دوستان این پرسشنامه برای پایان نامه یکی از دانشجویان ارشدمونه در خصوص بررسی رابطه ویژگی های شخصیتی با انگیزه مشارکت در فعالیت های ورزشی در ورزشکاران شهر تهران تنظیم شده است.
لذا در صورتی که:
📌بین ۱۸ تا ۴۵ سال سن دارید
📌حداقل در ۶ ماه گذشته به مدت حداقل ۳ جلسه ۴۵ دقیقه ای در هفته به انجام فعالیت ورزشی مشغول بودید
📌ساکن مناطق ۲۲ گانه تهران هستید
https://survey.porsline.ir/s/QY3d9DjN
ممنون میشم برید داخلش 5دقیقه زمان میبره پرسشنامه پر کنید.❤️
لذا در صورتی که:
📌بین ۱۸ تا ۴۵ سال سن دارید
📌حداقل در ۶ ماه گذشته به مدت حداقل ۳ جلسه ۴۵ دقیقه ای در هفته به انجام فعالیت ورزشی مشغول بودید
📌ساکن مناطق ۲۲ گانه تهران هستید
https://survey.porsline.ir/s/QY3d9DjN
ممنون میشم برید داخلش 5دقیقه زمان میبره پرسشنامه پر کنید.❤️
Porsline
بررسی رابطه ویژگی های شخصیتی با انگیزه مشارکت در فعالیت های ورزشی در ورزشکاران بزرگسال شهر تهران
با پُرس‌لاین به راحتی پرسشنامه خود را طراحی و ارسال کنید و با گزارش‌های لحظه‌ای آن به سرعت تصمیم بگیرید.
👍2
آمارکده
دوستان این پرسشنامه برای پایان نامه یکی از دانشجویان ارشدمونه در خصوص بررسی رابطه ویژگی های شخصیتی با انگیزه مشارکت در فعالیت های ورزشی در ورزشکاران شهر تهران تنظیم شده است. لذا در صورتی که: 📌بین ۱۸ تا ۴۵ سال سن دارید 📌حداقل در ۶ ماه گذشته به مدت حداقل ۳…
دوستان ممنون میشم در حد پنج دقیقه پرسشنامه رو پر کنید قرعه کشی هم داره
👍2
آمارکده
💡 نکات جذاب و کاربردی در آنالیز بقا (Survival Analysis) با مثال‌های ملموس ✨ تابع بقا (Survival Function) - قلب آنالیز بقا 🔹 فرمول زیبا: S(t) = P(T > t) 🔹 مثال پزشکی: اگر S(5) = 0.7 باشد، یعنی ۷۰٪ بیماران حداقل ۵ سال زنده می‌مانند. 🔹 نکته: این تابع…
انواع رگرسیون:
📊 ۱. رگرسیون خطی ساده (Simple Linear Regression)
🔍 تعریف:
رابطه بین یک متغیر وابسته (Y) و یک متغیر مستقل (X) را با یک خط مستقیم مدل می‌کند.
فرمول:
Y = a + bX + ε
💡 مثال جذاب:
فرض کنید می‌خواهید قیمت خانه را فقط با استفاده از متراژ پیش‌بینی کنید.
🔹 کاربرد: وقتی فقط یک عامل مؤثر دارید.
🔹 نکته تستی: شیب خط نشان می‌دهد که با افزایش X، Y چقدر تغییر می‌کند.
📊 ۲. رگرسیون خطی چندگانه (Multiple Linear Regression)
🔍 تعریف:
رابطه بین یک متغیر وابسته و چندین متغیر مستقل را مدل می‌کند.
فرمول:
Y = a + b₁X₁ + b₂X₂ + ... + bₙXₙ + ε
💡 مثال جذاب:
پیش‌بینی قیمت خانه با استفاده از متراژ، سن خانه و فاصله از مرکز شهر.
🔹 کاربرد: وقتی چندین عامل تأثیرگذار وجود دارد.
🔹 نکته تستی: مراقب همخطی (Collinearity) بین متغیرهای مستقل باشید.
📊 ۳. رگرسیون لجستیک (Logistic Regression)
🔍 تعریف:
برای پیش‌بینی یک خروجی دوگانه (بله/خیر، 0/1، موفق/ناموفق) استفاده می‌شود.
فرمول:
P(Y=1) = 1 / (1 + e⁻(a + bX))
💡 مثال جذاب:
پیش‌بینی اینکه یک مشتری محصولی را خریداری می‌کند یا خیر، بر اساس سن، درآمد و سابقه خرید.
🔹 کاربرد: طبقه‌بندی داده‌ها.
🔹 نکته تستی: خروجی احتمال است (مثلاً 75% شانس خرید).
📊 ۴. رگرسیون چندجمله‌ای (Polynomial Regression)
🔍 تعریف:
وقتی رابطه بین X و Y خطی نیست، از یک معادله چندجمله‌ای استفاده می‌شود.
فرمول:
Y = a + b₁X + b₂X² + b₃X³ + ...
💡 مثال جذاب:
پیش‌بینی رشد جمعیت یک شهر که رشد غیرخطی دارد.
🔹 کاربرد: روابط غیرخطی.
🔹 نکته تستی: اگر درجه زیاد باشد، ممکن است Overfitting شود.
📊 ۵. رگرسیون رتبه‌ای (Ordinal Regression)
🔍 تعریف:
برای پیش‌بینی یک متغیر وابسته ترتیبی (Ordinal) استفاده می‌شود.
💡 مثال جذاب:
پیش‌بینی رضایت مشتری (خیلی بد، بد، متوسط، خوب، خیلی خوب) بر اساس خدمات دریافتی.
🔹 کاربرد: داده‌های ترتیبی.
🔹 نکته تستی: شبیه لجستیک ولی برای بیش از دو دسته ترتیبی.
📊 ۶. رگرسیون پواسون (Poisson Regression)
🔍 تعریف:
برای مدل‌کردن داده‌های شمارشی (Count Data) استفاده می‌شود.
💡 مثال جذاب:
پیش‌بینی تعداد مشتریانی که هر روز به یک فروشگاه می‌آیند.
🔹 کاربرد: داده‌های شمارشی با توزیع پواسون.
🔹 نکته تستی: مناسب برای داده‌هایی که صفر و مقادیر صحیح دارند.
📊 ۷. رگرسیون کاکس (Cox Regression)
🔍 تعریف:
برای مطالعات بازمان بقا (Survival Analysis) استفاده می‌شود.
💡 مثال جذاب:
پیش‌بینی مدت زمانی که یک مشتری از یک خدمات استفاده می‌کند قبل از لغو آن.
🔹 کاربرد: تحلیل بقا.
🔹 نکته تستی: این روش با داده‌های سانسور شده (Censored Data) کار می‌کند.
🧠 تفاوت‌های کلیدی در یک نگاه:
خطی ساده: عددی – رابطه خطی بین دو متغیر
خطی چندگانه: عددی – رابطه بین یک خروجی و چند ورودی
لجستیک: دوگانه – طبقه‌بندی (بله/خیر)
چندجمله‌ای: عددی – رابطه غیرخطی
رتبه‌ای: ترتیبی – متغیرهای دسته‌ای با ترتیب
پواسون: شمارشی – پیش‌بینی تعداد اتفاق‌ها
کاکس: زمان بقا – مطالعات بقا و خطر
🎯 نکته آخر:
انتخاب درست نوع رگرسیون به نوع متغیر وابسته و ماهیت مسئله بستگی دارد.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
📊 ۱. رگرسیون خطی ساده (Simple Linear Regression)
🔍 تعریف:
رابطه بین یک متغیر وابسته (Y) و یک متغیر مستقل (X) را با یک خط مستقیم مدل می‌کند.
فرمول:
Y = a + bX + ε
💡 مثال جذاب:
فرض کنید می‌خواهید قیمت خانه را فقط با استفاده از متراژ پیش‌بینی کنید.
🔹 کاربرد: وقتی فقط یک عامل مؤثر دارید.
🔹 نکته تستی: شیب خط نشان می‌دهد که با افزایش X، Y چقدر تغییر می‌کند.
📊 ۲. رگرسیون خطی چندگانه (Multiple Linear Regression)
🔍 تعریف:
رابطه بین یک متغیر وابسته و چندین متغیر مستقل را مدل می‌کند.
فرمول:
Y = a + b₁X₁ + b₂X₂ + ... + bₙXₙ + ε
💡 مثال جذاب:
پیش‌بینی قیمت خانه با استفاده از متراژ، سن خانه و فاصله از مرکز شهر.
🔹 کاربرد: وقتی چندین عامل تأثیرگذار وجود دارد.
🔹 نکته تستی: مراقب همخطی (Collinearity) بین متغیرهای مستقل باشید.
📊 ۳. رگرسیون لجستیک (Logistic Regression)
🔍 تعریف:
برای پیش‌بینی یک خروجی دوگانه (بله/خیر، 0/1، موفق/ناموفق) استفاده می‌شود.
فرمول:
P(Y=1) = 1 / (1 + e⁻(a + bX))
💡 مثال جذاب:
پیش‌بینی اینکه یک مشتری محصولی را خریداری می‌کند یا خیر، بر اساس سن، درآمد و سابقه خرید.
🔹 کاربرد: طبقه‌بندی داده‌ها.
🔹 نکته تستی: خروجی احتمال است (مثلاً 75% شانس خرید).
📊 ۴. رگرسیون چندجمله‌ای (Polynomial Regression)
🔍 تعریف:
وقتی رابطه بین X و Y خطی نیست، از یک معادله چندجمله‌ای استفاده می‌شود.
فرمول:
Y = a + b₁X + b₂X² + b₃X³ + ...
💡 مثال جذاب:
پیش‌بینی رشد جمعیت یک شهر که رشد غیرخطی دارد.
🔹 کاربرد: روابط غیرخطی.
🔹 نکته تستی: اگر درجه زیاد باشد، ممکن است Overfitting شود.
📊 ۵. رگرسیون رتبه‌ای (Ordinal Regression)
🔍 تعریف:
برای پیش‌بینی یک متغیر وابسته ترتیبی (Ordinal) استفاده می‌شود.
💡 مثال جذاب:
پیش‌بینی رضایت مشتری (خیلی بد، بد، متوسط، خوب، خیلی خوب) بر اساس خدمات دریافتی.
🔹 کاربرد: داده‌های ترتیبی.
🔹 نکته تستی: شبیه لجستیک ولی برای بیش از دو دسته ترتیبی.
📊 ۶. رگرسیون پواسون (Poisson Regression)
🔍 تعریف:
برای مدل‌کردن داده‌های شمارشی (Count Data) استفاده می‌شود.
💡 مثال جذاب:
پیش‌بینی تعداد مشتریانی که هر روز به یک فروشگاه می‌آیند.
🔹 کاربرد: داده‌های شمارشی با توزیع پواسون.
🔹 نکته تستی: مناسب برای داده‌هایی که صفر و مقادیر صحیح دارند.
📊 ۷. رگرسیون کاکس (Cox Regression)
🔍 تعریف:
برای مطالعات بازمان بقا (Survival Analysis) استفاده می‌شود.
💡 مثال جذاب:
پیش‌بینی مدت زمانی که یک مشتری از یک خدمات استفاده می‌کند قبل از لغو آن.
🔹 کاربرد: تحلیل بقا.
🔹 نکته تستی: این روش با داده‌های سانسور شده (Censored Data) کار می‌کند.
🧠 تفاوت‌های کلیدی در یک نگاه:
خطی ساده: عددی – رابطه خطی بین دو متغیر
خطی چندگانه: عددی – رابطه بین یک خروجی و چند ورودی
لجستیک: دوگانه – طبقه‌بندی (بله/خیر)
چندجمله‌ای: عددی – رابطه غیرخطی
رتبه‌ای: ترتیبی – متغیرهای دسته‌ای با ترتیب
پواسون: شمارشی – پیش‌بینی تعداد اتفاق‌ها
کاکس: زمان بقا – مطالعات بقا و خطر
🎯 نکته آخر:
انتخاب درست نوع رگرسیون به نوع متغیر وابسته و ماهیت مسئله بستگی دارد.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
👍12🕊3
اپیزود ششم کاربینی
سکوی پرتاب، آمار
🎙پادکست🎙
اپیزود پایانی درس کاربینی
درس کاربینی
استاد: نصرالله ایران پناه
مدعو: اباذر خلجی
تهیه و تنظیم: محمد رهنما، علی ذوالفقاری
---------------------------------------------------
_ دانشگاه اصفهان
_ عالیس
_سپاهان باتری
_گلنور
با تشکر فراوان از جناب آقای دکتر ایران‌پناه
🎧🎙📉📊
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🎙پادکست🎙
اپیزود پایانی درس کاربینی
درس کاربینی
استاد: نصرالله ایران پناه
مدعو: اباذر خلجی
تهیه و تنظیم: محمد رهنما، علی ذوالفقاری
---------------------------------------------------
_ دانشگاه اصفهان
_ عالیس
_سپاهان باتری
_گلنور
با تشکر فراوان از جناب آقای دکتر ایران‌پناه
🎧🎙📉📊
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
👍4
آمارکده
انواع رگرسیون: 📊 ۱. رگرسیون خطی ساده (Simple Linear Regression) 🔍 تعریف: رابطه بین یک متغیر وابسته (Y) و یک متغیر مستقل (X) را با یک خط مستقیم مدل می‌کند. فرمول: Y = a + bX + ε 💡 مثال جذاب: فرض کنید می‌خواهید قیمت خانه را فقط با استفاده از متراژ…
فلش کارت آماری آزمون های #استخدامی:
📌 فلاش کارت ۱:
"همبستگی مساوی با علیت نیست!"
دو متغیر می‌تونن همبستگی داشته باشن ولی هیچ رابطه علت-معلولی بینشون وجود نداشته باشه.
📌 فلاش کارت ۲:
"قانون اعداد بزرگ"
هرچی تعداد آزمایش‌ها بیشتر بشه، میانگین مشاهدات به مقدار مورد انتظار نزدیک‌تر می‌شه.
📌 فلاش کارت ۳:
"ضریب تعیین (R²)"
درصدی از واریانس متغیر وابسته که توسط مدل رگرسیونی قابل توضیح است.
📌 فلاش کارت ۴:
"توزیع نرمال استاندارد"
میانگین = 0، انحراف معیار = 1
برای استانداردسازی داده‌ها و استفاده از جدول Z استفاده می‌شه.
📌 فلاش کارت ۵:
"خطای نوع اول (Type I Error)"
رد کردن فرض صفر وقتی در واقع درست است.
احتمال آن با α (سطح معنی‌داری) مشخص می‌شود.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
📌 فلاش کارت ۱:
"همبستگی مساوی با علیت نیست!"
دو متغیر می‌تونن همبستگی داشته باشن ولی هیچ رابطه علت-معلولی بینشون وجود نداشته باشه.
📌 فلاش کارت ۲:
"قانون اعداد بزرگ"
هرچی تعداد آزمایش‌ها بیشتر بشه، میانگین مشاهدات به مقدار مورد انتظار نزدیک‌تر می‌شه.
📌 فلاش کارت ۳:
"ضریب تعیین (R²)"
درصدی از واریانس متغیر وابسته که توسط مدل رگرسیونی قابل توضیح است.
📌 فلاش کارت ۴:
"توزیع نرمال استاندارد"
میانگین = 0، انحراف معیار = 1
برای استانداردسازی داده‌ها و استفاده از جدول Z استفاده می‌شه.
📌 فلاش کارت ۵:
"خطای نوع اول (Type I Error)"
رد کردن فرض صفر وقتی در واقع درست است.
احتمال آن با α (سطح معنی‌داری) مشخص می‌شود.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
👍4👏4
آمارکده
فلش کارت آماری آزمون های #استخدامی: 📌 فلاش کارت ۱: "همبستگی مساوی با علیت نیست!" دو متغیر می‌تونن همبستگی داشته باشن ولی هیچ رابطه علت-معلولی بینشون وجود نداشته باشه. 📌 فلاش کارت ۲: "قانون اعداد بزرگ" هرچی تعداد آزمایش‌ها بیشتر بشه، میانگین مشاهدات…
فلش کارت آماری آزمون های #استخدامی:
1️⃣ پارادوکس سیمپسون
📌 وقتی رابطه بین دو متغیر در زیرگروه‌ها برعکس رابطه کلی می‌شود!
🔹 مثال: دارویی ممکن است برای مردان و زنان مفید باشد، اما برای کل جامعه مضر باشد.
2️⃣ قانون ۶۸-۹۵-۹۹.۷
🌀 در توزیع نرمال:
✔️ ۶۸٪ داده‌ها در μ ± 1σ
✔️ ۹۵٪ داده‌ها در μ ± 2σ
✔️ ۹۹.۷٪ داده‌ها در μ ± 3σ
3️⃣ خطای استاندارد vs انحراف معیار
🎯 انحراف معیار = پراکندگی داده‌ها
🧐 خطای استاندارد = دقت برآورد میانگین (SE = σ/√n)
4️⃣ آزمون t جفتی
📌 وقتی یک گروه را در دو زمان مختلف اندازه‌گیری می‌کنیم (مثلاً قبل/بعد درمان)
🔹 فرمول:
💡 t = (x̄_d) / (s_d / √n)
5️⃣ مفروضات رگرسیون خطی
✅ خطی بودن
✅ استقلال خطاها
✅ همسانی واریانس‌ها
✅ نرمال بودن باقیمانده‌ها
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
1️⃣ پارادوکس سیمپسون
📌 وقتی رابطه بین دو متغیر در زیرگروه‌ها برعکس رابطه کلی می‌شود!
🔹 مثال: دارویی ممکن است برای مردان و زنان مفید باشد، اما برای کل جامعه مضر باشد.
2️⃣ قانون ۶۸-۹۵-۹۹.۷
🌀 در توزیع نرمال:
✔️ ۶۸٪ داده‌ها در μ ± 1σ
✔️ ۹۵٪ داده‌ها در μ ± 2σ
✔️ ۹۹.۷٪ داده‌ها در μ ± 3σ
3️⃣ خطای استاندارد vs انحراف معیار
🎯 انحراف معیار = پراکندگی داده‌ها
🧐 خطای استاندارد = دقت برآورد میانگین (SE = σ/√n)
4️⃣ آزمون t جفتی
📌 وقتی یک گروه را در دو زمان مختلف اندازه‌گیری می‌کنیم (مثلاً قبل/بعد درمان)
🔹 فرمول:
💡 t = (x̄_d) / (s_d / √n)
5️⃣ مفروضات رگرسیون خطی
✅ خطی بودن
✅ استقلال خطاها
✅ همسانی واریانس‌ها
✅ نرمال بودن باقیمانده‌ها
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
👌4👍1
Media is too big
VIEW IN TELEGRAM
🎥 کارگاه تخصصی: انواع مطالعات و تعیین حجم نمونه
⭕️ جلسه اول (از دو جلسه)
🟢 مدرس: خانم ترکش
🔴 میزبان: دانشکده توانبخشی دانشگاه علوم پزشکی اصفهان
🚀 فرصتی عالی برای یادگیری و ارتقای مهارت‌های پژوهشی!
📅 منتظر جلسه دوم باشید! 🔜🔥
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
⭕️ جلسه اول (از دو جلسه)
🟢 مدرس: خانم ترکش
🔴 میزبان: دانشکده توانبخشی دانشگاه علوم پزشکی اصفهان
🚀 فرصتی عالی برای یادگیری و ارتقای مهارت‌های پژوهشی!
📅 منتظر جلسه دوم باشید! 🔜🔥
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
👍4❤3🙏3
Media is too big
VIEW IN TELEGRAM
🎥 کارگاه تخصصی: انواع مطالعات و تعیین حجم نمونه
⭕️ جلسه دوم
🟢 مدرس: خانم ترکش
🔴 میزبان: دانشکده توانبخشی دانشگاه علوم پزشکی اصفهان
🚀 فرصتی عالی برای یادگیری و ارتقای مهارت‌های پژوهشی!
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
⭕️ جلسه دوم
🟢 مدرس: خانم ترکش
🔴 میزبان: دانشکده توانبخشی دانشگاه علوم پزشکی اصفهان
🚀 فرصتی عالی برای یادگیری و ارتقای مهارت‌های پژوهشی!
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤3👍1🙏1
آمارکده
فلش کارت آماری آزمون های #استخدامی: 1️⃣ پارادوکس سیمپسون 📌 وقتی رابطه بین دو متغیر در زیرگروه‌ها برعکس رابطه کلی می‌شود! 🔹 مثال: دارویی ممکن است برای مردان و زنان مفید باشد، اما برای کل جامعه مضر باشد. 2️⃣ قانون ۶۸-۹۵-۹۹.۷ 🌀 در توزیع نرمال: ✔️…
🔮 بوت استرپ چیه؟
بوت استرپ یعنی:
📊 بدون فرض کردن توزیع
🔄 فقط با همون چندتا داده که داری
✅ بهترین حدس ممکن رو بزنی!
🔹 اسمش هم از عبارت انگلیسی "pull yourself up by your bootstraps" آمده — یعنی:
🦾 "با کشیدن تسمه کفش خودت، خودتو بالا بکش!"
🧠 چطور کار می‌کنه؟
فرض کن ۱۰ نمره داری:
📊 15, 17, 14, 16, 13, 18, 12, 19, 15, 14
🔹 می‌خواهی بفهمی اگه تمام دانش‌آموزها رو تست می‌کردی، میانگین نمرات چقدر می‌شد؟
اما نمی‌تونی همه رو تست کنی. پس چیکار می‌کنی؟
💡 جواب قدیمی: "داده کمه، نمی‌شه چیزی بفهمیم."
🔥 جواب جدید (بوت استرپ): "داده کمه، ولی من می‌تونم اونو بازیابی کنم!"
🔹 روش بوت استرپ:
🔁 ۱۰۰۰ بار نمونه‌گیری مجدد با جایگذاری انجام بده (هر بار ۱۰ عدد انتخاب کن)
📊 هربار میانگین رو حساب کن
🚀 حالا ۱۰۰۰ تا میانگین داری!
✅ با این ۱۰۰۰ میانگین:
🎯 می‌تونی بفهمی چقدر مطمئن هستی (فاصله اطمینان)
📈 ببینی که چقدر میانگین ممکنه تغییر کنه
💡 حتی بدونی چند درصد مواقع میانگین بالای ۱۵ هست!
📊 مثال جذاب:
🎯 موقعیت:
یک فروشنده‌ای که فقط ۲۰ مشتری داشته و میانگین خرید هر مشتری ۵۰ هزار تومان بوده.
اما الان میخوای به مدیریت بگی:
🤔 "با چه اطمینانی می‌تونیم بگیم میانگین واقعی بین ۴۵ تا ۵۵ هزار تومانه؟"
✅ راه‌حل:
🔄 از بوت استرپ استفاده کن!
🔁 ۱۰۰۰ بار نمونه‌گیری مجدد انجام بده.
📊 هربار میانگین خرید رو حساب کن.
📈 ببین که ۹۵٪ از میانگین‌ها توی ۴۷ تا ۵۳ هزار تومان هستند!
🔹 نتیجه:
📢 "با ۹۵٪ اطمینان، میانگین خرید مشتریان ما بین ۴۷ هزار تا ۵۳ هزار تومان هست!"
💡 نکته ضد شهودی:
⚡️ "ما فقط ۲۰ تا داده داشتیم، ولی با ۱۰۰۰ بار شبیه‌سازی، یه توزیع دقیق ساختیم!"
این همان هوشمندی بوت استرپه! 🚀
🤔 چرا بوت استرپ مهمه؟
✅ بدون فرض توزیع: نیاز نیست بگی داده‌ها نرمال هستن یا نه.
📊 برای هر آماره‌ای کار می‌کنه: میانگین، میانه، ضریب همبستگی...
🧠 قابل فهم برای همه: حتی اگر نمی‌دونی آمار کلاسیک چیه، می‌تونی متوجه بشی!
🌍 کاربرد در دنیای واقعی: علم داده، فایننس، هوش مصنوعی، طراحی آزمایش...
🚀 کاربردهای عملی:
🎯 علم داده ➡️ برآورد خطای مدل‌های یادگیری ماشین
📢 بازاریابی ➡️ محاسبه فاصله اطمینان برای CTR (Click Through Rate)
💊 پزشکی ➡️ برآورد میزان بهبود درمان با داده‌های محدود
💰 مالی ➡️ تخمین ریسک سرمایه‌گذاری با داده‌های کوتاه
👥 تحلیل رفتار کاربر ➡️ فاصله اطمینان برای engagement rate
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🎩 "وقتی داده کم داری ولی میخوای مثل یه آماردان حرفه‌ای روش نتیجه بگیری!"
بوت استرپ یعنی:
📊 بدون فرض کردن توزیع
🔄 فقط با همون چندتا داده که داری
✅ بهترین حدس ممکن رو بزنی!
🔹 اسمش هم از عبارت انگلیسی "pull yourself up by your bootstraps" آمده — یعنی:
🦾 "با کشیدن تسمه کفش خودت، خودتو بالا بکش!"
🧠 چطور کار می‌کنه؟
فرض کن ۱۰ نمره داری:
📊 15, 17, 14, 16, 13, 18, 12, 19, 15, 14
🔹 می‌خواهی بفهمی اگه تمام دانش‌آموزها رو تست می‌کردی، میانگین نمرات چقدر می‌شد؟
اما نمی‌تونی همه رو تست کنی. پس چیکار می‌کنی؟
💡 جواب قدیمی: "داده کمه، نمی‌شه چیزی بفهمیم."
🔥 جواب جدید (بوت استرپ): "داده کمه، ولی من می‌تونم اونو بازیابی کنم!"
🔹 روش بوت استرپ:
🔁 ۱۰۰۰ بار نمونه‌گیری مجدد با جایگذاری انجام بده (هر بار ۱۰ عدد انتخاب کن)
📊 هربار میانگین رو حساب کن
🚀 حالا ۱۰۰۰ تا میانگین داری!
✅ با این ۱۰۰۰ میانگین:
🎯 می‌تونی بفهمی چقدر مطمئن هستی (فاصله اطمینان)
📈 ببینی که چقدر میانگین ممکنه تغییر کنه
💡 حتی بدونی چند درصد مواقع میانگین بالای ۱۵ هست!
📊 مثال جذاب:
🎯 موقعیت:
یک فروشنده‌ای که فقط ۲۰ مشتری داشته و میانگین خرید هر مشتری ۵۰ هزار تومان بوده.
اما الان میخوای به مدیریت بگی:
🤔 "با چه اطمینانی می‌تونیم بگیم میانگین واقعی بین ۴۵ تا ۵۵ هزار تومانه؟"
✅ راه‌حل:
🔄 از بوت استرپ استفاده کن!
🔁 ۱۰۰۰ بار نمونه‌گیری مجدد انجام بده.
📊 هربار میانگین خرید رو حساب کن.
📈 ببین که ۹۵٪ از میانگین‌ها توی ۴۷ تا ۵۳ هزار تومان هستند!
🔹 نتیجه:
📢 "با ۹۵٪ اطمینان، میانگین خرید مشتریان ما بین ۴۷ هزار تا ۵۳ هزار تومان هست!"
💡 نکته ضد شهودی:
⚡️ "ما فقط ۲۰ تا داده داشتیم، ولی با ۱۰۰۰ بار شبیه‌سازی، یه توزیع دقیق ساختیم!"
این همان هوشمندی بوت استرپه! 🚀
🤔 چرا بوت استرپ مهمه؟
✅ بدون فرض توزیع: نیاز نیست بگی داده‌ها نرمال هستن یا نه.
📊 برای هر آماره‌ای کار می‌کنه: میانگین، میانه، ضریب همبستگی...
🧠 قابل فهم برای همه: حتی اگر نمی‌دونی آمار کلاسیک چیه، می‌تونی متوجه بشی!
🌍 کاربرد در دنیای واقعی: علم داده، فایننس، هوش مصنوعی، طراحی آزمایش...
🚀 کاربردهای عملی:
🎯 علم داده ➡️ برآورد خطای مدل‌های یادگیری ماشین
📢 بازاریابی ➡️ محاسبه فاصله اطمینان برای CTR (Click Through Rate)
💊 پزشکی ➡️ برآورد میزان بهبود درمان با داده‌های محدود
💰 مالی ➡️ تخمین ریسک سرمایه‌گذاری با داده‌های کوتاه
👥 تحلیل رفتار کاربر ➡️ فاصله اطمینان برای engagement rate
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤8
🔴انجام پروژه های مختلف با نرم افزار های📲
R،spss،python ،minitab ،matlab،java،sql،c++ ،stata ،amos،power bi،Qlik view،jmp، win bugs،ایویوز ، pls و ...
شبکه عصبی
هوش مصنوعی
انجام انواع کارهای پایان نامه فصل چهارم
مشاوره پایان نامه
و پروپوزال نویسی
فوتشاپ
icdl
انجام کلیه کارهای اینترنتی
تایپ،پاورپوینت، تحقیق، وورد، ویرایش متون، ترجمه مقالات ،تبدیل ویس به متن
🆔 @Amar_kadeh_admin
🟣🟣ایدی مالک:
@moradi_yeganeh
💰 قیمت پیشنهادی : توافقی
🔴همکاری با خدمات دانشجویی
کانال رضایت و دریافت نمونه کار های قبلی👇🏻👇🏻
https://www.tg-me.com/Amarkadeh_working
┏━━━━━
🌐 @Amar_kadeh 📖✍
┗━━━━━━━━━━
R،spss،python ،minitab ،matlab،java،sql،c++ ،stata ،amos،power bi،Qlik view،jmp، win bugs،ایویوز ، pls و ...
شبکه عصبی
هوش مصنوعی
انجام انواع کارهای پایان نامه فصل چهارم
مشاوره پایان نامه
و پروپوزال نویسی
فوتشاپ
icdl
انجام کلیه کارهای اینترنتی
تایپ،پاورپوینت، تحقیق، وورد، ویرایش متون، ترجمه مقالات ،تبدیل ویس به متن
🆔 @Amar_kadeh_admin
🟣🟣ایدی مالک:
@moradi_yeganeh
💰 قیمت پیشنهادی : توافقی
🔴همکاری با خدمات دانشجویی
کانال رضایت و دریافت نمونه کار های قبلی👇🏻👇🏻
https://www.tg-me.com/Amarkadeh_working
┏━━━━━
🌐 @Amar_kadeh 📖✍
┗━━━━━━━━━━
❤4
فصل 3.آمار ریاضی1.pdf
5.2 MB
فصل چهارم آمار ریاضی یک: برآوردگر های نااریب با کمترین واریانس
#دانشگاه_زنجان
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
#دانشگاه_زنجان
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤4
تبریک به همه دوستان امیدوارم نتایج لبخند رضایت روی لب هاتون اورده باشه
چند روز اینده طبق رسم هرسال فرم مصاحبه با شما دوستان رو میگذاریم و خوشحال میشیم شرکت کنید
چند روز اینده طبق رسم هرسال فرم مصاحبه با شما دوستان رو میگذاریم و خوشحال میشیم شرکت کنید
❤1
🔴فوری
نتایج آزمون کارشناسی ارشد ۱۴۰۴ اعلام شد
لینک مشاهده نتایج👇👇👇
https://register1.sanjesh.org/nrgarshad404/
———
نتایج آزمون کارشناسی ارشد ۱۴۰۴ اعلام شد
لینک مشاهده نتایج👇👇👇
https://register1.sanjesh.org/nrgarshad404/
———
❤1
جناب آقای میرزایی عزیز،
تبریک صمیمانه و از ته قلب به شما بابت کسب رتبه‌ی فوق‌العاده ۷ در کنکور کارشناسی ارشد وزارت علوم! این موفقیت بزرگ، نتیجه تلاش بی‌وقفه، پشتکار و اراده‌ی قوی شماست که امروز به بار نشست و افتخاری بی‌نظیر برای شما و خانواده‌تان رقم زد.
امیدوارم این آغاز راهی روشن و پر از دستاوردهای بیشتر برای شما باشد و همیشه در مسیر علم و دانش بدرخشید.
با آرزوی موفقیت‌های روزافزون و آینده‌ای درخشان،
تیم آمارکده🌱
#رتبه_برتر
#همکار
#کنکور_ارشد
#آمار
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
تبریک صمیمانه و از ته قلب به شما بابت کسب رتبه‌ی فوق‌العاده ۷ در کنکور کارشناسی ارشد وزارت علوم! این موفقیت بزرگ، نتیجه تلاش بی‌وقفه، پشتکار و اراده‌ی قوی شماست که امروز به بار نشست و افتخاری بی‌نظیر برای شما و خانواده‌تان رقم زد.
امیدوارم این آغاز راهی روشن و پر از دستاوردهای بیشتر برای شما باشد و همیشه در مسیر علم و دانش بدرخشید.
با آرزوی موفقیت‌های روزافزون و آینده‌ای درخشان،
تیم آمارکده🌱
#رتبه_برتر
#همکار
#کنکور_ارشد
#آمار
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤23
دوستان عزیز و پرتلاش،😊
تبریک صمیمانه به شما که با تلاش و پشتکار توانستید در کنکور کارشناسی ارشد وزارت علوم رتبه‌ای درخشان کسب کنید! این موفقیت بزرگ، نشانه اراده قوی و استعداد بی‌نظیر شماست. مسیر پیش رو پر از فرصت‌های تازه و تجربه‌های ارزشمند است که منتظر شماست تا آن‌ها را کشف کنید.
برای بهتر شناختن نیازها و دغدغه‌های شما در این مسیر، از شما دعوت می‌کنیم که پرسشنامه کوتاه ما را پر کنید. نظرات و تجربیات شما برای ما بسیار ارزشمند است و به ما کمک می‌کند تا حمایت‌های بهتری برای شما فراهم کنیم.
لطفاً با صرف چند دقیقه وقت، پرسشنامه را تکمیل کنید و همراه ما باشید در ساختن آینده‌ای روشن‌تر.
لینک👇🏻
🖇https://survey.porsline.ir/s/gjTdWw5H
با آرزوی موفقیت‌های روزافزون برای شما عزیزان!😍
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
تبریک صمیمانه به شما که با تلاش و پشتکار توانستید در کنکور کارشناسی ارشد وزارت علوم رتبه‌ای درخشان کسب کنید! این موفقیت بزرگ، نشانه اراده قوی و استعداد بی‌نظیر شماست. مسیر پیش رو پر از فرصت‌های تازه و تجربه‌های ارزشمند است که منتظر شماست تا آن‌ها را کشف کنید.
برای بهتر شناختن نیازها و دغدغه‌های شما در این مسیر، از شما دعوت می‌کنیم که پرسشنامه کوتاه ما را پر کنید. نظرات و تجربیات شما برای ما بسیار ارزشمند است و به ما کمک می‌کند تا حمایت‌های بهتری برای شما فراهم کنیم.
لطفاً با صرف چند دقیقه وقت، پرسشنامه را تکمیل کنید و همراه ما باشید در ساختن آینده‌ای روشن‌تر.
لینک👇🏻
🖇https://survey.porsline.ir/s/gjTdWw5H
با آرزوی موفقیت‌های روزافزون برای شما عزیزان!😍
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
Porsline
کنکور وزارت علوم
با پُرس‌لاین به راحتی پرسشنامه خود را طراحی و ارسال کنید و با گزارش‌های لحظه‌ای آن به سرعت تصمیم بگیرید.
❤3