10928
کانال اصلی @paphd سایر کانالهای ما: @wikileak @engineerphd @paphd2 @engphd @bourse_pajohesh اینستاگرام https://instagram.com/paphd2
ساخت نقشه های ذهنی با هوش مصنوعی
وارد سایت chatmind.tech بشید و نقشه راه مورد نظرتون رو بنویسید تا نتایج رو بهتون نشون بده ؛ کافیه موضوع خودتون رو با جزئیات کامل بنویسید و نقشه راه رو دریافت کنید.
https://chatmind.tech/
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
💠 تفاوت همبستگی اسپیرمن و پیرسون چیست؟
🔸همبستگی رتبه ای اسپیرمن یک روش برای محاسبه همبستگی بین دو متغیر ترتیبی و همبستگی پیرسون برای محاسبه همبستگی میان دو متغیر فاصله ای یا نسبی است.
🔸کارایی ضریب همبستگی رتبه ای اسپیرمن به دلیل ناپارامتری بودن، از ضریب همبستگی پیرسون کمتر است.
🔸محاسبه ضریب همبستگی رتبه ای اسپیرمن به این دلیل که به پیش فرض های کمتری نیاز دارد، نسبت به محاسبه ضریب همبستگی پیرسون ساده تر است.
🔸اسپیرمن روابط غیرخطی را بررسی می کند و پیرسون روابط خطی را بررسی می کند.
🔹برای محاسبه ضریب همبستگی میان دو گروه از داده هایی که از توزیع مشخصی پیروی می کنند (مانند توزیع نرمال، نمایی، کوشی و …) باید از یک روش پارامتری به نام همبستگی پیرسون استفاده کنید در حالی که اگر داده های شما در دو گروه از توزیع مشخصی پیروی نکنند، باید آن ها را رتبه گذاری کنید و برای محاسبه ضریب همبستگی بین آن ها از همبستگی رتبه ای اسپیرمن استفاده کنید، بنابراین اصلی ترین تفاوت این دو روش در پارامتری و ناپارامتری بودن آن هاست.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
#آمار_و_ارقام
پاول دورف: تلگرام احتمالاً تا یک سال دیگر مرز ١ میلیارد کاربر فعال را پشت‌سر می‌گذارد
▪️مدیرعامل تلگرام درمصاحبه با کارلسن گفت که فشار اصلی روی این پلتفرم نه از سوی دولت‌ها، بلکه از سمت گوگل و اپل اعمال می‌شود. به گفته دورف، درزمینه آزادی بیان، این دو شرکت می‌توانند هرآنچه که روی گوشی‌تان می‌توانید بخوانید، سانسور کنند.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
🔸روایی سازه
در #روایی_سازه محقق می بایست هم سوالات را از جنبه #روایی_همگرا و هم از جنبه #روایی_واگرا بررسی نماید.
روایی همگرا یعنی اینکه سوالات و شاخص های اندازه گیری یک متغیر باید با هم #همبستگی داشته باشند.
روایی واگرا یعنی اینکه سئوالات یک مجموعه ( مولفه) با یک مجموعه دیگر مجزا باشد.
این در حالیست که متاسفانه در اکثر پایان نامه ها و رساله های دکتری محققین تنها از روایی ظاهری استفاده میکنند و در فصل سوم تحقیقشان ، اثری از روایی محتوا( شاخص های CVR و CVI ) نیست. ضمن اینکه روایی سازه مهتمرین بخش از روایی یک پرسشنامه بویژه پرسشنامه های محقق ساخته می باشد.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
الهی!
فطرمان را فاطر،
ایمانمان را فاخر
و روحمان را طاهر بفرما ...
❤️عید سعید فطر مبارک❤️
🎓 @paphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
به وقت انسانیت
به وقت افطار
داور بازی لیورپول و شفیلد ، امشب دقیقه ۲۵ بازی را متوقف کرد تا کوناته و صلاح افطار کنند.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
#آموزشی
#تحلیل
فرا ترکیب روشی است کمی برای ترکیب نتایج پژوهشی گذشته که به صورت کیفی اند یعنی درست نقطه مقابل فرا تحلیل. در فرا ترکیب داده ها به صورت کیفی هستند و کمی تحلیل میشوند. در فرا تحلیل داده ها به صورت کمی هستند و نتایج به صورت کیفی تحلیل می شود.
#فراترکیب
#تحلیل_کیفی
#متاسنتز
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
لحظه تحویل سال، یا همون لحظه ی اعتدال بهاری و شروع بهار دقیقا همون لحظه ایه که خورشید نورش در دو نیمکره شمالی و جنوبی یکسان پخش میشه، و ساعات روز وشب در تمام نقاط زمین با هم برابره!
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
آرزو می‌کنم تمام زندگی را مشتاقانه، امیدوارانه، سرافرازانه و عاشقانه زندگی کنی.
تو نیز مرا همین آرزو کن ♥️🌿
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
👨🏫🔻👨🏫تکنیک دلفی
#قسمت_دوم
درخت تبارشناسی دلفی
همان‌گونه که یادآوری شد، تلاش آغازین در این عرصه پس از سال ۱۹۴۸ در موسسه رند انجام گرفت. در آن زمان بود که یافته‌های به دست آمده از پیمایش‌های کلان دلفی در حوزه‌ی غیرنظامی انتشار یافت (گوردون#/هلمر#، ۱۹۶۴). مدت کوتاهی پس از آن، ژاپنی‌ها در کاربست و گسترش این حوزه پیشرو شدند. ژاپن برنامه‌ی توسعه‌ی علم و فناوری خود را پس از کشورهای غربی آغاز کرد، اما توانست در این زمینه به موفقیت‌های گسترده‌ای دست یابد. عوامل فراوانی کامیابی ژاپن در این عرصه را رقم زدند که یکی از این عوامل، انجام شمار زیادی از برنامه‌های آیندهنگاری در واپسین سال‌های دهه‌ی ۱۹۶۰ بود. ژاپنی‌ها برای اجرای برنامه‌های آیندهنگاری خود از روش دلفی بهره گرفتند و به همین دلیل «آژانس علم و فناوری» ژاپن در سال ۱۹۶۹ پژوهش گسترده‌ای را در زمینه‌ی آینده‌ی علم و فناوری آغاز کرد. اگر چه نخستین مطالعات دلفی ژاپن به درستی نتوانست از نخستین شوک نفتی خبر دهد، حال آن که این مطالعات درست پیش از شکل‌گیری این بحران انجام گرفته بود و دستاوردهای آن انتشار یافته بود، اما با این حال، ژاپنی‌ها این مطالعات را هر پنج سال یک بار تکرار کردند. ژاپنی‌ها در سال ۱۹۹۷، ششمین مطالعه‌ی دلفی خود را به انجام رساندند و یافته‌های هفتمین دور از این مطالعه را در سال ۲۰۰۱ منتشر ساختند و اینک سرگرم انجام هشتمین مطالعه دلفی خود هستند.
آلمانی‌ها نیز شروع به فعالیت های آینده پژوهانه کردند؛ آن‌ها در این مسیر از آثار ایروین# و مارتین# (۱۹۸۴) و نیز تجربیات ژاپنی‌ها بهره گرفتند و در چارچوب نخستین برنامه‌ی دلفی خود، با پنجمین دلفی ژاپن همکاری کردند. فرانسه نیز همان رویکرد آلمان را پیشه کرد. در هیچ یک از این کشورها کاربست فن دلفی به تنهایی سودمند تلقی نشد. در هلند کسی به سراغ روش دلفی نرفت، اما در وجود آلمان دو رویکرد موازی در آیندهنگاری گزارش شده است: برخی روش دلفی را به کار می‌بستند و شمار دیگری نیز این روش را به کار نبردند. همین حالت در فرانسه نیز حاکم بود. در فرانسه پیمایش دلفی و رویکرد فناوری‌های کلیدی# به شکل همپا از سوی وزارت‌خانه‌ها و نهادهای گوناگون که گاه رقیب یکدیگر نیز بودند، دنبال می‌شد. هم‌چنین در چارچوب همکاری میان نهادها و سازمان‌های ژاپنی و آلمانی، روش‌شناسی مشترکی توسعه یافت که از آن با نام «دلفی کوچک»# یاد می‌شود.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
آموزش نرم افزار آموزش
فایل آموزشی در خصوص تحلیل مسیر در آموزش
آموزش مختصر و مفید در ۱۴صفحه
#آموس
#amos
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
متدهای رگرسیون
فایل پیوست متدهای رگرسیون برای وارد کردن متغیرها در محاسبه رگرسیون هست. مطالعش برای افزایش اطلاعات مفید است.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
#آموزشی
انواع تستهای پارامتری
یک نمونه ای
دونمونه ای مستقل
*دونمونه ای وابسته*
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
#علم_داده
Data science
دانشی میان‌رشته‌ای پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است.علم داده از ترکیب مباحث مختلفی به وجود آمده و بر مبانی و روش‌های موجود در حوزه‌های مختلف علمی بنا شده‌است. تعدادی از این حوزه‌ها عبارتند از: ریاضیات، آمار، علوم کامپیوتر، مهندسی داده، بازشناخت الگو و… هدف این علم، استخراج مفهوم از داده و تولید محصولات داده‌محور است.
متخصص علم داده دانشی کاربردی از داده‌ها و ابزارها دارد به علاوه درک تئوریکی دارد که مشخص می‌کند چه چیزی از نظر علمی ممکن است
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
💠 تکنیک PLS یک تکنیک ناپارامتریک و برخلاف SEM به نرمال بودن داده‌ها نیاز ندارد.
اما این تصور غلط است که برای PLS باید داده‌ها غیرنرمال باشد. نرمال بودن یا نبودن اصلا مهم نیست.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
انسان دو نوع معلم دارد:
آموزگار و روزگار
هرچه با شیرینی از اولی نیاموزی، دومی با تلخی به تو می آموزد. اولی به قیمت جانش، دومی به قیمت جانت.
12 اردیبهشت سالروز شهادت استاد مطهری و روز معلم بر تمام تلاشگران و فرهیختگان عرصهٔ تعلیمِ علم و عشق مبارک باد❤️
🎓 @paphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
✅ نحوه نمره گذاری سوالات پرسشنامه براساس طیف لیکرت:
💎👈کاملا موافقم /خیلی زیاد=5
💎👈موافقم/زیاد=4
💎👈بی نظر/متوسط=3
💎👈مخالف/کم=2
💎👈کاملا مخالف/خیلی کم=1
📣 قابل ذکر است برای سوالات و گویه هایی که با فرضیه همسو نیستند امتیازدهی باید برعکس صورت پذیرد یعنی :
💎👈کاملا موافقم /خیلی زیاد=1
💎👈موافقم/زیاد=2
💎👈بی نظر/متوسط=3
💎👈مخالف/کم=4
💎👈کاملا مخالف/خیلی کم=5
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
ضریب همبستگی کانونی چیست
همبستگی کانونی یا متعارف، شکل تعمیم یافته رگرسیون چندگانه است که بیش از یک متغیر وابسته را به معادله پیش بینی اضافه می کند.
یادآوری می شود که ضریب همبستگی چندگانه بین «بهترین» ترکیب متغیرهای مستقل و یک متغیر وابسته را نشان می داد.
همبستگی کانونی، تحلیل را به بیش از یک متغیر وابسته توسعه می دهد، به عبارت دیگر، در تحلیل همبستگی کانونی، چند متغیر مستقل و چند متغیر وابسته وجود دارد.
این ضریب هم چنین تاثیر نسبی هر یک از متغیرهای مستقل و وابسته را در همبستگی کانونی نشان می دهد، بنابراین شما می توانید مشاهده کنید که کدام متغیر در روابط بین مجموعه نمرات، بیشترین اهمیت را دارد.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
فیلم اموزشی نرم افزار STATA
محتوی فیلم اموزشی:
نحوه وارد کردن دادها به صورت سریهای زمانی(سالانه،فصلی،ماهانه،هفتگی)، و معرفی دادها به صورت پنل دیتا،لگاریتمی کردن و حذف کردن و تغییر نام دادن دادها،تفاضل گیری کردن از داده ها،ایجاد متغیر مجازی و روند در رگرسیون،ایجاد ماتریس به صورت دستی و غیر دستی،محاسبه معکوس،دترمینان،ترانهاده،مقادیر ویژه ماتریس،ایجاد ماتریس یکه،ضرب کرونکر در ماتریس،تجزیه چالسکی در ماتریس،استخراج نمودارها به صورت 2 بعدی،استخراچ چرخه و روند توسط فیلتر هدریک-پریسکات،تخمین مدل پنل دیتا به صورت اثرات ثابت،اثرات تصادفی و رگرسیون تجمیعی، خود همبستگی و واریانس ناهمسانی در پنل،ازمون بریوش گادفری در پنل،استخراج ازمون هازمن و F لیمر در پنل،برنامه نویسی کردن در نرم افزار استاتا.
ارائه شده توسط: عیسی معبودیان-دانشجوی دکتری اقتصاد-گرایش اقتصادسنجی-دانشگاه مازندران👇👇👇
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
وقتی آمار که هیچی، حتی حساب کتاب ساده هم بلد نیستی و سرکلاس کنفرانس میدی 😄😄😄
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
نمونه فایل دیتا
#رایگان
فایل های دیتا مربوط به حدود 90 شرکت شامل
اطلاعات ترازنامه، سود و زیان، نسبت ها، وقفه ها، شاخص ها و ...
#دیتا #ترازنامه #سود #زیان #وقفه #شاخص #بورس
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#آمار_و_ارقام
در قرن۱۹ ،آقای وان ولف ،گزارشی از ارزش غذایی اسفناج منتشر کرد که میزان آهن رو اشتباها بجای 2.7 میلی گرم ،27 میلی گرم اعلام کرد، و سالها دنیا اسفناج را منبع خوبی برای آهن میدونست، بعدها اعلام شد که نه تنها اون عدد یک دهمش درسته، بلکه فقط ۲۰% قابل جذبه.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
🎥گوگل از VLOGGER رونمایی کرد؛ تبدیل عکس به ویدیو با هوش مصنوعی
🔹محققان گوگل یک سیستم هوش مصنوعی جدید به نام VLOGGER توسعه داده‌اند که می‌تواند فقط از یک عکس، ویدیوهای واقعی از صحبت‌کردن و حرکت فرد حاضر در عکس ایجاد کند.
🔹 این هوش مصنوعی می‌تواند با دریافت عکس یک شخص به همراه یک کلیپ صوتی از او، ویدیویی همراه با صدا از آن شخص تولید کند. در ویدیوهای این هوش مصنوعی، حالات صورت، حرکات سر و دست نیز لحاظ می‌شود. البته هنوز نقص‌هایی در این ویدیوها مشهود هستند، اما به‌مرور می‌توان آن‌ها را برطرف کرد.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
📌📌 نکته نرم افزاری
🔍🔍 بیست سال خطای #کامپیوت (compute) 🔎🔎
پروفسر #هیر در مقاله ی ۲۰۱۶ خود تحت عنوان « بیست سال خطای کامپیوت» اظهار داشت : کامپیوت اشتباه رایجی است که محققین در #اس_پی_اس_اس انجام می دهند، وی بیان داشت: محققین پس تایید #تحلیل_عاملی و #روایی_سازه متغیرها در نرم افزار #کواریانس_محور amos# میباست تکنیک impute را جایگزین compute کنند چرا که با compute سهم سوالات در اندازه گیری متغیرها سنجیده نمی شود. و بالعکس ایمپیوت سهم سوالات را نیز اندازه می گیرد.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
🎫 🎫🎫
درباره تکنیک دلفی
#قسمت_اول
یکی از روش های کسب دانش گروهی مورد استفاده، تکنیک دلفی است (۱) که فرایندی است که دارای ساختار پیش بینی و کمک به تصمیم گیری در طی راندهای پیمایشی، جمع آوری اطلاعات و در نهایت، اجماع گروهی است ۲) و (۳در حالی که اکثر پیمایش ها سعی در پاسخ به سؤال چه هست؟ دارند، دلفی به سؤال چه می تواند/ چه باید باشد؟ پاسخ می دهد(۴). با توجه به اینکه امروزه تکنیک دلفی در تحقیقات آینده پژوهی به شدت مورد توجه و استفاده قرار می گیرد، این مقاله، به تفصیل این تکنیک را از نظر تاریخچه، تعریف، انواع، اهداف و کاربردها، شرایط کاربرد، اجزای اصلی، فرایند، مزایا و محدودیت ها و پیشنهاداتی برای بکار گیری بهتر روش، شرح می دهد.
تاریخچه دلفی
روش دلفی، از جمله روش‌های ذهنی ـ شهودی# حوزه‌ی آیندهنگاری به شمار می‌آید. موسسه رند این روش را در دهه‌ی ۱۹۵۰ در سانتامونیکا (ایالت کالیفرنیا) و در جریان پژوهش در عملیات توسعه داد. نام این روش برگرفته از معبد اساطیری یونان است. وودنبرگ# (۱۹۹۱) یادآور می‌شود که نام «دلفی» را نخستین بار یک استادیار فلسفه در دانشگاه یوسی‌ال‌ای به نام کاپلان# به کار برد. کاپلان این عبارت را در جریان فعالیتی پژوهشی با همکاری موسسه رند در زمینه‌ی کاربرد پیش‌بینی‌های کارشناسی در تصمیم‌گیری رایج ساخت. کاپلان و همکاران (۱۹۵۰) با اشاره به «اصل پیش‌گویی مکاشفه‌آمیز» این رویکرد را گونه‌ای از پیش‌بینی غیر سفطه‌آمیز# می‌نامند و آن را گزاره‌ای می‌دانند که «درستی» یا «نادرستی» آن روشن نیست. بر این منوال، «دلفی» در روش آیندهنگاری مدرن چیزی فراتر از یک نام است.
شکل‌گیری پرستشگاه دلفی [در اساطیر یونان باستان] و پیش‌گویی‌های مکاشفه‌آمیز آن ریشه در زمان‌هایی دورتر از تاریخ مکتوب دارد. باستان‌شناسان و تاریخ‌نگاران به ما کمک کرده‌اند تا اطلاعات گسترده‌ای در زمینه‌ی کارکردها و سودمندی پیش‌گویی‌ها به دست آوریم. یونانی‌ها و ملت‌های دیگر طی هزار سال از تاریخ ثبت شده (خواه به عنوان افراد عادی و گاه به عنوان سفیران رسمی) برای رایزنی با پیتیا#، ایزد بانوی مستقر در پرستشگاه دلفی، به این مکان می‌آمدند. مردم سخنان این ایزد بانو را بازتاب قوانین الهی می‌دانستند. نقش پیتیا، بیان مقصود الهی در چارچوب‌هایی هنجاری برای شکل بخشیدن به رویدادهای آینده بود؛ او در سخنان و پیش‌گویی‌های خود، اراده‌ی خدایان را به شیوه‌ای ساده بیان می‌کرد و رویدادهای آینده را نوید می‌داد. بدون تردید، مشاوره‌ها در پرستشگاه دلفی رنگ و بویی دینی داشت و تنها بر گمانه‌زنی‌های ادراکی درباره‌ی آینده و یا تلاش برای دستیابی عملی به راه‌های میانبر کامیابی استوار نبود.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
#هوش_مصنوعی
#jeda
Jeda
یک وایت‌برد آنلاین تکمیل مجهز به نوشتن، ترسیم و نمودار در یک مکان
یک سرویس راحت برای موارد استفاده مختلف: می توانید دفترچه یادداشت تکی خود را ایجاد کنید یا می توانید افکار خود را در یک تخته سفید آنلاین در حالت چند کاربره ضبط کنید.
فقط ثبت نام کنید، فضای کاری جدید را باز کنید، و می توانید همه کارها را انجام دهید: نمودارها، جابجایی عناصر، نوشتن متن، افزودن برچسب و غیره. فوق العاده کاربردی!
https://www.jeda.ai/
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
❤️🩹❤️🩹 این یک آگهی و پیام نیست
به اطلاع تمامی عزیزان می‌رسانیم، تصاویر فوق مربوط به کودکی بنام ماهک بوده که بخاطر ابتلا به بیماری ژنتیکی بسیار خطرناک اس ام ای (sma) زندگی و شرایط بسیار سختی پیدا نموده است.
به منظور حمایت معنوی و مالی کمپینی راه اندازی شده تا بتوانیم بخشی از مایحتاج مالی و درمانی این عزیزمان را تامین نمائیم.
دستان همه شما عزیزان را برای یاری #ماهک میفشاریم.
ماهک جزانجمن اس ام ای میباشد
کلیه مدارک و مستندات این کودک بیمارمان، مورد تایید اینجانب حمیدرضا ناصری و تیم تحقیقاتی ما می باشد.
اطلاعات بیشتر در اینستاگرام:
Mahak.help.sma
اطلاعات بیشتر در تلگرام:
/channel/+TX5Ovpl2M24c3jvO
5859831041607762
بی بی طاهره نجیب سیدعلیایی
شماره حساب مادر
لطفا به خیرین اطلاع‌رسانی گردد
💠 تفاوت همبستگی اسپیرمن و پیرسون چیست؟
🔸همبستگی رتبه ای اسپیرمن یک روش برای محاسبه همبستگی بین دو متغیر ترتیبی و همبستگی پیرسون برای محاسبه همبستگی میان دو متغیر فاصله ای یا نسبی است.
🔸کارایی ضریب همبستگی رتبه ای اسپیرمن به دلیل ناپارامتری بودن، از ضریب همبستگی پیرسون کمتر است.
🔸محاسبه ضریب همبستگی رتبه ای اسپیرمن به این دلیل که به پیش فرض های کمتری نیاز دارد، نسبت به محاسبه ضریب همبستگی پیرسون ساده تر است.
🔸اسپیرمن روابط غیرخطی را بررسی می کند و پیرسون روابط خطی را بررسی می کند.
🔹برای محاسبه ضریب همبستگی میان دو گروه از داده هایی که از توزیع مشخصی پیروی می کنند (مانند توزیع نرمال، نمایی، کوشی و …) باید از یک روش پارامتری به نام همبستگی پیرسون استفاده کنید در حالی که اگر داده های شما در دو گروه از توزیع مشخصی پیروی نکنند، باید آن ها را رتبه گذاری کنید و برای محاسبه ضریب همبستگی بین آن ها از همبستگی رتبه ای اسپیرمن استفاده کنید، بنابراین اصلی ترین تفاوت این دو روش در پارامتری و ناپارامتری بودن آن هاست.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
نمیخوام ناراحتتون کنم ولی ما تو کف هرم مازلو و برای تهیه نیازهای اولیه و فیزیولوژیک داریم دست و پا میزنیم،هر چقدر بالاتر و به راس هرم حرکت میکنیم نیازهای اولیه رفع و نیاز به احترام و خودشکوفایی آشکار میشه.
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری
#آموزشی
آزمون مان ویتنی
آزمون مان ویتنی مربوط به آزمون های است که باید در آن تفاوت دو گروه به طور(افراد یا اشیاء) جداگانه با هم مقایسه شوند.
به عنوان مثال زمانی که بخواهیم دو گروه از ورزشکاران که تمرین منظم (مثلاً هشت هفته تمرین) را با ورزشکارانی که این تمرینات را انجام نداده‌اند (گروه گواه) را بسنجیم از این آزمون استفاده می کنیم.
در پژوهشی که فرضیه و سوالات مبنی بر مقایسه بین دو گروه از افراد وجود ندارد، نباید از آزمون من ویتنی استفاده نمود.
#من_ویتنی
#مان_ویتنی
#Mann_Whitney
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری