Vajad kellegagi rääkida?
Küsi julgelt abi LasteAbi
Logi sisse

Rakendusstatistika arvutusgraafiline töö (arvutused) (0)

1 Hindamata
Punktid

Overview

Osa A
Osa B

Sheet 1: Osa A


i xi
1. N 25
i (xi -`x)2 xi
4. Vahemik Elemente Tõenäosus Intervalli keskmine
5. Vahemik xm ni (emp) ni (norm) ni (eksp) ni (ühtl) f (norm) f (eksp) f (ühtl)
6. Jrk. nr Järj. rida Empiiriline Ühtlane 1 1
Keskväärtus 51.8
1 2580.64 1
0-20 6 0.24 9.17
0
0.003 0.019 0.01
1 1 0.04 0.01 2 2
Dispersioon 968.58
2 2480 .04 2
20-40 3 0.12 27.33
0-20 20 6 4 8 5 0.008 0.013 0.01
2 2 0.08 0.02 3 17
Standardhälve 31.12
3 1211 .04 2
40-60 3 0.12 48.33
20-40 40 3 5 5 5 0.012 0.009 0.01
3 2 0.12 0.02 4 81
Mediaan 62
4 852.64 14
60-80 9 0.36 73.33
40-60 60 3 6 4 5 0.012 0.006 0.01
4 14 0.16 0.14 5 97
Haare 96
5 2043.04 17
80-100 4 0.16 88.25
60-80 80 9 6 3 5 0.009 0.004 0.01
5 17 0.2 0.17 6 75
6 538.24 19
80-100 100 4 2 2 5 0.004 0.003 0.01
6 19 0.24 0.19 7 22
7 888.04 21
55
10905.6
Kokku
25 23 22 25



7 21 0.28 0.21 8 21
2. α 0.1
8 948.64 22
82
1795.9
8 22 0.32 0.22 9 94
t1-α/2 0.95
9 1780.84 39
145
36.1
9 39 0.36 0.39 10 62
f (vabadusaste) 24
10 104.04 45
660
4173.2
10 45 0.4 0.45 11 81
11 852.64 48
353
5314.4
8. i/r 1 2 3 4 5 yi s2i (yi-y)2
11 48 0.44 0.48 12 73
t1-α/2(f) (t kvantiil ) 1.7109
12 449.44 52
μ ̂= 51.8 σ ̂= 926.0
1.-5. 1 2 17 81 97 39.6 2105.8 148.84
12 52 0.48 0.52 13 74
∆μ (poollaius) 10.65
13 492.84 62
6.-10. 75 22 21 94 62 54.8 1053.7 9
13 62 0.52 0.62 14 52
14 0.04 70
11.-15. 81 73 74 52 79 71.8 133.7 400
14 70 0.56 0.7 15 79
Keskväärtuse usaldusvahemikud
15 739.84 71
16.-20. 45 14 70 2 71 40.4 1001 .3 129.96
15 71 0.6 0.71 16 45
alumine 41.15
16 46.24 73
4.1. k xm ui ni Ф(ui) tabelist pi ni' (ni-ni')2/ni'
21.-25. 48 79 77 39 19 52.4 656.8 0.36
16 73 0.64 0.73 17 14
ülemine 62.45
17 1428 .84 74
1 20 -1.02 6 0.1539 0.15 3.85 1.20
Kokku




259 4951.3 688.16
17 74 0.68 0.74 18 70
18 331.24 75
2 40 -0.38 3 0.3520 0.20 4.95 0.77
18 75 0.72 0.75 19 2
χ2α/2 0.05
19 2480.04 77
3 60 0.26 3 0.6026 0.25 6.27 1.70
y = 51.8
19 77 0.76 0.77 20 71
χ21-α/2 0.95
20 368.64 79
4 80 0.91 9 0.8486 0.25 6.15 1.32
20 79 0.8 0.79 21 48
21 14.44 79
5 100 1.55 4 0.9394 0.09 2.27 1.32
Üldine rühmasisene dispersioon 990.26
21 79 0.84 0.79 22 79
χ2α/2(f) 13.8484
22 739.84 81
Kokku

25

23.49 6.31
Üldkeskmine 51.8
22 81 0.88 0.81 23 77
χ21-α/2(f) 36.4150
23 635.04 81
Rühmadevaheline dispersioon 172.04
23 81 0.92 0.81 24 39
24 163.84 94
χ2 = 6,315
F- statistik 0.17
24 94 0.96 0.94 25 19
Dispersiooni usaldusvahemikud
25 1075 .84 97
χ2 vabadusastmete arv k = m-1-r = 5-1-2 = 2 (r=2, sest normaaljaotusel on kaks parameetrit)
F-statistiku kriitiline väärtus tabelist: Fkr = F1-α (k-1, N-k) = F0,95 (4;20) = 2,87
25 97 1 0.97
alumine 638.36
χ2 kr (0,10; 2) = 4,605
Hüpoteesi vastuvõtmiseks peab F ülemine 1678.61
Et hüpotees vastu võetaks, peab χ2kr > χ2, kuid siin ei ole. Seega peab hüüpoteesi tagasi lükkama ning järeldama, et üldkogumi jaotuseks on mingi teine jaotus.
Seega võetakse hüpotees vastu ja keskväärtused loetakse hüpoteesi põhjal homogeenseteks
3.1. H0:μ 50
4.2. k xm ni Fo(m) pi ni' (ni-ni')2/ni'
9. Lähterida Järjestatud rida Märgirida Käänupunkt
Kriitiline piirkond ǀtǀ > 1,7109
1 20 6 0.32 0.32 8.01 0.50
1 1 -
Pikim seeria Lmax = 3
t-statistik 0. 2892
2 40 3 0.54 0.22 5.44 1.10
2 2 -
Seeriate arv Ns = 14
H0 hüpotees vastab tõele, kuna ǀ0,2892ǀ 3 60 3 0.69 0.15 3.70 0.13
17 2 -
Lmax 0,5(N+1-1,96√(N-1))
4 80 9 0.79 0.10 2.51 16.73
81 14 +
Kuna mõlemad võrratused kehtivad, siis võib aegrea mediaankr. järgi lugeda juhuslikuks
3.2. H0:σ2 800
5 100 4 0.85 0.07 1.71 3.07
97 17 + k
Kriitiline piirkond 13,8484 Kokku
25

21.37 21.53
75 19 +
Käänupunktide arv p = 15
hii-statistik 29.0575
22 21 -
p > (2(N-2) - 1,96√(1,6N-2,9))/3
H0 hüpotees vastab tõele, kuna 13,8484 λ = 0.0193
21 22 - k
Võrratus kehtib ning aegrea käänupunktide järgi võib lugeda juhuslikuks
94 39 + k
χ2 = 21,530
62 45
k
χ2 vabadusastmete arv k = m-1-r = 5-1-1 = 3 (r=1, sest eksponentjaotusel on üks parameeter)
81 48 + k
χ2 kr (0,10; 3) = 6,251
73 52 + k
Et hüpotees vastu võetaks, peab χ2kr > χ2, kuid siin ei ole. Seega peab hüüpoteesi tagasi lükkama ning järeldama, et üldkogumi jaotuseks on mingi teine jaotus.
74 x med = 62 + k
52 70 - k
79 71 + k
4.3. k xm ni Fo(m) pi ni (ni-ni')2/ni'
45 73 -
1 20 6 0.2 0.2 5 0.2
14 74 - k
2 40 3 0.4 0.2 5 0.8
70 75 + k
3 60 3 0.6 0.2 5 0.8
2 77 - k
4 80 9 0.8 0.2 5 3.2
71 79 + k
5 100 4 1 0.2 5 0.2
48 79 - k
Kokku
25

25 5.2
79 81 + k
77 81 +
a = 0
39 94 -
b = 100
19 97 -
χ2 = 5,2
χ2 vabadusastmete arv k = m-1-r = 5-1-2 = 2 (r=2, sest ühtlasel jaotusel on kaks parameetrit)
χ2 kr (0,10; 2) = 4,605
Et hüpotees vastu võetaks, peab χ2kr > χ2, kuid siin ei ole. Seega peab hüüpoteesi tagasi lükkama ning järeldama, et üldkogumi jaotuseks on mingi teine jaotus.

Sheet 2: Osa B


10.
xi yi xi-x yi-y (xi-x)2 (yi-y)2 (xi-x)(yi-y) xi∙yi
11.1. y = b0 + b1x
11.3. b1 = 2,00 0.9 1.8 -1.92 -2.12 3.69 4.49 4.07 1.62
Mudeli liikme b1 võib lugeda mitteoluliseks
4.2 9.9 1.38 5.98 1.90 35.76 8.25 41.58
Vx = 8.03
1.8 0.7 -1.02 -3.22 1.04 10.37 3.28 1.26
b1 = 2.00
b0 = -1,72 3.9 5.2 1.08 1.28 1.17 1.64 1.38 20.28
b0 = -1.72
Mudeli liikme b0 võib lugeda mitteoluliseks
3.3 2 0.48 -1.92 0.23 3.69 -0.92 6.6
Keskmine 2.82 3.92

1.61 11.19


Regressioonimudel : y = 2x-1,72
Kokku



8.03 55.95 16.07

11.4. yi-(b0+b1xi) [yi-(b0+b1xi)]2
d = 2
11.2. yr
(yr-yo)2
x2i x2i / N∙Vx
1.72 2.97
s2ad = 7.93
r = 0.76
1.9
0.001
0.81 0.02
3.22 10.36
F = 4.01
d = 0.57
0.1
3.14
17.64 0.44
-1.18 1.39
Fkr = F0,95(3;6)= 4.76
2.0
0.02
3.24 0.08
-0.88 0.78
Korreelimatuse kontroll t- ja z-statistiku abil:
4.5
6.91
15.21 0.38
-2.88 8.30
t-statistik: 2,1318
z-statistik: 1,6449
0.7
1.37
10.89 0.27
Kokku 23.79
t = 0.8563
z = -0.6047
1.5
0.14
Kokku 1.19
2.4
0.28
Fkr > F, see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks
t Keskmine 1.87 Kokku 11.85
z Mõlema statistiku järgi ei saa H0 tagasi lükata ning X ja Y korrelatsioon tuleb lugeda mitteoluliseks
y0 = 1.87
Hinnangute usaldusvahemikud:
11.5. x = 1
x = 3
x = 5
s2(y)= 1.98
P(b0) -2.94 ≤ β0 ≤ -0.51
s2(b0)= 2.35
P(b1) -1.75 ≤ β1 ≤ 5.75
(x-xk)2/Vx = 0.41
(x-xk)2/Vx = 0.004
(x-xk)2/Vx = 0.59
s2(b1)= 0.25
s(y) = 1.10
s(y) = 0.63
s(y) = 1.25
t0,975 (6)= 2.4469
t0,975(6) = 2.447
t0,975(6) = 2.447
t0,975(6) = 2.447
∆b0 = 1.21
∆y = 2.69
∆y = 1.55
∆y = 3.06
∆b1 = 3.75
-2.41 ≤ μ (y│1) ≤ 2.97
2.73 ≤ μ (y│3) ≤ 5.83
5.22 ≤ μ (y│5) ≤ 11.34
Vasakule Paremale
Rakendusstatistika arvutusgraafiline töö-arvutused #1 Rakendusstatistika arvutusgraafiline töö-arvutused #2 Rakendusstatistika arvutusgraafiline töö-arvutused #3 Rakendusstatistika arvutusgraafiline töö-arvutused #4 Rakendusstatistika arvutusgraafiline töö-arvutused #5 Rakendusstatistika arvutusgraafiline töö-arvutused #6 Rakendusstatistika arvutusgraafiline töö-arvutused #7 Rakendusstatistika arvutusgraafiline töö-arvutused #8 Rakendusstatistika arvutusgraafiline töö-arvutused #9 Rakendusstatistika arvutusgraafiline töö-arvutused #10 Rakendusstatistika arvutusgraafiline töö-arvutused #11 Rakendusstatistika arvutusgraafiline töö-arvutused #12 Rakendusstatistika arvutusgraafiline töö-arvutused #13 Rakendusstatistika arvutusgraafiline töö-arvutused #14 Rakendusstatistika arvutusgraafiline töö-arvutused #15 Rakendusstatistika arvutusgraafiline töö-arvutused #16 Rakendusstatistika arvutusgraafiline töö-arvutused #17 Rakendusstatistika arvutusgraafiline töö-arvutused #18 Rakendusstatistika arvutusgraafiline töö-arvutused #19 Rakendusstatistika arvutusgraafiline töö-arvutused #20 Rakendusstatistika arvutusgraafiline töö-arvutused #21
Punktid 100 punkti Autor soovib selle materjali allalaadimise eest saada 100 punkti.
Leheküljed ~ 21 lehte Lehekülgede arv dokumendis
Aeg2016-04-11 Kuupäev, millal dokument üles laeti
Allalaadimisi 8 laadimist Kokku alla laetud
Kommentaarid 0 arvamust Teiste kasutajate poolt lisatud kommentaarid
Autor lllKsenia Õppematerjali autor

Sarnased õppematerjalid

Rakendusstatistika arvestusharjutus AGT1 parandatud
42
docx

Rakendusstatistika arvestusharjutus AGT1 parandatud

26 0.6084 18.1476 3.3228 2.22045E- 7.1054E Summa 14.9 55.3 15 -15 9.188 109.772 29.906 xk 2.98 11.06 Korrelatsioonitegur: 0,9416 Determinatsioonitegur: 0, 8867 t-statistik: 0.54887119 z-statistik: 1.82906558 Tabelist võetud (tõenäosus - 0.975): t-statistik; 3.1824 z-statistik: 1.9602 Kuna mõlema puhul on tabeli statistik suurem, siis on tulemus vastuvõetav ning hüpoteesid vastu võetud. 11. Leida ühefaktoriline lineaarne regressioonimudel y = b0 + b1x ja analüüsida selle täpsust (olulisuse nivool α = 0,05) 11.1 leida mudeli parameetrite hinnangud b0 ja b1. Keskmine x 3.7 1.1 5.1 2.8 2.2 2.98 y 13.1 7.2 19.3 8

Rakendusstatistika
Rakendusstatistika arvutusgraafiline töö-vastused
32
pdf

Rakendusstatistika arvutusgraafiline töö (vastused)

RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valim A mahuga N=25 variatsioonirida: 1 2 17 81 97 75 22 21 94 62 81 73 74 52 79 45 14 70 2 71 48 79 77 39 19 1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: = 51,8 Dispersioon: s x² = 968,58 Standardhälve: s x = 31,12 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me = 62 Haare: R = 91 – 1 = 96 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks α = 0.10). Keskväärtuse usaldusvahemik:

Rakendusstatistika
Rakendusstatistika arvutusgraafiline töö 1 AGT-1
44
docx

Rakendusstatistika arvutusgraafiline töö 1 AGT-1

(ümardatult) 8 13 21 25 20 15 10 5 0 -2 -1 0 1 2 3 4 5 6 -5 OSA C 12. Osade A ja B lahenduste kohta lühike kokkuvõte Selles arvutusgraafilises töös oli vaja A ja B osas leida erinevaid arvkarakteristikuid. Lisaks tuli kontrollida hüpoteese ning need siis kas tõestada või ümber lükata. Hüpoteesidest tuli esitada ka graafikuid. Arvutusgraafiline töö andis hea ülevaate programmi Exceli kasutusest – kui palju see lihtsustab arvkarakteristikute leidmist ja erinevate graafikute tegemist. Ilma selleta võtaks sarnase töö tegemine palju rohkem aega. 13. /14.Statistilised meetodid ja mudelid ning nende rakendamine toidutehnika valdkonnas. Praktilised näited. Statistilisi meetodeid ja mudeleid saab kasutada peaaegu igalpool, nii ka toidutehnikas.

Rakendusstatistika
Rakendusstatistika AGT-1
38
docx

Rakendusstatistika AGT-1

13,848 χ ( 2 ( 1+ p ) 2 ; n−1) Dispersiooni 90%-line usalduspiirkond on (536,52 ; 1410,84) 2 P(536,52< σ^ <1410,84) 3. Kontrollida järgmisi hüpoteese: (Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks α = 0,1) 3.1 H 0 : μ=50 alternatiiviga H 1 : μ ≠ 50 t statistik = |√N ´ s || 25 28,53 | ( x −μ0 ) = √ ( 44,84−50 ) =|−0,9043|≈|−0,90| Studenti funtktsioon: t(0,1;24) = 1,7109 Hüpotees vastab tõele, kuna |t|>t 1−∝ /2 (f ) ja |−0,90| < 1,7109 H0 hüpotees vastu võetud. 2 2 3.2 H 0 : σ =800 alternatiiviga H 0 : σ ≠ 800 s2 (

Rakendusstatistika
Rakendusstatistika AGT-1
30
xlsx

Rakendusstatistika AGT-1

1.- 4. 12 6 11 62 37 11.- 14. 52 27 80 25 38.5 21.- 24. 71 15 96 4 37.5 113 üldine rühmasisene dispersioon 1447.125 82.1324 Rühmavaheline dispersioon F= 0.056756 F- statistik Fkr= 2.9 4.26 Hüpoteesi vastu võtmiseks peab F

Rakendusstatistika
AGT 1 rakendusstatistika
46
docx

AGT 1 rakendusstatistika

oletatavatest suundadest. Andmeid on võimalik koondada ja teha arusaadavamaks kõrvalistele isikutele. Kõige parema ülevaate annavad jaotusgraafik ning histogramm, millelt on võimalik välja lugeda suur osa esmaseid tulemusi. Saadud tulemusi on võimalik kasutada ka hüpoteeside kontrollimiseks. Plastide tootmisel läheb statistikat lisaks saadud materjalide omaduste uurimiseks vaja ka keemilise ühendite koostamisel. Kokkuvõtteks võib öelda, et ilma statistikata ei jääks küll töö otseselt tegemata, kuid see võib aidata võita tohutult aega ning lihtustada tulemusi ka kõrvaltvaatajale ilma, et viimane peaks teemat süvitsi uurima. Raie Eesti metsades 2011. aasta metsamaa pindala oli ligikaudu 142 221 miljonit hektarit, milles oli puitu umbkaudu 131 459 miljoni kuupmeetrit. Iga aasta võrreldakse juurde kasvava metsa pindala raiutud osaga ja selle abil on välja arvutatud, et optimaalne raiemaht aastas on 12,6 miljonit tihumeetrit. Sellise

Rakendusstatistika
Rakendusstatistika agt-1 mth0030 mth0031
20
xlsx

Rakendusstatistika agt-1 mth0030 mth0031

DN=max[Femp(Xi)- F0(Xi)] Et hüpotees vastu võetaks, peab DN≤Dkr, siin on 0,16<0,238 , üldkogumi jaotuseks on ühtlane jaotus. 8) 1 2 3 1.- 4. 10 5 12 11.- 14. 50 28 82 21.- 24. 68 14 95 1397.625 üldine rühmasisene dispersioon 105.2524 Rühmavaheline dispersioon F= 0.075308 F- statistik Hüpoteesi vastu võtmiseks ja keskväärtused loetakse h Fkr= 2.9 4.26 11.2) 11,3) 11.4) 1.9600 3.2400 4.4100 18.49 7.84

Rakendusstatistika
Rakendusstatistika arvutusgraafiline töö
12
docx

Rakendusstatistika arvutusgraafiline töö

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

Rakendusstatistika




Meedia

Kommentaarid (0)

Kommentaarid sellele materjalile puuduvad. Ole esimene ja kommenteeri



Sellel veebilehel kasutatakse küpsiseid. Kasutamist jätkates nõustute küpsiste ja veebilehe üldtingimustega Nõustun