شاید یکی از زیباترین تکات آموزنده زندگی را ادوارد اریش گفته است مثلاْ می گوید:

من ادوارد ادیش هستم که برای شما می نویسم ، یکی از بزرگترین تاجران امریکایی با سرمایه ای هنگفت و حساب بانکی که گاهی خودم هم در شمردن صفرهای مقابل ارقامش گیج می شوم !

یادم هست وقتی بیست ساله بودم خیال می کردم اگر روزی به یک چهلم سرمایه فعلیم برسم خوشبخترین و موفقترین مرد دنیا خواهم بود و عجیب است که حالا با داشتن سرمایه ای چهل برابر بیشتر از آنچه فکر می کردم باز از این حس زندگی بخش در وجودم خبری نیست

کاش همین حالا یکی بیاید تمام ثروت مرا بردارد و به جایش آرام حتی شده به دروغ ! درون گوشم زمزمه کند دوستم دارد ،

 کاش یکی بیاید و در این تنهایی پر از مرگ مرا از تنهایی و تنهایی را از من نجات دهد ، بیاید و به من بگوید که روزی مرا دوست داشته است ، بگوید بعد از مرگ همواره به خاطرش خواهم ماند ، بگوید وقتی تو نباشی چیزی از این زندگی ، چیزی از این دنیا ، از این روزها کم می شود

====
راستی من کجای دنیا بودم ؟

آهای آدمها ، کسی مرا یادش هست ؟؟؟

اگر هست تو را به خدا یکی بیاید و در این دقایق پر از تنهایی به من بگوید که مرا دوست داشته است ...
برای مطالعه بخشی از وصیت های او به وبلاگ دوست عزیزم آقای بهجتی مراجعه کنید:

 

بسیاری از کسانی که با داده هایی سرو کار دارند که در نهایت می خواهند از آنها مدلهای مبتنی بر پذیره نرمال بودن داده ها برازش داهند مانند مدلهای رگرسیونی خطی و...  یا آنکه آزمونهایی انجام دهند که نیازمند آن است که در درجه اول داده ها نرمال باشند. دوست خوبم آقای احسان صباغیان در این باره مطلب مفیدی در وبلاگ خود ارائه داده اند که برای نشر آن آدرس مطلب را در ادامه آورده ام:

 

http://ehsanbiostat.blogfa.com/post-51.aspx

خوبی توضیحات آقای صباغیان ارائه منابع اطلاعات است.

برای بسیاری از کسانی که از آزمون آنوا استفاده می کنند شاید این موضوع مهم و مفید باشد که آنوا در محاسباتش نسبت به جابجایی مکانی و معیار تغییر پذیری داده ها دارای خاصیت پایایی است.

به عبارتی شما می توانید با تغییر داده ها و کد بندی آنها را هرچقدر که لازم است ساده تر کنید به طوری که تبدیل اعداد به روش تقسیم (یاضرب ) و جمع آنها بر مقادیر واحد (ثابت عددی) میتواند اعداد ساده ای را در اختیار شما برای انجام محاسبات قرار دهد و محاسبات آنوا برای شما راحت تر کند. به این ترتیب نتیجه یکسان اما راحت تری پیش رو خواهید داشت. البته این هنوز یک ایده است و در آینده ای نزدیک محاسبات ریاضیاتی آنرا انجام خواهم داد.

همه می دونیم وقتی چند نمونه را مطالعه می کنیم و میخواهیم آزمون  میانگین بگیریم. اگر این چند نمونه تعدادش ۲ باشد با آزمون تی انجام پذیر است و برای تعداد بیشتر نمونه این کار با ازمون تحلیل واریانس یک طرفه انجام می شود. خوب برای دو نمونه هم می توانیم آزمون تحلیل واریانس یک طرفه انجام دهیم. تا اینجا هیچ بحثی نیست. حال اگر دو نمونه مورد نظر دارای واریانس جمعیت مجهول باشند چه کار می کردیم؟ با واریانس نمونه آزمون انجام میشد؟ خوب با پذیره برابری یا نابرابری واریانس جمعیت دو جامعه هم کار داشتیم و متناسب با هریک آزمون تی استیودنت جداگانه ای تعریف میشد. اما اما اما در تحلیل واریانس نرم افزار اکسل این شرط برابری یا نابرابری واریانس جمعیت برای انجام آزمون برقرار نیست. و صرفاْ بر پایه برابری واریانسهای دو جمعیت محاسبه می شود. کافی است برای امتحان کردن مسئله دو نمونه با واریانس های متفاوت معنی دار داشته باشید و هر دو روش را امتحان کنید
ادامه مطلب