✳️ رگرسیون سلسله مراتبی در SPSS — آموزش پیاده سازی به زبان ساده
هدف از مدلسازی، شناسایی رفتار دادههای وابسته به یکدیگر است که به واسطه آن بتوان تغییرات یک متغیر وابسته را برحسب متغیر یا متغیرهای مستقل بیان کرد. «رگرسیون» (Regression) یکی از تکنیکهای آماری به منظور مدلسازی است که به وفور در علوم دیگر بخصوص «یادگیری ماشین» (Machine Learning) به کار گرفته میشود. شیوه و روشهای مختلفی برای مدلسازی به سبک رگرسیون وجود دارد که یکی از آنها، «رگرسیون سلسله مراتبی» (Hierarchical Regression) نامیده میشود. در این نوشتار از مجله فرادرس به بررسی نحوه اجرای رگرسیون سلسله مراتبی در SPSS میپردازیم و البته مبانی و فرضیههای اولیه برای اجرای آن را نیز بیان خواهیم کرد.
══ فهرست مطالب ══
○ رگرسیون سلسله مراتبی در SPSS
○ معرفی فیلم آموزش همبستگی و رگرسیون خطی در SPSS
○ خلاصه و جمعبندی
🔸 رگرسیون سلسله مراتبی در SPSS
رگرسیون خطی سلسله مراتبی شکل خاصی از تحلیل رگرسیون خطی چندگانه است که در آن متغیرهای مختلفی در مراحل جداگانهای به نام «بلوک» (Block) و به شکل «پشتهای» (Stack) به مدل اضافه میشوند. البته این شیوه با روش رگرسیون گام به گام (Stepwise regression) متفاوت است. در رگرسیون گام به گام، هر متغیر بنا به اهمیتی که در مدل رگرسیونی دارد به مدل افزوده میشود و از طرفی به علت وجود ارتباط بین بعضی از متغیرهای مستقل، ممکن است در گام بعدی از مدل خارج شود.
در حالیکه در رگرسیون سلسله مراتبی، طبق نظر محقق و کاربر، متغیرها در بلوکهای متفاوت معرفی شده و به تعداد بلوکها، مدل ساخته میشود. در هر مدل، متغیرهای معرفی شده در بلوک، به بلوک قبلی افزوده شده و محاسبات مربوط به مدل جدید، صورت میگیرد.
این کار اغلب برای کنترل آماری متغیرهای خاص انجام میشود تا مشخص شود که آیا افزودن متغیرها، به طور قابل قبولی، توانایی مدل را در پیش بینی متغیر وابسته بهبود میبخشد یا خیر. به بیان دیگر یک متغیر وابسته، بیشتر تحت تاثیر کدام متغیرها مستقل قرار دارد و مدل اثر آنها چگونه است؟
🔸 معرفی فیلم آموزش همبستگی و رگرسیون خطی در SPSS
برای ایجاد مدلهای آماری اغلب از رگرسیون استفاده میشود. به کمک شاخصهای محاسبه شده در این تکنیک آماری، مدل ارتباطی بین متغیرهای مستقل و وابسته مشخص شده و میتوان بر اساس مقادیر متغیرهای پیشگو، متغیر وابسته را پیشبینی کرد. در اغلب موارد برای مدل سازی، از رگرسیون خطی برای این کار بهره میبریم. در این فرادرس، مدل رگرسیون خطی (ساده و چندگانه) معرفی شده و نحوه اجرای آن در نرمافزار SPSS بازگو میشود. آزمونهای ارزیابی مدل رگرسیونی نیز از موضوعاتی است که میتوان در این فیلم آموزشی، مشاهده کرد. سرفصلی که در این درس به آن پرداخته شده، طبق فهرست زیر معرفی میشود.
– همبستگی و رابطه بین دو متغیر: رابطه خطی مستقیم و معکوس، ضریب همبستگی پیرسون- Correlation Coefficient، آزمون مربوط به ضریب همبستگی پیرسون- Pearson Correlation Coefficient و ضریب همبستگی جزئی- Partial Correlation.
– معادله خط برگشت Regression: متغیر مستقل و وابسته، فرضیات مربوط به شیوه محاسبه ضرایب رگرسیونی، فرض مربوط به نرمال بودن باقی ماندهها، فرض مربوط به ثابت بودن واریانس باقی ماندهها، فرض مربوط به تصادفی بودن باقی ماندهها، تعیین معادله خط رگرسیون با یک متغیر مستقل (برآورد ضرایب رگرسیون)، آزمونهای تعیین صحت مدل رگرسیون (Regression model) و تحلیل باقی مانده ها
– رگرسیون چند متغیره: فرضیات مربوط به شیوه محاسبه ضرایب رگرسیونی، تعیین معادله خط رگرسیون با چند متغیر، آزمونهای تعیین صحت مدل رگرسیونی، روشهای کاهش تعداد متغیرهای مستقل (روش Backward-Forward-Stepwise) و بررسی شرایط مربوط به متغیرهای مستقل
مطالعه ادامه مطلب 👇👇
🔗 رگرسیون سلسله مراتبی در SPSS — آموزش پیاده سازی به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
هدف از مدلسازی، شناسایی رفتار دادههای وابسته به یکدیگر است که به واسطه آن بتوان تغییرات یک متغیر وابسته را برحسب متغیر یا متغیرهای مستقل بیان کرد. «رگرسیون» (Regression) یکی از تکنیکهای آماری به منظور مدلسازی است که به وفور در علوم دیگر بخصوص «یادگیری ماشین» (Machine Learning) به کار گرفته میشود. شیوه و روشهای مختلفی برای مدلسازی به سبک رگرسیون وجود دارد که یکی از آنها، «رگرسیون سلسله مراتبی» (Hierarchical Regression) نامیده میشود. در این نوشتار از مجله فرادرس به بررسی نحوه اجرای رگرسیون سلسله مراتبی در SPSS میپردازیم و البته مبانی و فرضیههای اولیه برای اجرای آن را نیز بیان خواهیم کرد.
══ فهرست مطالب ══
○ رگرسیون سلسله مراتبی در SPSS
○ معرفی فیلم آموزش همبستگی و رگرسیون خطی در SPSS
○ خلاصه و جمعبندی
🔸 رگرسیون سلسله مراتبی در SPSS
رگرسیون خطی سلسله مراتبی شکل خاصی از تحلیل رگرسیون خطی چندگانه است که در آن متغیرهای مختلفی در مراحل جداگانهای به نام «بلوک» (Block) و به شکل «پشتهای» (Stack) به مدل اضافه میشوند. البته این شیوه با روش رگرسیون گام به گام (Stepwise regression) متفاوت است. در رگرسیون گام به گام، هر متغیر بنا به اهمیتی که در مدل رگرسیونی دارد به مدل افزوده میشود و از طرفی به علت وجود ارتباط بین بعضی از متغیرهای مستقل، ممکن است در گام بعدی از مدل خارج شود.
در حالیکه در رگرسیون سلسله مراتبی، طبق نظر محقق و کاربر، متغیرها در بلوکهای متفاوت معرفی شده و به تعداد بلوکها، مدل ساخته میشود. در هر مدل، متغیرهای معرفی شده در بلوک، به بلوک قبلی افزوده شده و محاسبات مربوط به مدل جدید، صورت میگیرد.
این کار اغلب برای کنترل آماری متغیرهای خاص انجام میشود تا مشخص شود که آیا افزودن متغیرها، به طور قابل قبولی، توانایی مدل را در پیش بینی متغیر وابسته بهبود میبخشد یا خیر. به بیان دیگر یک متغیر وابسته، بیشتر تحت تاثیر کدام متغیرها مستقل قرار دارد و مدل اثر آنها چگونه است؟
🔸 معرفی فیلم آموزش همبستگی و رگرسیون خطی در SPSS
برای ایجاد مدلهای آماری اغلب از رگرسیون استفاده میشود. به کمک شاخصهای محاسبه شده در این تکنیک آماری، مدل ارتباطی بین متغیرهای مستقل و وابسته مشخص شده و میتوان بر اساس مقادیر متغیرهای پیشگو، متغیر وابسته را پیشبینی کرد. در اغلب موارد برای مدل سازی، از رگرسیون خطی برای این کار بهره میبریم. در این فرادرس، مدل رگرسیون خطی (ساده و چندگانه) معرفی شده و نحوه اجرای آن در نرمافزار SPSS بازگو میشود. آزمونهای ارزیابی مدل رگرسیونی نیز از موضوعاتی است که میتوان در این فیلم آموزشی، مشاهده کرد. سرفصلی که در این درس به آن پرداخته شده، طبق فهرست زیر معرفی میشود.
– همبستگی و رابطه بین دو متغیر: رابطه خطی مستقیم و معکوس، ضریب همبستگی پیرسون- Correlation Coefficient، آزمون مربوط به ضریب همبستگی پیرسون- Pearson Correlation Coefficient و ضریب همبستگی جزئی- Partial Correlation.
– معادله خط برگشت Regression: متغیر مستقل و وابسته، فرضیات مربوط به شیوه محاسبه ضرایب رگرسیونی، فرض مربوط به نرمال بودن باقی ماندهها، فرض مربوط به ثابت بودن واریانس باقی ماندهها، فرض مربوط به تصادفی بودن باقی ماندهها، تعیین معادله خط رگرسیون با یک متغیر مستقل (برآورد ضرایب رگرسیون)، آزمونهای تعیین صحت مدل رگرسیون (Regression model) و تحلیل باقی مانده ها
– رگرسیون چند متغیره: فرضیات مربوط به شیوه محاسبه ضرایب رگرسیونی، تعیین معادله خط رگرسیون با چند متغیر، آزمونهای تعیین صحت مدل رگرسیونی، روشهای کاهش تعداد متغیرهای مستقل (روش Backward-Forward-Stepwise) و بررسی شرایط مربوط به متغیرهای مستقل
مطالعه ادامه مطلب 👇👇
🔗 رگرسیون سلسله مراتبی در SPSS — آموزش پیاده سازی به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
✳️ طیف لیکرت در SPSS — به زبان ساده
«طیف لیکرت» (Likert Scale) یک معیار و سنجه روانشناسی است که در بسیاری از تحقیقات و بررسیها به کار میرود و برمبنای پرسشنامه عمل میکنند. گاهی طیف یا مقیاس لیکرت را به عنوان «مقیاس رتبهای» (Rating Scale) نیز به کار میبرند، زیرا گزینههای مربوط به مقیاس لیکرت، دارای ترتیب بوده و از کوچک به بزرگ، کدگذاری میشوند. در اغلب تحقیقات روانشناختی، پرسشنامههای استانداردی وجود دارد که معمولا از طیف لیکرت یا «طیف گاتمن» (Guttman scale) برای جمعآوری دادهها، استفاده میکنند. در این نوشتار از مجله فرادرس، نحوه کار با طیف لیکرت در SPSS را فرا گرفته و شیوه ورود و جمعبندی سوالات یک پرسشنامه با این مقیاس را بازگو خواهیم کرد.
══ فهرست مطالب ══
○ طیف لیکرت در SPSS
○ معرفی فیلم آموزش نرم افزار آماری SPSS
○ خلاصه و جمعبندی
🔸 طیف لیکرت در SPSS
طیف یا «مقیاس لیکرت» (Likert Scale)، قالبی است که در آن دامنه پاسخها در یک پرسشنامه، امتیازبندی یا نمره گذاری میشوند. شرکت کنندگان در طرح تحقیقی وقتی با یک پرسشنامه با سوالاتی با پاسخهای بسته به شکل طیف لیکرت مواجه میشوند، میزان توافق یا عدم توافق خود را در یک مقیاس متقارن از سطوح مختلف موافقت و مخالفت مشخص میکنند. بنابراین، دامنه شدت احساسات یا انتخابهای آنها توسط پرسشنامه برای یک مورد یا سوال خاص ثبت میشود.
با توجه به تنوع و تعداد گزینههای انتخابی در مقیاسهای لیکرت، گونه «دو قطبی» (Bipolar) با تعداد گزینههای فرد (۳، ۵ و ۷) بیشتر در روانشناسی و علوم اجتماعی و همچنین تجارت و بازاریابی به کار گرفته میشوند. البته در نظر سنجیها از سوالاتی با طیف لیکرت با تعداد پاسخهای زوج (۲، ۴ و ۶) استفاده میشود.
میتوان مقیاسی را به عنوان جمع ساده یا میانگین پاسخهای پرسشنامه نسبت به مجموعه موارد یا سوالات ایجاد کرد و آن را مقدار یا امتیاز پرسشنامه یا سازهای در نظر گرفت که در پرسشنامه به آن پرداخته شده است. به این ترتیب برای اندازهگیری «سازگاری درونی» (Internal Consistency) پرسشنامه، از معیارهای مختلفی استفاده شده، تا مشخص شود که پراکندگی پاسخها کم بوده که این امر نشانگر اعتبار و پایایی پرسشنامه است.
🔸 معرفی فیلم آموزش نرم افزار آماری SPSS
استفاده از نرمافزارهای محاسبات آماری مانند SPSS، امروزه در بین محققین این حوزه، بسیار مرسوم شده است. حتی به منظور درک مسائل آماری در رشتههای غیر آماری نیز به کمک این نرمافزارها صورت میگیرد. نرم افزار کاربردی SPSS یکی از نرم افزارهای آماری است که امروزه بیشترین تمرکز را بر روی مسائل تحقیقی در رشتههای روانشناسی و علوم اجتماعی دارد. در این آموزش به بررسی اولیه و نحوه کار با این نرم افزار پرداخته شده است و محاسبات آمار توصیفی، نظیر میانگین، میانه، نما، واریانس، ضریب تغییرات، ضریب چولگی، برجستگی، رسم نمودارهای آماری و همچنین قالببندی خروجی آموزش داده میشود. در انتها نیز دانشجویان با یک پرسشنامه با طیف لیکرت در SPSS آشنا شده و محاسبات مربوطه را فرا میگیرند. سرفصل و مواد آموزشی طبق فهرست زیر هستند.
– آشنایی با رابط کاربری نرم افزار SPSS و انواع پنجرههای آن
– معرفی انواع متغیر و مقیاسهای اندازهگیری در SPSS
– معرفی شاخص های جمعیت (تمرکز و پراکندگی)
– ورود داده ها و انجام محاسبه شاخصهای آماری
– آشنایی با مفهوم جداول توافقی (CrossTabs) و ایجاد آن
– رسم نمودارهای آماری مانند نمودار ستونی و دایرهای یا نمودار پراکندگی
– تنظیم و قالببندی خروجی نرم افزار
این آموزش شامل ۷ ساعت و ۵۳ دقیقه فیلم تدریسی است که برای دانشجویان و محققین رشتههای علوم انسانی مانند روانشناسی، جامعه شناسی، روابط عمومی، مدیریت قابل استفاده است.
مطالعه ادامه مطلب 👇👇
🔗 طیف لیکرت در SPSS — به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
«طیف لیکرت» (Likert Scale) یک معیار و سنجه روانشناسی است که در بسیاری از تحقیقات و بررسیها به کار میرود و برمبنای پرسشنامه عمل میکنند. گاهی طیف یا مقیاس لیکرت را به عنوان «مقیاس رتبهای» (Rating Scale) نیز به کار میبرند، زیرا گزینههای مربوط به مقیاس لیکرت، دارای ترتیب بوده و از کوچک به بزرگ، کدگذاری میشوند. در اغلب تحقیقات روانشناختی، پرسشنامههای استانداردی وجود دارد که معمولا از طیف لیکرت یا «طیف گاتمن» (Guttman scale) برای جمعآوری دادهها، استفاده میکنند. در این نوشتار از مجله فرادرس، نحوه کار با طیف لیکرت در SPSS را فرا گرفته و شیوه ورود و جمعبندی سوالات یک پرسشنامه با این مقیاس را بازگو خواهیم کرد.
══ فهرست مطالب ══
○ طیف لیکرت در SPSS
○ معرفی فیلم آموزش نرم افزار آماری SPSS
○ خلاصه و جمعبندی
🔸 طیف لیکرت در SPSS
طیف یا «مقیاس لیکرت» (Likert Scale)، قالبی است که در آن دامنه پاسخها در یک پرسشنامه، امتیازبندی یا نمره گذاری میشوند. شرکت کنندگان در طرح تحقیقی وقتی با یک پرسشنامه با سوالاتی با پاسخهای بسته به شکل طیف لیکرت مواجه میشوند، میزان توافق یا عدم توافق خود را در یک مقیاس متقارن از سطوح مختلف موافقت و مخالفت مشخص میکنند. بنابراین، دامنه شدت احساسات یا انتخابهای آنها توسط پرسشنامه برای یک مورد یا سوال خاص ثبت میشود.
با توجه به تنوع و تعداد گزینههای انتخابی در مقیاسهای لیکرت، گونه «دو قطبی» (Bipolar) با تعداد گزینههای فرد (۳، ۵ و ۷) بیشتر در روانشناسی و علوم اجتماعی و همچنین تجارت و بازاریابی به کار گرفته میشوند. البته در نظر سنجیها از سوالاتی با طیف لیکرت با تعداد پاسخهای زوج (۲، ۴ و ۶) استفاده میشود.
میتوان مقیاسی را به عنوان جمع ساده یا میانگین پاسخهای پرسشنامه نسبت به مجموعه موارد یا سوالات ایجاد کرد و آن را مقدار یا امتیاز پرسشنامه یا سازهای در نظر گرفت که در پرسشنامه به آن پرداخته شده است. به این ترتیب برای اندازهگیری «سازگاری درونی» (Internal Consistency) پرسشنامه، از معیارهای مختلفی استفاده شده، تا مشخص شود که پراکندگی پاسخها کم بوده که این امر نشانگر اعتبار و پایایی پرسشنامه است.
🔸 معرفی فیلم آموزش نرم افزار آماری SPSS
استفاده از نرمافزارهای محاسبات آماری مانند SPSS، امروزه در بین محققین این حوزه، بسیار مرسوم شده است. حتی به منظور درک مسائل آماری در رشتههای غیر آماری نیز به کمک این نرمافزارها صورت میگیرد. نرم افزار کاربردی SPSS یکی از نرم افزارهای آماری است که امروزه بیشترین تمرکز را بر روی مسائل تحقیقی در رشتههای روانشناسی و علوم اجتماعی دارد. در این آموزش به بررسی اولیه و نحوه کار با این نرم افزار پرداخته شده است و محاسبات آمار توصیفی، نظیر میانگین، میانه، نما، واریانس، ضریب تغییرات، ضریب چولگی، برجستگی، رسم نمودارهای آماری و همچنین قالببندی خروجی آموزش داده میشود. در انتها نیز دانشجویان با یک پرسشنامه با طیف لیکرت در SPSS آشنا شده و محاسبات مربوطه را فرا میگیرند. سرفصل و مواد آموزشی طبق فهرست زیر هستند.
– آشنایی با رابط کاربری نرم افزار SPSS و انواع پنجرههای آن
– معرفی انواع متغیر و مقیاسهای اندازهگیری در SPSS
– معرفی شاخص های جمعیت (تمرکز و پراکندگی)
– ورود داده ها و انجام محاسبه شاخصهای آماری
– آشنایی با مفهوم جداول توافقی (CrossTabs) و ایجاد آن
– رسم نمودارهای آماری مانند نمودار ستونی و دایرهای یا نمودار پراکندگی
– تنظیم و قالببندی خروجی نرم افزار
این آموزش شامل ۷ ساعت و ۵۳ دقیقه فیلم تدریسی است که برای دانشجویان و محققین رشتههای علوم انسانی مانند روانشناسی، جامعه شناسی، روابط عمومی، مدیریت قابل استفاده است.
مطالعه ادامه مطلب 👇👇
🔗 طیف لیکرت در SPSS — به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
✳️ پرسشنامه چیست ؟ — انواع، کاربردها و نحوه طراحی | به زبان ساده
در یک طرح تحقیق، پرسشنامهها به عنوان یک ابزار جمعآوری دادهها، مورد توجه قرار میگیرند. اغلب در تحقیقات و نظر سنجیهای اجتماعی، از پرسشنامهها برای ثبت اطلاعات استفاده میشود. از آنجایی که پرسشنامهها توسط افراد پاسخدهنده تکمیل میشوند، کمتر در تحقیقات میدانی به کار میرود. در این متن از مجله فرادرس، به این سوال پاسخ خواهیم داد که پرسشنامه چیست و با انواع آن از جنبههای متفاوت آشنا خواهیم شد.
══ فهرست مطالب ══
○ پرسشنامه چیست؟
○ معرفی فیلم آموزش Google Forms برای ایجاد انواع فرم و پرسشنامه آنلاین
○ خلاصه و جمعبندی
🔸 پرسشنامه چیست؟
«پرسشنامه» (Questionnaire) یک ابزار تحقیقاتی در تحقیق علمی محسوب شده که متشکل از یک سری سوال به منظور جمعآوری اطلاعات از پاسخ دهندگان است. میتوان پرسشنامهها را نوعی مصاحبه کتبی دانست. البته پاسخهای مربوط به پرسشنامهها را میتوان به صورت حضوری، از طریق تلفن، کامپیوتر و پست الکترونیک یا پست سنتی نیز بدست آورد. پرسشنامهها روشی نسبتاً ارزان، سریع و کارآمد برای به دست آوردن مقادیر زیادی اطلاعات از یک نمونه بزرگ از افراد جامعه آماری محسوب میشوند که در اغلب طرحهای تحقیقی و بخصوص نظرسنجیها، به کار میروند.
اولین بار، انجمن آمار لندن در سال ۱۸۳۸ پرسشنامهای طرحی کرد و آن را برای یک طرح آماری به کار برد. با توجه به کارایی مناسب در این شیوه گردآوری اطلاعات، تا به امروز نیز از این ابزار برای جمعآوری دادهها استفاده میشود.
در این شیوه جمعآوری اطلاعات، مقادیر و دادهها، نسبتاً سریع جمع آوری میشوند، زیرا برای تکمیل پرسشنامهها و ارائه پاسخ به سوالات، نیازی به حضور محقق نیست. در این صورت برای کسانی که امکان حضور برای مصاحبه را ندارند، پرسشنامهها یک راهکار ایدهآل محسوب میشوند. خوشبختانه به کمک پرسشنامهها میتوان هم متغیرهای کیفی و هم کمی را اندازهگیری کرده و برای تحقیقات و نظرسنجیهای آماری به کار بست.
🔸 معرفی فیلم آموزش Google Forms برای ایجاد انواع فرم و پرسشنامه آنلاین
از آنجایی که کاربران محیط اینترنت روز به روز افزایش مییابد، بسیاری از امور مانند طراحی فرم نظر سنجی و ارائه آن به پاسخدهندگان، از قابلیتهایی است که توسط فرمهای گوگل (Google Forms) که یک ابزار برخط (Online) محسوب میشود، قابل انجام است. به این ترتیب، به محققان و البته کاربران کمک میشود تا بدون نیاز به پیمودن مسافت و یا صرف زمان زیاد، در کوتاهترین زمان ممکن، طرحهای نظر سنجی را اجرا و یا فرمهای مربوط به پرسشنامهها را پر کنند. توجه داشته باشید که توانید در آمادهسازی فرمها، از عناصر مختلفی که به منظور تهیه فرمهای کاربردی در این ابزار قرار گرفته است، به بهترین نحو، بهره ببرید.
ابزار Google Forms ارتباط کاملی با ابزار دیگری از گروه نرمافزار گوگل به نام کاربرگهای گوگل (Google Spreadsheets) دارد که از آن میتوان برای جمعبندی و محاسبات براساس اطلاعات جمعآوری شده، استفاده کرد. این موضوع یکی از مزایای مهم در استفاده از Google Forms محسوب میشود. سرفصل آموزشی ارائه شده، به قرار زیر است.
– آشنایی با محیط کاری در فرمهای گوگل (Google Forms)
– ایجاد فرم جدید و ثبت و ذخیره آن
– ارتباط با فرمهای گوگل (Google Sheets)
– آماده سازی سوالات و آشنایی با عناصر و اِلمانهای طراحی سوال
– آماده سازی فرمهای مرحلهای
– تنظیمهی مربوط به Google Forms
– آشنایی با الگو یا تمپلیتهای از پیش آماده شده
– کار با افزونههای جانبی فرمهای گوگل
زمان این فیلم آموزشی ۵۶ دقیقه است و مشاهده آن به تمامی کسانی که در طرحهای تحقیقاتی فعالیت داشته یا طرح پرسشنامه هستند، بخصوص دانشجویان رشتههای روانشناسی و علوم ارتباطات، پیشنهاد میشود.
مطالعه ادامه مطلب 👇👇
🔗 پرسشنامه چیست ؟ — انواع، کاربردها و نحوه طراحی | به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
در یک طرح تحقیق، پرسشنامهها به عنوان یک ابزار جمعآوری دادهها، مورد توجه قرار میگیرند. اغلب در تحقیقات و نظر سنجیهای اجتماعی، از پرسشنامهها برای ثبت اطلاعات استفاده میشود. از آنجایی که پرسشنامهها توسط افراد پاسخدهنده تکمیل میشوند، کمتر در تحقیقات میدانی به کار میرود. در این متن از مجله فرادرس، به این سوال پاسخ خواهیم داد که پرسشنامه چیست و با انواع آن از جنبههای متفاوت آشنا خواهیم شد.
══ فهرست مطالب ══
○ پرسشنامه چیست؟
○ معرفی فیلم آموزش Google Forms برای ایجاد انواع فرم و پرسشنامه آنلاین
○ خلاصه و جمعبندی
🔸 پرسشنامه چیست؟
«پرسشنامه» (Questionnaire) یک ابزار تحقیقاتی در تحقیق علمی محسوب شده که متشکل از یک سری سوال به منظور جمعآوری اطلاعات از پاسخ دهندگان است. میتوان پرسشنامهها را نوعی مصاحبه کتبی دانست. البته پاسخهای مربوط به پرسشنامهها را میتوان به صورت حضوری، از طریق تلفن، کامپیوتر و پست الکترونیک یا پست سنتی نیز بدست آورد. پرسشنامهها روشی نسبتاً ارزان، سریع و کارآمد برای به دست آوردن مقادیر زیادی اطلاعات از یک نمونه بزرگ از افراد جامعه آماری محسوب میشوند که در اغلب طرحهای تحقیقی و بخصوص نظرسنجیها، به کار میروند.
اولین بار، انجمن آمار لندن در سال ۱۸۳۸ پرسشنامهای طرحی کرد و آن را برای یک طرح آماری به کار برد. با توجه به کارایی مناسب در این شیوه گردآوری اطلاعات، تا به امروز نیز از این ابزار برای جمعآوری دادهها استفاده میشود.
در این شیوه جمعآوری اطلاعات، مقادیر و دادهها، نسبتاً سریع جمع آوری میشوند، زیرا برای تکمیل پرسشنامهها و ارائه پاسخ به سوالات، نیازی به حضور محقق نیست. در این صورت برای کسانی که امکان حضور برای مصاحبه را ندارند، پرسشنامهها یک راهکار ایدهآل محسوب میشوند. خوشبختانه به کمک پرسشنامهها میتوان هم متغیرهای کیفی و هم کمی را اندازهگیری کرده و برای تحقیقات و نظرسنجیهای آماری به کار بست.
🔸 معرفی فیلم آموزش Google Forms برای ایجاد انواع فرم و پرسشنامه آنلاین
از آنجایی که کاربران محیط اینترنت روز به روز افزایش مییابد، بسیاری از امور مانند طراحی فرم نظر سنجی و ارائه آن به پاسخدهندگان، از قابلیتهایی است که توسط فرمهای گوگل (Google Forms) که یک ابزار برخط (Online) محسوب میشود، قابل انجام است. به این ترتیب، به محققان و البته کاربران کمک میشود تا بدون نیاز به پیمودن مسافت و یا صرف زمان زیاد، در کوتاهترین زمان ممکن، طرحهای نظر سنجی را اجرا و یا فرمهای مربوط به پرسشنامهها را پر کنند. توجه داشته باشید که توانید در آمادهسازی فرمها، از عناصر مختلفی که به منظور تهیه فرمهای کاربردی در این ابزار قرار گرفته است، به بهترین نحو، بهره ببرید.
ابزار Google Forms ارتباط کاملی با ابزار دیگری از گروه نرمافزار گوگل به نام کاربرگهای گوگل (Google Spreadsheets) دارد که از آن میتوان برای جمعبندی و محاسبات براساس اطلاعات جمعآوری شده، استفاده کرد. این موضوع یکی از مزایای مهم در استفاده از Google Forms محسوب میشود. سرفصل آموزشی ارائه شده، به قرار زیر است.
– آشنایی با محیط کاری در فرمهای گوگل (Google Forms)
– ایجاد فرم جدید و ثبت و ذخیره آن
– ارتباط با فرمهای گوگل (Google Sheets)
– آماده سازی سوالات و آشنایی با عناصر و اِلمانهای طراحی سوال
– آماده سازی فرمهای مرحلهای
– تنظیمهی مربوط به Google Forms
– آشنایی با الگو یا تمپلیتهای از پیش آماده شده
– کار با افزونههای جانبی فرمهای گوگل
زمان این فیلم آموزشی ۵۶ دقیقه است و مشاهده آن به تمامی کسانی که در طرحهای تحقیقاتی فعالیت داشته یا طرح پرسشنامه هستند، بخصوص دانشجویان رشتههای روانشناسی و علوم ارتباطات، پیشنهاد میشود.
مطالعه ادامه مطلب 👇👇
🔗 پرسشنامه چیست ؟ — انواع، کاربردها و نحوه طراحی | به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
✳️ رگرسیون کمترین زاویه (LAR Regression) — به زبان ساده
در «مدلهای خطی» (Linear Models)، روشهای رگرسیونی (Regression Methods) از اهمیت زیادی برخوردار هستند. در بسیاری از موارد به کمک این روشها قادر هستیم عمل برازش منحنی را بخصوص در زمینه «یادگیری ماشین» (Machine Learning) با دقت مناسب انجام دهیم. ولی وقتی ابعاد دادهها افزایش یابد، روشهای کلاسیک رگرسیون قابل استفاده نخواهند بود و در عمل به خاطر محدودیتهای محاسباتی برآوردیابی برای پارامترهای مدل خطی امکان پذیر نیست. در این مطلب به روشی خاصی به نام «رگرسیون کمترین زاویه» (Least Angle Regression) میپردازیم که بخصوص برای دادههای با «ابعاد بالا» (High Dimension) طراحی و در بیشتر بستههای زبانهای برنامهنویسی آماری مانند R و یا Python پیادهسازی شده است. در انتها نیز به کمک بسته نرمافزاری LAR، این روش را پیادهسازی میکنیم. برای آشنایی با شیوه محاسبات در رگرسیون خطی ساده بهتر است مطلب رگرسیون خطی — مفهوم و محاسبات به زبان ساده را مطالعه کنید.
══ فهرست مطالب ══
○ رگرسیون کمترین زاویه (Least Angle Regression)
مطالعه ادامه مطلب 👇👇
🔗 رگرسیون کمترین زاویه (LAR Regression) — به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
در «مدلهای خطی» (Linear Models)، روشهای رگرسیونی (Regression Methods) از اهمیت زیادی برخوردار هستند. در بسیاری از موارد به کمک این روشها قادر هستیم عمل برازش منحنی را بخصوص در زمینه «یادگیری ماشین» (Machine Learning) با دقت مناسب انجام دهیم. ولی وقتی ابعاد دادهها افزایش یابد، روشهای کلاسیک رگرسیون قابل استفاده نخواهند بود و در عمل به خاطر محدودیتهای محاسباتی برآوردیابی برای پارامترهای مدل خطی امکان پذیر نیست. در این مطلب به روشی خاصی به نام «رگرسیون کمترین زاویه» (Least Angle Regression) میپردازیم که بخصوص برای دادههای با «ابعاد بالا» (High Dimension) طراحی و در بیشتر بستههای زبانهای برنامهنویسی آماری مانند R و یا Python پیادهسازی شده است. در انتها نیز به کمک بسته نرمافزاری LAR، این روش را پیادهسازی میکنیم. برای آشنایی با شیوه محاسبات در رگرسیون خطی ساده بهتر است مطلب رگرسیون خطی — مفهوم و محاسبات به زبان ساده را مطالعه کنید.
══ فهرست مطالب ══
○ رگرسیون کمترین زاویه (Least Angle Regression)
مطالعه ادامه مطلب 👇👇
🔗 رگرسیون کمترین زاویه (LAR Regression) — به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
❇️ فیلم آموزشی «برازش خط» در ۷ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ ویدئو «معرفی رشته آمار - از تحصیل تا اشتغال» در ۱۵ دقیقه | به زبان ساده
🔗 آشنایی با ۷۶ رشته مهم دانشگاهی - [کلیک کنید]
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ ویدئو «معرفی رشته آمار - از تحصیل تا اشتغال» در ۱۵ دقیقه | به زبان ساده
🔗 آشنایی با ۷۶ رشته مهم دانشگاهی - [کلیک کنید]
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «قضیه حد مرکزی و تعمیم آن» در ۱۱ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «قضیه حد مرکزی و تعمیم آن» در ۱۱ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «انواع داده و مقیاسهای جامعه آماری» در ۶ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «انواع داده و مقیاسهای جامعه آماری» در ۶ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
✳️ آموزش معادلات ساختاری در SPSS — گام به گام و به زبان ساده
مسائلی که در دنیای واقعی امروز پیش روی محققین آمار و علوم اجتماعی و مدیریتی قرار دارد به قدری پیچیده شده که با یک، دو و حتی ۱۰ متغیر نیز قابل بیان نیستند. در این حالت شناسایی متغیرهای پنهان و کاهش ابعاد مسئلههایی با ابعاد متغیرهای زیاد، اهمیت ویژهای پیدا میکند. یکی از تکنیکهای رایج در آمار برای بدست آوردن متغیرهای پنهان از متغیرهای آشکار، تحلیل عاملی (Factor Analysis) است. به این ترتیب ترکیب خطی از متغیرها به کار گرفته شده و عاملهای مرتبط با متغیرهای آشکار مشخص میشود. معادلات ساختاری (Structural Equation Modeling) یکی از ابزارهای مناسب برای حل مسائل و آنالیزهای عاملی است. در این متن با رویکردی نرمافزاری، با استفاده از برنامه آماری AMOS، آموزش معادلات ساختاری در SPSS را اجرا میکنیم.
══ فهرست مطالب ══
○ آموزش معادلات ساختاری در SPSS
○ معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS
○ خلاصه و جمعبندی آموزش معادلات ساختاری در SPSS
🔸 آموزش معادلات ساختاری در SPSS
قبل از هر چیز برای آموزش معادلات ساختاری در SPSS لازم است که در مورد معادلات ساختاری اطلاعاتی کسب کنیم. در حقیقت، مدل سازی معادلات ساختاری (SEM) شامل تکنیکهای مختلف آماری مانند تجزیه و تحلیل مسیر، تحلیل عاملی تأییدی، مدلسازی علی با متغیرهای نهفته و حتی تجزیه و تحلیل واریانس و مدلهای رگرسیون خطی چندگانه است. در این متن در بخش اول، مقدمهای بر منطق و عملیات صورت گرفته در معادلات ساختاری یا SEM، فرضیات و ورودی مورد نیاز برای تجزیه و تحلیل SEM و نحوه انجام تجزیه و تحلیل SEM را مرور کرده، سپس با استفاده از نرم افزار AMOS (Analysis of Moment Structures) که محصولی از شرکت SPSS است، این تکنیک را به کار خواهیم گرفت.
همچنین متغیرهای نهفته مربوط به زمان، استفاده از شاخصهای اصلاح و نسبت بحرانی را در تجزیه و تحلیل اکتشافی، محاسبه وزن و نمره عاملها، اثرات کل و اثرات غیرمستقیم را پوشش خواهیم داد.
«مدل سازی معادلات ساختاری» (SEM) شامل تکنیکهای مختلف آماری مانند تجزیه و تحلیل مسیر، تحلیل عاملی تأییدی، مدل سازی علی با متغیرهای نهفته یا پنهان و از طرفی بهرهگیری از تکنیک «تجزیه و تحلیل واریانس» (ANOVA) و «تحلیل کوواریانس» (ANCOVA) به همراه ایجاد «مدلهای خطی عمومی» (General Linear Model) است. در این متن، مروری کوتاه و مقدماتی بر منطق SEM داشته، سپس فرضیات و ورودی مورد نیاز برای تجزیه و تحلیل SEM و نحوه انجام آن را با استفاده از نرم افزار AMOS (Analysis of Moment Structures) به کمک یک مثال آموزش خواهیم داد. در این بین متغیرهای پنهانی که به عنوان عاملها میشناسیم، براساس متغیرهای آشکار، ساخته و از شاخصهای اصلاح و آزمون فرض آماری در تحلیلهای اکتشافی بهره خواهیم برد. ولی در ابتدای امر ابزار اجرای مدل سازی معادلات ساختاری یعنی AMOS را معرفی کرده و با محیط آن بیشتر آشنا میشویم. به این ترتیب برای آموزش معادلات ساختاری در SPSS از نرمافزار AMOS کمک خواهیم گرفت.
🔸 معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS
آنالیز چند متغیره در آمار، ابزاری مناسب برای اجرا روشهای تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی محسوب میشود. واضح است که در این حوزه، آزمودنیها شامل چندین ویژگی هستند که منجر به ایجاد یک مسئله چند متغیره میشود. یکی از تکنیکهای چند متغیره، «تجزیه و تحلیل ساختارهای کوواریانس» یا همان «مدل یابی معادلات ساختاری» است که موضوع این آموزش قرار گرفته است. این تکنیک برای بررسی روابط علت و معلولی و الگوهایی رابطهای مناسب است. در این آموزش به کمک نرمافزار AMOS به آموزش معادلات ساختاری در SPSS پرداخته شده و روال آموزش به شکلی است که فراگیران میتوانند تدوین صحیح مدلهای نظری و تجربی را آموخته و جایگاه هر یک از متغیرهای میانجی، کنترلی، مداخله گر و تعدیل کننده را به درستی تشخیص دهند. فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است.
مطالعه ادامه مطلب 👇👇
🔗 آموزش معادلات ساختاری در SPSS — گام به گام و به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
مسائلی که در دنیای واقعی امروز پیش روی محققین آمار و علوم اجتماعی و مدیریتی قرار دارد به قدری پیچیده شده که با یک، دو و حتی ۱۰ متغیر نیز قابل بیان نیستند. در این حالت شناسایی متغیرهای پنهان و کاهش ابعاد مسئلههایی با ابعاد متغیرهای زیاد، اهمیت ویژهای پیدا میکند. یکی از تکنیکهای رایج در آمار برای بدست آوردن متغیرهای پنهان از متغیرهای آشکار، تحلیل عاملی (Factor Analysis) است. به این ترتیب ترکیب خطی از متغیرها به کار گرفته شده و عاملهای مرتبط با متغیرهای آشکار مشخص میشود. معادلات ساختاری (Structural Equation Modeling) یکی از ابزارهای مناسب برای حل مسائل و آنالیزهای عاملی است. در این متن با رویکردی نرمافزاری، با استفاده از برنامه آماری AMOS، آموزش معادلات ساختاری در SPSS را اجرا میکنیم.
══ فهرست مطالب ══
○ آموزش معادلات ساختاری در SPSS
○ معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS
○ خلاصه و جمعبندی آموزش معادلات ساختاری در SPSS
🔸 آموزش معادلات ساختاری در SPSS
قبل از هر چیز برای آموزش معادلات ساختاری در SPSS لازم است که در مورد معادلات ساختاری اطلاعاتی کسب کنیم. در حقیقت، مدل سازی معادلات ساختاری (SEM) شامل تکنیکهای مختلف آماری مانند تجزیه و تحلیل مسیر، تحلیل عاملی تأییدی، مدلسازی علی با متغیرهای نهفته و حتی تجزیه و تحلیل واریانس و مدلهای رگرسیون خطی چندگانه است. در این متن در بخش اول، مقدمهای بر منطق و عملیات صورت گرفته در معادلات ساختاری یا SEM، فرضیات و ورودی مورد نیاز برای تجزیه و تحلیل SEM و نحوه انجام تجزیه و تحلیل SEM را مرور کرده، سپس با استفاده از نرم افزار AMOS (Analysis of Moment Structures) که محصولی از شرکت SPSS است، این تکنیک را به کار خواهیم گرفت.
همچنین متغیرهای نهفته مربوط به زمان، استفاده از شاخصهای اصلاح و نسبت بحرانی را در تجزیه و تحلیل اکتشافی، محاسبه وزن و نمره عاملها، اثرات کل و اثرات غیرمستقیم را پوشش خواهیم داد.
«مدل سازی معادلات ساختاری» (SEM) شامل تکنیکهای مختلف آماری مانند تجزیه و تحلیل مسیر، تحلیل عاملی تأییدی، مدل سازی علی با متغیرهای نهفته یا پنهان و از طرفی بهرهگیری از تکنیک «تجزیه و تحلیل واریانس» (ANOVA) و «تحلیل کوواریانس» (ANCOVA) به همراه ایجاد «مدلهای خطی عمومی» (General Linear Model) است. در این متن، مروری کوتاه و مقدماتی بر منطق SEM داشته، سپس فرضیات و ورودی مورد نیاز برای تجزیه و تحلیل SEM و نحوه انجام آن را با استفاده از نرم افزار AMOS (Analysis of Moment Structures) به کمک یک مثال آموزش خواهیم داد. در این بین متغیرهای پنهانی که به عنوان عاملها میشناسیم، براساس متغیرهای آشکار، ساخته و از شاخصهای اصلاح و آزمون فرض آماری در تحلیلهای اکتشافی بهره خواهیم برد. ولی در ابتدای امر ابزار اجرای مدل سازی معادلات ساختاری یعنی AMOS را معرفی کرده و با محیط آن بیشتر آشنا میشویم. به این ترتیب برای آموزش معادلات ساختاری در SPSS از نرمافزار AMOS کمک خواهیم گرفت.
🔸 معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS
آنالیز چند متغیره در آمار، ابزاری مناسب برای اجرا روشهای تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی محسوب میشود. واضح است که در این حوزه، آزمودنیها شامل چندین ویژگی هستند که منجر به ایجاد یک مسئله چند متغیره میشود. یکی از تکنیکهای چند متغیره، «تجزیه و تحلیل ساختارهای کوواریانس» یا همان «مدل یابی معادلات ساختاری» است که موضوع این آموزش قرار گرفته است. این تکنیک برای بررسی روابط علت و معلولی و الگوهایی رابطهای مناسب است. در این آموزش به کمک نرمافزار AMOS به آموزش معادلات ساختاری در SPSS پرداخته شده و روال آموزش به شکلی است که فراگیران میتوانند تدوین صحیح مدلهای نظری و تجربی را آموخته و جایگاه هر یک از متغیرهای میانجی، کنترلی، مداخله گر و تعدیل کننده را به درستی تشخیص دهند. فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است.
مطالعه ادامه مطلب 👇👇
🔗 آموزش معادلات ساختاری در SPSS — گام به گام و به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
✳️ رسم نمودار برای داده ها — معرفی و کاربردها (+ دانلود فیلم آموزش گام به گام)
«نمایش دادهها» (Data Visualization) روشی است که به کمک آن میتوان به شکل سریع و موثر اطلاعات و دادهها را برای تصمیمگیری مدیران ارائه کرد. روشهای رسم نمودار یا نمایش داده بیشتر به صورت ترسیم آنها یا تشکیل جداول اطلاعاتی است. در این نوشتار به بررسی خصوصیات و شیوه نمایش دادهها توسط نمودارهای مختلف میپردازیم. با توجه به اهمیت نوع دادهها و نمایش تصویری آنها ابتدا انواع دادهها را معرفی خواهیم کرد.
══ فهرست مطالب ══
○ رسم نمودار یا نمایش داده برای متغیرهای کمی و کیفی
○ نمودارهای مرتبط با دادههای کیفی
○ نمودارهای مرتبط با دادههای کمی
🔸 رسم نمودار یا نمایش داده برای متغیرهای کمی و کیفی
بطور کلی، دادهها را با توجه به نوع مقدارهای ثبتی یا جمعآوری شده، طبقهبندی میکنند. یکی از اصلیترین طبقهبندیها برای دادهها، «کیفی» (Qualitative) یا «کمی» (Quantitative) بودن آنها است.
اگر برای ثبت دادهها، از ابزار اندازهگیری یا شمارش استفاده شود، میگوییم آن دادهها کمی هستند. دادههای کمی به راحتی توسط اعداد قابل ثبتاند. برای مثال اگر موضوع مورد بررسی شما اطلاعات مربوط به وزن افراد باشد، با استفاده از ابزار ترازو میتوانید اطلاعات را ثبت و به شکل عددی نمایش دهید. همچنین تعداد افراد یک خانوار از طریق شمارش قابل محاسبه و ثبت است. مثالهای دیگر برای دادههای کمی میتواند دادههای مربوط به دما، میزان مصرف سوخت، درصد رضایت شغلی و فشار خون باشد.
از آنجایی که ماهیت این نوع دادهها عددی است، قابلیت انجام محاسبات ریاضی روی آنها وجود دارد. به همین علت از این گونه دادهها بیشتر برای محاسبه شاخصهای آماری نظیر میانگین و انحراف معیار استفاده میشود.
🔸 نمودارهای مرتبط با دادههای کیفی
اگر منظور از رسم نمودار مقایسه بین گروههای جامعه آماری باشد، رسم نمودارهای مربوط به دادههای کیفی بسیار مفید خواهد بود. معمولا در این گونه نمودارها، تعداد یا درصد هر کدام از گروهها، نمایش داده میشود. از انواع این گونه نمودارها میتوان به نمودار ستونی، میلهای، دایرهای، بافتنگار و نمودار «پارتو» (Pareto) اشاره کرد.
در این گونه نمودارها معمولا دو محور عمود بر هم وجود دارد. در «نمودار ستونی» (Column Chart) محور افقی نشاندهنده مقدارهای متغیرهای کیفی است و محور عمودی یک کمیت (مثلا تعداد، درصد و یا میانگین) مربوط به هر یک از این گروهها را نشان میدهد. خطوط تفکیکی روی نمودار، مقدار حدودی برای ارتفاع هر ستون را مشخص میکنند.
البته اگر این دو محور جابجا شوند، همان کاربرد وجود خواهد داشت، هرچند معمولا به آن «نمودار میلهای» (Bar Chart) گفته میشود.
مطالعه ادامه مطلب 👇👇
🔗 رسم نمودار برای داده ها — معرفی و کاربردها (+ دانلود فیلم آموزش گام به گام) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
«نمایش دادهها» (Data Visualization) روشی است که به کمک آن میتوان به شکل سریع و موثر اطلاعات و دادهها را برای تصمیمگیری مدیران ارائه کرد. روشهای رسم نمودار یا نمایش داده بیشتر به صورت ترسیم آنها یا تشکیل جداول اطلاعاتی است. در این نوشتار به بررسی خصوصیات و شیوه نمایش دادهها توسط نمودارهای مختلف میپردازیم. با توجه به اهمیت نوع دادهها و نمایش تصویری آنها ابتدا انواع دادهها را معرفی خواهیم کرد.
══ فهرست مطالب ══
○ رسم نمودار یا نمایش داده برای متغیرهای کمی و کیفی
○ نمودارهای مرتبط با دادههای کیفی
○ نمودارهای مرتبط با دادههای کمی
🔸 رسم نمودار یا نمایش داده برای متغیرهای کمی و کیفی
بطور کلی، دادهها را با توجه به نوع مقدارهای ثبتی یا جمعآوری شده، طبقهبندی میکنند. یکی از اصلیترین طبقهبندیها برای دادهها، «کیفی» (Qualitative) یا «کمی» (Quantitative) بودن آنها است.
اگر برای ثبت دادهها، از ابزار اندازهگیری یا شمارش استفاده شود، میگوییم آن دادهها کمی هستند. دادههای کمی به راحتی توسط اعداد قابل ثبتاند. برای مثال اگر موضوع مورد بررسی شما اطلاعات مربوط به وزن افراد باشد، با استفاده از ابزار ترازو میتوانید اطلاعات را ثبت و به شکل عددی نمایش دهید. همچنین تعداد افراد یک خانوار از طریق شمارش قابل محاسبه و ثبت است. مثالهای دیگر برای دادههای کمی میتواند دادههای مربوط به دما، میزان مصرف سوخت، درصد رضایت شغلی و فشار خون باشد.
از آنجایی که ماهیت این نوع دادهها عددی است، قابلیت انجام محاسبات ریاضی روی آنها وجود دارد. به همین علت از این گونه دادهها بیشتر برای محاسبه شاخصهای آماری نظیر میانگین و انحراف معیار استفاده میشود.
🔸 نمودارهای مرتبط با دادههای کیفی
اگر منظور از رسم نمودار مقایسه بین گروههای جامعه آماری باشد، رسم نمودارهای مربوط به دادههای کیفی بسیار مفید خواهد بود. معمولا در این گونه نمودارها، تعداد یا درصد هر کدام از گروهها، نمایش داده میشود. از انواع این گونه نمودارها میتوان به نمودار ستونی، میلهای، دایرهای، بافتنگار و نمودار «پارتو» (Pareto) اشاره کرد.
در این گونه نمودارها معمولا دو محور عمود بر هم وجود دارد. در «نمودار ستونی» (Column Chart) محور افقی نشاندهنده مقدارهای متغیرهای کیفی است و محور عمودی یک کمیت (مثلا تعداد، درصد و یا میانگین) مربوط به هر یک از این گروهها را نشان میدهد. خطوط تفکیکی روی نمودار، مقدار حدودی برای ارتفاع هر ستون را مشخص میکنند.
البته اگر این دو محور جابجا شوند، همان کاربرد وجود خواهد داشت، هرچند معمولا به آن «نمودار میلهای» (Bar Chart) گفته میشود.
مطالعه ادامه مطلب 👇👇
🔗 رسم نمودار برای داده ها — معرفی و کاربردها (+ دانلود فیلم آموزش گام به گام) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
Forwarded from FaraDars_Course
📣 معرفی «کانالهای موضوعی فرادرس» در رشتههای مختلف تحصیلی و تخصصی
🌟 برای دسترسی به مطالب و مقالات آموزشی رایگان فرادرس، عضو کانال مورد نظر خود شوید👇👇👇
📌کانال آموزش برنامهنویسی:
@FaraProg
📌کانال آموزش برنامهنویسی پایتون:
@FaraPython
📌کانال آموزش برنامهنویسی اندروید:
@FaraAnd
📌کانال آموزش برنامهنویسی جاوا:
@Fara_Java
📌کانال آموزش طراحی و توسعه وب:
@FaraWebDev
📌کانال آموزش متلب و سیمولینک:
@FaraMatlabSim
📌کانال آموزش رباتیک:
@FaraRobotics
📌کانال آموزش هوش مصنوعی:
@FaraAI
📌کانال آموزش علم داده:
@Fara_DS
📌کانال آموزش علوم مهندسی:
@FaraEng
📌کانال آموزش مهندسی مکانیک:
@FaraMechanical
📌کانال آموزش مهندسی برق:
@FaraElectrical
📌کانال آموزش مهندسی عمران:
@FaraCivil
📌کانال آموزش معماری:
@FaraArch
📌کانال آموزش شیمی:
@FaraChem
📌کانال آموزش مهندسی و علوم کامپیوتر:
@FaraCompEng
📌کانال آموزش طراحی گرافیک:
@FaraGraphDesign
📌کانال آموزش زبانهای خارجی:
@FaraLang
📌کانال آموزش زیستشناسی:
@FaraBio
📌کانال آموزش فیزیک:
@FaraPhys
📌کانال آموزش ریاضیات:
@FaraMathematic
📌کانال آموزش آمار و احتمالات:
@FaraStatistics
📌کانال آموزش نرم افزارهای آفیس:
@FaraOffice
📌کانال آموزش بورس و بازار سهام:
@FaraVest
📌کانال آموزش بازاریابی دیجیتال:
@Kaprila
@FaraDars — کانال اصلی فرادرس
📣 معرفی «کانالهای موضوعی فرادرس» در رشتههای مختلف تحصیلی و تخصصی
🌟 برای دسترسی به مطالب و مقالات آموزشی رایگان فرادرس، عضو کانال مورد نظر خود شوید👇👇👇
📌کانال آموزش برنامهنویسی:
@FaraProg
📌کانال آموزش برنامهنویسی پایتون:
@FaraPython
📌کانال آموزش برنامهنویسی اندروید:
@FaraAnd
📌کانال آموزش برنامهنویسی جاوا:
@Fara_Java
📌کانال آموزش طراحی و توسعه وب:
@FaraWebDev
📌کانال آموزش متلب و سیمولینک:
@FaraMatlabSim
📌کانال آموزش رباتیک:
@FaraRobotics
📌کانال آموزش هوش مصنوعی:
@FaraAI
📌کانال آموزش علم داده:
@Fara_DS
📌کانال آموزش علوم مهندسی:
@FaraEng
📌کانال آموزش مهندسی مکانیک:
@FaraMechanical
📌کانال آموزش مهندسی برق:
@FaraElectrical
📌کانال آموزش مهندسی عمران:
@FaraCivil
📌کانال آموزش معماری:
@FaraArch
📌کانال آموزش شیمی:
@FaraChem
📌کانال آموزش مهندسی و علوم کامپیوتر:
@FaraCompEng
📌کانال آموزش طراحی گرافیک:
@FaraGraphDesign
📌کانال آموزش زبانهای خارجی:
@FaraLang
📌کانال آموزش زیستشناسی:
@FaraBio
📌کانال آموزش فیزیک:
@FaraPhys
📌کانال آموزش ریاضیات:
@FaraMathematic
📌کانال آموزش آمار و احتمالات:
@FaraStatistics
📌کانال آموزش نرم افزارهای آفیس:
@FaraOffice
📌کانال آموزش بورس و بازار سهام:
@FaraVest
📌کانال آموزش بازاریابی دیجیتال:
@Kaprila
@FaraDars — کانال اصلی فرادرس
❇️ فیلم آموزش «مفهوم نرخ رشد مرکب سالانه و روش محاسبه آن» در ۹ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «مفهوم نرخ رشد مرکب سالانه و روش محاسبه آن» در ۹ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
✳️ روش یافتن میانگین — به زبان ساده (+ دانلود فیلم آموزش گام به گام)
میانگین (Mean)، مقدار متوسط اعداد است. نام دیگر آن معدل است. مسلماً همه ما با این واژه در کارنامههای نحصیلی خود آشنا هستیم. میانگین شاخصی از نحوه پراکندگی اعضای یک مجموعه به دست میدهد. محاسبه میانگین کار آسانی است. کافی است کل اعداد مورد نظر را با هم جمع کنید، سپس حاصل را بر تعداد شمارههای جمع شده تقسیم کنید. به عبارت دیگر، میانگین، از تقسیم مجموع اعداد بر تعداد آنها به دست میآید.
══ فهرست مطالب ══
○ اعداد منفی
🔸 اعداد منفی
شاید از خود بپرسید چگونه میتوانیم میانگین یک مجموعه اعداد را با حضو عددهای منفی محاسبه کنیم؟ اضافه کردن یک عدد منفی همانند منها کردن آن (بدون علامت منفیاش) به جای جمع کردن آن است. برای مثال:
۳ + (-۲) = ۳ – ۲ = ۱
خب، سراغ یک مثال با این بحث می رویم.
مطالعه ادامه مطلب 👇👇
🔗 روش یافتن میانگین — به زبان ساده (+ دانلود فیلم آموزش گام به گام) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
میانگین (Mean)، مقدار متوسط اعداد است. نام دیگر آن معدل است. مسلماً همه ما با این واژه در کارنامههای نحصیلی خود آشنا هستیم. میانگین شاخصی از نحوه پراکندگی اعضای یک مجموعه به دست میدهد. محاسبه میانگین کار آسانی است. کافی است کل اعداد مورد نظر را با هم جمع کنید، سپس حاصل را بر تعداد شمارههای جمع شده تقسیم کنید. به عبارت دیگر، میانگین، از تقسیم مجموع اعداد بر تعداد آنها به دست میآید.
══ فهرست مطالب ══
○ اعداد منفی
🔸 اعداد منفی
شاید از خود بپرسید چگونه میتوانیم میانگین یک مجموعه اعداد را با حضو عددهای منفی محاسبه کنیم؟ اضافه کردن یک عدد منفی همانند منها کردن آن (بدون علامت منفیاش) به جای جمع کردن آن است. برای مثال:
۳ + (-۲) = ۳ – ۲ = ۱
خب، سراغ یک مثال با این بحث می رویم.
مطالعه ادامه مطلب 👇👇
🔗 روش یافتن میانگین — به زبان ساده (+ دانلود فیلم آموزش گام به گام) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
👍1
❇️ فیلم آموزش «توزیع لاگ نرمال» در ۹ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «توزیع لاگ نرمال» در ۹ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
✳️ جدول فراوانی برای دادههای کیفی و کمی — مثالهای کاربردی (+ دانلود فیلم آموزش رایگان)
هرچند معیارهای مرکزی و پراکندگی میتوانند خصوصیات جامعه آماری را نشان دهند ولی استفاده از جدول فراوانی نیز کمک بسیاری به شناخت جامعه آماری میکند، به خصوص در زمانی که دادهها کیفی هستند.
══ فهرست مطالب ══
○ خصوصیات جدول فراوانی
🔸 خصوصیات جدول فراوانی
جدول فراوانی از چند سطر و ستون تشکیل شده است. هر سطر نشانگر خصوصیات یک طبقه یا رده است. همچنین ویژگیهای مربوط به هر سطر نیز در ستونها نامگذاری شدهاند.
در زیر نمونه یک جدول فراوانی مشاهده میشود.
نکته: ممکن است ستونی به عنوان شماره ردیف نیز در اول جدول قرار داشته باشد. این ستون به ارجاع آسان به سطرهای جدول فراوانی کمک میکند. مثلا اگر گفته شود که نما در رده سوم جدول فراوانی قرار دارد، به این معنی است که باید در سطر سوم به دنبال آن بگردیم.
مطالعه ادامه مطلب 👇👇
🔗 جدول فراوانی برای دادههای کیفی و کمی — مثالهای کاربردی (+ دانلود فیلم آموزش رایگان) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
هرچند معیارهای مرکزی و پراکندگی میتوانند خصوصیات جامعه آماری را نشان دهند ولی استفاده از جدول فراوانی نیز کمک بسیاری به شناخت جامعه آماری میکند، به خصوص در زمانی که دادهها کیفی هستند.
══ فهرست مطالب ══
○ خصوصیات جدول فراوانی
🔸 خصوصیات جدول فراوانی
جدول فراوانی از چند سطر و ستون تشکیل شده است. هر سطر نشانگر خصوصیات یک طبقه یا رده است. همچنین ویژگیهای مربوط به هر سطر نیز در ستونها نامگذاری شدهاند.
در زیر نمونه یک جدول فراوانی مشاهده میشود.
نکته: ممکن است ستونی به عنوان شماره ردیف نیز در اول جدول قرار داشته باشد. این ستون به ارجاع آسان به سطرهای جدول فراوانی کمک میکند. مثلا اگر گفته شود که نما در رده سوم جدول فراوانی قرار دارد، به این معنی است که باید در سطر سوم به دنبال آن بگردیم.
مطالعه ادامه مطلب 👇👇
🔗 جدول فراوانی برای دادههای کیفی و کمی — مثالهای کاربردی (+ دانلود فیلم آموزش رایگان) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
✳️ میانه چیست و چگونه محاسبه میشود؟ — به زبان ساده (+ دانلود فیلم آموزش گام به گام)
میانه یکی از شاخصهای آماری است که معمولاً در آمار توصیفی در سطوح مقدماتی به همراه مُد و میانگین مورد استفاده قرار میگیرد. میانه عدد وسط مجموعهای از اعداد مرتب شده بر اساس مقدار آنهاست.
══ فهرست مطالب ══
○ چگونه مقدار میانه را به دست آوریم؟
○ اگر تعداد اعضای مجموعه زوج باشد، چطور؟
○ اکنون نوبت شماست
○ وسط کجاست؟
🔸 چگونه مقدار میانه را به دست آوریم؟
برای یافتن میانه یک مجموعه از اعداد، آنها را به ترتیب مقدار مرتب میکنیم و سپس عددی که در وسط آنها قرار دارد را پیدا میکنیم.
مثال: میانه مجموعه اعداد زیر را پیدا کنید:
{۱۳, ۲۳, ۱۱, ۱۶, ۱۵, ۱۰, ۲۶}
🔸 اگر تعداد اعضای مجموعه زوج باشد، چطور؟
اگر تعداد اعداد زوج باشد، روش کار مقداری متفاوت است. در این حالت، ابتدا جفت اعداد میانی را مییابیم، سپس عددی که وسط این دو عدد هست را مییابیم یعنی میانگین آن دو عدد را محاسبه میکنیم. بدین ترتیب میانه مجموعه زوجی از اعداد به آسانی با جمع کردن آن دو عدد و تقسیم حاصلجمع بر ۲ بدست میآید.
مثال:
۳, ۱۳, ۷, ۵, ۲۱, ۲۳, ۲۳, ۴۰, ۲۳, ۱۴, ۱۲, ۵۶, ۲۳, ۲۹
مطالعه ادامه مطلب 👇👇
🔗 میانه چیست و چگونه محاسبه میشود؟ — به زبان ساده (+ دانلود فیلم آموزش گام به گام) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
میانه یکی از شاخصهای آماری است که معمولاً در آمار توصیفی در سطوح مقدماتی به همراه مُد و میانگین مورد استفاده قرار میگیرد. میانه عدد وسط مجموعهای از اعداد مرتب شده بر اساس مقدار آنهاست.
══ فهرست مطالب ══
○ چگونه مقدار میانه را به دست آوریم؟
○ اگر تعداد اعضای مجموعه زوج باشد، چطور؟
○ اکنون نوبت شماست
○ وسط کجاست؟
🔸 چگونه مقدار میانه را به دست آوریم؟
برای یافتن میانه یک مجموعه از اعداد، آنها را به ترتیب مقدار مرتب میکنیم و سپس عددی که در وسط آنها قرار دارد را پیدا میکنیم.
مثال: میانه مجموعه اعداد زیر را پیدا کنید:
{۱۳, ۲۳, ۱۱, ۱۶, ۱۵, ۱۰, ۲۶}
🔸 اگر تعداد اعضای مجموعه زوج باشد، چطور؟
اگر تعداد اعداد زوج باشد، روش کار مقداری متفاوت است. در این حالت، ابتدا جفت اعداد میانی را مییابیم، سپس عددی که وسط این دو عدد هست را مییابیم یعنی میانگین آن دو عدد را محاسبه میکنیم. بدین ترتیب میانه مجموعه زوجی از اعداد به آسانی با جمع کردن آن دو عدد و تقسیم حاصلجمع بر ۲ بدست میآید.
مثال:
۳, ۱۳, ۷, ۵, ۲۱, ۲۳, ۲۳, ۴۰, ۲۳, ۱۴, ۱۲, ۵۶, ۲۳, ۲۹
مطالعه ادامه مطلب 👇👇
🔗 میانه چیست و چگونه محاسبه میشود؟ — به زبان ساده (+ دانلود فیلم آموزش گام به گام) — کلیک کنید (+)
📌 کانال اختصاصی آموزشی آمار و احتمالات
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇
@FaraStatistics — مطالب و آموزشهای آمار و احتمالات فرادرس
🔴 رایگان آموزش ببینید و مهارت کسب کنید.
🌟 معرفی آموزشهای رایگان و پرطرفدار فرادرس
♨️ صدها عنوان آموزش رایگان فرادرس در دسترس هستند که در طول ماه، توسط دهها هزار دانشجو مورد مطالعه قرار میگیرند.
شما عزیزان نیز میتوانید با مراجعه به لینکهای زیر، آموزشهای پرمخاطب در دستهبندی مورد نظر خود را مشاهده کرده و رایگان دانلود کنید👇
✅ آموزشهای رایگان آمار و احتمالات [+]
📚 تمامی آموزشهای رایگان و پرمخاطب [+]
@FaraDars - فرادرس
🔴 رایگان آموزش ببینید و مهارت کسب کنید.
🌟 معرفی آموزشهای رایگان و پرطرفدار فرادرس
♨️ صدها عنوان آموزش رایگان فرادرس در دسترس هستند که در طول ماه، توسط دهها هزار دانشجو مورد مطالعه قرار میگیرند.
شما عزیزان نیز میتوانید با مراجعه به لینکهای زیر، آموزشهای پرمخاطب در دستهبندی مورد نظر خود را مشاهده کرده و رایگان دانلود کنید👇
✅ آموزشهای رایگان آمار و احتمالات [+]
📚 تمامی آموزشهای رایگان و پرمخاطب [+]
@FaraDars - فرادرس
❇️ فیلم آموزش «میانگین پیراسته» در ۸ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «میانگین پیراسته» در ۸ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
🎥 رسم نمودار در اکسل
نمودارها برای نمایش گرافیکی دادهها بسیار کاربردی هستند. اگر از کاربران نرمافزار مایکروسافت اکسل (Microsoft Excel) باشید، به سادگی میتوانید از انواع نمودارهایی که در آن قرار دارند استفاده نمایید. در این آموزش شما را با نحوه نمودارهای مرسوم و سفارشی کردن آنها آشنا خواهیم کرد؛ همچنین یاد خواهید گرفت که چگونه به رسم نمودار در اکسل بپردازید.
✅ برای مشاهده ویدئوی این آموزش، به لینک زیر مراجعه کنید👇👇👇
🔗 رسم نمودار در اکسل - [کلیک کنید]
@FaraDars - فرادرس
🎥 رسم نمودار در اکسل
نمودارها برای نمایش گرافیکی دادهها بسیار کاربردی هستند. اگر از کاربران نرمافزار مایکروسافت اکسل (Microsoft Excel) باشید، به سادگی میتوانید از انواع نمودارهایی که در آن قرار دارند استفاده نمایید. در این آموزش شما را با نحوه نمودارهای مرسوم و سفارشی کردن آنها آشنا خواهیم کرد؛ همچنین یاد خواهید گرفت که چگونه به رسم نمودار در اکسل بپردازید.
✅ برای مشاهده ویدئوی این آموزش، به لینک زیر مراجعه کنید👇👇👇
🔗 رسم نمودار در اکسل - [کلیک کنید]
@FaraDars - فرادرس
Forwarded from مجله فرادرس
📙 دسته آمار: پربازدیدترین مطالب اخیر «آمار» مجله فرادرس
1️⃣ تحلیل واریانس (Anova) — مفاهیم و کاربردها
───────────────
2️⃣ متغیر تصادفی، تابع احتمال و تابع توزیع احتمال
───────────────
3️⃣ فاکتوریل و اصول شمارش ترتیب و ترکیب — به زبان ساده
───────────────
4️⃣ فاصله اطمینان (Confidence Interval) — به زبان ساده
───────────────
5️⃣ مقدار احتمال (p-Value) در آزمون فرض آماری — به زبان ساده
#آمار
📚 سایر مطالب مجله فرادرس
🔗 fdrs.ir/blog
@FaraDarsMag — مجله فرادرس
📙 دسته آمار: پربازدیدترین مطالب اخیر «آمار» مجله فرادرس
1️⃣ تحلیل واریانس (Anova) — مفاهیم و کاربردها
───────────────
2️⃣ متغیر تصادفی، تابع احتمال و تابع توزیع احتمال
───────────────
3️⃣ فاکتوریل و اصول شمارش ترتیب و ترکیب — به زبان ساده
───────────────
4️⃣ فاصله اطمینان (Confidence Interval) — به زبان ساده
───────────────
5️⃣ مقدار احتمال (p-Value) در آزمون فرض آماری — به زبان ساده
#آمار
📚 سایر مطالب مجله فرادرس
🔗 fdrs.ir/blog
@FaraDarsMag — مجله فرادرس
❇️ فیلم آموزش «آشنایی با قانون پارتو (Pareto Law)» در ۸ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
❇️ فیلم آموزش «آشنایی با قانون پارتو (Pareto Law)» در ۸ دقیقه | به زبان ساده
📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.