GraphPad
2.21K subscribers
483 photos
34 videos
36 files
292 links
Download Telegram
پیش بینی مدل آماری برای روز چهارشنبه 23 بهمن 98 نماد #غچین
@GraphPad
به این ترتیب خطای مدل برای پیش‌بینی کمتر از یک درصد و برابر با 0.6 درصد است. این میزان خطا بسیار اندک است و بیانگر خوب بودن مدل به دست آمده است.
در ادامه یک مثال بزرگتر را بررسی کرده‌ایم. نماد #خودرو که مربوط به شرکت ایران خودرو می‌باشد. 👇
قیمت سهام نماد #خودرو از سال 88 تا 98
@GraphPad
در شکل زیر قیمت پایانی نماد #خودرو برای روز چهارشنبه 23 بهمن 98 دیده می‌شود.
قیمت سهام نماد #خودرو در روز چهارشنبه 23 بهمن 98
@GraphPad
اما عدد مدل ما چقدر است؟ تصویر زیر نشان می‌دهد پیش‌بینی ما برای همان روز چهارشنبه 23 بهمن 98 برابر با 11750 بوده است. خطای مدل ما این بار نیز کمتر از یک درصد و حدود 0.7 درصد است.
پیش بینی مدل آماری نماد #خودرو برای روز چهارشنبه 23 بهمن 98
@GraphPad
🔆 Metanalysis (Forest) Plot 🔆
نمودارهای جنگلی Forest Plot به منظور نمایش نتایج به دست آمده از مطالعات مشابه و دارای سوالات و فرضیات همانند و یا همان متا آنالیز، استفاده می‌شوند.
در شکل زیر می‌توانید یک Forest Plot که با استفاده از گراف پد رسم شده است را مشاهده کنید.
Metanalysis Forest Plot
@GraphPad
همان‌گونه که از نمودار بالا مشخص است در محور عمودی، نام مطالعه قرار می‌گیرد. خطوط نیز بیانگر اندازه عددی پارامتر به دست آمده در همان مطالعه است.
در نرم‌افزار گراف پد مثالی با نام Metanalysis (Forest) Plot در دسته تحلیل‌های Column و در بخش Special uses of column tables صفحه ورودی نرم‌افزار گراف پد قرار دارد.
Metanalysis (Forest) Plot
@GraphPad
Metanalysis (Forest) Plot
@GraphPad
🔆 Logistic Regression with GraphPad Prism🔆
GraphPad
اما بیایید درباره رگرسیون غیرخطی صحبت کنیم. مدل‌هایی مانند لجستیک، دوز پاسخ، آنالیز سینتیک و نمایی در این بخش قرار می‌گیرند. اگر بخواهم خیلی به جزئیات صحبت کنم، می‌گویم که رگرسیون لجستیک و نمایی را با SPSS انجام دهید و مابقی مدل‌های غیرخطی را با GraphPad Prism.…
این متن را حدود یک سال پیش نوشتم. در آن اشاره شده بود که رگرسیون لجستیک را با SPSS انجام دهید.
اما اکنون و با ارایه ورژن جدید 8.3 نرم افزار GraphPad، قابلیت انجام این تحلیل غیرخطی و البته پرکاربرد نیز به گراف پد، اضافه شده است.
همان‌گونه که می‌دانیم وقتی که Variable پاسخ ما یعنی Y دو حالتی باشد (بله یا خیر، موفقیت یا شکست، رخداد یا عدم رخداد) و بخواهیم بین پاسخ با Variableهای مستقل یعنی Xها ارتباط و مدل‌بندی ایجاد کنیم، از مدل‌های رگرسیون غیرخطی با نام لجستیک استفاده می‌کنیم.