Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Statistika ülesanned. Andmetöötlus.". Need materjalid aitavad sul teemat sügavamalt mõista.
hüp, hüpotees, empiir, algaja, korrelatsioon, nullhüpotees, lineaar, empiiriline, correl, regression, correlation, analysis, internet, väärtu, parameeter, alpha, gramm, kriitilise, nivool, usaldusnivoo, hajuvusdiagramm, sisukas, statistik, trust, rdlemine, lost, usaldusnivool, korrelatiivne, regressioon, astak, north, tudengarson, scatter, counthall hea väga hea tavakasutaja sinine hea hea tavakasutaja hall hea väga hea tavakasutaja roheline keskmine hea tavakasutaja roheline keskmine keskmine tavakasutaja pruun keskmine keskmine tavakasutaja hall hea hea tavakasutaja sinine hea hea tavakasutaja sinine keskmine hea algaja sinine keskmine keskmine tavakasutaja sinine keskmine hea algaja sinine keskmine hea algaja hall hea hea tavakasutaja sinine keskmine hea tavakasutaja hall hea hea algaja pruun keskmine hea tavakasutaja roheline hea hea algaja pruun keskmine keskmine algaja
Kokku 110 130 240 Kokku 110 130 240 Kas feromoonpüünis aitas oluliselt kaasa taimede kasvamaminekule? Esitage ka teoreetilised sagedused. 18) Mis on hüpoteesid H0 ja H1? H0-nullhüpotees-väljendab uurijat mittehuvitavat juhtu, seda ei ole võimalik tõe 19) Mis on 1. liiki viga? Tekib siis, kui võetakse vastu sisukas hüpotees, aga tegelikult on õige nullhüpo 20) Kui suur antakse ette tavaliselt 1. liiki vea tõenäosus? 0.05 21) Mis on olulisuse nivoo? Esimest liiki vea tegemise suurim lubatud tõenäosus 22) Mis on olulisuse tõenäosus? P-väärtus, vähim olulisuse nivoo, mille korral saab konkreetse valimi põhjal sis 23) Millal kasutatakse kahepoolset hüpoteesi ja millal ühepoolset? Kahepoolsete hüpoteeside korral kontroll
Testi läbiviija peab valima, kum 12 38 42 13 41 37 keskväärtus dispersioon vaatluste arv pearsoni korrelatsioonikoefitsient nullhüpotees vabadusastmete arv parameetri empiiriline väärtus olulisuse tõenäosus, kui ühepoolne hüpotees parameetri kriitiline väärtus, kui ühepoolne hüpotees olulisuse tõenäosus, kui kahepoolne hüpotees parameetri kriitiline väärtus, kui kahepoolne hüpotees
Asümptootilist jaotust kasutatakse parameetrite hinnangute standardvigade leidmisel. 11. Hinnangu asümptootiline efektiivsus. Mõjusat hinnangut nimetatakse asümptootiliselt efektiivseks (asymptotically efficient), kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt normaaljaotusega hinnangu dispersioonist. 12. Hüpoteeside kontrollimine: otsuse vastuvõtmine, kui on antud teststatistiku empiiriline ja kriitiline väärtus Nullhüpotees: miski võrdub millegagi (erinevus on null) kogumi keskväärtus µ = µ0 kogumi A keskväärtus = kogumi B keskväärtus mudeli parameeter = 0 · Sisukas (alternatiivne) hüpotees: võrdus ei kehti. · Otsustamiseks kasutatakse juhuvalimit. · Juhuvalimi keskväärtus on juhuslik suurus, st erineb arvust µ Otsustamiseks vajaliku statistilise kriteeriumi leidmiseks kasutatakse teststatistikut.
11. Hinnangu asümptootiline efektiivsus. Mõjusat hinnangut nimetatakse asümptootiliselt efektiivseks (asymptotically efficient), kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt normaaljaotusega hinnangu dispersioonist. Näiteks mõningad suurima tõepära meetodil leitud hinnangud. 12. Hüpoteeside kontrollimine: otsuse vastuvõtmine, kui on antud teststatistiku empiiriline ja kriitiline väärtus. ● Nullhüpotees: miski võrdub millegagi (erinevus on null) – kogumi keskväärtus μ = μ0 – kogumi A keskväärtus = kogumi B keskväärtus – mudeli parameeter β = 0 ● Sisukas (alternatiivne) hüpotees: võrdus ei kehti ● Otsustamiseks kasutatakse juhuvalimit. ● Juhuvalimi keskväärtus on juhuslik suurus, st erineb arvust μ. ● Kuidas otsustada, kas – kogumi keskväärtus μ = μ0 kehtib nullhüpotees;
P ( 465,10<σ 2<1223 )=0 , 90 3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks α = 0,10) 3.1 H0: μ = 50 alternatiiviga H1: μ 50 x´ −μ t= √N s 53,24−50 t= √25=0,61 26,56 t kr=1,71 Et Hüpotees vastu võetaks, peab tkr > t; 1,71 > -0,641. Seega hüpotees H0 võetakse vastu. 3.2 H0: σ2 = 800 alternatiiviga H2: σ2 800 2 s ( N −1 ) 2 χ= σ2 2 705,69∙ ( 25−1 ) χ= =21,17 800 2 χ 0,05 =36,42
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, analüüs grupis (üle 2) Tunnus, millel on vahe
Vea komponendid – valikuviga - põhjustatud valimi kasutamisest, loendiviga - põhjustatud ebakorrektsest loendist, kaoviga - mingil põhjusel ei saada andmeid kõigi valimisse sattunud objektide kohta., objektide asendamise viga, mõõtmisviga – mõõtmisvahendi viga, mõõtmisolukorra viga, intervjueerija viga, töötlusviga - Tekivad andmete kodeerimisel, sisestamisel, analüüsimisel 7. STATISTILISTE HÜPOTEESIDE KONTROLL Kriitiline piirkond - nullhüpotees on ümber lükatud. Kui K langeb kriitilisse piirkonda kehtib sisukas hüpotees. Kui K ei lange kriitilisse piirkonda kehtib nullhüpotees Nullhüpotees: kogumi keskväärtus μ võrdub mingi arvuga μ0. H0: μ = μ0 Sisukas hüpotees: kogumi keskväärtus μ ei võrdu arvuga μ0. H1: μ ≠ μ0 Keskväärtuse testimine suurte valimite korral – testimiseks Z-test. Valem: Mida suurem on valimi standardhälve s , seda väiksem on z, st seda "kergemini" tuleb vastuseks nullhüpotees
3. Kontrollime hüpoteese keskväärtuse ja dispersiooni kohta, eeldades üldkogumi normaaljaotust, ja kasutades usaldusnivood = 0.10 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
12 #NAME? #NAME? #NAME? Vastus: tõenäosus, et järgmise minuti jooksul helistab rohkem kui 12 inimest on ~0,424. t on ~0,424. 2 Läbimüük, Tootmisvarud, tuh. kr tuh. kr 192,78 9,400 197,51 9,550 SUMMARY OUTPUT 197,53 9,590 199,48 9,720 Regression Statistics 207,48 10,030 Multiple R 0,9312647 212,50 10,240 R Square 0,867254 200,22 9,820 Adjusted R Square 0,8506607 207,61 10,081 Standard Error 0,2506178 214,18 11,200 Observations 10
3 1634 Lilly (Elli) Co. 6763 26.8 4239 Merck & Co. 16681 45.2 5269 Pharmacia & Upjohn Inc. 7094 35.0 3383 Pfizer 10021 43.8 3472 Rhone-Poulence Roren 5142 28.0 1621 Schering-Plough 5104 20.1 2098 Warner-Lambert Co. 7039 37.0 2006 SUMMARY OUTPUT Regression Statistics Multiple R 0.9800610328 R Square 0.9605196281 Adjusted R Square 0.8890910566 Standard Error 1989.3430527166 Observations 15 ANOVA df SS MS F Significance F Regression 1 1347945730.06 1347945730.06 340.60658825 1.044501E-010 Residual 14 55404800
= P(707,6 ¿ σ <¿ 1866,4) =0,9 3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks α = 0.10). 3.1 H0: μ = 50 alternatiiviga H1: μ 50 x´ −μ 45,8−50 t= √N t= √ 25=−0,6 t kr=1,71 1 s 32,8 Et hüpotees vastu võetaks, peab tkr > t; 1,711 > -0,6. Hüpotees on vastu võetud. 3.2 H0: σ2 = 800 alternatiiviga H2: σ2 800 s 2 ( N −1 ) 1073,2 ∙ (25−1 ) χ 2= = = 32,2 σ2 800 χ 20,05=36,42 χ 20,95=13,84
· 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. Sauga, A. Statistika õpik majanduseriala üliõpilastele. · Kovariatsioon cov(x,y) ja korrelatsioonikordaja r (x,y) TTÜ Kirjastus, Tallinn, 2017. (Statistika kordamiseks) · Regressioon. Kordamiseks võib kasutada õpikut Sauga, A.
........................7 18. Olulisuse tõenäosus..................................................................................................... 7 19. Millal kasutata kahepoolset ja millal ühepoolset hüpoteesi?......................................8 20. Regressioon - Andmete filtreerimine.......................................................................... 8 21. Graafik kõrguse ja diameetri vahelise sõltuvuse hindemiseks....................................8 22. Data analytics Regression. Kõrguse sõltuvus diameetrist........................................9 22. 1 Jääkstandardhälve ja kõrguse standardhälve............................................................9 23. Determinatsioonikordaja............................................................................................. 9 2 Sissejuhatus Kodutöö on proovitükk nr. 815 kohta. Andmed pärinevad failidest ,,prt815.xls" mis
10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: = 0,10 ja on arvutatavad Excel'i CHIIVN funktsiooniga ning on vastavalt: 33,196 ja 13,848 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 > -0,911. 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
Andmeanalüüs MS Exceli abil Andmeanalüüs MS Exceli abil Järgnev õpetus püüab võimalikult 'puust ja punaselt' ette näidata elementaarse andmeanalüüsi teostamise võimalused MS Excelis. Samas ei ole see materjal mõeldud matemaatilise statistika konspektiks, vastavad teadmised/materjalid eeldatakse kasutajal enesel olemas olevat. Seetõttu pole ka eriti tegeletud konkreetsete näidetega ega tulemuste tõlgendamisega. See konspekt ei ole Andres Kiviste 1998 aastal ilmunud vihiku "Matemaatilise statistika algteadmisi ja rakenduslikke näiteid MS Exceli keskkonnas" ümbertrükk. MS
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 Valim B1: Paarisvalim (xi, yi) regressioonimudeli leidmiseks (mahuga N=5) Valim B2: Korduskatsete sari väljundi dispersiooni leidmiseks (mahuga w=7) 3,4 3,2 6,4 4,2 7,1 5,5 4,9 Lahenduse kontrollelemendid
5 100 3 1,000 0,125 3,128 0,005 Xxxxx xxxxx xxxx Summa: 1,00 25 0,096 vabadusastmete arv f = k h 1 = 5 2 1 = 2. ( h = 2, kuna normaaljaotusel on kaks parameetrit ja ) Et nullhüpotees vastu võetaks peab . Seega võin nullhüpoteesi vastu võtta ning järeldada, et üldkogumi jaotuseks on normaaljaotus. 4.2 Põhikogumi jaotuseks on eksponentjaotus, mille parameeter on . Eksponentjaotuse parameeter: Vahemi Katsed k F0(m) ni pi ni' xm 1 20 0,351 5 0,351 8,784 1,630
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
pm~ n1 =~ n2=~ n 3=~ n 4=~ n5 =5 (nm-~ N nm )2 =2 ~ =4 m =1 nm 2 2 kr = 0,90 (2)=4,61 2 2 < kr jaotus on ühtlane 5. 5.1 Empiirilise jaotuse histogramm Vahemik Vahemikku sattumise Empiiriline tihedus, p/h tõenäosus, p 0-20 0,32 0,32/20=0,016 21-40 0,2 0,2/20=0,01 41-60 0,08 0,08/20=0,004 61-80 0,16 0,16/20=0,008 81-100 0,24 0,24/20=0,012
kasvamisel normaaljaotusele. Kasutatakse usalduspiiride leidmisel, testimisel. Sellest leitakse kriitilised väärtused, olulisuse tõenäosus. 11) Hinnangu asümptootiline efektiivsus – Mõjus hinnang on asümptootiliselt efektiivne, kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt normaaljaotusega hinnangu dispersioonist. 12) Hüpoteeside kontrollimine: otsuse vastuvõtmine, kui on antud teststatistiku empiiriline ja kriitiline väärtus: H1 kui valimile vastava teststatistiku empiirilise väärtuse esinemise tõenäosus on väiksem kui olulisuse nivoo a. Kui empiiriline väärtus on kriitilisest suurem. 13) Hüpoteeside kontrollimine: otsuse vastuvõtmine, kui on antud teststatistiku empiirilisele väärtusele vastav olulisuse tõenäosus ja olulisuse nivoo: H1 kui olulisuse tõenäosus p-value < a olulisuse nivoo 14) Olulisuse nivoo ja kahte liiki vead:
Keskväärtuse usaldusvahemik: Keskväärtuse 90%-line usalduspiirkond on (35,08 ; 54,60) 3. Küsimus Kontrollida järgmisi hüpoteese: Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0,1 alternatiiviga 4 Studenti funtktsioon: t(0,1;24) = 1,711 Hüpotees vastab tõele, kuna ja 0,90 < 1,711 Võtan vastu H0 hüpoteesi. alternatiiviga 2 statistiku vasak kriitiline piir: 2 statistiku parem kriitiline piir: , siis on tingimus täidetud ning hüpotees kehtib. Võtan vastu H0 hüpoteesi. a.i. 4. Küsimus Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40-60, 60-80 ja 80-100 Intervalli Vahemik Elemente Tõenäosus Intervalli nr keskmine 1 0-20 7 0.28 9.86 2 20-40 4 0.16 33.75 3 40-60 6 0.24 47.33
Loenguplaan · Seos kahe tunnuse vahel kovariatsioon korrelatsioon Harilik lineaarne · Harilik lineaarne regressioonmudel Vähimruutude meetod parameetrite hinnangute leidmiseks regressioonmudel
*kaks juhuslikku suurust on tõenäosuslikus seoses: ühe järgi saab oletada teise kohta *kaks juhuslikku suurust on tõenäosuslikult sõltumatud. Regressioon näitab mingi juhusliku suuruse keskväärtuse sõltuvust mingist teisest suurusest. Kovariatsioon on 1+1 järku keskmoment müü11, mida tähistatakse sageli Covxy. Kovariatsioon iseloomustab juhuslike suuruste X jaY omavahelist sõltuvust. Korrelatsioon on kovariatsiooni normeeritud variant, tähistatakse pxy. Korrelatsioon iseloomustab X ja Y sõltuvust esmajoones nende lineaarse seose tugevuse mõttes. Selle moodul ei ületa väärust 1. Mida lähemal on korrelatsiooni väärtus ühele, seda lähemal on X ja Y sõltuvus lineaarsele seosele. Sõltumatusest tuleneb korreleerimatus ent vastupidine ei kehti. Korrelatsiooni ruutu nim determinatsiooniteguriks. Kui X on diskreetne juhuslik suurus, siis iga X võimalik väärtus xi teisendub väärtuseks yi=g(x) ning jaotus säilub Y jaoks samasena kui X jaoks.
10). Keskväärtuse usaldusvahemik: α = 0,10 t0,1; 24 = 1,7109 (Studenti tabelist) Dispersiooni usaldusvahemik: α = 0,10 ja on vastavalt: 13,8484 ja 36,4150 3. Kontrollida järgmisi hüpoteese (eeldades uldkogumi normaaljaotust ning võttes olulisuse nivooks α = 0.10): 3.1. 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,
(Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks α = 0,1) 3.1 H 0 : μ=50 alternatiiviga H 1 : μ ≠ 50 t statistik = |√N ´ s || 25 28,53 | ( x −μ0 ) = √ ( 44,84−50 ) =|−0,9043|≈|−0,90| Studenti funtktsioon: t(0,1;24) = 1,7109 Hüpotees vastab tõele, kuna |t|>t 1−∝ /2 (f ) ja |−0,90| < 1,7109 H0 hüpotees vastu võetud. 2 2 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
= 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
Me=51 Haare: R=94-9=85 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust 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 (olulisuse nivoo = 0.10): 3.1 H0: = 50 alternatiiviga H1: 50 1 Et Hüpotees vastu võetaks, peab tkr > t; 1,711 > 0,61. Hüpotees võetakse vastu. 3.2 H0: 2 = 800 alternatiiviga H2: 2 800 Et hüpotees vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,84 < 21,17< 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 nr vahemik elemente intervalli keskmine
keskväärtus diskreetne juhuslik suurus, dispersioon, integraal, mediaan, ülemine rada 19. 15, binoomjaotus, parameetrid, parameeter Test 6 pidev, diskreetne, poissoni jaotus, jaotusseadus jaotusseadus, eksponentjaotus normaaljaotus, normaaljaotus normaaljaotus negatiivne väärtus poissoni jaotus Test 7 kogum, klastervalik, kihtvalik, lihtne juhuvalik, süstemaatiline valik tõenäosuslik valikumeetod, empiiriline valik fikseeritud samm, süstemaatiline valik, punkthinnang nihketa, efektiivne, optimaalne keskväärtus, normaaljaotus, suur valim keskväärtuse standardviga standardhälve standardviga, keskväärtuse usalduspiirid valimvaatlus usaldatavus suur valim, usaldatavus suurem üldkogumi keskväärtuse usaldusvahemiku laius, vabadusastmete arv studenti jaotus mediaani usalduspiiride leidmisel kasutatakse binoomjaotust, loend on ülekaetud
Kahjus- 21,5 25,5 4 tatud 7 Hukkunu 23,4 27,6 5 d 1 Kokku 110 130 2 4 0 18) H0 -nullhüpotees väljendab uurijat mittehuvitavat juhtu. Nullhüpoteesi pole võimalik tõestada ning kui uurija tahab mingisugust erinevust tõestada siis tuleb tal uurimist jätkata H1-sisukas hüpotees, mida uurija soovis tõestada. Hüpoteeside kontrollimisel püütakse tõestada sisukas hüpotees nullhüpoteesi kummutamise teel. 19) 1. liiki viga tekib siis, kui võetakse vastu sisukas hüpotees aga tegelikult on tegemist nullhüpoteesiga.Tegemist on raske veaga, mis tekib siis kui uurija tahab tõestada erinevust või seost mida tegelikult ei ole. 20) Tavaliselt antakse metsanduslikes uurimustöödes 1. liiki vea tõenäosuseks =0,05.
[( ) ( x m - ´x s x - x´ - m-1 s )] 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
· Alternatiivhüpoteesi nimetatakse ka sisukaks hüpoteesiks. · Alternatiivhüpoteesis sõnastatakse tavaliselt see, mida tahetakse tõestada. · Nullhüpoteesiga väidetakse teatavas mõttes vastupidist alternatiivhüpoteesile. · Hüpoteesid sõnastatakse nii, et üks neist peab alati kehtima. Statistilisi hüpoteese analüüsitakse hüpoteeside kontrollimise teel, kasutades valimit. Kontrollimisel on kaks võimalikku tulemust: · Nullhüpotees kummutatakse ja võetakse vastu alternatiivhüpotees, millega alternatiivhüpotees ongi tõestatud, sest leidus vähemalt üks valim, mille korral nullhüpotees ei pea paika. · Nullhüpoteesi ei saa kummutada ja alternatiivhüpoteesi vastu võtta, mistõttu jäädakse nullhüpoteesi väite juurde, kusjuures ei saa öelda, et sellega oleks nullhüpotees tõestatud. Seega: alternatiiv- ja nullhüpotees pole samaväärsed. Tõestada saab ainult sisukat ehk
kaks juhuslikku suurust on determineeritud/funktsionaalses seoses kaks juhuslikku suurust on tõenäosuslikus seoses: ühe järgi saab oletada teise kohta kaks juhuslikku suurust on tõenäosuslikult sõltumatud. Regressioon näitab mingi juhusliku suuruse keskväärtuse sõltuvust mingist teisest suurusest. Kovariatsioon - 1+1 järku keskmoment 11 ja mida tähistatakse sageli Cov xy. Kovariatsioon iseloomustab juhuslike suuruste X jaY omavahelist sõltuvust. Korrelatsioon on kovariatsiooni normeeritud variant, tähistatakse pxy. Korrelatsioon iseloomustab X ja Y sõltuvust esmajoones nende lineaarse seose tugevuse mõttes. Selle moodul ei ületa väärust 1. Mida lähemal on korrelatsiooni väärtus ühele, seda lähemal on X ja Y sõltuvus lineaarsele seosele. Sõltumatusest tuleneb korreleerimatus ent vastupidine ei kehti. Korrelatsiooni ruutu nim determinatsiooniteguriks. Juhusliku suuruse teisendusi
annaabi.ee 
