Statistika ülesanned. Andmetöötlus. (0)

Lifetime Lost Due to Smoking
Allikas: https://www.spreadsheetweb.com/time-lost-due-to-smoking-calculator/ time X - suitsetatud aastate arv
# sig - keskmine suitsetatud sigarettide arv päevas
lost Y - prognoositud kaotatud eluaastate arv Hajuvusdiagramm  time X # sig lost Y 1 1 0.01 1 5 0.04 2 8 0.12 5 10 0.38 5 20 0.76 7 4 0.21 8 5 0.31 10 18 1.38 13 25 2.48 12 7 0.64 15 19 2.18 18 9 1.24 20 20 3.06 22 8 1.34 25 11 2.1 28 4 0.86 31 26 6.16 T-test lineaarse korrelatsioonikordaja olulisuse kontrollimiseks usaldusnivool 95% 33 48 12.1 34 11 2.86 35 15 4.01 38 14 4.06 41 17 5.32  korrelatsioon on statistiliselt oluline 45 12 4.13 50 20 7.64 52 21 8.34 58 24 10.63 60 40 18.33 63 12 5.78 65 26 12.91 Kriitilise väärtuse leidmine antud olulisuse nivool Korrelatsioon- ja regressioonanalüüs - eng. Correlation and Regression Nullhüpotees H 0:  korrelatsioon ei ole statistiliselt oluline Sisukas hüpotees H 1: 0 10 20 30 40 50 60 70 0 2 4 6 8 10 12 14 16 18 20 f(x) = 0.185502355354747 x − 0.981564731645981
R² = 0.670908809953496 Hajuvusdiagramm Suitsetatud aastate arv K a o ta tu d  e lu a a st a te  a rv


Parameetri empiirilise väärtuse võrdlemine kriitilisega Olulisuse tõenäosuse võrdlemine olulisuse nivooga  olulisuse tõenäosus p =T.DIST.2T Significance =IF(p DATA ANALYSIS -> REGRESSION SUMMARY OUTPUT Regression Statistics Multiple R 0.81909 R Square 0.670909 Adjusted R Squa 0.65872
Standard Error 2.676996
Observations 29 ANOVA df SS Regression 1 394.463 Residual 27 193.4902 Total 28 587.9533 Coefficients Standard Error Intercept -0.981565 0.848113 time X ### 0.025003 RESIDUAL OUTPUT


ObservationPredicted lost Y Residuals 1 -0.796062 0.806062
2 -0.796062 0.836062
3 -0.61056 0.73056 4 -0.054053 0.434053
5 -0.054053 0.814053
6 0.316952 -0.106952
7 0.502454 -0.192454
8 0.873459 0.506541
9 1.429966 1.050034 10 1.244464 -0.604464
11 1.800971 0.379029
12 2.357478 -1.117478
13 2.728482 0.331518
14 3.099487 -1.759487
15 3.655994 -1.555994
16 4.212501 -3.352501
17 4.769008 1.390992
18 5.140013 6.959987
19 5.325515 -2.465515
20 5.511018 -1.501018
21 6.067525 -2.007525
22 6.624032 -1.304032
23 7.366041 -3.236041
24 8.293553 -0.653553
25 8.664558 -0.324558
26 9.777572 0.852428
27 10.14858 8.181423
28 10.70508 -4.925084
29 11.07609 1.833912


Hajuvusdiagramm  Insert -> Charts -> Scatter T-test lineaarse korrelatsioonikordaja olulisuse kontrollimiseks usaldusnivool 95% Hüpoteesi püstitamine  korrelatsioon on statistiliselt oluline Empiirilised arvkarakteristikud valimi suurus n =COUNT 29 Lineaarne (Pearsoni) korrelatsioonikordaja  r 0.82 Empiiriline t-statistik 7.419173 Kriitilise väärtuse leidmine antud olulisuse nivool vabadusastmete arv df=n-2 27 usaldusnivoo 1-alfa 0.95 olulisuse nivoo alfa 0.05 t-statistiku kriitiline väärtus t_kr =T.INV.2T 2.05 korrelatsioon ei ole statistiliselt oluline 0 10 20 30 40 50 60 70 0 2 4 6 8 10 12 14 16 18 20 f(x) = 0.185502355354747 x − 0.981564731645981
R² = 0.670908809953496 Hajuvusdiagramm Suitsetatud aastate arv K a o ta tu d  e lu a a st a te  a rv 𝑡=(𝑟√((𝑛−2)))/
√(1−𝑟^2 )


Parameetri empiirilise väärtuse võrdlemine kriitilisega t (empiir.) "<" või ">" t (kriit.) T-testi empiiriline parameeter ei lange kriitilisse piirkonda -> võtame vastu nullhüpoteesi 7.42 > 2.05 T-testi empiiriline parameeter langeb kriitilisse piirkonda -> võtame vastu sisuka hüpoteesi Olulisuse tõenäosuse võrdlemine olulisuse nivooga  olulisuse tõenäosus p =T.DIST.2T 5.555E-08 p "<" või ">" a Olulisuse tõenäosus p on suurem kui olulisuse nivoo alpha -> võtame vastu nullhüpoteesi 5.555E-08 < 0.05 Olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha -> võtame vastu sisuska hüpoteesi olulisuse testimine - Logical test Significance =IF(pT-testi empiiriline parameeter langeb kriitilisse piirkonda ja olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha
Järelikult kehtib sisukas hüpotees ehk korrelatiivne seos on oluline DATA -> DATA ANALYSIS -> REGRESSION MS F Significance F 394.463 55.04413 5.56669536373E-08 7.166305 t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0% -1.157352 0.257265 -2.72174801870612 0.758619 -2.721748 0.758619 7.419173 5.567E-08 0.134200223612278 0.236804 0.1342 0.236804 <0,05
kehtib H1


a= tõus
b= vabaliige
a=tõusunurga tang
Y=ax+b+(eksilon)
E=eksilon( viga) ^ 0 10 20 30 40 50 60 70 0 2 4 6 8 10 12 14 16 18 20 f(x) = 0.185502355354747 x − 0.981564731645981
R² = 0.670908809953496 Hajuvusdiagramm Suitsetatud aastate arv K a o ta tu d  e lu a a st a te  a rv


T-testi empiiriline parameeter ei lange kriitilisse piirkonda -> võtame vastu nullhüpoteesi
T-testi empiiriline parameeter langeb kriitilisse piirkonda -> võtame vastu sisuka hüpoteesi Olulisuse tõenäosus p on suurem kui olulisuse nivoo alpha -> võtame vastu nullhüpoteesi
Olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha -> võtame vastu sisuska hüpoteesi T-testi empiiriline parameeter langeb kriitilisse piirkonda ja olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha
Järelikult kehtib sisukas hüpotees ehk korrelatiivne seos on oluline


Correlation - Scatter Diagrams Insert -> Chart -> Scatter x y 2 2 4 4 7 10 5 8 8 12 6 9 9 16 12 21 3 6 10 15  =CORREL Correlation coeff  0.98 x y 2 3 4 6 7 12 5 6 8 15 6 8 9 13 12 8 3 3 10 7 Correlation coeff 0.59 x y 2 3 4 6 7 12 5 15 8 15 6 21 9 15 12 8 3 3 10 7 Correlation coeff 0.30 0 2 4 6 8 10 12 14 0 5 10 15 20 25 r=0,98 X Y 0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14 16 r=0,59 X Y 0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,30 X Y


0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,30 X Y


x y 2 21 4 13 7 7 5 8 8 10 6 9 9 6 12 1 3 14 10 4 Correlation coeff -0.91 x y 2 18 4 10 7 7 5 14 8 15 6 6 9 7 12 3 3 5 10 4 Correlation coeff -0.56 x y 2 3 4 6 7 5 5 21 8 12 6 14 9 2 12 16 3 12 10 5 Correlation coeff 0.07 0 2 4 6 8 10 12 14 0 5 10 15 20 25 r=0,98 X Y 0 2 4 6 8 10 12 14 0 5 10 15 20 25 r=-0,91 X Y 0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14 16 r=0,59 X Y 0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14 16 18 20 r=-0,56 X Y 0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,30 X Y 0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,07 X Y


0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,30 X Y 0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,07 X Y


0 2 4 6 8 10 12 14 0 5 10 15 20 25 r=-0,91 X Y 0 2 4 6 8 10 12 14 0 2 4 6 8 10 12 14 16 18 20 r=-0,56 X Y 0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,07 X Y


0 2 4 6 8 10 12 14 0 5 10 15 20 25 R=0,07 X Y


Killed - People killed in road accidents (per 100 000 persons) in 2018
Trust - Average rating of trust in the police (range 1-10) in 2018 Allikas: https://ec.europa.eu/eurostat Country Killed Trust Belgium 5.3 6.1 Bulgaria  8.7 3.6 Czechia 6.2 4.9 Denmark 3.0 7.9 Germany 4.0 6.4 Estonia 5.1 6.0 Ireland 2.9 6.9 Greece 6.5 5.0 Spain 3.9 5.4 France 4.8 5.6 Croatia 7.7 3.3 Italy 5.5 5.8 Cyprus 5.6 4.7 Latvia 7.7 5.4 Lithuania 6.2 6.0 Luxembourg 5.9 6.1 Hungary 6.5 5.7 Malta 3.7 6.3 Netherlands 3.5 6.6 Austria 4.6 7.2 Poland 7.5 5.2 Portugal 6.8 5.4 Romania 9.6 6.4 Slovenia 4.4 5.5 Slovakia 4.8 4.4 Finland 4.3 8.2 Sweden 3.2 7.1 United Kingdom 2.8 6.4 Iceland 5.1 7.7 Norway 2.0 7.5 Switzerland 2.7 7.4 Turkey 8.2 6.5 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11.0 0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 hajavusdiagramm surnude arv 10 elanikude kohta tr u st


Lineaarne (Pearsoni) korrelatsioonkordaja r= -0.580047 Otsus: Tunnuste Killed ja Trust vahel on keskmine kahanev lineaarne korrelatiivne seos 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11.0 0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 hajavusdiagramm surnude arv 10 elanikude kohta tr u st


Otsus: Tunnuste Killed ja Trust vahel on keskmine kahanev lineaarne korrelatiivne seos


Erinevate betoonisegude mõõtmistulemused  Y - survetugevus, Pa (paskal) Segu # X Y 1 5.3 30.1 2 4.5 31 3 4.8 31.2 4 3.2 31.6 5 3.5 31.9 6 3.3 32.8 7 3.1 33 8 3 33.8 9 3.4 34.9 10 2.5 35.6 11 2.4 35.7 12 2.2 36.1 13 1.3 37.3 14 1.8 37.7 15 1.2 39 X - absoluutne läbilaskvus, 10-12 m2


Mõned stat. näitajad Eesti maakondades 2021 a. Allikas: www.stat.ee Vabad ametikohad - vabade ametikohtade määr, kogu Eesti on 1
Internet - internetiühendusega leibkondade osatähtsus, %
Mob internet - mobiilse internetiühendusega leibkondade osatähtsus, %
Kuritegude arv - kuritegude arv 1000 elaniku kohta maakonnas Elanike arv Internet, % Harju maakond 614,567 1694 2.6 95.0 Hiiu maakond 8,497 1194 0.4 88.3 Ida-Viru maakond 132,741 1202 1.1 88.1 Jõgeva maakond 27,858 1241 0.4 92.2 Järva maakond 29,697 1340 1.1 88.6 Lääne maakond 20,229 1308 1.9 96.7 Lääne-Viru maakond 58,709 1256 1.0 86.7 Põlva maakond 23,991 1207 0.2 83.8 Pärnu maakond 85,710 1280 1.5 89.2 Rapla maakond 33,529 1277 1.1 93.7 Saare maakond 31,292 1247 0.8 93.8 Tartu maakond 157,760 1550 0.9 89.7 Valga maakond 27,651 1205 0.4 86.8 Viljandi maakond 45,413 1285 1.8 88.0 Võru maakond 34,180 1192 1.6 86.5 Brutopalk,  eur Vabad  ametikohtad 


77.4 5.1 21.01 75.6 5.7 9.18 68.1 11.0 27.50 75.3 6.5 15.22 78.0 5.1 14.45 86.9 5.0 17.05 74.2 6.0 15.94 70.1 6.6 10.55 66.7 7.1 17.85 81.2 5.0 18.19 76.7 5.7 10.26 78.7 5.1 17.45 71.6 7.0 19.57 70.1 4.9 11.12 67.6 4.1 17.55 Mob internet, % Töötuse  määr, % Kuritegude  arv (1000  in)


Korrelatsioonimaatriks:   DATA -> DATA ANALYSIS -> CORRELATION Brutopalk, eur Vabad ametikohtad  Brutopalk, eur 1 Vabad ametikohtad  0.58 1 Internet, % 0.45 0.47 Mob internet,% 0.39 0.15 Töötuse määr, % -0.32 -0.30 Kuritegude arv (1000 in) 0.24 0.35


Korrelatsioonimaatriks:   DATA -> DATA ANALYSIS -> CORRELATION Internet, % Mob internet,% Töötuse määr, % 1 0.74 1 -0.26 -0.45 1 0.14 -0.11 0.53


Kuritegude arv (1000 in) 1


Mitme muutujaga lineaarne regressioonimudel: Sugu - lapse sugu
Laps - lapse pikkus (toll) 1 toll = 2,54 cm DATA -> DATA ANALYSIS -> REGRESSION Ema - ema pikkus (toll)
Isa - isa pikkus (toll) Sugu Laps Ema Isa M 62.5 66 70 M 64.6 58 69 M 69.1 66 64 M 73.9 68 71 M 67.1 64 68 M 64.4 62 66 M 71.1 66 74 M 71.0 63 73 M 67.4 64 62 M 69.3 65 69 M 64.9 64 67 M 68.1 64 68 M 66.5 62 72 M 67.5 69 66 M 66.5 62 72 N 58.6 63 64 N 64.7 67 65 N 65.3 64 67 N 61.0 60 72 N 65.4 65 72 N 67.4 67 72 N 60.9 59 67 N 63.1 60 71 N 60.0 58 66 N 71.1 72 75 N 62.2 63 69 N 67.2 67 70 N 63.4 62 69 N 68.4 69 62 N 62.2 63 66 Mitmene regressioon - eng. Multiple regression


Mitme muutujaga lineaarne regressioonimudel: DATA -> DATA ANALYSIS -> REGRESSION Y = a 1X1 + a2X2 + … + anXn + b + e


Mitme muutujaga lineaarne regressioonimudel: Energiakulu - energiakulu jalutamisel  (kcal 10 min kohta) Sugu Vanus, a Kaal, kg M 41 89 51 M 41 84 49 M 29 73 41 M 41 67 41 M 41 69 42 M 20 69 45 M 20 90 55 M 34 83 52 N 41 69 46 M 22 84 44 M 28 62 36 M 39 95 54 M 38 75 41 M 37 70 40 M 48 92 53 M 36 85 48 M 26 89 50 N 45 79 48 N 22 72 39 N 31 64 40 N 28 65 39 M 26 86 46 M 14 48 37 M 13 56 40 M 13 56 40 N 18 56 38 N 21 56 34 N 20 62 36 M 24 69 48 N 20 66 37 M 18 110 65 N 20 61 33 M 15 68 46 N 17 64 46 N 14 66 43 M 57 65 40 M 32 78 50 M 64 95 55 M 79 68 46 N 53 80 48 M 62 76 52 N 34 65 44 Mitmene regressioon - eng. Multiple regression Energia  kulu


M 47 80 41 M 26 69 48 M 40 89 60 M 73 58 36 M 38 63 39 M 22 69 39 N 15 60 34 M 26 80 50


Mitme muutujaga lineaarne regressioonimudel: DATA -> DATA ANALYSIS -> REGRESSION Y = a 1X1 + a2X2 + … + anXn + b + e


nXn + b + e


Nikotiini, tõrva ja vingugaasi sisaldus erinevates sigarettides (mg sigareti kohta) Firma Tõrv Nikotiin CO DATA -> DATA ANALYSIS -> REGRESSION 1 16 1.2 15 2 16 1.2 15 3 16 1 17 4 9 0.8 6 5 1 0.1 1 6 8 0.8 8 7 10 0.8 10 8 16 1 17 9 14 1 13 10 13 1 13 11 13 1.1 13 12 15 1.2 15 13 16 1.2 15 14 9 0.7 11 15 11 0.9 15 16 2 0.2 3 17 18 1.4 18 18 15 1.2 15 19 13 1.1 12 20 15 1 16 21 17 1.3 16 22 9 0.8 10 23 12 1 10 24 14 1 17 25 5 0.5 7 26 6 0.6 7 27 8 0.7 11 28 18 1.4 15 29 16 1.1 18 30 17 1.4 16


Nikotiini, tõrva ja vingugaasi sisaldus erinevates sigarettides (mg sigareti kohta) DATA -> DATA ANALYSIS -> REGRESSION


VEIN SELGUS AROOM KONSISTENTS MAITSE BUKETT KVALITEET 1 1 3.3 2.8 3.1 4.1 9.8 2 1 4.4 4.9 3.5 3.9 12.6 3 1 3.9 5.3 4.8 4.7 11.9 4 1 3.9 2.6 3.1 3.6 11.1 5 1 5.6 5.1 5.5 5.1 13.3 6 1 4.6 4.7 5 4.1 12.8 7 1 4.8 4.8 4.8 3.3 12.8 8 1 5.3 4.5 4.3 5.2 12 9 1 4.3 4.3 3.9 2.9 13.6 10 1 4.3 3.9 4.7 3.9 13.9 11 1 5.1 4.3 4.5 3.6 14.4 12 0.5 3.3 5.4 4.3 3.6 12.3 13 0.8 5.9 5.7 7 4.1 16.1 14 0.7 7.7 6.6 6.7 3.7 16.1 15 1 7.1 4.4 5.8 4.1 15.5 16 0.9 5.5 5.6 5.6 4.4 15.5 17 1 6.3 5.4 4.8 4.6 13.8 18 1 5 5.5 5.5 4.1 13.8 19 1 4.6 4.1 4.3 3.1 11.3 20 0.9 3.4 5 3.4 3.4 7.9 21 0.9 6.4 5.4 6.6 4.8 15.1 22 1 5.5 5.3 5.3 3.8 13.5 23 0.7 4.7 4.1 5 3.7 10.8 24 0.7 4.1 4 4.1 4 9.5 25 1 6 5.4 5.7 4.7 12.7 26 1 4.3 4.6 4.7 4.9 11.6 27 1 3.9 4 5.1 5.1 11.7 28 1 5.1 4.9 5 5.1 11.9 29 1 3.9 4.4 5 4.4 10.8 30 1 4.5 3.7 2.9 3.9 8.5 31 1 5.2 4.3 5 6 10.7 32 0.8 4.2 3.8 3 4.7 9.1 33 1 3.3 3.5 4.3 4.5 12.1 34 1 6.8 5 6 5.2 14.9 35 0.8 5 5.7 5.5 4.8 13.5 36 0.8 3.5 4.7 4.2 3.3 12.2 37 0.8 4.3 5.5 3.5 5.8 10.3 38 0.8 5.2 4.8 5.7 3.5 13.2 Tabelis on toodud Pinot Noir viinamarjasortidest tehtud veinide degusteerimise tulemused.
Allikas: Wing-On Kwan, Bruce R. Kowalski, Rodney K., Pattern recognition analysis of elemental data. Wines of Vitis vinifera cv Pinot Noir from France and the United States, Journal of Agricultural and Food Chemistry, Vol. 27, 1979


DATA -> DATA ANALYSIS -> REGRESSION  viinamarjasortidest tehtud veinide degusteerimise tulemused. Pattern recognition analysis of elemental data. Wines of Vitis vinifera cv Pinot Noir from France and the United States, Journal of Agricultural and Food Chemistry, Vol. 27, 1979


Pattern recognition analysis of elemental data. Wines of Vitis vinifera cv Pinot Noir from France and the United States, Journal of Agricultural and Food Chemistry, Vol. 27, 1979


, Journal of Agricultural and Food Chemistry, Vol. 27, 1979


Kulud nädalas (GBP)  alkoholile ja tubakale astak =RANK.AVG Piirkond d=s-t North 6.47 4.03 11 9 2 Yorkshire 6.13 3.76 9 7 2 Northeast 6.19 3.77 10 8 2 East Midlands 4.89 3.34 4 4 0 West Midlands 5.63 3.47 6 5 1 East Anglia 4.52 2.92 2 2 0 Southeast 5.89 3.2 7 3 4 Southwest 4.79 2.71 3 1 2 Wales 5.27 3.53 5 6 -1 Scotland 6.08 4.51 8 10 -2 Northern Ireland 4.02 4.56 1 11 -10 Kokku Spearmani astak-korrelatsioonikordaja - eng. Spearman's rank correlation coefficient Kulud  alkoholile Kulud  tubakale Kulud  alkoholile  astak s Kulud  tubakale  astak t Nullhüpotees H 0: Sisukas hüpotees H 1:


Hajuvusdiagramm Insert -> Charts -> Scatter d^2 4
4
4
0
1
0 16 4
1
4 100
138 kogumi suurus n 11 Eranditega Eranditeta Pearsoni korrelatsioonikordaja r =CORREL 0.30 0.77 Spearmani astak-korrelatsioonikordaja rho 1.00 -0.29 ro -0.56 Otsus: Tunnuste kulud alkoholile ja kulud tubakale vahel nõrk kasvav lineaarne korrelatiivne seos (r=0,22) Tunnuste kulud alkoholile ja kulud tubakale vahel nõrk kasvav monotoonne korrelatiivne seos (rho=0,37) T-test Spearmani korrelatsioonikordaja olulisuse kontrollimiseks usaldusnivool 95% T-test lineaarse korrelatsioonikordaja olulisuse kontrollimiseks usaldusnivool 95% Hüpoteesi püstitamine  korrelatsioon on statistiliselt oluline Empiirilised arvkarakteristikud valimi suurus n =COUNT 11 Spearman's rank correlation coefficient Nullhüpotees H 0:  korrelatsioon ei ole statistiliselt oluline Sisukas hüpotees H 1: 3.5 4 4.5 5 5.5 6 6.5 7 2.5 3 3.5 4 4.5 5 hajuvusdiagramm kulud alkoholile, GBP k u lu d  t u b a k a le ,  G B P


Lineaarne (Pearsoni) korrelatsioonikordaja  r 1.00 Empiiriline t-statistik #DIV/0! Kriitilise väärtuse leidmine antud olulisuse nivool vabadusastmete arv df=n-2 9 usaldusnivoo 1-alfa 0.95 olulisuse nivoo alfa 0.05 t-statistiku kriitiline väärtus t_kr =T.INV.2T 2.26 Parameetri empiirilise väärtuse võrdlemine kriitilisega t (empiir.) "<" või ">" t (kriit.) 1.21 < 2.26 Olulisuse tõenäosuse võrdlemine olulisuse nivooga  olulisuse tõenäosus p =T.DIST.2T 0.26 p "<" või ">" a 0.26 < 0.05 olulisuse testimine - Logical test Significance =IF(pT-testi empiiriline parameeter EI LANGE kriitilisse piirkonda ja olulisuse tõenäosus p on SUUREM kui olulisuse nivoo alpha
Järelikult kehtib sisukas NULLHÜPOTEES ehk korrelatiivne seos EI OLE OLULINE


Insert -> Charts -> Scatter Tunnuste kulud alkoholile ja kulud tubakale vahel nõrk kasvav lineaarne korrelatiivne seos (r=0,22)
Tunnuste kulud alkoholile ja kulud tubakale vahel nõrk kasvav monotoonne korrelatiivne seos (rho=0,37) T-test Spearmani korrelatsioonikordaja olulisuse kontrollimiseks usaldusnivool 95% T-test lineaarse korrelatsioonikordaja olulisuse kontrollimiseks usaldusnivool 95% 3.5 4 4.5 5 5.5 6 6.5 7 2.5 3 3.5 4 4.5 5 hajuvusdiagramm kulud alkoholile, GBP k u lu d  t u b a k a le ,  G B P 4 4.5 5 5.5 6 6.5 7 2.5 3 3.5 4 4.5 5 hajuvusdiagramm (ilma Northern Ireland) kulud alkoholile, GBP k u lu d  t u b a k a le ,  G B P 𝑡=(𝑟√((𝑛−2)))/√(1−𝑟^2 ) 2 2 6 1 ( 1) i d n n     


T-testi empiiriline parameeter ei lange kriitilisse piirkonda -> võtame vastu nullhüpoteesi
T-testi empiiriline parameeter langeb kriitilisse piirkonda -> võtame vastu sisuka hüpoteesi Olulisuse tõenäosus p on suurem kui olulisuse nivoo alpha -> võtame vastu nullhüpoteesi
Olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha -> võtame vastu sisuska hüpoteesi T-testi empiiriline parameeter EI LANGE kriitilisse piirkonda ja olulisuse tõenäosus p on SUUREM kui olulisuse nivoo alpha
Järelikult kehtib sisukas NULLHÜPOTEES ehk korrelatiivne seos EI OLE OLULINE 𝑡=(𝑟√((𝑛−2)))/√(1−𝑟^2 )


4 4.5 5 5.5 6 6.5 7 2.5 3 3.5 4 4.5 5 hajuvusdiagramm (ilma Northern Ireland) kulud alkoholile, GBP k u lu d  t u b a k a le ,  G B P


T-testi empiiriline parameeter ei lange kriitilisse piirkonda -> võtame vastu nullhüpoteesi
T-testi empiiriline parameeter langeb kriitilisse piirkonda -> võtame vastu sisuka hüpoteesi Olulisuse tõenäosus p on suurem kui olulisuse nivoo alpha -> võtame vastu nullhüpoteesi
Olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha -> võtame vastu sisuska hüpoteesi


Tudengite ankeetküsitluse vastused arvuti kasutusoskuse kohta mees naine Hii-ruut test hindamaks kas arvuti kasutusoskus sõltub tudengi soost algaja algaja algaja algaja Hüpoteesi püstitamine algaja algaja algaja algaja arvuti kasutusoskus EI SÕLTU tudengi soost algaja algaja arvuti kasutusoskus SÕLTUB tudengi soost tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja algaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja Empiirilise hii-ruut statistiku valemi komponendid tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja ridade arv k tavakasutaja tavakasutaja veergude arv m tavakasutaja tavakasutaja vabadusastmete arv df=(k-1)(m-1) tavakasutaja tavakasutaja olulisuse nivoo alfa tavakasutaja tavakasutaja teststatistiku kriitiline väärtus h_kr =CHISQ.INV.RT tavakasutaja tavakasutaja tavakasutaja tavakasutaja Parameetri empiirilise väärtuse võrdlemine kriitilisega tavakasutaja tavakasutaja tavakasutaja tavakasutaja h (empiir.) "<" või ">" h (kriit.) tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja tavakasutaja Võrdleme olulisuse tõenäosust olulisuse nivooga  tavakasutaja tavakasutaja tavakasutaja tavakasutaja olulisuse tõenäosus p =T.DIST edasijõudnu tavakasutaja Hii-ruut test statistilise seose olulisuse kontrollimiseks (kvalitatiivsed tunnused) - eng. Chi-square Test või Pearson's goodness-of-fit test Nullhüpotees H 0: Sisukas hüpotees H 1: Empiiriline sagedustabel n ij  =COUNTIFS Sõltumatuse hüpoteesile H 0 vastavad oodatavad üliõpilste arvud Nij


edasijõudnu tavakasutaja p "<" või ">" a edasijõudnu tavakasutaja 0.05 edasijõudnu tavakasutaja edasijõudnu tavakasutaja olulisuse testimine - Logical test edasijõudnu tavakasutaja edasijõudnu tavakasutaja Significance =IF(pedasijõudnu
edasijõudnu
edasijõudnu
edasijõudnu
edasijõudnu Tunnuste sugu ja arvuti kasutusoskus vahel esineb statistiliselt oluline keskmise


Hii-ruut test hindamaks kas arvuti kasutusoskus sõltub tudengi soost arvuti kasutusoskus EI SÕLTU tudengi soost
arvuti kasutusoskus SÕLTUB tudengi soost Empiiriline jaotustabel Empiirilise hii-ruut statistiku valemi komponendid ridade arv k veergude arv m vabadusastmete arv df=(k-1)(m-1) olulisuse nivoo alfa 0.05 teststatistiku kriitiline väärtus h_kr =CHISQ.INV.RT Parameetri empiirilise väärtuse võrdlemine kriitilisega Hii-ruut testi empiiriline parameeter ei lange kriitilisse piirkonda -> võtame vastu nullhüpoteesi
Hii-ruut testi empiiriline parameeter langeb kriitilisse piirkonda -> võtame vastu sisuka hüpoteesi Võrdleme olulisuse tõenäosust olulisuse nivooga  Hii-ruut test statistilise seose olulisuse kontrollimiseks (kvalitatiivsed tunnused) - eng. Chi-square Test või Pearson's goodness-of-fit test  vastavad oodatavad üliõpilste arvud N ij


Olulisuse tõenäosus p on suurem kui olulisuse nivoo alpha -> võtame vastu nullhüpoteesi
Olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha -> võtame vastu sisuska hüpoteesi olulisuse testimine - Logical test 0 - seos puudub … 1 - tugev seos tugevusega seos. Saame väita, et eri soost üliõpilaste arvuti kasutusoskused on erinevad. arvuti kasutusoskus vahel esineb statistiliselt oluline keskmise


Hii-ruut testi empiiriline parameeter ei lange kriitilisse piirkonda -> võtame vastu nullhüpoteesi
Hii-ruut testi empiiriline parameeter langeb kriitilisse piirkonda -> võtame vastu sisuka hüpoteesi


Olulisuse tõenäosus p on suurem kui olulisuse nivoo alpha -> võtame vastu nullhüpoteesi
Olulisuse tõenäosus p on väiksem kui olulisuse nivoo alpha -> võtame vastu sisuska hüpoteesi

Document Outline

• Corr 1
• Corr 2
• Corr 3
• Corr 4
• Corr 5
• Reg 1
• Reg 2
• Reg 3
• Reg 4
• Pearson vs Spearman
• Hii-Ruut Test