13,1 0,0 0,0 0,0 13,0 15,4 11,3 5,2 0,0 0,0 0,0 0,0 18,7 14,1 7,9 3,2 16,9 0,0 0,0 0,0 15,6 0,0 0,0 0,0 18,5 0,0 0,0 0,0 13,8 0,0 0,0 0,0 14,6 15,2 9,3 3,9 18,8 0,0 0,0 0,0 22,4 0,0 0,0 0,0 18,7 0,0 0,0 0,0 14,6 0,0 0,0 0,0 23,3 17,7 10,5 2,2 13,4 0,0 0,0 0,0 16,9 0,0 0,0 0,0 13,8 0,0 0,0 0,0 15,6 0,0 0,0 0,0 14,5 0,0 0,0 0,0 Hinnangud, hüpoteesid, regressioon Proovitükk nr. 1118 Kodune töö 4 õppeaines Andmetöötluse alused Punkthinnangud, vahemikhinnangud, valimi maht Eeldame, et teie proovitükil mõõdetud andmete põhjal tahame teha järeldusi samalaadse üldkogumi kohta Selleks arvuta järgmised statistikud oma proovitüki kohta 1) Leida 1. rinde enamuspuuliigi diameetri kohta (rühmitamata andmetest) järgmised suurused: keskväärtuse hinnang (aritmeetiline keskmine), 15,945
EESTI MAAÜLIKOOL Metsandus- ja maaehitusinstituut Metsakorralduse osakond Mikk Sülla Proovitükk nr 613. Hinnangud, hüpoteesid, regressioon Kodune töö nr. 5 õppeaines Metsandusliku andmetöötluse alused II Juhendaja Külliki Kiviste Tartu 2012 Sisukord Sisukord Sissejuhatus Käesoleva töö eesmärgiks on analüüsida, kas proovitükil mõõdetud diameetri jaotus on lähendatav mõne klassikalise teoreetilise jaotusega. Töös on kasutatud Aakre metskonna proovitükki nr. 613
.....................................................5 9. Vaatluste arvu leidmine kui on teada katsetäpsus......................................................... 6 11. Proovitükkide diameetrite dispersioonid ja nende erinevus........................................6 13. Elektronklupp ja tavalise klupi mõõtmistulemuste võrdlemine.................................. 7 14. Katselapid feromonpüünisega..................................................................................... 7 15. Hüpoteesid...................................................................................................................7 16. Esimest liiki viga......................................................................................................... 7 17. Olulisuse nivoo............................................................................................................7 18. Olulisuse tõenäosus....................................................................................................
d Andmetöötluse alused 25,3 Kodune töö 4 20,2 Proovitükk nr. 24,75 Hinnangud, hüpoteesid, regressioon 23,45 22,25 Punkthinnangud, vahemikhinnangud, valimi maht 16,85 22,8 Eeldame, et teie proovitükil mõõdetud andmete põhjal tahame teha järeldusi samalaadse 18 üldkogumi kohta 23,75 Selleks arvuta järgmised statistikud oma proovitüki kohta 24,85 1) Leida 1. rinde enamuspuuliigi diameetri kohta (rühmitamata andmetest) järgmised suurused: 21,7 aritmeetiline keskmine, 18,05 dispersioon,
9/6/2011 Eesmärk · Kursuse läbinud üliõpilane: omab teadmisi teadusfilosoofia sissejuhatusest, äriuuringute spetsiifikast, uuringu ülesehitusest ja uurimisprotsessi etappidest; teadmisi kvantitatiivsete ja kvalitatiivsete andmete kogumise ja Majandusalased uurimismeetodid
jne) 26. Vahemikhinnangud. Üldkogumi parameetri vahemikhinnanguks nim valimi põhjal määratud vahemikku, kuhu see üldkogumi parameeter kuulub teatud tenäosusega. 27. F-testi ja t-testi vastuse lugemisoskus. 28. Milleks kasutatakse regressioonanalüüsi? Regressioonanalüüs võimaldab luua matemaatilise mudeli kirjeldamaks tunnuste vahelisi seoseid. 29. Nimeta regressioonvõrrandi tüübid (ka valemid). Analüüsi lugemisokus. 1) lineaarne regressioon - H = b0 + b1 * D 2) mitmene regressioon - HV = b0 + b1*D + b2*H 30. Mida iseloomustab korrelatsioonikordaja? Korrelatsioonikordajaid kasutatakse seose uurimiseks kahe arvulise või pikema skaalaga järjestustunnuse vahel. Meetodi plussiks on, et see võimaldab kirjeldada nii seose suunda kui ka seose tugevust. 31. Mida iseloomustab determinatsioonikordaja? Determinatsioonikordaja R2R2 iseloomustab mudeli kirjeldusvõimet. See näitab, kui suure osa sõltuva tunnuse koguhajuvusest moodustab regressioonhajuvus 32
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
Tunnuse X2 väärtused: x21, x22,...x2n ... yn b1 b2 x2 n b3 x3n ... bk xkn un Tunnuse X3 väärtused: x31, x32,...x3n Üldiselt tunnuse Xj väärtused: xj1, xj2, xjn Kasutame maatrikseid · Parameetrite hinnangud leitakse vähimruutude meetodil y1 1 x21 x31 xk1 b1 u1 1 u (OLS) y x22 x31 xk 2 b
annaabi.ee 
100 punkti
~ 34 lehte
18 laadimist
0 arvamust 
Sisene Facebook'ga
Sisene Google'ga
Sisene LinkedIn'ga
Kõik kommentaarid