تبلیغات
تبلیغات متنی
محبوبترینها
بارش‌های سیل‌آسا در راه است! آیا خانه شما آماده است؟
بارش‌های سیل‌آسا در راه است! آیا خانه شما آماده است؟
قیمت انواع دستگاه تصفیه آب خانگی در ایران
نمایش جنگ دینامیت شو در تهران [از بیوگرافی میلاد صالح پور تا خرید بلیط]
9 روش جرم گیری ماشین لباسشویی سامسونگ برای از بین بردن بوی بد
ساندویچ پانل: بهترین گزینه برای ساخت و ساز سریع
خرید بیمه، استعلام و مقایسه انواع بیمه درمان ✅?
پروازهای مشهد به دبی چه زمانی ارزان می‌شوند؟
تجربه غذاهای فرانسوی در قلب پاریس بهترین رستوران‌ها و کافه‌ها
دلایل زنگ زدن فلزات و روش های جلوگیری از آن
خرید بلیط چارتر هواپیمایی ماهان _ ماهان گشت
صفحه اول
آرشیو مطالب
ورود/عضویت
هواشناسی
قیمت طلا سکه و ارز
قیمت خودرو
مطالب در سایت شما
تبادل لینک
ارتباط با ما
مطالب سایت سرگرمی سبک زندگی سینما و تلویزیون فرهنگ و هنر پزشکی و سلامت اجتماع و خانواده تصویری دین و اندیشه ورزش اقتصادی سیاسی حوادث علم و فناوری سایتهای دانلود گوناگون
مطالب سایت سرگرمی سبک زندگی سینما و تلویزیون فرهنگ و هنر پزشکی و سلامت اجتماع و خانواده تصویری دین و اندیشه ورزش اقتصادی سیاسی حوادث علم و فناوری سایتهای دانلود گوناگون
آمار وبسایت
تعداد کل بازدیدها :
1836390568
روش هاي چند متغيري پيوسته
واضح آرشیو وب فارسی:راسخون:
روش هاي چند متغيري پيوسته تهیه کننده : اثیر کربلاییمنبع : راسخون پژوهشگران علوم پایه و علوم انسانی، معمولاً مقادیر چندین متغیر را اندازه گیری می کنند. روش های آماری که برای بیان و تحلیل داده های چند متغیری ) مقادیر اندازه گیری شده هم زمان چند متغیر) به کار می روند را تحلیل چند متغیری می نامیم. مؤلفه های اصلی در تحلیل چند متغیره، بزرگ بودن بُعد بردار تصادفی X، اغلب در به دست آوردن روش های آماری مناسب برای نمونه تصادفی موجب مشکلاتی می گردد. حال می خواهیم با از دست دادن حداقل اطلاعات، بُعد مشاهدات را تا حد قابل ملاحظه ای تقلیل دهیم.این تفکر از آنجا ناشی می گردد که در مراحل اولیه تحقیق، توجه به سوی متغیرهایی متمرکز است که از یک مشاهده به مشاهده دیگر بیشترین تغییرات را نشان می دهند. متغیرهایی که از یک مشاهده به مشاهده دیگر زیاد عوض نمی شوند را می توان به عنوان ثابت ها در نظرگرفت، با کنار گذاشتن متغیرهایی با واریانس پائین و توجه به متغیرهایی با واریانس بالا، می توانیم به راحتی مساله خود را در یک زیر فضایی با بُعد کمتر مورد مطالعه قرار دهیم.روش مؤلفه های اصلی را ابتدا کارل پیرسن(1971) برای متغیرهای غیرآماری پیشنهاد کرد. در اکثر موارد یک تحلیل از مؤلفه های اصلی، ارتباط هایی که قبلاً حدس زده شده را آشکـــار می سازد. تحلیل مؤلفه های اصلی در بیان های دیگر در مباحث رگرسیون چند متغیره، آنـالیز گروه بندی و تجزیه عاملی نیز به کار گرفته می شود.تحلیل مؤلفه های اصلی به ساختمان ماتریس کوواریانس به وسیله چند ترکیب خطی از متغیرهای اولیه، مربوط است. دو هدف عمده دراینجا پیگیری می شود. 1- فشرده کردن داده 2- تفسیر اطلاعات.با اینکه p مولفه ی اولیه در تغییرپذیری کل سیستم لازم است، اکثر اوقات این تغییرپذیری می تواند به وسیله تعداد کمتر k از مولفه های اصلی بیان شود.تحلیل مؤلفه های اصلی وسیله ای برای رسیدن به هدف هستند تا اینکه خودشان هدف باشند، زیرا اغلب آنها به عنوان مراحل میانی در وضعیت های بزرگتر به کار می آیند.تحلیل عاملییک شیوه آماری که می تواند جهت تحلیل روابط متقابل میان گروه بزرگی از متغیــرها و برای توصیف این متغیرها براساس ابعاد مشترک پنهان میان عوامل به کار رود، تجزیه عاملی است. این شیوه آماری به یافتن راهی جهت تلخیص اطلاعات موجود در تعدادی متغیرهای اصلی می پردازد و آنها را به یک سری عامل های کوچکتر با کمترین میزان ریزش اطلاعات تبدیل می کند.تجزیه عاملی بر مبنای همبستگی در توزیع، یک بردار تصادفی X=[x1,x2,x3,…,xp]را بر حسب کمترین تعداد متغیرهای تصادفی غیرقابل مشاهده به نام عامل ها توجیه می کند. در این روش هر مؤلفه Xi مورد بررسی قرار می گیرد تا معلوم شود آیا می توان آن را بوسیله یک تابع خطی شامل مینیمم تعداد متغیرهای تصادفی غیرقابل مشاهده (که ساختار کوواریانس ظاهر می شوند) و یک متغیر دیگر ( که واریانس مؤلفه Xi را توجیه می کند) تولید کرد یا خیر؟مراحل اجرای تحلیل عاملی عبارتند از :1- جمع آوری داده ها و ایجاد ماتریس همبستگی2- استخراج راه حل عاملی اولیه3- چرخش دورانی و تفسیر4- ساخت مقیاس ها با امتیازات عاملی برای استفاده در تحلیل های بعدیطریقه طبقه بندی صفت کمی پیوستهدر این حالت به دلیل ماهیت پیوستگی داده ها مقادیر یکسان کمتر مشاهده می شوند در اینجا باید طبق قواعد مشخص داده ها را در طبقات مجزا طبقه بندی می کنیم هر طبقه دارای مرز بالا و پایین می باشد و طبقاتنباید با هم تداخل داشته باشند. ابتدا باید دامنه تغییرات را به دست آوریم دامنه تغییرات یعنی Xmax-Xmin R=و چنان چه قید شود داده ها روند شده اند آن گاه دامنه تغییرات عبارت است از Xmax-Xmin +1 R= .عامل بعدی تعداد طبقات است که با K نمايش ىاىه مي شوى و همواره بين 5 تا 20 ءبقه مي باشد که رابطه آن عبارت است از K=1+3.32*logn .عامل سوم فاصله طبقاتC است که عبارت است ازمرزپایین هر طبقه- مرز بالای هر طبقه.بین سه عامل فوق رابطه زیر برقرار است: C=R/Kدقت شود که همواره مرز پایین طبقه اول کوچکترین مشاهده می باشد و برای به دست آوردن مرز بالای طبقه اول کافی است به مرز پایین فاصله طبقات اضافه شودبدین ترتیب حدود طبقات محاسبه میشود.داده های زیر مربوط به نمرات 40دانش آموز در یک آزمون ریاضی است جدول توزیع فراوانی را برای این داده ها به طور کامل تشکیل دهید. 7, 20, 13 , 18, 17.5, 10, 15, 8, 4, 16 ,19.5 ,13.5 ,11.516.5, 7.5, 3, 4, 11, 12.5, 13.5, 20, 9, 3, 8, 9, 12, 18.5 17.5, 16.5, 13.5, 12.5, 14.5, 15.5, 18.5, 19.5, 12, 4.5 , 14 ,16.5, R=Xmax-Xmin=20-3=17 k=1+3.32*log40=6.31=6C= R/K C=17/6=2.8=2.9 فراوانی نسبی تجمعیGفراوانی تجمعیGفراوانی نسبیNتعداد فراوانی مطلقFحدود واقعی طبقاتصفات طبقات6/4066/40 6 2.95 -5.85 3-5.811/40115/40 5 5.85-8.75 5.9-8.716/40165/40 58.75-11.65 8.8-11.626/402610/40 1011.65-14.5511.7-14.531/40315/40 514.55-17.4514.6-17.41409/40 917.45-20.3517.5-20.31 n=40 گفتیم که نباید بین طبقات تداخل ایجاد گردد در ستون اول دیده می شود که داده ها تداخل دارند باید دقت شود که مثلا 5.9 درطبقه اول شمارش نمی شود منظور تا 5.9 است برای راحتی کار می توان به جای 5.9 عدد 5.8 را در نظر گرفت که در این حالت 5.8 در طبقه اول خوانده می شود. ستون دیگری که می توان به جدول فوق اضافه کرد حدود واقعی طبقات است که زمانی مورد استفاده قرار می گیرد که می خواهیم نمودارهای آماری رسم کنیم. برای این کار چون داده ها یک رقم اعشار دارند 0.05از مرز پایین هر طبقه کم کرده و 0.05 به مرز بالای آن اضافه می کنیم بدین ترتیب حدود واقعی طبقات محاسبه می شود. مثال: داده های زیر مربوط به یک نمونه های 50 تایی از نوعی نخ کتان است جدول توزیع فراوانی را رسم کنید.21.2, 27.3, 20.6, 25.4, 36.9, 28.3, 33.7, 29.5, 34.1, 24.6, 27.1, 29.4, 21.8, 27.5, 28.9, 24, 25, 21.9, 37.5, 29.6, 24.8, 32.7, 29.3, 33.5, 22.2, 28.1, 29.5, 17.3, 29.6, 22.7, 25.4 , 30.2, 29, 26.8, 31.3, 34.5, 23.9, 36.8, 28.7, 33.2, 23.6, 23, 29.2, 34.8, 37, 38.4, 26.4, 23.5, 18.6, 28.3 R=38.4-17.3=21.1 K=1+3.32*log50=6.64=7C=21.1/7=3.01فراوانی نسبی تجمعیGفراوانی تجمعیGفراوانی نسبیNتعداد فراوانی مطلقFصفات طبقات2/5022/50 217.3-20.39/5097/50 720.4-23.419/501910/50 1023.5-26.536/503617/50 1726.6-29.639/50393/50 329.7-32.745/50456/50 632.8-35.8150 5/50 n=535.9-39پس از تهيه جدول توزيع فراواني مي توانيم نمودارهای آماری ار بااستفاده از آن رسم کنیم با استفاده از نمودارهای آماری می نوان اطلاعات نهفته شده در جدول فراوانی را با سهولت بیشتر به مخاطب عرضه نمود.منابع :1- تحلیل آماری چند متغیری کاربردی/جانسون، ویچرن؛ ترجمه : حسینعلی نیرومند. دانشگاه فردوسی 2-http://statisticslu.blogfa.com3-http://learn-m-p-l.persianblog.i4-http://daneshnameh.roshd.ir/س
این صفحه را در گوگل محبوب کنید
[ارسال شده از: راسخون]
[مشاهده در: www.rasekhoon.net]
[تعداد بازديد از اين مطلب: 11403]
-
گوناگون
پربازدیدترینها