*leitakse DN kriitiline väärtus Dkr vastavatest tabelitest sõltuvalt valimi mahust N ja valitud olulisuse nivoost alfa. *järelduste tegemine, kui Dn on väiksemvõrdne Dkr siis nullhüpotees võetakse vastu. X2 test on töökindlam ent ei pruugi tagada parimat tulemust. Korrelatsioon on levinuim arvkarakteristik iseloomustamaks kahe sõltuva juhusliku suuruse X ja Y vahelist seost. Korrelasiooni hindamiseks katseandmete järgi on vaja nn paarisvalimit, mis koosneb katse/vaatluse tulemusel saadud paarisvaatlustest. Korrelatsiooni väärtused asuvad -1 ja 1 vahel. Korrelatsiooni mooduli lähedus väärtusele 1 viitab sellele, et X ja Y seos on lähedane lineaarsele seosele. X ja Y kasvava seose korral on korrelatsioon positiivne, kahaneva seose korral negatiivne. Korrelatsiooni ruutu nim determinatsiooniks d=r2. Kui x ja y vahel on statistiline seos, siis determinatsioon d näitab, missugune osa ühe juhusliku suuruse dispersioonist on
nivoost järelduste tegemine, kui Dn on väiksemvõrdne Dkr siis nullhüpotees võetakse vastu. X2 test on töökindlam ent ei pruugi tagada parimat tulemust. 3. RAKENDUSSTATISTIKA PÕHIVALDKONNAD Korrelatsioon on levinuim arvkarakteristik iseloomustamaks kahe sõltuva juhusliku suuruse X ja Y vahelist seost. Korrelasiooni hindamiseks katseandmete järgi on vaja nn paarisvalimit, mis koosneb katse/vaatluse tulemusel saadud paarisvaatlustest. Korrelatsiooni väärtused asuvad -1 ja 1 vahel. Korrelatsiooni mooduli lähedus väärtusele 1 viitab sellele, et X ja Y seos on lähedane lineaarsele seosele. X ja Y kasvava seose korral on korrelatsioon positiivne, kahaneva seose korral negatiivne. Korrelatsiooni ruutu nim determinatsiooniks d=r2. Kui x ja y vahel on statistiline seos, siis
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 (prognoosi)mudel y = b0 + b1x, kus vabaliikme 0 hinnanguks on b0 ja lineaarliikme (tundlikkuse) 1
annaabi.ee 
