کتاب صوتی قدرت داده‌ها در دستان شما: کاوش نرم‌افزارهای آماری از STATPAC تا امروز

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره قدرت داده‌ها در دستان شما: کاوش نرم‌افزارهای آماری از STATPAC تا امروز

موضوع کلی: آمار کاربردی و ابزارهای نرم‌افزاری

موضوع میانی: مقدمه‌ای بر پکیج‌های نرم‌افزاری تحلیل آماری

📋 سرفصل‌های دوره

• 1. مقدمه: تاریخچه و مفاهیم بنیادین
• 2. قدرت داده‌ها در دستان شما: خوش‌آمدگویی به دوره
• 3. از چرتکه تا کامپیوتر شخصی: تولد نرم‌افزارهای آماری
• 4. STATPAC چیست؟ نگاهی به یک پیشگام در تحلیل داده‌ها
• 5. چرا به نرم‌افزار آماری نیاز داریم؟
• 6. مفاهیم کلیدی: جمعیت، نمونه، پارامتر و آماره
• 7. آمار توصیفی در مقابل آمار استنباطی
• 8. انواع متغیرها: کمی، کیفی، گسسته و پیوسته
• 9. سطوح اندازه‌گیری: اسمی، ترتیبی، فاصله‌ای و نسبی
• 10. ساختار یک فایل داده: متغیرها، موارد (Cases) و مقادیر
• 11. آشنایی با محیط نرم‌افزارهای آماری: از خط فرمان تا رابط کاربری گرافیکی (GUI)
• 12. فرایند تحلیل آماری: از طرح پرسش تا تفسیر نتایج
• 13. اخلاق در علم داده و تحلیل آماری
• 14. انتخاب آزمون آماری مناسب: یک نقشه راه
• 15. جمع‌بندی بخش اول: آماده‌سازی برای ورود به دنیای داده‌ها
• 16. بخش دوم: ورود، مدیریت و آماده‌سازی داده‌ها
• 17. ایجاد یک فایل داده جدید (Codebook)
• 18. ورود داده‌ها: بهترین شیوه‌ها و خطاهای رایج
• 19. کدگذاری داده‌ها (Data Coding) و برچسب‌گذاری متغیرها (Variable Labeling)
• 20. مدیریت داده‌های گمشده (Missing Data): شناسایی و راهکارها
• 21. بررسی و پاک‌سازی داده‌ها: شناسایی داده‌های پرت (Outliers)
• 22. مرتب‌سازی داده‌ها (Sorting Cases)
• 23. انتخاب و فیلتر کردن زیرمجموعه‌ای از داده‌ها (Filtering Data)
• 24. ادغام فایل‌های داده: افزودن موارد و متغیرها
• 25. تبدیل متغیرها (Variable Transformation): محاسبات ریاضی
• 26. ایجاد متغیرهای جدید بر اساس متغیرهای موجود
• 27. طبقه‌بندی مجدد متغیرهای پیوسته به متغیرهای طبقه‌ای (Recoding)
• 28. مفهوم وزن‌دهی به موارد (Weighting Cases)
• 29. وارد کردن داده از فرمت‌های دیگر (مانند ASCII و CSV)
• 30. ذخیره‌سازی و خروجی گرفتن از داده‌ها
• 31. اصول مستندسازی فرایند آماده‌سازی داده‌ها
• 32. بخش سوم: آمار توصیفی و کاوش اولیه داده‌ها
• 33. جداول فراوانی (Frequency Tables)
• 34. شاخص‌های گرایش به مرکز: میانگین، میانه و مد
• 35. کدام شاخص مرکزی مناسب‌تر است؟
• 36. شاخص‌های پراکندگی: دامنه، واریانس و انحراف معیار
• 37. صدک‌ها، چارک‌ها و دامنه میان‌چارکی (IQR)
• 38. تفسیر شکل توزیع: چولگی (Skewness) و کشیدگی (Kurtosis)
• 39. نمودارهای میله‌ای (Bar Charts) و دایره‌ای (Pie Charts)
• 40. هیستوگرام (Histogram) برای متغیرهای کمی
• 41. نمودار جعبه‌ای (Box Plot) و کاربرد آن در شناسایی داده‌های پرت
• 42. نمودار پراکندگی (Scatter Plot) برای بررسی رابطه دو متغیر
• 43. جداول متقاطع (Crosstabs) برای تحلیل رابطه متغیرهای کیفی
• 44. محاسبه درصدهای سطری، ستونی و کلی در جداول متقاطع
• 45. کاوش داده‌ها بر اساس گروه‌های مختلف (Explore)
• 46. گزارش‌نویسی آمار توصیفی: چگونه نتایج را ارائه دهیم؟
• 47. بخش چهارم: مبانی آمار استنباطی و آزمون فرضیه
• 48. مفاهیم بنیادین احتمال
• 49. توزیع نرمال و اهمیت آن در آمار
• 50. نمره‌ استاندارد (Z-score) و کاربردهای آن
• 51. قضیه حد مرکزی به زبان ساده
• 52. نمونه‌گیری و توزیع نمونه‌گیری میانگین
• 53. خطای استاندارد (Standard Error) چیست؟
• 54. مقدمه‌ای بر آزمون فرضیه: منطق استنتاج آماری
• 55. فرضیه صفر و فرضیه جایگزین (H0 & H1)
• 56. سطح معناداری (p-value) و آلفا (α)
• 57. خطاهای نوع اول و دوم در آزمون فرضیه
• 58. بخش پنجم: مقایسه میانگین‌ها و تحلیل واریانس
• 59. آزمون تی تک‌نمونه‌ای (One-Sample T-test)
• 60. مفروضات آزمون‌های تی
• 61. آزمون تی برای نمونه‌های مستقل (Independent Samples T-test)
• 62. تفسیر خروجی آزمون تی مستقل و آزمون لون (Levene's Test)
• 63. آزمون تی برای نمونه‌های وابسته (Paired Samples T-test)
• 64. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 65. تحلیل واریانس یک‌طرفه (One-Way ANOVA)
• 66. مفروضات تحلیل واریانس
• 67. آزمون‌های تعقیبی (Post-Hoc Tests) پس از ANOVA
• 68. اندازه اثر (Effect Size) در مقایسه میانگین‌ها
• 69. تحلیل واریانس دوطرفه (Two-Way ANOVA) و بررسی اثرات متقابل
• 70. بخش ششم: تحلیل همبستگی و رگرسیون
• 71. همبستگی چیست؟ بررسی رابطه بین دو متغیر کمی
• 72. ضریب همبستگی پیرسون (Pearson Correlation)
• 73. تفسیر قدرت و جهت رابطه همبستگی
• 74. نمودار پراکندگی و خط برازش (Line of Fit)
• 75. همبستگی در مقابل علیت: یک تذکر مهم
• 76. مقدمه‌ای بر تحلیل رگرسیون خطی
• 77. رگرسیون خطی ساده (Simple Linear Regression)
• 78. معادله خط رگرسیون و تفسیر شیب و عرض از مبدأ
• 79. ضریب تعیین (R-squared): چه میزان از واریانس تبیین می‌شود؟
• 80. آزمون معناداری مدل رگرسیون
• 81. مفروضات رگرسیون خطی
• 82. تحلیل باقیمانده‌ها (Residuals Analysis)
• 83. رگرسیون خطی چندگانه (Multiple Linear Regression)
• 84. تفسیر ضرایب رگرسیون در مدل چندگانه
• 85. مشکل هم‌خطی چندگانه (Multicollinearity)
• 86. بخش هفتم: آزمون‌های ناپارامتریک و موضوعات تکمیلی
• 87. آمار پارامتریک در مقابل ناپارامتریک: چه زمانی از کدام استفاده کنیم؟
• 88. آزمون خی‌دو (Chi-Square) برای نیکویی برازش
• 89. آزمون خی‌دو برای استقلال متغیرهای طبقه‌ای
• 90. آزمون من-ویتنی یو (Mann-Whitney U): جایگزین ناپارامتریک تی مستقل
• 91. آزمون ویلکاکسون (Wilcoxon Signed-Rank): جایگزین ناپارامتریک تی وابسته
• 92. آزمون کروسکال-والیس (Kruskal-Wallis): جایگزین ناپارامتریک ANOVA یک‌طرفه
• 93. ضریب همبستگی اسپیرمن (Spearman's Rho)
• 94. تحلیل پایایی (Reliability Analysis) و آلفای کرونباخ
• 95. مقدمه‌ای بر رگرسیون لجستیک برای متغیرهای وابسته دوحالتی
• 96. آزمون‌های نرمال بودن توزیع داده‌ها (مانند کولموگروف-اسمیرنوف)
• 97. بخش هشتم: از گذشته تا امروز و نگاه به آینده
• 98. از STATPAC تا SPSS، R و Python: تکامل نرم‌افزارهای آماری
• 99. چگونه نرم‌افزار آماری مناسب خود را انتخاب کنیم؟
• 100. اصول مصورسازی داده‌ها (Data Visualization)