Χαρακτηριστικά της ανάλυσης διασποράς. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (One-way analysis of variance)
|
|
- Ωσαννά Γιάνναρης
- 8 χρόνια πριν
- Προβολές:
Transcript
1 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 post-hoc ελέγχων Να σκιαγραφηθούν πιο πολύπλοκες τεχνικές ανάλυσης διασποράς όπως η ανάλυση µε δύο ή περισσότερους παράγοντες, (-way ANOVA), η ανάλυση διασποράς επαναληπτικών µετρήσεων (repeated measuremets ANOVA) Χαρακτηριστικά της ανάλυσης διασποράς Η ανάλυση διασποράς (ANOVA) είναι µια τεχνική που χρησιµοποιείται για να καθορίσουµε κατά πόσο ένας µελετώµενος παράγοντας συνεισφέρει στη µεταβλητότητα ενός δείγµατος. Ο παράγοντας χωρίζεται σε > οµάδες ή κατηγορίες (groups) Μοντέλο Ι (Model I) Συγκεκριµένες κατηγορίες (Fixed effects) Π.χ. 4 υπερτασικά φάρµακα µε ίδια δραστική. Μοντέλο ΙΙ (Model II) Τυχαίες κατηγορίες (Radom effects) Π.χ. 4 από ένα σύνολο υπερτασικών φάρµακων. Ανεξαρτήτως µοντέλου η µαθηµατική προσέγγιση είναι η ίδια Προϋποθέσεις της ανάλυσης διασποράς Οι διασπορές των κατηγοριών είναι σ = σ =. = σ κ = σ και άγνωστες Οι µετρήσεις (τιµές) σε κάθε κατηγορία ακολουθούν κανονική κατανοµή Οι πληθυσµοί είναι ανεξάρτητοι µεταξύ τους. Γιατί δεν εφαρµόζουµε έλεγχο t; H διαδικασία των t-ελέγχων είναι αρκετά επίπονη. Για οµάδες τιµών θα πρέπει να εφαρµοσθούν! = ( )!! έλεγχοι. Π.χ. για =5 πρέπει να γίνουν 0 t-έλεγχοι. Αυξάνεται η πιθανότητα λάθους Τύπου Ι. ιαφορετικά η πιθανότητα να αποδεχθούµε την Ηο ενώ αυτή είναι λανθασµένη. Π.χ. για 5 οµάδες (-0,05) 0 =0,403. Τι είναι η Ανάλυση ιασποράς; Είναι η εκτίµηση κατά πόσο η διασπορά οφείλεται σε παράγοντες εντός των οµάδων ή µεταξύ των οµάδων. Παράδειγµα 7.. Σε ένα πείραµα µετρήθηκε η έκκριση ινσουλίνης σε δείγµατα παγκρεατικού ιστού πειραµατόζωων. Τα δείγµατα χωρίστηκαν σε 5 οµάδες µε βάση τα επίπεδα γλυκόζης. Οµάδα,53,69 375,89 3,6,83,86,59 Οµάδα 3,5 3,96 3,59,89,45 3,49,56,44 Οµάδα 3 3,89 4,80 3,68 5,70 5,6 5,79 4,75 5,33 Οµάδα 4 8,8 5,64 7,36 5,33 8,8 5,6 8,75 7,0 Οµάδα 5 5,86 5,46 5,69 6,49 7,8 9,03 7,49 8,98 Κάθε µία οµάδα αντιστοιχεί σε διαφορετικά επίπεδα γλυκόζης. Θέλουµε να εξετάσουµε ένα υπάρχει στατιστικά σηµαντική διαφορά στις µέσες τιµές των κατηγοριών αυτών. 3 4
2 ΟΡΟΛΟΓΙΑ-ΣΥΜΒΟΛΙΣΜΟΙ : ο συνολικός αριθµός των µετρήσεων i : ο αριθµός µετρήσεων της οµάδας i : ο αριθµός των οµάδων (κατηγοριών) x ij : η µέτρηση i από την οµάδα j x j SS w : η µέση τιµή της οµάδας j η µέση τιµή που προκύπτει από όλες τις µέσες τιµές Withi Sum of squares (άθροισµα τετραγώνων εντός των οµάδων). i ( xij xj ) = ( ) s + ( ) s ( ) s j= i= SS B : Betwee Sum of squares (άθροισµα τετραγώνων µεταξύ των οµάδων) ( x ) = ( x ) + ( x ) ( x ) j = x + x x = j 5 SS T : ΟΡΟΛΟΓΙΑ-ΣΥΜΒΟΛΙΣΜΟΙ Total Sum of squares (άθροισµα τετραγώνων όλων των µετρήσεων) SS T =SS w +SS B w : Mea Sum of squares withi groups. (Μέσο άθροισµα τετραγώνων εντός των οµάδων) B : Mea Sum of squares betwee groups (Μέσο άθροισµα τετραγώνων µεταξύ των οµάδων) F: Τιµή στατιστικού F crit : j= i= ( x ) Το κρίσιµο σηµείο της συνάρτησης F a,, i ij SS w - SS B - 6 B w Ν(µ, σ ) Ν(µ, σ ) Ν(µ 3, σ 3 ) Ν(µ, σ ) Ν(µ, σ ) Ν(µ 3, σ 3 ) Ho: µ =µ =µ 3 =µ Hα: µ µ =µ 3 =µ Η κατανοµή F() Πρόκειται για µια ασύµµετρη κατανοµή Το πεδίο ορισµού της F-κατανοµής είναι το (0, + ) Οι αναµενόµενες τιµές για τη µέση τιµή και τη διασπορά της είναι: f(χ) EF ( ) = >, ( + ) Var( F ) = > 4, ( ) ( 4) Ν(µ, σ ) Ν(µ, σ ) -α α SS b ~=SS w SS b > SS w Fcrit 7 8
3 F a,, = Η κατανοµή F() Αν Χ Χ δύο τυχαίες µεταβλητές που ακολουθούν µία χ -κατανοµή µε και βαθµούς ελευθερίας τότε ο λόγος F a,, ακολουθεί µια F-κατανοµή µε και βαθµούς ελευθερίας. Μια σηµαντική ιδιότητα της F είναι: a,, = F a,, Όπως και στις υπόλοιπες κατανοµές οι τιµές της F δίνονται από κατάλληλους στατιστικούς πίνακες F Κατανοµή F Για α= 0,0 ν if ν ,5 99,0 99, 99,3 99,3 99,3 99,4 99,4 99,4 99,4 99,4 99,4 99,4 99,5 99,5 99,5 99,5 99,5 99,5 3 34, 30,8 9,5 8,7 8, 7,9 7,7 7,5 7,3 7, 7, 6,9 6,7 6,6 6,5 6,4 6,3 6, 6, 4, 8,0 6,7 6,0 5,5 5, 5,0 4,8 4,7 4,5 4,4 4, 4,0 3,9 3,8 3,7 3,7 3,6 3,5 5 6,3 3,3,,4,0 0,7 0,5 0,3 0, 0, 9,9 9,7 9,6 9,5 9,4 9,3 9, 9, 9,0 6 3,7 0,9 9,8 9, 8,7 8,5 8,3 8, 8,0 7,9 7,7 7,56 7,40 7,3 7,3 7,4 7,06 6,97 5,65 7, 9,55 8,45 7,85 7,46 7,9 6,99 6,84 6,7 6,6 6,47 6,3 6,6 6,07 5,99 5,9 5,8 5,74 6,65 8,3 8,65 7,59 7,0 6,63 6,37 6,8 6,03 5,9 5,8 5,67 5,5 5,36 5,8 5,0 5, 5,03 4,95 4,86 9 0,6 8,0 6,99 6,4 6,06 5,80 5,6 5,47 5,35 5,6 5, 4,96 4,8 4,73 4,65 4,57 4,48 4,40 4,3 0 0,0 7,56 6,55 5,99 5,64 5,39 5,0 5,06 4,94 4,85 4,7 4,56 4,4 4,33 4,5 4,7 4,08 4,00 3,9 9,65 7, 6, 5,67 5,3 5,07 4,89 4,74 4,63 4,54 4,40 4,5 4,0 4,0 3,94 3,86 3,78 3,69 3,60 9,33 6,93 5,95 5,4 5,06 4,8 4,64 4,50 4,39 4,30 4,6 4,0 3,86 3,78 3,70 3,6 3,54 3,45 3,36 3 9,07 6,70 5,74 5, 4,86 4,6 4,44 4,30 4,9 4,0 3,96 3,8 3,66 3,59 3,5 3,43 3,34 3,5 3,7 4 8,86 6,5 5,56 5,04 4,69 4,46 4,8 4,4 4,03 3,94 3,80 3,66 3,5 3,43 3,35 3,7 3,8 3,09 3,00 5 8,68 6,36 5,4 4,89 4,56 4,3 4,4 4,00 3,89 3,80 3,67 3,5 3,37 3,9 3, 3,3 3,05,96,87 6 8,53 6,3 5,9 4,77 4,44 4,0 4,03 3,89 3,78 3,69 3,55 3,4 3,6 3,8 3,0 3,0,93,84,75 7 8,40 6, 5,9 4,67 4,34 4,0 3,93 3,79 3,68 3,59 3,46 3,3 3,6 3,08 3,00,9,83,75,65 8 8,9 6,0 5,09 4,58 4,5 4,0 3,84 3,7 3,60 3,5 3,37 3,3 3,08 3,00,9,84,75,66,57 9 8,8 5,93 5,0 4,50 4,7 3,94 3,77 3,63 3,5 3,43 3,30 3,5 3,00,9,84,76,67,58,49 0 8,0 5,85 4,94 4,43 4,0 3,87 3,70 3,56 3,46 3,37 3,3 3,09,94,86,78,69,6,5,4 8,0 5,78 4,87 4,37 4,04 3,8 3,64 3,5 3,40 3,3 3,7 3,03,88,80,7,64,55,46,36 7,95 5,7 4,8 4,3 3,99 3,76 3,59 3,45 3,35 3,6 3,,98,83,75,67,58,50,40,3 3 7,88 5,66 4,76 4,6 3,94 3,7 3,54 3,4 3,30 3, 3,07,93,78,70,6,54,45,35,6 4 7,8 5,6 4,7 4, 3,90 3,67 3,50 3,36 3,6 3,7 3,03,89,74,66,58,49,40,3, 5 7,77 5,57 4,68 4,8 3,85 3,63 3,46 3,3 3, 3,3,99,85,70,6,54,45,36,7,7 30 7,56 5,39 4,5 4,0 3,70 3,47 3,30 3,7 3,07,98,84,70,55,47,39,30,,,0 40 7,3 5,8 4,3 3,83 3,5 3,9 3,,99,89,80,66,5,37,9,0,,0,9, ,08 4,98 4,3 3,65 3,34 3,,95,8,7,63,50,35,0,,03,94,84,73,60 0 6,85 4,79 3,95 3,48 3,7,96,79,66,56,47,34,9,03,95,86,76,66,53,38 if 6,63 4,6 3,78 3,3 3,0,80,64,5,4,3,8,04,88,79,70,59,47,3, Κατανοµή F Για α= 0,05 ν if ν ,5 9,0 9, 9, 9,3 9,3 9,4 9,4 9,4 9,4 9,4 9,4 9,4 9,5 9,5 9,5 9,5 9,5 9,5 3 0, 9,6 9,3 9, 9,0 8,9 8,9 8,8 8,8 8,8 8,7 8,7 8,7 8,6 8,6 8,6 8,6 8,5 8,53 4 7,7 6,9 6,6 6,4 6,3 6, 6, 6,0 6,0 6,0 5,9 5,9 5,8 5,8 5,7 5,7 5,7 5,7 5,63 5 6,6 5,8 5,4 5, 5, 5,0 4,9 4,8 4,8 4,7 4,7 4,6 4,6 4,5 4,5 4,5 4,4 4,4 4,37 6 6,0 5, 4,8 4,5 4,4 4,3 4, 4, 4, 4, 4,00 3,94 3,87 3,84 3,8 3,77 3,74 3,70 3,67 7 5,6 4,74 4,35 4, 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,5 3,44 3,4 3,38 3,34 3,30 3,7 3,3 8 5,3 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,8 3, 3,5 3, 3,08 3,04 3,0,97,93 9 5, 4,6 3,86 3,63 3,48 3,37 3,9 3,3 3,8 3,4 3,07 3,0,94,90,86,83,79,75,7 0 5,0 4,0 3,7 3,48 3,33 3, 3,4 3,07 3,0,98,9,85,77,74,70,66,6,58,54 4,84 3,98 3,59 3,36 3,0 3,09 3,0,95,90,85,79,7,65,6,57,53,49,45,40 4,75 3,89 3,49 3,6 3, 3,00,9,85,80,75,69,6,54,5,47,43,38,34,3 3 4,67 3,8 3,4 3,8 3,03,9,83,77,7,67,60,53,46,4,38,34,30,5, 4 4,60 3,74 3,34 3,,96,85,76,70,65,60,53,46,39,35,3,7,,8,3 5 4,54 3,68 3,9 3,06,90,79,7,64,59,54,48,40,33,9,5,0,6,,07 6 4,49 3,63 3,4 3,0,85,74,66,59,54,49,4,35,8,4,9,5,,06,0 7 4,45 3,59 3,0,96,8,70,6,55,49,45,38,3,3,9,5,0,06,0,96 8 4,4 3,55 3,6,93,77,66,58,5,46,4,34,7,9,5,,06,0,97,9 9 4,38 3,5 3,3,90,74,63,54,48,4,38,3,3,6,,07,03,98,93,88 0 4,35 3,49 3,0,87,7,60,5,45,39,35,8,0,,08,04,99,95,90,84 4,3 3,47 3,07,84,68,57,49,4,37,3,5,8,0,05,0,96,9,87,8 4,30 3,44 3,05,8,66,55,46,40,34,30,3,5,07,03,98,94,89,84,78 3 4,8 3,4 3,03,80,64,53,44,37,3,7,0,3,05,0,96,9,86,8,76 4 4,6 3,40 3,0,78,6,5,4,36,30,5,8,,03,98,94,89,84,79,73 5 4,4 3,39,99,76,60,49,40,34,8,4,6,09,0,96,9,87,8,77,7 30 4,7 3,3,9,69,53,4,33,7,,6,09,0,93,89,84,79,74,68,6 40 4,08 3,3,84,6,45,34,5,8,,08,00,9,84,79,74,69,64,58,5 60 4,00 3,5,76,53,37,5,7,0,04,99,9,84,75,70,65,59,53,47,39 0 3,9 3,07,68,45,9,8,09,0,96,9,83,75,66,6,55,50,43,35,5 if 3,84 3,00,60,37,,0,0,94,88,83,75,67,57,5,46,39,3,,00 ΛΥΣΗ ΠΑΡΑ ΕΙΓΜΑΤΟΣ 7. Βήµα ο. H o : µ = µ =µ 3 =µ 4 =µ 5 εναντίον Η α : ένα τουλάχιστον από τα µ i είναι διαφορετικό. Βήµα ο. Υπολογίζουµε τα περιγραφικά στατιστικά µέσες τιµές x i τις διασπορές σ ι κλπ για κάθε οµάδα ξεχωριστά. Οµάδες i Σx i j S Οµάδα 8,40,68 0,56 Οµάδα 8,53,69 0,97 Οµάδα ,56 4,95 0,67 Οµάδα ,44 7,06, Οµάδα ,8 7,0,07 Στη συνέχεια υπολογίζουµε τη µέση τιµή τις διαφορές και τα αθροίσµατα τετραγώνων για τον πληθυσµό. SS (w) SS (b) = ,89 39,374 6,79 38,799 4,660 0,0 5,549 37,377 4,503 38,993 45,394 54,564 3
4 Βήµα 3ο. Υπολογισµός των και της τιµής του στατιστικού F SSw 45,39 SSB 54,56 w = = =,30 B = =38, = 5 B 38,64 F= = = 9,79,30 Βήµα 4ο. ΛΥΣΗ ΠΑΡΑ ΕΙΓΜΑΤΟΣ 7. w Επιλογή της κρίσιµης τιµής F crit Η κρίσιµη τιµή F crit υπολογίζεται για α=0,05 και κ-=4 και -=40-5=35 βαθµούς ελευθερίας. Από πίνακες της F- κατανοµής Fα, 4, 35 =,64 Βήµα 5ο. Από τη σύγκριση των F και F crit προκύπτει ότι : Ηο απορρίπτεται. Τουλάχιστον µία οµάδα έχει διαφορετική µέση τιµή από τις υπόλοιπες. Εκ των υστέρων έλεγχοι (post-hoc tests) Η ανάλυση διασποράς µας δείχνει εάν υπάρχει στατιστικά σηµαντική διαφορά µεταξύ των κατηγοριών (οµάδων). Πως µπορούµε να ελέγξουµε ποια ή ποιες από τις οµάδες διαφοροποιείται; Έχει αναπτυχθεί µια µεθοδολογία εκ των υστέρων (post-hoc tests). Τα γνωστότερα post-hoc tests είναι Boferroi Tuey s LSD (Least Square Differece) Duett Studets-Neuma-Keuls (SNK) Waller-Duca. 3 Καλούνται και adjusted t-tests. 4 Εκ των υστέρων έλεγχοι (post-hoc tests) Ho: µ i =µ j εναντίον H A : µ i µ j Boferroi correctio. έχεται µικρότερο (πιο ισχυρό) επίπεδο σηµαντικότητας α, a 0,05 0, 05 ab = Π. χ. ab = = = 0, x i xj tij = w( + ) i j Duett. Για σύγκριση µε µία οµάδα ελέγχου. Tueys HSD και SNK Χρησιµοποιούνται αρκετά συχνά. Στο Tueys HSD υπολογίζεται µια νέα κρίσιµη τιµή d T. Αν η διαφορά των µέσων τιµών είναι µεγαλύτερη από το d T τότε η Ho απορρίπτεται. 5 Πρόβληµα Παράδειγµα. Σε 36 άτοµα που αρχικώς συµµετείχαν σε εγχειρήσεις υπερµετρωπίας µελετήθηκε η αλλαγή διοπτριών. Προκειµένου να ελέγξουµε την βελτίωση των ασθενών έγιναν µετρήσεις διοπτρίας στις εξής χρονικές στιγµές: προεγχειρητικά, -, 3-, 6-, 9- και - µήνες µετά τις εγχειρήσεις. Από την αρχική οµάδα 36 ατόµων που µετρήθηκαν προεγχειρητικά, 9/36 άτοµα µετρήθηκαν τον ο, 3ο και 6ο µήνα, 6/36 τον 9ο µήνα και 3/36 τον ο µήνα µετά την εγχείρηση. Μπορεί να υποστηριχθεί ότι υπάρχει διαφορά στις διοπτρίες µεταξύ των µετρήσεων σε διαφορετικούς µήνες; Που παρουσιάζεται αν παρουσιάζεται- αυτή η διαφορά; Από δηµιοσιευµένο άρθρο. Paliaris IG, Naoumidi TL, Paagopoulou SI, Alegais AK. Astyraais NI (003) Coductive eratoplasty for low to moderate hyperopia: -year results. Joural of Refractive Surgery, 9:
5 ΛΥΣΗ ΠΑΡΑ ΕΙΓΜΑΤΟΣ (ΜΕ ΧΡΗΣΗ ECEL) ΛΥΣΗ ΠΑΡΑ ΕΙΓΜΑΤΟΣ (ΜΕ ΧΡΗΣΗ ECEL) Επιλέγουµε Εργαλεία-Ανάλυση εδοµένων-ανάλυση διακύµανσης κατά ένα παράγοντα (Tools-Data Aalysis-Oe way Aova) 7 Το ECEL δεν εκτελεί post-hoc tests. 8 ONEWAY dioptr BY oper_mo /STATISTICS DESCRIPTIVES /MISSING ANALYSIS /POSTHOC = SNK TUKEY DUNNETT () ALPHA(.05)
6 Oeway DIOPTR Moth Moths Total DIOPTR Betwee Groups Withi Groups Total Descriptives 95% Cofidece Iterval for Mea N Mea Std. Deviatio Std. Error Lower Boud Upper Boud Miimum Maximum 36,847,5945,09874,6468,0477,00 3,5 9 -,483,6497,055 -,495 -,003 -,88,3 9 -,05,7465,3863 -,389,788 -,38,3 9 -,0457,68940,80 -,3079,65 -,50,3 6,047,7990,5674 -,757,3699 -,50,3 3 -,0598,79447,6566 -,4033,838 -,50,83 7,385,05563,08049,596,4773 -,50 3,5 ANOVA Sum of Squares df Mea Square F Sig. 07,705 5,54 43,60,000 8,850 66,499 90,556 7 Multiple Comparisos Depedet Variable: DIOPTR Tuey HSD Mea Differece 95% Cofidece Iterval (I) OPER_MON (J) OPER_MON (I-J) Std. Error Sig. Lower Boud Upper Boud Moth,0955*,768,000,587,6038,954*,768,000,444,4607,899*,768,000,3846,40,800*,88,000,759,344 Moths,9070*,8858,000,3633,4507 Moth -,0955*,768,000 -,6038 -,587 -,43,8553,97 -,6780,398 -,06,8553,884 -,7375,333 -,954,9080,634 -,8455,548 Moths -,885,976,93 -,757,3803 -,954*,768,000 -,4607 -,444 Moth,43,8553,97 -,398,6780 -,0595,8553,000 -,5944,4754 -,53,9080,967 -,704,3979 Moths -,0454,976,000 -,64,534 -,899*,768,000 -,40 -,3846 Moth,06,8553,884 -,333,7375,0595,8553,000 -,4754,5944 -,098,9080,997 -,6430,4573 Moths,04,976,000 -,5547,588 -,800*,88,000 -,344 -,759 Moth,954,9080,634 -,548,8455,53,9080,967 -,3979,704,098,9080,997 -,4573,6430 Moths,069,03,995 -,476,6900 Moths -,9070*,8858,000 -,4507 -,3633 Moth,885,976,93 -,3803,757,0454,976,000 -,534,64 -,04,976,000 -,588,5547 -,069,03,995 -,6900,476 *. The mea differece is sigificat at the.05 level. Multiple Comparisos Depedet Variable: DIOPTR Duett t (-sided) a ΠΕΡΙΛΗΨΗ Mea Differece 95% Cofidece Iterval (I) OPER_MON (J) OPER_MON (I-J) Std. Error Sig. Lower Boud Upper Boud Moth -,0955*,768,000 -,5458 -,645 -,954*,768,000 -,407 -,50 -,899*,768,000 -,343 -,446 -,800*,88,000 -,645 -,3357 Moths -,9070*,8858,000 -,3887 -,453 *. The mea differece is sigificat at the.05 level. a. Duett t-tests treat oe group as a cotrol, ad compare all other groups agaist it. DIOPTR a,b Studet-Newma-Keuls Subset for alpha =.05 OPER_MON N Moth 9 -, ,05 Moths 3 -, ,0457 6,047 36,847 Sig.,50,000 Meas for groups i homogeeous subsets are displayed. a. Uses Harmoic Mea Sample Size = 8,47. b. The group sizes are uequal. The harmoic mea of the group sizes is used. Type I error levels are ot guarateed. 3 ANOVA: Μας επιτρέπει να γνωρίζουµε εάν η µεταβλητότητα βρίσκεται µεταξύ των οµάδων ή µέσα στις οµάδες Είναι καλύτερο από το t-testt test Μπορεί να συγκρίνει κανείς περισσότερες από δύο οµάδες εν εφαρµόζεται σε επαναλαµβανόµενες µετρήσεις εν µας «δείχνει» ποιες οµάδες είναι διαφορετικές. Για να απαντήσω στο τελευταίο χρειάζοµαι τη χρήση των post-hoc tests. 4 6
τατιςτική ςτην Εκπαίδευςη II
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΣΙΑ ΠΑΝΕΠΙΣΗΜΙΟ ΚΡΗΣΗ τατιςτική ςτην Εκπαίδευςη II Αρχείο αποτελεςμάτων Διδάσκων: Μιχάλης Λιναρδάκης ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ Άδειες Χρήσης Το παρόν
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 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 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 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 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 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 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 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 περισσότεραΣΤΟΧΟΙ ΤΗΣ ΕΝΟΤΗΤΑΣ ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΜΗ ΠΑΡΑΜΕΤΡΙΚΩΝ ΕΛΕΓΧΩΝ
ΣΤΟΧΟΙ ΤΗΣ ΕΝΟΤΗΤΑΣ Να δοθούν οι βασικές αρχές των µη παραµετρικών ελέγχων (non-parametric tests). Να παρουσιασθούν και να αναλυθούν οι γνωστότεροι µη παραµετρικοί έλεγχοι Να αναπτυχθεί η µεθοδολογία των
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 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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ Ονοματεπώνυμο: Όνομα Πατρός:... Σ ΑΜ:. Ημερομηνία: Παρακαλώ μη γράφετε στα παρακάτω
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 περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Ανάλυση διακύμανσης Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
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 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 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 περισσότεραΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Να κατανοηθεί η έννοια της εκτίµησης σηµείου και της εκτίµησης διαστήµατος. Επίσης να κατανοηθεί η έννοια της δειγµατικής κατανοµής παραµέτρου και να υπολογισθούν µε χρήση της Κεντρικού
Διαβάστε 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 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 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 περισσότερα7. Ανάλυση Διασποράς-ANOVA
7. Ανάλυση Διασποράς-ANOVA Παράδειγμα Μετρήσεις της συγκέντρωσης του strodum (mg/ml) σε πέντε υδάτινες περιοχές (Α,Β,C,D,Ε). Α Β C D Ε 8, 39,6 46,3 4,0 56,3 33, 40,8 4, 44, 54, 36,4 37,9 43,5 46,4 59,4
Διαβάστε περισσότερατατιστική στην Εκπαίδευση II
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΣΙΑ ΠΑΝΕΠΙΣΗΜΙΟ ΚΡΗΣΗ τατιστική στην Εκπαίδευση II Λφση επαναληπτικής άσκησης Διδάσκων: Μιχάλης Λιναρδάκης ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ Άδειες Χρήσης Το
Διαβάστε περισσότεραΠεριγραφή των εργαλείων ρουτινών του στατιστικού
Κεφάλαιο 5 ο Περιγραφή των εργαλείων ρουτινών του στατιστικού πακέτου SPSS που χρησιµοποιήθηκαν. 5.1 Γενικά Το στατιστικό πακέτο SPSS είναι ένα λογισµικό που χρησιµοποιείται ευρέως ανά τον κόσµο από επιχειρήσεις
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 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 περισσότεραp n r.01.05.10.15.20.25.30.35.40.45.50.55.60.65.70.75.80.85.90.95
r r Table 4 Biomial Probability Distributio C, r p q This table shows the probability of r successes i idepedet trials, each with probability of success p. p r.01.05.10.15.0.5.30.35.40.45.50.55.60.65.70.75.80.85.90.95
Διαβάστε περισσότεραΕΙ Η ΠΑΛΙΝ ΡΟΜΗΣΗΣ. ΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΛΙΝ ΡΟΜΗΣΗ (Simple Linear Regression) ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ (Regression) ΠΑΛΙΝ ΡΟΜΗΣΗ.
ΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΛΙΝ ΡΟΜΗΣΗ (Smple Lear Regresso) Να κατανοηθεί η έννοια της παλινδρόµησης Ποιες οι προϋποθέσεις για να εφαρµοσθεί η γραµµική παλινδρόµηση; Τι είναι το γραµµικό µοντέλο και πως εκτιµούνται
Διαβάστε περισσότεραΜάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος
ΤΜΜΑ ΕΠΙΧΕΙΡΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΜΑΤΩΝ Μάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος - Στο παρόν µάθηµα δίνεται µε κάποια απλά παραδείγµατα-ασκήσεις
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 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 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 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 περισσότεραΈλεγχος για τις παραμέτρους θέσης περισσοτέρων των δύο πληθυσμών με ανεξάρτητα δείγματα
ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ Έλεγχος για τις παραμέτρους θέσης περισσοτέρων των δύο πληθυσμών με ανεξάρτητα δείγματα Έστω Y,, j1 Yjn, j το πλήθος j = 1,..., k, k 2 τυχαία ανεξάρτητα δείγματα j μεγέθους n j από έναν
Διαβάστε 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 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 περισσότεραΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 2342 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: Οικονομετρικά. Εργαστήριο 15/05/11
ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 34 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: 17 Οικονομετρικά Εργαστήριο 15/5/11 ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ 7 ΕΡΓΑΣΤΗΡΙΟ ΜΗ ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ Σκοπός του παρόντος µαθήµατος είναι η
Διαβάστε περισσότεραΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Στόχοι: (a) να δοθεί µια εισαγωγή στη θεωρία της στατιστικής συµπερασµατολογίας ελέγχων υποθέσεων, (b) να παρουσιάσει τις βασικές εφαρµογές αυτών των ελέγχων: µέσης τιµής, ποσοστού
Διαβάστε 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 περισσότεραΤίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων
Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Ενότητα: Έλεγχος για τις παραμέτρους θέσης περισσοτέρων των δύο πληθυσμών με ανεξάρτητα δείγματα Διδάσκων: Επίκ. Καθ. Απόστολος Μπατσίδης Τμήμα: Μαθηματικών
Διαβάστε 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 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 περισσότεραΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ 5.1 5.8
ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ 5. 5.8 5. Ένας υγειονοµικός σταθµός θέλει να ελέγξει αν ο µέσος αριθµός βακτηριδίων ανά µονάδα όγκου θαλασσινού νερού σε µια παραλία υπερβαίνει το επίπεδο ασφαλείας των 9 µονάδων. ώδεκα
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 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 περισσότεραΕΚΤΙΜΗΤΙΚΗ: ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
ΚΕΦΑΛΑΙΟ 13 ΕΚΤΙΜΗΤΙΚΗ: ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Στις προηγούμενες ενότητες ασχοληθήκαμε με μεθόδους που οδηγούν σε εκτιμήτριες των τιμών μιας ή και περισσοτέρων αγνώστων παραμέτρων. Αυτό έγινε με την κατασκευή
Διαβάστε περισσότεραΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση
ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 7. Παλινδρόµηση Γενικά Επέκταση της έννοιας της συσχέτισης: Πώς µπορούµε να προβλέπουµε τη µια µεταβλητή από την άλλη; Απλή παλινδρόµηση (simple regression): Κατασκευή µοντέλου πρόβλεψης
Διαβάστε 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 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 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 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 περισσότεραΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εισαγωγή στην Ανάλυση Ερευνητικών Δεδομένων στις Κοινωνικές Επιστήμες Με χρήση των λογισμικών IBM/SPSS και LISREL Ενότητα 7 η : Ανάλυση
Διαβάστε περισσότεραΕνότητα 2: Έλεγχοι υποθέσεων για µέσες τιµες πληθυσµών (T-tests) µέσω SPSS
Ενότητα : Έλεγχοι υποθέσεων για µέσες τιµες πληθυσµών (T-tests) µέσω SPSS.. Έλεγχος υποθέσεων για το µέσο µ ενός πληθυσµού Έστω ότι θέλουµε να ελέγξουµε αν ο µέσος µ ενός κανονικού πληθυσµού (µε άγνωστή
Διαβάστε περισσότεραΆσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις:
Άσκηση. Δίνονται οι παρακάτω παρατηρήσεις: X X X X Y 7 50 6 7 6 6 96 7 0 5 55 9 5 59 6 8 8 5 0 59 7 7 8 8 5 5 0 7 69 9 6 6 7 6 9 5 7 6 8 5 6 69 8 0 50 66 0 0 50 8 59 76 8 7 60 7 87 6 5 7 88 9 8 50 0 5
Διαβάστε περισσότεραΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΤΕΤΑΡΤΟ-ΠΕΜΠΤΟ ΘΕΩΡΙΑΣ- ΠΟΛΛΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Σηµειώσεις: Θωµόπουλος Γιώργος Ρογκάκος Γιώργος Καθηγητής: Κουνετάς
Διαβάστε περισσότεραΑνάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα
Ανάλυση Διασποράς Έστω ότι μας δίνονται δείγματα που προέρχονται από άγνωστους πληθυσμούς. Πόσο διαφέρουν οι μέσες τιμές τους; Με άλλα λόγια: πόσο πιθανό είναι να προέρχονται από πληθυσμούς με την ίδια
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 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 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 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 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 περισσότεραΥΠΟΛΟΓΙΣΜΟΣ ΕΝΔΟΕΡΓΑΣΤΗΡΙΑΚΗΣ ΑΝΑΠΑΡΑΓΩΓΙΜΟΤΗΤΑΣ (ΕΝΔΙΑΜΕΣΗΣ ΠΙΣΤΟΤΗΤΑΣ, INTERMEDIATE PRECISION)
ΥΠΟΛΟΓΙΣΜΟΣ ΕΝΔΟΕΡΓΑΣΤΗΡΙΑΚΗΣ ΑΝΑΠΑΡΑΓΩΓΙΜΟΤΗΤΑΣ (ΕΝΔΙΑΜΕΣΗΣ ΠΙΣΤΟΤΗΤΑΣ, INTEMEDIATE PECIION) Ως ιδανικές συνθήκες ενδοεργαστηριακής αναπαραγωγιμότητας (ενδιάμεσης πιστότητας) θεωρούνται το ίδιο εργαστήριο,
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 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 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 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 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 περισσότεραΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης
ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης ιαστήµατα εµπιστοσύνης και έλεγχοι υποθέσεων για τη µέση τιµή Για µια ποσοτική µεταβλητή
Διαβάστε περισσότεραΑ Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο
Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο «Περιγραφική & Επαγωγική Στατιστική» 1. Πάνω από το 3 ο τεταρτημόριο ενός δείγματος βρίσκεται το: α) 15%
Διαβάστε 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 περισσότεραΜεθοδολογία των επιστημών του Ανθρώπου: Στατιστική Ι
Μεθοδολογία των επιστημών του Ανθρώπου: Στατιστική Ι Εργαστήριο 9 1. Να χρησιμοποιηθεί το αρχείο data_kids. Τα δεδομένα του προέρχονται από την έρευνα των Chase και Dummer (1992), μελέτησαν τον ρόλο των
Διαβάστε περισσότεραΈλεγχος Υποθέσεων Εφαρμογές
ΚΕΦΑΛΑΙΟ 7 Έλεγχος Υποθέσεων Εφαρμογές 7.1 Παράμετροι και Στατιστικά Ο στόχος της επαγωγικής στατιστικής είναι η εκτίμηση των παραμέτρων του πληθυσμού από στατιστικό μέγεθος ενός δείγματος. Οι κυριότερες
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 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 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 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 περισσότερατατιστική στην Εκπαίδευση II
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΣΙΑ ΠΑΝΕΠΙΣΗΜΙΟ ΚΡΗΣΗ τατιστική στην Εκπαίδευση II Επαναληπτικζς ασκήσεις Διδάσκων: Μιχάλης Λιναρδάκης ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ Άδειες Χρήσης Το παρόν
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 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 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 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 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 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 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 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 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 περισσότεραΛυμένες Ασκήσεις για το μάθημα:
Λυμένες Ασκήσεις για το μάθημα: ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ ΚΩΝΣΤΑΝΤΙΝΟΣ ΖΑΦΕΙΡΟΠΟΥΛΟΣ Τμήμα: ΔΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΣΠΟΥΔΩΝ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε 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 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 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 περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 16. Απλή Γραμμική Παλινδρόμηση και Συσχέτιση
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
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 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 περισσότεραΕνότητα 4: Πίνακες συνάφειας (Contingency tables)
Ενότητα 4: Πίνακες συνάφειας (Cotigecy tables Σε αρκετές εφαρµογές παρουσιάζεται η ανάγκη ελέγχου της σχέσης µεταξύ δυο κατηγορικών µεταβλητών (Ordial ή omial. Π.χ. θέλουµε να διερευνήσουµε τη σχέση µεταξύ
Διαβάστε περισσότεραΕισαγωγή στη Στατιστική
Εισαγωγή στη Στατιστική Μετεκπαιδευτικό Σεμινάριο στην ΨΥΧΟΚΟΙΝΩΝΙΚΗ ΑΠΟΚΑΤΑΣΤΑΣΗ ΨΥΧΟΚΟΙΝΩΝΙΚΕΣ ΘΕΡΑΠΕΥΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών
Διαβάστε περισσότεραPENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI
155 Lampiran 6 Yayan Sumaryana, 2014 PENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI Universitas Pendidikan Indonesia
Διαβάστε περισσότεραΣτατιστικοί έλεγχοι του Χ 2
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-015 Στατιστικοί έλεγχοι του Χ ΠΟΛΥΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Αν. Καθ. Μαρί-Νοέλ Ντυκέν ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-015 1. Στατιστικός έλεγχος του Χ Ανάλυση με μια κατηγορική μεταβλητή
Διαβάστε περισσότεραΓραπτή Εξέταση Περιόδου Φεβρουαρίου 2013 στη Στατιστική
Εργαστήριο Μαθηματικών & Στατιστικής ΣΕΙΡΑ Α Γραπτή Εξέταση Περιόδου Φεβρουαρίου 013 στη Στατιστική για τα Τμήματα Ε.Τ.Τ., Γ.Β., Α.Ο.Α. και Ε.Ζ.Π.&Υ. 08/0/013 1. [0] Η ποσότητα, έστω Χ, καλίου που περιέχεται
Διαβάστε περισσότερα