این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران، جلد ۶۵، شماره ۷، صفحات ۲۴-۲۷
عنوان فارسی روش‌های تعیین داده‌های پرت در مطالعات پزشکی
چکیده فارسی مقاله مشاهده‌ای که معمولا˝ نسبت به مقادیر دیگر در بین مجموعه داده‌ها بزرگتر یا کوچکتر است، داده پرت نامیده می‌شود. وجود داده‌های پرت در اکثر موارد منجر به اختلال در نتـیجه‌گیری از اطلاعات خواهد شد. شناسایی داده‌های پرت توسط پژوهشگران و کلیه کسانی‌که به نوعی با اطلاعات جمع‌آوری شده سر و کار دارند، حائز اهمیت است باید از وجود یا عدم وجود داده‌های پرت، چگونگی تاثیرگذاری و نحوه رفع داده‌های پرت اطلاع حاصل نموده و داده‌ها را کنترل کنند. در این مقاله سعی شده با ارائه تکنیک‌های شناسایی داده‌های پرت و نحوه برخورد با این نوع از داده‌ها، خطای ناشی از وجود چنین داده‌هایی را به حداقل برسانیم. روش بررسی: در این مقاله تکنیک‌های مختلف تعیین داده‌های پرت بر روی قد 30 نفر از دانشجویان دانشکده پزشکی دانشگاه تربیت مدرس تهران که توسط متر خیاطی و با قرار دادن فرد در روی یک سطح صاف، اندازه‌گیری شدند مورد بررسی قرار گرفتند. از جمله این تکنیک‌ها می‌توان به آزمون Z، آزمون گراب و روش‌های گرافیکی اشاره نمود. یافته‌ها: تکنیک‌های فوق بیانگر وجود داده‌های پرت در مشاهدات 153 و 110 مربوط به قد افراد، بودند که با استفاده از جدول و نمودار نشان داده شد. نتیجه‌گیری: نتایج پژوهش نشان داد که همه تکنیک‌ها در تعیین داده‌های پرت مفید بودند و از این میان استفاده از چارک‌ها در شناسایی داده‌های پرت خفیف و شدید از اهمیت بالایی برخوردار هستند. همچنین آزمون گراب با در اختیار گذاشتن سطح معنی‌داری (p-value)، در شناسایی داده‌های پرت بسیار مفید است.
کلیدواژه‌های فارسی مقاله داده پرت، چارک ها، آزمون گراب
عنوان انگلیسی Detection of Outliers methods in medical studies
چکیده انگلیسی مقاله Background: An outlier is an observation that lies an abnormal distance from other values in a random sample from a population. Outliers sometimes deal with to abnormality in obtained results from collected data and information. known outlier data by researchers, physicians and other persons that work in medical fields and sciences is important and they must control data before getting result about outlier data, effect of them in information bias and how to remove & control to obtain minimum bias and exact data .in this paper we had trying by known technique and tests to control them and minimized the errors related to them. Methods: This paper has been done on 30 student's height in Tarbiat Modares University that measured by meter in smoothing area. We applied some methods such as Z-test, Grub test and graphical methods to determine outliers. In this paper the advantage and disadvantage of methods were evaluated and finally compares with each other. Results: The above tests showed that the data values 153, 110 among collected data were outliers. All of the methods showed that the above data were outliers. Calculation quartiles and intermediate quartiles showed that the observations under 125 and upper 141 were mind outliers and if the observation under 119 and upper 147 is the sever outliers. According to upper situations the amounts of 110 and 153 is the sever outliers and resulted from all methods. Conclusion: The results showed that all methods were useful in determine outlier data and between them Quartiles were important to known severe and mild outliers. Also Grub test with p-Value is very useful to report outliers.
کلیدواژه‌های انگلیسی مقاله Outlier, quartiles, grubs test
نویسندگان مقاله غلامرضا بابایی | babaee gh


فیروز امانی | amani f


اکبر بیگلریان | biglarian a


مریم کشاورز | keshavarz m


نشانی اینترنتی http://tumj.tums.ac.ir/browse.php?a_code=A-10-25-753&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات