اعضای هیأت علمی: حسین باغیشنی

پرسش و پاسخ

نام:

پست الکترونیک:

پرسش شما از حسین باغیشنی:

سلام آقای دکتر باغشینی. خسته نباشید. آیا گرفتن پیشین گامای (0و0) در برآوردهای بیزی اشتباه است. چون در بیشتر مقالات از پیشین گامای ( 0.001 و 0.001) استفاده میکنن. آیا میشه گفت در حالت اول امید و واریانس پیشین نامتناهی است برای همین بی معنی می شود؟ (Rahim - 13/6/1401، 16:02:40)

مشاهده پاسخ

پاسخ: با سلام. این مقادیری که شما می‌گید در دامنه پارامترهای توزیع گاما قرار ندارند. دو پارامتر توزیع گاما مثبت هستند نه نامنفی.

باسلام و خسته نباشید خدمت شما ببخشید بنده مایل هستم مدل های آمیخته خطی تعمیم یافته را یاد بگیرم ، میخواستم ببینم که مطالب یا کتاب فارسی که در این مورد توضیح داده باشه چیزی هست به لطفا به من معرفی کنید؟ با تشکر (سارا قاسمی - 5/2/1401، 22:36:04)

مشاهده پاسخ

پاسخ: با سلام و پوزش برای تاخیر در دادن پاسخ. کتاب فارسی در این مورد نمیشناسم ولی پایان‌نامه‌های آماری مختلفی در دانشگاه‌های مختلف کشور وجود دارند که در مورد این مدل‌ها مطالبی رو نوشتند. مثلا رساله دکتری خود بنده در دانشگاه تربیت مدرس تهران رو می‌تونید ببینید. اما کتاب‌های لاتین متعددی درباره این مدل‌ها وجود دارند که به‌عنوان نمونه می‌تونم کتاب‌های نوشته‌شده توسط چارلز مک‌کالاک (۲۰۰۳) انتشارات IMS و والتر استروپ (۲۰۱۶) انتشارات چپمن رو مثال بزنم.

سلام آقای دکتر. از پاسختون بسیار سپاسگزارم. (Fatemeh - 5/12/1400، 13:52:45)

مشاهده پاسخ

پاسخ: سلام. موفق باشید.

سلام آقای دکتر. خسته نباشید. سوالی از خدمتتون داشتم. در تعدادی از مقالات که به برآورد کلاسیک و بیزی پارامترهای یک توزیع پرداخته بود، در بخش شبیه سازی با افزایش اندازه نمونه ها تحت هر دو رویکرد کلاسیک و بیزی (آگاهی بخش) شاهد کاهش میانگین طول بازه های مجانبی و باورپذیر HPD بودیم که مطابق انتظار است، اما میزان احتمال پوشش تحت رویکرد کلاسیک افزایش که این هم به نظر بدیهی است و تحت رویکرد بیزی کاهش پیدا کرده است. اینکه با افزایش نمونه در رویکرد بیزی، احتمال پوشش کم شده است، چه دلیلی می تواند داشته باشد؟ ممنون میشم پاسخ بدین. (fatemeh - 2/12/1400، 21:08:59)

مشاهده پاسخ

پاسخ:
در مورد طول بازه‌ها (چه در دیدگاه کلاسیک و چه بیزی) طبیعی هست که وقتی اطلاعات بیشتر بشه، به دلیل کوچکتر شدن انحراف معیارها، طول بازه‌ها کوتاهتر بشه
اما این به معنی این نیست که با افزایش حجم نمونه هم احتمال پوشش به سطح اسمی نزدیکتر میشه. چرا؟ چون که خیلی به درست بودن مدل وابسته است. یعنی فقط افزایش اطلاعات کافی نیست و باید مدل زیربنایی هم به مدل واقعی نزدیک باشه تا نرخ پوشش تجربی فواصل اطمینان یا باورپذیر به سطح اسمی نزدیک باشه. به‌عنوان مثال اگر توزیع نرمال برای یک نمونه، پذیره توزیعی درستی باشه اون وقت انتظار داریم فاصله اطمینانی که بر اساس توزیع کی‌دو برای پارامتر واریانس جامعه ساخته میشه نرخ پوشش تجربی نزدیک به سطح اسمی داشته باشه. اما اگر پذیره توزیع نرمال برای جامعه دور از واقعیت باشه و ما فاصله رو بر اساس توزیع کی دو بسازیم، حتی اگر حجم نمونه زیاد بشه فاصله اطمینان دارای نرخ پوشش نزدیک به واقعیت نخواهد داشت علی رغم اینکه طول بازه (به غلط) کوتاهتر میشه.
امیدوارم این توضیح راضی‌کننده باشه. به‌طور خلاصه باید بگم درست بودن پذیره‌های انتخابی مدل منتهی به استنباط درست و مورد انتظار چه در برآورد، آزمون فرضیه‌ها، انتخاب مدل و ... خواهد شد. موفق باشید.

سلام استاد سوال من اینه که چرا برای به دست آوردن واریانس باید انحراف معیار را به توان 2 برسانیم؟ (مصطفی افشانی - 13/9/1399، 16:58:31)

مشاهده پاسخ

پاسخ: سلام. تعریف انحراف معیار جذر واریانس هست. پس توان دوم انحراف معیار هم میشه واریانس. البته انحراف معیار رو از روی واریانس به دست میارند نه برعکس.

سلام آقای دکتر. خسته نباشین. برای کار پایان نامه ام جایی با مفهوم پیشین آگاهی بخش با مشکل برخوردم خواستم ازتون راهنمایی بگیرم. فرض کنین توزیع دو پارامتره دارم و میخوام با مقادیر آلفا برابر 2 و بتا برابر 3 از این توزیع نمونه های زیاد تولید کنم و روش های مختلف برآورد مثل mle و بیز رو با هم مقایسه کنم.اشکالم در انتخاب پیشین آگاهی بخشه. چون مقادیر آلفا و بتا برای توزیع همواره مثبته من برای این توزیع از پیشین گاما استفاده کردم. سوالم اینه که چه مقادیری از پیشین ها رو انتخاب کنم برای این دو مقدار پارامتر از جمعیت آگاهی بخش یا خیلی آگاهی بخش محسوب میشه؟ در بعضی متون مثلا یه زوج (0.001و0.001) برای هر کدوم میگیرن به عنوان ناآگاهی بخش و مثلا (1و4) و (1و2) میگیرن به عنوان آگاهی بخش. آیا هر مقدار بجز مقادیر بسیار نزدیک 0 آگاهی بخشه؟ برای مقادیر آلفای 2 و بتای 3 امکانش هست راهنمایی کنین چه مقادیری پیشین انتخاب کنم که خیلی آگاهی بخش و کمی آگاهی بخش باشه؟ ببخشید طولانی شد. سپاس بیکران (sara - 14/7/1399، 15:19:47)

مشاهده پاسخ

پاسخ: سلام. مقادیر ابرپارامترهای توزیع پیشین اگر طوری انتخاب بشند (در مثال شبیه‌سازی) که میانگین پیشین به مقدار واقعی نزدیک باشه و واریانس کوچک میشه به اون گفت آگاهی بخش. مثلا برای پارامتری که مقدار واقعی‌ش ۲ هست، اگر gamma(4,2) انتخاب بشه، میانگین توزیع با مقدار واقعی پارامتر برابر میشه و واریانس ۱ خواهد داشت که میشه آگاهی بخش. موفق باشید.

سلام استاد باغیشنی. ان شالله حالتون خوب باشه. سوالی از خدمتتون داشتم. چرا با برآوردگر umvue در استنباط کلاسیک و تقریب های لیندلی در استنباط کلاسیک همانند برآوردگرهای ML در کلاسیک و MCMC در بیز نمیشه فاصله ی اطمینان و باور درست کرد؟ مثلا با ۱۰۰۰ تکرار ۱۰۰۰ مقدار برآورد umvu برای پارامتر توزیع بدست بیاریم و با مرتب کردن اونا داده شماره ۲۵ و ۹۷۵ به عنوان بازه ی اطمینان ۹۵ درصد باشن، به طور مشابه برای برآورد بیز با تقریب لیندلی هم اینکارو بکنیم. سپاسگزار از وقتی که برامون میذارین. (حسین - 18/6/1399، 13:30:54)

مشاهده پاسخ

پاسخ: سلام.
من در مورد مدلی که گفتید و برآوردگرهای UMVU یا ML پارامترهای اون اطلاعی ندارم. اما اگر توزیع این برآوردگرها طوری هستند که نمیشه به سادگی فاصله اطمینان‌های استاندارد رو براشون به دست آورد، با همین روشی که گفتید (معروف به بوت استرپ، حالا پارامتری یا ناپارامتری) می‌تونید فواصل اطمینان تقریبی براشون به‌دست بیارید.
موفق باشید.

با عرض سلام و خسته نباشید. سوالی از خدمتتون داشتم. آیا برآوردهای بیز تحت پرایورهای آگاهی بخش در مقایسه با برآورهای ماکسیمم درستنمایی همواره منجر به برآوردهایی با میانگین مربعات خطای کمتر میشن؟ اگر پاسخ سوال مثبته پس چرا مدام در مقالات مجددا این تحقیق رو انجام میدن؟ (علیرضا - 17/6/1399، 15:33:05)

مشاهده پاسخ

پاسخ: سلام.
در حالت کلی خیر. بستگی داره به اطلاعات پیشین شما و این‌که با شهود حاصل از داده‌ها (از طریق تابع درستنمایی) هم‌راستا هستند یا در تضاد. آگاهی‌بخش بودن پیشین به معنی درست بودن اون نیست لزوما.
در عین حال به این نکته دقت کنید که مقایسه برآوردگرهای بیزی و ماکسیمم درستنمایی (با توجه به اهداف متفاوتی که دو دیدگاه دارند) به‌طور فلسفی و پایه‌ای کار پذیرفته‌ای نیست.
موفق باشید.

سلام دکتر. سال نو بر شما مبارک. ببخشید اگه برای مقایسه دو مدل دو پارمتره از ملاک AIC استفاده کنم و برای مدل اول مقدار لگاریتم درستنمایی منفی ۵ شود و دیگری مثبت ۵، کدام بهتر است؟ سپاس (سعید - 18/1/1399، 20:08:02)

مشاهده پاسخ

پاسخ: سلام و متشکرم. سال نو شما هم مبارک.
تو این سوال من متوجه نشدم شما می‌خوایید از AIC استفاده کنید برای انتخاب مدل یا معیار لگاریتم درستنمایی؟ اگه معیار AIC را با ضریب منفی ۲ برابر لگاریتم درستنمایی به اضافه ۲ برابر تعداد پارامترها محاسبه کنید، مدلی که مقدار کمتری رو نتیجه می‌ده بهتره. اما اگر صرفا معیار لگاریتم درستنمایی برای شما مهمه، اونی که این معیار براش بزرگتره برتره. یعنی تو این مثالی که شما نوشتید مدلی که مقدار ۵ رو برمی‌گردونه برتر از مدلی هست که مقدار منفی ۵ رو. موفق باشید.

سلام برای رسم تابع بقا تجربی که برابر است با یک منهای تابع توزیع تجربی،چه دستوری در زبان برنامه نویسی R وجود دارد.ممنون میشم راهنمایی کنید (darya - 24/9/1398، 13:14:19)

مشاهده پاسخ

پاسخ: سلام. با استفاده از دستور plot و محاسبه ۱ منهای ecdf(variable) می‌تونید رسم کنید.
همچنین در پکیج‌هایی برای این کار توابعی وجود داره. مثل پکیج SpliceECDF. موفق باشید

سلام آقای دکتر وقت بخیر یک سوال از خدمتتون داشتم در مدل رگرسیون جمعی چطور میشه نمودارها را تفسیر کرد ممنون (حمزه - 23/8/1398، 23:23:14)

مشاهده پاسخ

پاسخ: سلام. منظورتون از نمودارها، کدام نمودارهاست؟ نمودار اثرات غیرخطی متغیرهای تبیینی؟ یا نمودارهای سنجش نیکویی برازش و ....؟

سلام آقای دکتر. وقت بخیر. آیا توی r، دستوری وجود داره که با توجه به آماره آزمون کولموگورف- اسمیرنف یعنی D و اندازه نمونه، مقدار P- value رو به ما بده. تنها اطلاعاتی که دارم همین دو مقدار است. ممنون (مریم - 11/8/1398، 18:14:32)

مشاهده پاسخ

پاسخ: سلام. پاسخ سوال خودتون رو تو این صفحه پیدا کنید:
https://stats.stackexchange.com/questions/389034/kolmogorov-smirnov-test-calculating-the-p-value-manually

سلام آقای دکتر من سوالی در مورد تحلیل پرسشنامه های طیف لیکرت دارم. بعد از اینکه پاسخ هارو در spss وارد می کنیم. آیا باید توزیع نرمال را با آزمون کولموگراف انجام بدیم؟ یا برای طیف لیکرت نیاز به انجام آزمون نرمالی نیست؟ و اگر نیاز نباشه از کجا بفهمیم که از کدوم آزمون پارامتریک یا ناپارامتریک باید استفاده کنیم؟ ممنون (شیرین - 8/7/1398، 07:15:05)

مشاهده پاسخ

پاسخ: سلام. سوال شما واضح نیست. از چه خلاصه‌ای از پاسخ‌ها برای تحلیل استفاده می‌کنید؟ مجموع امتیازات؟ خود تک تک امتیازات؟...؟
این‌که از چه آزمونی استفاده کنید برمی‌گرده به هدف شما از گردآوری این پرسشنامه‌ها. هدف چیست؟ به چه سوالی می‌خوایید پاسخ بدید؟...؟

سلام دکتر عزیز و وقتتون بخیر. خواستم معنی credible confidence رو بدونم. واژه Credible توی آمار به چه معنیه؟ ممنون (Heshmat - 12/2/1398، 12:53:06)

مشاهده پاسخ

پاسخ: سلام. به معنی فاصله معتبر هست.

سلام آقای دکتر. وقت بخیر. من دانشجوی دکترای آمار زیستی هستم. مدل دو متغیره فضایی زمانی مولفه مشترک رو در اپن باگز داریم و میخواهیم یه تغییر در یکی از پارامترها ایجاد کنیم بصورتیکه اون پارامتر رو متغیر تصادفی در نظر بگیریم. البته ایده این کار در یه مقاله ای در سال 2017 با جزییات مطرح شده. میتونید بعنوان استاد مشاور و یکی از نویسندگان مقاله تو این زمینه بهم کمک بدید. اگر براتون امکانپذیره ممنون شما میشم از طریق ایمیل بهم اطلاع بدید. (راعی - 12/9/1397، 12:00:25)

مشاهده پاسخ

پاسخ: سلام. متشکرم. به من ای میل بزنید. کارهای بهتر از اپن باگز هم میشه انجامداد.

سلام استاد. خسته نباشید. سوالی در مورد بحث پایایی و هم پایایی داشتم. آیا موضوع پایایی مختص تابع زیان و موضوع هم پایایی مربوط به برآوردگر می شود؟ منظورم این است که آیا در مورد فقط تابع زیان می گویند پایا است یا نه و تنها در مورد برآوردگر می گویند هم پایا است یا نه؟ در مورد مفهوم این دو اگر مختصری توضیح دهید سپاسگزار می شوم. (امیر حسین - 5/7/1397، 13:17:11)

مشاهده پاسخ

پاسخ: سلام. خیر برای اطلاع بیشتر به کتاب استنباط آماری کسلا و برگر مراجعه کنید.

سلام. خسته نباشید. وقتتون بخیر. آقا دکتر من به کمک شبیه سازی دو مدل رو مقایسه کردم، برای اکثر اندازه نمونه های مختلف مقدار اریبی برای مدل اول کمتر و مقدار mse برای مدل دوم کمتر است، چرا چنین نتیجه ای بدست می آید؟ با سپاس (شاهین - 7/6/1397، 00:51:29)

مشاهده پاسخ

پاسخ: سلام.
در آمار معروف هست که بین اریبی و واریانس برآوردگرها یک تعادل و داد و ستد وجود دارد. یعنی اگر اریبی کاهش یابد، واریانس افزایش می‌یابد و برعکس. همین واقعیت پاسخ سوال شماست.

باسلام خدمت جناب اقای دکتر باغیشنی سوالی درمورد این داشتم گفتم مدل رگرسیونی انتقالی چی هستن و چجور transition regression models منتظر پاسختون هستم با تشکر فرهاد محمدی دانشجوی کارشناسی ارشد امار زیستی. (فرهاد - 6/5/1397، 12:21:49)

مشاهده پاسخ

پاسخ: سلام.
مدل‌های انتقالی به مدل‌های رگرسیونی اطلاق می‌شه که برای مدل‌بندی متغیر پاسخ از خود متغیر پاسخ در زمان‌های گذشته استفاده می‌شه. در واقع در مدل رگرسیونی در سمت راست مدل علاوه بر متغیرهای تبیینی رگرسیونی، متغیر پاسخ در تاخیرهای زمانی قبل از زمان جاری نیز وجود دارند.
موفق باشید.

با سلام و احترام. من به یه اداره برای گرفتن امریه سربازی مراجعه کردم. کاری که ازم خواستن، همکاری تو زمینه بانک های اطلاعاتیه و اگه اشتباه نکنم گفتن میخوان یه بانک اطلاعاتیه قوی ایجاد کنند، در نهایت ازم پرسیدن در این زمینه چه کمکی میتونم بهشون بکنم. برای بنده به عنوان یه کارشناس ارشد آمار بدترین سوال این قسم سوال هاست، اینکه چه کمکی میتونم به یک اداره بکنم. سوالی که از جنابعالی دارم اینکه 1- چه شاخه هایی از آمار در این زمینه یعنی بانک های اطلاعاتی مفید هستش، متأسفانه خیلی راجع به بانک های اطلاعاتی آگاهی ندارم، بنظر خودم شاید داده کاوی تو این زمینه پر کاربرد باشه، که باز هم متأسفانه اصلاً داده کاوی کار نکردم. اگه داده کاوی با این زمینه مرتبطه، 2- چقدر تسلط در این شاخه زمان میبره و نرم افزار مرتبط باهاش چیه؟ با تشکر. (هادی - 13/4/1397، 04:18:56)

مشاهده پاسخ

پاسخ: سلام. طراحی و ایجاد یک پایگاه داده بیشتر به علوم کامپیوتر مرتبط می‌شه. اما تحلیل اطلاعات موجود در پایگاه‌های داده و استخراج دانش ممکن برای استفاده سازمان مربوط نیازمند دانش آماری و همین‌طور داده‌کاوی هست. شاید تخصص شما چندان کمکی به ساخت یک پایگاه داده نکنه. یا اگر کارایی داره من بی‌اطلاع هستم.

موفق باشید.

سلام استاد عزیز. خیلی خیلی از توضیحاتون متشکرم. عالی بود (علی - 26/3/1397، 20:24:33)

مشاهده پاسخ

پاسخ: سلام. موفق باشید.

سلام. از مراجعی که در اختیارم قرار دادین خیلی ممنونم. فقط اگه امکان داره پاسخ سوال دوم رو چون نیاز سریع بهش دارم بهم بگین ممنون میشم. (علی - 23/3/1397، 22:39:27)

مشاهده پاسخ

پاسخ: سلام.
دیدگاه بیزی یک قالب منسجم برای استنباط آماری داره: ۱) تعیین توزیع پیشین ۲) تعیین مدل و در نتیجه درستنمایی مدل ۳) ترکیب اطلاعات پیشین و درستنمایی و محاسبه توزیع پسین. ۴) استخراج تمام نتایج استنباط (مانند احتمال پسینی یک مجموعه مثل A، امید ریاضی پسینی تابعی مثل g و موارد مشابه) بر اساس توزیع پسین.
این مکانیسم منسجم برای تمام مسایل یکسان است و بسته به هدف تحقیق کمیت مورد استفاده به عنوان تابعی از توزیع پسین ممکنه متفاوت باشه.

با این توضیح واضحه که توزیع پیشین از جمله مواد اصلی در دیدگاه استنباط بیزی هست و بدون حضور اون توزیع پسین که مبنای همه استنباط‌های بیزی است، قابل تعریف و محاسبه نیست. پس تا این‌جا نیازمندی به توزیع پیشین چه مطلع چه غیرمطلع واضح شد.

اما چرا غیرمطلع (یا همون ناآگاهی‌بخش)؟ دلیلش عینی کردن اسنتباط تا حد ممکنه. در واقع دلیلش پرهیز از رفتن به زیر تیغ انتقاد "وارد کردن نظر شخصی به استنباط علمی" هست که طرفداران استنباط کلاسیک (یا بسامدی) یا حتی طرفداران بیزی عینی‌گرا به طرفداران بیزی ذهنی‌گرا وارد می‌دانند. بیزی‌های عینی‌گرا سعی می‌کنند از توزیع‌های پیشینی استفاده کنند که تا حد امکان اطلاع مشخصی در مورد مجهولات توزیع وارد مساله نکنند تا نتایج استنباط مبتنی بر اطلاعات حاصل از داده‌ها باشد (ولی در عین حال حضور توزیع پیشین حتما ضروری است و باید باشد).

امیدوارم این توضیح قابل درک و واضح باشد.

سلام و خسته نباشید خدمت شما استاد عزیز. امیدوارم نمازه و روزه تون قبول درگاه حق باشه. من از دانشجویان رشته ریاضی هستم و به مباحث آماری علاقمند هستم. مبحث مربوط به برآوردگرهای بیز را مطالعه کردم، چند سوال برام پیش اومده اگه جواب بدین ممنون میشم: 1- چگونه می فهمیم که توزیع پیشین ناآگاهی بخش است، آیا وقتی برآوردگر کلاسیک و بیز یکی شوند میشه گفت ناآگاهی بخشه؟ 2- وقتی توزیع پیشین ناآگاهی بخش باشه یعنی به ما اطلاعاتی به منظور استنباط پارامتر جامعه نمیده پس کاربردش چیه؟ 3- آیا برآوردگرهای بیز و کلاسیک رو میشه با هم مقایسه کرد که کدوم بهتره؟ اگه میشه با چه شاخصی؟ 4- توزیع های پیشین ناسره ناآگاهی بخش هم هستند؟ (علی - 20/3/1397، 00:52:06)

مشاهده پاسخ

پاسخ: سلام. از شما هم قبول باشه.
سوال زیاد دارید. من به‌جای جواب دادن به این همه سوال، شما رو ارجاع می‌دم به دو تا منبع خیلی خوب. برای اطلاع از انواع توزیع‌های پیشین و درک عمیق از پیشین‌های ناآگاهی‌بخش، به کتاب The Bayesian Choice تالیف C.P. Robert مراجعه کنید. در مورد مقایسه بین استنباط کلاسیک و بیزی هم همین کتاب خوبه و هم کتاب All of Statistics تالیف Larry Wasserman مناسب هست.
موفق باشید.

سلام استاد. طاعاتتون قبول باشه. استاد کار نمونه گیری گیبز تولید داده های تصادفی از توزیع دو پارامتره یا بالاتر از اونه؟ (Arash - 20/3/1397، 00:30:18)

مشاهده پاسخ

پاسخ: سلام. متشکرم از شما هم قبول باشه.
نمونه‌گیری گیبز روشی هست که بر اساس اون می‌شه از هر توزیع توام با هر بعدی نمونه تولید کرد (البته تحت شرایطی).

سلام. از اینکه با حوصله به سوالم پاسخ دادین، بسیار ممنونم. (امیر - 4/3/1397، 11:23:00)

مشاهده پاسخ

پاسخ: سلام. موفق باشید.

سلام دکتر. خسته نباشید. منبع برای برآورد پارامترهای مدل با استفاده از نمودارهای احتمال، کتاب آشنایی با نظریه قابلیت اعتماد دکتر مجید اسدی است. ابتدای فصل هفتم این کتاب نوشته از جمله کاربردهای نمودارهای احتمال بررسی کفایت یک مدل آماری و در ادامه، برآورد پارامترهای آن است. در ادامه بررسی کفایت مدل و نحوه برآورد پارامترها رو در خانواده مکان مقیاس توضیح داده است. به عنوان مثال گفته اگر در توزیع نرمال، مقادیر داده های مرتب شده رو روی محور yها و معکوس فی ( i روی 1 n) متناظر با آنها را روی محور xها قرار دهید، شیب خط رگرسیون برازش شده، پارامتر میو و عرض از مبدا آن پارامتر سیگما را به دست می دهد. برای توزیع ویبول، نمایی دو پارامتره و سایر توزیع های مکان مقیاس نیز نحوه برآورد پارامترها رو با استفاده از نمودار احتمال گفته است. برای همین این سوال رو از خدمتتون پرسیدم که آیا تنها در خانواده مکان مقیاس امکان برآورد پارامترها با استفاده از نمودار های احتمال وجود دارد. ممنون از اینکه وقت میذارین و پیغام های مارو میخونین. (فرشید - 4/3/1397، 02:04:24)

مشاهده پاسخ

پاسخ: سلام. من در این مورد چیزی نشنیده بودم. جالبه اگر این روش جواب‌های قابل قبولی بده.

سلام دکتر. نماز و روزه شما قبول حق. ببخشید دوباره مزاحمتون میشم. منظورم از نمودار احتمال در سوال اول و چهارم همون تکنیک گرافیکی است که مقادیر یک توزیع تجمعی تئوریک را در مقابل توزیع تجربی رسم می کند و اگه حول یک خط راست قرار بگیرد نشان از مناسب بودن آن توزیع تئوریک دارد. فکر کنم همان نمودار P-P است. در مورد پاسخ سوال دوم، من در مقالاتی دیدم که به یک مجموعه از داده توزیع های مختلف را برازش داده اند و پارامترهای این توزیع را با روش MLE محاسبه کرده اند و pمقدار را برای ks گزارش کرده اند، توجه به توضیحات شما با معلوم نبودن مقدار پارامتر نمی توانند مقدار ks واقعی را بدست آورند، میشه گفت مقادیر ks بدست آمده غیر واقعی است یا من چیزی را درست متوجه نشده ام؟ (فرشید - 3/3/1397، 16:37:50)

مشاهده پاسخ

پاسخ: سلام و از شما هم قبول باشه.
من درک نمی‌کنم مکانیسم این روش برای برآورد یک پارامتر مجهول چیه؟ نمودار pp یا نمودار qq برای بررسی مناسب بودن توزیع برای یک بردار داده زمانی استفاده می‌شه که ما پارامترها رو بدونیم یا با روشی برآورد کنیم. این‌که چطور این روش برای برآورد پارامتر استفاده بشه من ندیدم و نمی‌شناسم.

بله توضیح در مورد روش KS و این‌که پذیره معلوم بودن پارامترها رو داره در سوال قبلی نوشتم. موفق باشید.

سلام مجدد. از پاسختون ممنونم. داه هایم به مدت یکسال به صورت ساعتی گزارش شده یعنی 8 صبح، 9 صبح و... ، یعنی در هر روز 24 مشاهده داریم، حال سوالم این است که آیا می شود برای متغیر دما یا هر متغیر دیگری که به این شکل گزارش شده، دمای چند ساعت اول یا چند روز اول سال بعدی را پیش بینی کرد؟ اگه میشه معنی ارگودیک رو بفرمایید. ممنون از لطفتون. (امیر - 3/3/1397، 15:45:19)

مشاهده پاسخ

پاسخ: پاسخ این سوال رو در پیام (ویرایش‌شده) قبلی دادم. این عکس چیزی هست که پرسیده بودین. یعنی یک مساله Aggregation هست. بله میشه و کار ساده‌ای هم هست. برای توضیح بیشتر و دیدن نحوه انجامش در R صفحه زیر رو ببینید:
https://otexts.org/fpp2/aggregates.html

سلام آقا دکتر. طاعاتتون قبول حق. سوالی از حضورتون داشتم. آیا اگر نمونه های تصادفی از هر توزیع دلخواه مثلا با اندازه 100 و با مثلا 50 تکرار تولید کنم و ماکزیمم مقادیر آنها را در هر تکرار بدست بیارم طوری که به 50 مقدار ماکزیمم برسم، توزیع مناسب این داده ها عموما یکی از سه توزیع گامبل، ویبول، فرشه خواهد بود؟ توزیع مقادیر حدی تعمیم یافته آمیخته این توزیع هاست؟ (مریم - 1/3/1397، 22:22:22)

مشاهده پاسخ

پاسخ: سلام. اگر داده‌هایی که تولید می‌کنید از توزیعی باشه که شرایط نظم برای برقراری توزیع مجانبی GEV برای مقادیر فرین رو داشته باشه، بله عموما اون ۵۰ ماکسیممی که به دست آوردین باید از یک توزیع GEV پیروی کنند (این شرایط رو می‌تونید در متون مربوط به مقادیر فرین پیدا کنید).
اما اگر اون شرایط برقرار نباشند، باز هم توزیع GEV به‌عنوان تقریبی برای توزیع مقادیر فرین قابل استفاده است. پس توزیع ۵۰ مشاهده ماکسیمم شما (دقیق یا تقریبی) از GEV پیروی می‌کنند.

موفق باشید.

با سلام خدمت استاد بزرگوار. ببخشید استاد چرا در داده های سری زمانی بر خلاف رگرسیون امکان پیش بینی مقادیر متغیری مثل دما در زمان های های خارج از دامنه زمان مورد مطالعه امکان پذیر است؟ و اینکه آیا با داشتن دمای گزارش شده ساعتی یک شهر یا متغیر دیگر به مدت یک سال، می توان پیش بینی دمای چند روز اول سال بعد را انجام داد؟ با تشکر (امیر - 31/2/1397، 23:53:09)

مشاهده پاسخ

پاسخ: سلام.

در مدل‌های سری زمانی، ساختار وابستگی فرآیند در مدل‌بندی وارد می‌شه و با در نظر گرفتن پذیره‌هایی مثل مانایی (و ارگودیک بودن) فرآیند سری زمانی، می‌توان از آن در بازه‌های زمانی خارج از مشاهده (مثل آینده) برای پیش‌بینی مقدار فرآیند استفاده کرد. اما در رگرسیون برای داده‌های ناهمبسته چنین پذیره‌ای وجود ندارد و مدل فقط در دامنه مشاهده‌شده معتبر است و استفاده از آن برای خارج دامنه مشاهده‌شده نیاز به افزودن پذیره‌ای مثل ارگودیک بودن مدل داره.

در مورد سوال دوم دقیق متوجه منظور شما نشدم. منظور شما اینه که اگر فاصله بین مشاهدات روز باشه، اونوقت می‌شه از سری زمانی برازش‌شده برای پیش‌بینی در مقیاس ساعت استفاده کرد؟ اگر منظور شما اینه، این یک مساله پیچیده سری زمانی به اسم
Temporal Disaggregation
هست که بر عکس Aggregation هست. برای این مساله و روش‌هایی معرفی شدند که اگه مایل باشید می‌تونید مقاله زیر رو ببینید:
https://journal.r-project.org/archive/2013-2/sax-steiner.pdf
موفق باشید.

سلام دکتر. خسته نباشید. شرمنده مزاحمت میشم. آیا میشه با داشتن تنها یک متغیر مستقل و چندین متغیر وابسته، رگرسیون حداقل مربعات جزیی (plsr) رو انجام داد؟ اگر تنها یک وابسته و چندین مستقل داشته باشیم میشه انجام داد؟ ممنون دکتر (علی - 27/2/1397، 00:09:32)

مشاهده پاسخ

پاسخ: سلام. تا جایی که من اطلاع دارم هر دو مورد باید قابل انجام باشه.
در تئوری کلی روش PLS هر دوی X و Y بعد بزرگتر از ۱ می‌تونند داشته باشند و طوری ترکیبات خطی Xها و Yها پیدا میشه که کوواریانس بین اون‌ها ماکسیمم بشه. بنابراین بدون از دست دادن کلیت بعد هر کدوم از اون‌ها می‌تونه ۱ هم باشه.
اگر کسی اطلاع دقیق‌تری داره و فکر می‌کنه من اشتباه می‌گم لطفا اصلاح کنه گفته من رو.

سلام استاد عزیز. امیدوارم حالتون خوب باشه و همیشه در صحت و سلامت باشین. چند سوال از مبحث برازش توزیع مناسب به داده ها داشتم آگه لطف کنین راهنمایی کنین ممنون میشم. فرض کنید چند توزیع مختلف به یکسری داده برازش دهیم و پارامترهای توزیع رو به دو روش MLE و نمودار احتمال بدست بیاوریم: 1- آیا پارامترهای مدل برای هر توزیع مشخص رو میشه به روش نمودار احتمال بدست آورد یا باید از خانواده یا فرم خاصی باشه؟ 2- آیا میشه آزمون کولموگروف رو با پارامترهای بدست آمده از دو روش فوق برای نیکویی برازش مدل استفاده کرد؟ 3- اگه مقادیر معنی داری آزمون کولموگروف برای چند توزیع برازش داده شده بزرگتر از 0.05 باشد آیا این نشان دهنده مناسب بودن همه این توزیع هاست و معیار AIC تنها مشخص کننده مناسب ترین آنهاست؟ 4- آیا در حالت کلی می توان گفت برآورد پارامترها به روش MLE بهتر از برآورد به روش نمودار احتمال است و یا معیاری برای مقایسه این دو روش وجود داره؟ اگه هست اون معیار چیه؟ خیلی خیلی ممنونم. (فرشید - 26/2/1397، 15:48:32)

مشاهده پاسخ

پاسخ: سلام و متشکرم.
من در مورد روش برآورد نمودار احتمال چیزی نمی‌دونم. اگه می‌تونید منبعی برای اون معرفی کنید.

اما در مورد سوال‌های دیگه: از روش کولموگروف اسمیرنوف می‌تونید برای بررسی نیکویی برازش هر توزیعی به داده‌ها زمانی استفاده کنید که پارامتر نامعلوم وجود نداشته باشه. دلیلش هم اینه که اگه پارامترهای توزیع رو برآورد کنید و آماره KS رو محاسبه کنید، توزیع این آماره توزیعی نیست که برای KS به دست اومده و بنابراین p-مقداری که به‌دست می‌یاد، با p-مقدار واقعی فاصله داره. در چنین موردی توصیه می‌کنم از آزمونی استفاده کنید که پذیره معلوم بودن پارامترهای توزیع رو نداشته باشه: مثل آزمون شاپیرو-ویلکس یا آزمون کی‌دو پیرسون.
اگر هم p-مقدار بزرگتر از سطح معنی‌داری باشه می‌تونید نیکویی برازش اون توزیع مشخص روی داده‌ها رو بپذیرید و بله اونوقت چند مدل رقیب مناسب وجود دارند که برای انتخاب بهترین می‌تونید از معیارهای انتخاب مدل مثل AIC استفاده کنید.

موفق باشید.

سلام استاد. بله منظورم همینه. پس چرا در محاسبه برآوردگر کاپلان مه یر تابع درستنمایی را بر حسب نرخ خطر هر واحد می نویسند و بعد از آون تابع کل درستنمایی و روند MLE رو برای پیدا کردن نرخ خطر واحد و در نتیجه قابلیت اعتماد بدست میارن و اسم کاپلان مه یر بهش میدن. ببخشید چون در روند محاسبه اسم MLE به وسط میاد متوجه نمیشم ( صفحه 178 کتاب نظریه قابلیت اعتماد دکتر مجید اسدی). ممنون که وقت می ذارین. (Mahmood - 11/2/1397، 20:19:19)

مشاهده پاسخ

پاسخ: سلام. تا جایی که من می‌دونم برای محاسبه برآوردگر کاپلان-مایر از پذیره توزیعی و در نتیجه تابع درستنمایی مدل مبتنی بر توزیع استفاده نمیشه. این چیزی که شما توضییح دادین رو من ندیدم. در واقع کتاب رو ندیدم و اطلاعی ندارم.

سلام استاد. خسته نباشید. آیا این سوال درست است که بگوییم تفاوت برآورد به روش MLE و KM (کاپلان مه یر) چیه؟ ممنون (Mahmood - 10/2/1397، 11:53:46)

مشاهده پاسخ

پاسخ: سلام. برآوردگر MLE و KM چه کمیتی؟ اگر منظور شما براورد تابع بقای پایه در مدل‌های بقا هست، خوب برآوردگر ML یک برآوردگر پارامتری هست ولی برآوردگر KM یک برآوردگر ناپارامتری محسوب می‌شه.

سلام دکتر. شرمنده هفته پیش سوالی در مورد امکان پیش بینی مقادیر y خارج از دامنه متغیر مقادیر مستقل پرسیده بودم. ممنون از پاسختون. به نظرم پاسختون قانع کننده است. چون داده های مورد مطالعه مربوط به سن و ارتفاع یک نوع درخت بود که مدل غیرخطی سه پارامتره بهش برازش داده بود که برای سن بالا تابع به طور مجانبی به یکی از پارامترهای مدل میل میکرد، در حقیقت یه جورایی حداکثر مقدار ارتفاع تا حدودی مشخصه گفته شده احتمالا برای مقادیر خارج دامنه هم رفتار خوبی داشته باشه. مسلما درخت تا یه ارتفاعی رشد میکند و در سن های بالاتر تقریبا رشدش متوقف می شود. در حقیقت برای مدل های غیرخطی asymptote این مطلب رو گفته بود. سپاسگزارم (حسین - 7/2/1397، 12:24:11)

مشاهده پاسخ

سلام استاد عزیز. امیدوارم حالتون خوب خوب باشه. برای تشخیص بهترین توزیع که به یکسری داده ها فیت میشه، آیا داده های طول عمر با داده های غیر طول عمر بجز در مثبت بودن داده های طول عمر و اینکه ممکن است سانسور شده باشند، تفاوت دیگری قایل می شویم؟ یعنی آگه داده های مثبت داشته باشیم مثل داده های طول عمر با آن برخورد می کنیم؟ تشکر (Reza - 6/2/1397، 23:37:10)

مشاهده پاسخ

پاسخ: سلام و متشکرم.

به‌طور کلی تعریف یک متغیر بقا، متغیری است که مقادیر نامنفی بگیرد. بنابراین داده‌های مثبت نیز مشاهداتی از متغیرهای بقا هستند.
اما ویژگی بارز مشاهدات طول عمر همان سانسوری است که شما اشاره کردید. همین ویژگی باعث شده است شاخه‌ای با نام تحلیل بقا (تحلیل داده‌های زمان تا رخداد یک پیشامد) در آمار ایجاد بشه. بنابراین اگر سانسوری در داده‌های مثبت شما نباشه (که اصطلاحا داده کامل نامیده می‌شود)، هم می‌توانید بدون ورود به تحلیل بقا با آن برخورد کنید و هم با روش‌های بقا از آن استفاده کنید.

موفق باشید.

با سلام خدمت شما استاد بزرگوار. یه سوال از خدمتتون داشتم. در رگرسیون خطی برای اهداف پیش بینی گفته می شود مقدار متغیر وابسته را تنها برای مقادیری که در دامنه متغیر مستقل باشند می توان پیش بینی کرد ولی برای رگرسیون غیرخطی گفته می شود برای مقادیر خارج دامنه متغیر مستقل هم می توان مقدار متغیر وابسته را پیش بینی کرد، علت اون چیه؟ خیلی ممنون و شرمنده که وقتتون رو گرفتم. (حسین - 30/1/1397، 12:24:19)

مشاهده پاسخ

پاسخ: سلام.
در مورد مجوز برون‌یابی در رگرسیون غیرخطی من چیزی نشنیدم. درسته ساختار میانگین شرطی توزیع پاسخ (که همان تابع رگرسیون هست) غیرخطی است، اما این شکل غیرخطی نیز در دامنه مشاهدات متغیر تبیینی معتبر هست و خارج از آن (بدون داشتن پذیره‌هایی مثل ارگودیک بودن مدل) نمی‌توان به پیش‌گویی پاسخ (یا همان برون‌یابی) اعتماد داشت.

موفق باشید.

سلام استاد باغیشنی. خسته نباشید. چند سوال از مبحث مدل غیرخطی داشتم. اگه راهنمایی کنین ممنون میشم. 1- آیا اطلاع دارین روش الگوریتم تکراری که در r برای برآورد پارامترهای مدل استفاده میشه لونبرگ است یا گوس نیوتن؟ آیا این دو روش جواب متفاوتی میدهن یا سرعت همگراییشون متفاوته؟ 2- آیا برآوردگرهای حداقل مربعات مثل برآوردگرهای ML در این مدل ها به طور مجانبی نرمال هستند؟ 3- در رگرسیون خطی آزمون صفر بودن پارامتر شیب خط ما را به این نتیجه می رساند که متغیر مستقل تاثیر گذار نبوده آیا در حالت کلی چنین آزمونی (صفر بودن پارامترها) در رگرسیون خطی ما را به این نتیجه می رساند که متغیر مستقل بی تاثیر است؟ در خروجی r مقدار p-value را برای صفر بودن پارامترها در اختیار می گذارد که به نطر میاد عمل درستی نباشه. ببخشید زیاد شد (علیرضا - 26/1/1397، 23:38:30)

مشاهده پاسخ

پاسخ: سلام و متشکرم.
بستگی داره که در R از چه تابع یا بسته‌ای برای برآورد پارامترهای مدل استفاده کنید. مثلا اگر از تابع پایه nls استفاده کنید، برآوردگرهای کمترین توان‌های دوم وزنی با یک روش بهینه‌سازی تکراری که به‌طور پیش‌فرض روش گاوس-نیوتون است نتیجه خواهند شد.

معمولا توزیع مجانبی این برآوردگرها نرمال هستند. البته بستگی به پذیره‌های مدل غیرخطی و متغیر پاسخ داره.

اگه ضریب یک متغیر تبیینی (چه در مدل خطی چه غیرخطی) صفر بشه به معنی عدم تاثیر آن متغیر است.
موفق باشید.

سلام دکتر. با تشکر از پاسخ های خوبتون. میشه تفاوت خطای جمعی و ضربی رو بفرمایین. آیا درسته که اگه خطای مدل مستقل از پارامترهای مدل باشه از خطای جمعی استفاده می کنیم و اگه مستقل نباشه، ضربی؟ مثلا در رابطه Growth=exp(-teta*Age) errorکه بین رشد و سن گیاه است میشه گفت به این علت خطای جمعی استفاده شده که تغییرات خطا مستقل از سن است و اگر وابسته بود باید به صورت ضربی نوشته شود؟ خیلی ممنونم (محمد - 20/1/1397، 21:14:53)

مشاهده پاسخ

پاسخ: سلام. متشکرم.
نظر شما در مورد تفاوت این دو شکل وارد کردن خطا درسته. خطای ضربی به‌ویژه در مدل‌های پردازش تصویر به کار برده می‌شه.
موفق باشید.

سلام استاد. سال نو بر شما مبارک. سوالی از حضورتون داشتم. اگر من تعداد دفعاتی که در هر سال وضعیت هوا بارونی بوده را به مدت 40 سال داشته باشم، یعنی 40 عدد که هر عدد تعداد دفعات بارش یک سال را نشان می دهد و بخواهم توزیع مناسب برای این 40 داده را بدست آورم آیا به خاطر گسسته بودن متغیر تعداد دفعات بارش نباید سراغ توزیع نرمال بروم یا ربطی به گسسته بودن ندارد؟ متشکرم (عماد - 14/1/1397، 16:56:15)

مشاهده پاسخ

پاسخ: سلام. متشکرم و سال نو شما هم مبارک.
خوب این داده‌ها ذاتا شمارشی هستند و بهتر است این ذات در انتخاب توزیع احتمالی پشتیبان داده‌ها در نظر گرفته شود.
با این حال می‌تونید از توزیع نرمال به‌عنوان تقریبی برای توزیع واقعی داده‌ها (در صورت مناسب بودن تقریب نرمال) استفاده کنید.

سلام دکتر. خسته نباشید. ببخشید یه سوال از خدمتتون داشتم در رگرسیون خطی آیا روش حداقل مربعات و ماکزیمم درستنمایی پاسخ یکسانی در برآورد پارامترهای مدل میدن؟ در رگرسیون غیرخطی چطور؟ (حمید - 24/12/1396، 16:13:56)

مشاهده پاسخ

پاسخ: سلام. در مدل رگرسیون خطی، اگر توزیع جمله خطا نرمال پذیرفته شود، برآوردگرهای کمترین توان‌های دوم و ماکسیمم درستنمایی پارامترهای رگرسیونی معادل خواهند بود. در غیر این‌صورت لزوما یکی نیستند.
برآوردگرهای مشابه در مدل رگرسیون غیرخطی یکی نیستند. حتی لزوما به‌طور دقیق و بسته نمی‌شه به دستشون آورد.

سلام آقای دکتر باغیشنی. روزتون خوش. آیا علت اینکه مقادیر خطای استاندارد و فاصله اطمینان برای پارامترهای رگرسیون خطی به صورت تقریبی یا مجانبی است این است که از بسط تیلور برای تقریب خطی مدل آن استفاده می کنیم و الگوریتم تکرار برای برآورد پارامترهای آن بکار می بریم یا دلیل دیگه ای داره؟ و اینکه اگه امکان داره یه کتاب خوب لاتین در مورد رگرسیون خطی بهم معرفی کنید. ممنون. پیشاپیش سال نو بر شما مبارک باشه. (یاسین - 23/12/1396، 12:17:14)

مشاهده پاسخ

پاسخ: سلام. متشکرم سلامت باشید.
فکر کنم منظور شما از مدل خطی اول، مدل غیرخطی باشه. اگه این‌طوره بله نظر شما درسته؛ برآوردگرهای پارامترها لزوما شکل بسته ندارند و به‌صورت تقریبی (عددی و با الگوریتم‌های تکراری) به‌دست می‌آیند. بنابراین خطای معیار برآوردگرها هم تقریبی هستند.

برای مدل‌های خطی، کتاب مقدمه‌ای بر مدل‌های رگرسیون خطی تالیف مونت گومری و میرز و بیبی کتاب خیلی خوبیه.

موفق باشید.

سلام مجدد، خوش سعادتیه. راستش هنوز خاطرات کلاستون یادمه مخصوصا شرط‌بندی سر پارادوکس روز تولد! دستتون درد نکنه. منظورم از آزمون همبستگی این بود که بین نمودار pdf یه توزیع مثلا خی ۲ (با درجه آزادی مثلا ۱) و نمودار بالا یه آزمون همبستگی می‌گیرم ببینم از یه جنس هستن یا نه، کار درستی انجام میدم؟ بابت توزیع‌ها هم دستتون درد نکنه، امشب چک میکنمشون. تشکر (محمداسماعیل حسنی - 21/12/1396، 13:14:51)

مشاهده پاسخ

پاسخ: بله یادم هست.
یعنی مقادیر عددی برای اون شکل داری که اون شکل رو با درون‌یابی به دست آوردی؟

سلام خسته نباشید استاد. من از دانشجوهای قدیمیتون هستم اگه بجا بیارین. خوب هستید؟ غرض از مزاحمت یه سوال داشتم (سلام گرگ بی‌طمع نمیشه!) من تو کارهای رمزنگاری به یه توزیع آماری برخورد کردم که اصلا نمیدونم چه توزیعی هست؟ تقریبا هر توزیعی که میشناختم (مثل خی۲ یا پواسون یا حتی بتا رو به ازای درجه آزادی‌های متفاوت) رو امتحان کردم ولی نمودار من تو آزمون همبستگی (پیرسون، اسپیرمن و همبستگی خطی) همیشه pvalue بالای ۰.۰۱ داده (با فرض صفر عدم همبستگی) به نظرتون چه توزیعی میتونه باشه؟ این لینک توزیعی هست که بهش برخورد کردم. http://uupload.ir/files/jzmm_figure_1.png (محمداسماعیل حسنی - 20/12/1396، 18:56:53)

مشاهده پاسخ

پاسخ: سلام. بله شما رو یادم هست.
خوب منظورت رو از آزمون همبستگی متوجه نشدم. همبستگی بین چی رو حساب کردی؟
از روی شکل به نظرم توزیع‌های گاما، لگ نرمال، و کلا توزیع‌های چوله به راست دم سنگین می‌تونه بررسی بشه.

موفق باشی۶

سلام استاد محترم. خدا قوت. بنده دانشجوی زیست شناسی هستم. مطالعه ای در آزمایشگاه انجام دادم که شامل 4 تیمار و هر تیمار سه تکرار دارد یعنی کلا 12 مقدار باید داشته باشم که متاسفانه برای دو تکرار تیمار چهارم مشکلی پیش آمده. اگر از دانش گذشته بدانیم که توزیع متغیر مورد مطالعه نرمال است آیا امکان مقایسه چهار تیمار وجود دارد یا تیمار چهارم به دلیل وجود تنها یک مقدار باید از مطالعه حذف شود؟ (فرهاد - 16/12/1396، 00:23:30)

مشاهده پاسخ

پاسخ: سلام. متشکرم.
با این‌که تعداد نمونه‌های شما کمه اما با توجه به این دانش قبلی، می‌تونید مساله رو پیش ببرید و مشکلی نیست.
البته اگه دانش قبلی یا مشابه در مورد مساله خودتون دارین توصیه می‌کنم از روش‌های بیزی آماری کمک بگیرید.
موفق باشید.

مشاهده پاسخ

سلام جناب دکتر. عذرخواهی می کنم. یک سوال از سوال مطرح شده توسط آقا محمد داشتم که به نظر می رسد سوالم پیش پا افتاده است اما پاسخ آن را نمی دانم. برای بررسی وجود یا عدم وجود همبستگی نیاز به تعدادی جفت داده داریم، اما در رگرسیون خطی و غیر خطی مثلا همون رگرسیون خطی ساده y=ax b یک مقدار برای a و یک مقدار برای b برآورد می کنیم یعنی یک جفت از a و b داریم، منظور از همبستگی آنها چیست؟ (مریم - 13/12/1396، 13:57:40)

مشاهده پاسخ

پاسخ: سلام. برآوردگرهای ضرایب رگرسیونی مثل a و b تابعی از متغیرهای تصادفی هستند و بنابراین همبستگی برای اون‌ها تعریف می‌شه. برآوردگرها متغیر تصادفی هستند. اونی که شما می‌گید مقدار مشاهده‌شده (برآورد) به ازای نمونه مشاهده‌شده است.

سلام. ببخشید فراموش کردم این سوال رو هم اضافه کنم که چرا در رگرسیون خطی بحث همبستگی بین پارامترها مطرح نمیشه ولی در رگرسیون خطی میشه؟ تشکر (محمد - 11/12/1396، 23:37:05)

مشاهده پاسخ

پاسخ: سلام.
فکر کنم منظور از شما از مدل دومی غیرخطی باشه.
در مدل‌های خطی هم وابستگی بین پارامترها وجود داره. مثلا در مدل رگرسیون خطی ساده کوواریانس بین برآوردگر شیب خط و عرض از مبدا، منفی میانگین نمونه xها در واریانس برآوردگر شیب خط هست.

سلام استاد. خسته نباشید. سوالی از خدمتتون داشتم. من 70 مشاهده دارم که مدلی غیرخطی با یک متغیر مستقل و سه پارامتر در نرم افزار r با دستور nls به آن برازش دادم. چیزی که برام سواله همبستگی بین پارامترهاست. آیا کم بودن یا زیاد بودن همبستگی بین این پارامترها (معنی دار بودن یا نبودن) منجر به تصمیم خاصی می شود یا در حد گزارش ازش استفاده می کنیم. همبستگی بین پارامتر اول و دوم 0.96 شده و همبستگی بین پارامتر دوم و سوم 0.06 محاسبه شده است. با تشکر (محمد - 11/12/1396، 23:29:59)

مشاهده پاسخ

پاسخ: سلام.
وجود همبستگی بین برآوردگرهای پارامترهای یک مدل، تفسیرپذیری پارامترها رو مشکل می‌کنه.

مشاهده پاسخ

پاسخ: سلام. باید توی هلپ نرم‌افزار ببینید مجموع مربعات تصحیح‌شده چه فرمولی داره. من بی‌اطلاع هستم این نرم‌افزار چی داره حساب می‌کنه. موفق باشید.

با عرض سلام و وقت بخیر. سوالی از خدمتتون داشتم. ببخشید استاد مقدار AIC و BIC در خروجی مدلم منفی شده، آیا این امکان وجود داره؟ آیا منفی بودنش معنی خاصی داره؟ آیا میشه گفته مدلی که AIC آن 100- شده از مدلی که 100 شده بهتره؟ بی نهایت ممنونم. (Mehdi - 30/11/1396، 23:19:35)

مشاهده پاسخ

پاسخ: سلام. با توجه به تعریف معیارهای انتخاب مدل AIC و BIC، اگه مقدار ماکسیمم تابع درستنمایی بزرگتر از ۱ بشه (که برای متغیرهای تصادفی پیوسته این امکان وجود داره) اونوقت لگاریتم درستنمایی مثبت خواهد بود و منفی دو برابر اون منفی میشه. حالا مثلا در AIC اگه دو برابر تعداد پارامترهای مدل از منفی دو برابر لگاریتم ماکسیمم درستنمایی (از نظر اندازه) کوچکتر باشه، مقدار AIC منفی می‌شه.
اگه معیار همین‌طور که گفتم به صورت منفی ۲ برابر لگاریتم ماکسیمم درستنمایی مدل به اضافه ۲ برابر تعداد پارامترها (برای AIC) یا به اضافه تعداد پارامترها در لگاریتم تعداد نمونه (برای BIC) تعریف بشه، مدلی برتر هست که معیار مورد نظر برای اون کمتر باشه.

یک پژوهشگر نظریه‌پردازی‌داده‌بنیاد (Grounded Theory)، یـکی از مـقوله‌های‌ به‌دست آمده از کدگذاری ‌باز را‌ به‌عنوان‌ مـقوله‌ مـحوری که اساس یک نظریه است، شناسایی می‌کند (ما بعدا شاخص‌هایی‌ را‌ برای انتخاب ایـن مـقوله محوری‌ مرور می‌کنیم). سپس،ایـن مـقوله‌محوری، نـقطه مرکزی الگوی کـدگذاری‌محوری‌ مـی‌شود. با‌ بررسی‌ این‌ الگـو، شـما مشاهده می‌کنید که شش جعبه (یا مقوله) از اطلاعات‌ وجود‌ دارد‌: «شرایط علّی‌»: مقوله‌هایی مربوط به شـرایطی کـه بر مقوله محوری تأثیر می‌گذارند؛ «زمـینه»: شـرایط‌ خاصی‌ کـه‌ بـر راهـبردها تأثیر می‌گذارند؛ «مقوله‌محوری» یـک صورت ذهنی از پدیده‌ای که اساس فرآیند‌ است‌؛ «شرایط مداخله‌گر»: شرایط زمینه‌ای‌عمومی که برراهبردهای تأثیر می‌گذارند؛ «راهـبردها»: کـنش‌ها یا برهم‌کنش‌های‌ خاصی‌ که‌ از پدیده مـحوری مـنتج‌ مـی‌شود؛ «پیـامدها»: خـروجی‌های حاصل از استخدام راهـبردها. (امین صادقی - 27/11/1396، 02:56:55)

مشاهده پاسخ

پاسخ: سلام. با این نوشته من چیزی متوجه نشدم و نمیشم. اگه کسی می‌تونه به سوال ایشون پاسخ بده، لطفا در همین صفحه پیام بذاره.
متشکرم.

با سلام و عرض احترام خدمت شما استاد محترم. چند سوال از مدل رگرسیون غیرخطی از خدمتتون داشتم اگه پاسخ بفرمایین سپاسگزار میشم: اول اینکه آیا پیش فرض های اون با مدل خطی یکی است؟ دوم اینکه در بعضی از متون نوشته شده درست نیست که ضریب تعیین را برای آن بدست آورد و حتی آمده که مقدار آن از 1 هم ممکن است بیشتر بشه اما در خروجی بعضی نرم افزارها مقدار اون مشاهده میشه. آیا میشه ضریب تعیین رو گزارش کرد؟ سوم اینکه آیا شاخص خطای معیار رگرسیون میتونه برای مقایسه مدل ها به جای ضریب تعیین استفاده بشه؟ شرمنده که سوالات زیاد شد. (محمد رضا - 26/11/1396، 20:02:00)

مشاهده پاسخ

پاسخ: سلام.
۱) خیر پذیره‌های مدل غیرخطی با خطی یکی نیست. بارزترین اختلاف در اساسی‌ترین پذیره است که برای مدل خطی، می‌پذیریم رابطه پاسخ و متغیر یا متغیرهای تبیینی خطی است ولی در مدل غیرخطی می‌پذیریم این رابطه خطی نیست.
در واقع هر مدل غیرخطی باید به صورت موردی بررسی و پذیره‌های اون مشخص بشه.

۲) ضریب تعیین معیاری برای برازش مدل به داده‌ها محسوب می‌شه که برای مدل‌های خطی معیاری معتبر و قابل استفاده است. اما همون‌طور که شما اشاره کردید برای مدل‌های غیرخطی معتبر نیست و استفاده از اون توصیه نمی‌شه. دلایل مختلفی برای عدم استفاده از اون توسط شبیه‌سازی‌هایی مطرح شده‌اند که می‌تونید بگردین و پیداشون کنید. راه‌حلی که ارایه شده، استفاده از شبه ضریب تعیین هست که معمولا برای مدل‌های غیرخطی در بسته‌های نرم‌افزاری گزارش می‌شه و می‌شه از اون برای مقایسه مدل‌های رقیب استفاده کرد.

۳) منظور شما رو از خطای معیار رگرسیون نفهمیدم.

موفق باشید.

سلام استاد گرامی. ان شالله خوب و سلامت باشین. سوالی از خدمتتون داشتم. مدل های غیر خطی که قابل تبدیل به مدل خطی هستند رو بهتره همون غیرخطی بررسی کنیم یا تبدیل به خطی کنیم و بررسی کنیم؟ سپاس فراوان. (محمد - 24/11/1396، 19:45:17)

مشاهده پاسخ

پاسخ: سلام.

مدل‌های خطی‌شدنی رو بهتره به صورت مدل خطی بنویسید و استنباط رو انجام بدهید. دلیل اون هم بسته بودن برآوردگرها و نتایج مختلف استنباط مبتنی بر مدل‌های خطی است.

موفق باشید.

سلام استاد عزیز. ان شالله که حالتون خوب باشه. سوالی در مورد پرسشنامه دارم. ممنون میشم پاسخ بدین. فرض کنین من یک پرسشنامه 20 سوالی دارم که 10 سوال اول آن شجاعت را می سنجد و 10 سوال بعد آن جرات را اندازه می گیرد. اولا آیا انجام آزمون روی یک سوال مثل آزمون نرمالیتی یا t تک نمونه ای صحیح است یا خیر؟ ثانیا اگر میانگین 10 سوال اول را برای تمام افراد بدست آوریم آیا می توان آزمون نرمالیتی یا t تک نمونه ای را برای آن انجام دهیم؟خیلی خیلی ممنون. (مریم - 21/11/1396، 19:02:15)

مشاهده پاسخ

پاسخ: اگر هدف از مطالعه بررسی مثلا شجاعت است، نیازی به بررسی نرمال بودن پاسخ‌های تک تک سوالات نیست و بهتره روی مجموع یا میانگین پاسخ‌های ۱۰ سوال تمرکز کنید و از نرمال بودن امتیازات حاصل از میانگین‌گیری ۱۰ سوال اطمینان پیدا کنید.

موفق باشید

سلام آقای دکتر. خسته نباشید. شرمنده میشه در مورد عددی که کنار میانگین روی محصولات می نویسند توضیح بدین اینکه نشون دهنده چیه؟ آیا انحراف معیاره، خطای معیاره و.... و اینکه چطور حسابش می کنن؟ چرا با گذشت زمان تغییر نمیکنه؟ مثلا روی قوطی نوشابه نوشته 300 بعلاوه و منهای 10، سال قبل هم همین عدد بوده، سال بعد هم همین عدد رو می نویسم. ممنون (فاطمه - 21/11/1396، 18:49:52)

مشاهده پاسخ

پاسخ: سلام. اگر نحوه محاسبه یک فاصله اطمینان برای میانگین یک توزیع (مثل نرمال) رو بدونین، می‌تونین این سوال رو پاسخ بدین. اگر هم نمی‌دونین به کتاب‌های مقدماتی آمار مراجعه کنید.

موفق باشید.

سلام و خسته نباشید. آیا نرمال بودن باقیمانده ها فقط برای رگرسیون خطی است یا برای رگرسیون نمایی، توانی و... نیز باید برقرار باشه؟ (هادی - 2/11/1396، 22:12:50)

مشاهده پاسخ

پاسخ: سلام. پذیره‌های اصلی که باید در مورد باقی‌مانده‌های هر مدل رگرسیونی بررسی شوند، ناهمبستگی اون‌ها و هم‌پراشی (همگنی یا همون واریانس ثابت داشتن) هستند.
اما در اغلب مدل‌ها، نسخه‌هایی از باقی‌مانده‌های مقیاس‌بندی‌شده مثل پیرسونی یا استودنت‌شده و ... معرفی شده‌اند که در صورت مناسب بودن برازش مدل از توزیع نرمال پیروی می‌کنند و می‌توان نرمال بودن اون‌ها رو بررسی کرد. به‌عنوان مثال متون مربوط به مدل‌های خطی تعمیم‌یافته رو ببینید.

موفق باشید.

سلام استاد. وقتتون بخیر. ابر پارامترها به چه نوع پارامترهایی می گویند؟ مثلا پارامترهای آلفا و بتا در توزیع بتا و یا آلفا و بتا در گاما میتونن ابرپارامتر باشن؟ (حامد - 24/10/1396، 20:19:55)

مشاهده پاسخ

پاسخ: سلام. ابرپارامتر اصطلاحی است که برای پارامترهای توزیع پیشین در دیدگاه بیزی استفاده می‌شه. دلیل اون هم تفاوت قایل شدن بین پارامترهای مدل با پارامترهای توزیع پیشینی است که برای پارامتر در نظر می‌گیرن. حالا توزیع پیشین برای یک پارامتر دلخواه می‌تونه هر چیزی مثل گاما، بتا، نرمال و ... باشه.

سلام استاد ببخشید من روی بیز ناپارامتری کار میکنم. که توش از برآورد مونت کارلوی واگرایی کولبک-لیب‌لر برای بررسی نزریک بودن چگالی برآورد شده به چگالی واقعی استفاده میکنم، ولی بعضاً مشاهده کردم، مقادیر برآورد مونت کارلوی واگرایی کولبک-لیب‌لر منفی میشه. نمیدونم این مشکل بخاطر استفاده از برآود مونت کارلو هست یا چیز دیگه!؟ تو مسیر الگوریتم گیبزی که استفاده کردم، در هر تکرار برآورد میشه که هر مشاهده متعلق به کدوم خوشه است و من بجای استفاده از چگالی آمیخته متناهی چگالی اون خوشه رو در برآوردگر مونت کارلوی واگرایی کولبک لیب‌لر قرار میدم، ممکنه این کار اشتباه باشه!؟ آخه وقتی من برآورد کردم که مشاهده‌ی iام به عنوان مثال به خوشه‌ی hام تعلق داره، چرا به جای اینکه تنها از چگلی خوشه‌ی hام استفاده کنم، از آمیخته‌ی از کل خوشه‌ها استفاده کنم، و از اطلاعات برچسب هر مشاهده صرف‌نظر کنم! امیدوارم تونسته باشم، مطلبو برسونم، واقعاً آخرش نفهمیدم مدلو درست شبیه‌سازی کردم یا نه! با سپاس فراوان (خسروشاه - 24/10/1396، 15:04:52)

مشاهده پاسخ

پاسخ: سلام.
بدون جزییات نمیشه نظر داد. به‌طور کلی برآورد‌گرهای مونت کارلویی شامل حداقل خطای مونت کارلو هستند و می‌تونه چیزهای عجیب مثل منفی بودن یک کمیت نامنفی رخ بده. من از جزییات نظری مساله شما چیزی نمی‌دونم فقط می‌تونم یک نظر بدم که شاید هم بی‌ربط باشه. ماکسیمم صفر و مقدار برآوردشده کولبک لیبلر رو تعریف کنید در خروجی مورد نظرتون.

موفقق باشید.

سلام. شرمنده وقتی توزیع پیشین نرمال با میانگین میو و واریانس صفر باشه همین حالتی که گفتم داره؟ یعنی توزیع پیشین در یک نقطه ثابت تباهیده است؟ سپاسگزارم (mina - 20/10/1396، 23:38:43)

مشاهده پاسخ

پاسخ: سلام.
واریانس به صفر میل کنه توزیع به یک توزیع تباهیده میل می‌کنه.

سلام دکتر. توضیحاتتون عالی بود. خیلی ممنون. (Sina - 20/10/1396، 15:37:28)

مشاهده پاسخ

پاسخ: سلام. انشالله همینطوره.

سلام. ممنون استاد. منظورم همون تباهیده بودن توزیع پیشین در یک نقطه ثابت است. حال اگه برآوردگر بیزی متناظر با این توزیع پیشین تباهیده، در حالتی که یکتا باشد (الف) و حالتی که یکتا نباشد (ب) آیا می توان در مورد پذیرفتنی بودنش در این دو حالت نظر داد؟ آیا قضیه ای در این زمینه وجود دارد؟ منظورم آینه که در صورت قضیه به تباهیده بودن توزیع پیشین اشاره کند. (مینا - 20/10/1396، 02:13:54)

مشاهده پاسخ

پاسخ: سلام.
در صورتی که توزیع پیشین در یک نقطه تباهیده باشه، داده‌ها نمی‌تونن پیشین رو به‌روز کنند و بنابراین توزیع پسین هم در همون نقطه تباهیده خواهد بود.
این به این معنی هست که برآوردگر بیزی شما (بر حسب هر تابع زیانی) همون نقطه است (چون فضای پارامتر یک نقطه بیشتر نداره) و برآوردگرهای ثابت همیشه مجاز هستند. این برآوردگر یکتا هم هست.

سلام دکتر. ببخشید مزاحمتون میشوم. آیا میشه در مورد پذیرفتنی بودن برآوردگر بیز وقتی توزیع پیشین تباهی باشه در حالت کلی نظر داد؟ اگر برآوردگر بیز یکتا باشه چطور؟ دستتون درد نکنه. (mina - 19/10/1396، 18:57:34)

مشاهده پاسخ

پاسخ: سلام.
منظور شما از تباهی پیشین همون تباهیده در یک نقطه ثابت است؟

در مورد سوال دوم بله قضیه داریم (مثلا قضیه ۵.۲.۴ کتاب لهمن و کسلا) که می‌گه هر برآوردگر بیزی یکتا، پذیرفتنی است.

سلام و وقت بخیر. از جوابتان خیلی ممنونم. فقط در مورد پاسخ سوال دوم هنوز ابهام برام وجود داره و اون آینه که وقتی توزیع پیشین ناسره است و ریسک بیز محاسبه می کنند مگه ریسک بیز امید تابع ریسک با توجه به توزیع پیشین نیست؟ پس چطوری نسبت بهش امید میگیرم وقتی تابع احتمال نیست؟ (Sina - 19/10/1396، 18:22:48)

مشاهده پاسخ

پاسخ: سلام.
سوال خوبی پرسیدین. مشکل این هست که وقتی تصمیم‌های بیزی به بچه‌ها درس داده می‌شه به‌جای تاکید بر مخاطره پسینی (میانگین تابع زیان بر حسب توزیع پسین) و تعریف تصمیم‌های بیزی به‌عنوان تصمیم‌هایی که می‌نیمم‌کننده تابع مخاطره پسینی هستند، از مخاطره بیزی (میانگین تابع مخاطره بر حسب توزیع پیشین) و می‌نیمم‌کننده این مخاطره صحبت می‌شه فقط..
بله درسته که نقطه می‌نیمم‌کننده مخاطره پسینی و مخاطره بیزی یکی هستند، ولی بر اساس فلسفه دیدگاه بیزی همه استنباط‌ها مبتنی بر توزیع پسین انجام می‌شه و باید تصمیم بیزی هم بر اساس کمیتی بر حسب توزیع پسین تعریف بشه که میشه همون مخاطره پسینی.

با این توضیح، اگرچه توزیع پیشین ناسره است، ولی توزیع پسین لزوما برای چنین توزیع‌های پیشینی، ناسره نیست و می‌تواند سره باشد و بنابراین مخاطره پسینی بی‌معنی نیست. اما دقت کنید اگر توزیع پسین به‌ازای توزیع پیشین ناسره، به یک توزیع ناسره منتهی شود، مخاطره پسینی هم بی‌معنی میشه و همه استنباط‌ها هم بی‌معنی می‌شن و مبنای احتمالی ندارند.

امیدوارم این توضیح واضح باشه.

با سلام و عرض ادب خدمت شما استاد ارجمند. یه سوال از بحث بیز داشتم. وقتی ما از کلمه تعمیم یافته در آمار استفاده می کنیم مثلا توزیع نمایی تعمیم یافته، اونوقت این توزیع، توزیع نمایی معمولی رو هم پوشش میده، اما کلمه تعمیم یافته در بیز تعمیم یافته به نظر میرسه اینطور نباشه درسته؟ چون تنها بر اساس توزیع پیشین ناسره است. کلمه تعمیم یافته در اینجا به چه معناست؟ (Ali - 17/10/1396، 22:32:38)

مشاهده پاسخ

پاسخ: سلام. همه عبارت‌های تعمیم‌یافته لزوما موارد غیرتعمیم‌یافته خودشون رو به‌عنوان حالت خاص در بر نمی‌گیرن. استفاده از این کلمه به فکر و ایده فردی که اون رو پیشنهاد می‌ده داره.
در مورد برآوردگرهای بیزی تعمیم‌یافته بله به معنی حالت کلی‌تری از برآوردگرهای بیزی معمولی نیست و بیشتر به مساله پیدا کردن برآوردگرهای بیزی تحت توابع پیشین ناسره می‌پردازه.

با سلام و خسته نباشید خدمت استاد گرامی یک سوال در مورد نرم افزار R داشتم از چه کدی باید استفاده کنیم تا جدول فراوانی رو در چند بازه رسم کنیم ؟ با سپاس فراوان (علیرضا برزگر - 17/10/1396، 17:10:10)

مشاهده پاسخ

پاسخ: سلام. توی راهنمای مقدمه‌ای بر آمار توصیفی با R گفته شده. دستور hist

با سلام و تشکر فراوان از توضیحات شما. اگه بخوام آزمون کروسکال والیس انجام دهم مگر نیاز به تعدادی داده در هر ایستگاه ندارم؟ من از هر ایستگاه فقط یک داده برای درصد مرجان دارم که از تقسیم دو فاصله بدست آمده یعنی از کل 10000 سانتی متر سهم جاهایی که مرجان بوده حدود 4000 سانتی متر بوده که میشه 40 درصد. این درصد تنها عدد من در یک ایستگاه است. آیا این درصد رو میشه با درصد مرجان ایستگاه دیگه با کروسکال مقایسه کرد؟ ممنون (محمد - 17/10/1396، 12:45:21)

مشاهده پاسخ

پاسخ: سلام. اگه فقط یک داده دارین نه کار خاصی نمی‌تونید انجام بدین. یعنی استنباطی به ذهن من نمیرسه برای مقایسه به‌جز این‌که کار توصیفی کنید.
البته اگه وارد دیدگاه بیزی بشید با یک عدد هم می‌شه استنباط انجام داد مشروط بر این‌که توزیع پیشین مناسبی برای مساله خودتون بتونید پیدا کنید.

سلام دکتر. خسته نباشید. من دانشجوی زیست شناسی هستم. در بخش آماری پایان نامه ام مشکل پیدا کردم. ممنون میشم کمکم کنید. سوالم به این شکله: هفت ايستگاه جهت بررسي وضعيت پوشش مرجاني انتخاب شدند در هر ايستگاه يك متر صد متري پهن شد نوع بستر زير این متر صد متری، سانتي متر به سانتي متر يادداشت شد و مشخص شد در زير متر چه مواردي ديده شده اند ٦ نوع بستر وجود داشت كه عبارت بود از ماسه- مرجان- خرده مرجان- صخره - اسفنج و ساير موارد اكنون در هر ايستگاه اعداد هريك از بسترهاي يادداشت شده با هم جمع شد و درصد هر يك از بسترها به دست آمد مثلا در ايستگاه ١ حدود ٤٠ درصد مرجان داشتيم ٢٠ درصد صخره و ... در ايستگاه ٢ حدود ٣٠ درصد مرجان ٣٠ درصد صخره و .. در ايستگاه ٣.... اكنون قصد دارم مقايسه اي بين درصد پوشش مرجان هاي ٧ ايستگاه انجام بدم آيا امكان مقايسه وجود داره؟ چه آزمون آماري بايد استفاده بشه؟ ممنون میشم راهنمایی کنین. (محمد - 14/10/1396، 10:10:42)

مشاهده پاسخ

پاسخ: سلام. متشکرم.

ذات داده‌های شما از نوع داده‌های ترکیبی (compositional data) است. بنابراین می‌شه از مدل‌های خاص این نوع داده‌ها، مثل رگرسیون داده‌های ترکیبی یا رگرسیون دیریکله، استفاده کرد که با توجه به سطح دانش و رشته شما انجامش رو براتون توصیه نمی‌کنم.
از طرفی چون داده‌ها رو جمع کردین، پس ۷ داده مثلا از پوشش مرجانی بیشتر ندارین. این حجم نمونه کوچک هست و اگر بخواهید آنالیز واریانس یک عاملی برای ۷ ایستگاه انجام بدین، چندان مناسب نیست. بنابراین می‌تونید از آزمون کروسکال والیس که یک آزمون ناپارامتری برای آنالیز واریانس یک‌طرفه هست استفاده کنید.
اگر ریز همه داده‌ها رو در هر ایستگاه دارید، مشکل حجم نمونه مرتفع می‌شه، ولی به دلیل وابستگی مقادیر نزدیک به هم در بستر هر ایستگاه (که وابستگی فضایی محسوب می‌شه) باز لحاظ کردن اون به مدل‌های پیچیده‌ای برای شما منتهی می‌شه که باز برای شما توصیه نمی‌کنم. البته اگر به یک مشاور آماری بدین شاید از پس همه اون‌ها بر بیاد.

امیدوارم اطلاعاتی که این‌جا مطرح کردم مفید باشه براتون.
موفق باشید.

سلام استاد. خسته نباشید. استاد اگر بخواهم نموداری از تابع زیان اشتاین (1-x-lnx) که در اون x نسبت برآوردگر به پارامتر است، رسم کنم تا ببینم زیان ناشی از بیش برآوردی بیشتر است یا کم برآوردی، آیا این کار درست است که محور x ها را نسبت برآوردگر به پارامتر در نظر بگیرم و بازه آن را مثلا 0.1 تا 1.9؟ زمانی که این نسبت 1 شود بالاترین دقت را خواهیم داشت. (حسین - 13/10/1396، 23:20:42)

مشاهده پاسخ

پاسخ: سلام. متشکرم.
بله می‌تونه درست باشه. شما می‌تونید محور x رو بیشتر از ۲ هم بگیرید. موردی نداره به نظرم.
موفق باشید.

سلام استاد. بله منظورم برآورگر اریب بود که شما چون استاد هستین و به مطالب احاطه دارین متوجه منظورم شدین. خواستم بدون اغراق بگم که افراد کمی در کشور مثل شما هستن که سوال دانشجویان را به این شکل پاسخ می دهند، لااقل من ندیدم. خیلیا اهمیتی به سوالات دانشجویان نمیدن. ان شالله خداوند بهترین ها را همین در این دنیا و هم در آخرت نصیبتون کنه. (Ali - 12/10/1396، 19:38:32)

مشاهده پاسخ

پاسخ: سلام. متشکرم. شاد و پیروز باشید.

سلام دکتر. ان شالله همیشه در صحت سلامت باشین. ببخشید وقتتون رو می گیرم. چند سوال داشتم. 1- چرا تنها وقتی انتگرال تابع چگالی پیشین برابر بی نهایت باشد می گویند ناسره است، مگر حالت های دیگر پیش نمی آید مثلا این انتگرال برابر 2 یا 3 و یا هر عددی غیر یک؟ 2- آیا گرفتن امید ریاضی نسبت به این توزیع پیشین ناسره معنی دارد؟ آیا مشابه سره محاسبه می شود؟ 3- شخصی 70 داده مربوط به وزن و قد یک موجود زنده دارد، ضریب تعیین رگرسیون خطی برابر 90 درصد با ضرایب معنی دار و ضریب تعیین رگرسیون نمایی 92 درصد با ضرایب معنی دار را نشان می دهد، آیا از بین این دو بهتر است نمایی را انتخاب کنیم؟ و اینکه اگر هدف پیش بینی مقادیر y بر اساس مقادیر x در دامنه مشاهدات است چرا انتخاب یک چندجمله ای از درجه مثلا 30 یا 40 که احتمالا مقدار ضریب تعیین را به 98 درصد یا بیشتر می رساند نمی تواند بهتر باشد؟ اگر چندجمله ای از درجه 69 انتخاب کنیم که دیگه ضریب تعیین یک می شود. خیلی از لطف شما سپاسگزاریم. (sina - 12/10/1396، 19:20:39)

مشاهده پاسخ

پاسخ: سلام. خیلی متشکرم.

۱) زمانی که انتگرال توزیع پیشین کراندار بشه مثلا برابر M بشه که لزوما ۱ نیست، به راحتی با تقسیم کردن M بر توزیع پیشین می‌شه اون رو تبدیل به توزیعی کرد که انتگرالش برابر ۱ بشه. بنابراین سره بودن به معنی کرانداری انتگرال تحت توزیع پیشین و ناسره بودن یعنی نامتناهی شدن اون انتگرال هست.
۲) اگه توزیع ناسره باشه، محاسبه هر کمیت احتمالی مانند گشتاورها بی‌معنی است؛ زیرا تفسیر احتمالی ندارن.
۳) به هدف شما بستگی داره. اگر بهترین مدل را برای توصیف پدیده می‌خوایین استفاده کنید، مدلی که برازش بهتری داره (مثلا مدل نمایی در مثال شما) باید انتخاب بشه. اما اگر هدف پیش‌گویی هست، نتیجه می‌تونه متفاوت باشه. برای این‌که پاسخ دقیق‌تر رو ببینید به جوابی که به خانم Mina در تاریخ ۹/۱۳ دادم نگاه کنید.

موفق باشید.

سلام استاد. خسته نباشید. استاد نظریه تصمیم همون استنباط بیزی است که در استنباط یک می خونیم؟ آیا مباحث آمار کلاسیک رو هم شامل میشه؟ رگرسیون چطور؟ (maryam - 7/10/1396، 17:32:25)

مشاهده پاسخ

پاسخ: سلام.
نظریه تصمیم مبانی تصمیم‌سازی مبتنی بر حضور اطلاعات رو ضابطه‌مند می‌کنه و به شما اجاز می‌ده که تصمیم‌های بهینه رو بتونید بر اساس داده‌ها انتخاب کنید.
استنباط آماری مبتنی بر نظریه تصمیم هر دو دیدگاه بیزی و کلاسیک رو شامل می‌شه. به عبارتی، بخشی از نظریه تصمیم به تصمیم‌های بیزی منتهی می‌شه و بخشی به تصمیم‌های کلاسیک مثل تصمیم‌های می‌نیماکس و مجاز. البته بین هر دو نوع تصمیم بیزی و کلاسیک روابطی هم وجود دارن که نظریه تصمیم اون‌ها رو متحد می‌کنه.
موفق باشید.

سلام استاد عزیز و بزرگوار. خدا قوت. سوالی از درس استنباط پیشرفته داشتم. در صفحه 377 کتاب لهمن تعریفی در مورد کلاس کامل برای برآوردگرهای نوشته است، آیا برداشت زیر از آن درست است؟ " کلاس C کامل است هرگاه به ازای هر برآوردگر دلتا از این کلاس، نتوان برآوردگر دیگر خارج این کلاس پیدا کرد که برآوردگر دلتا را به لحاظ ریسک مغلوب کند". در صورتی که برداشتم درست باشد آیا میشه گفت کلاس برآوردگرهای umvue کامل نیست چون میشه برآوردگر نااریب پیدا کرد که برآوردگر umvue را مغلوب کند. خیلی خیلی ممنون (Ali - 7/10/1396، 12:07:16)

مشاهده پاسخ

پاسخ: سلام. متشکرم از شما.
بله برداشت درستی هست. تعبیر کلاس کامل تصمیم‌ها همین هست که شما گفتید.
فکر کنم منظور شما برآوردگر اریب هست به‌جای نارایب نه؟ اگه منظورتون اریب هست بله حق با شماست. اگه منظورتون برآوردگر نااریب وجود داشته باشه که UMVUE رو مغلوب کنه (البته تحت زیان توان دوم خطا) خیر درست نیست.
موفق باشید

سلام. ممنون از جواب. استاد چند مقاله مطالعه کردم که در اون با تابع زیان اکیدا محدب، شرط مطلقا پیوسته بودن توزیع حاشیه ای رو بررسی نکردند و نوشتند چون تابع زیان اکیدا محدب است بنابراین برآوردگر بیز یکتا مثلا فلان می شود. آیا این شرط معمولا برقرار است؟ سوال دوم اینکه تابع زیان متداول که محدب نباشه کدومه؟ متشکرم (arezoo - 6/10/1396، 15:36:25)

مشاهده پاسخ

پاسخ: سلام.
قضیه‌ای هست که عنوان می‌کنه اگر تابع زیان محدب اکید باشه، برآوردگر بیزی که از می‌نیمم کردن تابع مخاطره بیزی (یا مخاطره پسینی) به دست می‌یاد، یکتا است. بنابراین این نتیجه کلی هست.
در خیلی از متون از منفی تابع لگاریتم درستنمایی به عنوان تابع زیان استفاده می‌شه، که برای بسیاری از مدل‌ها مثل مدل‌های آمیخته محدب نیست.

موفق باشید.

با سلام. مفهوم "زیرمجموعه محدب ناتباهیده " چیه؟ مجموعه محدب را می شناسم، تابع محدب را همینطور و همچنین توزیع تباهیده. اما کلمه تباهیده در یک مجموعه را نمی دانم. (آرزو - 4/10/1396، 21:46:35)

مشاهده پاسخ

پاسخ: سلام. احتمالا به معنی وجود بیش از یک عضو در زیرمجموعه هست. با این حال بهتر است محتوی متنی که این اصطلاح در آن هست رو دقیق مطالعه کنید.

سلام و خسته نباشید خدمت استاد بزرگوار. چند هفته پیش سوالی در مورد توابع زیان متعادل پرسیده بودم که توضیحات شما و مرجعتون و مخصوصا مثالتون بسیار برآیم مفید بوده است. بسیار متشکرم. فقط امکان داره مثال ملموس که عامل دقت نسبت به نااریبی مهم تر باشد و مثالی که عامل نااریبی به دقت اهمیت بیشتری داشته باشد بیان کنید؟ یه مثال که عامل اریبی اهمیت بیشتری داشته باشد خوندم اما خیلی برآیم ملموس نبود، نوشته بود در برآورد جمعیت به منظور تعیین افراد کنگره که به ایالت خاصی تخصیص داده می شود. خیلی خیلی ممنون. (مینا - 2/10/1396، 17:13:20)

مشاهده پاسخ

پاسخ: سلام.
الان حضور ذهن ندارم. بهتره در متون مربوط بگردین.

سلام آقای دکتر. امیدوارم حالتون خوب باشه. آیا بین تعریف پیوستگی تابع و تعریف پیوستگی تابع ریسک تفاوت وجود داره؟ ممنون از پاسخگویی. (فاطمه - 1/10/1396، 18:14:11)

مشاهده پاسخ

پاسخ: سلام. متشکرم.
خیر همون تعریف پیوستگی تابع هست.

سلام. وقتتون بخیر. امکان داره در مورد روش "limiting Bayes argument" کمی برایم توضیح دهید؟ ایا این برداشت درست است که برآوردگر را به صورت حد دنباله ای از برآوردگرهای بیز با یک نسبت مناسب بنویسیم که اختلاف ریسک بیز آنها به صفر همگرا شود؟ و اینکه منظور از نرخ مناسب (appropriate rate) که نمیدونم درست ترجمه کردم یا نه، چیه؟ متشکرم (سبحان - 20/9/1396، 12:36:45)

مشاهده پاسخ

پاسخ: سلام.
چنین روشی نمی‌شناسم. مطالبی که گفتین رو بدون اطلاع از محتوی مساله نمی‌تونم پاسخ بدم.

سلام استاد بزرگوار. بعضی از سوال ها بخاطر پیش پا افتاده بودن، آدم خجالت میکشه سر کلاس بپرسه. شرمنده که اینجا از شما میپرسیم. استاد آیا برآوردگر MLE هم مثل UMVUE تنها براساس تابع زیان مربع خطا است؟ (حمید - 15/9/1396، 11:50:02)

مشاهده پاسخ

پاسخ: سلام.
برآوردگرهای درستنمایی ماکسیمم مبنای نظریه تصمیم ندارن. یعنی این برآوردگرها بر اساس می‌نیمم کردن یک تابع مخاطره (که همان میانگین تابع زیان است) به‌دست نمی‌آیند. بلکه این برآوردگرها از ماکسیمم کردن تابع درستنمایی حاصل می‌شوند.

سلام مجدد. ببخشید سوال دیگر هم در مورد تابع زیانی وزنی داشتم. آیا مقادیر پایین ترم دوم، به ما نمی گوید مدل ما برازش نیکویی داشته است؟ مگر نه اینکه تابع زیان میزان بد بودن برآورد را به ما می گوید. آیا نمیشه گفت وقتی برآورد بد بوده پس مدل نیکو برازش نشده؟ شرمنده و سپاس از پاسخگویی تان. (Mina - 13/9/1396، 21:08:54)

مشاهده پاسخ

پاسخ: سلام. خیر پایین بودن مولفه دقت به معنی برازش خوب مدل برآورشده بر اساس اون برآوردگر نیست.
مثلا در یک مدل رگرسیونی فرض کنید مدل واقعی خطی باشد؛ حال اگر یک مدل خطی را برآورد کنید دقت برآوردگرها مناسب خواهند بود و برازش مدل (یعنی نزدیکی مقادیر پیش‌گویی به مقادیر واقعی) هم شاید خوب باشد. اکنون اگر یک مدل بیش‌برازش به داده‌ها برازش دهید، مثلا یک مدل چندجمله‌ای از درجه دو یا سه، برازش بهتر خواهد شد یعنی مقادیر پیش‌گویی‌شده بر اساس مدل چندجمله‌ای به مقادیر واقعی نزدیک‌تر از مدل خطی خواهند بود. این یعنی برازش بهتر (یا همان اریبی کوچکتر). اما دقت برآوردگرها (به‌ویژه دقت برآوردگر ضرایب متغیرهای چندجمله‌ای بالاتر از خطی) ضعیف خواهد بود.
امیدوارم این مثال واضح باشد.

سلام استاد. خسته نباشید. ببخشید آقای دکتر شما از توابع زیان متعادل یا متعادل وزنی که زلنر در سال 1994 معرفی کرد اطلاع دارین که ترکیبی از دقت و نیکویی برازش است؟ در ترم اول آن میانگین مربعات اختلاف مشاهدات و برآوردگر وجود دارد که تحت نام نیکویی برازش است و در ترم دوم مربع اختلاف برآوردگر و پارامتر جامعه است که تحت نام دقت است. در مقاله ای این جمله را نوشته: Thus there is a need to provide a framework within which the tradeoff between goodness of fit, or lack of bias, and precision of estimation can be considered formally آیا نیکویی برازش مدل رگرسیون همان فقدان اریبی است؟ در حقیقت متوجه تفاوت ترم اول و ترم دوم نمی شوم. ممنون میشوم راهنمایی کنین. (Mina - 13/9/1396، 20:42:53)

مشاهده پاسخ

پاسخ: سلام.
جزییات کامل این نوع توابع زیان رو می‌تونید در رساله دکتری آقای دکتر جعفری جوزانی (که الان در دانشگاه منیتوبا کانادا هستند) پیدا کنید.
مولفه اول احتلاف بین مشاهدات و مقادیر پیش‌گویی‌شده بر اساس برآوردگر به‌دست امده است (نه بین مشاهدات و برآوردگر) و مولفه دوم اختلاف بین برآوردگر و پارامتر واقعی. بنابراین واضح است که مولفه اول برازش را می‌سنجد و مولفه دوم دقت برآورد را می‌سنجد.
اگر نیاز به توضیح بیشتری داشتید به منبعی که اسم بردم مراجعه کنید.

سلام دکتر. امیدوارم حالتون خوب باشه. آقای دکتر منظور از برآوردگر انقباضی که در مقالات مشاهده میشه چیه؟ آیا میشه با mle یا umvue مقایسه کرد که مقایسه آنها اشکال دارد؟ سپاس (Arman - 10/9/1396، 20:21:19)

مشاهده پاسخ

پاسخ: سلام. این مبحث مفصلی هست. بهتره به مقاله‌های دکتر آرشی مراجعه کنید.
بله می‌شه مقایسه کرد. این برآوردگرها اریب هستند ولی معمولا مخاطره کمتری نسبت به برآوردگرهای نااریب مثل UMVUE دارند.

سلام. آخه تابع چگالی مثلا تابع نمایی رو میخوان بنویسن، اون رو گاهی با نماد(x|teta) نشان می دهند و گاهی با (x ; teta). (Ali - 30/8/1396، 21:29:05)

مشاهده پاسخ

پاسخ: الان منظور شما رو متوجه شدم. این نمادگذاری به نوع نگاه افراد به پارامتر بستگی داره.
معمولا در دیدگاه کلاسیک پارامتر رو مقداری ثابت ولی نامعلوم در نظر می‌گیرند بنابراین به عنوان یک شاخص در شکل تابع احتمال متغیر تصادفی در نظر می‌گیرن و می‌نویسن f(x; theta)
اما در دیدگاه بیزی به پارامتر به دید یک متغیر تصادفی نگاه میشه. بنابراین وقتی تابع احتمال مشاهدات رو می‌نویسن به شکل شرطی می‌نویسن که تاکید کنند این تابع احتمال به ازای مقدار مشخصی از تکیه‌گاه پارامتر (که یک متغیر تصادفی محسوب می‌شه) هست.
البته این دو نگاه مختص دیدگاه‌های بیزی و کلاسیک نیست...
موفق باشید.

سلام دکتر. خسته نباشید. از توجه شما به پاسخگویی به سوالات ما دانشجویان متشکرم. آقای دکتر در نوشتن فرم های مختلف تابع چگالی چه موقع معنی شرطی میدن چه موقع اینگونه نیست؟ منظورم تابع چگالی (x|teta) است. (ali - 29/8/1396، 13:57:28)

مشاهده پاسخ

پاسخ: سلام.
متوجه این سوال نمی‌شم. هر موقع شرطی باشه شرطی می‌نویسیم خوب.

سلام. ببخشید آقای دکتر. دو سوال از خدمتتون داشتم. در نامساوی کرامر رائو ،کران پایین برای تمام برآوردگرهای پارامتر ارایه می دهد یا نشان می دهد هر برآوردگری که در این شرط صدق کند مطلوب است؟ آیا واریانس برآوردگر umvue همیشه مقداری بزرگتر یا مساوی کران پایین کرامر رائو دارد؟ (mohammad - 27/7/1396، 09:42:54)

مشاهده پاسخ

پاسخ: سلام.

بله کران پاینن برای واریانس تمام برآوردگرهای پارامتر مورد نظر رو نشون می‌ده.
بله واریانس UMVUE از کران پایین بزرگتر یا مساوی اون هست. اگر برآوردگر نااریبی واریانسی برابر کران پایین نامساوی CR داشته باشه، UMVUE هست ولی عکس اون درست نیست.

موفق باشید.

با سلام ضمن عرض خسته نباشید سوالی در رباطه با مقایسه مقاینگین داده ها داشتم. هدف من در مطالعه ای بررسی اثرات کاربری های مختلف بر میزان نیترات اب هست. مشکلی که وجود دارد این هست که در یک گروه 70 داده، و در گروه های دیگر به ترتیب 30، 15، 7، و 3 داده دارم. ایا در چنین شرایطی استفاده از ازمون هایی همچون کروسکال والیس بمنظور بررسی مقایسه بین گروه ها صحیح هست یا بخاطر تفاوت بسیار مشهود داده ها فقط باید به نتایج امار توصیفی (میانگین، ...) بسنده کرد. سپاس (رسول - 26/7/1396، 22:25:09)

مشاهده پاسخ

پاسخ: سلام.

برای استفاده از مدل تحلیل واریانس یک‌طرفه نرمال (برای مقایسه میانگین‌ها)، محدودیتی در مورد حجم نمونه در گروه‌های مورد نظر وجود ندارد. در این مدل باید سه پذیره ۱) هم‌پراشی یا همان واریانس‌های برابر ۲) نرمال بودن و ۳) مستقل بودن گروه‌ها، برقرار باشند. بنابراین برای داده‌ها با شرایطی که مطرح کردین می‌تونید از مدل تحلیل واریانس یک‌طرفه استفاده کنید.

البته ذکر دو نکته در این‌جا لازم است:
۱) بررسی نرمال بودن پاسخ در گروه‌های کم حجم (مثل گروهی با ۳ مشاهده) می‌تواند سوال‌برانگیز باشد. البته مدل تحلیل واریانس نسبت به تخطی ضعیف از پذیره نرمال چندان حساس نیست. یا این‌که می‌توانید از جانشین ناپارامتری آن مانند آزمون کروسکال-والیس استفاده کنید.
۲) وقتی حجم‌های نمونه در گروه‌ها نابرابر باشند، معمولا پذیره هم‌پراشی (واریانس‌های برابر) نیز برقرار نیست. در این حالت باید از روش‌های وزنی استفاده کنید.

موفق باشید.

سلام استاد. یه سوال دیگه هم داشتم. فرق پایان نامه های بچه های غیر آماری مثل رشته های عمران و غیره که در مورد قابلیت اعتماد کار می کنند با پایان نامه های رشته آمار که در این زمینه کار می کنند چیه؟ با توجه به اینکه اونا دروس آمار پاس نکردند. ممنونم (رضا - 26/7/1396، 13:31:49)

مشاهده پاسخ

پاسخ: خوب این سوال رو باید از اون‌ها بپرسید که احتمالا بهتر می‌تونن جواب بدن. اما من می‌تونم بگم به‌طور کلی تفاوت عمده در نظری و کاربردی بودن است. یعنی در کارهای ما آماری‌های معمولا جنبه‌های نظری بیشتر مورد توجه است و در کارهای اون‌ها بیشتر جنبه‌های کاربردی و اون‌ها معمولا کاربر روش‌های مطرح‌شده در قابلیت اعتماد هستند و تسلط چندانی بر مبانی آن روش‌ها ندارند.
به نظر من آمیزه‌ای از هر دو شامل تسلط بر مبانی نظری و توسعه آن‌ها و پرداختن به کاربرد ملموس آن در یک موقعیت واقعی، می‌تواند یک مساله جذاب برای کار و پژوهش باشد.

موفق باشید.

سلام استاد. یه راهنمایی از خدمتتون میخواستم. من به مباحث استنباط علاقمند هستم و به مباحث نظریه احتمال علاقه ای ندارم. اگر بخواهم در زمینه قابلیت اعتماد کار کنم با مشکل بر میخورم؟ در حقیقت مخواهم بدانم جنس موضوع قابلیت اعتماد به استنباط نزدیک تر است یا نظریه احتمال؟ (رضا - 26/7/1396، 00:03:18)

مشاهده پاسخ

پاسخ: سلام.

مباحث استنباط آماری پا بر روی دوش نظریه احتمال گذاشته‌اند و بدون مبانی احتمال و رعایت اصول آن، اعتبار ندارند. بنابراین جدا کردن اون‌ها از هم چندان بامعنی نیست.
با این حال منظور شما رو می‌فهمم. خوب اگه دیدگاه نظریه احتمالی خوبی داشته باشید، بهتر می‌تونید روی مباحث استنباطی قابلیت اعتماد کار کنید.
این زمینه هر دو مبحث نظری و کاربردی را در زمینه‌های استنباط و احتمال دارد. با توجه به علاقه شما به مباحث استنباط آماری، زمینه‌های مختلفی را می‌توانید در قابلیت اعتماد پیدا کنید که تمرکز اصلی در آن‌ها استنباط است. مثل برآورد تابع قابلیت اعتماد کالاها، برآورد پارامتر تنش-مقاومت در سیستم‌های مختلف (موازی و سری) قابلیت اعتماد و ....

موفق باشید

سلام آقای دکتر. خسته نباشین. ببخشید آیا میشه گفت از بین MLE و UMVUE کدام بهتر است؟ آیا در بین برآوردگرهای نااریب، همیشه UMVUE بهتر از MLE است؟ اگر برآورگر اریب باشد اما بهتر به داده ها مدل شود چه اشکالی دارد؟ اگه امکان داره تفاوت این دو برآوردگر را برایم توضیح دهید. ممنون (فاطمه - 24/7/1396، 20:48:45)

مشاهده پاسخ

پاسخ: سلام.
در مواردی (به‌ویژه در خانواده توزیع‌های نمایی) این دو برآوردگر یکی هستند و در مواردی برآوردگر نارایب با کمترین واریانس تابعی از MLE هست. برای دانستن این‌که کدام موارد و چطور، می‌توانید به کتاب‌های استنباطی مثل کتاب‌های لهمن، برگر و کسلا، و روهاتگی و صالح مراجعه کنید.

در رده برآوردگرهای نااریب (که چندان هم ویژگی جذابی نیست) برآوردگر UMVUE از منظر تابع زیان توان دوم بهترین هست. ولی همون‌طور که شما گفتید اگه برآوردگر اریبی باشه که مخاطره کمتری (نسبت به هر تابع زیانی) نسبت به برآوردگرهای نارایب داشته باشه، خوب حتما از اون استفاده کنید.

موفق باشید

سلام، من دانشجو نیستم ولی نیاز به کارهای عملیاتی و پرکتیکال آماری دارم، مقدماتی از آمار هم بلدم (تا حد آزمونهای فرض ولی مباحثی مثل رگرسیون و کواریانس و... مشکل دارم.) جبرخطی، آنالیز، معادلات دیفرانسیل و ریاضیات عمومی رو در حد خوبی بلد هستم (به صورت مستمع آزاد در کلاسهای یک دانشگاه دولتی تهران شرکت کردم و حتی امتحانش رو هم دادم و نمره من در تمام این دروس بالای 15 بود، پیشنیازهای آمار رو به خوبی آشنا هستم مشکل من خود آمار و احتمال هست که متاسفانه زمان کلاس رفتن دیگه ندارم و باید به سرعت روی پروژه فعلی شرکتم کار کنم) به نظر شما سایت https://www.statlect.com/ برای یادگیری خودخوان من مناسب هست؟ ممنون میشم راهنماییم کنید. (محمد - 6/7/1396، 11:10:39)

مشاهده پاسخ

پاسخ: سلام. من یک نگاهی به سایت انداختم خوب حتما می‌تونه برای شما مفید باشه. اما توصیه من به شما استفاده از کتاب‌های آماری هست. ابتدا ببینید برای انجام کارتون به چه روش‌ها و مدل‌های آماری نیاز دارید. سپس بر اساس اون روی کتابی که اون مطالب رو پوشش بده تمرکز کنید.

مثلا برای رگرسیون یک کتاب خیلی خوب کتاب مقدمه‌ای بر مدل‌های رگرسیون خطی تالیف میرز و مونت‌گومری و سایرین هست. کتابی شبیه به این رو آقای دکتر نیرومند نوشتن که فکر کنم انتشارات دانشگاه فردوسی مشهد هست.

موفق باشید.

سلام، خسته نباشین آقای باغیشنی. بنده چند تا روش برای تولید یک سری اعداد که خروجی الگوریتم خاصی هست. من ادعا دارم که خروجی الگوریتم اول از بقیه بزرگتر هست. چطوری میتونم ادعای خودم رو آزمایش و اثبات کنم؟ (حسینیان - 5/7/1396، 19:00:00)

مشاهده پاسخ

پاسخ: سلام. منظور شما از بزرگتر چیه؟ یعنی طول دنباله اعداد تولیدشده بزرگتره؟ اندازه اعداد بزرگتر هستن؟ واضح نیست...

ممنون از خدمت شما و پاسخگویی دقیق و سریعتان. (اژه ای - 27/6/1396، 13:31:42)

مشاهده پاسخ

پیرو همان سوال قبلی، توضیحات این صفحه را شما قابل قبول میدانید من میتوانم به استناد پاسخ کاربر Charlie در این صفحه تحلیلهایم را پیش ببرم؟ (اژه ای - 26/6/1396، 15:32:30)

مشاهده پاسخ

پاسخ: متوجه این سوال نشدم. کاربر ... ؟

سلام و خسته نباشید خدمت استاد. یک سوال داشتم، من درصدد آزمون دو مرحله ای معناداری هستم. یعنی اینکه در مرحله اول چک میکنم متغیر X از توزیع f پیروی می کند یا خیر. مقادیر pValue متناظر را محاسبه می کنم. فرض کنید این آزمون را 100 بار تکرار میکنم و هر بار pvalue متناظر را یادداشت می کنم. در یک مقاله مشاهده کردم که گفته بود pvalue از توزیع یکنواخت پیروی میکند لذا در مرحله دوم به دنبال تست یونیفرم بودن pvalueها هستم. ولی سوالی که برایم پیش آمده این است که آیا ادعای یونیفرم بودن pvalueها به ازای هر توزیع f درست است یا فقط به ازای آزمونهای معناداری پیروی از توزیع نرمال؟ پیشاپیش ممنون از راهنمایی شما (اژه ای - 26/6/1396، 15:29:15)

مشاهده پاسخ

پاسخ: سلام.

من انگیزه و دلیل انجام چنین آزمونی را نمی‌دانم. اما در مورد سوال شما...

اثبات می‌شود p-مقدار، تحت درستی فرضیه صفر (نه در حالت کلی)، دارای توزیع یکنواخت است. این واقعیت به توزیع آماره آزمون تحت فرضیه صفر (مثلا نرمال بودن) ربطی ندارد.

موفق باشید.

سلام آقای دکتر. این صفحه پرسش و پاسختون باعث شده من سواد آماری ام بیشتر شود. از شما سپاسگزارم. سوالی از خدمتتون داشتم. همانطور که در پاسخ سوال یکی از دوستان فرمودین بین انحراف معیار و میانگین در توزیع نرمال وابستگی تابعی وجود ندارد، بنابراین ممکن است انحراف معیار از میانگین بزرگتر باشد. از طرفی می گوییم در توزیع نرمال تقریبا 68 درصد داده ها در فاصله یک انحراف معیار از میانگین قرار می گیرند. آیا وقتی با مقادیر متغیری رو برو هستیم که هیچگاه منفی نمی شود (مثلا کلسترول، قد، وزن و ...) و میانگین مقادیر نمونه مثلا 100 و انحراف معیار 200 شود، آیا می توانیم نرمال بودن آن را به سرعت رد کنیم؟ چرا که اگر نرمال باشد لازم است تقریبا 68 درصد داده ها در فاصله منفی 100 تا مثبت 300 قرار گیرد و یا تقریبا 95 درصد داده ها در فاصله منفی 300 تا مثبت 500 قرار گیرد. در حقیقت متغیرهایی که فقط مقادیر مثبت دارند و انحراف معیار از میانگین بزرگتر باشد یک طرف دم توزیع نرمال را از دست می دهند و به نظر میرسه توزیع نرمال نداشته باشند. در حقیقت سوالم این است: اینکه در توزیع نرمال انحراف معیار از میانگین بزرگتر باشد برایم قابل درک است، آیا می توان گفت در شرایطی که با متغیرهای همواره مثبت روبرو هستیم بزرگتر بودن انحراف معیار از میانگین، نرمال بودن توزیع داده ها را زیر سوال می برد یا نفی می کند؟ ممنون میشم راهنمایی کنین. (فاطمه - 21/6/1396، 00:58:42)

مشاهده پاسخ

پاسخ: سلام.

باکس: همه مدل‌ها نادرست هستند، اما برخی از آن‌ها مفیدند.

تکیه‌گاه (دامنه تغییرات) توزیع نرمال مجموعه اعداد حقیقی است. بنابراین به‌طور کلی می‌توان گفت متغیر تصادفی نامنفی نمی‌تواند از توزیع نرمال پیروی کند. اما اگر میانگین بزرگ باشد شاید توزیع نرمال به داده‌ها برازش مناسبی داشته باشد.

با این توضیح برای مثالی که شما گفتید، از نظر من بله حق با شماست اگر این شرایط باشد پذیره توزیع نرمال برای آن داده‌ها نامناسب است.
موفق باشید.

سلام آقای دکتر. وقتتون بخیر. فلسفه اینکه در آزمون های ناپارامتری مثل کروسکال والیس که داده های چند گروه به ترتیب رتبه مرتب می شوند و سپس میانگین رتبه ها اعلام می شود، گفته می شود بر اساس "میانه" عمل می کنه، چیه؟ در اینجا به نظر می رسد میانه نقشی نداشته باشد. ممنون (فاطمه - 16/6/1396، 12:46:33)

مشاهده پاسخ

پاسخ: سلام. آماره آزمون کروسکال والیس تابعی از اختلاف میانگین رتبه مشاهدات برای هر تیمار و میانگین رتبه همه مشاهدات روی هم است.
از طرفی میانگین رتبه‌های یک مجموعه داده معادل با رتبه میانه مشاهدات است. برای همین است که از میانه نام برده می‌شود ولی باید دقت کنیم که این آماره تابعی از رتبه‌های مشاهدات است نه خود مشاهدات. هرچند که اندازه مشاهدات بر مقادیر رتبه‌ها تاثیر دارند.

سلام آقای دکتر. با تشکر از پاسختان. روش های بیزی رو می توان در نرم افزارهای رایج مثل spss انجام داد؟ در صورت استفاده از کروسکال والیس، خروجی رو میشه با میانگین به جای میانه گزارش داد؟ سه آزمودنی وجود دارد. آیا میشه اگه یکی از آزمودنی های یکی از گروهها نسبت به دو آزمودنی دیگه همان گروه خیلی بزرگتر باشد، آن را حذف کرد؟ سوال آخر اینکه اگه هر گروه سه آزمودنی داشته باشه و هر آزمودنی سه تکرار داشته باشه، نوع تحلیل چگونه می شود؟ شرمنده سوالات زیاد شد، ممنونم (فاطمه - 7/6/1396، 12:28:28)

مشاهده پاسخ

پاسخ: سلام. در مورد نسخه‌های جدید SPSS بی‌اطلاع هستم. تا جایی که خبر دارم خیر روش‌های بیزی در این نرم‌افزار تعبیه نشده‌اند.
آزمون کروسکال-والیس بر پایه میانه عمل می‌کند.
در این حجم نمونه حذف مشاهده به بهانه پرت بودن توصیه نمی‌شود.
از روش اندازه‌های مکرر استفاده کنید.

سلام آقای دکتر. خسته نباشید. پاسخی که به سوال آقا حسین در مورد استفاده از روش ناپارامتری برای تعداد نمونه پایین فرمودید، در مجلات معروف علوم کاربردی مثل زیست شناسی با ایمپکت بالا که کارهایی آزمایشگاهی انجام میدن و در آزمایشگاه هم چند تیمار مختلف با سه تکرار دارند، تقریبا مقاله ای مشاهده نشده که از آزمون کروسکال والیس استفاده کنند. این آزمون توان پایینی دارد. آیا عمل اشتباهی انجام میدن؟ در این مقالات از anova استفاده می کنن و میانگین و خطای معیار را گزارش می دهند، در صورت استفاده از آزمون کروسکال والیس آیا باید میانه و دامنه میان چارکی را نشان دهیم؟ در این صورت این مشکل پیش میآید که محاسبه چارک اول و سوم با سه داده به نظر مناسب نباشد. ممنون میشم راهنمایی کنین. (Fatemeh - 6/6/1396، 18:58:03)

مشاهده پاسخ

پاسخ: سلام. دو نکته:

۱) من روش‌های بیزی رو توصیه کردم. اما اگر حجم نمونه کوچک باشد و در نظر گرفتن پذیره توزیع نرمال مشکوک باشد، و شما مصر به استفاده از روش‌های کلاسیک استنباط آماری باشید، از روش‌های ناپارامتری کلاسیک نیز می‌توان استفاده کرد.

۲) منظور از سه، تکرار برای هر آزمودنی است یا کلا اندازه‌های سه آزمودنی موجود هستند؟ این دو خیلی با هم متفاوت هستند.

سلام. وقتتون بخیر. آقای دکتر اگه ما چند گروه داشته باشیم و از هر گروه سه تکرار یعنی سه عدد اندازه گیری شده و بخواهیم مقایسه میانگین آنها را انجام دهیم، آیا برای انجام آنالیز واریانس باید آزمون نرمالیتی را انجام دهیم؟ مشکل آزمون نرمالیتی برای سه داده آینه که مثلا ٱزمون شاپیرو سه داده 1،2،31 را نرمال اعلام می کند و کولموگروف سه داده 1،2،500 را نرمال گزارش می دهد. بنابراین وقتی با وجود چنین داده های پرتی داده ها را نرمال اعلام می کند بهتر نیست برای گروه های با سه عدد از این آزمون ها استفاده نکنیم؟ ممنون (حسین - 6/6/1396، 12:02:32)

مشاهده پاسخ

پاسخ: سلام. در این موارد (حجم نمونه خیلی کوچک) می‌تونید از روش‌های ناپارامتری برای مقایسه میانگین استفاده کنید. مثل آزمون کروسکال والیس.

البته پیشنهاد اول من در این موارد، در صورتی‌که محقق اطلاعات اولیه‌ای در مورد پدیده مورد مطالعه دارد، استفاده از روش‌های بیزی است.

سلام آقای دکتر. دو سوال از خدمتتان داشتم. 1- آیا umvue یکتا است؟ 2- کلمه "یکنواخت" در umvue به چه معنا است؟ (Ali - 6/6/1396، 11:48:03)

مشاهده پاسخ

پاسخ: سلام. برای دیدن پاسخ به این لینک مراجعه کنید:
https://math.stackexchange.com/questions/763567/is-umvue-unique-is-the-best-unbiased-estimator-unique

سلام، تشکر مجدد از پاسختون. راستش چون من اصلا تحصیلات دانشگاه ندارم یه مقدار تو جستجوی علمی مشکل داشتم. تشکر میکنم از راهنماییتون راهگشا بود. (محمد - 27/5/1396، 01:41:10)

مشاهده پاسخ

با سلام و تشکر. در رابطه با دنباله مارکوفهایی با مرتبه بالاتر از یک امکانش هست منبعی معرفی کنید؟ یا حداقل اصطلاح انگلیسی این دنباله ها رو به بنده بگید تا خودم جستجو کنم. منظورم از دنباله مارکوف با مرتبه بالاتر (مثلا مرتبه 2) یعنی در یک دنباله تصادفی، احتمال دیده شدن یک عنصر، به دو جمله قبلی وابسته است. (تو مارکوف معمولی فقط به جمله آخر وابسته هست). (محمد - 24/5/1396، 18:50:49)

مشاهده پاسخ

پاسخ: سلام. کتاب‌های استاندارد فرآیندهای تصادفی در مورد این فرآیندها تئوری کلی رو گفتند. کافیه یکی رو بردارید و بخونید. به این فرآیندها مثلا فرآیند مارکوف مرتبه k می‌گن kth order Markov process
موفق باشید

سلام دکتر. یه سوال دیگه هم داشتم. شرمنده. مفهوم بسندگی رو برای مثال زیر متوجه میشم: اگر دو بار آزمایش برنولی را با احتمال موفقیت p انجام دهیم، با داشتن مجموع موفقیت ها می توان احتمال هر پیشامدی را بدون داشتن مقدار p تعیین کرد یعنی آماره مجموع موفقیت ها برای تعیین احتمالات کافی است. ولی برای این مثال متوجه نمیشم: در توزیع یکنواخت صفر و تتا، آماره ترتیبی Xn بسنده است. در مثال اول مثلا احتمال عدم موفقیت در آزمایش اول و موفقیت در آزمایش دوم را حساب می کنم که میشه 0.5 و به p بستگی نداره. امکان داره با یک مثال عددی محاسبه یک احتمال رو با با داشتن Xn برام توضیح بدین که به پارامتر تتا بستگی نداشته باشه. ممنون (فاطمه - 23/5/1396، 12:09:58)

مشاهده پاسخ

پاسخ: سلام. برداشت شما از بسندگی اشتباه است. این جمله شما

"اگر دو بار آزمایش برنولی را با احتمال موفقیت p انجام دهیم، با داشتن مجموع موفقیت‌ها می‌توان احتمال هر پیشامدی را بدون داشتن مقدار p تعیین کرد"

نادرست هست. بدون دانشی از p نمی‌توان احتمالی رو به صورت عددی حساب کرد. بسندگی به این مفهوم هست که اگر آماره بسنده‌ای وجود داشته باشه (به غیر از نمونه) تمام اطلاعات موجود در نمونه اصلی برای شناخت پارامتر در آماره بسنده نیز هست. پس استفاده از نمونه و آماره بسنده هر دو استنباط مشابهی رو در مورد پارامتر ارایه می‌دهند.

به‌عنوان مثال، اگر با استفاده از نمونه به برآورد 0.4 برای p برسید، با روش استنباطی مشابه با استفاده از آماره بسنده هم به همون برآورد می‌رسید.

سلام دکتر. من دانشجوی شما نیستم. از اینکه به سوالاتم پاسخ میدین بسیار سپاسگزارم. سوالی که خدمتتون دارم اینه وقتی نمرات یکسری افراد در اختیار باشد که مربوط به جنس های مختلف (پسر و دختر) و دوره های مختلف (روزانه و شبانه) است، سه روش زیر برای آنالیز رو در نظر بگیرین: 1- مقایسه نمرات دختران و پسران بدون در نظر گرفتن دوره با آزمون t و مقایسه نمرات دوره های روزانه و شبانه بدون در نظر گرفتن جنسیت با آزمون t 2- استفاده از آنالیز واریانس دوطرفه و بررسی اثرات اصلی جنس و دوره و همچنین اثر متقابل 3- مقایسه بین نمره دختران و پسران در دوره روزانه با آزمون t و همچنین مفایسه بین نمره دختران و پسران در دوره شبانه با آزمون t سوال اول اینکه آیا هر سه روش درست هستند؟ یعنی اگر کسی دنبال اثر متقابل نباشد می تواند از روش اول استفاده کند؟ خیلی خیلی ممنونم. (فاطمه - 23/5/1396، 11:58:06)

مشاهده پاسخ

پاسخ: سلام. استفاده از هر کدام از این مدل‌ها به پذیره‌های شما و اهداف تحلیل بستگی داره. ممکنه برای هدفی که شما دارین استفاده از مدل اول کافی باشه.

اما در مورد سوال دوم که مربوط بود به استفاده از مدل اول در حالتی که علاقه‌مند به اثر متقابل نیستید، پاسخ من استفاده از مدل انالیز واریانس دوطرفه بدون اثر متقابل هست. مدل اول اثر هر عامل را بدون حضور دیگری بررسی می‌کند. در حالی که ممکن است عامل B (اثر دوره) روی عامل A (اثر جنسیت) یک تاثیر مداخله‌گرانه داشته باشه که لحاظ نکردن ان بر کاهش دقت استنباط اثر خواهد داشت.

موفق باشید.

سلام آقای دکتر. ممنون از پاسخ شما. پاسخ شما برایم قابل فهم بود. وقتی مقالات علوم کاربردی رو نگاه می کنم بر اساس معنی دار بودن یا نبودن اختلاف شروع به تفسیر می کنن یعنی که موارد عدم معنی داری رو هم میشه با افزایش اندازه نمونه معنی دار کرد، بنابراین به نظر میرسه شاید استفاده از آمار گمراه کننده باشد. آیا مشخص کردن یک اندازه نمونه ثابت مثلا 100=n برای علوم مختلف نمیتونه یک روش مناسب باشه؟ البته برای هر علم جداگانه این اندازه را مشخص کنند. سوال دوم اینکه مقادیر حداقل و حداکثر اندازه اثر چقدره؟ آیا گزینه این معیار در نرم افزار spss وجود داره؟ سوال سوم اگر تمام اعضای جمعیت آقایان 25 ساله کشور در دسترس باشند و میانگین قد آنها 160 سانتی متر و این عدد برای جمعیت خانم ها 175 سانتی متر شود، در اینجا فقط کار توصیفی می توانیم انجام دهیم؟ مثلا بگوییم قد مردان 25 ساله به اندازه 15 سانتی متر از قد زنان بیشتر است، درسته؟ (فاطمه - 23/5/1396، 11:44:37)

مشاهده پاسخ

پاسخ: سلام. به‌طور خیلی خلاصه می‌تونم پاسخ‌های زیر رو برای سوالات شما ارایه بدم:

۱) اگه اثری واقعا معنی‌دار باشد، با حجم نمونه کم یا زیاد باز هم معنی‌دار است و اندازه اثر (برآورد نقطه‌ای اثر) نیز بزرگ و قابل ملاحظه است. افزایش حجم نمونه می‌تواند بر معنی‌دار شدن اثرات ناچیز تاثیر بذاره که با توجه به اندازه اثر و نظر متخصص زمینه مورد نظر می‌توان به صفر بودن آن اثر پی برد.
تعیین یک حجم نمونه مشخص در علوم بی‌معنی است زیرا اولا دنیای جاری دنیای داده‌های بزرگ است و تعیین یک عدد مشخص به معنی کنار گذاشتن سایر اطلاعات است و دوم این‌که همان‌طور که اشاره کردم استفاده از معیارهای معنی‌داری باید در کنار سایر ویژگی‌ها مثل اندازه اثر، و فاصله اطمینان (فاصله اعتبار، فاصله عدم قطعیت) استفاده بشن.

۲) تعیین بزرگی اندازه اثر به مساله مورد نظر و متخصص مربوطه بستگی داره.

۳) اگه جامعه مورد نظر همین باشه که گفتید و تمام اطلاعات در دسترس باشند بله. در عین حال، دقت کنید این جامعه نمونه‌ای است از ابرجمعیت بزرگتر آقایان ۲۵ ساله کشور در سال‌های مختلف از گذشته تا آینده. بنابراین با این نگاه می‌توان کار استنباطی هم انجام داد.

موفق باشید.

استاد. ممنون از وقتی که برای دانشجویان می ذارین. استاد آیا اینکه یک متغیر در دو سطح مختلف اختلاف معنی دار داشته باشد، می توانیم بگوییم واقعا این متغیر در این دو سظح یکسان نیست؟ ما می توانیم با افزایش نمونه برای هر متغیر در دو سطح به اختلاف معنی دار برسیم. مثلا ممکنه بخواهیم طول انگشت شصت نوزادان سه ساله دختر و پسر را مقایسه کنیمو با نمونه 50 تایی اختلاف معنی دار نشود اما با نمونه 1000 تایی به احتمال زیاد معنی دار می شود و این نشان می دهد هر متغیری بین دو سطح با اندازه نمونه بالا معنی دار است. در این صورت وقتی در رسانه بیان شود بین هوش خانم ها و آقایان اختلاف وجود ندارد می توان نمونه بسیار زیاد گرفت و به نتیجه معنی دار رسید و گفت اختلاف بین هوش خانم ها و آقایان وجود دارد. تفسیر این موضوع چیه؟ ممنون (فاطمه - 10/5/1396، 13:34:22)

مشاهده پاسخ

پاسخ: سلام.
این موضوعی هست که بحث‌های زیادی روش شده و هنوز هم می‌شه. به‌عنوان نمونه می‌تونید در وبلاگ Andrew Gelman در مورد این موضوع جستجو کنید.

جواب کوتاه من:
تقریبا هیچ اثری (مثل اختلاف یک متغیر در دو سطخ خود) در دنیا نمی‌تونید پیدا کنید که دقیقا صفر باشه و زمانی که به اندازه کافی بزرگ داده جمع‌آوری بشه این اثر بر اساس معیارهایی مثل p-value معنی‌دار تشخیص داده می‌شه. مثلا جمله
We know that for large enough sample sizes, every study—including ones in which the null hypothesis of no effect is true—will declare a statistically significant effect.
رو می‌تونید در مقاله زیر پیدا کنید:
http://magazine.amstat.org/blog/2010/09/01/statrevolution/

اما چند نکته وجود داره:
۱) معیاری مثل p-value قراردادی و اختیاری است. به این معنی که با جمع‌آوری به اندازه کافی داده می‌توان اون رو به اندازه دلخواه کوچک کرد.
۲) مقدار آستانه سطح معنی‌داری برای مقایسه با p-value هم اختیاری است و مقداری مثل ۰.۰۵ پایه نظری نداره و مرسوم شده.

با این مقدمه، اهمیت آماری اثر در موقعیت‌های کاربردی باید مد نظر باشه نه معنی‌داری آماری. این کار هم بر اساس اندازه اثر (effect size) باید سنجیده بشه نه p-value. در واقع اگر اثری معنی‌دار شد که از نظر متخصص اصلا وجود چنین اثری توجیه ندارد و اندازه آن نیز نزدیک به صفر است یا چندان بزرگ نیست، به معنی‌داری آماری آن نباید اعتنایی کرد.

مثلا در پرسش قبلی شما، همبستگی ۰.۱۱ بین متغیر پاسخ و متغیر رگرسیونی به معنی توجیه واریانس پاسخ توسط این متغیر به اندازه ۰.۰۱۲ هست (ضریب تعیین رگرسیون برابر ضریب همبستگی به توان دو و مقدار واریانس توجیه‌شده پاسخ توسط متغیر رگرسیونی است). آیا توجیه تقریبا ۱ درصدی واریانس پاسخ توسط یک متغیر رگرسیونی، اهمیت زیاد اون متغیر رو نشون می‌ده؟ هر چند که معنی‌دار شده باشه؟

این بحث در دنیای امروز باعث شده که نظریه آزمون فرضیه‌ها (به‌ویژه آزمون‌های معنی‌داری) تقریبا کم‌رنگ یا حتی سرکوب بشه و از نظریه نواحی اطمینان و برآورد اندازه اثر طرفداری بشه.

امیدوارم پاسخ کوتاه من روشن و واضح باشه.

سلام دکتر. خسته نباشید. در صورت برقراری پیش فرض های رگرسیون خطی، چه موقع از معادله خط رگرسیون برای پیش بینی می توان استفاده کرد؟ آیا اگر sig آن کمتر از 0.05 شود می توان پیش بینی را انجام داد؟ و اینکه وقتی تعداد نمونه زیاد شود بین دو متغیر بی ربط هم ارتباط خطی معنی دار می شود مثلا اگر هر روز متوسط دما کشور چین و تعداد ماشین های عبوری از یک نقطه در کشور ایران را یادداشت کنیم و 10000 داده داشته باشیم شاید همبستگی خط مقدار پایین داشته باشد اما معنی دار می شود. تفسیر این موضوع رو چگونه بیان کنیم؟ مثلا همبسگی 0.11 اما معنی دار چگونه تفسیر می شود؟ ممنون (فاطمه - 10/5/1396، 13:14:22)

مشاهده پاسخ

پاسخ: سلام. قسمت دوم سوال شما رو با سوال بعدی شما (در بالا) پاسخ دادم.

در مورد قسمت اول، طبق سوال شما اگر پذیره‌های رگرسیون خطی برقرار باشند و خط برازش‌شده معنی‌دار شود، با رعایت مساله برون‌یابی (extrapolation) یعنی نقطه پیشگویی در بین مشاهدات قرار گیرد نه بیرون، می‌تونید از خط برازش‌شده برای پیشگویی استفاده کنید.

منتهی یک واقعیت رو باید مد نظر قرار دهید، آن هم این‌که نیکویی برازش مدل رو باید بررسی و تایید کنید.

موفق باشید.

من دانشجوی شما نیستم و تصادفی صفحه تون رو دیدم، لطفا پاسختون به محمد رو پاک کنید. اگر دانشجوی شما همچین جوابی رو برای سوالتون بنویسه چه برخوردی نشون میدید؟ میتونین کلا جواب ندید یا بگین سوالت واضح نیست ولی اینکه این جواب رو دادید اصلا خوب نیست. (یاری - 1/5/1396، 12:30:01)

مشاهده پاسخ

پاسخ: سلام. شما جواب بدین....

سلام استاد. 2 سوال داشتم ممنون میشم جواب بدین. 1- وقتی مثلا رگرسیون خطی بین قد و وزن انجام می دهیم، منظور از استقلال خطاها چیه؟ یعنی اختلاف اون چه که ما به کمک مدل برای یک فرد پیش بینی می کنیم و اونچه مشاهده می کنیم مستقل از همین اختلاف در مورد فرد دیگه است؟ اگه اینطوری باشه آیا همون استقلال افراد معنی میده؟ 2- وقتی بین دو متغیر که به لحاظ منطقی هیچ رابطه ای با هم ندارند، مقدار همبستگی برایر 0.11 به دست می آید و مقدار sig آن کمتر از 0.05 است، چگونه تفسیر می شود؟ حال اگر وجود همبستگی محتمل به نظر برسد اما مقدارش 0.11 باشد چگونه تفسیر می شود؟ با تشکر (hossein - 15/4/1396، 00:15:21)

مشاهده پاسخ

پاسخ: سلام. به بخش دوم این سوال در پست دیگری (در بالا) پاسخ داده‌ام. برای بخش اول به کتاب مقدمه‌ای بر رگرسیون خطی تالیف میرز و مونت گومری و چند نفر دیگه مراجعه کنید.

موفق باشید.

سلام آقای دکتر و ممنون از حوصله تون به خاطر پاسخگویی. یه سوال خیلی ذهنم رو مشغول کرده. وقتی نمونه های زیاد از دو گروه بگیریم معمولا اختلافشان معنی دار می شود، مثلا اگر کسی دو گروه 100 نفری از شمال و جنوب تهران انتخاب کند و اختلاف هوش آنها معنی دار نشود با گرفتن نمونه 10000 تایی اختلاف هوششان معنی دار می شود. با گرفتن نمونه های زیاد حتی در مورد دو گروهی که وجود اختلافشان به نظر غیر منطقی می آید نیز اختلاف معنی دار مشاهده می شود، مثلا اگر نمونه 100000 از افراد طبقه اول یک ساختمان و طبقه دوم ساختمان بگیریم و وزنشان را مقایسه کنیم، اختلاف معنی دار میگردد. آیا درست است که اختلاف معنی دار را اینگونیم تفسیر کنیم که واقعا با احتمال بالا بین دو جمعیت اختلاف وجود دارد؟ شخصی نمونه 100 تایی از دختران و پسران می گیرد و می گوید اختلاف هوش معنی دار نیست و جنسیت تاثیر ندارد شخصی دیگر نمونه 1000 تایی می گیرد و می گوید اختلاف معنی دار است و می گوید جنسیت تاثیر دارد. می دانم نمونه بالا دقیق تر است ولی در نمونه های بالا اختلاف بسیار بسیار ناچیز هم معنی دار می شود. اونوقت بدون دلیل اختلاف قد 1000 کودک دبستانی منطقه 1 و 2 یک شهر معنی دار می شود. (رضا - 14/4/1396، 19:07:13)

مشاهده پاسخ

پاسخ: سلام.

پاسخ سوال خانم فاطمه را در بالا ملاحظه کنید.

موفق باشید.

سلام استاد. خسته نباشین. فرق بین قانون قوی و ضعیف اعداد بزرگ چیه؟ (رضا - 7/4/1396، 02:28:59)

مشاهده پاسخ

پاسخ: سلام. تفاوتشون در نوع همگرایی هست. یکی همگرایی در احتمال هست (قانون ضعیف) و دیگری همگرایی قریب به یقین (قانون قوی). همگرایی قریب به یقین از احتمال قوی‌تر هست و اگر دنباله‌ای به یک متغیر همگرای قریب به یقین باشه، همگرای در احتمال هم هست ولی عکس اون برقرار نیست. برای همین هم هست که به اون قوی می‌گن.

سلام آقای دکتر. خسته نباشید. فرق بین رفتار مجانبی و حدی چیه؟ (رضا - 5/4/1396، 14:12:34)

مشاهده پاسخ

پاسخ: سلام. فرقی ندارن. دو اصطلاح برای یک مفهوم هست.

ببخشید مجدد مزاحم میشم. پس برای اینکه من فرضم رو آزمایش گنم باید چیکار کنم؟ من یه سکه دارم که پرت میکنم و مقادیر 0 یا 1 بهم میده. میخوام ببینم این سکه عادلانه هست یا خیر. به دفعات خیلی زیاد من آزمایشم رو تکرار میکنم و هر بار عدد 1 میبینم، فرض صفر من عادلانه بودن سکه هست. تصور من از جواب این هست که مجموع تعداد زیادی متغیر تصادفی برنولی میشه نرمال و از آزمون نرمال بودن می تونم استفاده کنم (یعنی مثل اینکه من با توزیع حاصل از جمع تعداد زیادی توزیع برنولی یه آزمایش انجام میدم) پارامترهام میانگین برابر تعداد تقسیم بر دو و واریانس برابر 0.25 . آزمون رو با تابع خطای توزیع نمایی انجام میدم و تمام. منتها چیزی که من تو کتاب دیدم انجام داده اومده گفته حاصل جمع مجذور تعداد زیادی آزمون برنولی، آزمون خی دو هست و از آزمون خی دو استفاده کرده، آزمون خی دو چه مزیتی به آزمون نرمال بودن داره؟ چطور مشاهداتم رو توی این آزمون دخالت بدم؟ چون متاسفانه نمیتونم درست با این آزمون ارتباط بذارم. باز هم عذر میخوام مزاحم شدم. (محمد - 1/4/1396، 14:10:45)

مشاهده پاسخ

پاسخ: سلام. اگر تمام تحقق‌های شما ۱ هستند و صفری دیده نشده، نیازی به انجام آزمون سالم بودن سکه نیست. سکه اریب هست و سالم نیست.

سلام، خسته نباشید. من یه سوال در مورد آزمون های فرض داشتم، فرض کنید یه آزمایشی رو 100 بار تکرار کردیم، نتیجه آزمایش میتونه 0 یا 1 باشه ولی هر 100 بار ما 1 دیدیدم، من میخوام ببینم توزیع من یونیفرم هست یا نه، مشاهده خودم رو به توزیع خی دو می برم که میشه 50 و pvalue من برابر 0.999! یعنی میگه توزیعی که مشاهده کردم با احتمال قطع به یقین توزیع هستش! یه مقدار غیرطبیعی نیست؟ نکته عجیب بعدی اینکه من هر چی ببینم مستقل از مشاهده من مقداری که تو تخمین خی دو بهش میرسم همون 50 و همین پیولیو هستش (چون 0.5-0=1-0.5) یعنی فارغ از مشاهدات من؛ نتیجه آزمایش دائما تائید میکنه که توزیع من یونیفرم هست. اشکال کار من کجاست؟ (محمد - 27/3/1396، 11:37:36)

مشاهده پاسخ

پاسخ: سلام. متشکرم. نتیجه آزمایشی که فقط می‌تونه ۰ و ۱ باشه، از یک توزیع برنولی پیروی می‌کنه نه یکنواخت و کی‌دو و ....
مگر این‌که متغیر دیگه‌ای روی ۱۰۰ نمونه مشاهده‌شده تعریف کرده باشید.
موفق باشید.

سلام استاد من دانشجوي ورودي بهمن هستم رشته آمار رياضي مي خواستم بدونم در خصوص مدلهاي نيمه پارمتري جزه و يا مطلبي داريد ممنون ميشم برام ايميل كنيد (ذوالقدر - 22/3/1396، 09:15:45)

مشاهده پاسخ

پاسخ: سلام. در نت بگردین مطلب زیاده. با این حال کتاب واسرمن با عنوان All of Nonparametric Statistics می‌تونه کمک کنه. موفق باشید.

باسلام واحترام وباآرزوی قبولی طاعات وعبادات شما. آقای دکترچندسوال ازمحضرتان دارم. اول اینکه دانشجویان رشته آمارباچه نرم افزارهایی دردوران تحصیل مقطع کارشناسی آشناخواهندشد؟ دوم اینکه برای یادگیری نرم افزارspss شماچه کتابی رامعرفی می کنیدکه هم خوب توضیح وآموزش داده باشه هم کامل وجامع باشه؟ سوم اینکه برای یادگیری این نرم افزارچه پیش نیازهایی ازعلم کامپیوترنیازهست؟ خیلی ممنون میشم بنده راراهنمایی بفرمایید. (دانشجو - 15/3/1396، 12:12:56)

مشاهده پاسخ

پاسخ: سلام. متشکرم. عمل‌های شما هم قبول درگاه خدا باشه انشالله.
خوب منعی در یادگیری نرم‌افزارهای تخصصی و عمومی برای دانشجوها نیست. فرد علاقه‌مند می‌تونه یاد بگیره هر چی دوست داره. اما اگه منظور شما نرم‌افزارهایی هست که همراه با درس‌ها تدریس می‌شن، خوب نرم‌افزار R که یکی از برترین‌های آماری هست در کنار شاید نرم‌افزارهای SPSS، Minitab و سایر موارد رو می‌شه اسم برد.
در مورد منبع برای یادگیری SPSS و موارد مرتبط بهتره از آقای دکتر ربیعی بپرسید.
موفق باشید.

سلام استاد،خسته نباشید میخواستم بدونم چرا اساتید تو مصاحبه دکتری ملاکشون فقط کارای پژوهشی هست ،دانشجویی که علاقه به تحصیل داره اما بدلیل مشکلات نتونسته تا حالا کارای پژوهشی انجام بده باید شانس پذیرش ازش گرفته بشه؟چه بسا که تو دوره دکتری بتونه فعالیتهای پژوهشی خوبی داشته باشه (مونا ارجمند - 4/3/1396، 01:11:58)

مشاهده پاسخ

پاسخ: سلام. متشکرم. به هر حال دوره دکتری دوره پژوهش هست و وقتی رقابت هست برای یک موقعیت دکتری، باید از بین رقبا انتخاب کرد. اصلی‌ترین مساله برای انتخاب سنجش توانایی پژوهش افراد هست. اگر کسی خروجی پژوهشی نداشته باشه، چطور می‌شه توانایی اون فرد در این زمینه رو سنجید؟ قبول کنید با حرف زدن نمی‌شه به این شناخت رسید چون راحتترین راه اداعا کردن هست. معمولا افرادی هم که زیاد ادعای انجام کاری رو دارن در حالی که هیچ نشانی از قبل در مورد اون کار در فعالیت‌هاشون دیده نمی‌شه، طبل توخالی هستن.

شما اگر بدون داشتن کار پژوهشی در رزومه خودتون می‌تونید به روشی دیگه توانایی پژوهشی خودتون رو اثبات کنید، حتما مورد توجه مصاحبه‌کننده‌ها قرار خواهد گرفت.

انشالله موفق باشید.

باسلام واحترام. بنده چندوقتی هست که تصمیم دارم برای سال بعددررشته آماردرس بخوانم. البته تحصیلات دانشگاهی ام دررشته ریاضی بوده ولی چون دوره روزانه درس خواندم برای رشته آمارتصمیم دارم پیام نوردرس بخوانم. باتوجه به اینکه شمااستادرشته آمارهستید، خواستم نظرشمارابدانم که آیاتحصیل این رشته دردانشگاه پیام نوردشواره ومیشه این رشته راخوب وعمیق ومفهومی آموخت؟ باتوجه به اینکه تحصیلات قبلی بنده دررشته ریاضی بوده پایه وتحصیلات قبلیم درریاضیات چقدرمیتوانه درتحصیل موفق این رشته کمک حالم باشه؟ البته تحصیل درهررشته ای سختی های خاص خودش راداره ولی دردانشگاه پیام نورکلاسهابه ندرت حضوری تشکیل میشه. ازاین جهت عرض کردم. خیلی ممنون میشم بنده راراهنمایی کنید. (دانشجو - 7/12/1395، 23:34:42)

مشاهده پاسخ

پاسخ: سلام. انشالله موفق باشید. این‌که تحصیلات ریاضی دارید خوب می‌تونه خیلی کمک کنه بهتون در یادگیری اصولی روش‌ها و مبانی آماری. در مورد کیفیت برگزاری رشته آمار در دانشگاه پیام نور بی اطلاعم. اما می‌تونم بگم خیلی از بخش یادگیری عمیق به خود دانشجو بستگی داره. شما می‌تونید از کتاب‌های مختلف در کنار کلاس‌های درس استفاده کنید و کارهای عملی و نرم‌افزاری رو هم خودتون پیش ببرید. به‌طور کلی کار سختی نیست.

سلام جناب دکتر وقت بخیر یک درخواست از شما داشتم ، امکانش هست نسبت به نتیجه مصاحبه تکمیل ظرفیت دکتری تجدید نظر کنید ؟ (سلام - 27/10/1395، 12:02:56)

مشاهده پاسخ

پاسخ: سلام. متشکرم. نتایج نهایی شدن و در سازمان سنجش ثبت. تجدید نظری امکان نداره. در عین حال اگر هم ممکن بود باید تیم مصاحبه‌کننده تجدید نظر کنن نه یک فرد. موفق باشید.

باسلام واحترام.استادیک سوال ازشمادارم.داشتن پایه قوی درریاضی تاچه حدبه موفقیت یک دانشجودررشته آمارکمک میکند؟قطعاموفقیت دانشجودرهررشته ای مستلزم تلاش فراوان درآن رشته هست.ولی خواستم بدانم تاچه حدتحصیل دررشته آمارنیازبه داشتن پایه قوی درریاضیات داره؟واینکه رشته آمارتاچه حدبه رشته ریاضیات مشابه هست؟پیشاپیش ازراهنمایی شماسپاسگزارم. (دانشجو - 26/10/1395، 15:52:31)

مشاهده پاسخ

پاسخ: سلام. رشته آمار یکی از شاخه‌های ریاضی محسوب می‌شه و البته من فکر می‌کنم کاربردی‌ترین شاخه اون هست. به‌طور کلی همه دنیا ریاضیات محسوب می‌شه. یک نگاهی به اطرافتون بندازید می‌بینید همشون ارقام و توابع و ... هستند. برای عمق دادن به دانش آماری دانستن خوب ریاضیات (یا به قول شما پایه ریاضی قوی) خیلی مهم و حیاتی هست.
آمار شبیه ریاضی هست چون شاخه‌ای از اونه. اما اونقدر در سایر علوم جا باز کرده و بهش نیاز دارن (به‌طور اصولی منظورمه نه چیزی که داره اجرا می‌شه) که فکر می‌کنم بهترین و کاربردی‌ترین رشته علمی دنیا هست.

موفق باشید.

سلام آقای دکتر حال شما؟ امیدوارم که ایام به کامتون باشه از روز اولی که شما رو دیدم حقیقتا شیفته متانت و اخلاق شما شدم و آرزوی بنده بود که شاگرد استاد باسوادی چون شما باشم هر چند در مصاحبه دکتری بدون هیچ آمادگی اومده بودم اما با شناختی که از خودم داشتم مطمئن بودم بهترین دانشجوی شما خواهم بود البته به یاری حضرت حق. اما به شما حق میدم با اون وضعیت در ظاهر افتضاح من توی مصاحبه بنده رو رد کنید . حقیقتا باورش خیلی خیلی برام سخت بود که از بین 105 نفر که از تمام نقاط ایران برای مصاحبه اومدن شما هیچ کدوم رو انتخاب نکردید؟؟؟!!!!!! خیلی جالب بود آقای دکتر به دانشجوها اعتماد کنید. مطمئن باشید این اعتماد در نهایت منجر به افتخاری برای هر دو طرف میشه ما از دوره ی ارشد یاد میگیریم تیمی کار انجام بدیم تیمی دو نفره که نفر اصلی اون استاد و در واقع راهنمای مسیر هست و نقشش خیلی خیلی مهمه اگه استاد نتونه به دانشجو اعتماد کنه هیچ وقت مسیر با موفقیت طی نمیشه و شاید اصلا طی نشه. پرحرفی بنده رو به بزرگواری خودتون ببخشید و البته ببخشید که اینجا این حرفا رو زدم آخه راه دیگه ای برای ارتباط با شما پیدا نکردم. کاش به یک نفر از این 105 نفر اعتماد کرده بودید از خدای بزرگ سلامتی و کامیابی تون رو می طلبم در پناه حق و برای حق یا علی (دانشجو - 26/10/1395، 12:15:49)

مشاهده پاسخ

پاسخ: سلام. متشکرم از احوال‌پرسی شما. با توجه به نکاتی که گفتید، من هم چند مورد بگم:
۱) تعداد افرادی که در روز مصاحبه تشریف آوردن ۳۵ نفر بود.
۲) بحث اعتماد نیست. بحث شناخت توانایی برای انجام یک کار بزرگ تحقیقاتی هست. فردی قرار دکتری رشته‌ای رو بگیره. پس نمی‌شه ساده ازش گذشت. ابزار شناخت ما هم محدود هستند. تنها نتیجه یک امتحان کاملا غیراستاندارد و یک جلسه مصاحبه شاید ۱۰ دقیقه‌ای.
۳) به آزمون نمی‌شه چندان اعتماد کرد. به‌ویژه این‌که نمرات هم بالا نبود در بین ۳۵ نفر. از طرفی، مصاحبه افراد هم خوب نبود یا تخصصشون اصلا در راستای بنده نبود.
۴) نتیجه اعلان‌شده نظر جمع مصاحبه‌کننده بود نه یک نفر.

انشالله هر جا هستید سلامت و موفق باشید.

با سلام و احترام آیا پیشین های آگاهی بخش همواره سره هستند؟ (هادی - 23/10/1395، 16:08:36)

مشاهده پاسخ

پاسخ: سلام. وقتی توزیع پیشین آگاهی‌بخش محسوب می‌شه، پس به برخی از نواحی فضای پارامتر شانس (احتمال یا چگالی) بیشتری برای دیده شدن اختصاص می‌ده. بنابراین می‌شه نتیجه گرفت که سره است.

با سلام خدمت شما استاد گرامی در پایان نامه ام روی 250 ایندکس از چشم کار کردم. این ایندکس ها سه مرحله داشتند قبل قطره،بعد قطره یک و بعد از قطره دو و روی سه گروه انسانی انجام شدند مثلا پارامتر X قبل قطره و بعد از دو قطره بر روی سه گروه انسانی اندازهگیری شد هدف این بود که ببینیم پارامتر X قبل قطره و بعد قطره در سه گروه انسانی چه فرقی میکند. و دو قطره را باهم مقایسه کنیم سوالی که داشتم این بود هنگام میانگین گیری متوجه شدم در یک گروه در بعضی از پارامترها میانگین از انحراف معیار کمتر شد. یعنی توزیع نرمال نیست اما در دو گروه دیگر انسانی توزیع نرمال است برای گروههایی که توزیع نرمال نیست میانه باید نوشته شود؟ در اینجا انحراف معیار هم نوشته میشود؟ و برای مقایسه دو قطره TTEST انجام دادم . چه توزیع نرمال بود چه نرمال نبود. درست است؟ لازم به عملیات خاصی نیست؟ ممکنه دادههای یک کروه نرمال نباشه یکی باشه من با این وجود TTEST ' گرفتم (مریم حیدری - 29/9/1395، 22:24:23)

مشاهده پاسخ

پاسخ: سلام. در توزیع نرمال میانگین و واریانس وابستگی تابعی ندارن. یعنی واریانس می‌تونه از میانگین بزرگتر باشه یا کوچکتر. پس اونی که شما می‌گید دلیلی بر نانرمال بودن نیست. آزمون مقایسه میانگین‌ها برای سه سطح یک آنالیز واریانس یک‌طرفه هست که به راحتی در نرم‌افزارهای آماری قابل اجراست. این آنالیز به پذیره نرمال بودن پاسخ خیلی حساس نیست یعنی اگه کمی هم توزیع در سه سطح مختلف مثال شما از نرمال فاصله داشت عیب نداره. در عین حال اگر حجم نمونه شما بزرگ باشه اصلا نگران پذیره توزیعی نباشید. موفق باشید.

سلام آقای دکتر. استاد ببخشین در نرم افزار R چطوری متوجه بشیم که مثلا یه تابعی در کدام پکیج قرار دارد. مثلا تابع STL را چطور بفهم که در کدام Package قرار دارد،ممنون میشم اگه پاسخ بدین. با تشکر (A.gh - 19/8/1395، 10:58:36)

مشاهده پاسخ

پاسخ: سلام. اگر تابع مورد نظر در بسته‌های نصب‌شده روی R شما باشه، با استفاده از دو بار علامت سوال بهتون نشون می‌ده در کدوم بسته هست. مثل STL??

باسلام واحترام. بنده همان دانشجویی هستم که درباره ی رشته ی Biostatistics ازشمادراین صفحه سوال کرده بودم.درپاسخ فرموده بودیدبرای کسب اطلاع درباره ی این رشته حضوری به دفترتان مراجعه کنم.شرمنده استاد، بنده درحال حاضردانشجوی دانشگاه شاهرودنیستم وچندسال پیش ازاین دانشگاه فارغ التحصیل شدم. متاسفانه ساکن شهرشاهرودهم نیستم که بتوانم حضوری خدمتتان برسم وازمحضرتان کسب اطلاعات کنم. بااین اوصاف چگونه میتوانم درباره ی این رشته ازشماکسب اطلاع کنم؟لطفااینجانب راراهنمایی کنید.باسپاس فراوان وبااحترام. (دانشجو - 25/7/1395، 17:33:43)

مشاهده پاسخ

پاسخ: سلام. این رشته یکی از شاخه‌های آمار محسوب می‌شه. شاخه‌ای که به کاربردهای آمار در رشته‌های پزشکی می‌پردازه. بررسی عوامل موثر بر ابتلا به بیماری‌ها و تقریب میزان شدت تاثیر آن‌ها، محاسبه خطر وقوع رخداد‌هایی مثل مرگ ناشی از بیماری مشخصی برای افراد با ویژگی‌های مختلف تنها دو مثال از هزاران مثالی هست که می‌شه از کاربردهای این رشته گفت. خوشبختانه در ایران هر دو مقطع ارشد و دکتری این رشته در دانشگاه‌های علوم پزشکی وجود دارند. برای کسب آگاهی بیشتر در این مورد پیشنهاد می‌کنم به گروه‌های مربوط در دانشگاه‌های علوم پزشکی یک سر بزنید.
موفق باشید

باسلام واحترام. استادشمادرباره ی رشته ی آمارزیستی یاهمان رشته ی بیواستاتیستیکز اطلاعاتی دارید؟ اگه بله، لطفادرباره ی این رشته توضیح بدهید.خیلی ممنون میشم. (دانشجو - 24/7/1395، 14:52:15)

مشاهده پاسخ

پاسخ: سلام. بله اطلاع دارم. حضوری مراجعه کنید.

باسلام واحترام. لطفاخبرتحت عنوان "چادری که تمام زندگی یک خانواده شد/ جدال با سرما در بی‌خانمانی "که درباره ی وضعیت نابسامان زندگی یک خانواده شاهرودی هست رادراینترنت بخوانیدودرصورت امکان اطلاع رسانی کنید.میدانم صفحه پرسش وپاسخ برای بیان اینجورمسایل اجتماعی نیست وبابت مطرح کردن این موضوع دراین بخش ازشماخیلی خیلی عذرخواهی میکنم وبابت این جسارت خیلی خیلی پوزش میطلبم.ولی باتوجه به اینکه ماه محرم هست خواستم اطلاع رسانی کنم شایداگه کسی نذری داره بتواندازاین خانواده آبرومندنیازمند،به خصوص که این خانواده الان ساکن شاهرودهستن ومردم شاهرودمیتوانندوضعیت این خانواده راازنزدیک ببینند،حمایت کند.باعرض پوزش مجددوبااحترام. (دانشجو - 18/7/1395، 21:15:24)

مشاهده پاسخ

پاسخ: با سلام.
مشکل این خانواده نیازمند با همکاری یکی از موسسه‌های خیریه شاهرود هفته گذشته حل شده است.

سلام مجدد جناب دکتر، عذر می خوام من چندی پیش ازتون سوال در مورد شبیه سازی بوت استراپ پرسیدم ؛ راستش من از مدل ارفیما (0،2،0) برای شبیه سازی واریانس از دو روش می خواهم استفاده کنم حال برای تولید از این مدل مشکل دارم زیرا با توجه به پکیج مورد نظر خطای غیر معکوس پذیری و ..می دهد اگر ممکن است در تولید نمونه تصادفی از این مدل من را راهنمایی کنید لطفا مرسی از اینکه برای ما دانشجوها وقت می گذارید (مریم موسوی زاده - 28/6/1395، 14:27:18)

مشاهده پاسخ

پاسخ: سلام. کد و مشکلتون رو با ای‌میل برام بفرستید. موفق باشید.

سلام وقت بخیر، ببخشید من سوالی در زمینه شبیه سازی واریانس از طریق بوت استراپ دارم. اقای دکتر من تابع بوت را می دانم هدف من از شبیه سازی از طریق بوت استراپ ناپارامتری قیاس دو براوردگر با توابع درستنمایی متفاوت اما از یک مدل می باشد.حال برای نوشتن این برنامه با ار نمی دانم به چه صورت باید الکوریتم را بنویسم و قیاس کنم؟ ممنون میشم راهنماییم کنید در این زمینه (مریم موسوی زاده - 26/6/1395، 13:20:33)

مشاهده پاسخ

پاسخ: سلام. خوب الگوریتم بوت‌استرپ (ناپارامتری) خیلی ساده و سرراست است. داده‌ها رو بازنمونه‌گیری کنید و هر بار برای مجموعه داده بازنمونه‌گیری‌شده هر دو برآورد رو محاسبه کنید. این کار رو به تعداد مشخصی تکرار کنید. در پایان، دو بردار از برآوردهای دو روش نتیجه می‌شن. با اون دو بردار می‌تونید اریبی برآوردگرها، انحراف معیارشون و MSE اون‌ها رو تقریب کنید. موفق باشید.

سلام امیدوارم خوب باشید؟ ببخشید استاد می خواستم بدونم برای محاسبه یک تایع چگالی شرطی در ار باید از چه کدی کمک بگیرم یا الگوریتم ان را چطور بنویسم؟ (صادقی - 11/6/1395، 11:41:27)

مشاهده پاسخ

پاسخ: سلام. محاسبه تابع چگالی شرطی در R؟ شاید منظور شما تولید نمونه از یک چنین چیزی هست؟ یا ...؟ سوال رو دقیق بپرسید.

باسلام واحترام.یک سوال ازحضورتان دارم.آیامدرک دانشگاه پیام نوربرای گرفتن پذیرش ازدانشگاههای خارجی اعتبارداره؟ بنده لیسانس وارشدم رادانشگاه دولتی درس خوانده ام.ولی خوب معدل لیسانسم پایینه واین شانس گرفتن پذیرش رادررقابت بادیگران خیلی کمترمیکنه.ازطرفی چندوقته به فکرافتادم دئباره مدرک لیسانس رادرهمین رشته کارشناسی ام ولی این باربامعدل بالاازدانشگاه پیام نوربگیرم.چون قصدگرفتن پذیرش دررشته ای رادارم که ارشدش اصلادرایران وجودنداره وبنابراین معدل بالای ارشدونمره بالای پایان نامه ی ارشدم نمیتونه بهم کمک چندانی کنه.ازطرفی برام چندوقته جای سوال پیش اومده که آیااصلامدرک دانشگاه پیام نوررادرخارج قبول دارن یاخیر؟منظورم دانشگاههای اروپایی وآمریکاست.لطفااگردراین زمینه اطلاعاتی داریدینده راراهنمایی کنید.باسپاس فراوان وبااحترام. (دانشجو - 6/6/1395، 03:19:27)

مشاهده پاسخ

پاسخ: سلام. برای پذیرش از دانشگاه‌های معتبر خارجی در دوره دکتری، نمرات دوره‌های کارشناسی و ارشد می‌تونه تاثیر داشته باشه. اما خیلی مهمتر از این مورد، موارد پژوهشی و زبان انگلیسی شماست. البته تصور من اینه که منظور شما پذیرش با پرداخت هزینه‌ها از طرف دانشگاه هست نه خود شما. بهتره به فکر نمره خوب زبان و رزومه پژوهشی خوب باشید. موفق باشید.

سلام استاد . خدا قوت ببخشید یه سوالی چند وقتیه ذهنم درگیر کرده آیا ممکنه تو یه سری داده میانگین و انحراف معیار یکی بشه و اگه یکی بشه چطور باید تفسیر کرد. (دانشجو سابق - 21/5/1395، 21:13:31)

مشاهده پاسخ

پاسخ: سلام. بله حتما امکانش هست. تفسیر؟ بستگی به هدف تحلیل داره. بدون اطلاعات بیشتر نمی‌شه حرفی زد.

سلام استاد روزتون بخیر .امیدوارم حالتون خوب باشه.استاد میخواستم بدونم راجع به fisher informationمیتونید چند تا منبع معرفی کنید که به زبان ساده مقدماتش رو توضیح داده باشن.ممنون از شما (بهزاد امینی - 13/4/1395، 10:30:25)

مشاهده پاسخ

پاسخ: سلام. متشکرم. در این مورد منبع زیاده. کافیه در اینترنت جستجو کنی. کتاب استنباط آماری برگر و کسلا، کتاب مقدمه‌ای بر آمار و احتمال روهاتگی و صالح، جزوات درس استنباط ۱ دانشگاه خودمون (دکتر آرشی و بنده) در این مورد مطالب مورد نیاز شما رو دارن. موفق باشی

با عرض سلام خدمت استاد گرامی، استاد چندتا سوال داشتم امیدوارم جواب دهید: 1)استاد شما دانشجوی دکتری هم میگیرید؟ 2)دانشجویانی که دوره کارشناسی آموزش محور بوده اند شانسی برای قبولی در دوره دکتری دارند؟ 3)در صورت مثبت بودن جواب سوالات بالا میشه راهنمایی کنید که دانشجویانی که دوره ارشد آموزش محور بوده اند چگونه میتوانند مشکل نداشتن پایان نامه را جبران کنند؟ (دانشجوی سابق - 20/9/1394، 15:06:39)

مشاهده پاسخ

پاسخ: سلام. بله می‌گیرم.
آزمون دکتری از امسال تغییر کرده. برای جزییات به سایت سازمان سنجش مراجعه کنید.
امسال یک آزمون اولیه سازمان سنجش برگزار می‌کنه و افراد یک نمره کسب می‌کنن. بعد هر دانشگاه مجری دوره دکتری کف نمره مورد قبول خود رو اعلام می‌کنه. اگه فردی اون کف رو دارا باشه، می‌تونه در آزمون تخصصی دانشگاه مورد نظر شرکت کنه. مرحله بعدش مصاحبه هست و در نهایت با توجه به نمره تخصصی و مصاحبه اساتید دانشجو انتخاب می‌کنن.
دوستان فارغ‌التحصیل مبتنی بر دوره آموزشی هم شانس دارند برای قبولی. نکته تاثیرگذار برای جبران پایان‌نامه، داشتن انتشارات پژوهشی هست که به اساتید توانایی پژوهشی خودتون رو تا حدودی اثبات کنید.

موفق باشید.

سلام آقای دکتر،امیدوارم که حالتون خوب باشد،استاد یه منبعی برای (bootstrap aggregation(bagging یا( moving block bootstrap(MBB سراغ دارین؟ممنون (A.Gh - 18/9/1394، 01:01:04)

مشاهده پاسخ

پاسخ: سلام. برای bagging به مقاله اصلی برایمن مراجعه کنید:
L. Breiman, “Bagging predictors,” Machine Learning,
24(2):123-140, 1996.
برای MBB هم توصیه می‌کنم کارهای آقای دکتر ایران پناه در دانشگاه اصفهان رو ببینید:
http://sci.ui.ac.ir/iranpanah
موفق باشید.

سلام استاد دوست داشتنی دانشکده ریاضی...هروقت تو کتابخونه اتاقم کتابامونگا میکنم با دیدن کتابای امار یادشما وکلاس هاتون ولبخندهاتون می افتم....کاش دنیا دکمه بک داشت....خیلی مخلصیم (محمدرضاگلوی نژاد - 8/8/1394، 11:07:23)

مشاهده پاسخ

پاسخ: سلام آقای گلوی‌نژاد. ممنونم بابت یاد من بودنتون. لطف دوستانی مثل شما دلگرمیه واسه ما. در پناه خدا باشید.

سلام استاد. خسته نباشید. استاد نظریه تصمیم و دیدگاه بیزی چه ارتباطی باهم دارند. ممنون می‌شم راهنمایی کنید. (m.m - 23/6/1394، 22:31:17)

مشاهده پاسخ

پاسخ: سلام. پایه‌های نظری و فلسفی دیدگاه بیزی (از منظر بهینگی) بر روی دوش نظریه تصمیم قرار دارند. در واقع تصمیم‌های بیزی (شامل برآوردگرهای بیزی، نواحی اعتبار بیزی و آزمون فرضیه‌های بیزی) و نحوه پیدا کردن اون‌ها بر اساس اصولی انجام می‌شن که در نظریه تصمیم تبیین می‌شن. پس تصمیم‌های بیزی در دل نظریه تصمیم قرار می‌گیرند.

موفق باشید.

با سلام و عرض ادب آقای دکتر امکان داره بفرمایید کدوم فصلهای کتاب the bayesian choice رو تدریس میفرمایید. با تشکر و سپاس. رسول لطفی (لطفی - 18/6/1394، 14:48:31)

مشاهده پاسخ

پاسخ: سلام.
6 فصل اول کتاب انشالله و اگر برسیم بیشتر از اون هم پیش می ریم.

سلام با عرض خسته نباشید جناب دکتر من می خواستم اگر مقدور در مورد baseline distirbution برام توضیح بدید و اگر ممکن منبعی برای این موضوع بهم معرفی کنید. با تشکر سجادی (سجادی پناه - 21/5/1394، 07:50:24)

مشاهده پاسخ

پاسخ: سلام. این توزیع رو کجا دیدین؟ بدون دونستن محتوی نمی‌تونم نظری بدم. فکر کنم منظور از این توزیع، توزیع تابع پایه بقا در تحلیل بقا باشه. اگر این‌طور باشه، شما می‌تونین در متون مربوط به تحلیل داده‌های بقا (رمانی که تابع پایه رو به‌صورت پارامتری مدل‌بندی می‌کنند) مطالب جامعی رو در موردش پیدا کنید. موفق باشید.

سلام استاد ببخشید یه سوال داشتم برای بررسی تاثیر متغیر مستقل بر متغیر وابسته که از رگرسیون استفاده می کنیم آیا باید نرمال بودن متغیر وابسته آزمون شود؟ در صورت نرمال نبودن متغیر وابسته آیا نوع رگرسیونی که استفاده می کنیم فرق می کند؟ آیا می توان گفت چون تعداد نمونه 200 (بیشتر از 30) متغیر وابسته طبق قضیه حد مرکزی نرمال است و آزمون های نرمالیتی انجام ندهیم؟ با تشکر (دانشجو - 12/5/1394، 23:51:20)

مشاهده پاسخ

پاسخ: سلام
اگر منظور شما رگرسیون خطی است، باید نرمال بودن جمله خطا بررسی شود نه متغیر پاسخ. برای این بررسی آزمون‌ها و روش‌های در متون مربوط به رگرسیون وجود دارند.
اما به‌طور کلی تخطی ضعیف از پذیره نرمال در رگرسیون خطی، قابل صرفنظر کردن است. به این معنی که اگر جمله خطا نرمال نبود اما از نرمال هم زیاد دور نبود، می‌توان باز هم از نتایح مدل برازش‌شده برای برخی از اهداف مدل‌بندی (مثل توصیف پدیده) استفاده کرد.
حجم نمونه بالا می‌تواند این قانون سرانگشتی کلی که گفتم را تقویت کند.
موفق باشید.

سلام اقای دکتر _ خسته نباشید_ میخواستم از راهنماییتون استفاده کنمو از بین رشته های فیزیک مهندسی. امار و مهندسی مواد برای انتخاب رشته کارشناسی کدوم اولویت بندی بهتر است؟ با تشکر (مستوفیان - 9/5/1394، 13:23:09)

مشاهده پاسخ

پاسخ: سلام
من در مورد اون دو رشته دیگه اطلاعی ندارم. فقط می‌تونم بگم رشته آمار رشته بسیار خوبیه و کاربردش در دنیای واقعی زیاده. موفق باشید.

سلام اقای دکتر .من به دنبال تعریف تابع مفصل وویژگی های آن تابع می باشم امکان دارد در این زمینه منابع فارسی ولاتین را به من معرفی کنید .سپاسگزارم (shapori - 6/5/1394، 09:34:48)

مشاهده پاسخ

پاسخ: سلام. منابع فارسی رو باید توی پایان‌نامه‌های ارشد و دکتری رشته آمار در دانشگاه‌ها دنبال باشین. اما منبع مناسب و استاندارد لاتین کتاب نلسن هست. لینک زیر رو ببینید:
http://www.springer.com/us/book/9780387286594

سلام استاد . یک سوال داشتم ممنون میشم اگه جواب بدید -برای تحلیل پرسشنامه قسمت انجام آزمون نرمالیتی : -در ازمون کلموگروف اسمیرنف برای بررسی نرمال بودن متغیر وابسته1 در دو گروه مردان وزنان اگر سطح معنی داری مردان (تعداد=160)کمتر از 0.05 وبرای زنان (تعداد=60) بیشتر از 0.05 باشد . آنگاه در این مورد می گوییم متغیر1 دارای توزیع نرمال نیست؟ و برای بررسی تاثیر جنسیت در متغیر1 از چه ازمونی باید استفاده کرد؟ (برای بررسی تاثیر میزان تحصیلات (5گروه) در متغیر1 از چه آزمونی استفاده کنیم در صورت نرمال بودن یا نبودن ) ممنون (دانشجو - 1/5/1394، 20:48:28)

مشاهده پاسخ

پاسخ: سلام. شما بهتره آزمون نرمال بودن رو بدون در نظر گرفتن گروه‌های (جنسیت یا میزان تحصیلات) انجام بدی و برای بررسی تاثیر دو موردی که گفتی می‌تونی از آزمون‌های t (برای جنسیت) و آنالیز واریانس یکطرفه (برای میزان تحصیلات) استفاده کنی.
در مدل‌های آنالیز واریانس پذیره نرمال بودن پاسخ چندان جدی نیست و نتایج نسبت به این پذیره حساس نیستند. بنابراین حتی اگر پاسخ نرمال نباشه باز هم می‌تونی از این مدل‌ها و آزمون t برای بررسی تاثیر مواردی که گفتی استفاده کنی.

موفق باشی.

سلام من حوزه تحصیلم آمار نیست ولیکن اخیرا با مساله تخمین خواص مصالح با مدلهای آماری مواجه شدم. آقای دکتر معرفی داده ها بصورت اعداد خام، بدون بعد، یا transform شده در دقت پیش بینی مدل تاثیر گذار است یا خیر؟ در یک مقاله ای اشاره ای به data squashing یا بزرگ کردن داده ها با توان رسانی و یا ریز کردن آنها شده بود. من ممنون میشم نظر شما رو داشته باشم و نیز منبعی که بتوانم بیشتر در اینمورد بررسی کنم با تجدید احترام (مهدی - 6/4/1394، 22:19:27)

مشاهده پاسخ

پاسخ: سلام. بله حتما تاثیر داره. تبدیل داده‌های خام می‌تونه به اهداف پیش‌بینی و کارایی پیش‌بینی‌ها کمک کنه. البته تشخیص تبدیل مناسب هر داده با توجه به ماهیت اون‌ها و هدفی که از تحلیل اون‌ها داریم، مساله مهمی هست.
در مورد منبعی که پرسیدین، می‌تونین سراغ تبدیلات توانی باکس-کاکس برین. برای شروع این‌جا رو ببینید: https://en.wikipedia.org/wiki/Power_transform
موفق باشید.

با سلام و عرض ادب سوالی از خدمتتون داشتم: آیا پارامترهای توزیع تی (میانگین، واریانس و درجه آزادی) قابل آزمون کردن هستند یا اینکه از توزیع تی برای آزمون دیگر توزیع ها استفاده می‌شود؟ (دانشجو - 9/3/1394، 18:02:02)

مشاهده پاسخ

پاسخ: سلام
میانگین این توزیع همیشه صفره و نیازی به آزمون نداره. واریانس هم برابر درجه آزادی تقسیم بر (درجه آزادی منهای 2). بنابراین آزمون واریانس هم منتهی می شه به آزمون درجه آزادی. بله می شه در مورد درجه آزادی این توزیع فرضیه های مختلفی رو مطرح و آزمون کرد.

سلام و خسته نباشید. اینجانب دانشجوی رشته ی آمار نیستم. لطفا چند منبع خوب برای یادگیری سری های زمانی معرفی کنید. در درس هیدرولوژی پیشرفته به مبحثی با این اسم برخورد کردم و پیش زمینه ای ندارم.با تشکر فراوان. (دانشجو - 28/2/1394، 04:26:23)

مشاهده پاسخ

پاسخ: سلام. کتاب ویلیام وی که ترجمه هم شده (توسط آقای دکتر نیرومند) و چاپ انتشارات دانشگاه فردوسی مشهد هست، کتاب خوبیه. یک کتاب لاتین ساده و خوب هم هست که نویسندش جاناتان دی‌کرایر هست و توی اینترنت قابل دانلوده. موفق باشید.

سلام براستاد همیشه خندان و مهربان .استاد استقلال چرا این طوری نتیجه میگیره. (بهزاد امینی - 22/2/1394، 16:07:35)

مشاهده پاسخ

پاسخ: سلام آقای امینی خوش‌خط. چون استقلاله و مستقل عمل می‌کنه !!!

سلام استاد بزرگوار. من روی چند داده سری هازی زمانی دارم کار میکنم سوالی که داشتم اینه من مدل هایی که برازش می کنم برآورد پارامترهام معنی دار هست و مانده ها نرمال هستند ولی ضریب همبستگی بین fits و مشاهدات خیلی پایین بدست می آید و MSE بزرگ به دست میاد. البته روی داده های زیادی (14 تا متغیر) کار می کنم که همشون این مشکل رو دارند. آیا این مشکل طبیعی است؟ (جمیل اونق - 18/2/1394، 20:23:08)

مشاهده پاسخ

پاسخ: سلام. معیار MSE مربوط به اندازه‌گیری چه کمیتی است؟

معنی‌داری پارامترهای یک مدل سری زمانی و نرمال بودن باقی‌مانده‌هاش لزوما به معنی مناسب بودن مدل سری زمانی نیست. در سری‌های زمانی مهمتر از نرمال بودن باقی‌مانده‌ها اینه که باقی‌مانده‌ها حاوی اطلاعات ساختاری نباشند و نوفه باشند. به این معنی که ناهمبسته باشند و واریانس ثابت داشته باشند.

بسته به مدلی که برازش می‌دی، در سری‌های زمانی معیار ضریب همبستگی بین مقادیر برازش‌شده و مشاهده‌شده می‌تونه معیار مناسبی نباشه. برای نیکویی برازش در مدل‌های سری زمانی معیارهای متفاوتی وجود دارند که برای اطلاع از این معیارها می‌تونی به متون سری زمانی مراجعه کنی.

موفق باشی

سلام استاد شما مطلاعاتی یا شناختی درباره data Science دارید؟ (آ - 18/2/1394، 12:55:39)

مشاهده پاسخ

پاسخ: سلام. یک مفهموم جدیده که بعضی‌ها معتقدند شامل رشته‌های آمار، یادگیری ماشینی، محاسبات عددی، اینفوگرافیک و ... می‌شه. برای این‌که بیشتر در این مورد بدونی، می‌تونی وبلاگ اندرو گلمن رو ببینی که در این مورد مطالبی رو نوشته:
andrewgelman.com
موفق باشی

سلام استاد یه سوال داشتم . offset چه جور مجموعه ایه؟ (دانشجو - 8/2/1394، 11:00:45)

مشاهده پاسخ

پاسخ: سلام. offset یک مجموعه نیست. توی مدل‌های رگرسیونی، ممکنه همراه با متغیر پاسخ، یک متغیری تعریف بشه که هدف اصلی نیست که البته باید در مدل باشه. به اون می‌گن offset. برای روشن شدن مطلب یک مثال می‌زنم.

رگرسیون پواسون معمولا برای مدل‌بندی پاسخ‌های شمارشی استفاده می‌شه. اما بعضی مواقع مدل‌بندی پاسخ‌های به صورت نرخ به‌جای پاسخ‌های شمارشی،‌معمول‌تر هست. به عنوان نمونه، ممکنه تعداد شمارش‌شده متغیر پاسخ برای افراد مختلف، در فاصله‌های زمانی یکسان نباشه. در این صورت مثلا مدل مناسب به شکل زیره:
log(\mu_x/t_x)=\beta_0+\beta_1 x
به‌طوری که mu_x تعداد مورد انتظار متغیر پاسخ برای متغیر توضیحی x است. این مدل رو می‌شه بر حسب میانگین پاسخ به صورت زیر نوشت:
log(\mu_x)=log(t_x)+\beta_0+\beta_1 x
در این حالت متغیر
log(t_x)
نقش offset رو بازی می‌کنه.

موفق باشی

سلام استاد خسته نباشید. ببخشید میخاستم بپرسم فرض کنید x و y دو تا متغیر تصادفی باشن که توزیعشونم هست F و G. حالا F G توزیع چیو بهمون میده یا اصلا توزیعی میده؟ و F*G چه توزیعی؟ منظور از * همون پیچش دو تا متغیر تصادفیه. (دانشجو - 6/2/1394، 23:37:57)

مشاهده پاسخ

پاسخ: سلام. پیچش دو تابع توزیع، به معنی توزیع مجموع دو متغیر تصادفی با توزیع‌های متناظرشونه. نماد حاصلضرب دو توزیع، بسته به تعریف هست و یک نماده. می‌تونه مثلا توزیع حاصلضرب دو متغیر تصادفی باشه.

باسلام ضمن تشكر فراوان از پاسخ شما،براي مدل سازي، يك مدل رگرسيوني پانلي مدنظر است. با توجه به شناخت كلي كه از بوت استرپ داشتم،بنظرم روشي براي توليد داده هاي كمبود براي برخي از پارامترهاي مستقل مدل رگرسيوني پانلي بود. باتشكر (كواكبي - 16/1/1394، 19:51:48)

مشاهده پاسخ

پاسخ: سلام. منظور از جمله تولید داده کمبود برای پارامتر مستقل رو نفهمیدم.
بوت‌استرپ در مدل‌های رگرسیونی (به‌طور کلی) می‌تونه هم پارامتری انجام بشه هم ناپارامتری. اگه نسبت به مدلی که در نظر گرفتین، تا حدودی اطمینان دارین بهتره از بوت‌استرپ پارامتری استفاده کنین (نمی‌دونم تفاوت اون‌ها رو می‌دونین یا نه).

مساله مهمی که در مورد مدل شما وجود داره اینه که مدل پانلی هست و نوعی وابستگی بین داده‌های هر پانل وجود داره. بنابراین دقت کنین که بازنمونه‌گیری باید از پانل‌ها انجام بشه نه همه داده‌ها. برای اطلاعات بیشتر می‌تونین از منابع مختلفی که در مورد بوت‌استرپ داده‌های وابسته وجود داره استفاده کنین.

توضیحات من خیلی کلی هست. اما این‌جا همین اندازه می‌شه توضیح داد. موفق باشید.

باسلام و احترام من دانشجوي دكتري هواشناسي كشاورزي دانشگاه فردوسي هستم، در طرحي تصميم به استفاده از تكنيك بوت استرپ دارم، در اين طرح به غير از داده هاي هواشناسي، از داده هاي عملكرد گندم، داده هاي خاك و گياه نيز استفاده مي شود. هدف نهايي اين مطالعه مدلسازي با استفاده از آناليز داده هاي پانلي مي باشد.ايا تكنيك بوت استرپ براي اين طرح مفيد است؟ (كواكبي - 14/1/1394، 19:23:14)

مشاهده پاسخ

پاسخ: سلام. منظورتون از مدل‌سازی، چه مدلی هست؟ یک مدل رگرسیونی پانلی؟ یا چیز دیگه؟ هدف از تحلیل داده‌ها چیه؟ چه محدودیت‌هایی در مدل هست که به فکر بوت‌استرپ افتادین؟ این اطلاعات لازمه تا بتونم نظر دقیق‌تری بدم.

برای درک بهتر از انگیزه استفاده از روش‌های بوت‌استرپ، توضیح زیر شاید مفید باشه:
در مدل‌سازی آماری، معمولا پارامترهایی وجود دارند که باید به روشی برآورد بشن. برای ارزیابی مناسبت مدل و درستی اون برای پدیده تحت مطالعه، باید رفتار برآوردگرها رو بررسی کرد. شناخت رفتار برآوردگرهای یک مدل آماری، نیازمند معلوم بودن توزیع اون‌هاست. اما معمولا شکل برآوردگرها طوریه که شناخت توزیع اون‌ها کار سخت یا حتی ناممکنی هست. در این موارد، که در دنیای واقعی معمول هم هست، باید توزیع برآوردگرها رو تقریب زد. یک راه‌حل تقریب توزیع واقعی برآوردگرها، استفاده از روش‌های بوت‌استرپ هست. بحث در مورد این روش‌ها و نسخه‌های مختلفش در موقعیت‌های (داده‌ای) مختلف، گسترده است و هنوز مطالعه بر روی تعمیم و توسعه اون‌ها جاریه.

موفق باشید.

با عرض سلام و خسته نباشید خدمت شما. سوالی داشتم در مورد اینکه آیا برای چاپ مقالات ISI در مجلات معتبر باید هزینه ای توسط دانشجو پرداخت شود؟ اگر جواب مثبت است مقدار این هزینه چقدر است؟ (دانشجو - 18/12/1393، 20:48:42)

مشاهده پاسخ

پاسخ: سلام. بستگی به مجلش داره. اکثر مجله‌ها برای چاپ مثلا رنگی ممکنه هزینه بخوان. اما در صورت انتخاب‌های خاصی (مثل چاپ سیاه و سفید، عدم دریافت نسخه‌ای از مجله و ...) هزینه‌ای از طرف مجله درخواست نمی‌شه.

از ادم تو این دنیا چی باقی می مونه ؟؟؟؟؟؟؟؟ هیچ چی جز نام نیک و یاد خوب و خاطرات زیبا استاد دلم می خواست بازم با شما درس می داشتم . چقدر دلم برای شما و خوبی هاتون تنگ شده همیشه تو قلب من هستید . درس زندگی بهم یاد دادید . امیدورام همیشه تو زندگیتون سالم و موفق و با عزت باشید . خدا یاورتون باشه (دانشجوی آمار و احتمال مهندسی - 7/12/1393، 13:22:08)

مشاهده پاسخ

پاسخ: سلام. شما لطف دارین. من که خودم فکر نمی‌کنم این طوری که شما می‌گین بوده باشم. انشالله همه عاقبت به خیر بشیم. در پناه خدا باشین همه جا و همیشه. یا حق.

شرمنده استاد باز مزاحم شدم. داشتم صحبت بچه ها رو میخوندم.یکی از بجه ها شب یلدا رو تبریک گفته بود بهتون. شما گفته بودین تو این شب ها اگه دلتون به امام رضا وصل شد دعامون کنین. می خواستم بپرسم ربط شب یلدا با امام رضا و وصل شدن دلمون بهشون چیه؟! معمولا بیشر از حافظ یاد میکنن. شما فال ائمه می گیرین شب یلدا؟! (همون دانشجوی نمونه - 6/12/1393، 12:33:20)

مشاهده پاسخ

پاسخ: سلام. شب یلدای امسال همزمان شده بود با شهادت حضرت رسول، امام مجتبی و امام رضا علیهم السلام. دلیلش این بود.

salam ostad age mishe chand ta manbae khub vase darse jabr va jabre khati bgin mer30 (ali - 7/10/1393، 20:26:01)

مشاهده پاسخ

پاسخ: سلام. بهتره در این مورد از اساتید گروه جبر بپرسید. برای دانشجویان رشته آمار کتاب جبر خطی پیام نور خوبه. کتاب لاتین هم کتاب سبر خوبه. موفق باشید

سلام استاد . حالتون خوبه انشاالله ؟ هنوز هیچی نشده دلمون واستون یه ذره شده :( شب یلداتون مبارک ایشالله عمر با عزتتون به اندازه یلدا طولانی باشه بهترین و با اخلاق ترین استاد دانشکده ریاضی در پناه حق باشید (امار مهندسی - 30/9/1393، 20:29:19)

مشاهده پاسخ

پاسخ: سلام. متشکرم شما لطف دارید. شب یلدای شما هم مبارک. راستی تو این شب‌ها دلتون به امام رضا وصل شد، منم دعا کنین. شاد و سالم و موفق باشید همیشه.

سلام، آقای دکتر خسته نباشید، بنده محقق علوم اجتماعی هستم، ماه گذشته به طور تصادفی با یکی از دانشجویان کارشناسی شما (دکتر حسنی) افتخار هم‌صحبتی داشتم، در رابطه با مشکلات جمع‌آوری داده‌های واقعی از شهروندان صحبت شد که مطالب جالب و مفیدی به بنده عرضه کردند. در رابطه با قضیه بیز در ریاضیات نکاتی گفتند و کاربرد این قضیه در نظرسنجی‌ها که واقعاً برای بنده شگفت‌آور و راهگشا بود. برای مطالعه در این رابطه گفتند که تنها یک سؤال در کتاب آمار و احتمال تألیف جان فروند مشاهده کردن (نکته جالب برای من این بود ایشان دقیقاً به سؤال آخر فصل دو جان فروند آدرس دادند! بدون هیچ خطایی...) بنده این کتاب را به امید همان یک سوال تهیه کردم و خوشبختانه سؤال دقیقاً حل همان مسئله بود ولی شوربختانه بنده از دوره متوسطه از ریاضیات دور شدم و حتی مطالب فصل اول هم برای من به زحمت قابل فهم بودند. شوربختانه‌تر بنده از دکترحسنی علاوه بر مراجع، شماره تماس هم گرفته بودم که مفقود شد! ایشان به بنده گفته بودند در رابطه با این مسئله پروژه‌های عملیاتی شده‌ای وجود دارد و حتی خود ایشان سابقه حل مسائلی از این دست را دارند که به خاطر نبود هیچ وسیله یادداشتی پاسخ نقد از دست رفت و یک ماه من تشنه لب، آب شور خوردم! البته خاطراتی که ایشان از کلاس شما تعریف کردند و از درجه علمی شما اسم بردند در ذهنم بود و توانستم با جستجو در سایت دانشکده ریاضی دانشگاه شاهرود به شما دسترسی پیدا کنم تا از شما درخواست راهنمایی داشته باشم. بنده در طول یکماه گذشته متوجه شدم توانایی حل این مسأله را ندارم ولی اگر شما لطف کنید حلی در رابطه با این سوال در اختیار من بگذارید ممنون شما خواهم بود. البته بنده از روش حل واقعاً چیزی دستگیرم نمی‌شود و تنها به فرمول نهایی نیاز دارم که من علوم انسانی فقط در فرمول آخر جایگذاری کنم. اگر لطف کردید و پاسخی بدهید ممنون خواهم بود. (حسن محمدی - 18/9/1393، 18:32:50)

مشاهده پاسخ

پاسخ: سلام. این سوال، مساله جالب و کاربردی هست. جواب کامل و دقیق به این سوال توی صفحه زیر قابل دستیابی هست. برای بقیه هم می‌تونه مفید باشه دیدنش:
http://en.wikipedia.org/wiki/Randomized_response
موفق باشید.

با سلام من ارشد تحقیق در عملیات دارم یه مقاله با ایمپک 2.003 چاپ شده در الزویر دارم معدل ارشدم 16.56 از دانشگاه شاهرود هست میخواستم ببینم برای بورس خارج کشور امیدی هست قبولم کنن؟ کدوم کشورا احتمالش بیشتره؟ لطفا اگه از هزینه هاشم اطلاعی دارید بگید (m.d - 13/8/1393، 22:54:23)

مشاهده پاسخ

پاسخ: سلام. در مورد پذیرش تو همین صفحه بعضی از دوستان قبلا سوال کردند من هم اطلاعاتی که داشتم نوشتم. هزینه‌ها بستگی داره به دانشگاه و کشوری که پذیرش می‌دن و معمولا اروپا از کانادا و آمریکا گرونتره.
چیزی که در دوره دکتری وزن زیادی داره تا ترغیب کنه شخص یا کمیته‌ای رو برای دادن پذیرش به شخصی، توانایی‌های پژوهشی افراده. هر چی رزومه پژوهشی قویتر باشه، احتمال گرفتن پذیرش بیشتر می‌شه (البته معیارهای دیگه‌ای هم هستند). داشتن یک مقاله با این ضریب تاثیر می‌تونه نشون‌دهنده توانایی پژوهشی شما باشه و قطعا تاثیر مثبت داره، اما می‌تونه قانع‌کننده هم نباشه و بهتره این رزومه پر و پیمون‌تر بشه.
قاعده‌ای که معمولا در پذیرش دانشجویان دکتری (همراه با کمک‌هزینه تحصیلی) در کشورهای اروپایی و آمریکای شمالی وجود داره، استادمحور هست. یعنی اگر استادی رو که قراره با اون کار کنین راضی کنین تا به شما پذیرش بده (با توجه به گرنت‌های خوب تحقیقاتی که در اختیار دارن)، تقریبا قسمت مهم مسیر پذیرش رو طی کردین. البته این قاعده معموله و کلیت نداره. بنابراین بهتره ابتدا روی فرد یا افرادی که دوست دارین باهاشون کار کنین، فکر کنین. بعد از این‌که یک یا چند نامزد مشخص شدند، دانشگاه و کشورشون معلوم می‌شه و می‌تونین ملاک‌های بعدی رو (از جمله اعتبار دانشگاه، هزینه‌های زندگی، ویزا گرفتن و سایر موارد) برای انتخاب در نظر بگیرین.
پیشنهاد می‌کتم موازی با تقویت رزومه پژوهشی، مطالعه برای انتخاب فرد مورد نظر رو شروع و مکاتبه با اون و دانشگاهش رو شروع کنین. ممکنه اولین فرد یا اولین افراد جواب مثبت ندن. به این ترتیب زمان رو از دست نمی‌دین.

موفق باشین انشالله.

با سلام و عرض ادب. یه سوال از خدمتتون داشتم. فرق همبستگی با وابستگی چیه؟ میزان همبستگی دوتا متغیر رو میشه با ضریب همبستگی سنجید آیا برای سنجش میزان وابستگی هم معیاری وجود داره؟ (دانشجو - 8/8/1393، 12:01:27)

مشاهده پاسخ

پاسخ: سلام و متشکرم. منظور از همبستگی، وابستگی از نوع خطی هست. در واقع معیاری است برای سنجش (فقط) وابستگی خطی بین دو متغیر.

اگرچه مفهوم وابستگی یک مفهوم گسترده است و مثلا مشابه استقلال متغیرها، تعریف مشخص و واحدی رو نمی‌شه برای اون ارایه داد، اما انواعی از وابستگی (ازجمله وابستگی‌های منفی و غیره) در متون آماری و احتمالی معرفی شده‌اند که می‌تونین با جستجو در اینترنت در موردشون اطلاعاتی کسب کنید.
برای اطلاع از معیارهای وابستگی و نحوه استفاده از اون‌ها، توصیه می‌کنم به متون مربوط به مفصل‌ها (کاپولا) مراجعه کنید. در تعریف مفصل‌ها و انواع اون‌ها از معیارهای وابستگی و همبستگی برای ساخت وابستگی‌های خاصی استفاده می‌شه که جزییاتش رو می‌تونین در متون مربوط پیدا کنید.

موفق باشید.

سلام استاد . بابت اخلاق خوبتون سر کلاس ازتون تشکر می کنم . اخلاق شما در بین اساتید دانشکده ریاضی واقعا نمونه است . در ارتباط با پای تخته رفتن باید بگم شما خودتون کلی کمک می کنید به حل سوال و استرسی وجود نداره (دانشجو - 2/8/1393، 13:59:48)

مشاهده پاسخ

پاسخ: سلام و متشکرم. انشالله همینطور باشه که شما گفتی...

سلام استاد. و خسته هم انشاء الله که نباشید.. استاد؟ دلیل اینکه سر کلاس بدون اینکه حتی صورت سوالو بگید و با استرس بچه ها رو برای حل تمرین ها میبرید پایین،اونم بصورت اعدادتصادفی! واقعا چیه؟؟؟ آیا هدف شما ایجاد رعب و وحشته؟! این روش یِ کم ناعادلانه نیست؟آخه ما که دانشجوی ریاضی نیستیم..استــاد! (آمار - 27/7/1393، 00:40:59)

مشاهده پاسخ

پاسخ: سلام و متشکرم. خیر اصلا چنین هدفی ندارم. تصادفی بودنش برای رعایت عدالته. اما شما باید نشون بدین که سر کلاس حواستون به درس هست و درس‌های جلسه‌های قبل رو هم بلدین. پس دلیلی نداره ترسی باشه. مشارکت کلاسی در ارزیابی نمره نهایی شما تاثیر داره و من به این طریق می‌خوام به بالا بردن نمره شما کمک کنم اگر خودتون بخوایید.
موفق باشید.

سلام.شما میدونید تعبیر هندسی ریشه مختلط معادله جبری چیه؟؟ (دانشجو - 15/7/1393، 21:37:41)

مشاهده پاسخ

پاسخ: سلام. به کتاب‌های مربوط به این زمینه مراجعه کنید یا از آقای موسوی بپرسید. موفق باشید.

سلام استاد. پاسختان راهمین الان مطالعه کردم. بسیارسپاسگزارم ازاینکه باحوصله ی فراوان به پرسشهای بنده پاسخ دادید. استادراستش بنده خودم هم بااینکه لیسانس وارشدم ریاضی محض بوده خیلی علاقه ای به این ندارم که واسه ادامه ی کاربازهم ریاضی محض بخوانم. دلیل اصلیش هم همان چیزی هست که درپاسخهایتان به آن اشاره کرده اید. ریاضی محض چندان کاربردعملی نداره. این یکخورده باعث دلزدگی فردمیشه. یادمه حتی وقتی نتایج ارشداعلام شدازاینکه بازهم محض قبول شده بودم خوشحال نبودم. اول کاربردی هارازده بودم بعدمحضهارا. حتی بنده دردوران تحصیل ارشدبه وضوح می دیدم که دوستانم که ریاضی کاربردی بودن پایان نامه هایشان چه موضوعات بسیارکاربردی وجالبی داشت. درحالی که کاراصلی مامحضهاصرفابازکردن یک مقاله ی چاپ شده بود!!! وقتی به بچه های فنی می گفتیم مادردوران ارشدکاراصلی مان روی پایان نامه این هست به مامیخندیدن وخیلی تعجب میکردن. بگذریم. استاد، یک پرسش دیگه هم دارم. درپاسخهایتان به رشته های میان رشته ای اشاره کرده بودید. رشته ای که بنده مدتهاست دنبالش هستم ریاضیات زیستی یاهمان بیومتمتیک هست. درباره اش درایران تحقیق کردم. یک کارگاه آموزشی هم که دوسال پیش درباره ی این شاخه دریکی ازدانشگاههای کشوربرگزارشده بودشرکت کردم. دربرخی دانشگاههامثل شریف دردوران دکتراکارمیشه. اما وقتی بااونچه که درباره ی این رشته دردانشگاههای خارج کارمیشه پس ازتحقیق وپرس وجومقایسه اش کردم خیلی فرق داره. شمادرباره ی این گرایش اطلاعاتی داریدکه دراختیاربنده قراربدهید؟ بنده یک سری اطلاعات کلی دارم. اماسعی دارم اطلاعاتم رابیشتروبیشترکنم. بنده درسایت دانشگاه یوسی ال ای شاخه ی بیوآماریاهمان بیواستاتیستیک رادیدم وقدمتش بیشترازبیوریاضی هست. حتی بیوشیمی وبیوفیزیک هم شنیده بودم. امابیوریاضی برام تازگی داره. شماچیزی درباره ی این شاخه شنیده اید؟ واقعاعذرخواهی میکنم ازاینکه خیلی مزاحمتان میشم ووقتتان راخیلی میگیرم وخیلی عذرخواهی میکنم ازاینکه نوشته هام اینقده طولانی هستن. بازهم بابت همه ی راهنمایی هایتان خیلی خیلی تشکرمیکنم وبسیارسپاسگزارم ازاینکه وقت گران بهایتان رادراختیاربنده قرارمیدهید. بااحترام. (دانشجو - 5/7/1393، 18:50:10)

مشاهده پاسخ

پاسخ: سلام. در مورد شاخه‌ای که گفتی اطلاعی ندارم. آمار زیستی رو خوب می‌شناسم اما ریاضی زیستی رو نه. متاسفم که نمی‌تونم کمکی کنم. به هر حال در گروه‌هایی که این شاخه رو دارن، می‌تونی بگردی و اطلاعاتت رو در این مورد کامل کنی. موفق باشی.

سلام استاد.وقت بخیر.بنده همان دانشجویی هستم که درباره ی گرفتن پذیرش ازشماراهنمایی خواسته بودم. همین الان پاسخ هایتان راخواندم وبابت راهنمایی های ارزشمندتان بسیارسپاسگزارم. امایک مطلب درنوشته هایتان بودبنده درست منظورتان رامتوجه نشدم. فرموده بودید:سوم، استقبال از رشته‌های ریاضی در دانشگاه‌های خارجی تراز اول مثل ایران کم شده. منظورتان اینه که افرادی که دنبال گرفتن پذیرش دررشته های ریاضی هستندتعدادشان کم شده یااینکه خوددانشگاههاواساتیددانشگاههای خارجی تعدادافرادی راکه بورس میکنن کم شده؟ اگه مورداول باشه که شانس گرفتن پذیرش رابالامیبره. امااگه مورددوم باشه کارراسخت ترمیکنه. استادمنظورتان کدامش بود؟ وشرمنده استاد.یک سوال دیگه. منظورتان هرکدامش که بوددلیلش چی هست؟خیلی ممنون میشم اگه مراراهنمایی کنید.باسپاس. (دانشجو - 5/7/1393، 13:36:30)

مشاهده پاسخ

پاسخ: سلام. منظورم همون اولی بود. یعنی تعداد افرادی که متقاضی ادامه تحصیل در رشته‌های ریاضی هستند، نسبت به قبل کمتر شده. برای همین کسانی که در کسوت محققین ریاضی مشغول هستند، به دنبال دانشجویان خوب در این زمینه هستند و برای پذیرش دادن به دانشجویان با استعداد حاضر و آماده.

دلایل مختلف داره: مهمترینش فکر کنم پیدایش رشته‌های جدید میان‌رشته‌ای جذاب و کاربردی مثل نانو و بایو و غیره هست. یک دلیل دیگش سخت بودن تحصیل و تحقیق در شاخه های ریاضیه. دلیل دیگش کمتر ملموس بودن آنی کاربردهای این رشته است. رشته‌هایی مثل مهندسی، پس از تکمیل تحقیقشون کاربرد اون رو بلافاصله در قالب مثلا اختراع یک دستگاه یا مشابه اون می‌بینند و انگیزشون واسه ادامه کار بیشتر می‌شه. اما رشته‌های مادر مثل ریاضی که پایه و اساس سایر علوم هستند، به‌طور مستقیم این شکل از کاربردهای رشته خودشون رو کمتر می‌بینند و اگر وسعت دیدشون محدود باشه، ممکنه از ادامه تحصیل ناامید بشن. دلایل دیگه‌ای رو هم می‌شه گفت.

موفق باشید

سلام استاد. بنده ازدانشجویان سابق دانشگاه شاهرودم. میخواستم ازشماراهنمایی بگیرم. قطعاتجارب شماازبنده خیلی بیشتره ودیدتان به دلیل برخوردبادانشجویان مختلف ازبنده خیلی بازتره. استادشمااینطورکه بنده درصفحه شخصی تان اطلاعات تحصیلی تان رادیدم دکترایتان رادرایران خوانده اید. امابازهم مطمئن مطمئن هستم که میتوانیدبنده راراهنمایی کنید. بنده فارغ التحصیل ارشدریاضی هستم. مدت زیادی هست که به فکر ادامه تحصیل درخارج ازایران هستم. بایدهمین ابتدااقرارکنم که اصلاوضعیت مالی خانواده ام جوری نیست که بتوانم سرسوزنی روی کمکشان حساب بازکنم. البته دوسالی هست که به زورحق التدریس وتدریس خصوصی پول اندکی جمع کردم که بازم خیلی خیلی ناچیزه ولی خوب جای شکرش باقی هست. استادبنده شنیدم که دانشگاههای خارج ازکشورریزنمرات عالی دردوران لیسانس وارشدبراشون خیلی مهمه. معدل ارشدم خوبه.بالای 17 هست. نمره پایان نامه ام هم بالای 19. دوران ارشدخیلی خیلی سخت درس خواندم وتلاش کردم. هم بخاطرسختی رشته وسنگین بودن دروس ارشدهم بابت عذاب وجدان بسیارشدیدی که بابت نمرات درخشان دوران لیسانسم داشتم.نمرات لیسانسم اصلاخوب نیست. روم به دیواراماسابقه ی مشروطی وافتادن درسهارادارم. تنبلی هم کردم درلیسانس ولی درسهاوامتحانات هم خیلی سخت بود. چیزی که باعث شده دست ودلم سردبشه واسه اقدام برای پذیرش گرفتن نمرات بددوران لیسانسم هست. البته معدل لیسانسم بالای 13 هست.ولی خوب خیلی کمه. به نظرشماباچه فاکتورهایی میتوانم معدل لیسانسم راجبران کنم؟دنبال چه فاکتورهایی باشم که اگه واسه پذیرش خواستم اقدام کنم باتوجه به اینکه دنبال بورس کامل هستم(به دلیل عدم توانایی مالی)اونطرف ازنمرات دوران لیسانس ومعدل لیسانسم چشم پوشی کنن؟به نظرشمااین معدل لیسانسم چقدرکارراخراب میکنه؟ خیلی ممنون میشم اگه بنده راباتجارب ارزنده ی خودراهنمایی کنید. باسپاس وبااحترام. (دانشجو - 3/7/1393، 19:50:16)

مشاهده پاسخ

پاسخ: سلام

پذیرش از دانشگاه‌های خارجی کار غیرممکنی نیست اما بسته به دانشگاه سخت می‌تونه باشه. اما این‌که سخته نباید باعث بشه اقدامی نکنی. تهش اینه که جواب رد می‌دن. برای پذیرش (چه با پشتیبانی مالی چه غیر اون) از یک دانشگاه، معیارهایی که برای اون دانشگاه مهمه توی سایتشون هست و با خوندن اون‌ها می‌تونی بفهمی ملاک‌هاشون چیا هستن.

شما باید بتونی توانایی خودت رو به اون‌ها ثابت کنی. از اونجایی که معمول نیست واسه نمایش توانایی و پذیرش گرفتن، افراد برن دانشگاه مورد نظر و مصاحبه و ... بدن، این توانایی با مجموعه‌ای از مدارک ارزیابی می‌شه که یک موردش هم سابقه تحصیلی (ریز نمرات) افراده. دقت کن که این یک مورد هست و بقیه موارد می‌تونن جبران کننده باشند.

سه مورد مهم رو متذکر می‌شم: اول، برای دوره دکتری توانایی پژوهش کردن (به‌ویژه توی یک تیم) خیلی مهمه واسه اساتید. پس اگر سابقه پژوهشی خوبی داشته باشی، خیلی می‌تونه راهگشا باشه.

دوم، واسه پذیرش گرفتن در دوره دکتری در دانشگاه‌های خارجی، معمولا باید استادی رو که می‌خوای باهاش کار کنی راضی کنی. اگه اون بخواد شما رو خیلی به هدفت نزدیک شدی. پس بهتره روی کسی که می‌خوای رساله دکتری باهاش داشته باشی کار کنی و تواناییت رو به اون اثبات کنی. اون‌هم با ایجاد ارتباط با اون از طریق ای‌میل و ... .

سوم، استقبال از رشته‌های ریاضی در دانشگاه‌های خارجی تراز اول مثل ایران کم شده. این به اون معنیه که اساتیدی که گرنت‌های خیلی خوب دارن از خداشون ادم‌های توانمند رو در کنارشون داشته باشن. پس اگه شما واقعا لایق باشی و این لیاقت رو بتونی بهشون نشون بدی، حتما به شما پذیرش می‌دن.

در مجموع امیدوارم شما و بقیه ایرانی‌های شایسته همیشه و همه جا موفق باشین.

استاد،، در مدل های پویا چطور دنباله ای از مدل های پارامتری شکل میگیره ؟! (آماردان جوان - 20/6/1393، 16:30:10)

مشاهده پاسخ

پاسخ: سلام. وقتی پارامترها تابعی (تابعی از زمان) هستند، پس بردار پارامترها در هر نقطه زمانی در مدل، یک مدل پارامتری معمولی می‌سازه. خوب تصور کن که به ازای مقادیر دامنه هر (تابع) پارامتر، یک مدل داریم. پس بی‌نهایت مدل یا دنباله‌ای از مدل‌ها داریم.

در بحث مدل های پویا در یه کتابی خوندم که نوشته بود: اهداف مهمی که در یک مدل پویا دنبال می شود عبارتند از: 1- معرفی مدلـــی دنباله ای 2-ایجاد دنباله ای از مدل های پارامتری 3 نمایش اطلاعات مربوط به پارامترهابه صورت احتمالی 4-پیش بینی به صورت احتمالی. حالا من منظور از معرفی مدلی دنباله رو نمی فهمم !!؟؟ (اماردان جوان - 20/6/1393، 00:51:30)

مشاهده پاسخ

پاسخ: سلام. بدون دیدن مطلب نمیشه حرف زیادی زد، اما با توجه به بحث مدل‌های پویا می‌شه گفت چون پارامترهای مدل پویا هستند (وابسته به زمان) در نتیجه در هر زمان (و در نتیجه زمان‌های پی در پی) یک مدل تغریف می‌شه که با زمانی متفاوت فرق داره (البته ماهیت مدل می‌تونه یکسان باقی بمونه: یعنی مثلا خطی باشه در هر زمان) و این یعنی یک مدل که به صورت دنباله‌ای داره عمل می‌کنه.
از نظر مفومی ساده است. با این حال همونطور که گفتم اگه خود مطلب دم دست باشه بهتر می‌شه نظر داد.
موفق باشی

سلام به شما دکتر دوس داشتنی می خواستم بدونم فرق مدل دنباله ای با دنباله ای از مدل های پارامتری چیه ؟! میشه هر یک رو کامل تعریف کنید. با سپاس فراوان (آماردان جوان - 17/6/1393، 22:59:59)

مشاهده پاسخ

پاسخ: سلام و متشکرم.

نمی‌دونم اصطلاح مدل دنباله‌ای رو کجا دیدی. من این رو نشنیدم یا ندیدم. منظور از این اصطلاح چیه رو نمی‌دونم. اما دنباله‌ای از مدل‌ها واضحه. هر مدل آماری با یک خانواده از توزیع‌ها تعریف می‌شه و نماینده هر توزیع یک متغیر تصادفی هست. پس دنباله‌ای از مدل‌ها (چه پارامتری چه ناپارامتری و چه نیمه‌پارامتری) همون دنباله‌ای از متغیرهای تصادفی رو تعریف می‌کنه. یا به عبارتی تعریفی از یک فرآیند تصادفی است.

موفق باشی

سلام استاد. یه سوال فنی داشتم. ما اگه دلمون واسه شما تنگ شه باید کیو ببینیییییم؟؟؟:) (shagerd - 12/5/1393، 14:41:09)

مشاهده پاسخ

پاسخ: سلام. خدا با صابرین است ....

سلام آقای دکتر،وقتتون بخیر. ببخشید من میخواستم ازتون خواهش کنم در مورد مفهوم effect size یک توضیحی رو بهم بدید. و اینکه در آزمون Anova از eta squared برای تعیین effect size استفاده می کنن چه چیزی رو بیان می کنه و مقدار اون چقدر باشه بهتره؟ ممنون و سپاسگزارم (دانشجو - 27/4/1393، 14:00:46)

مشاهده پاسخ

پاسخ: سلام. مقدار برآورد عامل‌ها در مدل تحلیل واریانس یا هر مدل رگرسیونی رو اندازه اثر عامل می‌گن. یعنی مثلا در مدل رگرسیونی همون مقدار برآوردشده ضرایب می‌شه. با استفاده از اندازه اثر هر متغیر تببینی (یا تیمار) هست که می‌شه اندازه و جهت تاثیرش رو روی متغیر پاسخ سنجید. مثلا اگر ضریب برآوردشده (یا همون اندازه اثر) مثبت باشه، می‌فهمیم که جهت اثر متغیر روی پاسخ مستقیم هست.

چیزی که گفتی واسه برآورد اندازه اثر استفاده می‌شه من نشنیدم. در واقع بدون مدل و فرمول نمی‌شه نظر داد. موفق باشی.

سلام استاد چه جوری میشه به کد پکیج هایی که تو R هست دسترسی یافت؟ممنون (دانشچو - 23/3/1393، 13:53:28)

مشاهده پاسخ

پاسخ: سلام. خود تابع رو بنویسی، کد نوشته شده برای تابع مورد نظر رو میاره. موفق باشید.

شاید سوالمو اینجوری بیان کنم بهتر باشه !! ما یه توزیع داریم با پارامتر متغیر !! چون پارامتر متغیره پس دارای توزیعه!! چون هیچ اطلاعی در باره توزیعش نداریم یه توزیع ناآگاهی بخش استفاده می کنیم! سوال من اینه که وقتی هیچی از پارامتر نمیدونیم چرا میریم سراغ بیز ؟!بسامدی چه مشکلی داره مگه ؟! (بیزین - 9/2/1393، 18:13:24)

مشاهده پاسخ

پاسخ: پارامتر متغیر نیست. یک مقدار ثابته. اما در دیدگاه بیزی فرض می‌شه که مقدار واقعی پارامتر توسط یک توزیع آماری مشخص می‌شه یا به عبارتی تحققی از یک توزیع آماری هست.

یک جواب کلی به سوال شما اینه: استنباط بیزی (جدا از انتخاب توزیع پیشین) بسیار سرراست و نظام‌منده. با تعیین توزیع پیشین، آن‌چه که در استنباط بیزی باقی می‌مونه (در کنار صدق کردن در برخی مبانی فلسفی خوب) محاسبه توزیع پسینه چون همه استنباط‌ها در این دیدگاه مبتنی بر توزیع پسین به‌دست می‌آیند. بنابراین این استنباط همیشه قابل انجام هست حتی با انتخاب توزیع پیشین غلط. اما در دیدگاه بسامدی برخی از مسایل قابل حل نیستند. مثال‌هایی در این مورد رو می‌تونی با جستجو در اینترنت پیدا کنی.

در کنار این جواب کلی، ویژگی‌های خوبی داره که باعث می‌شه طرفداران زیادی در بین کاربران آمار پیدا کنه: قابل انجام بودن در حجم نمونه کوچک، صدق کردن در اصل شرطی، صدق کردن در اصل درستنمایی، منسجم بودن نتایج استنباط و ....برای این‌که به جواب دقیقی به این سوالت برسی، بهتره کتاب زیر رو (سه فصل اول) بخونی:
The Bayesian Choice, 2nd Edition, 2008, Christian P. Robert

موفق باشی.

استاد خوب وقتی ما در مورد پارامتر هیچ اطلاعی نداریم چه اصراری هست که از بیز استفاده کنیم ؟؟؟؟!!! (بیزین - 9/2/1393، 16:45:30)

مشاهده پاسخ

پاسخ: سلام. برای جواب به این پرسش، به این فکر کن که در استنباط بسامدی چه اتفاقی داره می‌افته. در ضمن اصراری بر استفاده از یک مکتب خاص (بسامدی و بیزی) در حل همه مسایل وجود نداره. هر جا که هر کدوم بتونه یک جواب منطقی به سوالت بده، از همون استفاده کن.

از طرفی، هر کدام از این استنباط‌ها اهداف متفاوتی رو دنبال می‌کنن و لزوما به دنبال یک هدف نیستند. بنابراین در بسیاری از موارد قابل مقایسه با هم نیستند.

و حرف آخر، شما که از استنباط بیزی اطلاعی نداری این چه اسمیه که انتخاب کردی؟

موفق باشی.

سلام آقای دکتر یه سوال داشتم چرا ما برای انتخاب پیشین دنبال توزیعی هستیم که ناآگاهی بخش باشه؟؟ آگاهی بخش چه مشکلی ایجاد می کنه؟ مگر ما نباید از همه اطلاعاتی که داریم برا انتخاب پیشین استفاده کنیم ؟ (بیزین - 8/2/1393، 12:40:50)

مشاهده پاسخ

پاسخ: سلام. اگه اطلاعات پیشین در مورد پارامترهای مدلمون داشته باشیم و بتونیم توزیع مناسبی برای اون اطلاعات استخراج کنیم، باید (دقت کنید باید) از چنین توزیع پیشینی استفاده کنیم. توزیع‌های ناآگاهی‌بخش در مواردی مطرح می‌شوند که در زمینه مورد نظر اطلاعی نداشته باشیم یا نتونیم به توزیع پیشینی برسیم که با اطلاعات موجود هماهنگ باشه. در این موارد دسته‌ای از بیزین‌ها که طرفدار استنباط بیزی عینی هستند، معتقدند باید توزیع پیشینی رو وارد مدل کنیم که کمترین اطلاع رو در مورد پارامتر در خودش داشته باشه یا اگر ممکن باشه هیچ اطلاعی نداشته باشه. انگیزه استفاده از این توزیع‌ها نبود اطلاع در مورد پارامترهای مدل هست.

موفق باشید.

سلام آقای دکتر وقتتون بخیر ببخشید استاد برای کسب نمره مقاله در پایان‌نامه بعد از ارسال مقاله و پذیرش اون در کنفرانس‌های داخلی چه اقدامات دیگه‌ای لازمه؟ با تشکر (ارشد آمار - 3/2/1393، 10:23:27)

مشاهده پاسخ

پاسخ: سلام. متشکرم. در کنفرانس ها پذیرش تنها نمره ای نداره چون باید چکیده یا اصل مقاله چاپ بشه. بنابراین باید کنفرانس برگزار بشه و شما کپی چاپ چکیده یا مقاله رو بیارید. اما اگر مجله باشه، همون پذیرش رو بیارید کافیه و نیازی نیست حتما مقاله چاپ بشه.

موفق باشید.

سلام اقای دکتر.سوالی که خدمتون داشتم اینه که در نرم افزارspss برای نمودار زنگوله ای در حالت نرمال boxplate چطوریه و همچنی وقتی نمودار چولوگی به راست و جپ داشته . سوال دومم میخام یه پرسشنامه درباره رضایت مردم از دارو ایرانی طرح کنم ولی خیلی وارد نیستم اگه میشه بنده رو یه راهنمایی کنید خیلی ممنون (حامدی - 26/1/1393، 23:17:21)

مشاهده پاسخ

پاسخ: سلام. نمودار boxplot واسه رسم منحنی نرمال نیست. در این نرم‌افزار از گزینه مربوط به برازش منحنی نرمال باید استفاده کنید. برای درک رفتار توزیع احتمالی داده‌ها بهتره از نمودار هیستوگرام (بافت‌نگار) استفاده کنید.
طراحی پرسشنامه به شکلی که روایی و پایایی داشته باشه، یک بحث تخصصی است که باید از متخصص زمینه‌ای که قراره پرسشنامه در اون طراحی بشه بپرسید. متخصصین آمار وظیفه تحلیل پاسحنامه‌ها در راستای اهداف تحقیق رو دارند.

موفق باشید.

سلام، چرا نمیشه از یه مجموعه بیکران -مثلا اعداد طبیعی- عضو تصادفی انتخاب کرد؟ چرا این روند که من میگم مناسب نیست؟ یه تاس سه وجهی میندازیم، اگه ۰ یا ۱ اومد یکان رو همون قرار میدیم و اگه ۲ اومد بازی تموم، همین روند رو ادامه میدیم و در مرحله iام، باز تاس سه وجهی رو پرت میکنیم، اگه ۰ یا ۱ اومد رقم iام رو ۰ یا ۱ میذاریم و اگه ۲ اومد بازی تموم میشه. رشته حاصل نمایش یه عدد طبیعی در مبنای ۲ هست. این یه انتخاب تصادفی از یه مجموعه بیکران نیست؟ (م.ا - 25/12/1392، 20:54:52)

مشاهده پاسخ

پاسخ: سلام. تابع احتمال روی فضای نمونه نامتناهی باید طوری تعریف بشه که مجموعش روی فضای نمونه بشه ۱.

سلام استاد وقت بخير شما ليزرل كار كردين ميخواستم بدونم زمانيكه سوالات پرسش نامه از نوع ليكرت چطوري مي تونيم آزمون نرمال بودن داده هارو امتحان كنيم ممنون (دانشجو - 22/12/1392، 08:02:19)

مشاهده پاسخ

پاسخ: سلام. خیر کار نکردم.
این سوال شما دقیق نیست. اگر منظورت از نرمال بودن اینه که پاسخ‌های مربوط به هر سوال نرمال باشه، که نیست. چون مقیاس داده‌ها ترتیبی هستند و گسسته و نمی‌تونه نرمال باشه. اگر منظورت اینه که مجموع امتیاز همه سوالات برای پاسخ‌دهندگان نرمال باشه، اون هم نیست چون باز هم مقیاس داده‌ها گسسته هست. اما در این حالت دوم (بر اساس قضیه حد مرکزی) می‌تونه به نرمال نزدیک باشه (چون به صورت مجموع امتیازها نمایش داده می‌شه).
برای بررسی نرمال بودن مجموع امتیازهای سوالات با مقیاس لیکرت، اگر حجم نمونه (تعداد پاسخ‌دهندگان) کم هست، بهتره از آزمون گرافیکی qq-plot (نمودار چندک-چندک) استفاده کنی. اگر مشکل حجم نمونه وجود نداره، می‌تونی از آزمون‌های رسمی (ناپارامتری) مثل آزمون کولموگروف-اسمیرنوف یا آزمون شاپیرو-ویلکس استفاده کنی.

موفق باشی.

با سلام خدمت استاد گرامی یک سوال از محضر شما داشتم ممنون میشم اگه راهنمایی کنید در کارم به مقایسه دو روش ازمون آماری می پردازم. و می خام بدونم که کدام یک بهتر عمل می کنن. کاری تا الان انجام داده ام این بوده که دو جامعه ساخته ام که از نظر اون پارامتر من با هم فرق دارن. بعد از این دو جامعه در چند حجم نمونه و 1000 بار نمونه گیری انجام داده ام. و با ازمون هایی که قصد مقایشون رو دارم به مقایسه این دو جامعه پرداختم. الان سوال من اینه که ایا میشه از تعداد دفعاتی که هر کدوم از ازمون ها توانستن این اختلاف رو تشخیص بدن برای مقایسه دو ازمون استفاده کرد و گفت که اونی که تعداد بیشتر اختلاف رو معنی دار نشون داده بهتره.سپاس فراوان (biosttistic - 6/12/1392، 20:33:13)

مشاهده پاسخ

پاسخ: سلام. با این‌که مساله رو دقیق نگفتی، اما می‌شه یک جواب تقریبی داد. به طور کلی بله می‌شه معیاری بر اساس اختلافی که گفتی تعریف کرد و آزمونی که این اختلاف معنی‌دار (که واقعا وجود داره) رو با قدرت بیشتری نشون بده، برتر هست. این معیار مفهومی نزدیک به توان آزمون رو داره. توان یک آزمون به معنی تشخیص درست است (رد فرضیه صفر به درستی). بنابراین توصیه می‌کنم به‌جای تعریف و استفاده از معیاری که اسم بردی، از همون توان آزمون برای مقایسه دو آزمون مورد نظرت استفاده کنی.

اگر توان آزمون‌ها شکل بسته ندارند، با تولید ۱۰۰۰ مجموعه داده، می‌تونی به کمک روش مونت کارلو توان‌ها رو برآورد کنی. کار ساده‌ای هست.

موفق باشی

با عرض سلام و وقت بخیر خدمت استاد محترم میخواستم بدونم variational inference(EM algorithm و collapsed gibbs sampling هر دو از زیر شاخه های الگوریتم های MCMC هستند یا فقط collapsed gibbs sampling جز آن محسوب می شود با تشکر (ابراهیمی - 22/11/1392، 20:54:40)

مشاهده پاسخ

پاسخ: سلام. برای استنباط تقریبی بیزی به‌جای استفاده از روش‌های مبتنی بر نمونه‌گیری، مانند الگوریتم‌های نمونه‌گیری MCMC، یک رهیافت کلی دیگه وجود داره که با عنوان Variational Inference معروف هست. بنابراین، همونطور که گفتید تنها Collapsed Gibbs Sampling روشی در رده الگوریتم‌‌های MCMC محسوب می‌شه.

با سلام یک سری داده های جریان آب که در سالهای مختلف نمونه برداری شده آزمون فریدمن رو براش انجام دادم p-value آزمون نشون داد که توزیع داده ها از یک توزیع تبعیت می کند . بر اساس تجربه و نظر استاد راهنما به احتمال زیاد توزیع داده ها از log- normal تبعیت می کند . در spss چطور میتونم توزیع log-normal رو انجام بدم. با تشکر |محبوبه ساده) (محبوبه ساده - 24/10/1392، 11:51:22)

مشاهده پاسخ

پاسخ: سلام.

آزمون فریدمن برای بررسی پیروی داده‌ها از یک توزیع؟؟؟؟؟؟
این آزمون نسخه ناپارامتری آزمون‌های تحلیل واریانس یک‌طرفه هستش و در موردی که شما گفتین اصلا استفاده‌ای نداره. قبلا به شما گفتم، چون دانش آماریتون خیلی کمه، حتما با یک کارشناس آمار مشورت کنید و از اون کمک بگیرید.
موفق باشید.

سلام دکتر وقتتون بخیر، یک سری داده دارم نمی دانم از چه توزیعی تبعیت می کند به نظر استادم از توزیع لگ نرمال ممکن تبعیت کند به نظر شما از کجا می توانم متوجه شوم که از چه توزیعی تبعیت می کند. (دانشجو ارشد - 24/10/1392، 11:24:35)

مشاهده پاسخ

پاسخ: سلام.
خوب، بحث مدل‌بندی آماری در عین حالی که دانش مناسبی را می‌طلبد، یک هنر هم هست.
در این مورد، ابتدا باید یک تحلیل اکتشافی انجام بشه، مثلا نمودار بافت‌نگار داده‌ها رسم بشه (یا از سایر ابزار این تحلیل استفاده کنید) و در مورد ماهیت داده‌ها اطلاعات اولیه‌ای به دست بیارید. یعنی این‌که، مثلا، توزیع داده‌ها می‌تونه متقارن باشه یا نه، اگه چوله هست به راست هست یا چپ، یک منحنی نرمال به بافت‌نگار داده‌ها برازش بدین و ببینید توزیع داده‌ها دم کلفت‌تری از نرمال داره یا نه و ....
این تحلیل اکتشافی به شما این ایده رو می‌ده که چه توزیع‌هایی می‌تونن واسه مدل کردن داده‌های شما مناسب باشند. با این ایده اولیه، باید چند توزیع کاندید رو به داده‌ها برازش بدین و از بین اون‌ها توزیع‌هایی که برازش قابل قبولی داشتند رو انتخاب کنید. بعد بهترین برازش را بر اساس یک یا چند ملاک نیکویی برازش (که تو آمار زیاد هستند)، مثلا ملاک ضریب تعیین، انتخاب کنید و به عنوان توزیعی که داده‌ها از اون پیروی می‌کنند، معرفی کنید.
موفق باشید.

باسلام. وقت شما بخیر. اگر بخواهیم بین دو متغیر همبستگی بگیریم در حالی که یکی از متغیرها در سطح اسمی ( بله خیر) و دیگری در سطح فاصله‌ای باشد از چه روش آماری می‌توان استفاده کرد؟سپاسگزارم (اکرامی - 10/10/1392، 21:54:06)

مشاهده پاسخ

پاسخ: سلام.
به‌طور ‌کلی محاسبه ضریب همبستگی بین دو متغیر که یکی اسمی و دیگری فاصله‌ای است، معنی ندارد. ضریب همبستگی، وابستگی خطی بین دو متغیر را اندازه‌گیری می‌کند که برای متغیرهای اسمی بی‌معنی است.
اما در حالتی که متغیر اسمی دو سطح داشته باشد، مثل همین مورد شما، می‌توان از ضریب همبستگی پیرسون استفاده کرد.

موفق باشید.

سلام جناب دکتر وقت عالی بخیر من در مورد بدست اوردن براوردگرها از طریق درستنمایی مرکب با وجود چگالی شرطی و اینکه متغیرها را تابعی خودبازگشتی در نطر میگیریم چگونه است؟ مرسی (دانشجو - 9/10/1392، 23:24:38)

مشاهده پاسخ

پاسخ: سلام. متشکرم.
سوال شما خیلی کلی هست و به این شکل قابل پاسخ‌گویی نیست. چه نوع چکالی شرطی؟ تابعی از خود متغیرها تا چه تاخیری؟ در چه مدلی؟ سوال باید دقیق باشه. موفق باشید.

سلام استاد خسته نباشید. استاد از اینکه اینقدر با حوصله به سوالامون جواب میدی خیلی ممنونم. استاد از کجا متوجه شیم مقاله‌مون رو برای کدوم ژورنال باید بفرستیم؟ یا بهتره بگم از کجا متوجه شیم مقاله مون در حد چه ژورنالی هست؟ (شاگردتون - 29/9/1392، 00:11:23)

مشاهده پاسخ

پاسخ: سلام. متشکرم.

خوب برای دستیابی به این شناخت باید:
۱) به موضوع مقاله (کارهایی که بقیه کردن و جاهایی که منتشر شدن) اشراف داشته باشید.
۲) مجله‌های رشته خودتون (مثل آمار) و زمینه‌های مورد نظر هر کدوم (از جمله نظری، کاربردی، نظری-کاربردی) رو بشناسید. این شناخت خیلی مهمه و کمک می‌کنه که در انتخاب کمترین خطا رو مرتکب بشین.
۳) اگر تازه‌کار هستین، حتما با راهنمایی افراد با تجربه مجله رو انتخاب کنید. دقت داشته باشین، اگه دانشجو هستین حتما این انتخاب باید با راهنمایی اساتید راهنماتون انجام بشه.

موفق باشید.

سلام استاد. خسته نباشید. میشه یه کتاب خوب برای یادگیری ftex معرفی کنید؟ ممنونم (شاگردتون - 20/9/1392، 21:52:23)

مشاهده پاسخ

پاسخ: سلام. اگه شما Latex یاد بگیرین، Ftex هم یاد دارین. چون دستوراتش عینه همه و هیچ فرقی نمی‌کنه. بنابراین هر کتابی که Latex بگه (که توی اینترنت زیاد هم هستند) به درد شما می‌خوره.
فقط این نکته یادتون باشه که Ftex چند ساله که به‌روز نشده و مشکلاتش زیاده. بهتره برید سراغ بسته زی‌پرشین که روی نسخه به‌روز Latex نوشته شده.

موفق باشید.

با سلام و وقت بخیر ،ضمن تشکر از راهنمایی های ارزنده شما استاد محترم میخواستم بدونم برای ارسال یک سری مقالات، در زمینه کارم و سوال در مورد آنها از طریق چه ایمیلی میتونم با شما در ارتباط باشم. با تشکر. (ابراهیمی - 16/9/1392، 01:09:36)

مشاهده پاسخ

پاسخ: سلام
hbaghishani@shahroodut.ac.ir
hbaghishani@yahoo.com
ای‌میل دانشگاه کمی مشکل داره. بعضی از پیام‌های دوستان که برام فرستاده شدند به دستم نرسیده. برای همین توصیه می‌کنم به ای‌میل یاهو هم هم‌زمان بفرستید.

موفق باشید

باسلام.وقت شما به خير. من دانشجو كارشناسي ارشد روانشناسي هستم براي بخش آمار پايان نامه ام درخواست كمك دارم. سوال:پاسخ‌هاي پرسش‌نامه ام در قالب بله و خير است. براي سنجش ميزان پايايي(پايا بودن نتايج در گذر زمان) اين پرسش‌نامه از چه روش آماري مي‌توانم استفاده كنم؟به نظر شما استفاده از آلفاي كرونباخ مناسب است؟ سپاس‌گزارم. (بياري - 14/9/1392، 19:27:38)

مشاهده پاسخ

پاسخ: سلام و متشکرم.

۱) به‌طور کلی اگر پاسخ سوالات ترتیبی نباشند (مثل جواب‌های شامل سه یا چهار سطح بدون ترتیب)، از اندازه ضریب آلفای کرونباخ نمی‌توان استفاده کرد.

۲) اگر پاسخ‌ها دوسطحی باشند (مثل درست/نادرست یا بله/خیر)، خیلی از افراد از این اندازه استفاده می‌کنند. البته این اندازه مشکلات جدی زیادی دارد. به عنوان مثال به مقاله زیر می‌توانید مراجعه کنید:
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2792363/

۳) یک معیار جانشین و ساده برای این اندازه، آماره GLB است که جزییات آن در همان مقاله ذکرشده وجود دارد. این آماره توسط تابع glb در نرم‌افزار R نیز قابل اجراست.

موفق باشید.

با سلام و وقت بخیر خدمت استاد محترم در شبکه های سلسله مراتبی بیزین در محاسبه احتمالات پوستریور از احتمالات پریور استفاده میشود تا اونجایی که من متوجه شدم در شبکه های سلسله مراتبی بیزین ما یک سلسله مراتب از پریور ها داریم من میخواستم بدونم در نهایت این وابستگی های بین پریورها چطور قطع میشه یعنی چطور به یک جایی میرسیم که برای یک نود دیگر پریور نداشته باشیم. با تشکر (ابراهیمی - 13/9/1392، 13:50:32)

مشاهده پاسخ

پاسخ: سلام. در دیدگاه بیزی، تمامی استنباط‌های مبتنی بر توزیع پسین به دست می‌ایند. برای به‌دست آوردن توزیع پسین به همراه درستنمایی حاصل از مشاهدات به توزیع پیشین برای پارامترها نیاز داریم. انتخاب توزیع پیشین برای پارامترها بزرگترین چالش موجود بر سر راه استنباط‌های بیزی است. تاکنون توزیع‌های پیشین متفاوت معرفی شده‌اند: توزیع‌های پیشین مزدوج، جفریز، مبهم، ناآگاهی‌بخش و ....
این انواع پیشن‌ها مزایا و معایبی دارند که جای بحث در مورد اون‌ها نیست.

به دلایلی، محققین علاقه‌مند هستند (در مواردی که پیشینه خاصی که راهنمای انتخاب نوع مشخصی از پیشین باشد، وجود ندارد) از توزیع‌های پیشینی استفاده کنند که کمترین اطلاع را در خود داشته باشند. به عنوان مثال، توزیع‌های ناآگاهی‌بخش تخت از این دسته هستند. اما این پیشین‌ها ناسره هستند. پیشین‌های ناسره ممکن است به پسین‌های ناسره منتهی شوند که در نتیجه نمی‌توان از آن استفاده کرد.

یک راه حل استفاده از توزیع‌های سره است که همیشه پسین سره خواهند داشت. اما توزیع‌های سره معمولا در مورد پارامتر اطلاع دارند. برای کم کردن این اطلاع، یک راه حل جامع استفاده از پیشین‌های سلسله‌مراتبی است. هر چه سطوح پیشن بیشتر باشد، اطلاعات موجود در آن‌ها در مورد پارامتر کمتر خواهد بود.

این‌که تعداد این سطوح چند باشد، بستگی به محقق، اهداق تحقیق و میزان تحمل پیچیدگی مدل سلسله‌مراتبی، دارد. امیدوارم توضیح کافی باشد

موفق باشید.

سلام من متاسفانه شاهرود نیستم که بتونم حضوری مزاحمتون بشم، اگر ممکنه با ایمیل یا تلفنی بتونین کمکم کنین خیلی ممنون میشم! کتاب فارسی واسش نوشته نشده؟! چون میخام با نرم افزار جدیدی کار کنم از R به جای SPSS میخام استفاده کنم! (zahra - 9/9/1392، 21:04:50)

مشاهده پاسخ

پاسخ: سلام.

شما به این سایت مراجعه کنید
http://www.r-project.org/
در اونجا قسمت document می‌تونین سه فایل به زبان فارسی هم پیدا کنید. خوب یا بد بودنش رو بی‌اطلاع هستم. اما راهنماهای انگلیسی خیلی ساده توضیح دادند.

مساله رو دقیقا بنویسید در یک فایل وورد و برام بفرستید.

سلام استاد استاد برای استفاده از الگوریتم درخت تصمیم مثل c5.0 یا chaid جهت پیشبینی از کدام نرم افزار باید استفاده کنیم؟ (علی کرمانی - 9/9/1392، 17:47:04)

مشاهده پاسخ

پاسخ: سلام. نرم افزارهای مختلفی این روش ها و سایر روش های درخت تصمیم رو دارند. مثلا نرم افزارهایی مثل SAS و R. از هر کدام که کار باهاش راحتتره استفاده کنین.

موفق باشید

سلام آقای دکتر! من دانشجوی MBA شاهرودم برای پایان نامم میخام از نرم افار R استفاده کنم ولی آشنایی با این نرم افزار ندارم. اولا میخاستم بدونم برای مشخص کردن جامعه ی آماری باید چیکار کنم؟ من میخام رابطه ی بین سه عنصر جنس، شکل و رنگ بسته بندی بر دو تداعی شخصیت برند و باورها در مورد برند را بدست بیارم باید از چه روش هایی استفاده کنم؟! و برای بدست اوردن روایی و پایایی پرسش نامه چه باید کرد؟! لطفا اگر کتابی هم برای این نرم افزار میشناسید به من معرفی کنید. اگر زودتر جوابمو بدید خیلی ممنون میشم چون من باید ترم دیگر دفاع کنم! (زهرا - 8/9/1392، 22:32:04)

مشاهده پاسخ

پاسخ: سلام. به خود سایت R سر بزنید کلی راهنما و کتاب داره واسه یاد گرفتنش. واسه روش و بقیه سوالات، بهتره به دفترم سر بزنید و مستقیما بپرسید.

البته نمی‌دونم دلیل استفاده شما از این نرم‌افزار چیه. اما همه مواردی که میخوایین با SPSS می‌تونید انجام بدین.

موفق باشید

سلام استاد.وت شما بخیر،استاد منظور ازset.seed در کد نویسی چیست.با تشکر (mehdizadeh - 27/8/1392، 00:08:45)

مشاهده پاسخ

پاسخ: سلام. برای تنظیم هسته تولید اعداد شبه‌تصادفی از این دستور استفاده می‌شه. دلیلش هم اینه که اگر کد رو در آینده اجرا کنی، دقیقا نتایج یکسان با اجراهای قبلی داشته باشی.

با سلام.برای مقایسه میانگین در دو گروه وابسته در داده های پارامتریک از چه آزمونی استفاده می شود؟ (دانشجو - 21/8/1392، 15:11:03)

مشاهده پاسخ

پاسخ: سلام. منظورتون از داده‌های پارامتری رو نفهمیدم.
برای مقایسه میانگین‌های دو جامعه وابسته، می‌توان از آزمون t جفت‌شده استفاده کرد. یک راه جامع‌تر استفاده از مدل‌های آمیخته برای مقایسه دو گروه هست.

موفق باشید.

استاد میشه تو splus پکیج های R رو نصب کرد، از آنجا که ندانستن عیب نیست، می پرسم با سپاس (کارون - 13/8/1392، 05:56:53)

مشاهده پاسخ

پاسخ: سلام. نه نمیشه.

you are right. but i think optimize() func. is not appropriate in this case, because It serves just for univariate func. about oanother func. when I check it, say you the conclusion. Thanks Prof. for devoting your time for us (khosroshah - 13/8/1392، 00:18:22)

مشاهده پاسخ

پاسخ: The optimize() in SPlus has similar features as the optim() in R. So, you can optimize a multivariate function by optimize() in SPlus as well. Indeed, I strongly recommend you to use R because it
is open source
has a flexible and nice graphical environment
implements many modern statistical methods
...

Regards

hi thanks for your guide, unfortunatelly i am using splus with version 6.1, and i couldnt find it. any way, merc for your cooperation. i guess should prepare new version of R for do that. with best regards (khosroshah - 12/8/1392، 21:37:52)

مشاهده پاسخ

پاسخ: The optimize() or nlminb() functions in SPlus, do similar task

i want to find the mle of parameters beta distribution, we know that there is no closed form mle, so i tryed to find numerical mle,and used newton algorithm, to solve derivative eq. of log likelihood of join pdf of observations relative to parameters, but i gets negative values for the parameters. what is your idea, do you want send my coding? (khosroshah - 12/8/1392، 17:58:25)

مشاهده پاسخ

پاسخ: Hi
You can easily use the optim() function in R to find out the ML estimates of the parameters, indirectly. This means that you have to define the likelihood function properly and introduce some initial values, then use the optim() function to extract MLE numerically. You also define, directly, the derivatives of the likelihood function with respect to parameters and solve the system. In this way, you should compute digamma function numerically by some available methods.
Briefly, I recommend to use optim() function in R to catch your estimates.

Good luck

با عرض سلام و خسته نباشید. آقای دکتر من در مسائلی که برخورد با آنها داشتم Dir با یک پارامتر را دیده بودم که رابطه مشخص خودش را داشت مثلا Dir(a که مثلا روی پارامتر b این مزدوج در نظر گرفته شده است میخواستم بدونم مثلا Dir(a,c که اونم روی یک پارامتر مثلا همون bتعریف میشه چه مفهومی داره؟Dir با دو پارامتر منظورم همون aوc هست به چه معنی است؟رابطه آن فرق داره با Dir(a ممنون میشم راهنمایی کنید. (ابراهیمی - 11/8/1392، 14:48:03)

مشاهده پاسخ

پاسخ: سلام. برای اطلاعات بیشتر در مورد توزیع دیریکله به کتاب‌هایی که اشاره کردم مراجعه کنید. یا می‌تونید توی اینترنت مطالب مفید زیادی رو ببینید.

موفق باشید

با سلام و احترام خدمت استاد محترم، ضمن تشکر از پاسخگویی ها و راهنمایی های ارزنده شما، میخواستم بدونم هدف از تعریف پیشین مزدوج برای مدل چند جمله ای چیست؟ چه مواقعی برای یک مدل چند جمله ای مزدوج پیشین تعریف میشود؟ (ابراهیمی - 10/8/1392، 19:41:27)

مشاهده پاسخ

پاسخ: سلام.
تفاوت یک مدل بیزی با مدل کلاسیک، در فرض کردن پارامتر به عنوان یک متغیر تصادفی و در نظر گرفتن یک توزیع احتمالی برای پارامتر با نام توزیع پیشین است. این‌که چه توزیع پیشینی در یک مساله برای پارامتر انتخاب شود، بحث گسترده‌ای است که سال‌ها برپا بوده و هنوز هم هست و یکی از زمینه‌های زنده و پویا در تحقیقات روز آماری است.
یک رده از توزیع‌های پیشین، معروف به توزیع‌های پیشین مزدوج، برای برخی از مدل‌ها وجود دارند، به طوری که توزیع پسین حاصل از همان خانواده توزیع پیشین خواهد بود. اگر برای مساله‌ای بتوان توزیع پیشین مزدوج برای پارامتر تعریف کرد، محاسبه توزیع پسین و در نتیجه انجام استنباط بیزی (که مبتنی بر توزیع پسین است) ساده خواهد بود. این سادگی یک مزیت استفاده از توزیع پیشین مزدوج (در صورت وجود) است. اما دو سوال باید مورد توجه باشد:
۱) انتخاب توزیع پیشین مزدوج برای یک مساله، مناسب است؟
۲) سادگی محاسبات در یک مساله مورد توجه است یا دقت استنباط‌ها؟
پاسخ به این دو سوال، محقق را در استفاده از توزیع پیشین مزدوج راهنمایی می‌کند.

با این توضیحات، انگیزه انتخاب توزیع دیریکله برای مدل چندجمله‌ای روشن می‌شود. اما دقت کنید برای پارامتر‌های مدل چندجمله‌ای می‌توان توزیع‌های پیشین دیگر هم انتخاب کرد. اما نوع انتخاب می‌تواند باعث افزایش حجم محاسبات شود.
البته دقت داشته باشید، با پیدایش الگوریتم‌های محاسباتی جدید (مثل الگوریتم‌های نمونه‌گیری MCMC) و ارتقای قدرت کامپیوترهای امروزی، آنچه که اهمیت پیدا کرده است، انتخاب مدل بیزی است که منجر به استنباط‌های کاراتری شود و مساله انتخاب مدلی با کارایی کمتر اما محاسبات ساده‌تر دیگر مطرح نیست.

موفق باشید.

با سلام و وقت بخیر خدمت استاد محترم توزیع دیریکله مزدوج پیشین برای توزیع چندجمله ای محسوب سده است.من میخواستم بدونم خروجی یک توزیع دیریکله در نهایت چیه که بعد با اعمال توزیع دو جمله ای روی خروجی توزیع دیریکله کار پیش میره؟ (ابراهیمی - 9/8/1392، 13:48:06)

مشاهده پاسخ

پاسخ: سلام. منظورتون رو از خروجی توزیع دیریکله نفهمیدم. اما شاید توضیح زیر به دردتون بخوره:

همونطور که گفتید، توزیع دیریکله یک پیشین مزدوج برای مدل چندجمله‌ای است. یعنی توزیع پسین حاصل از مدل و پیشین، دیریکله خواهد بود. بنابراین با این پسین می‌توان استنابط بیزی در مورد پارامترهای مدل چندجمله‌ای رو به دست آورد.
به عنوان مثال، توزیع‌های پسین حاشیه‌ای هر پارامتر، دارای توزیع دوجمله‌ای هستند و مثلا برآورد بیزی پارامترها بر اساس این توزیع‌ها قابل محاسبه هستند. یا به راحتی می‌توان فواصل اعتبار بیزی رو برای پارامترها محاسبه کرد. یا انتخاب مدل بیزی رو انجام داد یا ....

موفق باشید.

با سلام و وقت بخیر خدمت استاد محترم. میخواستم بدونم مفهوم عبارتPDP(0, b, discrete(θ)) ≈ Dirichlet(bθ چیه؟ یعنی میخوام بدونم چه رابطه ای بین توزیع پیتمن-یور و توزیع دیریکله هست ممنون میشم راهنمایی کنید. (ابراهیمی - 5/8/1392، 12:15:14)

مشاهده پاسخ

پاسخ: سلام. دو موردی که شما نوشتین بیانگر توزیع نیستند، بلکه تعریف‌کننده دو فرآیند هستند که در آمار بیزی ناپارامتری مورد بهره‌برداری قرار می‌گیرند. یعنی در واقع هستند:
PDP=Poisson-Dirichlet Process (که همان فرآیند پیتمن یور هست) و DP=Dirichlet Process

توضیح این‌که زمینه‌های استفاده از آن‌ها و رابطه بینشان چیست، کار ساده‌ای نیست و نیازمند خواندن مقاله‌ها و کتاب‌هایی در زمینه بیز ناپارامتری است. و البته در این‌جا نمی‌توان پاسخ داد.
فکر می‌کنم راهنمایی برای جواب سوال شما در سایت ویکی‌پدیا وجود داشته باشه و البته منابع تخصصی‌تر متعددی وجود دارند که از طریق اینترنت می‌تونید بهشون دسترسی داشته باشید. مثلا به لینک زیر مراجعه کنید:
http://en.wikipedia.org/wiki/Pitman%E2%80%93Yor_process

برای دسترسی به منابع تخصصی باید در متون آمار بیزی ناپارامتری جستجو کنید. دو کتاب خوب با همین عنوان (Nonparametric Bayesian Statistics) می‌شناسم که می‌تونند به شما کمک کنند. یا می‌تونید به سایت‌های شخصی Micheal Jordan و David Dunson برای اطلاعات بیشتر مراجعه کنید.

موفق باشید

با سلام و وقت بخیر خدمت شما استاد محترم. من دانشجوی ارشد معماری کامپیوتر هستم. موضوع کلی پایان نامه من درباره بهبود بازشناسی گفتار است. و بخشی از آن بسیار با آمار و احتمالات مرتبط است. میخواستم اگر کتاب یا مقاله فارسی درباره نمونه گیری گیبس، الگوریتمهای MCMC و یادگیری بیزی دارید به من معرفی کنید. چون در فهم مطالب پایه مشکل دارم .ممنون میشم راهنمایی کنید. ( ابراهیمی - 30/7/1392، 20:17:24)

مشاهده پاسخ

پاسخ: سلام. شما می‌تونید از فایل‌های درس مباحث من که این ترم در دانشگاه شاهرود دارم (بخش مربوط به روش‌های نمونه‌گیری مونت‌کارلو و الگوریتم‌های MCMC) استفاده کنید. در مورد وجود کتاب فارسی در این زمینه امیدوار نیستم، اما پایان‌نامه‌ها و رساله‌های زیادی هستند که در این مورد مطلب دارند. می‌تونید توی سایت دانشگاه‌ها جستجو کنید. مثلا دانشگاه تربیت مدرس در این مورد پایان‌نامه داره.
اما کتاب‌های لاتین موجود فراوانی هستند مختص همین موضوع و به سادگی و روشن، با مثال‌های مختلف توضیح دادند. توصیه می‌کنم از اون‌ها هم استفاده کنید.

در نهایت روز آمار و برنامه‌ریزی رو به شما و همه آماردوستان تبریک می‌گم.

با سلام خدمت استاد محترم جناب اقای دکتر باغیشنی. به نظر شما برای دستیابی به 140نمونه با توزیع کای دو با دو درجه آزادی این روند می تواند درست باشد؟ ابتدا 140 نمونه با توزیع نرمال با میانگین 0 و واریانس 1 تولید می کنیم . سپس این نمونه ها را به توان 2 می رسانیم تا به توزیع کای دو با یک درجه آزادی دست یابیم. حال اگر توزیع آخر را با خودش جمع کنیم به توزیع کای دو با درجه آزادی دو دست خواهیم یافت. با تشکر (دانشجو - 27/7/1392، 10:58:39)

مشاهده پاسخ

پاسخ: سلام. منظورتون از توزیع آخر رو با خودش جمع می‌کنیم، نفهمیدم. تقریبا درسته. به این روش می‌گن روش تبدیل. می‌تونین به طریق زیر عمل کنین:
۱) دو بردار با حجم نمونه‌ای که لازم هست، متغیر نرمال استاندارد تولید کن
۲) هر دو بردار رو به توان دو برسون و دو تاشون رو با هم جمع کن
۳) بردار جدید، نمونه‌ای از توزیع کای‌دو با ۲ درجه آزادی هست

دقت کنید روش‌های کاراتری هم هستند، اما این هم ساده هست هم چون حجم نمونه کوچک است، مساله کارایی چندان مطرح نیست

سلام . امید وارم بنده رو به خاطر این اشتاه عفو کرده باشید و ممنون از راهنمایی ، محبت و وقتی که گذاشتید (hemin - 16/7/1392، 17:50:11)

مشاهده پاسخ

پاسخ: خواهش می‌کنم. میدونم اشتباه تایپی بوده. صرفا نوشتم که بگم با دقت سوالاتون رو می‌خونم ;-)

با سلام و خسته باشید خدمت استاد گرامی. چندی قبل یک سوال از محضر شما پرسیدم که جواب شما بسیار مفید بود (hemin - 28/5/1392، 20:45:38). ممنون می شم اگر یک منبع که در باره روشهای تنومند(robustness) باشد بهم معرفی کنید که شامل روش بررسی کردن آین خاصیت هم باشد بسیار ممنون (hemin - 15/7/1392، 19:17:36)

مشاهده پاسخ

پاسخ: سلام (اما شما خسته نباشید!!!). از طریق اینترنت می‌تونید به منابع زیادی در این زمینه دسترسی داشته باشید. کافیه از موتورهای جستجوی اینترنتی استفاده کنید. در این زمینه آماردانی به نام هابر خیلی کار کرده و کتابی با همین عنوان دارد که می‌تونین ازش بهره ببرید.

سلام استاد وقت بخیر من دانشجو ریاضی محض در مقطع کارشناسی بودم امسال ارشد رشته آمار قبول شدم درس های استنباط آماری 1 و فرآیند های تصادفی ارایه شده و اساتید به زبان انگلیسی تدریس می کنند.می خواستم خواهش کنم اگه امکان داره چند منبع خوب و به زبان فارسی برای این دو درس به من معرفی کنید تا کمک حالم باشد.با سپاس فراوان (دانشجو - 13/7/1392، 20:18:33)

مشاهده پاسخ

پاسخ: سلام. منابع خوب فارسی کم هستند و بهتره با همون کتاب‌های لاتین مانوس بشید. به هر حال دیر یا زود گریزی از صمیمی شدن با منابع لاتین ندارین. با این حال، پیشنهاد می‌کنم برای درس فرآیندهای تصادفی از کتابی با همین اسم، انتشارات دانشگاه پیام نور (تالیف استاد فقید دکتر شاهکار) و برای استنباط آماری ۱ از کتاب مبانی آمار ریاضی (تالیف استاد ارجمند دکتر پارسیان) استفاده کنید. موفق باشید.

با سلام خدمت شما . در کارم با یه مشکل رو برو شدم ممنون می شم اگه کمک کنید. تا اونجا که من فهمیدم برای انجام آزمون های آماری نیاز است شرایطی بر قرار باشد مثلا نرمال بودن در ازمون تی . گاهی هم اگر بعضی از این شرتیط برقرار نباشند با چشم پوشی از آن ازمون ها را انجام می دهیم. حال سوال من این است که اگر نخواهیم از این فرض چشم پوشی کنیم بلکه در روش کار ویا داده ها تصحیحی انجام دهیم چگونه می توانیم بفهمیم که آیا این تغیر روش یا تصحیح بهتر است یا همان چشم پوشی کردن از فرض. با سپاس فراوان (hemin - 28/5/1392، 20:45:38)

مشاهده پاسخ

پاسخ: سلام.

هر مدل‌بندی، مبتنی بر پذیره‌هایی است که محقق قبل از برازش مدل برقراری آن‌ها را می‌پذیرد. اما از آن‌جا که اعتبار نتایج استخراج‌شده از مدل وابسته به پذیره‌های اولیه است، باید برقراری (تقریبی) آن‌ها بررسی شود. در مدل‌های آماری برای بررسی اعتبار این پذیره‌ها (بسته به نوع مدل و پذیره‌ها)، روش‌هایی مانند آزمون‌های فرضیه یا تحلیل گرافیکی وجود دارند. مثلا در همان آزمون t استودنت که بیان کردید، پذیره نرمال بودن دو جامعه مورد مقایسه در ابتدا در نظر کرفته می‌شود. برای بررسی نرمال (تقریبی) بودن یک جامعه بر اساس یک نمونه از آن، آزمون‌های آماری رسمی و گرافیکی مختلفی وجود دارند که می‌توان استفاده کرد.

بنابراین چه خود داده‌های اصلی چه داده‌های پاک‌شده مورد نظر باشند، می‌توان برقراری پذیره‌ها را بررسی کرد. اگر برقراری بعضی از پذیره‌ها رد شدند، باید به دنبال چرایی این عدم برقراری باشیم که برای آن به دانش آماری و زمینه تخصصی تحقیق، به طور همزمان، نیاز دارید و با توجه به جواب این چرایی، می‌توان مدل یا پذیره‌های اولیه را در جهت بهبود فرآیند مدل‌بندی تغییر داد.

یک ویژگی خوب و مورد علاقه در روش‌های آماری که طرفداران زیادی هم دارد، مفهومی به اسم تنومندی (robustness) است. به این معنی که روش آماری مورد نظر نسبت به تخطی از پذیره‌های اولیه تنومند و مقاوم باشد. به عنوان مثال، معروف است که آزمون t نسبت به پذیره نرمال بودن دو جامعه تنومند است. به عبارت دیگر، اگر دو جامعه نرمال نباشند (البته از توزیع نرمال فاصله زیادی هم نباید داشته باشند) نتیجه آزمون قابل استناد است و از توان این آزمون چندان کاسته نمی‌شود. دقت کنید که این اصلا به مفهوم چشم‌پوشی پذیره نرمال بودن نیست.

پس دو مساله‌ای که شما گفتید مطرح است: تصحیح مدل (که شامل پذیره‌های اولیه هم می‌شود) یا استفاده از روش‌های تنومند برای همان مدل اول.

کاملا منطقی است که اگر محقق بتواند مدل را در جهت درستی از طبیعت زمینه مورد تحقیق بهبود بخشد، بهتر از آن است که مدل با واقعیت طبیعی زمینه تحقیق فاصله داشته باشد اما از روش‌های تنومندی استفاده کنیم که به این فاصله چندان حساس نباشند یا به عبارتی در برابر این فاصله مقاوم باشند. امیدوارم این توضیحات کامل باشند.

موفق باشید.

با سلام خدمت استاد گرامی یه سوال در باره مقایسه دو براورد داشتم که یکی براورد ML پارمتر است و یکی دیگه هم براوردی بر اساس الگوریتم EM . پارامتر مورد نظر هم احتمال موفقیت در توزیع دو جمله ای است . می خواستم بدونم از چه روشی می شه مقایسه رو انجام داد که کد.م یک براورد بهتری اند با تشکر (hozan - 19/5/1392، 22:29:01)

مشاهده پاسخ

پاسخ: سلام. الگوریتم EM روشی است برای یافتن برآوردگرهای ML. این روش در مواردی که محاسبه مستقیم تابع درستنمایی مشاهدات پیچیده است، می‌تواند مفید باشد. ویژگی‌های خوبی هم دارد. یکی از مهمترین این ویژگی‌ها اینست که (می‌توان گفت) ثابت می‌شود پاسخ به دست آمده به برآورد ML همگراست.

با این توضیح، واضح است که در بهترین شرایط برآورد به‌دست آمده با استفاده از روش EM با برآورد ML یکی می‌شود. بنابراین اگر به‌طور مستقیم می‌تونی MLE را محاسبه کنی، نیازی به روش EM و مقایسه نیست.

سلام استاد خسته نباشید. برای دکترای آمار چه کتابایی(برای استناط و احتمال و ریاضی عمومی) رو پیشنهاد میکنید بخونبم؟ (شاگردتون - 17/5/1392، 00:39:23)

مشاهده پاسخ

پاسخ: سلام و متشکرم. باید از دوستانی که به تازگی در آزمون جدید شرکت کرده‌اند و سوال‌ها رو دیدند بپرسید. چون به نظر می‌رسد (بر اساس شنیده‌ها) موارد درسی آزمون در سطحی پایینتر از کارشناسی ارشد ارایه می‌شوند. با این حال من موارد زیر رو پشنهاد می‌کنم:
۱) استنباط: کتاب‌های کسلا و برگر، دکتر پارسیان، هر دو کتاب لهمن (به همراه سایرین)،
۲) احتمال: کتاب‌های گات، کار، بلینگسلی، کای لای چانگ و کتاب دکتر پاشا.
۳) ریاضی: هر کتاب ریاضی که دارید.

موفق باشید

با سلام . اگر انحراف معیار یک سری داده به میانگین آن داده ها نزدیک باشد امری طبیعی است؟ این نزدیکی چه مفهومی را به ما خواهد رساند؟ با تشکر (دانشجو - 9/3/1392، 11:17:04)

مشاهده پاسخ

پاسخ: سلام. نزدیک بودن این دو مقدار به هم پدیده عجیبی نیست. در آمار توزیع‌هایی داریم که میانگین و انحراف معیار آن‌ها دقیقا با هم برابرند. به عنوان مثال توزیع نمایی. پس اگر داده‌ها از چنین جامعه‌ای استخراج شده باشند، طبیعی است که انتظار داشته باشیم میانگین و انحراف معیار نمونه‌ای به هم نزدیک باشند.

در مورد مفهوم ممکن نزدیک بودن این دو معیار به هم، جواب آقای دکتر آرشی به همین سوال کافی و مناسب است. موفق باشید.

پی.اس. سوال دوم شما مربوط به مقایسه دو الگوریتم که مرتبط با این سوال از آقای دکتر آرشی پرسیده بودین رو تازه دیدم. با این سوال جدید، جزییات بیشتری رو مطرح کردین و من چند نکته زیر به ذهنم رسید:
۱) با توجه به حجم نمونه بالا (۱۰۰) می‌تونین از تقریب توزیع نرمال استفاده کنین.
۲) با توجه به نکته ۱ برای مقایسه میانگین دو الگوریتم، می‌تونین از آماره t استودنت استفاده کنین. اما از طرفی با توجه به این‌که واریانس‌ها (انحراف معیارها) نابرابر هستند (البته نابرابری واریانس‌ها رو هم می‌شه آزمون کرد)، باید از آماره t تقریبی که درجه آزادیش بر اساس قانون ستروایت محاسبه می‌شه و برای زمانی هست که انحراف معیارها نابرابرند، استفاده کنین.
۳) با آزمون بالا، اگر فرضیه برابری میانگین تعداد تکرارهای دو الگوریتم رد بشه، می‌شه نتیجه گرفت که عملکرد الگوریتمی که میانگین کوچکتری داره، بهتر از الگوریتم دوم است.
۴) با توجه به هدفی که شما دارین، حتی می‌تونین فرضیه کوچک‌تر بودن میانیگین الگوریتم اول نسبت به دوم رو، به‌طور مستقیم، آزمون کنید.
۵) جزییات آزمون‌هایی که اشاره کردم تو خیلی از کتاب‌های آماری قابل دسترسی هستند و در اکثر نرم‌افزارهای آماری مثل R و SPSS قابل اجرا.

برای مساله شما، آزمون‌های مناسبی وجود دارند و به راحتی می‌تونین ازشون استفاده کنین. و البته نیازی به دونستن این‌که انحراف معیار به میانگین نزدیک باشه یعنی چی، ندارین.

موفق باشید.

سلام. آیا داده پرت لزوما به معنی بی ارزش بودنه؟ وقتی برای کنترل کیفیت به یک کارخانه تولید لوازم جانبی خودرو رفته بودیم در خط تولید قطعات اضافی و بدردنخور ایجاد شده بود استادمون گفت اینها مقادیر فرین هست. آیا موافقید یا خیر؟ (سئوال - 13/9/1391، 18:36:51)

مشاهده پاسخ

پاسخ: سلام. خیر. داده پرت در کنار مواردی از قبیل ثبت نادرست و اندازه‌گیری غلط، می‌تونه واقعا تحققی از مکانیسم واقعی تولید داده‌ها باشه. بنابراین نمی‌شه گفت داده پرت یعنی داده علط و به درد نخور. بعد از تشخیص پرت بودن یک داده، باید ابتدا بررسی بشه که این مقدار می‌تونه ناشی از ثبت یا اندازه‌گیری نادرست باشه یا خیر. اگر قانع شدین که می‌تونه واقعا از فرآیند واقعی تولید داده‌ها اومده باشه، می‌شه با مدل‌های مناسب برای مدل‌بندی داده‌هایی که شامل داده پرت هم هست، آن‌ها را مدل کرد.

خیر با نظر استادتون موافق نیستم. داده فرین، داده‌ای است که رخداد آن نادر است ولی احتمال رخداد آن خیلی کم نیست. در بسیاری از موارد شناخت این داده‌ها و محاسبه احتمال رخداد آن‌ها (برای برنامه‌ریزی‌ و تصمیم‌گیری) خیلی هم مهم و تاثیرگذار هستند: مثلا در لرزه‌نگاری و مونیتور کردن زلزله‌های با شدت بالا، یا وجود رگه‌های فلزهای ارزشمند مانند طلا با عیار بالا، یا رکوردهای ورزشی مثلا در المپیک و غیره.

سلام آقاي دكتر. شبتان بخير. راستش خواستم با تمام وجود از تجاربتان استفاده كنم و ازتون مشورت بگيرم. بنده به تازگي از پايان نامه ي ارشدم دفاع كردم. هم داورداخلي و هم داورخارجيم پايان نامه ام رابا اينكه اصلايك مقاله هم نتوانستم ازش دربيآرم ازهرحيث خيلي خيلي تاييدكردند و بالاترين نمره ي ممكن درطول تاريخ دانشكده رابهم دادند. ازبعددفاعم تابه امروز كه دارم اين متن رامينويسم وبيش از 38 روزازدفاعم ميگذره موضوعي كه به شدت ذهنم رابه خودش مشغول كرده ادامه تحصيلم هست. راستش بنده دوره هاي ليسانس و ارشدم را دردوشهربه نسبت بسياردورازخانه خوانده ام. به موضوع پايان نامه ام علاقه دارم و ميدانم كه استاددوره ي ارشدم پاياننامه هاي دانشجويان دكتراش درهمين زمينه هستن. بارهاتصميم گرفتم براي كنكوردكترابخوانم. امابارها وبارهابادانشجويان دكتراچه رشته ي خودمان كه رياضي هست چه دانشجويان دكتراي سايررشته هامشورت كردم كه همگي فارغ التحصيل دانشگاههاي معتبروبارزومه هاي عالي هستن. اماجواب 99 درصدآنهااين بود:اصلابراي قبولي دكتراخودت رااذيت نكن.هيچ آينده اي نداره. فقط خودت راخسته ميكني.بعدش كارنيست.حتمابرات مهمه كه بعدگرفتن دكترابري سركار.استخدام وزارت علوم خيلي خيلي سخت شده. فقط فارغ التحصيل دانشگاههاي درجه يك و معتبرراميگيره.مابارهادرفراخوان ثبت نام كرديم. اماردشديم و....راستش به شدت مايوس شدم. ناگفته نماند كه دانشگاه ليسانس بنده دانشگاه شاهرودبوده و دانشگاه ارشدم گرچه يك دانشگاه دولتي و شهربزرگ بوده اما يك دانشگاه خيلي تاپ و درجه يك و دانشگاههاي تهران نبوده.از طرفي ما دردانشگاه خودمان داشتيم بچه هايي راكه رتبه هاي 2و9كشوري رادركنكوردكتراي 91آوردندوبااينكه ليسانس خودرادردودانشگاه معتبرواسم دارتهران خوانده بودندو معدلهاي ليسانس وارشدشان عالي بودامابه هنگام اعلام نتايج اصلي و نهايي هيچ جاقبول نشده بودندوحتي خودشان باورشان نميشد.از طرفي درهردو سري فراخوان وزارت علوم كه نگاه ميكردم كمتردانشگاهي گرايش مارادركل كشورميخواست.باخودم ميگم اصلابه فرض كه قبول بشم. الان كه وضعيت اينه و ازطرفي ظرفيت هاي دكتراباتصاعد هندسي داره بالاميره فرضا5 سال ديگه كه بنده دكترام را گرفته باشم چي پيش ميآد!!!!!!!!!تازه احتمال قبولي بنده براي دكترادردانشگاه محل تحصيل ارشدم از همه جابيشتره وهمانطوري كه گفتم دانشگاه ارشدم زيادتاپ نيست وبنابراين خواندن دكترادراونجا باتوجه به جذب اساتيدازدانشگاههاي ترازاول تناقض داره.پس شايدخواندن دكترادردانشگاه ارشدم ريسك باشه.به ادامه تحصيل دردانشگاههاي خارج ازكشورهم كه فكرميكنم واقعاخانواده ام درسطحي نيستن ازنظرمالي كه بتوانن بهم كوچكترين كمكي ازنظرمالي بكنن.پس بايددنبال گرفتن پذيرش تمام باشم كه همانطوركه ميدانيد اين كارلازمه اش داشتن رزومه اي بسياربسيارقوي هست كه درست كردن يك رزومه ي عالي خودش حداقل چندسالي وقت ميبره. باخودم ميگم شايداونجادرس بخوانم شرايط وآينده ي بهتري داشته باشم. اصلانميدانم كاردرست چي هست. به شدت گيج شده ام و حتي احساس ميكنم به شدت مايوس شده ام.نميدانم چي كاركنم.گاهي به اين نتيجه ميرسم كه براي قبولي ليسانس وارشدخيلي عجله كردم و شايداگه صبركرده بودم كه دانشگاههاي ترازااول قبول بشم نتيجه اين نميشدو الان وضعم بهتربود. آنقده گيج شدم كه گاهي احساس ميكنم افسردگي شديدگرفتم.ميترسم دوباره عجله كنم و تصميم اشتباه بگيرم و بعداپشيمان بشم. خواهش ميكنم مراباتجارب خود راهنمايي كنيد.چون به شدت نيازبه راهنمايي دارم. راستي خواستم خواهش كنم متن نوشته ي مرادرصفحه ي پرسش و پاسختان قرارندهيد.وبيزحمت پاسخ مراباعنوان پاسخ به يك سردرگم درهمين صفحه ي پرسش وپاسختان بنويسيد.خيلي شرمنده ازاينكه بهتون دستورداميدم.اصلادوست ندارم حرفهام باعث ياس سايردوستان بشه خداي ناكرده.همينطورخيلي عذرميخوام ازاينكه نوشته ام خيلي خيلي طولاني شد. پيشاپيش ازتون بابت خواندن نوشته ام وپاسخ بهش تشكرميكنم.بااحترام فراوان. (يك سردرگم) (يك سردرگم - 7/8/1391، 11:03:22)

مشاهده پاسخ

پاسخ: سلام.

قبل از هر چیز باید بگم من نمی‌تونم پست مستقل از پاسخ در اینجا بذارم و باید در جواب به یک سوال، جوابم رو بنویسم. از طرفی شاید این نگرانی شما، سوال خیلی دیگه هم باشه که فکر می‌کنم هست. پس بهتره متن شما دیده بشه.

با توجه به وضعیت جذب دانشجویان در دانشگاه‌های کشور و وضعیت جدید جذب هیات علمی، تا حدی به شما حق می‌دم که این نگرانی‌ها رو داشته باشید. اما از طرف دیگه این وضعیت خوب هم هست. همیشه وجود تعداد بیشتری متخصص در یک موضوع خیلی بهتر از تعداد کمترشون هست. در این مورد صحبت نمی‌کنم که وقتگیره. اما نحوه تعامل و به کار گرفتن این تخصص‌ها و به عبارتی مدیریت اون‌ها خیلی مهمه. این هم بحث مفصلی هست که واردش نمی‌شم. فقط خواستم بگم همه این‌ها که گفتید در صورت وجود مدیریت درست خیلی هم خوبه.

اما نگرانی خود شما و وضعیت ادامه تحصیل و کار و .... من تمام نظرم رو در یک جمله می‌گم: "از تو حرکت از خدا برکت". این که ممکنه ۵ سال دیگه چی بشه، این که وضعیت بازار کار و فارغ‌التحصیلان دکتری چطوری میشه، این که وضیت رشته ریاضی چطور خواهد بود و مطالبی از این دست، دستخوش خیلی چیزاست که همش هم دست خداست. البته خدا به بنده‌هاش نقش میده. نقش هر بنده هم اینه که در بهتر شدن وضعیت خودش و سایرین فعالیت کنه. پس اگه با این تصوراتی که الان دارید و اجازه دادین شما رو به یاس بکشه، دست از وظیفه بندگی که دارین بردارین،‌ به نظر من دچار گناه شدین. هم به خودتون ظلم کردین هم به بقیه. یادتون نره "دست خدا در جماعته". پس نگاهتون را صاف کنید و به همه، نه فقط خودتون، فکر کنید. هر وقت سردرگم شدین به قرآن مراجعه کنید، ‌مطمئن باشید جواب می‌گیرید. استخاره گرفتن با نیت پاک و دل صاف همیشه جواب می‌ده. همیشه. مشروط بر این که بهش شک نکنید.

خلاصه کلام، رشته ریاضی یک رشته پایه است. هر کاربردی تو دل فرمول‌های ریاضیه. فقط کافیه راه استفادش رو پیدا کنید. این پیدا کردن هم نیاز به تخصص داره. یعنی یاد گرفتن و یاد گرفتن و یاد گرفتن. یعنی ادامه تحصیل همیشه و همه جا. یعنی اشتیاق به یادگیری. یعنی حفظ انگیزه. یعنی.... پس اگر به رشتتون علاقه دارین، با داشتن تلاش و انگیزه هر کاری می‌تونین بکنین. طوری که باعث می‌شید عده زیادی دیگه هم به کار شما علاقه‌مند بشند. طوری که باعث رونق کارتون میشید. طوری که به خلق خدا خدمت می‌کنید و از این خدمت، خود شما هم سود می‌برید. هم سود مالی، هم معنوی. البته همه اینا به این شرطه که ایمان داشته باشید که می‌تونید انجامش بدین و هدفی هم که دارین عام‌المنفعه باشه، که در مورد افرادی که می‌خوان لبه علم رو جابجا کنن همینطوره.

یاس و ناامیدی برای آدم‌هایی که اهداف بلند و ارزشمند دارند، وجود نداره. بلند نظر باشید و توکل کنید به خدا. از نعمت بزرگ وجود که خدا بهتون داده استفاده کنید. خدا کار بیهوده نمی‌کنه. پس وجود شما تو این دنیا دلیل مهمی داره. وظیفه شما پی بردن به این دلیل مهم و انجام درست اونه. پی بردن به اون هم بدون گام نهادن در مسیر درست، ممکن نیست. مسیر درست برای شما علم‌آموزی و اشاعه درست اونه. شما سعیتون رو بکنید، به اندازه سعیتون خدا عوض میده. اگه حقتون باشه، جایی که فکر می‌کنید باید باشید، بهش می‌رسید. من آرزو می‌کنم بهترین‌ها رو خدا به همه جوون‌های ما بده. انشالله.

موفق باشید.

سلام آقای دکتر. یک پرسش از شما دارم. البته خجالت میکشم ازتون بپرسم، منظورم اینه که باید به عنوان یک دانشجوی ریاضی جوابش را بدانم، اما نمیدانم. پرسشم اینه: تفاوت قضیه با لم در ریاضی چیه؟ چرا به یک چیز میگن قضیه اما به یک چیز دیگه میگن لم؟ خیلی ممنون میشم اگه لطف کنید و توضیح بدهید. (دانشجو - 6/4/1391، 19:47:22)

مشاهده پاسخ

پاسخ: سلام. تا جایی که من اطلاع دارم، اثبات برخی قضایا می‌تواند طولانی و در نتیجه گیج‌کننده (و خسته‌کننده) باشد. برای پرهیز از این موارد، بخش مهم اثبات قضیه را حفظ می‌کنند و سایر موارد لازم برای اثبات را در قالب لم‌هایی (که می‌توانند در اثبات قضیه‌های دیگری هم استفاده شوند) بیان و اثبات می‌کنند تا در خود قضیه از نتایج آن‌ها استفاده کنند.

به عبارت دیگر می‌توان این طور گفت که در اثبات یک قضیه (به تعبیر من، باز کردن درهایی برای رسیدن به حیاط دانش (حاصل از قضیه))، نیازمند داشتن لم‌هایی (به عنوان کلیدهای برچسب خورده مخصوص هر در) و نحوه استفاده از آن‌ها هستیم. اگر همه این کلیدها را بدون برچسب و در یک دسته کلید (همان بدنه اثبات قضیه) قرار دهیم، هرچند مجموعه آن‌ها درها را باز می‌کنند، اما پیدا کردن آن‌ها با سرعت و دقت (فهم مناسب اثبات قضیه) کار سختی خواهد بود.

سلام استاد یک سوال دارم ممنون میشم جواب بدهید. وقتی توزیع داده ها نرمال نیست و می خواهیم ANOVA انجام دهیم از چه آزمون ناپارامتری باید استفاده کنم؟ (دانشجو - 6/4/1391، 19:08:53)

مشاهده پاسخ

پاسخ: سلام. یک آزمون ناپارامتری معادل برای ANOVA معروف به آزمون کروسکال-والیس است که عمدتا از آن استفاده می‌شود. اما اشاره به این نکته هم می‌تونه مفید باشه که روش‌های ANOVA نسبت به پذیره نرمال بودن جمله خطا، تنومند هستند. به این معنی که اگر پذیره نرمال بودن جمله خطا درست نباشه (و از توزیع دیگری مثلا با دم‌های کلفت‌تر اومده باشه) نتایج به دست آمده حساسیت زیادی به این نادرستی ندارند و با کمی اغماض می‌توان از همان پذیره نرمال بودن استفاده کرد. البته این نادرستی و میزان آن با روش‌های مختلف بررسی مانده‌های مدل قابل ارزیابی است. با این ارزیابی این نظر آماردان هست که تصمیم بگیره از آزمون ناپارامتری استفاده کنه یا نه. موفق باشید.

با سلام. اینجانب دانشجوی ترم آخر ارشد ریاضی محض هستم و دوران کارشناسی را در دانشگاه شاهرود به اتمام رسانده ام. راستش موضوع پایان نامه ی بنده خیلی جدیده، توی کمتر دانشگاهی درس پیش نیازش تدریس میشه(اگه اشتباه نکنم توی سه تا دانشگاه درکل کشور)، از طرفی استادم اصلا اصلا در زمینه ی مقاله فعال نیست. اگه هم باشه برای دانشجویان ارشدش وقت نمی ذاره. یعنی تا حالا هیچ کدام بچه های ارشدش مقاله از پایان نامه شان نداشتن. چون ترجیح میده با دانشجوی دکتراش کار کنه. متاسفانه از آنجایی که بنده بلافاصله بعد لیسانس وارد دوران ارشد شدم و ترم یک ارشد بهمون 12 واحد داده بودن اصلا فرصت نکردم درباره ی این تحقیق کنم که موضوع پایان نامه ی ارشد چی و چطوری باشه بهتره. واسه همین قبل انتخاب موضوع پایان نامه انتخاب موضوع را کاملا به استادمان سپردم. کلی هم به استاد تاکید کردم که موضوعش جوری باشه که جای کار و مقاله دادن داشته باشه. اما متاسفانه با وجود تاکید بنده و قولی که استاد بهم دادن و از آنجایی که پیش نیاز اصلی پایان نامه ام درس ترم 3ارشدم بود که هنوز آنرا نخوانده بودیم و خودم مجبور شدم این درس را بدون استاد بخوانم تازه بعد اینکه سمینارم را تمام کردم به عمق فاجعه پی بردم که عجب موضوع بدی دارم. جای کار که نداره هیچ از الان فقط می ترسم از اینکه حتی داور خارجی سر دفاع به موضوعم کلی ایراد بگیره. متاسفانه استاد بدون حتی یکدور نگاه سطحی به مقاله آنرا به بنده پیشنهاد دادن. تازه الان خودشان هم پی بردن چی بهم دادن. به موضوعم هیچ علاقه ای که ندارم هیچ حتی رغبت نمی کنم روش کار کنم. با اینکه از نظر درسی شاگرد اول گرایش خودمان و جزو دانشجویان ممتاز دانشکده بودم اما هنوز نمی دانم چرا استاد با شناختی که ازم داشت این موضوع را بهم داد. از طرفی همانطوری که می دانید هیچ دانشگاهی دانشجوی دکترا بدون مقاله بر نمی داره. تنها راهی که به ذهنم میرسه اینه که هرچی زودتر دفاع کنم و برم سر یک موضوع جدید که جای کار و مقاله داشته باشه اما اینبار با چشم و گوش باز میخوام این کار را انجام بدهم. اصلا دلم نمی خواد اشتباه قبلی را تکرار کنم. اما نمی دانم باید چطوری یک موضوع خوب انتخاب کنم که هم بهش علاقه داشته باشم هم واقعا ارزش کار کردن را داشته باشه هم واقعا جای کار داشته باشه. ازتون به عنوان کسی که در این زمینه تجربه داره خواهش می کنم راه درست این کار را به بنده نشان بدهید و تجارب ارزنده تان را در اختیار بنده قرار بدهید. نا گفته نماند که درباره ی انتخاب موضوع جدید اصلا نمی توانم از استادم کمک بگیرم. چون هم بهشون کلی بر می خوره هم اصلا و ابدا دانشجو رادرست و حسابی راهنمایی نمی کنن. چرایش را دیگه نمی دانم. در هر حال ازتون خیلی خیلی ممنون میشم اگه راهنمایی ام کنید که چه کار باید بکنم. چون شدیدا کلافه ام و از دست استاد کلی دلخورم و واقعا دنبال راه چاره ام. (دانشجو - 31/1/1391، 12:08:50)

مشاهده پاسخ

پاسخ: سلام. با توجه به نکاتی که شما گفتید چند نکته زیر به ذهنم رسید که ممکنه مفید باشه:
۱) من در زمینه کاری شما اطلاعی ندارم و بهتره با اساتید این زمینه مشورت کنید.
۲) اگر زمینه جدیده (همانطور که گفتید) حتما جای کار زیاد داره. از طرفی هر زمینه علمی (که یافته‌های به‌روز هم در اون زمینه وجود داره) جای کار و تحقیق داره.
۳) یک دانشجوی ارشد باید اصولا مراحل و فرآیند انجام یک تحقیق علمی رو یاد بگیره و در انتشار اون (نوشتن پایان‌نامه) باتجربه بشه. از چنین فردی انتظار نوشتن مقاله علمی مناسب وجود نداره. هرچند که اگر این اتفاق هم بیافته، اتفاق میمونی خواهد بود. البته دقت داشته باشید که متاسفانه و متاسفانه جدیدا اهمیت این داستان (یعنی نوشتن مقاله) مهمتر از نوشتن خوب پایان نامه شده.
۴) اساتید راهنما (و البته استاد راهنمای شما) نگاه بازتری از دانشجوها دارند و باید به راهنمایی و مشاوره آنها اطمینان کرد. زود قضاوت نکنید. در ضمن وظیفه استاد راهنمای شما هدایت شماست و این شما هستید که باید طی مسیر کنید نه ایشان. پس اگر نتونستید به موضوع علاقه‌مند بشید یا اینکه به نتیجه مناسبی برسید، این شمایید که درست حرکت نکردید (البته نه اینکه اساتید راهنما مصون از اشتباه باشند). من به شما توصیه می‌کنم خودتون رو در این مسیر قرار دهید و کمی راه را طی کنید، مطمئن باشید در مسیر زیبایی‌هایی هم خواهید دید که به ادامه راه تشویق می‌شوید.
۵) دریایی باشید کم‌عرض اما عمیق. این شاخه و اون شاخه پریدن به نتایج تاثیرگذاری منتهی نمی‌شود.
۶) اشتیاق و انگیزه از مهمترین بخش‌های موفقیت هستند. پس اون‌ها رو در خودتون حفظ کنید.
۷) امیدوارم شما و همه ایرانی‌ها همیشه موفق باشید.

باسلام ووقت بخیرخدمت شما.بنده ازدانشجویان سابق دانشگاه شاهرودهستم وهم اکنون دانشجوی سال دوم ارشدریاضی محض دریکی ازدانشگاههای سراسری هستم.چندسوال ازشمادارم.خواهشمندم باتجارب ارزنده ی خودبنده راراهنمایی فرمایید.مقاله ای که استادراهنمایم برای پایان نامه به بنده داده اندمقاله ای بسیارجدیدوسنگین است.ازطرفی بسیارمشتاقم که بتوانم به هرقیمتی که شده بتوانم ازپایان نامه ام مقاله دربیآورم ودراین زمینه انگیزه وپشتکاربسیاری دارم.دراین باره بارهاموضوع رابااستادراهنمایم مطرح کرده ام.اماایشان اصراردارندهرچه زودتردفاع کنیم ودرجوابم گفته اندکه بعددفاعم میتوانم روی موضوع دیگری کارکنم.ازطرفی فرم پروپوزال ماثبت شده است وماقادربه تغییرموضوع پایان نامه نیستیم.امابنده هرچقدرفکرمیکنم میبینم واقعاحیف است دراین یک چندماه مانده تاشهریورکه منحصرابه کارروی پایان نامه اختصاص خواهدیافت تنهابه بازکردن مقاله ی پایان نامه وتایپ و...آن بپردازم.چون تقریبا میتوانم بگویم مقاله ی پایان نامه ام راتااواخرمهرماه یک دوردرحدفهم مطالب وموضوعش خوانده ام ووقت آزادزیادی دارم.حال پرسش بنده ازشمااین است.برای درآوردن مقاله ازپایان نامه ام اساسی ترین کاری که بایدانجام بدهم چیست؟آیابایدمقاله های بسیاری مرتبط باپایان نامه ام بخوانم؟یااینکه به طوراساسی ترومفهومی تربه مطالعه ی پایان نامه ام بپردازم؟خواهشمندم هرچه ازتجارب خوددراین زمینه میدانیدویاهرچه دراین باره به ذهنتان میرسددراختیاربنده قراردهید.چراکه بنده دراین زمینه کاملامبتدی هستم.باسپاس فراوان. (دانشجو - 11/8/1390، 23:08:22)

مشاهده پاسخ

پاسخ: سلام. آنچه که می توانم بگویم اینست که عجله نکنید. در نوشتن مقاله به مفهوم نشر دانش (جدید) هدفی دنبال می شود که شاید این هدف، جدیدا قربانی برخی مسایل دیگر شده است که به آنها نمی پردازم. در انتشار یک مقاله توسط یک دانشمند، هدف، بهره مند کردن سایرین از دانشی است که توسط وی تولید شده، قبلا وجود نداشته است و با بهره گرفتن از این دانش جدید می توان:
۱) سوال های جدید (با ارزشی) مطرح کرد که شاید تفکر و سعی در یافتن پاسخ آنها به نتایج با ارزش تری منتهی شود.
۲) قسمتی (هر چند کوچک) از سوال های موجود را پاسخ داد.
۳) جواب های تقریبی بهتری در مقایسه با جواب های قبلی ارایه داد. یا به عبارتی توضیح بهتری برای سوال های مطرح شده قبلی فراهم کرد.
بنابراین اگر با خواندن یک مقاله و دانشی که از قبل دارید، و البته کمک استاد راهنما و سایرین، می توانید به هدفی نزدیک و شبیه به آنچه که گفتم دست یابید، پس نوشتن مقاله و انتشار آن مفید است. در غیر این صورت به هدفی که از نوشتن آن دارید فکر کنید. به دنبال چه هستید؟ جواب این سوال راهنمای شما خواهد بود. از طرفی استاد راهنمای شما شناخت مناسبی از شما و توانایی شما دارد. پس ایشان بهتر می توانند شما را راهنمایی کنند. اگر استاد شما فکر می کند باید بعدا به فکر مقاله نوشتن باشید، شاید احساس می کند، با توجه به شناختش، هنوز نیاز به آموزش بیشتری در این زمینه دارید. و نکته بسیار مهم این که تدوین پایان نامه، نحوه نوشتن آن به شیوه ای که شیوایی کلام داشته باشد و خواننده آن دچار گنگی نشود خیلی خیلی مهم تر از مقاله نوشتن در این مقطع است. نوشتن هنری است که تعداد کمی ذاتا از آن بهره مندند و خیلی های دیگر باید با تجربه و تمرین به آن برسند. پس توصیه من به شما این است:
۱) عجله نداشته باشید. وقت زیادی دارید.
۲) به نظر استاد راهنما و مشاور و افراد باتجربه، توجه کنید. آن ها مسیری را که شما در ابتدای راه آن هستید قبلا (تا حدودی) طی کرده اند.
۳) اشتیاق و علاقه خود را حفظ کنید. این اشتیاق و انگیزه در بسیاری از موارد کارگشاست.
۴) پایان نامه شما معرف شماست. پس در تدوین آن خیلی دقت کنید.

موفق باشید.

برنامه هفتگی	8-10	10-12	12-14	14-16	16-18	18-20
شنبه	آمار محاسباتی پیشرفته (دکتری)	مطالعه و پژوهش			آمار و احتمال و کاربرد آن در مدیریت 1 (زوج)
یک‌شنبه	رفع اشکال دانشجویان کارشناسی *	احتمال ۱		آمار و احتمال مهندسی (زوج)	راهنمایی و مشاوره دانشجویان ارشد و دکتری
دوشنبه	مطالعه و پژوهش	جلسات گروه و دانشکده			آمار و احتمال و کاربرد آن در مدیریت 1
سه‌شنبه	آمار و احتمال مهندسی	جلسات شورای آموزشی و پژوهشی دانشکده			احتمال ۱
چهارشنبه	مشاوره دانشجویان دکتری	آمار محاسباتی پیشرفته (دکتری)
پنج‌شنبه

حسین باغیشنی

دانشیار دانشکده علوم ریاضی

دکتری تخصصی آمار

علم سنجی

Google Scholar

Scopus

محتوای الکترونیک

تابلوی اعلانات

زمینه‌های تدریس

سرپرستی پایان‌نامه‌ها

مقالات و کتب

پروژه‌های تحقیقاتی

سوابق پژوهشی و اجرایی

دانشجویان دکتری

برنامه هفتگی

پرسش و پاسخ