50 punkti
Autor soovib selle materjali allalaadimise eest saada 50 punkti.
~ 7 lehte
Lehekülgede arv dokumendis
2015-11-09
Kuupäev, millal dokument üles laeti
10 laadimist
Kokku alla laetud
0 arvamust
Teiste kasutajate poolt lisatud kommentaarid
Aigar Nõgene
Õppematerjali autor
Histogrammi vaadates näeme, et antud valimi puhul ei ole tegemist normaaljaotusega. Näeme, et palju tulemusi asetseb keskmisest kaugel. Noraamljaotuse puhul asetseksid enamuses tulemustest aga keskmise läheduses ning kaugel olevate tulemuste osakaal oleks väike. Histogrammilt ilmnebki, et palju tulemusi ei paikne arvutatud keskmise tulemuse ligiduses, seega on alust arvata, et tegu ei ole normaaljaotusega. Samuti on Tabelis 1 leitud järsakuse kordaja väärtusega -0,9. Normaaljaotuse korral peaks see olema 0. Mõõtmiste täpsuse kohta võib histogrammi põhjal öelda, et tegemist ei ole täpsete mõõtmistega, sest tulemused erinevad keskmisest liialt palju. Histogram 12 10 8 6 4 2 0 Sagedus Sekundid Joonis 2. Valimi histogramm ette antud sagedusintervallidega.
testimisel. Sellest leitakse kriitilised väärtused, olulisuse tõenäosus 11. Hinnangu asümptootiline efektiivsus. Mõjusat hinnangut nimetatakse asümptootiliselt efektiivseks (asymptotically efficient), kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt normaaljaotusega hinnangu dispersioonist. Näiteks mõningad suurima tõepära meetodil leitud hinnangud. 12. Hüpoteeside kontrollimine: otsuse vastuvõtmine, kui on antud teststatistiku empiiriline ja kriitiline väärtus. ● Nullhüpotees: miski võrdub millegagi (erinevus on null) – kogumi keskväärtus μ = μ0 – kogumi A keskväärtus = kogumi B keskväärtus – mudeli parameeter β = 0 ● Sisukas (alternatiivne) hüpotees: võrdus ei kehti ● Otsustamiseks kasutatakse juhuvalimit. ● Juhuvalimi keskväärtus on juhuslik suurus, st erineb arvust μ. ● Kuidas otsustada, kas
..........................................................................11 3.2. Monotoonne sõltuvus.........................................................................................................12 3.3. Korrelatiivne sõltuvus........................................................................................................12 3.4. Lineaarne ühe argumendiga regressioonmudel................................................................. 13 4. Üldkogumile tulemuste leidmine (üldistamine)................................................................... 14 4.1. Normaaljaotus....................................................................................................................14 4.2. Keskväärtuse (keskmise) usaldusvahemik.........................................................................16 4.3. Statistiliste hüpoteeside kontrollimine...............................................................................16 4.3.1
5 Asümmeetria näitab jaotuse sümmeetrilisust. Sümmeetriliste jaotuste puhul iga x asümmeetria võrdub nulliga. Kui erineb nullist, siis tema märkr näitab, kumb jaotuse saba on suhteliselt väljavenitatum: negatiivne asümmeetria puhul on pikem vasakpoolne saba, positiivse puhul parempoolne saba. Ekstsess näitab jaotuse sabade suhtelist väljavenitatust võrreldes normaaljaotusega. Normaajaotuse korral ekstsess võrdub nulliga. Kui jaotuse sabad kahanevad kiiremini kui normaaljaotuse korral, on ekstsess negatiivne.Kui aeglasemalt, siis positiivne. Moodiks nim diskreetse juhusliku suuruse puhul suurima tõenäosusega juhusliku suuruse väärtust, pideva jaotuse korral jaotustiheduse graafiku maksimumkohta. Positiivsete juhuslike suuruste korral kasutatakse juhusliku suuruse suhtelise hajuvuse iseloomustamiseks variatsioonitegurit, mis defineeritakse standardhälbe ja keskväärtuse suhtena v=sigma/müüga.
Kui a
ja b on võimalikud, on võimalik ka iga c, mis kuulub vahemikku a-st b-ni: c(a,b). Pideva
juhusliku suurusega saab esitada näiteks: Inimese pikkus, Välistemperatuur, Asjade kaal
Pideva juhusliku suuruse korral on iga üksiku väärtuse tõenäosus null. Seega leiame hoopis
tõenäosuse, et juhuslik suurus asub teatud vahemikus:
P(173,5
valimjaotus läheneb valimi mahu kasvamisel normaaljaotusele. Asümptootilist jaotust kasutatakse parameetrite hinnangute standardvigade leidmisel. 11. Hinnangu asümptootiline efektiivsus. Mõjusat hinnangut nimetatakse asümptootiliselt efektiivseks (asymptotically efficient), kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt normaaljaotusega hinnangu dispersioonist. 12. Hüpoteeside kontrollimine: otsuse vastuvõtmine, kui on antud teststatistiku empiiriline ja kriitiline väärtus Nullhüpotees: miski võrdub millegagi (erinevus on null) kogumi keskväärtus µ = µ0 kogumi A keskväärtus = kogumi B keskväärtus mudeli parameeter = 0 · Sisukas (alternatiivne) hüpotees: võrdus ei kehti. · Otsustamiseks kasutatakse juhuvalimit. · Juhuvalimi keskväärtus on juhuslik suurus, st erineb arvust µ
Asümmeetria näitab jaotuse sümmeetrilisust. Sümmeetriliste jaotuste puhul iga x asümmeetria võrdub nulliga. Kui erineb nullist, siis tema märkr näitab, kumb jaotuse saba on suhteliselt väljavenitatum(raskem): negatiivne asümmeetria puhul on pikem vasakpoolne saba, positiivse puhul parempoolne saba. Ekstsess näitab jaotuse sabade suhtelist väljavenitatust võrreldes normaaljaotusega. Normaajaotuse korral ekstsess võrdub nulliga. Kui jaotuse sabad kahanevad kiiremini kui normaaljaotuse korral, on ekstsess negatiivne.Kui aeglasemalt, siis positiivne. Asümmetria ja ekstsess on dimensioonivabad arvkarakteristikud. Moodiks nim diskreetse juhusliku suuruse puhul suurima tõenäosusega juhusliku suuruse väärtust, pideva jaotuse korral jaotustiheduse graafiku maksimumkohta. Positiivsete juhuslike suuruste korral kasutatakse juhusliku suuruse suhtelise hajuvuse iseloomustamiseks variatsioonitegurit, mis defineeritakse standardhälbe ja keskväärtuse suhtena v=sigma/müüga.
ANDMEANALÜÜSI KONSPEKT Sisukord Andmefailid SPSS'is................................................................................................ 2 Normaaljaotuse kontroll.......................................................................................... 2 ANOVA vs T-test...................................................................................................... 2 ANVOA või regressioonanalüüs............................................................................... 3 Efekti suurus........................................................................................................... 3 Andmeanalüüs SPSS'is........................................................................................... 4 Kirjeldav statistika............................................................................................... 4 Kuidas testida normaaljaotust?.........................................................................
annaabi.ee 
Sisene Facebook'ga
Sisene Google'ga
Sisene LinkedIn'ga
Kõik kommentaarid