ΧΡΗΣΗ ΜΗ-ΠΑΡΑΜΕΤΡΙΚΩΝ ΕΚΤΙΜΗΤΡΙΩΝ ΠΟΣΟΣΤΙΑΙΟΥ ΣΗΜΕΙΟΥ ΓΙΑ ΤΟΝ ΚΑΘΟΡΙΣΜΟ ΤΩΝ ΟΡΙΩΝ ΕΛΕΓΧΟΥ ΤΩΝ ΔΙΑΓΡΑΜΜΑΤΩΝ ΕΛΕΓΧΟΥ ΜΕΣΗΣ ΤΙΜΗΣ
|
|
- Ἀστάρτη Γερμανός
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 0 ου Πανελληνίου Συνεδρίου Στατιστικής (007), σελ ΧΡΗΣΗ ΜΗ-ΠΑΡΑΜΕΤΡΙΚΩΝ ΕΚΤΙΜΗΤΡΙΩΝ ΠΟΣΟΣΤΙΑΙΟΥ ΣΗΜΕΙΟΥ ΓΙΑ ΤΟΝ ΚΑΘΟΡΙΣΜΟ ΤΩΝ ΟΡΙΩΝ ΕΛΕΓΧΟΥ ΤΩΝ ΔΙΑΓΡΑΜΜΑΤΩΝ ΕΛΕΓΧΟΥ ΜΕΣΗΣ ΤΙΜΗΣ Μ. Σφακιανάκης 1, Δ. Βεργίνης 1 Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων, Πανεπιστήμιο Πειραιώς msfakian@unipi.gr Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων, Πανεπιστήμιο Πειραιώς και Τράπεζα της Ελλάδος, dverginis@bankofgreece.gr ΠΕΡΙΛΗΨΗ Τα Όρια Ελέγχου των Διαγραμμάτων Ελέγχου Μέσης Τιμής υπολογίζονται με βάση την υπόθεση ότι η δειγματική μέση τιμή ακολουθεί την κανονική κατανομή. Ισχυριζόμαστε ότι η προσέγγιση αυτή είναι λανθασμένη καθώς, η δειγματική μέση τιμή δεν ακολουθεί κανονική κατανομή όταν οι παρατηρήσεις δεν προέρχονται από κανονική κατανομή και το μέγεθος του δείγματος είναι μικρό. Ο ισχυρισμός αυτός υποστηρίζεται από τα αποτελέσματα προσομοίωσης Monte Carlo που διενεργήθηκε και αφορούσε σε δείγματα μεγέθους 3, 5 και 10 από 4 κατανομές ( Uniform (0, 1), Student s t με 5 βαθμούς ελευθερίας, Lognormal με μ= και σ =4 και Weibull με α=1.5 και β=). Για την αντιμετώπιση αυτού του προβλήματος προτείνεται ο καθορισμός των Ορίων Ελέγχου των Διαγραμμάτων Ελέγχου Μέσης Τιμής με τη χρήση μη-παραμετρικών εκτιμητριών ποσοστιαίου σημείου. Ειδικότερα προτείνεται η χρήση μιας εκτιμήτριας ποσοστιαίων σημείων που έχει κατασκευαστεί από τους Μ. Σφακιανάκη και Δ. Βεργίνη. Η αποτελεσματικότητα της νέας μεθόδου υπολογισμού των Ορίων Ελέγχου ελέγχεται σε αντιδιαστολή με την αποτελεσματικότητα της παραδοσιακής μεθόδου με τη χρήση προσομοίωσης Monte Carlo. Εξετάστηκαν δέκα διαφορετικές περιπτώσεις (μέγεθος δείγματος 5 και 5 και μητρική κατανομή Normal (0, 1), Uniform (0, 1), Student s t με 5 βαθμούς ελευθερίας, Lognormal με μ= και σ=4 και Weibull με α=1.5 και β=). Χρησιμοποιήθηκε το κριτήριο του Kupiec για τον έλεγχο του ποσοστού των αποτυχιών. Σε καμία από τις υπό εξέταση περιπτώσεις δεν μπορεί να απορριφθεί η υπόθεση ότι η νέα μέθοδος υπολογίζει σωστά τα Όρια Ελέγχου ακόμη και σε 90% στάθμη εμπιστοσύνης. Ενώ για τη μέθοδο που βασίζεται στην κανονική κατανομή δεν μπορεί να γίνει αποδεκτή η υπόθεση ότι υπολογίζει σωστά τα Όρια Ελέγχου σε 3 περιπτώσεις ακόμη και σε 99% στάθμη εμπιστοσύνης. 1. ΕΙΣΑΓΩΓΗ Τα διαγράμματα ελέγχου (Control charts) παρουσιάστηκαν από τον Walter Shewhart (194) των εργαστηρίων Bell και χρησιμοποιούνται κυρίως για την
2 ανίχνευση διαταραχών στις μεθόδους παραγωγής αλλά και την μείωση την μεταβλητότητας. Όλοι τα διαγράμματα ελέγχου έχουν τρία βασικά συστατικά μέρη: Μία κεντρική γραμμή, συνήθως το μέσο όλων των δειγμάτων που αποτυπώνονται. Άνω και κάτω στατιστικά όρια ελέγχου (Upper and lower statistical control limits, UCL and LCL). Οι τιμές μιας συνάρτησης των παρατηρήσεων των δειγμάτων αποτυπωμένες σε σχέση με το χρόνο. Η κατασκευή των διαγραμμάτων ελέγχου μέσης τιμής περιγράφεται από την ακόλουθη διαδικασία: Συλλογή δεδομένων. Χωρισμός των δεδομένων σε n υποομάδες. Υπολογισμός του μέσου X i και του εύρους R i κάθε υποομάδας (i=1,,n). Υπολογισμός της συνολικής μέσης τιμής X και του μέσου εύρους R. Εκτίμηση της τυπικής απόκλισης χρησιμοποιώντας R / d n (d n = σταθερά Hartley). Υπολογισμός των τιμών για τα όρια ελέγχου χρησιμοποιώντας τα X, και R / και κατάλληλες σταθερές. d n Η μέση τιμή ορίζει την κεντρική γραμμή των διαγραμμάτων ελέγχου. Το UCL συνήθως ορίζεται προσθέτοντας τρεις τυπικές αποκλίσεις (3-σίγμα) στη μέση τιμή ενώ το LCL ορίζεται αφαιρώντας 3-σίγμα από τη μέση τιμή. Τα όρια ελέγχου ορίζονται σε απόσταση 3-σίγμα από τη μέση τιμή για να υπάρχει ισορροπία μεταξύ των δύο τύπων λαθών: Τύπος I λάθος συμβαίνει όταν ένα σημείο πέφτει εκτός των ορίων ελέγχου παρότι δεν συντρέχει λόγος. Τύπος II λάθος συμβαίνει όταν ένα σημείο πέφτει εντός των ορίων ελέγχου παρότι έχει συμβεί διαταραχή στη διαδικασία παραγωγής. Όλοι οι έλεγχοι διαδικασιών είναι τρωτοί από τους δύο αυτούς τύπους λαθών. Ο λόγος για τον οποίο τα 3-σίγμα όρια ελέγχου ισορροπούν τον κίνδυνο των λαθών είναι το ότι, για δεδομένα προερχόμενα από κανονική κατανομή, τα σημεία θα είναι εντός των 3-σίγμα ορίων με πιθανότητα 0,9973 όταν η διαδικασία είναι σε έλεγχο. Έτσι τα όρια ελέγχου είναι: Άνω όριο ελέγχου (UCL): X + 3( R/dn )/ n Κάτω όριο ελέγχου (LCL): X 3 R/d )/ n ( n Η θεωρητική βάση της παραπάνω διαδικασίας για την κατασκευή διαγραμμάτων μέσης τιμής παρέχεται από το ότι εάν X =(X 1, X,, X n ) είναι ένα τυχαίο δείγμα με E(X i )=μ και var(x i )=σ < τότε για την κατανομή της δειγματικής μέσης τιμής έχουμε: Εάν X ~ N( μ, σ ) X ~ N( μ, σ / n) In Law Αλλιώς X N( μ, σ / n) Αυτό σημαίνει ότι η κατανομή της δειγματικής μέσης τιμής είναι είτε Κανονική ή τείνει σε Κανονική. Στην πράξη το n είναι σχετικά μικρό και παίρνει τιμές από 3 έως
3 10 έτσι εάν η κατανομή της Χ δεν είναι Κανονική η κατανομή της δειγματικής μέσης τιμής ίσως να μην είναι Κανονική και τα 3-σίγμα όρια ίσως να μην είναι τα ενδεδειγμένα. Προτείνεται μια εναλλακτική διαδικασία για τον καθορισμό των UCL και LCL που δουλεύει ακόμη και όταν τα δεδομένα δεν προέρχονται από την Κανονική κατανομή και το n είναι μικρό. Η νέα μέθοδος βασίζεται στις μη παραμετρικές εκτιμήτριες ποσοστιαίου σημείου. Στη συνέχεια στην Παράγραφο () διερευνάται με τη χρήση προσομοίωσης Monte Carlo το κατά πόσο η δειγματική μέση τιμή ακολουθεί την Κανονική κατανομή όταν το n είναι μικρό. Στην Παράγραφο (3) παρουσιάζονται οι λεπτομέρειες της νέας μεθόδου. Η τελευταία Παράγραφος (4) είναι αφιερωμένη στην σύγκριση της 3-σίγμα και της νέας μεθόδου.. ΑΚΟΛΟΥΘΕΙ ΤΗΝ «ΚΑΝΟΝΙΚΗ» ΚΑΤΑΝΟΜΗ Η ΔΕΙΓΜΑΤΙΚΗ ΜΕΣΗ ΤΙΜΗ; Η δειγματική μέση τιμή ακολουθεί Κανονική κατανομή όταν το δείγμα προέρχεται από Κανονική κατανομή. Επιπλέον η δειγματική μέση τιμή ακολουθεί την Κανονική κατανομή εάν το μέγεθος του δείγματος είναι μεγάλο, ανεξάρτητα από την μητρική κατανομή. Αλλά όταν τα δεδομένα δεν προέρχονται από Κανονική κατανομή και το μέγεθος του δείγματος είναι μικρό ακολουθεί η δειγματική μέση τιμή Κανονική κατανομή; Χρησιμοποιήθηκε προσομοίωση Monte Carlo για να απαντηθεί το ερώτημα αυτό. Παρήχθησαν τυχαία δείγματα μεγέθους 3, 5 και 10 με παρατηρήσεις προερχόμενες από 4 διαφορετικές κατανομές: Uniform (0, 1), Student s t με 5 βαθμούς ελευθερίας, Lognormal με μ= και σ =4 και Weibull με α=1.5 και β=. Για κάθε ένα από τα δείγματα υπολογίστηκε η μέση τιμή και δημιουργήθηκαν 1 σειρές δειγματικών μέσων τιμών μεγέθους Χρησιμοποιήθηκαν διάφορες «δοκιμές» (tests) για να ελεγχθεί η κανονικότητα των σειρών. Στον πίνακα 1 παρουσιάζονται τα αποτελέσματα των δοκιμών. Όλες οι δοκιμές δεικνύουν ότι καθώς αυξάνει το n τα δεδομένα προσεγγίζουν την Κανονική κατανομή. Αλλά για μικρά δείγματα μεγέθους 3 ή 5 παρατηρήσεων αλλά ακόμα και για δείγματα μεγέθους 10 σε κάποιες περιπτώσεις τα δεδομένα φαίνεται να μην είναι κανονικά κατανεμημένα. Συγκεκριμένα, με βάση τη Chi-square goodness-of-fit test για όλες τις σειρές εκτός των U-5 και U-10 μπορεί να απορριφθεί η υπόθεση Η0: Οι παρατηρήσεις ακολουθούν Κανονική κατανομή σε 99% στάθμη σημαντικότητας. Την Kolmgorov- Smirnov δοκιμασία περνάνε μόνο οι σειρές T-10, U-3, U-5 και U-10 σε στάθμη σημαντικότητας 99%. Οι τιμές του συντελεστή ασυμμετρίας και της τυποποιημένης ασυμμετρίας υποδηλώνουν ότι τα δεδομένα με μητρική κατανομή την Uniform ή την Student s t έχουν ικανοποιητική συμμετρία και ότι τα δεδομένα με μητρική κατανομή την Lognormal ή την Weibull έχουν μακριά δεξιά ουρά. Τέλος οι τιμές του συντελεστή κύρτωσης και της τυποποιημένης κύρτωσης υποδηλώνουν ότι η U- 10 προσεγγίζεται ικανοποιητικά από την Κανονική κατανομή
4 Συνοψίζοντας τα ανωτέρω φαίνεται ότι όταν η μητρική κατανομή δεν είναι Κανονική τότε ή δειγματική μέση τιμή για μικρά δείγματα είναι πιθανόν να μην ακολουθεί την Κανονική κατανομή Έτσι εάν επιλέξουμε να θέσουμε τα UCL και LCL ώστε το 99.73% των δειγματικών μέσων τιμών να περιέχονται ανάμεσα τους τότε η 3-σίγμα μέθοδος μπορεί να μην είναι η κατάλληλη. Κατανομή Πίνακας 1. Αποτελέσματα δοκιμών προσαρμογής της μέσης τιμή στην Κανονική κατανομή Μέγεθος Δείγματος Chi-square goodness-of-fit test P-Value Z score for skewness P-Value Z score for Kurtosis P-Value Kolmogorov Smirnov DN P-Value Weibull Lognormal U(0,1) T(5) <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E <1E-3 3. ΚΑΘΟΡΙΣΜΟΣ ΤΩΝ UCL ΚΑΙ LCL ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΜΗ ΠΑΡΑΜΕΤΡΙΚΕΣ ΕΚΤΙΜΗΤΡΙΕΣ ΠΟΣΟΣΤΙΑΙΟΥ ΣΗΜΕΙΟΥ Εάν έχουμε μία τυχαία μεταβλητή X η οποία ακολουθεί μια κατανομή και f(x) είναι η συνάρτηση πυκνότητας πιθανότητας της κατανομής, το p ποσοστιαίο σημείο της κατανομής είναι το X p που ικανοποιεί την εξίσωση 1. P(x X p X p ) = p p = f ( x) dx (1) Οι Σφακιανάκης και Βεργίνης (007) παρουσίασαν μία νέα οικογένεια μη παραμετρικών εκτιμητριών (SV) ποσοστιαίου σημείου. Οι SV προκύπτουν εάν ορίσουμε τα διαστήματα S 0 =(L,X (1) ), S 1 =[X (1),X () ), S n =[X (n),u) με U και L
5 συμβολίζουμε το άνω και κάτω όριο της Χ. Ισχύει ότι P(Q p S i ) = i;p), i=0,1,..,n. Εάν Q i είναι μία σημειακή εκτίμηση του Q p υπό τη συνθήκη Q p S i, i=0,1,,n. Μία εκτιμήτρια του Q p παράγεται υπολογίζοντας το SV p = Σ(i;p)Q i ). Η εξίσωση παρουσιάζει μία εκτιμήτρια (SV1 p ) της οικογένειας αυτής η οποία παράγεται θέτοντας Q i =(X (i) +X (i+1) )/: 0) + 1) SV1p = X n 1 i) + i 1) X i i= n) X n n) + X 1 n 1 0) + X 0) X n) + n 1) + X 3 + n () Η μέθοδος 3-σίγμα θέτει τα LCL και UCL συμμετρικά γύρω από την μέση τιμή έτσι ώστε ανάμεσα τους να περιέχονται το 99.73% των παρατηρήσεων. Με άλλα λόγια η μέθοδος 3-σίγμα θέτει το LCL στο ποσοστιαίο σημείο και το UCL στο ποσοστιαίο σημείο. Με βάση την μέθοδο 3-σίγμα τα LCL και UCL υπολογίζονται υποθέτοντας ότι η μέση τιμή ακολουθεί Κανονική κατανομή. Εάν η μέση τιμή δεν ακολουθεί Κανονική κατανομή τότε η 3-σίγμα δεν ορίζει τα σωστά τα LCL και UCL. Εναλλακτικά τα LCL και LCL θα μπορούσαν να οριστούν με τη χρήση μη παραμετρικών εκτιμητριών ποσοστιαίων σημείων. Έτσι χρησιμοποιώντας την SV1 p έχουμε UCL=SV και LCL=SV ΜΗ ΠΑΡΑΜΕΤΡΙΚΕΣ ΕΚΤΙΜΗΤΡΙΕΣ ΠΟΣΟΣΤΙΑΙΟΥ ΣΗΜΕΙΟΥ ΕΝΑΝΤΙ ΤΗΣ ΜΕΘΟΔΟΥ 3-ΣΙΓΜΑ ΓΙΑ ΤΟΝ ΚΑΘΟΡΙΣΜΟ ΤΩΝ UCL ΚΑΙ LCL Θα γίνει προσπάθεια να μετρηθεί η αποτελεσματικότητα της νέας μεθόδου, εκτίμησης των LCL και UCL, με χρήση της SV1 p, και της μεθόδου 3-σίγμα. Χρησιμοποιείται Monte Carlo προσομοίωση για την εξέταση των περιπτώσεων που το μέγεθος δείγματος είναι 5 και 5 και η μητρική κατανομή είναι μία εκ των: Normal (0, 1), Uniform (0, 1), Student s t με 5 βαθμούς ελευθερίας, Lognormal με μ=, σ =4 και Weibull με α=1,5 β=. Ένα εργαλείο που θα μπορούσε να βοηθήσει στον έλεγχο της ακρίβειας των δύο μεθόδων είναι ένας έλεγχος για τη βαθμίδα αποτυχίας (failure rate) που παρουσίασε ο Kupiec το Στην περίπτωση του LCL αποτυχία (failure F) έχουμε όταν η μέση τιμή ενός δείγματος είναι μικρότερη του LCL και αντίστοιχα αποτυχία για το UCL έχουμε όταν η μέση τιμή ενός δείγματος είναι μεγαλύτερη του UCL. Εάν υπολογίσουμε τις βαθμίδες αποτυχιών (FR=Sδ/Μ, Sδ είναι το πλήθος των αποτυχιών και M είναι ο πλήθος των δειγμάτων) των LCL και UCL πρέπει να είναι για το LCL και για το UCL. Ο Kupiec όρισε το στατιστικό LR (εξίσωση 3) για το p ποσοστιαίο σημείο και απέδειξε ότι το LR ασυμπτωτικά ακολουθεί Chi-square κατανομή με έναν βαθμό ελευθερίας. LR = ln[(1 p) ( M Sδ ) Sδ δ p ( M Sδ ) S ] + ln[(1-397 ( Sδ- / M )) ( Sδ / M ) ]
6 Άρα για να ελεγχθεί εάν οι τιμές για τα LCL και UCL είναι καλά ορισμένες (LCL = ποσοστιαίο σημείο και UCL = ποσοστιαίο σημείο) μπορεί να διεξαχθεί η δοκιμασία: H0: LCL (UCL) = ποσοστιαίο σημείο ( ποσοστιαίο σημείο) H1: LCL (UCL) είναι μεγαλύτερο ή μικρότερο από το ποσοστιαίο σημείο ( ποσοστιαίο σημείο) Στατιστικό: LR Με χρήση προσομοίωσης Monte Carlo παρήχθησαν τυχαία δείγματα μεγέθους 5 και τυχαία δείγματα μεγέθους 5, από κάθε προαναφερθείσα κατανομή. Τα δείγματα αυτά χρησιμοποιήθηκαν για τον ορισμό των UCL και LCL τόσο με τη νέα μέθοδο όσο και με την μέθοδο 3-σίγμα. Σε κάθε μία από τις 10 υπό εξέταση περιπτώσεις (10= μεγέθη δείγματος επί 5 μητρικές κατανομές) βρέθηκε το πλήθος των αποτυχιών τόσο για το LCL όσο και για το UCL και υπολογίστηκε το LR και το p-value (πίνακας ). Με βάση τα p-value παρατηρούνται τα παρακάτω: Για την νέα μέθοδο η H0 δεν μπορεί να απορριφθεί σε καμία περίπτωση ακόμη και σε 10% στάθμη σημαντικότητας. Άρα δεν μπορεί να απορριφθεί ο ισχυρισμός ότι η νέα μέθοδος θέτει σωστά τα UCL, LCL σε καμία από τις υπό εξέταση περιπτώσεις Για την μέθοδο των 3-σίγμα η H0 δεν μπορεί να γίνει αποδεκτή σε τέσσερις περιπτώσεις σε 5% σ. σ. σε εκ των οποίων σε ακόμη και σε 1% σ. σ.. Άρα η υπόθεση ότι η μέθοδος 3-σίγμα θέτει σωστά τα UCL, LCL δεν μπορεί να γίνει αποδεκτή σε 4 από τις 10 υπό εξέταση περιπτώσεις Κατανομή Πίνακας. Αποτελέσματα δοκιμών προσαρμογής της μέσης τιμής στην Κανονική κατανομή Μέγ. Δείγμ. Μέθοδος Kupiec LCL p-value Αποτυχίες LCL Kupiec UCL p-value Αποτυχίες UCL (3) LogNormal N(0,1) ( σίγμα,701 0, ,51 51,785 0, ,357 5 SV1 0,099 0, ,551 3,00 0, , σίγμα,701 0, ,819 7,655 0, ,13 5 SV1 0,099 0, ,189 3,00 0, , σίγμα 0,099 0, ,365 0,150 0,30 1,394 5 SV1 0,099 0, ,35 0,189 0, , σίγμα 0,099 0, ,607 3,00 0, ,610 5 SV1 0,7 0, ,581 0,189 0, , σίγμα 5,809 0, ,709 1,161 0, ,
7 U(0,1) Weibull 5 SV1 0,7 0, ,008 3,00 0,916 0, σίγμα 0,099 0, ,854 3,00 0, ,859 5 SV1 0,099 0, ,807 0,150 0,30 0, σίγμα,701 0, ,111 0,189 0, ,894 5 SV1 0,099 0, ,139 0,189 0, , σίγμα 11,773 0, ,358,85 0, ,64 5 SV1 0,7 0, ,335 3,00 0, , σίγμα,701 0, ,181,85 0, ,479 5 SV1 0,099 0, ,531 3,00 0, , σίγμα,701 0, ,096 0,189 0,336 1,57 5 SV1 0,7 0, ,183 0,189 0,336 1,5 Άρα η νέα μέθοδος φαίνεται να θέτει σωστά τα όρια ελέγχου σε όλες τις υπό εξέταση περιπτώσεις, ενώ η μέθοδος 3-σίγμα αποτυγχάνει να θέσει σωστά όρια ελέγχου σε κάποιες περιπτώσεις κυρίως όταν το μέγεθος του δείγματος είναι μικρό. ABSTRACT The estimations of the control limits of control charts are based on the fact that the sample mean of a distribution follows asymptotically a normal distribution. It is argued that the sample mean is not normally distributed when the data are not coming from a normal distribution and the sample size is small. This argument is supported by the findings of a Monte Carlo simulation study regarding samples of size 3, 5 and 10 with data coming from 4 distributions ( Uniform (0, 1), Student s t with 5 degrees of freedom, Lognormal with μ= and σ =4 and Weibull with α=1.5 and β=). In order to overcome this problem the use of nonparametric quantile estimators for estimating the control limits is proposed. The performance of the new method versus the performance of the traditional method is examined using Monte Carlo simulation. Ten different cases were investigated (sample size 5 and 5 and parent distribution Normal (0, 1), the Uniform (0, 1), Student s t with 5 degrees of freedom, Lognormal with μ= and σ=4 and Weibull with α=1.5 and β=). The failure rate test of Kupiec was used. In all of the cases examined the hypothesis that the new method correctly computes the control limits can not be rejected even at 90%. confidence level On the other hand the hypothesis that the traditional method correctly computes the control limits can not be accepted even at 99% confidence level for three of the cases examined. ΑΝΑΦΟΡΕΣ Alwa C., L., (1995), The problem of misplaced control limits, Applied statistics, Vol 44, No. 3. Caulcutt, R., (1995), The rights and wrongs of the control charts, Applied statistics, Vol 44, No. 3. Grant, E., L., and Leavenworth, R., S., (1999), al quality control 7 th editio McGraw-Hill. Kupiec, P., (1995), Techniques for verifying the accuracy of risk measurement models, Journal of Derivatives (December)
8 Montgomery, D., C., (001), Introduction to statistical quality control 4 th editio John Wiley & Sons Mathworld.wolfram.com Sfakianakis, E., M., and Verginis, G., D., (007) A new Family of Nonparametric Quantile Estimators Communications in \s, Vol. 37, No. Shewhart, W. A. (194) Some applications of statistical methods to the analysis of physical and engineering data. Bell Technical Journal, Vol.3, pp
ΠΑΝΕΠΙΣΤΗΜΙΟ 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 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 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 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 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 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 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 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 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 περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο ανεξάρτητα δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,..., Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ )
Διαβάστε 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 περισσότεραΜαντζούνη, Πιπερίγκου, Χατζή. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,...,Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ ) S σ Τ ( Χ,Y)
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 22 Μαΐου /32
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 22 Μαΐου 2017 1/32 Εισαγωγή: Τυπικό παράδειγμα στατιστικού ελέγχου υποθέσεων. Ενας νέος τύπος
Διαβάστε 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 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 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 περισσότεραAPPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 651 APPENDIX B. BIBLIOGRAPHY 677 APPENDIX C. ANSWERS TO SELECTED EXERCISES 679
APPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 1 Table I Summary of Common Probability Distributions 2 Table II Cumulative Standard Normal Distribution Table III Percentage Points, 2 of the Chi-Squared
Διαβάστε 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 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 περισσότεραΔείγμα (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 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 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 περισσότεραΜαθηματικά 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 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 περισσότεραΣτατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 24/2/2017
Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 24/2/2017 2 Η γενική ιδέα της διαδικασίας στατιστικού ελέγχου υποθέσεων Πρόκειται για μια διαδικασία απόφασης μεταξύ δύο υποθέσεων Η μια υπόθεση ονομάζεται μηδενική
Διαβάστε περισσότεραQ- ΔΙΑΓΡΑΜΜΑΤΑ ΓΙΑ ΤΗΝ ΠΑΡΑΜΕΤΡΟ p ΤΗΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 20 ου Πανελληνίου Συνεδρίου Στατιστικής (2007), σελ 249-258 Q- ΔΙΑΓΡΑΜΜΑΤΑ ΓΙΑ ΤΗΝ ΠΑΡΑΜΕΤΡΟ p ΤΗΣ ΔΙΩΝΥΜΙΚΗΣ ΚΑΤΑΝΟΜΗΣ Μανώλης Μανατάκης Τμήμα Μηχανολόγων και Αεροναυπηγών
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 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. 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 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 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 περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΗ ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21
ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις
Διαβάστε περισσότεραΔΙΑΓΡΑΜΜΑΤΑ ΕΛΕΓΧΟΥ SHEWHART ΜΕ ΚΑΝΟΝΕΣ ΕΥΑΙΣΘΗΤΟΠΟΙΗΣΗΣ ΠΟΥ ΒΑΣΙΖΟΝΤΑΙ ΣΤΗ ΘΕΩΡΙΑ ΡΟΩΝ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιστικής (2005) σελ.325-331 ΔΙΑΓΡΑΜΜΑΤΑ ΕΛΕΓΧΟΥ SHEWHART ΜΕ ΚΑΝΟΝΕΣ ΕΥΑΙΣΘΗΤΟΠΟΙΗΣΗΣ ΠΟΥ ΒΑΣΙΖΟΝΤΑΙ ΣΤΗ ΘΕΩΡΙΑ ΡΟΩΝ Α. Ρακιτζής 1
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 περισσότεραΔΙΕΡΕΥΝΗΣΗ ΚΛΙΜΑΤΙΚΩΝ ΑΛΛΑΓΩΝ ΓΙΑ ΤΟ ΝΗΣΙ ΤΗΣ ΝΑΞΟΥ
ΔΙΕΡΕΥΝΗΣΗ ΚΛΙΜΑΤΙΚΩΝ ΑΛΛΑΓΩΝ ΓΙΑ ΤΟ ΝΗΣΙ ΤΗΣ ΝΑΞΟΥ ΜΑΜΜΑΣ ΚΩΝ/ΝΟΣ ΑΜ:331/2003032 ΝΟΕΜΒΡΙΟΣ 2010 Ευχαριστίες Σε αυτό το σημείο θα ήθελα να ευχαριστήσω όλους όσους με βοήθησαν να δημιουργήσω την παρούσα
Διαβάστε 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 περισσότεραΜεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 :
Μεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 : 1. Να χρησιμοποιηθεί το αρχείο gssft.sav για να γίνει έλεγχος της υπόθεσης ότι στους εργαζόμενους με πλήρη απασχόληση η τιμή του μέσου
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 περισσότεραΗΥ-SPSS Statistical Package for Social Sciences 6 ο ΜΑΘΗΜΑ. ΧΑΡΑΛΑΜΠΟΣ ΑΘ. ΚΡΟΜΜΥΔΑΣ Διδάσκων Τ.Ε.Φ.Α.Α., Π.Θ.
ΗΥ-SPSS Statistical Package for Social Sciences 6 ο ΜΑΘΗΜΑ ΧΑΡΑΛΑΜΠΟΣ ΑΘ. ΚΡΟΜΜΥΔΑΣ Διδάσκων Τ.Ε.Φ.Α.Α., Π.Θ. Κανονική Κατανομή Τυπική Απόκλιση Διακύμανση z τιμές Περιεχόμενα 6 ου μαθήματος Έλεγχος κανονικής
Διαβάστε περισσότερα6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων
6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6.1 Το Πρόβλημα του Ελέγχου Υποθέσεων Ενός υποθέσουμε ότι μία φαρμακευτική εταιρεία πειραματίζεται πάνω σε ένα νέο φάρμακο για κάποια ασθένεια έχοντας ως στόχο, τα πρώτα θετικά
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 περισσότεραΚΑΤΑΝΟΜΈΣ. 8.1 Εισαγωγή. 8.2 Κατανομές Συχνοτήτων (Frequency Distributions) ΚΕΦΑΛΑΙΟ
ΚΑΤΑΝΟΜΈΣ ΚΕΦΑΛΑΙΟ 8 81 Εισαγωγή Οι κατανομές διακρίνονται σε κατανομές συχνοτήτων, κατανομές πιθανοτήτων και σε δειγματοληπτικές κατανομές Στη συνέχεια θα γίνει αναλυτική περιγραφή αυτών 82 Κατανομές
Διαβάστε περισσότεραΕνδεικτικές ασκήσεις ΔΙΠ 50
Ενδεικτικές ασκήσεις ΔΙΠ 50 Άσκηση 1 (άσκηση 1 1 ης εργασίας 2009-10) Σε ένα ράφι μιας βιβλιοθήκης τοποθετούνται με τυχαία σειρά 11 διαφορετικά βιβλία τεσσάρων θεματικών ενοτήτων. Πιο συγκεκριμένα, υπάρχουν
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 περισσότεραΕΚΤΙΜΗΣΗ ΤΗΣ ΤΥΠΙΚΗΣ ΑΠΟΚΛΙΣΗΣ ΣΤΟ ΣΤΑΤΙΣΤΙΚΟ ΕΛΕΓΧΟ ΠΟΙΟΤΗΤΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΚΤΙΜΗΣΗ ΤΗΣ ΤΥΠΙΚΗΣ ΑΠΟΚΛΙΣΗΣ ΣΤΟ ΣΤΑΤΙΣΤΙΚΟ ΕΛΕΓΧΟ ΠΟΙΟΤΗΤΑΣ ΓΕΩΡΓΙΟΣ
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 περισσότεραΠινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες
Πινάκες συνάφειας εξερεύνηση σχέσεων μεταξύ τυχαίων μεταβλητών. Είναι λογικό λοιπόν, στην ανάλυση των κατηγορικών δεδομένων να μας ενδιαφέρει η σχέση μεταξύ δύο ή περισσότερων κατηγορικών μεταβλητών. Έστω
Διαβάστε περισσότεραΝΕΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΧΕΤΙΚΑ ΜΕ ΤΗΝ ΥΠΑΡΞΗ ΕΚΤΙΜΗΤΩΝ ΜΕΓΙΣΤΗΣ ΠΙΘΑΝΟΦΑΝΕΙΑΣ ΓΙΑ ΤΗΝ 3-ΠΑΡΑΜΕΤΡΙΚΗ ΓΑΜΜΑ ΚΑΤΑΝΟΜΗ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά ου Πανελληνίου Συνεδρίου Στατιστικής 008, σελ 9-98 ΝΕΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΧΕΤΙΚΑ ΜΕ ΤΗΝ ΥΠΑΡΞΗ ΕΚΤΙΜΗΤΩΝ ΜΕΓΙΣΤΗΣ ΠΙΘΑΝΟΦΑΝΕΙΑΣ ΓΙΑ ΤΗΝ 3-ΠΑΡΑΜΕΤΡΙΚΗ ΓΑΜΜΑ ΚΑΤΑΝΟΜΗ Γεώργιος
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ Στατιστικά περιγραφικά μέτρα Τα στατιστικά περιγραφικά μέτρα είναι αντιπροσωπευτικές τιμές οι οποίες περιγράφουν με τρόπο ποσοτικό την κατανομή μιας μεταβλητής. Λειτουργούν
Διαβάστε περισσότεραΒΕΛΤΙΩΜΕΝΑ R ΑΠΟ M ΔΙΑΓΡΑΜΜΑΤΑ ΕΛΕΓΧΟΥ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 20 ου Πανελληνίου Συνεδρίου Στατιστικής (2007), σελ 95-102 ΒΕΛΤΙΩΜΕΝΑ R ΑΠΟ M ΔΙΑΓΡΑΜΜΑΤΑ ΕΛΕΓΧΟΥ Αντζουλάκος Δημήτριος, Ρακιτζής Αθανάσιος 1 Τμήμα Στατιστικής και
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 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 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 περισσότεραΒΕΛΤΙΩΣΗ ΔΙΕΡΓΑΣΙΩΝ ΕΡΓΑΣΤΗΡΙΟΥ ΕΛΕΓΧΟΥ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΕΦΑΡΜΟΓΗ ΕΡΓΑΛΕΙΩΝ ΔΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΣΕ ΜΕΤΑΛΛΟΒΙΟΜΗΧΑΝΙΑ
Σχολή Mηχανικής και Τεχνολογίας Πτυχιακή εργασία ΒΕΛΤΙΩΣΗ ΔΙΕΡΓΑΣΙΩΝ ΕΡΓΑΣΤΗΡΙΟΥ ΕΛΕΓΧΟΥ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΕΦΑΡΜΟΓΗ ΕΡΓΑΛΕΙΩΝ ΔΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΣΕ ΜΕΤΑΛΛΟΒΙΟΜΗΧΑΝΙΑ Στέλιος Καράσαββας Λεμεσός, Μάιος 2017
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 περισσότεραΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική Ενότητα 3: Έλεγχοι υποθέσεων - Διαστήματα εμπιστοσύνης Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Οι ερευνητικές υποθέσεις Στην έρευνα ελέγχουμε
Διαβάστε περισσότεραΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΚΕΦΑΛΑΙΟ 17
ΚΕΦΑΛΑΙΟ 17 ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ Στο κεφάλαιο αυτό θα αναφερθούμε σε ένα άλλο πρόβλημα της Στατιστικής που έχει κυρίως (αλλά όχι μόνο) σχέση με τις παραμέτρους ενός πληθυσμού (τις παραμέτρους της κατανομής
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων Η Κανονική Κατανομή
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότεραΘεωρητικές Κατανομές Πιθανότητας
Θεωρητικές Κατανομές Πιθανότητας Θεωρητικές Κατανομές Πιθανότητας Α. ΔΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ α) Διακριτή Ομοιόμορφη κατανομή β) Διωνυμική κατανομή γ) Υπεργεωμετρική κατανομή δ) κατανομή Poisson Β. ΣΥΝΕΧΕΙΣ
Διαβάστε περισσότεραΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΕΠΙΠΤΩΣΗΣ ΤΟΥ ΠΑΡΑΓΟΝΤΑ «ΚΑΛΑΘΙ ΤΟΥ ΝΟΙΚΟΚΥΡΙΟΥ» ΣΤΟΝ ΥΠΟΛΟΓΙΣΜΟ ΤΟΥ ΔΕΙΚΤΗ ΤΙΜΩΝ ΚΑΤΑΝΑΛΩΤΗ, ΜΕ ΤΗ ΒΟΗΘΕΙΑ ΠΡΟΣΟΜΟΙΩΣΕΩΝ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 18 ου Πανελληνίου Συνεδρίου Στατιστικής (2005) σελ.291-295 ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΕΠΙΠΤΩΣΗΣ ΤΟΥ ΠΑΡΑΓΟΝΤΑ «ΚΑΛΑΘΙ ΤΟΥ ΝΟΙΚΟΚΥΡΙΟΥ» ΣΤΟΝ ΥΠΟΛΟΓΙΣΜΟ ΤΟΥ ΔΕΙΚΤΗ ΤΙΜΩΝ ΚΑΤΑΝΑΛΩΤΗ,
Διαβάστε περισσότεραΆσκηση 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 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 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 περισσότεραΣΧ0ΛΗ ΤΕΧΝ0Λ0ΓΙΑΣ ΤΡΟΦΙΜΩΝ & ΔΙΑΤΡΟΦΗΣ ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΕΡΓΑΣΤΗΡΙΟ: ΟΡΓΑΝΟΛΗΠΤΙΚΟΥ ΕΛΕΓΧΟΥ ΓΙΑΝΝΑΚΟΥΡΟΥ ΜΑΡΙΑ ΤΑΛΕΛΛΗ ΑΙΚΑΤΕΡΙΝΗ
ΣΧ0ΛΗ ΤΕΧΝ0Λ0ΓΙΑΣ ΤΡΟΦΙΜΩΝ & ΔΙΑΤΡΟΦΗΣ ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΕΡΓΑΣΤΗΡΙΟ: ΟΡΓΑΝΟΛΗΠΤΙΚΟΥ ΕΛΕΓΧΟΥ ΓΙΑΝΝΑΚΟΥΡΟΥ ΜΑΡΙΑ ΤΑΛΕΛΛΗ ΑΙΚΑΤΕΡΙΝΗ ΕΙΣΑΓΩΓΗ Ο όρος «ποιότητα», είναι μια απλή έννοια που εκφράζεται
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 12. Εκτίμηση των παραμέτρων ενός πληθυσμού
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
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 περισσότεραΕνότητα 2: Έλεγχοι Υποθέσεων Διαστήματα Εμπιστοσύνης
ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΣΜΕΝΗ ΝΕΥΡΟΑΝΑΤΟΜΙΑ» «Βιοστατιστική, Μεθοδολογία και Συγγραφή Επιστημονικής Μελέτης» Ενότητα 2: Έλεγχοι Υποθέσεων
Διαβάστε 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 περισσότεραΈλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δύο ανεξάρτητων δειγμάτων, που ακολουθούν την κανονική κατανομή (t-test για ανεξάρτητα δείγματα)
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δύο ανεξάρτητων δειγμάτων, που ακολουθούν την κανονική κατανομή (t-test για ανεξάρτητα δείγματα) Όταν απαιτείται ο έλεγχος της ύπαρξης στατιστικά σημαντικών
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 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 περισσότερα1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος
Έλεγχοι Υποθέσεων 1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος µ = 100 Κάθε υπόθεση συνοδεύεται από µια εναλλακτική: Ο
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 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 περισσότεραΘέμα: ΑΣΚΗΣΕΙΣ ΣΤΑ ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΚΕΦΑΛΑΙΑ 10,12 KELLER
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ: ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ (Πάτρας) Διεύθυνση: Μεγάλου Αλεξάνδρου 1, 63 34 ΠΑΤΡΑ Τηλ.: 610 369051, Φαξ: 610 396184, email: mitro@teipat.gr Καθ η γη τ
Διαβάστε περισσότεραΜηχανική Μάθηση Hypothesis Testing
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Μηχανική Μάθηση Hypothesis Testing Γιώργος Μπορμπουδάκης Τμήμα Επιστήμης Υπολογιστών Procedure 1. Form the null (H 0 ) and alternative (H 1 ) hypothesis 2. Consider
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΤΕΧΝΙΚΗ ΥΔΡΟΛΟΓΙΑ Πιθανοτική προσέγγιση των υδρολογικών μεταβλητών
ΤΕΧΝΙΚΗ ΥΔΡΟΛΟΓΙΑ Πιθανοτική προσέγγιση των υδρολογικών μεταβλητών Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών Εργαστήριο Υδρολογίας και Αξιοποίησης Υδατικών Πόρων ΣΥΛΛΟΓΙΣΜΟΣ-ΕΠΑΓΩΓΗ (DEDUCTION
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 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 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 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 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 6-7 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραt-distribution t a (ν) s N μ = where X s s x = ν 2 FD ν 1 FD a/2 a/2 t-distribution normal distribution for ν>120
t-ditribution t X x μ = where x = ν FD ν FD t a (ν) 0 t-ditribution normal ditribution for ν>0 a/ a/ -ta ta ΒΑΘΜΟΙ ΕΛΕΥΘΕΡΙΑΣ (freedom degree) Βαθμοί ελευθερίας (ν): ο αριθμός των ανεξάρτητων μετρήσεων
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. ΔΙΑΛΕΞΕΙΣ 09-10 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Έλεγχοι υποθέσεων Βόλος, 2016-2017
Διαβάστε περισσότεραRepeated measures Επαναληπτικές μετρήσεις
ΠΡΟΒΛΗΜΑ Στο αρχείο δεδομένων diavitis.sav καταγράφεται η ποσότητα γλυκόζης στο αίμα 10 ασθενών στην αρχή της χορήγησης μιας θεραπείας, μετά από ένα μήνα και μετά από δύο μήνες. Μελετήστε την επίδραση
Διαβάστε περισσότεραΥΔΡΟΛΟΓΙΑ. Ενότητα 3:Στατιστική και πιθανοτική ανάλυση υδρομετεωρολογικών μεταβλητών- Ασκήσεις. Καθ. Αθανάσιος Λουκάς
Τμήμα Πολιτικών Μηχανικών Πανεπιστήμιο Θεσσαλίας ΥΔΡΟΛΟΓΙΑ Ενότητα 3:Στατιστική και πιθανοτική ανάλυση υδρομετεωρολογικών μεταβλητών- Ασκήσεις Καθ. Αθανάσιος Λουκάς Εργαστήριο Υδρολογίας και Ανάλυσης Υδατικών
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 7-8 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΠανεπιστήμιο Πελοποννήσου
Πανεπιστήμιο Πελοποννήσου Τυχαίες μεταβλητές Κατανομές Τυχαία Μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) ονομάζεται η συνάρτηση που απεικονίζει το σύνολο των δυνατών αποτελεσμάτων ενός πειράματος στο σύνολο
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 5-6 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ. Εαρινό εξάµηνο ακαδηµαϊκού έτους 2003-2004 ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. Εργασία 4 - Ενδεικτική λύση
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ Εαρινό εξάµηνο ακαδηµαϊκού έτους 34 ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 5 Μαΐου 4 Εργασία 4 - Ενδεικτική λύση Το κείµενο απευθύνεται στους φοιτητές και αιτιολογεί και περιγράφει
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 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 περισσότεραΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ
ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ Το ενδιαφέρον επικεντρώνεται πάντα στον πληθυσμό Το δείγμα χρησιμεύει για εξαγωγή συμπερασμάτων για τον πληθυσμό π.χ. το ετήσιο εισόδημα των κατοίκων μιας περιοχής Τα στατιστικά
Διαβάστε 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 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 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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 2: Ανασκόπηση βασικών εννοιών Στατιστικής και Πιθανοτήτων Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότερα