https://virgool.io/feed/@iamrezaei ارشد آماراقتصادی| دیتاساینتیست|والیبالیست سابق fa 2026-06-07 17:30:03 https://files.virgool.io/upload/users/227771/avatar/npXaGO.png?height=120&width=120 https://virgool.io/@iamrezaei https://virgool.io/@iamrezaei/%D8%A7%D8%B3%D8%AA%D9%86%D8%A8%D8%A7%D8%B7-%D8%A2%D9%85%D8%A7%D8%B1%DB%8C-%DA%86%DB%8C%D8%B3%D8%AA-ifv2l1smqeem در مقاله اول درباره اینکه آمار چیست، صحبت کردیم، حالا می‌خواهیم مفهوم استنباط در آمار را یاد بگیریم، اگر برای اولین بار با این کلمه مواجه می‌شوید، شاید خیلی مبهم باشه براتون براتون استنباط یعنی چی؟ در زبان انگلیسی این واژه را با Inference بیان می‌کنند، یعنی فرآیند (process) پی بردن (استنتاج) در مورد هر چیزی، پس به ظور مشخص ما دنبال فرآیندی هستیم که بتوانیم درک درستی از هر چیزی به دست آوریم و این هر چیزی در دنیای آمار شامل داده‌ها و مشاهدات است، خب فرض کنید شما درمورد تعداد ماهیان قزل‌آلای دریای خزر می‌خواهید مطالعه کنید، و یک تخمین(برآورد)، از تعداد ماهیان را به دست آوردید، قطعا بی‌ربط‌ترین جواب ممکن برای این مساله شمارش تعداد ماهیان قرل‌آلای موجود در این دریا است! پس چاره چیست؟ شما برای جواب به این سوال دست به دامن علم آمار خواهید شد و با ابزارهای موجود در شاخه‌های مختلف به جواب مساله خواهید رسید، برای حل این مساله شاخه‌های مختلف آمار از قبیل آمار فضائی(Spatial Statistics)، نمونه‌گیری(Sampling)، مطالعات کوچک ناحیه‌ای(Small area)، برآوردیابی(Estimation) کمک حال شما خواهد بود و به شما در راستای رسیدن به جواب مساله کمک خواهد کرد! در اصل از دیدگاه آماری کلاسیک شما به دنبال لمس ویژگی قابل اندازه‌گیری در عین حال مجهول از جامعه آماری ماهیان قزل‌آلای دریای خزر هستید؛ که این ویژگی را به نام پارامتر می‌شناسیم.پارامتر چیست؟برای بیان مفهوم این واژه با دو دیدگاه کلاسیک و بیزی مواجه خواهیم بود، کلاسیک‌کاران پارامتر را یک ویژگی معلوم‌الحالی از جامعه می‌دانند که اصل آن برای ما مجهول است، در دیدگاه بیزی این ویژگی جامعه معلوم الحال نیست! و یک متغیر محسوب می‌شود. برای به دست آوردن پارامتر دست به دامان شیوه‌های برآوردیابی برای مشاهده این ویژگی خواهیم بود،در دیدگاه کلاسیک آماری از جمله شیوه‌های براورد‌یابی برای برآورد یا تخمین شامل برآودگرهای ماکزیمم درست‌نمایی(Maximum Likelihood Estimator)، روش گشتاوری (Method of Moment Estimator)، نااریب با کمترین واریانس یکنواخت(Uniformly Minimum Variance Unbiased Estimator) ، کمترین توان دوم خطا (Least Square Error) و ...راه چاره ما خواهند بود؛ و در دیدگاه بیزین‌ها، از روش‌های بیزی تشکیل پیشین، پسین، توابع زیان و ... برای استنباط استقاده می‌شود، فعلا به این آشنایی اکتفا می‌کنیم و در مقالات بعدی در مورد نحوه انجام برآورد کلاسیک و برآورد بیزی به طور مفصل صحبت می‌کنیم، پس تا اینجای کار مفهوم پارامتر را به عنوان ویژگی از جامعه که ممکن است، ویژگی معلوم‌الحال مجهول از جامعه یا متغیر باشد، جمع‌بندی می‌کنیم، وقتی این مفهوم را دریابیم، اولین چالشی که با آن مواجه خواهیم بود، دقت و کارایی این پارامتر برآورد (تخمین) شده خواهد بود، پس مفاهیمی از قبیل برآودگر، اریبی و نااریبی در زمینه این برآورد چالش‌های اصلی ما خواهند بود.برآودگر چیست؟شما برای اندازه‌گیری هر ویژگی در دنیای ریاضیات همیشه به دنبال جمع‎بندی و ارائه یک صورت کلی از آن ویژگی هستید، در دنیای آمار نیز شما برای اندازه‌گیری پارامتر به دنبال ارائه یک صورت کلی از آن هستید، برآوردگرها که پیش‌تر شیوه‌های برآورد آنها را معرفی کردیم، ابزار رسیدن ما برای این منظور خواهند بود، از جمله برآوردگر‌های معروف در دنیای آمار مجموع، میانگین،مد، میانه واریانس و هر صورتی که شما می‌توانید، پارامتر را توسط آن جمع‌بندی کنید. آماری‌ها آن‌ها را با نام آماره می‌شناسند. خب الان سوالی که پیش می‌آید اینه که هر کسی از راه برسد و یک فرمول ارائه دهد، می‌تواند ویژگی‌های جامعه را بیان کند؟ در جواب شما باید بگویم که آماردانان چون اعتقاد راسخی به جمله پیش‌گیری بهتر از درمان دارند؛ بر روی برآوردگرها یک سری شرط‌ها و قیدهایی در راستای محدودیت آنها برای دستیابی به بهترین حالت ممکن ارائه دادند، این مفاهیم شامل اریبی و ناراریبی برآوردگرها بودند. اریبی و نااریبی چیست؟خب شما در برآورد هر ویژگی به دنبال سنجش دقت این برآورد، هستید، اریبی در مفهوم میزان انحراف پارامتر برآورد شده شما از برآوردگر ارائه شده شما است؛ اگر دقت این برآودگر به نحوی باشد که میزان انحراف شما برابر صفر باشد در اصلاح می‌گویند برآوردگر نااریب است! در یادگیری ماشین وقتی چنین حالتی برای ماشین پیش بیاید می‌گوییم ماشین در حال حفظ کردن است! و این اصلا جلوه جالبی از ماشین در حال یادگیری ما نیست، و تمام چالش ما در این مسیر تفکیک مرز باریک حفظ کردن و یادگیری است؛ شاید براتون جالب باشه آماری‌ها همیشه خودشون رو درگیر یافتن بهترین برآوردگر نااریب خطی روی کاغذ کردن و ساعت‌ها وقت و مطالعه روی این موضوع انجام دادند، شاید هم من در درک این موضوع و چالش‌هامون ناتوانم :) فقط این نکته رو هم در نظر داشته باشید اریبی علاوه بر استنباط در نمونه‌گیری و تفسیر و تحلیل هم می‌تواند، وجود داشته باشد.جمع‌بندیپس در نهایت استنباط آماری را این‌گونه جمع‌بندی می‌کنیم، شاخه‌ای از آمار که با شناخت مشاهدات و داده‌ها در راستای برآورد پارامترها است و برای مقایسه کارایی آنها از مفهوم اریبی و ناراریبی بهره می‌گیرد، تمامی این مطالب مطرح شده، قابل تبدیل به چارچوب و فرمول‎های ریاضی است، که می‌توانید برای یادگیری آنها از کتاب‌های استباط آماری و آمار ریاضی از جناب آقایان دکتر پارسیان و بهبودیان بهر‌مند شوید. در ادامه مطالب ارئه شده به بیان مفهوم ابرپارامتر یا هایپر پارامتر پرداخته می‌شود. ممنون که تا انتها با من همراه بودید :) Hamed Rezaei Hamed Rezaei Tue, 06 Apr 2021 22:44:12 +0430 https://virgool.io/@iamrezaei/%D8%A2%D9%85%D8%A7%D8%B1-%DA%86%DB%8C%D8%B3%D8%AA-jzf0ywawfnbd پیشگفتارسلام دوستان من حامدم فارغ التحصیل آمار شهید بهشتی تهران؛ امروز می خوام با شما درباره آمار (Statistics)، صحبت کنم. اگه از لحاظ تاریخی بخواهیم به این علم نگاه کنیم، قدمت آن به زمان بابلی‌ها و مصری‌ها با سرشماری‌هایی درباره زاد‌ و‌ ولد برمی‌گردد، ولی وقتی بیشتر فکر کنیم متوجه می‌شویم که آمار از زمان بشر غارنشین نیز وجود داشته و انسان اولیه بر دیواره غارها، بر روی سنگ‌ها شروع به شمارش و حساب کرده است. پس هر جا سخنی از اطلاعات و داده‌ها به میان بیاید، انسان دست به گریبان آمار خواهد شد. خب الان شاید براتون سوال باشه اصلا داده یعنی چی؟ منم حق رو به شما می‌دم و اگه دوست دارین درباره آمار بدونید، پس تا انتهای این مقاله با من همراه باشید.کانال یوتیوبمون با کلی ویدئو با حال آموزشی.داده چیست؟حتما تا الان این جمله رو زیاد شنیدید فلانی داره بدجور بهت آمار می‌ده! خب من از این تریبون می‌گم منظور ما در این مواقع داده‌ای است که از سمت فلانی مخابره می‌شه و آمار دانش تحلیل اون داده‌هاست، خب پس از لحاظ فلسفی هر شی که اطلاعات از سمت اون مخابره بشه در حال تولید داده است. این شی می‎تونه کاربری در حال سرچ گوگل ، ویدئویی از شخصی در اینستاگرام، کاربری در حال اسنپ گرفتن در یک شب بارانی، کاربری در حال خرید از دیجی‌کالا، شخصی در حال معامله کردن در بازار مالی فارکس و حتی کاربری در صف فروش بورس تهران هم، می‌تونه داده تولید کنه، خب تا اینجای کار فهمیدیم داده چیه، در ادامه برای ساماندهی به این داده‌ها نیازمند یک ساختار نظامند هستیم تا بتونیم اونها رو برای تحلیل آماده کنیم، برای این منظور ما نیازمند تعریف متغیرها هستیم؛ تا بتونیم داده‌های پردازش شده از جاهای مختلف رو تحلیل کنیم.متغیر چیست؟خب اسم‌ها و عناوین مختلفی برای این واژه در حال مخابره شدن هست، متغیر(Variable)، ویژگی (Feature)، صفت (Attribute) از جمله این الفاظ است، خب حالا ما کاری به این لفظ بازیا نداریم و می‌خوایم اصل مطلب رو موشکافی کنیم، شما برای پردازش داده‌های تولید شده در دنیا نیازمند تعریف متغیرها هستید، به طور مثال داده ویدئویی از کاربری در اینستاگرام چندین متغیر وجود داره که در نگاه اول اصلا به چشم نمیاد، اسم کاربر به عنوان متغیر اسم ، متغیر کار به عنوان تبلیغ برای فروش محصول، متغیر نوع داده به عنوان ویدئو در این داده است. خب برای تمرین داده‌های مثال بالارو می‌تونی متغیرهاش رو برای خودت بنویسی، خب دو مفهوم داده و متغیر و یاد گرفتیم ولی مشکل کار اینجاس دنیای ما دنیای کاربرهاست و حجم‌ داده‌ها در حال افزایش، این باعث میشه ما دست به گریبان مفاهیم جامعه و نمونه برای رسیدن به چیستی آماربشویم.یعنی تا اینجا خوندی تو اینستاگرام نیومدی پس بزن تا بریم.جامعه چیست؟جامعه از مشاهدات تشکیل می‌شه، خب می‌دونم الان می‌گی نگفتی که مشاهده چیه! مشاهده تولیدات کاربرها با توجه به نوع متغیرهای اون‌ها است، وقتی این تولیدات کنار همدیگر قرار می‌گیرن، جامعه تشکیل می‌شود و به وسیله متغیرها از هم تفکیک می‌شوند، خب دنیای امروز رو انبوهی از تولیدات فراگرفته و شاید براتون جالب باشه میزان داده‌های تولید شده در هر سال نسبت به سال گذشته رشد چشم‌گیری پیدا می‌کنه، پس میشه یه جورایی فهمید نسل جدید دنیا با حجم انبوهی از داده‌ها ادغام شده، که چالش اصلی بشر حجم، سرعت پردازش و تنوع این داده‌هاست و دیگه نفت طلای سیاه نیست و این داده‌ها هستند که باید به عنوان طلا شناخته شوند؛ البته این امر نیازمند توانایی پردازش، تحلیل، مدل‌سازی، استنباط، تفسیر و نتیجه‌گیری از داده‌هاست که در مقالات بعدی به طور مفصل بهش می‌پردازیم. خب پس به این نتیجه می‌رسیم برای رفع چالش‌ها نیازمند نمونه از جامعه هستیم. نمونه چیست؟شنیدی می‌گن مشت نمونه خرواره، اینم دقیقا همونه کلا هر کی آماریه و با آمار سروکار داره دنبال اون مشت خوبس، برای به دست آوردن مشت خوبم، ما از روش‌های نمونه‌گیری استفاده می‌کنیم، و جایی که خیلی‌ها خواسته و ناخواسته از یک فرد عادی و حتی اساتید و دانشجوها در استفاده از اون دچار مشکل می‌شن، خب الان می‌گی چه مشکلی؟ مثلا فردی برای پایان‌نامش می‌خواد روی یک متغیری مطالعه انجام بده، پرسش‌نامش رو طراحی می‌کنه، راه میفته تو دانشگاه، خیابون، محله، تلگرام و هر جایی که شما به فکرت برسه پخش کردن این پرسش‌نامه، خب مشکل کار اینجا چیه به نظرتون؟ بله درست حدس زدید، شما برای انجام یک مطالعه پرسش‌نامه‌ای نیازمند تعیین یک چارچوب مشخص برای اون و تعیین جامعه و نمونه‌ای که قصد مطالعه آن را دارید؛ هستید، بعد از همه این کارها مهم‌ترین چالش شما تعیین روش نمونه‌گیری هست که می‌تونید در مورد اون از کتاب روش‌های نمونه‌گیری مرحوم دکتر عمیدی و همچنین کتاب نمونه‌گیری روش‌ها و کاربردهای خانم دکتر گیتی مختاری امیرمجدی از انتشارات پژوهشکده آمار استفاده کنید؛ پس تا اینجای کار یاد گرفتیم مانند کاربر مورد نظر اشتباه نکنیم، و بدونیم دنبال چه طرح نمونه‌گیری مدل مبنا یا طرح مبنا هستیم؛ بعد روش نمونه‌گیری خودمون شامل تصادفی ساده، سیستماتیک، گلوله‌برفی، قضاوتی،پیچیده، سهمیه‌ای یا هر چیزی رو تعیین کنیم، و در نهایت به کار استنباط و تحلیل و نتیجه‌گیری برسیم؛ نتیجه‎گیری اخلاقی اینکه به درستی از نمونه‌گیری در پژوهش‌هامون استقاده کنیم. خوب پیش رفتیم و کم‌کم داریم به آمار نزدیک می‌شیم، قبلش ی نمای کلی از دیتاساینس داشته باشیم بعد سراغ آمار بریم.کانال تلگراممون ی وقت خواستی داشته باشعلم داده چیست؟علم داده بعضیا می‌گن علوم داده، حالا ما می‎گیم دیتاساینس علمی هست که دانشمند داده در مقاله‌ای از دانشگاه هاروارد به عنوان جذاب‌ترین شغل قرن 21 شناخته شده است؛ در این مقاله از بزرگانی مانند جاناتان گلدمن از بزرگان لیندکین رید هافمن از بنیان‌گذاران لینکدین یاد شده است، علم داده دارای دو لایه درونی و بیرونی است، لایه بیرونی اون شامل بیزنس استراتژی، تحلیل بیزنس، دامنه دانش، ارتباطات، ارائه، حل مساله و کنجکاوی رسیدن به آنها است؛ لایه درونی شامل آمار، تشخیص الگو، محاسبات عصبی، هوش‌مصنوئی، یادگیری ماشین، داده‌کاوی، دانش کشف در دیتابیس یعنی (Knowledge discovery in database)، پایگاه داده و پردازش داده، تصویری‌سازی(Visualization) است، اینکه هر کدوم اینا چی هستن در مقالات بعدی بهش می‌پردازیم، هدف از مطرح کردن دیتاساینس به عنوان منبع ادعاهای این روزهای محافل علمی در تمامی رشته‌ها، در اینجا رسیدن به یکی از لایه‌های درونی اون به نام آمار بود. نتیجه‌گیری اخلاقی اینکه بیایید از این به بعد نگیم دیتاساینس همون آماره یا همون علوم کامپیوتر، ریاضی، مدیریت، مهندسی کامپیوتر و این‌ها، بیایید و قبول کنیم دیتاساینس از تک تک این علوم به عنوان ابزار استفاده می‌کنه؛ در نهایت برسیم به اینکه آمار چیه.آمار چیست؟آمار به عنوان یکی از لایه‌های درونی دیتاساینس علمی است که به ما در شناخت و تحلیل داده‌های تولیدی در دنیا با استفاده از ابزارهای توصیفی و استنباط کمک می‌کند.تا دسته‌بندی هر کدام از متغیرهای تولیدی داده‌ها را به درستی انجام دهیم، قدرت طبقه‌بندی را در اختیار ما می‌گذارد، ریزش طلا، دلار و سکه داخلی تا بازارهای مالی جهانی، ارزهای دیجیتال مانند بیت‌کوین، حتی با ساده‌ترین مدل‌های کلاسیک خود پیش‌بینی می‌کند، به ما در دیدن، تفکر، تصمیم‌گیری‌های صحیح کمک می‌کند، تا در زمان صرفه‌جویی کنیم و با کاربردی کردن این علم آینده‌ای بهتر بسازیم، تا اقتصاد کشور در مسیر تعالی و رفاه، جامعه‌شناسی در راستای شناسایی متغیر هنجارهای نامطلوب اجتماعی، کشاورزی و صنعت در راستای تعالی کیفیت محصول، مدیریت کشور در مسیر بهترین تصمیم‌گیری و هدایت و به صورت کلی جامعه را در یک چارچوب مشخص هدایت کنیم. پس آماری که هیچ کسی را ناراحت نکند و هیچ گزارهٔ علمی جدیدی از کاربران بیان نکند آمار نیست، گزارش روزمره اداری است! فلسفهٔ آمار، محو کردن نادانی است. نتیجه‌گیری اخلاقی اینکه بیایید از آمار به درستی استفاده کنیم، و اگر دانش کافی نداریم به متخصص آگاه مراجعه کنیم. پایان حامد رضائی Hamed Rezaei Hamed Rezaei Fri, 26 Mar 2021 15:38:31 +0430