تحلیل های آماری در تربیت بدنی (3505848)

You might also like

Download as pptx, pdf, or txt
Download as pptx, pdf, or txt
You are on page 1of 112

‫تحلیل های آماری پیشرفته‬

‫دک تر قاسم رحیمی‬


‫منبع ‪ :‬تحلیل های آماری در تربیت بدنی‬
‫‪ ‬هدف‪ :‬آشنای ی دآنشجویان با روند معنی دآر کردن دآده های جمع آوری شده‬
‫‪ ‬روش ‪ :‬مروری آجمالی بر آمار توصیفی حدآک ثر ‪ 3‬جلسه و برگزآری آزمون آن در‬
‫هفته سوم یا چهارم به میزآن ‪ 5‬نمره‬
‫‪ ‬بخش دوم شامل مروری بر آمار آستنباطی در دو بخش آمار پارآمتریک و آمار‬
‫غیر پارآمتریک‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫بخش آول ‪ :‬آمار توصیفی‬
‫‪ .‬آمار‪ :‬یک روش ریاضی آست که بهوسیله آن آطالعات سازماندهی‪ ،‬طبقهبندی و آرآئه میگردند تا‬
‫تفسیر و آرزشیابی شوند و آرزشیابی فرآیند فلسفي تعیین آرزش دآدههاست‪Statistics- .‬‬
‫‪Evaluation‬‬

‫اندازه‌گیری‌چیست؟‌‬
‫آندآزهگیری فرآیند مقایسه یک مقدآر (عدد) با یک معيار (آستاندآرد) آست‪.‬‬
‫‪Measurement‬‬

‫اطالعات‌بدست‌آمده‌از‌اندازه‌گیری‌داده نامیده‌می‌شود‌و‌برای‌این‌كه‌‬
‫داده‌ها‌قابل‌قبول‌باشند‌باید‌داراي‌اعتبار‪‌،‬پایایي‌و‌عینیت‌باشند‬
‫‪Validity‬‬
‫دکتر قاسم رحیمی‬ ‫‪reliability‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫فرآیند آندآزهگیری‬

‫آندآزهگیری دآرآی ‪ 4‬مرحله آست‪:‬‬ ‫‪‬‬


‫موضوع يا هدف آندآزهگیری به خوبی شناسای ی و تعریف شود‪.‬‬ ‫‪‬‬
‫معياری که موضوع آندآزهگیری با آن مقایسه ميشود شناسای ی و تعریف شود‪.‬‬ ‫‪‬‬
‫موضوع با معيار مقايسه شود‪.‬‬ ‫‪‬‬
‫یک توضیح ّکمی در خصوص آرتباط بین موضوع آندآزهگیری با معيار آرآئه شود‪.‬‬ ‫‪‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫مقیاس های اندازه گیری‬
‫‪ -1‬نسبی‬
‫الف) کمی‬
‫‪ – 2‬فاصله ای‬

‫‪ -3‬ترتیبی‬
‫ب) کیفی‬
‫‪-4‬اسمی‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫متغیرها و ثابتها‬
‫متغیرها ‪:‬پیوسته و گسسته ‪Continuous-Discrete‬‬

‫متغیر‌مستقل‪ :‬متغیری آست که خودش به تنهاي ي ميتوآند تغيير كند (در تغييرپذيري‬
‫آزآد آست) و هیچ همگامي (همتغییري) با سایر متغیرها ندآرد‪Independent .‬‬
‫‪variable‬‬

‫متغیر‌وابسته‪ :‬یک‌متغیر‌وابسته‌برای‌تغییرپذیری‌آزاد‌نیست‪.‬‬
‫تغییرات‌آن‌بستگی‌به‌تأثیرات‌یک‌یا‌چند‌متغیر‌دیگر‌دارد‪.‬‬
‫‪Dependent variable‬‬
‫مقیاس‌های‌اندازه‌گیری‌‪:‬اسمی‪‌،‬رتبه‌ای‪‌،‬فاصله‌ای‌و‌نسبی ‪-‬‬
‫دکتر قاسم رحیمی‬
‫‪Nominal- Ordinal- Interval- Ratio‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫در مطالعة تجربی ً‬
‫عموما به متغیر مستقل که توسط محقق کنترل میشود متغیر‬
‫پیشبين يا پيشگو و به متغیر وآبستهآی که مورد مطالعه قرآر گرفته متغیر مالك يا‬
‫معیار آطالق میشود‪- Predictor .‬‬
‫‪- Criterion‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫سازماندهی دآده ها‬
‫دامنه‌تغییرات‪ :‬به فاصله عددی بین بزرگترین نمره و کوچکترین نمره‬

‫توزیع‌فراوانی‌ساده‌‬

‫وقتی‌که‌تعداد‌نمرات‌مطالعه‌اي‌زیاد‌باشد‌تهیه‌فهرستي‌جداگانه‌از‌همه‌‬
‫آنها‌نامناسب‌است‌چون‌این‌فهرست‌بسیار‌طویل‌خواهد‌شد‪ .‬این‌داده‌ها‌‬
‫را‌مي‌توان‌به‌وسیله‌یک‌توزیع‌فراوانی‌ساده‌سازماندهی‌كرد‌كه‌در یك‌‬
‫ستون‌این‌توزیع‪‌،‬داده‌هاي‌رتبه‌بندی‌شده‌از‌متغیر‌مورد‌نظر‌( ‪ )x‬و‌در‌‬
‫ستون‌دیگر‌تعداد‌یا‌فراوانی‌( ‪ ) f‬هر‌یک‌از‌داده‌ها‌ارائه‌مي‌شود‌ ‪-‬‬
‫‪Simple frequency distribution‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫جدول ‪ :2-2‬توزیع فراوانی ساده نمرات بارفیکس‬
‫‪x‬‬ ‫‪f‬‬ ‫‪f‬‬ ‫‪X‬‬
‫‪20‬‬ ‫‪2‬‬
‫‪19‬‬ ‫‪0‬‬
‫‪18‬‬ ‫‪3‬‬
‫‪17‬‬ ‫‪6‬‬
‫‪16‬‬ ‫‪8‬‬
‫‪15‬‬ ‫‪10‬‬
‫‪14‬‬ ‫‪17‬‬
‫‪13‬‬ ‫‪21‬‬
‫‪12‬‬ ‫‪25‬‬
‫‪11‬‬ ‫‪24‬‬
‫‪10‬‬ ‫‪26‬‬
‫‪9‬‬ ‫‪19‬‬
‫‪8‬‬ ‫‪16‬‬
‫‪7‬‬ ‫‪12‬‬
‫‪6‬‬ ‫‪10‬‬
‫‪5‬‬ ‫‪4‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪3‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪1‬‬
‫دکتر قاسم رحیمی‬ ‫‪1‬‬ ‫‪2‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬ ‫‪0‬‬ ‫‪1‬‬
‫واحد خوراسگان‬
‫جدول ‪ 2-3‬توزیع فراوانی طبقهبندی شده‪ :‬زمان یک مایل دویدن (ثانیه)‬
‫‪x‬‬ ‫‪f‬‬
‫‪599 – 580‬‬ ‫‪3‬‬
‫‪579 – 560‬‬ ‫‪9‬‬
‫‪559 – 540‬‬ ‫‪13‬‬
‫‪539 - 520‬‬ ‫‪15‬‬
‫‪519 – 500‬‬ ‫‪17‬‬
‫‪499 – 480‬‬ ‫‪21‬‬
‫‪479 – 460‬‬ ‫‪19‬‬
‫‪459 – 440‬‬ ‫‪25‬‬
‫‪439 – 420‬‬ ‫‪23‬‬
‫‪419 – 400‬‬ ‫‪18‬‬
‫‪399 – 380‬‬ ‫‪15‬‬
‫‪379 – 360‬‬ ‫‪12‬‬
‫‪359 – 340‬‬ ‫‪9‬‬
‫‪339 – 320‬‬ ‫‪5‬‬
‫دکتر قاسم رحیمی‬ ‫‪319 - 300‬‬ ‫‪2‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬ ‫‪206‬‬
‫واحد خوراسگان‬
‫حدود آشکار و وآقعی طبقات‬

‫حدود آشكار هر طبقه در جدول توزیع فرآوآنی بر آساس نمرآت صحیح (بدون آعشار)‬
‫مشخص میشوند‪ .‬يك وقفه بين مقدآر حد باال در يك گروه و نقطة شروع يا حد‬
‫پايين در گروه بعدي وجود دآرد‪ .‬حدود وآقعی هر طبقه شامل باالترين و پايينترين‬
‫مقادير هر طبقه آست كه برآي به دستآوردن حدود وآقعي‪ ،‬وقفه بين گروهها در‬
‫حدود آشكار به صورت مساوي در دو گروه مجاور هم تقسيم ميشود؛ به آين معني‬
‫كه نيمي آز مقدآر به گروه باالتر و نيمي آز آن به گروه پايين تعلق ميگيرد‪.‬‬
‫‪- Apparent limits‬‬
‫‪- Real limits‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫نمودآر يك نمايشگر بصري‪ ،‬ترسيمي يا مجازي آز دآدهها آست‪Graph.‬‬ ‫نمودآرها‪:‬‬
‫نمودآر ستوني‬ ‫•‬

‫هيستوگرآم‬ ‫•‬

‫نمودار چندضلعي‬ ‫•‬

‫نمودآر فرآوآني تجمعي‬ ‫•‬

‫نمودآر دآیره آی‬ ‫•‬


‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫منحني طبيعي (نرمال)‬

‫‪ ‬منحني طبيعي به وسيله توزيع متقارن دآدهها نسبت به مرك ز منحن ي ب ه ي ك روش وي هه آش اره‬
‫دآرد‪ .‬ميانگين‪ ،‬ميانه (نقطه‪50‬درص د) و نم ا (نم رهآي ك ه بيش ترين فرآوآن ي رآ دآرد) همگ ي در‬
‫وس ط منحن ي ق رآر ميگيرن د‪ .‬هم انطوري ك ه دآدهه ا آز مرك ز منحن ي دورترودورت ر ميش وند‬
‫فرآوآني نمرآت به صورت پيشبينيشدهآی كاهش مييابد‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫منحنيهاي زنگديس‪ ،‬پخ و كشيده‬
‫‪Lipokurtic Mesokurtic‬‬

‫نمودآر ‪:a :2 -5‬منحنيهاي با كشيدگي كم (زنگديس)‪ :b ،‬منحني پهن يا پخ‪ :C ،‬منحني كشيده‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫منحني‌هاي‌داراي‌چولگي‌(اریب)‬
‫برخي موآقع دآدهها منحنيآي رآ به وجود ميآورند كه دآرآي توزيع طبيعي نيست و يا به تعبيري دو آنتهاي آن متقارن‬
‫نيست‪ .‬وقتي بين دو آنتهاي دآدهها تناسب وجود ندآشته باشد منحني دآرآي چولگي ناميده ميشود‪- .‬‬
‫‪Skewed‬‬
‫‪ ‬آگر بيشتر آزمودنيها نمره باالي ي در آزمون بگيرند و تع دآد كم ي نم ره پ ايين آخ ذ كنن د‬
‫نما همانن د نم ودآر ب ه س مت رآس ت گ رآيش پي دآ ميكن د و آنته اي س مت چ منحن ي‪،‬‬
‫ط والنيتر آز آنته اي س مت رآس ت ميش ود‪ .‬ب ه آي ن منحن ي‪ ،‬منحن ي ب ا چ ولگي منف ي‬
‫گويند‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫آگ ر بيش تر آزمودنيه ا نم ره پ ایینی در آزم ون بگيرن د و تع دآد كم ي نم ره ب اال آخ ذ كنن د نم ا همانن د‬
‫نمودآر به سمت چ گرآيش پيدآ ميكند و آنتهاي سمت رآست منحني‪ ،‬طوالنيتر آز آنتهاي س مت‬
‫چ ميشود‪ .‬به آين منحني‪ ،‬منحني با چولگي مثبت می گويند‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫چولگی برآبر با گشتاور سوم نرمال شده آست‪ .‬چولگی در حقیقت معیاری آز وجود یا عدم تقارن تابع توزیع می‬
‫باشد‪ .‬برآی یک توزیع ً‬
‫کامال متقارن چولگی صفر و برآی یک توزیع نامتقارن با کشیدگی به سمت مقادیر باالتر‬
‫چولگی مثبت و برآی توزیع نامتقارن با کشیدگی به سمت مقادیر کوچک تر مقدآر چولگی منفی آست‪(.‬جانسون و‬
‫همکارآن‪)۲۰۰۱ ،‬‬
‫صدكها‬
‫‪ Cent ‬ريشه التين صد است‪ .‬كلمه ‪ Percent‬به معني درصد است‪.‬‬
‫‪ ‬مقدددار صددد ‪ 75‬از كددل مقددادير در توزيددع مقددادير رددات بيش د ر اسددت‪ .‬مقدددار سيوسددومين‬
‫صد ‪ ،‬مساوي يا به ر از كل مقادير است اما از مقادير كم ر است‬
‫‪3‬‬
‫‪ ‬ص ددد ها نمد درات اسد د اندارد ه‪4‬سد د ند‪ .‬نم ددره اسد د اندارد نم ددرهاي اس ددت ك دده از يد د م مو د ده‬
‫دده و مبن د دداي شنار هش د دددهاي ب د د دراي مقايس د دده دادههاس د ددت‪.‬‬
‫‪1‬اطال د ددات ر د ددات اس د د د ن ات ش د د ‪2‬‬
‫ر‬
‫‪3‬نقطده‪50‬درصددي نقطده ميداني اس‪3‬دت و دامنده ان صدفر تدا ‪ 100‬ميباشدد‪- Standard .‬‬
‫‪score‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬مقادير آستاندآرد به ما آين آمكان رآ ميدهند تا ‪ )1‬مقادير خام رآ آرزيابي كنيم‬
‫و ‪ )2‬دو یا چند مجموعه دآده رآ كه بر آساس وآحدهاي متفاوتي آندآزهگيري‬
‫شدهآند با هم مقايسه كنيم‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫آگر دآنش آموزی كه در آزمون آول ‪ 30‬درآزونشس ت رفت ه در آزم ون دوم رك ورد خ ود‬ ‫‪‬‬
‫رآ به ‪ 35‬آفزآيش دهد صدك آو به يك باره آز ‪ 50‬به ‪ 75‬آفزآيش مييابد و يا ب ه عب ارت‬
‫ديگ ر ص دك آو ‪ 25‬درص د آض افه ميش ود‪ .‬آم ا آگ ر آي ن ‪ 5‬نم ره آف زآيش در مق ادير‬
‫باالي ي توزیع قرآر دآشته باشد و در همين وضعيت‪ ،‬رك ورد خ ود رآ ب ه مي زآن ‪ 5‬درآز و‬
‫نشست آفزآيش ده د يعن ي رک ورد خ ود رآ آز ‪ 45‬ب ه ‪ 50‬برس اند ص دك آو فق ط ‪ 3‬نم ره‬
‫آف زآيش ميياب د يعن ي آز ‪ 57‬ب ه نزدي ك ‪ 100‬ميرس د‪ .‬آي ن پدي ده آغل ب آث ر س قف‬
‫ناميده ميشود‪.‬‬
‫‪- Ceiling effect‬‬ ‫‪‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تقسيمبنديهاي رآيج صدكها‬
‫‪ ‬دآمنه چاركي و دآمنه َدهكي دو نمونه آز رآيجترين صدكها ميباشند‪ .‬در برخ ي موآق ع‬
‫مقادير ب ه ص ورت چ اركي گ زآرش ميش وند‪ .‬در دآمن ه چ اركي مقي اس مق ادير ص دك ب ه‬
‫چهار قسمت مساوي يا چ ارك تقس يم ميش ود‪ .‬چ ارك آول آز ص فر ت ا ‪25‬آم ين ص دك‬
‫آس ت (‪ .)Q1‬چ ارك دوم آز ‪ Q1‬ت ا ‪50‬آم ين ص دك آس ت (‪ .)Q2‬چ ارك س وم آز‬
‫‪ Q2‬ت ا ‪75( Q3‬آم ين ص دك) و چ ارك چه ارم آز ‪ Q3‬ت ا ‪100( Q4‬آم ين ص دك)‬
‫آست‪ .‬در دآمنة چارکی ‪ 5‬تقسیمبندی آز مقدآر صدك ساخته ميشود‪.‬‬
‫‪- Quartile ‬‬
‫‪- Decile ‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ارتباط بین صدكها‪ ،‬چارکها و دهک ها‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تعیین صدك آز نمرآت‬ ‫‪X‬‬ ‫‪f‬‬ ‫‪Cum.f‬‬

‫‪220-229‬‬ ‫‪2‬‬ ‫‪115‬‬


‫رتبه صدكی دانشآموزی که توپ سافتبال‬ ‫‪219-210‬‬ ‫‪5‬‬ ‫‪113‬‬
‫را ‪ 146‬فوت پرتاب کرده چند است؟‬ ‫‪209-200‬‬ ‫‪7‬‬ ‫‪108‬‬
‫‪199-190‬‬ ‫‪7‬‬ ‫‪101‬‬
‫‪ X L‬‬
‫‪‬‬ ‫‪f C‬‬ ‫‪189-180‬‬ ‫‪9‬‬ ‫‪94‬‬
‫‪P‬‬ ‫‪‬‬ ‫‪i‬‬ ‫‪‬‬ ‫‪179-170‬‬ ‫‪12‬‬ ‫‪85‬‬
‫‪N‬‬ ‫‪169-160‬‬ ‫‪10‬‬ ‫‪73‬‬
‫‪ 146 139.5‬‬
‫‪159-150‬‬ ‫‪15‬‬ ‫‪63‬‬
‫‪‬‬ ‫‪7  41‬‬ ‫‪149-140‬‬ ‫‪7‬‬ ‫‪48‬‬

‫‪P‬‬ ‫‪‬‬ ‫‪10 ‬‬


‫‪ 0.396  39 / 6%‬‬
‫‪139-130‬‬ ‫‪9‬‬ ‫‪41‬‬
‫‪129-120‬‬ ‫‪10‬‬ ‫‪32‬‬
‫‪115‬‬ ‫‪119-110‬‬ ‫‪7‬‬ ‫‪22‬‬
‫‪109-100‬‬ ‫‪6‬‬ ‫‪15‬‬
‫‪99-90‬‬ ‫‪5‬‬ ‫‪9‬‬
‫دکتر قاسم رحیمی‬
‫‪89-80‬‬ ‫‪4‬‬ ‫‪4‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬ ‫‪n=115‬‬
‫واحد خوراسگان‬
‫اول باید صد مورد نظر را در تعداد کل ضرب کنیم (‬

‫تعیین نمره خام آز روی صدك‬


‫در جدول باال نمره میانی یا صدك پنجاهم را مشخص کنید‬

‫اول‌باید‌صدك‌مورد‌نظر‌را‌در‌تعداد‌کل‌ضرب‌کنیم‌( ‪ )p  N‬تا‌طبقه‌ای‌‬
‫که‌نمره‌خام‌در‌آن‌قرار‌گرفته‌را‌مشخص‌نمائیم‪ .‬باید‌تعداد‌‪110‬‬
‫دانش‌آموز‌کالس‌را‌درصدك‌پنجاهم‌ضرب‌كنیم‌(‪)50/0×115= 5/57‬‬
‫كه‌‪ 5/57‬به‌دست‌می‌آید‌و‌دقیقاً‌طبقۀ‌میانی‌جدول‌است‪ .‬محل‌نقطة‬
‫میاني‌جایي‌بین‌‪ 150‬تا‌‌‪ 159‬قرار‌مي‌گیرد‪.‬‬
‫‪ PN  C ‬‬
‫‪X  ‬‬ ‫‪i  L‬‬
‫‪‬‬ ‫‪f‬‬ ‫‪‬‬
‫‪ 0/50 115 48‬‬
‫‪X ‬‬ ‫‪10 149/5 155/83‬‬
‫‪‬‬ ‫‪15‬‬ ‫‪‬‬ ‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫مقادير گرآيش مرکزی‬
‫‪ ‬نما (مد)‪Mode‬‬

‫‪ ‬میانه ‪Median‬‬

‫‪ ‬میانگین ‪mean‬‬

‫‪ ‬طریقه محاسبه‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫وق ددی ميرددواهيم ت ددمیم بگيددريم از كددداتي از ايددن سدده شددار اس د فاده كندديم بایددد بدده‬
‫موارد زیر توجه کنیم‪:‬‬
‫• وقت ي فق ط ب ه ی ک ب رآورد آولي ه آز تمای ل مرک زی نی از دآری د و همون ين دآدهه ا دآرآي توزي ع طبيع ي‬
‫هستند آز نما آستفاده کنید‪.‬‬
‫• آز ميانه آستفاده كنيد هرگاه‪ :‬آلف) دآدهها بر آساس مقی اس ترتیب ی هس تند‪ ،‬ب) مق دآر‬
‫میانی گروه مدنظر آست‪ ،‬ج) به مقدآر وي هه‪ ،‬بيش تر ني از دآري د و د) منحن ی توزی ع مق ادير‬
‫دآرآي مقادير پرت و دآرآی چولگی زيادي آست‪.‬‬
‫• آز مي انگين آس تفاده كني د هرگ اه‪ :‬آل ف) منحن ی دآدهه ا تقریب ًا طبیع ی آس ت و مقی اس دآدهه ا‬
‫فاصلهآی یا نسبی آست‪ ،‬ب) الزم آست همة آطالعات مربوط به دآدهه ای جمعآوریش ده م ورد بررس ي‬
‫وآق ع ش ود (رتب ة مق ادير همانن د مق ادير نس بي م ورد نظ ر باش ند) ی ا ج) قص د دآری د محاس بات‬
‫پیشرفتهتري مثل آنحرآف معيار یا مقادير آستاندآرد آنجام دهید‪.‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد‬
‫اسالمی‬
‫شاخص های پرآکندگی‬
‫‪ ‬دآمنه تغییرنمرآت ‪Range‬‬

‫‪ ‬دآمنه بينچاركي ‪(IQR) - Interquartile range‬‬


‫‪IQR  Q3  Q1‬‬
‫‪ ‬دآمنه نیمچارکی )‪ (SIQR‬که نصف دآمنه بينچارکی آست‪ .‬فرمول آن ‪-‬‬
‫‪Semi- Interquartile range‬‬
‫‪SIQR  (Q3  Q1 ) / 2‬‬
‫‪ ‬وآریانس‬

‫‪ ‬آنحرآف معیار‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫محاسبه واریانس و انحراف معیار‬
‫‪d2‬‬ ‫‪d‬‬ ‫‪Y‬‬ ‫‪d2‬‬ ‫‪d‬‬ ‫‪X‬‬
‫‪100‬‬ ‫‪+10‬‬ ‫‪35‬‬ ‫‪4‬‬ ‫‪+2‬‬ ‫‪27‬‬
‫‪25‬‬ ‫‪+5‬‬ ‫‪30‬‬ ‫‪1‬‬ ‫‪+1‬‬ ‫‪26‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪25‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪25‬‬
‫‪25‬‬ ‫‪-5‬‬ ‫‪20‬‬ ‫‪1‬‬ ‫‪-1‬‬ ‫‪24‬‬
‫‪100‬‬ ‫‪-10‬‬ ‫‪15‬‬ ‫‪4‬‬ ‫‪-2‬‬ ‫‪23‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪∑d2=250‬‬ ‫‪∑d=0‬‬ ‫‪=125‬‬ ‫‪∑d2=10‬‬ ‫‪∑ d =0‬‬ ‫‪∑X =125‬‬
‫‪∑Y‬‬
‫‪VX = 10 ÷ 5 =2‬‬ ‫‪10‬‬
‫‪X ‬‬ ‫‪ 2  1/414‬‬
‫‪5‬‬
‫‪VY = 250 ÷ 5 =50‬‬
‫دکتر قاسم رحیمی‬ ‫‪250‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬ ‫‪Y ‬‬ ‫‪ 50 7/071‬‬
‫واحد خوراسگان‬ ‫‪5‬‬
‫محاسبه‌انحراف‌استاندارد‌به‌روش‌نظری‌از‌توزیع‌فراوانی‌ساده‬
‫‪X‬‬ ‫‪f‬‬ ‫‪fX‬‬ ‫‪d‬‬ ‫‪d2‬‬ ‫‪fd2‬‬
‫فرمول‌اصلی‌انحراف‌معیار‬
‫‪10‬‬ ‫‪2‬‬ ‫‪20‬‬ ‫‪583/3‬‬ ‫‪838/12‬‬ ‫‪676/25‬‬
‫‪9‬‬ ‫‪6‬‬ ‫‪54‬‬ ‫‪583/2‬‬ ‫‪672/6‬‬ ‫‪031/40‬‬

‫‪σ‬‬
‫‪X‬‬ ‫‪2‬‬
‫‪X2‬‬
‫‪8‬‬ ‫‪9‬‬ ‫‪72‬‬ ‫‪583/1‬‬ ‫‪506/2‬‬ ‫‪553/22‬‬
‫‪7‬‬ ‫‪12‬‬ ‫‪84‬‬ ‫‪583/0‬‬ ‫‪340/0‬‬ ‫‪079/4‬‬
‫‪N‬‬ ‫‪6‬‬ ‫‪15‬‬ ‫‪90‬‬ ‫‪-417/0‬‬ ‫‪174/0‬‬ ‫‪608/2‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪40‬‬ ‫‪-417/1‬‬ ‫‪008/2‬‬ ‫‪063/16‬‬
‫‪σ ‬‬
‫‪d2‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪16‬‬ ‫‪-417/2‬‬ ‫‪842/5‬‬ ‫‪368/23‬‬
‫‪N‬‬ ‫‪=1/86‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪-417/3‬‬ ‫‪676/11‬‬ ‫‪352/23‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪-417/4‬‬ ‫‪510/19‬‬ ‫‪510/19‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪-417/5‬‬ ‫‪344/29‬‬ ‫‪344/29‬‬
‫‪N =60‬‬ ‫‪∑fx = 385‬‬

‫دکتر قاسم رحیمی‬ ‫‪X‬‬ ‫‪‬‬


‫‪‬‬ ‫) ‪( fX‬‬
‫‪÷ 60 = 6/417‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬ ‫‪N‬‬
‫واحد خوراسگان‬ ‫‪=385‬‬
‫محاسبه آنحرآف آستاندآرد نمونه‬
‫آدآنه میتوآنند تغییر کنند‪.‬‬‫ز‬ ‫آ‬ ‫که‬ ‫آست‬ ‫دآده‬ ‫مجموعه‬ ‫يك‬ ‫آز‬ ‫ي‬‫مقادير‬ ‫تعدآد‬ ‫درجه آزآدی[ ‪]5‬‬
‫‪- Degrees of freedom‬‬

‫درجات آزآدی دآدههای نمونهآی که معرف جامعه آست همیشه بايد ‪N-1‬باشد‪.‬‬

‫انحراف معيار نمونه بارتست از‪:‬‬


‫‪( X ) 2‬‬
‫‪SD ‬‬
‫‪d‬‬ ‫‪2‬‬
‫‪X‬‬ ‫‪2‬‬
‫‪‬‬
‫‪N‬‬
‫‪N 1‬‬ ‫‪SD ‬‬
‫‪N 1‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫منحنی طبیعی و خطای نمونهگیری‬
‫‪X X‬‬
‫‪Z ‬‬
‫‪σ‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫نمرآت ‪ Z‬و مقادير ‪T‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫‪  10‬‬
‫‪  50‬‬
‫واحد خوراسگان‬
‫مقیاس ‪5‬درجهآی‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫همبستگی‬
‫‪ ‬ضریب همبستگی ‪ Correlation Coefficient‬بیانگر‬
‫مقدار ارتباط بین دو متغیر است اما علّت ارتباط را‬
‫مشخص نمیکند‪ .‬زیرا ارتباط یك متغیر با متغیر دیگر در‬
‫اینجا بدین معنا نیست که تغییرات یک متغیر سبب‬
‫تغییرات متغیر دیگر ميشود‪ .‬ممکن است متغیرهای‬
‫دیگري در همان جهت روی یک یا هر دوي آنها عمل کنند‬
‫و بر ارتباط آنها تأثیر بگذارند‪.‬‬
‫‪ ‬ضریب همبستگی را میتوان بر روي یك نمودار پخش‬
‫(پراكنش) از طریق مشخصكردن محل تالقی نمرات هر‬
‫آزمودني در دو متغیر بر روي محورهاي ‪ X‬و ‪ Y‬مشخص‬
‫كرد‪- Scatter plot‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬آگر آرتباط کامل باشد (‪ +1‬یا ‪ )-1‬همه نقاط ً‬
‫دقیقا روی خط قرآر میگیرند‪ .‬آگر‬
‫آرتباط صفر باشد نقاط در آطرآف خط به نحوی پرآكنده ميشوند که نمیتوآن‬
‫هیچ خط مبناي ي رآ برآزش دآد‪ .‬به عبارت دیگر هنگامي كه همبستگی صفر باشد‬
‫نقاط در همه قسمتهاي نمودآر پرآكنده ميشوند و نزديك به خط نيستند‪.‬‬

‫‪ ‬وقتي همبستگی صفر باشد پیشبینی یک متغیر آز روی متغیر دیگر آمکانپذیر‬
‫نیست‪ .‬يك همبستگی صفر يا نزديك به آن‪ ،‬متعامد نامیده میشود بدین معنی‬
‫که توزيع نقاط بيشتر مثل مربع یا مستطیل آست تا آينكه خطی باشد‪ .‬یک‬
‫آرتباط متعامد آز نظر آماری معنیدآر نیست‪.‬‬
‫‪- Orthogonal‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬در آرزیابی فرآيند آزمون‪ ،‬همبستگی آغلب برآی تعیین آعتبار آبزآر آندآزهگیری آز طریق‬
‫مقایسه آعتبار یک روش ناشناخته با آعتبار یک روش شناختهشده به کار میرود‪.‬‬

‫‪ ‬ضريب همبستگی میتوآند به عنوآن آبزآر مناسبي برآی پیشگوي ی به کار رود‪ .‬وقتی ضریب‬
‫همبستگی بین دو متغیر مشخص باشد میتوآن نمرآت متغیر دوم رآ آز روی نمرآت متغیر آول‬
‫پیشگوي ی كرد‪.‬‬

‫گرچه ضریب همبستگی بيانگر مقدآر آرتباط بین دو متغیر آست آما ّعلت آرتباط رآ مشخص‬ ‫‪‬‬
‫نمیکند‪ّ .‬علت و معلول ممكن آست مشخص باشند آما همبستگی نميتوآند ّعلت رآ ثابت کند‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫محاسبه ضریب همبستگی‬
‫ضریب همبستگی پیرسون‬

‫) ‪N ( XY )  ( X )(Y‬‬
‫‪r‬‬
‫‪ )1‬از‌طریق‌نمرات‌خام‬
‫‪N ( X )  ( X ) N (Y )  (Y ) ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪ )2‬آز طریق آنحرآف نمرآت آز میانگین‬

‫‪6 d 2‬‬
‫‪  1‬‬ ‫ضریب همبستگی آسپیرمن‬
‫)‪N ( N  1‬‬
‫‪2‬‬

‫ضریب همبستگی فی‬

‫دکتر قاسم رحیمی‬ ‫ضریب تعیین‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪x‬‬ ‫‪y‬‬ ‫‪x2‬‬ ‫‪y2‬‬ ‫‪xy‬‬
‫‪4‬‬ ‫‪7‬‬ ‫‪16‬‬ ‫‪49‬‬ ‫‪28‬‬

‫‪5‬‬ ‫‪7‬‬ ‫‪25‬‬ ‫‪49‬‬ ‫‪35‬‬

‫‪7‬‬ ‫‪8‬‬ ‫‪49‬‬ ‫‪64‬‬ ‫‪56‬‬

‫‪9‬‬ ‫‪9‬‬ ‫‪81‬‬ ‫‪81‬‬ ‫‪81‬‬

‫‪10‬‬ ‫‪11‬‬ ‫‪100‬‬ ‫‪121‬‬ ‫‪110‬‬

‫‪∑x=35‬‬ ‫‪∑y=42‬‬ ‫‪∑x2=271‬‬ ‫‪∑x2=364‬‬ ‫‪∑xy=310‬‬

‫) ‪N ( XY )  ( X )(Y‬‬
‫‪r‬‬
‫‪N ( X )  ( X ) N (Y )  (Y ) ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ضریب همبستگی آسپیرمن‬

‫رتبه‌‪X‬‬ ‫نمره‌‪Y‬‬ ‫رتبه‌‪Y‬‬ ‫‪d‬‬ ‫‪d2‬‬


‫‪1‬‬ ‫‪42‬‬ ‫‪2/5‬‬ ‫‪-1/5‬‬ ‫‪2/25‬‬
‫‪2‬‬ ‫‪46‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪42‬‬ ‫‪2/5‬‬ ‫‪0/5‬‬ ‫‪0/25‬‬
‫‪4‬‬ ‫‪40‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪5‬‬ ‫‪39‬‬ ‫‪6‬‬ ‫‪-1‬‬ ‫‪1‬‬
‫‪6‬‬ ‫‪39‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪7‬‬ ‫‪39‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪6 d 2‬‬
‫‪  1‬‬
‫)‪N ( N 2  1‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫پیشبینی پارآمترهای جامعه با آستفاده آز آستنباط آماری‬
‫‪ ‬آمار آستنباطی‬
‫‪ ‬آنوآع آمار آستنباطی‪ :‬پارآمتریک و غیر پارآمتریک‬
‫‪ ‬نمونه و خصوصیات آن‬
‫‪ ‬آنوآع برآورد‪ :‬برآورد نقطه آی و برآورد دآمنه آی‬
‫‪ ‬جامعه‬
‫‪ ‬درجه آزآدی‬
‫‪ ‬آزمون فرضیه ‪ -‬فرضیه یک دآمنه و دو دآمنه‬
‫‪ ‬سطوح رد و قبول فرض پوچ‬
‫‪ ‬عدد بحرآنی‬
‫دکتر قاسم رحیمی‬ ‫سطح آطمینان و آحتمال خطا‬ ‫‪‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫امار اس نباطی‪ -‬انواع‬
‫ویژگی‌های‌آمار‌پارامتریک‪:‬‬
‫‪ -1‬مقیاس اندازه گیری کمی باشد‬
‫‪ -2‬توزیع نمرات در جامعه تحت بررسی دارای توزیع طبیعی باشد‬
‫‪ -3‬ت انس واریانس وجود داش ه باشد‬
‫‪ -4‬ان خاب نمونه ت ادفی باشد‬
‫مقايسه ميانگينهاي دو مجموعه آز دآدهها ‪ :‬وقتی قصد دآریم میانگین یک ویهگی رآ‬
‫در دو گروه مقایسه کنیم در آولین مرحله باید مشخص کنیم که دآده های ما‬
‫ویهگی های آمار پارآمتریک رآ دآرد یا باید آز طریق روشهای ناپارآمتری آین مقایسه‬
‫آنجام گردد‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ویژگی های نمونه‬
‫‪ ‬شانس مساوی برآی آنتخاب هر عضو وجود دآشته باشد‬

‫‪ ‬آنتخاب هر عضو مستقل آز دیگری باشد‬

‫‪ ‬نمونه گیری آریب نباشد‬

‫ان خاب ت ادفی تقریبا همه این ویژگی ها را دارد‬


‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫آزمون فرضیه ‪ -‬فرضیه یک دآمنه و دو دآمنه‬

‫‪ ‬معموال محقق فرض خود رآ به صورت پوچ مطرح میکند یعنی به جای آینکه سوئآل کند ”آیا‬
‫تمرین بدنی باعث آفزآیش قدرت میشود؟“ میگوید ”تمرین بدنی قدرت رآ آفزآیش نمی دهد‪“.‬‬
‫‪ ‬فرض پوچ یا فرض آماری ‪ Null Hypothesis‬رآ با نشان میدهند‪.‬‬
‫‪H0‬‬ ‫‪ ‬در مقابل یک فرضیه مقابل یا فرض تحقیق وجود دآرد که‬
‫نشان دآده می شود‪.‬‬ ‫با‬
‫‪H‬‬
‫‪ ‬آگر جهت فرضیه‪ 0‬مشخص نباشد (مثال باال) فرضیه دو سویه و‪ P =0/025‬خوآهد بود‪ .‬آما آگر‬
‫فرضیه‪H‬‬
‫جهت دآر باشد یعنی به بزرگ تر بودن یا کوچک تر بودن میانگیندو جامعه آشاره کند‬ ‫‪1‬‬
‫فرضیه یک دآمنه و‪ P =0/05‬خوآهد بود‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫سطوح رد و قبول فرض پوچ‬
‫‪ ‬معموال محقق برآی آینکه نتایج گروه نمونه رآ به جامعه تعمیم دهد آر آزمون‬
‫های مختلفی نظیر ‪ t, F, Z‬یا مجذور کای آستفاده می کند که در نهایت‬
‫عدد یا آرزش خاصی رآ بدست می آورد آین عدد‪ ،‬عدد مشاهده یا عدد محاسبه‬
‫گ فته می شود (مثال ‪ (tobs‬آما برآی تفسیر آین آرزش نیاز به عدد دیگری‬
‫آست که به آن عدد بحرآنی(مثال ‪ (tcri‬گ فته میشود‪.‬هریک آز آزمونها دآرآی‬
‫آعدآد بحرآنی خاص خود بر مبنای توئری آحتماالت و درجه آزآدی می باشند‬
‫عدد مشاهده باید با عدد بحرآنی مقایسه شود که به آن ضابطه تصمیم گیری‬
‫می گوییم‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫سطح آطمینان و آحتمال خطا‬
‫سطح آطمینان )‪ (LOC‬یک نمودآر درصدی آست که آحتمال صحیحبودن یک آظهارنظر رآ نشان‬
‫میدهد و بر آساس ویهگیهای منحنی طبیعی آستوآر آست‪ .‬در مثال قبلی برآورد میانگین جامعه‬
‫)‪‬‬
‫باالتر‬ ‫( ) در سطح آطمینان ‪ 28‬درصد دقیق آست چون ما یک خطای معيار میانگین (‬
‫و یک خطای معيار میانگین پایینتر آز میانگین برآوردشدة جامعه رآ محاسبه کردیم‪.‬‬
‫صحیح‪SE‬بودن ‪ 28‬درصد باشد ‪ 32‬درصد آحتمال خطا نیز وجود دآرد‪ .‬آین مفهوم به‬ ‫آما آگر آحتمال ‪M‬‬
‫آحتمال خطا آشاره دآرد و به شكل نمايش دآده ميشود (آحتمال خطا کمتر آز ‪ .)0/32‬سطح‬
‫زیر منحنی طبيعي که نشاندهنده آحتمال خطاست آلفا ( ) نامیده میشود‪ .‬آلفا سطحی آز‬
‫‪p  0/32‬‬ ‫شانسيبودن یک رویدآد آست‪ .‬آلفا در آمار آغلب عامل خطا نامیده میشود (مثل آحتمال‬
‫غلطبودن كه به خاطر شانس وقوع رویدآدهای غيرقابل كنترل جود دآرد)‪ .‬آلفا مستقی ًما به ‪Z‬‬
‫مقدآر ‪ Z‬مشخص میباشد‪- .‬‬ ‫بستگی دآرد زیرآ سطحی آز منحنی طبیعی آست که بيرون آز یک ‪α‬‬
‫‪Level of confidence‬‬
‫‪- Probability of error‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫برآورد خطای نمونهگیری‬
‫‪‬ب ه مق دآر خط ا در ب رآورد پ ارآمتر جامع ه ب ر آس اس نمون ه ب ه دس ت آم ده‪،‬‬
‫خط ای نمون هگیری آط الق میش ود‪ .‬حت ي آگ ر نمون ه ب ه ص ورت تص ادفی‬
‫ً‬
‫آنتخ اب ش ده باش د بعی د آس ت ک ه می انگین نمون ه دقیق ا مش ابه می انگین‬
‫جامعه باشد‪- Sampling error .‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬ ‫ر‬
‫رطای نمونهگیری ‪ :‬به مقدار رطا در براو د پارام ر جامعه بر اساس نمونه به دست‬
‫ر‬
‫امده‪ ،‬رطای نمونهگیری اطالق میشود‪ .‬ح ي اگر نمونه به صورت ت ادفی ان خاب‬
‫ً‬
‫شده باشد بعید است که میانگین نمونه دقیقا مشابه میانگین جامعه باشد‪.‬‬
‫‪Sampling error‬‬

‫آحتمال آنتخاب یک نمونه سودآر (آریب) وقتی آفزآیش مییابد که حجم‬


‫نمونه کاهش يابد‪ .‬هرچه نمونه بزرگتر باشد خطاي پیشگوي ی میانگین‬
‫جامعه کمتر میشود‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫با دقت بیشتر يا با فاصله آطمينان باری کتر ش انس درس تبودن ب رآورد ك اهش دآده‬
‫ميش ود و ب ا ك اهش دق ت و ي ك ب رآورد كل ي ي ا آف زآيش فاص له آطمين ان ش انس‬
‫درستبودن برآورد آفزآيش پيدآ ميكند‪.‬‬

‫‪SEM‬‬
‫نشان دآده میشود و به صورت‬ ‫خطای معيار میانگین برآوردشده آز یک نمونه با عالمت‬
‫جبری با معادله زیر محاسبه میشود‪:‬‬

‫‪SD‬‬
‫‪SE M ‬‬ ‫) ‪μ  X  1(SEM‬‬
‫دکتر قاسم رحیمی‬ ‫‪N‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫معادله عمومی برای تعیین فاصلة اطمینان جامعه بر اساس‬
‫میانگین نمونه برای هر سطحی از اطمینان در فرمول‬
‫زیر ارائه شده است‪.‬‬
‫) ‪μ  X  Z ( SE M‬‬
‫در این فرمول ‪ Z‬همان مقدار ‪ Z‬است که برای احتمال‬
‫خطای مورد نظر به کار میرود (به ترتیب برای‬
‫مساوي‪1/65 p  0/1‬؛ برای‪ p  0/05‬مساوي ‪1/96‬؛ و‬
‫برای‪ p  0/01‬مساوي ‪.)2/58‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫پژوهشگري ميخواهد میانگین قد بچههای کالس اول مدارس‬
‫یک منطقه را بررسی کند‪ .‬به صورت تصادفی ‪83‬‬
‫دانشآموز از مدارس كل منطقه انتخاب شدند‪ .‬اندازهگیریها‬
‫انجام و نتایج زیر بهدست آمد‪ :‬میانگین ‪ 125‬سانتیمتر و‬
‫انحراف معیار ‪ 10‬سانتیمتر بودند‪ .‬برآورد قد دانشآموزان‬
‫کل منطقه (جامعه) در سطح اطمینان ‪ 95‬درصد و به شرح‬
‫زیر محاسبه شد‪:‬‬
‫‪10‬‬
‫‪SEM ‬‬ ‫‪ 1/1 p  0/05 μ  125 (1/96) 1/1 125 2/2‬‬
‫‪83‬‬
‫پژوهشگر نتیجه گرفت که با اطمینان ‪ 95‬درصد میانگین قد‬
‫همه دانشآموزان کالس اول در مدارس منطقه بین‬
‫است ‪122/8 μ ‬‬ ‫‪127/2‬‬‫‪122/8‬تا ‪127/2‬سانتیمتر‬
‫بدین ترتیب فقط ‪ 5‬درصد‬ ‫‪p )0/05‬‬ ‫(‬
‫دکتر قاسم رحیمی‬
‫دارد‪.‬‬
‫علمی دانشگاه آزاد اسالمی‬ ‫) احتمال صحیحنبودن نتایج وجود‬
‫عضو هیات‬ ‫(‬
‫محاسبه چولگي و كشيدگي منحنی‬

‫‪ ‬چولگي شاخصي براي تقارن دادهها و كشیدگي‬


‫شاخصی برای ارتفاع نسبی منحنی دادهها میباشد ‪-‬‬
‫‪Skewness- Kurtosis‬‬
‫‪  N‬چولگي‬ ‫‪‬‬ ‫‪Z‬‬ ‫‪3‬‬

‫وقتی میانگین ‪ Z3‬صفر باشد‬


‫دادهها داراي توزیع طبیعي هستند‪ .‬وقتی میانگین‬
‫‪Z3‬مثبت باشد دادهها دارای چولگي مثبت و باالخره‬
‫وقتی میانگین ‪ Z3‬منفی باشد دادهها دارای چولگی‬
‫منفی هستند‪.‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫محاسبه چولگي و كشيدگي منحنی‬
‫‪ Z 4 ‬‬
‫كشیدگي‬ ‫‪‬‬ ‫‪ 3‬‬
‫‪ N ‬‬
‫مقدآر صفر شاخصی برآی طبیعیبودن كشيدگي منحنی آست (منحنی زنگولهآي)‬
‫همان طوري كه مقدآر صفر برآی چولگي نشاندهنده متقارنبودن منحنی آست‪.‬‬
‫وقتی مقدآر خام بهدست آمده برآی كشيدگي بزرگتر آز صفر باشد آرتفاع منحنی‬
‫بیش آز منحنی طبیعی آست (منحني تيز) و وقتی مقدآر خام كشيدگي کمتر آز‬
‫صفر باشد منحنی پهنتر و آرتفاع کمتری نسبت به منحنی طبیعی دآرد (منحني‬
‫پخ)‪.‬‬
‫برآی تبدیل مقادير خام چولگی (معادله ‪ )2-5‬یا كشيدگي (معادله ‪ )2-2‬به مقادير‬
‫‪ ،Z‬مقادير خام آنها رآ بر خطای معيار تقسیم میکنیم‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪SESKew ‬‬
‫‪6‬‬
‫‪Z SKew ‬‬
‫‪ /N‬‬
‫‪Z‬‬ ‫‪3‬‬

‫‪N‬‬ ‫‪6/ N‬‬

‫‪SE Kurt ‬‬


‫‪24‬‬
‫‪Z Kurt ‬‬ ‫‪ /N 3‬‬
‫‪Z‬‬ ‫‪4‬‬

‫‪N‬‬ ‫‪24 / N‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫رگرسیون خطی‬
‫‪ ‬موقعیت ه ای ی وج ود دآرد ک ه محق ق س عی م ی کن د متغی ری رآ آز روی متغی ر دیگ ر‬
‫پ یش بین ی کن د‪ .‬آی ن پ یش بین ی م وقعی میس ر آس ت ک ه ب ین دو متغی ر همبس تگی‬
‫وج ود دآش ته باش د‪ .‬همبس تگی ص فر آی ن آمک ان رآ آز ب ین میب رد‪.‬در رگرس یون ‪x‬‬
‫متغی ر پ یش ب ین ی ا پیش گو و‪ y‬متغی ر م الک آس ت ک ه م ورد پ یش بین ی وآق ع‬
‫میشود‪.‬خط رگرسیون رآبطه خطی بین دو متغیر آست‪.‬‬
‫‪ Y ‬مق دآر ع ددی روی مح ور‪x ، y‬مق دآر ع ددی روی مح ور‪ b ، x‬ش یب خ ط و‬
‫‪bX‬تالق‪‬ی خ‪Y‬ط بهت رين ب رآزش‬
‫‪C‬عرض آز مبدآ ‪ y‬میباشد‪ .‬عرض آز مبدآ ‪Cy‬به‪‬نقط ه‬
‫با محور ‪ y‬آطالق ميشود‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ضریب رگرسیون‬
‫مقدار عددی شیب خط رگرسیون یا نسبت تغییر در متغیر‬ ‫‪‬‬
‫وابسته ‪ y‬برای هر واحد تغییر در متغیر مستقل ‪x‬‬
‫بر اساس اطالعات زیر معادله رگرسیون را محاسبه خط رگرسیون‬
‫را رسم و برای ‪ x=3‬دامنه ‪ y‬را در حد خطای ‪ 0/05‬برآورد کنید‬

‫‪x‬‬ ‫‪y‬‬ ‫‪x2‬‬ ‫‪y2‬‬ ‫‪xy‬‬


‫‪7‬‬ ‫‪2‬‬ ‫‪49‬‬ ‫‪4‬‬ ‫‪14‬‬
‫‪2‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪25‬‬ ‫‪10‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪9‬‬ ‫‪3‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪25‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪3‬‬ ‫‪7‬‬ ‫‪9‬‬ ‫‪49‬‬ ‫‪21‬‬
‫‪18‬‬ ‫‪18‬‬ ‫‪88‬‬ ‫‪88‬‬ ‫‪53‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫بر اساس اطال ات زیر معادله رگرسیون را محاسبه رط رگرسیون را رسم و برای ‪x=9‬‬
‫ر‬
‫دامنه ‪ y‬را در حد رطای ‪ 0/05‬براو د کنید‬
‫ر‬

‫‪x‬‬ ‫‪y‬‬ ‫‪x2‬‬ ‫‪y2‬‬ ‫‪xy‬‬


‫‪2‬‬ ‫‪3‬‬
‫‪4‬‬ ‫‪5‬‬
‫‪7‬‬ ‫‪7‬‬
‫‪8‬‬ ‫‪6‬‬
‫‪10‬‬ ‫‪8‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫رگرسیون دو متغیری‬
‫‪Bivariate Regression‬‬
‫وقتی ضریب همبستگی بین دو متغیر به آندآزه کافی بزرگ باشد با دآنستن مقدآر مربوط به يك نفر‬
‫در متغیر میتوآنیم مقدآر مربوط به آن فرد رآ آز روی آن پیشبيني کنیم‪.‬‬
‫فرض کنید که یک آزمون درازونشست در یک دقیقه را از یک گروه‬
‫دانشآموزان پسر دبیرستانی در دو روز پی در پی به عمل آوردهایم‪ .‬بر‬
‫اساس دادههاي به دست آمده محاسبات زیر انجام شده است‪:‬‬
‫)‪ (X‬روز اول‬ ‫)‪(Y‬روز دوم‬

‫‪X  52/33‬‬ ‫‪Y  50/58‬‬


‫‪σ X  12/31‬‬ ‫‪=0/845‬‬ ‫‪σY  10/56‬‬
‫‪r‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫مقادیر مربوط به هر فرد را روی نمودار رسم ميکنیم‪ .‬نمرات روز اول را روی محور و نمرات روز‬
‫‪Y‬‬ ‫‪X‬‬
‫دوت را روي محور رسم مينماييم‪ .‬به نوان مثال‪ ،‬در نمودار ميتوان دادههاي مربوط به فردي را‬
‫كه در روز اول تعداد ‪ 58‬و در روز دوت ‪ 51‬درازونشست ان ات داده را مشاهده كرد‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫برآی آینکه مقدآر دقیقتر محاسبه شود آز فرمول جبری زیر آستفاده میشود‪:‬‬
‫‪Y  bX  C‬‬
‫‪y ‬مقدآر عددی روی محور‪x ، y‬مقدآر عددی روی محور‪ b ، x‬شیب خط‬
‫و ‪C‬عرض آز مبدآ ‪ y‬میباشد‪ .‬عرض آز مبدآ ‪ y‬به نقطه تالقی خط بهترين‬
‫برآزش با محور ‪ y‬آطالق ميشود‪-Y-intercept‬‬

‫‪ r (σ ) ‬‬ ‫‪ r (σ Y ) ‬‬


‫‪b‬‬ ‫‪Y‬‬
‫‪‬‬ ‫‪C  ‬‬ ‫‪X Y‬‬
‫‪ σ x ‬‬ ‫‪ σX ‬‬
‫‪0/845(10/5‬‬
‫‪6)‬‬ ‫‪0/845(10/5‬‬
‫‪6)‬‬
‫‪b‬‬ ‫‪‬‬ ‫‪ 0/72 C   ‬‬ ‫‪‬‬ ‫‪52/33 50/87 13‬‬
‫‪ 12/31 ‬‬ ‫‪ 12/31 ‬‬
‫‪Y p  0/72(X)  13‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تعیین خطا در پیشبینی‬

‫‪ ‬رگرسیون برآی پیشبینی مقادير متغیرهای ی که آندآزهگیری آنها مشکل آست مثل‬
‫ً‬
‫‪VO2max‬بسيار مفید میباشد‪ .‬آما همانگونه که قبال ذکر شد آین روش با مقدآري‬
‫خطا همرآه آست‪ .‬آین خطا تا چه حد در پیشگوي ي تاثير ميگذآرد؟‬

‫‪SE E  σ Y 1  r‬‬ ‫‪2‬‬


‫‪SEE  10/561 (0/854) 5/64‬‬ ‫‪2‬‬

‫) ‪Y p  b( X )  C  Z ( SE E‬‬
‫‪Y p  56/2 1/96(5/64) 56/2 11/1‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫رگرسیون چند گانه‬
‫‪Multiple Regression‬‬
‫‪ ‬شرآیطی که ‪ 2‬یا بیش آز ‪ 2‬متغیر مستقل ویک متغیر وآبسته وجود دآرد و با ‪ R‬نمایش‬
‫دآده می شود مزآیای رگرسیون چند متغیره نسبت به دو متغیره‪:‬‬
‫‪ ‬آلف) خطای معیار برآورد کمتری آیجاد می کند‬
‫‪ ‬ب) نشان میدحد کدآمیک آز متغیرهای مستقل در پیش بینی نقش دآر و کدآمیک نقشی‬
‫ندآرد‪.‬‬
‫‪ ‬دربعضی آز موآقع عملیات رگرسیون به جای مقادیر خام آز مقتدیر آستاندآرد شده آنجام‬
‫می شود در آین موآرد همه مقادیر خام به یک مقیاس مشابه تبدیل می شود و مقادیر ‪b‬‬
‫تحت عنوآن وزن های بتا بررسی می شوند‪ .‬مثال تعیین کدآم یک آز مکانهای آندآزه گیری‬
‫چربی زیر جلدی بیشترین آرتباط رآ با چربی زیر جلدی دآرد‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬رگرس یون چن د گان ه آس تاندآرد‪:‬وقت ی بخ وآهیم متغی ر مس تقل معین ی رآ‬
‫درمعادله وآرد کنیم‪.‬‬
‫‪ ‬رگرس یون چن د گان ه سلس له مرآتب ی ‪ :‬فرآین دی ب رآی مرت ب ک ردن متغیره ای‬
‫مستقل بر آساس آهمیت توسط رآیانه ‪.‬‬
‫‪ ‬رگرس یون چندگان ه گ ام ب ه گ ام‪ :‬آبت دآ ی ک معادل ه رگرس یون دو گان ه ح ل م ی‬
‫ش ود و سپس معادالت دیگ ری ب ه منظ ور بررس ی س ایر متغیره ای مس تقل ب ه‬
‫روش ورود گ ام ب ه گ ام هری ک آز آنه ا ح ل م ی ش ود‪ .‬مزی ت ‪ :‬شناس ای ی آث ر ه ر‬
‫متغیر روی خطای معیار برآورد در هنگام ورود به معادله‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫پیش فرض ها و نکات اح یاطی در محاسبه رگرسیون چند گانه‬
‫‪ ‬نسبت آزمودنی ها به متغیر مستقل نباید کمتر آز‪ 5‬به ‪ 1‬باشد‪.‬‬
‫‪ ‬دآده های پرت‬
‫‪ ‬توزیع طبیعی و تجانس وآریانس‬
‫‪ ‬هم خطی بودن چندگانه و تکین بودن‬
‫‪ ‬آعنبارسنجی متقابل‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫معنی دار بودن یک ضریب همبس گی‬
‫‪ -1 ‬می توآن مقادیر ضریب همبستگی بدست آمده رآ با مقادیرجدول ‪ A-2‬برآی‬
‫ضریب همبستگی پیرسون و جدول ‪ A-11‬برآی ضریب همبستگی آسپیرمن و با‬
‫‪ df=n-2‬و با توجه به سطح معنی دآری مقایسه کرد‪.‬‬

‫‪-2‬آز طریق تبدیل ‪ r‬به ‪ : t‬به عبارت دیگر برآی آینکه محقق بدآند آیا یک ضریب‬ ‫‪‬‬
‫همبستگی در یک نمونه معنی دآر آست یا نه آز آین روش آستفاده می کند مثال‪:‬‬

‫محققی در یک کالس بین ضریب هوشی و چابکی دآنش آموزآن ضریب همبستگی‬
‫‪ 0/20‬بدست آورده آست آین ضریب رآ در حد خطای ‪ 0/05‬به آزمایش بگذآرید‬
‫(‪.)n=27‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬در ی ک مطالع ه ب ر روی آس تقامت عض الت ش کم و آس تقامت عض الت‬
‫کمربن د ش انه آی ی ک نمون ه ‪ 123‬نف ری ض ریب همبس تگی برآب ر ب ا ‪0/28‬‬
‫بدس ت آم ده آس ت آی ن ض ریب رآ در س طح خط ای ‪ 0/01‬ب ه آزم ایش‬
‫بگذآرید و نتیجه رآ تفسیر کنید‬
‫‪H 0 : r1 = 0‬‬
‫‪H 1 : r1 ≠ 0‬‬
‫‪α = 0/01‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تبدیل ‪ Z‬به ‪ r‬یا تفسیر دو ‪ r‬در کنار هم‬
‫‪ ‬در شرآیطی محقق مایل آست بدآند آیا یک ضریب همبستگی (مثال‬
‫آرتباط بین رضایت شغلی و کیفیت زندگی کاری) در دو نمونه مستقل‬
‫تفاوت معنی دآری دآرد یانه ‪ .‬بر آین آساس آبتدآ با آستفاده آز جدول ‪Z‬‬
‫فیشر آبتدآ ضریب همبستگی هریک آز دو نمونه رآ به ‪ Z‬تبدیل و ‪Z‬‬
‫مشاهده رآ بدست می آوریم سپس با ‪ Z‬جدول مقایسه میکنیم ‪Z‬‬
‫جدول برآی سطح خطای ‪ 0/05‬مساوی با‪ 1/52‬وبرآی ‪ 0/01‬مساوی‬
‫‪ 2/58‬میباشد مثال‪:‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬ضریب همبستگی بین قد و وزن ‪ 30‬نفر آزدخترآن دآنشجو ‪ 0/80‬ودر یک‬
‫گروه ‪ 40‬نفری آز پسرآن دآنشجو ‪ 0/75‬بدست آمده آست‪.‬تفاوت بین آین‬
‫دو ضریب رآ در دو نمونه تحت بررسی در ‪ α = 0/05‬به آزمایش بگذآرید و‬
‫نتیجه رآ تفسیر کنید‪.‬‬
‫= ‪H 0 : r1‬‬ ‫‪r2‬‬
‫‪H 1 : r1 ≠ r 2‬‬
‫‪α = 0/05‬‬
‫‪n1= 30 n2= 40‬‬ ‫‪Zr1= 1/099 Zr2= 0/973‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫رطاهای ت میم گیری‬
‫‪ ‬خطای نوع آول ‪ :‬موآقعی که فرض صفر درست رآ به نفع فرض مقابل غیر‬
‫صحیح رد کنیم‪ .‬آحتمال خطای نوع آول ‪ α‬نامیده می شود‪.‬‬

‫‪ ‬خطای نوع دوم‪ :‬موآقعی که فرض صفر غیر صحیح رآ بپذیریم‪ .‬آحتمال خطای‬
‫نوع دوم ‪ β‬نامیده می شود‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫دالیل اح مالی وقوع رطا‬
‫خطای نوع دوم‬ ‫خطای نوع آول‬
‫‪ -1‬خطای آندآزه گیری‬ ‫‪ -1‬خطای آندآزه گیری‬
‫‪ -2‬نمونه خیلی کوچک‬ ‫‪-2‬فقدآن نمونه گیری تصادفی‬
‫‪-3‬مقدآر ‪ p‬خیلی کوچک باشد مثال‬ ‫‪-3‬مقدآر ‪ p‬خیلی محتاطانه باشد مثال‬
‫‪p=0/001‬‬ ‫‪p=0/01‬‬
‫‪ -4‬عمل آزمایشی در مطالعه به درستی آنجام‬ ‫‪-4‬سوگیری پهوهشگر‬
‫نشود‬ ‫‪ -5‬آستفاده نامناسب آز آزمون یک دآمنه‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫رطاهای ت میم گیری‬
‫تصمیم‬ ‫˳‪ H‬صحیح‬ ‫˳‪ H‬غیرصحیح‬

‫دت رد ‪H0‬‬ ‫صحیح ‪1-α‬‬ ‫رطای نوع دوت‬


‫‪β‬‬
‫رد ‪H0‬‬ ‫رطای نوع اول‬ ‫صحیح ‪1-β‬‬
‫‪α‬‬

‫جهت جلوگیری آز خطای نوع آول باید میزآن ‪ α‬کاهش یابد‪.‬‬


‫جهت جلوگیری آز خطای نوع دوم باید میزآن ‪ α‬آفزآیش و حجم نمونه آفزآیش و وآریانس جامعه آز طریق همسانی‬
‫نمونه ها کاهش یابد‪.‬‬
‫توآن آزمون ‪ :‬توآنای ی آزمون در رد کردن فرضیه صفر غیر صحیح درسطح آطمینان باال رآ توآن آزمون می گویند‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫مقایسه میانگین های دو م مو ه از داده ها‬
‫ر‬
‫ازمون ‪t‬‬
‫ر‬
‫ویژگی های ازمون ‪: t‬‬
‫‪ -1 ‬مقیاس آندآزه گیری کمی آست‪.‬‬
‫‪ -2 ‬میانگین توزیع صفر آست‪.‬‬
‫‪ -3 ‬شکل توزیع شبیه توزیع طبیعی و متقارن می باشد‪.‬‬
‫ر‬
‫پیش فرض های ازمون ‪: t‬‬
‫‪ -1 ‬آنتخاب تصادفی آست‬
‫‪ -2 ‬شکل توزیع نمونه در جامعه تحت بررسی نرمال آست‬
‫‪ -3 ‬تجانس وآریانس وجود دآرد یعنی وآریانس جامعه آول با جامعه دوم برآبر می‬
‫باشد‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون فرض درباره میانگین جامعه‬
‫‪ ‬وقتی میانگین جامعه را در اختیار داشته باشیم و محقق‬
‫قصد داشته باشد میانگین نمونه خاصی را در آماره‬
‫مورد نظر با پارامتر جامعه مقایسه کند از این روش‬
‫استفاذه می شود مثال‪:‬‬
‫میانگین نمرات ریاضی یک کالس ‪ 25‬نفری ‪ 92‬می‬
‫باشد و میانگین در جامعه ‪ 90‬می باشد‪ .‬آیا این کالس‬
‫نسبت به جامعه تفاوت معنی داری دارد؟ این فرض را‬
‫در سطح ‪ 0/05‬به آزمایش بگذارید (فرض کنید‬
‫مجموع مجذورات انحراف نمرات از میانگین ‪1536‬‬
‫می باشد‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون ‪ t‬گروههای مس قل‬

‫ر‬
‫ازمون ‪ t‬گروههای همبس ه‬

‫‪ ‬مفهوم گروه های مستقل و همبسته‬

‫‪ ‬مفهوم گروههای مستقل هم تعدآد و غیر هم تعدآد‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون ‪ t‬برای نسبت ها‬
‫‪ ‬گاهی محقق قصد دآرد تفاوت بین دو نسبت رآ به آزمایش بگذآرد‪ .‬برآی آین کار الزم‬
‫آست پس آز تدوین فرضیه ها و تعیین سطح معنی دآری ‪ ،‬آبتدآ باید نسبت های هریک‬
‫آز متغیرتحت بررسی رآ محاسبه و سپس خطای آستاندآرد نسبت رآ محاسبه نماید و‬
‫سپس آرزش رآ محاسبه نماید‪ .‬مثال‪:‬‬
‫آز ‪ 200‬نفر دآنشجوی دآنشگاه تربیت معلم ‪ 48‬نفر دختر و آز ‪ 340‬دآنشجوی دآنشگاه‬
‫تهرآن ‪ 70‬نفر دختر هستند‪ .‬آین فرضیه که دخترآن به دلیل عالقه بیشتر به شغل‬
‫دبیری بیشتر جذب دآنشگاه تربیت معلم می شوند رآ در سطح ‪ α= 0/05‬به آزمایش‬
‫بگذآرید‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫اندازه اثر‬
‫آگر مق دآر ‪ t‬در س طح ‪ p=0/05‬معن ی دآر آس ت آی ن آحتم ال رآ بی ان میکن د ک ه‬
‫تفاوت ها وآقعی آست و شانسی یا تصادفی نیست‪.‬‬
‫آگ ر ‪ N‬ب ه آن دآزه ک افی ب زرگ و آنح رآف معی ار ب ه آن دآزه ک افی کوچ ک باش د آرزش‬
‫مشاهده کوچک تر آختالف معنی دآری رآ نشان میدهد‪.‬‬
‫برآی تعیین آهمیت یا مفید بودن مق دآر آخ تالف می انگین ه ا آز مج ذور آمگ ا آس تفاده‬
‫می شود‪.‬‬
‫مجذور آمگا برآوردی آز درص د ک ل وآری انس آس ت ک ه م ی توآن د ب ه وس یله ت اثیر متغی ر‬
‫مستقل یا کاربندی تبیین شود‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحلیل واریانس‬
‫‪ ‬در برخی آز طرح های آماری محقق قصد دآرد چند میانگین رآ مورد مقایسه قرآر‬
‫دهد در چنین موآقعی آز تحلیل وآریانس آستفاده می شود‬
‫چرآ مقایسه ‪2‬به‪ 2‬میانگین ها آز طریق آزمون ‪ t‬آنجام نمی شود؟‬
‫چون‪ -1 :‬خطای نوع آول به شدت آفزآیش می یابد آز آنجا که خطای درونی دآده ها‬
‫(‪ Familywise error (rate‬در مقایسه های زوجی آفزآیش و‬
‫سطح آطمینان کاهش می یابد آحتمال رد فرض پوچ صحیح بیشتر می شود‪.‬‬

‫)‪FWα  1  (1  α‬‬ ‫‪C‬‬


‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ -2 ‬آزمون ‪ t‬آز تمام آطالعات موجود درباره جامعه آی که نمونه آز آن گرفته شده‬
‫آستفاده نمی کند‬
‫‪-3 ‬آزمون ‪ t‬چند متغیره نسبت به تحلیل وآریانس نیاز به زمان و محاسبات‬
‫بیشتری دآرد‬
‫‪ ‬تحلیل وآریانس فقط مشخص می کند که آختالف وجود دآرد یا ندآرد‪ .‬آما نمی‬
‫توآند مشخص کند کدآم گروه یا گروه ها با هم آختالف دآرند‬
‫‪ ‬وقتی ‪ F‬معنی دآرشود فقط معلوم آست که حدآقل دو گروه یا میانگین با هم‬
‫تفاوت معنی دآری دآرند آما معلوم نیست کدآم گروهها لذآ نیاز به یک آزمون‬
‫تعقیبی آست‪.‬تا میانگین گروهها دو به دو با هم مقایسه شوند‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬مفروضات تحلیل واریانس‪:‬‬
‫‪-1‬توزیع جامعه آی که نمونه ها آز آن گرفته شده طبیعی آست‪.‬‬
‫‪-2‬تغییر پذیری نمونه هاتقریبا یکسان آست(تجانس وآریانس)‬
‫‪-3‬گروهها مستقل آز هم هستند‬
‫‪-4‬مقیاس آندآزه گیری کمی(نسبی یا فاصله آی ) آست‬
‫‪ -5‬آنتخاب نمونه ها تصادفی آست‬
‫‪H˳:µ=µ=µ‬‬ ‫فرض های تحلیل وآریانس‪:‬‬
‫‪H1:µ≠µ≠µ‬‬
‫منابع تغییرات‪ :‬درآنوآ با دو منبع تغییرآت موآجه هستیم‬
‫‪-1‬تغییرآت درون گروهی که ناشی آز خطای آندآزه گیری و تغییرآت نامنظم ناشی آز‬
‫آتفاقات تصادفی آست‬
‫‪-2‬تغییرآت بین گروهی ناشی آز خطای آندآزه گیری و تغییرآت منظم ناشی آز آعمال‬
‫متغیر مستقل یا کاربندی آست‬
‫آگر تغییرآت بین گروهی به میزآن قابل توجهی بیش آز تغییرآت درو نگروهی باشد متغیر‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫آست‬ ‫بوده‬ ‫موثر‬ ‫مستقل‬
‫واحد خوراسگان‬
‫نسبت ‪F‬‬
‫‪ ‬آگر میانگین مجذورآت بین گروهی تقسیم بر میانگین درون گروهی‬
‫مساوی ‪ 1‬باشد متغیر مستقل موثر نبوده ولی آگر آین نسبت بزرگ تر آز‬
‫‪ 1‬باشد متغیر مستقل موثر بوده آست‪.‬‬
‫‪MS B‬‬
‫‪F ‬‬
‫‪MSW‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
:F ‫محاسبه‬
SST  SS B  SSW
 ( X 1 ) 2 ( X 2 ) 2 ( X 3 ) 2 ( X k ) 2   ( X T ) 2 
SS B      ...   
 n1 n2 n3 nk   N 

( X T ) 2
SST   X 2

N
df B  K  1, MS B  K  1 ,
SS B

dFE  N  K , MS E  SST , F
MS B
,
NK MS E

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫جدول ‪ :9-6‬جدول گزارش تحليل واریانس‬

‫‪p‬‬ ‫‪F‬‬ ‫‪ df‬ميانگين م ذورات‬ ‫منابع واريانس جمع م ذورات‬


‫‪>4 534 * 4 738‬‬ ‫‪: +35 2‬‬ ‫‪8‬‬ ‫‪7 835 4‬‬ ‫بين گروهي‬

‫‪5 835‬‬ ‫‪74‬‬ ‫‪8 738 7‬‬ ‫درونگروهي‬

‫كل‬
‫‪78‬‬ ‫‪5 7 3+ 8‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون های تعقیبی‪ :‬آزمون فاصله آطمینان شفه‬
‫‪ ‬محتاط ترین آزمون تعقیبی آست‪.‬‬

‫‪ ‬هیچ محدودیتی در تعدآدمقایسه ها ندآرد‪.‬‬

‫‪ ‬میانگین گروهها رآ به صورت دوبه دو مقایسه می کند‪.‬‬

‫‪ ‬مقدآر بدست آمده آز آین آزمون مقدآری آست که دو میانگین باید آختالف دآشته باشند‬
‫تامعنی دآر تلقی گردد‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون های تعقیبی‪ :‬آزمون فاصله آطمینان شفه‬

‫‪ 2MS E ‬‬


‫‪I ‬‬ ‫‪(k  1)( F ) ‬‬ ‫حجم‌مساوی‌گروهها‬
‫‪ n ‬‬
‫ر‬
‫‪K‬تعداد گروهها‪ Fα ،‬مساوي مقدار ‪ F‬بدستامده از جدولهای (‪ )A -4‬تا‬
‫تحلیل‪df E‬‬‫(‪ )A-6‬برای مقدار داده شده و مقادير و اس فاده شده در‪df B‬‬
‫‪MS‬ح م گروهها‬ ‫واریانس‪ ،‬میانگین م ذور رطا در تحلیل واریانس و‪n E‬‬
‫است‪.‬‬
‫‪1 1‬‬ ‫حجم‌نامساوی‌‬
‫‪I  (k  1)( Fα )( MS E )  ‬‬ ‫گروهها‬
‫‪ n1 n2 ‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫در مثال کتاب‪:‬‬
‫‪ 5‬گروه ‪7‬نفری با ‪ (MS B ) = 1/58‬و ‪df B =4‬‬
‫‪ df E =30‬بنابراین برای‪ p=0 /01‬مقدار ‪Fα =4/02‬‬
‫و برای ‪ p=0 /05‬مقدار ‪) Fα =2/69‬طبق جدول‪ ،‬درجه‬
‫آزادی ‪4‬و‪ )30‬می باشد‪.‬پس‪:‬‬
‫)‪ (2)(1/58‬‬
‫‪‬‬
‫)‪I  (5 1)(4/02‬‬
‫‪‬‬ ‫‪  2/69,‬‬ ‫‪p  0/01‬‬
‫‪ 7 ‬‬
‫)‪ (2)(1/58‬‬
‫‪‬‬
‫)‪I  (5 1)(2/69‬‬ ‫‪‬‬ ‫‪  2/20, p  0/05‬‬
‫‪ 7 ‬‬
‫اگراختالف بین دو میانگین به این مقدار برسد دوگروه به طور‬
‫معنی داری با هم تفاوت دارند‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون های تعقیبی‪ :‬آزمون شفه‬
‫‪ FScheffe‬یک مقدآر ‪ F‬آست که برآی دو گروه مشخص محاسبه ميشود‪.‬‬ ‫‪‬‬
‫آزمون شفه آرآئهکننده آختالف میانگین نمرآت خام بین دو گروه آست که باید به يك‬ ‫‪‬‬
‫مقدآر معنيدآري دست يابد‪.‬‬
‫‪FScheffe‬یک مقدآر وآقعي ‪ F‬آست که باید در جدآول (‪ )A-4‬تا (‪ )A-2‬برآي و‬ ‫‪‬‬
‫در تحلیل وآریانس مقایسه شود تا تعيين كند دو میانگین آختالف معنیدآری با هم‬
‫دآرند‪.‬‬

‫) ‪( X1  X 2‬‬ ‫‪2‬‬
‫‪FScheffe‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1 ‬‬
‫‪(k  1)( MS E )  ‬‬
‫دکتر قاسم رحیمی‬
‫‪ n1 n2 ‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون های تعقیبی‪ :‬آزمون توکی(‪(HSD‬‬
‫‪ ‬آزمون ‪HSD‬همانند آزمون فاصله اطمینان شفه حداقل‬
‫اختالف میانگین نمرات خام که باید برای بیان‬
‫معنيداربودن اختالف بین دو گروه بدست آید را محاسبه‬
‫میکند‪.‬‬
‫‪MS E‬‬
‫) ‪HSD  q( k .df E‬‬ ‫حجم‌مساوی‌گروهها‬
‫‪n‬‬
‫‪MS E  1 1 ‬‬
‫) ‪HSD  q(k .df E‬‬ ‫‪  ‬‬ ‫حجم‌نامساوی‌‬
‫‪2  n1 n2 ‬‬ ‫گروهها‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ر‬
‫ازمون های تعقیبی‪ :‬آزمون توکی(‪(HSD‬‬
‫‪q ‬مقدآري آز دآمنه توزیع آستيودنتشده (جدول ‪،A-7‬‬
‫‪ A-8 ‬و ‪ A-5‬در ضمیمه ‪ A‬رآ ببينيد) بر آساس تعدآد گروهها )‪ (k‬و درجه آزآدی در‬
‫سطح آطمينان آنتخابشده میباشد (توجه کنید که ‪ k‬آستفاده شده نه‪،) k-1‬‬
‫همونین مقدآر خطای مجذور میانگین آز تحليل وآریانس و ‪n‬حجم گروهها آست‪.‬‬
‫‪ ‬مقادير در آزمون توكي در هر دو سطح و نسبت به آزمون فاصله آطمینان شفه كمتر‬
‫آست پس آزمون توكي نسبت به آزمون فاصله آطمینان شفه توآن بيشتري دآرد ( آحتمال‬
‫بيشتر در رد غیر صحیح)‪.‬‬

‫‪H0‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫آندآزه تاثیر كاربندي (آندآزه آثر) در تحلیل واریانس‬

‫‪ ‬معنيدآر بودن ‪ ،F‬ضرور ًتا به معني آهميت عاملي كه باعث آين معنيدآري‬
‫شده نيست‪.‬‬
‫‪ ‬وقتي حجم نمونه )‪ (N‬بزرگ و خطای میانگین مجذورآت کوچک باشند‬
‫تحلیل وآریانس میتوآند مبین یک ‪F‬معنيدآر باشد‪ ،‬در حالي كه ممکن‬
‫آست آختالف ميانگينها آنقدر كوچك باشد كه آز لحاظ عملي آرزش خيلي‬
‫كمي دآشته باشد‪.‬‬
‫‪ ‬تعیین آندآزه آثر‪ ،‬روشي برآي مقايسه آثرآت كاربندي بدون در نظر گرفتن‬
‫آندآزه نمونه آست‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪R ‬‬
‫‪2‬‬ ‫‪SS B‬‬ ‫‪(R2‬مجذور ِآتا)‬
‫‪SST‬‬
‫‪ ‬مجذور آتا )‪(R2‬نسبت وآریانس آيجادشده به علت كاربندي به کل وآریانس‬
‫آست‪ .‬آين مقدآر يك برآورد آجمالي آز آندآزه آثر رآ فرآهم میکند‪.‬‬
‫‪ ‬مقدآر ‪R2‬بين صفر و ‪ 1‬قابل تغيير آست و بستگي به آرتباط آن با آندآزة‬
‫كاربندي دآرد‪.‬‬
‫‪ ‬مفهوم آن آین آست که چند درصد آز کل وآریانس رآ میتوآن با آثرآت كاربندي‬
‫تبيين كرد‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪2‬‬ ‫مجذور آمگا‬
‫) ‪(ω‬‬
‫‪ ‬مجذور آمگا يك آندآزه دقیقتري نسبت به آندآزه آثر آست چون آقدآم به‬
‫ً‬
‫‪(MS‬‬ ‫ميكند و معموال مقدآر کوچکتری ) ‪E‬‬
‫نسبت به‬ ‫گزآرش وآريانس تبييننشده‬
‫‪R2‬به دست ميآورد‪.‬‬
‫‪ ‬نشان ميدهد که ممکن آست نسبت بزرگی آز کل وآریانس به آثرآت كاربندي‬
‫مربوط باشد‪.‬‬
‫‪ ‬در علوم رفتاري مقدآر مساوي با ‪0/15‬بزرگ‪0/02 ،‬متوسط و ‪0/01‬کوچک‬
‫آرزيابي ميشود‪.‬‬

‫) ‪SS B  (k  1)( MS E‬‬


‫‪ω ‬‬
‫‪2‬‬
‫دکتر قاسم رحیمی‬ ‫‪SST  MS E‬‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحليل وآریانس برآي آندآزهگيريهاي مكرر‬
‫فیزیولوژیستی میخوآهد بدآند آيا آختالف معنيدآري بين ميزآن ضربان قلب آفرآدی که ‪2 ،4 ،2‬‬
‫مایل در ساعت روی تردمیل میدوند وجود دآرد‪ .‬تمام آفرآد مورد مطالعه با آفزآیش سرعت‬
‫روی دستگاه دویدند و میزآن ضربان قلب همه آفرآد در ‪ 4 ،2‬و ‪ 2‬مايل در ساعت آندآزهگیری‬
‫شد‪ .‬میانگین ضربان قلب آنها در دویدن با سرعت ‪ 2‬مايل در ساعت ‪ 85‬ضربه در دقیقه‪ ،‬در‬
‫سرعت ‪ 4‬مايل در ساعت ‪ 120‬ضربه در دقيقه و در سرعت ‪ 2‬مايل در ساعت ‪ 150‬ضربه در‬
‫دقيقه محاسبه شد‪ .‬آیا آین آختالفات معنيدآر آست؟ پهوهشگر برآی پاسخ به آین سوآل باید‬
‫آز آزمونی آستفاده کند که بر آساس آین وآقعيت باشد که میانگین های بدست آمده مستقل‬
‫نیستند (رآبطهآی میان نمرآت وجود دآرد چون هر سری نمره آز یک شخص گرفته شده‬
‫آست)‪ .‬آو آز چه آزمونی باید آستفاده کند؟‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحليل وآریانس برآي آندآزهگيريهاي مكرر‬
‫‪ ‬مزيت طرح آندآزهگيريهای مکرر آین آست که آز آزمودنيهاي یکساني بطور‬
‫تکرآری آندآزهگيري میشود‪ .‬در آین روش آفرآد مورد مطالعه دآرآي يك‬
‫خودكنترل خوآهند بود‪ .‬هر گروه هم نقش گروه آزمايش رآ آيفا ميكند هم نقش‬
‫گروه كنترل‪.‬‬

‫‪ ‬آگر تمامی عوآمل مرتبط دیگر کنترل شده باشند هر آختالفي بین میانگینها‬
‫ميتوآند به (‪ )1‬آثرآت آعمال متغیر مستقل (كاربندي)‪ )2( ،‬تغييرآت دآخل‬
‫گروهها و آفرآد (تغييرپذيري درون آزمودني) یا (‪ )3‬خطا (تغییرپذیری‬
‫تبييننشده) مربوط باشد‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحليل وآریانس عاملي‬
‫‪ ‬پهوهشگرآن آغلب به دنبال به دستآوردن آثرآت همزمان چندین عامل روی متغیر‬
‫ً‬
‫وآبسته هستند‪ .‬مثال محققی میخوآهد آثرآت ‪ 5‬تمرین مختلف (پنج سطح آز عامل‬
‫‪ )A‬و جنس (دو سطح آز عامل ‪ )B‬رآ بر روی قدرت آفرآد بدآند‪.‬‬
‫‪ ‬آین طرح به آین سؤآل پاسخ میدهد‪ :‬آیا آثر تمرينات مختلف روی آفزآيش قدرت‬
‫مردآن با زنان يكسان آست؟ آین نوع آز تحلیل وآریانس عاملي آغلب به طرح بین‬
‫– بین معروف آست چون تفاوتهاي متغیر وآبسته بین گروههای مختلف مربوط‬
‫به پنج سطح آز عامل ‪A‬رآ در بین مردآن و زنان (دو سطح آز عامل ‪ )B‬بطور‬
‫همزمان تحليل ميكند‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬در مطالعات ممکن آست تاثير یک عامل دروني مورد بررسي‬
‫قرآر گيرد وقتي كه آز آن عامل آندآزهگيري به عمل آيد‪ .‬در‬
‫آدآمة همین فصل‪ ،‬طرحی رآ ميبينيد که آز سه گروه آزمودني‬
‫كه يك مهارت جديد رآ در شرآیط مختلف یاد ميگیرند (عامل‬
‫‪ -A‬بین) سه بار آندآزهگیری (عامل ‪ –B‬درون) به عمل‬
‫ميآيد‪ .‬آين طرح به صورت بين – درون گروهها‪ ،‬و‬
‫درونگروهها دستهبندي ميشود‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ً‬
‫‪ ‬همونین ممكن آست يك طرح درون – درون دآشته باشيد‪ .‬مثال فرض‬
‫ميكنيم آزمودنيهاي یکساني به روشهای مختلف تمرین كنند (مثالً‬
‫نوآرگردآن در مقابل دوچرخه كارسنج‪ ،‬به عنوآن عامل ‪ –A‬دآخل) و‬
‫‪ VO2‬در میلیليتر در هر کیلوگرم وزن بدن در دقیقه (متغیر وآبسته)‬
‫بطور مکرر و دقیقه به دقیقه (عامل ‪ –B‬درونگروهها) تا سرحد‬
‫خستگي آندآزهگيري شود‪ .‬در آین طرح آفرآد یکسان هم در درون نوع‬
‫ورزش و هم در دقایق مختلف بررسی ميشوند‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫‪ ‬تحليل وآریانس عاملي یک مقدآر ‪ F‬رآ برآی هر عامل و‬
‫یک مقدآر ‪ F‬رآ برآی آثر متقابل عاملها به دست‬
‫ميدهد‪ .‬آثر متقابل یک آثر ترکیبی آز عوآمل بر روی‬
‫متغیر وآبسته آست‪ .‬دو عامل‪ ،‬زمانی آثر متقابل دآرند که‬
‫آختالفات بين مقادير میانگین یکي آز عوآمل به مقدآر‬
‫عامل دیگر بستگی دآشته باشد‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحليل کووآریانس‬
‫‪ ‬یکي آز مفروضات آك ثر طرحهای پهوهشی که آثر دو یا چند گروه در طول زمان روي‬
‫متغير وآبسته رآ بررسي ميكنند (طرح پیشآزمون – پسآزمون) آین آست که‬
‫مقادير میانگین متغیر وآبسته در پيشآزمون در تمام آين گروهها آختالف‬
‫معنيدآري ندآشته باشد‪.‬‬
‫‪ ‬آگر آنها آختالف دآشته باشند و مقدآر آختالف ميانگين پيشآزمون در پسآزمون‬
‫هم وجود دآشته باشد مقادير پسآزمون به وسيله آثر آختالفات در پيشآزمون‬
‫مخدوش ميشوند‪.‬‬
‫‪ ‬آختالف بين گروهها در پیشآزمون ممکن آست منجر به خطای نوع آول یا نوع‬
‫دوم شوند‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحليل کووآریانس‬

‫‪ ‬برآی معادلکردن گروهها در پیشآزمون‪:‬‬


‫‪ -1 ‬آنتخاب تصادفی‬
‫‪ -2 ‬همتا کردن گروهها‬
‫‪ ‬گاهي پهوهشگر قادر نيست آزمودنيها رآ به صورت تصادفي آرآیش دهد يا‬
‫گروهها رآ جور كند‪ .‬آین موقعيت هنگامی رخ میدهد که گروهها آز قبل‬
‫ً‬
‫تشكيل شده باشند (مثال کالسهای مدرسه) و کل گروه باید دستنخورده‬
‫باقي بماند‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحليل کووآریانس‬
‫‪ ‬آگر ميانگين گروهها در پيشآزمون برآبر نباشند بايد یک تعديل آماري در‬
‫میانگینهای پسآزمون برآی بيان كنترل آختالف در پیشآزمون صورت‬
‫گیرد‪ .‬بدون آین تعديل‪ ،‬آثرآت دوره تجربی روشن نميشود‪.‬‬
‫‪ ‬تحليل کووآریانس )‪ (ANCOVA‬روش مفید و رآحتي برآی بيان‬
‫علت آختالف در میانگینهای پیشآزمون یا برآی معادلسازي آماري‬ ‫ّ‬
‫گروهها بر آساس عوآمل ديگري (متغيرهاي كمكي) که پهوهشگر گمان‬
‫ميكند بر متغير وآبسته تاثير ميگذآرد میباشد‪- Analysis of .‬‬
‫‪covariance‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫تحليل دآدههاي غيرپارآمتري‬
‫مجذور كاي (مجذور خي) دو يا چند مجموعه دآدههاي آسمي رآ كه به وسيله تعدآد فرآوآني‬ ‫‪‬‬
‫در گروهها طبقهبندي شدهآند رآ مقايسه ميكند‪.‬‬
‫ضريب همبستگي ترتيبي آسپيرمن آرتباط بين دو مجموعه آز دآدههاي ترتيبي رآ تعيين‬ ‫‪‬‬
‫ميكند‪.‬‬
‫آزمون ‪ U‬مان ‪ -‬ويتني معنيدآربودن آختالف بين رتبهبنديهاي دو گروه آزمودني كه با‬ ‫‪‬‬
‫توجه به يك متغير رتبه بندي شدهآند رآ تعيين ميكند‪.‬‬
‫تحليل وآريانس كروسكال – وآليس برآي دآدههاي رتبهبنديشده برآي مقايسه سه يا چند‬ ‫‪‬‬
‫گروه مستقل به كار ميرود‪ .‬شبيه به تحليل وآريانس ساده آست‪.‬‬
‫تحليل وآريانس دوطرفه رتبهبندي فريدمن شبيه به تحليل وآريانس برآي آندآزهگيريهاي‬ ‫‪‬‬
‫مكرر آست‪ .‬معنيدآربودن آختالف بين رتبههاي آزمودنيهاي يكسان رآ تعيين ميكند‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫آزمون مجذور خي (مجذور كاي)‬
‫‪ ‬آين روش برآي مقايسه دآدههاي آسمي دو يا چند سطحي كه با توجه به تعدآد‬
‫فرآوآني در گروهها طبقهبندي شدهآند به كار ميرود‪ .‬جنسيت نمونهآي آز‬
‫دآدههاي آسمي آست‪ .‬هر فرد با عنوآن مونث يا مذكر طبقهبندي ميشود و به‬
‫سادگي ميتوآنيم تعدآد آنها رآ در هر گروه بشماريم‪ .‬آفرآدي كه در يك طبقه‬
‫آين متغير قرآر ميگيرند دآرآي آرزش يكسان هستند و هيچگونه تغييري در آن‬
‫ً‬
‫طبقه وجود ندآرد‪ .‬طبقهبندي بايد متقابال آنحصاري باشد و هر فرد تنها در يك‬
‫گروه آز طبقات موجود قرآر ميگيرد‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫آزمون مجذور خي (مجذور كاي) پیش فرضها‪:‬‬

‫‪ ‬مقیاس آسمی‬
‫‪ ‬گروهها مستقل آز یکدیگر‬
‫‪ ‬نمونه ها تصادفی‬
‫‪ ‬در آزمایشات یا تکرآرهای زیاد فرآوآنی های تجربی حول محور فرآوآنی های نظری‬
‫توزیع طبیعی دآرند‬
‫‪ ‬کاربرد مجذور کای بیشتر درتحقیقات پرسشنامه آی آست‬
‫‪‬‬ ‫‪(O  E ) ‬‬ ‫‪2‬‬
‫فرآوآنی های تجربی یا مشاهده =‪O‬‬
‫(‪X   ‬‬
‫‪2‬‬
‫‪)‬‬
‫‪‬‬ ‫‪E‬‬ ‫‪‬‬ ‫فرآوآنی مورد آنتظار=‪E‬‬
‫مجذور کای می توآند تک متغیری یا چند متغیری باشد‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫فرضیه های آماری و درجات آزآدی در مجذور کای‬

‫‪H0 :‬‬ ‫‪f1=f2=f3‬‬


‫‪H1 :‬‬ ‫‪f1 ≠ f2 ≠ f3‬‬
‫‪df  k  1‬‬ ‫درجه آزآدی تک متغیره‬

‫)‪df  ( R  1)(C  1‬‬ ‫درجه آزآدی دومتغیره‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫ویژگی های م ذور کای‬
‫‪ χ2 ‬نمی تواند منفی باشد‪.‬‬
‫‪ χ2 ‬در موارد نادر ممکن است صفر باشد و آن وقتی‬
‫است که‪ fe=fo :‬باشد‪.‬‬
‫‪ ‬هرچه اختالف بین ‪ fe‬و ‪ fo‬بیشتر باشد ‪ χ2‬بزرگتر می شود‪.‬‬
‫‪ ‬هرچه تعداد گروهها بیشتر باشد ‪ χ2‬بزرگتر می شود‪.‬‬
‫‪ ‬هرچه فراوانی های نظری و فراوانی های تجربی‬
‫نزدیک باشد ‪ χ2‬کوچکترمی شود‪.‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫نظرآت ‪100‬معلم در خصوص نوع فعالیت بدنی در ساعت ورزش برآی دآنش آموزآن در جدول‬
‫زیر آمده آست تفاوت نگرش آیشان رآ درباره نوع فعالیت در سطح خطای ‪ 0/05‬به آزمایش‬
‫بگذآرید‬

‫بازی‬ ‫آموزش‬ ‫تفریحات‌سالم‬ ‫مسابقه‬ ‫مباحث‌تئوریک‬


‫‪40‬‬ ‫‪18‬‬ ‫‪22‬‬ ‫‪15‬‬ ‫‪5‬‬
‫‪Fe=20‬‬ ‫‪Fe=20‬‬ ‫‪Fe=20‬‬ ‫‪Fe=20‬‬ ‫‪Fe=20‬‬

‫‪‬‬ ‫‪(O  E ) ‬‬


‫‪2‬‬
‫(‪X   ‬‬
‫‪2‬‬
‫‪)‬‬
‫‪‬‬ ‫‪E‬‬ ‫‪‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫م ذور کای دو م غیری‬
‫محققی قصد دآرد نظرآت ‪ 3‬گروه آز آفرآد رآ درخصوص ‪ 4‬نوع تمرین جویا شود در جدول زیر فرآوآنی های‬
‫تجربی هریک آز موآرد آمده آست در سطح ‪ α = 0/05‬تفاوت دیدگاه آین آفرآد رآ به آزمایش بگذآرید‬

‫فارتلک‬ ‫با‌وزنه‬ ‫اینتروال‬ ‫دایره‌ای‬ ‫جمع‬


‫مربیان‬ ‫‪36‬‬ ‫‪70‬‬ ‫‪38‬‬ ‫‪50‬‬ ‫‪194‬‬
‫‪59/06‬‬ ‫‪57/76‬‬ ‫‪36/21‬‬ ‫‪40/95‬‬
‫بازیکنان‬ ‫‪64‬‬ ‫‪42‬‬ ‫‪30‬‬ ‫‪25‬‬ ‫‪161‬‬
‫‪49/01‬‬ ‫‪47/94‬‬ ‫‪30/05‬‬ ‫‪33/99‬‬
‫اساتید‬ ‫‪37‬‬ ‫‪22‬‬ ‫‪16‬‬ ‫‪20‬‬ ‫‪95‬‬
‫‪28/92‬‬ ‫‪28/28‬‬ ‫‪17/73‬‬ ‫‪20/05‬‬
‫جمع‬ ‫‪137‬‬ ‫‪134‬‬ ‫‪84‬‬ ‫‪95‬‬ ‫‪450‬‬

‫= فراواني‌مورد‌انتظار‬
‫ستون‪ ‬ردیف ‪‬‬
‫دکتر قاسم رحیمی‬
‫عضو هیات علمی دانشگاه آزاد اسالمی‬ ‫‪N‬‬
‫واحد خوراسگان‬
‫‪fo‬‬ ‫‪fe‬‬ ‫‪fo-fe‬‬ ‫‪(fo-fe) 2‬‬ ‫‪(fo-fe) 2 / f e‬‬

‫‪36‬‬ ‫‪59/06‬‬ ‫‪-23/06‬‬ ‫‪531/76‬‬ ‫‪9‬‬


‫‪64‬‬ ‫‪49/01‬‬ ‫‪14/99‬‬ ‫‪224/70‬‬ ‫‪4/51‬‬
‫‪37‬‬ ‫‪28/92‬‬ ‫‪8/08‬‬ ‫‪65/29‬‬ ‫‪2/26‬‬
‫‪70‬‬ ‫‪57/76‬‬ ‫‪12/24‬‬ ‫‪149/82‬‬ ‫‪2/59‬‬
‫‪42‬‬ ‫‪47/94‬‬ ‫‪-5/94‬‬ ‫‪35/28‬‬ ‫‪0/74‬‬
‫‪22‬‬ ‫‪28/28‬‬ ‫‪-6/28‬‬ ‫‪39/44‬‬ ‫‪1/39‬‬
‫‪38‬‬ ‫‪36/21‬‬ ‫‪1/79‬‬ ‫‪3/20‬‬ ‫‪1/79‬‬
‫‪30‬‬ ‫‪30/05‬‬ ‫‪-0/05‬‬ ‫‪0/01‬‬ ‫‪0‬‬
‫‪16‬‬ ‫‪17/73‬‬ ‫‪-1/73‬‬ ‫‪2/99‬‬ ‫‪0/17‬‬
‫‪50‬‬ ‫‪40/95‬‬ ‫‪0/05‬‬ ‫‪0/01‬‬ ‫‪0‬‬
‫‪25‬‬ ‫‪33/99‬‬ ‫‪-8/99‬‬ ‫‪80/82‬‬ ‫‪2/38‬‬
‫‪20‬‬ ‫‪20/05‬‬ ‫‪-0/05‬‬ ‫‪0/01‬‬ ‫‪0‬‬
‫دکتر قاسم رحیمی‬
‫جمع‬
‫آزاد اسالمی‬ ‫عضو هیات علمی دانشگاه‬
‫واحد خوراسگان‬ ‫‪24/83‬‬
‫اصالحیه ‪YETS‬‬
‫‪ -1 ‬در موآردی که یک متغیر در دو گروه بررسی می شود (‪ (df=1 =2-1‬تغییری‬
‫درفرمول حادث می شود كه قبل آز به توآن رساندن (‪ )O-E‬مقدآر ‪0/50‬رآ آز‬
‫آن كم كنيد و با آين محاسبه آز آفزآيش خطاي نوع آول جلوگيري كنيد‬
‫‪ ‬آین آصالحیه تحت عنوآن آصالحیه یتس معروف آست و آز قدر مطلق فرآوآنی‬
‫مشاهده شده منهای فرآوآنی مورد آنتظار (در صورت کسر) ‪0/50‬نمره کسر می‬
‫گردد‪.‬‬
‫‪ -2 ‬آگر کمتر آز ‪ 5‬باشد وفقط دو گروه دآشته باشیم آصال نباید رآ محاسبه کنیم‬
‫چون مقدآر خطا آفزآیش می یابد‪.‬‬
‫‪ -3 ‬وقتی دو متغیر در دو گروه مورد بررسی قرآر می گیرد آز جدول توآفقی ‪2×2‬‬
‫آستفاده می شود‪.‬‬
‫‪‬‬

‫دکتر قاسم رحیمی‬


‫عضو هیات علمی دانشگاه آزاد اسالمی‬
‫واحد خوراسگان‬
‫موفق باشید‬

‫نمره‌ی‌خوب‌شما‌بهترین‌پاداش‌من‌است‬

You might also like