Вероятностная выборка: это процесс выборки, в котором элементы выбираются случайными методами, то есть выбор элементов для выборки осуществляется случайными процедурами и с известными вероятностями выбора.
Прикладная статистика-индикаторы-менеджментДОЗИРОВОЧНЫЙ
Методы отбора образцов
Вероятностная выборка: это процесс выборки, в котором элементы выбираются случайными методами, то есть выбор элементов для выборки осуществляется случайными процедурами и с известными вероятностями выбора.
ДОЗИРОВОЧНЫЙ
Методы отбора образцов
1-Простая случайная выборка: это выборка, в которой элементы или единицы выбираются индивидуально и напрямую посредством случайного процесса, в котором каждый невыбранный элемент имеет такую же возможность выбора, как и все остальные элементы в каждом образце извлечения. Таким образом, каждый элемент в популяции должен иметь равную вероятность быть выбранным.
ДОЗИРОВОЧНЫЙ
Методы отбора образцов
2-Систематическая выборка: элементы выбираются упорядоченным образом и зависят от количества элементов или единиц, включенных в совокупность, и размера выборки. Требуется использование списка всех элементов населения.
ДОЗИРОВОЧНЫЙ
Методы отбора образцов
3-стратифицированная выборка: население делится на определенное количество подгрупп или слоев, каждая из которых выбирается независимо. Процесс, посредством которого население делится на подгруппы или слои, называется стратификацией. Целью стратификации является проведение отдельных отборов в каждой из подгрупп или страт.
ДОЗИРОВОЧНЫЙ
Методы отбора образцов
Не вероятностная выборка: включает все методы, в которых элементы выборки не выбираются случайными или случайными процедурами или с известными вероятностями выбора. Некоторые процедуры отбора для не вероятностной выборки:
- Выборочная оценка: выборочная квота: выборочная выборка: выборка причинно-следственной группировки:
СТАТИСТИЧЕСКИЕ ДАННЫЕ
Данные количественных характеристик: это те, которые могут быть выражены численно и получены путем измерений и подсчетов. Количественные данные можно найти в любой дисциплине; психология, бухгалтерский учет, экономика, реклама и т. д.
СТАТИСТИЧЕСКИЕ ДАННЫЕ
Данные с количественными и качественными характеристиками классифицируются в свою очередь на:
1-непрерывные переменные:
2-дискретные переменные:
СТАТИСТИЧЕСКИЕ ДАННЫЕ
Данные с качественными характеристиками. Данные с качественными характеристиками - это те, которые не могут быть выражены численно. Эти данные должны быть преобразованы в числовые значения, прежде чем работать с ними.
СТАТИСТИЧЕСКИЕ ДАННЫЕ
Данные по качественным характеристикам подразделяются на:
1-Номинальные данные: они включают в себя такие категории, как пол, учебная карьера, материал пола, квалификации и т. Д.
2-иерархические данные: субъективные оценки, когда концепции ранжируются в соответствии с предпочтениями или достижениями
СТАТИСТИЧЕСКИЕ ДАННЫЕ
Распределение частот: когда у вас есть большая масса или количество данных, иногда очень трудно сгруппировать их.
Этот способ организации информации называется распределением частот и состоит в упорядочении данных по классам и частотам.
СТАТИСТИЧЕСКИЕ ДАННЫЕ
Когда данные представлены в частотном распределении, они называются сгруппированными данными. Когда все наблюдаемые данные переменной перечислены неорганизованным образом, мы будем называть это несгруппированными данными.
РАСПРЕДЕЛЕНИЕ ПО
ЧАСТОТЫ
Введение
Предварительный этап любого статистического исследования основан на сборе и упорядочении данных; Это делается с помощью числовых и графических сводок.
Измерения положения
Эти меры помогают нам узнать, где находятся данные, но без указания того, как они распределяются.
Шаги для построения распределения частот: уже известны все теоретические элементы, необходимые для построения и понимания распределения частот, мы продолжим показывать шаги, необходимые для его реализации.
3 ° Рассчитайте количество классов при условии, что интервал классов известен.
NC = R
Ci
Как видно на втором и третьем шагах, было бы очень трудно решить эти уравнения простыми математическими методами, поскольку каждый из них представляет два неизвестных.
В статистике гистограмма представляет собой графическое представление переменной в виде столбцов, где поверхность каждого столбца пропорциональна частоте представленных значений.
Он используется при изучении непрерывной переменной, такой как возрастные диапазоны или высота выборки, и для удобства его значения группируются в классы, то есть непрерывные значения. В тех случаях, когда данные являются качественными (не числовыми), такими как соглашение о шестом классе или уровень образования, предпочтительна отраслевая диаграмма.
Частотный полигон
График, составленный путем соединения средних точек в верхней части столбцов частотной гистограммы.
Гистограмма
Это набор прямоугольников или столбцов, отделенных друг от друга, потому что он используется для представления дискретных переменных; стержни должны иметь одинаковое основание или ширину и находиться на одинаковом расстоянии. Они могут быть расположены вертикально и горизонтально.
Линейный график
Линейный график используется для представления рядов данных, которые были собраны в определенное время. Данные наносятся на график через промежутки времени, и рисуется линия, соединяющая результирующие точки.
КРУГЛЫЙ ГРАФ:
100% гистограмма и круговая диаграмма: они особенно используются для представления частей, на которые делится общее количество.
Боеголовка:
Боеголовка: этот график состоит из представления накопленных частот распределения частот. Это может быть построено двумя различными способами; на основе «меньше чем» или «или больше». Вы можете определить медианное значение распределения.
ПРИМЕРЫ ДЛЯ ОБСУЖДЕНИЯ
МЕРЫ АРИФМЕТИЧЕСКОЙ СРЕДНЕЙ ПОЗИЦИИ
Одной из мер, которые характеризуют распределение, является среднее арифметическое, которое получается путем сложения введенных значений x i и деления на общее число N
СТАТИСТИЧЕСКАЯ СРЕДА
Это значение переменной, которое оставляет одинаковое количество данных до и после него, после того как они были упорядочены. Согласно этому определению, набор данных, меньший или равный медиане, будет представлять 50% данных, а те, которые больше медианы, будут представлять остальные 50% данных общей выборки.
СТАТИСТИЧЕСКАЯ СРЕДА
Чтобы понять эту концепцию, давайте предположим, что у нас есть упорядоченный ряд значений (2, 5, 8, 10 и 13), положение медианы будет:
СТАТИСТИЧЕСКАЯ СРЕДА
И если бы упорядоченные серии были (2, 5, 8, 10,13 и 15), положение медианы было бы:
То есть позиция три с половиной. Поскольку невозможно выделить три с половиной позиции, необходимо усреднить два значения третьей и четвертой позиций, чтобы получить эквивалентную медиану, которая в этом случае соответствует (8 + 10) / 2 = 9. Что будет означать, что половина значений ниже значения 9, а другая половина выше этого значения.
FASHION
FASHION
Модальная мера указывает значение, которое чаще всего повторяется в данных; то есть, если у нас есть упорядоченный ряд (2, 2, 5 и 7), значение, которое повторяется чаще всего, является числом 2, которое будет режимом данных. Возможно, что в некоторых случаях два значения представлены с самой высокой частотой, которая называется бимодальной или в других случаях более двух значений, которая называется мультимодальной.
Меры центральной тенденции
Меры центральной тенденции
Они позволяют нам определить наиболее представительные значения данных в соответствии с тем, как они имеют тенденцию к концентрации.
Среднее указывает на среднее значение данных; то есть он информирует нас о ценности, которую каждый из людей получил бы, если бы значения были распределены в равных частях.
Меры центральной тенденции
Медиана, напротив, сообщает нам о значении, которое разделяет данные на две равные части, каждая из которых имеет пятьдесят процентов данных.
Наконец, Fashion указывает значение, которое наиболее повторяется в данных
МЕРЫ ПОЗИЦИИ МЕРЫ ПОЗИЦИИ
Измерения положения делят набор данных на группы с одинаковым количеством лиц.
Чтобы рассчитать измерения положения, данные должны быть упорядочены от наименьшего к наибольшему.
МЕРЫ ПОЗИЦИИ
Квартили
Квартили - это три значения переменной, которые делят упорядоченный набор данных на четыре равные части.
Q1, Q2 и Q3 определяют значения, соответствующие 25%, 50% и 75% данных.
Q2 совпадает с медианой.
МЕРЫ ПОЗИЦИИ
Децили
Децили - это девять значений, которые делят ряд данных на десять равных частей.
Децили дают значения, соответствующие 10%, 20%… и 90% данных.
D5 совпадает с медианой.
МЕРЫ ПОЗИЦИИ
Процентили
Проценты - это 99 значений, которые делят ряд данных на 100 равных частей.
Перцентили дают значения, соответствующие 1%, 2%… и 99% данных.
P50 совпадает с медианой.
ИЗМЕРЕНИЕ
О
DISPERSION
МЕРЫ ДИСПЕРСИИ
МЕРЫ ДИСПЕРСИИ
Диапазон - это разница между самым большим и самым маленьким из данных в распределении
статистика
МЕРЫ ДИСПЕРСИИ
Отклонение от среднего - это разница между каждым значением статистической переменной и средним арифметическим.
D я = х - х
МЕРЫ ДИСПЕРСИИ
Среднее отклонение - это среднее арифметическое абсолютных значений отклонений от среднего.
Среднее отклонение представлено как
МЕРЫ ДИСПЕРСИИ
Дисперсионные свойства
- Дисперсия всегда будет иметь положительное значение или равно нулю, в том случае, если баллы iguales.Si все значения переменной будут добавлен один ряд дисперсия не изменяется.
МЕРЫ ДИСПЕРСИИ
Дисперсионные свойства
3 Если все значения переменной которые умножаются на числа, дисперсия будет умножается на квадрат этого числа.
МЕРЫ ДИСПЕРСИИ
Дисперсионные свойства
4 Если у нас есть несколько распределений с одним и тем же средним, и мы знаем их соответствующие дисперсии, можно рассчитать общую дисперсию.
МЕРЫ ДИСПЕРСИИ
Наблюдения за дисперсией
- Дисперсия, равная в среднем, является чувствительным индекс оценки extremas.En случаи не могут найти средства массовой информации не будет возможно, чтобы найти дисперсию.
МЕРЫ ДИСПЕРСИИ
Наблюдения за дисперсией
3 дисперсия не выражается в тех же единицах, что и данные, так как отклонения в квадрате.
МЕРЫ ДИСПЕРСИИ
Стандартное отклонение
Стандартное отклонение (σ) показывает, насколько далеко данные разделены.
Формула проста: это квадратный корень из дисперсии. Итак, что такое дисперсия?
МЕРЫ ДИСПЕРСИИ
Дисперсия стандартного отклонения
Дисперсия (которая является квадратом стандартного отклонения: σ 2) определяется как:
Это среднее от квадратов средних различий.
МЕРЫ ДИСПЕРСИИ
Стандартное отклонение
Другими словами, выполните следующие действия:
Рассчитать среднее (среднее число)
МЕРЫ ДИСПЕРСИИ
Стандартное отклонение
Теперь для каждого числа вычтите среднее значение и возведите в квадрат (разность в квадрате).
МЕРЫ ДИСПЕРСИИ
Стандартное отклонение
Теперь вычислите среднее значение этих разностей в квадрате. (Почему в квадрате?)
МЕРЫ ДИСПЕРСИИ
Стандартное отклонение
(Почему в квадрате?)
Возведение в квадрат каждой разницы делает все числа положительными (чтобы отрицательные числа не уменьшали дисперсию)
МЕРЫ ДИСПЕРСИИ
Стандартное отклонение
И они также делают большие различия выделяются. Например, 100 2 = 10 000 намного больше, чем 50 2 = 2500.
Но их возведение в квадрат делает ответ очень большим, поэтому мы отменяем его (с квадратным корнем), и поэтому стандартное отклонение гораздо полезнее
МЕРЫ ДИСПЕРСИИ
Скачать оригинальный файл
