GraphPad
2.21K subscribers
483 photos
34 videos
36 files
292 links
Download Telegram
🔆 درباره آینده و وضعیت بورس تهران، چند سوال پرسیده شده بود. راستش نظر شخصی خودم را بخواهم بگویم این است که حتی همین امروز که شاخص میانه که قبلاً درباره آن حرف زدم حدود ۷۴۰ هزار واحد است، دیدگاه من به شدت مثبت و روشن است. آنچه که از سری زمانی و مدلهای خطی و غیر خطی آماری نیز بلد هستم، بیانگر همین آینده روشن است. هر چند در مدل آماری و به ویژه Time Series بورس تهران، می‌توان اجبار، سرکوب و شاید دستکاری در نمادها و شاخص را مشاهده کرد، اما توان و قدرت داده‌ها و مدل ها، بسیار بیشتر از این سرکوب هاست که به هر دلیلی رخ داده و یا رخ می‌دهد. این یک واقعیت است که مخدوش کننده‌ها خسته می‌شوند اما اعداد و داده ها خسته نمی‌شوند و به نظم منطقی خود باز خواهند گشت.
🔆 مجموع RG Score همه دانشجویان و اساتید دانشگاه کابل که عمدتاً جوان هستند، حدود ۳۷۰ است. یعنی فقط در حد یک محقق متوسط بین المللی.
با این حال آنچه من از جوانان با انگیزه و پرامید آنجا شنیده و دیده ام، نوید دهنده آینده روشن سرزمین پر از غم و خاک آلود افغانستان است.
🔸 تصویر، قربانیان دانشجو بر اثر حمله روز دوشنبه به دانشگاه کابل را نشان می‌دهد.
خوب است Map همکاری‌های علمی دانشجویان جوان کابل را هم ببینیم. آنها این روزها تنها با سه کشور در دنیا کار تحقیقاتی می‌کنند. ژاپن، انگلستان و آمریکا.
GraphPad
در لینک زیر از سایت گراف پد می‌توانید، توضیحات نوشتاری و ویدئو آموزشی در این زمینه را مشاهده کنید. 👇 https://graphpad.ir/regression-graphpad-prism/
👆

در بالا با استفاده از رگرسیون خطی ساده
Simple Linear Regression
به بررسی نحوه تاثیر یک کمیت بر فقط یک Variable پرداختیم.

🔸 حال فرض کنید می‌خواهیم کمی گسترده تر کار کنیم و نحوه و مدل تاثیر چندین Variable بر روی یکدیگر را بررسی کنیم. سوال ما در این نوع از مطالعات این است که چگونه می‌توان با اندازه‌گیری چندین کمیت، تاثیر هم زمان آنها بر روی یکدیگر را به دست آورد و به پیش بینی آینده پرداخت.

🔸 به این مدل‌ها
Multiple Linear Regression
گفته می‌شود و واضح است که به دلیل درنظر گرفتن همزمان چندین Variable، کارکرد و نتیجه دقیق‌تری نسبت به رگرسیون خطی ساده و یا همبستگی ساده خواهد داشت.

🔸 با استفاده از تحلیل‌های رگرسیون چندگانه می‌توانیم به صورت توام و هم‌زمان اثرات چندین عامل و Variable را بر روی فاکتور پاسخ اندازه‌گیری کنیم.

🔆 چنانچه علاقمند بودید می‌توانید در لینک زیر از سایت گراف پد، ویدئو آموزشی مدل‌های رگرسیونی چند بعدی و همچنین همبستگی های چندگانه را به همراه توضیحات کار با نرم‌افزار Prism مشاهده کنید.

https://graphpad.ir/multiple-regression/
🔆 امروز یک خبر فوق‌العاده خوب البته برای پژوهشگران آماری منتشر شد، اینکه شرکت سازنده نرم‌افزار GraphPad Prism در کالیفرنیا، پس از سه سال ورژن جدید و شماره ۹ نرم‌افزار را عرضه کرده است. این نرم‌افزار آماری که می‌توان آن را سرآمد تمام نرم‌افزارهای آماری دنیا دانست، نخستین ورژن خود را در سال ۱۹۸۹ ارایه کرده است.

🔸 طیف وسیعی از تحلیل‌های آماری مانند آزمون‌های مقایسه‌ای، مدل‌های خطی و غیرخطی، رسم گراف ها و نمودارهای آماری از ساده تا پیشرفته، در نرم‌افزار Prism انجام می‌شود.

🔸 در لینک زیر از سایت گراف پد می‌توانید توضیحات بیشتری درباره Prism و برنامه کامپیوتری ورژن ۹ جدید نرم افزار GraphPad به همراه راهنمای نصب آن را دریافت کنید.

🔸 در یک ویدئو کوتاه نیز نحوه نصب نرم‌افزار را توضیح داده ام.

http://graphpad.ir/prism9/
🔆 در ویدئو و لینک زیر و در پاسخ به دوستانی که درباره GraphPad Prism 9 سوال پرسیده بودند، ویژگی‌های جدید قرار داده شده در ورژن جدید نسبت به Prism 8 بیان شده است. 👇

https://go.graphpad.com/video/whats-new-in-prism-9
🔆 یکی از موضوعاتی که به هنگام کار کردن با نرم‌افزار Prism برای ما اهمیت دارد، نمایش و نشان دادن نتایج و Result با استفاده از انواع گراف‌ها و نمودارهای موجود در نرم‌افزار است. که البته گستردگی فراوانی نیز دارند.

در این میان ستاره‌های معناداری، ابزاری بسیار پرکاربرد، جهت بیان هر چه ساده‌تر نتایج به دست آمده، می‌باشند.

🔸امکان جدیدی که در نرم افزار گراف پد پریسم ورژن جدید ۹ آن اضافه شده، قرار دادن ستاره های معنی داری به صورت اتوماتیک در نمودارها و گراف‌های به دست آمده است. تا قبل از ارایه ورژن ۹ ما مجبور بودیم این کار را به صورت دستی انجام دهیم.

🔸 نحوه انجام این کار با استفاده از نرم‌افزار گراف پد را در لینک زیر توضیح داده‌ام، علاقمند بودید مشاهده کنید. 👇

https://graphpad.ir/asterisk-pairwise-comparisons/
🔆 یک نکته هم درباره آینده بورس تهران.
همان گونه که چند هفته پیش هم نوشتم، هنگامی که داده‌های بورس را در قالب یک یا حتی چند مدل Time Series برازش می‌دهیم، آنچه که به دست می‌آید، بیانگر یک مطلب و پیش بینی تقریباً ساده است که اگر بخواهم آن را در یک جمله کوتاه بنویسم این است که
" مسیر صعود دوباره هموار و بلکه هموارتر است."
راستش صادقانه می‌خواستم یک نکته‌ای را بگویم. 👇

گراف پد یک کانال بورسی نیست.

بلکه فقط یک کانال آماری است که سعی می‌کنه در حد بضاعت خودش به آموزش نرم‌افزارها و کاربردهای آماری بپردازد.

اما اینکه چه چیزی باعث می‌شود داده‌های بورس برای آمار جذاب باشد، صرفنظر از کسب درآمد و سودآوری، وجود داده‌های پویا و زنده‌ای است که در جلوی چشم آمار و به ویژه مباحث سری زمانی Time Series آن خودنمایی می‌کنند.

باید اعتراف کنم که این حجم از داده‌های زنده، در هیچ علم و دانش دیگری، به وسعت و گستردگی داده‌های بورسی که در هر ثانیه ثبت می‌شوند، وجود ندارد.

به خاطر همین رقص داده‌هاست که آمار سعی می‌کنه با ابزارهایی که در اختیار دارد، گوشه‌ای از کار را بگیرد و در این بازی شریک شود.
انواع روشهای آماری که طیف وسیعی هم دارند، مثل آدمهایی می‌مانند، که هیچ فردی با اونها دوست نمیشه، در حالی که خیلی خوبند و توانایی‌های زیادی دارند.
🔆 یکی از Following های من در ریسرچ گیت، Yoshinori Ohsumi محقق ژاپنی است.

🔸 او برنده جایزه نوبل پزشکی و همچنین جوایز معتبر بین‌المللی Kyoto Prize Laureate و Breakthrough Prize Laureate است.

🔸 در محافل عمومی و پژوهشی کشورهای مسلمان نیز به دلیل نوشتن مقاله‌ای بسیار معتبر و دقیق با موضوع تاثیر مثبت روزه بر سلامت فرد روزه دار، که با همکاری Tokyo Institute of Technology نوشته شده، شناخته شده است.

🔸 چند روز پیش مقاله‌ای توسط او منتشر شده که برخی از روشهای آماری نه چندان پیچیده در آن به کار رفته است. علاقمند بودید می‌توانید در لینک زیر مقاله او را مشاهده کنید.

https://www.researchgate.net/publication/344896523_Atg9_is_a_lipid_scramblase_that_mediates_autophagosomal_membrane_expansion

🔸 خواندن مقاله را به افرادی که علاقمند به مشاهده کاربردهای علوم آماری هستند، پیشنهاد می‌کنم.

🔸 در لینک زیر نیز می‌توانید پروفایل
Yoshinori Ohsumi
در ریسرچ گیت را ببینید.

https://www.researchgate.net/profile/Yoshinori_Ohsumi
🔆
#پالایش_یکم

راستش روند و رفتار مدل معاملاتی این نماد آنقدر جذاب و جالب بود، حیفم آمد چیزی ننویسم. حداقل به عنوان یک کار پژوهشی.

🔸 به نظرم مدل Time Series این نماد اصطلاحا لبه دار خواهد بود. به زبان ساده یعنی اینکه می‌توان خوب خرید و خوب فروخت و این روند را بارها و بارها تکرار کرد.

در این‌گونه مدل‌ها پیشنهاد این نیست که بخرید یا بفروشید، بلکه پیشنهاد این است که هم بخرید و هم بفروشید. با این حال، فاصله زمانی بین خرید و فروش نه خیلی کوتاه باید باشد و نه خیلی بلند.

🔸 مدل سری زمانی نماد به شدت روان است. در آن هیچ عامل و فاکتور غیر انسانی و یا دست پشت پرده‌ای دیده نمی‌شود. این موضوع را من در سری زمانی هیچ نماد دیگری ندیده‌ام.

به عنوان مثال آنچه که این روزها در #شستا دیده می‌شود، به وضوح عامل غیرانسانی است. اسم آن را می‌توان هر چیزی گذاشت، ربات، الگوریتم، برنامه‌نویسی یا هر چیز دیگر. من اسم آن را عامل X می‌گذارم.

سوال. هدف این عامل X چیست؟
پاسخ. خیلی ساده، زورگویی. ما در آمار و در طراحی یک مدل، مفهومی داریم به نام

Force the line to go through (x,y)

به زبان ساده یعنی اینکه مدل بیچاره را مجبور می‌کنیم، از نقاطی که موردنظر من است، عبور کند. حتی اگر اصلا این نقاط در داده‌های واقعی وجود نداشته باشد.

فایده این کار چیست؟
یک کلمه. ایده من تایید می‌شود.

یعنی اینکه من به بیننده نشان می‌دهیم، ببینیم چقدر درست گفتم. روند سهم، همان است که من گفتم.
به نظرم رفتار سری زمانی #شستا یک پروژه است برای اثبات یک ایده، یا اثبات یک نوع تحلیل خاص.

نکته دیگر اینکه عامل X به نظر می‌رسد، تمام وقت مشغول به کار نیست و اجازه بازی کردن به عامل انسانی را تا حدی می‌دهد، با این حال به محض تلاش عامل انسانی جهت خروج از چارچوب، دوباره دست به کار می‌شود و روند حرکت را به همان ساختار طراحی شده، بر می‌گرداند.

🔸 روان بودن مدل #پالایش_یکم به نظر چندان طولانی نخواهد بود. با ورود فاکتورهای متعدد انسانی و احتمالاً همان عامل X که در بالا گفتم، از میزان پویایی آن کاسته خواهد شد. با این حال به شدت ابزار قضاوت خوبی جهت تشخیص قدرت و توان معاملاتی شما خواهد بود. اگر از آن، در مدت زمانی که همچنان روان است، سودهای خوبی گرفتید پس شما تریدر خوبی هستید و اگر نتوانستید از آن سودهای خوبی بگیرید، خب، خیلی ساده، شما تریدر خوبی نیستید.
🔆 #نرم‌افزار

🔸 سال ۱۳۸۲ و در دوره لیسانس که گروه آمار دانشگاه شهید چمران اهواز بودم، پروژه درسی سری زمانی داشتم درباره قیمت سکه طلا. بررسی یک روند بلند مدت از گذشته تا سال ۸۲ و یافتن عوامل موثر بر قیمت سکه. هدف مطالعه نیز به دست آوردن مدلی بود که با استفاده از آن بتوانیم به پیش بینی آینده قیمت سکه بپردازیم. پروژه درسی بود و هر کدام از دانشجویان برحسب علاقه یک موضوع انتخاب می‌کردند.

🔸 من در این پروژه ابتدا با استفاده از تحلیل عاملی Factor Analysis حدود چهل عامل اثرگزار را بررسی کردم و سپس همه این عوامل را در هفت عامل مهمتر خلاصه کردم، در نهایت نیز با استفاده از مدل‌های سری زمانی موجود، بین قیمت سکه و آن هفت عامل یک مدل و رابطه به دست آورده بودم.

🔸 در هر مدل آماری مهمترین یافته اندازه عددی R Square است.
توضیح کوتاه اینکه R Square عددی بین صفر تا یک است و هر چه به یک نزدیکتر باشد، نشان می‌دهد، مدل به دست آمده قدرت و توانایی بیشتری جهت پیش بینی دارد.
عدد R Square مدل من خیلی بالا و برابر با 0.971 بود.
این یعنی اینکه مدل به اندازه ۹۷ درصد توانایی پیش بینی آینده را داشت. خیلی عالی بود.

🔸 آن روزها نرم‌افزارها چندان پیشرفته نبودند و به دست آوردن یک مدل خوب ربطی به آنها نداشت، قطعا به توانایی علمی من هم که تازه کلاس سری زمانی داشتم با دکتر رحیم چینی پرداز که آن روزها استاد تمام دانشگاه اهواز بود، ربطی نداشت.

🔸 خوب بودن مدل به دست آمده فقط و فقط به نظم و انظباط درونی داده‌ها، عدم وجود داده‌های پرت در آنها و از همه مهمتر عدم وجود عوامل مخدوش کننده، مربوط می‌شد.

🔸 اما این روزها.
نرم‌افزارها بسیار بهتر شده‌اند، اگر آن روزها در سال ۸۲ ما با ورژن ۱۰ نرم‌افزار SPSS یا ورژن ۷ نرم‌افزار Minitab کار می‌کردیم و خیلی از کارها را نرم افزارها نمی‌توانستند انجام دهند، اکنون SPSS ورژن ۲۶ شده و Minitab ورژن ۱۹ و بسیاری از کارها را نیز می‌توانند انجام دهند، اما چه شده که ضریب تعیین و یا همان R Square مدل‌ها اینقدر پایین آمده.
امروزه یک مدل آماری در بهترین حالت R Square بیشتر از ۸۰ درصد در مطالعات اقتصادی و برآورد قیمت به دست نمی‌دهد.

🔸 برای پاسخ به این سوال، همان نتایج و داده‌های سال ۸۲ را نگاه می‌کردم. وقتی ما می‌خواهیم یک مدل آماری برازش دهیم، نرم‌افزار برخی از نقاط و داده‌ها را به عنوان داده پرت Outlier شناسایی می‌کند. به معنای اینکه اینها به درد نمی‌خورند و بهتر است از مطالعه خارج شوند. این داده‌ها مخدوش کننده بوده و اندازه درست بودن مدل را کاهش می‌دهند.
در مدل و داده‌های سال ۸۲ که به بررسی روند قیمت سکه طلا از گذشته تا سال ۸۲ می‌پرداخت، تعداد داده‌های پرت بسیار کم بود. داده‌ها در یک نظم ریاضی حرکت می‌کردند، برای همین یافتن مدل آماری آنها چندان پیچیده نبود.

🔸 اما این روزها. فرض کنید بخواهیم برای سهم X در بورس تهران و یا همان قیمت سکه، مدل آماری برازش دهیم.
چه پیش می آید؟
همان ابتدای کار، نرم‌افزار ورژن ۱۹ مینیتب، Error می‌دهد که چه خبرتونه، حداقل نیمی از داده‌ها، اصطلاحا Outlier و پرت هستند و باید به عنوان مخدوش کننده از مطالعه کنار گذاشته شوند. به بیان ساده یعنی اینکه روند اعداد از دیدگاه یک ابزار کامپیوتری پیشرفته نیز منطقی نیست.

🔸 و در پایان
لطفاً کمتر داده پرت تولید کنید، صدای نرم‌افزارها هم در آمده.
🔆 General Linear Model

🔸 تا چند سال پیش، آمار و علوم آماری به دو شاخه و گروه اصلی تقسیم می‌شد، که هر کدام پژوهشگران و پیروان خاص خود را داشت. آنها به شرح زیر بودند.

🔸 الف) مقایسه گرایان.
در دیدگاه و متد علمی این افراد، همه مطالعات آماری را میتوان با مقایسه و Compare پاسخ داد. آیا دو یا چند چیز شبیه به هم هستند؟ روند حرکتی اعداد متفاوت است؟ کدام بیشتر است کدام کمتر؟ آنها همه سوالات را با آزمون‌های Compare پاسخ می‌دادند. آنقدر هم بزرگ شدند که در درون خودشان شاخه بزرگ دیگری با نام آمار توزیع آزاد یا آمار ناپارامتری ایجاد کردند.

🔸 ب) ارتباط گرایان.
از دیدگاه این افراد، همه مطالعات آماری و علمی با روشهای ارتباط سنجی و یافتن اندازه تاثیر، قابل پاسخ است. بالا و پایین شدن یک یا چند چیز، بر کم و زیاد شدن چیز دیگر چقدر موثر است؟ رابطه بین Variable ها چگونه است؟ a بر روی b چقدر اثر دارد؟ از نظر این افراد همه سوالات با روشهای ارتباطی مانند همبستگی ها، رگرسیون ها و توابع قابل پاسخ بود.

بین این دو گروه رقابت سختی در جریان بود.

🔸 تا اینکه
General Linear Models

و به اختصار GLM ها یا به قول پژوهشکده آمار مدل‌های خطی عام، متولد شد. تفسیر و توضیح آن بسیار جالب توجه بود.

🔸 قبل از کشف GLM، حتی سری زمانی Time Series نیز با آن همه ادعا، تسلیم ارتباط گرایان شده بود.
رگرسیون او را تسلیم کرده بود. اما رگرسیون چه بود؟ خیلی ساده
Y = f (X)

یعنی برای پیش بینی y و یافتن چگونگی تاثیر xها بر y از یک تابع مانند f استفاده کنیم. همین.

رگرسیون به جای x در مدل بالا، گفت از t یعنی Time استفاده کنیم. به زبان ساده یعنی برای پیش بینی y از زمان و Time بهره ببریم. پس مدل اینگونه شد
Y = f (t)

به این ترتیب، علوم سری زمانی با همین ترفند ساده رگرسیون، در قلمرو ارتباط گرایان قرار گرفت.
تفسیر سری زمانی بسیار ساده شد. سری زمانی چیزی نیست جز یک مدل رگرسیونی، که به جای xها، t قرار می‌گیرد.

🔸 دوباره به GLM ها برگردیم. توضیح GLM شگفت آور بود. در یک کلام آنها می‌گفتند

همه چیز رگرسیون است.

روشهای GLM حتی آنالیزهای مقایسه میانگین و تحلیل‌های واریانس و کوواریانس که غول‌های بزرگ و بسیار پرکاربرد مقایسه گرایان بودند را به زیر کشیدند و آنها را در قالب یک مدل رگرسیونی تعریف کردند. تکلیف کوچکترهایی مانند T Test که معلوم بود.

🔸 با کشف GLM آمار دارای یک پادشاه شد.
رگرسیون Regression
و نوشته شد، همه چیز رگرسیون است.

حتی همبستگی و Correlation که به دنبال جای پایی در آمار برای خود بود، با تعریفی ساده از بتای ضرایب رگرسیونی، مشخص شد که آنها نیز نوعی رگرسیون هستند و بنابراین در مرتبه ای پایین تر از رگرسیون قرار گرفت.

🔸 اما GLM چیست؟
آنها به شانزده روش اصلی تقسیم بندی می‌شوند. من در سایت گراف پد
GraphPad.ir

در حال حاضر به بیان و توضیح شش روش پرداخته‌ام و آموزش ویدیویی و اسلایدی آنها را آورده‌ام. امیدوارم در آینده نزدیک بتوانم ده روش باقیمانده را نیز بنویسم و بگویم.

🔆 متن طولانی بود، ببخشید 🌹
#ایده
#پیش‌بینی_فردا_و_فرداها

بیایید یک ایده روی کاغذ داشته باشیم. فعلاَ روی کاغذ.

از یک سوال شروع می‌کنم. آیا امکان دارد در پایان هر روز بازار بورس، یک لیستی ارایه دهیم از تمام نمادهای معامله شده، به ترتیب اولویت و احتمال مثبت بودن فردا.

به بیان دیگر در این لیست، رتبه اول مربوط به نمادی باشد که بالاترین احنمال مثبت بودن فردا را دارد و به همین ترتیب تمام نمادها تا انتهای لیست، که در رتبه آخر نمادی قرار می‌گیرد که کمترین احتمال مثبت بودن فردا را دارد؟

پاسخ مثبت است. بله می‌توان در پایان هر روز، به هر نماد یک عدد نسبت داد که آن عدد بیانگر اندازه احتمال مثبت بودن فردا است.

اما چگونه؟ با چه ابزاری؟

سعی می‌کنم از پایه و مقدمات شروع کنم و بگویم. هر چند کمی طولانی است. اما پیشنهاد می‌کنم با دقت بخوانید.

در نوشته قبلی گفتم همه چیز رگرسیون است. پس از همان شروع می‌کنم.

رگرسیون چه بود؟ خیلی ساده.
Y = f (X)

به معنای اینکه با استفاده از تابعی مانند f و مشاهده و اندازه‌گیری X مقدار عددی Y را پیش‌بینی کنیم. در هر مدل رگرسیونی، X در اختیار ما است و ما آن را می‌بینیم و اندازه می‌گیریم اما Y در اختیار ما نیست و ما باید از روی X مقدار Y را به دست بیاوریم.

می‌خواهیم از همین ابزار استفاده کنیم تا به ایده خودمان برسیم. یعنی پیش‌بینی احتمال مثبت بودن نماد در بازار فردا. گام به گام پیش می‌رویم.

🔸 الف) Y چیست؟


از Y شروع می‌کنیم. به جای Y خیلی ساده P مخفف Probability قرار می‌دهیم. چرا؟ چون می‌خواهیم یک احتمال پیش‌بینی کنیم. احتمال مثبت بودن نماد در روز بعد.
پس مدل رگرسیونی زیر را خواهیم داشت.

P = f (X)

در این مدل X ها را که داریم و درباره آن‌ها در ادامه صحبت می‌کنم، اما f یا همان تابعی که قرار است X را به P مرتبط کند چیست؟

🔸ب) f چیست؟
بیایید درباره f حرف بزنیم. f از کجا ساخته می‌شود؟ چه تابعی قرار دهیم؟

برای پاسخ به این سوال، یکبار دیگر مدل رگرسیون را ببینیم.

Y = f (X)

در تئوری آماری اثبات می‌شود این‌که f چه باشد به جنس و ماهیت Y مربوط است. یعنی پاسخ به این سوال که از چه f ای استفاده می‌کنیم، به این برمی‌گردد اعداد Y چه هستند و چه جنسی دارند. چند مثال ببینیم.
۱) فرض کنید Y پیشامد Event رخدادن بیماری کووید ۱۹ باشد. قبلاَ در همین کانال نوشتم که به نظر می‌رسد که رخداد این بیماری دارای توزیع آماری پواسن Poisson باشد، امروزه این مطلب ثابت شده است. پس f ما در این مثال تابع پواسنی خواهد بود و مدل ما رگرسیون پواسنی.

۲) فرض کنید Y پیشامد فاصله زمانی بین دو زمین لرزه باشد. می‌دانیم فاصله بین دو زمین لرزه دارای توزیع آماری با نام نمایی Exponential است. پس f ما در این مثال تابع نمایی خواهد بود و مدل ما رگرسیون نمایی.

۳) بسیاری از پدیده‌های اطراف ما دو حالتی و اصطلاحاَ صفر و یکی هستند. یعنی یا رخ می‌دهد (یک) یا رخ نمی‌دهد (صفر). مثبت یا منفی، برد یا باخت، روشن یا خاموش، بیمار یا سالم. این پدیده‌ها و پیشامدها دارای توزیع آماری با نام برنولی Bernoulli هستند. ما در این پدیده‌ها به دنبال یافتن احتمال رخداد پیشامد هستیم. یعنی همان P که ابتدای متن از آن حرف زدم. ما در این نوشتار می‌خواهیم درباره این پدید‌ها حرف بزنیم.

یکبار دیگر مدل رگرسیونی که به مدل احتمالی تبدیل شد را ببینید.

P = f (X)

سوال ما این بود که در این مدل از چه f ای استفاده کنیم؟
تا اینجا به این نتیجه رسیدیم که پیشامدی که ما می‌خواهیم بررسی کنیم دو حالتی است، مثبت یا منفی. پس توزیع آن برنولی است. در تئوری آماری که البته چندان هم پیچیده نیست، نتیجه می‌شود وقتی توزیع پیشامد ما برنولی است، تابع f به صورت زیر خواهد بود. اسم آن را تابع لجستیک می‌نامیم.

f (X) = eX / (1+eX)

علامت / به معنای تقسیم است و X در توان e قرار دارد.
پس مدل احتمالی ما به صورت زیر خواهد بود.
P = eX / (1+eX)

در این مدل با استفاده از X که آن‌ها را می‌دانیم، مقدار P را به دست می‌آوریم.

در این‌جا دوست دارم دو نکته بگویم.

آ) احتمال، مادر آمار است. به این نکته توجه کنید که ما در ابتدا فقط دو عدد داشتیم، صفر (پیشامد رخ نمی‌دهد) یا یک (پیشامد رخ می‌دهد). اما حالا مدل احتمالی داریم. یعنی بی‌نهایت عدد از بازه (۱ . ۰). مثلا عدد ۰.۲۷ یعنی پیشامد با احتمال ۲۷ درصد رخ می‌دهد یا ۰.۶۳ یعنی پیشامد با احتمال ۶۳ درصد رخ می‌دهد و به همین ترتیب.

ب) احتمال یک اندازه است. همین کلمه اندازه و این تعریف، علوم آماری را دگرگون کرده و جرقه پیشرفت آمار شده است. از هواشناسی تا زمین‌شناسی در حیطه علوم آماری قرار دارد. از پاسخ مثبت به این سوال که آیا موجودات فضایی وجود دارند تا احتمال رخدادن زمین لرزه در کف اقیانوس‌ها چقدر است، در مفاهیم و کاربردهای علوم آماری قرار می‌گیرند. فرصتی شد بعداَ درباره آن بیشتر خواهم نوشت.