رهنمایی اموزش SPSS

Telegram.
me/Raveshtahghigh
SPSS 19 ‫ﺭﺍﻫﻨﻤﺎی ﺁﻣﻮﺯﺷﯽ‬
: ‫ﺗﻬﯿﻪ و ﺗﻨﻈﯿﻢ‬
‫ﻣﻬﺪی ﺍﮐﺒﺮﺯﺍﺩﻩ‬
‫ﺟﻠﺪ اول‬
Telegram.me/Raveshtahghigh
‫‪Telegram.me/Raveshtahghigh‬‬
‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ ‬
‫ﭘﻴﺸﮕﻔﺘﺎر‪1 ........................................................................................................................................‬‬
‫ﻓﺼﻞ اول ‪3 .....................................................................................................................................‬‬
‫ﻣﺮوري ﺑﺮ ﻧﺮماﻓﺰار ‪3 ............................................................................................................. SPSS‬‬
‫‪1‬ـ ﺷﺮوع ﻛﺎر ﺑﺎ ‪3.......................................................................................................................................... SPSS‬‬
‫‪1‬ـ‪1‬ـ ﻣﻌﺮﻓﻲ ﻣﺤﻴﻂ ﻧﺮماﻓﺰار‪3......................................................................................................................................‬‬
‫ﻧﻮار ﻣﻨﻮ‪3................................................................................................................................................................. :‬‬
‫ﻧﻮار اﺑﺰار‪3 ............................................................................................................................................................... :‬‬
‫ﺻﻔﺤﻪ ‪4 ............................................................................................................................................ Data View‬‬
‫ﻧﻮار آدرس‪4 ............................................................................................................................................................ :‬‬
‫ﺻﻔﺤﻪ ‪5 .................................................................................................................................... Variable View‬‬
‫دﻛﻤﻪ ﺗﻌﻮﻳﺾ ﺻﻔﺤﻪ‪5............................................................................................................................................. :‬‬
‫ﻧﻮار وﺿﻌﻴﺖ ‪5......................................................................................................................................................... :‬‬
‫ﻧﺤﻮه ﺑﺎز ﻛﺮدن و ذﺧﻴﺮه ﻛﺮدن ‪5.............................................................................................................................. :‬‬
‫ﺗﻤﺮﻳﻦ‪5 ................................................................................................................................................................... :‬‬
‫‪ -2-1‬وارد ﻛﺮدن داده ﻫﺎ در ‪6 .................................................................................................................... : SPSS‬‬
‫ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ در ‪7..................................................................................................................................... :SPSS‬‬
‫ﻣﺸﺨﺼﻪ ‪7 ................................................................................................................................................... :Name‬‬
‫ﻣﺸﺨﺼﻪ ‪7.....................................................................................................................................................:Type‬‬
‫ﻣﺸﺨﺼﻪ ‪Width‬و‪8 ............................................................................................................................ :Decimals‬‬
‫ﻣﺸﺨﺼﻪ ‪8 ....................................................................................................................................................:Label‬‬
‫ﻣﺸﺨﺼﻪ ‪9................................................................................................................................................. :Values‬‬
‫ﻣﺸﺨﺼﻪ ‪9 ...............................................................................................................................................:Missing‬‬
‫ﻣﺸﺨﺼﻪ ‪10.......................................................................................................................................... :Columns‬‬
‫ﻣﺸﺨﺼﻪ ‪10..................................................................................................................................................:Align‬‬
‫ﻣﺸﺨﺼﻪ ‪10........................................................................................................................................... :Measure‬‬
‫ﻣﺸﺨﺼﻪ ‪10.....................................................................................................................................................Role‬‬
‫ﻓﺼﻞ دوم ‪14...................................................................................................................................‬‬
‫آﻣﺎر ﺗﻮﺻﻴﻔﻲ در ‪14.............................................................................................................. SPSS‬‬
‫‪ 1-2‬ﻣﻘﺪﻣﻪ ‪14...........................................................................................................................................................‬‬
‫‪ 2-2‬ﺧﻼﺻﻪ ﻛﺮدن و ﺗﻮﺻﻴﻒ اﻟﮕﻮي ﻛﻠﻲ‪15..........................................................................................................:‬‬
‫‪ 1-2-2‬داده ﻫﺎي ﻛﻴﻔﻲ )‪15................................................................................................:(Categorical Data‬‬
‫‪ 2-2-2‬داده ﻫﺎي ﻋﺪدي )‪21................................................................................................. (Numerical Data‬‬
‫‪ 3-2-2‬ﻣﺤﺎﺳﺒﻪ ﺷﺎﺧﺼﻬﺎي آﻣﺎري‪31....................................................................................................................... :‬‬
‫‪-‬ﺷﺎﺧﺼﻬﺎي ﻣﺮﻛﺰي‪31............................................................................................................................................ :‬‬

‫ﺷﺎﺧﺼﻬﺎي ﭘﺮاﻛﻨﺪﮔﻲ‪32..........................................................................................................................................:‬‬
‫ﻧﻤﻮدار ‪35...............................................................................................................................................Box plot‬‬
‫‪ 4-2-2‬ﭼﻨﺪ ﻧﻤﻮدار ﻣﻬﻢ و ﻛﺎرﺑﺮدي دﻳﮕﺮ‪38...........................................................................................................:‬‬
‫ﻓﺼﻞ ﺳﻮم ‪42...................................................................................................................................‬‬
‫دﺳﺘﻮرﻫﺎﻳﻲ ﺑﺮاي دﺳﺖﻛﺎري دادهﻫﺎ در ‪42.......................................................................... SPSS‬‬
‫‪ 1-3‬دﺳﺘﻮر ‪42............................................................................................................................... Select Cases‬‬
‫ﺗﻤﺮﻳﻦ‪44................................................................................................................................................................. :‬‬
‫‪ 2-3‬دﺳﺘﻮر ‪44...................................................................................................................................... Split File‬‬
‫ﺗﻤﺮﻳﻦ‪45................................................................................................................................................................. :‬‬
‫‪ 3-3‬دﺳﺘﻮر ‪46...........................................................................................................................: Weight Cases‬‬
‫ﺗﻤﺮﻳﻦ‪48................................................................................................................................................................. :‬‬
‫‪ 4-3‬دﺳﺘﻮر ‪49...................................................................................................................................... Compute‬‬
‫ﺗﻤﺮﻳﻦ‪50................................................................................................................................................................. :‬‬
‫‪ 5-3‬دﺳﺘﻮر ‪50............................................................................................................................ :Count Values‬‬
‫‪ 6-3‬دﺳﺘﻮر ‪52........................................................................................................................................ : Recode‬‬
‫‪ 1-6-3‬ﺟﺪول ﻓﺮاواﻧﻲ ﺑﺮاي ﺻﻔﺎت ﻛﻤﻲ ﭘﻴﻮﺳﺘﻪ)دﺳﺘﻮر ‪52.....................................................................:(Recode‬‬
‫‪ 2-6-3‬ﻣﻌﻜﻮس ﻛﺮدن اﻣﺘﻴﺎزات)دﺳﺘﻮر ‪54............................................................................................. :(Recode‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم ‪56................................................................................................................................‬‬
‫آزﻣﻮن ﻓﺮض آﻣﺎري ‪56...................................................................................................................‬‬
‫‪ 1-4‬ﻣﻘﺪﻣﻪ ‪56...........................................................................................................................................................‬‬
‫‪ 2-4‬ﻓﺮض ﺻﻔﺮ و ﻓﺮض ﻣﻘﺎﺑﻞ ‪57..............................................................................................................................‬‬
‫‪ 3-4‬ﺳﻄﺢ ﻣﻌﻨﻲ داري و ﺧﻄﺎﻫﺎي آﻣﺎري‪57...............................................................................................................‬‬
‫‪ 4-4‬ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي آﻣﺎره ‪59...............................................................................................................................‬‬
‫‪ 5-4‬آزﻣﻮن ﻓﺮض ﻳﻚ ﻃﺮﻓﻪ و دو ﻃﺮﻓﻪ ‪59................................................................................................................‬‬
‫‪ 6-4‬ﻣﺮاﺣﻞ ﻛﻠﻲ آزﻣﻮن ﻓﺮض آﻣﺎري‪60...................................................................................................................‬‬
‫‪ 7-4‬ﻣﺎﻫﻴﺖ ‪61........................................................................................................................................ P-Value‬‬
‫آزﻣﻮن ‪61............................................................................................................................................... P-Value‬‬
‫‪ 8-4‬آزﻣﻮن آﻣﺎري ﺑﺮاي ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ – آزﻣﻮن ‪ t‬ﺗﻚﻧﻤﻮﻧﻪاي ‪62...........................................................................‬‬
‫‪ 9-4‬آزﻣﻮن آﻣﺎري ﺑﺮاي ﻧﺴﺒﺖ ﺟﺎﻣﻌﻪ – آزﻣﻮن دوﺟﻤﻠﻪاي ‪64...................................................................................‬‬
‫‪ 10-4‬آزﻣﻮن اﺧﺘﻼف ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي دو ﺟﺎﻣﻌﻪ ﻣﺴﺘﻘﻞ – آزﻣﻮن ‪-t‬دو ﻧﻤﻮﻧﻪ ﻣﺴﺘﻘﻞ ‪66.............................................‬‬
‫‪ 11-4‬آزﻣﻮن اﺧﺘﻼف ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي دو ﺟﺎﻣﻌﻪ واﺑﺴﺘﻪ – آزﻣﻮن ‪ t‬زوﺟﻲ ‪70.............................................................‬‬
‫ﺗﻤﺮﻳﻦ‪73................................................................................................................................................................. :‬‬
‫ﺿﻤﻴﻤﻪ‪76........................................................................................................................................‬‬
‫ﺗﻤﺮﻳﻨﺎت ﺗﻜﻤﻴﻠﻲ‪76...................................................................................................................................................‬‬
‫ﺗﻬﻴﻪ و ﺗﻨﻈﻴﻢ‪ :‬ﻣﻬﺪي اﻛﺒﺮزاده‬ ‫آﻣﻮزش ﻧﺮماﻓﺰار آﻣﺎري ‪SPSS 19‬‬
‫ﭘﻴﺸﮕﻔﺘﺎر‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﭘﻴﺸﺮﻓﺖ ﺳﺮﻳﻊ ﻋﻠﻢ و اﻓﺰاﻳﺶ درك ﻣﺤﻘﻘﻴﻦ از رﺷﺘﻪ ﺧﻮد‪ ،‬ﻋﻠﻮم ﻣﺨﺘﻠﻒ در ﺣﺎل ﭘﻴﻮﻧﺪ ﺧـﻮردن‬
‫ﺑﺎ ﻳﻜﺪﻳﮕﺮﻧﺪ و ﻣﺤﻘﻘﻴﻦ اﻣﺮوزي ﺑﻪ ﺧﻮﺑﻲ ﻣﻲداﻧﻨﺪ ﻛﻪ اﺷﺮاف ﻛﺎﻣﻞ آﻧﻬﺎ ﺑﺮ ﻋﻠﻢ ﺧﻮد ﺑﻪ ﺗﻨﻬﺎﻳﻲ راهﮔﺸﺎ ﻧﻴﺴـﺖ و‬
‫در راه ﮔﺴﺘﺮش و ﺗﻌﻤﻴﻢ ﻳﻚ ﺑﺤﺚ در ﻳﻚ رﺷﺘﻪ ﺧﺎص ﺑﺪون ﺷﻚ ﺑﺎﻳﺪ ﺑﺎ ﻋﻠﻮم دﻳﮕﺮ ﻧﻴﺰ آﺷـﻨﺎ ﺑﺎﺷـﻨﺪ‪ .‬ﻳﻜـﻲ از‬
‫ﻋﻠﻮﻣﻲ ﻛﻪ ﭘﻴﻮﻧﺪ ﻣﺤﻜﻤﻲ ﺑﺎ ﺳﺎﻳﺮ ﻋﻠﻮم دارد‪ ،‬ﻋﻠﻢ "آﻣﺎر" اﺳﺖ‪ .‬ﺑﻪﻃﻮري ﻛﻪ ﺑﺮﺧﻲ از ﻣﺤﻘﻘﻴﻦ ﺳﺮﺷﻨﺎس ﺑـﺮ اﻳـﻦ‬
‫اﻋﺘﻘﺎدﻧﺪ ﻛﻪ داﻧﺴﺘﻦ ﻋﻠﻢ ﺧﻮد‪ ،‬ﺑﺪون داﻧﺴﺘﻦ ﻋﻠﻢ آﻣﺎر‪ ،‬ﻛﺎري از ﭘﻴﺶ ﻧﻤﻲﺑﺮﻧﺪ و ﻫﻤﻮاره ﺷﻌﺎر آﻧﻬﺎ اﻳﻦ اﺳﺖ ﻛﻪ‬
‫ﻋﻠﻢ آﻣﺎر‪ ،‬ﻋﻠﻢ اﻧﺠﺎم ﻋﻠﻮم دﻳﮕﺮ اﺳﺖ‪ .‬ﻫﻤﺎنﻃﻮر ﻛﻪ رﺳﻴﺪن ﺑﻪ ﻣﻘﺼﺪي ﺧـﺎص ﻣﺴـﺘﻠﺰم داﻧﺴـﺘﻦ روش ﭘﻴﻤـﻮدن‬
‫ﻣﺴﻴﺮ اﺳﺖ‪ ،‬ﻃﻲ ﻧﻤﻮدن ﻣﺴﻴﺮ ﺗﺤﻘﻴﻖ ﻧﻴﺰ ﺑﺪون داﻧﺴﺘﻦ آﻣﺎر و روش ﺗﺤﻘﻴﻖ اﻣﻜﺎنﭘﺬﻳﺮ ﻧﻴﺴﺖ‪.‬‬
‫ﻫﻤﻮاره ﭘﺲ از اﺗﻤﺎم ﻣﺮاﺣﻞ اوﻟﻴﻪ ﭘﮋوﻫﺶ‪ ،‬ﭘﮋوﻫﺸﮕﺮ ﺑﺎ اﻧﺒﻮﻫﻲ از دادهﻫﺎ ﺳـﺮوﻛﺎر دارد ﻛـﻪ ﻣـﻲﺧﻮاﻫـﺪ از‬
‫آﻧﻬﺎ اﻃﻼﻋﺎت ﻣﻮرد ﻧﻈﺮ را اﺳﺘﺨﺮاج ﻛﻨﺪ‪ .‬راه اﺳﺘﺨﺮاج اﻃﻼﻋﺎت از دادهﻫﺎي ﺧﺎم را ﻋﻠﻢ آﻣﺎر ﺑﻪ ﻣـﺎ ﻣـﻲآﻣـﻮزد‪.‬‬
‫ﺑﻪ ﻋﺒﺎرﺗﻲ ﻓﺮآﻳﻨﺪ ﺗﺤﻠﻴﻞ آﻣﺎري ﻛﻤﻚ ﻣﻲﻛﻨﺪ ﺗﺎ ﭘﮋوﻫﺸﮕﺮ ﺑﺘﻮاﻧﺪ از داده ﻫﺎي اوﻟﻴﻪ‪ ،‬اﻃﻼﻋﺎت ﻣﻮرد ﻧﻴﺎز ﺧﻮد را‬
‫اﺳﺘﺨﺮاج ﻛﻨﺪ و در ﺻﻮرت ﻟﺰوم ﻧﺘﺎﻳﺞ را ﺗﻌﻤﻴﻢ دﻫﺪ‪ .‬اﻣﺎ اﻧﺠﺎم ﺗﺤﻠﻴﻞ آﻣﺎري‪ ،‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﭘﻴﭽﻴﺪﮔﻲ ﻓﺮﻣـﻮلﻫـﺎ و‬
‫ﻗﻀﺎﻳﺎي آﻣﺎري‪ ،‬ﺑﻪﻃﻮر دﺳﺘﻲ ﻗﺎﺑﻞ اﻧﺠﺎم ﻧﻴﺴﺖ و ﻣﺤﻘﻖ ﺑﺎﻳﺪ از ﻧﺮماﻓﺰارﻫﺎي آﻣﺎري ﻛﻤﻚ ﺑﮕﻴﺮد‪ ،‬ﺗﺎ اﻳﻦ ﻛـﺎر را‬
‫اﻧﺠﺎم دﻫﺪ‪ .‬ﻟﺬا ﻣﻲ ﺗﻮان ﮔﻔﺖ در ﺑﻪ اﻧﺠﺎم رﺳﺎﻧﺪن ﺻﺤﻴﺢ ﻳـﻚ ﭘـﮋوﻫﺶ‪ ،‬روش ﺗﺤﻘﻴـﻖ‪ ،‬ﻋﻠـﻢ آﻣـﺎر و ﻧـﺮماﻓـﺰار‬
‫آﻣﺎري ﺳﻪ ﺿﻠﻊ ﻣﺜﻠﺚ ﺗﺤﻘﻴﻖ را ﺗﺸﻜﻴﻞ ﻣﻲدﻫﻨﺪ ﻛﻪ ﺑﺪون داﻧﺴﺘﻦ ﺣﺘﻲ ﻳﻜﻲ از آﻧﻬﺎ‪ ،‬اﻧﺠﺎم ﭘﮋوﻫﺶ اﻣﻜـﺎنﭘـﺬﻳﺮ‬
‫ﻧﻴﺴﺖ‪.‬‬
‫اﻣﺮوزه اﻧﻮاع ﻧﺮم اﻓﺰارﻫﺎي آﻣﺎري ﻣﻮﺟﻮدﻧﺪ ﻛﻪ ﻗﺎدرﻧﺪ ﺗﺤﻠﻴﻞﻫﺎي آﻣﺎري را اﻧﺠﺎم دﻫﻨﺪ‪ ،‬ﺑﺮﺧﻲ از ﻣﻬﻤﺘﺮﻳﻦ‬
‫اﻳﻦ ﻧﺮم اﻓﺰارﻫﺎ ﻋﺒﺎرﺗﻨﺪ از ‪ SAS ،R ،MINITAB ،S-plus ،SPSS :‬و ‪ . . . .‬ﻛﻪ اﻟﺒﺘﻪ ﺑﻨﺎ ﺑﺮ ﻗﺎﺑﻠﻴﺖﻫـﺎي آﻧﻬـﺎ‪،‬‬
‫ﻫﺮ ﻳﻚ در رﺷﺘﻪاي ﺑﺨﺼﻮص راﻳﺞ ﺷﺪهاﻧﺪ و ﻫﺮ ﻛﺎرﺑﺮ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻛﺎرﺑﺮد آﻣﺎر در رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ ﺧـﻮد ﻳﻜـﻲ را‬
‫اﻧﺘﺨﺎب ﻣﻲ ﻛﻨﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﻣﺤﻘﻘﻴﻦ در رﺷﺘﻪ ﻛﺸﺎورزي از ﺑﺮﻧﺎﻣﻪ ‪ SAS‬ﺑﻴﺸﺘﺮ ﺑﻬﺮه ﻣﻲ ﺑﺮﻧﺪ و ﻳـﺎ اﻓـﺮادي ﻛـﻪ در‬
‫رﺷﺘﻪ ﻫﺎي ﻣﻬﻨﺪﺳﻲ ﺻﻨﺎﻳﻊ در ﺣﺎل ﺗﺤﻘﻴـﻖ و ﭘـﮋوﻫﺶ ﻫﺴـﺘﻨﺪ از ﺑﺮﻧﺎﻣـﻪ ‪ MINITAB‬ﺑـﺮاي اﻧﺠـﺎم ﭘـﺮوژه ﻫـﺎي‬
‫ﺻﻨﻌﺘﻲ ﺧﻮد اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻨﺪ‪ ،‬ﻳﺎ ﻣﺤﻘﻘﻴﻦ آﻣﺎري از ﺑﺮﻧﺎﻣﻪﻫﺎي ‪ R‬و ‪ S-plus‬اﺳﺘﻔﺎده ﻣﻲﻛﻨﻨﺪ‪.‬‬
‫اﻣﺎ ﭼﺮا ‪ SPSS‬؟‬
‫‪ (Statistical Package for Social Sciences) SPSS‬ﻳﻜﻲ از ﺗﻮاﻧﺎﺗﺮﻳﻦ و ﺟﺎﻣﻊ ﺗﺮﻳﻦ ﻧﺮم اﻓﺰارﻫـﺎي‬
‫آﻣﺎري اﺳﺖ ﻛﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺳﺎدﮔﻲ ﻛﺎر و ﺳﺎﻳﺮ ﺧﺼﻮﺻﻴﺎت ﺑـﺎرز آن‪ ،‬اﻣـﺮوزه ﭘﺮﻛـﺎرﺑﺮدﺗﺮﻳﻦ ﻧـﺮم اﻓـﺰار آﻣـﺎري‬
‫ﻣﺤﺴﻮب ﻣﻲﺷﻮد‪ .‬ﻫﻤﺎنﻃﻮر ﻛﻪ از ﻧﺎم اﻳﻦ ﻧﺮم اﻓـﺰار ﻣﺸـﺨﺺ اﺳـﺖ‪ ،‬از اﺑﺘـﺪا اﻳـﻦ ﻧـﺮم اﻓـﺰار ﺑـﺮاي رﺷـﺘﻪ ﻋﻠـﻮم‬
‫اﺟﺘﻤﺎﻋﻲ ﻃﺮاﺣﻲ ﺷﺪه ﺑﻮد‪ ،‬اﻣﺎ ﺑﻪ ﻣﺮور زﻣﺎن و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻴﺎزﻫﺎي ﻣﻄﺮح ﺷﺪه در ﺳﺎﻳﺮ ﻋﻠﻮم اﻳﻦ ﻧﺮم اﻓﺰار ﻛﺎﻣﻞ و‬
‫‪١‬‬
‫ﻛﺎﻣﻞﺗﺮ ﺷﺪه اﺳﺖ و در ﺣﺎل ﺣﺎﺿﺮ ﻛﻠﻴﻪ ﻣﺤﻘﻘﻴﻦ در رﺷﺘﻪ ﻫﺎي ﻋﻠﻮم اﺟﺘﻤﺎﻋﻲ‪ ،‬ﻋﻠـﻮم ﭘﺰﺷـﻜﻲ‪ ،‬ﻋﻠـﻮم ﺗﺮﺑﻴﺘـﻲ‪،‬‬
‫روانﺷﻨﺎﺳﻲ‪،‬ﻛﺸﺎوزي و ‪ . . .‬در ﺣﺎل اﺳﺘﻔﺎده از اﻳﻦ ﻧﺮم اﻓﺰار ﻫﺴﺘﻨﺪ و در اﻳﻦ ﻟﺤﻈﻪ ﻛﻪ ﺷﻤﺎ ﺗﺼﻤﻴﻢ ﺑﻪ ﻓﺮاﮔﻴـﺮي‬
‫اﻳﻦ ﻧﺮم اﻓﺰار آﻣﺎري ﮔﺮﻓﺘﻪ اﻳﺪ‪ ،‬وﻳﺮاﻳﺶ ‪ 19‬اﻳﻦ ﻧﺮم اﻓﺰار در ﻛﺸﻮرﻣﺎن ﺑﻪﻃﻮر ﻛﺎﻣﻞ ﻣﻮﺟﻮد ﺑﻮده و ﻣﺎ ﻧﻴﺰ ﺑﺎ ﻫﻤﻴﻦ‬
‫وﻳﺮاﻳﺶ ﻛﺎر ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬
‫اﻣﻴﺪ اﺳﺖ ﺗﺎ ﺑﺎ ﻣﻄﺎﻟﻌﻪ اﻳﻦ ﺟﺰوه ﻗﺴﻤﺘﻲ از ﻣﺸﻜﻼت ﺷﻤﺎ ﻣﺤﻘﻖ ﮔﺮاﻣﻲ از ﻣﻴﺎن ﺑﺮداﺷﺘﻪ ﺷﻮد‪ .‬اﻟﺒﺘﻪ ﺟﺎي ﻫﻴﭻ‬
‫ﺷﻜﻲ ﻧﻴﺴﺖ ﻛﻪ اﻳﻦ اﺛﺮ ﺧﺎﻟﻲ از اﺷﻜﺎل ﻧﻴﺴﺖ و ﻧﻮﻳﺴﻨﺪه ﻫﺮﮔﻮﻧﻪ اﺻﻼح و ﭘﻴﺸﻨﻬﺎد را ﺑﺎ ﻛﻤﺎل ﻣﻴﻞ ﭘﺬﻳﺮاﺳﺖ‪ .‬ﻟﺬا‬
‫ﺧﺎﻟﻲ از ﻟﻄﻒ ﻧﻴﺴﺖ ﻛﻪ ﻣﻮارد را از ﻃﺮﻳﻖ اﻳﻤﻴﻞ ﺑﺎ ﻧﻮﻳﺴﻨﺪه در ﻣﻴﺎن ﺑﮕﺬارﻳﺪ‪.‬‬
‫‪Email: akbarzadeh.ms@gmail.com‬‬
‫ﺑﺎ ﺗﺸﻜﺮ و اﺣﺘﺮام‬

‫ﻣﻬﺪي اﻛﺒﺮزاده‬
‫ﺗﺎﺑﺴﺘﺎن ‪1390‬‬
‫‪٢‬‬
‫ﻓﺼﻞ اول‬
‫ﻣﺮوري ﺑﺮ ﻧﺮماﻓﺰار ‪SPSS‬‬
‫در اﻳﻦ ﺑﺨﺶ ﻗﺴﻤﺖﻫﺎي ﻣﺘﻔﺎوت ﻧﺮماﻓﺰار ‪ SPSS‬را ﻣﻌﺮﻓﻲ ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬
‫‪1‬ـ ﺷﺮوع ﻛﺎر ﺑﺎ ‪SPSS‬‬
‫ﭘـﺲ از ﻧﺼـﺐ ﻧـﺮماﻓـﺰار ‪ ،SPSS‬ﺑـﺮاي اﺟـﺮاي آن ﺑـﻪ ﻣﻨـﻮي ‪ Start‬ﺑﺮوﻳـﺪ و ﺑـﺮ آﻳﻜـﻮن ‪IBM SPSS‬‬
‫‪ Statistics 19‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬در اﻳﻦ ﻗﺴﻤﺖ ﺑﻪ ﻣﻌﺮﻓﻲ ﻣﺤﻴﻂ ﻧﺮماﻓﺰار و اﻋﻤﺎل ﻣﻘﺪﻣﺎﺗﻲ در آن‪ ،‬ﻣﻲﭘﺮدازﻳﻢ‪.‬‬
‫‪1‬ـ‪1‬ـ ﻣﻌﺮﻓﻲ ﻣﺤﻴﻂ ﻧﺮماﻓﺰار‬
‫ﭘﺲ از اﺟﺮاي ﻧﺮماﻓﺰار‪ ،‬ﺑﺎ ﭘﻨﺠﺮهاي ﺗﺤﺖ ﻋﻨﻮان ‪ IBM SPSS Statistics 19‬ﻣﻮاﺟﻪ ﺧﻮاﻫﻴﺪ ﺷﺪ‪ ،‬ﻛـﻪ ﺑـﺎ‬
‫اﻧﺘﺨﺎب دﻛﻤﻪ ‪ Cancel‬وارد ﭘﻨﺠﺮه اﺻﻠﻲ ‪ SPSS‬ﺧﻮاﻫﻴﺪ ﺷﺪ‪ .‬در اﻳﻦ ﺑﺨﺶ ﺑﻪ ﻣﻌﺮﻓﻲ اﺟﺰاي اﻳﻦ ﻣﺤﻴﻂ ﺧﻮاﻫﻴﻢ‬
‫ﭘﺮداﺧﺖ‪.‬‬
‫‪ -‬ﻧﻮار ﻋﻨﻮان‪:‬‬
‫ﺑﺮﻧﺎﻣﻪ ‪ SPSS‬ﻧﻴﺰ ﻣﺎﻧﻨﺪ ﺳﺎﻳﺮ ﻧﺮم اﻓﺰارﻫﺎي ﺗﺤﺖ ‪ Windows‬داراي ﻧﻮار ﻋﻨﻮان اﺳـﺖ ﻛـﻪ در آن ﻧـﺎم ﻓﺎﻳـﻞ‬
‫‪ SPSS‬را ﻣﺸﺎﻫﺪه ﻣﻲ ﻛﻨﻴﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﻓﺎﻳﻞ داده ﻫﺎي زﻳﺮ ﺑﻪ ﻧﺎم ‪ data.diabet‬ذﺧﻴﺮه ﺷﺪهاﺳﺖ‪:‬‬
‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﭘﺴﻮﻧﺪ ﻓﺎﻳﻞﻫﺎي داده در اﻳﻦ ﻧﺮماﻓﺰار ‪ .sav‬و ﭘﺴﻮﻧﺪ ﻓﺎﻳﻞﻫﺎي ﺧﺮوﺟﻲ ‪ .spv‬اﺳﺖ‪.‬‬
‫ﻧﻮار ﻣﻨﻮ‪:‬‬
‫ﻫﻤﺎنﻃﻮر ﻛﻪ در ﺷﻜﻞ زﻳﺮ ﻣﺸﺎﻫﺪه ﻣﻲ ﻛﻨﻴﺪ اﻳﻦ ﻧﻮار ﺷﺎﻣﻞ ﻣﻨﻮﻫﺎي زﻳﺎدي ﻣﻲ ﺑﺎﺷﺪ ﻛﻪ ﺑﻪ ﻣـﺮور زﻣـﺎن ﺑـﺎ‬
‫آﻧﻬﺎ آﺷﻨﺎ ﻣﻲﺷﻮﻳﺪ )ﻣﻬﻢﺗﺮﻳﻦ ﻣﻨﻮﻫﺎي اﻳﻦ ﻧﻮار‪ ،‬ﻣﻨﻮﻫﺎي ‪ Analyze‬و ‪ Graphs‬ﻣﻲ ﺑﺎﺷﻨﺪ( ‪:‬‬
‫ﻧﻮار اﺑﺰار‪:‬‬
‫اﻳﻦ ﻧﻮار در زﻳﺮ ﻧﻮار ﻣﻨﻮ ﻗﺮار دارد‪ .‬ﺑﺮ روي اﻳﻦ ﻧﻮار دﻛﻤﻪ ﻫﺎﻳﻲ ﺗﻌﺒﻴﻪ ﺷﺪه اﺳـﺖ ﻛـﻪ ﻗﺎﺑﻠﻴـﺖ دﺳﺘﺮﺳـﻲ ﺑـﻪ‬
‫ﺑﺮﺧﻲ اﻋﻤﺎل ﭘﺮﻛﺎرﺑﺮد را آﺳﺎنﺗﺮ ﻣﻲﻛﻨﺪ‪ .‬ﺑﻪ ﻣﺮور زﻣﺎن ﺑﺎ دﻛﻤﻪ ﻫﺎي اﻳﻦ ﻧﻮار آﺷﻨﺎ ﺧﻮاﻫﻴﺪ ﺷـﺪ‪ .‬در ﺷـﻜﻞ زﻳـﺮ‬
‫ﺑﻪ اﺟﻤﺎل دﻛﻤﻪ ﻫﺎي اﻳﻦ ﻧﻮار ﻣﻌﺮﻓﻲ ﺷﺪه اﻧﺪ‪:‬‬
‫‪٣‬‬
‫ذﺧﻴﺮه ﻛﺮدن ﻓﺎﻳﻞ‬ ‫دﺳﺘﻮر ‪Select Cases‬‬

‫رﻓﺘﻦ ﺑﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﺧﺎص‬
‫ﻓﺮاﺧﻮاﻧﻲ دﺳﺘﻮرﻫﺎي اﺧﻴﺮ‬
‫وارد ﻛﺮدن ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﻓﺮاﺧﻮاﻧﻲ اﻃﻼﻋﺎت ﻛﻠﻲ در‬
‫‪Redo‬‬ ‫ﻣﻮرد ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺑﺮرﺳﻲ‬
‫ﭘﺮﻳﻨﺖ ﻛﺮدن‬ ‫رﻓﺘﻦ ﺑﻪ ﻳﻚ ﻣﻮرد ﺧﺎص‬ ‫دﺳﺘﻮر‪Weigth cases‬‬

‫‪Undo‬‬ ‫وارد ﻛﺮدن ﻣﻮرد ﺟﺪﻳﺪ‬
‫دﺳﺘﻮر ‪Split File‬‬

‫ﺑﺎز ﻛﺮن ﻓﺎﻳﻞ داده‬ ‫ﻳﺎﻓﺘﻦ ﻣﺸﺎﻫﺪهاي ﺧﺎص‬
‫ﻣﺸﺎﻫﺪه ﺑﺮﭼﺴﺐ ﻣﺘﻐﻴﺮﻫﺎ‬
‫ﺻﻔﺤﻪ ‪Data View‬‬

‫اﻳﻦ ﺻﻔﺤﻪ ﻣﺨﺼﻮص وارد ﻛﺮدن داده ﻫﺎﺳﺖ‪ .‬ﻣﺎ ﺑﺎ اﻳﻦ ﺻﻔﺤﻪ ﺑﻪ دﻓﻌﺎت زﻳﺎد ﺑﺮ ﺧﻮاﻫﻴﻢ ﺧﻮرد‪ .‬در ﺻـﻔﺤﻪ‬
‫ﺑﻌﺪ ﺷﻜﻞ اﻳﻦ ﺻﻔﺤﻪ را آوردهاﻳﻢ‪.‬‬
‫ﻧﻮار آدرس‪:‬‬
‫در اﻳﻦ ﻧﻮار ﻣﻲ ﺗﻮاﻧﻴﺪ آدرس ﺳﻠﻮل ﻓﻌﺎل در ﺻﻔﺤﺔ ‪ Data View‬را ﻣﺸﺎﻫﺪه ﻛﻨﻴﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل در ﺷﻜﻞ زﻳﺮ‬
‫ﺳﻠﻮل ﻓﻌﺎل‪" ،‬ﻣﺸﺎﻫﺪه ﭼﻬﺎرم از ﻣﺘﻐﻴﺮ ‪ age‬اﺳﺖ ﻛﻪ ﻣﺸﺎﻫﺪة ‪ 78‬ﺑﺮاي آن ﺛﺒﺖ ﺷـﺪهاﺳـﺖ"‪ .‬در ﻧـﻮار آدرس ﻫـﻢ‬
‫ﻣﻲ ﺗﻮان اﻳﻦ ﺑﻴﺎن را ﻣﺸﺎﻫﺪه ﻛﺮد‪:‬‬
‫‪٤‬‬
‫ﺻﻔﺤﻪ ‪Variable View‬‬

‫اﻳﻦ ﺻﻔﺤﻪ ﻧﻴﺰ ﻫﻤﺎنﻃﻮر ﻛﻪ از ﻧﺎﻣﺶ ﭘﻴﺪاﺳﺖ ﻣﺨﺼﻮص وارد ﻛﺮدن ﻣﺘﻐﻴﺮﻫﺎﺳﺖ‪:‬‬
‫دﻛﻤﻪ ﺗﻌﻮﻳﺾ ﺻﻔﺤﻪ‪:‬‬

‫ﺑـﺎ اﺳـﺘﻔﺎده از اﻳـﻦ دﻛﻤـﻪ‪ ،‬و ﺑـﺎ اﻧﺘﺨـﺎب ﮔﺰﻳﻨـﻪ ﻣـﻮردﻧﻈﺮ‪ ،‬ﻣـﻲﺗﻮاﻧﻴـﺪ از ﺻـﻔﺤﻪ ‪ Data view‬ﺑـﻪ ﺻـﻔﺤﻪ‬
‫‪ Variable view‬و ﺑﺎﻟﻌﻜﺲ ﺑﺮوﻳﺪ‪.‬‬
‫ﻧﻮار وﺿﻌﻴﺖ ‪:‬‬

‫‪ SPSS‬ﻫﻤﻮاره وﺿﻌﻴﺖ ﺟﺎري ﺧﻮد را در ﻛﺎدري در ﭘﺎﻳﻴﻦ ﺻﻔﺤﻪ ﺑﻪ ﻧﺎم ﻧﻮار وﺿﻌﻴﺖ ﺑـﻪ اﻃـﻼع ﺷـﻤﺎ ﻣـﻲ‬
‫رﺳﺎﻧﺪ‪ ،‬ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪ ،‬زﻣﺎﻧﻲ ﺑﺮﻧﺎﻣﻪ ﺑﻪ ﺧﻮﺑﻲ ﻛﺎر ﺧﻮاﻫﺪ ﻛﺮد ﻛـﻪ ﻋﺒـﺎرت ‪ SPSS Processor is ready‬در اﻳـﻦ‬
‫ﻛﺎدر ﻧﻮﺷﺘﻪ ﺷﺪه ﺑﺎﺷﺪ‪.‬‬
‫ﻧﺤﻮه ﺑﺎز ﻛﺮدن و ذﺧﻴﺮه ﻛﺮدن ‪:‬‬

‫در اﻳﻦ ﻧﺮم اﻓﺰار ﻧﻴﺰ ﻣﺎﻧﻨﺪ ﺳﺎﻳﺮ ﻧﺮم اﻓﺰارﻫﺎي ﺗﺤﺖ ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ وﻳﻨﺪوز ﻣﻲﺗﻮان از ﻣﻨﻮي ‪ File‬وﮔﺰﻳﻨـﻪﻫـﺎي‬
‫‪ Open‬و ‪)Save‬ﻳﺎ …‪ ،(Save AS‬ﺑﻪ ﺗﺮﺗﻴﺐ‪ ،‬ﺑﺮاي ذﺧﻴﺮه و ﺑﺎز ﻛﺮدن ﻓﺎﻳﻞ اﻧﺠﺎم داد‪.‬‬
‫‪٥‬‬
‫ﺗﻤﺮﻳﻦ‪:‬‬
‫ﺑﻪ ﻋﻨﻮان ﺗﻤﺮﻳﻦ ﻓﺎﻳﻞ داده ‪ Employee Data.sav‬را از دادهﻫﺎي آﻣﻮزﺷﻲ‪ 1‬ﻧﺮم اﻓﺰار ‪ SPSS‬ﻛﻪ در راﻳﺎﻧﻪ‬
‫ﺷﻤﺎ ذﺧﻴﺮه اﺳﺖ را ﺑﺎز ﻛﺮده و ﻗﺴﻤﺖﻫﺎي ﻣﺨﺘﻠﻒ آن را ﺑﺮرﺳﻲ ﻛﻨﻴﺪ‪ .‬ﺳـﭙﺲ آن را در ﻣﺴـﻴﺮ دﻟﺨـﻮاه دﻳﮕـﺮي‬
‫ذﺧﻴﺮه ﻛﻨﻴﺪ‪.‬‬
‫‪ -2-1‬وارد ﻛﺮدن داده ﻫﺎ در ‪: SPSS‬‬
‫دادهﻫﺎي ﻳﻚ ﺗﺤﻘﻴﻖ ﺷﺎﻣﻞ اﻃﻼﻋﺎت ﺣﺎﺻﻞ از اﻧﺪازهﮔﻴﺮي ﭼﻨﺪ ﻣﺘﻐﻴﺮ از ﺗﻌﺪادي واﺣﺪ آزﻣﺎﻳﺸـﻲ ﺧﻮاﻫـﺪ‬
‫ﺑﻮد‪ .‬در اﻳﻨﺠﺎ ﻣﺘﻐﻴﺮﻫﺎ ﻣﻲ ﺗﻮاﻧﻨﺪ ﻣﻮاردي ﻣﺎﻧﻨﺪ وزن‪ ،‬ﻗﺪ‪ ،‬ﻓﺸﺎرﺧﻮن‪ ،‬ﮔـﺮوه ﺧـﻮﻧﻲ‪ ،‬ﺗﻌـﺪاد ﺗﺨـﺖ‪ ،‬ﻧـﻮع ژن و ‪. . .‬‬
‫ﺑﺎﺷﻨﺪ‪ .‬ﻫﻤﭽﻨﻴﻦ ﻳﻚ واﺣﺪ آزﻣﺎﻳﺸﻲ ﻣﻲﺗﻮاﻧﺪ ﻳﻚ اﻧﺴﺎن‪ ،‬ﻳﻚ ﺑﻴﻤﺎرﺳﺘﺎن‪ ،‬ﻳﻚ ﺣﻴـﻮان ﻳـﺎ ‪ . . .‬ﺑﺎﺷـﺪ‪ .‬ﺑـﺮاي وارد‬
‫ﻛﺮدن ﻣﺸﺎﻫﺪات ﻣﺮﺑﻮط ﺑـﻪ ﻣﺘﻐﻴﺮﻫـﺎي واﺣـﺪﻫﺎي آزﻣﺎﻳﺸـﻲ‪ ،‬درﻧﻈـﺮ داﺷـﺘﻪ ﺑﺎﺷـﻴﺪ ﻛـﻪ در ﺻـﻔﺤﻪ ‪Data view‬‬
‫ﺳﺘﻮنﻫﺎ‪ ،‬ﻧﻤﺎﻳﻨﺪه ﻣﺘﻐﻴﺮﻫﺎي ﻣﻮرد ﺑﺤﺚ‪ ،‬ﺳـﻄﺮﻫﺎ ﻧﻤﺎﻳﻨـﺪه واﺣـﺪﻫﺎي ﻧﻤﻮﻧـﻪ اي و در ﻫـﺮ ﺳـﻄﺮ ﻣﻘـﺎدﻳﺮ ﻣﺸـﺎﻫﺪات‬
‫ﻣﺮﺑﻮﻃﻪ ﺛﺒﺖ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﻓﺮم اﻃﻼﻋﺎﺗﻲ زﻳﺮ ﺑﺮاي ﺑﺮرﺳﻲ وﺿﻌﻴﺖ ﺗﻐﺬﻳﻪ اي ﺑﻴﻤﺎران دﻳﺎﺑﺘﻲ اﺳﺖ‪ .‬ﻣـﻲﺧـﻮاﻫﻴﻢ اﻃﻼﻋـﺎت ﺣﺎﺻـﻞ از‬
‫اﻳﻦ ﻓﺮم را در ﻧﺮماﻓﺰار ‪ SPSS‬وارد ﻛﻨﻴﻢ‪ .‬ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻛﻪ اﻳﻦ ﻓﺮم ﺷﺎﻣﻞ ‪ 11‬ﻣﺘﻐﻴﺮ اﺳﺖ)ﭼﺮا؟(‪.‬‬
‫در ﺷﻜﻞ زﻳﺮ اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﺪادي ﺑﻴﻤـﺎر‪ ،‬در ﻧـﺮماﻓـﺰار ‪ SPSS‬وارد ﺷـﺪهاﺳـﺖ‪ .‬در ﻧﻬﺎﻳـﺖ در اﻳـﻦ‬
‫ﺑﺨﺶ ﻣﻲﺧﻮاﻫﻴﻢ ﺷﻤﺎ ﻧﻴﺰ ﺑﺘﻮاﻧﻴﺪ دادهﻫﺎ را اﻳﻨﮕﻮﻧﻪ وارد ‪ SPSS‬ﻛﻨﻴﺪ‪.‬‬
‫‪ - 1‬اﻳﻦ دادهﻫﺎي آﻣﻮزﺷﻲ ﭘﺲ از ﻧﺼﺐ ﻧﺮماﻓﺰار ‪ ،SPSS‬در دراﻳﻮ ‪ C‬ذﺧﻴﺮه ﻣﻲﺷﻮﻧﺪ ‪.‬‬
‫‪٦‬‬
‫ﺑﻪﻃﻮر ﻛﻠﻲ وارد ﻛﺮدن دادهﻫﺎ در ‪ SPSS‬ﺷﺎﻣﻞ دو ﮔﺎم اﺳﺎﺳﻲ اﺳﺖ‪:‬‬

‫‪ -2‬ورود دادهﻫﺎ‬ ‫‪ -1‬ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ‬
‫ورود دادهﻫﺎ در ‪ ،SPSS‬در ﻗﺴـﻤﺖ ‪ Data View‬ﺑﺴـﻴﺎر راﺣـﺖ اﺳـﺖ‪ .‬ﺑـﺎ وارد ﻛـﺮدن ﻫـﺮ ﻣﺸـﺎﻫﺪه‬
‫ﻣﺮﺑﻮط ﺑﻪ ﻳﻚ ﻣﺘﻐﻴﺮ و ﻓﺸﺮدن دﻛﻤﻪ ‪ Enter‬ﻣﻲﺗﻮان دادهﻫـﺎي ﻫـﺮ ﻣﺘﻐﻴـﺮ را وارد ﻛـﺮد‪ .‬ﻗـﺪم اول ﻛـﻪ‬
‫ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎﺳﺖ و ﭘﺎﻳﻪ و اﺳﺎس ﮔﺎم ﺑﻌﺪي‪ ،‬ﻳﻌﻨﻲ ورود دادهﻫﺎ‪ ،‬اﺳﺖ‪.‬‬
‫ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ در ‪:SPSS‬‬

‫ﺑــﺮاي ﺗﻌﺮﻳــﻒ ﻣﺘﻐﻴﺮﻫــﺎ اﺑﺘــﺪا روي ﻋﺒــﺎرت ‪ Variable view‬در ﻧــﻮار زﻳــﺮ ﻛﻠﻴــﻚ ﻛﻨﻴــﺪ و وارد ﺻــﻔﺤﻪ‬
‫‪ Variable view‬ﺷﻮﻳﺪ‪.‬‬
‫ﺑﺎ رﻓﺘﻦ ﺑﻪ اﻳﻦ ﭘﻨﺠﺮه‪ ،‬ﺳﺘﻮنﻫﺎي ﺻﻔﺤﻪ ﻧﺮماﻓﺰار ﻣﺸﺨﺼﻪﻫﺎي ﻣﺘﻐﻴﺮ ﻣﻮردﻧﻈﺮ را ﻧﺸﺎن ﻣﻲدﻫـﺪ‪ ،‬ﻛـﻪ ﺗﻌﺮﻳـﻒ‬
‫ﻳﻚ ﻣﺘﻐﻴﺮ ﺑﻪ اﻳﻦ ﻧﺮماﻓﺰار ﺑﺎ ﻣﻌﺮﻓﻲ اﻳﻦ ﻣﺸﺨﺼﻪﻫﺎ از آن ﻣﺘﻐﻴﺮ ﺑﻪ ﻧﺮماﻓـﺰار اﻣﻜـﺎنﭘـﺬﻳﺮ اﺳـﺖ‪ .‬در اﻳـﻦ ﺑﺨـﺶ ﺑـﻪ‬
‫ﻣﻌﺮﻓﻲ اﻳﻦ ﻣﺸﺨﺼﻪﻫﺎ ﻣﻲﭘﺮدازﻳﻢ‪.‬‬
‫ﻣﺸﺨﺼﻪ ‪:Name‬‬
‫اوﻟﻴﻦ و اﺑﺘﺪاﻳﻲﺗﺮﻳﻦ ﻣﺸﺨﺼﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻪ ﺑﺎﻳﺪ ﺑﻪ ﻧﺮماﻓﺰار ﻣﻌﺮﻓﻲ ﺷﻮد‪ ،‬ﻧﺎم آن ﻣﺘﻐﻴﺮ اﺳﺖ‪ .‬ﻧﺎم ﻣﺘﻐﻴﺮ ﻣـﻮرد‬
‫ﻧﻈﺮ را ﺑﺎﻳﺪ ﻃﻮري اﻧﺘﺨﺎب ﻛﻨﻴﺪ ﻛـﻪ در ﻣﺮاﺟﻌـﺎت ﺑﻌـﺪي ﺑـﻪ ﻓﺎﻳـﻞ دادهﻫـﺎ دﭼـﺎر ﺳـﺮدرﮔﻤﻲ ﻧﺸـﻮﻳﻢ‪ .‬ﻫﻤﭽﻨـﻴﻦ‬
‫ﺣﻮاﺳﻤﺎن ﺑﺎﺷﺪ ﻛﻪ دادن ﻧﺎم ﺑﻪ ﻣﺘﻐﻴـﺮ در ‪ SPSS‬ﺷـﺎﻣﻞ ﻳﻜﺴـﺮي ﻣﺤـﺪودﻳﺖﻫـﺎﻳﻲ اﺳـﺖ و در ﺻـﻮرت رﻋﺎﻳـﺖ‬
‫ﻧﻜﺮدن آﻧﻬﺎ ﺑﺎ ﭘﻴﺎم ﺧﻄﺎﻳﻲ از ﺳﻮي ﻧﺮماﻓﺰار ﻣﻮاﺟﻪ ﺧﻮاﻫﻴﺪ ﺷﺪ‪ .‬ﺑـﺮاي ﻣﺜـﺎل ﻧـﺎم ﻣﺘﻐﻴـﺮ ﺷـﺎﻣﻞ ﻛـﺎراﻛﺘﺮ "ﻓﺎﺻـﻠﻪ"‬
‫ﻧﻤﻲﺷﻮد‪ ،‬ﻳﺎ ﺑﺎ "ﻋﺪد" ﺷﺮوع ﻧﻤﻲﺷﻮد‪ .‬ﺣﺎل ﺳﻌﻲ ﻛﻨﻴﺪ ﺑﺮاي ‪ 11‬ﻣﺘﻐﻴﺮ ﻣﺮﺑﻮط ﺑـﻪ ﻓـﺮم اﻃﻼﻋـﺎﺗﻲ ﺑﻴﻤـﺎران دﻳـﺎﺑﺘﻲ‬
‫ﻧﺎﻣﻲ اﻧﺘﺨﺎب ﻛﻨﻴﺪ و آﻧﻬﺎ را وارد ‪ SPSS‬ﻛﻨﻴﺪ‪.‬‬
‫‪٧‬‬
‫ﻣﺸﺨﺼﻪ ‪:Type‬‬
‫اﻳﻦ ﻣﺸﺨﺼﻪ ﻧﻮع ﻛﺎراﻛﺘﺮي را ﻣﺸﺨﺺ ﻣﻲﻛﻨﺪ ﻛﻪ ﻛﺎرﺑﺮ ﻣﻲﺧﻮاﻫﺪ از آن ﺑﺮاي ورود دادهﻫﺎي ﻣﺮﺑـﻮط ﺑـﻪ‬
‫ﻣﺘﻐﻴﺮ ﻣﻮردﻧﻈﺮ در ﺻﻔﺤﻪ ‪ Data view‬اﺳﺘﻔﺎده ﻛﻨﺪ‪ .‬در ﺑﻴﻦ اﻧﻮاع ﺣﺎﻟﺖﻫﺎي اﻳﻦ ﻣﺸﺨﺼﻪ‪ ،‬دو ﻧﻮع ‪ Numeric‬و‬
‫‪ String‬ﺑﻴﺸﺘﺮ ﻣﻮرد اﺳﺘﻔﺎده اﺳﺖ‪ .‬ﻧﻮع ‪ Numeric‬ﺑﺮاي ﻛﺎراﻛﺘﺮﻫﺎي ﻋﺪدي و ‪ String‬ﺑﺮاي ﻛﺎراﻛﺘﺮﻫﺎي ﺣﺮﻓﻲ‬
‫اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪.‬‬
‫ﺑﺮاي ورود دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﻴﺮﻫـﺎي ﻋـﺪدي)ﻣﺎﻧﻨـﺪ وزن و ﻗـﺪ( ﺗﻨﻬـﺎ از ﻛﺎراﻛﺘﺮﻫـﺎي ﻋـﺪدي اﺳـﺘﻔﺎده‬
‫ﻣﻲﻛﻨﻴﻢ‪ .‬ﻟـﺬا ﻣﺸﺨﺼـﻪ ‪ Type‬ﺑـﺮاي اﻳـﻦ ﻧـﻮع ﻣﺘﻐﻴﺮﻫـﺎ ﻧـﺎﮔﺰﻳﺮ ‪ Numeric‬ﺧﻮاﻫـﺪ ﺑـﻮد‪ .‬ﺑـﺮاي ورود دادهﻫـﺎي‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻣﺎﻧﻨﺪ "ﻧﺎم ﺑﻴﻤﺎر" ﺗﻨﻬﺎ ﻣﻲﺗﻮان از ﻛﺎراﻛﺘﺮﻫﺎي ﺣﺮﻓﻲ اﺳﺘﻔﺎده ﻛﺮد‪ .‬ﻟﺬا ﻣﺸﺨﺼﻪ ‪ Type‬ﺑﺮاي اﻳـﻦ‬
‫ﻧﻮع ﻣﺘﻐﻴﺮﻫﺎ ﻧﺎﮔﺰﻳﺮ ‪ String‬ﺧﻮاﻫﺪ ﺑﻮد‪ .‬اﻣﺎ ﺑﺮاي ورود دادهﻫﺎي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻣﺎﻧﻨﺪ "ﺟﻨﺴﻴﺖ" ﻫﻢ ﻣﻲﺗـﻮان از‬
‫ﻛﺎراﻛﺘﺮﻫﺎي ﻋﺪدي و ﻫﻢ از ﻛﺎراﻛﺘﺮﻫﺎي ﺣﺮﻓﻲ اﺳﺘﻔﺎده ﻛﺮد‪ .‬ﻟﺬا ﻣﺸﺨﺼﻪ ‪ Type‬ﺑـﺮاي اﻳـﻦ ﻧـﻮع ﻣﺘﻐﻴﺮﻫـﺎ ﻫـﻢ‬
‫ﻣﻲ ﺗﻮاﻧﺪ ‪ Numeric‬ﺑﺎﺷﺪ و ﻫﻢ ﻣﻲ ﺗﻮاﻧﺪ ‪ String‬ﺑﺎﺷـﺪ‪ .‬ﺑـﺪﻳﻦ ﺻـﻮرت ﻛـﻪ اﮔـﺮ ‪ Type‬را ‪ Numeric‬اﻧﺘﺨـﺎب‬
‫ﻛﺮدﻳﺪ‪ ،‬ﺑﺎﻳﺪ از ﻛﺎراﻛﺘﺮﻫﺎي ﻋﺪدي )ﺑﺮاي ﻣﺜﺎل( ‪ 1‬و ‪ 2‬اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﺪ و در ﺗﻌﺮﻳـﻒ ﻣﺸﺨﺼـﻪﻫـﺎي ﺑﻌـﺪي اﻳـﻦ‬
‫ﻣﺘﻐﻴﺮ‪ ،‬ﻧﺤﻮه اﻳﻦ ﻛﺪﺑﻨﺪي )ﻛﺪ ‪ 1‬ﺑﺮاي ﻣﺮدان و ﻛﺪ ‪ 2‬ﺑﺮاي زﻧﺎن( را ﺑﻪ ﻧﺮماﻓـﺰار ﻣﻌﺮﻓـﻲ ﻣـﻲ ﻛﻨﻴـﺪ‪ ،‬و اﮔـﺮ ‪Type‬‬
‫آنرا ‪ String‬اﻧﺘﺨﺎب ﻛﺮدﻳﺪ‪ ،‬از ﻛﺎراﻛﺘﺮﻫﺎي ﺣﺮﻓﻲ )ﺑﺮاي ﻣﺜﺎل( ‪ male‬و ‪ female‬اﺳﺘﻔﺎده ﺧﻮاﻫﻴﺪ ﻛﺮد‪.‬‬
‫ﺣﺎل ﺳﻌﻲ ﻛﻨﻴﺪ ﻣﺸﺨﺼﻪ ‪ Type‬را ﺑﺮي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ در ﻣﺮﺣﻠﻪ ﻗﺒﻞ ﺗﻌﺮﻳﻒ ﻛﺮدﻳﺪ‪ ،‬ﻣﺸﺨﺺ ﻛﻨﻴﺪ‪.‬‬
‫ﻣﺸﺨﺼﻪ ‪Width‬و‪:Decimals‬‬
‫اﮔﺮ ﻧﻮع ﻣﺘﻐﻴﺮ ﻋﺪدي ﺑﺎﺷﺪ در اﻳﻦ دو ﺳـﺘﻮن ﺗﻌـﺪاد ﻛـﻞ ارﻗـﺎمِ ﻋـﺪد )‪ (Width‬و ﺗﻌـﺪاد رﻗـﻢﻫـﺎي اﻋﺸـﺎر‬
‫)‪ (Decimals‬را ﻣﻲ ﺗﻮان ﺗﻌﻴﻴﻦ ﻛﺮد‪.‬‬
‫‪٨‬‬
‫ﻣﺸﺨﺼﻪ ‪:Label‬‬
‫ﻫﻤﺎنﻃﻮر ﻛﻪ ﮔﻔﺘﻴﻢ‪ ،‬دادن ﻧﺎم ﻣﺘﻐﻴﺮﻫﺎ در ‪ SPSS‬داراي ﻣﺤـﺪودﻳﺖ اﺳـﺖ و در ﺻـﻮرﺗﻲﻛـﻪ ﻣﺎﻳـﻞ ﺑﺎﺷـﻴﻢ‬
‫ﻣﻲ ﺗﻮاﻧﻴﻢ در اﻳﻦ ﻗﺴﻤﺖ ﻳﻚ ﻋﻨﻮان ﻳﺎ ‪ Label‬ﺑﺮاي ﻣﺘﻐﻴﺮ ﻗﺮار ﺑﻨﻮﻳﺴﻴﻢ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﮔـﺮ ﻣﺘﻐﻴـﺮ ﻣـﻮرد ﺑﺮرﺳـﻲ‬
‫"ﻃﻮل ﻣﺪت ﺑﻴﻤﺎري" ﺑﺎﺷﺪ‪ ،‬ﻣﻲﺗﻮاﻧﻴﻢ در ﻗﺴﻤﺖ ‪ Label‬ﺗﺎﻳﭗ ﻛﻨﻴﻢ‪Duration of disease :‬‬
‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ اﮔﺮ ﺑﺮاي ﻣﺘﻐﻴﺮ‪ ،‬ﻋﻨﻮان ﺗﻌﺮﻳﻒ ﺷﻮد در ﺧﺮوﺟﻲﻫﺎي ‪ SPSS‬ﺑﻪ ﺟـﺎي ﻧـﺎم ﻣﺘﻐﻴـﺮ اﻳـﻦ‬
‫ﻋﻨﻮان ﻧﻤﺎﻳﺶ داده ﺧﻮاﻫﺪ ﺷﺪ در ﻏﻴﺮ اﻳﻦﺻﻮرت ﻧﺎم ﻣﺘﻐﻴﺮ ﺑﻪ ﻛﺎر ﺧﻮاﻫﺪ رﻓﺖ‪.‬‬
‫ﻣﺸﺨﺼﻪ ‪:Values‬‬
‫ﻫﻤﺎنﻃﻮر ﻛﻪ ﮔﻔﺘﻴﻢ‪ ،‬اﻣﺎ ﺑﺮاي ورود دادهﻫﺎي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ ﻣﺎﻧﻨﺪ "ﺟﻨﺴﻴﺖ" ﻫﻢ ﻣﻲ ﺗﻮان از ﻛﺎراﻛﺘﺮﻫﺎي‬
‫ﻋﺪدي و ﻫﻢ از ﻛﺎراﻛﺘﺮﻫﺎي ﺣﺮﻓﻲ اﺳﺘﻔﺎده ﻛﺮد و در ﺻﻮرﺗﻲ ﻛﻪ ‪ Type‬را ‪ Numeric‬اﻧﺘﺨﺎب ﻛﺮدﻳﺪ‪ ،‬ﺑﺎﻳـﺪ از‬
‫ﻛﺎراﻛﺘﺮﻫﺎي ﻋﺪدي )ﺑﺮاي ﻣﺜﺎل( ‪ 1‬و ‪ 2‬اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﺪ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﺮاي ﺗﻌﺮﻳﻒ ﻧﺤﻮه اﻳـﻦ ﻛﺪﺑﻨـﺪي )ﻛـﺪ ‪1‬‬
‫ﺑﺮاي ﻣﺮدان و ﻛﺪ ‪ 2‬ﺑﺮاي زﻧﺎن( ﺑﻪ ﻧﺮماﻓﺰار از اﻳﻦ ﺧﺼﻮﺻﻴﺖ اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﺑﺮاي اﺿﺎﻓﻪ ﻛﺮدن ﻳﻚ ﻣﻘﺪار و ﺑﺮﭼﺴﺐ ﻣﺮﺑﻮط ﺑﻪ آن ﻣﻄﺎﺑﻖ ﺗﺼﻮﻳﺮ زﻳﺮ ﻣﻘﺪار و ﺑﺮﭼﺴـﺐ را در ﻛﺎدرﻫـﺎي‬
‫ﻣﺮﺑﻮﻃﻪ ﺗﺎﻳﭗ ﻛﺮده و دﻛﻤﻪ ‪ Add‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪:‬‬
‫ﻣﺸﺨﺼﻪ ‪:Missing‬‬
‫در اﻳﻦ ﻗﺴﻤﺖ ﻧﺤﻮه ﻣﻌﺮﻓﻲ داده ﻫﺎي ﮔﻤﺸﺪه ﺑﻪ ‪ SPSS‬ﺗﻌﻴﻴﻦ ﻣﻲﺷﻮد‪ .‬اﻧﺘﺨﺎب ﮔﺰﻳﻨـﻪ اول ﺑـﻪ ﻣﻌﻨـﻲ ﻋـﺪم‬
‫ﺗﻌﺮﻳﻒ داده ﮔﻤﺸﺪه اﺳﺖ‪ .‬ﺑﺎ اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪ دوم ﻣﻴﺘﻮان ﭼﻨﺪ ﻣﻘﺪار ﻣﺸﺨﺺ را ﺑﺮاي ﻣﻌﺮﻓﻲ ﻳﻚ ﻣﻘـﺪار ﮔﻤﺸـﺪه‬
‫ﺗﻌﻴﻴﻦ ﻛﺮد‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﮔﺮ ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﺗﻌﺪاد واﺣـﺪ ﺑﺎﺷـﺪ ﻣـﻲﺗـﻮان از ﻣﻘـﺎدﻳﺮي ﻛـﻪ ﺧـﺎرج از داﻣﻨـﻪ‬
‫ﺗﻐﻴﻴﺮاتاﻧﺪ ﭼﻨﺪ ﻣﻘﺪار ﺑﺮاي ﻣﻌﺮﻓﻲ ﻣﻘﺎدﻳﺮ ﮔﻤﺸﺪه ﺗﻌﻴﻴﻦ ﻛﺮد)ﻣﺜﻼً ‪ 30‬ﻳﺎ ‪.( -1‬‬
‫‪٩‬‬
‫ﺑﺎ اﻧﺘﺨﺎب ﮔﺰﻳﻨﻪ ﺳﻮم ﻣﻲ ﺗﻮان ﻳﻚ ﺑﺎزه ﻋﺪدي را ﺑﺮاي ﻣﺸﺨﺺﻛﺮدن ﻣﻘﺎدﻳﺮ ﮔﻤﺸﺪه ﺗﻌﻴﻴﻦ ﻛﺮد‪ .‬ﻣﺜﻼً اﮔـﺮ‬
‫ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ "ﻣﺪت زﻣﺎن ﺑﺴﺘﺮي ﺑﻴﻤﺎر" ﺑﺎﺷﺪ ﻣﻲ ﺗﻮان ﺑﺎزه ‪ 30‬ﺗﺎ ‪ 40‬ﻣﺎه و ﻋﺪد ﺻﻔﺮ را ﺑﺮاي ﺗﻌﻴﻴﻦ ﻣﻘـﺎدﻳﺮ‬
‫ﮔﻤﺸﺪه ﺗﻌﻴﻴﻦ ﻛﺮد‪:‬‬
‫ﻣﺸﺨﺼﻪ ‪:Columns‬‬
‫اﻧﺪازه ﺳﺘﻮﻧﻲ ﻛﻪ ﻣﺤﻞ وارد ﻛﺮدن دادهﻫﺎي ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ اﺳﺖ را در اﻳﻦ ﻗﺴﻤﺖ وارد ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﻣﺸﺨﺼﻪ ‪:Align‬‬
‫ﺗﻌﻴﻴﻦ ﻣﻲﻛﻨﺪ ﻛﻪ دادهﻫﺎ در ﺳﻤﺖ راﺳﺖ‪ ،‬ﭼﭗ ﻳﺎ وﺳﻂ ﺳﻠﻮلﻫﺎي ﺻﻔﺤﻪ ‪ Data view‬ﻗﺮارﮔﻴﺮﻧﺪ‪.‬‬
‫ﻣﺸﺨﺼﻪ ‪:Measure‬‬
‫در اﻳﻦ ﻗﺴﻤﺖ ﻣﻘﻴﺎس ﺳﻨﺠﺶ ﻣﺘﻐﻴﺮﻣﻮرد ﻧﻈﺮ را ﺗﻌﻴﻴﻦ ﻣﻲﻛﻨﻴﻢ‪ ،‬و ﻫﻤﺎنﻃﻮر ﻛـﻪ ﮔﻔﺘـﻴﻢ اﻳـﻦ ﻣﻘﻴـﺎسﻫـﺎي‬
‫ﺳﻨﺠﺶ ﻋﺒﺎرﺗﻨﺪ از ﻓﺎﺻﻠﻪاي‪ ،‬رﺗﺒﻪاي و اﺳﻤﻲ‪.‬‬
‫ﻣﺸﺨﺼﻪ ‪Role‬‬
‫ﺗﻮﺳﻂ اﻳﻦ ﻣﺸﺨﺼﻪ ﻧﻘﺶ ﻣﺘﻐﻴﺮ ﻣﻮردﻧﻈﺮ را در روشﻫﺎي آﻣﺎر ﺗﺤﻠﻴﻠﻲ ﻣﺸﺨﺺ ﻣﻲﻛﻨﻴﻢ‪ .‬ﻧﻘـﺶ ﻳـﻚ ﻣﺘﻐﻴـﺮ‬
‫ﻣﻲﺗﻮاﻧﺪ ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﻌﻴﻴﻦ ﺷﻮد‪:‬‬
‫‪ -1‬ﻧﻘﺶ ‪ : Input‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻣﺎﻧﻨﺪ ﭘﻴﺸﮕﻮ‪ ،‬ﻣﺴﺘﻘﻞ ﻳﺎ ﺗﻮﺿﻴﺤﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲﮔﻴﺮد‪.‬‬
‫‪ -2‬ﻧﻘﺶ ‪ :Target‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي واﺑﺴﺘﻪ ﻣﺪل اﺳﺘﻔﺎده ﻣﻴﺮﺷﻮد‪.‬‬
‫‪١٠‬‬
‫‪ -3‬ﻧﻘﺶ ‪ :Both‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻫﻢ ﻧﻘﺶ ‪ Input‬و ﻫﻢ ﻧﻘﺶ ‪ Output‬را در ﻣﺪل ﻣﻲﮔﻴﺮﻧﺪ‪.‬‬

‫‪ -4‬ﻧﻘﺶ ‪ :None‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻧﻘﺶ ﺧﺎﺻﻲ در ﻣﺪل آﻣﺎري ﻧﺪارﻧﺪ‪.‬‬
‫‪ -5‬ﻧﻘﺶ ‪ :Portion‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲﮔﻴﺮد ﻛـﻪ دادهﻫـﺎي ﻧﻤﻮﻧـﻪ را ﺑـﻪ ﻣﺠﻤﻮﻋـﻪﻫـﺎي‬
‫آﻣﻮزﺷﻲ‪ ،‬آزﻣﻮدﻧﻲ و اﻋﺘﺒﺎر ﺳﻨﺠﻲ‪ ،‬ﺗﻘﺴﻴﻢ ﻣﻲﻛﻨﺪ‪.‬‬
‫‪ -6‬ﻧﻘﺶ ‪ :Split‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ اﺳﺖ ﻛﻪ ﻧﻘﺶ ﻫﻤﺎﻫﻨﮓ ﻛﻨﻨﺪه ﺑﻴﻦ ﻧﺮماﻓﺰارﻫﺎي ﺗﺤـﺖ ‪ SPSS‬را دارﻧـﺪ‪.‬‬
‫اﻳﻦ ﻣﺘﻐﻴﺮ را ﻫﻴﭽﮕﺎه ﻧﻤﻲﺗﻮان در دﺳﺘﻮر ‪ Split file‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫ﺗﻮﺟﻪ‪ :‬ﺑﻪﻃﻮر ﭘﻴﺶ ﻓﺮض ﻧﻘﺶ ﺗﻤﺎم ﻣﺘﻐﻴﺮﻫﺎ ‪ Input‬اﺳﺖ و ﺗﻌﻴﻴﻦ ﻧﻘﺶ اﺻﻠﻲ ﻣﺘﻐﻴﺮ اﺛﺮي ﺑﺮ ﻧﻮع دﺳﺘﻮرﻫﺎي‬
‫‪ SPSS‬ﻧﺨﻮاﻫﺪ داﺷﺖ و ﺗﻨﻬﺎ در ﻧﻤﺎﻳﺶ ﻣﺘﻐﻴﺮﻫﺎ در ﻛﺎدرﻫﺎي ﮔﻔﺘﮕﻮي ﻧﺮماﻓﺰار ﺗﺎﺛﻴﺮ ﺧﻮاﻫﺪ ﮔﺬاﺷﺖ‪.‬‬
‫ﺑﻌﺪ از ﺗﻌﺮﻳﻒ ﺗﻤﺎﻣﻲ ﻣﺘﻐﻴﺮﻫﺎي ﻻزم ﺑـﺎ ﻛﻠﻴـﻚ روي ﻋﺒـﺎرت ‪ Data view‬ﺑـﻪ ﻣﺤـﻴﻂ وارد ﻛـﺮدن دادهﻫـﺎ‬
‫ﺑﺮﮔﺸﺘﻪ و دادهﻫﺎ را وارد ﻛﻨﻴﺪ‪.‬‬
‫ﺗﻤﺮﻳﻦ‪: 2‬‬
‫‪ -1‬ﻓﺮم اﻃﺎﻻﻋﺎﺗﻲ ﺑﻴﻤﺎران دﻳﺎﺑﺘﻲ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ .‬ﺗﻤﺎم ﻣﺸﺨﺼﻪﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻫﺮ ﻳﻚ از ﻣﺘﻐﻴﺮﻫﺎي اﻳﻦ‬
‫ﻓﺮم را در ﭘﻨﺠﺮه ‪ Variable View‬وارد ﻛﻨﻴﺪ‪ .‬ﺳﭙﺲ دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ آنرا در ﺻﻔﺤﻪ ‪Data‬‬
‫‪ view‬وارد ﻛﻨﻴﺪ‪.‬‬
‫‪ -2‬ﻗﺴﻤﺘﻲ از ﻳﻚ ﭘﺮﺳﺶﻧﺎﻣﻪ ﺗﺤﻘﻴﻘﺎﺗﻲ در زﻳﺮ آﻣﺪه اﺳﺖ‪ .‬ﭘﻨﺠﺮه‪ Variable view‬را ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي‬
‫ﻣﺮﺑﻮط ﺑﻪ اﻳﻦ ﭘﺮﺳﺶﻧﺎﻣﻪ ﻛﺎﻣﻞ ﻛﻨﻴﺪ‪.‬‬
‫‪ -2‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﺑﺮاي ﺣﻞ ﺑﺮﺧﻲ از ﺗﻤﺮﻳﻨﺎت ﻣﺴﺘﻠﺰم ﻣﻄﺎﻟﻌﻪ ﻓﺼﻞﻫﺎي ﺑﻌﺪي اﺳﺖ‪.‬‬
‫‪١١‬‬
‫‪ -3‬در ﻫﺮ ﻳﻚ از ﻣﻮارد زﻳﺮ دادهﻫﺎي داده ﺷﺪه را ﺑﺎ ﺗﻌﺮﻳﻒ ﺻﺤﻴﺢ ﻣﺘﻐﻴﺮﻫﺎ ﺑﻪ ‪ SPSS‬وارد ﻛﻨﻴﺪ‪.‬‬
‫اﻟﻒ( ﻣﻲ ﺧﻮاﻫﻨﺪ ﻣﻄﺎﻟﻌﻪاي ﺑﺮاي ﺗﺄﺛﻴﺮ ﻧﺴﺒﻲ دو ﻧﻮع داروي ﻣﻮﺛﺮ در اﻓﺰاﻳﺶ ﺧﻮاب اﻧﺠﺎم دﻫﻨﺪ‪ .‬ﺑﻪ ﺷﺶ ﻧﻔﺮ ﻛﻪ‬
‫ﺳﺮﻣﺎﺧﻮردﮔﻲ دارﻧﺪ در ﺷﺐ اول داروي ‪ A‬و در ﺷﺐ دوم داروي ‪ B‬داده ﻣﻲ ﺷﻮد و ﻣﻴﺰان ﺳﺎﻋﺎت ﺧﻮاب آﻧﻬﺎ‬
‫در ﻫﺮ ﺷﺐ ﺛﺒﺖ ﻣﻲ ﮔﺮدد ‪ .‬داده ﻫﺎ ﻋﺒﺎرﺗﻨﺪ از ‪:‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫داروي ‪A‬‬ ‫‪4/8‬‬ ‫‪4/1‬‬ ‫‪5/8‬‬ ‫‪4/9‬‬ ‫‪5/3‬‬ ‫‪7/4‬‬
‫داروي ‪B‬‬ ‫‪3/9‬‬ ‫‪4/2‬‬ ‫‪5/0‬‬ ‫‪4/9‬‬ ‫‪5/4‬‬ ‫‪7/1‬‬
‫ب( ﻳﻜﻲ از ﺟﻨﺒﻪ ﻫﺎي ﻣﻄﺎﻟﻌﻪ در اﺧﺘﻼفﻫﺎي ﺟﻨﺴﻴﺖ ﺷﺎﻣﻞ ﻣﻄﺎﻟﻌﻪ ﻧﺤﻮه ﺑﺎزي ﻣﻴﻤﻮنﻫﺎ در ﺧﻼل ﺳﺎل اول‬
‫زﻧﺪﮔﻲ اﺳﺖ‪ .‬ﺷﺶ ﻣﻴﻤﻮن ﻧﺮ و ﺷﺶ ﻣﻴﻤﻮن ﻣﺎده در ﮔﺮوه ﻫﺎﻳﻲ از ﭼﻬﺎر ﺧﺎﻧﻮاده در ﻃﻲ ﭼﻨﺪﻳﻦ ﺟﻠﺴﻪ ﻣﻄﺎﻟﻌﻪ ده‬
‫دﻗﻴﻘﻪاي ﻣﺸﺎﻫﺪه ﺷﺪﻧﺪ‪ .‬ﻣﻴﺎﻧﮕﻴﻦ ﻛﻞ ﺗﻌﺪاد دﻓﻌﺎﺗﻲ ﻛﻪ ﻫﺮ ﻣﻴﻤﻮن ‪ ،‬ﺑﺎزي ﺑﺎ ﻫﻤﺴﺎل دﻳﮕﺮ را ﺷﺮوع ﻛﺮده اﺳﺖ‬
‫ﺛﺒﺖ ﻣﻲ ﺷﻮد‪:‬‬
‫ﻧﺮﻫﺎ‬ ‫‪3/64‬‬ ‫‪3/11‬‬ ‫‪3/80‬‬ ‫‪3/58‬‬ ‫‪4/55‬‬ ‫‪3/92‬‬

‫ﻣﺎده ﻫﺎ‬ ‫‪1/91‬‬ ‫‪2/06‬‬ ‫‪1/78‬‬ ‫‪2/00‬‬ ‫‪1/30‬‬ ‫‪2/32‬‬
‫ج( اﻧﺪازه ﻫﺎي رﻳﺨﺖ ﺷﻨﺎﺳﻲ ﻳﻚ ﻧﻮع ﺧﺎص ﻓﺴﻴﻠﻲ ﻛﻪ از ﺣﻔﺎري در ﭼﻬﺎر ﻣﺤﻞ ﻣﺨﺘﻠﻒ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ ‪،‬‬
‫داده ﻫﺎي زﻳﺮ را ﺑﻪ دﺳﺖ ﻣﻲ دﻫﻨﺪ ‪:‬‬
‫ﻣﺤﻞ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪1/38‬‬ ‫‪1/49‬‬ ‫‪3/12‬‬ ‫‪1/31‬‬

‫‪1/42‬‬ ‫‪1/32‬‬ ‫‪2/19‬‬ ‫‪1/46‬‬
‫‪1/59‬‬ ‫‪1/01‬‬ ‫‪2/76‬‬ ‫‪1/86‬‬
‫د( در ﭘﺮﺗﺎب ‪ 60‬ﺑﺎر ﻳﻚ ﺗﺎس ﻣﺸﺎﻫﺪه ﻣﻲ ﺷﻮد ﻛﻪ روﻫﺎي ﻣﺨﺘﻠﻒ ﺗﺎس ﺑﻪ ﺻﻮرت زﻳﺮﻇﺎﻫﺮ ﻣﻲ ﮔﺮدد‪ .‬ﺟﺪول‬
‫ﻓﺮاواﻧﻲ ﻣﺮﺑﻮط ﺑﻪ اﻳﻦ دادهﻫﺎ را رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫‪١٢‬‬
‫روﻫﺎي ﻣﺨﺘﻠﻒ ﻓﺮاواﻧﻲ‬

‫‪15‬‬ ‫‪1‬‬
‫‪7‬‬ ‫‪2‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪11‬‬ ‫‪4‬‬
‫‪6‬‬ ‫‪5‬‬
‫‪17‬‬ ‫‪6‬‬
‫‪60‬‬ ‫ﺟﻤﻊ‬
‫و( ﺑﻪ ﻣﻨﻈﻮر ﺑﺮرﺳﻲ وﺟﻮد ﻳﺎ ﻋﺪم وﺟﻮد راﺑﻄﺔ ﺑﻴﻦ ﻧﻮع ﺷﻮك و زﻧﺪه ﻣﺎﻧﺪن ﺑﻴﻤﺎر‪ ،‬از ﺑﻴﻤﺎراﻧﻲ ﻛﻪ ﺑﻪ اﻧﻮاع ﺷﻮك‬
‫ﻣﺒﺘﻼ ﻣﻲﺷﻮﻧﺪ‪ ،‬ﻧﻤﻮﻧﻪﻫﺎﻳﻲ اﻧﺘﺨﺎب و آﻧﻬﺎ را ﺑﺮ ﺣﺴﺐ زﻧﺪه ﻣﺎﻧﺪن و ﻳﺎ ﻣﺮدن در ﺟﺪول زﻳﺮ ﻣﺮﺗﺐ ﻛﺮدهاﻧﺪ‪.‬‬
‫ﻧﺘﻴﺠﻪ‬
‫ﻧﻮع ﺷﻮك‬
‫ﻣﺮده‬ ‫زﻧﺪه‬
‫‪8‬‬ ‫‪7‬‬ ‫ﻛﺎﻫﺶ ﺣﺠﻢ ﺧﻮن‬
‫‪11‬‬ ‫‪11‬‬ ‫ﻗﻠﺒﻲ‬
‫‪6‬‬ ‫‪10‬‬ ‫ﻋﺼﺒﻲ‬
‫‪7‬‬ ‫‪9‬‬ ‫ﻋﻔﻮﻧﻲ‬
‫‪5‬‬ ‫‪3‬‬ ‫ﻏﺪد داﺧﻠﻲ‬
‫دادهﻫﺎي اﻳﻦ ﺟﺪول را در ‪ SPSS‬وارد ﻛﺮده و ﺟﺪول ﺗﻮاﻓﻘﻲ ﻣﺮﺑﻮط ﺑﻪ آنرا رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫‪١٣‬‬
‫ﻓﺼﻞ دوم‬
‫آﻣﺎر ﺗﻮﺻﻴﻔﻲ در ‪SPSS‬‬
‫‪ 1-2‬ﻣﻘﺪﻣﻪ‬
‫در اﺻﻄﻼح ﻋﺎﻣﻴﺎﻧﻪ آﻣﺎر ﺑﻪ ﻣﻌﻨﺎي ﺛﺒﺖ و ﻧﻤﺎﻳﺶ اﻃﻼﻋﺎت ﻋﺪدي در ﻣﻮرد ﻳﻚ ﻣﻮﺿﻮع ﻣﺜﻼً ﺛﺒﺖ و ﻧﻤﺎﻳﺶ‬
‫ﺗﻌﺪاد ﺑﻴﻜﺎران‪ ،‬ﺗﻌﺪاد ﺗﺼﺎدﻓﺎت راﻧﻨﺪﮔﻲ‪ ،‬ﻣﻴﺰان ﻣﺤﺼﻮﻻت ﻛﺸﺎورزي‪ ،‬ﻣﻴﺰان ﺻﺪور ﻧﻔﺖ‪ ،‬ﺟﻤﻌﻴﺖ ﺷﻬﺮ ﺗﻬﺮان‬
‫و ﻏﻴﺮه ﻣﻲ ﺑﺎﺷﺪ‪ .‬وﻟﻲ ﻋﻠﻢ آﻣﺎر اﻣﺮوزه داراي ﻣﻔﻬﻮﻣﻲ ﺑﺴﻴﺎر وﺳﻴﻌﺘﺮ از اﻳﻦ ﻛﺎرﺑﺮد ﻋﺎﻣﻴﺎﻧﻪ اﺳﺖ‪ .‬ﻣﻔﺎﻫﻴﻢ ﻋﺎﻣﻴﺎﻧﻪ‬
‫آﻣﺎر زﻳﺮ ﻣﺠﻤﻮﻋﻪ اي از آﻣﺎر ﻣﺼﻄﻠﺢ ﺑﻴﻦ آﻣﺎر داﻧﺎن اﺳﺖ‪ .‬از ﻧﻘﻄﻪ ﻧﻈﺮ ﻋﻠﻤﻲ‪ ،‬آﻣﺎر ﺑﻪ ﻣﺠﻤﻮﻋﻪ روﺷﻬﺎﻳﻲ ﺑﺮاي‬
‫ﺟﻤﻊ آوري ﺗﻨﻈﻴﻢ و ﺧﻼﺻﻪ ﻛﺮدن داده ﻫﺎي ﻋﺪدي و ﻏﻴﺮ ﻋﺪدي و اﻧﺠﺎم اﺳﺘﻨﺒﺎط و ﻧﺘﻴﺠﻪ ﮔﻴﺮي ﺑﻮﺳﻴﻠﻪ ﺗﺠﺰﻳﻪ و‬
‫ﺗﺤﻠﻴﻞ آﻧﻬﺎ‪ ،‬اﻃﻼق ﻣﻲ ﺷﻮد‪.‬‬
‫ﺑﺎ ﺑﻴﺎن دﻳﮕﺮ ﻣﻲ ﺗﻮان ﮔﻔﺖ ﻛﻪ آﻣﺎر ﻋﺒﺎرت اﺳﺖ از ﻫﻨﺮ و ﻋﻠﻢ ﺟﻤﻊ آوري‪ ،‬ﺗﻌﺒﻴﺮ‪ ،‬ﺗﺠﺰﻳﻪ و‬
‫ﺗﺤﻠﻴﻞ داده ﻫﺎ و اﺳﺘﺨﺮاج ﺗﻌﻤﻴﻤﻬﺎي ﻣﻨﻄﻘﻲ در ﻣﻮرد ﭘﺪﻳﺪه ﻫﺎي ﺗﺤﺖ ﺑﺮرﺳﻲ‪.‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺎرﻳﻒ ﺑﺎﻻ ﻣﻲﺗﻮان ﮔﻔﺖ ﻳﻚ ﻓﺮآﻳﻨﺪ ﺗﺤﻠﻴﻞ آﻣﺎري ﺷﺎﻣﻞ دو ﺑﺨﺶ ﻋﻤﺪه اﺳﺖ‪ .‬اوﻟﻴﻦ ﻗﺪم‬
‫ﻧﻤﺎﻳﺶ دادن و ﺧﻼﺻﻪ ﻛﺮدن داده ﻫﺎ ﻣﻲ ﺑﺎﺷﺪ ﺗﺎ ﺗﻮﺟﻪ ﻣﺎ روي وﻳﮋﮔﻲﻫﺎي ﻣﻬﻢ داده ﻫﺎ ﻣﺘﻤﺮﻛﺰ ﺷﻮد و ﺟﺰﺋﻴﺎت‬
‫ﻏﻴﺮ ﺿﺮوري ﻛﻨﺎر ﮔﺬاﺷﺘﻪ ﺷﻮد‪ .‬اﻣﺎ ﺑﺨﺶ دوم ﺑﺮاي اﺳﺘﺨﺮاج ﻧﻜﺎت ﻛﻠﻲ و اﺳﺘﻨﺒﺎط ﻫﺎﻳﻲ در ﻣﻮرد ﭘﺪﻳﺪه ﺗﺤﺖ‬
‫ﻣﻄﺎﻟﻌﻪ ﺑﻪ ﻛﺎر ﻣﻲرود‪ .‬ﺑﺨﺶ اول ﺷﺎﻣﻞ روﺷﻬﺎي آﻣﺎر ﺗﻮﺻﻴﻔﻲ و ﺑﺨﺶ دوم در ﺑﺮﮔﻴﺮﻧﺪه روﺷﻬﺎي ﻣﻮﺳﻮم ﺑﻪ‬
‫آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ اﺳﺖ‪ .‬در اﻳﻦ ﻓﺼﻞ ﺑﻪ ﺑﺮرﺳﻲ ﮔﺎم اول ﺗﺤﻠﻴﻞ آﻣﺎري‪ ،‬ﻳﻌﻨﻲ آﻣﺎر ﺗﻮﺻﻴﻔﻲ‪ ،‬ﺧﻮاﻫﻴﻢ ﭘﺮداﺧﺖ‪.‬‬
‫آﻣﺎر ﺗﻮﺻﻴﻔﻲ ﺑﻪ آن دﺳﺘﻪ از روشﻫﺎي آﻣﺎري ﮔﻔﺘﻪ ﻣﻲﺷﻮدﻛﻪ ﺑﻪ ﭘﮋوﻫﺸﮕﺮ در ﻃﺒﻘﻪﺑﻨﺪي‪ ،‬ﺧﻼﺻﻪ ﻛﺮدن‪،‬‬
‫ﺗﻮﺻﻴﻒ و ﺗﻔﺴﻴﺮ و ﺑﺮﻗﺮاري ارﺗﺒﺎط از ﻃﺮﻳﻖ اﻃﻼﻋﺎت ﺟﻤﻊ آوري ﺷﺪه ﻛﻤﻚ ﻣﻲ ﻛﻨﺪ‪ .‬ﻧﻘﺶ آﻣﺎر ﺗﻮﺻﻴﻔﻲ در‬
‫ﻓﺮآﻳﻨﺪ ﺗﺤﻠﻴﻞ آﻣﺎري ﺑﺴﻴﺎر ﻣﻬﻢ و ﺣﻴﺎﺗﻲ اﺳﺖ‪ .‬آﻣﺎر ﺗﻮﺻﻴﻔﻲ ﺑﺎ ﺧﻼﺻﻪ ﻛﺮدن داده ﻫﺎ‪ ،‬وﻳﮋﮔﻴﻬﺎي ﻣﻬﻢ آﻧﺮا‬
‫ﻧﻤﺎﻳﺎن ﻣﻲ ﺳﺎزد ﺗﺎ اﻳﺪه ﻫﺎي ﻻزم را در ذﻫﻦ ﭘﮋوﻫﺸﮕﺮ ﺑﺮاي ﻣﺮﺣﻠﻪ دوم ﺗﺤﻠﻴﻞ آﻣﺎري )آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ( اﻳﺠﺎد‬
‫ﻛﻨﺪ‪.‬‬
‫‪١٤‬‬
‫ﻣﺮاﺣﻞ اﺳﺎﺳﻲ ﺗﻮﺻﻴﻒ داده ﻫﺎ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬
‫اﻟﻒ( ﺧﻼﺻﻪ ﻛﺮدن و ﺗﻮﺻﻴﻒ اﻟﮕﻮي ﻛﻠﻲ‬

‫‪ (1‬ﻓﺸﺮده ﻛﺮدن داده ﻫﺎ در ﻗﺎﻟﺐ ﺟﺪول ﻫﺎي آﻣﺎري‬
‫‪ (2‬ﻧﻤﺎﻳﺶ آﻧﻬﺎ ﺑﻮﺳﻴﻠﻪ ﻧﻤﻮدار‬
‫ب( ﻣﺤﺎﺳﺒﻪ ﺷﺎﺧﺼﻬﺎي آﻣﺎري‬
‫ﺑﺮاي اﺳﺘﻔﺎده از ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ آﻣﺎر ﺗﻮﺻﻴﻔﻲ ﻣﻲ ﺗﻮان از ﭼﺎرت زﻳﺮ ﺑﻬﺮه ﺑﮕﻴﺮﻳﺪ‪:‬‬
‫‪ -1‬ﻧﻤﻮدار ﻫﻴﺴﺘﻮﮔﺮام‬
‫‪ -A‬ﻣﺘﻐﻴﺮ ﻛﻤﻲ ﭘﻴﻮﺳﺘﻪ ﻳﺎ ﻛﻤﻲ‬
‫‪ -2‬ﻧﻤﻮدار ‪Box plot‬‬
‫ﮔﺴﺴﺘﻪ ﺑﺎ داﻣﻨﻪ ﺗﻐﻴﻴﺮات زﻳﺎد‬
‫‪ -3‬ﻧﻤﻮدار ‪Steam and Leaf‬‬
‫‪ -4‬ﺗﺒﺪﻳﻞ ﺑﻪ ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ )اﺳﺘﻔﺎده از ﮔﺰﻳﻨﻪ ‪( C‬‬
‫ﻛﻤﻲ‬
‫‪ -1‬اﺳﺘﻔﺎده از ﮔﺰﻳﻨﻪ ‪C‬‬

‫‪ -B‬ﻣﺘﻐﻴﺮ ﻛﻤﻲ ﮔﺴﺴﺘﻪ ﺑﺎ داﻣﻨﻪ‬
‫‪ - 2‬اﺳﺘﻔﺎده از ﮔﺰﻳﻨﻪ ‪A‬‬ ‫ﺗﻐﻴﻴﺮات ﻛﻢ )ﺑﻌﺪ ﺧﺎﻧﻮار(‬
‫ﻧﻮع ﻣﺘﻐﻴﺮ‬
‫ﺟﺪول ﻓﺮاواﻧﻲ‬
‫ﻧﻤﻮدار ﺳﺘﻮﻧﻲ )‪(Bar chart‬‬ ‫‪ -C‬ﻛﻴﻔﻲ‬
‫ﻧﻤﻮدار داﻳﺮهاي ) ‪( Pie chart‬‬
‫اﻳﻨﻚ ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ آﻣﺎر ﺗﻮﺻﻴﻔﻲ را ﻳﻚ ﺑﻪ ﻳﻚ و ﺑﻪ ﻃﻮر ﻣﻔﺼﻞ ﺑﺮرﺳﻲ ﻣﻲ ﻛﻨﻴﻢ‪:‬‬
‫‪ 2-2‬ﺧﻼﺻﻪ ﻛﺮدن و ﺗﻮﺻﻴﻒ اﻟﮕﻮي ﻛﻠﻲ‪:‬‬

‫ﻳﻜﻲ از روﺷﻬﺎي ﺧﻼﺻﻪ ﻛﺮدن و ﺗﻮﺻﻴﻒ داده ﻫﺎ رﺳﻢ ﻳﻚ ﻧﻤﻮدار آﻣﺎري اﺳﺖ‪ .‬ﻧﻮع ﻧﻤﻮدار ﻣﻮرد اﺳﺘﻔﺎده ﺑﻪ‬
‫ﻧﻮع داده ﻫﺎ ﺑﺴﺘﮕﻲ دارد و ﺑﺴﺘﻪ ﺑﻪ رﺳﺘﻪ اي ﺑﻮدن ﻳﺎ ﻋﺪدي ﺑﻮدن‪ ،‬ﻧﻤﻮدارﻫﺎي ﻣﺨﺘﻠﻔﻲ ﺑﻪ ﻛﺎر ﺑﺮده ﻣﻲﺷﻮد‪.‬‬
‫‪١٥‬‬
‫ﺟﺪاول ﻓﺮاواﻧﻲ ﻫﻢ ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﻣﺘﻐﻴﺮ‪ ،‬ﻣﺘﻔﺎوت ﺧﻮاﻫﻨﺪ ﺑﻮد‪ ،‬ﻟﺬا ﻣﺮاﺣﻞ ﻓﻮق را ﺑﺮاي اﻧﻮاع ﻣﺨﺘﻠﻒ ﻣﺘﻐﻴﺮ‪،‬‬
‫ﺟﺪاﮔﺎﻧﻪ ﺑﺮرﺳﻲ ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬
‫‪ 1-2-2‬داده ﻫﺎي ﻛﻴﻔﻲ )‪:(Categorical Data‬‬

‫ﻣﺘﻐﻴﺮﻫﺎي رﺳﺘﻪ اي ﺑﻪ آن دﺳﺘﻪ از ﻣﺘﻐﻴﺮﻫﺎ اﻃﻼق ﻣﻲ ﺷﻮد ﻛﻪ از ﻧﻈﺮ ﻛﻴﻔﻲ ﻣﻘﺎدﻳﺮ آن ﺑﻪ ﭼﻨﺪﻳﻦ رﺳﺘﻪ ﺗﻘﺴﻴﻢ‬
‫ﻣﻲ ﺷﻮد‪ .‬ﺑﺮاي ﻣﺜﺎل ﺟﻨﺴﻴﺖ‪ ،‬رﻧﮓ ﭘﻮﺳﺖ‪ ،‬رﺷﺘﻪ ﺗﺤﺼﻴﻠﻲ‪ ،‬رﺗﺒﻪ ﺷﻐﻠﻲ‪ ،‬ﺷﻐﻞ و‪ ...‬ﻧﻤﻮﻧﻪ ﻫﺎﻳﻲ از ﻣﺘﻐﻴﺮﻫﺎي رﺳﺘﻪ‬
‫اي ﻫﺴﺘﻨﺪ‪ .‬ﻣﺘﻐﻴﺮﻫﺎي رﺳﺘﻪ اي ﺑﻪ دو دﺳﺘﻪ ﻛﻠﻲ ﻛﻴﻔﻲ اﺳﻤﻲ و ﻛﻴﻔﻲ رﺗﺒﻪ اي ﺗﻘﺴﻴﻢ ﻣﻴﺸﻮﻧﺪ‪.‬‬
‫‪-‬ﺟﺪول ﻓﺮاواﻧﻲ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‪:‬‬
‫ﺟﺪاول ﻓﺮاواﻧﻲ اﻳﻦ ﻧﻮع ﻣﺘﻐﻴﺮﻫﺎ‪ ،‬ﺑﺎ ﻓﻬﺮﺳﺖ ﻛﺮدن ﻣﻘﺎدﻳﺮ ﻣﺨﺘﻠﻒ ﻣﺘﻐﻴﺮ‪ ،‬ﻓﺮاواﻧﻲ ﻣﺮﺑﻮط ﺑﻪ ﻫﺮ ﻣﻘﺪار و‬
‫درﺻﺪ ﻓﺮاواﻧﻲ ﻫﺮ ﻣﻘﺪار‪ ،‬ﺑﺪﺳﺖ ﺧﻮاﻫﺪ آﻣﺪ‪ ،‬ﺑﺎ ﻳﻚ ﻣﺜﺎل ﻧﺤﻮه ﺳﺎﺧﺘﻦ اﻳﻦ ﻧﻮع ﺟﺪاول ﻓﺮاواﻧﻲ را ﺑﺎ ‪ SPSS‬ﻣﻲ‬
‫ﺑﻴﻨﻴﻢ‪:‬‬
‫ﻣﺜﺎل‪ :‬ﺻﻨﻌﺘﮕﺮي ﭼﻬﺎر ﻧﻮع ﻗﻄﻌﻪ ‪ D,C,B,A‬را ﺗﻮﻟﻴﺪ ﻣﻲ ﻛﻨﺪ اﮔﺮ ‪ 20‬ﻗﻄﻌﻪ ﺗﻮﻟﻴﺪ ﺷﺪه ﺗﻮﺳﻂ وي ﺑﻪ ﺗﺮﺗﻴﺐ زﻳﺮ‬
‫ﺑﺎﺷﻨﺪ‪.‬‬
‫‪B,C,C,A,D,C,C,B,D,C,A,C,D,C,B,C,C,B,D,D‬‬
‫ﻳﻚ ﺟﺪول ﻓﺮاواﻧﻲ ﺑﺮاي داده ﻫﺎي ﻓﻮق ﻣﻲ ﺳﺎزﻳﻢ‪ .‬ﺳﻌﻲ ﻛﻨﻴﺪ ﺑﺎ ﻛﻤﻚ آن ﺑﻪ ﺳﺌﻮاﻻت زﻳﺮ ﭘﺎﺳﺦ دﻫﻴﺪ‪:‬‬
‫‪ -‬ﭼﻨﺪ ﻋﺪد از ﻗﻄﻌﻪ ‪ C‬در اﻳﻦ روز ﺗﻮﻟﻴﺪ ﺷﺪه اﺳﺖ؟‬
‫‪ -‬ﻗﻄﻌﺎت ‪ B,A‬ﭼﻨﺪ درﺻﺪ از ﻛﻞ ﺗﻮﻟﻴﺪ روزاﻧﻪ را در ﺑﺮ ﻣﻲﮔﻴﺮﻧﺪ؟‬
‫اﺑﺘﺪا داده ﻫﺎ را در ﻣﺤﻴﻂ ‪ SPSS‬وارد ﻣﻲﻛﻨﻴﻢ‪:‬‬
‫‪١٦‬‬
‫ﺳﭙﺲ ﺑﺮاي رﺳﻢ ﺟﺪاول ﻓﺮاواﻧﻲ ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر ﻛﻨﺎري ﺑﺎز ﺷﻮد‪:‬‬
‫‪١٧‬‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ‬ ‫ﻣﺘﻐﻴﺮ ﻣﺮﺑﻮﻃﻪ را اﻧﺘﺨﺎب ﻛﺮده روي دﻛﻤﻪ‬
‫ﺑﺮاي رﺳﻢ ﺟﺪول ﻓﺮاواﻧﻲ‪ ،‬در ﻛـﺎدر ﻛﻨـﺎر ﻋﺒـﺎرت ‪ Display frequency tables‬ﺗﻴـﻚ ﺑﮕﺬارﻳـﺪ‪ .‬و در‬
‫را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬ﺻﻔﺤﻪ ﺟﺪاﮔﺎﻧﻪ اي ﺗﺤﺖ ﻋﻨﻮان ‪ Output view‬ﺑﺎز ﺧﻮاﻫﺪ ﺷﺪ ﻛﻪ‬ ‫ﻧﻬﺎﻳﺖ دﻛﻤﻪ‬
‫ﺧﺮوﺟﻲ ﻫﺎي ‪ SPSS‬ﻫﻤﻮاره در آن ﻇﺎﻫﺮ ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﺧﺮوﺟﻲ اﻳﻦ ﻣﺜﺎل ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪١٨‬‬
‫ﺟﺪول اول ﺗﻌﺪاد داده ﻫﺎي ﻣﻮﺟﻮد )‪ (Valid‬و داده ﻫﺎي ﮔﻤﺸﺪه )‪ (Missing‬را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬و ﺟﺪول دوم‬
‫ﺟﺪول ﻓﺮاواﻧﻲ ﻣﺘﻐﻴﺮ اﺳﺖ‪ .‬ﺳﺘﻮن اول ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ‪ ،‬ﺳﺘﻮن دوم ﻓﺮواﻧﻲ ﻫﺮ ﻣﻘﺪار‪ ،‬ﺳﺘﻮن ﺳﻮم درﺻﺪ ﻓﺮاواﻧﻲ آن‬
‫ﻣﻘﺪار و ﺳﺘﻮن ﭼﻬﺎرم ﻫﻢ درﺻﺪ ﻓﺮاواﻧﻲ ﺗﺠﻤﻌﻲ ﻣﻲ ﺑﺎﺷﺪ‪.‬‬
‫از روي اﻳﻦ ﺟﺪول ﺳﻌﻲ ﻛﻨﻴﺪ ﺑﻪ ﺳﻮاﻟﻬﺎي ﻣﻄﺮح ﺷﺪه در ﺻﻮرت ﻣﺜﺎل ﺟﻮاب دﻫﻴﺪ‪.‬‬
‫ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ رﺗﺒﻪ اي ﻫﻢ ﻣﺮاﺣﻞ رﺳﻢ ﺟﺪول ﻓﺮاواﻧﻲ ﺑﻪ ﻫﻤﻴﻦ ﺻﻮرت ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪ -‬ﻧﻤﻮدارﻫﺎي آﻣﺎري ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‪:‬‬
‫ﻧﻤﻮدارﻫﺎي ﻣﻨﺎﺳﺐ ﺑﺮاي اﻳﻦ ﻧﻮع ﻣﺘﻐﻴﺮﻫﺎ ﻋﺒﺎرﺗﻨﺪ از‪ :‬ﻧﻤﻮدار ﻣﻴﻠﻪ اي )‪ (Bar chart‬و ﻧﻤﻮدار داﻳﺮه اي ‪(Pie‬‬
‫)‪. chart‬‬
‫ﺑﺮاي رﺳﻢ اﻳﻦ ﻧﻤﻮدارﻫﺎ ﻣﻲ ﺗﻮان از دو راه زﻳﺮ اﺳﺘﻔﺎده ﻛﺮد‪:‬‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر‬ ‫‪ .1‬از ﻣﺴﻴﺮي ﻛﻪ ﺑﺮاي رﺳﻢ ﺟﺪول ﻓﺮاواﻧﻲ ﻃﻲ ﻛﺮدﻳﻢ رﻓﺘﻪ روي دﻛﻤﻪ‬
‫ﮔﻔﺘﮕﻮي زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬
‫ﻫﺮ ﻛﺪام از ﻧﻤﻮدارﻫﺎي ‪ pie chart‬ﻳﺎ ‪ Bar chart‬را ﻛﻪ ﻣﺎﻳﻞ ﺑﻮدﻳﺪ اﻧﺘﺨﺎب ﻛﺮده و دﻛﻤﻪ ‪ Continue‬را‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬دﻛﻤﻪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫‪١٩‬‬
‫ﻣﺴﻴﺮ ﻓﻮق را ﺑﺮاي داده ﻫﺎي ﻣﺜﺎل ﻃﻲ ﻛﻨﻴﺪ و ﺧﺮوﺟﻲ را ﺑﺒﻴﻨﻴﺪ‪:‬‬
‫‪٢٠‬‬
‫ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻛﻪ ﻧﻤﻮدارﻫﺎي داﻳﺮه اي ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ اﺳﻤﻲ ﻣﻨﺎﺳﺒﺘﺮﻧﺪ و ﻧﻤﻮدارﻫﺎي ﻣﻴﻠﻪ اي ﺑﺮاي‬
‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ رﺗﺒﻪ اي‪.‬‬
‫‪ -2‬راه دوم اﺳﺘﻔﺎده از ﻣﻨﻮي ‪ Graph‬اﺳﺖ‪:‬‬
‫در ﻛﺎدر ﺑﺎز ﺷﺪه روي ﮔﺰﻳﻨﻪ ﻧﺸﺎن داده ﺷﺪه در ﺷﻜﻞ زﻳﺮ ﻛﻠﻴﻚ ﻛﺮده و دﻛﻤﻪ ‪ Define‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪:‬‬
‫در ﻛﺎدر ﮔﻔﺘﮕﻮي ﻇﺎﻫﺮ ﺷﺪه ﻣﺘﻐﻴﺮ ﻣﻮرد ﻧﻈﺮ را اﻧﺘﺨﺎب ﻛﺮده و دﻛﻤﻪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫‪ 2-2-2‬داده ﻫﺎي ﻋﺪدي )‪(Numerical Data‬‬

‫داده ﻫﺎي ﻋﺪدي دو ﻧﻮع اﻧﺪ‪ :‬ﮔﺴﺴﺘﻪ و ﭘﻴﻮﺳﺘﻪ ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮﻫﺎي ﮔﺴﺴﺘﻪ اﻋﺪاد ﺣﺎﺻﻞ از ﺷﻤﺎرش ﻣﻲ ﺑﺎﺷﺪ‬
‫ﺑﺮاي ﻣﺜﺎل ﻳﻚ ﺧﺎﻧﻮاده ﻣﻲ ﺗﻮاﻧﺪ ﻳﻚ ﻳﺎ دو ﻓﺮزﻧﺪ داﺷﺘﻪ ﺑﺎﺷﺪ اﻣﺎ ﺗﻌﺪاد ﻓﺮزﻧﺪان ﺧﺎﻧﻮاده ﻧﻤﻲ ﺗﻮاﻧﺪ ﻋﺪدي ﻣﺎ ﺑﻴﻦ‬
‫‪٢١‬‬
‫اﻳﻦ دو ﺑﺎﺷﺪ‪ .‬و در ﺳﻤﺖ ﻣﻘﺎﺑﻞ‪ ،‬ﻣﺘﻐﻴﺮﻫﺎي ﭘﻴﻮﺳﺘﻪ ﻓﺎﻗﺪ واﺣﺪﻫﺎي ﺗﻔﻜﻴﻚ ﭘﺬﻳﺮ ﻣﻲ ﺑﺎﺷﻨﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل وزن ﻳﻚ‬
‫ﻣﺘﻐﻴﺮ ﭘﻴﻮﺳﺘﻪ اﺳﺖ‪.‬‬
‫‪ -‬ﻣﺘﻐﻴﺮ ﻋﺪدي ﮔﺴﺴﺘﻪ‪:‬‬
‫ﭼﻮن ﻣﻘﺎدﻳﺮ ﻳﻚ ﻣﺘﻐﻴﺮ ﮔﺴﺴﺘﻪ‪ ،‬ﺟﺪا از ﻫﻢ و ﻣﻌﻤﻮﻻً ﻣﺤﺪود اﺳﺖ ﺑﺮاي رﺳﻢ ﺟﺪول ﻓﺮاواﻧﻲ ﻳﻚ ﻣﺘﻐﻴﺮ‬
‫ﻋﺪدي ﮔﺴﺘﻪ ﻫﻤﭽﻮن ﺣﺎﻟﺖ ﻣﺘﻐﻴﺮ رﺳﺘﻪ اي ﻋﻤﻞ ﻣﻲ ﻛﻨﻴﻢ‪ .‬اﻣﺎ اﮔﺮ ﺗﻌﺪاد ﻣﻘﺎدﻳﺮ ﻣﺘﻔﺎوﺗﻲ ﻛﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﮔﺴﺴﺘﻪ‬
‫ﻣﻲ ﮔﻴﺮد زﻳﺎد ﺑﺎﺷﺪ‪ ،‬ﺑﺮاي رﺳﻢ ﺟﺪول ﻓﺮاواﻧﻲ‪ ،‬ﺑﺎ آن ﻣﺜﻞ ﻳﻚ ﻣﺘﻐﻴﺮ ﭘﻴﻮﺳﺘﻪ رﻓﺘﺎر ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬
‫ﻣﺜﺎل‪ :‬ﻓﺮض ﻛﻨﻴﺪ ﺗﻌﺪاد ﻗﺮﺻﻬﺎي ﺳﺮﻣﺎﺧﻮردﮔﻲ ﻛﻪ ﻳﻚ ﺧﺎﻧﻮاده در ﻋﺮض زﻣﺴﺘﺎن ﻣﺼﺮف ﻛﺮده اﻧﺪ‪ ،‬در ‪50‬‬
‫ﺧﺎﻧﻮاده ا ﻧﺘﺨﺎب ﺷﺪه ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﺎﺷﺪ‪:‬‬
‫‪0،0،7.5.3.3.4.5.3.2.8.3.3.2.4.4.3.6.7.4.5.4.6.4.5‬‬
‫‪2.3.4.2.7.3.5.4.6.2.3.2.4.5.4.8.4.3.2.2.6.4.5.7.8‬‬
‫‪-‬ﺟﺪول ﻓﺮاواﻧﻲ داده ﻫﺎي ﻓﻮق را ﺑﺎ ‪ SPSS‬رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫‪-‬ﻧﻤﻮدارﻫﺎي ﻣﻴﻠﻪ اي و داﻳﺮه اي را ﺑﺮاي داده ﻫﺎي ﻓﻮق رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫‪-‬ﻣﺸﺨﺺ ﻛﻨﻴﺪ ﭼﻨﺪ درﺻﺪ از ﺧﺎﻧﻮاده ﻫﺎ در ﻃﻮل زﻣﺴﺘﺎن ‪ 6‬ﻗﺮص ﻣﺼﺮف ﻛﺮده اﻧﺪ؟ ﭼﻨﺪ درﺻﺪ ﺣﺪاﻛﺜﺮ ‪6‬‬
‫ﻗﺮص ﻣﺼﺮف ﻛﺮده اﻧﺪ؟ ﭼﻨﺪ درﺻﺪ ﺣﺪاﻗﻞ ‪ 6‬ﻗﺮص ﻣﺼﺮف ﻛﺮده اﻧﺪ‪.‬‬
‫ﭼﻮن ﻣﺘﻐﻴﺮ ﻣﺎ ﻋﺪدي اﺳﺖ ﻣﻲ ﺗﻮاﻧﻴﻢ ﺑﻪ ﺟﺎي ﻧﻤﻮدار ﻣﻴﻠﻪ اي از ﻫﻴﺴﺘﻮﮔﺮام )‪ (Histogram‬ﻛﻪ ﻣﺨﺼﻮص‬
‫داده ﻫﺎي ﭘﻴﻮﺳﺘﻪ اﺳﺖ اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪.‬‬
‫‪ -‬ﻣﺘﻐﻴﺮ ﻋﺪدي ﭘﻴﻮﺳﺘﻪ‪:‬‬
‫‪-‬ﺗﺒﺪﻳﻞ داده ﻫﺎي ﻋﺪدي ﭘﻴﻮﺳﺘﻪ ﺑﻪ ﻛﻴﻔﻲ‬

‫ﻧﺤﻮه رﺳﻢ ﺟﺪاول ﻓﺮاواﻧﻲ ﺑﺮاي داده ﻫﺎي ﭘﻴﻮﺳﺘﻪ را ﺑﺎ ﻳﻚ ﻣﺜﺎل ﺑﻴﺎن ﻣﻲ ﻛﻨﻴﻢ‪.‬‬
‫‪٢٢‬‬
‫ﻣﺜﺎل‪ :‬وزﻧﻬﺎي ‪ 40‬ﻗﺎﻟﺐ ﻛﺮه ﻛﻪ ﺑﻪ ﻧﺰدﻳﻜﺘﺮﻳﻦ ﻋﺪد ﺻﺤﻴﺢ ﮔﺮد ﺷﺪه اﻧﺪ ﺑﻪ ﻗﺮار زﻳﺮ اﺳﺖ‪:‬‬
‫‪52‬‬ ‫‪35‬‬ ‫‪24‬‬ ‫‪47‬‬ ‫‪36‬‬ ‫‪51‬‬ ‫‪34‬‬ ‫‪38‬‬ ‫‪46‬‬ ‫‪33‬‬
‫‪47‬‬ ‫‪36‬‬ ‫‪38‬‬ ‫‪50‬‬ ‫‪47‬‬ ‫‪34‬‬ ‫‪41‬‬ ‫‪40‬‬ ‫‪42‬‬ ‫‪40‬‬
‫‪26‬‬ ‫‪29‬‬ ‫‪30‬‬ ‫‪32‬‬ ‫‪30‬‬ ‫‪35‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪41‬‬ ‫‪21‬‬
‫‪31‬‬ ‫‪30‬‬ ‫‪26‬‬ ‫‪35‬‬ ‫‪45‬‬ ‫‪23‬‬ ‫‪43‬‬ ‫‪31‬‬ ‫‪34‬‬ ‫‪43‬‬
‫ﺟﺪول ﻓﺮاواﻧﻲ داده ﻫﺎي ﻓﻮق را رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫ﻫﺮﮔﺎه داده ﻫﺎي ﻣﺎ ﭘﻴﻮﺳﺘﻪ ﺑﺎﺷﺪ‪ ،‬داده ﻫﺎ را ﺑﻪ ﺗﻌﺪادي رده ﺑﺎ ﻃﻮل ﻣﺴﺎوي ﺗﻘﺴﻴﻢ ﻣﻲ ﻛﻨﻴﻢ و در ﻫﺮ رده‬
‫ﻓﺮاواﻧﻲ داده ﻫﺎ را ﻣﻲ ﺷﻤﺎرﻳﻢ ﺑﺮاي ﺑﺪﺳﺖ آوردن ﺗﻌﺪاد رده ﻫﺎ در رﺳﻢ ﺟﺪول ﻓﺮاواﻧﻲ ﺑﻪ ﺗﺮﺗﻴﺐ زﻳﺮ ﻋﻤﻞ‬
‫ﻛﻨﻴﺪ‪:‬‬
‫‪ .1‬اﺑﺘﺪا ﺣﺪود ﺗﻐﻴﻴﺮات داده ﻫﺎ را ﻛﻪ از ﻓﺮﻣﻮل زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﻛﻨﻴﻢ‪:‬‬
‫‪Range = Max - Min‬‬

‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ داﻣﻨﻪ ﺗﻐﻴﻴﺮات‪ ،‬ﻛﻤﺘﺮﻳﻦ داده ﻫﺎ و ﺑﻴﺸﺘﺮﻳﻦ داده ﻫﺎ از ﻣﺴﻴﺮ زﻳﺮ اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﻢ‪:‬‬
‫‪٢٣‬‬
‫روي …‪ Options‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر زﻳﺮ ﻇﺎﻫﺮ ﺷﻮد‪.‬ﮔﺰﻳﻨﻪ ﻫﺎي ﻣﻮرد ﻧﻈﺮ را ﺗﻴﻚ ﺑﮕﺬارﻳﺪ‪ .‬ﺗﺎ ﺧﺮوﺟﻲ ﺑﻪ‬
‫ﺷﻜﻞ زﻳﺮ ﻇﺎﻫﺮ ﺷﻮد‪:‬‬
‫‪ Range, Maximum, Minimum‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .‬دﻛﻤﻪ ‪ Continue‬و ﺳﭙﺲ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫‪ .2‬ﺑﺮاي ﺑﺪﺳﺖ آوردن ﺗﻌﺪاد رده ﻫﺎ ﻳﻚ ﻗﺎﻋﺪه ﻋﻤﻮﻣﻲ وﺟﻮد ﻧﺪارد و ﻣﻌﻤﻮﻻً ﺗﻌﺪادرده ﻫـﺎ را ﺑـﻴﻦ ‪ 5‬ﺗـﺎ ‪ 25‬رده‬
‫اﺧﺘﻴﺎر ﻣﻲ ﻛﻨﻨﺪ‪ .‬ﻳﻚ ﻗﺎﻋﺪه ﻣﻔﻴﺪ اﺳﺘﻔﺎده از دﺳﺘﻮر اﺳﺘﻮرﮔﺲ ‪ Sturges‬اﺳﺖ‪:‬‬
‫)‪ m=1+3.322 log (n‬ﺗﻌﺪاد ﻃﺒﻘﺎت‬ ‫)‪ :n‬ﺗﻌﺪاد ﻛﻞ داده ﻫﺎ (‬
‫ﭼﻮن ﺣﺎﺻﻞ ﻳﻚ ﻋﺪد اﻋﺸﺎري ﺧﻮاﻫﺪ ﺑﻮد‪ .‬آن را ﺑﻪ ﺑﺰرﮔﺘﺮﻳﻦ ﻋﺪد ﺻﺤﻴﺢ ﮔﺮد ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫در ﻣﺜﺎل ﺑﺎﻻ دارﻳﻢ‪:‬‬
‫‪٢٤‬‬
‫‪m=1+3.322 log (40) =6.322‬‬

‫ﭘﺲ ﺗﻌﺪاد ﻃﺒﻘﺎت را ‪ 7‬ﻣﻲ ﮔﻴﺮﻳﻢ‪.‬‬
‫‪ .3‬ﭼﻮن وزﻧﻬﺎ ﺑﻪ ﻧﺰدﻳﻜﺘﺮﻳﻦ ﻋﺪد ﺻﺤﻴﺢ ﮔﺮد ﺷﺪه اﻧﺪ ﺑﻨﺎﺑﺮاﻳﻦ ﻋﺪد ‪ 35‬در داده ﻫﺎ در واﻗﻊ ﻋﺪدي ﺑﻴﻦ ‪ 34/5‬و‬
‫‪ 35/5‬ﻣﻲ ﺑﺎﺷﺪ‪ .‬ﻋﺪد ‪ 0/5‬را ﺗﻐﻴﻴﺮ ﭘﺬﻳﺮي ﻣﻘﺎدﻳﺮ داده ﻫﺎ ﻣﻲ ﻧﺎﻣﻴﻢ ﻛﻪ در ﺳﺎﺧﺘﻦ ﺣﺪود ﻃﺒﻘﺎت ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار‬
‫ﻣﻲﮔﻴﺮد‪ .‬ﻃﻮل ﻫﺮ ﻃﺒﻘﻪ را ﻫﻢ از ﻓﺮﻣﻮل زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲﻛﻨﻴﻢ‪:‬‬
‫‪ L=Range/m=4.574‬ﻃﻮل ﻃﺒﻘﻪ‬
‫ﭘﺲ ﻃﻮل ﻫﺮ ﻃﺒﻘﻪ را ‪ 5‬در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﻢ‪ .‬ﺣﺎل ﺑﺎﻳﺪ ‪ 7‬ﻃﺒﻘﻪ ﺑﻪ ﻃﻮل ‪ 5‬ﺑﺴﺎزﻳﻢ‪ .‬ﻃﺒﻘﺎت ﻣﻮرد ﻧﻈﺮ ﺑﻪ ﺻﻮرت زﻳﺮ‬
‫ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪20.5-25.5‬‬ ‫‪1‬‬
‫‪25.5-30.5‬‬ ‫‪2‬‬
‫‪30.5-35.5‬‬ ‫‪3‬‬
‫‪35.5-40.5‬‬ ‫‪4‬‬
‫‪40.5-45.5‬‬ ‫‪5‬‬
‫‪45.5-50.5‬‬ ‫‪6‬‬
‫‪50.5-55.5‬‬ ‫‪7‬‬
‫اﻧﺘﺨﺎب ﺣﺪود ﻃﺒﻘﺎت ﺑﻪ ﺻﻮرت ﻓﻮق ﺑﺎﻋﺚ ﻣﻲ ﺷﻮدﻛﻪ ﻫﺮ ﻋﺪد دﻗﻴﻘﺎً در ﻳﻚ دﺳﺘﻪ ﻗﺮار ﮔﻴﺮد‪.‬‬
‫‪ .4‬ﺣﺎل ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪي ﺗﻌﺮﻳﻒ ﻣﻲ ﻛﻨﻴﻢ ﻛﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ واﻗﻊ ﺷﺪن داده در ﻳﻜﻲ از ﻓﻮاﺻﻞ ﻫﻔﺘﮕﺎﻧﻪ ﺑﺎﻻ ﻳﻜﻲ از‬
‫ﻣﻘﺎدﻳﺮ ‪ 1‬ﺗﺎ ‪ 7‬را ﺑﭙﺬﻳﺮد‪ .‬ﺑﺮاي ﺗﻌﺮﻳﻒ اﻳﻦ ﻣﺘﻐﻴﺮ ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٢٥‬‬
‫ﻛﺎدر ﮔﻔﺘﮕﻮي زﻳﺮ ﻇﺎﻫﺮ ﻣﻲ ﺷﻮد‪:‬‬
‫ﻛﻠﻴﻚ‬ ‫را ﻓﺸﺎر دﻫﻴﺪ‪ .‬ﺳﭙﺲ روي‬ ‫ﻣﺘﻐﻴﺮ ﻣﻮرد ﻧﻈﺮ را اﻧﺘﺨﺎب ﻛﺮده دﻛﻤﻪ‬
‫ﻛﻨﻴﺪ ﻛﺎدر ﮔﻔﺘﮕﻮي زﻳﺮ ﺑﺎز ﻣﻲ ﺷﻮد ﻛﻪ در آن ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ را ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ اوﻟﻴﻪ ﻣﺸﺨﺺ ﻣﻲ‬
‫ﻛﻨﻴﻢ‪:‬‬
‫‪٢٦‬‬
‫ﻫﻤﺎﻧﻨﺪ ﺗﺼﻮﻳﺮ زﻳﺮ در ﺳﻤﺖ ﭼﭗ ﻛﺎدر ﮔﻔﺖ و ﮔﻮي ﺑﺎﻻ ﺣﺪود ﻃﺒﻘﺎت را واردﻛﺮده‪ ،‬در ﺳﻤﺖ راﺳﺖ‬
‫ﻛﺎدر ﮔﻔﺖ و ﮔﻮ ﻣﻘﺪار ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ )ﺷﻤﺎره ﻃﺒﻘﻪ( را وارد ﻛﻨﻴﺪ‪ .‬ﺳﭙﺲ دﻛﻤﻪ ‪ Add‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬اﻳﻦ ﻛﺎر را‬
‫ﺑﺮاي ﺗﻤﺎم ﻃﺒﻘﺎت ﺑﻪ ﺗﺮﺗﻴﺐ اﻧﺠﺎم دﻫﻴﺪ‪.‬‬
‫‪٢٧‬‬
‫ﭘﺲ از ﺗﻌﺮﻳﻒ ﻣﻘﺎدﻳﺮ دﻛﻤﻪ ‪ Continue‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬ﻣﻄﺎﺑﻖ ﺗﺼﻮﻳﺮ زﻳﺮ در ﻗﺴﻤﺖ ‪ Output variable‬ﻧﺎم‬
‫ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ را ﺗﺎﻳﭗ ﻛﺮده دﻛﻤﻪ ‪ change‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫در ﭘﺎﻳﺎن دﻛﻤﻪ ‪ ok‬را ﻛﻠﻴﻚ ﻛﺮده و ﻧﺘﻴﺠﻪ ﻛﺎر را ﺑﻪ ﺻﻮرت زﻳﺮ ﻣﺸﺎﻫﺪه ﻛﻨﻴﺪ‪:‬‬
‫ﻣﺸﺎﻫﺪه ﻣﻲ ﻛﻨﻴﺪ ﻛﻪ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﺑﺎ ﻣﻘﺎدﻳﺮ ‪ 1‬ﺗﺎ ‪ 7‬ﺳﺎﺧﺘﻪ ﺷﺪه اﺳﺖ‬
‫‪٢٨‬‬
‫‪ .5‬ﺑﻪ ﻗﺴﻤﺖ ‪ variable view‬ﺑﺮوﻳﺪ و در ﻗﺴﻤﺖ ‪ value‬ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ‪ ،‬ﺑﺮ ﭼﺴﺐﻫﺎﻳﻲ ﺑﻪ ﺻﻮرت‬
‫زﻳﺮ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪:‬‬
‫ﺑﻪ ﻗﺴﻤﺖ ‪ Data view‬ﺑﺮﮔﺮدﻳﺪ‪.‬‬
‫اﮔﺮ ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻳﻚ ﻣﺘﻐﻴﺮ‪ ،‬ﺑﺮ ﭼﺴﺐ ﺗﻌﺮﻳﻒ ﺷﺪه ﺑﺎﺷﺪ‪ ،‬ﻧﻤﺎﻳﺶ ﻣﻘﺎدﻳﺮ آن‪ ،‬ﺑﻪ دو ﺻﻮرت ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮ و ﺑﺮ ﭼﺴﺐ ﻫﺎي ﻣﻘﺎدﻳﺮ‪ .‬ﺑﺎ ﻛﻠﻴﻚ روي دﻛﻤﻪ زﻳﺮ ﻣﻲ ﺗﻮاﻧﻴﺪ ﺣﺎﻟﺖ ﻧﻤﺎﻳﺶ را ﺗﻐﻴﻴﺮ دﻫﻴﺪ‪:‬‬
‫ﺣﺎل ﻣﺘﻐﻴﺮ ﭘﻴﻮﺳﺘﻪ ﺑﻪ ﻳﻚ ﻣﺘﻐﻴﺮ ﮔﺴﺴﺘﻪ ﺑﺎ ‪ 7‬ﻣﻘﺪار ﻣﺨﺘﻠﻒ ﺗﺒﺪﻳﻞ ﺷﺪه اﺳﺖ‪ .‬ﺑﺮاي رﺳﻢ ﺟﺪول ﻓﺮاواﻧﻲ‪ ،‬ﻫﻤﺎﻧﻨﺪ‬
‫ﺣﺎﻟﺖ ﮔﺴﺴﺘﻪ ﻋﻤﻞ ﻛﻨﻴﺪ )در ﻛﺎدر اﻧﺘﺨﺎب ﻣﺘﻐﻴﺮ‪ ،‬ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﻛﺪﺑﻨﺪي ﺷﺪه را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪(.‬‬
‫‪٢٩‬‬
‫ﺟﺪول ﻓﺮاواﻧﻲ داده ﻫﺎي ﻣﺜﺎل وزن ﻗﺎﻟﺒﻬﺎي ﻛﺮه ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪ -‬رﺳﻢ ﻧﻤﻮدار ﺑﺮاي داده ﻫﺎي ﻛﻤﻲ ﭘﻴﻮﺳﺘﻪ‪:‬‬
‫ﺑﺮاي داده ﻫﺎي ﭘﻴﻮﺳﺘﻪ ﻧﻤﻮدارﻫﺎي ﻣﺨﺘﻠﻔﻲ ﺑﻪ ﻛﺎر ﻣﻲ روﻧﺪ ﻛﻪ ﻫـﺮ ﻛـﺪام ﻛﺎرﺑﺮدﻫـﺎي ﺧـﺎص ﺧـﻮد را دارد‪.‬‬
‫ارﺟﺢ ﺗﺮﻳﻦ اﻳﻦ ﻧﻤﻮدارﻫﺎ ‪ Histogram‬اﺳﺖ‪ .‬ﺑﺮاي رﺳﻢ ﻫﻴﺴﺘﻮﮔﺮام داده ﻫﺎي ﭘﻴﻮﺳﺘﻪ ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٣٠‬‬
‫ﻛﺎدر ﮔﻔﺘﮕﻮي زﻳﺮ ﻇﺎﻫﺮ ﺧﻮاﻫﺪ ﺷﺪ‪:‬‬
‫در ﻗﺴﻤﺖ ‪) Display‬ﺳﻤﺖ ﭼﭗ ﭘﺎﻳﻴﻦ ﻛﺎدر ﺑﺎﻻ( ‪ plots‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ .‬روي دﻛﻤﻪ …‪ Plot‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ در‬
‫ﻛﺎدر ﮔﻔﺘﮕﻮ ﻇﺎﻫﺮ ﺷﺪه ‪ Histogram‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪ Continue .‬را ﻛﻠﻴﻚ ﻛﺮده ﺳﭙﺲ ‪ ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫ﻫﻴﺴﺘﻮﮔﺮام داده ﻫﺎي ﻣﺜﺎل ﻗﺒﻞ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪٣١‬‬
‫‪Histogram‬‬
‫‪8‬‬
‫‪6‬‬
‫‪Frequency‬‬
‫‪4‬‬
‫‪2‬‬
‫‪Mean =36.75‬‬
‫‪Std. Dev. =7.86‬‬
‫‪0‬‬ ‫‪N =40‬‬
‫‪20.00‬‬ ‫‪30.00‬‬ ‫‪40.00‬‬ ‫‪50.00‬‬
‫‪VAZN‬‬
‫ﻳﻜﻲ دﻳﮕﺮ از ﻧﻤﻮدارﻫﺎﻳﻲ ﻛﻪ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﭘﻴﻮﺳﺘﻪ ﺑﻪ ﻛﺎر ﻣﻲ رود و در ﺳﺎﻟﻬﺎي اﺧﻴﺮ ﻛﺎرﺑﺮد آن ﺑﺴﺎر زﻳﺎد‬
‫ﺷﺪه اﺳﺖ ﻧﻤﻮدار ﺟﻌﺒﻪ اي ﻳﺎ ‪ Box plot‬اﺳﺖ ﻛﻪ ﺑﻪ آن ﺑﻌﺪ از ﺑﺤﺚ ﺷﺎﺧﺼﻬﺎي آﻣﺎري ﺧﻮاﻫﻴﻢ ﭘﺮداﺧﺖ‪.‬‬
‫‪ 3-2-2‬ﻣﺤﺎﺳﺒﻪ ﺷﺎﺧﺼﻬﺎي آﻣﺎري‪:‬‬

‫ﻣﺮﺣﻠﻪ اول آﻣﺎر ﺗﻮﺻﻴﻔﻲ ﻳﻌﻨﻲ ﺗﺸﻜﻴﻞ ﺟﺪاول ﻓﺮاواﻧﻲ و رﺳﻢ ﻧﻤﻮدارﻫﺎي آﻣﺎري در ‪ SPSS‬ﺑﻴﺎن ﺷﺪ‪ .‬ﻣﺮﺣﻠﻪ‬
‫دوم در آﻣﺎر ﺗﻮﺻﻴﻔﻲ‪،‬ﺧﻼﺻﻪ ﻛﺮدن داده ﻫﺎ در ﻗﺎﻟﺐ اﻋﺪادي اﺳﺖ ﻛﻪ ﻣﻮﺳﻮم ﺑﻪ ﺷﺎﺧﺼﻬﺎي آﻣﺎري ﻫﺴﺘﻨﺪ‪.‬‬
‫ﺷﺎﺧﺼﻬﺎي آﻣﺎري ﺑﻪ دو دﺳﺘﻪ ﺗﻘﺴﻴﻢ ﻣﻴﺸﻮﻧﺪ‪ :‬ﺷﺎﺧﺼﻬﺎﺋﻲ ﻛﻪ ﮔﺮاﻳﺶ ﺑﻪ ﻣﺮﻛﺰ ﻳﺎ ﻣﺮﻛﺰﻳﺖ داده ﻫﺎ را اﻧﺪازه‬
‫ﻣﻴﮕﻴﺮد)ﺷﺎﺧﺼﻬﺎي ﻣﺮﻛﺰي( و ﺷﺎﺧﺼﻬﺎﺋﻲ ﻛﻪ ﺑﺮاي اﻧﺪازه ﮔﻴﺮي ﺗﻐﻴﻴﺮ ﭘﺬﻳﺮي داده ﻫﺎ ﺑﻪ ﻛﺎر ﻣﻴﺮود)ﺷﺎﺧﺼﻬﺎي‬
‫ﭘﺮاﻛﻨﺪﮔﻲ‪(.‬‬
‫‪-‬ﺷﺎﺧﺼﻬﺎي ﻣﺮﻛﺰي‪:‬‬
‫ﺷﺎﺧﺼﻬﺎي ﻣﺮﻛﺰي ﻣﻬﻢ ﻋﺒﺎرﺗﻨﺪ از‪:‬‬
‫ﻣﺪ)‪ :(Mode‬ﻣﺪ داده اي اﺳﺖ ﻛﻪ ﺑﻴﺸﺘﺮﻳﻦ ﻓﺮاواﻧﻲ را دارد‪.‬اﺳﺘﻔﺎده از اﻳﻦ ﺷﺎﺧﺺ ﺑﻴﺸﺘﺮ در ﻣﺘﻐﻴﺮﻫﺎي رﺳﺘﻪ‬
‫اي اﺳﺖ‪.‬‬
‫‪٣٢‬‬
‫ﻣﻴﺎﻧﻪ)‪ (Median‬و ﭼﻨﺪﻛﻬﺎ‪ :‬ﻣﻴﺎﻧﻪ ﺑﻪ داده وﺳﻄﻲ داده ﻫﺎ اﻃﻼق ﻣﻴﺸﻮد و در داده ﻫﺎي ﻛﻢ ﺗﻌﺪاد ﻳﻚ‬
‫ﺷﺎﺧﺺ ﭘﺮﻛﺎرﺑﺮد و ﻛﺎر آﻣﺪ اﺳﺖ‪.‬‬
‫ﻣﻴﺎﻧﻪ داده اي اﺳﺖ ﻛﻪ ﺗﻘﺮﻳﺒﺎً ﻧﺼﻒ داده ﻫﺎ از آن ﻛﻤﺘﺮ و ﻧﺼﻒ داده ﻫﺎ از آن ﺑﻴﺸﺘﺮﻧﺪ‪.‬‬
‫ﺗﻌﺮﻳﻒ ﭼﻨﺪﻛﻬﺎ ﻫﻢ ﻣﻌﺎدل ﻣﻴﺎﻧﻪ اﺳﺖ‪،‬ﭼﻨﺪك ﻣﺮﺗﺒﻪ‪، p‬ﻣﻘﺪاري اﺳﺖ ﻛﻪ ﺗﻘﺮﻳﺒﺎً ‪ 100p‬درﺻﺪ داده ﻫﺎ از آن‬
‫ﻛﻤﺘﺮﻳﺎ ﻣﺴﺎوي آن و )‪ 100(1-p‬درﺻﺪ داده ﻫﺎ از آن ﺑﻴﺸﺮﻧﺪ‪ .‬ﺳﺎده ﺗﺮﻳﻦ ﻧﻮع ﭼﻨﺪﻛﻬﺎ ‪ ،‬ﭼﺎرﻛﻬﺎ )‪ (Quartiles‬و‬
‫دﻫﻜﻬﺎ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -‬ﭼﺎرك اول‪ :‬ﻣﻘﺪاري اﺳﺖ ﻛﻪ ﻳﻚ ﭼﻬﺎرم داده ﻫﺎ از آن ﻛﻤﺘﺮ ﻳﺎ ﻣﺴﺎوي ﺑﺎ آن ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -‬ﭼﺎرك دوم‪ :‬ﻣﻌﺎدل ﻣﻴﺎﻧﻪ اﺳﺖ‪.‬‬
‫‪ -‬ﭼﺎرك ﺳﻮم‪ :‬ﻣﻘﺪاري اﺳﺖ ﻛﻪ ﺳﻪ ﭼﻬﺎرم داده ﻫﺎ از آن ﻛﻤﺘﺮ ﻳﺎ ﻣﺴﺎوي ﺑﺎ آن ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -‬دﻫﻚ اول‪ :‬ﻣﻘﺪاري اﺳﺖ ﻛﻪ ﻳﻚ دﻫﻢ داده ﻫﺎ از آن ﻛﻤﺘﺮ ﻳﺎ ﻣﺴﺎوي ﺑﺎ آن ﻫﺴﺘﻨﺪ‪ .‬ﺳﺎﻳﺮ دﻫﻜﻬﺎ ﻫﻢ ﺑـﻪ ﻫﻤـﻴﻦ‬
‫ﺻﻮرت ﺗﻌﺮﻳﻒ ﻣﻲ ﺷﻮﻧﺪ‪.‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ)‪ :(Mean‬ﭘﺮﻛﺎرﺑﺮدﺗﺮﻳﻦ و ﻛﺎراﺗﺮﻳﻦ ﺷﺎﺧﺺ ﺑﺮاي اﻧﺪازه ﮔﻴﺮي ﻣﺮﻛﺰﻳﺖ داده ﻫﺎ ﻣﻴﺎﻧﮕﻴﻦ اﺳﺖ‪ .‬اﻟﺒﺘﻪ‬
‫در ﺻﻮرﺗﻴﻜﻪ ﺗﻌﺪاد داده ﻫﺎ ﻛﻢ ﺑﺎﺷﺪ ﻳﺎ ﺗﻌﺪادي داده ﭘﺮت در ﻣﻴﺎن داده ﻫﺎ ﻣﺸﺎﻫﺪه ﺷﻮد‪ ،‬دﻗﺖ ﻣﻴﺎﻧﮕﻴﻦ ﻛﺎﻫﺶ‬
‫ﺧﻮاﻫﺪ ﻳﺎﻓﺖ ﻟﺬا درﺻﻮرﺗﻴﻜﻪ ﻳﻜﻲ از ﺣﺎﻻت ﻓﻮق اﺗﻔﺎق ﺑﻴﻔﺘﺪ ﺑﺎﻳﺪ در اﺳﺘﻔﺎده از ﻣﻴﺎﻧﮕﻴﻦ ﻫﻮﺷﻴﺎر ﺑﻮد‪.‬‬
‫ﺑﺮاي رﻓﻊ ﻣﺸﻜﻞ داده ﻫﺎي ﭘﺮت‪ ،‬اﻧﻮاع دﻳﮕﺮي از ﻣﻴﺎﻧﮕﻴﻦ ﺗﻌﺮﻳﻒ ﻣﻴﺸﻮد ﻛﻪ اﺛﺮ اﻳﻨﮕﻮﻧﻪ داده ﻫﺎ را ﻛﺎﻫﺶ‬
‫ﻣﻴﺪﻫﺪ‪.‬‬
‫ﺷﺎﺧﺼﻬﺎي ﭘﺮاﻛﻨﺪﮔﻲ‪:‬‬
‫ﻏﻴﺮ از ﺷﺎﺧﺼﻬﺎﺋﻲ ﻛﻪ ﮔﺮاﻳﺶ داده ﻫﺎ را ﺑﻪ ﻳﻚ ﻣﻘﺪار ﻣﺮﻛﺰي ﻧﺸﺎن ﻣﻴﺪﻫﺪ‪ ،‬ﻋﻼﻗﻪ ﻣﻨﺪ ﺑﻪ ﺷﺎﺧﺼﻬﺎﺋﻲ ﻫﺴﺘﻴﻢ‬
‫ﻛﻪ ﺑﻪ ﻧﻮﻋﻲ ﻣﻴﺰان ﭘﺮاﻛﻨﺪﮔﻲ داده ﻫﺎ را ﺑﻴﺎن ﻛﻨﻨﺪ‪ .‬ﻣﻬﻤﺘﺮﻳﻦ ﺷﺎﺧﺼﻬﺎي آﻣﺎري ﭘﺮاﻛﻨﺪﮔﻲ ﻋﺒﺎرﺗﻨﺪ از‪:‬‬
‫داﻣﻨﻪ ﺗﻐﻴﻴﺮات)‪ :(Range‬ﺗﻔﺎﺿﻞ ﺑﺰرﮔﺘﺮﻳﻦ و ﻛﻮﭼﻜﺘﺮﻳﻦ داده را داﻣﻨﻪ ﺗﻐﻴﻴﺮات ﻣﻲ ﻧﺎﻣﻨﺪ‪.‬‬
‫وارﻳﺎﻧﺲ)‪:(Variance‬ﻣﻴﺎﻧﮕﻴﻦ ﻣﺮﺑﻌﺎت ﺗﻔﺎﺿﻞ داده ﻫﺎ از ﻣﻴﺎﻧﮕﻴﻦ را وارﻳﺎﻧﺲ ﮔﻮﻳﻨﺪ‪.‬‬
‫‪٣٣‬‬
‫اﻧﺤﺮاف ﻣﻌﻴﺎر)‪:(Standard division‬ﺟﺬر وارﻳﺎﻧﺲ را اﻧﺤﺮاف ﻣﻌﻴﺎر ﮔﻮﻳﻨﺪ‪.‬‬
‫اﻧﺤﺮاف اﺳﺘﺎﻧﺪارد ﻣﻴﺎﻧﮕﻴﻦ )‪:(Standard Error of Mean‬ﺟﺬر ﺣﺎﺻﻞ ﺗﻘﺴﻴﻢ وارﻳﺎﻧﺲ ﺑﺮ ﺗﻌﺪاد داده ﻫﺎ‬
‫را اﻧﺤﺮاف اﺳﺘﺎﻧﺪارد ﻣﻴﺎﻧﮕﻴﻦ ﮔﻮﻳﻨﺪ‪.‬‬
‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺷﺎﺧﺼﻬﺎي ﺑﺎﻻ‪ ،‬اﺑﺘﺪا ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬ﻛﺎدر زﻳﺮ ﺑﺎز ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﺷﺎﺧﺼﻬﺎي ﻣﺮﻛﺰي را ﻣﻴﺘﻮاﻧﻴﺪ از ﻛﺎدر‬ ‫روي دﻛﻤﻪ‬
‫‪ Central Tendency‬و ﺷﺎﺧﺼﻬﺎي ﭘﺮاﻛﻨﺪﮔﻲ را از ﻛﺎدر ‪ Dispersion‬اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬
‫ﭘﺲ از اﻧﺘﺨﺎب ﺷﺎﺧﺼﻬﺎي ﻣﻮرد ﻧﻈﺮ دﻛﻤﻪ ‪ Continue‬و ﺳﭙﺲ ‪ OK‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫‪٣٤‬‬
‫و ﻳﺎ ﻣﻴﺘﻮان از ﻣﺴﻴﺮ زﻳﺮ اﺳﺘﻔﺎده ﻛﺮد‪:‬‬
‫روي دﻛﻤﻪ …‪ Option‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ و ﺷﺎﺧﺼﻬﺎي ﻣﻮردﻧﻈﺮﺗﺎن را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪:‬‬
‫‪٣٥‬‬
‫ﻧﻤﻮدار ‪: Box plot‬‬
‫ﻧﻤﻮدار ﺟﻌﺒﻪ اي از ﻧﻤﻮدارﻫﺎي ﭘﺮﺗﻮان و ﭘﺮﻛﺎرﺑﺮد آﻣﺎري اﺳﺖ ﻛﻪ در ﻛﻨﺎر ﮔﺮاﻳﺶ ﺑﻪ ﻣﺮﻛﺰ‪ ،‬ﭘﺮاﻛﻨﺪﮔﻲ‬
‫داده ﻫﺎ‪ ،‬داده ﻫﺎي ﭘﺮت‪ ،‬ﺗﻘﺎرن و اﻟﮕﻮي ﻛﻠﻲ داده ﻫﺎ را ﺑﻴﺎن ﻣﻴﻜﻨﺪ‪ .‬ﺷﻤﺎﻳﻞ ﻛﻠﻲ ﻳﻚ ﻧﻤﻮدار ﺟﻌﺒﻪ اي ﺑﻪ‬
‫ﺻﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫‪٣٦‬‬
‫داده ﺑﻴﺶ از ﺳﺮﺣﺪ‬
‫داده ﭘﺮت‬
‫ﺑﺰرﮔﺘﺮﻳﻦ داده)؟(‬
‫ﻣﻴﺎﻧﻪ‬
‫داﻣﻨﻪ ﻣﻴﺎن ﭼﺎرﻛﻲ‬
‫ﻛﻮﭼﻜﺘﺮﻳﻦ داده‬
‫ﭼﺎرك اول‬
‫ﻓﺎﺻﻠﻪ ﻣﻴﺎن ﭼﺎرك اول و ﭼﺎرك ﺳﻮم را داﻣﻨﻪ ﻣﻴﺎن ﭼﺎرﻛﻲ ﻣﻲ ﮔﻮﻳﻨﺪ‪.‬اﮔﺮ داده اي ﺑﻴﺶ از ‪ 1.5‬ﺑﺮاﺑﺮ داﻣﻨﻪ‬
‫ﻣﻴﺎن ﭼﺎرﻛﻲ از ﭼﺎرك اول ﻳﺎ ﭼﺎرك ﺳﻮم ﻓﺎﺻﻠﻪ داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬داده ﭘﺮت ﻣﺤﺴﻮب ﻣﻴﺸﻮد و ﺑﻪ ﺻﻮرت ﻳﻚ ﻧﻘﻄﻪ‬
‫ﺧﺎرج از ﻧﻤﻮدار ﻧﺸﺎن داده ﻣﻴﺸﻮد و ﻧﻤﻮدار ﺑﺪون اﺣﺘﺴﺎب آن رﺳﻢ ﻣﻲ ﺷﻮد‪.‬‬
‫ﺑﺮاي رﺳﻢ ‪ Box plot‬ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٣٧‬‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ و در ﻛﺎدر ﻇﺎﻫﺮ ﺷﺪه ﻧﻤﻮدار ‪ Box plot‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬ ‫روي‬
‫ﻧﻤﻮدار ﺟﻌﺒﻪ اي داده ﻫﺎي ﻣﺜﺎل وزن ﻗﺎﻟﺒﻬﺎي ﻛﺮه اي در زﻳﺮ رﺳﻢ ﺷﺪه اﺳﺖ‪ .‬ﻧﺤﻮه ﺗﻘﺎرن داده ﻫﺎ‪ ،‬ﻣﻴﺰان‬
‫ﭘﺮاﻛﻨﺪﮔﻲ و وﺟﻮد ﻳﺎ ﻋﺪم وﺟﻮد داده ﻫﺎي ﭘﺮت را ﺑﺨﻮﺑﻲ ﻣﻴﺘﻮان در ﻧﻤﻮدار ﻣﺸﺎﻫﺪه ﻛﺮد‪:‬‬
‫‪٣٨‬‬
‫‪ 4-2-2‬ﭼﻨﺪ ﻧﻤﻮدار ﻣﻬﻢ و ﻛﺎرﺑﺮدي دﻳﮕﺮ‪:‬‬

‫ﻋﻼوه ﺑﺮ ﻧﻤﻮدارﻫﺎي ﻓﻮق ﻛﻪ ﺑﺎ ﻫﻢ ﺑﺮرﺳﻲ ﻛﺮدﻳﻢ‪ ،‬ﭼﻨﺪ ﻧﻤﻮدار دﻳﮕﺮ را ﻧﻴﺰ در زﻳﺮ ﺑﺮرﺳﻲ ﻣﻴﻜﻨﻴﻢ‪ .‬اﻳﻦ‬
‫ﻧﻤﻮدارﻫﺎ زﻣﺎﻧﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ ﻛﻪ ﻣﺎ ﺑﺎ دو ﻳﺎ ﺳﻪ ﻣﺘﻐﻴﺮ ﺳﺮوﻛﺎر داﺷﺘﻪ ﺑﺎﺷﻴﻢ‪ ،‬ﺑﻪ ﻃﻮري ﻛﻪ‬
‫دﻗﻴﻘﺎٌ ﻳﻜﻲ از آﻧﻬﺎ از ﻧﻮع ﻋﺪدي و دﻳﮕﺮ ﻣﺘﻐﻴﺮ)ﻫﺎ( رﺳﺘﻪاي ﺑﺎﺷﻨﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﻣﻲﺧﻮاﻫﻴﻢ ﺣﻘﻮق )ﻣﺘﻐﻴﺮ‬
‫ﻋﺪدي( زﻧﺎن و ﻣﺮدان ) ﻣﺘﻐﻴﺮ رﺳﺘﻪاي( را در ﻳﻚ ﺷﻐﻞ ﺑﺨﺼﻮص ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﻣﻴﺨﻮاﻫﻴﻢ ﺑﺒﻴﻨﻴﻢ‬
‫ﺣﻘﻮق ﻣﺮدان ﺑﻴﺸﺘﺮ اﺳﺖ ﻳﺎ زﻧﺎن؟ در اﻳﻦ ﻗﺴﻤﺖ ﺷﻤﺎ را ﺑﺎ اﻳﻦ ﻧﻤﻮدارﻫﺎ آﺷﻨﺎ ﻛﺮده و ﻧﺤﻮة رﺳﻢ آﻧﻬﺎ را ﻧﻴﺰ‬
‫در ﺳﺮ ﻛﻼس ﺑﺎ ﻫﻢ ﺑﺮرﺳﻲ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫‪ (1‬زﻣﺎﻧﻲ ﻛﻪ ﺗﻨﻬﺎ ﻳﻚ ﻣﺘﻐﻴﺮ ﻋﺪدي و ﻳﻚ ﻣﺘﻐﻴﺮ رﺳﺘﻪاي داﺷﺘﻪ ﺑﺎﺷﻴﻢ‪:‬‬
‫ﻣﻲﺧﻮاﻫﻴﻢ ﺣﻘﻮق ﻣﺮدان و زﻧﺎن را ﺑﺎ ﻫﻢ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ‪ .‬ﺑﺮاي اﻳﻦ ﻣﻘﺎﻳﺴﻪ ﻣﻴﺘﻮاﻧﻴﻢ از دو ﻧﻤﻮدار زﻳﺮ اﺳﺘﻔﺎده‬
‫اﻟﻒ( ﻧﻤﻮدار ‪ ) Box plot‬ﺑﺮاي دو ﺟﺎﻣﻌﻪ(‪:‬‬
‫‪٣٩‬‬
‫ب( ﻧﻤﻮدار ﺳﺘﻮﻧﻲ ) ﺑﺮاي ﻣﻘﺎﻳﺴﺔ دو ﺟﺎﻣﻌﻪ ( ‪:‬‬
‫‪٤٠‬‬
‫‪ (2‬زﻣﺎﻧﻲ ﻛﻪ ﺗﻨﻬﺎ ﻳﻚ ﻣﺘﻐﻴﺮ ﻋﺪدي و دو ﻣﺘﻐﻴﺮ رﺳﺘﻪاي داﺷﺘﻪ ﺑﺎﺷﻴﻢ‪:‬‬
‫اﻟﻒ ( ﻓﺮض ﻛﻨﻴﺪ ﻣﻲﺧﻮاﻫﻴﻢ ﺣﻘﻮق زﻧﺎن و ﻣﺮدان را در ﻫﺮ داﻧﺸﻜﺪه ﺑﺎ ﻫﻢ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ از‬
‫ﻧﻤﻮدار ﺳﺘﻮﻧﻲ ﺧﻮﺷﻪاي اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪:‬‬
‫ب ( ﺣﺎل ﻓﺮض ﻛﻨﻴﺪ ﻧﻤﻮدار ﺑﺎﻻ را ﺑﺨﻮاﻫﻴﻢ ﺑﺼﻮرت ﺟﺪا ﺑﺮاي زن و ﻣﺮد رﺳﻢ ﻛﻨﻴﻢ‪:‬‬
‫‪٤١‬‬
‫ ﻣﻬﺪي اﻛﺒﺮزاده‬:‫ﺗﻬﻴﻪ و ﺗﻨﻈﻴﻢ‬ SPSS 19 ‫آﻣﻮزش ﻧﺮماﻓﺰار آﻣﺎري‬
٤٢
‫ﻓﺼﻞ ﺳﻮم‬
‫دﺳﺘﻮرﻫﺎﻳﻲ ﺑﺮاي دﺳﺖﻛﺎري دادهﻫﺎ در ‪SPSS‬‬
‫در اﻳﻦ ﻓﺼﻞ ﺑﻪ ﺑﺮرﺳﻲ ﺑﺮﺧﻲ دﺳﺘﻮرات در ‪ SPSS‬ﺧﻮاﻫﻴﻢ ﭘﺮداﺧﺖ ﻛﻪ ﺑﺮاي ﻛﺎر ﺑﺎ دادهﻫﺎ و اﻣﺎده ﻛـﺮدن آﻧﻬـﺎ‬
‫ﺑﺮاي ﺗﺤﻠﻴﻞﻫﺎي ﺑﻌﺪي ﺑﺴﻴﺎر ﻣﻬﻢ اﺳﺖ‪ .‬ﺑﻪ اﻋﺘﻘـﺎد ﺑﺮﺧـﻲ ﻧﻮﻳﺴـﻨﺪﮔﺎن‪ ،‬در ﺣـﻴﻦ ﻛـﺎر ﺑـﺎ ‪ SPSS‬اﺳـﺘﻔﺎده از اﻳـﻦ‬
‫دﺳﺘﻮرﻫﺎ ﺑﺴﻴﺎر ﻛﻤﻚﻛﻨﻨﺪه اﺳﺖ و ﺑﺪون وﺟﻮد اﻳﻦ دﺳﺘﻮرﻫﺎ‪ ،‬اﻳﻦ ﻧﺮماﻓﺰار ﻗﺎﺑﻞ اﺳﺘﻔﺎده ﻧﻴﺴﺖ‪.‬‬
‫‪ 1-3‬دﺳﺘﻮر ‪Select Cases‬‬

‫ﻫﻤﺎنﻃﻮر ﻛﻪ از ﻧﺎم اﻳﻦ دﺳﺘﻮر ﭘﻴﺪاﺳﺖ‪ ،‬ﺗﻮﺳﻂ آن ﻣﻲﺗﻮان ﻣﻮردﻫﺎﻳﻲ)اﻓﺮادي( ﺧﺎص را اﻧﺘﺨﺎب ﻛﺮد‪ .‬ﺑﺮاي ﻣﺜﺎل‬
‫ﻓﺮض ﻛﻨﻴﺪ ﻣﻲﺧﻮاﻫﻴﻢ ﺗﺤﻠﻴـﻞ ﻣـﻮردﻧﻈﺮ را ﺑـﺮ روي اﻓـﺮادي از ﻧﻤﻮﻧـﻪ ﻛـﻪ داراي وﻳﮋﮔـﻲ ﺧﺎﺻـﻲ)ﺑـﺮاي ﻣﺜـﺎل‪،‬‬
‫ﺳﻴﮕﺎري ﺑﻮدن( ﻫﺴﺘﻨﺪ‪ ،‬اﺟﺮا ﻛﻨﻴﻢ‪ .‬ﺗﻮﺳﻂ اﻳﻦ دﺳﺘﻮر ﺑـﻪ ‪ SPSS‬ﻣـﻲﮔـﻮﺋﻴﻢ ﻛـﻪ ﺗﺤﻠﻴـﻞ را ﻓﻘـﻂ ﺑـﺮ روي اﻓـﺮاد‬
‫ﺳﻴﮕﺎري اﻧﺠﺎم ﺑﺪه‪.‬‬
‫ﺑﺮاي ﺑﺮرﺳﻲ اﻳﻦ دﺳﺘﻮر اﺑﺘﺪا ﻓﺎﻳﻞ داده "‪ "adl.sav‬را از ﻓﺎﻳﻞﻫﺎي ﻧﻤﻮﻧﻪ ‪ SPSS‬ﺑﺎز ﻛﻨﻴﺪ‪ .‬ﻣﻲﺧﻮاﻫﻴﻢ راﺑﻄـﻪ ﺑـﻴﻦ‬
‫ﻓﺸـﺎرﺧﻮن )‪ (hypertns‬و اﺑــﺘﻼ ﺑـﻪ ﺑﻴﻤــﺎري دﻳﺎﺑـﺖ)‪ (diabetic‬را ﻓﻘــﻂ در ﮔـﺮوه ﻣــﻮرد)‪ (Treatment‬دادهﻫــﺎ‬
‫ﺑﺮرﺳﻲ ﻛﻨﻴﻢ‪ .‬ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻛﻪ ﮔﺮوه ﻣﻮرد در ﻣﺘﻐﻴﺮ ‪ group‬ﺑﺎ ﻛﺪ ‪ 1‬ﻣﺸﺨﺺ ﺷﺪهاﺳﺖ‪.‬‬
‫ﻣﻲداﻧﻴﻢ ﻛﻪ ﺑﺮاي ﺑﺮرﺳﻲ اﻳﻦ راﺑﻄﻪ ﺑﺎﻳﺪ از دﺳﺘﻮر ‪ Crosstabs‬اﺳﺘﻔﺎده ﻛﺮد‪ ،‬اﻣﺎ ﭼﻮن ﻣﻲﺧﻮاﻫﻴﻢ راﺑﻄـﻪ را ﻓﻘـﻂ‬
‫در ﮔﺮوه ﻣﻮرد اﻧﺠﺎم دﻫﻴﻢ‪ ،‬اﺑﺘﺪا ﺑﺎﻳﺪ دﺳـﺘﻮر ‪ Select Cases‬را اﺟـﺮا ﻛﻨـﻴﻢ‪ .‬ﺑـﺮاي اﺟـﺮاي اﻳـﻦ دﺳـﺘﻮر ﻣﺴـﻴﺮ‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪ ﻣﺮﺑﻮﻃﻪ‬ ‫‪ Data>Select Cases‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ و ﻳﺎ در ﻧﻮار اﺑﺰار روي دﻛﻤﻪ‬
‫ﺑﺎز ﺷﻮد‪ .‬در اﻳﻦ ﻛﺎدر ﮔﺰﻳﻨﻪ دوم)‪ (If condition is satisfied‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ و دﻛﻤﻪ ‪ if‬را ﻛﻠﻴﻚ ﻛﻨﻴـﺪ‪ ،‬و‬
‫ﻣﺘﻐﻴﺮ ‪ group‬را وارد ﻛﺎدر ﺳﻤﺖ راﺳﺖ اﻧﺪاﺧﺘﻪ و ﻋﺒﺎرت "‪ "=1‬را ﺗﺎﻳـﭗ ﻛﻨﻴـﺪ و ﮔﺰﻳﻨـﻪ ‪ Continue‬و ﺳـﭙﺲ‬
‫‪ Ok‬را ﺑﺰﻧﻴﺪ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ در ﻓﺎﻳﻞ دادهﻫﺎ ﻓﻘﻂ اﻓﺮاد ﻣﻮرد اﻧﺘﺨﺎب ﺷﺪهاﻧﺪ و اﻓـﺮاد ﻛﻨﺘـﺮل ﺑـﺮاي آﻧﺎﻟﻴﺰﻫـﺎ ﻓﻴﻠﺘـﺮ‬
‫ﺷﺪهاﻧﺪ‪.‬‬
‫‪٤٣‬‬
‫ﺣﺎل ﺑﺎ اﺟﺮاي دﺳﺘﻮر ‪ Crosstabs‬راﺑﻄﻪ ﺑﻴﻦ ﻓﺸﺎرﺧﻮن و دﻳﺎﺑﺖ را ﺑﺮرﺳﻲ ﻣﻲﻛﻨﻴﻢ‪ .‬ﺧﺮوﺟﻲ ﻧﺮماﻓﺰار ﺑﻪ ﺻﻮرت‬
‫زﻳﺮ اﺳﺖ‪:‬‬
‫ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﺸﺎﻫﺪه ﻣﻲﻛﻨﻴﺪ‪ ،‬اﻳﻦ ﻫﻤﺎن ﺧﺮوﺟﻲ دﺳﺘﻮر ‪ Crosstabs‬اﺳﺖ ﺑﺎ اﻳـﻦ ﺗﻔـﺎوت ﻛـﻪ راﺑﻄـﻪ ﺑـﻴﻦ دو‬
‫ﻣﺘﻐﻴﺮ ﻓﺸﺎر ﺧﻮن و دﻳﺎﺑﺖ ﻓﻘﻂ در اﻓﺮاد "ﻣﻮرد" ﺑﺮرﺳﻲ ﺷﺪه اﺳﺖ‪.‬‬
‫ﺗﻮﺟﻪ‪:‬‬
‫در ﭘﻨﺠﺮه ‪ ،Select Cases:if‬ﻛﻪ ﻧﺤﻮه اﻧﺘﺨﺎب ‪Case‬ﻫﺎ را ﺗﻌﻴﻴﻦ ﻣﻲﻛﻨﻴﻢ‪ ،‬ﮔﺰﻳﻨﻪﻫﺎي زﻳﺎد دﻳﮕﺮي ﻧﻴﺰ‬
‫ﺑﺮاي اﻧﺘﺨﺎب وﺟﻮد دارد‪ .‬ﺑﺮاي ﻣﺜﺎل ﻣﻲ ﺗﻮان ﺑﺎ اﺳﺘﻔﺎده ﺻﻔﺤﻪ ﻛﻠﻴﺪ اﻳﻦ ﻛﺎدر ﺗﻌﻴـﻴﻦ ﻛﻨـﻴﻢ ﻛـﻪ‪ ،‬ﺑـﺮاي‬
‫ﻣﺜﺎل‪" ،‬اﻓﺮاد ﺑﺎ ﺳﻦ ﻛﻤﺘﺮ ﻳﺎ ﻣﺴﺎوي ‪ 73‬ﺳﺎل" اﻧﺘﺨﺎب ﺷﻮﻧﺪ‪ .‬ﺑﺮاي اﻳـﻦﻛـﺎر ﺑﺎﻳـﺪ در ﻛـﺎدر ﺗﺎﻳـﭗ ﺷـﻮد‪:‬‬
‫‪ . age<=30‬ﻳﺎ ﻣﻲﺗﻮان از دﺳﺘﻮرﻫﺎي ﻣﻨﻄﻘﻲ &)‪ (and‬و | )‪ (or‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫‪٤٤‬‬
‫‪ -‬ﻓﺎﻳﻞ "‪ "adl.sav‬ﺑﺎز ﻛﻨﻴﺪ و ﺗﻤﺮﻳﻨﺎت زﻳﺮ را اﻧﺠﺎم ﺑﺪﻳﺪ‪.‬‬
‫‪ -1‬در ﺑﻴﻦ اﻓﺮاد دﻳﺎﺑﺘﻲ‪ ،‬راﺑﻄﻪ ﺑﻴﻦ ﺳﻴﮕﺎري ﺑﻮدن و ﻓﺸﺎرﺧﻮن را ﺑﺮرﺳﻲ ﻛﻨﻴﺪ‪.‬‬
‫‪ -2‬در ﺑﻴﻦ اﻓﺮاد ﺑﺎﻻي ‪ 73‬ﺳﺎل‪ ،‬راﺑﻄﻪ ﺑﻴﻦ ﺳﻴﮕﺎري ﺑﻮدن و ﻓﺸﺎرﺧﻮن را ﺑﺮرﺳﻲ ﻛﻨﻴﺪ‪.‬‬
‫‪ -3‬راﺑﻄﻪ ﺑﻴﻦ ﺳﻴﮕﺎري ﺑﻮدن و ﻓﺸﺎرﺧﻮن را در ﺑﻴﻦ اﻓﺮاد ﺑﺎﻻي ‪ 73‬ﺳﺎل ﻛﻪ ﻣﺒـﺘﻼ ﺑـﻪ ﺑﻴﻤـﺎري دﻳﺎﺑـﺖ‬
‫ﻧﻴﺴﺘﻨﺪ‪ ،‬ﺑﺮرﺳﻲ ﻛﻨﻴﺪ‪.‬‬
‫‪ -4‬راﺑﻄﻪ ﺑﻴﻦ ﺳﻴﮕﺎري ﺑﻮدن و ﻓﺸﺎرﺧﻮن را در ﺑـﻴﻦ اﻓـﺮادي ﻛـﻪ ﺑـﺎﻻي ‪ 73‬ﺳـﺎل دارﻧـﺪ ﻳـﺎ ﻣﺒـﺘﻼ ﺑـﻪ‬
‫ﺑﻴﻤﺎري دﻳﺎﺑﺖ ﻧﻴﺴﺘﻨﺪ‪ ،‬ﺑﺮرﺳﻲ ﻛﻨﻴﺪ‪.‬‬
‫‪ 2-3‬دﺳﺘﻮر ‪Split File‬‬

‫ﻫﻤﺎنﻃﻮر ﻛﻪ از ﻧﺎم اﻳﻦ دﺳﺘﻮر ﭘﻴﺪاﺳﺖ‪ ،‬ﻓﺎﻳﻞ دادهﻫﺎ را ﻣﻲﺷﻜﻨﺪ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻳـﻚ ﻣﺘﻐـﺮ ﻛﻴﻔـﻲ‪،‬‬
‫ﻣﺜﻞ ﺟﻨﺴﻴﺖ ﻳﺎ ﻣﻘﻄﻊ ﺗﺤﺼﻴﻠﻲ‪ ،‬ﻓﺎﻳﻞ دادهﻫﺎ ﺗﻔﻜﻴﻚ ﺷﺪه و ﺗﻤﺎم آﻧﺎﻟﻴﺰﻫﺎ و ﺧﺮوﺟﻲﻫﺎ ﺑـﻪ ﺗﻔﻜﻴـﻚ ﻃﺒﻘـﺎت اﻳـﻦ‬
‫ﻣﺘﻐﻴﺮ ﻛﻴﻔﻲ اراﺋﻪ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫ﺑﺮاي ﺑﺮرﺳﻲ اﻳﻦ دﺳﺘﻮر اﺑﺘﺪا ﻓﺎﻳﻞ داده "‪ "adl.sav‬را از ﻓﺎﻳﻞﻫﺎي ﻧﻤﻮﻧﻪ ‪ SPSS‬ﺑﺎز ﻛﻨﻴﺪ‪ .‬ﻣﻲﺧﻮاﻫﻴﻢ راﺑﻄـﻪ ﺑـﻴﻦ‬
‫ﻓﺸــﺎرﺧﻮﻧﻲ ﺑــﻮدن)‪ (hypertns‬و اﺑــﺘﻼ ﺑــﻪ ﺑﻴﻤــﺎري دﻳﺎﺑــﺖ)‪ (diabetic‬را ﺑــﻪ ﺗﻔﻜﻴــﻚ ﻫــﺮ ﻳــﻚ از ﮔــﺮوهﻫــﺎي‬
‫ﺗﻴﻤﺎري)‪ (group‬ﺑﺮرﺳﻲ ﻛﻨﻴﻢ‪ .‬ﻣﻲداﻧﻴﻢ ﻛﻪ ﺑﺮاي ﺑﺮرﺳﻲ اﻳﻦ راﺑﻄﻪ ﺑﺎﻳﺪ از دﺳﺘﻮر ‪ Crosstabs‬اﺳﺘﻔﺎده ﻛﺮد‪ ،‬اﻣـﺎ‬
‫ﭼﻮن ﻣﻲﺧﻮاﻫﻴﻢ راﺑﻄﻪ را ﺑﻪ ﺗﻔﻜﻴﻚ ﻳﻚ ﻣﺘﻐﻴﺮ ﺳﻮم ﺑﺮرﺳﻲ ﻛﻨﻴﻢ‪ ،‬اﺑﺘﺪا ﺑﺎﻳـﺪ دﺳـﺘﻮر ‪ Split file‬را اﺟـﺮا ﻛﻨـﻴﻢ‪.‬‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ‬ ‫ﺑﺮاي اﺟﺮاي اﻳﻦ دﺳﺘﻮر ﻣﺴﻴﺮ ‪ Data>Split file‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ و ﻳﺎ در ﻧﻮار اﺑﺰار روي دﻛﻤﻪ‬
‫ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪ ﻣﻮردﻧﻈﺮ ﺑﺎز ﺷﻮد‪ .‬در اﻳﻦ ﻛـﺎدر ﮔﺰﻳﻨـﻪ دوم)‪ (Compared groups‬را اﻧﺘﺨـﺎب ﻛﻨﻴـﺪ و ﻣﺘﻐﻴـﺮ‬
‫‪ group‬را وارد ﻛﺎدر ‪ Groups Based On‬وارد ﻛﻨﻴﺪ و ﮔﺰﻳﻨﻪ ‪ Ok‬را ﺑﺰﻧﻴﺪ‪.‬‬
‫در اﻳﻦ ﺣﺎﻟﺖ دادهﻫﺎ ﺗﻔﻜﻴﻚ ﺷﺪهاﻧﺪ‪ .‬و ﺣﺎﻻ ﻣﻲﺗﻮاﻧﻴﺪ آﻧﺎﻟﻴﺰ ﻣﻮردﻧﻈﺮ را اﻧﺠﺎم دﻫﻴﺪ‪.‬‬
‫‪٤٥‬‬
‫ﺑﻌﺪ از اﺟﺮاي دﺳﺘﻮر ‪ Crosstabs‬ﺧﺮوﺟﻲ را ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﻴﺪ دﻳﺪ‪ .‬ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﺸﺎﻫﺪه ﻣﻲﻛﻨﻴـﺪ‪ ،‬اﻳـﻦ‬
‫ﻫﻤﺎن ﺧﺮوﺟﻲ دﺳﺘﻮر ‪ Crosstabs‬اﺳﺖ ﺑﺎ اﻳﻦ ﺗﻔﺎوت ﻛﻪ راﺑﻄﻪ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﻓﺸﺎر ﺧـﻮن و دﻳﺎﺑـﺖ ﺑـﻪ ﺗﻔﻜﻴـﻚ‬
‫ﻳﻚ ﻣﺘﻐﻴﺮ ﺳﻮم ﺑﺮرﺳﻲ ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -1‬اﻳﻦ دﺳﺘﻮر ﺑﻪﺧﺼﻮص زﻣﺎﻧﻲ ﻛﺎرﺑﺮد دارد ﻛﻪ ﺑﺨﻮاﻫﻴﻢ اﺛﺮ ﻣﺨﺪوﺷﮕﺮي ﻳﺎ اﺛﺮات ﻣﺘﻘﺎﺑﻞ را ﺑﺮرﺳﻲ ﻛﻨﻴﻢ‪.‬‬
‫‪ -2‬ﺑﻌﺪ از اﺟﺮاي دﺳﺘﻮر ‪ ،Split file‬ﻓﺎﻳﻞ ‪ SPSS‬ﻫﻤﻮاره ﺑﺼﻮرت ﺗﻔﻜﻴﻚ ﺷﺪه اﺳـﺖ‪ .‬و ﻣـﺎداﻣﻲ ﻛـﻪ ﻓﺎﻳـﻞ‬
‫دادهﻫﺎ ﺑﻪ اﻳﻦ ﺻﻮرت اﺳﺖ‪ ،‬در ﻗﺴﻤﺖ ﻧﻮار وﺿﻌﻴﺖ ‪ SPSS‬ﻋﺒﺎرت ‪ Split file on‬ﻧﻮﺷﺘﻪ ﺷﺪه اﺳـﺖ‪ .‬در‬
‫ﺻﻮرﺗﻲ ﻛﻪ ﻣﻲﺧﻮاﻫﻴﺪ از اﻳﻦ ﺣﺎﻟﺖ ﺧﺎرج ﺷﻮﻳﺪ‪ ،‬دوﺑﺎره ﻣﺴﻴﺮ ﺑـﺎﻻ را ﻃـﻲ ﻛﻨﻴـﺪ و در ﻛـﺎدر ﻣﻜﺎﻟﻤـﻪاي‬
‫ﻣﺬﻛﻮر ﮔﺰﻳﻨﻪ "‪ "Analysis all cases‬را ﻧﺘﺨﺎب ﻛﻨﻴـﺪ و ‪ ok‬را ﻛﻠﻴـﻚ ﻛﻨﻴـﺪ‪ .‬در اﻳـﻦ ﺣﺎﻟـﺖ ﻓﺎﻳـﻞ از‬
‫ﺣﺎﻟﺖ ﺗﻔﻜﻴﻜﻲ درآﻣﺪه و ﻣﻲﺗﻮاﻧﻴﺪ ﺗﻤﺎم دادهﻫﺎ را ﺗﺤﻠﻴﻞ ﻛﻨﻴﺪ‪.‬‬
‫‪ -3‬در ﺻﻮرﺗﻲ ﻛﻪ ﮔﺰﻳﻨﻪ "‪ "Organize output by groups‬را اﻧﺘﺨﺎب ﻛﻨﻴـﺪ‪ ،‬ﺧﺮوﺟـﻲ ﻓﺎﻳـﻞﻫـﺎي را ﺑـﻪ‬
‫ﺻﻮرت ﺗﻔﻜﻴﻜﻲ اراﺋﻪ ﻣﻲدﻫﺪ‪ ،‬اﻣﺎ ﻧﻪ ﻛﻨﺎر ﻫﻢ‪.‬‬
‫‪ -4‬اﻳﻦ دﺳﺘﻮر اﺑﺘﺪا ﻓﺎﻳﻞ دادهﻫﺎ را ﺑﺮ اﺳﺎس ﻣﺘﻐﻴﺮ ﺗﻔﻜﻴﻜﻲ ﻣﺮﺗﺐ ﻣﻲﻛﻨـﺪ و ﺳـﭙﺲ ﻓﺎﻳـﻞ دادهﻫـﺎ را ﺗﻔﻜﻴـﻚ‬
‫ﻣﻲﻛﻨﺪ‪ ،‬و از آﻧﺠﺎﻳﻲ ﻛﻪ ﻋﻤﻮﻣـﺎً ﻓﺎﻳـﻞ دادهﻫـﺎ ﻣﺮﺗـﺐ ﻧﻴﺴـﺖ‪ ،‬ﻫﻤـﻮاره ﮔﺰﻳﻨـﻪ " ‪ "Sort the file . . .‬را‬
‫اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬
‫‪٤٦‬‬
‫‪ -‬ﻓﺎﻳﻞ "‪ "adl.sav‬ﺑﺎز ﻛﻨﻴﺪ و ﺗﻤﺮﻳﻨﺎت زﻳﺮ را اﻧﺠﺎم ﺑﺪﻳﺪ‪.‬‬

‫‪ -1‬راﺑﻄﻪ ﺑﻴﻦ ﻓﺸﺎرﺧﻮن و دﻳﺎﺑﺖ را ﻳﻚﺑﺎر ﺑﻪﺻﻮرت ﻛﻠﻲ و ﻳﻚﺑﺎر ﺑﻪ ﺗﻔﻜﻴﻚ ﺳﻴﮕﺎري ﺑﻮدن و ﻧﺒـﻮدن‬
‫ﺑﺮرﺳﻲ ﻛﻨﻴﺪ‪ .‬آﻳﺎ ﻣﺘﻐﻴﺮ ﺳﻴﮕﺎري ﺑﻮدن در ﺑﺮرﺳﻲ راﺑﻄﻪ ﺑـﻴﻦ ﻓﺸـﺎرﺧﻮن و دﻳﺎﺑـﺖ‪ ،‬ﻋﺎﻣـﻞ ﻣﺨﺪوﺷـﮕﺮ‬
‫اﺳﺖ؟‬
‫‪ -2‬راﺑﻄﻪ ﺑﻴﻦ ﻓﺸﺎرﺧﻮن و دﻳﺎﺑﺖ را در ﺑﻴﻦ اﻓﺮاد ﮔﺮوه ﻛﻨﺘﺮل ﻛﻪ ﺳﻴﮕﺎري ﻫﺴﺘﻨﺪ ﺑﺮرﺳﻲ ﻛﻨﻴﺪ‪.‬‬
‫‪ 3-3‬دﺳﺘﻮر ‪: Weight Cases‬‬

‫زﻣﺎﻧﻲ ﻛﻪ دادهﻫﺎ از ﻧﻮع ﻓﺮاواﻧﻲ ﺑﺎﺷﻨﺪ‪ ،‬ﺑﺮاي ﺗﻌﺮﻳﻒ دادهﻫﺎ ﻣﻲ ﺗﻮان از اﻳﻦ دﺳﺘﻮر اﺳﺘﻔﺎده ﻛﺮد‪ .‬دﺳﺘﻮر را ﺑﺎ ﻳـﻚ‬
‫ﻣﺜﺎل ﺗﻮﺿﻴﺢ ﻣﻲدﻫﻴﻢ‪.‬‬
‫ﻣﺜﺎل‪ :‬در ﻳﻚ ﻣﻄﺎﻟﻌﻪ ژﻧﻴﺘﻴﻜﻲ ﻣﺮﺑﻮط ﺑﻪ ﺳﺎﺧﺘﺎر ﻛﺮوﻣﻮزوم ﻫﺎ ‪ 28‬ﻧﻔﺮ ﺑﺮ ﺣﺴﺐ ﻧﻮع اﻧﺤﺮاﻓﻲ ﻛﻪ ﺳﺎﺧﺘﺎر‬
‫ﻛﺮوﻣﻮزوم آﻧﻬﺎ از وﺿﻊ ﻃﺒﻴﻌﻲ دارد و ﺑﺮ ﺣﺴﺐ اﻳﻦ ﻛﻪ واﻟﺪﻳﻨﺸﺎن ﺣﺎﻣﻞ اﻳﻦ اﻧﺤﺮاف ﻫﺴﺘﻨﺪ ﻳﺎ ﻧﻪ رده ﺑﻨﺪي ﺷﺪه‬
‫اﻧﺪ و در ﻧﺘﻴﺠﻪ داده ﻫﺎي زﻳﺮ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ ‪:‬‬
‫ﺣﺎﻣﻞﻫﺎ‬
‫ﻧﻮع اﻧﺤﺮاف از وﺿﻊ ﻃﺒﻴﻌﻲ‬
‫ﻫﻴﭻﻳﻚ از واﻟﺪﻳﻦ‬ ‫ﻳﻜﻲ از واﻟﺪﻳﻦ‬
‫‪1‬‬ ‫‪4‬‬ ‫ﻧﻮع ‪1‬‬

‫‪7‬‬ ‫‪3‬‬ ‫ﻧﻮع ‪2‬‬
‫ﻣﻲﺧﻮاﻫﻴﻢ آزﻣﻮن ﻛﻨﻴﻢ ﻛﻪ "ﻧﻮع اﻧﺤﺮاف از وﺿﻊ ﻃﺒﻴﻌﻲ" ﻣﺴﺘﻘﻞ از "ﺣﺎﻣﻞ ﺑﻮدن واﻟﺪﻳﻦ" اﺳﺖ ﻳﺎ ﺧﻴﺮ‪.‬‬
‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﻗﺎﺋﺪﺗﺎً ﺑﺎﻳﺪ اﺑﺘﺪا دادهﻫﺎ را در ‪ SPSS‬ﻛﺮد!! ﻛﻪ اﻟﺒﺘـﻪ در اﻳـﻦ ﻗﺴـﻤﺖ ﺗﻨﻬـﺎ ﺑـﺮ ﻧﺤـﻮه ورود‬
‫دادهﻫﺎ ﺑﺤﺚ ﺧﻮاﻫﻴﻢ ﻛﺮد و ﻧﻪ ﺑﺮ ﻧﺤﻮه اﻧﺠﺎم آزﻣﻮن آﻣـﺎري آن‪ .‬ﺑـﺮاي اﻳـﻦ ﻛـﺎر دو راه وﺟـﻮد دارد‪ .‬راه اول‬
‫اﻳﻦﻛﻪ دادهﻫﺎ را ﺑﻪﻃﻮر ﺧﺎم وارد ‪ SPSS‬ﻛﻨﻴﻢ‪ .‬ﻳﻌﻨﻲ دو ﻣﺘﻐﻴﺮ دو ﻣﺘﻐﻴﺮ ﺑﺮاي "ﻧﻮع اﻧﺤـﺮاف از وﺿـﻊ ﻃﺒﻴﻌـﻲ" و‬
‫"ﺣﺎﻣﻞ ﺑﻮدن واﻟﺪﻳﻦ" ﺗﻌﺮﻳﻒ ﻛﻨﻴﻢ‪ ،‬آﻧﻬﺎ را ﻛﺪﺑﻨﺪي ﻛﺮده و ﺑﻪﺻﻮرت زﻳﺮ وارد ﻛﻨﻴﻢ‪:‬‬
‫‪٤٧‬‬
‫ﺣﺎل اﮔﺮ ﻓﺮاواﻧﻲ داده ﻫﺎ در ﻫﺮ ﻳﻚ از ﺧﺎﻧﻪﻫﺎي ﺟﺪول زﻳﺎد ﺑﺎﺷﺪ و ﺑﺨﻮاﻫﻴﻢ از روش اول اﺳـﺘﻔﺎده ﻛﻨـﻴﻢ‪ ،‬ورود‬
‫دادهﻫﺎ وﻗﺖ زﻳﺎدي ﺧﻮاﻫﺪ ﮔﺮﻓﺖ‪ .‬راه دوم اﻳﻦ اﺳﺖ ﻛﻪ ﻃﺒﻘـﺎت دادهﻫـﺎ را ﺑـﻪ ﻧـﺮماﻓـﺰار ﻣﻌﺮﻓـﻲ‪ ،‬ﺑـﺮاي آﻧﻬـﺎ‬
‫ﻓﺮاواﻧﻲ ﺗﻌﺮﻳﻒ ﻛﻨﻴﻢ و ﺑﻪ ﻓﺮاواﻧﻲﻫﺎ وزن دﻫﻴﻢ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ در اﻳﻦ ﻣﺜﺎل ﻛﻪ ‪ 4‬ﻃﺒﻘﻪ )ﺑﻪ ﺻـﻮرت ﺗﺮﻛﻴﺒـﻲ( دارﻳـﻢ‪،‬‬
‫ﻛﺎﻓﻴﺴﺖ ‪ 4‬ﻃﺒﻘﻪ را ﺑﻪ ﻋﻨﻮان ‪ 4‬ﻣﺸﺎﻫﺪه ﺗﻌﺮﻳﻒ ﻛﻨﻴﻢ و ﺑﺮاي آﻧﻬﺎ ﻓﺮاواﻧﻲ ﺗﻌﺮﻳﻒ ﻛﻨﻴﻢ‪ .‬ﺑـﻪ ﻋﺒـﺎرﺗﻲ دادهﻫـﺎ را ﺑـﻪ‬
‫ﺻﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻛﻨﻴﻢ‪ .‬ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻳﻚ ﻣﺘﻐﻴﺮ ‪ Frequency‬ﺑﺮاي ﺗﻌﺮﻳﻒ ﻓﺮاواﻧﻲﻫﺎ ﺑﻪ دو ﻣﺘﻐﻴـﺮ ﻗﺒﻠـﻲ اﺿـﺎﻓﻪ‬
‫ﺷﺪه اﺳﺖ‪.‬‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ و در ﻛﺎدر‬ ‫ﺑﻌﺪ از اﻳﻦ ﻛﺎر ﻣﺴﻴﺮ ‪ Data>Weight Cases‬ﻃﻲ ﻛﻨﻴﺪ ﻳﺎ از ﻧﻮار اﺑﺰار ﺑﺮ دﻛﻤﻪ‬
‫ﻣﻜﺎﻟﻤﻪ ﻣﻮردﻧﻈﺮ ﻣﺘﻐﻴﺮ ‪ Frequency‬را ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﻴﺮ وزﻧﻲ ﺗﻌﺮﻳـﻒ ﻛﻨﻴـﺪ و ﮔﺰﻳﻨـﻪ ‪ ok‬را ﺑﺰﻧﻴـﺪ‪ .‬ﺑـﺎ اﻳـﻦ ﻛـﺎر‬
‫ﻧﺮماﻓﺰار دﻳﮕﺮ ﻣﻲداﻧﺪ ﻛﻪ اﻓﺮاد ﺑﺎ اﻧﺤﺮاف ﻧﻮع ‪ 1‬ﻛـﻪ ﻓﻘـﻂ ﻳﻜـﻲ از واﻟـﺪﻳﻦﺷـﺎن ﻫـﻢ ﺑـﻪ اﻳـﻦ ﻋﺎرﺿـﻪ دﭼﺎرﻧـﺪ‪،‬‬
‫ﺗﻌﺪادﺷﺎن ‪ 4‬ﻧﻔﺮ اﺳﺖ!!‬
‫ﺣﺎل ﻣﻲﺗﻮاﻧﻴﺪ دﺳﺘﻮر ‪ Crosstabs‬را اﺟﺮا ﻛﻨﻴﺪ و ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺷﺪ‪:‬‬
‫‪٤٨‬‬
‫‪ -1‬ﻣﺎداﻣﻲ ﻛﻪ دﺳﺘﻮر ‪ Weight cases‬اﺟﺮا ﺷﺪه اﺳﺖ‪ ،‬دادهﻫﺎ ﺑﻪ ﺻﻮرت وزﻧﻲ ﻫﺴﺘﻨﺪ‪ .‬ﻟـﺬا ﺑـﺮاي ﺧـﺎرج‬
‫ﺷﺪه از اﻳﻦ ﺣﺎﻟﺖ ﻣﺴﻴﺮ ‪ Data>Weight Cases‬را ﻃﻲ ﻛﻨﻴﺪ و ﮔﺰﻳﻨﻪ "‪"Do not weight cases‬‬
‫را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬
‫‪ -2‬وﻗﺘﻲ دادهﻫﺎ وزن دارﻧﺪ‪ ،‬در ﻧﻮار وﺿﻌﻴﺖ ‪ SPSS‬ﻋﺒﺎرت ‪ Weight On‬ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫‪ -3‬اﻳﻦ دﺳﺘﻮر ﺑﻪ ﺧﺼﻮص زﻣﺎﻧﻲ ﻛﺎرﺑﺮد دارد ﻛﻪ ﺑﺎ دادهﻫﺎﻳﻲ ﺳﺮوﻛﺎر دارﻳﺪ ﻛﻪ ﺧﺎم ﻧﻴﺴﺘﻨﺪ و ﺗﻌـﺪاد آﻧﻬـﺎ‬
‫ﻧﻴﺰ زﻳﺎد اﺳﺖ‪.‬‬
‫‪ -‬ﻓﺎﻳﻞ "‪ "adl.sav‬ﺑﺎز ﻛﻨﻴﺪ و ﺗﻤﺮﻳﻨﺎت زﻳﺮ را اﻧﺠﺎم ﺑﺪﻳﺪ‪) .‬دﺳﺘﻮر‪( Weight cases‬‬
‫‪ -1‬در ﭘﺮﺗﺎب ‪ 60‬ﺑﺎر ﻳﻚ ﺗﺎس ﻣﺸﺎﻫﺪه ﻣﻲ ﺷﻮد ﻛﻪ روﻫﺎي ﻣﺨﺘﻠﻒ ﺗﺎس ﺑﻪ ﺻﻮرت زﻳﺮﻇﺎﻫﺮ ﻣﻲ ﮔﺮدد‪.‬‬
‫ﺟﺪول ﻓﺮاواﻧﻲ ﻣﺒﻮط ﺑﻪ اﻳﻦ دادهﻫﺎ را رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫ﻓﺮاواﻧﻲ‬ ‫روﻫﺎي ﻣﺨﺘﻠﻒ‬

‫‪15‬‬ ‫‪1‬‬
‫‪7‬‬ ‫‪2‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪11‬‬ ‫‪4‬‬
‫‪6‬‬ ‫‪5‬‬
‫‪17‬‬ ‫‪6‬‬
‫‪60‬‬ ‫ﺟﻤﻊ‬
‫‪٤٩‬‬
‫‪ -2‬ﺑﻪ ﻣﻨﻈﻮر ﺑﺮرﺳﻲ وﺟﻮد ﻳﺎ ﻋﺪم وﺟﻮد راﺑﻄﺔ ﺑﻴﻦ ﻧﻮع ﺷﻮك و زﻧﺪه ﻣﺎﻧﺪن ﺑﻴﻤﺎر‪ ،‬از ﺑﻴﻤﺎراﻧﻲ ﻛﻪ ﺑﻪ اﻧﻮاع‬
‫ﺷﻮك ﻣﺒﺘﻼ ﻣﻲﺷﻮﻧﺪ‪ .‬ﻧﻤﻮﻧﻪﻫﺎﻳﻲ اﻧﺘﺨﺎب و آﻧﻬﺎ را ﺑﺮ ﺣﺴﺐ زﻧﺪه ﻣﺎﻧﺪن و ﻳﺎ ﻣﺮدن در ﺟﺪول زﻳﺮ ﻣﺮﺗﺐ‬
‫ﻛﺮدهاﻧﺪ‪.‬‬
‫ﻧﺘﻴﺠﻪ‬
‫ﻧﻮع ﺷﻮك‬
‫ﻣﺮده‬ ‫زﻧﺪه‬
‫‪8‬‬ ‫‪7‬‬ ‫ﻛﺎﻫﺶ ﺣﺠﻢ ﺧﻮن‬
‫‪11‬‬ ‫‪11‬‬ ‫ﻗﻠﺒﻲ‬
‫‪6‬‬ ‫‪10‬‬ ‫ﻋﺼﺒﻲ‬
‫‪7‬‬ ‫‪9‬‬ ‫ﻋﻔﻮﻧﻲ‬
‫‪5‬‬ ‫‪3‬‬ ‫ﻏﺪد داﺧﻠﻲ‬
‫دادهﻫﺎي اﻳﻦ ﺟﺪول را در ‪ SPSS‬وارد ﻛﺮده و ﺟﺪول ﺗﻮاﻓﻘﻲ ﻣﺮﺑﻮط ﺑﻪ آنرا رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫‪ 4-3‬دﺳﺘﻮر ‪Compute‬‬
‫ﺑﺴﻴﺎري اوﻗﺎت ﭘﻴﺶ ﻣﻲآﻳﺪ ﻛﻪ ﻣﺤﻘﻖ ﻣﻲﺧﻮاﻫﺪ ﻋﺒﺎرﺗﻲ را ﺑﻪﻃـﻮر ﺳـﻄﺮي و ﺑـﺮاي ﻫـﺮ ﻳـﻚ از ﻣﻮردﻫـﺎ)اﻓـﺮاد(‬
‫ﻣﺤﺎﺳﺒﻪ ﻛﻨﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل ﻓﺮض ﻛﻨﻴﺪ ﻗﺪ و وزن ﻧﻤﻮﻧﻪ را دارﻳﻢ و ﻣﻲﺧﻮاﻫﻴﻢ ﺑﺮاي ﻫﺮ ﻓﺮد ﺑﻪﻃـﻮر ﺟﺪاﮔﺎﻧـﻪ ‪BMI‬‬
‫)ﻳﻌﻨﻲ ‪)2‬ﻗﺪ(‪/‬وزن( را ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﻢ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎﻟﻲ دﻳﮕﺮﻓﺮض ﻛﻨﻴﺪ در ﻳﻚ ﺗﺴﺖ ﺳﻨﺠﺶ اﻓﺴﺮدﮔﻲ ﻛﻪ ﺷـﺎﻣﻞ‬
‫‪ 15‬ﺳﺌﻮال ‪ 5‬ﮔﺰﻳﻨﻪاي )‪ 1‬ﺗﺎ ‪ (5‬اﺳﺖ‪ ،‬ﻣﻲﺧﻮاﻫﻴﻢ اﻣﺘﻴﺎز اﻓﺴﺮدﮔﻲ ﻫﺮ ﺷﺨﺺ را ﺑﻪﻃﻮر ﺟﺪاﮔﺎﻧﻪ ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﻢ‪ .‬در‬
‫ﺗﻤﺎم اﻳﻦ ﻣﻮارد دﺳﺘﻮر ‪ Compute‬ﻣﻲﺗﻮاﻧﺪ ﺑﻪ ﻣﺎ در ﻣﺤﺎﺳﺒﻪ ﻋﺒﺎرت ﻣﻮردﻧﻈﺮ ﻛﻤﻚ ﻛﻨﺪ‪.‬‬
‫ﺑﺮاي ﺑﺮرﺳﻲ اﻳﻦ دﺳﺘﻮر اﺑﺘﺪا ﻓﺎﻳﻞ داده "‪ "dietstudy‬را از ﻓﺎﻳﻞﻫﺎي ﻧﻤﻮﻧﻪ ‪ SPSS‬ﺑﺎز ﻛﻨﻴﺪ‪.‬‬
‫ﻣﻲﺧﻮاﻫﻴﻢ ﻣﻴﺎﻧﮕﻴﻦ وزن اﻓﺮاد در ‪ 5‬ﻧﻮﺑﺖ ﭘﻴﮕﻴﺮي)‪ wgt0‬ﺗﺎ ‪ (wgt4‬را ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﻢ و در ﻣﺘﻐﻴﺮي ﺑﻪ ﻧﺎم ‪،mwgt‬‬
‫در ﻫﻤﻴﻦ ﻓﺎﻳﻞ دادهﻫﺎ ذﺧﻴﺮده ﻛﻨﻴﻢ‪ .‬ﺑﺮاي اﺟﺮاي اﻳﻦ دﺳﺘﻮر ﻣﺴـﻴﺮ ‪ Transform>Compute variable‬را‬
‫اﻧﺘﺨﺎب ﻛﻨﻴﺪ ﺗـﺎ ﻛـﺎدر ﻣﻜﺎﻟﻤـﻪ ‪ Compute variable‬ﺑـﺎز ﺷـﻮد‪ .‬در ﻛـﺎدر ﺳـﻤﺖ ﭼـﭗ )‪(Target variable‬‬
‫ﻋﺒﺎرت ‪ mwgt‬را ﺗﺎﻳﭗ ﻛﻨﻴﺪ و در ﻛﺎدر ﺳﻤﺖ راﺳﺖ )‪ (Numeric expression‬ﻋﺒﺎرت‬
‫‪(wgt0 + wgt1 + wgt2 + wgt3 + wgt4)/5‬‬
‫را ﺗﺎﻳﭗ ﻛﻨﻴﺪ‪ .‬ﺑﺮاي اﻳﻦ ﻗﺴﻤﺖ ﻣﻲﺗﻮاﻧﻴﺪ از ﺻـﻔﺤﻪ ﻛﻠﻴـﺪ ﭘـﺎﺋﻴﻦ‪ ،‬ﻳـﺎ ﮔـﺮوه ﺗﻮاﺑـﻊ )‪ (Function group‬ﺳـﻤﺖ‬
‫راﺳﺖ ﻫﻢ اﺳﺘﻔﺎده ﻛﻨﻴﺪ‪.‬‬
‫‪٥٠‬‬
‫ﭘﺲ از اﻳﻦ ﻛﺎر ﻛﻠﻴﺪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ و ﺑﻪ ﭘﻨﺠﺮه دادهﻫﺎ ﺑﺮﮔﺮدﻳﺪ‪ .‬ﺧﻮاﻫﻴـﺪ دﻳـﺪ ﻛـﻪ ﻣﺘﻐﻴـﺮي ﺗﺤـﺖ ﻋﻨـﻮان‬
‫‪ mwgt‬ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻗﺒﻠﻲ اﺿﺎﻓﻪ ﺷﺪه اﺳﺖ ﻛﻪ در واﻗﻊ ﻣﻴﺎﻧﮕﻴﻦ وزن ﻫﺮ ﻓﺮد در ‪ 5‬دوره ﭘﻴﮕﻴﺮي اﺳﺖ‪.‬‬
‫‪ -1‬در ﻛﺎدر ﻣﻜﺎﻟﻤﻪ ‪ ،Compute variable‬ﺑﺎ اﺳﺘﻔﺎده از ﺗﺎﺑﻊﻫﺎي ﻣﻮﺟﻮد در ﻗﺴـﻤﺖ ‪Function group‬‬
‫ﺑﺴﻴﺎري از ﻣﺤﺎﺳﺒﺎت آﻣﺎري و رﻳﺎﺿﻲ را ﻣﻲﺗﻮان ﺑﺮاي ﻫﺮ ﻓﺮد ﺑﻪﻃﻮر ﺟﺪاﮔﺎﻧﻪ اﻧﺠﺎم داد‪.‬‬
‫‪ -2‬اﻳﻦ دﺳﺘﻮر ﺑﻪ ﺧﺼﻮص ﺑﺮاي ﻣﺤﻘﻘﻴﻦ رﺷﺘﻪﻫﺎي ﭘﺮﺳﺘﺎري‪ ،‬رواﻧﺸﻨﺎﺳﻲ و ﻋﻠﻮم اﺟﺘﻤـﺎﻋﻲ‪ ،‬زﻣـﺎﻧﻲ ﻛـﻪ ﺑـﺎ‬
‫ﭘﺮﺳﺶﻧﺎﻣﻪ ﺳﺮوﻛﺎر دارﻧﺪ‪ ،‬ﻛﺎرﺑﺮد ﻓﺮاواﻧﻲ دارد‪.‬‬
‫‪ -3‬ﻓﺮض ﻛﻨﻴﺪ ﺑﺨﻮاﻫﻴﻢ ﺑﺮاي ﮔﺮوﻫﻲ از اﻓﺮاد ﻧﻤﻮﻧﻪ ﻳﻚ ﻓﺮﻣﻮل و ﺑﺮاي ﮔﺮوﻫﻲ دﻳﮕـﺮ‪ ،‬ﻓﺮﻣـﻮﻟﻲ دﻳﮕـﺮ را‬
‫ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﻢ‪ ،‬در اﻳﻦ ﺣﺎﻟﺖ در ﻛﺎدر ﻣﻜﺎﻟﻤﻪ ‪ ،Compute variable‬ﻣـﻲﺗـﻮان از دﺳـﺘﻮر ‪ if‬اﺳـﺘﻔﺎده‬
‫ﻛﺮد‪.‬‬
‫‪ -‬ﻓﺎﻳﻞ "‪ "Employee data.sav‬ﺑﺎز ﻛﻨﻴﺪ‪.‬‬
‫‪ -1‬ﻓﺮض ﻛﻨﻴﺪﺣﻘﻮق اوﻟﻴﻪ)‪ (salbegin‬و ﺣﻘﻮق ﺟﺎري)‪ (salary‬ﺷﺨﺺ ‪i‬ام را ﺑﻪﺗﺮﺗﻴـﺐ ﺑـﺎ ‪ Xi‬و‬
‫‪ Yi‬ﻧﺸﺎن دﻫﻴﻢ‪ .‬ﻣﻘﺎدﻳﺮ زﻳﺮ را ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪) .‬دﺳﺘﻮر‪(Compute variables‬‬
‫‪∑X‬‬‫‪i‬‬
‫‪i‬‬
‫‪2‬‬
‫= ‪− 474 X‬‬ ‫‪∑Y‬‬
‫‪i‬‬
‫‪i‬‬
‫‪2‬‬
‫= ‪− 474Y‬‬
‫‪∑ (X‬‬ ‫‪i‬‬

‫‪i‬‬ ‫= ) ‪+ Yi )( X i − Yi‬‬
‫‪٥١‬‬
‫‪∑(X‬‬
‫‪i‬‬
‫‪i‬‬ ‫) ‪+ Yi )( X i − Yi‬‬
‫=‬
‫‪∑ X i2 − 474 X‬‬
‫‪i‬‬
‫‪∑ Yi − 474Y‬‬
‫‪i‬‬
‫‪2‬‬
‫‪ -2‬ﻫﺮ ﻳﻚ از ﻣﺘﻐﻴﺮﻫﺎي ‪ salbegin‬و ‪ salaty‬اﺳﺘﺎﻧﺪارد ﻛﻨﻴـﺪ و ﻣﻴـﺎﻧﮕﻴﻦ و وارﻳـﺎﻧﺲ ﻫـﺮ ﻳـﻚ را‬
‫ﺑﺪﺳﺖ آورﻳﺪ‪.‬‬
‫‪ 5-3‬دﺳﺘﻮر ‪:Count Values‬‬

‫ﻳﻚ ﺗﺴﺖ ﺳﻨﺠﺶ اﻓﺴﺮدﮔﻲ را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ .‬ﻣﻤﻜﻦ اﺳﺖ ﻣﺤﻘﻖ ﺑﺨﻮاﻫﺪ ﺑﺪاﻧﺪ ﻫﺮ ﻓﺮد در ﭘﺎﺳﺦﮔﻮﻳﻲ ﭼﻨﺪ ﺑﺎر‬
‫ﮔﺰﻳﻨﻪ ‪ 3‬را اﻧﺘﺨﺎب ﻛﺮدهاﺳﺖ‪ .‬ﺑﺮاي ﭘﺎﺳﺦ ﺑﻪ اﻳﻦ ﺳﺌﻮال ﺑﺎﻳﺪ از دﺳﺘﻮر ‪ Count values‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫ﺑﺮاي ﺑﺮرﺳﻲ اﻳﻦ دﺳﺘﻮر اﺑﺘﺪا ﻓﺎﻳﻞ داده "‪ "tv-survey.sav‬را از ﻓﺎﻳـﻞﻫـﺎي ﻧﻤﻮﻧـﻪ ‪ SPSS‬ﺑـﺎز ﻛﻨﻴـﺪ‪ .‬اﻳـﻦ ﻓﺎﻳـﻞ‬
‫ﻣﺮﺑﻮط ﺑﻪ ﻳﻚ ﻧﻈﺮﺳﻨﺠﻲ در ﻣﻮرد ﺑﺮﻧﺎﻣﻪﻫﺎي ﺗﻠﻮﻳﺰﻳﻮﻧﻲ ﻣﻲﺑﺎﺷﺪ‪ ،‬ﻛﻪ ﺷﺎﻣﻞ ‪ 7‬ﺳﺌﻮال ﺑﻠﻲ و ﺧﻴﺮ اﺳﺖ‪ .‬ﻣﻲﺧﻮاﻫﻴﻢ‬
‫ﺑﺪاﻧﻴﻢ ﻫﺮ ﻓﺮد ﺑﻪﻃﻮر ﻛﻠﻲ ﭼﻨﺪ ﻣﺮﺗﺒﻪ ﺑﻪ اﻳﻦ ﺳﺌﻮاﻻت ﺟﻮاب ﺑﻠـﻲ)ﻛـﺪ ‪ (1‬را داده اﺳـﺖ و ﺟـﻮاب را در ﻣﺘﻐﻴـﺮي‬
‫ﺗﺤﺖ ﺑﺎ ﻧﺎم ‪ ny‬ذﺧﻴﺮه ﻛﻨﻴﻢ‪ .‬ﺑﺮاي اﺟﺮاي اﻳﻦ دﺳﺘﻮر ﻣﺴﻴﺮ ‪ Transform>Count values‬را اﻧﺘﺨﺎب ﻛﻨﻴـﺪ‬
‫ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪ ‪ Count occurrence of values within cases‬ﺑﺎز ﺷﻮد‪ .‬در ﻛـﺎدر ﺳـﻤﺖ ﭼـﭗ ) ‪Target‬‬
‫‪ (variable‬ﻋﺒﺎرت ‪ ny‬را ﺗﺎﻳـﭗ ﻛﻨﻴـﺪ و در در ﻛـﺎدر ‪ variable‬ﻫﻤـﻪ ﻣﺘﻐﻴﺮﻫـﺎي ﺳـﻤﺖ ﭼـﭗ )ﻣﺘﻐﻴﺮﻫـﺎﻳﻲ ﻛـﻪ‬
‫ﻣﻲﺧﻮاﻫﻴﻢ در آﻧﻬﺎ ﻋﺪد ‪ 1‬ﺧﻮاﻧﺪه ﺷﻮد( را وارد ﻛﻨﻴﺪ‪ .‬در اﻳﻦ ﭘﻨﺠﺮه ﻛﻠﻴﺪ ‪ Define values‬را ﻛﻠﻴﻚ ﻛﻨﻴـﺪ ﺗـﺎ‬
‫ﭘﻨﺠﺮه ‪ Count values within cases: values to count‬ﺑﺎز ﺷﻮد‪ .‬در اﻳﻦ ﭘﻨﺠﺮه آنﭼﻪ را ﻛـﻪ ﻣـﻲﺧﻮاﻫﻴـﺪ‬
‫ﺷﻤﺎرش ﺷﻮد را اﺿﺎﻓﻪ ﻛﻨﻴﺪ‪ .‬در اﻳﻦ‬
‫ﻣﺜﺎل ﻣﻲﺧﻮاﻫﻴﻢ ﻋﺪد ‪ 1‬ﺷﻤﺎرش ﺷﻮد‪ .‬ﻟﺬا ﻋﺪد ‪ 1‬را در ﻗﺴﻤﺖ ‪ values‬ﺗﺎﻳﭗ ﻛـﺮده و ﻋﺒـﺎرت ‪ Add‬را ﻛﻠﻴـﻚ‬
‫ﻣﻲﻛﻨﻴﻢ‪ ،‬ﺳﭙﺲ دﻛﻤﻪ ‪ Continue‬و ‪ Ok‬را ﻛﻠﻴﻚ ﻣﻲﻛﻨﻴﻢ‪ .‬ﺣﺎل ﺑﻪ ﭘﻨﺠﺮه دادهﻫﺎ ﺑﺮﮔﺮدﻳـﺪ‪ .‬ﺧﻮاﻫﻴـﺪ دﻳـﺪ ﻛـﻪ‬
‫ﻣﺘﻐﻴﺮي ﺗﺤﺖ ﻋﻨﻮان ‪ ny‬ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻗﺒﻠﻲ اﺿﺎﻓﻪ ﺷﺪه اﺳﺖ ﻛﻪ در واﻗﻊ ﺗﻌﺪاد ﭘﺎﺳﺦﻫﺎي ﺑﻠﻪ ﻫﺮ ﻓﺮد اﺳﺖ‪.‬‬
‫‪٥٢‬‬
‫‪ -1‬در ﻛﺎدر ﻣﻜﺎﻟﻤﻪاي ‪ Count values within cases: values to count‬ﻣﻲﺗـﻮان ﻧﺤـﻮة ﺷـﻤﺎرش را‬
‫ﺑﻪﺻﻮرت دﻳﮕﺮي )ﻏﻴﺮ از ﻣﺜﺎل ﺑﺎﻻ( ﻧﻴﺰ ﺗﻌﺮﻳﻒ ﻛﺮد‪ .‬ﻫﻤﭽﻨﻴﻦ ﻣﻲﺗﻮان در اﻳﻦ ﭘﻨﺠﺮه ﺑﻴﺶ از ﻳﻚ ﺷﺮط‬
‫ﺷﻤﺎرش ﺗﻌﺮﻳﻒ ﻛﺮد‪.‬‬
‫‪ -2‬ﻫﺮﮔﺎه ﺑﺨﻮاﻫﻴﻢ اﻳﻦ ﺷﻤﺎرش را ﺑﺮاي ﮔﺮوﻫﻲ از اﻓﺮاد ﻧﻤﻮﻧﻪ ﺑﺎ ﮔﺮوه دﻳﮕﺮ از اﻓﺮاد ﻧﻤﻮﻧﻪ ﻣﺘﻔﺎوت ﺑﺎﺷـﺪ‪،‬‬
‫ﺑﺎﻳﺪ از دﺳﺘﻮر ‪ if‬در ﻛﺎدر ﻣﻜﺎﻟﻤﻪ ‪ Count occurrence of values within cases‬اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫‪ -‬ﻓﺎﻳﻞ "‪ "stoke_valid.sav‬ﺑﺎز ﻛﻨﻴﺪ و ﺗﻤﺮﻳﻨﺎت زﻳﺮ را اﻧﺠﺎم ﺑﺪﻳﺪ‪) .‬دﺳﺘﻮر‪(Count values‬‬
‫‪ -1‬ﺟﺪول ﻓﺮاواﻧﻲ ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﺪاد ﺳﻜﺘﻪﻫﺎ در ﺳﻪ ﻧﻮﺑﺖ ﭘﻴﮕﻴﺮي اﻓﺮاد )‪ stroke2 ،strok1‬و ‪ (stroke3‬را‬
‫رﺳﻢ ﻛﻨﻴﺪ‪.‬‬
‫‪ -2‬ﺗﻤﺮﻳﻦ )اﻟﻒ( را ﺑﻪ ﺗﻔﻜﻴﻚ ﻫﺮ ﺑﻴﻤﺎرﺳﺘﺎن اﻧﺠـﺎم داده و ﺑﮕﻮﺋﻴـﺪ‪ ،‬در ﻛـﺪام ﺑﻴﻤﺎرﺳـﺘﺎن ﺑﻴﺸـﺘﺮﻳﻦ ﺗﻌـﺪاد‬
‫ﺳﻜﺘﻪ رخ داده اﺳﺖ‪.‬‬
‫‪ -3‬آﻳﺎ در ﺑﻴﻦ ﻛﻞ اﻳﻦ دادهﻫﺎ‪ ،‬داده ﮔﻤﺸﺪهاي وﺟﻮد دارد‪.‬‬
‫‪٥٣‬‬
‫‪ 6-3‬دﺳﺘﻮر ‪: Recode‬‬
‫در اﻳﻦ ﻗﺴﻤﺖ ﺑﻪ ﺑﺮرﺳﻲ دو ﻛﺎرﺑﺮد دﺳﺘﻮر ‪ Recode‬ﻣﻲﭘﺮدازﻳﻢ‪.‬‬
‫‪ 1-6-3‬ﺟﺪول ﻓﺮاواﻧﻲ ﺑﺮاي ﺻﻔﺎت ﻛﻤﻲ ﭘﻴﻮﺳﺘﻪ)دﺳﺘﻮر ‪:(Recode‬‬
‫ﻳﻚ روش ﺗﻌﻴﻴﻦ ﻃﺒﻘﺎت در ﻓﺼﻞ دوم اراﺋﻪ ﺷﺪ‪ .‬ﻓﺮض ﻛﻨﻴﺪ ﺣﺪود ﻃﺒﻘﺎت را ﺑﺎ اﻳﻦ روش ﺗﻌﻴـﻴﻦ ﻛـﺮدﻳﻢ‪،‬‬
‫دراﻳﻦ ﺑﺨﺶ ﻣﻲ ﺧﻮاﻫﻴﻢ اﻳﻦ ﺣﺪود ﻃﺒﻘﺎت را ﺑﻪ ﻧﺮماﻓﺰار ﻣﻌﺮﻓﻲ ﻛﻨﻴﻢ ﺗﺎ دادهﻫﺎ را دﺳﺘﻪﺑﻨﺪي ﻛﻨﺪ و ﺑﻪ وﺳﻴﻠﺔ آن‬
‫ﺟﺪول ﻓﺮاواﻧﻲ دادهﻫﺎ را رﺳﻢ ﻛﻨﻴﻢ‪.‬‬
‫ﻣﺜﺎل‪ (3‬داده ﻫﺎي ﻣﺜﺎل ‪) 3‬ﺗﻤﺮﻛﺰ اوزن در ‪ 40‬ﺷﻬﺮ ﺑـﺰرگ( را در ‪ SPSS‬وارد ﻛﻨﻴـﺪ و ﻧـﺎم ﻣﺘﻐﻴـﺮ را ‪O.C‬‬
‫ﺑﮕﺬارﻳﺪ‪ .‬ﺑﺮاي دﺳﺘﻪﺑﻨﺪي دادهﻫﺎ ﺑﺎ اﺳﺘﻔﺎده ﺑﺎ ‪ ،SPSS‬در ﮔﺎم اول‪ ،‬ﺣﺪود ﻃﺒﻘﺎت را ﺑﻪ آن ﺗﻌﺮﻳﻒ ﻣﻲﻛﻨـﻴﻢ و‬
‫ﻣﺘﻐﻴﺮ دﺳﺘﻪﺑﻨﺪي ﺷﺪه را ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﻴﺮي ﺟﺪﻳﺪ در ﺻﻔﺤﻪ دادهﻫﺎ اﻳﺠﺎد ﻣﻲﻛﻨﻴﻢ‪ .‬ﺣﺪود ﻃﺒﻘﺎﺗﻲ ﻛﻪ ﺑﺎﻳﺪ ﺗﻌﺮﻳﻒ‬
‫ﺷﻮﻧﺪ‪ ،‬ﺑﻪ اﻳﻦﺻﻮرت اﺳﺖ‪.‬‬
‫ﻃﺒﻘﺎت‬ ‫ﻃﺒﻘﺎت‬ ‫ﻛﺪ وارد ﺷﺪه‬

‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻋـﺪد ‪ 4/4‬ﻛـﻪ ﻳﻜـﻲ از‬
‫ﻗﺪﻳﻢ‬ ‫ﺟﺪﻳﺪ‬
‫ﻛﺮان ﻫﺎﺳﺖ)ﻛﺮان ﺑـﺎﻻي ﻃﺒﻘـﻪ دوم و ﻛـﺮان ﭘـﺎﺋﻴﻦ‬
‫‪2/7‬ـ‪1‬‬ ‫‪2/7‬ـ‪1‬‬ ‫‪1‬‬
‫ﻃﺒﻘﻪ ﺳﻮم( در دادهﻫﺎ ﻧﻴﺰ وﺟـﻮد دارد‪ .‬و از آﻧﺠـﺎﻳﻲ‬
‫‪4/4‬ـ‪2/7‬‬ ‫‪4/35‬ـ‪2/7‬‬ ‫‪2‬‬
‫ﻛﻪ ﻣﻲ ﺧﻮاﻫﻴﻢ ‪ 4/4‬در ﻃﺒﻘـﻪ ﺳـﻮم ﺑﺎﺷـﺪ‪ ،‬در ﻃﺒﻘـﻪ‬
‫‪6/1‬ـ‪4/4‬‬ ‫‪6/1‬ـ‪4/35‬‬ ‫‪3‬‬
‫دوم و ﺳﻮم ﺑـﻪ ﺟـﺎي ﻋـﺪد ‪ 4/4‬در ﻛﺮاﻧـﻪﻫـﺎ‪ ،‬ﻋـﺪد‬
‫‪7/8‬ـ‪6/1‬‬ ‫‪7/8‬ـ‪6/1‬‬ ‫‪4‬‬
‫‪ 4/35‬را درﻧﻈﺮ ﮔﺮﻓﺘـﻪاﻳـﻢ و اﮔـﺮ اﻋـﺪاد ‪،1/6 ،2/7‬‬
‫‪9/5‬ـ ‪7/8‬‬ ‫‪9/5‬ـ ‪7/8‬‬ ‫‪5‬‬
‫‪ 7/8‬ﻳﺎ ‪ 9/5‬ﻧﻴﺰ در دادهﻫﺎ ﺑﻮدﻧﺪ‪ ،‬ﻫﻤﻴﻦ ﻛﺎر را اﻧﺠﺎم‬
‫‪11/2‬ـ‪9/5‬‬ ‫‪11/2‬ـ‪9/5‬‬ ‫‪6‬‬
‫ﻣﻲدادﻳﻢ‪.‬‬
‫ﺑﺮاي دﺳﺘﻪﺑﻨﺪي دادهﻫﺎ ﻣﺴﻴﺮ‪ Transform>Recode into different variables‬را اﻧﺘﺨـﺎب ﻛﻨﻴـﺪ‬
‫ﺗـﺎ ﻛـﺎدر ﻣﻜﺎﻟﻤـﻪ ‪ Recode into different variables‬ﺑـﺎز ﺷـﻮد‪ .‬در اﻳـﻦ ﻛـﺎدر ﻣﺘﻐﻴـﺮ "ﻣﻘـﺪار ﺗﻤﺮﻛـﺰ ازن‬
‫)‪ "(O.C‬را اﻧﺘﺨﺎب و وارد ﭘﻨﺠـﺮه ﺳـﻤﺖ راﺳـﺖ)‪ (Numeric Variable->Output variable‬ﻣـﻲﻛﻨـﻴﻢ‪ .‬در‬
‫ﻗﺴﻤﺖ ﺳﻤﺖ راﺳﺖ اﻳﻦ ﻛﺎدر )‪ (Output Variable‬و در ﻗﺴﻤﺖ ‪ ،Name‬ﻧﺎم ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ‪ ،‬ﻳﻌﻨـﻲ ‪ ،r_O.C‬را‬
‫ﺗﺎﻳﭗ ﻣﻲﻛﻨﻴﻢ و ﺳﭙﺲ دﻛﻤﻪ ‪ Old and New values‬را ﻛﻠﻴﻚ ﻣﻲﻛﻨﻴﻢ ﺗـﺎ ﻛـﺎدر ‪Old and New values‬‬
‫‪ Recode into different variables:‬ﺑﺎز ﺷﻮد‪ .‬در اﻳﻦ ﻛـﺎدر و در ﻗﺴـﻤﺖ ‪ ،Old values‬ﮔﺰﻳﻨـﻪ ‪ Range‬را‬
‫اﻧﺘﺨﺎب ﻛﻨﻴﺪ و اﻋﺪاد ‪ 1‬و ‪) 2/7‬ﺣﺪ ﺑﺎﻻ و ﭘﺎﺋﻴﻦ ﻃﺒﻘﻪ اول( را در اﻳﻦ ﺟﻌﺒﻪ ﺗﺎﻳﭗ ﻛﻨﻴﺪ‪ .‬در ﻗﺴﻤﺖ ‪New values‬‬
‫ﻋﺪد ‪ 1‬را ﺗﺎﻳﭗ ﻣﻲﻛﻨﻴﻢ و دﻛﻤﻪ ‪ Add‬را ﻣﻲزﻧﻴﻢ‪.‬‬
‫‪٥٤‬‬
‫ﺑﻪ ﻫﻤﻴﻦ ﺗﺮﺗﻴﺐ ﺳﺎﻳﺮ ﻃﺒﻘﺎت را ﺑﻪ ﻧﺮماﻓﺰار ﻣﻌﺮﻓﻲ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﭘﺲ از اﻳﻨﻜﻪ ﻣﻌﺮﻓﻲ ﻃﺒﻘﺎت ﺑﻪ ﻧﺮماﻓﺰار ﺑﻪ اﺗﻤـﺎم رﺳـﻴﺪ‪ ،‬دﻛﻤـﻪﻫـﺎي ‪ Change ،Continue‬و ‪ Ok‬را ﺑـﻪ ﺗﺮﺗﻴـﺐ‬
‫ﻛﻠﻴﻚ ﻣﻲ ﻛﻨﻴﻢ‪ .‬ﺣﺎل ﺑﻪ ﭘﻨﺠﺮه دادهﻫﺎ ﺑﺮﮔﺮدﻳﺪ‪ .‬ﺧﻮاﻫﻴﺪ دﻳﺪ ﻛﻪ ﻣﺘﻐﻴﺮي ﺗﺤﺖ ﻋﻨﻮان ‪ r_O.C‬ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻗﺒﻠﻲ‬
‫اﺿﺎﻓﻪ ﺷﺪه اﺳﺖ ﻛﻪ در واﻗﻊ ﻫﻤﺎن ﻣﺘﻐﻴﺮ ‪ O.C‬اﺳﺖ‪ ،‬اﻣﺎ ﺑﺎ ﻛﺪﺑﻨﺪي ﺟﺪﻳﺪ‪.‬‬
‫ﮔﺎم دوم اﻳﻦ اﺳﺖ ﻛﻪ ﺑﻪ ﻫﺮ ﻳﻚ از ﻃﺒﻘﺎت ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ‪Value‬اي در ﺧﻮر‪،‬ﻣﺎﻧﻨﺪ ﺷﻜﻞ زﻳﺮ‪ ،‬در ﻧﻈـﺮ ﺑﮕﻴـﺮﻳﻢ‬
‫)در ﭘﻨﺠﺮه ‪.(Variable view‬‬
‫ﺣﺎل ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Frequency‬ﺑﺮاي ﻣﺘﻐﻴﺮ ‪ r_O.C‬ﺟﺪول ﻓﺮاواﻧﻲ رﺳﻢ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫‪٥٥‬‬
‫‪ 2-6-3‬ﻣﻌﻜﻮس ﻛﺮدن اﻣﺘﻴﺎزات)دﺳﺘﻮر ‪:(Recode‬‬

‫ﻫﻤﺎنﻃﻮر ﻛﻪ از ﻧﺎم اﻳﻦ دﺳﺘﻮر ﭘﻴﺪاﺳﺖ‪ ،‬ﺗﻮﺳﻂ آن ﻣﻲ ﺗﻮان دادهﻫﺎ را دوﺑﺎره ﻛﺪﺑﻨـﺪي ﻛـﺮد‪ .‬ﺑـﺮاي ﻣﺜـﺎل ﻓـﺮض‬
‫ﻛﻨﻴﺪ در ﭘﺮﺳﺶﻧﺎﻣﻪاي ‪ 20‬ﺳﺌﻮاﻟﻲ‪ 18 ،‬ﺳﺌﻮاﻻت ﺑﺎ ﻧﻤﺮهﮔـﺬاري از ‪ 1‬ﺗـﺎ ‪) 5‬ﻣﺴـﺘﻘﻴﻢ( ﻣﻌﻨـﻲ ﻣـﻲدﻫﻨـﺪ‪ ،‬اﻣـﺎ در ‪2‬‬
‫ﺳﺌﻮال ﺟﻬﺖ ﻧﻤﺮهﮔﺬاري ‪ 5‬ﺗﺎ ‪)1‬ﻣﻌﻜﻮس( اﺳﺖ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﻬﺘﺮ اﺳﺖ ﻫﻤﻪ دادهﻫﺎ وارد ﺷﻮﻧﺪ‪ ،‬اﻣﺎ ﺟﻬﺖ ﻧﻤﺮه‬
‫ﮔﺬاري آن دو ﺳﺌﻮال را ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Recode‬ﺑﺮﻋﻜﺲ ﻛﺮد‪.‬‬
‫ﺑﺮاي ﺑﺮرﺳﻲ اﻳﻦ دﺳﺘﻮر اﺑﺘﺪا ﻓﺎﻳﻞ داده "‪ "satisfy.sav‬را از ﻓﺎﻳـﻞﻫـﺎي ﻧﻤﻮﻧـﻪ ‪ SPSS‬ﺑـﺎز ﻛﻨﻴـﺪ‪ .‬ﻣـﻲﺧـﻮاﻫﻴﻢ‬
‫ﻛﺪﺑﻨﺪي ﻣﺘﻐﻴﺮ ‪ price‬را ﻣﻌﻜﻮس ﻛﺮده و آنرا در ﻣﺘﻐﻴﺮي ﺟﺪﻳﺪ ﺑﻪ ﻧﺎم ‪ r_price‬ذﺧﻴﺮه ﻛﻨـﻴﻢ‪ .‬ﺑـﺮاي اﻳـﻦ ﻛـﺎر‬
‫ﻣﺴﻴﺮ ‪ Transform>Recode into different variables‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ ﺗـﺎ ﻛـﺎدر ﻣﻜﺎﻟﻤـﻪ ‪Recode‬‬
‫‪ into different variables‬ﺑﺎز ﺷﻮد‪ .‬در اﻳﻦ ﻛﺎدر ﻣﺘﻐﻴﺮ ‪ Price‬را اﻧﺘﺨﺎب و وارد ﭘﻨﺠﺮه ﺳﻤﺖ راﺳﺖ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫در ﻗﺴﻤﺖ ﺳﻤﺖ راﺳﺖ اﻳﻦ ﻛﺎدر )‪ (Output Variable‬و در ﻗﺴﻤﺖ ‪ ،Name‬ﻧﺎم ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ‪ ،‬ﻳﻌﻨﻲ ‪،r_price‬‬
‫را ﺗﺎﻳﭗ ﻣﻲﻛﻨﻴﻢ و ﺳﭙﺲ دﻛﻤﻪ ‪ Old and New values‬را ﻛﻠﻴﻚ ﻣﻲﻛﻨﻴﻢ ﺗﺎ ﻛﺎدر ‪Old and New values‬‬
‫‪ Recode into different variables:‬ﺑﺎز ﺷﻮد‪ .‬در اﻳﻦ ﻛـﺎدر در ﻗﺴـﻤﺖ ‪ Old values‬ﻋـﺪد ‪ 1‬و در ﻗﺴـﻤﺖ‬
‫‪ New values‬ﻋﺪد ‪ 5‬را ﺗﺎﻳﭗ ﻣﻲﻛﻨﻴﻢ‪ .‬و ﻫﻤﻴﻦ ﻛﺎر را ﺑﺮاي ﻛﺪﻫﺎي ‪ 4 ،3 ،2‬و ‪ 5‬اﻧﺠﺎم ﻣﻲدﻫﻴﻢ و آﻧﻬـﺎ ﺗﺒـﺪﻳﻞ‬
‫ﺑﻪ ﻛﺪﻫﺎي‪ ،‬ﺑﻪﺗﺮﺗﻴﺐ‪ 2 ،3 ،4 ،‬و ‪ 1‬ﻣﻲ ﻛﻨﻴﻢ‪ .‬ﺳﭙﺲ دﻛﻤﻪﻫﺎي ‪ change ،Continue‬و ‪ Ok‬را ﺑﻪ ﺗﺮﺗﻴـﺐ ﻛﻠﻴـﻚ‬
‫ﻣﻲﻛﻨﻴﻢ‪ .‬ﺣﺎل ﺑﻪ ﭘﻨﺠﺮه دادهﻫﺎ ﺑﺮﮔﺮدﻳﺪ‪ .‬ﺧﻮاﻫﻴﺪ دﻳﺪ ﻛﻪ ﻣﺘﻐﻴﺮي ﺗﺤﺖ ﻋﻨﻮان ‪ r_price‬ﺑﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻗﺒﻠﻲ اﺿﺎﻓﻪ‬
‫ﺷﺪه اﺳﺖ ﻛﻪ در واﻗﻊ ﻫﻤﺎن ﻣﺘﻐﻴﺮ ‪ price‬اﺳﺖ‪ ،‬اﻣﺎ ﺑﺎ ﻛﺪﺑﻨﺪي ﻣﻌﻜﻮس‪.‬‬
‫‪٥٦‬‬
‫‪ -1‬ﻛﺎرﺑﺮد دﻳﮕﺮ دﺳﺘﻮر ‪ Recode‬را ﭘﻴﺸﺘﺮ در ﻓﺼﻞ دوم‪ ،‬در ﻗﺴﻤﺖ دﺳـﺘﻪﺑﻨـﺪي دادهﻫـﺎي ﻛﻤـﻲ‪ ،‬ﺑﺤـﺚ‬
‫ﻛﺮدهاﻳﻢ‪.‬‬
‫‪ -2‬ﻫﺮﮔﺎه ﺑﺨﻮاﻫﻴﻢ اﻳﻦ دوﺑﺎره ﻛﺪﺑﻨﺪي را ﺑـﺮاي ﮔﺮوﻫـﻲ از اﻓـﺮاد ﻧﻤﻮﻧـﻪ ﺑـﺎ ﮔـﺮوه دﻳﮕـﺮ از اﻓـﺮاد ﻧﻤﻮﻧـﻪ‬
‫ﻣﺘﻔﺎوت ﺑﺎﺷـﺪ‪ ،‬در ﻛـﺎدر ﻣﻜﺎﻟﻤـﻪ ‪ ،Recode into different variables‬ﺑﺎﻳـﺪ از دﺳـﺘﻮر ‪ if‬اﺳـﺘﻔﺎده‬
‫ﻛﺮد‪.‬‬
‫‪ -3‬در ﻣﻨﻮي ‪ ،Transform‬دو ﻧﻮع دﺳﺘﻮر ‪ Recode‬ﺗﻌﺒﻴﻪ ﺷﺪه اﺳﺖ‪ .‬ﻳﻚ ﻧﻮع را در ﺑﺎﻻ ﺑﺮرﺳﻲ ﻛـﺮدﻳﻢ‪.‬‬
‫ﺣﺎﻟﺖ دﻳﮕﺮ ‪ Recode into same . . .‬اﺳﺖ ﻛﻪ در آن ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪي اﻳﺠﺎد ﻧﻤﻲﺷﻮد و اﻋﺪاد دوﺑﺎره‬
‫ﻛﺪﺑﻨﺪيﺷﺪه در ﻫﻤﺎن ﻣﺘﻐﻴﺮي اول ذﺧﻴﺮه ﻣﻲﺷﻮﻧﺪ‪ .‬ﻟﺬا اﻳﻦ اﻣـﺮ ﺑﺎﻋـﺚ از ﺑـﻴﻦ رﻓـﺘﻦ اﻃﻼﻋـﺎت اﺻـﻠﻲ‬
‫ﻣﻲﺷﻮد و اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ Recode‬ﺑﺪﻳﻦﮔﻮﻧﻪ ﺗﻮﺻﻴﻪ ﻧﻤﻲﺷﻮد‪.‬‬
‫‪٥٧‬‬
‫ﻓﺼﻞ ﭼﻬﺎرم‬
‫آزﻣﻮن ﻓﺮض آﻣﺎري‬
‫‪ 1-4‬ﻣﻘﺪﻣﻪ‬
‫ﺗﺤﻘﻴﻘﺎت ﻫﻤﻮاره ﺑﺎ ﺳﻮال و ﻓﺮﺿﻴﻪ ﺷﺮوع ﻣﻲ ﺷﻮﻧﺪ‪ .‬ﺑﺴﻴﺎري از ﺗﺤﻘﻴﻘﺎت از ﻣﺮﺣﻠﻪ ﺳﻮال ﮔﺬﺷﺘﻪ و ﺑﻪ ﻣﺮﺣﻠﻪ‬
‫ﻓﺮﺿﻴﻪ ﻣﻲ رﺳﻨﺪ‪ .‬ﻓﺮﺿﻴﻪ ﺣﺪس زﻳﺮﻛﺎﻧﻪ درﺑﺎره ﭘﺎراﻣﺘﺮ ﺟﺎﻣﻌﻪ اﺳﺖ‪ .‬ﺑﻪ ﻓﻨﻮن آﻣﺎري ﻣﻨﺎﺳﺐ ﺑﺮاي ﺗﺤﻠﻴﻞ ﺻﺤﺖ‬
‫و ﻳﺎ ﻧﺎدرﺳﺘﻲ ﻓﺮﺿﻴﻪ ﻫﺎ‪ ،‬ﻓﻨﻮن »آزﻣﻮن ﻓﺮض آﻣﺎري« )‪ (Hypothesis testing‬ﮔﻔﺘﻪ ﻣﻲ ﺷﻮد ﻛﻪ در اﻳﻦ ﻓﺼﻞ‬
‫آﻧﻬﺎ را ﺑﺮرﺳﻲ ﻣﻲ ﻛﻨﻴﻢ‪.‬‬
‫ﺑﻄﻮر ﻛﻠﻲ ﻫﺪف »آزﻣﻮن ﻓﺮض آﻣﺎري« ﺗﻌﻴﻴﻦ اﻳﻦ ﻣﻮﺿﻮع اﺳﺖ ﻛﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻃﻼﻋﺎت ﺑﺪﺳﺖ آﻣﺪه از داده‬
‫ﻫﺎي ﻧﻤﻮﻧﻪ‪ ،‬ﺣﺪﺳﻲ ﻛﻪ درﺑﺎره ﺧﺼﻮﺻﻴﺘﻲ از ﺟﺎﻣﻌﻪ ﻣﻲ زﻧﻴﻢ ﺑﻪ ﻃﻮر ﻗﻮي ﺗﺎﻳﻴﺪ ﻣﻲ ﺷﻮد ﻳﺎ ﻧﻪ‪ .‬اﻳﻦ ﺣﺪس ﺑﻨﺎ ﺑﻪ‬
‫ﺗﺤﻘﻴﻖ‪ ،‬ﻧﻮﻋﺎ ﺷﺎﻣﻞ ادﻋﺎﻳﻲ درﺑﺎره ﻣﻘﺪار ﻳﻚ ﭘﺎراﻣﺘﺮ ﺟﺎﻣﻌﻪ اﺳﺖ‪» .‬در واﻗﻊ ﻫﺮ ﺣﻜﻤﻲ درﺑﺎره ﺟﺎﻣﻌﻪ را ﻳﻚ‬
‫ﻓﺮض آﻣﺎري ﻣﻲ ﻧﺎﻣﻨﺪ ﻛﻪ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﻮدن آن ﺑﺎﻳﺪ ﺑﺮ ﻣﺒﻨﺎي اﻃﻼﻋﺎت ﺣﺎﺻﻞ از ﻧﻤﻮﻧﻪ ﮔﻴﺮي از ﺟﺎﻣﻌﻪ ﺑﺮرﺳﻲ‬
‫ﺷﻮد‪«.‬‬
‫ﭼﻮن ادﻋﺎ ﻣﻤﻜﻦ اﺳﺖ ﺻﺤﻴﺢ ﻳﺎ ﻏﻠﻂ ﺑﺎﺷﺪ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ دو ﻓﺮض ﻣﻜﻤﻞ در ذﻫﻦ ﺑﻮﺟﻮد ﻣﻲ آﻳﺪ‪:‬‬
‫‪ -1‬ادﻋﺎ ﺻﺤﻴﺢ اﺳﺖ )ﻓﺮض ‪(H0‬‬
‫‪ -2‬ادﻋﺎ ﻏﻠﻂ اﺳﺖ )ﻓﺮض ‪(H1‬‬
‫ﺑﺎ ﺑﻜﺎر ﺑﺮدن اﻃﻼﻋﺎﺗﻲ ﻛﻪ از ﻣﺸﺎﻫﺪات ﻧﻤﻮﻧﻪ ﺑﺪﺳﺖ ﻣﻲ آﻳﺪ‪ ،‬ﺗﺼﻤﻴﻢ ﮔﻴﺮﻧﺪه ﺑﺎﻳﺪ ﻳﻜﻲ از دو ﺗﺼﻤﻴﻢ ﻳﺎ اﺳﺘﻨﺒﺎط‬
‫را اﻧﺘﺨﺎب ﻛﻨﺪ‪:‬‬
‫‪ -1‬ﻓﺮض ‪ H1‬را رد ﻛﻨﺪ و ﻧﺘﻴﺠﻪ ﺑﮕﻴﺮد ﻛﻪ ‪ H0‬ﺑﻮﺳﻴﻠﻪ داده ﻫﺎ ﺗﺎﻳﻴﺪ ﻣﻲ ﺷﻮد‪.‬‬
‫‪ -2‬ﻓﺮض ‪ H1‬را رد ﻧﻜﻨﺪ و ﻧﺘﻴﺠﻪ ﺑﮕﻴﺮد ﻛﻪ داده ﻫﺎ ‪ H0‬را ﺗﺎﻳﻴﺪ ﻧﻤﻲ ﻛﻨﺪ‪.‬‬
‫ﻓﺮاﻳﻨﺪ اﻧﺘﺨﺎب ﻳﻜﻲ از دو ﺗﺼﻤﻴﻢ ﻓﻮق را »آزﻣﻮن ﻓﺮض آﻣﺎري« ﻣﻲ ﻧﺎﻣﻨﺪ‪.‬‬
‫ﻗﺒﻮل و ﻳﺎ رد ﻳﻚ ﻓﺮض آﻣﺎري ﺑﺎ اﺛﺒﺎت و ﻳﺎ رد ﻳﻚ ﮔﺰاره رﻳﺎﺿﻲ ﻣﺘﻔﺎوت اﺳﺖ‪ ،‬در رﻳﺎﺿﻲ ﮔﺰاره اي را اﺛﺒﺎت‬
‫و ﻳﺎ ﻧﻔﻲ ﻣﻲ ﻛﻨﻨﺪ و در ﻫﺮ ﺣﺎﻟﺖ ﻧﺘﻴﺠﻪ اش ﻛﻪ ﺑﺪﺳﺖ ﻣﻲ آﻳﺪ ﺑﺪون ﻫﻴﭻ ﺷﻜﻲ ﺑﺮﻗﺮار اﺳﺖ وﻟﻲ در ﻣﻘﺎﺑﻞ‪،‬‬
‫ﻧﺘﻴﺠﻪ ﺣﺎﺻﻞ از »آزﻣﻮن ﻓﺮض آﻣﺎري« ﺑﻪ وﺳﻴﻠﻪ ﺗﺤﻠﻴﻞ داده ﻫﺎي ﺗﺠﺮﺑﻲ ﺣﺘﻤﻲ و ﻗﻄﻌﻲ ﻧﻴﺴﺖ‪ .‬ﺷﻴﻮه ﻣﻨﺎﺳﺐ‬
‫ﺑﺮاي آزﻣﻮن ﻓﺮض داراي ﻣﺮاﺣﻞ ﻣﻨﻄﻘﻲ اﺳﺖ‪ .‬ﻗﺒﻞ از ذﻛﺮ ﻣﺮاﺣﻞ ﻣﻮرد ﻧﻈﺮ‪ ،‬ﺑﻪ ﺑﻴﺎن ﻣﻔﺎﻫﻴﻢ و اﺻﻄﻼﺣﺎت‬
‫اﺳﺘﻔﺎده ﺷﺪه در آزﻣﻮن ﻓﺮض ﻣﻲ ﭘﺮدازﻳﻢ‪ .‬ﺷﻴﻮه ﻣﻨﺎﺳﺐ ﺑﺮاي آزﻣﻮن ﻓﺮض آﻣﺎري داراي ﻣﺮاﺣﻞ ﻣﻨﻄﻘﻲ اﺳﺖ‪.‬‬
‫ﻗﺒﻞ از ذﻛﺮ ﻣﺮاﺣﻞ ﻣﻮرد ﻧﻈﺮ‪ ،‬ﺑﻪ ﺑﻴﺎن ﻣﻔﺎﻫﻴﻢ و اﺻﻄﻼﺣﺎت اﺳﺘﻔﺎده ﺷﺪه در آزﻣﻮن ﭘﺮداﺧﺘﻪ ﻣﻲ ﺷﻮد‪ .‬ﻣﻬﻤﺘﺮﻳﻦ‬
‫ﻣﺮﺣﻠﻪ در »آزﻣﻮن ﻓﺮض آﻣﺎري« ﺗﺒﺪﻳﻞ »ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ« و ﻧﻘﻴﺾ آن‪ ،‬ﺑﻪ »ﻓﺮﺿﻴﻪ ﻫﺎي آﻣﺎري« اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ‬
‫ﻣﺮﺣﻠﻪ ﻓﻮق را ﺑﺎ ﻋﻨﻮان ﻓﺮض ﺻﻔﺮ و ﻓﺮض ﻣﻘﺎﺑﻞ ﺗﺸﺮﻳﺢ ﻣﻲ ﻛﻨﻴﻢ‪ .‬در اﻳﻦ ﻓﺼﻞ ﺑﻪ ﺑﻴﺎن ﺑﺮﺧﻲ ﺗﻌﺎرﻳﻒ در زﻣﻴﻨﻪ‬
‫آﻣﺎر اﺳﺘﻨﺒﺎﻃﻲ ﺧﻮاﻫﻴﻢ ﭘﺮداﺧﺖ و ﺳﭙﺲ ﭼﻬﺎر آزﻣﻮن آﻣﺎري ﭘﺮﻛﺎرﺑﺮد در آﻣﺎر ﻛﺎرﺑﺮدي را ﻣﻌﺮﻓﻲ ﺧﻮاﻫﻴﻢ‬
‫ﻛﺮد‪.‬‬
‫‪٥٨‬‬
‫‪ 2-4‬ﻓﺮض ﺻﻔﺮ و ﻓﺮض ﻣﻘﺎﺑﻞ‬

‫ﺑﺮاي ﺑﺤﺚ درﺑﺎره ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﺴﺎﻟﻪ آزﻣﻮن ﻓﺮض آﻣﺎري و ﺣﻞ آن‪ ،‬ﺑﻪ ﻣﻌﺮﻓﻲ ﭘﺎره اي از ﺗﻌﺎرﻳﻒ و ﻣﻔﺎﻫﻴﻢ ﻧﻴﺎز‬
‫دارﻳﻢ‪.‬‬
‫ﻣﺜﺎل ‪:1‬‬
‫ﻧﻈﺮﻳﻪ اي ﭘﻴﺸﻨﻬﺎد ﻣﻲ ﻛﻨﺪ ﻛﻪ ﻣﺤﺼﻮل ﻳﻚ واﻛﻨﺶ ﺷﻴﻤﺎﻳﻲ ﻣﻌﻨﻲ داراي ﺗﻮزﻳﻊ ﻧﺮﻣﺎل )‪ X~N(µ،16‬اﺳﺖ‪.‬‬
‫و در ﻏﻴﺮ‬ ‫آزﻣﺎﻳﺶ ﮔﺬﺷﺘﻪ ﻧﺸﺎن ﻣﻲ دﻫﺪ ﻛﻪ اﮔﺮ ﻳﻚ ﻣﺎده ﻣﻌﺪﻧﻲ ﺑﻪ اﻳﻦ ﻣﺤﺼﻮل اﺿﺎﻓﻪ ﻧﺸﺪه ﺑﺎﺷﺪ ‪=10‬‬
‫اﺳﺖ‪ .‬آزﻣﺎﻳﺶ ﻣﺎ ﻋﺒﺎرت اﺳﺖ از اﻧﺘﺨﺎب ﻧﻤﻮﻧﻪ ﺗﺼﺎدﻓﻲ ﺑﻪ ﺣﺠﻢ ‪ .n‬ﺑﺮ اﺳﺎس اﻳﻦ ﻧﻤﻮﻧﻪ ﺳﻌﻲ‬ ‫اﻳﻨﺼﻮرت ‪=11‬‬
‫ﺧﻮاﻫﻴﻢ ﻛﺮد ﺗﺼﻤﻴﻢ ﺑﮕﻴﺮﻳﻢ ﻛﺪام ﻣﻮرد درﺳﺖ اﺳﺖ؟‬
‫ﭘﺎﺳﺦ‪:‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﺿﻴﻪ اي ﻛﻪ در ﺻﻮرت ﻣﺴﺎﻟﻪ ﺑﻴﺎن ﺷﺪه اﺳﺖ دو ﻓﺮض آﻣﺎري زﻳﺮ ﻣﻄﺮح ﻣﻲ ﺷﻮد‪:‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﺑﺮاﺑﺮ ﻋﺪد ‪ 10‬اﺳﺖ ‪=10 :‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﺑﺮاﺑﺮ ﻋﺪد ‪ 11‬اﺳﺖ ‪=11 :‬‬
‫اﺳﺖ‪ .‬از دو ﺣﻜﻢ ﻓﻮق‪ ،‬ﻳﻜﻲ را »ﻓﺮض ﺻﻔﺮ« )‪(Null Hypothesis‬‬ ‫در اﻳﻨﺠﺎ ﻋﺪد ﻧﺎﻣﻌﻠﻮم ‪ ،‬ﺑﺮاﺑﺮ ﺑﻮدن ‪=11‬‬
‫و دﻳﮕﺮي را »ﻓﺮض ﻣﻘﺎﺑﻞ« )‪ (Alternative Hypothesis‬ﻣﻲ ﻧﺎﻣﻴﻢ و آﻧﻬﺎ را ﺑﻪ ﺗﺮﺗﻴﺐ و ﺑﻪ اﺧﺘﺼﺎر ﺑﺎ ‪ H0‬و‬
‫‪ H1‬ﻧﺸﺎن ﻣﻲ دﻫﻴﻢ‪ .‬ﺑﺮاي اﻳﻨﻜﻪ ﻣﻌﻠﻮم ﺷﻮد ﻛﺪام ﻓﺮض را ﺑﺎﻳﺪ ﻓﺮض ﺻﻔﺮ ﻧﺎﻣﻴﺪ ﻻزم اﺳﺖ ﻛﻪ ﺗﻔﺎوت اﺳﺎﺳﻲ ﺑﻴﻦ‬
‫دو اﺻﻄﻼح ﻓﻮق ﺑﻪ روﺷﻨﻲ درك ﺷﻮد‪ .‬ﻗﺒﻞ از اﻳﻨﻜﻪ ادﻋﺎ ﻛﻨﻴﻢ ﺣﻜﻤﻲ ﻣﻌﺘﺒﺮ اﺳﺖ‪ ،‬ﺑﺎﻳﺪ ﺷﻮاﻫﺪ ﻛﺎﻓﻲ در ﺗﺎﻳﻴﺪ‬
‫آن ﺑﺪﺳﺖ آورﻳﻢ‪ .‬در ﻧﺘﻴﺠﻪ‪ ،‬ﺷﺨﺺ ﺗﺤﻠﻴﻠﮕﺮ ﺑﺎﻳﺪ ﺣﻤﻞ را ﻏﻠﻂ ﺑﺪاﻧﺪ ﻣﮕﺮ اﻳﻨﻜﻪ داده ﻫﺎي ﺑﺪﺳﺖ آﻣﺪه ﺧﻼف‬
‫آﻧﺮا ﺗﺎﻳﻴﺪ ﻛﻨﻨﺪ‪ .‬ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ ﺑﺎﻳﺪ »ﻓﺮض ﺻﻔﺮ« را ﺻﺤﻴﺢ داﻧﺴﺖ و ﻓﻘﻂ وﻗﺘﻲ آﻧﺮا رد ﻛﺮد ﻛﻪ داده ﻫﺎ‬
‫ﺑﺮﺧﻼف آن ﺣﻜﻢ ﻛﻨﻨﺪ‪ .‬ﺗﺸﺎﺑﻪ زﻳﺎدي ﺑﻴﻦ اﻳﻦ اﻣﺮ و ﻣﺤﺎﻛﻤﻪ دادﮔﺎه وﺟﻮد دارد ﻛﻪ در آن ﻫﻴﺎت ﻣﻨﺼﻔﻪ ﻓﺮض‬
‫»ﻣﺠﺮم ﺑﻮدن« را اﺗﺨﺎذ ﻣﻲ ﻛﻨﻨﺪ ﻣﮕﺮ اﻳﻨﻜﻪ ﺷﻮاﻫﺪ ﻗﺎﻧﻊ ﻛﻨﻨﺪه اي ﻣﺠﺮم ﺑﻮدن ﻣﻨﺘﻬﻲ را ﺛﺎﺑﺖ ﻛﻨﻨﺪ و ﻧﻪ اﻳﻨﻜﻪ در‬
‫اﺛﺒﺎت ﺑﻲ ﮔﻨﺎﻫﻲ او ﺑﻜﻮﺷﻨﺪ‪.‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻜﺎت ﻓﻮق‪ ،‬ﻣﻲ ﺗﻮان ﻧﺘﻴﺠﻪ ﮔﺮﻓﺖ ﻛﻪ ﻫﺮﮔﺎه ﺑﺨﻮاﻫﻴﻢ ﻳﻚ ادﻋﺎ را از ﻃﺮﻳﻖ ﺗﺎﻳﻴﺪ آن ﺑﻮﺳﻴﻠﻪ اﻃﻼﻋﺎت‬
‫ﺣﺎﺻﻞ از ﻧﻤﻮﻧﻪ آزﻣﻮن ﻛﻨﻴﻢ‪ ،‬ﻧﻔﻲ آن ادﻋﺎ را ﻓﺮض ﺻﻔﺮ و ﺧﻮد آن را ﻓﺮض ﻣﻘﺎﺑﻞ ﻣﻲ ﮔﻴﺮﻳﻢ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ ﻓﺮض‬
‫ﺻﻔﺮ و ﻓﺮض ﻣﻘﺎﺑﻞ در ﻓﺮﺿﻴﻪ ﻓﻮق ﺑﺎﻳﺪ ﺑﻪ اﻳﻦ ﺻﻮرت ﺑﺎﺷﺪ‪.‬‬
‫‪H0 : =10‬‬
‫‪H1 : =11‬‬
‫‪ 3-4‬ﺳﻄﺢ ﻣﻌﻨﻲ داري و ﺧﻄﺎﻫﺎي آﻣﺎري‬
‫ﺑﻌﺪ از ﺗﻌﺮﻳﻒ ﻓﺮﺿﻴﻪ ﻫﺎي آﻣﺎري‪ ،‬ﻗﺪم ﺑﻌﺪي ﻣﺸﺨﺺ ﻛﺮدن درﺟﻪ اي ﺑﺮاي ﻣﻌﻨﻲ دار ﺑﻮدن ﺗﻔﺎوت ﻫﺎ ) ( و‬
‫ﺣﺠﻤﻲ ﺑﺮاي ﻧﻤﻮﻧﻪ ﻣﻮرد ﺑﺮرﺳﻲ )‪ (n‬اﺳﺖ‪ .‬روش ﻛﺎر اﻳﻦ اﺳﺖ ﻛﻪ ﻓﺮض ‪ H0‬را ﺑﻪ ﻧﻔﻊ ﻓﺮض ‪ H1‬رد ﻣﻲ ﻛﻨﻴﻢ‬
‫‪٥٩‬‬
‫ﺑﻪ ﺷﺮط اﻳﻨﻜﻪ از ﻳﻚ آزﻣﻮن آﻣﺎري ﻣﻘﺪاري ﺑﺪﺳﺖ آورﻳﻢ ﻛﻪ اﺣﺘﻤﺎل وﻗﻮع آن ﻣﻘﺪار ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ‪ H0‬ﺑﺮاﺑﺮ ﻳﺎ‬
‫ﻛﻤﺘﺮ از ﻳﻚ اﺣﺘﻤﺎل ﺑﺴﻴﺎر ﻛﻮﭼﻚ ﺑﺎﺷﺪ ﻛﻪ ﺑﺎ ﻧﺸﺎن داده ﻣﻲ ﺷﻮد‪ .‬اﻳﻦ اﺣﺘﻤﺎل وﻗﻮع ﻛﻮﭼﻚ را »ﺳﻄﺢ ﻣﻌﻨﻲ‬
‫داري« ﻣﻲ ﮔﻮﻳﻨﺪ‪ .‬ﻣﻘﺎدﻳﺮي ﻛﻪ ﻣﻌﻤﻮﻻ ﺑﺮاي ‪ α‬اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد ﺑﻴﺸﺘﺮ از ‪ 0.01‬و ‪ 0.05‬اﺳﺖ‪ .‬از آﻧﺠﺎ ﻛﻪ ﻣﻘﺪار‬
‫در ﺗﻌﻴﻴﻦ اﻳﻨﻜﻪ ‪ H0‬ﺑﺎﻳﺪ رد ﺷﻮد ﻳﺎ ﻧﻪ دﺧﺎﻟﺖ ﻣﺴﺘﻘﻴﻢ دارد‪ ،‬اﻟﺰام رﻋﺎﻳﺖ ﻋﻴﻨﻴﺖ در ﺗﺤﻘﻴﻖ اﻳﺠﺎب ﻣﻲ ﻛﻨﺪ ﻛﻪ‬
‫ ‪ α‬را ﭘﻴﺶ از ﺷﺮوع ﺟﻤﻊ آوري داده ﻫﺎ ﻣﺸﺨﺺ ﻛﻨﻴﻢ‪ .‬ﺳﻄﺢ ﻣﻌﻨﻲ داري ﻛﻪ ﻣﺤﻘﻖ ﺑﺮاي ﺗﻌﻴﻴﻦ ‪ α‬در ﺗﺤﻘﻴﻖ‬
‫اﻧﺘﺨﺎب ﻣﻲ ﻛﻨﺪ ﺑﺮ اﺳﺎس ﺗﺨﻤﻴﻦ او از اﻫﻤﻴﺖ و ﻳﺎ درﺟﻪ ﻗﺎﺑﻠﻴﺖ ﻛﺎرﺑﺮد ﻳﺎﻓﺘﻪ ﻫﺎﻳﺶ ﻣﺒﺘﻨﻲ اﺳﺖ‪.‬ﻃﺒﻴﻌﻲ اﺳﺖ ﻛﻪ‬
‫را ﺧﻴﻠﻲ ﻛﻤﺘﺮ در ﻧﻈﺮ ﺑﮕﻴﺮد‬ ‫اﮔﺮ ﺗﺤﻘﻴﻖ ﻣﺜﻼ درﺑﺎره آﺛﺎر درﻣﺎﻧﻲ ﻋﻤﻞ ﺟﺮاﺣﻲ روي ﻣﻐﺰ ﺑﺎﺷﺪ‪ ،‬ﻣﺤﻘﻖ ﺑﺎﻳﺪ ‪α‬‬
‫زﻳﺮا ﺧﻄﺮﻫﺎي رد ﻛﺮدن ﻧﺎدرﺳﺖ ﻓﺮﺿﻴﻪ ﺻﻔﺮ ﺑﺴﻴﺎر زﻳﺎد اﺳﺖ‪.‬‬
‫ﻫﻨﮕﺎم اﺗﺨﺎذ ﺗﺼﻤﻴﻢ درﺑﺎره ‪ H0‬ﻣﻤﻜﻦ اﺳﺖ دو ﻧﻮع ﺧﻄﺎ ﭘﻴﺶ آﻳﺪ‪:‬‬
‫‪ -1‬ﺧﻄﺎي ﻧﻮع اول )‪ : (Type I Error‬رد ﻛﺮدن ﻓﺮض ‪ H0‬در ﺣﺎﻟﻲ ﻛﻪ درﺳﺖ اﺳﺖ‪.‬‬
‫‪ -2‬ﺧﻄﺎي ﻧﻮع دوم )‪ : (Type I Error‬رد ﻛﺮدن ﻓﺮض ‪ H0‬در ﺣﺎﻟﻲ ﻛﻪ ﻏﻠﻂ اﺳﺖ‪.‬‬
‫ﺑﺰرﮔﺘﺮ ﺷﻮد‪ ،‬اﺣﺘﻤﺎل اﻳﻨﻜﻪ ‪ H0‬را ﺑﻪ ﻏﻠﻂ رد ﻛﻨﻴﻢ ﻳﺎ ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ‪ ،‬اﺣﺘﻤﺎل‬ ‫اﺣﺘﻤﺎل وﻗﻮع ﺧﻄﺎي ﻧﻮع اول ﺑﺎ‬
‫و‬ ‫ﻧﺸﺎن داده ﻣﻲ ﺷﻮد‪.‬‬ ‫اﻳﻨﻜﻪ ﻣﺮﺗﻜﺐ ﺧﻄﺎي ﻧﻮع اول ﺷﻮﻳﻢ‪ ،‬اﻓﺰاﻳﺶ ﻣﻲ ﻳﺎﺑﺪ‪ .‬ﺧﻄﺎي ﻧﻮع دوم ﻣﻌﻤﻮﻻ ﺑﺎ‬
‫ﻫﻢ ﺑﺮاي ﻧﺸﺎن دادن ﻧﻮع ﺧﻄﺎﻫﺎ و ﻫﻢ ارﺗﻜﺎب آن ﺧﻄﺎﻫﺎ ﺑﻪ ﻛﺎر ﻣﻲ روﻧﺪ‪ ،‬ﻳﻌﻨﻲ‪:‬‬
‫)رد ﻛﺮدن ‪ H0‬وﻗﺘﻲ ‪ H0‬درﺳﺖ اﺳﺖ( ‪) =P‬ﺧﻄﺎي ﻧﻮع اول( ‪=P‬‬
‫)رد ﻛﺮدن ‪ H0‬وﻗﺘﻲ ‪ H1‬درﺳﺖ اﺳﺖ( ‪) =P‬ﺧﻄﺎي ﻧﻮع اول( ‪=P‬‬
‫ﺑﻪ‬ ‫ﺑﻪ ﻣﻘﺪار ﻣﺸﺨﺺ ﭘﺎراﻣﺘﺮ در داﻣﻨﻪ اي ﺑﺴﺘﮕﻲ دارد ﻛﻪ ‪ H0‬آﻧﺮا در ﺑﺮ ﻣﻲ ﮔﻴﺮد و ﺣﺎل آﻧﻜﻪ‬ ‫اﺣﺘﻤﺎل‬
‫ﻣﻘﺪار ﭘﺎراﻣﺘﺮ در داﻣﻨﻪ اي ﺑﺴﺘﮕﻲ دارد ﻛﻪ ‪ H1‬آﻧﺮا در ﺑﺮﻣﻲ ﮔﻴﺮد‪ .‬اﻳﻦ ﺧﻄﺎﻫﺎ و اﺣﺘﻤﺎل آﻧﻬﺎ در راﺑﻄﻪ ﺑﺎ ‪ H0‬را‬
‫ﻣﻲ ﺗﻮان ﺑﻄﻮر زﻳﺮ ﺧﻼﺻﻪ ﻛﺮد‪:‬‬
‫ﻛﺎﻫﺶ ﻣﻲ ﻳﺎﺑﺪ و ﺑﺮﻋﻜﺲ‪ .‬اﻳﻦ‬ ‫راﺑﻄﻪ ﻣﻌﻜﻮس وﺟﻮد دارد‪ .‬ﺑﺎﻻ رﻓﺘﻦ ‪ ،‬و ﻣﻘﺪار‬ ‫و‬ ‫واﺿﺢ اﺳﺖ ﻛﻪ ﺑﻴﻦ‬
‫اﻟﺰاﻣﺎً ﻋﺪد ﻳﻚ‬ ‫و‬ ‫ﻣﻌﺮوف اﺳﺖ‪ .‬آﻧﭽﻪ ﻣﺴﻠﻢ اﺳﺖ‪ ،‬ﻣﺠﻤﻮع‬ ‫و‬ ‫راﺑﻄﻪ در آﻣﺎر ﺑﻪ »ﺑﺪه – ﺑﺴﺘﺎن« ﺑﻴﻦ‬
‫ﻧﻴﺴﺖ‪ .‬واﺿﺢ اﺳﺖ ﻛﻪ در ﻫﺮ اﺳﺘﻨﺒﺎط آﻣﺎري‪ ،‬اﺣﺘﻤﺎل وﻗﻮع ﻳﻜﻲ از اﻳﻦ دو ﻧﻮع ﺧﻄﺎ وﺟﻮد دارد و ﻻزم اﺳﺖ‬
‫ﻛﻪ آزﻣﻮن ﻛﻨﻨﺪه ﺑﻪ ﻧﻮﻋﻲ ﺳﺎزش ﻛﻪ ﺗﻌﺎدل ﺑﻴﻦ اﺣﺘﻤﺎل وﻗﻮع اﻳﻦ دو ﻧﻮع ﺧﻄﺎ را ﺑﻪ ﺣﺪ ﻣﻄﻠﻮب ﺑﺮﺳﺎﻧﺪ دﺳﺖ‬
‫ﻳﺎﺑﺪ‪ .‬آزﻣﻮن ﻫﺎي آﻣﺎري ﻣﺨﺘﻠﻒ ‪ ،‬اﺣﺘﻤﺎل ﺗﻌﺎدل ﻫﺎي ﻣﺨﺘﻠﻔﻲ را ﻋﺮﺿﻪ ﻣﻲ ﻛﻨﻨﺪ‪ .‬در رﺳﻴﺪن ﺑﻪ ﭼﻨﻴﻦ ﺗﻌﺎدﻟﻲ‬
‫اﺳﺖ ﻛﻪ ﻣﻮﺿﻮع »ﺗﻮان آزﻣﻮن« ﻣﻄﺮح ﻣﻲ ﺷﻮد‪ .‬ﺗﻮان آزﻣﻮن ﻋﺒﺎرت اس از اﺣﺘﻤﺎل رد ﻛﺮدن ‪ H0‬وﻗﺘﻲ ﻛﻪ ‪H0‬‬
‫ﺣﻘﻴﻘﺘﺎً ﻧﺎدرﺳﺖ ﺑﺎﺷﺪ‪ ،‬ﻳﻌﻨﻲ‪:‬‬
‫‪) =1 -‬اﺣﺘﻤﺎل وﻗﻮع ﺧﻄﺎي ﻧﻮع دوم( ‪ =1-‬ﺗﻮان آزﻣﻮن‬
‫‪٦٠‬‬
‫آﻧﭽﻪ ﻣﻮﺟﺐ ﻛﺎﻫﺶ ﺧﻄﺎي ﻧﻮع اول و دوم و ﻫﻤﭽﻨﻴﻦ ﺗﻮان آزﻣﻮن ﻣﻲ ﺷﻮد‪ ،‬اﻓﺰاﻳﺶ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﺳﺖ‪ .‬ﻣﻨﺤﻨﻲ‬
‫ﻫﺎي ﺷﻜﻞ ‪ 4-1‬ﻧﺸﺎن ﻣﻲ دﻫﻨﺪ ﻛﻪ وﻗﺘﻲ ﺣﺠﻢ ﻧﻤﻮﻧﻪ )‪ (n‬اﻓﺰاﻳﺶ ﻣﻲ ﻳﺎﺑﺪ اﺣﺘﻤﺎل وﻗﻮع ﺧﻄﺎي ﻧﻮع دوم ) (‬
‫ﻛﺎﻫﺶ ﻣﻲ ﻳﺎﺑﺪ‪ .‬در اﻳﻦ ﺷﻜﻞ اﻓﺰاﻳﺶ ﺗﻮان آزﻣﻮن دو ﻃﺮﻓﻪ ﻣﻴﺎﻧﮕﻴﻦ وﻗﺘﻲ ﻛﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﻓﺰاﻳﺶ ﻣﻲ ﻳﺎﺑﺪ ﺑﺎ‬
‫ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﺷﺪه اﺳﺖ‪ .‬ﻣﺸﺎﻫﺪه ﻣﻲ ﺷﻮد ﻛﻪ وﻗﺘﻲ ﺣﺠﻢ ﻧﻤﻮﻧﻪ از ‪ 4‬ﺑﻪ ‪ 10،20،50‬و ‪ 100‬اﻓﺰاﻳﺶ ﻣﻲ ﻳﺎﺑﺪ‬
‫ﭼﮕﻮﻧﻪ ﺗﻮان آزﻣﻮن ﻧﻴﺰ زﻳﺎدﺗﺮ ﻣﻲ ﺷﻮد‪.‬‬
‫‪ 4-4‬ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي آﻣﺎره‬
‫ﺻﺤﺖ ﻳﻚ ﻓﺮﺿﻴﻪ آﻣﺎري ﻓﻘﻂ ﺑﺎ اﺳﺘﻔﺎده از ﻧﻤﻮﻧﻪ اي ‪ n‬ﺗﺎﻳﻲ از ﺟﺎﻣﻌﻪ آﻣﺎري و ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي آﻣﺎره‬
‫ﻣﺸﺨﺺ ﻣﻲ ﺷﻮد‪ .‬در ﺑﺤﺚ »آزﻣﻮن ﻓﺮض« ﺗﺎﻳﻴﺪ ﻳﺎ رد »ﻓﺮﺿﻴﻪ ﺻﻔﺮ« ﺑﻪ ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي آﻣﺎره ﺑﺴﺘﮕﻲ دارد‪.‬‬
‫واﺿﺢ اﺳﺖ ﻛﻪ ﺗﻮزﻳﻊ آﻣﺎره ﻣﺘﺎﺛﺮ از ﺗﻮزﻳﻊ ﺟﺎﻣﻌﻪ و ﺷﺮاﻳﻂ ﺑﺮآورد و ﻫﻤﭽﻨﻴﻦ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﺳﺖ‪ .‬ﺟﺪول زﻳﺮ‬
‫ﻧﺸﺎن ﻣﻲ دﻫﺪ ﻛﻪ از ﭼﻪ ﺗﻮزﻳﻊ ﻫﺎﻳﻲ ﺑﺮاي آزﻣﻮن ﻫﺮ ﭘﺎراﻣﺘﺮ اﺳﺘﻔﺎده ﺧﻮاﻫﺪ ﺷﺪ‪ .‬ﻣﺘﻐﻴﺮﻫﺎي اﺳﺘﺎﻧﺪارد ﻣﻮرد‬
‫اﺳﺘﻔﺎده ﺑﻪ ﻛﻤﻚ ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﺗﻌﺮﻳﻒ ﻣﻲ ﺷﻮﻧﺪ‪ .‬اﺻﻄﻼح »آﻣﺎره آزﻣﻮن« ﺑﺎ ﭘﺎراﻣﺘﺮ ﻣﻮرد آزﻣﻮن ﺗﻌﺮﻳﻒ‬
‫ﻣﻲ ﺷﻮد‪.‬‬
‫‪ 5-4‬آزﻣﻮن ﻓﺮض ﻳﻚ ﻃﺮﻓﻪ و دو ﻃﺮﻓﻪ‬
‫ﺑﺮ اﺳﺎس آﻧﭽﻪ ﮔﻔﺘﻴﻢ‪ ،‬ﻧﺘﻴﺠﻪ ﻣﻲ ﮔﻴﺮﻳﻢ ﻛﻪ ‪ H0‬را ﺑﺎﻳﺪ ﭘﺬﻳﺮﻓﺖ ﻣﮕﺮ آﻧﻜﻪ دﻟﻴﻞ ﻣﺤﻜﻤﻲ ﺑﺮ رد آن وﺟﻮد داﺷﺘﻪ‬
‫ﺑﺎﺷﺪ‪ .‬اﻳﻦ ﺑﺪﻳﻦ ﻣﻌﻨﺎﺳﺖ ﻛﻪ ﻓﺮض ﺻﻔﺮ ﻫﻤﻮاره ﺷﺎﻣﻞ ﺳﻄﺢ اﻃﻤﻴﻨﺎن )‪ 100(1 − α‬درﺻﺪ اﺳﺖ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ‬
‫اﺳﺖ‪ .‬ﻣﻔﻬﻮم ﻛﺎرﺑﺮدي اﻳﻦ ﺟﻤﻠﻪ آن اﺳﺖ ﻛﻪ رد ﻳﺎ ﻗﺒﻮل ‪ H0‬ﺑﺎ ﺳﻄﺢ‬ ‫‪ H1‬در ﺑﺮﮔﻴﺮﻧﺪه ﺳﻄﺢ ﻣﻌﻨﻲ داري‬
‫در ﻃﺮﻓﻴﻦ ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﺗﻌﺮﻳﻒ‬ ‫اﻃﻤﻴﻨﺎن دﻟﺨﻮاه ﺻﻮرت ﺧﻮاﻫﺪ ﮔﺮﻓﺖ‪ .‬ﭘﺲ ﻫﻤﻮاره ‪ H1‬ﺑﻪ اﻧﺪازه‬
‫ﺧﻮاﻫﺪ ﺷﺪ‪» .‬ﻳﻚ ﻃﺮﻓﻪ « ﻳﺎ دو ﻃﺮﻓﻪ ﺑﻮدن آزﻣﻮن ﻓﺮض آﻣﺎري ﺑﻪ ﺗﻌﺮﻳﻒ ‪ H0‬و ﻳﺎ ‪ H1‬ﺑﺴﺘﮕﻲ دارد‪.‬‬
‫ﻣﺜﺎل ‪:2‬‬
‫در ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ ﭼﻨﻴﻦ آﻣﺪه اﺳﺖ‪ » :‬ﻣﻴﺎﻧﮕﻴﻦ ﻣﺪت زﻣﺎن ﻛﺎرﻛﺮد ﻳﻚ ﻻﻣﭗ ﺳﺎﻟﻢ ﻛﻤﺘﺮ از ‪ 200‬ﺳﺎﻋﺖ اﺳﺖ«‬
‫‪ .‬ﻓﺮﺿﻴﻪ ﻓﻮق ﻃﻮري ﺑﻪ ﻓﺮﺿﻴﻪ ﻫﺎي آﻣﺎري ﺗﺒﺪﻳﻞ ﻣﻲ ﺷﻮد ﻛﻪ ‪ H0‬ﻧﺸﺎن دﻫﻨﺪه ﻧﻘﻴﺾ ادﻋﺎ و ‪ H1‬ﻧﺸﺎن دﻫﻨﺪه‬
‫ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ‪:‬‬
‫‪H0 :‬‬ ‫‪≥ 200‬‬
‫‪H1 :‬‬ ‫‪< 200‬‬
‫‪ x‬ﺗﻌﺮﻳﻒ ﺧﻮاﻫﺪ ﺷﺪ‪ .‬اﻳﻦ ﻧﻮع آزﻣﻮن را‬
‫در ﺳﻤﺖ ﭼﭗ ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي ‬ ‫واﺿﺢ اﺳﺖ ﻛﻪ ‪ H1‬ﺑﻪ اﻧﺪازه‬
‫»آزﻣﻮن ﻳﻚ ﻃﺮﻓﻪ ﭼﭗ« )‪ (left tailed Test‬ﻣﻲ ﺧﻮاﻧﻨﺪ )ﺷﻜﻞ ‪.(4-2‬‬
‫ﻣﺜﺎل ‪:3‬‬
‫ﻓﺮض ﻛﻨﻴﺪ در ﻣﺜﺎل ﻓﻮق ﭼﻨﻴﻦ آﻣﺪه ﺑﺎﺷﺪ‪ »:‬ﻣﻴﺎﻧﮕﻴﻦ ﻣﺪت زﻣﺎن ﻛﺎرﻛﺮد ﻳﻚ ﻻﻣﭗ ﺳﺎﻟﻢ ﺑﻴﺸﺘﺮ از ‪ 200‬ﺳﺎﻋﺖ‬
‫اﺳﺖ«‪.‬‬
‫‪٦١‬‬
‫ﻓﺮﺿﻴﻪ ﻓﻮق را ﻣﻲ ﺗﻮان ﺑﺼﻮرت زﻳﺮ ﺑﻪ ﻓﺮﺿﻴﻪ آﻣﺎري ﺗﺒﺪﻳﻞ ﻛﺮد‪:‬‬

‫‪H0 :‬‬ ‫‪≤ 200‬‬
‫‪H1 :‬‬ ‫‪> 200‬‬
‫ﺑﻪ اﻳﻦ ﻧﻮع آزﻣﻮن »آزﻣﻮن ﻳﻚ ﻃﺮف راﺳﺖ« )‪ (Right Tailed Test‬ﮔﻔﺘﻪ ﻣﻲ ﺷﻮد )ﺷﻜﻞ ‪.(4-2‬‬
‫ﻣﺜﺎل ‪:4‬‬
‫ﻣﺠﺪدا ﻓﺮض ﻛﻨﻴﺪ در ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ ﭼﻨﻴﻦ آﻣﺪه اﺳﺖ‪ »:‬ﻣﻴﺎﻧﮕﻴﻦ ﻣﺪت زﻣﺎن ﻛﺎرﻛﺮد ﻳﻚ ﻻﻣﭗ ﺳﺎﻟﻢ ﺑﺮاﺑﺮ‬
‫‪ 200‬ﺳﺎﻋﺖ اﺳﺖ‪ «.‬ﻓﺮﺿﻴﻪ آﻣﺎري ﻋﺒﺎرت ﻓﻮق ﭼﻨﻴﻦ اﺳﺖ‪:‬‬
‫‪H0 :‬‬ ‫‪≠ 200‬‬
‫‪H1 :‬‬ ‫‪≠ 200‬‬
‫ﺑﻪ ﭼﻨﻴﻦ ﻓﺮﺿﻴﻪ ﻫﺎﻳﻲ »آزﻣﻮن دو ﻃﺮف« )‪ (2 Tail Test‬ﮔﻮﻳﻨﺪ )ﺷﻜﻞ ‪.(4-4‬‬
‫ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ اﮔﺮ در ﺷﻜﻞ ﻫﺎي ﻓﻮق ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﻮﻧﻪ در »ﻧﺎﺣﻴﻪ ﺑﺤﺮاﻧﻲ« ﻗﺮار ﺑﮕﻴﺮد‪ ،‬ﻓﺮض ﺻﻔﺮ )‪ (H0‬را‬
‫رد ﻣﻲ ﻛﻨﻴﻢ‪.‬‬
‫‪ 6-4‬ﻣﺮاﺣﻞ ﻛﻠﻲ آزﻣﻮن ﻓﺮض آﻣﺎري‬

‫از ﺟﻤﻊ ﺑﻨﺪي ﻣﺒﺎﻧﻲ آزﻣﻮن ﻓﺮض ﻣﻲ ﺗﻮان ﺑﺮاي ﻫﻤﻪ آزﻣﻮن ﻓﺮض ﻫﺎي آﻣﺎري‪ ،‬ﻣﺮاﺣﻞ ﭼﻬﺎرﮔﺎﻧﻪ زﻳﺮ را ﺗﺪوﻳﻦ‬
‫ﻛﺮد‪ .‬از اﻳﻦ ﻣﺮاﺣﻞ در ﻃﻲ ﻓﺼﻮل ﺑﻌﺪي ﻛﺘﺎب ﺟﻬﺖ ﺗﻔﺴﻴﺮ ﺧﺮوﺟﻲ ﻫﺎ اﺳﺘﻔﺎده ﺧﻮاﻫﺪ ﺷﺪ‪:‬‬
‫‪ -1‬ﺗﻌﺮﻳﻒ ﻓﺮﺿﻴﻪ ﻫﺎي آﻣﺎري ‪ H0‬و ‪ ) H1‬ﻓﺮض ﻫﺎ( ‪:‬‬

‫ﺑﺮ اﺳﺎس ﻗﺎﻋﺪه اي ﻛﻪ ﺑﻴﺎن ﺷﺪ‪ ،‬ﭼﻨﺎﻧﭽﻪ ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ ﻳﺎ ﻫﺪف‪ ،‬ﻣﺮز ﻣﺸﺨﺼﻲ )=( داﺷﺘﻪ ﺑﺎﺷﺪ‪ H0 ،‬ﻧﺸﺎن‬
‫دﻫﻨﺪه ادﻋﺎ ﺧﻮاﻫﺪ ﺑﻮد‪ ،‬در ﻏﻴﺮ اﻳﻨﺼﻮرت ﻧﻘﻴﺾ آن در ‪ H0‬ﻗﺮار ﺧﻮاﻫﺪ ﮔﺮﻓﺖ‪ ،‬آﻧﭽﻪ ﻣﺴﻠﻢ اﺳﺖ ﻓﺮض ‪ H0‬و‬
‫‪ H1‬ﻣﻜﻤﻞ ﻳﻜﺪﻳﮕﺮﻧﺪ‪ .‬ﺑﺎ اﻳﻦ ﺗﻮﺻﻴﻒ ‪ H0‬ﮔﺎﻫﻲ ﺑﻴﺎن ﻛﻨﻨﺪه ادﻋﺎ و ﮔﺎﻫﻲ ﻧﻘﻴﺾ ادﻋﺎ ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫‪ -II‬ﺗﻌﻴﻴﻦ ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي آﻣﺎره و ﻧﻮع آﻣﺎره آزﻣﻮن )آﻣﺎره آزﻣﻮن(‪:‬‬
‫ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﺑﻪ ﺷﺮاﻳﻂ ﺗﺨﻤﻴﻦ ﭘﺎراﻣﺘﺮ ﻣﻮرد ادﻋﺎ ﺑﺴﺘﮕﻲ دارد‪ .‬ﺑﺴﺘﻪ ﺑﻪ اﻳﻨﻜﻪ ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ ﭼﻪ ﻧﻮع‬
‫ﭘﺎراﻣﺘﺮي را ﺑﻴﺎن ﻣﻲ ﻛﻤﻨﺪ‪ ،‬ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي آﻣﺎره و آﻣﺎره آزﻣﻮن ﺗﻐﻴﻴﺮ ﺧﻮاﻫﺪ ﻛﺮد‪.‬‬
‫‪ -III‬ﺗﻌﻴﻴﻦ ﺳﻄﺢ زﻳﺮ ﻣﻨﺤﻨﻲ ‪ H0‬و ‪ H1‬و ﻣﺤﺎﺳﺒﻪ ﻣﻘﺪار ﺑﺤﺮاﻧﻲ )ﻣﻘﺪار ﺑﺤﺮاﻧﻲ( ‪:‬‬
‫ﺑﺴﺘﮕﻲ دارد‪ .‬ﻳﻚ ﻃﺮﻓﻪ ﻳﺎ دو ﻃﺮﻓﻪ ﺑﻮدن آزﻣﻮن ﻧﻴﺰ‬ ‫ﺳﻄﺢ زﻳﺮ ﻣﻨﺤﻨﻲ ‪ H0‬و ‪ H1‬ﺑﻪ ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ ﮔﻴﺮي و ﻣﻘﺪار‬
‫ﺑﺮ ﺳﻄﺢ زﻳﺮ ﻣﻨﺤﻨﻲ ﻓﺮﺿﻴﻪ ﻫﺎي آﻣﺎري ﺗﺎﺛﻴﺮ ﻣﺴﺘﻘﻴﻢ دارد‪ .‬ﭼﻨﺎﻧﭽﻪ ﮔﻔﺘﻪ ﺷﺪ‪ H0 :‬در ﺑﺮﮔﻴﺮﻧﺪه ﺳﻄﺢ اﻃﻤﻴﻨﺎن و‬
‫ﺧﻮاﻫﺪ ﺑﻮد‪ .‬ﻣﺤﺎﺳﺒﻪ ﻣﻘﺪار اﺳﺘﺎﻧﺪاردي ﻛﻪ ﺗﻔﻜﻴﻚ ﻛﻨﻨﺪه ‪ H0‬و ‪ H1‬ﺑﺼﻮرت ﻋﺪدي ﺑﺎﺷﺪ از‬ ‫‪ H1‬ﺳﻄﺤﻲ ﺑﺮاﺑﺮ‬
‫از ﺟﺪاول آﻣﺎري‬ ‫دﻳﮕﺮ ﻣﻮارد ﺿﺮوري اﻳﻦ ﻣﺮﺣﻠﻪ اﺳﺖ‪ .‬ﻣﻘﺪار اﺳﺘﺎﻧﺪارد ﺑﺮ اﺳﺎس ﻧﻮع آزﻣﻮن و ﻣﻘﺪار‬
‫ﻣﻮﺟﻮد اﺳﺘﺨﺮاج ﻣﻲ ﺷﻮد‪ .‬اﻳﻦ ﻣﻘﺪار ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻋﻼﻣﺖ آن‪» ،‬ﻣﻘﺪار ﺑﺤﺮاﻧﻲ« ﻧﺎﻣﻴﺪه ﻣﻲ ﺷﻮد‪ .‬ﻣﻘﺪار اﺳﺘﺎﻧﺪارد و‬
‫‪٦٢‬‬
‫ﺟﺪول آﻣﺎري ﻣﻮرد ﻧﻴﺎز ﺑﺮاي اﺳﺘﺨﺮاج آن ﺑﺮ اﺳﺎس آﻣﺎره آزﻣﻮن ﺗﻌﻴﻴﻦ ﻣﻲ ﺷﻮد‪ .‬ﺑﺮاي ﻣﺜﺎل اﮔﺮ آﻣﺎره آزﻣﻮن از‬
‫ﻧﻮع ‪ Z‬ﺑﺎﺷﺪ ف ﻣﻘﺪار ﺑﺤﺮاﻧﻲ ﺑﺮ اﺳﺎس ﺟﺪول اﺳﺘﺎﻧﺪارد ‪ Z‬ﺗﻌﻴﻴﻦ ﻣﻲ ﺷﻮد و اﮔﺮ از ﻧﻮع ‪ F‬ﺑﺎﺷﺪ ﺑﺮ اﺳﺎس ﺟﺪول‬
‫‪ F‬ﺗﻌﺮﻳﻒ ﻣﻲ ﺷﻮد‪.‬‬
‫‪ .IV‬ﺗﺼﻤﻴﻢ ﮔﻴﺮي‪:‬‬
‫در اﻳﻦ ﻣﺮﺣﻠﻪ ﻣﻘﺪار آﻣﺎره آزﻣﻮن ﻣﺤﺎﺳﺒﻪ ﺷﺪه در ﻣﺮﺣﻠﻪ دوم ﺑﺎ ﻣﻘﺪار ﺑﺤﺮاﻧﻲ ﻣﺮﺣﻠﻪ ﺳﻮم ﻣﻘﺎﻳﺴﻪ ﻣﻲ ﺷﻮد‪.‬‬
‫ﭼﻨﺎﻧﭽﻪ آﻣﺎره آزﻣﻮن در ﻧﺎﺣﻴﻪ ﭘﺬﻳﺮش ‪ H0‬ﻗﺮار ﮔﻴﺮد‪ .‬ﮔﻔﺘﻪ ﻣﻲ ﺷﻮد ﻛﻪ رد ﺳﻄﺢ اﻃﻤﻴﻨﺎن ﻣﻮرد ﻧﻈﺮ‪ ،‬دﻟﻴﻞ ﻛﺎﻓﻲ‬
‫درﺻﺪ ﭘﺬﻳﺮﻓﺘﻪ‬ ‫ﺑﺮاي ﭘﺬﻳﺮش ‪ H0‬وﺟﻮد دارد‪ .‬در ﻏﻴﺮ اﻳﻨﺼﻮرت ﻓﺮض ‪ H0‬رد ﺷﺪه و ‪ H1‬آﻳﺎ در ﺳﻄﺢ ﺧﻄﺎي‬
‫ﻣﻲ ﺷﻮد‪.‬‬
‫ﭘﺲ از ﺗﺎﻳﻴﺪ ﻳﺎ رد ‪ ، H0‬ﺗﺤﻠﻴﻠﮕﺮ ﺑﺎﻳﺪ ﺑﻄﻮر ﻣﺸﺨﺺ ﺑﻴﺎن ﻛﻨﺪ ﻛﻪ آﻳﺎ ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ ﭘﺬﻳﺮﻓﺘﻪ ﻳﺎ رد ﺷﺪه اﺳﺖ‪.‬‬
‫ﺑﺪﻳﻬﻲ اﺳﺖ ﻣﺤﻘﻖ ﻫﻴﭽﮕﺎه ادﻋﺎي اﺛﺒﺎت ﻳﺎ ﻋﺪم اﺛﺒﺎت ﻓﺮﺿﻴﻪ ﭘﮋوﻫﺸﻲ ﻳﺎ ﻓﺮﺿﻴﻪ ﻫﺎي آﻣﺎري را ﻧﺪارد‪ ،‬ﺑﻠﻜﻪ در‬
‫ﺗﺤﻠﻴﻞ ﺧﻮد ﺑﻪ ﻟﺤﺎظ اﺳﺘﻘﺮار اﺣﺘﻴﺎط را رﻋﺎﻳﺖ ﻛﻨﺪ‪.‬‬
‫‪ 7-4‬ﻣﺎﻫﻴﺖ ‪P-Value‬‬
‫‪ -P) P-Value‬ﻣﻘﺪار( ﻳﻚ آزﻣﻮن آﻣﺎري‪ ،‬ﻣﻘﺪار اﺣﺘﻤﺎﻟﻲ اﺳﺖ ﻛﻪ ﻣﻴﺰان ﺳﺎزﮔﺎري داده ﻫﺎي ﻧﻤﻮﻧﻪ را ﺑﺎ ﻧﺘﻴﺠﻪ‬
‫‪ H0‬اﻧﺪازه ﻣﻲ ﮔﻴﺮد‪ .‬اﻳﻦ ﻣﻘﺪار‪ ،‬ﺧﻼﺻﻪ اي ﻓﺸﺮده از ﻳﺎﻓﺘﻪ ﻫﺎي ﻧﻤﻮﻧﻪ اي را در ﻳﻚ آزﻣﻮن آﻣﺎري ﻣﻌﺮﻓﻲ ﻣﻲ‬
‫ﻛﻨﺪ‪ ،‬و ﻏﺎﻟﺒﺎً در ﮔﺰارش ﻫﺎي ﻣﻨﺘﺸﺮ ﺷﺪه ﻧﺘﺎﻳﺞ آزﻣﻮن آﻣﺎري و در ﺧﺮوﺟﻲ ﺑﺮﻧﺎﻣﻪ ﻫﺎي ﻛﺎﻣﭙﻴﻮﺗﺮي ﻣﻮرد اﺳﺘﻔﺎده‬
‫واﻗﻊ ﻣﻲ ﺷﻮد‪.‬‬
‫ﺑﺮاي ﻳﻚ آزﻣﻮن ﻳﻚ ﻃﺮﻓﻪ ﻣﺮﺑﻮط ﺑﻪ ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ‪ P-Value ،‬ﺑﺮ ﺣﺴﺐ آﻣﺎره آزﻣﻮن اﺳﺘﺎﻧﺪارد ﺷﺪه *‪Z‬‬
‫ﺑﺼﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲ ﺷﻮد‪:‬‬
‫‪ ، µ‬آﻣﺎره آزﻣﻮن‬ ‫‪ P-Value‬ﻳﻚ آزﻣﻮن آﻣﺎري ﻳﻚ ﻃﺮﻓﻪ ﺑﺮاي ﻋﺒﺎرﺗﺴﺖ از اﺣﺘﻤﺎل آﻧﻜﻪ اﮔﺮ ‪= µ‬‬
‫اﺳﺘﺎﻧﺪارد ﺷﺪه *‪ Z‬در ﺟﻬﺖ ﻧﺎﺣﻴﻪ رد ﻣﻲ ﺗﻮاﻧﺪ ﻛﻤﺘﺮ از ﻣﻘﺪاري ﺑﺎﺷﺪ ﻛﻪ واﻗﻌﺎً ﻣﺸﺎﻫﺪه ﺷﺪه اﺳﺖ‪.‬‬
‫آزﻣﻮن ‪P-Value‬‬
‫ﻫﻤﺎنﻃﻮر ﻛﻪ ﻗﺒﻼً ﮔﻔﺘﻴﻢ‪ P-Value ،‬ﻳﻚ آزﻣﻮن ﺑﺮاي ‪ ، µ‬ﻣﻴﺰان ﺳﺎزﮔﺎري ﺑﻴﻦ ﺑﺮآﻣﺪ ﻧﻤﻮﻧﻪ اي و ﻣﻘﺪار ‪µ‬‬
‫را ﻛﻪ در ‪ H0‬ﻣﺴﻠﻢ ﻓﺮض ﺷﺪه اﺳﺖ اﻧﺪازه ﻣﻲ ﮔﻴﺮد‪ .‬ﻳﻚ ‪ P-Value‬ﺑﺰرگ ﻧﺸﺎن ﻣﻲ دﻫﺪ ﻛﻪ ‪ µ‬ﻣﻮﺟﻪ اﺳﺖ‪،‬‬
‫و ﺑﻨﺎﺑﺮاﻳﻦ‪ ،‬ﺑﺎﻳﺪ ‪ H0‬ﻧﺘﻴﺠﻪ ﮔﺮﻓﺘﻪ ﺷﻮد‪ .‬در واﻗﻊ ﺑﺮﺣﺴﺐ اﻳﻨﻜﻪ ‪ P-Value‬ﺑﺰرﮔﺘﺮ ﻳﺎ ﻛﻮﭼﻜﺘﺮ از )ﻧﺎﺣﻴﻪ ﺑﺤﺮاﻧﻲ(‬
‫ﺑﺎﺷﺪ ﻛﻪ ﺑﺮاي اﺟﺮاي آزﻣﻮن ﻣﺸﺨﺺ ﺷﺪه اﺳﺖ‪ ،‬ﻣﻲ ﺗﻮاﻧﺪ ﻣﺴﺘﻘﻴﻤﺎ ﺑﺮاي اﻧﺘﺨﺎب ﺑﻴﻦ ‪ H0‬و ‪ H1‬ﺑﻪ ﻛﺎر رود‪.‬‬
‫ﻧﺘﻴﺠﻪ اي ﻛﻪ از آزﻣﻮن ﻣﺒﺘﻨﻲ ﺑﺮ ‪ P-Value‬ﺑﺪﺳﺖ ﻣﻲ آﻳﺪ از ﻧﻈﺮ رﻳﺎﺿﻲ ﻫﻢ ارز ﺑﺎ ﻧﺘﻴﺠﻪ اي اﺳﺖ ﻛﻪ از ﻗﺎﻋﺪه‬
‫ﺗﺼﻤﻴﻢ ﻣﺘﻨﺎﻇﺮ ﻣﺒﺘﻨﻲ ﺑﺮ آﻣﺎره آزﻣﻮن اﺳﺘﺎﻧﺪارد ﺷﺪه ﺣﺎﺻﻞ ﻣﻲ ﺷﻮد‪ .‬ﻗﺎﻋﺪه ﺗﺼﻤﻴﻢ ﻣﺒﺘﻨﻲ ﺑﺮ ‪ P-Value‬ﺑﺼﻮرت‬
‫‪٦٣‬‬
‫اﮔﺮ ‪ ≤ P-Value‬ﺑﺎﺷﺪ‪ ،‬ﮔﺰﻳﻨﻪ ‪ H0‬را ﻧﺘﻴﺠﻪ ﺑﮕﻴﺮﻳﺪ‪.‬‬
‫اﮔﺮ ‪ ≥ P-Value‬ﺑﺎﺷﺪ‪ ،‬ﮔﺰﻳﻨﻪ ‪ H1‬را ﻧﺘﻴﺠﻪ ﺑﮕﻴﺮﻳﺪ‪.‬‬
‫ﺑﺎ اﺳﺘﻔﺎده از ﻳﻚ ‪ P-Value‬ﻳﻚ ﻃﺮﻓﻪ ﻳﺎ دو ﻃﺮﻓﻪ‪ ،‬ﻫﺮ ﻛﺪام ﻛﻪ ﻣﻘﺘﻀﻲ ﺑﺎﺷﺪ‪ ،‬اﻳﻦ ﻗﺎﻋﺪه ﺗﺼﻤﻴﻢ‪ ،‬ﺧﻮاه آزﻣﻮن‬
‫ﻳﻚ ﻃﺮﻓﻪ ﻳﺎ دو ﻃﺮﻓﻪ ﺑﺎﺷﺪ ﺻﺎدق اﺳﺖ‪.‬‬
‫‪ 8-4‬آزﻣﻮن آﻣﺎري ﺑﺮاي ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ – آزﻣﻮن ‪ t‬ﺗﻚﻧﻤﻮﻧﻪاي‬

‫وﻗﺘﻲ ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺮاي ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ) ‪ ( µ‬آزﻣﻮﻧﻲ اﻧﺠﺎم دﻫﻴﻢ‪ ،‬در واﻗﻊ ﻋﻼﻗﻪﻣﻨﺪﻳﻢ آزﻣﻮن ﻛﻨـﻴﻢ ﻛـﻪ‬
‫آﻳﺎ ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﺑﺮاﺑﺮ ﻋﺪد ﻣﺸﺨﺼﻲ ﻫﺴﺖ ﻳﺎ ﺧﻴﺮ؟ در اﻳﻦ ﺣﺎﻟﺖ ﻓﺮضﻫﺎي آﻣﺎري ﻋﺒﺎرﺗﻨﺪ از‪:‬‬
‫‪ H 0 : µ = µ0‬‬
‫‪‬‬
‫‪ H1 = µ ≠ µ0‬‬
‫از آﻧﺠﺎﻳﻲ ﻛﻪ در ﻋﻤﻞ ﻫﻤﻮاره وارﻳـﺎﻧﺲ ﺟﺎﻣﻌـﻪ ﻧـﺎﻣﻌﻠﻮم اﺳـﺖ‪ ،‬آزﻣـﻮن ﻣﻨﺎﺳـﺐ‪ ،‬آزﻣـﻮن ‪ t‬ﺗـﻚﻧﻤﻮﻧـﻪاي‬
‫ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﻣﺜﺎل ‪ (1‬دادهﻫﺎي زﻳﺮ ﻧﻤﺮهﻫﺎي‪ 20‬داﻧﺶآﻣﻮز در درس آﻣﺎر اﺳﺖ‪:‬‬
‫‪12/5 ،19/8 ،11 ،17 ،14/5 ،13 ،12 ،17 ،10/5 ،16 ،19 ،16/5 ،12 ،13 ،20 ،14/5 ،16 ،13/5 ،14 ،17/5‬‬
‫آﻳﺎ ﻣﻲﺗﻮان ﮔﻔﺖ ﻣﻴﺎﻧﮕﻴﻦ ﻧﻤﺮهﻫﺎي رﻳﺎﺿﻲ داﻧﺶآﻣﻮزان اﻳﻦ ﻛﻼس ﺑﺮاﺑﺮ ‪ 15‬اﺳﺖ؟‬
‫در واﻗﻊ ﻣﻲﺧﻮاﻫﻴﻢ آزﻣﻮن ﻓﺮض زﻳﺮ را اﻧﺠﺎم دﻫﻴﻢ‪:‬‬
‫‪ H 0 : µ = 15‬‬
‫‪‬‬
‫‪ H1 = µ ≠ 15‬‬
‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﻣﺴﻴﺮ ‪ Analyze>Compare Means>One-Sample T Test‬را ﻃﻲ ﻛﻨﻴﺪ‪ ،‬ﺗـﺎ ﻛـﺎدر‬
‫ﻣﻜﺎﻟﻤﻪاي ‪ One-SampleT Test‬ﺑﺎز ﺷﻮد‪ .‬در اﻳـﻦ ﻛـﺎدر ﻣﺘﻐﻴـﺮ "ﻧﻤـﺮه" را در ﺟﻌﺒـﻪ ‪ Test Variable‬وارد و در‬
‫ﺟﻌﺒﻪ ‪ Test Values‬ﻋﺪد ‪ 15‬را ﺗﺎﻳﭗ ﻛﻨﻴﺪ‪.‬‬
‫ﺳﭙﺲ ﮔﺰﻳﻨﻪ ‪ Ok‬را ﺑﺰﻧﻴﺪ ﺗﺎ ﺧﺮوﺟﻲ آزﻣﻮن را ﺑﺒﻴﻨﻴﺪ‪.‬‬
‫‪٦٤‬‬
‫ﻣﻌﺮﻓﻲ ﺟﺪاول‪ :‬ﺟﺪول اول )‪ ،(One-Sample Statistics‬ﺣﺠﻢ ﻧﻤﻮﻧﻪ‪ ،‬ﺷـﺎﺧﺺﻫـﺎي آﻣـﺎريِ ﻣﻴـﺎﻧﮕﻴﻦ‪،‬‬
‫اﻧﺤﺮاف ﻣﻌﻴـﺎر و ﺧﻄـﺎي ﻣﻌﻴـﺎر ﻣﻴـﺎﻧﮕﻴﻦ را ﻧﺸـﺎن ﻣـﻲدﻫـﺪ‪ .‬ﺟـﺪول دوم )‪ (One-Sample Test‬ﻧﺘـﺎﻳﺞ آزﻣـﻮن ‪t‬‬
‫ﺗﻚﻧﻤﻮﻧﻪاي را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻣﻘﺪار آﻣﺎره ‪ t‬ﻣﺤﺎﺳﺒﻪﺷﺪه ﺑﺮاﺑﺮ ‪ -0/079‬ﺷﺪه اﺳﺖ ﻛﻪ ﻣﻲداﻧـﻴﻢ آﻣـﺎره ﻣﺮﺑـﻮط ﺑـﻪ‬
‫آن ﺑﻪﺻﻮرت زﻳﺮ اﺳﺖ و داراي ﺗﻮزﻳﻊ ‪ t‬ﺑﺎ ‪ n-1‬درﺟﻪ آزادي)‪ (df‬اﺳﺖ‪.‬‬
‫‪x − µ 0T‬‬
‫=‪T‬‬
‫‪S‬‬
‫‪n‬‬
‫ﻋﺒﺎرت ‪ sig‬ﻛﻪ ﻣﺨﻔﻒ ‪ ،significant levele‬و ﺑﻪ ﻣﻌﻨﻲِ "ﺳﻄﺢ ﻣﻌﻨـﻲداري" اﺳـﺖ‪ ،‬ﻧﺸـﺎندﻫﻨـﺪه ‪-P‬ﻣﻘـﺪار‬
‫آزﻣﻮن اﺳﺖ‪ ،‬ﻛﻪ در اﻳﻦ آزﻣﻮن ﺑﺮاﺑﺮ ‪ 0/94‬ﺷﺪهاﺳﺖ‪ .‬ﻫﻤﭽﻨﻴﻦ ﻣﻘﺪار ‪ Mean Difference‬ﻧﺸـﺎندﻫﻨـﺪة ‪x − µ0‬‬
‫اﺳﺖ‪ ،‬ﻛﻪ در اﻳﻨﺠﺎ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ ‪.14/95-15=-0/05‬‬
‫در ﻗﺴﻤﺖ ﺑﻌﺪ‪ ،95%Confidence Interval ،‬ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬را ﺑﺮاي ﭘﺎراﻣﺘﺮ ‪ x − µ‬را ﻧﺸﺎن ﻣـﻲدﻫـﺪ‪،‬‬
‫ﻛﻪ در اﻳﻦ ﻣﺜﺎل ﺑﺮاﺑﺮ )‪ (-1/37 ،1/27‬اﺳﺖ‪ .‬ﺣﺎل اﮔـﺮ ﺑﺨـﻮاﻫﻴﻢ ﻓﺎﺻـﻠﻪ اﻃﻤﻴﻨـﺎن ﺑـﺮاي ‪ µ‬ﺑﺪﺳـﺖ آورﻳـﻢ‪ ،‬ﺑﺎﻳـﺪ‬
‫ﻧﺎﻣﻌﺎدﻟﻪ ‪ − 1.37 < x − µ < 1.27‬را ﺑﺮاي ﻣﺠﻬـﻮل ‪ µ‬ﺣـﻞ ﻛﻨـﻴﻢ‪ .‬ﻟـﺬا ﻓﺎﺻـﻠﻪ اﻃﻤﻴﻨـﺎن ﺑـﺮاي ‪ µ‬ﺑﺮاﺑـﺮ اﺳـﺖ ﺑـﺎ‬
‫)‪.(13/68 ،16/32‬‬
‫ﺗﻔﺴﻴﺮ‪ :‬ﻫﻤﺎﻧﻄﻮرﻛﻪ ﻣﻲداﻧﻴﻢ‪ ،‬از ﺳﻪ روش ﻣﻌﺎدل ﻣﻲ ﺗﻮان آزﻣـﻮن ﻓـﺮض را اﻧﺠـﺎم داد ﻛـﻪ ﻋﺒﺎرﺗﻨـﺪ از‪-1 :‬‬
‫ﻧﺎﺣﻴﻪ رد‪-P -2 ،‬ﻣﻘﺪار‪ -3 ،‬ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن‪ .‬ﻛﻪ در اﻛﺜﺮ ﺧﺮوﺟﻲﻫﺎي ‪ SPSS‬ﻧﺘﺎﻳﺞ ﺑﺮ اﺳﺎس اﻳـﻦ ﺳـﻪ روش اراﺋـﻪ‬
‫ﻣﻲﺷﻮد‪ .‬ﻣﺎ ﻧﻴﺰ ﺑﺎ اﺳﺘﻔﺎده از ﺧﺮوﺟﻲ ﺑﺎﻻ از ﻫﺮ ﺳﻪ راه اﻳﻦ ﻓﺮﺿﻴﻪ را در ﺳﻄﺢ ﻣﻌﻨﻲداري ‪ 0/05‬آزﻣﻮن ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫∝ ‪ T > t‬ﺑــﺮاي رد ﻓــﺮض ‪ : H 0‬ﻣﻘــﺪار‬ ‫‪ -1‬روش ﻧﺎﺣﻴــﻪ رد‪ :‬ﺑـﺎ ﺗﻮﺟــﻪ ﺑــﻪ ﻗﺎﻋــﺪه ﺗﺼـﻤﻴﻢﮔﻴــﺮي‬
‫)‪,( n −1‬‬
‫‪2‬‬
‫‪ t 0.05‬ﺑﺮاﺑﺮ ‪ 1/73‬اﺳﺖ‪ ،‬و ﭼﻮن ‪ 0/079‬ﻛﻤﺘﺮ از ‪ 1/73‬اﺳﺖ‪ ،‬ﻟﺬا در ﺳـﻄﺢ ﻣﻌﻨـﻲداري ‪ 0/05‬ﻓـﺮض‬
‫)‪,(19‬‬
‫‪2‬‬
‫‪ ، H 0‬ﻳﻌﻨﻲ ﻓﺮض ﺑﺮاﺑﺮي‪ ،‬را رد ﻧﻤﻲﻛﻨﻴﻢ‪.‬‬

‫‪ -2‬روش ‪-P‬ﻣﻘﺪار‪ :‬ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﻲداﻧﻴﻢ ﻗﺎﻋﺪه در اﻳﻦ روش ﺑﻪ اﻳﻦﺻﻮرت اﺳﺖ ﻛﻪ‪" ،‬اﮔﺮ ‪-P‬ﻣﻘـﺪار‬
‫ﻛﻤﺘﺮ از ‪ α‬ﺑﺎﺷﺪ‪ ،‬ﻓﺮض ‪ H 0‬را در ﺳﻄﺢ ﻣﻌﻨﻲداري ‪ α‬رد ﻣـﻲﻛﻨـﻴﻢ"‪ .‬در اﻳـﻦ ﻣﺜـﺎل ‪-P‬ﻣﻘـﺪار ﺑﺮاﺑـﺮ‬
‫‪ 0/94‬اﺳﺖ و ﻛﻤﺘﺮ از ‪ 0/05‬ﻧﻴﺴﺖ‪ ،‬ﻟﺬا در ﺳﻄﺢ ﻣﻌﻨﻲداري ‪ 0/05‬ﻓﺮض ‪ ، H 0‬ﻳﻌﻨﻲ ﻓـﺮض ﺑﺮاﺑـﺮي‪ ،‬را‬
‫رد ﻧﻤﻲﻛﻨﻴﻢ‪.‬‬
‫‪٦٥‬‬
‫‪ -3‬روش ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن‪ :‬در اﻳﻦﺟﺎ ﻓﺮﺿﻴﻪ ‪، H 0 : µ − 15 = 0‬ﻛﻪ ﻣﻌﺎدل اﺳﺖ ﺑـﺎ ‪ ، H 0 : µ = 15‬را‬
‫ﺑﺮرﺳﻲ ﻣﻲﻛﻨﻴﻢ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ﺑﺮاي آزﻣﻮن ﻓﺮﺿﻴﻪ ﻓﻮق ﺑﻪ روش ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ﻛﺎﻓﻴﺴﺖ ﻛﻪ ﭼﻚ ﻛﻨﻴﻢ آﻳﺎ‬
‫ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ µ − 15‬ﻋﺪد ﺻﻔﺮ را ﺷﺎﻣﻞ ﻣﻲﺷﻮد؟ در ﺻﻮرﺗﻲ ﻛﻪ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ﺷـﺎﻣﻞ ﻋـﺪد ﺻـﻔﺮ‬
‫ﺑﺎﺷﺪ‪ ،‬ﺗﺼﻤﻴﻢ ﺑﻪ ﻋﺪم رد ﻓﺮض ‪ H 0‬ﺧﻮاﻫﻴﻢ ﮔﺮﻓﺖ و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬در اﻳﻦ ﻣﺜـﺎل‪ ،‬در‬
‫ﺳﻄﺢ ﻣﻌﻨﻲداري ‪ 0/05‬ﻓﺮض ‪ ، H 0‬ﻳﻌﻨﻲ ﻓﺮض ﺑﺮاﺑﺮي‪ ،‬را رد ﻧﻤﻲﻛﻨﻴﻢ‪.‬‬
‫ﻣﺜﺎل ‪ (2‬در ﻣﺜﺎل ‪ 1‬ﻓﺮﺿﻴﻪ ‪ H 0 : µ = 12‬را آزﻣﻮن ﻛﻨﻴﺪ‪.‬‬

‫در اﻳﻦ ﺣﺎﻟﺖ ﻫﻤﻪ ﻣﺮاﺣﻞ ﺑﻴﺎن ﺷﺪه در ﻣﺜﺎل ﻗﺒﻞ را اﻧﺠﺎم ﺧﻮاﻫﻴﻢ داد‪ ،‬ﺑﺎ اﻳﻦ ﺗﻔﺎوت ﻛﻪ ﻋﺪد ‪ 12‬را در ﺟﻌﺒﻪ‬
‫‪ Test Values‬ﺗﺎﻳﭗ ﻣﻲﻛﻨﻴﻢ و ﺧﺮوﺟﻲ زﻳﺮ را ﺧﻮاﻫﻴﻢ دﻳﺪ‪:‬‬
‫از ﺳﻪ روش ﻣﻲﺗﻮان ﻧﺸﺎن داد ﻛﻪ ﻓﺮﺿﻴﻪ ‪ H 0 : µ = 12‬در ﺳﻄﺢ ﻣﻌﻨﻲداري ‪ 0/05‬رد ﻣﻲﺷﻮد)؟(‪.‬‬
‫‪ -1‬از آﻧﺠﺎﻳﻲ ﻛﻪ در ﻋﻤﻞ ﻫﻴﭻﮔﺎه وارﻳﺎﻧﺲ ﺟﺎﻣﻌﻪ ﻣﻌﻠﻮم ﻧﻴﺴﺖ‪ ،‬در ‪ SPSS‬ﻧﻴﺰ آزﻣﻮن از ﻃﺮﻳـﻖ آﻣـﺎره ‪Z‬‬
‫ﺗﻌﺒﻴﻪ ﻧﺸﺪه اﺳﺖ‪.‬‬
‫‪ -2‬در اﻳﻦ آزﻣﻮن ﻓﺮض ﺑﺮ اﻳﻦ اﺳﺖ دادهﻫﺎ از ﺟﺎﻣﻌﻪاي ﺑﺎ ﺗﻮزﻳﻊ ﻧﺮﻣﺎل ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -3‬در ‪ ،SPSS‬ﮔﺰﻳﻨﻪ اﻧﺠﺎم آزﻣﻮنﻫﺎي ﻳﻚﻃﺮﻓﻪ ﺗﻌﺒﻴﻪ ﻧﺸﺪهاﺳﺖ‪ .‬اﻣﺎ در آزﻣﻮنﻫـﺎﻳﻲ ﻛـﻪ آﻣـﺎره آﻧﻬـﺎ از‬
‫ﺗﻮزﻳﻊ ‪ ،t‬ﻛﻪ ﺗﻮزﻳﻌﻲ ﻣﺘﻘﺎرن اﺳﺖ‪ ،‬ﭘﻴﺮوي ﻣﻲﻛﻨﺪ‪-P ،‬ﻣﻘﺪار آزﻣﻮن ﻳﻚﻃﺮﻓﻪ ﻧﺼﻒ ‪-P‬ﻣﻘﺪار آزﻣـﻮن‬
‫دوﻃﺮﻓﻪ اﺳﺖ)؟(‪ .‬ﻟﺬا در اﻳﻦ آزﻣﻮن ﻧﻴﺰ ﻣﻲﺗﻮان آزﻣﻮنﻫﺎي ﻳﻚﻃﺮﻓﻪ را اﻧﺠﺎم داد‪.‬‬
‫‪ 9-4‬آزﻣﻮن آﻣﺎري ﺑﺮاي ﻧﺴﺒﺖ ﺟﺎﻣﻌﻪ – آزﻣﻮن دوﺟﻤﻠﻪاي‬
‫ﻣﺜﺎل ‪ (3‬ﻓﺮض ﻛﻨﻴﺪ ﺳﻜﻪ اي را ‪ 30‬ﻣﺮﺗﺒﻪ ﭘﺮﺗﺎب ﻛﺮده اﻳﺪ و ﻧﺘﺎﻳﺞ ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ ) ‪=1‬‬
‫ﺷﻴﺮ ‪ =0 ،‬ﺧﻂ ( ‪:‬‬
‫‪0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1‬‬
‫ﻣﻲ ﺧﻮاﻫﻴﻢ آزﻣﻮن ﻛﻨﻴﻢ ﻛﻪ آﻳﺎ ﺳﻜﻪ ﺳﺎﻟﻢ اﺳﺖ ﻳﺎ ﺧﻴﺮ ؟ ﻣﻲ ﺧﻮاﻫﻴﻢ ﻓﺮض ﻫﺎي زﻳﺮ را آزﻣﻮن ﻛﻨﻴﻢ‪:‬‬
‫‪٦٦‬‬
‫‪ H 0 = p = 0.5‬‬
‫‪‬‬
‫‪ H1 = p ≠ 0.5‬‬
‫ﺑﺮاي آزﻣﻮن اﻳﻦ ﻓﺮض از آزﻣﻮن دوﺟﻤﻠﻪاي اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬

‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ ﻛﺎر دادهﻫﺎي ﺑﺎﻻ را ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﻴـﺮ ‪ Toss‬وارد ﻛـﺮده و ﻣﺴـﻴﺮ ‪Analyze>Nonparametric‬‬
‫‪ Tests>Legacy Diolog>Binomial‬را ﻃﻲ ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪاي ‪ Binomial Test‬ﺑﺎز ﺷﻮد‪.‬‬
‫ﻣﺘﻐﻴﺮ ‪ Toss‬را ﺑﻪ ﻗﺴﻤﺖ ‪ Test Variable List‬وارد ﻛﺮده و ﻣﻘـﺪار ‪ Test Proportion‬را ‪ 0/5‬وارد ﻛﻨﻴـﺪ و‬
‫در ﻗﺴﻤﺖ ‪ Define Dichotomy‬ﮔﺰﻳﻨﻪ ‪ Get from data‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ و ﺳﭙﺲ دﻛﻤﻪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴـﺪ ﺗـﺎ‬
‫ﺧﺮوﺟﻲ زﻳﺮ ﻇﺎﻫﺮ ﺷﻮد ‪:‬‬
‫ﻣﻌﺮﻓﻲ ﺟﺪاول‪ :‬در ﺳﺘﻮن اول دو ﮔﺮوه ﺟﺎﻣﻌﻪ را ﻧﺸﺎن ﻣﻲدﻫﺪ و در ﺳﺘﻮن دوم آنﻫﺎ را ﻣﻌﺮﻓﻲ ﻣﻲﻛﻨـﺪ‪.‬‬
‫ﺗﻮﺟﻪ داﺷﺘﻪﺑﺎﺷﻴﺪ ﻛﻪ در ‪ SPSS‬ﻫﺮ ﮔﺮوﻫﻲ ﻛﻪ ﻛﺪش اول وارد ﺷﻮد را ﺑﻪ ﻧـﺎم ﮔـﺮوه اول)اﺻـﻠﻲ( ﻣـﻲﺷﻨﺎﺳـﺪ و‬
‫ﻧﺴﺒﺖ ‪ P‬ﺑﺮاي اﻳﻦ ﮔﺮوه ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪ .‬ﺑﺮاي ﻣﺜﺎل اﮔﺮ اوﻟﻴﻦ ﻋـﺪد در وارد ﻛـﺮدن دادهﻫـﺎي ﻣﺮﺑـﻮط ﺑـﻪ ﻣﺘﻐﻴـﺮ‬
‫‪ Toss‬را "‪ "1‬وارد ﻛﻨﻴﻢ‪ ،‬ﻋﺪد "‪ "1‬را ﺑﻪ ﻋﻨﻮان ﻛﺪ ﮔﺮوه اول ﻣـﻲﺷﻨﺎﺳـﺪ و ﻧﺴـﺒﺖ ‪ P‬را ﺑـﺮاي اﻳـﻦ ﮔـﺮوه )ﺷـﻴﺮ‬
‫ﺑـﻮدن( و ﻧﺴــﺒﺖ ‪ 1-P‬را ﺑــﺮاي ﮔـﺮوه دﻳﮕــﺮ )ﺧــﻂ ﺑــﻮدن( درﻧﻈـﺮ ﻣــﻲﮔﻴــﺮد‪ .‬در ﺳـﺘﻮن ﺳــﻮم‪ ،N ،‬ﺗﻌــﺪاد اﻓــﺮاد‬
‫ﻣﺸﺎﻫﺪهﺷﺪه در ﻫﺮ ﮔﺮوه را ﻧﺸﺎن ﻣﻲدﻫﺪ و در ﺳﺘﻮن ﺑﻌﺪ ﻧﺴﺒﺖ ﻣﺸﺎﻫﺪه ﺷﺪه ﻫﺮ ﮔﺮوه را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬در ﺳﺘﻮن‬
‫ﭘﻨﺠﻢ‪ ،Test Prop. ،‬ﻋﺪد ﻣﻮرد آزﻣﻮن در ﻓﺮض ﺻﻔﺮ را ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ در اﻳﻨﺠﺎ ‪ 0/05‬اﺳﺖ‪ .‬در ﺳـﺘﻮن آﺧـﺮ‪،‬‬
‫)‪-P ،Exact Sig.(2-tailed‬ﻣﻘﺪار دﻗﻴﻖ را در ﺣﺎﻟﺖ دوﻃﺮﻓﻪ ﻧﺸﺎن ﻣﻲﻫﺪ‪.‬‬
‫ﺗﻔﺴﻴﺮ‪ :‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻨﻜﻪ ‪-P‬ﻣﻘﺪار دﻗﻴﻖ دوﻃﺮﻓﻪ ﺑﻴﺸﺘﺮ از ‪ 0/05‬اﺳﺖ‪ ،‬ﻓﺮض ﺻﻔﺮ‪ ،‬ﺳـﺎﻟﻢ ﺑـﻮدن ﺳـﻜﻪ‪ ،‬را رد‬
‫ﻧﻤﻲﻛﻨﻴﻢ‪.‬‬
‫‪٦٧‬‬
‫ﻣﺜﺎل ‪) (4‬ﻣﺜﺎل ‪ 4‬از ﻓﺼﻞ ‪ ( 8‬در ﻳﻚ ﻧﻤﻮﻧﻪي ﺗﺼﺎدﻓﻲ ‪ 10000‬ﻧﻔﺮي از ﺟﺎﻣﻌﻪي ﺑﺰرگ‪ ،‬ﺗﻌﺪاد ‪ 100‬ﻣﻮرد از‬
‫ﻳﻚ ﺑﻴﻤﺎري ﺧﺎص ﻣﺸﺎﻫﺪه ﺷﺪه‪ ،‬در ﺳﻄﺢ اﻃﻤﻴﻨﺎنِ ‪ 95‬درﺻﺪ آزﻣﻮن ﻛﻨﻴﺪ ﻛﻪ‪:‬‬
‫اﻟﻒ( آﻳﺎ ﻧﺴﺒﺖ ﻣﺒﺘﻼﻳﺎن ﺑﻪ ﺑﻴﻤﺎري ﺧﺎص در ﺟﺎﻣﻌﻪ‪ ،‬از ‪ 0/02‬ﻛﻢﺗﺮ اﺳﺖ؟‬
‫ب( آﻳﺎ ﻣﻲﺗﻮان ﮔﻔﺖ ﻧﺴﺒﺖ ﻣﺒﺘﻼﻳﺎن ﺑﻪ ﺑﻴﻤﺎري ﺧﺎص در ﺟﺎﻣﻌﻪ‪ ،‬ﺑﺮاﺑﺮ ‪ 0/02‬اﺳﺖ ﻳﺎ ﺧﻴﺮ؟‬
‫‪ -‬اﻳﻦ دادهﻫﺎ ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر ‪ weighte cases‬وارد ﻛﻨﻴﺪ‪.‬‬
‫اﻟﻒ( ﺗﻤﺎم ﻣﺮاﺣﻞ ﻣﺮﺑﻮط ﺑﻪ ﻣﺜﺎل ‪ 1‬را در اﻳﻦﺟﺎ اﻧﺠـﺎم ﻣـﻲدﻫـﻴﻢ‪ ،‬ﺑـﺎ اﻳـﻦ ﺗﻔـﺎوت ﻛـﻪ در ﻗﺴـﻤﺖ ‪Test‬‬
‫‪ Proportion‬از ﻛﺎدر ﻣﻜﺎﻟﻤﻪاي ‪ Binomial Test‬ﻋﺪد ‪ 0/02‬را ﺟﺎﻳﮕﺰﻳﻦ ﻋﺪد ‪ 0/5‬ﻣﻲﻛﻨﻴﻢ و ﺳﭙﺲ دﻛﻤـﻪ ‪Ok‬‬
‫را ﻣﻲزﻧﻴﻢ و ﺧﺮوﺟﻲ را ﺑﻪﺻﻮرت زﻳﺮ ﺧﻮاﻫﻴﻢ داﺷﺖ‪.‬‬
‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ اﮔﺮ ﻣﻘﺪار ‪ Test Proportion‬از ‪0/5‬ﻛﻤﺘﺮ ﺑﺎﺷﺪ‪ ،‬آزﻣﻮن ﺑﻪ ﺻﻮرت ﻳـﻚﻃﺮﻓـﻪ اﻧﺠـﺎم‬
‫ﻣﻲﺷﻮد و ﻓﺮض ‪ H1‬ﺑﻪﺻﻮرت ‪ P < 0.02‬ﺧﻮاﻫﺪ ﺑﻮد‪ .‬ﻟﺬا ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦﻛﻪ ‪-P‬ﻣﻘﺪار از ‪ 0/05‬ﻛﻤﺘﺮ اﺳﺖ‪ ،‬ﻓﺮض‬
‫ﺻﻔﺮ را رد ﻧﻤﻲﻛﻨﻴﻢ‪.‬‬
‫ب( ﺑﻪ ﻋﻠﺖ وﺟﻮد ﺗﻘﺎرن ﺗﻮزﻳﻊ ﻧﺮﻣﺎل و اﻳﻦﻛﻪ در اﻳﻦ ﺣﺎﻟﺖ ‪ SPSS‬آزﻣـﻮن دوﻃﺮﻓـﻪ را اﻧﺠـﺎم ﻧﻤـﻲدﻫـﺪ‪،‬‬
‫ﺑﺮاي اﻧﺠﺎم آزﻣﻮن دوﻃﺮﻓﻪ ‪-P‬ﻣﻘﺪار آزﻣﻮن ﻳﻚﻃﺮﻓﻪ را دوﺑﺮاﺑﺮ ﻣﻲﻛﻨﻴﻢ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﺎز ﻫﻢ ﻣﻲﺑﻴﻨـﻴﻢ ﻛـﻪ ‪-P‬‬
‫ﻣﻘﺪار از ‪ 0/05‬ﻛﻤﺘﺮ اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ﻓﺮض ﺻﻔﺮ را رد ﻧﻤﻲﻛﻨﻴﻢ‪.‬‬
‫آزﻣﻮنﻫﺎﻳﻲ ﻛﻪ در ﺑﺎﻻ اﻧﺠﺎم ﺷﺪه‪ ،‬از ﻃﺮﻳﻖ ﺗﻮزﻳﻊ ﻧﺮﻣﺎل اﺳﺘﺎﻧﺪارد اﺳﺖ‪ .‬اﻣﺎ ﻣـﻲداﻧـﻴﻢ ﻛـﻪ ﺻـﻮرت ﻣﺴـﺎﻟﻪ‬
‫ﺑـﺮاي ﻳـﻚ ﺗﻮزﻳـﻊ ﮔﺴﺴـﺘﻪ )دو ﺟﻤﻠـﻪاي( ﻣﻄـﺮح ﺷـﺪهﺑـﻮد‪ .‬ﻟـﺬا ﻧﺘـﺎﻳﺞ آزﻣـﻮنﻫـﺎي ﻓـﻮق ﻫﻤـﻮاره ﺑـﻪ ﺻـﻮرت‬
‫ﻣﺠﺎﻧﺒﻲ)ﺗﻘﺮﻳﺒﻲ( ﺑﻮده و ﺑﺮاي ﻧﻤﻮﻧﻪاي ﺑﺰرگ ﺻﺤﻴﺢ اﺳﺖ‪ .‬اﮔﺮ ﺑﺨﻮاﻫﻴﻢ آزﻣﻮن را در ﻧﻤﻮﻧـﻪاي ﻛﻮﭼـﻚ اﻧﺠـﺎم‬
‫دﻫﻴﻢ‪ ،‬ﺑﻬﺘﺮ اﺳﺖ از روشﻫﺎي ﺷﺒﻴﻪﺳﺎزي ﻣﻮﻧﺖﻛﺎرﻟﻮ اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪ .‬ﺑﺮاي اﻳﻦﻛﺎر ﻣﻲﺗـﻮاﻧﻴﻢ از ﮔﺰﻳﻨـﻪ ‪ Exact‬در‬
‫ﻛـﺎدر ﻣﻜﺎﻟﻤـﻪاي ‪ Binomial Test‬اﺳــﺘﻔﺎده ﻛﻨـﻴﻢ و ﮔﺰﻳﻨـﻪ ‪ Monte Carlo‬را ﺗﻴــﻚ زده و ﺳـﭙﺲ دﻛﻤـﻪﻫــﺎي‬
‫‪ Continue‬و ‪ Ok‬را ﺑﺰﻧﻴﻢ‪.‬‬
‫‪ 10-4‬آزﻣﻮن اﺧﺘﻼف ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي دو ﺟﺎﻣﻌﻪ ﻣﺴﺘﻘﻞ – آزﻣﻮن ‪-t‬دو ﻧﻤﻮﻧﻪ ﻣﺴﺘﻘﻞ‬
‫اﻳﻦ آزﻣﻮن زﻣﺎﻧﻲ ﺑﻪﻛﺎر ﻣﻲرود ﻛﻪ ﺑﺨﻮاﻫﻴﻢ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤﻲ را در ﺑـﻴﻦ دو ﮔـﺮوه ﻣﺴـﺘﻘﻞ ﺑـﺎ ﻫـﻢ‬
‫ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ‪ .‬ﺑﺮاي ﻣﺜﺎل ﻣﻘﺎﻳﺴﻪ ﻓﺸﺎرﺧﻮن دو ﮔﺮوه اﻓﺮاد ﺑﻌﺪ از اﺳﺘﻔﺎده از داروﻫﺎي ‪ A‬و‪. B‬‬
‫در آزﻣﻮن ‪-t‬دو ﻧﻤﻮﻧﻪ ﻣﺴﺘﻘﻞ ﻓﺮﺿﻴﺎت زﻳﺮ را ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﻣﻲدﻫﻴﻢ‪:‬‬
‫‪٦٨‬‬
‫‪ H 0 : µ2 − µ1 = 0‬‬
‫‪‬‬
‫‪ H1 : µ 2 − µ1 ≠ 0‬‬
‫ﺑﺮاي اﺳﺘﻔﺎده ﺻﺤﻴﺢ از اﻳﻦ آزﻣﻮن ﻧﻴﺎز ﺑﻪ اﻃـﻼع در ﻣـﻮرد ﺑﺮاﺑـﺮي و ﻳـﺎ ﻧـﺎﺑﺮاﺑﺮي وارﻳـﺎﻧﺲﻫـﺎي دو ﮔـﺮوه‬
‫ﺧﻮاﻫﻴﻢ داﺷﺖ‪ .‬ﻟﺬا اﺑﺘﺪا ﺑﺎﻳﺴﺘﻲ ﺑﺎ اﺳﺘﻔﺎده از آزﻣﻮن ‪ Levene‬ﺑﺮاﺑﺮي وارﻳﺎﻧﺲﻫﺎي دو ﮔﺮوه را ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار‬
‫داد‪ .‬دو ﺣﺎﻟﺖ ﻣﻲﺗﻮاﻧﺪ ﭘﻴﺶآﻳﺪ ﻛﻪ ﻫﺮ دو ﺣﺎﻟﺖ در ‪ SPSS‬ﺑﻪﻃﻮر ﻫﻤﺰﻣﺎن اﺟﺮا ﻣﻲﺷﻮد‪.‬‬
‫‪ -1‬ﺑﺮاﺑﺮي وارﻳﺎﻧﺲ ﻫﺎ‪ :‬ﭼﻨﺎﻧﭽﻪ ‪-P‬ﻣﻘﺪار ﺣﺎﺻﻞ از آزﻣﻮن ‪ Levene‬ﺑﻴﺸﺘﺮ از ‪ α‬ﺑﺎﺷـﺪ ﻣـﻲﺗـﻮان ﻧﺘﻴﺠـﻪ‬
‫ﮔﺮﻓﺖ ﻛﻪ وارﻳﺎﻧﺲ ﻫﺎي دو ﮔﺮوه ﺑﺎ ﻫﻢ ﺑﺮاﺑﺮ اﺳﺖ‪ .‬در اﻳﻦ ﺣﺎﻟﺖ ﺑﺮاي ﺑﺮرﺳﻲ ﻣﻌﻨﻲداري اﺧﺘﻼف ﺑﻴﻦ‬
‫ﻣﻴﺎﻧﮕﻴﻦﻫﺎي دو ﮔﺮوه‪ ،‬از آزﻣﻮن" ‪-t‬دو ﻧﻤﻮﻧﻪ ﻣﺴﺘﻘﻞ در ﺣﺎﻟﺖ ﺑﺮاﺑﺮي وارﻳﺎﻧﺲﻫﺎ" اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫‪ -2‬ﻧﺎﺑﺮاﺑﺮي وارﻳﺎﻧﺲﻫﺎ‪ :‬ﭼﻨﺎﻧﭽﻪ ‪-P‬ﻣﻘﺪار ﺣﺎﺻﻞ از آزﻣﻮن ‪ Levene‬ﻛﻤﺘﺮ ﻳﺎ ﻣﺴﺎوي ‪ α‬ﺑﺎﺷﺪ ﻣﻲ ﺗـﻮان‬
‫ﻧﺘﻴﺠﻪ ﮔﺮﻓﺖ ﻛﻪ وارﻳﺎﻧﺲ ﻫﺎي دو ﮔﺮوه ﺑﺎ ﻫﻢ ﺑﺮاﺑﺮ ﻧﻴﺴـﺘﻨﺪ‪ .‬در اﻳـﻦ ﺣﺎﻟـﺖ ﺑـﺮاي ﺑﺮرﺳـﻲ ﻣﻌﻨـﻲداري‬
‫اﺧﺘﻼف ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦﻫﺎي دو ﮔﺮوه از آزﻣﻮن "‪-t‬دو ﻧﻤﻮﻧـﻪ ﻣﺴـﺘﻘﻞ در ﺣﺎﻟـﺖ ﻧـﺎﺑﺮاﺑﺮي وارﻳـﺎﻧﺲﻫـﺎ"‬
‫اﺳﺘﻔﺎده ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫ﻣﺜﺎل ‪ (5‬ده داﻧﺶآﻣﻮز ﭘﺴﺮ و ده داﻧﺶآﻣﻮز دﺧﺘﺮ ﺑﻪ دﻟﺨﻮاه اﻧﺘﺨﺎب ﺷـﺪهاﻧـﺪ و وزن آنﻫـﺎ اﻧـﺪازهﮔﻴـﺮي‬
‫ﺷﺪهاﺳﺖ‪ .‬دادهﻫﺎ ﺑﻪﺻﻮرت زﻳﺮﻧﺪ‪:‬‬
‫‪ 54 48 65 60 45 57 45 60 63 55‬دﺧﺘﺮ‬
‫‪ 75 68 80 74 72 68 70 85 90 75‬ﭘﺴﺮ‬
‫ﻣﺎﻳﻠﻴﻢ ﺑﺪاﻧﻴﻢ آﻳﺎ وزن داﻧﺶآﻣﻮزان دﺧﺘﺮ و ﭘﺴﺮ از ﻟﺤﺎظ آﻣﺎري ﺑﺎ ﻫﻢ ﺑﺮاﺑﺮ اﺳﺖ؟‬
‫اﺑﺘﺪا دادهﻫﺎ را ﺑﻪ ﺻﻮرت زﻳﺮ در ‪ SPSS‬وارد ﻛﻨﻴﺪ‪ .‬ﻣﺮدان ﺑﺎ ﻛﺪ ‪ 1‬و زﻧﺎن ﺑﺎ ﻛﺪ ‪ 2‬ﻣﺸﺨﺺ ﺷﺪهاﻧﺪ‪.‬‬
‫‪٦٩‬‬
‫ﺑـﺮاي اﻧﺠـﺎم اﻳـﻦ آزﻣـﻮن ﻣﺴـﻴﺮ ‪ Analyze>Compare Means>Independent-Samples T Test‬را ﻃـﻲ‬

‫ﻛﻨﻴﺪ‪ ،‬ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪاي ‪ Independent-Samples T Test‬ﺑﺎز ﺷﻮد‪ .‬در اﻳﻦ ﻛﺎدر ﻣﺘﻐﻴـﺮ "‪ "Weight‬را در ﺟﻌﺒـﻪ‬
‫)‪ Test Variable(s‬و ﻣﺘﻐﻴﺮ "‪ "Sex‬را در ﺟﻌﺒﻪ ‪ Grouping Variable‬وارد ﻛﻨﻴﺪ‪ .‬روي دﻛﻤـﻪ ‪Define Groups‬‬
‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬
‫ﻣﻄﺎﺑﻖ ﺗﺼﻮﻳﺮ ﻣﻘﺎدﻳﺮي را ﻛﻪ ﻣﺸﺨﺺ ﻛﻨﻨﺪه ﮔﺮوهﻫﺎ ﻫﺴﺘﻨﺪ‪ ،‬ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ )در اﻳﻦﺟﺎ ‪ 1‬و ‪ (2‬و دﻛﻤﻪ ‪Continue‬‬
‫و ﺳﭙﺲ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﻇﺎﻫﺮ ﺷﻮد‪:‬‬
‫‪١‬‬
‫‪٢‬‬ ‫‪٣‬‬
‫‪٧٠‬‬
‫ﻣﻌﺮﻓﻲ ﺟﺪول‪ :‬اﻳﻦ ﺟﺪول ﺷﺎﻣﻞ ‪ 3‬ﻗﺴﻤﺖ اﺳﺖ‪:‬‬

‫‪ : Group Statistics -١‬ﺷﺎﻣﻞ ﺗﻌﺪاد ﻧﻤﻮﻧﻪ و ﺷﺎﺧﺺﻫﺎي آﻣﺎري ﺑﻪ ﺗﻔﻜﻴﻚ ﻫﺮ ﻳﻚ از ﮔﺮوهﻫﺎﺳﺖ‪.‬‬
‫‪ : Levene’s Test -٢‬ﺷﺎﻣﻞ آزﻣﻮن ‪ Levene‬ﺑﺮاي آزﻣﻮن ﺑﺮاﺑﺮي وارﻳﺎﻧﺲﻫﺎ )آﻣﺎرة ‪ F‬و ‪-P‬ﻣﻘﺪار (‬
‫‪ : t-test for Equality of Means -3‬ﻧﺘﺎﻳﺞ آزﻣﻮن ‪-t‬دوﻧﻤﻮﻧﻪاي ﻣﺴﺘﻘﻞ اﺳﺖ ﻛﻪ ﺳﺘﻮنﻫﺎي آن ﺑﻪﺗﺮﺗﻴﺐ‬
‫از ﭼﺐ ﺑﻪ راﺳﺖ ﻋﺒﺎرﺗﻨﺪ از‪ :‬ﻣﻘﺪار آﻣﺎرة ‪ ،t‬درﺟﻪ آزادي )‪ -P ، (df‬ﻣﻘﺪارِ آزﻣـﻮن دوﻃﺮﻓـﻪ )‪sig(two-‬‬
‫)‪ ،(tailed‬اﺧــﺘﻼف ﻣﻴــﺎﻧﮕﻴﻦﻫــﺎ‪ ،‬ﻳﻌﻨــﻲ ‪ ،(Difference Mean) Y − X‬ﺧﻄــﺎي اﺳــﺘﺎﻧﺪارد اﺧــﺘﻼف‬

‫ﻣﻴـﺎﻧﮕﻴﻦﻫـﺎ ) ‪ (Std. Error Difference‬و ﻓﺎﺻـﻠﻪ اﻃﻤﻴﻨـﺎن ‪ %95‬ﺑـﺮاي ‪95% Confidence ) µ 2 − µ1‬‬
‫‪ .(Interval of the Difference‬ﻫﻤﻪ اﻳﻦ ﻧﺘﺎﻳﺞ ﺑﺮاي دو ﺣﺎﻟـﺖ ﺑﻴـﺎن ﺷـﺪهاﻧـﺪ‪ .‬ﻣﻘـﺎدﻳﺮ ﺧـﻂ اول ﺑـﺮاي‬
‫ﺣﺎﻟﺖ ﺑﺮاﺑﺮي وارﻳﺎﻧﺲﻫﺎ و ﻣﻘﺎدﻳﺮ ﺧﻂ دوم ﺑﺮاي ﺣﺎﻟﺖ ﻧﺎﺑﺮاﺑﺮي وارﻳﺎﻧﺲﻫﺎ ﻫﺴﺘﻨﺪ‪.‬‬
‫ﺗﻔﺴﻴﺮ‪-P :‬ﻣﻘﺪار آزﻣﻮن ‪ Levene‬ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺑﻴﻦ وارﻳﺎﻧﺲ وزن داﻧﺶآﻣﻮزان ﭘﺴـﺮ و دﺧﺘـﺮ اﺧـﺘﻼف‬
‫ﻣﻌﻨﻲداري وﺟﻮد ﻧﺪارد‪ .‬ﻟﺬا ﺑﺎﻳﺪ ﻧﺘﺎﻳﺞ آزﻣـﻮن ‪ t‬را از ﺧـﻂ دوم ﻗﺴـﻤﺖ ﻣﺮﺑﻮﻃـﻪ ﮔـﺰارش ﻛـﺮد‪ .‬در اﻳـﻦﺟـﺎ ﻧﻴـﺰ‬
‫ﻣﻲﺗﻮاﻧﻴﻢ از ﺳﻪ روش ﻧﺎﺣﻴﻪ رد‪-P ،‬ﻣﻘﺪار‪ ،‬ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن آزﻣﻮن ﻓﺮض را اﻧﺠﺎم دﻫﻴﻢ‪.‬‬
‫∝ ‪ T ≥ t‬ﺑـﺮاي رد ﻓـﺮض ‪ : H 0‬ﻣﻘـﺪار‬ ‫‪ -1‬روش ﻧﺎﺣﻴﻪ رد‪ :‬ﺑﺎ ﺗﻮﺟﻪ ﺑـﻪ ﻗﺎﻋـﺪه ﺗﺼـﻤﻴﻢﮔﻴـﺮي‬
‫)‪,( n1 + n2 − 2‬‬
‫‪2‬‬
‫‪ t 0.05‬ﺑﺮاﺑﺮ ‪ 1/73‬اﺳﺖ‪ ،‬و ﭼﻮن ‪ 6/32‬ﺑﻴﺸـﺘﺮ از ‪ 1/73‬اﺳـﺖ‪ ،‬ﻟـﺬا در ﺳـﻄﺢ ﻣﻌﻨـﻲداري ‪ 0/05‬ﻓـﺮض‬
‫)‪,(18‬‬
‫‪2‬‬
‫‪ ، H 0‬ﻳﻌﻨﻲ ﻓﺮض ﺑﺮاﺑﺮي‪ ،‬را ﻗﺒﻮل ﻧﻤﻲﻛﻨﻴﻢ و ﻣﻌﻨﻲداري اﺧﺘﻼف را ﻣﻲﭘﺬﻳﺮﻳﻢ‪.‬‬
‫‪ -2‬روش ‪-P‬ﻣﻘﺪار‪ :‬در اﻳﻦ ﻣﺜﺎل ‪-P‬ﻣﻘﺪار ‪ 0/000‬ﮔﺰارش ﺷﺪه اﺳﺖ و ﻟﺬا ﻛﻤﺘﺮ از ‪ 0/05‬اﺳﺖ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ‬
‫در ﺳﻄﺢ ﻣﻌﻨﻲداري ‪ 0/05‬ﻓﺮض ‪ ، H 0‬ﻳﻌﻨﻲ ﻓﺮض ﺑﺮاﺑﺮي‪ ،‬را ﻗﺒﻮل ﻧﻤﻲﻛﻨﻴﻢ و ﻣﻌﻨـﻲداري اﺧـﺘﻼف را‬
‫ﻣﻲﭘﺬﻳﺮﻳﻢ‪.‬‬
‫‪ -3‬روش ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن‪ :‬در اﻳـﻦﺟـﺎ ﻓﺮﺿـﻴﻪ ‪ ، H 0 : µ1 − µ2 = 0‬ﺑﺮرﺳـﻲ ﻣـﻲﻛﻨـﻴﻢ‪ .‬ﺑﻨـﺎﺑﺮاﻳﻦ ﺑـﺮاي‬
‫آزﻣﻮن ﻓﺮﺿﻴﻪ ﻓﻮق ﺑﻪ روش ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ﻛﺎﻓﻴﺴﺖ ﻛﻪ ﭼﻚ ﻛﻨﻴﻢ آﻳﺎ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ µ1 − µ2‬ﻋـﺪد‬
‫ﺻﻔﺮ را ﺷﺎﻣﻞ ﻣﻲﺷﻮد؟ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬در اﻳﻦ ﻣﺜﺎل‪ ،‬در ﺳـﻄﺢ ﻣﻌﻨـﻲداري ‪ 0/05‬ﻓـﺮض‬
‫‪ ، H 0‬ﻳﻌﻨﻲ ﻓﺮض ﺑﺮاﺑﺮي‪ ،‬را ﻗﺒﻮل ﻧﻤﻲﻛﻨﻴﻢ و ﻣﻌﻨﻲداري اﺧﺘﻼف را ﻣﻲﭘﺬﻳﺮﻳﻢ‪.‬‬
‫‪ -1‬ﻓﺮض ﺻﻔﺮ ﻣﻄﺮح ﺷﺪه در اﻳﻦ آزﻣﻮن در واﻗﻊ ﻫﻤﺎن ﻓﺮض ﺻﻔﺮ ‪ µ2 − µ1 = k‬اﺳﺖ ﻛـﻪ در آن ‪k=0‬‬
‫اﺳﺖ‪.‬‬
‫‪ -2‬در اﻳﻦ آزﻣﻮن ﻧﻴﺰ ﻓﺮض ﺑﺮ اﻳﻦ اﺳﺖ دادهﻫﺎ‪ ،‬در ﻫﺮﻳﻚ از ﮔﺮوهﻫﺎ‪ ،‬از ﺟﺎﻣﻌﻪاي ﺑﺎ ﺗﻮزﻳﻊ ﻧﺮﻣﺎل ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -3‬در آزﻣﻮن ‪ Levene‬ﻓﺮضﻫﺎي زﻳﺮ آزﻣﻮن ﻣﻲﺷﻮﻧﺪ و آﻣﺎرة آزﻣﻮن داراي ﺗﻮزﻳﻊ ‪ F‬اﺳﺖ‪:‬‬
‫‪٧١‬‬
‫‪ H 0 : σ 12 = σ 22‬‬
‫‪‬‬
‫‪ H 0 : σ 12 ≠ σ 22‬‬
‫‪ -4‬ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﻲﺑﻴﻨﻴﺪ‪ ،‬اﻳﻦ آزﻣﻮن دوﻃﺮﻓﻪ اﺳﺖ‪ .‬در ﺧﺮوﺟﻲ اﻳﻦ آزﻣﻮن ﻧﻴﺰ ﻣﻲﺗﻮان ﺑـﺎ ﻧﺼـﻒ ﻛـﺮدن‬
‫‪-P‬ﻣﻘﺪار‪ ،‬آزﻣﻮنﻫﺎي ﻳﻚﻃﺮﻓﻪ را اﻧﺠﺎم داد‪.‬‬
‫‪ 11-4‬آزﻣﻮن اﺧﺘﻼف ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ﺑﺮاي دو ﺟﺎﻣﻌﻪ واﺑﺴﺘﻪ – آزﻣﻮن ‪ t‬زوﺟﻲ‬

‫ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﻲداﻧﻴﺪ‪ ،‬وﻗﺘﻲ ﻣﻲﺧﻮاﻫﻴﻢ ﻣﻴﺎﻧﮕﻴﻦ ﻳﻚ ﻣﺘﻐﻴﺮ ﻛﻤﻲ را در دو ﮔﺮوه واﺑﺴﺘﻪ‪ ،‬ﻣﻘﺎﻳﺴﻪ ﻛﻨـﻴﻢ‪ ،‬از‬
‫آزﻣﻮن ‪-t‬زوﺟﻲ اﺳﺘﻔﺎده ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬
‫در اﻳﻦ ﺣﺎﻟﺖ ﻓﺮضﻫﺎي آﻣﺎري ﻋﺒﺎرﺗﻨﺪ از‪:‬‬
‫‪ H 0 : µ1 − µ 2 = 0‬‬
‫‪‬‬
‫‪ H1 = µ1 − µ2 = 0‬‬
‫و از آﻧﺠﺎﻳﻲ ﻛﻪ در ﻋﻤﻞ ﻫﻤﻮاره وارﻳﺎﻧﺲ ﺟﺎﻣﻌﻪ ﻧﺎﻣﻌﻠﻮم اﺳﺖ‪ ،‬آزﻣﻮن ﻣﻨﺎﺳﺐ‪ ،‬آزﻣﻮن ‪-t‬زوﺟﻲ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﻣﺜﺎل ‪ (6‬ﻣﺜﺎل ‪) 6‬ﻓﺸﺎر ﺧﻮن ده ﻧﻔﺮ( از ﻓﺼﻞ ﻫﺸﺘﻢ ﻛﺘﺎب را درﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ .‬در اﻳﻦ ﻣﻲﺧﻮاﻫﻴﻢ ﺑـﺪاﻧﻴﻢ آﻳـﺎ‬
‫رژﻳﻢ ﻏﺬاﻳﻲ ﺟﺪﻳﺪ ﺑﺮ ﻓﺸﺎرﺧﻮن ﺑﻴﻤﺎران ﺗﺎﺛﻴﺮ داﺷﺘﻪ اﺳﺖ ﻳﺎ ﺧﻴﺮ؟‬
‫اﺑﺘﺪا دادهﻫﺎ را ﺑﻪﺻﻮرت زﻳﺮ در ‪ SPSS‬وارد ﻛﻨﻴﺪ )ﻓﺸﺎر ﺧﻮن ﻗﺒﻞ از رژﻳﻢ ﻏﺬاﻳﻲ=‪ ،PreBP‬ﻓﺸﺎر ﺧﻮن ﺑﻌﺪ‬
‫از رژﻳﻢ ﻏﺬاﻳﻲ=‪( Post.BP‬‬
‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ آزﻣﻮن ﻣﺴـﻴﺮ ‪ Analyze>Compare Means>Paired-Samples T Test‬را ﻃـﻲ ﻛﻨﻴـﺪ‪ ،‬ﺗـﺎ‬
‫ﻛﺎدر ﻣﻜﺎﻟﻤﻪاي ‪ Paired-Samples T Test‬ﺑـﺎز ﺷـﻮد‪ .‬در اﻳـﻦ ﻛـﺎدر ﻣﺘﻐﻴﺮﻫـﺎي "‪ "Pre.BP‬و "‪"Post.BP‬را ﺑـﻪ‬
‫ﺗﺮﺗﻴﺐ در ﺟﻌﺒﻪ ‪ ،Paired Variables‬و در ﻗﺴﻤﺖﻫﺎي ‪ Variable1‬و ‪ Variable2‬وارد ﻛﻨﻴﺪ‪.‬‬
‫‪٧٢‬‬
‫و ﺳﭙﺲ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﻇﺎﻫﺮ ﺷﻮد‪:‬‬

‫‪١‬‬
‫‪٢‬‬
‫‪٣‬‬
‫ﻣﻌﺮﻓﻲ ﺟﺪول‪ :‬اﻳﻦ ﺟﺪول ﺷﺎﻣﻞ ‪ 3‬ﻗﺴﻤﺖ اﺳﺖ‪:‬‬

‫‪ : Paired Samples Statistics -1‬ﺷﺎﻣﻞ ﺗﻌﺪاد ﻧﻤﻮﻧﻪ و ﺷﺎﺧﺺﻫﺎي آﻣﺎري ﻣﺮﺑﻮط ﺑﻪ ﻓﺸﺎر ﺧـﻮن اﻓـﺮاد‬
‫در ﻗﺒﻞ و ﺑﻌﺪ از رژﻳﻢ ﻏﺬاﻳﻲ اﺳﺖ‪.‬‬
‫‪ : Paired Samples Correlations -2‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن و آزﻣﻮن ﻣﺮﺑﻮط ﺑﻪ آن اﺳـﺖ ﻛـﻪ در‬
‫ﻓﺼﻞ دﻫﻢ در ﻣﻮرد آن ﺑﺤﺚ ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬
‫‪ :Paired Samples Test -3‬ﻧﺘﺎﻳﺞ آزﻣﻮن ‪-t‬زوﺟﻲ اﺳﺖ ﻛﻪ ﺳﺘﻮنﻫﺎي آن ﺑﻪﺗﺮﺗﻴﺐ از ﭼـﺐ ﺑـﻪ راﺳـﺖ‬
‫ﻋﺒﺎرﺗﻨﺪ از‪ :‬ﻣﻴﺎﻧﮕﻴﻦ اﺧـﺘﻼف ﻫـﺎ ﻳـﺎ ﻫﻤـﺎن ‪ (Mean) D‬اﺳـﺖ‪ ،‬اﻧﺤـﺮاف ﻣﻌﻴـﺎر اﺧـﺘﻼفﻫـﺎ ﻳـﺎ ‪S D2‬‬
‫)‪ (Std.Deviation‬اﺳــﺖ‪ ،‬ﺧﻄــﺎي اﺳــﺘﺎﻧﺪارد ﻣﻴــﺎﻧﮕﻴﻦ اﺧــﺘﻼفﻫﺎﺳــﺖ)‪ ،(Std. Error Mean‬ﻓﺎﺻــﻠﻪ‬
‫اﻃﻤﻴﻨـﺎن ‪ %95‬ﺑـﺮاي ‪ (95% Confidence Interval of the Difference) µ D‬اﺳـﺖ‪ ،‬ﻣﻘـﺪار آﻣـﺎرة ‪،t‬‬
‫درﺟﻪ آزادي )‪ -P ،(df‬ﻣﻘﺪارِ آزﻣﻮن دوﻃﺮﻓﻪ ))‪.(sig(two-tailed‬‬
‫ﺗﻔﺴﻴﺮ‪ :‬در اﻳﻦﺟﺎ ﻧﻴﺰ ﻣﻲﺗﻮاﻧﻴﻢ از ﺳﻪ روش آزﻣﻮن ﻓﺮض را اﻧﺠﺎم دﻫﻴﻢ‪.‬‬
‫‪t 0.05‬‬ ‫‪ T ≥ tα‬ﺑﺮاي رد ﻓﺮض ‪ : H 0‬ﻣﻘـﺪار‬ ‫‪ -1‬روش ﻧﺎﺣﻴﻪ رد‪ :‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻗﺎﻋﺪه ﺗﺼﻤﻴﻢﮔﻴﺮي‬
‫)‪,(9‬‬ ‫)‪,( n −1‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﺑﺮاﺑﺮ ‪ 2/26‬اﺳـﺖ‪ ،‬و ﭼـﻮن ‪ 1/81‬ﻛﻤﺘـﺮ از ‪ 2/26‬اﺳـﺖ‪ ،‬ﭘـﺲ ﻓـﺮض ‪ ، H 0‬ﻳﻌﻨـﻲ ﻓـﺮض ﺑﺮاﺑـﺮي‪ ،‬را رد‬
‫ﻧﻤﻲﻛﻨﻴﻢ‪ ،‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﻣﻲﺗﻮاﻧﻴﻢ ﺑﺎ اﺣﺘﻤﺎل ‪ 95‬درﺻﺪ ﻗﻀﺎوت ﻛﻨﻴﻢ ﻛﻪ رژﻳﻢ ﻏﺬاﻳﻲ ﺟﺪﻳﺪ ﺑﺮ ﻓﺸﺎر ﺧﻮن‬
‫ﺗﺎﺛﻴﺮ ﻧﺪارد‪.‬‬
‫‪٧٣‬‬
‫‪ -2‬روش ‪-P‬ﻣﻘﺪار‪ :‬در اﻳﻦ ﻣﺜﺎل ‪-P‬ﻣﻘﺪار ‪ 0/10‬ﮔﺰارش ﺷﺪه اﺳﺖ و ﭼﻮن ﺑﻴﺸـﺘﺮ از ‪ 0/05‬اﺳـﺖ‪ ،‬ﭘـﺲ‬
‫ﻓﺮض ‪ ، H 0‬ﻳﻌﻨﻲ ﻓﺮض ﺑﺮاﺑﺮي‪ ،‬را رد ﻧﻤﻲﻛﻨﻴﻢ‪ ،‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﻣﻲﺗـﻮاﻧﻴﻢ ﺑـﺎ اﺣﺘﻤـﺎل ‪ 95‬درﺻـﺪ ﻗﻀـﺎوت‬
‫ﻛﻨﻴﻢ ﻛﻪ رژﻳﻢ ﻏﺬاﻳﻲ ﺟﺪﻳﺪ ﺑﺮ ﻓﺸﺎر ﺧﻮن ﺗﺎﺛﻴﺮ ﻧﺪارد‪.‬‬
‫‪ -3‬روش ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن‪ :‬در اﻳﻦﺟﺎ ﻓﺮﺿـﻴﻪ ‪ H0 : µ1 − µ2 = 0‬را ﺑﺮرﺳـﻲ ﻣـﻲﻛﻨـﻴﻢ‪ .‬ﺑﻨـﺎﺑﺮاﻳﻦ ﺑـﺮاي‬
‫آزﻣﻮن ﻓﺮﺿﻴﻪ ﻓﻮق ﺑﻪ روش ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ﻛﺎﻓﻴﺴﺖ ﻛﻪ ﭼﻚ ﻛﻨﻴﻢ آﻳﺎ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ µ1 − µ 2‬ﻋـﺪد‬
‫ﺻﻔﺮ را ﺷﺎﻣﻞ ﻣﻲﺷﻮد؟ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨـﺎن ‪ %95‬در اﻳـﻦ ﻣﺜـﺎل‪ ،‬ﭘـﺲ ﻓـﺮض ‪ ، H 0‬ﻳﻌﻨـﻲ ﻓـﺮض‬
‫ﺑﺮاﺑﺮي‪ ،‬را رد ﻧﻤﻲﻛﻨﻴﻢ‪ ،‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﻣﻲﺗﻮاﻧﻴﻢ ﺑﺎ اﺣﺘﻤﺎل ‪ 95‬درﺻﺪ ﻗﻀﺎوت ﻛﻨﻴﻢ ﻛﻪ رژﻳﻢ ﻏﺬاﻳﻲ ﺟﺪﻳﺪ‬
‫ﺑﺮ ﻓﺸﺎر ﺧﻮن ﺗﺎﺛﻴﺮ ﻧﺪارد‪.‬‬
‫‪ -1‬در آزﻣﻮن ‪-t‬زوﺟﻲ‪ ،‬ﻣﻨﻈﻮر از واﺑﺴﺘﮕﻲ دو ﺟﺎﻣﻌﻪ‪ ،‬ﺻﺮﻓﺎً ﻳﻜﺴﺎن ﺑﻮدن دو ﺟﺎﻣﻌﻪ ﻳﺎ ﺗﻜـﺮار دوﺑـﺎر ﻳـﻚ‬
‫ﺟﺎﻣﻌﻪ ﻧﻴﺴﺖ‪ .‬ﺑﻠﻜﻪ ﻣﻤﻜﻦ اﺳﺖ دوﺟﺎﻣﻌﻪ ﺑﻪ واﺳﻄﻪ "ﺟﻮرﺷﺪن" ﻧﻤﻮﻧﻪﻫﺎ ﻧﻴﺰ واﺑﺴﺘﻪ ﺑﺎﺷﻨﺪ‪.‬‬
‫‪ -2‬در اﻳﻦ آزﻣﻮن ﻧﻴﺰ ﻓﺮض ﺑﺮ اﻳﻦ اﺳﺖ ﻛﻪ دادهﻫﺎ از ﺟﺎﻣﻌﻪاي ﺑﺎ ﺗﻮزﻳﻊ ﻧﺮﻣﺎل ﻫﺴﺘﻨﺪ‪.‬‬
‫‪ -3‬آزﻣﻮن ﻣﻌﺎدل آزﻣﻮن ‪-t‬ﺗﻚ ﻧﻤﻮﻧﻪاي روي ﺟﺎﻣﻌﻪ اﺧﺘﻼفﻫﺎ ﺑﺎ ‪ µ0 = 0‬اﺳﺖ‪.‬‬
‫‪ -4‬ﻫﻤﺎنﻃﻮر ﻛﻪ ﻣﻲﺑﻴﻨﻴﺪ‪ ،‬اﻳﻦ آزﻣﻮن در ﺣﺎﻟﺖ دوﻃﺮﻓـﻪ اﺟـﺮا ﺷـﺪهاﺳـﺖ‪ .‬در ﺧﺮوﺟـﻲ اﻳـﻦ آزﻣـﻮن ﻧﻴـﺰ‬
‫ﻣﻲﺗﻮان ﺑﺎ ﻧﺼﻒ ﻛﺮدن ‪-P‬ﻣﻘﺪار‪ ،‬آزﻣﻮنﻫﺎي ﻳﻚﻃﺮﻓﻪ را اﻧﺠﺎم داد‪.‬‬
‫‪٧٤‬‬
‫‪ -1‬اداره ﺑﻬﺪاﺷﺖ ﻳﻚ ﺷﻬﺮ ﻣﻲﺧﻮاﻫﺪ ﺗﻌﻴﻴﻦ ﻛﻨﺪ ﻛﻪ آﻳﺎ ﻣﻴﺎﻧﮕﻴﻦ ﺗﻌﺪاد ﺑـﺎﻛﺘﺮيﻫـﺎ در واﺣـﺪ ﺣﺠـﻢ آب‬
‫ﺷﻬﺮ از ﺳﻄﺢ اﻳﻤﻨﻲ ﻳﻌﻨﻲ ‪ 200‬ﺑﻴﺸﺘﺮ اﺳﺖ ﻳﺎ ﻧﻪ‪ .‬ﭘﮋوﻫﺸﮕﺮان ‪ 10‬ﻧﻤﻮﻧﻪ از آب‪ ،‬ﻫﺮ ﻳﻚ ﺑﻪ ﺣﺠﻢ واﺣﺪ‪،‬‬
‫را ﮔﺮد آوري ﻛﺮده و دﻳﺪهاﻧﺪ ﻛﻪ ﺗﻌﺪاد ﺑﺎﻛﺘﺮيﻫﺎ ﻋﺒﺎرﺗﻨﺪ از ‪:‬‬
‫‪184,198,215,190,175,180,196,193,210,207‬‬
‫آﻳﺎ دادهﻫﺎ دﻟﻴﻠﻲ ﺑﺮ ﻧﮕﺮاﻧﻲ ﺑﻪدﺳﺖ ﻣﻲدﻫﻨﺪ؟‬
‫‪ -2‬از ‪ 20‬راﻧﻨﺪه ﺗﺎﻛﺴﻲ در ﻳﻚ ﺷﻬﺮ در ﻣﻮرد درآﻣﺪ روزاﻧﺔ آنﻫﺎ ﺳـﺌﻮال ﺷـﺪهاﺳـﺖ‪ .‬دادهﻫـﺎي ﺣﺎﺻـﻞ‬
‫ﺑﻪﺻﻮرت زﻳﺮﻧﺪ )ﺑﺮ ﺣﺴﺐ ﻫﺰار ﺗﻮﻣﺎن(‪:‬‬
‫‪170،150،130 130،220،250،210،150،160،120،260،110،80،135،140،160،155،145،150،160‬‬
‫ﺳﺎزﻣﺎن ﺗﺎﻛﺴﻴﺮاﻧﻲ اﻳﻦ ﺷﻬﺮ اﻋﻼم ﻛﺮدهاﺳﺖ ﻛﻪ ﻣﺘﻮﺳﻂ درآﻣﺪ راﻧﻨﺪﮔﺎن ﺗﺎﻛﺴﻲ در اﻳـﻦ ﺷـﻬﺮ ‪ 175‬ﻫـﺰار‬
‫ﺗﻮﻣﺎن اﺳﺖ‪ .‬آﻳﺎ اﻳﻦ ادﻋﺎ ﺻﺤﻴﺢ اﺳﺖ؟‬
‫‪ -3‬دو ﻧﻮع اﺳﺒﺎب ﺑﺎزي ﻣﻜﺎﻧﻴﻜﻲ و ﻏﻴﺮﻣﻜﺎﻧﻴﻜﻲ دارﻳﻢ‪ .‬ﻣﻲﺧﻮاﻫﻴﻢ ﺑﺒﻴﻨﻴﻢ ﻛﻪ آﻳﺎدرﻛﻮدﻛﺎن ‪ 5‬ﺳﺎﻟﻪ ﺗﻤﺎﻳﻞ‬
‫ﺑﻪ ﺳﻤﺖ ﻫﺮﻛﺪام از اﻳﻦ اﺳﺒﺎب ﺑﺎزيﻫﺎ ﻳﻜﺴﺎن اﺳﺖ؟ ﺑﺪﻳﻦ ﻣﻨﻈﻮر از ‪ 200‬ﻛﻮدك ‪ 5‬ﺳﺎﻟﻪ ﺧﻮاﺳﺘﻪاﻳـﻢ‬
‫ﻛﻪ ﺑﻪ دﻟﺨﻮاه ﻳﻜﻲ از اﻳﻦ اﺳﺒﺎبﺑﺎزي ﻫﺎ را اﻧﺘﺨﺎب ﻛﻨﻨﺪ و ‪ 120‬ﻛـﻮدك اﺳـﺒﺎبﺑـﺎزي ﻣﻜـﺎﻧﻴﻜﻲ و‪80‬‬
‫ﻛﻮدك اﺳﺒﺎبﺑﺎزي ﻏﻴﺮﻣﻜﺎﻧﻴﻜﻲ را اﻧﺘﺨﺎب ﻛﺮدﻧﺪ‪ .‬از اﻳﻦ دادهﻫﺎ ﭼﻪ اﺳﺘﻨﺒﺎﻃﻲ دارﻳﺪ؟‬
‫‪ -4‬وزن ‪ 20‬ﺑﺎزﻳﻜﻦ ﻓﻮﺗﺒﺎل ﻛﻪ ﺑﻪ ﺗﺼﺎدف از ﺗﻴﻤﻬﺎي ﻓﻮﺗﺒﺎل ﻳﻚ ﺷﻬﺮ اﻧﺘﺨﺎب ﺷـﺪه اﻧـﺪ ﺑـﻪ ﺻـﻮرت زﻳـﺮ‬
‫اﺳﺖ‪:‬‬
‫‪64‬‬ ‫‪75‬‬ ‫‪71/5‬‬ ‫‪81‬‬

‫‪67‬‬ ‫‪69/5‬‬ ‫‪70‬‬ ‫‪83‬‬
‫‪90‬‬ ‫‪95‬‬ ‫‪58/5‬‬ ‫‪94‬‬
‫‪59‬‬ ‫‪62‬‬ ‫‪88‬‬ ‫‪97‬‬
‫‪59/5‬‬ ‫‪60‬‬ ‫‪61/5‬‬ ‫‪80‬‬
‫آﻳﺎ ﻣﻲﺗﻮان ﮔﻔﺖ ﻛﻪ ‪:‬‬

‫اﻟﻒ ‪ 60-‬درﺻﺪ از ﺑﺎزﻳﻜﻨﺎن ﻓﻮﺗﺒﺎل اﻳﻦ ﺷﻬﺮ ﻛﻤﺘﺮ از ‪ 65kg‬وزن دارﻧﺪ؟‬
‫ب‪ 40 -‬درﺻﺪ از ﺑﺎزﻳﻜﻨﺎن ﻓﻮﺗﺒﺎل اﻳﻦ ﺷﻬﺮ ﺑﻴﺸﺘﺮاز ‪ 60kg‬وزن دارﻧﺪ ؟‬
‫‪٧٥‬‬
‫‪ -5‬ﺑﻪ ﻣﻨﻈﻮر ﻣﻘﺎﻳﺴﻪ دو ﺑﺮﻧﺎﻣﻪ ﺟﻬﺖ آﻣﻮزش ﻛﺎرﮔﺮان ﺻﻨﻌﺘﻲ ﺑﺮاي اﻧﺠﺎم ﻛﺎري ﺗﺨﺼﺼﻲ‪ 20 ،‬ﻛﺎرﮔﺮ در‬
‫آزﻣﺎﻳﺸﻲ ﺷﺮﻛﺖ داده ﻣﻲ ﺷﻮﻧﺪ‪ .‬از ﺑﻴﻦ آﻧﻬﺎ ﺑﻪ ﻃﻮر ﺗﺼﺎدﻓﻲ ‪ 10‬ﻧﻔﺮ را ﺑﺮاي آﻣﻮزش ﺑﻪ وﺳﻴﻠﻪ روش ‪1‬‬
‫اﻧﺘﺨﺎب ﻣﻲ ﻛﻨﻨﺪ‪ 10 ،‬ﻧﻔﺮ ﺑﻘﻴﻪ را ﺑﺎ روش ‪ 2‬آﻣﻮزش ﻣـﻲ دﻫﻨـﺪ‪ .‬ﺑﻌـﺪ از ﺗﻜﻤﻴـﻞ دوره آﻣﻮزﺷـﻲ‪ ،‬ﻫﻤـﻪ‬
‫ﻛﺎرﮔﺮان در ﻣﻌﺮض ﻳﻚ آزﻣﻮن زﻣﺎن و ﺣﺮﻛﺖ ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ ﻛﻪ ﺳﺮﻋﺖ اﻧﺠﺎم ﻳﻚ ﻛﺎر ﺗﺨﺼﺼـﻲ‬
‫را ﺛﺒﺖ ﻣﻲ ﻛﻨﺪ‪ .‬داده ﻫﺎي زﻳﺮ ﺑﻪ دﺳﺖ آﻣﺪه اﻧﺪ‪:‬‬
‫روش‪1‬‬ ‫‪15‬‬ ‫‪20‬‬ ‫‪11‬‬ ‫‪23‬‬ ‫‪16‬‬ ‫‪21‬‬ ‫‪18‬‬ ‫‪16‬‬ ‫‪27‬‬ ‫‪24‬‬
‫روش‪2‬‬ ‫‪23‬‬ ‫‪31‬‬ ‫‪13‬‬ ‫‪19‬‬ ‫‪23‬‬ ‫‪17‬‬ ‫‪28‬‬ ‫‪26‬‬ ‫‪25‬‬ ‫‪28‬‬
‫اﻟﻒ( آﻳﺎ از اﻳﻦ داده ﻫﺎ ﻣﻲ ﺗﻮان ﻧﺘﻴﺠﻪ ﮔﺮﻓﺖ ﻛﻪ ﻣﻴﺎﻧﮕﻴﻦ زﻣﺎن ﻛﺎر ﺑﻌﺪ از آﻣﻮزش ﺑﺎ روش ‪ 1‬ﺑﻪ ﻃﻮر ﻣﻌﻨﻲ‬
‫دار از ﻣﻴﺎﻧﮕﻴﻦ زﻣﺎن ﻛﺎر ﺑﻌﺪ از آﻣﻮزش ﺑﺎ روش ‪ 2‬ﻛﻤﺘﺮ اﺳﺖ؟ )ﺑﺎ ‪ α = 0/05‬آزﻣﻮن ﻛﻨﻴﺪ(‬
‫ب(ﻓﺮﺿﻬﺎﻳﻲ را ﻛﻪ ﺑﺮاي ﺗﻮزﻳﻊ ﻫﺎي ﺟﺎﻣﻌﻪ در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﺪ ﺑﻴﺎن ﻛﻨﻴﺪ‪.‬‬
‫ج(ﺑﺮاي ﺗﻔﺎﺿﻞ ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﻫﺎي زﻣﺎﻧﻬﺎي ﻛﺎر ﺑﻴﻦ دو روش‪ ،‬ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬ﺑﻨﺎ ﻛﻨﻴﺪ‪.‬‬
‫‪ -6‬ﻳﻚ ﻓﺮاﻳﻨﺪ ﻣﺘﺪاول ﺗﻤﻴﺰ ﻛـﺮدن ﻛـﻪ در ﺻـﻨﻌﺖ ﻛﻤﭙـﻮت ﺳـﺎزي ﺑـﻪ ﻛـﺎر ﻣـﻲ رود ﻋﺒـﺎرت از ﺷﺴـﺘﻦ‬
‫ﺳﺒﺰﻳﺠﺎت ﺑﺎ ﺣﺠﻢ زﻳﺎدي از آب ﺟﻮش ﻗﺒﻞ از ﻛﻤﭙﻮت ﻛﺮدن اﺳﺖ‪ .‬روش ﺟﺪﻳـﺪي ﺑـﻪ ﺗـﺎزﮔﻲ ﭘﻴـﺪا‬
‫ﺷﺪه اﺳﺖ ﻛﻪ ﻓﺮاﻳﻨﺪ ﺗﻤﻴﺰ ﻛﺮدن ﺑﺎ ﺑﺨﺎر ﻧﺎم دارد )‪ (steam blanching process =SBP‬و اﻧﺘﻈـﺎر ﻣـﻲ‬
‫رود در اﻳﻦ روش وﻳﺘﺎﻣﻴﻨﻬﺎ و ﻣﻮاد ﻣﻌﺪﻧﻲ ﺳﺒﺰﻳﺠﺎت ﻛﻤﺘﺮ از دﺳﺖ ﺑﺮود و اﻳﻦ ﺑـﻪ دﻟﻴـﻞ ﺟـﺎري ﺑـﻮدن‬
‫آب ﻧﺴﺒﺖ ﺑﻪ ﺑﺨﺎر اﺳﺖ ‪ .‬ﻗﺮار اﺳﺖ ده دﺳﺘﻪ ﻟﻮﺑﻴﺎ از ﻣﺰارع ﻣﺨﺘﻠﻒ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻓﺮاﻳﻨﺪ ‪ SBP‬و ﻓﺮاﻳﻨﺪ‬
‫ﻣﺘﻌﺎرف ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﻴﺮﻧﺪ‪ .‬ﻧﺼﻒ ﻫﺮ دﺳﺘﻪ از ﻟﻮﺑﻴﺎ ﻫﺎ را ﺑﺎ ﻓﺮاﻳﻨﺪ ﻣﺘﻌـﺎرف و ﻧﺼـﻒ دﻳﮕـﺮ ﻫـﺮ‬
‫دﺳﺘﻪ را ﺑﺎ ‪ SBP‬ﺗﻤﻴﺰ ﻣﻲ ﻛﻨﻨﺪ ‪ .‬اﻧﺪازه ﻫﺎي ﻣﺤﺘﻮاي وﻳﺘﺎﻣﻴﻨﻬﺎ در ﻫﺮ ﻧـﻴﻢ ﻛﻴﻠـﻮ ﻟﻮﺑﻴـﺎي ﻛﻤﭙـﻮت ﺷـﺪه‬
‫ﻋﺒﺎرت اﻧﺪ از ‪:‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫‪SBP‬‬ ‫‪35‬‬ ‫‪48‬‬ ‫‪65‬‬ ‫‪33‬‬ ‫‪61‬‬ ‫‪54‬‬ ‫‪49‬‬ ‫‪37‬‬ ‫‪58‬‬ ‫‪65‬‬
‫روش ﻣﺘﻌﺎرف‬ ‫‪33‬‬ ‫‪40‬‬ ‫‪55‬‬ ‫‪41‬‬ ‫‪62‬‬ ‫‪54‬‬ ‫‪40‬‬ ‫‪35‬‬ ‫‪59‬‬ ‫‪56‬‬
‫اﻟﻒ (آﻳﺎ داده ﻫﺎ ﺑﺮاي اﻳﻦ ادﻋﺎ ﻛﻪ در روش ‪ SBP‬ﻧﺴﺒﺖ ﺑﻪ روش ﻣﺘﻌﺎرف ﺗﻤﻴﺰ ﻛﺮدن وﻳﺘﺎﻣﻴﻨﻬﺎي ﻛﻤﺘﺮي‬
‫از دﺳﺖ ﻣﻲ رود ﮔﻮاﻫﻲ ﻗﻮي ﻓﺮاﻫﻢ ﻣﻲ ﻛﻨﻨﺪ ؟‬
‫ب( ﺑﺮاي ﺗﻔﺎﺿﻞ ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎي ﻣﺤﺘﻮاي وﻳﺘﺎﻣﻴﻦ در ﻫﺮ ﻧﻴﻢ ﻛﻴﻠﻮ ﺑﺎ ا ﺳﺘﻔﺎده از دو روش ﺗﻤﻴﺰ ﻛﺮدن ﻳﻚ‬
‫ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %98‬ﺑﺴﺎزﻳﺪ‪.‬‬
‫‪٧٦‬‬
‫‪ -7‬ﻣﺜﺎل ‪ 6‬را ﺑﺎ اﺳﺘﻔﺎده از آزﻣﻮن ‪-t‬ﺗﻚﻧﻤﻮﻧﻪاي ﺣﻞ ﻛﻨﻴﺪ‪) .‬راﻫﻨﻤـﺎﻳﻲ‪ :‬ﺑـﺎ اﺳـﺘﻔﺎده از دﺳـﺘﻮر ‪Compute‬‬
‫ﻣﺘﻐﻴﺮ ‪ D‬را ﺑﺴﺎزﻳﺪ و آزﻣﻮن ‪-t‬ﺗﻚﻧﻤﻮﻧﻪاي را اﺟﺮا ﻛﻨﻴﺪ(‬
‫‪ -8‬ادﻋﺎ ﺷﺪه اﺳﺖ ﻛﻪ ﻳﻚ ﺑﺮﻧﺎﻣﻪ اﻳﻤﻨﻲ ﺻﻨﻌﺘﻲ در ﻛﺎﻫﺶ ﺗﻀﻴﻴﻊ ﺳﺎﻋﺎت ﻛﺎر ﻧﺎﺷﻲ از ﻧﻘﺺ در ﻣﺎﺷﻴﻨﻬﺎي‬
‫ﻛﺎرﺧﺎﻧﻪ ﻣﺆﺛﺮ اﺳﺖ ‪ .‬داده ﻫﺎي زﻳﺮ ﻣﺮﺑﻮط ﺑﻪ ﺿﺎﻳﻊ ﺷﺪن ﺳﺎﻋﺘﻬﺎي ﻛﺎر ﻫﻔﺘﮕﻲ ﺑـﻪ واﺳـﻄﻪ ﻧﻘـﺺ در ‪6‬‬
‫دﺳﺘﮕﺎه اﺳﺖ ﻛﻪ ﻳﻜﻲ ﻗﺒﻞ و دﻳﮕﺮي ﺑﻌﺪ از اﺟﺮاي ﺑﺮﻧﺎﻣﻪ اﻳﻤﻨﻲ ﺟﻤﻊ آوري ﺷﺪه اﻧﺪ‪.‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬

‫ﻗﺒﻞ‬ ‫‪12‬‬ ‫‪29‬‬ ‫‪16‬‬ ‫‪37‬‬ ‫‪28‬‬ ‫‪15‬‬
‫ﺑﻌﺪ‬ ‫‪10‬‬ ‫‪28‬‬ ‫‪17‬‬ ‫‪35‬‬ ‫‪25‬‬ ‫‪16‬‬
‫ﻫﺮ ﻓﺮﺿﻲ ﻛﻪ در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﺪ ﺑﻴﺎن ﻛﻨﻴﺪ‪ .‬آﻧﮕﺎه آزﻣﻮن ﻓﺮﺿﻲ ﻣﻨﺎﺳﺐ را ﻃﺮح ﻧﻤﺎﻳﻴﺪ و ﺗﻌﻴﻴﻦ ﻛﻨﻴﺪ‬
‫ﻛﻪ آﻳﺎ داده ﻫﺎ از ادﻋﺎي ﻣﻄﺮوﺣﻪ ﺣﻤﺎﻳﺖ ﻣﻲ ﻛﻨﻨﺪ ﻳﺎ ﻧﻪ ‪.‬‬
‫‪ -9‬ﺑﺮ اﺳﺎس ﻳﻚ دوره ورزش ﻣﺮﺗﺐ ﺑﻪ ‪ 8‬داﻧﺶآﻣﻮز ﻃﻲ ﻳﻚﻣﺎه‪ ،‬ﻣﻲﺧﻮاﻫﻴﻢ ﺑﺪاﻧﻴﻢ آﻳﺎ اﻳﻦ ﻧﻮع ورزش‬
‫ﺗﻔﺎوﺗﻲ ﻣﻌﻨﻲدار در وزن داﻧﺶآﻣﻮزان ﻳـﻚ ﻣﺪرﺳـﻪ اﻳﺠـﺎد ﻛـﺮده اﺳـﺖ ﻳـﺎ ﻧـﻪ؟ دادهﻫـﺎي زﻳـﺮ وزن‬
‫داﻧﺶآﻣﻮزان را در ﻗﺒﻞ از اﻧﺠﺎم دوره و ﺑﻌﺪ از آن ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬
‫ﻗﺒﻞ از دوره‬ ‫‪48‬‬ ‫‪53‬‬ ‫‪35/5‬‬ ‫‪46‬‬ ‫‪59‬‬ ‫‪61‬‬ ‫‪42‬‬ ‫‪48‬‬
‫ﺑﻌﺪ از دوره‬ ‫‪46/5‬‬ ‫‪52‬‬ ‫‪36‬‬ ‫‪42/5‬‬ ‫‪56/5‬‬ ‫‪60‬‬ ‫‪40/5‬‬ ‫‪47‬‬
‫در ﺳﻄﺢ ‪ 0/05‬آزﻣﻮن ﻛﻨﻴﺪ ﻛﻪ آﻳﺎ وزن داﻧﺶ آﻣﻮزان ﻗﺒﻞ و ﺑﻌـﺪ از ﻳـﻚ ﻣـﺎه ورزش ﻣـﻨﻈﻢ ﻳﻜﺴـﺎن‬
‫اﺳﺖ ﻳﺎ ﺧﻴﺮ؟‬
‫‪٧٧‬‬
‫ﺿﻤﻴﻤﻪ‬
‫ﺗﻤﺮﻳﻨﺎت ﺗﻜﻤﻴﻠﻲ‬
‫ﻫﺮ ﻳﻚ از ﻣﺜﺎلﻫﺎي زﻳﺮ را ﺑﺎ اﺳﺘﻔﺎده از ‪ SPSS‬ﺣﻞ ﻛﺮده و ﺧﺮوﺟﻲ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ‪.‬‬
‫‪-1‬ﭘﺰﺷﻚ ﻣﺤﻘﻘﻲ ﻣﻲ ﺧﻮاﻫﺪ ﺗﻌﻴﻴﻦ ﻛﻨﺪ ﻛﻪ آﻳﺎ ﻗﺮص ﻣﻌﻴﻨﻲ اﺛﺮ ﺟﺎﻧﺒﻲ ﻧـﺎﻣﻄﻠﻮب ﺗﻘﻠﻴـﻞ ﻓﺸـﺎر ﺧـﻮن را ﺑـﺮ روي‬
‫ﻣﺼﺮف ﻛﻨﻨﺪه دارد ﻳﺎ ﻧﻪ ؟ اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﺷﺎﻣﻞ ﺛﺒﺖ ﻓﺸﺎر ﺧﻮن اوﻟﻴﻪ ﭘﺎﻧﺰده ﺧﺎﻧﻢ ﻫﻴﺠﺪه ﺳﺎﻟﻪ اﺳﺖ‪ .‬ﺑﻌﺪ از اﻳﻨﻜﻪ اﻳﻦ‬
‫ﺧﺎﻧﻤﻬﺎ ﺑﺮاي ﻣﺪت ﺷﺶ ﻣﺎه ﻣﺮﺗﺒﺎً ﻗﺮص را ﻣﺼﺮف ﻣﻲ ﻛﻨﻨﺪ ﻓﺸﺎر ﺧﻮن آﻧﻬﺎ دوﺑﺎره ﺛﺒـﺖ ﻣـﻲ ﺷـﻮد‪ .‬ﻣﺤﻘـﻖ ﻣﺎﻳـﻞ‬
‫اﺳﺖ درﺑﺎره اﺛﺮ ﻗﺮص روي ﻓﺸﺎر ﺧﻮن ﺑﻪ ﻛﻤﻚ ﻣﺸﺎﻫﺪات داده ﺷﺪه در ﺟﺪول زﻳﺮ اﺳﺘﻨﺒﺎﻃﻬﺎﻳﻲ اﻧﺠﺎم دﻫﺪ‪.‬‬
‫ﺟﺪول اﻧﺪازه ﻫﺎي ﻓﺸﺎر ﺧﻮن ﻗﺒﻞ و ﺑﻌﺪ از ﻣﺼﺮف ﻗﺮص آزﻣﻮدﻧﻲ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫‪15‬‬
‫ﻗﺒﻞ )‪(X‬‬ ‫‪70‬‬ ‫‪80‬‬ ‫‪72‬‬ ‫‪76‬‬ ‫‪76‬‬ ‫‪76‬‬ ‫‪72‬‬ ‫‪78‬‬ ‫‪82‬‬ ‫‪64‬‬ ‫‪74‬‬ ‫‪92‬‬ ‫‪74‬‬ ‫‪68‬‬ ‫‪84‬‬
‫ﺑﻌﺪ )‪(Y‬‬ ‫‪68‬‬ ‫‪72‬‬ ‫‪62‬‬ ‫‪70‬‬ ‫‪58‬‬ ‫‪66‬‬ ‫‪68‬‬ ‫‪52‬‬ ‫‪64‬‬ ‫‪72‬‬ ‫‪74‬‬ ‫‪60‬‬ ‫‪74‬‬ ‫‪72‬‬ ‫‪74‬‬
‫)‪D=(x-y‬‬ ‫‪2‬‬ ‫‪8‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪18‬‬ ‫‪10‬‬ ‫‪4‬‬ ‫‪26‬‬ ‫‪18‬‬ ‫‪-8‬‬ ‫‪0‬‬ ‫‪32‬‬ ‫‪0‬‬ ‫‪-4‬‬ ‫‪10‬‬
‫‪ -2‬ﺑﻪ ﻣﻨﻈﻮر ﻣﻘﺎﻳﺴﻪ دو ﺑﺮﻧﺎﻣﻪ ﺟﻬﺖ آﻣـﻮزش ﻛـﺎرﮔﺮان ﺻـﻨﻌﺘﻲ ﺑـﺮاي اﻧﺠـﺎم ﻛـﺎري ﺗﺨﺼﺼـﻲ‪ 20 ،‬ﻛـﺎرﮔﺮ در‬
‫آزﻣﺎﻳﺸﻲ ﺷﺮﻛﺖ داده ﻣﻲ ﺷﻮﻧﺪ‪ .‬از ﺑﻴﻦ آﻧﻬﺎ ﺑﻪ ﻃﻮر ﺗﺼﺎدﻓﻲ ‪ 10‬ﻧﻔﺮ را ﺑﺮاي آﻣﻮزش ﺑـﻪ وﺳـﻴﻠﻪ روش ‪ 1‬اﻧﺘﺨـﺎب‬
‫ﻣﻲ ﻛﻨﻨﺪ‪ 10 ،‬ﻧﻔﺮ ﺑﻘﻴﻪ را ﺑﺎ روش ‪ 2‬آﻣﻮزش ﻣﻲ دﻫﻨﺪ‪ .‬ﺑﻌﺪ از ﺗﻜﻤﻴﻞ دوره آﻣﻮزﺷﻲ‪ ،‬ﻫﻤـﻪ ﻛـﺎرﮔﺮان در ﻣﻌـﺮض‬
‫ﻳﻚ آزﻣﻮن زﻣﺎن و ﺣﺮﻛﺖ ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ ﻛﻪ ﺳﺮﻋﺖ اﻧﺠﺎم ﻳﻚ ﻛﺎر ﺗﺨﺼﺼﻲ را ﺛﺒﺖ ﻣﻲ ﻛﻨﺪ‪ .‬داده ﻫﺎي زﻳـﺮ‬
‫ﺑﻪ دﺳﺖ آﻣﺪه اﻧﺪ‪:‬‬
‫زﻣﺎن ﺑﻪ دﻗﻴﻘﻪ‬
‫روش‪1‬‬ ‫‪15‬‬ ‫‪20‬‬ ‫‪11‬‬ ‫‪23‬‬ ‫‪16‬‬ ‫‪21‬‬ ‫‪18‬‬ ‫‪16‬‬ ‫‪27‬‬ ‫‪24‬‬
‫روش‪2‬‬ ‫‪23‬‬ ‫‪31‬‬ ‫‪13‬‬ ‫‪19‬‬ ‫‪23‬‬ ‫‪17‬‬ ‫‪28‬‬ ‫‪26‬‬ ‫‪25‬‬ ‫‪28‬‬
‫اﻟﻒ( آﻳﺎ از اﻳﻦ داده ﻫﺎ ﻣﻲ ﺗﻮان ﻧﺘﻴﺠﻪ ﮔﺮﻓﺖ ﻛﻪ ﻣﻴﺎﻧﮕﻴﻦ زﻣﺎن ﻛﺎر ﺑﻌﺪ از آﻣﻮزش ﺑﺎ روش ‪ 1‬ﺑﻪ ﻃﻮر ﻣﻌﻨـﻲ دار‬
‫از ﻣﻴﺎﻧﮕﻴﻦ زﻣﺎن ﻛﺎر ﺑﻌﺪ از آﻣﻮزش ﺑﺎ روش ‪ 2‬ﻛﻤﺘﺮ اﺳﺖ؟)ﺑﺎ ‪ α = 0/05‬آزﻣﻮن ﻛﻨﻴﺪ(‬
‫ب(ﻓﺮﺿﻬﺎﻳﻲ را ﻛﻪ ﺑﺮاي ﺗﻮزﻳﻊ ﻫﺎي ﺟﺎﻣﻌﻪ در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﺪ ﺑﻴﺎن ﻛﻨﻴﺪ‪.‬‬
‫ج(ﺑﺮاي ﺗﻔﺎﺿﻞ ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﻫﺎي زﻣﺎﻧﻬﺎي ﻛﺎر ﺑﻴﻦ دو روش‪ ،‬ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬ﺑﻨﺎ ﻛﻨﻴﺪ‪.‬‬
‫‪-3‬ﮔﻤﺎن ﻣﻲ رود روﺷﻲ ﺟﺪﻳﺪ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ روش ﻣﺘﻌﺎرﻓﻲ ﻛـﻪ در ﺣـﺎل ﺣﺎﺿـﺮ ﺑـﺮاي آﻣـﻮزش ﺧﻮاﻧـﺪن ﺑـﻪ ﻧـﻮ‬
‫آﻣﻮزان ﻣﻮرد اﺳﺘﻔﺎده اﺳﺖ‪ ،‬ﺑﻪ ﻧﺤﻮ ﺑﺎرزي ﻗﺪرت ﺧﻮاﻧﺪن را ﺑﻬﺒﻮد ﺑﺨﺸﺪ‪ .‬ﺑﺮاي آزﻣﻮن اﻳﻦ ﮔﻤﺎن‪ 16 ،‬ﻛﻮدك ﺑﻪ‬
‫‪٧٨‬‬
‫ﻃﻮر ﺗﺼﺎدﻓﻲ ﺑﻪ دو ﮔﺮوه ﻫﺸﺖ ﻧﻔﺮي ﺗﻘﺴﻴﻢ ﻣﻲ ﺷﻮﻧﺪ‪ .‬ﻳﻚ ﮔﺮوه ﺑﺎ اﺳﺘﻔﺎده از روش ﻣﺘﻌﺎرف و ﮔﺮوه دﻳﮕـﺮ ﺑـﺎ‬
‫اﺳﺘﻔﺎده از روش ﺟﺪﻳﺪ ‪ ،‬آﻣﻮزش ﻣﻲ ﺑﻴﻨﻨﺪ‪ .‬ﻧﻤﺮات ﻛﻮدﻛﺎن در ﻳﻚ اﻣﺘﺤﺎن ﺑﻪ ﺻﻮرت زﻳﺮﻧﺪ‪:‬‬
‫ﻧﻤﺮات اﻣﺘﺤﺎن ﺧﻮاﻧﺪن‬
‫روش ﻣﺘﻌﺎرف‬ ‫‪65‬‬ ‫‪70‬‬ ‫‪76‬‬ ‫‪63‬‬ ‫‪72‬‬ ‫‪71‬‬ ‫‪68‬‬ ‫‪68‬‬
‫روش ﺟﺪﻳﺪ‬ ‫‪75‬‬ ‫‪80‬‬ ‫‪72‬‬ ‫‪77‬‬ ‫‪69‬‬ ‫‪71‬‬ ‫‪71‬‬ ‫‪78‬‬
‫اﻟﻒ( داده ﻫﺎ را ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﻛﻨﻴﺪ و درﺑﺎره ﺗﻔﺎﺿﻞ ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﻫﺎي ﻧﻤﺮات ﺣﺎﺻﻞ ﺑﺎ اﺳﺘﻔﺎده از روﺷـﻬﺎي‬
‫آﻣﻮزﺷﻲ ﻣﺘﻌﺎرف و ﺟﺪﻳﺪ اﺳﺘﻨﺒﺎﻃﻲ اﻧﺠﺎم دﻫﻴﺪ‪.‬‬
‫ب(ﻓﺮﺿﻬﺎﻳﻲ را ﻛﻪ ﺑﺮاي ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺧﻮد در ﻧﻈﺮ ﮔﺮﻓﺘﻪ اﻳﺪ ﺑﻴﺎن ﻛﻨﻴﺪ‪.‬‬
‫‪-4‬ﺟﺎﻣﻌﻪ ﺷﻨﺎﺳﻲ ﻣﺎﻳﻞ ﺑﻪ ﻣﻘﺎﻳﻪ ﻧﺮخ ﺑﺎروري زﻧﻬﺎ در دو ﻓﺮﻗﻪ ﻗﺒﻴﻠﻪ اي ‪ A‬و ‪ B‬در آﻓﺮﻳﻘﺎي ﻏﺮﺑﻲ اﺳﺖ‪ .‬از ﻫﺮ ﻓﺮﻗﻪ‬
‫ﻧﻤﻮﻧﻪ اي ﺗﺼﺎدﻓﻲ ﺷﺎﻣﻞ ‪ 100‬زن در ﮔﺮوه ﺳﻨﻲ ‪ 50‬ﺗﺎ ‪ 60‬ﺳﺎﻟﻪ را در ﺑﺮ ﻣﻲ ﮔﻴﺮﻧﺪ و ﺗﻌﺪاد ﻛﻮدﻛﺎن ﻣﺘﻮﻟﺪ ﺷﺪه از‬
‫ﻫﺮ ﻛﺪام را ﺛﺒﺖ ﻣﻲ ﻛﻨﺪ‪ .‬ﺗﻮزﻳﻊ ﻫﺎي ﻓﺮاواﻧﻲ زﻳﺮ ﺑﻪ دﺳﺖ آﻣﺪه اﻧﺪ‪:‬‬
‫ﺗﻌﺪاد ﻛﻮدﻛﺎن‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫ﺟﻤﻊ‬
‫ﻓﺮاواﻧﻲ‬ ‫‪A‬‬ ‫‪6‬‬ ‫‪14‬‬ ‫‪18‬‬ ‫‪25‬‬ ‫‪19‬‬ ‫‪11‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪100‬‬
‫‪B‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫‪18‬‬ ‫‪30‬‬ ‫‪19‬‬ ‫‪15‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪100‬‬
‫اﻟﻒ(ﻣﻴﺎﻧﮕﻴﻦ و اﻧﺤﺮاف ﻣﻌﻴﺎر را ﺑﺮاي ﻫﺮ ﺗﻮزﻳﻊ ﻓﺮاواﻧﻲ ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪.‬‬

‫ب( آﻳﺎ داده ﻫﺎ ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎي ﺗﻌﺪاد ﻛﻮدﻛﺎن ﻣﺘﻮﻟﺪ ﺷﺪه از زﻧﻬﺎي دو ﻓﺮﻗـﻪ اﺧـﺘﻼف ﻣﻌﻨـﺎداري را ﻧﺸـﺎن ﻣـﻲ‬
‫دﻫﻨﺪ؟‬
‫ج(ﺑﺮاي ﺗﻔﺎﺿﻞ ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ‪ ،‬ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %98‬ﺑﻨﺎ ﻛﻨﻴﺪ‪.‬‬
‫‪-5‬ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﺑﺮﺗﺮي ﻳﻜﻲ از دو روش ﺣﻔﻆ ﻛﺮدن ﻣﻄﺎﻟﺐ ﻣﺸﻜﻞ‪ ،‬آزﻣﺎﻳﺸﻲ اﻧﺠﺎم ﻣﻲ ﺷﻮد ‪ ،‬ﺑﺮاي اﻳـﻦ ﻣﻨﻈـﻮر‬
‫‪ 9‬زوج از داﻧﺶ آﻣﻮزان در آزﻣﺎﻳﺶ ﺷﺮﻛﺖ داده ﻣﻲ ﺷﻮﻧﺪ‪ .‬داﻧﺶ آﻣﻮزان ﺑﺮ ﻃﺒﻖ ﺿﺮﻳﺐ ﻫﻮﺷﻲ )‪ (IQ‬و زﻣﻴﻨـﻪ‬
‫ﻋﻠﻤﻲ‪ ،‬زوج ﻣﻲ ﺷﻮﻧﺪ‪ ،‬و آﻧﮕﺎه ﺑﻪ ﺗﺼﺎدف ﻳﻜﻲ از دو روش را ﺑﺮ روي ﻳﻚ ﻋﻀﻮ از ﻫـﺮ زوج و روش دﻳﮕـﺮ را‬
‫ﺑﺮ روي ﻋﻀﻮ دﻳﮕﺮ زوج ﺑﻪ ﻛﺎر ﻣﻲ ﺑﺮﻧﺪ‪ ،‬ﺳﭙﺲ ﻳﻚ آزﻣﻮن ﺣﺎﻓﻈﻪ ﺑﻪ ﺗﻤﺎم داﻧﺶ آﻣﻮزان داده ﻣﻲ ﺷﻮد‪ ،‬و ﻧﻤـﺮه‬
‫ﻫﺎي زﻳﺮ را ﺑﻪ دﺳﺖ ﻣﻲ آورﻧﺪ‪:‬‬
‫‪٧٩‬‬
‫زوﺟﻬﺎ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬
‫روش ‪A‬‬ ‫‪90‬‬ ‫‪86‬‬ ‫‪72‬‬ ‫‪65‬‬ ‫‪44‬‬ ‫‪52‬‬ ‫‪46‬‬ ‫‪38‬‬ ‫‪43‬‬
‫روش ‪B‬‬ ‫‪85‬‬ ‫‪87‬‬ ‫‪70‬‬ ‫‪62‬‬ ‫‪44‬‬ ‫‪53‬‬ ‫‪42‬‬ ‫‪35‬‬ ‫‪46‬‬
‫ﺑﺮاي ﺗﻌﻴﻴﻦ اﻳﻨﻜﻪ آﻳﺎ اﺧﺘﻼف ﻣﻌﻨﻲ داري در ﻛﺎراﻳﻲ دو روش وﺟﻮد دارد ﻳﺎ ﻧـﻪ‪ ،‬آزﻣـﻮﻧﻲ را در ﺳـﻄﺢ ‪α=0/05‬‬
‫اﻧﺠﺎم دﻫﻴﺪ‪.‬‬
‫‪ -6‬ﻳﻚ ﻓﺮاﻳﻨﺪ ﻣﺘﺪاول ﺗﻤﻴﺰ ﻛﺮدن ﻛﻪ در ﺻﻨﻌﺖ ﻛﻤﭙﻮت ﺳﺎزي ﺑﻪ ﻛﺎر ﻣﻲ رود ﻋﺒﺎرت از ﺷﺴـﺘﻦ ﺳـﺒﺰﻳﺠﺎت ﺑـﺎ‬
‫ﺣﺠﻢ زﻳﺎدي از آب ﺟﻮش ﻗﺒﻞ از ﻛﻤﭙﻮت ﻛﺮدن اﺳﺖ‪ .‬روش ﺟﺪﻳﺪي ﺑﻪ ﺗﺎزﮔﻲ ﭘﻴﺪا ﺷﺪه اﺳﺖ ﻛﻪ ﻓﺮاﻳﻨﺪ ﺗﻤﻴﺰ‬
‫ﻛﺮدن ﺑﺎ ﺑﺨﺎر ﻧﺎم دارد )‪ (steam blanching process =SBP‬و اﻧﺘﻈﺎر ﻣﻲ رود در اﻳـﻦ روش وﻳﺘﺎﻣﻴﻨﻬـﺎ و‬
‫ﻣﻮاد ﻣﻌﺪﻧﻲ ﺳﺒﺰﻳﺠﺎت ﻛﻤﺘﺮ از دﺳﺖ ﺑﺮود و اﻳﻦ ﺑﻪ دﻟﻴﻞ ﺟﺎري ﺑﻮدن آب ﻧﺴﺒﺖ ﺑﻪ ﺑﺨـﺎر اﺳـﺖ ‪ .‬ﻗـﺮار اﺳـﺖ ده‬
‫دﺳﺘﻪ ﻟﻮﺑﻴﺎ از ﻣﺰارع ﻣﺨﺘﻠﻒ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻓﺮاﻳﻨﺪ ‪ SBP‬و ﻓﺮاﻳﻨﺪ ﻣﺘﻌﺎرف ﻣـﻮرد اﺳـﺘﻔﺎده ﻗـﺮار ﮔﻴﺮﻧـﺪ‪ .‬ﻧﺼـﻒ ﻫـﺮ‬
‫دﺳﺘﻪ از ﻟﻮﺑﻴﺎ ﻫﺎ را ﺑﺎ ﻓﺮاﻳﻨﺪ ﻣﺘﻌﺎرف و ﻧﺼﻒ دﻳﮕﺮ ﻫﺮ دﺳﺘﻪ را ﺑﺎ ‪ SBP‬ﺗﻤﻴـﺰ ﻣـﻲ ﻛﻨﻨـﺪ ‪ .‬اﻧـﺪازه ﻫـﺎي ﻣﺤﺘـﻮاي‬
‫وﻳﺘﺎﻣﻴﻨﻬﺎ در ﻫﺮ ﻧﻴﻢ ﻛﻴﻠﻮ ﻟﻮﺑﻴﺎي ﻛﻤﭙﻮت ﺷﺪه ﻋﺒﺎرت اﻧﺪ از ‪:‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫‪SBP‬‬ ‫‪35‬‬ ‫‪48‬‬ ‫‪65‬‬ ‫‪33‬‬ ‫‪61‬‬ ‫‪54‬‬ ‫‪49‬‬ ‫‪37‬‬ ‫‪58‬‬ ‫‪65‬‬
‫روش ﻣﺘﻌﺎرف‬ ‫‪33‬‬ ‫‪40‬‬ ‫‪55‬‬ ‫‪41‬‬ ‫‪62‬‬ ‫‪54‬‬ ‫‪40‬‬ ‫‪35‬‬ ‫‪59‬‬ ‫‪56‬‬
‫اﻟﻒ (آﻳﺎ داده ﻫﺎ ﺑﺮاي اﻳﻦ ادﻋﺎ ﻛﻪ در روش ‪ SBP‬ﻧﺴﺒﺖ ﺑﻪ روش ﻣﺘﻌﺎرف ﺗﻤﻴﺰ ﻛﺮدن وﻳﺘﺎﻣﻴﻨﻬـﺎي ﻛﻤﺘـﺮي از‬
‫دﺳﺖ ﻣﻲ رود ﮔﻮاﻫﻲ ﻗﻮي ﻓﺮاﻫﻢ ﻣﻲ ﻛﻨﻨﺪ ؟‬
‫ب( ﺑﺮاي ﺗﻔﺎﺿﻞ ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎي ﻣﺤﺘﻮاي وﻳﺘﺎﻣﻴﻦ در ﻫﺮ ﻧﻴﻢ ﻛﻴﻠـﻮ ﺑـﺎ ا ﺳـﺘﻔﺎده از دو روش ﺗﻤﻴـﺰ ﻛـﺮدن ﻳـﻚ‬
‫ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %98‬ﺑﺴﺎزﻳﺪ‪.‬‬
‫‪-7‬ﻣﻲ ﺧﻮاﻫﻨﺪ ﻣﻄﺎﻟﻌﻪ اي ﺑﺮاي ﺗﺄﺛﻴﺮ ﻧﺴﺒﻲ دو ﻧﻮع داروي ﺳﺮاﻧﻪ در اﻓﺰاﻳﺶ ﺧﻮاب اﻧﺠﺎم دﻫﻨﺪ‪ .‬ﺑﻪ ﺷـﺶ ﻧﻔـﺮ ﻛـﻪ‬
‫ﺳﺮﻣﺎﺧﻮردﮔﻲ دارﻧﺪ در ﺷﺐ اول داروي ‪ A‬و در ﺷﺐ دوم داروي ‪ B‬داده ﻣﻲ ﺷﻮد و ﻣﻴﺰان ﺳﺎﻋﺎت ﺧﻮاب آﻧﻬﺎ‬
‫در ﻫﺮ ﺷﺐ ﺛﺒﺖ ﻣﻲ ﮔﺮدد ‪ .‬داده ﻫﺎ ﻋﺒﺎرﺗﻨﺪ از ‪:‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫داروي ‪A‬‬ ‫‪4/8‬‬ ‫‪4/1‬‬ ‫‪5/8‬‬ ‫‪4/9‬‬ ‫‪5/3‬‬ ‫‪7/4‬‬
‫داروي ‪B‬‬ ‫‪3/9‬‬ ‫‪4/2‬‬ ‫‪5/0‬‬ ‫‪4/9‬‬ ‫‪5/4‬‬ ‫‪7/1‬‬
‫‪٨٠‬‬
‫اﻟﻒ(ﺑﺮاي ﻣﻴﺎﻧﮕﻴﻦ اﻓـﺰاﻳﺶ ﺳـﺎﻋﺖ ﺧـﻮاب ﻧﺎﺷـﻲ از داروي ‪ B‬ﻧﺴـﺒﺖ ﺑـﻪ داروي ‪ A‬ﻳـﻚ ﻓﺎﺻـﻠﻪ اﻃﻤﻴﻨـﺎن ‪%95‬‬
‫ﺑﺴﺎزﻳﺪ‪.‬‬
‫ب( در اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﭼﻪ ﭼﻴﺰي را و ﭼﮕﻮﻧﻪ ﺗﺼﺎدﻓﻲ ﻣﻲ ﻛﻨﻴﺪ؟ ﺑﻪ ﻃﻮر ﺧﻼﺻﻪ دﻻﻳﻞ ﺧﻮد را ﺑﺮاي ﺗﺼﺎدﻓﻲ ﻛﺮدن‬
‫ﺑﻴﺎن ﻛﻨﻴﺪ‪.‬‬
‫‪ -8‬ﺑﺮاي ﻣﻘﺎﻳﺴﻪ دو روش ﺑﺎﻓﺘﻦ ﻃﻨﺎب‪ ،‬ﭘﻨﺞ زوج آزﻣﻮن اﺟﺮا ﻣﻲ ﺷﻮد‪ .‬ﻫﺮ دﺳﺘﻪ ﻧﻤﻮﻧﻪ ﺷﺎﻣﻞ ﻛﻨـﻒ ﻛـﺎﻓﻲ ﺑـﺮاي‬
‫ﺑﺎﻓﺘﻦ دو رﺷﺘﻪ ﻃﻨﺎب اﺳﺖ‪ .‬اﻧﺪازه ﻫﺎي ﻗﺪرت ﻛﺸﺶ ﻃﻨﺎﺑﻬﺎ ﻋﺒﺎرت اﻧﺪ از ‪:‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫روش ‪1‬‬ ‫‪14‬‬ ‫‪12‬‬ ‫‪18‬‬ ‫‪16‬‬ ‫‪15‬‬
‫روش ‪2‬‬ ‫‪16‬‬ ‫‪15‬‬ ‫‪17‬‬ ‫‪16‬‬ ‫‪14‬‬
‫اﻟﻒ( داده ﻫﺎ را ﺑﻪ ﻋﻨﻮان ﭘﻨﺞ زوج ﻣﺸﺎﻫﺪات در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ ،‬و ﺑﺮاي ﺗﻔﺎﺿﻞ ﻣﻴﺎﻧﮕﻴﻨﻬﺎي ﻗﺪرت ﻛﺸﺶ ﺑﻴﻦ رﺷﺘﻪ‬
‫ﻃﻨﺎﺑﻬﺎي ﺑﺎﻓﺘﻪ ﺷﺪه ﺑﺎ دو روش‪ ،‬ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬ﺑﻪ دﺳﺖ آورﻳﺪ ‪.‬‬
‫ب( ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ داده ﻫﺎ ﺑﻪ ﻋﻨﻮان ﻧﻤﻮﻧﻪ ﻫﺎي ﺗﺼﺎدﻓﻲ ﻣﺴﺘﻘﻞ‪ ،‬ﻣﺤﺎﺳـﺒﻪ ﻳـﻚ ﻓﺎﺻـﻠﻪ اﻃﻤﻴﻨـﺎن ‪ %95‬را ﺗﻜـﺮار‬
‫ﻛﻨﻴﺪ‪.‬‬
‫ج( ﺑﻪ ﻃﻮر ﺧﻼﺻﻪ ﺷﺮاﻳﻄﻲ را ﻛﻪ ﺗﺤﺖ آﻧﻬﺎ ﻫﺮ ﻧﻮع ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻠﻲ ﻣﻨﺎﺳﺐ اﺳﺖ ﻣﻮرد ﺑﺤﺚ ﻗﺮار دﻫﻴﺪ‪.‬‬
‫‪ -9‬ادﻋﺎ ﺷﺪه اﺳﺖ ﻛﻪ ﻳﻚ ﺑﺮﻧﺎﻣﻪ اﻳﻤﻨﻲ ﺻﻨﻌﺘﻲ در ﻛـﺎﻫﺶ ﺗﻀـﻴﻴﻊ ﺳـﺎﻋﺎت ﻛـﺎر ﻧﺎﺷـﻲ از ﻧﻘـﺺ در ﻣﺎﺷـﻴﻨﻬﺎي‬
‫ﻛﺎرﺧﺎﻧﻪ ﻣﺆﺛﺮ اﺳﺖ ‪ .‬داده ﻫﺎي زﻳﺮ ﻣﺮﺑﻮط ﺑﻪ ﺿﺎﻳﻊ ﺷﺪن ﺳﺎﻋﺘﻬﺎي ﻛـﺎر ﻫﻔﺘﮕـﻲ ﺑـﻪ واﺳـﻄﻪ ﻧﻘـﺺ در ‪ 6‬دﺳـﺘﮕﺎه‬
‫اﺳﺖ ﻛﻪ ﻳﻜﻲ ﻗﺒﻞ و دﻳﮕﺮي ﺑﻌﺪ از اﺟﺮاي ﺑﺮﻧﺎﻣﻪ اﻳﻤﻨﻲ ﺟﻤﻊ آوري ﺷﺪه اﻧﺪ‪.‬‬
‫دﺳﺘﮕﺎه‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫ﻗﺒﻞ‬ ‫‪12‬‬ ‫‪29‬‬ ‫‪16‬‬ ‫‪37‬‬ ‫‪28‬‬ ‫‪15‬‬
‫ﺑﻌﺪ‬ ‫‪10‬‬ ‫‪28‬‬ ‫‪17‬‬ ‫‪35‬‬ ‫‪25‬‬ ‫‪16‬‬
‫ﻫﺮ ﻓﺮﺿﻲ ﻛﻪ در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﺪ ﺑﻴﺎن ﻛﻨﻴﺪ‪ .‬آﻧﮕﺎه آزﻣﻮن ﻓﺮﺿﻲ ﻣﻨﺎﺳﺐ را ﻃﺮح ﻧﻤﺎﻳﻴﺪ و ﺗﻌﻴﻴﻦ ﻛﻨﻴﺪ ﻛﻪ آﻳﺎ داده‬
‫ﻫﺎ از ادﻋﺎي ﻣﻄﺮوﺣﻪ ﺣﻤﺎﻳﺖ ﻣﻲ ﻛﻨﻨﺪ ﻳﺎ ﻧﻪ ‪.‬‬
‫‪ -10‬ﺑﺮاي ﺗﻌﻴﻴﻦ اﻳﻨﻜﻪ اﻓﺰودن ﻳﻚ ﻣﺎده ﺷﻴﻤﻴﺎﻳﻲ ﻣﺨﺼﻮص ﺑﻪ ﻳﻚ ﻛﻮد ﻣﺘﻌﺎرف ‪ ،‬رﺷﺪ ﮔﻴﺎه را ﺗﺴﺮﻳﻊ ﻣﻲ ﻛﻨـﺪ‬
‫ﻳﺎ ﻧﻪ‪ ،‬آزﻣﺎﻳﺸﻲ اﻧﺠﺎم ﻣﻲ ﺷﻮد‪ .‬ﺑﺮاي اﻳﻦ ﻣﻄﺎﻟﻌﻪ ده ﻣﻜﺎن را در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻧﺪ‪ .‬در ﻫﺮ ﻣﻜـﺎن دو ﮔﻴـﺎه روﻳﻴـﺪه در‬
‫ﺟﻮار ﻫﻢ را ﺗﻴﻤﺎر ﻣﻲ ﻛﻨﻨﺪ ‪ :‬ﺑﻪ ﻳﻜﻲ ﻛﻮد ﻣﺘﻌﺎرف و ﺑﻪ دﻳﮕﺮي ﻛﻮد ﻣﺘﻌﺎرف ﻫﻤﺮاه ﺑﺎ ﻣﺎده ﺷﻴﻤﻴﺎﻳﻲ اﻓﺰاﻳﺸﻲ ﻣﻲ‬
‫‪٨١‬‬
‫دﻫﻨـــــﺪ‪ .‬رﺷـــــﺪ ﮔﻴﺎﻫـــــﺎن ﺑﻌـــــﺪ از ﭼﻬـــــﺎر ﻫﻔﺘـــــﻪ ﺑـــــﺮ ﺣﺴـــــﺐ ﺳـــــﺎﻧﺘﻴﻤﺘﺮ اﻧـــــﺪازه ﮔﻴـــــﺮي‬
‫ﻣﻲ ﺷﻮد‪ ،‬و داده ﻫﺎي زﻳﺮ ﺑﻪ دﺳﺖ ﻣﻲ آﻳﻨﺪ ‪:‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫ﺑﺪون ﻣﺎده اﻓﺰاﻳﺸﻲ‬ ‫‪20‬‬ ‫‪31‬‬ ‫‪16‬‬ ‫‪22‬‬ ‫‪19‬‬ ‫‪32‬‬ ‫‪25‬‬ ‫‪18‬‬ ‫‪20‬‬ ‫‪19‬‬
‫ﺑﺎ ﻣﺎده اﻓﺰاﻳﺸﻲ‬ ‫‪23‬‬ ‫‪34‬‬ ‫‪15‬‬ ‫‪21‬‬ ‫‪22‬‬ ‫‪31‬‬ ‫‪29‬‬ ‫‪20‬‬ ‫‪24‬‬ ‫‪23‬‬
‫آﻳﺎ داده ﻫﺎ اﻳﻦ ادﻋﺎ را ﻛﻪ اﺳﺘﻔﺎده از ﻣﺎده ﺷﻴﻤﻴﺎﻳﻲ اﻓﺰاﻳﺸﻲ ﻣﻮﺟﺐ ﺗﺴﺮﻳﻊ در رﺷﺪ ﮔﻴﺎه ﻣﻲ ﺷﻮد ﺗﺄﻳﻴﺪ ﻣﻲ ﻛﻨﻨﺪ؟‬
‫ﻓﺮﺿﻬﺎﻳﻲ را ﻛﻪ در ﻧﻈﺮ ﻣﻲ ﮔﻴﺮﻳﺪ ﺑﻴﺎن ﻧﻤﺎﻳﻴﺪ ‪ ،‬و آزﻣﻮن ﻓﺮض ﻣﻨﺎﺳﺐ را ﭘﻴﺸﻨﻬﺎد ﻛﻨﻴﺪ‪.‬‬
‫‪ -11‬اﻧﺪازه ﻫﺎي ﻗﺪرت ﻓﺸﺎر دﺳﺖ راﺳﺖ و دﺳﺖ ﭼﭗ ده ﻧﻔﺮ ﻧﻮﻳﺴﻨﺪه ﭼﭗ دﺳﺖ را ﺛﺒﺖ ﻛﺮده اﻧﺪ‪:‬‬
‫اﺷﺨﺎص‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫ﻓﺸﺎر دﺳﺖ ﭼﭗ‬ ‫‪140‬‬ ‫‪90‬‬ ‫‪125‬‬ ‫‪130‬‬ ‫‪95‬‬ ‫‪121‬‬ ‫‪85‬‬ ‫‪97‬‬ ‫‪131‬‬ ‫‪110‬‬
‫ﻓﺸﺎر دﺳﺖ راﺳﺖ‬ ‫‪138‬‬ ‫‪87‬‬ ‫‪110‬‬ ‫‪132‬‬ ‫‪96‬‬ ‫‪120‬‬ ‫‪86‬‬ ‫‪90‬‬ ‫‪129‬‬ ‫‪100‬‬
‫اﻟﻒ( آﻳﺎ ﺑﺮاي اﻓﺮادي ﻛﻪ ﺑﺎ دﺳﺖ ﭼﭗ ﻣﻲ ﻧﻮﻳﺴﻨﺪ ‪ ،‬داده ﻫﺎ ﮔﻮاﻫﻲ ﻗـﻮي ﻓـﺮاﻫﻢ ﻣـﻲ ﻛﻨﻨـﺪ ﻛـﻪ ﻗـﺪرت ﻓﺸـﺎر‬
‫ﺑﻴﺸﺘﺮي در دﺳﺖ ﭼﭗ دارﻧﺪ؟‬
‫ب( ﺑﺮاي ﺗﻔﺎﺿﻞ ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %90‬ﺑﻨﺎ ﻛﻨﻴﺪ‪.‬‬
‫‪-12‬ﻋﻠﻲ ادﻋﺎ ﻣﻲ ﻛﻨﺪ ﻛﻪ ) ﻃﻌﻤﻪ ﻣﻌﺠﺰه آﺳﺎي ( او ﺑﺮاي ﻳﻚ ﻧﻮع ﻣﺎﻫﻲ ﻧﺴـﺒﺖ ﺑـﻪ ﻃﻌﻤـﻪ ﻣﺘـﺪاول ﻗـﺪﻳﻤﻲ ﻛـﻪ‬
‫اﺑﺮاﻫﻴﻢ از آن اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﺪ دام ﻣﺆﺛﺮﺗﺮي اﺳﺖ‪ .‬ﻋﻠﻲ و اﺑﺮاﻫﻴﻢ در ﺗﺎﺑﺴﺘﺎن ﮔﺬﺷﺘﻪ ﺑﺎ ﻳﻚ ﻗﺎﻳﻖ ﺑـﺮاي ﻣـﺪت ‪12‬‬
‫روز ﺑﻪ ﻣﺎﻫﻴﮕﻴﺮي رﻓﺘﻨﺪ و ﻫﺮ ﻳﻚ ﺗﻌﺪاد ﻣﺎﻫﻴﻬﺎي ﻣﻮرد ﻧﻈﺮ ﺻﻴﺪ ﺷﺪه ﺧﻮد را روز ﺑﻪ روز ﺛﺒﺖ ﻛﺮدﻧﺪ ‪:‬‬
‫روزﻫﺎ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬
‫ﻋﻠﻲ‬ ‫‪8‬‬ ‫‪27‬‬ ‫‪7‬‬ ‫‪9‬‬ ‫‪18‬‬ ‫‪15‬‬ ‫‪12‬‬ ‫‪19‬‬ ‫‪3‬‬ ‫‪12‬‬ ‫‪18‬‬ ‫‪12‬‬
‫اﺑﺮاﻫﻴﻢ‬ ‫‪13‬‬ ‫‪20‬‬ ‫‪2‬‬ ‫‪9‬‬ ‫‪19‬‬ ‫‪12‬‬ ‫‪10‬‬ ‫‪23‬‬ ‫‪0‬‬ ‫‪11‬‬ ‫‪15‬‬ ‫‪10‬‬
‫آﻳﺎ اﻳﻦ داده ﻫﺎ ﺑﻪ ﻃﻮر ﻛﺎﻓﻲ از ادﻋﺎي ﻋﻠﻲ ﺣﻤﺎﻳﺖ ﻣﻲ ﻛﻨﻨـﺪ ﺗـﺎ اﺑـﺮاﻫﻴﻢ را در ﺗﻌـﻮﻳﺾ دام ﻗـﺪﻳﻤﻲ ﺑـﻪ )ﻃﻌﻤـﻪ‬
‫ﻣﻌﺠﺰه آﺳﺎي ( ﻋﻠﻲ ﻛﻪ ﻗﺪري ﮔﺮاﻧﺘﺮ اﺳﺖ ﻣﺘﻘﺎﻋﺪ ﻛﻨﺪ؟‬
‫‪٨٢‬‬
‫‪-13‬ﺑﺮاي ﻣﻘﺎﻳﺴﻪ دﻗﺖ دو ﻧﻮع آﺷﻜﺎر ﺳﺎز ﺟﻴﻮه در اﻧﺪازه ﮔﺮﻓﺘﻦ ﻏﻠﻈﺖ ﺟﻴﻮه ﻫـﻮا‪ ،‬آزﻣﺎﻳﺸـﻲ اﻧﺠـﺎم ﻣـﻲ ﺷـﻮد‪.‬‬
‫اواﺳﻂ روز در ﻧﺎﺣﻴﻪ ﻣﺮﻛﺰي ﺷﻬﺮي ﻫﻔﺖ اﻧﺪازه ﻏﻠﻈﺖ ﺟﻴﻮه ﺑﺎ وﺳﻴﻠﻪ ﻧـﻮع ‪ A‬و ﺷـﺶ اﻧـﺪازه ﺑـﺎ وﺳـﻴﻠﻪ ﻧـﻮع ‪B‬‬
‫ﮔﺮﻓﺘﻪ ﻣﻲ ﺷﻮد‪ .‬اﻧﺪازه ﻫﺎي ﺛﺒﺖ ﺷﺪه ﺑﺮ ﺣﺴﺐ واﺣﺪ ﻣﻴﻜﺮوﮔﺮم در ﻫﺮ ﻣﺘﺮ ﻣﻜﻌﺐ ﻫﻮا ﻋﺒﺎرت اﻧﺪ از‪:‬‬
‫ﻧﻮع ‪A‬‬ ‫‪0/95‬‬ ‫‪0/82‬‬ ‫‪0/78‬‬ ‫‪0/96‬‬ ‫‪0/71‬‬ ‫‪0/86‬‬ ‫‪0/99‬‬

‫ﻧﻮع ‪B‬‬ ‫‪0/89‬‬ ‫‪0/91‬‬ ‫‪0/94‬‬ ‫‪0/91‬‬ ‫‪0/90‬‬ ‫‪0/89‬‬
‫اﻟﻒ ( آﻳﺎ داده ﻫﺎ ﮔﻮاﻫﻲ ﻗﻮي ﺑﺮ اﻳﻦ اﺳﺖ ﻛﻪ وﺳﻴﻠﻪ ﻧﻮع ‪ B‬ﻏﻠﻈـﺖ ﺟﻴـﻮه در ﻫـﻮا را دﻗﻴﻘﺘـﺮ از وﺳـﻴﻠﻪ ﻧـﻮع ‪A‬‬
‫اﻧﺪازه ﻣﻲ ﮔﻴﺮد؟‬
‫ب( ﺑﺮاي ﻧﺴﺒﺖ اﻧﺤﺮاف ﻣﻌﻴﺎرﻫﺎي اﻧﺪازه ﻫﺎي ﺗﻬﻴﻪ ﺷﺪه ﺑﺎ ﻧﻮع ‪ A‬و ﺑﺎ ﻧﻮع ‪ B‬ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %90‬ﺑﺴﺎزﻳﺪ‪.‬‬
‫‪-14‬ﻳﻜﻲ از ﺟﻨﺒﻪ ﻫﺎي ﻣﻄﺎﻟﻌﻪ در اﺧﺘﻼﻓﻬﺎي ﺟﻨﺴﻴﺖ ﺷﺎﻣﻞ ﻣﻄﺎﻟﻌﻪ ﻧﺤﻮه ﺑﺎزي ﻣﻴﻤﻮﻧﻬﺎ در ﺧﻼل ﺳﺎل اول زﻧﺪﮔﻲ‬
‫اﺳﺖ‪ .‬ﺷﺶ ﻣﻴﻤﻮن ﻧﺮ و ﺷﺶ ﻣﻴﻤﻮن ﻣﺎده در ﮔﺮوه ﻫﺎﻳﻲ از ﭼﻬﺎر ﺧﺎﻧﻮاده در ﻃﻲ ﭼﻨﺪﻳﻦ ﺟﻠﺴﻪ ﻣﻄﺎﻟﻌـﻪ ده دﻗﻴﻘـﻪ‬
‫اي ﻣﺸﺎﻫﺪه ﺷﺪﻧﺪ‪ .‬ﻣﻴﺎﻧﮕﻴﻦ ﻛﻞ ﺗﻌﺪاد دﻓﻌﺎﺗﻲ ﻛﻪ ﻫﺮ ﻣﻴﻤﻮن ‪ ،‬ﺑﺎزي ﺑﺎ ﻫﻤﺴﺎل دﻳﮕﺮ را ﺷﺮوع ﻛﺮده اﺳﺖ ﺛﺒﺖ ﻣﻲ‬
‫ﺷﻮد‪:‬‬
‫ﻧﺮﻫﺎ‬ ‫‪3/64‬‬ ‫‪3/11‬‬ ‫‪3/80‬‬ ‫‪3/58‬‬ ‫‪4/55‬‬ ‫‪3/92‬‬

‫ﻣﺎده ﻫﺎ‬ ‫‪1/91‬‬ ‫‪2/06‬‬ ‫‪1/78‬‬ ‫‪2/00‬‬ ‫‪1/30‬‬ ‫‪2/32‬‬
‫اﻟﻒ( ﻧﻤﻮدارﻫﺎ ﻣﺸﺎﻫﺪات را رﺳﻢ ﻛﻨﻴﺪ‪.‬‬

‫ب( ﺑﺮاي ﺗﻔﺎﺿﻞ ﻣﻴﺎﻧﮕﻴﻦ ﺟﺎﻣﻌﻪ ﻫﺎ ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬ﺑﻨﺎ ﻛﻨﻴﺪ‪.‬‬
‫‪ -15‬ج‪ .‬ج‪ .‬ﺗﺎﻣﺴﻦ )‪ (1940-1856‬در ﺣﺎﻟﻲ ﻛﻪ ﻣﺸﻐﻮل ﺗﺤﻘﻴﻖ درﺑﺎره ﻃﺒﻴﻌﺖ ﭘﺎﻳﻪ اي اﺷﻌﻪ ﻛﺎﺗﺪي ﺑﻮد اﻟﻜﺘـﺮون‬
‫را ﻛﺸﻒ ﻛﺮد‪ .‬ﺗﺎﻣﺴﻦ در ﺗﺠﺎرب آزﻣﺎﻳﺸﮕﺎﻫﻲ ‪ ،‬ذرات ﺑﺎردار ﺷﺪه ﺑﺎ ﺑﺎر ﻣﻨﻔﻲ را ﺟﺪا ﻛﺮد ﺗﺎ ﺑﺘﻮاﻧﺪ ﻧﺴﺒﺖ ﺟـﺮم‬
‫ﺑﻪ ﺑﺎر را ﺗﻌﻴﻴﻦ ﻧﻤﺎﻳﺪ‪ .‬ﺑﻪ ﻧﻈﺮ ﻣﻲ رﺳﻴﺪ ﻛﻪ اﻳﻦ ﻧﺴﺒﺖ ﺑﺮاي اﻧﻮاع وﺳﻴﻌﻲ از ﺷﺮاﻳﻂ آزﻣﺎﻳﺸﻲ ﻣﻘﺪار ﺛـﺎﺑﺘﻲ اﺳـﺖ و‬
‫ﻣﺸﺨﺼﻪ اي از ذرات ﺟﺪﻳﺪ اﺳﺖ‪ .‬ﺗﺎﻣﺴﻦ ﻧﺘﺎﻳﺞ زﻳﺮ را ﺑﺎ دو ﻻﻣﭗ اﺷﻌﻪ ﻛﺎﺗﺪي ﻣﺨﺘﻠﻒ‪ ،‬ﺑﺎ ﺑﻪ ﻛﺎر ﺑـﺮدن ﻫـﻮا ﺑـﻪ‬
‫ﻋﻨﻮان ﮔﺎز ﺑﻪ دﺳﺖ آورد‪:‬‬
‫ﻻﻣﭗ ‪1‬‬ ‫‪0/57‬‬ ‫‪0/34‬‬ ‫‪0/43‬‬ ‫‪0/32‬‬ ‫‪0/48‬‬ ‫‪0/40‬‬ ‫‪0/40‬‬

‫ﻻﻣﭗ ‪2‬‬ ‫‪0/53‬‬ ‫‪0/47‬‬ ‫‪0/47‬‬ ‫‪0/51‬‬ ‫‪0/63‬‬ ‫‪0/61‬‬ ‫‪0/48‬‬
‫‪٨٣‬‬
‫اﻟﻒ( ﺑﺮاي ﺗﻔﺎﺿﻞ ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎي دو ﻻﻣﭗ ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %95‬ﺑﺴﺎزﻳﺪ‪ .‬آﻳﺎ ﺑﻪ ﻧﻈـﺮ ﻣـﻲ رﺳـﺪ ﻛـﻪ دو ﻻﻣـﭗ‬
‫ﻧﺘﺎﻳﺞ ﺳﺎزﮔﺎري را ﻓﺮاﻫﻢ ﻣﻲ ﻛﻨﻨﺪ‪.‬‬
‫ب( ﺑﺎ ﻛﺎرﺑﺮد دو ﻣﺠﻤﻮﻋﻪ از اﻧﺪازه ﻫﺎي ﺗﺎﻣﺴﻦ ﺑﻪ ﻋﻨﻮان ﻳﻚ ﻧﻤﻮﻧﻪ ﺑﻪ ﺣﺠﻢ ‪ ،14‬ﺑـﺮاي ﻣﻴـﺎﻧﮕﻴﻦ ﻧﺴـﺒﺖ ﺟـﺮم ﺑـﻪ‬
‫ﺑﺎر‪ ،‬ﻳﻚ ﻓﺎﺻﻠﻪ اﻃﻤﻴﻨﺎن ‪ %99‬ﺑﻨﺎ ﻛﻨﻴﺪ‪.‬‬
‫‪٨٤‬‬
‫ﺗﻬﻴﻪ و ﺗﻨﻈﻴﻢ‪ :‬ﻣﻬﺪي اﻛﺒﺮزاده‬ ‫آﻣﻮزش ﻣﻘﺪﻣﺎﺗﻲ ‪SPSS 19‬‬
‫آزﻣﻮﻧﻬﺎي ﻧﺎﭘﺎراﻣﺘﺮي‪:‬‬
‫‪ -‬ﻣﻌﺎدل ﻧﺎﭘﺎراﻣﺘﺮي آزﻣﻮن ﻓﺮض در ﻣﻮرد ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎي دو ﺟﺎﻣﻌﻪ ‪:‬‬
‫‪ -1‬آزﻣﻮن ﻣﻦ‪ -‬وﻳﺘﻨﻲ‬

‫زﻣﺎﻧﻲ ﻛﻪ ﺑﺨﻮاﻫﻴﻢ دو ﺟﺎﻣﻌﻪ ﻣﺴﺘﻘﻞ را ﺑﻪ ﺷﻴﻮه ﻧﺎﭘﺎراﻣﺘﺮي آزﻣﻮن و ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ‪ ,‬از آزﻣﻮن ﻣﻦ‪ -‬وﻳﺘﻨﻲ‬
‫اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﻢ ‪.‬‬
‫ﻣﺜﺎل ‪ :‬در ﻳﻚ ﺑﺮرﺳﻲ ﻣﻲﺧﻮاﻫﻴﻢ ﺑﺒﻴﻨﻴﻢ ﻛﻪ آﻳﺎ ﻣﻴﺰان ﻋﻼﻗﺔ آﻗﺎﻳﺎن و ﺧﺎﻧﻤﻬﺎ ﺑﻪ آﺷﭙﺰي ﻳﻜﺴﺎن اﺳﺖ‬
‫ﻳﺎ ﺧﻴﺮ؟ ﺑﺪﻳﻦ ﻣﻨﻈﻮر دادهﻫﺎي زﻳﺮ را از ﻃﺮﻳﻖ ﭘﺮﺳﺸﻨﺎﻣﻪ و دادن رﺗﺒﻪ ﺑﻪ ﻣﻴﺰان ﻋﻼﻗﺔ اﻓﺮاد ﺑﻪ آﺷﭙﺰي‬
‫ﺑﺪﺳﺖ آوردهاﻳﻢ‪:‬‬
‫‪ 4‬‬ ‫‪ 5‬‬ ‫‪ 4‬‬ ‫‪ 3‬‬ ‫‪ 4‬‬ ‫‪ 5‬‬ ‫‪ 3‬‬ ‫‪ 4‬‬ ‫‪ 4‬‬ ‫‪ 5‬‬ ‫ﺧﺎﻧﻤﻬﺎ‬
‫‪ 2‬‬ ‫‪ 3‬‬ ‫‪ 4‬‬ ‫‪ 3‬‬ ‫‪ 5‬‬ ‫‪ 3‬‬ ‫‪ 2‬‬ ‫‪ 1‬‬ ‫‪ 3‬‬ ‫‪ 2‬‬ ‫آﻗﺎﻳﺎن‬
‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ ﻣﺜﺎل ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٨٥‬‬
‫ﻣﺘﻐﻴﺮ ﻣﻮرد آزﻣﻮن را ﺑﻪ ﻗﺴﻤﺖ ‪ Test variable list‬ﺑﺒﺮﻳﺪ و ﻣﺘﻐﻴﺮي ﻛﻪ ﮔﺮوﻫﺒﻨﺪي را ﻣﺸﺨﺺ ﻣﻲ‬

‫ﻛﻨﺪ ﺑﻪ ﻗﺴﻤﺖ ‪ Grouping variable ‬ﺑﺒﺮﻳﺪ و ﻣﺎﻧﻨﺪ ﻗﺒﻞ ﮔﺮوﻫﻬﺎ را ﺑﺮاي آن ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪.‬‬
‫ﺑﺮ دﻛﻤﻪ ‪ continue‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ و در ﻗﺴﻤﺖ ‪ Test type‬ﮔﺰﻳﻨﻪ ‪Mann‐Whitney U‬‬
‫را ﺗﻴﻚ ﺑﺰﻧﻴﺪ و ﭘﺲ از آن ﺑﺮ دﻛﻤﻪ ‪ Ok‬ﻛﻠﻴﻚ ﻛﺮده ﺗﺎ ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﻇﺎﻫﺮ ﮔﺮدد‪.‬‬
‫‪٨٦‬‬
‫ﺗﺬﻛﺮ ‪ :‬در اﺳﺘﻔﺎده از آزﻣﻮن ﻣﻦ‪ -‬وﻳﺘﻨﻲ ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﻣﻘﻴﺎس اﻧﺪازه ﮔﻴﺮي ﻧﻤﻮﻧﻪ ﻫﺎ ﺑﺎﻳﺪ رﺗﺒﻪ‬
‫اي )ﺑﺎ ﺗﻌﺪاد ﻣﻘﻮﻟﻪ ﻫﺎي ﻛﻢ ( و ﻳﺎ ﻓﺎﺻﻠﻪ اي ﺑﺎﺷﺪ‪.‬‬
‫‪ -2‬آزﻣﻮن ﻫﺎي ﻋﻼﻣﺖ‪ ,‬وﻳﻠﻜﺎﻛﺴﻮن) آزﻣﻮن رﺗﺒﺔ ﻋﻼﻣﺖ دار( و ﻣﻚ ﻧﻤﺎر‪:‬‬

‫زﻣﺎﻧﻲ ﻛﻪ ﺑﺨﻮاﻫﻴﻢ ﻣﻴﺎﻧﮕﻴﻨﻬﺎي ﻧﻤﻮﻧﻪ ﻫﺎي ﺟﻔﺘﻲ)زوﺟﻲ( را از ﻃﺮﻳﻖ آزﻣﻮﻧﻬﺎي ﻧﺎﭘﺎراﻣﺘﺮي ﻣﻘﺎﻳﺴﻪ و‬
‫آزﻣﻮن ﻛﻨﻴﻢ‪ ,‬از آزﻣﻮن ﻫﺎي ﻋﻼﻣﺖ‪ ,‬وﻳﻠﻜﺎﻛﺴﻮن‪ ,‬و ﻣﻚ ﻧﻤﺎر اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﻢ‪ .‬اﻣﺎ ﻫﺮ ﻳﻚ از اﻳﻦ‬
‫ﺳﻪ آزﻣﻮن ﻓﺮﻗﻬﺎﻳﻲ ﺑﺎ ﻳﻜﺪﻳﮕﺮ دارﻧﺪ‪.‬‬
‫ﻣﺜﺎل )آزﻣﻮن ﻋﻼﻣﺖ و وﻳﻠﻜﺎﻛﺴﻮن(‪ :‬ﻣﻲ ﺧﻮاﻫﻴﻢ ﻣﺜﺎل ﻣﺮﺑﻮط ﺑﻪ وزن داﻧﺶ آﻣﻮزان ) ﺣﺎﺻﻞ‬
‫اﻧﺠﺎم ﻳﻚ ﻣﺎده ورزش ﻣﺮﺗﺐ ( را ﺑﺎ اﺳﺘﻔﺎده از آزﻣﻮن ﻫﺎي ﻧﺎﭘﺎراﻣﺘﺮي آزﻣﻮن ﻛﻨﻴﻢ‪.‬‬
‫ﺑﺮاي اﻳﻦ ﻛﺎر ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٨٧‬‬
‫ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪ اي زﻳﺮ ﺑﺎز ﺷﻮد ‪.‬ﻣﺎﻧﻨﺪ ﺣﺎﻟﺖ ﭘﺎراﻣﺘﺮي دو ﻣﺘﻐﻴﺮ ‪ ghabl ‬و ‪ baad‬را اﻧﺘﺨﺎب و آﻧﻬﺎ را ﺑﻪ‬
‫ﻗﺴﻤﺖ ‪ Test Pair(s) list ‬ﻣﻨﺘﻘﻞ ﻛﻨﻴﺪ‪ .‬در ﻗﺴﻤﺖ ‪ Test type‬ﮔﺰﻳﻨﻪ ﻫﺎي ‪ Wilcoxon‬و ‪ Sign‬را‬
‫ﺗﻴﻚ دار ﻛﻨﻴﺪ ‪.‬‬
‫‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﻧﺘﺎﻳﺞ ﺑﺼﻮرت زﻳﺮ ﺑﺮاي ﺷﻤﺎ ﻇﺎﻫﺮ ﺷﻮد ‪:‬‬
‫‪٨٨‬‬
‫ ﻣﻬﺪي اﻛﺒﺮزاده‬:‫ﺗﻬﻴﻪ و ﺗﻨﻈﻴﻢ‬ SPSS 19 ‫آﻣﻮزش ﻣﻘﺪﻣﺎﺗﻲ‬
٨٩
‫ﺗﺬﻛﺮ‪ :‬در ﻣﻘﺎﻳﺴﻪ ﻫﺎي زوﺟﻲ در ﺻﻮرﺗﻲ ﻛﻪ دادة ﭘﺮت داﺷﺘﻴﻢ ) از ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ دو ﻣﺘﻐﻴﺮ اﺳﺘﻔﺎده‬
‫ﻛﻨﻴﺪ ( ﻳﺎ ﻧﻤﻲ ﺗﻮاﻧﺴﺘﻴﻢ از آزﻣﻮن ‪ t ‬زوﺟﻲ اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪ ,‬ﻣﻲ ﺗﻮاﻧﻴﻢ از روﺷﻬﺎي ﻧﺎﭘﺎراﻣﺘﺮي ﺟﻬﺖ آﻧﺎﻟﻴﺰ‬
‫اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪ .‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ آزﻣﻮن ﻋﻼﻣﺖ ﻧﺴﺒﺖ ﺑﻪ داده ﻫﺎي ﭘﺮت ﻛﺎﻣﻼ اﻳﻤﻦ اﺳﺖ‪ ,‬در ﺣﺎﻟﻲ‬
‫ﻛﻪ آزﻣﻮن وﻳﻠﻜﺎﻛﺴﻮن اﻳﻨﮕﻮﻧﻪ ﻧﻴﺴﺖ‪) .‬ﻓﺮق آزﻣﻮﻧﻬﺎي ﻋﻼﻣﺖ و وﻳﻠﻜﺎﻛﺴﻮن (‬
‫ﺗﺬﻛﺮ‪ :‬ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ در آزﻣﻮن ﻫﺎي وﻳﻠﻜﺎﻛﺴﻮن و ﻋﻼﻣﺖ اﻟﺰاﻣﻲ در ﻣﻮرد ﺷﻜﻞ ﺗﻮزﻳﻊ ﻧﺪارﻳﻢ‬
‫وﻟﻲ ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﻣﻲ ﺑﺎﻳﺪ ﻛﻪ ﭘﻴﻮﺳﺘﻪ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺜﺎل ) آزﻣﻮن ﻣﻚ ﻧﻤﺎر( ‪:‬‬
‫ﻳﻚ ﻣﺤﻘﻖ ﻧﻈﺮ اﻓﺮاد را در ﻣﻮرد ﻣﻮاﻓﻖ ﻳﺎ ﻣﺨﺎﻟﻒ ﺑﻮدن اﻓﺮاد ﻧﺴﺒﺖ ﺑﻪ ﻳﻚ ﻛﺎﻧﺪﻳﺪا را در ﻗﺒﻞ و ﺑﻌﺪ از‬
‫ﺳﺨﻨﺮاﻧﻲ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﻣﻲ دﻫﺪ‪ .‬داده ﻫﺎي ﺣﺎﺻﻞ ﺑﻪ ﺻﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫ﻣﺨﺎﻟﻒ‬ ‫ﻣﻮاﻓﻖ‬ ‫ﺑﻌﺪ از اﻧﺠﺎم ﺳﺨﻨﺮاﻧﻲ‬
‫ﻗﺒﻞ از اﻧﺠﺎم ﺳﺨﻨﺮاﻧﻲ‬
‫‪60‬‬ ‫‪20‬‬ ‫ﻣﻮاﻓﻖ‬
‫‪10‬‬ ‫‪10‬‬ ‫ﻣﺨﺎﻟﻒ‬
‫ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺪاﻧﻴﻢ ﻛﻪ آﻳﺎ ﻧﻈﺮ اﻓﺮاد در دو وﺿﻌﻴﺖ ﻣﺘﻔﺎوت اﺳﺖ ﻳﺎ ﺧﻴﺮ؟‬
‫ﺑﺎ اﺳﺘﻔﺎده از آزﻣﻮن ﻣﻚ ﻧﻤﺎر و ﺑﺪﺳﺖ آوردن ﺧﺮﺟﻲ زﻳﺮ در ‪ SPSS‬ﻣﺘﻮاﻧﻴﻢ ﻧﺘﻴﺠﻪ ﺑﮕﻴﺮﻳﻢ ﻛﻪ ﻧﮕﺮش‬
‫اﻓﺮاد در ﻗﺒﻞ و ﺑﻌﺪ از ﺳﺨﻨﺮاﻧﻲ ﻣﺘﻔﺎوت ﺑﻮده اﺳﺖ‪ ).‬ﭼﺮا؟ (‬
‫‪٩٠‬‬
‫ﺗﻤﺮﻳﻦ ‪:‬‬
‫در ﻳﻚ ﻣﻄﺎﻟﻌﻪ ﻣﺮﺑﻮط ﺑﻪ ﺗﻌﻴﻴﻦ ﻣﻴﺰان ﺗﻮاﻧﺎﻳﻲ ﺗﺪاﻋﻲ ﭘﺴﺘﺎﻧﺪاران ﺑﻪ ﺟﺰ اﻧﺴﺎن‪ 19 ,‬ﻣﻴﻤـﻮن ﻫﻤﺴـﻦ ﺑـﻪ‬
‫ﻃﻮر ﺗﺼﺎدﻓﻲ ﺑﻪ ‪ 2‬ﮔﺮوه ‪ 9‬و ‪ 10‬ﺗﺎﻳﻲ ﺗﻘﺴﻴﻢ ﻣﻲ ﺷﻮﻧﺪ‪ .‬دو ﮔﺮوه ﻣﺰﺑﻮر را ﺑـﺮاي ﺑـﻪ ﺧـﺎﻃﺮ آوردن ﻳـﻚ‬
‫ﻣﺤﺮك ﻣﺮﺑﻮط ﺑﻪ ﺻﺪا‪ ,‬ﺑﺎ دو روش آﻣﻮزش ﻣﺨﺘﻠﻒ ﺗﻌﻠﻴﻢ ﻣﻲ دﻫﻨﺪ‪ .‬ﻧﻤﺮات ﻣﻴﻤﻮن ﻫﺎ در آزﻣـﻮن ﺑﻌـﺪ از‬
‫آﻣﻮزش ﻋﺒﺎرﺗﻨﺪ از ‪:‬‬
‫روش‪1‬‬ ‫‪167‬‬ ‫‪149‬‬ ‫‪137‬‬ ‫‪178‬‬ ‫‪179‬‬ ‫‪155‬‬ ‫‪164‬‬ ‫‪104‬‬ ‫‪151‬‬ ‫‪150‬‬
‫روش‪2‬‬ ‫‪98‬‬ ‫‪127‬‬ ‫‪140‬‬ ‫‪103‬‬ ‫‪116‬‬ ‫‪105‬‬ ‫‪100‬‬ ‫‪95‬‬ ‫‪131‬‬
‫آﻳﺎ داده ﻫﺎ ﻗﻮﻳﺎ ﺗﻔﺎوت را در ﻗﺪرت ﺣﺎﻓﻈﻪ ﻣﻴﻤﻮﻧﻬﺎي ﺗﻌﻠﻴﻢ داده ﺷﺪه ﺑﺎ دو روش ﻧﺸﺎن ﻣﻴﺪﻫﺪ ؟‬
‫ﺗﻄﺎﺑﻖ ﺗﻮزﻳﻊ ﻫﺎ ‪:‬‬

‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ در ﺑﺨﺸﻬﺎي ﭘﻴﺶ ﮔﻔﺘﻪ ﺷﺪ ﻳﻜﻲ از اﻫﺪاف ﺑﺮرﺳﻲ ﻳﻚ ﺟﺎﻣﻌﻪ اﻳﻦ اﺳﺖ ﻛﻪ ﻣﺤﻘﻖ ﺑﺨﻮاﻫﺪ‬
‫ﺗﻮزﻳﻊ ﻧﻤﻮﻧﻪ را ﺑﺎ ﻳﻚ ﺗﻮزﻳﻊ ﻓﺮﺿﻲ ﻣﺎﻧﻨﺪ ﺗﻮزﻳﻊ ﻧﺮﻣﺎل ﺑﺮرﺳﻲ ﻛﻨﺪ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﺳﺌﻮال در ﻣﻮرد ﺗﻄﺎﺑﻖ‬
‫) ‪ ( Goodness‐of‐fit‬ﺑﻪ اﻳﻦ ﮔﻮﻧﻪ آزﻣﻮﻧﻬﺎ در اﺻﻄﻼح آزﻣﻮﻧﻬﺎي ﻧﻴﻜﻮﻳﻲ ﺑﺮازش ﻣﻲ ﮔﻮﻳﻨﺪ‪.‬‬
‫اﻟﻒ – داده ﻫﺎي ﻛﻤﻲ )آزﻣﻮن ﻛﻠﻤﻮﮔﺮوف – اﺳﻤﻴﺮﻧﻒ ( ‪:‬‬

‫زﻣﺎﻧﻲ ﻛﻪ ﺑﺮاي داده ﻫﺎي ﻛﻤﻲ ﺑﺨﻮاﻫﻴﻢ آزﻣﻮن ﻧﻴﻜﻮﻳﻲ ﺑﺮازش را ﺑﻜﺎر ﺑﺒﺮﻳﻢ از آزﻣﻮن‬
‫ﻛﻠﻤﻮﮔﺮوف – اﺳﻤﻴﺮﻧﻒ اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﻢ ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﻣﻲ ﺧﻮاﻫﻴﻢ ﻓﺮﺿﻬﺎي زﻳﺮ را آزﻣﻮن ﻛﻨﻴﻢ ‪:‬‬
‫)‪H 0 : F ( x) = F0 ( x‬‬
‫)‪H 1 : F ( x) ≠ F0 ( x‬‬
‫‪٩١‬‬
‫ﻣﺜﺎل ‪ :‬ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺒﻴﻨﻴﻢ ﻛﻪ داده ﻫﺎي زﻳﺮ از ﺗﻮزﻳﻊ ﻧﺮﻣﺎل ﭘﻴﺮوي ﻣﻲ ﻛﻨﻨﺪ ﻳﺎ ﺧﻴﺮ؟‬
‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ ﻛﺎر ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻣﻲ ﻛﻨﻴﻢ ‪:‬‬
‫ﺗﺎ ﻛﺎدر ﻣﺤﺎوره اي زﻳﺮ اﻳﺠﺎد ﺷﻮد ‪:‬‬
‫‪٩٢‬‬
‫ﻣﺘﻐﻴﺮ ‪ ran‬را ﺑﻪ ﻗﺴﻤﺖ ‪ Test variable list‬وارد ﻛﻨﻴﺪ ‪ .‬ﮔﺰﻳﻨﻪ ‪ Normal‬را ﺗﻴﻚ ﺑﺰﻧﻴﺪ و ﺳﭙﺲ دﻛﻤﻪ‬
‫‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﺧﺮوﺟﻲ را ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﺒﻴﻨﻴﺪ ‪:‬‬
‫ﺗﺬﻛﺮ‪ :‬آزﻣﻮن ﻛﻠﻤﻮﮔﺮوف – اﺳﻤﻴﺮﻧﻒ از ﻣﻘﺎﻳﺴﻪ ﺗﺎﺑﻊ ﺗﺠﻤﻌﻲ اﺣﺘﻤﺎل ﻣﺸﺎﻫﺪات و ﺗﺎﺑﻊ اﺣﺘﻤﺎل ﺗﻮزﻳﻊ‬
‫ﻣﻔﺮوض‪ ,‬ﻓﺮض ﭘﻴﺮوي ﻣﺸﺎﻫﺪات از ﺗﻮزﻳﻊ اﺣﺘﻤﺎﻟﻲ ﺧﺎص را ﭘﻴﺮوي ﻣﻲ ﻛﻨﺪ ‪.‬‬
‫‪٩٣‬‬
‫ب – داده ﻫﺎي دو ﺣﺎﻟﺘﻲ اﺳﻤﻲ ‪:‬‬

‫ﻓﺮض ﻛﻨﻴﺪ ﺳﻜﻪ اي را ‪ 30‬ﻣﺮﺗﺒﻪ ﭘﺮﺗﺎب ﻛﺮده اﻳﺪ و ﻧﺘﺎﻳﺞ ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ ) ‪ =1‬ﺷﻴﺮ ‪,‬‬
‫‪ =0‬ﺧﻂ ( ‪:‬‬
‫‪ 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1‬‬
‫ﻣﻲ ﺧﻮاﻫﻴﻢ آزﻣﻮن ﻛﻨﻴﻢ ﻛﻪ آﻳﺎ ﺳﻜﻪ ﺳﺎﻟﻢ اﺳﺖ ﻳﺎ ﺧﻴﺮ ؟ ﻣﻲ ﺧﻮاﻫﻴﻢ ﻓﺮض ﻫﺎي زﻳﺮ را آزﻣﻮن ﻛﻨﻴﻢ‪:‬‬
‫‪H 0 = p = 0.5‬‬
‫‪H 1 = p ≠ 0.5‬‬
‫ﺑﺮاي آزﻣﻮن اﻳﻦ ﻓﺮض از آزﻣﻮن دوﺟﻤﻠﻪ اي ﺑﻬﺮه ﻣﻲ ﮔﻴﺮﻳﻢ ‪:‬‬

‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ ﻛﺎر داده ﻫﺎي ﺑﺎﻻ را ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﻴﺮ ‪ toss‬وارد ﻛﺮده و ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ ‪:‬‬
‫ﻛﺎدر ﻣﻜﺎﻟﻤﻪ اي زﻳﺮ را ﻣﺸﺎﻫﺪه ﻣﻲ ﻛﻨﻴﺪ ‪:‬‬
‫‪٩٤‬‬
‫ﻣﺘﻐﻴﺮ ‪ toss‬را ﺑﻪ ﻗﺴﻤﺖ ‪ Test variable list‬وارد ﻛﺮده و ﻣﻘﺪار ‪ Test proportion‬را ‪ 0/5‬وارد‬

‫ﻛﻨﻴﺪ و در ﻗﺴﻤﺖ ‪ Define Dichotomy‬ﮔﺰﻳﻨﻪ اول را اﻧﺘﺨﺎب ﻛﻨﻴﺪ و ﺳﭙﺲ دﻛﻤﻪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‬
‫ﺗﺎ ﺧﺮوﺟﻲ زﻳﺮ ﻇﺎﻫﺮ ﺷﻮد ‪:‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﺧﺮوﺟﻲ ﺑﻪ ﺳﺌﻮاﻟﻲ ﻛﻪ در اﺑﺘﺪاي ﺑﺤﺚ ﻣﻄﺮح ﺷﺪ ﭘﺎﺳﺦ دﻫﻴﺪ‪.‬‬
‫دو ﻧﻮع اﺳﺒﺎب ﺑﺎزي ﻣﻜﺎﻧﻴﻜﻲ و ﻏﻴﺮ ﻣﻜﺎﻧﻴﻜﻲ دارﻳﻢ‪.‬ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺒﻴﻨﻴﻢ ﻛﻪ آﻳﺎدرﻛﻮدﻛﺎن ‪ 5‬ﺳﺎﻟﻪ‬
‫ﺗﻤﺎﻳﻞ ﺑﻪ ﺳﻤﺖ ﻫﺮﻛﺪام از اﻳﻦ اﺳﺒﺎب ﺑﺎزﻳﻬﺎ ﻳﻜﺴﺎن اﺳﺖ؟ ﺑﺪﻳﻦ ﻣﻨﻈﻮر از ‪ 200‬ﻛﻮدك ‪ 5‬ﺳﺎﻟﻪ ﺧﻮاﺳﺘﻪ‬
‫اﻳﻢ ﻛﻪ ﺑﻪ دﻟﺨﻮاه ﻳﻜﻲ از اﻳﻦ اﺳﺒﺎب ﺑﺎزي ﻫﺎ را اﻧﺘﺨﺎب ﻛﻨﻨﺪ و ﻧﺘﺎﻳﺞ ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ‪:‬‬
‫‪٩٥‬‬
‫‪120‬‬ ‫ﻣﻜﺎﻧﻴﻜﻲ‬
‫‪80‬‬ ‫ﻏﻴﺮﻣﻜﺎﻧﻴﻜﻲ‬
‫از اﻳﻦ داده ﻫﺎ ﭼﻪ اﺳﺘﻨﺒﺎﻃﻲ دارﻳﺪ ؟‬

‫وزن ‪ 20‬ﺑﺎزﻳﻜﻦ ﻓﻮﺗﺒﺎل ﻛﻪ ﺑﻪ ﺗﺼﺎدف از ﺗﻴﻤﻬﺎي ﻓﻮﺗﺒﺎل ﻳﻚ ﺷﻬﺮ اﻧﺘﺨﺎب ﺷﺪه اﻧﺪ ﺑﻪ ﺻـﻮرت‬
‫‪64‬‬ ‫‪75‬‬ ‫‪71/5‬‬ ‫‪81‬‬
‫‪67‬‬ ‫‪69/5‬‬ ‫‪70‬‬ ‫‪83‬‬

‫‪90‬‬ ‫‪95‬‬ ‫‪58/5‬‬ ‫‪94‬‬
‫‪59‬‬ ‫‪62‬‬ ‫‪88‬‬ ‫‪97‬‬

‫‪59/5‬‬ ‫‪60‬‬ ‫‪61/5‬‬ ‫‪80‬‬
‫آﻳﺎ ﻣﻴﺘﻮان ﮔﻔﺖ ﻛﻪ ‪:‬‬
‫اﻟﻒ ‪ 60-‬درﺻﺪ از ﺑﺎزﻳﻜﻨﺎن ﻓﻮﺗﺒﺎل اﻳﻦ ﺷﻬﺮ ﻛﻤﺘﺮ از ‪ 65kg‬وزن دارﻧﺪ؟‬
‫ب‪ 40 -‬درﺻﺪ از ﺑﺎزﻳﻜﻨﺎن ﻓﻮﺗﺒﺎل اﻳﻦ ﺷﻬﺮ ﺑﻴﺸﺘﺮاز ‪ 60kg‬وزن دارﻧﺪ ؟‬
‫پ ( آزﻣﻮن ﺗﻄﺎﺑﻖ ﺗﻮزﻳﻊ ﺑﺎ ﺳﻪ ﻃﺒﻘﻪ ﻳﺎ ﺑﻴﺸﺘﺮ ) آزﻣﻮن ‪: ( Chi – Square ‬‬

‫ﻓﺮض ﻛﻨﻴﺪ ﻣﻲ ﺧﻮاﻫﻴﻢ آزﻣﻮن ﻛﻨﻴﻢ ﻛﻪ آﻳﺎ ﻧﺴﺒﺖ ﺑﺎ ﺳﻮادي در ﮔﺮوه ﻫﺎﻳﻲ ﺑﺎ درآﻣﺪﻫﺎي ﻣﺨﺘﻠﻒ ﻳﻜﺴﺎن‬
‫اﺳﺖ ﻳﺎ ﺧﻴﺮ؟ ﻳﺎ ﺗﻮزﻳﻊ ﻧﻤﺮات داﻧﺸﺠﻮﻳﺎن ﻳﻚ درس در ﺑﺎزه ﻫﺎي ﻣﺨﺘﻠﻒ ﻳﻜﺴﺎن اﺳﺖ ﻳﺎ ﺧﻴﺮ؟ و ﺑﻪ‬
‫ﻃﻮر ﻛﻠﻲ ﻣﻲ ﺧﻮاﻫﻴﻢ ﺗﻮزﻳﻊ ﻧﺴﺒﺖ ﻣﻘﺎدﻳﺮ ﻳﻚ ﻣﺘﻐﻴﺮ در رده ﻫﺎي ﻣﺨﺘﻠﻒ را ﺑﺎ ﺗﻮزﻳﻊ از ﭘﻴﺶ ﺗﻌﻴﻴﻦ‬
‫ﺷﺪه اي ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ ‪ .‬ﺑﺮاي اﻳﻦ ﻛﺎر آزﻣﻮن ‪ Chi – Square‬را ﺑﻪ ﻛﺎر ﻣﻲ ﺑﺮﻳﻢ‪.‬‬
‫ﻣﺜﺎل ‪ :‬داده ﻫﺎي ﺻﻔﺤﺔ ‪ 20‬ﺟﺰوه را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ .‬ﻣﻲ ﺧﻮاﻫﻴﻢ آزﻣﻮن ﻛﻨﻴﻢ ﻛﻪ آﻳﺎ اوزان ﻛﺮه ﻫﺎ در ‪7‬‬
‫رده وزﻧﻲ ﺳﺎﺧﺘﻪ ﺷﺪه ﺑﻄﻮر ﻳﻜﺴﺎﻧﻲ ﺗﻮزﻳﻊ ﺷﺪه اﻧﺪ ﻳﺎ ﺧﻴﺮ ؟‬
‫‪٧٣‬‬
‫ﺑﺮاي اﻳﻦ ﻛﺎر ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ ‪:‬‬
‫ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪ اي زﻳﺮ ﺑﺎز ﺷﻮد ‪:‬‬
‫ﻣﺘﻐﻴﺮ‪ new‬را ﺑﻪ ﻗﺴﻤﺖ ‪ Test variable list ‬وارد ﻛﺮده و ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﺧﺮوﺟﻲ را ﺑﻪ ﺻﻮرت‬
‫زﻳﺮ ﻣﺸﺎﻫﺪه ﻛﻨﻴﺪ ‪:‬‬
‫‪٧٤‬‬
‫در ﻗﺴﻤﺖ ‪ Expected Range‬ﻣﻲ ﺗﻮاﻧﻴﺪ ﺑﺮد داده ﻫﺎ‪ ,‬و در ﻗﺴﻤﺖ ‪ Expected Values‬ﻧﻴﺰ ﻣﻲ‬
‫ﺗﻮاﻧﻴﺪ ﻧﺴﺒﺖ رده را ﺧﻮدﺗﺎن ﺗﻌﻴﻴﻦ ﻛﻨﻴﺪ ‪.‬‬
‫آزﻣﻮن ﺗﺼﺎدﻓﻲ ﺑﻮدن ) ﮔﺮدش ( ‪:‬‬

‫در ﺑﺴﻴﺎري از آﻧﺎﻟﻴﺰﻫﺎي آﻣﺎري ﻳﻜﻲ از ﻓﺮﺿﻬﺎي اﺳﺎﺳﻲ "ﺗﺼﺎدﻓﻲ ﺑﻮدن ﻣﺸﺎﻫﺪات"اﺳﺖ‪ .‬ﺑﺮاي ﻣﺜﺎل در‬
‫ﺑﺮرﺳﻲ ﻣﺎﻧﺪه ﻫﺎي ﻳﻚ ﻣﺪل آﻣﺎري ‪ ,‬ﺑﺮﻗـﺮاري ﻓـﺮض ﺗﺼـﺎدﻓﻲ ﺑـﻮدن )اﺳـﺘﻘﻼل ﻣﺸـﺎﻫﺪات ( ﺣﻴـﺎﺗﻲ‬
‫اﺳﺖ‪.‬اﻧﺤﺮاف از ﻓﺮض ﺗﺼﺎدﻓﻲ ﺑﻮدن ﻣﻲ ﺗﻮاﻧﺪ ﺑﻪ دﻟﻴﻞ وﺟﻮد روﻧﺪﻫﺎي اﻓﺰاﻳﺸﻲ ﻳﺎ ﻛﺎﻫﺸـﻲ‪ ,‬رﻓﺘﺎرﻫـﺎي‬
‫دوره اي ﻳﺎ اﻓﺰاﻳﺶ ﺗﻐﻴﻴﺮﭘﺬﻳﺮي و ﺑﺮﺧﻲ ﻋﻠﻞ دﻳﮕﺮ ﺑﺎﺷﺪ‪.‬‬
‫ﻣﺜﺎل ‪ :‬ﻓﺮض ﻛﻨﻴﺪ ﻧﺘﺎﻳﺞ ‪ 20‬ﺑﺎر ﭘﺮﺗﺎب ﻳﻚ ﺳﻜﻪ ﺑﺼﻮرت زﻳﺮ اﺳﺖ )‪ =1‬ﺷﻴﺮ ‪ =0 ,‬ﺧﻂ ( ‪:‬‬
‫‪0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1‬‬
‫ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺪاﻧﻴﻢ ﻛﻪ آﻳﺎ اﻳﻦ ﻧﺘﺎﻳﺞ ﺗﺼﺎدﻓﻲ اﺳﺖ ﻳﺎ ﺧﻴﺮ ؟‬
‫ﺑﺮاي اﻧﺠﺎم اﻳﻦ ﻛﺎر اﺑﺘﺪا داده ﻫﺎ را ﺑﻪ ﻋﻨﻮان ﻣﺘﻐﻴﺮ ‪ Outcome‬وارد ‪ SPSS‬ﻛﻨﻴﺪ و ﺳﭙﺲ ﻣﺴﻴﺮ زﻳﺮ را‬
‫ﻃﻲ ﻛﻨﻴﺪ ‪:‬‬
‫‪٧٥‬‬
‫ﺗﺎ ﻛﺎدر ﻣﺤﺎوره اي زﻳﺮ ﺑﺎز ﺷﻮد ‪:‬‬
‫در ﻛﺎدر ﻣﺤﺎوره اي ﺑﺎﻻ ﻣﺘﻐﻴﺮ ‪ Outcome‬را ﺑﻪ ﻗﺴﻤﺖ ‪ Test variable list‬ﺑﺮده و در ﻗﺴﻤﺖ‬

‫‪ Cut point‬ﺧﻂ ﻣﺒﻨﺎي ﺗﺸﺨﻴﺺ ﻧﻮﺳﺎﻧﺎت ﺗﺼﺎدﻓﻲ را اﻧﺘﺨﺎب ﻛﻨﻴﺪ ) ﺑﺮاي ﻣﺜﺎل ﻣﻴﺎﻧﻪ را اﻧﺘﺨﺎب ﻛﻨﻴﺪ(‬
‫و دﻛﻤﻪ ‪ Ok ‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ و ﺧﺮوﺟﻲ را ﺑﻪ ﺻﻮرت زﻳﺮ ﻣﺸﺎﻫﺪه ﻛﻨﻴﺪ ‪:‬‬
‫‪٧٦‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﺧﺮوﺟﻲ ﺑﻪ ﺳﺌﻮاﻟﻲ ﻛﻪ در اﺑﺘﺪاي ﺑﺤﺚ ﻣﻄﺮح ﺷﺪ ﭘﺎﺳﺦ دﻫﻴﺪ ‪.‬‬
‫ﺑﺎ اﻧﺘﺨﺎب ﻫﺮ ﺧﻂ ﻣﺒﻨﺎﻳﻲ‪ ,‬ﻛﻮﭼﻜﺘﺮ از آن‪ ,‬ﻛﺪ ﺻﻔﺮ و ﺑﻪ ﻣﻘﺎدﻳﺮ ﺑﺰرﮔﺘﺮ ﻳﺎ ﻣﺴﺎوي ﺑﺎ آن‪ ,‬ﻛﺪ ﻳﻚ‬
‫ﺧﻮاﻫﻨﺪ داﺷﺖ و ﺑﺎ ﺳﺎﺧﺘﻦ دﻧﺒﺎﻟﻪ ﻣﺸﺎﻫﺪات ﺑﺎ ﻣﻘﺎدﻳﺮ ﺻﻔﺮ و ﻳﻚ آزﻣﻮن ﮔﺮدش اﺟﺮا ﻣﻲ ﺷﻮد ‪.‬‬
‫ﺗﻌﺪاد داﻧﺸﺠﻮﻳﺎﻧﻲ را ﻛﻪ ﺳﺎﻋﺖ ‪ 8‬ﺻﺒﺢِ ‪ 20‬روز ﺗﺤﺼﻴﻠﻲ‪ ,‬ﻳﻚ اﺗﻮﺑﻮس از ﺧﻮاﺑﮕﺎه ﺑﻪ داﻧﺸﮕﺎه ﻣﻲ ﺑﺮد‪,‬‬
‫اﻋﺪاد زﻳﺮ ﻣﻲ ﺑﺎﺷﺪ ‪:‬‬
‫‪21‬‬ ‫‪24‬‬ ‫‪23‬‬ ‫‪15‬‬ ‫‪32‬‬ ‫‪28‬‬ ‫‪26‬‬ ‫‪17‬‬ ‫‪20‬‬ ‫‪28‬‬
‫‪30‬‬ ‫‪24‬‬ ‫‪13‬‬ ‫‪35‬‬ ‫‪26‬‬ ‫‪21‬‬ ‫‪19‬‬ ‫‪29‬‬ ‫‪27‬‬ ‫‪18‬‬
‫آﻳﺎ اﻳﻦ داده ﻫﺎ ﻳﻚ ﻧﻤﻮﻧﻪ ﺗﺼﺎدﻓﻲ اﻧﺪ؟‬
‫‪٧٧‬‬
‫ارﺗﺒﺎط و راﺑﻄﻪ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎ‬

‫در ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ آﻣﺎري ﺑﺠﺰ اﻃﻼﻋﺎﺗﻲ ﻛﻪ در ﻣﻮرد ﻫﺮ ﻣﺘﻐﻴﺮ ﺑﺪﺳﺖ ﻣﻲ آورﻳﻢ‪ ،‬ﻋﻼﻗﻪﻣﻨﺪﻳﻢ ﺗﺎ‬
‫ﻧﺤﻮة ارﺗﺒﺎط ﻣﺘﻐﻴﺮﻫﺎ را ﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﻴﻢ‪:‬‬
‫‪ -‬آﻳﺎ راﺑﻄﻪ اي ﺑﻴﻦ ﻗﺪ ﺷﺨﺺ ﺑﺎ وزن او وﺟﻮد دارد؟‬
‫‪ -‬آﻳﺎ ﻣﻌﺪل داﻧﺶ آﻣﻮزان راﺑﻄﻪ اي ﺑﺎ ﺷﻐﻞ واﻟﺪﻳﻦ دارد؟ ‪ ‬‬
‫‪ -‬آﻳﺎ رﻧﮓ ﭘﻮﺳﺖ ﻳﻚ ﻣﺠﺮم ﺗﺎﺛﻴﺮي در راي دادﮔﺎه ﻋﻠﻴﻪ وي دارد؟ ‪ ‬‬
‫‪-‬آﻳﺎ ﺑﻌﺪ از ﻳﻚ ﻋﻤﻞ ﺟﺮاﺣﻲ ﺷﺪت ﺿﺮﺑﺎن ﻗﻠﺐ ﺑﺎ ﻣﻘﺪار داروي ﺑﻴﻬﻮﺷﻲ ﻣﺼﺮف ﺷﺪه ارﺗﺒﺎط دارد؟ ‪ ‬‬
‫‪-‬آﻳﺎ ﻣﻘﺪار ﻣﺤﺼﻮل ﻳﻚ ﻣﺰرﻋﻪ ﺑﺎ ﻧﻮع ﻛﻮد ﻣﺼﺮﻓﻲ در آن ارﺗﺒﺎط دارد؟ ‪ ‬‬
‫در ﺣﻘﻴﻘﺖ در اﻛﺜﺮ ﺑﺮرﺳﻲ ﻫﺎي آﻣﺎري ﺑﺎ ﺳﺌﻮاﻻﺗﻲ ازاﻳﻦ دﺳﺘﻪ ﺑﻪ وﻓﻮر ﺑﺮﺧـﻮرد ﺧـﻮاﻫﻴﻢ ﻛـﺮد‪ .‬وﻟـﻲ ﺑـﺎ‬
‫ﺗﺄﻣﻠﻲ در ﻣﺘﻐﻴﺮﻫﺎي ﺑﻪ ﻛﺎر رﻓﺘﻪ در ﻫﺮ ﻣﻮرد ﻣﻲ ﺑﻴﻨﻴﻢ ﻛﻪ ﻧﻤﻲ ﺗـﻮان ﺗﻤـﺎﻣﻲ ﺳـﺌﻮاﻻت ﻓـﻮق را در ﻳـﻚ‬
‫دﺳﺘﻪ ﻗﺮار داد‪ .‬در واﻗﻊ ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻣﺎﻳﻞ ﺑﻪ ﻛﺸﻒ راﺑﻄﻪ ﺑـﻴﻦ آﻧﻬـﺎ ﻫﺴـﺘﻴﻢ‪ ،‬روش ﻫـﺎي‬
‫آﻣﺎري ﻣﺨﺘﻠﻔﻲ را ﺑﻪ ﻛﺎر ﺧﻮاﻫﻴﻢ ﮔﺮﻓﺖ‪ .‬ﺑﺮاي ﺷﺮوع ﻛﺎر ﻓﺮض ﻣﻲ ﻛﻨﻴﻢ ﺗﻨﻬﺎ ﺑﺎ ‪ 2‬ﻣﺘﻐﻴﺮ روﺑـﺮو ﻫﺴـﺘﻴﻢ‪،‬‬
‫ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع دو ﻣﺘﻐﻴﺮ ﻧﺤﻮه اﻧﺠﺎم آﻧﺎﻟﻴﺰﻫﺎي آﻣﺎري را ﺷﺮح ﻣﻲ دﻫﻴﻢ‪:‬‬
‫‪-1‬ارﺗﺒﺎط ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻋﺪدي‪:‬‬

‫ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ وﺳﻴﻠﻪ ي ﻣﻨﺎﺳﺒﻲ ﺑﺮاي ﻛﺸﻒ راﺑﻄﻪ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻋﺪدي اﺳﺖ‪ .‬ﻗﺒﻞ از ﺑﺪﺳﺖ‬
‫آوردن ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭘﻴﺮﺳﻮن ) ﺑﺮاي دو ﻣﺘﻐﻴﺮ ﻋﺪدي ( ﺑﺎﻳﺴﺘﻲ ﻛﻪ ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ داده ﻫﺎ را رﺳﻢ‬
‫ﻛﻨﻴﻢ‪.‬‬
‫ﻣﺜﺎل )ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ )‪ (Scatter plot‬و ﺑﺮرﺳﻲ ﻣﻌﻨﻲ داري راﺑﻄﻪ (‪ :‬ﺟﻬﺖ ﺑﺮرﺳﻲ راﺑﻄﺔ ﺑﻴﻦ ﺿﺮﻳﺐ‬
‫ﻫﻮﺷﻲ ﻓﺮد و ﻧﻤﺮه رﻳﺎﺿﻲ از ‪ 10‬ﻧﻔﺮ‪ ،‬اﻳﻦ ﺻﻔﺎت در ﺟﺪول زﻳﺮ ﺛﺒﺖ ﺷﺪه اﺳﺖ ‪:‬‬
‫ﻧﻤﺮه‬
‫‪ 27‬‬ ‫‪ 16‬‬ ‫‪ 20‬‬ ‫‪ 18‬‬ ‫‪ 28‬‬ ‫‪ 18‬‬ ‫‪ 24‬‬ ‫‪ 20‬‬ ‫‪ 25‬‬ ‫‪ 31‬‬
‫رﻳﺎﺿﻲ‬
‫ﺿﺮﻳﺐ‬
‫‪ 127‬‬ ‫‪ 106‬‬ ‫‪ 113‬‬ ‫‪ 114‬‬ ‫‪ 125‬‬ ‫‪ 105‬‬ ‫‪ 123‬‬ ‫‪ 110‬‬ ‫‪ 112‬‬ ‫‪ 120‬‬
‫ﻫﻮﺷﻲ ‪ ‬‬
‫‪٧٨‬‬
‫اﺑﺘﺪا داده ﻫﺎ را در دو ﺳﺘﻮن‪ ،‬در ﻣﺤﻴﻂ ‪ SPSS‬وارد ﻛﻨﻴﺪ‪.‬ﺣﺎل ﻣﺴﻴﺮ زﻳﺮ را ﺑﺮاي رﺳﻢ ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ ﻃﻲ‬
‫ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر ﻣﺮﺑﻮﻃﻪ ﺑﺎز ﺷﻮد‪ .‬ﻣﺘﻐﻴﺮ ﻫﺎ را ﺑﻪ ﺻﻮرت زﻳﺮ ﻧﺎﻣﮕﺬاري و وارد ﻛﻨﻴﺪ ‪:‬‬
‫در ﻛﺎدر زﻳﺮﮔﺰﻳﻨﻪ ‪ Simple Scatter‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ و دﻛﻤﻪ ‪ Define‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪:‬‬
‫ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪ اي زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬
‫‪٧٩‬‬
‫‪ ‬‬
‫دﻛﻤﻪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬ﻧﻤﻮدار رﺳﻢ ﺷﺪه ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪٨٠‬‬
‫ﻣﻼﺣﻈﻪ ﻣﻲ ﻛﻨﻴﺪ ﻛﻪ ﺑﺎ اﻓﺰاﻳﺶ ﻣﻘﺎدﻳﺮ ‪ ،IQ‬ﻣﻘﺎدﻳﺮ ﻣﺘﻨﺎﻇﺮ ‪ Score‬ﻫﻢ اﻓﺰاﻳﺶ ﻣﻲ ﻳﺎﺑﻨﺪ و ﺑـﻪ ﻧﻈـﺮ‬
‫ﻣﻲ رﺳﺪ ﻣﻘﺎدﻳﺮ ‪ IQ‬و‪ Score‬ﺑﺎ ﻫﻢ راﺑﻄﻪ دارﻧﺪ‪ .‬ﺑﺎ اﻳﻨﻜﻪ ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ وﺳﻴﻠﻪ ﺧﻮﺑﻲ ﺑﺮاي ﺑﻴـﺎن راﺑﻄـﻪ‬
‫ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﻋﺪدي اﺳﺖ‪ ،‬وﻟﻲ ﻋﻼﻗﻪ ﻣﻨﺪﻳﻢ ﺑﻮﺳﻴﻠﻪ ﻳﻚ ﺷﺎﺧﺺ آﻣﺎري ﺷﺪت اﻳﻦ راﺑﻄﻪ را ﺑﻴﺎن ﻛﻨﻴﻢ‪.‬‬
‫ﺷﺎﺧﺺ آﻣﺎري ﻛﻪ ﺑﺮاي ﻧﺸﺎن دادن ﺳﻄﺢ ارﺗﺒﺎط دو ﻣﺘﻐﻴﺮ ﻋﺪدي ﺑﻪ ﻛﺎر ﻣﻲ رود ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ‬
‫اﺳﺖ ﻛﻪ ﻋﺪدي اﺳﺖ ﺑﻴﻦ ‪ -1‬و ‪ .1‬ﻫﺮ ﭼﻪ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻪ ﺻﻔﺮ ﻧﺰدﻳﻜﺘﺮ ﺑﺎﺷﺪ‪ .‬ﻧﺸﺎن دﻫﻨﺪه ﻋﺪم‬
‫وﺟﻮد راﺑﻄﻪ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ اﺳﺖ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺜﺒﺖ‪ ،‬راﺑﻄﻪ ﻫﻢ ﺟﻬﺖ را ﻧﺸﺎن ﻣﻲدﻫﺪ و ﺿﺮﻳﺐ‬
‫ﻫﻤﺒﺴﺘﮕﻲ ﻣﻨﻔﻲ‪ ،‬ﻣﺒﻴﻦ راﺑﻄﻪ ﻋﻜﺲ اﺳﺖ‪ .‬در ‪ SPSS‬از ‪ 3‬ﻧﻮع ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد‪:‬‬
‫‪ (1‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺳﺎده )‪ : (Pearson‬در ﺣﺎﻟﺘﻲ ﻛﻪ ﻫﺮ دو ﻣﺘﻐﻴﺮ داراي ﻣﻘﻴﺎس ﻓﺎﺻﻠﻪ اي ﺑﺎﺷﻨﺪ‬
‫ﺑﻪ ﻛﺎر ﻣﻲ رود‪.‬‬
‫‪ (2‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ : Spearman‬ﺑﻪ ﺟﺎي ﻣﻘﺎدﻳﺮ ﻣﺘﻐﻴﺮﻫﺎ‪ ،‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ Spearman‬ﺑﺎ‬
‫رﺗﺒﻪ ﻫﺎي دو ﻣﺘﻐﻴﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﺷﻮد‪ .‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ Spearman‬در ﻣﻮاردي ﻛﻪ ﺣﺪاﻗﻞ ﻳﻜﻲ از‬
‫ﻣﺘﻐﻴﺮﻫﺎ ‪ ordinal‬ﺑﺎﺷﺪ‪ ،‬ﺑﻪ ﻛﺎر ﻣﻲ رود‪.‬‬
‫‪ (3‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ : kendall's tau‐b‬ﻫﻤﺎﻧﻨﺪ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ Spearman‬ﻳﻚ ﺿﺮﻳﺐ‬
‫ﻫﻤﺒﺴﺘﮕﻲ ﻧﺎﭘﺎراﻣﺘﺮي اﺳﺖ و ﻫﻨﮕﺎﻣﻲ ﻛﻪ ﻣﻘﻴﺎس ﺣﺪاﻗﻞ ﻳﻜﻲ از ﻣﺘﻐﻴﺮﻫﺎ ‪ ordinal‬ﺑﺎﺷﺪ ﺑﻪ ﻛﺎر ﺧﻮاﻫﺪ‬
‫رﻓﺖ‪.‬‬
‫ﺑﺮاي داده ﻫﺎي ‪ IQ‬و ‪ Score‬ﻣﺜﺎل ﻗﺒﻞ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺳﺎده ) ‪ ( Pearson‬و ‪ Spearman‬را‬
‫ﻣﺤﺎﺳﺒﻪ ﻛﻨﻴﺪ‪.‬‬
‫ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺳﺎده ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٨١‬‬
‫در ﻛﺎدر ﻇﺎﻫﺮ ﺷﺪه‪ ،‬ﻫﺮ دو ﻣﺘﻐﻴﺮ ‪ IQ‬و‪ Score‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ )ﺗﻮﺟﻪ ﻛﻨﻴﺪ ﻛﻪ در ﻗﺴﻤﺖ ‪Correlation ‬‬
‫‪ ،coefficient‬ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ Pearson‬اﻧﺘﺨﺎب ﺷﺪه ﺑﺎﺷﺪ(‪ :‬‬
‫ﺳﭙﺲ دﻛﻤﻪ ‪ ok‬را ﻓﺸﺎر دﻫﻴﺪ‪ .‬ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫ﻣﺸﺎﻫﺪه ﻣﻲ ﻛﻨﻴﺪ ﻛﻪ ﺿـﺮﻳﺐ ﻫﻤﺒﺴـﺘﮕﻲ ‪ IQ‬و‪ ،IQ‬ﻫﻤﭽﻨـﻴﻦ ‪ Score‬و ‪ Score‬ﺑﺮاﺑـﺮ ﻳـﻚ اﺳـﺖ و‬
‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ‪ IQ‬و ‪ Score‬ﻫﻢ ‪ 0.795‬اﺳﺖ در ﺿﻤﻦ آزﻣـﻮن ﻣﻌﻨـﺎداري ﺿـﺮﻳﺐ ﻫﻤﺒﺴـﺘﮕﻲ ﻫـﻢ‬
‫اﻧﺠﺎم ﺷﺪه اﺳﺖ ﻛﻪ ﺻﻔﺮ آزﻣﻮن ﺑﻪ ﺻﻮرت ‪ H 0 : ρ = 0‬ﻣﻲ ﺑﺎﺷﺪ‪ .‬اﮔﺮ ﻓﺮض ‪ H0‬رد ﻣﻲ ﺷﻮد ﺑـﻪ اﻳـﻦ‬
‫ﻣﻌﻨﻲ اﺳﺖ ﻛﻪ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﺻﻔﺮ ﻧﻴﺴﺖ )اﺻﻄﻼﺣﺎً ﻣﻌﻨﺎدار اﺳﺖ‪(.‬‬
‫‪٨٢‬‬
‫ﻣﺜﺎل‪ :‬ﻣﺼﺎﺣﺒﻪ ﻛﻨﻨﺪه اي ﻛﻪ ﻣﺴﺌﻮل اﺳﺘﺨﺪام ﺗﻌﺪاد زﻳﺎدي ﻣﺎﺷﻴﻦ ﻧﻮﻳﺲ اﺳﺖ ﻣﻲ ﺧﻮاﻫﺪ ﻗﺪرت راﺑﻄﺔ‬
‫ﺑﻴﻦ رﺗﺒﻪ ﻫﺎي داده ﺷﺪه ﺑﺮ ﻣﺒﻨﺎي ﻳﻚ ﻣﺼﺎﺣﺒﻪ و ﻧﻤﺮات ﻳﻚ آزﻣﻮن اﺳﺘﻌﺪاد را ﺗﻌﻴﻴﻦ ﻛﻨﺪ‪ .‬داده ﻫﺎي ‪6‬‬
‫ﻣﺘﻘﺎﺿﻲ ﻋﺒﺎرﺗﻨﺪ از ‪:‬‬
‫رﺗﺒﺔ ﻣﺼﺎﺣﺒﻪ‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪4‬‬
‫ﻧﻤﺮة اﺳﺘﺎﻧﺪارد‬ ‫‪47‬‬ ‫‪32‬‬ ‫‪29‬‬ ‫‪28‬‬ ‫‪56‬‬ ‫‪38‬‬
‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ اﺳﭙﻴﺮﻣﻦ و ﻛﻨﺪال‪-‬ﺗﺎو را ﺑﺪﺳﺖ ﻣﻲ آورﻳﻢ و ﻣﻌﻨﻲ داري راﺑﻄﺔ را ﻧﻴﺰ ﺑﺮرﺳﻲ ﻣﻴﻜﻨﻴﻢ‪:‬‬
‫اﺑﺘﺪا ﻣﺘﻐﻴﺮﻫﺎ را ﺑﺎ ﻧﺎم ‪ standard‬و‪ interview‬در ‪ SPSS‬وارد ﻛﻨﻴﺪ‪ .‬در ﻛﺎدر ﻣﻜﺎﻟﻤﻪ اي ﻗﺒﻞ ﻣﺘﻐﻴﺮﻫـﺎ‬
‫را وارد ﻛﺮده و ﮔﺰﻳﻨﻪ ﻫﺎي ‪ kendall's tua‐b‬و ‪ spearman‬را ﺗﻴﻚ دار ﻛﻨﻴﺪ‪.‬‬
‫ﺣﺎل ﮔﺰﻳﻨﺔ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﻧﻤﺎﻳﺶ داده ﺷﻮد‪:‬‬
‫‪٨٣‬‬
‫ﺧﺮوﺟﻲ را ﺗﻔﺴﻴﺮ ﻛﻨﻴﺪ)؟(‬

‫ﺗﻤﺮﻳﻦ‪ :‬ﻣﺤﻘﻘﻲ ﻣﺎﻳﻞ اﺳﺖ ﺑﺪاﻧﺪ آﻳﺎ ﺑﻴﻦ ﺳﻦ اﻓﺮاد و ﻗﺪرت ﺑﺪﻧﻲ اﻓﺮاد راﺑﻄﻪ اي ﺧﻄﻲ وﺟﻮد دارد ﻳﺎ‬
‫ﻧﻪ؟ داده ﻫﺎي ﺟﻤﻊ آوري ﺷﺪه ﺗﻮﺳﻂ وي ﺑﻪ ﺻﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫ﺳﻦ‬ ‫ﻗﺪرت ﺑﺪﻧﻲ‬
‫‪10‬‬ ‫‪12‬‬
‫‪15‬‬ ‫‪45‬‬
‫‪20‬‬ ‫‪75‬‬
‫‪25‬‬ ‫‪70‬‬
‫‪30‬‬ ‫‪63‬‬
‫‪35‬‬ ‫‪60‬‬
‫‪40‬‬ ‫‪55‬‬
‫‪45‬‬ ‫‪50‬‬
‫‪50‬‬ ‫‪40‬‬
‫‪55‬‬ ‫‪30‬‬
‫‪60‬‬ ‫‪28‬‬
‫‪65‬‬ ‫‪25‬‬
‫‪70‬‬ ‫‪20‬‬
‫‪75‬‬ ‫‪15‬‬
‫‪80‬‬ ‫‪5‬‬
‫آﻳﺎ ﺑﻴﻦ ﺳﻦ اﻓﺮاد و ﻗﺪرت ﺑﺪﻧﻲ اﻓﺮاد راﺑﻄﻪ اي ﺧﻄﻲ وﺟﻮد دارد؟‬
‫‪٨٤‬‬
‫‪-2‬ارﺗﺒﺎط ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي رﺳﺘﻪ اي‪:‬‬

‫در اﻳﻦ ﺑﺨﺶ ﺑﺎ ﺳﻮاﻻﺗﻲ ﺑﺪﻳﻦ ﺻﻮرت روﺑﺮو ﻫﺴﺘﻴﻢ‪:‬‬
‫‪ -‬آﻳﺎ راﺑﻄﻪ اي ﺑﻴﻦ ﺟﻨﺴﻴﺖ و ﺳﻴﮕﺎري ﺑﻮدن اﻓﺮاد وﺟﻮد دارد؟ ﻳﻌﻨﻲ ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻣﺮدان ﺑﻴﺶ‬
‫از زﻧﺎن ﮔﺮاﻳﺶ ﺑﻪ ﺳﻴﮕﺎر داﺷﺘﻪ ﺑﺎﺷﻨﺪ؟‬
‫‪ -‬آﻳﺎ ﮔﺮاﻳﺶ ﺳﻴﺎﺳﻲ ﻳﻚ ﺷﺨﺺ )دﻣﻜﺮات – ﺟﻤﻬﻮري ﺧﻮاه( ﺑﺎ ﮔـﺮاﻳﺶ ﻣـﺬﻫﺒﻲ او )ﻣﺴـﻴﺤﻲ –‬
‫ﻳﻬﻮدي – ﻣﺴﻠﻤﺎن – ﻏﻴﺮه(راﺑﻄﻪ اي دارد؟‬
‫‪ -‬ﺟﺪاول ﺗﻮاﻓﻘﻲ‪:‬‬
‫اوﻟﻴﻦ ﻗﺪم در آﻧﺎﻟﻴﺰ ﻣﺴﺎﺋﻠﻲ ﺑﻪ اﻳﻦ ﺻﻮرت‪ ،‬رﺳﻢ ﺟﺪول ﺗﻮاﻓﻘﻲ اﺳﺖ‪ .‬ﺟﺪول ﺗﻮاﻓﻘﻲ دو ﻣﺘﻐﻴﺮ رﺳـﺘﻪ‬
‫اي‪ ،‬ﺑﻪ ﺗﻌﺪاد رﺳﺘﻪ ﻫﺎي ﻣﺘﻐﻴﺮ اول ﺳﻄﺮ و ﺑﻪ ﺗﻌﺪاد رﺳﺘﻪ ﻫﺎي ﻣﺘﻐﻴﺮ دوم‪ ،‬ﺳﺘﻮن دارد و در ﻫﺮ ﺧﺎﻧﻪ اﻳـﻦ‬
‫ﺟﺪول ﺗﻌﺪاد ﻓﺮاواﻧﻴﻬﺎي ﻣﺮﺑﻮط ﺑﻪ آن ﺣﺎﻟﺖ ﻗﺮار ﻣﻲ ﮔﻴﺮد )ﺑﻪ ﺟﺎي ﻓﺮاواﻧﻲ‪ ،‬ﻣﻤﻜﻦ اﺳﺖ درﺻﺪ ﻓﺮاواﻧـﻲ‬
‫ﻧﻮﺷﺘﻪ ﺷﻮد(‬
‫داده ﻫﺎي زﻳﺮ ﻧﺘﺎﻳﺞ ﻳﻚ ﺑﺮرﺳﻲ ﺑﺮ روي ‪ 30‬ﻧﻔﺮ اﺳﺖ ﻛﻪ ﺟﻨﺴـﻴﺖ و ﺳـﻴﮕﺎري ﺑـﻮدن )ﻳـﺎ ﻧﺒـﻮدن(‬
‫ﭘﺮﺳﻴﺪه ﺷﺪه اﺳﺖ‪:‬‬
‫ﺑﺮاي رﺳﻢ ﺟﺪول ﺗﻮاﻓﻘﻲ داده ﻫﺎي ﻓﻮق ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٨٥‬‬
‫ﺗﺎ ﻛﺎدر زﻳﺮ ﺑﺎز ﺷﻮد ‪:‬‬
‫ﻣﻄﺎﺑﻖ ﺗﺼﻮﻳﺮ‪ ،‬ﻣﺘﻐﻴﺮ ‪ sex‬را ﺑﻪ ﻗﺴﻤﺖ ‪ Row‬و ﻣﺘﻐﻴﺮ ‪ Sigari‬را ﺑﻪ ﻗﺴﻤﺖ )‪ Column(s‬ﺑﺒﺮﻳﺪ و‬
‫دﻛﻤﻪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪٨٦‬‬
‫ﺟﺪول اول ﺗﻌﺪاد داده ﻫﺎي ﻣﻮﺟﻮد‪ ،‬ﮔﻤﺸﺪه و ﻛﻞ داده ﻫﺎ را ﻧﺸﺎن ﻣﻲ دﻫﺪ و ﺟﺪول دوم‪ ،‬ﺟﺪول ﺗﻮاﻓﻘﻲ‬
‫دو ﻣﺘﻐﻴﺮ ﻓﻮق اﺳﺖ ﻛﻪ ﺗﻌﺪاد ﻣﺮدان ﺳﻴﮕﺎري‪ ،‬زﻧﺎن ﺳﻴﮕﺎري‪ ،‬ﻣﺮدان ﻏﻴﺮﺳﻴﮕﺎري و زﻧﺎن ﻏﻴﺮﺳـﻴﮕﺎري را‬
‫ﻧﺸﺎن ﻣﻲ دﻫﺪ‪.‬‬
‫ﻛﻠﻴﻚ‬ ‫ﺑﺮاي ﻣﺸﺎﻫﺪه درﺻﺪﻫﺎ و ﻣﻘﺎدﻳﺮ ﻣﻮرداﻧﺘﻈﺎر در ﻛﺎدر اﺻﻠﻲ ‪ Crosstabs‬روي دﻛﻤﻪ‬
‫ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬
‫ﻣﻄﺎﺑﻖ ﺗﺼﻮﻳﺮ ﺑﺎﻻ‪ ،‬ﻣﻘﺎدﻳﺮ ﻣﻮرداﻧﺘﻈﺎر‪ ،‬درﺻﺪﻫﺎي ﺳﻄﺮي‪ ،‬ﺳﺘﻮﻧﻲ و ﻛﻞ را اﻧﺘﺨﺎب ﻛﻨﻴﺪ‪.‬‬
‫‪ Continue‬و ﺳﭙﺲ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬
‫ﺟﺪول ﺗﻮاﻓﻘﻲ ﺣﺎﺻﻞ ﺑﻪ ﺻﻮرت زﻳﺮ اﺳﺖ‪:‬‬
‫‪٨٧‬‬
‫رﺳﻢ ﺟﺪول ﺗﻮاﻓﻘﻲ ﺑﺪون داﺷﺘﻦ داده ﻫﺎي ﺧﺎم‪:‬‬

‫ﻓﺮض ﻛﻨﻴﺪ در ﻣﺜﺎل ﺑﺎﻻ ﺑﻪ ﺟﺎي اﻃﻼﻋﺎت ﻫﺮ ‪ 30‬ﻧﻔﺮ ﺗﻨﻬﺎ ﺗﻌﺪاد ﻣﺮدان ﺳﻴﮕﺎري‪ ،‬زﻧـﺎن ﺳـﻴﮕﺎري‪،‬‬
‫ﻣﺮدان ﻏﻴﺮ ﺳﻴﮕﺎري و زﻧﺎن ﻏﻴﺮ ﺳﻴﮕﺎري را داﺷﺘﻪ ﺑﺎﺷﻴﻢ‪ .‬داده ﻫﺎ را ﺑﻪ ﺗﺮﺗﻴـﺐ زﻳـﺮ در ‪ SPSS‬وارد ﻣـﻲ‬
‫ﺳﭙﺲ ﺑﻪ داده ﻫﺎ ﺑﺮ ﺣﺴﺐ ﻣﺘﻐﻴﺮ ‪ freq‬وزن ﻣﻲ دﻫﻴﻢ و ﻣﺮاﺣﻞ رﺳﻢ ﺟﺪول ﺗﻮاﻓﻘﻲ را ﻃﻲ‬
‫ﻣﻲ ﻛﻨﻴﻢ ‪ .‬‬
‫آزﻣﻮن اﺳﺘﻘﻼل ﻣﺘﻐﻴﺮﻫﺎ‪:‬‬

‫ﭘﺲ از ﺗﺤﻠﻴﻞ ﺗﻮﺻﻴﻔﻲ داده ﻫﺎ و ﺧﻼﺻﻪ ﻛﺮدن در ﻗﺎﻟﺐ ﺟﺪول ﺗﻮاﻓﻘﻲ‪ ،‬ﻋﻼﻗﻪ ﻣﻨـﺪﻳﻢ ﺑـﺪاﻧﻴﻢ آﻳـﺎ‬
‫ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎ راﺑﻄﻪ اي وﺟﻮد دارد ﻳﺎ ﻧﻪ؟ دو ﻣﺘﻐﻴﺮ در ﺻﻮرﺗﻲ ﻛﻪ ﻣﺴﺘﻘﻞ ﺑﺎﺷﻨﺪ‪ ،‬ﻫﻴﭻ راﺑﻄـﻪ اي ﺑـﺎ ﻫـﻢ‬
‫ﻧﺪارﻧﺪ‪ .‬ﻣﺜﻼً اﮔﺮ دو ﻣﺘﻐﻴﺮ ﻣﺜﺎل ﻗﺒﻠﻲ ﻣﺴﺘﻘﻞ ﺑﺎﺷﻨﺪ‪ .‬ﺳﻴﮕﺎري ﺑﻮدن ﺷﺨﺺ راﺑﻄﻪ اي ﺑﺎ ﺟﻨﺴﻴﺖ او ﻧﺪارد‬
‫ﻳﺎ ﺑﻪ ﻋﺒﺎرﺗﻲ ﺟﻨﺴﻴﺖ ﺗﺎﺛﻴﺮي در ﮔﺮاﻳﺶ ﻣﺮدم ﺑﻪ ﺳـﻴﮕﺎر ﻧـﺪارد‪ .‬وﻟـﻲ در ﺻـﻮرﺗﻴﻜﻪ دو ﻣﺘﻐﻴـﺮ ﻣﺴـﺘﻘﻞ‬
‫ﻧﺒﺎﺷﻨﺪ‪ ،‬ﺑﺎ ﻫﻢ راﺑﻄﻪ دارﻧﺪ‪ .‬ﺑﺮاي آزﻣﻮن اﺳﺘﻘﻼل دو ﻣﺘﻐﻴﺮ از آزﻣﻮن ﺧﻲ دو اﺳﺘﻔﺎده ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬
‫‪٨٨‬‬
‫ﻣﻨﺘﻬﺎ اﺳﺘﻔﺎده از آزﻣﻮن ﺧﻲ دو ﺷﺮاﻳﻄﻲ دارد ﻣﻪ داده ﻫﺎ ﺑﺎﻳﺴﺘﻲ اﻧﺮا دارا ﺑﺎﺷﻨﺪ‪ .‬اﻳـﻦ ﺷـﺮاﻳﻂ را ﺑﺎﻳـﺪ در‬
‫ﺟﺪول ﺗﻮاﻓﻘﻲ داده ﻋﻬﺎ ﺟﺴﺘﺠﻮ ﻛﺮد‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺟﺪول ﺗﻮاﻓﻘﻲ ﺣﺎﺻﻞ‪ ،‬آﻳﺎ ﻣﻲ ﺗﻮاﻧﻴﻢ از آزﻣـﻮن ﺧـﻲ دو‬
‫اﺳﺘﻔﺎده ﻛﻨﻴﻢ؟؟؟ ‪. . .‬‬
‫ﺑﺮاي اﻧﺠﺎم آزﻣﻮن ﺧﻲ دو در ﻛﺎدر ‪ Crosstabs‬روي دﻛﻤﻪ …‪ Statistics‬ﻛﻠﻴﻚ ﻛﻨﻴـﺪ ﻣﻄـﺎﺑﻖ ﺷـﻜﻞ‬
‫ﮔﺰﻳﻨﻪ ‪ chi‐square‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ ‪ Continue‬و ﺳﭙﺲ ‪ ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪:‬‬
‫ﻧﺘﻴﺠﻪ آزﻣﻮن اﺳﺘﻘﻼل ﺑﺮاي داده ﻫﺎي ﻣﺜﺎل ﻗﺒﻞ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫ﻧﺘﺎﻳﺞ آزﻣﻮن ﺧﻲ دو ﭘﻴﺮﺳﻮن در ﺳـﻄﺮ اول آﻣـﺪه اﺳـﺖ‪ .‬ﻓـﺮض ﺻـﻔﺮ در اﻳـﻦ آزﻣـﻮن اﺳـﺘﻘﻼل‬
‫ﻣﺘﻐﻴﺮﻫﺎﺳﺖ و در ﺻﻮرﺗﻴﻜﻪ ﻓﺮض ﺻﻔﺮ رد ﺷﻮد‪ ،‬ﻧﺸﺎن دﻫﻨﺪه وﺟﻮد راﺑﻄﻪ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ ﺧﻮاﻫﺪ ﺑﻮد‪.‬‬
‫ﺗﻤﺮﻳﻦ ‪: 1‬‬
‫‪٨٩‬‬
‫ﻣﺤﻘﻘﻲ ﻣﺎﻳﻞ اﺳﺖ ﺑﺪاﻧﺪ آﻳﺎ ﺑﻴﻦ ﺟﻨﺴﻴﺖ اﻓﺮاد و ﭼﭗ دﺳﺖ ﺑﻮدن‪-‬راﺳﺖ دﺳﺖ ﺑـﻮدن اﻓـﺮاد راﺑﻄـﻪ اي‬
‫وﺟﻮد دارد ﻳﺎ ﻧﻪ؟ ﺑﺪﻳﻦ ﻣﻨﻈﻮر داده ﻫﺎي زﻳﺮ را ﺟﻤﻊ آوري ﻛﺮده اﺳﺖ‪:‬‬
‫دﺧﺘﺮ‬ ‫ﭘﺴﺮ‬
‫ﭼﭗ دﺳﺖ‬ ‫‪2‬‬ ‫‪10‬‬
‫راﺳﺖ دﺳﺖ‬ ‫‪11‬‬ ‫‪1‬‬
‫ﺑﻪ ﻧﻈﺮ ﺷﻤﺎ اﻳﻦ راﺑﻄﻪ ﻣﻌﻨﻲ دار اﺳﺖ ﻳﺎ ﺧﻴﺮ؟‬

‫ﺗﻤﺮﻳﻦ ‪: 2‬‬
‫ﻣﻴﺨﻮاﻫﻴﻢ ﺑﺪاﻧﻴﻢ آﻳﺎ راﺑﻄﺔ ﺑﻴﻦ ﮔﺮوه ﺧﻮﻧﻲ اﻓﺮاد و ﻓﺸﺎر ﺧﻮن آﻧﻬﺎ راﺑﻄـﻪ اي وﺟـﻮد دارد ﻳـﺎ ﻧـﻪ؟ ﺑـﺪﻳﻦ‬
‫ﻣﻨﻈﻮر داده ﻫﺎي زﻳﺮ را ﺟﻤﻊ آوري ﻛﺮده اﻳﻢ‪:‬‬
‫‪A ‬‬ ‫‪B‬‬ ‫‪O‬‬ ‫‪AB ‬‬
‫‪+‬‬ ‫‪25‬‬ ‫‪12‬‬ ‫‪17‬‬ ‫‪8‬‬
‫‪-‬‬ ‫‪8‬‬ ‫‪17‬‬ ‫‪12‬‬ ‫‪25‬‬
‫ﺑﻪ ﻧﻈﺮ ﺷﻤﺎ اﻳﻦ راﺑﻄﻪ ﻣﻌﻨﻲ دار اﺳﺖ ﻳﺎ ﺧﻴﺮ؟‬

‫‪ -3‬ﻣﻘﺎﻳﺴﻪ ﭼﻨﺪ ﺟﻤﻌﻴﺖ )آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ(‬
‫ﺑﺎ ﻛﺎرﺑﺮد آزﻣﻮن ‪ t‬ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦ دوﺟﺎﻣﻌﻪ آﺷﻨﺎ ﺷﺪﻳﻢ‪ ،‬آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﺑﻪ ﻣﺎ ﻛﻤﻚ ﻣـﻲ ﻛﻨـﺪ‬
‫ﺗﺎ ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎي ﭼﻨﺪ ﺟﺎﻣﻌﻪ را ﺑﺎ ﻫﻢ ﻣﻘﺎﻳﺴﻪ ﻛﻨﻴﻢ‪ .‬ﻣﺘﻐﻴﺮي ﻛﻪ ﻗﺮار اﺳﺖ ﻣﻴﺎﻧﮕﻴﻦ آن در ﭼﻨﺪ زﻳﺮ ﺟﺎﻣﻌﻪ‬
‫ﻣﻘﺎﻳﺴﻪ ﺷﻮد ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ و ﻣﺘﻐﻴﺮ ﻳﺎ ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﺑﺎﻋﺚ ﺗﻘﺴﻴﻢ ﺟﺎﻣﻌﻪ ﺑﻪ ﭼﻨﺪ زﻳﺮ ﺟﺎﻣﻌﻪ ﻣﻲ ﺷـﻮﻧﺪ‪،‬‬
‫ﻣﺘﻐﻴﺮ)ﻫﺎي( ﻣﺴﺘﻘﻞ ﻧﺎﻣﻴﺪه ﻣﻲ ﺷﻮﻧﺪ‪ .‬ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﻣﻌﻤﻮﻻً از ﻧﻮع اﺳﻤﻲ اﺳﺖ‪ .‬ﺟﻮاب ﺳـﺌﻮاﻻت زﻳـﺮ ﺑـﺎ‬
‫آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ داده ﻣﻲ ﺷﻮد‪:‬‬
‫‪ -‬آﻳﺎ درآﻣﺪ ﻧﻬﺎﻳﻲ ﻓﻴﻠﻢ ﻫﺎي اﻣﺴﺎل ﺑﻪ ﻧﻮع ﻓﻴﻠﻢ ﺑﺴﺘﮕﻲ دارد ﻳﺎ ﻧﻪ؟‬
‫‪ -‬آﻳﺎ ﺷﻐﻞ واﻟﺪﻳﻦ در ﻣﻌﺪل داﻧﺶ آﻣﻮزان ﻳﻚ ﻣﺪرﺳﻪ ﺗﺎﺛﻴﺮ دارد ﻳﺎ ﻧﻪ؟ ‪ ‬‬
‫‪ -‬آﻳﺎ ﭼﻬﺎر روش ﻣﺨﺘﻠﻒ آﻣﻮزش رﻳﺎﺿﻲ در داﻧـﺶ آﻣـﻮزان ﭼﻬـﺎر ﻛـﻼس ﻳـﻚ ﻣﺪرﺳـﻪ‪ ،‬ﺗـﺎﺛﻴﺮ‬
‫ﻳﻜﺴﺎﻧﻲ دارد ﻳﺎ ﺧﻴﺮ؟‬
‫‪٩٠‬‬
‫در ﺳﺌﻮاﻻت ﻓﻮق ﻣﻲ ﺑﻴﻨﻴﺪ ﻛﻪ ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﺑﺎﻋﺚ ﺗﻘﺴﻴﻢ ﺟﺎﻣﻌﻪ ﺑﻪ ﭼﻨﺪ زﻳﺮ ﮔﺮوه ﻳﺎ زﻳﺮ ﺟﺎﻣﻌﻪ‬
‫ﻣﻲ ﺷﻮﻧﺪ و ﻫﺪف آزﻣﻮن اﻳﻦ ﻣﺴﺎﻟﻪ اﺳﺖ ﻛﻪ آﻳﺎ ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ در زﻳﺮ ﮔﺮوﻫﻬﺎ ﻳﻜﺴـﺎن اﺳـﺖ ﻳـﺎ‬
‫ﺧﻴﺮ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ ﻓﺮض ﺻﻔﺮ در آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ‪ ،‬ﻳﻜﺴﺎن ﺑﻮدن ﻣﻴﺎﻧﮕﻴﻦ ﺗﻤﺎم زﻳﺮ ﮔﺮوﻫﻬﺎﺳﺖ‪.‬‬
‫در آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﻓﺮض ﺑﺮ اﻳﻦ اﺳﺖ ﻛﻪ داده ﻫﺎ از ﺗﻮزﻳﻊ ﻧﺮﻣﺎل آﻣﺪه اﻧﺪ و وارﻳﺎﻧﺲ داده ﻫﺎ در زﻳـﺮ‬
‫ﮔﺮوﻫﻬﺎ ﻳﻜﺴﺎن اﺳﺖ‪ .‬در واﻗﻊ درﺳﺘﻲ ﻓﺮض ﻫﺎي ﻓﻮق‪ ،‬ﺑﺮاي ﻣﻌﻨﺎ دار ﺑﻮدن آﻧـﺎﻟﻴﺰ وارﻳـﺎﻧﺲ ﻻزم اﺳـﺖ‪.‬‬
‫ﻟﺬا ﻫﻤﻮاره ﻗﺒﻞ از اﻧﺠﺎم آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﻓﺮض ﻫﺎي ﻓﻮق را آزﻣﻮن ﺧﻮاﻫﻴﻢ ﻛﺮد ﻣﺨﺼﻮﺻﺎً ﻓـﺮض ﺗﺴـﺎوي‬
‫وارﻳﺎﻧﺲ ﻫﺎ‪.‬‬
‫اﮔﺮ ﺷﻜﻲ در ﻧﺮﻣﺎل ﺑﻮدن داده ﻫﺎ داﺷﺘﻪ ﺑﺎﺷﻴﻢ ﻳﺎ ﺗﻌﺪاد داده ﻫﺎ ﻛﻢ ﺑﺎﺷﺪ ﻣـﻲ ﺗـﻮان ﺑـﻪ ﺟـﺎي آﻧـﺎﻟﻴﺰ‬
‫وارﻳﺎﻧﺲ از ﻣﻌﺎدل ﻧﺎﭘﺎراﻣﺘﺮي آن اﺳﺘﻔﺎده ﻛﺮد‪.‬‬
‫ﻣﺜﺎل‪ :‬داده ﻫﺎي زﻳﺮ ﻣﻘﺪار ﻧﻴﻜﻮﺗﻴﻦ ‪ 20‬ﺳﻴﮕﺎر اﺳﺖ ﻛﻪ ﺑﻪ ﻃﻮر ﺗﺼﺎدﻓﻲ از ﻣﻴﺎن ‪ 3‬ﻧﻮع ﺳـﻴﮕﺎر ﻣﺨﺘﻠـﻒ‬
‫اﻧﺘﺨﺎب ﺷﺪه اﻧﺪ‪ ،‬آﻳﺎ ﻫﺮ ﺳﻪ ﻧﻮع ﺳﻴﮕﺎر‪ ،‬ﻣﻘﺪار ﻧﻴﻜﻮﺗﻴﻦ ﻳﻜﺴﺎن دارﻧﺪ؟‬
‫‪ 9‬ﺑﻪ ﻧﺤﻮه وارد ﻛﺮدن داده ﻫﺎ ﺗﻮﺟﻪ ﻛﻨﻴﺪ‪.‬‬
‫در اﻳﻦ ﻣﺴﺄﻟﻪ ﻣﻘﺪار ﻧﻴﻜﻮﺗﻴﻦ )‪ ( Nikotin ‬ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ و ﻧﻮع ﺳـﻴﮕﺎر )‪ ( cigar ‬ﻣﺘﻐﻴـﺮ ﻣﺴـﺘﻘﻞ اﺳـﺖ‪.‬‬
‫ﺑﺮاي اﻧﺠﺎم آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪٩١‬‬
‫ﺗﺎ ﻛﺎدر زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬
‫ﻣﺘﻐﻴﺮﻫﺎ را ﻣﻄﺎﺑﻖ ﺷﻜﻞ در ﻗﺴﻤﺘﻬﺎي ﻣﺮﺑﻮﻃﻪ وارد ﻛﻨﻴﺪ‪ .‬ﺳﭙﺲ روي دﻛﻤﻪ …‪ Options‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗـﺎ‬
‫ﻛﺎدر زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬
‫‪٩٢‬‬
‫ﮔﺰﻳﻨﻪ ﻫﺎي ‪ Homogeneity of variance test ‬و ‪ Descriptive‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ ﺳﭙﺲ دﻛﻤﻪ‬

‫‪ Continue‬و ﺳﭙﺲ ‪ OK‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪ ‬‬
‫در ﻛﺎدر ‪ Descriptive‬آﻣﺎره ﻫﺎي ﺗﻮﺻﻴﻔﻲ ﺑﺮاي زﻳﺮ ﮔﺮوﻫﻬﺎ ﺑﻪ ﺻـﻮرت ﺟﺪاﮔﺎﻧـﻪ ﻣﺤﺎﺳـﺒﻪ ﺷـﺪه‬
‫اﺳﺖ‪.‬‬
‫‪٩٣‬‬
‫در ﻛﺎدر دوم آزﻣﻮن ﺗﺴﺎوي وارﻳﺎﻧﺲ زﻳﺮ ﮔﺮوﻫﻬﺎ اﻧﺠﺎم ﺷﺪه اﺳﺖ ﻛﻪ ﻫﻤﮕﻨﻲ وارﻳﺎﻧﺴﻬﺎ را ﻧﺸﺎن ﻣﻲ‬
‫دﻫﺪ‪.‬‬
‫ﻧﺘﻴﺠﻪ ﻧﻬﺎﻳﻲ آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ در ﻛﺎدر ‪ ANOVA‬آﻣﺪه اﺳﺖ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺳـﻄﺢ ﻣﻌﻨـﺎداري آزﻣـﻮن ﭼـﻪ‬
‫ﻧﺘﻴﺠﻪ اي ﻣﻲ ﮔﻴﺮﻳﻢ؟‬
‫ﻧﺘﻴﺠﻪ آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﻣﺸﺨﺺ ﻣﻲ ﻛﻨﺪ ﻛﻪ آﻳﺎ ﻣﻴﺎﻧﮕﻴﻦ زﻳﺮ ﮔﺮوﻫﻬﺎ ﻳﻜﺴﺎن اﺳﺖ ﻳﺎ ﺧﻴﺮ؟ اﮔﺮ ﻧﺘﻴﺠﻪ‬
‫آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﻣﺘﻔﺎوت ﺑﻮدن ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ را ﻧﺘﻴﺠﻪ دﻫﺪ‪ ،‬ﻋﻼﻗﻪ ﻣﻨﺪﻳﻢ ﺑﺪاﻧﻴﻢ اﻳﻦ ﺗﻔﺎوت ﻛﻠﻲ ﻧﺎﺷﻲ از‬
‫ﻛﺪام ﺗﻔﺎوﺗﻬﺎي ﺟﺰﺋﻲ اﺳﺖ‪ .‬ﺑﻪ ﻋﺒﺎرﺗﻲ دﻳﮕﺮ ﻛﺪام ﺗﻔﺎوت ﻫﺎي دوﮔﺎﻧﻪ ﺑﺎﻋـﺚ اﻳﺠـﺎد ﺗﻔـﺎوت ﻛﻠـﻲ ﺷـﺪه‬
‫اﺳﺖ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل در ﻣﺴﺎﻟﻪ ﺑﺎﻻ ﻧﺘﻴﺠﻪ آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﺗﻔﺎوت در ﻣﻴﺎﻧﮕﻴﻦ ﻧﻴﻜﻮﺗﻴﻦ ‪ 3‬ﻧﻮع ﺳﻴﮕﺎر ﻣﻮرد‬
‫آزﻣﺎﻳﺶ را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ ،‬ﺣﺎل ﻋﻼﻗﻪ ﻣﻨﺪﻳﻢ ﺑﺎ ﺗﺤﻠﻴﻞ ﺑﻴﺸﺘﺮ داده ﻫﺎ‪ ،‬ﺑﺪاﻧﻴﻢ اﻳـﻦ ﺗﻔـﺎوت ﻛﻠـﻲ از ﻛﺠـﺎ‬
‫ﻧﺸﺄت ﮔﺮﻓﺘﻪ اﺳﺖ‪ ،‬ﻟﺬا ﻣﻴﺎﻧﮕﻴﻦ ﻫﺎ را دو ﺑﺪو ﻣﻘﺎﻳﺴﻪ ﻣﻲﻛﻨﻴﻢ‪.‬‬
‫در ﻛﺎدر آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ روي دﻛﻤﻪ ‪ Post Hoc‬ﻛﻠﻴﻚ ﻛﻨﻴﺪ ﺗﺎ ﻛﺎدر زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬
‫ﮔﺰﻳﻨﻪ ‪ LSD‬را اﻧﺘﺨﺎب ﻛﻨﻴﺪ ‪ Continue‬و ﺳﭙﺲ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬

‫ﻣﻼﺣﻈﻪ ﻣﻲ ﻛﻨﻴﺪ در ﺧﺮوﺟﻲ ﺟﺪوﻟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ اﺿﺎﻓﻪ ﺷﺪه اﺳﺖ‪:‬‬
‫‪٩٤‬‬
‫در اﻳﻦ ﺟﺪول آزﻣﻮن ﺗﺴﺎوي ﻣﻴﺎﻧﮕﻴﻦ زﻳﺮ ﮔﺮوﻫﻬﺎ دوﺑﻪ دو اﻧﺠﺎم ﺷﺪه اﺳﺖ‪.‬‬
‫آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ دوﻃﺮﻓﻪ ‪:‬‬

‫در ‪ SPSS‬ﺑﺮاي ﻃﺮح ﻫﺎي ﭘﻴﭽﻴﺪه ﺗﺮ از آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ ﻳﻚ ﻃﺮﻓﻪ از ﻳﻚ روﻧﺪ آﻣﺎري ﺑﻪ ﻧﺎم ﻣﺪل ﻋﻤﻮﻣﻲ‬
‫ﺧﻄﻲ) ‪ ( GLM‬اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﻢ‪.‬‬
‫در اﻳﻦ ﺑﺨﺶ ﺑﻪ آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ دو ﻃﺮﻓﻪ )ﻳﻚ ﻧﻮع ﻣﺪل ﺧﻄﻲ ( ﻣﻲ ﭘﺮدازﻳﻢ ‪:‬‬
‫ﻓﺮض ﻛﻨﻴﺪ ﺑﺠﺎي ﺑﺮرﺳﻲ ﺗﺎﺛﻴﺮ ﻳﻚ ﻓﺎﻛﺘﻮر ﺑﺮ ﻣﺘﻐﻴﺮ ﭘﺎﺳﺦ ﺑﺨﻮاﻫﻴﻢ اﺛﺮ دو ﻓﺎﻛﺘﻮر را ﺑﺮ ﻣﺘﻐﻴﺮ ﭘﺎﺳﺦ‬
‫ﺑﺮرﺳﻲ ﻛﻨﻴﻢ‪ ,‬در اﻳﻦ ﺻﻮرت ﺑﺎ ﻳﻚ ﻃﺮح دو ﻋﺎﻣﻠﻲ روﺑﺮو ﺧﻮاﻫﻴﻢ ﺑﻮد ‪.‬‬
‫ﻣﺜﺎل ‪:‬‬
‫ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺪاﻧﻴﻢ ﻛﻪ آﻳﺎ روش درﻣﺎن ﻳﻚ ﺑﻴﻤـﺎري ﺧـﺎص و ﻧـﻮع داروي ﻣﺼـﺮﻓﻲ ﺟﻬـﺖ درﻣـﺎن آن‬
‫ﺑﻴﻤﺎري در ﻃﻮل ﻣﺪت درﻣﺎن آن ﺑﻴﻤﺎري ﺗﺎﺛﻴﺮي دارد ﻳﺎ ﺧﻴﺮ؟ ﺑﺮاي ارزﻳﺎﺑﻲ اﻳﻦ ﻓﺮﺿـﻴﻪ ‪60‬ﻧﻔـﺮ از اﻓـﺮاد‬
‫ﻣﺒﺘﻼ ﺑﻪ اﻳﻦ ﺑﻴﻤﺎري ﺧﺎص را ﻣﻮرد آزﻣﺎﻳﺶ ﻗﺮار داده اﻳﻢ‪ .‬داده ﻫﺎ ﺑﻪ ﺻﻮرت زﻳﺮﻧﺪ ‪:‬‬
‫اﺑﺘﺪا ﺑﺎﻳﺪ داده ﻫﺎرا در ‪ SPSS‬وارد ﻛﻨﻴﻢ‪ .‬ﺑـﻪ ﻧﺤـﻮه داده وارد ﻛـﺮدن ﺗﻮﺟـﻪ ﻛﻨﻴـﺪ‪).‬ﺑﺎ ﻧﺎﻣﻬـﺎي ‪method‬‬
‫‪ type،‬و ‪ length‬و ﺳﭙﺲ ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ ‪،‬ﺗﺎ ﻛﺎدر ﻣﻜﺎﻟﻤﻪ اي ﻣﺮﺑﻮط ﺑﻪ آن ﺑﺎز ﺷﻮد و ﻣﺘﻐﻴﺮﻫﺎ را‬
‫ﺑﻪ ﺻﻮرت ﻧﺸﺎن داده ﺷﺪه وارد ﻛﻨﻴﺪ‪:‬‬
‫‪٩٥‬‬
‫ﻧﻮع دارو‬
4 3 2 1
8 8 7 6
9 7 8 5
10 10 2 4 1
1 5 3 7
6 6 5 2
3 2 4 3
‫روش درﻣﺎن‬
4 5 6 2
5 6 5 1 2
7 3 3 4
1 4 2 5
8 5 6 4
6 9 8 5
3 2 5 2 3
9 3 4 7
1 1 9 1
٩٦
‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ ﻛﻪ ﻫﺮ دو ﻓﺎﻛﺘﻮر ‪ method‬و ‪ type‬ﺗﺜﺒﻴﺖ ﺷﺪه اﻧﺪ ‪ .‬اﮔﺮ ﭼﻨﺎﻧﭽﻪ ﻫﺮ ﻛـﺪام‬
‫از آﻧﻬﺎ ﺗﺼﺎدﻓﻲ ﺑﻮدﻧﺪ آﻧﮕﺎه آن را ﺑﻪ ﻗﺴﻤﺖ )‪ Random Factor(s‬وارد ﻣﻲ ﻛﺮدﻳﻢ‪.‬‬
‫ﭘﺲ از زدن ﻛﻠﻴﺪ ‪ Ok‬ﺧﺮوﺟﻲ را ﺑﻪ ﺻﻮرت زﻳﺮ ﻣﺸﺎﻫﺪه ﻣﻲ ﻛﻨﻴﺪ ‪:‬‬
‫‪٩٧‬‬
‫‪ ‬‬
‫آﻳﺎ ﻫﻴﭻ ﻧﺸﺎﻧﻲ از اﻳﻨﻜﻪ ﻳﻜﻲ از اﻳﻦ ﻋﻮاﻣﻞ در ﻃﻮل ﻣﺪت درﻣﺎن ﻣﻮﺛﺮ ﺑﺎﺷﻨﺪ وﺟﻮد دارد؟‬
‫آﻳﺎ دو ﻋﺎﻣﻞ اﺛﺮ ﻣﺘﻘﺎﺑﻞ دارﻧﺪ؟‬
‫ﺗﻤﺮﻳﻦ ‪(1‬‬
‫ﻣﻬﻨﺪﺳﻴﻦ ﺑﺮق ﺑﺮاي اﻧﺪازه ﮔﻴﺮي روﺷﻨﺎﻳﻲ ﻻﻣﭗ ﺗﺼـﻮﻳﺮ ﺗﻠﻮﻳﺰﻳـﻮن‪ ,‬ﺟﺮﻳـﺎن ﻻزم ﺑـﺮاي ﺑﺪﺳـﺖ آوردن‬
‫ﺳﻄﺢ روﺷﻨﺎﻳﻲ ﻣﺸﺨﺺ را ﻣﻼك ﻗﺮار ﻣﻴﺪﻫﻨﺪ‪ .‬ﻓﺮض ﻛﻨﻴﺪ ﻣﻴﺨﻮا ﻫﻴﻢ اﺛﺮ ﻧﻮع ﺷﻴﺸـﻪ وﻧـﻮع ﻓﺴـﻔﺮ‪ ,‬در‬
‫روﺷﻨﺎﻳﻲ ﻻﻣﭗ ﺗﺼﻮﻳﺮ را ﺑﺮرﺳﻲ ﻛﻨﻴﻢ‪ .‬در اﻳﻦ ﻣﺴﺌﻠﻪ ﻣﺘﻐﻴﺮ ﭘﺎﺳﺦ‪ ,‬ﻣﻘﺪار ﺟﺮﻳـﺎن ﻻزم اﺳـﺖ‪ .‬داده ﻫـﺎي‬
‫ﺑﺪﺳﺖ آﻣﺪه ﺑﺼﻮرت زﻳﺮاﺳﺖ ‪:‬‬
‫‪٩٨‬‬
‫ﻧﻮع ﻓﺴﻔﺮ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪280‬‬ ‫‪300‬‬ ‫‪290‬‬
‫ﻧﻮع ﺷﻴﺸﻪ‬ ‫‪1‬‬ ‫‪290‬‬ ‫‪310‬‬ ‫‪285‬‬
‫‪285‬‬ ‫‪295‬‬ ‫‪290‬‬
‫‪230‬‬ ‫‪260‬‬ ‫‪220‬‬
‫‪2‬‬ ‫‪235‬‬ ‫‪240‬‬ ‫‪225‬‬
‫‪240‬‬ ‫‪235‬‬ ‫‪230‬‬
‫آﻳﺎ ﻫﻴﭻ ﻧﺸﺎﻧﻲ از اﻳﻨﻜﻪ ﻳﻜﻲ از اﻳﻦ ﻋﻮاﻣﻞ در روﺷﻨﺎﻳﻲ ﻣﻮﺛﺮ ﺑﺎﺷﺪ‪ ,‬وﺟﻮد دارد؟‬
‫آﻳﺎ دو ﻋﺎﻣﻞ اﺛﺮ ﻣﺘﻘﺎﺑﻞ دارﻧﺪ؟‬
‫ﺗﻤﺮﻳﻦ‪(2‬‬
‫از ﭼﻬﺎر ﺷﻴﻤﻴﺪان ﺧﻮاﺳﺘﻪ ﺷﺪه اﺳﺖ ﻛﻪ درﺻﺪ اﻟﻜﻞ ﻣﺘﻴﻠﻴﻚ ﻳﻚ ﺗﺮﻛﻴﺐ ﺧﺎص ﺷﻴﻤﻴﺎﻳﻲ را ﺗﻌﻴﻴﻦ ﻛﻨﻨﺪ‪.‬‬
‫ﻫﺮ ﻳﻚ از اﻳﻦ ﺷﻴﻤﻴﺪاﻧﻬﺎ ﺳﻪ اﻧﺪازه ﮔﻴﺮي اﻧﺠﺎم داده و ﻧﺘﺎﻳﺞ زﻳﺮ را ﮔﺰارش ﻛﺮده اﻧﺪ ‪:‬‬
‫درﺻﺪ اﻟﻜﻞ ﻣﺘﻴﻠﻴﻚ‬

‫‪1‬‬ ‫‪84/99‬‬ ‫‪84/04‬‬ ‫‪84/38‬‬
‫ﺷﻴﻤﻴﺪان‬
‫‪2‬‬ ‫‪85/15‬‬ ‫‪85/13‬‬ ‫‪84/88‬‬

‫‪3‬‬ ‫‪84/72‬‬ ‫‪84/48‬‬ ‫‪85/16‬‬
‫‪4‬‬ ‫‪84/20‬‬ ‫‪84/10‬‬ ‫‪84/55‬‬
‫‪ α‬آزﻣﻮن را اﻧﺠﺎم دﻫﻴﺪ‪( .‬‬ ‫‪= 0 . 05‬‬ ‫آﻳﺎ ﮔﺰارش ﺷﻴﻤﻴﺪاﻧﻬﺎ ﺗﻔﺎوت ﻣﻌﻨﻲ دار دارد؟ ) در ﺳﻄﺢ‬
‫ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﺪاﻧﻴﻢ ﻛﻪ آﻳﺎ روش درﻣﺎن ﻳﻚ ﺑﻴﻤﺎري ﺧﺎص در ﻃﻮل ﻣﺪت درﻣﺎن آن ﺑﻴﻤﺎري ﺗـﺎﺛﻴﺮي دارد‬
‫ﻳﺎ ﺧﻴﺮ؟ ﺑﺮاي ارزﻳﺎﺑﻲ اﻳﻦ ﻓﺮﺿﻴﻪ ‪ 25‬ﻧﻔﺮ از اﻓﺮاد ﻣﺒﺘﻼ ﺑﻪ ﺑﻴﻤﺎري ﺧﺎص ﺑﻪ ‪ 4‬ﮔﺮوه ﺗﻘﺴﻴﻢ و ﻫﺮ ﻛـﺪام از‬
‫ﮔﺮوﻫﺎ ﺑﺎ ﻳﻚ روش ﻣﻮرد درﻣﺎن ﻗﺮار ﮔﺮﻓﺘﻨﺪ ‪ .‬داده ﻫﺎي ﺣﺎﺻﻞ ﺑﻪ ﺻﻮرت زﻳﺮﻧﺪ‪:‬‬
‫‪٩٩‬‬
‫روﺷﻬﺎي درﻣﺎن‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪9‬‬ ‫‪5‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪7‬‬
‫ﻃﻮل ﻣﺪت درﻣﺎن‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪5‬‬ ‫‪8‬‬
‫‪8‬‬ ‫‪4‬‬ ‫‪8‬‬ ‫‪7‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪8‬‬ ‫‪5‬‬
‫‪9‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬
‫‪7‬‬
‫آﻳﺎ داده ﻫﺎ دﻟﻴﻠﻲ ﺑﺮ ﺗﻔﺎوت ﻃﻮل ﻣﺪت درﻣﺎن در روﺷﻬﺎي درﻣﺎن ﻣﺘﻔﺎوت اﺳﺖ ﻳﺎ ﺧﻴﺮ؟‬
‫آزﻣﺎﻳﺸﻲ ﺑﺮاي ﺗﻌﻴﻴﻦ اﺛﺮ دﻣﺎي ﻛﻮره ﻳﺎ اﺛﺮﻫﺎي ﻣﻮﻗﻌﻴﺖ ﻛﻮره ﺑﺮ ﭼﮕﺎﻟﻲ ﻳـﻚ آﻧـﻮدﻛﺮﺑﻨﻲ اﺟـﺮا‬
‫ﺷﺪه اﺳﺖ ‪.‬داده ﻫﺎ را در زﻳﺮ ﻧﺸﺎن داه ﺷﺪه اﺳﺖ‪.‬‬
‫دﻣﺎ‬
‫‪800‬‬ ‫‪825‬‬ ‫‪850‬‬
‫‪570‬‬ ‫‪1063‬‬ ‫‪565‬‬
‫‪1‬‬ ‫‪565‬‬ ‫‪1080‬‬ ‫‪510‬‬
‫ﻣﻮﻗﻌﻴﺖ‬
‫‪583‬‬ ‫‪1043‬‬ ‫‪590‬‬

‫‪528‬‬ ‫‪988‬‬ ‫‪526‬‬
‫‪2‬‬ ‫‪547‬‬ ‫‪1026‬‬ ‫‪538‬‬
‫‪521‬‬ ‫‪1004‬‬ ‫‪532‬‬
‫داده ﻫﺎ را ﺗﺤﻠﻴﻞ ﻛﻨﻴﺪ ؟‬
‫‪١٠٠‬‬
‫رﮔﺮﺳﻴﻮن‪:‬‬
‫در ﺑﺤﺚ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ ﭼﮕﻮﻧﮕﻲ ﺑﺮرﺳﻲ راﺑﻄـﻪ ﻣﻴـﺎن ﻣﺘﻐﻴﺮﻫـﺎي ﻋـﺪدي و ﻣﺤﺎﺳـﺒﻪ ﺿـﺮﻳﺐ‬
‫ﻫﻤﺒﺴﺘﮕﻲ را ﺑﻴﺎن ﻛﺮدﻳﻢ‪ .‬وﻟﻲ اﻏﻠﺐ در ﻣﺴﺎﺋﻠﻲ ﻛﻪ ﺑﺎ ﻣﺘﻐﻴﺮﻫﺎي ﻋﺪدي روﺑـﺮو ﻫﺴـﺘﻴﻢ‪ ،‬ﻋﻼﻗـﻪ ﻣﻨـﺪﻳﻢ‬
‫ﻋﻼوه ﺑﺮ ﺑﺮرﺳﻲ ﺳﺎده راﺑﻄﻪ دو ﻣﺘﻐﻴﺮ ﻣﻘﺎدﻳﺮ ﻳﻚ ﻣﺘﻐﻴﺮ )ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ( را ﺑﻪ ﺻﻮرت ﺗﺎﺑﻌﻲ از ﻳﻚ ﻳﺎ ﭼﻨﺪ‬
‫ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ دﻳﮕﺮ ﺑﻨﻮﻳﺴﻴﻢ‪ .‬روﺷﻬﺎي ﺗﺤﻠﻴﻞ رﮔﺮﺳﻴﻮن ﺑﻪ ﻣﺎ ﻛﻤﻚ ﻣﻲ ﻛﻨﻨﺪ ﺗﺎ ﭼﮕﻮﻧﮕﻲ اﻳﻦ راﺑﻄـﻪ را‬
‫ﺗﻌﻴﻴﻦ ﻛﻨﻴﻢ‪.‬‬
‫‪-‬رﮔﺮﺳﻴﻮن ﺧﻄﻲ ﺳﺎده‪:‬‬
‫در ﺳﺎده ﺗﺮﻳﻦ ﺣﺎﻟﺖ ﻓﺮض ﻣﻲ ﻛﻨﻴﻢ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺗﻨﻬﺎ ﺑﺎ ﻳﻚ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ در ارﺗﺒﺎط ﺑﺎﺷﺪ و راﺑﻄـﻪ‬
‫اﻳﻦ دو ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﺎﺷﺪ‪:‬‬
‫‪y = α + βx + ε‬‬
‫ﻳﻌﻨﻲ ‪ y‬ﻫﺎ ﺑﻪ ﺻﻮرت ﺧﻄﻲ واﺑﺴﺘﻪ ﺑﻪ ﻣﻘﺎدﻳﺮ ‪ x‬اﻧﺪ‪ .‬اﮔﺮ ﺻﺤﺖ ﭼﻨﻴﻦ راﺑﻄﻪ اي ﺗﺄﻳﻴﺪ ﺷﻮد‪ ،‬ﺗﻮاﻧﺴﺘﻪ‬
‫اﻳﻢ داده ﻫﺎ را ﺑﻪ ﺻﻮرت ﺑﺴﻴﺎر ﺧﻮﺑﻲ ﺧﻼﺻﻪ ﻛﻨﻴﻢ‪ .‬ﻋﻼوه ﺑﺮ اﻳﻦ ﺑـﺮاي ﻣﻘـﺎدﻳﺮ ﻣﺨﺘﻠـﻒ ‪ x‬ﻣـﻲ ﺗـﻮاﻧﻴﻢ‬
‫ﺑﺮآوردي از ﻣﻘﺎدﻳﺮ ‪ y‬ﻣﻮرد اﻧﺘﻈﺎر اراﺋﻪ دﻫﻴﻢ‪.‬‬
‫داده ﻫﺎي زﻳﺮ ﻣﺨﺎرج ﺗﺒﻠﻴﻐﺎت ﻓﺮوش ﻫﻔﺘﮕﻲ ‪ 12‬ﻓﺮوﺷﮕﺎه ﻣﺨﺘﻠﻒ در ﻳﻚ ﺷﻬﺮ اﺳﺖ‪.‬‬
‫ﻣﺨﺎرج ﺗﺒﻠﻴﻎ ‪ ‬‬ ‫‪ 40 20 25 20‬‬ ‫‪30‬‬ ‫‪50‬‬ ‫‪40‬‬ ‫‪20‬‬ ‫‪50‬‬ ‫‪40 25 50‬‬
‫ﻓﺮوش ‪ ‬‬ ‫‪385 400 395 365 475 440 490 420 560 525 480 510‬‬
‫راﺑﻄﻪ ﺧﻂ رﮔﺮﺳﻴﻮﻧﻲ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ را در ﺻﻮرت وﺟﻮد ﺑﻴﺎﺑﻴﺪ‪) .‬راﺑﻄﻪ ﺧﻄﻲ(‬

‫ﻧﺨﺴﺖ داده ﻫﺎ را در دو ﺳﺘﻮن در ﻣﺤﻴﻂ ‪ SPSS‬وارد ﻣﻲ ﻛﻨﻴﻢ‪:‬‬
‫‪١٠١‬‬
‫ﻗﺪم اول در ﺗﺤﻠﻴﻞ رﮔﺮﺳﻴﻮﻧﻲ ﺳﺎده ﻫﻤﺎﻧﻨﺪ ﺑﺨﺶ ﺿـﺮﻳﺐ ﻫﻤﺒﺴـﺘﮕﻲ‪ ،‬رﺳـﻢ ﻧﻤـﻮدار ﭘـﺮاﻛﻨﺶ اﺳـﺖ‪.‬‬
‫ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ ﻣﻲ ﺗﻮاﻧﺪ وﺟﻮد ﻳﺎ ﻋﺪم وﺟﻮد راﺑﻄﻪ ﺧﻄﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻫﺎ را ﺑﻪ ﺧـﻮﺑﻲ ﻧﺸـﺎن دﻫـﺪ‪ .‬ﻧﻤـﻮدار‬
‫ﭘﺮاﻛﻨﺶ را ﺑﺮاي دو ﻣﺘﻐﻴﺮ رﺳﻢ ﻛﻨﻴﺪ‪ .‬ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺷﺪ‪:‬‬
‫‪600‬‬
‫‪550‬‬
‫‪500‬‬
‫‪increment‬‬
‫‪450‬‬
‫‪400‬‬
‫‪350‬‬
‫‪20‬‬ ‫‪25‬‬ ‫‪30‬‬ ‫‪35‬‬ ‫‪40‬‬ ‫‪45‬‬ ‫‪50‬‬

‫‪Advertisement‬‬
‫ﻧﻤﻮدار ﭘﺮاﻛﻨﺶ ﻧﺸﺎﻧﺪﻫﻨﺪه راﺑﻄﻪ ﻧﺴﺒﻲ دو ﻣﺘﻐﻴﺮ اﺳﺖ‪ .‬ﻳﻌﻨﻲ ﺑﻪ ﻧﻈﺮ ﻣﻲ رﺳﺪ ‪ y‬ﺑﺎ ‪ x‬راﺑﻄﻪ ﺧﻄﻲ دارد‪.‬‬
‫ﻣﺮﺣﻠﺔ ﺑﻌﺪ ﭘﻴﺪا ﻛﺮدن ﺑﺮآورد ﺿﺮﻳﺒﻬﺎي ﻣﻌﺎدﻟﻪ ﺧﻂ رﮔﺮﺳﻴﻮن ) ‪ ( β ,α‬اﺳﺖ‪.‬‬
‫ﺑﺮاي اﻧﺠﺎم ﺗﺤﻠﻴﻞ رﮔﺮﺳﻴﻮﻧﻲ ﺑﻪ ﺻﻮرت ﻛﺎﻣﻞ ﻣﺴﻴﺮ زﻳﺮ را ﻃﻲ ﻛﻨﻴﺪ‪:‬‬
‫‪١٠٢‬‬
: ‫ﺗﺎ ﻛﺎدر زﻳﺮ ﺑﺎز ﺷﻮد‬
١٠٣
‫ﻣﺘﻐﻴــــﺮ ‪ increment‬را در ﻗﺴــــﻤﺖ ‪ Dependent‬و ﻣﺘﻐﻴــــﺮ ‪ Advertisement‬را در ﻗﺴــــﻤﺖ‬

‫‪ Independents‬وارد ﻛﻨﻴﺪ و دﻛﻤﻪ ‪ Ok‬را ﻓﺸﺎر دﻫﻴﺪ‪ ،‬ﺧﺮوﺟﻲ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫ﺟﺪول دوم‪ ،‬ﺣﺎوي اﻃﻼﻋﺎﺗﻲ در ﻣﻮرد ﻛﺎراﻳﻲ ﻣﺪل اﺳﺖ‪ .‬ﻫﺮ ﭼﻪ ﻣﻘﺪار ‪ (Adjust R Square) ‬ﻳﺎ‬
‫‪ R Square‬ﺑﻪ ﻳﻚ ﻧﺰدﻳﻜﺘﺮ ﺑﺎﺷﺪ ﻣﺪل ﻛﺎراﺗﺮ اﺳﺖ‪ .‬در اﻳﻦ ﻣﺜﺎل ﻣﻘﺪار ‪ R Square‬ﭼﻨﺪان زﻳﺎد‬
‫ﻧﻴﺴﺖ‪.‬‬
‫‪١٠٤‬‬
‫ﺟﺪول ﺳﻮم‪ ،‬ﺟﺪول اﺻﻠﻲ ﺗﺤﻠﻴﻞ رﮔﺮﺳﻴﻮﻧﻲ اﺳﺖ‪ .‬آزﻣﻮن ﺻـﻮرت ﮔﺮﻓﺘـﻪ ﺑـﻪ آزﻣـﻮن ﻣﻌﻨـﺎداري ﺧـﻂ‬
‫رﮔﺮﺳﻴﻮن ﻣﺸﻬﻮر اﺳﺖ‪ .‬اﮔﺮ ﻧﺘﻴﺠﻪ آزﻣﻮن رد ﻓﺮض ‪ H0‬ﺑﺎﺷﺪ )‪ sig.‬ﻛﻤﺘﺮ از ‪ 0.05‬ﺑﺎﺷﺪ( ﺧـﻂ رﮔﺮﺳـﻴﻮن‬
‫ﻣﻌﻨﺎدار اﺳﺖ‪ ).‬ﻛﻪ در اﻳﻦ ﻣﻮرد رﮔﺮﺳﻴﻮن ﺑﺎ ﻣﻌﻨﻲ اﺳﺖ‪( .‬‬
‫ﺟﺪول ﭼﻬﺎرم‪ ،‬ﺟﺪول ﺿﺮاﻳﺐ ﺧﻂ رﮔﺮﺳﻴﻮﻧﻲ اﺳﺖ و آزﻣﻮن ﻫﺎي ﺻﻮرت ﮔﺮﻓﺘﻪ ﻫﻢ‪ ،‬آزﻣﻮن ﺑﺮاﺑﺮي‬
‫اﻳﻦ ﺿﺮاﻳﺐ ﺑﺎ ﺻﻔﺮ ﻣﻲ ﺑﺎﺷﺪ ﻛﻪ در ﺻﻮرت رد ﺷﺪن آزﻣﻮن‪ ،‬ﺿﺮاﻳﺐ ﻣﺨﺎﻟﻒ ﺻﻔﺮ ﺧﻮاﻫﻨـﺪ ﺑـﻮد )ﻳـﺎ ﺑـﻪ‬
‫ﻋﺒﺎرﺗﻲ اﻳﻦ ﺿﺮاﻳﺐ در ﺧﻂ رﮔﺮﺳﻴﻮن وﺟﻮد دارﻧﺪ و ﺑﻲ ﻣﻌﻨﻲ ﻧﻴﺴﺘﻨﺪ‪(.‬‬
‫‪ -‬رﮔﺮﺳﻴﻮن ﭼﻨﺪ ﻣﺘﻐﻴﺮه ﺧﻄﻲ‪:‬‬

‫اﮔﺮﺗﻌﺪاد ﻣﺘﻐﻴﺮﻫﺎي ﻣﺴﺘﻘﻞ ﺑﻴﺶ از ﻳﻜﻲ ﺑﺎﺷﺪ‪ .‬ﻣﺜﻼً دو ﻣﺘﻐﻴﺮ ﺑﺎﺷﺪ راﺑﻄﻪ ﺧﻂ رﮔﺮﺳﻴﻮن ﺑﻪ ﺻـﻮرت‬
‫زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪y = α + β 1 x1 + β 2 x 2 + ε‬‬
‫و ﻫﺪف ﭘﻴﺪا ﻛﺮدن ﺑﺮآورد ﺿﺮاﻳﺐ ﻓﻮق اﺳﺖ‪.‬‬

‫ﻓﺮض ﻛﻨﻴﺪ در ﻣﺴﺎﻟﻪ ﻗﺒﻞ ﻃﺒﻖ ﺗﺠﺎرب ﮔﺬﺷﺘﻪ ﺣﺪس ﻣﻲ زﻧﻴﻢ ﻛﻪ ﻣﻴﺰان ﻓﺮوش ﻫﻔﺘﮕﻲ ﻋﻼوه ﺑـﺮ‬
‫ﻫﺰﻳﻨﻪ ﺗﺒﻠﻴﻎ ﺑﻪ ﻓﺎﺻﻠﻪ ﻓﺮوﺷﮕﺎه ﺗﺎ ﻣﻴﺪان ﻣﺮﻛـﺰي ﺷـﻬﺮ ﻫـﻢ ﺑﺴـﺘﮕﻲ دارد‪ .‬داده ﻫـﺎي زﻳـﺮ ﻓﺎﺻـﻠﻪ ‪12‬‬
‫ﻓﺮوﺷﮕﺎه ﻣﺮﺑﻮﻃﻪ از ﻣﺮﻛﺰ ﺷﻬﺮ ﺑﺮ ﺣﺴﺐ ﻛﻴﻠﻮﻣﺘﺮ اﺳﺖ‪:‬‬
‫‪ 4/2 3/1 0/7 2/4‬‬ ‫‪8/3‬‬ ‫‪7/1‬‬ ‫‪2/6‬‬ ‫‪3/4‬‬ ‫‪5/3‬‬ ‫‪9/4 0/2 6/3‬‬
‫داده ﻫﺎ را در ﺳﺘﻮن ﺟﺪﻳﺪي وارد ﻛﻨﻴﺪ‪:‬‬
‫‪١٠٥‬‬
‫ﻣﺴﻴﺮي ﻛﻪ ﺑﺎﻳﺪ ﻃﻲ ﻛﻨﻴﻢ ﻫﻤﺎن ﻣﺴﻴﺮ ﻗﺒﻠﻲ اﺳﺖ اﻣﺎ اﻳﻦ ﺑﺎر در ﻛﺎدر ﺗﺤﻠﻴﻞ رﮔﺮﺳﻴﻮﻧﻲ ﻣﺘﻐﻴـﺮ ﻣﺴـﺘﻘﻞ‬
‫دوم را ﻫﻢ اﺿﺎﻓﻪ ﻣﻲ ﻛﻨﻴﻢ‪:‬‬
‫‪١٠٦‬‬
‫ﺧﺮوﺟﻲ در اﻳﻦ ﺣﺎﻟﺖ ﺑﻪ ﺻﻮرت زﻳﺮ ﺧﻮاﻫﺪ ﺑﻮد‪:‬‬
‫‪ ‬‬
‫‪١٠٧‬‬

رهنمایی اموزش SPSS

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

رهنمایی اموزش SPSS

Uploaded by

Copyright:

Available Formats

Telegram.

SPSS 19 ‫ﺭﺍﻫﻨﻤﺎی ﺁﻣﻮﺯﺷﯽ‬

‫‪-‬ﺷﺎﺧﺼﻬﺎي ﻣﺮﻛﺰي‪31............................................................................................................................................ :‬‬

‫ﺑﺎ ﺗﺸﻜﺮ و اﺣﺘﺮام‬

‫ذﺧﻴﺮه ﻛﺮدن ﻓﺎﻳﻞ‬ ‫دﺳﺘﻮر ‪Select Cases‬‬

‫ﭘﺮﻳﻨﺖ ﻛﺮدن‬ ‫رﻓﺘﻦ ﺑﻪ ﻳﻚ ﻣﻮرد ﺧﺎص‬ ‫دﺳﺘﻮر‪Weigth cases‬‬

‫دﺳﺘﻮر ‪Split File‬‬

‫ﺻﻔﺤﻪ ‪Data View‬‬

‫ﺻﻔﺤﻪ ‪Variable View‬‬

‫دﻛﻤﻪ ﺗﻌﻮﻳﺾ ﺻﻔﺤﻪ‪:‬‬

‫ﻧﻮار وﺿﻌﻴﺖ ‪:‬‬

‫ﻧﺤﻮه ﺑﺎز ﻛﺮدن و ذﺧﻴﺮه ﻛﺮدن ‪:‬‬

‫ﺑﻪﻃﻮر ﻛﻠﻲ وارد ﻛﺮدن دادهﻫﺎ در ‪ SPSS‬ﺷﺎﻣﻞ دو ﮔﺎم اﺳﺎﺳﻲ اﺳﺖ‪:‬‬

‫ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﺮﻫﺎ در ‪:SPSS‬‬

‫‪ -3‬ﻧﻘﺶ ‪ :Both‬ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎﻳﻲ ﻛﻪ ﻫﻢ ﻧﻘﺶ ‪ Input‬و ﻫﻢ ﻧﻘﺶ ‪ Output‬را در ﻣﺪل ﻣﻲﮔﻴﺮﻧﺪ‪.‬‬

‫ﻧﺮﻫﺎ‬ ‫‪3/64‬‬ ‫‪3/11‬‬ ‫‪3/80‬‬ ‫‪3/58‬‬ ‫‪4/55‬‬ ‫‪3/92‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬

‫‪1/38‬‬ ‫‪1/49‬‬ ‫‪3/12‬‬ ‫‪1/31‬‬

‫روﻫﺎي ﻣﺨﺘﻠﻒ ﻓﺮاواﻧﻲ‬

‫ﺗﺤﻠﻴﻞ آﻧﻬﺎ‪ ،‬اﻃﻼق ﻣﻲ ﺷﻮد‪.‬‬

‫ﻣﺮاﺣﻞ اﺳﺎﺳﻲ ﺗﻮﺻﻴﻒ داده ﻫﺎ ﻋﺒﺎرﺗﺴﺖ از‪:‬‬

‫اﻟﻒ( ﺧﻼﺻﻪ ﻛﺮدن و ﺗﻮﺻﻴﻒ اﻟﮕﻮي ﻛﻠﻲ‬

‫‪ -1‬اﺳﺘﻔﺎده از ﮔﺰﻳﻨﻪ ‪C‬‬

‫ﻧﻤﻮدار داﻳﺮهاي ) ‪( Pie chart‬‬

‫اﻳﻨﻚ ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ آﻣﺎر ﺗﻮﺻﻴﻔﻲ را ﻳﻚ ﺑﻪ ﻳﻚ و ﺑﻪ ﻃﻮر ﻣﻔﺼﻞ ﺑﺮرﺳﻲ ﻣﻲ ﻛﻨﻴﻢ‪:‬‬

‫‪ 2-2‬ﺧﻼﺻﻪ ﻛﺮدن و ﺗﻮﺻﻴﻒ اﻟﮕﻮي ﻛﻠﻲ‪:‬‬

‫ﺟﺪاﮔﺎﻧﻪ ﺑﺮرﺳﻲ ﺧﻮاﻫﻴﻢ ﻛﺮد‪.‬‬

‫‪ 1-2-2‬داده ﻫﺎي ﻛﻴﻔﻲ )‪:(Categorical Data‬‬

‫‪-‬ﺟﺪول ﻓﺮاواﻧﻲ ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‪:‬‬

‫‪ -‬ﭼﻨﺪ ﻋﺪد از ﻗﻄﻌﻪ ‪ C‬در اﻳﻦ روز ﺗﻮﻟﻴﺪ ﺷﺪه اﺳﺖ؟‬

‫‪ -‬ﻗﻄﻌﺎت ‪ B,A‬ﭼﻨﺪ درﺻﺪ از ﻛﻞ ﺗﻮﻟﻴﺪ روزاﻧﻪ را در ﺑﺮ ﻣﻲﮔﻴﺮﻧﺪ؟‬

‫اﺑﺘﺪا داده ﻫﺎ را در ﻣﺤﻴﻂ ‪ SPSS‬وارد ﻣﻲﻛﻨﻴﻢ‪:‬‬

‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ‬ ‫ﻣﺘﻐﻴﺮ ﻣﺮﺑﻮﻃﻪ را اﻧﺘﺨﺎب ﻛﺮده روي دﻛﻤﻪ‬

‫ﻣﻘﺪار و ﺳﺘﻮن ﭼﻬﺎرم ﻫﻢ درﺻﺪ ﻓﺮاواﻧﻲ ﺗﺠﻤﻌﻲ ﻣﻲ ﺑﺎﺷﺪ‪.‬‬

‫‪ -‬ﻧﻤﻮدارﻫﺎي آﻣﺎري ﺑﺮاي ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ‪:‬‬

‫ﺑﺮاي رﺳﻢ اﻳﻦ ﻧﻤﻮدارﻫﺎ ﻣﻲ ﺗﻮان از دو راه زﻳﺮ اﺳﺘﻔﺎده ﻛﺮد‪:‬‬

‫ﮔﻔﺘﮕﻮي زﻳﺮ ﺑﺎز ﺷﻮد‪:‬‬

‫ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪ .‬دﻛﻤﻪ ‪ Ok‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬

‫ﻣﺴﻴﺮ ﻓﻮق را ﺑﺮاي داده ﻫﺎي ﻣﺜﺎل ﻃﻲ ﻛﻨﻴﺪ و ﺧﺮوﺟﻲ را ﺑﺒﻴﻨﻴﺪ‪:‬‬

‫ﻣﺘﻐﻴﺮﻫﺎي ﻛﻴﻔﻲ رﺗﺒﻪ اي‪.‬‬

‫‪ -2‬راه دوم اﺳﺘﻔﺎده از ﻣﻨﻮي ‪ Graph‬اﺳﺖ‪:‬‬

‫‪ 2-2-2‬داده ﻫﺎي ﻋﺪدي )‪(Numerical Data‬‬

‫ﻣﺘﻐﻴﺮ ﭘﻴﻮﺳﺘﻪ اﺳﺖ‪.‬‬

‫‪ -‬ﻣﺘﻐﻴﺮ ﻋﺪدي ﮔﺴﺴﺘﻪ‪:‬‬

‫ﺧﺎﻧﻮاده ا ﻧﺘﺨﺎب ﺷﺪه ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﺎﺷﺪ‪:‬‬

‫‪-‬ﺟﺪول ﻓﺮاواﻧﻲ داده ﻫﺎي ﻓﻮق را ﺑﺎ ‪ SPSS‬رﺳﻢ ﻛﻨﻴﺪ‪.‬‬

‫‪-‬ﻧﻤﻮدارﻫﺎي ﻣﻴﻠﻪ اي و داﻳﺮه اي را ﺑﺮاي داده ﻫﺎي ﻓﻮق رﺳﻢ ﻛﻨﻴﺪ‪.‬‬

‫داده ﻫﺎي ﭘﻴﻮﺳﺘﻪ اﺳﺖ اﺳﺘﻔﺎده ﻛﻨﻴﻢ‪.‬‬

‫‪ -‬ﻣﺘﻐﻴﺮ ﻋﺪدي ﭘﻴﻮﺳﺘﻪ‪:‬‬

‫‪-‬ﺗﺒﺪﻳﻞ داده ﻫﺎي ﻋﺪدي ﭘﻴﻮﺳﺘﻪ ﺑﻪ ﻛﻴﻔﻲ‬

‫ﺟﺪول ﻓﺮاواﻧﻲ داده ﻫﺎي ﻓﻮق را رﺳﻢ ﻛﻨﻴﺪ‪.‬‬

‫‪Range = Max - Min‬‬

‫ﺷﻜﻞ زﻳﺮ ﻇﺎﻫﺮ ﺷﻮد‪:‬‬

‫اﺧﺘﻴﺎر ﻣﻲ ﻛﻨﻨﺪ‪ .‬ﻳﻚ ﻗﺎﻋﺪه ﻣﻔﻴﺪ اﺳﺘﻔﺎده از دﺳﺘﻮر اﺳﺘﻮرﮔﺲ ‪ Sturges‬اﺳﺖ‪:‬‬

‫)‪ m=1+3.322 log (n‬ﺗﻌﺪاد ﻃﺒﻘﺎت‬ ‫)‪ :n‬ﺗﻌﺪاد ﻛﻞ داده ﻫﺎ (‬

‫در ﻣﺜﺎل ﺑﺎﻻ دارﻳﻢ‪:‬‬

‫‪m=1+3.322 log (40) =6.322‬‬

‫ﻣﻲﮔﻴﺮد‪ .‬ﻃﻮل ﻫﺮ ﻃﺒﻘﻪ را ﻫﻢ از ﻓﺮﻣﻮل زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲﻛﻨﻴﻢ‪:‬‬

‫ﻛﺎدر ﮔﻔﺘﮕﻮي زﻳﺮ ﻇﺎﻫﺮ ﻣﻲ ﺷﻮد‪:‬‬

‫ﺑﺮاي ﺗﻤﺎم ﻃﺒﻘﺎت ﺑﻪ ﺗﺮﺗﻴﺐ اﻧﺠﺎم دﻫﻴﺪ‪.‬‬

‫ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ را ﺗﺎﻳﭗ ﻛﺮده دﻛﻤﻪ ‪ change‬را ﻛﻠﻴﻚ ﻛﻨﻴﺪ‪.‬‬

‫ﻣﺸﺎﻫﺪه ﻣﻲ ﻛﻨﻴﺪ ﻛﻪ ﻣﺘﻐﻴﺮ ﺟﺪﻳﺪ ﺑﺎ ﻣﻘﺎدﻳﺮ ‪ 1‬ﺗﺎ ‪ 7‬ﺳﺎﺧﺘﻪ ﺷﺪه اﺳﺖ‬

‫زﻳﺮ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ‪:‬‬

‫ﺑﻪ ﻗﺴﻤﺖ ‪ Data view‬ﺑﺮﮔﺮدﻳﺪ‪.‬‬