It's coming soon...

https://t.iss.one/ResearchPractice

📊 یاد گرفتن آمار بدون تمرین با دیتای واقعی مثل یاد گرفتن رانندگی بدون ماشین هست!
ما در این فاز دیتای واقعی در اختیارتون میذاریم که دستتون راه بیفته..😉

🎓 ولی آمار در کلاس‌های دانشگاهی خشک و تئوریه مگه نه؟ فقط منتظری کلاس تموم بشه

ولی ما سعی می‌کنیم فقط همون بخش‌هایی رو بگیم که واقعا لازم داری

دوره که تموم میشه تااازه سوال‌ها شروع میشه!

به همین علت ما ۲ ماه بعد از دوره هم کنارتون هستیم.. بی هیچ منّتی🙂‍↔️

⛳«فردا ساعت ۲۳ آغاز ثبت‌نام فاز دوم منتورشیپ تحقیقات دانشجویی»

ببینید چطور شگفت‌زده میشید از اینهمه خوبی..

📊 یک لقمه #آمار

وقتی داده‌هات رو جمع‌آوری می‌کنی، اولین قدم مهم شناسایی نوع متغیرهاست..

اسمی (Nominal): دسته‌بندی بدون ترتیب ⏪ مثل گروه خونی، جنسیت

ترتیبی (Ordinal): دسته‌بندی با ترتیب ⏪ مثل سطح تحصیلات، شدت درد

عددی پیوسته (Continuous): می‌تونه بی‌نهایت مقدار بگیره ⏪ مثل قد، وزن، فشار خون

عددی گسسته (Discrete): فقط عدد صحیح می‌گیره ⏪ مثل تعداد فرزندان

✅ اگر نوع متغیر رو درست تشخیص بدی، انتخاب آزمون آماری خیلی راحت‌تر میشه.

🙏ممنون از اینکه در این توان‌سنجی شرکت کردید و با قدرت، آنچه را که بلد هستید به ما اطلاع دادید

☕سعی می‌کنیم در هفته‌های آینده موقعیت‌های همکاری رو از شبکه‌های مختلف پیدا کرده و اینجا بهتون معرفی کنیم

📊 یک لقمه #آمار

شاخص‌های مرکزی، قلب آمار توصیفی هستند:

🔹 میانگین: مجموع داده‌ها ÷ تعداد داده‌ها
🔹 میانه: مقدار وسط پس از مرتب‌سازی داده‌ها
🔹 نما (Mode): پرتکرارترین مقدار

✅ وقتی داده‌ها خیلی پرتوزیع باشن، «میانه» بهتر از میانگین نماینده داده‌هاست

باورتون میشه برای ثبت این رویداد در ایوند، سایت ایوند بهمون هشدار داد که متوسط هزینه برنامه‌های مشابه حدود ۳۰۰ و اندی تومان است و شما دارید خیلی ارزان برگزار می‌کنید!!😄

https://evnd.co/Qf7dP

📊 یک لقمه #آمار

برای فهم پراکندگی داده‌ها، به سراغ شاخص‌های پراکندگی میریم:

🔹 دامنه (Range): تفاوت بزرگ‌ترین و کوچک‌ترین مقدار
🔹 واریانس: میانگین مربعات فاصله داده‌ها از میانگین
🔹 انحراف معیار (SD): ریشه دوم واریانس، پرکاربردترین شاخص پراکندگی

✅ هرچه SD کمتر باشه، داده‌ها همگن‌ترند.

📊 یک لقمه #آمار

قبل از هر تحلیل استنباطی، باید بدونی داده‌هات نرمال توزیع شده‌اند یا نه؟

🔹 بررسی چشمی⬅️ نمودار Histogram و Q-Q Plot
🔹 بررسی آماری⬅️ آزمون Shapiro-Wilk و Kolmogorov-Smirnov

✅ اگر داده‌ها نرمال نباشه، باید سراغ آزمون‌های غیرپارامتریک بری.

📊 یک لقمه #آمار

برای مقایسه دو گروه مستقل از آزمون t مستقل(Independent t-test) استفاده می‌کنیم.

🔹 مثال: مقایسه میانگین قد بین گروه دختران و پسران
🔹 فرض صفر (H0): تفاوتی بین میانگین‌ دو گروه وجود ندارد
🔹 اگر p < 0.05 ⬅️ تفاوت معنادار است

✅ البته t-test فقط وقتی معتبره که داده‌ها نرمال و واریانس‌ها برابر باشن.

📊 یک لقمه #آمار

وقتی بیش از دو گروه داری، دیگه t-test کافی نیست ⬅️ باید از ANOVA استفاده کنی.

🔹 مثال: مقایسه میانگین نمره امتحان بین سه کلاس با روش تدریس متفاوت
🔹 فرض صفر: همه میانگین‌ها برابرند
🔹 اگر p < 0.05 ⬅️ حداقل یکی از گروه‌ها با بقیه فرق داره

✅ برای فهم دقیق اینکه کدوم گروه‌ها متفاوتن، باید تست‌های پس‌آزمون (Post-hoc) بزنی.

صبح بخیر

اگر در حال انجام پروژه تحقیقاتی یا نگارش مقاله هستید و تمایل دارید در زمینه‌ای مشخص، یک یا تعدادی همکار پژوهشی داشته باشید، می‌توانید به آیدی زیر پیام داده و پروژه خود را معرفی کنید:
@HeyResearcher

در صورت تأیید پروژه و جدی بودن تیم، درخواست شما در کانال‌های پژوهشی منتشر خواهد شد.

نمونه‌ای از درخواست‌ها:

سلام، به دنبال استاد راهنما برای طرح تحقیقاتی هستیم.

سلام، در جستجوی همکار پژوهشی در تمام مراحل طرح تحقیقاتی هستیم.

سلام، در جستجوی یک آماریست جهت تحلیل داده‌ها هستیم.




سلام، به دنبال همکار برای جمع‌آوری داده‌ها هستیم.

سلام، در پی همکاری با فردی جهت سابمیت و پیگیری فرایند داوری هستیم.

سلام، به دنبال مترجم برای مقاله خود هستیم.

📊 یک لقمه #آمار

گاهی می‌خوای بدونی دو متغیر چطور با هم تغییر می‌کنن ⬅️ اینجاست که میری سراغ ضریب همبستگی پیرسون

🔹اگر r بین -1 تا +1 ⬅️ باهم تغییر می کنند
🔹اگر r نزدیک +1 ⬅️ رابطه مثبت قوی
🔹اگر r نزدیک -1 ⬅️ رابطه منفی قوی
🔹اگر r نزدیک 0 ⬅️ رابطه خطی وجود ندارد

✅ یادت باشه همبستگی، دلیل بر علیت نیست!

📌 مثال:
فرض کن قد و وزن ۳۰ دانشجو رو اندازه‌گیری کردی. وقتی ضریب همبستگی رو حساب می‌کنی، مثلاً میشه r = 0.75 ⬅️ یعنی یک رابطه مثبت نسبتاً قوی بین دو متغیر وجود داره یعنی هرچه قد دانشجوها بالاتره، معمولاً وزن هم بیشتره.

⚠️ ولی یادت باشه نگیم «قد باعث افزایش وزن میشه»؛ فقط میتونیم بگیم این دو متغیر معمولاً با هم تغییر می‌کنن.