پاورپوینت فصل اول آمار و مدلسازی (pptx) 20 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 20 اسلاید

قسمتی از متن PowerPoint (.pptx) :

جلسه اول (آمار و مدل سازی) 1- اندازه گیری: ما دو دسته اطلاعات داریم: 1- اطلاعات کمی: به صورت اعداد و ارقام هستند. 2- اطلاعات کیفی: توصیفی هستند. اطلاعات کمی قابل تفسیر نیستند و برای همه کس یک معنای واحد دارند. اطلاعات کیفی قابل تفسیر هستند و هر کس می تواند برداشت های متفاوتی از آن داشته باشد این اطلاعات تنها برای ترسیم دورنمای اولیه کفایت می کنند. در بررسی های آماری اطلاعات کیفی به هیچ وجه سودمند نیستند و تنها اعداد و ارقام هستند که مفید خواهند بود. اولین اقدام برای رسیدن به اعداد و ارقام و یا بهتر اطلاعات کمی اندازه گیری است . حال هر چقدر وسایل اندازه گیریمان را دقیق تر کنیم هیچ گاه نمی توانیم دقت را آن قدر بالا ببریم که اندازه گیریمان خطا نداشته باشد و یا بهتر خطای اندازه گیری مان برابر صفر شود. بنابراین مفهومی به صورت زیر تعریف می شود : تفاضل مقدار واقعی و مقدار اندازه گیری شده = خطای اندازه گیری خطای اندازه گیری ممکن است مثبت و یا منفی باشد. خطای اندازه گیری را معمولا با که همان ابتدای است نشان می دهند. لزوما خطای اندازه گیری از واحد اندازه گیری کمتر است . اگر واحد اندازه گیری را تغییر دهیم لازم است اندازه گیری دوباره انجام شود. وزن نوزادی را پس از تولد 4 کیلوگرم اعلام کردند خطای اندازه گیری کدام یک از گزینه های زیر می تواند باشد؟ 1)1 کیلوگرم 2)1/25 کیلوگرم 3)0/75 کیلوگرم 4)صفر مثال واحد اندازه گیری وهیچ گاه خطای اندازه گیری صفر نمی شود حل دماسنجی دمای اتاق را 27 درجه سلسیوس نشان می دهد اگر خطای اندازه گیری دماسنج کمتر از 0/4 درجه سلسیوس باشد محدوده ی دمای واقعی اتاق را بدست آورید. مثال دمای واقعی را بزرگتر از دمای اندازه گیری شده فرض می کنیم M, =دما واقعی اتاق و دمای واقعی را بزرگتر از دمای اندازه گیری شده فرض می کنیم هیچگاه مقدار خطا برابر صفر نمی شود حل مدل سازی : بیان مسئله ها و یا پدیده ها به زبان ریاضی را مدل سازی ریاضی می گوییم مثال : کره ،ساده ترین و نزدیکترین شی ریاضی است که به زمین شباهت دارد.همین در نظر گرفتن شکل زمین به صورت کره نوعی مدل سازی ریاضی است هر چقدر مفاهیم ریاضی به کار برده شده ساده تر و ابتدایی تر نتیجه ی کار به پدیده ی مورد نظر نزدیک تر باشد ،مدل سازی با ارزش است