در این مطلب، ویدئو بررسی اینکه داده ها به طور معمول با استفاده از SPSS توزیع شده اند با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:06:05
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
سلام به
2
02 =>04
روش های تحقیقاتی دیگری برای نمایش صفحه نمایش علوم زیستی
3
04 =>07
برای SPSS خوش آمدید، این صفحه نمایش به شما
4
07 =>09
توصیه هایی در مورد قضاوت در مورد
5
09 =>10
توزیع معمولی داده های شما می دهد و شامل
6
10 =>13
بخش 8.4 می شود که چگونه می توانید
7
13 =>15
با استفاده
8
15 =>18
از آزمون کای دو خوب بودن تناسب بررسی کنید که آیا داده های شما توزیع نرمال دارند یا خیر.
9
18 =>20
دادههای شما معمولاً توزیع میشوند، سپس
10
20 =>21
میتوانید از مجموعهای از آزمونها به نام
11
21 =>24
آزمونهای پارامتریک استفاده کنید که
12
24 =>26
در تشخیص نتایج معنیدار از غیر
13
26 =>29
معنیدار قویتر هستند، زیرا
14
29 =>31
معادله انتظار دارد دادههای شما با
15
31 =>32
الگویی به نام توزیع گاوسی یا نرمال مطابقت داشته باشد
16
32 =>35
و بنابراین میتواند
17
35 =>36
پیشبینیهای دقیقتر،
18
36 =>38
بنابراین محققان اغلب دوست دارند آزمایشهایی را
19
38 =>40
برای تعیین نرمال بودن دادهها انجام دهند و
20
40 =>42
ما برخی از آنها را در این صفحه نمایش توضیح
21
42 =>44
دادیم، اما لطفاً توجه داشته باشید که
22
44 =>46
توجیه مطلقی که یک مجموعه داده کوچک به
23
46 =>48
طور معمول توزیع شده است تقریبا
24
48 =>50
غیرممکن است برای انجام یک رویکرد مشترک
25
50 =>52
میتوان نشان داد. با استفاده از داده های جدول
26
52 =>55
8.3 نشان داده شده در نمودار میله ای می توانیم
27
55 =>57
m را محاسبه کنیم ean و انحراف استاندارد
28
57 =>59
از این دادهها و سپس پیشبینی
29
59 =>01:01
توزیع مقادیری که در
30
01:01 =>01:03
صورت نرمال بودن دادهها به دست میآورید، همانطور که
31
01:03 =>01:06
از نمودار میلهای زیر لایه به رنگ صورتی میبینیم،
32
01:06 =>01:08
سپس میتوانیم یک آزمایش مجذور خی یا مشابه
33
01:08 =>01:10
انجام دهیم تا ببینیم آیا مقادیر ما سازگار هستند یا خیر.
34
01:10 =>01:12
با این مقادیر مورد انتظار، این
35
01:12 =>01:14
یک احتمال ایجاد می کند و اگر
36
01:14 =>01:18
زیر 0.05 باشد، می توانیم بگوییم که داده های مشاهده شده و مورد
37
01:18 =>01:19
انتظار به طور قابل توجهی
38
01:19 =>01:21
متفاوت هستند و داده های ما
39
01:21 =>01:24
نرمال
40
01:24 =>01:26
41
01:26 =>01:28
نیست. آزمایشهایی برای
42
01:28 =>01:30
تعیین اینکه آیا توزیع شما میتواند نرمال باشد یا خیر
43
01:30 =>01:32
و در این
44
01:32 =>01:34
اسکرینکست، استفاده از آزمایش Shapiro را
45
01:34 =>01:36
که دقیقترین تست برای
46
01:36 =>01:38
اندازههای نمونه کوچک است
47
01:38 =>01:41
48
01:41 =>01:43
49
01:43 =>01:45
، توضیح خواهیم داد. با این تست
50
01:45 =>01:48
ها به شما می گویند اگر داده های شما نرمال نیست
51
01:48 =>01:50
چه کاری انجام نمی دهند این است که به شما می گویند
52
01:50 =>01:52
داده های شما نرمال است و اگر p-value
53
01:52 =>01:55
wa باشد. فقط بالای 0.05 نتیجه غیر قابل توجه خواهد بود،
54
01:55 =>01:57
اما آیا واقع