تحقیق در مورد اقتصاد سنجی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 22

تخمین مدل و استنتاج آماری

بررسی ایستایی (ساکن بودن) سری های زمانی

قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری که اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

برای تاکید بیشتر تعریف ایستایی، فرض کنید Yt یک سری زمانی تصادفی با ویژگیهای زیر است:

(1) : میانگین

(2) واریانس :

(3) کوواریانس :

(4) ضریب همبستگی :

که در آن میانگین ، واریانس کوواریانس (کوواریانس بین دو مقدار Y که K دوره با یکدیگر فاصله دارند، یعنی کوواریانس بین Yt و Yt-k) و ضریب همبستگی مقادیر ثابتی هستند که به زمان t بستگی ندارند.

اکنون تصور کنید مقاطع زمانی را عوض کنیم به این ترتیب که Y از Yt به Yt-k تغییر یابد. حال اگر میانگین، واریانس، کوواریانس و ضریب همبستگی Y تغییری نکرد، می توان گفت که متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت که یک سری زمانی وقتی ساکن است که میانگین، واریانس، کوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد که در چه مقطعی از زمان این شاخص ها را محاسبه می کنیم. این شرایط تضمین می کند که رفتار یک سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد.

آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد

یک آزمون ساده برای ساکن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با نشان داده می شود و بصورت زیر تعریف می گردد.

از آنجاییکه کوواریانس و واریانس، هر دو با واحدهای یکسانی اندازه گیری می‌شوند، یک عدد بدون واحد یا خالص است. به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی که عملاً تنها یک تحقق واقعی (یعنی یک نمونه) از یک فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه، را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا کوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.

که همانند نسبت کوواریانس نمونه به واریانس نمونه است. نمودار در مقابل K نمودار همبستگی نمونه نامیده می شود. در عمل وقتی مربوط به جامعه را ندایم و تنها را براساس مصداق خاصی از فرآیند تصادفی در اختیار داریم باید به آزمون فرضیه متوسل شویم تا بفهمیم که صفر است یا خیر. بارتلت (1949) نشان داده است که اگر یک سری زمانی کاملاً تصادفی یعنی نوفه سفید باشد، ضرایب خود همبستگی نمونه تقریباً دارای توزیع نرمال با میانگین صفر و واریانس می باشد که در آن n حجم نمونه است. براین اساس می توان یک فاصله اطمینان، در سطح 95 درصد ساخت. بدین ترتیب اگر تخمینی در این فاصله قرار گیرد، فرضیه(=0) را نمی توان رد کرد. اما اگر تخمینی خارج از این فاصله اعتماد قرار گیرد می توان صفر بودن را رد کرد.

آزمون دیگری نیز بصورت گسترده برای بررسی ایستایی سریهای زمانی بکار می‌رود که به آزمون ریشه واحد معروف است. برای فهم این آزمون مدل زیر را در نظر بگیرید:

Yt = Yt-1+Ut

Ut جمله خطای تصادفی است که فرض می شود بوسیله یک فرآیند تصادفی مستقل (White Noise) بوجود آمده است. (یعنی دارای میانگین صفر، واریانس ثابت و غیر همبسته می باشد).

خواننده می تواند تشخیص دهد که معادله فوق، یک معادلخ خود رگرسیون مرتبه اول یا AR(1) می باشد. در این معادله مقدار Y در زمان t بر روی مقدار آن در زمان (t-1) رگرس شده است. حال اگر ضریب Yt-1 برابر یک شود مواجه با مساله ریشه واحد می شویم. یعنی این امر بیانگر وضعیت غیر ایستایی سری زمانی Yt می باشد. بنابراین اگر رگرسیون زیر را اجرا کنیم:

تحقیق در مورد نمودار آماری حفاظت اسناد

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 1 صفحه

 قسمتی از متن .doc : 

نمودار آماری حفاظت اسناد

صدا و سیمای مرکز سیستان و بلوچستان

تحقیق در مورد نشریه تخصصی Sigma به عنوان معتبرترین مرجع آماری در صنعت بیمه (با فرمت ورد)

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 2

نشریه تخصصی Sigma به عنوان معتبرترین مرجع آماری در صنعت بیمه جهان که وابسته به شرکت بیمه اتکایی سوئیس (swissre) است در چهارمین گزارش خود تحت عنوان «رویکرد دوباره به بیمه‌های عمر» (Premiums came back to life) به بررسی دقیق آماری صنعت بیمه در سال 2006 میلادی پرداخته است.در این گزارش رشد اقتصاد جهانی و تاثیر آن بر بازارهای مالی، سرعت رشد و سودآوری بیمه در جهان، رشد کم و در عین حال سودآوری بیشتر بیمه در کشورهای صنعتی، گزارش رشد فزاینده بیمه‌های عمر و غیرعمر در بازارهای نوظهور، متدولوژی و داده‌ها و همچنین ضمیمه آماری کشورهای مختلف جهان به تفصیل مورد بررسی قرار گرفته است.ارائه جداول و ارقام ضریب نفوذ بیمه (insurance penetration) و سرانه حق بیمه (Insurance Density) کشورهای مختلف در 5 قاره جهان و رتبه‌بندی این ضرایب، از مهم‌ترین آمار این گزارش است که ماحصل تلاش مسوولان صنعت بیمه کشورهای مذکور را به مقایسه گذارده است.در این گزارش ضریب نفوذ بیمه در بیمه‌های عمر و غیرعمر به طور جداگانه ارائه شده و ضریب نفوذ کل بیمه به صورت مجموعی از ضرایب به دست آمده در بیمه‌های عمر و غیرعمر به عنوان ضریب نفوذ به صورت درصد به تولید ناخالص داخلی منظور شده و رتبه کشورها نیز بر همین اساس به دست آمده است. از جمله نکات قابل توجه در خصوص این آمار می‌توان به ضریب نفوذ بیمه 3/1درصدی از تولید ناخالص داخلی (GDP) کشورمان در سال 2006 اشاره کرد.ایران در این گزارش در رتبه 75 قرار دارد. چندی پیش در همایش بیمه و اقتصاد ملی دکتر کهزادی، رییس کل بیمه مرکزی، ضریب نفوذ بیمه کشور را در صورت لحاظ کردن بیمه‌های خدمات درمانی، تامین اجتماعی و صندوق بازنشستگی 5/4درصد اعلام کرده و رتبه ایران را از این جهت در میان 200 کشور جهان رقم 32 اعلام کرده بود.حال اینکه در طبقه‌بندی جهانی ارائه شده در سال 2006، رتبه 32 با ضریب نفوذ 6/4 با احتساب مجموع ضریب نفوذ 8/2درصد در رشته‌ بیمه‌های عمر و ضریب نفوذ 7/1درصد در رشته‌های غیرعمر با سرانه حق بیمه 3229دلار مربوط به کشور نروژ است.رتبه اول تا دهم ضریب نفوذ بیمه در این گزارش به ترتیب مربوط به کشورهای انگلیس (5/16درصد)، آفریقای جنوبی (16درصد)، تایوان (5/14درصد)، کره‌جنوبی (1/11درصد)، سوئیس (11درصد)، فرانسه (11درصد)، ژاپن (5/10درصد)، هنگ‌کنگ (5/10درصد)، ایرلند (4/10درصد) و هلند با 4/9درصد از GDP است.در این طبقه‌بندی همچنین متوسط ضریب نفوذ بیمه در قاره‌های آمریکای شمالی، آمریکای لاتین و کاراییب، اروپا، آسیا و اقیانوسیه ذکر شده و همچنین متوسط ضریب نفوذ صنعت بیمه در کل جهان نیز 5/7درصد اعلام شده است.جهان در سال 2006 شاهد فروش 3تریلیون و 723میلیارد دلار حق بیمه بوده است که نسبت به سال 2005 در حدود 5درصد رشد را نشان می‌دهد. تحقیقات موسسه مطالعاتی Sigma نقش بیمه های عمر را در کسب این نتایج چشمگیر توصیف کرده است. فروش بیمه‌های عمر و غیر عمر در سال 2006 به ترتیب 7/7درصد و 5/1درصد افزایش داشته‌اند. توسعه پس‌انداز و تولیدات بازنشستگی انتظار رشد بیشتری را برای بیمه‌های عمر در سال 2007 رقم زده است. ضمن اینکه فروش بیمه‌های غیر عمر تقریبا از رونق افتاده‌اند.در مجموع حق بیمه‌های فروخته شده 7/7 تولید ناخالص داخلی (GDP) جهان را در این سال به خود اختصاص داده‌اند که تغییر چندانی در قیاس با سال 2005 نداشته است. گزارش Sigma در این رابطه حاکی است که صنعت بیمه بیشتر در راستای سرمایه‌داری (Capitalistion) و سودآوری (Profitability) حرکت کرده است. انباشت ثروت با استفاده از تغییر قوانین، انگیزه‌های مالیاتی و ترجیح دادن محصولات بیمه‌ای مرتبط در رونق دادن بازارهای سرمایه از جمله دلایل رشد بیمه‌های عمر در سال 2006 عنوان شده است. رشد 5/1درصدی بیمه‌های غیر عمر در کشورهای صنعتی انحرافی شدید را نشان می‌دهد. این میزان در سال قبل (2005) تقریبا 6/0درصد بوده در حالی که در بازار کشورهای نوظهور بیمه‌های غیر عمر 11درصد رشد داشته‌اند. در کشورهای صنعتی فشار زیاد بر تعرفه‌های بیمه به ویژه بیمه‌های حوادث غیر مترقبه بر اقتصاد به عنوان شاخص برجسته‌ای در بازارها مطرح است که با افزایش تقاضا جبران‌پذیر نیست. سختگیری بیش از اندازه حق بیمه‌ها و فقدان بیمه حوادث رکورد جدیدی از سودآوری را برای شرکت‌های بیمه در سال 2006 پدید آورده است. رشد واقعی بیمه‌نامه‌ها در بازارهای نوظهور 16درصد بوده که این نسبت در کشورهای صنعتی 4درصد تخمین زده شده است.در سال 2006 حق بیمه‌های فروخته شده در برخی مناطق جهان 9درصد GDP را شامل شده است در حالی که در بازارهای نوظهور بین 4/1درصد در خاورمیانه و آسیای مرکزی تا 7/4درصد در آفریقا متفاوت است.پیش‌بینی شده است که صنعت بیمه عمر در کشور هندوستان طی 5 سال آینده از رقم 40میلیارد دلار به 100-80میلیارد دلار در سال 2012 برسد. این رشد ضریب نفوذ بیمه را در این کشور از حد 1/5 تولید ناخالص داخلی به 2/6درصد بین سال‌های 2012-2010 بالا خواهد برد. بازار بیمه‌های عمر در کشور هندوستان طی 6 سال گذشته به سرعت رشد داشته است. رشد حق بیمه‌های تجاری در این مدت سالانه 40درصد بوده که نقش عمده‌ای در این حوزه ایفا کرده است. ضریب نفوذ بیمه در هندوستان در حال حاضر 1/4درصد تولید ناخالص داخلی این کشور را تشکیل می‌دهد که نسبت به میزان استاندارد 9-6درصدی آن در کشورهای توسعه یافته رقم نسبتا پایینی است. البته در این کشور ضریب نفوذ بیمه عمر در مناطق مختلف جمعیتی تفاوت دارد. به طور مثال در مناطق شهری در بازارهای عمومی این میزان 65درصد است اما در مناطق کم جمعیت‌تر این میزان کمتر است. در مناطق روستایی هند ضریب نفوذ بیمه عمر در حدود 40درصد گزارش شده است

تحقیق در مورد طبیعت روشهای آماری 14 ص

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 14 صفحه

 قسمتی از متن .doc : 

طبیعت روشهای آماری

در ذهن عمومی روشهای آماری عبارت از جداولی است که با اعداد سروکار دارند.بدین ترتیب روشهایی که در جمع آوری و تجزیه و تحلیل اعداد تجاری یا مبادلات دولتی بکار میرود مربوط به رشته آمار میشود.در هرحال این تعریف کلی چندان مفید بنظر نمیرسد.از این جهت لازم است قبل از اینکه روشهای مذکور را بتوان بدرستی روشهای آماری نامید.طبیعت اعداد و علل مطالعه آنها را مشخص ومحدود نمود.

روشهای آماری با اعدادی سروکار دارند که با اندازه گیری یا شمارش مشاهدات از منبعی بدست آمده اند. بعنوان مثال،بمنظورمطالعه مخارج خدمات پزشکی یک شهر میتوان درصد محدودی ازساکنین شهررا انتخاب کرد و درمورد مخارج پزشکیشان سؤالاتی نمود.و یا در بررسی نظرات مردم دربارة یک موضوع عمومی که قراراست در کنگره مورد بحث قرارگیرد،تعدادی از رأی دهندگان در سراسر مملکت انتخاب خواهند شد و سؤالاتی دربارة موضوع مذکور عنوان می شود.

به منظور تجزیه و تحلیل جامعه مورد مطالعه،نمونه ای را مناسب با هدف به نحوی که اخیرا ذکرگردید آماردانان انتخاب می نمایند. بدین معنا که نتایج نمونهای انتخاب شده را جهت تمام شهر تعمیم داده می شود.بطور مشابه ، هدف از سؤال کردن از درصد محدودی از رأی دهندگان دربارة یک موضوع عمومی عبارت است از تعیین تقریبی نظرات تمام رأی دهندگان دربارة آن موضوع است.

مجموعه مشاهداتی که بمنظور بدست آوردن اطلاعاتی از یک منبع مشاهدات انتخاب می شود «نمونه» نامند و آن منبع مشاهدات را «جامعه» گویند.با توجه به توضیحات داده شده «روشهای آماری به روشهای تجزیه وتحلیل در موردجوامع با استفاده از نمونه ها اطلاق می شود.» کلمه آمار اغلب به جای روشهای آماری بکار می رود.

آن قسمت از روشهای آماری که به جمع آوری و خلاصه کردن اطلاعات مربوط می شود معمولا «آمارتوضیحی» نامیده می شود.و آن قسمت مربوط به تجزیه وتحلیل و تفسیرنتایج اعداد و ارقام را « آمار توضیحی» نامیده میشود و آن قسمت مربوط به تجزیه و تحلیل و تفسیر نتایج اعداد و ارقام را «آمار تفسیری» گویند.از آنجایی که هدف نهایی تفسیرکردن نتایج که همان تجزیه و تحلیل اعداد است می باشد قسمت توصیفی می بایست بصورت قسمت ابتدایی در نظر گرفته شود.به میزان قابل توجهی در چهل سال اخیر از روشهای آماری در کلیه علوم وفنون بخصوص درعلوم بیولوژی و علوم اجتماعی استفاده شده است .

با وجود اینکه روشهای مهم نسبتا ساده اند و کاربرد آنها در رشته های مختلف یکسان هستند ولی مع الوصف به علت توجه فراوان روشهای آماری به سرعت توسعه نمود و به پیچیدگی و تنوع آن افزوده گردید.

توزیع احتمالات

توزیع فراوانی نمونه عبارت از تخمینی از توزیع فراوانی جامعه مورد نظر است . درصورتی که تعداد نمونه زیاد باشد، میتوانیم چنین انتظار داشته باشیم که توزیع فراوانی نمونه تقریب خوبی از توزیع فراوانی جامعه مورد نظر است. مثلا در مطالعة وزن دانشجویان ساکن خوابگاه، اگرتعداد دانشجویان در خوابگاه 800 نفر باشد و ما400 دانشجو را انتخاب کرده باشیم، میتوانیم انتظار داشته باشیم که توزیع فراوانی جامعه خیلی شبیه یکدیگر باشند .

تعداد نمونه در مسایل آماری غالبا آنقدر کافی نیست که توزیع جامعه را با دقت کافی مشخص سازد. مع الوصف با اطلاعات حاصله از نمونه بعلاوه اطلاعاتی که از منابع دیگر جمع آوری می شود، شکل عمومی توزیع جامعه قابل پیش بینی است. توزیع احتمالات عبارت از مدل ریاضی است برای توزیع واقعی یک فراوانی مورد نظر است.

تجزیه واریانس

بدون شک یکی از مسایلی که اغلب در کارهای آماری با آن برخورد می شود موضوع آزمون تفاوت نمونه است که آیا از نظر آماری تفاوت دو نمونه نسبت به صفتی معنادار است یا خیر؟ این مساله با آزمون تساوی میانگین دو جامعه یا تساوی نسبت در دو جامعه مطرح و حل می شود.

دلیل اینکه این قبیل مسائل اغلب اتفاق می افتد این است که پژوهشگران اکثرا آزمایشی را طرح می کنندکه هدفشان مقایسه یک روش جدید است با یک روش معمولی.

مثلا ممکن است معلمی معتقد باشد روشی که جهت زبانهای خارجی پیدا کرد، بهتر از روش متداول است که در گروه زبان تدریس می گردد، و یا یک نفر شیمیدان ممکنست یک نوع پلاستیک جدیدی کشف کرده باشد که از آن پلاستیکی که در کارخانه اش ساخته می شود مرغوبتر باشد. در هر یک از دو حالت نحوه آزمایش به این ترتیب مطرح می گردد که آزمونی انجام شود که معلوم گردد روش جدید و پلاستیک جدید در واقع از روش قبلی یا پلاستیک قبلی بهتر است یا خیر .

در هر حال، مقایساتی که اغلب اتفاق می افتد شامل چندین روش یا چندین نوع محصول می باشد به جای مقایسه دو نوع .مثلا یک کارخانه کیک سازی با تغییر دادن مقادیرتشکیل دهنده کیک، شش نوع کیک تولید میکندو می خواهد از نظر کیفیت آنها را مقایسه نماید. در اینگونه مسائل کار صحیحی نیست که در هر دفعه دو نوع کیک مقایسه شوند. درمسأله اخیرکه تعداد نمونه شش می باشد در نتیجه تعداد مقایسات برابر با پانزده دفعه خواهد شد. از طرف دیگر احتمال در آزمون یک تفاوت با احتمال چند آزمون که توأما انجام شود یکسان نخواهد بود. یکی دیگراز معایب مقایسه دو نمونه در هر دفعه ممکن است منجر به طرح آزمایشات نامطلوب شد که دقیقا به هدف اصلی نایل نگردید.مثلا کارخانه سازنده کیک ممکن است فقط یک عامل را درهرزمان تغییر دهد و در هر دفعه در مقایسه دو کیک نوع بهتر را انتخاب نماید و در این صورت ممکن است یک نوع کیک بهتر را فراموش نماید ولی اگرچند عامل موثر در مخلوط کیک را تغییر دهد و سپس کلیه کیکها را توأما بررسی نماید احتمال نرسیدن به هدف اصلی از بین خواهد رفت.

با توجه به مطالب ذکرشده به منظورحل مسائل چند متغیره به نظر میرسد که احتیاج به روش جدیدی است. یکی از این روشها جهت حل مسائلی که دارای چند متغیرپیوسته اند بنام «تجزیه واریانس» میباشد.عبارت تجزیه واریانس را معمولا با علامت اختصاری "ANOVA" نشان میدهند. همان طوریکه از اسم مذکور برمی آید تجزیه واریانس روشی است که واریانس نمونه را به عوامل مفیدی تجزیه می نماید. تجزیه واریانس جهت حل مسائل متنوع عنوان میشود مثلا یکی از کاربردهای آن در طبقه بندی یک متغیره وکاربرد دیگر آن در طبقه بندی دو متغیره است.

روشهای غیر پارامتری

در آزمون هایی چون مقدار µ شرط نرمال بودن توزیع جامعه و یا در آزمون πشرط دو جمله ای بودن توزیع جامعه از مفروضات الزامی بوده است. درحالیکه در توزیع X 2 برای مقایسه فراوانی مشاهدات با فراوانی که انتظار می رود به هیچگونه مفروضاتی نیاز نیست. در روشهای غیرپارامتری هر گونه اطلاعی از نوع توزیع جامعه، غالبا فراوانی مورد انتظار محاسبه میگردد. بطور مثال در بررسی مستقل بودن دو متغیردرمسأله جدول توافقی اطلاع از نوع توزیع دو متغییر ضرورتی ندارد.

بطورخلاصه در شرایطی که هیچگونه اطلاعی از توزیع متغیر در اختیار نیست و یا احتیاجی به دانستن نوع متغیر نمی باشد، از روشهای غیرپارامتری استفاده میشود. زیرا در روشهای غیرپارامتری مقدار پارامتر از جامعه ای که توزیع آن مشخص نگردیده مورد آزمون قرار میگیرد. در حالیکه در سایرروشها نوع توزیع جامعه معلوم است و بدیهی است که اگر نوع توزیع پارامتر جامعه مشخص باشد بهتر است از روشهای استاندارد آماری استفاده گردد. چون در چنین شرایطی اگر بتوان روشهای غیرپارامتری را بکار گرفت بدون شک نتیجه حاصله به خوبی نتیجه حاصله از روشهای استاندارد را نخواهد داشت. بنابراین تنها در شرایطی از روشهای غیرپارامتری بایستی استفاده نمود که بکار بردن روشهای استاندارد مجاز نباشد. روشهای غیرپارامتری قادرند علاوه بر مسائل حل شده توسط روشهایی چون آزمون مقدارµ و یا آزمون π، مسائل جدید دیگر را نیز حل کنند.

آمار پارامتری و ناپارامتری

آنهایی که با آماره آشنا هستند می دانند که معمولا با معلوم بودن نوع توزیع احتمال یک متغییر تصادفی، دربارة یک یا چند پارامتر مجهول بر اساس یک نمونه تصادفی استنباط آماری انجام میگیرد مثلا فرض می کنیم که وزن یک نوزاد متغیر تصادفی نرمال باشد و بخواهیم میانه این متغیر را یعنی پارامتری که وزن 50 درصد از نوزادان که از هستند بر آورد کنیم چون در توزیع نرمال میانه برابرند در نتیجه مدل نمونه ، هم برآورد میانگین و هم برآورد میانه میباشد اینجا برآوردیابی با دانستن نوع توزیع اجرا میشود از اینرو این شاخه از آمار را«آمار وابسته به توزیع» یا در اصطلاح «آمار پارامتری» میگویند. حال فرض کنید که توزیع احتمال وزن نوزاد مجهول باشد بخواهیم میانه را

تحقیق درباره درصد شرکت کنندگان در آزمون شیمی 18 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 18

پروژة آماری

موضوع مورد مطالعه (متغیر تصادفی ) :

درصد شرکت کنندگان در آزمون شیمی

دبیر مربوطه :

سرکار خانم جعفری

تهیه کنندگان :

غنچه مجتهدی ، لادن زربخش

جامعه :کلیه شرکت کنندگان در آزمون شیمی

نمونه : 250 نفر از شرکت کنندگان که به طورتصادفی انتخاب شده اند

موضوع مورد مطالعه (متغیر تصادفی ) :

درصد شرکت کنندگان در آزمون شیمی

روش جمع آوری داده : استفاده از داده های از پیش تهیه شده .

نوع متغیر : کمی پیوسته

اندازه جامعه : کلیه شرکت کنندگان در آزمون شمی (1000 نفر )

جدول فراوانی :

F تجمعی

درصد F نسبی

F نسبی

xi

fi

حدود دسته

50

50

37

80

42

30

11

N=250

نمودار مستطیلی