Κεφάλαιο 1 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ. 1.1 Περιγραφή Στατιστικών εδοµένων. p i = f i n. (1.1) F i = f j όπου x j x i για j i. P i =

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Κεφάλαιο 1 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ. 1.1 Περιγραφή Στατιστικών εδοµένων. p i = f i n. (1.1) F i = f j όπου x j x i για j i. P i ="

Transcript

1 Κεφάλαιο 1 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Σ αυτό το κεφάλαιο ϑα δούµε πρώτα τρόπους να παρουσιάσουµε τα δεδοµένα µε στατιστικούς πίνακες και διαγράµµατα και µετά να συνοψίσουµε τα δεδοµένα υπολογίζοντας συνοπτικά µέτρα. 1.1 Περιγραφή Στατιστικών εδοµένων Οι στατιστικοί πίνακες και γραφικές παραστάσεις αποτελούν χρήσιµα µέσα για να παρουσιάσουµε τα δεδοµένα καθαρά, σύντοµα και µε σαφήνεια. Επίσης µπορούν να αποκαλύψουν σηµαντικά χαρακτηριστικά των δεδοµένων, όπως το εύρος τους, τη συµµετρικότητα τους ή την ύπαρξη ακραίων τιµών. Πίνακας συχνοτήτων Τα δεδοµένα ενός δείγµατος για µια τ.µ. X που παίρνει τιµές σ ένα σχετικά µικρό σύνολο διακεκριµένων τιµών (κατηγορίες ή αριθµητικές τιµές) µπορούν εύκολα να παρουσιαστούν σ ένα πίνακα συχνοτήτων (frequency table). Ο πίνακας συχνοτήτων παρουσιάζει για κάθε τιµή x i της X τη συχνότητα εµφάνισής της f i, δηλαδή πόσες ϕορές εµ- ϕανίζεται η κάθε διακεκριµένη τιµή στο δείγµα. Εύκολα µπορούµε επίσης να υπολογίσουµε και τη σχετική συχνότητα (relative frequency) εµφάνισης ή αλλιώς το ποσοστό (percent) p i που ορίζεται από το λόγο της συχνότητας εµφάνισης f i µιας τιµής x i προς το σύνολο των παρατηρήσεων n του δείγµατος p i = f i n. (1.1) Ορίζεται επίσης η αθροιστική συχνότητα (cumulative frequency) F i µιας τιµής x i ως το άθροισµα των συχνοτήτων όλων των τιµών που είναι µικρότερες ή ίσες της x i, F i = i f j όπου x j x i για j i. j=1 Με τον ίδιο τρόπο ορίζεται και η αθροιστική σχετική συχνότητα P i P i = i p j όπου x j x i για j i. j=1 3

2 4 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ο πίνακας της σχετικής συχνότητας αντιστοιχεί στην εµπειρική ή δειγµατική συνάρτηση µάζας πιθανότητας της διακριτής τ.µ. X, δηλαδή στην εκτίµηση της f X (x) ϐασισµένη στο δείγµα. Οµοια ο πίνακας της αθροιστικής σχετικής συχνότητας µας δίνει µια εκτίµηση της αθροιστικής συνάρτησης κατανοµής F X (x) από το δείγµα. Ραβδόγραµµα Τα δεδοµένα του πίνακα συχνοτήτων εύκολα µπορούν να παρασταθούν γραφικά σ ένα ϱαβδόγραµµα (bar chart), όπου η κάθε ϱάβδος παρουσιάζει τη συχνότητα (ή τη σχετική συχνότητα ή την αθροιστική συχνότητα, ή ακόµα την αθροιστική σχετική συχνότητα) για κάθε τιµή x i. Το ϱαβδόγραµµα σχετικής συχνότητας είναι το γράφηµα της εµπειρικής ή δειγµατικής συνάρτησης µάζας πιθανότητας (δηλαδή της εκτίµησης της f X (x) από το δείγµα). Αντίστοιχα το ϱαβδόγραµµα της αθροιστικής σχετικής συχνότητας απεικονίζει τη δειγµατική αθροιστική συνάρτηση κατανοµής. Η ίδια πληροφορία µπορεί να δοθεί και µε άλλου είδους γραφήµατα, όπως µ ένα κυκλικό διάγραµµα ή διάγραµµα πίτας (pie chart) όπου το κάθε κοµµάτι της επιφάνειας του κύκλου ( πίτα ) παρουσιάζει τη συχνότητα της αντίστοιχης τιµής. Παράδειγµα 1.1 Μια εταιρεία τροφοδοσίας ηλεκτρικών προϊόντων πουλάει ένα προϊόν στους πελάτες της σε παρτίδες των 5 λίτρων. Η εταιρεία ϑέλει να µελετήσει την ποσότητα του προϊόντος σε κάθε παραγγελία. Από τα αρχεία της εταιρείας ϐρέθηκαν 120 πρόσφατες παραγγελίες αυτού του χηµικού προϊόντος και ο αριθµός των παρτίδων σε κάθε παραγγελία δίνεται στον Πίνακα Πίνακας 1.1: Αριθµός παρτίδων σε δείγµα 120 παραγγελιών ενός προϊόντος. Η τ.µ. X είναι ο αριθµός των παρτίδων του προϊόντος ανά παραγγελία. Τα δεδοµένα του Πίνακα 1.1 είναι διακριτά αριθµητικά (ως αριθµοί από το 1 ως το ανώτατο αριθµό παρτίδων). Με κατάλληλη επεξεργασία ϑα µπορούσαµε να οργανώσουµε τα δεδοµένα σε διατακτικά κατηγορικά, δηλαδή ως κατηγορίες µεγέθους παραγγελίας µε ϐάση τον αριθµό των παρτίδων, µικρού µεγέθους για 1 ή 2 παρτίδες, µεσαίου µεγέθους για 3 ή 4 παρτίδες και µεγάλου µεγέθους για περισσότερες από 4 παρτίδες. Με ϐάση τον Πίνακα 1.1 δεν είναι εύκολο να µελετήσουµε την συχνότητα εµφάνισης των διαφόρων αριθµών παρτίδων. Ποιος αριθµός παρτίδων εµφανίζεται συχνότερα; Είναι περισσότερες παραγγελίες των 2 παρτίδων ή των 3 παρτίδων; Για να απαντήσουµε σε τέτοια ερωτήµατα µ- πορούµε να µετρήσουµε πόσες ϕορές εµφανίζεται ο κάθε αριθµός παρτίδων και να ϕτιάξουµε έτσι τον πίνακα συχνοτήτων. Αυτούς τους απλούς υπολογισµούς µπορούµε εύκολα να τους κάνουµε

3 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 5 x i f i p i F i P i Άθροισµα Πίνακας 1.2: Πίνακας συχνοτήτων για τον αριθµό παρτίδων σε 120 παραγγελίες του Πίνακα 1.1 που περιλαµβάνει τη συχνότητα f i, τη σχετική συχνότητα p i, τη αθροιστική συχνότητα F i και τη σχετική αθροιστική συχνότητα P i ). µόνοι µας αλλά όταν το δείγµα είναι µεγάλο ϑα χρειαστεί να χρησιµοποιήσουµε κάποιο υπολογιστικό πρόγραµµα (όπως το στατιστικό πακέτο SPSS). Ο Πίνακας 1.2 παρουσιάζει τις τιµές της X (αριθµός παρτίδων x i για i = 1,...,6) στην πρώτη στήλη, τη συχνότητα f i της κάθε τιµής x i στη δεύτερη στήλη, τη σχετική συχνότητα (ποσοστό) p i στην τρίτη στήλη, την αθροιστική συχνότητα F i στην τέταρτη στήλη και τη σχετική αθροιστική συχνότητα P i στην πέµπτη στήλη. Στο Σχήµα 1.1 παρουσιάζεται το ϱαβδόγραµµα που προκύπτει από τις συχνότητες εµφάνισης του κάθε αριθµού παρτίδων. Από τον πίνακα συχνοτήτων και το ϱαβδόγραµµα είναι ϕανερό πως 40 ραβδoγραµµα παρτιδων συχνoτητα αριθµoς παρτιδων Σχήµα 1.1: Ραβδόγραµµα του αριθµού παρτίδων σε 120 παραγγελίες του Πίνακα 1.1. οι περισσότερες παραγγελίες στο δείγµα µας είναι 2 παρτίδων, λιγότερες είναι 1 παρτίδας ή 3 παρτίδων και η συχνότητα ϕθείνει καθώς αυξάνει ο αριθµός παρτίδων, δηλαδή για παραγγελίες 4, 5 και 6 παρτίδων. Οµαδοποίηση Οταν τα δεδοµένα είναι αριθµητικά και είτε ο αριθµός των διακεκριµένων τιµών που παίρνει η τ.µ. X είναι µεγάλος, ή η X είναι συνεχής (δηλαδή παίρνει τιµές σ ένα

4 6 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ διάστηµα τιµών), είναι προφανές ότι οι πίνακες και τα γραφήµατα συχνοτήτων των τιµών δεν προσφέρονται για την απεικόνιση των δεδοµένων. Σε τέτοιες περιπτώσεις πρώτα χωρίζουµε τα δεδοµένα σε k οµάδες (groups), ή κλάσεις διαστηµάτων, και µετά παρουσιάζουµε σε πίνακα ή σε γράφηµα τη συχνότητα της κάθε οµάδας, δηλαδή τον αριθµό των παρατηρήσεων που ανήκουν σε κάθε οµάδα. Το εύρος τιµών r i της κάθε i οµάδας είναι συνήθως το ίδιο (r i = r). εν υπάρχει συγκεκριµένος τρόπος να το καθορίσουµε και το διαλέγουµε ανάλογα µε την κλίµακα τιµών για την οποία µας ενδιαφέρει να δούµε διαφορές. Γενικά ϕροντίζουµε να είναι τέτοιο ώστε να µην προκύπτουν πολλές οµάδες µε αποτέλεσµα να έχουµε µικρές συχνότητες γιατί τότε δε µπορούµε να διακρίνουµε κάποιο σχηµατισµό στα δεδοµένα. Από την άλλη δε ϑα πρέπει οι οµάδες να είναι πολύ λίγες γιατί τότε δε ϑα µπορούµε να διακρίνουµε διαφορές παρά µόνο για µεγάλες κλίµακες τιµών. Για το χωρισµό των δεδοµένων σε οµάδες ϐρίσκουµε πρώτα τη µικρότερη (ελάχιστη) τιµή x min και µεγαλύτερη (µέγιστη) τιµή x max και υπολογίζουµε το εύρος των δεδοµένων R = x max x min. ιαιρώντας το R µε τον αριθµό των οµάδων k που επιλέγουµε έχουµε το εύρος τιµών r της κάθε οµάδας το οποίο συνήθως στρογγυλοποιούµε για να έχουµε εύχρηστα νούµερα. Η πρώτη οµάδα έχει σαν κάτω άκρο του διαστήµατος κάποιον κατάλληλα στρογγυλοποιηµένο αριθµό µικρότερου ή ίσου του x min, τα διαστήµατα των οµάδων είναι ισοµήκη και το διάστηµα της τελευταίας οµάδας περιλαµβάνει το x max. Για τα διαστήµατα διαλέγουµε συµβατικά να είναι κλειστά από αριστερά (να περιέχουν την ακραία µικρότερη τιµή) κι ανοιχτά από δεξιά (να µην περιέχουν την ακραία µεγαλύτερη τιµή). Ιστόγραµµα Εχοντας οµαδοποιήσει τα αριθµητικά δεδοµένα µπορούµε να κάνουµε τον πίνακα και τα γραφήµατα συχνοτήτων όπως και πριν. Ειδικότερα για το ϱαβδόγραµµα για την κάθε ϱάβδο παίρνουµε το κέντρο του διαστήµατος που αντιστοιχεί σε κάθε οµάδα. Επίσης δεν υπάρχει κενό διάστηµα µεταξύ των ϱάβδων και το γράφηµα αυτό λέγεται ιστόγραµµα (histogram). Στον κάθετο άξονα του ιστογράµµατος µπορεί να είναι η συχνότητα f i, η σχετική συχνότητα (ποσοστό) p i, η αθροιστική συχνότητα F i, ή ακόµα η σχετική αθροιστική συχνότητα P i για την κάθε i οµάδα. Σε πλήρη αντιστοιχία µε το ϱαβδόγραµµα σχετικής συχνότητας το ιστόγραµµα σχετικής συχνότητας (ή απλά το ιστόγραµµα συχνότητας) δίνει µια εκτίµηση του γραφήµατος της συνάρτησης πυκνότητας πιθανότητας f X (x) της συνεχούς τ.µ. X, ϐασισµένη στο δείγµα και στην επιλεγµένη οµαδοποίηση των παρατηρήσεων. Το ιστόγραµµα είναι χρήσιµο για να κρίνουµε αν µπορούµε να δεχθούµε ότι η τ.µ. X, όπως την παρατηρήσαµε από το δείγµα, ακολουθεί κάποια γνωστή κατανοµή. Εδώ κυρίως ενδιαφερόµαστε για την κανονική κατανοµή γιατί τότε µπορούµε να χρησιµοποιήσουµε µια ολόκληρη µεθοδολογία εκτιµητικής που ϐασίζεται στην κανονική κατανοµή της X. Για µικρά δείγµατα (µε λιγότερες από 30 παρατηρήσεις) δεν περιµένουµε το ιστόγραµµα να δίνει το σχήµα καµπάνας της κανονικής κατανοµής (ακόµα και για δεδοµένα που προέρχονται από κανονική κατανοµή είναι δυνατόν να παρατηρήσουµε σηµαντικές αποκλίσεις). Συνήθως δεχόµαστε ότι η τ.µ. X ακολουθεί κανονική κατανοµή όταν το ιστόγραµµα ϕαίνεται να διατηρεί κάποια σχετική συµµετρία µε τις υψηλότερες συχνότητες να παρουσιάζονται στα κεντρικά διαστήµατα τιµών. Υπάρχουν κι άλλα γραφήµατα που απεικονίζουν την εµπειρική κατανοµή της τ.µ. X µε διαφορετικό τρόπο. Αναφέρουµε ενδεικτικά χωρίς να τα περιγράψουµε το ϕυλλογράφηµα

5 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 7 (stem and leaf plot) και το σηµειογράφηµα (dotplot). Παράδειγµα 1.2 Στον Πίνακα 1.3 δίνονται οι χρόνοι ζωής 25 µπαταριών αυτοκινήτου µιας εταιρίας Α (σε έτη µε το τους µήνες τροποποιηµένους σε δεκαδικά της µονάδας του έτους) που διαλέχτηκαν τυχαία (και αντίστοιχα για 20 µπαταρίες αυτοκινήτων από µια άλλη εταιρία Β που ϑα µελετήσουµε αργότερα). Α/Α εταιρία Α εταιρία Β Σύνολο Πίνακας 1.3: εδοµένα χρόνου ζωής µπαταριών αυτοκινήτου δύο εταιριών Α και Β. Ονοµάζουµε X την τυχαία µεταβλητή του χρόνου Ϲωής της µπαταρίας από την εταιρία Α. Ο µικρότερος χρόνος Ϲωής είναι x min = 4.5, ο µεγαλύτερος χρόνος Ϲωής είναι x max = 7.0 και το εύρος των δεδοµένων του δείγµατος είναι R = x max x min = = 2.5. ιαλέγουµε να χωρίσουµε τα δεδοµένα σε 10 οµάδες (k = 10) κι άρα η κάθε οµάδα καλύπτει εύρος τιµών r = R k = = 0.25,

6 8 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ αρχίζοντας από την τιµή 4.5. Στη συνέχεια µπορούµε να υπολογίσουµε τον πίνακα συχνοτήτων µετρώντας τον αριθµό των δεδοµένων σε κάθε οµάδα. Στον Πίνακα 1.4 δίνεται ο πίνακας συχνοτήτων, που περιλαµβάνει τη συχνότητα, τη σχετική συχνότητα, την αθροιστική συχνότητα και την σχετική αθροιστική συχνότητα. Παρατηρούµε ότι οι ιάστηµα τιµών f i p i F i P i Άθροισµα Πίνακας 1.4: Πίνακας συχνοτήτων για τα δεδοµένα του χρόνου Ϲωής µπαταρίας της εταιρίας Α που περιλαµβάνει τη συχνότητα f i, τη σχετική συχνότητα p i, την αθροιστική συχνότητα F i και τη σχετική αθροιστική συχνότητα P i ). χρόνοι Ϲωής µπαταρίας στο δείγµα των 25 µπαταρίων συγκεντρώνονται σε ένα κεντρικό διάστηµα τιµών (περίπου οι µισές παρατηρήσεις εµφανίζονται στις τρεις οµάδες που καλύπτουν το διάστηµα [5.25, 6.0]). Μπορούµε να σχηµατίσουµε καλύτερη εντύπωση για την κατανοµή της τυχαίας µεταβλητής X της Ϲωής της µπαταρίας από το ιστόγραµµα συχνοτήτων, που παρουσιάζεται στο Σχήµα 1.2. Πράγµατι από το ιστόγραµµα ϕαίνεται ότι οι παρατηρήσεις συγκεντρώνονται σ ένα κεντρικό 6 Iστoγραµµα ζωης µπαταριας εταιριας A 5 συχνoτητα ευρoς Σχήµα 1.2: Ιστόγραµµα των δεδοµένων χρόνου Ϲωής µπαταριών της εταιρίας Α του Πίνακα 1.3. διάστηµα τιµών κι απλώνονται µε κάποια συµµετρία γύρω από αυτό. Η εικόνα που δίνει το

7 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 9 ιστόγραµµα είναι συνεπής µε την γραφική παράσταση κανονικής κατανοµής (σχήµα καµπάνας ) και µας επιτρέπει να δεχτούµε ότι η κατανοµή του χρόνου Ϲωής µπαταρίας από την εταιρία Α είναι κανονική. 1.2 Περιγραφικά Μέτρα Στατιστικών εδοµένων Ο πίνακας συχνοτήτων και το ϱαβδόγραµµα ή ιστόγραµµα δίνουν µια συνοπτική παρουσίαση των δεδοµένων και µας επιτρέπουν να µελετήσουµε ποιοτικά την κατανοµή της τυχαίας µεταβλητής που παρατηρήσαµε. Στη συνέχεια ϑα ορίσουµε ποσοτικά µεγέθη που περιγράφουν περιληπτικά τα ϐασικά χαρακτηριστικά της κατανοµής της τ.µ. X και λέγονται συνοπτικά ή περιγραφικά µέτρα (summarizing or descriptive statistics). Κάθε τέτοιο µέτρο υπολογίζεται από τις παρατηρήσεις του δείγµατος κι όπως ϑα δούµε στα επόµενα κεφάλαια αποτελεί εκτίµηση κάποιας παραµέτρου της κατανοµής της τ.µ. που µελετάµε. Θα ασχοληθούµε µε δύο τύπους περιγραφικών µέτρων: τα µέτρα ϑέσης (measures of location) που προσδιορίζουν χαρακτηριστικές ϑέσεις µέσα στο εύρος των δεδοµένων και τα µέτρα µεταβλητότητας (variability measures) που δίνουν περιληπτικά τη διασκόρπιση και µεταβλητότητα των δεδοµένων Μέτρα ϑέσης Ως µέτρα ϑέσης εννοούµε κυρίως τα µέτρα κεντρικής τάσης που προσδιορίζουν ένα κεντρικό σηµείο γύρω από το οποίο τείνουν να συγκεντρώνονται τα δεδοµένα. Τα κυριότερα µέτρα κεντρικής τάσης είναι: η δειγµατική µέση τιµή (sample mean value) ή αριθµητικός µέσος (arithmetic mean), ή µέσος όρος (average), η δειγµατική διάµεσος (sample median), η δειγµατική επικρατούσα τιµή (sample mode). Μέση τιµή Η δειγµατική µέση τιµή είναι το πιο γνωστό και χρήσιµο µέτρο του κέντρου των δεδοµένων. Εστω x 1, x 2,...,x n, οι τιµές των παρατηρήσεων του δείγµατος για µια τ.µ. X που µελετάµε. Η δειγµατική µέση τιµή συµβολίζεται x κι ορίζεται ως x = x 1 + x x n n = 1 n n x i. (1.2) Η µέση τιµή είναι το κέντρο ισορροπίας των δεδοµένων. Για να καταλάβουµε τη ϕυσική της σηµασία ας ϕανταστούµε µία αβαρή σανίδα πάνω στην οποία σκορπίζουµε ένα αριθµό n ίδιων ϐαριδιών. Το σηµείο στήριξης της σανίδας (ώστε να ισορροπεί σε οριζόντια ϑέση) είναι η µέση τιµή της ϑέσης των ϐαριδίων πάνω στη σανίδα, όπως ϕαίνεται και στο Σχήµα 1.3.

8 10 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ µεση τιµη Σχήµα 1.3: Σχηµατική παρουσίαση της µέσης τιµής. ιάµεσος Η δειγµατική διάµεσος είναι ένα άλλο µέτρο του κέντρου των δεδοµένων και ορίζεται ως η κεντρική τιµή όταν διατάξουµε τα δεδοµένα σε αύξουσα σειρά. Θα τη συµβολίζουµε ως x. Αν ο αριθµός n των δεδοµένων είναι περιττός τότε η διάµεσος είναι η τιµή στη ϑέση (n + 1)/2, ενώ αν το n είναι άρτιος τότε είναι το ηµιάθροισµα των τιµών στις ϑέσεις n/2 και n/2 + 1, δηλαδή { x = x (n+1)/2 n = 2k + 1 x n/2 + x n/2+1 2 n = 2k. Για παράδειγµα σε δείγµα τριών τιµών η διάµεσος είναι η δεύτερη µικρότερη τιµή και σε δείγµα τεσσάρων τιµών η διάµεσος είναι ο µέσος όρος της δεύτερης και τρίτης µικρότερης τιµής. (1.3) Επικρατούσα τιµή Η δειγµατική επικρατούσα τιµή χρησιµοποιείται επίσης για να δηλώσει την κεντρική τάση των δεδοµένων κι ορίζεται ως η τιµή που εµφανίζεται µε τη µεγαλύτερη συχνότητα. Αν υπάρχουν πάνω από µία τέτοιες τιµές, τότε όλες αυτές ϑεωρούνται επικρατούσες τιµές. Είναι ϕανερό πως η επικρατούσα τιµή δεν έχει νόηµα όταν το δείγµα δεν αποτελείται από διακεκριµένες επαναλαµβονόµενες τιµές. Η δειγµατική µέση τιµή είναι το πιο σηµαντικό από τα τρία µέτρα κεντρικής τάσης και ϑα µας απασχολήσει ιδιαίτερα καθώς ϑα τη χρησιµοποιήσουµε στη στατιστική συµπερασµατολογία (στα επόµενα κεφάλαια) για να ϐγάλουµε συµπεράσµατα για τη µέση τιµή µ του πληθυσµού. Για τον υπολογισµό της µέσης τιµής χρησιµοποιούνται όλες οι τιµές του δείγµατος, ενώ για τη διάµεσο µόνο η τάξη τους. Γι αυτό και η µέση τιµή επηρεάζεται από µακρινές τιµές αλλά η διάµεσος όχι. Οταν η κατανοµή των αριθµητικών δεδοµένων είναι µονοκόρυφη και συµµετρική, τότε και τα τρία µέτρα κεντρικής τάσης συµπίπτουν. Η ύπαρξη µακρινών παρατηρήσεων στο δείγµα δυσκολεύει τη στατιστική περιγραφή κι ανάλυση. Γι αυτό πριν προχωρήσουµε ϑα πρέπει να αποφασίσουµε αν ϑα συµπεριλάβουµε τη µακρινή παρατήρηση (αν πιστεύουµε ότι είναι σωστή) ή αν ϑα την αγνοήσουµε (αν έχουµε λόγους να πιστεύουµε ότι δεν είναι ακριβής) Μέτρα µεταβλητότητας Εκτός από την κεντρική τάση µας ενδιαφέρει επίσης και η µεταβλητότητα ή διασπορά των παρατηρήσεων. Οταν τα δεδοµένα είναι συγκεντρωµένα γύρω από µια κεντρική τιµή, δηλαδή η διασπορά των δεδοµένων είναι µικρή, τότε η κεντρική τιµή αντιπροσωπεύει ικανοποιητικά τα δεδοµένα. Από την άλλη, όταν τα δεδοµένα είναι πολύ σκορπισµένα τα µέτρα κεντρικής

9 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 11 τιµής δε δίνουν καλή περιληπτική περιγραφή των δεδοµένων. Επίσης, διαφορετικά δείγµατα από τον ίδιο πληθυσµό µπορεί να έχουν το ίδιο µέτρο κεντρικής τάσης αλλά να διαφέρουν κατά κάποιο σηµαντικό τρόπο ως προς τη διασπορά των παρατηρήσεων. Χρησιµοποιώντας το παράδειγµα µε τα ϐαρίδια και τη σανίδα ϐλέπουµε στο Σχήµα 1.4 πώς δύο δείγµατα που έχουν την ίδια µέση τιµή µπορεί να διαφέρουν σηµαντικά και κατά χαρακτηριστικό τρόπο ως προς τη διασπορά τους Σχήµα 1.4: Σχηµατική παρουσίαση δύο δειγµάτων ίσου πλήθους µε ίδια µέση τιµή και διαφορετική µεταβλητότητα. Τα κυριότερα µέτρα διασποράς είναι: το δειγµατικό εύρος (sample range) R, η δειγµατική διακύµανση ή δειγµατική διασπορά (sample variance) s 2 και η δειγµατική τυπική απόκλιση (standard deviation) s. τα εκατοστιαία σηµεία (percentiles) και το ενδοτεταρτοµοριακό εύρος (interquartile range). Εύρος Οπως αναφέρθηκε παραπάνω το εύρος των δεδοµένων R = x max x min είναι η διαφορά της ελάχιστης από τη µέγιστη τιµή του δείγµατος. Το εύρος υπολογίζεται εύκολα αλλά δεν είναι ανθεκτικό µέτρο µεταβλητότητας. Εξαρτάται µόνο από τις δύο ακραίες παρατηρήσεις x min και x max και αγνοεί τις υπόλοιπες παρατηρήσεις. Γι αυτό µπορεί να αλλάζει σηµαντικά από δείγµα σε δείγµα (ίδιου πλήθους κι από τον ίδιο πληθυσµό). Γενικά το εύρος αυξάνει όταν µεγαλώνει το δείγµα καθώς αναµένεται να συµπεριληφθούν πιο ακραίες τιµές. ιασπορά Η διασπορά ή διακύµανση µετράει τη µεταβλητότητα των παρατηρήσεων γύρω από τη µέση τιµή. Αν ορίσουµε την απόκλιση µιας παρατήρησης x i από τη µέση τιµή ως x i x, είναι ϕανερό πως το άθροισµα όλων αυτών των αποκλίσεων είναι 0 γιατί χρησιµοποιώντας τον ορισµό της δειγµατικής µέσης τιµής (1.2) έχουµε n (x i x) = n x i n x = n x n x = 0. Η δειγµατική µέση τιµή x έχει οριστεί έτσι ώστε οι ϑετικές αποκλίσεις για τιµές µεγαλύτερες του x να είναι αθροιστικά ίδιες µε τις αρνητικές αποκλίσεις για τιµές µικρότερες του x. Για να µετρήσουµε λοιπόν τη µεταβλητότητα των παρατηρήσεων γύρω από τη µέση τιµή διαλέγουµε να αθροίσουµε όχι τις ίδιες τις αποκλίσεις αλλά τα τετράγωνα των αποκλίσεων. Επίσης για να

10 12 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ πάρουµε ένα µέτρο της µέσης απόκλισης που δεν εξαρτάται από το πλήθος των παρατηρήσεων ϑα πρέπει να διαιρέσουµε µε το πλήθος n των παρατηρήσεων. Οµως για τεχνικούς λόγους που ϑα εξηγήσουµε παρακάτω διαιρούµε µε n 1 αντί για n και η δειγµατική διασπορά s 2 ορίζεται ως s 2 = 1 n (x i x) 2. (1.4) n 1 Αναπτύσσοντας τα τετράγωνα της (1.4) έχουµε τον ισοδύναµο τύπο ( n ) s 2 = 1 x 2 i n x 2, (1.5) n 1 που είναι πιό εύχρηστος και χρησιµοποιείται στους υπολογισµούς. Η διασπορά s 2 προκύπτει από τα τετράγωνα των παρατηρήσεων και συχνά είναι δύσκολο να την ερµηνεύσουµε ως πραγµατικό ϕυσικό µέγεθος. Γι αυτό ορίζουµε τη δειγµατική τυπική απόκλιση s, που είναι απλά η ϑετική ϱίζα της δειγµατικής διασποράς s 2. Η τυπική απόκλιση s µετριέται µε τη µονάδα µέτρησης της τ.µ. X κι εκφράζει (όπως δηλώνει η ονοµασία της) την τυπική απόκλιση των δεδοµένων από τη δειγµατική µέση τιµή, δηλαδή µέχρι πόσο περίπου περιµένουµε µια τυπική τιµή της X να απέχει από τη µέση τιµή. Σηµείωση: Χρήση του n 1 αντί του n Οπως η δειγµατική µέση τιµή εκτιµά τη µέση τιµή του πληθυσµού µ, έτσι και η δειγµατική διασπορά s 2 εκτιµά τη διασπορά του πληθυσµού σ 2. Αν γνωρίζαµε τη µ τότε ϑα τη χρησιµοποιούσαµε στον τύπο για τον υπολογισµό του s 2, αλλά συνήθως η µ είναι άγνωστη. Οι παρατηρήσεις x i, τείνουν να είναι πιο κοντά στη x παρά στη µ κι άρα οι υπολογισµοί µε ϐάση τις αποκλίσεις x i x δίνουν µικρότερες τιµές απ ότι αν χρησιµοποιούσαµε τις αποκλίσεις x i µ. Για να αντισταθµίσουµε αυτήν την τάση για υποεκτίµηση της διασποράς του πληθυσµού σ 2 διαιρούµε µε n 1 αντί µε n. Μία άλλη πιο τεχνική εξήγηση ϐασίζεται στους ϐαθµούς ελευθερίας (degrees of freedom). Οι n ελεύ- ϑερες παρατηρήσεις αποτελούν τους n ϐαθµούς ελευθερίας. Για τον υπολογισµό της x σχηµατίζουµε το µέσο όρο διαιρώντας το άθροισµα των παρατηρήσεων µε τους ϐαθµούς ελευθερίας n αφού δεν έχουµε καµιά συνθήκη για τις n παρατηρήσεις που χρησιµοποιούµε. Για τον υπολογισµό της s 2 όµως έχουµε της συνθήκη n (x i x) = 0, δηλαδή αν ξέρουµε n 1 από τις αποκλίσεις µπορούµε να ϐρούµε αυτήν που αποµένει. Άρα για τον υπολογισµό της s 2 οι ϐαθµοί ελευθερίας είναι n 1 και γι αυτό διαιρούµε µε n 1. Εκατοστιαία σηµεία ενδοτεταρτοµοριακό εύρος ϑηκόγραµµα Η διάµεσος χωρίζει τα δεδοµένα στα δύο. Μπορούµε να ορίσουµε άλλα σηµεία χωρισµού του διατεταγµένου συνόλου τιµών που παίρνουµε από το δείγµα. Τέτοια σηµεία είναι τα εκατοστιαία σηµεία. Μια παρατήρηση καλείται το p-εκατοστιαίο σηµείο (p percentile) όταν ποσοστό παρατηρήσεων το πολύ p% είναι µικρότερες απ αυτήν την παρατήρηση (0 p < 1). Η διάµεσος είναι το 50-εκατοστιαίο σηµείο. Αλλά χαρακτηριστικά εκατοστιαία σηµεία είναι αυτά που ορίζουν τέταρτα ή τεταρτοµόρια (quartiles). Το 25-εκατοστιαίο σηµείο είναι το πρώτο ή κατώτερο τεταρτοµόριο (first or lower quartile) και το συµβολίζουµε Q 1, ενώ το 75-εκατοστιαίο σηµείο είναι το τρίτο ή ανώτερο τεταρτοµόριο (third or upper quartile) και το συµβολίζουµε Q 3. Το πρώτο και τρίτο τεταρτοµόριο ορίζονται όπως η διάµεσος αλλά περιορίζοντας το σύνολο των δεδοµένων στα αντίστοιχα υποσύνολα (κατώτερο ή ανώτερο µισό). Ειδικότερα, έχοντας πρώτα διατάξει τις παρατηρήσεις σε αύξουσα σειρά, αν το σύνολο των παρατηρήσεων n είναι άρτιος

11 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 13 αριθµός τότε το κατώτερο υποσύνολο περιέχει τις παρατηρήσεις από 1 ως n/2 και το ανώτερο από n/2+1 ως n, ενώ αν το n είναι περιττός το κατώτερο υποσύνολο περιέχει τις παρατηρήσεις από 1 ως (n + 1)/2 και το ανώτερο από (n + 1)/2 ως n (δες Σχήµα 1.5). n=2k x 1 x n/2 x n/2+1 x n 1 n/2 n/2+1 n n=2k+1 x 1 x (n+1)/2 x n 1 (n+1)/2 n Σχήµα 1.5: Σχηµατική παρουσίαση των δύο υποσυνόλων του δείγµατος που σχηµατίζονται για άρτιο και περιττό πλήθος παρατηρήσεων. Το πρώτο και τρίτο τεταρτοµόριο υπολογίζονται ως οι διάµεσοι του πρώτου και δεύτερου υποσυνόλου αντίστοιχα. Η διαφορά I = Q 3 Q 1 λέγεται ενδοτεταρτοµοριακό εύρος (interquartile range) και δίνει το εύρος που καλύπτουν τα µισά από τα δεδοµένα που είναι πιο κοντά στην κεντρική τιµή (διάµεσο). Το I είναι ένα άλλο µέτρο διασποράς των δεδοµένων (πιο ανθεκτικό από το εύρος R) που δεν ορίζεται ως προς τη δειγµατική µέση τιµή κι άρα δεν επηρεάζεται απ αυτήν. Η διάµεσος x, το πρώτο και τρίτο τεταρτοµόριο Q 1 και Q 3 αντίστοιχα, καθώς και η ελάχιστη και µέγιστη τιµή των δεδοµένων x min και x max, αποτελούν τη σύνοψη των 5 αριθµών (five number summary). Γραφικά η παρουσίαση της σύνοψης των 5 αριθµών γίνεται µε το ϑηκόγραµµα (box plot) σε οριζόντια ή κάθετη ϑέση όπως δείχνει το Σχήµα 1.6. x min Q 1 ~ x Q 3 x max Σχήµα 1.6: Σχηµατική παρουσίαση οριζόντιου ϑηκογράµµατος. Σηµείωση: Θηκόγραµµα στον υπολογιστή Το ϑηκόγραµµα που παράγει κάποιο στατιστικό πρόγραµµα, όπως το SPSS, µπορεί να διακόπτει τις γραµµές που ενώνουν τα άκρα του κουτιού µε την ελάχιστη και µέγιστη τιµή (που λέγονται µύστακες (whiskers)) σε κάποια άλλα σηµεία και να παρουσιάζει µε ειδικά σύµβολα τις υπόλοιπες µακρινές τιµές. Για το σκοπό αυτό χρησιµοποιείται κάποιο κριτήριο για να χαρακτηριστεί µια µακρινή τιµή x i σαν ύποπτη ακραία τιµή (outlier), ή ακραία τιµή (extreme). Το κριτήριο είναι η απόσταση της τιµής από τα

12 14 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ άκρα του κουτιού (δηλαδή από το Q 1 ή Q 3 ). Τυπικά αν η απόσταση αυτή είναι µεγαλύτερη από 1.5I (όπου τελειώνει ο µύστακας) τότε η τιµή χαρακτηρίζεται ύποπτη ακραία, ενώ αν είναι µεγαλύτερη από 3I χαρακτηρίζεται ακραία. Θηκόγραµµα και κανονική κατανοµή Το ϑηκόγραµµα, όπως και το ιστόγραµµα, µας επιτρέπει να κρίνουµε αν µπορούµε να δεχτούµε ότι η κατανοµή της συνεχούς τυχαίας µεταβλητής που παρατηρήσαµε είναι κανονική. Για να κάνουµε αυτήν την παραδοχή ϑα πρέπει: η διάµεσος να µην αποκλίνει σηµαντικά προς το πρώτο ή το τρίτο τεταρτοµόριο, δηλαδή η γραµµή που αντιστοιχεί στη διάµεσο να µην πλησιάζει σε κάποιο από τα δύο άκρα του κουτιού (γιατί αλλιώς αυτό ϑα σήµαινε πως η κατανοµή δεν είναι συµµετρική και δείχνει λοξότητα), το εύρος των τιµών στα δύο ακραία τεταρτοµόρια να µη διαφέρει σηµαντικά, δηλαδή τα µήκη των δύο µυστάκων να είναι συγκρίσιµα (για τη διατήρηση της συµµετρίας). να µην υπάρχουν ακραίες τιµές, δηλαδή να µην υπάρχουν σηµεία µακριά από τους δύο µύστακες (η ύπαρξη ακραίων σηµείων δηλώνει πως οι ουρές της κατανοµής είναι παχιές που δε συµφωνεί µε την κανονική κατανοµή). Είναι σηµαντικό να αναλογιστούµε ότι µε λίγα δεδοµένα δεν είναι δυνατόν να τηρούνται αυστηρά οι παραπάνω προϋποθέσεις για το ϑηκόγραµµα ακόµα κι αν τα δεδοµένα προέρχονται πράγµατι από κανονική κατανοµή. Αν όµως το ϑηκόγραµµα (όπως και το ιστόγραµµα, ή οποιοδήποτε άλλο γράφηµα της κατανοµής των δεδοµένων) δίνει ενδείξεις σηµαντικής απόκλισης από συµµετρική κατανοµή τότε δεν ϑα πρέπει να ϑεωρήσουµε πως η κατανοµή είναι κανονική στην στατιστική ανάλυση που ϑα κάνουµε στη συνέχεια. Παράδειγµα 1.3 Θέλουµε να εκτιµήσουµε την περιεκτικότητα σε ϱαδιενέργεια του χάλυβα που παράγεται από ένα εργοστάσιο Α. Γι αυτό έγιναν µετρήσεις της ϱαδιενέργειας (σε Bq/g) σε 10 δοκίµια από το εργοστάσιο Α. Τα αποτελέσµατα δίνονται στον Πίνακα 1.5. Α/Α εργοστάσιο Α εργοστάσιο Β Σύνολο Πίνακας 1.5: εδοµένα περιεκτικότητας ϱαδιενέργειας (σε µονάδα µέτρησης Bq/g) σε δοκίµια από χάλυβα κατασκευασµένα από δύο εργοστάσια Α και Β.

13 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 15 Θα ασχοληθούµε µε τις παρατηρήσεις της περιεκτικότητας ϱαδιενέργειας στο χάλυβα από το εργοστάσιο Α κι ας ονοµάσουµε αυτήν την τυχαία µεταβλητή X. Η δειγµατική µέση τιµή υπολογίζεται από το άθροισµα των 10 παρατηρήσεων που δίνονται στη δεύτερη στήλη του Πίνακα 1.5 ως x = x i = = Η δειγµατική διάµεσος εύκολα µπορεί να ϐρεθεί µια κι οι παρατηρήσεις δίνονται σε αύξουσα σειρά. Αφού το n είναι άρτιο η διάµεσος δίνεται ως x = x n/2 + x n/2+1 2 = x 5 + x 6 2 = = Παρατηρούµε ότι η δειγµατική µέση τιµή δίνει µεγαλύτερη τιµή στην εκτίµηση της κεντρικής τάσης των δεδοµένων από τη δειγµατική διάµεσο. Αυτό συµβαίνει γιατί η µέση τιµή επηρεάζεται από την ακραία τιµή της δεκάτης παρατήρησης που είναι πολύ µεγαλύτερη από όλες τις άλλες. Θα πρέπει να γνωρίζουµε αν αυτή η ακραία τιµή είναι πραγµατική ή οφείλεται σε κάποιο σφάλµα της παρατήρησης (σφάλµα του µηχανήµατος µέτρησης, σφάλµα στην καταγραφή κτλ). Η µικρότερη περιεκτικότητα ϱαδιενέργειας στο δείγµα είναι x min = 0.40 Bq/g κι η µεγαλύτερη είναι x max = 2.10 Bq/g. Αρα το εύρος των δεδοµένων είναι R = 1.70 Bq/g, που είναι µεγάλο εξαιτίας της ακραίας τιµής που συµπεριλάβαµε στο δείγµα. Για να ϐρούµε τη διασπορά s 2 της περιεκτικότητας της ϱαδιενέργειας στο χάλυβα στο δείγµα µας υπολογίζουµε πρώτα το άθροισµα των τετραγώνων των παρατηρήσεων 10 x 2 i = = 7.44 κι αντικαθιστώντας το στον τύπο της δειγµατικής διασποράς (1.5) ϐρίσκουµε s 2 = 1 9 ( 10 ) x 2 i 10 x2 = 1 ( ) = Η δειγµατική τυπική απόκλιση είναι s = s 2 = = 0.493, δηλαδή η αντιπροσωπευτική τυπική απόκλιση από τη µέση περιεκτικότητα ϱαδιενέργειας είναι περίπου 0.5 Bq/g, που είναι πολύ µεγάλη (όση περίπου και η διάµεσος). Η σύνοψη των 5 αριθµών δίνεται στο Σχήµα 1.7 όπου παρουσιάζεται σχηµατικά και η εύρεση του πρώτου και τρίτου τεταρτοµορίου. Από το πρώτο και τρίτο τεταρτοµόριο υπολογίζουµε το ενδοτεταρτοµοριακό εύρος, I = Q 3 Q 1 = = 0.16 Bq/g. Εχοντας ϐρεί τη σύνοψη των 5 αριθµών µπορούµε εύκολα να παραστήσουµε το ϑηκόγραµµα. Στο Σχήµα 1.8 δίνεται το ϑηκόγραµµα σε κατακόρυφη ϑέση. Παρατηρούµε ότι ο άνω µύστακας δεν προεκτείνεται ως τη µέγιστη τιµή των δεδοµένων που είναι Αυτή η τιµή δηλώνεται ως ακραία τιµή µε ιδιαίτερο σύµβολο, αφού η απόσταση του αντίστοιχου σηµείου από το πάνω µέρος του κουτιού, Q 3 = 0.67, είναι µεγαλύτερη από 3I = = 0.48.

14 16 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ x min =0.40 x ~ =0.57 x max = Q 1 =0.51 Q 3 =0.67 Σχήµα 1.7: Σχηµατική παρουσίαση της σύνοψης των 5 αριθµών µαζί µε τις 10 παρατηρήσεις της περιεκτικότητας ϱαδιενέργειας. Θηκoγραµµα περιεκτικoτητας ραδιενεργειας Σχήµα 1.8: Θηκόγραµµα των 10 παρατηρήσεων περιεκτικότητας ϱαδιενέργειας σε χάλυβα του εργοστασίου Α. Παράδειγµα 1.4 Θεωρούµε πως η ακραία τιµή στο προηγούµενο παράδειγµα οφείλεται πράγ- µατι σε κάποιο σφάλµα της µέτρησης και την απαλείφουµε. Για το νέο δείγµα των 9 παρατηρήσεων υπολογίζουµε τα µέτρα ϑέσης και µεταβλητότητας. Η µέση τιµή είναι και η διάµεσος (το n είναι περιττό) x = x i = = x = x (n+1)/2 = x 5 = Βλέπουµε λοιπόν ότι µετά την απαλοιφή της ακραίας τιµής η δειγµατική µέση τιµή και η διάµεσος δίνουν περίπου την ίδια εκτίµηση της κεντρικής τάσης των δεδοµένων, που είναι ένδειξη συµµετρίας της κατανοµής. Για τα άλλα µέτρα έχουµε:

15 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 17 ιασπορά Τυπική απόκλιση s 2 = 1 ( ) = s = = 0.10 Ελάχιστη τιµή x min = 0.40 Μέγιστη τιµή x max = 0.75 Εύρος R = = 0.35 Πρώτο τεταρτοµόριο (διάµεσος των {x 1,..., x 5 }) Q 1 = x 3 = 0.51 Τρίτο τεταρτοµόριο (διάµεσος των {x 5,..., x 9 }) Q 3 = x 7 = 0.63 Ενδοτεταρτοµοριακό εύρος I = = 0.12 Το αντίστοιχο ϑηκόγραµµα δίνεται στο Σχήµα 1.9. Από τα µέτρα ϑέσης και µεταβλητότητας Θηκoγραµµα περιεκτικoτητας ραδιενεργειας Σχήµα 1.9: Θηκόγραµµα των 9 παρατηρήσεων περιεκτικότητας ϱαδιενέργειας σε χάλυβα του εργοστασίου Α. καθώς κι από το ϑηκόγραµµα παρατηρούµε ότι µε την απαλοιφή της ακραίας τιµής η κατανοµή της περιεκτικότητας ϱαδιενέργειας στο χάλυβα του εργοστασίου Α ϕαίνεται να είναι συµµετρική και µπορούµε να κάνουµε τώρα την παραδοχή ότι η κατανοµή είναι κανονική µε ϐάση το δείγµα. Παράδειγµα 1.5 Στον Πίνακα 1.5 παρουσιάζονται επίσης οι µετρήσεις της περιεκτικότητας ϱαδιενέργειας σε 8 δοκίµια χάλυβα που κατασκευάστηκαν από ένα άλλο εργοστάσιο Β. Θέλουµε να συγκρίνουµε την περιεκτικότητα ϱαδιενέργειας στο χάλυβα από τις δύο µονάδες παραγωγής µε ϐάση τα δείγµατα των 9 και 8 παρατηρήσεων που έχουµε από το εργοστάσιο Α και από το εργοστάσιο Β αντίστοιχα. Εστω X 1 η τ.µ. της περιεκτικότητας ϱαδιενέργειας στο χάλυβα για το εργοστάσιο Α και X 2 η αντίστοιχη τ.µ. για το εργοστάσιο Β. Στο προηγούµενο παράδειγµα υπολογίσαµε τα µέτρα ϑέσης και µεταβλητότητας για τη X 1. Κάνουµε το ίδιο για τη X 2. Τα συγκεντρωτικά αποτελέσµατα δίνονται στον Πίνακα 1.6. Επίσης στο Σχήµα 1.10 δίνεται το συνδυασµένο ϑηκόγραµµα για το δείγµα περιεκτικότητας ϱαδιενέργειας σε χάλυβα κι από τα δύο εργοστάσια. Από τα µέτρα ϑέσης (µέση τιµή και διάµεσο) ϕαίνεται ότι η κεντρική τάση της περιεκτικότητας ϱαδιενέργειας είναι µεγαλύτερη για το χάλυβα του εργοστασίου Α. Από τα µέτρα µεταβλητότητας (τυπική απόκλιση, εύρος δεδοµένων και ενδοτεταρτοµοριακό εύρος) ϕαίνεται πως η περιεκτικότητα ϱαδιενέργειας µεταβάλλεται λιγότερο στο χάλυβα του εργοστασίου Α.

16 18 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ Μέτρο X 1 X 2 Μέση τιµή x 1 = x 2 = 0.33 ιάµεσος x 1 = 0.55 x 2 = 0.30 ιασπορά Τυπική απόκλιση s 2 1 = s 1 = 0.10 s 2 2 = s 2 = 0.18 Ελάχιστη τιµή x 1,min = 0.40 x 2,min = 0.11 Μέγιστη τιµή x 1,max = 0.75 x 1,max = 0.65 Εύρος R 1 = 0.35 R 2 = 0.54 Πρώτο τεταρτοµόριο Q 1,1 = 0.51 Q 2,1 = Τρίτο τεταρτοµόριο Q 1,3 = 0.63 Q 2,3 = Ενδοτεταρτοµοριακό εύρος I 1 = 0.12 I 2 = Πίνακας 1.6: Μέτρα ϑέσης και µεταβλητότητας για τα δεδοµένα περιεκτικότητας ϱαδιενέργειας σε 9 και 8 δοκίµια χάλυβα κατασκευασµένα από τα εργοστάσια Α και Β στη στήλη 2 και 3 αντίστοιχα. Θηκoγραµµα περιεκτικoτητας ραδιενεργειας, A και B X_1 X_2 Σχήµα 1.10: Θηκόγραµµα των 9 παρατηρήσεων περιεκτικότητας ϱαδιενέργειας σε χάλυβα του εργοστασίου Α και των 8 παρατηρήσεων περιεκτικότητας ϱαδιενέργειας σε χάλυβα του εργοστασίου Β.

Κεφάλαιο 1 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ. 1.1 Περιγραφή Στατιστικών εδοµένων. p i = f i n. (1.1) F i = f j. P i = p j.

Κεφάλαιο 1 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ. 1.1 Περιγραφή Στατιστικών εδοµένων. p i = f i n. (1.1) F i = f j. P i = p j. Κεφάλαιο 1 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Σ αυτό το κεφάλαιο ϑα δούµε πρώτα τρόπους να παρουσιάσουµε τα δεδοµένα µε στατιστικούς πίνακες και διαγράµµατα και µετά να συνοψίσουµε τα δεδοµένα υπολογίζοντας συνοπτικά

Διαβάστε περισσότερα

Στατιστική ΜΕΡΟΣ Β. για Ηλεκτρολόγους Μηχανικούς. ηµήτρης Κουγιουµτζής http://www.users.auth.gr/dkugiu/teach/electricengineer/

Στατιστική ΜΕΡΟΣ Β. για Ηλεκτρολόγους Μηχανικούς. ηµήτρης Κουγιουµτζής http://www.users.auth.gr/dkugiu/teach/electricengineer/ Στατιστική για Ηλεκτρολόγους Μηχανικούς ΜΕΡΟΣ Β ηµήτρης Κουγιουµτζής http://www.users.auth.gr/dkugiu/teach/electricengineer/ E mail: dkugiu@gen.auth.gr Απρίλιος 2010 2 Στο Μέρος Α ασχοληθήκαµε µε την τυχαία

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ηµήτρης Κουγιουµτζής http://users.auth.gr/dkugiu/teach/civilengineer E mail: dkugiu@gen.auth.gr 1/11/2009 2 Περιεχόµενα 1 ΠΕΡΙΓΡΑΦΙΚΗ

Διαβάστε περισσότερα

Περιγραφική Στατιστική

Περιγραφική Στατιστική Ιωάννης Παραβάντης Επίκουρος Καθηγητής Τµήµα ιεθνών και Ευρωπαϊκών Σπουδών Πανεπιστήµιο Πειραιώς Φεβρουάριος 2010 Περιγραφική Στατιστική 1. εδοµένα Θεωρούµε το ακόλουθο σύνολο δεδοµένων (data set): NUM1

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 2. Περιγραφική Στατιστική

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 2. Περιγραφική Στατιστική ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 2. Περιγραφική Στατιστική Βασικά είδη στατιστικής ανάλυσης 1. Περιγραφική στατιστική: περιγραφή του συνόλου των δεδοµένων (δείγµατος) 2. Συµπερασµατολογία: Παραγωγή συµπερασµάτων για τα

Διαβάστε περισσότερα

Ποιοτική & Ποσοτική Ανάλυση εδοµένων Εβδοµάδα 5 η 6 η είκτες Κεντρικής Τάσης και ιασποράς

Ποιοτική & Ποσοτική Ανάλυση εδοµένων Εβδοµάδα 5 η 6 η είκτες Κεντρικής Τάσης και ιασποράς Ποιοτική & Ποσοτική Ανάλυση εδοµένων Εβδοµάδα 5 η 6 η είκτες Κεντρικής Τάσης και ιασποράς Παιδαγωγικό Τµήµα ηµοτικής Εκπαίδευσης ηµοκρίτειο Πανεπιστήµιο Θράκης Αλεξανδρούπολη, 2014-2015 Εµπειρικές Στατιστικές

Διαβάστε περισσότερα

2) Περιγραφή ιακριτών Ποσοτικών εδοµένων

2) Περιγραφή ιακριτών Ποσοτικών εδοµένων ) Περιγραφή ιακριτών Ποσοτικών εδοµένων Για να περιγράψουµε διακριτά ποσοτικά δεδοµένα µε λίγες τιµές ( σε περίπτωση πολλών τιµών τα θεωρούµε ως συνεχή) κάνουµε: Πίνακας συχνοτήτων Ραβδόγραµµα, Κυκλικό

Διαβάστε περισσότερα

Δρ. Χάϊδω Δριτσάκη. MSc Τραπεζική & Χρηματοοικονομική

Δρ. Χάϊδω Δριτσάκη. MSc Τραπεζική & Χρηματοοικονομική Ποσοτικές Μέθοδοι Δρ. Χάϊδω Δριτσάκη MSc Τραπεζική & Χρηματοοικονομική Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR

Διαβάστε περισσότερα

ΒΙΟΣΤΑΤΙΣΤΙΚΗ. ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας

ΒΙΟΣΤΑΤΙΣΤΙΚΗ. ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας Επικοινωνία: Πτέρυγα 4, Τοµέας Κοινωνικής Ιατρικής Εργαστήριο Βιοστατιστικής Τηλ. 4613 e-mail: biostats@med.uoc.gr thalegak@med.uoc.gr

Διαβάστε περισσότερα

Μάθηµα 3 ο. Περιγραφική Στατιστική

Μάθηµα 3 ο. Περιγραφική Στατιστική Μάθηµα 3 ο Περιγραφική Στατιστική ΗΣτατιστικήείναι Μια τυποποιηµένη σειρά αναλυτικών µεθόδων, οι οποίες χρησιµοποιούνται από τον εκάστοτε ερευνητή για την ανάλυση των διαθέσιµων δεδοµένων. Υπάρχουν δύο

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ηµήτρης Κουγιουµτζής http://users.auth.gr/dkugiu/teach/civilengineer E mail: dkugiu@gen.auth.gr 1/11/2009 2 Περιεχόµενα 1 ΠΕΡΙΓΡΑΦΙΚΗ

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ. Μ. 436

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ. Μ. 436 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ. Μ. 436 A εξάμηνο 2009-2010 Περιγραφική Στατιστική Ι users.att.sch.gr/abouras abouras@sch.gr sch.gr abouras@uth.gr Μέτρα θέσης Η θέση αντιπροσωπεύει τη θέση της κατανομής κατά

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται

Διαβάστε περισσότερα

Στατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα

Στατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ Α Δημήτρης Κουγιουμτζής e-mail: dkugiu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://users.auth.gr/~dkugiu/teach/civiltrasport/ide.html Στατιστική: Δειγματοληψία

Διαβάστε περισσότερα

Ποιοτική & Ποσοτική Ανάλυση εδομένων Εβδομάδα 5 η 6 η

Ποιοτική & Ποσοτική Ανάλυση εδομένων Εβδομάδα 5 η 6 η Ποιοτική & Ποσοτική Ανάλυση εδομένων Εβδομάδα 5 η 6 η Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη, 2013-2014 Εμπειρικές Στατιστικές Κατανομές Τα προβλήματα που

Διαβάστε περισσότερα

Στατιστική Ι. Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr

Στατιστική Ι. Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr Στατιστική Ι Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr Παρασκευή, 30 Νοεμβρίου 2012 Στατιστική Ι Έννοιες - Κλειδιά Μεταβλητότητα Εύρος (range) Εκατοστημόρια

Διαβάστε περισσότερα

28/11/2016. Στατιστική Ι. 9 η Διάλεξη (Περιγραφική Στατιστική)

28/11/2016. Στατιστική Ι. 9 η Διάλεξη (Περιγραφική Στατιστική) Στατιστική Ι 9 η Διάλεξη (Περιγραφική Στατιστική) 1 2 Πληθυσμός ή στατιστικός πληθυσμός Ονομάζεται η κατανομή των τιμών μιας τ.μ., δηλαδή η κατανομή των τιμών που παίρνει ένα χαρακτηριστικό μιας ομάδας

Διαβάστε περισσότερα

Διερευνητική Ανάλυση Δεδομένων Exploratory Data Analysis

Διερευνητική Ανάλυση Δεδομένων Exploratory Data Analysis Διερευνητική Ανάλυση Δεδομένων Exploratory Data Analysis Περιλαμβάνει ένα σύνολο αριθμητικών και γραφικών μεθόδων, που μας επιτρέπουν να αποκτήσουμε μια πρώτη εικόνα για την κατανομή των τιμών της μεταβλητής

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Χειμερινό εξάμηνο 2010-2011 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ.Μ. 436 Περιγραφική Στατιστική Ι users.sch.gr/abouras abouras@sch.gr sch.gr abouras@uth.gr Μέτρα θέσης Η θέση αντιπροσωπεύει τη θέση της κατανομής

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Στατιστική ανάλυση του γεωχηµικού δείγµατος µας δίνει πληροφορίες για τον γεωχηµικό πληθυσµό που µελετάµε. Συνυπολογισµός σφαλµάτων Πειραµατικά

Διαβάστε περισσότερα

Εισαγωγή στη Στατιστική

Εισαγωγή στη Στατιστική Εισαγωγή στη Στατιστική Μετεκπαιδευτικό Σεμινάριο στην ΨΥΧΟΚΟΙΝΩΝΙΚΗ ΑΠΟΚΑΤΑΣΤΑΣΗ ΨΥΧΟΚΟΙΝΩΝΙΚΕΣ ΘΕΡΑΠΕΥΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Κεφάλαιο 3 ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Σε πολλά προβλήµατα της µηχανικής δεν ενδιαφερόµαστε να εκτιµήσουµε την τιµή της παραµέτρου αλλά να διαπιστώσουµε αν η παραµέτρος είναι µικρότερη ή µεγαλύτερη από

Διαβάστε περισσότερα

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική

Εφαρμοσμένη Στατιστική ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Περιγραφική Στατιστική Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε

Διαβάστε περισσότερα

Κεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 4.1 Συσχέτιση δύο τ.µ.

Κεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 4.1 Συσχέτιση δύο τ.µ. Κεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεφάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ .Φουσκάκης- Περιγραφική Στατιστική ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Οι µεταβλητές µιας στατιστικής έρευνας αποτελούνται συνήθως από ένα µεγάλο πλήθος στοιχείων που αφορούν τον πληθυσµό που µας ενδιαφέρει. Για να

Διαβάστε περισσότερα

Πολύγωνο αθροιστικών σχετικών συχνοτήτων και διάµεσος µιας τυχαίας µεταβλητής ρ. Παναγιώτης Λ. Θεοδωρόπουλος πρώην Σχολικός Σύµβουλος ΠΕ03 e-mail@p-theodoropoulos.gr Πρόλογος Στην εργασία αυτή αναλύονται

Διαβάστε περισσότερα

Στατιστική Επιχειρήσεων Ι

Στατιστική Επιχειρήσεων Ι ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 7: Παρουσίαση δεδομένων-περιγραφική στατιστική Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ( ΜΕΤΡΑ ΘΕΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ)

ΣΤΑΤΙΣΤΙΚΗ ( ΜΕΤΡΑ ΘΕΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ) ΣΤΑΤΙΣΤΙΚΗ ( ΜΕΤΡΑ ΘΕΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ) ΠΕΡΙΕΧΟΜΕΝΑ Μέτρα θέσης και διασποράς (Εισαγωγή) Μέση τιμή Διάμεσος Σταθμικός μέσος Επικρατούσα τιμή Εύρος Διακύμανση Τυπική απόκλιση Συντελεστής μεταβολής Κοζαλάκης

Διαβάστε περισσότερα

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων Ελλιπή δεδομένα Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 75 ατόμων Εδώ έχουμε δ 75,0 75 5 Ηλικία Συχνότητες f 5-4 70 5-34 50 35-44 30 45-54 465 55-64 335 Δεν δήλωσαν 5 Σύνολο 75 Μπορεί

Διαβάστε περισσότερα

Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 3.1 Συσχέτιση δύο τ.µ.

Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 3.1 Συσχέτιση δύο τ.µ. Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεφάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ

Διαβάστε περισσότερα

Οι δείκτες διασποράς. Ένα παράδειγµα εργασίας

Οι δείκτες διασποράς. Ένα παράδειγµα εργασίας Κεφάλαιο 5 Οι δείκτες διασποράς 1 Ένα παράδειγµα εργασίας Ένας καθηγητής µαθηµατικών έδωσε σε δύο τµήµατα µιας τάξης του σχολείου του το ίδιο τεστ. Η επίδοση των µαθητών του κάθε τµήµατος (όπως µετρήθηκε

Διαβάστε περισσότερα

Στατιστική Ι (ΨΥΧ-1202) ιάλεξη 4

Στατιστική Ι (ΨΥΧ-1202) ιάλεξη 4 (ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com ιαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ ιάλεξη 4 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΨΥΧΟΛΟΓΙΑΣ Ρέθυμνο,

Διαβάστε περισσότερα

Ποιο από τα δύο τµήµατα είχε καλύτερη επίδοση; επ. Κωνσταντίνος Π. Χρήστου

Ποιο από τα δύο τµήµατα είχε καλύτερη επίδοση; επ. Κωνσταντίνος Π. Χρήστου Ένας καθηγητής µαθηµατικών έδωσε σε δύο τµήµατα µιας τάξης του σχολείου του το ίδιο τεστ. Η επίδοση των µαθητών του κάθε τµήµατος (όπως µετρήθηκε µε τη χρήση µιας εικοσαβάθµιας κλίµακας) παρουσιάζεται

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ Στα πλαίσια της ΣΤΑΤΙΣΤΙΚΗΣ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑΣ προσπαθούµε να προσεγγίσουµε τα χαρακτηριστικά ενός συνόλου (πληθυσµός) δια της µελέτης των χαρακτηριστικών αυτών επί ενός µικρού

Διαβάστε περισσότερα

2.3. Ασκήσεις σχ. βιβλίου σελίδας 100 104 Α ΟΜΑ ΑΣ

2.3. Ασκήσεις σχ. βιβλίου σελίδας 100 104 Α ΟΜΑ ΑΣ .3 Ασκήσεις σχ. βιβλίου σελίδας 00 04 Α ΟΜΑ ΑΣ. Έξι διαδοχικοί άρτιοι αριθµοί έχουν µέση τιµή. Να βρείτε τους αριθµούς και τη διάµεσό τους. Αν είναι ο ποιο µικρός άρτιος τότε οι ζητούµενοι αριθµοί θα είναι

Διαβάστε περισσότερα

11 Το ολοκλήρωµα Riemann

11 Το ολοκλήρωµα Riemann Το ολοκλήρωµα Riem Το πρόβληµα υπολογισµού του εµβαδού οποιασδήποτε επιφάνειας ( όπως κυκλικοί τοµείς, δακτύλιοι και δίσκοι, ελλειπτικοί δίσκοι, παραβολικά και υπερβολικά χωρία κτλ) είναι γνωστό από την

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ

ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ 1 ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 1. Ένα σηµείο Α(χ, ψ) ανήκει στη γραφική παράσταση της f αν f(ψ)=χ. 2. Αν µια συνάρτηση είναι γνησίως αύξουσα σε ένα διάστηµα A,

Διαβάστε περισσότερα

Πίνακας κατανοµής συχνοτήτων και αθροιστικών συχνοτήτων. Σχετ.

Πίνακας κατανοµής συχνοτήτων και αθροιστικών συχνοτήτων. Σχετ. Λυµένη Άσκηση στην οµαδοποιηµένη κατανοµή Στην Γ τάξη του Ενιαίου Λυκείου µιας περιοχής φοιτούν 4 µαθητές των οποίων τα ύψη τους σε εκατοστά φαίνονται στον ακόλουθο πίνακα. 7 4 76 7 6 7 3 77 77 7 6 7 6

Διαβάστε περισσότερα

ν ν = 6. όταν είναι πραγµατικός αριθµός.

ν ν = 6. όταν είναι πραγµατικός αριθµός. Συνάρτηση: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ λέγεται µια διαδικασία µε την οποία κάθε στοιχείο ενός συνόλου Α αντιστοιχίζεται σε ένα ακριβώς στοιχείο κάποιου άλλου συνόλου Β. Γνησίως αύξουσα: σε ένα διάστηµα του πεδίου

Διαβάστε περισσότερα

Είδη Μεταβλητών. κλίµακα µέτρησης

Είδη Μεταβλητών. κλίµακα µέτρησης ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρµοσµένες Επιστήµες Στατιστικός Πληθυσµός και Δείγµα Το στατιστικό

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΗΣ ΚΡΗΤΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΗΣ ΚΡΗΤΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΗΣ ΚΡΗΤΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ- ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ Εργασία για το σεµινάριο «Στατιστική περιγραφική εφαρµοσµένη στην ψυχοπαιδαγωγική(β06σ03)» ΤΙΤΛΟΣ: «ΜΕΛΕΤΗ ΠΕΡΙΓΡΑΦΙΚΗΣ

Διαβάστε περισσότερα

Κατανοµές. Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται από το σχήµα του ιστογράµµατος (histogram).

Κατανοµές. Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται από το σχήµα του ιστογράµµατος (histogram). Ιωάννης Παραβάντης Επίκουρος Καθηγητής Τµήµα ιεθνών και Ευρωπαϊκών Σπουδών Πανεπιστήµιο Πειραιώς Μάρτιος 2010 Κατανοµές 1. Οµοιόµορφη κατανοµή Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ. ν 1 + ν ν κ = v (1) Για τη σχετική συχνότητα ισχύουν οι ιδιότητες:

ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ. ν 1 + ν ν κ = v (1) Για τη σχετική συχνότητα ισχύουν οι ιδιότητες: Συχνότητα v i O φυσικός αριθμός που δείχνει πόσες φορές εμφανίζεται η τιμή x i της εξεταζόμενης μεταβλητής Χ στο σύνολο των παρατηρήσεων. Είναι φανερό ότι το άθροισμα όλων των συχνοτήτων είναι ίσο με το

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ. για τα οποία ισχύει y f (x) , δηλαδή το σύνολο, x A, λέγεται γραφική παράσταση της f και συμβολίζεται συνήθως με C

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ. για τα οποία ισχύει y f (x) , δηλαδή το σύνολο, x A, λέγεται γραφική παράσταση της f και συμβολίζεται συνήθως με C Επιμέλεια: Κ Μυλωνάκης ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΕΡΩΤΗΣΗ Τι ονομάζεται πραγματική συνάρτηση με πεδίο ορισμού το Α; Έστω Α ένα υποσύνολο του R Ονομάζουμε πραγματική συνάρτηση με πεδίο ορισμού το Α μια διαδικασία

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ 20 3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ Μια πολύ σηµαντική έννοια στη θεωρία πιθανοτήτων και τη στατιστική είναι η έννοια της µαθηµατικής ελπίδας ή αναµενόµενης τιµής ή µέσης τιµής µιας τυχαίας

Διαβάστε περισσότερα

Παράδειγµα (Risky Business 1)

Παράδειγµα (Risky Business 1) Πληροφοριακά Συστήµατα ιοίκησης Τµήµα Χρηµατοοικονοµικής και Ελεγκτικής Management Information Systems Εργαστήριο 3 ΤΕΙ Ηπείρου (Παράρτηµα Πρέβεζας) ΑΝΤΙΚΕΙΜΕΝΟ: Συµπεράσµατα για την αβεβαιότητα Θέµατα

Διαβάστε περισσότερα

Έστω 3 πενταμελείς ομάδες φοιτητών με βαθμολογίες: Ομάδα 1: 6,7,5,8,4 Ομάδα 2: 7,5,6,5,7 Ομάδα 3: 8,6,2,4,10 Παρατηρούμε ότι και οι τρεις πενταμελείς

Έστω 3 πενταμελείς ομάδες φοιτητών με βαθμολογίες: Ομάδα 1: 6,7,5,8,4 Ομάδα 2: 7,5,6,5,7 Ομάδα 3: 8,6,2,4,10 Παρατηρούμε ότι και οι τρεις πενταμελείς Διασπορά Μέτρηση Έστω 3 πενταμελείς ομάδες φοιτητών με βαθμολογίες: Ομάδα 1: 6,7,5,8,4 Ομάδα 2: 7,5,6,5,7 Ομάδα 3: 8,6,2,4,10 Παρατηρούμε ότι και οι τρεις πενταμελείς ομάδες έχουν μέση βαθμολογία 6. συνέχεια

Διαβάστε περισσότερα

Α. ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ. Πληθυσμός: Το συνόλου του οποίου τα στοιχεία εξετάζουμε ως προς ένα ή περισσότερα χαρακτηριστικά τους.

Α. ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ. Πληθυσμός: Το συνόλου του οποίου τα στοιχεία εξετάζουμε ως προς ένα ή περισσότερα χαρακτηριστικά τους. 1 Κεφάλαιο. ΣΤΑΤΙΣΤΙΚΗ Α. ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Στατιστική: ένα σύνολο αρχών και μεθοδολογιών για: το σχεδιασμό της διαδικασίας συλλογής δεδομένων τη συνοπτική και αποτελεσματική παρουσίασή τους την ανάλυση

Διαβάστε περισσότερα

Περιγραφική Στατιστική, Εκτίµηση και Ελεγχος Παραµέτρων. της σ 2 είναι επίσης αµερόληπτη. n 1 +n 2

Περιγραφική Στατιστική, Εκτίµηση και Ελεγχος Παραµέτρων. της σ 2 είναι επίσης αµερόληπτη. n 1 +n 2 4.2. ΑΠΛ Η ΓΡΑΜΜΙΚ Η ΠΑΛΙΝ Ρ ΟΜΗΣΗ 79 ΑΣΚΗΣΕΙΣ Περιγραφική Στατιστική, Εκτίµηση και Ελεγχος Παραµέτρων 1. είξτε ότι η εκτιµήτρια s 2 της διασποράς σ 2 είναι αµερόληπτη. 2. ύο τυχαίες µεταβλητές X 1 και

Διαβάστε περισσότερα

Δύο κύριοι τρόποι παρουσίασης δεδομένων. Παράδειγμα

Δύο κύριοι τρόποι παρουσίασης δεδομένων. Παράδειγμα Δύο κύριοι τρόποι παρουσίασης δεδομένων Παράδειγμα Με πίνακες Με διαγράμματα Ονομαστικά δεδομένα Εδώ τα περιγραφικά μέτρα (μέσος, διάμεσος κλπ ) δεν έχουν νόημα Πήραμε ένα δείγμα από 25 άτομα και τα ρωτήσαμε

Διαβάστε περισσότερα

Κεφάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ. 2.1 Σηµειακή Εκτίµηση. ˆθ παίρνει διαφορετικές τιµές, δηλαδή η ˆθ είναι η ίδια τ.µ. µε κάποια κατανοµή κι έχει µέση

Κεφάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ. 2.1 Σηµειακή Εκτίµηση. ˆθ παίρνει διαφορετικές τιµές, δηλαδή η ˆθ είναι η ίδια τ.µ. µε κάποια κατανοµή κι έχει µέση Κεφάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ Οι στατιστικές δείγµατος, όπως η δειγµατική µέση τιµή x και η δειγµατική διασπορά s 2, που ϑα δούµε παρακάτω, υπολογίζονται από τα στατιστικά δεδοµένα που έχουµε συλλέξει

Διαβάστε περισσότερα

1, X 2, X v. Οι τυχαίες µεταβλητές

1, X 2, X v. Οι τυχαίες µεταβλητές ΕΙΣΑΓΩΓΙΚΑ. Κυριότεροι τύποι δεδοµένων. Έστω λοιπόν ένας πληθυσµός στα άτοµα του οποίου καταγράφουµε τις τιµές που παίρνει ένα (ή περισσότερα) συγκεκριµένο χαρακτηριστικό (π.χ. το µηνιαίο εισόδηµα, χρώµα

Διαβάστε περισσότερα

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρμοσμένες Επιστήμες Στατιστικός Πληθυσμός και Δείγμα Το στατιστικό

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 Γ ΙΕΥΘΥΝΣΗ ΑΘΗΝΑΣ - 5 Ο ΓΡΑΦΕΙΟ ΣΧΟΛΙΚΟ ΕΤΟΣ ΠΕΡΙΓΡΑΦΗ ΤΩΝ Ε ΟΜΕΝΩΝ ΜΕ ΑΡΙΘΜΗΤΙΚΕΣ ΚΑΙ ΓΡΑΦΙΚΕΣ ΜΕΘΟ ΟΥΣ

ΚΕΦΑΛΑΙΟ 2 Γ ΙΕΥΘΥΝΣΗ ΑΘΗΝΑΣ - 5 Ο ΓΡΑΦΕΙΟ ΣΧΟΛΙΚΟ ΕΤΟΣ ΠΕΡΙΓΡΑΦΗ ΤΩΝ Ε ΟΜΕΝΩΝ ΜΕ ΑΡΙΘΜΗΤΙΚΕΣ ΚΑΙ ΓΡΑΦΙΚΕΣ ΜΕΘΟ ΟΥΣ ΚΕΦΑΛΑΙΟ 2 Γ ΙΕΥΘΥΝΣΗ ΑΘΗΝΑΣ - 5 Ο ΓΡΑΦΕΙΟ ΣΧΟΛΙΚΟ ΕΤΟΣ 2000-2001 ΠΕΡΙΓΡΑΦΗ ΤΩΝ Ε ΟΜΕΝΩΝ ΜΕ ΑΡΙΘΜΗΤΙΚΕΣ ΚΑΙ ΓΡΑΦΙΚΕΣ ΜΕΘΟ ΟΥΣ Το τµήµα αυτό της έρευνας αναφέρεται στην Γ τάξη όλων των Ενιαίων Λυκείων του

Διαβάστε περισσότερα

ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ. Το σύνολο Α, που λέγεται πεδίο ορισµού της συνάρτησης,

ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ. Το σύνολο Α, που λέγεται πεδίο ορισµού της συνάρτησης, ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ - ΘΕΩΡΙΑ Γιάννης Ζαμπέλης ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ. Τι ονοµάζεται συνάρτηση Συνάρτηση (functon) είναι µια διαδικασία µε την οποία κάθε στοιχείο ενός συνόλου Α αντιστοιχίζεται

Διαβάστε περισσότερα

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 9 ο 9.1 ηµιουργία µοντέλων πρόβλεψης 9.2 Απλή Γραµµική Παλινδρόµηση 9.3 Αναλυτικά για το ιάγραµµα ιασποράς

Διαβάστε περισσότερα

Για το Θέμα 1 στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου

Για το Θέμα 1 στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου Για το Θέμα 1 στα Μαθηματικά Γενικής Παιδείας Γ Λυκείου Διαφορικός Λογισμός 1. Ισχύει f (g())) ) f ( = f (g())g () όπου f,g παραγωγίσιµες συναρτήσεις 2. Αν µια συνάρτηση f είναι παραγωγίσιµη σε ένα διάστηµα

Διαβάστε περισσότερα

) = a ο αριθµός των µηχανών n ο αριθµός των δειγµάτων που παίρνω από κάθε µηχανή

) = a ο αριθµός των µηχανών n ο αριθµός των δειγµάτων που παίρνω από κάθε µηχανή Ανάλυση Συνδιακύµανσης Alsis of Covrice Η ανάλυση συνδιακύµανσης είναι µία άλλη τεχνική για να βελτιώσουµε την ακρίβεια της προσέγγισης του µοντέλου µας στο πείραµα. Ας υποθέσουµε ότι σ ένα πείραµα εκτός

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΚΟΙΝΟΙ ΥΠΟΨΗΦΙΟΙ

ΚΕΦΑΛΑΙΟ 6 ΚΟΙΝΟΙ ΥΠΟΨΗΦΙΟΙ ΚΕΦΑΛΑΙΟ 6 ΚΟΙΝΟΙ ΥΠΟΨΗΦΙΟΙ Εισαγωγή Όπως αναφέρθηκε στο Κεφάλαιο 1 υπάρχουν 154 υποψήφιοι που έχουν συµµετάσχει στις εξετάσεις των ετών 01 και 02. Για αυτούς γίνεται στο Κεφάλαιο 6 ξεχωριστή συγκριτική

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Περιγραφικοί παράµετροι ή περιγραφικά µέτρα Τα περιγραφικά µέτρα διακρίνονται σε: µέτρα θέσης των στατιστικών δεδο- µένων ή παράµετροι κεντρικής τάσης µέτρα διασποράς µέτρα ή συντελεστές

Διαβάστε περισσότερα

Βασικές έννοιες. Παραδείγµατα: Το σύνολο των φοιτητών που είναι εγγεγραµµένοι

Βασικές έννοιες. Παραδείγµατα: Το σύνολο των φοιτητών που είναι εγγεγραµµένοι Τι είναι η Στατιστική? Η ΣΤΑΤΙΣΤΙΚΗ ορίζεται σήµερα ως η επιστήµη που σχετίζεται µε τις επιστηµονικές µεθόδους συλλογής, παρουσίασης, αξιολόγησης και γενίκευσης (: εξαγωγής συµπερασµάτων) της πληροφορίας.

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 0 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιµες στο, να αποδείξετε ότι (f() + g ()) f () + g (),. Μονάδες 7 Α. Σε ένα πείραµα µε ισοπίθανα

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 2: Στατιστικά Μέτρα Διασποράς Ασυμμετρίας - Κυρτώσεως. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι. Ενότητα 2: Στατιστικά Μέτρα Διασποράς Ασυμμετρίας - Κυρτώσεως. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Στατιστική Ι Ενότητα 2: Στατιστικά Μέτρα Διασποράς Ασυμμετρίας - Κυρτώσεως Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΚΑΤΑΝΟΜΕΣ & ΟΜΑ ΟΠΟΙΗΣΗ ΒΑΘΜΟΛΟΓΙΩΝ. 4.1 Κατανοµή γραπτού µέσου όρου ετήσιων πληθυσµών

ΚΕΦΑΛΑΙΟ 4 ΚΑΤΑΝΟΜΕΣ & ΟΜΑ ΟΠΟΙΗΣΗ ΒΑΘΜΟΛΟΓΙΩΝ. 4.1 Κατανοµή γραπτού µέσου όρου ετήσιων πληθυσµών ΚΕΦΑΛΑΙΟ 4 ΚΑΤΑΝΟΜΕΣ & ΟΜΑ ΟΠΟΙΗΣΗ ΒΑΘΜΟΛΟΓΙΩΝ Εισαγωγή Στο κεφάλαιο 4 υπολογίζονται τα κυριότερα στατιστικά µέτρα θέσης και µεταβλητότητας, κατασκευάζονται ιστογράµµατα συχνοτήτων και θηκογράµµατα για

Διαβάστε περισσότερα

Οι θεµελιώδεις έννοιες που απαιτούνται στη Επαγωγική Στατιστική (Εκτιµητική, ιαστήµατα Εµπιστοσύνης και Έλεγχοι Υποθέσεων) είναι:

Οι θεµελιώδεις έννοιες που απαιτούνται στη Επαγωγική Στατιστική (Εκτιµητική, ιαστήµατα Εµπιστοσύνης και Έλεγχοι Υποθέσεων) είναι: Κατανοµές ειγµατοληψίας 1.Εισαγωγή Οι θεµελιώδεις έννοιες που απαιτούνται στη Επαγωγική Στατιστική (Εκτιµητική, ιαστήµατα Εµπιστοσύνης και Έλεγχοι Υποθέσεων) είναι: 1. Στατιστικής και 2. Κατανοµής ειγµατοληψίας

Διαβάστε περισσότερα

ΑΠΟΤΕΛΕΣΜΑΤΑ ΑΞΙΟΛΟΓΗΣΗΣ ΤΟΥ ΔΙΔΑΚΤΙΚΟΥ ΕΡΓΟΥ ΤΩΝ ΥΠΟΧΡΕΩΤΙΚΩΝ ΜΑΘΗΜΑΤΩΝ ΧΕΙΜΕΡΙΝΟΥ ΕΞΑΜΗΝΟΥ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ

ΑΠΟΤΕΛΕΣΜΑΤΑ ΑΞΙΟΛΟΓΗΣΗΣ ΤΟΥ ΔΙΔΑΚΤΙΚΟΥ ΕΡΓΟΥ ΤΩΝ ΥΠΟΧΡΕΩΤΙΚΩΝ ΜΑΘΗΜΑΤΩΝ ΧΕΙΜΕΡΙΝΟΥ ΕΞΑΜΗΝΟΥ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ ΑΠΟΤΕΛΕΣΜΑΤΑ ΑΞΙΟΛΟΓΗΣΗΣ ΤΟΥ ΔΙΔΑΚΤΙΚΟΥ ΕΡΓΟΥ ΤΩΝ ΥΠΟΧΡΕΩΤΙΚΩΝ ΜΑΘΗΜΑΤΩΝ ΧΕΙΜΕΡΙΝΟΥ ΕΞΑΜΗΝΟΥ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ 2011-2012 Κατά τη διάρκεια παρακολούθησης των μαθημάτων του χειμερινού εξαμήνου του ακαδημαϊκού

Διαβάστε περισσότερα

ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ

ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ 2o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ: ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδες Μαθήματος: users.auth.gr/gvasil

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

2. Στοιχεία Πολυδιάστατων Κατανοµών Στοιχεία Πολυδιάστατων Κατανοµών Είναι φανερό ότι έως τώρα η µελέτη µας επικεντρώνεται κάθε φορά σε πιθανότητες που αφορούν µία τυχαία µεταβλητή Σε αρκετές όµως περιπτώσεις ενδιαφερόµαστε να εξετάσουµε

Διαβάστε περισσότερα

1991 US Social Survey.sav

1991 US Social Survey.sav Παραδείγµατα στατιστικής συµπερασµατολογίας µε ένα δείγµα Στα παραδείγµατα χρησιµοποιείται απλό τυχαίο δείγµα µεγέθους 1 από το αρχείο δεδοµένων 1991 US Social Survey.sav Το δείγµα λαµβάνεται µε την διαδικασία

Διαβάστε περισσότερα

ΕΠΙΣΤΗΜΟΝΙΚΟ ΕΠΙΜΟΡΦΩΤΙΚΟ ΣΕΜΙΝΑΡΙΟ «ΚΑΤΑΡΤΙΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ» Τριανταφυλλίδου Ιωάννα Μαθηματικός

ΕΠΙΣΤΗΜΟΝΙΚΟ ΕΠΙΜΟΡΦΩΤΙΚΟ ΣΕΜΙΝΑΡΙΟ «ΚΑΤΑΡΤΙΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ» Τριανταφυλλίδου Ιωάννα Μαθηματικός ΕΠΙΣΤΗΜΟΝΙΚΟ ΕΠΙΜΟΡΦΩΤΙΚΟ ΣΕΜΙΝΑΡΙΟ «ΚΑΤΑΡΤΙΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ» ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΜΕ ΤΟ SPSS To SPSS θα: - Κάνει πολύπλοκη στατιστική ανάλυση σε δευτερόλεπτα -

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ

ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Γ. ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΨΗΣ - ΘΕΜΑ Ο Έστω η συνάρτηση f( ) =, 0 ) Να αποδείξετε ότι f ( ). f( ) =. ) Να υπολογίσετε το όριο lm f ( )+ 4. ) Να βρείτε την εξίσωση της εφαπτομένης

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ 4o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδα Μαθήματος: users.auth.gr/gvasil

Διαβάστε περισσότερα

ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ. Άρτια και περιττή συνάρτηση. Παράδειγµα: Η f ( x) Παράδειγµα: Η. x R και. Αλγεβρα Β Λυκείου Πετσιάς Φ.- Κάτσιος.

ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ. Άρτια και περιττή συνάρτηση. Παράδειγµα: Η f ( x) Παράδειγµα: Η. x R και. Αλγεβρα Β Λυκείου Πετσιάς Φ.- Κάτσιος. ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ Πριν περιγράψουµε πως µπορούµε να µελετήσουµε µια συνάρτηση είναι αναγκαίο να δώσουµε µερικούς ορισµούς. Άρτια και περιττή συνάρτηση Ορισµός : Μια συνάρτηση fµε πεδίο ορισµού Α λέγεται

Διαβάστε περισσότερα

4.ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ

4.ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ 4.ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑ (STRATIFIED RANDOM SAMPLING) Στην τυχαία δειγµατοληψία κατά στρώµατα ο πληθυσµός των Ν µονάδων (πρόκειται για τον στατιστικό πληθυσµό και τις στατιστικές µονάδες)

Διαβάστε περισσότερα

1 Ορισµός ακολουθίας πραγµατικών αριθµών

1 Ορισµός ακολουθίας πραγµατικών αριθµών ΜΑΣ 02. Απειροστικός Λογισµός Ι Ορισµός ακολουθίας πραγµατικών αριθµών Ορισµός.. Ονοµάζουµε ακολουθία πραγµατικών αριθµών κάθε απεικόνιση του συνόλου N των ϕυσικών αριθµών, στο σύνολο R των πραγµατικών

Διαβάστε περισσότερα

Η γραφική απεικόνιση µιας κατανοµής συχνότητας µπορεί να γίνει µε δύο τρόπους, µε ιστόγραµµα και µε πολυγωνική γραµµή.

Η γραφική απεικόνιση µιας κατανοµής συχνότητας µπορεί να γίνει µε δύο τρόπους, µε ιστόγραµµα και µε πολυγωνική γραµµή. ΠΕΜΠΤΟ ΠΑΚΕΤΟ ΣΗΜΕΙΩΣΕΩΝ ΣΤΑΤΙΣΤΙΚΑ ΙΑΓΡΑΜΜΑΤΑ Χρησιµότητα των διαγραµµάτων Η παρουσίαση των στατιστικών στοιχείων µπορεί να γίνει όχι µόνο µε πίνακες, αλλά και µε διαγράµµατα ή γραφικές απεικονίσεις.

Διαβάστε περισσότερα

Παράδειγμα. Χρονολογικά δεδομένα. Οι πωλήσεις μιας εταιρείας ανά έτος για το διάστημα (σε χιλιάδες $)

Παράδειγμα. Χρονολογικά δεδομένα. Οι πωλήσεις μιας εταιρείας ανά έτος για το διάστημα (σε χιλιάδες $) Χρονολογικά δεδομένα Ένα διάγραμμα που παριστάνει την εξέλιξη των τιμών μιας μεταβλητής στο χρόνο χρονόγραμμα (ή χρονοδιάγραμμα). Κύρια μέθοδος παρουσίασης χρονολογικών δεδομένων είναι η πολυγωνική γραμμή

Διαβάστε περισσότερα

Περιγραφή ποιοτικών δεδομένων. Περιγραφή ποιοτικών δεδομένων. Περιγραφή ποιοτικών δεδομένων. Περιγραφή ποιοτικών δεδομένων.

Περιγραφή ποιοτικών δεδομένων. Περιγραφή ποιοτικών δεδομένων. Περιγραφή ποιοτικών δεδομένων. Περιγραφή ποιοτικών δεδομένων. Στατιστική Ι Ενότητα: MέθοδοιΠεριγραφικής Στατιστικής Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Χ. Εμμανουηλίδης, cemma@eco.auth.gr Θεματολογία Παρουσίαση δεδομένων

Διαβάστε περισσότερα

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος Έλεγχοι Υποθέσεων 1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος µ = 100 Κάθε υπόθεση συνοδεύεται από µια εναλλακτική: Ο

Διαβάστε περισσότερα

Κεφάλαιο Τέσσερα Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής

Κεφάλαιο Τέσσερα Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής Κεφάλαιο Τέσσερα Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής Copyright 2009 Cengage Learning 4.1 Αριθμητικές Μέθοδοι Περιγραφικής Στατιστικής Δείκτες Κεντρικής Θέσης [Αριθμητικός] Μέσος, Διάμεσος, Επικρατούσα

Διαβάστε περισσότερα

Σ Τ Α Τ Ι Σ Τ Ι Κ Η 2. 1. Β Α Σ Ι Κ Ε Σ Ε Ν Ν Ο Ι Ε Σ.

Σ Τ Α Τ Ι Σ Τ Ι Κ Η 2. 1. Β Α Σ Ι Κ Ε Σ Ε Ν Ν Ο Ι Ε Σ. Σ Τ Α Τ Ι Σ Τ Ι Κ Η Στατιστική έρευνα : Πρόκειται για ένα σύνολο αρχών και μεθοδολογιών με αντικείμενο : 1) το σχεδιασμό της διαδικασίας συλλογής δεδομένων. Κλάδος της στατιστικής που ασχολείται : Σχεδιασμός

Διαβάστε περισσότερα

επ. Κωνσταντίνος Π. Χρήστου

επ. Κωνσταντίνος Π. Χρήστου 1 2 3 1 2 2 0 3 3 4 6 5 10 6 11 7 7 8 6 9 3 10 2 4 Εάν έχουµε οµαδοποιηµένη µεταβλητή τότε είναι το σηµείο τοµής των ευθυγράµµων τµηµάτων τα οποία ορίζονται από α) ΑΒ, όπου Α το άνω δεξί άκρο της κλάσης

Διαβάστε περισσότερα

Λυµένες Ασκήσεις στο Μάθηµα Στατιστικής στο Τµήµα Πολιτικών Μηχανικών

Λυµένες Ασκήσεις στο Μάθηµα Στατιστικής στο Τµήµα Πολιτικών Μηχανικών Στατιστική Λυµένες Ασκήσεις, Πολιτικοί Μηχανικοί Ιανουάριος 6 Λυµένες Ασκήσεις στο Μάθηµα Στατιστικής στο Τµήµα Πολιτικών Μηχανικών Μέρος Α Θεωρία Πιθανοτήτων Άσκηση [Θέµα στις εξετάσεις Φεβρουαρίου ]

Διαβάστε περισσότερα

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.)

3. Οριακά θεωρήµατα. Κεντρικό Οριακό Θεώρηµα (Κ.Ο.Θ.) 3 Οριακά θεωρήµατα Κεντρικό Οριακό Θεώρηµα (ΚΟΘ) Ένα από τα πιο συνηθισµένα προβλήµατα που ανακύπτουν στη στατιστική είναι ο προσδιορισµός της κατανοµής ενός µεγάλου αθροίσµατος ανεξάρτητων τµ Έστω Χ Χ

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 8 ΤΟ ΜΑΘΗΜΑ ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ

ΚΕΦΑΛΑΙΟ 8 ΤΟ ΜΑΘΗΜΑ ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΚΕΦΑΛΑΙΟ 8 ΤΟ ΜΑΘΗΜΑ ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ Εισαγωγή Στο Κεφάλαιο 8 υπολογίζονται και συγκρίνονται τα ποσοστά επιλογής του µαθήµατος στους ετήσιους πληθυσµούς, ανά φύλο και κατεύθυνση. Υπολογίζεται

Διαβάστε περισσότερα

Εκπαιδευτική έρευνα Οργάνωση & Παρουσίαση Δεδομένων (Εργαστήριο SPSS) Άγγελος Μάρκος, Λέκτορας Δημοκρίτειο Πανεπιστήμιο Θράκης

Εκπαιδευτική έρευνα Οργάνωση & Παρουσίαση Δεδομένων (Εργαστήριο SPSS) Άγγελος Μάρκος, Λέκτορας Δημοκρίτειο Πανεπιστήμιο Θράκης Εκπαιδευτική έρευνα Οργάνωση & Παρουσίαση Δεδομένων (Εργαστήριο SPSS) Άγγελος Μάρκος, Λέκτορας Δημοκρίτειο Πανεπιστήμιο Θράκης Σύνολα Δεδομένων - Είδη Ποσοτικής Έρευνας: Παράλογες Ιδέες Γονέων (Δειγματοληπτική)

Διαβάστε περισσότερα

Κεϕάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ. 2.1 Σηµειακή Εκτίµηση. {x 1,..., x n } της X από ένα δείγµα µεγέθους n. Τότε η σηµειακή εκτίµηση της θ δίνεται

Κεϕάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ. 2.1 Σηµειακή Εκτίµηση. {x 1,..., x n } της X από ένα δείγµα µεγέθους n. Τότε η σηµειακή εκτίµηση της θ δίνεται Κεϕάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ Οι στατιστικές δείγµατος που υπολογίζονται από τα δεδοµένα που έχουν συλλεχθεί, όπως η δειγµατική µέση τιµή x και η δειγµατική διασπορά s 2, χρησιµοποιούνται για την εκτίµηση

Διαβάστε περισσότερα

Η ακρίβεια ορίζεται σαν το πηλίκο των ευρεθέντων συναφών εγγράφων προς τα ευρεθέντα έγγραφα. Άρα για τα τρία συστήµατα έχουµε τις εξής τιµές:

Η ακρίβεια ορίζεται σαν το πηλίκο των ευρεθέντων συναφών εγγράφων προς τα ευρεθέντα έγγραφα. Άρα για τα τρία συστήµατα έχουµε τις εξής τιµές: Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY463 - Συστήµατα Ανάκτησης Πληροφοριών 2005-2006 Εαρινό Εξάµηνο 1 η Σειρά Ασκήσεων (Αξιολόγηση Αποτελεσµατικότητας Ανάκτησης) Άσκηση 1 (4 βαθµοί) Θεωρείστε

Διαβάστε περισσότερα

Κεφάλαιο 2 ΣΥΝΑΡΤΗΣΕΙΣ ΜΙΑΣ ΜΕΤΑΒΛΗΤΗΣ. 2.1 Συνάρτηση

Κεφάλαιο 2 ΣΥΝΑΡΤΗΣΕΙΣ ΜΙΑΣ ΜΕΤΑΒΛΗΤΗΣ. 2.1 Συνάρτηση Κεφάλαιο 2 ΣΥΝΑΡΤΗΣΕΙΣ ΜΙΑΣ ΜΕΤΑΒΛΗΤΗΣ 2.1 Συνάρτηση Η έννοια της συνάρτησης είναι ϐασική σ όλους τους κλάδους των µαθη- µατικών, αλλά και πολλών άλλων επιστηµών. Ο λόγος είναι, ότι µορφοποιεί τη σχέση

Διαβάστε περισσότερα

1.1.3 t. t = t2 - t1 1.1.4 x2 - x1. x = x2 x1 . . 1

1.1.3 t. t = t2 - t1 1.1.4  x2 - x1. x = x2 x1 . . 1 1 1 o Κεφάλαιο: Ευθύγραµµη Κίνηση Πώς θα µπορούσε να περιγραφεί η κίνηση ενός αγωνιστικού αυτοκινήτου; Πόσο γρήγορα κινείται η µπάλα που κλώτσησε ένας ποδοσφαιριστής; Απαντήσεις σε τέτοια ερωτήµατα δίνει

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ ΘΕΜΑΤΑ ΘΕΜΑ A A. Αν οι συναρτήσεις f, g είναι παραγωγίσιμες στο, να αποδείξετε ότι f g f g,. Μονάδες 7 Α. Σε ένα πείραμα με ισοπίθανα αποτελέσματα

Διαβάστε περισσότερα

Λύσεις των ασκήσεων 1.1 1.3

Λύσεις των ασκήσεων 1.1 1.3 Λύσεις των ασκήσεων..3. Τα παρακάτω δεδοµένα είναι οι ηλικίες γυναικών που εισήχθηκαν στο νοσοκοµείο το µε κάταγµα ισχύου. 53, 76, 84, 6, 78, 85, 67, 78, 86, 7, 8, 87, 73, 84, 87, 73, 84, 94, 73, 84, 98

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ. Βασικές έννοιες

ΕΙΣΑΓΩΓΗ. Βασικές έννοιες ΕΙΣΑΓΩΓΗ Βασικές έννοιες Σε ένα ερωτηματολόγιο έχουμε ένα σύνολο ερωτήσεων. Μπορούμε να πούμε ότι σε κάθε ερώτηση αντιστοιχεί μία μεταβλητή. Αν θεωρήσουμε μια ερώτηση, τα άτομα δίνουν κάποιες απαντήσεις

Διαβάστε περισσότερα

ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ 9 ο ΜΑΘΗΜΑ ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ Πότε κάνουμε ομαδοποίηση των παρατηρήσεων; Όταν το πλήθος των τιμών μιας μεταβλητής είναι αρκετά μεγάλο κάνουμε ομαδοποίηση των παρατηρήσεων. Αυτό συμβαίνει είτε

Διαβάστε περισσότερα

ΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα.

ΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα. ΑΣΥΜΜΕΤΡΙΑ Ας υποθέσουμε, ότι κατά την μελέτη της κατανομής δύο μεταβλητών, καταλήγουμε στα παρακάτω ιστογράμματα. Στα παραπάνω ιστογράμματα, παρατηρούμε, ότι αν και υπάρχει διαφορά στη διασπορά των τιμών

Διαβάστε περισσότερα

Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος

Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος Χρησιμοποιείται μόνο όταν οι τιμές της μεταβλητής έχουν ένα σταθερό άθροισμα (συνήθως 100%, όταν μιλάμε για σχετικές συχνότητες) Είναι χρήσιμο μόνο

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 2016 (version ) είναι: ( ) f =

ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 2016 (version ) είναι: ( ) f = ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ ΙΟΥΝΙΟΥ 16 (version 9-6-16) 1. A Να δώσετε τον ορισμό της παραγώγου μιας συνάρτησης σε ένα σημείο x του πεδίο ορισμού της. Απάντηση: Παράγωγος μιας συνάρτησης σε ένα σημείο x του πεδίο

Διαβάστε περισσότερα

όπου D(f ) = (, 0) (0, + ) = R {0}. Είναι Σχήµα 10: Η γραφική παράσταση της συνάρτησης f (x) = 1/x.

όπου D(f ) = (, 0) (0, + ) = R {0}. Είναι Σχήµα 10: Η γραφική παράσταση της συνάρτησης f (x) = 1/x. 3 Ορια συναρτήσεων 3. Εισαγωγικές έννοιες. Ας ϑεωρήσουµε την συνάρτηση f () = όπου D(f ) = (, 0) (0, + ) = R {0}. Είναι Σχήµα 0: Η γραφική παράσταση της συνάρτησης f () = /. ϕυσικό να αναζητήσουµε την

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΗ ΑΒΕΒΑΙΟΤΗΤΑΣ ΓΕΩΧΗΜΙΚΩΝ ΜΕΤΡΗΣΕΩΝ

ΕΚΤΙΜΗΣΗ ΑΒΕΒΑΙΟΤΗΤΑΣ ΓΕΩΧΗΜΙΚΩΝ ΜΕΤΡΗΣΕΩΝ ΕΚΤΙΜΗΣΗ ΑΒΕΒΑΙΟΤΗΤΑΣ ΓΕΩΧΗΜΙΚΩΝ ΜΕΤΡΗΣΕΩΝ ΠΕΡΙΕΧΟΜΕΝΑ 1. Ορολογία αβεβαιότητας 2. Εκτίµηση επαναληψιµότητας 3. Εκτίµηση αναλυτικής ακρίβειας 4. Περιληπτικά στατιστικά µετρήσεων ΟΡΟΛΟΓΙΑ ΑΒΕΒΑΙΟΤΗΤΑΣ Αβεβαιότητα

Διαβάστε περισσότερα