آمارکده
مثال برای هر آزمون👇 *️⃣ t-test مقایسه میانگین قد دخترها و پسرها *️⃣ ANOVA مقایسه میانگین نمره سه کلاس مختلف *️⃣ Chi-Square بررسی رابطه جنسیت و رشته تحصیلی *️⃣ Mann-Whitney مقایسه درآمد دو گروه با توزیع غیرنرمال *️⃣ Wilcoxon مقایسه فشار خون قبل…
خلاصه جذاب و کاربردی از دانشمندان برجسته آمار و دستاوردهای مهم‌شان
🔹 بلز پاسکال: پایه‌گذار احتمالات کلاسیک؛ با مثلث پاسکال و حل مسئله تقسیم پول شرط‌بندی، اولین جرقه‌های احتمال رو زد.
🔹 توماس بیز: با قضیه بیز، یاد داد چطور با اطلاعات جدید، احتمالاتمون رو به‌روز کنیم؛ پایه یادگیری ماشین و تشخیص بیماری و فیلتر اسپم همینجاست.
🔹 کارل گاوس: توزیع نرمال رو کشف کرد و نشون داد بیشتر چیزها تو طبیعت و جامعه حول یک میانگین جمع می‌شن؛ قضیه حد مرکزی رو فراموش نکن!
🔹 رونالد فیشر: پدر آمار تجربی؛ ANOVA، فرض صفر و p-value رو آورد و تاکید داشت فقط به ۰.۰۵ خیره نشیم!
🔹 دیوید کاکس: مدل رگرسیون کاکس رو برای تحلیل بقا ساخت؛ وقتی می‌خوای بدونی چه عواملی روی طول عمر تاثیر دارن، این مدل رو یادت باشه.
🔹 فرانسیس گالتون: مفهوم رگرسیون به میانگین رو جا انداخت؛ یعنی بچه‌های قدبلندها لزوماً به اندازه والدینشون بلند نیستن.
🔹 کارل پیرسون: ضریب همبستگی پیرسون و آزمون کای-دو رو ابداع کرد؛ همبستگی فقط نشون‌دهنده رابطه خطیه، نه علیت!
🔹 فرانک ویلکاکسون: آزمون غیرپارامتری برای داده‌های غیرنرمال؛ وقتی داده‌هات دم‌بلند یا عجیبن، سراغش برو.
🔹 جرج باکس: گفت "همه مدل‌ها اشتباهند، اما بعضی مفیدن"؛ یعنی مدل باید ساده و کاربردی باشه، نه کامل!
🔹 اروین شرودینگر: با داستان گربه معروفش، مفهوم عدم قطعیت و احتمال رو به زبان ساده آورد.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🔹 بلز پاسکال: پایه‌گذار احتمالات کلاسیک؛ با مثلث پاسکال و حل مسئله تقسیم پول شرط‌بندی، اولین جرقه‌های احتمال رو زد.
🔹 توماس بیز: با قضیه بیز، یاد داد چطور با اطلاعات جدید، احتمالاتمون رو به‌روز کنیم؛ پایه یادگیری ماشین و تشخیص بیماری و فیلتر اسپم همینجاست.
🔹 کارل گاوس: توزیع نرمال رو کشف کرد و نشون داد بیشتر چیزها تو طبیعت و جامعه حول یک میانگین جمع می‌شن؛ قضیه حد مرکزی رو فراموش نکن!
🔹 رونالد فیشر: پدر آمار تجربی؛ ANOVA، فرض صفر و p-value رو آورد و تاکید داشت فقط به ۰.۰۵ خیره نشیم!
🔹 دیوید کاکس: مدل رگرسیون کاکس رو برای تحلیل بقا ساخت؛ وقتی می‌خوای بدونی چه عواملی روی طول عمر تاثیر دارن، این مدل رو یادت باشه.
🔹 فرانسیس گالتون: مفهوم رگرسیون به میانگین رو جا انداخت؛ یعنی بچه‌های قدبلندها لزوماً به اندازه والدینشون بلند نیستن.
🔹 کارل پیرسون: ضریب همبستگی پیرسون و آزمون کای-دو رو ابداع کرد؛ همبستگی فقط نشون‌دهنده رابطه خطیه، نه علیت!
🔹 فرانک ویلکاکسون: آزمون غیرپارامتری برای داده‌های غیرنرمال؛ وقتی داده‌هات دم‌بلند یا عجیبن، سراغش برو.
🔹 جرج باکس: گفت "همه مدل‌ها اشتباهند، اما بعضی مفیدن"؛ یعنی مدل باید ساده و کاربردی باشه، نه کامل!
🔹 اروین شرودینگر: با داستان گربه معروفش، مفهوم عدم قطعیت و احتمال رو به زبان ساده آورد.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤2
Forwarded from آمارکده
🔴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 📖✍
┗━━━━━━━━━━
❤3😁1
آمارکده
🔴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…
سلام صبح بخیر سرمون شلوغه صبور باشین🙏❤
😁1
هوش مصنوعی پژوهشی جِنسپارک:
📚 جست‌وجو، دانلود، و مرتب‌سازی مقالات علمی
🎯 ساخت ارائه علمی از مقاله
🤖 پرسش درباره محتوای مقاله
📊 تحلیل و استخراج داده‌ها
برای استفاده از آن وارد genspark.ai شوید.
https://www.tg-me.com/Mahsa_ghorbanee
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
📚 جست‌وجو، دانلود، و مرتب‌سازی مقالات علمی
🎯 ساخت ارائه علمی از مقاله
🤖 پرسش درباره محتوای مقاله
📊 تحلیل و استخراج داده‌ها
برای استفاده از آن وارد genspark.ai شوید.
https://www.tg-me.com/Mahsa_ghorbanee
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
💯5
Media is too big
VIEW IN TELEGRAM
🚀 تحولی در وبگردی با Nano Browser!
🔍 مرورگر خود را با هوش مصنوعی کنترل کنید!
این افزونه اوپن سورس با قدرت مدل‌های پیشرفته هوش مصنوعی مانند Gemini، تجربه مرور وب را کاملاً هوشمند و خودکار می‌کند.
🗣 دستورات محاوره‌ای: بدون نیاز به کلیک‌های اضافی، فقط با زبان طبیعی کارها را انجام دهید
⚡️ اتوماسیون هوشمند: جست‌وجو، خواندن، ذخیره و بسیاری از وظایف را سریع‌تر انجام دهید
🔗 دانلود کنید و تجربه کنید
✅ @AI_DeepMind
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🔍 مرورگر خود را با هوش مصنوعی کنترل کنید!
این افزونه اوپن سورس با قدرت مدل‌های پیشرفته هوش مصنوعی مانند Gemini، تجربه مرور وب را کاملاً هوشمند و خودکار می‌کند.
🗣 دستورات محاوره‌ای: بدون نیاز به کلیک‌های اضافی، فقط با زبان طبیعی کارها را انجام دهید
⚡️ اتوماسیون هوشمند: جست‌وجو، خواندن، ذخیره و بسیاری از وظایف را سریع‌تر انجام دهید
🔗 دانلود کنید و تجربه کنید
✅ @AI_DeepMind
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
👍5❤3
آمارکده
خلاصه جذاب و کاربردی از دانشمندان برجسته آمار و دستاوردهای مهم‌شان 🔹 بلز پاسکال: پایه‌گذار احتمالات کلاسیک؛ با مثلث پاسکال و حل مسئله تقسیم پول شرط‌بندی، اولین جرقه‌های احتمال رو زد. 🔹 توماس بیز: با قضیه بیز، یاد داد چطور با اطلاعات جدید، احتمالاتمون رو…
✨ اندازه اثر در متاآنالیز
🔹 تفاوت میانگین (Mean Difference)
وقتی میانگین فشار خون دو گروه (دارو و پلاسبو) رو مقایسه می‌کنیم. اگه اختلاف میانگین بیشتر باشه، یعنی اثر درمان قوی‌تره! 💪
🔹 نسبت خطر (Risk Ratio یا Relative Risk - RR)
احتمال وقوع یک رویداد (مثل بیماری) در گروه مواجهه‌یافته در مقابل کنترل.
مثلاً RR=2 یعنی گروه مواجهه‌یافته دو برابر بیشتر در معرض خطره! 🚨
🔹 نسبت شانس (Odds Ratio - OR)
شانس وقوع یک رویداد در دو گروه.
OR=1 یعنی هیچ تفاوتی نیست
OR>1 یعنی شانس بالاتره! 🎲
🔹 d کوهن
اندازه تفاوت بین دو گروه با در نظر گرفتن انحراف معیار.
d=0.8 یعنی تأثیر بزرگه! 🌟
🔹 ضریب همبستگی (r)
نشانگر قدرت و جهت رابطه بین دو متغیر.
r=0.7 یعنی رابطه‌ای قوی و مثبت بین دو متغیر وجود داره! 🔗💖
🔹 Hedges' g
مشابه d کوهن، اما برای نمونه‌های کوچکتر اصلاح شده.
g=0.5 یعنی اندازه اثر متوسطه! ⚖️
🔹 I² (آماره ناهمگونی)
میزان ناهمگونی بین مطالعات رو نشون میده.
I²=0% یعنی هیچ ناهمگونی وجود نداره
I²>50% یعنی مطالعات تفاوت زیادی دارن! 🔄📊
🔹 Standardized Mean Difference (SMD)
تفاوت میانگین استاندارد شده، مناسب برای داده‌هایی که واحدهای اندازه‌گیری متفاوت دارن.
SMD=1 یعنی یک تفاوت بزرگ بین گروه‌ها وجود داره! 📏🔍
🔹 Fisher’s Z transformation
برای تحلیل همبستگی در متاآنالیز استفاده میشه.
به کمک این شاخص، مقادیر r رو به داده‌های نرمال تبدیل می‌کنیم تا بهتر تحلیل بشن! 🔄
🔹 بی‌طرفی انتشار (Publication Bias)
شاخص‌هایی مثل Egger’s test یا Fail-safe N می‌تونن کمک کنن ببینیم نتایج مطالعه تحت تأثیر انتشار گزینشی قرار گرفتن یا نه! 🧐📖
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🔹 تفاوت میانگین (Mean Difference)
وقتی میانگین فشار خون دو گروه (دارو و پلاسبو) رو مقایسه می‌کنیم. اگه اختلاف میانگین بیشتر باشه، یعنی اثر درمان قوی‌تره! 💪
🔹 نسبت خطر (Risk Ratio یا Relative Risk - RR)
احتمال وقوع یک رویداد (مثل بیماری) در گروه مواجهه‌یافته در مقابل کنترل.
مثلاً RR=2 یعنی گروه مواجهه‌یافته دو برابر بیشتر در معرض خطره! 🚨
🔹 نسبت شانس (Odds Ratio - OR)
شانس وقوع یک رویداد در دو گروه.
OR=1 یعنی هیچ تفاوتی نیست
OR>1 یعنی شانس بالاتره! 🎲
🔹 d کوهن
اندازه تفاوت بین دو گروه با در نظر گرفتن انحراف معیار.
d=0.8 یعنی تأثیر بزرگه! 🌟
🔹 ضریب همبستگی (r)
نشانگر قدرت و جهت رابطه بین دو متغیر.
r=0.7 یعنی رابطه‌ای قوی و مثبت بین دو متغیر وجود داره! 🔗💖
🔹 Hedges' g
مشابه d کوهن، اما برای نمونه‌های کوچکتر اصلاح شده.
g=0.5 یعنی اندازه اثر متوسطه! ⚖️
🔹 I² (آماره ناهمگونی)
میزان ناهمگونی بین مطالعات رو نشون میده.
I²=0% یعنی هیچ ناهمگونی وجود نداره
I²>50% یعنی مطالعات تفاوت زیادی دارن! 🔄📊
🔹 Standardized Mean Difference (SMD)
تفاوت میانگین استاندارد شده، مناسب برای داده‌هایی که واحدهای اندازه‌گیری متفاوت دارن.
SMD=1 یعنی یک تفاوت بزرگ بین گروه‌ها وجود داره! 📏🔍
🔹 Fisher’s Z transformation
برای تحلیل همبستگی در متاآنالیز استفاده میشه.
به کمک این شاخص، مقادیر r رو به داده‌های نرمال تبدیل می‌کنیم تا بهتر تحلیل بشن! 🔄
🔹 بی‌طرفی انتشار (Publication Bias)
شاخص‌هایی مثل Egger’s test یا Fail-safe N می‌تونن کمک کنن ببینیم نتایج مطالعه تحت تأثیر انتشار گزینشی قرار گرفتن یا نه! 🧐📖
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤8
آمارکده
✨ اندازه اثر در متاآنالیز 🔹 تفاوت میانگین (Mean Difference) وقتی میانگین فشار خون دو گروه (دارو و پلاسبو) رو مقایسه می‌کنیم. اگه اختلاف میانگین بیشتر باشه، یعنی اثر درمان قوی‌تره! 💪 🔹 نسبت خطر (Risk Ratio یا Relative Risk - RR) احتمال وقوع یک رویداد (مثل…
مثال عددی :
🔹 تفاوت میانگین (Mean Difference)
میانگین قند خون در گروه دارو 110 و در گروه پلاسبو 125؛ تفاوت میانگین = 15 واحد. یعنی دارو قند رو ۱۵ واحد کمتر کرده! 🍬
🔹 نسبت خطر (Risk Ratio - RR)
در گروه دارو 10 نفر از 100 نفر دچار سکته شدن (10%)، در کنترل 20 نفر از 100 نفر (20%)؛
RR = 0.1 / 0.2 = 0.5 یعنی دارو خطر سکته رو نصف کرده! 🚨
🔹 نسبت شانس (Odds Ratio - OR)
در گروه مواجهه 30 نفر بیمار و 70 سالم، در کنترل 15 بیمار و 85 سالم؛
OR = (30/70) / (15/85) ≈ 2.43 یعنی شانس بیماری تو گروه مواجهه بیشتره! 🎲
🔹 نسبت خطر نسبی (Hazard Ratio - HR)
در مطالعه بقا، HR = 1.5 یعنی گروه دارو 1.5 برابر سریع‌تر دچار عود بیماری میشه نسبت به کنترل. ⏳
🔹 d کوهن
میانگین گروه آزمایش 80، کنترل 70، انحراف معیار 10؛
d = (80-70)/10 = 1 یعنی اثر خیلی بزرگه! 🌟
🔹 ضریب همبستگی (r)
بین ساعت مطالعه و نمره امتحان، r = 0.7 یعنی رابطه قوی و مثبت وجود داره! 📚💯
🔹 Hedges' g
میانگین گروه درمان 60، کنترل 50، انحراف معیار ترکیبی 20، g = (60-50)/20 = 0.5 یعنی اثر متوسطه! ⚖️
🔹 I² (آماره ناهمگونی)
اگر I²=60% باشه یعنی ۶۰٪ تفاوت نتایج مطالعات به خاطر ناهمگونی واقعیه نه شانس! 🔄
🔹 SMD (تفاوت میانگین استاندارد شده)
گروه اول با مقیاس 0-10، میانگین 8؛ گروه دوم با مقیاس 0-100، میانگین 80؛
SMD=1 یعنی تفاوت بزرگه حتی با مقیاس متفاوت! 📏
🔹 Fisher’s Z transformation
اگر r=0.8 باشه، Z ≈ 1.1 میشه و تحلیل همبستگی راحت‌تر انجام میشه! 🔄
🔹 Publication Bias
مثلاً Egger’s test نشون میده احتمال سوگیری انتشار وجود داره (p<0.05)، یعنی نتایج مثبت بیشتر منتشر شدن!
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🔹 تفاوت میانگین (Mean Difference)
میانگین قند خون در گروه دارو 110 و در گروه پلاسبو 125؛ تفاوت میانگین = 15 واحد. یعنی دارو قند رو ۱۵ واحد کمتر کرده! 🍬
🔹 نسبت خطر (Risk Ratio - RR)
در گروه دارو 10 نفر از 100 نفر دچار سکته شدن (10%)، در کنترل 20 نفر از 100 نفر (20%)؛
RR = 0.1 / 0.2 = 0.5 یعنی دارو خطر سکته رو نصف کرده! 🚨
🔹 نسبت شانس (Odds Ratio - OR)
در گروه مواجهه 30 نفر بیمار و 70 سالم، در کنترل 15 بیمار و 85 سالم؛
OR = (30/70) / (15/85) ≈ 2.43 یعنی شانس بیماری تو گروه مواجهه بیشتره! 🎲
🔹 نسبت خطر نسبی (Hazard Ratio - HR)
در مطالعه بقا، HR = 1.5 یعنی گروه دارو 1.5 برابر سریع‌تر دچار عود بیماری میشه نسبت به کنترل. ⏳
🔹 d کوهن
میانگین گروه آزمایش 80، کنترل 70، انحراف معیار 10؛
d = (80-70)/10 = 1 یعنی اثر خیلی بزرگه! 🌟
🔹 ضریب همبستگی (r)
بین ساعت مطالعه و نمره امتحان، r = 0.7 یعنی رابطه قوی و مثبت وجود داره! 📚💯
🔹 Hedges' g
میانگین گروه درمان 60، کنترل 50، انحراف معیار ترکیبی 20، g = (60-50)/20 = 0.5 یعنی اثر متوسطه! ⚖️
🔹 I² (آماره ناهمگونی)
اگر I²=60% باشه یعنی ۶۰٪ تفاوت نتایج مطالعات به خاطر ناهمگونی واقعیه نه شانس! 🔄
🔹 SMD (تفاوت میانگین استاندارد شده)
گروه اول با مقیاس 0-10، میانگین 8؛ گروه دوم با مقیاس 0-100، میانگین 80؛
SMD=1 یعنی تفاوت بزرگه حتی با مقیاس متفاوت! 📏
🔹 Fisher’s Z transformation
اگر r=0.8 باشه، Z ≈ 1.1 میشه و تحلیل همبستگی راحت‌تر انجام میشه! 🔄
🔹 Publication Bias
مثلاً Egger’s test نشون میده احتمال سوگیری انتشار وجود داره (p<0.05)، یعنی نتایج مثبت بیشتر منتشر شدن!
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤7👍2
معرفی مشاهیر آمار:
دکتر عباسقلی خواجه نوری (پدر آمار ایران)
ایشان در 4 تیر ماه 1294 در شهر نور پابه عرصه وجود نهادند. پدرشان کاظم خواجه نوری (اعظم الملک) و مادرشان (عفت الملوک)خواجه نوری بودند.
دکتر خواجه نوری پس از طی دورهای ابتدائی و متوسطه وارد دانشکده کشاورزی کرج شده و در سال 1316 در رشته مهندسی کشاورزی از این دانشکده فارغ التحصیل شدند . پس از طی دوره سربازی به انجام کارهای پژوهشی در زمینه کشاورزی پرداختند . ایشان مدتی به عنوان موسس اصلاح و ازدیاد بذر و نهال و گل خدمت و معلم زراعت دانشسرای کشاورزی مشغول بودند. سپس مدتی نیز رئیس اداره آمار و جیره وزارت دارائی و رئیس اداره آمار کشاورزی و اجتماعی سازمان برنامه و همینطور ریس آمار اداره آمار شناسی بودند.
دکتر خواجه نوری برای ادامه تحصیل به آمریکا سفر کردند و در سال 1331 از دانشگاه کارولینای شمالی درجه کارشناسی ارشد آمار را دریافت نمودند. بعد از آن عازم فرانسه شدند و در سال 1334 از دانشگاه علوم پاریس موفق به دریافت درجه دکترای آمار شدند. ایشان مدتی در کشور یوگوسلاوی به تدریس آمار پرداختند و سپس در سال 1336 به دعوت مهندس عطائی برای دانشیاری آمار و تحقیق در دانشکده کشاورزی به ایران بازگشتند و پس از 5 سال تدریس به مقام استادی رسیدند و در سال 1358 بازنشسته شدند. دکتر خواجه نوری علاوه بر تحصیل مسئولیت های زیر را نیز به عهده داشتند :
مشاور سازمان بیمه های اجتماعی و وزارت کار ، مشاور سازمان آمار عمومی ، عضو هیئت اجرائی آزمون شناسی ، رئیس و استاد موسسه آموزش عالی آمار .
ایشان پس از بازنشستگی از دانشگاه تهران در دانشگاه تربیت مدرس آمار عمومی و همینطور مکانیزاسیون اقتصاد وزارت کشاورزی را تدریس می کردند.
دکتر خواجه نوری در 30 فروردین 1362 پس از سالها تدریس و تحقیق در سن 65 سالگی بر اثر سکته مغزی به رحمت ایزدی پیوستند. از ایشان دو فرزند به نام های زهرا و کاظم به یادگار مانده است .
ایشان در دانشگاه تهران و سایر موسسات آموزشی دوس زیر را تدریس می نمودند : روشهای مقدماتی آمار ، روش های آمار گیری نمونه ای ، اقتصاد ریاضی(اکونومتری) ، جامعه سنجی(سوسیومتری) ، روانسنجی(پیسیکومتری) ، جبر ماتریس ، آمار ریاضی و تعدادی دروس مشابه دیگر در سطح های کارشناسی ، کارشناسی ارشد و دکتری اشتغال داشتند.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
دکتر عباسقلی خواجه نوری (پدر آمار ایران)
ایشان در 4 تیر ماه 1294 در شهر نور پابه عرصه وجود نهادند. پدرشان کاظم خواجه نوری (اعظم الملک) و مادرشان (عفت الملوک)خواجه نوری بودند.
دکتر خواجه نوری پس از طی دورهای ابتدائی و متوسطه وارد دانشکده کشاورزی کرج شده و در سال 1316 در رشته مهندسی کشاورزی از این دانشکده فارغ التحصیل شدند . پس از طی دوره سربازی به انجام کارهای پژوهشی در زمینه کشاورزی پرداختند . ایشان مدتی به عنوان موسس اصلاح و ازدیاد بذر و نهال و گل خدمت و معلم زراعت دانشسرای کشاورزی مشغول بودند. سپس مدتی نیز رئیس اداره آمار و جیره وزارت دارائی و رئیس اداره آمار کشاورزی و اجتماعی سازمان برنامه و همینطور ریس آمار اداره آمار شناسی بودند.
دکتر خواجه نوری برای ادامه تحصیل به آمریکا سفر کردند و در سال 1331 از دانشگاه کارولینای شمالی درجه کارشناسی ارشد آمار را دریافت نمودند. بعد از آن عازم فرانسه شدند و در سال 1334 از دانشگاه علوم پاریس موفق به دریافت درجه دکترای آمار شدند. ایشان مدتی در کشور یوگوسلاوی به تدریس آمار پرداختند و سپس در سال 1336 به دعوت مهندس عطائی برای دانشیاری آمار و تحقیق در دانشکده کشاورزی به ایران بازگشتند و پس از 5 سال تدریس به مقام استادی رسیدند و در سال 1358 بازنشسته شدند. دکتر خواجه نوری علاوه بر تحصیل مسئولیت های زیر را نیز به عهده داشتند :
مشاور سازمان بیمه های اجتماعی و وزارت کار ، مشاور سازمان آمار عمومی ، عضو هیئت اجرائی آزمون شناسی ، رئیس و استاد موسسه آموزش عالی آمار .
ایشان پس از بازنشستگی از دانشگاه تهران در دانشگاه تربیت مدرس آمار عمومی و همینطور مکانیزاسیون اقتصاد وزارت کشاورزی را تدریس می کردند.
دکتر خواجه نوری در 30 فروردین 1362 پس از سالها تدریس و تحقیق در سن 65 سالگی بر اثر سکته مغزی به رحمت ایزدی پیوستند. از ایشان دو فرزند به نام های زهرا و کاظم به یادگار مانده است .
ایشان در دانشگاه تهران و سایر موسسات آموزشی دوس زیر را تدریس می نمودند : روشهای مقدماتی آمار ، روش های آمار گیری نمونه ای ، اقتصاد ریاضی(اکونومتری) ، جامعه سنجی(سوسیومتری) ، روانسنجی(پیسیکومتری) ، جبر ماتریس ، آمار ریاضی و تعدادی دروس مشابه دیگر در سطح های کارشناسی ، کارشناسی ارشد و دکتری اشتغال داشتند.
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤7👍2
Rafael_A_Irizarry_Introduction_to_Data_Science_Data_Analysis_and.pdf
73.6 MB
کتاب مقدمه ای بر علم داده(آنالیزهای داده و الگوریتم های پیش بینی با R)،ایریزاری . سال ۲۰۱۹
IntriductionTto Data Science (Data Analysis and Prediction Algoritms with R), Irizarry; 2019
#علم_داده
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
IntriductionTto Data Science (Data Analysis and Prediction Algoritms with R), Irizarry; 2019
#علم_داده
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤1
آمارکده
مثال عددی : 🔹 تفاوت میانگین (Mean Difference) میانگین قند خون در گروه دارو 110 و در گروه پلاسبو 125؛ تفاوت میانگین = 15 واحد. یعنی دارو قند رو ۱۵ واحد کمتر کرده! 🍬 🔹 نسبت خطر (Risk Ratio - RR) در گروه دارو 10 نفر از 100 نفر دچار سکته شدن (10%)، در کنترل…
منحنی ROC
🔮 نکته جذاب:
📢 منحنی ROC، داستان موفقیت یک تشخیصگر را به ما می‌گوید!
🔹 به زبون ساده:
📌 این منحنی نشون میده که یک مدل چقدر خوب می‌تونه دسته‌ها رو از هم تشخیص بده.
📌 مثل یه آزمون تست هوش برای مدل‌های AI! 🤖💡
🧠 چطور کار می‌کنه؟
🔬 فرض کن یه مدل پزشکی داری که بفهمه آیا یه بیمار سرطان داره یا نه؟
👩⚕️ مدل یه عدد بین 0 و 1 برمی‌گردونه:
✅ 0 = قطعاً سالم
❌ 1 = قطعاً بیمار
❓ 0.5 = مطمئن نیست
🔹 حالا می‌خواهیم بدونیم:
🤔 با چه آستانه‌ای می‌تونیم بیماری رو درست تشخیص بدیم؟
📈 منحنی ROC به ما کمک می‌کنه:
🔹 تمام آستانه‌ها رو تست کنیم
🔹 ببینیم در هر آستانه، چقدر مدل ما درست تشخیص میده 🎯
🔹 و چقدر اشتباه می‌کنه 🚫
📊 دو محور منحنی ROC:
🔹 محور X 📉: نرخ خطای مثبت (False Positive Rate) 🏥 یعنی درصد افراد سالمی که اشتباهی بیمار شمرده شدن.
🔹 محور Y 📈: نرخ تشخیص صحیح (True Positive Rate) یعنی درصد افراد بیماری که درست تشخیص داده شدن.
🔹 هر چی نرخ تشخیص صحیح بالاتر و نرخ خطای مثبت پایین‌تر باشه، مدل بهتره! ✔️
📈 چه شکلی؟
📝 منحنی ROC یه خط تو نمودار داره که از 📍(0,0) تا (1,1) حرکت می‌کنه.
📊 هر چی این منحنی بالاتر از خط وسط (که یعنی تصادفی) باشه، مدل بهتره!
⚡️ عدد AUC (Area Under Curve):
🔹 0.5 = مدل فقط حدس می‌زنه 🤷♂️
🔹 1 = مدل عالی 🤩
🔹 بالای 0.7 = خوب 😊
🔹 بالای 0.8 = خیلی خوب 😃
🔹 بالای 0.9 = فوق‌العاده خوب! 🚀
🧪 مثال عملی:
🏥 موقعیت: تو یه آزمایشگاه هستی و یه تست سریع تشخیص کرونا طراحی کردی.
🔬 حالا می‌خوای بفهمی چقدر این تست خوب عمل می‌کنه.
👨⚕️ تست رو روی ۱۰۰ نفر انجام دادی:
🔹 ۵۰ نفر بیمار بودن 😷
🔹 ۵۰ نفر سالم بودن 😊
مدل تو یه نمره به هر نفر داده:
⚠️ اگر نمره بیشتر از 0.6 بود → بیمار
✅ اگر کمتر از 0.6 بود → سالم
🔹 اما الان می‌خوای بدونی:
🔍 آیا این آستانه 0.6 بهترین انتخابه؟ یا می‌تونیم بهترش کنیم؟
📊 منحنی ROC بهت نشون میده:
🔸 اگر آستانه رو 0.3 بذاری، حساسیت بالاتر می‌ره ولی خطای مثبت بیشتر میشه ⚠️
🔸 اگر آستانه رو 0.8 بذاری، خطای مثبت کم میشه ولی ممکنه بیمارای واقعی رو از دست بدی 😞
📢 منحنی ROC بهت می‌گه بهترین تعادل کجاست؟ و مدل تو چقدر قویه؟ 💪
💡 نکته ضد شهودی:
🚨 حتی اگر یه مدل ۹۰٪ دقت داشته باشه، ممکنه منحنی ROC نشون بده که ضعیف عمل می‌کنه!
🔹 چرا؟
📌 اگر داده‌ها نامتعادل باشن (مثلاً فقط 5٪ بیمار داشته باشی)، دقت (Accuracy) گمراه‌کننده است.
✅ اما منحنی ROC این مشکل رو نداره — چون به همه تصمیم‌ها نگاه می‌کنه، نه فقط درصد درستی.
🧠 چرا منحنی ROC مهمه؟
✔️ می‌تونی دو مدل مختلف رو با هم مقایسه کنی 📊
✔️ تعادل بین حساسیت و خطای مثبت رو پیدا می‌کنی ⚖️
✔️ بدون نیاز به دقت عددی هم کار می‌کنه 🔍
✔️ کاربردهای گسترده‌ای در پزشکی، هوش مصنوعی، فیلتر هرزنامه و اعتبارسنجی داره 🚀
🎯 نکته آخر:
🗺 منحنی ROC یه نقشه برای مدل‌های تصمیم‌گیری است!
📢 هر چی این نقشه واضح‌تر باشه، می‌تونیم بهترین تصمیم رو در شرایط مختلف بگیریم!
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🔮 نکته جذاب:
📢 منحنی ROC، داستان موفقیت یک تشخیصگر را به ما می‌گوید!
🔹 به زبون ساده:
📌 این منحنی نشون میده که یک مدل چقدر خوب می‌تونه دسته‌ها رو از هم تشخیص بده.
📌 مثل یه آزمون تست هوش برای مدل‌های AI! 🤖💡
🧠 چطور کار می‌کنه؟
🔬 فرض کن یه مدل پزشکی داری که بفهمه آیا یه بیمار سرطان داره یا نه؟
👩⚕️ مدل یه عدد بین 0 و 1 برمی‌گردونه:
✅ 0 = قطعاً سالم
❌ 1 = قطعاً بیمار
❓ 0.5 = مطمئن نیست
🔹 حالا می‌خواهیم بدونیم:
🤔 با چه آستانه‌ای می‌تونیم بیماری رو درست تشخیص بدیم؟
📈 منحنی ROC به ما کمک می‌کنه:
🔹 تمام آستانه‌ها رو تست کنیم
🔹 ببینیم در هر آستانه، چقدر مدل ما درست تشخیص میده 🎯
🔹 و چقدر اشتباه می‌کنه 🚫
📊 دو محور منحنی ROC:
🔹 محور X 📉: نرخ خطای مثبت (False Positive Rate) 🏥 یعنی درصد افراد سالمی که اشتباهی بیمار شمرده شدن.
🔹 محور Y 📈: نرخ تشخیص صحیح (True Positive Rate) یعنی درصد افراد بیماری که درست تشخیص داده شدن.
🔹 هر چی نرخ تشخیص صحیح بالاتر و نرخ خطای مثبت پایین‌تر باشه، مدل بهتره! ✔️
📈 چه شکلی؟
📝 منحنی ROC یه خط تو نمودار داره که از 📍(0,0) تا (1,1) حرکت می‌کنه.
📊 هر چی این منحنی بالاتر از خط وسط (که یعنی تصادفی) باشه، مدل بهتره!
⚡️ عدد AUC (Area Under Curve):
🔹 0.5 = مدل فقط حدس می‌زنه 🤷♂️
🔹 1 = مدل عالی 🤩
🔹 بالای 0.7 = خوب 😊
🔹 بالای 0.8 = خیلی خوب 😃
🔹 بالای 0.9 = فوق‌العاده خوب! 🚀
🧪 مثال عملی:
🏥 موقعیت: تو یه آزمایشگاه هستی و یه تست سریع تشخیص کرونا طراحی کردی.
🔬 حالا می‌خوای بفهمی چقدر این تست خوب عمل می‌کنه.
👨⚕️ تست رو روی ۱۰۰ نفر انجام دادی:
🔹 ۵۰ نفر بیمار بودن 😷
🔹 ۵۰ نفر سالم بودن 😊
مدل تو یه نمره به هر نفر داده:
⚠️ اگر نمره بیشتر از 0.6 بود → بیمار
✅ اگر کمتر از 0.6 بود → سالم
🔹 اما الان می‌خوای بدونی:
🔍 آیا این آستانه 0.6 بهترین انتخابه؟ یا می‌تونیم بهترش کنیم؟
📊 منحنی ROC بهت نشون میده:
🔸 اگر آستانه رو 0.3 بذاری، حساسیت بالاتر می‌ره ولی خطای مثبت بیشتر میشه ⚠️
🔸 اگر آستانه رو 0.8 بذاری، خطای مثبت کم میشه ولی ممکنه بیمارای واقعی رو از دست بدی 😞
📢 منحنی ROC بهت می‌گه بهترین تعادل کجاست؟ و مدل تو چقدر قویه؟ 💪
💡 نکته ضد شهودی:
🚨 حتی اگر یه مدل ۹۰٪ دقت داشته باشه، ممکنه منحنی ROC نشون بده که ضعیف عمل می‌کنه!
🔹 چرا؟
📌 اگر داده‌ها نامتعادل باشن (مثلاً فقط 5٪ بیمار داشته باشی)، دقت (Accuracy) گمراه‌کننده است.
✅ اما منحنی ROC این مشکل رو نداره — چون به همه تصمیم‌ها نگاه می‌کنه، نه فقط درصد درستی.
🧠 چرا منحنی ROC مهمه؟
✔️ می‌تونی دو مدل مختلف رو با هم مقایسه کنی 📊
✔️ تعادل بین حساسیت و خطای مثبت رو پیدا می‌کنی ⚖️
✔️ بدون نیاز به دقت عددی هم کار می‌کنه 🔍
✔️ کاربردهای گسترده‌ای در پزشکی، هوش مصنوعی، فیلتر هرزنامه و اعتبارسنجی داره 🚀
🎯 نکته آخر:
🗺 منحنی ROC یه نقشه برای مدل‌های تصمیم‌گیری است!
📢 هر چی این نقشه واضح‌تر باشه، می‌تونیم بهترین تصمیم رو در شرایط مختلف بگیریم!
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
❤7👍1
آمارکده
پروژه داری؟ بده ما انجام میدیم🤩 با بهترین کیفیت و کمترین هزینه @Amar_kadeh_admin
محقق هستی؟ کار انجام میدی ؟ بیا به من پیام بده تو گروه پروژه های امارکده اددت کنم 🤭
آمارکده
🚀 تحولی در وبگردی با Nano Browser! 🔍 مرورگر خود را با هوش مصنوعی کنترل کنید! این افزونه اوپن سورس با قدرت مدل‌های پیشرفته هوش مصنوعی مانند Gemini، تجربه مرور وب را کاملاً هوشمند و خودکار می‌کند. 🗣 دستورات محاوره‌ای: بدون نیاز به کلیک‌های اضافی، فقط…
🚀 دسترسی رایگان به هزاران ابزار هوش مصنوعی!
🎯 این سایت بیش از 26 هزار ابزار رایگان در حوزه‌های مختلف رو جمع‌آوری کرده و هر روز هم بهشون اضافه میشه.
🔍 دسته‌بندی‌ها:
🎨 طراحی | 💻 برنامه‌نویسی | ✍️ تولید محتوا | 📢 مارکتینگ | 🎶 صدا | 🎬 ویدیو | 🎓 آموزش | 💼 فریلنس و کلی موارد دیگه!
📎 لینک ورود: Toolify.ai
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
🎯 این سایت بیش از 26 هزار ابزار رایگان در حوزه‌های مختلف رو جمع‌آوری کرده و هر روز هم بهشون اضافه میشه.
🔍 دسته‌بندی‌ها:
🎨 طراحی | 💻 برنامه‌نویسی | ✍️ تولید محتوا | 📢 مارکتینگ | 🎶 صدا | 🎬 ویدیو | 🎓 آموزش | 💼 فریلنس و کلی موارد دیگه!
📎 لینک ورود: Toolify.ai
┏━━━━━
🌐 @Amar_kadeh 📖✍️
┗━━━━━━━━━━
Forwarded from آمارکده
🔴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 📖✍
┗━━━━━━━━━━
👍1
با کمال تأسف و اندوه، درگذشت جناب آقای دکتر ابوالقاسم بزرگ نیا، پدر علم آمار در ایران را به شما تسلیت می‌گویم.
ایشان با تلاش‌ها و دستاوردهای بی‌نظیر خود، نه تنها در حوزه علم آمار، بلکه در تربیت نسل‌های آینده و ارتقاء دانش این رشته، نقش بسزایی ایفا کردند. فقدان ایشان برای جامعه علمی کشور یک ضایعه بزرگ است و یاد و خاطره‌اش همیشه در دل‌ها و ذهن‌ها زنده خواهد ماند.
برای خانواده محترم ایشان آرزوی صبر و آرامش داریم و امیدواریم که روح ایشان در آرامش باشد.🖤
تیم آمارکده _ 23 خردادماه 1404
ایشان با تلاش‌ها و دستاوردهای بی‌نظیر خود، نه تنها در حوزه علم آمار، بلکه در تربیت نسل‌های آینده و ارتقاء دانش این رشته، نقش بسزایی ایفا کردند. فقدان ایشان برای جامعه علمی کشور یک ضایعه بزرگ است و یاد و خاطره‌اش همیشه در دل‌ها و ذهن‌ها زنده خواهد ماند.
برای خانواده محترم ایشان آرزوی صبر و آرامش داریم و امیدواریم که روح ایشان در آرامش باشد.🖤
تیم آمارکده _ 23 خردادماه 1404
🕊45❤20
آمارکده
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…
بین تمام کسانی که کنکور دادین فقط 5 نفر رتبه آوردن؟!
😁7👍1