GraphPad
2.21K subscribers
483 photos
34 videos
36 files
292 links
Download Telegram
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/
دوره آموزش نرم‌افزار گراف پد تیرماه ۹۹
@GraphPad
🔆 اصل لانه کبوتر Pigeonhole principle
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.
اصل لانه کبوتر
@GraphPad
در معاملات امروز نماد خودرو بر مبنای تعداد و حجم خرید حقوقی، این اصل به وضوح دیده می‌شود. 👇
خودرو در روز معاملاتی یکشنبه ۱۵ تیر ۹۹
@GraphPad
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. 👇
شاخص تفاضلی در سال ۹۹ تا روز پانزدهم تیرماه
@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 به نمادهای شاخص ساز و بزرگ.
البته که این مطلب تنها یک پیش بینی و مدل آماری و ریاضی است. 👇
شاخص تفاضلی در سال ۹۹
@GraphPad
آماره های روز دوشنبه 16 تیرماه
@GraphPad
پیش‌بینی مدل سری زمانی، حدود 0.944 + بوده است. سوال خوب این است چرا اینقدر خطا؟
پاسخ به وضوح مشخص است. 👇
تاثیر در شاخص روز دوشنبه ۱۶ تیرماه
@GraphPad
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.
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. 👇
شاخص های بورس تهران، پس از اصلاح در روز دوشنبه 16 تیرماه
@GraphPad
🔆 معمولاً به منظور طراحی مدل آماری و پیش‌بینی آینده از تحلیل‌های استنباطی مانند سری زمانی و یا در سطح بالاتر رگرسیون استفاده می کنیم.
حال بیایید در ادامه از تحلیل‌های ساده توصیفی مانند نمودارها و گراف ها نیز جهت بررسی داده‌ها و پیش‌بینی آینده استفاده کنیم.