در این مطلب، ویدئو تست اهمیت آماری در اکسل 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: 00:12:34
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,050 –> 00:00:02,700
این ویدیو در مورد
2
00:00:02,700 –> 00:00:07,049
اهمیت آماری با استفاده از اکسل است که چه زمانی
3
00:00:07,049 –> 00:00:09,420
انتظار دارید که تفاوت قابل توجه باشد
4
00:00:09,420 –> 00:00:11,639
و نتیجه زمین و
5
00:00:11,639 –> 00:00:15,570
نوسان نباشد در اینجا منحنی زنگ معروفی
6
00:00:15,570 –> 00:00:21,439
است که می گوید اگر این مقداری است که شما
7
00:00:21,439 –> 00:00:27,269
انتظار دارید و متوجه می شوید که این
8
00:00:27,269 –> 00:00:30,990
مقدار است. مشاهده می کنید این تفاوت
9
00:00:30,990 –> 00:00:33,079
معنی دار است یا
10
00:00:33,079 –> 00:00:36,030
نه برای اینکه محاسبه کنیم که در
11
00:00:36,030 –> 00:00:40,829
محور افقی باید واحدهای خطای استانداردی داشته
12
00:00:40,829 –> 00:00:44,940
باشیم که می خواهیم آنها بدون واحد باشند، انتظار
13
00:00:44,940 –> 00:00:46,950
داریم که نسبتاً رایگان باشد که می تواند کیلوگرم
14
00:00:46,950 –> 00:00:49,489
نانو گرم باشد.
15
00:00:49,489 –> 00:00:52,410
16
00:00:52,410 –> 00:00:56,280
درجه سانتیگراد و با 35.3 مقایسه شوند، اما
17
00:00:56,280 –> 00:00:59,129
چگونه می توانم آنها را
18
00:00:59,129 –> 00:01:01,289
بدون توجه به واحدهای
19
00:01:01,289 –> 00:01:04,860
اندازه گیری مقایسه کنم، خطای استاندارد انجام می دهد که
20
00:01:04,860 –> 00:01:05,280
برای
21
00:01:05,280 –> 00:01:07,860
ما خطای استاندارد که انحراف استاندارد نسبی نیز نامیده می شود
22
00:01:07,860 –> 00:01:09,990
،
23
00:01:09,990 –> 00:01:12,600
انحراف معیار تقسیم بر
24
00:01:12,600 –> 00:01:15,780
جذر تعداد است. بنابراین هرچه نمونه شما بزرگتر
25
00:01:15,780 –> 00:01:19,290
باشد خطای استاندارد کوچکتر
26
00:01:19,290 –> 00:01:21,479
می شود، به این معنی که شانس کمتر و کمتری وجود دارد
27
00:01:21,479 –> 00:01:25,110
که نتایج بر اساس
28
00:01:25,110 –> 00:01:28,259
نوسانات تصادفی تغییر کنند. برای محاسبه آن
29
00:01:28,259 –> 00:01:32,610
برای نمونه های کوچکتر زیر 30 و
30
00:01:32,610 –> 00:01:35,009
معمولاً به دلیل مسائل بودجه ای علم با آن سروکار دارد،
31
00:01:35,009 –> 00:01:38,700
از آزمون t استفاده می
32
00:01:38,700 –> 00:01:44,130
کنیم و فرضاً 4 35.3
33
00:01:44,130 –> 00:01:49,860
مقدار T واقعی را محاسبه می کنیم و سپس متوجه می شویم
34
00:01:49,860 –> 00:01:51,840
که مقدار T بحرانی چقدر است. آیا
35
00:01:51,840 –> 00:01:54,810
مقدار T بحرانی معمولاً در
36
00:01:54,810 –> 00:01:58,020
محدوده زرد است که 95 درصد
37
00:01:58,020 –> 00:02:01,110
مشاهدات است و آنچه خارج از آن
38
00:02:01,110 –> 00:02:03,950
محدوده است معمولاً از نظر
39
00:02:03,950 –> 00:02:07,680
آماری معنی دار متفاوت است و
40
00:02:07,680 –> 00:02:10,590
نمی توان آن را به نوسان تصادفی نسبت داد.
41
00:02:10,590 –> 00:02:14,240
42
00:02:14,240 –> 00:02:18,500
43
00:02:18,500 –> 00:02:22,970
و به اصطلاح فرضیه صفر
44
00:02:22,970 –> 00:02:26,450
می گوید آنچه شما مشاهده می کنید همان چیزی است که
45
00:02:26,450 –> 00:02:30,230
انتظارش را داشتید، فرض کنید ما انتظار داشتیم 31 ما
46
00:02:30,230 –> 00:02:33,860
مشاهده کردیم، سی و پنج نکته سه این است که
47
00:02:33,860 –> 00:02:36,710
قبل از
48
00:02:36,710 –> 00:02:39,470
اینکه بتوانید آزمون t را اعمال کنید، باید از آزمون t استفاده کنم، بله یا خیر به طور قابل توجهی متفاوت است.
49
00:02:39,470 –> 00:02:41,900
من کمتر از 30
50
00:02:41,900 –> 00:02:44,780
مورد دارم، اما حتی اگر بیش از 30
51
00:02:44,780 –> 00:02:48,160
مورد داشته باشید، آزمون t همیشه بی خطر است، مگر
52
00:02:48,160 –> 00:02:53,000
اینکه ارقام باشند و به طور معمول
53
00:02:53,000 –> 00:02:55,730
توزیع نشده باشند، بنابراین ما باید بفهمیم که آیا
54
00:02:55,730 –> 00:03:00,530
آنها کج هستند. d یک توزیع نرمال
55
00:03:00,530 –> 00:03:04,100
کج نیست، اما اگر به سمت چپ منحرف شود
56
00:03:04,100 –> 00:03:06,800
، اگر دنباله آن به
57
00:03:06,800 –> 00:03:10,130
سمت راست باشد، منفی می شود، مثبت است، بنابراین ما
58
00:03:10,130 –> 00:03:14,420
عدد چولگی را محاسبه می کنیم.
59
00:03:14,420 –> 00:03:18,140
60
00:03:18,140 –> 00:03:21,290
61
00:03:21,290 –> 00:03:25,100
کل این است که اگر بیشتر از
62
00:03:25,100 –> 00:03:28,850
دو برابر جذر 6 تقسیم
63
00:03:28,850 –> 00:03:32,300
بر تعداد موارد باشد، به
64
00:03:32,300 –> 00:03:35,750
طور قابل توجهی منحرف می شود، بنابراین من در اینجا یک
65
00:03:35,750 –> 00:03:43,520
عبارت if قرار می دهم که می گوید اگر D 2 بزرگتر
66
00:03:43,520 –> 00:03:45,230
از 2 برابر جذر 6
67
00:03:45,230 –> 00:03:48,710
تقسیم بر باشد. تعداد ستون a پس از
68
00:03:48,710 –> 00:03:52,240
آن به طور قابل توجهی منحرف می شود، در غیر این صورت خیر
69
00:03:52,240 –> 00:03:55,130
، منحرف نیست، بنابراین من می توانم از آزمون t استفاده
70
00:03:55,130 –> 00:03:57,400
کنم.
71
00:03:57,400 –> 00:04:01,960
72
00:04:01,960 –> 00:04:05,420
73
00:04:05,420 –> 00:04:07,310
74
00:04:07,310 –> 00:04:11,930
95 درصد محدوده تصادفی است
75
00:04:11,930 –> 00:04:15,470
من 95 درصد اطمینان دارم که
76
00:04:15,470 –> 00:04:18,010
تصادفی است که فرضیه صفر درست است،
77
00:04:18,010 –> 00:04:20,540
پس باید یک خطای استاندارد را محاسبه کنیم به
78
00:04:20,540 –> 00:04:23,470
یاد داشته باشید که خطای استاندارد
79
00:04:23,470 –> 00:04:26,970
همیشه در خطای استاندارد است.
80
00:04:26,970 –> 00:04:32,660
به این ترتیب که انحراف معیار
81
00:04:32,660 –> 00:04:35,730
تقسیم بر جذر
82
00:04:35,730 –> 00:04:38,490
تعداد موارد است که جذر هفت یک
83
00:04:38,490 –> 00:04:40,070
نقطه
84
00:04:40,070 –> 00:04:46,860
شش مقدار T واقعی است مقدار T
85
00:04:46,860 –> 00:04:49,920
واقعی چقدر با آنچه
86
00:04:49,920 –> 00:04:50,760
87
00:04:50,760 –> 00:04:57,810
در واحدهای خطای استاندارد انتظار داشتم فاصله دارم. ما
88
00:04:57,810 –> 00:05:02,780
تفاوت بین مشاهده شده و مورد انتظار
89
00:05:02,780 –> 00:05:07,290
را تقسیم می کنیم، آن را بر خطای استاندارد تقسیم می کنیم، بنابراین
90
00:05:07,290 –> 00:05:10,950
دو نقطه هفت یک واحد خطای استاندارد
91
00:05:10,950 –> 00:05:11,610
92
00:05:11,610 –> 00:05:14,610
ma دور از آنچه انتظار داشتم
93
00:05:14,610 –> 00:05:17,820
مقدار T بحرانی چقدر است، تابعی را
94
00:05:17,820 –> 00:05:21,950
که T معکوس دو دنباله دو نامیده می شود، می نامیم.
95
00:05:21,950 –> 00:05:23,940
– یک و نیم درصد به سمت چپ دو
96
00:05:23,940 –> 00:05:26,010
و نیم درصد به سمت راست
97
00:05:26,010 –> 00:05:27,720
درجه آزادی همیشه
98
00:05:27,720 –> 00:05:31,110
تعداد موارد منهای یک است بنابراین مقدار T بحرانی
99
00:05:31,110 –> 00:05:35,730
دو نقطه چهار پنج است بنابراین برای نشان دادن
100
00:05:35,730 –> 00:05:38,280
آن در اینجا دو نقطه چهار
101
00:05:38,280 –> 00:05:43,890
پنج خواهد بود. و مقدار T واقعی در واقع
102
00:05:43,890 –> 00:05:47,130
دو نقطه هفت یک است بنابراین بسیار خارج
103
00:05:47,130 –> 00:05:50,669
از محدوده است بنابراین ما اعلام می کنیم که این یک
104
00:05:50,669 –> 00:05:54,600
تفاوت قابل توجه است و نمی توان آن
105
00:05:54,600 –> 00:05:56,850
را به نوسانات تصادفی نسبت داد.
106
00:05:56,850 –> 00:05:59,450
فرضیه صفر فرضیه
107
00:05:59,450 –> 00:06:03,600
رد می شود اندازه گیری های مشاهده شده یک ثانیه به
108
00:06:03,600 –> 00:06:05,430
طور قابل توجهی متفاوت از آنچه من
109
00:06:05,430 –> 00:06:09,450
انتظار داشتم، همچنین می توانید محاسبه کنید اگر
110
00:06:09,450 –> 00:06:11,490
این مراحل را دوست ندارید، همچنین می توانید
111
00:06:11,490 –> 00:06:14,400
112
00:06:14,400 –> 00:06:18,690
با استفاده از تابع T dist
113
00:06:18,690 –> 00:06:25,020
two-tailed د