Δασική Δειγματοληψία
|
|
- Ευμελια Βούλγαρης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Δασική Δειγματοληψία Δημοκρίτειο Πανεπιστήμιο Θράκης Τμήμα Δασολογίας και Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων 5 ο εξάμηνο ΚΙΤΙΚΙΔΟΥ ΚΥΡΙΑΚΗ
2 Εισαγωγή Δειγματοληψία Επιλογή ενός μέρους από ένα σύνολο υλικών που να αντιπροσωπεύει την ολότητα Πράξη ή διαδικασία της επιλογής ενός συνόλου από έναν πληθυσμό για ελέγχους, αναλύσεις, ομαδοποιήσεις κτλ. Ένταση δειγματοληψίας I 00 όπου: N μέγεθος δείγματος Ν μέγεθος πληθυσμού. f Για δάση I 00 όπου: F f έκταση δείγματος F έκταση δάσους. Μονάδες δειγματοληψίας Μη επικαλυπτόμενες συλλογές στοιχείων (μελών) από τον πληθυσμό Κλάσμα του πληθυσμού που δε μπορεί να διαιρεθεί άλλο (ορισμός πιο κοντινός στη δασολογία). Πλαίσιο δειγματοληψίας Κατάλογος όλων ανεξαρτήτως των δειγματοληπτικών μονάδων του πληθυσμού. Είδη δειγματοληπτικών μονάδων. Άνθρωπος. Ομάδα ατόμων 3. Φυτό ή δέντρο 4. Επιφάνεια σταθερού μεγέθους 5. Επιφάνεια με μορφή λωρίδας 6. Επιφάνεια μεταβλητού μεγέθους (επιφάνεια Bitterlich) 7. Σύνθετη επιφάνεια (αποτελείται από μονάδες διαφορετικού μεγέθους ή και είδους που λέγονται δορυφόροι ή ομάδες). Πλεονεκτήματα των δειγματοληπτικών μεθόδων Μικρότερο κόστος (σε σχέση με την απογραφή) Μεγαλύτερη ταχύτητα Μεγαλύτερη έκταση εφαρμογής
3 Μεγαλύτερη ακρίβεια Μειονέκτημα: δεν έχουμε πραγματική τιμή των παραμέτρων όπως στην καθολική απογραφή, αλλά εκτίμηση αυτών. Δειγματοληπτικές μέθοδοι πιθανοτήτων Οι δειγματοληψίες όπου κάθε δυνατό δείγμα μιας ορισμένης διαδικασίας μεγέθους έχει γνωστή, όχι κατ ανάγκη ίση, πιθανότητα να επιλεγεί από τον πληθυσμό, μεγέθους Ν. Είναι οι εξής:. Απλή τυχαία δειγματοληψία. Στρωματωμένη δειγματοληψία 3. Συστηματική δειγματοληψία 4. Δειγματοληψία άνισων πιθανοτήτων 5. Πολυσταδιακή δειγματοληψία 6. Πολυφασική δειγματοληψία 7. Δειγματοληψία σε διαδοχικές περιπτώσεις Απλή τυχαία δειγματοληψία Είναι η μέθοδος κατά την οποία, από πληθυσμό μεγέθους Ν παίρνουμε δείγμα μεγέθους (<Ν), έτσι ώστε κάθε δυνατό δείγμα να έχει την ίδια, όχι απλώς γνωστή, πιθανότητα να επιλεγεί. Το δείγμα που έχει επιλεχτεί με αυτή τη μέθοδο λέγεται απλό τυχαίο δείγμα. Απλή τυχαία δειγματοληψία χωρίς επανάθεση Οι μονάδες του δείγματος επιλέγονται όλες μαζί από τον πληθυσμό ή, όταν επιλέγονται μια μια, κάθε φορά που ένα μέλος του πληθυσμού μπαίνει στο δείγμα, το μέλος αυτό δεν επανατοποθετείται στον πληθυσμό (έτσι δε μπορεί να μπει στο δείγμα παραπάνω από μια φορά). Δυνατά διαφορετικά δείγματα από πληθυσμό Ν συνδυασμοί των Ν πραγμάτων N N! ανά!( N )! Απλή τυχαία δειγματοληψία με επανάθεση Tο δείγμα των μονάδων επιλέγεται μονάδα μονάδα. Έτσι, όλα τα μέλη έχουν την ίδια πιθανότητα να μπουν στο δείγμα σε καθεμιά από τις επιλογές (ένα ή
4 περισσότερα μέλη του πληθυσμού μπορούν να μπουν ή περισσότερες φορές στο δείγμα). Δυνατά διαφορετικά δείγματα από πληθυσμό Ν Ν. Εκτίμηση παραμέτρων Σε κάθε μέθοδο δειγματοληψίας υπολογίζουμε διάφορους εκτιμητές ˆ θ των άγνωστων παραμέτρων θ (αριθμητικός μέσος, διακύμανση, τυπική απόκλιση κτλ) του πληθυσμού. Ένας εκτιμητής λέγεται αμερόληπτος όταν ο αριθμητικός μέσος του (προσδοκώμενη τιμή ή μαθηματική ελπίδα) είναι ίσος με την τιμή του εκτιμητή για τον πληθυσμό. Εκτίμηση του αριθμητικού μέσου όρου ˆ μ i i Εκτίμηση της συνολικής τιμής ˆ N T N i i Εκτίμηση της διακύμανσης του αριθμητικού μέσου όρου όπου: ( i ) i (είναι η διακύμανση του δείγματος) N N (-f) διόρθωση πεπερασμένου πληθυσμού (- f) Όταν στην απλή τυχαία δειγματοληψία χωρίς επανάθεση το δειγματοληπτικό κλάσμα N <5-0% ή όταν έχουμε απλή τυχαία δειγματοληψία με επανάθεση είναι (-f). Εκτίμηση του τυπικού σφάλματος του αριθμητικού μέσου όρου Εκτίμηση της διακύμανσης της συνολικής τιμής N Tˆ Εκτίμηση του τυπικού σφάλματος της συνολικής τιμής Tˆ Tˆ 3
5 Παράδειγμα υπολογισμού της μεροληψίας διάφορων εκτιμητών Έστω πως έχουμε έναν πληθυσμό με τιμές Χ i 0, 0, 0,3 0,4 και 0,5. Ο αριθμητικός μέσος, η διακύμανση και η τυπική απόκλιση είναι αμερόληπτοι εκτιμητές των παραμέτρων του πληθυσμού; Α/Α δείγματος Μονάδες δείγματος Τιμές μονάδων Αριθμητικός Διακύμανση μέσος i i i i i ( i ) η και η 0, 0, 0,50 0,005 0,07 η και 3η 0, 0,3 0,00 0,00 0,4 3 η και 4η 0, 0,4 0,50 0,045 0, 4 η και 5η 0, 0,5 0,300 0,080 0,83 5 η και 3η 0, 0,3 0,50 0,005 0,07 6 η και 4η 0, 0,4 0,300 0,00 0,4 7 η και 5η 0, 0,5 0,350 0,045 0, 8 3η και 4η 0,3 0,4 0,350 0,005 0,07 9 3η και 5η 0,3 0,5 0,400 0,00 0,4 0 4η και 5η 0,4 0,5 0,450 0,005 0,07 Αριθμητικός μέσος 0,300 0,05 0,4 Τυπική απόκλιση διακύμανσης Αριθμητικός μέσος του πληθυσμού μ 5 5 i 5 Διακύμανση του πληθυσμού σ ( i μ ) 5 i i 0,300 (αμερόληπτος εκτιμητής) 0,05 (αμερόληπτος εκτιμητής) Τυπική απόκλιση του πληθυσμού σ σ 0,58 (μεροληπτικός εκτιμητής) Διαστήματα εμπιστοσύνης Εδώ για την εκτίμηση της παραμέτρου του πληθυσμού βρίσκεται ένα κλειστό διάστημα τιμών από Κ (κατώτερο όριο) ως Α (ανώτερο όριο) δηλ. [Κ-Α], το οποίο λέγεται διάστημα εμπιστοσύνης. Ρ(Κ θ Α)-α όπου (-α) είναι η πιθανότητα το [Κ-Α] να περιέχει την πραγματική τιμή θ του πληθυσμού. Το α λέγεται επίπεδο σημαντικότητας και είναι η πιθανότητα το [Κ-Α] να μην περιέχει την πραγματική τιμή θ του πληθυσμού. Το (-α) είναι μέτρο αξιοπιστίας της εκτίμησης και λέγεται επίπεδο εμπιστοσύνης ή στατιστική ασφάλεια. 4
6 Το εύρος του διαστήματος εμπιστοσύνης, δηλ. η διαφορά (Α-Κ) είναι μέτρο ακρίβειας της εκτίμησης (μικρό εύρος σημαίνει μεγάλη ακρίβεια). Τα όρια του διαστήματος εμπιστοσύνης βρίσκονται από τους τύπους K ˆ θ Ξ ˆ θ Α θˆ +Ξ θˆ όπου Ξ είναι η τιμή μιας θεωρητικής κατανομής και ˆ θ το τυπικό σφάλμα του ˆ θ. Κάθε ˆ θ έχει το δικό του τύπο για τον υπολογισμό του ˆ θ. Αν το μέγεθος του δείγματος είναι μικρό (<30) τότε Ξ είναι η τιμή της t (Studet) κατανομής, για βαθμούς ελευθερίας (-) και πιθανότητα (-α). Αν το μέγεθος του δείγματος είναι μεγάλο (>30) τότε Ξ είναι η τιμή της Ζ κατανομής (τυπική κανονική) για πιθανότητα α. Παράδειγμα υπολογισμού διαστήματος εμπιστοσύνης για τον αριθμητικό μέσο. Οι διάμετροι δείγματος 8 δέντρων είναι 0, 5, 3, 45, 43, 8, και 30 cm. Να κατασκευαστεί ένα 95% διάστημα εμπιστοσύνης για την αριθμητική μέση διάμετρο του πληθυσμού μ. Λύση Το δείγμα έχει μέγεθος <30, οπότε η κατανομή δειγματοληψίας της μεταβλητής «διάμετρος» ακολουθεί την t (Studet) κατανομή, με (-)7 βαθμούς ελευθερίας και έχουμε: ˆ t(, a) ˆ μ ˆ (, a) μ μ μ μ + t ˆ ˆμ ( )/8 8 cm Για 7 βαθμούς ελευθερίας και πιθανότητα (-0,95) 0,05 είναι t,365. ˆ μ 5
7 8 i i 7 ( μ ) ( ) ( ) ˆ ,857 30,857 Άρα ˆ μ 4, Άρα 8-,365. 4,0444 μ 8+,365. 4,0444 δηλαδή 8,435 μ 37,565 cm. Εκτίμηση μεγέθους δείγματος με δεδομένη ακρίβεια και ελάχιστο κόστος t tcv e d (απλή τυχαία δειγματοληψία με επανάθεση) Nt Nt cv Ne + t Nd + t cv όπου: t e (απλή τυχαία δειγματοληψία χωρίς επανάθεση) η τιμή της t (Studet) κατανομής με πιθανότητα (-α) και (-) βαθμούς ελευθερίας εκτίμηση της διακύμανσης του πληθυσμού από τα δεδομένα του δείγματος η μέγιστη παραδεκτή διαφορά μεταξύ δειγματικού και άγνωστου μέσου του πληθυσμού σε απόλυτη τιμή (ακρίβεια εκτίμησης ή επιθυμητό σφάλμα) cv εκτίμηση του συντελεστή κύμανσης του πληθυσμού από τα δεδομένα του δείγματος 00 e d ό,τι και το e αλλά εκφρασμένο ως ποσοστό % του μέσου όρου 00 Για να υπολογίσουμε τα t, και cv χρειαζόμαστε το μέγεθος του δείγματος (αδιέξοδο), οπότε χρησιμοποιούμε: Παλιότερα δεδομένα για τον υποψήφιο πληθυσμό Παρόμοιους πληθυσμούς με γνωστά τα απαραίτητα στοιχεία Προδειγματοληψία ή δειγματοληψία οδηγού. 6
8 Παράδειγμα εύρεσης μεγέθους δείγματος με προδειγματοληψία Έστω πως έχουμε ένα δάσος και πήραμε προδείγμα μεγέθους 0 με διαμέτρους 3 7, ,5 0 7,5,5, ,5 3, ,5 5,5 cm. Ποιο πρέπει να είναι το μέγεθος του τελικού δείγματος, για να έχουμε ακρίβεια στην εκτίμηση της διαμέτρου d 0%; (πιθανότητα α 5%). tcv d Η τιμή του t για πιθανότητα α0,05 και (0-)9 βαθμούς ελευθερίας είναι,093. Συντελεστής κύμανσης δείγματος cv 00 i ( i ) 0. 0 Με αντικατάσταση βρίσκουμε 57. με 0 i και 0 i Εκτίμηση μεγέθους δείγματος με δεδομένο κόστος C C0 CC 0 +C C όπου: C σταθερό κόστος για να πάρουμε το δείγμα C 0 γενικά έξοδα C συνολικό κόστος λήψης πληροφοριών μιας μονάδας του δείγματος Στρωματωμένη τυχαία δειγματοληψία Είναι μέθοδος κατά την οποία χωρίζουμε τον πληθυσμό Ν σε L στρώματα. Κάθε στρώμα αποτελείται από παρόμοιες μονάδες, όσον αφορά στο χαρακτηριστικό που θέλουμε να εκτιμήσουμε. Το στρωματωμένο τυχαίο δείγμα αποτελείται από τα απλά τυχαία δείγματα k (k,,, L) που επιλέγονται από τα στρώματα ( από κάθε στρώμα). Δηλαδή k. Η επιλογή ενός στρωματωμένου τυχαίου δείγματος πρέπει να γίνεται έτσι ώστε τα απλά τυχαία δείγματα να είναι ανεξάρτητα, δηλαδή οι παρατηρήσεις ενός στρώματος να μην εξαρτώνται από τις παρατηρήσεις των άλλων στρωμάτων. 7
9 Το καλύτερο κριτήριο για το σχηματισμό των στρωμάτων, όταν ο μόνος λόγος της στρωμάτωσης είναι να πάρουμε εκτιμήσεις με τη μικρότερη διακύμανση, είναι η κατανομή των συχνοτήτων της μεταβλητής που θέλουμε να εκτιμήσουμε. Προσεγγιστική μέθοδος: παίρνουμε την τετραγωνική ρίζα των συχνοτήτων και στη συνέχεια σχηματίζουμε την αθροιστική συχνότητα της τετραγωνικής ρίζας των συχνοτήτων. Το σύνολο των τετραγωνικών ριζών διαιρείται με τον επιθυμητό αριθμό στρωμάτων. Τα όρια των στρωμάτων θα πρέπει να είναι όσο το δυνατό πλησιέστερα σε ακέραια πολλαπλάσια της ποσότητας αυτής, από μέχρι τον αριθμό των στρωμάτων μείον. Παράδειγμα σχηματισμού στρωμάτων με την προσεγγιστική μέθοδο Έστω πως έχουμε την παρακάτω κατανομή συχνοτήτων των όγκων των δέντρων ενός δάσους. Να κατασκευαστούν 4 στρώματα. Όγκος (m 3 /ha) Συχνότητα [0,50) 50 [50,00) 35 [00,50) 68 [50,00) 0 [00,50) 86 [50,300] 90 Φτιάχνουμε τον εξής πίνακα: Συχνότητα Τετραγωνική ρίζα Αθροιστική τετραγωνική ρίζα 50 7,07 7,07 35,69 8,690 68,96 3,65 0 4,77 45, ,9 6, ,784 76,55 Σύνολο 76,55 Είναι 76,55/4 9,3 Τα όρια των 4 στρωμάτων θα πρέπει να είναι όσο το δυνατό πιο κοντά στις τιμές 9,3 (٠9,3)38,6 (3٠9,3)57,393 και (4٠9,3)76,55 της τελευταίας στήλης, δηλαδή 8
10 Αθροιστική τετραγωνική ρίζα 7,07 ο στρώμα [0,00) 8,690 3,65 ο στρώμα [00,00) 45,89 6,740 3 ο στρώμα [00,50) 76,55 4 ο στρώμα [50,300] Αν ο πληθυσμός που μελετάμε είναι δάσος, τα στρώματα μπορούν να γίνουν παίρνοντας υπόψη την τοπογραφική διαμόρφωση, τους δασικούς τύπους, την πυκνότητα των συστάδων, το ξυλαπόθεμα ή την ποιότητα τόπου. Οι εκτιμήσεις μπορούν να γίνουν είτε για κάθε στρώμα χωριστά (βλέπε απλή τυχαία δειγματοληψία) είτε για όλον τον πληθυσμό ως σύνολο. Παρακάτω αναφερόμαστε σε εκτιμήσεις ολόκληρου του πληθυσμού. Εκτίμηση παραμέτρων Εκτίμηση του αριθμητικού μέσου όρου ˆ μ N+ N +... N + L L L N N k N Εκτίμηση της συνολικής τιμής Tˆ N N L Εκτίμηση της διακύμανσης του αριθμητικού μέσου όρου k L k ( N + N NL ) N L k fk N N k k όπου f k δειγματοληπτικό κλάσμα δειγματοληψία). k N k k k k k ( ) (ισχύει ό,τι και στην απλή τυχαία Εκτίμηση του τυπικού σφάλματος του αριθμητικού μέσου όρου Εκτίμηση της διακύμανσης της συνολικής τιμής N Tˆ Εκτίμηση του τυπικού σφάλματος της συνολικής τιμής Tˆ Tˆ Διανομή του μεγέθους δείγματος στα στρώματα. Ίσα δείγματα σε κάθε στρώμα. Αναλογική διανομή (ανάλογα με το μέγεθος του κάθε στρώματος) 9
11 3. Άριστη διανομή: το συνολικό δείγμα κατανέμεται στα στρώματα έτσι ώστε να έχει την ελάχιστη διακύμανση. Το κόστος λήψης δειγματοληπτικών μονάδων μπορεί να είναι το ίδιο σε όλα τα στρώματα (άριστη διανομή με ίσο κόστος) ή άνισο στα διάφορα στρώματα (άριστη διανομή με άνισο κόστος). Η στρωμάτωση είναι επιτυχής, όταν η διακύμανση μεταξύ των στρωμάτων είναι πολύ μεγάλη (πχ >80% της συνολικής διακύμανσης) ή όταν η διακύμανση μέσα στα στρώματα είναι πολύ μικρή (πχ <0%). Συστηματική δειγματοληψία N Επιλέγουμε τυχαία μια μονάδα α k ( k με Ν το μέγεθος του πληθυσμού και το μέγεθος του δείγματος). Οι υπόλοιπες μονάδες του συστηματικού δείγματος θα είναι α α + k, α 3 α +k κτλ μέχρι να σχηματίσουμε το συστηματικό δείγμα μεγέθους. Κύριο χαρακτηριστικό της συστηματικής δειγματοληψίας είναι ότι κατανέμει ομοιόμορφα το δείγμα μέσα στον πληθυσμό. Παρατήρηση: Αν το k δεν είναι ακέραιος αριθμός, στρογγυλεύεται προς τα κάτω. Παράδειγμα σχηματισμού συστηματικού δείγματος σύμφωνα με τον παραπάνω ορισμό Από έναν πληθυσμό Ν65 να παρθεί συστηματικό δείγμα μεγέθους 7. Είναι N 65 k 9 7 Έστω πως η πρώτη μονάδα που επιλέχτηκε τυχαία από τους αριθμούς που είναι 9 είναι το 3. Το συστηματικό δείγμα αποτελείται από τους αριθμούς 3,,, 30, 39, 48 και 57. Η επιλογή του συστηματικού δείγματος μπορεί να γίνει, εκτός από τον ορισμό, και με τους εξής τρόπους: Μέθοδος από το κέντρο του πληθυσμού Αν Ν μονός (περιττός) αριθμός επιλέγουμε την πρώτη μονάδα του δείγματος k + k k + α. Αν Ν ζυγός (άρτιος) αριθμός επιλέγουμε α ή α. Οι υπόλοιπες μονάδες του συστηματικού δείγματος θα είναι α α + k, α 3 α +k, 0
12 α 4 α +3k, α 5 α +4k κτλ μέχρι να σχηματίσουμε το συστηματικό δείγμα μεγέθους. Παρατήρηση: Αν το k δεν είναι ακέραιος αριθμός, στρογγυλεύεται προς τα κάτω. Παράδειγμα σχηματισμού συστηματικού δείγματος από το κέντρο του πληθυσμού Από έναν πληθυσμό Ν65 να παρθεί συστηματικό δείγμα μεγέθους 7. Είναι N k 9. Το 65 είναι μονός αριθμός, άρα επιλέγω α 5. 7 Το συστηματικό δείγμα αποτελείται από τους αριθμούς 5, 4, 3, 3, 4, 50 και 59. Μέθοδος Sampford Επιλέγουμε τυχαία μια μονάδα α Ν και οι υπόλοιπες μονάδες του συστηματικού δείγματος θα είναι α α + k, α 3 α -k, α 4 α +k, α 5 α -k κτλ μέχρι να σχηματίσουμε το συστηματικό δείγμα μεγέθους. Παρατήρηση: Αν το k δεν είναι ακέραιος αριθμός, στρογγυλεύεται προς τα κάτω. Παράδειγμα σχηματισμού συστηματικού δείγματος με τη μέθοδο Sampford Από έναν πληθυσμό Ν65 να παρθεί συστηματικό δείγμα μεγέθους 7. Είναι N 65 k 9 7 Έστω πως η πρώτη μονάδα που επιλέχτηκε τυχαία από τους αριθμούς που είναι 65 είναι το 0. Το συστηματικό δείγμα αποτελείται από τους αριθμούς 0, (0+9)9, (0-9), (0+ 9)8, (0-9)-8 απορρίπτεται, (0+3*9)37, (0-3*9)-7 απορρίπτεται, (0+4*9)46, (0-4*9)-6 απορρίπτεται, (0+5*9)55. Τελικό δείγμα: 0, 9,, 8, 37, 46, 55. Μέθοδος Lahiri Cochra Επιλέγουμε τυχαία μια μονάδα α Ν και οι υπόλοιπες μονάδες του συστηματικού δείγματος θα είναι α α + k, α 3 α +k κτλ μέχρι να σχηματίσουμε το συστηματικό δείγμα μεγέθους. Αν συμβεί α i >Ν, τότε διορθώνουμε α α i -Ν, οπότε α i+ α +k κ.ο.κ. Παρατήρηση: Αν το k δεν είναι ακέραιος αριθμός, στρογγυλεύεται κανονικά, δηλαδή προς τον πλησιέστερο ακέραιο. Παράδειγμα σχηματισμού συστηματικού δείγματος με τη μέθοδο Lahiri Cochra Από έναν πληθυσμό Ν65 να παρθεί συστηματικό δείγμα μεγέθους 7. Είναι N 65 k 9 7 i i
13 Έστω πως η πρώτη μονάδα που επιλέχτηκε τυχαία από τους αριθμούς που είναι 65 είναι το 3. Το συστηματικό δείγμα αποτελείται από τους αριθμούς 3, (3+9)40, (3+*9)49, (3+3*9)58, (3+4*9)67>65 άρα (67-65), (+9), (+*9)0. Τελικό δείγμα: 3, 40, 49, 58,,, 0. Σχέση διακυμάνσεων των παραμέτρων και διάταξης των μελών του πληθυσμού Αν η μεταβλητή (ή οι μεταβλητές) του πληθυσμού είναι τυχαία (τυχαίες), τότε οι διακυμάνσεις των παραμέτρων στην απλή τυχαία δειγματοληψία είναι ίσες με τις αντίστοιχες στη συστηματική δειγματοληψία. Αν η μεταβλητή ές του πληθυσμού δεν είναι τυχαία ες, δηλαδή η διάταξη των μελών του πληθυσμού ως προς τη μεταβλητή / τις μεταβλητές εμφανίζει τάση (γραμμική, περιοδική), τότε οι διακυμάνσεις των παραμέτρων στην απλή τυχαία δειγματοληψία είναι μικρότερες ή μεγαλύτερες από τις αντίστοιχες στη συστηματική δειγματοληψία. Όμως, ακόμα και όταν υπάρχει τάση, μπορούμε να πάρουμε αμερόληπτες εκτιμήσεις των διακυμάνσεων των παραμέτρων (δηλαδή όπως στην απλή τυχαία δειγματοληψία), αν πάρουμε περισσότερα από ένα συστηματικά δείγματα. Δειγματοληψία άνισων (ή μεταβλητών) πιθανοτήτων Είναι μέθοδος κατά την οποία τα μεγαλύτερα μέλη του πληθυσμού έχουν μεγαλύτερες πιθανότητες επιλογής απ ό,τι τα μικρότερα (σε αντίθεση με την απλή τυχαία, τη στρωματωμένη και τη συστηματική δειγματοληψία). Κατηγορίες της δειγματοληψίας άνισων πιθανοτήτων:. Δειγματοληψία καταλόγου με άνισες πιθανότητες. Δειγματοληψία με πιθανότητα ανάλογη προς την πρόβλεψη (Probability Proportioal to Predictio, PPP ή 3P) 3. Δειγματοληψία με πιθανότητα ανάλογη προς το μέγεθος (Probability Proportioal to Size, PPS).
14 Δειγματοληψία καταλόγου με άνισες πιθανότητες Εδώ κάνουμε δειγματοληψία με επανάθεση γιατί, παρόλο που μπορεί να πάρουμε την ίδια μονάδα ή περισσότερες φορές μέσα στο δείγμα, η πιθανότητα αυτή είναι μικρή αν ο πληθυσμός είναι μεγάλος ή το ποσοστό δειγματοληψίας μικρό (η δειγματοληψία μπορεί να γίνει και χωρίς επανάθεση, όμως τότε οι τύποι στην εκτίμηση παραμέτρων γίνονται πιο περίπλοκοι). Χρειαζόμαστε κατάλογο όλων των μελών του πληθυσμού και μια, έστω χοντρική, εκτίμηση του μεγέθους της μεταβλητής που μας ενδιαφέρει για κάθε μέλος του πληθυσμού, πριν τη δειγματοληψία. Εκτίμηση παραμέτρων Εκτίμηση του αριθμητικού μέσου όρου Yi ˆ μ R Ri, όπου Y i η ακριβής (πραγματική) τιμή της i i i μεταβλητής της μονάδας i και i η αρχική τιμή που εκτιμήθηκε για τη μονάδα i. Εκτίμηση της συνολικής τιμής T ˆ T R Εκτίμηση της διακύμανσης του αριθμητικού μέσου όρου ( R) R ( i ) ( ) R R R i ( ) Εκτίμηση του τυπικού σφάλματος του αριθμητικού μέσου όρου R R Εκτίμηση της διακύμανσης της συνολικής τιμής ( R) ˆ TS T T R ( i ) ( ) R R T R i ( ) Εκτίμηση του τυπικού σφάλματος της συνολικής τιμής Tˆ Tˆ 3
15 Παράδειγμα δειγματοληψίας καταλόγου με άνισες πιθανότητες Έστω πως ένας πληθυσμός 0 δέντρων έχει τους εξής όγκους: Δέντρο Όγκος (m 3 ) 0,5 0,7 3 0, 4,7 5,9 6,6 7 0, 8 6,6 9,5 0,6 Να παρθεί δείγμα 3 με δειγματοληψία καταλόγου με άνισες πιθανότητες. Σχηματίζω τον εξής πίνακα: Δέντρο Εκτιμηθείς όγκος (m 3 ) Αθροιστικός όγκος (m 3 ) Αριθμοί που αντιστοιχούν σε κάθε δέντρο 0,5 0,5 ως και 5 0,7, 6 ως και 3 0,,3 3 4,7 3 4 ως και 30 5,9 4,9 3 ως και 49 6,6 6,5 50 ως και , 6, ,6 3, 67 ως και 3 9,5 4,7 33 ως και 47 0,6 6,3 48 ως και 63 Έστω πως επιλέχτηκαν τυχαία οι αριθμοί 5, 9 και 36. Οι αριθμοί αυτοί αντιστοιχούν στα δέντρα, 4 και 5, τα οποία μπαίνουν στο δείγμα. Για την εκτίμηση παραμέτρων, πρέπει να μετρηθούν οι ακριβείς (πραγματικοί) όγκοι τους. Δειγματοληψία με πιθανότητα ανάλογη προς την πρόβλεψη (Probability Proportioal to Predictio, PPP ή 3P) Εδώ δε χρειάζεται κατάλογος των μελών του πληθυσμού πριν τη δειγματοληψία, αλλά ο κατάλογος δημιουργείται καθώς η δειγματοληψία προχωρεί. Ο δειγματολήπτης πρέπει να επισκεφτεί ένα ένα κάθε μέλος του πληθυσμού κατά την εκτέλεση της δειγματοληψίας. 4
16 Χρειάζεται μια εκτίμηση της συνολικής τιμής του πληθυσμού ˆ και μια εκτίμηση της τιμής του πιο μεγάλου μέλους του πληθυσμού K. Από ειδικό πίνακα τυχαίων αριθμών για δειγματοληψία 3Ρ παίρνουμε τυχαίους αριθμούς από μέχρι και ˆ KZ ( το μέγεθος του δείγματος). Τυχαίοι αριθμοί >Κ απορρίπτονται. Καλό θα είναι οι τυχαίοι αριθμοί να είναι περισσότεροι από το μέγεθος του δείγματος. Στο ύπαιθρο, γίνεται εκτίμηση της τιμής για το πρώτο μέλος του πληθυσμού και σύγκριση της τιμής με τον πρώτο τυχαίο αριθμό. Αν Αν Αν K, τυχαίος αριθμός >Κ ή > το μέλος δε μπαίνει στο δείγμα. K, τυχαίος αριθμός το μέλος μπαίνει στο δείγμα. > K το μέλος δε μπαίνει στο δείγμα, αλλά μετριέται η τιμή του με ακρίβεια (μεμονωμένο μέλος με εκτιμηθείσα τιμή ΧΜ). Η ίδια διαδικασία ακολουθείται για το δεύτερο μέλος του πληθυσμού με εκτιμηθείσα τιμή Χ, Χ 3, Τα μεμονωμένα μέλη έχουν εκτιμηθείσα τιμή ΧΜ, ΧΜ, Τέλος, μετριούνται οι ακριβείς (πραγματικές) τιμές των μελών που μπήκαν στο δείγμα Y i, καθώς και των μεμονωμένων YΜ i. 3) Υπολογισμός αποτελεσμάτων (Εκτίμηση παραμέτρων) Εκτίμηση του αριθμητικού μέσου όρου Yi ˆ μ R Ri, όπου Y i η ακριβής (πραγματική) τιμή της i i i μεταβλητής της μονάδας i και i η αρχική τιμή που εκτιμήθηκε για τη μονάδα i, (για τις μονάδες που μπήκαν στο δείγμα, όχι τις μεμονωμένες). Εκτίμηση της συνολικής τιμής T ˆ T R+ YM ( T M ). Εκτίμηση της διακύμανσης του αριθμητικού μέσου όρου ( R) R ( i ) ( ) R R R i ( ) Εκτίμηση του τυπικού σφάλματος του αριθμητικού μέσου όρου R R Εκτίμηση της διακύμανσης της συνολικής τιμής ( R) ˆ TS T T R ( i ) ( ) R R T R i ( ) 5
17 Εκτίμηση του τυπικού σφάλματος της συνολικής τιμής Tˆ Tˆ Παράδειγμα δειγματοληψίας 3Ρ Έστω πως έχουμε έναν πληθυσμό 0 δέντρων. Να παρθεί δείγμα 3 με δειγματοληψία 3Ρ, με μεταβλητή τον όγκο. Πηγαίνουμε στον πληθυσμό και κάνουμε μια οπτική εκτίμηση του συνολικού όγκου ˆ και του όγκου του μεγαλύτερου δέντρου Κ. Έστω πως ˆ 0 και Κ5. Από ειδικό πίνακα τυχαίων αριθμών για δειγματοληψία 3Ρ παίρνουμε τυχαίους αριθμούς από ˆ 0 μέχρι και KZ 6. Έστω πως οι τυχαίοι αριθμοί είναι, 4, 5, 3 (αντιπροσωπεύουν όγκους 0, 0,4 0,5 και 0, m 3 αντίστοιχα). Το όγκος του ου δέντρου εκτιμήθηκε Χ 0,5m 3. Είναι 0,5<5 και 0,<0,5 άρα το δέντρο μπαίνει στο δείγμα. Το όγκος του ου δέντρου εκτιμήθηκε Χ 0,7m 3. Είναι 0,7<5 και 0,4<0,7 άρα το δέντρο μπαίνει στο δείγμα. Το όγκος του 3 ου δέντρου εκτιμήθηκε Χ 0,m 3. Είναι 0,<5 και 0,5>0, άρα το δέντρο δε μπαίνει στο δείγμα. Το όγκος του 4 ου δέντρου εκτιμήθηκε Χ,7m 3. Είναι,7<5 και 0,<,7 άρα το δέντρο μπαίνει στο δείγμα. Δειγματοληψία με πιθανότητα ανάλογη προς το μέγεθος (Probability Proportioal to Size, PPS) Μέθοδος Δειγματοληπτική επιφάνεια Όργανα Όργανα που Κατά σημεία (μέγεθος δείγματος αριθμός Κυκλική επιφάνεια προβάλλουν μια σταθερή οριζόντια γωνία φ πάνω στη στηθιαία διάμετρο του σημείων στάσης) δέντρου (απλά Οριζόντια γωνιόμετρα, δειγματοληψία Κατά γραμμές σφηνοειδή πρίσματα, (μέγεθος δείγματος αριθμός γραμμών) Ορθογώνιο όργανα με αυτόματη διόρθωση για κλίση εδάφους όπως το ρελασκόπιο Bitterlich). 6
18 Κατά σημεία (μέγεθος δείγματος αριθμός σημείων στάσης) Κυκλική επιφάνεια Όργανα που προβάλλουν μια σταθερή κατακόρυφη γωνία θ πάνω στο ύψος του δέντρου Κατακόρυφη δειγματοληψία Κατά γραμμές (μέγεθος (γωνιόμετρα Hirata, κλισίμετρα, υψόμετρα, ρελασκόπιο Bitterlich δείγματος αριθμός γραμμών) Ορθογώνιο με διαφορετικές κλίμακες από την οριζόντια δειγματοληψία). Παρατήρηση: το μέγεθος του δείγματος υπολογίζεται σύμφωνα με τους τύπους που έχουν προαναφερθεί, ενώ η κατανομή των σημείων στάσης γίνεται με απλή τυχαία, στρωματωμένη τυχαία ή συστηματική δειγματοληψία. Οριζόντια δειγματοληψία κατά σημεία Εδώ η πιθανότητα να μπει στο δείγμα ένα δέντρο είναι ανάλογη προς τη στηθιαία κυκλική του επιφάνεια. Από το σημείο στάσης ο παρατηρητής σκοπεύει όλα τα δέντρα του πληθυσμού στο στηθιαίο ύψος, κάνοντας περιστροφή 360 γύρω από το σημείο στάσης. Στο δείγμα μπαίνουν τα δέντρα που εμφανίζουν γωνία>γωνία προβολής φ. Αν η γωνία προβολής είναι ίση με φ, τότε το δέντρο θεωρείται οριακό και, είτε μετριέται ως μισό, είτε μετριέται ως ολόκληρο και το επόμενο οριακό δε μετριέται κ.ό.κ. Εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha στο σημείο στάσης F, όπου i y g F συντελεστής κυκλικής επιφάνειας (συντελεστής του οργάνου) y τιμή της μεταβλητής στο i-οστό δέντρο του σημείου στάσης g στηθιαία κυκλική επιφάνεια του i-οστού δέντρου του σημείου στάσης αριθμός δέντρων στη -οστή στάση. Εκτίμηση του συνολικού όγκου στη στάση v gi ( fh) ( ), όπου (fh) υψομορφάριθμος του Vˆ F F F fh g g i i i i-οστού δέντρου στη στάση. 7
19 Εκτίμηση της συνολικής κυκλικής επιφάνειας στη στάση G ˆ F. Εκτίμηση του αριθμού κορμών/ha στη στάση Nˆ F. g i Εκτίμηση του αθροίσματος διαμέτρων/ha στη στάση ˆ d 4 D F F π d π 4 i i δέντρου στη στάση., όπου d i στηθιαία διάμετρος του i-οστού d Εκτίμηση του αθροίσματος υψομορφαρίθμων στη στάση ( fh) FH. Για να βρω την εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha σε ολόκληρο F i g τον πληθυσμό, διαιρώ την τιμή με τον αριθμό των σημείων στάσης, δηλαδή. Οριζόντια δειγματοληψία κατά γραμμές Εδώ η πιθανότητα να μπει στο δείγμα ένα δέντρο είναι ανάλογη προς τη στηθιαία του διάμετρο. Ο παρατηρητής βαδίζει πάνω στις γραμμές μήκους L (το L είναι σταθερό μέγεθος που παίρνει διάφορες τιμές) και σκοπεύει όλα τα δέντρα του πληθυσμού στο στηθιαίο ύψος, κάθετα προς τη δειγματοληπτική γραμμή, είτε προς τη μια πλευρά της γραμμής είτε και προς τις δυο. Στο δείγμα μπαίνουν τα δέντρα που εμφανίζουν γωνία>γωνία προβολής φ. Αν η γωνία προβολής είναι ίση με φ, τότε το δέντρο θεωρείται οριακό και, είτε μετριέται ως μισό, είτε μετριέται ως ολόκληρο και το επόμενο οριακό δε μετριέται κ.ό.κ. Εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha στο σημείο στάσης f, όπου i y d f συντελεστής διαμέτρου (συντελεστής του οργάνου). Είναι f 500 F. y τιμή της μεταβλητής στο i-οστό δέντρο της γραμμής d στηθιαία διάμετρος του i-οστού δέντρου της γραμμής 8
20 αριθμός δέντρων στη -οστή γραμμή. Εκτίμηση της συνολικής στηθιαίας διαμέτρου στη στάση D ˆ f. Για να βρω την εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha σε ολόκληρο τον πληθυσμό, διαιρώ την τιμή με τον αριθμό των γραμμών, δηλαδή. Κατακόρυφη δειγματοληψία κατά σημεία Εδώ η πιθανότητα να μπει στο δείγμα ένα δέντρο είναι ανάλογη προς το τετράγωνο του ύψους του. Από το σημείο στάσης ο παρατηρητής σκοπεύει όλα τα δέντρα του πληθυσμού στη βάση και στην κορυφή, κάνοντας περιστροφή 360 γύρω από το σημείο στάσης. Στο δείγμα μπαίνουν τα δέντρα που εμφανίζουν ύψος H>συντελεστή τετραγωνικού ύψους (ύψους Hirata) Ζ. Αν ΗΖ, τότε το δέντρο θεωρείται οριακό και, είτε μετριέται ως μισό, είτε μετριέται ως ολόκληρο και το επόμενο οριακό δε μετριέται κ.ό.κ. Εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha στο σημείο στάσης y Z, όπου h i Ζ συντελεστής τετραγωνικού ύψους (συντελεστής του οργάνου) Είναι Z εφ θ όπου θκατακόρυφη γωνία. π y τιμή της μεταβλητής στο i-οστό δέντρο του σημείου στάσης h τετράγωνο του ύψους του i-οστού δέντρου του σημείου στάσης αριθμός δέντρων στη -οστή στάση. Εκτίμηση του αθροίσματος των τετραγώνων των υψών στη στάση h ˆ Z. Για να βρω την εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha σε ολόκληρο τον πληθυσμό, διαιρώ την τιμή με τον αριθμό των σημείων στάσης, δηλαδή. 9
21 Εκτίμηση του μέσου τετραγωνικού ύψους της συστάδας (μέσου ύψους Hirata) h H 00 εφθ, όπου μέγεθος δείγματος, Nπ το άθροισμα του αριθμού των δέντρων σε κάθε σημείο στάσης και Nο αριθμός των κορμών/ha. Κατακόρυφη δειγματοληψία κατά γραμμές Εδώ η πιθανότητα να μπει στο δείγμα ένα δέντρο είναι ανάλογη προς το ύψος του. Ο παρατηρητής βαδίζει πάνω στις γραμμές μήκους L (το L είναι σταθερό μέγεθος που παίρνει διάφορες τιμές) και σκοπεύει όλα τα δέντρα του πληθυσμού στο στηθιαίο ύψος, κάθετα προς τη δειγματοληπτική γραμμή, είτε προς τη μια πλευρά της γραμμής είτε και προς τις δυο. Στο δείγμα μπαίνουν τα δέντρα που εμφανίζουν ύψος H>συντελεστή ύψους z. Αν η Αν Ηz,, τότε το δέντρο θεωρείται οριακό και, είτε μετριέται ως μισό, είτε μετριέται ως ολόκληρο και το επόμενο οριακό δε μετριέται κ.ό.κ. Εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha στο σημείο στάσης z, όπου i y h z συντελεστής ύψους (συντελεστής του οργάνου). Είναι z 50εφθ,5 π Z. y τιμή της μεταβλητής στο i-οστό δέντρο της γραμμής h ύψος του i-οστού δέντρου της γραμμής αριθμός δέντρων στη -οστή γραμμή. Εκτίμηση του συνολικού ύψους στη στάση h ˆ z. Για να βρω την εκτίμηση της συνολικής τιμής μιας μεταβλητής Υ / ha σε ολόκληρο τον πληθυσμό, διαιρώ την τιμή με τον αριθμό των γραμμών, δηλαδή. 0
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 περισσότεραΔειγματοληψία στην Ερευνα. Ετος
ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας & Ανάπτυξης Μέθοδοι Γεωργοοικονομικής και Κοινωνιολογικής Ερευνας Δειγματοληψία στην Έρευνα (Μέθοδοι Δειγματοληψίας - Τρόποι Επιλογής Τυχαίου Δείγματος)
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΟΙ ΠΙΝΑΚΕΣ. ΓΕΝΙΚΟΙ (περιέχουν όλες τις πληροφορίες που προκύπτουν από μια στατιστική έρευνα) ΕΙΔΙΚΟΙ ( είναι συνοπτικοί και σαφείς )
Πληθυσμός (populaton) ονομάζεται ένα σύνολο, τα στοιχεία του οποίου εξετάζουμε ως προς τα χαρακτηριστικά τους. Μεταβλητές (varables ) ονομάζονται τα χαρακτηριστικά ως προς τα οποία εξετάζουμε έναν πληθυσμό.
Διαβάστε περισσότερα4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου
4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου Για την εκτίμηση των παραμέτρων ενός πληθυσμού (όπως η μέση τιμή ή η διασπορά), χρησιμοποιούνται συνήθως δύο μέθοδοι εκτίμησης. Η πρώτη ονομάζεται σημειακή εκτίμηση.
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 περισσότερα03 _ Παράμετροι θέσης και διασποράς. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.
6_Στατιστική στη Φυσική Αγωγή 03 _ Παράμετροι θέσης και διασποράς Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. Παράμετροι θέσης όταν θέλουμε να εκφράσουμε μια μεταβλητή με έναν αριθμό π.χ.
Διαβάστε περισσότεραΣτατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες
Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού
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 περισσότεραΜαζοπίνακες για τη δασική πεύκη (Pinus sylvestris L.) στο κεντρικό τμήμα της οροσειράς της Ροδόπης.
Μαζοπίνακες για τη δασική πεύκη (Pinus sylvestris L.) στο κεντρικό τμήμα της οροσειράς της Ροδόπης. Ιωάννης Λυπηρίδης Δασολόγος 1 ΠΕΡΙΓΡΑΜΜΑ Εισαγωγή Περιοχή έρευνας Υλικά και Μέθοδοι Αποτελέσματα - Συζήτηση
Διαβάστε περισσότεραΣτατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )
Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. ) Πίνακας Περιεχομένων Εργασία η... Θέμα ο :... Θέμα ο :... 4 Θέμα 3 ο :...
Διαβάστε περισσότεραΕίδη 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 περισσότεραΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΔΙΟΙΚΗΤΙΚΑ ΣΤΕΛΕΧΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΔΙΟΙΚΗΤΙΚΑ ΣΤΕΛΕΧΗ Ενότητα # 7: Δειγματοληψία Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
Διαβάστε περισσότερα5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling)
5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling) Συχνά, είναι ταχύτερη και ευκολότερη η επιλογή των μονάδων του πληθυσμού, αν αυτή γίνεται από κάποιο κατάλογο ξεκινώντας από κάποιο τυχαίο αρχικό σημείο
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 Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
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 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 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 περισσότεραΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8
ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ Άλγεβρα 1 ο Κεφάλαιο 1. Τι ονομάζουμε αριθμητική και τι αλγεβρική παράσταση; Να δώσετε από ένα παράδειγμα. Μια παράσταση που περιέχει πράξεις με αριθμούς, καλείται αριθμητική παράσταση,
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 περισσότεραΔιαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς
Διαστήματα εμπιστοσύνης Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Διαστήματα εμπιστοσύνης Το διάστημα εμπιστοσύνης είναι ένα διάστημα αριθμών
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
4. Εκτιμητική Στατιστική Συμπερασματολογία εκτιμήσεις των αγνώστων παραμέτρων μιας γνωστής από άποψη είδους κατανομής έλεγχο των υποθέσεων που γίνονται σε σχέση με τις παραμέτρους μιας κατανομής και σε
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 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 6-7 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
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 Λέκτορας v.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού
Διαβάστε περισσότεραΚεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ
ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 8: Επαγωγική Στατιστική. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 8: Επαγωγική Στατιστική. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ ΜΕ ΘΕΜΑ: «ΜΑΖΟΠΙΝΑΚΕΣ ΓΙΑ ΤΗ ΧΑΛΕΠΙΟ ΠΕΥΚΗ (PINUS HALEPENSIS) ΤΟΥ ΔΑΣΟΥΣ ΤΑΤΟΪΟΥ ΠΑΡΝΗΘΑΣ ΑΤΤΙΚΗΣ»
ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ ΜΕ ΘΕΜΑ: «ΜΑΖΟΠΙΝΑΚΕΣ ΓΙΑ ΤΗ ΧΑΛΕΠΙΟ ΠΕΥΚΗ (PINUS HALEPENSIS) ΤΟΥ ΔΑΣΟΥΣ ΤΑΤΟΪΟΥ ΠΑΡΝΗΘΑΣ ΑΤΤΙΚΗΣ» Μεταπτυχιακή Φοιτήτρια: Αγγελάκη Ειρήνη Επιβλέπουσα Καθηγήτρια: Κιτικίδου Κυριακή
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 περισσότερα3.ΑΠΛΗ ΤΥΧΑΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑ (SIMPLE RANDOM SAMPLING)
3.ΑΠΛΗ ΤΥΧΑΙΑ ΕΙΓΜΑΤΟΛΗΨΙΑ (SIMPLE RANDOM SAMPLING) Η πιο απλή τουλάχιστον στην φιλοσοφία της και στην ανάλυση των δεδοµένων της µέθοδος δειγµατοληψίας είναι αυτή κατά την οποία ένας αριθµός ν ατόµων (πρόκειται
Διαβάστε περισσότεραΧημική Τεχνολογία. Ενότητα 1: Στατιστική Επεξεργασία Μετρήσεων. Ευάγγελος Φουντουκίδης Τμήμα Μηχανολόγων Μηχανικών Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Χημική Τεχνολογία Ενότητα 1: Στατιστική Επεξεργασία Μετρήσεων Ευάγγελος Φουντουκίδης Τμήμα Μηχανολόγων Μηχανικών Τ.Ε. Άδειες Χρήσης
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 14 Μαρτίου 018 1/34 Διαστήματα Εμπιστοσύνης. Εχουμε δει εκτενώς μέχρι τώρα τρόπους εκτίμησης
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 5-6 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΑ. 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 περισσότερα3. ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling)
3 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratfed Radom Samplg) Είναι προφανές από τα τυπικά σφάλματα των εκτιμητριών των προηγούμενων παραγράφων, ότι ένας τρόπος να αυξηθεί η ακρίβεια τους είναι να αυξηθεί
Διαβάστε περισσότερα4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου
4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου Για την εκτίμηση των παραμέτρων ενός πληθυσμού (όπως η μέση τιμή ή η διασπορά), χρησιμοποιούνται συνήθως δύο μέθοδοι εκτίμησης. Η πρώτη ονομάζεται σημειακή εκτίμηση.
Διαβάστε περισσότεραΒΛΑΧΟΠΟΥΛΟΣ ΓΕΡΑΣΙΜΟΣ Δασολόγος
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΔΑΣΟΛΟΓΙΑΣ ΚΑΙ ΔΙΧΕΙΡΙΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΦΥΣΙΚΩΝ ΠΟΡΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΑΕΙΦΟΡΙΚΗ ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΦΥΣΙΚΩΝ ΠΟΡΩΝ ΚΑΤΕΥΘΥΝΣΗ Γ : ΟΙΚΟΛΟΓΙΑ
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 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 2015 Πληθυσμός: Εισαγωγή Ονομάζεται το σύνολο των χαρακτηριστικών που
Διαβάστε περισσότεραΣτατιστική: 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 περισσότεραΣτατιστική Επιχειρήσεων ΙΙ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #4: Έλεγχος Υποθέσεων Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν
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 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 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 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 περισσότεραΔιαστήματα Εμπιστοσύνης
Διαστήματα Εμπιστοσύνης 00 % Διαστήματα Εμπιστοσύνης για τη μέση τιμή ενός πληθυσμού Κατανομή Διασπορά Μέγεθος δείγματος Διάστημα Εμπιστοσύνης Κανονική Γνωστή Οποιοδήποτε Οποιαδήποτε Γνωστή Μεγάλο 30 Z
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 περισσότεραΕίδη 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 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 05 Έλεγχος διακυμάνσεων Μας ενδιαφέρει να εξετάσουμε 5 δίαιτες που δίνονται
Διαβάστε περισσότεραΚεφάλαιο 10 Εισαγωγή στην Εκτίμηση
Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Εκεί που είμαστε Κεφάλαια 7 και 8: Οι διωνυμικές,κανονικές, εκθετικές κατανομές και κατανομές Poisson μας επιτρέπουν να κάνουμε διατυπώσεις πιθανοτήτων γύρω από το Χ
Διαβάστε περισσότεραΕισαγωγή στην Εκτιμητική
Εισαγωγή στην Εκτιμητική Πληθυσμός Εκτίμηση παραμέτρου πληθυσμού μ, σ 2, σ, p Δείγμα Υπολογισμός στατιστικού Ερώτηματα: Πόσο κοντά στην πραγματική τιμή της παραμέτρου του πληθυσμού βρίσκεται η εκτίμηση
Διαβάστε περισσότεραΠεριεχόμενα της Ενότητας. Δειγματοληψία. Δειγματοληψίας. Δειγματοληψία. Τυχαία Δειγματοληψία. Χ. Εμμανουηλίδης, 1.
Περιεχόμενα της Ενότητας Στατιστική ΙI Ενότητα 1: Δειγματοληψία και Κατανομές Δειγματοληψίας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης 1. ειγµατοληψία Πιθανοτικές
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων
ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων ΠΡΑΓΜΑΤΙΚΟ ΚΟΣΤΟΣ ΣΥΛΛΟΓΗ ΠΛΗΡΟΦΟΡΙΩΝ ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ ΕΠΙΛΟΓΗ ΚΑΤΑΝΟΜΗΣ Υπολογισμός πιθανοτήτων και πρόβλεψη τιμών από τις τιμές των παραμέτρων και
Διαβάστε περισσότεραΔασική Βιομετρία ΙΙ. Ενότητα 1: Εισαγωγή. Γεώργιος Σταματέλλος Τμήμα Δασολογίας & Φυσικού Περιβάλλοντος ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 1: Εισαγωγή Γεώργιος Σταματέλλος Τμήμα Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότερα-1- Π = η απόλυτη παράλλαξη του σημείου με το γνωστό υψόμετρο σε χιλ.
-1- ΜΕΤΡΗΣΗ ΥΨΟΜΕΤΡΩΝ ΣΗΜΕΙΩΝ ΤΟΥ ΑΝΑΓΛΥΦΟΥ. Η γνώση των υψομέτρων διαφόρων σημείων μιας περιοχής είναι πολλές φορές αναγκαία για ένα δασοπόνο. Η χρησιμοποίηση φωτογραμμετρικών μεθόδων με τη βοήθεια αεροφωτογραφιών
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ 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 περισσότεραΜΑΘΗΜΑΤΙΚΑ 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 περισσότερα10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης
10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης Διαστήματα εμπιστοσύνης για τον μέσο ενός πληθυσμού (Μικρά δείγματα) Άσκηση 10.7.1: Ο επόμενος πίνακας τιμών δείχνει την αύξηση σε ώρες ύπνου που είχαν
Διαβάστε περισσότεραΙωάννης Σ. Μιχέλης Μαθηματικός
1 Άλγεβρα 1 ο Κεφάλαιο Ερώτηση 1 : Τι ονομάζεται αριθμητική και τι αλγεβρική παράσταση; Μία παράσταση, που περιέχει πράξεις με αριθμούς ονομάζεται αριθμητική παράσταση. Μία παράσταση, που περιέχει πράξεις
Διαβάστε περισσότεραΕισαγωγή στην κοινωνική έρευνα. Earl Babbie. Κεφάλαιο 6. Δειγματοληψία 6-1
Εισαγωγή στην κοινωνική έρευνα Earl Babbie Κεφάλαιο 6 Δειγματοληψία 6-1 Σύνοψη κεφαλαίου Σύντομη ιστορία της δειγματοληψίας Μη πιθανοτική δειγματοληψία Θεωρία και λογική της πιθανοτικής Δειγματοληψίας
Διαβάστε περισσότεραΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
Έστω τυχαίο δείγμα παρατηρήσεων από πληθυσμό του οποίου η κατανομή εξαρτάται από μία ή περισσότερες παραμέτρους, π.χ. μ. Επειδή σε κάθε δείγμα αναμένεται διαφορετική τιμή του μ, είναι προτιμότερο να επιδιώκεται
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων ΙΙ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #: Επαγωγική Στατιστική - Δειγματοληψία Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13
ΠΕΡΙΕΧΟΜΕΝΑ / 7 ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος... 13 Κεφάλαιο 1: Περιγραφική Στατιστική... 15 1.1 Περιγραφική και Συμπερασματική Στατιστική... 15 1.2 Μεταβλητές - Τιμές - Παρατηρήσεις... 19 1.3 Είδη μεταβλητών...
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 περισσότεραΔειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Διαβάστε περισσότεραΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ Δειγµατοληψια. Καθηγητής Α. Καρασαββόγλου Επίκουρος Καθηγητής Π. Δελιάς
ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ Δειγµατοληψια Καθηγητής Α. Καρασαββόγλου Επίκουρος Καθηγητής Π. Δελιάς ΔΕΙΓΜΑΤΟΛΗΨΙΑ Η διαδικασία επιλογής παρατηρήσεων Ποια δηµοσκόπηση πιστεύετε πως θα είναι πιο ακριβής: Αυτή που
Διαβάστε περισσότεραΕλλιπή 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 περισσότεραΑΣΚΗΣΕΙΣ ΔΙΑΣΤΗΜΑΤΩΝ ΕΜΠΙΣΤΟΣΥΝΗΣ. Άσκηση 1. Βρείτε δ/μα εμπιστοσύνης για τη μέση τιμή μ κανονικού πληθυσμού όταν n=20,
ΜΕΜ64: Εφαρμοσμένη Στατιστική 1 ΑΣΚΗΣΕΙΣ ΔΙΑΣΤΗΜΑΤΩΝ ΕΜΠΙΣΤΟΣΥΝΗΣ Άσκηση 1. Βρείτε δ/μα εμπιστοσύνης για τη μέση τιμή μ κανονικού πληθυσμού όταν n=0, X = 7.5, σ = 16, α = 5%. Πως αλλάζει το διάστημα αν
Διαβάστε περισσότεραΔειγματοληψία στην εκπαιδευτική έρευνα. Είδη δειγματοληψίας
Δειγματοληψία στην εκπαιδευτική έρευνα Είδη δειγματοληψίας Γνωρίζουμε ότι: Με τη στατιστική τα δεδομένα γίνονται πληροφορίες Στατιστική Δεδομένα Πληροφορία Αλλά από πού προέρχονται τα δεδομένα; Πώς τα
Διαβάστε περισσότεραΕνότητα 2: Μέθοδοι δειγματοληψίας & Εισαγωγή στην Περιγραφική Στατιστική
ΤΕΙ Στερεάς Ελλάδας Τμήμα Φυσικοθεραπείας Προπτυχιακό Πρόγραμμα Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο ) Ενότητα 2: Μέθοδοι δειγματοληψίας & Εισαγωγή στην Περιγραφική Στατιστική Δρ.
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2015 ΕΚΦΩΝΗΣΕΙΣ
ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 05 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιµες στο R, να αποδείξετε ότι: f + g ' = f ' + g ', R Μονάδες 7 Α. Πότε λέµε ότι µια συνάρτηση
Διαβάστε περισσότεραΣτατιστική. 8 ο Μάθημα: Εφαρμογές Στατιστικής Ι: Διαστήματα Εμπιστοσύνης. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Στατιστική 8 ο Μάθημα: Εφαρμογές Στατιστικής Ι: Διαστήματα Εμπιστοσύνης Γεώργιος Μενεξές Τμήμα Γεωπονίας Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραHELLENIC OPEN UNIVERSITY School of Social Sciences ΜΒΑ Programme. Επιλογή δείγματος. Κατερίνα Δημάκη
HELLENIC OPEN UNIVERSITY School of Social Sciences ΜΒΑ Programme Επιλογή δείγματος Κατερίνα Δημάκη Αν. Καθηγήτρια Τμήμα Στατιστικής Οικονομικό Πανεπιστήμιο Αθηνών 1 Τρόποι Συλλογής Δεδομένων Απογραφική
Διαβάστε περισσότεραΣημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη
Σημειακή εκτίμηση και εκτίμηση με διάστημα 11 η Διάλεξη Εκτιμήτρια Κάθε στατιστική συνάρτηση που χρησιμοποιείται για την εκτίμηση μιας παραμέτρου ενός πληθυσμού (π.χ. ο δειγματικός μέσος) Σημειακή εκτίμηση
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 περισσότεραΔειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Διαβάστε περισσότεραΜια από τις σημαντικότερες δυσκολίες που συναντά ο φυσικός στη διάρκεια ενός πειράματος, είναι τα σφάλματα.
Εισαγωγή Μετρήσεις-Σφάλματα Πολλές φορές θα έχει τύχει να ακούσουμε τη λέξη πείραμα, είτε στο μάθημα είτε σε κάποια είδηση που αφορά τη Φυσική, τη Χημεία ή τη Βιολογία. Είναι όμως γενικώς παραδεκτό ότι
Διαβάστε περισσότεραΜεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική
Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Ενότητα 2: Βασίλης Γιαλαμάς Σχολή Επιστημών της Αγωγής Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία Περιεχόμενα ενότητας Παρουσιάζονται οι βασικές
Διαβάστε περισσότερα3. Κατανομές πιθανότητας
3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.
Διαβάστε περισσότεραΘέμα 1 ο (ΜΑΪΟΣ 2004, ΜΑΪΟΣ 2008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Απόδειξη
ΕΚΔΟΣΕΙΣ ΚΕΛΑΦΑ 59 Θέμα 1 ο (ΜΑΪΟΣ 004, ΜΑΪΟΣ 008) Να δείξετε ότι η παράγωγος της σταθερής συνάρτησης f (x) = c είναι (c) = 0. Έχουμε f (x+h) - f (x) = c - c = 0 και για h 0 είναι f (x + h) - f (x) 0 m
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 περισσότεραΒΕΛΤΙΣΤΟ ΜΕΓΕΘΟΣ ΔΕΙΓΜΑΤΟΣ
ΒΕΛΤΙΣΤΟ ΜΕΓΕΘΟΣ ΔΕΙΓΜΑΤΟΣ Dafia maga Κόστος πειράματος Περιορισμοί σε χρόνο χώρο, κ.λπ. Προστασία σπάνιων ειδών. Μπορεί να κρίνουμε ότι τελικά δεν αξίζει τον κόπο..!!!! Ακρίβεια (αξιοπιστία) Αμεροληψία
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 Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Τυχαίο Δείγμα
Διαβάστε περισσότεραΣυσχέτιση μεταξύ δύο συνόλων δεδομένων
Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,
Διαβάστε περισσότεραΕρευνητική υπόθεση. Η ερευνητική υπόθεση αναφέρεται σε μια συγκεκριμένη πρόβλεψη σχετικά με τη σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές.
Ερευνητική υπόθεση Η ερευνητική υπόθεση αναφέρεται σε μια συγκεκριμένη πρόβλεψη σχετικά με τη σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές. Στα πειραματικά ερευνητικά σχέδια, η ερευνητική υπόθεση αναφέρεται
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 περισσότεραΣτατιστική, Άσκηση 2. (Κανονική κατανομή)
Στατιστική, Άσκηση 2 (Κανονική κατανομή) Στον πίνακα που ακολουθεί δίνονται οι μέσες παροχές όπως προέκυψαν από μετρήσεις πεδίου σε μια διατομή ενός ποταμού. Ζητείται: 1. Να αποδειχθεί ότι το δείγμα προσαρμόζεται
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ Στατιστικά περιγραφικά μέτρα Τα στατιστικά περιγραφικά μέτρα είναι αντιπροσωπευτικές τιμές οι οποίες περιγράφουν με τρόπο ποσοτικό την κατανομή μιας μεταβλητής. Λειτουργούν
Διαβάστε περισσότεραΑπλή Παλινδρόμηση και Συσχέτιση
Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989
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 περισσότεραΕΡΩΤΗΣΕΙΣ 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 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 περισσότερα4.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 περισσότεραΜΑΘΗΜΑΤΙΚΑ 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 περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ 1 Τί λέγεται πληθυσμός τι άτομα και τι μεταβλητή ενός πληθυσμού 2. Ποιες μεταβλητές λέγονται ποιοτικές ή κατηγορικές; 3.
.. ΣΤΑΤΙΣΤΙΚΗ 1 Τί λέγεται πληθυσμός τι άτομα και τι μεταβλητή ενός πληθυσμού 2. Ποιες μεταβλητές λέγονται ποιοτικές ή κατηγορικές; 3. Ποιες μεταβλητές λέγονται ποσοτικές; 4. Πότε μια ποσοτική μεταβλητή
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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότερα