فاصله اطمینان

مقادیر بارش موثر بعنوان بخشی از نیاز آبی محصول برنج در جلگه مازندران ، بلحاظ اهمیت بالای این جلگه در تأمین برنج کشور ، بتفکیک واریته های زودرس و دیررس ، بروشهای مختلف محاسبه و نهایتاً با استفاده از روش بارش قابل اطمینان برآورد گردید. مقایسه نقشه های همبارش موثر معلوم می دارد که مقادیر بارش موثر در بخش غربی جلگه بیشتر از بخش شرقی آن است و در نتیجه نیاز خالص آبیاری در بخش غربی کمتر است . از آنجا که دانستن مقادیر حداقل و حداکثر بارش موثر با اطمینان مشخص ، یاریگر برنامه ریزان در امور مختلف است ، مقادیر بارش موثر در سه فاصله اطمینان 90، 95 و 99 درصد برآورد گردید. نقشه های مربوطه نشان می دهد که برای هر دو واریته زودرس و دیررس ، در بخش شرقی جلگه ، روی مقادیر بارش موثر کمتری می توان حساب باز کرد ؛ ضمن آنکه در سطوح اطمینان مختلف ، مقادیر بارش موثر برای واریته دیررس ، در حدود 50 میلیمتر بیشتر از واریته زودرس است. همچنین نقشه های مربوط به دوره های بازگشت بارش موثر نشان می دهد که مقادیر بارش موثر در بخش های غربی و مرکزی بیشتر از بخش شرقی است و دسترسی به بارش موثر در فصل رشد برنج ،بر حسب دوره بازگشت ، در بخشهای مختلف منطقه ، از کمتر از 80 تا بیش از 420 میلیمتر در نوسان است

همه انسان ها با محیط اطراف خود در ارتباط هستند و به شکلی از محیط، تأثیر می گیرند یا بر آن اثر می گذارند. از جمله محیط های تأثیرگذار بر رفتار و روان انسان، پارک های شهری و فضای سبز حومه هستند که محل گذراندن اوقات فراغت برای عدّه زیادی از شهرنشینان محسوب می شوند. فضای سبز شهرها «ریه های تنفّسی» شهرنشینان به شمار می آیند؛ به همین دلیل، نبودن آن به معنای وجودنداشتن سلامتی و تندرستی در شهرها است. بنابراین در این پژوهش، تفاوت های دمایی و رطوبتی بین پارک ها و خیابان های منتخب در شهر تهران و همچنین میزان همبستگی بین این دو عنصر، مطالعه و بررسی شده است. داده ها در این پژوهش به صورت میدانی در یک بازه زمانی از 30 فروردین تا 17 خرداد 1392 جمعاً به مدّت 15 روز و در پنج مقطع زمانی، انتخاب و جمع آوری شدند. در تجزیه و تحلیل داده ها از روش آماری فاصله اطمینان برای تفاوت میانگین دو جامعه از نوع آماره آزمون t با درجه آزادی و میانگین موزون واریانس های دو نمونه با فاصله اطمینان 98% استفاده شد. همچنین بررسی میزان همبستگی بین دما و رطوبت در پارک ها و خیابان ها با روش پیرسون انجام شد. نتایجی که از این روش به دست آمد نشان داد که از لحاظ دمایی و رطوبتی بین بعضی از پارک ها و خیابان ها اختلاف معنی داری وجود دارد که اوج این تفاوت از لحاظ رطوبتی در اوایل صبح و از لحاظ دمایی در اوایل ظهر مشاهده شد. نتایجی که از مطالعه همبستگی بین دما و رطوبت در پارک ها و خیابان ها به دست آمد نشان داد که همبستگی بین دما و رطوبت در خیابان ها، چندان به مقیاس زمانی وابسته نیست و در همه خیابان های منتخب، یک همبستگی از نوع منفی مشاهده شد؛ در حالی که همبستگی بین دما و رطوبت در پارک ها، به مقیاس زمانی، وابسته بود؛ به طوری که کمترین میزان همبستگی در اوایل صبح و بیشترین میزان همبستگی در اواخر ظهر مشاهده شد.

با توجه به اینکه برای سیاست گذاران آگاهی از ماندگاری یا ماندگارنبودنِ تورم اهمیت دارد، در این تحقیق درجه ماندگاری نرخ تورم کل و نیز تورم در دوازده زیرگروه طی دوره 1381 1392 بررسی می شود. بدین منظور، از مدل های AR و مجموع ضرایب (ریشه های) این مدل ها به عنوان تخمینی از درجه ماندگاری تورم استفاده می شود. نخست، برای بررسی ماندگاریِ این نرخ های تورم، از آزمون ریشه واحد ADF استفاده می شود. با توجه به کاستی های این آزمون و سایر آزمون های متداول ریشه واحد برای مطالعه ماندگاری متغیرهای سری زمانی (به ویژه هنگامی که این متغیرها دارای ریشه ای نزدیک به واحدند)، با استفاده از روش بوت استرپ که هنسن[1] (1999) آن را ارائه کرده فاصله اطمینان در سطح 90 درصد برای مجموع ریشه ها محاسبه می شود. نتایج این روش نسبت به ریشه واحد یا ریشه نزدیک به واحد حساس نیست و در همه موارد صحیح است.نتایج نشان می دهد، صرف نظر از نحوه تصریح مدل بر اساس آزمون ADF و فاصله اطمینان 90 درصد محاسبه شده به روش بوت استرپ نرخ تورم در گروه ارتباطات، گروه خوراکی ها و آشامیدنی ها و دخانیات، گروه خوراکی ها، گروه کالا و گروه حمل و نقل فاقد خاصیت ماندگاری است. در حالی که متغیر تورم در گروه های پوشاک، آموزش، بهداشت، تفریح و مسکن و نیز تورم کل در همه موارد دارای ریشه واحد و ماندگار است. بنابراین، اگر شوک قیمتی در این پنج گروه ایجاد شود، آثار این شوک برای همیشه ماندگار است و نرخ تورم این گروه ها برای همیشه تغییر می کند.

امروزه بیشتر پژوهشگران تحقیقات کاربردی صرفاً با نگاه به مقدار−احتمال، فرضیه پژوهش را رد یا قبول می کنند؛ همچنین با توجه به رابطه ای که بین مقدار−احتمال و اندازه نمونه وجود دارد، معمولاً در نمونه های بزرگ، با وجود کوچک بودن اندازه اثر با یک اطمینان بسیار بالا فرضیه ادعا پذیرفته می شود و محقق با تکیه صرف به مقدار−احتمال به سمت حمایت از نتایج بی اهمیت عملی سوق داده می شود؛ بدین ترتیب بسیاری از مطالعات پژوهش می توانند در زمره تحقیقاتی قرار گیرند که دارای تعدادی آزمون فرض معنادار شده، اما فاقد وجاهت کاربردی و اهمیت علمی است.نخست این مقاله با توجه به موضوع کلان داده، مسئله حجم داده و تنوع داده ها در کلان داده از نظر آمار پرداخته، سپس مقدار−احتمال، اندازه اثر و فاصله اطمینان به عنوان سه معیار تصمیم در آزمون های فرض روی نمونه های مختلف در بازه (19361−173) بررسی و به طور خاص به تأثیر کلان داده روی این سه شاخص توجه کرده است.نتایج نشان داد کلان داده به عنوان یک نمونه بزرگ، نه تنها مزیتی برای افزایش اطمینان در آزمون های فرض ندارند، بلکه می توانند موجب معنادار شدن ادعاهایی شوند که از نظر عملی اهمیت چندانی ندارند و در نمونه های نه چندان بزرگ در زمره اثرهای تصادفی و خطای نمونه گیری قرار می گیرند؛ همچنین اندازه اثر تحت تأثیر اندازه نمونه قرار نگرفته، با افزایش اندازه نمونه به سمت یک مقدار ثابت همگرایی دارد. درنهایت داده ها نشان دادند که فاصله اطمینان از نظر بصری بهتر از شاخص های دیگر عمل می کند

بسیاری از محققین علوم پزشکی در ارائه داده های تحقیق خود در خصوص استفاده از انحراف معیار و انحراف معیار از میانگین اشتباه می کنند و یا در مورد این که استفاده از کدامیک صحیح است، دچار ابهام هستند. انحراف معیار شاخصی است که پراکندگی یا تغییرات داده مورد اندازه گیری در افراد شرکت کننده در مطالعه را نشان می دهد. ارائه آن در مورد تمام داده های اندازه گیری شده در تحقیق لازم می باشد. انحراف معیار میانگین، تغییرات میانگین داده های حاصل در زمان تکرار مطالعه مورد استفاده قرار می گیرد. به عبارتی انحراف معیار میانگین نشان می دهد که میانگین داده مورد اندازه گیری در افراد شرکت کننده تا چه حد به میانگین واقعی همان داده در جمعیت مورد نظر نزدیک می باشد. در بسیاری از گزارشات، نویسنده تغییرات یا پراکندگی داده ها در افراد شرکت کننده را اشتباهاًٌ بر اساس انحراف معیار از میانگین، بیان می کند. بر اساس انحراف معیار از میانگین می توان فاصله اطمینان را محاسبه نمود تا مشخص شود در صورت تکرار تحقیق، داده حاصل تا چه حد به مقدار واقعی نزدیک است. هدف از این مجمل پاسخ به دو سوال در خصوص داده هایی با توزیع نرمال است. سوال اول اینکه انحراف معیار با انحراف معیار از میانگین چه تفاوتی دارد؟ سؤال دوم اینکه، کی از انحراف معیار و چه زمانی از انحراف معیار از میانگین و فاصله اطمینان باید استفاده نمود؟