Leidsid 33 sarnast õppematerjali, mis on seotud failiga "ÖKONOMEETRIA loegn 1". Need materjalid aitavad sul teemat sügavamalt mõista.
valim, hüpotees, statistik, ökonomeetria, keskväärtus, nullhüpotees, demo, nihketa, teststatistik, sauga, hinnangud, üldkogum, sisukas, kursus, ökonomeetriline, normaaljaotus, regressioon, stata, vähimruutude, hinnangut, praktikum, bakalaureuse, testimine, juhuvalim, valimite, kriitilise, aegread, praktikumi, hindamismeetod, 2017, vaatlus, niheaasta sügissemestri KT õppimiseks Teooria 1. Ökonomeetrilise mudeli komponendid. Endogeensed (sõltuvad Y), eksogeensed (sõltumatud, X), hinnatavad parameetrid (beeta) ja 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
● 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 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.
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: Nihe, efektiivsus, mõjusus, asümptootiline jaotus, asümptootiline efektiivsus 7) Hinnangu nihe, nihketa hinnang
Ordinary Least Squares hindamismeetodid Valim ( xi , yi ) i = 1,..., n Silutud väärtused y^ i = ax ^ i + b^ · Vähimruutude meetod: Silutud väärtuste y^ i erinevus vaatlusandmetest yi on hälbed ehk jäägid kõige tuntum;
8. Fiktiivne muutuja (dummy) iseloomustavaid binaarseid muutujaid. Binaarne muutuja nominaalsel tunnusel vaid 2 erinevat väärtust, näiteks abielus v vallaline. 9. Entroopia määramatus (Prognoosi entroopia E on see osa infost tuleviku kohta, mida olemasoleva lähteinfo põhjal ei olnud võimalik leida). 10. Heteroskedastiivsusega on tavaliselt tegemist siis: a) parameetrite hinnangud on lineaarsed nihketa hinnangud, kuid nad ei ole parimad, st nad ei ole vähima dispersiooniga b) standardvead ei ole korrektsed ja seega ei ole korrektsed ka parameetrite hinnangute usaldusvahemikud. Fkriteeriumi hinnang ei pruugi olla õige; c) mudel võib viia uurija valedele järeldustele, kui tegemist on statistiliste hüpoteeside kontrollimisega. Kasutatakse graafilist analüüsi
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
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
yi b1 b2 x2i b3 x3i ... bk xki ui summaarne TSS=ESS+RSS n-1 · Kui x2 suureneb ühiku võrra ja ülejäänud seletavad tunnused x3, ... xk jäävaks samaks, siis y muutub b2 võrra. · Ceteris paribus: kõik muu jääb samaks · bj on y marginaalväärtus xj suhtes, matemaatiliselt osatuletis F statistik allub Fisheri ehk F- jaotusele y bj x j 2 Mudeli statistiline olulisus ja F-test Mudeli olulisuse F-test programmis Gretl
iga üksikfaktori mõju on väike, puudub domineeriv faktor. Normaaljaotuse jaotustihedus - Määratud ära kahe parameetriga: Keskväärtus µ määrab ära jaotuskõvera asukoha, standardhälbest σ sõltub, kui lai on jaotuskõver. Valem: Normaaljaotuse keskmised: aritmeetiline keskmine = mood = median 6. Valikuuringud Statistiline uuring võib olla: kõikne – uuritakse läbi terve üldkogum või valikuline – uuritakse läbi üldkogumit esindav osa : valim Valikuuring - eesmärgiks on valimi põhjal järelduste tegemine üldkogumi kohta. Kasutamise põhjused: Väiksem maksumus, Suurem kiirus, Suurem paindlikkus, Laiem rakendatavus • spetsiaalne aparatuur; • spetsiaalselt ettevalmistatud töötajad. • Suurem täpsus andmete kogumisel • suurema kvalifikatsiooniga tööjõud; • võimalik paremini kontrollida töötlemisvigu. • Mõnikord võib objekti testimine rikkuda objekti. Loend - vahend pääsemiseks üldkogumi objektide juurde
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
b. suurema informatiivsusega järjestusskaala c. kõige informatiivsem intervallskaala 2. Uuringufirma viib Eesti elanikkonna hulgas läbi tööjõu-uuringut. Vali õiged terminid, mis tähistavad toodud mõisteid. a. Eesti elanik objekt b. Uuringu teostamiseks kasutatakse intervjuusid mõõtmismeetod c. Tallinna elanikud osakogum d. need isikud, keda küsitletakse valim e. Intervjuul esitatavate küsimuste komplekt mõõtmisvahend f. Eesti elanikkond üldkogum g. inimese vanus tunnus h. need inimesed, kelle sissetulek on väiksem kui 5000 kr osakogum i. inimese sissetulek tunnus 3. Milliste vaatlustega on tegemist? a. küsimustiku täitmine veebis ankeetvaatlus b. andmete hankimine internetist dokumentaalvaatlus c
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
Testis kasutatav teststatistik iseloomustab erinevust hüpoteetilise ja empiirilise jaotuse vahel histogrammi vahemikele vastavate hüpoteetilise ja empiirilise sageduse kaudu. Kolmogorovi-Smirnovi test: Hüpoteesipaari {H0: F(x,) = F0(x,), H1: F(x,) F0(x,)} kontrollimine Kolmogorovi-Smirnovi testi abil kasutab erinevust hüpoteetilise ja empiirilise jaotusfunktsiooni vahel 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, ..
19. 15, binoomjaotus, parameetrid, parameeter Test 6 pidev, diskreetne, poissoni jaotus, jaotusseadus jaotusseadus, eksponentjaotus normaaljaotus, normaaljaotus normaaljaotus negatiivne väärtus poissoni jaotus Test 7 kogum, klastervalik, kihtvalik, lihtne juhuvalik, süstemaatiline valik tõenäosuslik valikumeetod, empiiriline valik fikseeritud samm, süstemaatiline valik, punkthinnang nihketa, efektiivne, optimaalne keskväärtus, normaaljaotus, suur valim keskväärtuse standardviga standardhälve standardviga, keskväärtuse usalduspiirid valimvaatlus usaldatavus suur valim, usaldatavus suurem üldkogumi keskväärtuse usaldusvahemiku laius, vabadusastmete arv studenti jaotus mediaani usalduspiiride leidmisel kasutatakse binoomjaotust, loend on ülekaetud ankeetküsitluse läbiviimisel, mõõtmisvahendi viga Test nr 8 sisukas hüpotees, järeldus peale parameetri empiirilise väärtuse võrdlust kriitilisega
Juhuslik sü- midagi, mis mingi katse (mingi tingimuste kompleksi realiseerumine) tulemusel võib toimuda Lähtepunkt: elementaarsündmuste ruum, koosneb elementaarsündmustest (1-teist välistavad s, millest iga katse korral 1 kindl. Toimub) Juh. S p-mõisted: 1)vastastikku välistuvad (mis ei sisalda samu elementaars) 2)vastastikku mittevälistuvad (sisaldavad samu elementaars) 3) sündmuste sisalduvus (kui toimub A, toimub ka B kõik sündmuses A sisalduvad elementaars sisalduvad ka B-s) 4)vastandsündmus (sisaldab kõik elementaars, mis ei sisaldu sündmuses A) Tehted juh.s. : 1) Summa (ühend): sisaldab kõik el.s., mis sisalduvad väh 1 liidetavatest sündmustest, tähis U 2) korrutis (ühisosa): sisaldab kõik el.s., mis sisalduvad korraga kõigis korrutatavatessündmustes Tõenäosus: iseloomustab esinemissagedust katsetes, on sündmuse mõõduks, arv nullist üheni Omadused: 1) Normeeriusaksioom (0-1) 2)Liitmisaksioom (summa P=sündmuste P summa) 3)tinglik tõenäosus Valemid:
Valimkeskmise kui juhusliku suuruse jaotus. x1 + x 2 + ... + x n 1 n Valimkeskmine: x = = i =1 xi n n n-valimi maht x1 , x 2 , ... , x n - mõõdetud tunnuste tulemused (ühesuguse jaotusega juhuslikud suurused) Valimkeskmine on normaaljaotusega juhuslik suurus tsentraalse piirteoreemi põhjal. x ~ N µ , x on juhuslik suurus, sest valim on juhuslik n on üldkogumi juhusliku suuruse standardhälve 3. Nihketa hinnangu definitsioon. Valimkeskmine kui üldkogumi keskmise nihketa hinnang. Kui üldkogumi mingi parameetri hinnangu keskväärtus võrdub selle parameetriga, siis öeldakse, et hinnang on nihketa. Ex = µ valimkeskmise keskväärtus (hinnang x on nihketa, mis on hea omadus) x + x 2 + ... + x n 1 = E ( x1 + x 2 + ..
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).
TALLINNA TEHNIKAÜLIKOOL Majandusteaduskond Rahandus ja majandusteooria instituut Matemaatika, statistika ja ökonomeetria õppetool Laura Kallasvee, Liisi Saksakulm BRUTOPALKADE SEOS HARIDUSE, SOO JA ELUKOHAGA EESTI MAAKONDADE LÕIKES AASTATEL 2005-2008 Ökonoomeetriline projekt Juhendaja: dotsent Ako Sauga Tallinn 2014 SISUKORD SISSEJUHATUS.........................................................................................................................4 1. REGRESSIOONANALÜÜS..................................................................................................7 1.1. Ökonomeetriline mudel....................................................................................................7 1.2. Töös kasutatavad andmed.....................
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
küsimustele tahan vastuseid. Andmete kogumine. Enne kogumist kontrollida, ehk on andmed juba olemas ja arvestada aja- ning raharessursiga. Vaatlus: otsevaatlus, varjatud vaatlus, osalusvaatlus Eksperiment Intervjuu: struktureeritud, poolstruktureeritud või struktureerimata Küsitlus Kas uurida valimit või üldkogumit? Üldkogum ehk populatsioon. Valim on üldkogumist uurimiseks eraldatud osa, mille põhjal tehakse statistilisi järeldusi üldkogumi kohta. Valimi moodustamine: a)tõenäosuslik: 1. Lihtne juhu- nimekiri 2. Süstemaatiline juhu- nimekiri, millest iga 10. 3. Kiht- valin grupid, keda küsitlen 4. Klaster- valin kellegi grupist b) mittetõenäosuslik: 1. Mugavus- pilootuuring testina 2. Ettekavatsetud- vastavalt eelteadmistele valitud uuritavad 3
Demonstreerida seda ühe näite abil matemaatiline statistika Jaotused Andmed tõenäosusteooria …. II osa Matemaatiline statistika 1. Klassikalise statistika eeldused. Nende eelduste rikutus Klassikalise statistika eeldused: a. Üldkogum on lõpmatu ja valim on selle lõplik alamhulk; |u| = n – valimi maht b. Valimisse kaasamine on sõltumatu, st valik on tagasipanekuga. Igal valimi elemendil on valimisse kaasamise tõenäosus 1/n. c. Parameetrilisuse eeldus. Valimi elemendil Xi = F(Θ); Θ = (Θ1, Θ2, , Θk). Jaotus on teada. Meie ülesanne on hinnata parameetreid Θj; j=1,2, ,k. 2. Statistiku definitsioon. Hinnangu nihketus ja mõjusus Olgu meil valim ( X 1 , X 2 ,..., X n ). Veenduge, et 1 n
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 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
GAUSS MARKOVI TEOREEM: kui on täidetud klassikalise regressioonmudeli eeldused, siis vähimruutude meetodil leitud parameetrite hinnangud on parimad, lineaarsed, nihutamata . Lineaarne lineaarsed funktsioonid sõltumatust muutujast Y; parameeter peab olema esimeses astmes, et saaks kasutada vähimruutude meetodit. Hinnang on nihutamata kui hinnangu kui juhusliku suuruse keskväärtus E(a) on võrdne hinnatava parameetri tegeliku väärtusega. Parimaks lineaarseks nihutamata hinnangus nim nihketa hinnangut mis on andmete lineaarne funktsioon ning on vähima dispersiooniga kõigi nihketa lineaarsete hinnangute seas. PARIM HINNANG: et hinnang leitakse valimi alusel, mis on juhuslik, siis on ka hinnang juhuslik suurus. Samast üldkogumist komplekteeritud sama suurusega valimite põhjal saadud hinnangud on tavaliselt erinevad, mis kinnitab valimi alusel leitavate hinnangute juhuslikku iseloomu. Eesmärgiks on valimi andmeid kasutades leida võimalikult täpselt parameetri Xhinnang a
MAINORI KÕRGKOOL Juhtimise instituut Annika Krutto ANDMEANALÜÜS SOTSIAALTEADUSTES Loengukonspekt Tartu 2009 SISUKORD SISSEJUHATUS...........................................................................................................................3 1. ANDMEANALÜÜSI põhimõisted ......................................................................................... 3 1.1 Üldkogum ja valim............................................................................................................... 3 1.2. Valimi valikumeetodid.........................................................................................................4 1.3. Mõõtmismeetod ja mõõtmisvahend ....................................................................................5 1.4. Andmetabel.....................................................................................................
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) =
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
Leia E(X2): 02x0,8+12x0,1+32x0,1= 1 1 Jaotusfunktsiooni abil on raske otsustada juhusliku suuruse käitumise üle mingi punkti ümbruses. Seetõttu kasutatakse lisaks jaotusfunktsioonile ka sellest tuletatud tihedusfunktsiooni. 2 4. Populatsioon ja valim, standardviga Populatsioon on kõigi objektide, isendite, esemete, nähtuste või seisundite kogum, mille kohta soovitakse järeldusi teha Populatsiooni neid objekte, mida on vaadeldud või uurimiseks välja valitud, kutsutakse valimiks Valimit, kus uuritava tunnuse jaotus on samasugune kui populatsioonis, nimetatakse esindavaks valimiks Standardhälve- ruutjuur dispersioonist (dispersioon pt.2)
fikseeritud parameetritega a = 0, b = 100 ühtlane jaotus (võttes = 0,10, st teststatistiku DN kriitiliseks väärtuseks on Dkr = 0,238). Empiirilise ja ühtlase jaotuse jaotusfunktsiooni maksimaalne erinevus: DN=0,13 DN=max[Femp(Xi)- F0(Xi)] Et hüpotees vastu võetaks, peab DN Dkr, siin on 0,13 < 0,238 ja seega võetakse hüpotees vastu, üldkogumi jaotuseks on ühtlane jaotus. 8. Jagada valim viieks võrdse mahuga osaks (võttes osaks/rühmaks 1.-5. arvu, 6.-10. arvu, ..., 21.-25. arvu). Kontrollida nii moodustatud rühmade keskväärtuste homogeensushüpoteesi H0: 1 = 2 = 3 = 4 = 5 (kasutades dispersioonanalüüsi metoodikat ja võttes olulisuse nivooks = 0.05). i/r 1 2 3 4 5 yi 1.-5. 69 10 76 79 84 63,6 927,3 353,44 6.-10
17 62 0,68 0,62 0,06 18 69 0,72 0,69 0,03 19 81 0,76 0,81 0,05 20 85 0,8 0,85 0,05 21 87 0,84 0,87 0,03 22 88 0,88 0,88 0 23 89 0,92 0,89 0,03 24 94 0,96 0,94 0,02 25 94 1 0,94 0,06 8. Jagada valim viieks võrdse mahuga osaks. Kontrollida nii moodustatud rühmade keskväärtuste homogeensushüpoteesi H0: µ1 = µ2 = µ3 = µ4 = µ5 (kasutades dispersioonanalüüsi metoodikat ja võttes olulisuse nivooks = 0.05). Üldine rühmasisene dispersioon: Üldkeskmine: Rühmadevaheline dispersioon: 1 2 3 4 5 Yi Yi- (Yi- dispersio keskv keskv)^2 on 1.-5
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 75 10 79 32 32 0 68 94 96 2 99 53 31 15 48 47 29 70 7 75 28 30 42 47 46 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=46,20 Dispersioon: Excel: VAR Sx²=867,9167 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 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
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 12 6 11 62 20 62 7 98 10 1 52 27 80 25 94 46 38 74 95 33 71 15 96 4 87 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=45, 04 Dispersioon: Excel: VAR Sx²=1164,123 Standardhälve: Sx=34,1193 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=38 Haare: R=97 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 Exc
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 1. Valim mahuga N = 25 jrk ni xi ni * xi ni * 2088, 1 1 2 2 2089,25 49 1909, 2 1 4 4 1910,42 69 1656, 3 1 7 7 1657,17 49 1576, 4 1 8 8 1576,75 09
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 22 96 91 75 74 75 25 79 12 38 95 10 71 0 79 24 86 91 96 5 40 85 69 82 39 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=58,36 Dispersioon: Excel: VAR Sx²=1072,74 Standardhälve: Excel: STDEV Sx=32,75 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Excel: MEDIAN Me=74 Haare: =96-0=96 R=96 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10
annaabi.ee 
