DEMOCRITUS UNIVERISTY OF THRACE Dept. of Physical Education and Sport Sciences Doctoral Program of Study COURSE OUTLINE
|
|
- Ἀδράστεια Βαρνακιώτης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 DEMOCRITUS UNIVERISTY OF THRACE Dept. of Physical Education and Sport Sciences Doctoral Program of Study COURSE OUTLINE 1. COURSE TITLE: Advanced Statistics 2. COURSE COORDINATOR/ LECTURER: Mavrommatis George, Professor tel/fax: ADDITIONAL LECTURERS: 4. TEACHING STRATEGY: Lectures 5. SEMESTER: Spring semester 6. TYPE OF COURSE: Compulsory 7. DIRECTION OF STUDY: Doctorate program 8. ECTS: AIM OF THE COURSE The aim of the courses is the introduction in the initial principles of Statistic and the familiarization of students with basic principles of applied Statistics, the analysis of variance, the regression, the factorials analysis and the classifications, mostly in the Physical Education. Furthermore the aim of the courses is to developing the student s potential to apply the above analysing data and getting statistical results. 10. LEARNING OUTCOMES After the completion of the course the students will be able to: 1. To recognize and understand the basic principles of applied statistics, the test theory and the analysis of variance, the regressions, the factors analysis, the discriminant and cluster analysis 2. To recognize the data models of above contents 3. To know the application of statistical analysis for respects data model 4. To getting results for the analysis and to can interpret them Detailed Outline of Learning Outcomes Learning Outcomes Educational Activities Assessment Criteria To recognize and understand the basic principles of applied statistics, the test theory and the analysis of variance, the regressions, the factors analysis, the discriminant and cluster analysis lectures exams Student workload (hours/semester) 100 To recognize the data models of above contents Lectures exams 80 1
2 To know the application of statistical analysis for respects data model To getting results for the analysis and to can interpret them Lectures Lectures exams 60 exams 60 TOTAL COURSE CONTENTS Initial principles of Statistic, variance, standard deviations, normal distribution, confidence interval, t-test for independent and dependent samples, analysis of variance for independent and dependent samples, non parametric test of Mann- Witney and Wilcoxon, test of Kruskal-Wallis, non parametric test of Spearman, Chi- Square goodness of fit and Chi-Square Test for independence, simple and multivariate regression analysis, nonlinear simple regression, logistic regression and description of canonical regression model, basic linear algebra, principal component analysis, factor analysis, discriminant analysis and cluster analysis. 12. TEACHING APPROACH Lectures, conversations, 13. TIME SCHEDULE OF LECTURES Lecture Lecturer Topic 1 Mavrommatis G. Introduction in the basic principles of Statistic, hypothesis test, significant level, errors type I and II, reject area and t- test for independent samples 2 Mavrommatis G. One-Way Analysis of Variances for independent samples, two-way Analysis of Variances for independent samples 3 Mavrommatis G. Analysis of variances for repeated measures. 4 Mavrommatis G. Simple and multivariate regression analysis 5 Mavrommatis G. Nonlinear simple regression, logistic regression and description of canonical regression model 6 Mavrommatis G. Non parametric test of Mann-Witney and Wilcoxon, test of Kruskal-Wallis, non parametric test of Spearman, Chi-Square goodness of fit and Chi-Square Test for Independence 7 Mavrommatis G. Basic principles of linear algebra 8. Mavrommatis G. Principal component analysis 9 Mavrommatis G. Principal component analysis 10 Mavrommatis G. 11 Mavrommatis G. Factor analysis Discriminant analysis 2
3 12 Mavrommatis G. Classification analysis Final Assessment 14. EVALUATION OF STUDENTS LEARNING Assessment Criteria Percentage of Final Grade Presences (10%) Written exams at the end of semester (90%) 16. REQUIRED TEXT OR READINGS/OTHER MATERIAL 1. Γούργουλης Β., Μαυρομάτης Γ «Βασικές έννοιες εφαρμοσμένης Στατιστικής στη Φυσική Αγωγή», Salto, Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης δεδομένων», University Studio Press, Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 4. Παπαδημητρίου Γ., «Η Ανάλυση Δεδομένων», Γιώργος Δάρδανος, Γναρδέλης Χ., «Αναλυση δεδομένων με το SPSS 14 for Windows», 6. Ferguson G., Takane Y. Statistical Analysis in Psychology and Educational, Mac Graw-Hill, Sharma S., Applied Multivatiate Techniques, Wiley, Tabachnick B. and Fidell L., Using Multivariate Statistics, Pearson, 17. ACADEMIC INTEGRITY Students in this course will complete all course work and related activities in compliance with the Law N. 2121/1993in effect for Intellectual Rights. Plagiarism of any kind will not be tolerated under any circumstances being a serious disciplinary offence with significant ratifications and it results in an immediate F grade for this course. In addition all such cases will be immediately directed to the Directing Committee. Any words or ideas that are not yours should be accompanied by full and complete citations. 3
4 18. DETAILED COURSE CONTENT Lecture 1 Basic principles of Statistic, the concept of variance, standard deviation, standardize transformation, normal distribution and sampling distribution, central limit theorem, error type I and II, significance level, rejection area. Introduction in the basic principles of Statistic, t-test for independent and dependent samples Lecture 2 One-Way Analysis of variances for independent and dependent samples Variance, Standard deviation, normal distribution, confidence interval, significance level 1. Γούργουλης Β., Μαυρομάτης Γ «Βασικές έννοιες εφαρμοσμένης Στατιστικής στη Φυσική Αγωγή», Salto, Ferguson G., Takane Y. Statistical Analysis in Psychology and Educational, Mac Graw-Hill,1989 Description of one way data model for independent sample, sum of squares within and between groups, mean sum of squares, F-values, post hoc tests, dependent samples, data model with one dependent factor, sum of squares within subjects, the meaning of interaction as standard error Sum of squares within and between groups, mean sum of squares, F- values, post hoc tests, sum of squares within subjects 1. Γούργουλης Β., Μαυρομάτης Γ «Βασικές έννοιες εφαρμοσμένης Στατιστικής στη Φυσική Αγωγή», Salto, Γναρδέλης Χ., «Αναλυση δεδομένων με το SPSS 14 for Windows», 3. Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 4. Ferguson G., Takane Y. Statistical Analysis in Psychology and Educational, Mac Graw-Hill,1989 Lecture 3 Two-Way analysis of variances for independent and dependent samples, analysis of variance for mixed models Description for data model of analysis of variance for two independent factors, examples, main effects, interaction, mixed models, examples relatives to analysis of variances with two factors of which one is dependent, clarification of the concepts sum of squares of subjects within rows, interaction rows by columns and interaction subjects by columns Main effects, interaction, simple main effect, mixed models 4
5 within rows. 1. Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 2.Γναρδέλης Χ., «Αναλυση δεδομένων με το SPSS 14 for Windows», 3.Ferguson G., Takane Y. Statistical Analysis in Psychology and Educational, Mac Graw-Hill,1989 Lecture 4 Non parametric tests of Mann- Witney, Wilcoxon, Spearman, Kendal, and Kruskal-Wallis, Chi square tests Non parametric tests, rank values, mean of rank value, tables of frequencies, contingency tables, non parametric tests for two or three independent samples and two dependent samples, non parametric coefficient of correlation, chi square test of goodness fit and independences. Mean of rank value, contingency tables, chi square test of goodness fit and independencies 1. Γούργουλης Β., Μαυρομάτης Γ «Βασικές έννοιες εφαρμοσμένης Στατιστικής στη Φυσική Αγωγή», Salto, Γναρδέλης Χ., «Αναλυση δεδομένων με το SPSS 14 for Windows», Lecture 5 Simple and multiple regression Points cloud, regression line, method of least squares, regression coefficients, standard error of estimate, coefficient of determination, Beta coefficients, partial correlation coefficient, linearity test of model, the use of categorical variables Method of least squares, standard error of estimate, coefficient of determination, Beta coefficients, partial correlation coefficient 1. Γούργουλης Β., Μαυρομάτης Γ «Βασικές έννοιες εφαρμοσμένης Στατιστικής στη Φυσική Αγωγή», Salto, Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 3. Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 4. Γναρδέλης Χ., «Αναλυση δεδομένων με το SPSS 14 for Windows», Lecture 6 5
6 Non linear simple regression, logistic regression, element of canonical regression Non linear simple regression of second or third degree, standard error of estimate, coefficient of determination, confidence intervals of non linear models, partial coefficient of determination, model of logistic regression, coefficients of logistic regression, logit(p), antilog of coefficients in logistic regression, log-likelihood function, tests in coefficients of logistic model, canonical regression model, canonical factors, variables loading. Partial coefficient of determination, likelihood ratio statistic, canonical factors 1.Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 2.Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 3.Γναρδέλης Χ., «Αναλυση δεδομένων με το SPSS 14 for Windows», Lecture 7 Introduction to linear algebra, scalar product, matrices, eigenvalues and eigenvectors, diagonalization Vectors, scalar product, matrices, types of tables, matrix inverse, matrix operations, eigenvalues and eigenvectors, verticality of eigenvectors, transition of one space to on ether, diagolazation of one Symmetric Matrix. Lecture 8 Εigenvalues, eigenvectors, scalar product, scalar matrix, diagonalization 1. Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 2. Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 3. Παπαδημητρίου Γ., «Η Ανάλυση Δεδομένων», Γιώργος Δάρδανος, Sharma S., Applied Multivatiate Techniques, Wiley, Tabachnick B. and Fidell L., Using Multivariate Statistics, Pearson, Principal Components Analysis (PCA) Data model of principal components analysis, factor axes, homogenization and centralization of data,, unit vectors, determination of factor axes, diagonalization of correlation matrix, trace of a square matrix, eigenvalues and eigenvectors of factor axes, coordinates of values on factor axes, inertia and cumulative inertia, projection of subjects on factor axes, absolute and relative contribution of subjects, coordinates of variables, equation of Diagonalization of correlation matrix, eigenvalues and eigenvectors of factor axes, inertia, equation of transition, 6
7 transition, absolute and relative contribution of variables, number of factor axes absolute and relative contribution of variables 1.Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 2.Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 3.Παπαδημητρίου Γ., «Η Ανάλυση Δεδομένων», Γιώργος Δάρδανος, Sharma S., Applied Multivatiate Techniques, Wiley, Tabachnick B. and Fidell L., Using Multivariate Statistics, Pearson, Lecture 9 Data model of principal components analysis, factor axes, homogenization and centralization of data, unit vectors, determination of factor axes, diagonalization of correlation matrix, trace of a square matrix, eigenvalues and eigenvectors of factor axes, coordinates of values on factor axes, inertia and cumulative inertia, projection of subjects on factor axes, absolute and relative contribution of subjects, coordinates of variables, equation of transition, absolute and relative contribution of variables, number of factor axes Principal Components Analysis (PCA) Lecture 10 Diagonalization of correlation matrix, eigenvalues and eigenvectors of factor axes, inertia, equation of transition, absolute and relative contribution of variables 1.Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 2.Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 3.Παπαδημητρίου Γ., «Η Ανάλυση Δεδομένων», Γιώργος Δάρδανος, Sharma S., Applied Multivatiate Techniques, Wiley, Tabachnick B. and Fidell L., Using Multivariate Statistics, Pearson, Factor analysis (FA) Data model of factor analysis, differences among FA and PCA, orthogonal model, assumptions, loadings, communality, latent factor, unique factor, structural loadings, specificity, application levels of factor analysis, Bartlett s test of sphericity, partial correlation coefficient, the two estimation techniques of factor analysis the PCA and maximum likelihood analysis, axes rotation, factor scores, Factor, communality, partial correlation coefficient, axes rotation 7
8 example 1.Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 2.Γναρδέλης Χ., «Αναλυση δεδομένων με το SPSS 14 for Windows», 3.Sharma S., Applied Multivatiate Techniques, Wiley, Tabachnick B. and Fidell L., Using Multivariate Statistics, Pearson, Lecture 11 Discriminant Analysis Lecture 12 Data model of discriminant analysis, test of Discriminant factor significance between predefined groups, Wilk s analysis, Wilk s lamda, discriminant factor analysis, factor lamda, discriminante axes, projection of subjects on Mahalanobis discriminant axe, discriminant coefficients, linear distance functions of discrimination, linear combination variance, covariance coordinates, the best discriminate linear combination, eigenvalues and eigenvectors, quality of discriminant analysis, additional element, Mahalanobis distance, example 1.Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 2.Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 3.Παπαδημητρίου Γ., «Η Ανάλυση Δεδομένων», Γιώργος Δάρδανος, Sharma S., Applied Multivatiate Techniques, Wiley, Tabachnick B. and Fidell L., Using Multivariate Statistics, Pearson, Cluster Analysis The meaning of the distance of two cases, the union of two classes, minimization of within classes variance, hierarchical and nonhierarchical clustering, distance between subjects, clustering process, Ward criterion, lost minimization of between classes variances, the union of a new class with another, table of between classes lost variances, dendrogram nodes, the best partition criterion, value test interpretation of classes Cluster, Ward method, dendrogram nodes, partition, clustering value test 1. Μαυρομάτης Γ., «Στατιστικά μοντέλα και μέθοδοι ανάλυσης 2. Καρλής Δ. «Πολυμεταβλητή Στατιστική Ανάλυση», Αθ. Σταμούλη, 3. Παπαδημητρίου Γ., «Η Ανάλυση Δεδομένων», Γιώργος Δάρδανος, Sharma S., Applied Multivatiate Techniques, Wiley, Tabachnick B. and Fidell L., Using Multivariate Statistics, Pearson, 8
Statistics 104: Quantitative Methods for Economics Formula and Theorem Review
Harvard College Statistics 104: Quantitative Methods for Economics Formula and Theorem Review Tommy MacWilliam, 13 tmacwilliam@college.harvard.edu March 10, 2011 Contents 1 Introduction to Data 5 1.1 Sample
Διαβάστε περισσότεραBiostatistics for Health Sciences Review Sheet
Biostatistics for Health Sciences Review Sheet http://mathvault.ca June 1, 2017 Contents 1 Descriptive Statistics 2 1.1 Variables.............................................. 2 1.1.1 Qualitative........................................
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 περισσότεραΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Η ΜΕΣΗ ΤΙΜΗ ΚΑΙ Η ΔΙΑΜΕΣΟΣ... 29
ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 Μεταβλητές...5 Πληθυσμός, δείγμα...7 Το ευρύτερο γραμμικό μοντέλο...8 Αναφορές στη βιβλιογραφία... 11 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 Περίληψη... 13 Εισαγωγή... 13 Με μια ματιά...
Διαβάστε περισσότεραFORMULAS FOR STATISTICS 1
FORMULAS FOR STATISTICS 1 X = 1 n Sample statistics X i or x = 1 n x i (sample mean) S 2 = 1 n 1 s 2 = 1 n 1 (X i X) 2 = 1 n 1 (x i x) 2 = 1 n 1 Xi 2 n n 1 X 2 x 2 i n n 1 x 2 or (sample variance) E(X)
Διαβάστε περισσότεραΕπιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές. Εργαστήριο Γεωργίας. Viola adorata
One-way ANOVA µε το SPSS Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata To call in a statistician after the experiment is
Διαβάστε περισσότερα519.22(07.07) 78 : ( ) /.. ; c (07.07) , , 2008
.. ( ) 2008 519.22(07.07) 78 : ( ) /.. ;. : -, 2008. 38 c. ( ) STATISTICA.,. STATISTICA.,. 519.22(07.07),.., 2008.., 2008., 2008 2 ... 4 1...5...5 2...14...14 3...27...27 3 ,, -. " ", :,,,... STATISTICA.,,,.
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 1 ο ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΚΑΙ ΑΝΑΛΥΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΜΕ ΧΡΗΣΗ ΕΛΕΓΧΩΝ (STUDENT S T).. 21
Πίνακας Περιεχομένων Πρόλογος... 17 ΚΕΦΑΛΑΙΟ 1 ο ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΚΑΙ ΑΝΑΛΥΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΜΕ ΧΡΗΣΗ ΕΛΕΓΧΩΝ (STUDENT S T).. 21 (Basic Sampling Techniques and Questionnaire Analysis using
Διαβάστε περισσότεραAquinas College. Edexcel Mathematical formulae and statistics tables DO NOT WRITE ON THIS BOOKLET
Aquinas College Edexcel Mathematical formulae and statistics tables DO NOT WRITE ON THIS BOOKLET Pearson Edexcel Level 3 Advanced Subsidiary and Advanced GCE in Mathematics and Further Mathematics Mathematical
Διαβάστε περισσότεραRepeated measures Επαναληπτικές μετρήσεις
ΠΡΟΒΛΗΜΑ Στο αρχείο δεδομένων diavitis.sav καταγράφεται η ποσότητα γλυκόζης στο αίμα 10 ασθενών στην αρχή της χορήγησης μιας θεραπείας, μετά από ένα μήνα και μετά από δύο μήνες. Μελετήστε την επίδραση
Διαβάστε περισσότεραΑΓΓΛΙΚΑ Ι. Ενότητα 7α: Impact of the Internet on Economic Education. Ζωή Κανταρίδου Τμήμα Εφαρμοσμένης Πληροφορικής
Ενότητα 7α: Impact of the Internet on Economic Education Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως
Διαβάστε περισσότεραDoes anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis
Does anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis Xue Han, MPH and Matt Shotwell, PhD Department of Biostatistics Vanderbilt University School of Medicine March 14, 2014
Διαβάστε περισσότεραNumerical Analysis FMN011
Numerical Analysis FMN011 Carmen Arévalo Lund University carmen@maths.lth.se Lecture 12 Periodic data A function g has period P if g(x + P ) = g(x) Model: Trigonometric polynomial of order M T M (x) =
Διαβάστε περισσότεραQueensland University of Technology Transport Data Analysis and Modeling Methodologies
Queensland University of Technology Transport Data Analysis and Modeling Methodologies Lab Session #7 Example 5.2 (with 3SLS Extensions) Seemingly Unrelated Regression Estimation and 3SLS A survey of 206
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 3 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Η ΜΕΣΗ ΤΙΜΗ ΚΑΙ Η ΔΙΑΜΕΣΟΣ... 29
ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 Μεταβλητές...5 Πληθυσμός, δείγμα...7 Το ευρύτερο γραμμικό μοντέλο...8 Αναφορές στη βιβλιογραφία... 11 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 Περίληψη... 13 Εισαγωγή... 13 Με μια ματιά...
Διαβάστε περισσότεραPENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI
155 Lampiran 6 Yayan Sumaryana, 2014 PENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI Universitas Pendidikan Indonesia
Διαβάστε περισσότεραχ 2 test ανεξαρτησίας
χ 2 test ανεξαρτησίας Καθηγητής Ι. Κ. ΔΗΜΗΤΡΙΟΥ demetri@econ.uoa.gr 7.2 Το χ 2 Τεστ Ανεξαρτησίας Tο χ 2 τεστ ανεξαρτησίας (όπως και η παλινδρόμηση) είναι στατιστικά εργαλεία για τον εντοπισμό σχέσεων μεταξύ
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δειγμάτων, που διαχωρίζονται βάσει ενός επαναλαμβανόμενου και ενός ανεξάρτητου παράγοντα (Ανάλυση διακύμανσης για εξαρτημένα δείγματα ως προς δύο παράγοντες,
Διαβάστε περισσότερα255 (log-normal distribution) 83, 106, 239 (malus) 26 - (Belgian BMS, Markovian presentation) 32 (median premium calculation principle) 186 À / Á (goo
(absolute loss function)186 - (posterior structure function)163 - (a priori rating variables)25 (Bayes scale) 178 (bancassurance)233 - (beta distribution)203, 204 (high deductible)218 (bonus)26 ( ) (total
Διαβάστε περισσότεραAPPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 651 APPENDIX B. BIBLIOGRAPHY 677 APPENDIX C. ANSWERS TO SELECTED EXERCISES 679
APPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 1 Table I Summary of Common Probability Distributions 2 Table II Cumulative Standard Normal Distribution Table III Percentage Points, 2 of the Chi-Squared
Διαβάστε περισσότερα5.4 The Poisson Distribution.
The worst thing you can do about a situation is nothing. Sr. O Shea Jackson 5.4 The Poisson Distribution. Description of the Poisson Distribution Discrete probability distribution. The random variable
Διαβάστε περισσότεραΑν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.
ΣΤ. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (ANALYSIS OF VARIANCE - ANOVA) ΣΤ 1. Ανάλυση ιασποράς κατά µία κατεύθυνση. Όπως έχουµε δει στη παράγραφο Β 2, όταν θέλουµε να ελέγξουµε, αν η µέση τιµή µιας ποσοτικής µεταβλητής διαφέρει
Διαβάστε περισσότεραSupplementary Appendix
Supplementary Appendix Measuring crisis risk using conditional copulas: An empirical analysis of the 2008 shipping crisis Sebastian Opitz, Henry Seidel and Alexander Szimayer Model specification Table
Διαβάστε περισσότεραSummary of the model specified
Program: HLM 7 Hierarchical Linear and Nonlinear Modeling Authors: Stephen Raudenbush, Tony Bryk, & Richard Congdon Publisher: Scientific Software International, Inc. (c) 2010 techsupport@ssicentral.com
Διαβάστε περισσότεραChapter 6: Systems of Linear Differential. be continuous functions on the interval
Chapter 6: Systems of Linear Differential Equations Let a (t), a 2 (t),..., a nn (t), b (t), b 2 (t),..., b n (t) be continuous functions on the interval I. The system of n first-order differential equations
Διαβάστε περισσότερα1. Ιστόγραμμα. Προκειμένου να αλλάξουμε το εύρος των bins κάνουμε διπλό κλικ οπουδήποτε στο ιστόγραμμα και μετά
1. Ιστόγραμμα Δεδομένα από το αρχείο Data_for_SPSS.xls Αλλαγή σε Variable View (Κάτω αριστερά) και μετονομασία της μεταβλητής σε NormData, Type: numeric και Measure: scale Αλλαγή πάλι σε Data View. Graphs
Διαβάστε περισσότεραCHAPTER 48 APPLICATIONS OF MATRICES AND DETERMINANTS
CHAPTER 48 APPLICATIONS OF MATRICES AND DETERMINANTS EXERCISE 01 Page 545 1. Use matrices to solve: 3x + 4y x + 5y + 7 3x + 4y x + 5y 7 Hence, 3 4 x 0 5 y 7 The inverse of 3 4 5 is: 1 5 4 1 5 4 15 8 3
Διαβάστε περισσότεραΜηχανική Μάθηση Hypothesis Testing
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Μηχανική Μάθηση Hypothesis Testing Γιώργος Μπορμπουδάκης Τμήμα Επιστήμης Υπολογιστών Procedure 1. Form the null (H 0 ) and alternative (H 1 ) hypothesis 2. Consider
Διαβάστε περισσότεραΔείγμα πριν τις διορθώσεις
Εισαγωγή Α ΜΕΡΟΣ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 1 ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ 1.1 Εισαγωγή 1.1.1 Περιγραφική Στατιστική (Descriptive Statistics) 1.1.2 Επαγωγική ή Αναλυτική Στατιστική (Inferential or Αnalytical Statistics)
Διαβάστε περισσότεραStatistics & Research methods. Athanasios Papaioannou University of Thessaly Dept. of PE & Sport Science
Statistics & Research methods Athanasios Papaioannou University of Thessaly Dept. of PE & Sport Science 30 25 1,65 20 1,66 15 10 5 1,67 1,68 Κανονική 0 Height 1,69 Καμπύλη Κανονική Διακύμανση & Ζ-scores
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 περισσότεραΓια να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov.
A. ΈΛΕΓΧΟΣ ΚΑΝΟΝΙΚΟΤΗΤΑΣ A 1. Έλεγχος κανονικότητας Kolmogorov-Smirnov. Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov. Μηδενική υπόθεση:
Διαβάστε περισσότερατατιστική στην Εκπαίδευση II
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΣΙΑ ΠΑΝΕΠΙΣΗΜΙΟ ΚΡΗΣΗ τατιστική στην Εκπαίδευση II Λφση επαναληπτικής άσκησης Διδάσκων: Μιχάλης Λιναρδάκης ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ Άδειες Χρήσης Το
Διαβάστε περισσότεραSCHOOL OF MATHEMATICAL SCIENCES G11LMA Linear Mathematics Examination Solutions
SCHOOL OF MATHEMATICAL SCIENCES GLMA Linear Mathematics 00- Examination Solutions. (a) i. ( + 5i)( i) = (6 + 5) + (5 )i = + i. Real part is, imaginary part is. (b) ii. + 5i i ( + 5i)( + i) = ( i)( + i)
Διαβάστε περισσότεραΔιδακτορική Διατριβή
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Διδακτορική Διατριβή Η ΕΠΙΔΡΑΣΗ ΕΚΠΑΙΔΕΥΤΙΚΗΣ ΠΑΡΕΜΒΑΣΗΣ ΥΠΟΒΟΗΘΟΥΜΕΝΗΣ ΑΠΟ ΥΠΟΛΟΓΙΣΤΗ ΣΤΗΝ ΠΟΙΟΤΗΤΑ ΖΩΗΣ ΚΑΙ ΣΤΗΝ ΑΥΤΟΦΡΟΝΤΙΔΑ ΑΣΘΕΝΩΝ ΜΕ ΚΑΡΔΙΑΚΗ
Διαβάστε περισσότεραathanasiadis@rhodes.aegean.gr , -.
παιδαγωγικά ρεύµατα στο Αιγαίο Προσκήνιο 88 - * athanasiadis@rhodes.aegean.gr -., -.. Abstract The aim of this survey is to show how students of the three last school classes of the Primary School evaluated
Διαβάστε περισσότεραChapter 1 Introduction to Observational Studies Part 2 Cross-Sectional Selection Bias Adjustment
Contents Preface ix Part 1 Introduction Chapter 1 Introduction to Observational Studies... 3 1.1 Observational vs. Experimental Studies... 3 1.2 Issues in Observational Studies... 5 1.3 Study Design...
Διαβάστε περισσότεραΛογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία
Διαβάστε περισσότεραEE512: Error Control Coding
EE512: Error Control Coding Solution for Assignment on Finite Fields February 16, 2007 1. (a) Addition and Multiplication tables for GF (5) and GF (7) are shown in Tables 1 and 2. + 0 1 2 3 4 0 0 1 2 3
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Άσκηση 1 η Ένας παραγωγός σταφυλιών ισχυρίζεται ότι τα κιβώτια σταφυλιών που συσκευάζει
Διαβάστε περισσότεραOptimizing Microwave-assisted Extraction Process for Paprika Red Pigments Using Response Surface Methodology
2012 34 2 382-387 http / /xuebao. jxau. edu. cn Acta Agriculturae Universitatis Jiangxiensis E - mail ndxb7775@ sina. com 212018 105 W 42 2 min 0. 631 TS202. 3 A 1000-2286 2012 02-0382 - 06 Optimizing
Διαβάστε περισσότεραΕργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.
Σημειώσεις για το μάθημα Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S. Παπάνα Αγγελική E mail: papanagel@yahoo.gr, agpapana@gen.auth.gr Α.Τ.Ε.Ι. Θεσσαλονίκης ΠΑΡΑΡΤΗΜΑ ΚΑΤΕΡΙΝΗΣ Τμήμα Τυποποίησης και
Διαβάστε περισσότεραΕισαγωγή στην Ανάλυση Διακύμανσης
Εισαγωγή στην Ανάλυση Διακύμανσης 1 Η Ανάλυση Διακύμανσης Από τα πιο συχνά χρησιμοποιούμενα στατιστικά κριτήρια στην κοινωνική έρευνα Γιατί; 1. Ενώ αναφέρεται σε διαφορές μέσων όρων, όπως και το κριτήριο
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο δειγμάτων, που διαχωρίζονται βάσει δύο ανεξάρτητων παραγόντων (Ανάλυση διακύμανσης για ανεξάρτητα δείγματα ως προς περισσότερους
Διαβάστε περισσότεραLecture 2: Dirac notation and a review of linear algebra Read Sakurai chapter 1, Baym chatper 3
Lecture 2: Dirac notation and a review of linear algebra Read Sakurai chapter 1, Baym chatper 3 1 State vector space and the dual space Space of wavefunctions The space of wavefunctions is the set of all
Διαβάστε περισσότεραΑξιολόγηση των Φασματικού Διαχωρισμού στην Διάκριση Διαφορετικών Τύπων Εδάφους ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. Σπίγγος Γεώργιος
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΤΟΠΟΓΡΑΦΙΑΣ-ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ Αξιολόγηση των Φασματικού Διαχωρισμού στην Διάκριση Διαφορετικών Τύπων Εδάφους ΔΙΠΛΩΜΑΤΙΚΗ
Διαβάστε περισσότεραΈντυπο Καταγραφής Πληροφοριών και Συγκέντρωσης Εκπαιδευτικού Υλικού για τα Ανοικτά Μαθήματα
Έντυπο Καταγραφής Πληροφοριών και Συγκέντρωσης Εκπαιδευτικού Υλικού για τα Ανοικτά Μαθήματα Έκδοση: 1.02, Απρίλιος 2014 Πράξη «Κεντρικό Μητρώο Ελληνικών Ανοικτών Μαθημάτων» Σύνδεσμος: http://ocw-project.gunet.gr
Διαβάστε περισσότεραMath 6 SL Probability Distributions Practice Test Mark Scheme
Math 6 SL Probability Distributions Practice Test Mark Scheme. (a) Note: Award A for vertical line to right of mean, A for shading to right of their vertical line. AA N (b) evidence of recognizing symmetry
Διαβάστε περισσότεραStatistical Inference I Locally most powerful tests
Statistical Inference I Locally most powerful tests Shirsendu Mukherjee Department of Statistics, Asutosh College, Kolkata, India. shirsendu st@yahoo.co.in So far we have treated the testing of one-sided
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 περισσότεραΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ
ΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΜΑΘΗΜΑ: Ανάλυση Πολυδιάστατων (Πολυμεταβλητών) Δεδομένων και Συστήματα Εξόρυξης Δεδομένων (Multivariate Data
Διαβάστε περισσότεραΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ «ΦΡΟΝΤΙ Α ΣΤΟ ΣΑΚΧΑΡΩ Η ΙΑΒΗΤΗ» ΑΝΑΛΥΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ «ΦΡΟΝΤΙ Α ΣΤΟ ΣΑΚΧΑΡΩ Η ΙΑΒΗΤΗ» ΑΝΑΛΥΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Γκριζιώτη Μαρία ΜSc Ιατρικής Ερευνητικής Μεθοδολογίας Αναλυτική στατιστική Σύγκριση ποιοτικών
Διαβάστε περισσότεραSecond Order Partial Differential Equations
Chapter 7 Second Order Partial Differential Equations 7.1 Introduction A second order linear PDE in two independent variables (x, y Ω can be written as A(x, y u x + B(x, y u xy + C(x, y u u u + D(x, y
Διαβάστε περισσότεραΑ.Σ.ΠΑΙ.Τ.Ε. Π.Ε.ΣΥ.Π. ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΤΟΥΣ ΣΚΟΠΟΥΣ ΣΥΕΠ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΤΟ SPSS
Eigenvalue Α.Σ.ΠΑΙ.Τ.Ε. Π.Ε.ΣΥ.Π. ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΤΟΥΣ ΣΚΟΠΟΥΣ ΣΥΕΠ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΤΟ SPSS ΔΡ ΚΟΡΡΕΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΑΘΗΝΑ 2017 6 5 4 3 2 1 0 Scree Plot 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Διαβάστε περισσότεραΑσκήσεις Εξετάσεων. Μεταπτυχιακό Πρόγραμμα Σπουδών στη. Διοίκηση των Επιχειρήσεων
Ασκήσεις Εξετάσεων Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων ΑΣΚΗΣΗ 1: Έλεγχος για τη μέση τιμή ενός πληθυσμού Η αντικαπνιστική νομοθεσία υποχρεώνει τους καπνιστές που εργάζονται σε
Διαβάστε περισσότεραΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ FACTOR ANALYSIS
ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΣΤΟΧΟΣ FACTOR ANALYSIS ΜΕΙΟΝΕΚΤΗΜΑΤΑ-ΠΛΕΟΝΕΚΤΗΜΑΤΑ ΙΑΦΟΡΕΣ ΜΕ ΚΥΡΙΕΣ ΣΥΝΙΣΤΩΣΕΣ. ΚΑΤΑΛΛΗΛΟΤΗΤΑ Ε ΟΜΕΝΩΝ. ΠΩΣ ΕΠΙΤΥΓΧΑΝΕΤΑΙ. ΠΑΡΑ ΕΙΓΜΑ ΥΛΟΠΟΙΗΣΗ ΣΤΟ SPSS ΕΡΜΗΝΕΙΑ 1 ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ
Διαβάστε περισσότεραΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΟΙΚΟΝΟΜΙΑΣ & ΑΝΑΠΤΥΞΗΣ
ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΟΙΚΟΝΟΜΙΑΣ & ΑΝΑΠΤΥΞΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΟΛΟΚΛΗΡΩΜΕΝΗ ΑΝΑΠΤΥΞΗ & ΔΙΑΧΕΙΡΙΣΗ ΤΟΥ ΑΓΡΟΤΙΚΟΥ ΧΩΡΟΥ» ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «Οικονομετρική διερεύνηση
Διαβάστε περισσότεραOther Test Constructions: Likelihood Ratio & Bayes Tests
Other Test Constructions: Likelihood Ratio & Bayes Tests Side-Note: So far we have seen a few approaches for creating tests such as Neyman-Pearson Lemma ( most powerful tests of H 0 : θ = θ 0 vs H 1 :
Διαβάστε περισσότεραDémographie spatiale/spatial Demography
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Démographie spatiale/spatial Demography Session 1: Introduction to spatial demography Basic concepts Michail Agorastakis Department of Planning & Regional Development Άδειες Χρήσης
Διαβάστε περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο ανεξάρτητα δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,..., Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ )
Διαβάστε περισσότεραΜαντζούνη, Πιπερίγκου, Χατζή. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,...,Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ ) S σ Τ ( Χ,Y)
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος 17 ΚΕΦΑΛΑΙΟ 1 23
Περιεχόμενα Πρόλογος 17 Μέρος A ΚΕΦΑΛΑΙΟ 1 23 ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ 23 1.1 Εισαγωγή 23 1.1.1 Περιγραφική Στατιστική (Descriptive Statistics) 24 1.1.2 Επαγωγική ή Αναλυτική Στατιστική (Inferential or
Διαβάστε περισσότεραChapter 6: Systems of Linear Differential. be continuous functions on the interval
Chapter 6: Systems of Linear Differential Equations Let a (t), a 2 (t),..., a nn (t), b (t), b 2 (t),..., b n (t) be continuous functions on the interval I. The system of n first-order differential equations
Διαβάστε περισσότεραΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΩΝ ΕΚΠΑΙΔΕΥΣΗΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΗΛΙΚΙΑ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Διαπολιτισμική Εκπαίδευση και Θρησκευτική Ετερότητα: εθνικές και θρησκευτικές
Διαβάστε περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο
Παράδειγμα 1 Ο παρακάτω πίνακας δίνει τις πωλήσεις (ζήτηση) ενός προϊόντος Υ (σε κιλά) από το delicatessen μιας περιοχής και τις αντίστοιχες τιμές Χ του προϊόντος (σε ευρώ ανά κιλό) για μια ορισμένη χρονική
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α. Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο ανεξάρτητων δειγμάτων, που διαχωρίζονται βάσει ενός ανεξάρτητου παράγοντα (Ανάλυση διακύμανσης για ανεξάρτητα δείγματα ως προς
Διαβάστε περισσότεραSupplementary figures
A Supplementary figures a) DMT.BG2 0.87 0.87 0.72 20 40 60 80 100 DMT.EG2 0.93 0.85 20 40 60 80 EMT.MG3 0.85 0 20 40 60 80 20 40 60 80 100 20 40 60 80 100 20 40 60 80 EMT.G6 DMT/EMT b) EG2 0.92 0.85 5
Διαβάστε περισσότεραΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ. Παιεάο Δπζηξάηηνο
ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ Παιεάο Δπζηξάηηνο ΑΘΗΝΑ 2014 1 ΠΔΡΙΔΥΟΜΔΝΑ 1) Δηζαγσγή 2) Πεξηγξαθηθή Αλάιπζε 3) ρέζεηο Μεηαβιεηώλ αλά 2 4) Πξνβιεπηηθά / Δξκελεπηηθά Μνληέια
Διαβάστε περισσότεραw o = R 1 p. (1) R = p =. = 1
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-570: Στατιστική Επεξεργασία Σήµατος 205 ιδάσκων : Α. Μουχτάρης Τριτη Σειρά Ασκήσεων Λύσεις Ασκηση 3. 5.2 (a) From the Wiener-Hopf equation we have:
Διαβάστε περισσότεραSECTION II: PROBABILITY MODELS
SECTION II: PROBABILITY MODELS 1 SECTION II: Aggregate Data. Fraction of births with low birth weight per province. Model A: OLS, using observations 1 260 Heteroskedasticity-robust standard errors, variant
Διαβάστε περισσότεραΜΕΘΟ ΟΛΟΓΙΑ ΕΚΠΑΙ ΕΥΤΙΚΗΣ ΕΡΕΥΝΑΣ
ΜΕΘΟ ΟΛΟΓΙΑ ΕΚΠΑΙ ΕΥΤΙΚΗΣ ΕΡΕΥΝΑΣ ΑΝΑΛΥΣΗ ΠΑΡΑΓΟΝΤΩΝ (FACTOR ANALYSIS) ΜΕ ΤΟ SPSS Ρ ΚΟΡΡΕΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΑΝΑΛΥΣΗ ΠΑΡΑΓΟΝΤΩΝ (FACTOR ANALYSIS) Η ανάλυση παραγόντων (Fact) είναι ουσιαστικά µία τεχνική µείωσης
Διαβάστε περισσότερα1. Hasil Pengukuran Kadar TNF-α. DATA PENGAMATAN ABSORBANSI STANDAR TNF α PADA PANJANG GELOMBANG 450 nm
HASIL PENELITIAN 1. Hasil Pengukuran Kadar TNF-α DATA PENGAMATAN ABSORBANSI STANDAR TNF α PADA PANJANG GELOMBANG 450 nm NO KADAR ( pg/ml) ABSORBANSI 1. 0 0.055 2. 15.6 0.207 3. 31.5 0.368 4. 62.5 0.624
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο εξαρτημένων δειγμάτων, που διαχωρίζονται βάσει ενός επαναλαμβανόμενου παράγοντα (Ανάλυση διακύμανσης για εξαρτημένα δείγματα ως
Διαβάστε περισσότεραHomework 8 Model Solution Section
MATH 004 Homework Solution Homework 8 Model Solution Section 14.5 14.6. 14.5. Use the Chain Rule to find dz where z cosx + 4y), x 5t 4, y 1 t. dz dx + dy y sinx + 4y)0t + 4) sinx + 4y) 1t ) 0t + 4t ) sinx
Διαβάστε περισσότεραReliability analysis Ανάλυση αξιοπιστίας
Reliability analysis Ανάλυση αξιοπιστίας ΙΑΤΥΠΩΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ. ΤΡΟΠΟΣ ΕΛΕΓΧΟΥ. ΥΛΟΠΟΙΗΣΗ ΣΤΟ SPSS. ΠΑΡΑ ΕΙΓΜΑ. 1 ΙΑΤΥΠΩΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ Συνήθως όταν θέλουμε να «μετρήσουμε» χαρακτηριστικά π.χ. η
Διαβάστε περισσότεραCongruence Classes of Invertible Matrices of Order 3 over F 2
International Journal of Algebra, Vol. 8, 24, no. 5, 239-246 HIKARI Ltd, www.m-hikari.com http://dx.doi.org/.2988/ija.24.422 Congruence Classes of Invertible Matrices of Order 3 over F 2 Ligong An and
Διαβάστε περισσότεραΆσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις:
Άσκηση. Δίνονται οι παρακάτω παρατηρήσεις: X X X X Y 7 50 6 7 6 6 96 7 0 5 55 9 5 59 6 8 8 5 0 59 7 7 8 8 5 5 0 7 69 9 6 6 7 6 9 5 7 6 8 5 6 69 8 0 50 66 0 0 50 8 59 76 8 7 60 7 87 6 5 7 88 9 8 50 0 5
Διαβάστε περισσότερα«ΑΝΑΠΣΤΞΖ ΓΠ ΚΑΗ ΥΩΡΗΚΖ ΑΝΑΛΤΖ ΜΔΣΔΩΡΟΛΟΓΗΚΩΝ ΓΔΓΟΜΔΝΩΝ ΣΟΝ ΔΛΛΑΓΗΚΟ ΥΩΡΟ»
ΓΔΩΠΟΝΗΚΟ ΠΑΝΔΠΗΣΖΜΗΟ ΑΘΖΝΩΝ ΣΜΗΜΑ ΑΞΙΟΠΟΙΗΗ ΦΤΙΚΩΝ ΠΟΡΩΝ & ΓΕΩΡΓΙΚΗ ΜΗΥΑΝΙΚΗ ΣΟΜΕΑ ΕΔΑΦΟΛΟΓΙΑ ΚΑΙ ΓΕΩΡΓΙΚΗ ΥΗΜΕΙΑ ΕΙΔΙΚΕΤΗ: ΕΦΑΡΜΟΓΕ ΣΗ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ΣΟΤ ΦΤΙΚΟΤ ΠΟΡΟΤ «ΑΝΑΠΣΤΞΖ ΓΠ ΚΑΗ ΥΩΡΗΚΖ ΑΝΑΛΤΖ ΜΔΣΔΩΡΟΛΟΓΗΚΩΝ
Διαβάστε περισσότεραADVANCED STRUCTURAL MECHANICS
VSB TECHNICAL UNIVERSITY OF OSTRAVA FACULTY OF CIVIL ENGINEERING ADVANCED STRUCTURAL MECHANICS Lecture 1 Jiří Brožovský Office: LP H 406/3 Phone: 597 321 321 E-mail: jiri.brozovsky@vsb.cz WWW: http://fast10.vsb.cz/brozovsky/
Διαβάστε περισσότεραΑπλή Ευθύγραµµη Συµµεταβολή
Απλή Ευθύγραµµη Συµµεταβολή Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Εισαγωγή Ανάλυση Παλινδρόµησης και Συσχέτιση Απλή
Διαβάστε περισσότεραΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ. Μεταπτυχιακό πρόγραμμα ΑΣΚΗΣΗ ΚΑΙ ΠΟΙΟΤΗΤΑ ΖΩΗΣ ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Μεταπτυχιακό πρόγραμμα ΑΣΚΗΣΗ ΚΑΙ ΠΟΙΟΤΗΤΑ ΖΩΗΣ ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ 1. ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: Θεωρία και εφαρμογές επεξεργασίας πληροφορίας 2.
Διαβάστε περισσότεραΛυμένες Ασκήσεις για το μάθημα:
Λυμένες Ασκήσεις για το μάθημα: ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ ΚΩΝΣΤΑΝΤΙΝΟΣ ΖΑΦΕΙΡΟΠΟΥΛΟΣ Τμήμα: ΔΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΣΠΟΥΔΩΝ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότερα6.1. Dirac Equation. Hamiltonian. Dirac Eq.
6.1. Dirac Equation Ref: M.Kaku, Quantum Field Theory, Oxford Univ Press (1993) η μν = η μν = diag(1, -1, -1, -1) p 0 = p 0 p = p i = -p i p μ p μ = p 0 p 0 + p i p i = E c 2 - p 2 = (m c) 2 H = c p 2
Διαβάστε περισσότεραPartial Differential Equations in Biology The boundary element method. March 26, 2013
The boundary element method March 26, 203 Introduction and notation The problem: u = f in D R d u = ϕ in Γ D u n = g on Γ N, where D = Γ D Γ N, Γ D Γ N = (possibly, Γ D = [Neumann problem] or Γ N = [Dirichlet
Διαβάστε περισσότεραAssalamu `alaikum wr. wb.
LUMP SUM Assalamu `alaikum wr. wb. LUMP SUM Wassalamu alaikum wr. wb. Assalamu `alaikum wr. wb. LUMP SUM Wassalamu alaikum wr. wb. LUMP SUM Lump sum lump sum lump sum. lump sum fixed price lump sum lump
Διαβάστε περισσότερα6.3 Forecasting ARMA processes
122 CHAPTER 6. ARMA MODELS 6.3 Forecasting ARMA processes The purpose of forecasting is to predict future values of a TS based on the data collected to the present. In this section we will discuss a linear
Διαβάστε περισσότεραο),,),--,ο< $ι ιι!η ι ηι ι ιι ιι t (t-test): ι ι η ι ι. $ι ι η ι ι ι 2 x s ι ι η η ιη ι η η SE x
η &, ε ε 007!# # # ι, ι, η ιι ι ι ι ι η (.. ι, η ι η, ι & ι!ι η 50, ι ηιη 000 ι, ι, ',!,! )!η. (, ηι, ι ι ι ι "!η. #, ι "ι!η ι, ηι, ι ι ι η. ι, ι ι, ' ι ι ι η ι ι ι ι # ι ι ι ι ι 7. ο),,),--,ο< $ι ιι!η
Διαβάστε περισσότεραTable 1: Military Service: Models. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed
Tables: Military Service Table 1: Military Service: Models Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed mili 0.489-0.014-0.044-0.044-1.469-2.026-2.026
Διαβάστε περισσότεραTABLES AND FORMULAS FOR MOORE Basic Practice of Statistics
TABLES AND FORMULAS FOR MOORE Basic Practice of Statistics Exploring Data: Distributions Look for overall pattern (shape, center, spread) and deviations (outliers). Mean (use a calculator): x = x 1 + x
Διαβάστε περισσότεραΠρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής
Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Να γραφεί πρόγραμμα το οποίο δέχεται ως είσοδο μια ακολουθία S από n (n 40) ακέραιους αριθμούς και επιστρέφει ως έξοδο δύο ακολουθίες από θετικούς ακέραιους
Διαβάστε περισσότεραBayesian statistics. DS GA 1002 Probability and Statistics for Data Science.
Bayesian statistics DS GA 1002 Probability and Statistics for Data Science http://www.cims.nyu.edu/~cfgranda/pages/dsga1002_fall17 Carlos Fernandez-Granda Frequentist vs Bayesian statistics In frequentist
Διαβάστε περισσότεραι η ιι η η ι η η η ι ιη () ι η η η ιη Pearson r ι η!η ιι η η η ι ιηη. $ιη ηι ι η " ι η ι (ι) ι. 6 ι- ι ι ι η ι ι ι η η,!ι!ι ι η η, ι ι!
! # " ι η ιι η η ι η η η ι ιη () ι η η η ιη Pearson r ι η!η ιι η η η ι ιηη. $ιη ηι ι η " ι η ι (ι) ι. 6 ι- ι ι ι η ι ι ι η η,!ι!ι ι η η, ι ι!ι η η ιι: ι ι" η η ι ι ηι η ιη!"ι ι. & ι ι ι ι η ι ι ηι" ι ι
Διαβάστε περισσότεραΧΩΡΙΚΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΣΤΗΝ ΕΚΤΙΜΗΣΗ ΤΩΝ ΤΙΜΩΝ ΤΩΝ ΑΚΙΝΗΤΩΝ SPATIAL ECONOMETRIC MODELS FOR VALUATION OF THE PROPERTY PRICES
1 ο Συνέδριο Χωρικής Ανάλυσης: Πρακτικά, Αθήνα, 013, Σ. Καλογήρου (Επ.) ISBN: 978-960-86818-6-6 ΧΩΡΙΚΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΣΤΗΝ ΕΚΤΙΜΗΣΗ ΤΩΝ ΤΙΜΩΝ ΤΩΝ ΑΚΙΝΗΤΩΝ Μαριάνθη Στάμου 1*, Άγγελος Μιμής και
Διαβάστε περισσότεραMultilevel models for analyzing people s daily moving behaviour
Multilevel models for analyzing people s daily moving behaviour Matteo BOTTAI 1 Nicola SALVATI 2 Nicola ORSINI 3 13th European Colloquium on Theoretical and Quantitative Geography Lucca 5th - 9th September,
Διαβάστε περισσότεραCE 530 Molecular Simulation
C 53 olecular Siulation Lecture Histogra Reweighting ethods David. Kofke Departent of Cheical ngineering SUNY uffalo kofke@eng.buffalo.edu Histogra Reweighting ethod to cobine results taken at different
Διαβάστε περισσότερα90 [, ] p Panel nested error structure) : Lagrange-multiple LM) Honda [3] LM ; King Wu, Baltagi, Chang Li [4] Moulton Randolph ANOVA) F p Panel,, p Z
00 Chinese Journal of Applied Probability and Statistics Vol6 No Feb 00 Panel, 3,, 0034;,, 38000) 3,, 000) p Panel,, p Panel : Panel,, p,, : O,,, nuisance parameter), Tsui Weerahandi [] Weerahandi [] p
Διαβάστε περισσότεραA Bonus-Malus System as a Markov Set-Chain. Małgorzata Niemiec Warsaw School of Economics Institute of Econometrics
A Bonus-Malus System as a Markov Set-Chain Małgorzata Niemiec Warsaw School of Economics Institute of Econometrics Contents 1. Markov set-chain 2. Model of bonus-malus system 3. Example 4. Conclusions
Διαβάστε περισσότεραΠαραγοντική ανάλυση και SPSS Πρόχειρες σημειώσεις
Παραγοντική ανάλυση και SPSS Πρόχειρες σημειώσεις ΣΤΟΧΟΣ ΠΑΡΑΓΟΝΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Η εύρεση της ύπαρξης κοινών παραγόντων ανάμεσα σε μία ομάδα μεταβλητών. Τι επιτυγχάνεται? 1.Μείωση της διάστασης του προβλήματος.
Διαβάστε περισσότεραΜΔΛΔΣΖ ΔΝΓΟΣΡΑΥΤΝΖ Δ ΥΑΛΤΒΔ ΘΔΡΜΖ ΔΛΑΖ
ΔΘΝΗΚΟ ΜΔΣΟΒΗΟ ΠΟΛΤΣΔΥΝΔΗΟ ΔΙΑΣΜΗΜΑΣΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΣΑΠΣΤΥΙΑΚΩΝ ΠΟΤΔΩΝ (Δ.Π.Μ..): "ΔΠΗΣΖΜΖ ΚΑΗ ΣΔΥΝΟΛΟΓΗΑ ΤΛΗΚΧΝ" ΜΔΛΔΣΖ ΔΝΓΟΣΡΑΥΤΝΖ Δ ΥΑΛΤΒΔ ΘΔΡΜΖ ΔΛΑΖ ΜΕΣΑΠΣΤΥΙΑΚΗ ΕΡΓΑΙΑ ΕΔΡΒΑ ΑΗΜΗΛΗΑΝΟ Διπλωματούτος
Διαβάστε περισσότεραPhys460.nb Solution for the t-dependent Schrodinger s equation How did we find the solution? (not required)
Phys460.nb 81 ψ n (t) is still the (same) eigenstate of H But for tdependent H. The answer is NO. 5.5.5. Solution for the tdependent Schrodinger s equation If we assume that at time t 0, the electron starts
Διαβάστε περισσότερα