📊 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.