Linkedin graphpad

در قرن جدید، آمار و تحلیل‌های تازه یاد بگیریم

merci

دانلود مجموعه تحلیلی و آموزشی آمار

تمام مجموعه (SPSS, Prism, Minitb) را می‌توانید دانلود کنید. همچنین مجموعه بلافاصله برای شما ایمیل می‌شود.

شماره تماس و پیام

09128186605
iconspace_Presentation_1_54px-512

اسلاید و مثال

۱۹۰۰ صفحه، ۳۷۰ فایل مثال

ایمیل

Support@GraphPad.ir
iconspace_Computer_54px-512

ویدئو

۹3 ساعت

بروشور و موضوعات مجموعه

مشاهده

دوست دارم داشته باشم (SPSS)

از این لینک می‌توانید مجموعه آموزش نرم‌افزار SPSS را دریافت کنید.
بیان انواع تحلیل‌های توصیفی و آزمون‌های استنباطی
ویدئوهای آمورشی، اسلایدها و مثال‌های نرم‌افزار
دانلود و دریافت

دوست دارم داشته باشم (Prism)

از این لینک می‌توانید مجموعه آموزش نرم‌افزار GraphPad Prism را دریافت کنید.
بیان انواع آزمون‌های پارامتری و ناپارامتری و مدل‌های خطی و غیرخطی
ویدئوهای آمورشی، اسلایدها و مثال‌های نرم‌افزار
دانلود و دریافت

دوست دارم داشته باشم (Minitab)

از این لینک می‌توانید مجموعه آموزش نرم‌افزار Minitab را دریافت کنید.
براورد اندازه نمونه، سری‌های زمانی و آنالیز روند، رسم انواع نمودارها
ویدئوهای آمورشی، اسلایدها و مثال‌های نرم‌افزار
دانلود و دریافت

برخی از موضوعات و سرفصل‌های مجموعه

نرم‌افزار SPSS

  • انواع آنالیز واریانس ANOVA و MANOVA یک و دو طرفه
  • انواع آنالیزهای کوواریانس ANCOVA و MANCOVA
  • تحلیل‌های اندازه‌گیری مکرر Repeated Measure
  • آزمون‌های تعقیبی اثرات اصلی Main Effect و Interaction
  • تحلیل‌های مقایسه‌ای T Test مستقل و وابسته
  • ارتباط بین کمیت‌ها و مدل‌های تجزیه رگرسیون
  • انواع ضرایب همبستگی Pearson ، Sperman و Kendall’s
  • تعریف و بیان آزمون‌های ناپارامتری و کاربردهای آن در مطالعات
  • تحلیل‌های توصیفی و رسم انواع نمودارهای آماری
  • تحلیل پایایی و آلفای کرونباخ Cronbach’s Alpha
  • آزمون بازآزمون Test-Retest و ضریب همبستگی ICC
  • استفاده از نرم‌افزار برای جایگزینی داده‌های گمشده
  • آنالیزهای تشخیصی، خوشه‌بندی و تحلیل ممیزی
  • طراحی مدل در رگرسیون لجستیک و تحلیل داده‌ها

 

نرم‌افزار GraphPad Prism

  • آموزش گراف پد ، آشنایی و شروع کار با نرم افزار گراف پد
  • انواع آزمون‌های ستونی و گروهی پارامتری و ناپارامتری
  • آنالیز واریانس دوطرفه و سه طرفه ترتیبی و تکرار مکرر 
  • تحلیل‌های احتمالی آزمون‌های Chi-square و Fishers Exact
  • رسم انواع نمودارهای آماری و تعیین معناداری آزمون‌ها
  • ستاره‌های معناداری و قرار دادن اتوماتیک در گراف‌ها
  • ساختاربندی و طراحی انواع منحنی و معادلات دوز پاسخ
  • براورد پارامترهای EC50 ،IC50، Bottom ،Top و HillSlope
  • فریز کردن نتایج و گراف‌ها، ارتباط توام بین داده‌ها و خروجی‌ها
  • آنالیز بقا Survival و رسم منحنی‌های راک ROC Curve
  • طراحی مدل‌های غیرخطی و مقایسه منحنی‌ها با یکدیگر

 

نرم‌افزار Minitab

  • نمودارهای Pie & Bar ، Histogram ، Line ، Scatter ، Box
  • آموزش Minitab ، آنالیز واریانس و استفاده از توزیع آماری F
  • تعیین و شناسایی داده‌های پرت Outlier Data
  • بررسی فرض Homogeneity of Variance test
  • بررسی و توضیح انواع مدل‌های DOE فاکتوریل و کامل
  • ارزیابی آنالیز روند در داده‌ها (Trend Analysis)
  • رسم نمودارهای سری زمانی و آنالیز روند (Time Series Plot)
  • توان آزمون (Power) و براورد اندازه نمونه با Minitab
  • نتایج آزمون کلوموگروف-اسمیرنوف در آزمون نرمال

 

  

گستردگی انواع تحلیل‌های آماری موجود در گراف پد را ببینید

 

Statistical Comparisons

    html nested lists in direction rtl
  • Paired or unpaired t tests. Reports P values and confidence intervals
    •  
  • Automatically generate volcano plot (difference vs. P value) from multiple t test analysis
    •  
  • Nonparametric Mann-Whitney test, including confidence interval of difference of medians
    •  
  • Kolmogorov-Smirnov test to compare two groups
    •  
  • Wilcoxon test with confidence interval of median
    •  
  • Perform many t tests at once, using False Discovery Rate (or Bonferroni multiple comparisons) to choose which comparisons are discoveries to study further
    •  
  • Ordinary or repeated measures ANOVA followed by the Tukey, Newman-Keuls, Dunnett, Bonferroni or Holm-Sidak multiple comparison tests, the post-test for trend, or Fisher’s Least Significant tests
    •  
  • One-way ANOVA without assuming populations with equal standard deviations using Brown-Forsythe and Welch ANOVA, followed by appropriate comparisons tests (Games-Howell, Tamhane T2, Dunnett T3)
    •  
  • Many multiple comparisons test are accompanied by confidence intervals and multiplicity adjusted P values
    •  
  • Greenhouse-Geisser correction so repeated measures one-, two-, and three-way ANOVA do not have to assume sphericity. When this is chosen, multiple comparison tests also do not assume sphericity
    •  
  • Kruskal-Wallis or Friedman nonparametric one-way ANOVA with Dunn’s post test
    •  
  • Fisher’s exact test or the chi-square test. Calculate the relative risk and odds ratio with confidence intervals
    •  
  • Two-way ANOVA, even with missing values with some post tests
    •  
  • Two-way ANOVA, with repeated measures in one or both factors. Tukey, Newman-Keuls, Dunnett, Bonferroni, Holm-Sidak, or Fisher’s LSD multiple comparisons testing main and simple effects
    •  
  • Three-way ANOVA (limited to two levels in two of the factors, and any number of levels in the third)
    •  
  • Analysis of repeated measures data (one-, two-, and three-way) using a mixed effects model (similar to repeated measures ANOVA, but capable of handling missing data)
    •  
  • Kaplan-Meier survival analysis. Compare curves with the log-rank test (including test for trend)
    •  
  • Comparison of data from nested data tables using nested t test or nested one-way ANOVA (using mixed effects model)
    •  
 

Nonlinear Regression

    html nested lists in direction rtl
  • Fit one of our 105 built-in equations, or enter your own. Now including family of growth equations: exponential growth, exponential plateau, Gompertz, logistic, and beta (growth and then decay)
    •  
  • Enter differential or implicit equations
    •  
  • Enter different equations for different data sets
    •  
  • Global nonlinear regression – share parameters between data sets
    •  
  • Robust nonlinear regression
    •  
  • Automatic outlier identification or elimination
    •  
  • Compare models using extra sum-of-squares F test or AICc
    •  
  • Compare parameters between data sets
    •  
  • Apply constraints
    •  
  • Differentially weight points by several methods and assess how well your weighting method worked
    •  
  • Accept automatic initial estimated values or enter your own
    •  
  • Automatically graph curve over specified range of X values
    •  
  • Quantify precision of fits with SE or CI of parameters. Confidence intervals can be symmetrical (as is traditional) or asymmetrical (which is more accurate)
    •  
  • Quantify symmetry of imprecision with Hougaard’s skewness
    •  
  • Plot confidence or prediction bands
    •  
  • Test normality of residuals
    •  
  • Runs or replicates test of adequacy of model
    •  
  • Report the covariance matrix or set of dependencies
    •  
  • Easily interpolate points from the best fit curve
    •  
  • Fit straight lines to two data sets and determine the intersection point and both slopes
 

Simulations

    html nested lists in direction rtl
  • Simulate XY, Column or Contingency tables
    •  
  • Repeat analyses of simulated data as a Monte-Carlo analysis
    •  
  • Plot functions from equations you select or enter and parameter values you choose

Principal Component Analysis (PCA)

    html nested lists in direction rtl
  • Component selection via Parallel Analysis (Monte Carlo simulation), Kaiser criterion (Eigenvalue threshold), Proportion of Variance threshold, and more
    •  
  • Automatically generated Scree Plots, Loading Plots, Biplots, and more
    •  
  • Use results in downstream applications like Principal Component Regression
 

Multiple Variable Graphing

    html nested lists in direction rtl
  • Specify variables defining axis coordinates, color, and size
    •  
  • Create Bubble Plots
 

Column Statistics

    html nested lists in direction rtl
  • Calculate descriptive statistics: min, max, quartiles, mean, SD, SEM, CI, CV, skewness, kurtosis
    •  
  • Mean or geometric mean with confidence intervals
    •  
  • Frequency distributions (bin to histogram), including cumulative histograms
    •  
  • Normality testing by four methods (new: Anderson-Darling)
    •  
  • Lognormality test and likelihood of sampling from normal (Gaussian) vs. lognormal distribution
    •  
  • Create QQ Plot as part of normality testing
    •  
  • One sample t test or Wilcoxon test to compare the column mean (or median) with a theoretical value
    •  
  • Identify outliers using Grubbs or ROUT method
    •  
  • Analyze a stack of P values, using Bonferroni multiple comparisons or the FDR approach to identify “significant” findings or discoveries
 

Simple Linear Regression and Correlation

    html nested lists in direction rtl
  • Calculate slope and intercept with confidence intervals
    •  
  • Force the regression line through a specified point
    •  
  • Fit to replicate Y values or mean Y
    •  
  • Test for departure from linearity with a runs test
    •  
  • Calculate and graph residuals in four different ways (including QQ plot)
    •  
  • Compare slopes and intercepts of two or more regression lines
    •  
  • Interpolate new points along the standard curve
    •  
  • Pearson or Spearman (nonparametric) correlation
 

Generalized Linear Models (GLMs)

    html nested lists in direction rtl
  • Generate models relating multiple independent variables to a single dependent variable using the new multiple variables data table
    •  
  • Multiple linear regression (when Y is continuous)
    •  
  • Poisson regression (when Y is counts; 0, 1, 2, …)
    •  
  • Logistic regression (when Y is binary; yes/no, pass/fail, etc.)
 

Clinical (Diagnostic) Lab Statistics

    html nested lists in direction rtl
  • Bland-Altman plots
    •  
  • Receiver operator characteristic (ROC) curves
    •  
  • Deming regression (type ll linear regression)
 

Other Calculations

    html nested lists in direction rtl
  • Area under the curve, with confidence interval
    •  
  • Transform data
    •  
  • Normalize
    •  
  • Identify outliers
    •  
  • Normality tests
    •  
  • Transpose tables
    •  
  • Subtract baseline (and combine columns)
    •  
  • Compute each value as a fraction of its row, column or grand total