آموزش تحلیل آماری با نرم افزار R

آموزش تحلیل آماری با نرم افزار R

محققین علوم زیستی در سال های اخیر در کنار پیشرفت های تکنولوژی و در اختیار داشتن دستگاه های آزمایشگاهی نوین با حجم وسیعی از داده های آزمایشگاهی مواجه شده اند. به منظور کسب نتایج صحیح و قابل اعتماد از داده های حاصل، نیاز به تحلیل و بررسی بیشتری وجود دارد. رشته آمار به عنوان علمی که از داده های حاصل نتیجه گیری انجام می دهد و می تواند صحت فرضیات آزمایشگاهی را بر اساس داده های به دست آمده مورد بررسی قرار دهد از جایگاه مهمی در علوم زیستی سال های اخیر برخوردار شده است. امروزه دیگر نمی توان حجم وسیعی از محاسبات را به وسیله روش های سنتی انجام داد.

آشنایی با مفاهیم آماری و نحوه تحلیل نتایج و همچنین تسلط به یک نرم افزار برای تسهیل محاسبات برای هر محققی در علوم زیستی امروزی ضروری است. نرم افزار R یک نرم افزار رایگان با بسته های متنوع برای اهداف متنوع است که بسیار مورد توجه محققین قرار گرفته است. وجود بسته های تحلیلی مختلف بر اساس موضوع مورد نیاز و این امکان که تهیه بسته های جدید و توابع مورد نیاز در این نرم افزار دیده شده است، یکی از نقاط قوت این نرم افزار تلقی می گردد. توانایی ها و امکانات این نرم افزار قابل مقایسه با دیگر نرم افزارهای تحلیل آماری با محیط بسته مثل SPSS نیست.

از طرفی به علت رایگان بودن و منبع باز بودن این نرم افزار، توجه ویژه ای در بین محققین به این نرم افزار وجود دارد به طوری که بسته های متعددی برای تحلیل های مختلف آماری و حتی غیرآماری برای آن وجود دارد. یکی دیگر از مزیت های این نرم افزار، توانایی کشیدن گراف ها و نمودارهای با کیفیت بالا و متنوع است که در کمتر نرم افزاری به آن توجه شده است. سایت ها و منابع مختلفی برای آموزش نحوه کار با بسته ها و توابع موجود در آن در دسترس است اما منبع مناسبی به زبان فارسی که بتواند نیاز محققین رشته های مرتبط را برطرف سازد تاکنون تهیه نشده است و اغلب مجلات معتبر پژوهشی و دیگر مجلات علمی به نتایج استناد شده از نرم افزار R اعتماد دارند.

در این آموزش قصد داریم محیط گرافیکی نرم افزارR را مورد بررسی قرار دهیم و با ارائه مطالب مرتبط، نقش این نرم افزار و تحلیل آماری را در نتیجه گیری از داده ها مورد بررسی قرار دهیم. در پایان این آموزش، مخاطب قادر به کار کردن با نرم افزار R، ورود اطلاعات، تجزیه و تحلیل آماری پایه ای باشد و بتواند مسائل مختلف را در قالب صورت مساله مشخص در نرم افزار تحلیل کند.

 

 

مباحث زیر در آموزش مطرح شده است:

  • مقدمه ای بر نرم افزار R و R Studio
    • تاریخچه زبان برنامه نویسی R
    • نصب و آشنایی با محیط نرم افزار
    • نرم افزار R Studio و بخش های مختلف آن
    • نحوه گرفتن راهنمایی در نرم افزار
    • شروع به کار با نرم افزار
  • تعریف متغیر و عملگرهای ریاضی و منطقی در نرم افزار
    • انواع متغیر در R
    • صفت های منتسب به هر متغیر
    • عملیات ریاضی و منطقی روی متغیرها
    • تعریف بردار
    • تعریف ماتریس
    • تعریف چارچوب داده
    • تبدیل متغیر به انواع دیگر
    • شناسایی داده های گم شده و بدون مقدار
  • ساختار های کنترل
    • ساختار شرط If
    • ساختار تکرار متناهی for
    • ساختار تکرار نامتناهی While
    • دستور های Break، Next و Return
    • حل یک مثال کاربردی
  • کار با توابع درونی R
    • نحوه ورود اطلاعات به نرم افزار از خارج برنامه به کمک توابع درونی
  • نحوه تعریف توابع جدید موردنیاز کاربر
  • بررسی چند تابع در نرم افزار
    • تابع lapply
    • تابع tapply
    • تابع split
    • تابع mapply10
    • تابع apply
  • بررسی چند توزیع آماری در نرم افزار
    • توزیع یکنواخت
    • توزیع دوجمله ای
    • توزیع هندسی
    • توزیع فوق هندسی
    • توزیع نمایی
    • توزیع کای دو
  • معرفی آماره
  • بررسی آماره های پرکاربرد
    • میانگین
    • واریانس
    • انحراف معیار
    • چندک
    • میانه
  • تحلیل توصیفی
    • بررسی شاخص های مرکزی و چگونگی محاسبه آن ها در نرم افزار
    • بررسی شاخص های پراکندگی و چگونگی محاسبه آن ها در نرم افزار
    • رسم نمودار فراوانی، نمودار جعبه ای و دیگر ابزار نمایش داده ها در نرم افزار
  • آزمون فرض آماری
    • معرفی توزیع نرمال و توزیع t و توابع مربوطه در نرم افزار
    • آزمون میانگین یک جامعه (One sample t-test)
    • آزمون میانگین دو جامعه (Two sample t-test)
    • بررسی آزمون Z در نرم افزار
  • نرمال سازی داده ها در نرم افزار R
    • نرمال سازی استاندارد
    • تبدیلات باکس کاکس
    • نرمال سازی بر اساس چندک
    • نرمال سازی به روش صیقل دادن با میانه
    • نرمال سازی به روش مقیاس گذاری
    • نرمال سازی به روش دامنه میان چارکی
    • نرمال سازی ناپارامتری مبتنی بر رگرسیونی
    • حل چند مثال در نرم افزار
  • انجام آنالیزهای آماری معروف

 
این آموزش برای رشته های زیر مفید است:

 

  • آمار و احتمالات
  • آمار زیستی
  • زیست شناسی و شاخه های مرتبط
  • علوم پزشکی و داروسازی
  • بیوتکنولوژی
  • اپیدمیولوژی و علوم محیطی
  • بیوانفورماتیک
  • علوم کامپیوتر
  • فیزیک
  • شیمی (کمومتریک)
  • آمار مکانیک
  • علوم روانشناسی و اجتماعی
  • مدیریت

به طور کلی در تمامی رشته هایی که بخشی از محاسبات مرتبط به روش های آماری می شود می توانند از توانایی های منحصر بفرد این نرم افزار استفاده کنند.برای یادگیری بهتر این آموزش، بهتر است پیش نیازهای زیر را رعایت نمایید:

  • آشنایی مقدماتی با مفاهیم آمار و ریاضی

 

 

برای مشاهده جزئیات و تهیه آموزش تحلیل آماری با نرم افزار R به این لینک (+) مراجعه نمایید.

 

0 پاسخ

ارسال یک پاسخ

در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *