آمار برای پایان نامه

آمار برای پایان نامه
آخرین مطالب

۲ مطلب با کلمه‌ی کلیدی «آنالیز واریانس» ثبت شده است

انسلین (Anselin) (1988) روش های درونیابی در تحلیل داده های فضایی را به دو شاخه تقسیم می کند: روش های درونیابی قطعی و روش های درونیابی زمین آماری (کریگینگ). نوع داده ها و هدف تحقیق مشخص می کند که از کدامیک از این دو روش درونیابی باید استفاده شود.

وزن دهی مشاهدات در هر دو روش قطعی و کریگینگ بر اساس میزان فاصله هر یک از مشاهدات از مکان هدف (مکانی که فاقد نمونه است و قصد برآورد مقدار متغیر در آن را داریم) است، فاصله بیشتر معادل وزن کمتر برای هر یک از مشاهدات است.

تفاوت این دو روش از آنجایی آغاز می شود که در درونیابی به روش قطعی، تنها از توابع ریاضی برای وزن دهی به مشاهدات استفاده می شود و وزن دهی در این روش تا حدی تجربی است. در این روش فرض بر این است که رابطه ای قطعی (deterministic) بین مکان های نمونه گیری و متغیرهای مورد مطالعه وجود دارد، این در حالیست که هیچ مدلی نمی تواند تغییرات یک پدیده را به طور کامل توصیف کند. در چنین شرایطی کاربرد روش های زمین آماری بیشتر مشخص می شود زیرا روش های قطعی قادر به ارائه واریانسی برای پیشگویی ارائه شده نیستند و مقدار خطای آن را نمی توانند مشخص کنند در حالیکه روش های زمین آماری، نه تنها واریانس پیشگو را تعیین می کنند بلکه کمترین مقدار ممکن برای واریانس را نیز برآورد می کنند. در درونیابی به روش کریگینگ هم از توابع ریاضی و هم از روش های آماری (مانند خودهمبستگی) برای وزن دهی به مشاهدات استفاده می شود و پژوهشگر در وزن دهی اعمال نظر نمی کند.

 در بسیاری از تحقیقات، روش های کریگینگ کارایی بیشتری در پیشگویی از خود نشان داده اند.

تعدادی از روش های درونیابی کریگینگ به قرار زیر است:

  • کریگینگ ساده
  •  کریگینگ عادی
  •  کریگینگ عام
  • کریگینگ نشانگر 
  • هم-کریگینگ 

تعدادی از روش های درونیابی قطعی نیز در ادامه فهرست شده است:

  •          درونیاب های چندجمله ای عمومی(GPI )
  •          درونیاب های چندجمله ای محلی (LPI)
  •         معکوس فاصله وزنی(IDW)
  •          توابع پایه شعاعی (RBF)
  •     درونیاب کرنل با مانع
  •    اسپلاین ها 
صدیقه خندان
۳۰ فروردين ۹۵ ، ۱۸:۵۸ موافقین ۰ مخالفین ۰ ۰ نظر


این آزمون حالت کلی تری از آزمون تی مستقل است. در آزمون تحلیل واریانس متغیر مستقل یا متغیر گروه بندی بیش از دو سطح دارد به عنوان مثال تحصیلات (بیسواد، دیپلم، لیسانس و ...) و متغیر وابسته از نوع کمی می باشد. 


برای بررسی تفاوت میانگین بین چند گروه (بیش از دو گروه) از این آزمون استفاده می شود به عنوان مثال بررسی تفاوت میانگین درآمد پاسخگویان بر حسب تحصیلات.


از آنجایی که این آزمون پارامتری است پیش شرط نرمال بودن برای انجام آن الزامیست.


در صورتیکه آزمون ANOVA معنادار شود (یعنی میانگین حداقل یکی از گروه ها با سایرین برابر نباشد) معمولاً در ادامه آزمون توکی-شفه نیز انجام می شود زیرا آزمون ANOVA تنها وجود اختلاف بین میانگین ها را نشان می دهد و مشخص نمیکند میانگین کدام گروه یا گروه ها با سایرین متفاوت است اما با استفاده از آزمون توکی می توان گروه یا گروه های مورد نظر را شناسایی کرد.


فرض اولیه برای آزمون ANOVA: برابری میانگین تمام گروه ها

فرض مخالف برای آزمون ANOVA: تفاوت میانگین حداقل یکی از گروه ها با سایرین


صدیقه خندان
۲۰ تیر ۹۴ ، ۱۶:۳۰ موافقین ۰ مخالفین ۰ ۰ نظر