முறை தரவு மூலங்கள்