MOR2 ДАТА МЕНЕЖМЕНТ & АНАЛИЗ ХИЙХ СУРГАЛТ СЕМИНАР. 6 сарын 17-18, 2013, Гео-Экологийн Хүрээлэн, Улаанбаатар хот, Монгол Улс

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "MOR2 ДАТА МЕНЕЖМЕНТ & АНАЛИЗ ХИЙХ СУРГАЛТ СЕМИНАР. 6 сарын 17-18, 2013, Гео-Экологийн Хүрээлэн, Улаанбаатар хот, Монгол Улс"

Transcript

1 MOR2 ДАТА МЕНЕЖМЕНТ & АНАЛИЗ ХИЙХ СУРГАЛТ СЕМИНАР 6 сарын 17-18, 2013, Гео-Экологийн Хүрээлэн, Улаанбаатар хот, Монгол Улс

2 Хөтөлбөр Нээлтийн ажиллагаа, Удиртгал, Анхны мэдлэгийн шалгуур 1-р хэсэг, 6 сарын 17 Өглөө: Дата өгөгдлүүдтэй танилцах аялал 2-р хэсэг, 6 сарын 17 Үдээс хойш: Дата өгөгдөл боловсруулах удиртгал: Таамаглалыг энгийн статистикийн дүгнэлт хийж турших 3-р хэсэг, 6 сарын 18 Өглөө: Зайнаас тандан судлах, ГМС (GIS)-ийн анализ 4-р хэсэг, 6 сарын 18 Өглөө: Онолын буюу чанарын мэдээллийн дата өгөгдлийг боловсруулах

3 1-р хэсэг: Дата өгөгдлүүдтэй танилцах

4 1-р хэсэг: Дата өгөгдлүүдтэй танилцах 1. Сургалтын зорилтууд 2. MOR2 Дата, өгөгдлөө харилцан ашиглах удирдамж (Мариа) 3. MOR2 Дата, мэдээллийн төрлийн тойм (Мариа) 4. Өгөгдөл оруулах, компютерт шивэх, алдааг шалгах (Чанцаа) 5. Экологийн өгөгдлийн тухай танилцуулга (Хишгээ) 6. Нийгмийн мэдээллийн танилцуулга (Мариа) 7. Өгөгдлөө боловсруулах, Статистикийн анализууд хийх, графикаар үзүүлэх, өгөгдлийг ухаалгаар ашиглах (Мариа, багийнхан)

5 1.1 Сургалтын зорилтууд Оролцогчид нь: Төслийн төрөл бүрийн дата нь, төслийн ерөнхий судалгааны асуулт таамаглалтай хэрхэн холбогдож байгааг тайлбарлаж, ашиглаж чаддаг болох Өгөгдөл дата цуглуулах, шивэх, менежмент хийхэд нарийвчлалтай, үнэн зөв мэдээлэл цуглуулахын ач холбогдлыг ойлгож мэдэх Энгийн өгөгдлийг хэрэглэж сурах, статистикийн анализ хийх, өгөгдлийг графикаар үзүүлэх, мэдээллийг ухаалгаар ашиглах (жишээ нь шинэ хэмжигдэхүүн үүсгэх г.м.)

6 1.2 Дата өгөгдлийг харилцан ашиглах удирдамж 1. Цуглуулсан дата өгөгдлүүд маань багийнхны хамтын өмч бөгөөд багийн ахлах гишүүд нь өөрсдийнхөө төсөлд дата-г хэрэглэхийн тулд хоорондын тусгай гэрээгээр ашиглана. 2. Дата ашиглахын тулд дараах мэдээллийг агуулсан протокол бичнэ үү: Судалгааны асуулт, зорилго Судалгааны таамаглал Өгөгдлөө боловсруулах аргачлал, анализ Анализаа хийж дуусгах болон өгүүллээ бичиж дуусгах хугацаа Гарах үр дүн, бүтээл Хэн хэнтэй хамтарч өгүүллээ бичих

7 1.2 Дата өгөгдлийг харилцан ашиглах удирдамж 3. Бүтээлийг багийн гишүүдээр хэлэлцүүлж, үнэн зөв дүгнэлт шинжилгээ хийгдсэн эсэхэд хяналт тавина. 4. Бүтээлийг зохиогч туурвигч нь багийн гишүүдтэй ярилцсаны үндсэн дээр тухайн өгөгдлийг цуглуулах, анализ хийх, дүгнэлт үр дүнг тайлбарлан бичихэд оролцсон улсыг хамтран зохиогчоор орoлцуулна. 5. Бүтээлийг туурьвиж байх явцад этикийн болон мэргэжлийн стандартыг байнга мөрдөж, ашигласан хэвлэл, мэдээллийг зөв зохистой дурьдаж байна.

8 1.2 Дата өгөгдлийг харилцан ашиглах удирдамж 6. Эдгээр удирдамжууд нь Англи Монгол хэл дээр хэвлэгдэх шинжлэх ухаан технологийн болон техникийн бус бүхий л бүтээл өгүүллүүдэд хамаарна.

9 1.3 MOR2 Дата өгөгдлийн төрлүүд - тойм Дата-ны төрөл Биет болон орон зайн өгөгдөл Экологийн дата Хувь хүний/ өрхийн/экологийн талбайн ГМС цэгүүдийн координат, зайнаас тандан судлах Зүйлийн баялаг Биомасс Хөрс Малын баасны тоо Дата цуглуулах орон зайн/нийгмийн хэмжээс НИТБМ байгууллага/ өрхийн бүлэг ГМС цэгүүдийн координат, зайнаас тандан судлах 1 өвөлжөө & 3 экологийн талбай / нэг байгууллагад Сум Темп & Хур тунадас (зарим сумдын) зайнаас тандан судлах 2-9 өвөлжөө Орон нутаг Темп & Хур тунадас, усны дата, зайнаас тандан судлах Нийгмийн дата Мал аж ахуйн дата өрхийн асуулга Өрхийн малын тоо & бүтэц Байгууллагын товч намтар Малчдын Байгалийн Оролцооны Сумын фокус группууд, сумын товч намтар Сумын малын тоо & бүтэц

10 1.3 Дата өгөгдлийн төрлүүд Үргэлжилсэн тоон ( scale ) хэмжигдхүүнүүд нь байнга хувьсаж өөрчлөгдөж байдаг жишээ нь ургамлын бүрхэмжийн хувь юмуу орлого МНТ-өөр гэх мэт. Категорын ( nominal ) хэмжигдхүүнүүд нь тусгай тогтмол категорууд, жишээ нь Тийм, Үгүй гэсэн хариултууд байх юмуу хөрсний бүтцийн хувьд бол Элсэнцэр шавар, шаварлаг гэх мэт. Дугаарласан ( ordinal ) хэмжигдхүүнүүд нь үргэлжилсэн дэс дараатай хэмжигдхүүнүүд биш, жишээ нь асуулгын хариултууд нь 1=маш их санал нийлэхгүй байна, 2=нэг их санал нийлэхгүй байна, 3=тийм ч биш үгүй ч биш, 4=бага зэрэг санал нийлж байна, 5=маш их санал нийлж байна.

11 1.3 Дата, өгөгдлийн төрлүүд Xэмжигдхүүнүүдийн төрөл нь чухал, учир нь өгөгдлийн төрлөөс хамаараад хийгдэх анализууд нь янз бүр байдаг.

12 1.4 Дата-г шивэх, алдааг шалгах CHANTSAA

13 MOR2 Data -Хүн хүч - Цаг хугацаа - Хөрөнгө санхүү - Залуу судлаачдыг сургаж бэлтгэх - Судлаач, эрдэмтдийн цаашдын судалгааны үндэс суурь - Түүхийн үнэт бичиг баримт МОР2 төслийн судалгаа

14 Data Quality to tell the true story depends on 3 steps Судалгаа авах Авсан судалгааны мэдээллийг компьютерт шивж оруулах Компьютерт оруулсан мэдээллийг дахин шалгах

15 Судалгаа авах Судалгааны тоо мэдээлэл цуглуулах үе шат бол хамгийн чухал үе шат. Судалгааны арга аргачлалын дагуу үнэн зөв мэдээллийг цуглуулсанаар бид үнэн зөв хүчин төгөлдөр дүгнэлт гаргаж орон нутгийн иргэд, судлаач эрдэмтэд, бодлого боловсруулагчдад хүргэх боломжтой болох болно. Өнгөрсөн 2 жилийн судалгааны мэдээлэл цуглуулах үйл явцаас сургамж суралцах зүйлс байнаа Цаашид судалгааны чанарыг сайжруулахад анхаарах сургамжтай байх болов уу гэж энэ мэдээллийг бэлтгэлээ. (Species richness, LPI, Gap and Soil)

16 Зүйлийн бүрэлдхүүний мэдээлэл Номны дагуу кодын товчлолыг хийгээгүй Ж-нь: ASAL - Asplenium altajense Алтайн оймхон хэрвээ ASALP - Aster Aplinus Тагийн гол гэсэр; RHUN - Rheum uninerve, RHUND - Rheum undulatum, DECR - Delphinum crassifolium, DIGR - Delphinium grandiflorum CXPE - Carex perfusca, CXPED - Carex pediformis) Тухайн гар бичмэлийг уншихад түвэгтэй (SADA, SADH)

17 Зүйлийн бүрэлдхүүний мэдээлэл Монгол үсэг, Анли үсгийг хольж бичих: DRPO гэж бичсэнийг DRRO - Drosera rotundifolia Төгрөг навчит үст хиг эсвэл DRFO Dracocephalum foetidum Үмхий шимэлдэг Үсгийн товчлолыг гүйцэд бичээгүй KR STKR Stipa Krylovii Ургамлын кодынхоо үсгийг урд хойно нь оруулж бичих, үсэг орхиж бичих: Ж-нь: THDHA THDAH -Thermopsis dahurica-дагуур тарваган шийр, CYDAH CYDH - Cymbaria dahurica, ARFR ARFRI -Artemisia frigida, ELCH ELCHN - Elymus chinensis, KOAL KOALT - Koeleria altaica, BUPI BUBI - Buplerum bicaule

18 Шугам Цэгийн Аргаар (LPI) ургамлын оройн бүрхэцийн судалгаа авах LPI-д бүртгэгдсэн ургамал, species richness-д бүртгэгдээгүй тохиолдол Сууринд бичигдэх ёстой хагд (L), чулуу (R) оройн бүрхэцэд бүртгэгдэх Ургамлын товчлолын үсгийг алдаатай бичих (товчлолыг гүйцэд бичээгүй, гаргацгүй, англи монгол үсгийг холих, кодын үсгээ урд хойно оруулах) Бичиглэл хийх явцад таниагүй ургамлаа тэмдэглэж орхиод дараа ургамалзүйчээс асуухаа мартаж орхих

19 Шугам Цэгийн Аргаар (LPI) ургамлын оройн бүрхэцийн судалгаа авах PLOT Form TR# ROW ERROR CORRECTION ERSA2-2 LPI 4 39 L in soil surface Moved L to "mid1" layer, added S in soil surface box JAGA1-1 LPI 4 12 R N ERSA3-1 LPI 3 34 POLDU PLDU ERSA2-1 LPI 2 34 mid 1 blank CXDU

20 Ургамлын суурь хоорондын хоосон зайг хэмжих

21 Ургамлын суурь хоорондын хоосон зайг хэмжих

22 Ургамлын суурь хоорондын хоосон зайг хэмжих PLOT Form TR# ROW ERROR CORRECTION Baol1-2 Gap 4 na BNGL2-2 Gap 2 na

23 Судалгааны мэдээллийг компьютерт шивж оруулах ба шалгах Хоёр оюутан Lee Anderson, Kathryn MacKnight Species richness, LPI мэдээллийг компьютерт шивж оруулсан, Хишигбаяр, Чантсаллхам судалгааны метадата болон хөрсний мэдээллийг оруулсан. Компьютерт шивж оруулсан мэдээллийг шалгана гэдэг дахин мэдээ шивж оруулахтай бараг адил. Нийтдээ 249 талбайн LPI-н 1245 трансектын (62250 мөрийн мэдээлэл) Ургамал хоорондын хоосон орон зайг бүртгэсэн 498 трансект, Ургамлын зүйлийн бүрэлдхүүний бүртгэл бүхий 249 хүснэгт, Метадата мэдээллийн 249 хүснэгт Хөрсний мэдээлэл бүхий 747 хүснэгтүүдийн мэдээллийг шалгаж дууслаа.

24 Судалгааны мэдээллийг компьютерт шивж оруулах ба шалгах Дээрх ажлуудыг гүйцэтгэхэд бид нийтдээ 8 сарын уйгагүй, тэвчээртэй хөдөлмөрийг зарцуулсан. Одоо бид анализ хийхэд боломжтой, шалгаж компьютерт оруулсан мэдээллийн багцтай болоод байна.

25 1.5 МОR2 экологийн өгөгдлийн тухай KHISHIG

26 МОR2 экологийн датабэйс Метадата Ургамлын зүйлийн баялаг Ургамлын бүрхэцийн дата (ШЦA) Аж ахуйн бүлэг болон газрын бүрхэцийн дата Хоосон зайн өгөгдөл Хөрсний гадарга болон хөрсний давхаргын дата Биомассын дата

27 МОR2 экологийн датабэйс Метадата Ургамлын зүйлийн баялаг

28 МОR2 экологийн датабэйс Ургамлын бүрхэцийн дата (ШЦA) Оройн бүрхэцийг: хамгийн оройн цэгт тааралдсан ургамлын нийт тоог/нийт оройн цэгийн тоонд хуваагаад 100-р үржүүлж процентийн хэмжээг гаргасан байгаа.

29 МОR2 экологийн датабэйс Биомассын дата Биомассын датаг нийт 428 талбайгаас 5 (1x1м цөлийн хээр болон хээрийн бүсээс, 50x50см квадратаас ойт-уулын хээр, Дорнодын хээрээс) трансектээс цуглуулсан байгаа. Трансек-Эк.Талбай Гялгар дэрс болон сөөг, сөөгөнцөрүүдийг төлөөлөн авах нэгжийн аргыг ашиглан цуглуулсан байгаа. Энд байгаа өгөгдлүүд маань бүгд г/м^2 нэгжид шилжүүлэгдсэн бөгөөд мөн төлөөллийн нэгжийг хүртэл тооцон цаашид анализад ашиглахад бэлэн болсон өгөгдлүүд байгаа юм.

30 МОR2 экологийн датабэйс Хоосон зайн өгөгдөл Хоосон зайн хэмжээг 2 янзаар илэрхийлсэн байгаа: Хоосон зайн нийт нийлбэр, см (хэмжилт хийсэн 2 трансектийн дундаж) Хоосон зайн эзлэх хувийн хэмжээ, % (хэмжилт хийсэн 2 трансектийн дундаж) Зарим тохиолдолд хэмжит хийгдсэн 2 тарнсектийн нэг дээр нь 200см-ээс дээш хоосон зай маш бага нөгөө дээр нь байхгүй байсан тохиолдолд дундаж 200см-ээс дээш хоосон зайн нийлбэр 200см-ээсээ доош гарах тохиолдол байж болзошгүй.

31 МОR2 экологийн датабэйс Хөрсний гадарга болон хөрсний давхаргын дата Хөрсний зүсэлтийн бүх давхаргуудын мэдээлэл нэг эгнээнд ар араасаа багананд жагсаагдан орсон байгаа. Мөн метадата хүснэгтэнд дээр цуглуулдаг өнгөн хөрсний тодорхойлолтууд энд цуг орсон байгаа.

32 МОR2 экологийн датабэйс Мал бэлчээрлэлтийн эрчим Tухайн талбай дээр малын баас байгаа үгүйгээр хэмжинэ. Xонь ямаа: 50x50 см Бусад: 1x1 м

33 1.6 MOR2 Нийгмийн судалгааны дата

34 1.6.1 Өрхийн судалгааны датабэйс 706 өрхөөс нүүр тулан ярилцлага авсан Өгөгдлийг MS Аксес програм дээр шивж оруулсан SPSS програмд хэрэглэхээр гаргаж авна. SPSS өгөгдлүүдийг эксэл рүү шилжүүлж болдог боловч кодтой холбоотой тайлбар нь устаж алга болно.

35 Өрхийн судалгаа - Товч тойм I. Өрхийн хүн ам зүйн статистик мэдээ II. Мал аж ахуйн бүтээгдэхүүн III. Нүүдэл хөдөлгөөн IV. Бэлчээр болон мал аж ахуйн менежмент V. Газар, ус ашиглах эрх VI. Мэдлэгээ солилцох, суралцах VII. Нийгмийн холбоо харилцаа VIII.Өрхийн уйлдвэрлэл, орлого ба зарлага IX. НИТБМ-ийн гишүүдийн нийгмийн капитал

36 1.6.2 Сумын товч мэдээлэл 140 НИТБМ болон малчдын бүлэг Нийгмийн судалгааны багийнхан бүлэг болгоны цуглуулсан датаг дүгнэж шивж оруулсан: Удирдлагуудтай хийсэн ярилцлага, асуулга, судалгаа Бүлгийн гишүүд, Фокус группуудын ярилцлага Бүлгийн гишүүн бус хүмүүсийн ярилцлага

37 Бүлгийн мэдээлэл, тойм I. Бүлгийн тодорхойлолтууд II. Бэлчээрийн ба байгалийн нөөцийн ашиглалтын журам III. Бүлгийн үйл ажиллагаа ба үр дүн IV. Маргаан болон түүнийг шийдвэрлэх менежмент V. Бүлгийн удирдлага ба нийгмийн капитал VI. Мэдлэг солилцох ба суралцах VII. Институтийн холбоос VIII.Удирдлага ба бүлгийн ажиллагаа

38 1.6.3 Сумын хэмжээний дата Бэлэн байгаа сумын статистик мэдээлэл (мэдээлэл маш их дутуу!) Малын төрлөөрх олон жилийн дата Хүн ам (хүмүүс, өрх гэр, малчин айл) Ажилгүйдэл, ядуурал Сумын хөгжлийн асуулга судалгаа Дэд бүтэц, үйлчилгээ г.м. Сумын фокус группын асуулга судалгаа Сумын хэмжээний нийгмийн капитал, удирдлагын эрчим, нийгмийн капиталын үнэлгээ болон тулгамдсан асуудлууд

39 1.7 Дата, өгөгдлүүдтэй танилцах

40 Data Files

41 Data Files

42 Өгөгдлөө шалгах Хүснэгтүүддээ байж болзошгүй алдаа байгаа эсэхийг сайн шалгах Байж боломгүй тоонууд байгаа эсэхийг шалга (жишээ нь ШЦА хагдын бүрхэцийг хар). Та алдаагаа олохын тулд аксес дээрх өгөгдлийн эх хувийг шалгах хэрэгтэй ч болж магад. Бичигдээгүй хоосон байгаа датаг хайж ол Хэрвээ утга нь 0 байх ёстой бол тэгийг оруул. Хэрвээ утга нь байх ёстой хирнээ байхгүй бол 999-г оруулна Санамсаргүйгээр хэсэг талбай юмуу өрхийн судалгааны хэсгээс авч эх хүснэгттэй нь тулган алдаа байгаа эсэхийг шалгана.

43 Кодлох Аксес датабэйсээс гарч буй өгөгдлүүд нь заримдаа үсэг тоо холилдсон товчлол байдаг. Статистикийн анализэд эдгээр нь ашиглаж болдоггүй учраас заавал тоонуудаар эргэж дахин кодолж байж ашигладаг. Жишээ нь: хөрсний ширхэгийн мэдээлэл үсэг тоо холилдсон байдаг үүнийг тоогоор: 1=SL 2=LS 3=L 4=SiCL 5=SC 6=SCL 7=S 8=SIC кодлоно.

44 SPSS - руу дата оруулах SPSS программыг статистикийн анализ хийхдээ ашиглана. Эксэл файлийг SPSS руу оруулж болдог SPSS дээр оруулчихаад файл маань зөв байрласныг шалгах хэрэгтэй. хэмжигдхүүнүүдийн төрөл хэмжигдхүүнүүдийн нэр, хаяг Категорийн, номинал мөн ординал өгөгдлүүд Байхгүй байгаа утга

45 SPSS дээр шинэ хэмжигдхүүн үүсгэх Тооцоолох замаар шинэ хэмжигдхүүн үүсгэх Жишээ нь: өрхийн судалгааны өвлийн бэлтгэлийн үзүүлэлтүүдийг нэмэхэд өвөлжилтийн бэлтгэлийн индекс гэсэн шинэ хэмжигдхүүн гарч ирж байна. Жишээ нь: Нийт Биомасс гэсэн шинэ хэмжигдхүүнүүдийг үетэн, алаг өвс, сөөг, улалж дэрс гэсэн биомассын аж ахүйн бүлгүүдийг нэмж гаргаж авна.

46 Энгийн Статистик Энгийн статистик, Задлан шинжлэх анализ & дата хувиргалт

47 Энгийн Статистик Энгийн Статистик нь судалгааны нэгжийн шинж чанарыг ерөнхий чиг хандлагын (дундаж) дагуу мөн хэлбэлзэл (стандарт хазайлт)-ийн хувьд тодорхойлно.

48 Энгийн Статистик Дундаж X= Ажиглалтуудын нийлбэр/ажиглалтүүдын нийт тоо Голын утга = Ажиглалтуудын голын утга Хэлбэлзэл (s 2 )= (X i -X) 2 /n-1 Стандарт хазайлт (s)= s 2 Стандарт алдаа (SE) = 2/ n Вариацын коэффициент (CV) = (s/x)*100

49 Энгийн Статистик - SPSS Анализ хийх Тодорхойлох хэмжигдхүүнүүд Судалж танин мэдэх Байж боломгүй утгуудыг хиаж олох Өгөгдөл маань нормал тархалттай эсэхийг шалгах

50 Дата-гаа SPSS програм дээр судалж танин мэдэх Өгөгдлийн тархалтын график (Скатер плот)

51 Дата-гаа SPSS програм дээр судалж танин мэдэх Баганан график

52 Дата-гаа SPSS програм дээр судалж танин мэдэх

53 Статистикийн таамаглалуудыг турших Өгөгдлүүд нь нормал тархалттай Хистограм байгуулах Нормал эсэхийн магадлалыг шалгах

54 SPSS дээр өгөгдлийг хувиргах Хувиргалт хийх Xэмжигдхүүнийг тооцож олох Олох гэж буй хэмжигдхүүний нэр [Type LNGrassBiomass] Тоон аргаар илэрхийлбэл: [Type: LN (Grass_gm2 + 1) OK товчийг дар Өгөгдлүүдийн тань хамгийн ард дараах нэртэй шинэ багана үүснэ: LNGrassBiomass

55 Ln (Biomass +1) SPSS дээр өгөгдлийг хувиргах Дүгнэлтийн статистик нь дараах таамаглал хийдэг: Өгөгдөл маань нормал тархалттай ба Харьцуулж байгаа бүлгүүдийн өгөгдлүүдийн хэлбэлзэл нь бараг адилхан. Хэрвээ дата маань эдгээр таамаглалд нийцэхгүй бол хувиргалт хийх шаардлагатай. Мөн их хэмжээний тэг юмуу бага хэмжээний тоонууд их байвал нь тухайн өгөгдлийг хувиргах нь тохиромжтой байдаг. Биомассын болон бүрхэцийн датаны хувьд бол:

56 SPSS дээр өгөгдлийг хувиргах Үетэний ургацын хувиргасан дата: Логарифмаар хувиргасан үетэний ургацын өгөгдөл нь нормал тархацтай байна.

57 Статистикийн таамаглалуудыг турших Өгөгдлийн хэлбэлзэл нь нэг төрлийн Скаттер буюу тархалтын графикийг харна SPSS програм дээр: : Analyze > General Linear Model > Univariate > Options > Homogeneity tests Сонирхож буй цэгээс янз бүрийн зайд өгөгдлийн хэлбэлзэл нь ялгаагүй адилхан байна.

58 Та хийгээд үз! Та анализ хийх гэж буй зарим үргэлжилсэн тоон (scale) хэмжигдхүүнүүдийг сонго Түүн дээрээ энгийн статистикийн тооцоо хийгээд үз График байгуулаад хар Нормал гэсэн таамаглалыг маань биелүүлж буй эсэхийг шалга Таамаглалыг маань биелүүлэхгүй бол хувиргаад үз (шинэ хэмжигдхүүнийг үүсгэ)

59 2-р хэсэг: Дата анализ хийх дэвшүүлсэн таамаглалаа турших

60 Зорилтууд Оролцогчид маань: 1. Эрдэм шинжилгээ судалгааны аргыг тодорхойлж чадах 2. Тест хийж болох таамаглалыг дэвшүүлэх Төрөл бүрийн өгөгдлийг таньж мэдэх: Категорын (номинал), дугаарласан (ординал), үргэлжилсэн тоон (scale) хэмжигдхүүнүүд 1. Энгийн болон дүгнэлтийн аргаар хийх статистикийг ялгаж ойлгох 2. SPSS программыг ашиглан таамаглалаа туршиж чаддаг болох Regression (continuous x continuous) ANOVA (categorical x continuous) Cross-tabulations (categorical x categorical)

61 Шинжлэх Ухааны Арга Conceptual Model Literature Review Peer Review

62 Гол мэдээллүүд Таамаглалууд: Юм яаж өөрчлөгддөг талаарх ухаалаг таавар. Шалтгаан, үр нөлөөний тухай тодорхойлолт Жишээ нь: бид бордоо нэмэхэд ургац нэмэгдэнэ Онол: Батлагдсан таамаглалууд.

63 Сайн таамаглал Туршиж болох бас худал гэдгийг нь баталж болох Судалгааны чиглэлийг тодорхойлж өгнө Чүхал хэмжигдхүүнүүдийг тодорхойлж өгнө Хамааралгүй (өөрөө ойлгомжтой) Хамааралтай (гарах үр дүн) Онол дээр үндэслэсэн Товчхон, тодорхой

64 Таамаглал Таамаглалыг худлаа гэдгийг нь батлах замаар турших зорилготой Таамаглалыг батлах биш няцаах зорилготой

65 Хамааралтай & хамааралгүй хэмжигдхүүн Таамаглалаа туршихад хэмжих факторууд Хамааралтай хэмжигдхүүн гэдэг нь туршилтын болон судалгааны үр дүн Хамааралгүй хэмжигдхүүн гэдэг нь туршилтын үр дүнг үүсгэгч өөрөөр хэлбэл үр нөлөөний шалтгаан. Туршилт судалгаан дээр та үүнийг байнга өөрчилж байдаг хэмжигдхүүн

66 Жишээ Таамаглал: Өвөлжөөнөөс холдох тутам ургамлын нийт бүрхэц нэмэгдэнэ. Өвөлжөөнөөс холдох зай нь хамааралгүй тогтмол хэмжигдхүүн Нийт ургамлын бүрхэц нь хамааралтай хувьсах хэмижгдхүүн

67 Аль нь хамааралгүй, аль нь хамааралтай хэмжигдхүүн бэ? Таамаглал 1: Сөөг нь элслэг хөрснөөс эхлээд их шаварлаг хөрсөнд ургадаг Таамаглал 2: Нэг наст алаг өвсний бүрхэц өвөлжөөнд ойртох тусам ихэснэ. Таамаглал 3: НИТБМ-ийн холбооны гишүүн айлууд нь гишүүн бус айлуудыг бодвол өвөлжөөгөө ихэвчлэн амраадаг

68 Туршиж болох, худлаа гэдгийг нь баталж болох Та таамаглалыг туршилт хийж, эсвэл ажиглалтын замаар өгөгдөл цуглуулж, худлаа гэдгийг нь баталж болно. Жишээ нь: Таамаглал: Бордоо нэмвэл ургацыг нэмэгдүүлнэ. Бид жигд ургацтай хадлангийн талбайг санамсаргүйгээр сонгосон 10 талбайг бордоогоор бордоод яг адилхан 10 талбайг бордолгүй үлдээнэ. Хэрвээ бордоо нэмсэн талбайд ургац нэмэгдэхгүй бол бидний таамаглал батлагдахгүй.

69 Манай төслийн зарим ерөнхий таамаглалууд НИТБМ бүлгүүдийн гишүүдийн ашиглаж байгаа өвөлжөөнүүд нь НИТБМ-гүй айлуудын өвөлжөөг бодвол илүү ургацтай, ургамлын зүйлүүд олон, мөн эрүүл байна. НИТБМ бүлгүүдийн гишүүд нь илүү шинийг санаачилдаг мөн нийгмийн баялаг капитал ихтэй.

70 Та өөрөө хийгээд үз! Таамаглалаа дэвшүүлээд үз Та өөртөө байгаа өгөгдлүүд, мэдлэгээ ашиглаад: Туршиж болох таамаглал дэвшүүл Хамааралтай хэмжигдэхүүнийг тодорхойл. Хамааралгүй хэмжигдэхүүнүүдийг тодорхойл Ямар урьдчилсан мэдээлэл мэдлэг дээр үндэслэж энэ таамаглалаа дэвшүүлсэн бэ? (Яагаад та үүнийг үнэн гэж бодож байна вэ?) Та дэвшүүлсэн таамаглалаа нөхөдтэйгээ зөвлө Та бусдынхыгаа уншаад саналаа хэл Нийт баг дотроо хэлэлцүүл

71 Дүгнэлтийн статистикийг ашиглан таамаглалаа турших

72 Дүгнэлтийн статистик Дүгнэлтийн статистик нь том олонлогоос дүгнэлт гаргахын тулд жижиг хэмжээний дээж аван дүгнэлт гаргадаг. 2 дээж нь 2 өөр олонлогоос ирсэн гэдгийг тодорхойлохын тулд бид дүгнэлтийн статистикийг ашиглах хэрэгтэй. Бид таамаглалаа туршихын тулд дүгнэлтийн статистикийг ашиглах хэрэгтэй.

73 Дүгнэлтийн статистик нь юунд хэрэгтэй вэ? Олонлогууд маань ялгаатай юу? Ялгаатай гэдэгт бид хир итгэлтэй байна вэ?

74 Таамаглалаа турших 2 дээж нь хоорондоо ялгаатай гэдгийг тодорхойлохын тулд бид дүгнэлтийн статистикийг ашиглах хэрэгтэй. Жишээ нь: Ядуу болон чинээлэг малчдын нүүдэллэх зайны ялгааг харьцуулъя. Бид энгийн статистикийн аргыг ашиглаад дэвшүүлсэн таамаглалаа туршиж ЧАДАХГҮЙ буюу дээрх 2 дээж маань ялгаатай гэдгийг харьцуулж чадахгүй.

75 Нутгийн уугуул үетэн ургамлын бүрхэц, % A. Их бэлчээрлэл ттэй B. дунд зэргийн бэлчээрлэлтт эй Plot Plot Plot Plot Plot C. Мал бэлчээрлээг үй Mean Variance

76 Нойл таамаглал (Ho) Дундаж бүрхэц: A = B = C

77 Дүгнэлтийн статистик нь яаж ажилладаг вэ? Тэр чигтээ хэлбэлзэлийн л (variance) тухай Бүлэг хоорондын хэлбэлзлийг бүлэг доторх хэлбэлзэлд харьцүүлсан харьцаа Энэ харьцаа нь ихсэх тутам жинхэнээсээ ялгаатай байх магадлал нь ихэсдэг.

78 Дүгнэлтийн статистик нь яаж ажилладаг вэ? Тэр чигтээ хэлбэлзэлийн л (variance) тухай t = (difference between sample means)/ [2 x (average variance of the samples)/(sample size)] t = (Дээжний дундажуудын хоорондын ялгаа)/ [2 x (дээжнүүдийн дундаж хэлбэлзэл/нийт дээжний тоо)] F = бүлэг хоорондын хэлбэлзэл (variance)/ бүлэг доторх хэлбэлзэл (variance)

79 P-н утгыг хэрхэн тайлбарлах вэ? Туршилтын статистик утгууд (t, F) их байх тохиолдолд үр дүнг цэвэр, тохиолдлоор гарган авах нь маш бага байдаг. Тогтсон журмын дагуу хэрвээ P<0.05 байвал нь бид дээжнүүдийнхээ дундаж утгууд нь адилхан гэсэн таамаглалаа няцаадаг. Тэгэхээр бид, тухайн 2 олонлогоос авсан дээжнүүдийн маань дундаж утга нь адилхан гэсэн нойл таамаглалаа няцаалаа.

80 t-test: Two-Sample Assuming Equal Variances Site A and Site B Site A Site B Mean Variance Observations 5 5 Pooled Variance 69.3 Hypothesized Mean Difference 0 df 8 t Stat P(T<=t) one-tail E-05 t Critical one-tail P(T<=t) two-tail t Critical two-tail

81 t-test: Two-Sample Assuming Equal Variances Site A and Site B Site A Site B Mean Variance Observations 5 5 Pooled Variance 69.3 Hypothesized Mean Difference 0 df 8 t Stat Calculated t-value P(T<=t) one-tail E-05 t Critical one-tail P(T<=t) two-tail Critical value for t t Critical two-tail P-value

82 Тэгэхээр бид, Бид, дээжнүүдийн маань дундаж утга нь адилхан гэсэн нойл таамаглалаа няцаалаа: A=B Нутгийн уугуул үетэн ургамлын бүрхэц нь B (дунд зэргийн бэлчээрлэлттэй) нутагт A нутгийг бодвол харьцангуй их байна гэсэн дүгнэлтэнд хүрлээ.

83 t-test: Two-Sample Assuming Unequal Variances Site B and Site C Site B Site C Mean Variance Observations 5 5 Hypothesized Mean Difference 0 df 6 t Stat P(T<=t) one-tail t Critical one-tail P(T<=t) two-tail t Critical two-tail

84 t-test: Two-Sample Assuming Unequal Variances Site A and Site C Site A Site C Mean Variance Observations 5 5 Hypothesized Mean Difference 0 df 5 t Stat P(T<=t) one-tail t Critical one-tail P(T<=t) two-tail t Critical two-tail

85 Нэгдсэн дүгнэлт дунд зэргийн бэлчээрлэлттэй (B) > их бэлчээрлэлттэй дунд зэргийн бэлчээрлэлттэй (B) = Мал бэлчээрлээгүй (C)* их бэлчээрлэлттэй (A) = Мал бэлчээрлээгүй (C) * Хэрвээ та Type I алдаагаа 5% гэж авсан тохиолдолд

86 Алдааны төрлүүд Ялгаа байхгүй Жинхэнэ ялгаа Ялгаа ажиглагдсан Ялгаа ажиглагдаагүй андуурч ялгаатай гэсэн алдаа (Type I) α Алдаа байхгүй Алдаа байхгүй (Power) 1-β андуурч ялгаатай байхад ялгаагүй гэсэн алдаа(type II) β

87 P-н утга P-н утга буюу үнэмлэхүйц утга гэдэг маань андуурч ялгаатай гэсэн алдаа -г (Type I error) хийх магадлалын статистикийн тест юм. Энэ бол бидний хийсэн тест маань яг үнэндээ дээжнүүдийн дундаж утга нь бие биенээсээ ялгаагүй байхад үнэмлэхүйц ялгаатай байна гэж тодорхойлох магадлал юм. Бид тэгэхээр энэ алдааг хамгийн бага байлгахыг л зорьдог бөгөөд ихэнх эрдэмтдүүд 5% -оос л доош (P=<0.05) байвал хүлээн зөвшөөрдөг дүрэмтэй.

88 Дата өгөгдлийн төрлүүд Үргэлжилсэн тоон ( scale ) хэмжигдхүүнүүд нь байнга хувьсаж өөрчлөгдөж байдаг жишээ нь ургамлын бүрхэмжийн хувь юмуу орлого МНТ-өөр гэх мэт. Категорын ( nominal ) хэмжигдхүүнүүд нь тусгай тогтмол категорууд, жишээ нь Тийм, Үгүй гэсэн хариултууд байх юмуу хөрсний бүтцийн хувьд бол Элсэнцэр шавар, шаварлаг гэх мэт. Дугаарласан ( ordinal ) хэмжигдхүүнүүд нь үргэлжилсэн дэс дараатай хэмжигдхүүнүүд биш, жишээ нь асуулгын хариултууд нь 1=маш их санал нийлэхгүй байна, 2=нэг их санал нийлэхгүй байна, 3=тийм ч биш үгүй ч биш, 4=бага зэрэг санал нийлж байна, 5=маш их санал нийлж байна.

89 Анализын төрлүүд Өгөгдлийн төрлүүд 2 continuous (scale) variables 1 nominal x 1 continuous 2 nominal (or ordinal) Анализын төрлүүд Шугаман Хамаарал T-test (if 2 groups) ANOVA (more than 2 groups) Chi-square Cross-tabulation Жишээ Grass biomass x % Clay in soil CBREM membership x % foliar cover Distance from impact x species richness CBRM member x Fall Otor

90 Статистикийн нойл таамаглал: Ямар ч хамаарал байхгүй, шугам нь хэвтээ Жишээ: Шугаман Хамаарал Экологийн таамаглал: Үетэн ургамлын ургац хөрсний шаварлагийн хэмжээ ихсэх тутам ихэснэ учир нь шаварлаг хөрс усыг хөрсний өнгөн давхаргад ойролцоо барьж хадгалж байдаг. Хамааралтай хэмжигдэхүүн = LN Grass Biomass Хамааралгүй хэмжигдэхүүн = % Clay in Horizon 1 Анализээ хий Regression Linear Statistics > Model fit, R square change, Estimates

91 Жишээ: Шугаман Хамаарал LN Grass Biomass x %Clay in Horizon 1 Нойл таамаглалыг няцааж болох уу? Тэгвэл нь, бидний анхны таамаглал маань юу болов?

92 Жишээ: Шугаман Хамаарал LN Grass Biomass x %Clay in Horizon 1 Нойл таамаглалыг няцааж болох уу? Тийм!

93 Жишээ: Шугаман Хамаарал Тэгвэл нь, бидний анхны таамаглал маань юу болов?

94 Жишээ: ANOVA Экологийн таамаглал: Үетэн ургамлын ургац өвөлжөөнөөс холдох тусам ихэснэ. Хамааралтай хэмжигдэхүүн = LN Grass Biomass Хамааралгүй хэмжигдэхүүн = өвөлжөөнөөс холдох зай Анализээ хий General Linear Model Univariate Dependent variable = LNGrassBiomass Random factor = Distance from Impact Статистикийн нойл таамаглал: mean 100m = mean 500m = mean 1000m

95 Жишээ: ANOVA Дундаж утга нь адилхан гэсэн нойл таамаглалыг няцааж болох уу?

96 Жишээ: ANOVA Хэрвээ стандарт алдааны зураасууд давхцах юм бол статистикийн хувьд ямар нэгэн ялгаа байхгүй Харахад өсөх хандлагатай байгаа ч, статистикийн хувьд үнэмлэхүйц ялгаа байхгүй байна. Бид дундаж утгууд нь адилхан гэсэн статистикийн нойл таамаглалаа хүлээн зөвшөөрнө. Бид үетэн ургамлын ургац өвөлжөөнөөс холдох тусам ихэснэ гэсэн экологийн таамаглалаа няцаана.

97 Жишээ: Chi-square Өрхийн судалгааны өгөгдлийг ашигла. Судалгааны таамаглал: НИТБМ гишүүн өрх нь өвлийн бэлтгэлээ НИТБМ-гүй айлуудыг бодвол илүү сайн хийнэ. Статистикийн таамаглал: Өвлийн бэлтгэлийн үйл ажиллагааны давтамж НИТБМ ба НИТБМ-гүй өрхүүдийн хооронд ялгаатай байна.

98 Жишээ: Chi-square Хамааралтай хэмжигдэхүүн (үүд): Reserve Winter Pasture, Cut Hay, Deworm Livestock Хамааралгүй хэмжигдэхүүн : CBRM organization member Анализээ хий Cross-tabs Row = CBRM Org Column = Reserve Winter Pasture Statistics: Chi-square Cells: row, column and total percent

99 Жишээ: Chi-square Cтатистикийн нойл таамаглалаа хүлээн зөвшөөрөх үү няцаах уу?

100 Асуултууд байна уу?

101 Та өөрөө хийгээд үз! Хийх тестээ сонго Та өөрийнхөө дэвшүүлсэн судалгааны таамаглалаа эргээд шинжлээд үз Судалгааны таамаглалаа тест хийх нойл таамаглалаа дэвшүүлээд бич Хэмжигдхүүнүүдээ үргэлжилсэн тоон, категорын номинал, дугаарласан ординал гэдгийг тодорхойл Та бүхэн сонголтоо хажуудах улстайгаа зөвлөн ярилцаад, бие биенийхийгээ засч өгнө үү Тэгээд дараа нь нийт дунд бусад нөхөддөө танилцуулаарай

102 Та өөрөө хийгээд үз! Tестээ хийгээд тайлбарлаарай Та өөрийнхөө дэвшүүлсэн статистикийн таамаглалаа тест хийхийн тулд SPSS программыг ашигла Гарсан үр дүнд нь тулгуурлаад статистикийнхаа нойл таамаглалыг зөвшөөрөх, няцаах эсэхээ шийд Гарсан үр дүнгүүд нь таны судалгааны таамаглалыг дэмжиж байна уу, няцааж байна уу? Гарсан үр дүнгүүдийг та юу гэж тайлбарлах вэ? (Таны гаргасан үр дүн юу гэсэн үг вэ?) Та бүхэн багийнхаа улстайгаа зөвлөн ярилцаарай Тэгээд дараа нь нийт дунд бусад нөхөддөө танилцуулаарай

103 Баярлалаа! Энэ семинарын талаарх үнэлгээний хүснэгтийг бөглөнө үү!

104 Бидний судалгааны загвар НИТБМгүй сум НИТБМтэй сум O O 100 O 100 O O O

105 Our Study Design With CBRM Without CBRM Total Mountain Steppe 100 m Mountain Steppe 500 m Mountain Steppe 1000 m Steppe 100 m Steppe 500 m Steppe 1000 m Desert Steppe 100 m Desert Steppe 500 m Desert Steppe 1000 m Total

Тухайн Дифференциал Тэгшитгэл ба Түүний Нийтлэг Хэрэглээ

Тухайн Дифференциал Тэгшитгэл ба Түүний Нийтлэг Хэрэглээ Тухайн Дифференциал Тэгшитгэл ба Түүний Нийтлэг Хэрэглээ Сүхболдын Төгөлдөр 2012 оны 1р сарын 23 1 Өмнөх Үг Юуны өмнө энэ семинарт оролцох боломжийг олгосон Төмөр ахдаа баярлалаа. Миний бие астрофизикийн

Διαβάστε περισσότερα

Өгөгдөл(Data) and Дохио(signal)

Өгөгдөл(Data) and Дохио(signal) Мэдээллийн сүлжээ профессорын баг Өгөгдөл(Data) and Дохио(signal) Семинар 2 Багш (Доктор Ph.D) Л.Одончимэг Оюутан юу эзэмших вэ: Өгөгдөл гэж юу вэ? Өгөгдөл ба Дохионы ялгаа Аналог ба Тоон дохионы ялгаа

Διαβάστε περισσότερα

Нягтруулга Multiplexing

Нягтруулга Multiplexing Шинжлэх Ухаан Технологийн Их Сургууль Мэдээлэл Холбооны Технологийн Сургууль Нягтруулга Multiplexing Мэдээллийн Сүлжээний баг Лекц 6 Багш Доктор (Ph.D) Л.Одончимэг Агуулга: Нягтруурлга гэж юу вэ? Нягтруулгын

Διαβάστε περισσότερα

БИЕ ДААЛТЫН БОДЛОГО Цалин Татвар 10.

БИЕ ДААЛТЫН БОДЛОГО Цалин Татвар 10. БИЕ ДААЛТЫН БОДЛОГО. ax bx c 0 квадрат тэгшитгэлийн бодит шийдийг олох алгоритм зохиох. Хэрэв төсвийн байгууллагын ажилтан нь доорхи хүснэгтэнд өгсөн цалинтай бол татварыг тооцох программ зохио. Цалин

Διαβάστε περισσότερα

Монголд уул уурхайн өсөн нэмэгдэж буй үйлдвэрлэл хөдөө аж ахуйн салбарт хэрхэн нөлөөлж байгаа тухай

Монголд уул уурхайн өсөн нэмэгдэж буй үйлдвэрлэл хөдөө аж ахуйн салбарт хэрхэн нөлөөлж байгаа тухай Монголын бэлчээрийн нөхөн сэргэх чадамжийг бэхжүүлэх нь Салбар хөрвөсөн эрдэм шинжилгээний судалгааны хурлын бүтээл, Улаанбаатар хот, Монгол Улс, 2015 оны 6-р сарын 9-10 Монголд уул уурхайн өсөн нэмэгдэж

Διαβάστε περισσότερα

АНДЕРРАЙТИНГИЙН ГАРЫН УЛААНБААТАР ХОТ АВЛАГА

АНДЕРРАЙТИНГИЙН ГАРЫН УЛААНБААТАР ХОТ АВЛАГА 2014 АНДЕРРАЙТИНГИЙН ГАРЫН УЛААНБААТАР ХОТ АВЛАГА ДААТГАЛЫН ТӨРӨЛ: ТЭЭВРИЙН ХЭРЭГСЛИЙН ДААТГАЛ Д.Жаргал /Монгол Даатгал ХХК/ С.Золбоо /Практикал Даатгал ХХК/ Ч.Бат-Эрдэнэ /Бодь Даатгал ХХК/ С.Нарантунгалаг

Διαβάστε περισσότερα

СҮРЬЕЭГИЙН АСУУЛТ, ХАРИУЛТУУД ИЛРҮҮЛЭЛТ, ЭМЧИЛГЭЭ, БА ХЯНАЛТ ХОЁРДАХЬ ХЭВЛЭЛ ДЭЛХИЙН ЭРҮҮЛ МЭНДИЙН БАЙГУУЛЛАГА ЖЕНЕВ

СҮРЬЕЭГИЙН АСУУЛТ, ХАРИУЛТУУД ИЛРҮҮЛЭЛТ, ЭМЧИЛГЭЭ, БА ХЯНАЛТ ХОЁРДАХЬ ХЭВЛЭЛ ДЭЛХИЙН ЭРҮҮЛ МЭНДИЙН БАЙГУУЛЛАГА ЖЕНЕВ СҮРЬЕЭГИЙН ИЛРҮҮЛЭЛТ, ЭМЧИЛГЭЭ, БА ХЯНАЛТ АСУУЛТ, ХАРИУЛТУУД ХОЁРДАХЬ ХЭВЛЭЛ ДЭЛХИЙН ЭРҮҮЛ МЭНДИЙН БАЙГУУЛЛАГА ЖЕНЕВ 2 Сүрьеэгийн Èлрүүлэлт, эмчилгээ, ба хяналт асуулт, хариултууд Хоёрдахь хэвлэл Хянасан

Διαβάστε περισσότερα

Transmission of Analog Signal

Transmission of Analog Signal Шинжлэх Ухаан Технологийн Их Сургууль Мэдээлэл Холбооны Технологийн Сургууль Мэдээллийн сүлжээний профессорын баг Transmission of Analog Signal Лекц 5 Багш (Ph.D)Л.Одончимэг Аналог дохио дамжуулал Агуулга:

Διαβάστε περισσότερα

Αν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.

Αν 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 περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 13. Συμπεράσματα για τη σύγκριση δύο πληθυσμών

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 13. Συμπεράσματα για τη σύγκριση δύο πληθυσμών ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ

Διαβάστε περισσότερα

Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.

Εργαστήριο 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 περισσότερα

1. Ιστόγραμμα. Προκειμένου να αλλάξουμε το εύρος των bins κάνουμε διπλό κλικ οπουδήποτε στο ιστόγραμμα και μετά

1. 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 περισσότερα

Άσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F

Άσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό

Διαβάστε περισσότερα

Appendix A. Final IPO sample Date Stock Offering Price Closing Change Berry Index Ad Hoc-Berry index Indutrade AB 65 73,25 12,69% 0,8392

Appendix A. Final IPO sample Date Stock Offering Price Closing Change Berry Index Ad Hoc-Berry index Indutrade AB 65 73,25 12,69% 0,8392 Appendix A. Final IPO sample Date Stock Offering Price Closing Change Berry Index Ad Hoc-Berry index 2005-10-05 Indutrade AB 65 73,25 12,69% 0,8392 0,775887574 2005-10-06 Hemtex AB 56 61 8,93% 0 0 2005-11-08

Διαβάστε περισσότερα

С. Лувсандондовын зохиосон ерөөл ба морины цолын шинээр олдсон гар бичмэлийн судалгаа 1

С. Лувсандондовын зохиосон ерөөл ба морины цолын шинээр олдсон гар бичмэлийн судалгаа 1 Ondřej Srba Прага дахь Карлын их сургууль С. Лувсандондовын зохиосон ерөөл ба морины цолын шинээр олдсон гар бичмэлийн судалгаа 1 1. Сэдбазарын Лувсандондов хийгээд түүний зохиол бүтээл Халхын алдартай

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 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 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 περισσότερα

Repeated measures Επαναληπτικές μετρήσεις

Repeated 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 περισσότερα

Απλή Ευθύγραµµη Συµµεταβολή

Απλή 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 περισσότερα

Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov.

Για 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 περισσότερα

Reliability analysis Ανάλυση αξιοπιστίας

Reliability 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 περισσότερα

ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ,

ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, -- Άσκηση. Δίνονται τα παρακάτω δεδομένα 5 7 8 9 5 X 8 5 5 5 9 7 Y. 5.. 7..7.7.9.. 5.... 8.. α) Να γίνει το διάγραμμα διασποράς β) εξετάστε τα μοντέλα Υ = β + β Χ + ε, (linear),

Διαβάστε περισσότερα

η πιθανότητα επιτυχίας. Επομένως, η συνάρτηση πιθανοφάνειας είναι ίση με: ( ) 32 = p 18 1 p

η πιθανότητα επιτυχίας. Επομένως, η συνάρτηση πιθανοφάνειας είναι ίση με: ( ) 32 = p 18 1 p ΑΣΚΗΣΗ 1 ΣΕΜΦΕ 14-15 i. Έστω yi ο αριθμός των προσπαθειών κάθε μαθητή μέχρι να πετύχει τρίποντο. Ο αριθμός των προσπαθειών πριν ο μαθητής να πετύχει τρίποντο θα είναι xi = yi - 1, i = 1,,18. 2 2 3 2 1

Διαβάστε περισσότερα

Μενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο

Μενύχτα, 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 περισσότερα

Εισαγωγή στην Ανάλυση Συνδιακύμανσης (Analysis of Covariance, ANCOVA)

Εισαγωγή στην Ανάλυση Συνδιακύμανσης (Analysis of Covariance, ANCOVA) Εισαγωγή στην Ανάλυση Συνδιακύμανσης (nalysis of Covariance, NCOV) Βασίλης Παυλόπουλος Λέκτορας Διαπολιτισμικής Ψυχολογίας Τομέας Ψυχολογίας, Πανεπιστήμιο Αθηνών vpavlop@psych.uoa.gr http://www.psych.uoa.gr/~vpavlop

Διαβάστε περισσότερα

Μην ξεχάσετε να προσθέσετε μόνοι σας τα Session του Minitab! Δηλαδή την ημερομηνία και ώρα που κάνατε κάθε άσκηση!

Μην ξεχάσετε να προσθέσετε μόνοι σας τα Session του Minitab! Δηλαδή την ημερομηνία και ώρα που κάνατε κάθε άσκηση! Μην ξεχάσετε να προσθέσετε μόνοι σας τα Session του Minitab! Δηλαδή την ημερομηνία και ώρα που κάνατε κάθε άσκηση! ΘΕΜΑ ο [Μονάδες 20] Ερώτημα i (4 μονάδες). Για να κάνουμε τους υπολογισμούς που χρειάζονται

Διαβάστε περισσότερα

Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS

Λογαριθμικά 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 περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 8. Ανάλυση διασποράς (ANOVA)

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 8. Ανάλυση διασποράς (ANOVA) ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 8. Ανάλυση διασποράς (ANOVA) Γενικά Επέκταση της σύγκρισης µέσων τιµών µεταβλητής ανάµεσα σε 2 δείγµατα (οµάδες ήστάθµες): Σύγκριση πολλών δειγµάτων (K>2) µαζί Σχέση ανάµεσα σε µια ποσοτική

Διαβάστε περισσότερα

Εισαγωγή στην Ανάλυση Διακύμανσης

Εισαγωγή 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 περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ Περιεχόμενα 1. ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ...

Διαβάστε περισσότερα

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)

ΕΙΔΙΚΑ 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 περισσότερα

Δείγμα (μεγάλο) από οποιαδήποτε κατανομή

Δείγμα (μεγάλο) από οποιαδήποτε κατανομή ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 4ο Κατανομές Στατιστικών Συναρτήσεων Δείγμα από κανονική κατανομή Έστω Χ= Χ Χ Χ τ.δ. από Ν µσ τότε ( 1,,..., n) (, ) Τ Χ Χ Ν Τ Χ σ σ Χ Τ Χ n Χ S µ S µ 1( ) = (0,1), ( ) = ( n 1)

Διαβάστε περισσότερα

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εισαγωγή στην Ανάλυση Ερευνητικών Δεδομένων στις Κοινωνικές Επιστήμες Με χρήση των λογισμικών IBM/SPSS και LISREL Ενότητα 7 η : Ανάλυση

Διαβάστε περισσότερα

Λυμένες Ασκήσεις για το μάθημα:

Λυμένες 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 περισσότερα

$ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η.

$ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η. η &, 7!# v # $ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η. - ι% ιι* ι' F ι ι ι% MS F MS between within MS MS

Διαβάστε περισσότερα

ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ

ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, 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 περισσότερα

ΑΝΑΛΥΣΗ 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 ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Πολλαπλή Παλινδρόμηση Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια

Διαβάστε περισσότερα

Κεφάλαιο 13 Σύγκριση των Παραμέτρων Δύο Πληθυσμών

Κεφάλαιο 13 Σύγκριση των Παραμέτρων Δύο Πληθυσμών Κεφάλαιο 13 Σύγκριση των Παραμέτρων Δύο Πληθυσμών Σύγκριση Δύο Πληθυσμών Προηγούμενα εξετάσαμε τεχνικές για την εκτίμηση και τον έλεγχο παραμέτρων για έναν πληθυσμό. Θα συνεχίσουμε να εξετάζουμε αυτές

Διαβάστε περισσότερα

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)

ΕΙΔΙΚΑ 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 περισσότερα

TABLES AND FORMULAS FOR MOORE Basic Practice of Statistics

TABLES 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 περισσότερα

ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 2342 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: Οικονομετρικά. Εργαστήριο 15/05/11

ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 2342 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: Οικονομετρικά. Εργαστήριο 15/05/11 ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 34 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: 17 Οικονομετρικά Εργαστήριο 15/5/11 ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ 7 ΕΡΓΑΣΤΗΡΙΟ ΜΗ ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ Σκοπός του παρόντος µαθήµατος είναι η

Διαβάστε περισσότερα

DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT

DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT Prepared for Dr. Robert Progar U.S. Forest Service Forest Sciences Laboratory Corvallis, Oregon January 2005 By Greg Brenner Pacific Analytics

Διαβάστε περισσότερα

ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ. Παιεάο Δπζηξάηηνο

ΕΡΓΑΙΑ 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 περισσότερα

Lampiran 1 Output SPSS MODEL I

Lampiran 1 Output SPSS MODEL I 67 Variables Entered/Removed(b) Lampiran 1 Output SPSS MODEL I Model Variables Entered Variables Removed Method 1 CFO, ACCOTHER, ACCPAID, ACCDEPAMOR,. Enter ACCREC, ACCINV(a) a All requested variables

Διαβάστε περισσότερα

p n r.01.05.10.15.20.25.30.35.40.45.50.55.60.65.70.75.80.85.90.95

p n r.01.05.10.15.20.25.30.35.40.45.50.55.60.65.70.75.80.85.90.95 r r Table 4 Biomial Probability Distributio C, r p q This table shows the probability of r successes i idepedet trials, each with probability of success p. p r.01.05.10.15.0.5.30.35.40.45.50.55.60.65.70.75.80.85.90.95

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 3 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Η ΜΕΣΗ ΤΙΜΗ ΚΑΙ Η ΔΙΑΜΕΣΟΣ... 29

ΠΕΡΙΕΧΟΜΕΝΑ 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 περισσότερα

Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα

Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα Αρχείο δεδομένων school.sav Στον πίνακα Descriptives, μας δίνονται για την Επίδοση ως προς τις πέντε διαφορετικές μεθόδους διδασκαλίας, το

Διαβάστε περισσότερα

Σύγκριση Συνδυασµένων Παραγόντων

Σύγκριση Συνδυασµένων Παραγόντων Σύγκριση Συνδυασµένων Παραγόντων Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Παραγοντικά Πειράµατα (Factorial Experiments)

Διαβάστε περισσότερα

Δείγμα πριν τις διορθώσεις

Δείγμα 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 περισσότερα

Στατιστική Ανάλυση Δεδομένων II. Γραμμική Παλινδρόμηση με το S.P.S.S.

Στατιστική Ανάλυση Δεδομένων II. Γραμμική Παλινδρόμηση με το S.P.S.S. Στατιστική Ανάλυση Δεδομένων II Γραμμική Παλινδρόμηση με το S.P.S.S. μέρος Α (απλή παλινδρόμηση) Νίκος Τσάντας Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά και Σύγχρονες Εφαρμογές Ακαδημαϊκό

Διαβάστε περισσότερα

Μηχανική Μάθηση Hypothesis Testing

Μηχανική 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 περισσότερα

ΕΝ ΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΑΣΚΗΣΗΣ 2 (Εργαστήρια µαθήµατος «Στατιστικά Προγράµµατα», τµ. Στατ. & Ασφ. Επιστ., 04-05) (Επιµέλεια: Ελευθεράκη Αναστασία)

ΕΝ ΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΑΣΚΗΣΗΣ 2 (Εργαστήρια µαθήµατος «Στατιστικά Προγράµµατα», τµ. Στατ. & Ασφ. Επιστ., 04-05) (Επιµέλεια: Ελευθεράκη Αναστασία) ΕΝ ΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΑΣΚΗΣΗΣ (Εργαστήρια µαθήµατος «Στατιστικά Προγράµµατα», τµ. Στατ. & Ασφ. Επιστ., -) (Επιµέλεια: Ελευθεράκη Αναστασία) Άσκηση (Εργαστήριο #) Στις εξετάσεις Φεβρουαρίου του µαθήµατος

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ

ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ Ενότητα 5: ΠΡΟΥΠΟΛΟΓΙΣΜΟΙ ΚΑΙ ΠΡΟΒΛΕΨΕΙΣ ΠΩΛΗΣΕΩΝ ΚΥΡΙΑΖΟΠΟΥΛΟΣ ΓΕΩΡΓΙΟΣ Τμήμα ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

Εισαγωγή στη Στατιστική Επεξεργασία Δεδομένων με το SPSS for Windows

Εισαγωγή στη Στατιστική Επεξεργασία Δεδομένων με το SPSS for Windows Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Φιλοσοφίας, Παιδαγωγικής και Ψυχολογίας Τομέας Ψυχολογίας Εισαγωγή στη Στατιστική Επεξεργασία Δεδομένων με το SPSS for Windows Επιμέλεια: Λέκτορας Βασίλης

Διαβάστε περισσότερα

1991 US Social Survey.sav

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

Διαβάστε περισσότερα

ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙO ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΞΙΟΠΟΙΗΣΗΣ ΦΥΣΙΚΩΝ ΠΟΡΩΝ & ΓΕΩΡΓΙΚΗΣ ΜΗΧΑΝΙΚΗΣ

ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙO ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΞΙΟΠΟΙΗΣΗΣ ΦΥΣΙΚΩΝ ΠΟΡΩΝ & ΓΕΩΡΓΙΚΗΣ ΜΗΧΑΝΙΚΗΣ ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙO ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΞΙΟΠΟΙΗΣΗΣ ΦΥΣΙΚΩΝ ΠΟΡΩΝ & ΓΕΩΡΓΙΚΗΣ ΜΗΧΑΝΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΓΕΣ ΤΗΣ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΟΥΣ ΦΥΣΙΚΟΥΣ ΠΟΡΟΥΣ» «Χωρικά μοντέλα πρόβλεψης αναβλάστησης

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 11. Εισαγωγή στον έλεγχο υποθέσεων

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 11. Εισαγωγή στον έλεγχο υποθέσεων ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ

Διαβάστε περισσότερα

Η Σχέση Της Επιχειρηματικής Στρατηγικής Και Της Καινοτομικής Επίδοσης: Μια Εμπειρική Διερεύνηση Σε 2000 Ελληνικές Επιχειρήσεις

Η Σχέση Της Επιχειρηματικής Στρατηγικής Και Της Καινοτομικής Επίδοσης: Μια Εμπειρική Διερεύνηση Σε 2000 Ελληνικές Επιχειρήσεις Η Σχέση Της Επιχειρηματικής Στρατηγικής Και Της Καινοτομικής Επίδοσης: Μια Εμπειρική Διερεύνηση Σε 2000 Ελληνικές Επιχειρήσεις Άγγελος Τσακανίκας, Επίκουρος Καθηγητής ΕΜΠ Γεώργιος Σιώκας, Υποψήφιος Διδάκτορας

Διαβάστε περισσότερα

+ ε βελτιώνει ουσιαστικά το προηγούμενο (β 3 = 0;) 2. Εξετάστε ποιο από τα παρακάτω τρία μοντέλα:

+ ε βελτιώνει ουσιαστικά το προηγούμενο (β 3 = 0;) 2. Εξετάστε ποιο από τα παρακάτω τρία μοντέλα: ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, 6-5-0 Άσκηση 8. Δίνονται οι παρακάτω 0 παρατηρήσεις (πίνακας Α) με βάση τις οποίες θέλουμε να δημιουργήσουμε ένα γραμμικό μοντέλο για την πρόβλεψη της Υ μέσω των ανεξάρτητων μεταβλητών

Διαβάστε περισσότερα

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών

Διαβάστε περισσότερα

Προϋποθέσεις : ! Και οι δύο µεταβλητές να κατανέµονται κανονικά και να έχουν επιλεγεί τυχαία.

Προϋποθέσεις : ! Και οι δύο µεταβλητές να κατανέµονται κανονικά και να έχουν επιλεγεί τυχαία. . ΣΤΑΤΙΣΤΙΚΗ ΣΥΣΧΕΤΙΣΗ. Υπολογισµός συντελεστών συσχέτισης Προκειµένου να ελέγξουµε την ύπαρξη γραµµικής σχέσης µεταξύ δύο ποσοτικών µεταβλητών, χρησιµοποιούµε συνήθως τον παραµετρικό συντελεστή συσχέτισης

Διαβάστε περισσότερα

Πανεπιστήμιο Πάτρας Τμήμα Βιολογίας. Ανάλυση Περιβαλλοντικών Δεδομένων: συνοπτικός οδηγός για βιολόγους. Σίνος Γκιώκας

Πανεπιστήμιο Πάτρας Τμήμα Βιολογίας. Ανάλυση Περιβαλλοντικών Δεδομένων: συνοπτικός οδηγός για βιολόγους. Σίνος Γκιώκας Πανεπιστήμιο Πάτρας Τμήμα Βιολογίας Ανάλυση Περιβαλλοντικών Δεδομένων: συνοπτικός οδηγός για βιολόγους Σίνος Γκιώκας Πάτρα 2007 ΠΕΡΙΕΧΟΜΕΝΑ Εισαγωγή 2 Βήματα για μια πετυχημένη ανάλυση των δεδομένων 3

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΙ ΑΝΑΛΟΓΙΩΝ ΔΥΟ

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΙ ΑΝΑΛΟΓΙΩΝ ΔΥΟ ΚΕΦΑΛΑΙΟ 19 ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΙ ΑΝΑΛΟΓΙΩΝ ΔΥΟ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ Όταν ενδιαφερόμαστε να συγκρίνουμε δύο πληθυσμούς, η φυσιολογική προσέγγιση είναι να προσπαθήσουμε να συγκρίνουμε

Διαβάστε περισσότερα

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ SPSS

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ SPSS ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ SPSS ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ Κωνσταντίνος Ζαφειρόπουλος Τμήμα Διεθνών και Ευρωπαϊκών Σπουδών Ανοικτά Ακαδημαϊκά Μαθήματα στο Πανεπιστήμιο Μακεδονίας Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Κεφάλαιο 3: Ανάλυση μιας μεταβλητής

Κεφάλαιο 3: Ανάλυση μιας μεταβλητής Κεφάλαιο 3: Ανάλυση μιας μεταβλητής Γενικά Στο Κεφάλαιο αυτό θα παρουσιάσουμε κάποιες μεθόδους της Περιγραφικής Στατιστικής και της Στατιστικής Συμπερασματολογίας που αφορούν στην ανάλυση μιας μεταβλητής.

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 1 ο ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΚΑΙ ΑΝΑΛΥΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΜΕ ΧΡΗΣΗ ΕΛΕΓΧΩΝ (STUDENT S T).. 21

ΚΕΦΑΛΑΙΟ 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 περισσότερα

Οδηγός Ανάλυσης Παραλλακτικότητας εδοµένων Γεωργικών Πειραµάτων µε Στατιστικά Πακέτα

Οδηγός Ανάλυσης Παραλλακτικότητας εδοµένων Γεωργικών Πειραµάτων µε Στατιστικά Πακέτα Αριστοτέλειο Πανεπιστήµιο Θεσσαλονίκης Γεωπονική Σχολή Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Εργαστήριο Γεωργίας Οδηγός Ανάλυσης Παραλλακτικότητας εδοµένων Γεωργικών Πειραµάτων µε Στατιστικά

Διαβάστε περισσότερα

Μοντέλα Πολλαπλής Παλινδρόμησης

Μοντέλα Πολλαπλής Παλινδρόμησης Μοντέλα Πολλαπλής Παλινδρόμησης Πέτρος Ρούσσος Πρόγραμμα Ψυχολογίας, ΦΠΨ, ΕΚΠΑ ΕΙΣΑΓΩΓΙΚΑ 1 Ορολογία Προβλεπτικές μεταβλητές ή παράγοντες (predictors) Μεταβλητή κριτήριο (criterion) Απλή και πολλαπλή παλινδρόμηση

Διαβάστε περισσότερα

Έλεγχος για τις παραμέτρους θέσης περισσοτέρων των δύο πληθυσμών με ανεξάρτητα δείγματα

Έλεγχος για τις παραμέτρους θέσης περισσοτέρων των δύο πληθυσμών με ανεξάρτητα δείγματα ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ Έλεγχος για τις παραμέτρους θέσης περισσοτέρων των δύο πληθυσμών με ανεξάρτητα δείγματα Έστω Y,, j1 Yjn, j το πλήθος j = 1,..., k, k 2 τυχαία ανεξάρτητα δείγματα j μεγέθους n j από έναν

Διαβάστε περισσότερα

ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. ΜΑΘΗΜΑ 12 Συµπερασµατολογία για την επίδραση πολλών µεταβλητών σε µια ποσοτική (Πολλαπλή Παλινδρόµηση) [µέρος 2ο]

ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. ΜΑΘΗΜΑ 12 Συµπερασµατολογία για την επίδραση πολλών µεταβλητών σε µια ποσοτική (Πολλαπλή Παλινδρόµηση) [µέρος 2ο] Ενότητα 2 ιαφάνειες Μαθήµατος: 2- Ενότητα 2 ιαφάνειες Μαθήµατος: 2-2 ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο.6. είκτες µερικής συσχέτισης

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 7 (ΛΥΣΗ) Στο αρχείο του SPSS θα υπάρχουν οι µεταβλητές,

ΑΣΚΗΣΗ 7 (ΛΥΣΗ) Στο αρχείο του SPSS θα υπάρχουν οι µεταβλητές, ΑΣΚΗΣΗ 7 (ΛΥΣΗ) Στο αρχείο του SPSS θα υπάρχουν οι µεταβλητές, Time: η ώρα γέννησης (4 ψηφία, τα δύο πρώτα είναι ώρες και τα άλλα δυο λεπτά), Sex: το φύλο (:κορίτσι, :αγόρι), Weight: το βάρος του νεογέννητου

Διαβάστε περισσότερα

8. ΠΙΝΑΚΕΣ ΣΥΝΑΦΕΙΑΣ ΜΙΑ ΕΝΔΙΑΦΕΡΟΥΣΑ ΕΙΔΙΚΗ ΠΕΡΙΠΤΩΣΗ Οι rc πίνακες συναφείας που εξετάσθηκαν στην προηγούμενη ενότητα, αποτελούν εν γένει μία παράθεση φυσικών αριθμών ταξινομημένων σε r γραμμές και c

Διαβάστε περισσότερα

ΣΧΕΣΗ ΜΕΤΑΞΥ ΠΟΙΟΤΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΣΧΕΣΗ ΜΕΤΑΞΥ ΠΟΙΟΤΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ ΣΧΕΣΗ ΜΕΤΑΞΥ ΠΟΙΟΤΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ Θα δούμε ένα παράδειγμα από 141 νεογνά που εγχειρίστηκαν σε ένα νοσοκομείο (surgery.sav). Οι παράμετροι που καταγράφηκαν είναι οι εξής: Κωδικός νεογνού (ID), Φύλο Νεογνού

Διαβάστε περισσότερα

Δρ Κορρές Κωνσταντίνος

Δρ Κορρές Κωνσταντίνος Δρ Κορρές Κωνσταντίνος ΑΘΗΝΑ 2016 Διδάσκων: Δρ Κορρές Κωνσταντίνος Περιεχόµενο ενότητας Στατιστική ανάλυση µε τη βοήθεια του SPSS y Περιγραφική στατιστική ανάλυση y Έλεγχος αξιοπιστίας y Επαγωγική στατιστική

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών «ΑΣΚΗΣΗ, ΕΡΓΟΣΠΙΡΟΜΕΤΡΙΑ ΚΑΙ ΑΠΟΚΑΤΑΣΤΑΣΗ» ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ 1. ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: Μεθοδολογία έρευνας και στατιστική 2. ΚΩΔ.

Διαβάστε περισσότερα

Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων

Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Ενότητα: Έλεγχος για τις παραμέτρους θέσης περισσοτέρων των δύο πληθυσμών με ανεξάρτητα δείγματα Διδάσκων: Επίκ. Καθ. Απόστολος Μπατσίδης Τμήμα: Μαθηματικών

Διαβάστε περισσότερα

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

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 6 ο 6.1 Ερωτήσεις Πολλαπλών Απαντήσεων 6.2 Εντολή Case Summaries 6.3 Ο έλεγχος t : (correlate t-test) 6.3.1Σύγκριση

Διαβάστε περισσότερα

ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ

ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 21 ου Πανελληνίου Συνεδρίου Στατιστικής (2008), σελ 267-274 ΑΥΤΟΜΑΤΟΠΟΙΗΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ Β. Παππάς 1, Κ. Ξ. Καρακώστας 2 Τμήμα Μαθηματικών, Πανεπιστήμιο Ιωαννίνων

Διαβάστε περισσότερα

Biostatistics for clinicians. Nikos Tzanakis MD, PhD Assistant Professor in Clinical Epidemiology Medical School, University of Crete

Biostatistics for clinicians. Nikos Tzanakis MD, PhD Assistant Professor in Clinical Epidemiology Medical School, University of Crete Biostatistics for clinicians Nikos Tzanakis MD, PhD Assistant Professor in Clinical Epidemiology Medical School, University of Crete Έκφραση βιοϊατρικών παρατηρήσεων ΚΛΙΝΙΚΕΣ ΠΑΡΑΤΗΡΗΣΕΙΣ ΠΟΙΟΤΙΚΕΣ (qualitative)

Διαβάστε περισσότερα

6.4. LOGLINEAR 90 8.5 (MANOVA) 121

6.4. LOGLINEAR 90 8.5 (MANOVA) 121 Φ Γ SPSS Dr. υ υ α α Θ α 2012 2 1. Γ SPSS 19.0 1.1 Φ Γ SPSS 4 1.2 Φ Γ 7 1.3 9 1.4 Φ 10 1.5 Pτ ΘHKH IAΓPAΦH 16 1.6 16 1.7 17 1.8 20 1.9 22 1.10 Γ 23 1.11 Γ Φ 25 1.12 Γ 27 1.13 Θ 28 2. Γ Φ 2.1 Θ, Γ, Γ 29

Διαβάστε περισσότερα

Διδακτορική Διατριβή

Διδακτορική 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 περισσότερα

Viola adorata X ± 2s 1 344 320 2 348 316 3 224 232 4 372 364 5 336 308 6 372 328 7 292 296 8 316 264 AT1 AT2 1 344 320 342.25 272.25 2 348 316 506.25 156.25 3 224 232 10302.25 5112.25 4 372 364

Διαβάστε περισσότερα

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΤΕΤΑΡΤΟ-ΠΕΜΠΤΟ ΘΕΩΡΙΑΣ- ΠΟΛΛΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Σηµειώσεις: Θωµόπουλος Γιώργος Ρογκάκος Γιώργος Καθηγητής: Κουνετάς

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 7. Παλινδρόµηση Γενικά Επέκταση της έννοιας της συσχέτισης: Πώς µπορούµε να προβλέπουµε τη µια µεταβλητή από την άλλη; Απλή παλινδρόµηση (simple regression): Κατασκευή µοντέλου πρόβλεψης

Διαβάστε περισσότερα

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Στόχοι: (a) να δοθεί µια εισαγωγή στη θεωρία της στατιστικής συµπερασµατολογίας ελέγχων υποθέσεων, (b) να παρουσιάσει τις βασικές εφαρµογές αυτών των ελέγχων: µέσης τιµής, ποσοστού

Διαβάστε περισσότερα

Σεμινάριο Προηγμένα Θέματα Στατιστικής. Dr. Nikolaos Mittas Dr. Theodosios Theodosiou

Σεμινάριο Προηγμένα Θέματα Στατιστικής. Dr. Nikolaos Mittas Dr. Theodosios Theodosiou Σεμινάριο Προηγμένα Θέματα Στατιστικής Dr. Nikolaos Mittas Dr. Theodosios Theodosiou Λογιστική Παλινδρόμηση Binary Logistic Regression Dr. Nikolaos Mittas Dr. Theodosios Theodosiou Γενικά-Το κίνητρο (1/2)

Διαβάστε περισσότερα

Εισαγωγή στη μεθοδολογία της Εκπαιδευτικής Έρευνας

Εισαγωγή στη μεθοδολογία της Εκπαιδευτικής Έρευνας Εισαγωγή στη μεθοδολογία της Εκπαιδευτικής Έρευνας Νίκος Καλογερόπουλος 2014 Τι είναι έρευνα στην στατιστική Αρχική παρατήρηση: κάτι που πρέπει να διευκρινιστεί Κάθε χρόνο υπόσχομαι στον εαυτό μου ότι

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS. Θα επιλέξουμε Type in data ώστε να εισάγουμε νέα στοιχεία και θα επιλέξουμε ΟΚ.

ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS. Θα επιλέξουμε Type in data ώστε να εισάγουμε νέα στοιχεία και θα επιλέξουμε ΟΚ. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS To SPSS είναι ένα πακέτο για γενικές στατιστικές αναλύσεις το οποίο από την σκοπιά του οικονομολόγου προσφέρει δυνατότητες που είναι ενδιάμεσα στο Excel και στο Eviews. Θα αρχίσουμε διαβάζοντας

Διαβάστε περισσότερα

Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων

Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Ενότητα: Έλεγχος για τις παραμέτρους θέσης δύο πληθυσμών με ανεξάρτητα δείγματα Διδάσκων: Επίκ. Καθ. Απόστολος Μπατσίδης Τμήμα: Μαθηματικών ΚΕΦΑΛΑΙΟ ΠΕΜΠΤΟ

Διαβάστε περισσότερα

ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ

ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Α εξάμηνο 2010-2011 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Ποιοτικές και Ποσοτικές μέθοδοι και προσεγγίσεις για την επιστημονική έρευνα users.sch.gr/abouras

Διαβάστε περισσότερα

Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων

Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Ενότητα: Έλεγχος ότι η παράμετρος θέσης ενός πληθυσμού είναι ίση με δοθείσα γνωστή τιμή Διδάσκων: Επίκ. Καθ. Απόστολος Μπατσίδης Τμήμα: Μαθηματικών ΚΕΦΑΛΑΙΟ

Διαβάστε περισσότερα

Άσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις:

Άσκηση 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

Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού

Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Viola adorata Σκηνή Πρώτη Ερωτήσεις Σωστού-Λάθους (µέρος Ι). Ο µέσος όρος

Διαβάστε περισσότερα

Λογισμικά για Στατιστική Ανάλυση. Minitab, R (ελεύθερο λογισμικό), Sas, S-Plus, Stata, StatGraphics, Mathematica (εξειδικευμένο λογισμικό για

Λογισμικά για Στατιστική Ανάλυση. Minitab, R (ελεύθερο λογισμικό), Sas, S-Plus, Stata, StatGraphics, Mathematica (εξειδικευμένο λογισμικό για ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 1ο Τι είναι το SPSS; Statistical Package for the Social Sciences Λογισμικό για διαχείριση και στατιστική ανάλυση δεδομένων σε γραφικό περιβάλλον http://en.wikipedia.org/wiki/spss

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 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 ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Περιεχόμενα Εισαγωγή στο SPSS Ο Data editor Ο Viewer Άνοιγμα Αρχείου στο SPSS Εισαγωγή Δεδομένων

Διαβάστε περισσότερα

UDZ Swirl diffuser. Product facts. Quick-selection. Swirl diffuser UDZ. Product code example:

UDZ Swirl diffuser. Product facts. Quick-selection. Swirl diffuser UDZ. Product code example: UDZ Swirl diffuser Swirl diffuser UDZ, which is intended for installation in a ventilation duct, can be used in premises with a large volume, for example factory premises, storage areas, superstores, halls,

Διαβάστε περισσότερα

2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ 1. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS Το SPSS είναι ένα στατιστικό πρόγραμμα γενικής στατιστικής ανάλυσης αρκετά εύκολο στη λειτουργία του. Για να πραγματοποιηθεί ανάλυση χρονοσειρών με τη βοήθεια του SPSS θα πρέπει απαραίτητα

Διαβάστε περισσότερα

Εισαγωγή στο SPSS. ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας

Εισαγωγή στο SPSS. ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας Εισαγωγή στο SPSS ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας Στόχος του μαθήματος Τα τέσσερα παράθυρα του SPSS Η διαχείριση των αρχείων δεδομένων Βασικά στοιχεία ανάλυσης

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης ιαστήµατα εµπιστοσύνης και έλεγχοι υποθέσεων για τη µέση τιµή Για µια ποσοτική µεταβλητή

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ 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 ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Περιεχόμενα Εισαγωγή Το πρόβλημα - Συντελεστής συσχέτισης Μοντέλο απλής γραμμικής παλινδρόμησης

Διαβάστε περισσότερα