Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

2. hét Mintavételes eljárások Becslés. Teljes sokaság vizsgálata Egy tanulócsoport hallgatóinak ösztöndíjaira vonatkozó adatokat Hallgató sorszáma Ösztöndíj.

Hasonló előadás


Az előadások a következő témára: "2. hét Mintavételes eljárások Becslés. Teljes sokaság vizsgálata Egy tanulócsoport hallgatóinak ösztöndíjaira vonatkozó adatokat Hallgató sorszáma Ösztöndíj."— Előadás másolata:

1 2. hét Mintavételes eljárások Becslés

2 Teljes sokaság vizsgálata Egy tanulócsoport hallgatóinak ösztöndíjaira vonatkozó adatokat Hallgató sorszáma Ösztöndíj értéke (Ft) Jellemezzük a tanulócsoport hallgatóit, mint sokaságot az ösztöndíjuk alapján!

3 Általános jelölések: sokaság-minta MegnevezésAlapsokaságbanMintában Sokaság elemszáma Nn Az i-edik egyed ismérvértékeXiXi xixi Az ismérvértékek átlaga Az ismérvértékek szórása

4 Mintából való következtetés Hipotézisvizsgálat Becslés: A sokaság bizonyos jellemzőinek, paraméterének közelítő megállapításával foglalkozik. Hipotézisvizsgálat: A sokaságra vonatkozó valamely állítás helyességét ellenőrzi. Becslés

5 STATISZTIKAI BECSLÉS

6 Alapfogalmak  Becslőfüggvény : egy olyan statisztika, ami valamely sokasági jellemző mintából történő közelítő meghatározását szolgálja. Pontbecslés A becslőfüggvény mintából számított konkrét értéke Intervallumbecslés Adott  megbízhatósági szinthez tartozó intervallum alsó és felső határának meghatározása  Sokasági jellemző (paraméter):  Konfidencia-intervallum egy x 1, x 2, ….x n mintából: Meg kell határoznunk a becslő függvénynek azt a és értékeit, melyekre teljesül, hogy π valószínűséggel közrefogják a sokasági paramétert.  Standard hiba A becslő függvény valamennyi lehetséges mintából számított értékeinek a szórása.

7 Becslő függvényekkel szemben támasztott követelmények Torzítatlanság: Torzítatlannak nevezzük a becslő függvényt, ha a várható értéke egyenlő a paraméterrel, ellenkező esetben a becslő függvény torzított. A továbbiakban a következők becslő függvényeket fogjuk alkalmazni:  Mintaátlag (a sokasági várható érték torzítatlan becslő függvénye).  A mintabeli relatív gyakoriság (a sokasági megoszlási viszonyszám (valószínűség) torzítatlan becslése).  A korrigált tapasztalati szórásnégyzetet (a sokasági szórásnégyzet torzítatlan becslő függvénye.) Hatásosság: két becslő függvény közül azt tekintjük hatásosabbnak, amelynek kisebb a szórása (standard hibája). Konzisztencia: a mintanagyság növelésével a becslés nagy valószínűséggel a sokasági paraméter felé, a becslő függvény szórása pedig a nulla felé tart. Ezért nagy minta használata esetén elfogadható az olyan konzisztens becslés is, amely nem torzítatlan.

8 A becslési eljárás lépései  A becslés célja és a sokaságra vonatkozó mintán kívüli információk ismeretében megválasztjuk az alkalmazandó becslő formulát.  Meghatározzuk a mintaátlagot.  Megfelelő módon kiszámítjuk a standard hibát.  Az elvárt megbízhatósági szintnek megfelelően meghatározzuk a megbízhatósági együttható értékét az eloszlástáblázatok segítségével.  Meghatározzuk a konfidencia intervallumot.

9 Várható érték intervallum becslése Alapesetei:  Normális eloszlású sokaság, melynek szórása ismert.  Normális eloszlású sokaság, melynek szórása nem ismert. Ha a sokaság nem tekinthető normális eloszlásúnak: Ebben az esetben a központi határeloszlás már említett tételére támaszkodva azt mondhatjuk, hogy ha kellően nagy méretű mintát vizsgálunk, akkor a változó közelíti a normális eloszlást. Amennyiben kis minta áll rendelkezésre az elemzéshez, úgy egyéni sajátosságokat figyelembe vevő módszereket kell alkalmaznunk.

10 Várható érték becslése

11 1.) sokaság eloszlása normális, ismert a sokasági szórás, mintanagyság tetszőleges 2.) sokaság eloszlása nem ismert, nem ismert a sokasági szórás, nagy minta 3.) sokaság eloszlása normális, nem ismert a sokasági szórás, n < 100

12 Ahol: a becslőfüggvény mintából számított konkrét értéke standard normális eloszlású valószínűségi változó a mintaátlag standard hibája ( a mintaátlagok szórása) =n-1 szabadságfokú Student-eloszlású valószínűségi változó A Student-féle t eloszlás a szabadságfok növelésével a normálishoz tart.

13 Várható érték intervallum becslése Lépései:  A sokaság a vizsgált változó alapján normális eloszlású, a minta elemszám tetszőleges és a szórását is ismerjük valamilyen korábbi felmérésből.  A várható érték pontbecsléséből kell kiindulnunk.  A mintaátlagot standardizáljuk, azaz a következő képlet alapján transzformáljuk:  Adott π megbízhatósági szint mellett egy normális eloszlású, ismert szórású sokaság várható értékének intervalluma a következő formula segítségével becsülhető:

14 Mintapélda – várható érték Nettó töltősúly (g)Üvegek száma (db) Összesen300 Egy élelmiszer-feldolgozó vállalat adatai (N=50.000): z  =2,32 A sokasági szórás ismeretében (σ=15g) a standard hiba

15 z  (z) 0,00,000 0,10,080 0,20,159 0,30,236 0,40,311 0,50,383 0,60,452 0,70,516 0,80,576 0,90,632 1,00,683 1,10,729 1,20,770 1,30,806 1,40,839 1,50,866 1,60,890 1,650,90 1,70,911 1,80,928 1,90,943 1,96 0,95 2,00,955 2,06 0,96 2,10,964 2,17 0,97 2,20,972 2,30,979 2,32 0,98 2,40,984 2,50,988 2,58 0,99 2,60,991 2,70,993 2,80,995 2,90,996 3,00,997 3,300,999

16 Várható érték intervallum becslése Lépései:  A sokaság a vizsgált változó alapján normális eloszlású, a minta elemszám 100 egyednél nagyobb és a szórását nem ismerjük.  A várható érték pontbecsléséből kell kiindulnunk.  A mintaátlagot standardizáljuk, azaz a következő képlet alapján transzformáljuk:  Adott π megbízhatósági szint mellett egy normális eloszlású, ismeretlen szórású sokaság várható értékének intervalluma a következő formula segítségével becsülhető:

17 Mintapélda – várható érték Nettó töltősúly (g)Üvegek száma (db) Összesen300 Egy élelmiszer-feldolgozó vállalat adatai z  =1,96 A mintabeli szórás és a standard hiba meghatározása

18 Valószínűség vagy arány becslése

19 Konfidencia-intervallum

20 Mintapélda – arány Nettó töltősúly (g)Üvegek száma (db) Összesen300 Egy élelmiszer-feldolgozó vállalat adatai (N=50.000): z  =1,96 Határozzuk meg 95%-os megbízhatóság mellett, hogy a gép áltat megtöltött üvegek közül hány százalék nem haladja meg az 1480 grammot! Mintabeli arány meghatározása: Standard hiba meghatározása: 95%-os megbízhatósággal a 1480 grammnál kisebb súlyú üvegek aránya legalább 12,465 és legfeljebb 20,88%

21 Szórásnégyzet, szórás becslése Jellemzői:  A szórás pontbecslésére általában a korrigált tapasztalati szórást, mint torzítatlan becslő függvényt használjuk.  A minta normális eloszlású sokaságból származik.  Nincs semmiféle korlátozás a minta nagyságára nézve.  Becslőfüggvény:

22 Mintapélda – szórás becslése Pontszám Dolgozatok száma (db) Összesen100 Egy egyetemen dolgozatírás után a hallgatók által elért pontszámok alakulását vizsgáltuk 100 elemű véletlen kiválasztással gyűjtött minta alapján.

23 χ2χ2 Df0,0050,010,0250,050,100,250,500,750,900,950,9750,990,995 10,00000,00020,00100,0390,01580,1020,4551,322,713,845,026,637,88 20,01000,02010,05060,1030,2110,5751,392,774,615,997,389,2110,6 30,0720,1150,2160,3520,5841,212,374,116,257,819,3511,312,8 40,2070,2970,4840,7111,061,923,365,397,789,4911,113,314,9 50,4120,5540,8311,151,612,674,356,639,2411,112,815,116,7 60,6760,8721,241,642,203,455,357,8410,612,614,416,818,5 70,9891,241,692,172,834,256,359,0412,014,116,018,520,3 81,341,652,182,733,495,077,3410,213,415,517,520,122,0 91,732,092,703,334,175,908,3411,414,716,919,021,723,6 102,162,563,253,944,876,749,3412,516,018,320,523,225,2 112,603,053,824,575,587,5810,313,717,319,721,924,726,8 123,073,574,405,236,308,4411,314,818,521,023,326,228,3 133,574,115,015,897,049,3012,316,019,822,424,727,729,8 144,074,665,636,577,7910,213,317,121,123,726,129,131,3 154,605,236,267,268,5511,014,318,222,325,027,530,632,8 165,145,816,917,969,3111,915,319,423,526,328,832,034,3 175,706,417,568,6710,112,816,320,524,827,630,233,435,7 186,267,018,239,3910,913,717,321,626,028,931,534,837,2 196,847,638,9110,111,714,618,322,727,230,132,936,238,6 207,438,269,5910,912,415,519,323,828,431,434,237,640,0 218,038,9010,311,613,216,320,324,929,632,735,538,941,4 228,649,5411,012,314,017,221,326,030,833,936,840,342,8 239,2610,211,713,114,818,122,327,132,035,238,141,644,2 249,8910,912,413,815,719,023,328,233,236,439,443,045,6 2510,511,513,114,616,519,924,329,334,437,740,644,346,9 2611,212,213,815,417,320,825,330,435,638,941,945,648,3 2711,812,914,616,218,121,726,331,536,740,143,247,049,6 2812,513,615,316,918,922,727,332,637,941,344,548,351,0 2913,114,316,017,719,823,628,333,739,142,645,749,652,3 3013,815,016,818,520,624,529,334,840,343,847,050,953,7 4020,722,224,426,529,133,739,345,651,855,859,363,766,8 5028,029,732,434,837,742,949,356,363,267,571,476,279,5 6035,537,540,543,246,552,359,367,074,479,183,388,492,0 7043,345,448,851,755,361,769,377,685,590,595,0100,4104,2 8051,253,557,260,464,371,179,388,196,6101,9106,6112,3116,3 9059,261,865,669,173,380,689,398,6107,6113,1118,1124,1128, ,370,174,277,982,490,199,3109,1118,5124,3129,6135,8140,2

24 KÖSZÖNÖM A FIGYELMET!


Letölteni ppt "2. hét Mintavételes eljárások Becslés. Teljes sokaság vizsgálata Egy tanulócsoport hallgatóinak ösztöndíjaira vonatkozó adatokat Hallgató sorszáma Ösztöndíj."

Hasonló előadás


Google Hirdetések