Ανάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017
|
|
- Μυρίνη Παπανδρέου
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Ανάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017
2 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 ο Β, μπορούμε να σχεδιάσουμε ένα a x b παραγοντικό πείραμα Σε ένα τέτοιο πείραμα, κάθε στάθμη του ενός παράγοντα συνδυάζεται με κάθε στάθμη του άλλου παράγοντα, δηλαδή, συνολικά έχουμε a b διαφορετικές επεμβάσεις (διαφορετικούς συνδυασμούς από δύο στάθμες, μία για κάθε παράγοντα)
3 3 α x b Παραγοντικό Πείραμα (2) Θεωρούμε ότι για κάθε επέμβαση παίρνουμε ίδιο αριθμό παρατηρήσεων, έστω r, και επομένως ότι έχουμε a b r παρατηρήσεις Αν r > 1, πέραν της επίδρασης του παράγοντα Α και της επίδρασης του παράγοντα Β, μπορούμε να ελέγξουμε και αν, στη μεταβλητή απόκρισης υπάρχει στατιστικά σημαντική επίδραση που να οφείλεται στην αλληλεπίδραση των παραγόντων Α και Β
4 4 α x b Παραγοντικό Πείραμα (3) Αν μπορούμε να υποθέσουμε ότι οι δύο παράγοντες Α και Β επιδρούν στη μεταβλητή απόκρισης ανεξάρτητα, σχεδιάζουμε και εκτελούμε ένα a x b παραγοντικό πείραμα με μία παρατήρηση για κάθε επέμβαση (r = 1) Αν μπορούμε να υποθέσουμε ότι οι δύο παράγοντες Α και Β δεν επιδρούν στη μεταβλητή απόκρισης ανεξάρτητα, δηλαδή υπάρχει επίδραση του ενός παράγοντα στη συμπεριφορά του άλλου, σχεδιάζουμε και εκτελούμε ένα a x b παραγοντικό πείραμα με περισσότερες από μία παρατηρήσεις για κάθε επέμβαση (r > 1)
5 5 α x b Παραγοντικό Πείραμα (4) Οι έλεγχοι που πραγματοποιούνται για r > 1 είναι οι εξής: Για την αλληλεπίδραση των δύο παραγόντων Α και Β Η 0γ : οι παράγοντες Α και Β δεν αλληλεπιδρούν Η 1γ : οι παράγοντες Α και Β αλληλεπιδρούν Για την κύρια επίδραση του παράγοντα Α Η 0α : ο παράγοντας Α δεν επιδρά, ή αλλιώς, δεν υπάρχουν διαφορές μεταξύ των α μέσων του παράγοντα Α Η 1α : ο παράγοντας Α επιδρά, ή αλλιώς, τουλάχιστον δύο από τους α μέσους του παράγοντα Α διαφέρουν Για την κύρια επίδραση του παράγοντα Β Η 0b : ο παράγοντας B δεν επιδρά, ή αλλιώς, δεν υπάρχουν διαφορές μεταξύ των b μέσων του παράγοντα B Η 1b : ο παράγοντας B επιδρά, ή αλλιώς, τουλάχιστον δύο από τους b μέσους του παράγοντα B διαφέρουν
6 6 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με r>1 παρατηρήσεις ανά παρέμβαση (1) Πηγή μεταβλητότητας Β.Ε. Άθροισμα τετραγώνων SS Μέσο άθροισμα τετραγώνων MS Κριτήριο F Περιοχή απόρριψης Παράγοντας Α α-1 SSA = a Ai 2 i=1 br G2 n MSA = SSA a 1 F A = MSA MSE F A F a 1;ab(r 1);a Παράγοντας Β b-1 SSB = b Bj 2 j=1 ar G2 n MSB = SSB b 1 F B = MSB MSE F B F b 1;ab(r 1);a Αλληλεπίδρα ση Α και Β (α-1)(b-1) SSA AB = ij 2 AB ij r G2 n SSA SSB MS AB = SS AB a 1 b 1 F AB = MS AB MSE F ΑB F α 1 b 1 ;ab(r 1);a Σφάλμα ή Εντός των δειγμάτων ab(r-1) SSE = SST ot SSA SSB SS AB MSE = SSE ab r 1 Ολική abr-1 SST ot = SSA + SSB + SS AB + SSE
7 7 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με r>1 παρατηρήσεις ανά παρέμβαση (2) όπου a οι στάθμες του παράγοντα Α και b οι στάθμες του παράγοντα Β G = σ ijh y ijh, το γενικό άθροισμα όλων των a b r παρατηρήσεων A i, i = 1, 2, k το άθροισμα όλων των παρατηρήσεων στην i στάθμη του παράγοντα Α Β j, j = 1, 2, b το άθροισμα όλων των παρατηρήσεων στην j στάθμη του παράγοντα Β ΑΒ ij το άθροισμα των r παρατηρήσεων που πήραμε από την i στάθμη του παράγοντα Α και την j στάθμη του παράγοντα Β SSTot = σ ijh y 2 ijh G2 n Μεταβλητότητα μεταξύ των κελιών 2 AB SSCells = σ ij ij r G2 n = SSA + SSB + SS AB SSTot = SSCells + SSE = SSA + SSB + SS AB + SSE
8 8 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με r>1 παρατηρήσεις ανά παρέμβαση (3) Υποθέσεις Τα a b δείγματα είναι ανεξάρτητα τυχαία δείγματα (όλες οι παρατηρήσεις y ijh είναι μεταξύ τους ανεξάρτητες) Κάθε δείγμα προέρχεται από κανονικό πληθυσμό Οι a b πληθυσμοί έχουν κοινή διακύμανση σ 2 (ομοσκεδαστικότητα)
9 9 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με r>1 παρατηρήσεις ανά παρέμβαση (4) Αν ε ijh η απόκλιση της Y ijh από τη μέση τιμή της μ ij, του πληθυσμού ij, τότε οι προηγούμενες υποθέσεις είναι ισοδύναμες με τις υποθέσεις ότι τα σφάλματα (θεωρητικά υπόλοιπα) ε ijh είναι μεταξύ τους ανεξάρτητα ακολουθούν κανονικές κατανομές με μέση τιμή 0 και κοινή διακύμανση σ 2, δηλαδή ότι ε ijh ~N 0, σ 2 Οι υποθέσεις αυτές ελέγχονται όπως στο εντελώς τυχαιοποιημένο σχέδιο
10 10 α x b Παραγοντικό Πείραμα (5) Οι έλεγχοι που πραγματοποιούνται για r = 1 είναι οι εξής: Για την κύρια επίδραση του παράγοντα Α Η 0α : ο παράγοντας Α δεν επιδρά, ή αλλιώς, δεν υπάρχουν διαφορές μεταξύ των α μέσων του παράγοντα Α Η 1α : ο παράγοντας Α επιδρά, ή αλλιώς, τουλάχιστον δύο από τους α μέσους του παράγοντα Α διαφέρουν Για την κύρια επίδραση του παράγοντα Β Η 0b : ο παράγοντας B δεν επιδρά, ή αλλιώς, δεν υπάρχουν διαφορές μεταξύ των b μέσων του παράγοντα B Η 1b : ο παράγοντας B επιδρά, ή αλλιώς, τουλάχιστον δύο από τους b μέσους του παράγοντα B διαφέρουν Σημείωση: κάνουμε την παραδοχή ότι δεν υπάρχει επίδραση στη μεταβλητή απόκρισης που να οφείλεται στην αλληλεπίδραση των δύο παραγόντων
11 11 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με μια παρατήρηση (r=1) ανά παρέμβαση (1) Πηγή μεταβλητότητας Β.Ε. Άθροισμα τετραγώνων SS Μέσο άθροισμα τετραγώνων MS Κριτήριο F Περιοχή απόρριψης Παράγοντας Α α-1 SSA = a Ai 2 i=1 Παράγοντας Β b-1 SSB = Σφάλμα ή Εντός των δειγμάτων b Bj 2 j=1 b G2 n a G2 n (α-1)(b-1) SSE = SST ot SSA SSB MSE = Ολική ab-1 SST ot = SSA + SSB + SSE MSA = SSA a 1 MSB = SSB b 1 SSE a 1 b 1 F A = MSA MSE F B = MSB MSE F A F a 1; a 1 (b 1);a F B F b 1; a 1 (b 1);a
12 12 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με μια παρατήρηση (r=1) ανά παρέμβαση (2) όπου a οι στάθμες του παράγοντα Α και b οι στάθμες του παράγοντα Β G = σ ij y ij, το γενικό άθροισμα όλων των a b παρατηρήσεων A i, i = 1, 2, k το άθροισμα όλων των παρατηρήσεων στην i στάθμη του παράγοντα Α Β j, j = 1, 2, b το άθροισμα όλων των παρατηρήσεων στην j στάθμη του παράγοντα Β SSTot = σ ij y 2 ij G2 n SSE = SSTot SSA SSB
13 13 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με μια παρατήρηση (r=1) ανά παρέμβαση (3) Υποθέσεις Δεν υπάρχει αλληλεπίδραση των δύο παραγόντων Τα a b δείγματα είναι ανεξάρτητα τυχαία δείγματα (όλες οι παρατηρήσεις y ij είναι μεταξύ τους ανεξάρτητες) Κάθε δείγμα προέρχεται από κανονικό πληθυσμό Οι a b πληθυσμοί έχουν κοινή διακύμανση σ 2 (ομοσκεδαστικότητα)
14 14 Έλεγχος ανάλυσης διακύμανσης για το a x b παραγοντικό πείραμα με μια παρατήρηση (r=1) ανά παρέμβαση (4) Αν ε ij η απόκλιση της Y ij από τη μέση τιμή της μ ij, του πληθυσμού ij, τότε οι προηγούμενες υποθέσεις είναι ισοδύναμες με τις υποθέσεις ότι τα σφάλματα (θεωρητικά υπόλοιπα) ε ij είναι μεταξύ τους ανεξάρτητα ακολουθούν κανονικές κατανομές με μέση τιμή 0 και κοινή διακύμανση σ 2, δηλαδή ότι ε ij ~N 0, σ 2 Οι υποθέσεις αυτές ελέγχονται όπως στο εντελώς τυχαιοποιημένο σχέδιο
15 15 Παράδειγμα 1 Ένας ερευνητής ενδιαφέρεται να διερευνήσει αν και πώς οι δύο παράγοντες, θερμοκρασία, έστω Α (με τέσσερις στάθμες Α 1, Α 2, Α 3 και Α 4 αντίστοιχα, 25 ο C, 30 o C και 35 o C και 40 o C) και ένταση φωτισμού, έστω Β (με τρεις στάθμες Β 1, Β 2 και Β 3 ) επιδρούν στην ανάπτυξη ενός συγκεκριμένου είδους φυτών, σε επίπεδο σημαντικότητας 5%. Ένταση φωτισμού (παράγοντας Β) Β1 (5) Β2 (6) Β3 (7) Θερμοκρασία (παράγοντας Α) 25 ο C 30 ο C 35 ο C 40 ο C
16 16 Παράδειγμα 2 Ένας ερευνητής για να διερευνήσει αν επηρεάζεται το αποτέλεσμα μιας χημικής αντίδρασης από το είδος του καταλύτη και από τη θερμοκρασία, καθόρισε τέσσερις στάθμες καταλύτη (Α 1, Α 2, Α 3 και Α 4 ) και τρεις στάθμες θερμοκρασίας (Β 1, Β 2, και Β 3 ) και για κάθε συνδυασμό καταλύτη θερμοκρασίας, εκτέλεσε το πείραμα μία φορά Θεωρώντας ότι οι δύο παράγοντες δεν αλληλεπιδρούν θα κάνει τον έλεγχο σε επίπεδο σημαντικότητας 5% Θερμοκρασία (παράγοντας Β) Καταλύτης (παράγοντας Α) Α1 Α2 Α3 Α4 Β Β Β
Ανάλυση 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
8. 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
8. 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
Για 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
Ανάλυση 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
Μάθημα: Στατιστική ανάλυση δεδομένων με χρήση Η/Υ (του 8 ου Εξαμήνου Σπουδών του Τμήματος Βιοτεχνολογίας) Διδάσκων: Γιώργος Κ.
Μάθημα: Στατιστική ανάλυση δεδομένων με χρήση Η/Υ (του 8 ου Εξαμήνου Σπουδών του Τμήματος Βιοτεχνολογίας) Διδάσκων: Γιώργος Κ. Παπαδόπουλος 3. Ανάλυση Διακύμανσης Σύντομη ανασκόπηση βασικών εννοιών, προτάσεων
ΑΝΑΛΥΣΗ 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
Γραπτή 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
Επαναληπτικές Ασκήσεις 26/5/2017
Επαναληπτικές Ασκήσεις 2 Άσκηση 1 η (1) Ένας ερευνητής μέτρησε τη συγκέντρωση γλυκόζης (σε mg/dl) στο αριστερό και το δεξί μάτι 35 τυχαία επιλεγμένων υγιών σκύλων συγκεκριμένης ράτσας Έστω ότι με Χ και
ΑΝΑΛΥΣΗ 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 5 Έστω για την σύγκριση δειγμάτων συλλέγουμε παρατηρήσεις Υ =,,, από
και τυπική απόκλιση σ = 40mg ανά μπανάνα. α) Ποια είναι η πιθανότητα μια μπανάνα να περιέχει i)
Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ Γραπτή Εξέταση Περιόδου Ιανουαρίου 8 στο Μάθημα Στατιστική 7..8. [] Ο ανθρώπινος οργανισμός χρειάζεται καθημερινά από έως 6 mg (mllgrams) καλίου. Η ποσότητα καλίου που περιέχεται στα τρόφιμα
συγκέντρωση της ουσίας στον παραπόταμο είναι αυξημένη σε σχέση με τον ίδιο τον ποταμό;
Γραπτή Εξέταση Περιόδου Ιουνίου 008 στο Μάθημα Στατιστική /07/08. Η πιθανότητα να υπάρχει στο υπέδαφος μιας συγκεκριμένης περιοχής εκμεταλλεύσιμο κοίτασμα πετρελαίου είναι 50%. Μια εταιρεία, που πρόκειται
7. 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
Εφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Ανάλυση διακύμανσης Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Ανάλυση Διασποράς Προβλήματα και Ασκήσεις
Ανάλυση Διασποράς Προβλήματα και Ασκήσεις 1. Ένας ερευνητής προκειμένου να συγκρίνει τρία σιτηρέσια εκτροφής κοτόπουλων (Σ1, Σ2 και Σ3, αντίστοιχα), σχεδίασε και εκτέλεσε το εξής πείραμα. Επέλεξε 15 νεογέννητα
Εργαστήριο 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
ΑΝΑΛΥΣΗ 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 05 Έλεγχος διακυμάνσεων Μας ενδιαφέρει να εξετάσουμε 5 δίαιτες που δίνονται
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ (Analyss of Varance for two factor Experments) (Two-Way Analyss of Varance) Ο πειραματικός σχεδιασμός για τον οποίο θα μιλήσουμε είναι μια επέκταση της μεθοδολογίας
ΚΕΦΑΛΑΙΟ 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
Επίπεδο Τιμές 12
Άσκηση 1 (τοποθετήθηκε 26/10/2012) Οι παρακάτω μετρήσεις είναι χωρισμένες σε διαφορετικά επίπεδα ενός παράγοντα, προέρχονται από κανονική κατανομή με ίδια διακύμανση και είναι ανεξάρτητες μεταξύ τους.
Ανάλυση 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
Ανάλυση διακύμανσης (Μονοδιάστατη) One-Way ANOVA
Ανάλυση διακύμανσης (Μονοδιάστατη) One-Way ANOVA Ανάλυση διακύμανσης Η μονοδιάστατη ανάλυση διακύμανσης εξετάζει εάν δύο ή περισσότεροι ανεξάρτητοι πληθυσμοί έχουν τον ίδιο ή διαφορετικό μέσο όρο. Στην
Απλή 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
Γ. 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
Γεωργικός 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
Γ. 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 =
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα
Έλεγχος 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
Χ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
ΑΝΑΛΥΣΗ 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 05 Πολλαπλές συγκρίσεις Στην ανάλυση διακύμανσης ελέγχουμε την ισότητα
9. Παλινδρόμηση και Συσχέτιση
9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε
Στατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ Α Δημήτρης Κουγιουμτζής e-mail: dkugiu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://users.auth.gr/~dkugiu/teach/civiltrasport/ide.html Στατιστική: Δειγματοληψία
ΑΝΑΛΥΣΗ 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
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων Γρεβενά Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Ιδιότητες εκτιμώμενης ευθείας παλινδρόμησης με τη μέθοδο των ελαχίστων
Ενότητα 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
ΠΑΝΕΠΙΣΤΗΜΙΟ 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
Στατιστικός έλεγχος υποθέσεων (Μέρος 3 ο ) 10/3/2017
Στατιστικός έλεγχος υποθέσεων (Μέρος 3 ο ) 10/3/017 Στατιστικός έλεγχος υποθέσεων σε επίπεδο σημαντικότητας α για τη διακύμανση σ ενός κανονικού πληθυσμού με ένα τυχαίο δείγμα μεγέθους n Η 0 : σ = σ 0
Εισόδημα 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
Έλεγχος 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
Γ. 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
Γ. 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
α) 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 ********************************************************************
Διάστημα εμπιστοσύνης της μέσης τιμής
Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα
Οι 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,
Στατιστικοί Ελεγχοι. t - Έλεγχος για τον μέσο μ ενός πληθυσμού. t-έλεγχος για την σύγκριση των μέσων δύο πληθυσμών
Στατιστικοί Ελεγχοι Έλεγχος 1: Ζ-Έλεγχος για τον μέσο μ ενός πληθυσμού Έλεγχος : t - Έλεγχος για τον μέσο μ ενός πληθυσμού Έλεγχος 3: I -τετράγωνο Έλεγχος για την διακύμανση Έλεγχος 4: t-έλεγχος για την
Ζήτηµα 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
ΑΝΑΛΥΣΗ 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
ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ
ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι Πανεπιστημίου Πειραιώς) Τηλ.: 4..97,,, Fax : 4..634 URL : www.vtal.gr emal: f@vtal.gr Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι
Κεφάλαιο 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
Εισαγωγή 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
Γραπτή 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
ΠΟΣΟΤΙΚΕΣ 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
ΠΕΡΙΓΡΑΦΗ 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
Εργάτης Μηχάνηµα τύπου Α Μηχάνηµα τύπου Β
Εργαστήριο Μαθηµατικών & Στατιστικής Γραπτή Εξέταση Περιόδου Σεπτεµβρίου 2009 στη Στατιστική 30/09/09 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ [20] Μια καπνοβιοµηχανία ισχυρίζεται ότι στα νέα τσιγάρα που διαφηµίζει, η ποσότητα
ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13
ΠΕΡΙΕΧΟΜΕΝΑ / 7 ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος... 13 Κεφάλαιο 1: Περιγραφική Στατιστική... 15 1.1 Περιγραφική και Συμπερασματική Στατιστική... 15 1.2 Μεταβλητές - Τιμές - Παρατηρήσεις... 19 1.3 Είδη μεταβλητών...
Γ. Πειραματισμός Βιομετρία
Γενικά Σκοπός των παραγοντικών πειραμάτων είναι η ταυτόχρονη μελέτη των επιδράσεων ενός αριθμού παραγόντων ώστε να προκύψει πληροφόρηση όχι μόνο για την αντίδραση του πειραματικού υλικού σε μεμονωμένους
ΟΙΚΟΝΟΜΕΤΡΙΑ. 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
13. Ανάλυση Διακύμανσης
. Ανάλυση Διακύμανσης Ανάλυση Διακύμανσης Ανάλυση Διακύμανσης (Analysis of Variance, ANOVA) είναι μέθοδος στατιστικού ελέγχου υποθέσεων που αναφέρονται σε περισσότερους από δύο πληθυσμούς. Στην προηγούμενη
ΚΕΦΑΛΑΙΟ 4 ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ. Εισαγωγικό παράδειγµα
ΚΕΦΑΛΑΙΟ ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Εισαγωγικό παράδειγµα Τρεις µέθοδοι διδασκαλίας εφαρµόστηκαν σε άτοµα (ανά 8 η κάθε µία) και µετά εξετάστηκαν σε κοινά θέµατα. Η βαθµολογία
Εξαρτημένα δείγματα (εξαρτημένες μετρήσεις)
Ν6_(6)_Στατιστική στη Φυσική Αγωγή 06_0_Έλεγχος_Υποθέσεων0 Ανεξάρτητα δείγματα Εξαρτημένα δείγματα Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. Ανεξάρτητα δείγματα (ανεξάρτητες μετρήσεις)
Στατιστικός 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
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
την τιμή της μέσης τιμής, μ, ή της διασποράς, σ, ενός πληθυσμού και σε στατιστικούς ελέγχους υποθέσεων για τη σύγκριση των μέσων τιμών, μ
Ανάλυση Διασποράς Ανάλυση Διασποράς (Analysis of Variance, ANOVA) είναι μέθοδος στατιστικού ελέγχου υποθέσεων που αναφέρονται σε περισσότερους από δύο πληθυσμούς. Στην προηγούμενη ενότητα αναφερθήκαμε
Στατιστική 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
Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Γ. Πειραματισμός Βιομετρία
Γενικά Συσχέτιση και Συμμεταβολή Όταν σε ένα πείραμα παραλλάσουν ταυτόχρονα δύο μεταβλητές, τότε ενδιαφέρει να διερευνηθεί εάν και πως οι αλλαγές στη μία μεταβλητή σχετίζονται με τις αλλαγές στην άλλη.
x y max(x))
ΚΕΦΑΛΑΙΟ 0 Απλή Γραµµική Παλινδρόµηση Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Ένα Πρόβληµα εδοµένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 y 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Έχει σχέση το yµε το ; Ειδικότερα
Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
Στατιστική. Ανάλυση ιασποράς με ένα Παράγοντα. One-Way Anova. 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς
Στατιστική Ανάλυση ιασποράς με ένα Παράγοντα One-Way Anova Χατζόπουλος Σταύρος Κεφάλαιο 8ο. Ανάλυση ιασποράς 8.1 Εισαγωγή 8.2 Προϋποθέσεις για την εφαρμογή της Ανάλυσης ιασποράς 8.3 Ανάλυση ιασποράς με
ΕΦΑΡΜΟΣΜΕΝΗ 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
Αναλυτική 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
Γ. Πειραματισμός Βιομετρία
Περιγραφή του σχεδίου Είναι πιθανώς το ευρύτερα χρησιμοποιούμενο και πλέον χρήσιμο πειραματικό σχέδιο Εκμεταλλεύεται την συγκέντρωση των επεμβάσεων σε ομάδες. Κάθε ομάδα (που ονομάζεται και επανάληψη)
Στατιστικός έλεγχος υποθέσεων (Μέρος 2 ο ) 3/3/2017
Στατιστικός έλεγχος υποθέσεων (Μέρος ο ) 3/3/017 Στατιστικός έλεγχος υποθέσεων σε επίπεδο σημαντικότητας α για τη διακύμανση σ ενός κανονικού πληθυσμού με ένα τυχαίο δείγμα μεγέθους n Η 0 : σ = σ 0 Περιοχή
Χημική Τεχνολογία. Ενότητα 1: Στατιστική Επεξεργασία Μετρήσεων. Ευάγγελος Φουντουκίδης Τμήμα Μηχανολόγων Μηχανικών Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Χημική Τεχνολογία Ενότητα 1: Στατιστική Επεξεργασία Μετρήσεων Ευάγγελος Φουντουκίδης Τμήμα Μηχανολόγων Μηχανικών Τ.Ε. Άδειες Χρήσης
Ερωτήσεις 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
ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ
ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ Ενότητα 7: Έλεγχοι σημαντικότητας πολλών ανεξάρτητων δειγμάτων Κωνσταντίνος Ζαφειρόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Μονοπαραγοντική 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
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
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
Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΤΩΝ ΑΠΟΦΑΣΕΩΝ» ΑΝΑΛΥΣΗ ΔΙΑΣΠΟΡΑΣ & ΕΦΑΡΜΟΓΕΣ ΑΥΤΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΤΩΝ ΑΠΟΦΑΣΕΩΝ» ΑΝΑΛΥΣΗ ΔΙΑΣΠΟΡΑΣ & ΕΦΑΡΜΟΓΕΣ ΑΥΤΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΒΑΣΙΛΙΚΗΣ ΡΗΓΑ ΕΠΙΒΛΕΠΩΝ:Φ. ΑΛΕΒΙΖΟΣ
Εφαρμοσμένη 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
Ανάλυση 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
ΤΕΙ 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
Εισαγωγή - 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,
6 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
ΣΧ0ΛΗ ΤΕΧΝ0Λ0ΓΙΑΣ ΤΡΟΦΙΜΩΝ & ΔΙΑΤΡΟΦΗΣ ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΕΡΓΑΣΤΗΡΙΟ: ΟΡΓΑΝΟΛΗΠΤΙΚΟΥ ΕΛΕΓΧΟΥ ΓΙΑΝΝΑΚΟΥΡΟΥ ΜΑΡΙΑ ΤΑΛΕΛΛΗ ΑΙΚΑΤΕΡΙΝΗ
ΣΧ0ΛΗ ΤΕΧΝ0Λ0ΓΙΑΣ ΤΡΟΦΙΜΩΝ & ΔΙΑΤΡΟΦΗΣ ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΕΡΓΑΣΤΗΡΙΟ: ΟΡΓΑΝΟΛΗΠΤΙΚΟΥ ΕΛΕΓΧΟΥ ΓΙΑΝΝΑΚΟΥΡΟΥ ΜΑΡΙΑ ΤΑΛΕΛΛΗ ΑΙΚΑΤΕΡΙΝΗ ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Analysis Of Variance (ANOVA) ANOVA Ή ΣΤΙΣ
Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)
Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει
Λίγα 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
ΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...
ΚΕΦΑΛΑΙΟ 0 Ένα Πρόβλημα Δεδομένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Απλή Γραμμική Παλινδρόμηση Μωυσιάδης Χρόνης 6 o Εξάμηνο Μαθηματικών Έχει σχέση το με το ; Ειδικότερα
[6, 4, 3, 2, 7, 8, 1, 9].
ΑΝΑΛΥΣΗ ΕΠΙΔΟΣΗΣ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Αναλυτικά μοντέλα, προσομοίωση, μετρήσεις ΚΕΦΑΛΑΙΟ 9 Σχεδίαση και Ανάλυση Πειραμάτων Α.-Γ. ΣΤΑΦΥΛΟΠΑΤΗΣ Καθηγητής Ε.Μ.Π. Γ. ΣΙΟΛΑΣ Ε.ΔΙ.Π. Ε.Μ.Π. Εθνικό Μετσόβιο
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο. Επίδοση Υπολογιστικών Συστημάτων. Α.-Γ. Σταφυλοπάτης.
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Επίδοση Υπολογιστικών Συστημάτων Α.-Γ. Σταφυλοπάτης Πειράματα Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Η 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
Προσοχή: 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
Έλεγχος 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
ΟΙΚΟΝΟΜΕΤΡΙΑ 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
03 _ Παράμετροι θέσης και διασποράς. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.
6_Στατιστική στη Φυσική Αγωγή 03 _ Παράμετροι θέσης και διασποράς Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ. Παράμετροι θέσης όταν θέλουμε να εκφράσουμε μια μεταβλητή με έναν αριθμό π.χ.
ΕΙΣΑΓΩΓΗ 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
ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: