عصر اهواز

نحوه کاربرد آزمون های آماری در مطالعات اقلیمی در فصل نهم کتاب « مبانی اقلیم شناسی آماری» ارائه ‏شده است. در زیر برخی از موارد کاربرد را که خلاصه ای از فصل مذکور است خدمت شما تقدیم می دارم. ‏متاسفانه به دلیل عدم امکان فرمول نویسی در این بخش ناگزیر روابط عددی به شکل توصیفی بیان شده است.‏هدف اصلی در آزمون فرض آماری برآورد فراسنج ها براساس آماره های مربوط است. چهار مبحث مهم از ‏مباحث آزمون فرض و آمار استنباطی به شرح زیر مورد توجه قرار می گیرد:‏

۱ـ آزمون فرض و استنباطِ مشخصه های توصیفی مشاهدات.

‏ ‏۲ـ آزمون ضریب همبستگی.‏

‏۳- تحلیل رگرسیون

۴ـ آزمون نیکوئی برازش.‏

در استنباط مشخصه های توصیفی در صدد کشف نزدیک ترین ویژگی فراسنج جامعه از روی آمارۀ نمونه ‏هستیم. به عنوان مثال اگر در یک ناحیه بارش ‏A‏ میلی متر برای کشت دیم مناسب باشد و بخواهیم براساس ‏آمار موجود, ببینیم که آیا این مقدار بارش در این ناحیه رخ می دهد یا خیر، باید میانگین حاصل از نمونه مورد ‏آزمون قرار گیرد. زیرا میانگین های چندسالی که در دسترس داریم نمی توانند بدون آزمایش به عنوان میانگین ‏اقلیمی پذیرفته شوند. در این صورت فرض صفر که می بایست آزمون شود و فرض مقابل به صورت زیر خواهد ‏بود.

فرض صفر: میانگین بارش کم تر از ‏A‏ میلی متر است.

فرض مقابل: میانگین بارش برابر یا بیش تر از ‏A‏ میلی متر است.‏

هریک از روش های همبستگی بر پایۀ توزیع نمونه گیری خاص به لحاظ معنی داری آزمون می شوند. هدف ‏از آزمون ضریب همبستگی آن است که معلوم شود آیا مقدار حاصل از این ضریب واقعی و بر جامعه قابل تعمیم ‏است یا بر اثر تصادف حاصل شده است؟ بدین ترتیب ضریب همبستگی نمونه در قیاس با ضریب همبستگی ‏جامعه به لحاظ معنی داری آزمون می شود. فرض صفر و فرض مقابل برای سطح معنی داری مورد نظر به شرح ‏زیر طراحی می شوند:‏

فرض صفر: بین دو متغیر مورد نظر رابطه ای معنی دار وجود ندارد.

فرض مقابل: بین دو متغیر مورد نظر رابطه معنی دار وجود دارد.‏

برای تحلیل رگرسیون و استنباط آماری از مدل برازنده بر مشاهدات، مدل رگرسیون از هر نوع که باشد، از سه ‏گروه آزمون آماری به شرح زیر استفاده می شود:‏

‏۱ـ آزمون ضرایب رگرسیون

‏۲ـ آزمون و تحلیل پراش‏

‏۳ـ آزمون مانده های الگوی رگرسیون ،این آزمون ها هم برای رگرسیون یک متغیره و هم برای رگرسیون چند متغیره قابل انجام است. می توان فرض ‏صفر مبتنی بر برابری ضرایب رگرسیون جامعه با صفر را به صورت زیر آزمود:‏

فرض صفر: ضرایب رگرسیون فاقد معنی داری آماری است.‏

فرض مقابل : ضرایب رگرسیون به لحاظ آماری معنی دار است.‏

آزمون برازش یک توزیع خاص را می توان در چند شکل بیان نمود. به عنوان مثال آزمون تصادفی بودن توزیع ‏مشاهدات یکی از این موارد است. در این صورت فرض های این تحقیق به صورت زیر خواهد بود:‏

فرض صفر : آرایش مشاهدات تصادفی است.‏

فرض مقابل: آرایش مشاهدات تصادفی نیست.‏‎

‎همچنین توزیع فراوانی که از طریق نمونه گیری به دست می آید، به وسیله یک توزیع نظری (احتمالاتی) ‏تقریب زده می شود. ازآن جا که به دست آوردن توزیع نظری عناصر اقلیمی بسیار مشکل است، می توان با ‏مطالعه تعدادی توزیع نظری و بر اساس نمونه های موجود، بهترین توزیع مناسب را از طریق آزمون های آماری ‏برگزید. انتخاب مناسب ترین توزیع نظری برازش نامیده می شود. برازش دادن یک مدل در واقع انتخاب مدلی ‏است که بهتر از هر مدل دیگر، رفتار مشاهدات را بیان کند و نمایشی از واقعیت هایی باشد که در طبیعت رخ ‏داده است. یکی از مباحث آمار استنباطی بررسی شایستگی برازش توزیع نظری بر توزیع تجربی است. بنابراین ‏برازش مدل نامناسب بر داده های تجربی، می تواند نتایج و پیامدهای غلطی را داشته باشد. روش های متعددی برای آزمون نیکوئی برازش وجود دارد. در روش های آزمون فرض تشخیص نیکوئی ‏برازش، مجموعه ای از آزمون فرض ها برای ارزیابی فرض صفر (داده ها از توزیع مفروض استخراج شده اند) به ‏شمار می آیند. عمده ترین این آزمون ها در دو گروه، آزمون خی دو و آزمون موسوم به کلموگروف – ‏اسمیرنوف جای می گیرند. ‏