Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Rakendusstatistika eksamiküsimused". Need materjalid aitavad sul teemat sügavamalt mõista.
valim, kriteerium, dispersioonid, normaaljaotus, korrelatsioon, empiiriline, jaotusfunktsioon, jaotuste, momentide, teoreem, momendid, rakendusstatistika, tingimuslik, vastandsündmus, tihedusfunktsioon, histogramm, polügon, empiiriliste, kvartiil, laplace, hälbed, hinnangud, teoreetilise, ootuse, intervallhinnang, valimid, hindab, s2jcn, ekseteu 2 2 −∞ ( ) =−u e 2 ∨+ ∫ e 2 du= √2 π 2 2 2 2 D(X) = E(X ) – E (X) = σ + μ – μ = σ 2 2 21. Normaaljaotus ja Laplace’i veafunktsioon. Tõenäosuse leidmine selle veafunktsiooni abil Olgu X ~ N(μ,σ). Siis standardiseeritud juhuslik suurus X −μ Y= N (0,1) . Lineaarteisendus ei riku normaaljaotust. σ 1 F ( Y )= + Φ ( y ) 2 2 y −t
Sündmus A ei ilmne kui esineb sündmus A. Sündmus A on sõltumatu sündmusest B kui tema tingimuslik on võrdne mittetingimusliku tõenäosusega. 3. Sündmuste algebralised operatsioonid. Sündmuste summa ja korrutis Summa: Sündmus C, mis ilmneb igal juhul kui ilmneb vähemalt üks sündmustest A või B. C = A B, Korrutis: On sündmus C, mis ilmneb juhul kui ilmnevad mõlemad sündmused A ja B. C = A B , A 4. Juhusliku suuruse mõiste X = X(e) 5. Jaotusseadus ja selle esitamine. Jaotusfunktsioon F(x) ja tema põhiomadused 6. Tõenäosuse tihedusfunktsioon f(x) ja tema põhiomadused jaotuse tõenäosuste tihedus: f(x) = lim P(x X < x+x)/ x omadused: 1. f(x) 0 on positiivne arv. 2. 3. Eksisteerib kasvõi üks väärtus (x, x+x), millele kehtib P(x X < x+x) = F(x) = f()dx - ksii). 7. Binomiaalne jaotus 1. JS nimetatakse binomiaalselt jaotuvaks (ka Bernoulli jaotus) parameetritega n ja m, kui ta võtab võimalikud väärtused 0, 1, ...., n tõenäosusega P(n, m) valemiga
3) P(x1 X < x2) = F(x2) - F(x1)
Omadusest 1: F(x2) = P(X
Katsetame n korda sõltumatult sündmust A. Olgu k(n) ≤ n õnnestunud katsed ja P*(A) ( ) ( ) sündmuse A teoreetiline tõenäosus. Siis ( ) > 0: lim ( | ( )| < ) = 1 Suurtearvude seadus.Juhuslike nähtuste karakteristikute (näiteks keskväärtuse) omadus katsete arvu kasvades läheneda mingitele konstantidele -Tšebõševiteoreem- Bernoulli teoreem 6. Täistõenäosuse ja Bayes’i valemi tuletamine Sündmuse A täistõenäosus: ( ) = ∑ ( | ) ( ). Sündmuste süsteemi H={H1,…,Hn} nimetatakse tingimusteks ehk sündmuste täissüsteemiks, kui 1. i=1,…,n Hi≠0; 2. i,j=1,…,n (i≠j) HiHj=∅; 3. ∑Hi=Ω. Täistõenäosuse valemi tuletamine: P(A) = P(AΩ) = P(A∑Hi) = P(∑AHi) = ∑P(AHi) = ∑[P(A|Hi)P(Hi)] (Korrutuslause: P(A|B) = P(AB)/P(B)) ( | ) ( )
(protsentides) 43. Piirteoreemide ja suurte arvude seaduste olemus. Oluliselt lihtsustades võib öelda, et nn. piirteoreemid ja nende üks eriliik, suurte arvude x seadused väidavad, et katsete arvu (lõpmatul) kasvamisel lähenevad mõõtmistulemuste jaotused ja arvkarakteristikud teatud teoreetilistele jaotustele ja väärtustele. 44. Üldkogum ja valim. Üldkogum (populatsioon) on kõikide meid huvitavate nähtuste või objektide kogum. Näiteks kõik Võrtsjärves elavad angerjad, kõik teatud katseklaasis olevad bakterid jne. Valim on antud üldkogumist teatud viisil eraldatud objektide kogum (üldkogumi osahulk, statistiline kogum). NB! Selleks, et valimi uurimise alusel teha tõepäraseid järeldusi üldkogumi kohta, peab valimi moodustamisel üldkogumi igal elemendil olema võrdne võimalus (tõenäosus) valimisse sattuda.
.
Juhuslikuk suurus- suurust, mis järjekordse katse tulemusel omandab mingi mitteennustatava väärtus
mingist võimalikust väärtuste hulgast.
Juhusliku suuruse põhiliigid:
diskreetne juhuslik suurus: võimalike väärtuste hulk on lõplik või loenduv (nt variantide nr'id)
pidev juhuslik suurus: võimalike väärtuste hulk on pidev (nt mõõtetulemused pidevalt skaalalt)
Juhusliku suuruse omadused määrab (täielikult) tema jaotusseadus:
jaotusfunktsioon - tõenäosus, et juhuslik suurus väärtus ei ületa funktsiooni argumenti x: F(x) = P (X
2. Mis on juhuslik sündmus? 3. Millisest aspektist me tahame sündmusi uurida? 4. Sündmuse matemaatiline definitsioon (elementaarsündmus, elementaarsündmuste ruum, sündmus). Elementaarsündmus on mingi vaadeldava protsessi või läbiviidava katse tulemus. Elementaarsündmuste ruumi moodustavad kõik elementaarsündmused ehk kõikvõimalike tulemuste hulk. Sündmuseks nimetatakse mingit suvalist elementaarsündmuste ruumi alamhulka. 5. Sündmuse toimumise kriteerium. Sündmuse toimumise juures on meile oluline vaid see, kas toimub või mitte. Sündmus toimub, kui toimub sündmust määravatest elementaarsündmustest üks. 6. Mitu erinevat sündmust saab moodustada n-elemendilise elementaarsündmuste ruumi põhjal? Tõesta! N-elemendilise elementaarsündmuste ruumi põhjal saab moodustada 2 n sündmust, mille hulka on arvestatud ka tühihulk. 7. Sündmuste liigitus (kindel, võimatu, vastandsündmus)
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 väärtuste hulk on kontiinum Jaotusfunktsioon on tõenäosus, et juhusliku suuruse väärtus ei ületa funktsiooni argumenti. Jaotusfunktsioon peab rahuldama järgmisi tingimusi: monotoonsus (kui b>a, siis F(b)>F(a), normeeritus (x-lõpmatus korrral lim F(x)=0, xlõpmatus lim F(x)=1) Jaotustihedus on jaotusfunktsiooni tuletis. Arvkarakteristikud kujutavad endast mingeid jaotusseaduse järgi leitavad funktsionaale, millega opereerimine/arvutused on enamasti lihtsamad kui kogu jaotusseadusega opereerimine. Juhusliku suuruse arvkarakteristikuid võib jagada: moment ja mittemomentkarakteristikud, asendi-,hajuvus- ja kujukarakteristikud,
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
n'i=N [ ( ui ) - ( ui-1 ) ] ' ni=N p i t=(Xm- ´x )/sx x2 = 44,486 x2kr= 9,488 (tabelist) 2 2 Et hüpotees vastu võetmiseks peab kr > . Seega hüpoteesi vastu ei võeta ning saan järeldada, et üldkogumi jaotus ei ole normaaljaotus. 6. Konstrueerime samas teljestikus nõutud graafikud Empiiriline jaotus Vahemi pi(ni/n ni k ) 0-14 9 0,150 15-29 7 0,117 1 30-44 3 0,217 1 45-59 3 0,217 60-74 6 0,100 75-89 5 0,083 90-104 7 0,117 Summa 6 : 0 1 Histogramm
2 Vahemikku sattumise tõenäosus 0.15 0.1 0.05 0 0-20 21-40 41-60 61-80 81-100 Valimi vahemikud Normaaljaotus x ¿0=0, x¿1 =20, x ¿2=40, x ¿3=60, x ¿4=80, x ¿5=100 ´x =45 s=34 ¿ ¿ xm -´x ¿ ¿ ¿ ¿ ¿ ¿ t m= t 0=- , t 1=-0,75, t 2 =-0,15,t 3=0,44, t 4=1,02, t 5 =+ s 0 ( t ¿0 )=1-1=0, 0 ( t ¿1 )=1-0,77=0,23, 0 ( t ¿2 ) =1-0,56=0,44, 0 ( t ¿3 )=0,67, 0 ( t ¿4 ) =0,85, 0 ( t ¿5 )=1 ~ p m= 0 ( t ¿m ) -0 ( t ¿m-1 ) ~ p1=0,23, ~
1,711 > 0,911. Seega on hüptees tõene. 3.2 H0: 2 = 800 alternatiiviga H1: 2 800 s 2 ( N - 1) x2 = 2 814,42 24 x2 = = 25,00 741,6 Hüpotees ütleb et arvutatud 2 peab jääma kahe kriitilise väärtuse vahele, ehk 2 a/2 < arvutatud 2< 2 1-a/2 ja nii meil ongi, ehk 13,85<25,00<36,42 - Seega on hüptees tõene. 4. Leida valimile vastav empiiriline histogramm ...võrdlaiade vahemikega 0-20, 20-40, 40-60, 60-80 ja 80-100 ning kontrollida 2-testi järgi olulisuse nivool = 0.10 järgmisi jaotushüpoteese: vahemik ni pi xi 0-20 6 0,2 9,833 4 21-40 7 0,2 33 8 41-60 4 0,1 49,25 6 61-80 5 0,2 70 0 81-100 3 0,1 90 2
Me = = 55 2 Haare: R = xmax - xmin = 99 - 0 = 99 Mo = {94} Mood: 2. Leida keskväärtuse, dispersiooni ja standardhälbe usaldusvahemikud eeldusel, et põhikogumi jaotuseks on normaaljaotus ja olulisuse nivooks P = 95 %. Tõene keskväärtus on µ=0,05, P=95% korral t=1,96 : X -t < µ < X +t n n 30,90 30,90 53,92 -1,96 < µ < 53,92 +1,96 50 50 45,36 < µ < 62,48 Tõene standardhälve P=95% q=0,21 : Enne leida korrigeeritud standardhälve n ( x ) 2 i i -X 47735,68
10 3.1 H0: = 50; H1: 50 Kontrollimiseks kasutame t-statistikut: f = N 1 = 24 Kriitiline t-statistiku väärtus t0.95(24) = 1.711 Kuna t < , siis võtame hüpoteesi H0 vastu. 3.2. H0: 2 = 800; H1: 2 800 Kontrollimiseks kasutame 2-statistikut: Kriitilised väärtused: 20.05(24) = 13.848 20.95(24) = 36.415 Et hüpotees vastu võetaks peab jääma kahe kriitilise punkti vahele seega hüpotees võetakse vastu. 4. Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 21-40, 41- 60, 61-80 ja 81-100 ning kontrollida 2- testi järgi olulisuse nivool = 0,10 järgmisi hüpoteese. Intervalli Vahemi element tõenäosus intervalli nr k e pi* keskmine k ni xi 1 0-20 6 0,24 9,83 2 21-40 7 0,28 33,00
valikud. Tõenäosuslik valik - iga üldkogumi objekti kohta on teada tema valimisse sattusime tõenäosus. Tõenäosuslike valikute probleemiks on üldkogumi jaoks registri olemasolu ja sellele juurdepääs ning seejärel valitud objektidega koostöö saavutamine. Lihtne juhuslik valik (juhuvalik) Empiiriline valik - üldkogumi objektide valimisse sattumise tõenäosuses ei ole teada. Empiiriliste valikute korral on probleemiks tulemuste usaldusväärsus, valim ei ole juhuslik, saadud tulemused sõltuvad objektidest, keda uurija (ekspert) suudab või soovib valimisse kaasata. Mugavusvalim, lumepallimeetod mõõtmisvahendi koostamine (otsimine) ehk meid huvitatavate tunnuste koostamine;
3.2 H 0 : σ =800 alternatiiviga H 0 : σ ≠ 800 s2 ( 2 28,532 χ = 2 N −1 = ) ∙ 24=24,42 χ2 statistiku vasak kriitiline piir: σ0 800 χ 21−∝/2=chiinv ( 0,95 ; 24 )=13,8 χ2 statistiku parem kriitiline piir: χ 2∝/2 =chiinv ( 0,05; 24 )=36,4 Kriitiline piirkond χ2 < 13,848 , χ2 > 36,415 H0 hüpotees vastuvõetud, sest 13,848 < 24,42 < 36,415 4. Valimile vastav empiiriline histogramm võrdlaiade vahemikega m nm pm 0-20 7 0,28 20-40 4 0,16 40-60 6 0,24 60-80 4 0,16
1 ´x = N ∑ xi i=1 ´x =53,24 Dispersioon N 1 s x 2= ∑ N−1 i=1 ( x i−´x )2 s x 2 =705,69 Standardhäve s x =√ s x 2 s x =26,56 Mediaan Me=51 Haare R = xmax – xmin = 94 – 9 = 85 2. Keskväärtuse μ usaldusvahemik eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10: sx s ( P ´x −t α , N−1 ∙ √N ) < μ< ´x +t α , N −1 ∙ x =1−α √N tα, N-1 on arvutatav Exceli TINV funktsiooniga: t=1,711 P ( 44,15< μ<62.33 ) =0 , 90
4. Konstrueerime valimi histogrammi Vahemikud: 0-20, 20-40, 40-60, 60-80, 80-100 (konstrueerides võtan nii, et ülemine piir kuulub vahemikku, aga alumine mitte) m nm pm 0-20 6 0,24 20-40 5 0,2 40-60 8 0,32 60-80 4 0,16 80-100 2 0,08 Nüüd kontrollime kolme hüpoteesi põhikogumi jaotuse kohta Pearsoni 2 - testi abil; usaldusnivooks kasutame = 0.10 4.1 H0: põhikogumi jaotus on normaaljaotus (parameetrid ja peab hindama valimi põhjal); H1: põhikogumi jaotus ei ole normaaljaotus. Kuna jaotuse parameetrid on juba hinnatud punktis 1 (oletades et tegu on normaaljaotusega), siis saame kohe määrata intervalidesse sattumise teoreetilised tõenäosused. t F(x) (x) 20 -0,93 0,18 0,18 40 -0,16 0,44 0,26 60 0,61 0,73 0,29 80 1,38 0,92 0,19 100 2,15 0,98 0,07
5 80-100 3 0,12 90 Histogramm 8 7 6 5 4 3 2 1 0 0-20 20-40 40-60 60-80 80-100 Kontrollin kahte hüpoteesi põhikogumi jaotuse kohta Pearsoni χ2 - testi abil; olulisuse nivooks kasutan α = 0.10 4.1 Põhikogumi jaotiseks on normaaljaotus (mille parameetrid μ ja σ tuleb hinnata valimi järgi) Keskväärtuse hinnang: k 1 ^μ= x´ = ∑n x n i=1 i i 9,83∗6+33∗7+ 49,25∗4+70∗5+90∗3 ^μ= =44,28 25 Dispersioonihinnang: k 1 ∙ ∑ ( x i− x´ ) ∙ ni 2 2 σ^ =s =
3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10): 3.1 H0: = 50 alternatiiviga H1: 50 1 Et Hüpotees vastu võetaks, peab tkr > t; 1,711 > -0,645. Hüpotees võetakse vastu. 3.2 H0: 2 = 800 alternatiiviga H2: 2 800 Et hüpotees vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,84 < 26,038< 36,42. Hüpotees võetakse vastu. 4.Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40-60, 60-80 ja 80-100 ning kontrollida - testi järgi olulisuse nivool = 0,10 järgmisi hüpoteese intervalli tõenäosu nr vahemik elemente s intervalli keskmine 1 0-20 5 0,2 6,80 3 2 20-40 6 0,24 0,33 4
2 20-40 6 0,24 30,33 3 40-60 6 0,24 47,17 4 60-80 5 0,2 73,40 5 80-100 3 0,12 96,33 KOKKU 25 1 Kontrollin -testi järgi olulisuse nivool = 0,10 järgmisi jaotushüpoteese: 2 4.1 põhikogumi jaotuseks on normaaljaotus. Keskväärtuse hinnang: 1 k µ^ = x = ni xi = 46, 2 n i =1 Dispersiooni hinnang: 1 k ^ = s 2 = ( xi - x) 2 ni = 854,88 n - 1 i =1 Teststatistiku arvutamise valemid: k (nm - nm~ ) 2 2 = m =1 nm~ nm~ = N pm~ pm~ = (tm ) - (tm -1 )
olulisuse nivooks = 0.10): 3.1. H0: = 50 alternatiiviga H1: 50 1 Et hüpotees vastu võetaks, peab tkr > t; 1,711 > -0,911. Hüpotees H0 võetakse vastu. 3.2. H0: 2 = 800 alternatiiviga H2: 2 800 8 Et hüpotees vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,848 < 24,433 < 33,196. Hüpotees H0 võetakse vastu. 4. Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40- 60, 60-80 ja 80-100 ning kontrollida - testi järgi olulisuse nivool = 0,10 järgmisi jaotushüpoteese: Intervavalli Intervalli nr Vahemik Elemente Tõenäosus keskmine 1. 0 20 7 0,28 9,857
1. H0 : μ = 50 alternatiiviga H1 : μ 50 09 Et hüpotees vastu võetaks, peab tkr > t; 1,7109 > 0,2892. Hüpotees H0 vastab tõele. 3.2. H0 : σ2 = 800 alternatiiviga H2 : σ2 800 84 Et hüpotees vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,8484 < 29,0575 < 36,4150 . Hüpotees H0 vastab tõele. 4. Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40-60, 60-80 ja 80-100 ning kontrollida - testi järgi olulisuse nivool α = 0,10 järgmisi jaotushüpoteese: Inte rvalli nr Vahe mik Ele mente Tõenäosus Inte rvavalli keskmine 1. 0 – 20 6 0,24 9,17 2
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
Keskmomentidel põhinevad tähtsamad arvkarakteristikud:
Dispersioon (2. Järku keskmoment): 2[X]=E[X0] = (xi - E[X])2*pi=Dx=D[X], dispersioon on juhusliku
suuruse hälvete ruutude keskmine
Ruuthälve: x=[X]=D[X] e standardhälve on ruutjuur dispersioonist
Asümmeetria tegur: Skx=a[X]=3[X]/3
Ekstsess: exx=ex[X]= 4[X]/4 3
Normaaljaotus üks kõig levinuim jaotusseadus, mis on määratud kahe arvkarakteristikuga
keskväärtusega ja standardhälbe ehk dispersiooniga. Normaaljaotus on piirjaotus.
Juhuslikud vektorid: Juhuslike suuruste kompleksi X1, X2, ..., Xn võib kujutada vektorina X=
ordinaadi muutu, mis vastab argumendi muudule x 18. Dif arvutuse põhiteoreeme 1)Lagrange teoree,(18 saj) Olgu meil f-n y=f(x) dif-v lõigul[a;b], siis leidub sellele lõigule punkt c, nii et f(b)-f(a)/b-a=f'(c); JOONIS! PQR:tan =QR/PR => lõikaja e(P,Q) *Teoreem väidab et leidub selline punkt, kus selle joone puutuja tõus on paralleelne selle lõikajaga(võrdne lõikaja tõusuga). Neid punkte on vähemalt üks, aga võib olla ka rohkem 2)Rolle'i teoreem: Olgu antud f-n y=f(x) dif-b lõigul[a;b], et leidub f(a)=f(b)=>siis leidub sellel lõigul vähemalt üks punkt nt c f'(c)=0; Joonis! Antud juhul lõikaja tõus on võrdne 0'ga ehk || x teljega. Leidub vähemalt üks punkt, kus joone puutuja on || x teljega 19. L'Hospitali reegel Teoreem: olgu antud f-nid y=f(x) ja y=g(x)=>dif-vad piirkonnas D nii, et lim x->a f(x)=0, limx->a g(x)=0 või limx->a f(x)= , limx->a g(x)= ja eksisteerib limx->a
=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 arvutasin Exceli TINV funktsiooniga ( on ka leitav Studenti tabelist): 1,711 Leian dispersiooni usaldusvahemiku eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10 ning põhikogumit moodustavate mõõdiste arv n = 25: ja arvutasin Exceli CHIINV funktsiooniga, vastavalt: 36,415 ja 13,848 3. Kontrollin järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0,10)
ei lähene nullile. Rida hajub
35. Arvrea koonduvuse Cauchy tunnus (sten)
36. Arvrea koonduvuse integraaltunnus
37. Vahelduvate märkidega read. Leibnizi tunnus
Vahelduvate märkidega rida on rida kujul a1a2+a3a4, ..., kus ai>0
Leibnitzi tunnus
Kui vahelduvate märkidega reas a1a2+a3a4, ..., liikmed on sellised, et a1>a2>a3>a4>...
ja nlim an = 0 , siis see rida koondub ja tema summa on positiivne arv, mis ei ületa rea
esimest liiget
38. Astmeread. Abeli teoreem
Abeli teoreem
a) Kui astmerida koondub mingi nullist erineva väärtuse x'0 korral, siis koondub ta absoluutselt
iga väärtuse x korral, mille puhulx
Rakendusstatistika arvutusgraafilise AGT-1 andmed ja lahenduse kontrollelemendid MHT/2013 Üliõpilane: Üliõpilaskood: Lahenduse esitamiskuupäev: 21.11.2013 Andmete kood: Andmed Andmed-A: valim A mahuga N=25 (arvkarakteristikud, jaotuse analüüs, dispersioonanalüüs, aegrida ) 37 54 94 32 19 33 69 51 89 43 18 88 9 30 62 41 81 54 49 54 15 94 85 43 87 Andmed-B: valimid B1 ja B2 ( korrelatsioon, regressioonimudeli leidmine ja analüüs) xi 1,1 2,8 2,2 5,1 3,7 yi 7,2 8.9 6,8 19,3 13,1
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.
3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10): 3.1 H0: = 50 alternatiiviga H1: 50 1 Et Hüpotees vastu võetaks, peab tkr > t; 1,711 > 1,28. Hüpotees H0 võetakse vastu. 3.2 H0: 2 = 800 alternatiiviga H2: 2 800 Et hüpotees H0 vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,84 < 32,18< 36,42. Hüpotees võetakse vastu. 4.Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40-60, 60-80 ja 80-100 ning kontrollida - testi järgi olulisuse nivool = 0,10 järgmisi hüpoteese intervalli vahemik elemente tõenäosu intervalli keskmine nr s 1 0-20 4 0,16 6.75 2 20-40 5 0,2 29,6 3 40-60 1 0,04 40,0 4 60-80 7 0,28 74,57
3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10): 3.1 H0: = 50 alternatiiviga H1: 50 1 Et Hüpotees vastu võetaks, peab tkr > t; 1,711 > -0,6449. Hüpotees võetakse vastu. 3.2 H0: 2 = 800 alternatiiviga H2: 2 800 D=2 Et hüpotees vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,84 < 26,0375< 36,42. Hüpotees võetakse vastu. 4.Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40-60, 60-80 ja 80-100 ning kontrollida - testi järgi olulisuse nivool = 0,10 järgmisi hüpoteese interval vahemi element tõenäos intervalli li nr k e us keskmine 1 0-20 5 0,2 6,8 2 20-40 6 0,24 30,33 3 40-60 6 0,24 47,17 4 60-80 5 0,2 73,4 5 80-100 3 0,12 96,3 4
3. Kontrollida järgmisi hüpoteese (eeldades uldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10): 3.1 H0: = 50 alternatiiviga H1: 50 1 Et Hüpotees vastu võetaks, peab tkr > t; 1,711 > -0,7268. Hüpotees võetakse vastu. 3.2 H0: 2 = 800 alternatiiviga H2: 2 800 Et hüpotees vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,84 < 34,924< 36,42. Hüpotees võetakse vastu. 4.Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40-60, 60-80 ja 80-100 ning kontrollida - testi järgi olulisuse nivool = 0,10 järgmisi hüpoteese interval vahemi element tõenäos intervalli li nr k e us keskmine 1 0-20 9 0,36 9,55 2 20-40 4 0,16 30,75 3 40-60 2 0,08 49 4 60-80 5 0,2 69,8 5 80-100 5 0,2 94 4
annaabi.ee 
