Τι διαφορά έχει η μέση τιμή από τη διάμεσο; Τι είναι αυτό που λέμε «μέτρα θέσης» ενός δείγματος και τι πληροφορίες μπορούν να μας δώσουν για το δείγμα στο σύνολό του καθώς και για τις στατιστικές του ιδιότητες; Τι περιορισμούς έχουν τα μέτρα θέσης και για ποιους σκοπούς δεν μπορούμε να τα χρησιμοποιούμε;
Αυτά και άλλα πολλά θα τα βρείτε στις παραπάνω διαφάνειες!
Καλό διάβασμα!
Μία συνοπτική παρουσίαση του πρώτου μέρους του κεφαλαίου της Στατιστικής στα πλαίσια του μαθήματος των Μαθηματικών της Γ' ΕΠΑΛ. Παρουσιάζονται και αναλύονται βασικές έννοιες όπως ο πληθυσμός, το δείγμα, οι μεταβλητές και οι διάφορες κατηγορίες τους κ.α.
Καλό διάβασμα! :)
Είδαμε το προηγούμενό μας μάθημα τις αδυναμίες που έχουν τα μέτρα θέσης στο να αποτυπώσουν πλήρως τις διάφορες διαστάσεις ενός δείγματος παρατηρήσεων. Σε αυτό το μάθημα ασχολούμαστε με τα μέτρα διασποράς και το πώς αυτά μπορούν, σε συνδυασμό με τα μέτρα θέσης μπορούν να μας δώσουν μία πληρέστερη εικόνα του δείγματός μας.
Αυτά και άλλα πολλά στις παραπάνω διαφάνειες!
Καλό διάβασμα!
Με ποιους τρόπου μπορούμε να αναπαραστήσουμε διαγραμματικά τα δεδομένα μας στη Στατιστική; Τι είναι ένα ραβδόγραμμα, ένα κυκλικό διάγραμμα και, γενικά, όλα όσα τόσο συχνά βλέπουμε στην τηλεόραση και στο διαδίκτυο σε διάφορες στατιστικές αναλύσεις;
Αυτά και άλλα πολλά θα τα βρείτε στις παραπάνω διαφάνειες.
Καλό διάβασμα!
Σχεδιασμός μικροδιδασκαλίας 20 λεπτών, για σεμινάριο εξειδίκευσης επιμόρφωσης, με τίτλο «Εκπαιδεύοντας Εκπαιδευτές Ενηλίκων: Ανάπτυξη Διδακτικών Ικανοτήτων»
Μία συνοπτική παρουσίαση του πρώτου μέρους του κεφαλαίου της Στατιστικής στα πλαίσια του μαθήματος των Μαθηματικών της Γ' ΕΠΑΛ. Παρουσιάζονται και αναλύονται βασικές έννοιες όπως ο πληθυσμός, το δείγμα, οι μεταβλητές και οι διάφορες κατηγορίες τους κ.α.
Καλό διάβασμα! :)
Είδαμε το προηγούμενό μας μάθημα τις αδυναμίες που έχουν τα μέτρα θέσης στο να αποτυπώσουν πλήρως τις διάφορες διαστάσεις ενός δείγματος παρατηρήσεων. Σε αυτό το μάθημα ασχολούμαστε με τα μέτρα διασποράς και το πώς αυτά μπορούν, σε συνδυασμό με τα μέτρα θέσης μπορούν να μας δώσουν μία πληρέστερη εικόνα του δείγματός μας.
Αυτά και άλλα πολλά στις παραπάνω διαφάνειες!
Καλό διάβασμα!
Με ποιους τρόπου μπορούμε να αναπαραστήσουμε διαγραμματικά τα δεδομένα μας στη Στατιστική; Τι είναι ένα ραβδόγραμμα, ένα κυκλικό διάγραμμα και, γενικά, όλα όσα τόσο συχνά βλέπουμε στην τηλεόραση και στο διαδίκτυο σε διάφορες στατιστικές αναλύσεις;
Αυτά και άλλα πολλά θα τα βρείτε στις παραπάνω διαφάνειες.
Καλό διάβασμα!
Σχεδιασμός μικροδιδασκαλίας 20 λεπτών, για σεμινάριο εξειδίκευσης επιμόρφωσης, με τίτλο «Εκπαιδεύοντας Εκπαιδευτές Ενηλίκων: Ανάπτυξη Διδακτικών Ικανοτήτων»
22 ΕΦΑΡΜΟΓΕΣ ΣΤΑΤΙΚΟΥ ΗΛΕΚΤΡΙΣΜΟΥ ΣΤΗΝ ΚΑΘΗΜΕΡΙΝΗ ΜΑΣ ΖΩΗHOME
Στο σχολείο συνήθως μαθαίνουμε στα παιδιά τους νόμους της Φυσικής, αλλά σπανίως τις εφαρμογές της Φυσικής στην καθημερινή μας ζωή. Αποτέλεσμα οι μαθητές να μην συνδέουν τη Φυσική με την Ζωή τους.
Στην παρουσίαση αυτή προσπαθώ να αναιρέσω αυτή την παθογένεια, παρουσιάζοντας :
"22 ΕΦΑΡΜΟΓΕΣ ΣΤΑΤΙΚΟΥ ΗΛΕΚΤΡΙΣΜΟΥ ΣΤΗΝ ΚΑΘΗΜΕΡΙΝΗ ΜΑΣ ΖΩΗ"
Πολλοί από τους μαθητές της Β' Λυκείου δεν έχουν το βιβλίο της Α' που χρειάζεται για την αρχή στο μάθημα της Χημείας. Γι' αυτό θα βρείτε χρήσιμες πληροφορίες στην παρουσίαση που ακολουθεί, για το θέμα της ισομέρειας. Ελπίζω να φανεί χρήσιμο σε όλους, ακόμη και σε αυτούς που διαθέτουν το βιβλίο. Καλή μελέτη!
Παρουσίαση που βοηθά τους μαθητές της Γ' Γυμνασίου να διαπιστώσουν κάποιες βασικές διαφορές μεταξύ της παράλληλης και της σε σειρά συνδεσμολογίας απλών ηλεκτρικών κυκλωμάτων. Η δραστηριότητα μπορεί να διεξαχθεί με τη χρήση tablets στην τάξη ή στην αίθουσα πληροφορικής του σχολείου.
22 ΕΦΑΡΜΟΓΕΣ ΣΤΑΤΙΚΟΥ ΗΛΕΚΤΡΙΣΜΟΥ ΣΤΗΝ ΚΑΘΗΜΕΡΙΝΗ ΜΑΣ ΖΩΗHOME
Στο σχολείο συνήθως μαθαίνουμε στα παιδιά τους νόμους της Φυσικής, αλλά σπανίως τις εφαρμογές της Φυσικής στην καθημερινή μας ζωή. Αποτέλεσμα οι μαθητές να μην συνδέουν τη Φυσική με την Ζωή τους.
Στην παρουσίαση αυτή προσπαθώ να αναιρέσω αυτή την παθογένεια, παρουσιάζοντας :
"22 ΕΦΑΡΜΟΓΕΣ ΣΤΑΤΙΚΟΥ ΗΛΕΚΤΡΙΣΜΟΥ ΣΤΗΝ ΚΑΘΗΜΕΡΙΝΗ ΜΑΣ ΖΩΗ"
Πολλοί από τους μαθητές της Β' Λυκείου δεν έχουν το βιβλίο της Α' που χρειάζεται για την αρχή στο μάθημα της Χημείας. Γι' αυτό θα βρείτε χρήσιμες πληροφορίες στην παρουσίαση που ακολουθεί, για το θέμα της ισομέρειας. Ελπίζω να φανεί χρήσιμο σε όλους, ακόμη και σε αυτούς που διαθέτουν το βιβλίο. Καλή μελέτη!
Παρουσίαση που βοηθά τους μαθητές της Γ' Γυμνασίου να διαπιστώσουν κάποιες βασικές διαφορές μεταξύ της παράλληλης και της σε σειρά συνδεσμολογίας απλών ηλεκτρικών κυκλωμάτων. Η δραστηριότητα μπορεί να διεξαχθεί με τη χρήση tablets στην τάξη ή στην αίθουσα πληροφορικής του σχολείου.
Στατιστικές Κατανομές και Πιθανότητες. Θεωρία και παραδείγματα.stratos goumas
Η στατιστική αποτελεί ένα επιστημονικό κλάδο όπου το πεδίο εφαρμογής της συγκαταλέγεται σε πλήθος άλλων επιστημών. Η συλλογή και η ανάλυση δεδομένων έχει γίνει πλέον επιτακτική πριν τη λήψη αποφάσεων.Στην παρουσιαση αυτή θα επιδείξουμε μερικες βασικές στατιστικές κατανομές που χρησιμοποιούνται ευρέως καθώς και μερικές πιο προχωρημένες. Οι κατανομές κατηγοριοποιούνται σε δυο βασικές ομάδες. 1) Διακριτές 2) Συνεχείς. Οι Συνεχείς χωρίζονται στις εξής υποομάδες α) Φραγμένες β) Μη Φραγμένες 3) Μη Αρνητικές.
Όρια - Μάθημα 1ο (Μαθηματικά Προσανατολισμού Γ' λυκείου)Vassilis Markos
Σε αυτό το μάθημα εισάγεται η έννοια της σύγκλισης, του σημείου συσσώρευσης καθώς και ένας "πειραματικός" ορισμός του ορίου, βασισμένος στην αρχή της μεταφοράς.
Πολλαπλή γραμμική παλινδρόμηση με χρήση excel 2003. Θεωρία και παραδείγματα.stratos goumas
Στην εργασία αυτή θα μελετήσουμε και θα παρουσιάσουμε την πολλαπλή γραμμική παλινδρόμηση, η οποία αποτελεί μια από της βασικές μεθόδους εκτίμησης στην οικονομετρία. Η πολλαπλή παλινδρόμηση αποτελεί μια σχέση/ εξάρτηση μεταξύ πολλών μεταβλητών. Δεν θα σταθούμε τόσο στην ανάπτυξη της θεωρίας και την θεμελίωση των μαθηματικών τεχνικών όσο στην παρουσίαση της μεθόδου υπολογισμού και εκτίμησης των σχέσεων. Αυτό που θα χρειαστούμε είναι το excel 2003 (ή 2007) και ένα βιβλίο οικονομετρίας στο οποίο θα μπορούμε να ανατρέξουμε για την ορθή τεκμηρίωση των αποτελεσμάτων.
Εφαρμογές Οικονομικών-Μαθηματικών με χρήση excel 2003. Θεωρία και πράξη.stratos goumas
Στην παρουσίαση αυτή θα επιδείξουμε μερικές χρήσιμες εφαρμογές για οικονομικά, μαθηματικά και στατιστική με τη χρήση του excel. Λυση εξισωσεων, γραμμικων συστηματων, υπολογισμος εμβαδου, οικονομικες εφαρμογες, υπολογισμος δοσης δανειου, αναλυση ευαισθησιας, στατιστικες εφαρμογες (μεση τιμη, διακυμανση κτλ)
Μαθηματικά και Στοιχεία Στατιστικής Γ' Λυκείου (2016 2017)Natasa Liri
Συνοπτική Θεωρία και Λυμένες Ασκήσεις.
Οι σημειώσεις αυτές αφορούν την εξεταστέα ύλη για τις ενδοσχολικές εξετάσεις του μαθήματος: Μαθηματικά και Στοιχεία Στατιστικής Γ' Λυκείου για το σχολικό έτος 2016-2017
Similar to Στατιστική - Διαφάνειες - Μάθημα 3ο (20)
Αλήθεια, πέρα από το να λύνουμε εξισώσεις, τι άλλο μπορούμε να κάνουμε με τους λογαρίθμους; Για παραάδειγμα, ο αριθμός 2^65 είναι μεγάλος, αλλά... πόσο μεγάλος; Πόσα ψηφία έχει, ας πούμε;
Αυτά και άλλα πολλά μπορούμε να τα εξερευνήσουμε, όπως φαντάζεστε, με τη βοήθεια των λογαρίθμων και των ιδιοτήτων τους!
Λίγες ακόμα ασκήσεις για την επανάληψή μας για τις εξετάσεις. Ανισώσεις, εξισώσεις, απόλυτες τιμές και, γενικά, ό,τι τραβάει η ψυχή μας, μια και πλησιάζει σιγά-σιγά και το Πάσχα.
Καλό διάβασμα και καλή διασκέδαση! ;)
Πώς τα πάμε με τους λογαρίθμους; Σε αυτό το μάθημα εξετάζουμε μία πολύ ενδιαφέρουσα ιδιότητα των λογαρίθμων που, στην ουσία, μας λέει ότι χρειαζόμαστε μονάχα έναν λογάριθμο για να υπολογίσουμε κάθε άλλο λογάριθμο με οποιαδήποτε βάση. Αν και εκτός ύλης, αυτό ο τύπος έχει ιδιαίτερο ενδιαφέρον! ;)
Στη συνέχεια ασχολιόμαστε με διάφορα παραδείγματα κι εφαρμογές των λογαρίθμων σε παράξενες και, μέχρι πρότινος δύσκολες, εξισώσεις και ανισώσεις.
Καλό διάβασμα!
Διάφορες επαναληπτικές ασκήσεις από το σχολικό βιβλίο και όχι μόνο. Εξισώσεις, ανισώσεις, αποδείξεις, ιδιότητες πράξεων, όλα όσα είδαμε μέσα στην ύλη - εντάξει, όχι κι όλα, πόσα να χωρέσουν σε έξι (6) διαφάνειες, άλλωστε. Αρκετά, ωστόσο, για να φρεσκάρουμε αρκετά σημεία της ύλης! :)
Στις τελευταίες διαφάνειες περιέχονται κάποιες ερωτήσεις Σωστού/Λάθους για μία ακόμα γρήγορη επανάληψη σε βασικές ιδιότητες των πραγματικών αριθμών. Καλό διάβασμα!
Τι γνωρίζετε για τις βασικές ιδιότητες των λογαρίθμων; Ας πούμε, αν γνωρίζετε τους log(2) και log(3), μπορείτε να υπολογίσετε τους log(6) και log(1.5); Αν όχι, τότε ίσως να είναι ώρα να ρίξετε μία ματιά στις παραπάνω διαφάνειες, στις οποίες καλύπτουμε όλες τις βασικές ιδιότητες των λογαρίθμων, ακόμα κι εκείνες που «φλερτάρουν» με τα όρια της ύλης! ;)
Η ύλη σιγά-σιγά τελειώνει, καιρός για λίγη επανάληψη! Στις παραπάνω διαφάνειες θα βρείτε λυμένες διάφορες τυπικές ασκήσεις της ύλης της Άλγεβρας της Α' Γενικού Λυκείου και ΕΠΑΛ. Για την ακρίβεια, καταπιανόμαστε με παραμετρικές εξισώσεις και ανισώσεις, αλλα και διάφορα άλλα απλά παραδείγματα εξισώσεων και ανισώσεων που είναι στην ύλη μας. Επίσης, ασχολούμαστε και με κάποιες ασκήσεις του σχολικού βιβλίου της άλγεβρας!
Καλή επανάληψη! :)
Πόσες είναι οι πράξεις μεταξύ πραγματικών αριθμών; Αν απαντήσατε «Τέσσερις», καλό θα ήταν να κάνετε μία μικρή επανάληψη στην Άλγεβρα της Α' Λυκείου!
Στις παραπάνω διαφάνειες ασχολούμαστε με τις βασικές ιδιότητες των αλγεβρικών πράξεων μεταξύ πραγματικώ αριθμών, εξετάζουμε τη σχέση τους με τη σχέση του «<» (διάταξη) μεταξύ πραγματικών αριθμών και κάνουμε μία μικρή εισαγωγή στον αλγεβρικό χειρισμό ανισοτήτων - πράξεις κατά μέλη, απλές και διπλές ανισότητες κ.α.
Μπαίνοντας στο Λύκειο, είναι μία καλή ευκαιρία να θυμηθούμε βασικές και χρήσιμες γνώσεις από το Γυμνάσιο.
Θυμάστε ποιες είναι οι βασικές αλγεβρικές ταυτότητες; Πόσο καλά τα πάτε με την παραγοντοποίηση;
Στις παραπάνω διαφάνειες, θα βρείτε επίσης και μία βασική εισαγωγή στα σύνολα και τις πράξεις τους, τις βασικές τους ιδιότητες, τα διαγράμματα Venn καθώς και μία σύντομη αναφορά στα βασικά και διάσημα σύνολα αριθμών που θα μας απασχολήσουν σε όλο το λύκειο - φυσικοί, ακέραιοι, ρητοί και πραγματικοί αριθμοί.
Διαφάνειες θεωρίας στις ιδιότητες ανισοτήτων και στις πράξεις μεταξύ τους - Άλγεβρα Α' Γενικού Λυκείου και ΕΠΑΛ.
Εξετάζουμε απλά και λίγο πιο σύνθετα παραδείγματα κατασκευής σύνθετων ανισοτήτων από απλούστερες - με πρόσθεση και πολλαπλασιασμό. Διερευνούμε, επίσης, χαρακτηριστικές «παθολογικές» περιπτώσεις πράξεων μεταξύ ανισοτήτων (διαίρεση και πολλαπλασιασμό κατά μέλη, αντιστροφή των μελών κ.α.).
Επίσης, με τη βοήθεια μικροπειραμάτων στο Geogebra, εξετάζουμε και τη μεταβολή αλγεβρικών παραστάσεων καθώς οι ελεύθερες μεταβλητές τους παίρνουν διάφορες τιμές.
Οι διαφάνειες των πρώτων έξι (6) μαθημάτων στις συναρτήσειςVassilis Markos
Για όσους δε θέλουν να έχουν τα μαθήματα σε ξεχωριστά αρχεία αλλά σε ένα ενιαίο αρχείο (για πιο εύκολη επανάληψη), εδώ βρίσκονται τα πρώτα έξι μαθήματα που αφορούν τις βασικές έννοιες των συναρτήσεων σε ένα ενιαίο αρχείο, σχεδιασμένο για πιο εύκολη πλοήγηση στις διαφάνειες.
Σε αυτές τις διαφάνειες ολοκληρώνονται τα μαθήματα σχετικά με το εισαγωγικό κεφάλαιο των συναρτήσεων με την έννοια της αντίστροφης μίας «1-1» συνάρτησης.
Σε αυτό το μάθημα ορίζονται οι "1-1" συναρτήσεις και παρουσιάζονται τα βασικά αποτελέσματα σε σχέση με αυτές (σχέση με μονοτονία, αντιθετοαντίστροφο του ορισμού).
Συναρτήσεις - Μάθημα 4ο (Μονοτονία και ακρότατα συναρτήσεων)Vassilis Markos
Σε αυτό το μάθημα παρουσιάζονται οι βασικές έννοιες της μονοτονίας και των ακροτάτων πραγματικών συναρτήσεων καθώς και μία εναλλακτική προσέγγιση του ορισμού της μονοτονίας μίας συνάρτησης, στενά συνδεδεμένη με έννοιες που φαίνονται χρήσιμες στο κεφάλαιο των παραγώγων (μονοτονία και σχέση με τις χορδές της γραφικής παράστασης της f).
Συναρτήσεις - Μάθημα 3ο (Σύνθεση και γραφική παράσταση συναρτησεων)Vassilis Markos
Σε αυτό το μάθημα καλύπτονται οι βασικοί μετασχηματισμοί των γραφικών παραστάσεων συναρτήσεων (οριζόντιες μεταφορές, συμμετρίες, παράλληλες μεταφορές) καθώς και οι χαρακτηριστικές περιπτώσεις των άρτιων/περιττών και περιοδικών συναρτήσεων.
Συναρτήσεις - Μάθημα 2ο (Σύνθεση και διάταξη συναρτήσεων)Vassilis Markos
Οι διαφάνειες αυτές καλύπτουν ύλη σχετική με τις πράξεις μεταξύ συναρτήσεων (άθροισμα, διαφορά, γινόμενο πηλίκο και σύνθεση) καθώς και με τη διάταξη μεταξύ συναρτήσεων πραγματικών αριθμών.
Συναρτήσεις - Μάθημα 1ο (Μαθηματικά Προσνατολισμού Γ' Λυκείου))Vassilis Markos
Το πρώτο μάθημα στην ενότητα των συναρτήσεων (ύλη μαθηματικών προσανατολισμού της Γ' Λυκείου). Καλύπτονται ο ορισμός της συνάρτησης, οι βασικές έννοιες (πεδίο ορισμού, πεδίο/σύνολο τιμών, γραφική παράσταση) και οι γραφικές παραστάσεις των βασικών συναρτήσεων.
Αρχές Οικονομικής Θεωρίας - Το γραπτό των πανελλαδικών εξετάσεωνPanagiotis Prentzas
Αρχές Οικονομικής Θεωρίας (ΑΟΘ): Τι πρέπει να προσέξουν οι υποψήφιοι κατά τη διάρκεια των πανελλαδικών εξετάσεων στη δομή των απαντήσεών τους, αλλά και στην εμφάνιση του γραπτού τους.
Μπορείτε να δείτε και τη διαδραστική παρουσίαση στο www.study4economy.edu.gr.
2. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Τι είναι τα μέτρα θέσης;
Γενικά, όταν έχουμε ένα δείγμα, πέρα από τη συχνότητα
εμφάνισης κάποιων χαρακτηριστικών, όπως έχουμε δει ως
τώρα, μας απασχολεί συχνά και μία πιο μακροσκοπική
άποψή του. Για παράδειγμα, σε ένα εκτενές δείγμα όπως
αυτό των κρουσμάτων του νέου κορωνοϊού π.χ. στην Αθήνα
μπορεί να μη μας ενδιαφέρει τόσο η ακριβής κατανομή των
ηλικιών όσο λ.χ. η μέση ή η διάμεση ηλικία — σίγουρα έχετε
ακούσει τον κ. Τσιόδρα να κάνει λόγο για διάμεση ηλικία
των νεκρών, των κρουσμάτων κ.λπ.
Εργαλεία που μας βοηθούν σε τέτοιου είδους μελέτες είναι
τα μέτρα θέσης, που μας δίνουν πληροφορίες για την
«περιοχή» στην οποία βρίσκονται τα δεδομένα μας.
3. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Μέση τιμή
Από όλα τα μέτρα θέσης το πιο γνωστό είναι η μέση τιμή.
Σε ένα δείγμα 10 παρατηρήσεων όπως το παρακάτω:
3, 6, 7, 11, −9, 0, 3, 7, 3, 0,
η μέση τιμή, που τη συμβολίζουμε με x, δίνεται από την
παράσταση:
x =
3 + 6 + 7 + 11 + (−9) + 0 + 3 + 7 + 3 + 0
10
=
31
10
= 3.1.
4. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Ορισμός μέσης τιμής
Ορισμός (Μέση τιμή)
Γενικά, όπως και στο προηγούμενο παράδειγμα, αν έχουμε
ένα δείγμα με παρατηρήσεις:
t1, t2, . . . , tν
τότε ορίζουμε τη μέση τιμή, x ως:
x =
t1 + t2 + . . . + tν
ν
.
Δηλαδή, αθορίζουμε όλες τις παρατηρήσεις και διαιρούμε με
το πλήθος τους.
5. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Μέση τιμή μέσω συχνοτήτων
Αν έχουμε έναν πίνακα συχνοτήτων, τότε μπορούμε να
υπολογίσουμε τη μέση τιμή χρησιμοποιώντας τις απόλυτες
συχνότητες νi των τιμών xi των παρατηρήσεων. Για την
ακρίβεια, για ένα δείγμα ν παρατηρήσεων με τιμές
x1, x2, . . . , xk, k ≤ ν, ισχύει η σχέση:
x =
x1ν1 + x2ν2 + . . . + xkνk
ν
.
Μπορείτε να εξηγήσετε πώς προκύπτει αυτή η σχέση από
τον ορισμό της μέσης τιμής;
6. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Μέση τιμή μέσω σχετικών συχνοτήτων
Παίρνοντας την παραπάνω σχέση βλέπουμε ότι:
x =
x1ν1 + x2ν2 + . . . + xkνk
ν
=
=
x1ν1
ν
+
x2ν2
ν
+ . . . +
xkνk
ν
=
= x1
ν1
ν
+ x2
ν2
ν
+ . . . + xk
νk
ν
=
= x1f1 + x2f2 + . . . + xkfk,
η οποία συνδέει τη μέση τιμή με τις σχετικές συχνότητες
εμφάνισης των τιμών xi μέσα στο δείγμα.
8. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Σταθμική μέση τιμή
Για τον υπολογισμό του βαθμού πτυχίου ενός τμήματος κάθε
υποχρεωτικό μάθημα υπολογίζεται με συντελεστή βαρύτητας
2 ενώ κάθε μάθημα επιλογής με συντελεστής βαρύτητας 1.5.
΄Ετσι, αν έχουμε 8, 9 και 9 σε τρία υποχρεωτικά μαθήματα
και 9 και 10 σε δύο μαθήματα επιλογής τότε ο μέσος όρος
μας θα δίνεται από τον τύπο:
x =
2 · 8 + 2 · 9 + 2 · 9 + 1.5 · 9 + 1.5 · 10
2 + 2 + 2 + 1.5 + 1.5
=
80.5
9
≈ 8.94.
9. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Ορισμός σταθμικής μέση τιμής
Ορισμός (Σταθμική μέση τιμή)
Γενικά, αν έχουμε ένα δείγμα ν παρατηρήσεων t1, t2, . . . , tν
και για κάθε παρατήρηση έχουμε έναν συντελεστή
βαρύτητας, w1, w2, . . . , wν αντίστοιχα, τότε ορίζουμε τη
σταθμική μέση τιμή του παραπάνω δείγματος με
συντελεστές βαρύτητας (βάρη) w1, w2, . . . , wν να είναι ο:
x =
w1x1 + w2x2 + . . . + wνxν
w1 + w2 + . . . + wν
.
Μπορείτε να εξηγήσετε το σκεπτικό πίσω από τον παραπάνω
ορισμό;
10. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Διάμεσος
Πολλές φορές, εκτός από τη μέση τιμή ενός δείγματος, δε μας
δίνει καλή εικόνα του δείγματος, μιας και επηρεάζεται από
τις ακραίες τιμές του. Γι΄ αυτόν τον λόγο, πολύ συχνά μας
ενδιαφέρει και η παρατήρηση που βρίσκεται σε «κέντρο» του
δείγματος, η οποία και μένει ανεπηρέαστη από το μέγεθος
των ακραίων παρατηρήσεων. Ακολουθεί ο τυπικός ορισμός:
Ορισμός (Διάμεσος)
Αν t1 < t2 < . . . < tν είναι ένα δείγμα ν παρατηρήσεων
διατεταγμένο σε αύξουσα σειρά τότε η διάμεσος δ (διάμεση
παρατήρηση) του δείγματος είναι:
I η μεσαία παρατήρηση, αν ν περιττός,
I ο μέσος όρος των δύο μεσαίων παρατηρήσεων, αν ν
άρτιος.
11. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Παραδείγματα
I Για το δείγμα:
3, 6, 8, 9, 12
η διάμεσος είναι η μεσαία παρατήρηση (αφού έχουμε
πέντε παρατηρήσεις), δηλαδή δ = 8.
I Για το δείγμα:
−3, −1, 0, 5, 6, 9
η διάμεσος είναι ο μέσος όρος των δύο μεσαίων
παρατηρήσεων (αφού έχουμε έξι παρατηρήσεις),
δηλαδή:
δ =
0 + 5
2
=
5
2
= 2.5.
12. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Διάμεσος και πίνακες συχνοτήτων
΄Οταν καλούμαστε να υπολογίσουμε τη διάμεσο ενός
δείγματος μέσω ενός πίνακα συχνοτήτων είναι χρήσιμο να
υπολογίζουμε και τις αθροιστικές απόλυτες συχνότητες, Ni .
Για παράδειγμα, για το παρακάτω δείγμα:
xi 2 4 5 6 9 Σύνολο
νi 4 6 13 11 6 40
Ni 4 10 23 34 40 −
έχουμε 40 παρτηρήσεις, επομένως χρειζόμαστε τις δύο
μεσαίες παρατηρήσεις, δηλαδή την 20η και την 21η, οι
οποίες, όπως βλέπουμε από το N2 και το N3 είναι και οι δύο
ίσες με 5, επομένως:
δ =
5 + 5
2
=
10
2
= 5.
13. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Διάμεσος σε ομαδοποιημένα δεδομένα
Ας υποθέσουμε ότι έχουμε τον ακόλουθο πίνακα συχνοτήτων:
[αi , βi ) xi νi fi % Fi %
[1, 3) 2 4 10 10
[3, 5) 4 14 35 45
[5, 7) 6 12 30 75
[7, 9) 8 10 25 100
Σύνολο 40 100 −
΄Οπως έχουμε πει, όταν έχουμε ομαδοποιημένα δεδομένα
υποθέτουμε ότι οι παρατηρήσεις μας είναι ομοιόμορφα
κατανεμημένες μέσα στις κλάσεις, έτσι, τα παραπάνω δε μας
είναι τόσο εύχρηστα.
15. Στατιστική
∀ftermaths
Μέτρα
Θέσης
Μέση τιμή
Διάμεσος
Διάμεσος σε ομαδοποιημένα δεδομένα
΄Οπως έχουμε πει, η διάμεσος αντιστοιχεί, ιδανικά, στη
μεσαία παρατήρηση, δηλαδή αφήνει το μισό δείγμα πριν από
αυτήν και το άλλο μισό μετά. ΄Ετσι, η διάμεσος αντιστοιχεί
σε εκείνην την τιμή η οποία ταιριάζει στο 50% των
παρατηρήσεων.
Για να βρούμε αυτήν την τιμή θα χρειαστούμε το
διάγραμμα/πολύγωνο αθροιστικών σχετικών συχνοτήτων επί
τοις εκατό καθώς και την έννοια της ομοιότητας τριγώνων
από την Ευκλείδεια γεωμετρία.