1. εισαγωγικά. Ή επεξήγηση, ή περιγραφή καί ή πρόγνωση τών δημογραφικών φαινομένων παραμένει πάντα ό κύριος σκοπός τών ερευνητών. Τό πρόβλημα άρχίζει

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "1. εισαγωγικά. Ή επεξήγηση, ή περιγραφή καί ή πρόγνωση τών δημογραφικών φαινομένων παραμένει πάντα ό κύριος σκοπός τών ερευνητών. Τό πρόβλημα άρχίζει"

Transcript

1 1. εισαγωγικά Οί προσπάθειες των κοινωνιολόγων καί ειδικότερα τών δημογράφων συγκεντρώνονταν μέχρι την περασμένη δεκαετία στήν άνάλυση χρονοδιαγραμμάτων γιά τά κυριότερα στοιχεία τής φυσικής κινήσεως του πληθυσμού προκειμένου νά μελετηθεί ή ε ξέλιξή του. Μέ βάση τά στοιχεία αύτά, ήταν δυνατό νά υπολογιστούν ποσοστιαίες κατανομές καί τά υ πόλοιπα χαρακτηριστικά μεγέθη του πληθυσμού. Βέβαια, ή μεθοδολογία τέτοιου είδους είναι αρκετά γνωστή, συνήθως εύχρηστη στους υπολογισμούς, άλλά μειονεκτεΐ σέ ένα βασικό σημείο. Γιά μία ουσιαστική μελέτη άπαιτοΰνται στατιστικά στοιχεία, πού είναι δύσκολο νά άποτιμηθοϋν. Αύτό έχει σάν επακόλουθο τό μεγάλο κόστος τής μελέτης, πού γιά μιά άναπτυσσόμενη χώρα είναι άρκετά δύσκολο νά άναληφθεΐ. Ακόμα, σέ πολλές περιπτώσεις, ή λήψη ειδικών στατιστικών στοιχείων είναι αδύνατη γιά πρακτικούς λόγους. "Ετσι, γιά μιά άνάλυση του φαινομένου οί έρευνητές είναι ύποχρεωμένοι νά περιοριστούν σέ μεθοδολογίες πού στηρίζονται στά στοιχεία πού διαθέτουν οί στατιστικές ύπηρεσίες ά- πό τίς άπογραφές κατά ορισμένα χρονικά διαστήματα. Οί λόγοι πού προαναφέρθηκαν ύπήρξαν κατ άρχήν άπαγορευτικοί καί γιά πολυπλοκότερες μεθοδολογίες, όπως είναι ή στοχαστική άνάλυση πού χρησιμοποιείται πλέον σέ μεγάλη κλίμακα τήν τελευταία δεκαετία.1 Ή διεύρυνση, όμως, τών προτεινόμενων στοχαστικών μεθόδων καί κυρίως ή χρήση τών ήλεκτρονικών ύπολογιστών έλυσαν άρκετά προβλήματα, ώστε ή εφαρμογή τής νέας μεθοδολογίας νά κρίνεται σέ πολλά σημεία προσφορότερη άπό τίς κλασικές μεθόδους. Πέρα άπό τίς δυνατότητες αυτές, πρέπει νά τονιστεί, ιδιαίτερα, ότι ή στοχαστική άνάλυση παρέχει μορφές λύσεων στόν ύπάρχοντα προβληματισμό, πού βρίσκονται πλησιέστερα στήν πραγματικότητα. Γενικά, ή όλη θέση τού προβλήματος, όπως ύπεισέρχεται στή στοχαστική άνάλυση, άντικατοπτρίζει κατά άρτιότερο τρόπο τή φυσική διαδικασία. Μέ βάση όσα άναφέρθηκαν παραπάνω, ή εργασία αύτή άποσκοπεϊ στή μελέτη τού δημογραφικοΰ προβλήματος τής Ελλάδος καί ιδιαίτερα στόν προσδιορισμό τής ποσοστιαίας κατανομής τού πληθυσμού καί τίς προοπτικές τής έξελίξεως αύτής μέ τή βοήθεια μακρο-στοχαστικών μεθόδων.2 2. μεθοδολογία Ή επεξήγηση, ή περιγραφή καί ή πρόγνωση τών δημογραφικών φαινομένων παραμένει πάντα ό κύριος σκοπός τών ερευνητών. Τό πρόβλημα άρχίζει 1. Boudon R., Tziafetas G., 1976.

2 φυσική έξέλιξη τοΰ πληθυσμού τής Ελλάδας μέ τήν έπεξήγηση καί κυρίως μέ τό ερώτημα πώς μετασχηματίζονται οί παρατηρούμενες τιμές πού άφοροϋν δημογραφικές μεταβλητές ποσότητες. Είναι γεγονός ότι πληθυσμιακά χαρακτηριστικά είναι πάντοτε δυνατόν νά προκόψουν άπό τή θεώρηση έ- νός στοχαστικού συστήματος μεταβολών.3 Κατ αύτόν τόν τρόπο, οί παρατηρούμενες τιμές μπορεί νά θεωρηθούν σάν τιμές τυχαίων μεταβλητών, πού μεταβάλλονται χρονικά μέ βάση πιθανοθεωρητικούς νόμους. Έτσι, τό πρόβλημα μετατίθεται στόν προσδιορισμό τής στοχαστικής άνελίξεως, πού περιγράφει ικανοποιητικά τό διερευνώμενο δημογραφικό φαινόμενο. Ξεκινώντας άπό τίς άπλούστερες μορφές στοχαστικών άνελίξεων καί έχοντας τίς παρατηρούμενες τιμές κατά κατηγορία ή κατά παρατηρούμενη κατάσταση, εξετάζουμε τήν έφαρμογή κατάλληλης μαρκοβιανής άλυσίδας. Βέβαια, πάντα ύπάρχει τό ερώτημα κατά πόσον τά φαινόμενα διέπονται άπό τή μαρκοβιανή ιδιότητα.4 Προσεγγιστικά, σέ πρώτο βήμα, λαμβάνουμε στατικές, πρώτης τάξεως, μαρκοβιανές άλυσίδες, αν καί είναι δυνατόν τό σύστημα νά απαιτεί μή σταθερές πιθανότητες μεταφοράς μεταξύ τών θεωρουμένων καταστάσεων. Στήν περίπτωση πού ήταν γνωστά μικροδεδομένα, δηλαδή ό αριθμός τών στοιχείων τού πληθυσμού πού διαφεύγουν άπό μία κατάσταση τής άλυσίδας καί έρχονται σέ μία άλλη γειτονική ή μή, τότε όλες οί ύπόθεσεις πού έγιναν παραπάνω μπορεί νά έλεγχθοΰν συνολικά μέ τήν έφαρμογή γνωστών στατιστικών μεθόδων.5 Τό πρόβλημα, όμως, είναι άρκετά πολυπλοκότερο. Δυστυχώς, τέτοιου είδους στατιστικά δεδομένα είναι δύσκολο νά ληφθοΰν ά πό τή στατιστική ύπηρεσία, ιδίως στήν περίπτωση πού οί θεωρούμενες καταστάσεις τής άλυσίδας άντιπροσωπεύουν κοινωνικές ή δημογραφικές καταστάσεις. "Ετσι, στήν είσαγόμενη νέα μεθοδολογία θά πρέπει νά στηριχθοΰμε άποκλειστικά σέ μακροδεδομένα, δηλαδή στίς ποσοστιαίες κατανομές συχνότητας τοΰ πληθυσμού πού δίνονται γιά κάθε θεωρούμενη χρονική στιγμή. Μέ βάση τίς παραπάνω προϋποθέσεις, στίς εφαρμογές θεωρούμε σάν καταστάσεις i (i= 1,2,..., r) τής μαρκοβιανής άλυσίδας μεγάλα διαστήματα ηλικίας, γιά τά όποια μάς δίνεται ή συχνότητα κατανομής τού πληθυσμού Y;(t) γιά κάθε χρονική στιγμή t (t= 1, 2,..., Τ). Συνήθως, τέτοιου είδους υποδείγματα θεωρούνται ίεραρχικά ή κλειστά. Αντίθετα, στό υπόδειγμα πού περιγράφουμε, θεωρούμε ότι οί αλλαγές πού παρατηρούνται στή συχνότητα κατανομής, προέρχονται άπό όλα τά στοιχεία τής φυσικής κινήσεως τοΰ πληθυσμού, δηλαδή θανάτους, γεννή 3. Rogers A., Ginsberg R., Anderson T.W. and L.A. Goodman, σεις καί μεταναστεύσεις. Ετσι, όπως θά έπεξηγηθεΐ παρακάτω, οί πιθανότητες μεταφοράς ρ^γιά j ί δέν είναι μηδενικές. Εάν συμβολίσουμε μέ q, (t) τή μή δεσμευμένη πιθανότητα, ώστε στοιχείο τοΰ πληθυσμού νά βρεθεί στήν κατάσταση ί τή χρονική στιγμή t, τότε τό προτεινόμενο υπόδειγμα έχει τή μορφή γιά t= 1,2... Τ καί j = '.2... < (2.1) Τό βασικό πρόβλημα πού έχουμε στό ύπόδειγμα είναι ή έκτίμηση τών παραμέτρων πού ύπεισέρχονται ύπό τή μορφή τής πιθανότητας μεταφοράς Py. Γιά τήν επίλυση τοΰ προβλήματος, καταφεύγουμε στή μέθοδο τής μεγίστης πιθανοφάνειας, οπότε ύπολογίζουμε πρώτα τή συνάρτηση πιθανοφάνειας L καί ύστερα τίς παραγώγους τής συναρτήσεως logl. Τελικά, ή έκτιμήτρια τού πίνακα μεταφοράς ρ = (Pij) εχει τή μορφή p*=(x X ' X;) ' X Σ 1 Υ* (2.2) όπου Σ είναι ό πίνακας συνδιασπορών τών συχνοτήτων Yj (t). Οί (r 1) ύποπίνακες Σ'3 έχουν σάν στοιχεία τίς ποσότητες -fai(t)qi(t)l/n(t) [q,(t)[l-qi(t)]]/n(t), N (t) Y, (t) nj(t), Y* είναι διάνυσμα στήλη μέ στοιχεία Yj (t) γιά t= 1, 2,...,Τ. Ρ είναι διάνυσμα στήλη μέ r - 1 ύποδιανύσματα καί X είναι (T(r 1 ) X r(r 1)) διαγώνιος πίνακας, τού ό ποιου οί ύποπίνακες X. έχουν σάν στοιχεία τά παρατηρούμενα ποσοστάύ. (t 1) γιά t = 1, 2,..., Τ καί j = 1, 2,..., r. [ϊ (r 1 ) xr (r ί) ] Πρέπει εδώ νά σημειώσουμε ότι ή έκτίμηση πού δόθηκε μέ τή σχέση (2.2) μπορεί νά χρησιμοποιηθεί μόνον όταν ό πίνακας Σ είναι γνωστός. Συνήθως, ό μως, ό πίνακας συνδιασπορών είναι συνάρτηση τής άγνωστης πιθανότητας qj (t). Ό προσφορότερος τρόπος νά έκτιμήσουμε τόν πίνακα Σ είναι νά άντικαταστήσουμε τίς πιθανότητες q; (t) μέ τίς παρατηρούμενες συχνότητες Yj (t), οπότε σέ πρώτη προσέγγιση λαμβάνουμε τήν έκτίμηση (Py(l)). Μέ βάση τή σχέση (2.1), ύπολογίζουμε άναδρομικά τή νέα πιθανότητα q-(t), πού οδηγεί στή νέα έκτίμηση ρ y (2). Ή άναδρομική αύτή διαδικασία συνεχίζεται μέχρις ότου προκύψει 243

3 Επιθεώρηση Κοινωνικών Ερευνών, β' καί γ' τετράμηνο 1979 οί (η-μ) = ρ8 (η) (2.3) Ή μεθοδολογία μπορεί νά έπεκταθεΐ σέ μερικά σημεία, άν ληφθοϋν ύπ" όψη οί έκ των προτέρων πληροφορίες πού άφορούν τίς πιθανότητες μεταφοράς Pjj. 'Υποτίθεται, π.χ., ότι οί πληροφορίες αύτές συγκεντρώνονται σέ μία συνάρτηση πυκνότητας πιθανότητας, πού δίνεται έκ των προτέρων καί πού ακολουθεί την πολυδιάστατη Β-κατανομή. Έχοντας λοιπόν ύπ όψη τή δειγματική συνάρτηση πυκνότητας πιθανότητας, όπως υπολογίστηκε στή συνάρτηση μεγίστης πιθανοφάνειας, καί κάνοντας χρήση τού γνωστού θεωρήματος τού Bayes, λαμβάνουμε τήν έκ των ύστέρων συνάρτηση πυκνότητας πιθανότητας σάν συνάρτηση των πιθανοτήτων μεταφοράς. Παραγωγίζοντας ώς πρός ρί; τή συνάρτηση αύτή, βρίσκουμε τή νέα έκτίμηση κατά Bayes μέ τήν άκόλουθη μορφή ρ*=(*'σ 1χ+Σ0^) '(χ'σ,γ*+σ0' l) (2.4) όπου J είναι [r(r 1 ) xr (r-l) ] διαγώνιος πίνακας μέ στοιχεία (a, - r)/ (θ -Μ), i 1,2,..., r (a( είναι οί έκ των προτέρων γνωστοί παράμετροι τής Β-κατανομής), L είναι (r(r-l)xl) διάνυσμα στήλη μέ στοιχεία (ajj 1 )/(θ;-μ), ί= 1,2...r καί j 1,2...r 1 Στήν όλη μαθηματική έπεξεργασία μέχρι τώρα, δέν λάβαμε ύπ όψη τίς ιδιότητες πού πρέπει νά έχουν οί πιθανότητες μεταφοράς ρ^. Δηλαδή πρέπει Σ Pjj 1 καί 0 < P;j < 1 i, j =1,2,..., r (2.5) i=' Οί προϋποθέσεις αύτές εισάγουν βασικές δυσκολίες στόν προβληματισμό. Μπορεί όμως νά βρεθεί νέα, ύπό τούς περιορισμούς (2.5), έκτίμηση τών πιθανοτήτων μεταφοράς μέ βάσή τό γνωστό θεώρημα περιστολής καί τό δυαδικό θεώρημα τού μή γραμμικού προγραμματισμού. Ή έκτίμηση πού λαμβάνεται κατ αύτό τόν τρόπο γιά τόν πίνακα τών πιθανοτήτων μεταφοράς καλείται ιδιαίτερα περιορισμένη. 3. αποτελέσματα τής άναλύσεως Σέ πρόσφατη έκδοση τής Εθνικής Στατιστικής 'Υπηρεσίας,6 γίνεται πρόβλεψη τής πληθυσμιακής κατανομής στήν Ελλάδα κατά μεγάλες ομάδες ή- λικιών μέ βάση τίς παρατηρούμενες τιμές στή χρονική περίοδο Στήν άναφερόμενη έργασία χρησιμοποιήθηκε ή γνωστή μεθοδολογία στή δημογραφία μέ άνάλυση τών στοιχείων τής φυσικής κινήσεως τού πληθυσμού. Εξαίρεση άποτέλεσε ή μετανάστευση γιά τήν όποια δέν ύπήρχαν άρκετά στοιχεία. Χρησιμοποιώντας τίς παρατηρούμενες τιμές γιά τήν πληθυσμιακή κατανομή άπό τήν έργασία πού προαναφέρθηκε, ύποθέτουμε ότι τά δεδομένα μετασχηματίζονται μέ βάση μία στατική μαρκοβιανή ά- λυσίδα πρώτης τάξεως στήν όποια ύπάρχουν τέσσερες καταστάσεις, όσες δηλαδή οί ομάδες ηλικιών πού θεωρήθηκαν. Κάθε στοιχείο τού πληθυσμού έχει τή δυνατότητα νά βρεθεί σέ μία άπό τίς θεωρούμενες ομάδες ήλικιών καί μπορεί νά μεταπηδήσει σέ μία άλλη κατά τή διάρκεια τών χρονικών στιγμών t= 1,2, 3,4, 5,6, πού άντιστοιχοΰν στά έτη λήψεως τής πληθυσμιακής κατανομής, δηλαδή άνά πενταετία στό χρονικό διάστημα Είναι κατανοητό ότι ή αλυσίδα εχει ίεραρχικό χαρακτήρα, δηλαδή ένα στοιχείο τού πληθυσμού μπορεί νά μεταπηδήσει σέ μία χρονική περίοδο άπό μία μικρότερη ήλικία, ούσιαστικά μία μικρότερη κατά άρίθμηση κατάσταση, σέ μία μεγαλύτερη. Στίς έφαρμογές πού θεωρούμε, μπορεί ενα στοιχείο τού πληθυσμού νά έξέλθει άπό τό σύστημα στήν περίπτωση θανάτου-μεταναστεύσεως ή νά είσέλθει στήν περίπτωση γεννήσεως-μεταναστεύσεως. Μέ άλλα λόγια, θεωρούμε τό σύστημα κλειστό μέ τήν εύρύτερη έννοια, ότι συμπεριλαμβάνει τίς κατασύάσεις γέννηση-θάνατος-μετανάστευση καί ότι ένα στοιχείο πού άποκόπτεται άπό μία κατάσταση μπορεί νά άντικατασταθεϊ άπό ένα νέο πού εισέρχεται σέ όποιαδήποτε κατάσταση μικρότερη ή πολύ μεγαλύτερη. "Υστερα άπό τίς προϋποθέσεις αύτές, δίνονται στόν πίνακα (3.1)7 οί παρατηρούμενες καί οί εύρεθεΐσες τιμές γιά τήν πληθυσμιακή κατανομή, καθώς καί οί προβλεπόμενες γιά τίς χρονικές στιγμές t = 7, 8, 9, 10, δηλαδή γιά τά έτη 1980, 1985, 1990, Οί ύπολογισμοί έγιναν μέ τή μέθοδο μεγίστης πιθανοφάνειας, όπως άναλύθηκε στήν προηγούμενη παράγραφο, όπου ή έκτιμήτρια γιά τόν πίνακα τών πιθανοτήτων μεταφοράς ύπολογίστηκε μέ δύο διαδοχικές επαναλήψεις. Είναι φανερό, άπό τή μεθοδολογία πού δόθηκε στήν προηγούμενη παράγραφο, ότι ή άνάλυση μέ τίς μαρκοβιανές άλυσίδες δίνει μία πρόγνωση στήν πληθυσμιακή έξέλιξη μέ βάση τίς προϋποθέσεις 6. V. Valaoras, Οί ύπολογισμοί έγιναν μέ τόν Ηλεκτρονικό 'Υπολογιστή τού 'Υπουργείου Γεωργίας. 244

4 φυσική εξέλιξη του πληθυσμού τής Ελλάδας πού υπήρχαν ή δημιουργήθηκαν κατά τή θεωρούμενη χρονική διάρκεια. Δηλαδή, μέ άλλα λόγια, οί ε ξελικτικές τάσεις είναι άπόρροια τής ολικής πολιτικής πού άσκήθηκε πάνω στά στοιχεία πού καθορίζουν τή φυσική εξέλιξη του πληθυσμού. Πρέπει νά τονίσουμε σ αυτό τό σημείο, ότι δέν είναι δυνατόν νά γίνει έλεγχος των προγνώσεων. Είναι, όμως, δυνατόν νά έλεγχθοϋν όλες οί ύποθέσεις πού τέθηκαν παραπάνω. Δηλαδή κατά πόσον ή μεθοδολογία έδωσε άποτελέσματα πού προσεγγίζουν ικανοποιητικά τίς παρατηρούμενες τιμές. Έχοντας λοιπόν τίς παρατηρούμενες τιμές Y (t) καί τίς έκτιμηθεΐσες Ÿ(t), μπορούμε νά κάνουμε χρήση τού έλέγχου στατιστικών ύποθέσεων κατά Pearson μέ βάση τήν τετραγωνική μορφή *îr,)τ = Σ Σ Ν (t) [Yi(t)-Yi(t)]2/Yi (t) (3.1) t=1 i = t ή όποια άκολουθεΐ τήν χ2-κατανομή μέ (r 1)Τ βαθμούς έλευθερίας. 'Όπως φαίνεται άπό τόν πίνακα (3.1), ή τιμή πού βρέθηκε γιά τή συνάρτηση χ2 είναι πολύ μικρότερη άπό τίς αντίστοιχες τιμές τής χ2- κατανομής γιά 18 βαθμούς έλευθερίας. Έτσι, μπορεί νά γίνει άνεπιφύλακτα δεκτή ή υπόθεση ότι οί παρατηρούμενες ποσοστιαίες συχνότητες άκολουθοΰν τήν ίδια κατανομή μέ τίς έκτιμηθεΐσες. Σέ μία δεύτερη έφαρμογή, θεωρούμε πάλι τίς παρατηρούμενες τιμές γιά τήν κατανομή τού άστικοΰ πληθυσμού στήν Ελλάδα άπό τήν έκδοση τής ΕΣΥΕ πού προαναφέρθηκε. 'Υποθέτουμε, πάλι, ότι τά δεδομένα μετασχηματίζονται μέ βάση μία στατική μαρκοβιανή αλυσίδα πρώτης τάξεως, στήν ό ποια ύπάρχουν τέσσερες καταστάσεις πού άντιστοιχούν σέ τέσσερες μεγάλες όμάδες ήλικιών (πίνακας 3.2). Παρόμοια, υποτίθεται ότι κάθε στοιχείο τού πληθυσμού είναι δυνατόν νά βρεθεί σέ μία άπό τίς θεωρούμενες καταστάσεις καί μπορεί νά μεταπηδήσει σέ μία άλλη κατά τή διάρκεια των χρονικών στιγμών t= 1, 2, 3, 4, 5, 6, πού άντιστοιχούν στά έτη λήψεως τής πληθυσμιακής κατανομής, δηλαδή άνά πενταετία στό χρονικό διάστημα Τέλος, κάνουμε τήν ίδια ύπόθεση, όπως στό προηγούμενο παράδειγμα, γιά τήν ίεραρχικότητα καί τό κλειστό τού συστήματος. "Υστερα άπό τίς υποθέσεις αυτές, δίνουμε στόν πίνακα (3.2) τίς τιμές γιά τήν πληθυσμιακή κατανομή τού αστικού πληθυσμού μέ βάση τήν έκτίμηση κατά Bayes, όπως περιγράφτηκε στήν προηγούμενη παράγραφο. Οί έκ τών προτέρων πιθανότητες μεταφοράς (πίνακας 3.3) έχουν υπολογιστεί σέ σχέση μέ τίς πραγματικές δυνατότητες γιά τή μεταπήδηση ένός στοιχείου τού πληθυσμού άπό μία κατάσταση σέ άλλη. "Ετσι, θεωρήσαμε, π.χ., ότι ή πιθανότητα γιά νά παραμείνει ένα στοιχείο τού πληθυσμού στήν πρώτη όμάδα ήλικίας (0-14 έτη) κατά τή διάρκεια μιας πενταετίας είναι ίση περίπου μέ 2/3. Μέ τό ίδιο σκεπτικό υπολογίσαμε τά άλλα διαγώνια στοιχεία τού πίνακα καί τίς πιθανότητες μεταπηδήσεως Ρ12.Ρ23 Ρ34 Γιά τόν υπολογισμό τής έκ τών προτέρων πιθανότητας ρ4 θεωρήσαμε ότι ή πιθα- ΠΙΝΑΚΑΣ 3.1. Πληθυσμιακή κατανομή τής 'Ελλάδας κατά μεγάλες όμάδες ήλικιών 1 (0-14 έτη) 2 (15-44 έτη) 3 (45-64 έτη) 4 (65 +έτη) Μέγεθος δείγματος ( ) 1(1950) 0,2856 0,4759 0,1736 0, (1955) 0,2636 0,2650 0,4747 0,4687 0,1904 0,1897 0,0713 0, (1960) 0,2642 0,2647 0,4496 0,4473 0,2052 0,2037 0,0810 0, (1965) 0,2518 0,2516 0,4442 0,4375 0,2094 0,2163 0,0946 0, (1970) 0,2483 0,2486 0,4236 0,4240 0,2161 0,2192 0,1120 0, (1975) 0,2387 0,2375 0,3968 0,4116 0,2321 0,2244 0,1324 0, (1980) 0,2284 0,2232 0,3925 0,3913 0,2349 0,2374 0,1442 0,1478 8(1985) 0,2177 0,2204 0,4002 0,3746 0,2395 0,2413 0,1426 0,1636 9(1990) 0,2180 0,2113 0,4125 0,3648 0,2263 0,2440 0,1432 0, (1995) 0,2240 0,2061 0,4097 0,3521 0,2128 0,2456 0,1535 0,1958 Α: Παρατηρούμενες τιμές καί πρόγνωση κατά V. Vaiaoras, Β: Έκτιμώμενες τιμές καί πρόγνωση κατά τή μέθοδο μεγίστης πιθανοφάνειας. "Αθροισμα τετρ. σφάλματος 0, Μέσον τετρ. σφάλμα 0, Τιμή χ2 0,

5 Επιθεώρηση Κοινωνικών Ερευνών, β' καί γ' τετράμηνο 1979 ΠΙΝΑΚΑΣ 3.2. Κατανομή τοΰ άστικοϋ πληθυσμού τής Ελλάδας κατά μεγάλες όμάδες ηλικιών XI (0-14 έτη) 2 (15-44 έτη) 3 (45-64 έτη) 4 (65 +έτη) Μέγεθος δείγματος AB AB AB A B 1(1950) 0,2292 0,5306 0,1832 0, (1955) 0,2158 0,2108 0,5221 0,4933 0,1990 0,2325 0,0631 0, (1960) 0,2221 0,2072 0,4926 0,4841 0,2126 0,2445 0,0727 0, (1965) 0,2230 0,2171 0,4800 0,4649 0,2128 0,2533 0,0848 0, (1970) 0,2284 0,2250 0,4630 0,4565 0,2126 0,2529 0,0960 0, (1975) 0,2289 0,2356 0,4405 0,4461 0,2218 0,2519 0,1088 0, (1980) 0,2266 0,2442 0,4231 0,4306 0,2292 0,2579 0,1215 0,0672 8(1995) 0,2210 0,2267 0,4197 0,4256 0,2351 0,2836 0,1242 0,0641 9(1990) 0,2196 0,2149 0,4235 0,4174 0,2269 0,3031 0,1300 0, (1995) 0,2156 0,2087 0,4237 0,4087 0,2257 0,3182 0,1450 0,0644 A: Παρατηρούμενες τιμές καί πρόγνωση κατά V. Valaoras Β: Έκτιμώμενες τιμές καί πρόγνωση κατά τή μέθοδο Bayes. "Αθροισμα τετρ. σφάλματος 0, Μέσον τετρ. σφάλμα 0, Τιμή χ2 3, νότητα νά διαφύγει από τήν τέταρτη ομάδα ηλικίας ένα στοιχείο τοΰ πληθυσμού λόγω θανάτου ή μεταναστεύσεως καί νά άντικατασταθει άπό ένα νέο στην πρώτη ομάδα λόγω γεννήσεως ή μεταναστεύσεως σέ μία πενταετία, είναι περίπου ίση μέ 1/3, δηλαδή ίση μέ τήν πιθανότητα διαφυγής άπό τήν τέταρτη όμάδα. Τέλος, γιά τίς πιθανότητες Ρ13.Ρ14 Ρ21. P24 P31.P32.P42.P43, κάναμε τήν ύπόθεση ότι είναι σταθερές καί ίσες πρός 0,05 καί άντιπροσωπεύουν τήν ΠΙΝΑΚΑΣ 3.3. Οι έκ τών προτέρων πιθανότητες μεταφοράς καί ή εκτίμηση κατά Bayes μέ τήν έπαναληπτική διαδικασία Πίνακας τών πιθανοτήτων Έπ. σφάλμα μεταφοράς Έκ τών 0,6000 0,3000 0,0500 0,0500 προτέρων 0,0500 0,7500 0,1500 0,0500 πιθανότητες 0,0500 0,0500 0,7000 0,2000 μεταφοράς 0,3000 0,0500 0,0500 0,7000 η 0,6188 0,2983 0,0384 0,0446 0, έπαναλη 0,0441 0,7795 0,1266 0,0498 πτική 0,0534 0,0521 0,8289 0,0656 λύση 0,5408 0,0768 0,0748 0,3076 3η 0,6139 0,3000 0,0385 0,0477 0, έπαναλη 0,0424 0,7746 0,1254 0,0575 πτική 0,0528 0,0524 0,8322 0,0625 λύση 0,6363 0,0883 0,0847 0,1908 6η 0,6116 0,3008 0,0385 0,0491 0, έπαναλη 0,0417 0,7717 0,1249 0,0617 πτική 0,0524 0,0524 0,8311 0,0641 λύση 0,6823 0,942 0,0895 0,1340 πιθανότητα, ώστε ένα στοιχείο του πληθυσμού νά διαφΰγει άπό μία όμάδα ήλικίας λόγω μεταναστεύσεως ή θανάτου καί νά άντικατασταθει άπό ένα άλλο λόγω μεταναστεύσεως ή γεννήσεως, όταν τό στοιχείο καταφεύγει στήν πρώτη όμάδα ήλικίας. Μέ βάση τίς παραπάνω ύποθέσεις, όσον άφορά τίς έκ τών προτέρων πιθανότητες μεταφοράς, ύπολογίσαμε τόν έκ τών ύστέρων πίνακα τών πιθανοτήτων μεταφοράς μέ τή γνωστή άναδρομική μέθοδο, όπως άναφέρθηκε στήν προηγούμενη παράγραφο. Στόν πίνακα (3.3) δίνουμε τήν πρώτη,,τρίτη καί έκτη έπαναληπτική λύση. Άπό τόν ίδιο πίνακα μπορούμε νά δούμε, άμέσως, ότι τό έπαναληπτικό σφάλμα, πού ύπολογίστηκε σάν άπόλυτη άπόκλιση τής έκτιμήσεως στή νέα λύση άπό αυτή τής προηγούμενης, τείνει πρός τό μηδέν. "Εχοντας λοιπόν τίς εκτιμήσεις γιά τήν πληθυσμιακή κατανομή στό χρονικό διάστημα μέ βάση τήν έκτη έπαναληπτική λύση, ύπολογίζουμε παραπέρα τίς τιμές γιά τήν πληθυσμιακή κατανομή γιά τό χρονικό διάστημα άνά πενταετία (πίνακας 3.2). "Οπως φαίνεται άπό τόν πίνακα προγνώσεων (3.2), γιά τήν πρώτη καί δεύτερη ό μάδα ήλικίας δέν άναμένονται ουσιώδεις άλλαγές στή συχνότητα κατανομής γιά τό χρονικό διάστημα τής προγνώσεως. Αντίθετα, ή τρίτη όμάδα ήλικίας, όπως υπολογίσαμε μέ τή μέθοδο μεγίστης πιθανοφάνειας, άναμένεται νά έχει πολύ μεγαλύτερη συμμετοχή άπ ό,τι είχε κατά τή χρονική περίοδο καί άπ ό,τι προβλέπεται κατά τίς εκτιμήσεις τής ΕΣΥΕ στήν έργασία πού προαναφέρθηκε. 'Η διαφορά στό σημείο αύτό προέρχεται κυρίως άπό τή μεθοδολογία πού έφαρμόσαμε. 'Όπως προαναφέραμε, ή θεωρία τών μαρκοβιανών άλυσίδων δίνει προγνώσεις μέ βάση τήν όλη πληθυσμιακή πο- 246

6 φυσική έξέλιξη τοΰ πληθυσμού τής Ελλάδας ΠΙΝΑΚΑΣ 3.4. Πληθυσμιακή κατανομή τοΰ άγροτικοϋ πληθυσμού τής 'Ελλάδας κατά μεγάλες όμάδες ηλικιών 1 (0-14 έτη) 2 (15-44 έτη) 3 (45-64 έτη) 4 (65 + έτη) Μέγεθος δείγματος ( ) 1(1950) 2(1955) 0,3177 0,2945 0,2953 0,2709 0,4448 0,4440 0,4322 0,4400 0,1681 0,1849 0,1882 0,2164 0,694 0,0766 0,0842 0, (1960) 0,2951 0,2930 0,2622 0,4180 0,4131 0,4342 0,1988 0,2010 0,2300 0,0871 0,0928 0, (1965) 0,2768 0,2773 0,2693 0,4132 0,4034 0,4166 0,2064 0,2146 0,2399 0,1036 0,1046 0, (1970) 0,2700 0,2729 0,2691 0,3809 0,3866 0,4095 0,2199 0,2,186 0,2455 0,1292 0,1217 0, (1975) 0,2522 0,2527 0,2814 0,3366 0,3685 0,3862 0,2462 0,2302 0,2544 0,1650 0,1485 0, (1980) 0,2316 0,2244 0,2938 0,3488 0,3366 0,3524 0,2430 0,2523 0,2728 0,1766 0,1866 0,0809 8(1985) 0,2129 0,2221 0,2652 0,3711 0,3140 0,3701 0,2458 0,2548 0,2911 0,1698 0,2088 0,0735 9(1990) 0,2157 0,2083 0,2443 0,3962 0,3033 0,3753 0,2254 0,2568 0,3069 0,1627 0,2312 0, (1995) 0,2366 0,2007 0,2334 0,4036 0,2880 0,3741 0,1937 0,2571 0,3200 0,1661 0,2537 0,0737 Α: Παρατηρούμενες τιμές καί πρόγνωση κατά V. Valaoras, Β: Παρατηρούμενες τιμές μέ τη μέθοδο μεγίστης πιθανοφάνειας. Γ: Παρατηρούμενες τιμές μέ τη μέθοδο Bayes. "Αθροισμα τετρ. σφάλματος (μέθοδος μεγ. πιθαν.) (μέθοδος Bayes) Μέσον τετραγωνικόν σφάλμα (μέθοδος μεγ. πιθαν.) (μέγεθος Bayes) Τιμή (μέγεθος μεγ. πιθαν.) (μέθοδος Bayes) λιτική πού ασκήθηκε στό διερευνώμενο χρονικό διάστημα, χωρίς νά είναι δυνατόν νά γίνουν ύποθέσεις γιά έναλλακτική μελλοντική συμπεριφορά των άτόμων τοΰ πληθυσμού. Σέ μία τελευταία έφαρμογή, θεωρούμε τίς παρατηρούμενες τιμές γιά τήν κατανομή τοΰ αγροτικού πληθυσμού στήν Ελλάδα άπό τήν ίδια έκδοση τής ΕΣΥΕ. 'Υποθέτουμε, πάλι, ότι τά δεδομένα μετασχηματίζονται μέ βάση μία στατική μαρκοβιανή ά- λυσίδα πρώτης τάξεως μέ τέσσερες καταστάσεις, όπως άκριβώς στόν άστικό πληθυσμό. Στόν πίνακα (3.4) δίνουμε τίς τιμές γιά τήν πληθυσμιακή κατανομή του άγροτικοϋ πληθυσμού μέ τή μέθοδο μεγίστης πιθανοφάνειας καί μέ τή μέθοδο Bayes. Στόν ύπολογισμό μέ τή δεύτερη μέθοδο, θεωρήσαμε ότι ό πίνακας γιά τίς εκ των προτέρων πιθανότητες μεταφοράς είναι ό ίδιος, όπως άκριβώς στόν άστικό πληθυσμό. Επίσης, γιά τόν υπολογισμό τής έκτιμήσεως κατά Bayes, λάβαμε τήν έκτη έπαναληπτική λύση, ενώ κατά τή μέθοδο μεγίστης πιθανοφάνειας τή δεύτερη επαναληπτική λύση. Μέ τόν προσδιορισμό τής έκτιμήσεως τών πιθανοτήτων μεταφοράς κατά Bayes, προκύπτει βασική διαφοροποίηση τής θεωρούμενης μαρκοβιανής ά- λυσίδας. Ένώ κατά τή μέθοδο μεγίστης πιθανοφάνειας προκύπτουν άπορροφητικές καταστάσεις, δέν συμβαίνει τό ίδιο στή μέθοδο Bayes, όπου ή εκτίμηση τών πιθανοτήτων μεταφοράς οδηγεί στή δημιουργία άπλής άλυσίδας. Στήν περίπτωση αύτή, μπορούμε πλέον νά ύπολογίσουμε τίς οριακές συχνότητες μετά άπό άπειρο θεωρητικά χρόνο. ΒΙΒΛΙΟΓΡΑΦΙΑ 1. Boudon, R., Mathematical Structures of Social Mobility, Elsevier (1973). 2. Ginsberg, R., «Critique of Probabilistic Models: Application of the Semi-Marcov Model to Migration», Journal of Mathematical Sosiology 2,63-82 (1972). 3. Lee, T.C., G.G. Judge and A. Zellner, Estimating the Parameters of the Marcov Probability Models from Aggregate Time Series Data, North-Holland (1970). 4. Rogers, A., Introduction to Multiregional Mathematical Demogra- 4 phy, J. Wiley (1975). 5. Tziafetas, Geor., «Zur Anwendung der Theorie der stochastischen Prozessen in der Sozialwissenschaft und insbesondere in der Demometrie», National Center for Social Research, no (1976). 6. Valaoras, V., Urban-Rural Population Dynamics of Greece, Ed. of the National Statistical Service of Greece (1974). 247

ΜΑΡΚΟΒΙΑΝΑ ΥΠΟΔΕΙΓΜΑΤΑ ΓIΑ ΤΗΝ ΕΞΕΛΙΞΗ ΤΟΥ ΕΓΧΩΡΙΟΥ ΠΡΟΙΟΝΤΟΣ ΚΑΙ ΤΩΝ ΕΠΕΝΔΥΣΕΩΝ

ΜΑΡΚΟΒΙΑΝΑ ΥΠΟΔΕΙΓΜΑΤΑ ΓIΑ ΤΗΝ ΕΞΕΛΙΞΗ ΤΟΥ ΕΓΧΩΡΙΟΥ ΠΡΟΙΟΝΤΟΣ ΚΑΙ ΤΩΝ ΕΠΕΝΔΥΣΕΩΝ ΜΑΡΚΟΒΙΑΝΑ ΥΠΟΔΕΙΓΜΑΤΑ ΓIΑ ΤΗΝ ΕΞΕΛΙΞΗ ΤΟΥ ΕΓΧΩΡΙΟΥ ΠΡΟΙΟΝΤΟΣ ΚΑΙ ΤΩΝ ΕΠΕΝΔΥΣΕΩΝ Ύπό ΓΕΩΡΓΙΟΥ N. ΤΖΙΑΦΕΤΑ* Περίληψη Ή κατανομή των ακαθαρίστων επενδύσεων παγίου κεφαλαίου (ΑΕΠΚ) καί του ακαθαρίστου εγχωρίου

Διαβάστε περισσότερα

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού

Διαβάστε περισσότερα

Στατιστική. Εκτιμητική

Στατιστική. Εκτιμητική Στατιστική Εκτιμητική Χατζόπουλος Σταύρος 28/2/2018 και 01 /03/2018 Εισαγωγή Το αντικείμενο της Στατιστικής είναι η εξαγωγή συμπερασμάτων που αφορούν τον πληθυσμό ή το φαινόμενο που μελετάμε, με τη βοήθεια

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία 4. Εκτιμητική Στατιστική Συμπερασματολογία εκτιμήσεις των αγνώστων παραμέτρων μιας γνωστής από άποψη είδους κατανομής έλεγχο των υποθέσεων που γίνονται σε σχέση με τις παραμέτρους μιας κατανομής και σε

Διαβάστε περισσότερα

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων Το κείμενο που ακολουθεί είναι απόσπασμα από το βιβλίο του Β. Κοτζαμάνη, Στοιχεία Δημογραφίας, Πανεπιστημιακές Εκδόσεις Θεσσαλίας, Βόλος, 9, σσ. 95-99. IV.5 Υποδείγματα πληθυσμού: στάσιμος και σταθερός

Διαβάστε περισσότερα

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 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 περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Σ 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 περισσότερα

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 ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 2015 Πληθυσμός: Εισαγωγή Ονομάζεται το σύνολο των χαρακτηριστικών που

Διαβάστε περισσότερα

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 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 περισσότερα

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

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

Διαβάστε περισσότερα

Διαστήματα 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 Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Διαστήματα εμπιστοσύνης Το διάστημα εμπιστοσύνης είναι ένα διάστημα αριθμών

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος μέγιστης πιθανοφάνειας Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

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

Διαβάστε περισσότερα

2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για

2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για 2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για τον καθορισμό του καλύτερου υποσυνόλου από ένα σύνολο

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ

Αναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Αναγνώριση Προτύπων Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Χριστόδουλος Χαμζάς Τα περιεχόμενο της παρουσίασης βασίζεται στο βιβλίο: Introduction to Pattern Recognition A Matlab Approach, S. Theodoridis,

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13

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...

Διαβάστε περισσότερα

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων

Εργαστήριο Δημογραφικών & Κοινωνικών Αναλύσεων ΥΠΟΔΕΙΓΜΑΤΑ ΣΤΑΣΙΜΟΥ ΚΑΙ ΣΤΑΘΕΡΟΥ ΠΛΗΘΥΣΜΟΥ (ΕΛΕΥΘΕΡΙΑ ΑΝΔΡΟΥΛΑΚΗ) Η εξέταση των πολύπλοκων δεσμών που συνδέουν τα δημογραφικά φαινόμενα με τους πληθυσμούς από τους οποίους προέρχονται και τους οποίους

Διαβάστε περισσότερα

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

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

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

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

Διαβάστε περισσότερα

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

Πινάκες 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 περισσότερα

Αριθμητική Ανάλυση και Εφαρμογές

Αριθμητική Ανάλυση και Εφαρμογές Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Παραγώγιση Εισαγωγή Ορισμός 7. Αν y f x είναι μια συνάρτηση ορισμένη σε ένα διάστημα

Διαβάστε περισσότερα

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

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

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS)

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS) ΚΕΦΑΛΑΙΟ 8 ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (OULATION ROJECTIONS) Η κύρια πηγή στατιστικών δεδοµένων που αφορούν το µέγεθος και τη σύνθεση του πληθυσµού είναι η απογραφή. Η απογραφή πληθυσµού

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34

Εφαρμοσμένη 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 περισσότερα

6.2 Ο ΜΟΝΟΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ

6.2 Ο ΜΟΝΟΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ 6.2 Ο ΜΟΝΟΠΛΕΥΡΟΣ ΕΛΕΓΧΟΣ SMIRNOV ΓΙΑ k ΑΝΕΞΑΡΤΗΤΑ ΔΕΙΓΜΑΤΑ Ο έλεγχος της ενότητας αυτής αποτελεί μία επέκταση του μονόπλευρου ελέγχου Smirnov στην περίπτωση περισσοτέρων από δύο δειγμάτων. Ο έλεγχος αυτός

Διαβάστε περισσότερα

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

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

Διαβάστε περισσότερα

Απλή Παλινδρόμηση και Συσχέτιση

Απλή Παλινδρόμηση και Συσχέτιση Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989

Διαβάστε περισσότερα

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Κεφάλαιο 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 περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium Iii Η Κανονική Κατανομή Λέμε ότι μία τυχαία μεταβλητή X, ακολουθεί την Κανονική Κατανομή με παραμέτρους και και συμβολίζουμε X N, αν έχει συνάρτηση πυκνότητας

Διαβάστε περισσότερα

5. Έλεγχοι Υποθέσεων

5. 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 περισσότερα

3. Κατανομές πιθανότητας

3. 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 περισσότερα

Οικονομετρία. Απλή Παλινδρόμηση Βασικές έννοιες και τυχαίο σφάλμα. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης. Διδάσκων: Λαζαρίδης Παναγιώτης

Οικονομετρία. Απλή Παλινδρόμηση Βασικές έννοιες και τυχαίο σφάλμα. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης. Διδάσκων: Λαζαρίδης Παναγιώτης Οικονομετρία Απλή Παλινδρόμηση Βασικές έννοιες και τυχαίο σφάλμα Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση των εισαγωγικών εννοιών που

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

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

Διαβάστε περισσότερα

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

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 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 περισσότερα

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος 75 Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ 1.1. Τυχαία γεγονότα ή ενδεχόμενα 17 1.2. Πειράματα τύχης - Δειγματικός χώρος 18 1.3. Πράξεις με ενδεχόμενα 20 1.3.1. Ενδεχόμενα ασυμβίβαστα

Διαβάστε περισσότερα

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

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

Διαβάστε περισσότερα

Απλή Γραμμική Παλινδρόμηση I

Απλή Γραμμική Παλινδρόμηση I Απλή Γραμμική Παλινδρόμηση I. Εισαγωγή Έστω ότι θέλουμε να ερευνήσουμε εμπειρικά τη σχέση που υπάρχει ανάμεσα στις δαπάνες κατανάλωσης και στο διαθέσιμο εισόδημα, των οικογενειών. Σύμφωνα με την Κεϋνσιανή

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Τυχαίο Δείγμα

Διαβάστε περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Τα υποδείγματα του απλού γραμμικού υποδείγματος της παλινδρόμησης (simple linear regression

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 2 Επισκόπηση θεωρίας πιθανοτήτων Τυχαίες μεταβλητές: Βασικές έννοιες Τυχαία μεταβλητή: Μεταβλητή της οποίας δε γνωρίζουμε με βεβαιότητα την τιμή (σε αντίθεση με τις

Διαβάστε περισσότερα

Σημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη

Σημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη Σημειακή εκτίμηση και εκτίμηση με διάστημα 11 η Διάλεξη Εκτιμήτρια Κάθε στατιστική συνάρτηση που χρησιμοποιείται για την εκτίμηση μιας παραμέτρου ενός πληθυσμού (π.χ. ο δειγματικός μέσος) Σημειακή εκτίμηση

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ II ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ 2. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ

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

Διαβάστε περισσότερα

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0 ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής Δεσμευμένη αξιοπιστία Η δεσμευμένη αξιοπιστία R t είναι η πιθανότητα το σύστημα να λειτουργήσει για χρονικό

Διαβάστε περισσότερα

Το Κεντρικό Οριακό Θεώρημα

Το Κεντρικό Οριακό Θεώρημα Το Κεντρικό Οριακό Θεώρημα Όπως θα δούμε αργότερα στη Στατιστική Συμπερασματολογία, λέγοντας ότι «από έναν πληθυσμό παίρνουμε ένα τυχαίο δείγμα μεγέθους» εννοούμε ανεξάρτητες τυχαίες μεταβλητές,,..., που

Διαβάστε περισσότερα

ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ. Για την Γ Τάξη Γενικού Λυκείου Μάθημα Επιλογής ΟΡΓΑΝΙΣΜΟΣ ΕΚΔΟΣΕΩΣ ΔΙΔΑΚΤΙΚΩΝ ΒΙΒΛΙΩΝ ΑΘΗΝΑ

ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ. Για την Γ Τάξη Γενικού Λυκείου Μάθημα Επιλογής ΟΡΓΑΝΙΣΜΟΣ ΕΚΔΟΣΕΩΣ ΔΙΔΑΚΤΙΚΩΝ ΒΙΒΛΙΩΝ ΑΘΗΝΑ ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Για την Γ Τάξη Γενικού Λυκείου Μάθημα Επιλογής ΟΡΓΑΝΙΣΜΟΣ ΕΚΔΟΣΕΩΣ ΔΙΔΑΚΤΙΚΩΝ ΒΙΒΛΙΩΝ ΑΘΗΝΑ ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ

Διαβάστε περισσότερα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

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

Διαβάστε περισσότερα

Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων 1ο Σετ Ασκήσεων - Λύσεις

Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων 1ο Σετ Ασκήσεων - Λύσεις Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων ο Σετ Ασκήσεων - Λύσεις Νοέμβριος - Δεκέμβριος 205 Ερώτημα (α). Η νοσοκόμα ακολουθεί μια Ομογενή Μαρκοβιανή Αλυσίδα Διακριτού Χρόνου με χώρο καταστάσεων το σύνολο

Διαβάστε περισσότερα

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21

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

Διαβάστε περισσότερα

Δειγματοληψία στην Ερευνα. Ετος

Δειγματοληψία στην Ερευνα. Ετος ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας & Ανάπτυξης Μέθοδοι Γεωργοοικονομικής και Κοινωνιολογικής Ερευνας Δειγματοληψία στην Έρευνα (Μέθοδοι Δειγματοληψίας - Τρόποι Επιλογής Τυχαίου Δείγματος)

Διαβάστε περισσότερα

Λήψη αποφάσεων κατά Bayes

Λήψη αποφάσεων κατά Bayes Λήψη αποφάσεων κατά Bayes Σημειώσεις μαθήματος Thomas Bayes (1701 1761) Στυλιανός Χατζηδάκης ECE 662 Άνοιξη 2014 1. Εισαγωγή Οι σημειώσεις αυτές βασίζονται στο μάθημα ECE662 του Πανεπιστημίου Purdue και

Διαβάστε περισσότερα

Στατιστική Επιχειρήσεων Ι

Στατιστική Επιχειρήσεων Ι ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Στατιστική Επιχειρήσεων Ι Ενότητα 5: Παλινδρόμηση Συσχέτιση θεωρητική προσέγγιση Μιλτιάδης Χαλικιάς, Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων

Διαβάστε περισσότερα

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι: Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του

Διαβάστε περισσότερα

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο

Διαβάστε περισσότερα

Φίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο

Φίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο Φίλτρα Kalman Εξαγωγή των εξισώσεων τους με βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραμμα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του

Διαβάστε περισσότερα

Παραρτήματα Έκθεση Β. Εργαστήριο Δημογραφικών και Κοινωνικών Αναλύσεων (ΕΔΚΑ), Πανεπιστήμιο Θεσσαλίας Σεπτέμβριος 2016

Παραρτήματα Έκθεση Β. Εργαστήριο Δημογραφικών και Κοινωνικών Αναλύσεων (ΕΔΚΑ), Πανεπιστήμιο Θεσσαλίας Σεπτέμβριος 2016 09.2016 1 Παραρτήματα Έκθεση Β Εργαστήριο Δημογραφικών και Κοινωνικών Αναλύσεων (ΕΔΚΑ), Πανεπιστήμιο Θεσσαλίας Σεπτέμβριος 2016 2 Περιεχόμενα ΠΑΡΑΡΤΗΜΑΤΑ 1. Μεθοδολογία ανάπτυξης προβλεπόμενων πινάκων

Διαβάστε περισσότερα

ΜΕΡΟΣ ΠΡΩΤΟ Στατιστικό υπόβαθρο και βασικός χειρισµός δεδοµένων

ΜΕΡΟΣ ΠΡΩΤΟ Στατιστικό υπόβαθρο και βασικός χειρισµός δεδοµένων ΜΕΡΟΣ ΠΡΩΤΟ Στατιστικό υπόβαθρο και βασικός χειρισµός δεδοµένων 1 Βασικές έννοιες... 3 2 Η δοµή των οικονοµικών δεδοµένων και ο βασικός χειρισµός δεδοµένων... 14 ΚΕΦΑΛΑΙΟ 1 Βασικές έννοιες ΠΕΡΙΕΧΟΜΕΝΑ

Διαβάστε περισσότερα

Υ: 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..

Υ: 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

Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής

Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής Ενότητα 2 Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής Ένας από τους βασικούς σκοπούς της Στατιστικής είναι η εκτίμηση των χαρακτηριστικών ενός πληθυσμού βάσει της πληροφορίας από ένα δείγμα.

Διαβάστε περισσότερα

Γ. Πειραματισμός Βιομετρία

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

Διαβάστε περισσότερα

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Με τον όρο μη γραμμικές εξισώσεις εννοούμε εξισώσεις της μορφής: f( ) 0 που προέρχονται από συναρτήσεις f () που είναι μη γραμμικές ως προς. Περιέχουν δηλαδή

Διαβάστε περισσότερα

Στοχαστικές Στρατηγικές

Στοχαστικές Στρατηγικές Στοχαστικές Στρατηγικές 3 η ενότητα: Εισαγωγή στα στοχαστικά προβλήματα διαδρομής Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο

Διαβάστε περισσότερα

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις ΔΕΟ - Επαναληπτικές Εξετάσεις Λύσεις ΘΕΜΑ () Το Διάγραμμα Διασποράς εμφανίζεται στο επόμενο σχήμα. Από αυτό προκύπτει καταρχήν μία θετική σχέση μεταξύ των δύο μεταβλητών. Επίσης, από το διάγραμμα φαίνεται

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική

ΣΤΑΤΙΣΤΙΚΗ 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 περισσότερα

Παρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο

Παρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο Εφαρμογές Ανάλυσης Σήματος στη Γεωδαισία Παρουσίαση η : Αρχές εκτίμησης παραμέτρων Μέρος ο Βασίλειος Δ. Ανδριτσάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σκ της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα Χ=(Χ, Χ,, Χ ) από πληθυσμό το

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 1 ου κεφαλαίου Βιβλίο: Κολυβά Μαχαίρα, Φ. & Χατζόπουλος Στ. Α. (2016). Μαθηματική Στατιστική, Έλεγχοι Υποθέσεων. [ηλεκτρ. βιβλ.] Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών

Διαβάστε περισσότερα

Αριθμητική Ανάλυση & Εφαρμογές

Αριθμητική Ανάλυση & Εφαρμογές Αριθμητική Ανάλυση & Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Υπολογισμοί και Σφάλματα Παράσταση Πραγματικών Αριθμών Συστήματα Αριθμών Παράσταση Ακέραιου

Διαβάστε περισσότερα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100 Ποσοτικές Μέθοδοι Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR 50100 Απλή Παλινδρόμηση Η διερεύνηση του τρόπου συμπεριφοράς

Διαβάστε περισσότερα

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

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

Διαβάστε περισσότερα

Η μεταβλητή "χρόνος" στη δημογραφική ανάλυση - το διάγραμμα του Lexis

Η μεταβλητή χρόνος στη δημογραφική ανάλυση - το διάγραμμα του Lexis Η μεταβλητή "χρόνος" στη δημογραφική ανάλυση - το διάγραμμα του Lexis Η αναφορά στο χρόνο Αναφερόμενοι στο χρόνο, θα πρέπει κατ αρχάς να τονίσουμε ότι αυτός μπορεί να είναι είτε το ημερολογιακό έτος, είτε

Διαβάστε περισσότερα

X = = 81 9 = 9

X = = 81 9 = 9 Πιθανότητες και Αρχές Στατιστικής (11η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος 2018-2019 Σωτήρης Νικολετσέας, καθηγητής 1 / 35 Σύνοψη

Διαβάστε περισσότερα

Το Κεντρικό Οριακό Θεώρημα

Το Κεντρικό Οριακό Θεώρημα Το Κεντρικό Οριακό Θεώρημα Στα προηγούμενα (σελ. 7), δώσαμε μια πρώτη, γενική, διατύπωση του Κεντρικού Οριακού Θεωρήματος (Κ.Ο.Θ.) και τη γενική ιδέα για το πώς το Κ.Ο.Θ. εξηγεί το μεγάλο εύρος εφαρμογής

Διαβάστε περισσότερα

Υ: 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..

Υ: 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

TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III

TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III 0 TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III Νοέμβριος Eστω,,, τυχαίο δείγμα από κατανομή f( x; ), όπου συμβολίζει άγνωστη παράμετρο (a) Να ορισθεί η έννοια του επαρκούς στατιστικού

Διαβάστε περισσότερα

Στατιστική Επιχειρήσεων ΙΙ

Στατιστική Επιχειρήσεων ΙΙ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #3: Εκτιμητική Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7ο μάθημα: Πολυμεταβλητή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana

Διαβάστε περισσότερα

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 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 περισσότερα

Γ. Πειραματισμός - Βιομετρία

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

Διαβάστε περισσότερα

ΕΝΤΥΠΟ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ

ΕΝΤΥΠΟ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ F3W.PR09 Όνομα: Επίθετο: Ημερομηνία: 7/0/07 Πρωί: Απόγευμα: Θεματική ενότητα: Αναλογιστικά Πρότυπα Επιβίωσης Ερώτηση Εάν η τυχαία μεταβλητή Τ έχει συνάρτηση πυκνότητας f ep 3 3 να υπολογίσετε το 90 ο εκατοστημόριο

Διαβάστε περισσότερα

3.4.2 Ο Συντελεστής Συσχέτισης τ Του Kendall

3.4.2 Ο Συντελεστής Συσχέτισης τ Του Kendall 3..2 Ο Συντελεστής Συσχέτισης τ Του Kendall Ο συντελεστής συχέτισης τ του Kendall μοιάζει με τον συντελεστή ρ του Spearman ως προς το ότι υπολογίζεται με βάση την τάξη μεγέθους των παρατηρήσεων και όχι

Διαβάστε περισσότερα

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Συσχέτιση (Correlation) - Copulas

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Συσχέτιση (Correlation) - Copulas ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ Συσχέτιση (Correlation) - Copulas Σημασία της μέτρησης της συσχέτισης Έστω μία εταιρεία που είναι εκτεθειμένη σε δύο μεταβλητές της αγοράς. Πιθανή αύξηση των 2 μεταβλητών

Διαβάστε περισσότερα

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρμοσμένες Επιστήμες Στατιστικός Πληθυσμός και Δείγμα Το στατιστικό

Διαβάστε περισσότερα

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 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

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότερα

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Σύμφωνα με στοιχεία από το Πανεπιστήμιο της Οξφόρδης η πιθανότητα ένας φοιτητής να αποφοιτήσει μέσα σε 5 χρόνια από την ημέρα εγγραφής του στο

Διαβάστε περισσότερα

Περιπτώσεις που η στατιστική συνάρτηση ελέγχου είναι η Ζ: 1. Η σ είναι γνωστή και ο πληθυσμός κανονικός.

Περιπτώσεις 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 περισσότερα

Μάθημα Αστικής Γεωγραφίας

Μάθημα Αστικής Γεωγραφίας Μάθημα Αστικής Γεωγραφίας Διδακτικό Έτος 2015-2016 Παραδόσεις Διδακτικής Ενότητας: Πληθυσμιακή πρόβλεψη Δούκισσας Λεωνίδας, Στατιστικός, Υποψ. Διδάκτορας, Τμήμα Γεωγραφίας, Χαροκόπειο Πανεπιστήμιο Σελίδα

Διαβάστε περισσότερα

Συσχέτιση μεταξύ δύο συνόλων δεδομένων

Συσχέτιση μεταξύ δύο συνόλων δεδομένων Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,

Διαβάστε περισσότερα

Εισαγωγή στην Εκτιμητική

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

Διαβάστε περισσότερα

7.1.1 Η Μέθοδος των Ελαχίστων Τετραγώνων

7.1.1 Η Μέθοδος των Ελαχίστων Τετραγώνων 7.. Η Μέθοδος των Ελαχίστων Τετραγώνων Όπως ήδη αναφέρθηκε, μία ευρύτατα διαδεδομένη μέθοδος για την εκτίμηση των σταθερών α και β είναι η μέθοδος των ελαχίστων τετραγώνων. Η μέθοδος αυτή επιλέγει εκτιμήτριες

Διαβάστε περισσότερα

4 Πιθανότητες και Στοιχεία Στατιστικής για Μηχανικούς

4 Πιθανότητες και Στοιχεία Στατιστικής για Μηχανικούς Πρόλογος Ο μηχανικός πρέπει να συνεχίσει να βελτιώνει την ποιότητα της δουλειάς του εάν επιθυμεί να είναι ανταγωνιστικός στην αγορά της χώρας του και γενικότερα της Ευρώπης. Μία σημαντική αναλογία σε αυτήν

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα

Διαβάστε περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

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

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας

ΣΤΑΤΙΣΤΙΚΗ 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 περισσότερα

Πιθανολογική Ανάλυση Αποφάσεων. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Πιθανολογική Ανάλυση Αποφάσεων. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Πιθανολογική Ανάλυση Αποφάσεων Αβεβαιότητα Known knowns Ποσοτικοποιήσιμη Πιθανότητα Known unknowns Εκτίμηση ενδεχομένου Unknown unknowns Αρνητική επίδραση Ρίσκο Black Swan Πιθανολογική Προσέγγιση Θεωρούμε

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ 6. Εισαγωγή 6. Μονομεταβλητές προβλέψεις Βέλτιστη πρόβλεψη και Θεώρημα βέλτιστης πρόβλεψης Διαστήματα εμπιστοσύνης 6.3 Εφαρμογές A. MILIONIS KEF. 6 08 BEA

Διαβάστε περισσότερα

Ανάλυση και Σχεδιασμός Μεταφορών Ι Ανάλυση Διακριτών Επιλογών

Ανάλυση και Σχεδιασμός Μεταφορών Ι Ανάλυση Διακριτών Επιλογών Ανάλυση Διακριτών Επιλογών Παναγιώτης Παπαντωνίου Δρ. Πολιτικός Μηχανικός, Συγκοινωνιολόγος Πάτρα, 2017 Περιεχόμενα Αθροιστικά μοντέλα Εξατομικευμένα μοντέλα Μοντέλα Διακριτών Μεταβλητών Θεωρία Μεγιστοποίησης

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 22 Μαΐου /32

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

Διαβάστε περισσότερα