در این مطلب، ویدئو اکسل 2010 آمار 70: خطای استاندارد و ضریب تصحیح برای جمعیت های محدود 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: 00:05:51
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,879
به ویدیوی شماره 70 آمار اکسل 2010 خوش آمدید
2
00:00:02,879 –> 00:00:05,069
و اگر می خواهید
3
00:00:05,069 –> 00:00:07,109
این workbook کتاب کسب و کار 210 فصل 7 را دانلود
4
00:00:07,109 –> 00:00:09,420
کنید، روی لینک زیر ویدیو کلیک کنید و
5
00:00:09,420 –> 00:00:11,160
ما در برگه هستیم SE و
6
00:00:11,160 –> 00:00:14,549
ضریب تصحیح SE مخفف خطای
7
00:00:14,549 –> 00:00:17,039
استاندارد اکنون خطای استاندارد است. Sigma
8
00:00:17,039 –> 00:00:20,340
sub x-bar است که انحراف استاندارد
9
00:00:20,340 –> 00:00:23,670
برای توزیع نمونه x-bar ما است،
10
00:00:23,670 –> 00:00:27,990
اکنون وقتی سیگما دارید، می توانید به
11
00:00:27,990 –> 00:00:29,550
سادگی سیگما را بگیرید و بر
12
00:00:29,550 –> 00:00:30,840
جذر N تقسیم کنید و این به ما یک خطای استاندارد می دهد که
13
00:00:30,840 –> 00:00:34,020
اکنون سیگما جمعیت است به این معنی
14
00:00:34,020 –> 00:00:36,030
گسترش در جمعیت به یاد داشته باشید
15
00:00:36,030 –> 00:00:37,710
انحراف معیار به ما می گوید
16
00:00:37,710 –> 00:00:40,950
که میانگین ما چقدر همه
17
00:00:40,950 –> 00:00:43,590
نقاط داده آن را نشان می دهد، اما
18
00:00:43,590 –> 00:00:45,120
فکر کنید که از جمعیت است، به این
19
00:00:45,120 –> 00:00:47,760
معنی که شما همه مقادیر را دارید، از جمله
20
00:00:47,760 –> 00:00:50,760
مقادیر بسیار پایین و زیاد وقتی می
21
00:00:50,760 –> 00:00:53,190
روید و شما می روید. تمام نوارهای X را مانند
22
00:00:53,190 –> 00:00:54,780
دو ویدیوی آخر که در
23
00:00:54,780 –> 00:00:57,329
مورد ترسیم میانگین ها صحبت کردیم، ترسیم کنید.
24
00:00:57,329 –> 00:00:59,809
25
00:00:59,809 –> 00:01:03,000
26
00:01:03,000 –> 00:01:05,700
بسیار گسترده است، بنابراین وقتی
27
00:01:05,700 –> 00:01:09,119
انحراف استاندارد سیگما زیر x-bar
28
00:01:09,119 –> 00:01:10,500
انحراف استاندارد توزیع نمونه ای
29
00:01:10,500 –> 00:01:13,140
از نوار x یا خطای استاندارد دریافت می کنید، بهتر
30
00:01:13,140 –> 00:01:14,909
است بسیار کوچکتر باشد و روشی که انجام می دهیم این
31
00:01:14,909 –> 00:01:17,040
است که وقتی سیگما را بر جذر می دانیم تقسیم می کنیم
32
00:01:17,040 –> 00:01:19,020
. از n اکنون در فصل بعدی
33
00:01:19,020 –> 00:01:20,430
خواهیم دید که وقتی
34
00:01:20,430 –> 00:01:23,040
انحراف معیار از جامعه نداریم چه کنیم،
35
00:01:23,040 –> 00:01:25,290
اما این چه چیزی است که
36
00:01:25,290 –> 00:01:27,540
به آن ضریب تصحیح می
37
00:01:27,540 –> 00:01:31,970
گویند و روش کار به این صورت است که R همیشه
38
00:01:31,970 –> 00:01:35,970
اندازه نمونه را با اندازه جامعه مقایسه می کند. این
39
00:01:35,970 –> 00:01:38,430
بدان معناست که حجم نمونه
40
00:01:38,430 –> 00:01:41,880
در مقایسه با جامعه چقدر است در هر زمان که
41
00:01:41,880 –> 00:01:44,640
بسیار کوچک است، پس ما به این ضریب تصحیح نیاز نداریم،
42
00:01:44,640 –> 00:01:46,500
در واقع
43
00:01:46,500 –> 00:01:49,890
هر زمانی که محاسبه
44
00:01:49,890 –> 00:01:51,899
n کوچک تقسیم بر شروع بزرگتر از 5٪
45
00:01:51,899 –> 00:01:55,110
باشد، با مانعی روبرو خواهیم شد. اکنون از آن استفاده کنید معامله این است که در
46
00:01:55,110 –> 00:01:57,689
اکثر مواقع حجم جمعیت بسیار
47
00:01:57,689 –> 00:02:00,329
بزرگ است و حجم نمونه بسیار کوچک است،
48
00:02:00,329 –> 00:02:02,280
بنابراین بیشتر اوقات شما به این نیاز ندارید
49
00:02:02,280 –> 00:02:03,990
و کتاب برای اکثر مشکلات فرض میکند
50
00:02:03,990 –> 00:02:06,270
که شما به این هکتار نیاز ندارید. اما من می خواهم
51
00:02:06,270 –> 00:02:08,489
به شما نشان دهم که چرا شما در این مثال در اینجا به آن نیازی ندارید،
52
00:02:08,489 –> 00:02:12,209
بنابراین ما
53
00:02:12,209 –> 00:02:13,800
54
00:02:13,800 –> 00:02:15,690
اندازه نمونه انحراف استاندارد جمعیت را داریم و سپس
55
00:02:15,690 –> 00:02:18,420
اندازه جامعه خود را تغییر میدهیم، بیایید جلو برویم و
56
00:02:18,420 –> 00:02:21,570
تعداد نمونه کوچک
57
00:02:21,570 –> 00:02:24,150
n را محاسبه کنیم.
58
00:02:24,150 –> 00:02:28,710
در حال حاضر من این یکی غول
59
00:02:28,710 –> 00:02:30,750
بزرگ ترین عددی است که اکسل می تواند ببیند، بنابراین
60
00:02:30,750 –> 00:02:32,820
ما آن را تقریباً بینهایت
61
00:02:32,820 –> 00:02:34,200
در نظر می گیریم، اما می خواهیم
62
00:02:34,200 –> 00:02:35,370
مخرج هر یک از این
63
00:02:35,370 –> 00:02:36,690
محاسبات متفاوت باشد
64
00:02:36,690 –> 00:02:40