محاسبه محیط مرطوب برای اشکال مختلف کانال

محاسبه محیط مرطوب برای اشکال مختلف کانال از جمله ذوزنقه‌ها، مستطیل‌ها/مربع‌ها و لوله‌های دایره‌ای. ضروری برای مهندسی هیدرولیک و کاربردهای مکانیک سیالات.

آزمون دقیق فیشر

مقادیر جدول contingency 2 x 2 را وارد کنید

📚

مستندات

ماشین حساب آزمون دقیق فیشر - ابزار آماری آنلاین رایگان

آزمون دقیق فیشر چیست؟

آزمون دقیق فیشر یک آزمون معناداری آماری است که برای تعیین وجود ارتباطات غیرتصادفی بین دو متغیر دسته‌ای در اندازه‌های نمونه کوچک استفاده می‌شود. این ماشین حساب آزمون دقیق فیشر مقادیر p دقیق را برای جداول تلاقی ۲×۲ ارائه می‌دهد زمانی که اندازه‌های نمونه برای آزمون کای-مربع قابل اعتماد نیستند.

برخلاف آزمون‌های آماری تقریبی، آزمون دقیق فیشر محاسبات احتمال دقیقی را برای تحلیل داده‌های دسته‌ای ارائه می‌دهد و آن را به استاندارد طلایی برای تحقیقات نمونه کوچک در پزشکی، روانشناسی و کنترل کیفیت تبدیل می‌کند.

چگونه از این ماشین حساب آزمون دقیق فیشر استفاده کنیم

  1. نوع آزمون را انتخاب کنید: بین آزمون دقیق فیشر یک‌طرفه یا دوطرفه انتخاب کنید
  2. مقادیر جدول تلاقی را وارد کنید:
    • سلول A: تعداد موفقیت‌ها در گروه ۱
    • سلول B: تعداد شکست‌ها در گروه ۱
    • سلول C: تعداد موفقیت‌ها در گروه ۲
    • سلول D: تعداد شکست‌ها در گروه ۲
  3. محاسبه کنید: برای محاسبه مقدار p دقیق کلیک کنید
  4. نتایج را تفسیر کنید: مقدار p آزمون دقیق فیشر نشان‌دهنده معناداری آماری است

آزمون دقیق فیشر زمانی ضروری است که اندازه کل نمونه کوچک باشد (معمولاً n < 1000) یا زمانی که فرکانس‌های مورد انتظار در هر سلول کمتر از ۵ باشد.

الزامات ورودی آزمون دقیق فیشر

ماشین حساب آزمون دقیق فیشر اعتبارسنجی جامع را انجام می‌دهد:

  • تمام مقادیر سلول باید اعداد صحیح غیرمنفی باشند
  • حداقل یک سلول باید حاوی یک مقدار مثبت باشد
  • اندازه کل نمونه باید برای روش‌های آزمون دقیق مناسب باشد
  • ورودی‌های نامعتبر پیام‌های خطا را با راهنمایی اصلاح نمایش می‌دهند

فرمول و بنیاد ریاضی آزمون دقیق فیشر

آزمون دقیق فیشر از توزیع هایپرژئومتریک برای محاسبه احتمال‌های دقیق استفاده می‌کند:

احتمال برای یک جدول خاص: P=(a+b)!(c+d)!(a+c)!(b+d)!a!b!c!d!n!P = \frac{(a+b)!(c+d)!(a+c)!(b+d)!}{a!b!c!d!n!}

که در آن:

  • a، b، c، d = مقادیر سلول‌ها در جدول تلاقی ۲×۲
  • n = اندازه کل نمونه (a+b+c+d)
  • ! = نماد فاکتوریل

آزمون دقیق فیشر یک‌طرفه: Ponetailed=i=amin(r1,c1)r1!r2!c1!c2!i!(r1i)!(c1i)!(r2c1+i)!n!P_{one-tailed} = \sum_{i=a}^{\min(r_1,c_1)} \frac{r_1!r_2!c_1!c_2!}{i!(r_1-i)!(c_1-i)!(r_2-c_1+i)!n!}

آزمون دقیق فیشر دوطرفه: Ptwotailed=P(table)P(observed)P(table)P_{two-tailed} = \sum_{P(table) \leq P(observed)} P(table)

الگوریتم محاسبه آزمون دقیق فیشر

ماشین حساب آزمون دقیق فیشر الگوریتم زیر را پیاده‌سازی می‌کند:

  1. محاسبه احتمال مشاهده شده: احتمال هایپرژئومتریک را برای جدول تلاقی ورودی محاسبه کنید
  2. آزمون یک‌طرفه: احتمال‌ها را برای تمام جداول با نتایج به همان اندازه یا بیشتر در جهت پیش‌بینی شده جمع کنید
  3. آزمون دوطرفه: احتمال‌ها را برای تمام جداول ممکن با احتمال ≤ احتمال مشاهده شده جمع کنید
  4. مدیریت دقت: از محاسبات لگاریتمی برای جلوگیری از سرریز عددی برای فاکتوریل‌های بزرگ استفاده می‌کند

آزمون دقیق فیشر مقادیر p دقیقی را بدون اتکا به تقریب‌های نامتقارن ارائه می‌دهد و آن را به استاندارد طلایی برای تحلیل دسته‌ای نمونه‌های کوچک تبدیل می‌کند.

کی از آزمون دقیق فیشر استفاده کنیم در مقابل آزمون کای-مربع

آزمون دقیق فیشر زمانی توصیه می‌شود که:

  1. اندازه‌های نمونه کوچک: کل n < 1000 یا هر فرکانس سلول مورد انتظار < 5
  2. نیاز به مقادیر p دقیق: زمانی که محاسبات احتمال دقیق مورد نیاز است
  3. جداول تلاقی ۲×۲: آزمون استقلال بین دو متغیر دوتایی
  4. تحقیقات پزشکی: آزمایش‌های بالینی با گروه‌های بیمار کوچک
  5. کنترل کیفیت: تحلیل نقص‌های تولید با نمونه‌های محدود

کاربردهای آزمون دقیق فیشر:

  • آزمون A/B با نمونه‌های کوچک تبدیل
  • مطالعات اثربخشی درمان پزشکی
  • مطالعات ارتباط ژنتیکی
  • تحقیقات نظرسنجی با نتایج دوتایی
  • تحلیل مداخلات آموزشی

مقایسه آزمون دقیق فیشر و آزمون کای-مربع

جنبهآزمون دقیق فیشرآزمون کای-مربع
اندازه نمونهنمونه‌های کوچک (n < 1000)نمونه‌های بزرگ (n ≥ 1000)
فرکانس‌های مورد انتظارهر فرکانسهمه سلول‌ها ≥ 5
نوع مقدار pاحتمال دقیقتقریبی
هزینه محاسباتیبالاترپایین‌تر
دقتدقیقتقریب نامتقارن

آزمون دقیق فیشر را زمانی انتخاب کنید که محدودیت‌های اندازه نمونه فرضیات کای-مربع را نامعتبر کند.

مثال‌ها و کاربردهای آزمون دقیق فیشر

مثال ۱: مطالعه درمان پزشکی

  • بیماران درمان شده که بهبود یافتند: ۸ (سلول A)
  • بیماران درمان شده که بهبود نیافتند: ۲ (سلول B)
  • بیماران کنترل که بهبود یافتند: ۳ (سلول C)
  • بیماران کنترل که بهبود نیافتند: ۷ (سلول D)
  • مقدار p آزمون دقیق فیشر: ۰.۰۵۲۴

مثال ۲: تحلیل کنترل کیفیت

  • اقلام معیوب از ماشین A: ۱ (سلول A)
  • اقلام خوب از ماشین A: ۱۹ (سلول B)
  • اقلام معیوب از ماشین B: ۶ (سلول C)
  • اقلام خوب از ماشین B: ۱۴ (سلول D)
  • مقدار p آزمون دقیق فیشر: ۰.۰۴۵۶

مثال‌های پیاده‌سازی کد آزمون دقیق فیشر

1# پیاده‌سازی پایتون با استفاده از scipy
2from scipy.stats import fisher_exact
3
4# جدول تلاقی ۲×۲
5table = [[8, 2],
6         [3, 7]]
7
8# آزمون دقیق فیشر دوطرفه
9odds_ratio, p_value = fisher_exact(table, alternative='two-sided')
10print(f"مقدار p آزمون دقیق فیشر: {p_value:.4f}")
11

چگونه نتایج آزمون دقیق فیشر را تفسیر کنیم

تفسیر مقدار p:

  • p < 0.001: شواهد بسیار قوی علیه فرض صفر
  • p < 0.01: شواهد بسیار قوی علیه فرض صفر
  • p < 0.05: شواهد قوی علیه فرض صفر (معنادار)
  • p ≥ 0.05: شواهد ناکافی برای رد فرض صفر

ملاحظات اندازه اثر:

  • نمونه‌های کوچک ممکن است اندازه اثر بزرگ داشته باشند اما مقادیر p غیرمعنادار
  • به همراه نتایج آزمون دقیق فیشر، فاصله‌های اطمینان را در نظر بگیرید
  • معناداری بالینی در مقابل معناداری آماری

سوالات متداول درباره آزمون دقیق فیشر

آزمون دقیق فیشر برای چه چیزی استفاده می‌شود؟ آزمون دقیق فیشر تعیین می‌کند که آیا ارتباط معناداری بین دو متغیر دسته‌ای در یک جدول تلاقی ۲×۲ وجود دارد، به ویژه زمانی که اندازه‌های نمونه کوچک هستند.

کی باید از آزمون دقیق فیشر به جای کای-مربع استفاده کنم؟ از آزمون دقیق فیشر زمانی استفاده کنید که اندازه کل نمونه شما کمتر از ۱۰۰۰ باشد یا زمانی که هر فرکانس سلول مورد انتظار کمتر از ۵ باشد.

تفاوت بین آزمون دقیق فیشر یک‌طرفه و دوطرفه چیست؟ آزمون یک‌طرفه برای ارتباط در یک جهت خاص (فرضیه از پیش تعیین شده) است، در حالی که آزمون دوطرفه برای هر ارتباط بدون پیش‌بینی جهت است.

آیا آزمون دقیق فیشر می‌تواند جداول بزرگتر از ۲×۲ را مدیریت کند؟ آزمون دقیق فیشر استاندارد برای جداول ۲×۲ طراحی شده است. برای جداول تلاقی بزرگتر، از گسترش فریمن-هالتون یا سایر آزمون‌های دقیق استفاده کنید.

آیا آزمون دقیق فیشر همیشه دقیق‌تر از کای-مربع است؟ آزمون دقیق فیشر مقادیر p دقیقی را ارائه می‌دهد که آن را برای نمونه‌های کوچک دقیق‌تر می‌کند. با این حال، برای نمونه‌های بزرگ، کای-مربع از نظر محاسباتی کارآمد است و از دست رفتن دقت ناچیز است.

آزمون دقیق فیشر چه فرضیاتی دارد؟ آزمون دقیق فیشر فرض می‌کند که مجموع‌های ثابت حاشیه‌ای، استقلال مشاهدات و اینکه داده‌ها توزیع هایپرژئومتریک را دنبال می‌کنند.

چگونه فاصله‌های اطمینان آزمون دقیق فیشر را تفسیر کنم؟ فاصله‌های اطمینان برای نسبت شانس دامنه‌ای از اندازه‌های اثر ممکن را ارائه می‌دهند. اگر فاصله ۱.۰ را شامل نشود، ارتباط از نظر آماری معنادار است.

آیا می‌توانم از آزمون دقیق فیشر برای داده‌های جفت شده استفاده کنم؟ خیر، آزمون دقیق فیشر برای گروه‌های مستقل است. برای داده‌های دسته‌ای جفت شده، از آزمون مک‌نمار استفاده کنید.

چه اندازه نمونه‌ای نیاز به آزمون دقیق فیشر دارد؟ از آزمون دقیق فیشر زمانی استفاده کنید که اندازه کل نمونه شما زیر ۱۰۰۰ باشد یا زمانی که هر فرکانس سلول مورد انتظار کمتر از ۵ باشد. این اطمینان حاصل می‌کند که مقادیر p دقیق هستند.

چگونه می‌توانم آزمون دقیق فیشر را به صورت دستی محاسبه کنم؟ محاسبه دستی شامل محاسبه احتمال‌های هایپرژئومتریک با استفاده از فاکتوریل‌ها است. ماشین حساب آنلاین ما این محاسبات پیچیده را به طور خودکار برای دقت و سرعت انجام می‌دهد.

منابع و مطالعه بیشتر

امروز از ماشین حساب آزمون دقیق فیشر ما برای تحلیل آماری دقیق داده‌های دسته‌ای خود استفاده کنید. مناسب برای محققان، دانشجویان و حرفه‌ای‌هایی که به مقادیر p دقیق برای مطالعات نمونه کوچک نیاز دارند.

  1. فیشر، R.A. (۱۹۲۲). "در تفسیر χ² از جداول تلاقی و محاسبه P." مجله انجمن آماری سلطنتی، ۸۵(۱)، ۸۷-۹۴.
  2. فریمن، G.H. و هالتون، J.H. (۱۹۵۱). "یادداشتی در مورد یک درمان دقیق از تلاقی، تناسب و سایر مشکلات معناداری." بیومتریکا، ۳۸(۱/۲)، ۱۴۱-۱۴۹.
  3. آگرستی، A. (۲۰۱۸). "مقدمه‌ای بر تحلیل داده‌های دسته‌ای" (ویرایش سوم). وایلی.
  4. مک‌دونالد، J.H. (۲۰۱۴). "راهنمای آمار زیستی" (ویرایش سوم). انتشارات اسپارکی هاوس.

عنوان متا: ماشین حساب آزمون دقیق فیشر - ابزار آماری آنلاین رایگان توضیحات متا: مقادیر p دقیق را برای جداول تلاقی ۲×۲ با ماشین حساب آزمون دقیق فیشر ما محاسبه کنید. مناسب برای تحقیقات نمونه کوچک، مطالعات پزشکی و تحلیل داده‌های دسته‌ای.