در هر رساله و پایان نامه ای باید حتما بخش آمار توصیفی نیز بررسی شود. آمار توصیفی با ارائه خلاصههای کوتاه در مورد نمونه و اندازهگیری دادهها، به توصیف و درک ویژگیهای یک مجموعه داده خاص کمک میکند. شناخته شده ترین انواع آمار توصیفی معیارهای مرکز هستند: میانگین، میانه و مد که تقریباً در تمام سطوح ریاضی و آمار استفاده می شود. میانگین با جمع کردن تمام ارقام درون مجموعه داده ها و سپس تقسیم بر تعداد ارقام درون مجموعه محاسبه می شود. در این مقاله قصد دارم به آموزش آمار توصیفی پایان نامه و رساله با نرم افزار JASP بپردازم. تا انتهای این مقاله همراه کیارا آکادمی باشید تا آموزش نرم افزار JASP را به صورت کاربردی دریافت نمایید.
آمار توصیفی با نرم افزار JASP
آمار توصیفی اطلاعاتی مفیدی است که مجموعه دادههای مشخصی را خلاصه میکند، که میتواند نمایشی از کل جمعیت یا نمونهای از یک جامعه باشد. آمار توصیفی به معیارهای گرایش مرکزی و معیارهای پراکندگی تقسیم می شود. معیارهای گرایش مرکزی شامل:
- میانگین
- میانه
- مد
معیارهای پراکندگی شامل :
- انحراف معیار
- واریانس
- حداقل و حداکثر
- کجی
- چولگی
به عنوان مثال، مجموعه داده های زیر 20 است:
(2، 3، 4، 5، 6) |
میانگین 4 (20/5) است. مد یک مجموعه داده مقداری است که اغلب ظاهر می شود و میانه رقمی است که در وسط مجموعه داده قرار دارد. میانه رقمی است که ارقام بالاتر را از ارقام پایین تر در یک مجموعه داده جدا می کند.
افراد از آمار توصیفی استفاده میکنند تا بینشهای کمی را که درک آن دشوار است را آسان سازند. به عنوان مثال، معدل یک دانش آموز ، درک خوبی از آمار توصیفی ارائه می دهد. ایده معدل این است که از طیف گسترده ای از امتحانات، کلاس ها و نمرات امتیاز می گیرد و آن ها را با هم میانگین می گیرد تا درک کلی از عملکرد کلی تحصیلی دانش آموز ارائه دهد. معدل شخصی یک دانش آموز نشان دهنده میانگین عملکرد تحصیلی آن هاست. آمار توصیفی، به ویژه در زمینه هایی مانند پزشکی، اغلب داده ها را به صورت بصری با استفاده از نمودارهای پراکنده، هیستوگرام، نمودارهای خطی، یا نمایش ساقه و برگ به تصویر می کشد.
بررسی آمار توصیفی در رساله
برای شروع اجرای آمار توصیفی ابتدا باید داده ها را وارد نرم افزار جسپ کنید. سپس از بخش آمار توصیفی متغیرهایی که مد نظر دارید را وارد تحلیل کنید:
من در ابتدا دو متغیر کیفی را وارد تحلیل کردم. برای بررسی آماره های توصیفی باید از لیست زیر موارد مناسب را انتخاب کنید:
بلافاصله برای شما خروجی ها قابل نمایش است. همین طور شما می توانید با فعال کردن جداول فراوانی ، آمار توصیفی هر گروه را با تفکیک مشاهده کنید:
خروجی قابل مشاهده است:
همین طور شما می توانید نمودار آماری نیز برای متغیرهای خودتان ترسیم نمایید:
متغیرهای بالا به صورت کیفی بودند . ممکن است شما بخواهید بر اساس یک متغیر گروه بندی نیز گزارش خودتان را بررسی کنید. در ادامه باید متغیر گروه بندی را در بخش split وارد کنید:
همین طور شما می توانید متغیرهای کمی را نیز وارد تحلیل کنید. در این شرایط باید گزینه میانگین و انحراف استاندارد و ماکسیموم و مینیموم را فعال کنید:
در ادامه می توانید برای متغیرهای کمی نیز نمودار ترسیم کنید:
انواع آمار توصیفی در رساله
تمام آمارهای توصیفی یا معیارهای گرایش مرکزی یا معیارهای تغییرپذیری هستند که به عنوان معیارهای پراکندگی نیز شناخته می شوند.
گرایش مرکزی
معیارهای گرایش مرکزی بر مقادیر متوسط مجموعه داده ها تمرکز می کنند، در حالی که معیارهای تغییر پذیری بر پراکندگی داده ها متمرکز هستند. این دو معیار از نمودارها، جداول و بحث های کلی استفاده می کنند تا به افراد کمک کنند تا معنای داده های تجزیه و تحلیل شده را درک کنند. معیارهای گرایش مرکزی موقعیت مرکزی یک توزیع را برای یک مجموعه داده توصیف می کنند. فرد فراوانی هر نقطه داده در توزیع را تجزیه و تحلیل می کند و آن را با استفاده از میانگین، میانه یا حالت توصیف می کند که رایج ترین الگوهای مجموعه داده های تحلیل شده را اندازه گیری می کند. قبل از هر چیزی پیشنهاد می دهم در دوره آموزش تحلیل آماری با نرم افزار جسپ (JASP) شرکت کنید. برای مشاهده دوره کافی است روی لینک زیر کلیک فرمایید:
معیارهای پراکندگی
معیارهای تغییر پذیری (یا معیارهای پراکندگی) به تجزیه و تحلیل چگونگی پراکندگی توزیع برای مجموعه ای از داده ها کمک می کند. به عنوان مثال، در حالی که معیارهای گرایش مرکزی ممکن است میانگین یک مجموعه داده را به فرد بدهد، نحوه توزیع داده ها در مجموعه را توصیف نمی کند. بنابراین در حالی که میانگین دادهها ممکن است 65 از 100 باشد، هنوز هم میتوان نقاط دادهای در 1 و 100 وجود داشت. اندازهگیریهای تغییرپذیری با توصیف شکل و گستردگی مجموعه دادهها به ارتباط این موضوع کمک میکنند. محدوده، چارک ها، انحراف مطلق و واریانس همگی نمونه هایی از معیارهای تغییرپذیری هستند . مجموعه داده های زیر را در نظر بگیرید: 5، 19، 24، 62، 91، 100. رنج یا دامنه آن مجموعه داده ها 95 است که با کم کردن کمترین عدد (5) در مجموعه داده ها از بالاترین (100) محاسبه می شود.
توزیع در آمار
توزیع (یا توزیع فراوانی) به تعداد دفعاتی که یک نقطه داده رخ می دهد اشاره دارد. از طرف دیگر، این اندازه گیری نقطه داده ای است که رخ نمی دهد. یک مجموعه داده را در نظر بگیرید:
مرد، مرد، زن، زن، زن و ………
توزیع این داده ها را می توان به صورت زیر طبقه بندی کرد:
- تعداد مردها در مجموعه داده ها 2 نفر است.
- تعداد زنان در مجموعه داده ها 3 است.
- تعداد افرادی که به عنوان افراد دیگر شناسایی می شوند 1 نفر است.
- تعداد غیر مذکر 4 نفر است.
تحلیل تک متغیره در مقابل دو متغیره
- در آمار توصیفی، تحلیل داده های تک متغیره تنها یک متغیر را تحلیل می کند. از آن برای شناسایی ویژگی های یک صفت استفاده می شود و برای تجزیه و تحلیل هیچ رابطه یا علتی استفاده نمی شود. برای مثال اتاقی پر از دانش آموزان دبیرستانی را تصور کنید. فرض کنید می خواهید میانگین سنی افراد حاضر در اتاق را جمع آوری کنید. این داده های تک متغیره تنها به یک عامل بستگی دارد: سن هر فرد. با جمع آوری این یک تکه اطلاعات از هر فرد و تقسیم بر تعداد کل افراد، می توانید میانگین سنی را تعیین کنید.
- از سوی دیگر، دادههای دو متغیره تلاش میکنند دو متغیر را با جستجوی همبستگی به هم پیوند دهند. دو نوع داده جمع آوری میشود و رابطه بین دو قطعه اطلاعات با هم تجزیه و تحلیل میشود. از آن جایی که متغیرهای متعددی تحلیل میشوند، این رویکرد ممکن است به عنوان چند متغیره نیز نامیده شود. فرض کنید هر دانش آموز دبیرستانی در مثال بالا یک آزمون ارزیابی کالج میگیرد، و میخواهیم ببینیم که آیا دانش آموزان مسنتر بهتر از دانش آموزان جوانتر تست میکنند یا خیر. علاوه بر جمع آوری سن دانش آموزان، باید نمره آزمون هر دانش آموز را جمع آوری کنیم. سپس با استفاده از تجزیه و تحلیل داده ها، به صورت ریاضی یا گرافیکی نشان می دهیم که آیا بین سن دانش آموز و نمرات آزمون رابطه وجود دارد یا خیر.
آمار توصیفی در مقابل آمار استنباطی در پایان نامه
آمار توصیفی عملکرد متفاوتی نسبت به آمار استنباطی دارد، در آمار استنباطی به مجموعه داده هایی که برای تصمیم گیری یا اعمال ویژگی ها از یک مجموعه داده به مجموعه داده دیگر استفاده می شود پرداخته شده و هدف تعمیم نتایج آماری است. مثال دیگری را تصور کنید که در آن یک شرکت سس تند می فروشد. این شرکت داده هایی مانند تعداد فروش، میانگین مقدار خریداری شده در هر تراکنش و میانگین فروش در هر روز هفته را جمع آوری می کند. همه این اطلاعات توصیفی است، زیرا داستانی از آن چه در گذشته اتفاق افتاده است را بیان می کند. در این مورد، فراتر از اطلاعاتی بودن، از آن استفاده نمی شود.
فرض کنید همان شرکت می خواهد یک سس تند جدید تولید کند. همان دادههای فروش بالا را جمع آوری میکند، اما اطلاعاتی را برای پیش بینی در مورد میزان فروش سس تند جدید ایجاد میکند. در آمار استنباطی ما دیگر صرفاً داده ها را خلاصه نمی کنیم. ما از آن استفاده میکنیم و پیشبینی میکنیم که در مورد یک مجموعه کاملاً متفاوت از دادهها (محصول جدید سس تند) چه اتفاقی خواهد افتاد.
جمع بندی:
آمار توصیفی چیست؟ آمار توصیفی وسیله ای برای توصیف ویژگی های یک مجموعه داده با تولید خلاصه در مورد نمونه های داده است. اغلب به عنوان خلاصه ای از داده های نشان داده شده نشان داده می شود که محتوای داده ها را توضیح می دهد. به عنوان مثال، یک سرشماری جمعیت ممکن است شامل آمار توصیفی در مورد نسبت مردان و زنان در یک شهر خاص باشد.
نمونه هایی از آمار توصیفی: آمار توصیفی اطلاعاتی است و به منظور توصیف ویژگی های واقعی یک مجموعه داده است. هنگام تجزیه و تحلیل اعداد مربوط به فصل قبل لیگ برتر بیسبال، آمار توصیفی شامل : بالاترین پرتاب ، میانگین ضربه زدن برای یک بازیکن، تعداد دوندگی مجاز برای هر تیم و میانگین برد در هر بخش.
هدف اصلی آمار توصیفی چیست؟ هدف اصلی آمار توصیفی ارائه اطلاعات در مورد یک مجموعه داده است. در مثال بالا، صدها بازیکن بیسبال وجود دارند که در هزاران بازی شرکت می کنند. آمار توصیفی حجم زیادی از داده ها را در چند بند اطلاعات مفید خلاصه می کند.
انواع آمار توصیفی چیست؟ سه نوع اصلی آمار توصیفی عبارتند از توزیع فراوانی، گرایش مرکزی و معیارهای پراکندگی. توزیع فراوانی تعداد دفعات وقوع داده را ثبت میکند، گرایش مرکزی نقطه توزیع مرکز داده را ثبت میکند، و تغییرپذیری یک مجموعه داده درجه پراکندگی آن را ثبت میکند.
آیا می توان از آمار توصیفی برای استنتاج یا پیش بینی استفاده کرد؟ نه. در حالی که این توصیفها به درک ویژگیهای داده کمک میکنند، تکنیکهای آماری استنباطی – شاخهای جداگانه از آمار – برای درک چگونگی تعامل متغیرها با یکدیگر در یک مجموعه داده مورد نیاز است.
مطالعه منابع بیشتر آمار توصیفی پایان نامه و رساله:
Descriptive Statistics: Definition, Overview, Types, Example
2 پاسخ
سلام مرسی عالی
میشه تدریس محاسبه واریانس را هم بگذارید؟
بله البته
https://kiaraacademy.com/analysis-of-variance-with-jasp/