مدیر هوشمند
 
مطالب مفید مدیریتی

محل درج آگهی و تبلیغات
 
نوشته شده در تاريخ سه شنبه شانزدهم آبان ۱۳۹۶ توسط یاسر پورداور
فهرست مطالب وبلاگ

     عبارت «برتری تصویری» را برای آن دسته از تکنیک های تصویری به کار می بریم که حاوی اطلاعات مفید و دقیق هستند و اطلاعات را با وضوح و بدون ابهام برای مخاطبان ارائه می کنند. برتری تصویری زمانی به دست می آید که شرایط ذیل برقرار باشد:

  1. نمودار ترسیم شده به طرز دقیق و منسجمی نمایانگر مجموعه بزرگی از داده ها باشد. تکنیک های تصویری برای خلاصه کردن و تشریح مجموعه بزرگی از داده ها ایجاد شده اند. مجموعه کوچک داده ها به راحتی توسط یک جدول تلخیص می شوند.
  2. ایده ها و مفاهیمی که متخصص آماری قصد توزیع آنها را دارد، به طور واضح و آشکار برای مخاطب قابل فهم باشد. نمودار طراحی شده است تا چیزهایی را توصیف کند که کلمات باید توصیف می کردند. یک نمودار عالی می تواند جایگزین هزار کلمه باشد و توسط مخاطبان با وضوح قابل درک باشد.
  3. نمودار مخاطب را تشویق به مقایسه دو یا چند متغیر تشویق نماید. نمودارهایی که فقط یک متغیر را نشان می دهند، اطلاعات خیلی کمی را فراهم می کنند. بهترین کاربرد نمودار، نشان دادن رابطه بین دو یا چند متغیر یا توضیح چگونگی و چرایی وقوع نتایج خاصی است.
  4. نمودار مخاطب را تحریک کند تا به مفهوم داده ها و نه به شکل نمودار توجه نماید. شکل نمودار می بایست به ارائه مفهوم داده ها کمک کند. اگر شکل جایگزین مفهوم شود، آن نمودار وظیفه اش را انجام نداده است.
  5. هیچ تحریفی در خصوص آنچه داده ها نشان می دهند، وجود نداشته باشد. شما نمی توانید تکنیک های آماری را مجبور کنید تا آنچه را تمایل دارید، بیان کنند. یک خواننده با دانش، به آسانی می تواند تحریف ها و فریب ها را تشخیص دهد.

 


برچسب‌ها: برتری تصویری Graphical Excellence
نوشته شده در تاريخ دوشنبه پانزدهم آبان ۱۳۹۶ توسط یاسر پورداور

فهرست مطالب وبلاگ

 

     همانند نمودار هیستوگرام، اغلب لازم است چگونگی ارتباط دو متغیر را توصیف کنیم. مهمترین ویژگی ها عبارتند از قوت (strength) و جهت (direction) ارتباط خطی.

خطی بودن (Linearity)

     برای تعیین قوت ارتباط خطی، یک خط مستقیم از میان نقاط، به گونه ای ترسیم می کنیم که آن خط نمایانگر ارتباط باشد. اگر بیشتر نقاط نزدیک خط باشند، می گوییم ارتباط خطی (linear relationship) وجود دارد. اگر بیشتر نقاط پراکنده و تصادفی به نظر آیند، و فقط قدری شباهت با خط مستقیم داشته باشند، در این صورت یا ارتباط خطی وجود ندارد یا در بهترین حالت ارتباط خطی ضعیف است.

     در ترسیم دستی، تلاش می کنیم این خط را از وسط داده ها گذر دهیم، متأسفانه افراد مختلف در ترسیم این خط مستقیم به نتایج متفاوتی می رسند. خوشبختانه علم آمار یک راه حل عینی برای ترسیم این خط مستقیم ایجاد کرده است که روش کمترین مربعات (least squares method) نامیده می شود.

     توجه کنید که ممکن است انواع دیگری از ارتباط هم وجود داشته باشد همانند درجه دوم (quadratic) یا نمایی (exponential).

جهت

     به طور کلی، اگر مقادیر یک متغیر افزایش یابد و همزمان مقادیر متغیر دیگر هم افزایش یاید، می گوییم یک ارتباط خطی مثبت (positive) وجود دارد. هنگامی که دو متغیر گرایش به حرکت در مسیرهای متضاد با هم دارند، ما طبیعت ارتباط آنها را به عنوان ارتباط خطی منفی (negative) توصیف می کنیم.

تفسیر رابطه خطی قوی

     در تفسیر نتایج یک نمودار پراکندگی، مهم است درک کنیم که اگر دو متغیر به صورت خطی رابطه داشته باشند، به این معنی نیست که یکی علت دیگری است. در واقع، هیچ گاه نمی توانیم نتیجه بگیریم که یک متغیر علت متغیر دیگر است. به بیان واضح تر، می توانیم این موضوع را چنین بیان کنیم:

همبستگی علیت نیست

 نکته: عواملی که تعیین می کند چه زمانی از نمودار پراکنش استفاده شود:

  1. هدف: توصیف رابطه بین دو متغیر باشد
  2. نوع داده ها: فاصله ای باشد

برچسب‌ها: نمودار پراکنش, scatter diagram
نوشته شده در تاريخ یکشنبه چهاردهم آبان ۱۳۹۶ توسط یاسر پورداور

فهرست مطالب وبلاگ

 

 

     متخصصان آماری اغلب نیاز دارند بدانند که دو متغیر فاصله ای چگونه با هم ارتباط دارند. برای مثال، مدیران بازاریابی نیاز دارند رابطه بین فروش و تبلیغات را دریابند. تکنیک مورد استفاده در این مورد، نمودار پراکنش (scatter diagram) نامیده می شود.

     برای ترسیم یک نمودار پراکنش، به داده های دو متغیر نیاز داریم. در حالتهایی که یک متغیر تا حدی به متغیر دیگر وابسته است، متغیر وابسته را با حرف Y نشان می دهیم و متغیر دیگر، متغیر مستقل X نامیده می شود. برای مثال، درآمد افراد تا حدودی به تعداد سال های آموزش بستگی دارد. بر همین اساس، درآمد را به عنوان متغیر وابسته تعیین می کنیم و با Y نشان می دهیم و تعداد سال های آموزش را به عنوان متغیر مستقل تعیین می کنیم و با X نشان می دهیم.


برچسب‌ها: نمودار پراکنش, scatter diagram, متغیر فاصله ای, متغیر مستقل
نوشته شده در تاريخ یکشنبه چهاردهم آبان ۱۳۹۶ توسط یاسر پورداور

فهرست مطالب وبلاگ

 

منبع عکس: http://best-excel-tutorial.com

     داده های سری زمانی به صورت تصویری اغلب روی نمودار خطی (line chart) ترسیم می شوند، که ترسیم متغیر طی زمان است. این نمودار با ترسیم مقادیر متغیر روی محور عمودی و دوره های زمانی روی محور افقی ایجاد می شود.


برچسب‌ها: نمودار خطی line chart
نوشته شده در تاريخ شنبه سیزدهم آبان ۱۳۹۶ توسط یاسر پورداور

فهرست مطالب وبلاگ

 

     علاوه بر طبقه بندی داده ها بر اساس نوع آنها، می توانیم آنها را بر اساس اینکه آیا مشاهدات در همان زمان اندازه گیری می شوند یا اینکه نماینده اندازه گیری هایی در مقاطع زمانی پی در پی هستند، طبقه بندی کنیم. به اولی داده های مقطعی (cross-sectional data) گفته می شود و دومی داده های سری زمانی (time-series data) است.

     برای مثال، فرض کنید که یک مشاور املاک تصور می کند قیمت فروش یک خانه، تابعی است از اندازه، قدمت و مساحت زمین آن. برای برآورد شکل تابع، او 100 خانه اخیرا فروخته شده را نمونه گیری می کند؛ و قیمت، اندازه، قدمت و مساحت زمین را برای هر خانه ذخیره می کند. این داده ها مقطعی هستند، زیرا همه آنها مشاهداتی در یک مقطع زمانی هستند.

     این مشاور بر روی یک پروژه دیگری هم کار می کند تا تعداد ماهیانه مسکن های تازه شروع به ساخت شده را در کشور پیش بینی کند. برای این کار، او تعداد ماهیانه مسکن های تازه شروع به ساخت شده را در 5 سال گذشته جمع آوری می کند. این 60 عدد (5 سال 12 ماه دارد)، نمایانگر داده های سری زمانی است، زیرا آنها مشاهداتی در طول زمان هستند.

     توجه کنید که داده های اصلی ممکن است فاصله ای یا اسمی باشد. یک سری زمانی می تواند فراوانی یا فراوانی نسبی یک متغیر اسمی را طی دوره های زمانی فهرست کند. برای مثال، یک نظرسنجی از مصرف کنندگان می خواهد که برند مورد علاقه خود را مشخص نمایند. این داده ها اسمی است. اگر ما این نظرسنجی را ماهی یک بار به مدت چند سال تکرار کنیم، نسبت مصرف کنندگانی که در هر ماه یک محصول شرکتی خاص را ترجیح می دهند، یک سری زمانی تشکیل خواهد داد.


برچسب‌ها: سری زمانی time, series
نوشته شده در تاريخ چهارشنبه سوم آبان ۱۳۹۶ توسط یاسر پورداور
فهرست مطالب وبلاگ

منبع عکس: http://slideplayer.com/slide/6380301/

     جدول توزیع فراوانی تعداد مشاهداتی را که در هر فاصله طبقاتی قرار می گیرد، فهرست می کند. ما می توانیم یک جدول توزیع فراوانی نسبی را از طریق تقسیم فراوانی ها بر تعداد مشاهدات ایجاد کنیم. این جدول نسبت مشاهدات را در هر طبقه مشخص می کند. بعضی وقتها ممکن است بخواهیم نسبت مشاهداتی را که پایین تر از هر طبقه قرار می گیرند، مشخص کنیم. در این موارد، جدول توزیع فراوانی نسبی تجمعی را ایجاد می کنیم.

 شیوه دیگر ارائه این اطلاعات، استفاده از نمودار فراوانی تجمعی نسبی (Ogive) است که نمایش تصویری فراوانی نسبی تجمعی است.

 عواملی که تعیین می کند چه زمانی از هیستوگرام، نمودار فراوانی تجمعی نسبی یا نمودار ساقه و برگ استفاده شود:

  1. هدف: توصیف مجموعه ای از داده ها
  2. نوع داده ها: فاصله ای

برچسب‌ها: نمودار فراوانی تجمعی نسبی Ogive
.: Weblog Themes By Pichak :.


تمامی حقوق این وبلاگ محفوظ است | طراحی : پیچک