پاورپوینت کامل همبستگی کانو‌نیکال ۳۸ اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل همبستگی کانو‌نیکال ۳۸ اسلاید در PowerPoint دارای ۳۸ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل همبستگی کانو‌نیکال ۳۸ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل همبستگی کانو‌نیکال ۳۸ اسلاید در PowerPoint

اسلاید ۴: همبستگی کانونیکال(canonical correlation) همبستگی کانونیکال چیست؟در سپتامبر ۱۹۳۵، هارلد هتلینگ، اهمیت مفهوم همبستگی بین دو مجموعه از متغیرها را نشان داد. وی نظریه همبستگی بین دو مجموعه از متغیرها را با ارائه مثال هایی که در آنها مفهوم همبستگی کانونیکال به کار می رود، ارائه داد.در همبستگی کانونیکال ما به دنبال ارائه مجدد و ساده کردن داده ها هستیم. هدف ما یافتن دو ترکیب خطی از متغیرهای اصلی است. یک ترکیب از اولین دسته متغیرها و یک ترکیب از دومین دسته (که متغیرها کانونیکال نامیده می شود) به نحوی که بیانگر بزرگترین همبستگی ممکن باشد.

اسلاید ۵: همبستگی کانونیکال(canonical correlation) همبستگی کانونیکال کمترین محدودیت را بر انواع داده ها در حین اجرا اعمال می کند. به دلیل اینکه دیگر فنون، قیود بسیار دقیق تری بر داده ها اعمال می کنند، محققان عموما بر این باوردند که اطلاعات منتج از آنها کیفیت بهتری داشته و قابلیت تفسیر بیشتری دارد. تحلیل رگرسیون چندگانه قادر به پیش بینی مقدار یک متغیر وابسته یگانه (متریک) از یک تابع خطی از مجموعه متغیرهای مستقل می باشد. در برخی از مسائل تحقیقاتی، ممکن است متغیر وابسته یگانه منظور نظر نباشد، بلکه مورد نظر محقق روابط میان مجموعه های متغیرهای مستقل و وابسته چندگانه باشد. تحلیل همبستگی کانونیکال مدل آماری چند متغیره می باشد که مطالعه روابط درونی میان مجموعه های متغیرهای وابسته چندگانه و متغیرهای مستقل چندگانه را تسهیل می کند

اسلاید ۶: همبستگی کانونیکال(canonical correlation) چند اصطلاحمتغیرهای کانونیکال ترکیبات خطی است که نمایش دهنده ی مجموع دو یا چندین متغیر می باشد و می توان آن را برای متغیرهای وابسته و مستقل تعریف نمودتابع کانونیکالارتباط (همبستگی ) میان دو ترکیب خطی (متغیر کانونیکال ) می باشد. هر تابع کانونیکال دو متغیر کانونیکال دارد. یکی برای مجموعه ی متغیرهای وابسته و دیگری برای مجموعه ی متغیرهای مستقل. توابع کانونیکال از یکدیگر مستقل می باشند.

اسلاید ۷: همبستگی کانونیکال(canonical correlation) استخراج توابع کانونیکال اولین قدم آنالیز همبستگی کانونیکال استنباط و استخراج یک یا چند تابع کانونیکال می باشد . هر تابع شامل یک جفت متغیر می باشد ، یک متغیر ، متغیر های مستقل و دیگری متغیرهای وابسته را نمایش می دهد.اولین جفت متغیر کانونیکال به گونه ای انتخاب می شوند که بیشترین همبستگی داخلی ممکن بین دو مجموعه متغیر را داشته باشند . دومین جفت از متغیر کانونیکال به گونه ای استخراج می شوند که بیشترین رابطه را بین دو مجموعه از متغیرها که برای جفت اول از متغیرها حساب نشده اند ،داشته باشند. و به همین صورت ادامه می یابد.میزان ارتباط داخل جفت متغیر ها توسط همبستگی کانونیکال منعکس می شود .

اسلاید ۸: مکانیزم آماری همبستگی کانونیکال

اسلاید ۹: همبستگی کانونیکال(canonical correlation) همبستگی کانونیکال: مکانیزم همبستگی کانونیکال از رویکردی مشابه مدل رگرسیون استفاده می نماید. به جای کمینه کردن مجموع مربعات انحرافات، ما به دنبال ترکیبی از متغیرهای مستقل X هستیم که همبستگی بین متغیرها وابسته Y را بیشینه نماید. فرض کنید u1=Xb1 نمایانگر اولین تکریب خطی از اولین دسته متغیرها باشد و فرض کنید t1=Ya1 نمایانگر اولین ترکیب خطی از دومین دسته متغیرها باشد. هدف ما یافتن b1,a1 به نحوی است که همبستگی متغیرهای کانونیکال t1 وu1 یعنی r(t1,u1) را بیشینه نماید. Choose a1,b1 to maXimize r(t1,u1) فرض کنید t2=Y a2 ,u2=Xb2 بیانگر دومین زوج از متغیرهای کانونیکال باشد. هدف بیشینه کردن همبستگی بین u2,t2 یعنی r(t2,u2).Choose a2,b2 to maXimize r(t2,u2) Such that R(t1,t2)=0 and r(u1,u2)=0