بایگانی برچسب: s

آموزش پیشرفته sPSS

تحلیل عاملی اکتشافی در spss

تحلیل عاملی اکتشافی در SPSS یک روش آماری پیشرفته برای شناسایی ساختار درونی یک مجموعه داده‌ها و کاهش ابعاد آن است.

مراحل انجام تحلیل عاملی اکتشافی در SPSS:

  1. ابتدا باید متغیرهای موردنظر برای تحلیل را در SPSS وارد کرد.
  2. از منوی Analyzeگزینه Factor را انتخاب کنید.
  3. در کادر باز شده متغیرهای موردنظر را به صورت ستونی در قسمت Variables وارد کنید.
  4. روش استخراج عامل‌ها را مشخص کنید. معمولا از روش Principal Component Analysis استفاده می‌شود.
  5. معیارهای قطع عامل‌ها مانند مقدار ویژه بزرگتر از 1 واریانس تبیین شده و نمودار سنگریزه‌ای را مشخص کنید.
  6. چرخش عامل‌ها را انجام دهید. معمولا از چرخش Varimax استفاده می‌شود.
  7. جدول factor loading را مشاهده کنید. متغیرهایی که بار عاملی بالاتری دارند مهم‌تر هستند.
  8. پایایی عامل‌ها را با آلفای کرونباخ بررسی کنید.
  9. نتایج را تفسیر و گزارش کنید.

درنهایت با تحلیل عاملی می‌توان ساختار درونی داده‌ها و روابط بین متغیرها را شناسایی کرد.

برگرفته از : سرگرمی روز

آزمون فریدمن (Friedman Test)

آزمون فریدمن (Friedman Test) نوعی آزمون رتبه‌بندی غیرپارامتری است که برای مقایسه‌ی سه یا بیشتر گروه در یک متغیر کیفی مستقل با دو یا بیشتر گروه در یک متغیر وابسته به کار می‌رود.

 این آزمون از رتبه‌بندی داده‌ها برای تشخیص تفاوت معنادار بین گروه‌ها استفاده می‌کند

. آزمون فریدمن ابتدا داده‌ها را به صورت رتبه‌بندی می‌کند و سپس میزان تفاوت بین گروه‌ها را با استفاده از رتبه‌بندی‌ها محاسبه می‌کند.

 اگر تفاوت معناداری بین گروه‌ها وجود داشته باشد، آنگاه آزمون فریدمن نتیجه‌ی مثبت می‌دهد.

توضیحی در باره رتبه بندی و آزمون فریدمن:

و فقط رتبه یا ترتیب داده‌ها مهم است. برای مثال، در یک آزمایش بالینی که سه گروه بیمار داریم و برای هر بیمار امتیازی بر اساس شدت بیماری به آن‌ها داده شده است، می‌توان امتیازها را به رتبه‌هایی تبدیل کرد. در اینجا، اگر بیشترین امتیاز به بیماری شدت داشته باشد، به عنوان رتبه‌ی 1 انتخاب می‌شود و بیماری که کمترین امتیاز را داشته باشد، به عنوان رتبه‌ی 3 انتخاب می‌شود.

آزمون فریدمن برای تحلیل داده‌های رتبه‌بندی شده به کار می‌رود.

این آزمون با استفاده از رتبه‌بندی‌ها، تفاوت معنادار بین سه یا بیشتر گروه را بررسی می‌کند. این آزمون ابتدا مجموع رتبه‌ها را برای هر گروه محاسبه می‌کند و سپس میانگین مجموع رتبه‌ها را برای هر گروه محاسبه می‌کند.

سپس با استفاده از فرمول مناسب، میزان تفاوت معنادار بین گروه‌ها محاسبه می‌شود. اگر این میزان تفاوت معنادار باشد، نتیجه مثبت داده شده و بیانگر این است که تفاوت معناداری بین گروه‌ها وجود دارد.

در نهایت، برای تعیین گروهی که با دیگر گروه‌ها تفاوت معنادار دارد، می‌توان از روش‌هایی مانند تحلیل پست‌ها (Post-hoc analysis) مانند آزمون Dunn-Bonferroni استفاده کرد.

مراحل انجام آزمون فریدمن به شرح زیر است:

فرضیه‌ها: اولین قدم در انجام آزمون فریدمن تعیین فرضیه‌های لازم است. فرض صفر در این آزمون این است که میانگین رتبه‌ها برای تمامی گروه‌ها یکسان است. فرض دیگر در این آزمون فرض آلترناتیو است که بیانگر این است که حداقل یکی از میانگین رتبه‌ها با دیگری متفاوت است.

جمع‌آوری داده‌ها: برای انجام آزمون فریدمن، باید داده‌های مربوط به متغیرهایی که قصد بررسی آن‌ها را دارید، را جمع‌آوری کنید. برای هر گروه، باید رتبه‌بندی شده‌ای از داده‌ها را داشته باشید.

محاسبه آماره آزمون: پس از جمع‌آوری داده‌ها، باید آماره آزمون را محاسبه کنید. این آماره با استفاده از فرمول زیر محاسبه می‌شود:

$X^2 = \frac{12}{n (k + 1)} \sum_{j=1}^k R_j^2 – 3(n+1)$

در این فرمول، $n$ تعداد رکوردها در هر گروه و $k$ تعداد گروه‌هاست. $R_j$ نیز میانگین رتبه گروه $j$ است.

محاسبه مقدار p-value: با توجه به آماره آزمون محاسبه شده، باید مقدار p-value را محاسبه کنید. برای این کار، باید از جدول توزیع کای-مردانژ استفاده کنید.

تفسیر نتایج: پس از محاسبه مقدار p-value، باید آن را با سطح معناداری مشخص شده مقایسه کنید. اگر مقدار p-value کمتر از سطح معناداری باشد، فرض صفر رد می‌شود و می‌توان نتیجه گرفت که میانگین رتبه‌ها برای حداقل یکی از گروه‌ها با گروه دیگری متفاوت است.

محاسبه تفاوت رتبه‌ها (اختیاری): در صورتی که آزمون فریدمن نتایج مثبت داشته باشد، می‌توان از طریق آزمون تفاوت رتبه‌های ویلکاکسون، تعیین کرد که کدام گروه‌ها با یکدیگر متفاوت هستند. این آزمون برای مقایسه دو به دوی میانگین رتبه‌ها بین گروه‌ها استفاده می‌شود.

آزمون فریدمن و توزیع نرمال:

آزمون فریدمن یک آزمون غیرپارامتری است و برای داده‌هایی با توزیع نرمال یا هر توزیع پارامتری دیگری مناسب نیست. برای داده‌هایی که توزیع آن‌ها پارامتری است، از آزمون‌های دیگری مانند آزمون تی یا آنالیز واریانس (ANOVA) استفاده می‌شود.

آزمون فریدمن برای داده‌هایی که توزیع آن‌ها ناشناخته است و یا توزیع آن‌ها پارامتری نیست، مناسب است. به عنوان مثال، اگر داده‌ها رتبه‌بندی شده باشند یا توزیع آن‌ها نامتقارن باشد، آزمون فریدمن را می‌توان برای تحلیل آن‌ها به کار برد.

آزمون فریدمن در SPSS:

در نرم‌افزار SPSS نیز می‌توان از آزمون فریدمن برای تحلیل داده‌های رتبه‌بندی شده استفاده کرد. برای انجام این آزمون در SPSS، مراحل زیر را می‌توانید دنبال کنید:

وارد کردن داده‌ها: ابتدا داده‌های رتبه‌بندی شده خود را در SPSS وارد کنید.

انتخاب آزمون: از منوی “Analyze” گزینه “Nonparametric Tests” را انتخاب کرده و سپس گزینه “K Independent Samples” را انتخاب کنید.

تنظیمات آزمون: در پنجره‌ی باز شده، متغیر رتبه‌بندی شده را به عنوان متغیر وابسته و متغیر دسته‌ای را به عنوان متغیر مستقل انتخاب کنید. سپس آزمون فریدمن را انتخاب کنید.

تنظیمات دیگر آزمون: پنجره‌ی تنظیمات دیگر آزمون را باز کرده و مقدار آلفا و تنظیمات دیگر را مطابق با نیاز خود تنظیم کنید.

نتایج آزمون: پس از اجرای آزمون، نتایج آن در صفحه‌ی نتایج SPSS قابل مشاهده هستند. در بخش “Test Statistics”، مقدار آماری آزمون فریدمن، در بخش “Asymptotic Sig. (2-tailed)” مشخص می‌شود. اگر مقدار آماری کمتر از سطح معناداری قرار داده شده باشد، می‌توان نتیجه گرفت که تفاوت معناداری بین گروه‌ها وجود دارد.

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.نرم افزار های کمی: SPSS- PLS – Amosنرم افزار کیفی: Maxqudaتعیین حجم نمونه با:Spss samplepower

روش های تماس:Mobile :  09143444846  واتساپ – تلگرامکانال تلگرام سایت: برای عضویت در کانال تلگرام سایت اینجا کلیک کنید(البته قبلش فیلتر شکن روشن شود!!) مطالب جالب علمی و آموزشی در این کانال درج می گردد.

کتاب آموزش تصویری نمونه گیری با SPSS Sample Power

دانلود کتاب آموزش تصویری نمونه گیری با SPSS Sample Power

کتاب-آموزش-تصویری-نمونه-گیری-با-SPSS-Sample-Power.jpg

دانلود کتاب آموزش تصویری نمونه گیری با SPSS Sample Power

مبحث حجم نمونه و نحوه محاسبه آن یکی از مباحث بسیار کلیدی در تحقیقات است .

معمولاً محققین در این خصوص سوالات بسیاری دارند.

اکثر پژوهشگران در تعیین حجم نمونه دچار اشکالی اساسی هستند.

چون معمولاً برای تعیین حجم نمونه از فرمول کوکران یا جدول کرجسی و مورگان استفاده می کنند.

با توجه به اینکه این فرمول ها بر اساس پارامتر نسبت طراحی شده اند در بسیاری از مورد کاربرد ندارند.

لذا محققان در دفاع از پایان نامه یا پذیرش مقاله در مجلات معتبر علمی دچار درد سر بزرگ می کند.

کتاب آموزش تصویری نمونه گیری با SPSS Sample Power

برای حل این مشکل باید از نرم افزار های تعیین حجم نمونه مانند IBM SPSS Sample power بهره گرفت.

کتاب تصویری نمونه گیری با SPSS Sample Power این نرم افزار را به صورتی ساده با ارائه مثال های کاربردی و با فرضیه های مختلف آموزش می دهد.

بعد از پرداخت هزینه می توانید آن را مستقیما دانلود نمایید یا اینکه با یکی از روش های زیر با ما تماس بگیرید تا خدمتتان ارسال گردد.

توجه: فروش نسخه ی الکترونیکی این کتاب فقط در این سایت ارائه می شود و ارائه آن در هر سایت یا کانال دیگری ممنوع می باشد و پیگرد قانونی دارد.

دانلود رایگان صفحات اولیه (فهرست مطالب) و مشخصات کتاب

برای دانلود کامل ابتدا از طریق کلید هزینه آن را ÷رداخت و بعد دانلود نمائید.

در صورت هر گونه مشکل در پرداخت یا دانلود فایل با یکی از روش های زیر با ما در تماس باشید.

روش های تماس:

Mobile :  09143444846  واتساپ – تلگرام

Telegram: @abazizi

وبلاگ ما

کتاب آموزش تصویری نمونه گیری با SPSS Sample Power
کتاب آموزش تصویری نمونه گیری با SPSS Sample Power
آموزش پیشرفته sPSS

جلسه 16 آموزش پیشرفته Spss : آموزش اجرا و تفسیر آزمون های یومن ویتنی (Mann-Whitney U) و مجموع رتبه های ویلکاکسون( Wilcoxon Rank W ) در Spss

این آزمون  توسط آماریست هایی به نام‌های «هنری مَن» (Henry Mann) و «دونالد ویتنی» (Donald Ransom Whitney) در سال ۱۹۴۷ مطرح شده اند.

 این آزمون از گروه روش‌های ناپارامتری است و بنابراین نسبت به مشابه پارامتری خود زمانی که داده‌ها دارای توزیع نرمال باشند، از توان کمتری برخوردار است.

ی زمانی که اندازه نمونه کوچک یا چولگی توزیع داده‌ها زیاد باشد بهتر است از آزمون‌های ناپارامتری مانند این آزمون برای مطابقت بین دو توزیع استفاده شود.

در فیلم زیر  به بررسی این آزمون  و روش اجرای آن در  SPSS استفاده خواهیم پرداخت.

تحلیل داده های آماری

تحلیل داده های آماری (فصل 4 پایان نامه و مقاله) با کیفیت بالا، در اسرع وقت و قیمت چند سال قبل!!

هزینه تحلیل داده های آماری فصل 4 پایان نامه و مقاله با کیفیت بالا، در اسرع وقت و قیمت چند سال قبل!!

دیروز در یکی از گروه های پژوهشی که مخاطبان آن اکثراً محقق با مدرک تحصیلی دکتری و حداقل ارشد هستند چند نفر اعتراض داشتند به کار یکی از آماریست ها مبنی بر اینکه حدود 6 ماهه کار و هزینه را از ما گرفته ولی تا کنون گزارش را تحویل نداده است! از شواهد هم برمی آمد که هزینه میلیونی و چند میلیونی گرفته! این تیپ به اصطلاح  آماریست ها اکثراً تبلیغات زیادی دارند و در شبکه های اجتماعی خود را متخصص معرفی می کنند و … در حالیکه در اصل کار را خودشان انجام نمی دهند و به اصطلاح برون سپاری می کنند به همین خاطر نمی توانند بعدا پاسخگو باشند.!

بر این اساس واجب دانستم که کار خود را برای یکبار دیگر معرفی کنم.

از لحاظ زمانی: پروسه کار تحلیل ما اکثر در 1 الی 2 روز نهایتاً 4 روز طول می کشد (البته اگر طرح تحقیق اشکال نداشته باشد)

قبل از شروع تحلیل ،  فصل اول و سوم به صورت کاملاً رایگان و- البته  در صورت رضایت دانشجو-  بررسی و مشکلات احتمالی به وی گزارش می گردد تا اصلاح گردد.

هزینه انجام کار ما پایین و در حدود 700 هزار 1 میلیون تومان یعنی قیمت 2 – 3 سال قبل می باشد!

قبل از انجام کار از دانشجو و محقق هزینه ای دریافت نمی گردد، البته در صورت اتمام کار هزینه به صورت یکجا دریافت و بعد از آن گزارش تحلیل ، داده ها و خروجی نرم افزار در اختیار وی قرار می گیرد.

تحلیل با نرم افزار های مختلف انجام می گیرد تا رضایت دانشجو و استاد راهنما تأمین گردد.

در صورت درخواست دانشجو فیلم آموزشی نحوه ی دفاع و توضیحات ضروری تحلیل در اختیار وی قرار می گیرد.

سعی می شود ، اشکالی در تحلیل نباشد، اما در صورت  وجود هر گونه مشکل، در اسرع وقت اصلاح می گردد و تا لحظه دفاع با دانشجو خواهیم بود.

این را به خاطر داشته باشید که هزینه تحلیل در جاهای دیگر در حدود 2 تا 3 میلیون تومان می باشد.

تحلیل با نرم افزارهای زیر پذیرفته می شود:


نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

موبایل: 09143444846 پیامک و تماس

یا پیام از طریق واتساپ–تلگرام(با واتساپ سریع تر جواب داده می شود) به شماره 09143444846

ایمیل

وبسایت: https://rava20.ir/

آموزش پیشرفته sPSS

جلسه 15 آموزش پیشرفته Spss : آزمون t ولچ:

این آزمون نیز مانند آزمون t دو نمونه جهت مقایسه میانگین دو جامعه استفاده می شود.

در آزمون t ولچ فرض می شود واریانس دو جامعه برابر نیست.

برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه های پژوهش استفاده می شود. در فیلم زیر جزئیات این آزمون شرح داده شده است.

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile :  09143444846  واتساپ – تلگرام

Telegram: @abazizi

وبلاگ ما

آموزش پیشرفته sPSS

آزمون t با دو نمونه مستقل (Independent – Samples)

• وقتی بخواهیم میانگین یک متغیر کمی ( مانند وزن) را در بین دو گروه مستقل ( مانند پسر و دختر) با هم مقایسه کنیم.

•  این آزمون، میانگین دو گروه از پاسخگویان را با یکدیگر مقایسه می کند. از این آزمون برای محاسبه فاصله اطمینان و یا آزمون فرضیه تفاوت میانگین دو جمعیت ( در زمان نامشخص بودن انحراف استاندارد و استقلال نمونه ها از یکدیگر) استفاده می شود.

•جهت مقايسه ميانگين دو جامعه استفاده مي شود. در آزمون t براي دو نمونه مستقل فرض مي شود واريانس دو جامعه برابر است. براي نمونه به منظور بررسي معني دار بودن تفاوت ميانگين نمره نظرات پاسخ دهندگان بر اساس جنسيت در خصوص هر يک از فرضيه هاي پژوهش استفاده مي شود.

•در این آزمون برای بررسی تساوی میانگین دو جامعه باید ابتدا تساوی واریانسها با استفاده از لون بررسی شود. برای استفاده از این آزمون وجود یک متغیر کمی و یک متغیر طبقه ای الزامی است. متغیر کمی همان متغیر وابسته و متغیر مورد مقایسه در دو جامعه است و متغیر طبقه ای متغیر مستقل و متغیری است که جامه ها را از هم جدا می کند.

فرض های آماری:

Ho: µ1- µ2=0

H1: µ1- µ2 ≠0

•مسیر  SPSS:

•Analyze/Compare Means>Independent-Samples T Test

• در کادر محاوره ای  Independent-Samples T Test در جعبه Test Variable(S) متغیر مورد مقایسه ( مثلا“ وزن) و در جعبه Grouping Varaible گروه مورد مقایسه  ( مثلاً جنسبت) را وارد و دکمه Define Groups را می زنیم. مقادیری را که مشخص کننده گروه های هستند ( مثلا“ 1 و 2) تعریف و Continue و سپس OK را کلیک می کنیم تا خروجی در دو جدول ظاهر شود.

•جدول1: Group statistics: شامل تعداد نمونه و شاخص های آماری به تفکیک هر یک از گروه هاست.

•جدول 2 شامل دو قسمت: 1- Leven’s Test: شامل آزمون Leven برای آزمون برابری واریانس هاست. قسمت 2 : t-test : نتایج آزمون است که ستون های آن از چپ به راست عباتند از:  مقدار آماره ی t، درجه آزادی ( df) ، مقدار آزمون دو طرفه، اختلاف میان گین ها ( توجه کنید اگر اختلاف میان گین ها عدد منفی باشد یعنی میانگین گروه 2 بیشتر از گروه 1 بوده است)، خطای استاندارد اختلاف میانگین ها و فاصله اطمینان 95% .

•همه ی این نتایج برای دو حالت بیان شده اند، مقادیر خط اول برای حالت برابری واریانس ها و مقادیر خط دوم برای حالت نابرابری واریانس ها

تفسیر خروجی:

اول جدول 2 ( آزمون لون)  را بررسی می کنیم و  معلوم می کنیم واریانس ها هبرابرند یا نه؟ سپس

برای بررسی  آزمون فرض معمولاً از دو روش استفاده می شود:

1- مقدار P: بر اساس مقدار Sig ، به این صورت است که اگر مقدار P کمتر یا مساوی α باشد، فرض صفر ( H0) را در سطح معنی داری α را رد می کنیم و فرض تحقیق را قبول می کنیم و بر عکس.

2- روش فاصله اطمینان(95%Confidence Interval) : در این بخش دو عدد ( Upper و Lower) وجود دارد. اگر در بین این دو عدد صفر قرار گیرد( یعنی اگر یکی از اعداد منفی و یکی مثبت باشد) دلیل بر عدم اختلاف بین میانگین ها است  پس فرض فرض صفر قبول  و فرض تحقیق رد می گردد ولی گر در بین این دو عدد صفر قرار نگیرد ( یعنی  هر دومنفی و یا هر دو مثبت باشند) دلیل بر اختلاف بین میانگین ها است  پس فرض صفر  رد و فرض تحقیق قبول می گردد .

•هرگاه حد بالا Upper و پایین Lower  هر دو مثبت باشند میانگین از مقدار آزمون بزرگتر است.

•هرگاه حد بالا Upper و پایین Lower  هر دو منفی باشند میانگین از مقدار آزمون کوچک تر است.

•هرگاه حد بالا Upper مثبت و پایین Lower   منفی باشد (یعنی بین آن ها صفر قرار بگیرد) میانگین با مقدار آزمون  تفاوت معنی دار ندارد.

•توجه توجه: SPSS تنها ادعای مساوی را آزمون می کند.

برای مشاهده جزئیات و اجرا و تفسیر نتایج این آزمون فیلم زیر را مشاهده کنید.

جهت مشاهده آموزش نرم افزاری های آماری و … در کانال آپارت اینجا کلیک کن.

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile :  09143444846  واتساپ – تلگرام

Telegram: @abazizi

وبلاگ ما

آموزش پیشرفته sPSS

جلسه 13 Spss پیشرفته:انتخاب آزمون های  مقایسه متغیر ها در بین دو یا چند گروه

در این جلسه آموزش Spss به بررسی نحوه ی انتخاب آزمون های مناسب برای  مقایسه متغیر ها در بین دو یا چند گروه پرداخته شده است.

مفاهیمی مانند تعداد گروه ها، گروه وابسته/ مستقل، مقیاس های فاصله ای و نسبی و طبقه بندی مناسب برای انتخاب این نوع آزمون ها آمده است.

مشاهده فیلم زیر می توانند خیلی کمک کننده محققان و دانشجویان باشد و به بسیاری از سوالات در خصوص انتخاب آزمون مناسب جواب دهد، البته نه همه!

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile :  09143444846  واتساپ – تلگرام

Telegram: @abazizi

وبلاگ ما

برای تحلیل داده های آماری با کیفیت بالا و قیمت مناسب همین جا  کلیک کن.

آموزش پیشرفته sPSS

جلسه 7 آموزش پیشرفته spss : فاصله اطمینان (Confidence Interval)

فاصله اطمینان (Confidence Interval) چیست؟ در این فیلم به زبان ساده فاصله اطمینان (Confidence Interval) شرح داده شده است.

فاصله اطمینان (Confidence Interval) چیست؟

در تحلیل استنباطی با استفاده از داده های نمونه ای به استنباط در باره جامعه می پردازیم. 

داده های حاصل از نمونه گیری همیشه یک مقداری همراه با خطاست.

لذا در جامعه ی آماری باید یک مقداری کم تر و یک مقداری بیشتر از نتیجه حاصل از نمونه گیری درنظر بگیریم و این یعنی فاصله ی اطمینان

فاصله ی اطمینان مبنای فرض آزمون های استنباطی است.

فاصله اطمینان تخمینی از دامنه ای را که میانگین و یا دیگر مقیاس های اندازه گیری،مثل درصد مشاهدات مربوط به یک جامعه خاص که باید در آن قرار گیرد، فراهم می آورد.

این دامنه مبتنی است بر پاسخ های جمع آوری شده از نمونه، تعداد مشاهدات و درجه خطای پذیرفته شده.

دامنه میانگین که با فاصله اطمینان پیش بینی می شود، دلالت دارد بر اینکه شما قطعا دارای درصد احتمال هستید تا میانگین جامعه پاسخ دهندگان در محدوده قابل قبولی از میانگین نمونه قرار گیرد.

فاصله اطمینان با مفهوم مربوط به «سطح اطمینان» (Confidence Level) ارتباط نزدیکی دارد.

منظور از سطح اطمینان، تعیین میزان شک یا یقینی است که نسبت به دربرگیری پارامتر توسط CI، داریم.

در حقیقت این محدوده، توسط یک نمونه تصادفی محاسبه می‌شود، در نتیجه می‌توان CI را یک محدوده تصادفی در نظر داشت.

با انتخاب نمونه دیگر، محاسبات برای این محدوده تغییر کرده و یک فاصله اطمینان متفاوت بدست خواهد آمد.

به همین علت با سطح اطمینان مشخص، خانواده‌ای از فاصله‌های اطمینان با توجه نمونه‌های مختلف تولید می‌شود.

به این ترتیب می‌توان گفت سطح اطمینان، فراوانی نسبی، فاصله‌‌های اطمینانی است که شامل پارامتر مجهول جامعه هستند.

به بیان دیگر، اگر n فاصله اطمینان با سطح اطمینان ثابت ایجاد کنیم، نسبت آن‌هایی که شامل پارامتر هستند به کل فاصله‌ها، برابر با همان سطح اطمینان خواهد بود.

هدف در محاسبه CI، بدست آوردن حدودی برای پارامتر است که در سطح اطمینان تعیین شده، شامل پارامتر باشد.

 

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amosمطالب مرتبط

چگونه یک دفاع موفق و کامل از پایاننامه داشته باشیم؟

انواع پایگاه های تشخیص سرقت علمی فارسی و لاتین

10 روش ساده برای افزایش تعداد ارجاعات مقاله

نرم افزار کیفی: Maxquda

مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile :  09143444846  واتساپ – تلگرام

Telegram: @abazizi

وبلاگ ما

برای تحلیل داده های آماری با کیفیت بالا و قیمت مناسب همین جا  کلیک