کارگاه آموزش آمار توصیفی به صورت کامل

در این بخش از فروشگاه اینترنتی برنا اندیشان قصد داریم تا یکی دیگر از بهترین و کاربردی ترین کارگاه های روانشناسی با عنوان کارگاه آموزش آمار توصیفی به صورت کامل را برای دانلود در اختیار شما کاربران محترم وب سایت برنا اندیشان و تمامی علاقه مندان به روانشناسی و علوم رفتاری قرار دهیم.

کارگاه آموزش آمار توصیفی به صورت کامل

در کارگاه آموزش آمار توصیفی به صورت کامل به صورت تخصصی با تمامی مباحث موجود در آمار توصیفی آشنا شده و این درس مهم و کاربردی را یاد خواهید گرفت.

موضوع آمار توصیفی (Descriptive statistics) تنظیم و طبقه‌بندی داده‌ها، نمایش ترسیمی، و محاسبهٔ مقادیری از قبیل نما، میانگین، میانه و … می‌باشد که حاکی از مشخصات یکایک اعضای جامعهٔ مورد بحث است. در آمار توصیفی اطلاعات حاصل از یک گروه، همان گروه را توصیف می‌کند و اطلاعات به دست آمده به دسته‌جات مشابه تعمیم داده نمی‌شود.

به‌طور کلی از سه روش در آمار توصیفی برای خلاصه‌سازی داده‌ها استفاده می‌شود:

• استفاده از جداول
• استفاده از نمودار
• محاسبه مقادیری خاص که نشان‌دهنده خصوصیات مهمی از داده‌ها باشند

از نظر تاریخی می‌توان گفت از لحظه ای که شمارش اختراع شد علم آمار نیز گسترش پیدا کرد. آمار توصیفی فقط مختص نمونه است و نمی‌توان از آن برای کل جامعه آماری استفاده کرد.

قبل از آنالیز داده ها باید قدم های مقدماتی مشخصی برداشته شود. یک محقق وقتی با حجمی از اطلاعات کمی گردآوری شده برای تحقیق روبه رو میشود ضروری است به سازماندهی و خلاصه کردن آنها به صورت معنی دار و قابل درک اقدام کند تا نکات پنهان داده ها آشکار شود و قبل از آنکه مستقیما به سراغ آزمون های آماری برود، ابتدا به بررسی اکتشافی داده ها می پردازد.

پیشنهاد ویژه : آموزش کامل روانشناسی کودک و نوجوان

موضوع آمار توصیفی تنظیم و طبقه‌بندی داده‌ها، نمایش ترسیمی، و محاسبه مقادیری از قبیل نما، میانگین، میانه و … می‌باشد که حاکی از مشخصات یکایک اعضای جامعه مورد بحث است. پس روشهای آمار توصیفی به همین منظور استفاده می شود.به‌طور کلی از سه روش در آمار توصیفی برای خلاصه‌سازی داده‌ها استفاده می‌شود: استفاده از جداول، استفاده از نمودار و محاسبه مقادیری خاص که نشان‌دهنده خصوصیات مهمی از داده‌ها باشند.

محاسبه شاخص های مرکزی

در محاسبات آماری لازم است که ویژگیها و موقعیت کلی داده‌ها تعیین شود. برای این منظور شاخصهای مرکزی محاسبه می‌شوند. شاخص های مرکزی در سه نوع نما (Mode) ، میانه (Median) و میانگین (Mean) هستند که هر یک کاربرد خاص خود را دارا می‌باشند. در تحقیقاتی که مقیاس اندازه گیری داده‌ها حداقل فاصله‌ است میانگین بهترین شاخص است. ولی در تحقیقاتی که مقیاس اندازه گیری داده‌ها رتبه‌ای یا اسمی‌ است، میانه یا نما مورد استفاده قرار می‌گیرند.

محاسبه شاخص های پراکندگی

شاخص های پراکندگی برخلاف شاخصهای مرکزی هستند. آنها میزان پراکندگی یا تغییراتی را که در بین داده‌های یک توزیع (نتایج تحقیق) وجود دارد، نشان می‌دهند. دامنه تغییرات ، انحراف چارکی (Quartile Deviation) ، واریانس (Variance) و انحراف استاندارد (Standard Deviation) شاخصهایی هستند که به همین منظور در تحقیقات مورد استفاده قرار می‌گیرند.

رگراسیون و پیش‌بینی

رگراسیون (Regression) روشی برای مطالعه سهم یک یا چند متغیر مستقل در پیش‌بینی متغیر وابسته است. از تحلیل رگراسیون هم در تحقیقات توصیفی (غیر آزمایشی) و هم در تحقیقات آزمایشی می‌توان استفاده کرد. با توجه به نوع تحقیق و متغیرهای آن روش متنوعی برای تحلیل رگراسیون وجود دارد که برخی از آنها عبارتند از: رگراسیون خطی (با سه راهبرد همزمان، گام به گام، سلسله مراتبی)، رگراسیون انحنایی، رگراسیون لوجیستیک و تحلیل کواریانس.

رگرسیون یعنی بازگشت. یعنی پیش‌بینی و بیان تغییرات یک متغیر بر اساس اطلاعات متغیر دیگر.

مثال: رابطه بین قد و وزن انسانها را در نظر بگیرید. همه می‌دانیم که این رابطه یک رابطه مستقیم ریاضی و صد درصدی نیست که لزوماً هر که قد بلندتری داشته باشد وزن بیشتری داشته باشد، اما می‌توان گفت که با احتمال قابل قبولی افراد با قد بلندتر، وزن بیشتری نیز دارند. در اینجا پیش‌بینی وزن از روی قد و بیان ارتباط بین این متغیر با روش آماری رگرسیون خطی صورت می‌پذیرد که این رابطه را به صورت کمی به ما نشان می‌دهد.

رگرسیون را با معادله رگرسیون بیان می‌کنند. در مثال فوق معادله رگرسیون خطی می‌تواند به صورت زیر باشد:

متغیر وزن = متغیر قد * b + a

ترسیم این خط پس از محاسبه ضرایب a و b ما را به خط رگرسیون می‌رساند.