دانلود pdf آمار زیستی مقدماتی کمیاب و عالی
آمار زیستی مقدماتی به عنوان شاخهای اساسی از علم آمار، به مطالعه، تحلیل و تفسیر دادههای مربوط به موجودات زنده و پدیدههای زیستی میپردازد. در ابتدا، آمار به معنای عام خود، شامل تعریفها، جمعآوری دادهها، سازماندهی، تلخیص، نمایش و تفسیر اطلاعات است.
بخشهای اصلی آمار را میتوان به دو دسته کلی تقسیم کرد: آمار توصیفی و آمار استنباطی. آمار توصیفی (descriptive statistics) به روشهای سازماندهی، خلاصهسازی و نمایش دادهها اختصاص دارد که شامل تکنیکهای مختلفی برای درک ویژگیهای اساسی مجموعه دادهها است.
در مقابل، آمار استنباطی (inferential statistics) از دادههای نمونهای برای نتیجهگیری درباره یک جامعه بزرگتر استفاده میکند و به ما امکان میدهد فرضیهها را آزموده و با درجهای از اطمینان، تعمیمهایی را بیان کنیم.
در بررسیهای آماری، مفهوم «جامعه» به کل مجموعهای از افراد یا اشیایی اشاره دارد که قصد مطالعه آنها را داریم، در حالی که «نمونه» زیرمجموعهای از این جامعه است که به صورت تصادفی یا غیرتصادفی انتخاب میشود تا نمایندهای از کل جامعه باشد.
سرشماری، روشی است که در آن دادهها از تمام اعضای جامعه جمعآوری میشوند. در این میان، «پارامتر» مشخصهای عددی است که جامعه را توصیف میکند، نظیر میانگین جامعه یا واریانس جامعه، و «آماره» (یا شاخص آماری) مشخصهای مشابه است که از دادههای نمونه محاسبه میشود، مانند میانگین نمونه یا واریانس نمونه. تفاوت میان این دو مفهوم در این است که پارامتر ثابت و نامعلوم است، در حالی که آماره از نمونه به نمونه دیگر متغیر است.
مفاهیم بنیادی در آمار زیستی، شامل «متغیر»ها هستند که میتوانند ویژگیهای مختلف افراد یا پدیدهها را اندازهگیری کنند. متغیرها به دو دسته اصلی «دادههای کیفی» و «دادههای کمی» تقسیم میشوند.
دادههای کیفی به ویژگیهای غیرعددی مانند جنسیت یا گروه خونی اشاره دارند، در حالی که دادههای کمی شامل مقادیر عددی مانند سن یا وزن هستند. این دادهها میتوانند پیوسته یا گسسته باشند؛ دادههای کمی پیوسته قادر به پذیرش هر مقداری در یک بازه معین هستند، نظیر قد، و دادههای کمی گسسته تنها مقادیر صحیح را میپذیرند، مانند تعداد فرزندان.
نوع فایل: پی دی اف – 197 صفحه
فهرست مطالب:
- * آمار زیستی
- * تعریف آمار
- * تعریف آمار زیستی
- * جمع آوری داده ها
- * آمار توصیفی (descriptive)
- * روش های آمار توصیفی
- * آمار استنباطی (inferential)
- * جامعه
- * تقسیم بندی آمار
- * سرشماری
- * نمونه
- * پارامتر
- * آماره یا شاخص آماری
- * تفاوت بین پارامتر و آماره
- * میانگین جامعه و میانگین نمونه
- * واریانس جامعه و واریانس نمونه
- * متغیر
- * انواع متغیرها
- * داده های کیفی و کمی
- * داده های کیفی
- * داده های کمی
- * مقیاس اندازه گیری متغیرها
- * انواع مقیاس اندازه گیری متغیرها
- * مقیاس اسمی Nomial Scale
- * مثال هایی از مقیاس اسمی
- * مقیاس رتبه ای Ordinal scale
- * مثال هایی از مقیاس رتبه ای
- * مقیاس فاصله ای Interval Scale
- * مثال هایی از مقیاس فاصله ای
- * مقیاس نسبتی Ratio Scale
- * مثال هایی از مقیاس نسبتی
- * انواع داده های کمی
- * داده های کمی پیوسته
- * داده های کمی گسسته
- * مثال هایی از انواع داده ها و متغیرها
- * تمرین ها و مثال ها (مقیاس ها)
- * مثال های کاربردی مقیاس های اندازه گیری
- * انواع متغیرهای پژوهش
- * متغیر مستقل
- * متغیر وابسته
- * نمودارها (Diagrams)
- * انواع نمودارها
- * نمودار دایره ای (Pie diagram)
- * یک مثال از نمودار دایره ای
- * نمودار میله ای (Bar diagram)
- * یک مثال از نمودار میله ای
- * نمودار چندگوش
- * یک مثال از نمودار چندگوش
- * نمودار هیستوگرام (Histogram)
- * یک مثال از نمودار هیستوگرام
- * چارک (Quartile)
- * فراوانی مطلق (Absolute frequency)
- * فراوانی نسبی (Relative frequency)
- * فراوانی تجمعی (Cumulative frequency)
- * درصد تجمعی (Cumulative percent)
- * مثال جدول فراوانی
- * توضیح مثال جدول فراوانی
- * صدک (Percentile)
- * انواع چارک
- * چارک اول Q1
- * چارک دوم (میانه) Q2
- * چارک سوم Q3
- * دامنه تغییرات بین چارک ها
- * معیارهای توصیف متغیرهای کمی
- * تقسیم بندی شاخص های توصیفی
- * شاخص های مرکزی
- * میانگین (Mean)
- * میانه (Median)
- * محاسبه میانه برای داده های زوج
- * نما (Mode)
- * مرور کلی شاخص های مرکزی
- * تعریف شاخص های پراکندگی
- * انواع شاخص های پراکندگی
- * دامنه تغییرات
- * میانگین انحرافات (Mean deviation)
- * واریانس (Variance)
- * انحراف معیار (Standard deviation)
- * ضریب تغییرات (Coefficient of variation)
- * مفاهیم و روشهای نمونه گیری
- * مزایای نمونه گیری
- * مراحل اصلی در یك بررسی نمونه ای
- * اهداف بررسی
- * جامعه مورد نمونه گیری
- * چارچوب
- * درجه دقت مطلوب
- * روش اندازه گیری
- * انتخاب نمونه
- * طرح های نمونه گیری
- * تعیین حجم نمونه
- * نمونه گیری تصادفی
- * نمونه گیری غیر تصادفی
- * مقایسه نمونه گیری تصادفی و غیرتصادفی
- * انواع نمونه گیری تصادفی
- * نمونه گیری تصادفی ساده
- * روش های نمونه گیری تصادفی ساده
- * مثال نمونه گیری تصادفی ساده
- * جدول اعداد تصادفی
- * معایب و مزایای تصادفی ساده
- * نمونه گیری منظم یا سیستماتیك
- * مثال و محاسبه نمونه گیری منظم
- * مثال از نمونه گیری سیستماتیك
- * نمونه گیری طبقه بندی شده
- * توضیح نمونه گیری طبقه بندی شده
- * مثالی از نمونه گیری طبقه بندی شده
- * نمونه گیری خوشه ای
- * مثالی از نمونه گیری خوشه ای
- * توضیح نمونه گیری غیرتصادفی
- * آزمون فرض
- * مثال از فرضیه
- * انواع فرضیه (یک دامنه، دو دامنه)
- * p-value
- * سطح معنی داری
- * نواحی آزمون فرض
- * قبول و رد فرضیه صفر
- * گروه
- * جامعه نرمال
- * توزیع نرمال
- * نمودار توزیع نرمال
- * ویژگی های توزیع نرمال
- * نقش انحراف معیار در توزیع نرمال
- * چولگی
- * ویژگی های چولگی
- * نمودار چولگی
- * کشیدگی
- * آزمون کولموگروف-اسمیرنوف
- * نکات مهم در مورد نرمالیته
- * تقسیم بندی آزمون های آمار استنباطی
- * آزمون پارامتری
- * مفروضات آزمون های پارامتری
- * آزمون های غیرپارامتری
- * مقایسه آزمون های پارامتری و ناپارامتری
- * قضیه حد مرکزی
- * موارد کاربرد آزمون های ناپارامتری
- * خلاصه آزمون های پارامتریك
- * آزمون t
- * شرایط استفاده از آزمون t
- * انواع آزمون تی
- * درجات آزادی
- * ویژگی های توزیع t استودنت
- * نمودار تی
- * آزمون t تك گروهی
- * داده های مثال آزمون t تک گروهی
- * مثالی از آزمون t تک گروهی
- * آزمون t برای دو گروه مستقل
- * شرایط آزمون t برای دو گروه مستقل
- * سوالات قابل بررسی با آزمون t دو گروه مستقل
- * سناریوی مثال آزمون t دو گروه مستقل
- * داده های مثال آزمون t دو گروه مستقل
- * آزمون t برای گروه های وابسته (زوجی)
- * شرایط آزمون t برای گروه های زوجی
- * سناریوی مثال آزمون t زوجی
- * داده های مثال آزمون t زوجی
- * خلاصه آزمون های t و معادل های ناپارامتری آنها
- * آنالیز واریانس (ANOVA)
- * آزمون تحلیل واریانس یکطرفه
- * مثالی از آنالیز واریانس
- * داده های مثال آنالیز واریانس
- * انواع آزمون های ناپارامتریك
- * مثال هایی از آزمون های ناپارامتریك
- * معادل های آزمون t در آمار ناپارامتریك
- * شرایط بکار گیری من ویتنی و ویلکاکسون به جای آزمون t
- * همبستگی بین متغیرها
- * آزمون های همبستگی
- * آمار توصیفی در همبستگی
- * انواع ضرایب همبستگی
- * ضریب همبستگی پیرسون r
- * ضریب همبستگی رتبه ای اسپیرمن
- * مثال همبستگی
- * داده های مثال همبستگی
- * رگرسیون
- * مثال رگرسیون خطی
- * کاربردهای رگرسیون
- * مفهوم رگرسیون
قیمت: 115/500 تومان
برای اندازهگیری این متغیرها، از «مقیاسهای اندازهگیری» مختلفی استفاده میشود که شامل مقیاس اسمی (Nominal Scale)، مقیاس رتبهای (Ordinal Scale)، مقیاس فاصلهای (Interval Scale) و مقیاس نسبتی (Ratio Scale) هستند.
مقیاس اسمی برای دستهبندی دادهها بدون ترتیب خاص به کار میرود، مانند رنگ چشم. مقیاس رتبهای دادهها را با یک ترتیب منطقی دستهبندی میکند، مانند رتبه تحصیلی. مقیاس فاصلهای علاوه بر ترتیب، فاصلههای معنیداری بین مقادیر دارد اما فاقد صفر مطلق است (مثلاً دما به سلسیوس)، و مقیاس نسبتی کاملترین مقیاس است که شامل ترتیب، فاصلههای معنیدار و یک نقطه صفر مطلق است (مثلاً وزن یا قد). مثالهایی از هر مقیاس و تمرینهای کاربردی به درک عمیقتر این مفاهیم کمک میکنند.
مطالب مرتبط
- دانلود pdf مقدمه احتمالات (آمار) در 109 صفحه
در پژوهشها، متغیرها به دو دسته اصلی تقسیم میشوند: «متغیر مستقل» که توسط پژوهشگر دستکاری میشود یا تغییر میکند تا تأثیر آن بر «متغیر وابسته» بررسی شود. متغیر وابسته نتیجه یا پیامدی است که انتظار میرود تحت تأثیر متغیر مستقل قرار گیرد. این تقسیمبندی برای طراحی و تحلیل آزمایشها و مطالعات مشاهدهای حیاتی است.
برای نمایش بصری دادهها، از «نمودارها» استفاده میشود. انواع مختلفی از نمودارها شامل نمودار دایرهای (Pie Diagram) برای نمایش نسبتها، نمودار میلهای (Bar Diagram) برای مقایسه دستهها، نمودار چندگوش برای دادههای پیوسته و نمودار هیستوگرام برای نمایش توزیع فراوانی دادههای کمی پیوسته وجود دارد که هر یک با مثالهای کاربردی توضیح داده میشوند تا درک بهتری از ساختار دادهها ارائه دهند.
مفاهیمی مانند «چارک» (Quartile)، «فراوانی مطلق» (Absolute Frequency)، «فراوانی نسبی» (Relative Frequency)، «فراوانی تجمعی» (Cumulative Frequency) و «درصد تجمعی» به ما در خلاصهسازی و تحلیل توزیع دادهها یاری میرسانند.
چارکها، دادهها را به چهار بخش مساوی تقسیم میکنند: چارک اول (Q1)، چارک دوم (میانه یا Q2) و چارک سوم (Q3)، که دامنه تغییرات بین چارکها (IQR) معیار خوبی برای پراکندگی دادههاست. «صدک» (Percentile) نیز نشان میدهد که چه درصدی از دادهها پایینتر از یک مقدار مشخص قرار دارند. جداول فراوانی همراه با توضیح مثالهای آن، این مفاهیم را به وضوح نمایش میدهند.
برای توصیف «متغیرهای کمی»، شاخصها به دو دسته کلی تقسیم میشوند: «شاخصهای مرکزی» که محل تجمع دادهها را نشان میدهند و شامل میانگین (Mean)، میانه (Median) – که محاسبه آن برای دادههای زوج نیز تفاوتهایی دارد – و نما (Mode) هستند.
دسته دوم «شاخصهای پراکندگی» هستند که میزان انتشار دادهها را حول مرکز نشان میدهند. این شاخصها شامل دامنه تغییرات، میانگین انحرافات (Mean Deviation)، واریانس (Variance)، انحراف معیار (Standard Deviation) و ضریب تغییرات (Coefficient of Variation) هستند که هر یک جنبهای خاص از پراکندگی را منعکس میکنند.
«نمونهگیری» فرآیندی استراتژیک در آمار زیستی است که به ما امکان میدهد با بررسی زیرمجموعهای از جامعه، به نتایج قابل تعمیم دست یابیم. مزایای نمونهگیری شامل صرفهجویی در زمان و هزینه، و گاهی تنها راه عملی برای مطالعه یک جامعه بزرگ است. مراحل اصلی یک بررسی نمونهای شامل تعریف اهداف، شناسایی جامعه مورد نمونهگیری، تهیه چارچوب، تعیین درجه دقت مطلوب، انتخاب روش اندازهگیری و نهایتاً انتخاب نمونه است. «طرحهای نمونهگیری» و «تعیین حجم نمونه» از جمله ملاحظات حیاتی هستند.
نمونهگیری میتواند «تصادفی» یا «غیرتصادفی» باشد. انواع نمونهگیری تصادفی، از جمله نمونهگیری تصادفی ساده (با روشها، مثالها و استفاده از جدول اعداد تصادفی، همراه با معایب و مزایا)، نمونهگیری منظم یا سیستماتیک (با مثال و محاسبه)، نمونهگیری طبقهبندی شده (با توضیح و مثال) و نمونهگیری خوشهای (با مثال)، هر یک برای موقعیتهای خاصی مناسب هستند. در مقابل، نمونهگیری غیرتصادفی، روشهایی هستند که انتخاب نمونه در آنها بر پایه شانس نیست.
یکی از مفاهیم کلیدی در آمار استنباطی، «آزمون فرض» است که به ما امکان میدهد در مورد پارامترهای جامعه بر اساس اطلاعات نمونهای، تصمیمگیری کنیم. یک «فرضیه» میتواند به صورت یکدامنه یا دودامنه باشد.
در این فرآیند، «پی-ولیو» (p-value) احتمال مشاهده دادهها در صورت درست بودن فرضیه صفر را نشان میدهد و با «سطح معنیداری» مقایسه میشود تا «قبول و رد فرضیه صفر» تعیین گردد؛ این تصمیمگیری در «نواحی آزمون فرض» صورت میگیرد.
همچنین، درک «توزیع نرمال» با ویژگیها و نمودار آن، و نقش «انحراف معیار» در آن، حیاتی است. مفاهیم «چولگی» و «کشیدگی» نیز شکل توزیع دادهها را توصیف میکنند و آزمونهایی مانند «کولموگروف-اسمیرنوف» برای بررسی «نرمالیته» دادهها به کار میروند که نکات مهمی در کاربرد آنها وجود دارد.
آزمونهای آمار استنباطی به دو دسته اصلی «آزمونهای پارامتری» و «آزمونهای غیرپارامتری» تقسیم میشوند. آزمونهای پارامتری مفروضات خاصی درباره توزیع دادهها (مانند نرمالیته) دارند، در حالی که آزمونهای غیرپارامتری نیازی به این مفروضات ندارند و در موارد کاربرد خاص خود مورد استفاده قرار میگیرند.
«قضیه حد مرکزی» نقش مهمی در توجیه استفاده از آزمونهای پارامتری برای نمونههای بزرگ ایفا میکند. از جمله مهمترین آزمونهای پارامتری، «آزمون تی» (t) است که شرایط استفاده، انواع (تکگروهی، برای دو گروه مستقل و برای گروههای وابسته یا زوجی)، درجات آزادی و ویژگیهای توزیع تی استودنت و نمودار آن بهتفصیل بررسی میشوند و مثالها و سناریوهای متعددی برای هر یک ارائه میگردد.
خلاصه آزمونهای تی و معادلهای ناپارامتری آنها در آمار زیستی مانند «من ویتنی» و «ویلکاکسون» و شرایط بهکارگیری آنها نیز مطرح میشوند. علاوه بر این، «تحلیل واریانس» (ANOVA)، بهویژه آزمون تحلیل واریانس یکطرفه، برای مقایسه میانگینهای بیش از دو گروه به کار میرود که مثالی از آن نیز آورده میشود.
در نهایت، مفاهیم «همبستگی میان متغیرها» و «رگرسیون» از ابزارهای قدرتمند آمار استنباطی هستند. «آزمونهای همبستگی» و آمار توصیفی در همبستگی به بررسی وجود و شدت رابطه بین دو یا چند متغیر میپردازند.
انواع ضرایب همبستگی در آمار زیستی ، مانند «ضریب همبستگی پیرسون» (r) برای دادههای پارامتری و «ضریب همبستگی رتبهای اسپیرمن» برای دادههای غیرپارامتری، مثالهای کاربردی و دادههای مرتبط، همگی روشهای ارزیابی رابطه بین متغیرها را روشن میسازند. «رگرسیون» نیز فراتر از همبستگی، به پیشبینی یک متغیر بر اساس متغیرهای دیگر میپردازد و «رگرسیون خطی» با مثالها و کاربردهای متعدد خود، مفهوم رگرسیون را به طور جامع تبیین میکند.