به عنوان فردی که سال ها در مطالعات ناباروری و عوامل آن و تحلیل دادههای مرتبط با آن فعالیت کردهام، بیان یک نکته برایم جالب توجه بود. 👇
#زن_خوب
چند سال پیش در پروژه تحقیقاتی یکی از انستیتوهای ناباروری همکاری میکردم.
دادهها Variable ای داشتند که به علت ناباروری از نگاه خود زوجین اشاره داشت و پُر بود از کلمه Female یعنی وقتی از زوجین دلیل مراجعه آنها پرسیده شده بود، مرد و زن گفته بودند بله، مشکل زنانه است. ساده بگویم "زن بچهاش نمیشود."
داستان به همین جا ختم نمیشد. در دادهها، Variable دیگری بود که به تشخیص پزشکی علت ناباروری اشاره میکرد. جالب بود پر بود از کلمه Male یعنی وقتی آزمایش پزشکی انجام شده، علت واقعی ناباروری، مردانه تشخیص داده شده بود.
بعد از سالها همچنان به این نتیجه فکر میکنم. چه دلیلی باعث میشود که زن خانه خودش را مقصر بداند؟ چرا اگر چراغ خانهای روشن نشود، اطرافیان و خود مرد، زنش را مقصر بدانند؟ شاید هم میدانند و حفظ آبرو میکنند. یعنی زن آبروی کمتری دارد؟
ببخشید با احترام و از زبان اعداد به مردها میگویم، اگر فردی را میشناسید که مشکل بچه دار نشدن دارد، به او بگویید کمتر همسرش را از این دکتر به آن دکتر ببرد. زن مظلوم را ناراحت و اذیت نکند و بیشتر از این اشکش را در نیاورد، زن خوبش مشکلی ندارد. مشکل از خودش است، به احتمال زیاد. علم هم آنقدر پیشرفت کرده که مشکل را حل کند و البته خدا بزرگتر است.
چند سال پیش در پروژه تحقیقاتی یکی از انستیتوهای ناباروری همکاری میکردم.
دادهها Variable ای داشتند که به علت ناباروری از نگاه خود زوجین اشاره داشت و پُر بود از کلمه Female یعنی وقتی از زوجین دلیل مراجعه آنها پرسیده شده بود، مرد و زن گفته بودند بله، مشکل زنانه است. ساده بگویم "زن بچهاش نمیشود."
داستان به همین جا ختم نمیشد. در دادهها، Variable دیگری بود که به تشخیص پزشکی علت ناباروری اشاره میکرد. جالب بود پر بود از کلمه Male یعنی وقتی آزمایش پزشکی انجام شده، علت واقعی ناباروری، مردانه تشخیص داده شده بود.
بعد از سالها همچنان به این نتیجه فکر میکنم. چه دلیلی باعث میشود که زن خانه خودش را مقصر بداند؟ چرا اگر چراغ خانهای روشن نشود، اطرافیان و خود مرد، زنش را مقصر بدانند؟ شاید هم میدانند و حفظ آبرو میکنند. یعنی زن آبروی کمتری دارد؟
ببخشید با احترام و از زبان اعداد به مردها میگویم، اگر فردی را میشناسید که مشکل بچه دار نشدن دارد، به او بگویید کمتر همسرش را از این دکتر به آن دکتر ببرد. زن مظلوم را ناراحت و اذیت نکند و بیشتر از این اشکش را در نیاورد، زن خوبش مشکلی ندارد. مشکل از خودش است، به احتمال زیاد. علم هم آنقدر پیشرفت کرده که مشکل را حل کند و البته خدا بزرگتر است.
🔆 یک لینک آموزشی ساده جهت بررسی تحلیلهای سری زمانی Time Series 👇
https://towardsdatascience.com/a-real-world-time-series-data-analysis-and-forecasting-121f4552a87
https://towardsdatascience.com/a-real-world-time-series-data-analysis-and-forecasting-121f4552a87
Medium
A Real-World Time Series Forecasting: Daily Average Exchange Rates
Applying the ARIMA model to forecast time series data
اندازهگیری مکرر و یا همان
Repeated Measures
از موضوعات مهم و جالب توجه در مطالعات آماری، به حساب میآید. در این نوع تحقیقات، پدیده مورد بررسی در طول زمان و به صورت متناوب، اندازهگیری میشود. هدف از این مطالعات درک این مطلب است که آیا زمان عامل موثری در کم و زیاد شدن دادهها میباشد یا عامل زمان، تاثیری بر دادهها ندارد.
در ویدئو زیر که به تازگی و با صدای جیم کالتون (مدیر مطالعات آماری کمپانی گراف پد در کالیفرنیا) منتشر شده است، میتوانید مطالب مفیدی دربارهی
Repeated Measures
بدانید.
Repeated Measures
از موضوعات مهم و جالب توجه در مطالعات آماری، به حساب میآید. در این نوع تحقیقات، پدیده مورد بررسی در طول زمان و به صورت متناوب، اندازهگیری میشود. هدف از این مطالعات درک این مطلب است که آیا زمان عامل موثری در کم و زیاد شدن دادهها میباشد یا عامل زمان، تاثیری بر دادهها ندارد.
در ویدئو زیر که به تازگی و با صدای جیم کالتون (مدیر مطالعات آماری کمپانی گراف پد در کالیفرنیا) منتشر شده است، میتوانید مطالب مفیدی دربارهی
Repeated Measures
بدانید.
جیم کالتون، یکی از بهترین مدرسان آمار در دنیا است، لینک پروفایل او در لینکدین را برایتان قرار دادهام.
در ویدئو زیر، میتوانیم به یاد گرفتن مطالبی جهت کار با گراف پد و اشتراک گزاری نتایج به دست آمده با سایر افراد، بپردازیم.
مدرس این ویدئو Steven Bradburn جوان و موسس Top Tip Bio در منچستر انگلیس است.
چنانچه سوالی داشتید لینک پروفایل او در ResearchGate را برایتان آورده ام. 👇
او با RG Score = 32.53 در بین ده درصد پژوهشگران برتر ریسرچ گیت قرار دارد.
چنانچه سوالی داشتید لینک پروفایل او در ResearchGate را برایتان آورده ام. 👇
او با RG Score = 32.53 در بین ده درصد پژوهشگران برتر ریسرچ گیت قرار دارد.
GraphPad
سری های زمانی بورس تهران در سال ۹۹ @GraphPad
👆
#بسندگی
🔸شاخص کل.
مدل سری زمانی برای امروز ۱۰ شهریور ۹۹، پیشبینی ۴.۲۸+ درصد را در نظر گرفته بود. با این حال شاخص کل به عدد ۰.۵۳+ درصد بسنده کرد. یعنی حدود ۳.۷۵ درصد کمتر از اندازه در نظر گرفته شده برای امروز آن.
🔸شاخص هم وزن.
همچنین مدل سری زمانی برای امروز ۱۰ شهریور ۹۹، پیشبینی ۲.۸۶+ درصد را در نظر گرفته بود. شاخص هم وزن به عدد ۰.۹۶- درصد رسید. یعنی حدود ۳.۸۲ درصد کمتر از اندازه در نظر گرفته شده برای امروز آن.
🔸شاخص تفاضلی.
این نکته جالب است که هر دو شاخص کل و هم وزن تقریباً به یک اندازه به مقدار در نظر گرفته شده برای آنها توسط مدل سری زمانی، بسنده کرده اند.
این موضوع سبب شده پیشبینی شاخص تفاضلی توسط مدل، دقیق باشد.
+۱.۴۹ = (+۰.۵۳) - (-۰.۹۶)
به عبارتی شاخص تفاضلی امروز برابر با ۱.۴۹+ شده است و پیش بینی مدل، عدد ۱.۴۲۵ بوده است. به معنای اینکه مدل اندازه فاصله بین شاخص کل و شاخص هم وزن را با دقت بیان کرده است.
#بسندگی
🔸شاخص کل.
مدل سری زمانی برای امروز ۱۰ شهریور ۹۹، پیشبینی ۴.۲۸+ درصد را در نظر گرفته بود. با این حال شاخص کل به عدد ۰.۵۳+ درصد بسنده کرد. یعنی حدود ۳.۷۵ درصد کمتر از اندازه در نظر گرفته شده برای امروز آن.
🔸شاخص هم وزن.
همچنین مدل سری زمانی برای امروز ۱۰ شهریور ۹۹، پیشبینی ۲.۸۶+ درصد را در نظر گرفته بود. شاخص هم وزن به عدد ۰.۹۶- درصد رسید. یعنی حدود ۳.۸۲ درصد کمتر از اندازه در نظر گرفته شده برای امروز آن.
🔸شاخص تفاضلی.
این نکته جالب است که هر دو شاخص کل و هم وزن تقریباً به یک اندازه به مقدار در نظر گرفته شده برای آنها توسط مدل سری زمانی، بسنده کرده اند.
این موضوع سبب شده پیشبینی شاخص تفاضلی توسط مدل، دقیق باشد.
+۱.۴۹ = (+۰.۵۳) - (-۰.۹۶)
به عبارتی شاخص تفاضلی امروز برابر با ۱.۴۹+ شده است و پیش بینی مدل، عدد ۱.۴۲۵ بوده است. به معنای اینکه مدل اندازه فاصله بین شاخص کل و شاخص هم وزن را با دقت بیان کرده است.
GraphPad
شاخص تفاضلی بورس تهران در سال ۹۹ @GraphPad
👆
همچنان نیز بر این الگو هستیم، شاخص تفاضلی امروز، با عدد ۱.۴۹+ در محدوده سبز رنگ C قرار دارد.
همچنان نیز بر این الگو هستیم، شاخص تفاضلی امروز، با عدد ۱.۴۹+ در محدوده سبز رنگ C قرار دارد.
#میانه
اعداد زیر را در نظر بگیرید.
۳.۴, ۴.۹, ۲.۷, ۱۱.۶, ۲.۵, ۸.۷, ۱۴.۳, ۳.۱, ۱.۹
فرض کنید این اعداد، حقوق به میلیون تومان، افراد یک شرکت باشند. یک سوال ساده. میانگین حقوق کارمندان در این شرکت چقدر است؟
پاسخ معلوم است ۵.۹ میلیون تومان.
اما این عدد واقعی است و بیانگر سطح دستمزد در این شرکت میباشد؟
شش نفر از ۹ نفر کارمندان، کمتر از میانگین ۵.۹ میلیون تومان، حقوق میگیرند.
به سادگی واضح است که بالا بودن میانگین تحت تاثیر دو عدد ۱۴.۳ و ۱۱.۶ قرار گرفته است.
یک سوال ساده دیگر. میانه حقوق در این شرکت چقدر است؟
آن هم واضح است ۳.۴ میلیون تومان.
توضیح اینکه میانه عددی است که پنجاه درصد اعداد دیگر از آن کمتر هستند. در این مثال، به معنای میزان حقوقی که نیمی از کارکنان از آن کمتر دریافت میکنند.
این عدد تصویر روشنتری از سطح دستمزد به ما نشان میدهد و همانند میانگین تحت تاثیر اندازههای خیلی بالا و یا خیلی پایین قرار نمیگیرد.
این مثال را نوشتم از آن جهت که در خبرها و از قول سازمان برنامه و بودجه، میانگین حقوق کارمندان ۶.۱ میلیون تومان، بیان شده بود.
قبول، اما سوال این است، میانه حقوق یعنی عددی که نصف جامعه از آن حقوق کمتری دریافت میکند، چقدر است؟
پژوهشی داشتم در سال ۹۵ که به بررسی فاصله بین دستمزد و تورم در پنج کشور ژاپن، مالزی، هند، ترکیه و ایران میپرداخت. در آن سال این یافته به دست آمد که میانه حقوق در ایران حدود ۴۰ درصد از میانگین حقوق، کمتر است و متاسفانه به جای بیان میانه حقوق که عدد واقعی تری در بیان سطح دستمزد افراد جامعه است، همواره میانگین حقوق بیان میشود.
بیایید به موضوع دیگری بپردازیم. شاخص بورس بر مبنای میانگین محاسبه میشود. حال اگر محاسبات خود را بر مبنای میانه هر روز قرار دهیم، عدد شاخص چقدر است؟
یک محاسبه نه چندان پیچیده نشان میدهد، شاخص بورس تهران هرگز عدد دو میلیون را رد نکرده و در بالاترین عدد، حدود ۱۶۲۰۰۰۰ واحد بوده است و اکنون تقریباً بر روی عدد ۱۱۹۰۰۰۰ واحد قرار گرفته است.
اعداد زیر را در نظر بگیرید.
۳.۴, ۴.۹, ۲.۷, ۱۱.۶, ۲.۵, ۸.۷, ۱۴.۳, ۳.۱, ۱.۹
فرض کنید این اعداد، حقوق به میلیون تومان، افراد یک شرکت باشند. یک سوال ساده. میانگین حقوق کارمندان در این شرکت چقدر است؟
پاسخ معلوم است ۵.۹ میلیون تومان.
اما این عدد واقعی است و بیانگر سطح دستمزد در این شرکت میباشد؟
شش نفر از ۹ نفر کارمندان، کمتر از میانگین ۵.۹ میلیون تومان، حقوق میگیرند.
به سادگی واضح است که بالا بودن میانگین تحت تاثیر دو عدد ۱۴.۳ و ۱۱.۶ قرار گرفته است.
یک سوال ساده دیگر. میانه حقوق در این شرکت چقدر است؟
آن هم واضح است ۳.۴ میلیون تومان.
توضیح اینکه میانه عددی است که پنجاه درصد اعداد دیگر از آن کمتر هستند. در این مثال، به معنای میزان حقوقی که نیمی از کارکنان از آن کمتر دریافت میکنند.
این عدد تصویر روشنتری از سطح دستمزد به ما نشان میدهد و همانند میانگین تحت تاثیر اندازههای خیلی بالا و یا خیلی پایین قرار نمیگیرد.
این مثال را نوشتم از آن جهت که در خبرها و از قول سازمان برنامه و بودجه، میانگین حقوق کارمندان ۶.۱ میلیون تومان، بیان شده بود.
قبول، اما سوال این است، میانه حقوق یعنی عددی که نصف جامعه از آن حقوق کمتری دریافت میکند، چقدر است؟
پژوهشی داشتم در سال ۹۵ که به بررسی فاصله بین دستمزد و تورم در پنج کشور ژاپن، مالزی، هند، ترکیه و ایران میپرداخت. در آن سال این یافته به دست آمد که میانه حقوق در ایران حدود ۴۰ درصد از میانگین حقوق، کمتر است و متاسفانه به جای بیان میانه حقوق که عدد واقعی تری در بیان سطح دستمزد افراد جامعه است، همواره میانگین حقوق بیان میشود.
بیایید به موضوع دیگری بپردازیم. شاخص بورس بر مبنای میانگین محاسبه میشود. حال اگر محاسبات خود را بر مبنای میانه هر روز قرار دهیم، عدد شاخص چقدر است؟
یک محاسبه نه چندان پیچیده نشان میدهد، شاخص بورس تهران هرگز عدد دو میلیون را رد نکرده و در بالاترین عدد، حدود ۱۶۲۰۰۰۰ واحد بوده است و اکنون تقریباً بر روی عدد ۱۱۹۰۰۰۰ واحد قرار گرفته است.