دوره های آمادگی ارشد

v\:* {behavior:url(#default#VML);} o\:* {behavior:url(#default#VML);} w\:* {behavior:url(#default#VML);} .shape {behavior:url(#default#VML);}

روش های نمونه گیری

روش های غیر احتمالی

1-      در دسترس : این روش ضعیفترین روش نمونه گیری است و پژوهشگران با توجه به هدف تحقیق خود نمونه های در دسترس را انتخاب می کنند.

2-      هدفمند : این روش در تحقیقات کیفی استفاده می شود و پژوهشگر با توجه به ماهیت پژوهش خود افراد صاحب صلاحیت را انتخاب می کند.

3-      قضاوتی : در این روش پژوهشگر بر اساس قضاوت صاحبنظران نمونه مورد نظر خود را انتخاب می کند.

4-      زنجیره ای (شبکه ای – گلوله برفی) : در این روش پژوهشگر ابتدا با توحه به تحقیق خود یک یا چند نمونه را انتخاب کرده. سپس آنها افراد دیگری را که واجد آن ویژگی خاص که مورد نظر تحقیق است را معرفی می کند و این معرفی همینطور ادامه پیدا می کند. این روش فقط در موضوعات خاصی که جامعه هدف بواسطه آشنایی شناسایی می شوند استفاده می شود. (افراد مبتلا به ایدز، معتادان و ...)

5-      موارد مطلوب : پژوهشگر با توجه به موضوع تحقیق خود باید افرادی که واجد آن شرایط خاص مورد نظر هستند را پیدا و انتخاب کند. ( بررسی افراد خودشکوفا)

6-      موارد استثنایی : (خاص) در این روش نیز پژوهشگر مانند روش موارد مطلوب افرادی که واجد ویژگی خاصی هستند را انتخاب می کند. تفاوت این روش با روش موارد مطلوب در این است که ویژگی های مورد تاکید در این روش جهت منفی دارند. (مانند روش نمونه گیری فروید که اغلب افراد دارای بیماری انتخاب می کرد)

 

عوامل موثر بر تعیین حجم نمونه :

1-      روش تحقیق : در تحقیقات آزمایشی برای هر گروه حداقل 15 نفر، در تحقیقات علی مقایسه ای برای رگروه حداقل 30 نفر و در تحقیقات همبستگی حداقل 50 نفر. در تحقیقات زمینه یابی برای گروه اصلی حداقل 100 نفر و برای هرگروه فرعی 50 نفر.

2-      همگن و یا ناهمگن بودن جامعه : اگر جامعه همگن باشد به تعداد کمتری برای حجم نمونه نیازمندیم.

3-      مقیاس اندازه گیری : هرچه مقیاس اندازه گیری ضعیفتر باشد به تعداد نمونه بیشتری نیاز داریم.

4-      ابزار اندازه گیری : اگر ابزار اندازه گیری استاندارد نباشد (روایی و پایایی بالایی نداشته باشد) به تعداد نمونه بیشتری نیاز است تا زمانیکه ابزار اندازه گیری استاندارد باشد.

5-      واریانس متغیر وابسته  (واریانس صفت مورد نظر در جامعه) : علمی ترین ملاک انتخاب حجم نمونه واریانس صفت مورد نظر در جامعه است. برای پیدا کردن واریانس صفت مورد نظر در جامعه باید یک مطالعه مقدماتی انجام شود.

فرمول :

 

zα = 1.96

S² = واریانس

d² = میزان افت حجم نمونه

 

 

آمار

 

آمار توصیفی : هدف خلاصه کردن داده ها و طبقه بندی داده هاست

آمار استنباطی :

الف : هدف (1-برآورد نقطه ای 2- برآورد فاصله ای)

ب : آزمون فرض

برآورد : از روی ویژگی های نمونه ویژگی های جامعه را برآورد کنیم.

برآورد نقطه ای : فقط یک اندازه یا یک نقطه را برآورد می کند

برآورد فاصله ای : افراد یک محدوده را برآورد می کند.

 

آمار توصیفی :هدف خلاصه کردن و طبقه بندی داده هاست

 

1-       تشکیل یک جدول توزیع فراوانی : برای این امر اقدامات زیر را باید انجام داد.

a.       محاسبه دامنه تغییرات : نماد آن حرف R می باشد و محاسبه آن کسر بزگترین داده از کوچکترین داده است

b.       محاسبه تعداد طبقات : نماد طبقات حرف c می باشد و محاسبه آن از طریق تقسیم دامنه تغییرات (R) بر فاصله طبقات (I) می باشد.

c.       محاسبه فاصله طبقات : نماد آن جرف I می باشد و محاسبه آن از طریق تقسیم دامنه تغییرات (r) بر تعداد طبقات (c) می باشد.

d.       تعیین تقطه شروع : از کوچکترین داده به سمت منفی جرکت کرده و اولین عددی که فاصله طبقات بخش پذیر بود را به عنوان نقطه شروع انتخاب می  کنیم.

                                                               i.      نکته 1 : تعداد طبقات اختیاری است ولی بهتر است بین ده تا بیست طبقه انتخاب شود

                                                             ii.      نکته 2 : فاصله طبقات باید عددی فرد باشد

                                                            iii.      نکته 3 : در صورتیکه حاصل تقسیم اعشاری شد فقط به سمت بالا گرد می کنیم.

برای محاسبه تعداد طبقات بهترین کار این است که با توجه به نکته دوم (قاصله طبقات) دامنه تغییرات را به ترتیب بر اعداد 1-3-5-7 و ... تقسیم کنیم. اولین تقسیمی که حاصل آن عددی بین ده تا بیست بود را انتخاب کنیم و نقطه شروع را نیز بر همان اساس انتخاب نماییم.

یکی از نکات مهم دیگر درباره جدول توزیع فراوانی مرتب نمودن داده ها است. سعی کنید در سئوالاتی که داده ها را بصورت پراکنده دادند قبل از هرچیز آنها را مرتب کنید. این امر خصوصا درباره محاسبه میانه اهمیت ویژه ای دارد.

 

نمودارها

 

میانگین : قوی ترین شاخص میانگین مرکزی است. مقیاس آن فاصله ای / نسبی. مجموع انحراف نمره ها از میانگین همیشه صفر است. محاسبه آن نیز به این صورت است : جمع تمام داده ها تقسیم بر تعداد داده ها.

میانه : نماد آن md Q₂ و یا نقطه ای 50 درصدی است. محاسبه میانه به تعداد داده ها بستگی دارد.

تعداد داده ها فرد اگر باشد : داده ها را مرتب می کنیم، عدد وسط میانه است.

تعداد داده ها زوج اگر باشد : داده ها را مرتب می کنیم. دو داده وسطی را جمع کرده و تقسیم بر دو می کنیم (میانگین می گیریم).

ویژگی های میانه

1-       قوی ترین شاخص گرایش مرکزی است در صورتی که توزیع داده ها غیر نرمال باشد. (دارای کجی مثبت یا منفی باشد)

2-       مقیاس رتبه ای است.

نکته : اگر در داده ها عدد تکراری داشته باشیم باید ابتدا جدول توزیع فراوانی بکشیم و بعد از آن مطابق با فرمول زیر میانه را محاسبه می کنیم.

md =  L + (i)

L = حد واقعی طبقه ای که میانه در آن قرار دارد

  = تعداد فراوانی تقسیم بر 2

= فراوانی تراکمی طبقه ماقبل از طبقه ای که میانه در آن قرار دارد

 = فروانی مطلق طبقه ای که میانه در آن قرار دارد

i = فاصله ی طبقاتی

برای محاسبه قبل از هرچیز  را محاسبه می کنیم. عدد حاصل شده را در ستون فراوانی تراکمی پیدا می کنیم.اگر خود آن عدد وجود نداشت، آنقدر در ستون به سمت بالا حرکت می کنیم و اولین ردیفی که عدد بزرگتر از حاصل تقسیم در ستون فراوانی تراکمی را داشت انتخاب می کنیم.

به عنوان مثال اگر حاصل تقسیم عدد 5 بود و در ستون فراوانی تراکمی به ترتیب اعداد زیر را داشتیم ( 1 – 3 – 4 – 7 – 9 – 11) ردیفی که فراوانی تراکمی آن 7 است را انتخاب می کنیم.

مطابق با همین انتخاب بقیه مجهول های مورد نیاز پیدا می شوند.

 

مد یا نما : نماد آن mo است و اشاره به عددی دارد که بیشترین تکرار را در داده ها داراست. مد ضعیفترین شاخص گرایش مرکزی است. مقیاس آن اسمی است. بعضا مد مرکزیت داده ها را نشان نمی دهد.

 

مقایسه مد، میانگین و میانه.

در نمودار با توزیع نرمال مد، میانه و میانگین مساوی هم هستند.

در نمودار با کجی مثبت (امتحان سخت) ( در نمودار این نوع توزیع برآمدگی نمودار در سمت چپ مدار قرار دارد) : مد کوچکتر از میانه و میانه کوچکتر از میانگین است.

در نمودار با کجی منفی (امتحان آسان) ( در نمودار این نوع توزیع برآمدگی نمودار در سمت راست مدار قرار دارد) : مد بزرگتر از میانه و میانه بزرگتر از میانگین است.

بهترین شاخص های گرایش مرکزی در توزیع غیر نرمال میانه و در توزیع نرمال میانگین می باشد.

 

شاخص های پراکندگی

1-       دامنه تغییرات

2-       انحراف چارکی

3-       انحراف از میانگین

4-       انحراف واریانس

5-       انحراف معیار

6-       ضریب تغییرات

دامنه تغییرات : کسر کوچکترین داده از بزرگترین داده. ضعیفترین شاخص پراکندگی (چون تنها دو داده را مقایسه می کند)

انجراف چارکی : فرمول محاسبه انحراف چارکی به شرح زیر می باشد.

محاسبه انحراف چارکی در داده های با تعداد فرد و زوج متفاوت است.

 

در داده های با تعداد فرد  مراحل زیر را انجام می دهیم

1-       داده ها را مرتب کنید

2-       میانه کل داده ها را محاسبه کنید

3-       میانه داده ها سمت راست را محاسبه کنید

4-       میانه داده های سمت چپ را محاسبه کنید

5-       انحراف چارکی را با فرمول مربوط محاسبه کنید

 

در داده های با تعداد زوج نیز همین مراحل انجام می شود اما باید به نکته میانگین گرفتن توجه داشت.

همچنین اگر در داده ها اعداد تکراری داشته باشیم، نیاز به جدول نیست و مطابق با همین دو روش محاسبه می شود.

 

انحراف از میانگین : فاصله نمرات از میانگین را نشان می دهد و هرچه این شاخص به صفر نزدیکتر باشد داده ها همگن هستند و هرچه از صفر بزرگتر باشد داده ها فاصله ی بیشتری با میانگین را دارند.

برای محاسبه انحراف از میانگین، ابتدای میانگین داده ها را محاسبه کرده سپس هریک از داده ها را از میانگین کم کرده و بعد از آن تک تک حاصل ها را بدون علامت با هم جمع زده و حاصل را تقسیم بر تعداد داده ها می کنیم.

 

 

واریانس (پراکندگی) :

 

 

انحراف معیار : اگر از واریانس جذر بگیریم، انحراف معیار را بدست می آوریم. نماد آن : S

نکته : قویترین شاخص پراکندگی، انحراف معیار است.

 

نکته : تصحیح شپرد. این تصحیح برای انحراف معیار بکار می رود و به منظور خطایی است که در طبقه بندی اتفاق افتاده باشد. چنانچه طبقات یک جدول از 12 کمتر باشد باید انحراف معیار را تصحیح کرد.

sc =  

 

نکته 2 : تاثیر چهار عمل اصلی  بر محاسبه انحراف معیار و واریانس.

 

انحراف معیار : جمع و تفریق اثری ندارد. در تقسیم به این صورت تاثیر می گذارد. اگر تمام داده ها را در عددی ثابت تقسیم کنیم انحراف معیار جدید طبق این فرمول تغییر پیدا می کند. (به عنوان مثال انحراف معیار 3 می باشد و تمام داده ها را بر 2 تقسیم می کنیم)

در صورتیکه تمام داده ها را در عددی ثابت ضرب کنیم به این صورت اقدام می کنیم. (انحراف معیار 3 و تمام اعداد را در عدد ثابت 2 ضرب می کنیم)

c.s = 3.2

 

واریانس : جمع و تفریق اثری ندارد. هنگام ضرب به این طریق عمل می کنیم : c²s² و در هنگام تقسیم نیز مطابق این فرمول

Normal 0 false false false EN-US X-NONE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0in 5.4pt 0in 5.4pt; mso-para-margin-top:0in; mso-para-margin-right:0in; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0in; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri","sans-serif"; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin;} table.MsoTableGrid {mso-style-name:"Table Grid"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-priority:59; mso-style-unhide:no; border:solid windowtext 1.0pt; mso-border-alt:solid windowtext .5pt; mso-padding-alt:0in 5.4pt 0in 5.4pt; mso-border-insideh:.5pt solid windowtext; mso-border-insidev:.5pt solid windowtext; mso-para-margin:0in; mso-para-margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri","sans-serif"; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin;}