Κ Ε Φ Α Λ Α Ι Ο 2 n Άθροισμα: Σχ i = x 1 +x 2 +x 3 +…+x n i=1 Κ Ε Φ Α Λ Α Ι Ο 5 Μέσος όρος Πληθυσμού: μ = Σχ i /N Μέσος όρος Δείγματος: Χ = Σχ i /n όπου.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Περιγραφική Στατιστική
Advertisements

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
Πιθανότητες & Τυχαία Σήματα Συσχέτιση
Σφαλματα ή αβεβαιοτητα των μετρησεων
Δ Η Μ Η Τ Ρ Η Σ Ε Υ Σ Τ Α Θ Ι Α Δ Η Σ Τ Α Ξ Η : ΑΤ’1
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Γεννήσεων-Θανάτων (Birth-Death), Εξισώσεις Ισορροπίας, Συστήματα Αναμονής Μ/Μ/1 Β. Μάγκλαρης
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Διαδικασίες Γεννήσεων – Θανάτων (Birth-Death Processes)
Σχέση Απόδοσης- Κινδύνου στα Πλαίσια της Θεωρίας Χαρτοφυλακίου
ΒΕΣ 06: Προσαρμοστικά Συστήματα στις Τηλεπικοινωνίες © 2007 Nicolas Tsapatsoulis Θεωρία Στοχαστικών Σημάτων: Στοχαστικές διεργασίες, Περιγραφή εργοδικών.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κατανομή Poisson, Διαδικασίες Markov, Διαδικασίες Γεννήσεων-Θανάτων (Birth-Death) Β. Μάγκλαρης
ΚΕΦΑΛΑΙΟ 7 ΔΕΙΓΜΑΤΟΛΗΨΙΑ
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 11/04/13 Διαδικασίες Γεννήσεων-Θανάτων (Birth- Death), Εξισώσεις Ισορροπίας, Συστήματα Αναμονής Μ/Μ/1.
ΥΔΑΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ
Στατιστική I Χειμερινό Γ. Παπαγεωργίου
ΚΕΦΑΛΑΙΟ 6 ΓΕΩΓΡΑΦΙΚΕΣ ΜΕΘΟΔΟΙ ΚΑΙ ΤΕΧΝΙΚΕΣ: ΣΗΜΕΙΑ
ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ΔΙΑΚΡΙΤΩΝ ΚΑΙ ΣΥΝΕΧΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ
Πηγή: Βιοστατιστική [Β.Γ. Σταυρινός, Δ.Β. Παναγιωτάκος]
Εισαγωγή Στατιστική είναι η επιστήμη που με τη βοήθεια επιστημινκών μεθόδων ασχολείται με τη συλλογή, οργάνωση, παρουσίαση και ανάλυση αριθμητικών στοιχείων.
ΣΤΑΤΙΣΤΙΚΗ ΕΠΑΓΩΓΗ: ΣΗΜΕΙΑΚΕΣ ΕΚΤΙΜΗΣΕΙΣ & ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
Αρχές επαγωγικής στατιστικής
Στατιστική – Πειραματικός Σχεδιασμός Βασικά. Πληθυσμός – ένα μεγάλο σετ από Ν παρατηρήσεις (πιθανά δεδομένα) από το οποίο το δείγμα λαμβάνεται. Δείγμα.
Σχεδιασμός των Μεταφορών Ενότητα #5: Δειγματοληψία – Sampling. Δρ. Ναθαναήλ Ευτυχία Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών.
Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή β) για ένα ποσοστό.
Τα υπέρ και τα κατά Stomikrocosmotistaxismas.blogspot.gr.
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΠΡΩΤΟ ΘΕΩΡΙΑΣ - ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Δρ. Κουνετάς Η Κωνσταντίνος.
 Ο Νόμος των Μεγάλων Αριθμών είναι το θεώρημα που περιγράφει τον τρόπο με τον οποίο συμπεριφέρεται ένα συγκεκριμένο πείραμα, όταν ο αριθμός των επαναλήψεων.
Αρχές επαγωγικής στατιστικής Τμήμα :Νοσηλευτικής Πατρών Διδάσκουσα: Παναγιώταρου Αλίκη Διάλεξη 9.
Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική Ενότητα 2: Επαγωγική Στατιστική Βασίλης Γιαλαμάς Σχολή Επιστημών της Αγωγής Τμήμα Εκπαίδευσης και Αγωγής.
Έλεγχος υποθέσεων για αναλογίες. Εάν έχουμε αναλογίες σχετικά με ένα συγκεκριμένο χαρακτηριστικό σε έναν πληθυσμό τότε κάνουμε ελέγχους υποθέσεων για.
ΕΛΕΓΧΟΙ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Η πιο συνηθισμένη στατιστική υπόθεση είναι η λεγόμενη Υπόθεση Μηδέν H 0. –Υποθέτουμε ότι η εμφανιζόμενη διαφορά μεταξύ μιας.
Έλεγχος Υποθέσεων Ο έλεγχος υποθέσεων αναφέρεται στη διαδικασία αποδοχής ή απόρριψης μιας στατιστικής υπόθεσης, Κατά την εκτέλεση ενός στατιστικού ελέγχου,
Διάστημα εμπιστοσύνης για τη διακύμανση. Υπολογισμός Διακυμάνσεως και Τυπικής Αποκλίσεως Όταν τα δεδομένα αφορούν πληθυσμό – μ είναι ο μέσος του πληθυσμού.
Διαχείριση Χρηματοοικονομικών Κινδύνων Ασκήσεις VaR Διάλεξη 3 (Εισαγωγή VaR)
Δραματική Τέχνη στην εκπαίδευση: Ερευνητικό Σχέδιο Ι Στις ανθρωπιστικές επιστήμες επικράτησαν δύο ερευνητικές κατευθύνσεις: Η στατιστική ανάλυση (συνυπολογίζει.
ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ για επεξεργασία δεδομένων έρευνας Εμμανουήλ Κακάρογλου Σχολικός Σύμβουλος ΠΕ12.
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΠΙΝΑΚΕΣ ΚΑΙ ΔΙΑΓΡΑΜΜΑΤΑ Πηγή: Βιοστατιστική [Σταυρινός / Παναγιωτάκος] Βιοστατιστική [Τριχόπουλος / Τζώνου / Κατσουγιάννη]
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
Διοίκηση Ποιότητας Ενότητα 5: Δειγματοληψία και Ποιοτικός Έλεγχος
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ - ΑΣΥΜΜΕΤΡΙΑΣ - ΚΥΡΤΩΣΕΩΣ
Επικρατούσα τιμή. Σε περιπτώσεις, που διαφορετικές τιμές μιας μεταβλητής επαναλαμβάνονται περισσότερο από μια φορά, η επικρατούσα τιμή είναι η συχνότερη.
Εισαγωγή στην Στατιστική
Τι μπορούμε να δούμε σε αυτό το ιστόγραμμα?
Μεθοδολογία έρευνας και στατιστική – Δείγμα –Κατανομές
Δειγματοληψία Στην Επαγωγική στατιστική οδηγούμαστε σε συμπεράσματα και αποφάσεις για τις παραμέτρους ενός πληθυσμού με τη βοήθεια ενός τυχαίου δείγματος.
Μέτρα μεταβλητότητας ή διασποράς
Επαγωγική Στατιστική Εκτίμηση και Έλεγχος μέσων τιμών Χαράλαμπος Γναρδέλλης Τμήμα Τεχνολογίας Αλιείας και Υδατοκαλλιεργειών.
Έλεγχος της διακύμανσης
Έλεγχος για τη διαφορά μέσων τιμών μ1 και μ2 δύο πληθυσμών
Βιομετρία - Γεωργικός Πειραματισμός
Μεθοδολογία έρευνας και στατιστική – Δείγμα – Πληθυσμός
ΔΑΣΙΚΗ ΒΙΟΜΕΤΡΙΑ.
ΙΕΚ Γαλατσίου Στατιστική ΙΙ Μάθημα 6
Εισαγωγή στην Στατιστική
ΠΟΛΥΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Στη θεωρία των πιθανοτήτων η πολυωνυμική κατανομή είναι μια γενίκευση της διωνυμικής κατανομής. Η διωνυμική κατανομή είναι η κατανομή.
Εργασία στο μάθημα των Μαθηματικών (Kεφάλαιο 3ο)
ΣΤΑΤΙΣΤΙΚΗ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
Σχεδιασμός των Μεταφορών
Η ΔΙΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ ΠΙΘΑΝΟΤΗΤΑΣ.
ΧΡΟΝΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΩΝ
Κατανομές πιθανοτήτων
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(5)
Κατανομή Poisson Η κατανομή αυτή χρησιμοποιείται όταν θέλουμε να μετρήσουμε τον αριθμό των γεγονότων που εμφανίζονται μέσα σ’ ένα διάστημα (0, t).
Η ΠΡΑΚΤΙΚΗ ΑΣΚΗΣΗ ΤΩΝ ΦΟΙΤΗΤΩΝ ΤΟΥ ΜΑΘΗΜΑΤΙΚΟΥ ΣΤΑ ΣΧΟΛΕΙΑ: ΜΙΑ ΠΙΛΟΤΙΚΗ ΕΦΑΡΜΟΓΗ Εαρινό εξάμηνο
για να σχηματίσω τη λέξη
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
Ανάλυση διακύμανσης Τι είναι η ανάλυση διακύμανσης
Μεταγράφημα παρουσίασης:

Κ Ε Φ Α Λ Α Ι Ο 2 n Άθροισμα: Σχ i = x 1 +x 2 +x 3 +…+x n i=1 Κ Ε Φ Α Λ Α Ι Ο 5 Μέσος όρος Πληθυσμού: μ = Σχ i /N Μέσος όρος Δείγματος: Χ = Σχ i /n όπου n = Σfi Μέσος όρος Δείγματος: Χ = Σf i χ i /Σf i (ταξινομημένες παρατηρήσεις) Μέσος όρος Δείγματος: Χ = Χ 0 +Σf i d i /Σf i (βάσει υποθετικού μεσ. όρου) όπου d i = X i -X 0

Κ Ε Φ Α Λ Α Ι Ο 5 Γεωμετρικός Μέσος όρος: G = χ 1 χ 2 χ 3 …χ n n Τετραγωνικός Μέσος όρος: Χ 2 = Σx i 2 /n Κ Ε Φ Α Λ Α Ι Ο 6 Σ χ i - χ Μέση απόκλιση: MD = (αταξινόμητες παρατηρήσεις) n n-1 Διακύμανση δείγματος: S 2 = i=1 n Σ(χ i -χ) 2 i=1 n Σfi χ i - χ Μέση απόκλιση: MD = (ταξινομημένες παρατηρήσεις) n i=1 n

Κ Ε Φ Α Λ Α Ι Ο 6 Τυπική απόκλιση δείγματος: S = n-1 Σ(χ i -χ) 2 i=1 n Τυπική απόκλιση δείγματος: S = Σdi2Σdi2 (Σdi)2(Σdi)2 - n n-1 Βάσει υποθετικού μέσου όρου Αταξινόμητες παρατηρήσεις

Κ Ε Φ Α Λ Α Ι Ο 6 Τυπική απόκλιση δείγματος ταξινομημένων παρατηρήσεων Σ f i (χ i – χ) 2 i=1 n n-1 S = (Σ f i χ i ) 2 n i=1 n = Σfiχi2Σfiχi2 n - n-1 n = Σf i

Κ Ε Φ Α Λ Α Ι Ο 6 Τυπική απόκλιση δείγματος ταξινομημένων παρατηρήσεων βάσει υποθετικού μέσου όρου S = (Σ f i d i ) 2 n i=1 n Σfidi2Σfidi2 n - n-1 Συντελεστής κύμανσης CV = S/X 100%.

Κ Ε Φ Α Λ Α Ι Ο 7 Πιθανότητα: P = h/n όπου h είναι το πλήθος των ευνοϊκών περιπτώσεων και n είναι το πλήθος των δυνατών περιπτώσεων. P(Ε 1 ή Ε 2 ) = P(E 1 )+P(E 2 ) όπου P(E 1 ) η πιθανότητα να συμβεί το γεγονός Ε 1 και P(E 2 ) η πιθανότητα να συμβεί το γεγονός Ε 2. P(Ε 1 Ε 2 ) = P(E 1 )P(E 2 /Ε 1 ) όταν το γεγονός Ε 2 εξαρτάται από το Ε 1.

Κ Ε Φ Α Λ Α Ι Ο 7 P(Ε 1 και Ε 2 ) = P(E 1 )P(E 2 ) όταν το γεγονός Ε 2 είναι ανεξάρτητο από το Ε 1. Κ Ε Φ Α Λ Α Ι Ο 8 P(X) = C X p X q n-X n.. n! (n-X)!X! p X q n-X =.. Διωνυμική κατανομή: Μέσος όρος διωνυμικής κατανομής: Χ = n P. Διακύμανση διωνυμικής κατανομής: S 2 = n P q.. Τυπική απόκλιση διωνυμικής κατανομής: S = n P q..

Κ Ε Φ Α Λ Α Ι Ο 8 Κατανομή Poisson: Μέσος όρος και τυπική απόκλιση κατανομής Poisson: Χ = S 2 = λ = n P.. X!X! P(X) = e -λ λΧλΧ Κανονική κατανομή: z = (Χ-μ)/σ t-κατανομή: t= X - μ σXσX σ X = S/ nόπου

Κ Ε Φ Α Λ Α Ι Ο 10 Καθορισμός ορίων εμπιστοσύνης Χ – t S X < μ < X + t S X για n < 30.. S X = S/ n Χ – z S X 30.. Σύγκριση μέσων όρων X 1 – X 2 S 2 (1/n 1 + 1/n 2 ) t υπ = S 2 = (n 1 -1)S 1 + (n 2 -1)S n 1 +n 2 -2 για μικρά δείγματα n 1, n 2 < 30 tπtπ q ν = n 1 +n Πίνακας σελ. 200

Κ Ε Φ Α Λ Α Ι Ο 10 Σύγκριση μέσων όρων για μικρά δείγματα n 1, n 2 < 30 (Χ 1 – Χ 2 ) – t π S 2 (1/n 1 + 1/n 2 ) <μ 1 -μ 2 < (Χ 1 – Χ 2 ) + t π S 2 (1/n 1 + 1/n 2 ) Σύγκριση μέσων όρων για μικρά δείγματα n 1, n 2 < 30 Σύγκριση μέσων όρων για μεγάλα δείγματα n 1, n 2 > 30 Χ 1 – Χ 2 σ 1 /n 1 + σ 2 /n 2 z υπ = 2 2 zπzπ q Πίνακας σελ. 201 (Χ 1 – Χ 2 ) – z π (σ 1 /n 1 + σ 2 /n 2 ) <μ 1 -μ 2 < (Χ 1 – Χ 2 ) + z π (σ 1 /n 1 + σ 2 /n 2 ) 2 222