تاریخچه کنترل کیفیت

 

نوشته شده توسط امين روشني در چهارشنبه بیست و سوم اردیبهشت 1388 ساعت 14:8 موضوع | لینک ثابت

بوديم و كسي پاس نميداشت كه هستيم

 

باشد كه نباشيم و بدانند كه بوديم

 

سلام!

خيلي وقته كه به اين وبلاگ سر نزدم. چيزي حدود 8 ماه. يعني بعد از فارغ التحيلي از دانشگاه لرستان. حالا بعد اين همه مدت با ديدن اين آمار بازديد و نظرات خوانندگان كلي خوشحال شدم.

ممنون از همراهيتون. راستش با اينكه الآن توي تبريز دانشجو هستم ولي خيلي وقته از درس خوندن و پيشرفت به دورم. شايد بزرگترين علتش دانشگاه (البته بيشتر شبيه مهدكودك ميمونه) دانشوران تبريز باشه كه توش درس ميخونم. چون هر موقع سر كلاساش ميشينم احساس ميكنم نه تنها چيز جديدي ياد نميگرم بلكه چيزايي كه مي دونستم هم داره از مخم ميپره. از بس اينجا مزخرفه. خوب چي كار ميشه كرد. نميخوام به كسي توهين كنم ولي مرده شور مملكتي رو ببرن كه دانشگاهش اين باشه. راستش هيچ وقت فكر نميكردم كه دلم واسه دانشگاه لرستان تنگ بشه ولي بايد اعتراف كنم كه تنگ شده!

اما از همه ي اينا كه بگذريم من هنوز هم به آمار علاقه دارم و ميخوام هر چه بيشتر تو اين زمينه اطلاعات كسب كنم. خوشحال ميشم دوستاني كه با من هم عقيده هستن با معرفي سايت هاي آماري خودشون منو تو اين راه همراهي كنن.

 امروز يه آپ ويژه براي علاقه مندان به آمار دارم. آخرين نسخه از نشريه ي دانشجويي برازش كه خرداد امسال چاپش كرديم. توصيه ميكنم حتماً دانلود كنيد.

 

دانلود نشريه (حجم فايل : 5مگابايت)

 

نوشته شده توسط ظفر سهرابي نيا در یکشنبه بیست و هفتم بهمن 1387 ساعت 16:10 موضوع | لینک ثابت

تحلیل عاملی

تحليل عاملي اصطلاحي است كلي براي تعدادي از تكنيك هاي رياضي و آماري مختلف اما مرتبط با هم به منظور تحقيق درباره ماهيت روابط بين متغيرهاي يك مجموعه معين. مساله اساسي تعيين اين مطلب است كه آيا يك مجموعه متغير را مي توان برحسب تعدادي از «ابعاد» يا «عامل هاي» كوچكتري نسبت به تعداد متغيرها توصيف نمود و هر يك از ابعاد (عامل ها) معرف چه صفت يا ويژگي است.

نخستين كار درباره تحليل عاملي توسط چارلز اسپيرمن (1940) صورت گرفت، كه به گونه كلي «پدر» اين روش شناخته شده است. بعد از او كارل پيرسن (1901)، روش «محورهاي اصلي» را پيشنهاد كرد و هتلينگ (1933) آن را به گونه كاملتري توسعه داد.

بسياري از كارهاي نخستين در تحليل عاملي، يعني در طول سال هاي 1900 تا 1930، به كاربرد مدل اسپيرمن در بسياري از مسايل عملي و بررسي شرايط مناسب براي استفاده از آن مدل اختصاص يافته است. در طول اين دوره، علاوه بر خود اسپيرمن، دانشمندان ديگري مانند سيريل برت، كارل هليزينگر، ترومن كلي، كارل پيرسن و گادفري تامسون، كمك هاي شاياني به ادبيات تحليل عاملي كرده اند. در اوايل سال 1930، آشكار شد كه مدل تك عاملي عمومي اسپيرمن براي توصيف روابط بين متغيرهاي يك مجموعه هميشه كافي نيست.

ترستون احتمالا برجسته ترين تحليلگر عاملي نوين بوده و نفوذ قابل ملاحظه اي در توسعه اين روش از سال هاي 1930 تا كنون داشته است. مسئوليت توسعه روش «سانتروئيد» با اوست كه در مقياس گسترده اي قبل از ظهور كامپيوترهاي پر سرعت به كار رفته است. او همچنين مسئول مفهوم ساختار ساده است كه توسط بيشتر تحليلگران به عنوان معرف يك راه حل تحليل عاملي ايده آل در نظر گرفته شده است.

كارهاي اوليه در تحليل عاملي  كه توسط دانشمندان ياد شده انجام گرفته، بيشتر توجيه نظري دارد، هر چند هيچ يك از آنها آماده براي آزمون هاي آماري فرضيه هاي خاص درباره ساختارهاي عاملي مجموعه هاي معيني از متغيرها نبوده است. اما، وقتي كامپيوترهاي پر سرعت در اختيار قرار گرفت در اواسط تا اواخر سال هاي 1950، حركتي از تئوري گرائي به سوي آنچه تحليل عاملي اكتشافي ناميده مي شود، به وجود آمد. اين حركت به گونه آشكار از طريق تئوري عامل مشترك ترستون تشويق، و از طريق فرمول بندي عمومي هتلينگ (1993)، درباره عمليات رياضي مولفه هاي اصلي كه قبل از آن به دليل محاسبات فوق العاده پيچيده و پرزحمت آن، به كار نرفته بود تسهيل شد. چنين به نظر مي رسد كه در طول سال هاي 1950 و 1960، تقريبا هر كس، هر چيزي را تحليل عاملي مي كرده است، به اين اميد كه روابط پيچيده ظاهري بين متغيرهاي يك مجموعه را مي توان ساده كرد و به گونه ساده تري تفسير نمود (ليندمن و همكاران، 1980). در طول اين دوره همچنين تعداد روشهاي تحليل عاملي با ابداع تحليل تصوير (گاتمن، 1953)، تحليل عاملي بنيادي (رائو، 1955 و هريس، 1962)، تحليل عاملي آلفا (كيسر و كافري، 1965) و روش كمترين پس مانده (هامن و جونز، 1966)، به گونه قابل توجهي توسعه يافت. با اين وجود، روشهاي تحليل اكتشافي نتوانست آن گونه كه انتظار مي رفت، كمك موثري براي آزمون و پالايش تئوري روان شناختي باشد.

مقاله هتلينگ (1933) درباره تحليل مولفه هاي اصلي نخستين كمك قابل توجه يك آماردان را به تحليل عاملي معرفي كرد، و اين وضعيت تا موقعي ادامه داشت كه مقاله لاولي (1940) درباره روش بيشينه احتمال (ML) منتشر شد. لاولي نشان داد كه تحليل عاملي مي تواند به عنوان يك تكنيك آماري جالب در بسياري از موقعيت هاي پژوهشي كاربرد داشته باشد. واكنش هاي له و عليه اين روشها نيز تا وقتي كه آزمون فرضيه هاي خاص درباره پارامترهاي مدل تحليل عاملي مورد توجه قرار گرفت (مثلا جارزكاگ، 1984)، همچنان ادامه داشت. هر چند كارهاي جارزكاگ اساسا مبتني بر روش ML لاولي بود، اما بسياري از مسايل محاسباتي و تفسيري را كه لاولي با آن مرتبط نبود، روشهاي باك و بارگمن (1966) و جارزكاگ (1984) به سبب تاكيد بر آزمون فرضيه، به عنوان روشهاي تحليل عاملي تاييدي طبقه بندي مي شود. هر چند توليد فرضيه هايي كه بايد آزمون شود اغلب دشوار است، اما اين روشها به وضوح بر تحليل عامل اكتشافي به سبب توسعه و آزمون تئوري مزيت دارد.

البته براي تدوين چنين فرضيه هايي مي توان ابتدا تحليل عاملي اكتشافي را اجرا كرد و سپس اين فرضيه ها را از طريق تحليل عاملي تاييدي آزمود.

 

درك مفهومي تحليل عاملي و كاربرد آن

بنا بر آنچه گفته شد، تحليل عاملي تكنيكي است كه كاهش تعداد زيادي از متغيرهاي وابسته به هم را به صورت تعداد كوچكتري از ابعاد پنهان يا مكنون امكان پذير مي سازد. هدف عمده آن رعايت اصل اقتصاد و صرفه جويي از طريق كاربرد كوچكترين مفاهيم تبيين كننده به منظور تبيين بيشينه مقدار واريانس مشترك در ماتريس همبستگي است. مفروضه اساسي تحليل عاملي اين است كه عامل هاي زيربنايي متغيرها را مي توان براي تبيين پديده هاي پيچيده به كار برد و همبستگي هاي مشاهده شده بين متغيرها حاصل اشتراك آنها در اين عامل ها است. هدف تحليل عاملي تشخيص اين عامل هاي مشاهده ناپذير بر پايه مجموعه اي از متغيرهاي مشاهده پذير است. عامل، متغير جديدي است كه از طريق تركيب خطي نمره هاي اصلي متغيرهاي مشاهده شده بر پايه فرمول زير برآورد مي شود :

Fj=∑WjiXi=Wj1X1+Wj2X2+…+WjpXp

كه در آن W ها بيانگر ضرايب نمره عاملي و P معرف تعداد متغيرها است. اين عامل ها، في نفسه، سازه هاي فرضي يا نظري هستند كه به تفسير ثبات و هماهنگي در مجموعه داده ها كمك مي كنند. بنابراين ارزش تحليل عاملي اين است كه طرح سازماني مفيدي به دست مي دهد كه مي توان آن را براي تفسير انبوهي از رفتار با بيشترين صرفه جويي در سازه هاي تبيين كننده، به كار برد.

اميد اين است كه تعداد كمي از اين عامل ها (يعني تركيب هاي خطي نمره هاي اصلي متغيرهاي مشاهده شده) بتواند تقريبا همه اطلاعاتي را كه توسط مجموعه بزرگتري از متغيرها به دست مي آيد در برگرفته در نتيجه توصيف ويژگي هاي فرد را ساده سازد. از اين گذشته اميدوار هستيم كه با توسعه صحيح عامل ها، متغيرهايي به وجود آوريم كه دلالت بر يك سازه روشن و با معناي روان شناختي داشته باشد به گونه اي كه توصيف ما از شخص نه فقط ساده تر، بلكه روشن تر و قاطع تر باشد.

 

چرخش عامل ها

چرخاندن عامل ها، بارهاي عاملي و به همين ترتيب معناي آن ها را تغيير مي دهد، اما راه حل هاي مختلف تحليل عاملي از لحاظ رياضي در مقدار واريانسي كه در هر متغير و بنابراين در كل ماتريس تبيين مي كنند معادل هستند. بعلاوه، عامل هاي چرخش يافته، همبستگي هاي اوليه را دقيق تر از راه حل چرخش نيافته باز پديد مي آورد.

با وجود اين آشكار است كه عامل هاي چرخش يافته ممكن است هر وضعيتي را در فضاي عاملي اشغال كنند و از اين رو، عملا بي نهايت راه حل وجود دارد. از آنجا كه اين راه حل ها از لحاظ رياضي معادل هستند، هيچ دليل رياضي جهت رجحان يكي بر ديگري وجود ندارد و دقيقا به اين دليل است كه نبايد نتايج حاصل از اولين تلخيص را، با هر روشي كه باشد، به عنوان راه حل نهايي تلقي كرد. از اين رو، لازم است كه چگونگي انتخاب يك راه حل از ميان آرايه اي از چرخشهاي ممكن مورد بحث قرار گيرد.

چرخش هاي نموداري. در واقع هنگامي كه تحليل عاملي به تازگي باب شده بود، عامل ها به صورت نموداري چرخش داده مي شدند. اما زماني كه عوامل زيادي در دست است، انجام اين كار فرآيندي خسته كننده و طولاني است. به همين دليل، براي چرخش عامل ها روش هاي تحليل رياضي به وجود آمده و در اين روش ها، محاسبات به وسيله رايانه انجام مي گيرد.

چرخش هاي متعامد. در چرخش هاي متعامد عوامل طوري چرخانده مي شوند كه نسبت به هم هميشه يك زاويه قائمه داشته باشند. اين بدان معنا است كه عامل ها ناهمبسته هستند (cos 90=0). همانطور كه كتل (1978) استدلال كرده، در جستجوي عامل هايي كه براي فهم پديده هاي رواني، ابعاد اساسي هستند، بعيد است كه عامل ها ناهمبسته باشند. براي مثال در شخصيت كه تبيين كننده هاي محيطي- ژنتيكي بر آن موثرند، يافتن عامل هاي متعامد بسيار عجيب خواهد بود.

چرخش هاي متمايل. در چرخش هاي متمايل، محورهاي عاملي مي توانند هر وضعيتي را در فضاي عاملي داشته باشند و علت نامگذاري اين چرخش ها نيز همين مساله است. كسينوس زاويه بين محورهاي عاملي نشان دهنده همبستگي بين آن ها است. چرخش متمايل عامل ها، در مقايسه با چرخش متعامد كه محدوديت ناشي از متعامد بودن وجود دارد، آزادي بيشتري در انتخاب وضعيت عامل ها در فضاي عاملي وجود دارد.

 

منبع : وبلاگ پژوهش هاي آماري

 

 

نوشته شده توسط ظفر سهرابي نيا در یکشنبه بیست و هفتم بهمن 1387 ساعت 15:51 موضوع | لینک ثابت

نمونه گیری خوشه ای

نمونه گیری خوشه ای شامل تشکیل گروه ها یا خوشه هائی مناسب از واحدهای نمونه گیری و سپس انجام آمارگیری ازتمام یا بخشی از واحدهای خوشه انتخاب شده می باشد. هنگامی از این نوع نمونه گیری استفاده می شود که جامعه مورد پژوهش ازدسته های جداگانه ای تشکیل شود و عناصر آن جامعه در این دسته ها توزیع شده باشد. علاوه بر این اگر هزینه بدست آوردن چهارچوبی که نام همه عناصر جامعه را در بر داشته باشد سنگین یا هزینه گردآوری مشاهدات و داده های پژوهش زیاد باشد، می توان ازنمونه برداری خوشه ای ا ستفاده کرد که از نمونه برداری ساده یا طبقه ای به مراتب سهل الوصول تر و ارزانترخواهد بود. بنابراین منطق اساسی نمونه گیری خوشه ای درحقیقت، رعایت اصل اقتصاد و راحتی اجرای آن می باشد.

مزایای نمونه گیری خوشه ای از نظر هزینه آماری به مقدار زیادی وابسته به این حقیقت است که گردآوری اطلاعات از واحدهای نزدیک به هم آسانتر، سریع تر، ارزانتر و بالاخره راحت تر از جمع آوری اطلاعات از واحدهائی می باشد که در تمام حوزه آمارگیری یک بررسی قرارگرفته اند. برای مثال بسیار ساده تر است که تمام کشاورزان واقع در یک روستا را آمارگیری کنیم تا همین تعداد کشاورز نمونه را بصورت تصادفی از بین تمام کشاورزان یک دهستان انتخاب کنیم. به علت آسانی عملیات میدانی و کم شدن هزینه آمارگیری، نمونه گیری خوشه ای در بسیاری از آمارگیری ها بکار برده می شود و بطورکلی برای یک نمونه با حجم معین سودبخشی نمونه گیری خوشه ای در مقایسه با نمونه گیری پراکنده واحدهائیکه ازجامعه بصورت واحد به واحد انتخاب می شود کمتراست. علت آن واریانس نمونه گیری است. زیرا درانتخاب اخیر امکان برگزیدن واحد ها به طور جزئی ازتمام قسمت جامعه وجود دارد. بهترین نمونه ي خوشه ای نمونه ای است که واحد های خوشه در بین خود تا سرحد امکان با یکدیگر متفاوت باشند. (یعنی واریانس داخل خوشه حداکثر باشد). درعمل منظور از نمونه گیری خوشه ای آن است که ازواحدهای نزدیک به هم جامعه و یا واحدهائی که بتوان آنها را براحتی با یکدیگر نمونه گیری نمود، خوشه هائی تشکیل داد و ازبین خوشه های تشکیل شده نمونه ای انتخاب کرد.

نمونه گیری خوشه ای دو مرحله ای  :

موقعیکه خوشه ها بزرگند، شمارش آنها بطور کامل مشکل است. درعین حال نیازی نیست تا اطلاعات مربوط به هر عضو خوشه های نمونه جمع آوری شود. می توان بعداً نمونه ای ازهریک ازخوشه های منتخب انتخاب کرد. این روش، نمونه گیری از نمونه یا نمونه گیری دومرحله ای نامیده می شود. بنابراین یک نمونه گیری خوشه ای دومرحله ای ابتدا بوسیله انتخاب یک نمونه ی احتمالی از خوشه ها و سپس اخذ یک نمونه احتمالی از اعضای خوشه ی نمونه (یک نمونه ازهرخوشه ی منتخب) حاصل می شود. در هر مرحله، نمونه گیری از نوع تصادفی ساده خواهد بود مثلاً می توان چند آبادی را به عنوان نمونه به منظور یک بررسی کشاورزی انتخاب کرد. سپس نمونه ای از مزارع داخل این آبادی ها انتخاب کرد. آبادیها واحد های نمونه گیری اولیه هستند و مزارع واحدهای مرحله دوم هستند. مزیت اصلی این روش آن است که چارچوبی که بایستی فراهم آورد، تنها برای واحدهایی است که در نمونه قرار دارند و آمارگیری ارزانترتمام می شود، زیرا بررسی بایستی تنها درمورد واحدهای مرحله اول نمونه گیری به عمل آید. نظارت برآمارگیری نیز موقعی که نمونه گیری تنها به چند خوشه محدود شود نسبتاً آسان است.

نمونه گیری خوشه ای چند مرحله ای  :

اصول نمونه گیری خوشه ای چندمرحله ای را می توان در هر زمینه دیگری که چهارچوب نمونه گیری به سهولت به دست نمی آید بکاربرد. به عنوان مثال در پیمایش کشاورزان یک استان می توان با نمونه گیری از شهرستان های استان شروع کرد و سپس از دهستان های هر شهرستان منتخب نمونه گیری کرد. در داخل هر دهستان می توان فهرستی از آبادی ها تهیه و از آن فهرست نمونه گیری کرد. برای هریک از آبادی های انتخاب شده نیز می توان فهرستی از کشاورزان ساکن بدست آورده و نمونه ای از آنها برگزید.دراین تکنیک کشاورزان نمونه نهایی متضمن انتخاب چند نمونه مختلف است و به گونه ای انجام می شود که هزینه نهایی پیمایش به حداقل برسد. نتیجه ی این روش نمونه گیری تمرکز مصاحبه در چند نقطه جغرافیایی وکاهش هزینه رفت وآمداست. نکته ی اصلی در نمونه گیری چند مرحله ای تعداد خوشه هایی است که در هر مرحله باید نمونه گیری شوند. با توجه به حجم نمونه ی نهایی رابطه ی مستقیمی بین تعداد خوشه های منتخب و تعداد واحدهایی که متعاقباً ازهریک از آنها انتخاب می شود وجود دارد. اصل کلی، به حداکثر رساندن خوشه های اولیه منتخب و متعاقباً انتخاب تعداد نسبتاً معدودی افراد یا واحد ازهرخوشه منتخب است.  مسئله در اینجاست که با افزایش تعداد خوشه های اولیه منتخب، هزینه ی رفت وآمدهای بعدی نیز بالا می رود.

 

منبع : http://www.fargasht.com

 

نوشته شده توسط ظفر سهرابي نيا در یکشنبه بیست و هفتم بهمن 1387 ساعت 15:48 موضوع | لینک ثابت

سلام

تو این پست میخوام یه سری سایت مفید مرتبط با آمار را براتون قرار بدم. امیدوارم به دردتون بخوره!

جامعه ی آمار

اطلاعاتی درمورد جمعیت جهان

طلاعاتی مربوط به آمار

مفاهیم مهم

شرکت مشاور خدمات آماری

آنالیزهای آماری

آنالیز اطلاعات آماری

منبع اطلاعاتی برای آمارشناسان

اطلاعات آماری

حل مشکلات آمار

تحقیقات آماری

جلوه‌ی ویژه‌ای از علم آمار

کتابخانه آماری

طراحی‌های آماری

سایت جهانی آمار

راه‌حل‌های آماری

آنالیز اطلاعات

آزمایشگاه آمار دربخش ریاضیات دانشگاه کمبریج

مطالعات آمار‌ی

خدماتی در زمینه‌ی آمار

پژوهشکده آمار

 

نوشته شده توسط ظفر سهرابي نيا در یکشنبه بیست و هفتم بهمن 1387 ساعت 15:41 موضوع | لینک ثابت

اهمیت و ضرورت نمونه گیری

پس از انتخاب موضوع تحقیق و بیان مسئله٬ یکی از تصمیمیات مهمی که در پیش روی هر پژوهشگری قرار دارد انتخاب نمونه است٬ نمونه ای که باید نماینده جامعه ای باشد که پژوهشگر قصد تعمیم یافته های تحقیق خود به آن جامعه را دارد.

اگر محقق پژوهش خود را بر تمامی افراد جامعه اجرا کند روش او سرشماری خواهد بود یعنی محقق باید تمامی افراد جامعه را تک تک مورد برسی و آزمون قرار دهد.

اما چون اکثر پژوهشگران توان و زمان اجرای پژوهش بر کل جامعه را ندارند به همین دلیل پژوهش خود را محدود به نمونه کوچکی می سازند.

تعریف جامعه

"جامعه عبارت است از مجموعه ای از افراد یا واحدها که دارای حداقل یک صفت مشترک باشند و تعریف جامعه آماری باید جامع و كامل باشد"

تعریف نمونه گیری

انتخاب تعدادی از افراد٬ حوادث٬ و اشیاء از یک جامعه تعریف شده به عنوان نماینده آن جامعه .

اولین قدم در نمونه گیری تعریف جامعه مورد نظر است و هدف نوعی نمونه گیری است که تمام افراد جامعه جهت انتخاب شدن شانس برابر داشته باشند.

دلایل استفاده از نمونه گیری

1.      جلوگیری از اتلاف وقت محقق

2.      صرفه جویی در منابع مالی و هزینه

تعیین حجم نمونه

هر چه حجم یا اندازه نمونه بزرگتر باشد میزان اشتباهات در نتیجه گیری کم میشود و بر عکس هر چه تعداد نمونه محدود باشد مقدار اشتباهات زیادتر است٬ بنابر این زمانی که محقق سطح بالاتری از اطمینان یا معنی دار بودن آماری را ملاک ارزیابی اطلاعات تحقیق خود قرار میدهد لازم است حجم نمونه او بزرگتر انتخاب شود.

لذا اگر هر عضو در جامعه مادر دقیقا مشابه عضو دیگر باشد آنگاه انتخاب نمونه ای با حجم یک عضو هم کافی است. حجم نمونه باید به اندازه ای باشد که نتایج حاصل عینا با نتایج همان مطالعه در جامعه ای که نمونه از آن انتخاب شده است برابر باشد.

در شرایط ذیل انتخاب نمونه با اندازه بزرگ ضروری است :

1.      زمانی که در تحقیق متغیرهای کنترل نشده زیادی وجود دارند.

2.      هنگامیکه پیش بینی تفاوت یا همبستگی پایین است. در تحقیقاتی که انتظار داریم برای گروههای مختلف تفاوت اندکی در متغیر وابسته بدست آوریم٬ یا در مطالعاتی که به منظور تعیین ارتباط صورت می گیرند و همبستگی پایین مورد انتظار است.

3.      زمانی که گروههای انتخاب شده باید به زیر گروههای دیگری تقسیم شوند.

4.      زمانی که جامعه مورد نظر بر اساس متغیر های مورد مطالعه نامتجانس است. اگر کاملا شبیه هم باشند انتخاب نمونه ای با حجم یک نفر کافی است.

5.      زمانی که وسیله پایایی برای اندازه گیری متغیر وابسته وجود ندارد. پایایی ابزار اندازه گیری بدان معنا است که هر گاه این ابزار در شرایط و زمانهای مختلف بکار رود٬ آزمودنی های یکسان دارای نمره های مشابهی گردند.

اشتباهات نمونه گیری :

اشتباهات نمونه گیری از جمله عواملی هستند که ممکن است هر پژوهشگری در روند تحقیق خود مرتکب آن شود و به دو دسته زیر تقسیم میشوند : 

1.      اشتباهات نمونه گیری

2.      اشتباهات غیر نمونه گیری

اشتباهات نمونه گیری :

1.      اشتباه ناشی از در دست نبودن فهرست کامل افراد جامعه

2.      اشتباه ناشی از انتخاب معدودی از افراد جامعه

3.      اشتباه ناشي از تحلیل آماری نامناسب

اشتباهات غیر نمونه گیری :

1.      اشتباه ناشی از عدم مشاهده افراد مورد مطالعه که به دو دسته تقسیم میشوند : عدم پوشش و عدم پاسخ.

2.      اشتباه ناشی از مشاهده نا دقیق که به سه دسته تقسیم میشوند : ابزار نادقیق٬ ثبت نادقیق داده ها و استخراج نامناسب.

ارتباط حجم نمونه با فرضیه پوچ (صفر يا آماری) :

همانطوریکه گفته شد حجم نمونه را باید تا حد امکان بزرگ انتخاب کرد زیرا حجم نمونه ارتباط بسیار نزدیکی با آزمون فرضیه پوچ در تحقیق دارد٬ بدین ترتیب که هر چه اندازه گروه نمونه بزرگتر انتخاب شود محقق با قاطعیت بیشتری فرض پوچ را که واقعا نادرست است رد میکند.

فرضیه پوچ٬ صفر یا آماری هدفی جزء رد تحقیق ندارد این فرض صریحا منکر وجود تفاوت یا رابطه و یا اثر بین دو یا چند متغیر است. به سخن دیگر این فرض گویای آن است که هر نوع تفاوت٬ رابطه یا اثر صرفا نتیجه وقایع اتفاقی یا خطاها و اشتباهات آماری و نمونه گیری است٬ به همین جهت محقق به آزمایش و آزمون این فرض می پردازد.

خطای نمونه گیری

بین ویژگیهای یک نمونه و ویژگی های جامعه ای که نمونه از آن انتخاب میشود تفاوت وجود دارد. این تفاوت برای نمونه تصادفی قابل برآورد است و به آن خطای نمونه گیری گفته می شود.

خطای نمونه گیری تابع اندازه حجم نمونه است هر چه اندازه نمونه کوچکتر باشد خطای نمونه گیری زیاد است.

انواع نمونه گیری :

شیوه های نمونه گیری مرسوم و متداول در اصل به دو بخش تقسیم میشوند :

1.      نمونه گیری سهمیه ای

2.      نمونه گیری اتفاقی یا احتمالی

نمونه گیری سهمیه ای : اگر اعضای طبقه یک گروه بیشتر باشد پس در نمونه نیز تعدادشان بیشتر خواهد بود. از این شیوه وقتی استفاده می شود که اولا هدف تحقیق کمتر جنبه علمی داشته باشد ثانیا ساخت جامعه مورد مطالعه مشخص باشد. نمونه گیری سهمیه ای شرط قابلیت تعمیم را به اندازه لازم دارا نیست.

نمونه گیری اتفاقی یا احتمالی : در این نوع نمونه گیری که گاه نمونه گیری تصادفی نیز خوانده می شود انتخاب افراد بر اساس ضابطه کنترل شده ای نیست و متکی به اصل "مشت نمونه خروار است" میباشد.

نمونه گیری اتفاقی خود دارای انواع گوناگون می باشد که محققین در شرایط خاص تحقیق خود آنها را ابداع کرده و به کار بسته اند که به شرح ذیل می باشند :

1- نمونه گیری تصادفی ساده

در این نوع نمونه گیری هر یک از اعضای جامعه تعریف شده شانس برابر و مستقلی برای قرار گرفتن در نمونه دارند٬ منظور از مستقل بودن این است که انتخاب یک عضو به هیچ شکل در انتخاب سایر اعضای جامعه تاثیری ندارد. در این روش ابتدا فهرست اسامی تمامی اعضا را به دست آورده٬ سپس به هر یک از آنها نمره ای اختصاص می دهیم و با استفاده از جدول اعداد تصادفی تعداد مورد نیاز را انتخاب می کنیم.

اگر جامعه مورد مطالعه کوچک باشد از روش قرعه کشی استفاده می شود٬ یعنی اسامی افراد را بر روی یک تکه کاغذ نوشته و در داخل کیسه قرار می دهیم٬ سپس کاغذ ها را به طور تک تک خارج می کنیم تا زمانیکه حجم نمونه مورد نظر کامل شود.

نمونه گیری به روش تصادفی شانس نماینده بودن نمونه را افزایش می دهد.

2- نمونه گیری منظم یا سیستماتیک 

همانند نمونه گیری تصادفی ساده٬ نمونه گیری منظم نیز برای انتخاب یک نمونه از یک جامعه تعریف شده به کار می رود.

از این روش زمانی استفاده می شود که تمام اعضای جامعه تعریف شده قبلا به صورت تصادفی فهرست شده باشند. به عنوان مثال صد نفر  دانش آموز از یک جامعه هزار نفری که قبلا فهرست شده اند انتخاب می کنیم٬ برای این منظور ابتدا تعداد اعضای جامعه را به تعداد اعضای نمونه مورد نیاز تقسیم می کنیم.۱۰=۱۰۰/۱۰۰۰ سپس یک عدد تصادفی چنان انتخاب می کنیم که کوچکتر یا مساوی فاصله نمونه گیری باشد. به عنوان مثال ما عدد ۶ را انتخاب می کنیم ٬ بدین ترتیب افرادی را که در فهرست جامعه شماره های آنها به ترتیب شماره های ۶و۱۶و۲۶و۳۶و۴۶و... است انتخاب میکنیم و این را تا انتخاب ۱۰۰ نفر ادامه می دهیم.

این روش آسانتر از روش نمونه گیری تصادفی ساده است و تفاوت آن با روش نمونه گیری ساده در این است که در این روش انتخاب هر عضو مستقل از انتخاب سایر اعضاء جامعه نیست. هنگامیکه اولین عضو انتخاب شد بقیه اعضای نمونه مورد نظر به صورت خودکار تعیین می شوند.

اگر افراد جامعه به صورت تصادفی فهرست شده باشند می توان نمونه گیری منظم را به جای نمونه گیری تصادفی ساده به کار برد. اما در صورتیکه افراد جامعه با توجه به یک نظم معین بر اساس ویژگی یا ویژگی هایی فهرست شده باشند باید از نمونه گیری تصادفی ساده استفاده کرد.

۳- نمونه گیری طبقه ای

در این روش محقق مایل است نمونه تحقیقی را به گونه ای انتخاب کند که مطمئن شود زیر گروه ها با همان نسبتی که در جامعه وجود دارند به عنوان نماینده جامعه٬ در نمونه نیز حضور داشته باشند. این نوع نمونه گیری وقتی بکار می رود که جامعه دارای ساخت همگن و متجانس نیست. یعنی در این روش درصد آزمودنی هایی که به صورت تصادفی از هر گروه انتخاب می شوند با درصد همان گروه در جامعه مورد نظر برابر است. بنابر این اگر یک گروه به طور مثال ۸ درصد از جامعه را تشکیل می دهند همین گروه ۸ درصد از نمونه را نیز تشکیل خواهند داد.

این روش در مطالعه هایی که محقق قصد مقایسه زیر گروه های مختلفی را داشته باشد مناسب است٬ اگر در چنین شرایطی از این روش استفاده نشود هر گونه تجزیه و تحلیل اطلاعات جمع آوری شده از نمونه نامناسب و موجب نتیجه گیری غلط خواهد بود.

مثال : دانش آموزان (عالی ـ متوسط ـ ضعیف) یا اعضای یک دانشگاه (استاد ـ دانشجو ـ کارمند ـ کارگر).

به طور خلاصه در این روش محقق مطمئن است که نمونه انتخاب شده بر اساس ویژگی ها و عواملی که اساس آن طبقه بندی بوده اند٬ نماینده واقعی جامعه مورد نظر است.

۴- نمونه گیری خوشه ای

در نمونه گیری خوشه ای واحد اندازه گیری فرد نیست٬ بلکه گروهی از افراد هستند که به صورت طبیعی شکل گرفته و گروه خود را تشکیل داده اند. این روش وقتی به کار می رود که فهرست کامل افراد جامعه در دسترس نباشد. به این منظور افراد را در دسته هایی خوشه بندی می کنند سپس از میان خوشه ها نمونه گیری به عمل می آورند و زمانی به کار می رود که انتخاب گروهی از افراد امکانپذیر و آسانتر از انتخاب افراد در یک جامعه تعریف شده باشد.

به عنوان مثال فرض می کنیم جامعه مورد نظر و تعریف شده ما عبارت است از کلیه افراد یک شهر که بیشتر از ۱۸ سال سن دارند. در این جامعه نمونه گیری تصادفی ساده و نمونمه گیری منظم زمانی میسر است که فهرست کامل تمام افراد یک شهر را با سن آنها در دست داشته باشیم٬ در غیر اینصورت به جای انتخاب فرد به عنوان واحد نمونه گیری٬ منطقه را واحد نمونه گیری قرار می دهیم و سپس به روش نمونه گیری تصادفی ساده از بین مناطق٬ منطقه یا مناطق مورد نظر را انتخاب می کنیم.

۵- نمونه گیری خوشه ای چند مرحله ای

این روش نوع دیگری از نمونه گیری خوشه ای است. زمانی که منطقه به صورت تصادفی انتخاب شد٬ می توان نمونه گیری را در داخل منطقه نیز ادامه داد. به عنوان مثال مطالعه کننده ممکن است آدرس کلیه افرادی را که در یک منطقه زندگی می کنند داشته باشد بنابراین از بین این افراد٬ ۱۰ نفر را به صورت تصادفی انتخاب می کند. در روش نمونه گیری خوشه ای چند مرحله ای فهرست نمونه گیری دوبار و در بعضی مواقع بیش از دو بار تهیه می شود.

نمونه گیری خوشه ای برخی از مواقع در تحقیقات آموزشی به کار می رود در این نوع تحقیقات از کلاس به عنوان واحد نمونه گیری استفاده می شود.

از مزیت های عمده نمونه گیری خوشه ای جلوگیری از اتلاف وقت و صرفه جویی در منابع مالی است.

از معایب آن هم اینکه :

1.      دقت آن از نمونه گیری تصادفی ساده کمتر است زیرا در نمونه گیری تصادفی ساده فقط یک اشتباه وجود دارد در صورتیکه در نمونه گیری خوشه ای در هر مرحله یک اشتباه نمونه گیری وجود خواهد داشت یعنی به تعداد مراحل خطای نمونه گیری وجود دارد.

2.      برای داده های جمع آوری شده از این نوع نمونه گیری فرمول آسانی را نمی توان به کار برد. زیرا بکار بردن یک نوع ابزار آماری در جامعه های مختلف دقت آن را کاهش می دهد.

در پایان شایان ذکر است در برخی مواقع در صورتی که ایجاب کند انواع مختلف نمونه گیری کم و بیش در هم آمیخته شده و مورد استفاده قرار می گیرد.

فهرست منابع :

روشهای تحقیق و چگونگی ارزشیابی آن در علوم انسانی/ تالیف دکتر عزت ا... نادری و دکتر مریم سیف نراقی.

مبانی نظری و عملی پژوهش در علوم انسانی/ تالیف دکتر علی دلاور.

کند و کاوها و پنداشته ها/ تالیف دکتر فرامرز رفیع پور.

روشهای تحقیق در علوم رفتاری/ تالیف جمعی از نویسندگان (دکتر زهره سرمد٬ دکتر عباس بازرگان٬ دکتر الهه حجازی).

تست های کارشناسی ارشد علوم اجتماعی.

 

 

نوشته شده توسط ظفر سهرابي نيا در سه شنبه هفتم خرداد 1387 ساعت 10:51 موضوع | لینک ثابت

روش هاي چند متغيري پيوسته

پژوهشگران علوم پایه و علوم انسانی، معمولاً مقادیر چندین متغیر را اندازه گیری می کنند. روش های آماری  که برای بیان و تحلیل داده های چند متغیری ) مقادیر اندازه گیری شده  هم زمان چند متغیر) به کار می روند را تحلیل چند متغیری  می نامیم.

مؤلفه های اصلی

در تحلیل چند متغیره، بزرگ بودن بُعد بردار تصادفی X، اغلب در به دست آوردن روش های آماری مناسب برای نمونه تصادفی موجب مشکلاتی می گردد. حال می خواهیم با از دست دادن حداقل اطلاعات، بُعد مشاهدات را تا حد قابل ملاحظه ای تقلیل دهیم.

این تفکر از آنجا ناشی می گردد که در مراحل اولیه تحقیق، توجه به سوی متغیرهایی متمرکز است که از یک مشاهده به مشاهده دیگر بیشترین تغییرات را نشان می دهند.  متغیرهایی که از یک مشاهده به مشاهده دیگر زیاد عوض نمی شوند را می توان به عنوان ثابت ها در نظرگرفت، با کنار گذاشتن متغیرهایی با واریانس پائین و توجه به متغیرهایی با واریانس بالا،  می توانیم به راحتی مساله خود را در یک زیر فضایی با بُعد کمتر مورد مطالعه قرار دهیم.

روش مؤلفه های اصلی را ابتدا کارل پیرسن(1971) برای متغیرهای غیرآماری پیشنهاد کرد. در اکثر موارد یک تحلیل از مؤلفه های اصلی، ارتباط هایی که قبلاً حدس زده شده را آشکـــار می سازد. تحلیل مؤلفه های اصلی در بیان های دیگر در مباحث رگرسیون چند متغیره، آنـالیز گروه بندی و تجزیه عاملی نیز به کار گرفته می شود.

تحلیل مؤلفه های اصلی به ساختمان ماتریس کوواریانس به وسیله چند ترکیب خطی از متغیرهای اولیه، مربوط است. دو هدف عمده دراینجا پیگیری می شود.

1- فشرده کردن داده   2- تفسیر اطلاعات.

با اینکه p مولفه ی اولیه در تغییرپذیری کل سیستم لازم است، اکثر اوقات این تغییرپذیری می تواند به وسیله تعداد کمتر k از مولفه های اصلی بیان شود.

تحلیل مؤلفه های اصلی وسیله ای برای رسیدن به هدف هستند تا اینکه خودشان هدف باشند، زیرا اغلب آنها به عنوان مراحل میانی در وضعیت های بزرگتر به کار می آیند.

تحلیل عاملی

یک شیوه آماری که می تواند جهت تحلیل روابط متقابل میان گروه بزرگی از متغیــرها و برای توصیف این متغیرها براساس ابعاد مشترک پنهان میان عوامل به کار رود، تجزیه عاملی است.

این شیوه آماری به یافتن راهی جهت تلخیص اطلاعات موجود در تعدادی متغیرهای اصلی می پردازد و آنها را به یک سری عامل های کوچکتر با کمترین میزان ریزش اطلاعات تبدیل  می کند.

تجزیه عاملی بر مبنای همبستگی در توزیع، یک بردار تصادفی  X=[x₁,x₂,x₃,…,x_p]را بر حسب کمترین تعداد متغیرهای تصادفی غیرقابل مشاهده به نام عامل ها توجیه می کند. در این روش هر مؤلفه X_i مورد بررسی قرار می گیرد تا معلوم شود آیا می توان آن را بوسیله یک تابع خطی شامل مینیمم تعداد متغیرهای تصادفی غیرقابل مشاهده (که ساختار کوواریانس ظاهر می شوند) و یک متغیر دیگر ( که واریانس مؤلفه X_i را توجیه می کند) تولید کرد یا خیر؟

مراحل اجرای تحلیل عاملی عبارتند از :

1- جمع آوری داده ها و ایجاد ماتریس همبستگی

2- استخراج راه حل عاملی اولیه

3- چرخش دورانی و تفسیر

4- ساخت مقیاس ها با امتیازات عاملی برای استفاده در تحلیل های بعدی

--------

منابع : تحلیل آماری چند متغیری کاربردی/جانسون، ویچرن؛ ترجمه : حسینعلی نیرومند. دانشگاه فردوسی مشهد، 1378

 

نوشته شده توسط ظفر سهرابي نيا در سه شنبه هفتم خرداد 1387 ساعت 9:52 موضوع | لینک ثابت

رشته آمار

رشته آمار روش های جدید و اصول اساسی آمارگیری را مورد بحث و مطالعه قرار می دهد. از دوران دبستان که به اردو رفته اید با این کلمه که می خواهیم آمار بگیریم همه جمع شوند آشنا شده اید. آمار بیانگر کمیت است برای برنامه ریزی کیفی و با کیفیت، امروزه نقش آمار در برنامه ریزی آنقدر مهم است که بسیاری از امور متوقف می شوند تا آمار آن بدست آید.

روش های آمارگیری متنوع و ارائه آن ها به صورت های متعددی گسترش یافته. در کشور ما آنچه رو به پیشرفت است توجه به آمار است و آنچه هنوز به آن دست نیافته ایم آمارهای قطعی، واحد و قابل استناد است به هر حال رشته آمار که مرکز جذب فارغ التحصیلانش مرکز آمار ایران است در حوزه های مختلف با فاکتورها و سوالات متفاوت نحوه آمارگیری علمی را آموزش می دهد.

صنعت و بازار کار

دانشجویانی که این دوره آموزشی را طی می‌کنند پس از فراغت از تحصیل توانایی‌های زیر را دارند :

·         کلیه دروس آمار، احتمال، دوره ریاضی متوسطه آموزش عمومی را تدریس نمایند.

·         توانایی ادامه تحصیل را داشته و بتوانند با رعایت دیگر ضوابط گزینش وارد دوره کارشناسی ارشد و رشته‌های بالاتر تخصصی گردند.

·         توانایی تجزیه و تحلیل آماری مسائل اقتصادی و صنعتی را دارا میباشند. در برنامه‌ریزی صحیح علمی و حل مسائل مربوط به آنها توانایی دارند.

·         آمادگی برای برخورد با مسائل خاص آماری و حل مشکلات ناشی از آنها را دارا میباشند.

اهمیت این دوره جهت تربیت افراد آزموده برای سازمان هایی از قبیل برنامه و بودجه مرکز ایران و مراکز صنعتی و پزشکی و غیره که در جهت استقلال اقتصادی و خود کفایی صنعتی جامعه اسلامی ضرورت دارد بیش از پیش احساس می‌شود.

تذکر:

تطبیق دانشجویان فعلی دوره کارشناسی آمار می‌توانند با برنامه قبلی مانده واحدهای درسی خود را بگذرانند و فارغ‌التحصیل شوند ولی اگر شورای آموزشی موسسه مربوطه موافق باشند این دانشجویان می‌توانند توسط موسسه مربوطه دروس گذارنده خود را با برنامه جدید انطباق داده و بر طبق برنامه جدید ادامه تحصیل دهند.

 

 

نوشته شده توسط ظفر سهرابي نيا در سه شنبه هفتم خرداد 1387 ساعت 9:50 موضوع | لینک ثابت

به نام يگانه ايزد هستي

بالاخره تمام شد.

دو ماه بي خوابي و در به در دنبال مطلب دويدن و طراحي پوستر و با مسئولين سر و كله زدن و ... و بالاخره ديروز در تاريخ بيست و يكم ارديبهشت 87 رأس ساعت 13 اولين نمايشگاه انجمن علمي آمار در سطح دانشگاه لرستان افتتاح شد.

«حالا اين نمايشگاه ما چي هست؟»

اين سواليه كه اين مدت بارها شنيديم و هر بار كه مي شنيديم باعث مي شد كه بيشتر به اين حقيقت كه «آمار در جامعة ما ناشناخته  مانده است»‌ ايمان بياوريم. حقيقت اينه كه مردم ما با شنيدن نام آمار فوراً ياد درصد و تعداد و نهايتاً سرشماري و نظرسنجي مي افتند. ما نيز در اين نمايشگاه سعي كرديم به اين ذهنيت مردم احترام بگذاريم و با توجه به اينكه آمار علمي است كه به بيان حقايق مي پردازد، واقيعتهايي كه در جامعه وجود دارد را به صورت داده و ارقام و در قالب پوستر ارائه كنيم. همچنين براي معرفي بيشتر علم آمار يك سري بروشور در اين نمايشگاه ارائه مي شود.

امروز پوسترهاي اين نمايشگاه را ارائه مي دهيم و در روزهاي بعد نيز مي توانيد بروشورهاي نمايشگاه را از همين وبلاگ دانلود كنيد. اخبارهاي بعدي اين نمايشگاه نيز در روزهاي بعد در همين وبلاگ ارائه مي شود.

 

پوسترهای نمایشگاه

 

نوشته شده توسط ظفر سهرابي نيا در یکشنبه بیست و دوم اردیبهشت 1387 ساعت 15:17 موضوع | لینک ثابت

تاريخچه رشد علم آمار

منشا ظهور آمار به صورت توصيف اطلاعات را مي توان سرشماريهايي كه حدود 4000 سال قبل از ميلاد مسيح توسط بابلي ها و مصري ها و بعداُ توسط امپراتوريهاي روم و ايران درباره اطلاعات مربوط به زاد و ولد و دارائي هاي افراد جامعه زير سلطه خود انجام مي گرفته، به حساب آورد.

در آن زمان بود كه روشهايي براي جمع آوري، تنظيم و تلخيص داده ها ابداع گرديد. در قرن چهاردهم براي محاسبه نرخ بيمه، جمع آوري اطلاعات دربارة تولد و وفات، تصادفات و حوادث رايج گرديد.

در اواسط قرن شانزدهم اولين كتاب احتمال توسط كاردن با عنوان «بازيها و شانس» نوشته شد، او در اين كتاب روشهاي تقلب در بازيهاي قمار را ارائه داد. بعلاوه ، موضوع پيش بيني در نتايج حاصل از انجام ازمايشهارا مطرح نمود. يكي از كارهاي او پيش بيني روز وفات خودش بود كه براي اثبات صحت پيش بيني در آن روز خودكشي نمود. در اواسط قرن هفدهم پاسكال و فرما اولين كساني بودند كه مطالعه احتمال را به طور علمي شروع نمودند. در همين سالها به طور همزمان مطالعات آماري به صورت توصيفي انجام مي گرفت. مثلاً گرونت با مطالعه تعداد متولدين كشف نمود كه تعداد پسرها از دخترها كمي بیشتر است، اما سالهاي اول زندگي تعداد بيشتري از پسرها فوت مي كنند.

استفاده از احتمال در آمار، در اواخر قرن هفدهم شروع شد، كه در اين باره مي توان به مطالعات مندل در مورد قانون وراثت، گالتون در بكارگيري همبستگي و ارتباط بين صفات، و به ويژه فيشر در ابداع روشهاي مختلف استنباط آماري اشاره نمود. از شروع قرن بيستم همه ساله روشهاي متعددي براي جمع آوري، تجزيه و تحليل اطلاعات ارايه گرديده كه هچنان ادامه دارد. امروزه بكارگيري كامپيوتر و استفاده از نرم افزارهاي آماري، در تجزيه و تحليل سريع اطلاعات وسيع با محاسبات پيچيده و در همه زمينه هاي پژوهشي امكان پذير و به عبارتي اجتناب ناپذير گرديده است

 

 

نوشته شده توسط امين روشني در یکشنبه یکم اردیبهشت 1387 ساعت 10:43 موضوع | لینک ثابت