توسعه روش‌شناسی تحلیل آماری

1. جایگزین کنید قسمت‌های داخل کروشه مانند \[توضیح مجموعه داده] و \[هدف تحقیقاتی یا تجاری] با اطلاعات دقیق و مرتبط.
2. جزئیات کامل در مورد اندازه داده‌ها، متغیرها و داده‌های گم‌شده ارائه دهید تا خروجی دقیق‌تر شود.
3. مشخص کنید تحلیل مورد نظر اکتشافی، استنباطی یا پیش‌بینی است.
4. از پرامپت‌های پی‌درپی برای جزئیات بیشتر هر مرحله مانند استراتژی نمونه‌گیری یا بررسی فروض استفاده کنید.
5. از توصیف‌های مبهم خودداری کنید؛ ورودی دقیق باعث خروجی روشن‌تر و عملی‌تر می‌شود.
6. نتایج را به دقت بررسی کرده و پیشنهادهای AI را با اصول آماری استاندارد تطبیق دهید.

طراحی مطالعات تحقیقاتی دانشگاهی یا سازمانی
توسعه داشبوردهای هوش تجاری با پشتیبانی آماری
مدل‌سازی پیش‌بینی فروش یا رفتار مشتریان
ارزیابی اثرات درمانی در مطالعات پزشکی
پیاده‌سازی تست‌های A/B در بازاریابی
تحلیل ساختاری داده‌های مالی برای ارزیابی ریسک
تولید گزارش‌های تحلیلی بازتولیدپذیر برای مدیریت
پشتیبانی از تحلیل سیاست‌ها و تصمیم‌گیری مبتنی بر داده

متغیرها را با جزئیات کامل توضیح دهید تا پیشنهادهای دقیق‌تری دریافت کنید.
مشخص کنید که آیا نیاز به آزمون فرض، تحلیل همبستگی یا مدل‌های پیش‌بینی دارید.
از تکرار و اصلاح تدریجی استفاده کنید: ابتدا روش‌شناسی تولید شود، سپس هر مرحله تفصیل یابد.
از AI بخواهید نتایج را به صورت جدول یا نمودار ارائه دهد.
پیشنهادها را با مراجع آماری استاندارد اعتبارسنجی کنید.
روش‌شناسی‌های جایگزین را درخواست کنید تا رویکردهای مختلف را مقایسه و بهینه کنید.