Στατιστική. 8 ο Μάθημα: Εφαρμογές Στατιστικής Ι: Διαστήματα Εμπιστοσύνης. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Σχετικά έγγραφα
Στατιστική. 5 ο Μάθημα: Βασικές Έννοιες Εκτιμητικής. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Στατιστική. 6 ο Μάθημα: Διαστήματα Εμπιστοσύνης και Έλεγχοι Υποθέσεων. Γεώργιος Μενεξές Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Μάρκετινγκ Αγροτικών Προϊόντων

Μάρκετινγκ Αγροτικών Προϊόντων

Μάρκετινγκ Αγροτικών Προϊόντων

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

Οικονομική Γεωργικών Εκμεταλλεύσεων

Εισαγωγή στους Αλγορίθμους

Στατιστική Ι. Ενότητα 3: Στατιστική Ι (3/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Εισαγωγή στους Αλγορίθμους

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

Πληροφοριακά Συστήματα Διοίκησης Ενότητα 10: Διαχείριση Έργων (2ο Μέρος)

Στατιστική Ι. Ενότητα 2: Στατιστική Ι (2/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Οικονομική Γεωργικών Εκμεταλλεύσεων

Μάρκετινγκ Αγροτικών Προϊόντων

Ενδεικτικές λύσεις ασκήσεων διαχείρισης έργου υπό συνθήκες αβεβαιότητας

Μυκητολογικές ασθένειες φυτών μεγάλης καλλιέργειας

Διαχείριση Έργων. Ενότητα 10: Χρονοπρογραμματισμός έργων (υπό συνθήκες αβεβαιότητας)

Διεθνείς Οικονομικές Σχέσεις και Ανάπτυξη

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 5: Διαχείριση Έργων υπό συνθήκες αβεβαιότητας

Μηχανολογικό Σχέδιο Ι

Εισαγωγή στους Αλγορίθμους

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 1: Εκτιμητές και Ιδιότητες. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

Διοίκηση Επιχειρήσεων

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

ΗΛΕΚΤΡΟΝΙΚΗ ΙIΙ Ενότητα 6

ΣΤΑΤΙΣΤΙΚΗ ΙΙ. Ενότητα 2: ΣΤΑΤΙΣΤΙΚΗ ΙΙ (2/4). Επίκ. Καθηγητής Κοντέος Γεώργιος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

Λογιστική Κόστους Ενότητα 12: Λογισμός Κόστους (2)

Διοικητική Λογιστική

Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Γ. Ολοκληρωτικός Λογισμός

1 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

Θερμοδυναμική. Ανοικτά Ακαδημαϊκά Μαθήματα. Πίνακες Νερού σε κατάσταση Κορεσμού. Γεώργιος Κ. Χατζηκωνσταντής Επίκουρος Καθηγητής

Αγροτικός Τουρισμός. Ενότητα 9 η : Εκπαιδευτικές τεχνικές στον τουρισμό. Όλγα Ιακωβίδου Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Οικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Μάρκετινγκ Αγροτικών Προϊόντων

Μάρκετινγκ Αγροτικών Προϊόντων

Οικονομική Γεωργικών Εκμεταλλεύσεων

Εισαγωγή στους Αλγορίθμους Ενότητα 10η Άσκηση Αλγόριθμος Dijkstra

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

Εισαγωγή στην Διοίκηση Επιχειρήσεων

Δομές Δεδομένων Ενότητα 1

Οικονομετρία Ι. Ενότητα 5: Ανάλυση της Διακύμανσης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Μυκητολογικές ασθένειες φυτών μεγάλης καλλιέργειας

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 3: Πολλαπλή Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ. Στατιστική. 1 ο Μάθημα: Ιστορικό Προοίμιο. Γεώργιος Μενεξές Τμήμα Γεωπονίας

Ψηφιακή Επεξεργασία Εικόνων

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 3: Έλεγχοι στατιστικών υποθέσεων

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙΙ

Μάρκετινγκ Αγροτικών Προϊόντων

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 2: Περιγραφική στατιστική

Μάρκετινγκ Αγροτικών Προϊόντων

Μάρκετινγκ Αγροτικών Προϊόντων

Ειδικά Θέματα Αγροτικής Κοινωνιολογίας

Λογιστική Κόστους Ενότητα 8: Κοστολογική διάρθρωση Κύρια / Βοηθητικά Κέντρα Κόστους.

Μάρκετινγκ Αγροτικών Προϊόντων

Λογιστική Κόστους Ενότητα 10: Ασκήσεις Προτύπου Κόστους Αποκλίσεων.

Μυκητολογικές ασθένειες φυτών μεγάλης καλλιέργειας

ΗΛΕΚΤΡΟΝΙΚΗ Ι Ενότητα 5

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Μάρκετινγκ Αγροτικών Προϊόντων

Τίτλος Μαθήματος: Εργαστήριο Φυσικής Ι

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 1: Καταχώρηση δεδομένων

Διαφήμιση και Δημόσιες Σχέσεις Ενότητα 9: Σχέσεις διαφημιστή-διαφημιζόμενου

Εισαγωγή στην Διοίκηση Επιχειρήσεων

Μάρκετινγκ Αγροτικών Προϊόντων (310Y)

Οικονομική Γεωργικών Εκμεταλλεύσεων

Μαθηματικά στην Πολιτική Επιστήμη:

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

ΔΙΔΑΚΤΙΚΗ ΤΗΣ ΚΑΛΑΘΟΣΦΑΙΡΙΣΗΣ ΙΙ

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Prim

Μάρκετινγκ Αγροτικών Προϊόντων

Αγροτικός Τουρισμός. Ενότητα 4 η : Προϋποθέσεις ανάπτυξης, λειτουργίες και αρχές του Αγροτικού Τουρισμού. Όλγα Ιακωβίδου Τμήμα Γεωπονίας

Ατμοσφαιρική Ρύπανση

Κβαντική Επεξεργασία Πληροφορίας

Εκκλησιαστικό Δίκαιο. Ενότητα 10η: Ιερά Σύνοδος της Ιεραρχίας και Διαρκής Ιερά Σύνοδος Κυριάκος Κυριαζόπουλος Τμήμα Νομικής Α.Π.Θ.

Ορισμός κανονικής τ.μ.

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

Διεθνείς Οικονομικές Σχέσεις και Ανάπτυξη

Οικονομετρία Ι. Ενότητα 6: Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Μάρκετινγκ Αγροτικών Προϊόντων

Θέματα Εφαρμοσμένης. Ενότητα 14.2: Η ψήφος στα πρόσωπα. Θεόδωρος Χατζηπαντελής Τμήμα Πολιτικών Επιστημών ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Αγροτικός Τουρισμός. Ενότητα 2 η : Η εμπειρία στον τουρισμό. Όλγα Ιακωβίδου Τμήμα Γεωπονίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Θερμοδυναμική. Ανοικτά Ακαδημαϊκά Μαθήματα. Πίνακες Νερού Υπέρθερμου Ατμού. Γεώργιος Κ. Χατζηκωνσταντής Επίκουρος Καθηγητής

Μάρκετινγκ Αγροτικών Προϊόντων

ΗΛΕΚΤΡΟΝΙΚΗ Ι. Ενότητα 8: Ενισχυτές με διπολικά τρανζίστορ. Χατζόπουλος Αλκιβιάδης Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχ.

Ιδιότητες και Τεχνικές Σύνταξης Επιστημονικού Κειμένου

Μηχανολογικό Σχέδιο Ι

Κβαντική Επεξεργασία Πληροφορίας

Διδακτική της Πληροφορικής

ΗΛΕΚΤΡΟΝΙΚΗ IΙ Ενότητα 3

Μεθοδολογία Έρευνας Κοινωνικών Επιστημών

Διεθνείς Οικονομικές Σχέσεις και Ανάπτυξη

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Kruskal

Λογιστική Κόστους Ενότητα 11: Λογισμός Κόστους (1)

Γενικά Μαθηματικά Ι. Ενότητα 12: Κριτήρια Σύγκλισης Σειρών. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Transcript:

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Στατιστική 8 ο Μάθημα: Εφαρμογές Στατιστικής Ι: Διαστήματα Εμπιστοσύνης Γεώργιος Μενεξές Τμήμα Γεωπονίας

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς. 2

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 3

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ 8 ο Μάθημα Εφαρμογές Στατιστικής Ι: Διαστήματα Εμπιστοσύνης Στατιστική Τμήμα Γεωπονίας 4

Εφαρμογή 1 Η γαλακτοπαραγωγή των αγελάδων μπορεί να θεωρηθεί ως μεταβλητή που ακολουθεί την Κανονική Κατανομή. Από προηγούμενες έρευνες είναι γνωστό ότι η τυπική απόκλιση της ετήσιας γαλακτοπαραγωγής είναι 1.000 kg. Ένα δείγμα 25 αγελάδων μιας φυλής έδωσε μέση ετήσια γαλακτοπαραγωγή 4.290 kg. Προσδιορίστε ένα 95% δ.ε. της μέσης γαλακτοπαραγωγής για όλα τα ζώα της φυλής.

Απάντηση Η διακύμανση σ 2 του πληθυσμού γνωστή. α=0,05 n=25 X za/ 2 X za/ 2 n n 1000 1000 4290 1,96 4290 1,96 25 25 3898,01, 4681,99 z 0,025 Το 95% δ.ε.

Υπενθύμιση Τίτλος Μαθήματος Πηγή: Κολυβά & Μπόρα-Σέντα Τμήμα (1995)

Απάντηση (συνέχεια) Αν το ζητούμενο διάστημα εμπιστοσύνης ήταν 90% τότε α=0,10 και z α/2 =z 0,05 =1,64 (στους πίνακες ψάχνουμε την πιθανότητα 0,5-0,05=0,450 για να βρούμε το αντίστοιχο z) Αν το ζητούμενο διάστημα εμπιστοσύνης ήταν 99% τότε α=0,01 και z α/2 =z 0,005 =2,58 (στους πίνακες ψάχνουμε την πιθανότητα 0,5-0,005=0,495) Αν το ζητούμενο διάστημα εμπιστοσύνης ήταν 80% τότε α=0,20 και z α/2 =z 0,10 =1,28 (στους πίνακες ψάχνουμε την πιθανότητα 0,5-0,10=0,400)

Τίτλος Μαθήματος Τμήμα

Εφαρμογή 2 Από μια ποικιλία βαμβακιού πάρθηκε τυχαίο δείγμα 20 φυτών και προσδιορίστηκε το μέσο βάρος του σύσπορου βαμβακιού ενός καρυδιού από το κάθε φυτό. Τα αποτελέσματα σε γραμμάρια ήταν τα εξής: Α/Α Φυτού Μέσο βάρος Α/Α Φυτού Μέσο βάρος 1 8,4 11 8,0 2 5,8 12 7,7 3 7,8 13 7,0 4 6,4 14 7,7 5 7,9 15 7,3 6 7,2 16 6,7 7 7,3 17 6,3 8 8,4 18 7,3 9 5,1 19 6,0 10 7,6 20 4,2

Εφαρμογή 2 (συνέχεια) Με βάση τα δεδομένα του δείγματος αυτού εκτιμήστε το μέσο βάρος καρυδιού σε ολόκληρη την ποικιλία με ένα 95% και με ένα 90% διάστημα εμπιστοσύνης.

Απάντηση Η διακύμανση σ 2 του πληθυσμού άγνωστη και θα πρέπει να εκτιμηθεί από το δείγμα (δηλ. θα πρέπει να υπολογίσουμε την s 2 ) α=0,05 και α=0,10 n=20<30. Υπολογίζουμε το μέσο όρο X 7,005 Υπολογίζουμε την τυπική απόκλιση s 1,097

Υπενθύμιση Τίτλος Μαθήματος Πηγή: Κολυβά & Μπόρα-Σέντα Τμήμα (1995)

Απάντηση (συνέχεια) Οι βαθμοί ελευθερίας είναι 20-1=19. Θα χρησιμοποιήσουμε τους πίνακες της t-κατανομής. s s X ta/ 2 X ta/ 2 n n 1,097 1,097 7,005 2,093 7,005 2,093 20 20 6, 492, 7,518 Το 95% δ.ε. Κρίσιμη τιμή της t-κατανομής για 19 β.ε. και επίπεδο σημαντικότητας α/2=0,025

Απάντηση (συνέχεια) s s X ta/ 2 X ta/ 2 n n 1,097 1,097 7,005 1,729 7,005 1,729 20 20 6,581, 7, 429 Το 90% δ.ε. Κρίσιμη τιμή της t-κατανομής για 19 β.ε. και επίπεδο σημαντικότητας α/2=0,05

Απάντηση (συνέχεια) Για να βρούμε την κρίσιμη τιμή της t- Κατανομής για δοσμένους β.ε. σε επίπεδο σημαντικότητας α/2 εργαζόμαστε ως εξής: Έστω ότι α=0,05, θέλουμε t 0,025 =? Οι πίνακες του βιβλίου δίνουν τις κρίσιμες τιμές για επίπεδο σημαντικότητας α/2+α/2=α (δηλ. και για τις δύο ουρές της κατανομής)

t-κατανομή α/2 α/2 α/2

Απάντηση (συνέχεια) επομένως αφού ψάχνουμε την κρίσιμη τιμή σε επίπεδο σημαντικότητας α/2=0,05/2=0,025 θα αναζητήσουμε στους πίνακες την κρίσιμη τιμή στο επίπεδο σημαντικότητας α=0,05, αφού η πιθανότητα είναι 0,025 για τη δεξιά ουρά και 0,025 για την αριστερή (0,025+0,025=0,05).

Εφαρμογή 3 Οι περιεκτικότητες σε πρωτεΐνη 14 δειγμάτων μιας ποικιλίας σιταριού από ισάριθμα χωράφια μιας ευρύτερης περιοχής ήταν οι εξής: Α/Α Δείγματος Περιεκτικότητα Α/Α Δείγματος Περιεκτικότητα 1 12,2 8 12,5 2 12,5 9 11,8 3 11,2 10 12,4 4 12,6 11 11,5 5 11,0 12 12,0 6 11,6 13 11,6 7 12,0 14 12,7

Εφαρμογή 3 (συνέχεια) Υπολογίστε ένα 95% δ.ε. για τη μέση περιεκτικότητα σε πρωτεΐνη όλων των χωραφιών της περιοχής που καλλιεργήθηκαν με την ίδια ποικιλία. Δίνονται: Άθροισμα παρατηρήσεων=167,60 Άθροισμα τετραγώνων των διαφορών των παρατηρήσεων από το μέσο όρο=3,789

Απάντηση Η διακύμανση σ 2 του πληθυσμού άγνωστη και θα πρέπει να εκτιμηθεί από το δείγμα (δηλ. θα πρέπει να υπολογίσουμε την s 2 ) α=0,05 n=14<30. Υπολογίζουμε το μέσο όρο X 11,97 Υπολογίζουμε την τυπική απόκλιση s 0,54

Υπενθύμιση Τίτλος Μαθήματος Πηγή: Κολυβά & Μπόρα-Σέντα Τμήμα (1995)

Απάντηση (συνέχεια) s s X ta/ 2 X ta/ 2 n n 0,54 0,54 11,97 2,160 11,97 2,160 14 14 11,939, 12,001 Το 95% δ.ε. Κρίσιμη τιμή της t-κατανομής για 13 β.ε. και επίπεδο σημαντικότητας α/2=0,025

Εφαρμογή 4 Με βάση τα δεδομένα των Εφαρμογών 2 και 3 υπολογίστε τα όρια εμπιστοσύνης της παραλλακτικότητας του πληθυσμού από τον οποίο προήλθε το κάθε δείγμα για επίπεδο εμπιστοσύνης 95%. s s s 2 1 1 1,097 1,203 s 2 2 2 0,54 0,292

Υπενθύμιση Τίτλος Μαθήματος Πηγή: Κολυβά & Μπόρα-Σέντα Τμήμα (1995)

Απάντηση n 1 s n 1 s X 2 2 2 2 2 a/ 2 X1 a/ 2 2 2 19.(1,097) 2 19.(1,097) 32,852 8,907 0,696, 2,567 Το 95% δ.ε. για την παραλλακτικότητα της Εφαρμογής 2 s 1,097 s 1,203 2 1 1

Απάντηση (συνέχεια) n 1 s n 1 s X 2 2 2 2 2 a/ 2 X1 a/ 2 2 2 13.(0,54) 2 13.(0,54) 24,736 5,009 0,153, 0,757 Το 95% δ.ε. για την παραλλακτικότητα της Εφαρμογής 3 s 0,54 s 0,292 2 2 2

Τίτλος Μαθήματος Τμήμα

Εφαρμογή 5 Από μια αποθήκη γεμάτη φασόλια παίρνουμε ένα δείγμα 100 φασολιών και διαπιστώνουμε ότι τα 30 είναι προσβεβλημένα από βρούχο. Υπολογίστε ένα 95% διάστημα εμπιστοσύνης για το ποσοστό των προσβεβλημένων φασολιών στην αποθήκη από την οποία προήλθε το δείγμα.

Υπενθύμιση Τίτλος Μαθήματος Πηγή: Κολυβά & Μπόρα-Σέντα Τμήμα (1995)

Απάντηση pq ˆ ˆ pq ˆ ˆ pˆ z ˆ a/ 2 p p za/ 2 n n 0,300,70 0,300,70 0,30 1,96 p 0,30 1,96 100 100 0, 21, 0,39 Το 95% δ.ε. για το ποσοστό 1,96 είναι η κρίσιμη τιμή της Τυποποιημένης Κανονικής Κατανομής για επίπεδο σημαντικότητας α/2=0,025 q=1-p

Απάντηση (συνέχεια) Το ζητούμενο διάστημα εμπιστοσύνης είναι 95% τότε α=0,05 και z α/2 =z 0,025 =1,96 (στους πίνακες ψάχνουμε την πιθανότητα 0,5-0,025=0,475 για να βρούμε το αντίστοιχο z) Αν το ζητούμενο διάστημα εμπιστοσύνης ήταν 99% τότε α=0,01 και z α/2 =z 0,005 =2,58 (στους πίνακες ψάχνουμε την πιθανότητα 0,5-0,005=0,495) Αν το ζητούμενο διάστημα εμπιστοσύνης ήταν 80% τότε α=0,20 και z α/2 =z 0,10 =1,28 (στους πίνακες ψάχνουμε την πιθανότητα 0,5-0,10=0,400) Αν το ζητούμενο διάστημα εμπιστοσύνης ήταν 90% τότε α=0,10 και z α/2 =z 0,05 =1,64 (στους πίνακες ψάχνουμε την πιθανότητα 0,5-0,05=0,450)

Τίτλος Μαθήματος Τμήμα

Εφαρμογή 6 Το Υπουργείο Γεωργίας θέλει να μάθε τι ποσοστό των κτηνοτρόφων της χώρας παρακολουθεί μια ραδιοφωνική εκπομπή που τους αφορά. Επειδή δεν είναι δυνατό να τους ρωτήσει όλους, παίρνει ένα δείγμα 200 κτηνοτρόφων και πληροφορείται ότι 70 από τους 200 ακούν την εκπομπή. Με βάση τα δεδομένα του δείγματος αυτού τι μπορείτε να πείτε για το ποσοστό του συνόλου των κτηνοτρόφων που παρακολουθούν την εκπομπή;

Υπενθύμιση Τίτλος Μαθήματος Πηγή: Κολυβά & Μπόρα-Σέντα Τμήμα (1995)

Απάντηση Το δειγματικό ποσοστό είναι 70/200=0,35 ή 35% Ένα 95% δ.ε. είναι το 0,284 έως 0,416 ή 28,4% έως 41,6% Ένα 99% δ.ε. είναι το 26,3% έως 43,7% Ένα 90% δ.ε. είναι το 29,5% έως 40,5% Τι παρατηρείτε σχετικά με το εύρος των διαστημάτων;

Εφαρμογή 7 Με βάση τα δεδομένα της Εφαρμογής 1 υπολογίστε το μέγεθος δείγματος που θα χρειαζόταν για να ελαττωθεί το εύρος του διαστήματος στο μισό αυτού που υπολογίστηκε αρχικά. X z X z n a/ 2 a/ 2 n Το (1-α)% δ.ε.

Υπενθύμιση n 4z a 2 2 /2 2 d Αν η διασπορά του πληθυσμού γνωστή και το (1-α)% δ.ε. θέλουμε να έχει εύρος το πολύ d n 4t a 2 s 2 /2 2 d Αν η διασπορά του πληθυσμού άγνωστη και το (1-α)% δ.ε. θέλουμε να έχει εύρος το πολύ d. Προσοχή: Η διαδικασία είναι επαναληπτική

Απάντηση Το 95% δ.ε. είναι από 3.898,01 έως 4.681,99, δηλ. το εύρος του είναι 783,98 και επομένως το μισό από αυτό το εύρος είναι 391,99. n n 2 2 2 2 4z a /2 4.(1,96) (1.000) n 2 2 d 391,99 100,005 100

Εφαρμογή 8 Με βάση τα δεδομένα της Εφαρμογής 2 υπολογίστε το μέγεθος δείγματος που απαιτείται για να έχει το διάστημα εμπιστοσύνης για α=0,05 εύρος ίσο με 0,5. s X t X t n a/ 2 a/ 2 s n Το (1-α)% δ.ε.

Απάντηση s 1,097 s 1,203 19.. 2 1 1 n 2 2 2 4ta /2s 4.(2,093).1,203 n 2 2 84,32 85 d 0,5 1 Βρίσκουμε την κρίσιμη τιμή της t-κατανομής για α=0,025 και 85-1=84 β.ε. και επαναλαμβάνουμε τον υπολογισμό n 2 2 2 4ta /2s 4.(1,989).1, 203 n 76,15 77 2 2 d 0,5 2

Απάντηση (συνέχεια) Αν το μέγεθος του δείγματος που υπολογίστηκε είναι σχετικά μικρό επαναλαμβάνουμε τη διαδικασία για μία ακόμη φορά.

Εφαρμογή 9 Με βάση τα δεδομένα της Εφαρμογής 5 υπολογίστε το μέγεθος δείγματος που θα χρειαζόταν για να εκτιμηθεί το ποσοστό των προσβεβλημένων φασολιών στην αποθήκη με ένα διάστημα εμπιστοσύνης εύρους 0,10 για επίπεδο εμπιστοσύνης 0,95.

Υπενθύμιση Το (1-α)% δ.ε. pq ˆ ˆ pˆ z p pˆ z n a/ 2 a/ 2 pq ˆ ˆ n n 2 4z a d /2 2 pq ˆˆ

Απάντηση n 2 2 4z ˆˆ a /2pq 4.(1,96).(0,30).(0,70) n 322,694 323 2 2 d 0,10 n 323

Εφαρμογή 10 Τον Ιούλιο του 1969 οι πρώτοι άνθρωποι που πάτησαν στη Σελήνη επιστρέφοντας έφεραν ένα δείγμα από 30 πέτρες που επέλεξε τυχαία ο πρώτος αστροναύτης και ένα δείγμα από 28 πέτρες που επέλεξε τυχαία ο δεύτερος. Οι πέτρες του πρώτου αστροναύτη όταν ζυγίστηκαν στη Γη είχαν μέσο βάρος 172 ουγγιές (με διασπορά 299), ενώ του δεύτερου 165 ουγγιές (με διασπορά 312). Υποθέτουμε ότι τα δείγματα πάρθηκαν από διαφορετικές περιοχές με διαφορετικές διασπορές. Βρείτε ένα 99% δ.ε. για τη διαφορά μ 1 -μ 2 στα βάρη που είχαν οι πέτρες στην επιφάνεια της Σελήνης.

Πηγή: Κολυβά & Μπόρα-Σέντα (1995) Υπενθύμιση μ 1 -μ 2 Τίτλος Μαθήματος Τμήμα

Απάντηση Αν θεωρήσουμε ότι τα δείγματα έχουν ίσες διασπορές Αν θεωρήσουμε ότι τα δείγματα έχουν άνισες διασπορές Πηγή: Κολυβά & Μπόρα-Σέντα (1995)

Πηγή: Κολυβά & Μπόρα-Σέντα (1995) Απάντηση (συνέχεια) Θεωρούμε ότι τα δείγματα έχουν άνισες διασπορές. X Y 172, s 299 0,005 2 1 165, s 312 2 2 n 30, m 28, 15,3 16 t(16) 2,921 299 312 (172 165) 2,921 7 13, 42 30 28 6,42, 20,42 Το 99% δ.ε.

Απάντηση (συνέχεια) Σε τι συμπέρασμα καταλήγουμε με βάση το 99% δ.ε. για τους μέσους όρους μ 1 και μ 2 ; Εφόσον το 99% δ.ε. περιέχει το μηδέν οι δύο μέσοι όροι δεν διαφέρουν στατιστικά σημαντικά σε επίπεδο σημαντικότητας α=0,01.

Εφαρμογή 11 Σε μια μελέτη για το αποτέλεσμα της έκθεσης των ανθέων του φυτού ΧΧΧR σε διαφορετικές περιβαλλοντικές συνθήκες επιλέχθηκαν 10 υγιή φυτά με άνθη ελεύθερα εκτεθειμένα στην κορυφή και άνθη όσο το δυνατόν πιο καλά κρυμμένα στο κάτω μέρος. Στη συνέχεια καταμετρήθηκαν οι αριθμοί των σπόρων, που βρέθηκαν να είναι:

Εφαρμογή 11 (συνέχεια) Α/Α Φυτού 1 2 3 4 5 6 7 8 9 10 Άνθη στην κορυφή 4 5 6 4 5 4 4 3 5 7 Άνθη στο κάτω μέρος 5 4 5 3 4 4 4 4 3 2 Με βάση τα παραπάνω δεδομένα να βρείτε ένα 90% διάστημα εμπιστοσύνης για την πραγματική διαφορά μ 1 -μ 2 στον αριθμό των σπόρων του φυτού ΧΧΧR που προέρχεται από άνθη στο πάνω και στο κάτω μέρος του φυτού.

Απάντηση Επειδή οι μετρήσεις αναφέρονται στο ίδιο φυτό, είναι ζευγαρωτές και το 95% δ.ε. δίνεται: z s z n t n 1; a/ 2 Οι διαφορές x i -y i Όπου z i = -1, 1, 1, 1, 1, 0, 0, -1, 2 και 5 Πηγή: Κολυβά & Μπόρα-Σέντα (1995)

Απάντηση (συνέχεια) z 0,900, s 1,729 z sz 1,729 z tn 1; a/ 2 0,900 1,833 n 10 t t n1; a/ 2 9;0,05 1,833 ( 0,102, 1,902) Το 90% δ.ε.

Εφαρμογή 12 Το επιστημονικό περιοδικό Journal of Fish Biology δημοσίευσε μια μελέτη που έκανε σύγκριση των παράσιτων που βρέθηκαν στα είδη ψαριών στη Μεσόγειο και στον Ατλαντικό. Στη Μεσόγειο από τα 588 ψάρια που πιάστηκαν και εξετάστηκαν βρέθηκαν μολυσμένα από παράσιτα τα 211. Στον Ατλαντικό ωκεανό, από 123 ψάρια που εξετάστηκαν βρέθηκαν μολυσμένα τα 26. Συγκρίνετε την αναλογία των παράσιτων στις δύο θάλασσες χρησιμοποιώντας ένα 90% διάστημα εμπιστοσύνης. Ερμηνεύστε τα αποτελέσματα.

Απάντηση pˆ 211 26 0,36 pˆ 0, 211 588 123 1 2 pˆ (1 pˆ ) pˆ (1 pˆ ) ˆ ˆ n m n 588, m 123, z z 1,64 1 1 2 2 ( p1 p2 ) za / 2, 0,10/ 2 0,05 0,360,64 0, 2110,789 (0,36 0, 211) 1,64 588 123 0,149 0,069 (0,08, 0, 218) Το 90% δ.ε.

Απάντηση (συνέχεια) Η διαφορά των δύο ποσοστών είναι θετική. Η αναλογία p 1 είναι μεγαλύτερη από την αναλογία p 2 (σε ε.σ. α=0,10). Η Μεσόγειος έχει μεγαλύτερη αναλογία μολυσμένων ψαριών απ ό,τι ο Ατλαντικός Ωκεανός.

Εφαρμογή 13 Πήραμε 21 παιδιά αγροτών ηλικίας 14 ετών που ζούσαν σε υψόμετρο 1.500 μέτρων και βρήκαμε διασπορά περιφέρειας στήθους 6 cm2. Η διασπορά της περιφέρειας στήθους σε 16 παιδιά αγροτών που ζούσαν σε πεδινά μέρη κοντά στη θάλασσα ήταν 4 cm2. Βρείτε ένα 98% διάστημα εμπιστοσύνης για το λόγο των διασπορών.

Απάντηση s 6, n 21, n 1 20 2 1 s 4, m 16, m 1 15 2 2 1 a 0,98, a 0,02, a / 2 0,01 F F s s 15,20;0,01 20,15;0,01 2 1 2 2 6 4 3,09 3,37

Απάντηση (συνέχεια) 2 2 2 s1 / s2 s 1 6/ 4 6, 2 F m1, n1; a / 2, F 15,20;0,01 Fn 1, m 1; a / 2 s 2 F20,15;0,01 4 1,5, 1,5 3,09 (0,446, 4,464) 3,37 Σε τι συμπέρασμα καταλήγουμε σε σχέση με την ισότητα των δύο παραλλακτικοτήτων;

Απάντηση (συνέχεια) Εφόσον το 98% δ.ε. περιέχει τη μονάδα οι δύο παραλλακτικότητες δεν διαφέρουν στατιστικά σημαντικά σε ε.σ. α=0,02.

3,09

Βιβλιογραφία Φωτιάδης, Ν. (1995). Εισαγωγή στη Στατιστική για Βιολογικές Επιστήμες. Θεσσαλονίκη: University Studio Press. Κολυβά, Φ. και Μπόρα-Σέντα, Ε. (1995). Στατιστική: Θεωρία-Εφαρμογές. Θεσσαλονίκη: Εκδόσεις ΖΗΤΗ. Φασούλας, Α. Κ. (ανατ. 2008). Στοιχεία Πειραματικής Στατιστικής. Θεσσαλονίκη: Άγις- Σάββας Δ. Γαρταγάνης.

Σημείωμα Αναφοράς Copyright, Γεώργιος Μενεξές. «Στατιστική. Εφαρμογές Στατιστικής Ι: Διαστήματα Εμπιστοσύνης». Έκδοση: 1.0. Θεσσαλονίκη 2014. Διαθέσιμο από τη δικτυακή διεύθυνση: https://opencourses.auth.gr/courses/ocrs484/

Σημείωμα Αδειοδότησης Το παρόν υλικό διατίθεται με τους όρους της άδειας χρήσης Creative Commons Αναφορά - Μη Εμπορική Χρήση - Όχι Παράγωγα Έργα 4.0 [1] ή μεταγενέστερη, Διεθνής Έκδοση. Εξαιρούνται τα αυτοτελή έργα τρίτων π.χ. φωτογραφίες, διαγράμματα κ.λ.π., τα οποία εμπεριέχονται σε αυτό και τα οποία αναφέρονται μαζί με τους όρους χρήσης τους στο «Σημείωμα Χρήσης Έργων Τρίτων». Ο δικαιούχος μπορεί να παρέχει στον αδειοδόχο ξεχωριστή άδεια να χρησιμοποιεί το έργο για εμπορική χρήση, εφόσον αυτό του ζητηθεί. Ως Μη Εμπορική ορίζεται η χρήση: που δεν περιλαμβάνει άμεσο ή έμμεσο οικονομικό όφελος από την χρήση του έργου, για το διανομέα του έργου και αδειοδόχο που δεν περιλαμβάνει οικονομική συναλλαγή ως προϋπόθεση για τη χρήση ή πρόσβαση στο έργο που δεν προσπορίζει στο διανομέα του έργου και αδειοδόχο έμμεσο οικονομικό όφελος (π.χ. διαφημίσεις) από την προβολή του έργου σε διαδικτυακό τόπο [1] http://creativecommons.org/licenses/by-nc-nd/4.0/

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Τέλος Ενότητας Επεξεργασία: Μαρία Αλεμπάκη Θεσσαλονίκη, Εαρινό Εξάμηνο 2014-2015