Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Rakendusstatistika kokkuvõte". Need materjalid aitavad sul teemat sügavamalt mõista.
valim, hüpotees, normaaljaotus, keskväärtus, statistik, korrelatsioon, nullhüpotees, arvkarakteristik, jaotusfunktsioon, sõltuvus, kvantiil, ruutu, usaldusvahemik, jaotustihedus, hajuvus, diskreetne, lõpmatus, histogramm, ruutude, teststatistik, seeria, sisend, juhuslikud, jaotusfunktsiooni, regressioon, hinnangud, standardhälve, sattumisemuutumisvahemiku sees kõik juhusliku suuruse väärtused on tekke mõttes samaväärsed. Jaotuse parameetriteks on juhusliku suuruse muutumisintervalli alumine piir a ja ülemine piir b. Eksponentjaotus (pidev) kirjeldab mingi sündmuse toimumisaja jaotust eeldusel, et sündmuse tekkimise jaoks kõik ajahetked on samaväärsed. Kasutatakse töökindlustehnikas, teenindussüsteemides jm. Jaotuse kirjeldamiseks üks parameeter lambda, mis on sündmuste voo intensiivsus/sagedus. Normaaljaotus on esmajoones seotud keskse piirteoreemiga tõenäosusteoorias. Suvalise ühesuguse jaotusega sõltumatute juhuslike suuruste summa või keskväärtuse jaotus läheneb liidetavate arvu kasvades normaaljaotusele. Seega saab juhuslike suuruste liitumisel tekkivate juhuslike suuruste jaotust vähemalt ligikaudu kirjeldada normaaljaotusega. Ei ole vaja suur liidetavate arvu, lubatav on liidetavate
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, ..
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:
vaid tabeli või diagrammina. Teoreetilised jaotused - Teatud teoreetilistest printsiipidest tuletatud jaotusseadus on teoreetiline jaotus. Diskreetse juhusliku suuruse korral: valem tõenäosuste leidmiseks. Pideva juhusliku suuruse korral: valem jaotustiheduse leidmiseks. Tuntakse üle 100 erineva teoreetilise jaotuse. Diskreetsed jaotused: ühtlane jaotus, Bernoulli jaotus, Binoomjaotus, Poissoni jaotus. Pidevad jaotused: ühtlane ehk ristkülikjaotus, eksponentjaotus, normaaljaotus, t-jaotus, F-jaotus, χ 2-jaotus(hii-ruut jaotus) 1. Juhusliku suuruse iseloomu ja empiirilise jaotuse järgi leitakse sobiv teoreetiline jaotus. 2. Vaatlusandmete põhjal leitakse teoreetilise jaotuse parameetrid. 3. Teoreetilist jaotust kasutatakse tõenäosuste arvutamisel. Seda, kas valitud teoreetiline jaotus sobib, saab testida jaotuse sobivuse χ 2 testiga. Binoomjaotus - Binoomjaotusega on tegemist, kui • katse tulemus võib olla positiivne või negatiivne;
−∞ 2 12. Leida pideva ühtlase jaotuse dispersioon. 2 2 (a−b) Pideva ühtlase jaotuse dispersioon on DX =EX 2−( EX ) = 12 NORMAALJAOTUS 13. Defineerida normaaljaotus. Normaaljaotus on reaalarvulise juhusliku suuruse jaotus, mille tihedusfunktsioon avaldub 2 −(x−μ) 1 2σ 2 kujul φ ( x )= e , kus jaotuse parameeter σ > 0 (hajuvus) ja μ on σ √2 π reaalarv(keskväärtus). Tähistatakse X~N(μ,σ). 14. Kuidas avalduvad normaaljaotusega juhusliku suuruse keskväärtus ja dispersioon?
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
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).
1. Üldkogum – ehk populatsiooni all mõeldakse kõiki juhtumeid või situatsioone, mille kohta uurijad soovivad, et nende poolt saadud järeldused või prognoosid kehtiksid. Valim – liikmed tuleb valida juhuslikult, st igal üldkogumi liikmel peab olema võrdne võimalus saada valitud valimisse. Valimimaht – Valimisse valitavate objektide arv. Tunnuste- all mõistetakse liikmeid kirjeldavaid erinevaid omadusi. 2. Statistilise uurimistöö etapid. Mingi probleemi statistilise uurimisel läbitakse 4 tööetappi: Uuringu ettevalmistamine Statistiline vaatlus või eksperiment Vaatlusandmete kokkuvõtte ja esialgne töötlemine
aasta 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
0 ( ) 1 on tõene, kuna ( < )= ä (( < ) + ( )) = = ( < )+ ( < ) ( ) ( < )= ( < ) ( < )= ( ) ( ) => => { ( < ) ( < ) => ( ) Normaaljaotus ja Laplace’i veafunktsioon. Tõenäosuse leidmine selle veafunktsiooni abil Olgu X ~ N(μ,σ). Siis standardiseeritud juhuslik suurus = (0,1). Lineaarteisendus ei riku normaaljaotust. ( )= + ( ) Laplace’i vaefunktsioon: ( )= ∫ √ Tõenäosuse leidmine veafunktsiooni abil: ( )= ( )= ( )– F( )= +
Mult.Kollineaarsuse avastamiseks viiakse lisaks regressioonianalüüsile läbi ka korrelatsioonianalüüs. St leitakse paarikaupa kõigi tunnuste korrelatsioonikordajad ja võrreldakse sõltuvate tunnuste omavahelist korrelatsiooni ja korrelatsiooni sõltuva tunnusega. Nihketa hinnang hinnangu keskväärtus võrdub parameetri tegeliku väärtusega. 27. Negatiivne korrelatsioon -- ühe suuruse kasvades teine suurus kahaneb. 28. Normaaljaotus On pidev jaotus. Kirjeldatav 2 parameetriga: keskväärtusega (müü ) ja dispersiooniga ( 2 st. ruut). Normaaljaotuse korral keskväärtus, mood ja mediaan ühtivad. Sobib tunnuste kirjeldamiseks, millel on teatud keskmine tase. Selle keskmise taseme lähedased väärtused esinevad tihti, suuri kõrvalekaldeid keskmisest väärtusest on harva. Graafiku joon: siil vaiba all sümmeetriline keskväärtuse suhtes. PS
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 + ..
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
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, ~
● 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.
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
Kui a
ja b on võimalikud, on võimalik ka iga c, mis kuulub vahemikku a-st b-ni: c(a,b). Pideva
juhusliku suurusega saab esitada näiteks: Inimese pikkus, Välistemperatuur, Asjade kaal
Pideva juhusliku suuruse korral on iga üksiku väärtuse tõenäosus null. Seega leiame hoopis
tõenäosuse, et juhuslik suurus asub teatud vahemikus:
P(173,5
2 21-40 7 0,28 33,00 3 41-60 4 0,16 49,25 4 61-80 5 0,2 70,00 5 81-100 3 0,12 90,00 Kokku 25 1 50,42 Historamm: Nüüd kontrollime kolm hüpoteesi pühikogumi jaotuse kohta Pearsoni 2 - testi abil; usaldusnivooks kasutame = 0.10 4.1 Põhikogumi jaotuseks on normaaljaotus Kuna tulemused on esitatud sagetustabelina, siis keskväärtuse hinnang on Kuna tulemused on esitatud sagedustabelina, siis dispersiooni hinnang on H0: põhikogumi jaotus on normaaljaotus (parameetrid ja peab hindama valimi põhjal); H1: põhikogumi jaotus ei ole normaaljaotus. Normaaljaotus t F(t) (t) hii-ruut 20 -0,87 0,19 0,19 0,012 40 -0,15 0,44 0,25 0,004
1 0-20 7 0,28 8,7 2 21-40 5 0,20 31,6 3 41-60 5 0,20 45,6 4 61-80 2 0,08 71,0 5 81-100 6 0,24 92,5 4.1 Põhikogumi jaotuseks on normaaljaotus Kuna tulemused on esitatud sagetustabelina, siis keskväärtuse hinnang on Kuna tulemused on esitatud sagedustabelina, siis dispersiooni hinnang on 1 20 -0,787 7 -0,285 0,263 6,583 0,026 2 40 -0,176 5 -0,071 0,214 5,345 0,022 3 60 0,435 5 0,170 0,241 6,035 0,178
=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)
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=
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 (leidsin need Exceli CHIINV funktsiooni abil) 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
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valim A mahuga N=25 variatsioonirida: 69 10 76 79 84 41 15 87 44 49 38 16 58 7 24 19 82 1 40 38 35 87 51 1 69 1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x = 44,80 Dispersioon: Excel: VAR Sx² = 814,417 Standardhälve: Excel: STDEV Sx = 28,538 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral
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
· Põhiõpik varieerumine. Gujarati, D., Basic Econometrics · Tõenäosus p(A), tinglik tõenäosus p(A|B). · 3. trükk, TTÜ raamatukogus 20 eks · Keskväärtus E(x), dispersioon 2 (x), var(x). · 4. trükk, võimalik leida pdf fail · Jaotusseadused: normaaljaotus, t-jaotus, F-jaotus, 2 jaotus. · Täiendav kirjandus Paas, T. Sissejuhatus ökonomeetriasse. Tartu, 1995. · Valimvaatlused, usalduspiirid. (TTÜ rmtk momendil saadaval 18 eks). · Hüpoteeside kontrollimine: nullhüpotees, sisukas hüpotees, Listra, E. Ökonomeetria. Aegread. kriitiline väärtus, olulisuse tõenäosus
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 )
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
= 0,10 t0,1; 24= 1,711 (Studenti tabelist) (Arvutatud excelis väärtuste ümardusi rakendamata) Usaldusvahemiku poollaius: 11,2 Dispersiooni usaldusvahemik: = 0,10 ja (leitud Exceli CHIINV funktsiooniga) 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
f(x) = lim P(xXx+x) / x; F(x) = f(x) dx x0 f(x) 0; f ( x ) dx 1 7. Binomiaalne jaotus. PXn =m= Cmn pmqn-m , kus P( F) = 1- p = q ja m = 0, 1, ...., n Sündmuste järgnevus ei= A F A F A, tagasipanekuga skeem 8. Hüpergeomeetriline jaotus PN,M n, m = CmM Cn-mN-M / CnN. Tagasipanekuta skeem 9. Poisson jaotus Pt(X=x) = (axe-a) / x! = fP(x,a) 10. Ühtlane (ristkülik) jaotus f(x) = 1/(b-a)}, kui a x b 11. Normaaljaotus. Normeeritud normaaljaotus 1 1 e x a ; a 0; 1 2 / 2 2 2 f ( x) ( x) ex /2 2 2 12. Eksponentsiaalne jaotus. (Töö)kindlusfunktsioon f(x) =e-x kui x 0. R(t) = e-t 13. Gammajaotus. Beetajaotus. Logaritmiline jaotus
P(A)= 1. Kindel sündmus, võimatu sündmus, juhuslik sündmus; nende tõenäosus. Kindel sündmus (K) - sündmus, mis teatud tingimuste korral alati toimub. P(K) = 1. Võimatu sündmus (V) - sündmus, mis antud vaatluse või katse korral kunagi ei toimu. P(V) = 0 Juhuslik sündmus - sündmus, mis antud vaatluse või katse korral võib toimuda, aga võib ka mitte toimuda. 2. Teineteist välistavate sündmuste summa, korrutis ja vahe. Sündmuste A ja B summaks elementaarsündmuste hulgas nimetatakse sündmust, mis toimub parajasti siis, kui toimub kas sündmus A või sündmus B või mõlemad. Sündmuste A ja B summat tähistatakse sümboliga A U B. N 1. Olgu täringu viskel sündmus A = {1, 3, 5} ja sündmus B = {1, 2, 3}, siis A U B = A + B = {1, 2, 3, 5}. Sündmuste A ja B korrutiseks elementaarsündmuste hulgas nimetatakse sündmust, mis toimub parajasti siis, kui toimuvad üheaegselt nii sündmus A kui ka sündmus B. Sündmuste A ja B korrutist tähistatakse sümboliga A B. N 2. Olg
ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: = 0,10 ja (leitud Exceli CHIINV funktsiooniga) 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
ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: = 0,10 ja (leitud Exceli CHIINV funktsiooniga) 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
u 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
annaabi.ee 
