Πλήρως Τυχαιοποιηµένο Σχέδιο
|
|
- Αναστάσιος Παπακώστας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Πλήρως Τυχαιοποιηµένο Σχέδιο Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata
2 Πλήρως Τυχαιοποιηµένο Σχέδιο (Completely Randomized Design-CRD CRD) Παράδειγµα 21 (Φασούλας( Φασούλας,, 2008, σ.. 103). Σε ένα πείραµα δοκιµάστηκαν 10 διαφορετικοί γενότυποι κριθαριού, για να φανεί κατά πόσο διαφέρουν ως προς την πρωϊµότητα ξεσταχιάσµατος. Στο χωράφι σπάρθηκαν 10 φυτά από κάθε γενότυπο, οι δε αποστάσεις µεταξύ των φυτών ήταν αρκετές ώστε να αποκλείεται ανταγωνισµός µεταξύ των φυτών. Να ελεγχθεί αν οι γενότυποι παρουσιάζουν στατιστικά σηµαντικές διαφορές σε επίπεδο σηµαντικότητας α=0,05.
3 Παραµετροποίηση -1 Πειραµατικό Σχέδιο (Experimental Design): Πλήρως Τυχαιοποιηµένο Σχέδιο ( χωρίς Οµάδες) Πλήθος Παραγόντων (Factors): 1 (Γενότυπος( Γενότυπος) Πλήθος Επιπέδων (Levels) του Παράγοντα (π): 10 Αρ. Επαναλήψεων (Replications)) (n):( 10 Συνολικό πλήθος µετρήσεων (Ν): 100 Σχέδιο: Ισορροπηµένο (Balanced), δηλ. ίδιος αριθµός επαναλήψεων σε κάθε επέµβαση
4 Παραµετροποίηση -2 Εξαρτηµένη µεταβλητή (Depended Variable): Πρωϊµότητα ξεσταχιάσµατος (ηµέρες) Ανεξάρτητη µεταβλητή-παράγοντας (Independed Variable) ) : Γενότυπος Πρότυπο Ι (Model type I) : Καθορισµένες Επιδράσεις (Fixed Effects)
5 Μεθοδολογία Εγκατάστασης Πειράµατος Προηγούµενη εµπειρία και γνώση σχετικά µε το πειραµατικό υλικό Εµπειρία και γνώση σχετικά µε προηγούµενα πειράµατα στον ίδιο πειραµατικό αγρό Έλεγχοι οµοιοµορφίας και οµοιογένειας πειραµατικού υλικού ιαστάσεις πειραµατικών τεµαχίων Πλήθος φυτών Αποστάσεις Καλλιεργητική φροντίδα Περίοδος πειραµατισµού Μέθοδος µέτρησης εξαρτηµένης µεταβλητής Εγκυρότητα-Αξιοπιστία µετρήσεων Εδαφολογικά στοιχεία Κλιµατολογικά στοιχεία Τήρηση Ηµερολογίου Πειράµατος
6 Πότε εφαρµόζεται το CRD Οι παράγοντες δεν επηρεάζονται από το περιβάλλον. Το περιβάλλον µπορεί να τεθεί υπό έλεγχο. Το πειραµατικό υλικό είναι οµοιογενές.
7 Πίνακας εδοµένων Γενότυποι Ε1 Ε2 Ε3 Ε4 Ε5 Ε6 Ε7 Ε8 Ε9 Ε10 Σύνολα Α Β Γ Ε Ζ Η Θ Ι Κ Σύνολα
8 Πίνακας Ανάλυσης Παραλλακτικότητας (ή ιακύµανσης) Πηγή Παραλλακτικότητας Γενότυποι (ή Παράγοντας) Σφάλµα (ή Υπόλοιπο) Βαθµοί Ελευθερίας Άθροισµα Τετραγώνων Μέσα Τετράγωνα π-1 ΑΤΠ ΑΤΠ ΜΤΠ= π 1 π(n-1) ΑΤΣ ΑΤΣ ΜΤΣ= π ( n 1) F F= ΜΤΠ ΜΤΣ Ολική πn-1 ΣΑΤ Η δειγµατική τιµή F συγκρίνεται µε την Κρίσιµη Τιµή (θεωρητική) της F-Κατανοµής µε (π-1) και [π(n-1)] β.ε., σε επίπεδο σηµαντικότητας α.
9 One Way ANOVA Table ( Ι ) Source of Variation Treatments or Factor A (Genotype) Error Degrees of Freedom (df) π-1 π(n-1) Sum of Squares (SS) Treatment SS (SSA) Error SS (SSE) Mean Squares (MS) Treatment SS MSA= π 1 Error SS MSE= π ( n 1) F F= MSA MSE Total πn-1 Total SS (SST)
10 One Way ANOVA Table ( ΙΙ ) Source of Variation Between Treatments Within Treatments Total
11 Πίνακας εδοµένων Γενότυποι Ε1 Ε2 Ε3 Ε4 Ε5 Ε6 Ε7 Ε8 Ε9 Ε10 Σύνολα Α Β Γ Ε Ζ Η Θ Ι Κ Σύνολα
12 Υπολογισµοί ( Ι ) ιορθωτικός Όρος (Correction Term), Ο= =1.288,81 Συνολικό Άθροισµα Τετραγώνων, ΣΑΤ=( )- Ο=400,19 Άθροισµα Τετραγώνων Παραγόντων, ΑΤΠ=( K )- Ο=51,49 Άθροισµα Τετραγώνων Σφαλµάτων, ΑΤΣ=ΣΑΤ-ΑΤΠ=400,19-51,49=348,70
13 Υπολογισµοί ( ΙΙ ) π n 1 i= 1 j= 1 ( ) i j ΑΤΠ = SSA = SS = Treatments Y n 2 ( Y ) 2 π n ΣΑΤ = n ( ) 2 SST = SS = π T Y i j i= 1 j= 1 ( Y ) 2 π n
14 Πίνακας Ανάλυσης Παραλλακτικότητας (ή ιακύµανσης) Πηγή Παραλλακτικότητας Γενότυποι (Παράγοντας) Βαθµοί Ελευθερίας Άθροισµα Τετραγώνων Μέσα Τετράγωνα F F 0, ,49 5,72 1,48 1,99 Σφάλµα ,70 3,87 Ολική ,19 Κρίσιµη Τιµή F(9, 90)=1,99, σε επίπεδο σηµαντικότητας α=0,05 Επειδή 1,48<1,99 Οι γενότυποι δεν παρουσιάζουν στατιστικά σηµαντικές διαφορές σε επίπεδο σηµαντικότητας α=0,05.
15 Συντελεστής Παραλλακτικότητας (Coefficient of Variation), CV CV ΜΤΣ MSE = 100= 100 Y.. Y.. Στο παράδειγµα, CV= 1, ,87% 3,59 = Εκφράζει το βαθµό ακρίβειας µε την οποία συγκρίνονται οι επεµβάσεις. Εκφράζει την αξιοπιστία του πειράµατος. Αποδεκτές τιµές: Ανάλογα µε τη φύση του πειραµατικού υλικού και το τι µετρούµε. Παράδειγµα: Για το ρύζι όταν µετρούµε την απόδοση. 6%-8% για τη σύγκριση ποικιλιών 10%-12% για τη σύγκριση λιπασµάτων Για την απόδοση 10%, για το ύψος 3%
16 Y = µ + t + e ij i ij Το Γενικό Γραµµικό Πρότυπο (General Linear Model) i: αναφέρεται στην κύρια επίδραση της επέµβασης i (i=1,,π) j: αναφέρεται στην µέτρηση ή παρατήρηση j (j=1,,n) Παράµετρος Πληθυσµού Εκτιµητής µ Y.. t Y. Y.. i µ+ t i Y i. 2 σ e i s =ΜΤΣ (MSE) 2 e
17 Παρατηρούµενα ( ειγµατικά) και Αναµενόµενα (Θεωρητικά) Μέσα Τετράγωνα (Expected Mean Squares) Παρατηρούµενα ΜΤ Αναµενόµενα ΜΤΠ (MSA) ΜΤΣ (MSE) σ + nσ = σ + n 2 σ e π i= 1 e a e t 2 i π 1 Εκτιµητές: π 2 ( Yi. Y..) 2 i= 1 ˆ σ a = π 1 2 σ =ΜΤΣ= MSE ˆe
18 Παραδοχές και Προϋποθέσεις Παραδοχές: π i= 1 ij t i = 0 e N σ 2 (0, e ) Προϋποθέσεις: Οι παρατηρήσεις προέρχονται από τυχαία δείγµατα Οι παρατηρήσεις είναι ανεξάρτητες η µία από την άλλη Οι πληθυσµοί των παρατηρήσεων ακολουθούν Κανονική Κατανοµή Οι διασπορές των πληθυσµών είναι ίσες (Οµοσκεδαστικότητα)
19 Στατιστικοί Έλεγχοι Μηδενικές Υποθέσεις Η : t = 0 0 Η = 2 0 : σ a 0 Η : E( Y ) = 0 0 i ij Η 0 : t1 = t2 = L= t π Η : µ = µ = L= µ Εναλλακτικές Υποθέσεις π Η ήη : k ( k = 1,... π ) : t 0 1 Η ήη > 1 Η ήη α 2 α : σ a 0 α : E( Y ) 0 ij k Η ήη : µ ίατουλάχιστον κύριαεπ ίδραση t 0, k = 1, K, π α Η ήη : τουλάχιστον 2 µ έσοι όροιδιαφέρουν, k, z, ( k, z= 1,..., π ) : µ µ α k k z
20 Άλλες Στατιστικές Αναλύσεις Αν η ANOVA ανιχνεύσει στατιστικά σηµαντικές διαφορές ακολουθούν συγκρίσεις µέσων όρων
21 Σχέδιο: Μη Ισορροπηµένο (Unbalanced Design): Πίνακας Ανάλυσης Παραλλακτικότητας (ή ιακύµανσης), είγµατα Άνισα Πηγή Παραλλακτικότητας Γενότυποι (ή Παράγοντας) Σφάλµα (ή Υπόλοιπο) Βαθµοί Ελευθερίας Άθροισµα Τετραγώνων Μέσα Τετράγωνα π-1 ΑΤΠ ΑΤΠ ΜΤΠ= π 1 Ν-π ΑΤΣ ΑΤΣ ΜΤΣ= N π F F= ΜΤΠ ΜΤΣ Ολική Ν-1 ΣΑΤ
22 Υπολογισµοί Οι υπολογισµοί γίνονται όπως και στο Ισορροπηµένο Σχέδιο µε τη διαφορά: Π1 Π2 Π π Άθροισµα Τετραγώνων Παραγόντων, ΑΤΠ= + + L + Ο, n1 n2 nπ Η δειγµατική τιµή F συγκρίνεται µε την Κρίσιµη Τιµή (θεωρητική) της F-Κατανοµής µε (π-1) και (N-π) β.ε., σε επίπεδο σηµαντικότητας α. όπου n i είναι το πλήθος δειγµάτων (επαναλήψεων) στην i επέµβαση και Π i είναι το άθροισµα των παρατηρήσεων της i επέµβασης (Ν= Συνολικό πλήθος µετρήσεων)
23 ιαγραµµατική Αναπαράσταση του Υποδείγµατος Πρωϊµότητα Σφάλµα Γενότυπος
24 Πρότυπο ΙΙ (Model type II): Πρότυπο Τυχαίων Επιδράσεων (Random Effects Model) Τα στοιχεία του πίνακα της ANOVA υπολογίζονται κατά τον ίδιο τρόπο όπως και στο Πρότυπο Ι. ιαφορές: 2 Η : 0 σ 0 a = 2 Η1 ήη α : σ a > 0 εν έχει νόηµα η σύγκριση µέσων όρων Μελετώνται οι συνιστώσες της παραλλακτικότητας (Variance Components) ˆ σ = ˆ σ + ˆ σ e a σ 2 ˆa ΜΤΠ ΜΤΣ = = n MSA MSE n
25 Στο παράδειγµα Εκφράζει την παραλλακτικότητα µεταξύ των γενοτύπων 2 MSA MSE 2 5, 721 3,874 1,847 ˆ σ ˆ a = σ a = = = 0,185 n ˆ = ˆ ˆ ˆ e + a σ = 3,874+ 0,185= 4, 06 σ σ σ Εκφράζει το 95,4% της Ολικής Παραλλακτικότητας Εκφράζει το 4,6% της Ολικής Παραλλακτικότητας
26 Άλλες Εφαρµογές των Συνιστωσών Παραλλακτικότητας Intraclass Correlation σ 2 a : ρi = 2 2 σ a + σ e Εκφράζει το βαθµό οµοιότητας των παρατηρήσεων µέσα στις οµάδες σε σχέση µε την οµοιότητα των παρατηρήσεων µεταξύ των οµάδων. Στη Γενετική εκφράζει την κληρονοµικότητα ποσοτικών χαρακτηριστικών Εκφράζει την αξιοπιστία, εσωτερική συνοχή ή συνέπεια, µεταξύ παρατηρήσεων που προέκυψαν από την ίδια διαδικασία Εκφράζει την επαναληψιµότητα διαδοχικών µετρήσεων στην ίδια πειραµατική µονάδα
27 Συγκρίσεις Μέσων Όρων Το Κριτήριο της Ελάχιστης (Στατιστικά) Σηµαντικής ιαφοράς (ΕΣ -LSD) Ισορροπηµένο Σχέδιο: Όπου t π ( n 1); a σηµαντικότητας α/2 ΕΣ = π ( n 1); a / 2 π ( n 1); a / 2 ΕΣ = Μη Ισορροπηµένο Σχέδιο: t 2 ΜΤΣ 2 MSE = t n n : Κρίσιµη τιµή της t-κατανοµής µε π(n-1) β.ε., σε επίπεδο ( n + n ) ΜΤΣ ( n + n ) MSE i j i j ΕΣ = t ( N π ); a / 2 = t ( N π ); a / 2 ni n j ni n j Όπου tn π ; a / 2 : Κρίσιµη τιµή της t-κατανοµής µε ( N π ) β.ε., σε επίπεδο σηµαντικότητας α/2
28 Στο Παράδειγµα 2 3,89 7, 78 ΕΣ = 1,99 = 1,99 = 1,99 0, 778= 1,99 0,882= 1, 75, σε επίπεδο σηµαντικότητας α=0,05.
29 Στο Παράδειγµα Γενότυποι ΜΟ ΤΑ N Α 4,10 1,66 10 Β 2,50 0,53 10 Γ 3,20 1, ,40 2,07 10 Ε 5,20 1,93 10 Ζ 3,60 2,55 10 Η 3,40 2,67 10 Θ 2,90 1,66 10 Ι 4,20 2,62 10 Κ 3,40 0,97 10 ΕΣ 0,10 1,46 ΕΣ 0,05 1,75 ΕΣ 0,01 2,32 ΕΣ 0,0011 2,97
30 Αποτελέσµατα µε το SPSS (1) Πρωϊµότητα (ηµέρες) N Statistic 100 Range Statistic 8 Minimum Statistic 1 Maximum Statistic 9 Mean Statistic 3.59 Std. Error.201 Std. Deviation Statistic Variance Statistic Skewness Statistic Std. Error.241 Kurtosis Statistic.995 Std. Error.478
31 Αποτελέσµατα µε το SPSS (2) Frequency Mean =3,59 Std. Dev. =2,011 N = Πρωϊµότητα (ηµέρες)
32 Αποτελέσµατα µε το SPSS (3) Estimated Marginal Means of Πρωϊµότητα (ηµέρες) 5,5 Estimated Marginal Means 5 4,5 4 3,5 3 2,5 Α Β Γ Ε Ζ Η Θ Ι Κ Γενότυποι
33 Αποτελέσµατα µε το SPSS (4) Tests of Between-Subjects Effects Source Type III Sum of Squares df Mean Square F Sig. Observed Power(a) Corrected Model 51.49(b) Intercept Genotype Error Total Corrected Total R 2 =0.129 (Συντελεστής Προσδιορισµού)
34 Αποτελέσµατα µε το SPSS (5)( Έλεγχος Οµοιογένειας της Παραλλακτικότητας (π.χ. Έλεγχος του Levene) F df1 df2 Sig
35 Αποτελέσµατα µε το SPSS (5)( Γενότυποι Subset 2 1 Tukey HSD(a,b) Β 2.50 Θ 2.90 Γ 3.20 Η Κ 3.40 Ζ 3.60 Α 4.10 Ι 4.20 Ε 5.20 Sig..080 Duncan(a,b) Β 2.50 Θ 2.90 Γ Η Κ Ζ Α Ι Ε 5.20 Sig
36 Παρουσίαση των Αποτελεσµάτων 1 Η ANOVA έδειξε ότι δεν υπάρχουν στατιστικά σηµαντικές διαφορές, σε επίπεδο σηµαντικότητας α=0,05, µεταξύ των 10 Γενοτύπων: (F(9,90)=1,48,(9,90)=1,48, p=0,169>0,05)
37 Παρουσίαση των Αποτελεσµάτων 2 Γενότυποι ΜΟ ΤΑ N Α 4,10 ab 1,66 10 Β 2,50 b 0,53 10 Γ 3,20 ab 1, ,40 ab 2,07 10 Ε 5,20 a 1,93 10 Ζ 3,60 ab 2,55 10 Η 3,40 ab 2,67 10 Θ 2,90 b 1,66 10 Ι 4,20 ab 2,62 10 Κ 3,40 ab 0,97 10 Μέσοι όροι που ακολουθούνται από διαφορετικό γράµµα διαφέρουν στατιστικά σηµαντικά, σε επίπεδο σηµαντικότητας α=0,05, σύµφωνα µε τα αποτελέσµατα του ελέγχου Duncan
38 Άλλες Μορφές ιαγραµµάτων: Box Plot
39 Συγκριτικό ιάγραµµα Box Plot
40 ιάγραµµα Error bar
41 Ραβδόγραµµα
42 Παραδείγµατα (1)
43 Παραδείγµατα (2)
44 Παραδείγµατα (3)
45 Παραδείγµατα (4)
46
47 Παραδείγµατα (5)
48
49 Παραδείγµατα (6)
50 Αποτελέσµατα (1)
51 Αποτελέσµατα (2)
52 Αποτελέσµατα (3)
53 Αποτελέσµατα (4)
54 Αποτελέσµατα (5)
55 Αποτελέσµατα (6)
56 Η ανακάλυψη της µεθόδου ANOVA αποδίδεται επίσηµα στον Sir Ronald Aylmer Fisher ( )
57 Born Died Residence Nationality Fields Institutions Alma mater Academic advisors Doctoral students 17 February 1890 East Finchley, London, England 29 July 1962 (aged 72) Adelaide, Australia England Australia British Statistician Evolutionary biologist Geneticist Rothamsted Experimental Station University College London Cambridge University CSIRO Cambridge University Sir James Jeans F.J.M. Stratton C.R. Rao D. J. Finney Known for Influences Influenced Notable awards Religious stance Notes Fisher's fundamental theorem Maximum likelihood Fisher information Analysis of variance Fisher-Kolmogorov equation Coining the term 'null hypothesis' Fiducial inference Fisher's exact test Fisher's principle Fisherian runaway F-distribution Leonard Darwin Joseph Oscar Irwin A. W. F. Edwards Georg Rasch Royal Medal (1938) Guy Medal in Gold (1946) Copley Medal (1955) Linnean Society of London's Darwin- Wallace Medal (1958). Church of England He was the father-in-law of George E. P. Box.
58 In 1919 Fisher started work at Rothamsted Experimental Station located at Harpenden, Hertfordshire, England.. Here he started a major study of the extensive collections of data recorded over many years. This resulted in a series of reports under the general title Studies in Crop Variation. This began a period of great productivity. Over the next seven years, he pioneered the principles of the design of experiments and elaborated his studies of "analysis of variance". He furthered his studies of the statistics of small samples. Perhaps even more important, he began his systematic approach of the analysis of real data as the springboard for the development of new statistical methods. He began to pay particular attention to the labour involved in the necessary computations, and developed methods that were as practical as they were founded in rigour. In 1925, this work culminated in the publication of his first book, Statistical Methods for Research Workers.[7] This went into many editions and translations in later years, and became a standard reference work for scientists in many disciplines. In 1935, this was followed by The Design of Experiments, which also became a standard.
59 In addition to "analysis" of variance", Fisher invented the technique of maximum likelihood and originated the concepts of sufficiency, ancillarity, Fisher's linear discriminator and Fisher information.. His 1924 article "On a distribution yielding the error functions of several well known statistics" presented Karl Pearson's chi-squared and Student's t in the same framework as the Gaussian distribution, and his own "analysis of variance" distribution z (more commonly used today in the form of the F distribution). These contributions easily made him a major figure in 20th century statistics. In defending the use of the z distribution when the data were not Gaussian,, Fisher introduced the "randomization test". According to biographers Yates and Mather,, "Fisher introduced the randomization test, comparing the value of t or z actually obtained with the distribution of the t or z values when all possible random arrangements were imposed on the experimental data."[8] However, Fisher wrote that randomization tests were "in no sense put forward to supersede the common and expeditious tests based on the Gaussian theory of errors." Fisher thus effectively began the field of non-parametric statistics,, even though he didn't believe it was a necessary move.
60 Rothamsted is the largest agricultural research centre in the United Kingdom and almost certainly the oldest agricultural research station in the world The Rothamsted Experimental Station, one of the oldest agricultural research institutions in the world, is located at Harpenden in Hertfordshire, England. It is now known as Rothamsted Research
61
62 Βιβλιογραφία Φασούλας, Α. Κ.. (ανατ( ανατ ). Στοιχεία Πειραµατικής Στατιστικής. Θεσσαλονίκη: Άγις-Σάββας. Γαρταγάνης. Καλτσίκης, Π. Ι.. (1997). Απλά Πειραµατικά Σχέδια. Αθήνα: Εκδόσεις Α. Σταµούλη. Μιχαηλίδης, Ζ.. (2005). Βιοµετρία-Γεωργικός Πειραµατισµός. ΑΤΕΙ Θεσσαλονίκης. Steel, R. & Torrie,, J. (1986). Principles and Procedures of Statistics: A Biometrical Approach.. Singapore: McGraw-Hill Book Company. Gomez, K. & Gomez, A. (1984). Statistical Procedures for Agricultural Research.. Singapore: John Willey & Sons, Inc. Kuehl,, R. (2000). Designs of Experiments: Statistical Principles of Research Design and Analysis.. Pacific Grove: Duxbury Thomson Learning.
63 Rothamsted Park Viola adorata
Completely Randomized Design
Vio ar a t a d o l a Completely Randomized Design 21 (, 2008,. 103). 10,. 10,. =0,05. (Experimental Design): ( ) (Factors): 1 ( ) (Levels) ( ): 10. (Replications)) (n):( 10 ( ): 100 : (Balanced),. (Depended
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 περισσότεραΠλήρεις Οµάδες σε Ελεύθερη ιάταξη
Πλήρεις Οµάδες σε Ελεύθερη ιάταξη ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Viola adorata Πλήρεις Οµάδες σε Ελεύθερη ιάταξη (Randomized Complete-block Design- RCBD) Παράδειγµα
Διαβάστε περισσότεραΣύγκριση Συνδυασµένων Παραγόντων
Σύγκριση Συνδυασµένων Παραγόντων Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Παραγοντικά Πειράµατα (Factorial Experiments)
Διαβάστε περισσότεραΕισαγωγή στην Ανάλυση Παραλλακτικότητας
Εισαγωγή στην Ανάλυση Παραλλακτικότητας Επιστηµονική Επιµέλεια: ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Εργαστήριο Γεωργίας Viola adorata Παραλλακτικότητα Που Οφείλεται; Παραλλακτικότητα
Διαβάστε περισσότεραΠροσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού
Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Viola adorata Σκηνή Πρώτη Ερωτήσεις Σωστού-Λάθους (µέρος Ι). Ο µέσος όρος
Διαβάστε περισσότεραΕπιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές. Εργαστήριο Γεωργίας. Viola adorata
One-way ANOVA µε το SPSS Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata To call in a statistician after the experiment is
Διαβάστε περισσότεραΠλήρεις Οµάδες σε Λατινικό Τετράγωνο
Πλήρεις Οµάδες σε Λατινικό Τετράγωνο Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Πλήρεις Οµάδες σε Λατινικό Τετράγωνο
Διαβάστε περισσότεραΓεωργικοί Πειραµατισµοί Χωριστού Σχεδίου: Οµάδες µε Υποοµάδες (Split-plot plot designs) ρ. Γεώργιος Μενεξές
Γεωργικοί Πειραµατισµοί Χωριστού Σχεδίου: Οµάδες µε Υποοµάδες (Split-plot plot designs) Επιστηµονική Επιµέλεια: ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Εργαστήριο Γεωργίας
Διαβάστε περισσότεραΖήτηµα 2. Κατεύθυνση µεταβολής γονιµότητας. Πειραµατικός Αγρός. Επεµβάσεις: Α1Β1:1, Α1Β2:2, Α1Β3:3, Α2Β1:4, Α2Β2:5 και Α2Β3:6
Ζήτηµα. ίνεται το παρακάτω φύλλο δεδοµένων (πείραµα 2 2 πλήρως τυχαιοποιηµένο-crd, 3 επαναλήψεις ανά επέµβαση). Να υπολογιστούν οι µέσοι όροι για τον Παράγοντα Α (δύο επίπεδα Α και Α2), για τον Παράγοντα
Διαβάστε περισσότεραΕξέταση Φεβρουαρίου (2011/12) στο Μάθηµα: Γεωργικός Πειραµατισµός. Ζήτηµα 1 ο (2 µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή
Σειρά Β Εξέταση Φεβρουαρίου (0/) στο Μάθηµα: Γεωργικός Πειραµατισµός Θεσσαλονίκη: 4/0/0 Επώνυµο Όνοµα Αρ. Μητρώου Κατεύθυνση Ζήτηµα ο ( µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή
Διαβάστε περισσότεραΓεωργικός Πειραµατικός Σχεδιασµός: Πρακτικές Συµβουλές
Γεωργικός Πειραµατικός Σχεδιασµός: Πρακτικές Συµβουλές Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Η Γεωργία Εισαγωγή
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 περισσότεραONE WAY ANOVA. .Π.Μ.Σ. Μαθηµατικά των Υπολογιστών & των αποφάσεων. Πάτρα, 11 Ιανουαρίου 2011
Πάτρα, 11 Ιανουαρίου 2011 Πίνακας Περιεχοµένων 1 completely random design with fixed effects 2 3 Πίνακας Περιεχοµένων 1 completely random design with fixed effects 2 3 Γενικά completely random design with
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο δειγμάτων, που διαχωρίζονται βάσει δύο ανεξάρτητων παραγόντων (Ανάλυση διακύμανσης για ανεξάρτητα δείγματα ως προς περισσότερους
Διαβάστε περισσότεραΚεφάλαιο 14. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης
Κεφάλαιο 14 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης 1 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης Παραµετρικό στατιστικό κριτήριο για τη µελέτη της επίδρασης µιας ανεξάρτητης µεταβλητής στην εξαρτηµένη Λογική παρόµοια
Διαβάστε περισσότεραΓεωργικός Πειραµατικός Σχεδιασµός: Εισαγωγή
Γεωργικός Πειραµατικός Σχεδιασµός: Εισαγωγή Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Πείραµα Προσχεδιασµένη διαδικασία
Διαβάστε περισσότεραΑν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.
ΣΤ. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (ANALYSIS OF VARIANCE - ANOVA) ΣΤ 1. Ανάλυση ιασποράς κατά µία κατεύθυνση. Όπως έχουµε δει στη παράγραφο Β 2, όταν θέλουµε να ελέγξουµε, αν η µέση τιµή µιας ποσοτικής µεταβλητής διαφέρει
Διαβάστε 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 περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α. Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο ανεξάρτητων δειγμάτων, που διαχωρίζονται βάσει ενός ανεξάρτητου παράγοντα (Ανάλυση διακύμανσης για ανεξάρτητα δείγματα ως προς
Διαβάστε περισσότεραΜονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων
Μονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων 1 Μονοπαραγοντική Ανάλυση Διακύμανσης Παραμετρικό στατιστικό κριτήριο για τη μελέτη της επίδρασης μιας ανεξάρτητης μεταβλητής στην εξαρτημένη Λογική
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 περισσότεραBiostatistics for Health Sciences Review Sheet
Biostatistics for Health Sciences Review Sheet http://mathvault.ca June 1, 2017 Contents 1 Descriptive Statistics 2 1.1 Variables.............................................. 2 1.1.1 Qualitative........................................
Διαβάστε 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 περισσότεραΑΝΑΛΥΣΗ ΤΗΣ ΙΑΚΥΜΑΝΣΗΣ (ΑΝOVA)
ΑΝΑΛΥΣΗ ΤΗΣ ΙΑΚΥΜΑΝΣΗΣ (ΑΝOVA). Εισαγωγή Η ανάλυση της διακύμανσης (ANalysis Of VAriance ANOVA) είναι μια στατιστική μεθόδος με την οποία η μεταβλητότητα που υπάρχει σ ένα σύνολο δεδομένων διασπάται στις
Διαβάστε περισσότεραΓια να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov.
A. ΈΛΕΓΧΟΣ ΚΑΝΟΝΙΚΟΤΗΤΑΣ A 1. Έλεγχος κανονικότητας Kolmogorov-Smirnov. Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov. Μηδενική υπόθεση:
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δειγμάτων, που διαχωρίζονται βάσει ενός επαναλαμβανόμενου και ενός ανεξάρτητου παράγοντα (Ανάλυση διακύμανσης για εξαρτημένα δείγματα ως προς δύο παράγοντες,
Διαβάστε περισσότεραΓ. Πειραματισμός Βιομετρία
Γενικά Πειραματικό σχέδιο και ANOVA Η βασική διαφορά μεταξύ των πειραματικών σχεδίων είναι ο τρόπος με τον οποίο ταξινομούνται ή κατατάσσονται οι πειραματικές μονάδες (πειραματικά τεμάχια) Σε όλα τα σχέδια
Διαβάστε περισσότεραViola adorata X ± 2s 1 344 320 2 348 316 3 224 232 4 372 364 5 336 308 6 372 328 7 292 296 8 316 264 AT1 AT2 1 344 320 342.25 272.25 2 348 316 506.25 156.25 3 224 232 10302.25 5112.25 4 372 364
Διαβάστε 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 περισσότεραΟδηγός Ανάλυσης Παραλλακτικότητας εδοµένων Γεωργικών Πειραµάτων µε Στατιστικά Πακέτα
Αριστοτέλειο Πανεπιστήµιο Θεσσαλονίκης Γεωπονική Σχολή Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Εργαστήριο Γεωργίας Οδηγός Ανάλυσης Παραλλακτικότητας εδοµένων Γεωργικών Πειραµάτων µε Στατιστικά
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017
Ανάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017 2 α x b Παραγοντικό Πείραμα (1) Όταν θέλουμε να μελετήσουμε την επίδραση (στη μεταβλητή απόφασης) δύο παραγόντων, έστω Α και Β, με α στάθμες ο Α και b στάθμες
Διαβάστε περισσότεραΑνάλυση ποσοτικών δεδομένων. ΕΡΓΑΣΤΗΡΙΟ 2 ΔΙΟΙΚΗΣΗ & ΚΟΙΝΩΝΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΣΤΗΝ ΤΟΞΙΚΟΕΞΆΡΤΗΣΗ Dr. Ρέμος Αρμάος
Ανάλυση ποσοτικών δεδομένων ΕΡΓΑΣΤΗΡΙΟ 2 ΔΙΟΙΚΗΣΗ & ΚΟΙΝΩΝΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΣΤΗΝ ΤΟΞΙΚΟΕΞΆΡΤΗΣΗ Dr. Ρέμος Αρμάος Εισαγωγή στη στατιστική Στατιστική: σύνολο αρχών και μεθοδολογιών που χρησιμοποιούνται για:
Διαβάστε περισσότεραΑσκήσεις Εξετάσεων. Μεταπτυχιακό Πρόγραμμα Σπουδών στη. Διοίκηση των Επιχειρήσεων
Ασκήσεις Εξετάσεων Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων ΑΣΚΗΣΗ 1: Έλεγχος για τη μέση τιμή ενός πληθυσμού Η αντικαπνιστική νομοθεσία υποχρεώνει τους καπνιστές που εργάζονται σε
Διαβάστε περισσότεραχ 2 test ανεξαρτησίας
χ 2 test ανεξαρτησίας Καθηγητής Ι. Κ. ΔΗΜΗΤΡΙΟΥ demetri@econ.uoa.gr 7.2 Το χ 2 Τεστ Ανεξαρτησίας Tο χ 2 τεστ ανεξαρτησίας (όπως και η παλινδρόμηση) είναι στατιστικά εργαλεία για τον εντοπισμό σχέσεων μεταξύ
Διαβάστε 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 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 περισσότεραΑνάλυση Διακύμανσης. Ι. Κ. Δημητρίου
Ανάλυση Διακύμανσης Ι. Κ. Δημητρίου Να κάνετε πολλά παραδείγματα και για να κατανοήσετε την Ανάλυση Διακύμανσης (ΑΝΑΔΙΑ) ή Analysis of Variance (ANOVA). Ακόμη, να κοιτάξετε περιπτώσεις εφαρμογής. 3 Εισαγωγή
Διαβάστε περισσότεραStatistics 104: Quantitative Methods for Economics Formula and Theorem Review
Harvard College Statistics 104: Quantitative Methods for Economics Formula and Theorem Review Tommy MacWilliam, 13 tmacwilliam@college.harvard.edu March 10, 2011 Contents 1 Introduction to Data 5 1.1 Sample
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Άσκηση 1 η Ένας παραγωγός σταφυλιών ισχυρίζεται ότι τα κιβώτια σταφυλιών που συσκευάζει
Διαβάστε 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 περισσότεραΚΕΦΑΛΑΙΟ II ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ 2. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ
ΚΕΦΑΛΑΙΟ II ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΕΝΟΤΗΤΕΣ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ (One-Way Analyss of Varance) Η ανάλυση
Διαβάστε περισσότεραΕρμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα
Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα Αρχείο δεδομένων school.sav Στον πίνακα Descriptives, μας δίνονται για την Επίδοση ως προς τις πέντε διαφορετικές μεθόδους διδασκαλίας, το
Διαβάστε περισσότεραΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 8. Ανάλυση διασποράς (ANOVA)
ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 8. Ανάλυση διασποράς (ANOVA) Γενικά Επέκταση της σύγκρισης µέσων τιµών µεταβλητής ανάµεσα σε 2 δείγµατα (οµάδες ήστάθµες): Σύγκριση πολλών δειγµάτων (K>2) µαζί Σχέση ανάµεσα σε µια ποσοτική
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 2 ο ) 31/3/2017
Ανάλυση διακύμανσης (Μέρος 2 ο ) 31/3/2017 2 Σχέδιο τυχαιοποιημένων πλήρων ομάδων (1) Αποτελεί ευθεία γενίκευση του σχεδίου που γνωρίσαμε όταν μιλήσαμε για τη σύγκριση κατά ζεύγη δύο μέσων μ 1 και μ 2
Διαβάστε περισσότεραΕισαγωγή - Πειραματικοί Σχεδιασμοί. Κατσιλέρος Αναστάσιος
Εισαγωγή - Πειραματικοί Σχεδιασμοί Κατσιλέρος Αναστάσιος 2017 Παραλλακτικότητα To φαινόμενο εμφάνισης διαφορών μεταξύ ατόμων ή αντικειμένων ή παρατηρήσεων-μετρήσεων, που ανήκουν στην ίδια ομάδα-κατηγορία,
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΣΠΟΡΑΣ Ή ΔΙΑΚΥΜΑΝΣΗΣ (ANALYSIS OF VARIANCE VARIANCE ANALYSIS ANOVA ANOVA
ΑΝΑΛΥΣΗ ΔΙΑΣΠΟΡΑΣ Ή ΔΙΑΚΥΜΑΝΣΗΣ (ANALYSIS OF VARIANCE VARIANCE ANALYSIS ANOVA ANOVA Αγλαΐα Καλαματιανού ΣΗΜΕΙΩΣΕΙΣ ΔΙΔΑΣΚΑΛΙΑΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΙΙ: ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΜΕΘΟΔΟΥΣ ΔΙΜΕΤΑΒΛΗΤΗΣ ΚΑΙ ΠΟΛΥΜΕΤΑΒΛΗΤΗΣ
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 015 Ανάλυση Διακύμανσης Η Ανάλυση Διακύμανσης είναι μία τεχνική που
Διαβάστε περισσότεραΛογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία
Διαβάστε περισσότεραΧαρακτηριστικά της ανάλυσης διασποράς. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (One-way analysis of variance)
ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (Oe-way aalysis of variace) Να γίνει µια εισαγωγή στη µεθοδολογία της ανάλυσης > δειγµάτων Να εφαρµοσθεί και να κατανοηθεί η ανάλυση διασποράς µε ένα παράγοντα. Να κατανοηθεί η χρήση των
Διαβάστε περισσότερα8. Ανάλυση Διασποράς ως προς. δύο παράγοντες
8. Ανάλυση Διασποράς ως προς δύο παράγοντες Ανάλυση Διασποράς ως προς δύο παράγοντες Παραγοντική Ανάλυση διασποράς-factorial Analsis of Variance Α, Β δύο παράγοντες κ: στάθμες (επίπεδα) του παράγοντα Α
Διαβάστε περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο
Παράδειγμα 1 Ο παρακάτω πίνακας δίνει τις πωλήσεις (ζήτηση) ενός προϊόντος Υ (σε κιλά) από το delicatessen μιας περιοχής και τις αντίστοιχες τιμές Χ του προϊόντος (σε ευρώ ανά κιλό) για μια ορισμένη χρονική
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο εξαρτημένων δειγμάτων, που διαχωρίζονται βάσει ενός επαναλαμβανόμενου παράγοντα (Ανάλυση διακύμανσης για εξαρτημένα δείγματα ως
Διαβάστε περισσότερα1991 US Social Survey.sav
Παραδείγµατα στατιστικής συµπερασµατολογίας µε ένα δείγµα Στα παραδείγµατα χρησιµοποιείται απλό τυχαίο δείγµα µεγέθους 1 από το αρχείο δεδοµένων 1991 US Social Survey.sav Το δείγµα λαµβάνεται µε την διαδικασία
Διαβάστε 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 περισσότεραΕισαγωγή στην Ανάλυση Διακύμανσης
Εισαγωγή στην Ανάλυση Διακύμανσης 1 Η Ανάλυση Διακύμανσης Από τα πιο συχνά χρησιμοποιούμενα στατιστικά κριτήρια στην κοινωνική έρευνα Γιατί; 1. Ενώ αναφέρεται σε διαφορές μέσων όρων, όπως και το κριτήριο
Διαβάστε περισσότεραAbstract ] [ Lawley Hotelling Trace).statigraph. Hotel ling s trace
(( )) Analysis of variance of the model general linear multivariate approved ((form balanced)) error retailers analyze the contrast of the model general linear single variable-based.. /... / / ] B ( /
Διαβάστε περισσότεραΜεθοδολογία της Έρευνας και Εφαρμοσμένη Στατιστική
Μεθοδολογία της Έρευνας και Εφαρμοσμένη Στατιστική Μη παραμετρικοί στατιστικοί έλεγχοι Καθηγητής ΔΠΘ Κων/νος Τσαγκαράκης Δευτέρα 6 Μαρτίου 13:00-16:00 Ώρα για εξ αποστάσεως συνεργασία Τρίτη 7 Μαρτίου 12:00-14:00
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 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 περισσότεραSupplementary Appendix
Supplementary Appendix Measuring crisis risk using conditional copulas: An empirical analysis of the 2008 shipping crisis Sebastian Opitz, Henry Seidel and Alexander Szimayer Model specification Table
Διαβάστε περισσότεραΠΟΣΟΤΙΚΗ ΓΕΝΕΤΙΚΗ 03. ΜΕΣΗ ΤΙΜΗ & ΔΙΑΚΥΜΑΝΣΗ
ΠΟΣΟΤΙΚΗ ΓΕΝΕΤΙΚΗ 03. ΜΕΣΗ ΤΙΜΗ & ΔΙΑΚΥΜΑΝΣΗ 1 ΠΟΣΟΤΙΚΟ ΓΝΩΡΙΣΜΑ ΑΑββΓΓδδεεΖΖ αριθμός φυτών 50 00 150 100 50 0 10 5 184 119 17 87 40 1 5 0-10 10-0 0-30 30-40 40-50 50-60 60-70 70-80 80-90 απόδοση/φ υτό
Διαβάστε περισσότερα$ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η.
η &, 7!# v # $ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η. - ι% ιι* ι' F ι ι ι% MS F MS between within MS MS
Διαβάστε περισσότεραΚεφάλαιο 15. Παραγοντική ανάλυση διακύµανσης. Παραγοντική
Κεφάλαιο 15 Παραγοντική ανάλυση διακύµανσης 1 Παραγοντική ανάλυση διακύµανσης Παραµετρικό στατιστικό κριτήριο για τη µελέτη των επιδράσεων περισσότερων από µια ανεξάρτητων µεταβλητών στην εξαρτηµένη καθώς
Διαβάστε περισσότεραΒιομετρία. Ενότητα 1 η : ANOVA Tables for Various Experiments. Γεώργιοσ Μενεξζσ Τμήμα Γεωπονίασ ΑΡΙΣΟΣΕΛΕΙΟ ΠΑΝΕΠΙΣΗΜΙΟ ΘΕΑΛΟΝΙΚΗ
ΑΡΙΣΟΣΕΛΕΙΟ ΠΑΝΕΠΙΣΗΜΙΟ ΘΕΑΛΟΝΙΚΗ ΑΝΟΙΧΣΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΣΑ Ενότητα 1 η : ANOVA Tables for Various Experiments Γεώργιοσ Μενεξζσ Τμήμα Γεωπονίασ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται ςε
Διαβάστε περισσότεραΟι στατιστικοί έλεγχοι x τετράγωνο, t- test, ANOVA & Correlation. Σταμάτης Πουλακιδάκος
Οι στατιστικοί έλεγχοι x τετράγωνο, t- test, ANOVA & Correlation Σταμάτης Πουλακιδάκος Μερικά εισαγωγικά λόγια Οι έλεγχοι των ερευνητικών υποθέσεων πραγματοποιούνται με διάφορους στατιστικούς ελέγχους,
Διαβάστε περισσότεραΕισαγωγή στην Ανάλυση Συνδιακύμανσης (Analysis of Covariance, ANCOVA)
Εισαγωγή στην Ανάλυση Συνδιακύμανσης (nalysis of Covariance, NCOV) Βασίλης Παυλόπουλος Λέκτορας Διαπολιτισμικής Ψυχολογίας Τομέας Ψυχολογίας, Πανεπιστήμιο Αθηνών vpavlop@psych.uoa.gr http://www.psych.uoa.gr/~vpavlop
Διαβάστε περισσότεραΓ. Πειραματισμός Βιομετρία
Περιγραφή του σχεδίου Με το μπορούμε να επιλέξουμε την παραλλακτικότητα σε δύο κατευθύνσεις Οι επεμβάσεις τοποθετούνται σε σειρές και στήλες Κάθε σειρά περιλαμβάνει όλες τις επεμβάσεις Κάθε στήλη περιέχει
Διαβάστε περισσότεραΜη Παραµετρικοί Έλεγχοι
Μη Παραµετρικοί Έλεγχοι Επιστηµονική Επιµέλεια: ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Εργαστήριο Γεωργίας Viola adorata Καταρχήν Μη Παραµετρικοί Έλεγχοι εν απαιτούν κανονικότητα
Διαβάστε περισσότερα8. Ανάλυση Διασποράς ως προς. δύο παράγοντες
8. Ανάλυση Διασποράς ως προς δύο παράγοντες Ανάλυση Διασποράς ως προς δύο παράγοντες Α, Β δύο παράγοντες κ: στάθμες (επίπεδα) του παράγοντα Α λ: στάθμες (επίπεδα) του παράγοντα Β κ λ : πειραματικές συνθήκες
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 περισσότερα1. Hasil Pengukuran Kadar TNF-α. DATA PENGAMATAN ABSORBANSI STANDAR TNF α PADA PANJANG GELOMBANG 450 nm
HASIL PENELITIAN 1. Hasil Pengukuran Kadar TNF-α DATA PENGAMATAN ABSORBANSI STANDAR TNF α PADA PANJANG GELOMBANG 450 nm NO KADAR ( pg/ml) ABSORBANSI 1. 0 0.055 2. 15.6 0.207 3. 31.5 0.368 4. 62.5 0.624
Διαβάστε 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 περισσότεραΑνάλυση Διακύμανσης με ένα Παράγοντα (One Way ANOVA)
Κεφάλαιο 7 Ανάλυση Διακύμανσης με ένα Παράγοντα (One Way ANOVA) 7.1 Γενικότητες Η ANOVA περιλαμβάνει μία ομάδα στατιστικών μεθόδων κατάλληλων για την ανάλυση δεδομένων που προκύπτουν από πειραματικούς
Διαβάστε περισσότεραΚεφάλαιο 13. Εισαγωγή στην. Η Ανάλυση ιακύµανσης
Κεφάλαιο 13 Εισαγωγή στην Ανάλυση ιακύµανσης 1 Η Ανάλυση ιακύµανσης Από τα πιο συχνά χρησιµοποιούµενα στατιστικά κριτήρια στην κοινωνική έρευνα Γιατί; 1. Ενώ αναφέρεται σε διαφορές µέσων όρων, όπως και
Διαβάστε περισσότεραΜη Παραμετρικοί Έλεγχοι & Η Δοκιμασία Χ 2
Μη Παραμετρικοί Έλεγχοι & Η Δοκιμασία Χ 2. Μη Παραμετρικοί Έλεγχοι Παραμετρικοί είναι οι κλασικοί έλεγχοι υποθέσεων της Στατιστικής οι οποίοι διεξάγονται κάτω από κάποιες προϋποθέσεις για τις παραμέτρους
Διαβάστε περισσότεραΠροσοχή: Για κάθε λανθασµένη απάντηση δεν θα λαµβάνεται υπόψη µία σωστή
Σειρά Α σ1 Επώνυµο Όνοµα Αρ. Μητρώου Ζήτηµα 1 ο (3 µονάδες) Εξετάσεις Φεβρουαρίου (2011/12) στο Μάθηµα: Στατιστική Θεσσαλονίκη: 03/03/2012 Προσοχή: Για κάθε λανθασµένη απάντηση δεν θα λαµβάνεται υπόψη
Διαβάστε περισσότεραT-tests One Way Anova
William S. Gosset Student s t Sir Ronald Fisher T-tests One Way Anova ΣΤΑΤΙΣΤΙΚΗ Νίκος Ζουρμπάνος Ρούσσος, Π.Λ., & Τσαούσης, Γ. (2002). Στατιστική εφαρμοσμένη στις κοινωνικές επιστήμες. Αθήνα: Ελληνικά
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 περισσότεραΈλεγχος καλής προσαρμογής για μια ποιοτική μεταβλητή (Nonparametric Tests Chi-Square)
Έλεγχος καλής προσαρμογής για μια ποιοτική μεταβλητή (Nonparametric Tests Chi-Square) Το Chi Square τεστ αποτελεί ένα μη παραμετρικό τεστ και εφαρμόζεται σε ονομαστικές μεταβλητές, βάσει των οποίων τα
Διαβάστε περισσότερα3 ο Φυλλάδιο Ασκήσεων. Εφαρμογές
ο Φυλλάδιο Ασκήσεων Εφαρμογές 2 ο Φυλλάδιο Ασκήσεων Εφαρμογή 1 ΣΥΓΚΡΙΣΗ ΤΗΣ ΗΛΙΚΙΑΣ ΤΩΝ ΕΡΓΑΖΟΜΕΝΩΝ ΣΕ ΔΥΟ ΕΠΙΧΕΙΡΗΣΕΙΣ Παρακάτω βλέπουμε τα ιστογράμματα και τα πολύγωνα των σχετικών (%) και σχετικών αθροιστικών
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Διαβάστε περισσότεραΈλεγχος ότι η παράμετρος θέσης ενός πληθυσμού είναι ίση με δοθείσα γνωστή τιμή. μεγέθους n από έναν πληθυσμό με μέση τιμή μ
ΚΕΦΑΛΑΙΟ ΤΕΤΑΡΤΟ Έλεγχος ότι η παράμετρος θέσης ενός πληθυσμού είναι ίση με δοθείσα γνωστή τιμή Έστω ένα τυχαίο δείγμα X,, 1 X n μεγέθους n από έναν πληθυσμό με μέση τιμή μ 2 και διακύμανση σ, άγνωστη.
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΕΝΑ ΦΛΟΚΑ Επίκουρος Καθηγήτρια Τµήµα Φυσικής, Τοµέας Φυσικής Περιβάλλοντος- Μετεωρολογίας ΓΕΝΙΚΟΙ ΟΡΙΣΜΟΙ Πληθυσµός Σύνολο ατόµων ή αντικειµένων στα οποία αναφέρονται
Διαβάστε περισσότερα1 1 1 2 1 2 2 1 43 123 5 122 3 1 312 1 1 122 1 1 1 1 6 1 7 1 6 1 7 1 3 4 2 312 43 4 3 3 1 1 4 1 1 52 122 54 124 8 1 3 1 1 1 1 1 152 1 1 1 1 1 1 152 1 5 1 152 152 1 1 3 9 1 159 9 13 4 5 1 122 1 4 122 5
Διαβάστε περισσότεραΓ. Πειραματισμός Βιομετρία
ANOVA με δειγματοληψία Το Γραμμικό Πρότυπο = µ τ ε i ij δ όπου = το k-στό δείγμα της j-στής παρατήρησης της i-στής επέμβασης µ = ο μέσος όρος του πληθυσμού τ i = η επίδραση της i-στής επέμβασης ε ij =
Διαβάστε περισσότεραFORMULAS FOR STATISTICS 1
FORMULAS FOR STATISTICS 1 X = 1 n Sample statistics X i or x = 1 n x i (sample mean) S 2 = 1 n 1 s 2 = 1 n 1 (X i X) 2 = 1 n 1 (x i x) 2 = 1 n 1 Xi 2 n n 1 X 2 x 2 i n n 1 x 2 or (sample variance) E(X)
Διαβάστε περισσότεραΒοήθημα Εξετάσεων. Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων
Βοήθημα Εξετάσεων Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων 2 1. Περιγραφική Στατιστική Θα δίνονται το ιστόγραμμα των σχετικών συχνοτήτων και τα στατιστικά. 1. Να μπορείτε να εξάγετε
Διαβάστε περισσότεραΓεωργικός Πειραματισμός (Κωδ. 3515) Βασικές Στατιστικές Μέθοδοι και Εργαλεία Ανάλυσης Δεδομένων 2. Ανάλυση Διακύμανσης
Γεωργικός Πειραματισμός (Κωδ. 355) Βασικές Στατιστικές Μέθοδοι και Εργαλεία Ανάλυσης Δεδομένων. Ανάλυση Διακύμανσης Σύντομη ανασκόπηση βασικών εννοιών, προτάσεων και τύπων Πιθανότητα σφάλματος τύπου Ι
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
ΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΕΝΟΤΗΤΕΣ 1. ΓΕΝΙΚΗ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ 3. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΗΣ ΠΡΟΟΔΕΥΤΙΚΗΣ ΠΡΟΣΘΗΚΗΣ
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 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 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 περισσότεραΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 5Α: ΠΑΡΑΜΕΤΡΙΚΟ Χ 2 Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Άδειες Χρήσης
Διαβάστε περισσότεραΈλεγχος υποθέσεων ΙI ANOVA
Έλεγχος υποθέσεων ΙI ANOVA Μοντέλα στην Επιστήμη Τροφίμων 532Ε Τομέας Επιστήμης & Τεχνολογίας Τροφίμων Έλεγχος υποθέσεων Συνεχή δεδομένα z-test Student s test (t-test) Ανάλυση παραλλακτικότητας ή ανάλυση
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 περισσότεραΣτατιστική. 9 ο Μάθημα: Εφαρμογές Στατιστικής ΙΙ: Στατιστικοί Έλεγχοι. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Στατιστική 9 ο Μάθημα: Εφαρμογές Στατιστικής ΙΙ: Στατιστικοί Έλεγχοι Γεώργιος Μενεξές Τμήμα Γεωπονίας Άδειες Χρήσης Το παρόν εκπαιδευτικό
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 περισσότεραΣτατιστική και Θεωρία Πιθανοτήτων (ΓΓ04) ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Εαρινό Εξάμηνο
Εαρινό εξάμηνο 2009-2010 Στατιστική και Θεωρία Πιθανοτήτων (ΓΓ04) ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Εαρινό Εξάμηνο 2009-2010 Στατιστική και Θεωρία Πιθανοτήτων users.att.sch.gr/abouras abouras@sch.gr sch.gr abouras@uth.gr
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 περισσότερα