7. Εκτιμήσεις Τιμων Δεικτων
|
|
- Σωτήριος Παπακωνσταντίνου
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Μαθηματικά και Στατιστικη στην Βιολογια ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ (1 ο ) Τμημα Βιολογιας Αριστοτελειο Πανεπιστημιο Θεσσαλονικης Mathematics and Statistics in Biology WINTER SEMESTER (1 st ) School of Biology Aristotle University of Thessaloniki 7. Εκτιμήσεις Τιμων Δεικτων Iωαννης Αντωνιου iantonio@math.auth.gr Χαραλαμπος Μπρατσας cbratsas@math.auth.gr Το παρόν εκπαιδευτικό υλικό υπόκειται σε Αδεια Χρήσης Creative Commons
2 Σκοπος - Περιεχομενο Τι σημαινει Εκτιμηση της Τιμης ενός Δεικτη Κριτηρια Αξιολογησης Σημειακων Εκτιμητριων Εκτιμηση Διαστηματων
3 Εκτιμηση της Τιμης Δεικτη - Παραμετρου Η Εκτιμηση της Παραμετρου θ από το Δειγμα διδεται από: Μια τιμη θ η οποια επιδιωκουμε να είναι κατά το δυνατον «εγγυτερα» στην «αληθη» τιμη θ Εκτιμηση Σημειων = Point Estimation ειτε από: Ένα διαστημα στο οποιο ανηκει η θ με μεγαλη πιθανοτητα Εκτιμηση Διαστηματων = Interval Estimation Εκτιμητρια (Estimator): D: ενας Τυπος-Aλγοριθμος Υπολογισμου των Εκτιμησεων θ = D(Data) Kαθε Εκτιμητρια είναι ενας Κανονας Ληψης Αποφασεων, μια Στρατηγικη Παιγνιου
4 Kριτηρια Αξιολογησης Σημειακων Εκτιμητριων Μεροληψια Ελαχιστη = Μinimal Bias Επαρκεια = Sufficiency Αποτελεσματικοτης = Efficiency Συνεπεια = Consistency Ασυμπτωτικη Αποτελεσματικοτης = Asymptotic Efficiency Ασυμπτωτικη Κανονικοτης = Asymptotic Normality
5 Μεροληψια Ελαχιστη = Μinimal Bias Mεροληψια της Εκτιμητριας D = Βias(D) = Ε[D(Data)] θ Αμερόληπτη Εκτιμητρια (Συναρτηση) BBBB D = Ε[D(Data)] θ = 0 H Μεσn τιμή της Εκτιμητριας D ισουται μέ τήν τιμη της παραμετρου θ για ολες τις τιμες της Παραμετρου θ Παραδειγμα (1) Η Τυπική Απόκλιση δειγματος (ξ 1 m ) + +(ξ Ν m ) σ = σ = Ν δεν είναι Αμεροληπτη Εκτιμητρια της Τυπικης Αποκλισης του Πληθυσμου () Η διoρθωση Bessel 1830: (N 1) αντι N, Διδει την Αμεροληπτη Εκτιμητρια της Τυπικης Αποκλισης του Πληθυσμου (ξ 1 m ) + +(ξ Ν m ) s = Ν 1 m = η Μεση Τιμη του Δειγματος Αποδειξη Ασκηση {Βαθμος 0,+0,=0,4}
6 Επαρκεια = Sufficiency, Fisher Eπιπλεον πληροφορια από την εκτιμηση θ = D(Data) δεν βελτιωνει την εκτιμηση της θ
7 Αποτελεσματικοτης = Efficiency Διασπορα Ελαχιστη = Μinimal Dispersion Ε[(θ θ) ] minimal Ποια η Ελαχιστη τιμη της Διασπορας? Θεωρημα. Ανισοτητα Cramer Rao H διασπορα της Αμεροληπτης Εκτιμητριας (Χ 1,, Χ Ν ) είναι: Ε[(θ θ) ] 1 S FFFFFF S FFFFFF = S FΙSHER (θ) = dx ρ(x;θ) lll(x; θ) η Πληροφορια Fisher Η Αμεροληπτη Εκτιμητρια θ = D(Data) είναι Αποτελεσματικη Ε[(θ θ) ] = 1 S FFFFFF
8 Ασυμπτωτικη Αποτελεσματικοτης = Efficiency Διασπορα Ελαχιστη = Μinimal Dispersion O Αμεροληπτoς Εκτιμητης θ = D(Data) είναι Ασυμπτωτικα Αποτελεσματικος lll Μ + Ε[(D(Data οf size M) θ) ] = 0
9 Συνεπεια = Consistency Συγκλιση (Convergence) προς την Αληθη τιμη: lll Μ + D(Data οf size M) = θ
10 Ασυμπτωτικα Κανονικη Εκτιμήτρια Η Ασυμπτωτική Κατανομή της Μ (D(Data οf size M) = θ) είναι η Κανονική Κατανομή με Μεση Τιμη 0
11 Μεθοδοι Κατασκευης Σημειακων Εκτιμητριων Μεθοδος Ροπων, Pearson Μεθοδος μεγίστης Πιθανοφανειας (maximum Likelihood) Μεθοδος Ελαχίστων Τετραγώνωv Gauss
12 Μεθοδος Ροπων, Pearson Oι Ροπες του δειγματος ξ 1, ξ,, ξ Μ m r (ξ 1, ξ,, ξ Μ ) = (ξ 1) r + +(ξ Μ ) r Μ = m r ως Εκτιμητριες 1) H Eπιλυση των Εξισωσεων Είναι σχετικα ευκολη m 1 = g 1 (θ 1, θ,, θ n) m = g 1 (θ 1, θ,, θ n) m n = g 1 (θ 1, θ,, θ n) ) οι Εκτιμητριες θ 1, θ,, θ n ως συναρτησεις των m 1, m,, m n είναι Συνεπεις Εκαστη Εκτιμητρια θ 1, θ,, θ n εκφραζεται ως συνεχης συναρτησις των m 1, m,, m n 3) Ο Fisher εδειξε ότι οι Εκτιμητριες θ 1, θ,, θ n δεν είναι Αποτελεσματικες (Efficient) Ενώ οι οι Εκτιμητριες Μεγιστης Πιθανοφανειας είναι Αποτελεσματικες (Efficient)
13 Μεθοδος μεγίστης Πιθανοφανειας (maximum Likelihood) H Εκτιμηση θ της παραμετρου θ του Πληθυσμου από το Δειγμα Καθιστα Mεγιστη την Πιθανοφανεια L L(ξ,θ) = ρ ξ1 (θ) ρ ξμ (θ) ρ ξν (θ), Ν=1,,,Μ oι κατανομες του Δειγματος
14 Μεθοδος Ελαχίστων Τετραγώνωv Gauss 1809 H Εκτιμηση θ της παραμετρου θ του Πληθυσμου από το Δειγμα Καθιστα Eλαχιστο το αθροισμα των τετραγωνικων σφαλματων (ψ 1 g(ξ 1,θ)) + + (ψ Μ g(ξ Μ,θ)) Παλινδρομιση
15 Εκτιμηση Διαστηματων = Ιnterval Estimation Oρισμος Διαστημα Εμπιστοσυνης βαθμου c για την Εκτιμηση της παραμετρου θ από το Δειγμα Καλειται κάθε διαστημα (Α,Β): P[Α < θ < Β] = c Tα ακρα Α, Β του Διαστηματος ειναι Mεταβλητες που εξαρτωνται από το Δειγμα Α=Α(ξ 1, ξ,, ξ Μ ) Β=Β(ξ 1, ξ,, ξ Μ ) O βαθμος Eμπιστοσυνης c του διαστηματος (Α,Β) (Confidence Level) Πρεπει να είναι κοντα στο 1 για να είναι αξιοπιστη η Εκτιμηση Neyman J. 1937, Outline of a Theory of Statistical Estimation Based on the Classical Theory of Probability, Philosophical Transactions of the Royal Society of London A36,
16 Δειγμα από ενα Πληθυσμο Διαστημα Εμπιστοσυνης για την Εκτιμηση Mεσης Τιμης m Διασπορας σ Αναλογιας p μελων Πληθυσμου που εχουν επιθυμητη Ιδιοτητα Δειγμα από Πληθυσμους Διαστημα Εμπιστοσυνης για την Εκτιμηση Διαφορας των Mεσων Τιμων m Χ m Υ Λογου σ Χ σ Υ των Διασπορων σ Χ, σ Υ Διαφορας p X p Y των Aναλογιων p X, p Y των μελων που εχουν επιθυμητες Ιδιοτητες
17 Tα προβληματα αναγονται στα ποσοστημορια των Κατανομων Tυποποιημενη Κανονικη (μ=0, σ=1) X (chi square) Student t F (Fisher)
18 Διαστημα Εμπιστοσυνης για την Εκτιμηση της Mεσης Τιμης Δειγμα από Πληθυσμο με Κανονικη Κατανομη αγνωστη Μεση Τιμη m και γνωστη διασπορα σ ρ(x) = E[X]=m v[x]=σ 1 e (x m) σ, x R
19 Λημμα 1 Εστω ξ 1,..., ξ M τυχαιο δειγμα από Πληθυσμο με κανονικη κατανομη με μεσο m και διασπορα σ Η δειγματικη Μεση Τιμη m = ξ 1+ +ξ M M ακολουθει την κανονικη κατανομη με Μεση Τιμη m και διασπορα σ M
20 Λημμα Η Μεταβλητη z = x m σ M Ακολουθει την τυποποιημενη κανονικη κατανομη ρ(z) = E[X]=0 v[x]=1 1 z e, x R
21 Λημμα 3 P[ z α/ < z < z α/ ] = 1 α z α/ το ανω ποσοστημοριο της τυποποιημενης κανονικης Κατανομης Από την σχεση των ποσοστημοριων προκυπτει το Διαστημα Εμπιστοσυνης P z α/ < m m σ M < z α/ =1 a
22 Θεωρημα P m z α/ σm < m < m + z α/ Oπου: Α = m z α/ σ M σ σ M = 1 α Β = m + z α/ M oι εκτιμησεις των ακρων του διαστηματος από το Δειγμα Το Ευρος του διαστηματος Εμπιστοσυνης: σ Β Α = z α/ M Είναι εκτιμηση της ακριβειας εκτιμησης m m z α/ σm με εμπιστοσυνη c = (1 α)%
23 Παραδειγμα c=0.95 α = 1 c = 0.05 z α/ = z 0.05 = 1.96 Α = m 1,96 σ M σ Β = m +1,96 M Ευρος Α Β = 3,9 σ M c=0.99 α = 1 c = 0.01 z α/ = z =.58 Α = m.58 σ M σ Β = m +.58 M Ευρος Α Β = 5,16 σ M Αυξηση Εμπιστοσυνης από 95% σε 99% (κατά 4.4%) Αυξανει το Διαστημα Εμπιστοσυνης από 3,9 σε 5,16 (κατά 31.63%)
24 Ποσες μετρησεις Κ περαν (από τις Ν) πρεπει να παρω για εχω Διαστημα Εμπιστοσυνης του αυτου Ευρους 3,9 σ M με βαθμο Εμπιστοσυνης 99%? Αρκει: 5, 11 σ 5,11 3,99 = M+Κ 5,11 3,99 Κ = M Δηλαδη: M M+Κ = 3, 99 σ M M+Κ = M 5,11 3,99 Κ = M 1 5,11 3,99 1 % % αυξηση των μετρησεων Για αυξηση Εμπιστοσυνης κατά 4.4% στο αυτό Διαστημα Εμπιστοσυνης
25 Aγνωστη Μεση Τιμη μ και αγνωστη διασπορα σ Δειγμα Μεγαλο N 30 Θεωρημα P m z α/ sm < m < m +z α/ s M 1 α (ξ 1 m ) + +(ξ M m ) s = M 1 η Αμεροληπτη Τυπικη Αποκλιση του δειγματος Για μεγαλα δειγματα: σ s
26 Κεντρικο Οριακο Θεωρημα Η κατανομη της Μεσης Τιμης Χ 1+Χ + +Χ Ν Ν Ανεξαρτητων Μεταβλητων Χ 1, Χ,,Χ Ν προσεγγιζει την Κανονικη, Καθως αυξανει ο αριθμος Ν των Μεταβλητων
27 Aγνωστη Μεση Τιμη μ και αγνωστη διασπορα σ Λημμα Εστω ξ 1,..., ξ Μ τυχαιο δειγμα από Πληθυσμο με κανονικη κατανομη με μεσο m και διασπορα σ m m Η μεταβλητη Τ = s M ακολουθει την κατανομη Student-t βαθμου ν= Ν 1 s = δειγματος (ξ 1 m ) + +(ξ M m ) M 1 η Αμεροληπτη Τυπικη Αποκλιση του ν + 1 ρ ν (t) = 1 Γ νν Γ ν 1 + t ν, t R Γ(z) η συναρτηση Γ Η κατανομη ρ ν (t) δεν εξαρταται από τις παραμετρους m και σ ν+1
28 Λημμα P[ t M 1 α/ < t < t M 1 α/ ] = 1 α t= η τιμη της μεταβλητης Τ = m m s M t M 1 α/ το ανω ποσοστιαιο σημειο Από την σχεση των ποσοστημοριων προκυπτει το Διαστημα Εμπιστοσυνης P[ t M 1 α/ < m m < t M 1 s M α/ ] = 1 α M 1 P m t α/ s M < m < m + t N 1 α/ s M = 1 α
29 Διαστημα Εμπιστοσυνης για την Διασπορα Πληθυσμου με Κανονικη Κατανομη Λημμα 1 Εστω ξ 1,..., ξ M τυχαιο δειγμα από Πληθυσμο με κανονικη κατανομη με μεσο μ και διασπορα σ Η μεταβλητη Χ = (M 1)s σ ακολουθει την κατανομη Xι τετραγωνο βαθμου ν = M 1 s = (ξ 1 m ) + +(ξ M m ) M 1 η αμεροληπτη διασπορα του Δειγματος ρ ν (x) = 1 ν 1 Γ ν x ν 1 e ν, x 0 Γ(z) η συναρτηση Γ Η κατανομη ρ ν (x) δεν εξαρταται από τις παραμετρους μ και σ
30 Λημμα P χ M 1 1 α/ < x < χ M 1 α/ = 1 a x = η τιμη της μεταβλητης Χ = (M 1)s χ M 1 α/ το ανω ποσοστημοριο χ M 1 1 α/ το κατω ποσοστημοριο σ Από τα ποσοστιαια σημεια προκυπτει το Διαστημα Εμπιστοσυνης P χ M 1 1 α/ < (M 1)s < χ M 1 σ α/ = 1 α P (M 1)s χ M 1 1 α/ < σ < (M 1)s M 1 = 1 α χ α/ P (M 1)s M 1 < σ < χ 1 α/ (M 1)s M 1 = 1 α χ α/
31 Διαστημα Εμπιστοσυνης για την Αναλογια p μελων Πληθυσμου που εχουν την επιθυμητη Ιδιοτητα Q Δειγμα από Πληθυσμο μεγαλο (Ν>30) Λημμα 1) η δειγματικη αναλογια p = M Q M Εκτιμητρια: E[p ]=p με διασπορα σ = p(1 p) M είναι Αμεροληπτη ) για μεγαλο Ν η Μεταβλητη z = x m σ M = είναι Τυποποιημενη Κανονικη p p p(1 p) M
32 Κεντρικο Οριακο Θεωρημα H εκτιμηση αναγεται στην Εκτιμηση Διαστηματων Εμπιστοσυνης για την Εκτιμηση της Mεσης Τιμης P m z a/ σm < p < m + z a/ σ M = 1 α m= p m = p σm = p (1 p ) M
33 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Λαμβανονται ανεξαρτητα Δειγματα (Χ 1,..., X Ν ) = (ξ 1,..., ξ Ν ), (Υ 1,..., Υ Μ )= (η 1,..., η Μ ) Από διαφορετικες Κανονικες κατανομες (m Χ, σ Χ ), (m Υ, σ Υ ) m X, m Y oι δειγματικοι Μεσοι Οροι Λημμα η διαφορα m = m X m Y ακολουθει Κανονικη Κατανομη με παραμετρους μ=μ Χ μ Υ, σ= σ Χ + σ Υ Ν Μ H εκτιμηση αναγεται στην Εκτιμηση Διαστηματων Εμπιστοσυνης για την Εκτιμηση της Mεσης Τιμης
34 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Για γνωστες διασπορες σ Χ, σ Υ P m z α/ σν < m < m + z α/ σ Ν = 1 α m = m Χ m Υ σν = σ Χ + σ Υ Ν Μ P m X m Y z a/ σ Χ Ν + σ Υ Μ < m Χ m Υ < m X m Y + z a/ σ Χ + σ Υ Ν Μ = 1 α
35 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Για αγνωστες διασπορες σ Χ, σ Υ, μεγαλα δειγματα Ν,Μ 30 P m z α/ sn < m < m + z α/ s N 1 α P m X m Y z a/ s Χ Ν + s Υ Μ < μ Χ μ Υ < m X m Y + z a/ s Χ + s Υ Ν Μ = 1 α
36 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Για αγνωστες διασπορες σ Χ = σ Υ ν P m t α/ s N < μ < m + t α/ ν s N = 1 α m = m X m Y μ=μ Χ μ Υ sn = 1 N + 1 M N 1 s X + M 1 s Y N+M ν=ν+μ
37 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Για αγνωστες διασπορες σ Χ σ Υ και Ν=Μ ν P m t α/ s X ν + s Y ν < m < m + t α/ ν s X + s Y ν ν = 1 α m = m X m Y m=m Χ m Υ sn = s X + s Y ν ν ν=(ν 1)
38 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Για αγνωστες διασπορες σ Χ σ Υ και Ν Μ ν P m t α/ s N < m < m + t α/ ν s N = 1 α m = m X m Y m=m Χ m Υ sn = s X + s Y ν ν ν= s X N +s Y M s X s Y N Ν 1 + M Μ 1
39 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Αλληλοεξαρτωμενων Πληθυσμων με Κανονικες Κατανομες Λαμβανονται αλληλοεξαρτωμενα Δειγματα (X 1,..., X Ν ), (Υ 1,..., Υ Μ ) Από διαφορετικες Κανονικες κατανομες (m Χ, σ Χ ), (m Υ, σ Υ ) m X, m Y oι δειγματικοι Μεσοι Οροι
40 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Αλληλοεξαρτωμενων Πληθυσμων με Κανονικες Κατανομες Λημμα οι διαφορες Ζ 1 = X 1 Υ 1, Ζ = X Υ,, Ζ Ν = X Ν Υ Ν είναι ανεξαρτητες H εκτιμηση αναγεται στην Εκτιμηση Διαστηματων Εμπιστοσυνης για την Mεση Τιμη Δειγματος από κανονικη Κατανομη αγνωστης Μεσης Τιμης m και αγνωστης διασπορας σ N 1 s P m t < m < m + t α/ N α/ οπου m = ζ 1+ +ζ Ν Ν N 1 s N = 1 a ζ 1,, ζ Ν δειγμα μετρησης των μεταβλητων Ζ 1 = X 1 Υ 1, Ζ = X Υ,, Ζ Ν = X Ν Υ Ν s = (ζ 1 m ) + +(ζ Ν m ) Ν 1 η Αμεροληπτη Τυπικη Αποκλιση = (ζ 1) + + ζ Ν Νm Ν 1
41 Διαστημα Εμπιστοσυνης για την Διαφορα των Mεσων Τιμων Αλληλοεξαρτωμενων Πληθυσμων με Κανονικες Κατανομες Λημμα (ζ 1 m ) + + (ζ Ν m ) = (ζ 1 ) + + ζ Ν Νm Αποδ (ζ 1 m ) + + (ζ Ν m ) = (ζ 1 ) + + (ζ Ν ) + Ν(m ) (ζ ζ Ν )m =(ζ 1 ) + + (ζ Ν ) + Ν(m ) Νm m = =(ζ 1 ) + + (ζ Ν ) Νm
42 Διαστημα Εμπιστοσυνης για τον Λογο σ Χ σ των Διασπορων σ Χ, σ Υ Υ Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Λημμα Η Μεταβλητη s Χ s Υ σ Y σ X των Διασπορων σ Χ, σ Υ Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Ακολουθει Κατανομη F (Fisher) με βαθμους ν 1 = Ν 1, ν = Ν 1 ρ ν1 ν (x) = ν 1 ν ν 1 Γ(z) η συναρτηση Γ Γ ν 1 +ν Γ ν 1 Γ ν ν 1 x 1+ ν 1 ν x ν 1 +ν, x 0 Η κατανομη ρ ν1 ν δεν εξαρταται από τις παραμετρους μ Χ, μ Υ και σ Χ, σ Χ
43 Διαστημα Εμπιστοσυνης για τον Λογο σ Χ σ των Διασπορων σ Χ, σ Υ Υ Ανεξαρτητων Πληθυσμων με Κανονικες Κατανομες Λημμα (N 1)(M 1) (N 1)(M 1) P F 1 α/ < x < Fα/ = 1 α x = η τιμη της μεταβλητης s Χ σ Y F α/ s Υ σ X (N 1)(M 1) το ανω ποσοστημοριο Από την σχεση των ποσοστιαιων σημειων προκυπτει το Διαστημα Εμπιστοσυνης (N 1)(M 1) s Χ P F 1 α/ < s Υ σ Y σ X < F α/ Ρ s Y s F (N 1)(M 1) σ Y 1 α/ < X σ < s Y X s F α/ X (N 1)(M 1) (N 1)(M 1) = 1 α = 1 α
44 Διαστημα Εμπιστοσυνης για την Διαφορα p X p Y των Aναλογιων p X, p Y των μελων Ανεξαρτητων Πληθυσμων που εχουν επιθυμητες Ιδιοτητες Δειγματα από Πληθυσμο μεγαλο (Ν, Μ >30) Κεντρικο Οριακο Θεωρημα H εκτιμηση αναγεται στην Εκτιμηση Διαστηματων Εμπιστοσυνης για την Εκτιμηση της Mεσης Τιμης σ P p X p Y z α/ < p p < p σ Ν X p Χ Υ Y + z α/ Ν = 1 α σν = p X (1 p X ) Ν + p Y(1 p Y ) M
Μαθηματικά Και Στατιστική Στη Βιολογία
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μαθηματικά Και Στατιστική Στη Βιολογία Ενότητα 5 : Εκτιμήσεις Ι. Αντωνίου, Χ. Μπράτσας Τμήμα Μαθηματικών Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
4. Εκτιμητική Στατιστική Συμπερασματολογία εκτιμήσεις των αγνώστων παραμέτρων μιας γνωστής από άποψη είδους κατανομής έλεγχο των υποθέσεων που γίνονται σε σχέση με τις παραμέτρους μιας κατανομής και σε
Διαβάστε περισσότεραΜέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics)
Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics) Τυχαίο δείγμα και στατιστική συνάρτηση Χ={x 1, x,, x n } τυχαίο δείγμα μεγέθους n προερχόμενο από μια (παραμετρική) κατανομή με σ.π.π. f(x;θ).
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Εκτιμητική Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΔιάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου
Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Στατιστική Συμπερασματολογία Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων εκτιμήτρια συνάρτηση, ˆ θ σημειακή εκτίμηση εκτίμηση με διάστημα εμπιστοσύνης
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Κατανομή Δειγματοληψίας του Δειγματικού Μέσου Ο Δειγματικός Μέσος X είναι μια Τυχαία Μεταβλητή. Καθώς η επιλογή και χρήση διαφορετικών δειγμάτων από έναν
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ
ΚΕΦΑΛΑΙΟ ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ Ως γνωστό δείγμα είναι ένα σύνολο παρατηρήσεων από ένα πληθυσμό. Αν ο πληθυσμός αυτός θεωρηθεί μονοδιάστατος τότε μπορεί να εκφρασθεί με τη συνάρτηση
Διαβάστε περισσότερα8. Ελεγχος Υποθεσεων. Μαθηματικά και Στατιστικη στην Βιολογια ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ (1 ο ) Τμημα Βιολογιας Αριστοτελειο Πανεπιστημιο Θεσσαλονικης
Μαθηματικά και Στατιστικη στην Βιολογια ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ (1 ο ) Τμημα Βιολογιας Αριστοτελειο Πανεπιστημιο Θεσσαλονικης Mathematics and Statistics in Biology WINTER SEMESTER (1 st ) School of Biology Aristotle
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,
Διαβάστε περισσότεραX = = 81 9 = 9
Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη
Διαβάστε περισσότεραΕκτιμήτριες. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Εκτιμήτριες. μέθοδος ροπών και μέγιστης πιθανοφάνειας
Εκτιμήτριες Κώστας Γλυκός Ασκήσεις για ΑΕΙ και ΤΕΙ σε Εκτιμήτριες Ι δ ι α ί τ ε ρ α μ α θ ή μ α τ α μέθοδος ροπών και μέγιστης πιθανοφάνειας κριτήρια αμεροληψίας και συνέπειας 9 άλυτες ασκήσεις 6 9 7.
Διαβάστε περισσότεραΣτατιστική. Εκτιμητική
Στατιστική Εκτιμητική Χατζόπουλος Σταύρος 28/2/2018 και 01 /03/2018 Εισαγωγή Το αντικείμενο της Στατιστικής είναι η εξαγωγή συμπερασμάτων που αφορούν τον πληθυσμό ή το φαινόμενο που μελετάμε, με τη βοήθεια
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες
Διαβάστε περισσότεραΣημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη
Σημειακή εκτίμηση και εκτίμηση με διάστημα 11 η Διάλεξη Εκτιμήτρια Κάθε στατιστική συνάρτηση που χρησιμοποιείται για την εκτίμηση μιας παραμέτρου ενός πληθυσμού (π.χ. ο δειγματικός μέσος) Σημειακή εκτίμηση
Διαβάστε περισσότεραΕισαγωγή στην Εκτιμητική
Εισαγωγή στην Εκτιμητική Πληθυσμός Εκτίμηση παραμέτρου πληθυσμού μ, σ 2, σ, p Δείγμα Υπολογισμός στατιστικού Ερώτηματα: Πόσο κοντά στην πραγματική τιμή της παραμέτρου του πληθυσμού βρίσκεται η εκτίμηση
Διαβάστε περισσότερα4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου
4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου Για την εκτίμηση των παραμέτρων ενός πληθυσμού (όπως η μέση τιμή ή η διασπορά), χρησιμοποιούνται συνήθως δύο μέθοδοι εκτίμησης. Η πρώτη ονομάζεται σημειακή εκτίμηση.
Διαβάστε περισσότεραΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ ( ) ΟΜΑΔΑ Α ( 40% )
ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΑΤΙΣΤΙΚΗ ΤΜΗΜΑΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ (0-6-005) ΟΜΑΔΑ Α ( 40% ) ) Έστω μια τυχαία μεταβλητή Χ και ένα δείγμα x, x,, x n. Θεωρούμε την τιμή k = n i= ( x && x) i.να διευκρινιστεί
Διαβάστε περισσότεραΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n)
ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) Θέμα ο (Παρ..3.4, Παρ..4.3, Παρ..4.8.) Εάν = ( ) τυχαίο δείγμα από την ομοιόμορφη ( 0, ) X X,, X. Δείξτε ότι η στατιστική συνάρτηση T = X = το δειγματικό
Διαβάστε περισσότεραΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ
ΚΕΦΑΛΑΙΟ 5 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ Α. Περίπτωση Ενός Πληθυσμού Έστω ότι μελετάμε μια ακολουθία ανεξαρτήτων δοκιμών κάθε μία από τις οποίες οδηγεί είτε σε επιτυχία είτε σε αποτυχία με σταθερή
Διαβάστε περισσότεραΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ
ΚΩΝΣΤΑΝΤΙΝΟΣ Γ. ΑΓΓΕΛΟΥ ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΜΑΘΗΜΑΤΙΚΑ
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
Διαβάστε περισσότεραΜαθηματικά Και Στατιστική Στη Βιολογία
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μαθηματικά Και Στατιστική Στη Βιολογία Ενότητα 6 : Έλεγχος Υποθέσεων Ι. Αντωνίου, Χ. Μπράτσας Τμήμα Μαθηματικών Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΚεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ
ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα
Διαβάστε περισσότεραΚεφάλαιο 10 Εισαγωγή στην Εκτίμηση
Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Εκεί που είμαστε Κεφάλαια 7 και 8: Οι διωνυμικές,κανονικές, εκθετικές κατανομές και κατανομές Poisson μας επιτρέπουν να κάνουμε διατυπώσεις πιθανοτήτων γύρω από το Χ
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων ΙΙ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #3: Εκτιμητική Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότεραΣημερινό μάθημα: Εκτιμήτριες συναρτήσεις και σημειακή εκτίμηση παραμέτρων Στατιστική συμπερασματολογία (ή εκτιμητική ): εξαγωγή συμπερασμάτων για το σ
10ο Μάθημα Πιθανότητες Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2016-2017 Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 10ο Μάθημα
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων
ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων ΠΡΑΓΜΑΤΙΚΟ ΚΟΣΤΟΣ ΣΥΛΛΟΓΗ ΠΛΗΡΟΦΟΡΙΩΝ ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ ΕΠΙΛΟΓΗ ΚΑΤΑΝΟΜΗΣ Υπολογισμός πιθανοτήτων και πρόβλεψη τιμών από τις τιμές των παραμέτρων και
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 08-09 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
Στατιστική Συμπερασματολογία Διαφάνειες 1 ου κεφαλαίου Βιβλίο: Κολυβά Μαχαίρα, Φ. & Χατζόπουλος Στ. Α. (2016). Μαθηματική Στατιστική, Έλεγχοι Υποθέσεων. [ηλεκτρ. βιβλ.] Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών
Διαβάστε περισσότεραΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης
ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης Από την περασμένη φορά... Πληθυσμός (population): ένα σύνολο ατόμων Παράμετρος (parameter): χαρακτηριστικό του
Διαβάστε περισσότερα4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου
4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου Για την εκτίμηση των παραμέτρων ενός πληθυσμού (όπως η μέση τιμή ή η διασπορά), χρησιμοποιούνται συνήθως δύο μέθοδοι εκτίμησης. Η πρώτη ονομάζεται σημειακή εκτίμηση.
Διαβάστε περισσότεραΣημερινό μάθημα: Εκτιμήτριες συναρτήσεις, σημειακή εκτίμηση παραμέτρων και γραμμική παλινδρόμηση Στατιστική συμπερασματολογία (ή εκτιμητική ): εξαγωγή
Πιθανότητες και Αρχές Στατιστικής (10η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2017-2018 Σωτήρης Νικολετσέας, καθηγητής 1 / 48 Σημερινό
Διαβάστε περισσότεραΔιαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς
Διαστήματα εμπιστοσύνης Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Διαστήματα εμπιστοσύνης Το διάστημα εμπιστοσύνης είναι ένα διάστημα αριθμών
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...
ΚΕΦΑΛΑΙΟ 0 Ένα Πρόβλημα Δεδομένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Απλή Γραμμική Παλινδρόμηση Μωυσιάδης Χρόνης 6 o Εξάμηνο Μαθηματικών Έχει σχέση το με το ; Ειδικότερα
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότεραTMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III
0 TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III Νοέμβριος Eστω,,, τυχαίο δείγμα από κατανομή f( x; ), όπου συμβολίζει άγνωστη παράμετρο (a) Να ορισθεί η έννοια του επαρκούς στατιστικού
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Παραμέτρων
Διαβάστε περισσότεραΚεφάλαιο 1. Εισαγωγή: Βασικά Στοιχεία Θεωρίας Πιθανοτήτων και Εκτιμητικής
Κεφάλαιο 1. Εισαγωγή: Βασικά και Εκτιμητικής Ορισμός 1.1. Όλα τα δυνατά αποτελέσματα ενός πειράματος αποτελούν το δειγματοχώρο (sample space) που συμβολίζεται με. Κάθε δυνατό αποτέλεσμα του πειράματος,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.outras@e.aegea.gr Τηλ: 7035468 Μέθοδος Υπολογισμού
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 8: Επαγωγική Στατιστική. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 8: Επαγωγική Στατιστική. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων ΙΙ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #4: Έλεγχος Υποθέσεων Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 14 Μαρτίου 018 1/34 Διαστήματα Εμπιστοσύνης. Εχουμε δει εκτενώς μέχρι τώρα τρόπους εκτίμησης
Διαβάστε περισσότεραΔιαστήματα Εμπιστοσύνης
Διαστήματα Εμπιστοσύνης 00 % Διαστήματα Εμπιστοσύνης για τη μέση τιμή ενός πληθυσμού Κατανομή Διασπορά Μέγεθος δείγματος Διάστημα Εμπιστοσύνης Κανονική Γνωστή Οποιοδήποτε Οποιαδήποτε Γνωστή Μεγάλο 30 Z
Διαβάστε περισσότερα4. Δειγματα. Μαθηματικά και Στατιστικη στην Βιολογια. Mathematics and Statistics in Biology
Μαθηματικά και Στατιστικη στην Βιολογια ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ (1 ο ) Τμημα Βιολογιας Αριστοτελειο Πανεπιστημιο Θεσσαλονικης Mathematics and Statistics in Biology WINTER SEMESTER (1 st ) School of Biology Aristotle
Διαβάστε περισσότεραΜαθηματικά Και Στατιστική Στη Βιολογία
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μαθηματικά Και Στατιστική Στη Βιολογία Ενότητα 4 : Περιγραφική Στατιστική Ι. Αντωνίου, Χ. Μπράτσας Τμήμα Μαθηματικών Άδειες Χρήσης Το
Διαβάστε περισσότεραΕκτιμητές Μεγίστης Πιθανοφάνειας (Maximum Likelihood Estimators MLE)
Εκτιμητές Μεγίστης Πιθανοφάνειας (Maximum Likelihood Estimators MLE) Εστω τ.δ. X={x, x,, x } με κατανομή με σ.π.π. f(x;θ). Η από-κοινού σ.π.π. των δειγμάτων είναι η συνάρτηση L f x, x,, x; f x i ; και
Διαβάστε περισσότεραΣτατιστική για Πολιτικούς Μηχανικούς
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Στατιστική για Πολιτικούς Μηχανικούς Ενότητα 2: Εκτίμηση παραμέτρων (μέρος 1 ο ) Κουγιουμτζής Δημήτριος Τμήμα Πολιτικών Μηχανικών Άδειες
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε περισσότεραΑνάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R
Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 ΣΥΝΔΥΑΣΤΙΚΗ 1.1 ΒΑΣΙΚΗ ΑΡΧΗ ΑΠΑΡΙΘΜΗΣΗΣ... 13 1.2 ΠΡΟΣΘΕΤΙΚΗ ΑΡΧΗ ΑΠΑΡΙΘΜΗΣΗΣ... 15 1.3 ΔΙΑΤΑΞΕΙΣ..... 16 1.4 ΜΕΤΑΘΕΣΕΙΣ... 18 1.5 ΣΥΝΔΥΑΣΜΟΙ... 20 1.6 ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΜΕΤΑΘΕΣΕΙΣ......
Διαβάστε περισσότερα2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ
.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ Η μέθοδος για τον προσδιορισμό ενός διαστήματος εμπιστοσύνης για την άγνωστη πιθανότητα =P(A) ενός ενδεχομένου A συνδέεται στενά με τον διωνυμικό έλεγχο. Ένα
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017
Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης
Διαβάστε περισσότερα3. Κατανομές πιθανότητας
3. Κατανομές πιθανότητας Τυχαία Μεταβλητή Τυχαία μεταβλητή (τ.μ.) (X) είναι μια συνάρτηση που σε κάθε σημείο (ω) ενός δειγματικού χώρου (Ω) αντιστοιχεί έναν πραγματικό αριθμό. Ω ω X (ω ) R Διακριτή τ.μ.
Διαβάστε περισσότερα3. Κατανομες. Μαθηματικά και Στατιστικη στην Βιολογια. Mathematics and Statistics in Biology
Μαθηματικά και Στατιστικη στην Βιολογια ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ (1 ο ) Τμημα Βιολογιας Αριστοτελειο Πανεπιστημιο Θεσσαλονικης Mathematics and Statistics in Biology WINTER SEMESTER (1 st ) School of Biology Aristotle
Διαβάστε περισσότερα3. ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling)
3 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratfed Radom Samplg) Είναι προφανές από τα τυπικά σφάλματα των εκτιμητριών των προηγούμενων παραγράφων, ότι ένας τρόπος να αυξηθεί η ακρίβεια τους είναι να αυξηθεί
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium Iii Η Κανονική Κατανομή Λέμε ότι μία τυχαία μεταβλητή X, ακολουθεί την Κανονική Κατανομή με παραμέτρους και και συμβολίζουμε X N, αν έχει συνάρτηση πυκνότητας
Διαβάστε περισσότεραΕίδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρμοσμένες Επιστήμες Στατιστικός Πληθυσμός και Δείγμα Το στατιστικό
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 13 Μαρτίου /31
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 13 Μαρτίου 2017 1/31 Βασικοί ορισμοί. Ορισμός 1: Τυχαίο δείγμα. Τυχαίο δείγμα μεγέθους n από
Διαβάστε περισσότεραΣτατιστική Συμπερασματολογία
Στατιστική Συμπερασματολογία Διαφάνειες 4 ου κεφαλαίου Ελεγχοσυναρτήσεις Γενικευμένου Λόγου Πιθανοφανειών Σταύρος Χατζόπουλος 27/03/2017, 03/04/2017, 24/04/2017 1 Εισαγωγή Έστω το τ.δ. X,,, από την κατανομή
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Εκτιμητική Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων. Διάλεξη 2
HMY 795: Αναγνώριση Προτύπων Διάλεξη 2 Επισκόπηση θεωρίας πιθανοτήτων Θεωρία πιθανοτήτων Τυχαία μεταβλητή: Μεταβλητή της οποίας δε γνωρίζουμε με βεβαιότητα την τιμή (αντίθετα με τις ντετερμινιστικές μεταβλητές)
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΘέματα Στατιστικής στη γλώσσα R
Θέματα Στατιστικής στη γλώσσα R Ποσότητες οδηγοί και τα ποσοστιαία σημεία των αντίστοιχων κατανομών Ν(0,1) Student s t X 2, F Διαστήματα εμπιστοσύνης-έλεγχοι Υποθέσεων ένα δείγμα για τη μέση τιμή κανονικής
Διαβάστε περισσότεραΔειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Διαβάστε περισσότεραΑ Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο
Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο «Περιγραφική & Επαγωγική Στατιστική» 1. Πάνω από το 3 ο τεταρτημόριο ενός δείγματος βρίσκεται το: α) 15%
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότερα9. Παλινδρόμηση και Συσχέτιση
9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Τυχαίο Δείγμα
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ Καθ Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 05 Έλεγχος διακυμάνσεων Μας ενδιαφέρει να εξετάσουμε 5 δίαιτες που δίνονται
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα
Διαβάστε περισσότεραΜέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)
Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει
Διαβάστε περισσότεραiii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος
iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων
Διαβάστε περισσότεραΚεφάλαιο 3 Εισαγωγικές έννοιες στατιστικής
Κεφάλαιο 3 Εισαγωγικές έννοιες στατιστικής Η στατιστική είναι εφαρμοσμένος κλάδος της πιθανοθεωρίας ο οποίος ασχολείται με πραγματικά προβλήματα, επιδιώκοντας την εξαγωγή συμπερασμάτων βασισμένων σε παρατηρήσεις.
Διαβάστε περισσότεραΠεριπτώσεις που η στατιστική συνάρτηση ελέγχου είναι η Ζ: 1. Η σ είναι γνωστή και ο πληθυσμός κανονικός.
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 263 34 ΠΑΤΡΑ Τηλ.: 2610 369051, Φαξ: 2610 396184, email: mitro@teipat.gr Καθ η γη
Διαβάστε περισσότερα10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης
10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης Διαστήματα εμπιστοσύνης για τον μέσο ενός πληθυσμού (Μικρά δείγματα) Άσκηση 10.7.1: Ο επόμενος πίνακας τιμών δείχνει την αύξηση σε ώρες ύπνου που είχαν
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Να κατανοηθεί η έννοια της εκτίµησης σηµείου και της εκτίµησης διαστήµατος. Επίσης να κατανοηθεί η έννοια της δειγµατικής κατανοµής παραµέτρου και να υπολογισθούν µε χρήση της Κεντρικού
Διαβάστε περισσότεραΠεριεχόμενα της Ενότητας. Δειγματοληψία. Δειγματοληψίας. Δειγματοληψία. Τυχαία Δειγματοληψία. Χ. Εμμανουηλίδης, 1.
Περιεχόμενα της Ενότητας Στατιστική ΙI Ενότητα 1: Δειγματοληψία και Κατανομές Δειγματοληψίας Δρ. Χρήστος Εμμανουηλίδης Επίκουρος Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης 1. ειγµατοληψία Πιθανοτικές
Διαβάστε περισσότεραΑΣΚΗΣΕΙΣ ΔΙΑΣΤΗΜΑΤΩΝ ΕΜΠΙΣΤΟΣΥΝΗΣ. Άσκηση 1. Βρείτε δ/μα εμπιστοσύνης για τη μέση τιμή μ κανονικού πληθυσμού όταν n=20,
ΜΕΜ64: Εφαρμοσμένη Στατιστική 1 ΑΣΚΗΣΕΙΣ ΔΙΑΣΤΗΜΑΤΩΝ ΕΜΠΙΣΤΟΣΥΝΗΣ Άσκηση 1. Βρείτε δ/μα εμπιστοσύνης για τη μέση τιμή μ κανονικού πληθυσμού όταν n=0, X = 7.5, σ = 16, α = 5%. Πως αλλάζει το διάστημα αν
Διαβάστε περισσότεραΦΡΟΝΤΙΣΤΗΡΙΟ 11. β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο λ 0.
ΦΡΟΝΤΙΣΤΗΡΙΟ Άσκηση Έστω X, X,..., X d τυχαίες μεταβλητές με ~ Posso ( ), Να εξάγετε α) τη συνάστηση πιθανοφάνειας στις 3 μορφές τις και β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων Γρεβενά Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Ιδιότητες εκτιμώμενης ευθείας παλινδρόμησης με τη μέθοδο των ελαχίστων
Διαβάστε περισσότεραΧ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
Διαβάστε 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 περισσότεραΕίδη Μεταβλητών. κλίµακα µέτρησης
ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρµοσµένες Επιστήµες Στατιστικός Πληθυσµός και Δείγµα Το στατιστικό
Διαβάστε περισσότεραΠΡΟΣΟΧΗ : Νέα Ύλη για τις Κατατακτήριες από 2012 και μετά στην Φυσική Ι. Για το 1ο εξάμηνο. ΕΞΕΤΑΣΤΕΑ ΥΛΗ στο μάθημα ΦΥΣΙΚΗ Ι -ΜΗΧΑΝΙΚΗ
στην Φυσική Ι ΕΞΕΤΑΣΤΕΑ ΥΛΗ στο μάθημα ΦΥΣΙΚΗ Ι -ΜΗΧΑΝΙΚΗ 1. Κινηματική (ευθύγραμμη και καμπυλόγραμμη κίνηση) 2. Σχετική κίνηση-μετασχηματισμοί Lorentz 3. Δυναμική ενός σωματιδίου (Νόμοι της δυναμικής-ορμή-στροφορμήσυστήματα
Διαβάστε περισσότεραΑΠΟΤΥΠΩΣΕΙΣ - ΧΑΡΑΞΕΙΣ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΣΦΑΛΜΑΤΩΝ
ΑΠΟΤΥΠΩΣΕΙΣ - ΧΑΡΑΞΕΙΣ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΣΦΑΛΜΑΤΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις, Ασκήσεις,
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΑπλή Παλινδρόμηση και Συσχέτιση
Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989
Διαβάστε περισσότερα& 4/12/09 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ
Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική //9 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ ο Θέμα Μονάδες Από τα ασθενή ζώα μιας κτηνοτροφικής μονάδας, ποσοστό % έχει προσβληθεί από την ασθένεια Α, % από
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ & ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΗΜΟΡΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ ΜΕ ΜΕΘΟΔΟΥΣ BOOTSTRAP Ζυγούρου Αφροδίτη
Διαβάστε περισσότεραΕΚΤΙΜΗΤΙΚΗ: ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
ΚΕΦΑΛΑΙΟ 13 ΕΚΤΙΜΗΤΙΚΗ: ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Στις προηγούμενες ενότητες ασχοληθήκαμε με μεθόδους που οδηγούν σε εκτιμήτριες των τιμών μιας ή και περισσοτέρων αγνώστων παραμέτρων. Αυτό έγινε με την κατασκευή
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Παλινδρόμηση Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΣΙΜΟΣ ΜΕΙΝΤΑΝΗΣ, Αναπληρωτής Καθηγητής Τμήμα Οικονομικών Επιστημών, ΕΚΠΑ ΓΙΑΝΝΗΣ Κ. ΜΠΑΣΙΑΚΟΣ, Επίκουρος Καθηγητής Τμήμα Οικονομικών
Διαβάστε περισσότεραΘεωρία Πιθανοτήτων & Στατιστική
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ & Στατιστική Ενότητα 4 η : Χαρακτηριστικά Τυχαίων Μεταβλητών. Γεώργιος Ζιούτας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Α.Π.Θ.
Διαβάστε περισσότεραΑνισότητα Cramér Rao
Ανισότητα Craér Rao όταν πληρούνται Ορισμός. Στο στατιστικό μοντέλο {,, f ( x; ), Θ } οι συνήκες: i) Το στήριγμα S= { x :f( x;) > 0, Θ } ii) iii) Υπάρχει η μερική παράγωγος ( ) iv) Ισχύει η σχέση ( ) (
Διαβάστε περισσότερα