آموزش نرم افزار های آماری
9.17K subscribers
293 photos
323 videos
489 files
110 links
کانال اصلی @paphd

سایر کانالهای ما:
@wikileak
@engineerphd
@paphd2
@engphd
@bourse_pajohesh

اینستاگرام
https://instagram.com/paphd2
Download Telegram
hagmenemoneh-final-15-8-95.pdf
13.2 MB
نحوه تعیین #حجم_نمونه در تحقیقات #پزشکی با رویکردي کاربردي

دکتر نیما معتمد
دکتر فرهاد زمانی

#منابع_پارس_پژوهه

🎓 @stphd
1_241744252889989839.pdf
480.9 KB
✍🏻 جزوه آموزشی تحلیل عاملی

🔹 خلاصه و کاربردی



#منابع_پارس_پژوهه

🎓 @stphd
👍1
♻️نکته بسیار مهم ♻️

آزمون های کولموگروف-اسمیرنوف و شاپیرو-ویلک به انحراف از توزیع نرمال بسیار حساس هستند؛ بنابراین در نمونه های با حجم زیاد، انحراف کوچکی از توزیع نرمال ممکن است موجب شود این آزمون ها توزیع متغیرها را غیر نرمال نشان دهند.
در نتیجه زمانی که حجم نمونه زیاد است (حدوداً بیشتر از ۱۰۰)، بهتر است از روش های دیگر بررسی نرمال بودن هم استفاده شود. از جمله این روش ها می توان به شاخص های چولگی و کشیدگی و نمودارهایی مانند هیستوگرام، ساقه و برگ و نمودار نرمال بودن Q-Q اشاره کرد.

#منابع_پارس_پژوهه

🎓 @stphd
Media is too big
VIEW IN TELEGRAM
🎬 ویدئوی آموزشی

چگونه داده های پرت را شناسایی کنیم؟
استفاده از نمودار جعبه ای


#منابع_پارس_پژوهه

🎓 @stphd
👍1
🔸🔶🔸 پایتون / Python 🔸🔶🔸

از بین زبان‌های برنامه‌نویسی شاید پایتون یکی از راحت‌ترین‌ها در کار کردن و یادگیری باشد. از مزیت‌های این زبان می‌توان به اختصار، خوانش آسان و دسترسی به تعداد قابل توجهی از کتابخانه‌ها و پکیج‌های مفید اشاره کرد. از پایتون بطور عمومی در #web_development و #software_development و #data_science و... استفاده می‌شود.

#پایتون_در_اقتصاد نیز کاربردهای بی‌نظیری دارد. از مهم‌ترین استفاده‌های آن می‌توان به مدل‌سازی‌ها، بررسی و تحلیل‌های بازارهای مالی و شاید به عنوان جایگزینی برای تمام نرم‌افزارهای اقتصاد سنجی اشاره کرد.

منابع زیادی برای یادگیری پایتون وجود دارد. در ابتدا به منابعی برای یادگیری پایه‌ای پایتون اشاره می‌کنیم و بطور اختصاصی در مورد کتابخانه‌ها، پیکیج‌ها و کاربردهای خاص آن صحبت خواهیم کرد.

از اولین منابع برای یادگیری هر زبان یا نرم‌افزاری، خود سایت و توضیحات موجود در همان سایت هست. که برای پایتون، به این ترتیب است. (Python.org و learnpython.org)

مهمترین رکن یادگیری، تمرین عملی و مواجه شدن با تمرینات و خطاهاست. سایت Code_Academy یکی از منابع خوب برای یادگیری خیلی از زبان‌های برنامه‌نویسی هست که با تمرین و نوشتن مرحله به مرحله جلو می‌رود. قسمت یادگیری پایتون را از اینجا می‌توانید وارد شوید.

از منابع دیگر می‌توان به کلاس‌های موجود در Coursera و Udemy اشاره کرد. برای شرکت رایگان در کلاس‌های Udemy و گرفتن مدرک گذراندن دوره می‌توانید از این سایت و کانال استفاده کنید. (با کمی جست‌‌و‌جو و صبر می‌توانید دوره‌ها رو پیدا کنید)

برای یادگیری، #گوگل و #یوتیوب را هیچوقت فراموش نکنید. این دو سایت منابع بی‌کرانی را با بیان‌های مختلف در اختیارتان قرار می‌دهد. این دو ویدئو و کانال در یوتیوب دوره‌های خوبی برای شروع دارند: ویدئو1، ویدئو2، Crash_Course و Corey_Schafer و The_New_Boston.

بعد از کمی یادگیری و برخورد با خطاها در اجرای کد و یا برای فراگیری‌های مباحث دیگر در برنامه‌نویسی می‌توانید از دو سایت Stackoverflow و Github استفاده کنید. به احتمالا خیلی بالایی، پاسخ سوال‌هایتان را در این دو سایت خواهید یافت.

🔻یادگیری را صرفا محدود به دیدن کلاس‌ها نکنید و حتما سعی در تمرین و نوشتن کنید.

🔻برنامه‌های نوشته شده به زبان پایتون را به سادگی و بدون تغییر زیاد می‌توان در سیستم‌عامل‌های مختلف (Linux , windows , mac) اجرا کرد.

بعضی از نرم‌افزارهایی که با آن می‌توانید کدهای پایتون را در دستگاه شخصی‌تان اجرا کنید به این شرح است:

استفاده از نرم‌افزار Anaconda در محیط ویندوز، بسیار کار را راحت کرده است. اما در محیط لینوکس نیاز چندانی به آن نیست.

از جمله محیط‌های برنامه‌نویسی جذاب برای پایتون، Jupyter است که در آن می‌توانید محیطی اکتیو با قابلیت اضافه کردن عکس، متن و... در کنار کد را تجربه کنید و برای آموزش بسیار مفید است.

برای نوشتن برنامه های پایتون از هر Editor متنی می‌توان استفاده کرد. از جمله پر طرفدارترین Editorها می‌توان به Sublime_Text و Visual_Studio_Code اشاره کرد.

همچنین از IDEهای معروف برای زبان پایتون PyCharm و Spyder هستند که امکانات فراوانی را در اختیار کاربر قرار می‌دهند


🔺در آخر دوباره تاکید باید کرد که بیشتر یادگیری از تمرین و مواجهه با انواع خطاها بدست می‌آید.


🔵 در مطالب بعدی درباره انواع کتابخانه‌ها و استفاده‌های آن در اقتصاد صحبت خواهیم کرد.

#پایتون #پایتون_مقدماتی #برنامه_نویسی
#Python #basic_Python #Programming


#منابع_پارس_پژوهه

🎓 @stphd
👍2
جدول معیارهای ارزیابی مدل اندازه­ گیری (مدل بیرونی)

#منابع_پارس_پژوهه
AllTutorials.zip
26.5 MB
آموزش مفاهیم پایه کار با نرم افزار ایویوز نسخه 10
فایل های داده و پاور آموزشی سایت ایویوز برای نسخه 10
شامل پاور + ورکفایل و داد ه ها در فرمت اکسل

#منابع_پارس_پژوهه

🎓 @stphd
👍1
📌 الگوریتم محاسبه متغیر #میانجی در معادلات ساختاری

#منابع_پارس_پژوهه

🎓 @stphd
👍1
H.Baghishani-Advanced-Statistical-Computations.pdf
7.2 MB
محاسبات آماری پیشرفته با R
مولف: دکتر حسین باغیشنی


#منابع_پارس_پژوهه

🎓 @stphd
👍1
📌مفهوم #روایی (Validity) پاسخ دهنده این است که ابزار اندازه ­گیری تا چه حد خصیصه مورد نظر را می سنجد. موضوع روایی از آن جهت اهمیت دارد که اندازه ­گیری­های نامتناسب می­تواند هر پژوهش علمی را بی ارزش سازد.

📌مفهوم #پایایی (Reliability) قابلیت تکرار روش یا ابزار اندازه گیری است. میزان سازگاری نتایج حاصل از اجرای مجدد آزمون با ابزار اندازه گیری را پایایی گویند. اگر روشی از پایایی برخوردار نباشد، داده های گردآوری شده روایی (اعتبار) نیز نخواهند داشت. در تحقیقات کمی به پایایی (Reliability) می گویند و در تحقیقات کیفی به آن Dependability می گویند.

#منابع_پارس_پژوهه

🎓 @stphd
👍1
📌تحقیق #کمی چیست؟

تحقیق کمی (QUANTITATIVE RESEARCH) با جمع آوری داده های کمی و انجام تکنیک های آماری ، ریاضی یا محاسباتی به عنوان یک تحقیق سیستماتیک از پدیده ها تعریف شده است. تحقیقات کمی با استفاده از روش نمونه‌گیری و ارسال نظرسنجی آنلاین ، نظرسنجی آنلاین ، پرسشنامه و غیره ، اطلاعاتی را از مشتریان موجود و بالقوه جمع آوری می نماید که نتایج آن را می توان به صورت عددی ترسیم کرد. پس از درک دقیق این اعداد برای پیش بینی آینده یک محصول یا خدمات و بر این اساس می توانید تغییراتی ایجاد کنید.

نمونه و مثالی از از تحقیقات کمی ، بررسی انجام شده برای درک میزان زمانی است که پزشک هنگام مراجعه بیمار به بیمارستان صرف می نماید . می توان از الگوی سنجش رضایت بیمار استفاده کرد که می تواند سؤالاتی از قبیل اینکه پزشک برای دیدن بیمار چقدر زمان گذاشته ، چند بار بیمار به بیمارستان مراجعه نموده است و سؤالاتی از این دست.

نتایج تحقیقات کمی ، بیشتر در علوم اجتماعی با استفاده از روشهای آماری مورد استفاده برای جمع آوری داده های کمی از مطالعه تحقیق انجام می شود. در این روش تحقیق ، محققان و آمارشناسان چارچوب ها و نظریه های ریاضی را به کمیتِ مورد نظر مربوط می کنند.
الگوهای تحقیق کمی ، عینی ، دارای جزئیات و در زمانهای مختلف و حتی زمان تحقیق هستند. نتایج به دست آمده از این روش تحقیق منطقی ، آماری و بی طرفانه است. جمع آوری داده ها با استفاده از روش ساختاری انجام شده و بر روی نمونه های بزرگتر که کل جمعیت را نشان می دهند ، انجام شده است.

#منابع_پارس_پژوهه

🎓 @stphd
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
عید بر عاشقان مبارک باد عاشقان عیدتان مبارک باد☺️☺️☺️👏👏👏👏👏👏

#منابع_پارس_پژوهه

👁‍🗨 @tephd
34305131.pdf
3.5 MB
سنجش #پایایی کدگذاری در تحقیقات کیفی
با استفاده از نرم افزار »مکس کیو دی اِی 11»

#منابع_پارس_پژوهه

🎓 @stphd
👍2