دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Tetsuya Sakai
سری: The Information Retrieval Series Vol 40
ناشر: Springer
سال نشر: 2018
تعداد صفحات: 157
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Laboratory Experiments in Information Retrieval: Sample Sizes, Effect Sizes, and Statistical Power به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب آزمایش های آزمایشگاهی در بازیابی اطلاعات: اندازه نمونه ، اندازه اثر و قدرت آماری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب با پوشش جنبههایی از اصول و محدودیتهای آزمونهای معنیداری آماری تا طراحی اندازه مجموعه موضوع و تجزیه و تحلیل توان، خوانندگان را به آزمایشهای آماری به خوبی طراحی شده راهنمایی میکند. اگرچه آزمونهای معنیداری آماری کلاسیک تا حدی در ارزیابی بازیابی اطلاعات (IR) مفید هستند، اما میتوانند به تحقیقات آسیب بزنند مگر اینکه بهطور مناسب با حجم نمونه و قدرت آماری مناسب و مگر اینکه نتایج آزمون به درستی گزارش شود. نیمه اول کتاب عمدتاً دانشجویان مقطع کارشناسی را هدف قرار داده است و نیمه دوم برای دانشجویان کارشناسی ارشد و محققانی مناسب است که به طور منظم آزمایشهای آزمایشگاهی را در IR، پردازش زبان طبیعی، توصیهها و زمینههای مرتبط انجام میدهند. برای مقایسه معنیهای سیستم، یعنی آزمونهای t و ANOVA، و نشان میدهد که چگونه میتوان آنها را با استفاده از Microsoft Excel یا R انجام داد. این فصلها همچنین چند روش مقایسه چندگانه را برای محققانی که علاقهمند به مقایسه هر جفت سیستم هستند، از جمله یک تصادفیسازی شده، مورد بحث قرار میدهد. نسخه تست تفاوت معنادار صادقانه توکی. سپس فصلها به محدودیتهای شناخته شده آزمون اهمیت کلاسیک میپردازند و دستورالعملهای عملی برای گزارش نتایج تحقیق در مورد مقایسه میانگینها ارائه میکنند. فصل 6 و 7 قدرت آماری را مورد بحث قرار می دهد. فصل 6 طراحی اندازه مجموعه موضوعات را معرفی می کند تا سازندگان مجموعه آزمایشی را قادر سازد تعداد مناسبی از موضوعات را برای ایجاد تعیین کنند. خوانندگان به راحتی می توانند از ابزارهای اکسل نویسنده برای طراحی اندازه مجموعه موضوعات بر اساس آزمون های t زوجی و دو نمونه ای، ANOVA یک طرفه و فواصل اطمینان استفاده کنند. فصل 7 روش های مبتنی بر تحلیل توان را برای تعیین اندازه نمونه مناسب برای یک آزمایش جدید بر اساس آزمایش مشابهی که در گذشته انجام شده است، شرح می دهد، نحوه استفاده از ابزارهای R نویسنده برای تحلیل توان و نحوه تفسیر نتایج را شرح می دهد. مطالعات موردی از IR برای طراحی اندازه مجموعه موضوعات مبتنی بر Excel و تجزیه و تحلیل توان مبتنی بر R نیز ارائه شده است.
Covering aspects from principles and limitations of statistical significance tests to topic set size design and power analysis, this book guides readers to statistically well-designed experiments. Although classical statistical significance tests are to some extent useful in information retrieval (IR) evaluation, they can harm research unless they are used appropriately with the right sample sizes and statistical power and unless the test results are reported properly. The first half of the book is mainly targeted at undergraduate students, and the second half is suitable for graduate students and researchers who regularly conduct laboratory experiments in IR, natural language processing, recommendations, and related fields.Chapters 1-5 review parametric significance tests for comparing system means, namely, t-tests and ANOVAs, and show how easily they can be conducted using Microsoft Excel or R. These chapters also discuss a few multiple comparison procedures for researchers who are interested in comparing every system pair, including a randomised version of Tukey's Honestly Significant Difference test. The chapters then deal with known limitations of classical significance testing and provide practical guidelines for reporting research results regarding comparison of means. Chapters 6 and 7 discuss statistical power. Chapter 6 introduces topic set size design to enable test collection builders to determine an appropriate number of topics to create. Readers can easily use the author's Excel tools for topic set size design based on the paired and two-sample t-tests, one-way ANOVA, and confidence intervals. Chapter 7 describes power-analysis-based methods for determining an appropriate sample size for a new experiment based on a similar experiment done in the past, detailing how to utilize the author's R tools for power analysis and how to interpret the results. Case studies from IR for both Excel-based topic set size design and R-based power analysis are also provided.
Front Matter ....Pages i-ix
Preliminaries (Tetsuya Sakai)....Pages 1-25
t-Tests (Tetsuya Sakai)....Pages 27-41
Analysis of Variance (Tetsuya Sakai)....Pages 43-58
Multiple Comparison Procedures (Tetsuya Sakai)....Pages 59-80
The Correct Ways to Use Significance Tests (Tetsuya Sakai)....Pages 81-98
Topic Set Size Design Using Excel (Tetsuya Sakai)....Pages 99-132
Power Analysis Using R (Tetsuya Sakai)....Pages 133-145
Conclusions (Tetsuya Sakai)....Pages 147-148
Back Matter ....Pages 149-150