روشهای آماری و شاخصهای بهداشتی دکترمجید رضا شکری رئیس اداره بررسی ، مبارزه ومراقبت بیماریهای دامی اداره کل دامپزشکی استان قزوین

Download Report

Transcript روشهای آماری و شاخصهای بهداشتی دکترمجید رضا شکری رئیس اداره بررسی ، مبارزه ومراقبت بیماریهای دامی اداره کل دامپزشکی استان قزوین

‫روشهای آماری‬
‫و‬
‫شاخصهای بهداشتی‬
‫دکترمجید رضا شکری‬
‫رئیس اداره بررسی‪،‬مبارزه ومراقبت بیماریهای دامی‬
‫اداره کل دامپزشکی استان قزوین‬
‫فصل اول‪:‬مفهوم آمار‬
‫‪‬‬
‫‪‬‬
‫ا‬
‫جامعه آماری‪:‬هرگاه اشیاء یانمودها اقل نسبت به یک خاصیت گردهم درنظرگرفته‬
‫شوند یک جامعه آماری نامیده میشوند‪.‬‬
‫مفهوم آمار‪:‬آمارعلمی است که مشخصات جامعه هاراازنظرکمی ولی با در نظرگرفتن‬
‫کیفیت مشخص کننده های آن جامعه موردبررس ی قرار میدهد ‪ .‬درواقع آمارداده‬
‫های عددی را جمع آوری‪،‬نمایش وتحلیل می کند‪.‬‬
‫‪ 1 -1‬سنجش مشاهدات‪ :‬دربررس ی هرپدیده‪ ،‬مشاهده‪،‬سنجش وثبت خصوصیات از‬
‫ضروریات اولیه می باشد‪.‬نتیجه سنجش خصوصیات اشیا یا افراد مورد مطالعه‬
‫رابسته به ماهیت آن خصوصیت می توان به ‪4‬گروه تقسیم کرد‪:‬‬
‫‪.1‬‬
‫صفت اسمی‪:‬نتیجه سنجش پاره ای ازخصوصیات چنان است که تنهامی توان‬
‫براساس آن شیئی یا فردموردمطالعه رابه گروهی منتسب نمود(گروه خونی‪ -‬جنس)‪.‬‬
‫‪.2‬‬
‫صفت رتبه ای‪:‬درپاره ای ازمشاهدات می توان نتیجه سنجش یک خاصیت رابابیان‬
‫رتبه فردیا شیئی دررابطه با سایرافرادبیان کردبدون آنکه بتوان فاصله دورتبه‬
‫رامتمایزویانسبت اندازه بین آنهارا مشخص نمود (بیمارخفیف ‪ ،‬متوسط وشدید)‪.‬‬
‫‪.3‬‬
‫صفت فاصله ای‪:‬درنوعی دیگرازمشاهدات می توان بابکاربردن یک مبداءقراردادی‬
‫نتیجه سنجش رابرحسب واحدهای ثابت ومعین اندازه گیری کرد‪.‬ودرنتیجه فاصله‬
‫دوشیئی یادوفردراازنظرصفت موردبررس ی معین کرد ولی نظربه اینکه این نوع اندازه‬
‫گیری فاقدصفرذاتی می باشد‪،‬نمی تواننسبت اندازه خاصیت موردمطالعه رادرافراد‬
‫مشخص کرد‪(.‬درجه حرارت اشیاء)‪.‬‬
‫‪.4‬‬
‫‪‬‬
‫صفت نسبی‪:‬نتیجه سنجش مشاهدات اندازه هایی است که براساس آن نه تنها می‬
‫توان فردمورد مطالعه رادررده ای منتسب کرد یا رتبه آن رامعین نمودویا فاصله آنرا‬
‫دررابطه با افراددیگرمعین کردبلکه میتوان نسبت اندازه خاصیت موردمطالعه‬
‫رادردفردمشخص کردزیرا که برخلف اندازه های فاصله ای این اندازه ها‬
‫ازصفرذاتی برخوردار می باشند(طول اشیاء)‪.‬‬
‫ا‬
‫معموالاندازه های اسمی ورتبه ای تحت عنوان اطلعات کیفی واندازه های فاصله‬
‫ای ونسبی تحت عنوان اطلعات کمی نام گذاری می شوند‪.‬‬
‫‪‬‬
‫‪.1‬‬
‫‪.2‬‬
‫انواع کمیت ها‪:‬‬
‫کمیت های پیوسته‪:‬کمیتی است که بتواند بین دومقدارخود تمامی اعدادحقیقی‬
‫ممکن رااختیارکند(طول قد‪،‬وزن بدن)‪.‬‬
‫کمیت گسسته‪:‬کمیتی است که بتواند بعنوان مقادیرخود‪،‬مجموعه شمارش پذیر‬
‫اعداد ویا زیرمجموعه ای ازآنرا اختیارکند(تعدادافرادخانواده)‪.‬‬
‫‪ :2 -1‬گروه بندی نتیجه مشاهدات وبیان آن توسط جدول‪:‬‬
‫پس ازجمع آوری مشاهدات وبه منظوردرک بهتر داده ها الزم است حاصل مشاهدات‬
‫ا‬
‫راباتوجه به پاره ای خصوصیات صفت مورد مطالعه درگروه های کاملمتمایز‬
‫قرارداد‪.‬‬
‫گروه بندی صفات کیفی (نژاد‪،‬جنس)به آسانی امکان پذیراست مگردر مواردی که‬
‫انتخاب گروه به قضاوت شخص مربوط باشد(شدت بیماری)‪.‬‬
‫مشاهداتی که کمیت بصورت اندازه های گسسته بیان می شود‪ ،‬انتخاب گروه‬
‫در ا‬
‫نسبتاآسان است(توزیع افراد یک جامعه براساس تعداد دفعات مراجعه به درمانگاه)‬
‫درمشاهداتی که کمیت بصورت اندازه های پیوسته بیان می شود‪،‬با هرگروه بندی‬
‫وباهرفاصله ای که باشد‪ ،‬به هرحال پاره ای اطلعات راجع به اندازه گیری ازدست می‬
‫رود ولی بطورکلی اگربرای تقسیم بندی نتایج حاصل از اینگونه مشاهدات از‪ 8‬تا ‪15‬‬
‫گروه استفاده شود اطلعات قابل توجهی ازدست نخواهدرفت‪.‬‬
‫دراغلب مطالعات بهتراست که فاصله گروه ها رایکسان انتخاب کردبا این‬
‫ا‬
‫وجوددرمطالعات اپیدمیولوژی استفاده ازفاصله های نامساوی کامل مرسوم‬
‫میباشد(گروه بندی بیماران سرطانی)‪.‬‬
‫‪‬‬
‫‪‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪.4‬‬
‫‪.5‬‬
‫ا‬
‫معمول وقتی توزیع افرادبرحسب کلیه علل مرگ موردنظرباشد ازگروه بندی ًزیراستفاده‬
‫ً‬
‫می شود‪:‬‬
‫زیریکسال‪1-‬الی‪4‬سال‪5-‬الی‪14‬سال‪15-‬الی‪24‬سال‪25-‬الی‪45-44‬الی‪ 65-64‬به بال‬
‫توصیه می شوددرتنظیم جداو ًل نکات ز ًیر موردتوجه قرارگیرد‪:‬‬
‫باید جدولً راحتی املقدورساده ارائه نمود‪.‬‬
‫جدو ًل بایدگویای محتوای خودباشد‪(.‬شامل مفاهیم ‪:‬چه‪ ،‬کجا‪ ،‬چه وقت باشد)‬
‫باید برای ستونها وسطرها سطروستونً جمع منظورگردد‪.‬‬
‫لزم است درزیرجدولً نسبت به ذکرمنبع اطالعات جدولً اقدام گردد‪.‬‬
‫همچنین لزم است برای هرجدو ًل شماره ای درنظرگرفته شود‪.‬‬
‫‪ 3-1‬بیان توزیع بوسیله نمودار‪:‬‬
‫معمولا برای کشیدن نمودارازدستگاه مختصات ودرغالب موارداندازه صفت در‬
‫محورطول وفرآوانی آن درمحور عرض مشخص می شود‪.‬‬
‫انواع متداول نمودارشامل نرده ای(داده های اسمی ورتبه ای) دایره ای(داده‬
‫های اسمی ورتبه ای)چندگوشه(داده های کمی گسسته)هیستوگرام(داده های کمی‬
‫پیوسته بادرنظرگرفتن فرآوانی چگالی)‪.‬‬
‫نمودارتوزیع تجمعی (مقادیر صفت برروی محورطول وفرآوانی تجمعی آن‬
‫بروی محورعرض مشخص می گردد)‪.‬‬
‫‪ ‬انواع مطالعات آماری‬
‫‪ -1‬توصيفي )‪(Descriptive study‬‬
‫‪ -2‬تحليلي )‪(Analytical study‬‬
‫ا‬
‫آمار توصيفي يا مطالعه توصيفي صرفا توصيف اطلعات موجود را بررس ي ميكنيم‪.‬‬
‫در ا‬
‫مثل اگر مطالعه با عنوان بررس ي وضعيت اقتصادي‪ -‬اجتماعي ساكنین تهران مد نظر‬
‫باشد اطلعات در قالب يك پرسشنامه با طرح سؤاالتي از قبيل سن ‪ ,‬تعداد افراد‬
‫خانواده ‪ ,‬شغل ‪ ,‬میزان درآمد ‪ ,‬نوع منزل مسكوني و ‪ ...‬صورت گرفته و نتايج حاصل از‬
‫مطالعه فقط وضعيت جامعه را در زمانيكه مطالعه انجام شده است را نشان ميدهد‪.‬‬
‫در حاليكه ّ در مطالعات تحليلي هدف مقايسه دو يا چند گروه جمعيتي بوده و يا به بر ارس ي‬
‫رابطه علي و معلولي يك يا چند عامل يا متغیر يا يك يا چند پيامد ميپردازد‪ .‬مثل اگر‬
‫هدف مقايسه رابطه بین افسردگي و شغل مد نظر باشد در اينجا وضعيت افسردگي در‬
‫بین گروههاي مختلف شغلي با هم مقايسه ميشوند و اگر نتيجه اختلف بین گروههاي‬
‫شغلي نشان دهد به نوعي اين رابطه را براي ما اثبات ميكند‪.‬‬
‫‪‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪.4‬‬
‫‪.5‬‬
‫‪‬‬
‫نتیجه سنجش مشاهدات زیردرقالب کدام یک ازانواع اسمی‪ ،‬رتبه ای‪،‬فاصله ای‬
‫ونسبتی قرارمی گیرد‪.‬‬
‫تعداد دانشجویان حاضردرکلس‪40‬نفراست‪.‬‬
‫درپرتاب ‪10‬سکه ‪6‬باررویه شیرظاهرشده است‪.‬‬
‫تیم کشتی ایران درجهان سوم شده است‪.‬‬
‫نوزادمعینی پسراست‪.‬‬
‫رطوبت نسبی هوا‪55‬درصدمی باشد‪.‬‬
‫اگرپتاسیم خون ‪ 105‬نفر‪ 46/2‬تا‪ 32/4‬میلی اکی واالن درلیترباشد گروه بندی مناسب‬
‫بافواصل مساوی برای اطلعات تهیه نمایید‬
‫اطلعات زیرمربوط به توزیع مرگ بچه های زیریکسال درایاالت متحده در سال‪1954‬است‬
‫نموداراطلعات رابصورت هیستوگرام رسم نمایید‪.‬‬
‫تعداد‬
‫سن مرگ‬
‫‪7594‬‬
‫کمترازیک ساعت‬
‫‪31074‬‬
‫‪1-23‬روز‬
‫‪11618‬‬
‫‪1‬روز‬
‫‪17065‬‬
‫‪2-6‬روز‬
‫‪9371‬‬
‫‪7-29‬روز‬
‫‪9554‬‬
‫‪30-45‬روز‬
‫‪4937‬‬
‫‪46-59‬روز‬
‫‪4002‬‬
‫‪3‬ماه‬
‫‪3182‬‬
‫‪4‬ماه‬
‫‪2592‬‬
‫‪5‬ماه‬
‫‪2200‬‬
‫‪6‬ماه‬
‫‪1753‬‬
‫‪7‬ماه‬
‫‪1501‬‬
‫‪8‬ماه‬
‫‪1262‬‬
‫‪9‬ماه‬
‫‪1047‬‬
‫‪10‬ماه‬
‫‪1037‬‬
‫‪11‬ماه‬
‫اطالعات زیرمربوط به بیمارانی می باشد که دریک سرویس مبارزه با سرطان‬
‫بدلیل سرطان گردن رحم تحت درمان قرار گرفته اند‪،‬نمودار این بیماران رابر‬
‫حسب سن رسم کنید‪.‬‬
‫تعدادبیمار‬
‫سن‬
‫‪18‬‬
‫‪22-29‬‬
‫‪45‬‬
‫‪30-34‬‬
‫‪79‬‬
‫‪35-39‬‬
‫‪225‬‬
‫‪40-54‬‬
‫‪63‬‬
‫‪55-59‬‬
‫‪45‬‬
‫‪60-69‬‬
‫‪13‬‬
‫‪70-90‬‬
‫جدول زیرمربوط به کلسترول خون ‪1502‬مردمبتال به بیماری قلبی برحسب میلی‬
‫گرم در‪ 100‬ساتنی مترمکعب است‪.‬هیستوگرام مربوطه رارسم‪،‬فرآوانی تجمعی‬
‫این جدول رارسم وازروی پلی گون حاصل مقداری که به ترتیب کلسترول خون‬
‫‪ 75‬درصد افراد مساوی ویاکمترازآن است رامحاسبه نمایید‪.‬‬
‫فرآوانی‬
‫کلسترول‬
‫‪8‬‬
‫‪120-149‬‬
‫‪49‬‬
‫‪150-179‬‬
‫‪82‬‬
‫‪180-209‬‬
‫‪176‬‬
‫‪210-239‬‬
‫‪242‬‬
‫‪240-269‬‬
‫‪277‬‬
‫‪270-299‬‬
‫‪253‬‬
‫‪300-329‬‬
‫‪201‬‬
‫‪330-359‬‬
‫‪111‬‬
‫‪360-389‬‬
‫‪49‬‬
‫‪390-419‬‬
‫‪29‬‬
‫‪420-449‬‬
‫‪25‬‬
‫‪450-479‬‬
‫‪1502‬‬
‫جمع‬
‫اگرجدول زیرمربوط به توزیع دفعات مراجعه مادران به یک مرکزبهداشتی باشد‪،‬‬
‫پلی گون تجمعی آنرارسم وازروی آن قضاوت کنید که‪75‬درصدمادران حداکثرچند‬
‫باربه مرکز بهداشتی مذکور مراجعه نموده اند‬
‫تعداد‬
‫دفعات مراجعه‬
‫‪1‬‬
‫‪0‬‬
‫‪2‬‬
‫‪1‬‬
‫‪4‬‬
‫‪2‬‬
‫‪7‬‬
‫‪3‬‬
‫‪28‬‬
‫‪4‬‬
‫‪56‬‬
‫‪5‬‬
‫‪53‬‬
‫‪6‬‬
‫‪29‬‬
‫‪7‬‬
‫‪29‬‬
‫‪8‬‬
‫‪37‬‬
‫‪9‬‬
‫جمع‬
‫‪246‬‬
‫اطالعات زیرمیزان مرگ ومیرکودکان ومادران بارداررادرایالت متحده برحسب‬
‫هزارتولد زنده نشان می دهد نمودارهردوتوزیع راروی یک صفحه مختصات رسم‬
‫کنید‪.‬‬
‫مادران‬
‫کودکان‬
‫سال‬
‫‪3.8‬‬
‫‪47‬‬
‫‪1940‬‬
‫‪3.2‬‬
‫‪45.3‬‬
‫‪1941‬‬
‫‪2.6‬‬
‫‪40.4‬‬
‫‪1942‬‬
‫‪2.5‬‬
‫‪40.4‬‬
‫‪1943‬‬
‫‪2.3‬‬
‫‪39.8‬‬
‫‪1944‬‬
‫‪2.1‬‬
‫‪38.3‬‬
‫‪1945‬‬
‫‪1.6‬‬
‫‪33.8‬‬
‫‪1946‬‬
‫‪1.4‬‬
‫‪32.2‬‬
‫‪1947‬‬
‫‪1.2‬‬
‫‪32‬‬
‫‪1948‬‬
‫‪0.9‬‬
‫‪31.3‬‬
‫‪1949‬‬
‫‪0.8‬‬
‫‪29.2‬‬
‫‪1950‬‬
‫‪0.8‬‬
‫‪28.4‬‬
‫‪1951‬‬
‫‪0.7‬‬
‫‪28.4‬‬
‫‪1952‬‬
‫‪0.6‬‬
‫‪27.8‬‬
‫‪1953‬‬
‫‪0.5‬‬
‫‪26.6‬‬
‫‪1954‬‬
‫‪X1  X 2  ...  X n‬‬
‫‪n‬‬
‫فصل دوم‪:‬توصیف عددی نتیجه مشاهدات‬
‫‪ 2 -1‬شاخص های مرکزی‪:‬‬
‫شاخص های مرکزی اندازه هایی هستند که جایگاه مرکزیک توزیع رابیان‬
‫میکنند‪.‬مهمترین آنهامیانگین حسابی(‪،)Mean‬میانه(‪ )Median‬ونما (‪)Mode‬‬
‫هستند‪.‬‬
‫‪‬‬
‫میانگین حسابی(‪ :)Mean‬ازتقسیم مجموع داده هابرتعداد داده هاحاصل وباحرف‬
‫یونانی ‪ µ‬مشخص می گردد‪.‬چنانچه نتیجه مشاهدات را بصورت یک هیستوگرام‬
‫درنظربگیریم جایگاه میانگین روی محورطول‪،‬معرف مرکزثقل توزیع خواهد بود‪.‬‬
‫‪∑X‬‬
‫=‪µ‬‬
‫‪N‬‬
‫‪‬‬
‫درمواردی که درمطالعه نتیجه مشاهدات بصورت گروه بندی شده باشد ‪ µ‬طبق‬
‫رابطه ذیل محاسبه می گردد‪.‬‬
‫=‪µ‬‬
‫‪∑ Ni Xi‬‬
‫‪N‬‬
‫‪‬‬
‫ايرادي كه به ميانگین وارد است تأثیرپذيري آن از دادههاي خيلي كوچك يا خيلي بزرگ‬
‫ميباشد‪ .‬به اين نوع دادهها ‪ Out Lier‬يا دادة پرت ميگويند‪.‬‬
‫‪‬‬
‫درمطالعاتی که نتیجه مشاهدات بصورت کمیت پیوسته باشدچون جدول توزیع‬
‫بصورت گروه بندی شده ارائه می شود محاسبه میانگین تنها بصورت تقریب امکان‬
‫پذیرمیگردد‪.‬ودراین حالت مقدارمتوسط هرگروه را درفرآوانیهای متناظرآن ضرب می‬
‫کنیم‪.‬‬
‫ی (صفت کمی‬
‫جدو ًل ‪ 1-1‬مثالی است ازمحاسبه میانگین درموردتعداددندانهای پوسیده شیر ً‬
‫ناپیوسته )‪ 205‬نفردانش آموزً‪ 12‬ساله چندروستای شمیران درسال ‪.1353‬‬
‫‪Xi‬‬
‫‪Ni‬‬
‫∑‬
‫=‪µ‬‬
‫‪N‬‬
‫‪= 12/2‬‬
‫‪431‬‬
‫=‪µ‬‬
‫‪205‬‬
‫‪Xi‬‬
‫‪0‬‬
‫‪Ni‬‬
‫‪70‬‬
‫‪Ni Xi‬‬
‫‪0‬‬
‫‪1‬‬
‫‪36‬‬
‫‪36‬‬
‫‪2‬‬
‫‪29‬‬
‫‪58‬‬
‫‪3‬‬
‫‪19‬‬
‫‪57‬‬
‫‪4‬‬
‫‪15‬‬
‫‪60‬‬
‫‪5‬‬
‫‪14‬‬
‫‪70‬‬
‫‪6‬‬
‫‪10‬‬
‫‪60‬‬
‫‪7‬‬
‫‪6‬‬
‫‪42‬‬
‫‪8‬‬
‫‪4‬‬
‫‪32‬‬
‫‪9‬‬
‫‪1‬‬
‫‪9‬‬
‫‪10‬‬
‫‪1‬‬
‫‪10‬‬
‫جمع‬
‫‪205‬‬
‫‪434‬‬
‫جدولً‪2-1‬‬
‫‪ .2‬میانه (‪:)Med‬میانه یک توزیع‬
‫عبارت ازمقداری است که برای‬
‫نصف افراد مقدار صفت ازآن بزرگتر‬
‫و برای نصف دیگرازآن کوچکتراست‪.‬‬
‫برای محاسبه میانه ابتدا اعدادرابه‬
‫ترتیب صعودی یانزو لی مرتب می‬
‫کنیم وآنگاه اندازه صفت برای‬
‫فردوسط رابه عنوان میانه انتخاب‬
‫می کنیم ودرصورتی که تعداد‬
‫اعدادزوج باشدمناسب است که‬
‫متوسط دوعدد وسط را بعنوان‬
‫میانه انتخاب کنیم‪.‬‬
‫‪Xi‬‬
‫‪0‬‬
‫‪1‬‬
‫‪2‬‬
‫‪Ni‬‬
‫‪70‬‬
‫‪36‬‬
‫‪29‬‬
‫‪Fi‬‬
‫‪70‬‬
‫‪106‬‬
‫‪135‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫‪19‬‬
‫‪15‬‬
‫‪14‬‬
‫‪154‬‬
‫‪169‬‬
‫‪183‬‬
‫‪6‬‬
‫‪7‬‬
‫‪8‬‬
‫‪9‬‬
‫‪10‬‬
‫‪6‬‬
‫‪4‬‬
‫‪1‬‬
‫‪193‬‬
‫‪199‬‬
‫‪203‬‬
‫‪204‬‬
‫‪10‬‬
‫‪1‬‬
‫‪205‬‬
‫جمع‬
‫‪205‬‬
‫‪‬‬
‫چنانچه درجدول ‪1-2‬مشاهدات بصورت گروه بندی شده وجدول فرآوانی باشد برای‬
‫محاسبه میانه ابتدا فرآوانی تجمعی را محاسبه کرده وباتوجه به ستون فرآوانی های‬
‫تجمعی اندازه ای راکه درردیف‪ N+1‬قرارداردرا بعنوان میانه انتخاب می کنیم‪.‬‬
‫‪205+1‬‬
‫‪= 103‬‬
‫‪N+1‬‬
‫=‬
‫‪2‬‬
‫‪2‬‬
‫درجدول ‪ 2-1‬قبل چون داشتن یک دندان پوسیده مربوط به ردیف ‪71‬تا‪ 106‬است‬
‫بنابراین ردیف ‪ 103‬نیزدارای یک دندان پوسیده خواهدشد ودرواقع میانه این جدول‬
‫عدد‪ 1‬می باشد‪.‬‬
‫‪‬‬
‫درصورتی که صفت پیوسته باشدوجدول توزیع فرآوانی گروه بندی شده باشد ازرابطه‬
‫ذیل استفاده می گردد‪.‬‬
‫‪N+1‬‬
‫‪- FJ-1‬‬
‫‪2‬‬
‫‪h‬‬
‫‪Med= L1+‬‬
‫‪NJ‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪.4‬‬
‫‪.5‬‬
‫میانه‬
‫‪Med‬‬
‫کرانه پایین گروه میانه‬
‫‪L1‬‬
‫فرآوانی تجمعی‬
‫‪FJ-1‬‬
‫پایین گروه میانه‬
‫کرانه‬
‫‪ NJ‬فرآوانی گروه میانه‬
‫فاصله گروه میانه‬
‫‪h‬‬
‫‪302.5 -154‬‬
‫(‪Med=120+‬‬
‫‪) 10=129.85‬‬
‫‪155‬‬
‫فشارخون سیستولیک‪ 604‬مردبالی‬
‫‪35‬سال(جدولً‪)1-3‬‬
‫کرانه های گروه‬
‫‪Ni‬‬
‫‪Fi‬‬
‫‪15‬‬
‫‪72‬‬
‫‪15‬‬
‫‪57‬‬
‫‪100-90‬‬
‫‪110-100‬‬
‫‪154‬‬
‫‪309‬‬
‫‪414‬‬
‫‪500‬‬
‫‪82‬‬
‫‪155‬‬
‫‪105‬‬
‫‪86‬‬
‫‪120-110‬‬
‫‪130-120‬‬
‫‪140-130‬‬
‫‪150-140‬‬
‫‪533‬‬
‫‪562‬‬
‫‪583‬‬
‫‪33‬‬
‫‪29‬‬
‫‪21‬‬
‫‪160-150‬‬
‫‪170-160‬‬
‫‪180-170‬‬
‫‪588‬‬
‫‪604‬‬
‫‪5‬‬
‫‪16‬‬
‫‪190-180‬‬
‫‪200-190‬‬
‫‪‬‬
‫درتوزیع متقارن (شکل‪ )1 -5‬اندازه میانگین ومیانه برابر است ولی درتوزیع‬
‫نامتقارن(شکل‪ )1 -4‬بسته به درجه عدم تقارن توزیع ممکن است اختلف قابل ملحظه‬
‫ای بین میانگین ومیانه مشاهده شود‪.‬‬
‫شکل‪1 -4‬‬
‫شکل‪1 -5‬‬
‫ا‬
‫ا‬
‫ن‬
‫مطالعات‪،‬نسبتا متقار ً می باشد ودرنتیجه‬
‫ً‬
‫معمول توزیع نتیجه‬
‫ً‬
‫درمطالعات بیولوژیک‬
‫میانگین ومیانه هردوشاخص های خوبی جهت نشان دادن مرکزتوزیع می باشند‪،‬ولی بااین‬
‫سیر‬
‫ی استفاده می شودزیرا تعبیروتف ً‬
‫وجوددرغالب مواردمیانگین بعنوان شاخص مرکز ً‬
‫اطالعات وانجام آزمونهای آماریً بوسیله میانگین آسانتروقابل اعتمادترازمیانه است‬
‫متاثر است درحالی که درمیانه این‬
‫ً‬
‫وبعالوه میانگین ازاندازه همه افراد مورد مطالعه‬
‫خاصیت وجودندارد‪.‬‬
‫در اين‬
‫در جامعه بيشترين فراواني را دارد‪ .‬اشكالي كه ً‬
‫‪ ‬نما (‪ :)mode‬مشاهدهاي است كه ً‬
‫در يك جامعه بيش ًاز يك ُمد داشته باشيم‪.‬‬
‫شاخص وجود دارد اين است كه امكان دارد ً‬
‫ا‬
‫مثال ميخواهيم شاخص رشته تحصيلي دوره دبیرستان را براي دانشجويان اين ك ًالس‬
‫محاسبه كنيم‪ .‬فرض ميكنيم بدين صورت باشد ‪:‬‬
‫انساني ‪ ,‬رياض ي ‪ ,‬كامپيوتر ‪ ,‬نقشهكش ي ‪ ,‬هنر ‪ ,‬رياض ي ‪ ,‬تجربي ‪ ,‬رياض ي ‪ ,‬كامپيوتر ‪ ,‬رياض ي‬
‫در اين مثال ديگر اعداد و ارقامي وجود ندارد كه بتوانيم از ميانگین يا ميانه استفاده كنيم‪.‬‬
‫پس بنابراين از شاخص ُمد استفاده كرده و رشته رياض ي را شاخص انتخابي ك ًالس قرار‬
‫ميدهيم‪.‬‬
‫دراپیدمیولوژی بمنظورمبارزه ویاپیشگیریً علیه یک بیماری‪،‬شناخت سنی که دا ًرای بیشترین‬
‫فرآوانی است(نما) برمیانگین ومیانه ارجحیت دارد‪.‬‬
‫‪:2 -2‬شاخص های پرآکندگی(‪:)Measures of Dispersion‬‬
‫اگرچه شاخص های مرکزی مهمترین مشخص کننده برای یک توزیع می باشند‪،‬ولی‬
‫بسیاراتفاق می افتد که باوجود یکسان بودن مشخص کننده های مرکزی‪،‬بین دوتوزیع‬
‫تفاوت های اساس ی وجوددارد‪.‬بدین منظورشاخص های مهم پراکندگی شامل طول‬
‫میدان تغییرات(‪،)Range‬میانگین انحرافات(‪،)Mean Deviation‬‬
‫واریانس(‪ )Variance‬وانحراف معیار(‪ )Standard Deviation‬موردبررس ی‬
‫قرار می گیرد‪.‬‬
‫‪‬‬
‫طول میدان تغییرات(‪ :)Range‬ساده ترین شاخص پراکندگی بوده که با حرف ‪R‬‬
‫نمایش داده می شود وبرای بدست آوردن آن می باید اختلف کمترین مقدارصفت‬
‫راازبیشترین مقدارآن محاسبه نمود‪.‬‬
‫‪R = X max – X min‬‬
‫چون درمحاسبات ‪ R‬تنها ازمقار ماکزیمم ومی نیمم اندازه صفات استفاده میگردد‬
‫وتغییرات صفت برای افراد داخل این دواندازه دران موثرنیست‪،‬بنابراین نمی تواند بنحو‬
‫مطلوبی بیانگر پراکندگی صفت باشد‪.‬‬
‫‪‬‬
‫میانگین انحرافات(‪:)Mean Deviation‬عبارت است ازمیانگین قدرمطلق‬
‫انحرافات ازمیانگین‪ ،‬که بصورت ‪ M.D‬نمایش داده می شود‪.‬‬
‫‪∑ xi - µ‬‬
‫= ‪M.D‬‬
‫‪N‬‬
‫‪‬‬
‫واریانس (‪ :)Variance‬چون درمحاسبه میانگین انحرافات ازقدرمطلق انحرافات‬
‫استفاده شده وانجام عملیات جبری روی قدرمطلق ها خالی ازاشکال نیست وهمچنین‬
‫تاثیربیشتر اعداددورازمیانگین وتاثیرکمتراعدادحول میانگین ازواریانس (‪ ) ð2‬مطابق‬
‫رابطه ذیل استفاده میشود‪.‬‬
‫‪∑)xi - µ)2‬‬
‫= ‪ð2‬‬
‫‪N‬‬
‫‪)∑Xi)2‬‬
‫ ‪∑Xi2‬‬‫‪N‬‬
‫= ‪ð2‬‬
‫‪N‬‬
‫درصورتی که صفت پیوسته باشدونتیجه مشاهدات بصورت جدول توزیع فرآوانی گروه‬
‫بندی شده باشد جهت محاسبه واریانس ازرابطه های ذیل استفاده می گردد‪.‬‬
‫‪)∑N iXi)2‬‬
‫ ‪∑Ni Xi2‬‬‫‪N‬‬
‫= ‪ð2‬‬
‫‪N‬‬
‫‪∑Ni ) xi - µ)2‬‬
‫= ‪ð2‬‬
‫‪N‬‬
‫‪‬‬
‫گرچه واریانس بنحو مطلوبی پرآکندگی اعدادرامشخص میکند ولی بهرحال واحدآن ازنوع‬
‫مربع واحداندازه خودصفت می باشد برای رفع این اشکال ازواریانس جذرگرفته وآن‬
‫راانحراف معیار (‪ )Standard Deviation=ð‬می نامند‪.‬‬
‫هرگاه داده ها راباعددثابتی جمع(یاکم) کنیم میانگین به همان اندازه زیاد(یاکم) می‬
‫شود ولی درواریانس تغییری حاصل نمی شود‪.‬‬
‫هرگاه داده هارادرعددثابتی ضرب (یا تقسیم) کنیم میانگین وانحراف معیار به همان‬
‫نسبت بزرگ(یاکوچک) می شود ولی واریانس به نسبت مجذورعددثابت بزرگ(یاکوچک)‬
‫می شود‪.‬‬
‫‪‬‬
‫ضریب تغییرات (‪:)Coefficient of variation‬‬
‫با عنایت به مطالب یادشده بنظرمی رسد که درغالب موارد می توان ازانحراف معیار‬
‫به عنوان مناسبترین شاخص پرآکندگی استفاده نمود ولی چون این کمیت ازنوع‬
‫خودصفت است‪ ،‬درنتیجه اگرمقایسه تغییرات درصفت یا یک صفت با دوواحد‬
‫مختلف باشد مطالعه انحراف معیار به تنهایی می تواند گمراه کننده باشد‪.‬بنابراین از‬
‫کمیت نسبی ضریب تغییرات(‪ )C.V‬که بصورت درصدبیان می شود طبق رابطه ذیل‬
‫استفاده می گردد‪:‬‬
‫‪100ð‬‬
‫=‪C.V‬‬
‫‪µ‬‬
‫‪‬‬
‫فرض كنيد ميانگین سني كودكان بستري شده در بيمارستان برابر ‪ 10‬با انحراف معيار ‪4‬‬
‫بوده و ميانگین سني بزرگساالن بستري شده برابر ‪ 65‬با انحراف معيار ‪ 5‬ميباشد‪.‬‬
‫حساب كنيد پراكندگي كدام گروه كمتر است؟‬
‫‪‬‬
‫میانگین‪ ،‬میانه‪،‬میانگین انحرافات‪ ،‬واریانس‪،‬انحراف معیار وضریب تغییرات اطلعات‬
‫مربوط به کلسترول خون که درفصل پیش آمده(اسلید‪ )39‬رامحاسبه نمایید‪.‬‬
‫‪X‬‬
‫اطالعات زیرمربوط به توزیع تعداداولدمادرانی است که دریک کارخانه‬
‫داروسازی کارمی کنند‪.‬میانگین‪،‬وریانس وانحراف معیاراین اطالعات رامحاسبه‬
‫کرده‪،‬نمودارتوزیع تجمعی آن را برحسب فرآوانی تجمعی نسبی رسم ومعلوم‬
‫کنیدکه ‪90‬درصدمادران حداکثرچند اولد دارند‪.‬‬
‫فرآوانی‬
‫تعداداوالد‬
‫‪5‬‬
‫‪1‬‬
‫‪7‬‬
‫‪2‬‬
‫‪15‬‬
‫‪3‬‬
‫‪8‬‬
‫‪4‬‬
‫‪2‬‬
‫‪5‬‬
‫‪3‬‬
‫‪6‬‬
‫جمع‬
‫‪40‬‬
‫اطالعات اسالیدپیشین رابرحسب منطقه سکونت مادران به دوزیرجامعه به شرح‬
‫زیرتقسیم می شود برای هریک ازاین جامعه ها میانگین وواریانس را محاسبه‬
‫نمایید‬
‫ساکنین شمال شهر‬
‫ساکنین جنوب شهر‬
‫فرآوانی‬
‫تعداداوالد‬
‫فرآوانی‬
‫تعداداوالد‬
‫‪2‬‬
‫‪1‬‬
‫‪3‬‬
‫‪1‬‬
‫‪3‬‬
‫‪2‬‬
‫‪4‬‬
‫‪2‬‬
‫‪8‬‬
‫‪3‬‬
‫‪7‬‬
‫‪3‬‬
‫‪6‬‬
‫‪4‬‬
‫‪2‬‬
‫‪4‬‬
‫‪1‬‬
‫‪5‬‬
‫‪1‬‬
‫‪5‬‬
‫‪2‬‬
‫‪6‬‬
‫جمع‬
‫‪1‬‬
‫‪6‬‬
‫جمع‬
‫‪22‬‬
‫‪18‬‬
‫فصل سوم‪:‬احتمالت‬
‫‪‬‬
‫تعریف احتمال(‪:)Probability‬احتمال یک حادثه عبارت ا است ازاندازه امکان وقوع‬
‫آن حادثه که با یک عددغیرمنفی بیان می شود که معموال آنرا با حرف (‪ )P‬نشان‬
‫میدهند‪.‬‬
‫اگر نتیجه آزمایش بتواند به ‪N‬صورت همتراز وناسازگار رخ دهدوازاین ‪ N‬صورت ‪M‬‬
‫صورت آن برای وقوع حادثه معین ‪ A‬مساعدباشد گوییم احتمال حادثه ‪ A‬یک‬
‫کسرمتعارفی بصورت ذیل می باشد‪:‬‬
‫‪M‬‬
‫=)‪P(A‬‬
‫‪‬‬
‫بطورکلی اگر‪ A1‬و‪ A2‬دوحادثه ناسازگارباشند‪،‬داریم‪:‬‬
‫‪N‬‬
‫)‪P(A1+ A2)= P(A1) + P(A2‬‬
‫‪‬‬
‫بطورکلی برای دوحادثه ‪A1‬و‪ A2‬بدون درنظرگرفتن احتمال وقوع توامان آنها داریم‪:‬‬
‫)‪P(A1+ A2)= P(A1) + P(A2) – P(A1 A2‬‬
‫‪‬‬
‫اگر نتیجه آزمایش ی بتواندفقط به یکی ازصورت های ‪ A2 ، A1‬و‪ AK...‬رخ دهد خواهیم‬
‫ً‬
‫داشت‪:‬‬
‫‪P(A1+ A2 +…+ AK)=1‬‬
‫‪‬‬
‫ازآنجاکه درهرآزمایش وقوع حادثه ای همانند ‪ A‬باعدم وقوع آن ‪ A‬گروه کامل حوادث‬
‫ناسازگاررا تشکیل می دهند خواهیم داشت‪:‬‬
‫‪P(A)+P(A)=1‬‬
‫‪‬‬
‫بطورکلی اگر‪ A1‬و‪ A2‬دوحادثه باشند که وقوع یا عدم وقوع یکی بروقوع ویاعدم وقوع‬
‫دیگریً تاثیریً نداشته باشد (د ًو حادثه مستقل ازهم) خواهیم داشت‪:‬‬
‫)‪P(A1 A2)= P(A1) * P(A2‬‬
‫‪‬‬
‫توزیع دوجمله ای(‪:)Binominal Distribution‬‬
‫یکی ازمهمترین توزیع های صفات گسسته است که کاربرد عملی فرآوان دارد‪.‬فرض می کنیم احتمال وقوع‬
‫حادثه ‪ A‬که آنرا موفقیت می نامیم‪،‬دریک آزمایش برابر‪ P‬باشد‪،‬اگراین آزمایش راتحت شرایط یکسان‬
‫دوبار تکرارکنیم حاالت مختلف ازنظرترتیب موفقیت عبارتنداز‪:‬‬
‫‪AA‬‬
‫‪P(AA)=P(A)*P(A)=P*P=P2‬هردوموفقیت‬
‫)‪P(AA)=P(A)*P(A)=P*(1-P‬‬
‫‪P(AA)=P(A)*P(A)=(1-P)*P‬‬
‫‪P(AA)=P(A)*P(A)=(1-P)*(1-P)=(1-P)2‬‬
‫‪‬‬
‫‪AA‬باراول موفقیت وباردوم عدم موفقیت‬
‫باراول عدم موفقیت وباردوم موفقیت‬
‫‪AA‬‬
‫هردوبارعدم موفقیت‬
‫‪AA‬‬
‫اگر فرض شود(‪ q =)1-P‬نتیجه می گیریم که این جملت یعنی ‪ P2‬و‪ 2pq‬و‪ q2‬ازبسط دوجمله‬
‫ای‪ (p+ q)2‬حاصل می شود‪.‬‬
‫!‪n‬‬
‫‪p x(1-p)n-x‬‬
‫= )‪P n (X‬‬
‫!)‪x! (n - x‬‬
‫‪ x‬موفقیت در‪ n‬آزمایش را بصورت )‪ P n (X‬نمایش می دهند‪.‬و‪ n‬تعداد آزمایش‪ x ،‬تعداد موارد موفقیت‬
‫و‪ p‬احتمال موفقیت درهرمرحله آزمایش‬
‫‪‬‬
‫چنانچه درتوزیع دوجمله ای تعداد موفقیت‪ ،‬موردنظرباشد‪ ،‬داریم‪:‬‬
‫‪‬‬
‫چنانچه بجای تعدادموفقیت نسبت موفقیت موردنظر باشد ازآنجا که کلیه مقادیر ‪ x‬به عددثابت ‪n‬‬
‫تقسیم می گردد داریم‪:‬‬
‫‪ð2 = n p q‬‬
‫‪µ=np‬‬
‫‪pq‬‬
‫= ‪(ð2‬فرآوانی نسبی)‬
‫‪( µ = p‬فرآوانی نسبی)‬
‫‪n‬‬
‫‪‬‬
‫توزیع پوآسون (‪:)Poisson Distribution‬‬
‫ا‬
‫یکی دیگرازتوزیع های مهم برای صفات گسسته که نسبتا زیادازآن استفاده می شود‪ ،‬توزیع پوآسون‬
‫است‪.‬ازاین توزیع می توان درمسایلی ازنوع توزیع دوجمله ای که درآن ‪ n‬بسیاربزرگ و‪ p‬بسیار کوچک‬
‫باشد جهت تسهیل درمحاسبه و با تقریب قابل قبول استفاده نمود‪.‬‬
‫‪(n p) x‬‬
‫‪P( x ) = e - n p‬‬
‫!‪x‬‬
‫‪ = e‬پایه لگاریتم طبیعی = ‪7183/2‬‬
‫‪ð2 = µ = λ = n p‬‬
‫‪ ‬کمیت تصادفی‪:‬‬
‫کمیت تصادفی کمیتی راگویند که مقادیرش رابسته به وقوع حوادث با احتمال های معینی اختیارکند‪ .‬بعنوان‬
‫مثال درانداختن یک تاس عددظاهرشده بروی تاس کمیتی است تصادفی‪.‬‬
‫‪‬‬
‫‪6‬‬
‫‪5‬‬
‫‪4‬‬
‫‪3‬‬
‫‪2‬‬
‫‪1‬‬
‫‪Xi‬‬
‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪1‬‬
‫‪6‬‬
‫‪Pi‬‬
‫امیدریاض ی کمیت تصادفی‪:‬‬
‫ا‬
‫میانگین حسابی یک کمیت تصادفی رااصطلحا امید ریاض ی آن کمیت نیز می نامند وبرای نشان دادن آن‬
‫ازحرف ‪ E‬استفاده می شود‪.‬‬
‫‪µ = E X = ∑ pi Xi‬‬
‫امید ریاض ی ‪ )xi - µ(2‬که همان واریانس است می تواند بصورت ذیل محاسبه گردد‪:‬‬
‫‪ð2 = E (xi - µ)2 = ∑ pi (xi - µ)2‬‬
‫فصل چهارم ‪ :‬توزیع نرمال‬
‫‪‬‬
‫مقدمه‪:‬‬
‫یکی ازمهمترین توزیع های فرآوانی‪(،‬برای کمیت های پیوسته وهمچنین بطورکلی) توزیع نرمال‬
‫ا‬
‫است‪.‬اهمیت این توزیع نه تنها این است که درطبیعت بسیاری ازصفات تقریبا دارای توزیع نرمال می‬
‫باشند بلکه بسیاری ازروشهای آماری براساس این توزیع عرضه وحتی پاسخ یسیاری ازمسایل علمی‬
‫ا‬
‫آماربرپایه فرض نرمال بودن توزیع جامعه ‪ ،‬آسانتر ویااصوال امکان پذیر می گردد‪.‬‬
‫شکل ظاهری این توزیع زنگی شکل‪ ،‬متقارن ودامنه تغییرات آن ازمنهای بینهایت تا مثبت بینهایت ادامه‬
‫دارد‪.‬ومانند هرمنحنی توزیع دیگر سطح زیرمنحنی نرمال بین دومقدارصفت‪ ،‬معرف فرآوانی نسبی‬
‫ودرنتیجه سطح کل زیرمنحنی همواره برابر یک خواهد برد‪.‬‬
‫‪B‬‬
‫‪µ+ 3ð‬‬
‫‪µ + 2ð‬‬
‫‪A‬‬
‫‪µ+ð‬‬
‫‪µ‬‬
‫‪µ -ð‬‬
‫‪µ -2ð‬‬
‫‪µ - 3ð‬‬
‫بدیهی است هرقدرانحراف معیار توزیعی کمترباشد‪،‬تمرکزسطح زیرمنحنی بیشتر دراطراف میانگین خواهد‬
‫بود‪.‬‬
‫‪‬‬
‫معادله توزیع نرمال‪:‬‬
‫‪2‬‬
‫‪x-µ‬‬
‫‪ð‬‬
‫‪-1‬‬
‫‪1‬‬
‫‪2‬‬
‫‪e‬‬
‫=‪Y‬‬
‫‪2π‬‬
‫‪ð‬‬
‫‪3.1416 =π‬‬
‫‪2.7183 =e‬‬
‫‪ =X‬کمیت تصادفی موردنظر‬
‫‪ =Y‬فرآوانی نسبی برای واحدفاصله درحول نقطه ‪x‬‬
‫ازمعادله توزیع نرمال استنباط می شود که این منحنی تنها دارای دوپارامتر ‪ µ‬و ‪ ð‬است ‪.‬به عبارت دیگر با‬
‫دردست داشتن این دو پارامتر میتوان احتمال ویا فرآوانی نسبی بین دومقدار ازمتغیر‪ x‬را محاسبه نمود‪.‬‬
‫ا‬
‫برای سهولت کارمعموال ازبیان کامل توزیع نرمال خودداری کرده وتنها به ذکر میانگین وانحراف معیار‬
‫توزیع اکتفا نموده وبصورت (‪ µ‬و ‪ N( ð‬می نویسند‪.‬‬
‫‪‬‬
‫محاسبه سطح زیرمنحنی نرمال‬
‫بررای سرهولت درمحاسربه سرطح زیرمنحنری متغیرر ‪ xi‬راچنران تغییرر مری دهریم کره علری رغرم یکسران نبرودن ‪µ‬‬
‫و‪ ð‬درتوزیع های مختلف‪ ،‬نتیجه به توزیع واحدی که آنرا توزیع نرمال استاندارد می نامیم منجرگردد‪.‬‬
‫بدین منظورازمقادیر‪ xi‬عددثابت ‪ µ‬راکم وجواب رابرعددثابت ‪ ð‬تقسیم می کنیم ومتغیرجدیدرا ‪ z i‬مری‬
‫نامیم‪.‬‬
‫‪xi - µ‬‬
‫= ‪zi‬‬
‫‪ð‬‬
‫با توجه به فرمول فوق از مقادیر ‪ xi‬عدد ثابرت ‪ µ‬کرم شرده اسرت بنرابراین میرانگین مقرادیر ‪ z i‬هرم بره انردازه‬
‫‪ µ‬کمتر خواهد شد ومیانگین متفیرجدید ‪ ، z i ،‬صفر میشود‪.‬‬
‫ولی این تغییردرانحراف معیار تاثیری نمی گذارد‪.‬ازطرفی چون ‪ xi - µ‬را ‪ ð‬برابر کوچک کرده ایرم بنرابراین‬
‫انحراف معیار ‪ z i‬نیز ‪ ð‬برابر نسبت به انحراف معیار ‪ xi‬یعنی ‪ ð‬کوچکتروبرابر یک خواهد شد‪.‬‬
‫بنابراین معادله توزیع نرمال)‪ N(0-1‬بصورت زیربیان می شود‪:‬‬
‫‪-1‬‬
‫‪z2‬‬
‫‪1‬‬
‫‪2‬‬
‫=‪Y‬‬
‫‪e‬‬
‫‪2π‬‬
‫ازآنجرا کرره میتروان برراتغییر متغییررر کلیره توزیررع هرای نرمررال را برره توزیرع نرمررال اسرتاندارد تبرردیل کرد‪،‬بنررابراین‬
‫کررافی اسررت کرره سررطح زیرمنحنرری رابرررای فواصررل مختلررف تنهررا برررای توزیررع نرمررال استانداردمحاسرربه نمررود(‬
‫مقادیراسررتاندارد درجرردول پیوسررت ) وآنگرراه بامحاسرربات سرراده ای سررطح زیرهرمنحنرری نرمررال را درهرفاصررله‬
‫دلخواه بدست آورد‪.‬‬
‫ا‬
‫درکلیه توزیع های نرمال سطح زیرمنحنی درفاصله ‪ µ + 1ð‬تا ‪ µ - 1ð‬تقریبا برابر ‪ 0.6826‬می باشد‪.‬‬
‫ا‬
‫درکلیه توزیع های نرمال سطح زیرمنحنی درفاصله ‪ µ + 2ð‬تا ‪ µ - 2ð‬تقریبا برابر ‪ 0.9544‬می باشد‪.‬‬
‫ا‬
‫درکلیه توزیع های نرمال سطح زیرمنحنی درفاصله ‪ µ + 3ð‬تا ‪ µ - 3ð‬تقریبا برابر ‪ 0.9876‬می باشد‪.‬‬
‫ازآنجا که توزیع بیشتر اندازه های بیولوژیک مثل قند خرون‪ ،‬هموگلروبین خرون‪ ،‬کلسرترول خرون‪ ،‬طرول قرد‪،‬‬
‫ا‬
‫وزن بردن‪ ،‬انردازه قلرب‪ ،‬وغیرره تقریبرا نرمرال اسرت درپزشرکی ‪ µ + 2ð‬ترا ‪ µ - 2ð‬را بعنروان حردنرمال یرک‬
‫اندازه می شناسند‪.‬‬
‫فصل ششم ‪:‬برآورد‬
‫‪‬‬
‫(‪)estimation‬‬
‫سرشماری ونمونه گیری‪:‬‬
‫واژه سرشماری به روش ی اطلق می گردد که درآن کلیه افراد جامعه ازنظریک یا چندصفت مورد مطالعه‬
‫قرارمی گیرند‪.‬‬
‫بدلیل مشکلت(هزینه سنگین‪ ،‬وقت زیاد‪ ،‬عدم امکان و‪)....‬بجای سرشماری به مطالعه نمونه ای ازجامعه‬
‫اقدام می گردد‪.‬‬
‫بدیهی است درتعیین حجم نمونه ونحوه انتخاب آن بایدازروشهایی استفاده شود که نمونه حاصل‬
‫بتواندبخوبی معرف جامعه بوده وباحداقل هزینه ممکن ‪ ،‬دقت موردنظر راتامین نماید‪.‬‬