🔆 مجموعه آموزشی آمار، از مقدماتی تا پیشرفته، شامل آموزش نرمافزارهای
SPSS, GraphPad Prism, Minitab
🔸 بیش از ۸۰ ساعت ویدئو آموزشی
🔸 ۱۶۰۰ صفحه، اسلاید و متن
🔸 ۳۰۰ فایل دیتا و مثال نرمافزاری
علاقمند بودید، جهت دریافت مجموعه میتوانید با آی دی
@GraphPad_Admin
در ارتباط باشید.
در لینک زیر نیز میتوانید مجموعه آموزشی را مشاهده و با تخفیف دریافت کنید. 👇
https://graphpad.ir/product/statistics-book-dvd/
SPSS, GraphPad Prism, Minitab
🔸 بیش از ۸۰ ساعت ویدئو آموزشی
🔸 ۱۶۰۰ صفحه، اسلاید و متن
🔸 ۳۰۰ فایل دیتا و مثال نرمافزاری
علاقمند بودید، جهت دریافت مجموعه میتوانید با آی دی
@GraphPad_Admin
در ارتباط باشید.
در لینک زیر نیز میتوانید مجموعه آموزشی را مشاهده و با تخفیف دریافت کنید. 👇
https://graphpad.ir/product/statistics-book-dvd/
خلاصه و فهرست کتاب، لیست موضوعات و مطالب مجموعه آموزشی، در فایل زیر آمده است. 👇
🔆 اواخر تیرماه و در مرکز آموزشهای تخصصی کاربردی دانشگاه صنعتی شریف، یک دوره آموزش نرمافزار گراف پد GraphPad برگزار میشود.
علاقمند بودید با استفاده از لینک زیر در کلاس ثبت نام کنید. 👇
🔸 ظرفیت کلاس حداکثر چهار نفر است.
https://graphpad.ir/prism-tir99/
علاقمند بودید با استفاده از لینک زیر در کلاس ثبت نام کنید. 👇
🔸 ظرفیت کلاس حداکثر چهار نفر است.
https://graphpad.ir/prism-tir99/
گراف پد
دوره آموزش مروری بر نرمافزار GraphPad Prism (تیرماه 99) - گراف پد
کلاس تابستان گراف پد GraphPad Prism را میتوان بهترین نرمافزار ارایه تحلیلهای توصیفی و استنباطی آماری در علوم زیستی، پزشکی، حیاتی و دارویی دانست.
بیان میکند که اگر دو عدد طبیعی n و m که در آن n>m داشته باشیم و n شی در m لانه کبوتر قرار گیرد، آنگاه حداقل یک لانه کبوتر دارای بیش از یک شیء خواهد بود.
در معاملات امروز نماد خودرو بر مبنای تعداد و حجم خرید حقوقی، این اصل به وضوح دیده میشود. 👇
GraphPad
اعداد شاخص تفاضلی در سال ۹۹ @GraphPad
🔆 به روز رسانی 👆
پس از 13 روز و بدون وقفه شاخص تفاضلی مثبت است. در این بین حتی روز نهم تیرماه، شاخص کل منفی بوده است، اما این شاخص همچنان مثبت مانده است.
البته اندازه عددی آن نسبت به روزهای قبل کاهش پیدا کرده است، با این حال همچنان مثبت است. 👇
پس از 13 روز و بدون وقفه شاخص تفاضلی مثبت است. در این بین حتی روز نهم تیرماه، شاخص کل منفی بوده است، اما این شاخص همچنان مثبت مانده است.
البته اندازه عددی آن نسبت به روزهای قبل کاهش پیدا کرده است، با این حال همچنان مثبت است. 👇
پیش بینی مدل شاخص تفاضلی برای امروز پانزدهم تیر، عدد 0.950 بوده است که عدد واقعی آن 0.939 شده است. مدل برای فردا نیز تقریباً همین عدد را پیش بینی می کند. از دیدگاه مدل سری زمانی شاخص تفاضلی فردا نیز در همین حوالی و حدود 0.944 خواهد بود. یعنی هم چنان توجه بیشتر به نمادهای شاخص ساز و بزرگ.
البته که این مطلب تنها یک پیش بینی و مدل آماری و ریاضی است. 👇
البته که این مطلب تنها یک پیش بینی و مدل آماری و ریاضی است. 👇
GraphPad
پیش بینی مدل شاخص تفاضلی برای امروز پانزدهم تیر، عدد 0.950 بوده است که عدد واقعی آن 0.939 شده است. مدل برای فردا نیز تقریباً همین عدد را پیش بینی می کند. از دیدگاه مدل سری زمانی شاخص تفاضلی فردا نیز در همین حوالی و حدود 0.944 خواهد بود. یعنی هم چنان توجه بیشتر…
🔆 امروز دوشنبه 16 تیرماه، شاخص تفاضلی عدد بالایی را ثبت کرده است. مقدار آن برابر با تقریباً 1.92+ شده است.
پیشبینی مدل سری زمانی، حدود 0.944 + بوده است. سوال خوب این است چرا اینقدر خطا؟
پاسخ به وضوح مشخص است. 👇
پاسخ به وضوح مشخص است. 👇
وقتی نماد شستا به تنهایی، شاخص کل را بیش از 18 هزار واحد افزایش می دهد، طبیعی است که این میزان اختلاف بین شاخص کل و شاخص هم وزن ایجاد شود.
🔸 این نکته مفید است که مدلها هنگامی از چارچوب علمی خود خارج شده و خطای زیادی خواهند داشت که اتفاق غیرعادی چه در داخل سیستم و چه در خارج از آن رخ دهد.
🔸 این نکته مفید است که مدلها هنگامی از چارچوب علمی خود خارج شده و خطای زیادی خواهند داشت که اتفاق غیرعادی چه در داخل سیستم و چه در خارج از آن رخ دهد.
GraphPad
پیشبینی مدل سری زمانی، حدود 0.944 + بوده است. سوال خوب این است چرا اینقدر خطا؟ پاسخ به وضوح مشخص است. 👇
👆
با اصلاح شاخصها و ابطال معاملات شستا، حال میتوان نظر بهتری درباره مدل ارایه کرد.
پیشبینی مدل برای شاخص تفاضلی امروز، همان گونه که قبلاً گفتم حدود 0.944 بوده است.
عدد واقعی شاخص تفاضلی به صورت زیر به دست میآید.
شاخص تفاضلی = شاخص هم وزن - شاخص کل
3.80 - 2.86 = 0.94
🔸 پیشبینی خوب و تقریباً دقیقی بوده است، آن هم به صورت همزمان بر روی هر دو شاخص کل و هم وزن.
به نظرم علوم سری زمانی و مدلهای مبتنی بر آن را باید تحسین کرد. 👇
با اصلاح شاخصها و ابطال معاملات شستا، حال میتوان نظر بهتری درباره مدل ارایه کرد.
پیشبینی مدل برای شاخص تفاضلی امروز، همان گونه که قبلاً گفتم حدود 0.944 بوده است.
عدد واقعی شاخص تفاضلی به صورت زیر به دست میآید.
شاخص تفاضلی = شاخص هم وزن - شاخص کل
3.80 - 2.86 = 0.94
🔸 پیشبینی خوب و تقریباً دقیقی بوده است، آن هم به صورت همزمان بر روی هر دو شاخص کل و هم وزن.
به نظرم علوم سری زمانی و مدلهای مبتنی بر آن را باید تحسین کرد. 👇