Statistika mõisted, valemid ja aegridade analüüs - sarnased materjalid

Statistika konspekt

Analüüsi on kaasatud k gruppi, vaatluste arv on n. Kui dispersioonid erinevad, siis tuleb uurida, millistes gruppides. Selleks tehakse post hoc test(ANOVA- Bonferroni test). Tärnikesega on need, kus sig on alla 0,05- oluline erinevus. AEGRIDADRE ANALÜÜS Aegrida ­ nähtuste ajalist muutumist iseloomustav arvandmete rida Aegrea elemendid ­ nähtust iseloomustava tunnuse arvväärtused ning neile vastavad teatud ajamomendid või ­perioodid Momentrida ­ aegrida, mille iga element on seotud teatud ajamomendiga Perioodrida ­ aegrida, mille iga element on seotud mingi ajavahemikuga, perioodiga Analüüsitakse: absoluutne juurdekasv(aheljuurdekasv on aritmeetilise keskmisega- võrreldes eelmisega; alusjuurdekasv- võrreldes esimesega); kasvutempo(ahelkasvutempo(geom. keskmine)- uus jagatud eelmisega; aluskasvutempo- uus jagatud esimesega); juurdekasvutempo(aheljuurdekasvutempo- ahelkasvutempo-1; alusjuurdekasvutempo- aluskasvutempo-1

Statistika eksamiks kordamiseks küsimused

23. Vajaliku valimi koguse arvutus kordumistega ja kordumisteta juhuväljavõtul Kodumistega väljavõtul : μ=√δ2/n Kordumisteta: μ =√p(1-p)/n 24. Aegridade mõiste ja liigitus Aegreaks nimetatakse nähtuste ajalist muutumist iseloomustavate arvandmete rida. Aegrea elemendid on nähtust iseloomustava tunuse arvväärtused ja neile vastavad ajamomendid või ajaperioodid. Aegread liigitatakse : 1) momentread- aegrida, mille iga element on seotud teatud ajamomendiga (kuupäev, mingi aasta algus,-lõpp). Momentrea oluliseks iseärasuseks on see, et nähtust iseloomustava tunuse arvväärtuste summal ei ole reaalset sisu. Nii näiteks ei ole mõtet liita rahvaarve aastate alguses. 2) Perioodread- aegrida, mille iga element on seotud mingi ajamahemikuga, perioodiga (kuu, kvartal, aasta). a

Standardhälve, SEOSED JA DISPERSIOONANALÜÜS

1. 95,45% 2. 99,93% 3. 90% 4. 68,27% Aritmeetiline keskmine t=3 standarthälvet hõlmab normaaljaotuse kõverat... 1. 90% 2. 99,7% 3. 100% Antud usaldatavus 95%, D=+-3 ja standarthälve 20 (siis oli antud segadusse ajamiseks ka mingi keskmine). Kui suur peaks olema valim? Valemiga n=z(alfa kahendikku)*standarthälbe ruut/Druuduga. Vastuseks tuli 171 On antud kolme aasta jooksul, esialgne 100, pärast 200. Leida keskmine juurdekasvutempo 1. 10 ühiku 2. 20% 3. 41,4% kasvutempovalemiga 1,41-1=41,4% 4. Mitte ükski neist Esindusviga on oma sisult: 1. Viga mis tekib aritmeetilise keskmise ebatäpsuse tulemusena 2. Kõikide võimalike esindusvigade harmooniline keskmine 3. Väljavõtukogumi ja üldkogumi struktuurid erinevuse tulemusel tekkinud ebatäpsus 4. Ei ükski eelnevatest variantidest Mediaan 1. on korrastamata rea keskmine element (korrastatud) 2

Statistika eksamiks

B 14 EEK 600 13 EEK 680 V: Käive oleks suurenenud 7,4% 2.) Valimi andmete põhjal saadi järgmised tulemused: aritm.keskmine=80 ja standardhälve 20. Kui suur peaks olema valim +/-3 ühikut, usaldatavusega 95%. V: Tuleb kasutada lühikest valimit, kuna üldkogum ei ole teada: N=2²*sigma²/D² 3.) 3 aasta pikkuse aegrea algtase oli 100 ja lõpptase 200. Milline oli juurdekasvutempo? 1. 240 2. 170 4.) Kümne aasta pikkuse aegrea algtase 100 ja lõpptase 200. Milline oli rea keskmine absoluutne juurdekasv? 1. ei saa arvutada, sest dispersioon ei ole teada 2. 10 ühikut 3. 11,1 ühikut 4. 9,2 ühikut 5.) Valimi andmete põhjal aritmeetiline keskmine on 80, standardhäve 20 ühikut. Kui suur peaks olema valim, et teha kndlaks keskmist taset +/- 3 ühikut, usaldatavusega 95%? 1. 964 2. 170 3. 353 4

Statistika konspekt

n ( y^ t - y)2 D=R = 2 i =1 n (y t - y)2 i =1 Statistiline prognoosimine ja terve hulk lihtsamaid prognoosimudeleid tugineb senise arengutrendi kindlaksmääramisel ja selle ekstrapoleerimisele tulevikku Aproksimeerimisviga - Mudeli headust mõõdetakse enamasti tema kirjeldatuse tasemega ehk determinatsioonikordajaga, R 2 ­ Näitab kui palju sõltuva muutuja (y) hajuvusest seletav muutuja (trend, t) kirjeldab ­ Omab väärtusi vahemikus [0, 1]; mida kõrgem, seda paremini seletav tunnus sõltuva tunnuse hajuvust kirjeldab Üldjuhul eristatakse aegreas kolme komponenti: · Trend ehk arengutendents · Lühiajalised süstemaatilised võnked (sesoonsus, tsüklilisus vms) · Juhuslik komponent (hõlmab paljude juhuslike mõju avaldavate tegurite koondmõju)

Tõenäosusteooria ja statistika

58.Aegridade keskmised tasemed – Perioodread: võrdse perioodiga read – tavaline aritmeetiline keskmine; ebavõrdse perioodiga read – kaalutud aritmeetiline keskmine, kaaludeks perioodide pikkused. Momentread: kronoloogiline keskmine. Kui ahelindeksid – geomeetriline keskmine. 59.Aegrea väärtuste muutumist iseloomustavad näitarvud – Absoluutne juurdekasv eelmise elemendi väärtusega võrreldes ehk aheljuurdekasv leitakse valemiga da=yt-y(t-1) [t ja t-1 on allindeksid) ja absoluutne juurdekasv mingi baasiks võetava väärtuse suhtes leitakse valemiga db=yt-y1.. Kasvutempo on nähtus iseloomustava tunnuse vaadeldava momendi ja mingi eelmise momendi väärtuse suhe. Baaskasvutempo leidmiseks valem ib=yt/y1. Ja VAADATA EXCELI TABELIST TÄPSELT KUIDAS KÄIB!!! 60.Aegridade tasandamine libiseva keskmise meetodil ja

Ökonomeetria mõisted

ka: var, D(X)). Seega, mida suurem on Xi väärtus võrreldes keskväärtusega, (aritmeetilise keskmisega) seda suurem on hajuvus e dispersiooni. 5. Dispersiooni meetod 6. Diskreetne arvuline tunnus ­ omab vaid täisarvulist väärtust, n laste arv perekonnas, eesti elanike arv. 7. DurbinWatsoni test. Kasut 1. järku autokorrelatsiooni avastamiseks. Kasut.tingimused: reg.mudel sisaldab vabaliiget. Mudel ei sisalda sõltuva muutuja viitajaga liikmeid (nt Yt1, Yt2) 8. Fiktiivne muutuja (dummy) ­ iseloomustavaid binaarseid muutujaid. Binaarne muutuja ­ nominaalsel tunnusel vaid 2 erinevat väärtust, näiteks abielus v vallaline. 9. Entroopia ­ määramatus (Prognoosi entroopia E on see osa infost tuleviku kohta, mida olemasoleva lähteinfo põhjal ei olnud võimalik leida). 10

STATISTIKA konspekt

(tavaliselt).  (roo) on valimi ja üldkogumi korrelatsioon. Spearmani kordaja osas toome selle 1 erindi punkti teistele lähemale. Kõigi vahemaaks saab 1 ühik. Ei ole nii täpne kui lineaarne kordaja, see on üldistav kordaja, seega kaotame täpsuses. · Nelikkorrelatsioon (nelikkorrelatsioonikordaja) saab kasutada kui ei ole arvandmeid (kvalitatiivse tunnuse korral). · Regressioonanalüüsi juures on paigutus väga oluline. X ja y sõltuvad. Y=a+bx (x- sõltumatu muutuja ehk eksogeenne muutuja), y sõltuv muutuja ehk endogeenne muutuja. Püütakse selgeks teha x-i mõju y-le. Regressioonanalüüsi käigus lükkame punktid kokku kirjeldava joone peale. Mõnel juhul on hälve kasuks ja teisel juhul kahjuks. y = a+bx , a ­ näitab punkti kus sirge lõikab y telge;b regressioonikordaja (kõige tähtsam komponent ehk joone tõus). B näitab kui mitme ühiku võrra muutub y kui x muutub 1 ühiku võrra

Analüürimeetodid äriuuringutes kordamisküsimused

Determinatsioonikordaja näitab argumendi X võimet kirjeldada uuritava suuruse Y hajuvust. 20. Mida näitab otsustusmuutuja kordaja (tõus) lineaarses ühe otsustusmuutujaga regressioonvõrrandis? Lineaarne seos on määratud kahe parameetriga: D (regressioonsirge tõus) kirjeldab juhusliku suuruse Y keskväärtuse muutumise kiirust suuruse X mõjul; E on regressioonsirge algordinaat. Ideaalse mitmese regressioonanalüüsi korral on otsustusmuutujad sõltumatud, igaüks kirjeldab sõltuva muutuja hajuvusest üht kindlat osa. Otsustusmuutuja kordaja näitab otsustusmuutuja mõju juhusliku suuruse Y keskväärtusele, kui teised muutujad jäävad samaks. Näiteks: Y=13,07x1+82,28, kus Y on läbimüük ja x1 on reklaam. Kui reklaami näitamine kasvab 1 võrra, siis läbimüük kasvab 13,07 võrra. 21. Kuidas tõlgendada otsustusmuutujate kordajaid mitme otsustusmuutujaga regressioonvõrrandis? Näiteks: Y=8,23x1+0,29x2+86,25, Y on läbimüük, x1 on reklaam ja x2 on õhutemperatuur

Statistika eksamiküsimused

Võib kasutada dispersiooni- ja standardhälvet Standardhälbe on varieeruvas kogumis alati keskmisest lineaarhälbest suurem ei pea mediaan ja mood olema võrdsed, aritm keskm võib olla samuti neist erinev Dispersioonanalüüsi korral: hinnatakse faktori mõju olulisust kasutatakse dispersioonide liitmise lauset Dispersiooni arvutamise juures: leitakse hälvete ruutude aritm keskmine regressioonikordaja iseloomustab sõltuva muutuja vähenemist sõtumaty muutuja ühe ühikulise muutumise korral Dispersioonanalüüsi eesmärk: Uuritava nähtuste tegurite mõju olulisuse hindamine Dispersioon on: standardhälbe ruut hälvete ruutude aritmeetiline keskmine Regressioonanalüüsikäigus regressiooniseose selgitusvõimet kirjeldab determinatsioonikordaja hinnatakse parameetreid enamasti vähimruututde meetodil kasutatakse parameetrite leidmisel sageli vähimruutude meetodit

Statistika testid

Mudel c, vastav suhe F on kõige suurem 16. Toodud on regressioonmudeli hindamisel saadud aruanne. Millised tunnused on statistiliselt olulised nivool 0,05? X1, X3, X4. 17. Toodud on regressioonmudeli hindamisel saadud aruanne. Millised tunnused on statistiliselt olulised nivool 0,01? X3, X4. 18. Regressioonmudelis olevate sõltumatute tunnuste omavaheline korrelatsioon on multikollineaarsus. Aegread & prognoos - Test 11 1. Vali, millise alljärgneva suuruse aegrida on momentrida, millisel perioodrida. a. sündide arv ­ perioodrida, b. liiklusõnnetuste arv ­ perioodrida, c. veemõõtja näit ­ momentrida, d. ettevõtete arv äriregistris ­ momentrida 2. Vali, milline allpool toodud suurustest on varusuurus ja milline voosuurus. a. sissetulek ­ voosuurus, b. summa pangakontol ­ varusuurus, c. valitsuskulud ­ voosuurus,  d. ettevõtte töötajate arv ­ varusuurus

Statistika kordamisküsimused

Korrelatsioonikordaja - nullist erinev ka täiesti juhuslike arvupaaride korral. Valem: Spearmani korrelatsioonikordaja – Mudel - reaalses maailmas esineva objekti analoog, mis asendab seda objekti tunnetusprotsessis Matemaatiline mudel - mingit reaalses maailmas eksisteerivat nähtust kirjeldavate matemaatiliste seoste kogum Lineaarne mudel y=ax+b, lineaarliikme kordaja a näitab, kui palju muutub y, kui x suureneb 1 võrra. Vabaliige b näitab sõltuva muutuja y väärtust, kui x=0 Regressioonimudel – yi = deterministlik component + juhuslik component. Deterministlik komponent on see oluline osa, mille mudel peab välja tooma. Deterministlik komponent = tinglik keskväärtus E[Y|X]. Regressioonanalüüsi käigus leitakse regressioonmudeli deterministlik component y= αx+ β + ε. Lineaarse mudeli hindamine = parima sirge leidmine Vähimruutude meetod – Objektiivne kriteerium: Empiiriliste punktide ja sirge vastavate punktide

Statistika eksamiküsimused

3 vahe ühe valimi keskmise ja üldkogumi keskmise vahel (see on lihtsalt esindusviga, mitte ühe, vaid kõigi) 4 on ruutjuur valimite keskmiste dispersioonist (ÕIGE) 5 ei ükski Keskmise esindusvea tekkepõhjus? eksponentkeskmist kasutatakse õige variant: aegridade puhul nende tasandamiseks Normaaljaotuse puhul standardhälve +- 1 annab kogu kõverast a 99,97% b 99% c 90% d 64,..% on antud kolme aasta jooksul, esialgne 100 pärast 200. Leida keskmine juurdekasvutempo a 10 ühiku b 20%  c 41,4% d mitte ükski neist õige tuleb 41,4% selle kasvutempo valemiga 1,414-1=41,4% oli antud tabel kus oli leida kogumaksumuse muutus kui hinnad jäävad samaksja p1 oli antud koguse muut % a väheneb 2,4% b suureneb 1,8% c jääb samaks ei ükski neist dispersioonanalüüsi kasut .. ?? antud usaldatavus 95% , D=+-3 ja standardhälve 20 (siis oli antud segadusse ajamiseks ka mingi keskmine). Kui suur peaks olema valim?

Ökonomeetria kontrolltöö kordamisküsimused 2020

Least Squares)  ● Teatud juhtudel üldistatud vähimruutude meetod GLS (Generalized Least Squares) Vähimruutude meetodi kasutamiseks peab mudel olema lineaarne parameetrite suhtes. Vähimruutude meetod: regressioonmudeli parameetrite hinnangud leitakse nii, et jääkide ruutude summa on minimaalne. Parameetrite hinnangute valemite tuletamine: Hälvete ruutude summa RSS (Residual Sum of Squares). Tuleb leida kahe muutuja funktsiooni miinimumkoht. Matemaatilisest analüüsist: I järku osatuletised peavad võrduma nulliga 20. Vähimruutude meetodil leitud hinnangute omadused, kui kehtivad klassikalise lineaarse mudeli eeldused. On võimalik näidata (Gauss-Markovi teoreem), et sel moel leitud hinnangud on ● nihketa; ● efektiivsed, so vähima dispersiooniga kõigi nihketa lineaarsete hinnangute seas; ● lineaarsed vaatluste yi suhtes.  KUI

KORDAMINE ÖKONOMEETRIA KONTROLLTÖÖKS

Regressioonanalüüsi käigus leitakse regressioonmudeli deterministlik komponent, st leitakse vastava matemaatilise funktsiooni parameetrite hinnangud. 21. Vähimruutude meetodi olemus. Minimeeritakse hälvete ruutude summat. Lineaarne mudel: harilik vähimruutude meetod OLS. Vähimruutude meetod: regressioonmudeli parameetrite hinnangud leitakse nii, et jääkide ruutude summa on minimaalne. Hälvete ruutude summa RSS (Residual Sum of Squares). Tuleb leida kahe muutuja funktsiooni miinimumkoht. Matemaatilisest analüüsist: I järku osatuletised peavad võrduma nulliga. 22. Vähimruutude meetodil leitud hinnangute omadused, kui kehtivad klassikalise lineaarse mudeli eeldused. On võimalik näidata, et sel moel leitud hinnangud on · nihketa; · efektiivsed, so vähima dispersiooniga kõigi nihketa lineaarsete hinnangute seas; · lineaarsed vaatluste yi suhtes;

Andmeanalüüs sots.teadustes

 Andmetöötlus sotsiaalteadustes 8 vältima info kordamist ehk töö ,,venitamist". Iga tabeli, diagrammi ees on tavaliselt sissejuhatav lause ning järel sisukas (eriline väärtus, huvitav seos vms) kommentaar, mitte ümberjutustus. Sagedustabel võtab andmetabelist tunnuse jaoks kokku mitmel objektil mingit tunnuse väärtust esineb ehk esitab vastava sageduse. Sagedustabeli koostamiseks peame teadma milliseid väärtusi tunnus võib omandada ja kui sageli iga väärtus esines (näiteks mitmel üliõpilasel on hallid silmad). Sagedustabelis esitatakse tavaliselt absoluutne sagedus (sagedus) ehk väärtusele vastav objektide arv; suhteline sagedus (osakaal) ehk absoluutne sagedus jagatakse objektide koguarvuga ja kumulatiivne sagedus (sageduste summa), kus absoluutsed sagedused liidetakse, sobib kõige paremini arvtunnuste korral

Konspekt

= + = - = = - = = ( ) = Avaldises 5x2 on x muutuja ning 5 kordaja ehk koefitsient. Avaldist 5x2 nimetatakse üksliikmeks. Üksliige sisaldab kordajat ja üht või mitut muutujat (näiteks 23x; 105x2y5; 25 3 ). Üksliikmete liitmisel ja lahutamisel saame hulkliikme ehk polünoomi (näiteks 4x3+5x2-2x+10; 15x4-3x2+2x-3; x4+1). Polünoomiks ehk hulkliikmeks nimetatakse järgmist avaldist: + - - + + + Hulkiikme ühesuguseid liikmeid võib liita ja lahutada, liites või lahutades nende liikmete ees

1) Ökonomeetrilise mudeli komponendid: Endogeensed muutujad - sõltuvad muutujad, väärtused mudeli siseselt Y Eksogeensed muutujad – sõltumatud muutujad, modelleeritavat nähtust mõjutavad X 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)

Andmeanalüüsi konspekt

tasandil. Binaarne tunnus-  sugu;  jah/ei Järjestustunnus-  kooli tüüp, 1-väga hea, 2- hea jne(NB!- Õpilaste hinnang koolile),  kui suured on klaassid- väga suured, suured jne,  milline kooli maine- väga hea, hea jne,  millisesse vahemikku jääb arv (0-200, 201-301 jne) oluline oleks, et Display frequence ees oleks linnuke, siis saab teha sagedustabeli Intervalltunnus-  1-väga hea, 2-hea jne (NB!_- Kooli hoolekogu hinnang eelmise õppeaasta tulemustele?/ Kooli hoolekogu hinnang eelmise aasta juhtimisele?) ,  hulk (n: minu klassi avatakse),  vanus (keskmine vanus),  kui kaugel asub kool millestki- km-tes, Nimitunnus-  millegi nimi, huviringude nimed, kooli nimi jne,  kas koolis töötab nõustaja- ei tööta, töötab, mõlemad jne,

Harilik lineaarne regressioonmudel

( ) n n RSS ( a^ , b^) = ui2 = yi - ax ^ i - b^ min lineaarsete hinnangute seas; i =1 i =1 · lineaarsed vaatluste yi suhtes. Tuleb leida kahe muutuja funktsiooni RSS ( a^ , b^ ) miinimumkoht. KUI kehtivad klassikalise lineaarse mudeli eeldused. Matemaatilisest analüüsist: I järku osatuletised peavad võrduma nulliga. Vastavaid eeldusi ja nende testimist vaatame järgmistes

Tõenäosusteooria ja matemaatilise statistika kokkuvõte

kasutatakse tunnuste hajuvuse võrdlemisel, variatsioonkordaja avaldub standardhälbe ja aritmeetilise keskmise suhtena, üldiselt avaldatakse %-na. Kui variatsioonkordaja on umbes 50%, siis tunnus normaalse hajuvusega (keskmine kirjeldab tegelikku tüüpilist väärtust), kui tunduvalt üle 50%, siis tunnus hajus, kui tunduvalt alla 50%, siis tunnus väga vähe hajus. Kui kõik tunnuse kõik väärtused valimis on samad, siis v on 0%. 23. Sagedustabel, - Sagedustabeli võtab andmetabelist kokku, mitmel objektil mingit väärtust esineb, ehk esitab vastava sageduse hajuvusdiagramm, - Hajuvusdiagramm ehk korrelatsiooniväli kajastab kõiki valimi objekte. Punkti x-koordinaadiks on esimese tunnuse väärtus ja y-koordinaadiks teise tunnuse väärtus. Kui hajuvusdiagrammil punktid paiknevad tõusvas või langevas "pilvekeses", siis viitab see ühisele tendentsile tunnuste käitumises

Tõenäosusteooria ja statistika konspekt

Tõenäosusteooria ja statistika eksam 1) Üldkogum – (ka populatsioon) looduse või ühiskonna või objektide hulk, mille kohta soovitakse teha järeldusi teda esindava valimi põhjal. Valim – väljavõtukogum; liikmed tuleb valida juhuslikult, st igal üldkogumi liikmel peab olema võrdne võimalus saada valitud valimisse. Valimi maht – vaatluste arv Tunnused: Kvalitatiivsed (sõnadega) – nominaalsed (värvid, rahvused, tõud) – järjestus e ordinaalsed (ei meeldi, pigem meeldib) Kvantitatiivsed e arvtunnused (mõõdame, loendame) – sõredad e diskreetsed – saavad omandada väärtusi ainult kindlate ajavahemike järel (laste arv peres). – pidevad – teatud piires võivad omandada, mistahes väärtusi ainult kindlate ajavahemike järel (nisu saagikus). 2) Statistilise uurimistöö etapid Uuringu ettevalmistamine (eesmärk, plaan, andmete vajadus, andmete kogumisviis, töötlemisviis, võimalikud järeldused). Statistiline

Kordamiskusimused infoteadus

ruut-statistiku (c²-statistiku) abiga. Hii-ruut statistiku arvutamisel võrreldakse omavahel tegelikku tabelit ja seda tabelit, milles seost pole. Kui nende tabelite erinevus on suur, siis on ka hii-ruut-statistik suure väärtusega. Kui need tabelid on täpselt ühesugused, on hii-ruut-statistiku väärtuseks 0. Seega: leitakse, kui palju tegelik jaotus erineb hüpoteetilisest jaotusest. Crameri V: Kui tunnused on sõltumatud, siis 0; tugevaim seos 1. Saab kasutada sagedustabeli kuju ja kogumi suurust arvesse võtmata. 14) Hajuvusdiagramm ja korrelatsioonikordajad seose uurimiseks kahe arvtunnuse vahel. Probleemid korrelatsioonikordajate kasutamisel. Kasvav seos Ühe tunnuse suured väärtused esinevad sageli koos teise tunnuse suurte väärtustega. Ühe tunnuse väikesed väärtused esinevad koos teise tunnuse väikeste väärtustega. Kahanev seos Ühe tunnuse suur väärtus esineb koos teise tunnuse väikese väärtusega. Seos puudub, tunnused on sõltumatud

Biomeetria test

Ülesanne Eesmärk Tunnusetüüp 1.T-test (f-test) Keskmiste erinevus kahes Pidev arvtunnus- keskmised grupis tunnus, millel on vähe väärtuseid (ehk siis 2 väärtust) 2. Hii-runt-test Kontrollida seose olemasolu Mittearvulised või sagedustabeli põhjal diskreetsed arvtunnused 3. Korrelatsioon Võrrelda tunnuste paare; 2 pidevat arvutunnus Kontrollida seose olemasolu 4.Regresioon analüüs Prognoosida ühte tunnust teise 2 pidevat arvutunnus järgi. Regresioonivõrrandi olulisus 5.Dispersioon Keskmiste erinevus mitmes Pidev arvtunnus- keskmised,

Äriuuringute alused

väärtused on nullid · a1 - x1 kordaja, näitab, kui palju suureneb y, kui x1 suureneb 1 võrra ja teised sõltumatud tunnused jäävad samaks · a2 - x2 kordaja, näitab, kui palju suureneb y, kui x2 suureneb 1 võrra ja teised sõltumatud tunnused jäävad samaks Determinatsioonikordaja mõõdab, kui hästi regressioonisirge lähendab vaatlusandmeid. Väärtus väljendab, kui suur osa sõltuva muutuja Y kogumuutusest on selgitatav sõltumatu muutuja X muutumisega. Determinatsioonikordaja väärtus rahuldab võrratusi: Regressioonmudeli statistilise olulisuse kontrollimiseks kasutatakse statistikapaketi poolt väljaarvutatud olulisuse tõenäosust p-value, mida võrreldakse olulisuse nivooga . Mida väiksem on olulisuse tõenäosus, seda olulisem mudel on. Seda, kas uute muutujate lisamine parandab mudelit oluliselt või mitte, saab kontrollida

Andmeanalüüsi kordamisküsimused

· Tunnuste vahel on statistiline seos siis, kui ühe tunnuse käitumine sõltub teise tunnuse väärtustest. Näiteks kui inimese valimiseelistus sõltuks tema soost. · Uurides seost nominaaltunnuste vahel võetakse appi risttabel. · Seost risttabelis mõõdetakse hii-ruut-statistiku (c²-statistiku) abiga. Crameri V - Kui tunnused on sõltumatud, siis 0; tugevaim seos 1. · Saab kasutada sagedustabeli kuju ja kogumi suurust arvesse võtmata. 14) Hajuvusdiagramm ja korrelatsioonikordajad seose uurimiseks kahe arvtunnuse vahel. Spearmani korrelatsioonikordaja järjestustunnuste korral. Probleemid korrelatsioonikordajate kasutamisel. Hajuvusdiagrammi põhjal saab anda esialgse hinnangu tunnustevahelise seose tugevusele. Vastavalt sellele, milline on korrelatsioonikordaja märk, räägitakse positiivsest ja negatiivsest korrelatsioonist tunnuste vahel.

Andmeanalüüsi kordamisküsimused 2015

kokku. Sel juhul tunnuste vahel seos puudub. ·Hii-ruudu maksimum sõltub sellest, kui suur on tabel (lühema külje pikkus) ja vastanute arv. ·Kuna erineva tabeli suuruse ja erineva indiviidide arvu põhjal arvutatud hii-ruut-statistikud ei ole omavahel võrreldavad, on hii-ruut-statistikust tuletatud mitmeid muid seosekordajaid. Crameri V ·Kui tunnused on sõltumatud, siis 0; tugevaim seos 1. ·Saab kasutada sagedustabeli kuju ja kogumi suurust arvesse võtmata. · Hii-ruut-statistiku kasutamisel oleks vajalik, et selle aluseks olevas tabelis ei oleks tühje (või väga väikese vastajate arvuga) lahtreid. · Et neid vältida, on vahel kasulik tunnuseid ümber kodeerida: liita mõned väga väheste vastajate arvudega grupid või kategooriad kokku. Ümberkodeerimise puhul tuleb aga silmas pidada, et liidetud gruppide sees ilmnenud erinevused lähevad siis kaotsi.

Karakteristikud

maksimaalne liige on üsna lähedane naaberliikmetele või erineb sellest sadu kordi. Keskväärtust mõjutab jäme viga ehk erind märgatavalt. Eespool oli vaadeldud kogumi uurimist ühe tunnuse seisukohalt. Sageli on vaja kogumit uurida kahe või enama tunnuse järgi. Korrelatsioon. Korrelatsioonikordaja. · Statistiline sõltuvus - muutuvad suurused on juhuslikud, igale ühe muutja võimalikule väärtusele ei vasta üksainus kindel teise muutuja väärtus. · Statistilise sõltuvuse korral saab ühe muutuja iga väärtusega seada vastavusse teise muutuja sagedusjaotuse. · Tulemuste esitamiseks kasutatakse korrelatsioonivälja: korrelatsiooniväljaks nimetatakse koordinaattasandile kantud punktihulka, kus iga punkti x- koordinaadiks on uuritava objekti esimese tunnuse väärtus ja y-koordinaadiks sama objekti teise tunnuse väärtus. Kui punktid paiknevad mingi joone ümber, siis on tegu korrelatiivse seosega

Analüüsimeetodid äriuuringutes loengukonspekt

problemaatikamudelid (rahandus, logistika v muu valdkond) 3. Matemaatiliste seoste järgi: funktsionaalsed (determineeritud) mudelid; stohhastilised (juhuslikkust arvestavad); lineaarsed mudelid; mittelineaarsed; aditiivsed ja multiplikatiivsed 4. Aja arvestamise järgi: staatilised mudelid (konkreetse hetke sisu); dünaamilised mudelid. Staatilisest võib tekitada dünaamilise kui lisada aegrida 5. Kasutatavate mõõtühikute järgi: naturaalsed mudelid (töökoha tasand); väärtuselised; segamudelid; standardiseeritud (standardiseeritud mastaap, kõik x ja y ühte mõõdupuusse, jagatakse läbi standardhälbega, koefitsientide saamine); protsentuaalsed mudelid (algandmed protsentides, kasvu, juurdekasvu, indeksi protsent) 6. Lihtsustatuse astme järgi: agregeeritud mudelid (ühetaoliste majandussubjektide koondamine sektoriteks);

Andmeanalüüsi konspekt

........................... 3 Efekti suurus........................................................................................................... 3 Andmeanalüüs SPSS'is........................................................................................... 4 Kirjeldav statistika............................................................................................... 4 Kuidas testida normaaljaotust?........................................................................... 4 Sagedustabeli analüüs (Hii-ruut).........................................................................5 Ühesuunaline ANOVA........................................................................................... 5 Faktoriaalne ANOVA............................................................................................. 6 Korduvmõõtmsite ANOVA (Repeated measures ANOVA).....................................6 Kurskall-Wallise test (e. mitteparameetriline ANOVA)..............................

Rakendusstatistika kokkuvõte

või valemina , mis iga väärtuspaari jaoks fikseerib selle tõenäosuse pij=P(X=xi,Y=yj). Seejuures X võimalike väärtuste diskreetne hulk ja Y võimaike väärtuste diskreetne hulk võivad sisaldada lõpliku või loenduva hulga väärtusi ning tõenäosuste kogumi jaoks peavad kehtima omadused pij>=0 ja summa(pij)=1(normeeritus). Kahe juhusliku suuruse paarina (X,Y) esitatud kahekomponendilise pideva vektori jaotusseadus on kahe muutuja x ja y funktsioon, mida saab esitada jaotusfunktsioonina või jaotustihedusena. Jaotusseaduse omadused: monotoonssus, normeeritus, ristküliku tõenäosus. Kaht juhuslikku suurust nim sõltumatuteks, kui nende kahemõõtmeline jaotusseadus avaldub ühemõõtmeliste marginaalsete jaotustiheduste korrutisena. Kui juhuslikud suurused pole sõltumatud, on nad sõltuvad. Juhuslike suuruste vastastikune sõltuvus: *kaks juhuslikku suurust on determineeritud/funktsionaalses seoses

Populatsioonigeneetika kordamisküsimused

EESTI MAAÜLIKOOL VETERINAARMEDITSIINI JA LOOMAKASVATUSE INSTITUUT LOOMAGENEETIKA JA TÕUARETUSE OSAKOND ARETUSÕPETUS I OSA (POPULATSIOONIGENEETIKA) LOENGUKONSPEKT G P Koostaja: dots. E. Orgmets TARTU 2008 1 KORDAMISKÜSIMUSED 1. Populatsioonigeneetika. (populatsiooni mõiste, panmiksis, biotsönoos, populatsiooni evolutsioonitegurid, suletud ja avatud populatsioon, populatsioonimaht, valimi mõiste). 2. Juhuslikkus ja tõenäosus. Tõenäosuste korrutamise seadus. 3. Genotüübi sagedus ja selle arvutamine. 4. Geeni- ehk alleelisagedus ja selle arvutamine. Geenisageduse arvutamine alleeliseeria korral. 5. Hardy-Weinbergi seadus (definitsioon, tingimused, valem p2+2pq+q2=1). POPULATSIOONI GENEETILINE DÜNAAMIKA 6. Mutatsioon (otse- ja pöördmutatsioonid, nende esinemissagedus, mutatsioonirõhk).

Ökonomeetria kordamisküsimused

3. Lihtne regressioon, regressioonivõrrandi põhikuju. Determineeritud regressioonivõrrand. Lineaarse regressiooni korral kirjeldatakse seost uuritavate muutujate väärtuste vahel sirge abil võrrandiga Y = a0+a1X Eesmärgiks on leida punktiparvega antud X ja Y vahelist seost iseloomustava parima sirge võrrand Lineaarse kahe muutujaga determineeritud regressioonimudeli korral eeldatakse, et juhusliku suuruse Y tingliku keskväärtuse ja sõltumatu muutuja X vahel on seos E(YX ) = 0+ 1X Determineeritud regressioonivõrrand kirjeldab seost endogeense ehk sõltuva muutuja Y keskväärtuse ja eksogeensete ehk sõltumatute muutujate Xi vahel. Võrrandi vasakul pool on tinglikud keskväärtused, mis ei sõltu juhusest 4. Stohhastiline regressioonivõrrand. Juhuslik komponent (regressioonijääk). Visualiseerimine (joonis). Stohhastiline regressioonivõrrand sisaldab juhuslikku liiget i