ΚΑΤΑΣΚΕΥΗ ΜΟΝΤΕΛΩΝ ΕΚΤΙΜΗΣΗΣ ΜΕΣΩΝ ΜΕΓΙΣΤΩΝ ΕΠΟΧΙΚΩΝ ΘΕΡΜΟΚΡΑΣΙΩΝ ΣΤΟΝ ΕΛΛΑΔΙΚΟ ΧΩΡΟ
|
|
- Βηθανία Παπαφιλίππου
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιστικής (2005) σελ ΚΑΤΑΣΚΕΥΗ ΜΟΝΤΕΛΩΝ ΕΚΤΙΜΗΣΗΣ ΜΕΣΩΝ ΜΕΓΙΣΤΩΝ ΕΠΟΧΙΚΩΝ ΘΕΡΜΟΚΡΑΣΙΩΝ ΣΤΟΝ ΕΛΛΑΔΙΚΟ ΧΩΡΟ Αναστάσιος Σκουρκέας 1, Φωτεινή Κολυβά-Μαχαίρα 1, Χριστίνα Αναγνωστοπούλου 2, Κωνσταντία Τολίκα 2, Παναγιώτης Μαχαίρας 2 1 Τομέας Στατιστικής και Επιχειρησιακής Έρευνας, Τμήμα Μαθηματικών, Α.Π.Θ. 2 Τομέας Μετεωρολογίας και Κλιματολογίας, Τμήμα Γεωλογίας, Α.Π.Θ. askourke@math.auth.gr, fkolyva@math.auth.gr, canagnostopoulou@yahoo.gr, diatol@yahoo.com, maheras@geo.auth.gr ΠΕΡΙΛΗΨΗ Στην παρούσα εργασία επιχειρείται η κατασκευή ενός αξιόπιστου μοντέλου με σκοπό την εκτίμηση των μέσων μέγιστων θερινών θερμοκρασιών στο Ανατολικό Αιγαίο και πιο συγκεκριμένα των σταθμών της Αλεξανδρούπολης, της Μυτιλήνης, της Σάμου και της Ρόδου. Η περίοδος μελέτης είναι από το1958 έως το Στην αρχή εφαρμόζεται η Ανάλυση Κανονικών Συσχετίσεων (CCA) μεταξύ των τιμών του πάχους στρώματος (1000hPa-500hPa) και των τιμών της θερμοκρασίας των τεσσάρων σταθμών. Η Κανονική Ανάλυση είναι μία πολυμεταβλητή μέθοδος ανάλυσης, που έχει στόχο τη διερεύνηση των σχέσεων μεταξύ δύο συνόλων τυχαίων μεταβλητών. Η πληροφορία που εξάγεται από την παραπάνω ανάλυση χρησιμοποιείται στα μοντέλα εκτίμησης των μέσων μέγιστων θερινών θερμοκρασιών των τεσσάρων σταθμών. Η περίοδος αξιολόγησης των μοντέλων που προέκυψαν είναι από το 1960 έως το 1990, συγκρίνοντας τις πραγματικές με τις εκτιμούμενες θερμοκρασίες, χρησιμοποιώντας παραμετρικούς ελέγχους υποθέσεων για τις διαφορές μεταξύ των μέσων τιμών. Σύμφωνα με τ αποτελέσματα, η CCA αποτελεί μία πολύ καλή μέθοδο πολυμεταβλητών τεχνικών για την κατασκευή αξιόπιστου μοντέλου στη διαδικασία υποβιβασμού κλίμακας. Στόχος η κατασκευή σεναρίου για τη μελλοντική εξέλιξη του κλίματος στη χώρα μας. 1. ΕΙΣΑΓΩΓΗ Σε αυτή την έρευνα, σκοπός είναι η εύρεση ενός αξιόπιστου γραμμικού μοντέλου, ώστε να εκτιμηθούν οι μέσες μέγιστες θερινές (Ιουνίου Ιουλίου - Αυγούστου) θερμοκρασίες τεσσάρων μετεωρολογικών σταθμών του Ανατολικού Αιγαίου. Αυτοί είναι της Αλεξανδρούπολης, της Μυτιλήνης, της Σάμου και της Ρόδου. Το σύνολο των μεταβλητών πρόγνωσης (predictors) αποτελείται από δεδομένα γεωδυναμικών για το πάχος στρώματος (thickness) 1000hPa-500hPa από το 1958 έως το Τα δεδομένα αυτά προέρχονται από τη βάση δεδομένων NCEP-NCAR Re-analysis data (Kalnay et al.,1996), σε μορφή κομβικού πλέγματος με ανάλυση 2.5 ο x 2.5 ο σε
2 παράθυρο διαστάσεων 0 ο ο Α και 30 ο -55 ο Β (154 κομβικά σημεία). Το σύνολο των εξαρτημένων μεταβλητών (predictants, criteria) αποτελείται από τις πραγματικές μέσες μέγιστες θερινές θερμοκρασίες των τεσσάρων σταθμών για την ίδια περίοδο. Επιπλέον, για την περίοδο αξιολόγησης χρησιμοποιήθηκαν στοιχεία γεωδυναμικών για το πάχος στρώματος που κατασκευάστηκαν από το μοντέλο GCM HadAM3P, το οποίο είναι ίδιο με το HadAM3H (Hadley Centre), εκτός από μικρές αλλαγές σε φυσικές παραμετροποιήσεις (Jones et al, 2001). Η επιλογή των μεταβλητών πρόγνωσης έγινε βασιζόμενη στο γεγονός, ότι το πάχος στρώματος παρουσιάζει τη μεγαλύτερη συσχέτιση με τη θερμοκρασία, από ότι άλλες μετεωρολογικές παράμετροι. 2. ΔΕΔΟΜΕΝΑ ΜΕΘΟΔΟΛΟΓΙΑ Αρχικά, εφαρμόζεται η ανάλυση σε κύριες συνιστώσες (PCA) σε καθένα από τα σύνολα μεταβλητών, ελαττώνοντας με αυτόν τον τρόπο τη διάσταση του αρχικού προβλήματος. Στο σύνολο των ανεξάρτητων μεταβλητών (thickness) υπάρχουν 154 μεταβλητές, για τις οποίες προκύπτουν 9 συνιστώσες που εξηγούν το 97.9% της συνολικής διακύμανσης των αρχικών μεταβλητών. Οι συνιστώσες επιλέχθηκαν με το κριτήριο του Kaiser, αντιστοιχούν στις ιδιοτιμές του πίνακα συσχετίσεων και είναι μεγαλύτερες ή ίσες της μονάδας. Για το σύνολο των θερμοκρασιών 1 προέκυψαν 2 συνιστώσες που εξηγούν το 92.7% της συνολικής διακύμανσης των αρχικών δεδομένων. Έτσι τα αρχικά σύνολα μεταβλητών τροποποιήθηκαν και προέκυψαν δύο σύνολα Ω 1 και Ω 2 με λιγότερες μεταβλητές ασυσχέτιστες μεταξύ τους, που εξηγούν επαρκώς μεγάλα ποσοστά διακύμανσης των αρχικών μεταβλητών. Το σύνολο Ω 1 περιέχει τις μεταβλητές Χ 1, Χ 2 που εκφράζουν τα scores των πραγματικών θερμοκρασιών και το Ω 2 περιέχει τις μεταβλητές Υ 1, Υ 2,, Υ 9 που εκφράζουν αντίστοιχα τα scores των τιμών του πάχους στρώματος 1000hPa-500hPa. Η ανάλυση κανονικών συσχετίσεων (CCA) στοχεύει στην εύρεση των βέλτιστων γραμμικών συνδυασμών (U i,v i ) i=1,2,,m με m=min(p,q), όπου p το πλήθος μεταβλητών του συνόλου Ω 1 και q αντίστοιχα του Ω 2, που παρουσιάζουν τη μέγιστη δυνατή συσχέτιση: 2 U i = ( a jix j) = a1ix 1+ a 2iX 2 i = 1, 2 (1) j=1 9 ( ) + + (2) V = b Y =b Y +b Y... b Y i=1,2 i ki k 1i 1 2i 2 9i 9 k=1 Τα a = ( a 1i,a 2i ) i και b = ( b 1i, b 2i,..., b 9i ) i με i=1,2 ονομάζονται κανονικά φορτία (canonical weights) και δείχνουν τα ποσοστά συμμετοχής των επιμέρους μεταβλητών στην αντίστοιχη κανονική συνάρτηση. Ο συντελεστής συσχέτισης του ζεύγους (U i,v i ), i=1,2 ονομάζεται συντελεστής της i-κανονικής συσχέτισης των δύο συνόλων 1 Με τον όρο θερμοκρασία, σε όλη την εργασία θα εννοούμε τη μέση μέγιστη θερινή θερμοκρασία για την αντίστοιχη περίοδο μελέτης για κάθε μετεωρολογικό σταθμό
3 μεταβλητών, συμβολίζεται με rc i και το τετράγωνό του ισούται με την i-ιδιοτιμή του -1-1 πίνακα RyyRyxRxxR xy.ο R xx είναι ο πίνακας των δειγματικών συντελεστών συσχέτισης των μεταβλητών του συνόλου Ω 1, R xy ο πίνακας των δειγματικών συντελεστών συσχέτισης μεταξύ των μεταβλητών των συνόλων Ω 1 και Ω 2 και R yy ο πίνακας των δειγματικών συντελεστών συσχέτισης των μεταβλητών του συνόλου Ω 2. Ο προσδιορισμός των φορτίων γίνεται με βάση το κριτήριο της ελάχιστης δεσμευμένης διασποράς της τ.μ. U όταν δίνεται η τ.μ. Υ ή της τ.μ. V όταν δίνεται η τ.μ. Χ ( Johnson & Wincern). Έτσι, καταλήγουμε στην επόμενη σχέση: -1-1 RyyRyxRxxRxy -ρ I =0 Ουσιαστικά η λύση της παραπάνω εξίσωσης ισοδυναμεί με την εύρεση ιδιοτιμών και ιδιοδιανυσμάτων του πίνακα R R R R. Με αυτόν τρόπο διαπιστώνεται ότι η -1-1 yy yx xx xy μέθοδος της κανονικής ανάλυσης βασίζεται στις ιδιοτιμές και στα ιδιοδιανύσματα ενός συγκεκριμένου πίνακα. Οι ιδιοτιμές που μπορούν να προκύψουν είναι στο πλήθος το πολύ m=min(p,q), όσες δηλαδή και οι κανονικές συσχετίσεις. Από τις ιδιοτιμές προκύπτουν και οι συντελεστές της κανονικής συσχέτισης. Η μεγαλύτερη από τις ιδιοτιμές που προκύπτουν ισούται με το τετράγωνο του συντελεστή της πρώτης κανονικής συσχέτισης, η αμέσως επόμενη ισούται με το τετράγωνο του συντελεστή της δεύτερης κανονικής συσχέτισης κ.ο.κ. Δηλαδή, 2 2 λ =r, λ =r 1 c1 2 c Οι ιδιοτιμές είναι πραγματικοί θετικοί αριθμοί, διότι ο πίνακας RyyRyxRxxR xy είναι συμμετρικός και θετικά ορισμένος. Από την ανάλυση προέκυψαν : λ 1 = r c 1 = λ 2 = r c 2 = Το ποσοστό διακύμανσης που εξηγείται από το πρώτο ζεύγος των κανονικών παραγόντων (U 1,V 1 ) είναι 63%, ενώ από το ζεύγος (U 2,V 2 ) είναι 37%. Μία αξιολόγηση των ιδιοτιμών σημαίνει αξιολόγηση των κανονικών συσχετίσεων. Διάφορα test είναι διαθέσιμα για να ελέγξει ο ερευνητής την υπόθεση ότι δεν υπάρχει συσχέτιση μεταξύ των δύο συνόλων μεταβλητών. Η επιλογή του κριτηρίου εξαρτάται σε πρώτο βαθμό από τον ερευνητή και δεύτερον από το στατιστικό πακέτο που χρησιμοποιεί. Με το κριτήριο του Bartlett η μηδενική υπόθεση είναι r c i =0και η ποσότητα που υπολογίζεται δίνεται από την επόμενη σχέση : m 2 p+q+1 2 χ =- n-1- lnλ 2 όπου Λ = ( 1- r c ), m=min(p,q) i i=1 Η ποσότητα αυτή ακολουθεί τη Χ 2 -κατανομή με pq βαθμούς ελευθερίας. Η μηδενική υπόθεση απορρίπτεται σε στάθμη σημαντικότητας a αν : χ > X 2 2 pq;a Εάν κάποια από τις κανονικές συσχετίσεις είναι στατιστικά μη σημαντική, τότε δεν υπάρχει λόγος να συνεχιστεί η περαιτέρω διεξαγωγή της κανονικής ανάλυσης για αυτήν την περίπτωση. Επισημαίνεται, ότι ο αριθμός των στατιστικά σημαντικών
4 ζευγών είναι το πολύ ίσος με m=min(p,q)=2. Στο σημείο αυτό, είναι καλό, να τονισθεί πως ο αριθμός των στατιστικά σημαντικών ζευγών από ένα κριτήριο δεν είναι απαραίτητα ίσος με τον αριθμό των ζευγών που κρίνονται σημαντικά από άποψη φυσικής ερμηνείας. Η πρώτη κανονική συσχέτιση κρίθηκε στατιστικά σημαντική, ενώ η δεύτερη κρίθηκε στατιστικά όχι σημαντική. Εξαιτίας του γεγονότος, ότι το ποσοστό που ερμηνεύεται είναι μεγάλο (37%) χρησιμοποιείται και η δεύτερη κανονική συσχέτιση. Στα παρακάτω σχήματα (1) και (2) φαίνεται η έντονη συσχέτιση ανάμεσα στους κανονικούς παράγοντες U και V και για τα δύο ζεύγη κανονικών συσχετίσεων. Σχήμα 1: Καμπύλες προσομοίωσης (α) για το πρώτο ζεύγος των κανονικών συσχετίσεων(u 1,V 1 ) και (β) για το δεύτερο ζεύγος των κανονικών συσχετίσεων(u 2,V 2 ) Για την εύρεση των μοντέλων εκτίμησης των θερμοκρασιών θεωρούμε αρχικά ως περίοδο ρύθμισης (στην κλιματολογία, calibration) την περίοδο από το 1958 έως το 1978 και από το 1994 έως το 2000, ενώ ως περίοδο αξιολόγησης του μοντέλου (στην κλιματολογία, validation) την περίοδο από το 1979 έως το Οι μεταβλητές U 1 και V 1 παρουσιάζουν υψηλή συσχέτιση, ίση με 0.92 με αποτέλεσμα να εμφανίζονται προβλήματα πολυσυγγραμμικότητας. Οι μεταβλητές U 2 και V 2 παρουσιάζουν συσχέτιση ίση με 0.72, που δε θεωρείται υψηλή για εμφάνιση πολυσυγγραμμικότητας (Field, 2000). Το καλύτερο μοντέλο μπορεί να επιλεγεί με μία πληθώρα κριτηρίων, ένα από τα οποία είναι το κριτήριο του R 2. Τα μοντέλα που προέκυψαν και για τους τέσσερις σταθμούς είναι πολύ καλά και ερμηνεύουν μεγάλο ποσοστό της διακύμανσης των αρχικών δεδομένων. Για τους σταθμούς της Αλεξανδρούπολης και της Σάμου παρατηρήθηκε μία μικρή αύξηση του τυπικού σφάλματος μεταξύ του πλήρους και του καταλληλότερου για εκτίμηση μοντέλου, ενώ μία μικρή μείωση παρατηρήθηκε για τους σταθμούς της Μυτιλήνης και της Ρόδου. Για το σταθμό της Αλεξανδρούπολης το τυπικό σφάλμα αυξήθηκε κατά 0.024, για το σταθμό της Σάμου κατά , για το σταθμό της Μυτιλήνης ελαττώθηκε κατά και για το σταθμό της Ρόδου μειώθηκε κατά Οι
5 συντελεστές συσχέτισης μεταξύ των πραγματικών και των εκτιμώμενων θερμοκρασιών για την περίοδο αξιολόγησης ( ) είναι πολύ υψηλοί για όλους τους σταθμούς της έρευνας, όπως φαίνεται και από το επόμενο σχήμα (2). (α) (β) (γ) (δ) Σχήμα 2: Σύγκριση αρχικών και εκτιμώμενων θερμοκρασιών για τους σταθμούς (α) της Αλεξανδρούπολης, (β) της Μυτιλήνης, (γ) της Σάμου και (δ) της Ρόδου Ενδεικτικά, αναφέρεται ότι οι συντελεστές συσχέτισης είναι 0.96 για την Αλεξανδρούπολη, 0.95 για τη Μυτιλήνη, 0.99 για τη Σάμο και για τη Ρόδο. Για το σταθμό της Ρόδου (Σχ.2(δ)) τα αποτελέσματα ήταν ιδιαίτερα ικανοποιητικά και η προσομοίωση πάρα πολύ καλή. Στον πίνακα (1) δίνονται τα κατάλληλα επιλεγμένα μοντέλα εκτίμησης των θερμοκρασιών για όλους τους σταθμούς, καθώς και το ποσοστό διακύμανσης που εξηγείται από κάθε μοντέλο. Στη συνέχεια πραγματοποιήθηκαν κατάλληλοι έλεγχοι υποθέσεων για τις τυπικές αποκλίσεις και για τις μέσες τιμές μεταξύ των πραγματικών και των προβλεπόμενων θερμοκρασιών
6 Μεταξύ των μέσων τιμών των δύο χρονοσειρών δεν παρατηρήθηκε στατιστικά σημαντική διαφορά. ΣΤΑΘΜΟΣ ΜΟΝΤΕΛΟ R 2 ΑΛΕΞΑΝΔΡΟΥΠΟΛΗ alex = U ΜΥΤΙΛΗΝΗ mitil = U V ΣΑΜΟΣ sam = U ΡΟΔΟΣ rod = U U V Πίνακας 1: Πίνακας με τα μοντέλα πρόγνωσης και τα ποσοστά διακύμανσης για κάθε σταθμό του Ανατολικού Αιγαίου. Όσον αφορά τις τυπικές αποκλίσεις παρατηρήθηκε μία πτώση, εκτός από το σταθμό της Μυτιλήνης, όπου σημειώθηκε μία μικρή άνοδος. Βάσει των ελέγχων που έγιναν, τόσο η πτώση όσο και η άνοδος που σημειώθηκαν, δεν κρίθηκαν στατιστικά σημαντικές. Τα συμπεράσματα αυτά συνοψίζονται στον ακόλουθο πίνακα (2). ΣΤΑΘΜΟΣ ΜΕΣΗ ΤΙΜΗ ΤΥΠΙΚΗ ΑΠΟΚΛΙΣΗ ΑΡΧΙΚΕΣ 2 ΝΕΕΣ 3 ΑΡΧΙΚΕΣ ΝΕΕΣ ΑΛΕΞΑΝΔΡΟΥΠΟΛΗ ΜΥΤΙΛΗΝΗ ΣΑΜΟΣ ΡΟΔΟΣ Πίνακας 2 : Πίνακας με τα μέτρα θέσης και διασποράς για κάθε σταθμό του Ανατολικού Αιγαίου. Με αυτόν τον τρόπο ολοκληρώθηκε ο προσδιορισμός των βέλτιστων μοντέλων εκτίμησης των μέσων μέγιστων θερινών θερμοκρασιών των τεσσάρων σταθμών του Ανατολικού Αιγαίου. Η αξιολόγηση των μοντέλων του πίνακα (1) γίνεται στην περίοδο , που θεωρείται από διεθνείς μετεωρολογικούς οργανισμούς ως η καταλληλότερη περίοδος για την εφαρμογή τους με σκοπό την εκτίμηση των θερμοκρασιών. Η περίοδος από το 1958 έως το 2000 θεωρείται περίοδος ρύθμισης του μοντέλου. 2 Με τον όρο αρχικές εννοούμε τις πραγματικές μέσες μέγιστες θερινές θερμοκρασίες του κάθε μετεωρολογικού σταθμού. 3 Με τον όρο νέες εννοούμε τις εκτιμώμενες μέσες μέγιστες θερινές θερμοκρασίες του κάθε μετεωρολογικού σταθμού
7 Ως ανεξάρτητες μεταβλητές θεωρούνται τα στοιχεία γεωδυναμικών για το πάχος στρώματος (1000hPa-500hPa) που κατασκευάστηκαν από μοντέλο GCM (HadAM3P) για την περίοδο αυτή. Οι μεταβλητές είναι 154, οπότε με την ανάλυση σε κύριες συνιστώσες προκύπτουν 9 παράγοντες που ερμηνεύουν το 98.87% των νέων αρχικών μεταβλητών. Χρησιμοποιώντας τη CCA που έγινε στα πραγματικά δεδομένα για την ίδια χρονική περίοδο και τις σχέσεις (1) και (2), υπολογίζονται τα νέα ζεύγη των κανονικών παραγόντων. Με τη βοήθεια των μοντέλων του πίνακα (1) εκτιμώνται οι νέες θερμοκρασίες και για τους τέσσερις σταθμούς. Στον πίνακα (3) δίνονται οι μέσες τιμές και οι τυπικές αποκλίσεις μεταξύ των αρχικών και των νέων θερμοκρασιών για κάθε σταθμό. Με τους ελέγχους υποθέσεων που πραγματοποιούνται, εξάγεται το συμπέρασμα, ότι τόσο οι μέσες τιμές όσο και οι τυπικές αποκλίσεις δε διαφέρουν στατιστικά σημαντικά. Αυτό ενισχύει την πεποίθηση ότι τα μοντέλα είναι πολύ αξιόπιστα για την εκτίμηση των θερμοκρασιών διαφόρων σταθμών και στο μέλλον. ΣΤΑΘΜΟΣ ΜΕΣΗ ΤΙΜΗ ΤΥΠΙΚΗ ΑΠΟΚΛΙΣΗ ΑΡΧΙΚΕΣ ΝΕΕΣ ΑΡΧΙΚΕΣ ΝΕΕΣ ΑΛΕΞ/ΠΟΛΗ ΜΥΤΙΛΗΝΗ ΣΑΜΟΣ ΡΟΔΟΣ Πίνακας 3: Σύγκριση μέτρων θέσεως και διασποράς για κάθε σταθμό του Αν. Αιγαίου. 3. ΣΥΜΠΕΡΑΣΜΑΤΑ Η ανάλυση κανονικών συσχετίσεων (CCA) αποδείχθηκε από την παραπάνω έρευνα ως μία από τις καταλληλότερες πολυμεταβλητές τεχνικές για την κατασκευή μοντέλων εκτίμησης θερμοκρασιών. Τα ζεύγη των κανονικών παραγόντων, που προκύπτουν από την ανάλυση, ερμηνεύουν μεγάλο ποσοστό μεταβλητότητας, οπότε μεταφέρεται σημαντική πληροφορία των αρχικών δεδομένων, γεγονός που συντελεί στην εκτίμηση. Για την περίοδο αξιολόγησης του μοντέλου αποδείχθηκε, ότι δεν υπάρχουν στατιστικά σημαντικές διαφορές των μέσων τιμών και των τυπικών αποκλίσεων μεταξύ των δύο χρονοσειρών. Τέλος, η χρήση των μοντέλων εκτίμησης σε δεδομένα GCM για μελλοντικές περιόδους μπορεί να κατασκευάσει αξιόπιστα σενάρια, σχετικά με τη μεταβολή των θερμοκρασιών και κατ επέκταση των βροχοπτώσεων μιας περιοχής. Το μόνο μειονέκτημα της μεθόδου, που είναι εξάλλου και μειονέκτημα όλων των μεθόδων υποβιβασμού κλίμακας (Maheras et al, 2004) είναι, ότι δε μπορεί να αναπαραχθεί η φυσική μεταβλητότητα της χρονοσειράς. Οι τυπικές αποκλίσεις των εκτιμώμενων θερμοκρασιών είναι αρκετά μικρότερες από τις αντίστοιχες των πραγματικών, όπως διαπιστώθηκε και από τους πίνακες (2) και (3)
8 ABSTRACT In this paper, we re trying to construct a reliable linear model in order to estimate the mean maximum summer temperatures of East Aegean (Alexandroupoli, Mitilini, Samos, Rhodes). The calibration period is from 1958 to Initially, we use the Canonical Correlation Analysis (CCA), which is one of the most important and simultaneously most complicated methods of multivariate analysis. CCA is employed to study relationships between two variable sets, when each variable set consists of at least two variables. The first set consists of the variables which express thickness (1000hPa- 500hPa) and the second one consists of the temperatures. Following, information which is extracted from the above analysis is used to estimate the mean maximum summer temperatures of the four weather stations. The validation period is from 1960 to We also do several test-hypotheses for the variance and the mean value between the real and the estimated temperatures. Considering these facts, CCA is turned out to be a very useful multivariate technique for the construction of reliable linear models in downscaling methods. Our aim is to construct a scenario for the future progress of the climate in Greece. ΑΝΑΦΟΡΕΣ Bartlett, M.S. (1939), A note on tests of Significance in Multivariate Analysis. Proceedings of the Cambridge Philosophical Society, pp Cooley,W.W. and Lohnes,P.R., (1976), Evaluation Research in Education, N.York- Irvington,(1971), Multivariate Data Analysis N.York, John Wiley, Field A., Discovering Statistics using SPSS for Windows, London, Sage publications. Finn,J.D.(1974), A general model for multivariate analysis. Stockholm, Sweden. Hotelling,H.(1935), The most predictable criterion-journal of Experimental Phychology, Johnson A. Richard, Wichern W.Dean, Applied Multivariate Statistical Analysis ( ), Prentice Hall, Upper Saddle River, New Jersey Jones R, Murphy J, Hassel D, Taylor R. 2001, Ensemble mean changes in a simulation of the European climate of using the new Hadley Centre regional modeling system HadAM3H /HadRM3H. Hadley Centre, Met Office, Bracknell, U.K. Venables, W.N. and Ripley, B.D., Modern Applied Statistics with S-Plus, , , Kalnay E, Kanamitsou M, Kistler R, Collins W, Deaven D, Gandil L, Irebell M, Saha S, White G, Woolen J, Zhu Y, Leetmaa A, Reynolds R, Chelliah M, Ebisuzaki W, Huggins W, Janowiak J, Mo KC, Ropelewski C, Wang J, Jenne R, Joseph D. (1996).The NCEP/NCAR 40 year Reanalysis project. Bulletin of the American Meteorological Society, 77: Maheras P, Tolika K, Anagnostopoulou Chr, Vafiadis M, Patrikas I, Flocas H (2004), On the Relationships between circulation types and changes in rainfall variability in Greece. Int J Climatol 24:
ΑΠΑΝΤΗΣΕΙΣ ΣΤΑ ΣΧΟΛΙΑ ΤΩΝ ΑΞΙΟΛΟΓΗΤΩΝ
ΑΠΑΝΤΗΣΕΙΣ ΣΤΑ ΣΧΟΛΙΑ ΤΩΝ ΑΞΙΟΛΟΓΗΤΩΝ Απαντήσεις στα σχόλια του ΑΞΙΟΛΟΓΗΤΗ Α Οι συγγραφείς ευχαριστούν τον ΑΞΙΟΛΟΓΗΤΗ Α για τις εποικοδομητικές υποδείξεις και παρατηρήσεις. Οι υποδείξεις και παρατηρήσεις
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΤΗΣ ΑΠΟΚΛΙΣΗΣ ΑΠΟ ΤΗΝ ΗΜΙΤΟΝΟΕΙΔΗ ΚΑΜΠΥΛΗ ΒΡΟΧΟΠΤΩΣΗΣ ΚΑΙ ΧΡΗΣΗ ΤΗΣ ΩΣ ΔΕΙΚΤΗ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ
ΑΝΑΛΥΣΗ ΤΗΣ ΑΠΟΚΛΙΣΗΣ ΑΠΟ ΤΗΝ ΗΜΙΤΟΝΟΕΙΔΗ ΚΑΜΠΥΛΗ ΒΡΟΧΟΠΤΩΣΗΣ ΚΑΙ ΧΡΗΣΗ ΤΗΣ ΩΣ ΔΕΙΚΤΗ ΚΛΙΜΑΤΙΚΗΣ ΑΛΛΑΓΗΣ Καλύβας Θ., Ζέρβας Ε.¹ ¹ Σχολή Θετικών Επιστημών και Τεχνολογίας, Ελληνικό Ανοικτό Πανεπιστήμιο,
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα
Διαβάστε περισσότεραΣτατιστική. Ανάλυση ιασποράς με ένα Παράγοντα. One-Way Anova. 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς
Στατιστική Ανάλυση ιασποράς με ένα Παράγοντα One-Way Anova Χατζόπουλος Σταύρος Κεφάλαιο 8ο. Ανάλυση ιασποράς 8.1 Εισαγωγή 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς 8.3 Ανάλυση ιασποράς με
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για τους Μέσους - Εξαρτημένα Δείγματα (Paired samples t-test) Το κριτήριο Paired samples t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε
Διαβάστε περισσότεραΈλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς
Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Η μηδενική υπόθεση είναι ένας ισχυρισμός σχετικά με την τιμή μιας πληθυσμιακής παραμέτρου. Είναι
Διαβάστε περισσότεραΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική Ενότητα 3: Έλεγχοι υποθέσεων - Διαστήματα εμπιστοσύνης Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Οι ερευνητικές υποθέσεις Στην έρευνα ελέγχουμε
Διαβάστε περισσότεραΣτατιστική Ι. Ανάλυση Παλινδρόμησης
Στατιστική Ι Ανάλυση Παλινδρόμησης Ανάλυση παλινδρόμησης Η πρόβλεψη πωλήσεων, εσόδων, κόστους, παραγωγής, κτλ. είναι η βάση του επιχειρηματικού σχεδιασμού. Η ανάλυση παλινδρόμησης και συσχέτισης είναι
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017
Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης
Διαβάστε περισσότεραΜονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων
Μονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων 1 Μονοπαραγοντική Ανάλυση Διακύμανσης Παραμετρικό στατιστικό κριτήριο για τη μελέτη της επίδρασης μιας ανεξάρτητης μεταβλητής στην εξαρτημένη Λογική
Διαβάστε περισσότεραΑντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για την Μέση Τιμή ενός Δείγματος (One Sample t-test) Το κριτήριο One sample t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε τον αριθμητικό
Διαβάστε περισσότεραΛίγα λόγια για τους συγγραφείς 16 Πρόλογος 17
Περιεχόμενα Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17 1 Εισαγωγή 21 1.1 Γιατί χρησιμοποιούμε τη στατιστική; 21 1.2 Τι είναι η στατιστική; 22 1.3 Περισσότερα για την επαγωγική στατιστική 23 1.4 Τρεις
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότερα9. Παλινδρόμηση και Συσχέτιση
9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε
Διαβάστε περισσότεραΜΙΑ ΕΦΑΡΜΟΓΗ ΤΗΣ ΔΙΑΧΩΡΙΣΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΣΤΟΥΣ ΤΥΠΟΥΣ ΚΥΚΛΟΦΟΡΙΑΣ ΚΑΙ ΤΟΥΣ ΤΥΠΟΥΣ ΚΑΙΡΟΥ ΓΙΑ ΤΗΝ ΑΘΗΝΑ ΚΑΙ ΤΗ ΘΕΣΣΑΛΟΝΙΚΗ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιστικής (2005) σελ.275-282 ΜΙΑ ΕΦΑΡΜΟΓΗ ΤΗΣ ΔΙΑΧΩΡΙΣΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΣΤΟΥΣ ΤΥΠΟΥΣ ΚΥΚΛΟΦΟΡΙΑΣ ΚΑΙ ΤΟΥΣ ΤΥΠΟΥΣ ΚΑΙΡΟΥ ΓΙΑ ΤΗΝ ΑΘΗΝΑ
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΕισαγωγή στην Ανάλυση Δεδομένων
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 09-10-2015 Εισαγωγή στην Ανάλυση Δεδομένων Βασικές έννοιες Αν. Καθ. Μαρί-Νοέλ Ντυκέν ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-2015 1. Στατιστικοί παράμετροι - Διάστημα εμπιστοσύνης Υπολογισμός
Διαβάστε περισσότεραΔράση 2.2: Συσχέτιση μετεωρολογικών παραμέτρων με τη μετεωρολογική παλίρροια - Τελικά Αποτελέσματα
Δράση 2.2: Συσχέτιση μετεωρολογικών παραμέτρων με τη μετεωρολογική παλίρροια - Τελικά Αποτελέσματα OCE Group: Γ. Κρεστενίτης Γ. Ανδρουλιδάκης Κ. Κομπιάδου Χ. Μακρής Β. Μπαλτίκας Ν. Διαμαντή Εργαστήριο
Διαβάστε περισσότεραΕνότητα 2: Έλεγχοι Υποθέσεων Διαστήματα Εμπιστοσύνης
ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΣΜΕΝΗ ΝΕΥΡΟΑΝΑΤΟΜΙΑ» «Βιοστατιστική, Μεθοδολογία και Συγγραφή Επιστημονικής Μελέτης» Ενότητα 2: Έλεγχοι Υποθέσεων
Διαβάστε περισσότεραΚεφάλαιο 5. Βασικές έννοιες ελέγχων υποθέσεων και έλεγχοι κανονικότητας
Κεφάλαιο 5 Σύνοψη Βασικές έννοιες ελέγχων υποθέσεων και έλεγχοι κανονικότητας Βασικές έννοιες και ορισμοί του ελέγχου υποθέσεων, γραφικοί έλεγχοι κανονικότητας μέσω των ιστογραμμάτων (διαδρομές Analyze
Διαβάστε περισσότεραΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ 1. ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: Προχωρημένη Στατιστική 2. ΠΕΡΙΓΡΑΜΜΑ ΕΙΣΗΓΗΣΕΩΝ
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΣ ΕΠΙΛΟΓΗΣ ΥΠΟΠΙΝΑΚΑ ΜΕ ΤΗΝ ΠΛΗΣΙΕΣΤΕΡΗ ΑΠΕΙΚΟΝΙΣΗ ΜΕΣΩ ΤΗΣ AFC ΣΤΟ ΓΕΝΙΚΕΥΜΕΝΟ ΠΙΝΑΚΑ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιστικής (2005) σελ.247-256 ΑΛΓΟΡΙΘΜΟΣ ΕΠΙΛΟΓΗΣ ΥΠΟΠΙΝΑΚΑ ΜΕ ΤΗΝ ΠΛΗΣΙΕΣΤΕΡΗ ΑΠΕΙΚΟΝΙΣΗ ΜΕΣΩ ΤΗΣ AFC ΣΤΟ ΓΕΝΙΚΕΥΜΕΝΟ ΠΙΝΑΚΑ ΣΥΜΠΤΩΣΕΩΝ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης
ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση
Διαβάστε περισσότερα5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο
5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο Ένα εναλλακτικό μοντέλο της απλής γραμμικής παλινδρόμησης (που χρησιμοποιήθηκε
Διαβάστε περισσότεραΔιάστημα εμπιστοσύνης της μέσης τιμής
Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:
Διαβάστε περισσότεραΑναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)
Σημειώσεις Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου Αθήνα -3-7 Εκτίμηση των Παραμέτρων β & β Απλό γραμμικό υπόδειγμα: Y X () Η αναμενόμενη τιμή του Υ, δηλαδή, μέση τιμή του Υ, δίνεται παρακάτω: EY ( ) X EY
Διαβάστε περισσότεραΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ FACTOR ANALYSIS
ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΣΤΟΧΟΣ FACTOR ANALYSIS ΜΕΙΟΝΕΚΤΗΜΑΤΑ-ΠΛΕΟΝΕΚΤΗΜΑΤΑ ΙΑΦΟΡΕΣ ΜΕ ΚΥΡΙΕΣ ΣΥΝΙΣΤΩΣΕΣ. ΚΑΤΑΛΛΗΛΟΤΗΤΑ Ε ΟΜΕΝΩΝ. ΠΩΣ ΕΠΙΤΥΓΧΑΝΕΤΑΙ. ΠΑΡΑ ΕΙΓΜΑ ΥΛΟΠΟΙΗΣΗ ΣΤΟ SPSS ΕΡΜΗΝΕΙΑ 1 ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για
Διαβάστε περισσότεραΚεφάλαιο 14. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης
Κεφάλαιο 14 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης 1 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης Παραµετρικό στατιστικό κριτήριο για τη µελέτη της επίδρασης µιας ανεξάρτητης µεταβλητής στην εξαρτηµένη Λογική παρόµοια
Διαβάστε περισσότεραΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ
ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική
Διαβάστε περισσότεραΔιαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική
Διαβάστε περισσότεραΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ
ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,
Διαβάστε περισσότερα10. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
0. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 0. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ Συχνά στην πράξη το μοντέλο της απλής γραμμικής παλινδρόμησης είναι ανεπαρκές για την περιγραφή της μεταβλητότητας που υπάρχει στην εξαρτημένη
Διαβάστε περισσότερα(p 1) (p m) (m 1) (p 1)
ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ Σκοπός της παραγοντικής ανάλυσης είναι να περιγράψει την συνδιασπορά μεταξύ των μεταβλητών με την βοήθεια τυχαίων άγνωστων ποσοτήτων που ονομάζονται παράγοντες. Το μοντέλο είναι το
Διαβάστε περισσότεραΓ. Πειραματισμός - Βιομετρία
Γ. Πειραματισμός - Βιομετρία Πληθυσμοί και δείγματα Πληθυσμός Περιλαμβάνει όλες τις πιθανές τιμές μιας μεταβλητής, δηλαδή αναφέρεται σε μια παρατήρηση σε όλα τα άτομα του πληθυσμού Ο πληθυσμός προσδιορίζεται
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)
Στατιστική Ι Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Κατανομή Δειγματοληψίας του Δειγματικού Μέσου Ο Δειγματικός Μέσος X είναι μια Τυχαία Μεταβλητή. Καθώς η επιλογή και χρήση διαφορετικών δειγμάτων από έναν
Διαβάστε περισσότεραΠρόλογος... xv. Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1
Πρόλογος... xv Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1 1.1.Ιστορική Αναδρομή... 1 1.2.Βασικές Έννοιες... 5 1.3.Πλαίσιο ειγματοληψίας (Sampling Frame)... 9 1.4.Κατηγορίες Ιατρικών Μελετών.... 11 1.4.1.Πειραµατικές
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 08-09 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Συσχέτιση (Correlation) - Copulas
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ Συσχέτιση (Correlation) - Copulas Σημασία της μέτρησης της συσχέτισης Έστω μία εταιρεία που είναι εκτεθειμένη σε δύο μεταβλητές της αγοράς. Πιθανή αύξηση των 2 μεταβλητών
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε περισσότεραΜέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)
Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότερα3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ
3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ Πρόβλημα: Ένας ραδιοφωνικός σταθμός ενδιαφέρεται να κάνει μια ανάλυση για τους πελάτες του που διαφημίζονται σ αυτόν για να εξετάσει την ποσοστιαία μεταβολή των πωλήσεων
Διαβάστε περισσότεραΓ. Πειραματισμός Βιομετρία
Γενικά Συσχέτιση και Συμμεταβολή Όταν σε ένα πείραμα παραλλάσουν ταυτόχρονα δύο μεταβλητές, τότε ενδιαφέρει να διερευνηθεί εάν και πως οι αλλαγές στη μία μεταβλητή σχετίζονται με τις αλλαγές στην άλλη.
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 4ο Διαδικασία των συντελεστών αυτοσυσχέτισης Ονομάζουμε συνάρτηση αυτοσυσχέτισης (autocorrelation function) και συμβολίζεται με τα γράμματα
Διαβάστε περισσότεραΜ Ε Τ Ρ Α Δ Ι Α Σ Π Ο Ρ Α Σ.
Μ Ε Τ Ρ Α Δ Ι Α Σ Π Ο Ρ Α Σ. π.χ. Βαθμολογία διαγωνίσματος σε τμήματα: Α : 7, 11,16, 16,,. Β : 11, 13, 16, 16, 17, 17. Παρατήρηση : Για τέτοιους λόγους χρειάζεται και η εξέταση κάποιων μέτρων διασποράς
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ Καθ Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 5 Έστω για την σύγκριση δειγμάτων συλλέγουμε παρατηρήσεις Υ =,,, από
Διαβάστε περισσότεραΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ
Α εξάμηνο 2010-2011 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Ποιοτικές και Ποσοτικές μέθοδοι και προσεγγίσεις για την επιστημονική έρευνα users.sch.gr/abouras
Διαβάστε περισσότεραΓια το δείγμα από την παραγωγή της εταιρείας τροφίμων δίνεται επίσης ότι, = 1.3 και για το δείγμα από το συνεταιρισμό ότι, x
Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική // (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) ο Θέμα [] Επιλέξαμε φακελάκια (της μισής ουγκιάς) που περιέχουν σταφίδες από την παραγωγή μιας εταιρείας
Διαβάστε περισσότεραΠεριγραφική Ανάλυση ποσοτικών μεταβλητών
Περιγραφική Ανάλυση ποσοτικών μεταβλητών Στο data file Worldsales.sav (αρχείο υποθετικών πωλήσεων ανά ήπειρο και προϊόν) Analyze Descriptive Statistics Frequencies Επιλογή μεταβλητής Revenue Πατάμε στο
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 5: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (1 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: ageliki.papaa@gmail.com, agpapaa@auth.gr Webpage: http://users.auth.gr/agpapaa
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7ο μάθημα: Πολυμεταβλητή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Είδη μεταβλητών Ποσοτικά δεδομένα (π.χ. ηλικία, ύψος, αιμοσφαιρίνη) Ποιοτικά δεδομένα (π.χ. άνδρας/γυναίκα, ναι/όχι) Διατεταγμένα (π.χ. καλό/μέτριο/κακό) 2 Περιγραφή ποσοτικών
Διαβάστε περισσότεραΔιάλεξη 1 Βασικές έννοιες
Εργαστήριο SPSS Ψ-4201 (ΕΡΓ) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις αναρτημένες στο: Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη
Διαβάστε περισσότεραΕνότητα 3: Ανάλυση Διακύμανσης κατά ένα παράγοντα One-Way ANOVA
ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΣΜΕΝΗ ΝΕΥΡΟΑΝΑΤΟΜΙΑ» «Βιοστατιστική, Μεθοδολογία και Συγγραφή Επιστημονικής Μελέτης» Ενότητα 3: One-Way ANOVA
Διαβάστε περισσότερα2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών
Διαβάστε περισσότεραΓραπτή Εξέταση Περιόδου Φεβρουαρίου 2013 στη Στατιστική
Εργαστήριο Μαθηματικών & Στατιστικής ΣΕΙΡΑ Α Γραπτή Εξέταση Περιόδου Φεβρουαρίου 013 στη Στατιστική για τα Τμήματα Ε.Τ.Τ., Γ.Β., Α.Ο.Α. και Ε.Ζ.Π.&Υ. 08/0/013 1. [0] Η ποσότητα, έστω Χ, καλίου που περιέχεται
Διαβάστε περισσότεραΈλεγχος υποθέσεων και διαστήματα εμπιστοσύνης
1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από
Διαβάστε περισσότεραΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΤΩΝ ΒΑΘΜΟΛΟΓΙΩΝ ΤΩΝ ΜΑΘΗΤΩΝ ΕΝΟΣ ΛΥΚΕΙΟΥ ΑΠΟ ΤΟ 2000 ΩΣ ΤΟ 2013.
ΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ: ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΤΩΝ ΒΑΘΜΟΛΟΓΙΩΝ ΤΩΝ ΜΑΘΗΤΩΝ ΕΝΟΣ ΛΥΚΕΙΟΥ ΑΠΟ ΤΟ 2000 ΩΣ ΤΟ 2013. Πρακτικές και καινοτομίες στην εκπαίδευση και την έρευνα. Άγγελος Μπέλλος Καθηγητής Μαθηματικών
Διαβάστε περισσότεραΑπλή Ευθύγραµµη Συµµεταβολή
Απλή Ευθύγραµµη Συµµεταβολή Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Εισαγωγή Ανάλυση Παλινδρόµησης και Συσχέτιση Απλή
Διαβάστε περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο
Παράδειγμα 1 Ο παρακάτω πίνακας δίνει τις πωλήσεις (ζήτηση) ενός προϊόντος Υ (σε κιλά) από το delicatessen μιας περιοχής και τις αντίστοιχες τιμές Χ του προϊόντος (σε ευρώ ανά κιλό) για μια ορισμένη χρονική
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΤΕΧΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ. Πτυχιακή εργασία
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΤΕΧΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Πτυχιακή εργασία ΑΝΑΛΥΣΗ ΚΟΣΤΟΥΣ-ΟΦΕΛΟΥΣ ΓΙΑ ΤΗ ΔΙΕΙΣΔΥΣΗ ΤΩΝ ΑΝΑΝΕΩΣΙΜΩΝ ΠΗΓΩΝ ΕΝΕΡΓΕΙΑΣ ΣΤΗΝ ΚΥΠΡΟ ΜΕΧΡΙ ΤΟ 2030
Διαβάστε περισσότεραΠροσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού
Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Viola adorata Σκηνή Πρώτη Ερωτήσεις Σωστού-Λάθους (µέρος Ι). Ο µέσος όρος
Διαβάστε περισσότεραΕΠΙΣΤΗΜΟΝΙΚΟ 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 περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Τα υποδείγματα του απλού γραμμικού υποδείγματος της παλινδρόμησης (simple linear regression
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,
Διαβάστε περισσότεραΟι στατιστικοί έλεγχοι x τετράγωνο, t- test, ANOVA & Correlation. Σταμάτης Πουλακιδάκος
Οι στατιστικοί έλεγχοι x τετράγωνο, t- test, ANOVA & Correlation Σταμάτης Πουλακιδάκος Μερικά εισαγωγικά λόγια Οι έλεγχοι των ερευνητικών υποθέσεων πραγματοποιούνται με διάφορους στατιστικούς ελέγχους,
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΕΙΣ 09-10 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Έλεγχοι υποθέσεων Βόλος, 2016-2017
Διαβάστε περισσότεραΑναλυτική Στατιστική
Αναλυτική Στατιστική Συμπερασματολογία Στόχος: εξαγωγή συμπερασμάτων για το σύνολο ενός πληθυσμού, αντλώντας πληροφορίες από ένα μικρό υποσύνολο αυτού Ορισμοί Πληθυσμός: σύνολο όλων των υπό εξέταση μονάδων
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 13: Επανάληψη Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Γιατί μελετούμε την Οικονομετρία;
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α. Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο ανεξάρτητων δειγμάτων, που διαχωρίζονται βάσει ενός ανεξάρτητου παράγοντα (Ανάλυση διακύμανσης για ανεξάρτητα δείγματα ως προς
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 7-8 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
Στατιστική Συμπερασματολογία Διαφάνειες 5 ου κεφαλαίου Ελεγχοσυναρτήσεις για τις Παραμέτρους της Κανονικής Κατανομής Σταύρος Χατζόπουλος 08/05/207, 5/05/207 Εισαγωγή Στις παραγράφους που ακολουθούν παρουσιάζονται
Διαβάστε περισσότεραΜεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 :
Μεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 : 1. Να χρησιμοποιηθεί το αρχείο gssft.sav για να γίνει έλεγχος της υπόθεσης ότι στους εργαζόμενους με πλήρη απασχόληση η τιμή του μέσου
Διαβάστε περισσότεραΔΙΑΧΡΟΝΙΚΗ ΕΞΕΛΙΞΗ ΤΗΣ ΣΧΕΤΙΚΗΣ ΘΕΣΗΣ ΝΟΜΙΣΜΑΤΙΚΟΥΣ ΚΑΙ ΤΟΥΣ ΠΡΑΓΜΑΤΙΚΟΥΣ ΔΕΙΚΤΕΣ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιστικής (2005) σελ.283-290 ΔΙΑΧΡΟΝΙΚΗ ΕΞΕΛΙΞΗ ΤΗΣ ΣΧΕΤΙΚΗΣ ΘΕΣΗΣ ΤΩΝ 15 ΧΩΡΩΝ ΜΕΛΩΝ ΤΗΣ ΕΕ ΩΣ ΠΡΟΣ ΤΟΥΣ ΝΟΜΙΣΜΑΤΙΚΟΥΣ ΚΑΙ ΤΟΥΣ ΠΡΑΓΜΑΤΙΚΟΥΣ
Διαβάστε περισσότεραMIA MONTE CARLO ΜΕΛΕΤΗ ΤΩΝ ΕΚΤΙΜΗΤΩΝ RIDGE ΚΑΙ ΕΛΑΧΙΣΤΩΝ ΤΕΤΡΑΓΩΝΩΝ
«ΣΠΟΥΔΑΙ», Τόμος 41, Τεύχος 2ο, Πανεπιστήμιο Πειραιώς «SPOUDAI», Vol. 41, No 2, University of Piraeus MIA MONTE CARLO ΜΕΛΕΤΗ ΤΩΝ ΕΚΤΙΜΗΤΩΝ RIDGE ΚΑΙ ΕΛΑΧΙΣΤΩΝ ΤΕΤΡΑΓΩΝΩΝ Του Πάνου Αναστ. Πανόπουλου Οικονομικό
Διαβάστε περισσότεραΧ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
Διαβάστε περισσότεραΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών
Διαβάστε περισσότεραΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ
A εξάμηνο 2009-2010 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ Μεθοδολογία Έρευνας και Στατιστική ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Χειμερινό Εξάμηνο 2009-2010 Ποιοτικές και Ποσοτικές
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ II ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ 2. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ
ΚΕΦΑΛΑΙΟ II ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΕΝΟΤΗΤΕΣ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ (One-Way Analyss of Varance) Η ανάλυση
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
Διαβάστε περισσότεραΑ Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο
Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο «Περιγραφική & Επαγωγική Στατιστική» 1. Πάνω από το 3 ο τεταρτημόριο ενός δείγματος βρίσκεται το: α) 15%
Διαβάστε περισσότεραΈλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δύο εξαρτημένων δειγμάτων, που δεν ακολουθούν την κανονική κατανομή (Wilcoxon test)
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δύο εξαρτημένων δειγμάτων, που δεν ακολουθούν την κανονική κατανομή (Wilcoxon test) Σε ορισμένες περιπτώσεις απαιτείται ο έλεγχος της ύπαρξης στατιστικά
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017
Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium Iii Η Κανονική Κατανομή Λέμε ότι μία τυχαία μεταβλητή X, ακολουθεί την Κανονική Κατανομή με παραμέτρους και και συμβολίζουμε X N, αν έχει συνάρτηση πυκνότητας
Διαβάστε περισσότεραΕρωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)
Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος... 15
Περιεχόμενα Πρόλογος... 15 Κεφάλαιο 1 ΘΕΩΡΗΤΙΚΑ ΚΑΙ ΦΙΛΟΣΟΦΙΚΑ ΟΝΤΟΛΟΓΙΚΑ ΚΑΙ ΕΠΙΣΤΗΜΟΛΟΓΙΚΑ ΖΗΤΗΜΑΤΑ ΤΗΣ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΡΕΥΝΑΣ ΤΟΥ ΠΡΑΓΜΑΤΙΚΟΥ ΚΟΣΜΟΥ... 17 Το θεμελιώδες πρόβλημα των κοινωνικών επιστημών...
Διαβάστε περισσότεραΣτατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )
Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 2 Η γενική ιδέα της διαδικασίας στατιστικού ελέγχου υποθέσεων Πρόκειται για μια διαδικασία απόφασης μεταξύ δύο υποθέσεων Η μια υπόθεση ονομάζεται μηδενική (Η
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η :1-0-017, 3-0-017 Διδάσκουσα: Κοντογιάννη Αριστούλα Σκοπός του μαθήματος Η παρουσίαση
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραCLIMATE CHANGE IMPACTS ON THE WATER BALANCE OF SMALL SCALE WATER BASINS
. 1,. 2. 3 1,3,,,, 54 124 2,,,,54 124 E-mails: 1 hatzi1@civil.auth.gr, 2 diatol@geo.auth.gr, 3 niktheod@civil.auth.gr H. -. - -,,., -, -., -,. :,,. CLIMATE CHANGE IMPACTS ON THE WATER BALANCE OF SMALL
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση II
. Ο Συντελεστής Προσδιορισμού Η γραμμή Παλινδρόμησης στο δείγμα, αποτελεί μία εκτίμηση της γραμμής παλινδρόμησης στον πληθυσμό. Αν και από τη μέθοδο των ελαχίστων τετραγώνων προκύπτουν εκτιμητές που έχουν
Διαβάστε περισσότεραΧρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Διαβάστε περισσότεραΆσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:
Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του
Διαβάστε περισσότερα