Subject index. Symbols β χ β...see regression, standardized coefficient *... see do-files, comments
|
|
- Ἀράχνη Βιτάλη
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Subject index Symbols β χ β...see regression, standardized coefficient *... see do-files, comments +... see operators ==... see operators //... see do-files, comments # (factor-variable operator) ## (factor-variable operator) &... see operators ^... see operators ~... see operators... see operators :1 match :m match A Academic Technology Service.. see ATS added-variable plot additive index adjusted count R adjusted R ado-directories ado-files basics programming aggregate...see collapse Akaike s information criterion Aldrich Nelson s p all...43 alphanumerical variables... see strings analysis of variance...see regression angle() (axis-label suboption) ANOVA... see regression Anscombe quartet , 282, anycount() (egen function) append arithmetic mean... see average arithmetical expressions...see expressions ascategory (graph dot option) ASCII files , ATE...see average treatment effect ATS augmented component-plus-residual plot autocode() (function) autocorrelation... see regression, autocorrelation average , 174, 177 average marginal effects , 383 average partial effects...see average marginal effects average treatment effect avplots aweight (weight type) axis, labels , scales titles , transformations B b[name]...75, 262 balanced panel data balanced repeated replication
2 488 Subject index bands() (twoway mband option) bar (graph type) , 121, , 184 bar charts , 184 base category batch jobs...see do-files Bayesian information criterion bcskew Bernoulli s distribution... see binomial distribution beta...see regression, standardized coefficient beta distribution bias...209, 281 bin() (histogram option) binary variables.. see variables, dummy binomial distribution BLUE.. see Gauss Markov assumptions book materials...xxii xxiii bookstore boolean expressions...50, bootstrap box (graph type) , box plots , Box Cox transformation break... see commands, break browse by prefix , 58 59, 86 91, 102, 178 by() (graph option) by() (tabstat option) bysort byte (storage type) C c. (factor-variable operator) calculator... see pocket calculator caption() (graph option) capture categories causality cd center...see variables, center central limit theorem chi-squared likelihood-ratio Pearson classification tables clock position cmdlog CMYK CNEF coefficient of determination collapse...86 comma-separated values...see spreadsheet format command +....see commands, break command line...see windows, Command window commands abbreviations... 8, 42 access previous... 8 break... 8 e-class end of commands external , 449 internal , 449 long... see do-files, line breaks r-class search...16 comments...see do-files, comments component-plus-residual plot compound quotes compress compute...see generate cond() (function)...84, 460 conditional-effects plot , 360, conditions...see if qualifier confidence intervals connect() (scatter option) connected (plottype) contingency table...see frequency tables, two-way contract...66 Cook s D cooksd (predict option)
3 Subject index 489 correlation coefficient negative positive weak count R Counterfactual concept of causality see causality covariate... see variables, independent covariate pattern cplot cprplot Cramér s V csv... see spreadsheet format Ctrl+Break...see commands, break Ctrl+C... see commands, break cumulated probability function... see probit model D Data Editor data matrix data region data types... see storage types data-generating process data1.dta...5 datasets ASCII files combine , describe export hierarchical , import load...4 nonmachine-readable oversized panel data preserve rectangular reshape restore save...22, 433 sort... 9 date() (function) dates combining datasets by display format elapsed from strings variables dct (extension)...57 decode DEFF... see design effect DEFT... see design effect degrees of freedom... see df delete... see erase #delimit...32 density...189, describe... 2, 5 6 design effect destring...95 df dfbeta diary dictionary dir... 4, 21 directory change contents... 4, 21 working directory... xxiii, 3 4, 57 discard discrepancy...292, 373 discrete (histogram option) display... 51, 441 distributions describe grouped do (extension) do do-files analyzing basics comments create editors error messages execute exit from interactive work
4 490 Subject index do-files, continued line breaks master organization set more off...33 version control doedit...20, 26 dot (graph type) , , dot charts , double (storage type)...103, 111 drop... 6, 43.dta (extension)...57 dummy variables...see variables, dummy E e() (saved results) e(b)...75 e(v)...75 e-class... see commands, e-class edit efficiency egen elapsed dates...see dates, elapsed elapsed time... see time, elapsed EMF Encapsulated PostScript...see EPS encode endogenous variable...see variables, dependent enhanced metafile...see EMF Epanechnikov kernel EPS erase ereturn list error messages ignore...34 invalid syntax error-components model estat classification estat dwatson estat gof estat ic...367, 379 estimates restore estimates store esttab Excel files exit (in do-files) exit Stata...22 exogenous variable...see variables, independent exp() (function)...54 expand expected value export... see datasets, export expressions extensions F F test factor variables..29, , , 380, 382, 383 FAQ...16, 469 filefilter filenames Fisher s exact test five-number summary...177, 187 fixed format fixed-effects model float() (function) float (storage type) foreach , , 458 levelsof forvalues , free format frequencies absolute conditional relative frequency tables one-way two-way frequency weights...see weights function (plottype) functions , fweight (weight type) fxsize() (graph option) fysize() (graph option)
5 Subject index 491 G gamma coefficient Gauss curve... see normal distribution Gauss distribution...see normal distribution Gauss Markov assumptions GEE generalized estimation equations... see GEE generate , generate() (tabulate option)...168, gladder (statistical graph) gph (extension)...57 graph graph region...119, 130 graphs 3-D combining connecting points editor , , elements export multiple overlay print titles types weights grid lines...133, grouping by quantiles intervals with arbitrary width..173 intervals with same width GSOEP...xxiii, 5, 106, 108, , 223, 327, , 430 H help help files histogram , histogram (plottype) homoskedasticity...see regression, homoskedasticity Hosmer Lemeshow test Huber/White/sandwich estimator..298 I i. (factor-variable operator) , 382 if qualifier... 11, imargin() (graph combine option) import...see datasets, import importing... see data, import in qualifier... 9, inference causal , descriptive...201, statistical infile influential cases , inlist() (function)... 55, input inputting data inrange() (function)...55, insheet inspect int() (function) interaction terms , invnormal() (function)... 80, irecode() (function) iscale() (graph combine option) item nonresponse... see nonresponse iteration block J jackknife jitter() (scatter option) K kdensity...194, 205, kdensity (plottype) Kendall s tau-b kernel density estimator key variable
6 492 Subject index L label data labels, and values datasets display values , variables... 18, 108 legend , leverage , 373 lfit (plottype) likelihood likelihood-ratio χ likelihood-ratio test limits...3 line (plottype) , linear probability model...see regression, LPM linear regression... see regression linearity assumption , list ln() (function)...54 local... 73, local macro... see macro local mean regression loess... see LOWESS log() (function) log (scale suboption) log files finish recording...34 interrupt recording log commands SMCL start recording logarithm logical expressions... see expressions logistic logistic regression, coefficients command dependent variable diagnostic estimation fit logit logit model... see logistic regression logits loops foreach forvalues lower() (function) LOWESS , 370 lowess (plottype) lowess (statistical graph) LPM... see regression, LPM M m:1 match...see 1:m match macro extended macro functions local , manuals... xxiv margin() (graph option) marginal effects margins , , 318, 359, , , 383 marginsplot , , 318, 360, , marker, colors labels...119, options sizes symbols , master data match... see datasets, combine match type matrix (graph type) , 283, maximum... 10, maximum likelihood principle search domain mband (plottype) mdy() (function)...99 mdyhms() (function) mean... see average mean , , 239
7 Subject index 493 mean comparison test median median regression , median-trace memory... see RAM merge merge (variable) , metadata mi mi()... see missing() minimum...10, minutes() (function) missing (tabulate option) missing values... see missings missing() (function) , 305 missings coding definition encode in expressions set , ML...see maximum likelihood mlabel() (scatter option) mlabposition() (scatter option) mlabsize() (scatter option) mlabvposition() (scatter option) MLE... see maximum likelihood mlogit more off... 33, 209 MSS multicollinearity , 302 multinomial logistic regression multiple imputation mvdecode... 12, 106 mvencode N N , 102 n...87, 102 net install NetCourses newlist nonlinear relationships , nonresponse normal distribution , 212 density density function normal() (function) , 239 note() (graph option) notes null hypothesis...234, 239 null model numlabel numlist , O observations definition list odds odds ratio , odds-ratio interpretation OLS operators options , order ordered logistic regression... see proportional-odds model ordinal logit model...see proportional-odds model ordinary least squares... see OLS outreg outreg P package description panel data... see datasets, panel data PanelWhiz partial correlation... see regression, standardized coefficient partial regression plot...see added-variable plot partial residual plot... see component-plus-residual plot PDF
8 494 Subject index Pearson residual Pearson-χ percentiles... see quantiles PICT pie (graph type) , , 184 pie charts , 184 plot region , plotregion() (graph option) PNG pocket calculator portable document format...see PDF post-stratification weights.. see weights PostScript... see PS ppfad.dta PPS... see sample, PPS predict predicted values Pregibon s β... see β preserve primary sampling unit , 220 probability density function probability interpretation , 360 probability proportional to size... see sample, PPS probit probit model program define program drop programs and do-files debugging , defining in do-files naming redefining syntax , proportional-odds model PS pseudo R PSID...416, 430 PSU...see primary sampling unit pwd... 21, 57 pweight (weight type) Q quantile plot quantile regression quantiles quartiles quietly Q Q plots R r...see correlation coefficient r() (saved results) r(max) (saved result) r(mean) (saved result)...62, r(min) (saved result) r(n) (saved result) r(sd) (saved result) r(sum) (saved result) r(sum w) (saved result)...71 r(var) (saved result) r-class...see commands, r-class R RAM...3, random numbers...61, 80, random-effects model range() (scale suboption) RAW raw (extension)...57 raw data... see RAW rbeta() (function) , 243 recode... see variables, replace recode() (function) , 173 recode reference lines...119, regress...19, regression ANOVA table autocorrelation coefficient , command , control diagnostics fit homoskedasticity linear...19, LPM
9 Subject index 495 regression, continued multiple nonlinear relationships omitted variables panel data residuals simple standardized coefficient with heteroskedasticity replace , reshape residual (predict option) residual definition sum , residual sum of squares... see RSS residual-versus-fitted plot , , , 345 response variable...see variables, dependent restore Results window.. see windows, Results window resultsset return list reverse (scale suboption) Review window.. see windows, Review window RGB rnormal() (function) root MSE round() (function) rowmiss() (egen function) RSS rstudent (predict option) Rubin causal model... see causality runiform() (function)... 61, 80, , 207 running counter...87 running sum rvfplot S sample PPS sample, continued SRS...208, cluster multistage stratified two-stage sample sampling distribution , sampling probability , sampling weights...see weights SAS files , 402 save...22, 433 saved results... 62, 71 74, scatter (plottype) , 121 scatterplot scatterplot matrix...283, scatterplot smoother se[name] search secondary sampling unit selection probability...see sampling probability sensitivity separate set obs set seed sign interpretation significance test simple random sample... see sample, SRS SJ...16, 469 SJ-ados SMCL , smcl (extension)...57 SOEP...see GSOEP soepuse sort...9 sort (scatter option) specificity spreadsheet format SPSS files , 402 sqrt() (function)...54 SRS... see sample, SRS SSC...473
10 496 Subject index ssc install SSC-ados SSU... see secondary sampling unit standard deviation...10, 174 standard error...210, , 239 standard normal distribution...see normal distribution Stata Journal Stata Press Stata Technical Bulletin stata.toc Statalist statsby STB...16, 469 STB-ados stereotype model storage types...94, strings...406, 414 in expressions replace substrings storage type to dates to numeric variables strpos() (function) student s t distribution subinstr() (function) subscripts substr() (function) subtitle() (graph option) sum() (function) summarize , summarize() (tabulate option) summary graphs summary tables superposition...170, svy (prefix) , svyset symmetry plot symplot (statistical graph) syntax , syntax checks syntax diagram T tab-separated values... see spreadsheet format tab tab table tabstat tabulate tagged-image file format... see TIFF tau-b... see Kendall s tau-b Taylor linearization tempvar test test statistic text() (twoway option) textbox options tick lines , TIFF time display-format elapsed from strings title() (graph option) total sum of squares... see TSS total variance...see TSS trace TSS ttest two-way table... see frequency tables, two-way twoway (graph type) txt (extension)...57 U U-shaped relationship , uniform() (function)..see runiform() (function) uniform distribution unit nonresponse...see nonresponse update updating Stata upper() (function) use...4 using using data...420
11 Subject index 497 V V... see Cramér s V value labels... see labels, values valuelabel (axis-label suboption) variable list... see variables, varlist variables all allowed names categorical , 341 center... 29, 62, 72, , 305 definition delete... 6, 43 dependent dummy , , 272, generate , group identifier independent multiple codings names ordinal replace , temporary transformations , 286, 295, 298, varlist...8, Variables window... see windows, Variables window variance... see standard deviation variance of residuals... see RSS variation varlist... see variables, varlist vce(robust) version view W webuse... xxiv weights , whisker wildcards windows change windows, continued Command window... 1 font sizes...2 preferences... 2 Results window... 1 Review window... 1, 8 scroll back... 4 Variables window...1 windows metafile...see WMF WMF working directory... see directory, working directory X xlabel() (twoway option) xline() (twoway option) xls... see Excel files xtick() (twoway option) xscale() (twoway option) xsize() (graph option) xt commands xtgee xtick() (twoway option) xtitle() (twoway option) xtreg Y ylabel() (twoway option) yline() (twoway option) ytick() (twoway option) yscale() (twoway option) ysize() (graph option) ytick() (twoway option) ytitle() (twoway option) Z z transformation zip archive...xxiii
Subject index. Symbols Δβ Δχ β...see regression, standardized coefficient *... see do-files, comments
Subject index Symbols Δβ...278 279 Δχ 2...279 β...see regression, standardized coefficient *... see do-files, comments +...see operators //... see do-files, comments &...see operators...see operators...see
Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.
Σημειώσεις για το μάθημα Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S. Παπάνα Αγγελική E mail: papanagel@yahoo.gr, agpapana@gen.auth.gr Α.Τ.Ε.Ι. Θεσσαλονίκης ΠΑΡΑΡΤΗΜΑ ΚΑΤΕΡΙΝΗΣ Τμήμα Τυποποίησης και
519.22(07.07) 78 : ( ) /.. ; c (07.07) , , 2008
.. ( ) 2008 519.22(07.07) 78 : ( ) /.. ;. : -, 2008. 38 c. ( ) STATISTICA.,. STATISTICA.,. 519.22(07.07),.., 2008.., 2008., 2008 2 ... 4 1...5...5 2...14...14 3...27...27 3 ,, -. " ", :,,,... STATISTICA.,,,.
Biostatistics for Health Sciences Review Sheet
Biostatistics for Health Sciences Review Sheet http://mathvault.ca June 1, 2017 Contents 1 Descriptive Statistics 2 1.1 Variables.............................................. 2 1.1.1 Qualitative........................................
Subject index. Symbols β weights η...184, 194 η φ...109
Subject index Symbols β weights...216 η...184, 194 η 2...184 φ...109 A acquiring datasets.... 275 add, label define option.....33 adjust, postestimation command..195, 200 adjusted means...195 agreement,
Subject index. Symbols β weights η φ...118
Subject index Symbols β weights...224 η 2...190 φ...118 A acquiring datasets.... 319 add, label define option.....32 adjust, postestimation command..202, 207 adjusted means...202 agreement, intraclass
Statistics 104: Quantitative Methods for Economics Formula and Theorem Review
Harvard College Statistics 104: Quantitative Methods for Economics Formula and Theorem Review Tommy MacWilliam, 13 tmacwilliam@college.harvard.edu March 10, 2011 Contents 1 Introduction to Data 5 1.1 Sample
Subject index 387. F F ratio F test of unequal variances factor analysis, commonality...337
Subject index Symbols β weights...248 η 2... 208 φ...126 * comment... 79 /* and */ comment...79 A acquiring datasets...376 377 add, label define option... 2 agreement, intraclass correlation... 237 alpha
Why Stata. Statacorp.
Εισαγωγή στη Stata Ευτυχία Σολέα Κέντρο Διδασκαλίας και Μάθησης (ΚΕ.ΔΙ.ΜΑ) Πανεπιστήμιο Κύπρου Ιανουάριος 24, 2018 1/60 Outline Εισαγωγή 1 Εισαγωγή 2 3 4 5 6 2/60 Outline Εισαγωγή 1 Εισαγωγή 2 3 4 5 6
TABLES AND FORMULAS FOR MOORE Basic Practice of Statistics
TABLES AND FORMULAS FOR MOORE Basic Practice of Statistics Exploring Data: Distributions Look for overall pattern (shape, center, spread) and deviations (outliers). Mean (use a calculator): x = x 1 + x
Queensland University of Technology Transport Data Analysis and Modeling Methodologies
Queensland University of Technology Transport Data Analysis and Modeling Methodologies Lab Session #7 Example 5.2 (with 3SLS Extensions) Seemingly Unrelated Regression Estimation and 3SLS A survey of 206
Subject index. Symbols β weights η φ * comment /* and */ comment...81
Subject index Symbols β weights...254 η 2... 212 φ...129 * comment... 81 /* and */ comment...81 A acquiring datasets...383 384 add, label define option... 2 agreement, intraclass correlation... 244 alpha
Αν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.
ΣΤ. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (ANALYSIS OF VARIANCE - ANOVA) ΣΤ 1. Ανάλυση ιασποράς κατά µία κατεύθυνση. Όπως έχουµε δει στη παράγραφο Β 2, όταν θέλουµε να ελέγξουµε, αν η µέση τιµή µιας ποσοτικής µεταβλητής διαφέρει
APPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 651 APPENDIX B. BIBLIOGRAPHY 677 APPENDIX C. ANSWERS TO SELECTED EXERCISES 679
APPENDICES APPENDIX A. STATISTICAL TABLES AND CHARTS 1 Table I Summary of Common Probability Distributions 2 Table II Cumulative Standard Normal Distribution Table III Percentage Points, 2 of the Chi-Squared
FORMULAS FOR STATISTICS 1
FORMULAS FOR STATISTICS 1 X = 1 n Sample statistics X i or x = 1 n x i (sample mean) S 2 = 1 n 1 s 2 = 1 n 1 (X i X) 2 = 1 n 1 (x i x) 2 = 1 n 1 Xi 2 n n 1 X 2 x 2 i n n 1 x 2 or (sample variance) E(X)
Subject index. Symbols β weights η φ * comment /* and */ comment...85
Subject index Symbols β weights...278 η 2...226 φ...133 * comment... 85 /* and */ comment...85 A acquiring datasets...525 526 add, label define option...2 agreement, intraclass correlation... 260 alpha
1. Ιστόγραμμα. Προκειμένου να αλλάξουμε το εύρος των bins κάνουμε διπλό κλικ οπουδήποτε στο ιστόγραμμα και μετά
1. Ιστόγραμμα Δεδομένα από το αρχείο Data_for_SPSS.xls Αλλαγή σε Variable View (Κάτω αριστερά) και μετονομασία της μεταβλητής σε NormData, Type: numeric και Measure: scale Αλλαγή πάλι σε Data View. Graphs
Chapter 1 Introduction to Observational Studies Part 2 Cross-Sectional Selection Bias Adjustment
Contents Preface ix Part 1 Introduction Chapter 1 Introduction to Observational Studies... 3 1.1 Observational vs. Experimental Studies... 3 1.2 Issues in Observational Studies... 5 1.3 Study Design...
Δείγμα πριν τις διορθώσεις
Εισαγωγή Α ΜΕΡΟΣ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ 1 ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ 1.1 Εισαγωγή 1.1.1 Περιγραφική Στατιστική (Descriptive Statistics) 1.1.2 Επαγωγική ή Αναλυτική Στατιστική (Inferential or Αnalytical Statistics)
Εισαγωγή στο SPSS. ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας
Εισαγωγή στο SPSS ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας Στόχος του μαθήματος Τα τέσσερα παράθυρα του SPSS Η διαχείριση των αρχείων δεδομένων Βασικά στοιχεία ανάλυσης
Λογισμικά για Στατιστική Ανάλυση. Minitab, R (ελεύθερο λογισμικό), Sas, S-Plus, Stata, StatGraphics, Mathematica (εξειδικευμένο λογισμικό για
ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 1ο Τι είναι το SPSS; Statistical Package for the Social Sciences Λογισμικό για διαχείριση και στατιστική ανάλυση δεδομένων σε γραφικό περιβάλλον http://en.wikipedia.org/wiki/spss
Supplementary Appendix
Supplementary Appendix Measuring crisis risk using conditional copulas: An empirical analysis of the 2008 shipping crisis Sebastian Opitz, Henry Seidel and Alexander Szimayer Model specification Table
Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές. Εργαστήριο Γεωργίας. Viola adorata
One-way ANOVA µε το SPSS Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata To call in a statistician after the experiment is
Does anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis
Does anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis Xue Han, MPH and Matt Shotwell, PhD Department of Biostatistics Vanderbilt University School of Medicine March 14, 2014
255 (log-normal distribution) 83, 106, 239 (malus) 26 - (Belgian BMS, Markovian presentation) 32 (median premium calculation principle) 186 À / Á (goo
(absolute loss function)186 - (posterior structure function)163 - (a priori rating variables)25 (Bayes scale) 178 (bancassurance)233 - (beta distribution)203, 204 (high deductible)218 (bonus)26 ( ) (total
Λογισμικά για Στατιστική Ανάλυση. Minitab, R (ελεύθερο λογισμικό), Sas, S-Plus, Stata, StatGraphics, Mathematica (εξειδικευμένο λογισμικό για
ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 1ο Τι είναι το SPSS; Statistical Package for the Social Sciences Λογισμικό για διαχείριση και στατιστική ανάλυση δεδομένων σε γραφικό περιβάλλον http://en.wikipedia.org/wiki/spss
SECTION II: PROBABILITY MODELS
SECTION II: PROBABILITY MODELS 1 SECTION II: Aggregate Data. Fraction of births with low birth weight per province. Model A: OLS, using observations 1 260 Heteroskedasticity-robust standard errors, variant
Σεμινάριο Προηγμένα Θέματα Στατιστικής. Dr. Nikolaos Mittas Dr. Theodosios Theodosiou
Σεμινάριο Προηγμένα Θέματα Στατιστικής Dr. Nikolaos Mittas Dr. Theodosios Theodosiou Λογιστική Παλινδρόμηση Binary Logistic Regression Dr. Nikolaos Mittas Dr. Theodosios Theodosiou Γενικά-Το κίνητρο (1/2)
Περιεχόμενα. Πρόλογος 17 ΚΕΦΑΛΑΙΟ 1 23
Περιεχόμενα Πρόλογος 17 Μέρος A ΚΕΦΑΛΑΙΟ 1 23 ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ 23 1.1 Εισαγωγή 23 1.1.1 Περιγραφική Στατιστική (Descriptive Statistics) 24 1.1.2 Επαγωγική ή Αναλυτική Στατιστική (Inferential or
Summary of the model specified
Program: HLM 7 Hierarchical Linear and Nonlinear Modeling Authors: Stephen Raudenbush, Tony Bryk, & Richard Congdon Publisher: Scientific Software International, Inc. (c) 2010 techsupport@ssicentral.com
ΕΝ ΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΑΣΚΗΣΗΣ 2 (Εργαστήρια µαθήµατος «Στατιστικά Προγράµµατα», τµ. Στατ. & Ασφ. Επιστ., 04-05) (Επιµέλεια: Ελευθεράκη Αναστασία)
ΕΝ ΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΑΣΚΗΣΗΣ (Εργαστήρια µαθήµατος «Στατιστικά Προγράµµατα», τµ. Στατ. & Ασφ. Επιστ., -) (Επιµέλεια: Ελευθεράκη Αναστασία) Άσκηση (Εργαστήριο #) Στις εξετάσεις Φεβρουαρίου του µαθήµατος
Aquinas College. Edexcel Mathematical formulae and statistics tables DO NOT WRITE ON THIS BOOKLET
Aquinas College Edexcel Mathematical formulae and statistics tables DO NOT WRITE ON THIS BOOKLET Pearson Edexcel Level 3 Advanced Subsidiary and Advanced GCE in Mathematics and Further Mathematics Mathematical
Subject index. B bar chart...108, 358 bar graph of means Bartlett test of equal variances beta option
Subject index A acquiring datasets...545 546 add, label define option...2 adoupdate command...130 agreement, intraclass correlation... 261 alpha command...391 alpha reliability...387, 389 ameans command...97
Table 1: Military Service: Models. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed
Tables: Military Service Table 1: Military Service: Models Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed mili 0.489-0.014-0.044-0.044-1.469-2.026-2.026
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ Περιεχόμενα 1. ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ...
8. ΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Ι
8. ΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Ι Απλή γραμμική παλινδρόμηση είναι μία στατιστική μέθοδος που χρησιμοποιείται για τη μελέτη της σχέσης μεταξύ δύο ποσοτικών μεταβλητών εκ των οποίων μία είναι η ανεξάρτητη
ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ
ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ Ενότητα 5: ΠΡΟΥΠΟΛΟΓΙΣΜΟΙ ΚΑΙ ΠΡΟΒΛΕΨΕΙΣ ΠΩΛΗΣΕΩΝ ΚΥΡΙΑΖΟΠΟΥΛΟΣ ΓΕΩΡΓΙΟΣ Τμήμα ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
6.4. LOGLINEAR 90 8.5 (MANOVA) 121
Φ Γ SPSS Dr. υ υ α α Θ α 2012 2 1. Γ SPSS 19.0 1.1 Φ Γ SPSS 4 1.2 Φ Γ 7 1.3 9 1.4 Φ 10 1.5 Pτ ΘHKH IAΓPAΦH 16 1.6 16 1.7 17 1.8 20 1.9 22 1.10 Γ 23 1.11 Γ Φ 25 1.12 Γ 27 1.13 Θ 28 2. Γ Φ 2.1 Θ, Γ, Γ 29
Μενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο
Παράδειγμα 1 Ο παρακάτω πίνακας δίνει τις πωλήσεις (ζήτηση) ενός προϊόντος Υ (σε κιλά) από το delicatessen μιας περιοχής και τις αντίστοιχες τιμές Χ του προϊόντος (σε ευρώ ανά κιλό) για μια ορισμένη χρονική
5.1 logistic regresssion Chris Parrish July 3, 2016
5.1 logistic regresssion Chris Parrish July 3, 2016 Contents logistic regression model 1 1992 vote 1 data..................................................... 1 model....................................................
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία
ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση
ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 7. Παλινδρόµηση Γενικά Επέκταση της έννοιας της συσχέτισης: Πώς µπορούµε να προβλέπουµε τη µια µεταβλητή από την άλλη; Απλή παλινδρόµηση (simple regression): Κατασκευή µοντέλου πρόβλεψης
Άσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F
Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό
Βήματα για την επίλυση ενός προβλήματος
ΜΑΘΗΜΑ 2ο Βήματα για την επίλυση ενός προβλήματος 1. Κατανόηση του προβλήματος με τη σχετική επιστήμη (όπως οικονομία, διοίκηση, γενικές επιστήμες) π.χ το πρόβλημα της κατανάλωσης κάποιας περιοχής σε σχέση
BarChart y 1, y 2, makes a bar chart with bar lengths y 1, y 2,.
In[]:= In[]:= In[3]:= In[4]:= In[5]:= Out[5]= r : Random ri : Random Integer rdice : Random Integer,, 6 disp : Export "t.ps",, "EPS" & list Table rdice, 0 5,, 4, 6,, 3,, 3, 4,, 6, 4, 6,,, 6, 6,, 3, In[6]:=
Lampiran 1 Output SPSS MODEL I
67 Variables Entered/Removed(b) Lampiran 1 Output SPSS MODEL I Model Variables Entered Variables Removed Method 1 CFO, ACCOTHER, ACCPAID, ACCDEPAMOR,. Enter ACCREC, ACCINV(a) a All requested variables
Principles of Workflow in Data Analysis
IndianaUniversity PrinciplesofWorkflowin DataAnalysis ScottLong 1.Acoordinatedframeworkforconductingdataanalysis 2.WFinvolvescoordinatedproceduresfor: o Planning,organizinganddocumentingresearch o Cleaningdata
PENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI
155 Lampiran 6 Yayan Sumaryana, 2014 PENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI Universitas Pendidikan Indonesia
Probability and Random Processes (Part II)
Probability and Random Processes (Part II) 1. If the variance σ x of d(n) = x(n) x(n 1) is one-tenth the variance σ x of a stationary zero-mean discrete-time signal x(n), then the normalized autocorrelation
IT & Networking DEVELOPING Essential Python 3. Κωδικός Σεμιναρίου / Code
2352 Essential Python 3 Κωδικός Σεμιναρίου / Code 2352 Essential Python 3 Σκοπός Εκπαιδευτικού Προγράμματος / Objectives Με την ολοκλήρωση του μαθήματος οι συμμετέχοντες θα: Μπορούν να εγκαταστήσουν την
Wan Nor Arifin under the Creative Commons Attribution-ShareAlike 4.0 International License. 1 Introduction 1
Poisson Regression A Short Course on Data Analysis Using R Software (2017) Wan Nor Arifin (wnarifin@usm.my), Universiti Sains Malaysia Website: sites.google.com/site/wnarifin Wan Nor Arifin under the Creative
Απλή Ευθύγραµµη Συµµεταβολή
Απλή Ευθύγραµµη Συµµεταβολή Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Εισαγωγή Ανάλυση Παλινδρόµησης και Συσχέτιση Απλή
Προβλέψεις ισοτιμιών στο EViews
Προβλέψεις ισοτιμιών στο EViews Θεωρητικό πλαίσιο προβλέψεων σημείου Σημαντικές επιλογές πλαισίου: Τί θα κάνουμε με την πρόβλεψη; Θα την μοιραστούμε με πολλούς πελάτες, που θα την χρησιμοποιήσουν με διαφορετικό
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Περιεχόμενα Εισαγωγή στο SPSS Ο Data editor Ο Viewer Άνοιγμα Αρχείου στο SPSS Εισαγωγή Δεδομένων
ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ,
ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, -- Άσκηση. Δίνονται τα παρακάτω δεδομένα 5 7 8 9 5 X 8 5 5 5 9 7 Y. 5.. 7..7.7.9.. 5.... 8.. α) Να γίνει το διάγραμμα διασποράς β) εξετάστε τα μοντέλα Υ = β + β Χ + ε, (linear),
Interpretation of linear, logistic and Poisson regression models with transformed variables and its implementation in the R package tlm
Interpretation of linear, logistic and Poisson regression models with transformed variables and its implementation in the R package tlm Jose Barrera-Gómez a jbarrera@creal.cat a Centre for Research in
5.4 The Poisson Distribution.
The worst thing you can do about a situation is nothing. Sr. O Shea Jackson 5.4 The Poisson Distribution. Description of the Poisson Distribution Discrete probability distribution. The random variable
ΠΡΟΚΑΤΑΡΚΤΙΚΗ Στατιστική Ανάλυση με το S.P.S.S.
ΠΡΟΚΑΤΑΡΚΤΙΚΗ Στατιστική Ανάλυση με το S.P.S.S. μέρος B Νίκος Τσάντας Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά και Σύγχρονες Εφαρμογές Ακαδημαϊκό έτος 2011-12 Ξέρουμε πια τα στατιστικά
Introduction to the ML Estimation of ARMA processes
Introduction to the ML Estimation of ARMA processes Eduardo Rossi University of Pavia October 2013 Rossi ARMA Estimation Financial Econometrics - 2013 1 / 1 We consider the AR(p) model: Y t = c + φ 1 Y
Εισαγωγή στο SPSS, Ενότητα 1
Εισαγωγή στο SPSS, Ενότητα Βήματα για την Στατιστική ανάλυση δεδομένων.. Εισαγωγή δεδομένων στον data editor (Εισαγωγή από μία βάση δεδομένων ή από ένα spreadsheet ή από ένα αρχείο txt, ή απευθείας εισαγωγή
Standardized Coefficients t Sig.
Στο αρχείο δεδομένων dummy1.sav καταγράφονται τα χρόνια εμπειρίας (exprnc), το επίπεδο μόρφωσης (educ), οι αρμοδιότητες (mgt) και ο μισθός (salary) 46 υπαλλήλων. Να βρεθεί ένα μοντέλο πρόβλεψης του μισθού
2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ
1. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS Το SPSS είναι ένα στατιστικό πρόγραμμα γενικής στατιστικής ανάλυσης αρκετά εύκολο στη λειτουργία του. Για να πραγματοποιηθεί ανάλυση χρονοσειρών με τη βοήθεια του SPSS θα πρέπει απαραίτητα
Research on Economics and Management
36 5 2015 5 Research on Economics and Management Vol. 36 No. 5 May 2015 490 490 F323. 9 A DOI:10.13502/j.cnki.issn1000-7636.2015.05.007 1000-7636 2015 05-0052 - 10 2008 836 70% 1. 2 2010 1 2 3 2015-03
Supplementary figures
A Supplementary figures a) DMT.BG2 0.87 0.87 0.72 20 40 60 80 100 DMT.EG2 0.93 0.85 20 40 60 80 EMT.MG3 0.85 0 20 40 60 80 20 40 60 80 100 20 40 60 80 100 20 40 60 80 EMT.G6 DMT/EMT b) EG2 0.92 0.85 5
Προϋποθέσεις : ! Και οι δύο µεταβλητές να κατανέµονται κανονικά και να έχουν επιλεγεί τυχαία.
. ΣΤΑΤΙΣΤΙΚΗ ΣΥΣΧΕΤΙΣΗ. Υπολογισµός συντελεστών συσχέτισης Προκειµένου να ελέγξουµε την ύπαρξη γραµµικής σχέσης µεταξύ δύο ποσοτικών µεταβλητών, χρησιµοποιούµε συνήθως τον παραµετρικό συντελεστή συσχέτισης
Παράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο δειγμάτων, που διαχωρίζονται βάσει δύο ανεξάρτητων παραγόντων (Ανάλυση διακύμανσης για ανεξάρτητα δείγματα ως προς περισσότερους
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα. Copyright: Δαφέρμος Βασίλης, Eκδόσεις Zήτη, Μάϊος 2005, Θεσσαλονίκη
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα ISBN 960-431-960-4 Copyright: Δαφέρμος Βασίλης, Eκδόσεις Zήτη, Μάϊος 2005, Θεσσαλονίκη SPSS SPSS Inc., http://www.spss.com/ Tο παρόν έργο πνευματικής
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Πολλαπλή Παλινδρόμηση Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια
22 .5 Real consumption.5 Real residential investment.5.5.5 965 975 985 995 25.5 965 975 985 995 25.5 Real house prices.5 Real fixed investment.5.5.5 965 975 985 995 25.5 965 975 985 995 25.3 Inflation
διαγνωστικούς ελέγχους MCMC diagnostics CODA
MCMC DIAGNOSTICS Πόσο πρέπει να περιμένουμε για να επιτευχθεί η στασιμότητα; Πόσο μεγάλο πρέπει να είναι το m (μετά την στασιμότητα για πόσο πρέπει να τρέξεις την αλυσίδα σου); Από που να ξεκινήσεις; Για
Lampiran 1 Hasil Kuesioner NO CI1 CI2 CI3 CT1 CT2 CT3 CS1 CS2 CS3 CL1 CL2 CL
Lampiran 1 Hasil Kuesioner NO CI1 CI2 CI3 CT1 CT2 CT3 CS1 CS2 CS3 CL1 CL2 CL3 1 5 5 4 4 4 3 4 3 4 3 4 5 2 4 4 3 5 4 4 4 4 5 4 3 4 3 2 2 3 2 3 3 3 3 4 2 3 2 4 4 4 5 3 4 4 4 3 4 4 5 4 5 5 5 4 2 3 3 3 4 3
Γενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση
Γενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση Γενική μορφή g( E[ Y X ]) Xb Κατανομή της Υ στην εκθετική οικογένεια Ανεξάρτητες παρατηρήσεις Ενας όρος για το σφάλμα g(.) Συνδετική συνάρτηση (link function)
Bayesian statistics. DS GA 1002 Probability and Statistics for Data Science.
Bayesian statistics DS GA 1002 Probability and Statistics for Data Science http://www.cims.nyu.edu/~cfgranda/pages/dsga1002_fall17 Carlos Fernandez-Granda Frequentist vs Bayesian statistics In frequentist
Wan Nor Arifin under the Creative Commons Attribution-ShareAlike 4.0 International License. 1 Introduction 1
Linear Regression A Short Course on Data Analysis Using R Software (2017) Wan Nor Arifin (wnarifin@usm.my), Universiti Sains Malaysia Website: sites.google.com/site/wnarifin Wan Nor Arifin under the Creative
Table A.1 Random numbers (section 1)
A Tables Table Contents Page A.1 Random numbers 696 A.2 Orthogonal polynomial trend contrast coefficients 702 A.3 Standard normal distribution 703 A.4 Student s t-distribution 704 A.5 Chi-squared distribution
ΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Μενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο ανεξάρτητα δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,..., Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ )
10. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
0. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 0. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ Συχνά στην πράξη το μοντέλο της απλής γραμμικής παλινδρόμησης είναι ανεπαρκές για την περιγραφή της μεταβλητότητας που υπάρχει στην εξαρτημένη
+ ε βελτιώνει ουσιαστικά το προηγούμενο (β 3 = 0;) 2. Εξετάστε ποιο από τα παρακάτω τρία μοντέλα:
ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, 6-5-0 Άσκηση 8. Δίνονται οι παρακάτω 0 παρατηρήσεις (πίνακας Α) με βάση τις οποίες θέλουμε να δημιουργήσουμε ένα γραμμικό μοντέλο για την πρόβλεψη της Υ μέσω των ανεξάρτητων μεταβλητών
794 Appendix A:Tables
Appendix A Tables A Table Contents Page A.1 Random numbers 794 A.2 Orthogonal polynomial trend contrast coefficients 800 A.3 Standard normal distribution 801 A.4 Student s t-distribution 802 A.5 Chi-squared
Multilevel models for analyzing people s daily moving behaviour
Multilevel models for analyzing people s daily moving behaviour Matteo BOTTAI 1 Nicola SALVATI 2 Nicola ORSINI 3 13th European Colloquium on Theoretical and Quantitative Geography Lucca 5th - 9th September,
Σηµερινή ατζέντα µαθήµατος... Προηγούµενα αναφερθήκαµε. Σήµερα θα συνεχίσουµε µε τις δοµές τους
Σηµερινή ατζέντα µαθήµατος... Χρήσεις µονοδιάστατων και πολυδιάστατων ( 2) αντικειµένων στην R Χειρισµός δεδοµένων στο λογισµικό R ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ Προηγούµενα αναφερθήκαµε στους τύπους δεδοµένων
Περιγραφή των εργαλείων ρουτινών του στατιστικού
Κεφάλαιο 5 ο Περιγραφή των εργαλείων ρουτινών του στατιστικού πακέτου SPSS που χρησιµοποιήθηκαν. 5.1 Γενικά Το στατιστικό πακέτο SPSS είναι ένα λογισµικό που χρησιµοποιείται ευρέως ανά τον κόσµο από επιχειρήσεις
Σηµερινή ατζέντα µαθήµατος... Προηγούµενα αναφερθήκαµε. Σήµερα θα συνεχίσουµε µε τις δοµές τους
Σηµερινή ατζέντα µαθήµατος... Χρήσεις µονοδιάστατων και πολυδιάστατων ( 2) αντικειµένων στην R Χειρισµός δεδοµένων στο λογισµικό R Προηγούµενα αναφερθήκαµε στους τύπους δεδοµένων στην R Basic Data Types:
1 1 1 2 1 2 2 1 43 123 5 122 3 1 312 1 1 122 1 1 1 1 6 1 7 1 6 1 7 1 3 4 2 312 43 4 3 3 1 1 4 1 1 52 122 54 124 8 1 3 1 1 1 1 1 152 1 1 1 1 1 1 152 1 5 1 152 152 1 1 3 9 1 159 9 13 4 5 1 122 1 4 122 5
Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov.
A. ΈΛΕΓΧΟΣ ΚΑΝΟΝΙΚΟΤΗΤΑΣ A 1. Έλεγχος κανονικότητας Kolmogorov-Smirnov. Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov. Μηδενική υπόθεση:
Μαντζούνη, Πιπερίγκου, Χατζή. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,...,Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ ) S σ Τ ( Χ,Y)
Fundamentals of Probability: A First Course. Anirban DasGupta
Fundamentals of Probability: A First Course Anirban DasGupta Contents 1 Introducing Probability 5 1.1 ExperimentsandSampleSpaces... 6 1.2 Set Theory Notation and Axioms of Probability........... 7 1.3
m4.3 Chris Parrish June 16, 2016
m4.3 Chris Parrish June 16, 2016 Contents!Kung model 1 data..................................................... 1 scatterplot with ggplot2....................................... 2 model....................................................
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 12: Συνοπτική Παρουσίαση Ανάπτυξης Κώδικα με το Matlab Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Περιεχόμενα Εισαγωγή Το πρόβλημα - Συντελεστής συσχέτισης Μοντέλο απλής γραμμικής παλινδρόμησης
Methods of analysis. Assumptions. Normality. Variables. Normality. Groups. Summary Guide. Quantitative Qualitative. Normal Non-normal distributed
Methods of analysis Summary Guide Assumptions Variables Quantitative Qualitative Normality Normal Non-normal distributed Groups Number (1, 2, >2) Pair or independent Normality Cases Cases >50
Lampiran 2 Hasil Kuesioner No. BA1 BA2 BA3 BA4 PQ1 PQ2 PQ3 PQ4 PQ
Lampiran 2 Hasil Kuesioner No. BA1 BA2 BA3 BA4 PQ1 PQ2 PQ3 PQ4 PQ5 1 4 3 3 4 4 5 4 5 4 2 5 5 4 5 4 4 3 5 4 3 2 1 3 2 3 3 4 3 3 4 2 3 3 2 4 4 4 3 4 5 2 3 2 2 3 3 3 3 3 6 3 3 3 3 4 4 4 5 4 7 4 3 3 4 3 3
DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT
DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT Prepared for Dr. Robert Progar U.S. Forest Service Forest Sciences Laboratory Corvallis, Oregon January 2005 By Greg Brenner Pacific Analytics
$ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η.
η &, 7!# v # $ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η. - ι% ιι* ι' F ι ι ι% MS F MS between within MS MS
Μηχανική Μάθηση Hypothesis Testing
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Μηχανική Μάθηση Hypothesis Testing Γιώργος Μπορμπουδάκης Τμήμα Επιστήμης Υπολογιστών Procedure 1. Form the null (H 0 ) and alternative (H 1 ) hypothesis 2. Consider
χ 2 test ανεξαρτησίας
χ 2 test ανεξαρτησίας Καθηγητής Ι. Κ. ΔΗΜΗΤΡΙΟΥ demetri@econ.uoa.gr 7.2 Το χ 2 Τεστ Ανεξαρτησίας Tο χ 2 τεστ ανεξαρτησίας (όπως και η παλινδρόμηση) είναι στατιστικά εργαλεία για τον εντοπισμό σχέσεων μεταξύ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΕΝΑ ΦΛΟΚΑ Επίκουρος Καθηγήτρια Τµήµα Φυσικής, Τοµέας Φυσικής Περιβάλλοντος- Μετεωρολογίας ΓΕΝΙΚΟΙ ΟΡΙΣΜΟΙ Πληθυσµός Σύνολο ατόµων ή αντικειµένων στα οποία αναφέρονται
Stata Session 3. Tarjei Havnes. University of Oslo. Statistics Norway. ECON 4136, UiO, 2012
Stata Session 3 Tarjei Havnes 1 ESOP and Department of Economics University of Oslo 2 Research department Statistics Norway ECON 4136, UiO, 2012 Tarjei Havnes (University of Oslo) Stata Session 3 ECON
Statistical product and service solution
SPSS Statistical product and service SPSS SPSS solution SPSS Statistics 17.5