ΚΕΦΑΛΑΙΟ 4 o ΜΗ ΠΑΡΑΜΕΤΡΙΚΕΣ ΣΤΑΤΙΣΤΙΚΕΣ ΤΕΧΝΙΚΕΣ ΓΙΑ ΠΕΡΙΒΑΛΟΝΤΙΚΑ Ε ΟΜΕΝΑ
|
|
- Τηθύς Βενιζέλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ΚΕΦΑΛΑΙΟ 4 o ΜΗ ΠΑΡΑΜΕΤΡΙΚΕΣ ΣΤΑΤΙΣΤΙΚΕΣ ΤΕΧΝΙΚΕΣ ΓΙΑ ΠΕΡΙΒΑΛΟΝΤΙΚΑ Ε ΟΜΕΝΑ Εισαγωγή Εξ αιτίας των ιδιαιτεροτήτων και των προβληµάτων των δεδοµένων τα συµπεράσµατα που προκύπτουν από την εφαρµογή της κλασσικής στατιστικής σε ηµερήσιους µέσους όρους, όπως τα γενικά δεδοµένα που χρησιµοποιήθηκαν για την εύρεση συσχετίσεων ή για την εφαρµογή ελέγχου υποθέσεων είναι ενδεικτικά και χρησιµεύουν για την εύρεση των κατευθύνσεων προς τις οποίες µπορούν να εφαρµοστούν ειδικές στατιστικές αναλύσεις για την εξαγωγή επιστηµονικά τεκµηριωµένων συµπερασµάτων. Επίσης γίνεται αντιληπτή η αναγκαιότητα των στατιστικών τεχνικών που υπερβαίνουν τα προβλήµατα και τις ιδιαιτερότητες των περιβαλλοντικών δεδοµένων. Τα περιβαλλοντικά δεδοµένα, παρουσιάζουν ιδιαιτερότητες που δυσχεραίνουν τη στατιστική τους ανάλυση και την εξαγωγή ουσιωδών και αξιόπιστων συµπερασµάτων µε τις κλασσικές στατιστικές µεθόδους (έλεγχοι υποθέσεων µε προαπαιτούµενη γνώση της κατανοµής, µοντέλα χρονολογικών σειρών κλπ). Το γεγονός αυτό οφείλεται στις missing values, τις ακραίες τιµές και στις τιµές σε όρια που δεν ανιχνεύονται πάντα µε ακρίβεια. Τα παραπάνω προβλήµατα είναι ιδιαίτερα συχνά στα περιβαλλοντικά δεδοµένα εξ αιτίας της δυσκολίας που παρουσιάζει η µέτρηση και συλλογή τους, και οφείλεται σε διάφορους παράγοντες όπως, η ευαισθησία των µηχανηµάτων µέτρησης, η ασυνέχεια στις µετρήσεις λόγω βλαβών ή τη δηµιουργία νέων σταθµών µέτρησης. Ιδιαίτερα στο Λεκανοπέδιο της Αττικής από το 1985 έως σήµερα, καθώς τις τελευταίες δύο δεκαετίες στην Ελλάδα παρουσιάζεται έντονη αύξηση του ενδιαφέροντος για τη µόλυνση του περιβάλλοντος στις αστικές περιοχές. 25
2 Η απαίτηση για την εφαρµογή νέων τεχνικών οδήγησε σε προτάσεις νέων µεθόδων ή προσαρµογές παλαιότερων που βασίζονται κυρίως σε µη παραµετρικές µεθόδους οι οποίες είναι οι κατάλληλες να εφαρµόζονται και σε µικρά σετ δεδοµένων (π.χ. όπως οι ετήσιες τιµές ρύπων) οδηγώντας σε αξιόπιστα αποτελέσµατα. Οι παραπάνω τεχνικές είναι πρακτικές, εύκολα εφαρµόσιµες καθώς δεν απαιτούν τη γνώση της συγκεκριµένης κατανοµής των δεδοµένων. Επίσης δεν επηρεάζονται από τα συνήθη κενά των µετρήσεων (missing values), λάθος µετρήσεις και ακραίες τιµές που πολύ συχνά εµφανίζονται κατά τις µετρήσεις των ρύπων αλλά και των παραµέτρων που τους επηρεάζουν όπως µετεωρολογικές, γεωγραφικές κλπ. Ο κυριότερος και πιο διαδεδοµένος στατιστικός έλεγχος που εφαρµόζεται στα δεδοµένα που αφορούν την ατµόσφαιρα είναι ο έλεγχος Mann-Kendall. Στην παρούσα εργασία παρουσιάζεται και εφαρµόζεται και µε την αρχική του µορφή αλλά και στις πιο σύγχρονες εκδοχές του. Επίσης παρουσιάζεται και εφαρµόζεται η µέθοδος του Sen για την εκτίµηση της κλίσης της τάσης καθώς και οι συσχετίσεις και συνδιακυµάνσεις των εξεταζόµενων µεταβλητών. 4.1 Έλεγχος Mann-Kendall για την εύρεση της τάσης Ο µη παραµετρικός έλεγχος Mann-Kendall εφαρµόζεται όταν υπάρχει η πεποίθηση ότι τα δεδοµένα µπορεί να αποτελούν χρονολογική σειρά µε τάση αύξουσα ή φθίνουσα, όπως στην περίπτωση των ατµοσφαιρικών ρύπων. Έτσι γίνεται η υπόθεση ότι οι παρατηρήσεις X i προκύπτουν από µία συνεχή µονότονη -αύξουσα ή φθίνουσα- συνάρτηση του χρόνου f(t i ) ακολουθώντας το µοντέλο (1): X i = f(t i ) + ε i (1) όπου τα ε i είναι τα κατάλοιπα τα οποία προέρχονται από την ίδια κατανοµή µε µέσο 0. Ο έλεγχος είναι µεταξύ της ισχύς της µηδενική υπόθεσης H 0 εναλλακτικής της H 1 όπως παρακάτω: και της 26
3 Η 0 : οι παρατηρήσεις είναι τυχαία κατανεµηµένες στο χρόνο H 1 : υπάρχει τάση στα δεδοµένα (αύξουσα ή φθίνουσα) Η στατιστική συνάρτηση που χρησιµοποιείται για τον έλεγχο υποθέσεων εξαρτάται από το πλήθος των δεδοµένων και από την τυχόν έντονη αλληλεξάρτηση τους (δηλαδή πολύ κοντινές τιµές). Έτσι έχουµε τις παρακάτω περιπτώσεις (βλέπε Timo Salmi, Anu Maatta, Pia Anttila, Tuija Ruoho-Airola, Toni Amnell, (2002). Detecting Trends of Annual Values of Atmospheric Pollutants by the Mann-Kendall Test and Sen s Slope Estimates The Excel Template Application MAKESENS, Publications on Air Quality No 31, Finnish Meteorological Institute): Πλήθος δεδοµένων η 10 Χρησιµοποιείται η παρακάτω στατιστική συνάρτηση n-1 n S = Σ Σsgn (x j - x k ) (2) k=1 j=k+1 όπου οι x j, x k παρατηρήσεις αντιπροσωπεύουν ετήσιες τιµές και j, k k και 1 εάν (x j - x k ) 0 sgn (x j - x k ) = 0 εάν (x j - x k ) = 0 (3) -1 εάν (x j - x k ) 0 27
4 Οι τιµές που προκύπτουν από την εξίσωση (2) συγκρίνονται µε την τιµή της θεωρητικής κατανοµής S που αντιστοιχεί σε επίπεδο σηµαντικότητας α. Θετικές τιµές της στατιστικής συνάρτησης S υποδηλώνουν την ύπαρξη αύξουσας τάσης ενώ αρνητικές τιµές την ύπαρξη φθίνουσας τάσης. Όσο πιο µεγάλο είναι το πλήθος των παρατηρήσεων n τόσο πιο ακριβής µπορεί να είναι ο έλεγχος κατά τον παρακάτω πίνακα: Επίπεδο Πλήθος σηµαντικότητας παρατηρήσεων α n Πλήθος δεδοµένων η 10 Χρησιµοποιείται η παρακάτω στατιστική συνάρτηση (S-1)/[VAR(S)] 1/2 εάν S 0 Z= 0 εάν S = 0 (4) (S+1)/[VAR(S)] 1/2 εάν S 0 Όπου η διακύµανση της S υπολογίζεται από τον παρακάτω τύπο VAR(S) = 1/18 [ 1(n-1)(2n+5) - Σ tp(t p -1)(2t p +5) ] (5) q p=1 28
5 Οι τιµές που προκύπτουν από την εξίσωση (4) συγκρίνονται µε την τιµή της τυποποιηµένης κανονικής κατανοµής Z που αντιστοιχεί σε επίπεδο σηµαντικότητας α. Θετικές τιµές της στατιστικής συνάρτησης Z υποδηλώνουν την ύπαρξη αύξουσας τάσης ενώ αρνητικές τιµές την ύπαρξη φθίνουσας τάσης. 4.2 Μέθοδος τους Sen για την εύρεση της κλίσης της τάσης Η µέθοδος του Sen (βλέπε Sirois, Allan, (1998). A Brief and Biased Overview of Time Series Analysis or How to Find that Evasive Trend. In WMO report No. 133: WMO/EMEP workshop on Advanced Statistical methods and their Application to Air Quality Date sets Helsinki, September 1998) εφαρµόζεται στις περιπτώσεις δεδοµένων που µπορεί να γίνει η υπόθεση της ύπαρξης γραµµικής τάσης. Έτσι γίνεται η θεώρηση ότι τα δεδοµένα ακολουθούν την παρακάτω εξίσωση και προκύπτουν από την συνάρτηση f η οποία έχει ως ανεξάρτητη µεταβλητή το χρόνο t: f(t) = Qt + B i (6) Η µεταβλητή Q εκφράζει την κλίση της τάσης και η B είναι η σταθερά της εξίσωσης. Η εκτίµηση της κλίσης της τάσης προκύπτει από τη διάµεσο των N κλίσεων Q i των ζευγαριών των n παρατηρήσεων των δεδοµένων, δηλαδή: Q i = (x i - x k ) / (j - k), όπου j k (7) Άρα το πλήθος N των εκτιµούµενων κλίσεων Q i είναι N = n (n-1)/2 H εκτιµήτρια της κλίσης της τάσης του Sen ορίζεται ως η διάµεσος των Q I, που τίθενται σε διάταξη από τη µικρότερη στη µεγαλύτερη: 29
6 Q = Q [(N+1)/2], εάν Ν περιττός αριθµός (8) Q = ½ (Q [N/2] + Q [(N+1)/2] ), εάν Ν άρτιος αριθµός Το διάστηµα εµπιστοσύνης της εκτίµησης Q της κλίσης της τάσης υπολογίζεται µε τη βοήθεια µη παραµετρικής τεχνικής βασισµένης στην κανονική κατανοµή. η Τα όρια του διαστήµατος είναι το Q min (κάτω όριο) που ορίζεται ως η M 1 µεγαλύτερη από τις διατεταγµένες κλίσεις Q i και αντίστοιχα το Q max (άνω όριο) είναι η (M 2 +1) η µεγαλύτερη από τις διατεταγµένες κλίσεις Q i. Τα M 1 και Μ 2 είναι συναρτήσεις του πλήθους N των εκτιµούµενων κλίσεων Q i και της συνάρτησης C a που εξαρτάται από τη διακύµανση S. Έτσι έχουµε: C a = Z 1-α/2 [VAR(S)] 1/2 (9) M 1 = (N - C a ) / 2 Μ 2 = (N + C a ) / 2 (10) Τα M 1 και Μ 2, όταν δεν είναι ακέραιοι στην πράξη στρογγυλοποιούνται προς τα κάτω και προς τα πάνω αντίστοιχα. 4.3 Εφαρµογή του Ελέγχου Mann-Kendall και της µεθόδου του Sen Χρήση του προγραµµατιστικού εργαλείου MAKESENS. Η εφαρµογή του ελέγχου Mann-Kendall για την εύρεση της τάσης και της µεθόδου Sen για την εύρεση της κλίσης της τάσης έγινε µε τη χρήση µίας εφαρµογής του EXCEL µε τη χρήση µακροεντολών της Visual Basic. Το εργαλείο ονοµάζεται MAKESENS και έχει εκπονηθεί από το Φιλανδικό Μετεωρολογικό Ινστιτούτο. Αποτελεί µέρος project, που επιδοτήθηκε από το Συµβούλιο Υπουργών των Σκανδιναβικών χωρών, για την έρευνα της 30
7 ατµοσφαιρικής ρύπανσης ως συνέπειας του πληθυσµού και της µεταφοράς ρύπων µεταξύ των Σκανδιναβικών και Βαλτικών χωρών. Έχουν γίνει οι κατάλληλες προσαρµογές για την εφαρµογή του στους ρύπους του Λεκανοπεδίου της Αττικής για τα έτη Η εφαρµογή του αφορά ετήσια δεδοµένα για την εύρεση της τάσης και εάν υπάρχει την εύρεση της κλίσης της. εν είναι κατάλληλο για την ανίχνευση της εποχικότητας. Είναι όµως κατάλληλο και για µικρό αριθµό δεδοµένων, πρόβληµα που παρουσιάζεται στο Λεκανοπέδιο λόγω της έναρξης των µετρήσεων από το 1984 και τη συνεχή έναρξη καινούριων σταθµών ή την αναβάθµιση των παλαιότερων όπου προσθέτονται οι µετρήσεις περισσότερων ρύπων. Επιτρέπει την ύπαρξη missing values, συχνού προβλήµατος στα δεδοµένα. Η εφαρµογή του γίνεται σε κάθε σταθµό µέτρησης και τις αντίστοιχης µέτρησης του κάθε ρύπου µεµονωµένα. Έτσι επιτυγχάνεται να δοθεί η εικόνα της ατµοσφαιρικής µόλυνσης σε κάθε περιοχή του Λεκανοπεδίου χωριστά. Πληροφορία πολύ χρήσιµη για τη σωστή λήψη και εφαρµογή των αναγκαίων µέτρων από τους αρµόδιους φορείς. Όπως φαίνεται στη συνέχεια, στην πράξη η ακριβής εφαρµογή της θεωρίας και η τήρηση όλων των προϋποθέσεων δεν είναι εφικτή. Όµως σε πολλές περιπτώσεις που έστω και προσεγγιστικά τηρούνται οι προϋποθέσεις είναι δυνατή η εξαγωγή χρήσιµων συµπερασµάτων. Στη συνέχεια παρουσιάζονται τα αποτελέσµατα για κάθε σταθµό και ρύπο χωριστά, µε τη βοήθεια ενός διαγράµµατος και των αποτελεσµάτων των ελέγχων Mann-Kendall και Sen σε πίνακα µε τα αντίστοιχα συµπεράσµατα. Έχουν υπολογιστεί το µοντέλο της χρονολογικής σειράς καθώς και τα διαστήµατα εµπιστοσύνης 95% (α=0.05) και 99% (α=0.01). Τα διαστήµατα εµπιστοσύνης εµφανίζονται στο διάγραµµα καθώς και το διάγραµµα των καταλοίπων. Με την παρατήρηση του διαγράµµατος προκύπτει η εποπτική εικόνα του ρύπου και πληροφορία που δε δίνει µόνο η αποδοχή ή απόρριψη του ελέγχου βάση του υπολογισµένου S ή Z του ελέγχου. Τα αποτελέσµατα παραθέτονται στο Παράρτηµα Ι. 31
8 4.4 Πολυµεταβλητός Έλεγχος Mann-Kendall για την εύρεση της τάσης Ο Έλεγχος - ή Μονοµεταβλητός - Έλεγχος Mann-Kendall (Univariate Mann- Kendall Test) που περιγράφεται και εφαρµόζεται παραπάνω είναι η πρόταση του ελέγχου όπως αρχικά παρουσιάστηκε. Στην πορεία προκειµένου να επιλυθεί το πρόβληµα της ανίχνευσης της τάσης στους ατµοσφαιρικούς ρύπους διεξοδικότερα, ο έλεγχος επεκτάθηκε µε καινούριες προτάσεις προκειµένου να περιληφθούν: 1. η εποχικότητα, 2. οι σταθµοί µέτρησης, 3. φυσικοί παράγοντες όπως τα µετεωρολογικά ή υδρολογικά δεδοµένα. Ο σκοπός αυτών των προτάσεων είναι η ανίχνευση της τάσης ενσωµατώνοντας στον έλεγχο µε µορφή µεταβλητών, όλους τους παράγοντες που επηρεάζουν τις τιµές των ατµοσφαιρικών ρύπων. Έτσι επιτυγχάνεται αφ ενός η ανίχνευση της ύπαρξης τάσης και αφ ετέρου ο προσδιορισµός των φυσικών αιτιών που την επηρεάζουν µε αποτέλεσµα να είναι εφικτή η αποµόνωση της τάση που οφείλεται σε ανθρωπογενείς παράγοντες από την τάση που οφείλεται σε διακυµάνσεις των φυσικών αιτίων. 4.5 Εποχικός Έλεγχος Mann-Kendall ή Έλεγχος Hirsch-Slack (The seasonal Mann-Kendall test or Hirsch-Slack test) Στην περίπτωση που τα δεδοµένα µέτρησης του ατµοσφαιρικού ρύπου, που είναι η αιτιατή µεταβλητή (response variable), είναι εποχικά δηλαδή είναι διαχωρισµένα ποιοτικά σε (ω) εποχές, ο έλεγχος εφαρµόζεται στα δεδοµένα κάθε (ω) εποχής, διαχωρίζοντας τα ουσιαστικά σε (ω) υπό σειρές (sub series), όπου η κάθε υπό σειρά αντιπροσωπεύει µία εποχή (βλέπε Claudia Libiseller, (2002). Trend Testing in the presence of covariates, IMPACT 12, Linkoeping University, Dept of Mathematics). 32
9 k < l ( Z Z ) T = sign j = 1, ω (11) j l j k j Η Τ j είναι η στατιστική συνάρτηση ελέγχου Mann-Kendall για κάθε εποχή j, όπου στη συνέχεια η άθροιση των αντίστοιχων Τ j για κάθε (ω) εποχή καταλήγει στη εποχική συνάρτηση ελέγχου S όπως παρακάτω. ω T j j = 1 S =, (12) Η S ακολουθεί ασυµπτωτικά την κανονική κατανοµή µε µηδενική µέση τιµή και διακύµανση Var[S] που προκύπτει από τον παρακάτω τύπο. Var ω ω [ S] = Var[ T j ] + Cov( T jtg ) j= 1 j, g = 1 g j, (13) όπου η διακύµανση Var[T j ] της στατιστικής συνάρτησης Mann-Kendall (ανά εποχή) καθώς και η συνδιακύµανση Cov(T j T g ) τους (ανά δύο) υπολογίζονται όπως παρακάτω. m ( n j 1)( 2n j + 5) ti ( ti 1)( 2ti + 5) n j i= 1 Var [ T j ] =, (14) 18 n j είναι ο αριθµός των παρατηρήσεων (µετά την αφαίρεση των missing values) της εποχής j, m είναι ο αριθµός των οµάδων δεδοµένων που υπάρχει αλληλεξάρτηση, t i εκφράζει το αριθµητικό µέγεθος της κάθε οµάδας i th που υπάρχει αλληλεξάρτηση. 33
10 n ( T T ) S + 4 R R n( n + 1)( n + 1) 3 Cov j g = j g m j m g j g, (15) m= 1 n j, ng είναι ο αριθµός των παρατηρήσεων (µετά την αφαίρεση των missing values) της εποχής και i και j αντίστοιχα, j g = sign[ ( Z n j Z m j )( Z n g Z m g )] S. (16) m< n R είναι ο πίνακας όπου οι παρατηρήσεις (εξαιρουµένων των missing values) αντιπροσωπεύονται διατεταγµένες ανά εποχή, ως στοιχεία. Έτσι η διάταξη παρακάτω, R m j όπου ( x m x ), του m th στοιχείου της εποχής i th, υπολογίζεται όπως ( x x ) 2 n R m j = n j sign m j k j (17) k= 1 sign j k j ορίζεται ως µηδέν εάν οι παρατηρήσεις m j δεν υπάρχουν (missing values), ώστε η διάµεσος ( +1) 2 µη υπάρχουσες παρατηρήσεις (missing values). j x ή x k j n να ορίσει τις 4.6 Εφαρµογή του Ελέγχου Mann-Kendall σε πολλαπλούς σταθµούς µέτρησης Η αντιµετώπιση σετ δεδοµένων που προέρχονται από διαφορετικούς σταθµούς µέτρησης, που ανήκουν ακόµη και σε διαφορετική ευρύτερη περιοχή είναι ο «κανόνας» στην αντιµετώπιση προβληµάτων που αφορούν ατµοσφαιρικούς ρύπους. Η στατιστική ανάλυση που βασίζεται στους µέσους όρους των σταθµών είναι επισφαλής, ενώ η παράλειψη της ενσωµάτωσης µιας ποιοτικής µεταβλητής που να αντιπροσωπεύει τους διαφορετικούς σταθµούς µέτρησης στη στατιστική συνάρτηση ελέγχου οδηγεί στην απώλεια πολύτιµης πληροφορίας. Ιδιαίτερα εάν ληφθεί υπόψη το φαινόµενο της µεταφοράς των ρύπων σε µεγάλες αποστάσεις, γίνεται εύκολα αντιληπτή η χρησιµότητα και η αναγκαιότητα του Ελέγχου Mann- Kendall σε πολλαπλούς σταθµούς µέτρησης, που βασίζεται στον Έλεγχο 34
11 Αθροισµάτων Συνδιακύµανσης (Covariance-Sum test) (βλέπε Claudia Libiseller, (2002). Trend Testing in the presence of covariates, IMPACT 12, Linkoeping University, Dept of Mathematics). Ο έλεγχος βασίζεται στην ίδια λογική και θεωρία µε τον Εποχικό Έλεγχο Mann- Kendall. Η στατιστική συνάρτηση ελέγχου είναι η V και εκφράζεται από το άθροισµα των (εποχικών) στατιστικών συναρτήσεων Mann-Kendall διαιρεµένο µε το άθροισµα των αντιστοίχων διακυµάνσεων και των συνδιακυµάνσεων µεταξύ τους. Η V ορίζεται και υπολογίζεται από τον παρακάτω τύπο: T T V = 1 S / 1 Γ1, (18) Γ συµβολίζει τον πίνακα ιακύµανσης-συνδιακύµανσης των (εποχικών) συναρτήσεων ελέγχου Mann-Kendall, 1 συµβολίζει ένα διάνυσµα µε όλα τα στοιχεία του µοναδιαία. 4.7 Έλεγχος Mann-Kendall παρουσία συνδιακυµαινόµενων µεταβλητών ή Μερικός Έλεγχος (partial test) Mann-Kendall Όπως έχει ήδη αναφερθεί επανειληµµένα οι µετεωρολογικές συνθήκες και η χηµεία της ατµόσφαιρας πολύ συχνά µπορούν να επηρεάσουν έντονα τις τιµές των ατµοσφαιρικών ρύπων. Όταν αυτό συµβαίνει η πληρέστερη στατιστική ανάλυση για την εύρεση της τάσης των ρύπων, επιτυγχάνεται µε τη εφαρµογή του Μερικού Ελέγχου Mann-Kendall. Ο προαναφερόµενος έλεγχος έχει προταθεί έτσι ώστε η συνάρτηση ελέγχου για την εύρεση της τάσης να υπολογίζεται «κάτω» από την υπόθεση της συνάρτησης ελέγχου Mann-Kendall των συνδιακυµαινόµενων µεταβλητών. Στη συνέχεια παρουσιάζεται αναλυτικά ο Μερικός έλεγχος Mann-Kendall (βλέπε Claudia Libiseller, Anders Grimvall (2002). Performance of Partial Mann-Kendall Tests for Trend Detection in the Presence of Covariates, Linkoeping University, Dept of Mathematics). 35
12 1. Το πρώτο βήµα είναι ο διαχωρισµός των µεταβλητών (απόκρισης και επεξηγηµατικών) µε βάση την ποιοτική µεταβλητή της εποχής, εφόσον βέβαια είναι επιθυµητό να συµπεριληφθεί η εποχικότητα στην ανάλυση. 2. Για κάθε αλληλουχία δεδοµένων, όπως προκύπτουν από το πρώτο βήµα υπολογίζεται το διάνυσµα T, [ ] T T = T, T (18) α β το διάνυσµα T ακολουθεί ασυµπτωτικά πολυµεταβλητή κανονική κατανοµή µε µέσο µ και διακύµανση Γ όπως παρακάτω: µ α µ = και µ β δ 1 Γαα Γαβ Γ =. (19) Γ βα Γ ββ δ δ όπου τα α και β αντιπροσωπεύουν τη µεταβλητή απόκρισης και την οµάδα των επεξηγηµατικών µεταβλητών αντίστοιχα, Ο πίνακας Γ είναι ο πίνακας των διακυµάνσεων και των συνδιακυµάνσεων µεταξύ των µεταβλητών Η στατιστική συνάρτηση ελέγχου εναλλακτικά µπορεί να υπολογιστεί ως άθροισµα ανά εποχή, σταθµό µέτρησης είτε µόνο για την µεταβλητή απόκρισης είτε και για την µεταβλητή απόκρισης και τις επεξηγηµατικές µεταβλητές Η - υπό την υπόθεση S = s -, κατανοµή της S α είναι πολυµεταβλητή κανονική µε µέσο και διακύµανση όπως παρακάτω: β β 1 ( S S = s ) = µ + Γ Γ ( s ) E (20) α β β α α β β β β µ β 1 ( Sα S β = s β ) = Γαα Γα β Γ β β Γ β α Var (21) Εάν η µηδενική υπόθεση είναι αληθής τότε δεν υπάρχει τάση στις µεταβλητές και εποµένως ισχύει, 36
13 37 = = 0 0 µ µ µ β α (22) κατά συνέπεια ο παραπάνω τύπος για την αναµενόµενη τιµή απλοποιείται και γίνεται, ( ) β β β α β β β α s Γ Γ s S S 1 = = E (23)
14 4.8 Εφαρµογή του Ελέγχου Mann-Kendall - Χρήση του προγραµµατιστικού εργαλείου IMPACT «MULTIMK/PARTIALMK» Το πρόγραµµα (project) µε την επωνυµία IMPACT εκπονήθηκε από το Τµήµα Μαθηµατικών του Πανεπιστήµιου του Linkoeping (LIU) στη Σουηδία. Η επιδότηση έγινε από την Ευρωπαϊκή Ένωση στα πλαίσια του ερευνητικού προγράµµατος IST. Το IMPACT περιλαµβάνει δύο προγραµµατιστικά εργαλεία, τα οποία εξειδικεύονται στον προσδιορισµό της τάσης σε ρυπαντές του φυσικού περιβάλλοντος σε διαφορετικές περιπτώσεις. Στην παρούσα εργασία εφαρµόζεται το MULTIMK/PARTIALMK που αφορά τη µελέτη των ρυπαντών της ατµόσφαιρας. Το δεύτερο προγραµµατιστικό εργαλείο το FLOWNORM αφορά τη µελέτη της των ρυπαντών σε ποταµούς. Τα δύο προγραµµατιστικά εργαλεία του IMPACT βασίζονται σε µακροεντολές της Visual Basic εφαρµοσµένες στο Excel. Τελικός στόχος των παραπάνω προγραµµατιστικών εργαλείων είναι ο προσδιορισµός της τάσης των φυσικών διακυµάνσεων (natural fluctuations) τα επίπεδα των ρύπων στην ατµόσφαιρα διαχωρίζοντας την επίδραση των ανθρωπογενών παραγόντων (human impact). Το προγραµµατιστικό εργαλείο MULTIMK/PARTIALMK που αφορά την έρευνα της ατµοσφαιρικής ρύπανσης βασίζεται στην εφαρµογή του µη παραµετρικού ελέγχου Mann-Kendall για την εύρεσης της τάσης (Πολυµεταβλητός Έλεγχος Mann-Kendall για την εύρεση της τάσης και Μερικός Έλεγχος Mann-Kendall). Η χρησιµότητα του MULTIMK/PARTIALMK, ως εργαλείου στήριξης, για τον προσδιορισµό της ποιότητας του ατµοσφαιρικού φυσικού περιβάλλοντος είναι µεγάλη καθώς δίνει τη δυνατότητα του ποιοτικού ελέγχου των επιπέδων της ρύπανσης στην ατµόσφαιρα. Έτσι µπορεί να γίνει η σωστή εκτίµηση των ορίωνστόχων σε κάθε περιοχή και η σωστή αξιολόγηση των µετρήσεων των ρύπων από τους σταθµούς ελέγχου. ίνεται η δυνατότητα της ενσωµάτωσης πληροφορίας που αφορά την εποχικότητα, την εισαγωγή γεωγραφικής ποιοτικής µεταβλητής σταθµός µέτρησης κλπ. Επίσης δίνεται η δυνατότητα του ποσοτικού 38
15 προσδιορισµού της επίδρασης των µετεωρολογικών παραµέτρων που αποτελούν πολύ σηµαντική παράµετρο στα επίπεδα των τιµών ρύπων. Τα αποτελέσµατα (output) που παρέχει το εργαλείο MULTIMK/PARTIALMK προσφέρονται για την εξαγωγή συµπερασµάτων για την ύπαρξη ή µη τάσης σε κάθε ρύπο. Επίσης δίνεται η δυνατότητα της ανίχνευσης της ύπαρξης εποχικότητας (season) καθώς και διαφοροποίησης ανά περιοχή µικρότερη (site) ή ευρύτερη (plot) στην τάση του κάθε ρύπου. Επίσης µε το µερικό έλεγχο MK (partial test MK) µπορεί να προσδιοριστεί η τάση ενός ρύπου σε σχέση µε κάποια άλλη µεταβλητή που υπάρχει εξάρτηση, η µεταβλητή αυτή µπορεί να είναι είτε ρύπος είτε κάποια µετεωρολογική µεταβλητή. Επίσης δίνεται η δυνατότητα για την ανίχνευση των εξαρτήσεων µεταξύ των µεταβλητών από τους πίνακες µε τις συνδιακυµάνσεις και τις συσχετίσεις µεταξύ των ρύπων του ελέγχου Mann-Kendall. Στους πίνακες που παρουσιάζονται στη συνέχεια παραθέτονται τα αποτελέσµατα του ελέγχου Mann-Kendall όπως εφαρµόστηκε στα µηνιαία δεδοµένα για τα έτη 1997 έως 2001, µε τη χρήση του MULTIMK/PARTIALMK. Τα αποτελέσµατα έχουν προκύψει από την εφαρµογή του ελέγχου Mann-Kendall µε 4 διαφορετικούς συνδυασµούς προκειµένου να εξαχθούν κατά το δυνατό πληρέστερα συµπεράσµατα. Έτσι σε όλους τους υπό εξέταση ρύπους εφαρµόστηκε ο έλεγχος Mann-Kendall για την εύρεση της τάσης εισάγοντας την ποιοτική µεταβλητή της εποχής (µήνα). Ιδιαίτερα για το όζον και τα οξείδια του αζώτου εφαρµόστηκε ο µερικός έλεγχος Mann-Kendall (partial test), αφού υπάρχει σχέση επεξηγηµατικής µεταβλητής (explanatory variable) και µεταβλητής απόκρισης (response variable). Η εφαρµογή των δύο παραπάνω ελέγχων έγινε, τόσο µε την άθροιση των εποχικών αποτελεσµάτων όσο και χωρίς αυτήν. Στον πίνακα 6 παρουσιάζονται τα αποτελέσµατα για την ύπαρξη ή µη τάσης (αύξουσας ή φθίνουσας) όπως αυτά προκύπτουν από την εφαρµογή του 39
16 µονοµεταβλητού ελέγχου Mann-Kendall. Στον πίνακα 7 δίδονται τα αντίστοιχα αποτελέσµατα από την εφαρµογή του εποχικού ελέγχου Mann-Kendall στα ίδια δεδοµένα, δηλαδή µε την εισαγωγή της εποχικότητας ως ποιοτικής µεταβλητής. Θετική τιµή της τυποποιηµένης στατιστικής συνάρτησης ελέγχου MK-Stat ακολουθεί την Ν (0,1) υποδηλώνει την ύπαρξη αύξουσας τάσης ενώ αρνητική τιµή της συνάρτησης υποδηλώνει την ύπαρξη φθίνουσας τάσης. Επίσης στους πίνακες εµφανίζονται ο αριθµός των δεδοµένων ανά έλεγχο (Nonmiss), η τιµή της στατιστικής συνάρτησης (Test Stat), η τυποποιηµένη διακύµανση (Std. Dev.), επίσης όπου υπάρχει και η ποιοτική µεταβλητή που εκφράζει την εποχικότητα. Στους πίνακες 8 και 9 παρουσιάζονται µε αντίστοιχο τρόπο µε τους 6 και 7 πίνακες, τα αποτελέσµατα από την εφαρµογή του µερικού ελέγχου Mann-Kendall µε το όζον (Ο 3 ) ως µεταβλητή απόκρισης και τα οξείδια του αζώτου NO και NO 2 ως επεξηγηµατικές µεταβλητές. Η ερµηνεία των αποτελεσµάτων διαφέρει από την περίπτωση εφαρµογής του µονοµεταβλητού ή εποχικού ελέγχου Mann- Kendall στην επιπρόσθετη πληροφορία για την µεταβλητή απόκρισης που δίνει το p-value και είναι η πιθανότητα να παρατηρηθεί η συγκεκριµένη τιµή της MK- Stat ή µεγαλύτερη της εάν είναι θετική και µικρότερη της εάν είναι αρνητική. Πολυµεταβλητός Έλεγχος (Multivariate) Mann-Kendall (Μηνιαία δεδοµένα για όλους τους σταθµούς µέτρησης του Λεκανοπεδίου της Αττικής ) Πίνακας 5(α) Συνδυαστικοί Έλεγχοι (Combined Tests) o3 All co All no All
17 no2 All nox All so2 All Πίνακας 5(β) Πολυµεταβλητοί Στατιστικοί Έλεγχοι (Univariate Test Statistics) o co
18 no no2 nox
19 so Πίνακας 5(γ) Μερικός Έλεγχος (Partial Test) Mann-Kendall (Μηνιαία δεδοµένα για όλους του σταθµούς µέτρησης του Λεκανοπεδίου της Αττικής ) no All no2 All o3 All Partial Mann-Kendall Test MK Stat of response variable -8 Conditional Mean Conditional Std. Dev Partial MK Stat p-value
20 Πίνακας 6(α) Πίνακας ιακυµάνσεων Συνδιακυµάνσεων του Στατιστικού Ελέγχου Mann-Kendall (Var-Covar Matrix of the Mann-Kendall Statistics) o3 co no no2 nox so2 All All All All All All o co no no nox so Πίνακας 6(β) Πίνακας Συσχετίσεων του Στατιστικού Ελέγχου Mann-Kendall Correlation Matrix of the Mann-Kendall Statistics o3 co no no2 nox so2 All All All All All All o co no no nox so
ΚΕΦΑΛΑΙΟ 5 o ΣΥΜΠΕΡΑΣΜΑΤΑ
ΚΕΦΑΛΑΙΟ 5 o ΣΥΜΠΕΡΑΣΜΑΤΑ Εισαγωγή Η προσέγγιση του προβλήµατος της ατµοσφαιρικής ρύπανσης έγινε µε βάση την εµπειρία από χώρες που µελετούν το πρόβληµα αυτό συστηµατικά επί χρόνια. Τα συµπεράσµατα που
Διαβάστε περισσότερα1.4 Λύσεις αντιστρόφων προβλημάτων.
.4 Λύσεις αντιστρόφων προβλημάτων. Ο τρόπος παρουσίασης της λύσης ενός αντίστροφου προβλήµατος µπορεί να διαφέρει ανάλογα µε τη «φιλοσοφία» επίλυσης που ακολουθείται και τη δυνατότητα παροχής πρόσθετης
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 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 περισσότεραΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ
ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ Το ενδιαφέρον επικεντρώνεται πάντα στον πληθυσμό Το δείγμα χρησιμεύει για εξαγωγή συμπερασμάτων για τον πληθυσμό π.χ. το ετήσιο εισόδημα των κατοίκων μιας περιοχής Τα στατιστικά
Διαβάστε περισσότεραΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Αριάδνη Αργυράκη
ΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Αριάδνη Αργυράκη ΣΤΑΔΙΑ ΕΚΤΕΛΕΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΙΚΩΝ ΓΕΩΧΗΜΙΚΩΝ ΕΡΕΥΝΩΝ 1.ΣΧΕΔΙΑΣΜΟΣ: - Καθορισμός στόχων έρευνας - Ιστορικό περιοχής 2 4.
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 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 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 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 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 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 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 περισσότεραΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
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 περισσότεραΠολλαπλή παλινδρόµηση. Μάθηµα 3 ο
Πολλαπλή παλινδρόµηση Μάθηµα 3 ο Πολλαπλή παλινδρόµηση (Multivariate regression ) Η συµπεριφορά των περισσότερων οικονοµικών µεταβλητών είναι συνάρτηση όχι µιας αλλά πολλών µεταβλητών Y = f ( X, X 2, X
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 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 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 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 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 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 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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Διαβάστε περισσότεραΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
ΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΟΝ ΕΝΤΟΠΙΣΜΟ ΓΕΩΧΗΜΙΚΗΣ ΑΝΩΜΑΛΙΑΣ Στατιστική ανάλυση του γεωχημικού δείγματος μας δίνει πληροφορίες για τον
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 περισσότεραΣυλλογή,, αποθήκευση, ανανέωση και παρουσίαση στατιστικών δεδοµένων
Συλλογή,, αποθήκευση, ανανέωση και παρουσίαση στατιστικών δεδοµένων 1. Αναζήτηση των κατάλληλων δεδοµένων. 2. Έλεγχος µεταβλητών και κωδικών για συµβατότητα. 3. Αποθήκευση σε ηλεκτρονική µορφή (αρχεία
Διαβάστε περισσότεραMEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ Y= g( X1, X2,..., Xn)
MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ g( Έστω τυχαίες µεταβλητές οι οποίες έχουν κάποια από κοινού κατανοµή Ας υποθέσουµε ότι επιθυµούµε να προσδιορίσουµε την κατανοµή της τυχαίας µεταβλητής g( Η θεωρία των ένα-προς-ένα
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ B Δημήτρης Κουγιουμτζής e-mal: dkugu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://uer.auth.gr/~dkugu/teach/cvltraport/dex.html Εφαρμοσμένη Στατιστική:
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100
Ποσοτικές Μέθοδοι Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR 50100 Απλή Παλινδρόμηση Η διερεύνηση του τρόπου συμπεριφοράς
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
ΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΕΝΟΤΗΤΕΣ 1. ΓΕΝΙΚΗ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ 3. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΗΣ ΠΡΟΟΔΕΥΤΙΚΗΣ ΠΡΟΣΘΗΚΗΣ
Διαβάστε περισσότεραiii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος
iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότεραΜάθηµα 3 ο. Περιγραφική Στατιστική
Μάθηµα 3 ο Περιγραφική Στατιστική ΗΣτατιστικήείναι Μια τυποποιηµένη σειρά αναλυτικών µεθόδων, οι οποίες χρησιµοποιούνται από τον εκάστοτε ερευνητή για την ανάλυση των διαθέσιµων δεδοµένων. Υπάρχουν δύο
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα
Διαβάστε περισσότεραΠΑΛΙΝΔΡΟΜΗΣΗ ΤΑΞΗΣ ΜΕΓΕΘΟΥΣ
. ΠΑΛΙΝΔΡΟΜΗΣΗ ΤΑΞΗΣ ΜΕΓΕΘΟΥΣ (RANK REGRESSION).1 Μονότονη Παλινδρόμηση (Monotonic Regression) Από τη γραφική παράσταση των δεδομένων του προηγουμένου προβλήματος παρατηρούμε ότι τα ζευγάρια (Χ i, i )
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 περισσότερα2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για
2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για τον καθορισμό του καλύτερου υποσυνόλου από ένα σύνολο
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 περισσότεραΕνότητα 1: Εισαγωγή. ΤΕΙ Στερεάς Ελλάδας. Τμήμα Φυσικοθεραπείας. Προπτυχιακό Πρόγραμμα. Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο )
ΤΕΙ Στερεάς Ελλάδας Τμήμα Φυσικοθεραπείας Προπτυχιακό Πρόγραμμα Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο ) Ενότητα 1: Εισαγωγή Δρ. Χρήστος Γενιτσαρόπουλος Λαμία, 2017 1.1. Σκοπός και
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 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 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 περισσότεραΗ ΣΤΑΤΙΣΤΙΚΗ ΣΤΟ ΕΡΓΑΣΤΗΡΙΟ ΣΠΕΡΜΑΤΟΣ
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΙΑTΡΙΚΗ ΣΧΟΛΗ Η ΣΤΑΤΙΣΤΙΚΗ ΣΤΟ ΕΡΓΑΣΤΗΡΙΟ ΣΠΕΡΜΑΤΟΣ Έλενα Κριτσέλη, MPH PhD Επιστημονικός Συνεργάτης Επιδημιολόγος Χρόνιων Παθήσεων, Α Πανεπιστημιακή Παιδιατρική
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 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 περισσότεραΔιμεταβλητές κατανομές πιθανοτήτων
Διμεταβλητές κατανομές πιθανοτήτων Για να περιγράψουμε την σχέση ανάμεσα σε δύο τυχαίες μεταβλητές χρειαζόμαστε την κοινή κατανομή πιθανοτήτων τους. Η κοινή συνάρτηση πιθανότητ ικανοποιε ί τις συνθ ήκες
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 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 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 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 περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Value at Risk (VaR) και Expected Shortfall
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ Value at Risk (VaR) και Expected Shortfall Ορισμός του VaR VaR, Value at Risk, Αξία σε Κίνδυνο. Η JP Morgan εισήγαγε την χρήση του. Μας δίνει σε ένα μόνο νούμερο, την
Διαβάστε περισσότεραΔΙΕΡΕΥΝΗΣΗ ΚΛΙΜΑΤΙΚΩΝ ΑΛΛΑΓΩΝ ΓΙΑ ΤΟ ΝΗΣΙ ΤΗΣ ΝΑΞΟΥ
ΔΙΕΡΕΥΝΗΣΗ ΚΛΙΜΑΤΙΚΩΝ ΑΛΛΑΓΩΝ ΓΙΑ ΤΟ ΝΗΣΙ ΤΗΣ ΝΑΞΟΥ ΜΑΜΜΑΣ ΚΩΝ/ΝΟΣ ΑΜ:331/2003032 ΝΟΕΜΒΡΙΟΣ 2010 Ευχαριστίες Σε αυτό το σημείο θα ήθελα να ευχαριστήσω όλους όσους με βοήθησαν να δημιουργήσω την παρούσα
Διαβάστε περισσότεραΜΕΘΟΔΟΣ ΤΗΣ ΒΗΜΑΤΙΚΗΣ ΠΑΛΙΝΔΡΟΜΗΣΗΣ (STEPWISE REGRESSION)
4. ΜΕΘΟΔΟΣ ΤΗΣ ΒΗΜΑΤΙΚΗΣ ΠΑΛΙΝΔΡΟΜΗΣΗΣ (STEPWISE REGRESSION) Η μέθοδος της βηματικής παλινδρόμησης (stepwise regression) είναι μιά άλλη μέθοδος επιλογής ενός "καλού" υποσυνόλου ανεξαρτήτων μεταβλητών.
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 περισσότερα----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------
----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 9 ο 9.1 ηµιουργία µοντέλων πρόβλεψης 9.2 Απλή Γραµµική Παλινδρόµηση 9.3 Αναλυτικά για το ιάγραµµα ιασποράς
Διαβάστε 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 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 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 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 περισσότεραΔρ. Χάϊδω Δριτσάκη. MSc Τραπεζική & Χρηματοοικονομική
Ποσοτικές Μέθοδοι Δρ. Χάϊδω Δριτσάκη MSc Τραπεζική & Χρηματοοικονομική Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR
Διαβάστε 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 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 περισσότεραΑπαραμετρική Στατιστική. Έλεγχοι για k 2 ανεξάρτητους πληθυσμούς
Απαραμετρική Στατιστική Έλεγχοι για k 2 ανεξάρτητους πληθυσμούς Πολλά από τα κριτήρια της στατιστικής συμπερασματολογίας βασίζονται σε περιοριστικές υποθέσεις για την κατανομή των πληθυσμών από τους οποίους
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 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 περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Πώς συσχετίζονται δυο μεταβλητές; Ένας απλός τρόπος για να αποκτήσουμε
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 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 περισσότεραΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ Χ 2 test ανεξαρτησίας: σχέση 2 ποιοτικών μεταβλητών
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (3 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΠοσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΣτασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ. Μέρος Α. ΣΤΑΤΙΣΤΙΚΗ Θεωρία και Εφαρµογές Υπολογιστικοί αλγόριθµοι στον MS-Excel: υπολογισµός και ερµηνεία στατιστικών ευρηµάτων
ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος... vii Μέρος Α ΣΤΑΤΙΣΤΙΚΗ Θεωρία και Εφαρµογές Υπολογιστικοί αλγόριθµοι στον MS-Excel: υπολογισµός και ερµηνεία στατιστικών ευρηµάτων Πρόλογος Α Μέρους... 3 Αρχικές πληροφορίες και
Διαβάστε περισσότεραΣτόχος µαθήµατος: ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. 1. Απλή γραµµική παλινδρόµηση. 1.2 Παράδειγµα 6 (συνέχεια)
ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. Απλή γραµµική παλινδρόµηση Παράδειγµα 6: Χρόνος παράδοσης φορτίου ΜΑΘΗΜΑ
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 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 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 περισσότεραΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Π E Ρ IEXOMENA Πρόλογος... xiii ΜΕΡΟΣ ΠΡΩΤΟ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΠΑΡΟΥΣΙΑΣΗ ΤΩΝ ΣΤΑΤΙΣΤΙΚΩΝ Ε ΟΜΕΝΩΝ 1.1 Εισαγωγή... 3 1.2 Ορισµός και αντικείµενο της στατιστικής... 3
Διαβάστε περισσότεραΣτατιστικές Υποθέσεις
Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Στατιστικές Υποθέσεις Δρ. Αγγελίδης Π. Βασίλειος 2 Εισαγωγή Ίσως το σπουδαιότερο μέρος της Στατιστικής επιστήμης. Εξαγωγή συμπερασμάτων για τις τιμές των παραμέτρων
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 περισσότεραΓ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β )
ΑΡΧΗ ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΚΥΡΙΑΚΗ /0/0 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ:ΕΝΝΕΑ (9) ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑΤΩΝ ΘΕΜΑ
Διαβάστε περισσότεραΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ: ΤΕΣΣΕΡΙΣ (4)
ΑΡΧΗ ΗΣ ΣΕΛΙ ΑΣ ΠΑΝΕΛΛΑ ΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ HMEΡΗΣΙΩΝ ΕΣΠΕΡΙΝΩΝ ΑΥΤΟΤΕΛΩΝ ΤΜΗΜΑΤΩΝ & ΤΜΗΜΑΤΩΝ ΣΥΝ Ι ΑΣΚΑΛΙΑΣ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ ΣΑΒΒΑΤΟ 9 ΙΟΥΝΙΟΥ 8 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ (ΑΛΓΕΒΡΑ) ΣΥΝΟΛΟ ΣΕΛΙ
Διαβάστε περισσότερα, και για h 0, . Άρα. Α2. Μια συνάρτηση f λέγεται γνησίως αύξουσα σε ένα διάστημα Δ του πεδίου ορισμού της, όταν για οποιαδήποτε σημεία x.
ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β) ΠΑΡΑΣΚΕΥΗ 10 ΙΟΥΝΙΟΥ 01 ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α είναι f 1, για κάθε. Μονάδες
Διαβάστε περισσότεραΕξέταση Φεβρουαρίου (2011/12) στο Μάθηµα: Γεωργικός Πειραµατισµός. Ζήτηµα 1 ο (2 µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή
Σειρά Β Εξέταση Φεβρουαρίου (0/) στο Μάθηµα: Γεωργικός Πειραµατισµός Θεσσαλονίκη: 4/0/0 Επώνυµο Όνοµα Αρ. Μητρώου Κατεύθυνση Ζήτηµα ο ( µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΧΡΗΣΗ SPSS
ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΧΡΗΣΗ SPSS Πανεπιστήμιο Θεσσαλίας-Τμήμα Πολιτικών Μηχανικών Εργαστήριο Κυκλοφορίας, Μεταφορών και Διαχείρισης Εφοδιαστικής Αλυσίδας Αντικείμενα διάλεξης Σύντομη εισαγωγή
Διαβάστε περισσότεραΜάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος
ΤΜΜΑ ΕΠΙΧΕΙΡΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΜΑΤΩΝ Μάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος - Στο παρόν µάθηµα δίνεται µε κάποια απλά παραδείγµατα-ασκήσεις
Διαβάστε περισσότερα4.3.3 Ο Έλεγχος των Shapiro-Wilk για την Κανονική Κατανομή
4.3.3 Ο Έλεγχος των Shapro-Wlk για την Κανονική Κατανομή Ένας άλλος πολύ γνωστός έλεγχος καλής προσαρμογής για την κανονική κατανομή, ο οποίος μπορεί να χρησιμοποιηθεί στην θέση του ελέγχου Lllefors, είναι
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 22 Μαΐου /32
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 22 Μαΐου 2017 1/32 Εισαγωγή: Τυπικό παράδειγμα στατιστικού ελέγχου υποθέσεων. Ενας νέος τύπος
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 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 περισσότερα7.1.1 Η Μέθοδος των Ελαχίστων Τετραγώνων
7.. Η Μέθοδος των Ελαχίστων Τετραγώνων Όπως ήδη αναφέρθηκε, μία ευρύτατα διαδεδομένη μέθοδος για την εκτίμηση των σταθερών α και β είναι η μέθοδος των ελαχίστων τετραγώνων. Η μέθοδος αυτή επιλέγει εκτιμήτριες
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 περισσότεραΓραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Προϋποθέσεις Εφαρμογής
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 περισσότεραΑνάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη
Διαβάστε περισσότεραΠαρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο
Εφαρμογές Ανάλυσης Σήματος στη Γεωδαισία Παρουσίαση η : Αρχές εκτίμησης παραμέτρων Μέρος ο Βασίλειος Δ. Ανδριτσάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας
Διαβάστε περισσότεραMέτρα (παράμετροι) θέσεως
Mέτρα (παράμετροι) θέσεως Είδη παραμέτρων Σκοπός μέτρων θέσεως Μέτρα θέσεως Αριθμητικός μέσος Επικρατούσα τιμή Διάμεσος Τεταρτημόρια Σύντομη περιγραφή Το πρώτο βήμα της ανάλυσης των δεδομένων, είναι η
Διαβάστε περισσότερα