Στατιστική ΙΙ-Διαστήματα Εμπιστοσύνης Ι (εκδ. 1.1)

Σχετικά έγγραφα
Στατιστική ΙΙ- Ελεγχος Υποθέσεων Ι (εκδ. 1.3)

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

Στατιστική ΙΙ- Ελεγχος Υποθέσεων ΙΙ (εκδ. 1.1)

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

Εισαγωγή στην Εκτιμητική

Εκτίμηση Διαστήματος. Χ. Εμμανουηλίδης, 1. Στατιστική ΙI. Εκτίμηση Διαστήματος Εμπιστοσύνης για τον Μέσο

Στατιστική Ι-Πιθανότητες Ι

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

Στατιστική Συμπερασματολογία

Διαστήματα Εμπιστοσύνης

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

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

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

Σημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Στατιστική Ι-Μέτρα Διασποράς

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Στατιστική Επιχειρήσεων ΙΙ

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Δειγματικές Κατανομές

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΣτατιστικήΙΙ- Ελεγχοι X 2 (εκδ. 1.2)

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

Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ

Στατιστική ΙΙ Ενότητα 2: ειγµατοληψία

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

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

Κεφάλαιο 9 Κατανομές Δειγματοληψίας

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

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )

5. Έλεγχοι Υποθέσεων

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

Έλεγχος Υποθέσεων (Hypothesis Testing)

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Στατιστική Ι-Θεωρητικές Κατανομές Ι

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων

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 14 Μαρτίου /34

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής.

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 24/2/2017

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,

Θέμα: ΑΣΚΗΣΕΙΣ ΣΤΑ ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΚΕΦΑΛΑΙΑ 10,12 KELLER

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

Έλεγχοι Υποθέσεων. Χρήση της Στατιστικής. Η λογική του Ελέγχου Υπόθεσης Ο Έλεγχος Υπόθεσης 7-2

3. Κατανομές πιθανότητας

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

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 12. Εκτίμηση των παραμέτρων ενός πληθυσμού

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

Δειγματοληψία στην Ερευνα. Ετος

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

cv = κατάλληλη κριτική (κρίσιμη) τιμή από τους πίνακες της Ζ ή t κατανομής

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2013 στη Στατιστική

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων

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

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας

Σημειακή εκτίμηση και εκτίμηση με διάστημα Παραδείγματα. 12 η Διάλεξη

Διαστήματα εμπιστοσύνης, εκτίμηση ακρίβειας μέσης τιμής

Οικονομετρία. Απλή Παλινδρόμηση. Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Δειγματοληπτικές κατανομές

& 4/12/09 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ

Η παρουσίαση που ακολουθεί, αφορά την κανονική κατανομή και σκοπό έχει τη διευκόλυνση των φοιτητών του τμήματος Ηλεκτρολόγων Μηχανικών & Μηχανικών

X = = 81 9 = 9

Τυχαία μεταβλητή (τ.μ.)

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23

Στατιστική Ι- Βασικές Εννοιες

ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης

Στατιστική Ι. Ανάλυση Παλινδρόμησης

TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III

5 o Μάθημα Έλεγχοι Υποθέσεων

Μέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (

2.5.1 ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ

Ειδικά Θέματα Οικονομετρίας-Παλινδρόμηση (μέρος Α )

Γ. Πειραματισμός - Βιομετρία

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]

ΜΑΘΗΜΑΤΙΚΑ. 1 ο ΔΙΑΓΩΝΙΣΜΑ. ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f x. Ι. Το πεδίο ορισμού της f είναι:., 1 υ -1, B. 1, Γ. -1,., 1.

Είδη Μεταβλητών. κλίµακα µέτρησης

Για το δείγμα από την παραγωγή της εταιρείας τροφίμων δίνεται επίσης ότι, = 1.3 και για το δείγμα από το συνεταιρισμό ότι, x

Το τυπικό σφάλμα του μέσου (standard error of mean) ενός δείγματος

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ

ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ. Δημήτρης Ιωαννίδης. Τμήμα Οικονομικών Επιστημών.

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΜΑΘΗΜΑΤΙΚΑ- 1 o ΔΙΑΓΩΝΙΣΜΑ

10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης

ΣΧ0ΛΗ ΤΕΧΝ0Λ0ΓΙΑΣ ΤΡΟΦΙΜΩΝ & ΔΙΑΤΡΟΦΗΣ ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΕΡΓΑΣΤΗΡΙΟ: ΟΡΓΑΝΟΛΗΠΤΙΚΟΥ ΕΛΕΓΧΟΥ ΓΙΑΝΝΑΚΟΥΡΟΥ ΜΑΡΙΑ ΤΑΛΕΛΛΗ ΑΙΚΑΤΕΡΙΝΗ

Transcript:

Στατιστική ΙΙ- Ι (εκδ. 1.1) Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 17 Ιουλίου 2013

Περιγραφή 1 Δ.Ε.γιατονμέσο µ Δ.Ε. για την αναλογία

Τί είναι τα ; Τα (Δ.Ε.) εκφράζουν το διάστημα τιμών για ένα στατιστικό μέτρο ή μια παράμετρο ενός τυχαίου γεγονότος στον πληθυσμό μεπιθανότητα 1 α. 1 Στατιστικόμέτρο:παρ. µ(μέσος), σ 2 (διακύμανση), p(αναλογία). 2 ΤοΔ.Ε.ορίζεταιμεπιθανότητα 1 α. 3 Το α εκφράζει το επίπεδο σημαντικότητας(ή το σφάλμα εκτίμησης). Γιατίοχιμεπιθανότηταίσημε 1; 1 Ηπιθανότητα 1 αεκφράζειτηναβεβαιότηταγιατοστατιστικ ομέτρο στον πληθυσμό παρ. µ πληθυσμιακό μέσο. 2 Πλήρης βεβαιότητα μόνο για τα στατιστικά μέτρα στο δείγμα(δεδομένου του δείγματος), παρ. x δειγματικός μέσος για δείγμα n. 3 Αυξάνοντας το α, μειώνουμε την πιθανότητα. Ετσι θα περιορίζεται το εύρος του Δ.Ε. αυξάνοντας την ακρίβεια της εκτίμησης μας.

Τί είναι τα ; Τα (Δ.Ε.) εκφράζουν το διάστημα τιμών για ένα στατιστικό μέτρο ή μια παράμετρο ενός τυχαίου γεγονότος στον πληθυσμό μεπιθανότητα 1 α. 1 Στατιστικόμέτρο:παρ. µ(μέσος), σ 2 (διακύμανση), p(αναλογία). 2 ΤοΔ.Ε.ορίζεταιμεπιθανότητα 1 α. 3 Το α εκφράζει το επίπεδο σημαντικότητας(ή το σφάλμα εκτίμησης). Γιατίοχιμεπιθανότηταίσημε 1; 1 Ηπιθανότητα 1 αεκφράζειτηναβεβαιότηταγιατοστατιστικ ομέτρο στον πληθυσμό παρ. µ πληθυσμιακό μέσο. 2 Πλήρης βεβαιότητα μόνο για τα στατιστικά μέτρα στο δείγμα(δεδομένου του δείγματος), παρ. x δειγματικός μέσος για δείγμα n. 3 Αυξάνοντας το α, μειώνουμε την πιθανότητα. Ετσι θα περιορίζεται το εύρος του Δ.Ε. αυξάνοντας την ακρίβεια της εκτίμησης μας.

Τί είναι τα ; Τα (Δ.Ε.) εκφράζουν το διάστημα τιμών για ένα στατιστικό μέτρο ή μια παράμετρο ενός τυχαίου γεγονότος στον πληθυσμό μεπιθανότητα 1 α. 1 Στατιστικόμέτρο:παρ. µ(μέσος), σ 2 (διακύμανση), p(αναλογία). 2 ΤοΔ.Ε.ορίζεταιμεπιθανότητα 1 α. 3 Το α εκφράζει το επίπεδο σημαντικότητας(ή το σφάλμα εκτίμησης). Γιατίοχιμεπιθανότηταίσημε 1; 1 Ηπιθανότητα 1 αεκφράζειτηναβεβαιότηταγιατοστατιστικ ομέτρο στον πληθυσμό παρ. µ πληθυσμιακό μέσο. 2 Πλήρης βεβαιότητα μόνο για τα στατιστικά μέτρα στο δείγμα(δεδομένου του δείγματος), παρ. x δειγματικός μέσος για δείγμα n. 3 Αυξάνοντας το α, μειώνουμε την πιθανότητα. Ετσι θα περιορίζεται το εύρος του Δ.Ε. αυξάνοντας την ακρίβεια της εκτίμησης μας.

Τί είναι τα ; Τα (Δ.Ε.) εκφράζουν το διάστημα τιμών για ένα στατιστικό μέτρο ή μια παράμετρο ενός τυχαίου γεγονότος στον πληθυσμό μεπιθανότητα 1 α. 1 Στατιστικόμέτρο:παρ. µ(μέσος), σ 2 (διακύμανση), p(αναλογία). 2 ΤοΔ.Ε.ορίζεταιμεπιθανότητα 1 α. 3 Το α εκφράζει το επίπεδο σημαντικότητας(ή το σφάλμα εκτίμησης). Γιατίοχιμεπιθανότηταίσημε 1; 1 Ηπιθανότητα 1 αεκφράζειτηναβεβαιότηταγιατοστατιστικ ομέτρο στον πληθυσμό παρ. µ πληθυσμιακό μέσο. 2 Πλήρης βεβαιότητα μόνο για τα στατιστικά μέτρα στο δείγμα(δεδομένου του δείγματος), παρ. x δειγματικός μέσος για δείγμα n. 3 Αυξάνοντας το α, μειώνουμε την πιθανότητα. Ετσι θα περιορίζεται το εύρος του Δ.Ε. αυξάνοντας την ακρίβεια της εκτίμησης μας.

Δ.Ε. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Ενα χρεόγραφο έχει μια μέση απόδοση για ένα χρονικό διάστημα. Ενας επενδυτής προκειμένου να επενδύσει σε αυτό θέλει να γνωρίζει με μια πιθανότητα το ελάχιστο αλλά και μέγιστο της δεδομένης απόδοσης με στόχο να αποφύγει ενδεχόμενο μεγάλο ρίσκο μιας τέτοιας επένδυσης. 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Ποιό θα ήταν το ανώτερο και κατώτερο όριο των ελαττωματικών προιόντων που είναι δυνατόν να παραχθούν στο μέλλον. 3 Παράδειγμα Γ: Μια επιχείρηση διαθέτει προιόντα σε δύο(2) αγορές. Κάθε αγορά έχει διαφορετική κατανάλωση προιόντος. Ποιά θα μπορούσαν να είναι τα όρια την διαφοράς στην κατανάλωση των δύο αυτών αγορών πέραν των οποίων μια διαφορά στην κατανάλωση θα μπορούσε να χαρακτηριστεί περαν των επιτρεπτών ορίων από τον διευθυντή πωλήσεων;

Δ.Ε. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Ενα χρεόγραφο έχει μια μέση απόδοση για ένα χρονικό διάστημα. Ενας επενδυτής προκειμένου να επενδύσει σε αυτό θέλει να γνωρίζει με μια πιθανότητα το ελάχιστο αλλά και μέγιστο της δεδομένης απόδοσης με στόχο να αποφύγει ενδεχόμενο μεγάλο ρίσκο μιας τέτοιας επένδυσης. 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Ποιό θα ήταν το ανώτερο και κατώτερο όριο των ελαττωματικών προιόντων που είναι δυνατόν να παραχθούν στο μέλλον. 3 Παράδειγμα Γ: Μια επιχείρηση διαθέτει προιόντα σε δύο(2) αγορές. Κάθε αγορά έχει διαφορετική κατανάλωση προιόντος. Ποιά θα μπορούσαν να είναι τα όρια την διαφοράς στην κατανάλωση των δύο αυτών αγορών πέραν των οποίων μια διαφορά στην κατανάλωση θα μπορούσε να χαρακτηριστεί περαν των επιτρεπτών ορίων από τον διευθυντή πωλήσεων;

Δ.Ε. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Ενα χρεόγραφο έχει μια μέση απόδοση για ένα χρονικό διάστημα. Ενας επενδυτής προκειμένου να επενδύσει σε αυτό θέλει να γνωρίζει με μια πιθανότητα το ελάχιστο αλλά και μέγιστο της δεδομένης απόδοσης με στόχο να αποφύγει ενδεχόμενο μεγάλο ρίσκο μιας τέτοιας επένδυσης. 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Ποιό θα ήταν το ανώτερο και κατώτερο όριο των ελαττωματικών προιόντων που είναι δυνατόν να παραχθούν στο μέλλον. 3 Παράδειγμα Γ: Μια επιχείρηση διαθέτει προιόντα σε δύο(2) αγορές. Κάθε αγορά έχει διαφορετική κατανάλωση προιόντος. Ποιά θα μπορούσαν να είναι τα όρια την διαφοράς στην κατανάλωση των δύο αυτών αγορών πέραν των οποίων μια διαφορά στην κατανάλωση θα μπορούσε να χαρακτηριστεί περαν των επιτρεπτών ορίων από τον διευθυντή πωλήσεων;

Δ.Ε. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Ενα χρεόγραφο έχει μια μέση απόδοση για ένα χρονικό διάστημα. Ενας επενδυτής προκειμένου να επενδύσει σε αυτό θέλει να γνωρίζει με μια πιθανότητα το ελάχιστο αλλά και μέγιστο της δεδομένης απόδοσης με στόχο να αποφύγει ενδεχόμενο μεγάλο ρίσκο μιας τέτοιας επένδυσης. 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Ποιό θα ήταν το ανώτερο και κατώτερο όριο των ελαττωματικών προιόντων που είναι δυνατόν να παραχθούν στο μέλλον. 3 Παράδειγμα Γ: Μια επιχείρηση διαθέτει προιόντα σε δύο(2) αγορές. Κάθε αγορά έχει διαφορετική κατανάλωση προιόντος. Ποιά θα μπορούσαν να είναι τα όρια την διαφοράς στην κατανάλωση των δύο αυτών αγορών πέραν των οποίων μια διαφορά στην κατανάλωση θα μπορούσε να χαρακτηριστεί περαν των επιτρεπτών ορίων από τον διευθυντή πωλήσεων;

διότι Z 1 α/2 = Z α/2. βεαμερ-τυ-λογ Δ.Ε.γιατονμέσο µ Δ.Ε. για τον πληθυσμιακό μέσο µ Εστωγιατ.μς X 1,...,X nπροερχόμενεςαπόπληθυσμόμεμέσητιμή µκαι διακύμανση σ 2 τότεγια n 30θαισχύει: x µ σ/ N(0, 1). n Ετσι, δεδομένου ποσοστού σφάλματος α θα ισχύει: P(Z α/2 x µ σ/ n Z 1 α/2), όπου P(Z Z α/2 ) = Φ(Z α/2 ) = α/2,και P(Z Z 1 α/2 ) = 1 α/2. Ετσι, P(Z α/2 x µ σ/ n Z 1 α/2) = 1 α P( x + Z α/2 σ/ n µ x + Z 1 α/2 σ/ n) = 1 α P( x Z 1 α/2 σ/ n µ x Z α/2 σ/ n) = 1 α P( x Z 1 α/2 σ/ n µ x + Z 1 α/2 σ/ n) = 1 α,

Δ.Ε.γιατονμέσο µ Δ.Ε. για τον πληθυσμιακό μέσο µ(συν.) 1 σ-γνωστή 1 n 30ήΚανονικάκαταναμημένα X, x ± Z 1 α/2 σ n 2 n < 30καιμη-Κανονικάκαταναμημένα X, x ± t 1 α/2,n 1 σ n 2 σ-άγνωστη και n < 30: χρησιμοποίησε τη δειγματική τυπική απόκλιση S = i=1 n (X i X) 2 n 1 x ± t 1 α/2,n 1 S n όπου t 1 α/2,n 1 t-studentκατανομήμε n 1βαθμούςελευθερίας.

Δ.Ε.γιατονμέσο µ Δ.Ε. για τον πληθυσμιακό μέσο µ(συν.) 1 σ-γνωστή 1 n 30ήΚανονικάκαταναμημένα X, x ± Z 1 α/2 σ n 2 n < 30καιμη-Κανονικάκαταναμημένα X, x ± t 1 α/2,n 1 σ n 2 σ-άγνωστη και n < 30: χρησιμοποίησε τη δειγματική τυπική απόκλιση S = i=1 n (X i X) 2 n 1 x ± t 1 α/2,n 1 S n όπου t 1 α/2,n 1 t-studentκατανομήμε n 1βαθμούςελευθερίας.

Δ.Ε.γιατονμέσο µ Δ.Ε. για τον πληθυσμιακό μέσο µ(συν.) 1 σ-γνωστή 1 n 30ήΚανονικάκαταναμημένα X, x ± Z 1 α/2 σ n 2 n < 30καιμη-Κανονικάκαταναμημένα X, x ± t 1 α/2,n 1 σ n 2 σ-άγνωστη και n < 30: χρησιμοποίησε τη δειγματική τυπική απόκλιση S = i=1 n (X i X) 2 n 1 x ± t 1 α/2,n 1 S n όπου t 1 α/2,n 1 t-studentκατανομήμε n 1βαθμούςελευθερίας.

Δ.Ε.γιατονμέσο µ Παράδειγμα: Δ.Ε. για τον πληθυσμιακό μέσο µ Εστω δείγμα με τιμές: {12, 1 12, 3 11, 8 11, 9 12, 8 12, 4} αυτές προέρχονται από Κανονικό πληθυσμό με τυπική απόκλιση ίση με 12. Να προσδιορίσετε το 95% διάστημα εμπιστοσύνη για τον πληθυσμιακό μέσο. Λύση Προσδιορίζουμε τον δειγματικό μέσο, x = 12, 1+12, 3+11, 8+11, 9+12, 8+12, 4 6 = 12.21. Επίσης, δεδομένης της επιθυμίας για ένα 95% διάστημα εμπιστοσύνη, υποθέτουμε ποσοστό σφάλματος ίσο με 5%. Ακόμα, έχουμε τυπική απόκλιση ίσημε σ = 12.Ενώμέσωτουπίκαναπουακολουθείηκριτικήτιμή Z 0.975 = 1, 96. Ετσι, 12, 21 1, 96 12 6 µ 12, 21+1, 96 12 6 2.608 µ 21.812 βεαμερ-τυ-λογ

Δ.Ε.γιατονμέσο µ

Δ.Ε. για την αναλογία για την αναλογία Εστωτ.μ. Xδυαδικούαποτελέσματος X {0, 1},τότεγιαδείγματο X 1,...,X nενδιαφερόμαστεναπροσδιορίσουμετηναναλογία n i=1 X i. n Υποθέτονταςότιτοδείγμα X 1,...,X nαπόκοινούκατανέμεταισύμφωναμετη Διωνυμική κατανομή, τότε για n 30 και χρησιμοποιώντας τη συνθήκη Cramer-Rao θα ισχύει ότι: ˆp p ˆp(1 ˆp) n N(0, 1), όπου n i=1 ˆp = X i. n Ετσι, δεδομένου ποσοστού σφάλματος α, το Δ.Ε. για την αναλογία στον πληθυσμο θα είναι της μορφής: ˆp(1 ˆp) ˆp(1 ˆp) P(ˆp Z 1 α/2 p ˆp + Z 1 α/2 ) = 1 α. n n βεαμερ-τυ-λογ