جدول پیشایندی مثال[ویرایش] میزان وابستگی[ویرایش] منابع[ویرایش] منوی ناوبریویکیپدیا انگلیسیMathematical contributions to the theory of evolutionوو
میانگینمیانگین حسابیمیانگین هندسیمیانگین همسازمیانهمددامنهانحراف معیارضریب تغییراتصدکدامنه بین چارکیواریانسچولگیکشیدگیگشتاورال-گشتاوردادههای گروهبندیشدهتوزیع فراوانیجدول پیشایندینمودار میلهایدونمودارهنمودار جعبهاینمودار کنترلهمبستگینگارنمودار جنگلیبافتنگارنمودار Q-Qنمودار توالینمودار پراکنشنمودار ساقه و برگنمودار راداریاندازه تأثیرخطای استانداردتوان آماریتعیین اندازه نمونهطراحی آزمایشآزمایش تصادفیانتساب تصادفیتکرار آزمایشبلوکبندیآزمایش عاملیطراحی بهینهتوزیع نمونهگیریآماره بسندهفراتحلیلآماره ترتیبیآماره کاوشیمقدار رکوردکامل بودنخانواده نماییآزمون جایگشتیآزمون تصادفیدنتوزیع نمونهایبوتاسترپینگآماره Uکاراییآمار باثباتاحتمال بیزیاحتمال پیشیناحتمال پسینبازه مورد قبولعامل بیزبرآوردگر بیزیبرآوردگر بیشینهگر احتمال پسینضریب همبستگی پیرسونهمبستگی جزئیاختلاطضریب تشخیصرگرسیون ساده خطی(en)کمینه مربعات خطیمدل خطی عمومی(en)رگرسیون خطی بیزی(en)خانواده نماییرگرسیون لجستیکرگرسیون دوجملهای(en)پواسونکاپای کوهنجدول پیشایندیمدل گرافیرگرسیون پواسونآزمون مکنمارتجزیهتخمین روندفرایند ماناتصحیح فصلیبودنهموارسازی نمایی(en)همجمعیعلیت گرانجرآماره Q(en)آماره دوربین-واتسون(en)خودهمبستگیتابع خودهمبستگی جزئی(en)تابع خودهمبستگی تقاطعی(en)آرمامدل آریماگارچاتورگرسیو برداریتخمین طیفیتحلیل فوریهموجکتابع بقا(en)برآوردگر کاپلان-مهیرآزمون لگرتبهای(en)نرخ خرابیمدل خطرهای متناسب(en)مدل زمان خرابی شتابیده(en)بیوانفورماتیکزیستسنجشیکارآزمایی بالینیمطالعاتهمهگیرشناسیآمار پزشکیآکچوئریسرشماریآمار جرم(en)آمار جمعیتشناسی(en)اقتصادسنجیآمار ملی(en)آمار رسمی(en)جامعه آماریروانسنجیروشهای گردآوریسرشمارینمونه گیری در پژوهشنمونه گیری تصادفیپرسشنامهمصاحبهساختارمندنیمه-ساختاریافتهبدون چارچوبتحقیق بازارجمعیتشناسینظرسنجیرهگیری نظرسنجیهاافکار عمومیموسسه بین المللی آمار(en)انجمن جهانی نظرسنجی عمومی(en)انجمن آمریکایی نظرسنجی عمومی(en)انجمن اروپایی نظرسنجی و تحقیقات بازاریابی(en)مرکز تحقیقات پیو
جدول پیشایندیاطلاعنگاشتهاتحلیل دادهتوزیع فراوانیدستهبندی دادهوابستگی آماری
آمارجدولماتریستوزیع فراوانیکارل پیرسونآمار چندمتغیرهمتغیرهای مستقل مشروطنظریه اطلاعاتراستدستی و چپدستیمجموع مرزیمعناداری آماریآزمون مجذور مربع پیرسونآزمون جیآزمون دقیق فیشرآزمون برناردضریب فیآزمون مجذور مربع پیرسون
جدول پیشایندی
پرش به ناوبری
پرش به جستجو
در آمار، جدول پیشایندی نوعی جدول در شکل ماتریس است، که توزیع فراوانی متغییرها را نشان میدهد. اولین بار کارل پیرسون در «نظریه پیشایندی و ارتباط آن با تجمع و همبستگی معمولی» از واژه جدول پیشایندی استفاده کرد،[۱] که بخشی از خاطرات مجموعه تحقیقات بیومتریک برای شرکت دراپرز بود و در سال ۱۹۰۴ منتشر شد.
یکی از مسائل مهم در آمار چندمتغیره، یافتن ساختار وابستگی (-مستقیم) بر اساس متغیرهایی است که در جداول پیشایندی بالا-بعدی یافت میشوند. اگر برخی از این متغیرهای مستقل مشروط معلوم باشند، سپس حتی ذخیره دادهها را میتوان به روشی هوشمندانهتر انجام داد. میتوان برای انجام این کار از مفهوم نظریه اطلاعات کمک گرفت، که اطلاعات را تنها از توزیع احتمال بهدست میآورد، و میتوان با استفاده از فراوانیهای نسبی، آنرا به راحتی از جداول پیشایندی استنباط کرد.
مثال[ویرایش]
فرض کنید ما دو متغیر داریم، جنسیت (مذکر و مونث) و راستدستی و چپدستی (راستدست و چپدست). سپس فرض کنید، میخواهیم برای مطالعه اختلاف راستدستی یا چپدستی با توجه به جنس، ۱۰۰ نفر را به عنوان نمونه از جامعه آماری بسیار بزرگ انتخاب کنیم. میتوان برای نشان دادن تعداد افراد مذکر و راستدست، مذکر و چپدست، مونث راستدست و مونث چپدست، از یک جدول پیشایندی استفاده کرد. در زیر چنین جدولی نشان داده شدهاست.
راستدست | چپدست | مجموع | |
---|---|---|---|
مذکر | ۴۳ | ۹ | ۵۲ |
مونث | ۴۴ | ۴ | ۴۸ |
مجموع | ۸۷ | ۱۳ | ۱۰۰ |
به تعداد زنان و مردان چپدست و راستدست، مجموع مرزی گویند. مجموع کل نیز که تعداد افراد را در جدول پیشایندی نمایش میدهد، عددی در گوشه پایین و سمت چپ است.
این جدول به ما نشان میدهد که تعداد مردان راستدست تقریباً برابر تعداد زنان راستدست است، اگرچه مقدارشان دقیقاً یکسان نیست. معناداری آماری بین این دو عدد میتوان با آزمونهای مختلف آماری مانند آزمون مجذور مربع پیرسون، آزمون جی، آزمون دقیق فیشر و آزمون برنارد، بدست آورد. اگر این اعداد در ستونهای مختلف، بهطور قابل ملاحظهای متفاوت باشند، ما شاهد یک پیشایندی در میان این دو متغیر خواهیم بود. به عبارتی دیگر، این دو متغیر مستقل نیستند. اگر هیچ پیشایندی وجود نداشته باشد، ما خواهیم دید که این دو متغیر مستقلاند.
میزان وابستگی[ویرایش]
میتوان درجه وابستگی بین دو متغیر را با تعدادی از ضرایب بدست آورد: سادهترین آن، ضریب فی است:
- ϕ=χ2N,displaystyle phi =sqrt frac chi ^2N,
در این رابطه χ2 از آزمون مجذور مربع پیرسون بدست میآید، و N مجموع کلی مشاهدات است. ɸ از ۰ (نشاندهنده نبود وابستگی بین متغییرها) تا ۱ یا -۱ (نشاندهنده وابستگی کامل) متغیر است.
منابع[ویرایش]
- ترجمه از ویکیپدیا انگلیسی
↑ Karl Pearson, F.R.S. (1904). Mathematical contributions to the theory of evolution (PDF). Dulau and Co..mw-parser-output cite.citationfont-style:inherit.mw-parser-output qquotes:"""""""'""'".mw-parser-output code.cs1-codecolor:inherit;background:inherit;border:inherit;padding:inherit.mw-parser-output .cs1-lock-free abackground:url("//upload.wikimedia.org/wikipedia/commons/thumb/6/65/Lock-green.svg/9px-Lock-green.svg.png")no-repeat;background-position:right .1em center.mw-parser-output .cs1-lock-limited a,.mw-parser-output .cs1-lock-registration abackground:url("//upload.wikimedia.org/wikipedia/commons/thumb/d/d6/Lock-gray-alt-2.svg/9px-Lock-gray-alt-2.svg.png")no-repeat;background-position:right .1em center.mw-parser-output .cs1-lock-subscription abackground:url("//upload.wikimedia.org/wikipedia/commons/thumb/a/aa/Lock-red-alt-2.svg/9px-Lock-red-alt-2.svg.png")no-repeat;background-position:right .1em center.mw-parser-output div[dir=ltr] .cs1-lock-subscription a,.mw-parser-output div[dir=ltr] .cs1-lock-limited a,.mw-parser-output div[dir=ltr] .cs1-lock-registration abackground-position:left .1em center.mw-parser-output .cs1-subscription,.mw-parser-output .cs1-registrationcolor:#555.mw-parser-output .cs1-subscription span,.mw-parser-output .cs1-registration spanborder-bottom:1px dotted;cursor:help.mw-parser-output .cs1-hidden-errordisplay:none;font-size:100%.mw-parser-output .cs1-visible-errorfont-size:100%.mw-parser-output .cs1-subscription,.mw-parser-output .cs1-registration,.mw-parser-output .cs1-formatfont-size:95%.mw-parser-output .cs1-kern-left,.mw-parser-output .cs1-kern-wl-leftpadding-left:0.2em.mw-parser-output .cs1-kern-right,.mw-parser-output .cs1-kern-wl-rightpadding-right:0.2em
ردهها:
- جدول پیشایندی
- اطلاعنگاشتها
- تحلیل داده
- توزیع فراوانی
- دستهبندی داده
- وابستگی آماری
(window.RLQ=window.RLQ||[]).push(function()mw.config.set("wgPageParseReport":"limitreport":"cputime":"0.328","walltime":"0.430","ppvisitednodes":"value":2519,"limit":1000000,"ppgeneratednodes":"value":0,"limit":1500000,"postexpandincludesize":"value":360937,"limit":2097152,"templateargumentsize":"value":39649,"limit":2097152,"expansiondepth":"value":16,"limit":40,"expensivefunctioncount":"value":45,"limit":500,"unstrip-depth":"value":1,"limit":20,"unstrip-size":"value":2870,"limit":5000000,"entityaccesscount":"value":0,"limit":400,"timingprofile":["111.05% 277.966 16 الگو:Navbox","100.00% 250.309 1 -total"," 50.54% 126.512 1 الگو:آمار"," 48.44% 121.245 1 الگو:Navbox_with_collapsible_groups"," 40.89% 102.349 1 الگو:پانویس"," 38.35% 95.982 1 الگو:Cite_book"," 21.06% 52.714 45 الگو:پم"," 8.48% 21.223 1 الگو:پژوهشهای_اجتماعی"," 0.88% 2.215 2 الگو:•"],"scribunto":"limitreport-timeusage":"value":"0.101","limit":"10.000","limitreport-memusage":"value":2839819,"limit":52428800,"cachereport":"origin":"mw1322","timestamp":"20190425214806","ttl":2592000,"transientcontent":false);mw.config.set("wgBackendResponseTime":571,"wgHostname":"mw1322"););