Rakendusstatistika arvestustöö lühikokkovõte (0)

Sarnased õppematerjalid

8

docx

Rakendusstatistika kokkuvõte

Juhuslik sündmus on midagi, mis mingi katse tulemusel võib toimuda. Katse on mingi tingimuste kompleksi realiseerumine. Elementaarsündmused on mingid üksteist välistavad sündmused, millest iga katse korral üks tingimata toimub. Juhuslikud sündmused: *vastastikku välistuvad sündmused- ei sisalda samu elementaarsündmusi *vastastikku mittevälistuvad sündmused- sisaldavad samu elementaarsündmusi *sündmuste sisalduvus- kui toimub A, toimub ka B *vastansündmus- kõik elementaarsündmused, mis ei sisaldu sündmuses Tõenäosus iseloomustab sündmuse esinemissagedust katsetes. Tõenäousese määramisviisid: klassikalised(kombinatoorne, geomeetriline, statistiline), mtteklassikalised(subjektiivne,intersubjektiivne) Juhuslikuks suuruseks nim suurust, mis järjekordse katse tulemusel omandab mingi mittennustatava väärtuse mingist võimalikust väärtuste hulgast. Diskreetne juhuslik suurus: võimalike väärtuste hulk on lõplik Pidev juhuslik suurus: võimelike

Rakendusstatistika

11

docx

ÜLEVAADE TÕENÄOSUSTEOORIA PÕHIMÕISTETEST

Kui X on pidev juhuslik suurus ning teisendusfunktsiooon g(x) on monotoonne, siis avaldub y jaotustihedus nii: fy(y)=fx[(y)]*['(y)] Kui x on pidev juhuslik suurus ning teisendusfunktsioon g(x) pole monotoonne, tuleb g(x) jagada X muutumispiirkonna osas monotoonsuspiirkondadeks. Lineaarteisendus on ülalkirjeldatud juhusliku suuruse teisendamise olulisim erijuht, kus teisendusfunktsioon saab kuju g(x)=a+bx 2. RAKENDUSSTATISTIKA ALUSED Mediaani hinnang: kasvavalt järjestatud valimi keskelement, kasvavalt järjestatud valimi keskelementide poolsumma. Haare: valimi suurima ja vähima elemendi vahe. Variatsioonirida- kasvavasse järjekorda reastatud valim Järkstatistik: variantsioonirea liige järjekorranumbriga i. Epiiriline jaotusfunktsioon avaldub variatsioonirea põhjal kujul: FN(x)=0, kui x=xN=xmax

Rakendusstatistika

5

docx

Põhimõisted rakendusstatistika eksamiks

Statistika üldiseks eesmärgiks on: asjakohastest eeldustest lähtudes leida vaadeldava stohhastilise objekti kohta mingi tõenäosuslik mudel, sh hinnates mudeli arvparameetreid ja kontrollides erinevaid hüpoteese objekti mudeli kohta. Mediaani hinnang: - kasvavalt järjestatud valimi keskelement (kui valimi maht on paaritu arv) - kasvavalt järjestatud valimi keskelementide poolsumma (kui valimi maht on paarisarv) Haare: valimi suurima ja vähima elemendi vahe Statistika põhiteoreem: Empiiriline jaotusfunktsioon FN(x) on teoreetilise (üldkogumi) jaotusfunktsiooni F(x) nihutamata ja mõjus hinnang. Histogramm: Histogramm on enimkasutatav (üldkogumi) jaotustiheduse hinnang. Histogrammi kasutatakse ettekujutuse saamiseks üldkogumi jaotusseadusest ning ta kujutab endast tulpdiagrammi, mille tulpade kõrgused näitavad vastavasse vahemikku sattumise sagedust. 2-jaotus on kasutusel normaaljaotusega juhusliku suuruse dispersiooni hinnangu jaoks usaldusvahemike arvutamisel. t-jaotus (S

Rakendusstatistika

22

docx

Statistika kordamisküsimused

1. MÕÕTMINE Mõõtmine on objektide võrdlemine - Korraga saab võrrelda ainult kaht objekti omavahel. Kui objekte palju, valitakse välja üks (etalon) ning teisi võrreldakse sellega. Otsene mõõtmine ja kaudne mõõtmine – otseste mõõtmiste kaudu Nimi- ehk nominaalskaala – objektide eristamiseks – sugu, rahvus, huvid, kaubakood, ettevõtte registrinumber Järjestusskaala – võimaldab objekte järjestada mingi tunnuse alusel – nt ettevõtted: väikesed, keskmised, suured – küsitlus: "poolt", pigem poolt kui vastu", "pigem vastu kui poolt", "vastu" – intervallid skaalajaotuste vahel pole võrdsed Intervallskaala – skaalajaotuste intervallid on võrdsed  Vahemikskaala – nullpunkti asukoht kokkuleppeline – ajaskaala, Celsiuse skaala temperatuuri mõõtmiseks – võib leida vahesid, ei tohi leida suhteid  Suhteskaala – nullpunkt fikseeritud absoluutselt – objekti pikkus, kaal, töötajate arv, käive, m

Statistika

54

pdf

loeng1

ÖKONOMEETRIA TES0040 Rühmad TAAB 31, 32, TABB 54, 55 IABB 51, 52, 53 (valikaine) Ako Sauga  Õppejõu kontaktandmed • Statistika ja ökonomeetria dotsent Ako Sauga • E-post [email protected] • Koduleht www.sauga.pri.ee • Ruum SOC-480  Loengukava • Sissejuhatus (programm, hindamismeetodid, õppematerjalid). • Ökonomeetria mõiste, ökonomeetriline mudel. • Hinnangud ja nende omadused. • Hüpoteeside kontrollimine.  Kursuse teemad 1. Sissejuhatus. 2. Harilik lineaarne regressioonmudel. 3. Mitmene regressioonmudel I. 4. Mitmene regressioonmudel II. 5. Mudeli omaduste parandamine. 6. Fiktiivsed tunnused. 7. Statsionaarsed aegread I. 8. Statsionaarsed aegread II. 9. Mittestatsionaarsed aegread. 10. Paneelandmed. 11. Tõenäosusmudelid I. 12. Tõenäosusmudelid II. Täpsemalt vt laiendatud ainekava.  Õppemeetodid Hübriidõpe 1. – 13. õppenädal • Loengut vi

Kategoriseerimata

10

pdf

ÖKONOMEETRIA loegn 1

Õppejõu kontaktandmed · Statistika ja ökonomeetria dotsent Ako Sauga ÖKONOMEETRIA · E-post [email protected] · Koduleht www.sauga.pri.ee TES0040 Bakalaureuseõpe TAAB 31, 32, 33, 51, 52 · Ruum SOC-480 MEM5220 Magistriõpe, TARM12 · Vastuvõtuajad (vajalik eelnev registreerimine õppejõu kodulehel): Ako Sauga Paaritu nädal N 19:00 ­ 20:00 Paarisnädal E 16:00 ­ 17:00 Loengukava Kellele see kursus on mõeldud? Bakalaureuseõppe TAAB 2. kursus (uus õppekava) · Sis

Ökonomeetria

70

docx

Ökonomeetria kontrolltöö kordamisküsimused 2020

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

Ökonomeetria

6

doc

Majandusstatistika

Majandusstatistika eksamiküsimused FK100 1. Statistika mõiste. Üldkogum ja valim. Rühmitatud andmed. Statistilise materjali graafiline esitamine (histogramm ja kumulatiivse sageduse graafik). Statistika on andmete kogumine ja töötlemine, statistilised andmekogumid, teadusharu, mille põhiülesandeks on massinähtuste vaatlemine, nende kohta andmete kogumine ja analüüsimine ning selle põhjal järelduste ja üldistuste tegemine ning praktiliste lahenduste pakkumine Üldkogum ­ antud tunnustega elementide hulk (nt. koolis õpilaste hulk), N Valim- juhuslik alamhulk üldkogumist (nt õpilaste seast tüdrukute hulk), valimi vaatluse läbi püütakse teha järeldusi üldkogumi kohta. Rühmitatud andmed- korrastamata statistilise rea andmed, mida rühmitatakse klassidesse e. intervallidesse skaalal Statistilise materjali graafiline esitamine: 1. Valimi elementide korrastatud hulk e. variatsioonirida (sageli rühmitatakse klassidesse e. tekib

Majandusstatistika

Kommentaarid (0)