#Compusyn
بیایید چند نام دارو را با هم مرور کنیم
Biotin 5 mg N
Prednisolone 5 mg
Theochal-G 50 mg
Acetaminophen 500 mg
Phenylephrine 5 mg
Pantoprazole 40 mg
Diphenhydramine 12.5 mg
شما هم اگر نام هر دارویی را نگاه کنید، کنار نام آن یک عدد نوشته شده.
سوال این است که این اعداد چیست و چگونه محاسبه میشود؟
برای پاسخ باید بگویم که ما به منظور محاسبه هر کدام از این اعداد که دوز ماده موثر به کار رفته در آن دارو است، با یک مدل رگرسیونی غیرخطی، روبهرو هستیم.
در واقع این اعداد، براورد پارامتر معمولا با نام IC50 یا EC50 همان دارو است. ما آنها را به عنوان میزان دوز دارو که بر روی ۵۰ درصد جامعه اثرگزار است، میشناسیم.
جهت برآورد و یافتن این پارامترها و میزان دوز موثر، مدلهای رگرسیونی زیاد و تا حدی پیچیده وجود دارد که به این نوع از تحلیلها، مدلهای
Does-Response
میگوییم.
بهترین و شاید تنها نرمافزار براورد پارامترها و به دست آوردن مدل رگرسیونی غیرخطی، نرمافزار گراف پد است.
با این حال این نرمافزار یک نقص عمده دارد. فرض کنید ما میخواهیم چند دارو را با هم ترکیب کنیم تا داروی موثرتری به دست بیاوریم. مانند انواع مولتی ویتامینها.
سوال این است که آیا این داروی ترکیبی، بهتر است و اصطلاحاً سینرژیسم است؟ سوال دیگر اینکه در این داروی ترکیبی چه میزان دوز از هر کدام از داروها، استفاده کنیم؟
مفاهیم و نمودارهایی مانند
Combination Index (CI)
Dose-Reduction Index (DRI)
Isobologram
Polygonogram
در داروهای ترکیبی مورد توجه است که گراف پد پاسخی برای آن ندارد.
نرمافزار کامپوسین #Compusyn به منظور پاسخ به سوال سینرژیسم بودن داروی ترکیبی و میزان استفاده از دوز موثر هر دارو در داروی ترکیبی، طراحی شده است.
مفهوم و پارامتر
Dose-Reduction Index (DRI)
آنقدر جذاب است که باید آن را مباحث اقتصادی و بودجه نویسی به کار برد. چگونه با کمترین منابع، سود و کارایی بهینه و مطلوب را به دست بیاوریم.
در لینک زیر که در ریسرچ گیت قرار گرفته، من توضیحات مختصر درباره نرمافزار کامپوسین بیان کرده و نوشتهام.
https://www.researchgate.net/publication/353997395_Tech_Talks_Drug_Combinations_Synergism_or_Antagonism_Compusyn_at_Home
بیایید چند نام دارو را با هم مرور کنیم
Biotin 5 mg N
Prednisolone 5 mg
Theochal-G 50 mg
Acetaminophen 500 mg
Phenylephrine 5 mg
Pantoprazole 40 mg
Diphenhydramine 12.5 mg
شما هم اگر نام هر دارویی را نگاه کنید، کنار نام آن یک عدد نوشته شده.
سوال این است که این اعداد چیست و چگونه محاسبه میشود؟
برای پاسخ باید بگویم که ما به منظور محاسبه هر کدام از این اعداد که دوز ماده موثر به کار رفته در آن دارو است، با یک مدل رگرسیونی غیرخطی، روبهرو هستیم.
در واقع این اعداد، براورد پارامتر معمولا با نام IC50 یا EC50 همان دارو است. ما آنها را به عنوان میزان دوز دارو که بر روی ۵۰ درصد جامعه اثرگزار است، میشناسیم.
جهت برآورد و یافتن این پارامترها و میزان دوز موثر، مدلهای رگرسیونی زیاد و تا حدی پیچیده وجود دارد که به این نوع از تحلیلها، مدلهای
Does-Response
میگوییم.
بهترین و شاید تنها نرمافزار براورد پارامترها و به دست آوردن مدل رگرسیونی غیرخطی، نرمافزار گراف پد است.
با این حال این نرمافزار یک نقص عمده دارد. فرض کنید ما میخواهیم چند دارو را با هم ترکیب کنیم تا داروی موثرتری به دست بیاوریم. مانند انواع مولتی ویتامینها.
سوال این است که آیا این داروی ترکیبی، بهتر است و اصطلاحاً سینرژیسم است؟ سوال دیگر اینکه در این داروی ترکیبی چه میزان دوز از هر کدام از داروها، استفاده کنیم؟
مفاهیم و نمودارهایی مانند
Combination Index (CI)
Dose-Reduction Index (DRI)
Isobologram
Polygonogram
در داروهای ترکیبی مورد توجه است که گراف پد پاسخی برای آن ندارد.
نرمافزار کامپوسین #Compusyn به منظور پاسخ به سوال سینرژیسم بودن داروی ترکیبی و میزان استفاده از دوز موثر هر دارو در داروی ترکیبی، طراحی شده است.
مفهوم و پارامتر
Dose-Reduction Index (DRI)
آنقدر جذاب است که باید آن را مباحث اقتصادی و بودجه نویسی به کار برد. چگونه با کمترین منابع، سود و کارایی بهینه و مطلوب را به دست بیاوریم.
در لینک زیر که در ریسرچ گیت قرار گرفته، من توضیحات مختصر درباره نرمافزار کامپوسین بیان کرده و نوشتهام.
https://www.researchgate.net/publication/353997395_Tech_Talks_Drug_Combinations_Synergism_or_Antagonism_Compusyn_at_Home
GraphPad
#خروج هر وارد شدنی، خارج شدن هم دارد. همانگونه که الکسا رنک، زمان ورود را نشان داد (این پست را ببینید.) از آن برای تعیین زمان خروج نیز استفاده میکنیم. الکسا رنک سه شاخص دارد Daily Page views per Visitor Daily Time on Site Bounce rate البته که این شاخصها…
#سه_چراغ_روشن
لطفاً ابتدا این پست را بخوانید.
بالاخره پس از ماهها هر سه شاخص
Daily Pageviews per Visitor
Daily Time on Site
Bounce rate
سایت TSETMC سبز شد.
روند صعودی الکسا رنک سایت نیز به خوبی در تصویر بالا دیده میشود.
نکته جالب توجه در این میان، ورود IP های از مبدا کشور فرانسه به Audience Geography است.
درصد آنها حتی بالاتر از آمریکا (IP های از مبدا آمریکا همیشه در Audience Geography سایت TSETMC ایران دیده میشوند)، قرار گرفته است.
بار دیگر پیشنهاد میکنم این پست را بخوانید و به همه چیز واقع بینانه نگاه کنید.
لطفاً ابتدا این پست را بخوانید.
بالاخره پس از ماهها هر سه شاخص
Daily Pageviews per Visitor
Daily Time on Site
Bounce rate
سایت TSETMC سبز شد.
روند صعودی الکسا رنک سایت نیز به خوبی در تصویر بالا دیده میشود.
نکته جالب توجه در این میان، ورود IP های از مبدا کشور فرانسه به Audience Geography است.
درصد آنها حتی بالاتر از آمریکا (IP های از مبدا آمریکا همیشه در Audience Geography سایت TSETMC ایران دیده میشوند)، قرار گرفته است.
بار دیگر پیشنهاد میکنم این پست را بخوانید و به همه چیز واقع بینانه نگاه کنید.
GraphPad
#Compusyn بیایید چند نام دارو را با هم مرور کنیم Biotin 5 mg N Prednisolone 5 mg Theochal-G 50 mg Acetaminophen 500 mg Phenylephrine 5 mg Pantoprazole 40 mg Diphenhydramine 12.5 mg شما هم اگر نام هر دارویی را نگاه کنید، کنار نام آن یک عدد نوشته شده. سوال…
دوستانی که در ریسرچ گیت اکانت ندارند از لینک زیر میتوانند فایل PDF آموزش نرمافزار Compusyn را دریافت کنند.
https://graphpad.ir/wp-content/uploads/2021/08/Compusyn-Abolfazl-Ghoodjani-GraphPad.ir_.pdf
https://graphpad.ir/wp-content/uploads/2021/08/Compusyn-Abolfazl-Ghoodjani-GraphPad.ir_.pdf
#SPSS
فکر میکنم چند ماه پیش IBM نسخه جدید و ورژن 27 نرمافزار SPSS را عرضه کرده بود. برخلاف دفعههای قبل که ما IBM را به عنوان یک شرکت تقریباً دست و دل باز در ارایه ساده و رایگان نرمافزارهای آماری میشناختیم، اینبار قوانین سفت و سختی جهت دریافت ورژن 27 نرمافزار قرار داده بود.
قیمت بالا آن هم برای لایسنس یکساله و فقط بر روی یک سیستم و نسخه آزمایشی یک ماهه و غیرقابل تمدید آن هم با قوانین سخت احراز هویت، از جمله شرایط دریافت و کار با ورژن ۲۷ است.
اطلاع دارم حتی برای برخی از دانشگاههای دنیا هم به سادگی در اختیارشان قرار نمیداد. به عنوان مثال برای دانشکده روانشناسی دانشگاه اسلو نروژ که با آنها کار میکنم، هنوز با وجود تقاضا چند ماهه، به آنها ارایه نداده است.
نرمافزار SPSS که خودش یک نرمافزار خوب است، ورژن جدید آن هم، آنقدر جذاب و عالی طراحی شده که واقعاً ارزش هزینه کردن و دریافت آن را داشت.
امروز صبح جمعه 5 شهریور 1400 به صورت اتفاقی که به دنبال یافتن نرمافزاری برای تنظیم نور صفحه سیستم خودم بودم، به یک سایت فارسی و دانلود برنامه، برخورد کردم.
عزیزان و جوانان قفل شکن و نخبه ایرانی، روی دست IBM هم بلند شده بودند. با کمال تعجب ورژن 27 نرمافزار SPSS را حدود بیست روز پیش بر روی سایت خودشان قرار داده بودند.
تست کردم و آن را نصب کردم. کد لایسنسی که نرمافزار به هنگام نصب از ما میخواهد هم، فعلاً کار میکند و درست است.
به هر حال اگر با SPSS کار میکنید و میخواهید تجربه کار با یک نرمافزار جدید و فوق العاده آماری را هم داشته باشید، از لینک زیر به صورت رایگان ورژن جدید SPSS را دریافت کنید. IBM هم فعلاً خوشحال باشد که سایتش را به روی IP های ایران بسته و خبر ندارد که در سایتهای ایرانی چه خبر است.
https://soft98.ir/software/engineering/3536-%D8%AF%D8%A7%D9%86%D9%84%D9%80%D9%80%D9%88%D8%AF-%D8%A7%D8%B3-%D9%BE%DB%8C-%D8%A7%D8%B3-%D8%A7%D8%B3.html
فکر میکنم چند ماه پیش IBM نسخه جدید و ورژن 27 نرمافزار SPSS را عرضه کرده بود. برخلاف دفعههای قبل که ما IBM را به عنوان یک شرکت تقریباً دست و دل باز در ارایه ساده و رایگان نرمافزارهای آماری میشناختیم، اینبار قوانین سفت و سختی جهت دریافت ورژن 27 نرمافزار قرار داده بود.
قیمت بالا آن هم برای لایسنس یکساله و فقط بر روی یک سیستم و نسخه آزمایشی یک ماهه و غیرقابل تمدید آن هم با قوانین سخت احراز هویت، از جمله شرایط دریافت و کار با ورژن ۲۷ است.
اطلاع دارم حتی برای برخی از دانشگاههای دنیا هم به سادگی در اختیارشان قرار نمیداد. به عنوان مثال برای دانشکده روانشناسی دانشگاه اسلو نروژ که با آنها کار میکنم، هنوز با وجود تقاضا چند ماهه، به آنها ارایه نداده است.
نرمافزار SPSS که خودش یک نرمافزار خوب است، ورژن جدید آن هم، آنقدر جذاب و عالی طراحی شده که واقعاً ارزش هزینه کردن و دریافت آن را داشت.
امروز صبح جمعه 5 شهریور 1400 به صورت اتفاقی که به دنبال یافتن نرمافزاری برای تنظیم نور صفحه سیستم خودم بودم، به یک سایت فارسی و دانلود برنامه، برخورد کردم.
عزیزان و جوانان قفل شکن و نخبه ایرانی، روی دست IBM هم بلند شده بودند. با کمال تعجب ورژن 27 نرمافزار SPSS را حدود بیست روز پیش بر روی سایت خودشان قرار داده بودند.
تست کردم و آن را نصب کردم. کد لایسنسی که نرمافزار به هنگام نصب از ما میخواهد هم، فعلاً کار میکند و درست است.
به هر حال اگر با SPSS کار میکنید و میخواهید تجربه کار با یک نرمافزار جدید و فوق العاده آماری را هم داشته باشید، از لینک زیر به صورت رایگان ورژن جدید SPSS را دریافت کنید. IBM هم فعلاً خوشحال باشد که سایتش را به روی IP های ایران بسته و خبر ندارد که در سایتهای ایرانی چه خبر است.
https://soft98.ir/software/engineering/3536-%D8%AF%D8%A7%D9%86%D9%84%D9%80%D9%80%D9%88%D8%AF-%D8%A7%D8%B3-%D9%BE%DB%8C-%D8%A7%D8%B3-%D8%A7%D8%B3.html
دانلود رایگان نرم افزار
دانلود اس پی اس اس استاتیکس 32.0.0.0.134 برنامه تحلیل آماری
دانلود IBM SPSS Statistics اس پی اس اس نرمافزار تحلیل آماری برای مدیریت داده، اجرای آزمونهای آماری، رگرسیون، تحلیل سری زمانی و تولید جداول و نمودار.
#بیت_کوین
علاقمند بودید یک مقاله خوب از
آنتونی کاتبرتسون Anthony Cuthbertson
که روز گذشته با موضوع پیش بینی ارزش بیت کوین تا پایان سال جاری میلادی، در ایندیپندنت منتشر شده، بخوانید.
https://www.independent.co.uk/life-style/gadgets-and-tech/bitcoin-whales-price-rally-2021-b1909125.html
در لینک زیر هم میتوانید ترجمه فارسی آن را بخوانید.
https://www.independentpersian.com/node/172411/%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF/%D9%86%D9%87%D9%86%DA%AF%E2%80%8C%D9%87%D8%A7-%D9%85%D8%B4%D8%BA%D9%88%D9%84-%D8%B0%D8%AE%DB%8C%D8%B1%D9%87-%D8%A8%DB%8C%D8%AA%E2%80%8C%DA%A9%D9%88%DB%8C%D9%86%E2%80%8C%D8%A7%D9%86%D8%AF
علاقمند بودید یک مقاله خوب از
آنتونی کاتبرتسون Anthony Cuthbertson
که روز گذشته با موضوع پیش بینی ارزش بیت کوین تا پایان سال جاری میلادی، در ایندیپندنت منتشر شده، بخوانید.
https://www.independent.co.uk/life-style/gadgets-and-tech/bitcoin-whales-price-rally-2021-b1909125.html
در لینک زیر هم میتوانید ترجمه فارسی آن را بخوانید.
https://www.independentpersian.com/node/172411/%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF/%D9%86%D9%87%D9%86%DA%AF%E2%80%8C%D9%87%D8%A7-%D9%85%D8%B4%D8%BA%D9%88%D9%84-%D8%B0%D8%AE%DB%8C%D8%B1%D9%87-%D8%A8%DB%8C%D8%AA%E2%80%8C%DA%A9%D9%88%DB%8C%D9%86%E2%80%8C%D8%A7%D9%86%D8%AF
The Independent
Bitcoin whales stock up on crypto amid ‘strong buy signal’
Crypto hit a three-month high this week, with some analysts predicting new all-time highs in 2021
#Minitab
یک کلاس آنلاین خوب از طرف Minitab با موضوع
Prioritize, Visualize and Map Better than Ever Before with Minitab Workspace
مباحث زیر را در این کلاس میتوانید ببینید.
Process Maps
Fishbone Diagrams
Value Stream Maps
Failure Modes and Effects Analysis (FMEA)
Five Whys
کلاس برای همه رایگان و با استفاده از لینک زیر میتوانید ثبتنام کنید.
https://info.minitab.com/resources/webinars/discover-minitab-workspace?hsCtaTracking=e5d75ebd-dfd7-4ce2-9a0e-2a71b0424d70%7Cca5b5250-0f7e-44cb-92f9-5a552e27ebdb
یک کلاس آنلاین خوب از طرف Minitab با موضوع
Prioritize, Visualize and Map Better than Ever Before with Minitab Workspace
مباحث زیر را در این کلاس میتوانید ببینید.
Process Maps
Fishbone Diagrams
Value Stream Maps
Failure Modes and Effects Analysis (FMEA)
Five Whys
کلاس برای همه رایگان و با استفاده از لینک زیر میتوانید ثبتنام کنید.
https://info.minitab.com/resources/webinars/discover-minitab-workspace?hsCtaTracking=e5d75ebd-dfd7-4ce2-9a0e-2a71b0424d70%7Cca5b5250-0f7e-44cb-92f9-5a552e27ebdb
Principal Components Analysis (PCA)
فرض کنید تعداد زیادی X دارید. آنها میتوانند سوالات پرسشنامه، اسامی نمادهای بورسی، ارزهای دیجیتال و یا هر چیز قابل اندازهگیری باشند. در مفهوم کلی به این Xها Variable میگوییم.
به عنوان مثال و برای فهم سادهتر، من Xها را اسامی نمادهای بورس تهران در نظر می گیریم. تعداد آنها زیاد است. فرض کنید مثلاً nتا نماد بورسی داریم.
هدف ما از تحلیل با نام
Principal Components Analysis (PCA)
این است که این n نماد را به K بخش یا Component تبدیل کنم. به صورتی که در درون هر Component نمادهای دارای رفتارها و روندهای مشابه و همانند قرار گیرد و در بیرون هر Component نمادهای دارای رفتارهای مختلف از یکدیگر قرار گرفته باشد.
به عبارت ساده، نمادهایی که کنار هم در یک Component قرار میگیرند دارای رفتارهای مشابه هم باشند و با نمادهای Component دیگر رفتارهای متفاوت داشته باشد.
در این بین هر نماد یا همان X فقط میتواند در یک Component قرار گیرد.
به این نوع تحلیلها PCA گفته می شود و هدف از آنها در هم تنیدن Xهای زیاد جهت اکتشاف Component های متفاوت است.
بررسی من با استفاده از ابزار تحلیل PCA نشان میدهد، بورس تهران دارای 16 Component است. ما در این نوع تحلیل کاری با کوچک و بزرگ بودن نماد، قیمت و نام صنعت نماد نداریم. تنها به آنها به عنوان X که در طول زمان دارای رفتارهای عددی است، نگاه میکنیم.
هدف ما همانگونه که گفتم اکتشاف است. پاسخ به این سوال که کدام نمادها فارغ از نوع صنعت و قیمت دارای رفتارهای مشابه هم هستند.
جالب توجه است که در Component نمادهای از صنایع مختلف دیده میشود. در Component اول که 24 نماد بورسی در آن قرار میگیرد، چهار نماد شیمیایی در کنار سه نماد دارویی و دو نماد لاستیک و پلاستیک قرار میگیرد. جالب است که در این Component یک نماد از صنعت بیمه و سه نماد خودرویی هم قرار دارد.
این نمادها که ظاهراً از صنایع مختلفی هستند اما به نظر میرسد تشکیل یک Component مشابه را میدهند. انگار دستی یکسان آنها را هدایت میکند.
در Component بعدی نیز به همین ترتیب نمادهای صنایع مختلف کنار یکدیگر قرار میگیرند. مثلاً Component هفتم بورس تهران، هشت نماد در خود جای داده. سه نماد قند و شکر، دو نماد حمل و نقل، یک نماد فلزی ، یک نماد کاشی و یک نماد از صنعت انبوهسازی در آن قرار گرفتهاند. من آنقدر اطلاعات ندارم، اما به نظر میرسد این هشت نماد توسط یک سیستم اداره میشود.
در واقع باید اذعان کرد که با تحلیل PCA میتوان گفت که بورس تهران توسط 16 مجموعه مجزا و تاحدی متفاوت و متضاد از هم اداره و کنترل میشود. واضح است که من نمیدانم آنها که یا چه هستند، اما ردپای آنها را میتوان از Component های هر کدام، کشف کرد.
مزیت به دست آوردن Component ها علاوه بر پیشبینی رفتارهای مشابه درون هر Component، درک رفتار متضاد با نمادهای Component های دیگر است. این مطلب به نظرم در تشکیل سبدها و پرتفوها بسیار موثر باشد.
تحلیل PCA را میتوانید در نرمافزار SPSS بیاموزید. لینک زیر راهنمای مفیدی است.
https://statistics.laerd.com/spss-tutorials/principal-components-analysis-pca-using-spss-statistics.php
فرض کنید تعداد زیادی X دارید. آنها میتوانند سوالات پرسشنامه، اسامی نمادهای بورسی، ارزهای دیجیتال و یا هر چیز قابل اندازهگیری باشند. در مفهوم کلی به این Xها Variable میگوییم.
به عنوان مثال و برای فهم سادهتر، من Xها را اسامی نمادهای بورس تهران در نظر می گیریم. تعداد آنها زیاد است. فرض کنید مثلاً nتا نماد بورسی داریم.
هدف ما از تحلیل با نام
Principal Components Analysis (PCA)
این است که این n نماد را به K بخش یا Component تبدیل کنم. به صورتی که در درون هر Component نمادهای دارای رفتارها و روندهای مشابه و همانند قرار گیرد و در بیرون هر Component نمادهای دارای رفتارهای مختلف از یکدیگر قرار گرفته باشد.
به عبارت ساده، نمادهایی که کنار هم در یک Component قرار میگیرند دارای رفتارهای مشابه هم باشند و با نمادهای Component دیگر رفتارهای متفاوت داشته باشد.
در این بین هر نماد یا همان X فقط میتواند در یک Component قرار گیرد.
به این نوع تحلیلها PCA گفته می شود و هدف از آنها در هم تنیدن Xهای زیاد جهت اکتشاف Component های متفاوت است.
بررسی من با استفاده از ابزار تحلیل PCA نشان میدهد، بورس تهران دارای 16 Component است. ما در این نوع تحلیل کاری با کوچک و بزرگ بودن نماد، قیمت و نام صنعت نماد نداریم. تنها به آنها به عنوان X که در طول زمان دارای رفتارهای عددی است، نگاه میکنیم.
هدف ما همانگونه که گفتم اکتشاف است. پاسخ به این سوال که کدام نمادها فارغ از نوع صنعت و قیمت دارای رفتارهای مشابه هم هستند.
جالب توجه است که در Component نمادهای از صنایع مختلف دیده میشود. در Component اول که 24 نماد بورسی در آن قرار میگیرد، چهار نماد شیمیایی در کنار سه نماد دارویی و دو نماد لاستیک و پلاستیک قرار میگیرد. جالب است که در این Component یک نماد از صنعت بیمه و سه نماد خودرویی هم قرار دارد.
این نمادها که ظاهراً از صنایع مختلفی هستند اما به نظر میرسد تشکیل یک Component مشابه را میدهند. انگار دستی یکسان آنها را هدایت میکند.
در Component بعدی نیز به همین ترتیب نمادهای صنایع مختلف کنار یکدیگر قرار میگیرند. مثلاً Component هفتم بورس تهران، هشت نماد در خود جای داده. سه نماد قند و شکر، دو نماد حمل و نقل، یک نماد فلزی ، یک نماد کاشی و یک نماد از صنعت انبوهسازی در آن قرار گرفتهاند. من آنقدر اطلاعات ندارم، اما به نظر میرسد این هشت نماد توسط یک سیستم اداره میشود.
در واقع باید اذعان کرد که با تحلیل PCA میتوان گفت که بورس تهران توسط 16 مجموعه مجزا و تاحدی متفاوت و متضاد از هم اداره و کنترل میشود. واضح است که من نمیدانم آنها که یا چه هستند، اما ردپای آنها را میتوان از Component های هر کدام، کشف کرد.
مزیت به دست آوردن Component ها علاوه بر پیشبینی رفتارهای مشابه درون هر Component، درک رفتار متضاد با نمادهای Component های دیگر است. این مطلب به نظرم در تشکیل سبدها و پرتفوها بسیار موثر باشد.
تحلیل PCA را میتوانید در نرمافزار SPSS بیاموزید. لینک زیر راهنمای مفیدی است.
https://statistics.laerd.com/spss-tutorials/principal-components-analysis-pca-using-spss-statistics.php
Laerd
How to perform a principal components analysis (PCA) in SPSS Statistics | Laerd Statistics
Learn, step-by-step with screenshots, how to run a principal components analysis (PCA) in SPSS Statistics including learning about the assumptions and how to interpret the output.
#آمار
اجازه دهید کمی از علوم آماری تعریف کنم.
دوشنبه ۱۱ اکتبر، برندگان نوبل اقتصاد سال ۲۰۲۱ اعلام شدند: دیوید کارد، جاشوا انگریست، و گوییدو ایمبِنس. سه محققی که وجه اشتراک آنها، روی آوردن به روشهای پیشرفته مطالعات آماری است.
حال بیایید عدد RG Score هر کدام از آنها را ببینیم.
🔸 Joshua D. Angrist
استاد دانشگاه ام آی تی
https://www.researchgate.net/profile/Joshua-Angrist
RG Score = 38.14
🔸 David Card
استاد دانشگاه برکلی
https://www.researchgate.net/profile/David-Card
RG Score = 38.04
🔸 Guido Imbens
استاد دانشگاه استنفورد
https://www.researchgate.net/profile/Guido-Imbens-2
RG Score = 37.37
لینک پروفایل و RG Score خودم (یک محقق آمار) را برایتان مینویسم.
بالاتر از هر سه فرد برنده جایزه نوبل اقتصاد امسال.
https://www.researchgate.net/profile/Abolfazl-Ghoodjani
RG Score = 56.80
اجازه دهید کمی از علوم آماری تعریف کنم.
دوشنبه ۱۱ اکتبر، برندگان نوبل اقتصاد سال ۲۰۲۱ اعلام شدند: دیوید کارد، جاشوا انگریست، و گوییدو ایمبِنس. سه محققی که وجه اشتراک آنها، روی آوردن به روشهای پیشرفته مطالعات آماری است.
حال بیایید عدد RG Score هر کدام از آنها را ببینیم.
🔸 Joshua D. Angrist
استاد دانشگاه ام آی تی
https://www.researchgate.net/profile/Joshua-Angrist
RG Score = 38.14
🔸 David Card
استاد دانشگاه برکلی
https://www.researchgate.net/profile/David-Card
RG Score = 38.04
🔸 Guido Imbens
استاد دانشگاه استنفورد
https://www.researchgate.net/profile/Guido-Imbens-2
RG Score = 37.37
لینک پروفایل و RG Score خودم (یک محقق آمار) را برایتان مینویسم.
بالاتر از هر سه فرد برنده جایزه نوبل اقتصاد امسال.
https://www.researchgate.net/profile/Abolfazl-Ghoodjani
RG Score = 56.80
#تابلو
چند وقت پیش در زمینه نرمافزار کامپوسین و تحلیلهای آن با Ting-Chao Chou در ریسرچ گیت صحبت میکردم. یک پیرمرد متولد دهه 1950 که همچنان استاد دانشکده داروسازی دانشگاه نیویورک و طراح و خالق نرمافزار کامپوسین در سال 1991 است. محققان فارماکولوژی میدانند که او مبدع و سازنده بسیاری از تحلیلهای آماری این رشته است و نمودارهایی مانند Dose-Response را در دنیا با نام Chao Chou Graph میشناسند.
در لینک زیر میتوانید پروفایل و کارهای او را ببینید.
https://www.researchgate.net/profile/Ting-Chao-Chou
او خالق مفاهیمی مانند Combination Index به اختصار CI و همچنین Dose-Reduction Index که به اختصار DRI نامیده میشود و امروزه در علوم داروسازی در همه جای دنیا کاربرد دارد، میباشد.
در این متن سعی میکنم به زبان ساده درباره شاخصهای CI و DRI و اثر آن بر بورس تهران کمی صحبت کنم.
چنانچه به این موضوع علاقمند هستید میتوانید لینک زیر را در سایت گراف پد ببینید.
https://graphpad.ir/synergism-combination-drug-compusyn/
فرض کنید دارویی داریم به نام A. اندازه اثر این دارو بر روی افراد برابر با a به دست آمده است.
به همین ترتیب داروی دیگری داریم با نام B که اندازه اثر آن برابر با b به دست آمده است.
حال ما این دو دارو را با هم ترکیب میکنیم و داروی جدیدی با نام C ساخته میشود.
سوال بسیار اساسی و حیاتی که جهت پاسخ به آن Ting-Chao Chou نرمافزار Compusyn را ساخته است، و بسیاری از معادلات و فرمولهای آماری به دست آمده، به صورت زیر است.
چه اتفاقی میافتد؟ داروی جدید C دارای چه اندازه اثری است؟ در این زمینه سه پاسخ وجود دارد. آنها را ببینیم. ما اندازه اثر داروی C را با نام x معرفی میکنیم.
الف) x یعنی اندازه اثر داروی C بیشتر از مجموع دو داروی قبلی است. یعنی x > a+b
به بیان ساده یعنی وقتی دو داروی A و B را با هم ترکیب میکنیم، داروی جدید ساخته شده اثری بهتر و بیشتر از مجموع اثر جداگانه هر کدام دارد. یعنی داروهای A و B هم افزا و در یک جهت هستند. اصطلاحاً میگوییم آنها Synergism هستند.
در این حالت Combination Index و یا همان CI کمتر از عدد یک به دست میآید. این حالت مطلوب ما است.
ب) x یعنی اندازه اثر داروی C مساوی با مجموع دو داروی A و B قبلی است. یعنی x = a+b
یعنی وقتی دو داروی A و B را با هم ترکیب میکنیم، داروی جدید، اثری برابر با مجموع اثر جداگانه هر کدام دارد. در این حالت اصطلاحاً میگوییم آنهاAdditive هستند.
در این حالت CI برابر با یک به دست میآید.
پ) x یعنی اندازه اثر داروی C کمتر از مجموع دو داروی قبلی است. یعنی x < a+b
به بیان ساده یعنی وقتی دو داروی A و B را با هم ترکیب میکنیم، داروی جدید اثری کمتر از مجموع اثر جداگانه هر کدام دارد. یعنی داروهای A و B برخلاف جهت یکدیگر رفتار کرده و اثر یکدیگر را خنثی میکنند. اصطلاحاً میگوییم آنها Antagonism هستند. در این حالت ساخت و استفاده داروی جدید ترکیبی به هیچ وجه توصیه نمیشود.
در این حالت CI بزرگتر از یک به دست میآید.
خب، همه اینها یعنی چه؟
من حدود 140 نماد بورس و فرابورس تهران را به تصادف انتخاب و بررسی کردم. حقیقیهای خرد را به عنوان داروی A و حقوقیها و بازارگردانها را به عنوان داروی B. بر روی تابلو نیز که داروی C یعنی ترکیب این دو را میتوانیم ببینیم.
جالب توجه است که فقط در سه نماد، اثر سینرژیسم و همافزا مشاهده شد. یعنی CI آنها کمتر از یک بود.
در بقیه نمادها اثر آنتاگونیسم به دست آمد. به بیان ساده A (حقیقیها) و B (بازارگردان و بازیگر) در خلاف جهت یکدیگر رفتار و اثر یکدیگر را خنثی میکنند.
نمادهایی در بورس تهران وجود دارد که CI آنها بزرگتر از ده است. این یعنی A و B کاملا در جهت تخریب یکدیگر عمل میکنند.
میانگین CI بورس تهران نیز بسیار بالا و حدود 4.8 است. این مطلب یعنی بازار سرمایه ایران، اثر آنتاگونیسم بالایی دارد. برخلاف اینکه یک بازار خوب یا کلاً یک سیستم خوب باید اثر سینرژیسم داشته باشد.
خب، چاره چیست؟
اگر یک نگاه صرفا آماری و دارویی داشته باشید و بروید از استاد تمام دانشگاه نیویورک یعنی Ting-Chao Chou بپرسید و این نتایج را به او ارایه دهید، میگوید فوراً ترکیب کردن دو داروی A و B و ساختن داروی C را متوقف کرده و آنها را جداگانه استفاده کنید.
یعنی اینکه از یک نگاه صرفاً آماری، تابلو حقیقیهای خرد را از تابلو سایرین مانند حقوقیهای بزرگ و بازارگردان جدا کنید. البته این نکته تاسف برانگیز است که مثلاً بازارگردان آمده که کمک کند و اثر را از آنتاگونیسم بودن به سینرژیسم تبدیل کند، اما اکنون باید گفت، لطفاً شما کاری نکن.
البته باز هم میگویم، از دیدگاه فقط و فقط آمار.
چند وقت پیش در زمینه نرمافزار کامپوسین و تحلیلهای آن با Ting-Chao Chou در ریسرچ گیت صحبت میکردم. یک پیرمرد متولد دهه 1950 که همچنان استاد دانشکده داروسازی دانشگاه نیویورک و طراح و خالق نرمافزار کامپوسین در سال 1991 است. محققان فارماکولوژی میدانند که او مبدع و سازنده بسیاری از تحلیلهای آماری این رشته است و نمودارهایی مانند Dose-Response را در دنیا با نام Chao Chou Graph میشناسند.
در لینک زیر میتوانید پروفایل و کارهای او را ببینید.
https://www.researchgate.net/profile/Ting-Chao-Chou
او خالق مفاهیمی مانند Combination Index به اختصار CI و همچنین Dose-Reduction Index که به اختصار DRI نامیده میشود و امروزه در علوم داروسازی در همه جای دنیا کاربرد دارد، میباشد.
در این متن سعی میکنم به زبان ساده درباره شاخصهای CI و DRI و اثر آن بر بورس تهران کمی صحبت کنم.
چنانچه به این موضوع علاقمند هستید میتوانید لینک زیر را در سایت گراف پد ببینید.
https://graphpad.ir/synergism-combination-drug-compusyn/
فرض کنید دارویی داریم به نام A. اندازه اثر این دارو بر روی افراد برابر با a به دست آمده است.
به همین ترتیب داروی دیگری داریم با نام B که اندازه اثر آن برابر با b به دست آمده است.
حال ما این دو دارو را با هم ترکیب میکنیم و داروی جدیدی با نام C ساخته میشود.
سوال بسیار اساسی و حیاتی که جهت پاسخ به آن Ting-Chao Chou نرمافزار Compusyn را ساخته است، و بسیاری از معادلات و فرمولهای آماری به دست آمده، به صورت زیر است.
چه اتفاقی میافتد؟ داروی جدید C دارای چه اندازه اثری است؟ در این زمینه سه پاسخ وجود دارد. آنها را ببینیم. ما اندازه اثر داروی C را با نام x معرفی میکنیم.
الف) x یعنی اندازه اثر داروی C بیشتر از مجموع دو داروی قبلی است. یعنی x > a+b
به بیان ساده یعنی وقتی دو داروی A و B را با هم ترکیب میکنیم، داروی جدید ساخته شده اثری بهتر و بیشتر از مجموع اثر جداگانه هر کدام دارد. یعنی داروهای A و B هم افزا و در یک جهت هستند. اصطلاحاً میگوییم آنها Synergism هستند.
در این حالت Combination Index و یا همان CI کمتر از عدد یک به دست میآید. این حالت مطلوب ما است.
ب) x یعنی اندازه اثر داروی C مساوی با مجموع دو داروی A و B قبلی است. یعنی x = a+b
یعنی وقتی دو داروی A و B را با هم ترکیب میکنیم، داروی جدید، اثری برابر با مجموع اثر جداگانه هر کدام دارد. در این حالت اصطلاحاً میگوییم آنهاAdditive هستند.
در این حالت CI برابر با یک به دست میآید.
پ) x یعنی اندازه اثر داروی C کمتر از مجموع دو داروی قبلی است. یعنی x < a+b
به بیان ساده یعنی وقتی دو داروی A و B را با هم ترکیب میکنیم، داروی جدید اثری کمتر از مجموع اثر جداگانه هر کدام دارد. یعنی داروهای A و B برخلاف جهت یکدیگر رفتار کرده و اثر یکدیگر را خنثی میکنند. اصطلاحاً میگوییم آنها Antagonism هستند. در این حالت ساخت و استفاده داروی جدید ترکیبی به هیچ وجه توصیه نمیشود.
در این حالت CI بزرگتر از یک به دست میآید.
خب، همه اینها یعنی چه؟
من حدود 140 نماد بورس و فرابورس تهران را به تصادف انتخاب و بررسی کردم. حقیقیهای خرد را به عنوان داروی A و حقوقیها و بازارگردانها را به عنوان داروی B. بر روی تابلو نیز که داروی C یعنی ترکیب این دو را میتوانیم ببینیم.
جالب توجه است که فقط در سه نماد، اثر سینرژیسم و همافزا مشاهده شد. یعنی CI آنها کمتر از یک بود.
در بقیه نمادها اثر آنتاگونیسم به دست آمد. به بیان ساده A (حقیقیها) و B (بازارگردان و بازیگر) در خلاف جهت یکدیگر رفتار و اثر یکدیگر را خنثی میکنند.
نمادهایی در بورس تهران وجود دارد که CI آنها بزرگتر از ده است. این یعنی A و B کاملا در جهت تخریب یکدیگر عمل میکنند.
میانگین CI بورس تهران نیز بسیار بالا و حدود 4.8 است. این مطلب یعنی بازار سرمایه ایران، اثر آنتاگونیسم بالایی دارد. برخلاف اینکه یک بازار خوب یا کلاً یک سیستم خوب باید اثر سینرژیسم داشته باشد.
خب، چاره چیست؟
اگر یک نگاه صرفا آماری و دارویی داشته باشید و بروید از استاد تمام دانشگاه نیویورک یعنی Ting-Chao Chou بپرسید و این نتایج را به او ارایه دهید، میگوید فوراً ترکیب کردن دو داروی A و B و ساختن داروی C را متوقف کرده و آنها را جداگانه استفاده کنید.
یعنی اینکه از یک نگاه صرفاً آماری، تابلو حقیقیهای خرد را از تابلو سایرین مانند حقوقیهای بزرگ و بازارگردان جدا کنید. البته این نکته تاسف برانگیز است که مثلاً بازارگردان آمده که کمک کند و اثر را از آنتاگونیسم بودن به سینرژیسم تبدیل کند، اما اکنون باید گفت، لطفاً شما کاری نکن.
البته باز هم میگویم، از دیدگاه فقط و فقط آمار.
GraphPad
#آمار اجازه دهید کمی از علوم آماری تعریف کنم. دوشنبه ۱۱ اکتبر، برندگان نوبل اقتصاد سال ۲۰۲۱ اعلام شدند: دیوید کارد، جاشوا انگریست، و گوییدو ایمبِنس. سه محققی که وجه اشتراک آنها، روی آوردن به روشهای پیشرفته مطالعات آماری است. حال بیایید عدد RG Score هر…
برایم چندین پیام آمده بود که یعنی شما ادعا کردهای از برندگان جایزه نوبل هم بالاتر هستی؟
راستش من ادعا نکردم و این آمار واقعی و مستند ریسرچ گیت است. یعنی جایی که همه افراد فارغ از ملیت، دانشگاه و اینکه در چه جایگاه کاری و شغلی هستند، صرفا از دیدگاه علمی و مطالعاتی در کنار یکدیگر قرار میگیرند و با یکدیگر مقایسه میشوند.
اما برای پاسخ بهتر، شما را ارجاع میدهم به مشاهده پروفایل و کارهای پیرمردی استرالیایی به نام Robert Trevethan عدد RG او برابر با 97.41 است. در لینک زیر پروفایل او را ببینید.
https://www.researchgate.net/profile/Robert-Trevethan
یعنی باید RG Score سه نفر برنده جایزه نوبل اقتصاد امسال را با هم جمع کرد، تا به او برسند.
او کجا کار میکند؟ در یک فضای علمی غیر رسمی، غیر دانشگاهی و کاملاً خصوصی. به قول خودش
Independent author and researcher
برای همین برنده هیچ جایزهای نیست. کسی هم او را نمیشناسد، اما از بهترین آماریهای دنیا است و به ویژه در زمینه Principal Component Analysis بهترین در دنیا.
یا فرد دیگری را برایتان مثال بزنم. با نام Mohialdeen Alotumi در لینک زیر پروفایل ریسرچ گیت او را ببینید.
https://www.researchgate.net/profile/Mohialdeen-Alotumi
او هم یکی از بهترین آماریهای دنیا با RG Score برابر با 48.36. یعنی از هر سه نفر برنده جایزه نوبل اقتصاد هم بیشتر.
او اهل کجاست؟ صنعا و سرزمین موعود یعنی یمن. چه کسی او را میشناسد؟
خیلی ساده به شما بگویم. آنچه در علم غیررسمی، غیر آکادمیک و کاملاً خصوصی در دنیا در جریان است، کمتر از علم رسمی، شناخته شده، مدرکگرا و دانشگاهی نیست. منتهی آنها به هیچ وجه شناخته شده نیستند. پس هیچ کجا نامی از آنها نیست (به جز ریسرچ گیت) و خب، جایزهای هم نمیگیرند.
راستش من ادعا نکردم و این آمار واقعی و مستند ریسرچ گیت است. یعنی جایی که همه افراد فارغ از ملیت، دانشگاه و اینکه در چه جایگاه کاری و شغلی هستند، صرفا از دیدگاه علمی و مطالعاتی در کنار یکدیگر قرار میگیرند و با یکدیگر مقایسه میشوند.
اما برای پاسخ بهتر، شما را ارجاع میدهم به مشاهده پروفایل و کارهای پیرمردی استرالیایی به نام Robert Trevethan عدد RG او برابر با 97.41 است. در لینک زیر پروفایل او را ببینید.
https://www.researchgate.net/profile/Robert-Trevethan
یعنی باید RG Score سه نفر برنده جایزه نوبل اقتصاد امسال را با هم جمع کرد، تا به او برسند.
او کجا کار میکند؟ در یک فضای علمی غیر رسمی، غیر دانشگاهی و کاملاً خصوصی. به قول خودش
Independent author and researcher
برای همین برنده هیچ جایزهای نیست. کسی هم او را نمیشناسد، اما از بهترین آماریهای دنیا است و به ویژه در زمینه Principal Component Analysis بهترین در دنیا.
یا فرد دیگری را برایتان مثال بزنم. با نام Mohialdeen Alotumi در لینک زیر پروفایل ریسرچ گیت او را ببینید.
https://www.researchgate.net/profile/Mohialdeen-Alotumi
او هم یکی از بهترین آماریهای دنیا با RG Score برابر با 48.36. یعنی از هر سه نفر برنده جایزه نوبل اقتصاد هم بیشتر.
او اهل کجاست؟ صنعا و سرزمین موعود یعنی یمن. چه کسی او را میشناسد؟
خیلی ساده به شما بگویم. آنچه در علم غیررسمی، غیر آکادمیک و کاملاً خصوصی در دنیا در جریان است، کمتر از علم رسمی، شناخته شده، مدرکگرا و دانشگاهی نیست. منتهی آنها به هیچ وجه شناخته شده نیستند. پس هیچ کجا نامی از آنها نیست (به جز ریسرچ گیت) و خب، جایزهای هم نمیگیرند.
#Compusyn
🔆 دوره آموزش آنلاین نرمافزار کامپوسین Compusyn پاییز 1400
جمعه 7 و 14 آبان از ساعت 15 تا 16:30
مشاهده مطالب و موضوعات، ثبتنام و شرکت در دوره از طریق لینک زیر در سایت گراف پد 👇
https://graphpad.ir/compusyn-class/
و یا ارتباط با
@GraphPad_Admin
🔆 دوره آموزش آنلاین نرمافزار کامپوسین Compusyn پاییز 1400
جمعه 7 و 14 آبان از ساعت 15 تا 16:30
مشاهده مطالب و موضوعات، ثبتنام و شرکت در دوره از طریق لینک زیر در سایت گراف پد 👇
https://graphpad.ir/compusyn-class/
و یا ارتباط با
@GraphPad_Admin
#Prism
🔆 دوره آموزش آنلاین نرمافزار گراف پد GraphPad Prism پاییز و زمستان 1400
جمعهها از ساعت 10 تا 11:30
شروع از 14 آبان تا 10 دی
مشاهده مطالب و موضوعات، ثبتنام و شرکت در دوره از طریق لینک زیر در سایت گراف پد 👇
https://graphpad.ir/Prism-class/
و یا ارتباط با
@GraphPad_Admin
🔆 دوره آموزش آنلاین نرمافزار گراف پد GraphPad Prism پاییز و زمستان 1400
جمعهها از ساعت 10 تا 11:30
شروع از 14 آبان تا 10 دی
مشاهده مطالب و موضوعات، ثبتنام و شرکت در دوره از طریق لینک زیر در سایت گراف پد 👇
https://graphpad.ir/Prism-class/
و یا ارتباط با
@GraphPad_Admin
#خط
(1) یک گراف ساده، به عنوان نمونه ببینید (شصدف). از تاریخ 6 مرداد (بازگشایی پس از مجمع) تا 28 مهر. قیمت در Y و زمان در X. اندازه هر دایره بر مبنای حجم همان روز است. دایره بزرگتر حجم بیشتر.
در تکنیکال، خط Line میکشیم و کانال رسم میکنیم. صعودی یا نزولی، فرقی ندارد. سوال این است. چرا خط؟ به خط، اجازه خمیده شدن و انحنا بدهید. یعنی منحنی Curve بکشید.
(2) در اینجا به جای خط، Curve کشیدهام. از مفهوم رگرسیونی Curve Estimation استفاده کردهام. 11 مدل رگرسیونی جهت براورد و پیشبینی قیمت (قیمت پایانی) آمده است. گراف پیچیده است. ایرادی ندارد، نتیجه خوبی دارد. بهترین را نیز مشخص کردهام. (مدلی با نام Cubic).
(3) مدلی بهترین است که بالاترین R Square را داشته باشد. در این مثال، خطی که در تکنیکال از آن استفاده می شود R Square = 0.5 دارد. از آن بهتر نیز وجود دارد؟ بله. مدل Cubic نتیجه خوبی در بر دارد. R Square = 0.875. درستی پیشبینی 87.5 درصد. مدلهای بهتر (نسبت به خط) دیگری نیز هستند.
(4) این بار همان مدل رگرسیونی Cubic را برازش دادهام. روند را به خوبی پیشبینی کرده.
بنابراین یک پیشنهاد. به جای خط، منحنی بکشید.
(1) یک گراف ساده، به عنوان نمونه ببینید (شصدف). از تاریخ 6 مرداد (بازگشایی پس از مجمع) تا 28 مهر. قیمت در Y و زمان در X. اندازه هر دایره بر مبنای حجم همان روز است. دایره بزرگتر حجم بیشتر.
در تکنیکال، خط Line میکشیم و کانال رسم میکنیم. صعودی یا نزولی، فرقی ندارد. سوال این است. چرا خط؟ به خط، اجازه خمیده شدن و انحنا بدهید. یعنی منحنی Curve بکشید.
(2) در اینجا به جای خط، Curve کشیدهام. از مفهوم رگرسیونی Curve Estimation استفاده کردهام. 11 مدل رگرسیونی جهت براورد و پیشبینی قیمت (قیمت پایانی) آمده است. گراف پیچیده است. ایرادی ندارد، نتیجه خوبی دارد. بهترین را نیز مشخص کردهام. (مدلی با نام Cubic).
(3) مدلی بهترین است که بالاترین R Square را داشته باشد. در این مثال، خطی که در تکنیکال از آن استفاده می شود R Square = 0.5 دارد. از آن بهتر نیز وجود دارد؟ بله. مدل Cubic نتیجه خوبی در بر دارد. R Square = 0.875. درستی پیشبینی 87.5 درصد. مدلهای بهتر (نسبت به خط) دیگری نیز هستند.
(4) این بار همان مدل رگرسیونی Cubic را برازش دادهام. روند را به خوبی پیشبینی کرده.
بنابراین یک پیشنهاد. به جای خط، منحنی بکشید.
🔆 دوره آموزش آنلاین تحلیلهای کاربردی آمار پاییز و زمستان 1400
پنجشنبهها از ساعت 15 تا 16:30
شروع از 13 آبان تا 30 دی
مشاهده مطالب و موضوعات، ثبتنام و شرکت در دوره از طریق لینک زیر در سایت گراف پد 👇
https://graphpad.ir/statistics-class/
پنجشنبهها از ساعت 15 تا 16:30
شروع از 13 آبان تا 30 دی
مشاهده مطالب و موضوعات، ثبتنام و شرکت در دوره از طریق لینک زیر در سایت گراف پد 👇
https://graphpad.ir/statistics-class/