GraphPad
2.22K subscribers
483 photos
34 videos
36 files
292 links
Download Telegram
همبستگی بین دلار کاغذی (دلار) و دلار دیجیتالی (تتر) یک رابطه‌ی قوی، مثبت و معنادار است. البته که ما اینجا با یک رابطه 100 درصدی روبه‌رو نیستیم، انتظاری هم نداریم و نادر پدیده‌هایی در طبیعت می‌توان پیدا کرد که ضریب همبستگی آن‌ها دقیقاً برابر با یک r = 1 باشد. با این حال Correlation بین دلار و تتر قوی است و روند حرکتی آن‌ها نه یکسان اما تقریباً مشابه است. اثبات این مطلب ساده است.

در بازار رمز ارزی مانند ایران که تتر را نمی‌توان یک استیبل کوین به حساب آورد و خودش ارز دیجیتالی البته با بتای رگرسیونی مثبت در طول زمان است، یک رابطه تقریباً متوسط و البته وارون با ضریب همبستگی
-0.53 < r < -0.67
بین رمز ارزها و تتر برقرار است.

به این معنا که کاهش قیمت رمز ارزها در بازار بین‌الملل تا حدی سبب افزایش قیمت تتر در بازار ایران می‌شود. این مطلب در زمان‌های افزایش قیمت رمز ارزها در بازار بین‌الملل (کاهش قیمت تتر در ایران) نیز برقرار است البته با همبستگی ضعیف‌تر.

اگر از من می‌پرسید، خب اینها یعنی چه؟ پاسخ می‌دهم یعنی این‌که در تعیین قیمت دلار کاغذی در ایران (در کنار سایر عوامل) یک کمیت پنهان Latent Variable وجود دارد. این کمیت پنهان همان قیمت رمز ارزها در بازار بین‌الملل است.
اگر بخواهم از اندازه
Proportion of Variance Explained

این کمیت پنهان حرف بزنم باید از اندازه‌ای حدود 11.4% نام ببرم. این عدد یعنی اینکه حدود 11.4% قیمت دلار کاغذی در ایران به قیمت رمز ارزها در بازار بین‌الملل وابسته است که خب واضح است در اختیار سیستم داخلی ایران نیز نیست.

نکته دیگری که خوب است بگویم (همان‌گونه که بالاتر نیز نوشتم) این است که واریانس توضیح داده شده‌ی قیمت دلار توسط رمزارزها در بازار بین‌الملل، در تایم‌های صعودی رمز ارزها، کاهش پیدا می‌کند و حدود 8.1% است.

بیان ساده این مطلب این است که عددی بین 8.1% تا 11.4% قیمت دلار در ایران را باید برای قیمت رمز ارزها در بازارهای بین‌المللی درنظر گرفت.
این ارتباط نیز منفی و وارون است، به این معنا که کاهش قیمت رمز ارزها، سبب افزایش قیمت دلار کاغذی در ایران و افزایش قیمت رمزارزها، کاهش (کمتر از تاثیر افزایشی) قیمت دلار کاغذی در ایران را در پی دارد.

البته که این Latent Variable یک فاکتور است در کنار سایر عوامل اثرگزار بر قیمت دلار. به عنوان مثال چنانچه فرض کنیم دلار قیمتی حدود 38000 تومان دارد باید عددی بین 3080 تا 4200 تومان آن را برای روندهای قیمتی رمزارزها کنار گذاشت.

اینکه چرا این اتفاق افتاده است و قیمت BTCUSDT یا مثلاً ETHUSDT و بقیه آن‌ها می‌تواند تا این حد بر روی قیمت تومانی دلار در ایران اثر بگذارد را باید در درگیر شدن بخش زیادی از جامعه ایرانی و پول ایرانی در صرافی‌های داخلی و خارجی رمزارزها جستجو کرد.
امروز مشاهده می‌کردم که سایت گراف پد GraphPad.ir با همکاری زرین‌پال، بر روی مجموعه‌های جدید و به روز شده زمستان، علاوه بر تخفیف 20%، امکان استرداد کامل وجه را نیز قرار داده است. علاقمند بودید این مجموعه‌ها را ببینید.

مجموعه تحلیل‌های آماری
https://graphpad.ir/statistics/

مجموعه Prism
https://graphpad.ir/prism-4u/

مجموعه SPSS
https://graphpad.ir/spss-book/
#سبد

بیایید با هم یک سبد طراحی کنیم. از ریاضیات استفاده می‌کنیم.
فرض کنید ما Variableهای خود را (مثلا نمادهای بازار سرمایه) به صورت زیر بنویسیم.
X1, X2, X3, ….,Xn

هر کدام از X ها نیز به یک نماد تعلق دارد. حال رابطه رگرسیونی و تابع زیر را می‌نویسیم.

Y = B0 + B1X1 + B2X2 + ….+BnXn

در این رابطه، Y درصد سود و B ضریب رگرسیونی و اندازه اثر هر X (در اینجا نماد) بر روی Y است.

نکته‌ای که در این‌جا وجود دارد این است که ما نمی‌توانیم همه X ها را با هم داشته باشیم (مثلاً ما نمی‌توانیم سبدی شامل 600 نماد داشته باشیم). از طرف دیگر برخی از این X ها با یکدیگر هم‌خطی دارند و اصطلاحاً Multicollinearity هستند.

راهکاری که سال‌ها است از آن استفاده می‌شود کم کردن تعداد X ها و کاهش بُعد آن‌ها است. به این معنا که هر چند تعداد از X ها در یک
Principal Component (PC)

قرار می‌گیرند. این کار با استفاده از تحلیلی به نام
Principal Component Analysis (PSA)
انجام می‌شود.

بنابراین پس از انجام PCA اگر ما n تعداد از X ها داشتیم، اکنون به تعداد k تا PC داریم. یعنی
PC1, PC2, …., PCk
که در آن K < n است.

ایده‌ای که پس از ساختن و طراحی PC ها از روی X ها وجود دارد این است که ما به جای ایجاد مدل رگرسیونی بر روی X ها، یک مدل رگرسیونی بر روی PC ها بسازیم. یعنی رابطه‌ی زیر برازش دهیم.

Y = C0 + C1PC1 + C2PC2 + ….+CkPCk

که در آن، Y همان درصد سود و C ضریب رگرسیونی و اندازه اثر هر PC (در اینجا یعنی Principal Component های ساخته شده از روی Xها) بر روی Y است.

موضوعی که وجود دارد این است که PCA نمی‌تواند این کار را برای ما انجام دهد. PCA فقط می‌تواند برای ما Principal Component یا همان PC بسازد و نمی‌تواند مدل رگرسیونی برازش دهد. پس چه کنیم؟

پاسخ این است که ما می‌توانیم از ابزار و تحلیلی به نام
Partial Least Squares Regression

که به آن PLS گفته می‌شود، استفاده کنیم. PLS هم می‌تواند برای ما PC تشکیل دهد و هم بر روی PC ها مدل رگرسیونی برازش دهد.

ابزار دیگری که به نظرم از PLS هم بهتر است و نتایج دقیق‌تری در اختیار قرار می‌دهد
Principal Component Regression (PCR)

است. اینکه چرا PCR از PLS بهتر است را من در این لینک توضیح داده‌ام؛ علاقمند بودید مطالعه کنید.

اینها را نوشتم که بیان کنم طراحی یک سبد از دارایی، قابلیت این را دارد که فرمول‌بندی شود و بر مبنای تحلیل‌هایی مانند PLS و به ویژه PCR ما را به طراحی بهترین سبد دارایی برساند. امیدوارم از PCR در آینده بیشتر بشنوید و بخوانید.
 
تحلیل
 Principal Component Regression (PCR)

 که به آن رگرسیون مولفه‌های اصلی گفته می‌شود، از ترکیب آنالیزهای

Principal Component Analysis (PCA)

 و
 Multiple Linear Regression (MLR) 

ساخته می‌شود. در این نوشته می‌توانید آموزش PCR را مشاهده کنید. به نظر من PCR از PLS نیز که مدت‌ها است متداول شده بهتر است و نتایج دقیق‌تری دارد. در این نوشته می‌توانید آموزش PLS را هم ببینید.
 
البته موضوع حرف من این‌ها نیست. در PCR موضوعی داریم با نام

Contribution of cases.

برای فهم آن این‌گونه شروع می‌کنم که ما در مجموعه و ماتریسی از داده‌ها (هر نوع داده‌ای، فرقی ندارد) سطر و ستون داریم.

در ستون‌ها Variable ها قرار می‌گیرند و در سطرها Case ها. ستون‌ها شامل فاکتورها و شاخص‌ها هستند و سطرها شامل افراد و موردها.
 
به عنوان مثال در ماتریس داده‌های هر جامعه (باز هم فرقی ندارد هر جامعه‌ای)، ستون‌ها عوامل اصلی و مهم مانند فاکتورهای اقتصادی، سیاسی، اجتماعی، روانی، فرهنگی، مذهبی، سلامت، آموزش و .... همراه با زیرشاخص‌های خود هستند و سطرها، همه افراد کوچک و بزرگ آن جامعه.
 
مثلاً ماتریس داده‌های جامعه ایرانی شامل 71 ستون (فاکتورها و شاخص‌های اصلی) و 84829055 سطر (به تعداد جمعیت ایران) است.
 
خب حال برگردیم سر همان بحث تحلیل 
Principal Component Regression (PCR)

 و موضوع
 Contribution of cases

 که من به اختصار از این به بعد به آن CoC می‌گویم.

سوال این است که CoC چیست؟
 
پاسخ می‌دهم، ابزاری است جهت رصد و مانیتور تاثیر هر کدام از سطرها در هر کدام از ستون‌ها. مثلاً در همان ماتریس داده‌های جامعه ایرانی، CoC ابزار تحلیلی است که می‌تواند اثر هر فرد از جامعه حدود 85 میلیونی را در هر کدام از شاخص‌های ستونی 71 گانه بسنجد و ارزیابی کند.
 
به صورت تصادفی و پیش‌فرض عدد CoC برای هر فرد از تقسیم عدد یک بر تعداد کل جامعه به دست می‌آید. مثلاً من در یک شاخص اجتماعی ماتریس داده‌ها، اثر و عدد CoC برابر با 0.0000000117884 دارم. بله، بسیار بسیار کوچک است. همه به صورت پیش‌فرض همین طور هستند.
 
خب، حال تحلیل PCR و نتایج Contribution of cases آن چه کار و کمکی به ما می‌کنند؟

همان‌گونه که گفتم این ابزاری است جهت رصد هر سطر در هر ستون، یعنی بررسی هر فرد در هر شاخص.
 
اعداد خیلی بزرگ در CoC و همچنین خیلی کوچک، نشان‌دهنده بر هم خوردن تعادل و ثبات توسط آن فرد در آن مجموعه داده‌ها هستند. ربطی هم به جامعه ایرانی ندارد و در همه جوامع برقرار است.
 
اکنون می‌توان درباره موضوع اصلی این نوشته صحبت کرد.

اگر سیستم حکمرانی در جامعه ایرانی نمی‌تواند و یا نمی‌خواهد (به هر دلیلی) شاخص‌ها یعنی ستون‌ها را بهبود ببخشد و توانایی و ابزارهای لازم جهت انجام این کار را (باز هم به هر دلیلی) ندارد، مثلا نمی‌تواند شاخص ستون شماره 49 یعنی شاخص سهولت کسب و کار EDB و یا شاخص ستون 55 یعنی شاخص نابرابری جنسیتی GII را بهبود ببخشد، پس سطرها و عدد CoC افراد برهم زننده تعادل داده‌ها را بهبود دهد.

یعنی به جای یک رفتار ستونی که توانایی آن را هم ندارد، سطری و Case به Case رفتار کند.
 
به عنوان مثال آنچه در این چند ماه بر فضای جامعه ایرانی رفت و همچنان می‌رود، علاوه بر اینکه حاصل عوامل 71 گانه ستونی بر حدود 85 میلیون سطر ماتریس داده‌ها بود، اثرگزاری CoC های خیلی بزرگ در بر هم خوردن تعادل را به خوبی نشان داد.
 
اولین این CoC ها مربوط به فردی به نام سپیده رشنو بود. عدد CoC او در اتوبوس BRT خیلی کوچک و مثل همه افراد دیگر جامعه بود. با این حال رفتار ناشیانه سیستم حکمرانی در بزرگ کردن CoC او یعنی پیدا کردنش، دستگیری، تعهد گرفتن، جلوی قاب تلویزیون آوردن و در کل رفتار محض و جانبدارانه حکمران از یک طرف دعوا در یک موضوع فاقد اهمیت، سبب بر هم خوردن ماتریس داده‌های جامعه ایرانی شد.
 
آنچه که من می‌خواهم به اهمیت آن تاکید کنم همین CoC ها و اندازه تاثیر هر فرد (حتی یک نفر) در ماتریس داده‌ها هستند. سیستم حکمرانی ایران، باید از دستکاری و تحریک این CoC ها به شدت پرهیز کند.

این کاری است که سیستم حکمرانی فرانسه استاد آن است و سیستم حکومتی مانند انگلیس به طرز بسیار ماهرانه‌ای به جای در نقطه مقابل قرار گرفتن با هر CoC به شدت بزرگ شده، با آن کاملاً همراه می‌شود و به درستی آن را از آن خود می‌کند.
 
جامعه ایرانی از گذشته (مشروطه و انقلاب 57) تا امروز به شدت و به سرعت تحت تاثیر این CoC ها قرار می‌گیرد.

سیستم حکمرانی ایران بهتر است فقط و فقط به بهبود ستون‌ها فکر کند و اگر نمی‌تواند با CoC های بزرگ شده در آینده که هر آن امکان وقوع دارند، همراه شود، پس لازم است در نقطه مقابل آن‌ها نیز قرار نگیرد.
#Survival

 
در همه‌ی چارت‌های مالی (چه مربوط به بازار سهام در هر کجای دنیا باشد و یا مربوط به ارزهای دیجیتال و یا جفت ارزها) یک چیز مشترک وجود دارد و آن محور X آن‌ها است.

در محور X، زمان Time قرار دارد و کندل‌ها و خط‌ها در طول زمان ساخته می‌شوند.
 
در تحلیل‌های آماری، روش و تکنیکی داریم با نام آنالیز بقا
 Survival Analysis

تحلیل بقا ابزار و روشی است جهت بررسی و درک این مطلب که چگونه احتمال وقوع یک رویداد معین، با گذر زمان کم و یا زیاد می‌شود.

به این ترتیب ما در آنالیز بقا، با سه جز و کلمه‌ی اساسی که تشکیل دهنده‌ی این نوع از تحلیل‌های آماری هستند، رو‌به‌رو هستیم.

این سه کلمه عبارتند از احتمال، رویداد و زمان.
 
شنیدن کلمه‌ی احتمال ما را به یاد انواع مدل‌های رگرسیونی مانند رگرسیون لجستیک باینری، رگرسیون پروبیت و یا رگرسیون چند جمله‌ای می‌اندازد.

در آنالیز بقا نیز با مدل‌های رگرسیونی مانند رگرسیون خطرات متناسب کاکس

Cox Proportional Hazards Regression

 روبه‌رو هستیم. تحلیل‌های کاپلان-مایر Kaplan-Meier نیز در این رده قرار می‌گیرند.

در تحلیل‌های بقا، همان‌گونه که از نام آن‌ها برمی‌آید، رویداد مورد علاقه و مورد بررسی در مطالعه، اغلب مرگ است، و بنابراین مدت زمانی که طول می‌کشد تا این رویداد رخ دهد، زمان بقا Survival Time نامیده می‌شود.
 
آنچه باعث می شود، من در این نوشته از آنالیز بقا نام ببرم، به چند دلیل است.

1- مشابهت‌سازی بین چارت‌های مالی با Survival Analysis امکان پذیر است. در هر دو عامل X، تایم است و در هر دو به دنبال محاسبه و به دست آوردن احتمال رخ‌دادن پیشامد مورد نظر خود هستیم.
 
2- تحلیل‌‌های Survival کاملاً ساختارمند، منظم و فرمول‌بندی شده هستند. نرم‌افزارهای خوبی مانند IBM SPSS و GraphPad Prism به دقت آن‌ها را انجام می‌دهند و دارای هلپ و راهنماهای گام به گام جهت یادگیری و آموزش هستند.
 
3- آنالیزهای آماری Survival اصولا برای مطالعات دارویی، سم‌شناسی و پزشکی به جهت حساسیت و دقت اندازه‌گیری و پیش‌بینی در این مطالعات، طراحی و استفاده می‌شوند. با این‌حال قالب و تمپلیت ریاضی آن‌ها به ما این امکان را می‌دهد که برای بازارهای مالی و سهام نیز به خوبی استفاده شوند.
 
علاقمند بودید ابتدا به یادگیری تئوری‌های Survival Analysis و سپس کار با داده‌ها با استفاده از نرم‌افزار (در گام اول GraphPad Prism و سپس SPSS) بپردازید.
 
امروز بعدازظهر که مانند همه‌ی زمان‌هایی که از دست ریاضیات و آمار (و این روزها از دست کاپلان مایر Kaplan-Meier) خسته می‌شوم و به داستان و رمان پناه می‌برم، رمانی می‌خواندم از نادر ابراهیمی که نوشته‌های او را به اندازه محمود دولت آبادی و جلال آل احمد دوست دارم. در جایی از کتاب که در سال ۱۳۵۲ نوشته شده است، قهرمان داستان چنین می‌گوید

ما بدون زنان خوب، فقط مردان کوچکیم.
#آمار_فازی

اجازه دهید از این‌جا شروع کنم که منطق کلاسیک هر چیزي را بر اساس یـک سیستم دوتایی نشان می‌دهد. (مثبت یا منفی، درست یا غلط، سفید یا سیاه، شکست یا پیروزی، بیمار یا سالم)

ولی منطق فازي درستی هر چیزي را با یک عدد که مقـدار آن بین صفر و یک است نشان می‌دهد. به تفاوت بین تعریف منطق کلاسیک و فازی دقت کنید. منطق کلاسیک همه چیز را صفر و یک می‌بیند یعنی یک عدد گسسته و منطق فازی هر چیزی را بین صفر و یک می‌بیند یعنی عددی پیوسته.

مثلاً اگر رنگ سیاه را با عدد صفر و رنگ سفید را با عدد 1 نشان دهیم، آنگاه رنـگ خاکسـتري عددي نزدیک به صفر خواهد بود.

در منطق کلاسیک یا ارسطویی، یـک دسـته‌بنـدي درست و نادرست از هر چیزی وجود دارد. همه‌ی گزاره‌ها درست یا نادرست‌اند. اما در منطق فازي، گـزاره‌هـا مقـداري درسـت و مقـداري نادرسـت‌اند.

جالب توجه است که بدانیم نظریه‌ی سیستم‌هاي فازي در سال ۱۹۶۵ توسط یک ایرانی به نام لطفی علی عسکرزاده اردبیلی زاده (۴ فوریه ۱۹۲۱ – ۶ سپتامبر ۲۰۱۷) معرفی شد. منطق فازي، بیان می‌کند کـه ابهام در ماهیت علم است. (این جمله بسیار دقیق است، یکبار دیگر آن را بخوانید)

نظریه سیستم‌های فازی معتقد است که باید به دنبال ساختن مدل‌هایی بود کـه ابهـام را بـه منزله‌ی بخشـی از سیسـتم پذیرفت.
برخلاف سایر مدل‌ها که معتقدند باید تقریب‌ها را دقیق‌تر کرد تا پیش‌بینی‌ها با دقت بیشتری انجام شود.

خب، این مقدمه تقریباً طولانی را گفتم که توجه شما را به شاخه‌ای از آمار با نام آمار فازی و به ویژه رگرسیون فازی جلب کنم. رگرسیون فازی تقریباً در نقطه مقابل رگرسیون کلاسیک قرار گرفته است.

اکثر مطالعات پیشرفته پیش‌بینی قیمت سهام، یا هر چیز دیگری که در طول زمان حرکت می‌کند و کم یا زیاد می‌شود، در روش‌های کلاسیکی، چون ARIMA و یا SARIMA قرار می‌گیرند. (خودم هم فکر نمی‌کردم به روش‌های سری زمانی که در اوایل دهه ۱۳۸۰ از بهترین روش‌های پیش‌بینی بود، امروز روش‌های کلاسیک و قدیمی بگوییم. پیشرفت علم تحلیل داده‌ها در این 20 سال خیره‌کننده بوده است)

مدتها است روش‌هایی، چون شبکه‌های عصبی نیز برای پیش‌بینی قیمت سهام تعریف شده و استفاده می‌شوند.
با این حال اگر می‌خواهید یک گام جلوتر باشید روش‌های رگرسیون فازی
 Fuzzy Regression Analysis
 
در پیش‌بینی قیمت را مطالعه کنید.
#تلگرام

چند روز پیش داده‌های یک مطالعه (انجام شده در استان‌های سمنان و گلستان) برایم ارسال شده بود، به نظرم جالب بود. بخش‌هایی از آن را برایتان می‌نویسم.

محقق در این مطالعه 577 نفر را بررسی کرده بود که در بازار سرمایه و بورس فعال هستند. مطالعه نیز در بازه زمانی ابتدای پاییز تا ابتدای زمستان امسال انجام شده بود.

جهت بررسی نتایج از یک مدل رگرسیون لجستیک باینری
Binary Logistic Regression (BLR)

استفاده شد. جالب توجه بود که Odds Ratio مطالعه بیشتر از یک و برابر با OR = 1.47 به دست آمد.

یعنی احتمال به دست آوردن سود برای فردی که اپلیکیشن تلگرام ندارد 1.47 برابر بیشتر از فردی است که تلگرام دارد.

یک موضوع اساسی در هر مطالعه مقایسه‌ای (مانند این مطالعه) این است که کمیت‌های اصطلاحاً مخدوش کننده، Adjust شوند. یعنی مثلاً سن، جنسیت، درآمد، تحصیلات، شغل میزان فعالیت در بازار سرمایه، و .... در هر گروه با هم همانند باشد که البته در این مطالعه رعایت شده بود.

مطالعه گروه سومی هم داشت، افرادی که تلگرام دارند اما در هیچ گروه یا کانال بورسی عضو نیستند.

در اینجا از مدل رگرسیون لجستیک چندجمله‌ای
Multinomial Logistic Regression

استفاده شد. Odds Ratio این گروه، تقریباً همانند گروه بدون تلگرام (OR = 0.95) و بیشتر از گروه افرادی بود که در کانال‌ها و گروه‌های بورسی تلگرام عضو هستند (OR = 1.39).

به معنای این که احتمال سود در افراد دارای تلگرام (بدون عضویت در کانال و گروه) کمی کمتر و تقریباً مشابه با افراد بدون اپلیکیشن تلگرام و 1.39 برابر بیشتر از افراد دارای تلگرام (عضویت در کانال‌ها و گروه‌های بورسی)، به دست آمده است.

در تصویر زیر هیستوگرام همراه با منحنی نرمال Normal Curve هر گروه را که با نرم‌افزار تحلیل آماری Minitab به دست آمده، مشاهده می‌کنید.

https://astat.ir/wp-content/uploads/2023/01/Histogram-of-Telegram-GraphPad.ir_.png
معمولاً عادت کرده‌ایم و در اغلب کتاب‌های درسی آماری نیز چنین نوشته شده است، هنگامی که می‌خواهیم به مقایسه بین دو چیز (هر چیزی که قابل اندازه‌گیری است) بپردازیم، از آزمون‌‌های پارامتری T Test و یا معادل ناپارامتری آن‌ها مانند من-ویتنی یا ویلکاکسون استفاده کنیم.
 
اگر هم تعداد چیزهایی که می‌خواهیم با هم مقایسه کنیم بیشتر از دو تا است (مثلاً سه تا و بیشتر) از آزمون‌های آنالیز واریانس و یا کوواریانس یعنی انواع General Linear Model (GLM) ها استفاده کنیم.
 
این یک مطلب پذیرفته شده در همه جای دنیا است که خب همان‌گونه که گفتم در کتاب‌های درسی نیز چنین نوشته شده و سالیان سال بیان و تدریس می‌شود.
 
مدتی پیش من اثبات کرده بودم که حتی اگر می‌خواهیم دو چیز را با هم مقایسه کنیم، استفاده از آزمون‌های GLM نتایج یکسانی با استفاده از T Test می‌دهد. بنابراین با توجه به اینکه GLM ها دقیق‌تر و نتایج بیشتری نسبت به T Test می‌دهند، خوب است کاملاً T Test ها از بین رفته و جایگزین آن‌ها GLM ها شوند.
 
البته که اثبات من با مثال نبود (با مثال که نمی‌توان هیچ فرضیه یا قانونی را ثابت کرد) بلکه بر مبنای روابط ریاضی و فرمول‌های آماره‌های آن به دست آمده بود.
 
حدود پنج روز قبل تاپیکی در ریسرچ گیت با همین موضوع مطرح شده بود. لینک آن را در زیر ببینید.
 
https://www.researchgate.net/post/When_using_SPSS_is_there_a_difference_between_the_GLM-univariate_t_test_analysis_and_the_compare_means-independent_sample_t_test
 
طراح تاپیک و سوال کننده Jeanine Blumenau از دانشگاه Witwatersrand، است.

پاسخ دهندگان و ریکامند کنندگان Bruce Weaver  (یک استاد تمام آمار در دنیا با بیش از 8200 سایتیشن و مقاله استناد شده به او) از دانشگاه Lakehead کانادا،

دیگری Christian Geiser از آمریکا (سایت او را در اینجا ببینید، او از بهترین آماری‌های آمریکا و از متخصصان نرم‌افزار آماری Mplus در دنیا است)

همچنین David Eugene Booth از دانشگاه Kent State University آمریکا با بیش از 2600 مقاله استناد شده به او)

پاسخ دهنده دیگر در این تاپیک، Jos Feys از دانشگاه KU Leuven بلژیک با سایتیشن بیش از 440 مقاله استناد شده به او است.
 
در بین پاسخ دهندگان که در بالا نام بردم یک ایرانی (من) هم قرار دارد.
 
بهترین پاسخ و به قول ریسرچ گیت Best Answer این تاپیک در بین همه این عنوان‌دارهای جهانی که به شما گفتم، همان فرد ایرانی قرار گرفته است. پاسخ و اثبات او چه بوده را در ابتدای این پست نوشتم.
 
خب، حال این پست را نوشتم که چه بگویم؟ تعریف و تمجید آن فرد ایرانی را بگویم؟ البته که این‌گونه هم بوده هست.

منتهی اصل حرف من این نیست، بلکه می‌خواهم بگویم امروزه حتی قوانین و تئوری‌هایی که سال‌های سال در علوم پایه‌‌ای مانند آمار و ریاضی در کتاب‌ها و در همه‌ی دنیا تدریس می‌شوند و به کار می‌روند، دانه دانه در حال بازنگری، اصلاح و بهبود هستند.

بنابراین حتماً قوانین اجتماعی، رفتاری، اقتصادی و بسیاری چیزهای دیگر که به انسان و جامعه به روز شده، مربوط است، در اولویت بیشتر و بالاتری برای اصلاح، بازنگری و بهبود قرار دارند.
روز گذشته مجله
Drug Combination Therapy (ISSN 2624-3075)

که وابسته به انتشارات
 Talent of Magical Research

در نیوزلند است، متنی جهت همکاری و ارسال مقاله در شماره آینده ژورنال، برایم فرستاده بود.

صرفنظر از متن او که تصویر آن را برایتان ارسال کرده‌ام، به نظرم فرصت خوبی برای پژوهشگران و محققان علاقمند به موضوعات
Combination of Herbs and Chemicals, Combination of Herbs, Combination of Chemicals, Network Pharmacology , Combination Therapies of Infectious Diseases

است که مقالات و مطالعات خود را در آنجا چاپ و منتشر کنند.

در لینک زیر سایت ژورنال و ایمیل آن‌ها را مشاهده می‌کنید.

https://www.tmrjournals.com/dct/
psmr@tmrjournals.com
#همکاری

من در جلسه شماره 396 شورای رقایت حضور داشتم. موضوع جلسه که با حضور رئیس و اعضای جلسه برگزار شد یک مبحث آماری و به حدنصاب جمعیتی به ویژه در شهرهای محروم و کم برخوردار مربوط می‌شد.

علاقمند بودید در سایت شورای رقابت می‌توانید موارد مورد بررسی در جلسه شماره 396 و اسامی اعضای شرکت کننده را مشاهده کنید.
 
از این موضوع بگذریم و می‌خواهم توجه شما را به یک نکته دیگر جلب کنم.
در همه جلسات شورای رقابت و در هر موضوعی، نماینده خود سازمان، وزارت‌خانه و دستگاهی که موضوع جلسه است نیز شرکت دارد. یعنی این‌گونه نیست که اعضای شورای رقابت بنشینند و خودشان با خودشان تصمیمی بگیرند و رسانه‌ای کنند.
 
به عنوان مثال در همین موضوع اخیر خودرو، علاوه بر اعضای شورای رقابت، نمایندگان وزارت صمت، خودروسازها و سایر ذینفعان نیز حضور داشته و دارند. تصمیمی هم که گرفته شده (در همه مصوبات شورای رقابت همین‌گونه است) با حضور همین ذینفعان نوشته و اقدام می‌شود.
 
البته نه من سر و کاری با شورای رقابت دارم و نه آن‌ها را تایید و یا رد می‌کنم. موضوع این نیست.

موضوع این است آن شش صفحه‌ای که به عنوان مصوبه شورای رقابت در موضوع خودرو، رسانه‌ای شده تصمیم صرف خود شورای رقابت نبوده و تصمیم خودروسازها و از آن مهم‌تر وزارت صمت نیز هست.

بنابراین خیلی ساده بنویسم فریب این شلوغ بازی‌ها و سیاه‌کاری‌های رسانه‌ای که قبول نداریم و شکایت می‌کنیم و مصوبه را اجرا نمی‌کنیم، را نخورید. خود آن‌ها در نوشتن این مصوبه همکاری و نقش داشته‌اند.
یکی از پرتکرارترین سوالاتی که از من می‌شود این است که یک ایده مطالعاتی بدهید که روی آن کار کنیم.

مثلاً پایان‌نامه، مقاله و یا یک طرح تحقیقاتی بر مبنای آن بنویسیم.
 
پاسخی که من می‌توانم به این موضوع بدهم و تا آنجا که می‌دانم هنوز به عنوان یک موضوع حل نشده در تحلیل‌های آماری مطرح است، به دست آوردن فاصله اطمینان برای میانه بقا

Confidence Interval for Median Survival 
است.
 
میانه بقا Median Survival که از جمله موضوعات مطرح در آنالیز بقا است، بیانگر نقطه زمانی است که در آن احتمال بقا برابر با 50 درصد می‌شود.

اینکه آنالیز بقا Survival Analysis چیست را هم می‌توانید در این نوشته ببینید. البته در این زمینه کتاب‌ها و مطالب زیادی وجود دارد که علاقمند بودید مطالعه کنید.
 
درباره‌ی محاسبه خود میانه بقا، مشکلی وجود ندارد و روش‌های استاندارد زیادی در این زمینه کشف شده است.

اما آن چیزی که هنوز حل نشده است، محاسبه فاصله اطمینان برای میانه بقا است. البته در این زمینه سه مطالعه انجام شده است. من اسامی آن‌ها را برایتان نوشته‌ام.

1- One method is in Collett starting at page 35.

2- Brookmeer and Crowley , A confidence interval for the median survival time. Biometrics (1982) vol. 38 (1) pp. 29-41

3- Barker reviews several methods and points out how different their results can be. The Mean, Median, and Confidence Intervals of the Kaplan-Meier Survival Estimate—Computations and Applications. The American Statistician (2009) vol. 63 (1) pp. 78-80
 
منتهی نکته‌ای که وجود دارد این است که هیچ‌کدام از این سه روش استاندارد نیست، نتایج آن‌ها با هم کاملاً متفاوت است و نرم‌افزارهای تحلیل آماری هیچ‌کدام را به عنوان یک کار مناسب، قبول ندارند.
 
به هر حال این متن را نوشتم که چنانچه به مطالعات آماری علاقمند هستید و می‌خواهید یک کار در سطح بالای بین‌المللی انجام دهید، ابتدا به یادگیری و کار در زمینه آنالیز بقا، سپس میانه بقا و در مرحله‌ی بعد یافتن فاصله اطمینان برای میانه بقا، بپردازید.
من در این کانال بارها از مفهومی به اسم Combination Index (CI) حرف زدم. در روزهایی که از این مفهوم می‌نوشتم، گفتم که عدد این شاخص بالاست و نشان می‌دهد روندی که در بازار (همان روزها) رخ میدهد، مربوط به کاربران انسانی و یا حقیقی‌ها نیست.


با این حال امروز می‌خواهم به موضوع دیگری اشاره کنم. اندازه CI از حدود ابتدای آبان شروع به کاهش کرده است. به زبان ساده یعنی الگوریتم‌ها، ربات‌ها و ارکان برهم زننده بازار، فعالیت خود را به شدت کاهش دادند. نتیجه هم این شد که با یک بازار صعودی از همان ابتدای آبان تا تقریباً انتهای دی‌ماه روبه‌رو بودیم.


اما از ابتدای بهمن تا همین روزها با یک بازار نزولی روبه‌رو هستیم. سوال این است که وضعیت CI در این حدود یک‌ماه چگونه بوده است؟ آیا باز هم عدد CI افزایش پیدا کرده که روند بازار نزولی شده؟


باید بگویم پاسخ این سوالات منفی است. بازار برای معدود دفعات نزولی شده اما CI بالا نرفته است. این مطلب به معنای آن است که روند ریزشی رخ داده از طرف کاربران غیرانسانی، ارکان بازار و حقوقی‌های بزرگ رخ نداده است.


به عبارت دیگر بازار در یک روند صعودی قرار گرفته بود. سیستمی هم مانع آن نبود (بزرگ نبودن عدد CI این را نشان می‌دهد) اما چرا بازار منفی شد؟


پاسخ این سوال و این روند ریزشی ایجاد شده را باید معلول رفتار حقیقی‌ها و کاربران انسانی پشت سیستم نشسته دانست. این‌که آیا خود آن‌ها از این اتفاق سود کرده‌اند را هم باید منفی دانست. به نظر نمی‌رسد (حداقل شبیه‌سازی‌ها اینگونه نشان می‌دهند) عمده این حقیقی‌ها نفعی از این وضعیتی که خودشان باعث به وجود آمدنش شده‌اند، برده باشند و یا در آینده ببرند.


بیشتر این حقیقی‌ها در فکر این بودند که اصطلاحاً در سقف بقروشند و دوباره در کف بخرند. تا آنجا که به شبیه‌سازی‌ها مربوط می‌شوند آن‌ها در سقف نتوانسته‌اند بفروشند، به نظر هم نمی‌رسد بتوانند در کف بخرند. آنچه هم که در پایان نصیب آن‌ها خواهد شد این است که روند بازار را ریزشی کرده‌اند، به سهامداران ضربه زده‌اند و در انتهای بازی ای که خودشان شروع کرده‌اند، ارزش سبدهای آنها هم کمتر از عدد انتهای دی‌ماه و حتی اواسط دی‌ماه خواهد شد.
#صفر

نرم‌افزار Prism وقتی می‌خواهد درباره‌ی رگرسیون خطرات متناسب کاکس
Cox Proportional Hazards Regression

حرف بزند، از این عبارت استفاده می‌کند که این تحلیل پیچیده‌ترین و سخت‌ترین آنالیز موجود در Prism است.

نرم‌افزار به عادت همیشگی خودش وقتی می‌خواهد تحلیلی را بیان کند یک مثال از داده‌های واقعی بیان می‌کند.

مثالی نیز که Prism برای رگرسیون کاکس ارایه می‌کند مربوط به داده‌های یک مطالعه در پاکستان است. از این‌جا می‌توانید مقاله منتشر شده مطالعه را ببینید.

اگر می‌پرسید چرا پاکستان، باید بگویم الف) پاکستان در بسیاری زمینه‌ها یک کشور پیشرفته است و ب) مطالعه و داده‌های آن آنقدر جذاب و مبتنی بر اصول علمی انجام شده بود که شرکت آمریکایی سازنده Prism این مطالعه و داده‌های آن را به عنوان منبع درسی و آموزش رگرسیون کاکس در دنیا معرفی کرده است.

رگرسیون کاکس اصولاً تحلیلی بر روی مدت بقا و زنده ماندن افراد است. مطالعه نیز با نام
Survival analysis of heart failure patients

منتشر شده است و مربوط به افرادی است که دارای مشکلات و بیماری‌های قلبی هستند.

داده‌های اصلی رگرسیون کاکس را که نگاه می‌کردم، در کنار انبوهی از داده‌ها، ستونی داشت که بیانگر شغل، درآمد و کار افراد مورد بررسی است.

برخی از آن‌ها در گذشته و یا در همان زمان مطالعه حرفه‌ای داشتند که می‌توان آن را مشابه با همان مفهوم فعال در بازارهای مالی، سهام، اوراق بهادر، تریدر و چیزهایی مشابه آن دانست.

البته که هدف این مقاله بررسی این افراد نبود و من به صورت خاص، این بخش از افراد را از سایرین جدا کردم.

در گراف زیر می‌توانید منحنی بقا این افراد را در مقایسه با سایرین مشاهده کنید. فهم گراف سخت نیست و یک موضوع ساده را نشان می‌دهد.

افرادی که در یک کلمه می‌توان آن‌ها را تریدر نامید و با دنیای کندل‌ها سر و کار دارند، خیلی زودتر از دیگران، صفر می‌شوند و می‌میرند. آن‌ها حدود 10-9 سال زودتر از بقیه افراد، دچار بیماری‌های قلبی منجر به مرگ می‌شوند.

صرفاً این متن را امروز آن هم زمانی که شاخص کل بیشتر از 80 هزار واحد مثبت است، نوشتم که بگویم هر فردی خودش را بهتر از دیگران می‌شناسد. اگر فکر می‌کنید دنیای کندل‌ها از بورس و ارز دیجیتال و هر چیز دیگر مانند آن، قلب و ذهن شما را بیش از حد به تپش و استرس وا می‌دارد، آن‌ها را رها کنید.

البته که منظور من خروج برای امروز و فردا نیست. موضوع این است که این‌گونه بازارها به سلامت شما ضربه شدید می‌زنند، بنابراین هر زمان که فکر کردید مناسب است برای همیشه آن‌ها را ترک کنید.

https://graphpad.ir/wp-content/uploads/2023/02/Estimated-Survival-Cox-regression-scaled.jpg
منحنی بقا را که بیانگر مقایسه میزان بقا و زنده ماندن افراد فعال در بازارهای مالی نسبت به سایر افراد است را در گراف بالا، به صورت جداگانه آورده‌ام.
تقریباً دو سال پیش، مقاله‌ای در سایت گراف پد نوشتم و در آن یک روش ابداعی که شامل دو تکنیک تو در تو جهت نرمال کردن داده‌هایی که فاقد توزیع نرمال هستند، معرفی کردم.

ایده از خودم بود و تکنیک‌ها بر روی تابع توزیع احتمال داده‌های موجود، برقرار بود.

نتیجه هم عالی به دست می‌آمد و تقریباً بدون استثنا می‌توانست داده‌هایی که توزیع نرمال نداشتند را به داده‌هایی منظم و دارای توزیع نرمال تبدیل کند.
 
تا آن‌جا که بعد از نوشتن مقاله هم مطلع شدم و بازخوردها به من می‌رسید، مورد استفاده دانشجویانی که می‌خواستند کارهای آماری خودشان را انجام دهند و به دلیل نرمال نبودن داده‌هایشان به مشکل برمی‌خوردند، قرار گرفته بود و مشکل نرمال نبودن داده‌ها را حل کرده بود.
 
با این حال این روش چندان به مذاق برخی از اساتید خوش نیامد، به دلیل اینکه استفاده از این روش باعث می‌شد شاخه‌ای از علوم آماری با نام آمار ناپارامتری، تقریباً از دور خارج و بلااستفاده شود، از طرف دیگر سبب شده بود کار دانشجویان راحت شود و نخواهند زحمت زیادی برای تحلیل‌های آماری خودشان انجام دهند.
 
بازخوردها در بین دانشجویان مثبت و در بین برخی از اساتید منفی و گاهی اوقات هم با لحن تند بود. ایراد بیشتر تماس‌ها و ایمیل‌ها و پیام‌ها این بود که منبع و رفرنس این روش از کجاست و شما از کدام مقاله یا کتاب این روش را نوشته‌اید. من هم پاسخی نداشتم به دلیل اینکه اصلاً رفرنسی وجود نداشت و هر آنچه بود زاییده ذهن خود من بود.
 
تا اینکه چند ماه پیش ایده‌ای به ذهنم رسید. عین همان متن مقاله روش ابداعی نرمال کردن داده‌ها که به فارسی نوشته بودم را به انگلیسی نوشتم. زیر مقاله انگلیسی هم نوشتم نویسنده
 Dr. Johann David Weiss

(هنگامی که داشتم مقاله را از فارسی به انگلیسی تبدیل می‌کردم، تلویزیون کارتون خانواده دکتر ارنست را نشان می‌داد. من هم به ذهنم رسید نام نویسنده رمانی که این کارتون بر مبنای آن نوشته شده را به عنوان نویسنده مقاله انگلیسی بنویسم.)
 
در مقاله فارسی هم که در سایت گراف پد آمده است، نوشتم که رفرنس و منبع این روش ابداعی، مقاله‌ای از دکتر یوهان داوید ویس است. لینک هم دادم به مقاله انگلیسی که آن را هم خودم نوشته بودم.
 
به این ترتیب و بعد از آن حتی یک پیام، ایمیل و تماس هم نداشتم که این مقاله را شما از روی کدام منبع و مرجع نوشته‌ای.
نویسنده مقاله رفرنس یک فرد خارجی بود و متن مقاله رفرنس هم به انگلیسی نوشته شده بود. مشکل به سادگی حل شد.
 
من مدتی است با خودم فکر می‌کنم مشکل آن مقاله فارسی چه بود؟ آیا صرفاً به این دلیل که ۱- نویسنده خارجی نبود و ایرانی بود. ۲- مقاله انگلیسی نبود و فارسی بود؟

این را از این جهت می‌نویسم که هیچ فردی نیامد از آقای یوهان داوید ویس بپرسد که شما خودت این روش را از کجا ابداع کردی. من ایمیل این فرد فرضی که در واقع ایمیلی بود که خودم ساخته بودم را هم کنار نام نویسنده مقاله انگلیسی نوشته بودم، اما حتی یک ایمیل هم برای دکتر یوهان ارسال نشده است.
#سال_1402

من این متن را حدود 370 روز پیش نوشتم و در آن بیان کردم که امید ریاضی سود به ضرر در بازار سرمایه تهران برای سال 1401، نسبت 43 به 57 خواهد بود.

این مطلب یعنی اینکه پیش‌بینی کردیم یک فرد تصادفی، با احتمال 43% می‌تواند در بازار سود و با احتمال 57% ضرر کند.

اکنون که به انتهای سال نزدیک می‌شویم و نتایج را می‌بینیم، پیش‌بینی مدل‌های آماری تا حد زیادی درست بوده است و امیدریاضی مشاهده شده سود به ضرر 47 به 53 ثبت شده است.

خوب است به این اعداد دقت کنیم و آن را کنار اعداد فرضی شاخص کل و یا هم‌وزن قرار دهیم تا متوجه شویم واقعاً برای افراد فعال در بازار سرمایه تهران چه اتفاقی افتاده است. این نتیجه به سادگی نشان می‌دهد سال 1401 همان‌گونه که پیش‌بینی می‌شد یک سال منفی برای عمده افراد (میانه) بوده است و بسیاری با ضرر این بازار را ترک کرده‌اند.

برای پیش‌بینی سال آینده 1402 لازم است ابتدا چند نکته بنویسم.

1- ایده من این است که ما در همه بازارهای مالی یک ضریب ثابت داریم. نام آن را ضریب ثابت میانه می‌گزارم.
به عنوان مثال قیمت نماد (کالا یا هر چیز دیگری مانند طلا، تتر، ارز دیجیتال) را فرض کنید که در یک بازه زمانی مشخص (مثلاً سه ماه) دو برابر می شود و 100 درصد افزایش پیدا می‌کند.

سوالی که من قبلاً نیز در این نوشته به آن پاسخ دادم این است که عمده افراد (میانه) در این نماد چقدر سود کرده‌اند؟ واضح است که همه 100 درصد سود نکرده‌اند. این نماد در مدت سه ماه، معامله و دست به دست شده و از نظر تئوری حتی امکان دارد عده‌ای ضرر نیز کرده باشند.

پس میانه سود چقدر است؟ پاسخ عددی حدود 24.9% است. این مطلب یعنی اینکه میانه سود عددی حدود یک چهارم، ابتدا و انتهای تایم زمانی ما است.

این عدد ثابت در همه روندها خود را نشان می‌دهد. می‌توان اثبات کرد عدد دقیق آن حدود 4.09 است. یعنی مثلاً اگر نماد X در مدت فرضی t به اندازه P درصد رشد کند، میانه سود عدد p/4 خواهد بود. (البته این معادله کمی پیچیده‌تر است و به t نیز ربط دارد، منتهی من آن را برای فهم راحت‌تر، ساده نوشتم).

این رابطه به ما نشان می‌دهد مثلاً اگر بیت کوین، نسبت به روز گذشته خود 10 درصد مثبت شده، بدانیم میانه سود 10 درصد نیست و حدود 2.5 درصد است. یعنی نیمی ار افراد معامله‌کننده در این روز فرضی فقط حدود 2.5 درصد سود کرده‌اند.

جالب توجه است که در روندهای منفی این عدد ضریب ثابت کوچکتر و حدود 3.17 است. مثلاً اگر همان بیت کوین 10 درصد ریزش داشته باشد، میانه ضرر افراد تریدر 3.15% است.

این نتیجه، یک یافته ساده را نشان می‌دهد که در همه‌ی دنیا افراد به سود اجازه بزرگتر شدن نمی‌دهند، اما به ضرر اجازه بزرگتر شدن می‌دهند.

بنابراین یک قانون کلی را می‌توان اینجا نوشت.
در بازارهای مالی، سودها کمتر و ضررها بیشتر (در مقایسه با عدد سود) از آن چیزی است که در چارت‌ها دیده می‌شوند.

2- پیش‌بینی می‌شود بازار سهام در سال آینده یک توزیع از نوع
Heavy-Tailed Distribution

خواهد بود. برای درک این مطلب این‌گونه می‌گویم که ما در همه بازارهای مالی یک نظم و انظباط در دریافت سود و ضرر را مشاهده می‌کنیم. حدود 10 درصد افراد خیلی سود می‌کنند، همین مقدار خیلی ضرر می‌کنند و بقیه نیز در طیفی از رده‌های سود و ضرر قرار می‌گیرند. یعنی تقریباً توزیع داده‌های سود و ضرر به صورت نرمال پراکنده می‌شود.

توزیع Heavy Tail توزیعی است که دم‌های آن (سمت چپ و راست) آن ضخیم است. یعنی اگر قبلاً می‌گفتیم 10 درصد خیلی سود (دم سمت راست) و 10 درصد خیلی ضرر (دم سمت چپ) می‌کنند و 80% بقیه در این بین قرار می‌گیرند، برای سال 1402 باید بگوییم هر دو سمت راست و چپ، ضخیم و با فراوانی بالاتر خواهد بود.

مثلا برای سال 1402 باید بگوییم 20% افراد خیلی سود و 20% خیلی ضرر و 60 درصد بقیه نیز در طیفی از رده‌های سود و ضرر قرار می‌گیرند.

سعی می‌کنم در پست بعد به این سوال که در سال آینده چه عواملی می‌توانند ما را در بین افراد دم سمت راست و یا دم سمت چپ قرار دهند، پاسخ دهم.
در متن قبلی به این نکته اشاره کردم که پیش‌بینی می‌شود توزیع بازدهی در بازار سرمایه تهران از نوع دم ضخیم Heavy-Tailed Distribution خواهد بود.

از من سوالاتی شده بود که این خانواده از توزیع‌های آماری چه ویژگی‌هایی دارد. در پاسخ شما را به داده‌های امروز 6 فروردین ارجاع می‌دهم. من در تصویر زیر هیستوگرام بازدهی امروز همه نمادهای معامله شده را بیان کرده‌ام.

امروز یک نمونه و مثال مناسب از توزیع دم ضخیم بود. دو طرف هیستوگرام داده‌ها هم در سمت مثبت و هم در سمت منفی، دارای ستون‌های بلند (به معنای فراوانی داده‌ها) است. من آن‌ها را رنگی کرده‌ام.

یکی از ویژگی‌های دیگر توزیع‌های دم کلفت، عدم نرمال بودن داده‌ها است که امروز نیز این نتیجه به سادگی دیده می‌شد (KS = 0.064, P value <0.01).

به نظر می‌رسد از این به بعد روزهای زیادی خواهیم داشت که بازدهی، فاقد توزیع نرمال باشد و همان‌گونه که گفتم با یک بازار Heavy-Tailed Distribution روبه‌رو خواهیم بود.
علاقمند بودید از این لینک می‌توانید نتایج تحلیل داده‌ها در نرم‌افزار Minitab را دریافت کنید.

نکته دیگری که می‌خواهم در این‌جا به آن اشاره کنم، مطلبی است که بارها به آن پرداخته‌ام و آن شاخص کل است.

من و شما بهتر می‌دانیم که ما در یک فضای ذهنی برای خودمان حرف می‌زنیم و قرار نیست مثلاً اگر فرمول یا رابطه جدیدی پیشنهاد و ارایه می‌دهیم (این نوشته را بخوانید) موثر واقع شود و یا به کار گرفته شود.

میانه مفهومی است که در علوم حیاتی و آنچه که با جان انسان‌ها سر و کار دارد (مانند پزشکی و دارویی) بیشتر از هر پارامتر دیگری به کار گرفته می‌شود و دوستانی که در این رشته‌ها کار می‌کنند به خوبی و بیشتر از من با مفاهیمی مانند IC50، EC50 و یا LD50 که همگی میانه موثر هستند، سر و کار دارند.

آمار و تحلیل‌های آماری قرار داده شده در علوم اقتصاد، مالی و رشته‌هایی از این رده، به دلیل نزدیکی آن‌ها به سیاست، عمدتاً بر پایه نمایش، شو و پرزنت قرار دارند و به همین دلیل اکثر پارامترهای آماری قرار گرفته در این علوم، اریب Bias و دارای بیشترین واریانس براورد (خطا) هستند.

به بیان ساده‌تر این براوردها (که شاخص کل و یا هم‌وزن از انواع آن‌ها می‌باشند)، بله آماری هستند، دارای فرمول و رابطه نیز می‌باشند، منتهی در رده‌بندی براوردهای آماری در دسته جانبدارانه و دارای بیشترین خطا قرار می‌گیرند.

به عنوان یک مثال ساده، هر چهار پارامتر بازدهی امروز منفی است. میانه و میانگین بر مبنای آخرین قیمت به ترتیب 1.15- و 0.79- درصد و بر مبنای قیمت پایانی 0.29- و 0.52- درصد هستند. این فایل را ببینید.

این مطلب به بیان ساده و برای نزدیک شدن به ذهن خواننده یعنی اینکه، شاخص میانه برخلاف شاخص کل که حدود 20 هزار واحد مثبت را نشان می‌دهد، عددی حدود 23 هزار واحد منفی بوده است.

به همین دلیل است که وقتی در یک فرایند بلند مدت نگاه می‌کنیم شاخص میانه هنوز در محدوده اعداد 1.31 تا 1.35 میلیون واحد قرار دارد، اما همه جا پر می‌شود که شاخص کل بالای دو میلیون واحد قرار گرفته است.

https://graphpad.ir/wp-content/uploads/2023/03/Histogram-14020106-GraphPad.ir_.png
تحلیل بقا که به آن Survival Analysis گفته می‌شود، ابزار و روشی است جهت بررسی این مطلب که چگونه احتمال وقوع یک رویداد معین، با گذر زمان کم و یا زیاد می‌شود.

به این ترتیب ما در آنالیز بقا، با سه کلمه‌ی اساسی که تشکیل دهنده‌ی این نوع از تحلیل‌های آماری هستند، رو‌به‌رو هستیم. این سه کلمه عبارتند از

احتمال، رویداد و زمان.

احتمال و زمان که مفاهیم شناخته شده‌ای هستند. آنچه باقی می‌ماند واژه رویداد و پاسخ به این سوال است که شما می‌خواهید احتمال وقوع کدام رویداد وابسته به زمان را محاسبه کنید.

در اینجا ما با طیف وسیعی از رویدادهای مورد علاقه در علوم مختلف روبه‌رو هستیم. هر چند که آنالیز بقا همان‌گونه که از نام آن برمی‌آید در تحلیل‌های آمار پزشکی و حیاتی ریشه دارد، منتهی کاملاً قابلیت تطابق و استفاده در سایر علوم را نیز دارد.

من از روزهای ابتدایی زمستان سال گذشته تا انتهای دی‌ماه، نُه (9) جلسه کلاس در موضوع آنالیز بقا داشتم. در این جلسات از مفاهیم مقدماتی تا کار با نرم‌افزار Prism بیان شده است.

گراف پد متن نوشتاری و ویدئویی این کلاس‌ها را در سایت خود قرار داده است. علاقمند بودید آن‌ها را ببینید و مطالعه کنید.

جلسه اول. مفاهیم و تعاریف اساسی در آنالیز بقا

جلسه دوم. داده‌های سانسور شده Censored Data

جلسه سوم. نسبت خطر Hazard Ratio چیست؟

جلسه چهارم. تحلیل‌های کاپلان مایر Kaplan-Meier

جلسه پنجم. میانه بقا Median Survival چیست؟

جلسه ششم. خطرات Hazards و نرخ خطر Hazard Rate

جلسه هفتم. رگرسیون خطرات متناسب کاکس Cox Proportional Hazards Regression

جلسه هشتم. باقیمانده ها Residuals در رگرسیون خطرات متناسب کاکس

جلسه نهم. تنظیمات رسم نمودار ها Graphs در رگرسیون Cox