نمودارهای آماری مختلف و کاربرد آنها

برخی تحلیلگران به غیر از قیمت، حجم معاملات یا قراردادهای باز را هم مورد بررسی قرار می‌دهند.

جدول توزیع فراوانی

به منظور تجزیه و تحلیل اطلاعات نیاز است که داده ها بر اساس یک نظم منطقی طبقه بندی شوند تا
به این صورت معنادار و قابل تفسیر باشند و یکی از راه های طبقه بندی اطلاعات این است که
داده ها را در یک جدولی به نام جدول توزیع فراوانی گردآوری کنیم.

این روش جمع آوری داده ها در بسیاری از حوزه های فنی و آماری کمک کننده بوده و روشی بنیادی برای بررسی داده هاست.

در این مقاله با ما همراه باشید تا شما را به طور کامل با توزیع فراوانی آشنا کنیم.

1# توزیع فراوانی چیست؟

جدول توزیع فراوانی (Frequency Distribution) به منظور محاسبه شاخص های مرکزی (central Index) و شاخص پراکندگی (Dispersion Index) و مقایسه گروهی داده ها با گروه های دیگر جهت استنباط آماری تشکیل می شود.

همچنین لازم به ذکر است که به منظور طبقه بندی داده ها باید مرحله به مرحله دامنه تغییرات، تعداد طبقات، فاصله طبقات و انواع فراوانی ها با استفاده از فرمول هایی که در ادامه به بیان آن ها می پردازیم، محاسبه گردند.

در واقع می توان گفت که به نمایی کلی از همه مقادیر متمایز در برخی متغیرها و تعداد دفعات وقوع آن ها توزیع فراوانی می گویند.

لازم به ذکر است که فراوانی تعداد مشاهدات رخ داده در یک طبقه خاص است که با نماد f نمایش داده می شود.

ممکن است سوال پیش آید که بین فراوانی و توزیع فراوانی چه تفاوتی وجود دارد.

در واقع می توان گفت به تعداد مشاهدات در حال وقوع در یک طبقه خاص، فراوانی آن طبقه و یا فراوانی ساده می گوییم؛
ولی زمانی که ما فراوانی را در قالب یک جدول مرتب کنیم، به آن توزیع فراوانی می گوییم.

در مثال زیر توزیع فراوانی دانش آموزان یک پایه مدرسه براساس قد آن ها نوشته شده است.

برای نمایش جدول توزیع فراوانی عموما از نمودار های میله ای استفاده می شود؛
اما گاها نمودار دایره ای نیز در محاسبات مورد استفاده هستند.

در این جدول میزان فراوانی هر طبقه براساس یک ویژگی تقسیم بندی می شود.

نمودار میله ای مثال بالا به شکل زیر خواهد شد:

2# پارامترهای جدول توزیع فراوانی

هر جدول توزیع فراوانی می تواند یک یا چند مورد از پارامترهای زیر را با توجه به نیاز پروژه در بر بگیرد که
در ادامه به هر کدام از آن ها خواهیم پرداخت:

• دامنه تغییرات
• تعداد طبقات
• فاصله طبقات
• محاسبه انواع فراوانی
• محاسبه نقطه میانی هر طبقه (مد)
• محاسبه حدود واقعی طبقه
• میانگین داده ها

1-2# دامنه تغییرات داده ها

دامنه تغییرات را در جدول توزیع فراوانی می توان با استفاده از تفاضل بزرگ ترین عدد از کوچک ترین عدد به اضافه یک به دست آورد.

فرمول دامنه تغییرات به صورت زیر می باشد:

R=X2-X1+1

لازم به ذکر است که در صورت اعشاری بودن دامنه تغییرات عدد مورد نظر را باید گرد کرد.

در مثال عددی ذکر شده در ابتدای این مقاله دامنه تغییرات مساوی است با:

R = 190-150+1 = 41

2-2# تعداد طبقات جدول

محاسبه تعداد طبقات در اختیار محقق قرار دارد؛ اما معمولا برای جداول با دیتای زیاد تعداد آن ها بین 10 تا 20 طبقه می باشد.

دلیل این امر این می باشد که طبقات کمتر از 10 موجب بزرگ تر شدن اندازه طبقات و در نتیجه از دست رفتن اطلاعات می گردند.

همچنین طبقات بالاتر از 20 موجب طولانی شدن تهیه و تنظیم جدول می شود.

در جدول نمایش داده شده تعداد طبقات جدول به صورت تجربی 4 انتخاب شده است.

3-2# فاصله طبقات جدول توزیع فراوانی

لازم به ذکر است که فاصله همه طبقات در یک جدول توزیع فراوانی با هم برابر است.

همچنین اندازه فاصله طبقات یک عدد ثابت نمی باشد.

فاصله طبقات را می توان با استفاده از فرمول زیر به دست آورد:

تعداد طبقات (K) / دامنه تغییرات (R) = فاصله طبقات (I)

در مثال ذکر شده فاصله طبقات مطابق زیر به دست آمده است:

I = 41/4 = 10.25 ≈10

4-2# محاسبه انواع فراوانی

به منظور محاسبه توزیع فراوانی از انواع فراوانی ها در جدول استفاده می شود که عبارتند از:

1. فراوانی مطلق: این نوع فراوانی با حرف f نشان داده می شود و از شمارش تعداد اعداد در یک طبقه به دست می آید.

لازم به ذکر است که مجموع فراوانی ها در تمام طبقات باید با مجموع اعداد (N) برابر باشد.
در مثال بیان شده این اعداد در ستون دوم جدول نوشته شده است که
در واقع مجموع تعداد دانش آموزان با قد مشخص شده در در هر محدوده طبقه است.

1. فراوانی تراکمی: از جمع کردن فراوانی ها به صورت متوالی از پایین ترین طبقه تا بالاترین طبقه فراوانی تراکمی به دست می آید.

این فراوانی با cf نشان داده می شود. همچنین فراوانی تراکمی بالاترین طبقه با مجموع اعداد (N) برابر می باشد.

در مثال ذکر شده این اعداد از پایین به بالا در جدول برابرند با: 11، 46، 79 و 92

1. فراوانی نسبی: فراوانی نسبی نشان دهنده میزان فضای اختصاص داده شده فراوانی یک طبقه نسبت به سایر طبقات می باشد که
   می توان این نوع فراوانی را با Pf نشان داد.
   فراوانی نسبی از فرمول زیر به دست می آید:

Pf = f/N

در مثال بیان شده فراوانی نسبی قد در بازه 170 تا 180 برابر است با:

pf = 35/92 = 0.38

1. فراوانی نسبی درصدی: این فراوانی با p نمایش داده می شود و
   نشان دهنده میزان فضای اشغال شده توسط فراوانی های یک طبقه بر اساس مقیاس 100 می باشد.

فرمول فراوانی نسبی درصدی به شرح زیر می باشد:

P=F/N*100

در مثال عددی قبل فراوانی نسبی درصدی مساوی است با: %38

5-2# محاسبه میانه و مد در جدول توزیع فراوانی

در جدول توزیع فراوانی محاسبه مد معمولا با xc نشان داده می شود و از طریق فرمول زیر به دست می آید:

2/(حد پایین طبقه + حد بالای طبقه) = xc

برای مثال ما مد طبقه سوم برابر است با:

xc = (180 + 170) / 2 = 175

6-2# محاسبه حدود واقعی طبقه

در جدل توزیع فراوانی هر طبقه دارای یک حد واقعی می باشد که
نحوه محاسبه آن به صورت کم کردن نیم نمره از حد پایین طبقه و اضافه کردن نیم نمره به حد بالای طبقه به دست می آید.

7-2# محاسبه میانگین در جدول توزیع فراوانی

ابتدا باید فراوانی را در مرکز دسته (مد) ضرب کرد.

سپس تمام مقادیر به دست آمده در هر طبقه را جمع کرده و
در آخر تقسیم بر مجموع فراوانی ها کنیم و
به این صورت میانگین تقریبی همه داده ها به دست می آید.

کاربرد نمودار پارتو

این مساله ازآنجا ناشی می شود که کتابهای درسی تدوین شده در رابطه با آمار کاربردی باتوجه به تعداد نسبتا زیاد آنها، کمتر به کاربرد علم آمار و مسائل عملی آن پرداخته اند. به طور مثال می توان به این نکته توجه کرد که در بیشتر کتابهای درسی تحت عنوان آمار کاربردی به نمودار پارتو که یکی از مهم ترین و کاربردی ترین نمودارهای آماری است و امروزه در فرآیندهای تولیدی و غیرتولیدی مورد استفاده قرار می گیرد اشاره نشده و یا تنها به معرفی کوتاهی از آن اکتفا شده است

تاریخچه
در سال 1897 ویلفرد پارتو ''اقتصاددان ایتالیای1848-1923 فرمولی ارائه کرد که نشان می داد توزیع درآمد ناهموار است . او درآمد فردی را روی محور افقی و جمعیت رابر روی محور عمودی نشان داد و دریافت که تعداد اندکی از مردم دارای درآمد زیاد و اکثرافراد جامعه دارای درآمد اندکی هستند، نمودار زیر بیانگر این فرمول است .
براساس اصلی که وی در اقتصاد اجتماعی بیان کرد، حدود 80 درصد نتایج از20درصد علل ناشی می شود. به عبارت دیگر اگرچه برای مسائل موجود، علل بسیار زیادی وجود دارد ولی تعداد کمی حائز اهمیت است . آن چه پارتو روی این نکته توجه کرد، که اگر شما یک ، دو یا سه عامل اصلی را درنظر بگیرید درباره اکثریت عاملها فکر کرده اید،بدین طریق نمودار پارتو در سا1897 به وجود آمد، یک تئوری مشابه به صورت نموداری توسط لورنز ''اقتصاددان آمریکایی '' در سال 1907 ارائه شد. هردو محقق اشاره داشتند که بیشترین سهم درآمد یا ثروت توسط افراد بسیار کمی از مردم نگهداری می شود، بعدها در زمینه کیفیت دکتر ژوزف جوران در سال1954 روش نموداری لورنز رابه عنوان فرمولی برای تقسیم بندی مسائل کیفی به مشکلات اساسی معدود و مشکلات جزیی بسیار به کار گرفت و این روش را تجزیه و تحلیل پارتو نامید.

کاربرد نمودار پارتو
نمودار پارتو یک نمودار میله ای است که علل مشکلات به وجود آمده را با فراوانی آن مقایسه می کند، در نمودار پارتو از زوایای مختلف می توان به یک مساله نگاه کرد و سپس به حل آن پرداخت از جمله :
کیفیت : نواقص ، عیوب ، خرابیها، شکایات ، موارد برگشتی و تعمیرات ;
هزینه : مقدار زیان ، گرانی ;
خرید وفروش :انبارداری ، اشکال در پرداخت ، تاخیر در تحویل ;
ایمنی : حوادث ، اشتباهات ، شکستگی در حمل و نقل ;
اپراتور: شیفت ، گروه ، سن ، تجربه و مهارت ، اشخاص ;
ماشین : ماشینها، تجهیزات ، ابزار، ساختار، مدل ، اسبابها;
مواد خام : سازنده ، طرح ، مقدار و نوع ;
روش ساخت : شرایط، دستورالعمل ، ترتیب و روشها.
چگونگی رسم نمودار پارتو:
برای رسم نمودار پارتو انجام مراحل زیر ضروری است :
مرحله اول : ابتدا مشخص کنید که کدام مسائل برای رسیدگی هستند و چطور اطلاعات وداده ها را باید جمع آوری کرد.
الف - تصمیم بگیرید کدام مسائل را می خواهید رسیدگی و برطرف کنید، مثال مواردنقص ، زیانهای پولی ، حوادث قابل اتفاق .
ب - مشخص کنید که چه داده هایی لازم است جمع آوری شود و چطور آنها را طبقه بندی کنید، مثال باتوجه به موارد نقص ، فرآیند کار، ماشین ، کارگر و روش ، موارد غیرمهم وجزیی را تحت عنوان سایر طبقه بندی کنید.
ج - روش جمع آوری داده هاو دوره زمانی جمع آوری آن را مشخص کنید.
مرحله دوم : یک برگه کنترل ''برگه ثبت اطلاعات '' مناسب طراحی کنید.
مرحله سوم : بعد از علامت گذاری و ثبت موارد مشاهده شده در برگه کنترل فراوانی آنها رابه دست آورید.
مرحله چهارم : یک جدول توزیع فراوانی شامل تمام موارد فهرست شده ، ستونهای فراوانی ، فراوانی تجمعی ، درصد فراوانی و درصد فراوانی تجمعی تهیه کنید.
مرحله پنجم : جدول توزیع فراوانی را برحسب تعداد به ترتیب غیرنزولی مرتب کنید. لازم به ذکر است که مورد سایر، یا غیرو را در آخرین سطر جدول قرار دهید. مورد فوق نبایدخیلی بزرگتر از سایر موارد باشد.
مرحله ششم : یک محور افقی و دو محور عمودی رسم کنید:
الف - محور افقی : این محور را به تعدادی فواصل یکسان شامل تمام موارد، تقسیم بندی کنید.
ب - محور عمودی سمت چپ : این محور را از صفر تا n ''جمع کل داده ها'' مدرج کنید.
ج - محور عمودی سمت راست : این محور را از صفر ت100 ''درصد کل '' مدرج کنید.
مرحله هفتم : یک نمودار ستونی رسم کنید.
مرحله هشتم : منحنی فراوانی تجمعی ، منحنی پارتو را رسم کنید، برای این کار ارزشهای تجمعی را در بالای سمت راست ستون مربوط به هر طبقه با نقطه ای مشخص کرده وسپس این نقاط را به یکدیگر وصل کنید.
مرحله نهم : تمام اطلاعات ضروری را روی نمودار ثبت کنید:
الف - اطلاعات مربوط به نمودار شامل عنوان ، واحد، نام رسم کننده نمودار، موارد بامعنی و.
ب - اطلاعات مربوط به داده ها شامل دوره زمانی ، محل جمع آوری داده ها، موضوع ،جمع کل داده ها و.

مطالب مشابه :

آموزش رسم نمودار آماری با Word و Power point و Excel

دانلود پروژه آمار - آموزش رسم نمودار آماری با Word و Power point و Excel - دانلود پروژه آمار - دانلود

نمودار آماری و سیاست

آمار ؛ احتمال و ریاضیات - نمودار آماری و سیاست - وبلاگی در زمینه آمار؛ احتمال و ریاضیات و

کاربرد نمودار پارتو

آمار - کاربرد نمودار پارتو - همه چيز براي آماريها: کتاب، حل تمرين، آموزش نرم افزار، اخبار

نمودار پارتو

کاربرد نمودار پارتو نمودار پارتو یک نمودار میله ای است که علل مشکلات به وجود آمده را با

نمودار استخوان ماهی

آمار و آماری - نمودار استخوان ماهی - همه چیز درباره ی مراحل رسم يك نمودار علت و

دانلود جزوه آمار و احتمالات مهندسی

وبلاگ آماری - دانلود جزوه آمار و احتمالات مهندسی - نمودار‌های آماری برای داده‌های گسسته

نمودار پراکنش

نمودار پرا کنش در مطالعه رابطه بین دو متغیر ، نمودارهای آماری مختلف و کاربرد آنها اولین قدم رسم داده ها به صورت نقاطی بر روی یک

نحوه رسم چارت و نمودار آماری با php و mysql

نحوه استفاده از برنامه رسم چارت و نمودار آماری برای استفاده از این کد، تنها کافی است بسته

رسم پاراتو با Minitab 14

آمار و آماری - رسم پاراتو با Minitab 14 - همه چیز درباره ی نمودار پارتو

ضريب همبستگي و انواع آن در تحليل آماري

در اين مقاله به بررسي موضوع ضريب همبستگي يا correlation coefficient که يکي از مفاهيم بنيادي در علم آمار است خواهيم پرداخت و به نقش آن در مدل سازي معادلات ساختاري اشاره خواهيم نمود.

1- انواع ضرایب همبستگی

سر فرانسیس گالتون همبستگی و رگرسیون را برای وارسی کواریانس در دو یا تعداد بیشتری از خصیصه ها مفهوم سازی کرد و کارل پیرسون (1896) براساس نظریه گالتون فرمول آماری برای ضریب همبستگی و رگرسیون ارائه داد(1986).به مدت کوتاهی پس از آن چارلز اسپیرمن(1904) روش همبستگی را برای روش تحلیل عاملی به کار برد. تکنیک های همبستگی ،رگرسیون و تحلیل عاملی برای دهه های متمادی پایه و اساس تهیه ی آزمون ها و تعریف سازه ها را شکل داده اند . .

ضریب همبستگی پیرسون پایه ای را برای ارائه و آزمون مدل ها در میان متغیرهای اندازه گیری شده و پنهان مهیا می کند. علاوه برآن همبستگی های تفکیکی و نیمه تفکیکی تعریف خاصی از روابط دو متغیره را بین متغیرها امکان پذیر می سازند که در آن واریانس صرفاً مشترک بین دو متغیر، در حالی که نفوذ سایر متغیرها کنترل شده است، تبیین می شود. همبستگی هایتفکیکی و نیمه تفکیکی نیز همچون ضریب همبستگی پیرسون می توانند مورد آزمون معناداری قرار گیرند.

در کنار ضریب همبستگی پیرسون که تأثیرات فراوانی بر علم آمار دارد سایر ضرایب همبستگی نیز بسته به سطح سنجش متغیرها معرفی شده اند.استیونز(1968) انواعی از مقیاس های اندازه گیری را معرفی کرده است که به عنوان مقیاس های اسمی، ترتیبی، فاصله ای و نسبی شناخته شده اند. انواع ضرایب همبستگی توسعه یافته برای این سطوح اندازه گیری در جدول زیر مشخص شده اند.

در ادامه با توجه به نقش با اهمیتی که همبستگی(واریانس مشترک) در مدل سازی معادله ساختاری بازی می کند، عواملی را طرح می کنیم که بر ضرایب همبستگی اثر می گذارند.

2- عوامل موثر بر ضرایب همبستگی

عوامل اصلی در این رابطه عبارتند از: سطح اندازه گیری، محدودیت دامنه تغییرات مقادیر(تغییر پذیری، چولگی و کشیدگی)، داد های از دست رفته، غیر خطی بودن، مقادیر دورافتاده ، تصحیح تضعیف و موارد مرتبط با تغییر نمونه گیری، فاصله اطمینان، حجم اثر، معناداری و توان بیان شده در برآوردهای خودگردان.

1-2. سطح اندازه گیری و دامنه تغییرات مقادیر

چهار نوع یا سطح اندازه گیری برای مقیاس های سنجش متغیرهای اسمی ، ترتیبی، فاصله ای و نسبی تعریف شده است (استیونز 1968).در مدل سازی معادله ساختاری هر یک از انواع چهارگانه ی مذکور را می توان در ساخت مدل مشارکت داد. مدل سازی معادله ساختاری به متغیرهای اندازه گیری شده در سطح فاصله ای یا نسبی نیاز داشته و لذا ضرایب همبستگی گشتاوری پیرسون دررگرسیون، تحلیل مسیر، تحلیل عاملی و مدل سازی معادله ساختاری مورد استفاده قرار می گیرد.همچنین لازم است که مقادیر متغیرهای فاصله ای و نسبی برای محاسبه واریانس دارای دامنه تغییرات به اندازه کافی بزرگ باشند.اگر دامنه تغییرات نمرات محدود باشد شدت همبستگی کاهش می یابد.

نکته ی دیگری که در مورد همبستگی بین مقادیر بایستی بدان اهمیت داده شود این است که اگر توزیع متغیرها به طور گسترده ای واگرا هستند، همبستگی می تواند تحت تأثیر قرار گیرد.برای جلوگیری از این موضوع تغییر شکل هایی مانند تبدیل ریشه دوم، تبدیل لگاریتمی، تبدبل معکوس و …پیشنهاد می شود.

2-2. غیر خطی بودن

ضریب همبستگی پیرسون نشان دهنده ی درجه رابطه خطی بین دو متغیر است.بنابراین ممکن است دو متغیری که دارای رابطه ی غیر خطی با یکدیگر هستند براساس این ضریب رابطه ای را نشان ندهند. در اینجا از ضریب اتا به عنوان شاخصی برای رابطه غیرخطی بین دو متغیر و با آزمون اثرات خطی ، درجه دوم و درجه سوم استفاده می شود.

3-2. داده های از دست رفته

در یک ماتریس همبستگی با چندین متغیر، ضرایب همبستگی متفاوتی برای حجم نمونه های متفاوت می توانند محاسبه شوند.حذف انفرادی یا زوجی آزمودنی ها نمودارهای آماری مختلف و کاربرد آنها منجر به تفاوت در حجم نمونه برای ضرایب همبستگی موجود در ماتریس همبستگی می شود.

یک رویکرد مقدماتی در برخورد با داده های از دست رفته ، حذف هر مورد مشاهده شده ای است که دارای داده ی از دست رفته باشد. اما این روش توصیه نمی شود چراکه باعث از دست رفتن اطلاعات برای سایر متغیرها نمودارهای آماری مختلف و کاربرد آنها خواهد شد.روش دیگرحذف زوجی می باشد، این رویکرد داده ها را تنها هنگامی کنار می گذارد که آن ها برای دو متغیر از متغیرهای گزینش شده در تحلیل دارای داده از دست رفته باشند. سومین رویکرد که جایگزین کردن داده ها است، مقادیر از دست رفته را با یک برآورد جایگزین میکند. به عنوان مثال میانگین یک متغیر برای داده های موجود، با مقادیر از دست رفته برای کلیه موارد داده های فاقد داده همان متغیر جایگزین می شود.

4-2. مقادیر دور افتاده

ضریب همبستگی پیرسون به طور قابل توجهی به وسیله ی یک داده ی دورافتاده منفرد چه برای X و چه برای Y تحت تأثیر قرار می گیرد. در پژوهش های بسیاری این موضوع به دقت مورد بررسی قرار گرفته است که چگونه داده های دور افتاده متفاوت برای x یا Y یا هردو روبط همبستگی را تحت تأثیر قرار می دهند و چگونه می توان با استفاده از آماره های استوارار به تحلیل بهتری دست یافت.

5-2. تصحیح تضعیف

یک مفروضه ی اصلی در نظریه اندازه گیری این است که داده های مشاهده شده دارای خطای سنجش هستند. یک ضریب همبستگی پیرسون بسته به اینکه آیا آن ضریب با نمرات مشاهده شده (دارای خطا) یا نمرات واقعی(هنگامی که خطای سنجش را کنار گذاشته ایم) محاسبه شود مقادیر متفاوتی را نشان می دهد. ضریب همبستگی پیرسون می تواند برای خطاهای سنجش تضعیف کننده و ناپایدار در نمرات، تصحیح شده و به این ترتیب به یک مقدار واقعی از ضریب دست یابیم.در عین حال ضریب تصحیح شده می تواند مقداری بیش از 1 را نیز به خود بگیرد. پایین بودن قابلیت اعتماد در متغیرهای مستقل یا وابسته همراه با یک همبستگی بالا بین متغیر مستقل و وابسته می تواند ضریب همبستگی را به بالاتر از مقدار 1 برساند.

6-2. ماتریس های معین غیر مثبت

ضرایب همبستگی بالاتر از مقدار1 در یک ماتریس همبستگی باعث معین و غیر مثبت شدن ماتریس همبستگی می شود.در اینصورت حل معادله مجاز نبوده و برآورد پارامترها قابل محاسبه نمی باشد.

ماتریس کواریانس معین غیر مثبت هنگامی رخ می دهد که دترمینان ماتریس صفر است و یا اینکه محاسبه معکوس ماتریس ممکن نیست. عواملی که چنین وضعیتی را بوجود می آورند عبارتند از ضریب همبستگی بزرگتر از 1، وابستگی خطی در میان متغیرهای مشاهده شده، همخطی در میان متغیرهای مشاهده شده، وجود وتغیری که ترکیب خطی از سایر متغیرها است، حجم نمونه کمتر از تعداد متغیرها، وجود واریانس صفر یا منفی، واریانس-کواریانس(همبستگی) خارج از دامنه تغییرات مجاز(∓1) و مقدار شروع کننده نامناسب در مدل هایی که توسط کاربر تعریف شده اند.

راه حل های ممکن برای حل چنین خطایی عبارتند از : کاهش میزان اشتراک یا تثبیت آن به مقدار کمتر از1، بیرون کشیدن تعدادی از عامل ها، تعریف مقیاس جدید برای متغیرهای مشاهده شده.

7-2. حجم نمونه

در مدل سازی معادله ساختاری، محقق اغلب به حجم نمونه بسیار بزرگتری از حد معمول نیاز دارد تا با حفظ توان لازم به برآوردهای باثبات تری از پارامترها و خطاهای استاندارد دست یابد. همچنین بخشی از نیاز به حجم نمونه به وجود متغیرهای پنهان مربوط است. علاوه برمقادیر مختلفی که برای حجم نمونه پیشنهاد شده است، برخی از قاعده سرانگشتی به ازای هر متغیر 10 واحد نمونه یا به ازای هر متغیر 20 واحد نمونه استفاده کنند. با این حال باید توجه داشت که هرچه حجم نمونه بزرگتر باشد احتمالاً باعث می شود که فرد بتواند با استفاده از روش دو نیمه کردن به اعتبار بیشتری برای مدل ها دست یابد.

منبع: مقدمه ای بر مدل سازی معادله ساختاری ، انتشارات جامعه شناسان. نویسندگان : رندال ای ، شوماخر و ریچارد جی لومکس. ترجمه : دکتر وحید قاسمی.

براي مشاهده ساير مقاله هاي تحليل آماري اين وب سايت بر لينک زير کليک نماييد: صفحه مقاله هاي تحليل آماري

3- مدل سازي معادلات ساختاري چيست؟

پژوهشگر گرامي، چنانچه مايليد در خصوص مدل سازي معادلات ساختاري بيشتر بدانيد، پيشنهاد مي شود به وب سايت ويژه مدل سازي معادله ساختاري با نرم افزار اسمارت پي ال اس (Smart Pls) این شرکت آماری مراجعه نماييد: مدل سازي معادلات ساختاري با نرم افزار اسمارت پي ال اس

ساير منابع مرتبط با نکات تحليلي آماري

در خصوص موضوعات مختلف تحليل آماري مي توانيد از مطالب وب سايت ديگر اين شرکت آماری نيز استفاده نماييد: مقاله و موضوعات تحليل آماري

تحلیل تکنیکال چیست؟

از آنجایی که بازار ارزهای دیجیتال بسیار پرنوسان است، شما باید برای پیشبرد معاملات خود یک استراتژی داشته باشید. بسیاری از تریدرهای ارز دیجیتال برای ساخت استراتژی‌ به تحلیل تکنیکال روی می‌آورند. این نوع تحلیل با ارائه بینشی در مورد حرکات گذشته بازار ارزهای دیجیتال، به شما کمک می‌کند تا پیش‌بینی کنید قیمت‌ها در آینده به چه سمتی حرکت خواهند کرد.

به طور کلی، برای تصمیم‌گیری در مورد سرمایه‌گذاری دو روش اصلی وجود دارد:

• تحلیل فاندامنتال: شامل بررسی شرایط مالی یک شرکت، شرایط شبکه یک ارز دیجیتال و پیگیری رویدادها و اخبار آن‌ (شامل ارائه برخی به‌روزرسانی‌ها، انتقال به شبکه اصلی، گردهمایی و …) است.
• تحلیل تکنیکال: شامل جستجوی الگوها و روندها برای تعیین حرکت آینده قیمت، پیش‌بینی روند آتی قیمت و درک شرایط است.

قیمت یک دارایی منعکس‌کننده مجموع دانش کل فعالان بازار شامل تحلیل، دیدگاه‌ها و اقدامات آن‌هاست.

تحلیل تکنیکال چیست؟

برای درک نحوه استفاده از تحلیل تکنیکال در معامله ارزهای دیجیتال، باید از معنای آن آگاهی داشته باشید. تحلیل تکنیکال شامل استفاده از داده‌های واقعی قیمت در تلاش برای پیش بینی آینده بازار است. این کار شامل بررسی داده‌های آماری گذشته ارز دیجیتال موردنظر از جمله عواملی مانند حجم معاملات و حرکات قیمت است.

تحلیل تکنیکال یک روش معاملاتی است که برای ارزیابی سرمایه‌گذاری‌ها و شناسایی فرصت‌های معاملاتی در روند قیمت‌ها و الگوهای یافت شده در نمودارها به کار می‌رود. در نمودارهای آماری مختلف و کاربرد آنها واقع، تحلیل تکنیکال با نگاه به الگوها و ابزارهای تحلیل نمودار، نقاط قوت و ضعف ارز دیجیتال مورد نظر را یافته و بر اساس آن الگوهای آینده را پیش‌بینی می‌کند.

تحلیلگران تکنیکال بر این باورند که فعالیت‌های معاملاتی و تغییرات قیمت در گذشته می‌توانند شاخص‌های ارزشمندی برای حرکات قیمت در آینده باشند.

تحلیل تکنیکال ممکن است با تحلیل فاندامنتال که بیشتر به امور مالی شرکت توسعه‌دهنده توجه دارد، در تضاد باشد.

تحلیل تکنیکال چه کاربردی دارد؟

تحلیل تکنیکال بیشتر کمی و مبتنی بر معیارهاست. از آنجایی که تحلیل تکنیکال از مدل‌سازی ریاضی و آماری برای درک رفتار بازار و قیمت استفاده می‌کند، کاربردهای گسترده‌ای در معاملات ارزهای دیجیتال دارد.

تریدرهای دارایی‌های سنتی‌تر، از جمله سهام، کالاها، انواع ارزهای فیات، معاملات آتی و فارکس نیز از تحلیل تکنیکال استفاده می‌کنند. فرآیند استفاده از تحلیل تکنیکال در هر یک از این موارد کاملاً مشابه استفاده از آن در مورد ارزهای دیجیتال است.

درک تحلیل تکنیکال

برخلاف تحلیل فاندامنتال که تلاش می‌کند ارزش یک سهم یا کالا را بر اساس نتایج تجاری مانند فروش و درآمد ارزیابی کند، تحلیل تکنیکال بر مطالعه قیمت و حجم معاملات متمرکز است. از ابزارهای تحلیل تکنیکال برای بررسی دقیق عرضه و تقاضا که بر تغییرات قیمت، حجم معاملات و نوسانات اثرگذار است، استفاده می‌شود.

تحلیل تکنیکال را می‌توان برای هر کالای قابل معامله‌ای که داده‌های معاملاتی آن در گذشته در دسترس باشد، استفاده کرد. این کالا می‌تواند شامل سهام، معاملات آتی، مواد خام و فلزات، جفت ارزهای فیات، ارزهای دیجیتال و سایر اوراق بهادار باشد. تحلیل تکنیکال در بازار کالاها و فارکس که معامله‌گران بر حرکات کوتاه مدت قیمت تمرکز دارند، رواج زیادی دارد.

بنیانگذار تحلیل تکنیکال

همانطور که امروزه می‌دانیم، تحلیل تکنیکال اولین بار توسط چارلز داو (Charles Dow) و با عنوان نظریه داو در اواخر دهه ۱۸۰۰ ارائه شد. چندین محقق برجسته از جمله ویلیام پی. همیلتون (William P. Hamilton)، رابرت رئا (Robert Rhea)، ادسون گولد (Edson Gould) و جان مگی (John Magee) به شکل گیری بیشتر مفاهیم نظریه داو کمک کردند. امروزه، تحلیل تکنیکال تکامل یافته و شامل صدها الگو و ابزار تحلیلی است که طی سال‌ها تحقیق توسعه یافته‌اند.

تحلیل تکنیکال با این فرض انجام می‌شود که فعالیت‌های معاملاتی و تغییرات قیمت در گذشته می‌توانند شاخص‌های ارزشمندی برای حرکات قیمت در آینده باشند. تحلیل‌گران حرفه‌ای اغلب از تحلیل تکنیکال به همراه سایر ابزارها استفاده می‌کنند. معامله‌گران خرد ممکن است تنها بر اساس نمودارهای قیمت و آمار تصمیم بگیرند، اما تحلیلگران حرفه‌ای به ندرت تحقیقات خود را تنها به یکی از دو روش تحلیل فاندامنتال یا تکنیکال محدود می‌کنند.

تحلیل تکنیکال سعی دارد حرکات قیمت هر آیتم قابل معامله‌ای را که در معرض عرضه و تقاضا قرار دارد از جمله سهام، اوراق قرضه، معاملات آتی و جفت ارزها را پیش بینی کند. در واقع، برخی تحلیل تکنیکال را صرفاً مطالعه عرضه و تقاضا می‌دانند که در حرکات قیمت بازار منعکس شده است. تحلیل تکنیکال معمولاً در مورد تغییرات قیمت به کار می‌رود، اما برخی از تحلیلگران موارد دیگری غیر از قیمت، نظیر حجم معاملات یا قراردادهای باز را هم مورد بررسی قرار می‌دهند.

برخی تحلیلگران به غیر از قیمت، حجم معاملات یا قراردادهای باز را هم مورد بررسی قرار می‌دهند.

ابزارهای متداول در تحلیل تکنیکال

صدها الگو و ابزار وجود دارد که توسط محققان برای پشتیبانی از تحلیل تکنیکال تولید شده‌اند. همچنین، تحلیلگران تکنیکال انواع مختلفی از سیستم‌های معاملاتی را برای کمک به پیش بینی و معامله در زمان تغییرات قیمت ساخته‌اند. برخی از شاخص‌ها (اندیکاتورها) در درجه اول بر شناسایی روند فعلی بازار، مانند مناطق حمایت و مقاومت متمرکز هستند و برخی دیگر بر تعیین قدرت یک روند و احتمال ادامه آن تمرکز دارند. معروفترین شاخص‌های تکنیکال و الگوهای نمودار شامل خط روند، کانال‌ها، میانگین متحرک و شاخص‌های مومنتوم هستند.

به طور کلی، تحلیلگران تکنیکال انواع گسترده‌ای از شاخص‌های زیر را بررسی می‌کنند:

• روند قیمت
• الگوهای تشکیل شده در نمودار
• شاخص‌های حجم معاملات و مومنتوم
• اسیلاتورها
• میانگین‌های متحرک
• سطوح حمایت و مقاومت

تفاوت تحلیل تکنیکال با تحلیل فاندامنتال

تحلیل فاندامنتال و تحلیل تکنیکال، در دو انتهای یک طیف قرار دارند. هر دو روش برای تحقیق و پیش‌بینی روند آینده قیمت استفاده می‌شوند و مانند هر استراتژی یا فلسفه سرمایه‌گذاری، هر دو طرفداران و مخالفان خود را دارند.

تحلیل فاندامنتال روشی برای ارزیابی سهام، کالا یا ارز دیجیتال از طریق تلاش جهت سنجش ارزش ذاتی آن است. تحلیلگران فاندامنتال همه چیز را بررسی می‌کنند، از اقتصاد کلی و شرایط صنعت گرفته تا وضعیت مالی و مدیریت شرکت‌ها. درآمد، هزینه‌ها، دارایی‌ها و بدهی‌ها از مهم‌ترین شاخصه‌ها برای تحلیلگران فاندامنتال هستند.

میان طرفداران تحلیل تکنیکال و فاندامنتال اختلافاتی وجود دارد

تحلیل تکنیکال با تحلیل فاندامنتال از این جهت تفاوت دارد که قیمت و حجم معاملات تنها ورودی آن هستند. فرضیه اصلی این است که تمام فاندامنتال‌های شناخته شده در قیمت خلاصه می‌شوند. بنابراین، نیازی به توجه دقیق به آن‌ها نیست. تحلیلگران تکنیکال برای ارزیابی ارزش ذاتی یک سهم تلاش نمی‌کنند، بلکه در مقابل از نمودارهای سهام برای شناسایی الگوها و روندهایی استفاده می‌کنند که نشان می‌دهند آن سهم در آینده چگونه رفتار خواهد کرد.

آموزش تحلیل تکنیکال

فصل اول – پیش فرض‌ها

چارلز داو مجموعه مقالاتی را در مورد تئوری تحلیل تکنیکال منتشر کرد. نوشته‌های او شامل دو فرض اساسی است که همچنان به شکل چارچوبی برای معامله بر پایه تحلیل تکنیکال در آمده است.

1. بازارها با مقادیر نشان‌دهنده عواملی که بر قیمت تأثیر می‌گذارند، کارا هستند.
2. به نظر می‌رسد حرکات تصادفی قیمت بازار در قالب الگوها و روندهای قابل شناسایی حرکت می‌کنند که تمایل دارند با گذشت زمان تکرار شوند.

سه فرضیه در تحلیل تکنیکال

امروزه زمینه تحلیل تکنیکال بر اساس کارهای داو بنا شده است. تحلیلگران حرفه‌ای معمولاً سه فرضیه کلی را در این تحلیل می‌پذیرند:

1. نمودار قیمت گویای همه چیز است: تحلیلگران تکنیکال بر این باورند که همه چیز، از اصول شرکت تا عوامل گسترده بازار گرفته تا روانشناسی بازار، از قبل در نمودار قیمت موجود هستند. این نقطه نظر با فرضیه بازارهای کارا (EMH) که نتیجه مشابهی راجع به قیمت‌ها فرض می‌کند، سازگار است. تنها چیزی که باقی مانده، تحلیل تحرکات قیمت است که تحلیلگران تکنیکال آن را محصول عرضه و تقاضا برای یک سهام خاص در بازار می‌دانند.
2. حرکات قیمت در روندها: تحلیلگران تکنیکال انتظار دارند که قیمت‌ها، حتی در حرکات تصادفی بازار، بدون توجه به تایم فریم‌های مشاهده شده، روندهایی را نشان دهند. به عبارت دیگر، قیمت بیش از حرکات نامنظم، احتمالاً به روند گذشته ادامه می‌دهد. بیشتر استراتژی‌های معاملات تکنیکال بر اساس این فرض است.
3. تاریخ تمایل دارد خودش را تکرار کند: تحلیلگران تکنیکال معتقدند که تاریخ تمایل به تکرار خودش دارد. ماهیت تکراری حرکت قیمت اغلب به روانشناسی بازار نسبت داده می‌شود که بر اساس احساساتی مانند ترس یا هیجان قابل پیش بینی است. تحلیل تکنیکال از الگوهای نمودار برای تجزیه و تحلیل این احساسات و حرکات بعدی بازار برای درک روند استفاده می‌کند. در حالی که بیش از ۱۰۰ سال است که از انواع تحلیل تکنیکال استفاده شده، اما هنوز اعتقاد بر این است که در بازارهای امروزی هم کاربرد دارد، زیرا این تحلیل الگوهای حرکات قیمت را نشان می‌دهد که اغلب تکرار می‌شوند.

در فصل اول از مقاله‌های آموزش تحلیل تکنیکال توضیحات کامل‌تری درباره پیش فرض ها و تاثیر آن‌ها بر بازار صحبت رده‌ایم:

ساخت نمودار آماری در وردپرس با WordPress Charts

سلام دوستان عزیزم؛
استفاده از نمودارها یکی از بهترین گزینه‌ها برای نمایش آمار و ارقام است که می‌تواند جلوه بصری زیبایی نیز نمودارهای آماری مختلف و کاربرد آنها به وب‌سایت شما ببخشد. اما ایجاد این نمودارها مخصوصا اگر بخواهید استایل شکیلی نیز به آن بدهید کار چندان ساده ای نیست.
اگر شما نیز می‌خواهید نمودار آماری در وردپرس ایجاد کنید اما نمی‌دانید که چگونه، هیچ نگران نباشید، امروز ما در همیار وردپرس قصد معرفی افزونه‌ای را داریم که به کمک آن قادر خواهید بود بسیار ساده نموادارهایی با استایل‌های بی‌نظیری درون وب‌سایت خود ایجاد کنید که نظر هر کاربری را به خود جذب نماید. پس با ما همراه باشید.

نمودار آماری در وردپرس

WordPress Charts یکی از بهترین افزونه‌های ایجاد نمودار آماری در وردپرس می‌باشد که 10000 نصب فعال و امتیاز 4.5 از 5 ستاره را در مخزن وردپرس ثبت کرده است. این افزونه توسط Paul va Zyl توسعه داده شده و امکاناتی بی‌نظیری را برای کاربران فراهم می‌کند.

امکانات افزونه WordPress Charts

• دارای 6 نوع نمودار مختلف برای نمایش آمار در وردپرس.
• نمودارها بر پایه HTML5 Canvas می‌باشد.
• نمودارهایی با حجم بسیار کم و کاملا واکنش‌گرا.
• امکان نمایش نمودارها با شورت‌کد و ابزارک.

نصب و راه‌اندازی

برای نصب و فعال سازی افزونه ایجاد نمودار آماری در وردپرس از منوی سمت راست پیشخوان به تب افزونه > افزودن مراجعه کرده و اقدام به نصب و فعال سازی آن نمایید. پس از فعال کردن افزونه گزینه‌ای تحت عنوان “ WP Charts ” در زیرمنوهای تب “رسانه” ایجاد می‌شود.

شروع کار با افزونه

شما با استفاده از دو روش می‌توانید نمودار مورد نظر خود را در وب‌سایت نمایش دهید. در ادامه به این دو روش خواهیم پرداخت.

نمایش نمودار در وب‌سایت با استفاده از شورت‌کد

با استفاده از شورت‌کد قادر خواهید بود در هر بخش از مطالب وب‌سایت خود نموداری استاندارد ایجاد کنید. بدین منظور ابتدا از تب “رسانه” بر روی عبارت “ WP Charts ” کلیک نماید تا به صفحه تنظیمات افزونه منتقل شوید. سپس از این بخش نوع نمودار مورد نظر برای نمایش در وب‌سایت خود را انتخاب کرده و سپس شورت کد آن را که با کادر قرمز نیز در تصویر زیر مشخص شده است را کپی نمایید.

حال که شورت‌کد مورد نظر را کپی کرده‌اید باید به بخش ویرایش نوشته‌ای که می‌خواهید نمودار مورد نظر خود را به آن اضافه نمایید رفته و مطابق با تصویر زیر شورت‌کد را در آن قرار دهید.

Title : در این بخش از شورت کد باید عنوان نمودار آماری در وردپرس را وارد کنید.
align : این بخش از شورت کد مربوط به تعیین جهت قرار گرفتن نمودار در نوشته می‌باشد. برای راست چین شدن عبارت “ alignright “، چپ چین عبارت “ alignleft ” و برای وسط چین کردن عبارت “ aligncenter ” را وارد کنید.
date : مقادیر داده‌های مورد نظر خود را در این بخش وارد کنید. توجه داشته باشید که حتما مقادیر با کاراکتر انگلیسی کاما ( , ) از هم جدا شده باشند.

شما می‌توانید از طریق اطلاعات داده شده در بخش “ All Shortcode Attributes ” از صفحه‌ی تنظیمات افزونه، نمودار مورد نظر خود را کاملا شخصی سازی نمایید.
در پایان بر روی گزینه‌ی “انتشار” کلیک کنید.

نمایش نمودار در وب‌سایت با استفاده از ابزارک

اگر بخواهید نمودار آماری در وردپرس در تمام صفحات وب‌سایت قابل نمایش باشد، باید از ابزارک استفاده نمایید. بدین منظور از تب “نمایش” به زیرمنوی “ابزارک‌ها” مراجعه کرده و ابزارک افزونه WP Charts را از میان ابزارک‌های موجود یافته و با عمل کشیدن و رها کردن آن را به بخش مورد نظر خود اضافه کنید. تنظیمات ابزارک را همانند تصویر زیر دنبال نمایید.

Widget Title : در این فیلد باید نام ابزارک خود را وارد کنید.
Chart Title : از این فیلد نیز نامی برای نمودار خود انتخاب کنید.
Introduction : عنوان کوتاهی برای نمودار خود برگزینید.
Type : از این بخش باید نوع نموداری را که تمایل به نمایش آن در وب‌سایت خود دارید را انتخاب کنید.

Labels : برچسب‌های نمودار را باید از این بخش وارد کنید. توجه داشته باشید که برچسب‌ها باید با کاراکتر کاما انگلیسی( , ) از هم جدا شده باشند. این گزینه برای نمودارهای میله‌ای و خطی کاربرد دارد.
Date or Datasets : از این بخش باید مقادیر داده‌ها را وارد کرده و با استفاده از کاراکتر کاما انگلیسی ( , ) داده‌ها را از هم جدا کنید.
Colors : این فیلد مربوط به تعیین رنگ‌های مورد استفاده در نمودار می‌باشد. با استفاده از کاما رنگ‌ها را از هم جدا نمایید.
Chart Description : شرح کوتاهی برای نمودار مورد نظر خود در این فیلد وارد کنید.

در پایان پس از ذخیره تنظیمات، به صفحه‌‌ی مورد نظر خود برای مشاهده نتیجه مراجعه می‌کنیم.

همانطور که در تصویر مشاهده می‌کنید، نمودار آماری در وردپرس با تنظیماتی که وارد کردیم ایجاد شده است. نمودار سمت چپ با استفاده از شورت‌کد و نمودار سمت راست با استفاده از ابزارک ایجاد شده است.

نتیجه پایانی

بدون شک افزونه WordPress Charts یکی از بهترین افزونه‌های موجود برای ایجاد نمودار آماری در وردپرس می‌باشد که این امکان را به شما می‌دهد، که با استفاده از دو روش کاربردی (استفاده از شورت کد برای ایجاد نمودار در مطالب و استفاده از ابزارک برای نمایش نمودار در تمام صفحات وب‌سایت) نمودارهایی با استایل‌های بسیار جذاب در صفحات وب‌سایت خود ایجاد نمایید.

امیدوارم این مطلب برای شما مفید واقع شده باشد. با تشکر از همراهی شما دوستان عزیز وردپرسی.