‌
❇️ 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

‌

‏✳️ ‌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

‌

‌
📣 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.
‌
‌

‏✳️ ‌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

‌

‌
❇️ 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

‌

‏✳️ ‌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

‌

‌
🔴 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.
‌
‌

‌
🎥 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

‌
📙 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.
‌
‌

‌
📱 در شبکه‌های اجتماعی فرادرس چه مطالبی منتشر می‌شود؟

✔️ اطلاع‌رسانی فرصت‌های ویژه و جشنواره‌های تخفیف

✔️ اطلاع‌رسانی جدیدترین آموزش‌های منتشر شده همراه با تخفیف ویژه انتشار

✔️ انتشار مطالب، مقالات و ویدئوهای آموزشی رایگان

✔️ اطلاع‌رسانی آخرین رویدادها و وبینارها

✔️ برگزاری مسابقات و طرح‌های تخفیف همراه با هدایای آموزشی


☸️ فرادرس را در شبکه‌های اجتماعی و کانال‌های ارتباطی مختلف دنبال کنید.👇👇👇


📌 اینستاگرام
🔗 instagram.com/FaraDars

📌 یوتیوب
🔗 youtube.com/c/FaraDarsCourses

📌 لینکدین
🔗 linkedin.com/company/FaraDars

📌 توئیتر
🔗 twitter.com/FaraDars

📌 کانال رسمی تلگرام
🔗 t.me/FaraDars

📌 کانال فرصت‌های ویژه (فراپُن)
🔗 t.me/FaraPon

📌 کانال تازه‌های نشر
🔗 t.me/FDPub

📌 کانال‌های موضوعی و تخصصی
🔗 t.me/faradars/5006



_______________‏

📚 فرادرس
دانش در دسترس همه
همیشه و همه جا


@FaraDars — فرادرس
‌

‌
❇️ 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.
‌
‌

‏✳️ ‌توزیع نرمال و توزیع نرمال استاندارد — به زبان ساده (+ دانلود فیلم آموزش رایگان)

‏شاید تا کنون بارها عبارت «توزیع آماری» به گوش‌تان خورده باشد، ولی تصور دقیقی از معنی این اصطلاح نداشته باشید. پس از انجام هر نوع اندازه‌گیری همواره تعدادی داده (عدد) در اختیار داریم که می‌خواهیم ارتباط بین آنها را کشف کنیم یا آنها را دسته‌بندی نماییم تا بتوانیم آنها را تجزیه و تحلیل کنیم. برای انجام این کار ابتدا می‌بایست نحوه توزیع داده‌ها را بدانیم. به عبارت ساده‌تر توزیع داده‌ها به ما می‌گوید که پراکندگی و گستردگی داده‌هایی که جمع‌آوری کرده ایم چگونه است. توزیع نرمال نیز یکی از این الگوها است.

══ فهرست مطالب ══

‏ ○ انحراف معیار
‏ ○ نمرات معیار
‏ ○ چرا از استانداردسازی استفاده می کنیم؟
‏ ○ جزئیات بیشتر
‏ ○ مثال کاربردی برای بسته‌بندی شکر
‏ ○ معرفی فیلم آموزش آمار و احتمال مهندسی
‏ ○ فیلم‌ های آموزش توزیع نرمال و توزیع نرمال استاندارد — به زبان ساده (+ دانلود فیلم آموزش رایگان)


‏🔸 انحراف معیار

‏انحراف معیار یا خطای استاندارد (Standard Deviation)، معیار پراکندگی اعداد است. هنگامی که انحراف معیار را اندازه‌گیری می کنیم، به طور معمول با موارد زیر مواجه می‌شویم:
برای مشاهده تصاویر کلیک کنید (+)

‏در تصویر اول می‌بینیم که ۶۸% از مقدارها در محدوده یک انحراف معیار از میانگین هستند. در تصویر دوم، ۹۵% از مقدارها در محدوده دو برابر انحراف معیار از میانگین هستند. در تصویر سوم، ۹۹.۷% از مقدارها در محدوده سه برابر انحراف معیار از میانگین هستند.


‏🔸 نمرات معیار

‏تعداد انحراف‌ها از میانگین همچنین با نام «نمره معیار یا نمره استاندارد» (Standard Score)، نیز نامیده می‌شود که به صورت «سیگما» و یا «نمره z» مورد اشاره قرار می‌گیرند.



مطالعه ادامه مطلب 👇👇

‏🔗 توزیع نرمال و توزیع نرمال استاندارد — به زبان ساده (+ 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

‌

‌
❇️ فیلم آموزش «شاخص‌های توصیفی در آمار» در ۵ دقیقه | به زبان ساده


📌 آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید.
‌
‌

‌
📙 دسته آمار: پربازدیدترین مطالب اخیر «آمار» مجله فرادرس


1️⃣ توزیع های آماری F و T

‏───────────────

2️⃣ مقایسه میانگین میانه و نما

‏───────────────

3️⃣ نمودار های میله ای و ستونی

‏───────────────

4️⃣ امید ریاضی (Mathematical Expectation)

‏───────────────

5️⃣ روش‌ های نمونه گیری (Sampling) در آمار


#آمار


📚 سایر مطالب مجله فرادرس
🔗 fdrs.ir/blog


@FaraDarsMag — مجله فرادرس

‏✳️ ‌آزمون فرض آماری مناسب | راهنمای کاربردی

‏یکی از مهم‌ترین تحلیل‌های آماری، آزمون فرض آماری است که نقش مهمی در برآوردیابی و سنجش اهمیت یک متغیر در مدل‌های آماری دارد. خوشبختانه (یا متاسفانه) آزمون‌های فرض در آمار بسیار متنوع بوده و با توجه به شرایط مسئله و داده‌ها با یکدیگر تفاوت دارند. به همین دلیل انتخاب آزمون فرض آماری مناسب یکی از فعالیت‌های مهم بعد از جمع‌آوری داده‌ها محسوب می‌شود. در این نوشتار سعی داریم که با بعضی از اصلی‌ترین روش‌های آزمون فرض آماری مناسب برای داده‌ها، آشنا شده و به زمینه کاربرد هر یک از آن‌ها اشاره کنیم.

══ فهرست مطالب ══

‏ ○ آزمون فرض آماری مناسب
‏ ○ معرفی فیلم آموزش تحلیل رگرسیون لجستیک دو حالتی در SPSS
‏ ○ خلاصه و جمع‌بندی


‏🔸 آزمون فرض آماری مناسب

‏آزمون های فرض آماری (Statistical Hypothesis Tests) شامل تکنیک‌های آماری است که برای صدور یک حکم در مورد جامعه آماری به کار می‌رود. به کمک چنین آزمون‌هایی، می‌توانیم ارتباط بین دو یا چند جامعه را مشخص کرده، همچنین برای سنجش پارامتر یا پارامترهای جامعه و مقایسه آن‌ها با یکدیگر از آزمون‌های آماری استفاده می‌کنیم. به همین دلیل انبوهی از آزمون‌های فرض در مباحث آماری مطرح شده که ممکن است کاربران و محققین را نسبت به انتخاب هر کدام، دچار سردرگمی کند. به همین دلیل این مطلب از مجله فرادرس را به انتخاب آزمون فرض آماری مناسب اختصاص داده‌ایم تا راهکارهایی برای تعیین آزمون صحیح در اختیار کاربران قرار دهیم.

‏در این میان، از آزمون‌های آماری ساده و پارامتری آغاز کرده و در بخش‌های مختلف به بررسی روش‌های اجرای آزمون‌های ناپارامتری نیز خواهیم پرداخت. از آنجایی که برای درک بیشتر این دنباله نوشته‌ها احتیاج به آگاهی از شیوه انجام آزمون آماری دارید بهتر است ابتدا نوشتار استنباط و آزمون فرض آماری — مفاهیم و اصطلاحات را مطالعه کنید. همچنین آگاهی از نحوه محاسبه احتمال-مقدار (P-value) نیز مفید به نظر می‌رسد، بنابراین مطالعه مقدار احتمال (p-Value) — معیاری ساده برای انجام آزمون فرض آماری نیز توصیه می‌شود. امیدواریم پس از مطالعه این مطلب، قادر باشید هنگام انتخاب روش مناسب آزمون آماری، بهترین و دقیق‌ترین روش را در نظر بگیرید.

‏نکته: اگر می‌خواهید آزمون فرض آماری مناسب در محیط SPSS‌ را بهتر بشناسید، به نوشتار آزمون آماری مناسب در SPSS | راهنمای کاربردی مراجعه کنید.


‏🔸 معرفی فیلم آموزش تحلیل رگرسیون لجستیک دو حالتی در SPSS

‏در این فیلم آموزشی مدل‌های مبتنی بر رگرسیونی لجستیک به همراه کاربردهای آن، مورد توجه قرار گرفته است و برای انجام محاسبات مربوطه نیز از محیط تعاملی نرم افزار SPSS استفاده شده. وجود مثال‌های کاربردی و متعدد در این آموزش از مزایای مهم محسوب می‌شود. بطوری که مخاطب در انتهای آموزش به راحتی تحلیل صحیح و مناسب را در نرم افزار SPSS شناخته و می‌تواند برای مسئله خود، راه حل مناسبی پیدا کند.

‏رگرسیون لجستیک دو حالتی (برای متغیرهای دو وضعیتی)، در بسیاری از رشته‌های کاربردی از جمله پزشکی و علوم اجتماعی کاربرد دارد. در این مدل‌ها، متغیر پاسخ دو حالتی با یک مجموعه از متغیرهای توضیحی (مستقل) در ارتباط هستند. البته متغیرها توصیفی یا مستقل ممکن است کمی یا کیفی بوده و در مدل نقش داشته باشند. احتمال یا بخت پاسخ بر مبنای ترکیبی از مقادیر پیشگوها در این گونه مدل‌ها، ساخته و محاسبه شده و از تابع لوجیت برای ایجاد الگوی رابطه بین متغیرها استفاده می‌شود. به همین جهت نیز چنین رگرسیونی را لجستیک می‌نامند. سرفصل‌های مورد توجه شامل دو درس بوده که به قرار زیر هستند.

‏– درس اول: مقدمه بر تحلیل رگرسیون، رگرسیون لجستیک، رگرسیون لجستیک ساده در نرم افزار SPSS که شامل مواردی مانند، بررسی مقدماتی خروجی SPSS در رگرسیون لجستیک ساده، بخت، نسبت بخت‌ها، نمایش مدل رگرسیون ساده و بررسی مدل و گزارش نویسی خروجی نرم افزار SPSS

‏– درس دوم: انجام تحلیل رگرسیون لجستیک چندگانه در محیط SPSS



مطالعه ادامه مطلب 👇👇

‏🔗 آزمون فرض آماری مناسب | راهنمای کاربردی — 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 خطی ساده — مفهوم و محاسبات به زبان ساده (+ دانلود فیلم آموزش رایگان)

‏استفاده از داده‌ها به منظور کشف رابطه بین آن‌ها اساس داده‌کاوی است. یکی از ابزار سنجش رابطه و مدل‌سازی استفاده از ابزار آماری رگرسیون است. امروزه به منظور تحلیل و کشف مدل روی «مه داده» (کلان‌داده | Big Data)، روش‌های مختلف رگرسیون توسعه یافته است. استفاده از تحلیل رگرسیون خطی ساده در علوم مختلف داده‌کاوی، بخصوص مبحث «آموزش ماشین» (Machine Learning)، فیزیک، شیمی و علوم زیستی کاربرد بسیاری دارد.

══ فهرست مطالب ══

‏ ○ مفهوم رگرسیون خطی ساده
‏ ○ تاریخچه رگرسیون
‏ ○ مدل رگرسیون خطی ساده
‏ ○ برآورد پارامترهای رگرسیون خطی ساده
‏ ○ آزمون مربوط به مدل و پارامترهای آن
‏ ○ نکاتی در مورد رگرسیون خطی ساده
‏ ○ معرفی فیلم آموزش همبستگی و رگرسیون خطی در SPSS
‏ ○ فیلم‌ های آموزش رگرسیون خطی ساده — مفهوم و محاسبات به زبان ساده (+ دانلود فیلم آموزش رایگان)


‏🔸 مفهوم رگرسیون خطی ساده

‏در آمار، رگرسیون خطی یک رویکرد مدل خطی بین متغیر «پاسخ» (Response) با یک یا چند متغیر «توصیفی» (Explanatory) است. اغلب برای کشف مدل رابطه‌ی خطی بین متغیرها از رگرسیون (Regression) استفاده می‌شود. در این حالت فرض بر این است که یک یا چند متغیر توصیفی که مقدار آن‌ها مستقل از بقیه متغیرها یا تحت کنترل محقق است، می‌تواند در پیش‌بینی متغیر پاسخ که مقدارش وابسته به متغیرهای توصیفی و تحت کنترل محقق نیست، موثر باشد. هدف از انجام تحلیل رگرسیون شناسایی مدل خطی این رابطه است.

‏در ادامه از متغیر وابسته به جای متغیر پاسخ و متغیر مستقل به جای متغیر توصیفی استفاده می‌کنیم.

‏از آنجایی که ممکن است علاوه بر متغیرهای مستقل، عوامل زیاد و ناشناخته‌ دیگری نیز در تعیین مقدار متغیر وابسته نقش داشته باشند، مدل رگرسیونی را با مناسب‌ترین تعداد متغیر مستقل در نظر گرفته و میزان خطا را به عنوان نماینده عوامل تصادفی دیگری که قابل شناسایی نبودند در نظر می‌گیریم که انتظار است کمتر در تغییرات متغیر وابسته نقش داشته باشند.


‏🔸 تاریخچه رگرسیون

‏واژه رگرسیون برای اولین بار در مقاله‌ معروف «فرانسیس گالتون» (Sir Francis Galton) دیده شد که در مورد قد فرزندان و والدینشان بود. این واژه به معنی بازگشت است. او در مقاله خود در سال ۱۸۷۷ اشاره می‌کند که قد فرزندان قد بلند به میانگین قد جامعه میل می‌کند. او این رابطه را «بازگشت» (Regress) نامید.

‏هر چند واژه رگرسیون در شاخه علوم زیستی معرفی شد ولی آنچه امروزه به نام رگرسیون می‌شناسیم،‌ روشی است که توسط «گاوس» (Gauss) در سال ۱۸۰۹ معرفی شد تا به کمک آن پارامترهای مجهول رابطه بین مدار سیاره‌های منظومه شمسی را برآورد کند.

‏بعدها روش گاوس توسط «پیرسون» (Pearson) توسعه یافت و با مفاهیم آماری آمیخته شد. همچنین پیرسون توزیع توام متغیر وابسته و مستقل را توزیع گاوسی در نظر گرفت. بعدها «فیشر» (R. A. Fisher) توزیع متغیر وابسته به شرط متغیر مستقل را توزیع گاوسی محسوب کرد.



مطالعه ادامه مطلب 👇👇

‏🔗 رگرسیون خطی ساده — مفهوم و محاسبات به زبان ساده (+ 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

‌