‫احصائیه تحلیلی‪/‬استنباطی‬

‫‪Analytical/inferencial Statistics‬‬
‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬
‫موبایل‪Email: assad.samadi@gmail.com 0795991919 :‬‬
‫آزمایش فرضیه ها‪ ،‬مقایسه اوسط ها (‪)T-test‬‬
 ‫انواع فرضیه ها‬
‫• فرضیه صفری (”‪)The null hypothesis “H0‬‬
‫– ‪Study hypothesis‬‬
‫• فرضیه مبنی بر اینکه میان دو پارامتر تفاوت وجود ندارد‬
‫• بین مقدار گرفتن شکر و فشار بلند خون رابطه ی وجود ندارد (‬

‫• فرضیه بدیل (”‪)Alternative hypothesis “H1‬‬

‫– فرضیه مبنی بر اینکه ما نتوانستیم فرضیه صفری را رد کنیم‪ ،‬پس‬
‫فرضیه بدیل را قبول کردیم (میان دو پارامتر تفاوت موجود است)‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪3‬‬

 ‫اساسات ‪t-test‬‬

‫• مقایسه یک ‪ mean‬با یک ‪ mean‬از قبل معلوم‬

‫• مقایسه دو ‪ mean‬یک متغیر کمی در دو گروپ‬

‫• همیشه صرف یک متغیر را مورد ارزیابی قرار داده می تواند‬

‫• متغیر مورد نظر باید در مقیاس عددی باشد‬

‫• مشخصه مورد نظر باید توزیع نورمال در جمعیت داشته باشد‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪4‬‬
 ‫‪One – sample t-test‬‬
‫• مقایسه ‪ mean‬یک متغیر مشخص با قیمت ‪ mean‬جمعیت ویا یک‬
‫قیمت معلوم همان متغیر‬
‫‪Assumption‬‬
‫• توزیع نورمال متغیر مورد نظر در جمعیت‬
‫• نماینده گی نمونه از جمعیت مورد نظر (انتخاب تصادفی)‬
‫• تبدیل ارقام در صورت عدم توزیع نورمال (‪)log‬‬
‫• استفاده از روش های بدیل در صورت عدم توزیع نورمال‬
‫(‪)Sing test, Kolmogorov–Smirnov test or the runs Test‬‬
‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪5‬‬
 ‫رویکرد آزمایش‬
‫• ‪ :H0‬اوسط متغیر مورد نظر مساوی به اوسط حقیقی جمعیت (‪)μ0‬‬
‫است‬
‫• ‪ :H1‬اوسط متغیر مورد نظر مساوی به اوسط حقیقی جمعیت نبوده‬
‫و این کار سبب بوجود آمدن یک آزمایش ‪ two - tailed‬می‬
‫شود‬
‫• جمع آوری ارقام و نمایش آنها برای مشاهده توزیع نورمال‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪6‬‬

 ‫رویکرد آزمایش‬
‫• قیمت ‪ p-value‬را به اساس قیمت حاصله از احصائیه ازمایش‬
‫(صرف نظر از عالمه آن) از جدول ‪ t-distribution‬حاصل‬
‫نمائید‬
‫• با استفاده از قیمت ‪ p-value‬قضاوت نموده و مورد رد ویا عدم‬
‫رد فرضیه صفری تصمیم گیرید‬
‫• فواصل اطمنیان را برای اوسط محاسبه نموده و قضاوت آخری‬
‫خود را اجرا نمائید‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪7‬‬

 ‫‪One – sample t-test‬‬
‫مثال‪ :‬تجارب و ارقام قبلی نشان میدهند که میزان رشد ماهانه اطفال نوتولد‬
‫در سال اول زندگی ‪ 550‬گرام است و یک محقق می خواهد این متغیر را‬
‫در اطفال تولد شده در شهر کابل در سال ‪ 1395‬معلوم نماید‪.‬‬

‫‪ :H0‬میان اوسط حقیقی رشد و اوسط رشد ماهانه اطفال در کابل‬

‫تفاوت موجود نیست‬

‫‪ :H1‬میان اوسط حقیقی رشد و اوسط رشد ماهانه اطفال در کابل‬

‫تفاوت وجود دارد‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪8‬‬

 ‫‪One – sample t-test‬‬
‫محقق وزن ‪ 500‬طفل نوتولد را ثبت و اوسط رشد ماهانه آنها را‬
‫محاسبه نموده و آنرا ‪ 492‬گرام با خطای معیاری ‪ 14.32‬گرام‬
‫دریافت نمود‬
‫حال‪:‬‬
‫‪492 – 550/14.32 = -4.05‬‬
‫با ‪ 499‬میزان آزادی‬
‫قیمت حاصله ‪p <0.001 : p-value‬‬
‫اگر فرضیه صفری درست باشد‪ ،‬ما چانس کمتر از یک فیصد داریم تا اوسط‬
‫ماهانه وزن گیری اطفال به اندازه ‪ 492‬گرام باشد‪ ،‬پس فرضیه صفری رد‬
‫شد‬
‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪9‬‬
 ‫‪One – sample t-test‬‬
‫محاسبه ‪:CI 95%‬‬

‫‪CI 95%: 492 – 1.96*14.32, 492 + 1.96 * 14.32‬‬

‫‪CI 95%: 463.9, 520.06‬‬

‫از اینکه قیمت ‪ 550‬یا قیمت حقیقی اوسط جمعیت در این فواصل اطمینان‬
‫شامل نیست‪ ،‬لذا با درنظرداشت ‪ p<0.05‬تصمیم می گیریم که اوسط رشد‬
‫ماهانه اطفال شهر کابل در سال ‪ 1395‬کمتر از حد معمول است ‪ .‬باتوجه به‬
‫این نکته فرضیه صفری رد شده و فرضیه بدیل قبول می گردد‬
‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪10‬‬
 ‫‪Two sample t-test‬‬
‫• یکی از معمول ترین آزمایشات مورد استفاده که ً‬
‫اکثر سوء‬
‫استفاده می شود‬

‫• در همچو حالت اوسط دو گروپ مستقل در مورد یک متغیر‬

‫مورد مقایسه قرار می گیرد‬

‫• تطبیق ‪ assumptions‬این آزمایش قبل از اجرا و تفسیر نتایج‬

‫آن بسیار با اهمیت است‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪11‬‬

 ‫‪Assumptions‬‬
‫• دو نمونه باید مستقل از یکدیگر باشد و به شکل تصادفی از جمعیت‬
‫مورد مطالعه انتخاب شده باشند‬

‫• متغیر مورد مطالعه باید در هر جمعیت توزیع نورمال داشته باشد‬

‫• واریانس متغیر در هردو گروپ از نگاه احصائیوی مشابه باشند‬

‫(‪( )homoscedastic‬مقایسه سیب با سیب‪ ،‬نه سیب با تربوز)‬
‫• این کار توسط ‪ Levene’s test‬صورت می گیرد‬

‫• در غیر آن از آزمایشات بدیل کار گرفته شود‬

‫(‪)Wilcoxon rank sum test or the Mann–Whitney U test‬‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪12‬‬

 ‫روش اول‪Approach: equal variances‌:‬‬
‫• ‪ :H0‬تفاوت بین اوسط دو گروپ مورد مطالعه موجود نیست‬
‫• ‪ :H1‬اوسط متغیر مورد مطالعه در هردو گروپ تفاوت دارد‬
‫• جمع آوری ارقام و نمایش آن برای مشاهده توزیع نورمال‬
‫– مشاهده توزیع نورمال توسط گراف ویا آزمایش ‪Levene‬‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪13‬‬

 ‫روش اول‪Approach: equal variances‌:‬‬

‫• به اساس قیمت حاصله‪ p-value ،‬را استحصال نموده و قضاوت نمائید‬

‫• سپس فواصل اطمینان را نیز بدست آورده و تصمیم نهایی را بگیرید‬

‫= ‪CI 95%‬‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪14‬‬

 ‫‪Two sample t-test‬‬
‫مثال‪ :‬یک محقق می خواهد اوسط وزن دو گروپ افراد را مقایسه‬
‫نماید‪ ،‬طوریکه گروپ اول غذای شب را صرف نکرده‪ ،‬اما‬
‫گروپ دوم این کار می نماید‪ ،‬اما سایر فکتور های غذایی آنها‬
‫مشابه است‬
‫فرضیه صفری این است که اوسط وزن هردو گروپ تفاوت‬
‫ندارد‪ ،‬درحالیکه فرضیه بدیل می گوید که اوسط وزن هر دو‬
‫گروپ متفاوت است‬
‫‪ 54‬تن به شکل تصادفی در هر دو گروپ تقسیم شده و برای یک‬
‫ماه در همین رژیم غذایی قرار داده می شوند‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪15‬‬

 ‫ارقام وزن افراد در هر دو گروپ در ختم مطالعه (‪)Kg‬‬

‫گروپ کنترول‬ ‫گروپ غذا خورده در شب‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪16‬‬

‫چک نمودن حالت نورمال وزن بدن (‪‌)Kg‬با استفاده از‬
‫‪Box-and-whisker plot‬‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪17‬‬

 ‫محاسبه ‪ two sample t-test‬برای دریافت تفاوت‬
‫بین دو اوسط‬

‫قیمت ‪ t= 2.43‬با ‪ 52df‬در جدول توزیع ‪0.01 < P < 0.02 = t‬‬
‫اگر فرضیه صفری درست باشد‪ ،‬چانس حاصل کردن تفاوت ‪ 1.59Kg‬اوسط بین این دو گروپ صرف ‪ %2‬است‪،‬‬
‫لذا فرضیه صفری رد می گردد‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪18‬‬

 ‫محاسبه ‪ two sample t-test‬برای دریافت تفاوت‬
‫بین دو اوسط‬

‫قیمت ‪ t= 2.43‬با ‪ 52df‬در جدول توزیع ‪0.01 < P < 0.02 = t‬‬
‫اگر فرضیه صفری درست باشد‪ ،‬چانس حاصل کردن تفاوت ‪ 1.59Kg‬اوسط بین این دو گروپ صرف ‪ %2‬است‪،‬‬
‫لذا فرضیه صفری رد می گردد‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪19‬‬

 ‫محاسبه ‪‌%95‬فواصل اطمینان‬
‫= ‪CI 95%‬‬
‫• قیمت ‪ t0.05‬در ‪2.009 = 52df‬‬
‫• تفاوت اوسط = ‪1.59‬‬
‫• خطای معیاری = ‪0.655‬‬
‫‪• CI 95% = 1.59 ± 2.009*0.655‬‬
‫‪• CI = 0.28 – 2.91‬‬
‫• از اینکه در فواصل اطمینان ‪ %95‬عدد صفر یا یک شامل نیست‪،‬‬
‫لذا فرضیه صفری مبنی بر اینکه تفاوت بین دو اوسط صفر است‪ ،‬رد‬
‫شده (‪ )P<0.05‬و فرضیه بدیل قبول می گردد‬
‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪20‬‬
 ‫روش دوم‪unequal variances:‬‬
‫• اگر واریانس دو گروپ از نگاه احصائیوی باهم مساوی نباشند‪ ،‬در این‬
‫صورت از فورمول ذیل استفاده می شود‪:‬‬

‫• اکثر برنامه های احصائیوی به شمول ‪ SPSS‬محاسبه ‪ t-test‬را برای هر دو‬

‫حالت (واریانس مساوی و عدم مساوی) محاسبه می نمایند‬

‫• توزیع این حالت نورمال نبوده (غیر از نمونه بزرگ) و می تواند از‬
‫آزمایش ‪ Wilcoxon rank sum test‬استفاده شود‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪21‬‬

 ‫‪Paired t-test‬‬

‫• عین میزبان در دو حالت مورد ارزیابی قرار می گیرد‪ ،‬قبل‬

‫از تداوی و بعد از تداوی‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪22‬‬

 ‫‪Assumption‬‬

‫• مجموعه ها برای هر جوره توزیع نورمال داشته باشد‬

‫• در غیر آن قیمت متغیر قبل از اجرای آزمایش تبدیل شود‬
‫(مثال به ‪)log‬‬
‫• در صورت عدم موجودیت توزیع نورمال‪ ،‬از آزمایشات‬
‫غیر پارامتریک مانند ‪Wilcoxon signed rank test‬‬
‫استفاده شود‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪23‬‬

 Paired t-test

d = mean difference
sd = standard deviation of mean difference
n = paired of sample

• CI 95% =

1/19/2019 ‫ پوهندوی دوکتور اسدهللا صمدی‬:‫تهیه کننده‬ 24

 ‫از توجه تان جهان سپاس‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪25‬‬

‫‪1/19/2019‬‬ ‫تهیه کننده‪ :‬پوهندوی دوکتور اسدهللا صمدی‬ ‫‪26‬‬