مبحث آمار ومدلسازي در رشته هاي تجربي و رياضي هر ساله 2 سوال و در رشته انساني بيش از دو سوال را در درس رياضي به خود اختصاص مي دهد ، به اميد اين که هيچ دانش آموزاني درس رياضي را سفيد نگذارد .
فصل 1 : اندازه گيري و مدل سازي:
انواع اطلاعات :
1- اطلاعات کيفي :
· اين اطلاعات با واژه هاي توصيفي بيان مي شوند . مثلا تاحدي ، خيلي ، کم و...
· نقطه ضعف استفاده از اين نوع اطلاعات اين است که هر کسي ممکن است برداشت و تفسير شخصي خود را داشته باشد.
2- اطلاعات کمي :
· اين اطلاعات با عدد و رقم بيان مي شود و قابل اندازه گيري است . مثلا : 20 متر، 5 کيلوگرم و.....
· نقطه قوت استفاده از اين است که چون ميزان دقيق آنها مهلوم است ف تمام افراد درک واحدي از آنها دارند . تمام افراد درک واحدي از آن ها دارند . در واقع در اين اطلاعات « چقدر» و « چه اندازه » کاملا مشخص است .
اندازه گيري :
· تعريف اندازه گيري : اولين گام در رسيدن به اطلاعات عددي ( کمي ) ، اندازه گيري است .
· عوامل مورد نياز براي اندازه گيري :
1- معيار
2- مقدار
· خطاي اندازه گيري
· عواملي بروز خطاي اندازه گيري :
1- وسيله اندازه گيري
2- فرد اندازه گير
· ويژگي هاي خطاي اندازه گيري
1- E هرگز صفر نمي شود .يعني همواره خطا داريم .
2- E مقدار کوچکي دارد .
3- E از واحد اندازه گيري کوچکتراست ونمي توان منفي يا مثبت باشد .
مدل سازي :
· تعريف مدل سازي : بيان مسائل به زبان رياضي را مدل سازي گويند .
· ويژگي هاي يک مدل خوب :
1- از مفاهيم ساده و ابتداي استفاده شود.
2- به پديده ي مورد نظر نزديک باشد .
· انواع مدل :
مدل هارا مي توان برحسب ويژگي هاي متغيير دسته بندي کرد :
· برحسب تعداد متغير:
1- مدل هاي يک متغيره :
2- مدل هاي چند متغيره :
· برحسب توان متغير:
1- توان 1:
2- توان 2:
3- توان 2 و بيشتر :
4- ضرب دو يا چند e مختلف درهم:
روش هاي حل مسائل مربوط به مدل سازي و خطاي اندازه گيري :
1. هرگز وجود e را فراموش نکنيم .حتي اگر مسئله به آن اشاره نکرده باشد .
2. فرمول مناسب را مي نويسيم ، فرمول هاي پرکاربرد
2.1 : محيط و مساحت : مربع ، مستطيل ، دايره ، مثلث
2.2 حجم : مکعب ، مکعب مستطيل ، استوانه ، کره
3. عدد گذاري نکنيم . در فرمول به جاي متغير ( متغير+ خطا ) بگذاريم.
4. عدد گذاري نکنيم . تمام ضرب و تقسيم ها را انجام مي دهيم و e هاي با توان 2 وبيشتر ونيز چندe مختلف که در هم ضرب شده اند را حذف مي کنيم .
5. حالا عدد گذاري مي کنيم .
فصل 2 : جامعه ونمونه
· جامعه :
تعريف : مجموعه اي از افراد واشيا است که در مورد آنها موضوع يا موضوعاتي را مطالعه مي کنيم .
· سرشماري :
تعريف : وقتي تمام اعضاي جامعه را مورد مطالعه قرار مي دهيم .
· مشکلات سرشماري :
1- وقت گير بودن
2- گران تمام شدن وپر هزينه بودن
3- دردسترس نبودن همه ي اعضاي جامعه
4- امکان از بين رفتن بخشي از جامعه در جريان سرشماري
· اندازه ي جامعه :
تعريف: تعداد اعضاي جامعه است .
· نمونه :
تعريف : نمونه زير مجموعه ي از جامعه است .پس نمونه ويژگي هاي جامعه را دارد اما از جامعه کوچکتر است .
· مواردي که نياز به نمونه گيري داريم :
1- بزرگ بودن جامعه
2- تنوع در جامعه
· ويژگي هاي يک نمونه خوب :
1- به اندازه کافي بزرگ باشد .
2- تصادفي باشد .
3- بيانگر ويژگي هاي جامعه باشد.
· نمونه گيري : مهم ترين بخش آمار است .
· اندازه ي نومنه : تعداد اعضاي نمونه است .
· داده : نتايج حاصل از اندازه گيري يابررسي نمونه را داده مي گويند
· روش هاي جمع آوري داده :
1- داده هاي از پيش تعيين شده
2- پرسش
3- مشاهده و ثبت وقايع
4- آزمايش
فصل 3 : متغير هاي تصادفي
· متغير تصادفي : موضوع يا موضوعاتي است که بررسي مي کنيم .
· انواع متغير تصادفي : متغيرهاي تصادفي را بر حسب قابليت بيان با اعداد به دو دسته تقسيم مي کنند .
1- متغيرهاي تصادفي کمي :
1.1 کمي گسسته
1.2 کمي پيوسته
2 متغيرهاي تصادفي کيفي :
2.1 کيفي ترتيبي
2.2 کيفي ا سمي
فصل 4 : دسته بندي داده ها و جدول فراواني
دسته بندي : به سه زير موضوع دسته بندي مي شود :
1. دامنه تغييرات :
نکته 1: طول بازه که متغيير در آن تغيير مي کند R= MAX – MIN
نکته 2 : داده ها باهم برابر درنتيجه R= 0
2. مرکز دسته
انواع فراواني
· فراواني مطلق : تعداد دفعاتي که يک داده تکرار شده ، تعداد اعضاي يک دسته
· فراواني نسبي : تعداد تکرار يک داده نسبت به کل داده
· فراواني تجمعي : تعداد داده هاي کم تر از يک داده ي خالص
· کليد واژه هاي مهم :
- نسبي
- تجمعي
- درصد
فصل 5: نمودار ها و تحليل داده ها
انواع نمودارها :
1- نمودار ميله اي:
· اين نمودار بيشتر براي متغيير هاي کمي گسسته و کيفي استفاده مي شود.
2- نمودار مستطيلي :
· اين نمودار بيشتر براي متغيرهاي کمي پيوسته مناسب است .
· در اين نمودار دو ابزار براي مقايسه داريم :
- اگر طول دسته ها با هم مساوي باشند . ( يعني عرض مستطيل ها باهم برابرند ) ، معيار مقايسه طول مستطيل هاست .
- اگر طول دسته ها مساوي نباشند ، معيار مقايسه مساحت مستطيل ها خواهد بود .
3- نمودار چندبر فراواني :
· اين نمودار براي نشان دادن تغييرات بين دو دسته و داخل دسته ها به کار مي رود .
· براي رسم نمودار چندبر فراواني بايد در نمودار مستطيلي ، وسط عرض مستطيل ها را مشخص کرده و به هم وصل کنيم .
4- نمودار دايره اي :
· اين نمودار را مي توان براي تمام انواع متغيرها استفاده کرد .
· براي رسم نمودار دايره اي بايد مقدار زاويه ي متناظر با فراواني هر داده را داشته باشيم
5- نمودار ساقه وبرگ :
· زماني که متغيير هاي ما گسسته باشند وبخواهيم داده ها را در نمودار ببينيم .شکل کلي ان به صورت جدولي است که دو ستون دارد ، ستون سمت چپ ساقه و ستون سمت راست برگ نام دارد.
فصل 6 : شاخص هاي مرکزي
شاخص هاي مرکزي :
1- مد :
· داده ايست که بيشترين فراواني را دارد
· مد داده است ؛ نه فراواني
· ويژگي هاي مد :
- در نمودارهايي که فراواني را برحسب داده ها نشان مي دهد ، مد ، قله ي نمودار است .
- مد منحصر به فرد نيست ، مي توانيم بيش از يک مد داشته باشيم .
- مد حتما متلق به جامعه نيست ؛ حداقل با يکي از داده ها برابر است .
- مد مي تواند وجود نداشته باشد ؛ گاهي اتفاق مي افتد که مد نداشته باشيم . مثل زماني که فراواني تمام داده ها يکي باشد .
- موارد استفاده : نظرسنجي ها ، رآي گيري ها و انتخابات مهم ترين مواردي هستند که در آن ها از مد استفاده مي شود .
2- ميانه :
· داده ي که نصف داده ها از آن کم تر و نصف داده ها از آن بيشتر هستند ، يعني همان داده ي وسط .
· اگر تعداد داده ها فرد باشد ، داده ي وسط ، ميانه است .
· وقتي تعداد داده ها زوج باشد ، دو داده در وسط داريم : دراين حالت ميانگين دو داده ي وسط ميانه است .
· ويژگي هاي ميانه :
- ميانه منحصربه فرد است ؛ فقط و فقط يک مقدار براي ميانه داريم .
- ميانه مي تواند متعلق به جامعه نباشد ؛ زماني که تعداد داده ها زوج باشد ، ممکن است ميانه با هيچکدام از داده ها برابر نباشد .
- ميانه حتما وجو ددارد ؛ هميشه ودر هر شرايطي ميانه داريم .
- زماني که داده ها هم برابرند ، ميانه با يکي ازآن ها برابر مي شوند .
3- چارک ها : ( Q1 , Q2 , Q3 , Q4 )
· Q1 : داده اي که 25 درصد از آن کوچکتر و 75 درصد از آن بزرگترند .
· Q2 : داده اي که 50 درصد داده ها از آن کوچکتر و 50 ئرصد از آن برزگتر ند Q2همان ميانه است .
· Q3 : داده اي که 75 درصد داده ها از آن کوچکتر و 25 درصد دادها از آن بزرگترند .
· Q4 : داده اي که تمام داده ها از آن کوچکترند . Q4 همان بزرگترين داده يا MAX است .
ويژگيهاي چارک ها :
· چارک ها تمام ويژگي هاي ميانه را دارند.
· ميانه و چارک ها با تعداد داده ها مرتبط مرتبط هستند نه با با مقدار داده ها .
4- نمودار جعبه اي :
· نمودار جعبه اي نشان دهنده ي تمرکز يا پراکندگي داده هاست . نشان مي دهد که بيش تر داد ها در نزديکي MIN؛ MAX ويا عددي خاص تمرکز دارند .
· ابزار مورد نياز رسم نمودار جعبه اي :
- MIN ؛ چارک اول ؛ ميانه ( چارک دوم ) ؛ چارک سوم ؛ MAX ( چارک چهارم )
5- ميانگين :
· ميانگين ؛ همان معدل داده هاست .
ميانگين را مي توان به دو نوع حسابي و وزن دار دسته بندي نمود .
- ميانگين حسابي : زماني است که فراواني يا تکرار هر داده 1 باشد .
- ميانگين وزن دار : زماني است که فراواني بيش از 1 داشته باشيم .
· کاربرد ميانگين در مسائل :
- در اين مساله ها عبارت « به طور متوسط » به معناي ميانگين است .
- ميانگين ادغامي
- روش سريع محاسبه ي ميانگين ( استفاده از ميانگين حدسي )
· ويژگي هاي ميانگين :
- ميانه منحصربه فرد است ؛ فقط و فقط يک مقدار براي ميانگين داريم .
- ميانه مي تواند متعلق به جامعه نباشد ؛ گاهي مقدار عددي ميانگين با مقدار مقدار هيچيک از داده ها برابر نيست .
- ميانگين هميشه بين کم ترين بيش ترين مقدار داده هاست .
- ميانگين وسط مقدار داده هاست ؛ همان مقداري که داده ها از ميانگين اضافي دارد ، همان مقدار هم کم دارند .
- ميانگين از داده هاي پرت تاثير مي پذيرد .
* نقاط ضعف شاخص هاي مرکزي :
* مد : به جز مقداري که بيش ترين فراواني را دارد ، اطلاعاتي در مورد ساير داده ها به ما نمي دهد .
* ميانه : در مورد نحوه ي توزيع در داده هاي کم تر و بيشتر از ميانه اطلاعاتي نمي دهد .
* ميانگين : به شدت تحت تاثير داده هاي پرت قرار دارد .
فصل 7 : شاخص هاي پراکندگي
1- دامنه تغييرات
2- چارک هاي بالا و پائين
3- واريانس
4- انحراف معيار
5- ضريب تغييرات
1- دامنه تغييرات :
در فصل 4 توضيح داده شد .
2- چارک هاي بالا و پائين :
زماني که داده هاي پرت داشته باشيم . از روش حذف چارک هاي بالا و پائين استفاده مي کنيم . تا جامعه يک دست تر از شده و بتوانيم تحليل درست تري داشته باشيم .
توجه : در برخي موارد ، بسته به اندازه ي جامعه ( تعداد داده ها ) و ميزان نزديکي داده ها به هم ؛ ممکن است يک دهم داده ها از بالا و پائين حذف شوند .
3- واريانس / پرش
روش محاسبه :
1- اگر فراواني داده ها برابر يک باشد .
· براي محاسبه واريانس ؛ محاسبه ميانگسن است .و حال براي محاسبه واريانس استفاده کنيم .
2- اگر فراواني داده ها برابر دو باشد .
· گام اول : محاسبه ميانگين
· گام دوم : محاسبه واريانس
نکته : در گام دوم واريانس به دست آمده اعشاري مي باشد .
· گام سوم کتاب کوچک هدفدار مولف ( هدا سردار زاده ) صفحه ي 100 مراجعه کنيد .
ويژگي هاي واريانس :
1- همواره وجو دارد .
2- منحصر به فرد است .
3- همواره نا منفي است .
4- اگر تعداد داده ها با هم برابر باشند ، واريانس صفر مي شود .
5- واحد واريانس ، مجذور واحد داده هاست .
تاثير ضرب و جمع اعداد ثابت با داده ها بر واريانس :
- تاثير ضرب در عدد :
اگر تمام اعداد را در يک عدد ضرب کنيم ، واريانس در مجذور آن عدد ضرب مي شود .
- تاثير جمع عدد ثابت :
جمع يک عدد ثابت با تمام داده ها تاثيري بر واريانس ندارد .
3 – انحراف معيار
· ابتدا محاسبه ي ميانگين
· محاسبه ي واريانس
· جذر گرفتن از واريانس
ويژگي هاي انحراف معيار :
· همواره وجود دارد
· منحصر به فرد است .
· همواره نامنفي است .
· واحد آن با واحد داده ها برابر است .
· اگر تمام داده ها با هم برابر باشد ، انحراف معيار صفر مي شود .
ضريب تغييرات :
· ضريب تغييرات ميزان پراکندگي به ازاي يک واحد ميانگين است .
· به عبارت ديگر خارج قسمت تقسيم انحراف معيار بر ميانگين .
· موارد استفاده :
- مقايسه پراکندگي دو يا چند گروه از داده ها که واحد يکساني ندارند . مثل مقايسه پراکندگي قد و وزن دانش آموزان يک کلاس .
· براي بدست آوردن ضريب تغييرات مراحل زير را انجام مي دهين :
- پس اول بابيستي ميانگين را بدست آوريم .
- سپس واريانس را حساب کنيم .
- حال را واريانس را جذرگرفته تا انحراف معيار بدست آيد .
- مقدار بدست آمده براي انحراف معيار و ميانگين را در فرمول ضريب تغييرات جايگذاري مي کنيم .
· ويژگي هاي ضريب تغييرات :
- همواره نامنفي است .
- منحصر به فرد است .
- اگر داده ها با هم برابر باشند ، ضريب تغييرات صفر مي شود .
- واحد ندارد .