Κλωνάρης Στάθης. ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας
|
|
- Δάμαρις Κανακάρης-Ρούφος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Κλωνάρης Στάθης ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας
2 Η Υπόθεση είναι μία πεποίθηση σχετικά με μία παράμετρο Παράμετρος μπορεί να είναι ο μέσος ενός πληθυσμού, ένα ποσοστό, ένας συντελεστής συσχέτισης,... Πιστεύω ότι το μέσο βάρος των πακέτων των Δημητριακών είναι 300 gr
3 Πληθυσμός J J J J J J J Επικρατούσα γνώμη είναι ότι η μέση ηλικία σε αυτό το γκρουπ είναι 50 χρονών (μηδενική υπόθεση) Τυχαίο δείγμα Μέση ηλικία= 45 J J Απόρριψη της μηδενικής υπόθεσης. Ο μέσος του δείγματος είναι μόνο 45!
4 Έλεγχος Υποθέσεων: Είναι μια μέθοδος της Στατιστικής Συμπερασματολογίας (statistical inference) που μας βοηθά να βγάλουμε συμπεράσματα σε σχέση με την τιμή μιας παραμέτρου του πληθυσμού, συγκρίνοντας τα αποτελέσματα του δείγματος με εκείνα που θα περιμέναμε εάν η υπόθεση είναι αληθινή. Η μέθοδος αυτή μας βοηθά να διαπιστώσουμε εάν τα δεδομένα του δείγματος υποστηρίζουν την υπόθεση ότι η παράμετρος του πληθυσμού έχει μια συγκεκριμένη τιμή. Με άλλα λόγια προσπαθούμε να προσδιορίσουμε την πιθανότητα να προκύψει ένα δείγμα όπου η τιμή της παραμέτρου είναι π.χ. μ από έναν πληθυσμό με πραγματική τιμή μ 0. Εάν η πιθανότητα είναι μεγάλη τότε η διαφορά μεταξύ του μ και μ 0 οφείλεται στις τυχαίες κυμάνσεις της δειγματοληψίας. Αντίθετα, εάν διαπιστωθεί ότι η πιθανότητα είναι μικρή, τότε η υπόθεση δεν ισχύει.
5 H 0 : Το μέσο ύψος των ανδρών είναι 174. H 1 : Το μέσο ύψος των ανδρών είναι μεγαλύτερο από174. H 0 : Ο μισός πληθυσμός είναι υπέρ της χρήσης πυρηνικής ενέργειας. H 1 : Λιγότερο από τον μισό πληθυσμό είναι υπέρ της χήρησης πυρηνικής ενέργειας H 0 : Το ποσοστό ανεργίας είναι ίσο μεταξύ ανδρών και γυναικών. H 1 : Το ποσοστό ανεργίας είναι μεγαλύτερο στις γυναίκες. H 0 : Δεν υπάρχει συσχέτιση μεταξύ των επιτοκίων και της τιμής του χρυσού. H 1 : Υπάρχει συσχέτιση μεταξύ των επιτοκίων και της τιμής του χρυσού.
6 Οι βασικές έννοιες του ελέγχου υποθέσεων είναι οι εξής: 1. Υπάρχουν δύο υποθέσεις. Η πρώτη ονομάζεται μηδενική υπόθεση (null hypothesis, Η 0 )και η δεύτερη εναλλακτική υπόθεση ή υπόθεση έρευνας (alternative hypothesis, H 1 ). 2. Ο έλεγχος ξεκινά θωρώντας ότι η μηδενική υπόθεση είναι αληθής. 3. Στόχος του ελέγχου είναι να καθοριστεί αν υπάρχουν αρκετές αποδείξεις που να στηρίζουν την αλήθεια της εναλλακτικής υπόθεσης. 4. Οι δυνατές αποφάσεις είναι δύο: Απόρριψη της μηδενικής υπόθεσης Αποδοχή (μη- απόρριψη) της μηδενικής Υπόθεσης
7 Μηδενική υπόθεση (Null Hypothesis) Η 0, είναι η υπόθεση που ελέγχουμε. Εναλλακτική υπόθεση (Alternative Hypothesis) Η 1, είναι η υπόθεση που θα δεχθούμε εάν η μηδενική υπόθεση βρεθεί εσφαλμένη. Η Εναλλακτική υπόθεση δεν περιέχει το σύμβολο ίσον (=) όσον αφορά την τιμή της παραμέτρου του πληθυσμού αλλά βασίζεται στο, >, < Η αποδοχή ή η απόρριψη της μηδενικής υπόθεσης βασίζεται στη τιμή του κριτηρίου ελέγχου (test statistic). Κριτήριο ελέγχου είναι η στατιστική (μεταβλητή) που υπολογίζεται με βάση τις πληροφορίες του δείγματος και ακολουθεί μια γνωστή κατανομή (Ζ κανονικής κατανομής, t κατανομής student, κτλ). Εφόσον το κριτήριο ακολουθεί μια γνωστή κατανομή, με την χρήση των εμβαδών της αντίστοιχης κατανομής θα προσδιορίσουμε την πιθανότητα με βάση την οποία θα κρίνουμε εάν η H 0 είναι αληθινή ή όχι. Επίπεδο σημαντικότητας (significant level) και συμβολίζεται με α, είναι η τιμή της πιθανότητας που μικρότερή της θα θεωρείται απίθανο να αποδοθεί στην τύχη ενώ μεγαλύτερη θα είναι φυσικό να ην αποδώσουμε στην τύχη.
8 Κατά το έλεγχο υποθέσεων υπάρχουν δύο δυνατοί τύποι σφαλμάτων. Το σφάλμα τύπου I συμβαίνει όταν απορρίπτουμε μία αληθινή μηδενική υπόθεση, ενώ το σφάλμα τύπου II συμβαίνει όταν δεχόμαστε μία ψευδή μηδενική απόφαση. Πραγματικότητα Η 0 Αληθινή Η 1 Αληθινή Απόφαση Επιλέγω Η 0 Επιλέγω Η 1 Σωστή Απόφαση Σφάλμα τύπου II Σφάλμα Τύπου I Σωστή Απόφαση
9 Ένα συνηθισμένο παράδειγμα είναι από τον χώρο της δικαιοσύνης. Όταν κάποιος αντιμετωπίζει μια σοβαρή κατηγορία οδηγείται στο δικαστήριο, όπου ο δημόσιος κατήγορο και ο συνήγορος υπεράσπισης παρουσιάζουν αποδείξεις και αναπτύσσουν επιχειρήματα, και τελικά οι ένορκοι αποφασίζουν αν ο κατηγορούμενος είναι αθώος ή ένοχος. Αυτό που κάνουν οι ένορκοι είναι ένας έλεγχος υποθέσεων. Η0: ο κατηγορούμενος είναι αθώος Η1: ο κατηγορούμενος είναι ένοχος Πραγματικότητα Απόφαση δικαστηρίου Η 0 Αληθινή (αθώος) Η 1 Αληθινή (ένοχος) Επιλέγω Η 0 (Αθώωση) Σωστή Απόφαση Σφάλμα τύπου II Επιλέγω Η 1 (Καταδίκη) Σφάλμα Τύπου I Σωστή Απόφαση
10 1. Μπορούμε να αποφύγουμε τα σφάλματα κατά τον έλεγχο των υποθέσεων; 2. Μπορούμε να υπολογίσουμε την πιθανότητα να διαπράξουμε κατά τον έλεγχο των υποθέσεων; α= P (Σφάλμα Τύπου I)=P (Απορρίπτω την H 0 Η 0 σωστή)= β= P (Σφάλμα Τύπου II)=P (Δεν απορρίπτω την H 0 Η 1 σωστή) 1-β= Ρ (απορρίπτω Η 0 Η 1 σωστή) καλείται Δύναμη κριτηρίου ή Ισχύς ελέγχου και εκφράζεται συνήθως ως συνάρτηση των τιμών μ 1 -μ ο δηλαδή 1-β=f (μ 1 -μ 0 )
11 Περιοχή αποδοχής της Η0 β Περιοχή απόρριψης της Η0 (1 - β) Η0: μ0 Ζ1-α/2 Η1: μ1
12 Η 0 : μ=μ ο Κριτήριο ελέγχου: Η 1 : μ μ ο Z X / n Εφόσον το επίπεδο σημαντικότητας είναι α, τότε η περιοχή απόρριψης έχει εμβαδόν (πιθανότητα) α, και η περιοχή αποδοχής εμβαδόν ίσο με 1-α Οι τιμές του κριτηρίου Ζ που αντιστοιχούν στα όρια της περιοχής απόρριψης ονομάζονται κριτικές τιμές (critical values). Η κάτω τιμή συμβολίζεται με Ζ α/2 και η άνω τιμή με Ζ 1-α/2 Εάν Ζ είναι η τιμή που προκύπτει από τα δεδομένα του δείγματος τότε εάν: Ζ<Ζ α/2 ή Ζ>Ζ 1-α/2 τότε η Η 0 απορρίπτεται Ζ α/2 <Ζ<Ζ 1-α/2 τότε η Η 0 γίνεται δεκτή
13 Περιοχή απόρριψης (α/2) Περιοχή αποδοχής της Ηο (1 - α) Περιοχή απόρριψης (α/2) Κριτική τιμή: Ζα/2 Τιμή μέσου υπόθεσης Ηο Κριτική τιμή: Ζ1-α/2
14 Μία εταιρεία παράγει συνθετικό δέρμα που χρησιμοποιείται για την υποδηματοποιία. Μία από τις βασικές προδιαγραφές που πρέπει να τηρούνται είναι το πάχος. Από τις προδιαγραφές είναι γνωστό ότι ο συγκεκριμένος τύπος συνθετικού δέρματος παράγεται με μέσο πάχος 4 χιλιοστά και σ=0,1 χιλιοστά. Από δείγμα 50 μετρήσεων προέκυψε μέσο παχος=4,02 χιλιοστά. Το ερώτημα που απασχολεί τον υπεύθυνο παραγωγής είναι εάν η παραγωγή εξελίσσεται ομαλά σύμφωνα με τις προδιαγραφές ή κάποιο πρόβλημα στην παραγωγή προκαλεί μεταβολή στο πάχος του συνθετικού δέρματος. n=50 X Z / n Η 0 : μ = 4 χιλ. Η 1 : μ 4χιλ. 4,02 4,00 1,41 0,1/ 50 Οι κριτικές τιμές του κριτηρίου Ζ σύμφωνα με την τυποποιημένη κανονική κατανομή είναι -1,96 και 1,96 Για α=0.05 εύκολα βρίσκουμε από τους Πίνακες της τυποποιημένης Κανονικής Κατανομής ότι z =1.96
15 z
16 Απορρίπτουμε την Ηο (α/2 = 0,025) Δεν απορρίπτουμε την Ηο (1-α = 0,95) Απορρίπτουμε την Ηο (α/2 = 0,025) Ζ = -1,96 μο = 4 χιλιοστά Ζ = +1,96 Άρα, z=1.41< z =1.96 οπότε δεν απορρίπτουμε την μηδενική υπόθεση H 0
17 Ισοδύναμα θα μπορούσαμε να κατασκευάσουμε ένα συμμετρικό 95% Διάστημα Εμπιστοσύνης για το μ, το οποίο εν είναι τίποτε άλλο από την περιοχή αποδοχής του αμφίπλευρου ελέγχου: (x zaσ/ 2 n, x + zaσ/ n) = ( , ) = (3.9922, ) Παρατηρούμε ότι το παραπάνω ΔΕ περιέχει την υποτιθέμενη τιμή με βάση την H 0 (4 mm) και άρα οδηγούμαστε στο συμπέρασμα να δεχτούμε την H 0
18 Στο προηγούμενο παράδειγμα (εταιρία παραγωγής συνθετικού δέρματος) χρησιμοποιήσαμε έναν τυποποιημένο έλεγχο (standardized test statistic). Το μειονέκτημα αυτής της μεθόδου είναι ότι η πληροφορία που μας δίνει είναι ένα απλό ναι ή όχι το οποίο οδηγεί στην λήψη της απόφασης. Η τιμή p (p-value) είναι η δεσμευμένη πιθανότητα να πάρει ο έλεγχος μια τιμή σαν αυτή που έχει υπολογιστεί από το δείγμα, με δεδομένη την αλήθεια της μηδενικής υπόθεσης. 18
19 Στο προηγούμενο παράδειγμα, η τιμή p είναι η πιθανότητα σε ένα πληθυσμό με μέσο 4,0 και τυπική απόκλιση 0,1, ένα δείγμα μεγέθους 50 μετρήσεων να έχει μέσο όρο διαφορετικό του 4,0. P( X P( Z 4,0) a / 2 1,414) X P( / n άρα P ) 0.1/ a / 2 Με άλλα λόγια, υπάρχει μία μεγάλη πιθανότητα το δείγμα με μέσο 4,02 να προέρχεται από έναν πληθυσμό με μέσο 4,0 ή αλλιώς δεν έχουμε καμία απόδειξη ώστε να απορρίψουμε την μηδενική υπόθεση Όταν το p-value είναι μικρότερο του α, τότε η H 0 απορρίπτεται 19
20 Η τιμή P ενός ελέγχου υπόθεσης αποτελεί μία πολύτιμη πληροφορία επειδή είναι ένα μέτρο στατιστική βαρύτητας των στοιχείων που στηρίζουν την εναλλακτική υπόθεση. Συντριπτική Απόδειξη (Highly Significant) Ισχυρή Ένδειξη (Significant) Ασθενής Απόδειξη (Not Significant) Καμία Απόδειξη (Not Significant) p=
21 Ανάλογα με το πώς εκφράζεται η εναλλακτική υπόθεση έχουμε μονοκατάληκτα και δικατάληκτα κριτήρια ελέγχου. Δικατάληκτο κριτήριο χρησιμοποιείται όταν ελέγχουμε μία υπόθεση όπου η παράμετρος παίρνει μια τιμή διάφορη ( ) από μία άλλη. 21
22 22
23 23
24 Μέσος πληθυσμού όταν η τυπική απόκλιση είναι άγνωστη Μέχρι τώρα εκτιμούσαμε τον μέσο του πληθυσμού γνωρίζοντας την τυπική απόκλιση του πληθυσμού χρησιμοποιώντας τον τύπο Αλλά πόσο συχνά γνωρίζουμε την τυπική απόκλιση του πληθυσμού; Στην περίπτωση όπου η τυπική απόκλιση του πληθυσμού είναι άγνωστη χρησιμοποιούμε για την εκτίμηση του μέσου το κριτήριο t-stundent 24
25 Μέσος πληθυσμού όταν η τυπική απόκλιση είναι άγνωστη Όταν η σ είναι άγνωστη, χρησιμοποιούμε την τυπική απόκλιση του δείγματος s και η στατιστική z αντικαθίσταται από την στατιστική t, που ακολουθεί κατανομή t-student με βαθμούς ελευθερίας ν=n 1. 25
26 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη Όταν η τυπική απόκλιση σ του πληθυσμού είναι άγνωστη και ο πληθυσμός ακολουθεί κανονική κατανομή, ο έλεγχος υποθέσεων για τον μέσο μ του πληθυσμού υπολογίζεται από τον τύπο: Όταν η τυπική απόκλιση σ του πληθυσμού είναι άγνωστη και ο πληθυσμός ακολουθεί κανονική κατανομή, ο εκτιμητής διαστήματος εμπιστοσύνης του μέσου μ του πληθυσμού δίνεται από τον τύπο: 26
27 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη Απαραίτητη προϋπόθεση για το παραπάνω είναι τα δεδομένα μας να είναι Κανονικά Κατανεμημένα ή το μέγεθος του δείγματος να είναι μεγάλο (n>50). Όταν το δείγμα μας είναι μεγάλο τότε η κατανομή του Student προσεγγίζει την κανονική κατανομή οπότε μπορούμε να θεωρήσουμε ότι το Τα ακολουθεί την N(0,1). Ο συγκεκριμένος έλεγχος καλείται one sample t-test Αν το μέγεθος του δείγματος δεν είναι μεγάλο και δεν ισχύει η κανονικότητα, τότε χρησιμοποιούμε το αντίστοιχο μη-παραμετρικό έλεγχο που θα εξετάσουμε παρακάτω. 27
28 Παράδειγμα Ένας διαιτολόγος ισχυρίζεται ότι ο μέσος Έλληνας είναι πάνω από 20 κιλά βαρύτερος από το ιδανικό βάρος. Για τον έλεγχο αυτής της υπόθεσης επιλέχθηκε ένα τυχαίο δείγμα 20 ατόμων και καταγράφηκε η διαφορά ανάμεσα στο πραγματικό και το ιδανικό βάρος του καθενός. Μπορούμε από τα δεδομένα να συμπεράνουμε σε επίπεδο σημαντικότητας 5% ότι ο ισχυρισμός είναι αληθής; Τα δεδομένα είναι ποσοτικά και το ζητούμενο είναι ο έλεγχος μιας υπόθεσης για το μέσο βάρος πάνω από το ιδανικό βάρος. Αναγνωρίστε την παράμετρο Θέλουμε να γνωρίζουμε εάν υπάρχουν αρκετές αποδείξεις ώστε να συμπεράνουμε ότι ο μέσος Έλληνας είναι πάνω από 20 κιλά υπέρβαρος. Έτσι, H 1 : µ > 20 Ως εκ τούτου ορίζουμε την μηδενική υπόθεση ως: H 0 : µ = 20 28
29 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη 29
30 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη 30
31 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη Επειδή το δείγμα μας δεν είναι μεγάλο, αρχικά ελέγχουμε αν η υπόθεση της κανονικότητας είναι λογική. Η υπόθεση της κανονικότητας δεν φαίνεται και πολύ λογική 31
32 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη Για να ελέγξουμε αν τα δεδομένα μας προέρχονται από την Κανονική κατανομή κάνουμε επίσης μία γραφική παράσταση των δειγματικών ποσοστημορίων ως προς τα θεωρητικά ποσοστημόρια της Κανονικής Κατανομής (QQ - PLOT). Όσο πιο κοντά στην γραμμή που αναπαριστά τα θεωρητικά ποσοστημόρια είναι τα σημεία που αναπαριστούν τα δειγματικά ποσοστημόρια, τόσο καλύτερη προσαρμογή έχουμε. Ισοδύναμα υπάρχει και το PP-PLOT που ελέγχει δειγματικές αθροιστικές πιθανότητες με αναμενόμενες αθροιστικές πιθανότητες με βάση την υπόθεση της κανονικής κατανομής. Και σε αυτή την περίπρτωση, όσο πιο κοντά στην γραμμή βρίσκονται τα σημεία τόσο καλύτερη προσαρμογή έχουμε. 32
33 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη 33
34 Ένα δείγμα: 2. Εκτίμηση του μ όταν σ είναι άγνωστη Η υπόθεση της κανονικότητας δεν φαίνεται και πολύ λογική 34
35 Παράδειγμα Υπολογίστε Επειδή η τυπική απόκλιση του πληθυσμού δεν είναι γνωστή, θα υπολογίσουμε τον μέσο χρησιμοποιώντας την στατιστική t που ακολουθεί t-student κατανομή με βαθμούς ελευθερίας ν=η-1=20-1=19. x n x i s 2 ( X i n 1 X ) X 2 i ( n 1 X n i ) s s t x s/ n ,76 / t 0.05,
36 Ένα δείγμα : Με το SPSS Η Τιμή που ελέγχουμε Επίπεδο σημαντικότητας 36
37 Ένα δείγμα: Με το SPSS Η τιμή της στατιστικής t Βαθμοί ελευθερίας P τιμή του αμφίπλευρου ελέγχου Διαφορά δειγματικού μέσου από την υποτιθέμενη τιμή κάτω από την H 0 95% Δ.Ε. της διαφοράς ου μέσου από την υποτιθέμενη τιμή κάτω από την H 0 37
38 Ένα δείγμα Ερμηνεύστε Η τιμή της t-statistics είναι t= και η τιμή p είναι ίση με 0.29 (=0.58/2). Δεν υπάρχουν αρκετές αποδείξεις ώστε να συμπεράνουμε ότι ο μέσος Έλληνας είναι υπέρβαρος πάνω από 20 κιλά. Παρατηρήστε ότι ο έλεγχος βρίσκεται αρκετά μακριά στο όριο περιοχής απόρριψης και η τιμή p-value είναι Αυτό σημαίνει ότι η πιθανότητα να ισχύει η μηδενική υπόθεση και να έχουμε ένα δείγμα με τον μέσο που βρήκαμε μεγαλύτερο των 20 κιλών είναι 29%. Συνεπώς, δεν μπορούμε να συμπεράνουμε ότι οι Έλληνες είναι υπέρβαροι πάνω από 20 κιλά. 38
39 Όταν το μέγεθος του δείγματος είναι μικρό και δεν ισχύει η υπόθεση της κανονικότητας, μπορούμε να εφαρμόσουμε τον αντίστοιχο μηπαραμετρικό έλεγχο που καλείται Wilcoxon test. Για την εφαρμογή του παραπόνου ελέγχου στο SPSS πρέπει να κατασκευάσουμε μία καινούργια μεταβλητή (π.χ. Value), στην οποία επαναλαμβάνουμε την τιμή κάτω από την H 0 (20 για το συγκεκριμένο παράδειγμα) για κάθε μονάδα του δείγματος 39
40 Μη παραμετρικό τεστ 40
41 Μη παραμετρικό τεστ 41
42 Μη παραμετρικό τεστ Αποτέλεσμα του ελέγχου Ασυμπτωτική P-τιμή H P-τιμή> 0.05 οπότε δεν έχουμε σοβαρές ενδείξεις εναντίον της μηδενικής υπόθεσης 42
43 Αν τα δεδομένα μας είναι ονομαστικά, μπορούμε να μετρήσουμε μόνο σχετικές συχνότητες ή ποσοστά. Ως εκ τούτου, η παράμετρος που περιγράφει έναν πληθυσμό ονομαστικών δεδομένων είναι το ποσοστό του πληθυσμού p. Μία ονομαστική μεταβλητή μπορεί να έχει περισσότερες από δύο τιμές. Στην πράξη όμως ενδιαφερόμαστε για μία μόνο τιμή (ή ομάδα τιμών) την οποία ονομάζουμε «επιτυχία» ενώ τις άλλες τιμές τις ονομάζουμε «αποτυχία». Με τον τρόπο αυτό κάθε ονομαστική μεταβλητή μπορεί να θεωρηθεί ότι έχει μόνο δύο δυνατά αποτελέσματα. (π.χ. δημοσκοπήσεις πρόθεσης ψήφου, προτιμήσεις καταναλωτών κ.α.) 43
44 Ο έλεγχος της υπόθεσης που χρησιμοποιείται για ένα ποσοστό p ενός πληθυσμού είναι: και ακολουθεί κατά προσέγγιση την κανονική κατανομή με την προϋπόθεση ότι np>5 και n(1-p)>5. pˆ x n και x είναι ο αριθμός των επιτυχιών σε ένα δείγμα και n το μέγεθος του δείγματος. 44
45 Ο εκτιμητής διαστήματος εμπιστοσύνης για το ποσοστό p υπολογίζεται από τον τύπο: (με την προϋπόθεση ότι np>5 και n(1 p)>5) 45
46 Επειδή στο SPSS δεν υπάρχει η στατιστική z, ισοδύναμα θα μπορούσαμε να είχαμε κατασκευάσει έναν πίνακα συχνοτήτων και να ελέγχαμε αν οι παρατηρηθείσες συχνότητες (δείγμα) διαφέρουν από τις αναμενόμενες (np 0 και n(1-p 0 )) υπολογίζοντας την παρακάτω στατιστική ελέγχου: x 2 = (παρατηρηθείσες συχνότητες αναμενόμενες συχνότητες) 2 (αναμενόμενες συχνότητες) 46
47 Η παραπάνω στατιστική ελέγχου κάτω από την μηδενική υπόθεση ακολουθεί μία x 2 κατανομή με ένα βαθμό ελευθερίας, οπότε η p-τιμή του ελέγχου προκύπτει όπως πριν. Για να εφαρμοστεί ο προηγούμενος έλεγχος πρέπει οι αναμενόμενες συχνότητες να είναι τουλάχιστον 5 47
48 Παράδειγμα: Από προηγούμενη πανελλαδική έρευνα είναι γνωστό ότι το 25% των Ελλήνων πολιτών είναι υπέρβαροι. Για να ελέγξουμε αυτή την υπόθεση οργανώνουμε μία νέα έρευνα όπου σε ένα τυχαίο δείγμα n=100 Ελλήνων πολιτών βρέθηκαν κ=30 υπέρβαροι (p =30/100). Η 0 : p=0.25 με εναλλακτική H 1 : p 0.25 Παρατηρούμε ότι np 0-25 και n(1-p 0 )=75 48
49 Ένα δείγμα 3.Έλεγχος Ποσοστού p 49
50 Ένα δείγμα 3.Έλεγχος Ποσοστού p 50
51 Ένα δείγμα 3.Έλεγχος Ποσοστού p Συχνότητες από το δείγμα Αναμενόμενες συχνότητες X2 στατιστική P-τιμή του ακριβή αμφίπλευρου ελέγχου Έλεγχος των προϋποθέσεων 51
52 3.Έλεγχος Ποσοστού p Αντιστοιχία z-test και x 2 -test z-test: Proportion obesity Sample Proportion 0.3 Observations 100 Hypothesized Proportion 0.25 z Stat P(Z<=z) one-tail z Critical one-tail P(Z<=z) two-tail z Critical two-tail 1.96 z = x 2 z = 1, 333 z =
53 Από τα αποτελέσματα του παραπάνω ελέγχου καταλήγουμε ότι, σε ε.σ. 5% δεν έχουμε σοβαρές ενδείξεις εναντίον της μηδενικής υπόθεσης, οπότε δεν την απορρίπτουμε. Δηλαδή, δεχόμαστε ότι το ποσοστό των παχύσαρκων Ελλήνων είναι 25%. Όταν δεν ισχύουν οι προϋποθέσεις (οι αναμενόμενες συχνότητες να είναι τουλάχιστον 5) θα πρέπει να εφαρμόσουμε το Διωνυμικό κριτήριο (Binominal test) 53
54 54
55 Ακριβής P-τιμή μονόπλευρου ελέγχου Η ακριβής τιμή αμφίπλευρου ελέγχου είναι ίση με 2 Χ 0.15=
56 Η κυβέρνηση πριν πάρει την απόφαση να διεξάγει ένα δημοψήφισμα σχετικά με την υπογραφή ή όχι ενός τρίτου Μνημονίου διεξάγει μία έρευνα σχετικά με το εάν οι Έλληνες ναι υπέρ ή κατά με την ενδεχόμενη υπογραφή ενός Μνημονίου Νο 3. Οι απαντήσεις είναι μόνο δύο 1. ΝΑΙ και 2. ΌΧΙ. Από πανελλαδικό δείγμα 765 ατόμων ο αριθμός των ΟΧΙ είναι 407. Μπορεί η κυβέρνηση σε επίπεδο σημαντικότητας 5% να συμπεράνει ότι ο Ελληνικός λαός είναι κατά της υπογραφής ενός νέου μνημονίου; 56
57 Αναγνωρίστε την παράμετρο Το πρόβλημα είναι η περιγραφή του πληθυσμού των ψήφων σε ολόκληρη την Ελλάδα. Τα δεδομένα είναι ονομαστικά καθώς οι τιμές είναι «ΝΑΙ» και «ΌΧΙ» Η παράμετρος που πρέπει να εξεταστεί είναι το ποσοστό μίας από τις δύο απαντήσεις. Για να πάρει η κυβέρνηση την απόφαση να πάει σε ένα δημοψήφισμα ελέγχει την υπόθεση: Η 1 :p>0.5 Η 0 :p=0.5 Θα χρησιμοποιήσει την στατιστική Η κατανομή είναι κατά προσέγγιση η τυποποιημένη κανονική κατανομή και για στάθμη σημαντικότητας 5% θα χρησιμοποιηθεί το διάστημα: z>z α =z 0.05 =
58 Υπολογισμός n=765 και ο αριθμός των επιτυχιών (ψήφων υπέρ του ΌΧΙ) είναι x=407. Έτσι το ποσοστό υπέρ του ΌΧΙ στο δείγμα είναι: p n x z p p(1 p p) / n (1 0.5) /
59 Υπολογισμός Βάζουμε τις κατηγορίες του δημοψηφίσματος (ΝΑΙ και ΌΧΙ) σε μία μεταβλητή (Referendum) και τις παρατηρήσεις μας σε μία άλλη μεταβλητή (Count) (.αριστερή εικόνα). Κατόπιν σταθμίζουμε τις κατηγορίες της ονομαστικής μεταβλητής με τις παρατηρήσεις. 59
60 Έλεγχος ποσοστού με x 2 στατιστική στο SPSS Επιλέγουμε, Analyze>Non parametric tests>legacy Dialogs>Chi square 60
61 Έλεγχος ποσοστού με x 2 στατιστική στο SPSS Υπολογισμός 61
62 Ερμηνεία Ο έλεγχος είναι z=1.77 (z = = 1.77 και η τιμή p= Σε επίπεδο σημαντικότητας 5% μπορούμε να απορρίψουμε την υπόθεση μηδέν και να συμπεράνουμε ότι οι Έλληνες είναι κατά της υπογραφής ενός νέου μνημονίου. Ένα σημαντικό θέμα σε κάθε έλεγχο υπόθεσης είναι το κόστος των σφαλμάτων Ι και ΙΙ. Αυτό που θα ήθελε να αποφύγει η Ελληνική Κυβέρνηση είναι να δεχθεί την υπόθεση μηδέν που είναι λανθασμένη (σφάλμα τύπου ΙΙ) και να προχωρούσε σε δημοψήφισμα όπου το αποτέλεσμα θα ήταν η μη υπογραφή ενός νέου μνημονίου. Αν η δειγματοληπτική έρευνα έθετε επίπεδο σημαντικότητα α=1% (z 0.01 =2.575) σε αυτή την περίπτωση θα είχαμε αποδοχή της μηδενικής απόφασης και διεξαγωγή δημοψηφίσματος. Έτσι, όσο μεγαλύτερο επίπεδο σημαντικότητας διάλεγε η Ελληνική Κυβέρνηση για να ελέγξει την υπόθεση, τόσο μικρότερη θα είναι η πιθανότητα να πέσει σε Σφάλμα τύπου ΙΙ 62
63 Αν η παράμετρος που πρέπει να εκτιμηθεί είναι ένα ποσοστό, το όριο σφάλματος εκτίμησης δίνεται από τον τύπο: z a /2 p(1 p)/ n p p B Αν επιλύσουμε ως προς n βρίσκουμε την έκφραση για το επιθυμητό μέγεθος του δείγματος n [ z a / 2 p(1 B p ] 2 63
64 Όπως έχουμε δεί σε πολλά παραδείγματα βρίσκουμε διαδοχικά 1-α=0.95, α=0.05, α/2=0.025, z α/2 =z =1.96 Έτσι: n [ z a / 2 p(1 B p) ] [ p(1 B p) ] Ας υποθέσουμε ότι μία εταιρεία θέλει να εκτιμήσει το ποσοστό των καταναλωτών που προτιμούν το δικό της προϊόν, με επίπεδο εμπιστοσύνης 95% και μέγιστη απόκλιση Αν γνωρίζει ότι το μερίδιο αγοράς στην αγορά είναι στο 20%, μπορούμε να θέσουμε p=0. 2 και να βρούμε n 1.96 [ 0.2(1 0.2) 0.03 ]
Στατιστικός 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 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 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 περισσότεραΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4A: Έλεγχοι Υποθέσεων και Διαστήματα Εμπιστοσύνης Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ
Διαβάστε 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 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 περισσότεραΈλεγχος υποθέσεων και διαστήματα εμπιστοσύνης
1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από
Διαβάστε 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 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 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 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 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 περισσότεραΚεφάλαιο 11 Εισαγωγή στον Έλεγχο Υποθέσεων
Κεφάλαιο 11 Εισαγωγή στον Έλεγχο Υποθέσεων Επαγωγική Στατιστική Ο έλεγχος υποθέσεων είναι η δεύτερη μορφή της επαγωγικής στατιστικής. Έχει επίσης μεγαλύτερη δυνατότητα εφαρμογής. Για να κατανοήσουμε την
Διαβάστε περισσότεραΈλεγχοι Υποθέσεων. Χρήση της Στατιστικής. Η λογική του Ελέγχου Υπόθεσης Ο Έλεγχος Υπόθεσης 7-2
Έλεγχοι Υποθέσεων 7-2 7 Έλεγχοι Υποθέσεων Χρήση της Στατιστικής Η λογική του Ελέγχου Υπόθεσης Ο Έλεγχος Υπόθεσης 7-3 7 Μαθησιακοί Στόχοι Όταν θα έχετε ολοκληρώσει την μελέτη του κεφαλαίου θα πρέπει να
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 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 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 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 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 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 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 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 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 περισσότεραΣτατιστική Ι (ΨΥΧ-1202) Διάλεξη 7. Στατιστικός έλεγχος υποθέσεων
(ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη 7 Στατιστικός έλεγχος υποθέσεων ΠΑΝΕΠΙΣΤΗΜΙΟ
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 περισσότεραΕισαγωγή στη Στατιστική
Εισαγωγή στη Στατιστική Μετεκπαιδευτικό Σεμινάριο στην ΨΥΧΟΚΟΙΝΩΝΙΚΗ ΑΠΟΚΑΤΑΣΤΑΣΗ ΨΥΧΟΚΟΙΝΩΝΙΚΕΣ ΘΕΡΑΠΕΥΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων
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 περισσότεραΈλεγχος Υποθέσεων (Hypothesis Testing)
Έλεγχος Υποθέσεων (Hypothesis Testig) Ορισμοί Μορφές στατιστικού ελέγχου Πιθανότητες σφάλματος τύπου Ι και ΙΙ Ισχύς (Power) ενός ελέγχου Η P-τιμή (P-vlue) Στατιστικοί έλεγχοι υποθέσεων για ειδικές περιπτώσεις
Διαβάστε περισσότεραΑναλυτική Στατιστική
Αναλυτική Στατιστική Συμπερασματολογία Στόχος: εξαγωγή συμπερασμάτων για το σύνολο ενός πληθυσμού, αντλώντας πληροφορίες από ένα μικρό υποσύνολο αυτού Ορισμοί Πληθυσμός: σύνολο όλων των υπό εξέταση μονάδων
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 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 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 περισσότεραΔιάλεξη 1 Βασικές έννοιες
Εργαστήριο SPSS Ψ-4201 (ΕΡΓ) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις αναρτημένες στο: Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε 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 περισσότεραΔιαδικασία Ελέγχου Μηδενικών Υποθέσεων
Διαδικασία Ελέγχου Μηδενικών Υποθέσεων Πέτρος Ρούσσος, Τμήμα Ψυχολογίας, ΕΚΠΑ Η λογική της διαδικασίας Ο σάκος περιέχει έναν μεγάλο αλλά άγνωστο αριθμό (αρκετές χιλιάδες) λευκών και μαύρων βόλων: 1 Το
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 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 περισσότεραΗ µέθοδος αυτή µας βοηθά να διαπιστώσουµεεάνταδεδοµένα του δείγµατος υποστηρίζουν την υπόθεση ότι η παράµετρος του πληθυσµού έχει µια συγκεκριµένη
Έλεγχος Υποθέσεων: Είναι µια µέθοδος της Στατιστικής Συµπερασµατολογίας (tatitical iferece) που µας βοηθά να βγάλουµε συµπεράσµατα σε σχέση µετηντιµή µιας παραµέτρου του πληθυσµού, συγκρίνοντας τα αποτελέσµατα
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 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 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 περισσότεραΕργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]
Εργαστήριο Μαθηματικών & Στατιστικής η Πρόοδος στο Μάθημα Στατιστική 8// (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) ο Θέμα [4] Τα τελευταία χρόνια παρατηρείται συνεχώς αυξανόμενο ενδιαφέρον για τη μελέτη της συγκέντρωσης
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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότερα5 o Μάθημα Έλεγχοι Υποθέσεων
5 o Μάθημα Έλεγχοι Υποθέσεων 5 Το Πρόβλημα του Ελέγχου Υποθέσεων Ας υποθέσουμε ότι σχεδιάζονται κάποιες κυκλοφοριακές ρυθμίσεις με στόχο ο μέσος χρόνος μετακίνησης των εργαζομένων που χρησιμοποιούν το
Διαβάστε περισσότεραΣύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου. One-Sample t-test
1 Σύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου One-Sample t-test 2 Μια σύντομη αναδρομή Στα τέλη του 19 ου αιώνα μια μεγάλη αλλαγή για την επιστήμη ζυμώνονταν στην ζυθοποιία Guinness. Ο William Gosset
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 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 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 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 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 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 περισσότεραΜεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική
Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Ενότητα 2: Βασίλης Γιαλαμάς Σχολή Επιστημών της Αγωγής Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία Περιεχόμενα ενότητας Παρουσιάζονται οι βασικές
Διαβάστε περισσότερα10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης
10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης Διαστήματα εμπιστοσύνης για τον μέσο ενός πληθυσμού (Μικρά δείγματα) Άσκηση 10.7.1: Ο επόμενος πίνακας τιμών δείχνει την αύξηση σε ώρες ύπνου που είχαν
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΔειγματοληπτικές κατανομές
Δειγματοληπτικές κατανομές Κατανομές που χρησιμοποιούνται για τον έλεγχο υποθέσεων στα δείγματα Κανονική κατανομή (z-κατανομή) t-κατανομή Χ κατανομή F-κατανομή Ζητάμε να προσδιορίσουμε τις παραμέτρους
Διαβάστε περισσότεραΕνότητα 3. Έλεγχος υπόθεσης. Σύγκριση μέσων τιμών
Ενότητα 3 Έλεγχος υπόθεσης. Σύγκριση μέσων τιμών Εκτός από τις μέσες τιμές, τυπικές αποκλίσεις κλπ, θέλουμε να βρούμε κατά πόσον αυτές οι παρατηρούμενες τάσεις εξαρτώνται από συγκεκριμένες συνθήκες ή προϋποθέσεις.
Διαβάστε περισσότερα2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ
.5. ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ Η μέθοδος κατασκευής διαστήματος εμπιστοσύνης για την πιθανότητα που περιγράφεται στην προηγούμενη ενότητα μπορεί να χρησιμοποιηθεί για την κατασκευή διαστημάτων
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 περισσότεραΕπιµέλεια: Χρυσάνθη Παπαθανασοπούλου
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 Καθηγητής
Διαβάστε περισσότερα5. Έλεγχοι Υποθέσεων
5. Έλεγχοι Υποθέσεων Υποθέσεις Η μηδενική υπόθεση Η (ή ΗΑ) εναλλακτική υπόθεση Δεχόμαστε Η Απορρίπτουμε Η Η σωστή Σωστή απόφαση -α Σφάλμα τύπου Ι α Η λάθος Σφάλμα τύπου ΙΙ β Σωστή απόφαση -β ΒΙΟ39-Έλεγχος
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 περισσότεραΈλεγχος υπόθεσης: διαδικασία αποδοχής ή απόρριψης της υπόθεσης
Ν161_(262)_Στατιστική στη Φυσική Αγωγή 06_01_Έλεγχος_Υποθέσεων Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. 1 Υπόθεση: "μπορεί ο αριθμητικός μέσος του δείγματος να είναι ίδιος με τον αριθμητικό
Διαβάστε περισσότεραΛίγα λόγια για τους συγγραφείς 16 Πρόλογος 17
Περιεχόμενα Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17 1 Εισαγωγή 21 1.1 Γιατί χρησιμοποιούμε τη στατιστική; 21 1.2 Τι είναι η στατιστική; 22 1.3 Περισσότερα για την επαγωγική στατιστική 23 1.4 Τρεις
Διαβάστε 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 περισσότεραΚεφάλαιο 15 Έλεγχοι χ-τετράγωνο
Κεφάλαιο 15 Έλεγχοι χ-τετράγωνο Copyright 2009 Cengage Learning 15.1 Ένα Κοινό Θέμα Τι πρέπει να γίνει; Τύπος Δεδομένων; Πλήθος Κατηγοριών; Στατιστική Μέθοδος; Περιγραφή ενός πληθυσμού Ονομαστικά Δύο ή
Διαβάστε περισσότεραΟικονομετρία. Απλή Παλινδρόμηση. Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης
Οικονομετρία Απλή Παλινδρόμηση Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση
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 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 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 περισσότεραΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων
ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων α) Σημειοεκτιμητική β) Εκτιμήσεις Διαστήματος ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Παράδειγμα
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 περισσότερα2.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test)
.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test) Ο διωνυμικός έλεγχος μπορεί να χρησιμοποιηθεί για τον έλεγχο υποθέσεων αναφερομένων στα ποσοστιαία σημεία μίας τυχαίας μεταβλητής. Στην
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 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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης
ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση
Διαβάστε 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 περισσότεραΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
Έστω τυχαίο δείγμα παρατηρήσεων από πληθυσμό του οποίου η κατανομή εξαρτάται από μία ή περισσότερες παραμέτρους, π.χ. μ. Επειδή σε κάθε δείγμα αναμένεται διαφορετική τιμή του μ, είναι προτιμότερο να επιδιώκεται
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 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 2015 Πληθυσμός: Εισαγωγή Ονομάζεται το σύνολο των χαρακτηριστικών που
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017
Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης
Διαβάστε περισσότερα2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ
.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ Η μέθοδος για τον προσδιορισμό ενός διαστήματος εμπιστοσύνης για την άγνωστη πιθανότητα =P(A) ενός ενδεχομένου A συνδέεται στενά με τον διωνυμικό έλεγχο. Ένα
Διαβάστε 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 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 περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
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 περισσότεραΣτατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )
Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. ) Πίνακας Περιεχομένων Εργασία η... Θέμα ο :... Θέμα ο :... 4 Θέμα 3 ο :...
Διαβάστε περισσότεραΓραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011
Εργαστήριο Μαθηματικών & Στατιστικής Γραπτή Εξέταση Περιόδου Φεβρουαρίου για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 5//. [] Η ποσότητα, έστω Χ, ενός συντηρητικού που περιέχεται σε φιάλες αναψυκτικού
Διαβάστε περισσότεραΘΕΜΑΤΑ Α : ΕΚΦΩΝΗΣΕΙΣ - ΛΥΣΕΙΣ
ΔΙ.ΠΑ.Ε. ΤΜΗΜΑ : ΛΟΓΙΣΤΙΚΗΣ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ 4 ΙΟΥΝΙΟΥ 9 Μάθημα: ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Α ΕΞΕΤΑΣΤΙΚΗ ΕΑΡΙΝΟΥ ΕΞΑΜΗΝΟΥ 8-9 ΘΕΜΑΤΑ Α : ΕΚΦΩΝΗΣΕΙΣ - ΛΥΣΕΙΣ Θέμα Ο αριθμός αδικαιολόγητων απουσιών
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ» ΚΑΛΥΒΑ ΠΑΝΑΓΙΩΤΑ ΛΑΖΑΡΟΥ ΜΑΡΙΕΛΕΝΑ
ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ» ΚΑΛΥΒΑ ΠΑΝΑΓΙΩΤΑ ΛΑΖΑΡΟΥ ΜΑΡΙΕΛΕΝΑ ΜΥΛΩΝΑ ΔΙΟΝΥΣΙΑ ΕΠΟΠΤΕΥΩΝ ΚΑΘΗΓΗΤΗΣ: ΔΡ. ΒΑΣΙΛΙΚΗ ΚΑΡΙΩΤΗ ΕΙΣΗΓΗΤΗΣ:
Διαβάστε περισσότεραΥ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..
Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 11 Μαρτίου /24
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 11 Μαρτίου 2017 1/24 Εισαγωγή. Εστω ότι X 1, X 2,..., X n είναι ένα τυχαίο δείγμα παρατηρήσεων
Διαβάστε περισσότεραΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ. Δημήτρης Ιωαννίδης. Τμήμα Οικονομικών Επιστημών.
Μεθοδολογία Έρευνας: Μάθημα 3 ο ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ Δημήτρης Ιωαννίδης Τμήμα Οικονομικών Επιστημών Email: dimioan@uom.gr Εμπιστευτικό Σελίδα 1 Μάθημα 5 ο Ελέγχοντας την Θεωρία ΙΙ: Στατιστικοί Έλεγχοι για
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότερα5.1 Ο ΕΛΕΓΧΟΣ SMIRNOV
5. Ο ΕΛΕΓΧΟΣ SMIRNOV Έστω δύο ανεξάρτητα τυχαία δείγματα, 2,..., n και, 2,..., m n και m παρατηρήσεων πάνω στις τυχαίες μεταβλητές και, αντίστοιχα. Έστω, επίσης, ότι F (), (, ) και F (y), y (, ) είναι
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 περισσότεραΥ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..
Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας
Διαβάστε περισσότερα