Regressioonimudel avaldub võrrandina: y = 1,930+2,085x Statistilised meetodid ja mudelid ning nende rakendamine materjalitehnoloogia valdkonnas Materjalitehnoloogia Tallinna Tehnikaülikoolis keskendub eelkõige puidu ja plasti uurimisele, kuid ei jäta tähelepanuta ka muid üldkasutatavaid materjale. Ainete omaduste uurimine on vajalik toore materjali tootmisest kuni valmis toote vormimiseni. Nii uute materjalide väljatöötlemisel kui ka olemasolevate katsetamisel on statistika aja kokkuhoiuks vajalik. Rakendusstatistika põhiline eesmärk on andmete kogumine ja kirjeldamine. Andmeid saab koguda kaht eri viisi: eksperimentaalselt ja loomulikult. Esimesel juhul katseandmeid mõjutatakse soovitavas suunas. Uute toodete ning nende materjalide katsetamist võib läbi viia kahel eri viisil. Näiteks puidust vibu katsetamine maksimaalsete painutamistsüklite uurimiseks viiakse tavaliselt läbi vastavate masinatega, kuna katse võib
Eksponentkeskmist kasutatakse, kui on tegemist: 1. Keskmise taseme leidmisega väga pikkades aegridades 2. Keskmise taseme leidmisega momentreas ja ajavahemikud on võrdsed 3. Keskmise taseme leidmisega perioodreas ja perioodid ei ole võrdsed 4. Aegreaga ja väärtuste standardhälbe arvutamise juures 5. Aegreaga ja selle tasandamise juures Valimivaatluse korral 1. Usalduspiiride laius sõltub väärtuste varieerumisest 2. Suurema valimi kasutamisel usalduspiirid laienevad 3. Valitud usaldatavus ei avalda mõju moodustatava valimi suurusele 4. Keskmine esindusviga ei sõltu valimi suurusest 5. Suurem valimi kasutamine vähendab väärtuste varieerumist üldkogumis Esindusviga on oma sisult: 1. Viga mis tekib aritmeetilise keskmise ebatäpsuse tulemusena 2. Kõikide võimalike esindusvigade harmooniline keskmine 3. Väljavõtukogumi ja üldkogumi struktuurid erinevuse tulemusel tekkinud ebatäpsus 4. Ei ükski eelnevatest
Sissejuhatus - Test 1 1. Järjesta skaalad informatiivsuse järgi, alustades kõige vähem informatiivsemast a. kõige vähem informatiivsem nimiskaala b. suurema informatiivsusega järjestusskaala c. kõige informatiivsem intervallskaala 2. Uuringufirma viib Eesti elanikkonna hulgas läbi tööjõu-uuringut. Vali õiged terminid, mis tähistavad toodud mõisteid. a. Eesti elanik objekt b. Uuringu teostamiseks kasutatakse intervjuusid mõõtmismeetod c. Tallinna elanikud osakogum d. need isikud, keda küsitletakse valim e. Intervjuul esitatavate küsimuste komplekt mõõtmisvahend f. Eesti elanikkond üldkogum g. inimese vanus tunnus h. need inimesed, kelle sissetulek on väiksem kui 5000 kr osakogum i. inimese sissetulek tunnus 3. Milliste vaatlustega on tegemist? a. küsimustiku
Rakendusstatistika arvutusgraafilise töö andmed ja lahenduse kontrollelemendid MHT/2010 Üliõpilane: Üliõpilaskood: Lahenduse esitamiskuupäev: Andmete kood: Andmed Andmed-A: valim A mahuga N=25 (arvkarakteristikud, jaotuse analüüs, dispersioonanalüüs) 16 35 38 49 51 69 1 69 19 87 3 44 24 84 7 41 41 10 79 15 87 82 5 76 1 8 8 Andmed-B: valimid B1 ja B2 (regressioonimudeli leidmine ja analüüs) xi 4,0 1,0 5,0 3,0 2,0 yi 0,1 5,5 0,2 1,2 3,5 Valim B1: Paarisvalim (xi, yi) regressioonimudeli leidmiseks (mahuga N=5) Valim B2: Korduskatsete sari väljundi dispersiooni leidmiseks (mahuga w=7) 3,3 2,0 4,6 3,9 3,0 2,7 6,3 Lahenduse kontrollelemendid Ülesanne/alamülesanne 1 Keskväärtus: Dispersioon:814,0567 Standardhälve:28,53 Mediaan: Me = 41 Haare: 2
Õpilaste matemaatika ja füüsika kontrolltööde hinded on järgmised: Mate- Füüsika maatika 5 4 2 4 4 5 3 4 2 4 4 5 4 5 5 4 5 5 4 5 2 3 4 5 3 4 4 4 4 4 4 4 3 5 2 5 3 5 2 3 2 2 4 5 2 3 4 5 4 4 Õpilaste matemaatika ja füüsika kontrolltööde hinded NB! Kleebi väärtused töölehelt Andmed on järgmised: Mate- Füüsika maatika 5 4 2 4 4 5 3 4 2 4 4 5 4 5 5 4 5 5 4 5 2 3 4 5 3 4 4 4 4 4 4 4 3 5 2 5 3 5 2
Statistika üldiseks eesmärgiks on: asjakohastest eeldustest lähtudes leida vaadeldava stohhastilise objekti kohta mingi tõenäosuslik mudel, sh hinnates mudeli arvparameetreid ja kontrollides erinevaid hüpoteese objekti mudeli kohta. Mediaani hinnang: - kasvavalt järjestatud valimi keskelement (kui valimi maht on paaritu arv) - kasvavalt järjestatud valimi keskelementide poolsumma (kui valimi maht on paarisarv) Haare: valimi suurima ja vähima elemendi vahe Statistika põhiteoreem: Empiiriline jaotusfunktsioon FN(x) on teoreetilise (üldkogumi) jaotusfunktsiooni F(x) nihutamata ja mõjus hinnang. Histogramm: Histogramm on enimkasutatav (üldkogumi) jaotustiheduse hinnang. Histogrammi kasutatakse ettekujutuse saamiseks üldkogumi jaotusseadusest ning ta kujutab endast tulpdiagrammi, mille tulpade kõrgused näitavad vastavasse vahemikku sattumise sagedust. 2-jaotus on kasutusel normaaljaotusega juhusliku suuruse dispersiooni hinnangu jaoks usaldusvahemike arvutamisel. t-jaotus (S
võrreldavad ehk identsed, objektiivsed ja mõistetavad. Hulk - objektide või sündmuste kogu, mida käsiteltakse kui tervikut. Näiteks: Üliõpilased Statistika loengus. Element üksikobjektid või sündmused Tunnus konkreetne objektiomadus, mis iseloomustab elementi . Näiteks; pikkus, laius, kõrgus, kaal, kiirus, vanus, maht, saagikus, tootlikus, käive , jne . Tunnused võivad varieeruda ehk erineda. Tunnused on väärtused ja statistika peab seda väga tähtsaks. 1. Nominaalväärtus 2. Ordinaalväärtus 3. Meetriline väärtus 4. Hierarhiline väärtus (järjestusväärtus) 5. Empiiriline väärtus Valim on statistiline termin, mis näitab kui suur osa üldkogumist on haaratud uuringuga. Sündmused võivad olla: 1. Võimatud Mikk Pahapill ei saavuta 10 k punkti 2. Juhuslikud 3. Kindlad Juhuslikel suurustel on piirid
45.04 Keskväärtus 45 ül4 1 Dispersioon 1167.833 1164.123 intervalli 4 Mediaan 38 1 6 Haare 97 2 7 t-statistik -0.706614 3 10 μ 50 4 11 5 12 1.7108820667 15 20 25 0.4780363352 10 H 27 0.4168338365 9 33 1.710882 8 38 36.41503 7 46 13.84843 52 1164.123 6 62 34.11925 5 62 4 71 74 3 80 2 87 1 94
Kõik kommentaarid