در این مطلب، ویدئو اکسل 2010 آمار 87: رگرسیون خطی شماره 1: نمودار پراکندگی: رابطه بین 2 متغیر؟ 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: 00:17:00
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,060 –> 00:00:02,790
به ویدیوی شماره 87 آمار اکسل 2010 خوش آمدید
2
00:00:02,790 –> 00:00:05,549
و اگر می خواهید
3
00:00:05,549 –> 00:00:07,740
این workbook را دانلود کنید روی لینک زیر کلیک
4
00:00:07,740 –> 00:00:09,570
کنید سلام
5
00:00:09,570 –> 00:00:12,960
و این ویدیوهای 87 تا 91 ما در
6
00:00:12,960 –> 00:00:15,540
مورد رگرسیون خطی ساده
7
00:00:15,540 –> 00:00:16,470
صحبت می کنیم در این ویدیو اول در
8
00:00:16,470 –> 00:00:19,890
مورد نمودار پراکندگی برای نگاه کردن به
9
00:00:19,890 –> 00:00:22,320
رابطه بین دو متغیر
10
00:00:22,320 –> 00:00:24,660
خوب است، بنابراین دو متغیر در اینجا
11
00:00:24,660 –> 00:00:26,250
اولین مجموعه داده ما است، فکر می کنم ما پنج
12
00:00:26,250 –> 00:00:29,929
مثال در این ویدیو در اینجا داریم زمان
13
00:00:29,929 –> 00:00:33,270
مطالعه برای یک آزمون و نمره در
14
00:00:33,270 –> 00:00:36,170
آزمون، بنابراین دو متغیر زمان
15
00:00:36,170 –> 00:00:38,610
مطالعه یک نفر وجود دارد و این یک
16
00:00:38,610 –> 00:00:41,160
نمونه تصادفی بنابراین این فرد دو ساعت مطالعه کرد
17
00:00:41,160 –> 00:00:42,719
و نمره 50 گرفت مطالعه این فرد
18
00:00:42,719 –> 00:00:46,170
13 ساعت نمره 89 گرفت پس
19
00:00:46,170 –> 00:00:48,840
آیا رابطه ای بین مطالعه
20
00:00:48,840 –> 00:00:53,309
و نمره وجود دارد که زمان مطالعه
21
00:00:53,309 –> 00:00:57,840
متغیر X یا متغیر مستقل
22
00:00:57,840 –> 00:00:59,309
ما خواهد بود بعداً خواهیم آموخت نحوه ایجاد یک مدل برای
23
00:00:59,309 –> 00:01:01,800
پیشبینی در زمان معین،
24
00:01:01,800 –> 00:01:03,600
پیشبینی میکند که چه نمرهای باید باشد، بنابراین
25
00:01:03,600 –> 00:01:05,790
به آن متغیر پیشبینیکننده نیز میگویند. این
26
00:01:05,790 –> 00:01:08,760
امتیاز در آزمون Y یا متغیر وابسته ما خواهد بود.
27
00:01:08,760 –> 00:01:12,689
28
00:01:12,689 –> 00:01:17,130
اکنون در
29
00:01:17,130 –> 00:01:18,720
این ویدیو میخواهیم به
30
00:01:18,720 –> 00:01:21,659
نمودار یا نمودار پراکنده نگاه کنیم تا رابطه را تجسم کنیم،
31
00:01:21,659 –> 00:01:25,049
وقتی x و y خود را فهرست میکنید،
32
00:01:25,049 –> 00:01:26,670
همیشه میخواهم X را در
33
00:01:26,670 –> 00:01:28,380
ستون اول قرار دهم و یک برچسب در آن قرار دهید. بالا
34
00:01:28,380 –> 00:01:31,020
توصیف دادهها برچسب در
35
00:01:31,020 –> 00:01:33,780
بالا انتخاب توصیف
36
00:01:33,780 –> 00:01:36,659
دادهها برجسته کردن کنترل شیفت پایین آه،
37
00:01:36,659 –> 00:01:41,600
میتوانید ببینید که ما 30 دانشآموز نمونهبرداری کردهایم و 30 دانشآموز را
38
00:01:41,600 –> 00:01:45,990
بارها در آزمون مطالعه کردهایم و میخواهیم
39
00:01:45,990 –> 00:01:49,110
به نوار درج برویم و
40
00:01:49,110 –> 00:01:51,240
نمودارهای ما اکنون یک اشتباه بزرگی که
41
00:01:51,240 –> 00:01:56,219
مردم هنگام انجام شماره نمودار پراکندگی XY
42
00:01:56,219 –> 00:01:59,040
مرتکب میشوند این است که سعی میکنند از یک خط خطی استفاده کنند،
43
00:01:59,040 –> 00:02:00,960
نمودارها برای زمانی هستند که یک عدد را
44
00:02:00,960 –> 00:02:03,570
به صورت عمودی در دستههایی در امتداد
45
00:02:03,570 –> 00:02:07,890
محور افقی فهرست کردهاید، حتی پدرم یک فیزیکدان PhD
46
00:02:07,890 –> 00:02:09,989
یک روز با من تماس میگیرد و میرود.
47
00:02:09,989 –> 00:02:12,000
من نمی توانم نمودار پراکندگی خود را به کار بندازم و
48
00:02:12,000 –> 00:02:12,590
بنابراین
49
00:02:12,590 –> 00:02:15,069
از یک نمودار خطی به جای پراکندگی استفاده می کنم، بنابراین
50
00:02:15,069 –> 00:02:19,120
XY
51
00:02:19,120 –> 00:02:22,819
هنگامی که داده های نمونه دارید، دو عدد را پراکنده کنید
52
00:02:22,819 –> 00:02:25,550
، اگر مدلی دارید که
53
00:02:25,550 –> 00:02:28,940
پیش بینی می کند، باید از نقاط استفاده کنید. نقاط پراکندگی واقعی XY
54
00:02:28,940 –> 00:02:31,370
مانند به عنوان مثال در کسب و کار شما تجزیه و تحلیل
55
00:02:31,370 –> 00:02:34,330
درآمد فروش هزینه های متغیر هزینه ثابت
56
00:02:34,330 –> 00:02:36,650
دارید، ممکن است مدلی داشته باشید که
57
00:02:36,650 –> 00:02:39,560
پیش بینی می کند و بنابراین ممکن است از
58
00:02:39,560 –> 00:02:41,629
نمودار پراکندگی با یک خط اتصال استفاده کنید، اما
59
00:02:41,629 –> 00:02:44,450
اگر داده های واقعی را به طور تصادفی انتخاب کرده باشید،
60
00:02:44,450 –> 00:02:46,310
این خط را نشان می دهد. معنی ندارد که
61
00:02:46,310 –> 00:02:47,959
شما واقعاً نقاط را کاملاً درست می خواهید،
62
00:02:47,959 –> 00:02:50,150
بنابراین من کلیک می کنم و
63
00:02:50,150 –> 00:02:57,500
پراکندگی XY ما وجود دارد، به من اجازه دهید تا اینجا به سمت بالا حرکت کنم
64
00:02:57,500 –> 00:02:58,940
و بنابراین این یکی از
65
00:02:58,940 –> 00:03:02,480
حذفیات آشکار هنگامی است که روی نمودار پیش فرض کلیک می کنیم.
66
00:03:02,480 –> 00:03:06,110
آیا برچسب محور x یا برچسب محور y وجود ندارد،
67
00:03:06,110 –> 00:03:09,049
اکنون ما آن را در
68
00:03:09,049 –> 00:03:11,209
یک لحظه قرار می دهیم، اما در اینجا
69
00:03:11,209 –> 00:03:13,640
معنای پراکندگی XY وجود دارد، من می خواهم
70
00:03:13,640 –> 00:03:16,670
روی این نقطه کلیک کنم،
71
00:03:16,670 –> 00:03:18,470
اگر مکان نما خود را نگه دارید، دو بار روی آن کلیک کنید. می توانید
72
00:03:18,470 –> 00:03:21,650
ببینید که می گوید 1066 که به این معنی است که 10 ساعت مطالعه شده است
73
00:03:21,650 –> 00:03:27,170
66 امتیاز در اینجا کسب کرده
74
00:03:27,170 –> 00:03:30,410
است مطالعه مدرسه ناودانی 13 ساعت دارای صد
75
00:03:30,410 –> 00:03:34,160
امتیاز در امتیاز XY است یعنی شما
76
00:03:34,160 –> 00:03:36,980
در امتداد محور x به مقدار مشخصی
77
00:03:36,980 –> 00:03:39,859
حرکت می کنید بنابراین ما جابه جا
78
00:03:39,859 –> 00:03:44,030
شدیم. و سپس الف صد تا ساعت در امتداد
79
00:03:44,030 –> 00:03:47,359
محور x امتیاز محور افقی در امتداد محور
80
00:03:47,359 –> 00:03:52,970
عمودی یا محور y دو عدد از یک
81
00:03:52,970 –> 00:03:54,769
فاصله معین تا یک فاصله معین
82
00:03:54,769 –> 00:03:56,750
برای به دست آوردن یک نقطه واحد که نشان
83
00:03:56,750 –> 00:03:58,970
دهنده رابطه بین این دو
84
00:03:58,970 –> 00:04:02,359
عدد است همه اینها با هم ما یک تصور بصری دریافت می کنیم که به
85
00:04:02,359 –> 00:04:05,389
نوعی به نظر می رسد مثل
86
00:04:05,389 –> 00:04:08,750
اینکه هر چه بیشتر مطالعه کنید نمره شما
87
00:04:08,750 –> 00:04:11,660
بیشتر می شود، مدت زمان طولانی تر نمره بالاتری
88
00:04:11,660 –> 00:04:14,030
می شود که رابطه مستقیم نامیده می شود
89
00:04:14,030 –> 00:04:15,919
در واقع بیایید ادامه دهیم.
90
00:04:15,919 –> 00:04:17,690
91
00:04:17,690 –> 00:04:20,988
92
00:04:20,988 –> 00:04:22,610
ناخواسته ما به آن نیاز نداریم
93
00:04:22,610 –> 00:04:24,200
بنابراین من می روم
94
00:04:24,200 –> 00:04:26,960
من به این عنوان نیازی ندارم حذف کنید من
95
00:04:26,960 –> 00:04:28,730
به این خطوط نیازی ندارم حالا متوجه شوید وقتی روی لبه بیرونی کلیک می کنم
96
00:04:28,730 –> 00:04:30,470
97
00:04:30,470 –> 00:04:31,700
کل نمودار را برجسته می کند من می خواهم روی قسمت داخلی کلیک کنم
98
00:04:31,700 –> 00:04:32,600
99
00:04:32,600 –> 00:04:35,000
حذف کنید همین حالا از شر آنها خلاص شوید، بیایید
100
00:04:35,000 –> 00:04:38,200
به طرح بندی در برچسب ها برویم،
101
00:04:38,200 –> 00:04:41,540
عناوین دسترسی گروه ابتدا به صورت افقی انجام می شود
102
00:04:41,540 –> 00:04:44,900
و بلافاصله در زیر این کار را انجام می دهیم که برچسب
103
00:04:44,900 –> 00:04:46,790
نشان داده می شود و یک خط ثابت است نه یک
104
00:04:46,790 –> 00:04:48,680
خط چین که بلافاصله روی آن کلیک کنید.
105
00:04:48,680 –> 00:04:51,470
نوار فرمول را با علامت مساوی تایپ کنید من می خواهم
106
00:04:51,470 –> 00:04:54,100
آن برچسب را به آن سلول پیوند دهم،
107
00:04:54,100 –> 00:04:59,710
18 عدد وارد می شود، بنابراین اکنون برچسب خود را داریم،
108
00:04:59,710 –> 00:05:01,820
اکنون به عنوان محورهای
109
00:05:01,820 –> 00:05:04,940
برچسب های طرح بندی برمی
110
00:05:04,940 –> 00:05:07,100
گردم و اکنون عمودی را انجام می دهم.
111
00:05:07,100 –> 00:05:09,070
و من می خواهم چرخش را انتخاب
112
00:05:09,070 –> 00:05:12,020
کنم، شما همچنین می توانید کلید f2 را فشار دهید ساعت بالا
113
00:05:12,020 –> 00:05:14,450
اینجا، من می خواهم f2 را بزنم و
114
00:05:14,450 –> 00:05:16,760
مکان نما را در آنجا قرار می دهد، علامت مساوی را تایپ می
115
00:05:16,760 –> 00:05:20,270
کنم و روی سلول با یک برچسب برای
116
00:05:20,270 –> 00:05:23,540
Y یا کلیک می کنم. داده های عمودی خوب است، بنابراین اکنون
117
00:05:23,540 –> 00:05:26,930
ما زمان مطالعه ساعت ها را در امتداد X یا
118
00:05:26,930 –> 00:05:30,680
افقی داریم و اکنون در آزمون نمره
119
00:05:30,680 –> 00:05:32,780
می دهیم، بنابراین با بیرون رفتن مقدار مشخصی کار می کند و
120
00:05:32,780 –> 00:05:36,590
به نظر می رسد درست با افزایش ساعت ها
121
00:05:36,590 –> 00:05:38,810
نمره ما افزایش می یابد که
122
00:05:38,810 –> 00:05:41,960
123
00:05:41,960 –> 00:05:44,720
بعداً رابطه مستقیم یا مثبت نامیده می شود. ما خواهیم دید که چگونه یک
124
00:05:44,720 –> 00:05:46,850
عدد مرتبط با آن رابطه
125
00:05:46,850 –> 00:05:49,700
به نام ضریب همبستگی را محاسبه
126
00:05:49,700 –> 00:05:51,229
کنیم و وقتی عدد مثبت به دست میآید مثبت میشویم،
127
00:05:51,229 –> 00:05:53,030
یعنی مستقیم یا
128
00:05:53,030 –> 00:05:55,639
مثبت است، بعداً یک مثال در
129
00:05:55,639 –> 00:05:57,919
این ویدیو داریم وقتی که نقاط داده را به دست میآوریم.
130
00:05:57,919 –> 00:06:00,470
این بدان معنی است که x افزایش می یابد es Y
131
00:06:00,470 –> 00:06:02,860
خوب کاهش می یابد
132
00:06:02,860 –> 00:06:05,510
همچنین در این ویدیو مثالی خواهیم داشت
133
00:06:05,510 –> 00:06:07,070
که وقتی نقاط داده در همه جا هستند هیچ رابطه ای وجود ندارد
134
00:06:07,070 –> 00:06:08,539
135
00:06:08,539 –> 00:06:11,330
اکنون در این
136
00:06:11,330 –> 00:06:13,130
ویدیو این کاری است که ما می خواهیم انجام دهیم
137
00:06:13,130 –> 00:06:15,710
تا بررسی پراکندگی اما
138
00:06:15,710 –> 00:06:18,919
یک ویژگی فوقالعاده در نمودار پراکندگی وجود دارد که
139
00:06:18,919 –> 00:06:20,630
میتوانیم یک خط روند اضافه کنیم
140
00:06:20,630 –> 00:06:23,440
که معادله رگرسیون خطی ساده یا تخمین زده
141
00:06:23,440 –> 00:06:27,320
142
00:06:27,320 –> 00:06:29,630
143
00:06:29,630 –> 00:06:31,849
شده را اضافه میکند. خیلی راحت
144
00:06:31,849 –> 00:06:35,360
روی نقطه نقاط داده کلیک راست کنید تا خط روند اضافه شود.
145
00:06:35,360 –> 00:06:36,800
من می خواهم
146
00:06:36,800 –> 00:06:40,699
خط روند را اضافه کنم و فوراً این خط روند را اضافه می کنم، اوه و
147
00:06:40,699 –> 00:06:44,449
آیا این مطابقت دارد، بنابراین از ما می پرسد
148
00:06:44,449 –> 00:06:46,370
که در حال حاضر به طور پیش فرض به
149
00:06:46,370 –> 00:06:50,389
صورت خطی در اینجا نشان می دهد که ما می
150
00:06:50,389 –> 00:06:52,940
خواهیم که برخی دیگر داشته باشیم. رابطه اما می خواهیم
151
00:06:52,940 –> 00:06:54,470
خطی نگهش داریم و سپس
152
00:06:54,470 –> 00:06:56,780
به پایین می آییم، می گوید معادله را
153
00:06:56,780 –> 00:07:01,250
روی نمودار نمایش دهید و به صورت مربع r نزدیک را نشان دهید و
154
00:07:01,250 –> 00:07:03,110
دقیقاً به همین ترتیب روی آن کلیک می کنم و
155
00:07:03,110 –> 00:07:05,210
مکان نما را با حرکت من می کشم
156
00:07:05,210 –> 00:07:08,060
اینجا که ما شگفت انگیز است
157
00:07:08,060 –> 00:07:10,340
بعداً خواهیم دید که چگونه محاسبه را انجام دهیم
158
00:07:10,340 –> 00:07:12,409
تا همه این موارد را تعیین کنیم، اما
159
00:07:12,409 –> 00:07:15,770
نگاه کنید که y برابر است با چهار نقطه دو به
160
00:07:15,770 –> 00:07:18,800
نه x به اضافه سی و چهار نقطه سه شش
161
00:07:18,800 –> 00:07:20,990
به مربع r برابر است با نقطه هفت دو، حالا
162
00:07:20,990 –> 00:07:23,509
اگر به یاد داشته باشید این معادله معمولی ما است.
163
00:07:23,509 –> 00:07:26,120
از ریاضیات y برابر است با MX بعلاوه
164
00:07:26,120 –> 00:07:28,340
B در کتاب درسی ما
165
00:07:28,340 –> 00:07:34,220
به آن اشاره می کنند که y پیش بینی شده برابر با B
166
00:07:34,220 –> 00:07:38,990
صفر است که قطع y به اضافه b1
167
00:07:38,990 –> 00:07:41,870
ضربدر xB یک به معنای شیب کاملاً درست است
168
00:07:41,870 –> 00:07:45,289
بنابراین این چهار نقطه دو نه شیب است
169
00:07:45,289 –> 00:07:47,810
بنابراین شما شیب را بگیرید. برابر x به اضافه
170
00:07:47,810 –> 00:07:49,070
آنچه که y-intercept نامیده می شود y-فاصله به این
171
00:07:49,