Αρχές επαγωγικής στατιστικής Τμήμα :Νοσηλευτικής Πατρών Διδάσκουσα: Παναγιώταρου Αλίκη Διάλεξη 9.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Keller: Stats for Mgmt & Econ, 7th Ed
Advertisements

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
Πιθανότητες & Τυχαία Σήματα Συσχέτιση
Στατιστική Ι Παράδοση 5 Οι Δείκτες Διασποράς Διασπορά ή σκεδασμός.
ΒΕΣ 06: Προσαρμοστικά Συστήματα στις Τηλεπικοινωνίες © 2007 Nicolas Tsapatsoulis Θεωρία Στοχαστικών Σημάτων: Στοχαστικές διεργασίες, Περιγραφή εργοδικών.
Ε λληνικό Ι νστιτούτο Μ ετρολογίας Σύγκριση μεταξύ αναλυτικών και αριθμητικών μεθόδων υπολογισμού της αβεβαιότητας μέτρησης Χρήστος Μπαντής, Ph. D. Νοέμβριος,
Είδη δειγμάτων Τυχαίο/ μη τυχαίο
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
ΧΡΗΜΑΤΟΔΟΤΗΣΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΕΝΔΥΣΕΩΝ ΣΤΗ ΓΕΩΡΓΙΑ
ΥΔΑΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ
Βασικές Αρχές Μέτρησης
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 2) 1 Τι είναι η πιθανότητα Έστω ότι δίνεται ένα πείραμα τύχης το οποίο καθορίζεται από το σύνολο των.
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
Τι είναι η Κατανομή (Distribution)
Διάλεξη  Μέτρηση: Είναι μια διαδικασία κατά την οποία προσδίδουμε αριθμητικά δεδομένα σε κάποιο αντικείμενο, σύμφωνα με κάποια προκαθορισμένα.
Στατιστική και λογισμικά στις επιστήμες συμπεριφοράς
Στατιστική και λογισμικά στις επιστήμες συμπεριφοράς Ενότητα 6 : Δειγματοληπτικές Κατανομές Γεράσιμος Μελετίου Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό.
Στατιστική – Πειραματικός Σχεδιασμός Βασικά. Πληθυσμός – ένα μεγάλο σετ από Ν παρατηρήσεις (πιθανά δεδομένα) από το οποίο το δείγμα λαμβάνεται. Δείγμα.
Στατιστικά περιγραφικά μέτρα Παναγιώταρου Αλίκη Τμήμα Νοσηλευτικής 5η Διάλεξη.
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.
Σήματα και Συστήματα ΙΙ Διάλεξη: Εβδομάδα Καθηγητής Πέτρος Γρουμπός Επιμέλεια παρουσίασης: Βασιλική Μπουγά 1.
 Ο Νόμος των Μεγάλων Αριθμών είναι το θεώρημα που περιγράφει τον τρόπο με τον οποίο συμπεριφέρεται ένα συγκεκριμένο πείραμα, όταν ο αριθμός των επαναλήψεων.
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.
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.
Εργαστήριο Στατιστικής (8 ο Εργαστήριο) Συσχετίσεις μεταξύ μεταβλητών (ερωτήσεων)
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,
ΜΕΘΟΔΟΙ ΕΡΕΥΝΑΣ Δειγματοληψία
Διάστημα εμπιστοσύνης για τη διακύμανση. Υπολογισμός Διακυμάνσεως και Τυπικής Αποκλίσεως Όταν τα δεδομένα αφορούν πληθυσμό – μ είναι ο μέσος του πληθυσμού.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 8η Στοχαστικά Σήματα - 1.
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΠΙΝΑΚΕΣ ΚΑΙ ΔΙΑΓΡΑΜΜΑΤΑ Πηγή: Βιοστατιστική [Σταυρινός / Παναγιωτάκος] Βιοστατιστική [Τριχόπουλος / Τζώνου / Κατσουγιάννη]
ΔΙΑΛΕΞΗ 11η Ποσοτική έρευνα υγείας
Περιγραφική Βιοστατιστική –
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
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.
Στατιστική Επαγωγή Ένα τεράστιο μέρος της έρευνας διενεργείται μέσω της ανάλυσης δειγμάτων προκειμένου να εξάγουμε συμπεράσματα για τον πληθυσμό. Αυτό.
Στατιστικές Υποθέσεις
Βασική Στατιστική Επεξεργασία. Ερμηνεία Δεδομένων.
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.
Εκτιμητική: σημειακές εκτιμήσεις παραμέτρων
Έλεγχος Υπόθεσης για το μέσο ενός πληθυσμού
Έλεγχος της διακύμανσης
Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική
Έλεγχος για τη διαφορά μέσων τιμών μ1 και μ2 δύο πληθυσμών
Βιομετρία - Γεωργικός Πειραματισμός
Άσκηση 2-Περιγραφικής Στατιστικής
Εισαγωγή στην Στατιστική
ΧΡΟΝΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΩΝ
ΚΑΤΑΝΟΜΕΣ Δ. Τσιπλακίδης
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ
Επαγωγική Στατιστική Συσχέτιση – Συντελεστής συσχέτισης Χαράλαμπος Γναρδέλλης Τμήμα Τεχνολογίας Αλιείας και Υδατοκαλλιεργειών.
Στατιστικές Υποθέσεις
Στατιστικά Περιγραφικά Μέτρα
Παναγιώταρου Αλίκη Τμήμα Νοσηλευτικής
4η Εβδομάδα έγινε την 5η: 1η Διάλεξη
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
Επαγωγική Στατιστική Συσχέτιση – Συντελεστές συσχέτισης Χαράλαμπος Γναρδέλλης Εφαρμογές Πληροφορικής στην Αλιεία και τις Υδατοκαλλιέργειες.
Μεταγράφημα παρουσίασης:

Αρχές επαγωγικής στατιστικής Τμήμα :Νοσηλευτικής Πατρών Διδάσκουσα: Παναγιώταρου Αλίκη Διάλεξη 9

Για να εξετάσουμε την λειτουργία της κατανομής διακρίνουμε τις περιπτώσεις: – Αν ο πληθυσμός όπου παίρνουμε τα δείγματα ακολουθεί την κανονική κατανομή – Αν η τιμή της διασποράς του πληθυσμού είναι γνωστή.

(1)Η δειγματική κατανομή του αριθμητικού μέσου όταν ο πληθυσμός ακολουθεί την κανονική κατανομή και έχει γνωστή διασπορά(z κατανομή) Εστω Χ ακολουθεί την κανονική κατανομή με μέση τιμή μ και πεπερασμένη διασπορά σ 2 Τότε η δειγματική κατανομή του ακολουθεί την κανονική κατανομή με μέση τιμή μ και διασπορά σ 2 /n Και έτσι η ποσότητα όπου n τυχαία δείγματα του πληθυσμού Ετσι οι τιμές του αριθμητικού μέσου που προέρχεται από κανονικό πληθυσμό με γνωστές τις τιμές των παραμέτρων μπορούν να ερμηνευτούν με βάση την έννοια της πιθανότητας

Παράδειγμα Εστω η διάρκεια μιας νόσου σε παιδιά ακολουθεί την κανονική κατανομή με μέση τιμή 15 ημέρες και τυπική απόκλιση 4.Απο τον πληθυσμό επιλέγουμε τυχαία ένα δείγμα μεγέθους n=20.Ζητάμε την πιθανότητα, η μέση διάρκεια της νόσου του δείγματος να είναι μεγαλύτερη των 17 ημερών.

Κατανομή κανονικού πληθυσμού, δειγματικής κατανομής αριθμητικού μέσου και τυποποιημένης κανονικής κατανομής

Έχουμε ότι Ζητάμε την πιθανότητα

Κεντρικό οριακό θεώρημα Θεωρούμε έναν πληθυσμό που αντιστοιχεί στις τιμές της τυχαίας μεταβλητής Χ, με μέση τιμή μ και πεπερασμένη διασπορά σ 2. Από τον πληθυσμό επιλέγουμε τυχαία δείγματα μεγέθους n και έστω η τυχαία μεταβλητή των αριθμητικών μέσων των δειγμάτων. Τότε η δειγματική κατανομή του τείνει προς την κανονική κατανομή με μέση τιμή καθώς το μεγεθός του n αυξάνεται. Στην οριακή περίπτωση έχουμε:

Η δειγματική κατανομή του αριθμητικού μέσου όταν ο πληθυσμός ακολουθεί την κανονική κατανομή και έχει άγνωστη διασπορά(η t κατανομή) Η κατανομή πιθανότητας μιας τυχαίας μεταβλητής αυτής είναι: βαθμούς ελευθερίας Το S αντιστοιχεί στην τιμή της τυπικής απόκλισης δείγματος Εξαρτάται από τους βαθμούς ελευθερίας δηλαδή από το μέγεθος του δείγματος

Παράδειγμα Εστω ότι οι τιμές του δείκτη της ανθρώπινης νοημοσύνης ακολουθούν την κανονική κατανομή με μέση τιμή 110 μονάδες νοημοσύνης Ζητάμε την πιθανότητα η μέση τιμή του δείκτη νοημοσύνης στο δείγμα να διαφέρει το πολύ 10 μονάδες από την μέση τιμή του πληθυσμού

Λύση(1) Χ, μ μέση τιμή του πληθυσμού και την μέση τιμή στο δείγμα των n=16 ατόμων Η μεταβλητή Χ ακολουθεί κανονική κατανομή η οποία έχει μέση τιμή μ=110 και άγνωστη διασπορά Η ζητούμενη πιθανότητα είναι:

Λύση(2) Το δείγμα ακολουθεί την t-κατανομή με ν=n-1=16- 1=15 βαθμούς ελευθερίας Υπολογίζουμε την τιμή S : Αρα η στατιστική

Λύση (3) Οπότε η πιθανότητα είναι μετατρέποντας τις τιμές σε τιμές t-κατανομής: Από τον πίνακα της t-κατανομής υπολογίζεται η ζητούμενη πιθανότητα που είναι :

Σύγκριση μέσων όρων z-κατανομή(όταν ξέρω την τυπική απόκλιση του πληθυσμού) H κάθε κανονική κατανομή ανάγεται στην τυπική κανονική κατανομή με την μετατροπή:  t-κατανομή( όταν δεν ξέρω την τυπική απόκλιση του πληθυσμού) H t κατανομή μοιάζει με την κανονική και το σχήμα της από τους β.ε.(το μέγεθος του δείγματος):

Παράδειγμα(1) Θέλουμε να εξετάσουμε την κατανομή του ύψους των ανδρών με ύψος 159 έως 184 που περιγράφεται από την κανονική κατανομή με μ=171,5 και σ=6,5. Λύση: Μετατρέπω τις τιμές σε z τιμές z=( )/6.5=-1.96 και z=( )/6.5=1.96 Δηλαδή το 95% του πληθυσμού έχει ύψος μεταξύ: *6.5=159 και *6.5=184.

Παράδειγμα(2) Η μέση τιμή του πραγματικού χρόνου ανακούφισης ενός συγκεκριμένου φαρμάκου δίνεται ότι είναι 2,5 ώρες. Σε ένα δείγμα η διάρκεια ανακούφισης 6 ασθενών μετά την χορήγηση φαρμάκου είναι : 2.2, 2.4, 4.9, 2.5, 3.7, 4.3 Άρα η Οπότε το 95% διάστημα εμπιστοσύνης για το μέσο χρόνο ανακούφισης ασθενών είναι ( *0.46, *0.46) ή (2.1, 4.5hrs) Ή υπάρχει 95% πιθανότητα η μέση τιμή του πραγματικού χρόνου ανακούφισης να βρίσκεται στο διάστημα αυτό.

H δειγματική κατανομή της διασποράς-Η x 2 κατανομή Ο πληθυσμός που επιλέγουμε τα δείγματα ακολουθεί την κανονική κατανομή Υποθέτουμε ότι η διασπορά που τους αντιστοιχεί είναι η Οπότε η δειγματική κατανομή της τ.μ. S 2 μελετάται μέσω της δειγματικής κατανομής μιας άλλης τ.μ. με x 2 και ορίζεται :

Παράδειγμα Εστω οι τιμές IQ μικρών παιδιών ηλικίας 5-10 ετών μιας χώρας ακολουθούν την κανονική κατανομή με τυπική απόκλιση σ=7 μονάδες IQ.Επιλέγουμε ένα τυχαίο δείγμα 41 παιδιών. Θέλω να υπολογίσω την πιθανότητα: «οι τιμές του IQ στο δείγμα να έχουν τυπική απόκλιση μεγαλύτερη από οκτώ μονάδες IQ.»

Λύση Εστω S IQ η τυπική απόκλιση των τιμών του δείγματος Ζητάω την πιθανότητα P(S IQ >8) Επομένως η ζητούμενη πιθανότητα μπορεί να προσδιοριστεί : Από τον πίνακα βρίσκουμε