کتاب صوتی مبانی آمار توصیفی: جمع‌آوری، سازماندهی و نمایش داده‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی آمار توصیفی: جمع‌آوری، سازماندهی و نمایش داده‌ها

موضوع کلی: علوم آماری و تحلیل داده

موضوع میانی: آمار توصیفی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم آمار و نقش آن در تحلیل داده
• 2. تاریخچه مختصری از آمار و تحول آن
• 3. انواع داده‌ها: کیفی و کمی
• 4. مقیاس‌های اندازه‌گیری: اسمی، ترتیبی، فاصله‌ای و نسبتی
• 5. روش‌های جمع‌آوری داده‌ها: سرشماری، پیمایش، و آزمایش
• 6. طراحی پرسشنامه و نکات کلیدی در جمع‌آوری داده
• 7. اهمیت نمونه‌گیری در آمار و انواع روش‌های نمونه‌گیری
• 8. نمونه‌گیری تصادفی ساده و کاربردهای آن
• 9. نمونه‌گیری طبقه‌ای و مزایای آن
• 10. نمونه‌گیری خوشه‌ای و شرایط استفاده
• 11. نمونه‌گیری سیستماتیک و نحوه اجرای آن
• 12. خطاهای نمونه‌گیری و راه‌های کاهش آن
• 13. سازماندهی داده‌ها: جداول توزیع فراوانی
• 14. ساخت جداول توزیع فراوانی برای داده‌های کیفی
• 15. ساخت جداول توزیع فراوانی برای داده‌های کمی گسسته
• 16. ساخت جداول توزیع فراوانی برای داده‌های کمی پیوسته
• 17. توزیع فراوانی تجمعی و کاربردهای آن
• 18. نمایش گرافیکی داده‌ها: نمودار میله‌ای
• 19. نمودار دایره‌ای و نحوه ترسیم آن
• 20. هیستوگرام: نمایش توزیع فراوانی داده‌های پیوسته
• 21. نمودار چندضلعی فراوانی و نمودار جمی
• 22. نمودار جعبه‌ای (Box Plot) و تفسیر آن
• 23. نمودارهای پراکندگی (Scatter Plot) برای نمایش رابطه بین دو متغیر
• 24. کاربرد نمودارهای آماری در گزارش‌دهی و تصمیم‌گیری
• 25. نماهای مرکزی داده‌ها: میانگین
• 26. محاسبه میانگین برای داده‌های طبقه‌بندی نشده
• 27. محاسبه میانگین برای داده‌های طبقه‌بندی شده
• 28. میانگین وزنی و کاربردهای آن
• 29. نماهای مرکزی داده‌ها: میانه
• 30. محاسبه میانه برای داده‌های گسسته و پیوسته
• 31. میانه در داده‌های پرت (Outliers)
• 32. نماهای مرکزی داده‌ها: مد
• 33. شناسایی مد در داده‌های طبقه‌بندی نشده
• 34. شناسایی مد در داده‌های طبقه‌بندی شده
• 35. رابطه بین میانگین، میانه و مد
• 36. شاخص‌های پراکندگی: دامنه تغییرات
• 37. محاسبه دامنه تغییرات
• 38. شاخص‌های پراکندگی: دامنه میان چارکی (IQR)
• 39. محاسبه دامنه میان چارکی
• 40. شاخص‌های پراکندگی: واریانس
• 41. محاسبه واریانس برای جامعه و نمونه
• 42. واریانس داده‌های طبقه‌بندی نشده
• 43. واریانس داده‌های طبقه‌بندی شده
• 44. شاخص‌های پراکندگی: انحراف معیار
• 45. محاسبه انحراف معیار برای جامعه و نمونه
• 46. انحراف معیار داده‌های طبقه‌بندی نشده
• 47. انحراف معیار داده‌های طبقه‌بندی شده
• 48. ضرایب پراکندگی نسبی: ضریب تغییرات
• 49. کاربرد ضریب تغییرات در مقایسه پراکندگی مجموعه‌ها
• 50. شکل توزیع داده‌ها: چولگی
• 51. شناسایی چولگی مثبت و منفی
• 52. محاسبه ضریب چولگی
• 53. شکل توزیع داده‌ها: کشیدگی
• 54. شناسایی کشیدگی نرمال، کشیده و تخت
• 55. محاسبه ضریب کشیدگی
• 56. توزیع نرمال و خواص آن
• 57. قضیه حد مرکزی و اهمیت آن
• 58. کاربرد توزیع نرمال در آمار استنباطی
• 59. نمودار احتمال نرمال (Q-Q Plot) برای ارزیابی نرمال بودن توزیع
• 60. تحلیل داده‌های دو متغیره: جدول توافقی
• 61. محاسبه فراوانی‌های مشاهده شده و مورد انتظار در جدول توافقی
• 62. آزمون خی‌دو (Chi-Square) برای استقلال دو متغیر کیفی
• 63. محاسبه ضریب همبستگی پیرسون (Pearson Correlation Coefficient)
• 64. تفسیر ضریب همبستگی پیرسون
• 65. نمودار پراکندگی و همبستگی
• 66. رگرسیون خطی ساده: مقدمه
• 67. تخمین معادله خط رگرسیون
• 68. تفسیر ضرایب رگرسیون
• 69. ضریب تعیین (R-squared) و مفهوم آن
• 70. ارزیابی مدل رگرسیون خطی ساده
• 71. کاربرد رگرسیون در پیش‌بینی
• 72. نکات مهم در تحلیل داده‌های آماری
• 73. محدودیت‌های آمار توصیفی
• 74. اخلاق در جمع‌آوری و تحلیل داده‌ها
• 75. مقدمه‌ای بر نرم‌افزارهای آماری (مانند SPSS یا R)
• 76. نحوه ورود داده‌ها در نرم‌افزارهای آماری
• 77. انجام محاسبات آماری توصیفی با نرم‌افزار
• 78. تولید نمودارهای آماری با نرم‌افزار
• 79. تحلیل جداول توافقی با نرم‌افزار
• 80. انجام تحلیل همبستگی با نرم‌افزار
• 81. انجام تحلیل رگرسیون خطی ساده با نرم‌افزار
• 82. گزارش‌دهی نتایج تحلیل آماری
• 83. ارائه یافته‌های آماری به مخاطبان غیرمتخصص
• 84. چالش‌های عملی در تحلیل داده‌های واقعی
• 85. کاربرد آمار توصیفی در حوزه‌های مختلف (اقتصاد، پزشکی، علوم اجتماعی)
• 86. تحلیل داده‌های سری زمانی: مقدمه
• 87. شاخص‌های آماری در تحلیل داده‌های مالی
• 88. شاخص‌های آماری در تحلیل داده‌های پزشکی
• 89. شاخص‌های آماری در تحلیل داده‌های بازاریابی
• 90. روش‌های پیشرفته‌تر در سازماندهی و نمایش داده‌ها
• 91. مقدمه‌ای بر آمار استنباطی
• 92. مفهوم جامعه و نمونه در آمار استنباطی
• 93. خطای استاندارد میانگین
• 94. فاصله‌های اطمینان
• 95. آزمون فرض آماری: مقدمه
• 96. آزمون فرض برای میانگین یک جامعه
• 97. آزمون فرض برای تفاوت میانگین دو جامعه
• 98. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 99. کاربرد ANOVA برای مقایسه بیش از دو میانگین
• 100. جمع‌بندی و نگاه به آینده علم آمار