عامل تورم واریانس(VIF)

امتیاز کاربران

ستاره فعالستاره فعالستاره فعالستاره فعالستاره فعال

در آمار، عامل تورم واریانس (variance inflation factor=VIF) شدت همخطی چندگانه را در تحلیل رگرسیون کمترین مربعات معمولی ارزیابی می کند. در واقع یک شاخص معرفی می گردد که بیان میدارد چه مقدار از تغییرات مربوط به ظرایب برآورد شده بابت همخطی افزایش یافته است.شدت همخطی چندگانه  را با بررسی بزرگی مقدار  VIF می توان تحلیل نمود. به عنوان یک قاعده تجربی مقدار VIF بزرگتر از ۵ باشد همخطی  چندگانه بالا میباشد (توجه شود که در برخی موارد عدد ۱۰ نیز به عنوان آستانه معرفی می گردد).

وِیژگی های یک فرضیه خوب

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

در ادامه به بررسی یک فرضیه آماری خوب و مناسب اشاره خواهد شد. 

ویژگی های فرضیه خوب

تا کمن سه ویژگی یا ملاک برای یک فرضیه خوب مطرح می کند که عبارتند از :

  • رابطه بین دو یا چند متغیر را حدس بزند.
  • به صورت یک جمله اخباری ، روشن و بدون ابهام بیان شود.
  • قابل آزمون باشد به این معنی ، که امکان بیان مجدد آن به صورت عملیاتی وجود داشته باشد.

دونالداری و همکارانش پنج ویژگی یا ملاک برای فرضیه نام برده اند :

  • فرضیه باید قدرت تبیین داشته باشد.

فرضیه باید امکان تبیینی را برای آنچه سعی در تبیین آن دارد فراهم کند.

  • فرضیه باید رابطه مورد انتظار ، بین متغیرها را بیان کند.
  • فرضیه باید قابل آزمون باشد.

معنی ساده این ویژگی آن است که فرضیه قابل رسیدگی باشد. به این معنی که فرضیه را می توان از طریق جمع آوری اطلاعات و مشاهده های آزمایشی رد یا تایید و نتیجه ای را از آن استخراج کرد.

  • فرضیه باید با اصول کلی دانش موجود ، هماهنگ باشد.

فرضیه نباید با نظریه ها و قوانینی که قبلا تدوین و بیان شده اند ، مغایر باشند.

  • فرضیه باید تا حد امکان روشن و دقیق بیان شود.

بیان فرضیه به صورت ساده نه تنها آزمودن آن را آسانتر می کند، بلکه پایه و اساس روشنی برای نتیجه گیری در مورد آن نیز مهیا می سازد.

بطور کلی يك فرضيه خوب بايد داراي خصايصي باشد كه مهمترين آنها عبارتند از:

رگرسيون لجستيك(دودویی)

امتیاز کاربران

ستاره فعالستاره فعالستاره فعالستاره فعالستاره فعال

هرگاه به دنبال بررسي تاثير متغيرهاي مستقل بروابسته اسمي دويا چند مقوله اي باشيم بايد از رگرسيون چند گانه لجستيك (لجيت) استفاده كنيم.از همان روشهاي گام به گام همزمان و..در رگرسيون خطي در اينجا هم ميتوان استفاده كرد.

تحلیل بقا (survival analysis)

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

تحلیل بقا مجموعه ای ازتکنیکهای اماری متنوع، جهت تحلیل متغیرهای تصادفی است.که دارای مقادیر نامنفی می باشند.مقدار این متغیر تصادفی، زمان شکست یک مولفه فیزیکی ویا زمان مرگ یک واحد بیولوزیک میباشد. در تحلیل داده های بقا مساله اصلی یافتن مدل مناسب برای همبستگی زمان بقا با متغیرهای مختلف میباشد. اگر داده ها دارای موارد ناتمام نباشند می توان این ارتباط را به وسیله رگرسیون چند گانه بیان کرد.

به علت وجود چولگی باید در انجام این روش از تبدیل لگاریتم یا معکوس تابع و بسط آن استفاده کرد.ولی اگر داده های ناتمام داشته باشیم استفاده از تحلیل رگرسیون به دلیل وجود نداشتن مقدار دقیق متغیر وابسته غیر ممکن خواهد بود.

در ساختن مدل بقا تابع مخاطره را برای هر فرد به عنوان یک تابع از متغیر ها با زمان ثابت در نظر گرفت از انجایی ک ممکن است درطول مطالعه همه متغیرها و بعضی از ان ها با زمان تغیر کنند.میتوان مدل را با استفاده از متغیر های وابسته به زمان ساخت و اثر تغییر زمان روی تابع بقا را مورد ارزیابی قرار داد.

 تحلیل بقا بر اساس مدل بندی و تحلیل زمان های پاسخ است‚ که فاصله بین نقطه اغاز معین و پایان را نشان میدهد.در گاو های شیری نقطه ی اغاز(پیروزی) معمولازمان اولین گوساله ای که به دنیا میاید ونقطه ی پایان (شکست) زمانی که گله میمیرد که فاصله زمانی بر حسب روز‚ماه و سال اندازه گیری می شود. تحلیل داده های بقا بر اساس استفاده از تو زیع تابع های خاص می باشد

 

تابع بقا

بیانگر این احتمال است که حیوان حداقل تا زمان \(T\) ماندگاری داشته باشد. \(S(t)\) نسبت حیواناتی است که در زمان \(t\) زنده است.  \(F(t)\) تابع چگالی احتمال تجمعی می باشد.

\(S(t)=Pr(T>t)\)              و    \(F(t)=Pr(T\leq t)=1-S(t)\)                                  

تابع چگالی احتمال

بیانگر احتمالی لست که شکست در فاصله زمانی t و دلتا t اتفاق بیفتد:

\(f(t)=F'(t)=\frac{d}{dt}F(t)\)

تابع مخاطره

بیانگر احتمال شرطی است که در فاصله زمانی t و دلتا tبا این فرض که تا زمان t بقا داشته است دچار شکست شود. تمامی روابط فوق بهم وابسته هستند. 

\(\lambda(t)=-\frac{S'(t)}{S(t)}\)

 

جهت درخواست آموزش نرم افزارهای آماری و یا انجام پروژه های آماری از یکی از روش های زیر میتوانید با تیم آی آر آمار در ارتباط باشید. لازم به توضیح می باشید فرآیند مشاوره و همچنین پاسخگویی به سوالات کوتاه به صورت کاملا رایگان ارائه می گردد.

 

شماره تماس:   09300023999

رایانامه:  این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

ویژگی های توزیع نمایی

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

1) اميد رياضي آن به صورت   

 \[E\left( X \right) = \theta \]

2) واريانس آن

    \[Var\left( X \right) = {\theta ^2}\]

3) يكي از خواص مهم توزيع نمايي خاصيت بي‌حافظگي(Memory boss property) مي‌باشد توزيع نمايي تنها توزيعي است كه خاصيت بي‌حافظگي دارد و اين ويژگي تابع را مي‌توان اينطور تفسير كرد كه رويدادهايي كه در گذشته اتفاق افتاده را مي‌توان در نظر نگرفت و از زمان حال به بعد را مبدأ زمان در نظر گرفت مثلاً لامپي كه طول عمرش 10 ساعت مي‌باشد و تا ساعت 6ام هنوز نسوخته است را مثل لامپ نو مي‌توان به حساب آورد.

راهنمای آزمون های آماری

امتیاز کاربران

ستاره فعالستاره فعالستاره فعالستاره فعالستاره فعال

جهت تحلیل آماری با استفاده از نرم افزارهای آماری از جمله SPSS Statistics راهنمایی گوناگونی برای انتخاب رویه و رویکرد مناسبت وجود دارد.  ما نیز بر آنیم که در این جا به نوعی از آن اشاره می کنیم.

دفاتر ما

تماس با ما آمادگی داریم تا با شبکه ای از همکاران و مشاوران در هر یک از شهرهای بزرگ در کنار شما باشیم

با ما در تماس باشید

نظر کاربران

  • مهدی یار

    با تشکر از تمامی زحمات دست اندرکارن و زحمت کشان، برای همگی آرزوی سلامتی و بهروزی دارم
  • پری کرمی

    به کارهای خوبتون ادامه بدید. لطفا برای ارسال مطالب و درج اون قسمتی را تعبیه کنید
  • فاطمه بهرامی

    آقای تازیکه امیدوارم در کار خود موفق و پیروز باشد.
  • 1
  • 2
  • 3

آخرین نظرات

  • آدرس سایت دهمین همایش ملی تخصصی آمار به شرح زیر می باشد ...

    ادامه مطلب ..و

     
  • سلام خسته نباشید من فیلم اموزشی نرمافزار ایزی فیت رو خیلی ...

    ادامه مطلب ..و

آمار سایت