Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Audiitoritegevus, Kodutöö nr 2". Need materjalid aitavad sul teemat sügavamalt mõista.
tegevuskulud, tudengi, valimid, 5mln, performancesõpradele" meetod), seega valim kasvab nagu veerev lumepall. Selline metoodika on sageli kasutusel varjatud üldkogumi haaramiseks, kus uurijal on raske objektideni ise jõuda, näiteks narkomaanid, hasartmängusõltlased, prostituudid. Ei saa tuua üheselt piisavat valimimahtu ehk uuringusse kaasatavate isikute arvu, see sõltub ennekõike uuritavast üldkogumist. Üldjuhul loetakse statistikas suureks valimid, kus n>60, kuid statistiliselt ei saa nimetada konkreetset arvu n, mis oleks alati ,,õige" (piisav) valimimaht. Teatud eeldustel (etteantud vea täpsus vm) saab vajaliku n arvutada moodustades vastava võrrandi minimaalselt nõutava valimimahu määramiseks. Võib osutuda, et arvutustel põhinev valimimaht on suurem kui üldkogumi maht, sel juhul peab soovitud täpsust vähendama. 1.3. Mõõtmismeetod ja mõõtmisvahend
5) rm(x) - saab objekti kustutada (praegu objektiks x) 6) Casefold- teeb suured tähed väikesteks ja vastupidi 7) names(tudengid) - andmestikus olevate tunnuste nimed 8) head(tudengid) - päis 9) tail(tudengid) - jalus/viimased read 10) tudengid$pikkus - väärtuste väljanoppimine 11) mean(tudengid$pikkus) - keskmine 12) attach(tudengid) - ühe andmestikuga töötamiseks 13) hist(pikkus) - histogramm 14) pikkus[1:4] - Nelja esimese tudengi pikkused 15) pikkus[c(1,3,4,25)] - nende tudengite pikkused 16) pikkus[olu=="13-"] - nende pikkused, kes joovad 13 ja enam pudelit õlut 17) Tudengid[1:4; 1:3] - nelja esimese tudengi 3 esimese tunnuse väärtused 18) tudengid[1:4,] -nelja esimese tudengi kõigi tunnuste väärtused 19) tudengid[1:3, -4] - neljas tunnus on eemaldatud 20) table(perekonnaseis) - sagedustabel 21) prop.table(perekonnaseis) - näitab osakaalusid (100-ga korrutades protsente)
· Matemaatilise statistika üheks põhieesmärgiks on valimi andmeid kasutades hinnata mingit üldkogumi parameetrit Hinnangfunktsioon (estimator) on reegel või parameetrite hulka . üldkogumi parameetri(te) hinnangu(te) · Suvaline valimi andmete põhjal arvutatud funktsioon on leidmiseks. statistik. · Erinevad valimid annavad statistikutele erinevad Parameeter =? väärtused: statistik on juhuslik suurus. · Punkthinnang (point estimate) on statistik, mis annab parameetrile ühese väärtuse. Näit valimi aritmeetiline keskmine on punkthinnang kogumi Hinnang- Parameetri keskväärtusele. funktsioon hinnang ^
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:
KIRJELDAVAD STATISTIKUD INTERVALLITUD REAS Kirjeldav statistika on numbriliste andmete organiseerimine ja summeerimine, see on vajalik andmeanallüüsi esimesel etapil. Valimit kirjeldatakse, kuid üldistusi ei laiendata üldkogumile. Kirjeldav statistika annab järgmist informatsiooni: uuritava tunnuse väärtuste vahemik tunnuse kõige tüüpilisemad väärtused tunnuse varieeruvus Lisaks aitab kirjeldav statistika sõnastada hüpoteese ning tõlgendada uurimistulemusi. Asendikarakteristikud(annavad infot selle kohta, kuidas tunnuse väärtus paikneb). Need on aritmeetiline keskmine, mediaan ja mood. Nende välja arvutamine oleneb sellest, pas meil on tegu pidevate(mingi vahemik) või diskreetsete(1 väärtus) andmetega. Hajuvuskarakteristikud(kui erinevad on väärtused valimi erinevatelobjektidel).Nende eesmärgiks on mõõta andmete varieeruvust andmekogumis(iseloomustavad tunnuse üksikväärtuseerinevust keskmisest) Need on d
tõenäosus eksida valimi tulemuste populatsioonile laiendamises on 5% o Esimest liiki viga – arvatakse, et tulemused kehtivad populatsioonile, kuigi ei kehti (false positive) o Teist liiki viga – arvatakse, et tulemused ei kehti populatsioonile, kuigi kehtivad (false negative) Hüpoteeside testimine ehk keskmiste võrdlemine: Vaja vastata küsimustele: (1) kas rühmad (või valimid ja nende jaotused) on nii sarnased, et võime öelda, et nad kuuluvad samasse üldkogumisse või (2) on nad nii erinevad, et esindavad kahte erinevat üldkogumit? (Nt. Kas naissoost üliõpilased saavad sõnavaratestis paremaid tulemusi kui meessoost üliõpilased?) Hüpoteesi kontrollimine: püstitada nullhüpotees (nt erinevust ei ole) ning alternatiivne e. sisuline hüpotees (erinevus on)
Mainori Kõrgkool Matemaatika ja statistika Loengukonspekt Silver Toompalu, MSc 2008/2009 1 Matemaatika ja statistika 2008/2009 Sisukord 1 Mudelid majanduses ............................................................................................................. 4 1.1 Mudeli mõiste ......................................................................................................................... 4 1.2 Matemaatilise mudeli struktuur ja sisu ................................................................................... 4 2 Funktsioonid ja nende algebra............................................................................................... 5 2.1 Funktsionaalne sõltuvus ....................................
MHT/2010 3 9 7 4 7 7 Üliõpilane: Üliõpilaskood: Lahenduse esitamiskuupäev: 3.2.2011 Andmete kood: Andmed Andmed-A: valim A mahuga N=25 (arvkarakteristikud, jaotuse analüüs, dispersioonanalüüs) 91 96 79 95 10 39 69 38 40 5 0 96 24 22 75 79 82 86 91 74 75 25 12 71 85 Andmed-B: valimid B1 ja B2 (regressioonimudeli leidmine ja analüüs) xi 2,8 2,2 4,0 1,1 5,1 yi 6,9 6,1 9,8 7,2 15,3 Valim B1: Paarisvalim (xi, yi) regressioonimudeli leidmiseks (mahuga N=5) Valim B2: Korduskatsete sari väljundi dispersiooni leidmiseks (mahuga w=7) 1,3 0,2 0,7 4,2 3,6 2,6 1,9 Lahenduse kontrollelemendid Ülesanne/alamülesanne 1 Keskväärtus: Dispersioon: Standardhälve:
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 punkthinnang kogumi keskväärtusele). Intervallhinnang on lõik, mis sisaldab parameetri tegelikku väärtust mingi etteantud tõenäosusega. 5. Hinnangfunktsioon. Hinnangfunktsioon on reegel parameetrite hinnangute leidmiseks. Tuntudmad
Ökonomeetria mõisted 1. Autokorrelatsioon ja heteroskedastatiivsus võivad mudelis olla kahel põhjusel: 1) mudeli spetsifikatsioon on vale. Mudelist on välja jäetud mõned olulised muutujad ja/või mudeli funktsionaalne kuju on vale. Mudel tuleb ümber vaadata. 2) Tavalise vähimruutude meetodi rakendamise protseduur võib anda standardhälvete nihkega hinnangud. Tuleb kasutada uusi lähenemisi mudeli parameetrite hindamiseks. Autokorrelatsiooni testitakse aegridade puhul. Kui juhuslikud vead korreleeruvad omavahel, siis on olemas autokorrelatsioon. Kui autok. Esineb, tuleb mudel ümber vaadata, tuleb muuta spetsifikatsiooni. 2. Asümptootilised hinnangud kui juhuslike vigade normaaljaotuse eeldus ei ole täidetud, siis usalduspiirid on asümptootilised. Nad on täpsed siis, kui valimi maht on lõpmatu; lõpliku valimi mahu korral usalduspiirid on ligikaudsed.
Ökonomeetria KT kordamisküsimused 1. Ökonomeetrilise mudeli komponendid. ● Modelleeritavad näitajad: endogeenselt (sisemiselt) määratud ehk sõltuvad muutujad (Y). Väärtused määratakse mudeli siseselt ● Modelleeritavat nähtust mõjutavad näitajad: eksogeenselt (väliselt) määratud ehk sõltumatud, seletavad muutujad (X). Väärtused määratakse mudeli väliselt. ● Statistiliste meetoditega hinnatavad mudeli parameetrid (b). ● 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 kasuta
Teemad · Mitmene lineaarne regressioonmudel Mitmese lineaarse regressioonmudeli parameetrite hindamine Parameetrite tõlgendus Standardiseeritud kordajad Mitmene regressioonmudel I ANOVA tabel F-test ja mudeli statistilise olulisuse kontroll Korrigeeritud determinatsioonikordaja
4. Kui objektide valik loendist toimub fikseeritud sammuga, siis see on süstemaatiline valik. 5. Kas on õige väide: kogumi keskväärtuse punkthinnang on juhuslik suurus. Tõene 6. Kui parameetri hinnangu keskväärtus võrdub tegeliku väärtusega, siis hinnang on nihketa. 7. Joonisel on toodud tunnuse X jaotuskõver kolmes erinevas kogumis. Millisel juhul alluvad vastavast kogumist võetud valimite keskväärtused normaaljaotusele? kõigi kogumite korral, kui valimid on piisavalt suured. 8. Mis on keskväärtuse standardviga? keskväärtuse valimjaotuse standardhälve. 9. Tsentraalne piirteoreem ütleb, et küllalt suure valimite mahu n korral alluvad valimite keskväärtused normaaljaotusele. Kui on üldkogumi standardhälve, siis milline on valimite keskväärtuste jaotuse standardhälve? . 10. Kui valimi mahtu suurendada 9 korda, siis üldkogumi keskväärtuse hinnangu standardviga väheneb 3 korda.
Ühe ja sama valimi korral suurem usaldatavus = laiem usaldusvahemik (suurem määramatus). Usaldusvahemiku poollaiuse sõltumine – usaldatavust saame valida, valimi mahtu saab muuta, standardhälvet muuta ei saa Kattuvad ja mittekattuvad usaldusvahemikud - kui vahemikud ei kattu, siis saab väita, et esineb erinevus. Kui kattuvad, siis ei saa väita, et esineb erinevus. Usaldusvahemiku määramise täpsus: Suhteline viga E= Väikesed valimid t-jaotus - Väikeste valimite korral valimite keskväärtuste jaotus erineb normaaljaotusest. t-jaotuse kuju sõltub vabadusastmete arvust ν. Vabadusastmete arv on sõltumatute muutujate arv. Valimi standardhälbe leidmisel vabadusastmete arv v=n-1. Väikese valimi korral üldkogumi keskväärtuse usalduspiiride poollaius ∆x = tα /2(v)*(s/√n) Valimi mahu planeerimine - ∆X<=d ⇒ n>=(tα/2(v)*s0/d)^2 kus s0 proovivalimi standardhälve, kui
................5 2 Andmekogumit kirjeldavad parameetrid.....................................................................7 2.1 Statistilised keskmised......................................................................................... 7 2.2 Variatsiooninäitarvud...........................................................................................8 3 Valikuuringud............................................................................................................10 3.1 Valimid ja nende moodustamine........................................................................10 3.2 Valimvaatlus ......................................................................................................11 3.2.1 Valimvaatluse tüübid ..................................................................................11 3.3 Valimvaatluse meetodid ....................................................................................11 3.3.1 Mittetõenäosuslik valim ......
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). Nominaaltunnus mittearvuline tunnus, mille väärtused pole järjestatavad. 6. Juhuslik suurus ehk juhuslik muutuja suurus või muutuja, mille väärtus enne mõõtmist või katset ei ole teada. 7. Kuidas on defineeritud jaotusfunktsioon? Jaotusfunktsiooni skitseeri
Options alt saate valida, mida teha puuduva andmestikuga. Vaikimisi peaks seal olema käsklus Exclude cases pairwise, mis tähendab, et kui terve indiviidi/andmerea sees on ühel muutujal väärtus puudu, siis ainult seda andmepunkti ei kasutata edaspidises analüüsis kõigi teiste muutujate vahelisi korrelatsioone aga vaadatakse. Exclude cases listwise aga eemaldab terve indiviidi/andmerea. Viimast käsklust kasutades oleksid kõikides korrelatsioonimaatriksi lahtrites valimid võrdsed. Lineaarne (paaris)regressioon Regressioon on korrelatiivne protseduur, mis võimaldab tulemuse väärtusi korrelatsiooni alusel mingi teise muutujaga ennustada. Korrelatsioon ja regressioon on olemuselt üsna sarnased mõisted; arvuliselt on tegelikult Pearsoni r, mis väljendab kahe muutuja (nt X ja Y) vahelist seost, üsna sama väärtusega kui standardiseeritud regressiooni koefitsient. See tähendab ka seda, et determinatsioonikordaja R 2 on sarnase väärtusega. Ühtlasi on
Üliõpilane: Üliõpilaskood: Lahenduse esitamiskuupäev: 21.11.2013 Andmete kood: Andmed Andmed-A: valim A mahuga N=25 (arvkarakteristikud, jaotuse analüüs, dispersioonanalüüs, aegrida ) 37 54 94 32 19 33 69 51 89 43 18 88 9 30 62 41 81 54 49 54 15 94 85 43 87 Andmed-B: valimid B1 ja B2 ( korrelatsioon, regressioonimudeli leidmine ja analüüs) xi 1,1 2,8 2,2 5,1 3,7 yi 7,2 8.9 6,8 19,3 13,1 Valim B1: Paarisvalim (xi, yi) regressioonimudeli leidmiseks (mahuga N=5) Valim B2: Korduskatsete sari väljundi dispersiooni leidmiseks (mahuga w=7) 3,4 3,2 6,4 4,2 7,1 5,5 4,9 Lahenduse kontrollelemendid
OSA A 1. Hindame valimi parameetreid Hindamiseks kasutame järgmised valemid: Keskväärtus: 44,12 Dispersioon: 673,44 Standardhälve: 25,95 Mediaani ja haarde leidmiseks teeme valimi liikmete ümberjärjestuse: Mediaan: 51 Haare: 92-4= 88 2. Leiame keskväärtuse ja dispersiooni usaldusvahemikud (usaldusnivoo = 0,10), eeldades üldkogumi normaaljaotust Keskväärtuse jaoks kasutame t-statistikut f = N 1 = 24 t0,95(24) = 1,7109 = 8,88 (poollaius) P(35,24 < < 53) = 0,9 Dispersiooni jaoks kasutame 2-statistikut f = N 1 = 24 20.95(24) = 36,415 20.05(24) = 13,848 P (443,9 < 2 < 1167,15) = 0,9 3. Kontrollime hüpoteese keksväärtuse ja dispersiooni kohta, eeldades üldkogumi normaaljaotust, ja kasutades usaldusnivood = 0,10 3.1 H0: = 50; H1: 50 Kontrollimiseks kasutame t-statistikut: t = 1,1329 f = N 1 = 24 Kriitiline t-statistiku väärtus t0,95(24) = 1,711 Kuna t < tkr, siis võtame hüpoteesi H0 vastu
1. Rahvatervis- teadus ja kunst haiguste ennetamiseks, eluea Ekspositsioon kokkupuude teguriga, mis võib mõjutada inimese Tundlikkus=P(T+/H+) valenegatiivne=P(T-/H+) spetsiifilisus= pikendamiseks ning vaimse ja füüsilise tervise edendamiseks ja terviseseisundit. Risk- inimest või keskkonda iseloomustav tegur, mille P(T-/H-) valepositiivne= P(T+/H-) Valenegatiivne=1-tundlikkus tugevdamiseks ühiskonna organiseeritud jõupingutuste kaudu/ teadus olemasolul haiguse esinemise tõenäosus rahvastikurühmas on Valepositiivne= 1-spetsiifilisus ja praktika, mida viiakse ellu kas kogu rahvastiku või selle teatud suurenenud. Riskirahvastik rahvastiku osa, kellel võib haigus välja Tundlikkus= Spetsiifilisus= PPV= NPV= rühmadele suunatud tervist mõjutavate sekkumiste kaudu. kujuneda . Levimus (prevalence) - protsess,
Xxxxx xxxxx xxxx MHT 0031 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 1. 1) Keskväärtus =46,20 2)Dispersioon =867,92 3)Standardhäve =29,46 4)Mediaan Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=46 5)Haare R = xmax xmin = 99 0 = 99 2. Leian keskväärtuse usaldusvahemiku eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10: t, N-1 arvuta
MHT0030 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Andmete kood: 248199 Osa A 1. Keskväärtus Dispersioon Standardhälve Mediaan Haare 2. Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks leian usaldus- vahemikud. Keskväärtuse usaldusvahemik on arvutatud MS Exceli TINV-funktsiooniga: Dispersiooni usaldusvahemik ja on arvutatud MS Exceli CHIINV-funktsiooniga 3. Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks kontrollin hüpoteese 3.1 alternatiiviga Et hüpotees vastu võetaks peab seega hüpotees võetakse vastu. 3.2 alternatiiviga Et hüpotees vastu võetaks peab jääma kahe kriitilise punkti vahele seega hüpotees võetakse vastu. 4. Valimi empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40
OSA A 1. Leian 1.1 keskväärtuse 1 N µ^ = x = xi = 46, 2 N i =1 Excel: AVERAGE 1.2 dispersiooni 1 N ^ 2 = s 2 = ( xi - x )2 = 867,9 N - 1 i =1 Excel: VAR 1.3 standardhälbe sx = sx2 = 29, 46 Excel: STDEV 1.4 mediaani Me = 46 Excel: MEDIAN 1.5 haarde R = xmax - xmin = 99 - 0 = 99 2. Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0,10, leian 2.1 keskväärtuse usaldusvahemikud P ( x - µ < µ < x + µ ) = p s 29, 46 µ = t1- ( f ) = 1, 7109 = 10, 29 2 N 24 Student'i teguri leidsin tabelist. P (46, 2 - 10, 29 < µ < 46, 2 + 10, 29) = 1 - 0,10
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 54 32 30 54 89 54 9 94 51 69 19 15 33 88 37 87 94 49 18 85 43 43 41 62 81 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=53,24 Dispersioon: Excel: VAR Sx²=705,69 Standardhälve: Sx=26,56 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=51 Haare: R=94-9=85 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: = 0,10 ja (leitud Exceli CHIINV funktsiooniga) 3. Kont
Osa A 2 i xi ( x i−´x ) 1 1 1921,946 2 1 1921,946 3 7 1431,866 4 10 1213,826 5 15 890,4256 6 16 831,7456 7 19 667,7056 8 24 434,3056 9 35 96,8256 10 38 46,7856 11 38 46,7856 12 41 14,7456 13 41 14,7456 14 44 0,7056 15 49 17,3056 16 51 37,9456 17 58 173,1856 18 69 583,7056 19 69 583,7056 20 76 970,9456 21 79 1166,906 22 82 1380,866 23 84 1533,506 24 87 1777,466 25 87 1777,466 ∑ 1121 19537,36 1. Selle valimi: ∑ xi ni = Keskväärtus: μ= n ∑ xi pi=44,84 N 1 1 Hinnang: ^μ= x´ = N ∑ x i= 25 ∙ 1121=44,8 i =1
Osa A Andmed: 7 2 3 3 1 1 4 3 3 3 6 5 6 1 2 9 7 5 7 8 5 2 4 1 8 7 9 7 4 8 5 3 1 9 3 5 9 5 8 4 6 1 3 0 7 6 9 1. Valimi parameetrite hindamine. Kasutan järgmisi valemeid: Keskväärtus: 44,28 Dispersioon: 772,46 Standardhälve: 27,79 Mediaani ja haarde leidmiseks teeme valimi liikmete ümberjärjestust: 1; 2; 5; 14; 18; 19; 25; 27; 31; 33; 37; 39; 39; 45; 46; 50; 56; 63; 65; 71; 74; 77; 83; 89; 98 Mediaan: 39 Haare: 98 1 = 97 2. Leian keskväärtuse ja dispersiooni usaldusvahemikud (usaldusnivoo = 0.10), eeldades üldkogumi normaaljaotust Keskväärtuse jaoks kasutame t-statistikut f = N 1 = 24 t0.95(24) = 1.711 = 9.51 Keskväärtuse usaldusvahemik arvutatakse valemiga: P(34,77 < < 53,79) = 90% Dispersiooni usaldusvahemiku leidmiseks kasutatakse 2-statistikut f = N 1 = 24 P (509,10 < 2 < 1338,75) =
1. LOENG TEADUSLIKU UURIMUSE OLEMUS Mis on teaduslik uurimus? Teadus ei tegele mingite muljetega, stiilis: "Ma usun, et Keskerakond on eesti- vastane partei" Et "Keskerakonna eesti-vastasust" teaduslikult uurida: Tuleks kõigepealt väga selgelt defineerida, mis on "eesti-vastasus". Seejärel tuleks koostada kindel, uurimiskava. Kasutame näiteks erakonna programmi. Küsitleme erakonna liikmeid. Ühesõnaga, me üritame eesti-vastasust mõõta. Seega, mis on teaduslik uurimus ... Teaduslik uuring on seega: Miski, mis koosneb üksteisele selgelt järgnevatest etappidest Miski, kus peab olema selge, mida/keda me mõõdame/uurime ja kuidas uurime? Miski, kus on olemas ka eelnevad ideed (teooria). Sotsiaalteaduslik uurimus Riigiteadusi loetakse sotsiaal-teaduste hulka kuuluvaks Üks viisidest ajakirjandus, kirjandus, filmid... Keskendub sotsiaalselt olulistele probleemidele / nähtus
Vaikimisi peaks seal olema käsklus Exclude cases pairwise, mis tähendab, et kui terve indiviidi/andmerea sees on ühel muutujal väärtus puudu, siis ainult seda andmepunkti ei kasutata edaspidises analüüsis kõigi teiste muutujate vahelisi korrelatsioone aga vaadatakse. Exclude cases listwise aga eemaldab terve indiviidi/andmerea. Viimast käsklust kasutades oleksid kõikides korrelatsioonimaatriksi lahtrites valimid võrdsed 2) OSAKORRELATSIOON Analyze Correlate Partial Valige uuritavad muutujad ning lahtrisse Controlled for lisage kontrollmuutuja. Nt: Ülesanne 12. Vaadake eelmises analüüsis PISA tulemuste, demokraatiindeksi ning GDP omavahelisi korrelatsioone. Kui suured nad on? Kas nad on statistiliselt olulised? Kuivõrd PISA tulemusi võib ennustada vaimne võimekus, mis siinses andmefailis on
Osa A. Hinnangud, usaldusvahemikud, statistilised hüpoteesid ja jaotused xi ni xi*ni ni*xi2 ni*(xi-xk)2 0 1 0 0 2907,37 6 1 6 36 2296,33 7 1 7 49 2201,49 8 2 16 128 4217,29 9 1 9 81 2017,81 12 1 12 144 1757,29 13 2 26 338 3348,89 18 1 18 324 1290,25 23 1 23 529 956,05 24 1 24 576 895,21 26 2 52 1
Töölaud / Minu kursused / Statistika - V. Retšnoi / Arvestustest / Arvestustest_KTK31 Alustatud teisipäev, 12. jaanuar 2021, 16.52 Olek Lõpetatud Lõpetatud teisipäev, 12. jaanuar 2021, 17.33 Aega kulus 41 min 14 sekundit Hinne 28.00, 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 ostukogu
1. Epidemioloogia on rahvastervishoiu, kliinilise meditsiini ja statistika ühisosa. Käsitleb haiguste ja terviseseisundite levikut inimpopulatsioonis. a. Uurib tervisega/haigusega seotud seisundite ja sündmuste esinemist ja mõjureid rahvastikurühmades. b. Uurib uurimistulemuste rakendamist tervisega/haigusega seotud probleemide lahendamisel rahvastikurühmades. c. Ühesõnaga viib läbi igasuguseid uuringuid, et saada aimu erinevate tegurite mõjust jne d. Saame ise uurida ja uuringuid tõlgendada tänu epidemioloogiale. e. Klassikaline epi tegeles ajalooliselt nakkushaiguste uurimisega rahvastikud. f. Moodne epi uurib nii nakkushaigusi kui ka mittenakkushaiguslikke haigusi ja tervist rahvastikurühma tasandil. g. John Snow oletas, et joogivesi on sobiv haiguse edasikandja inimeselt inimesele (koolera). h. James Lind merendushügieeni alusepanija (meremehed peavad mer
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 0 2 7 1 0 1 5 2 8 2 9 3 0 3 1 3 2 3 2 4 2 4 6 4 7 4 7 4 8 5 3 6 8 7 0 7 5 7 5 7 9 9 4 9 6 9 9 Valimi A mahuga N=25 variatsioonirida: 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x = 46,20 Dispersioon: Excel: VAR Sx² = 867,92 Standardhälve: Sx = 29,46 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me = 46 Haare: R= 99 - 0 = 99 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 Dispersiooni usaldusvahemik: = 0,10 ja (leids
Andmeanalüüs MS Exceli abil Andmeanalüüs MS Exceli abil Järgnev õpetus püüab võimalikult 'puust ja punaselt' ette näidata elementaarse andmeanalüüsi teostamise võimalused MS Excelis. Samas ei ole see materjal mõeldud matemaatilise statistika konspektiks, vastavad teadmised/materjalid eeldatakse kasutajal enesel olemas olevat. Seetõttu pole ka eriti tegeletud konkreetsete näidetega ega tulemuste tõlgendamisega. See konspekt ei ole Andres Kiviste 1998 aastal ilmunud vihiku "Matemaatilise statistika algteadmisi ja rakenduslikke näiteid MS Exceli keskkonnas" ümbertrükk. MS
annaabi.ee 
