مفهوم درجه آزادی در آمار چیست؟

منبع: کتاب آموزش کاربردی SPSS نویسنده آرش حبیبی

درجه آزادی به میزان حق انتخاب اشاره دارد. فرض کنید نمونه ای شامل 5 عدد داریم که میانگین آنها 7 است. روشن است مجموع این اعداد باید عدد 35 باشد در غیر اینصورت میانگین 7 نخواهد شد. فرض کنیم که اعداد می‌توانند حقیقی (مثبت و منفی) باشند، چهار عدد اول هر مقداری می‌تواند اختیار کند اما عدد پنجم باید طوری انتخاب شود که مجموع 35 و میانگین 7 شود. درست مانند وقتی است که شما در یک چهار راه قرار دارید سه حق انتخاب دارید و حالت چهارم آن است که اجبارا برگردید.

به لحاظ آماری درجه آزادی عبارت است از حجم نمونه (n) منهای تعداد پارامترهایی که از داده‌ها برآورد می‌شود. در بیشتر مسائل آماری و البته در آزمون های میانگین جامعه مانند آزمون های t درجه آزادی از رابطه ساده n-1 قابل محاسبه است.

🎓 @stphd

📊 دانشکده علوم ریاضی با همکاری انجمن علمی آمار دانشگاه یزد برگزار می‌کند :

🟢 مجموعه وبینارهای هفتگی دانشکده 🟢

🔸سخنران ها:
👨‍🏫دکتر حمزه ترابی
(کاربرد شبیه سازی در تقریب انتگرال و مجموع سری)

👨‍🏫دکتر علی دست برآورده
(انیمیشن سازی در جهت آموزش مفاهیم آماری و احتمالی)

🧾زمان : چهارشنبه ۲۹ دی ۱۴۰۰

⏰ ساعت ۱۸:۰۰ الی ۲۰:۰۰

🔗لینک شرکت در جلسه :
🆔️ http://meeting-2.yazd.ac.ir/math-seminar

🔗فضای مجازی :
Telegram | Instagram

🌸منتظر حضور گرمتان هستیم🌸

📊 محور های هشتمین سمینار تخصصی نظریه قابلیت اعتماد و کاربرد های آن

🟡 آخرین فرصت ارسال مقالات : ۱۵ فروردین ۱۴۰۱
🟡 زمان برگزاری همایش ۲۸ و ۲۹ اردیبهشت ماه سال ۱۴۰۱ میباشد .

🆔️ @Ferdowsi_stat

معماری شبکه عصبی کانولوشنی برای حوزه کاری متن

باوجود اینکه معماری شبکه های عصبی کانولوشنی برای حوزه تصویر و دسته بندی تصاویر ساخته شده اند اما میتوان از این معماری در حوزه متن هم استفاده کرد.

همانطور که در شکل مشاهده می شود برای تسک های مختلف حوزه متن از جمله دسته بندی متون با استفاده از #CNN میتوان بعد از تعبیه کلمات (#word_embedding) از لایه های کانولوشنی، لایه #pooling (اغلب استفاده از Max Pooling)،لایه #flatten (جهت مسطح سازی داده ها)، لایه fully connected و لایه خروجی طبق ترتیب شکل استفاده کرد.
@silicon_brain

🔻تابع عضويت مثلثی متقارن ضرايب فازی

• Fuzzy Membership Function




🔹کانال علوم آماری

♾ @statistical_science

وبینار مدل ارزیابی بلوغ مدیریت داده‌محور

ارزیابی بلوغ داده‌ یکی از مقوله‌های بسیار مهم برای شناسایی نقاط ضعف و گلوگاه‌های سازمانی جهت رسیدن به تعالی داده‌محوری است.

در روز پنج‌شنبه در خصوص اهمیت، مولفه‌ها، جوانب و کارکردهای مدل‌های ارزیابی بلوغ داده‌محوری سخنرانی خواهم کرد.

زمان:
▪️پنجشنبه ساعت 15 الی 17 (30 دی ماه)

لینک:
https://b2n.ir/q18434

با احترام
محمدرضا محتاط
مجری پروژه ارزیابی بلوغ داده معاونت تحقیقات و فناوری وزارت بهداشت

@DataAnalysis

⭕⭕ وبینار پایان نامه نویسی بی دردسر در Word

💯 مدرس:
✔ محمد خورسند قاینی : موسس و مدیر دستیار پژوهش، مشاور و منتور دانشجویان تحصیلات تکمیلی

🕗 زمان: ۹ اسفند ۱۴۰۰ ساعت ۲۰

«انجمن علمی آمار دانشگاه گیلان»
@Guilanstat

📕روش های ناپارامتری دکتر بهبودیان

#stat_book
@Guilanstat

#اطلاعیه
#کنکور_ارشد

اطلاعیه سازمان سنجش درباره تمدید زمان ثبت‌نام کنکور ارشد ۱۴۰۱

http://www.sanjesh.org/FullStory.aspx?ID=7447

«انجمن علمی آمار دانشگاه گیلان»
@Guilanstat

ویدیو وبینار ارزیابی بلوغ مدیریت داده محور

در لینک ذیل ویدیو وبینار کاربردی ارزیابی بلوغ مدیریت داده محور در سرفصل‌های ذیل قابل مشاهده می‌باشد:

▪️ویژگی‌های یک سازمان داده محور

▪️چالش‌های سازمان‌های ایرانی در عصر داده

▪️معرفی مدل‌های مرجع ارزیابی بلوغ کلان داده، مدیریت داده و....

▪️معرفی مدل بومی ارزیابی بلوغ داده‌محوری

لینک:
https://lms.atahub.ir/playback/presentation/2.0/playback.html?meetingId=fc63dff8860b33b84a8be4c842d885c3f59445ee-1642677998783

@DataAnalysis

سخنرانی دکتر مصطفا دهقانی در گفتمان علم داده مشهد ۲۹ دیماه ۱۴۰۰

📕محاسبات آماری در نرم افزار R

#stat_book
@Guilanstat

با سلام،
دانشجویانی که متقاضی ارائه درس محاسبات آماری در ترم آینده هستند ، مشخصات و شماره دانشجویی خود را به آیدی زیر ارسال کنند.
@P_mey

*پیش نیاز این درس روش های عددی و شبیه سازی و طرح و آزمایشهای ۱ می باشد.*


@Guilanstat

🔸️انجمن علمی آمار و علم داده دانشگاه صنعتی اصفهان به دلیل استقبال شما عزیزان برای بار دوم برگزار میکند این بار به صورت جامع تر جهت ورود به بازار کار :

💻📊دوره پروژه محور و داشبورد سازی با Power BI

🔖به همراه اعطای گواهی پایان دوره
👩‍💻مدرس: مبینا پورمشیر
تحلیلگر داده، کارشناس هوشمندی کسب و کار حوزه بازرگانی، سرپرست سیاست گذاری و ارزیابی اقتصاد فروش

📆زمان برگزاری: ۲۹،۲۸،۲۲،۲۱،۱۵،۱۴ بهمن ماه ۱۴۰۰
ساعت ۴ تا ۶عصر

هزینه دوره: دانشجویان دانشگاه صنعتی ۱۲۵ هزار تومان
دانشجویان سایر دانشگاه ها ۲۰۰ هزار تومان
آزاد ۲۵۰ هزار تومان


ثبت نام: از طریق ایدی های تلگرام زیر
@Fatimahseif
@Fatemehrzv17
همچنین از طریق ایدی اینستاگرام زیر
@iut.stat.data
⚠️مهلت ثبت نام فقط تا ۱۲ بهمن ماه
------------------------------
@iutstatdata

💠| رویداد CWS - ایده بازی |💠

📚| اگر شما هر ایده‌ یا طرح جالبی در حوزه‌های صنعتی، پژوهشی و استارتاپی با محوریت های رویداد در ذهن دارید کافی است آن را در قالب یک ویدیوی یک دقیقه‌ای معرفی کرده و در سایت رویداد بارگزاری کنید.

🗓| تاریخ: مهلت ارسال ۱۵ بهمن ماه ۱۴۰۰

✍🏻| توضیحات:

🔰محوریت های رویداد:
▫️ماشین لرنینگ
▫️رباتیک
▫️کلود کامپیوتینگ
▫️بایوتک
▫️محاسبات کوانتومی

▫️جهت کسب اطلاعات بیشتر و ثبت نام بر روی لینک کلیک کنید

#دانشگاه_امیرکبیر
#انجمن_علمی_ریاضی_علوم_کامپیوتر

🌐| https://t.me/cws_aut/48

لیبل استودیو؛ ابزاری که باید پر شال هر دیتاساینتیست باشد!

طبیعتا گام اول و تقریبا مهم‌ترین گام در هر پروژه مدل‌سازی، جمع‌آوری دیتا و به‌خصوص دیتای لیبل‌خورده است. حتما می‌دونید که این کار چقدر مشقت‌باره و زمان زیادی رو از تیم اشغال می‌کنه. حالا در این پست می‌خوایم یه ابزاری رو معرفی کنیم که خیلی راحت می‌تونید راه‌اندازی‌ش کنید و خیلی راحت استفاده کنید. بله؛ label studio. این ابزار به راحتی با یه دستور pip نصب میشه و روی پورت موردنظر بالا میاد. سپس می‌تونید به‌مقصود پروژه‌های مختلف در حوزه تکست، ویژن، ویدیو، صوت، دیتای ساختاریافته و خیلی چیزای دیگه پروژه بسازید و از تمپلیت‌های آماده اون استفاده کنید. بعد به راحتی دیتاتون رو لیبل بزنید و به فرمت‌های خروجی معتبر خروجی بگیرید. مثلا برای تسک named entity recognition می‌تونید به فرمت معتبر CoNLL خروجی بگیرید. البته این ابزار برای زبان فارسی چون پشتیبانی RTL نداره یه مقدار اذیت‌کننده است که در اون صورت می‌تونید از ریپوی معرفی شده ابزار رو clone کنید و به صورت local نصب کنید.

لینک ابزار:
https://labelstud.io

لینک ریپوی ساپورت RTL:
https://github.com/mmaghajani/label-studio

لینک ریپوی اصلی:
https://github.com/heartexlabs/label-studio

#tool
@nlp_stuff

سخنرانی علمی از سلسله برنامه های معاونت امور بین الملل با موضوع:

آنالیز مقادیر کرانگین در نبود مشاهدات با مقادیر بزرگ: چه میتوان انجام داد؟

ميزبان: دكتر سعيد رضاخواه، استاد دانشكده رياضي و علوم كامپيوتر، دانشگاه صنعتي اميركبير

سخنران: Prof. Richard A. Davis، استاد رياضى دانشگاه كلمبيا، آمريكا

چهارشنبه 6 بهمن ماه 1400، ساعت 20:30

لينك ثبت نام : https://intrel.aut.ac.ir/en/14-2/
لینک شرکت در سخنرانی:
https://bluemeet.aut.ac.ir/ch/statistics/guest

🍃🍂🍃

تاریخ انتخاب واحد و نحوه پرداخت شهریه در نیمسال دوم سال تحصیلی ۱۴۰۱ - ۱۴۰۰ 👇

https://guilan.ac.ir/article/3303994

🍃🍂🍃

@university_of_guilan