Variatsioonikordaja - standardhälbe ja keskväärtuse suhe. Tähis V. V= V= 2,4= 0,46 5,2 Korrelatsooni tabel Inimene 1 2 3 4 5 6 X (hinded) 5 5 4 4 4 4 Y(nimetähtede 3 4 5 6 7 8 arv) x= 0,47 y = 2,96 R= 1*(-4,5) = -0,54 6*2,96*0,47 · Korrelatsiooni tugevuse kohta võib öelda, et korrelatsioon on tugev, kui korrelatsioon on märgatav, kui ; korrelatsioon on nõrk, kui ; korrelatsioon on väga nõrk, kui . Seega võib järeldada, et seos nimetähtede arvu ja raamatutöö hinnete vahel on väga nõrk ehk peaagu olematu.
Õendusteaduse filosoofilised ja metodoloogilised alused Korrelatiivsed uurimused Korrelatiivse meetodiga saab uurida nähtuste omavahelisi seoseid. Korrelatsioon näitab, kuivõrd tugevasti kaks (või enam) asja vastastikku seotud on. Korrelatiivne seos võiks olla kahe või rohkema tunnuste vahel. Kirjeldav korrelatiivne meetod meetodi eesmärk on uurida seosed, mis on juba situatsioonis olemas. Meetodi näide: on uuritud noorukite teadmised ja hoiakud seksuaalsusest ning sugulisel teel levivate haiguste kohta. Antud uuringus on rakendatud kirjeldav korrelatiivne meetod. Ennustatav meetod kui ühe muutuja väärtuste alusel saab ette ennustada teise muutuja väärtusi. Meetodi näide: uuriti ladina-ja afroameeriklaste naiste kavatsust teha PAP-testi. Antud uuringus on rakendatud ennustatav korrelatiivne meetod. Mudeli testimise meetod hüpoteetilise mudeli täpsuse testimine. Antud meetod nõuab, et kõik kuuluvad mudelile muutujad oleksid mõ...
Nihutatuks nimetatakse PH, mille matemaatiline ootus ei ole võrdne hinnatava parameetriga. 35. Matemaatilise ootuse intervallhinnang PDF Intervallhinnanguks nimetatakse hinnangut, mis määratletakse kahe arvuga intervalli otstega, mis katavad hinnatava parameetri. 51. Lineaarne korrelatsioon. Mittelineaarne korrelatsioon. Tasemeline korrelatsioon Kui mõlemad regressiooni liinid X sõltuvalt Y ja Y sõltuvalt X on sirged, siis korrelatsiooni nimetatakse lineaarseks. Mõõdetakse tunnuste korrelatsiooni tase põhikogumis. Korrelatsiooni koefitsient: Mittelineaarne: Kui regressiooni joon on kõverjoon, siis on mittelineaarne korrelatsioon. Tasemeline: Objektid A ja B on kvalitatiivsete tunnustega. Kvalitatiivsed tunnused on halvasti mõõdetavad, kuid need võib seada taseme järgi. Taseme korrelatsiooni Spearmani valimi koeffitsient leitakse valemiga: 56. Juhuslike suuruste modeleerimine Monte-Carlo meetodiga
küsimus (veerg) Väärtus - tulemus, vastus küsimusele.(lahtrites) N - objektide arv Kas väärtused on järjestatavad? Kas vahemikud on võrdsed? Nimitunnus - väärtused ei ole järjestatavad.Nt elukoht, lemmiktoit, Järjestustunnus - väärtused on üheselt järjestatavad, vahemikud ei ole võrdsed. Nt haridustase Intervalltunnus e arvtunnus - alati üheselt järjestatav ja vahemikud on võrdsed.Nt vanus, pikkus, kaal, kehamassi index, sissetulek. Sobib Pearsoni korrelatsiooni kordaja Binaarsed tunnused - kaks varianti, nt sugu Õige meetodi valik sõltub – küsimuse tüübis, andmete tüübist ja sihtrühmast (milline esitlus viis on sobilik jne). Kvantitatiivne uuring - annab vastuse küsimustele mida, kui palju, kes, millal, kus, mis on parem? andmestik kogutakse meetoditega, mis võimaldavad arvulist mõõtmist ning järeldusi tehakse statistiliste järelduste põhjal. Nt ankeetküsitlus, võrguküsitlus, postküsitlus.
Minimum Curvature, Local Polynomial ja Triangulation With Linear Interpolation. 1) Kõigepealt koostame lähteandmete (Joonis 1) põhjal variogrammi (GridVariogramNew variogram). Variogrammi loomisel tuleb programmile ära näidata, millises tulbas asuvad X, Y koordinaadid ning absoluutkõrused. Tulemuseks saame variogrammi, mis on toodud järgneval joonisel (Joonis 2). Graafiku x- teljel on võrgu punktide vahelised kaugused ning y- teljel korrelatsiooni sammu väärtus. Joonis 1. Lähteandmed tabelvaates Joonis 2. Variogramm Järgnevalt loome Kriging meetodil lähteandmete põhjal võrgustiku. Selleks valime lähteandmete tabelvaates olles GridData. Seejärel sisestame võrgustiku mõõtmed (Joonis 3). Joonis 3. Võrgustiku parameetrite määramine Tulemuseks saame kontuurjoonise, millele võtame alla Eesti kaardi (MapAddContour layer). Tulemus on järgneval joonisel (Joonis 4). Joonis 4
............................................................ 7 3 RISK................................................................................................................................ 7 3.1 Riski mõõtmine.......................................................................................................... 8 4 KORRELATSIOON........................................................................................................ 12 4.1 Korrelatsiooni muutuse mõju investeerimisportfellile............................................... 13 5 DIVERSIFITSEERIMINE............................................................................................... 13 5.1 Portfelli hajutamine varaklasside vahel................................................................... 14 5.2 Aktsiaportfelli hajutamine regioonide vahel............................................................. 14 5.3 Portfelli hajutamine ajas......................
Investeerimisportfelli riski mõõtmine: Investeerimisportfelli riskimäära mõõdetakse portfelli standardhälbe roop abil. Kõigi investeeringute koosmõju nimetatakse nimetatakse portfelli efektiks. Riski vähendamise aste hajutamisel sõltub üksikute investeeringute vastastikusest korrelatsioonist. Korrelatsioonikordaja p varieerub +1,0 kuni -1,0: - Kui p = 1,0, siis tähendab see, et kaks näitajat liiguvad ühes ja samas suunas võrdsel määral ja omavad positiivset korrelatsiooni - Kui p = -1,0, siis kaks näitajat liiguvad erinevates suundades ja omavad negatiivset korrelatsiooni - Kui p=0, siis puudb näitajate vahel korrelatsioon ja need ei sõltu üksteisest. Portfelli standardhälve on investeerimisportfelli erinevate investeerigute riski osakaalu ja erinevate investeeringute kasuminormi korrelatsiooni funktsiooniks. Nt kahte investeeringut sisaldava portfelli standardhälbe varem on järgmine:
5. Arvutused: 6. Ajaloo hinded protsentidena. 7. Ajaloo hinnete histogramm 2.2 Ühiskonnaõpetus 1. Statistiline rida: 5;4;5;4;4;5;5;5;5;5;3;5;4;4;4;5;5;5;4;4 2. Variatsioonirida: 3;4;4;4;4;4;4;4;4;5;5;5;5;5;5;5;5;5;5;5 3. Sagedustabel: 4. Sagedustabel protsendina: 5. Arvutused: 6. Ühiskonna hinded protsentidena. 7. Ühiskonna hinnete histogramm 3. Kahe tunnuse analüüs Arvutades kahe tunnuse vahelist korrelatsiooni saame vastuseks 0,43643578. Korrelatsioon on nõrk. Kokkuvõte Kokkuvõtteks sain teada, et ajaloo ning ühiskonnaõpetuse hinded ei oma nõrga korrelatsiooni tõttu mingit seost (korrelatsioon 0,43643578) olgugi, et mõlemaid aineid õpetab sama õpetaja. Sellega sain ka vastuse hüpoteesile.
Kontrollitakse modelleerimise kaudu reaalseid andmeid ja vaadatakse, kas need vastavad. 16. Korrelatsioon punktid paiknevad mingi joone ümber. Mida lähemal on punktid joonele, seda tugevam on korrelatsioon. Korrelatsioon puudub punktid on kõik laiali, seost pole joont ei moodustu. Negatiivne korrelatsioon joon on langev vasakult paremale. Positiivne tõusev vasakult paremale. Lineaarse korrelatsiooni tugevust näitab Pearsoni korralatsioonikordaja (r). Pearson tõestab ka põhjusliku seose esitatud andmete vahel, sest korrelatsioon võib olla, aga samas ei pruugi kahe näitaja vahel olla põhjuslikku seost. Vajalik intervallskaala. Erind näiteks üks punkt on teistest eraldi, see võib tugevalt vähendada või suurendada korrelatsiooni. Seetõttu vajalik vaadata ka hajuvusdiagrammi. Erindit tuleb analüüsida
· Reaktiivsus - kui inimene teab, et teda jälgitakse, võib ta käituda ebaloomulikult · Raske hinnata seoseid · Raske korrata Vaatluse eelised: · Kasulikud uuringu varases staadiumis - kui pole muud võimalust käitumist uurida · Paindlik, odav · Uuritakse loomulikus olukorras toimuvat käitumist · Võimalus kontrollida laborieksperimentide kehtivust · Introspektsioon-Enesevaatlus-enda tunnete ja mõtete jälgimine Korrelatsiooni eelised: Saame infot seoste olemasolu kohta Korrelatsiooni puudused: Ei näita põhjuslikke seoseid Eksperimendi eesmärk on hüpoteeside kinnitamine või ümberlükkamine - Põhjuslike seoste leidmiseks - Kasutatakse laboriseadmeid - Mõjustused ja tulemused on mõõdetavad, reaktsioonid registreeritavad. - Juhised ja instruktsioonid - Korratav · Eksperimendi käigus on võimalik täpselt teatud tegureid kontrollida ja teisi muuta.
Kriminaalsus 50 24 0,34 Skisofreenia 48 14 0,40 Homoseksuaals 80 10 0,78 us Düsleksia 90 32 0,85 (spetsiifiline lugemispuue) Näitab geneetiliste tegurite keskmist osatähtsust vastava tunnuse (haiguse) tekkes Kaksikute meetod · Pideva tunnuse puhul hinnatakse eri kaksikutüüpide rühmasisest korrelatsiooni (ehk sarnasuse astet) See tähendab, võrreldakse omavahel erimunakaksikuid ja ühemunakaksikuid · Lahuskasvanud ühemunakaksikute paaridesisene korrelatsioon (seos) on otseselt võrdne tunnuse päritavuskoefitsiendiga Miks see nii on? IQ kaksikutevaheline korrelatsioon ja päritavuse hinnangud Kaksikutüüp IQ korrelatsioon Päritavuskoefitsient Erimunakaksikud 0,56 0,65 (kooskasvanud) Ühemunakaksikud: Kooskasvanud 0,85
arvutada empiiriline kriteeriumi väärtus Uyf,m ] [( x - a0) n] / . Y0 % a ] a0 Uyf,m ] [( x - a0) n] / 47. Hüpoteesi kontrollimine, et põhikogum on ühtlase jaotusega f(x) = 1/(b-a) intervallis (a, b). a* = xB - B 3; b* = xB - B 3; n'1 = nP1; n'2 = n'3 = 1 .. n's-1 = n xi xi 1 > kus i=2,3,.., s-1; n's = n 1 b * xs 1 ja k=s-3 b * a * b * a * 48. Valimi korrelatsiooni koefitsiendi olulisuse hüpoteesi kontrollimine Normaalne kaheparameetriline !X, Y@ põhikogum on jaotunud normaalselt. Sellest kogumist on võetud valim mahuga n ja nende järgi on leitud empiiriline korrelatsiooni koefitsient r 0. Kontrollida hüpoteesi, et põhikogumi korrelatsiooni koefitsient on null: n2 Yj% rU = 0; THA rB & k=n-2 1 rB2 49
Regressioon näitab mingi juhusliku suuruse keskväärtuse sõltuvust mingist teisest suurusest. Kovariatsioon on 1+1 järku keskmoment müü11, mida tähistatakse sageli Covxy. Kovariatsioon iseloomustab juhuslike suuruste X jaY omavahelist sõltuvust. Korrelatsioon on kovariatsiooni normeeritud variant, tähistatakse pxy. Korrelatsioon iseloomustab X ja Y sõltuvust esmajoones nende lineaarse seose tugevuse mõttes. Selle moodul ei ületa väärust 1. Mida lähemal on korrelatsiooni väärtus ühele, seda lähemal on X ja Y sõltuvus lineaarsele seosele. Sõltumatusest tuleneb korreleerimatus ent vastupidine ei kehti. Korrelatsiooni ruutu nim determinatsiooniteguriks. Kui X on diskreetne juhuslik suurus, siis iga X võimalik väärtus xi teisendub väärtuseks yi=g(x) ning jaotus säilub Y jaoks samasena kui X jaoks. Kui X on pidev juhuslik suurus ning teisendusfunktsiooon g(x) on monotoonne, siis avaldub y jaotustihedus nii: fy(y)=fx[i(y)]*/i'(y)/
muutumatuks jäädes). Kui põhivaraga varustatus kasvab 1 võrra, siis ettevõtte tootlikkus kasvab 133,6 võrra (energiaga varustatuse muutumatuks jäädes). Vabaliige b=23,2; vabaliige näitab, milline on sõltuva tunnuse y väärtus, kui sõltumatu tunnus x=0. St, kui energiaga ja põhivaraga varustatus on 0, siis y=23,2. R=0,64, seega ühe suuruse kasvamine suurendab teise keskväärtust. Korrelatsioonikordaja absoluutväärtus iseloomustab korrelatsiooni tugevust: mida suurem on lineaarse korrelatsiooni-kordaja keskväärtus, seda tugevam on seos suuruste vahel. Siin keskmine seos. Kuna F>Ftabeli(p=0,95), siis regressioonvõrrand on statistiliselt usaldatav. DW=1,6 - autokorrelatsioon puudub. Astmefunktsioon: =0,31 =0,52 Kuna +<1, siis tootlikkuse tõstmine on kahjulik. R=0,5, seega ühe suuruse kasvamine suurendab teise keskväärtust. Siin keskmine seos. Kuna F>Ftabeli(p=0,95), siis regressioonvõrrand on statistiliselt usaldatav. DW=1,5 autokorrelatsioon puudub.
mediaan 4,3 Arvutused näitavad, et abiturientide keskmine hinne on umbes 4,2. Minimaalne keskmine hinne on 3,5 ja maksimaalne 4,8. Kõige rohkem oli vastatud keskmiseks hindeks 4,5. Standardhälbeks tuli 0,35 ja mediaan on 4,3. Korrelatsioonid: 1. Korrelatsioon vanuse, millal alkoholi esmalt prooviti, ja õpilase alkoholi tarbimise harjumuste vahel on 0,015524. See tähendab, et seos on minimaalne. Esimene korrelatsiooni graafik: Kus 1 mitte kunagi, 2- kord aastas, 3- kord kuus, 4- kord nädalas, 5- rohkem kui kord nädalas 2. Korrelatsioon koduste harjumuste ja õpilase enda alkoholi tarbimise vahel on -0,0057. See tähendab, et seos on väga minimaalne ning puudub peaaegu täielikult. Teine korrelatsiooni graafik: Kus 1 mitte kunagi, 2- kord aastas, 3- kord kuus, 4- kord nädalas, 5- rohkem kui kord nädalas 3
0.1269 3. Arvutage hinnetest parempoolsed lahtrid 1.5454 4. Kontrolliks leidke tabeli alla funktsioon [=CORREL] 0.8362 5. Leidke korrelatsiooniväli 0.1394 2.2297 0.1269 8.9961 Korrelatsiooni joonis 0.8996 0.8996 20 30 40 50 60 70 80 90 Matemaatika ge hinnete alla [=AVERAGE] ge keskväärtuste alla [=STDEV.P] tsioon [=CORREL] siooni joonis 70 80 90 100 110 emaatika
Regressioon näitab mingi juhusliku suuruse keskväärtuse sõltuvust mingist teisest suurusest. Kovariatsioon - 1+1 järku keskmoment 11 ja mida tähistatakse sageli Cov xy. Kovariatsioon iseloomustab juhuslike suuruste X jaY omavahelist sõltuvust. Korrelatsioon on kovariatsiooni normeeritud variant, tähistatakse pxy. Korrelatsioon iseloomustab X ja Y sõltuvust esmajoones nende lineaarse seose tugevuse mõttes. Selle moodul ei ületa väärust 1. Mida lähemal on korrelatsiooni väärtus ühele, seda lähemal on X ja Y sõltuvus lineaarsele seosele. Sõltumatusest tuleneb korreleerimatus ent vastupidine ei kehti. Korrelatsiooni ruutu nim determinatsiooniteguriks. Juhusliku suuruse teisendusi Kui X on diskreetne juhuslik suurus, siis iga X võimalik väärtus xi teisendub väärtuseks yi=g(x) ning jaotus säilub Y jaoks samasena kui X jaoks. Kui X on pidev juhuslik suurus ning teisendusfunktsiooon g(x) on monotoonne, siis avaldub y
mudel annab investorile hindade liikumine on vastuse, kui suure fikseeritud teatud süstemaatilise riskiga on hinnatasemel turul kaubeldavad finantsvarad 12.Kas beetakordaja on: Vali Finantsvarade hindamise üks vastus. mudeli alusel on investoril Aktsiatevahelist võimalik teha otsusi, kas üks korrelatsiooni mõõtev või teine finantsvara on turul suurus suurema või väiksema tulumääraga võrreldes turu Turu mittesüstemaatilise keskmise riskivaba riski mõõdupuu intressimääraga Turu süstemaatilise riski Finantsvarade hindamise mõõdupuu mudel väidab, et mingi Aktsiatevahelist
elementide vahel. Statistilist tõenäosuslikku seost, mis ei ole rangelt funktsionaalne nimetatakse korrelatiivseks seoseks ning korrelatiivne ehk mittetäielik seos valitseb nähtuste vahel siis, kui ühe suuruse igale arvväärtusele vastab teise suuruse hulk arvväärtusi, mis jaotuvad selliselt, et igaüks neid võib esineda teatud tõenäosusega. Korrelatsioon on kahe omaduse või muutuja seose mõõt. Korrelatsiooni ilmnemine ei eelda aga põhjus-tagajärje suhet kahe muutuja vahel. Korrelatsiooniteooria käsitleb korrelatsioonianalüüsi ja sellega vahetult seotud regressioonianalüüsi meetodeid. Eristatakse korrelatiivseid seoseid kahe nähtuse vahel ehk paariskorrelatsiooni ning korrelatiivseid seoseid mitme nähtuse vahel ehk mitmest korrelatsiooni. Mittetäielik seos- korrelatiivne seos. Seose suund loetakse positiivseks kui ühe tunnuse väärtuse kasvades kasvavad ka teise tunnuse
oskusest. Hinne on järjestustunnus Uurimistöö üldkogumiks on Oskar Lutsu Palamuse Gümnaasiumi 9. klass. Uurimustööd tegema hakates oli minu esimene töökäik koguda andmeid 9. klassi hinnete kohta. Andmeid kogusin matemaatika õpetaja Lea Isotamme abil. Kokku küsitletuid inimesi oli 58. 3 3. Sagedustabel maatemaatika ja eestikeele hinnetega Korrelatsiooni kordaja R= 0,899455 see tähendab et hinnete vaheline korrelatsioon on väga tugev. 4 3.1 Matemaatika hinnete tabel sagedus tunnus (X) (F) X-xx (X-xx )² f(x-xx )² 1,3793 1,9024 15,219 5 8 1 97 98 2,8531 8,1404 65,123
• vedelikuvaeguse tase enne sauna • sauna kasutavate inimeste hulk ja sellest tulenevad muutused õhuniiskuses ja -temperatuuris • katsealuste tervislik seisund • katsealuste vaimne ja füüsiline koormus päeval enne treeningut 2.4.3. Andmete analüüsimise põhimõte Analüüsimeetodiks on saunas kogutud andmete kõrvutamine muude kogutud andmetega. Olenevalt võrreldavatest andmetest kasutatakse seose leidmiseks korrelatsiooni funktsiooni (vt lisa 6) või andmete grupeerimist ja gruppidele vastavate võrreldavate andmete keskmiste väärtuste võrdlemist. Kui kahe parameetri kõrvutamisel on näha korrelatsiooni, annab see aimu kehtivast sõltuvusseosest ja alust nende põhjal edasiste järelduste tegemiseks. Mida tugevam on korrelatsioon ja objektiivsemad võrreldavad parameetrid, seda enam on tõenäoline, et on olemas 27 seos
Ivancevich'i ja Mattesoni arvates pole Alderferi ERG teooria just kõige suurepärasem teooria teadustööks. Kuid ERG teooria on kehtivam, paikapidavam versioon vajaduste hierarhiast ning see on esile kutsunud aina rohkem toetust kaasaegsetelt teaduritelt, kui asi puudutab motivatsiooni töösituatsiooni. Üks Alderferi teooria tugevamaid külgi on ametile eriomane loomus tähelepanu keskpunktis. Eelnevad empiirilised hinnangud Alderferi teooriale on peamiselt pannud tähelepanu korrelatsiooni seose uurimisele teooria elementide vahel ning töökommetele (work behaviours). On välja pakutud, et kohasem motivatsiooniteooriate testimise viis oleks uurida põhjuslikke seoseid teooriate sisu ja töökommete vahel. Näiteks Alderferi vajaduste teooria parem empiirilise testimise viis oleks kindlaks teha, mis vajadused põhjustavad kindlaid käitumisviise, mitte lihtsalt näidata korrelatsiooni vajaduste ja käitumise vahel.
Aegrea tasandamised: Leitakse trendijoone parameetrite hinnangud vähimruutude meetodil Regressioonifunktsiooni usaldatavuse kontrollimisel: ei ole õige ükski eelnevatest variantidest Lineaarse kahe kordajaga regressioonimudeli korral: regressioonikordaja peab olema vastassuunalise seose korral eranditult negatiivne Üliõpilane sai ülesandeks hinnata kahe erineva kogumi konkreetsete tunnuste väärtuste vahel esineva seose suunda, selleks võib ta leida korrelatsiooni või regressioonikordaja ning vaadata nende märki Üliõpilane sai ülesandeks hinnata kahe erineva kogumi konkreetsete tunnuste väärtuste vahel esineva seose tugevust. Selleks tuleb tal: Hinnata korrelatsioonikordaja absoluutväärtust Üliõpilasel on antud ülesanne leida seos kahe valimi vahel. Mida ta peab tegema? korrelatsioonisuhte, ülddispersiooni leidma Kümne kuu pikkusele aegreale arvutati tasandusjoone võrrand Y=30,5-1,2. Kuidas saadud tulemust tõlgendada?
sagedusjaotuse. · Tulemuste esitamiseks kasutatakse korrelatsioonivälja: korrelatsiooniväljaks nimetatakse koordinaattasandile kantud punktihulka, kus iga punkti x- koordinaadiks on uuritava objekti esimese tunnuse väärtus ja y-koordinaadiks sama objekti teise tunnuse väärtus. Kui punktid paiknevad mingi joone ümber, siis on tegu korrelatiivse seosega. Mida lähemal on punktid joonele, seda tugevam on tunnuste vaheline seos. Lineaarse korrelatsiooni tugevust näitab Pearsoni korrelatsioonikordaja, mis on määratud järgmise valemiga: ( )( ) n x - x yi - y . 1 i =1 i r= n x y Kui juhuslikud suurused on antud 2-mõõtmelise sagedustabeliga, siis esitatakse valem kujul: f ( x )( )
On ju üsna selgelt näha, et asiaatide tulemused ületavad püsivalt valgete omi ning valgete omad afro-ameeriklaste omi. Samas on aga sellist rassilist küsimust intelligentsuse osas poliitiliselt ebakorrektseks peetud. Siiski on teadlased leidnud, et pärilikkusel on intelligentsuse kujunemisel väga suur roll, koguni 68 - 80% intelligentsuse muutlikkusest. See protsent on leitud peamiselt lahus kasvanud ühemunarakukaksikute intelligentsuste vahelist korrelatsiooni uurides. Tegelikult on siiski ka keskkonnal hoolimata väikesest protsendist (5 10%) suur roll intelligentsuse kujunemisel. Ning pärilikkuse ja keskkonna koosmõjul loovad ja otsivad indiviidid endale ise sobivaid elukeskkondi. Seega võib pärilikkuse ja keskkonna mõju igale inimesele väga erinev olla ning ühist selgitust sellele on leida väga raske. Kuigi intelligentsus on meie ühiskonnas väga tähtsal kohal, on see võib-olla vahel veidi ületähtsustatud.
Ivancevich’i ja Mattesoni arvates pole Alderferi ERG teooria just kõige suurepärasem teooria teadustööks. Kuid ERG teooria on kehtivam, paikapidavam versioon vajaduste hierarhiast ning see on esile kutsunud aina rohkem toetust kaasaegsetelt teaduritelt, kui asi puudutab motivatsiooni töösituatsiooni. Üks Alderferi teooria tugevamaid külgi on ametile eriomane loomus tähelepanu keskpunktis. Eelnevad empiirilised hinnangud Alderferi teooriale on peamiselt pannud tähelepanu korrelatsiooni seose uurimisele teooria elementide vahel ning töökommetele (work behaviours). On välja pakutud, et kohasem motivatsiooniteooriate testimise viis oleks uurida põhjuslikke seoseid teooriate sisu ja töökommete vahel. Näiteks Alderferi vajaduste teooria parem empiirilise testimise viis oleks kindlaks teha, mis vajadused põhjustavad kindlaid käitumisviise, mitte lihtsalt näidata korrelatsiooni vajaduste ja käitumise vahel. 10 Kokkuvõte
Kui geenid interakteeruvad, kas neil on additiivne efekt? Kuidas valik mõjutab kvant. tunnust ja kas valik mõjutab ka teisi tunnuseid, millised ei ole valiku objektiks olnud? Milliste ristumiste ja valikuga on võimalik saada soovitud fenotüüpe?? Et neid küsimusi lahendada on vaja: Uuritava populatsiooni suurus ja juhuvalim Tunnuse jaotumise tüüp (näit. normaalne) Tavaliste keskmiste suuruste statistiline analüüs (standard hälve) Korrelatsiooni koefitsiendid/egressioon Erinevad statistilised meetrodid statistilise tõenäosuse hindamiseks Kvantitatiivsete tunnuste lookused (Quantitative trait loci ehk QTLs): QTL see tähendab genoomi segmenti, mis koprreleerub kvantitatiivse tunnuse ja selle varieerumisega 1. Esmalt ristame inbriidseid liine erinevate fenotüüpidega isenditega ehk homosügoote erinevate alleelidega mitmik lookustes ja sellega luuakse erinevaid heterosügoote 2
ettevõttes. Sealjuures hindasid vastajad nii ettevõtte praegust seisu kui ka viie aasta tulevikuperspektiivi. Tulemused Mõlemas riigis vastasid ettevõtted laias laastus sarnaselt. Olulisima uurimisvaldkonna lõikes ehk e-turunduse lõikes hindasid selle kasutamist ekstensiivseks ainult 5% ettevõtetest ning kolmandik ettevõtetest antud praktikat suisa nõrgaks. Esile kerkisid mitmed erinevad turundusliikide kombinatsioonid, millest eriti tuleks välja tuua tugevat positiivset korrelatsiooni ja koos esinemise täheldamist suhteturunduse ja võrkturunduse ning e- turunduse ja võrkturunduse osas. Tugev positiivne seos oli ka andmebaasipõhise ja e- turunduse vahel ning suhteturunduse ja e-turunduse vahel. Negatiivselt korreleerusid kõigist kombinatsioonidest vaid tehinguturundus ning suhteturundus, aga ka tehinguturundus ja võrkturundus. Ülejäänud kombinatsioonid esinesid väiksema positiivse korrelatsiooniga.
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) regressioonimudeliks ning selle mudeli hinnanguks on katseandmete põhjal arvutatav
- Dispersioon (VARP)– keskmine ruuthälve ehk ruuthälvete aritmeetiline keskmine - Standard hälve (STDEV) – ruutjuur dispersioonist – mõõtühik sama, mis mõõdetaval parameetril - Variatiivsuse koefitsent – hälbivuse suhtnäitaja (standardhälbe ja aritmeetilise keskmise suhe), aitab võrrelda erineva suuruse ja skaalaga parameetreid 3) Andmete võrdlemine ja üldistamine – hinnatakse erinevuse eksisteerimise tõenäosust 4) Andmete seostamine Korrelatsiooni analüüs: korrelatsioonikordaja (r) näitab kuivõrd ühe näitaja muutus seostub teise näitaja muutusega. Korrelatsioon näitab lineaarse seose suunda ja tugevust. Korrelatsioonikordaja väärtuse vahemik 1≤r≤-1. Tunnuste vahel on kasvav seos r>0. Tunnuste vahel on kahanev seos r<0. Tunnuste vahel on funktsionaalne seos Y=a+bX|r|=1. Tunnused on lineaarselt sõltumatud, r=0. Ohud korrelatsiooni tõlgendamisel: viga andmesisestamisel; r=0 ja arvatakse et seost pole 5) Mudelite loomine
vähemalt kaks). Korrelatiivsed uuringud Kui ühe muutuja väärtuste alusel saab ette ennustada teise muutuja väärtusi, siis need muutujad on korreleeritud. Korrelatsiooniga on tegemist, kui mitu mõõtmist sama inimese, sündmuse vms. kohta varieeruvad koos, st. kui ühe muutuja väärtused varieeruvad koos teise muutuja väärtustega. Näiteks leitakse korrelatsioon esimesena ja viimasena tehtud testi tulemuste vahel. Selle korrelatsiooni teadmine võimaldab meil teha ennustusi testi tulemuste kohta: teades esimese testi tulemust, saame ennustada, milline võiks olla viimase testi tulemus. Nende ennustuste olemus ja täpsus oleneb korrelatsiooni suunast ja suurusest. Korrelatsiooni kvantitatiivseks väljenduseks on korrelatsiooni koefitsient, mis väljendab nii seose suunda kui tugevust. Korrelatsiooni suund võib olla nii positiivne kui negatiivne
Sektordiagramm (matemaatika hinded) Tulpdiagramm (kinga numbrid) Tulpdiagramm (matemaatika hinded) Korrelatsioon Järeldus Kinga numbrite keskmine on suurem kui matemaatika hinnete keskmine. Kinga numbri ja matemaatika hinde moodid on väga erinevad. Kinga numbri hajuvus on väiksem ja matemaatika hinde hajuvus on suurem. Matemaatika hinde ja kinga numbri mediaanid on väga erinevad. Selle uurimuse põhjal järeldan, et matemaatika hinne ja kinga number pole kuidagi omavahel seotud. Korrelatsiooni joonise juures aga näeme, et matemaatika hinne ja kinga number on omvahel seotud.
1 6.4 3.5 ∑ X iY i 674798 kaalud 78.1 13.7 17.5 i =1 XY = XY = ≈14357 , 4 N 47 Pikkuste ja kaalude vaheline korrelatsioon on 0,66, mis tähendab, et nende vahel on märgatav seos pikkuste ja kaalude korrelatsiooni graafik 140 120 100 80 kaalud 60 40 20 0 165 170 175 180 185 190 195 200 pikkused 100 kaalud 80 60 40 20 0 165 170 175 180 185 190 195 200
väärtuse perioodil t sõltuvus varasemate perioodide väärtustest, millega on seotud sellega autokorrelatsioonikordaja. Vaadeldatakse iga paari esimest vaatlust kui üht muutujat ning teist vaatlust teise muutujana. Pärast seda me saame defineerida korrelatsioonikordaja näitajate t-1 y ja t y vahel vastavalt valemile ning seda nimetatakse 1. järgu autokorrelatsioonikordajaks. Esimest järgu autokorrelatsioonikordaja hindab järjestikuste vaatluste vahelist korrelatsiooni. Nii nagu tavalise korrelatsioonikordaja korral, jäävad ka autokorrelatsioonikordajate väärtused -1 ja 1 vahele. Kui autokorrelatsioonikordaja väärtus on null, siis on võimalik öelda, et aegrea väärtus perioodil t ei sõltu aegrea väärtusest eelmisel perioodil. Analoogiliselt esimest järgu autokorrelatsioonikordajale defineeritakse ka k-ndat järgu autokorrelatsioonikordaja kui vaatluste t k y - ja t y vaheline korrelatsioonikordaja. On väga lihtne veenduda, et iga k korral
Peame tegelema aind nähtavate sündmuste ja käitumistega. Inimese reaktsioonid. · Psühhoanalüüs Sigmund Freud `Kõige huvitavam on see, mida me ei näe' Alateadvus, vaimsed häired tulenevad konfliktidest. 2. Uurimismeetodid ja nende erinevused; milline näitab põhjus-tagajärg seost? · Eksperiment teadlane kontrollib kõiki faktoreid ja tingimusi ja sihilikult manipuleerib ühte olukorra aspekti (sõltumatut muutujat) ja jälgib tulemusi. · Korrelatsiooni uuringud selgitab välja seoseid muutujate vahel, aga ei saa väita põhjuslikkust. · Küsitlus uuritakse inimeste arvamusi, hoiakuid, eelistusi. Info kogumine. · Vaatlusuuringud loomulikus keskkonnas uuritakse, kuidas inimene/loom käitub talle loomulikus keskkonnas. · Juhtumiuuring uuring ühe indiviidi/juhtumi põhjal. Põhjus-tagajärg seost selgitab neist välja eksperiment. 3. Närvisüsteemi ülesehitus
- Statistiline analüüs hii-ruut - Andmed: sagedused (%) või loendatavad andmed 33. Korrelatiivsed uuringud (korrelatsioon, hajuvusdiagramm, korrelatsioonikordaja) võimaldavad määrate seose tugevust ja suunda Andmed intervall- või suhteskaalal Raske kindlaks teha põhjuslikkust Korrelatsioon - näitab võimalikku seost kahe või enama näitaja vahel. Seos ei tähenda põhjuslikku seost Hajuvusdigramm: Korrelatsiooni graafiline esitus Andmepaarid! Korrelatsioonikordaja: -1.00 kuni +1.00 Suurus seose tase Märk seose suund Nt Pearsoni korrelatsioonikordaja (Pearson r) Suur korrelatsioon > +/- 0,7 Väike korrelatsioon < +/- 0.3 Väike korrelatsioon ei pruugi tähendada, et seos puudub o Lõigatud ehk korbitud haare Valim - korrelatsiooni arvutamiseks peab muutujates esinema variatiivsus
kaal või keskmine kaal; keskmine pikkus ja väike kaal. Püknomorfseid iseloomustab see, et kaal kuulub suuremasse klassi kui pikkus. Näiteks väike pikkus ja keskmine kaal või suur kaal, keskmine pikkus ja suur kaal. Edasise analüüsi teostamiseks ühendati kõik ülevalpool ja allpool olevad klassid. Üheks põhjuseks, miks diagonaalist paremale ja vasakule jäävad klassid ühendatakse, on see, et nende klasside sagedused on suhteliselt väikesed (nõrgema pikkuse ja kaalu vahelise korrelatsiooni tõttu). Tavajuhtudel on kasv ja kaal tugevasti korreleeritud ning seetõttu on diagonaalis paiknevate pikkuse-kaaluklasside sagedus suurem, kui diagonaalist väljaspool asuvate klasside sagedus. Seal juures sagedus suureneb vastavalt korrelatsiooni tugevnemisele. 3. Tulemused Selle artikli puhul analüüsitakse poisse ja tüdrukuid eraldi. Analüüsiks kasutatakse nende mõõtmeid pärast sündi ja ühe aasta vanuselt. Pärast sündi mõõdetud ja ühe aasta vanuselt
Reliaablus - kui teeme korduvat uurimust ning tabame sama kohta Valiidsus - mõõdab seda nähtust, protsessi, milleks ta on ettenähtud. Tulemuste statistiline analüüs kirjeldavad statistikud, järeldavad statistikud. Tsentraaltendents: Keskmine mood mediaan Variabiilsus: ulatus standardhälve jaotus Korrelatsioon: korrelatsioonilordaja korrelatsioon ei võrdu põhjuslikud efektid Positiivne(r=x), Negatiivne(r=-x) omavahelist korrelatsiooni näitavad sündmused/faktid võivad olla kaudselt seotud, mitte ilmtingimata põhjuslikult. Spearman'i korrelatsioonikonfitsent, rank order r=0,42 r=-0,78 r=1 r=-1 Järeldav: Hüpoteesi paikapidavuse kontrollimiseks tehtav tulemustenstatistilise olulisuse kontroll. Tulemuste olulisuse statistiline testimine: tehakse kindalks selle tõenäosus, et tulemus saadi puhtjuhuslikult, st mitte sõltumatute muutujate näol. See peaks olema võimalikult väike.
tööjõu ja kapitali hinnasuhe w/r ikkagi Nepaalis väiksem ning seetõttu samakulujoone (sirgjooned graafikul) tõus ka väiksem. Lisaks võib arutleda, kas erinevate valikute taga on ka üldise arengutaseme (SKP per capita) erinevus? 5 Makroökonoomika I MJRI.10.028 Seminar 3 ülesanne 5*. Makroökonoomilised andmed ei kinnita tegelikult tugevat seost (korrelatsiooni) investeeringute ja reaalintressi vahel. Uurime, mis võiks olla selle põhjuseks, eeldades, et nii säästud kui investeeringud sõltuvad reaalsest intressist. a) Oletame, et laenukapitali nõudlus on olnud mõnda aega stabiilne, kuid pakkumine aastast- aastasse kõikunud. Mis võib olla laenukapitali pakkumise ebastabiilsuse põhjuseks ja millist seost investeeringute ja reaalintressi vahel võib sel juhul eeldada?
7. Psühholoogia rakendusharud: pedagoogika, psühhiaatria, tehnikateadus. 8. Miks huvitab arengupsühholooge geeniteaduse saavutused? geeniuuringud annavad arengupsühholoogidele teavet, kui palju inimese käitumises on määratud pärilike teguritega, kui palju on keskkonna mõju tulemus. 9. Psühholoogia uurimismeetodid: - kirjeldavad uurimused - korrelatiivsed uurimused - eksperiment e katse 10. Positiivse ja negatiivse korrelatsiooni määramine nähtuste omavahelised seosed näitavad, kui tugevasti nad seotud on. Pos korrelatsioon võrdeline, ühe suurenedes suureneb ka teine. Neg korrelatsioon pöördvõrdeline, ühe vähenedes suureneb teine. 11. Kesknärvisüsteem koosneb peaajust ja seljaajust. 12. Närvisüsteemi väikseim osa on närvirakk ehk neuron mis tekitavad ja juhivad närviimpulsse. 13. Ärritustele vastatakse tingimatute refleksidega (kaasasündinud) ja tingitud refleksidega. 14
annuiteeditabelis 6%. riiklikesse lühiajalistesse võlakirjadesse (oletame, et need on 2) Aastasel baasil oleks intressiks 1,0612-1=1,012 ehk 101,2% riskivabad) (3p) 3) 300-0,04*300-4,12=35,78*PVFA(x%,12). Siit 1) Portfelli dispersiooni jaoks on vaja teada aktsiate PVFA=283,88/35,78=7,934 ja sellel vastab annuiteeditabelis omavahelist kovariatsiooni. Teades korrelatsiooni ja 7%. Aastane efektiivne intressimäär oleks sel juhul 125,2% standardhälvet, on cov=0,31*0,309*0,172=0,016476 Kui aktsiaid oleks mõlemaid 50%, siis portfelli dispersioon oleks
) sõltumatud. Hajuvused peavad olema gruppides sarnased (Levens test). Tulemuste jaotus vastab normaaljaotusele (loetakse kehtivaks ilma kontrollimata). Kui ANOVA eeldused ei ole täidetud, siis MPAR (mitteparameetrilised väärtused) test Kruskal-Wallis või Games-Howell. Kui H1, siis Post-Hoc testid, et välja selgitada, milliste gruppide vahel on erinevused. Tukey – gruppide suurused sarnased. Bonferroni – gruppide suurused erinevad. Korrelatsioon näitab seost kahe tunnuse vahel. Korrelatsiooni koefitsent on alati -1…1 ja näitab kahte asja: seose suunda ja tugevust. Pearson r eranditeta invervalltunnused, pole erandlikke väärtusi, seos lineaarne. Spearman ϱ järjestustunnus+järjestus, intervall+J, I+I Kendall τ järjestustunnus + järjestustunnus, väike valim palju sarnaseid väärtusi Cramer V (nimitunnust võrreldakse binaarsega, arvut risttabeli alusel, suunda ei näidata) Hii ruut- võrdleb binaarseid, nimi ja/või järjestustunnuseid risttabeli põhjal
1 Füüsiline tervis, iseloom ja individuaalsed erinevused ja nende seos heaoluga 2010 2 Füüsiline tervis ja selle seos heaoluga - Okun jt (1984) poolt läbiviidud meta-analüüsid näitasid füüsilise tervise ja subjektiivse heaolu vahel positiivset korrelatsiooni. - Ryan ja Frederick (1997) leidsid, et subjektiivne vitaalsus on seotud ning sõltub nii somaatilistest kui ka psühholoogilistest faktoritest. -Ryffja Singer (2000) töö tulemuste põhjal võib öelda, et positiivsed suhted teistega olid eriti olulised tervisega seotud protsesside parandamises. 3 See, et tervise ja heaolu vahel on seos, on ilmselge
tunnuse väärtus. Korrelatasioonivälja kuju järgi saab iseloomustada sõltuvust. Kahe juhusliku suuruse vahel on positiivne korrelatsioon, kui esimese suuruse kasvades kasvab ka teine suurus. Kahe juhusliku suure vahel on negatiivne korrelatsioon, kui esimese suuruse kasvades teine suurus kahaneb. Kui punktid paiknevad mingi joone ümber, siis on tegu korrelatiivse seosega. Mida lähemal on punktid joonele, seda tugevam on seos. 8.2. Korrelatsiooni kordaja Korrelatsioon on seda tugevam, mida lähemal korrelatsioonikordaja absoluutväärtus on ühele. n m f i =l j =l ij xi y j - n xy r= n x y r= 0,629469 7 9. Iseloomustan kahe tunnuse vahelist seost Füüsika hinnete keskväärtus on 4,4 ja matemaatika hinnete keskväärtus on 3,8. Selle põhjal ei
Millised normmaalisiksustel leitud dimensioonid võiksid sõltuval isiksusel olla kõrged, polegi lihtne ennustada. Enesestmõistetavalt võiks normist kõrgem olla neurootilisus (N), aga see teadmine on triviaalne. Esiteks, N-i tõusu on leitud rõhuva enamuse psüühiliste häirete puhul. Teiseks sõltuva isiksuse kuulumine ärevate klastrisse näitab iseenesest kõrget N-i ja seega ei erista see tulemuse sõltuvat isiksust teistest . Sellel Sõltuvusel on leitud kaks olulist korrelatsiooni: NEO-PI neurotisimiga ja meelekindlusega. Nagu ennustatud, on sõltuval isiksusel normist kõrgemat neurotismi oodata NEO-PI mudelis. Iseasi, mida see meile annab, arvestades, et N-i tõus ilmneb ka teiste isiksushäirete ja veel paljude muude psüühikahäirete korral. Diagnostilised kriteeriumid RHK- 10järgi (1) Tetraalsus, emotsioonide liialdatud väljendamine; (2) Sisendatavus, mõjustatavus inimeste või asjaolude poolt; (3) Pealiskaudne ja kõikuv emotsionaalsus;
x p = (0,8 * 0,1) + (0,2 * 0,2) = 0,12 Investeeringu portfelli riski suurust mõõdetakse portfelli standard hälbega. Portfelli risk väheneb siis kui kombineeritakse portfell mille koosseisus on väärtpaberid erineva riski ja keskmise tuluga. Kõigi investeeringute koosmõju nimetatakse portfelli efektiks seda kui palju portfellis õnnestub riski vähendada see sõltub üksikute väärtpaberite omavahelisest seosest. Ja üks neist seostest on korrelatsioon ja selleks peab välja tooma korrelatsiooni kordaja. See kordaja peab olema +1 ja -1 vahel. Kui korrelatsioon on +1 siis on väärtpaberitel portfellis omavahel tugev seos ja selle portfelli risk on suur. 11 Kui korrelatsioon on -1 siis on väärtpaberitel portfellis omavahel nõrk seos ja selle portfelli risk on viidud miinimumini st risk on hajutatud. Koovariatsioon on positiivne siis tähendab
a keskmine tootlus 11,9%. 18. Mida näitab kahe juhusliku suuruse vahelise lineaarse korrelatsioonikordaja märk? Korrelatsioonikordaja absoluutväärtus? Korrelatsioonikordaja märk näitab seose suunda: U ! 0 tähendab, et ühe suuruse kasvamine suurendab teise keskväärtust; U 0 tähendab, et ühe suuruse kasvamine vähendab teise keskväärtust. U iseloomustab korrelatsiooni tugevust: mida suurem on lineaarse korrelatsioonikordaja keskväärtus, seda tugevam on seos suuruste vahel. 19. Mida näitab regressioonvõrrandi determinatsioonikordaja? Oletame lineaarset seost: suuruse Y keskväärtus sõltub suurusest X lineaarselt: Y^ DX E Determinatsioonikordaja iseloomustab mudeli headust. Lineaarse korrelatsioonikordaja väärtus võrdub ruutjuurega determinatsioonikordajast. Determinatsioonikordaja näitab argumendi X võimet kirjeldada
12. Psühholoogia harud: Teoreetiline-BKSIA,Rakenduslik-KTOTK 13. Vastutus hajumine-tendents tunda, et tegutsemise vastutus on jagatud või kohalolijate vahel hajutatud. 14. Hawthorne efekt-ljudi znajut shto provoditsja eksperement i ih rabota uludshaetsja. 15. Topeltpime katse-nii eksperementaator kui katseisik hoitakse teadmatuses. 16. Eetika eksp.: privaatsus,vabatahtlik,informirovanie,bezvrednost. 17. Positiivne korrelatsioon-ühe muutuja suurenedes suureneb ka teine 18. Korrelatsiooni puudumine-puudub igasugune nii positiivne kui negatiivne seos 19. Negatiivne korrelatsioon- ühe muutuja suurenedes teine väheneb. 20. Testi omadused:reliaablus e usaldusväärsus,valiidsus e kehtivus. 21. Keele kaks aspekti:retseptiivne(keeleoskus),ekspressiivne(keelekasutus). 22. Keelelise relatiivsuse hüpotees(e Saripi-Whorfi hüpotees)-inimese ettekujutus maailmast ja tema mõtlemisviis on mõjutatud sellest,missugust keelt ta räägib. 23
7 250 125 120 600 10 1105 0,000438 0,00040 0,12 7,609 0,51 8 250 85 160 600 10 1105 0,000438 0,00040 0,12 7,609 0,51 9 250 45 200 600 10 1105 0,000438 0,00040 0,12 7,609 0,51 Arvutasin Km ja Vmax väärtused ja nende standardhälbed mittelineaarse korrelatsiooni abil Km= 27,95 +- 7,34 M Vmax= 0,518 +- 0,028 M/min Substraadi Arvutatud V, Katse nr konts, M V, M/min M/min Hälve 1 0,00 0,00 0,00 0,00 2 9,05 0,07 0,13 -0,06
situatsioonis/asutuses. Eesmärk Kas mingi hüpotees peab paika või mitte (jah/ei). Hüpoteese on 3 tüüpi: 1. Võrdlevad hüpoteesid- tahame teada, kas mingisugune inimene/ettevõtte erineb teisest inimesest/ettevõttest millegi poolest. Eesmärgiks kontrollida oletust, kas mingi osakonna tööga rahulolu on suurem teise osakonna tööga rahulolust nt. Või ka näiteks kas rahulolu aastal 2008 on teistsugune võrreldes aastaga 2007 jne. 2. Korrelatsiooni puudutavad hüpoteesid- seos. Korrelatsioonitabeleid saab kahte pidi tõlgendada (kured toovad lapsi vs lapsed toovad kurgi). kured lapsed 50 200 42 170 29 120 16 60 Korrelatsioon näitab seost kahe asja vahel, kuid ei ütle midagi põhjuslikkuse kohta.
annaabi.ee 
