خصوصیات دوره آموزشی آمار پایه

اگر هنوز مردد هستی که در دوره آموزشی رایگان آمار پایه که برات تهیه کردم شرکت کنی متن زیر رو به دقت بخون.

مخاطبان اصلی این دوره

این دوره مخصوص کسانی است که هیچ آشنایی با آمار ندارن و تازه میخوان با آمار و احتمالات آشنا بشن. همچنین برای دانشجوهایی که در دروس کارشناسی یا کارشناسی ارشد شون چند واحد آمار دارن بسیار مناسبه. البته افرادی که برای کارشناسی ارشد و دکتری میخوان برای مقطع تحصیلی بعد امتحان بدن و آمار یکی از موارد امتحان شون است میتونن از این دوره حداکثر استفاده رو ببرن.

اگر آمار و احتمالات برات همیشه جز دروس مشکل بوده و در درک و مفهوم آن مشکل داشتی توصیه می کنم حتما این دوره آموزشی رو ببینی. تو این دوره من با بیش از 15 سابقه تدریس در دانشگاه و تجزیه و تحلیل و مشاوره آماری بیش از 1000 پایان نامه و پژوهش، آمار رو به قدری آسون و قابل درک تدریس کردم که راحت بتونی مفاهیم پیچیده آماری رو درک کنی و از درک مفهومی آمار لذت ببری. قول بهت میدم از مطالبی که در این دوره بهت میگم شگفت زده بشی! مژده اینکه برای این دوره نیاز نیست هزینه کنی.  فقط کافیه در سایت من ثبت نام کنی تا بتونی از این دوره بی‌نظیر استفاده کنی. فقط یک خواهش ازت دارم. اگر از دوره استفاده کردی و برات مفید بود لطفا نظرت رو حتما در سایت درج کن تا بقیه هم بتونن مطابق نظرت تصمیم بگیرن.

در این دوره بی‌نظیر موارد زیر را با هم یاد می‌گیریم!

جمعیت و نمونه در آمار (Population, Sample)

در جلسه اول، مفهوم دقیق جمعیت و نمونه را با مثال های فراوان بررسی می کنیم. مفهوم دقیق پارامتر و آماره را یاد می‌گیریم و با نمادهای جمعیت و نمونه آشنا می‌شویم. در انتهای جلسه اول شرایط نمونه‌ای که از جامعه گرفته می‌شود را نیز بطور دقیق بررسی می‌کنیم.

کمیت‌های تمایل به مرکز (میانگین، میانه و مد) (Mean, Median, Mode)

در جلسه دوم مفهوم دقیق شاخص‌های تمایل به مرکز را فرا می‌گیریم. شاخص‌های تمایل به مرکز در آمار، شامل میانگین، میانه و مد هستند که هر کدام را با مثال و فرمول مربوطه بررسی می‌کنیم. مثال‌ها کاملا بصری و قابل فهم هستند. در انتهای این بخش، بطور دقیق و واضح بررسی می‌کنیم که چه موقع باید از میانگین و چه زمان باید از میانه یا مد به عنوان مرکز ثقل داده‌ها استفاده کنیم.

کمیت‌های پراکندگی (محدوده داده‌ها، دامنه میان چارکی، نمودار جعبه‌ای) (Range, Interquartile range, Box plot)

در جلسه سوم، مفهوم دقیق دو کمیت‌ پراکندگی شامل محدوده داده‌ها و دامنه میان چارکی را با هم فرا می‌گیریم. در انتهای این قسمت نگاهی به مفهوم نمودار جعبه ای یا باکس پلات داریم و مفهوم دقیق علائم روی این نمودار را با هم بررسی می‌کنیم.

کمیت‌های پراکندگی (واریانس و انحراف استاندارد) (Variance, standard deviation)

در جلسه چهارم دو کمیت پراکندگی واریانس و انحراف معیار را با هم بررسی می‌کنیم. فرمول این دو کمیت را کاملا باز می‌کنیم و بصورت بصری و بطور کامل دو مفهوم را توضیح می‌دهیم. در انتهای این قسمت، بررسی می‌کنیم که چه موقع از انحراف معیار و چه زمان از دامنه میان چارکی باید استفاده کنیم؟

آشنایی با توزیع نرمال (Normal distribution)

در جلسه پنجم با توزیع نرمال آشنا می‌شویم. اینکه چطور توزیع نرمال بوجود می‌آید؟ تابع توزیع نرمال چیست و چه استفاده‌هایی دارد؟ توزیع نرمال چگونه استفاده می‌شود؟ و در نهایت توزیع نرمال استاندارد چیست؟ و چگونه مورد استفاده قرار می‌گیرد. تمام این مطالب را بطور واضح و با مثال‌های کاربردی بررسی می‌کنیم.

آشنایی با قضیه حد مرکزی (Central limit theorem)

در جلسه ششم با قضیه حد مرکزی آشنا می‌شویم. چون آزمون فرضیات پارامتریک بر مبنای فرض توزیع نرمال هستند، قضیه حد مرکزی یک مفهوم بسیار مهم و کلیدی برای آزمون فرضیات پارامتریک است. مفهوم دقیق این قضیه را با مثال و بصورت بصری و کاملا قابل فهم بررسی می‌کنیم.

آشنایی با خطای استاندارد میانگین (Standard error of mean)

در جلسه هفتم، مفهوم دقیق خطای استاندارد میانگین یا اشتباه استاندارد  را بررسی می‌کنیم. در آمار برای آزمون هر آماره باید آن آماره را به خطای استانداردش تقسیم کرد. لذا فهم دقیق این کمیت آماری بسیار مهم است که با مثال و بطور کامل  و مفهومی این کمیت را نیز بررسی می‌کنیم.

آشنایی با حدود اطمینان (Confidence interval)

در جلسه هشتم، حدود اطمینان را در دو بخش مجزا بررسی می‌کنیم. بخش اول زمانی که   نمونه‌ ما بزرگ است یا انحراف استاندارد جمعیت مشخص است و بخش دوم زمانی که حدود اطمینان نمونه ما کوچک است.

آشنایی با توزیع تی (t distribution)

در جلسه نهم با توزیع بسیار پر کاربرد تی (t) آشنا می‌شویم. ادر انتهای قسمت نهم بطور کامل توزیع تی را با توزیع نرمال مقایسه می‌کنیم و تفاوت ها و شباهت‌های آن ها را نیز یاد می‌گیریم.

آشنایی با آزمون تی تک نمونه‌ای (one-sample t test)

در جلسه دهم، با آزمون تی تک نمونه‌ای آشنا می‌شویم. آزمون تی تک نمونه ای زمانی استفاده می‌شود که می‌خواهیم میانگین یک نمونه‌ را با یک مقدار رفرنس مقایسه کنیم. این آزمون را نیز با مثال و بطور کاربردی و بصری توضیح می‌دهیم.

تفاوت‌ها و شباهت‌های آزمون تی تک نمونه‌ای و حدود اطمینان (One-sample t test vs Confidence interval)

در جلسه یازدهم تفاوت ها و شباهت های آزمون تی تک نمونه‌ای و حدود اطمینان را بررسی کرده ایم. پیشنهاد می‌کنم این بخش جذاب را از دست ندهید. چرا که مطالب بسیار کاربردی در این بخش گنجانده شده است.

آشنایی با درجه آزادی (Degrees of freedom)

در جلسه دوازدهم مفهوم دقیق درجه آزادی  را با هم بررسی می‌کنیم.

آشنایی با آزمون فرضیات (Hypothesis testing)

در جلسه سیزدهم با آزمون فرضیات آشنا می‌شویم. در آمار فرضیه گزاره‌ای است که مورد آزمون قرار می‌گیرد. فرضیه می‌تواند رد یا رد نشود. دو نوع فرضیه (H0 و H1) در آمار داریم. در این بخش آزمون فرضیات را بطور دقیق در پنج مرحله مورد بررسی قرار می‌دهیم. در گام اول فرضیه صفر و یک را مشخص می‌کنیم. در گام دوم یک سطح معنی‌دار برای آزمون انتخاب می‌کنیم. در گام سوم آزمایش را با یک طرح مناسب آماری تجزیه کردیم. در گام چهارم مقدار P-value آزمون را محاسبه کردیم. در گام پنجم بر مبنای آلفا تصمیم‌گیری کردیم که آیا باید فرضیه صفر را رد کنیم یا خیر؟ در انتهای این بخش در مورد فرضیات یکطرفه و دو طرفه نیز صحبت کردیم.

آشنایی با آزمون تی مستقل (Independent sample t test)

در جلسه  چهاردهم با آزمون تی مستقل آشنا می‌شویم. این آزمون را با مثال و بطور دقیق و واضح بررسی می‌کنیم. در انتهای این بخش دو پیش فرض اصلی آزمون تی مستقل یعنی نبود انحراف داده‌ها از توزیع نرمال و تساوی واریانس‌ها را نیز بطور دقیق مورد بررسی قرار دادیم.

آشنایی با آزمون تی زوجی (Paired sample t test)

در جلسه پانزدهم آزمون تی زوجی را بطور کامل و با مثال های بصری توضیح می‌دهیم. آزمون تی زوجی زمانی استفاده می شود که بخواهیم بدانیم تفاوت بین زوج مشاهدات با عدد صفر تفاوت معنی‌دار دارد یا خیر؟ در بخش انتهای این جلسه طریقه محاسبه حدود اطمینان و همچنین مفروضات لازم برای این آزمون را نیز بررسی کردیم.

مقایسه آزمون تی مستقل و تی زوجی (Paired vs Unpaired t test)

در جلسه شانزدهم با یک مثال بسیار ساده و کاربردی دو آزمون تی مستقل و زوجی را با هم مقایسه می‌کنیم. در این قسمت با زبان بسیار ساده بیان کردیم که اگر به جای آزمون تی زوجی از آزمون تی مستقل استفاده کنیم، چه اتفاق وحشتناکی رخ می‌دهد!

آشنایی با آنالیز واریانس یکطرفه (قسمت اول) (One-way ANOVA)

در جلسه هفدهم مباحث مقدماتی را در مورد آنالیز واریانس یکطرفه (one-way ANOVA) مطرح می‌کنیم. مقایسه آزمون تی مستقل با آزمون ANOVA و تفاوت‌ها و شباهت‌های آن‌ها نیز در این بخش گنجانده شده است. همچنین شرح دادیم که اگر به جای استفاده از آزمون ANOVA از چند آزمون تی مستقل  استفاده کنیم، چه خطای بزرگی مرتکب شده‌ایم. در بخش دیگر این قسمت مزایای استفاده از ANOVA به جای آزمون تی را بررسی کردیم. در انتهای این بخش بطور خلاصه در مورد آزمون‌های تعقیبی (Post hoc tests) نیز صحبت کردیم.

آشنایی با آنالیز واریانس یکطرفه (قسمت دوم) (One-way ANOVA)

در جلسه هجدهم ادامه مبحث ANOVA را پیگیری می‌کنیم. در این قسمت خروجی‌های نرم افزارهای آماری در مورد آزمون ANOVA را مورد بحث قرار دادیم. همچنین بصورت دستی یک مسئله آماری در مورد آزمون ANOVA حل کردیم. این مسئله به درک دقیق ANOVA کمک شایانی به ما می‌کند.

آشنایی با آنالیز واریانس با اندازه‌های تکراری (Repeated Measures ANOVA)

در جلسه نوزدهم مبحث آنالیز واریانس با اندازه‌های مکرر (Repeated measures ANOVA) را بررسی می‌کنیم. آنالیز واریانس با اندازه‌های تکراری تعمیم یافته آزمون تی زوجی است که وقتی ما اندازه‌گیری‌های بیش از دو زمان داشته باشیم از این آزمون استفاده می‌کنیم. در بخشی از جلسه نوزدهم، آنالیز واریانس ANOVA را با آنالیز واریانس مکرر مقایسه کردیم. همچنین نحوه محاسبه دستی منابع تغییرات آنالیز واریانس مکرر را با هم بررسی نمودیم. در انتهای این بخش مفروضات آنالیز واریانس مکرر را نیز مورد بررسی قرار دادیم.

آشنایی با میانگین هندسی (Geometric Mean)

در جلسه بیستم یکی از مباحث مهم آماری یعنی میانگین هندسی (Geometric mean) را با مثال و بطور دقیق بررسی می‌کنیم.

آشنایی با انواع متغیرها در آمار (Variables and  scales)

در جلسه بیست و یکم با انواع متغیرها آشنا می‌شویم. بطور کلی ما دو نوع متغیر داریم که شامل متغیرهای عددی (Numerical) و طبقه‌ای (Categorical) است. متغیرهای عددی خودشان به متغیرهای عددی پیوسته (continuous) و گسسته (discrete) قابل تقسیم هستند. متغیرهای طبقه‌ای نیز به دو نوع رتبه‌ای (Ordinal) و اسمی (Nominal) قابل تقسیم هستند. این موارد را با مثال و بطور کامل شرح دادیم.

آشنایی با آزمون یک نسبت (One-proportion Z-test)

در جلسه بیست و دوم با آزمون یک نسبت آشنا می‌شویم. در این بخش بررسی می‌کنیم که اگر بخواهیم نسبت یک نمونه را با یک نسبت رفرنس مقایسه کنیم باید چگونه این کار را انجام دهیم. همچنین نحوه محاسبه حدود اطمینان را نیز با بررسی کردیم. در انتهای این بخش در مورد پمفرضوات این آزمون نیز بحث کردیم.

آشنایی با آزمون نیکویی برازش کای اسکوئر (Chi-square goodness of fit test)

در جلسه بیست و سوم آزمون نیکویی برازش کای اسکوئر را بررسی می‌کنیم. زمانی که بخواهیم دو یا چند نسبت را با هم مقایسه کنیم از این آزمون استفاده می‌کنیم.

آشنایی با آزمون مقایسه دو نسبت (Two-proportion Z-test)

در جلسه بیست و چهارم با آزمون مقایسه دو نسبت آشنا می‌شویم. همچنین نحوه محاسبه حدود اطمینان برای دو نسبت را نیز بررسی کردیم. در نهایت نحوه مقایسه دو یا چند نسبت را با استفاده از آزمون کای اسکوئر بررسی کردیم.

آشنایی با آزمون نکای اسکوئر استقلال (Chi-square test of independence)

در جلسه بیست و پنجم با آزمون کای اسکوئر استقلال آشنا می‌شویم. این آزمون زمانی استفاده می‌شود که بخواهیم بدانیم دو متغیر اسمی طبقه‌ای با هم ارتباط دارند یا خیر؟ ا

آشنایی با خطای نوع اول و دوم (Type I and II Error)

در جلسه بیست و ششم بصورت مقدماتی در مورد خطای نوع اول  و خطای نوع دوم صحبت می‌کنیم. این دو نوع خطا را روی نمودار توزیع نرمال و با مثال و دقیق توضیح می‌دهیم. در انتهای این بخش چهار احتمال وقوعی که برای یک تحقیق وجود دارد را بررسی می‌کنیم.

احتمال ارتکاب خطای نوع اول (Committing type I error)

در جلسه بیست و هفتم در مورد احتمال ارتکاب خطای نوع اول صحبت می‌‌کنیم. خطای نوع را ما زمانی مرتکب می‌شویم که به اشتباه فرضیه صفر صحیح را رد کنیم.

احتمال ارتکاب خطای نوع دوم (Committing type II error)

در جلسه‌های بیست و هشتم و بیست و نهم در مورد احتمال ارتکاب خطای نوع دوم (Committing a Type II Error) صحبت می‌کنیم. همچنین بررسی می‌کنیم که چه پارامترهای بر خطای نوع دوم تاثیر گذارند.

آشنایی با قدرت آزمون و حجم نمونه (Statistical power and sample size)

در جلسه سی‌ام در مورد قدرت آزمون و حجم نمونه صحبت می‌کنیم. همچنین مواردی را بررسی می‌کنیم که باعث افزایش قدرت آزمون می‌شوند. قدرت آزمون به سطح معنی‌دار (آلفا)، حجم نمونه، تفاوت میانگین نمونه و میانگین فرضیه صفر و همچنین به انحراف معیار بستگی دارد. تمام این موارد را به تفصیل با هم بررسی می‌کنیم.

چگونه آزمون مناسب آماری را برای پژوهش خود انتخاب کنیم؟

در قسمت سی‌ و یکم با هم بررسی می‌کنیم که چگونه یک آزمون آماری را برای کار پژوهشی خود انتخاب کنیم. این بخش یکی از کاربردی ترین بخش‌های این دوره است که پس از یادگیری انواع آزمون های آماری باید ملاحظه کنید. این بخش باعث می‌شود که آزمون‌های آماری کاملا در ذهن‌تان طبقه‌بندی شود. بطوریکه به راحتی بتوانید آزمون آماری مناسب را برای تحقیق یا پژوهش خود را تشخیص دهید.

اینجانب قول می‌دهم اگر در تمام قسمت ‌های این دوره با هم همراه باشید، سطح مقدماتی آمار و مطالب گفته شده هیچ مشکلی نخواهید داشت. شما هم قول دهید که پس از مشاهده دوره نظر خود را برایم بنویسید. همچنین به دوستان خود هم این دوره را معرفی نمایید.