Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Kvantitatiivne analüüs eestlaste sallivusest Euroopa Sotsiaaluuringu põhjal". Need materjalid aitavad sul teemat sügavamalt mõista.
keskharidus, usaldusnivool, hüpotees, põhiharidus, hinnangud, grupis, hinnangut, teststatistik, aastaste, lõpetatud, kutseharidus, kõrgharidus, haridussüsteemis, keskeri, bakalaureus, kasutan, enamvähem, õppekava, bakalaureuse, live, arvuline, järjestustunnus, standardhälve, lähedane, tugevast, sallivuse, graafik, suuremaks, võrdlev, virveHüpoteeside 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) defineerida testimise protseduur, sealhulgas olulisuse nivoo (psühholoogias 95%) otsustada, millist keskmiste erinevuste testi kasutada arvutada teststatistikud ja nendega seotud olulisuse tõenäosused arvutada efekti suuruse näitajad teha järeldus, kas andmed on kooskõlas nullhüpoteesiga või mitte Nullhüpotees ja alternatiivne hüpotees: Alustatakse eeldusest, et valimid ei erine; H0: μ1= μ 2 (nullhüpotees)
● 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. Intervallhinnang (interval estimate) on lõik, mis sisaldab parameetri tegelikku väärtust mingi etteantud tõenäosusega. Ka usaldusvahemik (confidence interval) 5. Hinnangfunktsioon
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) hinnangu(te) leidmiseks 6) Hinnangute omadused:
· Peavad sellegipoolest katma ära kõik võimalikud vastusevariandid Vastuste tüübid · Nominaalskaala ehk nimeskaala · Esitab või võimaldab esitada vastuse nimetuse või kirjeldusena. Näiteks vastaja rahvus, lemmikvärv, perekonnaseis · Ordinaalskaala ehk järjestusskaala · Esitab vastusevariandid sel viisil, et neid on võimalik hinnangu intensiivsuse alusel järjestada. Näiteks haridustase, mitmesugused rahulolu hinnangud vms (Näiteks: Likerti skaala) · Arvskaala · Esitab või võimaldab esitada vastused arvudena Küsimuste tüübid Lahtised küsimused. (Millist raamatut viimati lugesid? Milline on sinu kõige meeldejäävam reisisihtpunkt?) Kinnised küsimused. (Kas sulle meeldib reisida: Kodumaal, Välismaal) Lahtine + kinnine. (Millisesse valdkonda kuulub teie lemmikraamat?
o Kahe valimisprotsendi vahe standardviga on arvutatav valimi põhjal kui: · Paariviisiline võrdlus Wilcoxoni astakmärgitest o Kasutatakse samadel subjektidel tehtud mõõtmiste võrdlemiseks juhul, kui valimite jaotus erineb oluliselt normaaljaotusest. o Wilcoxoni märgitesti jaoks arvutatakse paariviisiliste mõõtmiste vahed ja järjestatakse need sõltumata märgist ehk järjestame vahede absoluutväärtused. o Teststatistik W+ on positiivsete vahede astakute summa. · T-test keskmiste võrdlemiseks, kui võrdlusalune tunnus on normaaljaotusega o T-test kahe grupi keskmiste võrdlemiseks o Ühe valimi t-test ühe grupi keskmise võrdlemiseks kindla väärtusega o Paariviisiline t-test samal grupil tehtud mõõtmiste võrdlemiseks · Wilcoxoni test pidevate tunnuste jaotuste võrdlemiseks, kui tunnus ei ole normaaljaotusega.
on r=0,4201 (p=0,001), r=-0,6028 (p=0,000) ja r=-0,2652 (p=0,0406). Meeste osakaal tööjõust ja linlaste osakaal keskmise brutopalgaga statistiliselt olulist seost ei oma. Samal ajal on tugev korrelatsioon ka osade sõltumatute muutujate vahel, näiteks kõrghariduse ja linnalises asulas töötajate vahel (r = 0,5873) ja fiktiivsete muutujate D1, D2 ja D3 vahel (kõigi fiktiivsete muutujate vahel r = -0,3333). Mudeli parameetritele hinnangud leiti leiti vähimruutude meetodil. Lisas 6 toodud esialgse lineaarse mudeli koefitsientide tabelist on näha, et kõrgharitute osakaau hõivatutest X1 (p=0,000), fiktiivse muutuja D1 (p=0,000), D2 (p=0,000) ning fiktiivse muutuja D 3 (p=0,000) parameetrite hinnangud on statistiliselt olulised usaldusnivool 0,95. Saame väita, et keskmise brutopalga kujunemine sõltub olulisel määral vaid kõrghariduse määrast ning on mõjutatud ka ajaperioodist
Mõjusus iseloomustab koondumist suurte valimite korral. 10. Hinnangu asümptootiline jaotus. Asümptootiline jaotus näitab, millisele klassikalisele jaotusele läheneb hinnangu valimjaotus valimi mahu kasvamisel. Hinnang on asümptootiliselt normaaljaotusega, kui hinnangu valimjaotus läheneb valimi mahu kasvamisel normaaljaotusele. Asümptootilist jaotust kasutatakse parameetrite hinnangute standardvigade leidmisel. 11. Hinnangu asümptootiline efektiivsus. Mõjusat hinnangut nimetatakse asümptootiliselt efektiivseks (asymptotically efficient), kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt normaaljaotusega hinnangu dispersioonist. 12. Hüpoteeside kontrollimine: otsuse vastuvõtmine, kui on antud teststatistiku empiiriline ja kriitiline väärtus Nullhüpotees: miski võrdub millegagi (erinevus on null) kogumi keskväärtus µ = µ0
ajalise või sisulise erinevusega (nt arvamus andmeanalüüsist enne kursust ja pärast kursust). Sisuline erinevus nt palun hind oma ilma ja palun hinda oma elu või määra oma stressitase ja määra oma väsimust. Sõltumatu korral võtame mehed naised ja küsime nende stressi (ehk üks muutuja ja kaks gruppi). Praegu on meil sõltuvate valimitega tegu. Esimene samm –pannakse paika olukorrad. Olukorrad väljendatakse läbi hüpoteeside –Hnull –nullhüpotees ja H1 –sisukas hüpotees (tavaliselt) H0 võetakse vaikimisi kehtivaks, et üldkogumi keskmised ei ole üldse erinevad. µi== µe Ütleme, et alati üks võrdub teisega H1 - µi ei võrdu µe µ - ülkogum Alati kui me midagi mõõdame, siis me võime eksida ja seda eksimist nimetatakse olulisuse nivooks, mille väärtus on kokku lepitud. On olemas 0,05, 0,01 ja 0,001. Selle määra valid sa ise. See sõltub natuke millises teadusvaldkonnas sa töötad
2) Pudelites on jooki 0,33 l või rohkem 2. Kuidas muutub valimi mahu suurenemisel z-testi parameetri kriitiline väärtus ei muutu 3. Kui kahe valimi keskväärtuse testimisel nende keskväärtuste erinevus on väiksem, siis t-testi parameetri empiiriline väärtus on vaiksem 4. Arvatakse, et meeste ja naiste töökiirus konveieri taga on erinev. Kontrollimiseks valitakse juhuslikult välja 10 meestöötajat ja 10 naistöötajat ning mõõdetakse nende töökiirused. Sisukas hüpotees on Meeste ja naiste töökiirused on erinevad. Kas tegemist on sõltuvate või sõltumatute valimitega? Sõltumatud valimid. 5. Hüpoteesi statistilisel kontrollimisel saadi vastava statistiku empiiriliseks väärtuseks -2,3 ja kriitilisteks väärtuseks -1,5 ja 1,5. Milline on järeldus? Kehtib sisukas hüpotees 6. Kuidas muutub valimi mahu suurenemisel t-testi parameetri empiiriline väärtus? suureneb 7. Kumba liiki veaga on tegemist, kui võetakse vastu mittekehtiv nullhüpotees
on vale? Ebausuldusväärne v vale info- seonduvad protsessid Matemaatiline/stat kirjaoskamatus (innumeracy) Soovimatus numbritega tegeleda Autoriteet Seonduvad küsimused Tulemuste esitamine meedias: kas ja kui palju võib lihtsustada Lugejate varasemad teadmised: kipume uskuma infot, mis seostatakse meie varasema teadmisega (avalik arvamus, jagatud teadmised) Probleemid Hinnangud, arvamused tegeliku mõõtmise asemel (nt uute sost probleemide puhul v laiema avalikkuse eest varjatud probleemide puhul) - hinnang hakkab oma elu elama - kord antud hinnangut kaitstakse Definitsioon - Kas tüüpilise juhtumi v ekstreemse juhtumi põhjal - Lai definitsioon: rohkem juhtusid - Nt: kuidas kujutatakse eesti meedias pagulasi? Toetuse saajaid? Mõõtmine
Andemanalüüsi konspekt: Mõisteid küsitakse eksamis: näidete toomise, selgitamise, võrdlemise ja analüüsimise tasandil. Binaarne tunnus- sugu; jah/ei Järjestustunnus- kooli tüüp, 1-väga hea, 2- hea jne(NB!- Õpilaste hinnang koolile), kui suured on klaassid- väga suured, suured jne, milline kooli maine- väga hea, hea jne, millisesse vahemikku jääb arv (0-200, 201-301 jne) oluline oleks, et Display frequence ees oleks linnuke, siis saab teha sagedustabeli Intervalltunnus- 1-väga hea, 2-hea jne (NB!_- Kooli hoolekogu hinnang eelmise õppeaasta tulemustele?/ Kooli hoolekogu hinnang eelmise aasta juhtimisele?) , hulk (n: minu klassi avatakse), vanus (keskmine vanus), kui kaugel asub kool millestki- km-tes, Nimitunnus- millegi nimi, huviringude nimed, kooli nimi jne, kas koolis töötab nõustaja- ei tööta, töötab, mõlemad jne, Kiire ü
Bakalaureuseõppe TAAB 3. kursus (vana õppekava) hindamismeetodid, õppematerjalid). Õppejõud Ako Sauga. · Ökonomeetria mõiste, ökonomeetriline Sisu sama, mis TES0040, mudel. ökonomeetria algtase. · Hinnangud ja nende omadused. Magistriõpe (uus õppekava) · Hüpoteeside kontrollimine. Rakenduslik ökonomeetria MEM5220 Õppejõud Kadri Männasoo.
Soo defineerimine: Variable view - soolahtrist Values... - 1=mees, 2=naine - data view - ülevalt view - value labels ette linnuke Kasvavas järjekorras järjestamine: Teed lahtri aktiivseks mida järjestada soovid - ülevalt Data - Sort cases - valid mida soovid sortida - linnuke ascending lahtri ees kindlalt ja OK Mingi väärtuse minimaalse ja maksimaalse väärtuse leidmine, standardhälve, keskmine: Analyze - descriptive statistics - descriptives/frequencies (kui vaja ekstsessi, histogrammi kellukat jn) - valid mille puhul tahad uurida - Options - valid milliseid väärtusi leida tahad ja ok, vastused ilmuvad OutPuti aknasse. Charts all on võimalik kasutada histogrammi joonistamise võimalust. Joonisel olev küsimärk käib osutatud linnukese kohta. Display frequency tables annab käskluse moodustada iga pikkuse kohta sagedustabel. Küsimärk on juurde tehtud, et uurida, kas sellise tabeli koostamine on vajalik. Uue muutuja arvutamine: Transform - Compute variable - kirjutad u
Eesti Maaülikool Metsandus- ja maaehitusinstituut Geomaatika osakond Matemaatika andmestiku analüüs Aruanne õppeaines matemaatiline statistika Koostajad: Juhendaja: Eve Aruvee Tartu Sisukord Sissejuhatus....................................................................................................................... 3 Tunnuste esmaanalüüs.......................................................................................................4 Seoste analüüs................................................................................................................... 8 Mudeli koostamine.......................................................................................................... 13 Kokkuvõte.......................................................................................................................
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
normaaljaotusele keskväärtusega µ ja standardhälbega σ/ √n, kus σ on kogumi standardhälve. Valimjaotusi standardhälve σ/sqrt n iseloomustab valimite (maht n) keskväärtuste hajuvust, see on valimi keskväärtuse valimjaotuse standardhälve. Kogumi standardhälbe hinnang. Iseloomustab üksikute objektide hajumist Standardviga - Praktikas pole meil üldkogumi standardhälbe tegelik väärtus σ teada ning kasutatakse selle hinnangut, valimi standardhälvet s. Keskväärtuse valimjaotuse standardhälbe hinnang. Iseloomustab valimite keskväärtuste hajumist Tsentraalne piirteoreem kehtib, kui kogumi maht N → ∞ ,siis valimjaotuse dispersiooni hinnang Kui kogumi maht N on lõplik ja väheneb valimi tegemisel, siis Lõpliku kasutada siis, kui n/N>0,05 Kogumi keskväärtuse usalduspiirid - Suure (n>30) valimi korral on üldkogumi keskväärtuse usalduspiirid usaldatavusega β
Smirnov (n > 2000) - Analyze -> Descriptive Statistics - > Explore -> Plots - Kui p > .05 siis on normaaljaotusega (st nullhüpotees on normaaljaotusega) - NB! kui asümmeetriakordaja (ingl. k. skewness) ja ekstsess (ingl. k. kurtosis) on vahemikus -1 kuni 1, siis võib pidada andmeid normaaljaotusele vastavaks ANOVA vs T-test - Esimest liiki viga tekib siis, kui võetakse vastu alternatiivne hüpotees, aga tegelikult on õige nullhüpotees (raske viga; näidatakse erinevuse või seose olemasolu, mida tegelikult pole). - Teist liiki viga tekib siis, kui jäädakse nullhüpoteesi juurde, ehkki tegelikult on õige alternatiivne hüpotees. See on kergem viga, mis tihti tähendab, et alternatiivse hüpoteesi tõestamiseks tuleb andmeid juurde koguda. - - Iga kord kui teete t-testi on I tüüpi vea tõenäosus 5 % (olulisusnivoo 0.05)
tunnus (järjestus- või nominaaltunnus) 2)H0 :µ1= µ2 , üldkogumite keskväärtused on võrdsed H1 :µ1 µ2 , üldkogumite keskväärtused ei ole võrdsed (on erinevad) 3) Arvutatakse valemi abil välja t-statistik(valem valemilehelt). Kui leitud statistik on kriitilisest väärtusest suurem, siis võetakse vastu altervatiivhüpotees. Tabelis olev dispersioonhinnang- kui dispersioonidonkahes grupis võrdsed,siis saab anda ühise dispersioonhinnangu s2 valemiga lehelt. Näiteks soovitakse kontrollida, kas meeste ja naiste keskmine töönädala pikkus (keskmine töötatud tundide arv nädalas) on sarnane. 1)tundide arv on arvuline tunnus; suur valim ehk normaaljaotus; Levene testi sig>0,05 ehk dispersioonid võrdsed; sõltumatud grupid; tunnus kategooriline. 2) H0 :µ1= µ2 , üldkogumite keskväärtused on võrdsed
4. Tõlgenduserinevused vastamisel eri gruppide vahel 2. Nominaalskaala ehk nimeskaala 1. Esitab või võimaldab esitada vastuse nimetuse või kirjeldusena. Näiteks vastaja rahvus, lemmikvärv, perekonnaseis 3. Ordinaalskaala ehk järjestusskaala 1. Esitab vastusevariandid sel viisil, et neid on võimalik hinnangu intensiivsuse alusel järjestada. Näiteks haridustase, mitmesugused rahulolu hinnangud vms (Näiteks: Likerti skaala) 4. Arvskaala 1. Esitab või võimaldab esitada vastused arvudena 3) Tunnuste tüübid, näited selle kohta. · Nominaaltunnus Enamasti sõnaline, kuigi harvadel juhtudel võib olla ka arvuline, mõni sümbol vms Iseloomustab vastavat tunnust, kuid ei anna infot tunnuse omaduse intensiivsuse või suuruse kohta
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
Tallinna Reaalkool Venoosse trombembolismi seos pahaloomulise kasvajaga Uurimistöö Koostaja: Brigita Maria Raave 11.b Juhendajad: PhD Katrin Nõukas, PhD Marika Tammaru Koolisisene juhendaja: Kersti Veskimets Tallinn 2019 Sisukord Kasutatud mõisted............................................................................................................................ 4 Sissejuhatus ...................................................................................................................................... 6 1. Kirjanduse ülevaade ................................................................................................................. 8 1.1 Hemostaas .............................................................................................................................. 8 1.1 Tromboos ......
1. PRAKTIKUM 1) JÄRJESTAMINE NOOREMAST VANIMANI Parmeklõps Sort Ascending/Descending -> Kasvavas/Kahanevas järjestuses Data Sort cases Sort Ascending/Sort Descending (tuleb valida muutujad ka) 2) VARIABLE VIEW 3) KIRJELDAVAD ANDMED Leiame vanusele antud hinnangute keskmise, moodi, mediaani, maksimaalse ning minimaalse hinnangu. + HISTOGRAMM Käsklusrida: Analyze - Descriptive statistics Frequencies. Muutujatekasti liigutage muutuja. Statistics -Mean, Mode, Median, Minimum, Maximum. Charts - Histograms 2. PRAKTIKUM 1) UUE MUUTUJA ARVUTAMINE Tihtipeale tuleb andmete töötlemise jooksul tekitada uusi muutujaid eelmiste muutujate põhjal. Käesolevas praktikumis tutvume uue muutuja arvutamise põhitõdedega. Etteruttavalt võib öelda, et me arvutame saadavaloleva andmestiku põhjal uueks muutujaks kehamassiindeksi (BMI body mass index). Käsklusrida: Transform Compute variable
teatud vahemikus. Tavaliselt võetakse usaldusnivooks 0,95 (ehk 95%), kus siis olulisuse nivooks on 0,05 (ehk 5%). 18. Mis on usalduspiirid? Usalduspiir- jaotuse baasil valemist . Kuna t-jaotus on lamedam, on rohkem kui aasta tagasi funktsiooniga CONFIDENCE. 19. Mis on nullhüpotees? H0 nullhüpotees, mis tavaliselt väljendab uurijat mittehuvitavat juhtu (üldkogumi vastamine teatud standardile).Nullhüpoteesi ei ole võimalik tõestada. 20. Mis on sisukas hüpotees? H1 sisukas e. alternatiivne e. konkureeriv hüpotees, mida uurija soovib tõestada ( tavaliselt mingi erinevuse, mõju või seose olemasolu). 21. Mida tähendab esimest liiki viga? Esimest liiki vead on sageli ohtlikud vead, mille tegemist tuleks võimalikult vältida. See on raske viga, mis tähendab, et uurija "tõestas" erinevuse, mõju või seose mida tegelikult ei ole, vaid mis juhuslikult ilmnes mõõdetud valimis. 22. Mida tähendab teist liiki viga
x , t , s, n Toodud valemites 2 ;n -1 on vastavalt tunnuse keskmine valimis, t-jaotuse olulisusnivoole a-le vastav täiendkvantiil, tunnuse standardhälve valimis ja valimi suurus. 4.3. Statistiliste hüpoteeside kontrollimine Üldkogumi kohta esitatud oletusi nimetame hüpoteesideks. Otsus, kumb väide ehk hüpotees üldkogumis kehtib, langetatakse valimi põhjal. Teaduste areng toimubki üldreeglina nii, et teoreetikud sõnastavad teoorial põhinevad hüpoteesid (teaduslikud oletused), praktikud teevad vastavad mõõtmised ja püüavad neid hüpoteese kas tõestada või kummutada. Selleks, et kasutada matemaatilise statistika metoodikat erinevatest valdkondadest pärinevate hüpoteeside
Tinglik keskväärtus üldiselt: E Y X Regressioonanalüüsi käigus leitakse regressioonmudeli Juhusliku suuruse Y keskväärtus sõltub juhusliku suuruse X väärtustest. deterministlik komponent, st leitakse vastava matemaatilise funktsiooni parameetrite hinnangud. Regressioonjoone parameetrite Vähimruutude meetod OLS Ordinary Least Squares
ehk hüpoteesite kehtivust üldkogumite suhtes, millest väljavõtud on tehtud. Püstitatakse hüpoteesid, mis arvutuste tulemusel kas loetakse paikapidavaks või kummutatakse. Vead kontrollimiseks: I liiki vea korral kummutatakse nullhüpotees, mis tegelikult on õige. See on raske viga – uurija tõestab erinevust, mida tegelikult ei ole, mis vaid juhuslikult ilmnes valimis. II liiki vea korral võetakse vastu konkureeriv hüpotees, mis on tegelikult vale. See on kergem viga, mis enamasti tähendab seda, et soovitu tõestamiseks tuleb mõõtmisandmeid juurde koguda. Olulisuse nivoo – esimest liiki vea tõenäosus on α. Selle suurimat lubatavat tõenäosust nimetatakse olulisuse nivooks, nt α=0,05. 36. Üldkogumite keskväärtuste võrdlemine – tuleb esmalt selgitada, kas dispersioonid on erinevad. F.TEST’ funktsiooniga. Erinevate
Esitage saadud tulemustest sisuline kokkuvõte. 2 valimiga t-test eeldused arvuline tunnus, normaaljaotus, valemite sõltumatus, dispersioonide võrdsus gruppides H0 vanuse abiellumisea disp. on võrdsed sugu lõikes H1 vanuse abiellumisea disp. ei ole võrdne sugu lõikes H0 keskm vanus on võrdne sugude lõikes H1 keskm ei ole võrdne VASTUS Funktsioonitunnus arvuline, normaaljaotus, dispersioonid kõigis gruppides samad Argumenttunnus kategooriline, vähemalt 2 vaatlust igas grupis Rühmadesisene hälve saadakse, liites kõigi kaupluse gruppide puhul nende keskmise müügikoguse suhtes arvutatud ruuthälbed. S 02 = (10 - 10,5) + ( 8 - 10,5) + ... + ( 5 - 10,8) + 2 2 2 + ( 9 - 10,8) + ... + ( 8 - 12,0 ) + ( 6 - 12,0) + ... + ( 8 - 12,0 ) 2 2 2 2 = 434,1
Määrates valimi mahtu, tahetakse vältida liiga väikese valimi võtmist, mille korral hinnang oleks liiga ebatäpne ja ei omaks väärtust. Samavõrd tahetakse vältida valimit, mis on liiga suur, sest see raiskaks väärtuslikke ressursse. Seetõttu on valimimahtude täpne määramine tähtis, kuid võib olla üsna keeruline ja vajada mitmetel juhtudel statistikute abi (valimi mahu kalkulaator). HÜPOTEESID Hüpotees on üldkogumi kohta tehtud oletus. · sisukas hüpotees (H1): oletus kehtib · nullhüpotees (H0): oletus ei kehti Nullhüpoteesi ei tõestata, vaid selle juurde jäädakse, kuna nullhüpotees on teoreetiline abivahend, mis tegelikkuses niikuinii ei kehti. Hüpoteesi võib sõnastada: · võrdlushüpoteesina (võrreldakse tunnuseid) · seosehüpoteesina (seostatakse uuritavaid tunnuseid) Põhimõisted hüpoteeside testimisel: · Olulisustõenäosus (p-value) on eksimuse tõenäosus sisuka hüpoteesi eelistamisel.
vaatluste arv pearsoni korrelatsioonikoefitsient nullhüpotees vabadusastmete arv parameetri empiiriline väärtus olulisuse tõenäosus, kui ühepoolne hüpotees parameetri kriitiline väärtus, kui ühepoolne hüpotees olulisuse tõenäosus, kui kahepoolne hüpotees parameetri kriitiline väärtus, kui kahepoolne hüpotees mega ja vasaku käe nimetissõrmega lauale koputades on koputamise kiirus utatakse 13st isikust moodustatakse juhuvalimit ning loendatakse, mitu koputust ul. oputamise kiirus on parema ja vasaku käe korral erinev.
Mõõtmisteooria alused 2. Tõeline väärtus ja mõõdis. Viga ja määramatus Mõõdetava suuruse tõeline väärtus on väärtus, mis on kooskõlas antud konkreetse mõõdetava suuruse definitsiooniga. Tõeline väärtus on ideaalsuurus. Me ei saa seda eksperimentaalselt määrata, me saame anda ainult hinnangu selle suuruse väärtuse jaoks koos hinnanguga väärtuste võimaliku jaotumise kohta. Seda mõõtmise teel antud hinnangut mõõdetava suuruse väärtuse kohta nimetatakse mõõdiseks või mõõteväärtuseks. Mõõdise all mõistetakse üksikmõõtmise või vaatluse töötlemata tulemust. Kui mõõdisele lisatakse parand või leitakse mõõdiste aritmeetiline keskmine, siis saadakse juba mõõteväärtus. Hinnangut, mida saab anda inimkonna käsutuses oleva parima mõõtevahendi ehk etaloniga, nimetatakse leppeliseks tõeliseks väärtuseks xl.
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,
3 4.4 Studenti kordajad Joonise 1 paremal poolel on näha, et tõeline väärtus võrdub tõenäoliseimalt katsetulemuste kesk- misega, kuid väiksema tõenäosusega võib võrduda ka mõne teise väärtusega. Mida suurem on määramatus, seda kõrgem on tõenäosus, et eksperimendi tulemus on määramatuse piires tõeli- ne väärtus. Valemite (16) ja (15) põhjal leitud määramatused on 68 % usaldusnivool ehk ekspe- rimendi tulemus on 68 % tõenäolisusega tõeline väärtus. Kui pole märgitud teistsugust usaldus- nivood, siis on selleks vaikimisi 68 %. Tulemus 68 % usaldusnivool pole just eriti usaldusväärne: 32 % tõenäosusega ei ühti vastus tõelise väärtusega. Enim kasutatakse 95 % usaldusnivood; 5 % eksimus on piisavalt väike selle- ga leppimaks. Kui määramatus on esitatud suuremal usaldusnivool kui 68 %, siis nimetatakse
4. Juhuslik dispersioon (Cz) 847967 ,63 517353 5. Üldine dispersioon (Cy) 989286 ,71 517353 6. Kontroll Cy=Cz+Cx 989286 ,71 2.2 Variatsioonide ja mõju tugevuse leidmine Fischeri kriteerium näitab , kui suur on faktori mõju usaldatavus ning saadud tulemust tuleb võrrelda tabeli väärtusega. Arvutatud variatsioonid ja mõju tugevuse hinnangud on toodud tabelis 5. Käesolevate andmete korral , kui vabadusastmete arv on 2 ja summaarne vaatluste arv on 150, kehtivad tabeli väärtuste põhjal järgmised kriteeriumid: kui saadud suurus on > kui 3.1 on 95% tõenäosusega mõju oluline kui saadud suurus on > kui 4,7 on 99% tõenäosusega mõju oluline kui saadud suurus on > kui 7,3 on 99,9% tõenäosusega mõju oluline Tabel 5. Variatsioonide ning mõju tugevuse ja selle usaldatavuse leidmine
annaabi.ee 
