Telegram Group Search
سال نو مبارک، تحلیل‌گران دنیای اعداد!

بهار از راه رسید و مثل همیشه، نویدبخش شروعی تازه است.
همان‌طور که در آمار هر عدد معنایی دارد و هر تحلیل می‌تواند مسیر جدیدی را روشن کند، امیدواریم سال جدید هم برای شما پر از فرصت‌های تازه، موفقیت‌های بزرگ و لحظاتی ارزشمند باشد.

امیدواریم امسال، نمودار پیشرفت هایتان همیشه صعودی باشد و مسیر تصمیم‌هایتان، شما را به بهترین نتایج برساند.

نوروزتان پر از شادی، آرامش و دستاوردهای جدید! 🌿📊



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
گزارش تصویری از بازید پارک علم و فناوری📸

#گزارش_تصویری



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
فرض کنید دو مجموعه داده در زمینه سود سالانه‌ی دو شرکت مختلف دارید. میانگین سود هر دو شرکت یکسان است. به نظر شما کدام مجموعه داده اطلاعات پایدارتری درباره عملکرد شرکت ارائه می‌دهد؟
Anonymous Quiz
84%
مجموعه‌ای با واریانس کمتر
9%
مجموعه‌ای با واریانس بیشتر
7%
تفاوتی ندارد
#دوشنبه_با_یادگیری_آمار

📍میانگین (Mean) :
میانگین یکی از شاخص‌های مرکزی است که مقدار میانگین داده‌ها را نشان می‌دهد. برای محاسبه میانگین، مجموع تمام مقادیر موجود در یک مجموعه داده را بر تعداد مقادیر تقسیم می‌کنیم.
میانگین شامل تمامی مقادیر داده‌ها در یک مجموعه است. هیچ مقداری از داده‌ها حذف نمی‌شود و هر مقدار به اندازه‌ی خود در محاسبه میانگین نقش دارد.
میانگین به ما یک مقدار کلی ارائه می‌دهد که می‌توانیم از آن برای مقایسه‌ی مجموعه‌های داده‌های مختلف استفاده کنیم. این شاخص زمانی مفید است که داده‌ها به طور مساوی توزیع شده باشند و مقادیر بی‌نهایت زیاد یا کم نداشته باشند.

•°انواع میانگین :

📌میانگین حسابی (Arithmetic Mean) :
ساده‌ترین نوع میانگین است که مجموع مقادیر داده‌ها تقسیم بر تعداد آنها می‌شود.

📌 میانگین هندسی (Geometric Mean) :
مقدار مرکزی مجموعه‌ای از اعداد است که در آن مقادیر به صورت تصاعد هندسی رشد می‌کنند. برای محاسبه این میانگین، حاصل‌ضرب تمامی مقادیر داده‌ها را گرفته و سپس ریشه‌ی nام آن را محاسبه می‌کنیم.

📌میانگین هارمونیک (Harmonic Mean) :
یکی دیگر از انواع میانگین است که معمولاً برای داده‌هایی که نسبت یا نرخ دارند، استفاده می‌شود. این میانگین معکوس میانگین حسابی معکوس‌ها است.

📌 میانگین وزنی (Weighted Mean) :
یکی از انواع میانگین است که در آن هر مقدار داده با توجه به وزن خود در محاسبه میانگین نقش دارد. این وزن‌ها می‌توانند اهمیت یا تأثیر هر مقدار داده را نشان دهند.

❗️خلاصه :
میانگین‌ها ابزارهای مهمی در تحلیل داده‌ها هستند که به ما کمک می‌کنند تا یک مقدار مرکزی از مجموعه داده‌ها به دست آوریم. انواع مختلف میانگین (میانگین حسابی، میانگین هندسی، میانگین هارمونیک و میانگین وزنی) هرکدام کاربردهای خاص خود را دارند و در موارد مختلفی می‌توانند مفید باشند.



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
Charles_Wheelan_naked_statistics_Stripping_the_Dread_from_the_Data.pdf
2.1 MB
کتاب Naked Statistics (آمار برهنه) اثر چارلز ویلان یکی از پرفروش ترین های نیویورک تایمز جزئیات محرمانه و فنی را از بین می‌برد و بر شهود اساسی که تجزیه و تحلیل آماری را هدایت می کند تمرکز می کند. او مفاهیم کلیدی مانند استنتاج، همبستگی و تحلیل رگرسیون را بیان کرده و نشان می‌دهد که چگونه طرف‌های مغرضانه یا بی‌دقت می‌توانند داده‌ها را دستکاری یا نادرست نشان دهند، و به ما نشان می‌دهد که چگونه محققان درخشان و خلاق از داده‌های ارزشمند آزمایش‌های طبیعی برای مقابله با سؤالات سخت و پیچیده استفاده می‌کنند. زمانی که حوزه آمار خسته کننده تلقی می‌شد، به سرعت در حال تبدیل شدن به رشته ای است که هال واریان، اقتصاددان ارشد گوگل، آن را «جذاب» می‌نامد. از میانگین‌های ضربتی و نظرسنجی‌های سیاسی گرفته تا نمایش‌ بازی‌ها و تحقیقات پزشکی، کاربرد آمار در دنیای واقعی با جهش و مرزهای گسترده‌ای رو به رشد است. این کتاب به این پرسش ها پاسخ خواهند داد.


#معرفی_کتاب



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
Media is too big
VIEW IN TELEGRAM
📊امروز به بررسی معیارهای پراکندگی یا گسترش می‌پردازیم که به ما کمک می‌کند تا بفهمیم چگونه میانه‌ها و میانگین‌ها داده‌ها را نمایندگی می‌کنند و چقدر نتایج ما قابل اعتماد هستند.
این معیارها می‌توانند در درک نمرات آزمون، نابرابری درآمد، شناسایی حباب‌های بازار سهام و… مفید باشند.
آن‌ها واقعاً کاربردی هستند و حالا شما یاد خواهید گرفت که چگونه آن‌ها را محاسبه کنید!

*قسمت قبل

#ترجمه_کلیپ_آماری



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
در یک شرکت ۱۰۰ کارمند وجود دارد که ۴۰ نفر زن هستند. از این ۴۰ زن، ۱۰ نفر در بخش فروش کار می‌کنند. اگر یک کارمند زن به‌طور تصادفی انتخاب شود، احتمال اینکه او در بخش فروش باشد، چقدر است؟
Anonymous Quiz
77%
۰.۲۵
13%
۰.۵
10%
۰.۷۵
screen_time.csv
8.1 KB
این داده‌ها میزان استفاده از صفحه‌نمایش توسط کودکان را نشان می‌دهد. شامل اطلاعات مربوط به زمان استفاده آموزشی، تفریحی و کل زمان استفاده از صفحه‌نمایش برای کودکان ۵ تا ۱۵ ساله است، همراه با تفکیک بر اساس جنسیت (مذکر، مؤنث، سایر) و نوع روز (روزهای هفته، آخر هفته).
الگوهای رفتاری مورد انتظار در این مجموعه داده رعایت شده‌اند:
زمان استفاده از صفحه‌نمایش با افزایش سن بیشتر می‌شود (حدود ۱.۵ ساعت در روز در سن ۵ سالگی تا بیش از ۶ ساعت در روز در سن ۱۵ سالگی).
استفاده تفریحی از صفحه‌نمایش غالب است و ۶۵ تا ۸۰ درصد از کل زمان استفاده را تشکیل می‌دهد.
استفاده از صفحه‌نمایش در آخر هفته‌ها ۲۰ تا ۳۰ درصد بیشتر از روزهای هفته است، و این افزایش برای نوجوانان بیشتر است.
داده‌ها دارای تغییرات طبیعی هستند که به واقع‌گرایی آن کمک می‌کند، و اندازه نمونه به‌تدریج با افزایش سن کاهش می‌یابد (برای مثال، ۵۰۰ پاسخ‌دهنده در سن ۵ سال و ۳۰۰ پاسخ‌دهنده در سن ۱۵ سال).

#دیتاست



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
#دوشنبه_با_یادگیری_آمار

📍 میانه (Median) :

یکی دیگر از شاخص‌های مرکزی است که مقدار وسطی یک مجموعه داده را نشان می‌دهد، به این معنی که نیمی از داده‌ها کمتر از آن و نیمی دیگر بیشتر از آن هستند.
میانه یک مقدار نماینده در مجموعه داده‌ها است که به طور معمولی می‌تواند تصویری بهتر از مرکز داده‌ها ارائه دهد، به خصوص زمانی که داده‌ها دارای مقادیر بی‌نهایت بزرگ یا کوچک (مقادیر دورافتاده) هستند.
میانه شامل مقدار داده‌ای است که در وسط مجموعه داده‌ها قرار دارد زمانی که داده‌ها به ترتیب مرتب شده باشند.
میانه به ما کمک می‌کند تا تأثیر مقادیر بی‌نهایت بزرگ یا کوچک را کاهش دهیم و یک مقدار نماینده برای داده‌ها ارائه دهیم.

📌 کاربردها :
* تحلیل اقتصادی: محاسبه میانه درآمد خانوارها برای نشان دادن سطح درآمد میانه.
* تحلیل آموزشی: محاسبه میانه نمرات دانش‌آموزان برای تعیین سطح نمرات میانه.
* پژوهش‌های پزشکی: محاسبه میانه نتایج آزمایش‌ها برای تعیین نتایج میانه.
* بازاریابی: تحلیل رفتار مصرف‌کنندگان با محاسبه میانه تعداد خرید‌ها.

🔺محاسبه میانه :
برای محاسبه میانه، ابتدا داده‌ها را به ترتیب مرتب می‌کنیم و سپس مقدار وسط را انتخاب می‌کنیم. اگر تعداد داده‌ها فرد باشد، میانه مقدار وسط است؛ و اگر تعداد داده‌ها زوج باشد، میانه میانگین دو مقدار وسطی است.

مثال
فرض کنید داده‌های نمرات یک کلاس به شرح زیر است: (5, 7, 8, 9, 10)
* داده‌ها به ترتیب مرتب شده‌اند: (5, 7, 8, 9, 10)
تعداد داده‌ها: 5 (فرد)
مقدار وسط (میانه): (8)

حالا اگر داده‌ها به این صورت باشد: (5, 7, 8, 9, 10, 12)
* داده‌ها به ترتیب مرتب شده‌اند: (5, 7, 8, 9, 10, 12)
تعداد داده‌ها: 6 (زوج)
دو مقدار وسط: (8) و (9)
- میانگین دو مقدار وسط:
8.5
- بنابراین، میانه برابر با (8.5) است.

📌 مزایا و محدودیت‌ها :
- مزایا: تحت تأثیر مقادیر بی‌نهایت بزرگ یا کوچک قرار نمی‌گیرد.
- محدودیت‌ها: ممکن است در برخی موارد کمتر از میانگین دقیق باشد و اطلاعات کاملی از توزیع داده‌ها ارائه ندهد.



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
Media is too big
VIEW IN TELEGRAM
📊امروز ما واحد دو قسمتی خود را در مورد تجسم داده‌ها آغاز می‌کنیم:
تا اینجا ما درباره داده‌های خام صحبت کرده‌ایم - که فقط اعداد هستند - اما معمولاً نمایاندن این اطلاعات با نمودارها و گراف‌ها بسیار مفیدتر است.
ما با دو نوع داده مواجه هستیم: داده‌های دسته‌ای و داده‌های کمی، و هر کدام نیاز به نوع خاصی از تجسم دارند.
امروز بر روی نمودارهای میله‌ای، نمودارهای دایره‌ای، پیکتوگراف‌ها و هیستوگرام‌ها تمرکز خواهیم کرد و به شما نشان خواهیم داد که این نمودارها چه چیزهایی را می‌توانند و نمی‌توانند درباره داده‌های زیرین به ما بگویند و همچنین برخی از روش‌هایی که می‌توانند به اشتباه مورد استفاده قرار گیرند تا اطلاعات نادرست ارائه دهند.

*قسمت قبل

#ترجمه_کلیپ_آماری



📬برای ارتباط بیشتر و مشاهده محتواهای بیشتر، ما را در شبکه‌های اجتماعی دنبال کنید:

Telegram | instagram | Linkedin |‏
2025/06/26 17:11:10
Back to Top
HTML Embed Code: