SHAPE OF DISTRIBUTION Shapes What terms are used to describe shapes of • people? • buildings? • countries? Examples of distribution 3 Shape of distribution Use the term “skew” • no skew • right skew • left skew No skew ~ xx Right skew (or positive skew) ~ xx Left skew (or negative skew) ~ x x Remember Mean moves in the direction of the skewness Example Number of burglaries reported in 1996 for nine universities. 61, 11, 1, 3, 2, 30, 18, 3, 7 (a) Find the mean and median (b)Determine the type of skewness of the distribution Skewness of distributions What is the skewness of the following distributions? Income Easy test Hard test 10 Coefficient of Skewness
Iseseisev töö nr 1. Mõõtmistulemuste asendi- ja hajuvuskarakteristikute arvutamine. Histogrammi koostamine. Ülesanne 1. Arvutada ühele suunale tehtud 50 lugemi sekundiosade põhjal mõõtmistulemuste asendi- ja hajuvuskarakteristikud. Koosta mõõtmistulemuste kohta histogramm. Vastavalt tööjuhendile koostame ette antud andmetest variatsioonirea kasutades selleks Excel’is olevat Sort funktsiooni. Järgnevalt leiame valimi aritmeetilise keskmise Average käsuga. Lisaks tuleb leida valimi mood, mediaan, dispersioon ja standardhälve kasutades selleks Excel’i funktsioone. Järgnevalt antud valimile vastavad mainitud suurused: 1. Aritmeetiline keskmine- 37,8 2. Valimi mood- 32,1 3. Valimi mediaan- 37,9 4. Valimi dispersioon- 9,7 5. Valimi standardhälve- 3,1 Lisaks tuleb leida valimile vastavad asendi-ja hajuvuskarakteristikud Excel’i ...
Mean 623.6333333333 Mean Standard Error 72.6617811813 Standard Er Median 470.5 Median Mode Err:512 Mode Standard Deviation 397.9849662152 Standard D Sample Variance 158392.033333333 Sample Var Kurtosis -0.7414717599 Kurtosis Skewness 0.6579241972 Skewness Range 1446 Range Minimum 71 Minimum Maximum 1517 Maximum Sum 18709 Sum Count 30 Count Statistika toob ära mõlemal aastal enim ja vähem kütitud loomade arvu. 2008 oli maksimumiks 1517 ja 2009 oli 2354
Riik Populatsioon Immigratsioon Sünnid Hiina 1 336 450 000 3852000 181 340 000 India 1 178 436 000 5700000 26913000 Ameerika Ühendriigid 308 898 000 38355000 4399000 Indoneesia 231 369 500 160000 4220000 Brasiilia 192 651 000 641000 3105000 Pakistan 169 010 500 3254000 5337000 Bangladesh 162 221 000 1032000 3430000 Nigeeria 154 729 000 971000 6028000 Venemaa 141 927 297 12080000 1545000 Jaapan 127 430 000 2048000 1473000 Mehhiko 107 550 697 644000 2049000 Filipiinid 92 226 600 374000 2236000 Vietnam 85 789 573 21000 1267000 Saksamaa 81 757 600 10144000 ...
skewness of the fricative /s/. Experiment 2 showed that listeners' judgments of perceived sexual orientation were related to the acoustic parameters found to differ in Experiment 1: Listeners showed greater sensitivity to differences in men's sexual orientation when listening to words containing low front vowels than when listening to words containing back vowels. Moreover, Regression analyses showed that judgments of men's sexual orientation were influenced by /s/ skewness, the F1 frequency of low front vowels, and the F2 frequency of back vowels. Judgments of women's sexual orientation were predicted most strongly by the F1 frequency of low front vowels and the F2 frequency of back vowels. Experiment 3 showed that the judgments of perceived sexual orientation collected in Experiment 2 were strongly related to judgments of perceived height and perceived speech clarity made by independent groups of listeners.
KIRJELDAV STATISTIKA (MJRI.01.024. KODUTÖÖ NR.1 Kaia Philips Maj.teaduskond bakalaureus I kursus SUGU Alternatiivne e.kaheväärtuseline binaarne tunnus-sugu on tunnus, millel on ainult 2 võimalikku väärtust Andmebaasis mittearvuline tunnus on kodeeritud 0=mees, 1=naine. Antud ettevõttes töötab kokku 474 inimest - 46%töötajatest(mean) e. 216 (sum) on naised. Mehi on rohkem, kui naisi. Standardviga ±2% . VANUS- Pidev tunnus-mõõdetav arvtunnus Keskmine töötajate vanus 37,19 aastat(mean). Standardviga keskmisel vanusel ±0,5 aastat(standard error). 50% töötajatest on nooremad ja 50% vanemad, kui 32 aastat. Nooremaid inimesi on rohkem kui vanemaid(skewness-assümeetria näitaja). Kõige rohkem on 30,33 aastaseid(mode).. Noorim töötaja on 23 aastane(min), vanim 64,5 aastane(max). Vanimast k...
viimase aasta viimase jooksul 10 päeva jooksul Standard Deviation 8,516717 rohkem kuiviimase aasta tagasi kuu jooksul Sample Variance 72,53446 rohkem kuiviimase aasta tagasi 10 päeva jooksul Kurtosis -0,530136 rohkem kuiviimase aasta tagasi kuu jooksul Skewness -0,052543 rohkem kuiviimase aasta tagasi aasta jooksul Range 36 viimase aasta viimase jooksul aasta jooksul Minimum 157 rohkem kuiviimase aasta tagasi 10 päeva jooksul Maximum 193 rohkem kuiviimase aasta tagasi
232 Spacing parameters Hybrid parameters Height characteristic average parameters RSm Rq Rsk PSm Mean width of the profile elements Pq Root mean square slope Psk Skewness WSm (RSm = Sm at ISO4287 '84) Wq Wsk Mean value of the profile element width Xs Root mean square value of the ordinate slopes Quotient of mean cube value of the ordinate within a sampling length. dZ/dX within a sampling length. values Z(x) and cube Pq, Rq, Wq respectively,
PIIRVIGA (delta) 12,76136 Standard Error 4,964388 Intervalli al piir. 185,04 Median 200 Intervalli ül PIIR. 210,6 Mode 200 Standard Deviation 72,45285 Sample Variance 5249,416 Kurtosis 0,022152 Skewness 0,289226 Range 350 Minimum 50 Maximum 400 Sum 42128,9 Count 213 Confidence Level(95,0%) 9,785885 Kasutades hii-ruut testi
Mediaan Median 25 17 Mood Mode 28 17 Standardhälve Standard Deviation 5,19442458 17 Dispersioon Sample Variance 26,9820467 18 Ekstsess Kurtosis 1,75506677 18 Asümmeetriakordaja Skewness 1,029546 18 Haare ehk variatsioonanaplituudRange 31 18 Miinimum Minimum 17 18 Maksimum Maximum 48 18 Summa Sum 15370 18 Maht Count 597 18
2003 781 162,5 Mean 197,7882629108 2003 560 165,0 Standard Error 4,9643877499 2003 214 166,7 Median 200 2003 554 166,7 Mode 200 2003 767 168,0 Standard Deviation 72,4528539178 2003 349 170,0 Sample Variance 5249,4160408362 2003 204 180,0 Kurtosis 0,0221523606 2003 222 180,0 Skewness 0,2892263686 2003 268 180,0 Range 350 2003 502 180,0 Minimum 50 2003 203 183,4 Maximum 400 2003 444 195,1 Sum 42128,9 2003 441 197,0 Count 213 2003 229 200,0 Confidence Level(95,0%) 9,7858853479 2003 233 200,0
1636 Standard Error 40,80659 Järsakus on väike. 1048 Median 832,5 1886 Mode 1074 klassipiirid 748 Standard Deviation 321,3114 400 401 Sample Variance 103241 600 1113 Kurtosis 0,795697 800 846 Skewness 0,803413 1000 631 Range 1532 1200 836 Minimum 354 1400 973 Maximum 1886 1600 388 Sum 52230 1800 1089 Count 62 2000
Aasta 2006,5 2006,5 2005,0 2008,0 DAasta_1 0,25000 0,00000 0,00000 1,0000 DAasta_2 0,25000 0,00000 0,00000 1,0000 DAasta_3 0,25000 0,00000 0,00000 1,0000 Brutopalk 541,92 538,98 381,38 848,48 Linlased 0,53146 0,48996 0,28571 0,90379 Korgharitud 0,16853 0,15343 0,080000 0,32438 Mehed 0,51469 0,50979 0,43827 0,60377 Std. Dev. C.V. Skewness Ex. kurtosis Aasta 1,1275 0,00056191 0,00000 -1,3600 DAasta_1 0,43667 1,7467 1,1547 -0,66667 DAasta_2 0,43667 1,7467 1,1547 -0,66667 DAasta_3 0,43667 1,7467 1,1547 -0,66667 Brutopalk 103,68 0,19133 0,50751 -0,066847 Linlased 0,17413 0,32765 0,70856 -0,56678 Korgharitud 0,060711 0,36024 1,3526 1,0369 Mehed 0,029298 0,056924 0,55109 0,87306 5% perc. 95% perc
x Pikkus) Andmete eraldamine: Data - select cases - If condition is satisfied ette linnuke - klikid If...-le - valid nt ainult meeste tulemuste saamiseks vasakult Sugu, siis = ja 1 (sest 1=mees ja tahan ainult meeste tulemusi) ja continue. Kui valid samas aknas (Select cases) alumisest osast Filter Out Unselected cases, siis on naiste andmed jätkuvalt näha aga nendega ei arvestata, kui valid Delete unselected cases, siis kustutab süsteem kõikide naiste andmed ära. Asümmeetriakordaja = skewness (Asümmeetriakordaja iseloomustab jaotuse asümmeetriat keskmise suhtes.) Kvartiilid = quartiles (Kvartiilid jaotavad rea neljaks võrdsete liikmete arvuga osaks. Kvartiile on kolm: esimene ehk alumine kvartiil Q1, teine kvartiil Q2, mis on võrdne mediaaniga ja kolmas ehk ülemine kvartiil Q3. Alumiseks kvartiiliks nimetatakse tunnuse väärtust, millest väiksemaid (või võrdseid) liikmeid on variatsioonreas ¼ ehk 25%.
KORDAMINE ÖKONOMEETRIA KONTROLLTÖÖKS 2013 sügissemester kasutatud 2017. 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 ...
ANDMEANALÜÜSI KONSPEKT Sisukord Andmefailid SPSS'is................................................................................................ 2 Normaaljaotuse kontroll.......................................................................................... 2 ANOVA vs T-test...................................................................................................... 2 ANVOA või regressioonanalüüs............................................................................... 3 Efekti suurus........................................................................................................... 3 Andmeanalüüs SPSS'is........................................................................................... 4 Kirjeldav statistika............................................................................................... 4 Kuidas testida normaaljaotust?.................................
väiksem kui portfelli B oma, siis see tähendab, et esimene portfell on olnud stabiilsem ning vastupidiselt teise portfelli väärtus on rohkem kõikunud. Suurem kõikuvus viitab suuremale riskisusele. (www.tarkinvestor.ee) Tabel 10. Mitu tundi oma põhitöökohal tavaliselt nädalas töötate / töötasite, kui võtate arvesse ka kõik tasustatud ja tasustamata ületunnid? N Valid 1417 Missing 244 Mean 41,59 Median 40,00 Mode 40 Std. Deviation 10,405 Skewness ,213 Std. Error of Skewness ,065 Range 99 Minimum 1 Maximum 100 Percentiles 25 40,00 50 40,00 75 45,00 Joonis 12. Töötundide arv nädalas Kokku koguti vastuseid _____________________ respondendilt, kellest _______________ keeldus vastamast või ei teadnud vastust Vastajate keskmine töötundide arv nädalas oli _____________ tundi. Pooled vastajatest märkisid tööajaks vähem ja pooled rohkem kui ___________________ tundi. Kuna mediaan ja keskväärtus on väga sarnased, võime järeldada, et andmete jaotus on
2 ÜÜÜÜÜÜÜÜÜ 5 I I.........I.........I.........I.........I.........I 0 6 12 18 24 30 Mean 1.152 Std Err .063 Median 1.000 Mode 1.000 Std Dev .364 Variance .133 Kurtosis 2.287 S E Kurt .798 Skewness 2.038 S E Skew .409 Range 1.000 Minimum 1.000 Maximum 2.000 Sum 38.000 Valid Cases 33 Missing Cases 0 ------------------------------------------------------------------------------- Page 4 SPSS/PC+ 6/12/ 2 This procedure was completed at 10:26:32 *---------------------------------- * Kahe tunnuse analyys - sagedusjaotuse risttabel (harj6 ja harj7).
Mode 42983 Standard D 26.84361 Sample Var 720.5792 Kurtosis 20.76526 Skewness -4.376422 Range 245 Minimum 42803 Maximum 43048 Sum 9154685
Statistiline modelleerimine – kokkuvõte Muutujad: Sõltuvad muutujad (dependent, outcome variables) – muutujad, mis on uurimise keskmes, millele uurija arvab, et teised muutujad mõju avaldavad. Nö katseisikust sõltuv muutuja. Sõltumatud muutujad (independent, predictor variables) – muutujad, mille kohta uurija arvab, et neil võiks olla mõju uuritavatele muutujatele. Statistilise analüüsi keskmes on uurida, kuidas teatud tunnused koos muutuvad. Kui on vaja muutujat iseloomustada, on kaks põhilist viisi, kuidas seda teha: o Milline on selle muutuja tüüpiline väärtus? o Kui hästi iseloomustab see tüüpiline väärtus kõiki mõõdetud juhtumeid? Ehk kui palju on varieeruvust selle tüüpilise väärtuse “ümber”? Statistika jagunemine: Kirjeldav statistika (descriptive stat.) meetodid andmetest kokkuvõtete tegemiseks ning kirjeldamiseks. („65-70% US...
Summa kontr. Summa nisu saagikus Mean 22,9485924428 Standard Error 0,6359637424 Median 21,2627129666 Mode 20 Standard Deviation 9,8111707676 Sample Variance 96,2590718303 Kurtosis 1,3465461532 Skewness 0,9044604205 Range 59,1893555188 Minimum 3,2857142857 Maximum 62,4750698045 Sum 5461,76500139 Count 238 Logaritmiliselt normaalne jaotus LOGNORMDIST intervalli ül. sagedus F(ül piir) Vah.tn.pi Teor. Sag
1. PRAKTIKUM 1) JÄRJESTAMINE NOOREMAST VANIMANI Parmeklõps Sort Ascending/Descending -> Kasvavas/Kahanevas järjestuses Data Sort cases Sort Ascending/Sort Descending (tuleb valida muutujad ka) 2) VARIABLE VIEW 3) KIRJELDAVAD ANDMED Leiame vanusele antud hinnangute keskmise, moodi, mediaani, maksimaalse ning minimaalse hinnangu. + HISTOGRAMM Käsklusrida: Analyze - Descriptive statistics Frequencies. Muutujatekasti liigutage muutuja. Statistics -Mean, Mode, Median, Minimum, Maximum. Charts - Histograms 2. PRAKTIKUM 1) UUE MUUTUJA ARVUTAMINE Tihtipeale tuleb andmete töötlemise jooksul tekitada uusi muutujaid eelmiste muutujate põhjal. Käesolevas praktikumis tutvume uue muutuja arvutamise põhitõdedega. Etteruttavalt võib öelda, et me arvutame saadavaloleva andmestiku põhjal uueks muutujaks kehamassiindeksi (BMI body mass index). Käsklusrida: ...
Standard Deviation 11.32 Standardhälve Sample Variance 128.25 Dispersioon Kurtosis -1.44 Ekstsess Skewness -0.02 Asümmeetriakordaja Range 29.00 Haare Minimum 164.00 Väikseim väärtus Maximum 193
Mode 2003 1 6 4 4 4 Standard Deviation 2,730164 0,490703 3,106143 24,787281 0,916312 1,126845 Sample Variance 7,453796 0,240789 9,648123 614,409299 0,839628 1,26978 Kurtosis -0,95987 -1,84381 -0,71639 -0,59609723 0,015361 -1,04477 Skewness 0,68429 0,410269 0,014344 -0,48900657 -0,34518 -0,59308 Range 8 1 14 93 4 3 Minimum 2000 1 1 3 1 1 Maximum 2008 2 15 96 5 4 Sum 611138 427 2529 14421 597 876
3. kasutatud tunnid Mean 1.7986755319 Standard Error 0.1089018002 Median 1 Mode 1 Standard Deviation 1.4931862555 Sample Variance 2.2296051936 Kurtosis 4.3121875448 Skewness 1.8892115412 Range 8 Minimum 0 Maximum 8 Sum 338.151 Count 188 Bin Frequency Cumulative % 0 2 1.06% 0.00782 1 1.60% 0.01564 1 2.13% Histogram 0.02346 ...
Haridus, teadus Harjumaa Mean Töötlev tööstus Harjumaa Standard Error Töötlev tööstus Harjumaa Median Haridus, teadus Tallinn Mode Põllumajandus, metsandus Harjumaa Standard Deviation Töötlev tööstus Tallinn Sample Variance Töötlev tööstus Tallinn Kurtosis Teenindus Tallinn Skewness Teenindus Harjumaa Range Töötlev tööstus Tallinn Minimum Töötlev tööstus Harjumaa Maximum Töötlev tööstus Tallinn Sum Põllumajandus, metsandus Harjumaa Count Töötlev tööstus Tallinn Confidence Level(95,0%) Kaubandus Tallinn Kaubandus Harjumaa Ostude summa kokku
2003 162 130,0 2003 173 205,7 Mean 197,7883 2003 203 183,4 Standard Error 4,964388 2003 204 180,0 Median 200 2003 209 233,3 Mode 200 2003 212 160,0 Standard Deviation 72,45285 2003 214 166,7 Sample Variance 5249,416 2003 215 130,0 Kurtosis 0,022152 2003 220 60,0 Skewness 0,289226 2003 222 180,0 Range 350 2003 227 106,7 Minimum 50 2003 229 200,0 Maximum 400 2003 230 150,0 Sum 42128,9 2003 231 240,0 Count 213 2003 233 200,0 2003 234 87,5 2003 236 50,0 2003 237 60,0 2003 240 250,0
Some of the things you will learn in THE CODEBREAKERS • How secret Japanese messages were decoded in Washington hours before Pearl Harbor. • How German codebreakers helped usher in the Russian Revolution. • How John F. Kennedy escaped capture in the Pacific because the Japanese failed to solve a simple cipher. • How codebreaking determined a presidential election, convicted an underworld syndicate head, won the battle of Midway, led to cruel Allied defeats in North Africa, and broke up a vast Nazi spy ring. • How one American became the world's most famous codebreaker, and another became the world's greatest. • How codes and codebreakers operate today within the secret agencies of the U.S. and Russia. • And incredibly much more. "For many evenings of gripping reading, no better choice can be made than this book." —Christian Science Monitor THE ...
Median 3666 median Mode #N/A mode Standard Deviation 885.00843434 standrad hälve Sample Variance 783239.92885 variatsioonikordaja Kurtosis -1.149402015 kurtosis Skewness -0.15651816 skewness Range 2840 haare Minimum 1998 min Maximum 4838 max Sum 81805 summa Count 23 count Largest(1) 4838 largest
Ülesanne 1 1. Leida RANNU valla ja Tartu maakonna kui terviku kohta järgmised vastused. a. Kui palju (ha) on näivleetunud muldi (LP) ja kui suur on nende osatähtsus (%) kogu valla/maa b. Kui palju (ha) on savi lõimisega muldi (tähistus s) ja kui suur on nende osatähtsus (%) kogu v 2. Koostada korrektselt vormistatud graafik, kus vallad on kahanevas järjestuses liivm vald BONITEETmulla liik lõimis pind, ha Haaslava vald 47 LP sl 210,1287 Rõngu vald 50 M3 t3 145,1387 Haaslava vald 44 LP sl 112,6342 Tartu vald 53 KIg ls1 99,76011 Mäksa vald 35 LPg- sl 94,98377 Vara vald 38 LPg- sl 91,04242 Haaslava vald 47 LP sl 82,97034 Luunja vald 38 LPg- s...
annaabi.ee 
Sisene Facebook'ga
Sisene Google'ga
Sisene LinkedIn'ga
