Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Arvestustest KTK31 -katse-ülevaade". Need materjalid aitavad sul teemat sügavamalt mõista.
valige, valim, lahtrisse, variatsioonikordaja, variatsioonirea, protsentiil, kvartiil, regressioonikordaja, variatsioonireas, asümmeetria, variantide, standardhälve, 2021, lõpetatud, väärtustele, väited, asümmeetriakordaja, ootamisaeg, järjestatud, arvrea, haare, hajuvuse, rakendusstatistika, kirjeldamise, karakteristikud, protsentiilid00, maksimaalne 30.00 (93%) Tagasiside Suurepärane! Küsimus 1 Andmestik on antud jaotustabelina Õige Väärtus x i 2 1 4 0 Hindepunkte 1.00/1.00 Osakaal p i 0.1 0.3 0.2 0.4 Leida keskväärtus (vastuse lahtrisse sisestage ainult arv). Vastus: 1.3 Küsimus 2 Järgmine tabel näitab ühe väikse riigi nafta ostukogust ühe nädala jooksul ning barreli hinda kolmes erinevas kohas : Õige Allikas Mehhiko Kuveit Sularahaturg (Spot Market) Hindepunkte 1.00/1.00
Alustatud esmaspäev, 18. jaanuar 2021, 14.00 Olek Lõpetatud Lõpetatud esmaspäev, 18. jaanuar 2021, 14.22 Aega kulus 21 min 51 sekundit Hinne 27.25, maksimaalne 30.00 ﴾91%﴿ Tagasiside Suurepärane! Küsimus 1 Millise kujuga on uuritava tunnuse jaotus juhul, kui keskväärtus on oluliselt suurem kui mediaan? Õige Hindepunkte Valige üks: 1.00/1.00 a. Paremale kallutatud jaotus Märgi küsimus lipuga b. Vasakule kallutatud jaotus c. Sümmeetriline jaotus Küsimus 2 Millises vahemikus asub lineaarse korrelatsioonikodaja r väärtus? Õige Hindepunkte Valige üks: 1.00/1.00 a. 0 kuni 1 Märgi küsimus lipuga b. ‐1 kuni 1 c. ‐1 kuni 0
Mis on loogiline „1“? Valige üks või mitu: a. Omistamisoperatsioon b. Elektriahela katkestus c. Signaal, mis kannab mingit informatsiooni d. (Nominaalne) elektrivool ahelas Tagasiside Sinu vastus on õige. Õiged vastused on järgmised: (Nominaalne) elektrivool ahelas, Signaal, mis kannab mingit informatsiooni Küsimus 2 Õige Hindepunkte 1.00/1.00 Märgi küsimus lipuga Küsimuse tekst Baidi bittide arv Valige üks: a. 8 b. 65 536 c. 255 d. 16 Tagasiside Sinu vastus on õige. Õige vastus on: 8 Küsimus 3 Õige Hindepunkte 1.00/1.00 Märgi küsimus lipuga Küsimuse tekst Baidi diapasoon Valige üks: a. 0 - 16 b. 0 - 220 c. 0-8 d. 0 - 255 Tagasiside Sinu vastus on õige. Õige vastus on: 0 - 255 Küsimus 4 Õige Hindepunkte 1.00/1.00
protsentides. b. Tunnuse erinevate väärtuste esinemissagedust absoluutarvudes, suhtarvudes ning protsentides. c. Tunnuse erinevate väärtuste esinemissagedust ainult absoluutarvudes Väär Selle esituse hinded 0/1. Question 5 Punktid: 1 Millised järgmistest karakteristikutest on asendikarakteristikud? Vali üks või enam vastust. a. Mood b. Mediaan c. Keskväärtus d. Standardhälve e. Dispersioon f. Alumine kvartiil Osaliselt õige Selle esituse hinded 0.67/1. Question 6 Punktid: 3 Järgmine tabel näitab ühe väikese riigi nafta ostukogust ja hinda kolmes erinevas kohas ühe nädala jooksul: Allikas Mehhiko Kuveit Sularahaturg (Spot Market) Kogus (barrel) 1000 200 100
60 0.50 0.40 Osakaal 0.30 0.20 0.10 0.00 [155;162] (162;169] (169;176] (176;183] (183;190] (190;197] Pikkus 1 Alumine kvartiil: 2.75 2 2.75 3 4 4 7 8 37 väga hea keskmine hea väga hea
(4 punkti) Jnr 1 2 3 4 Kaardi kasutamistearv 8 2 6 1 a) Määrake tunnuse krediitkaardi kasutamise arv tüüp ning koostage jaotustab b) Moodustage tunnuse variatsioonirida, leidke keskväärtus, mediaan, mood, c) Andke hinnangut tunnuse hajuvusele karpdiagrammi ja variatsioonikordaja d) Arvutage esimene, viies ja üheksas detsiilid protsentiilide arvutamise meeto ning leidke mitu % väärtustest asub variatsioonirea 1) esimeses kümnendik e) Karakteristikute keskväärtus, mediaan ja mood omavahelise paiknevuse jär Tehtud hüpoteesi kontrollige variatsioonirea asümmeetriakordaja abil (arvut Ül. 2. On antud ühe ettevõtte töötajate jaotus töötasu (EUR-i nädalas) ning osakondade (6 punkti)
-1 ) (16) Tähistame U/Ug = n, saame R E=R g(n 1) (17) Järelikult galvanomeetri mõõtepiirkonna suurendamiseks n korda on vaja, et kasutatava eeltakisti takistus oleks n - 1 korda suurem galvanomeetri sisetakistusest. 1.7 Töö käik. 1. Vastavalt juhendajalt saadud kaliibritavale pingele U arvutage eeltakisti RE ja valige see takistusmagasinil (tavaliselt on vajalik eeltakistus juba takistusmagasinil peale pandud). 2. Reguleerige etalonvoltmeetri näit pingele U . 16 3. Kui galvanomeetri osuti ei asetu viimasele jaotisele,siis tuleb täpsustada eeltakisti suurust RE katseliselt. 4. Leidke kaliibritava galvanomeetri 10-le erinevale skaalajaotisele vastavad
1. pole põhjus ega tagajärge 2. kordaja võb olla nii pos kui neg 3. vabaliikme abil saame kirjeldada seoste tugevust 4. regressiooni kordaja b abil saame kirjeldada seose tugevust Dispersioonanalüüsi eesmärk on: 1. dispersioonide leidmine 2. uuritava nähtuste tegurite mõju olulisuse hindamine Valimi andmete põhjal saadi järgmised tulemused: aritm.keskmine=80 ja standardhälve 20. Üldkogumi maht 1200. Kui suur peaks olema valim, et teha kindlaks üle 110 väärtusega elementide osakaalu üldkogumis täpsusega +/-4 ühikut, usaldatavusega 95%. 1. 1700 (üldkogum 1200) 2. 1280 (üldkogum 1200) 3. Ei saa arvutada, sest dispersioon ei ole teada (standarthälbe väärtus on olemas, tõstam ruutu saan dispersiooni, 2. Tahan teha kindlaks elementide osakaalu, ehk et kui dispersiooni ei tea, saan arvutada võttes maksimaalse dispersiooni) 4. Ei ükski eelpool toodud valikutest
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 täitmine veebis ankeetvaatlus b. andmete hankimine internetist dokumentaalvaatlus c
Tugevalt ebasümmeetrilise rea korral on ta tüüpilisem kui aritmeetiline keskmine. Kui reas on paaritu arv liikmeid, siis võrdub mediaan järjestatud rea asendilt keskmise liikmega, mistõttu moodi nimetatakse ka rea keskliikmeks. Kui reas on paarisarv liikmeid, siis leitakse ta järjestuses kahe keskmise liikme aritmeetilise keskmisena, mistõttu mediaan ei pruugi võrduda ühegi rea liikmega. · Kvartiil 4 võrdset osa (xmin, q1, q2 ehk mediaan, q3 ja xmax), pentiil 5 võrdset osa, sekstiil 6 võrdset osa, detsiil 10 võrdset osa, protsentiil 100 võrdset osa. · Momentideks nimetatakse rea liikmete väärtuste ja mingi arvu vaheliste hälvete astendamisel saadud arvude aritmeetilisi keskmisi. Arvu, millega momendi leidmisel hälbeid astendatakse, nimetatakse momendi järguks. VARIATSIOONINÄITARVUD · Variatsiooniamplituud (R= Xmax-Xmin)näitab äärmuste vahet
Kaup Esimene periood Teine periood hind kogus Hind kogus A 8 EEK 450 10 EEK 430 B 14 EEK 600 13 EEK 680 V: Käive oleks suurenenud 7,4% 2.) Valimi andmete põhjal saadi järgmised tulemused: aritm.keskmine=80 ja standardhälve 20. Kui suur peaks olema valim +/-3 ühikut, usaldatavusega 95%. V: Tuleb kasutada lühikest valimit, kuna üldkogum ei ole teada: N=2²*sigma²/D² 3.) 3 aasta pikkuse aegrea algtase oli 100 ja lõpptase 200. Milline oli juurdekasvutempo? 1. 240 2. 170 4.) Kümne aasta pikkuse aegrea algtase 100 ja lõpptase 200. Milline oli rea keskmine absoluutne juurdekasv? 1. ei saa arvutada, sest dispersioon ei ole teada 2. 10 ühikut 3. 11,1 ühikut 4. 9,2 ühikut 5
järeldustele, kui tegemist on statistiliste hüpoteeside kontrollimisega. Kasutatakse graafilist analüüsi. Juhuslik liige ehk jääkliige ui on juhuslik suurus, mille keskväärtus ehk matemaatiline ootus on võrdne nulliga. E (ui) = 0. Kui juhuslike liikmete dispersioon pole konstantne ning tema jaotus oleneb Xst, on tegemist heteroskedestatiivsusega. Parki test kui sõltumatute muutujate ln(Xi) vastava regressioonikordaja hinnang a1 on statistiliselt olulisel määral erinev nullist, siis esialgses mudelis on heteroskedestatiivsus. 11. Jääkliige u`t (katusega, väike t) väljendab sõltuva muutuja mõõdetud väärtuse Yt ja regressioonimudeliga saadud hinnangu Y`t (katusega, väike t) erinevust aastal (vaatlusel) t1 12. Juhuslik viga (ui) (juhuslik suurus, mis võib omada nii positiivseid kui negatiivseid väärtusi). 13
Statistics: saab tellida erinevaid statistikuid (näiteks Chi-Square) Cells: mida SPSS lahtritesse trükib: Observed: lahtrisse kuuluvate objektide (küsitletute) arv Expected:
Võib kasutada dispersiooni- ja standardhälvet Standardhälbe on varieeruvas kogumis alati keskmisest lineaarhälbest suurem ei pea mediaan ja mood olema võrdsed, aritm keskm võib olla samuti neist erinev Dispersioonanalüüsi korral: hinnatakse faktori mõju olulisust kasutatakse dispersioonide liitmise lauset Dispersiooni arvutamise juures: leitakse hälvete ruutude aritm keskmine regressioonikordaja iseloomustab sõltuva muutuja vähenemist sõtumaty muutuja ühe ühikulise muutumise korral Dispersioonanalüüsi eesmärk: Uuritava nähtuste tegurite mõju olulisuse hindamine Dispersioon on: standardhälbe ruut hälvete ruutude aritmeetiline keskmine Regressioonanalüüsikäigus regressiooniseose selgitusvõimet kirjeldab determinatsioonikordaja hinnatakse parameetreid enamasti vähimruututde meetodil
küsimustele tahan vastuseid. Andmete kogumine. Enne kogumist kontrollida, ehk on andmed juba olemas ja arvestada aja- ning raharessursiga. Vaatlus: otsevaatlus, varjatud vaatlus, osalusvaatlus Eksperiment Intervjuu: struktureeritud, poolstruktureeritud või struktureerimata Küsitlus Kas uurida valimit või üldkogumit? Üldkogum ehk populatsioon. Valim on üldkogumist uurimiseks eraldatud osa, mille põhjal tehakse statistilisi järeldusi üldkogumi kohta. Valimi moodustamine: a)tõenäosuslik: 1. Lihtne juhu- nimekiri 2. Süstemaatiline juhu- nimekiri, millest iga 10. 3. Kiht- valin grupid, keda küsitlen 4. Klaster- valin kellegi grupist b) mittetõenäosuslik: 1. Mugavus- pilootuuring testina 2. Ettekavatsetud- vastavalt eelteadmistele valitud uuritavad 3
siis tabeli kasutamiseks peame ,,oma" normaaljaotuse standardiseerima st teisendama F0 = keskväärtus =0 ja standardhälve =1 kolme sigma reegel. 13. Binoomjaotuse lähendamine normaaljaotusega kui normaaljaotust tahetakse rakendada diskreetse JS puhul ja katsete arv n>50, siis lähendame binoomjaotust normaaljaotusega: 14. Studenti jaotus - Student'i jaotus tekib, kui normaaljaotusega JS üldkogumist teha väike valim ja arvutada selle põhjal JS keskmist (see ei võrdu üldkogumi keskväärtusega). Statistikas kasutatakse Student'i jaotuse jaotusfunktsiooni mitmesuguste vigade hindamisel. Võrreldes normaaljaotusega on siin 2 parameetrit. t = tk, k = n - 1, kus n on mõõtmiste arv tõenäosus e. kvantiil 15. Asümmeetriakordaja, - arvkarakteristik, mis kirjeldab JS-te väärtuste jaotumist.
1. Üldkogum – ehk populatsiooni all mõeldakse kõiki juhtumeid või situatsioone, mille kohta uurijad soovivad, et nende poolt saadud järeldused või prognoosid kehtiksid. Valim – liikmed tuleb valida juhuslikult, st igal üldkogumi liikmel peab olema võrdne võimalus saada valitud valimisse. Valimimaht – Valimisse valitavate objektide arv. Tunnuste- all mõistetakse liikmeid kirjeldavaid erinevaid omadusi. 2. Statistilise uurimistöö etapid. Mingi probleemi statistilise uurimisel läbitakse 4 tööetappi: Uuringu ettevalmistamine Statistiline vaatlus või eksperiment Vaatlusandmete kokkuvõtte ja esialgne töötlemine
vigadest tingitud konstrukti mittevaliidsust Väline valiidsus kuivõrd uuringu tulemis saab üldistada teistsugustele olukordadele ja katsealuste populatsioonidele. Uuringu kordamine aitab hinnata uuringu tulemuste üldkehtivust. Sisemine valiidsus muutujatevahelise põhjusliku seose väitmise õigustatus. Põhiline oht tuleneb segiajamisest, kuna siis ei saa määrata põhjuslikku muutujat 21. Valim ja populatsioon, valimi representatiivsus. Populatsioon kõik inimesed, keda on võimalik uurida Valim vabatahtlikest koosnev uuritavate hulk. Valimi representatiivsus kas uurimisel saadud tulemusi on võimalik üldistada kogu populatsiooni kohta? 22. Katseisikute reaktiivsuse probleem; pime ja topeltpime katseplaan. Katseisikute reaktiivsuse probleem - Katsest teadlik olemine tekitab KI vastustes reaktsiooni, mis ei tulene otseselt sõltumatu muutuja mõjust
Kordamine arvestustööks 1. Üldkogum (uurimisobjekt, populatsioon) on teatud nähtuste (objektide) hulk, mida soovitakse objektiivsete meetoditega tundma õppida. 2.. Valimiks nimetatakse teatud hulka üldkogumi elemente, mille mõõtmisandmed on uurija käsutuses. Esinduslik valim. 3. Valimi mõõtmisandmed moodustavad andmestiku. Rühmitamata ja rühmitatud andmestik. 4. Arvuline tunnus pidev, diskreetne. Pidev võib omada väärtusi mingil lõigul. Diskreetne arvuliste tunnuste võimalike väärtuste hulk on lõplik või loenduv 5. Mittearvuline tunnus järjestustunnus, nominaaltunnus. Järjestustunnus mittearvuline tunnus, mille väärtused on järjestatavad (Krafti klass, puistu Orlovi boniteet).
= n x1 x 2 ... x n , kusjuures x geom. x arit . Ruutkeskmine ruutjuur antud arvude ruutude aritmeetilisest keskmisest. x12 + x 22 + ... + x n2 x ruutk . = n Hajuvuse karakteristikud Hajuvusmõõdud on a) minimaalne element xmin ja maksimaalne element xmax; b) variatsioonrea ulatus xmax - xmin; c) alumine kvartiil ja ülemine kvartiil; d) dispersioon; e) standardhälve; f) variatsioonikordaja. Minimaalne element xmin - tunnuse väärtuste hulgast vähim väärtus. Maksimaalne element xmin - tunnuse väärtuste hulgast suurim väärtus. Variatsioonrea ulatus xmax xmin. Alumine kvartiil tunnuse väärtus, millest väiksemaid (või võrdseid) väärtusi on 1
sarnased. 12) Risttabel- on selline tabel, kus on esitatud vastajate jaotus kahe tunnuse lõikes. Risttabeli elementideks on read, veerud ja lahtrid, mille järgi nimetatakse ka tabelisse märgitavaid protsente. Rea protsendid: mitu % selle rea inimestest kuulub ühte või teise veergu. Veeru protsendid: mitu % selle veeru inimestest kuulub ühte või teise ritta. Üldised protsendid: mitu % selle tabeli inimestest kuulub ühte või teise lahtrisse. 13) Hii-ruut-statistik, selle kasutamine seose uurimiseks risttabelis, Crameri V Tunnuste vahel on statistiline seos siis, kui ühe tunnuse käitumine sõltub teise tunnuse väärtustest. Näiteks kui inimese valimiseelistus sõltuks tema soost. Uurides seost nominaaltunnuste vahel võetakse appi risttabel. Seost risttabelis mõõdetakse hii- ruut-statistiku (c²-statistiku) abiga.
keskmise taseme leidmisega momentreas ja ajavahemikud on võrdsed - VALE, kronoloogilist keskmist kasutaks keskmise taseme leidmisega perioodreas ja perioodid ei ole võrdsed - VALE, tavalist aritmeetilist keskmist kasutaks aegreaga ja väärtuste standardhälbe arvutamise juures - VALE, standardhälve leidmisel kasutatakse aritmeetilist keskmist aegreaga ja selle tasandamise juures – ÕIGE Tugeva samasuunalise lineaarse seose y=a+bx korral regressioonikordaja on alati vahemikus 0 kuni +1 - kindlalt vale, võib olla mis iganes (nii neg kui üle ühe), näitab x ühikulist mõju y-le lineaarse kor.kordaja ja regr.funktsiooni parameetri a märgid langevad kokku regr.kordaja peab olema eranditult positiivne - õige, (muidu võib olla neg) aga loe küsimust, samasuunaline. parameetri a abil saame kirjeldada seose selgitusvõimet - vale, kirjeldame determinatsioonikordaja abil, a näitab seda, kus lõikab y telge
Leia arvuderea 2 Minimaalne väärtus 1 2 Maksimaalne väärtus 200 2 Mood 146 3 Mediaan 103 4 Aritmeetiline keskmine 103.0569476 4 Teine kvartiil 103 5 Kolmas kvartiil 158 5 6 6 7 Kuva punaselt arvud, mis jäävad teise ja kolmanda kvartiili vahele 7
MAINORI KÕRGKOOL Juhtimise instituut Annika Krutto ANDMEANALÜÜS SOTSIAALTEADUSTES Loengukonspekt Tartu 2009 SISUKORD SISSEJUHATUS...........................................................................................................................3 1. ANDMEANALÜÜSI põhimõisted ......................................................................................... 3 1.1 Üldkogum ja valim............................................................................................................... 3 1.2. Valimi valikumeetodid.........................................................................................................4 1.3. Mõõtmismeetod ja mõõtmisvahend ....................................................................................5 1.4. Andmetabel.....................................................................................................
Keskmine väärtus - =AVERAGE(Alguskoordinaat:Lõppkoordinaat) Mediaan - =MEDIAN(Alguskoordinaat:Lõppkoordinaat) Standardhälve - = STDEV.S (Alguskoordinaat:Lõppkoordinaat) Minimaalne väärtus - =MIN(Alguskoordinaat:Lõppkoordinaat) Maksimaalne väärtus - =MAX(Alguskoordinaat:Lõppkoordinaat) Standardviga =Sthälve/SQRT(vaatluste arv) Lisage andmetabelisse kehamassi veeru järele tühi veerg, kirjutage esimesse lahtrisse tunnuse nimeks 'KMI' (kehamassiindeks) ja arvutage selle väärtused kõigile tudengitele valemiga KMI = Kehamass, kg / (Pikkus, m)2. Arvutage tudengite pikkuse, massi, kehamassiindeksi, peaümbermõõdu ja jalanumbri kohta nii palju arvkarakteristikud, kui protseduur Descriptive Statistics (Data sakk Data Analysis) võimaldab. Data- Data Analysis- Descriptive Statistical Mean - Aritmeetiline keskmine
Puudus - ühikuks on tunnuse X ühik ruudus. Standardhälve - ruutjuur dispersioonist. Standardhälbe ühik on sama, mis tunnusel X Variatsioonikordaja on standardhälbe ja aritmeetilise keskmise suhe: Esitatakse tavaliselt protsentides. Näitab, mitu protsenti moodustab standardhälve aritmeetilisest keskmisest. Standardiseeritud väärtus näitab, mitmekordse standardhälbe σ kaugusel aritmeetilisest keskmisest asub vaadeldav väärtus xi Assümeetria - Asümmeetria on jaotuskõvera maksimumi kõrvalekaldumine sümmeetriateljest. Kui jaotuskõvera maksimum (mood) on sümmeetriateljest (mediaan) paremal pool, on tegemist on negatiivse ehk vasakkaldelise asümmeetriaga. Kui maksimum on sümmeetriateljest vasakul, on tegemist positiivse ehk paremkaldelise asümmeetriaga Püstakus - Jaotuse püstakust iseloomustab juhusliku suuruse ekstsess E (kurtosis), mida võib nimetada ka püstakuse kordajaks.
Tallinna Tehnikaülikool Majandusarvestuse instituut FINANTSARVESTUS Loengukonspekt Koostanud lektor Iivi Maspanov SISUKORD SISUKORD ......................................................................................................................... 2 1. MAJANDUSARVESTUS ................................................................................................... 3 2. RAHVUSVAHELISELT TUNNUSTATUD ARVESTUSE JA ARUANDLUSE PÕHIMÕTTED .......... 5 3. RAAMTUPIDAMISE AASTAARUANDE KOOSTAMISE ALUSPRINTSIIBID (RMPS § 16) ......... 6 4. RAAMATUPIDAMISES KASUTATAVAD MÕISTED ............................................................ 7 5. MAJANDUSTEHINGUTE DOKUMENTEERIMINE JA REGISTREERIMINE ............................. 8 6. RAAMATUPIDAMISE ARVESTUSMEETODID.................................................................. 12 7. RAAMATUPIDAMISE BILANSS ..............................................
Konkreetsed uurimisküsimused: mida teada tahan, millistele küssadele tahan vastust, hüpoteeside sõnastamine. Uurimismeetodid: Millised meetodid aitavad lahendada. Kvantitatiivsed meetodid- kui palju midagi esineb, arvuline, suhteliselt palju uuritavad. Kvalitatiivsed meetodid- Kuidas midagi kirjaldatakse, sõnaline, vähem uuritavad. Kombineeritud meetodid- kasut koos. Andmed.kas olemas või vaja koguda. Keda uurida: kas valim või üldkogum. Kuidas andmeid koguda: küsitlus, intervjuu, Vaatlus Andmete sisestamine ja analüüs, tulemuste esitamine ja järelduste tegemine 2) Ankeedi koostamine: mida tuleks silmas pidada hea ankeedi koostamisel; küsimuste tüübid, vastuste tüübid. Ankeedi struktuur · Sissejuhatus: miks uurimust tehakse, anonüümsus, võimalik tasu, tulemuste esitus, kontaktandmed tänud juba ette või lõpus · Lihtsamad küsimused, avaküsimused
2) Statistilise uurimistöö etapid Uuringu ettevalmistamine (eesmärk, plaan, andmete vajadus, andmete kogumisviis, töötlemisviis, võimalikud järeldused). Statistiline vaatlus (küsitlus, dokumentide läbivaatamine, ankeedi korraldamine, andmete hankimine statistilistest andmebaasidest). Vaatlusandmete kokkuvõtt ja esialgne töötlemine. Andmete analüüs, järelduste ja üldistuste sõnastamine. 3) Statistilise vaatluse vead Metodoloogilised vead – valim ei kirjelda üldkogumit adekvaatselt. – vaatluse eesmärk ja objekt pole täpselt piiritletud. – vaatlusviis on ebaõnnestunult valitud. – vaatluse juhendmaterjalid pole üheselt mõistetavad. Registreerimisvead (tahtlikult tekitatud vead; mittetahtlikud vead). tahtlikud vead – andmeid moonutatakse meelega. mittetahtlikud vead – jämedad vead (tekivad mõõtmist, vaatlust või küsitlemist segava
1) Ökonomeetrilise mudeli komponendid: Endogeensed muutujad - sõltuvad muutujad, väärtused mudeli siseselt Y Eksogeensed muutujad – sõltumatud muutujad, modelleeritavat nähtust mõjutavad X Statistiliste meetoditega hinnatavad mudeli parameetrid β Juhuslik komponent – vabaliige u Y= f (X, β, u) 2) Andmetüübid: Arvandmed, ristandmed (erinevad objektid samal ajamomendil), aegread (sama objekti erinevatel ajamomentidel), paneelandmed (ristandmed + aegread) 3) Valimivaatlused ja parameetri hinnangu mõiste: Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. 4) Punkthinnang, intervallhinnang Punkthinnang – statistik, mis annab parameetrite ühese väärtuse (aritmeetiline keskmine on valimi punkthinnang kogumi keskväärtusele) Intervallhinnang – usaldusvahemik, lõik, mis sisaldab parameetri tegelikku väärtust mingi etteantud tõenäosusega. 5) Hinnangufunktsioon: Reegel üldkogumi parameetri(te)
● Juhuslik komponent ehk vealiige (u). 2. Andmetüübid. Ökonomeetriline mudel baseerub arvandmetel: ● Ristandmed (cross-sectional) ● Aegread (time series) ● Paneelandmed (panel data) Andmed saavad olla kas ● Kvalitatiivsed (ei saa mõõta arvudega, nt haridustase) ● Kvantitatiivsed (mõõdetakse arvudega, nt vanus) 3. Valimvaatlused ja parameetri hinnangu mõiste. ● Uuritav objekt on üldkogum ● Andmebaas on üldjuhul valim Järeldusi soovime teha üldkogumi kohta, selleks kasutame valimit. Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. Valimi põhjal leiame mudeli parameetrite hinnangud. Valim on juhuvalim => hinnang on juhuslik suurus. 4. Punkthinnang, intervallhinnang. Punkthinnang (point estimate) on statistik, mis annab parameetrile ühese väärtuse. Näiteks valimi aritmeetiline keskmine on punkthinnang kogumi keskväärtusele.
aasta sügissemestri KT õppimiseks Teooria 1. Ökonomeetrilise mudeli komponendid. Endogeensed (sõltuvad Y), eksogeensed (sõltumatud, X), hinnatavad parameetrid (beeta) ja juhuslik komponent ehk vealiige (u) 2. Andmetüübid. Kvalitatiivsed, kvantitatiivsed, ristandmed, aegread, paneelandmed 3. Valimvaatlused ja parameetri hinnangu mõiste. Uuritav objekt on üldvalim, andmebaas on üldjuhul valim. Järledusi teeme üldkogumi kohta ja selleks kasutame valimit. Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. Valim on juhuvalim, hinnang on juhuslik suurus. Suvaline valimi andmete põhjal arvutatud funktsioon on statistik ning erinevad valimid annavad statistikutele erinevad väärtused. Statistik on juhuslik suurus. 4. Punkthinnang, intervallhinnang. Punkthinnang on statistik, mis annab parameetrile ühese väärtuse (nt valimi arit. Keskmine on
.. 200-300 200-300 250 28 7000 38 -179,5 32220,25 ... 300-400 300-400 350 42 14700 80 -79,5 6320,25 ... 400-600 400-600 500 50 25000 130 70,5 4970,25 ... Üle 600 600-1000 800 20 16000 150 370,5 137270,3 ... Kokku 150 64425 4822025 USALDUSINTERVALLID Usaldusintervalle on vaja selleks, et hinnata valimi ja üldkogumi vastavust. Valim on juhuslik,võib esineda erinevaid tulemusi. Tehes üldistusi üldkogumile,peame veaga arvestama. Usaldusintervalle kasutataksegi selle vea hindamiseks. Keskmine esindusviga. Valimi suurenedes esindusviga väheneb. Selle leidmiseks on erinevad valemid lähtuvalt sellest, kas üldkogumi suurus on teada või ei ole.(valimi mahu võtmisel ei arvestata missing lahtrit) Piiresindusviga. Jälle kaks valemit lähtuvalt üldkogumist. Kasutatakse t-jaotuse täiendkvantiili
annaabi.ee 
