‫به نام دادار یکتا‬

‫آمار توصيفي‬
 ‫تعریف آمار‪:‬‬
‫جمع آوری‬
‫خالصه کردن و طبقه بندی‬
‫تجزیه و تحليل اطالعات‬
‫کاربردها‪:‬‬
‫توصيف وضع کنوني‬
‫مقایسه وضع کنوني با گذشته‬
‫مقایسه وضع خود با دیگران‬
‫پيش بيني وضع آینده‬
‫سنجش ارتباطات و اثرات‬
‫یافتن نقاط قوت و ضعف‬
 ‫فهرست مطالب‪:‬‬

‫‪ ‬آمار توصيفي و استنباطي‬

‫‪ ‬جدولهاي آماري‬

‫‪ ‬نمودارهاي آماري‬

‫‪‬شاخصهاي مرکزي‬

‫‪ ‬شاخصهاي پراکندگي‬

‫‪ ‬انواع نمونه‬
 ‫آمار توصيفي و استنباطي‪:‬‬

‫خالصه کردن و توصيف خصوصيات مهم جامعه یا نمونه مورد بررسي‬

‫تعميم ها‪ ،‬استنباط ها و نتيجه گيری ها بر اساس نمونه مورد مطالعه برای جامعه مورد نظر‬
 ‫جمعيت و نمونه‪:‬‬

‫مجموعه کل واحدهای مورد نظر‬

‫مثال‪ :‬مراجعين روزانه یک کتابخانه‪ ،‬دانشجویان عضو کتابخانه‪ ،‬کارکنان‬

‫کتابخانه های دانشگاه‬

‫صرف هزینه‪ ،‬وقت و نيروی انساني زیاد برای دسترسي و مطالعه کل جامعه و‬
‫امکان پذیر نبودن آن در برخي موارد‪ :‬اکتفا به قسمتي از جمعيت آماری (‬
‫نمونه)‬

‫مثال‪ :‬برای بررسي نظرات دانشجویان عضو کتابخانه‪ ،‬انتخاب مثال ‪ 150‬نفر از‬
‫بين این جمعيت به طور تصادفي انتخاب ميشوند‪.‬‬
 ‫متغيرها‪:‬‬

‫متغير‪:‬‬
‫خصوصيت مورد مطالعه‪ ،‬از یک واحد جامعه به واحد دیگر تغيير ميکند و قابل اندازه گيری‬
‫است‪.‬‬
‫انواع متغيرها‪:‬‬
‫متغيرهاي کيفي (گروهي)‪ ،‬نظير جنس‪ ،‬شغل‪ ،‬رضایت شغلي و ‪ ...‬که شامل چند گروه‬
‫یا طبقه ميباشند‪.‬‬
‫‪ ‬متغيرهای کيفي اسمي‪ :‬صرفا شناسایي (جنس‪ ،‬نژاد‪ ،‬رشته تحصيلي)‬
‫‪ ‬متغيرهای کيفي ترتيبي‪ :‬شناسایي و بيان برتری (درجه شدت بيماری‪ ،‬مهارت‬
‫کارکنان)‬
‫متغيرهاي کمي (عددي)‪ :‬قابل اندازه گيری با اعداد و ارقام مانند تعداد کتب موجود در‬
‫یک کتابخانه‪ ،‬سن‪ ،‬تعداد اعضاء‬
 ‫خالصه کردن دادهها‬

‫دادههای جمع آوری شده که انبوهي عدد است و هيچ نوع پردازشي روی آنها‬
‫انجام نشده است‪.‬‬

‫شيوههاي خالصه کردن دادهها‬

‫‪ .1‬تنظيم جداول‬
‫‪ .2‬خالصه کردن و توضيح دادهها به وسيله رسم نمودارها‪.‬‬
‫‪ .3‬خالصه کردن داده ها در چند شاخص توصيفي که بيانگر ویژگي های کلي داده باشد‪.‬‬
 ‫جدولهاي آماري‪:‬‬

‫جدول فراواني‪ :‬متداولترین جدول در آمار‬

‫‪f 1, f 2 , , f k‬‬ ‫• فراواني‪ :‬هرگاه ‪ n‬داده از ‪ k‬نوع‪ ،‬به ترتيب با تعدادهای‬
‫تشکيل شده باشند‪،‬آنگاه ‪ f i‬را فراواني ‪ x i‬ميگویيم‪.‬‬
‫تعداد کتب روزانه به امانت برده شده از کتابخانه‬ ‫مثال‪:‬‬

‫‪xi‬‬ ‫‪fi‬‬ ‫‪8 6 5 5 3 4 3 6 6 7‬‬

‫‪2‬‬ ‫‪1‬‬ ‫‪2 8 7 6 5 6 6 5 5 6‬‬
‫‪3‬‬ ‫‪4‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪3 5 5 8 5 7 4 83 4‬‬
‫‪5‬‬ ‫‪8‬‬
‫‪6‬‬ ‫‪7‬‬
‫‪7‬‬ ‫‪3‬‬
‫‪8‬‬ ‫‪4‬‬
‫کل‬ ‫‪30‬‬
 ‫جدولهاي آماري‪:‬‬

‫فراواني نسبي‪ :‬نسبت واحدهای یک گروه به کل واحدها‬

‫‪fi‬‬
‫‪ri ‬‬
‫‪n‬‬
‫‪k‬‬ ‫‪1‬‬ ‫‪ 0.033‬‬
‫‪r‬‬
‫‪30‬‬
‫‪i‬‬ ‫‪n‬‬ ‫‪0  r i1‬‬
‫‪i 1‬‬

‫‪xi‬‬ ‫‪fi‬‬ ‫‪ri‬‬

‫‪2‬‬ ‫‪1‬‬ ‫‪0.033‬‬

‫‪3‬‬ ‫‪4‬‬ ‫‪0.133‬‬
‫‪4‬‬ ‫‪3‬‬ ‫‪0.100‬‬ ‫‪4‬‬ ‫‪ 0.133‬‬
‫‪30‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪0.267‬‬
‫‪6‬‬ ‫‪7‬‬ ‫‪0.233‬‬
‫‪7‬‬ ‫‪3‬‬ ‫‪0.100‬‬
‫‪8‬‬ ‫‪4‬‬ ‫‪0.133‬‬
‫کل‬ ‫‪30‬‬ ‫‪١/٠٠٠‬‬
 ‫جدولهاي آماري‪:‬‬

‫فراواني تجمعي‪ :‬تعداد واحدهای یک گروه و گروه های ماقبل آن‬

‫مثال‪ :‬تعداد دانشجویان کارشناسي ارشد و پایين تر از آن‬
‫‪i‬‬
‫‪Fi   f j‬‬ ‫‪f i  F1  F1 ‬‬ ‫‪ Fk  n‬‬
‫‪j 1‬‬

‫‪xi‬‬ ‫‪fi‬‬ ‫‪Fi‬‬ ‫‪1 4  5‬‬

‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪4‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫‪1  4  3  8  7  23‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪16‬‬
‫‪6‬‬ ‫‪7‬‬ ‫‪23‬‬
‫‪7‬‬ ‫‪3‬‬ ‫‪26‬‬
‫‪8‬‬ ‫‪4‬‬ ‫‪30‬‬
 ‫جدولهاي آماري‪:‬‬

‫فراواني نسبي تجمعي‪ :‬نسبت واحدهای یک گروه و گروه های ماقبل آن به کل‬
‫‪i‬‬
‫‪Ri   rj‬‬
‫مثال‪ :‬نسبت دانشجویان کارشناسي ارشد و پایين تر از آن‬
‫‪j 1‬‬

‫‪ri‬‬
‫‪1‬‬ ‫‪4‬‬ ‫‪3‬‬
‫‪xi‬‬ ‫‪Ri‬‬ ‫‪30‬‬ ‫‪30‬‬ ‫‪30‬‬

‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪30‬‬ ‫‪30‬‬
‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪30‬‬ ‫‪30‬‬
‫‪4‬‬ ‫‪3‬‬ ‫‪8‬‬
‫‪30‬‬ ‫‪30‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪16‬‬
‫‪30‬‬ ‫‪30‬‬
‫‪6‬‬ ‫‪7‬‬ ‫‪23‬‬
‫‪30‬‬ ‫‪30‬‬
‫‪7‬‬ ‫‪26‬‬
‫‪3‬‬
‫‪30‬‬ ‫‪30‬‬
‫‪8‬‬
‫‪4‬‬ ‫‪30‬‬
‫‪30‬‬ ‫‪30‬‬
 ‫نمودارهاي آماري‪:‬‬

‫تجسم عيني اطالعات نهفته در دادهها‬

‫ستوني (ميلهای یا نردهای)‬
‫دایرهای (لولهای)‬
‫مستطيلي (هيستوگرام)‬
‫چندبر فراواني (چندضلعي)‬
‫چندبر فراواني تجمعي‬
‫نمودار شاخه و برگ‬
 ‫نمودارهاي آماري‪:‬‬
‫نمودار ميلهاي‬
‫مناسب برای متغيرهای کيفي یا گسسته‬
‫نمایش فراواني هر گروه با یک ميله‬

‫‪60‬‬

‫‪50‬‬

‫‪40‬‬

‫‪30‬‬

‫‪20‬‬

‫‪10‬‬

‫‪0‬‬
 ‫نمودارهاي آماري‪:‬‬
‫نمودار دایرهاي‬
‫مناسب برای متغيرهای کيفي یا گسسته‬
‫نمایش فراواني هر گروه با بخشي از سطح دایره‬
 ‫نمودارهاي آماري‪:‬‬
‫نمودار هيستوگرام‬
‫مناسب برای متغيرهای کمي پيوسته‬
‫همانند نمودار ميلهای است با این تفاوت که به جای ميلهها‪ ،‬از مستطيل برای نمایش فراواني هر‬
‫دسته استفاده ميشود‪.‬‬
‫ارتفاع هر مستطيل برابر فراواني نسبي‬

‫عرض مستطيل برابر طول واقعي كالس‬

‫مركز هر مستطيل نماينده كالس‬

‫‪25‬‬
 ‫نمودارهاي آماري‪:‬‬

‫چندبر فراواني‬

‫‪24/0‬‬

‫‪12/0‬‬

‫‪04/0‬‬
 ‫نمودارهاي آماري‪:‬‬

‫چندبر فراواني تجمعي‬

‫‪00/1‬‬
‫‪94/0‬‬
‫‪90/0‬‬
‫‪78/0‬‬

‫‪62/0‬‬
‫از اتصال نقاطي که طول آنها مرز رده و‬
‫‪44/0‬‬ ‫عرض آنها فراواني نسبي تجمعي تا آ ن‬
‫مرز باشد‪ ،‬یك خط شکسته به دست‬
‫ميآید که آن را چندبر فراواني تجمعي‬
‫‪2/0‬‬ ‫مينامند‬
‫‪08/0‬‬

‫‪25‬‬
 ‫نمودارهاي آماري‪:‬‬
‫‪4/1‬‬ ‫***‬ ‫نمودار شاخه و برگ‬
‫‪5/1‬‬ ‫*‬
‫‪6/1‬‬ ‫***‬

‫‪2‬‬ ‫**‬ ‫‪7/1‬‬ ‫***‬

‫‪3‬‬ ‫****‬ ‫‪8/1‬‬ ‫******‬

‫‪4‬‬ ‫***‬ ‫‪9/1‬‬ ‫******‬

‫‪5‬‬ ‫********‬ ‫‪0/2‬‬ ‫*****‬

‫‪6‬‬ ‫*******‬ ‫½‬ ‫****‬

‫‪7‬‬ ‫***‬ ‫‪2/2‬‬ ‫*****‬

‫‪8‬‬ ‫****‬ ‫‪3/2‬‬ ‫***‬

‫‪4/2‬‬ ‫***‬
‫‪5/2‬‬ ‫***‬
‫‪6/2‬‬ ‫**‬
‫‪7/2‬‬
‫‪8/2‬‬
‫‪9/2‬‬ ‫***‬
 ‫نمودارهاي آماري‪:‬‬
‫نمرات ‪ 80‬دانشجو در امتحانات نهایي درس آمار‪:‬‬
‫‪68 84‬‬ ‫‪75‬‬ ‫‪82‬‬ ‫‪68‬‬ ‫‪90‬‬ ‫‪62‬‬ ‫‪88‬‬ ‫‪76‬‬ ‫‪93‬‬
‫‪73 79‬‬ ‫‪88‬‬ ‫‪73‬‬ ‫‪60‬‬ ‫‪93‬‬ ‫‪71‬‬ ‫‪59‬‬ ‫‪85‬‬ ‫‪75‬‬
‫شاخه‬ ‫‪61 65‬‬ ‫‪75‬‬ ‫‪87‬‬ ‫‪74‬‬ ‫‪62‬‬ ‫‪95‬‬ ‫‪78‬‬ ‫‪63‬‬ ‫‪72‬‬
‫‪66 78‬‬ ‫‪82‬‬ ‫‪75‬‬ ‫‪94‬‬ ‫‪77‬‬ ‫‪69‬‬ ‫‪74‬‬ ‫‪68‬‬ ‫‪60‬‬
‫‪99 78‬‬ ‫‪89‬‬ ‫‪61‬‬ ‫‪75‬‬ ‫‪95‬‬ ‫‪60‬‬ ‫‪79‬‬ ‫‪83‬‬ ‫‪71‬‬
‫برگ‬ ‫‪79 62‬‬ ‫‪67‬‬ ‫‪97‬‬ ‫‪78‬‬ ‫‪85‬‬ ‫‪76‬‬ ‫‪65‬‬ ‫‪71‬‬ ‫‪75‬‬
‫‪5‬‬ ‫‪079‬‬ ‫‪65 80‬‬ ‫‪73‬‬ ‫‪57‬‬ ‫‪88‬‬ ‫‪78‬‬ ‫‪62‬‬ ‫‪76‬‬ ‫‪50‬‬ ‫‪74‬‬
‫‪6‬‬
‫‪86 67‬‬ ‫‪73‬‬ ‫‪81‬‬ ‫‪72‬‬ ‫‪63‬‬ ‫‪76‬‬ ‫‪75‬‬ ‫‪85‬‬ ‫‪77‬‬
‫‪000112222335556 78 89‬‬
‫‪7‬‬ ‫‪111223333444555555566667788888999‬‬
‫‪8‬‬ ‫‪012234555678889‬‬
‫‪9‬‬ ‫‪03345579‬‬
 ‫شاخصهاي مرکزي‪:‬‬
‫ميانگين‪:‬‬
‫مهمترین و مفيدترین شاخص مرکزی‬
‫متوسط (معدل) مقادیر دادهها‬
‫جمع کل دادهها تقسيم بر تعداد‬
‫‪1 n‬‬
‫‪x =  fx‬‬
‫‪n i=1 i i‬‬
‫ویژگيها‪:‬‬
‫استفاده از همه دادهها در محاسبه‬
‫اگر همه دادهها با یک عدد خاص جمع‪ ،‬تفریق‪ ،‬ضرب یا تقسيم شوند ميانگين به همان نسبت تغيير‬
‫ميکند‪.‬‬
‫مجموع انحراف دادهها از ميانگين صفر است‪.‬‬
‫موارد استفاده‪:‬‬
‫برای دادههای کمي‬
 ‫شاخصهاي مرکزي‪:‬‬
‫ميانه‪:‬‬
‫مقداری که نصف دادهها از آن کوچکتر باشند (مقدار مياني یا وسطي)‬
‫اگر دادهها را از کوچک به بزرگ مرتب نمایيم‪ ،‬عدد ‪ m‬را ميانه این دادهها ميناميم اگر نصف دادهها‬
‫در سمت چپ و نصف داده در سمت راست این عدد قرار گيرد‪.‬‬
‫موارد استفاده‪:‬‬
‫دادههای کمي یا کيفي ترتيبي‬
‫برتري نسبت به ميانگين‪:‬‬
‫حساس نبودن به مقادیر بسيار بزرگ یا کوچک و متفاوت با سایر دادهها‬
‫قابليت استفاده برای متغيرهای ترتيبي‬
 ‫شاخصهاي مرکزي‪:‬‬

‫نما‪:‬‬
‫دادهای که فراواني آن نسبت به دیگر دادهها بيشتر باشد‪) M( ،‬‬
‫ویژگي‪:‬‬
‫سادگي محاسبه‬
‫موارد استفاده‪:‬‬
‫برای همهی انواع دادهها‬
 ‫شاخصهاي مرکزي‪:‬‬
‫• چاركها‬
‫• چارکهای اول‪ ،‬دوم و سوم ( ‪ Q 2 ،Q1‬و ‪ )Q 3‬به ترتيب دادههایي هستند که ‪ 0/50 ،./ 25‬و ‪0/75‬‬
‫دادهها از آن کوچکتر هستند‪.‬‬
‫دهكها‬
‫•دهکهای اول تا نهم ( ‪ )D9 ،... ، D2 ، D1‬به ترتيب دادههایي هستند که ا‪ 0/9 ،... ، 0/2 ،./‬دادهها از‬
‫آن کوچکتر هستند‪.‬‬
‫دهكها‬
‫• صدکهای اول تا نود و نهم ( ‪ )P99 ،... ، P2 ،P1‬به ترتيب دادههایي هستند که ا‪0/99 ،... ، 0/02 ،./ 0‬‬
‫دادهها از آن کوچکتر هستند‪.‬‬
 ‫شاخصهاي پراکندگي‪:‬‬
‫اهميت با ذکر مثال‪:‬‬
‫دو مجموعه داده‪:‬‬
‫‪15 ، 14 ، 13 ، 12 ، 11‬‬
‫‪20 ، 19 ، 13 ، 7 ، 6‬‬
‫ميانگين و ميانه برابر‬
‫اما تفاوتهای ساختاری زیاد‬
‫الزم است عالوه بر اندازهگيری شاخصهای مرکزی‪ ،‬در خصوص تغييرات‪ ،‬تفاوتها و اختالفهای بين‬
‫دادهها نيز کسب اطالع نمود‪.‬‬
‫بدین منظور از شاخصهای پراکندگي استفاده ميشود‪.‬‬
 ‫پراکندگي‪:‬روشي ساده براي اندازهگيري پراکندگي دادهها‬ ‫شاخصهاي‬
‫مطلوب نبودن در بسياري از موارد‬

‫)‪R  y ( n )  y (1‬‬ ‫داده ) ‪ y ( n‬بزرگترین دادهها‬ ‫)‪y (1‬استفاده از دو‬

‫کوچكترین و‬ ‫تنها‬ ‫دامنه‬
‫متوسط توان دوم اختالف دادهها از ميانگين‬
‫‪1 k‬‬ ‫واحد اندازهگيري‪ :‬توان دوم ‪2‬واحد ‪ 2‬اندازه‪1 k‬‬
‫‪s   f i (x i  x )   f i x i  x‬‬
‫‪2‬‬ ‫گيري ‪2‬‬ ‫واریانس‬
‫‪n i 1‬‬ ‫‪n i 1‬‬ ‫دادهها‬
‫‪1 k‬‬
‫‪‬‬ ‫انحراف معيار‬
‫جذر مثبت واریانس‬
‫‪s‬‬ ‫‪f i ( x i  x )2‬‬
‫‪n i 1‬‬
‫واحد اندازهگيري مشابه دادهها‬
‫‪s‬‬
‫‪v ‬‬ ‫ضریب تغييرات‬
‫‪x‬‬ ‫شاخص پراکندگي بدون واحد‬
‫مقایسه پراکندگي متغيرهاي با واحد اندازهگيري متفاوت‬
 ‫تعریف‪:‬‬

‫نمونه گيری فرایند انتخاب کردن تعداد کافي از ميان اعضای جامعه آماری است‪ ،‬به طوری‬
‫که با مطالعه گروه نمونه و فهميدن خصوصيات یا ویژگيهای آزمودنيهای گروه نمون ه ق ادر‬
‫خواهيم بود این خصوصيات یا ویژگيها را به اعضای جامعه آماری تعميم دهيم‪.‬‬
 ‫دالیل نمونه گيري‪:‬‬

‫در بررسي های پژوهشي که شامل چند صد و حتي چند هزار عضو جامعه آماری مي شود عمال غي ر‬
‫ممکن است که اطالعات را از هر عضو جمع آوری کنيم‪ .‬حتي اگر امکان پذیر هم باشد به لحاظ زمان‪،‬‬
‫هزینه و سایر مسایل منابع انساني مقدور نيست‪.‬‬
‫عالوه بر اینها مطالعه یک گروه نمونه به جای کل جامعه آماری گاهي ممک ن اس ت منج ر ب ه نت ای‬
‫معتبرتری شود به خاطر اینکه خستگي کمتری وجود خواه د داش ت و از ای ن رو خطاه ای کمت ری‬
‫درجمع آوری اطالعات پدید مي آورد‪،‬مخصوصا موقعي که اعضای جامعه آماری بسيار وسيع باشد‪.‬‬
 ‫معرف بودن نمونه‪:‬‬

‫ما باید بتوانيم گروه نمونه را به صورتي انتخ اب کن يم ک ه مع رف جامع ه آم اری باش د و‬
‫ویژگيهای آن رادر برداشته باشد‪ .‬به ندرت گروه نمونه جانشين کاملي برای جامعه آماری که‬
‫از آن بيرون آمده است خواهد بود؛ ولي اگر گروه نمونه را به طور علمي برگزینيم ميتوانيم‬
‫به طور منطقي مطمئن باشيم که آماره های گروه نمونه خيلي نزدیک به پارامترهای جامع ه‬
‫آماری خواهد بود‪.‬‬
 ‫نرمال بودن توزیع نمونه‪:‬‬

‫بسياری از صفت ها یا ویژگيها در جامعه آماری عموما به طور طبيعي توزیع مي شود یعني صفت‬
‫هایي مانند قد و وزن چنان هستند که بيشتر مردم اطراف مي انگين ق رار دارن د‪ .‬اگ ر ق رار باش د‬
‫ویژگيهای جامعه آماری را با دقت معقول از ویژگي های موجود در گروه نمونه براورد کن يم گ روه‬
‫نمونه باید چنان انتخاب شده باشد که توزیع ویژگيهای مورد نظر ما در آن همان نوع توزیع نرمال‬
‫را که در جامعه وجود دارد دنبال کند‪ .‬برای رسيدن به این هدف و داشتن یک گروه نمونه مع رف‬
‫باید اوال حجم نمونه به حد کافي بزرک بگيریم و ثانيا طرح نمونه برداری مناسبي را انتخاب کنيم‪.‬‬
 ‫انواع نمونه گيري‪:‬‬

‫دو نوع اصلي طرح نمونه گيری وجود دارد‪:‬‬

‫‪ .1‬نمونه برداری احتمالي‬

‫‪ .2‬نمونه برداری غير احتمالي‬

 ‫نمونه گيري احتمالي‪:‬‬

‫در نمونه گيری احتمالي اعضای جامعه شانس یا احتمال شناخته شده ای دارند که به عنوان‬
‫آزمودني گروه نمونه انتخاب شوند‪.‬‬
‫طرح های نمونه گيری احتمالي موقعي به کار مي رود که مع رف ب ودن گ روه نمون ه ب رای‬
‫اهداف تعميم پذیری دارای اهميت باشد‪.‬‬

‫‪ ‬نمونه گيری احتمالي شامل دو دسته نامحدود ومحدود مي باشد‪.‬‬

 ‫نمونه گيري احتمالي نا محدود ( نمونه برداري تصادفي ساده)‪:‬‬

‫در این نوع نمونه گيری اعضای جامعه آماری یک شانس معين وبرابر برای انتخاب ش دن ب ه‬
‫عنوان آزمودني دارند‪ .‬این نوع نمونه گيری کمترین سوگيری وبيشترین تعميم پذیری را دارا‬
‫مي باشد‪ .‬اما این روش پر زحمت وپر هزینه است وگاهي نمي توانيم فهرست کامال جدیدی از‬
‫جامعه آماری بدست آوریم ‪.‬‬
 ‫نمونه گيري احتمالي محدود یا پيچيده‪:‬‬

‫مرسومترین طرحهای نمونه گيری احتمالي پيچيده که به عنوان جایگزینهایي برای طرح‬
‫پرزحمت و پر هزینه احتمالي ساده به شمار ميروند عبارتند از‪:‬‬
‫الف) نمونه گيری سيستماتيک‬
‫ب) نمونه گيری تصادفي طبقهای‬
‫ج) نمونه گيری خوشهای‬
‫د) نمونه گيری خوشه ای مرحله ای‬
 ‫الف) طرح نمونه گيري نظام دار(سيستماتيك)‪:‬‬

‫طرح نمونه گيری منظم شامل بيرون آوردن هر ‪ n‬امين عضو جامعه آماری است‪ ,‬به گونهای که‬
‫این عضو به طور تصادفي بين ‪ 1‬و‪ n‬انتخاب مي شود‪ .‬اگر ما گروه نمونه ای از ‪ 35‬خ انوار از ک ل‬
‫جامعه آماری شامل ‪ 260‬خانه در یک محل خاص را بخواهيم‪ ,‬ميتوانيم با انتخاب شماره تصادفي‬
‫مثال ‪ 7‬هر هفتمين خانه را با شمارش ‪ 1‬تا ‪ 7‬نمونه ب رداری کن يم یعن ي خان ه ه ای ش ماره ‪ 7‬و‬
‫‪ 14‬و‪ 21‬و‪...28‬‬
 ‫ب) طرح نمونه گيري تصادفي طبقه اي ‪:‬‬

‫نمونه گيری تصادفي طبق های مس تلزم طبق هبن دی جامع ه آم اری و س نس انتخ اب تص ادفي‬
‫آزمودنيها از هر طبقه است‪.‬در نمونه برداری تصادفي طبقه ای جامعه آماری ابتدا ب ه گروهه ای‬
‫ناسازگاری که دربافت پژوهش مرتبط‪ ،‬متناسب و معنا دار هستند تقسيم ميشود‪ .‬وسنس از هر‬
‫طبقه نمونه برداری صورت ميگيرد‪ .‬پيدا کردن احتماالت در پارامترهای گروههای فرعي در داخل‬
‫جامعه آماری بدون روش نمونه گيری تصادفي طبقه ای امکان پذیر نيست‪ .‬وقتي جامعه آماری با‬
‫روش معناداری طبقهبندی شد‪ ,‬نمونه گيری منظم انتخاب شود‪.‬‬
 ‫پ) نمونه گيري خوشه اي ‪:‬‬

‫این طرح شامل تقسيم بندی جامعه آماری به خوشههای مناسب ميشود‪ ،‬در حالي که بطور تصادفي‬
‫تعداد الزم از خوشهها را به عنوان آزمودنيهای گروه نمونه انتخاب کرده و پ س از آن ه م اعض ای‬
‫جامعه آماری در هر یک از این خوشهها مورد مطالعه قرار ميگيرند‪.‬‬
‫گروههایي از اعضای جامعه آماری به طوری که عدم تجانس در ميان اعضای هر گروه وجود داشته‬
‫باشد برای مطالعه انتخاب ميشوند‪ .‬نمونه گيری خوشهای عدم تجانس بيشتری را در داخل گروهها و‬
‫تجانس بيشتری را در بين گروهها ارائه ميکند که عکس آن چيزی است که م ا در نمون ه گي ری‬
‫تصادفي طبقهای ميیابيم زیرا در آن تجانس در هر گروه و عدم تجانس در ميان گروهها وجود دارد ‪.‬‬
 ‫نمونه گيري خوشهاي چند مرحلهاي ‪:Multiple cluster sampling‬‬

‫بواسطه گستردگي بيش از حد جامعه محقق ناگزیر ميگردد نمونه را ط ي دو ی ا چن د مرحل ه‬

‫انتخاب کند ‪.‬‬
‫جامعه موردنظر را دقيقا تعریف کنيد ‪.‬‬ ‫•‬
‫واحدها یا خوشههای نمونه برداری را تعریف کنيد ‪.‬‬ ‫•‬
‫تعدادی از خوشهها یا واحدها را به صورت تصادفي انتخاب کنيد ‪.‬‬ ‫•‬
‫از ميان خوشههای انتخاب شده تعداد افراد مورد نظر را به روش تصادفي انتخاب کنيد ‪.‬‬ ‫•‬

‫‪38‬‬
 ‫جامعه‬

‫ب‬ ‫ب‬
‫الف ج ب‬ ‫الف ب ج ح‬ ‫ج‬ ‫یف‬ ‫ج‬
‫‪% 25‬‬ ‫یف‬
‫دخت‬ ‫س‬
‫خپ کم‬ ‫م‬ ‫س‬ ‫م‬
‫پ ک ق ل رظ ض‬ ‫ه شیط‬ ‫ص‬ ‫ح‬ ‫ص‬ ‫خ‬ ‫ح‬
‫خ‬ ‫ض‬
‫ثسص‬ ‫‪% 50‬‬ ‫ض‬
‫فقصگ‬ ‫الف‬ ‫ش‬ ‫الف‬ ‫ش‬
‫فمذط‬ ‫گ‬ ‫ه‬ ‫گ‬
‫‪% 25‬‬ ‫ه‬

‫سح‬
‫مخ‬
‫یف‬

‫ب‬
‫ج‬ ‫‪% 25‬‬ ‫سح‬
‫گذس‬ ‫خشمی‬
‫معط‬ ‫‪% 50‬‬ ‫یف‬ ‫ی مس‬
‫مخ‬
‫خ‬ ‫ف‬
‫‪% 25‬‬

‫‪39‬‬
‫نمونه‬
 ‫نمونه گيري غير احتمالي‪:‬‬

‫اعضای جامعه آماری هيچ احتمالي برای انتخاب شدن در گروه نمون ه ب ه عن وان آزم ودني را‬
‫ندارند‪ .‬بدین معني که یافته های مطالعه گروه نمونه را نمي توان به اطمينان ب ه جامع ه‬
‫آماری تعميم داد‪ .‬و زماني مورد استفاده قرار مي گيرد که پژوهش گر ب ه روش س ریع و‬
‫ارزان بيشتر عال قه من باشد تا تعميم پذیری یافته ها‪.‬‬

‫نمونه گيری غير احتمالي دو گروه عمده نمونه برداری در دسترس ونمونه برداری هدف‬ ‫‪‬‬

‫دار را شامل مي شود ‪.‬‬

 ‫الف) نمونه برداري در دسترس‪:‬‬

‫در این طرح‪ ,‬در دسترس ترین اعضا به عنوان آزمودني انتخاب ميشوند این طرح ب ه ه يچ‬
‫وجه قابل تعميم نميباشد و برای پژوهش علمي مناسب نيست و ممک ن اس ت در م واقعي‬
‫برای کسب اطالعات سریع و استفاده از نتای آن به کار رود‪.‬‬
 ‫ب) نمونه گيري هدف دار‪:‬‬

‫ممکن است گاهي ضروری باشد به جای کس ب اطالع ات از کس اني ک ه در دس ترس هس تند‪،‬‬
‫اطالعات را از افراد خاص بدست آوریم یعني افرادی که قادر خواهند بود اطالعات مطلوب را ارائه‬
‫دهند به این دليل که آنها تنها کساني هستند که مي توانن د اطالع ات الزم را بدهن د ی ا اف رادی‬
‫هستند که با معيار خاص که پژوهشگر در نظر دارد وفق دهد‪ .‬چنين روش نمونه گير ی را هدفمند‬
‫مينامند ‪.‬‬
‫انواع نمونه گيری هدفدار‪:‬‬

‫•نمونه برداری قضاوتي‬

‫• نمونه برداری سهميهای‬
 ‫‪ ) 1‬نمونه برداری قضاوتي‪:‬‬

‫این طرح زماني به کار مي رود که گرد آوری "داده های تخصصي و دقيق" در نمونه موضوع پژوهش‬
‫جنبه حياتي دارد و هيچ یک از طرحهای نمونه برداری احتمالي امکان گرد آوری چنين دادههایي را‬
‫بدست نميدهد‪ .‬نمونه گيری قضاوتي مستلزم انتخاب آزمودنيهایي است که بهترین شرایط را برای‬
‫ارائه اطالعات مورد نياز دارند‪.‬‬

‫‪) 2‬نمونه برداری سهميهای‪:‬‬

‫نمونه گيری سهميه ای شکلي از نمونه گيری طبقهای متناسب با حجم است که در آن از افراد‬
‫گروههای مختلف و در دسترس را بر ميگزینند‪ .‬یعني آزمودنيها منحصرا از اعضای مورد نظر و در‬
‫دسترس بر طبق تعداد یا سهميهای که پيشتر تعيين شده انتخاب ميشوند‪.‬‬
 ‫برآورد حجم نمونه‪:‬‬

‫‪ .1‬حجم نمونه برای برآورد یک نسبت در جمعيت‪:‬‬

‫مثال‪ :‬محققي ميخواهد برآورد نماید که احتمال یک خطر ‪ 10‬ساله بيماری قلبي عروقي در بين‬
‫مردان ‪ 40‬تا ‪ 79‬ساله در شمال ایران چقدر است‪ .‬درمطالعه ای در سال ‪ 2009‬که نتای آن در سال‬
‫‪ 2015‬منتشر شد این شيوع برابر ‪ 48/9‬درصد برآورد گردید‪ .‬این محقق‪ ،‬به چند نمونه نياز خواهد‬
‫داشت‪ ،‬اگر خطای نوع اول را برابر ‪ 5‬درصد درنظر بگيرد؟‬
 ‫برآورد حجم نمونه‪:‬‬

‫‪ .2‬حجم نمونه برای برآورد یک ميانگين در جمعيت‪:‬‬

‫مثال‪ :‬محققي ميخواهد ميانگين فشار خون سيستوليک زنان ‪ 18‬سال و باالتر را در شمال ایران‬
‫تخمين بزند‪ .‬براساس مطالعه ای که در گذشته بر روی همين جمعيت صورت گرفت برآورد فشار‬
‫خون برابر ‪ 115/42 ± 17/60‬بدست آمد‪ .‬برای هدایت این مطالعه محقق به چند نمونه نياز خواهد‬
‫داشت‪ ،‬اگر دقت را در این مطالعه ‪ 2‬ميلي متر جيوه در نظر گرفته باشد ( البته با خطای یک‬
‫درصد)؟‪.‬‬
 ‫برآورد حجم نمونه‪:‬‬

‫‪ .3‬برآورد حجم نمونه برای مقایسه ميانگينهای دو جامعه با واریانسهای برابر‪:‬‬

‫‪ .4‬برآورد حجم نمونه برای مقایسه ميانگينهای دو جامعه با واریانسهای نابرابر‪:‬‬

‫مثال‪ :‬فرض کنيد محققي بخواهد ميانگين فشار خون را در دو جمعيت مقایسه کند‪ .‬او این فرضيه را‬
‫در ذهن خود دارد که ميانگين فشار خون در این دو جامعه با هم برابر نيست‪ .‬اگر واریانسها باهم‬
‫برابر باشند یا نباشند چه مقدار حجم نمونه مورد نياز است در صورتي که انحراف معيارهای دو‬
‫جامعه براساس برآوردهای قبلي برابر ‪ 15‬و ‪ 20‬ميليمتر جيوه باشد‪ ،‬خطای آلفا ‪ 5‬درصد‪ ،‬توان‬
‫مطالعه ‪ 90‬درصد و حداقل تفاوت با اهميت از نظر باليني برابر ‪ 10‬ميليمتر جيوه اختيار شود‪ .‬این‬
‫محقق نسبت تخصيص را برابر ‪ 1‬ميگيرد‪.‬‬
 ‫برآورد حجم نمونه‪:‬‬

‫‪ .5‬برآورد حجم نمونه برای مقایسه یک ميانگين با یک عدد مرجع‪:‬‬

‫مثال‪ :‬فرض کنيد محققي ميخواهد تعيين کند آیا تفاوت معني داری بين ميانگين قند خون جامعه‬
‫ای با یک عدد ثابت که آن را ‪ 100‬ميلي گرم در دسي ليتر در نظر گرفت‪ ،‬وجود دارد یا خير؟ فرض‬
‫کنيد او ‪ 10‬ميليگرم در دسي ليتر تفاوت در قند خون ناشتا را از لحاظ باليني با اهميت تلقي کرده و‬
‫ميخواهد بداند که آیا قند خون اندازه گيری شده بيش از ‪ 10‬ميلي گرم با عدد ‪ 100‬تفاوت دارد یا‬
‫خير؟ محقق خطای آلفا را ‪ 5‬درصد و خطای بتا را ‪ 20‬درصد برای مطالعه در نظر ميگيرد ‪.‬‬
 ‫برآورد حجم نمونه‪:‬‬

‫‪ .6‬برآورد حجم نمونه برای مقایسه ميانگينهای دو جامعه مستقل که نتای در دو زمان متفاوت‬
‫بدست ميایند‪:‬‬

‫مثال‪ :‬محققي قصد دارد تغييرات ميانگين فشارخونهای سيستوليک را در بين گروه درماني و کنترل‬
‫مقایسه نماید‪ .‬براساس مطالعات قبلي انحراف معيارهای مقادیر پایه و پيگيری ( با فاصله یکسال) به‬
‫ترتيب برابر ‪ 15‬و ‪ 12‬ميلي متر جيوه وضریب همبستگي بين دو اندازه گيری برابر ‪ 0/7‬بدست آمد‪.‬‬
‫همچنين کاهش ميانگين برای گروه درمان در عرض ‪ 1‬سال ‪ 10‬ميليمتر جيوه و گروه کنترل ‪3‬‬
‫ميليمتر جيوه بدست آمد‪ .‬اگر این محقق بخواهد چنين مطالعه ای را با توان ‪ 80‬درصد و خطای نوع‬
‫اول ‪ 5‬درصد هدایت نماید به چه حجم نمونه ای نياز خواهد داشت؟‬