۱۰۰ هزار تومان هدیهٔ ثبت‌نام، تا ۱ میلیونبا ثبت‌نام گردونهٔ هدیه را بچرخان: دست‌کم ۱۰۰٬۰۰۰ تومان و تا ۱٬۰۰۰٬۰۰۰ تومان اعتبار هدیه، بدون کارت بانکیگردونهٔ هدیه۱ میلیون برای تو، ۱ میلیون برای دوستتدوستانت را دعوت کن: برای هر دوستی که فعال شود ۱٬۰۰۰٬۰۰۰ تومان اعتبار هدیه می‌گیری و خودش هم ۱٬۰۰۰٬۰۰۰ تومانجوایز
1xAi

خلاصه درس فصل ۱ ریاضی و آمار دوازدهم؛ درسنامه و نکات مهم

«آمار و احتمال»: ۷ درس، هر کدام با توضیح مفاهیم، مثال حل‌شده و نکات مهم.

  • ریاضی و آمار ۳
  • پایهٔ دوازدهم
  • صفحهٔ ۱ تا ۴۴

این درسنامه را هوش مصنوعی 1xAi از روی صفحه‌های همان درس در کتاب درسی نوشته است (برچسب «تولید هوش مصنوعی»). کنار توضیح‌ها شمارهٔ صفحهٔ کتاب آمده تا با کتاب مقایسه کنی، و مثال حل‌شدهٔ هر درس یک بار دیگر جداگانه حل و بررسی شده؛ مثالی که درست درنیامده حذف شده است.

درس ۱ · صفحهٔ ۱ تا ۵ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

درس ۱: شمارش

در این درس یاد می‌گیری نماد فاکتوریل را بخوانی، مقدار آن را حساب کنی و عبارت‌های فاکتوریلی را با بازکردن عامل‌های لازم و استفاده از قراردادهای 0!=10!=1 و 1!=11!=1 ساده کنی.

پیش از شروع

علامت تعجب در ریاضی چه کار می‌کند؟ آیا می‌توانی بدون حساب‌کردن دو عدد بزرگ، حاصل 10!7!\frac{10!}{7!} را پیدا کنی؟

اینجا علامت تعجب نشانهٔ هیجان نیست؛ نمادی کوتاه برای یک ضرب زنجیره‌ای است. با بازکردن بخش لازم از 10!10!، عامل مشترک 7!7! حذف می‌شود و فقط 10×9×810\times9\times8 باقی می‌ماند.

یک علامت، یک زنجیرهٔ ضرب

یک علامت، یک زنجیرهٔ ضرب

علامت تعجب در ریاضی همیشه نشانهٔ تعجب نیست! وقتی بعد از یک عدد طبیعی می‌آید، نماد فاکتوریل است. مثلاً 5!5! را «پنج فاکتوریل» می‌خوانیم؛ یعنی از آن عدد، یکی‌یکی پایین می‌آییم و همهٔ عددهای طبیعی تا یک را در هم ضرب می‌کنیم:

5!=5×4×3×2×15!=5\times4\times3\times2\times1

پس فاکتوریل با توان فرق دارد: در 525^2، عدد پنج در خودش ضرب می‌شود؛ اما در 5!5!، عامل‌ها یکی‌یکی کم می‌شوند.

برای ساده‌کردن کسرهای فاکتوریلی، لازم نیست همهٔ ضرب‌ها را حساب کنی. کافی است فاکتوریل بزرگ‌تر را تا جایی باز کنی که فاکتوریل مخرج ظاهر شود. مثلاً در 10!7!\frac{10!}{7!} می‌توانی بنویسی:

10!=10×9×8×7!10!=10\times9\times8\times7!

حالا صورت و مخرج عامل مشترکِ 7!7! دارند و می‌توانی آن را ساده کنی. دقت کن: خودِ عددهای بالای علامت فاکتوریل را بر هم تقسیم نمی‌کنیم؛ عامل‌های مشترکِ صورت و مخرج را حذف می‌کنیم.

کتاب درسی، صفحهٔ ۵

دو قرارداد مهم

دو قرارداد مهم

برای فاکتوریلِ عددهای بزرگ‌تر از یک، زنجیرهٔ ضرب را می‌نوشتیم. اما برای صفر و یک چه کنیم؟ این دو مقدار را با قرارداد مشخص می‌کنیم:

0!=11!=10!=1 \qquad 1!=1

پس حواست باشد: فاکتوریل صفر، صفر نیست! علامت فاکتوریل بخشی از عبارت است؛ نباید 0!0! را با خودِ 00 یکی بگیریم.

این قراردادها هنگام ساده‌کردن عبارت‌ها به کمکمان می‌آیند. اگر در یک حاصل‌ضرب، عاملِ 0!0! یا 1!1! دیدی، می‌توانی به‌جای آن 11 بگذاری. ضرب در 11 مقدار حاصل‌ضرب را تغییر نمی‌دهد؛ درست مثل اینکه تعداد وسایلت را در 11 ضرب کنی و تعدادشان همان بماند.

بنابراین، دیدن صفر در نماد 0!0! نباید باعث شود کل حاصل‌ضرب را صفر بدانی. اول مقدار فاکتوریل را مشخص کن، بعد دربارهٔ حاصل‌ضرب تصمیم بگیر.

کتاب درسی، صفحهٔ ۵

مثال حل‌شده

عبارت 6!×0!4!×1!\frac{6!\times0!}{4!\times1!} را به ساده‌ترین صورت بنویس.

  1. ابتدا قراردادها را به کار می‌بریم: 0!=10!=1 و 1!=11!=1.

  2. با جای‌گذاری داریم: 6!×0!4!×1!=6!×14!×1=6!4!\frac{6!\times0!}{4!\times1!}=\frac{6!\times1}{4!\times1}=\frac{6!}{4!}.

  3. صورت را فقط تا رسیدن به فاکتوریل مخرج باز می‌کنیم: 6!=6×5×4!6!=6\times5\times4!.

  4. عامل مشترک را ساده می‌کنیم: 6×5×4!4!=6×5\frac{6\times5\times4!}{4!}=6\times5.

  5. ضرب باقی‌مانده را حساب می‌کنیم: 6×5=306\times5=30.

جواب: 6!×0!4!×1!=30\frac{6!\times0!}{4!\times1!}=30

نکات مهم

  • فاکتوریل یک عدد طبیعی بزرگ‌تر از یک، حاصل‌ضرب همهٔ عددهای طبیعی از یک تا آن عدد است.
  • برای ساده‌کردن کسرهای فاکتوریلی، فقط عامل‌های لازم را باز کن و عامل‌های مشترک صورت و مخرج را ساده کن.
  • طبق قرارداد 0!=10!=1 و 1!=11!=1 است و ضرب هر عبارت در این مقدارها، آن را تغییر نمی‌دهد.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۲ · صفحهٔ ۵ تا ۱۲ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

جایگشت

در این درس یاد می‌گیری با بررسی اهمیت ترتیب، تبدیل و ترکیب را از هم تشخیص بدهی و تعداد انتخاب‌های بدون تکرار را با فرمول مناسب حساب کنی.

پیش از شروع

از بین چند دوست، دو نفر را برای یک تیم انتخاب می‌کنیم؛ بار دیگر دو نفر را به‌عنوان کاپیتان و معاون انتخاب می‌کنیم. چرا تعداد حالت‌های این دو انتخاب یکسان نیست؟

در انتخاب اعضای تیم، عوض‌کردن جای دو نفر تیم تازه‌ای نمی‌سازد. اما اگر سمت‌های کاپیتان و معاون را عوض کنیم، حالت تازه‌ای داریم؛ همین تفاوت تعیین می‌کند از «ترکیب» استفاده کنیم یا «تبدیل».

انتخابی که ترتیب دارد

انتخابی که ترتیب دارد

فرض کن از بین دوستانت، یک نفر را برای کاپیتانی و یک نفر دیگر را برای معاونت انتخاب می‌کنی. اگر سارا کاپیتان و مریم معاون باشد، نتیجه با حالتی که مریم کاپیتان و سارا معاون است فرق دارد؛ هرچند همان دو نفر انتخاب شده‌اند!

پس در این مسئله، فقط «چه کسانی انتخاب شده‌اند» مهم نیست؛ اینکه هر نفر کدام جایگاه را می‌گیرد هم مهم است. به چنین انتخابی، که ترتیب یا جایگاه اشیای انتخاب‌شده اهمیت دارد، تبدیل می‌گوییم. در انتخاب بدون تکرار، هر شخص یا شیء فقط یک بار انتخاب می‌شود.

برای تشخیص، از خودت بپرس: «اگر جای دو مورد انتخاب‌شده را عوض کنم، نتیجهٔ تازه‌ای ساخته می‌شود؟» مثلاً با جابه‌جایی رقم‌های عدد 24712471 می‌توان عدد 27412741 را ساخت؛ رقم‌ها همان‌اند، ولی عدد عوض شده است. بنابراین در ساختن عدد، ترتیب رقم‌ها اهمیت دارد.

کتاب درسی، صفحهٔ ۷

شمارش تبدیل‌ها

شمارش تبدیل‌ها

فرض کن می‌خواهی از بین چند عکس متفاوت، تعدادی را انتخاب کنی و در یک ردیف بچینی؛ هر عکس هم فقط یک بار استفاده می‌شود. برای جای اول، همهٔ عکس‌ها در دسترس‌اند؛ اما با گذاشتن هر عکس، تعداد انتخاب‌های جای بعدی یکی کمتر می‌شود.

اگر از میان nn شیء متمایز، rr شیء را انتخاب کنیم و بچینیم، برای جای اول nn انتخاب و برای جای دوم n−1n-1 انتخاب داریم. این روند تا جای rr‌ام ادامه دارد که برای آن n−r+1n-r+1 انتخاب باقی می‌ماند. طبق اصل ضرب:

P(n,r)=n(n−1)⋯(n−r+1)P(n,r)=n(n-1)\cdots(n-r+1)

این ضرب را می‌توان کوتاه‌تر نوشت:

P(n,r)=n!(n−r)!P(n,r)=\frac{n!}{(n-r)!}

چرا این کسر؟ در صورت، حاصل‌ضرب همهٔ عددها از nn تا یک آمده است؛ با تقسیم بر (n−r)!(n-r)!، عامل‌های اضافی حذف می‌شوند و فقط rr عامل لازم باقی می‌مانند.

پیش از استفاده از فرمول، مطمئن شو اشیا متمایزند، تکرار نداریم و ترتیب مهم است. همچنین باید r≤nr\leq n باشد.

کتاب درسی، صفحهٔ ۸

ترکیب؛ فقط انتخاب

ترکیب؛ فقط انتخاب

فرض کن چند کتاب داری و می‌خواهی تعدادی از آن‌ها را به دوستت هدیه بدهی. اگر همان کتاب‌ها را با ترتیب دیگری تحویل بدهی، هدیه‌ات عوض نمی‌شود! اینجا فقط کدام کتاب‌ها انتخاب شده‌اند مهم است، نه ترتیبشان؛ چنین انتخابی را ترکیب می‌نامیم.

چرا نمی‌توانیم همان تعداد تبدیل‌ها را به‌کار ببریم؟ در شمارش تبدیل‌ها، هر گروه از rr شیء متمایز، به تعداد r!r! ترتیب مختلف شمرده شده است؛ اما در ترکیب، همهٔ این ترتیب‌ها فقط یک انتخاب هستند. پس برای حذف شمارش‌های تکراری، تقسیم می‌کنیم:

(nr)=P(n,r)r!=n!r!(n−r)!\displaystyle \binom{n}{r}=\frac{P(n,r)}{r!}=\frac{n!}{r!(n-r)!}

این فرمول برای انتخاب بدون تکرار از میان اشیای متمایز است. نماد (nr)\binom{n}{r} همان تعداد ترکیب‌های rr شیء از nn شیء است.

پیش از انتخاب فرمول، از خودت بپرس: «اگر جای انتخاب‌شده‌ها عوض شود، نتیجه واقعاً تازه‌ای دارم؟» اگر نه، سراغ ترکیب برو.

کتاب درسی، صفحهٔ ۹

مثال حل‌شده

شش کتاب متمایز داریم و می‌خواهیم سه کتاب از آن‌ها را به دوستی هدیه بدهیم؛ چند انتخاب ممکن داریم؟

  1. اول اهمیت ترتیب را بررسی می‌کنیم: هدیه دادن همان سه کتاب با ترتیبی دیگر، انتخاب تازه‌ای نیست؛ پس از ترکیب استفاده می‌کنیم.

  2. در این مسئله n=6n=6 و r=3r=3 است؛ بنابراین تعداد انتخاب‌ها (63)=6!3!(6−3)!\binom{6}{3}=\frac{6!}{3!(6-3)!} است.

  3. تفاضل مخرج را حساب و فاکتوریل صورت را تا عامل مشترک باز می‌کنیم: 6!3! 3!=6×5×4×3!3! 3!\frac{6!}{3!\,3!}=\frac{6\times5\times4\times3!}{3!\,3!}.

  4. عامل مشترک را ساده می‌کنیم و داریم: 6×5×43×2×1=20\frac{6\times5\times4}{3\times2\times1}=20؛ پس بیست انتخاب ممکن است.

جواب: می‌توان سه کتاب را به 2020 طریق برای هدیه انتخاب کرد.

نکات مهم

  • برای تشخیص تبدیل از ترکیب، بپرس آیا جابه‌جایی موارد انتخاب‌شده نتیجهٔ تازه‌ای می‌سازد یا نه.
  • در انتخاب بدون تکرارِ rr شیء از nn شیء متمایز، اگر ترتیب مهم باشد، تعداد حالت‌ها P(n,r)=n!(n−r)!P(n,r)=\frac{n!}{(n-r)!} است.
  • اگر ترتیب مهم نباشد، هر انتخاب در تبدیل‌ها r!r! بار شمرده شده است؛ پس تعداد ترکیب‌ها (nr)=n!r!(n−r)!\binom{n}{r}=\frac{n!}{r!(n-r)!} است.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۳ · صفحهٔ ۱۲ تا ۲۸ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

درس ۲: احتمال

در این درس یاد می‌گیری فضای نمونه و پیشامدها را مشخص کنی، رابطهٔ میان پیشامدها را با اعمال مجموعه‌ای نشان بدهی و احتمال را با شمارش برآمدهای هم‌شانس یا استفاده از متمم به دست بیاوری.

پیش از شروع

در بازیِ پرتاب دو تاس، هر بازیکن یکی از مجموع‌های ممکن را انتخاب می‌کند. آیا همهٔ بازیکن‌ها شانس یکسانی برای برنده‌شدن دارند؟

نه؛ بعضی مجموع‌ها از راه‌های بیشتری به دست می‌آیند. مثلاً مجموع 77 با چند جفت عدد ساخته می‌شود، اما مجموع 22 فقط با آمدن دو عدد 11؛ پس برای سنجیدن شانس، باید برآمدهای ممکن را درست بشماریم.

از برآمد تا فضای نمونه

از برآمد تا فضای نمونه

وقتی سکه‌ای را پرتاب می‌کنی، می‌دانی «رو» و «پشت» نتیجه‌های ممکن‌اند، اما از قبل مطمئن نیستی کدام ظاهر می‌شود؛ پس با یک آزمایش تصادفی روبه‌رو هستی. هر نتیجهٔ ممکن یک برآمد است و مجموعهٔ همهٔ برآمدها را فضای نمونه می‌نامیم و با SS نشان می‌دهیم.

برای نوشتن فضای نمونه، اول روشن کن چه چیزی را ثبت می‌کنی. مثلاً در بیرون‌آوردن یک نوشت‌افزار از جامدادی، اگر بخواهی خودِ شیء انتخاب‌شده را مشخص کنی، باید مدادهای مختلف را با شماره‌گذاری از هم متمایز کنی؛ نوشتن «مداد» به‌تنهایی این تفاوت را نشان نمی‌دهد.

در آزمایش‌های چندمرحله‌ای، ترتیب هم مهم است. اگر سکه را دو بار پرتاب کنیم و نتیجه‌ها را به‌ترتیب بنویسیم، «رو، پشت» با «پشت، رو» فرق دارد. با نشانه‌های «ر» برای رو و «پ» برای پشت داریم:

S={(ر,ر),(ر,پ),(پ,ر),(پ,پ)}S=\{(\text{ر},\text{ر}),(\text{ر},\text{پ}),(\text{پ},\text{ر}),(\text{پ},\text{پ})\}

قبل از تمام‌کردن فهرست، از خودت بپرس: آیا حالتی جا افتاده یا دو نتیجهٔ متفاوت را یکی گرفته‌ام؟

کتاب درسی، صفحهٔ ۱۲

پیشامد یعنی کدام نتیجه‌ها؟

پیشامد یعنی کدام نتیجه‌ها؟

فرض کن در یک بازی، اگر تاس عدد زوج نشان دهد، نوبت تو می‌شود. فضای نمونه همهٔ نتیجه‌های ممکن است: S={1,2,3,4,5,6}S=\{1,2,3,4,5,6\}. اما نتیجه‌هایی که شرط تو را برآورده می‌کنند، مجموعهٔ کوچک‌تری می‌سازند: A={2,4,6}A=\{2,4,6\}.

به چنین زیرمجموعه‌ای از فضای نمونه، پیشامد می‌گوییم. اگر تاس 44 بیاید، پیشامد AA رخ داده است؛ لازم نیست همهٔ اعضای آن ظاهر شوند! در واقع، برآمد نتیجهٔ یک بار آزمایش است، ولی پیشامد مجموعه‌ای از نتیجه‌های موردنظر ماست.

دو حالت ویژه را هم بشناس:

  • پیشامد نشدنی: در پرتاب تاس، آمدن عدد بزرگ‌تر از 66 هیچ عضو ممکنی ندارد؛ پس با مجموعهٔ تهی، یعنی ∅\varnothing، نشان داده می‌شود.
  • پیشامد حتمی: آمدن عدد کوچک‌تر از 77 تمام اعضای SS را در بر می‌گیرد؛ بنابراین حتماً رخ می‌دهد.

پس پیشامد می‌تواند هیچ عضو، یک عضو یا چند عضو داشته باشد؛ حتی می‌تواند خودِ فضای نمونه باشد.

کتاب درسی، صفحهٔ ۱۶

زبان پیشامدهای ترکیبی

زبان پیشامدهای ترکیبی

گاهی در یک بازی، شرط بردن از چند شرط ساخته می‌شود. برای فهمیدن این شرط‌ها، کلمه‌های رابط را به زبان مجموعه‌ها ترجمه کن:

  • «و» ← اشتراک: پیشامد A∩BA\cap B یعنی هر دو شرط برقرار باشند.
  • «یا» ← اجتماع: پیشامد A∪BA\cup B یعنی دست‌کم یکی از شرط‌ها برقرار باشد؛ برقرار بودن هر دو هم پذیرفته است.
  • «ولی نه» ← تفاضل: پیشامد A−BA-B یعنی شرط AA برقرار باشد، ولی شرط BB برقرار نباشد.
  • «رخ ندادن» ← متمم: پیشامد A′A' شامل برآمدهای فضای نمونه است که در AA نیستند.

برای تصور این رابطه‌ها، در پرتاب یک تاس، AA را «زوج آمدن» و BB را «بزرگ‌تر از چهار آمدن» بگیر. عبارت «زوج و بزرگ‌تر از چهار» به برآمدهای مشترک اشاره می‌کند؛ اما «زوج یا بزرگ‌تر از چهار» همهٔ برآمدهایی را می‌پذیرد که حداقل یکی از این ویژگی‌ها را دارند.

ناسازگار یعنی دو پیشامد هیچ عضو مشترکی ندارند: A∩B=∅A\cap B=\varnothing. مثلاً زوج آمدن و فرد آمدن یک تاس ناسازگارند. هر دو می‌توانند جداگانه رخ دهند، اما در یک پرتاب با هم رخ نمی‌دهند. متمم‌ها نیز ناسازگارند و علاوه بر آن، اجتماعشان کل فضای نمونه است.

کتاب درسی، صفحهٔ ۱۷

از شمارش تا احتمال

از شمارش تا احتمال

اگر همهٔ برآمدها هم‌شانس باشند، برای پیدا کردن احتمال کافی است تعداد نتیجه‌های مطلوب را با تعداد همهٔ نتیجه‌های ممکن مقایسه کنیم؛ مثل قرعه‌کشی با کارت‌های یکسان که خوب مخلوط شده‌اند.

برای فضای نمونهٔ متناهی و ناتهی داریم:

P(A)=n(A)n(S)P(A)=\frac{n(A)}{n(S)}

در این رابطه، n(A)n(A) تعداد برآمدهای پیشامد موردنظر و n(S)n(S) تعداد کل برآمدهاست. پس قبل از استفاده از کسر، از خودت بپرس: «آیا برآمدهایی که شمرده‌ام واقعاً هم‌شانس‌اند؟» مثلاً مجموع‌های ممکنِ دو تاس هم‌شانس نیستند؛ بعضی مجموع‌ها به روش‌های بیشتری ساخته می‌شوند.

چون تعداد اعضای یک پیشامد از تعداد اعضای فضای نمونه بیشتر نیست، همیشه 0≤P(A)≤10\leq P(A)\leq1 است. احتمال پیشامد نشدنی 00 و احتمال پیشامد حتمی 11 است.

اگر دو پیشامد ناسازگار باشند، هیچ برآمد مشترکی ندارند؛ بنابراین برای احتمال رخ‌دادن حداقل یکی از آن‌ها، احتمال‌هایشان را جمع می‌کنیم:

P(A∪B)=P(A)+P(B)P(A\cup B)=P(A)+P(B)

یادت باشد: بدون شرط ناسازگاری، این جمع ممکن است برآمدهای مشترک را دوبار حساب کند.

کتاب درسی، صفحهٔ ۱۹

راه کوتاهِ متمم

راه کوتاهِ متمم

گاهی پیدا کردن احتمال «رخ ندادن» یک اتفاق، از پیدا کردن احتمال خودش ساده‌تر است. مثلاً برای اینکه بدانی احتمال بارانی نبودن فردا چقدر است، لازم نیست احتمال تک‌تک وضعیت‌های آفتابی، ابری و مانند آن را جداگانه حساب کنی؛ کافی است احتمال بارانی بودن را بدانی.

پیشامد AA و متمم آن، یعنی A′A'، تمام فضای نمونه را می‌پوشانند و هیچ عضو مشترکی ندارند. بنابراین:

P(A)+P(A′)=1P(A)+P(A')=1

پس احتمالِ پیشامد موردنظر، برابر است با یک منهای احتمالِ حالت مخالف آن:

P(A)=1−P(A′)P(A)=1-P(A')

نکتهٔ مهم، درست گفتنِ حالت مخالف است. در انتخاب سه پیراهن، متممِ «حداکثر دو پیراهن آبی» می‌شود «هر سه پیراهن آبی»، نه «هیچ پیراهنی آبی نباشد». همچنین متممِ «حداقل یک پیراهن آبی» می‌شود «هیچ پیراهنی آبی نباشد».

پیش از شروع محاسبه، از خودت بپرس: شمردن حالت‌های خواسته‌شده آسان‌تر است یا حالت‌های مخالف؟

کتاب درسی، صفحهٔ ۲۲

مثال حل‌شده

یک تاس آبی و یک تاس قرمزِ سالم را پرتاب می‌کنیم. احتمال اینکه مجموع عددهای ظاهرشده حداقل 44 باشد، چقدر است؟

  1. هر برآمد را به شکل زوج مرتبِ «عدد تاس آبی، عدد تاس قرمز» ثبت می‌کنیم؛ پس n(S)=6×6=36n(S)=6\times6=36 و این برآمدها هم‌شانس‌اند.

  2. پیشامد AA را «مجموع حداقل 44 باشد» می‌نامیم؛ یعنی مجموع برابر با 44 یا بیشتر باشد.

  3. متمم آن، A′A'، «مجموع کمتر از 44 باشد» است؛ پس فقط مجموع‌های 22 و 33 را بررسی می‌کنیم.

  4. برآمدهای متمم عبارت‌اند از A′={(1,1),(1,2),(2,1)}A'=\{(1,1),(1,2),(2,1)\}؛ بنابراین n(A′)=3n(A')=3 و P(A′)=336=112P(A')=\frac{3}{36}=\frac{1}{12}.

  5. با استفاده از متمم داریم: P(A)=1−P(A′)=1−112=1112P(A)=1-P(A')=1-\frac{1}{12}=\frac{11}{12}؛ به‌جای شمردن برآمدهای فراوانِ مطلوب، فقط برآمدهای مخالف را شمردیم.

جواب: احتمال اینکه مجموع دو تاس حداقل 44 باشد، برابر با 1112\frac{11}{12} است.

نکات مهم

  • فضای نمونه مجموعهٔ همهٔ برآمدهای ممکن است و هر پیشامد، زیرمجموعه‌ای از آن است که با ظاهرشدن یکی از اعضایش رخ می‌دهد.
  • «و»، «یا»، «ولی نه» و «رخ ندادن» به‌ترتیب با اشتراک، اجتماع، تفاضل و متمم بیان می‌شوند و پیشامدهای ناسازگار اشتراک تهی دارند.
  • برای برآمدهای هم‌شانس، P(A)=n(A)n(S)P(A)=\frac{n(A)}{n(S)} است؛ احتمال بین 00 و 11 قرار دارد و از رابطهٔ P(A)=1−P(A′)P(A)=1-P(A') نیز می‌توان استفاده کرد.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۴ · صفحهٔ ۲۸ تا ۳۱ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

درس ۳: چرخۀ آمار در حل مسائل

در این درس یاد می‌گیری با دنبال‌کردن گام‌های چرخهٔ آمار، از یک پرسش روشن به گردآوری و تحلیل داده‌ها و نتیجه‌گیری معتبر برسی و تشخیص بدهی چه زمانی به بررسی تازه نیاز داری.

پیش از شروع

اگر بخواهی به مشاور مدرسه پیشنهاد بدهی چطور از تلفن همراه برای یادگیری بهتر استفاده کند، آیا دانستن مدت استفادهٔ دانش‌آموزان کافی است؟

نه؛ باید بدانیم دانش‌آموزان با تلفن همراه چه کارهایی انجام می‌دهند و اطلاعاتمان چقدر قابل اعتماد است. چرخهٔ آمار کمک می‌کند از یک پرسش روشن شروع کنیم، شواهد جمع کنیم و به پیشنهادی برسیم که پشتوانه داشته باشد.

از پرسش تا برنامه

از پرسش تا برنامه

اگر مشاور مدرسه بپرسد «دانش‌آموزان چقدر با گوشی کار می‌کنند؟»، هنوز نمی‌دانیم منظور کدام دانش‌آموزان است و «چقدر» را چگونه باید اندازه گرفت. بیان مسئله یعنی این ابهام‌ها را برطرف کنیم.

مثلاً بپرسیم: «دانش‌آموزان پایه‌های دهم، یازدهم و دوازدهم این مدرسه، روزانه چند دقیقه و برای چه فعالیت‌هایی از تلفن هوشمند استفاده می‌کنند؟» حالا هم جامعهٔ آماری، یعنی گروه مورد مطالعه، روشن است و هم چیزهایی که می‌خواهیم بررسی کنیم: مدت استفاده و نوع فعالیت.

بعد نوبت طرح و برنامه‌ریزی است: از چه کسانی بپرسیم؟ با چه ابزاری؟ پاسخ‌ها را چگونه ثبت کنیم؟ در بررسی کتاب، از هر پایه 2020 نفر به‌طور تصادفی انتخاب شدند؛ این افراد «نمونه» بودند، نه تمام جامعه. پرسش‌نامه نیز مدت استفاده را برحسب دقیقه و نوع فعالیت را با گزینه‌های مشخص ثبت می‌کرد.

پس پیش از جمع‌کردن پاسخ‌ها، باید معلوم باشد چه می‌پرسیم، دربارهٔ چه کسانی و با چه روشی.

کتاب درسی، صفحهٔ ۲۸

داده‌های قابل اعتماد

داده‌های قابل اعتماد

فرض کن در پرسش‌نامهٔ استفاده از تلفن همراه، کسی زمان روزانه‌اش را بیشتر از 2424 ساعت نوشته باشد! پیش از تحلیل، باید چنین پاسخ‌هایی را بررسی کنیم؛ چون نتیجهٔ خوب به دادهٔ قابل اعتماد نیاز دارد.

گردآوری مناسب یعنی پرسش‌ها روشن باشند و پاسخ‌ها با دقت ثبت شوند. محرمانگی هم کمک می‌کند افراد از ترس قضاوت‌شدن، پاسخشان را تغییر ندهند. مثلاً وقتی نام دانش‌آموز پرسیده نمی‌شود، ممکن است زمان بازی با تلفن را صادقانه‌تر گزارش کند.

بعد از گردآوری، نوبت پاکسازی داده‌ها است: خطاهای تایپی را تا حد ممکن اصلاح می‌کنیم و پاسخ‌های مشکوک را بررسی می‌کنیم. اگر اشتباه‌بودن پاسخی روشن باشد و نتوان آن را اصلاح کرد، آن پاسخ را کنار می‌گذاریم.

اما هر مقدار خیلی بزرگ یا کوچک، لزوماً اشتباه نیست! دادهٔ دورافتاده مقداری است که از بیشتر داده‌ها فاصلهٔ زیادی دارد. شاید دانش‌آموزی واقعاً بسیار بیشتر از دیگران از تلفن استفاده کند؛ پس دورافتاده‌بودن، به‌تنهایی دلیل حذف نیست.

کتاب درسی، صفحهٔ ۲۹

از داده تا خلاصهٔ معنادار

از داده تا خلاصهٔ معنادار

حالا که داده‌ها آماده‌اند، چطور آن‌ها را خلاصه کنیم تا قابل فهم شوند؟ نوع داده راهنمای ماست.

مدت استفاده یک متغیر کمّی است. برای توصیف آن، میانه جای وسط داده‌های مرتب‌شده را نشان می‌دهد و دامنۀ میان‌چارکی میزان پراکندگی نیمۀ میانی داده‌ها را مشخص می‌کند:

IQR=Q3−Q1\mathrm{IQR}=Q_3-Q_1

در بررسی کتاب، میانه برابر با 7070 دقیقه است؛ یعنی تقریباً نیمی از دانش‌آموزان تا این مقدار و نیمی بیشتر از آن از تلفن استفاده می‌کنند. چارک‌های اول و سوم برابر با 6565 و 100100 دقیقه‌اند؛ پس نیمۀ میانی زمان‌ها در این بازه قرار دارد.

اما نوع فعالیت، مثل بازی یا عکاسی، داده‌ای کیفی است. برای هر فعالیت، درصد دانش‌آموزانی را که آن را انتخاب کرده‌اند گزارش می‌کنیم و با نمودار میله‌ای مقایسه می‌کنیم؛ درست مثل مقایسۀ محبوبیت فعالیت‌های یک کلاس.

دقت کن: هر دانش‌آموز می‌توانسته سه فعالیت را علامت بزند؛ پس یک نفر ممکن است در چند میله شمرده شود و مجموع درصدها می‌تواند از 100100 درصد بیشتر شود.

کتاب درسی، صفحهٔ ۲۹

نتیجه‌گیری با مرز مشخص

نتیجه‌گیری با مرز مشخص

فرض کن از چند دانش‌آموز مدرسه‌ات دربارهٔ استفاده از تلفن هوشمند پرسیده‌ای. آیا پاسخ آن‌ها، عادت‌های همهٔ دانش‌آموزان کشور را نشان می‌دهد؟ نه؛ نتیجهٔ هر بررسی مرز مشخصی دارد.

در گام «بحث و نتیجه‌گیری»، به پرسش اصلی برمی‌گردیم و توضیح می‌دهیم یافته‌ها چه پاسخی به آن می‌دهند. وقتی با تکیه بر داده‌های یک نمونه، دربارهٔ جامعهٔ آماری مرتبط با آن نتیجه می‌گیریم، نتیجه را تعمیم داده‌ایم. انتخاب مناسب نمونه برای معتبر بودن این تعمیم مهم است.

در بررسی کتاب، نمونه از دانش‌آموزان پایه‌های دهم، یازدهم و دوازدهم همان مدرسه انتخاب شده است؛ پس نتیجه را نباید به دانش‌آموزان مدارس دیگر نسبت بدهیم. موضوع بررسی هم تلفن هوشمند است، نه رایانه یا ابزارهای دیگر.

مثلاً یافته‌ها می‌توانند به مشاوران برای پیشنهاد تهیهٔ فیلم آموزشی کمک کنند؛ اما به‌تنهایی ثابت نمی‌کنند که این پیشنهاد حتماً باعث پیشرفت تحصیلی می‌شود. پیشنهاد بر پایهٔ داده‌ها، با اثبات اثر آن تفاوت دارد.

کتاب درسی، صفحهٔ ۳۰

چرا چرخه، نه خط پایان؟

چرا چرخه، نه خط پایان؟

فرض کن مشاور مدرسه حالا می‌داند دانش‌آموزان چه مدت و برای چه کارهایی از تلفن هوشمند استفاده می‌کنند. آیا بررسی تمام شده است؟ برای پاسخ‌دادن به پرسش اولیه، شاید؛ اما برای برنامه‌ریزی آموزشی، هنوز پرسش‌های تازه‌ای داریم!

مسیر بررسی آماری این است:

بیان مسئله ← طرح و برنامه‌ریزی ← گردآوری و پاکسازی داده‌ها ← تحلیل داده‌ها ← بحث و نتیجه‌گیری

در پایان این مسیر، نتایج را تفسیر می‌کنیم و می‌سنجیم که چقدر به پرسش اصلی پاسخ داده‌ایم. همین بررسی ممکن است نشان دهد که باید پرسش را دقیق‌تر کنیم یا داده‌های تازه‌ای گرد آوریم؛ به همین دلیل، این مسیر را چرخه می‌نامیم.

مثلاً دانستن اینکه دانش‌آموزان فیلم تماشا می‌کنند، به‌تنهایی برای طراحی برنامهٔ آموزشی کافی نیست. پرسش تازه می‌تواند این باشد: «دانش‌آموزان این مدرسه روزانه چه مدت به تماشای فیلم آموزشی اختصاص می‌دهند؟» این پرسش، آغاز بررسی تازه‌ای است. پس بازگشت به گام‌های قبلی نشانهٔ شکست نیست؛ راهی برای رسیدن به پاسخی روشن‌تر است.

کتاب درسی، صفحهٔ ۳۱

مثال حل‌شده

در نمونهٔ بررسی‌شدهٔ مدرسه، میانهٔ زمان استفادهٔ روزانه از تلفن هوشمند 7070 دقیقه و چارک‌ها برابر Q1=65Q_1=65 و Q3=100Q_3=100 دقیقه‌اند. دامنهٔ میان‌چارکی را حساب کن، جایگاه نیمهٔ میانی داده‌ها را توضیح بده و بگو تقریباً چند درصد دانش‌آموزان نمونه بیش از 100100 دقیقه استفاده می‌کنند.

  1. چارک اول و سوم، مرزهای نیمهٔ میانی داده‌های مرتب‌شده‌اند؛ پس برای سنجش پراکندگی این بخش، فاصلهٔ این دو چارک را حساب می‌کنیم.

  2. فرمول دامنهٔ میان‌چارکی را می‌نویسیم: IQR=Q3−Q1IQR=Q_3-Q_1.

  3. مقدارها را جای‌گذاری می‌کنیم: IQR=100−65=35IQR=100-65=35؛ بنابراین دامنهٔ میان‌چارکی 3535 دقیقه است.

  4. تقریباً 50%50\% زمان‌های گزارش‌شده بین 6565 و 100100 دقیقه قرار دارند؛ این بازه را نباید با بازهٔ همهٔ داده‌ها اشتباه بگیریم.

  5. چارک سوم تقریباً 75%75\% داده‌ها را در سمت پایین خود دارد؛ پس تقریباً 25%25\% دانش‌آموزان نمونه بیش از 100100 دقیقه استفاده می‌کنند.

جواب: دامنهٔ میان‌چارکی برابر 3535 دقیقه است؛ تقریباً نیمی از زمان‌ها بین 6565 و 100100 دقیقه قرار دارند و تقریباً 25%25\% دانش‌آموزان نمونه بیش از 100100 دقیقه در روز از تلفن هوشمند استفاده می‌کنند.

نکات مهم

  • بررسی آماری با پرسشی دقیق و برنامه‌ای برای نمونه‌گیری و اندازه‌گیری آغاز می‌شود و به گردآوری و پاکسازی داده‌ها می‌رسد.
  • در تحلیل داده‌ها، میانه مرکز داده‌های مرتب‌شده و دامنهٔ میان‌چارکی پراکندگی نیمهٔ میانی آنها را توصیف می‌کند و نمودار میله‌ای برای نمایش درصد فراوانی فعالیت‌ها مناسب است.
  • نتیجه‌گیری باید در محدودهٔ جامعه و موضوع مطالعه بماند و ممکن است پرسشی تازه بسازد که چرخهٔ آمار را دوباره به جریان بیندازد.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۵ · صفحهٔ ۳۱ تا ۳۷ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

گام‌های چرخهٔ آمار در حل مسائل

در این درس یاد می‌گیری … پنج گام چرخهٔ آمار را برای بررسی یک مسئله به کار ببری و تشخیص بدهی چگونه پرسش، نمونه‌گیری، کیفیت داده‌ها و شیوهٔ گزارش بر اعتبار نتیجه اثر می‌گذارند.

پیش از شروع

اگر میانگین حقوق در یک شرکت بیشتر باشد، حتماً انتخاب بهتری برای کار کردن است؟ آمار چطور ممکن است ما را به اشتباه بیندازد؟

ممکن است حقوق بالای چند نفر، میانگین را بالا ببرد، در حالی که بیشتر کارکنان حقوق کمتری بگیرند. برای تصمیم درست، فقط محاسبه کافی نیست؛ باید از پرسش دقیق و گردآوری درست داده‌ها شروع کنیم و به تفسیر محتاطانهٔ نتایج برسیم.

گام اول: پرسش دقیق

گام اول: پرسش دقیق

«دانش‌آموزان چقدر ورزش می‌کنند؟» پرسش آشنایی است؛ اما برای یک بررسی آماری هنوز مبهم است. کدام دانش‌آموزان؟ چه نوع ورزشی؟ در چه بازه‌ای از زمان؟

در بیان مسئله، پیش از جمع‌کردن داده‌ها روشن می‌کنیم چه چیزی را، دربارهٔ چه کسانی و با چه هدفی می‌خواهیم بدانیم. مثلاً برای برنامه‌ریزی فعالیت ورزشی مدرسه می‌پرسیم: «میانگین زمان فعالیت بدنی در هوای آزاد، در طول یک هفته، برای پسران سیزده تا پانزده‌سالهٔ مدرسهٔ ما چقدر است؟» حالا جامعهٔ آماری مشخص است و می‌دانیم دنبال چه اطلاعاتی هستیم. دامنهٔ پرسش هم باید با زمان، بودجه و امکاناتمان سازگار باشد.

چرا به این فرایند «چرخه» می‌گوییم؟ چون نتیجهٔ بررسی ممکن است پرسش دقیق‌تری بسازد؛ مثلاً بخواهیم فعالیت بدنی همین دانش‌آموزان را در فصل‌های مختلف مقایسه کنیم. پس پایان یک بررسی می‌تواند آغاز بررسی بعدی باشد.

کتاب درسی، صفحهٔ ۳۱

گام دوم: نقشهٔ مطالعه

گام دوم: نقشهٔ مطالعه

پرسش روشن شده؛ حالا پیش از جمع‌آوری داده‌ها باید نقشهٔ اجرا را آماده کنیم. این نقشه چهار تصمیم مهم دارد:

  • چه چیزی را چگونه بسنجیم؟ ابزار باید همان متغیر موردنظر را اندازه بگیرد؛ مثلاً تعداد دوستان، به‌تنهایی سنجهٔ مناسبی برای خوشحالی نیست. برای طراحی سنجه‌های دشوار از متخصصان کمک می‌گیریم.
  • چند نفر را بررسی کنیم؟ تعداد اعضای نمونه، «اندازهٔ نمونه» است. هرچه متغیر در جامعه پراکنده‌تر باشد، برای بازتاب تنوع آن به نمونهٔ بزرگ‌تری نیاز داریم.
  • افراد را چگونه انتخاب کنیم؟ روش انتخاب نباید بخشی از جامعه را از ابتدا کنار بگذارد؛ بزرگ بودن نمونه به‌تنهایی این مشکل را حل نمی‌کند.
  • داده‌ها را چگونه تحلیل کنیم؟ از همین حالا روش تحلیل متناسب با پرسش و نوع متغیر را مشخص می‌کنیم.

مثلاً برای بررسی فعالیت بدنی دانش‌آموزان، باید روشن کنیم فعالیت بدنی شامل چه کارهایی است و مدت آن چگونه ثبت می‌شود. اگر فقط از اعضای تیم مدرسه بپرسیم، دانش‌آموزان کم‌تحرک فرصت حضور در نمونه را از دست می‌دهند؛ حتی اگر افراد زیادی را بررسی کنیم!

کتاب درسی، صفحهٔ ۳۲

گام سوم: داده‌های قابل‌اعتماد

گام سوم: داده‌های قابل‌اعتماد

اگر نقشهٔ مطالعه خوب باشد، اما داده‌ها اشتباه ثبت شوند، چه اتفاقی می‌افتد؟ نتیجه هم ممکن است از واقعیت فاصله بگیرد. پس هنگام گردآوری داده‌ها باید مراقب خطا باشیم و بعد، داده‌های ثبت‌شده را بررسی کنیم؛ این بررسی و اصلاح خطاها، پاکسازی داده‌ها است.

خطا ممکن است هنگام اندازه‌گیری، نوشتن پاسخ‌ها یا واردکردن اطلاعات در نرم‌افزار رخ دهد. مثلاً در بررسی فعالیت بدنی دانش‌آموزان، شاید مقدار نوشته‌شده در پرسش‌نامه با مقدار واردشده در فایل یکسان نباشد. با مراجعه به پرسش‌نامه می‌توانیم اشتباه ثبت را پیدا و اصلاح کنیم.

اما هر دادهٔ غیرعادی، اشتباه نیست. ممکن است دانش‌آموزی واقعاً خیلی بیشتر از دیگران ورزش کند. پیش از تغییر یا حذف چنین مقداری، باید منبع داده و شیوهٔ اندازه‌گیری را بررسی کنیم یا، اگر ممکن بود، از پاسخ‌دهنده توضیح بخواهیم. هدف پاکسازی، شبیه‌کردن پاسخ‌ها به یکدیگر نیست؛ هدف، مطمئن‌ترشدن از درستی آن‌هاست.

کتاب درسی، صفحهٔ ۳۳

گام چهارم: گزارشِ گمراه‌نکننده

گام چهارم: گزارشِ گمراه‌نکننده

فرض کن میانگین حقوق یک شرکت زیاد است، اما فقط چند مدیر حقوق بسیار بالایی دارند. آیا میانگین به‌تنهایی وضعیت حقوق کارکنان را خوب نشان می‌دهد؟

در گام تحلیل، داده‌ها را با معیارها و نمودارهای مناسب گزارش می‌کنیم؛ تفسیر و پاسخ نهایی به مسئله، مربوط به گام بعد است.

برای داده‌های کمّی، دو چیز را کنار هم گزارش می‌کنیم: معیار گرایش به مرکز، مثل میانگین یا میانه، و معیار پراکندگی که نشان می‌دهد داده‌ها چقدر نزدیک به هم یا دور از هم‌اند.

  • اگر دادهٔ دورافتاده نداشته باشیم، میانگین و انحراف معیار مناسب‌اند؛ می‌توان آن‌ها را با نمودار میانگین و میلهٔ خطا نمایش داد.
  • اگر داده‌های دورافتاده داشته باشیم، میانه و دامنهٔ میان‌چارکی مناسب‌ترند؛ چون مقدارهای بسیار بزرگ یا کوچک، میانگین و انحراف معیار را تحت تأثیر قرار می‌دهند. نمودار جعبه‌ای هم جای میانه و پراکندگی بخش‌های مختلف داده‌ها را نشان می‌دهد. وقتی از شکل توزیع خبر نداریم، این نمودار انتخاب مطمئن‌تری است.

برای داده‌های کیفی، مثل قبول‌شدن یا قبول‌نشدن، درصد باید همراه تعداد گزارش شود؛ درصد بزرگ، بدون دانستن تعداد افراد، ممکن است تصویری گمراه‌کننده بسازد.

کتاب درسی، صفحهٔ ۳۴

گام پنجم: نتیجه‌گیری محتاطانه

گام پنجم: نتیجه‌گیری محتاطانه

حالا وقت پاسخ‌دادن به پرسش اصلی است. در گام تحلیل، معیارها و نمودارها را گزارش کردیم؛ در بحث و نتیجه‌گیری توضیح می‌دهیم این نتایج برای مسئلهٔ ما چه معنایی دارند.

مثلاً اگر فعالیت بدنی نمونه‌ای از پسران یک مدرسه را بررسی کرده‌ایم، با نمونه‌گیری و تحلیل مناسب می‌توانیم دربارهٔ پسران همان مدرسه نتیجه‌گیری کنیم؛ نه دربارهٔ همهٔ نوجوانان شهر. نتیجه را فقط به جامعهٔ آماریِ مورد بررسی تعمیم می‌دهیم.

حتی دربارهٔ همان مدرسه هم نتیجهٔ حاصل از نمونه قطعی نیست؛ اگر نمونهٔ دیگری انتخاب کنیم، ممکن است نتایج متفاوتی به دست آید. پس باید روش کار و محدودیت‌ها، مانند پاسخ‌ندادن بعضی دانش‌آموزان یا احتمال خطا در یادآوری فعالیت‌ها، را صادقانه بیان کنیم.

نتیجه‌گیری خوب، ادعای بزرگ‌تر نیست؛ پاسخی است که پشتوانهٔ داده‌ای دارد و مرز اعتبارش روشن است. این محدودیت‌ها می‌توانند راهنمای مطالعهٔ بعدی هم باشند.

کتاب درسی، صفحهٔ ۳۷

مثال حل‌شده

دو مدرسه با تعداد دانش‌آموزان تقریباً برابر، آمار قبولی خود را گزارش کرده‌اند. قبولی مدرسهٔ اول از 22 نفر به 66 نفر و مدرسهٔ دوم از 5050 نفر به 6060 نفر رسیده است. درصد افزایش قبولی هر مدرسه چقدر است؟ آیا مدرسه‌ای که درصد افزایش بیشتری دارد، لزوماً انتخاب بهتری است؟

  1. پرسش را روشن می‌کنیم: می‌خواهیم رشد تعداد قبولی‌ها را مقایسه کنیم، اما برای قضاوت باید تعداد قبولی‌ها را هم در نظر بگیریم.

  2. درصد افزایش را نسبت به مقدار اولیه حساب می‌کنیم: درصد افزایش=مقدار جدید−مقدار اولیهمقدار اولیه×100\text{درصد افزایش}=\frac{\text{مقدار جدید}-\text{مقدار اولیه}}{\text{مقدار اولیه}}\times100.

  3. برای مدرسهٔ اول داریم: 6−22×100=200%\frac{6-2}{2}\times100=200\%.

  4. برای مدرسهٔ دوم داریم: 60−5050×100=20%\frac{60-50}{50}\times100=20\%.

  5. درصد رشد مدرسهٔ اول بزرگ‌تر است، ولی تعداد قبولی امسال در مدرسهٔ دوم بیشتر است. بنابراین باید درصد و تعداد را کنار هم گزارش کنیم؛ برای انتخاب مدرسه نیز اطلاعات دیگری مانند شرایط دانش‌آموزان و امکانات آموزشی لازم است.

جواب: افزایش قبولی مدرسهٔ اول 200%200\% و مدرسهٔ دوم 20%20\% است، اما تعداد قبولی امسال در مدرسهٔ دوم بیشتر است: 6060 نفر در برابر 66 نفر؛ پس درصد افزایش به‌تنهایی برای انتخاب مدرسه کافی نیست.

نکات مهم

  • در بیان مسئله و برنامه‌ریزی، پرسش و جامعه را دقیق مشخص می‌کنیم و دربارهٔ سنجش متغیر، اندازه و روش انتخاب نمونه و شیوهٔ تحلیل تصمیم می‌گیریم.
  • پس از گردآوری و بررسی خطاهای داده‌ها، در تحلیل برای داده‌های کمّی معیارهای مناسب مرکز و پراکندگی و نمودار مناسب، و برای داده‌های کیفی درصد همراه تعداد گزارش می‌کنیم.
  • در نتیجه‌گیری، نتایج را با توجه به محدودیت‌ها و عدم قطعیت تفسیر می‌کنیم و ممکن است برای پاسخ به پرسشی دقیق‌تر، چرخه را دوباره آغاز کنیم.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۶ · صفحهٔ ۳۷ تا ۳۹ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

یکپارچگی چرخهٔ آمار در حل مسائل

در این درس یاد می‌گیری گزارش‌های آماری را با توجه به تعدادها، محدودیت‌های مطالعه و پیوند گام‌های چرخهٔ آمار بررسی کنی و نقش شناخت مسئله و همکاری گروهی و محلی را در رسیدن به نتیجه‌ای قابل‌اعتماد توضیح بدهی.

پیش از شروع

قبولی‌های یک مدرسه 200200 درصد و مدرسه‌ای دیگر 2020 درصد بیشتر شده است. آیا همین دو عدد کافی است تا مدرسهٔ بهتر را انتخاب کنی؟

نه؛ باید بدانیم هر مدرسه قبلاً چند قبولی داشته و حالا چند قبولی دارد. افزایش از 11 به 33 نفر، 200200 درصد است، اما افزایش از 7070 به 8484 نفر فقط 2020 درصد است؛ پس درصد بزرگ‌تر به‌تنهایی نشانهٔ عملکرد بهتر نیست.

درصد، بدون تعداد کافی نیست

درصد، بدون تعداد کافی نیست

فرض کن روی تبلیغ دو مدرسه نوشته‌اند که قبولی‌های یکی 200200 درصد و دیگری 2020 درصد افزایش یافته است. وسوسه می‌شوی مدرسهٔ اول را بهتر بدانی؟ فعلاً صبر کن! درصد افزایش، تعداد نهایی قبولی‌ها را نشان نمی‌دهد؛ باید بدانیم هر مدرسه قبلاً چند قبولی داشته است.

درصد افزایش، تغییر را نسبت به تعداد قبلی بیان می‌کند. پس یک افزایش کوچک در تعداد، اگر تعداد اولیه خیلی کم باشد، می‌تواند درصد بزرگی بسازد. برعکس، مدرسه‌ای با قبولی‌های زیاد ممکن است درصد افزایش کمتری داشته باشد، اما همچنان تعداد پذیرفته‌شدگانش بیشتر باشد.

«قبول شدن یا قبول نشدن» یک متغیر کیفی است؛ هر دانش‌آموز در یکی از این دو دسته قرار می‌گیرد. برای قضاوت دربارهٔ چنین داده‌هایی، درصد را همراه با تعدادهای مربوط به آن بخواه؛ در مقایسهٔ دو مدرسه، تعداد کل دانش‌آموزان هم مهم است.

همین دقت در خرید اینترنتی هم به کارت می‌آید: درصد بالای رضایت، بدون دانستن تعداد پاسخ‌دهندگان، تصویر کاملی نمی‌دهد.

کتاب درسی، صفحهٔ ۳۷

مرز نتیجه‌گیری را بشناس

مرز نتیجه‌گیری را بشناس

فرض کن از تعدادی از دانش‌آموزان پایهٔ دوازدهم یک مدرسه دربارهٔ زمان مطالعه‌شان پرسیده‌ایم. آیا می‌توانیم نتیجه را به همهٔ دانش‌آموزان شهر نسبت بدهیم؟ نه؛ حتی اگر نمونه‌گیری و تحلیل درست باشد، نتیجه در بهترین حالت فقط به جامعهٔ آماری مورد بررسی مربوط است، نه جامعه‌ای گسترده‌تر.

از طرف دیگر، وقتی فقط نمونه‌ای از جامعه را بررسی کرده‌ایم، نتیجه قطعی نیست. اگر نمونهٔ دیگری از همان جامعه انتخاب کنیم، ممکن است افراد و پاسخ‌ها عوض شوند و نتیجه کمی متفاوت شود. این تفاوت لزوماً نشانهٔ اشتباه در کار نیست؛ از ویژگی‌های نمونه‌گیری است.

پس در گام بحث و نتیجه‌گیری، فقط پاسخ مسئله را نمی‌گوییم؛ روش کار و محدودیت‌ها را هم صادقانه روشن می‌کنیم. مثلاً می‌نویسیم پژوهش مربوط به کدام مدرسه و پایه بوده و چه کسانی بررسی شده‌اند. این توضیح‌ها کمک می‌کند خواننده بداند نتیجه تا کجا قابل استفاده است.

کتاب درسی، صفحهٔ ۳۷

یک گروه، یک برداشت روشن

یک گروه، یک برداشت روشن

فرض کن قرار است گروه شما زمان رفت‌وآمد دانش‌آموزان به مدرسه را بررسی کند. اگر یک پرسشگر فقط زمان داخل خودرو را ثبت کند و دیگری زمان انتظار و پیاده‌روی را هم حساب کند، داده‌ها معنای یکسانی ندارند؛ حتی اگر هر دو زمان‌ها را دقیق ثبت کرده باشند!

در پژوهش آماری، دقیق کار کردن هر فرد به‌تنهایی کافی نیست؛ همه باید بدانند مسئله چیست، متغیرها چه معنایی دارند و قرار است به چه پرسشی پاسخ دهند. همکاری آمارگران با کارشناسان موضوع پژوهش، به شکل‌گیری این برداشت مشترک کمک می‌کند.

در نمونهٔ کتاب، پژوهش دربارهٔ قدمت ساختمان‌ها بود؛ اما بعضی آمارگیران که از هدف پژوهش خبر نداشتند، «سن بنا» را سنِ شخصِ بنّا برداشت کرده و نوشته بودند «فوت شده است»! روشن‌کردن معنای متغیر پیش از گردآوری داده‌ها می‌توانست جلوی این اشتباه را بگیرد.

کتاب درسی، صفحهٔ ۳۷

دانش مردم محلی را جدی بگیر

دانش مردم محلی را جدی بگیر

فرض کن قرار است در محله‌ای استخری ساخته شود. متخصصان می‌دانند استخر را چگونه ایمن بسازند؛ اما آیا بدون شناخت مردم محله می‌دانند چه مقدار از فضای آن باید کم‌عمق باشد؟ شاید بسیاری از استفاده‌کنندگان، سالمندانی باشند که برای راه‌رفتن در آب به استخر می‌آیند، نه برای شنا در قسمت عمیق.

دانش تخصصی و شناخت محلی، مکمل یکدیگرند. وقتی ویژگی‌های منطقه را خوب نمی‌شناسیم، باید به دانش اهالی اولویت بدهیم. گفت‌وگو با ساکنان کمک می‌کند نیاز واقعی را بشناسیم، پرسش‌های مناسب بپرسیم و داده‌ها را با توجه به شرایط همان منطقه تفسیر کنیم.

این همکاری فقط برای شروع کار نیست؛ در همهٔ گام‌های مطالعه باید از تجربهٔ مردم محلی استفاده کنیم. مثلاً هنگام بررسی نتیجه نیز از آن‌ها بپرسیم آیا طرح پیشنهادی با شیوهٔ زندگی و نیازهایشان سازگار است.

کتاب درسی، صفحهٔ ۳۸

چرخه را یکپارچه ببین

چرخه را یکپارچه ببین

فرض کن در گزارشی، میانگین وزن دانش‌آموزان با دقت محاسبه شده است. آیا درست بودن محاسبه کافی است؟ اگر وزن بعضی افراد با واحد کیلوگرم و بعضی با واحد پوند ثبت شده باشد و بدون تبدیل واحد کنار هم قرار بگیرند، محاسبهٔ درست هم نتیجهٔ معتبری نمی‌دهد!

گام‌های چرخهٔ آمار به هم وابسته‌اند. ابهام در بیان مسئله می‌تواند باعث گردآوری داده‌های نامناسب شود؛ خطای اندازه‌گیری یا آماده‌سازی داده‌ها هم می‌تواند تحلیل و نتیجه‌گیری را منحرف کند. مثلاً حذف همهٔ داده‌های دورافتاده، بدون بررسی علت آن‌ها، ممکن است بخشی واقعی و مهم از وضعیت جامعه را پنهان کند.

پس هنگام دیدن یک گزارش، فقط نپرس «میانگین درست حساب شده؟» بپرس: مسئله روشن بوده؟ نمونه چگونه انتخاب شده؟ اندازه‌گیری‌ها سازگار بوده‌اند؟ داده‌ها چگونه آماده شده‌اند؟ برای اعتماد به نتیجه، باید مسیر رسیدن به آن را هم بررسی کنیم.

کتاب درسی، صفحهٔ ۳۸

مثال حل‌شده

دو مدرسه تعداد دانش‌آموزان تقریباً برابری دارند. قبولی‌های مدرسهٔ اول از 55 نفر به 1515 نفر و قبولی‌های مدرسهٔ دوم از 5050 نفر به 6060 نفر رسیده است. درصد افزایش قبولی هر مدرسه را حساب کن. آیا درصد افزایش بیشتر، به‌تنهایی دلیل مناسبی برای انتخاب مدرسه است؟

  1. ابتدا تعداد افزوده‌شده را پیدا می‌کنیم: در مدرسهٔ اول 15−5=1015-5=10 نفر و در مدرسهٔ دوم 60−50=1060-50=10 نفر به قبولی‌ها اضافه شده است.

  2. درصد افزایش را نسبت به تعداد اولیه می‌سنجیم: درصد افزایش=تعداد جدید−تعداد اولیهتعداد اولیه×100\text{درصد افزایش}=\frac{\text{تعداد جدید}-\text{تعداد اولیه}}{\text{تعداد اولیه}}\times 100.

  3. برای مدرسهٔ اول داریم: 15−55×100=200٪\frac{15-5}{5}\times 100=200٪.

  4. برای مدرسهٔ دوم داریم: 60−5050×100=20٪\frac{60-50}{50}\times 100=20٪.

  5. با آنکه تعداد قبولی‌های افزوده‌شده برابر است، درصدها متفاوت‌اند؛ چون تعداد اولیه متفاوت بوده است. مدرسهٔ دوم اکنون 6060 قبولی دارد و مدرسهٔ اول 1515 قبولی؛ بنابراین برای انتخاب آگاهانه باید تعدادها و دیگر اطلاعات مرتبط را نیز بررسی کنیم.

جواب: افزایش قبولی مدرسهٔ اول 200٪200٪ و مدرسهٔ دوم 20٪20٪ است؛ اما تعداد قبولی فعلی مدرسهٔ دوم بیشتر است. پس درصد افزایش، به‌تنهایی برای انتخاب مدرسه کافی نیست.

نکات مهم

  • برای قضاوت دربارهٔ گزارش داده‌های کیفی، درصدها را همراه با تعدادهای مربوط به آن‌ها بررسی کن.
  • نتیجهٔ حاصل از نمونه قطعی نیست و حتی با اجرای درست مطالعه، تعمیم آن فقط به جامعهٔ آماری مورد بررسی مجاز است.
  • اعتبار نتیجه به پیوند همهٔ گام‌های چرخهٔ آمار، برداشت مشترک اعضای گروه و استفاده از دانش متخصصان و اهالی منطقه وابسته است.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس ۷ · صفحهٔ ۳۹ تا ۴۴ · حدود ۱۵ دقیقه · تولید هوش مصنوعی

تمرین

در این درس یاد می‌گیری پرسش و نمونهٔ یک مطالعهٔ آماری را ارزیابی کنی، داده‌ها و نمودارها را با توجه به مرکز و پراکندگی بخوانی و نتیجه‌گیری‌های گمراه‌کننده را تشخیص بدهی.

پیش از شروع

اگر در یک جدول، تعداد تصادف‌های خودروهای تندرو کمتر باشد، می‌توانیم نتیجه بگیریم تند رفتن امن‌تر است؟

نه؛ تعداد تصادف‌ها به‌تنهایی برای چنین نتیجه‌ای کافی نیست. باید بدانیم چه تعداد خودرو با هر سرعت در رفت‌وآمد بوده‌اند؛ در این درس تمرین می‌کنیم پشت عددها و نمودارها را هم ببینیم.

پرسش روشن، شروع درست

پرسش روشن، شروع درست

فرض کن قرار است دربارهٔ «مشکل یادگیری دانش‌آموزان» تحقیق کنی. یکی مشکل را نمرهٔ پایین می‌داند و دیگری کندیِ خواندن؛ آیا این دو نفر داده‌های یکسانی جمع می‌کنند؟

برای شروع، باید سه چیز روشن باشد:

  • پرسش پژوهش: دقیقاً می‌خواهیم چه چیزی را بفهمیم؟
  • جامعهٔ آماری: دربارهٔ کدام افراد بررسی می‌کنیم؟
  • متغیر: از هر فرد چه ویژگی‌ای را ثبت می‌کنیم؟

مثلاً به‌جای «آیا زبان مادری بر یادگیری اثر دارد؟» بپرسیم: «در میان دانش‌آموزان پایهٔ چهارم یک دبستان مشخص، نمرهٔ آزمون درک مطلب فارسی در دو گروهِ فارسی‌زبان و غیرفارسی‌زبان چه تفاوتی دارد؟» جامعه، دانش‌آموزان همان پایه و دبستان است؛ زبان مادری و نمرهٔ آزمون هم متغیرهای بررسی‌اند. این پرسش دربارهٔ تفاوت است؛ پاسخ آن به‌تنهایی علت تفاوت را ثابت نمی‌کند.

اگر هدف مبهم بماند، ممکن است افراد مختلف اطلاعات متفاوتی گردآوری کنند؛ آن‌وقت تحلیل و نتیجه‌گیری هم از هدف اصلی دور می‌شود. پس پیش از جمع‌آوری داده‌ها، مطمئن شو همه از پرسش پژوهش برداشت یکسانی دارند.

کتاب درسی، صفحهٔ ۳۹

نمونه‌ای که نماینده باشد

نمونه‌ای که نماینده باشد

فرض کن بخواهیم رضایت شغلی همهٔ کارکنان یک کارگاه شبانه‌روزی را بدانیم، اما فقط از مدیران شیفت روز سؤال کنیم. حتی اگر این مدیران را تصادفی انتخاب کنیم، کارکنان دیگر و افراد شیفت شب فرصتی برای انتخاب‌شدن ندارند؛ پس نمونه ممکن است تصویر درستی از کل کارگاه ندهد.

تصادفی‌بودن انتخاب کافی نیست؛ مهم است انتخاب از میان چه کسانی انجام می‌شود. برای بهترشدن این مطالعه، می‌توان کارکنان را بر اساس شیفت و نوع شغل گروه‌بندی کرد و از هر گروه، متناسب با تعداد افرادش، نمونه‌ای تصادفی گرفت.

البته نمونهٔ مناسب هم همهٔ خطاها را برطرف نمی‌کند. مثلاً اگر برای بررسی خواب، از افراد بخواهیم ساعت خواب شب‌های هفتهٔ گذشته را به یاد بیاورند، ممکن است پاسخ‌ها دقیق نباشد. ثبت روزانهٔ ساعت خواب و بیداری می‌تواند این خطا را کمتر کند.

پس دو پرسش جدا داریم: چه کسانی انتخاب شده‌اند؟ پاسخ‌هایشان چقدر دقیق ثبت شده است؟

کتاب درسی، صفحهٔ ۴۰

مرکز و پراکندگی در کنار هم

مرکز و پراکندگی در کنار هم

دو گروه ممکن است میانگین یکسانی داشته باشند، اما نمره‌های یک گروه نزدیک به هم و نمره‌های گروه دیگر بسیار پراکنده باشند. پس برای مقایسه، هم مرکز داده‌ها را ببین و هم پراکندگی آن‌ها را.

میانگین و میانه، مرکز را توصیف می‌کنند. انحراف معیار، میزان پراکندگی داده‌ها پیرامون میانگین را نشان می‌دهد. دامنهٔ میان‌چارکی هم فاصلهٔ چارک اول تا چارک سوم است و پراکندگی نیمهٔ میانی داده‌ها را توصیف می‌کند:

IQR=Q3−Q1IQR=Q_3-Q_1

فرض کن ساعت‌های پیشنهادی دانش‌آموزان برای نقد فیلم را مرتب کرده‌ایم. اگر فقط بزرگ‌ترین مقدار را خیلی بیشتر کنیم، میانگین بالا می‌رود و انحراف معیار هم بیشتر می‌شود؛ اما چون جایگاه داده‌های میانی عوض نشده، میانه و چارک‌ها ثابت می‌مانند.

نکتهٔ مهم: میانگین و انحراف معیار به مقدار تک‌تک داده‌ها وابسته‌اند؛ میانه و چارک‌ها بیشتر به جایگاه داده‌ها در فهرست مرتب‌شده وابسته‌اند. بنابراین، وقتی مقدارهای بسیار دور از بقیه داریم، میانه و دامنهٔ میان‌چارکی معمولاً تصویر مناسب‌تری از مرکز و پراکندگی می‌دهند.

کتاب درسی، صفحهٔ ۴۲

از زاویه تا سهم هر گروه

از زاویه تا سهم هر گروه

فرض کن می‌خواهی بدانی چه سهمی از بازدیدکنندگان یک سالن، در یک گروه سنی مشخص‌اند. در نمودار دایره‌ای، کل دایره نمایندهٔ همهٔ افرادِ دارای داده است و زاویهٔ هر بخش، سهم آن گروه را نشان می‌دهد. هرچه زاویه بزرگ‌تر باشد، سهم گروه بیشتر است؛ نه لزوماً تعداد افراد آن در مقایسه با نموداری دیگر!

چون زاویهٔ یک دور کامل 360∘360^\circ است، داریم:

درصد هر گروه=زاویهٔ بخش آن گروه360∘×100\text{درصد هر گروه}=\dfrac{\text{زاویهٔ بخش آن گروه}}{360^\circ}\times 100

اگر زاویهٔ یک بخش مشخص نباشد، ابتدا مجموع زاویه‌های بخش‌های دیگر را از 360∘360^\circ کم می‌کنیم.

اما محاسبهٔ درست، نمونهٔ نامناسب را درست نمی‌کند! اگر هنگام پرسشگری، جوان‌ترها کمتر پاسخ دهند، سهم آن‌ها در نمودار کمتر از سهم واقعی‌شان در میان بازدیدکنندگان دیده می‌شود. پس این نمودار مستقیماً پاسخ‌دهندگان را توصیف می‌کند؛ تعمیم آن به همهٔ بازدیدکنندگان به نماینده‌بودن نمونه بستگی دارد.

کتاب درسی، صفحهٔ ۴۳

عدد درست، نتیجهٔ نادرست

عدد درست، نتیجهٔ نادرست

اگر تعداد تصادف‌ها در یک گروه سرعت کمتر باشد، آیا رانندگی با آن سرعت امن‌تر است؟ تعداد تصادف به‌تنهایی برای پاسخ کافی نیست. باید بدانیم چه تعداد خودرو با آن سرعت حرکت کرده‌اند و میزان حضورشان در جاده چقدر بوده است.

ممکن است خودروهای بسیار کمتری با سرعت بالا حرکت کنند؛ در این صورت، کمتر بودن تعداد تصادف‌های آن‌ها لزوماً به معنای کمتر بودن خطر نیست. جدول کتاب فقط خودروهای تصادف‌کرده را نشان می‌دهد و دربارهٔ همهٔ خودروهای در حال حرکت اطلاعاتی نمی‌دهد.

برای درک بهتر، دو فروشگاه را تصور کن: فروشگاه شلوغ‌تر ممکن است مشتریان ناراضی بیشتری داشته باشد، اما بدون دانستن تعداد کل مشتریان نمی‌توان گفت عملکردش ضعیف‌تر است.

پس هنگام مقایسه بپرس: «این تعداد، از میان چه تعداد و با چه میزان حضور به دست آمده است؟» درست بودن عددهای جدول، درست بودن برداشت ما را تضمین نمی‌کند.

کتاب درسی، صفحهٔ ۴۴

مثال حل‌شده

در نمودار دایره‌ای بازدیدکنندگان یک سالن، زاویهٔ گروه کمتر از بیست سال 54∘54^\circ و زاویهٔ گروه بیست تا چهل سال 90∘90^\circ است. بقیهٔ دایره به گروه چهل تا شصت سال تعلق دارد. این گروه چند درصد بازدیدکنندگانِ مطالعه را تشکیل می‌دهد؟

  1. زاویهٔ یک دایرهٔ کامل 360∘360^\circ است؛ پس مجموع زاویه‌های همهٔ گروه‌ها باید همین مقدار باشد.

  2. زاویهٔ دو گروه نخست را جمع می‌کنیم: 54∘+90∘=144∘54^\circ+90^\circ=144^\circ.

  3. زاویهٔ بخش باقی‌مانده را به دست می‌آوریم: 360∘−144∘=216∘360^\circ-144^\circ=216^\circ.

  4. سهم گروه را به درصد تبدیل می‌کنیم: 216360×100=60\frac{216}{360}\times100=60؛ بنابراین سهم این گروه 60%60\% است.

  5. این درصد، داده‌های گردآوری‌شده را توصیف می‌کند؛ اگر زمان پرسشگری یا پاسخ‌ندادن بعضی افراد نمونه را نامتناسب کرده باشد، تعمیم آن به همهٔ بازدیدکنندگان قابل اعتماد نیست.

جواب: سهم بازدیدکنندگان گروه سنی چهل تا شصت سال در داده‌های این مطالعه، 60%60\% است؛ معتبر بودن این سهم برای همهٔ بازدیدکنندگان به نماینده‌بودن نمونه وابسته است.

نکات مهم

  • پژوهش معتبر با پرسش روشن، جامعه و متغیر مشخص، نمونهٔ نماینده و گردآوری دقیق داده‌ها آغاز می‌شود.
  • برای توصیف داده‌ها، مرکز و پراکندگی را کنار هم ببین و سهم هر بخش نمودار دایره‌ای را از نسبت زاویهٔ آن به 360∘360^\circ به دست بیاور.
  • پیش از تعمیم یا مقایسهٔ خطر، بررسی کن داده‌ها چه افراد و زمان‌هایی را پوشش می‌دهند و تعداد رخدادها نسبت به چه کلّی سنجیده شده است.

تمرین تعاملی این درس (رایگان)تمرین تعاملی این درس

درس‌های فصل ۱ را تعاملی بخوان

در پنل یادگیری 1xAi هر کدام از این درس‌ها قدم به قدم پیش می‌رود: بعد از هر بخش یک سوال کوتاه، بعد مثال حل‌شده و در پایان برگهٔ خروج. جوابت ثبت می‌شود و سوال‌های هر درس در روزهای بعد برای مرور برمی‌گردند. درس‌های تعاملی رایگان‌اند؛ فقط تصحیح پاسخ کوتاه سهمیهٔ روزانهٔ رایگان دارد.

ساختن حساب رایگان است و بعد از ثبت‌نام مستقیم به همین بخش از پنل برمی‌گردی.

فصل ۱ ریاضی و آمار دوازدهم · رایگان