پاورپوینت کامل تحلیل آماری پیشرفته با تمرکز بر روش‌های استنباطی و مدل‌سازی داده‌ها

توجه : این پروژه به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل تحلیل آماری پیشرفته با تمرکز بر روش‌های استنباطی و مدل‌سازی داده‌ها دارای ۴۱ اسلاید می باشد و دارای تنظیمات کامل در Power Point می باشد و آماده پرینت یا چاپ است

فایل پاور پوینت پاورپوینت کامل تحلیل آماری پیشرفته با تمرکز بر روش‌های استنباطی و مدل‌سازی داده‌ها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

لطفا به نکات زیر در هنگام خرید

دانلودپاورپوینت کامل تحلیل آماری پیشرفته با تمرکز بر روش‌های استنباطی و مدل‌سازی داده‌ها

توجه فرمایید.

۱-در این مطلب، متن اسلاید های اولیه 

دانلودپاورپوینت کامل تحلیل آماری پیشرفته با تمرکز بر روش‌های استنباطی و مدل‌سازی داده‌ها

قرار داده شده است

۲-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید

۳-پس از پرداخت هزینه ، حداکثر طی ۱۲ ساعت پاورپوینت خرید شده ، به ادرس ایمیل شما ارسال خواهد شد

۴-در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

۵-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار داده نشده است

بخشی از متن پاورپوینت کامل تحلیل آماری پیشرفته با تمرکز بر روش‌های استنباطی و مدل‌سازی داده‌ها :

اسلاید ۱ :

مقدمه

• آمار تحلیلی (آنالیز) در مقابل آمار توصیفی
• مفاهیم اولیه در آمار تحلیلی:

احتمال (Probability)

فراوانی (Frequency)

نسبت (Ratio) و میزان (Rate)

توزیع (Distribution)

اسلاید ۲ :

توزیع دو جمله‌ای

• آن چه تا کنون دیدید را توزیع دو جمله‌ای می‌گویند (دو جمله‌ای یعنی این که فقط دو حالت برای هر یک از افراد جامعه وجود دارد.)
• این توزیع برای شاخص‌های کیفی دو حالته (dichotomous) کاربرد دارد.

اسلاید ۳ :

توزیع نرمال

• برای متغیرهای کم‍یِ پیوسته به کار می‌رود.
• شکل زنگوله‌ی متقارن دارد.
• محور تقارن = میانگین

اسلاید ۴ :

اهمیت توزیع نرمال

• بسیاری از شاخص‌های «کمی» و «پیوسته» در ساده‌ترین حالت، توزیع نرمال دارند، اما عوامل مختلفی باعث پیچیدگی توزیع فراوانی شاخص‌ها و لذا فاصله گرفتن آن‌ها از حالت نرمال می‌شوند.
• اهمیت توزیع نرمال: بسیاری از روش‌های دقیق مقایسه آماری، برای داده‌هایی که از این توزیع برخوردار باشند به کار می‌روند.

اسلاید ۵ :

توزیع نمونه برداری

• اگر از یک جامعه ۷۰ میلیون نفری نمونه‌های ۱۰۰۰ نفری بگیریم و میانگین فشار خون سیستولی افراد هر نمونه را تعیین کنیم، این میانگین ها لزوماً با هم برابر نخواهند بود.
• این میانگین ها لزوماً با میانگین کل جامعه ی ۷۰ میلیون نفری نیز برابر نیستند.
• اگر این نمونه برداری را بار ها تکرار کنیم، می‌توان برای این میانگین ها هم یک نمودار توزیع رسم کرد. به چنین نموداری اصطلاحاً «نمودار توزیع میانگین‌ها» یا «نمودار توزیع نمونه‌برداری» نام می‌دهیم.

اسلاید ۶ :

خصوصیات نمودار توزیع نمونه برداری

• میانگین همه‌ی توزیع نرمال‌ها برابر میانگین کل جامعه است.
• با افزایش حجم نمونه انحراف معیار کاهش می‌یابد.
• مقدار این انحراف معیار (که SD(X) یا SEM نام می‌گیرد) برابر است با:

اسلاید ۷ :

تخمین (Estimation)

• عملاًً مقدور نیست که تمام جامعه را در یک نمونه‌گیری مورد بررسی قرار داد.
• عملاً ممکن نیست که نمونه‌گیری‌های کوچک‌تر را به دفعات کافی انجام داد تا نمودار توزیع نمونه‌گیری کامل شود.
• در اکثر مطالعات علوم پزشکی اگر بتوان تخمینی از میانگین کل جامعه به دست آورد که تا ۹۵ صحیح برآورد شود، این تخمین را صحیح تلقی می‌کنند و در بالین به کار می‌برند.

اسلاید ۸ :

آزمون فرضیه

• فرضیه: فشار خون بالا در پسرها بیشتر یافت می‌شود.
• طراحی فرضیه:

فرضیه‌ی H1 : فشار با جنس ارتباط دارد.

فرضیه‌ی H0 : فشار با جنس ارتباط ندارد.

• محقق در صدد است فرضیه‌ی H1 را اثبات کند. یک راه حل این است که فرضیه‌ی H0 را رد کند.

اسلاید ۹ :

انجام آزمایش

• نتایج نوبت اول آزمایش:

میانگین فشارخون دخترها : ۱۱۵ سانتی‌متر جیوه

میانگین فشارخون پسـرها : ۱۲۵ سانتی‌متر جیوه

• می‌توانیم دو نمودار توزیع نمونه برداری رسم کنیم، که به ترتیب نشان بدهند به احتمال ۹۵ میانگین واقعی فشارخون کل جامعه‌ی «پسرها» و «دخترها» در چه بازه‌ای قرار دارد.

اسلاید ۱۰ :

P-value

• اگر فشارخون دخترها و پسرها تفاوت بیشتری داشت، ممکن بود حالتی پیش بیاید که حتی به احتمال ۹۹ هم فرض صفر رد شود، یعنی P-value = 0.01 شود.
• این که P-value کمتر باشد تنها نشان می‌دهد که تفاوت از نظر آماری کمتر تصادفی به نظر می‌آید. P-valueی کمتر نشانه‌ی تفاوت شدیدتر نیست. هم‌چنین P-value فقط از «معنی‌داری آماری» سخن می‌گوید، و بدون «توجیه پذیریِ علمی» فاقد اعتبار است.