آموزش spss به زبان ساده

در مقاله دیگر، با استفاده از روشهایی که توسط آقای Fisher (فیشر) پیشنهاد شده است، « ممیزی» و « رده بندی» را با هم در نظر می گیریم.

در محیط spss هفت روش، جهت طبقه بندی، وجود داشته و ما فقط روش Discriminant را بررسی می کنیم:

رسم نمودار پراکندگی در spss : «نمودار پراکندگی» (scatter plot) در تحلیل آماری کاربرد دارد که در این بخش نحوه رسم آن را در یک نمونه ضریب همبستگی نشان می دهیم.

سطح زیر منحنی بر حسب نوع آزمون، α و توزیع نمونه گیری X ̅_1- X ̅_2تعریف می شود.

امروزه کمبود «اطلاعات» وجود ندارد. بدون توجه به اینکه فرایند چقدر کوچک یا تا چه اندازه سر راست است، وسایل اندازه گیری فراوان هستند.

واژه «رگرسیون» (Regression) به معنای «بازگشت» بوده و نشان دهندۀ آن است که مقدار یک متغیر به متغیر دیگری بر می گردد.

در مقالات قبلی گفتیم که چطور می توان فرض H0:β0 =0 وH0: β1= 0 را آزمون کرد.

در بخش های دیگر گفتیم که فرض اساسی این بود که میانگین ها و نمونه های هر گروه مستقل از یکدیگر هستند.

برای رسم نمودار باقیمانده در مقابل مقادیر برازش یافته می توانید از پنجرۀ linear regression: plots استفاده کنید.

برای یافتن «داده های پرت» (outlier Data) در مجموعۀ داده ها می توانیم از مقادیر z استفاده کنیم.

در مدل های Bias (اُریب) دار، بیاید بتوانیم به نحوی با کمک «تبدیلات» (transformation) اریبی را از بین ببریم.

مدل های رگرسیون خطی با واریانس ثابت را می توان با استفاده از روش «کمترین مربعات وزن دار شده» (Weighted least squares) برازش داد.

تاریخ «آمار ناپارامتری» (Non Parametric Statistics) مانند «آمار پارامتری» (Parametric Statistics) به اوایل قرن هیجدهم میلادی برمی گردد.

یکی از روش های مهم ناپارامتری که آنرا بررسی خواهیم کرد، «آزمون علامت» (Sign Test) است.

در این آزمون می خواهیم ببینیم که آیا نمونه ها از جامعه های پیوستۀ «یکسانی» هستند (میانگین های یکسانی دارند) یا اینکه جامعه ها یکسان نیستند (میانگین های متفاوتی دارند).

آزمون مَن – ویتنی دقیقاً مشابه آزمون ویلکاکسون است با این تفاوت که دو نمونه اخذ شده در آن، از یکدیگر مستقلند.

آزمون میانه : آزمون میانه برای این بررسی طرح ریزی شده است که: آیا چند نمونۀ حاصل از چند جامعه دارای میانۀ یکسان است یا نه؟

اگر بخواهیم در مورد نمونه های گرفته شده از k جامعه قضاوت کنیم از «آزمون H » که گاهی آنرا آزمون «کراسکال – والیس» (Krukal - Wallis) می نامند استفاده می کنیم. این آزمون در حقیقت تعمیم آزمون U برای مقایسۀ K جامعه است.

به عبارت دیگر، در این آزمون فرض برابر بودن میانگین های K جامعه را آزمون می کنیم.

از این آزمون برای نشان دادن یک سری اتفاقات یا آزمایش ها استفاده می شود که در آن فرض می شود:  n امتحان دو به دو مستقل هستند.  احتمال هر امتحان برای اینکه برآمد در رده 1 باشد p است، که در آن p برای همۀ n امتحان یکی است.

فرض کنید، تعداد n_1 چیز از نوع x و تعداد n_2 چیز از نوع y داشته باشیم. این چیزها را به تصادف روی خط می چینیم، یا به عبارتی دیگر یک جایگشت از آنها تشکیل می دهیم. مثلاً برای=5 n_1 و=7 n_2 جایگشت زیر را در نظر می گیریم: