Data analysis Dz

ماهو Random forest :

هي خوارزمية في تعلم الآلة تعتمد على إنشاء عدد كبير من أشجار القرار (Decision Trees)، ثم تجمع نتائجها للحصول على قرار أكثر دقة واستقرارًا.

لنفترض أن بنكًا يريد تحديد ما إذا كان سيمنح قرضًا لعميل جديد.

بيانات العميل:

العمر: 35 سنة
الدخل: 80,000 دولار سنويًا
الديون: منخفضة

يقوم Random Forest بإنشاء عدة أشجار قرار:

الشجرة 1: ✅ يمنح القرض
الشجرة 2: ✅ يمنح القرض
الشجرة 3: ❌ لا يمنح القرض
الشجرة 4: ✅ يمنح القرض
الشجرة 5: ✅ يمنح القرض

القرار النهائي: يمنح القرض، لأن 4 من أصل 5 أشجار صوتت بـ"نعم".

What is Random Forest ??

Random Forest is a machine learning algorithm that builds many Decision Trees and combines their predictions to produce a more accurate and reliable result.

Suppose a bank wants to decide whether to approve a loan.

Customer information:

Age: 35 years
Annual income: $80,000
Debt: Low

The Random Forest model creates several decision trees:

Tree 1: ✅ Approve
Tree 2: ✅ Approve
Tree 3: ❌ Reject
Tree 4: ✅ Approve
Tree 5: ✅ Approve

Final decision: Approve the loan, because 4 out of 5 trees voted "Approve."

📊 خريطة مبسطة لاختيار الاختبار الإحصائي في SPSS

إذا كنت طالب أو باحث وتحتار في اختيار الاختبار المناسب، هذه الخريطة ستختصر عليك الطريق 👇

✔ حدّد هدفك: وصف، مقارنة، علاقة أو تأثير
✔ تعرّف على نوع المتغيرات: نوعي أو كمي
✔ اختر الاختبار المناسب بسهولة (t-test، ANOVA، Correlation، Regression، Chi-square)

تذكّر: الاختيار الصحيح للاختبار = نتائج علمية صحيحة


#الإحصاء

#طلبة

📊 A Simple Guide to Choosing the Right Statistical Test in SPSS

If you're a student or researcher struggling with selecting the right test, this visual guide will help you 👇

✔ Define your goal: Description, Comparison, Relationship, or Impact
✔ Identify your variables: Qualitative or Quantitative
✔ Easily choose the right test (t-test, ANOVA, Correlation, Regression, Chi-square)

💡 Remember: Choosing the right test = reliable results

Python Quick Learning Challenge ✅

📊 ما هو Machine Learning with Python؟

تعلم الآلة باستخدام بايثون هو ببساطة طريقة ذكية لجعل الحاسوب يتعلم من البيانات ويُحلّلها ثم يتنبأ بالنتائج دون برمجته خطوة بخطوة.

تمر العملية بعدة مراحل أساسية:
أولاً: معالجة البيانات (Data Preprocessing) حيث نقوم بتنظيف البيانات، إزالة الأخطاء، واختيار المعلومات المهمة فقط.
مثال: حذف القيم غير المنطقية من بيانات المبيعات أو العملاء.

ثانياً: أنواع تعلم الآلة:
✅ التعلم الموجّه (Supervised Learning): مثل التنبؤ بأسعار المنازل اعتماداً على بيانات سابقة.
✅ التعلم غير الموجّه (Unsupervised Learning): مثل تقسيم الزبائن إلى فئات حسب سلوك الشراء.
✅ التعلم بالتعزيز (Reinforcement Learning): مثل تدريب روبوت أو نظام ذكي عبر المكافأة والتجربة.

ثالثاً: بناء النموذج باستخدام Python حيث نقوم بتدريب النموذج (Train)، ثم اختباره (Test)، وبعدها استعماله للتنبؤ (Predict).

رابعاً: تقييم النموذج (Model Evaluation) عبر قياس الدقة (Accuracy) وتحليل النتائج للتأكد من أن النموذج يعطي تنبؤات موثوقة.

💯 مثال واقعي:
يمكن استخدام Machine Learning with Python للتنبؤ بالمبيعات، تحليل سلوك العملاء، اكتشاف الاحتيال، وحتى دعم القرارات الاقتصادية.

باختصار:
البيانات + التحليل الذكي + بايثون = تنبؤات وقرارات أكثر ذكاءً

📊 What is Machine Learning with Python?

Machine Learning with Python is a smart way to teach computers to learn from data, analyze patterns, and make predictions without being explicitly programmed step by step.

The process goes through key stages:
First: Data Preprocessing, where we clean the data, remove errors, and select the most important features.
Example: Cleaning customer or sales datasets before analysis.

Second: Types of Machine Learning:
✅ Supervised Learning: such as predicting house prices using historical data.
✅ Unsupervised Learning: such as customer segmentation based on buying behavior.
✅ Reinforcement Learning: where systems learn through rewards and trial-and-error.

Third: Building models with Python by training the model (Train), testing its performance (Test), and using it to make predictions (Predict).

Fourth: Model Evaluation, where we measure accuracy, precision, and overall performance to ensure reliable results.

💯 Real-world examples:
Machine Learning with Python is widely used for sales forecasting, customer analysis, fraud detection, and data-driven decision-making.

In short:
Data + Intelligent Analysis + Python = Smarter Predictions & Better Decisions .

هل يجب على طالب الاقتصاد الذي يتعلم بايثون أن يصبح مبرمجًا؟ او ليس بالضرورة.

الأولوية لطالب الاقتصاد هي تحليل البيانات و فهم قواعد البيانات، اختبار الفرضيات، تفسير النتائج، التنبؤ بالاتجاهات، ودعم القرار بأدلة رقمية ، هنا تكمن القيمة الحقيقية للاقتصادي.

👈 البرمجة المتعمقة جدا و انشاء المواقع و التطبيقات وغيرها تهم أكثر طلبة الإعلام الآلي، لكن تعلّم أساسيات البرمجة يبقى أمرًا مهمًا أيضا لطالب الاقتصاد ، لأنه يساعد على فهم الأدوات، أتمتة بعض المهام، وتعزيز الاستقلالية في العمل.
👈 البرمجة مكمل ذكي للتكوين وليست الهدف الأساسي لطالب الاقتصاد

Should an economics student who learns Python become a programmer? Not necessarily.

For an economics student, the priority is data analysis: understanding databases, testing hypotheses, interpreting results, forecasting trends, and supporting decisions with quantitative evidence. This is where the real value of an economist lies.

👉 Advanced programming, such as building websites and applications, is more relevant to computer science students. However, learning the fundamentals of programming remains important for economics students, as it helps them understand tools, automate certain tasks, and become more independent in their work.

👉 Programming is a smart complement to their education, not the primary goal for an economics student.

واش نقدر ندير بالبايتون؟ 🤔
الجواب بسيط: تقريباً كل شيء!
من تحليل البيانات والذكاء الاصطناعي، إلى تطوير الويب، الألعاب، الأمن السيبراني، الأتمتة والبحث العلمي… بايثون تفتح لك أبواب واسعة في عالم التكنولوجيا.
إذا حاب تبدأ رحلتك في البرمجة، بايثون هي أفضل نقطة انطلاق

What can you do with Python? 🤔
The answer: almost everything!
From data analysis and artificial intelligence to web development, game development, cybersecurity, automation, and scientific research Python opens endless opportunities in the tech world.
If you're thinking about starting your coding journey, Python is a powerful place to begin

Computer Languages and their founders
لغات البرمجة و أسماء مؤسسيها

Data alone is just noise.
When we sort it, organize it, visualize it, and explain it with a story, it becomes insight.

📊 Data doesn’t speak by itself , we give it meaning

البيانات وحدها مجرد فوضى.
عندما نرتّبها، ننظّمها، نعرضها بصريًا، ونروي قصتها تتحول إلى معرفة ذات معنى.

📊 البيانات لا تتكلم… نحن من نمنحها المعنى.

Python basic

كتاب الاقتصاد القياسي التمهيدي للمالية بالإنجليزية الطبعة الرابعة باستخدام عدة برامج احصائية:

1- باستخدام برنامج EViews:
https://drive.google.com/file/d/16hCioCD4-b3SW_QEWKUYsDJ65NB7kvGk/view?usp=drivesdk

2- باستخدام برنامج R:
https://drive.google.com/file/d/16SmTaop7r_YDLLAE8cYtcw7tReNN8uH6/view?usp=drivesdk

3- باستخدام برنامج Stata:
https://drive.google.com/file/d/16WuWbbu1bRQhxCEhsS9w-pWZhj9hwPQd/view?usp=drivesdk

4- باستخدام برنامج Python:
https://drive.google.com/file/d/16Z-_mLY_UCLRduedwVt4HauFqPCScq12/view?usp=drivesdk

بالتوفيق