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. Asümmeetriakordaja AsX näitab jaotuse sümmeetrilisust keksväärtuse suhtes. Kui AsX > 0, esineb rohkem väiksemaid väärtuseid. Kui AsX < 0, siis esineb rohkem suuremaid väärtuseid. Sümmeetrilise jaotuse korral on asümmeetriakordaja enam- vähem võrdne nulliga: AsX 0. Valem: ekstsess - arvkarakteristik, mis kirjeldab JS-te väärtuste jaotumist. Ekstsess ehk
Kolmogorovi-Smirnovi testi abil kasutab erinevust hüpoteetilise ja empiirilise jaotusfunktsiooni vahel ning põhineb asjaolu, et nullhüpoteesi H0: F(x,) = F0(x,) tõesuse korral statistik on N puhul jaotunud Kolmogorovi jaotusseaduse järgi (kui jaotuse parameetrid on teada ja F0(x) täpselt fikseeritud). Korrelatsioon-Korrelatsioon (korrelatsioonikordaja, korrelatsioonitegur, korrelatsioonikoefitsient) on levinuim arvkarakteristik iseloomustamaks kahe sõltuva juhusliku suuruse X ja Y vahelist (lineaarset) seost. Korrelatsiooni hindamiseks katseandmete järgi on vaja nn paarisvalimit, mis koosneb katse/vaatluse tulemusel saadud paarisvaatlustest (xi, yi), kus i = 1, 2, ..., N; N on valimi maht. Paarisvaatluste valimi põhjal saab koostada hajuvusdiagrammi, mis kujutab endast vastavat punktiparve (x,y)-tasandil. Lineaarset mudelit y = 0 + 1x nimetame edaspidi (lineaarseks ühefaktoriliseks)
Jaotusseadus iseloomustab juhuslikku suurust täielikult. Teades jaotusseadust võib määrata kõik ülejäänud juhusliku suuruse karakteristikud. Kuid paljude praktiliste ülesannete lahendamiseks ei ole vaja nii täiuslikku informatsiooni. Juhusliku suuruse osaliseks kirjeldamiseks on kasutusele võetud mitmeid jaotusseadust iseloomustavaid arvkarakteristikuid Keskväärtus (matemaatiline ootus) Juhusliku suuruse keskväärtus ehk matemaatiline ootus on juhusliku suuruse tähtsaim arvkarakteristik, mis näitab juhusliku suuruse kaalutud keskmist, mida sageli ka ette prognoositakse. Dispersioon ja standardhälve Juhusliku suuruse iseloomustamiseks ei piisa ainult keskväärtusest. Tähtsuselt järgmisteks karakteristikuteks on dispersioon ja standardhälve. Need iseloomustavad juhusliku suuruse hajuvust keskväärtuse ümber. Dispersiooniks nimetatakse juhusliku suuruse hälvete ruutude keskmist keskväärtusest: Normaaljaotus Igal juhuslikul suurusel on spetsiaalne jaotusseadus
London,esimest korda nii öelda mõõtis haiguste levikut. William Farr haigused on määrastud vastavalt kehtestatud kriteeriumidele RHK tulpade vahele vahesid ei jäeta). 2. Kirjeldavad statistikud. Statistik lõi süsteemi surmade ja surmapõhjuste jooksvaks registreerimiseks. eesmärgiks on võimaldada eri riikides eri aegadel kogutud suremuse ja on valimit iseloomustav arvkarakteristik, mis arvutatakse tunnuse John Snow-koolera ja joogivee allikad. Moodne epi Alates 1950ndate haigestumuse andmete süstemaatilist registreerimist, analüüsimist, väärtuste põhjal. Valimi keskväärtus ehk valimikeskmine, milleks on aastate algusest on toimunud nii epidemioloogiliste printsiipide kui ka interpreteerimist ja võrdlemist. RHK-10 tuumik- klassifikatsioon on vaatluste aritmeetiline keskmine valimis
jaotusfunktsiooni vahel. Nullhüpoteesi kontrolli sammud on järgmised: *moodustatakse valimi variatsioonrida *leitakse empiirilise ja hüpoteetilise jaotusfunktsiooni maksimaalne erinevus DN *leitakse DN kriitiline väärtus Dkr vastavatest tabelitest sõltuvalt valimi mahust N ja valitud olulisuse nivoost alfa. *järelduste tegemine, kui Dn on väiksemvõrdne Dkr siis nullhüpotees võetakse vastu. X2 test on töökindlam ent ei pruugi tagada parimat tulemust. Korrelatsioon on levinuim arvkarakteristik iseloomustamaks kahe sõltuva juhusliku suuruse X ja Y vahelist seost. Korrelasiooni hindamiseks katseandmete järgi on vaja nn paarisvalimit, mis koosneb katse/vaatluse tulemusel saadud paarisvaatlustest. Korrelatsiooni väärtused asuvad -1 ja 1 vahel. Korrelatsiooni mooduli lähedus väärtusele 1 viitab sellele, et X ja Y seos on lähedane lineaarsele seosele. X ja Y kasvava seose korral on korrelatsioon positiivne, kahaneva seose korral negatiivne.
Alumine kvartiil on tunnuse selline väärtus, millest väiksemaid väärtusi on valimis 25% ja suuremaid 75%. Ülemine kvartiil e 3.kvartiil tunnuse selline väärtus, millest väiksemaid väärtusi on valimis 75% ja suuremaid 25%. · Miinimum lihtsaimad statistikud · Maksimum lihtsaimad statistikud · Sagedus mittearvulised või diskreetsed tunnused (erinevaid väärtusi suht vähe). · Statistik valimit iseloomustab arvkarakteristik, mis arvutatakse tunnuse väärtuste põhjal. 3. Valimi jaotuseks nim valimi jagunemist erinevate tunnuse väärtuste vahel (nt veregrupi tabel). 4. Normaaljaotus pideva tunnuse jaotu, mille korral histogrammi kuju on sümmeetriline ja nn kellukesekujuline. · Normaaljaotuse kirjeldab ära 2 parameetrit: keskmine (asukoht) ja standardhälve (järsakus). · · 95% valimist jääb ligikaudu 2 standardvea kaugusele keskmisest.
ANOVA Source of Variation SS df Between Groups 215,5877192982 2 Within Groups 11118,5526315789 54 Total 11334,1403508772 56 Minu kirjeldus võrreldavate gruppide ja nende vahelise erinevuse/sarnasuse kohta leitud arvkarakteristik 38 tudengit ei ole suitsetanud ja nende keskmine kehamass on 70,34 kg. 8 tudengit enam ei, aga olevad suitseta 11 tudengit suitsuvad ja nende keskmine kehamass on 72 kg. Ülesandele vastav hüpoteesipaar H0: Kehamass ja suitsu ei ole seotud H1: Kehamass ja suitsu on seotud Otsustusreegel ja otsus, kumb hüpoteesidest kehtib NB
moodustatakse valimi variatsioonrida leitakse empiirilise ja hüpoteetilise jaotusfunktsiooni maksimaalne erinevus DN leitakse DN kriitiline väärtus Dkr vastavatest tabelitest sõltuvalt valimi mahust N ja valitud olulisuse nivoost järelduste tegemine, kui Dn on väiksemvõrdne Dkr siis nullhüpotees võetakse vastu. X2 test on töökindlam ent ei pruugi tagada parimat tulemust. 3. RAKENDUSSTATISTIKA PÕHIVALDKONNAD Korrelatsioon on levinuim arvkarakteristik iseloomustamaks kahe sõltuva juhusliku suuruse X ja Y vahelist seost. Korrelasiooni hindamiseks katseandmete järgi on vaja nn paarisvalimit, mis koosneb katse/vaatluse tulemusel saadud paarisvaatlustest. Korrelatsiooni väärtused asuvad -1 ja 1 vahel. Korrelatsiooni mooduli lähedus väärtusele 1 viitab sellele, et X ja Y seos on lähedane lineaarsele seosele. X ja Y kasvava seose korral on korrelatsioon positiivne, kahaneva seose korral negatiivne.
Satistilised hinnangud jagunevad oma olemuselt kahte liiki: punkthinnangud ja vahemikhinnangud e. intervallhinnangud. Kuna hinnang on oma olemuselt juhuslik suurus, siis hinnangu võimalikud väärtused saavad asetseda teatud vahemikus ehk hinnangu määramispiirkonnas. Hinnang, mis kujutab endast selle juhusliku suuruse ühte konkreetset väärtust on punkthinnang (kujutab arvsirgel ühte punkti). Punkthinnangu ülesandeks on määrata kindlaks arvkarakteristik (arvväärtus).Punkthinnang on kõige enam kasutamist leidnud statistilise hinnagu liigiks. Punkthinnangu puuduseks on asjaolu, et saadud hinnang võib osutuda vigaseks. Seega ka kõik järeldused ja punkthinnangu alusel tehtud analüüsid võivas osutuda ekslikeks.Teiseks hinnangu liigiks on vahemikhinnangud. Vahemikhinnang kujutab endast hinnangu määramispiirkonnas teatud vahemikku. Seega vahemikhinnangut iseloomustavad 3 suurust (parameetrit): vahemikku
annaabi.ee 
