Αποκλίσεις των εκτιμήσεων όγκου και αξίας των δένδρων υλοτομίας
|
|
- Ἀριστοφάνης Δασκαλόπουλος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Αποκλίσεις των εκτιμήσεων όγκου και αξίας των δένδρων υλοτομίας στο Πανεπιστημιακό Δάσος Περτουλίου Ιωάννης Παπαδόπουλος 1, Γεώργιος Σταματέλλος, Νικόλαος Στάμου 3 Περίληψη Οι ακριβείς εκτιμήσεις του όγκου και της αξίας των δένδρων που πρόκειται να υλοτομηθούν στο δάσος συνδέονται άμεσα με την επιτυχή εφαρμογή του διαχειριστικού σχεδίου και αποτελούν ουσιαστική βάση για ρεαλιστικές οικονομικές πολιτικές. Σ ένα μεγάλο δείγμα δένδρων υλοτομίας, τριών δασικών τμημάτων του Πανεπιστημιακού Δάσους Περτουλίου εκτιμήθηκαν οι αποκλίσεις όγκου και αξίας των δένδρων κατόπιν εφαρμογής του μαζοπίνακα Οικονομόπουλου και βρέθηκαν σημαντικές. Από τα ίδια δεδομένα και με τη μέθοδο της σταθμισμένης γραμμικής παλινδρόμησης εκτιμήθηκαν δύο αποτελεσματικά μοντέλα πρόβλεψης του όγκου. Λέξεις κλειδιά: ξυλώδης όγκος, αξία δένδρων, δένδρα υλοτομίας, μοντέλα πρόβλεψης, Πανεπιστημιακό Δάσος Περτουλίου 1. Εισαγωγή Στα πλαίσια του διαχειριστικού σχεδίου των δασικών εκμεταλλεύσεων καθορίζεται ο ξυλώδης όγκος, ο οποίος πρέπει να υλοτομηθεί περιοδικά και σε συγκεκριμένα έτη από το δάσος. Ο όγκος αυτός συνδέεται αφενός και κυρίως με τις βιολογικές δασοκομικές συνθήκες του δάσους και δευτερευόντως με τις τεχνικές οικονομικές συνθήκες, οι οποίες καθορίζουν την αποδοτικότητα της εκμετάλλευσης. Ο ξυλώδης όγκος προέρχεται κυρίως από τα δένδρα υλοτομίας τα οποία προσημαίνονται βάσει τιθεμένων κριτηρίων και σύμφωνα με τους σκοπούς της εκμετάλλευσης. Η ακρίβεια της εκτίμησης του όγκου των δένδρων υλοτομίας είναι πρωταρχικής σημασίας για την ισορροπία, την διατήρηση και αειφορία του δασικού οικοσυστήματος. Ο ακριβής δε προσδιορισμός της αξίας των ισταμένων δένδρων αποτελεί ουσιαστική βάση για ρεαλιστικές οικονομικές πολιτικές και τη λήψη των σχετικών αποφάσεων. Μια οικονομική εκτίμηση του όγκου των δένδρων γίνεται από υπάρχοντες μαζοπίνακες και στη συνέχεια μπορεί να εκτιμηθεί η αξία του με συναρτήσεις απόδοσης σε διάφορα προϊόντα ξύλου. Στη διαχείριση του Πανεπιστημιακού Δάσους Περτουλίου (ΠΔΠ), η εκτίμηση του όγκου γίνεται με εφαρμογή του μαζοπίνακα Οικονομόπουλου (μο ι ) (Τ.Δ.Δ.Π.Δασών, 1998), ο οποίος καταρτίστηκε το 1964 και δεν συνοδεύεται από μέτρα για την προσαρμογή και εγκυρότητά του. Φαίνεται επίσης, ότι στην κατάρτιση του μαζοπίνακα αυτού δεν πάρθηκε υπόψη η ανομοιογένεια της διακύμανσης του όγκου (Μάτης, 1986). Από τα παραπάνω αναφερθέντα προκύπτει ότι θα παρουσίαζε ενδιαφέρον για την πράξη η μελέτη όλων αυτών των εκτιμήσεων που στηρίζονται άμεσα ή έμμεσα στην εφαρμογή του μοi και των συνεπειών που προκύπτουν από την εφαρμογή αυτή. 1 Πανεπιστημιακό Δάσος Περτουλίου, 43 Περτούλι Τρικάλων Εργαστήριο Δασικής Βιομετρίας, Τμήμα Δασολογίας & Φ.Π., Α.Π.Θ. 546 Θεσ/νίκη 3 Εργαστήριο Δασικής Οικονομικής, Τμήμα Δασολογίας & Φ.Π., Α.Π.Θ. 546 Θεσ/νίκη 1
2 Σκοπός της έρευνας είναι αφενός ο προσδιορισμός και η αξιολόγηση των αποκλίσεων του όγκου και της αξίας των δένδρων υλοτομίας, όπως αυτές προκύπτουν με την εφαρμογή του μο ι και αφετέρου η εκτίμηση απλών και χαμηλού κόστους μοντέλων πρόβλέψης όγκου των προς υλοτομία δένδρων.. Υλικά και μέθοδος Τα στοιχεία πάρθηκαν από τα δασικά τμήματα 13, 15 και 5 των ορεογραφικών μονάδων «Μπράικο» και «Λύξα» του ΠΔΠ. Ένα μεγάλο δείγμα (4,6%) προσημανθέντων δένδρων ελάτης επιλέχθηκε τυχαία. Ο όγκος αυτών υπολογίστηκε μετά τη ρίψη του στο έδαφος κατά τη διάρκεια των εργασιών συγκομιδής του ξύλου το έτος Για το σκοπό αυτό μετρήθηκαν με ακρίβεια δεκάτου, το ολικό ύψος σε μέτρα (m) και οι έμφλοιες διάμετροι σε εκατοστά (cm) ανά ένα μέτρο από,3 μέχρι,3 m ύψος και ανά δύο μέτρα για τα μεγαλύτερα ύψη δένδρων. Τα δένδρα παχυμετρήθηκαν και ως ιστάμενα για έλεγχο. Ο «αληθινός» όγκος (V) του κορμού των δένδρων υπολογίστηκε με τον τύπο του Smalian εκτός του κορυφοτεμαχίου που ογκομετρήθηκε ως κώνος (Μάτης 1989, Philip 1994), ενώ μια εκτίμηση του όγκου (Vμ) έγινε με τον μο ι (Οικονομόπουλος, 1964). Με βάση τις δύο τιμές του όγκου V, Vμ και χρησιμοποιώντας συναρτήσεις απόδοσης σε προϊόντα ξύλου (Παπαδόπουλος, 1997) εκτιμήθηκαν αντίστοιχα δύο αξίες W, Wμ των δένδρων (Σχήμα 1), υποθέτοντας την ίδια απόδοση σε στρόγγυλη ξυλεία και στις δύο περιπτώσεις και χρησιμοποιώντας τις μέσες τιμές διάθεσης όλων των παραγόμενων δασικών προϊόντων του ΠΔΠ για το έτος Ως απόκλιση όγκου ορίζεται η διαφορά δv i = Vμ i V i και ως απόκλιση αξίας των δένδρων η δwi = Wμ i W i, όπου i = 1,,,n με n το πλήθος των δένδρων. Για μια πλήρη περιγραφή και ανάλυση των μεταβλητών δv και δw εφαρμόστηκε η Διερευνητική Ανάλυση Δεδομένων (Tuckey 1977, Hoaglin et al. 1985). Με τα θηκογράμματα της ανάλυσης ανιχνεύονται ακρότατες τιμές (extreme values) και αποκαλύπτεται η διασπορά των μεταβλητών. Ένας οπτικός έλεγχος της κανονικότητας των κατανομών έγινε κατ αρχήν με τα κανονικά Q-Q γραφικά, ενώ η τελική σχετική απόφαση πάρθηκε με τον έλεγχο Lilliefors (Conover, 198). Για να διαπιστωθεί αν υπάρχει αυτοσυσχέτιση μεταξύ των παρατηρήσεων έγινε έλεγχος αυτοσυσχέτισης μέσω των γραφημάτων της συνάρτησης αυτοσυσχέτισης (Μπόρα Σέντα και Μωυσιάδης, 199). Οι προαναφερόμενοι έλεγχοι είναι απαραίτητοι διότι από τα αποτελέσματά τους θα εξαρτηθεί ποια μέθοδος στατιστικού συμπεράσματος θα εφαρμοστεί. Η αξιολόγηση των αποκλίσεων έγινε με τον μη παραμετρικό έλεγχο του Wilcoxon (Conover, 198). Μια πληρέστερη περιγραφή των αποκλίσεων κατά κλάσεις διαμέτρου δίνεται με τα αντίστοιχα θηκογράμματα. Εκτιμήθηκαν δύο αποτελεσματικά μοντέλα πρόβλεψης του όγκου των δένδρων υλοτομίας, εκ των οποίων το ένα [V = f(d)] δίνει τον όγκο ως συνάρτηση της στηθιαίας διαμέτρου και το δεύτερο [V=g (Vμ)] διορθώνει τις εκτιμήσεις του όγκου που προκύπτουν από την εφαρμογή του μο ι. Στη δημιουργία των μοντέλων πάρθηκε υπόψη, η ανομοιογένεια της διακύμανσης του όγκου, αφού εν τω μεταξύ διαπιστώθηκε αυτή με βάση τα ανάλογα γραφικά, και εφαρμόστηκε η σταθμισμένη γραμμική παλινδρόμηση (Μάτης 1994, William et al. 199, Schreuder and Wiliams 1998). Μεταξύ των εκθετών των συναρτήσεων βάρους επιλέχθηκαν εκείνοι που μεγιστοποιούν την log-likelihood συνάρτηση (Norusis, 1997). Για την σύγκριση των δύο μοντέλων υπολογίστηκε ο δείκτης του
3 Furnival (Μάτης, 1986). Στη συνέχεια το αρχικό δείγμα (n = 197) χωρίστηκε τυχαία σε δύο υπο - δείγματα (n 1 = 99, n = 98) και τα μοντέλα αξιολογήθηκαν με την τεχνική cross-validation. (Moran 197, Snee 1977, Pandey et al. 1999). Η τεχνική αυτή αξιολογεί και επιλέγει μοντέλα μέσω των σφαλμάτων πρόβλεψης χρησιμοποιώντας διαφορετικά δεδομένα από εκείνα με τα οποία κατασκευάζονται τα μοντέλα. Αξία πραγματικού όγκου Αξία όγκου μοι 1 1 Αξία (δρχ/δένδρο) Στηθιαία διάμετρος (cm) Σχήμα 1. Αξία ανά δένδρο του πραγματικού όγκου και της εκτίμησής του με τον μο ι συναρτήσει της στηθιαίας διαμέτρου. Figure 1. Value per tree of real volume and their evaluation with μο ι in connection with breath diametr. 3. Αποτελέσματα Τα θηκογράμματα των αποκλίσεων όγκου και αξίας από την εφαρμογή της Διερευνητικής Ανάλυσης Δεδομένων, φαίνονται στο Σχήμα. Ανιχνεύτηκαν τρεις ακρότατες τιμές, οι ίδιες σε κάθε απόκλιση, οι οποίες και αφαιρέθηκαν από τα δεδομένα. 3 Θ1 4 Θ Απόκλιση όγκου Απόκλιση αξίας N = N = 3
4 Σχήμα. Θηκογράμματα των αποκλίσεων όγκου (Θ1) και αξίας (Θ) Στον πίνακα I, παρουσιάζονται τα στατιστικά μέτρα των μεταβλητών d, V, W, δv και δw από τα αρχικά και τα τελικά μετά την αφαίρεση των ακρότατων τιμών δεδομένα. Πίνακας I. Στατιστικά μέτρα του αρχικού (1) και του μειωμένου δείγματος () για τη διάμετρο (d), τον όγκο (V) της εκτίμησης του όγκου (Vμ), της αξίας (W), της εκτίμησης της αξίας (Wμ), τις αποκλίσεις όγκου (δv) και αξίας (δw) των δένδρων υλοτομίας. Ελάχιστη τιμή Μέγιστη τιμή Μέσος όρος Τυπική απόκλιση Μεταβλητή d (cm) 18, 18, 84, 84, 43,91 43,53 13, 1,65 V (m 3),19746, , , , ,7479 1,976 1,115 Vμ (m 3),3947,3947 6,5174 6,5174 1,7678 1, ,1557 1,116 W (δρχ) Wμ (δρχ) δv (m 3) -1, ,319,3161, ,681 -,816,4153,33753 ΔW (m 3) Τα κανονικά Q-Q γραφήματα στο Σχήμα 3 δείχνουν αποκλίσεις των δύο μεταβλητών από την ευθεία γραμμή, πράγμα που σημαίνει έλλειψη κανονικότητας την οποία επιβεβαιώνει και ο έλεγχος Lilliefors. Οι αυτοσυσχετίσεις μεταξύ των παρατηρήσεων ήταν ασήμαντες ή ελάχιστα σημαντικές. Λόγω μη κανονικότητας των κατανομών εφαρμόστηκε το μη παραμετρικό κριτήριο του Wilcoxon, η σημαντικότητα του οποίου ήταν, και στις δύο αποκλίσεις (Πίνακας II). Στο Σχήμα 4 παρουσιάζονται τα θηκογράμματα των δv και δw κατά κλάσεις διαμέτρου, όπου φαίνεται η ανομοιογένεια της διακύμανσης των αποκλίσεων. Γ1 Γ 3 3 Αναμενόμενη τιμή 1-1 Αναμενόμενη τιμή ,5-1, -,5,,5 1, 1, Παρατηρούμενη τιμή Παρατηρούμενη τιμή Σχήμα 3. Γραφικά κανονικής πιθανότητας των αποκλίσεων όγκου (Γ1) και αξίας (Γ) 4
5 Πίνακας II. Έλεγχοι κανονικότητας (Lilliefors) και της υπόθεσης των μηδενικών αποκλίσεων (Wilcoxon) όγκου (δv) και αξίας (δw) των δένδρων υλοτομίας. Μεταβλητή Έλεγχος Lilliefors Έλεγχος Wilcoxon Τιμή στατιστικού Βαθμοί ελευθερίας Στατιστ Σημαντ. Ζ-τιμή Ασυμπτ. σ ημαντικ. Απόκλιση όγκου (δv),8 197,4-3,77, Απόκλιση αξίας (δw),7 197,14-3,885, Οι εκτιμήσεις των παραμέτρων β i, ο διορθωμένος συντελεστής προσδιορισμού R, ο δείκτης του Furnival (I) και το μέσο τετραγωνικό σφάλμα (ΜΤΣ) πρόβλεψης (υπολογίστηκε στα μοντέλα που κατασκευάστηκαν μετά την τυχαία διαίρεση του δείγματος) παρουσιάζονται στον πίνακα III. Πίνακας III. Οι εκτιμήσεις των συντελεστών (β i ) των μοντέλων (σε παρένθεση τα τυπικά τους σφάλματα), οι διορθωμένοι συντελεστές προσδιορισμού (R ), οι δείκτες του Furnival (I) ) και τα μέσα τετραγωνικά σφάλματα (ΜΤΣ) πρόβλεψης των μοντέλων. Συντελεστές α/α Μοντέλο n β ο β 1 β R I MTΣ 1 V i =β ο +β 1 d i +β d i -,915,119,9744, ,168 (,138) V i =β ο +β 1 Vμ i 197 -,6381 (,1849)* 1α V i =β ο +β 1 d i +β d i 99,38984 (,165448) α V i =β ο +β 1 Vμ i 99 -,35 (,818)* 1β V i =β ο +β 1 d i +β d i 98,76876 (,135976)* β V i =β ο +β 1 Vμ i 98 -,3144 (,449)* * υπάρχει σημαντικότητα στο α=,5 (,6383) 1,66377 (,16) -,3613 (,9817) 1,44549 (,3696) -,166 (,8694)* 1,87197 (,138) (,93),135 (,138),954,4619,91443,6889,9376,913,5787,9153,189,93871,179,43 (,19),93649,5944,139 Απόκλιση όγκου Σχήμα 4. Θηκογράμματα Θ1 κατά κλάσεις διαμέτρου των αποκλίσεων όγκου Θ(Θ1) και αξίας (Θ) 1,5 των δένδρων υλοτομίας 1, 1 98,5 4, -,5-1, Απόκλιση αξίας ,5 N = , 3, 5, 7, 9, 11,, 4, 6, 8, 1, - N = , 3, 5, 7, 9, 11,, 4, 6, 8, 1, 5
6 , Γεωτεχνικά Επιστημονικά Θέματα 3/1 Τόμος 1, Σειρά VI, Θεσσαλονίκη, σελ Συζήτηση - συμπεράσματα Η κατανομή διαμέτρων του δείγματος των δένδρων υλοτομίας είναι μια μονοκόρυφη κατανομή όπως φαίνεται στο Σχήμα 5 εντελώς διαφορετική από την φθίνουσα κατανομή των διαμέτρων στα κηπευτά ή υποκηπευτά τμημάτων του ΠΔΠ. Οι κατανομές των δv και δw είναι παρόμοιες, με συντελεστή συσχέτισης, Συχνότητα 1 Std. Dev = 1,65 Mean = 43,5 N = 197, 85, 8, 75, 7, 65, 6, 55, 5, 45, 4, 35, 3, 5, Διάμετρος (cm) Σχήμα 5. Κατανομή διαμέτρων ενός τυχαίου δείγματος των δένδρων υλοτομίας των δασικών τμημάτων 13, 15 και 5 του ΠΔΠ. Σε μέσο όγκο δένδρου 1,7479 m 3 γίνεται υποεκτίμησή του κατά,816 m 3 (4,65%) και κατά 1411 δρχ (4,91%) υποεκτίμηση της αξίας του. Λαμβάνοντας δε υπόψη ότι το ετήσιο λήμμα του ΠΔΠ ανέρχεται σε 8 85 m 3 φαίνεται ότι τελικά γίνεται υποεκτίμηση της αξίας του ξυλώδη όγκου κατά δρχ στον ετήσιο προϋπολογισμό. Αν και το μέγεθος της υποεκτίμησης των αποκλίσεων και στις δύο περιπτώσεις φαίνεται να μην υπερβαίνει το 5%, εν τούτοις η μεταβλητότητά τους παρουσιάζεται εξαιρετικά μεγάλη με συντελεστές κύμανσης (cv) 415,37% για την δv και 387,8% για την δw. Αυτό σημαίνει μεγάλες σχετικά τιμές των τυπικών τους αποκλίσεων (s) ως προς τις μέσες τιμές. Η ανομοιογένεια της διασποράς των δv και δw κατά κλάσεις διαμέτρου όπως φαίνεται στα θηκογράμματα (Σχήμα 4) ήταν αναμενόμενη και είναι αποτέλεσμα του τρόπου ορισμού των δύο μεταβλητών. Το προσημικό κριτήριο Wilcoxon εφαρμόζεται στην περίπτωση των συμμετρικών συνεχών κατανομών (Montgomery and Runger, 1994), υπόθεση που ισχύει και για τις δύο μεταβλητές δv, δw. Στον έλεγχο, μηδενική υπόθεση είναι η H o : μ 1 = μ ή ισοδύναμα δ μ = με εναλλακτική την H 1 : μ 1 μ, ή δ μ, όπου μ i ο μέσος όρος του πληθυσμού και δ μ = μ 1 -μ. Το συμπέρασμα όπως αυτό 6
7 προκύπτει από τα αποτελέσματα του πίνακα, είναι ότι δεν μπορούμε να δεχθούμε την υπόθεση των μηδενικών δv και δw σε επίπεδο σημαντικότητας α>,5. Αυτό σημαίνει ότι δεν υπάρχουν ισχυρές μαρτυρίες που να δείχνουν ότι οι μέσοι όροι των δύο όγκων V μ -V και των δύο αξιών W μ -W είναι ίσοι. Προτιμήθηκε το κριτήριο αυτό έναντι του απλού προσημικού κριτηρίου (sign test) γιατί δίνει περισσότερο «βάρος» στις μεγάλες διαφορές απ ότι στις μικρές (Conover, 198). Επειδή η ακριβέστερη εκτίμηση του όγκου των δένδρων υλοτομίας μπορεί να αποτελέσει τη βάση και για πιο ρεαλιστική στη συνέχεια εκτίμηση της αξίας τους, η ανάλυση προχώρησε σε ένα περαιτέρω βήμα κατασκευάζοντας μοντέλα πρόβλεψης του όγκου των δένδρων υλοτομίας. Με κριτήρια την απλότητα του μοντέλου, το χαμηλό κόστος κατασκευής του και την προηγούμενη εμπειρία εκτίμησης του όγκου στο ΠΔΠ επιλέχθηκαν: 1. Ένα από τα συνήθως χρησιμοποιούμενα μοντέλα με μόνη τη διάμετρο ως ανεξάρτητη μεταβλητή (Schreuder and Wiliams, 1998) V i = β ο + β 1 d i + β d i + e i και. Το διορθωτικό μοντέλο V i = β ο + β 1 Vμ i + e i, το οποίο θα μπορούσε να αξιοποιήσει τις εκτιμήσεις του μο ι. Και για τα δύο μοντέλα Εe i e j = σ (X i ) k, για i=j και Εe i e j = για i j, όπου Χ i = d i για το πρώτο και X i = Vμ i για το δεύτερο μοντέλο ei και ej τα σφάλματα, το k προσδιορίζει τη σχέση αύξησης της διασποράς των e i e j, ενώ β ο, β 1, β είναι οι συντελεστές των μοντέλων. Στον πίνακα 3 παρουσιάζονται δύο ομάδες μοντέλων. Η μία περιλαμβάνει τα μοντέλα 1 και τα οποία εκτιμήθηκαν από το σύνολο των 197 παρατηρήσεων του δείγματος. Προφανώς δεν υπάρχουν επιπλέον παρατηρήσεις για να υπολογιστεί το ΜΤΣ πρόβλεψης και να χρησιμοποιηθεί ως μέτρο αξιολόγησης των μοντέλων. Με βάση το δείκτη του Furnival (I) προκύπτει ότι το μοντέλο 1 είναι καλύτερο του. Τα μοντέλα 1α και α εκτιμήθηκαν από το n 1 = 99 υποδείγμα και τα ΜΤΣ πρόβλεψης υπολογίστηκαν από το n = 98 δεύτερο υποδείγμα. Το αντίθετο έγινε για τα μοντέλα 1β και β. Τα μοντέλα 1α και α προτιμώνται έναντι των 1β και β γιατί δίνουν μικρότερα ΜΤΣ πρόβλεψης. Στο μοντέλο α επειδή β ο = προσαρμόστηκε το αντίστοιχο χωρίς σταθερό όρο μοντέλο, το οποίο όμως εμφάνισε μεγαλύτερο (,9456) MΤΣ πρόβλεψης. Σε όλα τα μοντέλα ικανοποιούνται οι υποθέσεις της κανονικότητας και της τυχαιότητας των καταλοίπων. Από την όλη έρευνα προκύπτει ότι εφαρμόζοντας τον μο ι στην εκτίμηση του όγκου των δένδρων υλοτομίας (τμήματα 13, 15 & 5) του ΠΔΠ γίνονται στατιστικά σημαντικές υποεκτιμήσεις του πραγματικού όγκου και της αξίας των δένδρων. Αν δεχθούμε ότι οι βιολογικές συνθήκες του δάσους παραμένουν ίδιες και οι τυχόν διαφορές στη μέτρηση του όγκου είναι αμελητέες, αυτό θα μπορούσε να οφείλεται κυρίως στη διαφορετική κατανομή διαμέτρων των δένδρων υλοτομίας αλλά και στα μεγαλύτερα σφάλματα των συντελεστών λόγω ύπαρξης ανομοιογένειας της διασποράς. Τα δύο μοντέλα πρόβλεψης του όγκου 1α και α δημιουργήθηκαν, αφού λήφθηκε υπόψη η ανομοιογένεια της διακύμανσης, και αξιολογήθηκαν με το μέσο τετραγωνικό σφάλμα πρόβλεψης μπορούν δε να εφαρμοστούν στα ίδια δασικά τμήματα από τα οποία προήλθαν τα δεδομένα. Περαιτέρω έρευνα χρειάζεται να γίνει για την κατάρτιση αποτελεσματικών μοντέλων πρόβλεψης και σε άλλα δασικά τμήματα, με διερεύνηση στη συνέχεια της δυνατότητας αντικατάστασής τους από έναν μικρότερο αριθμό μοντέλων τα οποία θα μπορούσαν να εφαρμοστούν σ όλο το δάσος. 7
8 Deviations of volume evaluations and value of cutting trees in University Forest of Pertouli. J. J. Papadopoulos 1, G. I. Stamatellos, N.J. Stamou 3 Abstract The correct deviations of volume and value of the trees that will be going to cut in forest, related with success application of the administrative planning directly and they constitute essential base for realistic economics politics. They evaluated the deviations of volume and value of trees with the application of Εconomoloulos μαζοπίνακα in a big sample of cutting trees in three (3) forest sections of University Forest of Pertouli and they have been found significant. From the same data with the Weight Least Square (WLS) regression method two effective prediction models evaluated. Keys Word: trees volume, trees value, cutting trees, prediction models, University Forest of Pertouli. Οι ακριβείς εκτιμήσεις του όγκου και της αξίας των δένδρων που πρόκειται να υλοτομηθούν στο δάσος συνδέονται άμεσα με την επιτυχή εφαρμογή του διαχειριστικού σχεδίου και αποτελούν ουσιαστική βάση για ρεαλιστικές οικονομικές πολιτικές. Σ ένα μεγάλο δείγμα δένδρων υλοτομίας, τριών δασικών τμημάτων του Πανεπιστημιακού Δάσους Περτουλίου εκτιμήθηκαν οι αποκλίσεις όγκου και αξίας των δένδρων κατόπιν εφαρμογής του μαζοπ ίνακα Οικονομόπουλου και βρέθηκαν σημαντικές. Από τα ίδια δεδομένα και με τη μέθοδο της σταθμισμένης γραμμικής παλινδρόμησης εκτιμήθηκαν δύο αποτελεσματικά μοντέλα πρόβλεψης του όγκου Λέξεις κλειδιά: ξυλώδης όγκος, αξία δένδρων, δένδρα υλοτομίας, μοντέλα πρόβλεψης, Πανεπιστημιακό Δάσος Περτουλίου 5. Βιβλιογραφία Conover, W.J Practical Nonparametric Statistics. nd ed. John Wiley & Sons, Inc, USA 493 p. Hoaglin, D.C. Mosteller, F. and Tuckey, J.W Exploring Data Tables, Trends and Shapes. J. Wiley & Sons, Inc., N.Y., 57 p. Μάτης, Κ.Γ., Μαζοπίνακες για την ελάτη Πετουλίου. Α.Π.Θ., Τμήμα Δασολογίας και Φυσικού Περιβάλλοντος, Επιστημονική Επετηρίδα Τόμος ΚΘ/6: Μάτης, Κ.Γ., Δασική Βιομετρία ΙΙ. Δενδρομετρία. Εκδόσεις Γ. Δεδούσης, Θεσσαλονίκη 458 σελ. Montgomery, D.C. and Runger, G.C Applied Statistics and Probability for Engineers. Tohn Wiley & Sons, Inc. New York 85p. Moran, P.A.P Dividing a sample into two parts A statistical dilemma. Sankhya A. 344 (): Μπόρα Σέντα, Ε. και Μωυσίδης, Χ Εφαρμοσμένη Στατιστική, Εκδ. Ζήτη. Θεσσαλονίκη. 69 σελ. Norusis, M SPSS Professional Statistics 7.5. Chicago: SPSS Inc. 76 p. 1 University Forest of Pertouli, 43 Pertouli Trikala, Greece Forest Biometry Laboratory, Forest and N. E Department, Auth, 546 Thessaloniki 3. Forest Economics Laboratory, Forest and N. E Department, Auth, 546 Thessaloniki 8
9 Οικονομόπουλος, Α Η Δασοπονία Περτουλίου. Θεσσαλονίκη. 35 σελ. Pandey, R. Dhall, S.P. and Kumar, R The Indian Forester 15 (1): Παπαδόπουλος Ιωάννης, Εκτίμηση και πρόβλεψη της προσφοράς εμπορεύσιμου ξύλου του Πανεπιστημιακού Δάσους Περτουλίου σε συνδυασμό με τις ανάγκες της ξυλαγοράς. Διδακτορική διατριβή, Θεσσαλονίκη, 44 σελ. Philip, M.S Measuring Trees and Forests nd ed. Cab International, UK. 31 p Schreuder, H.T. and Williams, M.S Weighted linear regression using D H and D as the independent variables. USDA, For. Serv., Rocky Mountain Research Station, Res. Paper RMRS- RP-6. 1 p. Snee, R.D Validation of regression model: Methods and examples. Technometrics 19: Ταμείο Διοικήσεως και Διαχειρίσεως Πανεπιστημιακών Δασών, Διαχειριστικό σχέδιο Πανεπιστημιακού Δάσους Περτουλίου Περτούλι 1σελ Tuckey, J.W Exploratory Data Analysis. Addison-Wesley Publishing Company 688p Williams, M.S., Schreuder, H.T., Gregoire, T.G. and Bechtold Estimating variance functions for weighted linear regression. In: Milliken G.A. and Schwenke J.R. eds. Proceedings of the Kansas State University Conference an Applied Statistics in Agriculture, April 6-8, 199, Manhattan, KS, Manhattan State Univ. p
10 Αποκλίσεις των εκτιμήσεων όγκου και αξίας των δένδρων υλοτομίας στο Πανεπιστημιακό Δάσος Περτουλίου Ιωάννης Παπαδόπουλος 1, Γεώργιος Σταματέλλος, Νικόλαος Στάμου 3 Πλήρης Διεύθυνση 1 ου συγγραφέα Παπαδόπουλος Ιωάννης, Μακρονήσου 5, Σαράγια 41 Τρικάλα Τηλ , γραφείων οικίας 1 Πανεπιστημιακό Δάσος Περτουλίου, 43 Περτούλι Τρικάλων Εργαστήριο Δασικής Βιομετρίας, Τμήμα Δασολογίας & Φ.Π., Α.Π.Θ. 546 Θεσ/νίκη 3 Εργαστήριο Δασικής Οικονομικής, Τμήμα Δασολογίας & Φ.Π., Α.Π.Θ. 546 Θεσ/νίκη 1
ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 13: Επανάληψη Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Γιατί μελετούμε την Οικονομετρία;
Διαβάστε περισσότεραΕρωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)
Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΛίγα λόγια για τους συγγραφείς 16 Πρόλογος 17
Περιεχόμενα Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17 1 Εισαγωγή 21 1.1 Γιατί χρησιμοποιούμε τη στατιστική; 21 1.2 Τι είναι η στατιστική; 22 1.3 Περισσότερα για την επαγωγική στατιστική 23 1.4 Τρεις
Διαβάστε περισσότεραΠολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)
Σελίδα 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΜΑΘΗΜΑ: ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) ΠΑΝΕΠΙΣΤΗΜΙΑΚΟΣ ΥΠΟΤΡΟΦΟΣ ΠΑΝΑΓΙΩΤΗΣ
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΧρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Διαβάστε περισσότεραΠοιοτική και ποσοτική ανάλυση ιατρικών δεδομένων
Ποιοτική και ποσοτική ανάλυση ιατρικών δεδομένων Κωνσταντίνος Τζιόμαλος Επίκουρος Καθηγητής Παθολογίας ΑΠΘ Α Προπαιδευτική Παθολογική Κλινική, Νοσοκομείο ΑΧΕΠΑ 1 ο βήμα : καταγραφή δεδομένων Το πιο πρακτικό
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 περισσότεραΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ Χ 2 test ανεξαρτησίας: σχέση 2 ποιοτικών μεταβλητών
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότερα2. 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 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 περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Τα υποδείγματα του απλού γραμμικού υποδείγματος της παλινδρόμησης (simple linear regression
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Είδη μεταβλητών Ποσοτικά δεδομένα (π.χ. ηλικία, ύψος, αιμοσφαιρίνη) Ποιοτικά δεδομένα (π.χ. άνδρας/γυναίκα, ναι/όχι) Διατεταγμένα (π.χ. καλό/μέτριο/κακό) 2 Περιγραφή ποσοτικών
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4Β: Έλεγχοι Κανονικότητας Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Άδειες
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Η ΜΕΣΗ ΤΙΜΗ ΚΑΙ Η ΔΙΑΜΕΣΟΣ... 29
ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 Μεταβλητές...5 Πληθυσμός, δείγμα...7 Το ευρύτερο γραμμικό μοντέλο...8 Αναφορές στη βιβλιογραφία... 11 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 Περίληψη... 13 Εισαγωγή... 13 Με μια ματιά...
Διαβάστε περισσότεραΠολλαπλή παλινδρόµηση. Μάθηµα 3 ο
Πολλαπλή παλινδρόµηση Μάθηµα 3 ο Πολλαπλή παλινδρόµηση (Multivariate regression ) Η συµπεριφορά των περισσότερων οικονοµικών µεταβλητών είναι συνάρτηση όχι µιας αλλά πολλών µεταβλητών Y = f ( X, X 2, X
Διαβάστε περισσότερα-1- Π = η απόλυτη παράλλαξη του σημείου με το γνωστό υψόμετρο σε χιλ.
-1- ΜΕΤΡΗΣΗ ΥΨΟΜΕΤΡΩΝ ΣΗΜΕΙΩΝ ΤΟΥ ΑΝΑΓΛΥΦΟΥ. Η γνώση των υψομέτρων διαφόρων σημείων μιας περιοχής είναι πολλές φορές αναγκαία για ένα δασοπόνο. Η χρησιμοποίηση φωτογραμμετρικών μεθόδων με τη βοήθεια αεροφωτογραφιών
Διαβάστε περισσότεραΒΛΑΧΟΠΟΥΛΟΣ ΓΕΡΑΣΙΜΟΣ Δασολόγος
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΔΑΣΟΛΟΓΙΑΣ ΚΑΙ ΔΙΧΕΙΡΙΣΗΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΦΥΣΙΚΩΝ ΠΟΡΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΑΕΙΦΟΡΙΚΗ ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΦΥΣΙΚΩΝ ΠΟΡΩΝ ΚΑΤΕΥΘΥΝΣΗ Γ : ΟΙΚΟΛΟΓΙΑ
Διαβάστε περισσότεραΈλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς
Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Η μηδενική υπόθεση είναι ένας ισχυρισμός σχετικά με την τιμή μιας πληθυσμιακής παραμέτρου. Είναι
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (3 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017
Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών
Διαβάστε περισσότεραΑντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
Διαβάστε περισσότεραΕισαγωγή στην Ανάλυση Δεδομένων
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 09-10-2015 Εισαγωγή στην Ανάλυση Δεδομένων Βασικές έννοιες Αν. Καθ. Μαρί-Νοέλ Ντυκέν ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-2015 1. Στατιστικοί παράμετροι - Διάστημα εμπιστοσύνης Υπολογισμός
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για τους Μέσους - Εξαρτημένα Δείγματα (Paired samples t-test) Το κριτήριο Paired samples t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε
Διαβάστε 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 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 περισσότερα10. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
0. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 0. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ Συχνά στην πράξη το μοντέλο της απλής γραμμικής παλινδρόμησης είναι ανεπαρκές για την περιγραφή της μεταβλητότητας που υπάρχει στην εξαρτημένη
Διαβάστε περισσότεραΔιερευνητική Ανάλυση Δεδομένων Exploratory Data Analysis
Διερευνητική Ανάλυση Δεδομένων Exploratory Data Analysis Περιλαμβάνει ένα σύνολο αριθμητικών και γραφικών μεθόδων, που μας επιτρέπουν να αποκτήσουμε μια πρώτη εικόνα για την κατανομή των τιμών της μεταβλητής
Διαβάστε περισσότεραΑπλή Ευθύγραµµη Συµµεταβολή
Απλή Ευθύγραµµη Συµµεταβολή Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Εισαγωγή Ανάλυση Παλινδρόµησης και Συσχέτιση Απλή
Διαβάστε περισσότεραΠεριγραφική Ανάλυση ποσοτικών μεταβλητών
Περιγραφική Ανάλυση ποσοτικών μεταβλητών Στο data file Worldsales.sav (αρχείο υποθετικών πωλήσεων ανά ήπειρο και προϊόν) Analyze Descriptive Statistics Frequencies Επιλογή μεταβλητής Revenue Πατάμε στο
Διαβάστε περισσότεραΔιερευνητική Ανάλυση Δεδομένων Exploratory Data Analysis
Διερευνητική Ανάλυση Δεδομένων Exploratory Data Analysis Περιλαμβάνει ένα σύνολο αριθμητικών και γραφικών μεθόδων, που μας επιτρέπουν να αποκτήσουμε μια πρώτη εικόνα για την κατανομή των τιμών της μεταβλητής
Διαβάστε περισσότεραΓ. Πειραματισμός - Βιομετρία
Γ. Πειραματισμός - Βιομετρία Πληθυσμοί και δείγματα Πληθυσμός Περιλαμβάνει όλες τις πιθανές τιμές μιας μεταβλητής, δηλαδή αναφέρεται σε μια παρατήρηση σε όλα τα άτομα του πληθυσμού Ο πληθυσμός προσδιορίζεται
Διαβάστε περισσότεραΈλεγχος υποθέσεων και διαστήματα εμπιστοσύνης
1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από
Διαβάστε 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 περισσότεραΚλωνάρης Στάθης. ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας
Κλωνάρης Στάθης ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας Η Υπόθεση είναι μία πεποίθηση σχετικά με μία παράμετρο Παράμετρος μπορεί να είναι ο μέσος ενός πληθυσμού, ένα ποσοστό, ένας συντελεστής
Διαβάστε περισσότεραΣτατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )
Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 2 Η γενική ιδέα της διαδικασίας στατιστικού ελέγχου υποθέσεων Πρόκειται για μια διαδικασία απόφασης μεταξύ δύο υποθέσεων Η μια υπόθεση ονομάζεται μηδενική (Η
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
Διαβάστε περισσότεραΓια το δείγμα από την παραγωγή της εταιρείας τροφίμων δίνεται επίσης ότι, = 1.3 και για το δείγμα από το συνεταιρισμό ότι, x
Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική // (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) ο Θέμα [] Επιλέξαμε φακελάκια (της μισής ουγκιάς) που περιέχουν σταφίδες από την παραγωγή μιας εταιρείας
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε 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 περισσότεραΈλεγχος για τις παραμέτρους θέσης δύο πληθυσμών με εξαρτημένα δείγματα
ΚΕΦΑΛΑΙΟ ΕΚΤΟ Έλεγχος για τις παραμέτρους θέσης δύο πληθυσμών με εξαρτημένα δείγματα Στο κεφάλαιο αυτό θα ασχοληθούμε με τον έλεγχο της υπόθεσης της ισότητα δύο μέσων τιμών με εξαρτημένα δείγματα. Εξαρτημένα
Διαβάστε περισσότεραΔημήτρης Ι. Οικονομόπουλος Δάσκαλος
Eπιστημονικό Bήμα, τ. 10, - Ιανουάριος 2009 Επίδοση στο γυμνάσιο και εγκατάλειψη της εννιάχρονης υποχρεωτικής εκπαίδευσης για τους μαθητές που προέρχονται από ολιγοθέσια και πολυθέσια δημοτικά σχολεία
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ
ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι Πανεπιστημίου Πειραιώς) Τηλ.: 4..97,,, Fax : 4..634 URL : www.vtal.gr emal: f@vtal.gr Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι
Διαβάστε περισσότερα3η Ενότητα Προβλέψεις
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων 3η Ενότητα Προβλέψεις (Μέρος 4 ο ) http://www.fsu.gr
Διαβάστε περισσότεραΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ
ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100
Ποσοτικές Μέθοδοι Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR 50100 Απλή Παλινδρόμηση Η διερεύνηση του τρόπου συμπεριφοράς
Διαβάστε περισσότεραΧρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
Διαβάστε περισσότεραα) t-test µε ίσες διακυµάνσεις β) ανάλυση διακύµανσης µε έναν παράγοντα Έλεγχος t δύο δειγμάτων με υποτιθέμενες ίσες διακυμάνσεις
ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΙΕΘΝΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΧΕΣΕΩΝ ΚΑΙ ΑΝΑΠΤΥΞΗΣ ΜΑΘΗΜΑ: ΣΤΑΤΙΣΤΙΚΗ IΙ ΕΙΣΗΓΗΤΡΙΑ: ΣΑΒΒΑΣ ΠΑΠΑ ΟΠΟΥΛΟΣ ΠΑΛΑΙΑ ΘΕΜΑΤΑ ********************************************************************
Διαβάστε περισσότεραΕΚΠΑΙΔΕΥΤΙΚΗ 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 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 περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7ο μάθημα: Πολυμεταβλητή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΣτατιστική. Ανάλυση ιασποράς με ένα Παράγοντα. One-Way Anova. 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς
Στατιστική Ανάλυση ιασποράς με ένα Παράγοντα One-Way Anova Χατζόπουλος Σταύρος Κεφάλαιο 8ο. Ανάλυση ιασποράς 8.1 Εισαγωγή 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς 8.3 Ανάλυση ιασποράς με
Διαβάστε περισσότερα«Εφαρμογή της ανάλυσης επιβίωσης για την αξιολόγηση της θνησιμότητας των δέντρων στο δάσος Ελατιάς Δράμας»
Δημοκρίτειο Πανεπιστήμιο Θράκης Τμήμα Δασολογίας Μεταπτυχιακή διατριβή «Εφαρμογή της ανάλυσης επιβίωσης για την αξιολόγηση της θνησιμότητας των δέντρων στο δάσος Ελατιάς Δράμας» Αποστολοπούλου Ευαγγελία
Διαβάστε περισσότεραΣυσχέτιση μεταξύ δύο συνόλων δεδομένων
Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης
ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση
Διαβάστε περισσότεραΣυνάφεια μεταξύ ποιοτικών μεταβλητών. Εκδ. #3,
Συνάφεια μεταξύ ποιοτικών μεταβλητών Εκδ. #3, 19.03.2016 Ο έλεγχος ανεξαρτησίας χ 2 Ο έλεγχος ανεξαρτησίας χ 2 εφαρμόζεται για να εξετάσουμε τη συνάφεια μεταξύ δύο ποιοτικών μεταβλητών με την έννοια της
Διαβάστε περισσότεραΑν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν
ΜΑΘΗΜΑ 12ο Αιτιότητα Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή προκαλεί μία άλλη σε μία εξίσωση παλινδρόμησης. Στην
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4A: Έλεγχοι Υποθέσεων και Διαστήματα Εμπιστοσύνης Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ
Διαβάστε περισσότεραΣτατιστικές Υποθέσεις
Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Στατιστικές Υποθέσεις Δρ. Αγγελίδης Π. Βασίλειος 2 Εισαγωγή Ίσως το σπουδαιότερο μέρος της Στατιστικής επιστήμης. Εξαγωγή συμπερασμάτων για τις τιμές των παραμέτρων
Διαβάστε περισσότεραΕνότητα 3: Ανάλυση Διακύμανσης κατά ένα παράγοντα One-Way ANOVA
ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΣΜΕΝΗ ΝΕΥΡΟΑΝΑΤΟΜΙΑ» «Βιοστατιστική, Μεθοδολογία και Συγγραφή Επιστημονικής Μελέτης» Ενότητα 3: One-Way ANOVA
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος... 15
Περιεχόμενα Πρόλογος... 15 Κεφάλαιο 1 ΘΕΩΡΗΤΙΚΑ ΚΑΙ ΦΙΛΟΣΟΦΙΚΑ ΟΝΤΟΛΟΓΙΚΑ ΚΑΙ ΕΠΙΣΤΗΜΟΛΟΓΙΚΑ ΖΗΤΗΜΑΤΑ ΤΗΣ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΡΕΥΝΑΣ ΤΟΥ ΠΡΑΓΜΑΤΙΚΟΥ ΚΟΣΜΟΥ... 17 Το θεμελιώδες πρόβλημα των κοινωνικών επιστημών...
Διαβάστε περισσότεραΜαζοπίνακες για τη δασική πεύκη (Pinus sylvestris L.) στο κεντρικό τμήμα της οροσειράς της Ροδόπης.
Μαζοπίνακες για τη δασική πεύκη (Pinus sylvestris L.) στο κεντρικό τμήμα της οροσειράς της Ροδόπης. Ιωάννης Λυπηρίδης Δασολόγος 1 ΠΕΡΙΓΡΑΜΜΑ Εισαγωγή Περιοχή έρευνας Υλικά και Μέθοδοι Αποτελέσματα - Συζήτηση
Διαβάστε περισσότεραKruskal-Wallis H... 176
Περιεχόμενα KΕΦΑΛΑΙΟ 1: Περιγραφή, παρουσίαση και σύνοψη δεδομένων................. 15 1.1 Τύποι μεταβλητών..................................................... 16 1.2 Κλίμακες μέτρησης....................................................
Διαβάστε περισσότεραΓραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011
Εργαστήριο Μαθηματικών & Στατιστικής Γραπτή Εξέταση Περιόδου Φεβρουαρίου για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 5//. [] Η ποσότητα, έστω Χ, ενός συντηρητικού που περιέχεται σε φιάλες αναψυκτικού
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 περισσότεραΣΤΑΤΙΣΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ
ΣΤΑΤΙΣΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΗΝ ΑΘΛΗΤΙΚΗ ΕΠΙΣΤΗΜΗ ΜΕ ΠΑΡΑΔΕΙΓΜΑΤΑ ΣΤΟ SPSS 6 η Έκδοση Γιώργος Βαγενάς Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών ΕΚ ΟΣΕΙΣ ΤΖΙΟΛΑ Αποκλειστικότητα για την ελληνική γλώσσα: ΕΚ
Διαβάστε περισσότερα03 _ Παράμετροι θέσης και διασποράς. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.
6_Στατιστική στη Φυσική Αγωγή 03 _ Παράμετροι θέσης και διασποράς Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. Παράμετροι θέσης όταν θέλουμε να εκφράσουμε μια μεταβλητή με έναν αριθμό π.χ.
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 3 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Η ΜΕΣΗ ΤΙΜΗ ΚΑΙ Η ΔΙΑΜΕΣΟΣ... 29
ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 Μεταβλητές...5 Πληθυσμός, δείγμα...7 Το ευρύτερο γραμμικό μοντέλο...8 Αναφορές στη βιβλιογραφία... 11 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 Περίληψη... 13 Εισαγωγή... 13 Με μια ματιά...
Διαβάστε περισσότεραΣτατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)
Στατιστική Ι Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΚλωνάρης Στάθης. ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας
Κλωνάρης Στάθης ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας Μέχρι τώρα ασχοληθήκαμε με τις τεχνικές εκτίμησης παραμέτρων για ένα πληθυσμό όπως: τον Μέσο µ και το ποσοστό p Θα συνεχίσουμε
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 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 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 περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Τρίτη Γραπτή Εργασία στη Στατιστική
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ και ΟΡΓΑΝΙΣΜΩΝ Θεματική Ενότητα: ΔΕΟ-13 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος: 2012-13 Τρίτη Γραπτή Εργασία στη Στατιστική Γενικές οδηγίες
Διαβάστε περισσότεραΈλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δύο εξαρτημένων δειγμάτων, που δεν ακολουθούν την κανονική κατανομή (Wilcoxon test)
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δύο εξαρτημένων δειγμάτων, που δεν ακολουθούν την κανονική κατανομή (Wilcoxon test) Σε ορισμένες περιπτώσεις απαιτείται ο έλεγχος της ύπαρξης στατιστικά
Διαβάστε περισσότεραγ. Η διακύμανση είναι μέτρο διασποράς και είναι καθαρός αριθμός, δηλαδή δεν έχει μονάδες. Μονάδες 9
ΟΝΟΜΑΤΕΠΩΝΥΜΟ:........................................... ΤΜΗΜΑ:....... ΗΜΕΡΟΜΗΝΙΑ:.... / 0 / 20 ΘΕΜΑ A. Έστω μεταβλητή Χ, με τιμές x, x 2,...., x k, που αφορά τα άτομα ενός δείγματος μεγέθους ν, με k,
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 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 περισσότεραΚλιματική αλλαγή και αύξηση της ελάτης
ΤΕΙ ΣΤΕΡΕΑΣ ΕΛΛΑΔΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΑΣ ΓΕΩΠΟΝΙΑΣ & ΤΕΧΝ. ΤΡΟΦΙΜΩΝ KAI ΔΙΑΤΡΟΦΗΣ ΤΜΗΜΑ ΔΑΣΟΠΟΝΙΑΣ & ΔΙΑΧΕΙΡΙΣΗΣ ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Τ.Ε.Ι. ΣΤΕΡΕΑΣ ΕΛΛΑΔΑΣ Επιστημονική ανακοίνωση Κλιματική αλλαγή και αύξηση
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΧΡΗΣΗ SPSS
ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΧΡΗΣΗ SPSS Πανεπιστήμιο Θεσσαλίας-Τμήμα Πολιτικών Μηχανικών Εργαστήριο Κυκλοφορίας, Μεταφορών και Διαχείρισης Εφοδιαστικής Αλυσίδας Αντικείμενα διάλεξης Σύντομη εισαγωγή
Διαβάστε περισσότεραΚεφάλαιο 5. Βασικές έννοιες ελέγχων υποθέσεων και έλεγχοι κανονικότητας
Κεφάλαιο 5 Σύνοψη Βασικές έννοιες ελέγχων υποθέσεων και έλεγχοι κανονικότητας Βασικές έννοιες και ορισμοί του ελέγχου υποθέσεων, γραφικοί έλεγχοι κανονικότητας μέσω των ιστογραμμάτων (διαδρομές Analyze
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για την Μέση Τιμή ενός Δείγματος (One Sample t-test) Το κριτήριο One sample t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε τον αριθμητικό
Διαβάστε 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 περισσότεραΕΠΙΣΤΗΜΟΝΙΚΟ ΕΠΙΜΟΡΦΩΤΙΚΟ ΣΕΜΙΝΑΡΙΟ «ΚΑΤΑΡΤΙΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ» Τριανταφυλλίδου Ιωάννα Μαθηματικός
ΕΠΙΣΤΗΜΟΝΙΚΟ ΕΠΙΜΟΡΦΩΤΙΚΟ ΣΕΜΙΝΑΡΙΟ «ΚΑΤΑΡΤΙΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ» ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΜΕ ΤΟ SPSS To SPSS θα: - Κάνει πολύπλοκη στατιστική ανάλυση σε δευτερόλεπτα -
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 περισσότεραΔιάλεξη 1 Βασικές έννοιες
Εργαστήριο SPSS Ψ-4201 (ΕΡΓ) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις αναρτημένες στο: Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη
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 περισσότεραΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Π E Ρ IEXOMENA Πρόλογος... xiii ΜΕΡΟΣ ΠΡΩΤΟ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΠΑΡΟΥΣΙΑΣΗ ΤΩΝ ΣΤΑΤΙΣΤΙΚΩΝ Ε ΟΜΕΝΩΝ 1.1 Εισαγωγή... 3 1.2 Ορισµός και αντικείµενο της στατιστικής... 3
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διάλεξη Γραμμική παλινδρόμηση (Linear regression) Εμπειρική συνάρτηση μεταφοράς Ομαλοποίηση (smoothing) Y ( ) ( ) ω G ω = U ( ω) ω +Δ ω γ ω Δω = ω +Δω W ( ξ ω ) U ( ξ) G(
Διαβάστε περισσότεραΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών
Διαβάστε περισσότεραΚατάλογος Πινάκων Κατάλογος Σχημάτων Κατάλογος Χαρτών Κατάλογος Συντομογραφιών. Κεφάλαιο 1: Εισαγωγή 1
Περιεχόμενα Κατάλογος Πινάκων Κατάλογος Σχημάτων Κατάλογος Χαρτών Κατάλογος Συντομογραφιών ix xi xiii xv Κεφάλαιο 1: Εισαγωγή 1 Κεφάλαιο 2: Βιβλιογραφική Ανασκόπηση 5 2.1:Ιστορικό πλαίσιο και θεωρητική
Διαβάστε περισσότεραΣτατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ Α Δημήτρης Κουγιουμτζής e-mail: dkugiu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://users.auth.gr/~dkugiu/teach/civiltrasport/ide.html Στατιστική: Δειγματοληψία
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης
ΜΑΘΗΜΑ 3ο Υποδείγματα μιας εξίσωσης Οι βασικές υποθέσεις 1. Ο διαταρακτικός όρος u t είναι μια τυχαία μεταβλητή με μέσο το μηδέν. Eu t = 0 για t = 1,2,3..n 2. Η διακύμανση της τυχαίας μεταβλητής u t είναι
Διαβάστε περισσότεραΠρόλογος... xv. Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1
Πρόλογος... xv Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1 1.1.Ιστορική Αναδρομή... 1 1.2.Βασικές Έννοιες... 5 1.3.Πλαίσιο ειγματοληψίας (Sampling Frame)... 9 1.4.Κατηγορίες Ιατρικών Μελετών.... 11 1.4.1.Πειραµατικές
Διαβάστε περισσότερα