‫ﺻﻔﺣﻪ اﺻﻠﯽ‬

‫ﺗﺑﻠﯾﻐﺎت‬
‫رﯾﺎﺿﯾﺎت‬
‫ھوش ﻣﺻﻧوﻋﯽ‬
‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬
‫ﻣﮫﻧدﺳﯽ‬

‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬

‫ﺗوزﯾﻊ ﻧرﻣﺎل و ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد — ﺑﻪ‬

‫زﺑﺎن ﺳﺎده‬
‫‪ ۱۸ ‬ﺗﯾر ‪ 7  / ۱۳۹۴‬دﻗﯾﻘﻪ ﻣطﺎﻟﻌﻪ ‪  /‬ﻣﺳﻌود ﻋﺑداﻟرﺣﯾﻣﯽ‬

‫ﺧﺎﻧﻪ « ﺗوزﯾﻊ ﻧرﻣﺎل و ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد — ﺑﻪ زﺑﺎن ﺳﺎده‬

‫‪ 82611 ‬ﺑﺎزدﯾد‬ ‫‪ ‬آﻣﺎر ‪ ,‬رﯾﺎﺿﯽ‬

‫ﻋﺿوﯾت در ﺧﺑرﻧﺎﻣﻪ‬
‫‪ ‬ﺗﻌداد ﺑﺎزدﯾد ھﺎ‪82,611 :‬‬
‫اﯾﻣﯾل *‬
‫ﺷﺎﯾد ﺗﺎ ﮐﻧون ﺑﺎرھﺎ ﻋﺑﺎرت »ﺗوزﯾﻊ آﻣﺎری« ﺑﻪ ﮔوشﺗﺎن ﺧورده ﺑﺎﺷد‪ ،‬وﻟﯽ ﺗﺻور دﻗﯾﻘﯽ از ﻣﻌﻧﯽ اﯾن اﺻطﻼح ﻧداﺷﺗﻪ‬
‫ﺑﺎﺷﯾد‪ .‬ﭘس از اﻧﺟﺎم ھر ﻧوع اﻧدازهﮔﯾری ھﻣواره ﺗﻌدادی داده )ﻋدد( در اﺧﺗﯾﺎر دارﯾم ﮐﻪ ﻣﯽﺧواھﯾم ارﺗﺑﺎط ﺑﯾن آﻧﮫﺎ را‬
‫ﮐﺷف ﮐﻧﯾم ﯾﺎ آﻧﮫﺎ را دﺳﺗﻪﺑﻧدی ﻧﻣﺎﯾﯾم ﺗﺎ ﺑﺗواﻧﯾم آﻧﮫﺎ را ﺗﺟزﯾﻪ و ﺗﺣﻠﯾل ﮐﻧﯾم‪ .‬ﺑرای اﻧﺟﺎم اﯾن ﮐﺎر اﺑﺗدا ﻣﯽﺑﺎﯾﺳت ﻧﺣوه‬ ‫ﻋﺿوﯾت‬
‫ﺗوزﯾﻊ دادهھﺎ را ﺑداﻧﯾم‪ .‬ﺑﻪ ﻋﺑﺎرت ﺳﺎدهﺗر ﺗوزﯾﻊ دادهھﺎ ﺑﻪ ﻣﺎ ﻣﯽﮔوﯾد ﮐﻪ ﭘراﮐﻧدﮔﯽ و ﮔﺳﺗردﮔﯽ دادهھﺎﯾﯽ ﮐﻪ ﺟﻣﻊآوری‬
‫ﮐرده اﯾم ﭼﮔوﻧﻪ اﺳت‪.‬‬

‫ﻣﺣﺗوای اﯾن ﻣطﻠب ﺟﮫت ﯾﺎدﮔﯾری ﺑﮫﺗر و ﺳرﯾﻊﺗر آن‪ ،‬در اﻧﺗﮫﺎی ﻣﺗن ﺑﻪ ﺻورت وﯾدﯾوﯾﯽ ﻧﯾز اراﺋﻪ ﺷده اﺳت‪.‬‬ ‫آﻣوزش ﺑرﻧﺎﻣﻪ ﻧوﯾﺳﯽ‬

‫ﺑرای ﻣﺷﺎھده وﯾدﯾوھﺎ ﮐﻠﯾک ﮐﻧﯾد‪.‬‬

‫آﻣوزش ﻣﺗﻠب ‪Matlab‬‬

‫ﻼ اﮔر ﺷﻣﺎ ھر روز ھﻔﺗﻪ ﺻﺑﺢ ﺑﻪ ورزش ﻣﯽﭘردازﯾد‪ ،‬ﺗوزﯾﻊ زﻣﺎنھﺎی ورزﺷﯽ ﺷﻣﺎ ﺑﻪ ﺻورت ﺧطﯽ اﺳت‪ .‬دادهھﺎ‬ ‫ﻣﺛ ً‬
‫ﻧرماﻓزارھﺎی ﻣﮫﻧدﺳﯽ ﺑرق‬
‫ﻻ ﺗﻼش ﻣﯽﮐﻧﻧد‬ ‫ﻣﻣﮐن اﺳت ﺑﺳﺗﻪ ﺑﻪ ﻣﺎھﯾت آزﻣﺎﯾش و ﻋواﻣل ﮔوﻧﺎﮔون ﺑﻪ اﻧواع ﻣﺧﺗﻠﻔﯽ ﺗوزﯾﻊ ﯾﺎﻓﺗﻪ ﺑﺎﺷﻧد‪ .‬ﻣﺣﻘﻘﯾن ﻣﻌﻣو ً‬
‫درﯾﺎﺑﻧد ﮐﻪ ﺗوزﯾﻊ دادهھﺎ ﺑﻪ ﮐدام ﺗواﺑﻊ رﯾﺎﺿﯽ ﻧزدﯾکﺗر ھﺳﺗﻧد‪ ،‬ﺗﺎ ﺑدﯾن ﺗرﺗﯾب ﺑﺗواﻧﻧد ﺗﺣﻠﯾل ﺻﺣﯾﺣﯽ از‪  ‬ﻣﺎھﯾت ﺗوزﯾﻊ و‬
‫ﻧرماﻓزارھﺎی ﻣﮫﻧدﺳﯽ ﻋﻣران‬
‫ﻣﺣﺎﺳﺑﺎت ﺑر روی آن داﺷﺗﻪ ﺑﺎﺷﻧد‪ .‬ﯾﮐﯽ از ﻣﮫمﺗرﯾن ﺗوزﯾﻊھﺎی آﻣﺎری‪» ،‬ﺗوزﯾﻊ ﻧرﻣﺎل« ﻧﺎم دارد‪.‬‬

‫ﻧرماﻓزارھﺎی ﻣﮫﻧدﺳﯽ ﻣﮐﺎﻧﯾک‬

‫ﻧرماﻓزارھﺎی ﻣﮫﻧدﺳﯽ ﺻﻧﺎﯾﻊ‬

‫‪Privacy - Terms‬‬
 ‫ﻣﺮﺟﻊ ﻓﯿﻠﻢ ﻫﺎی آﻣﻮزش رﯾﺎﺿﯿﺎت داﻧﺸﮕﺎﻫﯽ‬
‫ﺗﺑﻠﯾﻐﺎت‬
‫دروس ﻣﮫﻧدﺳﯽ ﺑرق‬

‫ﻣﺮﺟﻊ ﻓﯿﻠﻢﻫﺎی آﻣﻮزش اﮐﺴﻞ ‪ - Excel‬ﺑﻪ زﺑﺎن ﻓﺎرﺳﯽ‬

‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫ﻋﻣران ‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟودروس ﻣﮫﻧدﺳﯽ‬
‫ﻓﯿﻠﻢ آﻣﻮزﺷﯽ آﻣﺎر و اﺣﺘﻤﺎﻻت ﻣﻬﻨﺪﺳﯽ )ﻣﺮور– ﺗﺴﺖ ﮐﻨﮑﻮر ارﺷﺪ(‬
‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬ ‫دروس ﻣﮫﻧدﺳﯽ ﻣﮐﺎﻧﯾک‬
‫ﻧﺎم دﯾﮔر ﺗوزﯾﻊ ﻧرﻣﺎل‪» ،‬ﺗوزﯾﻊ طﺑﯾﻌﯽ« ﯾﺎ »ﺗﺎﺑﻊ ﮔﺎوﺳﯽ« اﺳت‪ ،‬زﯾرا اﯾن ﺗﺎﺑﻊ را ﻧﺧﺳﺗﯾن ﺑﺎر ﮐﺎرل ﻓردرﯾش ﮔﺎوس‬
‫ﭘﯾﺷﻧﮫﺎد ﮐرده اﺳت‪ .‬اﯾن ﺗوزﯾﻊ ﯾﮐﯽ از ﻣﮫﻣﺗرﯾن ﺗوزﯾﻊھﺎی اﺣﺗﻣﺎﻟﯽ ﭘﯾوﺳﺗﻪ در ﻧظرﯾﻪ اﺣﺗﻣﺎﻻت اﺳت‪ .‬ﻋﻠت ﻧﺎمﮔذاری و‬
‫دروس ﻣﮫﻧدﺳﯽ ﮐﺎﻣﭘﯾوﺗر‬
‫ھﻣﭼﻧﯾن اھﻣﯾت اﯾن ﺗوزﯾﻊ‪ ،‬ھمﺧواﻧﯽ ﺑﺳﯾﺎری از ﻣﻘﺎدﯾر ﺣﺎﺻل ﺷده‪ ،‬ھﻧﮔﺎم ﻧوﺳﺎنھﺎی طﺑﯾﻌﯽ و ﻓﯾزﯾﮐﯽ ﭘﯾراﻣون ﯾک‬
‫ﻣﻘدار ﺛﺎﺑت ﺑﺎ ﻣﻘﺎدﯾر ﺣﺎﺻل از اﯾن ﺗوزﯾﻊ اﺳت‪ .‬در اداﻣﻪ اﻧواع ﻣﺧﺗﻠﻔﯽ از ﺗوزﯾﻊھﺎی ﻣﺣﺗﻣل دادهھﺎ را ﻧﺷﺎن دادهاﯾم‪.‬‬
‫دروس ﻣﮫﻧدﺳﯽ ﺻﻧﺎﯾﻊ‬

‫دروس ﻣﮫﻧدﺳﯽ ﻣﻌﻣﺎری‬

‫دروس ﻣﮫﻧدﺳﯽ اﻟﮐﺗروﻧﯾک‬

‫دروس ﻣﮫﻧدﺳﯽ ﮐﻧﺗرل‬

‫دروس ﻣﮫﻧدﺳﯽ ﻗدرت‬

‫●‪  ‬آﻣوزشھﺎی راﯾﮔﺎن‬

‫دادهھﺎ ﻣﻣﮐن اﺳت طوری ﺗوزﯾﻊ ﺷوﻧد ﮐﻪ ﺑﯾﺷﺗر در ﺳﻣت راﺳت ﺑﺎﺷﻧد‪.‬‬
‫●‪  ‬اﺳﺗﺧدام در ﻓرادرس‬

‫آﻣوزش اﮐﺳل ‪Excel‬‬

‫آﻣوزش ﻧرم اﻓزار ‪SPSS‬‬

‫آﻣوزش ﻧرم اﻓزار ‪Catia‬‬

‫آﻣوزش ﻧرم اﻓزار ‪AutoCAD‬‬

‫ﯾﺎ ﻣﻣﮐن اﺳت اﯾن ﺗوزﯾﻊ ﺑﻪ ﮔوﻧﻪای ﺑﺎﺷد ﮐﻪ ﺑﯾﺷﺗر در ﺳﻣت ﭼپ ﺗﺟﻣﻊ ﯾﺎﺑﻧد‪.‬‬
‫آﻣوزش ﻧرم اﻓزار ‪ABAQUS‬‬

‫ﭘرﺑﺣث ﺗرﯾن ﻣطﺎﻟب‬

‫ﻣوﻟﺗﯽ وﯾﺑراﺗور آﺳﺗﺎﺑل —‬
‫راھﻧﻣﺎی ﺟﺎﻣﻊ‬

‫ھﻣﭼﻧﯾن ﻣﻣﮐن اﺳت ﺗوزﯾﻊ دادهھﺎ ﺑﻪ ﺻورت ﻣﺧﺗﻠط ﺑﺎﺷد‪.‬‬

‫ﻣرﺗب ﺳﺎزی ھرﻣﯽ )‪Heap‬‬
‫اﻣﺎ ﻣوارد ﺑﺳﯾﺎری وﺟود دارد ﮐﻪ داده ھﺎ ﻣﯾل ﺑﻪ ﺟﻣﻊ ﺷدن در اطراف ﻣﻘدار ﻣﯾﺎﻧﮔﯾن دارﻧد‪ .‬در ﭼﻧﯾن ﺣﺎﻟﺗﯽ دادهھﺎ ﺑﻪ‬ ‫‪ — (Sort‬ﺑﻪ زﺑﺎن ﺳﺎده‬

‫ﺳﻣت ﭼپ ﯾﺎ راﺳت ﺗﻣﺎﯾل ﻧدارﻧد‪ ،‬ﺑﻪ اﯾن ﺗوزﯾﻊ »ﺗوزﯾﻊ ﻧرﻣﺎل« ﯾﺎ ﺗوزﯾﻊ زﻧﮔوﻟﻪای ﮔﻔﺗﻪ ﻣﯽﺷود‪ .‬ﻣﺛل ﺣﺎﻟت زﯾر‪:‬‬

‫از ﮐﺟﺎ ﻣﯽ داﻧﯾم ﺟﮫﺎن از ﻣﻪ‬

‫ﺑﺎﻧگ زاده ﺷده اﺳت؟‬

‫ﺳﺎﺧت ﮐﯾو آر ﮐد ﺑﺎ ﭘﺎﯾﺗون —‬

‫ﺑﻪ زﺑﺎن ﺳﺎده‬

‫ﯾک ﺗوزﯾﻊ ﻧرﻣﺎل‬

‫»ﺧﻣﯾدﮔﯽ روی ﺳطﺢ زﻧﮔوﻟﻪ«‪ ،‬ﯾک ﺗوزﯾﻊ ﻧرﻣﺎل اﺳت‪ .‬ھﯾﺳﺗوﮔرام زردرﻧگ در ﺗﺻوﯾر ﻓوق ﺑرﺧﯽ از دادهھﺎ را ﮐﻪ ﺑﻪ‬
‫اﯾن ﻣﻧﺣﻧﯽ ﻧزدﯾک ھﺳﺗﻧد ﻧﺷﺎن ﻣﯽ دھد‪ .‬ﻣﻣﮐن اﺳت در ﻣواردی اﯾن دادهھﺎ ﮐﺎﻣ ً‬
‫ﻼ ﻣﻧطﺑق ﺑر ﺷﮐل زﻧﮔوﻟﻪ ﻧﺑﺎﺷد و اﯾن‬
‫ﮔرﺳﻧﮔﯽ و ﺳﯾری ﭼﮔوﻧﻪ رخ‬
‫اﻣری ﻣﻌﻣول و طﺑﯾﻌﯽ اﺳت‪.‬‬
‫ﻣﯽدھﻧد؟‬

‫آﺧرﯾن ﻧظرات‬
‫ﺳﯾد ﺳراج ﺣﻣﯾدی در اﺻطﮐﺎک — ﺑﻪ زﺑﺎن‬
‫ﺳﺎده ﻧوﺷﺗﻪ اﺳت‪:‬‬

‫ﺳﻼم‪ .‬ﻣوارد ﻣذﮐور اﺻﻼح ﺷد‪ .‬از ﺗوﺟﻪ و دﻗت‬

‫ﺷﻣﺎ ﺳﭘﺎﺳﮔزارﯾم‪.‬‬
‫اﯾن ﺗوزﯾﻊ ﺑﯾﺷﺗر ﺑﻪ ﻧﺎم »ﻧﻣودار زﻧﮔوﻟﻪای« ﻧﯾز ﻧﺎﻣﯾده ﻣﯽﺷود‪ ،‬زﯾرا ﺷﮐل ﻣﻧﺣﻧﯽ آن ﺷﺑﯾﻪ ﺑﻪ ﯾک زﻧﮔوﻟﻪ اﺳت‪.‬‬
‫اﺑواﻟﻔﺿل در رﮔرﺳﯾون ﺧطﯽ ﺑﺎ ﻣﺗﻐﯾرھﺎی طﺑﻘﻪ‬
‫ای در ‪ — SPSS‬راھﻧﻣﺎی ﮔﺎم ﺑﻪ ﮔﺎم ﻧوﺷﺗﻪ‬
‫ﻓﯿﻠﻢ آﻣﻮزش ﻣﺤﺎﺳﺒﺎت ذﻫﻨﯽ و ﺳﺮﯾﻊ رﯾﺎﺿﯽ‬
‫اﺳت‪:‬‬

‫ﻓﯿﻠﻢ آﻣﻮزﺷﯽ آﻣﺎر و اﺣﺘﻤﺎﻻت ﻣﻬﻨﺪﺳﯽ )ﻣﺮور– ﺗﺴﺖ ﮐﻨﮑﻮر ارﺷﺪ(‬ ‫ﺳﻼم و درود ﺿﻣن ﺗﺷﮐر از ﻣﺗن راھﻧﻣﺎی ﻋﺎﻟﯽ‬
‫ﺷﻣﺎ وﺟود ﺗﺎﺛﯾر ﻣﺗﻐﯾر طﺑﻘﻪای ﻣﺳﺗﻘل روی‬
‫ﻣﺮﺟﻊ ﻓﯿﻠﻢ ﻫﺎی آﻣﻮزش رﯾﺎﺿﯿﺎت داﻧﺸﮕﺎﻫﯽ‬ ‫ﻣﺗﻐﯾر ﻣﺳﺗﻘل ﮐﻣﯽ در ﻣدل رﮔرﺳﯾون رو ﭼطور‬
‫ﻣﯽ ﺗوﻧﯾم ﻣﺗوﺟﻪ ﺑﺷﯾم؟‬
‫ﻣوارد ﺑﺳﯾﺎری وﺟود دارﻧد ﮐﻪ از ﺗوزﯾﻊ ﻧرﻣﺎل ﺗﺑﻌﯾت ﻣﯽ ﮐﻧﻧد‪:‬‬
‫‪ Reyha‬در ﻣﺷﮐل ھﺎتاﺳﭘﺎت در ‪ iphone‬و‬
‫ﻗد اﻓراد‬
‫روشھﺎی ﺑرطرف ﮐردن آن ﻧوﺷﺗﻪ اﺳت‪:‬‬
‫اﻧدازه اﺟﺳﺎم ﺗوﻟﯾد ﺷده ﻣﺎﺷﯾنآﻻت ﺻﻧﻌﺗﯽ‬
‫‪Privacy - Terms‬‬
‫ﺧطﺎھﺎی اﻧدازهﮔﯾری‬
 ‫ﻓﺷﺎر ﺧون‬ ‫ﺳﻼم‪.‬ﺑﺑﺧﺷﯾد ﮔوﺷﯽ ﻣن ‪ iPhone 7‬ھﺳت و‬
‫ﺗﺑﻠﯾﻐﺎت‬ ‫ﻧﻣرات ﯾک اﻣﺗﺣﺎن‬ ‫‪ . ios ۱۲‬ﻣن وﻗﺗﯽ وارد ‪ setting‬ﮔوﺷﯽ ﻣﯾﺷم‬
‫ﮔزﯾﻧﻪ ای ﺑﻪ اﺳم ‪ cellular‬وﺟود ﻧداره ‪ .‬ﭼﯾﮐﺎر‬
‫در ﭼﻧﯾن ﻣواردی ﻣﯽﮔوﯾﯾم ﮐﻪ دادهھﺎ »ﺑﻪ ﺻورت ﻧرﻣﺎل« ﺗوزﯾﻊ ﯾﺎﻓﺗﻪاﻧد‪:‬‬ ‫ﮐﻧم؟☹‬
‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬

‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬

‫ﮐﺎﻧﺎل ﺗﻠﮔرام »ﻣﺟﻠﻪ‬

‫ﻓرادرس«‬
‫ﺑﻪ ﮐﺎﻧﺎل ﺗﻠﮔرام ﻣﺎ ﺑﭘﯾوﻧدﯾد ﺗﺎ از آﺧرﯾن و ﺑﮫﺗرﯾن‬
‫ﻣطﺎﻟب ﻣﻧﺗﺷر ﺷده در وﺑﻼگ ﻓرادرس آﮔﺎه ﺷوﯾد‪.‬‬

‫ﻋﺿوﯾت‬

‫ﺗوزﯾﻊ ﻧرﻣﺎل دارای ﻣوارد زﯾر اﺳت‪:‬‬

‫ﻣﯾﺎﻧﮔﯾن = ﻣﯾﺎﻧﻪ = ﻣد اﺳت‪.‬‬

‫ﺧط ﺗﻘﺎرن در وﺳط ﻗرار ﻣﯽﮔﯾرد‪.‬‬
‫‪ %50‬ﻣﻘﺎدﯾر‪ ،‬ﮐوﭼﮐﺗر از ﻣﯾﺎﻧﮔﯾن و‪ 50%  ‬دﯾﮔر ﺑزرﮔﺗر از ﻣﯾﺎﻧﮔﯾﻧﮫﺳﺗﻧد‬

‫اﻧﺣراف ﻣﻌﯾﺎر‬
‫اﻧﺣراف ﻣﻌﯾﺎر ﯾﺎ ﺧطﺎی اﺳﺗﺎﻧدارد )‪ ،(Standard Deviation‬ﻣﻌﯾﺎر ﭘراﮐﻧدﮔﯽ اﻋداد اﺳت‪ .‬ھﻧﮔﺎﻣﯽ ﮐﻪ اﻧﺣراف ﻣﻌﯾﺎر‬
‫را اﻧدازهﮔﯾری ﻣﯽ ﮐﻧﯾم‪ ،‬ﺑﻪ طور ﻣﻌﻣول ﺑﺎ ﻣوارد زﯾر ﻣواﺟﻪ ﻣﯽﺷوﯾم‪:‬‬

‫در ﺗﺻوﯾر اول ﻣﯽﺑﯾﻧﯾم ﮐﻪ ‪ %68‬از ﻣﻘدارھﺎ در ﻣﺣدوده ﯾک اﻧﺣراف ﻣﻌﯾﺎر از ﻣﯾﺎﻧﮔﯾن ھﺳﺗﻧد‪ .‬در ﺗﺻوﯾر دوم‪،‬‬
‫‪ %95‬از ﻣﻘدارھﺎ در ﻣﺣدوده دو ﺑراﺑر اﻧﺣراف ﻣﻌﯾﺎر از ﻣﯾﺎﻧﮔﯾن ھﺳﺗﻧد‪ .‬در ﺗﺻوﯾر ﺳوم‪ %99.7 ،‬از ﻣﻘدارھﺎ در‬
‫ﻣﺣدوده ﺳﻪ ﺑراﺑر اﻧﺣراف ﻣﻌﯾﺎر از ﻣﯾﺎﻧﮔﯾن ھﺳﺗﻧد‪.‬‬

‫ﻣﺛﺎل‪ :‬ﻗد ‪ 95%‬از داﻧش آﻣوزان در ﻣدرﺳﻪ ﺑﯾن ‪ 1.1‬ﻣﺗر و ‪ 1.7‬ﻣﺗر اﺳت‪ .‬ﺑﺎ در ﻧظر ﮔرﻓﺗن اﯾن ﮐﻪ دادهھﺎ دارای‬
‫ﺗوزﯾﻊ ﻧرﻣﺎل ھﺳﺗﻧد‪ ،‬ﭼﮔوﻧﻪ ﻣﯽﺗوان ﻣﯾﺎﻧﮔﯾن و اﻧﺣراف ﻣﻌﯾﺎر را ﺑﻪ دﺳت آورد؟ ﭘﺎﺳﺦ ﺑﺳﯾﺎر ﺳﺎده اﺳت‪ .‬ﻣﯾﺎﻧﮔﯾن‪ ،‬در‬
‫ﻣﯾﺎن ‪ 1.1‬ﻣﺗر و ‪ 1.7‬ﻣﺗر اﺳت‪ ،‬ﭘس‪:‬‬

‫= ﻣﯾﺎﻧﮔﯾن‬

‫‪(1.1m + 1.7m) / 2 = 1.4m‬‬

‫‪ ،95%‬ﺑراﺑر دو اﻧﺣراف از ﻣﻌﯾﺎر در طرﻓﯾن ﻣﯾﺎﻧﮔﯾن اﺳت )ﻣﺟﻣوع ‪ 4‬اﻧﺣراف ﻣﻌﯾﺎر(‪ ،‬ﭘس‪:‬‬

‫= ‪ 1‬اﻧﺣراف ﻣﻌﯾﺎر‬

‫‪(1.7m – 1.1m) / 4‬‬

‫‪= 0.6m / 4‬‬

‫‪= 0.15m‬‬

‫و ﻧﻣودار ﺣﺎﺻل ﺑﻪ ﺷﮐل زﯾر اﺳت‪:‬‬

‫‪Privacy - Terms‬‬
 ‫ﺗﺑﻠﯾﻐﺎت‬

‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬

‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬

‫داﻧﺳﺗن اﻧﺣراف ﻣﻌﯾﺎر ﺑرای ﻣﺎ ﺳودﻣﻧد اﺳت‪ ،‬ﭼون در آن ﺻورت در ﻣورد ﺗوزﯾﻊ دادهھﺎ ﻣوارد زﯾر را ﻣﯽﺗواﻧﯾم ﺑﯾﺎن‬
‫ﮐﻧﯾم‪:‬‬

‫ﻣﻘﺎدﯾر ﻣﺎ ﺑﻪ اﺣﺗﻣﺎل ﻣﺗوﺳط در ﻣﺣدوده ﯾک ﺑراﺑر اﻧﺣراف ﻣﻌﯾﺎر از ﻣﯾﺎﻧﮔﯾن ﻗرار دارﻧد )‪ 68‬از ‪.(100‬‬
‫ﻣﻘﺎدﯾر ﻣﺎ ﺑﻪ اﺣﺗﻣﺎل زﯾﺎد در ﻣﺣدوده دو اﻧﺣراف ﻣﻌﯾﺎر از ﻣﯾﺎﻧﮔﯾن ھﺳﺗﻧد )‪ 95‬از ‪(100‬‬
‫ﻣﻘﺎدﯾر ﻣﺎ ﺗﻘرﯾﺑﺎ ﺑﻪ اﺣﺗﻣﺎل ﺑﺳﯾﺎر زﯾﺎد در ﻣﺣدوده ﺳﻪ اﻧﺣراف ﻣﻌﯾﺎر ﺣﺿور دارﻧد )‪ 997‬از ‪(1000‬‬

‫ﻧﻣرات ﻣﻌﯾﺎر‬
‫ﺗﻌداد اﻧﺣرافھﺎ از ﻣﯾﺎﻧﮔﯾن ھﻣﭼﻧﯾن ﺑﺎ ﻧﺎم »ﻧﻣره ﻣﻌﯾﺎر ﯾﺎ ﻧﻣره اﺳﺗﺎﻧدارد« )‪ ،(Standard Score‬ﻧﯾز ﻧﺎﻣﯾده‬
‫ﻣﯽﺷود ﮐﻪ ﺑﻪ ﺻورت »ﺳﯾﮔﻣﺎ« و ﯾﺎ »ﻧﻣره ‪ «z‬ﻣورد اﺷﺎره ﻗرار ﻣﯽﮔﯾرﻧد‪.‬‬

‫ﻣﺛﺎل‪ :‬در ھﻣﺎن ﻣدرﺳﻪ ﻣﺛﺎل ﻗﺑل‪ ،‬ﻗد ﯾﮐﯽ از داﻧش آﻣوزان ﺑراﺑر ﺑﺎ ‪ 1.85‬ﻣﺗر اﺳت‪.‬‬

‫در روی ﻧﻣودار زﻧﮔوﻟﻪ ای‪ ،‬ﻣﺷﺎھده ﻣﯽﮐﻧﯾد ﮐﻪ ‪ 1.85‬ﻣﺗر‪ ،‬در ﻣﺣدوده‪ 3  ‬ﺑراﺑر اﻧﺣراف از ﻣﯾﺎﻧﮔﯾن ‪ 1.4‬ﻣﺗر‬
‫ﻗرار دارد‪.‬‬

‫ﭘس‪:‬‬

‫»ﻧﻣره ‪ «z‬ﻗد اﯾن داﻧش آﻣوز ﺑراﺑر ‪ 3.0‬اﺳت‬

‫ھﻣﭼﻧﯾن ﻣﯽﺗوان ﺗﻌداد اﻧﺣرافھﺎی ﻋدد ‪ 1.85‬از ﻣﯾﺎﻧﮔﯾن را ﻣﺣﺎﺳﺑﻪ ﮐرد‪ .‬ﻋدد ‪ 1.85‬ﺑﻪ ﭼﻪ ﻣﻘدار از ﻣﯾﺎﻧﮔﯾن ﻓﺎﺻﻠﻪ‬
‫دارد؟‬

‫ﺑﻪ اﻧدازه ‪ 1.85 – 1.4 = 0.45‬از ﻣﯾﺎﻧﮔﯾن ﻓﺎﺻﻠﻪ دارد‪.‬‬

‫اﻧﺣراف ﻣﻌﯾﺎر ﺑراﺑر ‪ 0.15‬اﺳت‪ ،‬ﭘس‪:‬‬ ‫اﯾﻦ ﻣﻘﺪار ﻓﺎﺻﻠﻪ ﺑﺮاﺑﺮ ﭼﻨﺪ اﻧﺤﺮاف ﻣﻌﯿﺎر اﺳﺖ؟‬
‫‪ 3‬اﻧﺣراف ﻣﻌﯾﺎر = ‪0.45m / 0.15m‬‬

‫ﭘس ﺑرای ﺗﺑدﯾل ﯾک ﻣﻘدار ﺑﻪ ﯾک ﻧﻣره ﻣﻌﯾﺎر‪:‬‬

‫اﺑﺗدا ﻣﯾﺎﻧﮔﯾن را از آن ﮐم ﻣﯽ ﮐﻧﯾم‪،‬‬

‫ﺳﭘس ﺑر ﻣﻘدار اﻧﺣراف ﻣﻌﯾﺎر ﺗﻘﺳﯾم ﻣﯽ ﮐﻧﯾم‪.‬‬

‫و اﻧﺟﺎم دادن اﯾن ﻋﻣل را »اﺳﺗﺎﻧداردﺳﺎزی« ﻣﯽﻧﺎﻣﯾم‪:‬‬

‫ﻣﺎ ﻣﯽﺗواﻧﯾم ھر ﺗوزﯾﻊ ﻧرﻣﺎل را ﺑﻪ ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد ﺗﺑدﯾل ﮐﻧﯾم‪.‬‬

‫‪Privacy - Terms‬‬
 ‫ﻣﺮﺟﻊ ﻓﯿﻠﻢ ﻫﺎی آﻣﻮزش رﯾﺎﺿﯿﺎت داﻧﺸﮕﺎﻫﯽ‬
‫ﺗﺑﻠﯾﻐﺎت‬

‫ﻓﯿﻠﻢ آﻣﻮزﺷﯽ آﻣﺎر و اﺣﺘﻤﺎﻻت ﻣﻬﻨﺪﺳﯽ )ﻣﺮور– ﺗﺴﺖ ﮐﻨﮑﻮر ارﺷﺪ(‬

‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬
‫ﻓﯿﻠﻢ آﻣﻮزش ﭘﺮورش ﺧﻼﻗﯿﺖ‪ ،‬اﯾﺪه ﭘﺮدازی و ﻧﻮآوری‬
‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬
‫ﻣﺛﺎل‪ :‬زﻣﺎن ﻣﺳﺎﻓرت‬

‫ﯾک ﻧظرﺳﻧﺟﯽ از ﻣدت زﻣﺎن ﻣﺳﺎﻓرت‪ ،‬اﯾن ﻣﻘﺎدﯾر را ﻧﺗﯾﺣﻪ داده اﺳت )ﺑﻪ دﻗﯾﻘﻪ(‪:‬‬

‫‪26, 33, 65, 28, 34, 55, 25, 44, 50, 36, 26, 37, 43, 62, 35, 38, 45, 32, 28, 34‬‬

‫ﻣﯾﺎﻧﮔﯾن ﺑراﺑر ‪ 38.8‬دﻗﯾﻘﻪ و اﻧﺣراف ﻣﻌﯾﺎر ﻧﯾز ﺑراﺑر ‪ 11.4‬دﻗﯾﻘﻪ اﺳت‪ .‬ﻣﻘﺎدﯾر را ﺑﻪ ﻧﻣره ھﺎی ‪ z‬ﯾﺎ ﻧﻣرات اﺳﺗﺎﻧدارد‬
‫ﺗﺑدﯾل ﮐﻧﯾد‪.‬‬

‫ﺑرای ﺗﺑدﯾل ‪:26‬‬

‫اﺑﺗدا ﻣﻘدار ﻣﯾﺎﻧﮔﯾن را از آن ﮐم ﮐﻧﯾد‪26 – 38.8 = -12.8 :‬‬

‫ﺳﭘس آن را ﺑر ﻣﻘدار اﻧﺣراف ﻣﻌﯾﺎر ﺗﻘﺳﯾم ﮐﻧﯾد‪– 12.8 / 11.4 = – 1.12 :‬‬

‫ﭘس ﻋدد ‪ -1.12 ،26‬اﻧﺣراف از ﻣﯾﺎﻧﮔﯾن دارد‪.‬‬

‫ﺳﻪ ﺗﺑدﯾل اول را ﻣﯽ ﺗواﻧﯾد در زﯾر ﺑﺑﯾﻧﯾد‬

‫و اﯾن ﺳﻪ ﺗﺎ را ﻣﯽ ﺗواﻧﯾد در ﻧﻣودار ﻣﺷﺎھده ﮐﻧﯾد‪:‬‬

‫ﻣﯽ ﺗواﻧﯾد ﺑﻘﯾﻪ ﻧﻣرات ‪ z‬را ﺧودﺗﺎن ﻣﺣﺎﺳﺑﻪ ﮐﻧﯾد!‬

‫ﻓرﻣول ﻣﺣﺎﺳﺑﻪ ﻧﻣره ‪ z‬در زﯾر آﻣده اﺳت‪:‬‬

‫‪ z‬ﺑراﺑر »ﻧﻣره ‪) «z‬ﻧﻣره ﻣﻌﯾﺎر( اﺳت‬

‫‪ x‬ﻣﻘداری اﺳت ﮐﻪ ﺑﺎﯾد اﺳﺗﺎﻧدارد ﺷود‬
‫‪ μ‬ﺑراﺑر ﻣﯾﺎﻧﮔﯾن اﺳت‬
‫و ‪ σ‬ﺑراﺑر اﻧﺣراف ﻣﻌﯾﺎر ﻣﯽ ﺑﺎﺷد‬

‫ﭼرا از اﺳﺗﺎﻧداردﺳﺎزی اﺳﺗﻔﺎده ﻣﯽ ﮐﻧﯾم؟‬

‫اﺳﺗﺎﻧدارد ﺳﺎزی ﻣﯽﺗواﻧد ﺑﻪ ﻣﺎ ﮐﻣک ﮐﻧد ﮐﻪ ﺗﺻﻣﯾمھﺎﯾﯽ در ﻣورد دادهھﺎﯾﻣﺎن ﺑﮔﯾرﯾم‪ .‬ﺑﻪ ﻣﺛﺎل زﯾر ﺗوﺟﻪ ﮐﻧﯾد‪.‬‬

‫ﻣﺛﺎل‪ :‬ﭘروﻓﺳور وﯾﻠوﺑﯽ در ﺣﺎل ﺗﺻﺣﯾﺢ ورﻗﻪ ھﺎی داﻧﺷﺟوﯾﺎن اﺳت‪ .‬ﻧﻣرات داﻧشآﻣوزان در زﯾر آﻣده اﺳت )از ‪60‬‬
‫ﻧﻣره(‪:‬‬

‫‪20, 15, 26, 32, 18, 28, 35, 14, 26, 22, 17‬‬

‫ﺑﺳﯾﺎری از داﻧشآﻣوزان ﺣﺗﯽ از ‪ 60‬ﻧﻣره‪ 30 ،‬ﻧﻣره ھم ﻧﮔرﻓﺗﻪاﻧد و ﺑﯾﺷﺗرﺷﺎن ﺗﺟدﯾد ﺧواھﻧد ﺷد‪ .‬اﻣﺗﺣﺎن ﺑﺎﯾد ﺑﺳﯾﺎر‬
‫ﺳﺧت ﺑوده ﺑﺎﺷد‪ ،‬ﭘس ﭘروﻓﺳور ﺗﺻﻣﯾم ﻣﯽ ﮔﯾرد ﮐﻪ ﺗﻣﺎﻣﯽ ﻧﻣرات را اﺳﺗﺎﻧدارد ﮐﻧد و ﻓﻘط آﻧﮫﺎﯾﯽ را ﮐﻪ ﯾک اﻧﺣراف‬
‫ﻣﻌﯾﺎر ﭘﺎﯾﯾنﺗر از ﻣﯾﺎﻧﮔﯾن ﻧﻣره ﮔرﻓﺗﻪاﻧد‪ ،‬ﺗﺟدﯾد اﻋﻼم ﮐﻧد‪ .‬ﻣﯾﺎﻧﮔﯾن ﺑراﺑر ‪ 23‬و اﻧﺣراف ﻣﻌﯾﺎر ﺑراﺑر ‪ 6.6‬اﺳت و اﯾن‬
‫ﻣﻘﺎدﯾر‪ ،‬ﻧﻣرات اﺳﺗﺎﻧدارد ھﺳﺗﻧد‪:‬‬

‫‪-0.45, -1.21, 0.45, 1.36, -0.76, 0.76, 1.82, -1.36, 0.45, -0.15, -0.91‬‬

‫ﻣﺷﺎھده ﻣﯽﮐﻧﯾد ﮐﻪ ﺗﻧﮫﺎ ‪ 2‬داﻧﺷﺟو ﺗﺟدﯾد ﺧواھﻧد ﺷد )ھﻣﺎنھﺎﯾﯽ ﮐﻪ در اﻣﺗﺣﺎن ‪ 15‬و ‪ 14‬ﮔرﻓﺗﻪ ﺑودﻧد(‪.‬‬

‫از طرف دﯾﮔر اﺳﺗﺎﻧداردﺳﺎزی ﮐﺎرھﺎ را آﺳﺎنﺗر ﻣﯽ ﮐﻧد‪ ،‬ﭼون در اﯾن ﺣﺎﻟت ﻣﺎ ﺗﻧﮫﺎ ﺑﻪ ﯾک ﺟدول ﻧﯾﺎز ﺧواھﯾم داﺷت‬
‫)ﺟدول ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد(‪ ،‬ﮐﻪ دﯾﮔر ﻧﯾﺎزی ﺑﻪ اﻧﺟﺎم ﻣﺣﺎﺳﺑﺎت ﺗک ﺑﻪ ﺗک ﺑرای ﻓﺎﺻﻠﻪ ھر ﻣﻘدار از ﻣﯾﺎﻧﮔﯾن و‬
‫اﻧﺣراف اﺳﺗﺎﻧدارد وﺟود ﻧدارد‪.‬‬

‫ﺟزﺋﯾﺎت ﺑﯾﺷﺗر‬
‫در ﺗﺻوﯾر زﯾر ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد را ﺑﺎ درﺻد ھﺎﯾﯽ ﺑرای ھر ﻧﯾﻣﻪ از اﻧﺣراف ﻣﻌﯾﺎر‪ ،‬و درﺻدھﺎی ﺗﺟﻣﻌﯽ‬
‫ﻧﻣﺎﯾش ﯾﺎﻓﺗﻪ اﺳت‪.‬‬

‫‪Privacy - Terms‬‬
 ‫ﺗﺑﻠﯾﻐﺎت‬

‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬

‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬

‫ﻣﺛﺎل‪ :‬ﻧﻣره ﺷﻣﺎ در ﯾک ﺗﺳت ‪ 0.5‬اﻧﺣراف ﻣﻌﯾﺎر ﺑﯾﺷﺗر از ﻣﯾﺎﻧﮔﯾن ﺑود‪ ،‬ﭼﻧد ﻧﻔر از ﺷﻣﺎ ﮐﻣﺗر ﻧﻣره ﮔرﻓﺗﻪ اﻧد؟‬

‫ﺑﯾن ‪ 0‬و ‪ 0.5‬ﺑراﺑر ‪ 19.1%‬اﺳت‬

‫ﮐﻣﺗر از ‪ 0‬ﻧﯾز ﺑراﺑر ‪ 50%‬اﺳت )ﻧﺻف ﻣﻧﺣﻧﯽ(‬

‫ﭘس ﻣﺟﻣوع ﻧﻣرات ﮐﻣﺗر از ﻧﻣره ﺷﻣﺎ ﺑراﺑر اﺳت ﺑﺎ‪:‬‬

‫‪50% + 19.1% = 69.1%‬‬

‫در ﺗﺋوری‪ 69.1% ،‬ﮐﻣﺗر از ﺷﻣﺎ ﻧﻣره ﮔرﻓﺗﻪ اﻧد؛ اﻣﺎ ﺑﺎ دادهھﺎی واﻗﻌﯽ‪ ،‬درﺻد ﻣﻣﮐن اﺳت‪ ،‬ﮐﻣﯽ ﻣﺗﻔﺎوت ﺑﺎﺷد‪.‬‬

‫ﻣﺛﺎل ﮐﺎرﺑردی ﺑرای ﺑﺳﺗﻪﺑﻧدی ﺷﮐر‬

‫ﻓرض ﮐﻧﯾد ﺷرﮐﺗﯽ ﺑﺳﺗﻪھﺎی ﺷﮐر را ﺑﻪ ﺻورت ﺑﺳﺗﻪھﺎی ‪ 1‬ﮐﯾﻠوﮔرﻣﯽ ﺑﺳﺗﻪﺑﻧدی ﻣﯽﮐﻧد‪.‬‬

‫وﻗﺗﯽ ﺷﻣﺎ ﯾک ﻧﻣوﻧﻪ از ﮐﯾﺳﻪھﺎ را وزن ﻣﯽﮐﻧﯾد‪ ،‬ﻧﺗﺎﯾﺞ زﯾر ﺑﻪ دﺳت ﻣﯽآﯾد‪:‬‬

‫‪ 1007‬ﮔرم‪ 1032 ،‬ﮔرم‪ 1002 ،‬ﮔرم‪ 983 ،‬ﮔرم‪ 1004 ،‬ﮔرم‪ 100) … ،‬اﻧدازهﮔﯾری(‬
‫ﻣﯾﺎﻧﮔﯾن = ‪ 1010‬ﮔرم‬
‫اﻧﺣراف ﻣﻌﯾﺎر = ‪ 20‬ﮔرم‬

‫اﯾﻧک ﻣﺗوﺟﻪ ﻣﯽﺷوﯾد ﮐﻪ ﺑرﺧﯽ از ﻣﻘﺎدﯾر ﮐﻣﺗر از ‪ 1000‬ﮔرم ھﺳﺗﻧد‪ .‬آﯾﺎ ﻣﯽﺗواﻧﯾد اﯾن ﻣﺷﮐل را ﺣل ﮐﻧﯾد؟‬

‫ﺗوزﯾﻊ ﻧرﻣﺎل اﻧدازهﮔﯾریھﺎی ﺷﻣﺎ ﺑﻪ اﯾن ﺷﮐل اﺳت‪:‬‬

‫‪ %31‬از ﺑﺳﺗﻪھﺎ ﮐﻣﺗر از ‪ 1000‬ﮔرم وزن دارﻧد‪ ،‬ﮐﻪ در واﻗﻊ ﻓرﯾب ﻣﺷﺗری ﻣﺣﺳوب ﻣﯽﺷود‪.‬‬

‫اﯾن ﯾک اﺗﻔﺎق ﺗﺻﺎدﻓﯽ اﺳت‪ ،‬ﭘس ﻧﻣﯽ ﺗواﻧﯾم ﺑﺳﺗﻪھﺎی ﮐﻣﺗر از ‪ 1000‬ﮔرم ﺷﮐر را ﻣﺗوﻗف ﮐﻧﯾم؛ اﻣﺎ ﻣﯽﺗواﻧﯾم ﺗﻌداد آﻧﮫﺎ‬
‫را ﺑﻪ ﻣﻘدار ﻗﺎﺑل ﺗوﺟﮫﯽ ﮐﺎھش دھﯾم‪ .‬ﺑدﯾن ﻣﻧظور ﺗﻧظﯾﻣﺎت دﺳﺗﮔﺎه ﺑﺳﺗﻪﺑﻧدی را‪  ‬در اﻧﺣرافھﺎی ﻣﻌﯾﺎر ﻣﺧﺗﻠف‪  ‬ﺑرای‬
‫ﺑﺳﺗﻪھﺎی ‪ 1000‬ﮔرم ﺑررﺳﯽ ﻣﯽﮐﻧﯾم‪:‬‬

‫در ﻣﺣدوده ‪ -3‬ﺑراﺑر اﻧﺣراف ﻣﻌﯾﺎر‪:‬‬

‫در ﻣﻧﺣﻧﯽ زﻧﮔوﻟﻪای ﺑزرگ ﻣﺷﺎھده ﻣﯽﮐﻧﯾم ﮐﻪ ﺑﺳﺗﻪھﺎ در اﯾن ﻣﺣدوده ‪ 0.1%‬ﮐم ھﺳﺗﻧد؛ اﻣﺎ ﺷﺎﯾد اﯾن ﻋدد‬
‫ﺑﺳﯾﺎر ﮐوﭼک ﺑﺎﺷد‪.‬‬
‫در ﻣﺣدوده ‪ -2.5‬اﻧﺣراف ﻣﻌﯾﺎر ﻣﯽﺑﯾﻧﯾم ‪:‬‬
‫در ﺑﺎزه زﯾر ‪ 3‬اﻧﺣراف ﻣﻌﯾﺎر‪ %0.1 ،‬و ﻣﺎﺑﯾن اﻧﺣرافھﺎی ‪ 3‬و ‪ 0.5% ،2.5‬از ﺑﺳﺗﻪھﺎ ﮐم ﻣﯽﺷود ﮐﻪ وﻗﺗﯽ ﺑﺎ‬
‫ھم ﺟﻣﻊ ﮐﻧﯾم ﻣﻘدار‪ 0.1% + 0.5% = 0.6%  ‬ﺑﻪ دﺳت ﻣﯽآﯾد‪ .‬اﯾن ﺗﻧظﯾﻣﺎت ﮔزﯾﻧﻪ ﻣﻧﺎﺳﺑﯽ ﺑرای اﻧﺗﺧﺎب ﺑﻪ‬
‫ﻧظر ﻣﯽرﺳد‪.‬‬

‫ﭘس دﺳﺗﮔﺎه را طوری ﺗﻧظﯾم ﻣﯽ ﮐﻧﯾم ﮐﻪ ‪ 1000‬ﮔرم را در ﻣﺣدوده ‪ -2.5‬اﻧﺣراف از ﻣﯾﺎﻧﮔﯾن داﺷﺗﻪ ﺑﺎﺷﯾم‪ .‬اﮐﻧون‪ ،‬ﻣﺎ‬
‫ﻣﯽ ﺗواﻧﯾم ﺑﻪ دو طرﯾق ﺗﻧظﯾم ﮐﻧﯾم‪:‬‬

‫ﻣﻘدار ﺷﮐر را در ھر ﺑﺳﺗﻪ اﻓزاﯾش دھﯾم‪ ،‬ﮐﻪ ﻣﯾﺎﻧﮔﯾن را ﺗﻐﯾﯾر ﻣﯽدھد و ﯾﺎ‬ ‫‪Privacy - Terms‬‬
 ‫دﻗت را اﻓزاﯾش دھﯾم ﮐﻪ اﻧﺣراف ﻣﻌﯾﺎر را ﮐﺎھش ﻣﯽدھد‪.‬‬
‫ﺗﺑﻠﯾﻐﺎت‬
‫ھر دو ﺳﻧﺎرﯾو را اﻣﺗﺣﺎن ﮐﻧﯾم‪.‬‬

‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬

‫ﺗﻧظﯾم ﻣﻘدار ﻣﯾﺎﻧﮔﯾن در ھر ﺑﺳﺗﻪ‬
‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬ ‫اﻧﺣراف ﻣﻌﯾﺎر ﺑراﺑر ‪ 20‬ﮔرم اﺳت‪ ،‬و ﻣﯾﺎﻧﮔﯾن ﻣﺎ ﺑﺎﯾد در ﻣﺣدوده‪ 2.5  ‬ﺑراﺑری از آن ﻗرار ﮔﯾرد‪:‬‬

‫‪2.5 × 20g = 50g‬‬

‫ﭘس دﺳﺗﮔﺎه ﺑﺎﯾد ﻣﯾﺎﻧﮔﯾن ‪ 1050‬ﮔرم را ﻧﺗﯾﺟﻪ دھد‪:‬‬

‫ﺗﻧظﯾم دﻗت دﺳﺗﮔﺎه‬

‫ﺑﺎ اﯾن روش ﻣﯽﺗوان ﻣﯾﺎﻧﮔﯾن ‪ 1010‬ﮔرم را ﺛﺎﺑت ﻧﮔﻪ داﺷت؛ اﻣﺎ در آن ﺻورت ﻣﺎ ﺑﻪ ‪ 2.5‬اﻧﺣراف ﻣﻌﯾﺎر ﮐﻪ ﺑراﺑر‪  ‬ﺑﺎ‬
‫‪ 10‬ﮔرم‪  ‬اﺳت‪ ،‬ﻧﯾﺎز دارﯾم‪:‬‬

‫‪10g / 2.5 = 4g‬‬

‫ﭘس اﻧﺣراف ﻣﻌﯾﺎر ﺑﺎﯾد ﺑراﺑر ﺑﺎ ‪ 4‬ﮔرم ﺑﺎﺷد‪:‬‬

‫اﯾن دﻗت ﻣطﻠوﺑﯽ ﺑرای دﺳﺗﮔﺎه ﺑﺳﺗﻪﺑﻧدی ﺑﻪ ﻧظر ﻣﯽرﺳد‪.‬‬

‫ﺑﺎ ﮐﻣﯽ ﺗﻼش ﺑﯾﺷﺗر ﻣﯽﺗوان ﺗرﮐﯾﺑﯽ از دﻗت ﺑﯾﺷﺗر و ﻣﯾﺎﻧﮔﯾن ﺑﺎﻻﺗر ﺑﻪ دﺳت آورد‪.‬‬

‫ﻣﻘﺎدﯾر دﻗﯾقﺗر‬
‫ﻣﯽ ﺗوان از ﺟدول ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد اﺳﺗﻔﺎده ﮐرد ﺗﺎ ﻣﻘﺎدﯾر دﻗﯾق ﺗری ﺑﻪ دﺳت آورد‪.‬‬

‫اﮔر اﯾن ﻧوﺷﺗﻪ ﻣورد ﺗوﺟﻪ ﺷﻣﺎ واﻗﻊ ﺷده اﺳت‪ ،‬ﻣوارد زﯾر ﻧﯾز اﺣﺗﻣﺎ ً‬
‫ﻻ ﺑرای ﺷﻣﺎ ﻣﻔﯾد ﺧواھﻧد ﺑود‪:‬‬

‫ﺗوزﯾﻊ ﻓراواﻧﯽ – ﺑﻪ زﺑﺎن ﺳﺎده‬

‫آﻣوزش ﺗوزﯾﻊ ﻧرﻣﺎل در آﻣﺎر و ﮐﺎرﺑرد آن در ﻋﻠوم اﻧﺳﺎﻧﯽ‬
‫آﻣوزش ﻣﺳﺎﺋل ﺗﺷرﯾﺣﯽ ﺗوزﯾﻊ ھﺎی ﮔﺳﺳﺗﻪ و ﭘﯾوﺳﺗﻪ در آﻣﺎر و اﺣﺗﻣﺎل‬
‫ﻣﻔﺎھﯾم آﻣﺎری – ﺷﺎﺧصھﺎی ﺗوﺻﯾﻔﯽ‬
‫آﻣوزش ﻧﻣﺎﯾش اطﻼﻋﺎت آﻣﺎری و ﺗوزﯾﻊ ھﺎ در ﻣﺗﻠب‬
‫آﻣوزش ﻣﻘدﻣﺎﺗﯽ ﺗﺣﻠﯾل داده ھﺎ ﺑﺎ ﻧرم اﻓزار آﻣﺎری ‪Minitab‬‬

‫==‬

‫ﺗوزﯾﻊ ﻧرﻣﺎل‬

‫‪ ‬داﻧﻠود وﯾدﯾو‬

‫ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد‬

‫‪Privacy - Terms‬‬
 ‫ﺗﺑﻠﯾﻐﺎت‬

‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬

‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬

‫‪ ‬داﻧﻠود وﯾدﯾو‬

‫ﺑﻪ اﺷﺗراک ﺑﮔذارﯾد‪:‬‬

‫‪‬‬
‫‪‬‬
‫‪‬‬
‫ﻣﻧﺑﻊ ‪mathsisfun‬‬

‫ﺑر اﺳﺎس رای ‪ 140‬ﻧﻔر‬

‫آﯾﺎ اﯾن ﻣطﻠب ﺑرای ﺷﻣﺎ ﻣﻔﯾد ﺑود؟‬

‫‪‬‬ ‫ﺧﯾر‬ ‫‪‬‬ ‫ﺑﻠﯽ‬

‫ﻣطﺎﻟب ﻣرﺗﺑط‬

‫ﺗﻘﻠب ﻧﺎﻣﻪ )‪ (Cheat Sheet‬ﻓرﻣول ھﺎی ﺗﺑدﯾل‬

‫ﻓورﯾﻪ‬

‫ﻣﺎﺗرﯾس ھرﻣﯾﺗﯽ و ﺧﺻوﺻﯾﺎت آن — ﺑﻪ زﺑﺎن‬

‫ﺳﺎده‬ ‫اداﻣﻪ ﻣطﻠب‪...‬‬

‫اداﻣﻪ ﻣطﻠب‪...‬‬

‫ﻧﺎﻣﺳﺎوی ﻣﺎرﮐف و اﺛﺑﺎت آن — از ﺻﻔر ﺗﺎ ﺻد‬

‫ﻣﺟﻣوع رﯾﻣﺎن — از ﺻﻔر ﺗﺎ ﺻد‬

‫اداﻣﻪ ﻣطﻠب‪...‬‬
‫اداﻣﻪ ﻣطﻠب‪...‬‬ ‫‪Privacy - Terms‬‬
 ‫ﺗﺑﻠﯾﻐﺎت‬
‫آﻣﻮزش ھﺎی وﯾﺪﯾﻮﯾﯽ‪:‬‬
‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬

‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬

‫ﻓﯿﻠﻢ آﻣﻮزﺷﯽ آﻣﺎر و‬ ‫ﻣﺮﺟﻊ ﻓﯿﻠﻢ ھﺎی آﻣﻮزش‬ ‫ﻓﯿﻠﻢ آﻣﻮزش ﮔﺎم ﺑﻪ ﮔﺎم‬
‫اﺣﺘﻤﺎﻻت ﻣﮫﻨﺪﺳﯽ )ﻣﺮور–‬ ‫دروس آﻣﺎر و اﺣﺘﻤﺎل‬ ‫اﻓﺘﺮاﻓﮑﺖ ‪After Effects‬‬
‫ﺗﺴﺖ ﮐﻨﮑﻮر ارﺷﺪ(‬

‫ﻓﯿﻠﻢ آﻣﻮزﺷﯽ آﻣﺎر و‬ ‫ﻣﺮﺟﻊ ﻓﯿﻠﻢ ھﺎی آﻣﻮزش‬ ‫ﻓﯿﻠﻢ آﻣﻮزش اﺳﺘﺎﻧﺪارد‬
‫اﺣﺘﻤﺎﻻت ﻣﮫﻨﺪﺳﯽ‬ ‫رﯾﺎﺿﯿﺎت داﻧﺸﮕﺎھﯽ‬ ‫ﮐﯿﻔﯿﺖ ‪ISO 9001:2008‬‬

‫‪ 28‬ﻧظر در “ﺗوزﯾﻊ ﻧرﻣﺎل و ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧدارد — ﺑﻪ‬

‫زﺑﺎن ﺳﺎده”‬
‫ﻣﺣﺳن ﮔﻔت‪:‬آﺑﺎن ‪ ۱۳۹۶ ,۲۳‬در ‪ ۷:۲۴‬ب‪٫‬ظ‬ ‫‪.1‬‬

‫ﻣﻣﻧون ﻋﺎﻟﯽ ﺗوﺿﯾﺢ دادﯾد‬

‫ﭘﺎﺳﺦ‬

‫آرش ﮔﻔت‪:‬اﺳﻔﻧد ‪ ۱۳۹۶ ,۱۱‬در ‪ ۱۰:۵۰‬ق‪٫‬ظ‬ ‫‪.2‬‬

‫ﺑﺎ ﺳﻼم و اﺣﺗرام ﻣﻔﺎھﯾم ﺑﺳﯾﺎر ﻋﺎﻟﯽ ﺑﻪ ﺧواﻧﻧده ﻣﻧﺗﻘل ﻣﯾﺷود‪ .‬ﺗﺷﮐر از زﺣﻣﺎت‬

‫ﭘﺎﺳﺦ‬

‫م‪.‬گ ﮔﻔت‪:‬ﻓروردﯾن ‪ ۱۳۹۷ ,۱۸‬در ‪ ۶:۵۳‬ق‪٫‬ظ‬ ‫‪.3‬‬

‫ﺳﻼم ﺑﺷﻣﺎ ﺑزرﮔوار‪ .‬ﺧﯾﻠﯽ ﻣﻔﯾد ﺑود‪ .‬ﺳﭘﺎس ﺑﯾﮐران‬

‫ﭘﺎﺳﺦ‬

‫ﻧﻔﯾﺳﻪ ﮔﻔت‪:‬ﺧرداد ‪ ۱۳۹۷ ,۲۶‬در ‪ ۵:۳۱‬ق‪٫‬ظ‬ ‫‪.4‬‬

‫ﺑﺳﯾﺎر ﺟﺎﻣﻊ و ﻗﺎﺑل ﻓﮫم ﺑود؛ﻣﺗﺷﮐرم‬

‫ﭘﺎﺳﺦ‬

‫ﻣﺣﻣد ﻓﮫﯾﻣﯽ ﮔﻔت‪:‬ﻣﮫر ‪ ۱۳۹۷ ,۵‬در ‪ ۱۱:۲۴‬ق‪٫‬ظ‬ ‫‪.5‬‬

‫ﺳﻼم‪.‬ﺑﺳﯾﺎر ﻋﺎﻟﯽ ﺑود‪.‬‬

‫ﭘﺎﺳﺦ‬

‫آرش ﮔﻔت‪:‬آﺑﺎن ‪ ۱۳۹۷ ,۱۵‬در ‪ ۴:۴۱‬ب‪٫‬ظ‬ ‫‪.6‬‬

‫ﺧﯾﻠﯽ ﺧوب ﺑود‬

‫ﭘﺎﺳﺦ‬

‫ھﺎدی ﮔﻔت‪:‬آﺑﺎن ‪ ۱۳۹۷ ,۱۶‬در ‪ ۱۱:۲۴‬ق‪٫‬ظ‬ ‫‪.7‬‬

‫ﺧﯾﻠﯽ ﻣﻣﻧون‪ .‬ﻣﻔﯾد ﺑود‪.‬‬

‫در ﻣورد ﻣﺣﺎﺳﺑﻪ ﻣﻘدار اﻧﺣراف ﻣﯾﺎﻧﮔﯾن و اﺳﺗﻔﺎده از ﺟدول ﺑﯾﺷﺗر ﺗوﺿﯾﺢ ﻣﯾدادﯾد ﺑﮫﺗر ﻣﯾﺷد‪.‬‬

‫ﭘﺎﺳﺦ‬

‫اﺑواﻟﻔﺿل ﮔﻔت‪:‬آﺑﺎن ‪ ۱۳۹۷ ,۲۰‬در ‪ ۱:۲۰‬ب‪٫‬ظ‬ ‫‪.8‬‬

‫ﺑﺎ ﺗﺷﮐر از زﺣﻣﺎت ﺷﻣﺎ‪.‬‬

‫در اوﻟﯾن ﺟدول‪ ،‬ﺳﺗون ﻧﻣرات اﺳﺗﺎﻧدارد )ﻧﻣره ‪ (Z‬ﻣﻘﺎدﯾر ﻣﺣﺎﺳﺑﻪ ﻧﺷده اﻧد و ھﻣﺎن ﻣﻘﺎدﯾر ﺧﺎم ﻧوﺷﺗﻪ ﺷدھﺎ ﻧد‪.‬‬

‫ﭘﺎﺳﺦ‬

‫آرﻣﺎن ری ﺑد ﮔﻔت‪:‬آﺑﺎن ‪ ۱۳۹۷ ,۲۰‬در ‪ ۲:۱۸‬ب‪٫‬ظ‬ ‫‪.1‬‬

‫ﺑﺎ ﺗﺷﮐر از ﺗوﺟﻪ ﺷﻣﺎ‪ .‬ﻧظر ﺷﻣﺎ ﮐﺎﻣﻼ ﺻﺣﯾﺢ ﺑود‪ .‬ﺟدول ﺑراﺳﺎس ﻣﺣﺎﺳﺑﺎت اﺻﻼﺣﯽ‪ ،‬ﺑﻪ روز ﺷده و‬
‫ﻧﺗﺎﯾﺞ در آن ﻗﺎﺑل ﻣﺷﺎھده اﺳت‪.‬‬

‫اﻓﺷﯾن ﮔﻔت‪:‬آذر ‪ ۱۳۹۷ ,۱۰‬در ‪ ۷:۱۴‬ب‪٫‬ظ‬ ‫‪.9‬‬

‫آﯾﺎ ﭘﺎراﻣﺗرﯾک ﯾﺎ ﻏﯾر ﭘﺎراﻣﺗرﯾک ﺑودن ﻣﺗﻐﯾر ھﺎ در اﻧﺗﺧﺎب روش ﺗﺣﻠﯾل آﻣﺎری و رﮔرﺳﯾون ﮔﯾری ﻣوﺛر ھﺳﺗﻧد؟‬
‫ﻣﻣﮐﻧﻪ ﻣﻧﺑﻊ ﯾﺎ ﻧوﺷﺗﺎری در ﻣورد ﻧﺣوه ی ﺗطﺑﯾق ﺗوزﯾﻊ ھﺎی ﻣﺧﺗﻠف ﭘراﮐﻧدﮔﯽ ﺑﺎ ﺗواﺑﻊ رﯾﺎﺿﯽ ﻣﻌرﻓﯽ ﮐﻧﯾد؟‬

‫ﭘﺎﺳﺦ‬

‫آرﻣﺎن ری ﺑد ﮔﻔت‪:‬آذر ‪ ۱۳۹۷ ,۱۱‬در ‪ ۵:۴۷‬ب‪٫‬ظ‬ ‫‪.1‬‬

‫ﺑﺎ ﺳﻼم و درود ﺧدﻣت ﺧواﻧﻧده ﮔراﻣﯽ‬

‫از اﯾﻧﮐﻪ ﺑﺎ ﻣطﺎﻟب ﻓرادرس ھﻣراه ھﺳﺗﯾد ﺧوﺷﺣﺎﻟﯾم!‬
‫در ﭘﺎﺳﺦ ﺑﻪ ﭘرﺳش ﺷﻣﺎ ﺑﺎﯾد ﯾک ﻧﮐﺗﻪ را روﺷن ﮐﻧم‪ .‬ﭘﺎراﻣﺗرﯾک ﯾﺎ ﻧﺎﭘﺎراﻣﺗرﯾک ﺑودن ﻣرﺑوط ﺑﻪ ﻣﺗﻐﯾرھﺎ‬
‫ﻧﯾﺳت ﺑﻠﮐﻪ ﻣرﺑوط ﺑﻪ روش و ﺗﮐﻧﯾﮐﯽ اﺳت ﮐﻪ ﻣﺗﻐﯾرھﺎ را ﺑﻪ ﮐﻣک ﺗﺣﻠﯾل ﻣﯽﮐﻧﯾم‪.‬‬
‫از طرﻓﯽ ﺑرای ﺗطﺑﯾق دادهھﺎ ﺑﺎ ﺗوزﯾﻊھﺎی آﻣﺎری از روشھﺎی ﻣﺧﺗﻠﻔﯽ ﻣﺎﻧﻧد روشھﺎی ﻧﻣوداری ﯾﺎ‬
‫آزﻣونھﺎی ﺑرازش ﺗوزﯾﻊ اﺳﺗﻔﺎده ﻣﯽﺷود‪ .‬ﻣﯽﺗواﻧﯾد در ﻣطﻠب آزﻣون ﻧﯾﮐوﯾﯽ ﺑرازش )‪Goodness of‬‬
‫‪ (Fit Test‬و اﺳﺗﻘﻼل — ﮐﺎرﺑرد ﺗوزﯾﻊ ﮐﺎی‪ ۲‬اﯾن ﻣوﺿوع را ﺑﯾﺷﺗر ﻣطﺎﻟﻌﻪ ﮐﻧﯾد‪.‬‬

‫اﻓﺷﯾن ﮔﻔت‪:‬آذر ‪ ۱۳۹۷ ,۱۳‬در ‪ ۱۲:۱۳‬ب‪٫‬ظ‬ ‫‪.10‬‬

‫ﻣﻣﻧون از ﭘﺎﺳﺧﺗون‪ .‬ﻣﻣﮐﻧﻪ ﻣﻧﺑﻌﯽ ﺑرای ﻣطﺎﻟﻌﻪ ی روش ھﺎی ﭘﺎراﻣﺗرﯾک و ﻧﺎﭘﺎراﻣﺗرﯾک ﻣﻌرﻓﯽ ﺑﻔرﻣﺎﯾﯾد؟‬

‫ﭘﺎﺳﺦ‬

‫آرﻣﺎن ری ﺑد ﮔﻔت‪:‬آذر ‪ ۱۳۹۷ ,۱۳‬در ‪ ۲:۵۵‬ب‪٫‬ظ‬ ‫‪.1‬‬

‫‪Privacy - Terms‬‬
 ‫ﺑﺎ ﺳﻼم و وﻗت ﺑﺧﯾر!‬
‫ﻣﻌﻣول‬ ‫ﺑرای آﺷﻧﺎﯾﯽ ﺑﯾﺷﺗر ﻣﯽﺗواﻧﯾد ﺑﻪ ﮐﺗﺎبھﺎی آﻣﺎری در اﯾن زﻣﯾﻧﻪ ﻣراﺟﻌﻪ ﮐﻧﯾد‪ .‬در ﺑﯾﺷﺗر ﮐﺗﺎبھﺎی‬
‫ﺗﺑﻠﯾﻐﺎت‬

‫ﮐﻪ در زﻣﯾﻧﻪ آزﻣون ﻓرض ﻣطﻠب دارﻧد‪ ،‬روشھﺎی ﭘﺎراﻣﺗری ﻣﻌرﻓﯽ ﺷدهاﻧد‪ .‬ﺑرای ﻣﺛﺎل ﮐﺗﺎب روشھﺎی‬
‫ﻣﻘدﻣﺎﺗﯽ آﻣﺎر ﺗﺎﻟﯾف ﺟﻧﺎب دﮐﺗر ﺑﮫﺑودﯾﺎن از ﺑﮫﺗرﯾن ﮐﺗﺎبھﺎ در اﯾن زﻣﯾﻧﻪ اﺳت‪ .‬ھﻣﭼﻧﯾن ﮐﺗﺎب آﻣﺎر‬
‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬
‫ﺗﺎﭘﺎراﻣﺗری اﯾﺷﺎن ﻧﯾز ﺑﻪ ﺑررﺳﯽ اﺳﺗﻧﺑﺎط ﻧﺎﭘﺎراﻣﺗری در آﻣﺎر ﻣﯽﭘردازﯾد‪ .‬ﮐﻪ اﻟﺑﺗﻪ ﻣطﺎﻟﻌﻪ ھر دو ﮐﺗﺎب‬
‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬ ‫را ﺑﻪ ﺷﻣﺎ ﭘﯾﺷﻧﮫﺎد ﻣﯽﮐﻧم‪.‬‬
‫ﺑﻪ ﻋﻧوان ﯾک ﮐﺗﺎب ﻣﻧﺑﻊ اﻧﮔﻠﯾﺳﯽ ﻧﯾز ﺑرای رﺷﺗﻪھﺎی ﮐﺎﻣﭘﯾوﺗر و ﻓﻧﯽ ﻧﯾز ﮐﺗﺎب ‪All of Statistics‬‬
‫ﺗﺎﻟﯾف ‪ larry Waserman‬ﻧﯾز ﺗوﺻﯾﻪ ﻣﯽﺷود‪ .‬در اﯾن ﮐﺗﺎب ھﻣﻪ روشھﺎی آﻣﺎری )ﭘﺎراﻣﺗری و‬
‫ﻧﺎﭘﺎراﻣﺗری( اﺷﺎره و ﺑررﺳﯽ ﺷدهاﻧد‪ .‬ﺑرای ﺗوﺿﯾﺣﺎت در ﻣورد اﯾن ﮐﺗﺎب ﻣﯽﺗواﻧﯾد ﺑﻪ اﯾﻧﺟﺎ ﻣراﺟﻌﻪ‬
‫ﮐﻧﯾد‪.‬‬

‫ﺑﺎز ھم از اﯾﻧﮐﻪ ھﻣراه ﻣﺎ ھﺳﺗﯾد ﻣﺗﺷﮐرﯾم‪.‬‬

‫‪ Elham ghohestani‬ﮔﻔت‪:‬دی ‪ ۱۳۹۷ ,۱۲‬در ‪ ۵:۵۵‬ب‪٫‬ظ‬ ‫‪.11‬‬

‫ﺳﻼم ﺑﺑﺧﺷﯾد ﻣن ﯾﻪ ﺳوال دارم ﻣﯾﺧوام ﺑﺑﯾﻧم ﺳطﺢ زﯾر ﻣﻧﺣﻧﯽ ﭼطور ﻣﺣﺎﺳﺑﻪ ﻣﯾﺷﻪ‬

‫ﭘﺎﺳﺦ‬

‫آرﻣﺎن ری ﺑد ﮔﻔت‪:‬دی ‪ ۱۳۹۷ ,۱۵‬در ‪ ۸:۳۸‬ق‪٫‬ظ‬ ‫‪.1‬‬

‫ﺑﺎ ﻋرض ﺳﻼم و وﻗت ﺑﺧﯾر‬

‫ﻣﻣﻧون ﮐﻪ ﺑﺎ ﻓرادرس ھﻣراه ھﺳﺗﯾد‪ .‬ﺑرای ﻣﺣﺎﺳﺑﻪ ﺳطﺢ زﯾر ﻣﻧﺣﻧﯽ ﺗﺎﺑﻊ ﭼﮔﺎﻟﯽ ﺗوزﯾﻊ ﻧرﻣﺎل‪ ،‬ﺑﺎﯾد از‬
‫روشھﺎی ﻋددی اﺳﺗﻔﺎده ﮐرد‪ .‬ﺑﻪ ھﻣﯾن ﺟﮫت ﺑﺎ اﺳﺗﻔﺎده از ﺧﺎﺻﯾت و راﺑطﻪای ﮐﻪ ﻣﺗﻐﯾر ﺗﺻﺎدﻓﯽ ﻧرﻣﺎل‬
‫اﺳﺗﺎﻧدارد ﺑﺎ ﺑﻘﯾﻪ ﺗوزﯾﻊھﺎی ﻧرﻣﺎل دارد‪ ،‬ﻣﯽﺗوان ﺳطﺢ زﯾر ﻣﻧﺣﻧﯽ ﯾﻌﻧﯽ ﻣﻘدار اﺣﺗﻣﺎل ‪X‬ﺗوزﯾﻊ ﻧرﻣﺎل‬
‫ﯾک و ﭼﻧد ﻣﺗﻐﯾره — ﻣﻔﺎھﯾم و ﮐﺎرﺑردھﺎ ﻣراﺟﻌﻪ ﮐﻧﯾد‪.‬‬

‫ﺑﺎ ﺗﺷﮐر ﻓراوان از ﺗوﺟﻪ ﺷﻣﺎ ﺑﻪ ﻣطﺎﻟب ﻓرادرس‬

‫ﻣﺣﺳن ﮔﻔت‪:‬ﺑﮫﻣن ‪ ۱۳۹۷ ,۱۵‬در ‪ ۱:۲۵‬ب‪٫‬ظ‬ ‫‪.12‬‬

‫در ﻣﺗن اﯾن ﻣﻘﺎﻟﻪ و ﺷرح اﻧﺣراف ﻣﻌﯾﺎر ﺑرای ﺗوزﯾﻊ ﻧرﻣﺎل اﺷﺎره ﮐردﯾد ﮐﻪ ﺑﺎ ﯾک اﻧﺣراف ﻣﻌﯾﺎر ‪ %۶۸‬داده در‬
‫ﯾک اﻧﺣراف ﻣﻌﯾﺎر و ‪ %۹۵‬داده در ‪ ۲‬اﻧﺣراف ﻣﻌﯾﺎر اﺳت‪ .‬اﯾن ‪ ۶۸‬و ‪ ۹۵‬درﺻد ﯾک اﺻل ھﺳﺗﻧد ﯾﺎ دﻟﯾل‬
‫ﺧﺎﺻﯽ دارد ‪ .‬ﺑرداﺷت ﺑﻧده ﺑﺎ ﺗوﺟﻪ ﺑﻪ اﯾﻧﮐﻪ از آن در ﻣﺛﺎل ﻗد اﺳﺗﻔﺎده ﮐردﯾد اﯾﻧﺳت ﮐﻪ ﯾک اﺻل ھﺳﺗﻧد و ﻣﯽ‬
‫ﺗوان از آن در ﺣل ﺳﺎﯾر ﻣﺳﺎﺋل آﻣﺎری اﺳﺗﻔﺎده ﮐرد‪.‬‬

‫ﭘﺎﺳﺦ‬

‫آرﻣﺎن ری ﺑد ﮔﻔت‪:‬ﺑﮫﻣن ‪ ۱۳۹۷ ,۱۶‬در ‪ ۹:۰۲‬ق‪٫‬ظ‬ ‫‪.1‬‬

‫ﺳﻼم و ﺗﺷﮐر از اﯾﻧﮐﻪ ﻣطﺎﻟب وﺑﻼگ ﻓرادرس را دﻧﺑﺎل ﻣﯽ ﮐﻧﯾد‪.‬‬

‫در ﭘﺎﺳﺦ ﺑﻪ ﭘرﺳش ﺷﻣﺎ ﺑﺎﯾد ﺑﮔوﯾم ﮐﻪ اﯾن ﯾک اﺻل در ﺗوزﯾﻊ ﻧرﻣﺎل اﺳت‪ .‬ﺑﻪ اﯾن ﻣﻌﻧﯽ ﮐﻪ اﮔر ﺗوزﯾﻊ‬
‫داده ھﺎ ﺑﻪ ﺻورت ﻧرﻣﺎل ﺑﺎﺷد‪ ،‬ﺑﺎﯾد درﺻد ﻗرارﮔﯾری دادهھﺎ در ﺑﺎزهھﺎ‪ ،‬ﻣطﺎﺑق ﺑﺎ درﺻدھﺎﯾﯽ ﺑﺎﺷد ﮐﻪ‬
‫در ﻣﺗن ﻧوﺷﺗﻪ ﺷده اﺳت‪ .‬ﻣﯾزان ﻓﺎﺻﻠﻪ ﻧﯾز ﺑرﺣﺳب ﺿراﯾﺑﯽ از اﻧﺣراف ﻣﻌﯾﺎر ﻧﺳﺑت ﺑﻪ ﻣﯾﺎﻧﮔﯾن اﺳت‪.‬‬

‫‪ saeid.f‬ﮔﻔت‪:‬اﺳﻔﻧد ‪ ۱۳۹۷ ,۱‬در ‪ ۱:۵۸‬ب‪٫‬ظ‬ ‫‪.13‬‬

‫ﺗﺷﮐر ﻣﯾﮐﻧم‪.‬ﻗﺎﺑل ﻓﮫم و ﺳﺎده ﺑود‬

‫ﭘﺎﺳﺦ‬

‫ﺣﺳﯾﻧﯽ ﮔﻔت‪:‬ﻓروردﯾن ‪ ۱۳۹۸ ,۱۶‬در ‪ ۷:۵۱‬ب‪٫‬ظ‬ ‫‪.14‬‬

‫ﺑﺎﺳﻼم ‪ .‬ﻣن ﺑرای ﻣﻘﺎﯾﺳﻪ ﻣﯾﻧﮔﯾن زﻣﺎن ﮐﺎری ‪ ۳۱‬اﺳﺗﺎن ﺑﺎ ﮐل ﮐﻪ ھر اﺳﺗﺎن از ﻧظر ﺗﻌداد ﻣراﺟﻌﻪ و ﺗﻌداد‬
‫ﮐﺎرﺑر و … ﻣﺗﻔﺎوﺗﻧد ﻣﯾﺎﻧﮔﯾن ھر اﺳﺗﺎن را ﻧﺳﺑت ﺑﻪ ﮐل ﮐﺷور اﺳﺗﺎﻧدارد ﮐردم ‪ .‬ﺣﺎﻻ ﺑرای ﺟﻣﻊ ﺑﻧدی ﻧﮫﺎﯾﯽ ﺑﺎﯾد‬
‫از ﺟدول اﺳﺗﺎﻧدارد اﺳﺗﻔﺎده ﮐﻧم؟‬

‫ﭘﺎﺳﺦ‬

‫ﻣﮫدی اﺣﻣدی ﮔﻔت‪:‬ﻓروردﯾن ‪ ۱۳۹۸ ,۲۳‬در ‪ ۱:۵۹‬ق‪٫‬ظ‬ ‫‪.15‬‬

‫ﺑﺎ ﺳﻼم ‪ ،‬ﺷﻣﺎ ﺑﺎ ﺑﯾﺎن ﻣﻔﮫوﻣﯽ و ﺳﺎده ﻣطﻠب ﮐﻣک ﺑزرﮔﯽ ﺑﻪ ﯾﺎدﮔﯾری داﻧﺷﺟو ﻣﯾﮐﻧﯾد واﺳﺎﺗﯾد اﯾﻧﮐﺎر رو ﮐﻣﺗر‬
‫اﻧﺟﺎم ﻣﯾدھﻧد و ﻓرﻣول وار درس ﻣﯾدھﻧد و ﺑﻪ اﯾن ﻟﺣﺎظ واﻗﻌﺎ ﺣق ﻣﻌﻠﻣﯽ ﺑر ﮔردن ﻣن دارﯾد و ﻣﻔﺎھﯾم اﻣﺎری‬
‫زﯾﺎدی رو ازﺗون ﯾﺎد ﮔرﻓﺗم و ازﺗون ﻣﻣﻧون ھﺳﺗم‪ ،‬ﯾک ﺳوال ھم داﺷﺗم ‪ ،‬اﻣﮐﺎﻧش ھﺳت راﺟﻊ ﺑﻪ ﻧﺣوه اﺛﺑﺎت‬
‫ﻓرو ل ﮔﺎوﺳﯽ اﯾن اﺑﻊ ﻧرﻣﺎل ھم ﺗوﺿﯾﺢ ﺑدﯾن ﮐﻪ ﺟﭼطور ﺑدﺳت ﻣﯽ اورﯾم؟ ﻣﺛل ﺗوﺿﯾﺢ ﺗﺎﺑﻊ ﭘواﺳون ﮐﻪ از‬
‫روی دو ﺟﻣﻠﻪ ای ﺑدﺳت اوردﯾد ‪ ،‬ﺑﺎز ھم ﻣﻣﻧون‬

‫ﭘﺎﺳﺦ‬

‫‪ adel‬ﮔﻔت‪:‬اردﯾﺑﮫﺷت ‪ ۱۳۹۸ ,۲۲‬در ‪ ۱۱:۰۸‬ب‪٫‬ظ‬ ‫‪.16‬‬

‫ﺑﺎ ﺗﺷﮐر از ﻧوﯾﺳﻧده ﻣﺣﺗرم‪ ،‬ﻣطﺎﻟب ﺑﺳﯾﺎر روان و ﻗﺎﺑل اﺳﺗﻔﺎده ھﺳت‪.‬‬

‫ﭘﺎﺳﺦ‬

‫اﺑواﻟﻔﺿل ﮔﻔت‪:‬ﺧرداد ‪ ۱۳۹۸ ,۲۶‬در ‪ ۱۰:۴۸‬ق‪٫‬ظ‬ ‫‪.17‬‬

‫ﻋﺎﻟﯽ ﺑود‬

‫ﭘﺎﺳﺦ‬

‫ﮔﻠﺳﺗﺎﻧﯽ ﮔﻔت‪:‬ﺗﯾر ‪ ۱۳۹۸ ,۲۵‬در ‪ ۱۰:۰۴‬ق‪٫‬ظ‬ ‫‪.18‬‬

‫ﺳﻼم ﻣﻣﻧون از اطﻼﻋﺎت ﻣﻔﯾدﺗون ‪،‬‬

‫در ﻣﺛﺎل اول ﭼرا ‪ ۱.۱‬و ‪ ۱.۷‬رو از ھم ﺗﻔرﯾق ﮐردﯾن ؟‬

‫ﭘﺎﺳﺦ‬

‫ﻣﺟﯾد ﻋوضزاده ﮔﻔت‪:‬ﺗﯾر ‪ ۱۳۹۸ ,۲۵‬در ‪ ۱۲:۱۵‬ب‪٫‬ظ‬ ‫‪.1‬‬

‫ﺑﺎ ﺳﻼم و ﺗﺷﮐر از ﺑﺎزﺧورد ﺷﻣﺎ‪.‬‬

‫اﻧﺣراف ﻣﻌﯾﺎر ﻧﺷﺎندھﻧده ﻣﯾﺎﻧﮔﯾن ﻓﺎﺻﻠﻪ ﻣﻘﺎدﯾر آﻣﺎری از ﻣﻘدار ﻣﯾﺎﻧﮔﯾن اﺳت‪ .‬ﺑدﻟﯾل ﻧرﻣﺎل ﺑودن ﺗوزﯾﻊ‬
‫در اﯾن ﻣﺛﺎل‪ ،‬ﺑﺎﯾد ﻓﺎﺻﻠﻪ ﺑﯾن ﻣﺎﮐزﯾﻣم و ﻣﯾﻧﯾﻣم را ﺑﻪ ‪ ۴‬ﻗﺳﻣت ﻣﺳﺎوی ﺗﻘﺳﯾم ﮐرد‪ .‬ھرﯾک از اﯾن ﻗﺳﻣتھﺎ‬
‫ﻧﺷﺎندھﻧده ﻣﻘدار اﻧﺣراف ﻣﻌﯾﺎر اﺳت‪ .‬ﻣﻘدار اﯾن ﻓﺎﺻﻠﻪ ﻧﯾز ﺑراﺑر ﺑﺎ ‪ ۱.۷-۱.۱‬اﺳت‪.‬‬

‫ﺣﺳﻳن ﮔﻔت‪:‬ﻣرداد ‪ ۱۳۹۸ ,۱۵‬در ‪ ۱۰:۲۰‬ب‪٫‬ظ‬ ‫‪.19‬‬

‫ﻣﻣﻧون ﻣوﻓق ﺑﺎﺷﯾد ﺧﯾﻠﯽ ﻋﺎﻟﯽ ﺑود‬

‫ﭘﺎﺳﺦ‬

‫ﻋﺑﺎس ﮔﻔت‪:‬ﻣرداد ‪ ۱۳۹۸ ,۱۶‬در ‪ ۶:۳۳‬ب‪٫‬ظ‬ ‫‪.20‬‬

‫ﻣﻣﻧون‬
‫ﺧﯾﻠﯽ ﻣطﻠﺑﺗون ﺳﺎده و ﺧوش ﺑﯾﺎن ﺑود‬ ‫‪Privacy - Terms‬‬
 ‫ﭘﺎﺳﺦ‬
‫ﺗﺑﻠﯾﻐﺎت‬
‫ھﺎدی ﮔﻔت‪:‬آﺑﺎن ‪ ۱۳۹۸ ,۶‬در ‪ ۱۱:۵۲‬ق‪٫‬ظ‬ ‫‪.21‬‬
‫ھﻣﮐﺎری ﺑﺎ ﻣﺎ‬ ‫‪‬‬ ‫‪  ‬ﻣﺟﻠﻪ ﻓرادرس‬ ‫ﺟﺳﺗﺟو‬
‫ﺑﺳﯾﺎر ﺧوب و آﻣوزﻧده ﺑود‪ .‬ﺑﺎ زﺑﺎن ﺳﺎده‬

‫ﺗﻣﺎس ﺑﺎ ﻣﺎ‬ ‫ﭘﺎﺳﺦ‬

‫زھرا ﻣوﺳوی ﮔﻔت‪:‬آﺑﺎن ‪ ۱۳۹۸ ,۹‬در ‪ ۱۰:۳۵‬ق‪٫‬ظ‬ ‫‪.22‬‬

‫ﺳﻼم واﻗﻌﺎ ﺳﭘﺎﺳﮔزارم ‪ .‬ﻣن ﺳﻪ ﺗﺎ ﮐﺗﺎب آﻣﺎر ﺧواﻧدم ﺑﻪ اﯾن ﺧوﺑﯽ ﺗوﺿﯾﺢ ﻧداده ﺑودن‪.‬‬

‫ﭘﺎﺳﺦ‬

‫ﻧظر ﺷﻣﺎ ﭼﯾﺳت؟‬

‫ﻧﺷﺎﻧﯽ اﯾﻣﯾل ﺷﻣﺎ ﻣﻧﺗﺷر ﻧﺧواھد ﺷد‪ .‬ﺑﺧشھﺎی ﻣوردﻧﯾﺎز ﻋﻼﻣتﮔذاری ﺷدهاﻧد *‬

‫ﻧﺎم ﺷﻣﺎ *‬ ‫ﻣﺗن ﻧظر *‬

‫اﯾﻣﯾل ﺷﻣﺎ *‬

‫ﭘﺎﯾﺗﺧت اﯾران ﮐدام ﺷﮫر اﺳت؟‬

‫ارﺳﺎل دﯾدﮔﺎه‬

‫ﺑرﭼﺳبھﺎ‬
‫‪AverageBell curveCalculating Standard DeviationCurve symmetryGraph‬‬
‫‪symmetryHistogramMeanMeasuring standard deviationMedianModeNormal‬‬
‫‪DistributionSigmaStandard DeviationStandard normal distribution tableStandard‬‬
‫‪scorestandard score formulastandardizestandardized datastandardized valuesUse of‬‬
‫‪standardized dataz scorez score formula‬آﻣوزکآﻣوزک آﻣﺎراﺳﺗﺎﻧدارد ﮐردناﻧﺣراف ﻣﻌﯾﺎراﻧدازه ﮔﯾری‬
‫اﻧﺣراف ﻣﻌﯾﺎرﺗﻘﺎرن ﻧﻣودارﺗوزﯾﻊ آﻣﺎریﺗوزﯾﻊ ﺑﺻورت ﻧرﻣﺎلﺗوزﯾﻊ ﻧرﻣﺎلﺟدول ﺗوزﯾﻊ ﻧرﻣﺎل اﺳﺗﺎﻧداردﺧطﺎی‬
‫اﺳﺗﺎﻧداردداده اﺳﺗﺎﻧدارد ﺷدهﺳﯾﮔﻣﺎﻓرﻣول ﻧﻣره ‪z‬ﻓرﻣول ﻧﻣره اﺳﺗﺎﻧداردﮐﺎرﺑرد داده اﺳﺗﺎﻧدارد ﺷدهﻣدﻣﻧﺣﻧﯽ زﻧﮔوﻟﻪ‬
‫ایﻣﯾﺎﻧﮔﯾنﻣﯾﺎﻧﻪﻣﯾزان ﮔﺳﺗردﮔﯽ اﻋدادﻧﻣرات اﺳﺗﺎﻧداردﻧﻣره ‪z‬ﻧﻣره اﺳﺗﺎﻧداردﻧﻣودار زﻧﮔوﻟﻪ ایھﯾﺳﺗوﮔرام‬

‫↑‬
‫ھﻣراه ﺷوﯾد‬ ‫آﻣوزشھﺎی وﯾدﺋوﯾﯽ‬
‫ﻓرادرس‬ ‫ﺑﺎ ﻓرادرس‬
‫ﺗﻤﺎس ﺑﺎ ﻣﺎ‬
‫ﺳﺎزﻣﺎن ﻋﻠﻣﯽ و آﻣوزﺷﯽ »ﻓرادرس« )‪ (Faradars‬از ﻗدﯾﻣﯽﺗرﯾن وبﺳﺎﯾتھﺎی ﯾﺎدﮔﯾری آﻧﻼﯾن اﺳت‬ ‫ﺑﺮﻧﺎﻣﮫ ﻧﻮﯾﺴﯽ‬ ‫ﻋﻤﺮان‬

‫ﮐﻪ ﺗواﻧﺳﺗﻪ طﯽ ﺑﯾش از ده ﺳﺎل ﻓﻌﺎﻟﯾت ﺧود ﺑﺎﻟﻎ ﺑر ‪ ۱۰۰۰۰‬ﺳﺎﻋت آﻣوزش وﯾدﯾوﯾﯽ در ﻗﺎﻟب ﻓراﺗر از‬
‫ھﻤﮑﺎری ﺑﺎ ﻣﺎ‬
‫‪ ۲۰۰۰‬ﻋﻧوان ﻋﻠﻣﯽ‪ ،‬ﻣﮫﺎرﺗﯽ و ﮐﺎرﺑردی را ﻣﻧﺗﺷر ﮐﻧد و ﺑﻪ ﺑزرﮔﺗرﯾن ﭘﻠﺗﻔرم آﻣوزﺷﯽ اﯾران ﻣﺑدل‬ ‫ﺑﺮق و اﻟﮑﺘﺮوﻧﯿﮏ‬ ‫ھﻮش ﻣﺼﻨﻮﻋﯽ‬

‫ﺷود‪ .‬ﻣﺷﺎھده ﺑﯾﺷﺗر‬

‫ﻣﮭﻨﺪﺳﯽ ﻧﺮم اﻓﺰار‬ ‫ﻃﺮاﺣﯽ ﮔﺮاﻓﯿﮏ‬ ‫ﺗﺪرﯾﺲ در ﻓﺮادرس‬

‫ﺗﺒﻠﯿﻐﺎت‬ ‫ﻓﺮادرس‬

‫درﺑﺎره ﻣﺎ‬

‫© ﻓرادرس ‪ .۱۳۹۷-۱۳۸۹‬ﺗﻣﺎﻣﯽ ﺣﻘوق ﻣﺣﻔوظ اﺳت‪.‬‬

‫‪Privacy - Terms‬‬