Vajad kellegagi rääkida?
Küsi julgelt abi LasteAbi
Logi sisse Registreeri konto
✍🏽 Avalikusta oma sahtlis olevad luuletused! Luuletus.ee Sulge

"usaldusvahemikud" - 53 õppematerjali

usaldusvahemikud on järgmised: P(3,16 – 1,09 < b1 < 3,16 + 1,09) = 95% P(2,07 < b1 < 4,25) = 95%
thumbnail
16
doc

Rakendusstatistika kodutöö

Me = = 55 2 Haare: R = xmax - xmin = 99 - 0 = 99 Mo = {94} Mood: 2. Leida keskväärtuse, dispersiooni ja standardhälbe usaldusvahemikud eeldusel, et põhikogumi jaotuseks on normaaljaotus ja olulisuse nivooks P = 95 %. Tõene keskväärtus on µ=0,05, P=95% korral t=1,96 : X -t < µ < X +t n n 30,90 30,90 53,92 -1,96 < µ < 53,92 +1,96 50 50 45,36 < µ < 62,48 Tõene standardhälve P=95% q=0,21 : Enne leida korrigeeritud standardhälve n ( x ) 2...

Rakendusstatistika
325 allalaadimist
thumbnail
17
doc

Tõenäosusteooria ja Rakendusstatistika MHT0031

0, 1, 1, 4, 5, 5, 6, 7, 10, 10, 11, 12, 12, 15, 17, 20, 22, 23, 24, 25, 25, 25, 27, 33, 38, 38, 39, 39, 40, 43, 44, 44, 46, 52, 62, 62, 69, 69, 71, 71, 74, 74, 75, 75, 78, 78, 79, 79, 80, 82, 82, 85, 86, 87, 91, 91, 96, 96, 96, 98 Dixon-test Rlow=(x3-x1)/(xn-2-x1), n=60 -> Rlow=(1-0)/(96-0)=1/96=0,01 -> x1 ­ ekse, sest et Rlow =0,01> Dkr=0,35 Osa A. Hinnangud, usaldusvahemikud , statilised h üpoteesid ja jaotused Tabel 1. Valim xi-juhuslik arv, ni ­ xi kordumiste arv xmin=0, xmax=98 xi ni ni*xi ni*xi² ni(xi-x)² 0 1 0 0 2254.35 4320.78 1 2 2 2 1 4 1 4 16 1890.51 3609.10 5 2 10 50 1...

Rakendusstatistika
171 allalaadimist
thumbnail
9
doc

Rak-stati kodutöö 2008

DX = ni ( xi - x) S=30,23 n S = = D Scor=30,53 n Me= 49 S cor = D n -1 Haare 0-99 Me = x27 R = xmax - xmin Mo={13;66;73} x = 46,18 2. Usaldusvahemikud : Tõene keskväärtus on µ=0,05, P=95% korral t=1,96 : x -t < µ < x +t n n 30,53 30,53 46,18 -1,96 < µ < 46,18 +1,96 50 50 37,80 < µ < 54,56 Tõene standardhälve P=95% q=0,21 : S cor (1 -q ) < < S cor (1 +q ) 30,53(1 -0,21) < <30,53(1 +0,21) 24,12 < < 36,95 Tõene dispersioon P=95% q=0,21 : ( S cor (1 - q) ) 2...

Rakendusstatistika
257 allalaadimist
thumbnail
8
doc

Rak.stat kodutöö 08

yˆ i  y  bxi b1   x y i i  2,09  x 2 i ei  yi  yˆ i 1 ˆ 2  n2  ei2  3,89 b0  y  b x  1,93 Mudel : y  1,93  2,09 x 10.2 Mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud . 8,06  2,81  yT  8,06  2,81 ˆ 2 5,25  yT  10,87 ˆ y   0,88 n ˆ 2   0,05 ˆ b   0,64  n23  xi2...

Rakendusstatistika
177 allalaadimist
thumbnail
16
docx

Rakendus statistika kodutöö

3227,17  0,52  x 2 i 6164,83 a  y  b x  25,17  0,5235  49,83  -0,92 yˆ  y  bxi  1 1   ei  2 2  11,48  2,87 n2 62 Regressioonimudel y= -0,92+0,52x 10.2 a ja b hinnangute usaldusvahemikud   2 2,87  b    0,022  x 6164,83 2 i     x2 2 2,87  21065  A  i...

Rakendusstatistika
251 allalaadimist
thumbnail
5
doc

Ökonomeetria mõisted

10. Heteroskedastiivsusega on tavaliselt tegemist siis: a) parameetrite hinnangud on lineaarsed nihketa hinnangud, kuid nad ei ole parimad, st nad ei ole vähima dispersiooniga b) standardvead ei ole korrektsed ja seega ei ole korrektsed ka parameetrite hinnangute usaldusvahemikud . Fkriteeriumi hinnang ei pruugi olla õige; c) mudel võib viia uurija valedele järeldustele, kui tegemist on statistiliste hüpoteeside kontrollimisega. Kasutatakse graafilist analüüsi. Juhuslik liige ehk jääkliige ui on juhuslik suurus, mille keskväärtus ehk matemaatiline ootus on võrdne nulliga. E (ui) = 0. Kui juhuslike liikmete dispersioon pole konstantne ning tema jaotus oleneb Xst, on tegemist heteroskedestatiivsusega...

Majandus
103 allalaadimist
thumbnail
13
doc

Rakendusstatistika kodutöö

DX = ni ( xi - x) 2 kontroll= 750,79 n S = = D S=27,40 n Scor=27,68 S cor = D n -1 Me= 55 x + x26 Me = 25 Haare 2-95 2 R = xmax - xmin Mo={18} 2. Usaldusvahemikud : Tõene keskväärtus on µ=0,05, P=95% korral t=1,96 : x -t < µ < x +t n n 27,40 27,40 52,12 -1,96 < µ < 52,12 +1,96 50 50 44,52 < µ < 59,72 Tõene standardhälve P=95% q=0,21 : S cor (1 - q ) < < S cor (1 + q ) 27,68(1 -0,21) < < 27,68(1 + 0,21) 21,87 < < 33, 49 Tõene dispersioon P=95% q=0,21 : ( S cor (1 - q) ) 2...

Rakendusstatistika
401 allalaadimist
thumbnail
11
pdf

Arvutusgraafiline töö

( )( ) ( ) Excel: SLOPE ( ) Excel: INTERCEPT 9.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud . ( ) ( ) ( ) ( ) ( ) ( )...

Rakendusstatistika
295 allalaadimist
thumbnail
10
docx

Rakendusstatistika arvutusgraafiline töö nr. 1

23 1 95 95 1342,49 158,30 1342,49 25 2 96 192 2833,54 326,75 1416,77 25,00 58,36 1029,83 1719,89 22560,72 Leida selle valimi: Keskväärtus: Hinnang: Dispersioon: Hinnang: Standardhälve: Mediaan:Me = 74­ järjestatud arvukogumi keskmine arv Haare: 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud . Eeldan, et üldkogum on normaaljaotusega ning võtan olulisuse nivooks = 0,10 Olulisuse nivoo ehk tõenäosus, et tegelik väärtus satub väljapoole usaldusvahemikku on 0,1. Seega usaldustõenäosus p = 1 ­ = 1 ­ 0,1 = 0,9 ehk 90% k = n-1 = 24 näitab vabaduse astmeid. Dispersiooni usaldusvahemikud: leian - jaotuse täiendkvantiilid. Seda teen kasutades Exceli funktsiooni: Dispersiooni 90%-line usalduspiirkond on (679 ; 1791) Keskväärtuse usaldusvahemik:...

Rakendusstatistika
471 allalaadimist
thumbnail
8
docx

Rakedusstatistika Kodutöö

Veerg1 xi yi Veerg2 (x_i-x )^2 2,8 0,7 0,08 4,9 8,8 3,31 1,2 1,3 3,53 2,2 0,4 0,77 4,3 4,6 1,49 Keskmine 3,08 3,16 Kokku 9,19 9.2 Leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud . r yr-y0) 5,6 0,36 4,8 0,04 4,3 0,49 7,1 4,41 6,4 1,96 3,6 1,96 3,2 3,24 y0 5 Kokku 12,46 s 2 ( y ) = 2,077 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 9.3 kontrollida mudeli liikmete olulisust...

Rakendusstatistika
260 allalaadimist
thumbnail
9
docx

Rakendusstatistika arvutusgraafiline kodutöö

Keskväärtus: Excel: AVERAGE x=45, 04 Dispersioon: Excel: VAR Sx²=1164,123 Standardhälve: Sx=34,1193 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=38 Haare: R=97 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 (eeldades uldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10): 3.1 H0: = 50 alternatiiviga H1: 50 1...

Rakendusstatistika
338 allalaadimist
thumbnail
5
docx

Põhimõisted rakendusstatistika eksamiks

Mudeli analüüs 1)Katse dispersiooni leidmine (Sobivaimaks lähenemisviisiks väljundi y dispersiooni hindamiseks on enamasti eraldi korduskatsete seeria läbiviimine mingi suvalise, ent fikseeritud sisendi x väärtuse juures) 2) Mudeli parameetrite hinnangute ja mudeli väljundi prognoosi dispersioon ja usaldusvahemikud (põhinevad t-statistiku kasutamisel) 3) Mudeli liikmete olulisuse kontroll (kui tekib kahtlus, kas sisend X mõjutab väljundit Y, kas vabaliige b0 erineb nullist) 4) Mudeli adekvaatsuse kontroll (kontrollitakse, kas mudel tervikuna on katseandmetega kooskõlas, levinuim viis on adekvaatsustest, kus adekvaatsusdispersiooni võrreldakse väljund dispersiooniga vastava F-statistiku abil) 5) Jääkide analüüs. Lisamärkused (vahed katsest saadud väljundiväärtuste ja mudeli poolt...

Rakendusstatistika
539 allalaadimist
thumbnail
10
doc

Arvutusgraafiline rakendusstatistika kodutöö

Hindame valimi parameetreid Hindamiseks kasutame järgmised valemid: Keskväärtus: 44,12 Dispersioon: 673,44 Standardhälve: 25,95 Mediaani ja haarde leidmiseks teeme valimi liikmete ümberjärjestuse: Mediaan: 51 Haare: 92-4= 88 2. Leiame keskväärtuse ja dispersiooni usaldusvahemikud (usaldusnivoo = 0,10), eeldades üldkogumi normaaljaotust Keskväärtuse jaoks kasutame t-statistikut f = N ­ 1 = 24 t0,95(24) = 1,7109 = 8,88 (poollaius) P(35,24 < < 53) = 0,9 Dispersiooni jaoks kasutame 2-statistikut f = N ­ 1 = 24 20.95(24) = 36,415 20.05(24) = 13,848 P (443,9 < 2 < 1167,15) = 0,9 3. Kontrollime hüpoteese keksväärtuse ja dispersiooni kohta, eeldades üldkogumi normaaljaotust, ja kasutades usaldusnivood = 0,10 3.1 H0: = 50; H1: 50...

Rakendusstatistika
137 allalaadimist
thumbnail
27
xlsx

Arvutusgraafiline rakendusstatistika kodutöö exel

4 3,8 9,4 0,92 2,58 5 3,2 5,1 0,32 -1,72 keskväärtused 2,88 6,82 0,927071 b1 > b => oluline b0 < b => oluline siooni graafik ja prognoositud punktide usaldusvahemikud 5043x - 1,4336062523 1,5 2 2,5 3 3,5 4 4,5 5 5,5 Row 5 Linear Regression for Row 5 Row 42 Row 43 Row 44 1,5 2 2,5 3 3,5 4 4,5 5 5,5 Row 5 Linear Regression for Row 5 Row 42 Row 43 Row 44 (x-xkesk)^2 (y-ykesk)^2 (x-xkesk)(y-ykesk) 4,3264 16,9744 8,5696 4,0804 57,4564 15,3116...

Rakendusstatistika
194 allalaadimist
thumbnail
13
docx

Rakendusstatistika AGT-1

Excel: MEDIAN Me = 41 Haare: R = 87 ­ 1 = 86 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 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...

Rakendusstatistika
135 allalaadimist
thumbnail
12
docx

Rakendusstatistika arvutusgraafiline töö

Dispersioon: Excel: VAR Sx²=1072,74 Standardhälve: Excel: STDEV Sx=32,75 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Excel: MEDIAN Me=74 Haare: =96-0=96 R=96 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) (Arvutatud excelis väärtuste ümardusi rakendamata) Usaldusvahemiku poollaius: 11,2 Dispersiooni usaldusvahemik: = 0,10 ja (leitud Exceli CHIINV funktsiooniga) 3...

Rakendusstatistika
65 allalaadimist
thumbnail
12
docx

Rakendusstatistika arvutusgraafiline töö 1

Keskväärtus: Excel: AVERAGE x = 46,20 Dispersioon: Excel: VAR Sx² = 867,92 Standardhälve: Sx = 29,46 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me = 46 Haare: 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...

Rakendusstatistika
88 allalaadimist
thumbnail
22
xlsx

Rakendusstatistika arvutusgraafline töö 1 (excel)

30 1 262,44 31 1 231,04 t,alfa,n-1 1,7108820799 32 2 201,64 32 2 201,64 ÜL 2 42 1 17,64 Usaldusvahemikkude arvutamine: 46 1 0,04 47 2 0,64 36,415028502 36,4150285018 47 2 0,64 Dispersiooni usaldusvahemikud : 48 1 3,24 _alumine^2 1 406,74 53 1 46,24 68 1 475,24 70 1 566,44 Keskväärtuse usaldusvahemikud: 75 2 829,44 Alumine piir 75 2 829,44 40,988580398 36,119337212 79 1 1075,84 94 1 2284,84...

Rakendusstatistika
135 allalaadimist
thumbnail
11
docx

Rakendusstatistika kodune töö 2012

Leian ühefaktorilise lineaarse regressioonimudeli y = b0 + b1 x ja analüüsin selle täpsust (võttes vastavates testides jm arvutustes olulisuse nivooks = 0.05) 11.1 Leian mudeli parameetrite hinnangud b0 ja b1. xi 1,2 4,3 4,9 2,8 2,2 yi 1,3 4,6 8,8 0,7 0,4 11.2 Leian mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud . =5 Leian t-statistiku tabelist: f = 6 (korduskatsete sarja pikkus minus 1) t1-/2(f) = t0.975(6) = 2.447 Leian hinnangu b0 usaldusvahemiku: Leian hinnangu b1 usaldusvahemiku: 11.3 Kontrollin mudeli liikmete olulisust: 11.4 Kontrollin mudeli adekvaatsust: Selleks leian F-statistiku, mis näitab selle mudeli poolt prognoositud ja tegelike y väärtuste erinevust....

Rakendusstatistika
71 allalaadimist
thumbnail
12
doc

Rakendusstatistika arvestusharjutus AGT-1

OSA B 10.Leida ühefaktoriline lineaarne regressioonimudel y = b0 + b1 x = 0,05 10.1 leida mudeli parameetrite hinnangud b0 ja b1 1 N b1 = ( xi - x )( yi - y ) Vx i=1 bo = y - b1 x x V on sisendi ruuthajuvus N Vx = ( xi - x ) 2 Vx = 9,752 i =1 Arvutused tegin Excelis b1 = 3,16 bo = 2,37 Lineaarne regressioonimudel: y = 2,37 +3,16 x 10.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud P(b j - b j j b j + b j ) = 1 - b j = t ( w -1) s (b j ) 1- 2 s 2 ( y) N xi2 s 2 (b1 ) = s 2 (b0 ) = s 2 ( y ) Vx i =1 N V x Eelnevalt arvutatud Vx = 9,752 1 w s2 ( y) = w -1 r =1 ( y r - y0 ) 2 1 w y0 = yr...

Rakendusstatistika
75 allalaadimist


Sellel veebilehel kasutatakse küpsiseid. Kasutamist jätkates nõustute küpsiste ja veebilehe üldtingimustega Nõustun