خانه آمار (روانشناسی)

کلید پیشنهادی آمار و روش دکتری ۱۴۰۵ ۲۱ گزینه ۲ ۲۲ گزینه ۱ ۲۳ سطوح اندازه گیری متغیر وابسته ۲۴ جواب: ۸ ۲۵ جواب: ۵ ۲۶ گزینه ۳ ۲۷ جواب: ۱.۲ ۲۸ ملاک تغییر ۲۹ کنترل آزمایشی و اعتبار درونی ۳۰ گزینه ۴ ۳۱ اندازه گیری مکرر ۳۲ دستکاری متغیر مستقل ۳۳ قوم نگاری ۳۴ اکتشافی متوالی ۳۵ مطالعه موردی https://t.me/khaneye_amar

🚨 فقط ۱ ماه تا آزمون دکتری روانشناسی باقی مونده… و هنوز با آمار مشکل داری؟ ❌ فرمول‌ها قاطی شده ❌ تست‌ها گیج‌کننده‌اند ❌ نمی‌دونی کدوم مبحث واقعاً مهم‌تره ❌ هرچی می‌خونی، سر جلسه یادت میره اگر حتی ۱۰–۱۵٪ از نمره آمار رو از دست بدی، خیلی ساده از رقابت حذف می‌شی ❗ 🎯 راه‌حل دقیق برای ۳۰ روز آخر: 🔥 پکیج جامع آمار دکتری روانشناسی (۲۰ ساعت آموزش هدفمند) حل و تحلیل تست‌های سال‌های اخیر دکتری این پکیج مخصوص کسانیه که: ✔️ وقت آزمون ندارن ✔️ نمی‌خوان آمار رو رها کنن ✔️ می‌خوان با حداقل زمان، حداکثر نمره بگیرن 📦 داخل این پکیج چی داری؟ ✅ آموزش کاملاً مفهومی و کنکوری آمار ✅ تمرکز روی مباحث پرتکرار دکتری روانشناسی ✅ حل تست‌های سال‌های اخیر قدم‌ به‌ قدم ✅ تکنیک‌های رد گزینه و مدیریت زمان ✅ مناسب حتی برای کسانی که از آمار متنفرن 😅 ⏱️ ۲۰ ساعت آموزش = نجات آمار در ۳۰ روز 💰 قیمت پکیج: 💵 ۱,۵۰۰,۰۰۰ تومان (کمتر از هزینه یک کلاس حضوری بی‌اثر اما با بازده چند برابر) 📌 این پکیج: ❌ آمار رو برات سخت نمی‌کنه ❌ وقتت رو تلف نمی‌کنه ✅ دقیقاً برای آزمون دکتری روانشناسی طراحی شده ⚠️ هشدار جدی: اگر آمار رو حذف کنی یا بدون برنامه جلو بری عملاً شانس قبولی رو خودت کم می‌کنی این پکیج برای «دانشجوی تنبل» نیست برای کسیه که می‌خواد بجنگه تا آخر 💪 📩 برای دریافت پکیج و اطلاعات بیشتر همین الان پیام بده @H_of_S_admin ⏳ زمان کم است، رقابت شدیدتر… با خانه آمار، آمار رو قورت بدید! 📊💪 ✳️ لینک دعوت از دوستان: https://t.me/khaneye_amar https://t.me/khaneye_amar https://t.me/khaneye_amar https://t.me/khaneye_amar #کنکور_ارشد_روانشناسی #کنکور_دکتری_روانشناسی #آمار_روانشناسی #خانه_آمار

جمع‌بندی و نکات کنکوری 📋 خلاصه فرمول‌های مهم: • χ² = Σ (O - E)² / E • df انطباق = k - ۱ • df استقلال = (سطر-۱)×(ستون-۱) • E = (جمع سطر × جمع ستون) / N • φ = √(χ² / N) 🎯 نکات کنکوری: • شرط استفاده از تصحیح یتس: df = ۱ • برای فراوانی‌های خیلی کم از آزمون دقیق فیشر استفاده می‌شود • خی دو با حجم نمونه رابطه مستقیم دارد • این آزمون جزء آزمون‌های ناپارامتری محسوب می‌شود https://t.me/khaneye_amar

محاسبه شدت رابطه 📐 ضرایب همبستگی مرتبط با خی دو: ضریب فی (برای جدول ۲×۲): φ = √(χ² / N) ضریب کرامر (برای جدول‌های بزرگتر): V = √(χ² / [N × (k-1)]) 📌 نکته: k = تعداد سطر یا ستون کوچکتر https://t.me/khaneye_amar

محاسبات کاربردی 🧩 فرمول فراوانی مورد انتظار در جدول توافقی: انتظار = (جمع سطر × جمع ستون) / تعداد کل 💡 نکات طلایی: • اگر همه فراوانی‌های مشاهده شده برابر باشند → χ² = ۰ • مقدار خی دو هرگز منفی نمی‌شود • اگر آزمون معنادار شد، از ضریب فی برای سنجش شدت رابطه استفاده می‌کنیم https://t.me/khaneye_amar

شرایط و محدودیت‌ها ⚠️ شرایط استفاده از آزمون خی دو: • داده‌ها به صورت فراوانی باشند • مشاهدات مستقل از هم باشند • هر مشاهده فقط در یک مقوله قرار گیرد • فراوانی مورد انتظار در هر خانه ≥ ۵ باشد ✏️ تصحیح یتس: • فقط برای جدول ۲×۲ (df = 1) • وقتی فراوانی مورد انتظار کم است • فرمول: χ² = Σ [ (|مشاهده-انتظار| - ۰.۵)² / انتظار ] https://t.me/khaneye_amar

انواع آزمون خی دو 📈 دو نوع اصلی: ۱. آزمون انطباق (نیکویی برازش): • طرح تک متغیری • مقایسه داده‌ها با توزیع نظری • مثال: آیا توزیع گروه‌های خونی در جامعه با توزیع نظری یکسان است؟ ۲. آزمون استقلال: • طرح چندمتغیری  • بررسی رابطه دو متغیر اسمی • مثال: آیا بین جنسیت و انتخاب رشته تحصیلی رابطه وجود دارد؟ https://t.me/khaneye_amar

فرمول‌های پایه 🧮 فرمول اصلی خی دو: χ² = Σ [ (مشاهده - انتظار)² / انتظار ] 🔑 محاسبه درجه آزادی: • آزمون انطباق: df = k - 1 • آزمون استقلال: df = (تعداد سطر - ۱) × (تعداد ستون - ۱) 📌 مثال: برای جدول ۳×۴ داریم: df = (۳-۱)×(۴-۱) = ۲×۳ = ۶ https://t.me/khaneye_amar

موارد استفاده آزمون 🎯 آزمون خی دو سه چیز را می‌سنجد: • شکل توزیع (نیکویی برازش) • گرایش به مرکز  • ارتباط بین دو متغیر مقوله‌ای ❓ سوال کنکوری: خی دو چه چیزی را اندازه می‌گیرد؟ پاسخ: تفاوت بین فراوانی‌های مشاهده شده و مورد انتظار https://t.me/khaneye_amar

معرفی آزمون خی دو 📊 آزمون خی دو (χ²) چیست؟ یک آزمون غیرپارامتری برای داده‌های اسمی و رتبه‌ای ✅ کاربرد اصلی: مقایسه فراوانی مشاهده شده با فراوانی مورد انتظار 🧠 نکته کنکوری مهم: استفاده از این آزمون به "شکل توزیع نمرات بستگی ندارد" https://t.me/khaneye_amar

خلاصه نهایی 🎯 جدول معادل‌های پارامتری و ناپارامتری تی مستقل: مان-ویتنی تی وابسته: ویلکاکسون آنووا یک راهه: کروسکال-والیس آننکا مکرر: فریدمن 💎 نکات نهایی: • خی دو → فقط داده‌های گسسته • خی دو → آزمون نبودن وابستگی • مان-ویتنی → پرکاربردترین آزمون https://t.me/khaneye_amar

آزمون‌های چند نمونه‌ای 👥 مقایسه سه گروه یا بیشتر گروه‌های مستقل: • خی دو K نمونه • میانه K گروه  • کروسکال-والیس - معادل ANOVA ⭐ • جانکهیر - تشخیص روند گروه‌های وابسته: • کوکران • فریدمن - معادل ANOVA مکرر • ال‌پیچ - آزمون تعقیبی 🎯 نکته کنکوری: تست ارشد: معادل تحلیل واریانس → کروسکال-والیس https://t.me/khaneye_amar

آزمون‌های دو نمونه‌ای 🔄 مقایسه دو گروه گروه‌های مستقل: • فیشر - نمونه‌های کوچک • خی دو - مقایسه نسبت‌ها  • مان-ویتنی - معادل t مستقل ⭐ • میانه - داده‌های ترتیبی گروه‌های وابسته: • مک‌نمار - داده‌های قبل و بعد • علامت - توزیع پیوسته • ویلکاکسون - معادل t وابسته 🥈 📚 نکات کنکوری: تست ارشد: معادل t مستقل → مان-ویتنی تست ارشد: معادل t وابسته → ویلکاکسون https://t.me/khaneye_amar

آزمون‌های تک‌نمونه‌ای 🔍 آزمون‌های تک‌نمونه‌ای انتخاب آزمون براساس نوع داده: مجذور کای: داده‌های اسمی کولموگروف-اسمیرنوف: داده‌های ترتیبی تقارن توزیع: داده‌های فاصله‌ای 🎯 نکته کنکوری: برای داده‌های کیفی در سطح اسمی از کدام آزمون استفاده کنیم؟ 📌 پاسخ: مجذور کای https://t.me/khaneye_amar

معرفی آزمون‌های ناپارامتری 📊 آزمون‌های ناپارامتری مزایای اصلی: ✅ نیاز به نرمال بودن جامعه ندارند ✅ با داده‌های رتبه‌ای و اسمی کار می‌کنند  ✅ برای نمونه‌های کوچک مناسبند کاربرد اصلی: تحقیقات علوم رفتاری 🔔 نکته کنکوری: علت استفاده از آزمون‌های ناپارامتری در علوم رفتاری؟ 📌 پاسخ: عدم نیاز به مفروضه‌های سختگیرانه https://t.me/khaneye_amar

کنترل اختلافات اولیه 🧩📉  📌 اگر قبل از شروع آزمایش، گروه‌ها در پیش‌آزمون تفاوت داشتن، چطور کنترل کنیم؟  → بهترین روش: تحلیل کوواریانس (ANCOVA)  جمع‌بندی و مقایسه طرح‌ها 📚⚖️  🔸 طرح‌های بین‌گروهی: آزمودنی‌های مستقل  🔸 طرح‌های درون‌گروهی (مکرر): کنترل تفاوت‌های فردی  🔸 طرح‌های عاملی: بررسی اثرات اصلی و تعامل آزمون‌های تعقیبی و نکات کلیدی 🎯🔍  ✅ اگر عامل بیش از دو سطح داشته باشه، از آزمون تعقیبی (مثل توکی) استفاده می‌شود.  ❌ در طرح ۲×۲ آزمون تعقیبی نداریم.  ✅ آزمون توکی وقتی به‌کار می‌ره که حجم نمونه‌ها مساوی و اثر تعامل معنادار نباشه. https://t.me/khaneye_amar

طرح اندازه‌گیری مکرر 🔄👥  📌 وقتی هر آزمودنی تحت چندین شرایط آزمایش قرار می‌گیره، از این طرح استفاده می‌شود.  → مزیت: کنترل تفاوت‌های فردی و نیاز به آزمودنی کمتر  ⚠️ تهدیدات روایی درونی:  - اثر ترتیب  - انتقال  - خستگی  - تمرین  📚 مثال:  در کدام طرح تفاوت‌های فردی کنترل می‌شود؟  → طرح اندازه‌گیری مکرر یک عاملی https://t.me/khaneye_amar

درجات آزادی و آزمون F 🧮📐  در یک طرح عاملی a×b:  - dfₐ = a-1  - dfբ = b-1  - dfₐբ = (a-1)(b-1)  - df خطا = ab(n-1)  📊 نسبت F برای هر اثر:  Fₐ = MSₐ / MS_error  Fb = MSb / MS_error  Fₐb = MSₐb/ MS_error  📌 نکته: برای پیدا کردن F بحرانی در ANOVA یک‌طرفه، به df بین‌گروهی و درون‌گروهی نیاز داریم.  https://t.me/khaneye_amar

اثرات اصلی و اثر تعامل 📈🔗  در تحلیل واریانس عاملی، سه نوع اثر داریم:  1️⃣ اثر اصلی عامل A  2️⃣ اثر اصلی عامل B  3️⃣ اثر تعامل (A×B)  📌 اثر تعامل: یعنی اثر یک عامل بر متغیر وابسته، بستگی به سطح عامل دیگه داره!  🔍 مثال:  اگر اثر تعامل بین "جنسیت معلم" و "روش تدریس" روی یادگیری معنادار بشه، یعنی اثر روش تدریس بسته به جنسیت معلم فرق می‌کنه.  https://t.me/khaneye_amar

معرفی تحلیل واریانس عاملی 🧪📊  📌 وقتی بخوایم اثر چند متغیر مستقل رو همزمان روی یک متغیر وابسته بررسی کنیم، دیگه ANOVA یک‌طرفه جوابگو نیست!  → اینجا باید از تحلیل واریانس عاملی (Factorial ANOVA) استفاده کنیم.  🔹 طرح عاملی: همزمانی اجرای دو یا چند عامل (هر عامل با دو سطح یا بیشتر)  🔹 نماد: R×C (ستون × ردیف)  📚 مثال:  فرض کنید می‌خوایم اثر "روش تدریس" و "سطح استعداد" دانش‌آموزان رو روی یادگیری زیست‌شناسی بسنجیم.  → مناسب‌ترین روش: تحلیل واریانس عاملی  https://t.me/khaneye_amar