طلب مني أحد الزملاء تعليق على هذه الصورة "الفكاهية" من وجهة نظر القياس والاحصاء
Bar b: Sorry we can’t trust you
Bar c: Shocked, and maybe cry
🥺🥺
Bar b: Sorry we can’t trust you
Bar c: Shocked, and maybe cry
🥺🥺
بشكل عام، ينتشر في علم الاحصاء تمثيل البيانات (Data visualization) بصور وأشكال عديدة جداً ولكل منها هدف معين يتناسب مع نوعية وحجم البيانات وذلك تسهيلاً لقرائتها، كما يقول المثل الانجليزي المعروف
picture worth a thousand words
picture worth a thousand words
فيما يخص error bar فغالباً يستخدم لتقدير الخطأ أو دقة البيانات
كما يمكن أن يستخدم error bars لعرض الكثير من القيم الاحصائية مثل الانحراف المعياري، الخطأ المعياري، فترة الثقة، ... وغيرها من المصطلحات الاحصائية الاخرى
كما يمكن أن يستخدم error bars لعرض الكثير من القيم الاحصائية مثل الانحراف المعياري، الخطأ المعياري، فترة الثقة، ... وغيرها من المصطلحات الاحصائية الاخرى
طول طرفي error bar يُعبر عن إحتمالية عدم دقة وموثوقية القياس في البيانات وكذلك أن البيانات تنتشر في مدى كبير (Range) وهذا قد يسبب تضخم في variance
في حين قصر طرفي error bar يعني أن البيانات تنتشر في مدى قصير (بيانات أكثر تجانساً) وهذا يزيد من إحتمالية موثوقيتها
في حين قصر طرفي error bar يعني أن البيانات تنتشر في مدى قصير (بيانات أكثر تجانساً) وهذا يزيد من إحتمالية موثوقيتها
عادة يكون طول طرفي error bar متساوي في حالة البيانات المعتدلة normal distribution، اما اذا منحنى البيانات ملتوي (Skewed) فهنا يختلف طول طرفي error bar عن بعضهما
واخيراً يجب أن نتفهّم وجهة نظر Bars A B D E
بأنهم غير واثقين من البيانات لدى Bar C
لأسباب ومشكلات تتعلق بالقياس والاحصاء
👌🏻👌🏻
بأنهم غير واثقين من البيانات لدى Bar C
لأسباب ومشكلات تتعلق بالقياس والاحصاء
👌🏻👌🏻
جاري تحميل الاقتراحات...