Ökonomeetria mõisted - sarnased materjalid

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) hinnangu(te) leidmiseks 6) Hinnangute omadused:

KORDAMINE ÖKONOMEETRIA KONTROLLTÖÖKS

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 statistik, mis annab parameetrile ühese väärtuse (nt valimi arit. Keskmine on

Ökonomeetria kontrolltöö kordamisküsimused 2020

● Juhuslik komponent ehk vealiige (u). 2. Andmetüübid. Ökonomeetriline mudel baseerub arvandmetel: ● Ristandmed (cross-sectional) ● Aegread (time series) ● Paneelandmed (panel data) Andmed saavad olla kas ● Kvalitatiivsed (ei saa mõõta arvudega, nt haridustase) ● Kvantitatiivsed (mõõdetakse arvudega, nt vanus) 3. Valimvaatlused ja parameetri hinnangu mõiste. ● Uuritav objekt on üldkogum ● Andmebaas on üldjuhul valim Järeldusi soovime teha üldkogumi kohta, selleks kasutame valimit. Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. Valimi põhjal leiame mudeli parameetrite hinnangud. Valim on juhuvalim => hinnang on juhuslik suurus. 4. Punkthinnang, intervallhinnang. Punkthinnang (point estimate) on statistik, mis annab parameetrile ühese väärtuse. Näiteks valimi aritmeetiline keskmine on punkthinnang kogumi keskväärtusele.

Harilik lineaarne regressioonmudel

Loenguplaan · Seos kahe tunnuse vahel ­ kovariatsioon ­ korrelatsioon Harilik lineaarne · Harilik lineaarne regressioonmudel ­ Vähimruutude meetod parameetrite hinnangute leidmiseks regressioonmudel ­ ­

Rakendusstatistika kokkuvõte

Seega saab juhuslike suuruste liitumisel tekkivate juhuslike suuruste jaotust vähemalt ligikaudu kirjeldada normaaljaotusega. Ei ole vaja suur liidetavate arvu, lubatav on liidetavate mõningane vastastikune sõltuvus, normaaljaotusega liidetavate summa jaotus on täpselt normaaljaotus, katseandmete analüüsi kogemus paljudes valdkondades on näidanud, et suur enamus katseandmeid on hästi kirjeldatavad normaaljaotusega. Normaaljaotusel on kaks parameetrit, mis on vastava juhusliku suuruse keskväärtus ja standardhälve. Normaaljaotus on sümmeetriline. Normeeritud normaaljaotus on normaaljaotuse erijuhtum, kui keskväärtus ja standardhälve on vastavalt 0 ja 1. Tähistatakse X-N(0,1). K sigma reegel: näitab, kui suur on juhusliku suuruse normaaljaotuse korral tõenäosus sattude piirkonda keskväärtus pluss-miinus k standardhälve. Lognormaalne jaotus tekib, kui vaadeldava juhusliku suuruse logaritm on jaotunud

Statistika kordamisküsimused

Pidev suurus - väärtused täidavad mingi vahemiku täielikult ära Jaotusseadus - Diskreetse juhusliku suuruse X jaotusseaduseks nimetatakse vastavust suuruse kõikvõimalike väärtuste xi ja nende tõenäosuste pi vahel. Jaotusfunktsioon - tõenäosus, et juhusliku suuruse X väärtus on väiksem-võrdne mingist reaalarvust x. Valem: F(x)=P(X<=x) Keskväärtus ehk oodatav väärtus - Kui juhusliku suuruse X väärtuse xi esinemise tõenäosus on pi , siis selle juhusliku suuruse keskväärtus ehk oodatav väärtus. Oodatav väärtus on otsustamisel kriteeriumiks. Valitakse see alternatiiv, mille korral oodatav väärtus on ekstremaalne. Näiteks: oodatav kasum maksimaalne,oodatav kulu minimaalne Valem: µ=E[X]= ∑ pixi Dispersioon – diskreetse juhusliku suuruse dispersioon σ^2=∑(xi-µ)^2*pi Pidev juhuslik suurus - Pideva juhusliku suuruse korral ei saa rääkida mingi üksiku konkreetse väärtuse esinemise tõenäosusest

ÜLEVAADE TÕENÄOSUSTEOORIA PÕHIMÕISTETEST

vähemalt ligikaudu kirjeldada normaaljaotusega. Ei ole vaja suur liidetavate arvu, lubatav on liidetavate mõningane vastastikune sõltuvus, normaaljaotusega liidetavate summa jaotus on täpselt normaaljaotus, katseandmete analüüsi kogemus paljudes valdkondades on näidanud, et suur enamus katseandmeid on hästi kirjeldatavad normaaljaotusega. Normaaljaotusel on kaks parameetrit, mis on vastava juhusliku suuruse keskväärtus ja standardhälve. Normaaljaotus on sümmeetriline. Normeeritud normaaljaotus on normaaljaotuse erijuhtum, kui keskväärtus ja standardhälve on vastavalt 0 ja 1. Tähistatakse X~N(0,1). K sigma reegel: näitab, kui suur on juhusliku suuruse normaaljaotuse korral tõenäosus sattude piirkonda keskväärtus pluss-miinus k standardhälve. Lognormaalne jaotus tekib, kui vaadeldava juhusliku suuruse logaritm on jaotunud normaaljaotuse

ÖKONOMEETRIA loegn 1

Bakalaureuseõppe TAAB 3. kursus (vana õppekava) hindamismeetodid, õppematerjalid). Õppejõud Ako Sauga. · Ökonomeetria mõiste, ökonomeetriline Sisu sama, mis TES0040, mudel. ökonomeetria algtase. · Hinnangud ja nende omadused. Magistriõpe (uus õppekava) · Hüpoteeside kontrollimine. Rakenduslik ökonomeetria MEM5220 Õppejõud Kadri Männasoo.

Mitmene regressioonmudel I

loomaliha.gdt Mudel 2, toome sisse ka sealiha hinna ps Loomaliha ja sealiha hind on omavahel seotud qli 79, 3 0,540 pli 0,195 psi ui Kui mudelis ainult loomaliha hind pl Kui oli ainult loomaliha hind pl NB! Loomaliha kordaja on qli 85, 2 0, 466 pli ui erinev! qli 85, 2 0, 466 pli ui Siin avaldub kaudselt ka sealiha hinna mõju. Kui sealiha hinda mudelis pole, saame

Põhimõisted rakendusstatistika eksamiks

jaoks usaldusvahemike arvutamisel. F-jaotus (Fisheri jaotus) on kasutusel kahe normaaljaotusega juhusliku suuruse dispersioonide hinnangute võrdlemisel osana mitmetes hüpoteeside kontrolli skeemides. Momentide meetod: Meetodi põhimote seisneb selles, et üldkogumile vastavad seosed jaotuse parameetrite ja arvkarakteristikute vahel kantakse üle valimile ja vastavalt valimist saadud arvkarakteristikute hinnangutele arvutatakse nende seoste järgi parameetrite hinnangud. Meetodi sammud on seega järgmised: 1) Leida üldkogumile vastava juhusliku suuruse jaotuse jaoks arvkarakteristikute avaldised/seosed sõltuvalt jaotuse parameetritest 2) Leida nendest seostest poordseosed, avaldades parameetrid arvkarakteristikute kaudu (st lahendada vastav võrrandisüsteem) 3) Arvutada valimi järgi arvkarakteristikute hinnangud 4) Arvutada valimi arvkarakteristikute järgi parameetrite hinnangud, kasutades leitud

Statistika moodle vastused

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 ankeetküsitluse läbiviimisel, mõõtmisvahendi viga Test nr 8 sisukas hüpotees, järeldus peale parameetri empiirilise väärtuse võrdlust kriitilisega

STATISTIKA konspekt

sama ühik, mis muudab võimatuks erinevate ühikutega suuruste hajuvuse võrdlemise. · Keskmine lineaarhälve (d katusega) ehk keskmine absoluuthälve. Hälve ehk erinevus. Kokkuvõtlikult on lineaarhälve erinevuste keskmine. Keskmise lineaarhälbe eeliseks on tema lihtne interpreteeritavus. Probleemiks on absoluutväärtuse kasutamine arvutustes, mis muudab keskmise lineaarhälbe matemaatiliste operatsioonide jaoks ebamugavaks. · Dispersioon 2 ehk hajuvus ehk hälvete ruutude keskmine (keskmine ruuthälve). Dispersiooniks nimetatakse variantide väärtuste ja aritmeetilise keskmise erinevuste ruutude (ruuthälvete) aritmeetilist keskmist. · Standardhälve ehk hälvete keskmine on leitud ruutkeskmise abil. Standardhälve ehk ruutkeskmine hälve on ruutjuur dispersioonist. Standardhälve on seotud tõenäosusteooria rakendustega, lineaarhälve ei ole. Standardhälve ON ALATI

Statistika testid

b. suurema informatiivsusega ­ järjestusskaala c. kõige informatiivsem ­ intervallskaala 2. Uuringufirma viib Eesti elanikkonna hulgas läbi tööjõu-uuringut. Vali õiged terminid, mis tähistavad toodud mõisteid. a. Eesti elanik ­ objekt b. Uuringu teostamiseks kasutatakse intervjuusid ­ mõõtmismeetod c. Tallinna elanikud ­ osakogum d. need isikud, keda küsitletakse ­ valim e. Intervjuul esitatavate küsimuste komplekt ­ mõõtmisvahend f. Eesti elanikkond ­ üldkogum g. inimese vanus ­ tunnus h. need inimesed, kelle sissetulek on väiksem kui 5000 kr ­ osakogum i. inimese sissetulek ­ tunnus 3. Milliste vaatlustega on tegemist? a. küsimustiku täitmine veebis ­ ankeetvaatlus b. andmete hankimine internetist ­ dokumentaalvaatlus c

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

Andmetöötluse kordamine

Kordamine arvestustööks 1. Üldkogum (uurimisobjekt, populatsioon) on teatud nähtuste (objektide) hulk, mida soovitakse objektiivsete meetoditega tundma õppida. 2.. Valimiks nimetatakse teatud hulka üldkogumi elemente, mille mõõtmisandmed on uurija käsutuses. Esinduslik valim. 3. Valimi mõõtmisandmed moodustavad andmestiku. Rühmitamata ja rühmitatud andmestik. 4. Arvuline tunnus ­ pidev, diskreetne. Pidev ­ võib omada väärtusi mingil lõigul. Diskreetne ­ arvuliste tunnuste võimalike väärtuste hulk on lõplik või loenduv 5. Mittearvuline tunnus ­ järjestustunnus, nominaaltunnus. Järjestustunnus ­ mittearvuline tunnus, mille väärtused on järjestatavad (Krafti klass, puistu Orlovi boniteet).

Standardhälve, SEOSED JA DISPERSIOONANALÜÜS

1. pole põhjus ega tagajärge 2. kordaja võb olla nii pos kui neg 3. vabaliikme abil saame kirjeldada seoste tugevust 4. regressiooni kordaja b abil saame kirjeldada seose tugevust Dispersioonanalüüsi eesmärk on: 1. dispersioonide leidmine 2. uuritava nähtuste tegurite mõju olulisuse hindamine Valimi andmete põhjal saadi järgmised tulemused: aritm.keskmine=80 ja standardhälve 20. Üldkogumi maht 1200. Kui suur peaks olema valim, et teha kindlaks üle 110 väärtusega elementide osakaalu üldkogumis täpsusega +/-4 ühikut, usaldatavusega 95%. 1. 1700 (üldkogum 1200) 2. 1280 (üldkogum 1200)  3. Ei saa arvutada, sest dispersioon ei ole teada (standarthälbe väärtus on olemas, tõstam ruutu saan dispersiooni, 2. Tahan teha kindlaks elementide osakaalu, ehk et kui dispersiooni ei tea, saan arvutada võttes maksimaalse dispersiooni) 4. Ei ükski eelpool toodud valikutest

Statistika eksamiks

2. on alati moodist suurem 3. on alati geomeetrilisest keskmisest suurem 4. normaaljaotuse puhul on moodiga võrdne 5. ei ükski Standardhälve 1. leitav dispersiooni ruuduga 2. paikneb alati vahemikus 0 ... lõpmatus 3. ei saa olla lineaarhälbest suurem 4. varieeruvas reas = 0 5. ei ükski Normaaljaotuse korral 1. puudub sümmeetria 2. st. hälve = 0 3. Mo = Me ei võrdu aritmeetilise keskmisega 4. keskväärtus on alati = 0 5. ei ükski Seos Y = 18,5 + 0,48 X 1. kirjeldab X-i mõju Y-le 2. kirjeldab seose tugevust 3. kirjeldab Y-i mõju X-le 4. on pööratav ka kujule X = 18,5 + 0,48 Y 5. ei ükski Tasandusjoon Y = 18,5 – 0,48 X 1. näitab kasvavat lineaarset tendentsi 2. parameeter b ei tohi olla negatiivne 3. vabaliige 18,5 kirjeldab joone tõusu 4. igal ajaperioodil väärtused vähenevad 0,48 korda 5. ei ükski Eksponentkeskmine

Tõenäosusteooria ja statistika

1. Üldkogum – ehk populatsiooni all mõeldakse kõiki juhtumeid või situatsioone, mille kohta uurijad soovivad, et nende poolt saadud järeldused või prognoosid kehtiksid. Valim – liikmed tuleb valida juhuslikult, st igal üldkogumi liikmel peab olema võrdne võimalus saada valitud valimisse. Valimimaht – Valimisse valitavate objektide arv. Tunnuste- all mõistetakse liikmeid kirjeldavaid erinevaid omadusi. 2. Statistilise uurimistöö etapid. Mingi probleemi statistilise uurimisel läbitakse 4 tööetappi:  Uuringu ettevalmistamine  Statistiline vaatlus või eksperiment  Vaatlusandmete kokkuvõtte ja esialgne töötlemine

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

Statistiline modelleerimine teooria kokkuvõte 2020

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

Andmeanalüüsi kordamisküsimused 2015

küsimustele tahan vastuseid. Andmete kogumine. Enne kogumist kontrollida, ehk on andmed juba olemas ja arvestada aja- ning raharessursiga. Vaatlus: otsevaatlus, varjatud vaatlus, osalusvaatlus Eksperiment Intervjuu: struktureeritud, poolstruktureeritud või struktureerimata Küsitlus Kas uurida valimit või üldkogumit? Üldkogum ehk populatsioon. Valim on üldkogumist uurimiseks eraldatud osa, mille põhjal tehakse statistilisi järeldusi üldkogumi kohta. Valimi moodustamine: a)tõenäosuslik: 1. Lihtne juhu- nimekiri 2. Süstemaatiline juhu- nimekiri, millest iga 10. 3. Kiht- valin grupid, keda küsitlen 4. Klaster- valin kellegi grupist b) mittetõenäosuslik: 1. Mugavus- pilootuuring testina 2. Ettekavatsetud- vastavalt eelteadmistele valitud uuritavad 3

Ökonomeetriline projekt - Brutopalga sõltuvus haridustasemest, meeste osakaalust ning linlaste osakaalust maakondade lõikes

2008 (eurodes);  X1i – kõrgharidusega (bakalaureuse, magistri- või doktorikraadiga) inimeste osakaal tööga hõivatutest i-ndas maakonnas perioodil 2005-2008;  X2i – linnalises asulas töötavate inimeste osakaal tööga hõivatutest i-ndas maakonnas perioodil 2005-2008;  X3i – meeste osakaal tööga hõivatutest i-ndas maakonnas perioodil 2005-2008;  D1 – fiktiivne muutuja 2005. aasta kohta;  D2 – fiktiivne muutuja 2006. aasta kohta;  D3 – fiktiivne muutuja 2007. aasta kohta;   β0 – mudeli vabaliige (brutopalka määrav autonoomne komponent), mis näitab seda, milline on brutopalk juhul kui kõigi sõltumatute tunnuste väärused on nullid  β1 – mudeli parameeter, mis näitab brutopalga muutust, kui kõrgharitute osakaal muutub ühe ühiku võrra;

Statistika konspekt

.. 200-300 200-300 250 28 7000 38 -179,5 32220,25 ... 300-400 300-400 350 42 14700 80 -79,5 6320,25 ... 400-600 400-600 500 50 25000 130 70,5 4970,25 ... Üle 600 600-1000 800 20 16000 150 370,5 137270,3 ... Kokku 150 64425 4822025  USALDUSINTERVALLID Usaldusintervalle on vaja selleks, et hinnata valimi ja üldkogumi vastavust. Valim on juhuslik,võib esineda erinevaid tulemusi. Tehes üldistusi üldkogumile,peame veaga arvestama. Usaldusintervalle kasutataksegi selle vea hindamiseks. Keskmine esindusviga. Valimi suurenedes esindusviga väheneb. Selle leidmiseks on erinevad valemid lähtuvalt sellest, kas üldkogumi suurus on teada või ei ole.(valimi mahu võtmisel ei arvestata missing lahtrit) Piiresindusviga. Jälle kaks valemit lähtuvalt üldkogumist. Kasutatakse t-jaotuse täiendkvantiili

Ökonomeetria kordamisküsimustele vastused

majandussuuruste omavahelise sõltuvuse analüüsi tegemine, mille jaoks ei ole vaja parameetreid identifitseerida. Milles seisneb paneelandmete mudelite eripära? Paneelandmed – paljude objektide karakteristikud mitmel ajahetkel. Paneelandmete puhul ei pöörata tähelepanu aegridade analüüsile. Efekte ajas vaadeldakse tavaliselt kui üleminekud ühest olekust teise. Paneelandmete korral ei ole tingimata vaja, et objekte jälgitaks võrdsete ajavahemike tagant. Kui mudelis esineb multikollineaarsus, siis ei saa samaaeglaselt mudelis esineda autokorrelatsiooni, sest nende probleemide tekkepõhjused on teinetesit välistavad Multikol. tekkepõhjused: x-de vahel on tugev seos (kui nad on sisuliselt sarnased; üks on teine tulemus; sarnane trend). Autokorrelatsiooni tekkepõhjused: mudelis on jäetud arvastamata tähtsad x-id, samuti kui on jäetud arvestamata vähetähtsad x-id, kui on ülereageerimine, inertsus, sessoonsus, trend

Rakendusstatistika arvestustöö lühikokkovõte

3) Normaal- olulisim, ka Gaussi jaotus, seotud keskse piirteoreemiga: suvalise ühtmoodi jaotunud sõltumatute juh.su. summa v keskv jaotus läheneb liidetavate arvu kasvades norm.jaotusele. aspektid: 1)pole vaja suurt liidet. Arvu 2) lubatav mõningane vastastikune sõltuvus 3)normjaotusega liidetavate summa on normajaotus ERIJUHT: keskv=0, standrdh= 1, normeeritud normjaotus. ,,k-sigma reegel" ­ näitab, kui suur on juh.su. P normajaotuse korral sattuda piirkonda keskväärtus + - k standardhälvet. 4)Lognormaalne: kui juh.su. logaritm on jaotunud normaaljaotuse kohaselt. Kui Y on norm.jaotuse järgi, siis X=exp Y on lognormaalse järgi. Juh. Vektor ­ vektor, mille komponentideks juh.su. Olulised aspektid:komponentide arv ja vastastikune sõltuvus ning jaotusseadus Diskr 2-komp vektor ­ jaotus antakse 2mõõtmelise jaotustabelina v valemina Pidev ­ x ja y funktsioon, saab esitada jaotusfunkts v tihedus Marginaaljaotus ­ 1 komp jaotus nö eraldi vaadatuna

Statistika eksamiküsimused

 üldkogumi suurusest (mida suurem üldkogum, seda suurem valim)  üldkogumi keskmisest väärtusest – ÕIGE  usaldatavusest (mida suurem usaldatavus, seda suurem valim)  soovitud täpsusest (mida täpsemat tulemust tahan, seda suurem peab olema valim)  väärtuste varieeruvusest üldkogumis (mida suurem dispersioon, seda suurem on valim) Keskmine esindusviga on oma sisult:  vale keskmise valiku tulemusel tekkinud arvutusviga - esindusviga ei ole arvutusviga, valim esindab üldkogumit  kõikide võimalike esindusvigade harmooniline keskmine - õige on ruutkeskmine!!!  vahe ühe juhuslikult moodustatud valimi keskmise taseme ja üldkogumi keskväärtuse - küsitakse keskmist esindusviga, siin on ühe juhuslikult moodustatud valim...ei saa olla keskmine; siis on lihtsalt esindusviga  väljavõtukeskmiste standardhälve - ÕIGE, keskmine esindusviga on väljavõtukeskmiste standardhälve (definitsioon) Hüpoteeside kontrollimisel:

Andmeanalüüs sots.teadustes

MAINORI KÕRGKOOL Juhtimise instituut Annika Krutto ANDMEANALÜÜS SOTSIAALTEADUSTES Loengukonspekt Tartu 2009 SISUKORD SISSEJUHATUS...........................................................................................................................3 1. ANDMEANALÜÜSI põhimõisted ......................................................................................... 3 1.1 Üldkogum ja valim............................................................................................................... 3 1.2. Valimi valikumeetodid.........................................................................................................4 1.3. Mõõtmismeetod ja mõõtmisvahend ....................................................................................5 1.4. Andmetabel.....................................................................................................

Statistika eksamiks kordamiseks küsimused

Näiteks: pannakse iibed aastate järgi ritta. Leita Näiteks: pannakse iibed aastate järgi ritta. Leitakse T, nii et keskmine aasta T =0. Muidu –x hinnangud on püsivad, st nende dispersioon läheneb nullile aegrea liikmete n suurenemisel 3)vähemruutude hinnangud on efektiivsed hinnangud, s.t neil on kõige väiksem dispersioon, võrreldes mingite muude hinnangutega.’ 29. Aegridade kompleksanalüüs ja prognoosimine Aegridade kompleksanalüüsi all mõistetakse rea sellist käsitlemist ,millega empiirilisest reast tuuakse eraldi esile ja uuritakse neid komponente. Tuleks läbida järgmised analüüsietapid: 1)uuritava aegrea

Karakteristikud

2 1 -x + x 2 - x + ... + x n - x xi - x = = i =1 n n Erinevate valimite dispersioone võrreldes kehtib reegel: mida suurem on dispersioon, seda suurem on hajuvus. ( ) n 2 2 xi - x Väikese valimi korral ( n < 30

Kordamisküsimuste vastused

Juhusliku suuruse X väärtused x1 x2 ... xn Väärtuste ilmumise tõenäosused f(x1) f(x2) ... f(xn) f (x ) = 1 i Diskreetse juhusliku suuruse jaotusfunktsioon F(x)=P(X keskväärtus ja dispersioon. Keskväärtuse ja dispersiooni omadused. Diskreetse lõpliku arvu väärtustega juhusliku suuruse keskväärtus on summa EX = i =1 xi f ( xi ) n Loenduva arvu väärtustega juhusliku suuruse keskväärtus avaldub lõpmatu summana EX = i =1 xi f ( xi ) , mis ei pruugi alati eksisteerida. Omadused: 1. E(c)=c, kui c on konstant 2. E(cX) = cE(X), 3. E(X+Y) = E(X) + E(Y), E(X1+X2+...+Xn)=E(X1)+E(X2)+...+E(Xn) , 4. E(X+c) = E(X) + c, 5

Majandusstatistika

Majandusstatistika eksamiküsimused FK100 1. Statistika mõiste. Üldkogum ja valim. Rühmitatud andmed. Statistilise materjali graafiline esitamine (histogramm ja kumulatiivse sageduse graafik). Statistika on andmete kogumine ja töötlemine, statistilised andmekogumid, teadusharu, mille põhiülesandeks on massinähtuste vaatlemine, nende kohta andmete kogumine ja analüüsimine ning selle põhjal järelduste ja üldistuste tegemine ning praktiliste lahenduste pakkumine Üldkogum ­ antud tunnustega elementide hulk (nt. koolis õpilaste hulk), N

Analüürimeetodid äriuuringutes kordamisküsimused

5. Mis on kummagi mängija eesmärgiks kahe isiku nullsumma mängus? Kahe isiku nullsummaline maatriksmäng tähendab, et mängijate huvid on diametraalselt vastupidised. Mängijate eesmärgiks kahe isiku nullsumma mängus on võita, ja kuna ühe mängija võit tuleb nn ,,teise taskust", siis võita saab ainult üks, seega iga mängija eesmärgiks on seatud, et just tema võidab. 6. Mida nimetatakse mängu hinnaks? Mängija A võidu ja mängija B kaotuse ühine keskväärtus on mängu hind. 7. Mitu võimalikku käiku on reamängijal ja millises vahekorras peab ta neid valima, kui tema optimaalne strateegia on P 0; 0,75; 0,25 ? Tõenäosus P=(0;0,75;0,25) näitab, et tegemist on reamängija tõenäosustega, veerumängija tõenäosus oleks Q=(q1;q2). Kuna 1.käigu tõenäosus on 0, siis esimesi käike mängija üldse teha ei saa, seega on mängijal kokku 2·2=4 käiku. Mängija teeb käike vastavalt 75% juhtudest 2. käiku ja 25% juhtudest 3. käiku. 8

Andmeanalüüs MS Exceli abil

Teiseks on kõigi enamkasutatavate arvkarakteristikute leidmiseks MS Exceli funktsioon, näiteks AVERAGE - aritmeetiline keskmine, STDEV - standardhälbe valimhinnang, SKEW - asümmeetriakordaja jne. Kõigi nende funktsioonide argumendiks on uuritava tunnuse väärtusi sisaldav andmeblokk. Tunnuse 'Pikkus' keskväärtus leituna funktsiooni AVERAGE abil. http://www.htg.tartu.ee/~a9tp/mirror/www.eau.ee/%257Ektanel/kool_ja_too/stat_excelis/arvkar.html (1 of 5)29.05.2006 15:08:55 Andmeanalüüs MS Exceli abil - sagedustabelid Funktsiooni argumentidena on ette antud lahtrid B1-J1, mis sisaldavad uuritava tunnuse väärtusi. NB! Funktsioonide korral sisestatakse andmeblokk ilma