Ortalamaların histogramı, normal bir popülasyondan birçok örneğin ortalamasını tanımlayan, kabaca normaldi. Bu makul görünebilir, normal bir popülasyondan alınan örneklerin araçları normaldir. Peki ya normal olmayan popülasyonlardan alınan örnekler? Merkezi Limit Teoremine göre, ana popülasyonun şekli ne olursa olsun, n büyüdükçe örnek ortalamalarının dağılımı normal bir eğriye yaklaşır.

Örneklemek için, 0 ile 100 arasında değişen tek tip bir popülasyondan 100 örnek alalım. Minimum a değerine ve maksimum b değerine sahip tek tip bir popülasyonda, ortalama şu şekilde bulunur:

Bu popülasyonda varyans 833.33’tür ve bu nedenle standart sapma σ = 28.8675’tir. Örneklerimiz yine n = 50 olacak; Merkezi Limit Teoremine göre bu tür örneklerde ortalamanın standart hatası 28.8675 50 = 4.08 olacaktır. Bu nedenle, Merkezi Limit Teoremi, bu popülasyondan olası tüm 50 gözlem örneğinin ortalamasının, ortalaması 50 ve standart hatası 4.08 olan normal bir dağılım izleyeceğini tahmin eder. Teoremin bu simüle edilmiş deneyin sonuçlarını ne kadar iyi tahmin ettiğini görelim.

Dosya Açık Sözdizimi… Bu sefer Unigen adlı dosyayı açın. Bu sözdizimi dosyası, az önce açıklanan gibi tek tip bir popülasyondan 100 rastgele örnek üretir.

Tüm Anahtarı Veri Düzenleyicisine çalıştırın ve şimdi tümü 0 ile 100 arasında yeni değerler gösterdiğine dikkat edin.
Tanımlayıcı İstatistikleri Tanımlayıcıları Analiz Edin… Tüm x değişkenlerini seçin ve Tamam’ı tıklayın.

Daha önce yaptığınız gibi, Çıktı Görüntüleyici’de Ortalama sütunundaki tüm değerleri seçip kopyalayın ve bunları Means adlı yeni bir değişkene yapıştırın.
Bir kez daha, herhangi bir x değişkeni için bir histogram ve Means değişkeni için başka bir histogram oluşturun. Daha önce olduğu gibi, rapor edilen “Std. Dev.” ortalamanın teorik standart hatasına yaklaşmalıdır. Bir simülasyonun sonuçları sonraki sayfada gösterilmektedir.

Ortalamaların ortalama ve standart hatası, Merkezi Limit Teoremi tarafından tahmin edilen teorik değerlere ne ölçüde yaklaşmaktadır? Hangi grafiğiniz daha normal görünüyor?
İki grafiğinize yakından bakın (bizimkiler aşağıda gösterilmiştir). Grafiklerinizle bunlar arasında ne gibi benzerlikler görüyorsunuz? Hangi farklılıklar? Benzerlikleri ve farklılıkları nasıl açıklarsınız?

Oranın Örnekleme Dağılımı

Şimdiye kadarki örnekler, nicel bir rasgele değişkenin simüle edilmiş örneklerine sahiptir. Tüm değişkenler nicel değildir. Merkezi Limit Teoremi ve örnekleme dağılımı kavramı, üç farkla nitel rastgele değişkenler için de geçerlidir.

İlk olarak, rastgele değişkenin ortalaması ile ilgilenmiyoruz, ancak belirli bir sonucun gözlemlendiği zamanların oranı (p) ile ilgileniyoruz. İkinci olarak, “büyük örneklem” ile ilgili çalışma tanımımızı değiştirmemiz gerekiyor. Standart kılavuz, hem n p > 5 hem de n(1 – p) > 5 olduğunda n’nin büyük olarak kabul edilmesidir. Üçüncü olarak, standart hatanın formülü şu hale gelir.

Örneklemek için, daha fazla rastgele veri üreteceğiz. Sabit olasılık, p, başarı ile başarı veya başarısızlık üreten bir sürecin bir dizi n bağımsız denemesi olarak iki terimli deneyler hakkında öğrendiklerinizi hatırlayın. Böyle bir süreç Bernoulli denemesi olarak bilinir. Her biri 50 Bernoulli denemesinden oluşan 100 örnek daha oluşturacağız:

Önceki iki simülasyonda olduğu gibi, bir sözdizimi dosyası çalıştıracağız. Bu sefer dosyanın adı Berngen. Dosyayı açın ve çalıştırın.

Merkezi Limit Teoremi örnek sorular
Merkezi Limit Teoremi formülü
Büyük sayılar Kanunu ve Merkezi Limit Teoremi
Central limit Theorem
Merkezi limit teoremi nerelerde kullanılır
Merkezi limit Teoremi ispatı
Merkezi Limit teoremi birey sayısı
Merkezi Limit Teoremi Özellikleri

Bu, 1’in bir başarıyı temsil ettiği, 0’lar ve 1’lerden oluşan 100 sütun oluşturur. Her sütunun ortalamasını bularak, örnek oranı p olarak da bilinen simüle edilmiş örneklerimizin her birinde göreceli başarı sıklığını hesaplayacağız.

Ayrıca daha önce olduğu gibi, 100 örnek üzerindeki tanımlayıcı istatistikleri hesaplayın ve ardından değişken ortalamalarını kopyalayıp Means adlı yeni oluşturulan bir değişkene yapıştırın.

Şimdi Araçlar 100 örnek orantı içerir. Merkezi Limit Teoremine göre, ortalama 0,3 ve standart hata ile yaklaşık bir normal dağılım izlemelidirler.

Simülasyonların her birinde olduğu gibi, x değişkenlerinden biri ve Ortalamalar için tanımlayıcı istatistiklerin grafiğini çizin. Ekranınızda gördüğünüz grafiklere yorum yapın (bizimkiler burada gösterilmektedir).

1. n, 30’un altında olduğunda ne olur? Merkezi Limit Teoremi küçük örnekler için de işe yarar mı? Unigen’i tekrar açın. Sözdizimi Düzenleyicisinde, yazan komut satırını bulun.

50’yi 20’ye değiştirin (n = 20’lik örnekler oluşturmak için) ve programı yeniden çalıştırın. Örnek araçları hesaplayın ve örnek araçların bir histogramını oluşturun. Kapat, ama kaydetme, Unigen. Gördüklerinizi yorumlayın.

2. Unigen’i açın. –10 ile 10 arasında değişen tek tip bir dağılımdan örnekleri simüle etmek için aşağıdaki değişiklikleri yapın.

Dosyanın Hesaplama satırını aşağıdaki gibi okunacak şekilde düzenleyin: COMPUTE X(#j)=RV.UNIFORM(-10,10) n = 50’lik 100 örnekten örnek ortalamalarının dağılımı hakkında rapor olmalıdır.

Bu dosya 1.685 tekrarlanan binom deneyinin sonuçlarını içerir ve her biri bir kuruşun 10 kez çevrilmesini içerir. Her 10’lu çevirme tekrarını n = 10 çevirme örneği olarak düşünebiliriz; bu dosya 1.685 farklı örneği özetlemektedir.

Toplamda, dosyada yaklaşık 17.000 ayrı yazı tura temsil edilmektedir. Her sütun, 10’luk deneydeki olası farklı sayıda kafayı temsil eder ve her satır, bir öğrencinin 10’luk deneyi tekrarlarının sonuçlarını içerir. Açıkça, teorik oran p = 0,5 olduğundan, ortalama kafa sayısı 5 olmalıdır.

3. Örnek oranın standart hatası formülüne göre, bu durumda standart hata ne olmalıdır (n = 10, p = .5 kullanın)?

4. (İpucu: Bu soruyla ilgili yardım için, normal olasılıkların hesaplanmasıyla ilgili talimatlar için Oturum 8’e bakın veya ders kitabınızdaki normal bir olasılık tablosuna bakın.) Ortalama = 0,5 ve standart hataya eşit bir normal dağılım varsayalım. #3’e cevap, n = 10 atıştan oluşan rastgele bir örneğin 0,25 veya daha az örnek oranına sahip olma olasılığı nedir? (yani, 2 veya daha az kafa)

5. Bu gerçek dünya kuruş verilerinin önceki cevabınızda yaptığınız tahminleri çürütüp çürütmediğini veya destekleyip desteklemediğini belirlemek için Frekans istatistikleri komutlarını kullanın (Analiz menüsüne bakın). Numunelerin yüzde kaçı sırasıyla 0, 1 veya 2 kafa içeriyordu? SPSS çıktınızı analiz ederken çok dikkatli düşünün.

6. Merkezi Limit Teoreminin önceki cevabınızda rapor edilen gerçek dünya sonuçlarını ne kadar iyi tahmin ettiğini yorumlayın.

Bu U.S. News and World Report anketindeki her kolej ve üniversiteden birinci sınıf sınıflarının ortalama SAT puanlarını göndermeleri istendi. Birçok okul bu bilgiyi sağlamamış olsa da, birçok okul bunu yaptı. Bu nedenle, bu bir numune örneğidir. Genellikle SAT puanlarının ortalama 500 ve standart sapma 100 ile normal olarak dağıldığı varsayılır. Aşağıdakilerin her biri için fark ettiğiniz farklılıklar ve bunların ortaya çıkma nedenleri hakkında yorum yapın.

7. Sözlü SAT puanları için araçların dağılımını (merkez, şekil ve yayılma) rapor edin. Dağılım hakkında yorum yapın.

8. Matematik puanları için de aynısını yapın. Dağılım hakkında yorum yapın.

9. Birleştirilmiş SAT puanları için tekrarlayın. 

The post Merkezi Limit Teoremi – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

Popülasyondan rastgele bir örnekten hesaplanan herhangi bir istatistiğin örnekleme dağılımını simüle etmek için SPSS kullanmak mümkündür. Bu bölümde, her biri minimum 1 ve maksimum 6 olan ayrı bir düzgün dağılıma sahip iki değişkenin toplamının örnekleme dağılımını elde ederiz. her rulodaki piplerin toplamı.

Toplam 50 çift rulo için SPSS’yi birer birer zar atmaya yönlendireceğiz. Daha sonra, her bir rulonun toplamını hesaplayacağız (örneğin, birinci kalıp için ilk rulo + ikinci kalıp için ilk rulo, vb.) ve ardından bu yeni değişkenin frekans dağılımını inceleyeceğiz.

1. Yeni bir Veri penceresi açın ve ilk ekranın ilk 50 satırına “999” yazın.
2. Menü çubuğundanDönüştür’e tıklayın.
3. Aşağı açılır menüden Hesapla’yı tıklayın.
4. Hedefdeğişkeni “öl1” olarak adlandırın.
5. Sayısal İfade kutusunda ifadeyi oluşturun.
6. Tamam’a tıklayın.
7. “die2” adlı başka bir değişkeni hesaplamak için 2–6 adımlarını tekrarlayın.
8. Tamam’a tıklayın.
9. İki örnek değişkenin toplamı olan bir “toplam” değişkeni hesaplayın. Menü çubuğundan Dönüştür’e tıklayın.
10. Açılır menüden Hesapla’ya tıklayın.
11. Hesaplama Değişkeni iletişim kutusunda Sıfırla düğmesine tıklayın.
12. Ardından, hedef değişkeni “toplam” olarak adlandırın.
13. Sol alt kutuda bulunan “die1” değişkenine tıklayın ve sağ ok tuşu ile Sayısal İfade kutusuna taşıyın, hesap makinesi panelinden + işaretine tıklayın ve ardından “die2” değişkenini üzerine tıklayın ve taşıyın. Sağ ok düğmesiyle Sayısal İfade kutusu.
14. Tamam’a tıklayın.

NUMUNE ARAÇLARININ NORMAL DAĞILIMI

Merkezi Limit Teoremi

Bu kılavuzun tartışılan çıkarımsal prosedürlerin çoğu, örnek ortalamasının örnekleme dağılımının yaklaşık olarak normal bir dağılım olduğunu belirten Merkezi Limit Teoremine (CLT) dayanmaktadır. Bu, numune boyutu (n) büyük olduğu sürece, numunelerin alındığı ana dağılımdan bağımsız olarak doğrudur. CLT’yi kullanmak, içinden alındığı tüm popülasyonu gerçekten gözlemlemeden bir örnek ortalama hakkında olasılık ifadeleri yapmamızı sağlar.

Merkezi Limit Teoremini göstermek için SPSS kullanmak mümkündür. Süreç basit değildir, ancak CLT çıkarımsal istatistiklerin en önemli ilkelerinden biri olduğu için, bu örnek üzerinden çalışmak kavramları daha tam olarak anlamanıza yardımcı olabilir.

Bu teoremi açıklamak için, önce belirli bir dağılımdan (örneğin, ayrık üniforma(1,10)) n boyutunda (örneğin, 50) rastgele bir örnek almamız ve 50 gözlemin ortalamasını hesaplamamız gerekecek. Daha sonra bu işlemi birçok kez tekrarlayacağız (örneğin, 99 kez daha) ve numune araçlarının frekans dağılımını ve histogramını inceleyeceğiz.

Merkezi Limit Teoremi örnek sorular
Merkezi Limit Teoremi tablosu
Merkezi Limit Teoremi özellikleri
Büyük Sayılar Kanunu ve Merkezi Limit Teoremi
Merkezi limit teoremi nerelerde kullanılır
Merkezi Limit Teoremi formülü
Merkezi Limit Teoremi ispatı
Central limit theorem

Belirli bir dağılımdan rastgele bir örnek elde etmek için kullanılan prosedürler Bölüm 7’de verilmiştir. Bu sürecin sıkıcı kısmı, örneklemenin 100 kez tekrar edilmesini içerir. Bu adımı sizin için tamamladık ve sonuçlar “clt.sav” veri dosyasına kaydedildi. SPSS’nin 50 boyutunda rastgele örnekler çektiğini 100 kez temsil eden u1 ila u100 olmak üzere 100 değişken vardır. Bu nedenle, şu anda [örnek boyutu numune sayısını] temsil eden bir [50 satır 100 sütun] matrisimiz var.

Ortalamaların histogramını elde etmek için, önce 100 örneğin (sütunların) her birinin ortalamasını hesaplamamız gerekir. SPSS’yi “u” değişkenlerinin her birinin ortalamasını ayrı ayrı hesaplamaya yönlendirebiliriz, ancak daha sonra bu araçların her birini başka bir sütuna manuel olarak girmemiz gerekecekti. Daha az zaman alan bir yöntem, matrisi SPSS’nin araçları takip etmesini sağlayacak şekilde dönüştürmektir. Bunu yapmak için, matrisi transpoze etmeliyiz – satırları ve sütunları değiştirmeliyiz – ve sonra ortalamaları hesaplamalıyız.

“clt.sav” veri dosyasını açın ve ardından:

1. Menü çubuğundan Veri’ye tıklayın.
2. Açılır menüden Aktar’a tıklayın.
3. Tüm değişken adlarını vurgulayın (u1’e tıklayın, fare düğmesini basılı tutun ve listedeki son değişkenin adına sürükleyin).
4. Sağ üst ok düğmesine tıklayarak değişken isimlerini Değişken(ler) kutusuna taşıyın.
5. Tamam’a tıklayın.

Şimdi [100 50] matrisli (ilk sütun hariç) transpoze edilmiş bir veri dosyanız olmalıdır. Şimdi sıralar, çekilen 100 örneği temsil ediyor ve sütunlar, her bir örnekteki 50 çekilişi temsil ediyor.

Artık her satırın ortalamasını hesaplayabiliriz. Bunu yapmak için:

1. Ana menü çubuğundan Dönüştür’e tıklayın.
2. Açılır menüden Hesapla’ya tıklayın.
3. Hedef Değişken kutusuna “ortalama” girin.

Popülasyon Özelliklerine İlişkin Soruları Cevaplama

İstatistiksel çıkarım, bir örneğin özelliklerini, içinden alındığı anakütle hakkında açıklamalar yapmak için kullanma sürecidir. Aralık tahmini ve hipotez testi dahil olmak üzere birçok istatistiksel çıkarsama biçimi vardır. Bu prosedürler aşağıdakiler için kullanılabilir:

• bir IQ testindeki puanlar için makul değerler aralığını hesaplamak;
• memelilerin günde ortalama 9 saat uyuyup uyumadığını belirlemek;
• azınlık itfaiyeci başvurularının oranının genel nüfusla aynı şekilde %26 olduğunu test edin;
• belirli bir öğretim programına maruz kalan öğrenciler için okuma puanlarının zaman içinde değişip değişmediğini belirlemek.

BİR ORTALAMA İÇİN MAKUL DEĞERLER ARALIĞI

Örnek ortalama, popülasyon ortalamasının bir nokta tahminidir, ancak genellikle popülasyon ortalamasına tam olarak eşit değildir. Doğruluk derecesi, popülasyon ortalamasının tahmininin bir değer aralığı, yani bir güven aralığı olarak rapor edilmesiyle gösterilebilir. Nokta tahmininin kesinliğinin bir ölçüsü olan standart hata, güven aralığına dahil edilir.

Popülasyon standart sapmasının ( ) bilindiği durumlarda, standart hatayı hesaplamak ve güven aralığını elde etmek için doğrudan kullanılabilir. Bununla birlikte, çoğu durumda, değeri bilinmez ve ortalamanın standart hatasının tahminini, sx’i vermek için numune standart sapması (s) ikame edilmelidir. Windows için SPSS, hesaplamalarını örnek standart sapmaya dayandırır ve biz sadece bu durumu göstereceğiz.

“hotdog.sav” veri dosyasını kullanarak sosisli sandviç başına ortalama kalori sayısı için güven aralığını hesaplayacağız.

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Tanımlayıcı İstatistikler’e tıklayın.
3. Keşfet’e tıklayın.
4. Kalori değişkenine tıklayın ve sağ üst ok tuşu ile Bağımlı Liste kutusuna taşıyın.
5. Keşfet: İstatistikler iletişim kutusunu açmak için İstatistikler’e tıklayın.
6. Tanımlayıcılar: Ortalama için Güven Aralığı’nın işaretli olduğuna ve %95’in varsayılan olduğuna dikkat edin. Farklı bir güven düzeyine ihtiyacınız varsa, imlecinizi bu kutuya getirerek ve istediğiniz düzeyi yazarak bunu değiştirebilirsiniz. Bu alıştırma için, varsayılan %95 güven seviyesini koruyacağız.
7. Devam’a tıklayın.
8. Görüntü kutusunda İstatistikler’e tıklayın. Bu isteğe bağlı bir adımdır, ancak eldeki soruyu ele almak için gereksiz olan tabloları bastırdığı için burada önerilir.
9. Tamam’a tıklayın.

Çıktınız Şekil 10.1’de gösterildiği gibi görünecektir. Örnek ortalamasının 145.44 kalori olduğuna dikkat edin. Güven aralığı, alt sınırı 137,42 ve üst sınırı 153,46 olan “Ortalama için %95 Güven Aralığı” olarak etiketlenmiştir. Bu, popülasyon ortalamasının 137.42 ila 153.46 kalori aralığında olduğundan %95 emin olduğumuzu gösterir.

The post Merkezi Limit Teoremi – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).