1 Próba a populacja. Nasze rozwa zania zaczniemy od przedyskutowania podstawowych poj ¾eć statystycznych,
|
|
- Grzegorz Olejnik
- 6 lat temu
- Przeglądów:
Transkrypt
1 Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych godziny konwersatorium autor Adam Kiersztyn Próba a populacja Nasze rozwa zania zaczniemy od przedyskutowania podstawowych poj eć statystycznych, poszczególne de nicje zostana wzbogacone o obrazowe przyk ady. Jednym z najistotniejszych poj eć jest populacja statystyczna. De nicja Populacja statystyczna (zbiorowo sć generalna) jest to zbiór obiektów obj etych badaniem statystycznym, co do których formu uje si e wnioski statystyczne. Bardzo silnie z poj eciem populacji statystycznej zwiazane jest poj ecie próby statystycznej. De nicja Próba statystyczna jest to zbiór obserwacji statystycznych wybranych z populacji statystycznej. Na próbie dokonywane sa bezpo srednie badania statystyczne a wyniki badań sa uogólniane na populacj e. Ju z z pobie znej analizy obu de nicji wynika, ze próba jest pewnym podzbiorem populacji. W tym miejscu mo ze pojawić si e pytania Jaki sens ma badanie próby zamiast ca ej populacji? W jaki sposób dokonać wybory próby? Jaki jest zwiazek pomi edzy wynikami badań przeprowadzonych dla próby a oczekiwanymi wynikami dotyczacymi ca ej populacji? Zanim odpowiemy na te pytania spróbujmy podać kilka przyk adów ró znych populacji statystycznych oraz prób. Przyk ad Rozwa zmy populacj e statystyczna, która stanowia wszyscy zyjacy ludzie na Ziemi. Jest to co prawda populacja skończona, ale nie jest mo zliwe zbadanie chocia zby wzrostu ca ej populacji ludzi. W zwiazku z tym chcac oszacować sredni wzrost ludzi nale za oby obliczyć srednia dla pewnego podzbioru wszystkich ludzi i na tej podstawie przybli zyć srednia wzrostu wszystkich ludzi. Oczywíscie wybór tego podzbioru (czyli próby) nie jest dowolny. Zastanówmy si e bowiem, czy wybranie jako próby cz onków polskiej dru zyny siatkarzy by oby uzasadnione, albo czy przyj ecie jako próba uczniów pewnej szko y by oby w a sciwe? Oba podane przyk ady w jasny sposób pokazuja, ze wybór próby statystycznej nie jest taki prosty, bowiem nie ka zdy podzbiór populacji jest reprezentatywny. Pojawia si e tutaj kolejny problem. W jaki sposób dokonać wyboru próby z populacji? Przy wyborze próby musimy mieć na uwadze cech e statystyczna (lub cechy statystyczne) jaka chcemy badać. Najcześciej stosuje sie prób e losowa, czyli ciag zmiennych losowych o takim samym rozk adzie jak rozk ad populacji.
2 Przyk ad Rozwa zmy teraz populacj e drzew w pewnym lesie mieszanym, interesujac a nas cecha b edzie wysoko sć drzew. Jakie próby mo zna wyró zníc w tej populacji? Ćwiczenie Odpowiedzieć na postawione powy zej pytania dotyczace zwiazków populacji oraz próby. Ćwiczenie Podać inne przyk ady populacji. De nicja 3 Jednostka statystyczna jest to element zbiorowo sci statystycznej, który poddawany jest badaniom. De nicja 4 Cecha statystyczna jest to w a sciwo sć, która odznaczaja si e jednostki statystyczne i która podlega badaniu statystycznemu. Cechy statystyczne mo zna podzielić na Jakościowe - niemierzalne, opisowe cechy statystyczne, określane s ownie. Porzadkowe - cechy opisane za pomoca skali liczbowej, ale te liczby wskazuj e jedynie na porzadek wed ug którego zosta y ustawione analizowane cechy. Ilościowe - cechy opisane za pomoca skali liczbowej, cz esto z wyró znionym zerem. Ćwiczenie 3 Opisać populacj e osób b ed acych na zaj eciach za pomoca kilku cech, jakiego rodzaju sa to cechy? Zmienne losowe ciag e i skokowe Pod poj eciem zmiennej losowej b edziemy rozumieć dowolna funkcje mierzalna. W teorii prawdopodobieństwa wyró znia si e dwa g ówne typy zmiennych losowych, mianowicie zmienne losowe ciag e i skokowe. Bez wdawania w szczegó owe rozwa zania, dla naszych potrzeb wystarczy stwierdzenie, ze zmienna losowa skokowa przyjmuje wartości w pewnym przeliczalnym zbiorze wartości, natomiast zmienna losowa ciag a przyjmuje wartości w zbiorze nieprzeliczalnym. Z poj eciem zmiennej losowej nierozerwalnie zwiazany jest jej rozk ad. De nicja 5 Rozk ad zmiennej losowej jest to miara probabilistyczna okre slona na -ciele podzbiorów warto sci zmiennej losowej Tak określona miara probabilistyczna pozwala przypisać prawdopodobieństwa poszczególnym zdarzeniom losowym. Rozk ad zmiennej losowej mo zna zadawać w ró zny sposób. Dla zmiennych losowych typu skokowego zazwyczaj zadaje si e poprzez podanie funkcji skoków prawdopodobieństwa. Funkcj e ta przyje o sie przedstawiać w przejrzystej formie tabelki.
3 Przyk ad 3 Funkcj e ta przyj e o si e przedstawiać w przejrzystej formie tabelki. Rozwa zmy zmienna losowa X oznaczajac a wyrzucona na kostce liczb e oczek, w tym przypadku funkcja skoku przyjmuje postać nast epujacej tabelki x i p i Dla zmiennych losowych typu ciag ego podanie rozk ady za pomoca tak czytelnej tabelki jest niemo zliwe (pami etamy, ze przyjmuje on nieskończenie wiele wartości). Dlatego najcz eściej rozk ad zmiennej losowej zadaje si e za pomoca g estości prawdopodobieństwa. Cz esto rozwa zanym przyk adem zmiennej losowej typu skokowego jest zmienna losowa o rozk adzie jednostajnym (równomiernym), charakteryzuje si e ona tym, ze ka zda wartość liczbowa z pewnego przedzia u liczbowego (a; b) przyjmowana jest z równym prawdopodobieństwem, natomiast wartości spoza tego przedzia u nie sa przyjmowane. W takim przypadku g estość wyra za si e wzorem < b a dla x (a; b) f (x) = 0 dla x = (a; b) Innym sposobem zadania rozk adu jest podanie dystrybuanty rozk adu. Dystrybuant e zmiennej losowej rozwa za si e zarówno dla zmiennych losowych typu skokowego jak i zmiennych losowych typu ciag ego. De nicja Dystrybuanta zmiennej losowej X nazywamy funkcj e rzeczywista jednoznacznie wyznaczajac a rozk ad prawdopodobieństwa, a wi ec zawierajac a wszystkie informacje o tym rozk adzie. Dystrybuant e zazwyczaj wyznacza si e z pomoca nast epujacego wzoru F X (t) = P (X < t) = P (X ( ; t)) () Uwaga W niektórych ksia zkach mo zna spotkać si e z nieco inna de nicja, mianowicie nierówno sć < zastapiona jest przez nierówno sć ; czyli F X (t) = P (X t) = P (X ( ; t]) () Uwaga Je sli nie budzi to nieporozumień indeks dolny, mówiacy o tym jakiej zmiennej jest to dystrybuanta, mo zna pominać. Je sli w zadaniu mamy zadana tylko jedna zmienna losowa to smia o mo zna pominać indeks dolny. Uwaga 3 Ze wzgl edów praktycznych dystrybuant e zmiennej losowej wyznacza si e za pomoca nast epujacych pomocniczych wzorów X p i dla zmiennych typu skokowego >< x i<()t F X (t) = Z t (3) f (x) dx dla zmiennych typu ciag ego > 3
4 Przyk ad 4 Wyznaczymy dystrybuant e zmiennej losowej podanej w przyk adzie 3 na dwa sposoby, w ten sposób b edziemy mogli porównać ró znice wynikajace z tych dwóch de nicji. Korzystajac ze wzoru () otrzymujemy nast epujacy wzór dystrybuanty 0 dla x ( ; ] dla x (; ] >< F X (x) = > dla x (; 3] 3 dla x (3; 4] 4 dla x (4; 5] 5 dla x (5; ] dla x (; ) Natomiast po zastosowanie wzoru () otrzymujemy wzór funkcji 0 dla x ( ; ) >< F X (x) = > dla x [; ) dla x [; 3) 3 dla x [3; 4) 4 dla x [4; 5) 5 dla x [5; ) dla x [; ) Jak atwo spostrzec jedyna ró znica polega, ze dystrybuanta jest lewostronnie lub prawostronnie ciag a. Przyk ad 5 Wyznaczanie dystrybuanty zmiennej losowej jest nieco trudniejsze i jak wiemy polega na obliczaniu ca ek oznaczonych z g esto sci. W dalszej cz e sci naszych rozwa zań nie b edziemy obliczać warto sci dystrybuant zmiennych losowych ciag ych. B edziemy natomiast stosunkowo cz esto korzystać z warto sci dystrybuant wybranych rozk adów zawartych w tablicach statystycznych. W zwiazku z tym, aby mieć czyste sumienie wyznaczymy dystrybuant e wybranego rozk adu. Rozwa zmy zmienna losowa o g esto sci ( 0 dla x ( ; 0) f (x) = e x dla x [0; ) 4
5 wówczas korzystajac ze wzoru (3) otrzymujemy nast epujac a funkcj e >< F (x) = > Z x Z x 0dt = 0 dla x ( ; 0) f (t) dt = e x dla x [0; ) gdzie druga cze sć wzoru otrzymujemy w nast epujacy sposób Z x f (t) dt = Z 0 Z x 0dt + e t dt = 0 + e t j x 0 = e x 0 Analizujac powy zsze dwa przyk ady mo zemy atwo dostrzec pewna bardzo istotna w asność wszystkich dystrybuant. Mianowicie oraz lim F (x) = 0 x! lim F (x) = x! Ćwiczenie 4 Wyznaczyć dystrybuant e zmiennej losowej Y o rozk adzie jednostajnym na odcinku (0; 5) Ćwiczenie 5 Dana jest zmienna losowa X o funkcji skoków prawdopodobieństwa zadanej tabelka x i 0 3 p i wyznaczyć dystrybuant e zmiennej losowej X W statystyce dystrybuanta rozk adu próby zwana jest dystrybuanta empiryczna i jest blisko zwiazana z poj eciem rangi. W poni zszym przyk adzie poznamy praktyczny sposób wyznaczania dystrybuanty empirycznej. Przyk ad Zbadano napi ecie pradu w kilku losowych chwilach czasu i otrzymano wyniki 30, 3, 5,, 30, 33, 30, 30, 3, 35. Wyznaczyć dystrybuant e empiryczna. Rozwiazanie W pierwszym kroku musimy wartości ustawić w sposób niemalejacy, mamy wówczas 5; ; 30; 30; 30; 30; 3; 3; 33; 35 5
6 Nast epnie mo zemy przystapić do wyznaczania dystrybuanty empirycznej, przy czy pamietajmy, ze n = 0 >< F (x) = > 0 dla x ( ; 5] 0 dla x (5; ] 0 dla x (; 30] 0 dla x (30; 3] 7 0 dla x (3; 3] 0 dla x (3; 33] 9 0 dla x (33; 35] dla x (35; ] Prześledźmy dok adniej w jaki sposób zosta a wyznaczona np. wartość F (33). Zauwa zmy, ze liczba obserwacji mniejszych od 33 wynosi i w zwiazku z tym F (33) = 0 = Ćwiczenia do samodzielnego rozwiazania Ćwiczenie Rozwa zmy rzut dwiema symetrycznymi monetami. Niech X oznacza liczba wyrzuconych or ów. Podać rozk ad oraz dystrybuant e tak okre slonej zmiennej losowej. Ćwiczenie 7 Zbadano ilo sć samochodów sprzedawanych przez pewien salon w ciagu kolejnych dni i otrzymano wyniki 0; ; 7; ; ; 9 ; Wyznaczyć dystrybuant e empiryczna. Ćwiczenie Dana jest zmienna losowa Y o rozk adzie zadanym tabelka x i 0 4 p i Wyznaczyć dystrybuant e zmiennej losowej Y Ćwiczenie 9 Dana jest zmienna losowa Z o g esto sci f (x) = x + dla x (0; ) 0 dla x = (0; ) Wyznaczyć dystrybuant e zmiennej losowej Z
7 4 Zbiory cech statystycznych Szereg statystyczny to zbiór wartości liczbowych badanej cechy uporzadkowany wed ug określonych kryteriów. Rozró znimy kilka rodzaj szeregów statystycznych. W naszych rozwa zaniach skoncentrujemy si e na szeregach punktowych i przedzia owych. 4. Szereg rozdzielczy punktowy Jednym z mo zliwych sposobów reprezentacji danych jest szereg rozdzielczy punktowy. Jest on najcześciej podawany za pomoca tabeli, w której w jednym wierszu (lub kolumnie) podawane sa wartości cechy a w drugim wierszu (lub odpowiednio kolumnie) podawana jest liczba elementów przyjmujacych dana wartość. Rozwa zmy nast epujacy przyk ad. Przyk ad 7 Zmierzono napi ecie pradu i otrzymano nast epujace wyniki 7; 7; 7; 7; 7; ; ; ; ; ; ; ; 9; 9; 9; 9; 9; 9; 9; 9; 9; 9; 9; 9; 30; 30; ; 30; 3; 3; ; 3 {z } {z } ; 3 razy razy 3; 3; 3; 3; 3; 33; 33 W powy zszym zestawie obserwacji nie wypisano wszystkich powtórzeń warto sci 30 oraz 3 Jest oczywiste, ze praca na takich danych bez zastosowania narz edzi 7
8 komputerowych by aby bardzo zmudna. Zastosowanie arkusza excel i wprowadzenie tych wszystkich warto sci równie z nie nale za oby do najprzyjemniejszych. W takich w a snie przypadkach stosuje si e szeregi rozdzielcze punktowe. Dane dotyczace napi ecia pradu mo zna przedstawíc w nast epujacy sposób warto sć napi ecia liczba obserwacji lub równowa znie za pomoca analogicznej tabeli warto sć napi ecia liczba obserwacji Poznaliśmy ju z wzory dla podstawowych miar przedstawionych za pomoca szeregu rozdzielczego punktowego. 4. Szereg rozdzielczy przedzia owy Na wst epie rozwa zań dotyczacych szeregów rozdzielczych przedzia owych musimy zauwa zyć, ze ten typ reprezentacji danych ma pewne minusy. Trzeba bowiem pamietać, ze stosujac szereg rozdzielczy przedzia owy zast epujemy dane dok adne pewnymi przybli zeniami w zwiazku z czym otrzymywane przez nas wartości miar nie pokrywaja si e idealnie z ich odpowiednikami liczonymi bezpośrednio dla danych niezgrupowanych. Ró znice te sa jednak zazwyczaj ma o istotne. Zastanówmy sie nastepnie, kiedy zastosowanie szeregu rozdzielczego przedzia owego jest uzasadnione. Po pierwsze wielkość próby, na której dokonywana jest analiza powinna być dość du za (nie ma sensu stosowanie szeregu rozdzielczego przedzia owego dla kilku obserwacji), ponadto rozstep z próby te z powinien być dostatecznie du zy. W podanym powy zej przyk adzie na szereg rozdzielczy punktowy zastosowanie szeregu rozdzielczego przedzia owego nie mia oby wi ekszego sensu. Pomimo tego, ze próba jest dość du za rozstep jest niewielki i wynosi zaledwie jednostek. Zanim podamy przyk ad szeregu rozdzielczego przedzia owego musimy przedstawić schemat, za pomoca którego jest on budowany. Pierwszym problem jest określenie ilości przedzia ów na jakie mamy podzielić dost epne dane. Przyj e o sie, ze liczba przedzia ów k p N, gdzie N oznacza liczebność próby. Nastepnie wyró zniamy element najmniejszy x min i najwiekszy x max w dostepnej zbiorowości. Kolejnym krokiem jest ustalenie rozpi etości przedzia u za pomoca wzoru h = x max k x min
9 Ostatnim krokiem jest budowa przedzia ów. Przyk ad Zbadano wzrost pewnej grupy studentów i otrzymano nast epujace dane 55, 0,,,, 3, 4, 5, 5,,, 9, 70, 70, 7, 7, 7, 73, 74, 74, 75, 7, 77, 7, 79, 0,, 4, 5, 7,, 9, 90, 9, 9. W naszym przypadku N = 35 w zwiazku z tym przyjmujemy, ze k = atwo 9 55 zauwa zamy, ze x min = 55; za s x max = 9 oraz h = = Ostatecznie mo zemy nasze dane zebrać w szereg przedzia owy przedzia liczebno sć [55; ) [; 7) 7 [7; 73) [73; 79) 7 [79; 5) 4 [5; 9] 7 Ćwiczenie 0 Podane poni zej dane dotyczace czasu dojazdu do pracy (w minutach) przedstawíc w postaci szeregu rozdzielczego przedzia owego. Czasy dojazdu, 9, 9, 0, 0,,,,, 4, 5, 5, 5,5,7, 7,, 9, 0, 0, 3, 3, 4, 5,, 7,, 9, 30, 3, 3, 3, 33,35, 40, 45, 50, 55, 0. 9
Bardzo silnie z poj ¾eciem populacji statystycznej zwiazane ¾ jest poj ¾ecie próby statystycznej.
Próba a populacja Nasze rozwa zania zaczniemy od przedyskutowania podstawowych poj eć statystycznych, poszczególne de nicje zostana wzbogacone o obrazowe przyk ady. Jednym z najistotniejszych poj eć jest
Bardziej szczegółowo1 Rozk ad normalny. Szczególnym przypadkiem jest standardowy rozk ad normalny N (0; 1), wartości
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Podstawy statystyki matematycznej Adam Kiersztyn 2 godziny lekcyjne 2011-10-23 8.20-9.50 1 Rozk ad normalny Jednym z najwa
Bardziej szczegółowo1 Praktyczne metody wyznaczania podstawowych miar bez zastosowania komputerów
Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 8.03.014 - godziny ćwiczeń autor: Adam Kiersztyn 1 Praktyczne metody wyznaczania podstawowych miar
Bardziej szczegółowo1 Miary asymetrii i koncentracji
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Podstawy statystyki opisowej Adam Kiersztyn 3 godziny lekcyjne 2011-10-22 10.10-12.30 1 Miary asymetrii i koncentracji
Bardziej szczegółowo1 Praktyczne metody wyznaczania podstawowych miar przy zastosowaniu programu EXCEL
Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 9.03.2014-3 godziny ćwiczeń autor: Adam Kiersztyn 1 Praktyczne metody wyznaczania podstawowych miar
Bardziej szczegółowoPochodne cz ¾astkowe i ich zastosowanie.
Pochodne cz ¾astkowe i ich zastosowanie. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Pochodne cz ¾astkowe i ich zastosowanie. maj 2013 1 / 18 Zanim przejdziemy do omawiania pochodnych funkcji wielu zmiennych
Bardziej szczegółowo1 Rekodowanie w podgrupach i obliczanie wartości w podgrupach
1 Rekodowanie w podgrupach i obliczanie wartości w podgrupach Czasami chcemy rekodować jedynie cz ¾eść danych zawartych w pewnym zbiorze. W takim przypadku stosujemy rekodowanie z zastosowaniem warunku
Bardziej szczegółowo1 Wieloczynnikowa analiza wariancji
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Statystyczna analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-02-04 13.00-17.00 1 Wieloczynnikowa analiza wariancji
Bardziej szczegółowoStatystyczna analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok
Statystyczna analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok Adam Kiersztyn Katedra Teorii Prawdopodobieństwa Wydzia Matematyczno - Przyrodniczy Katolicki Uniwersytet
Bardziej szczegółowo1 Analiza wariancji H 1 : 1 6= 2 _ 1 6= 3 _ 1 6= 4 _ 2 6= 3 _ 2 6= 4 _ 3 6= 4
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Statystyczna analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-02-04 13.00-17.00 1 Analiza wariancji Na wst¾epie zapoznamy
Bardziej szczegółowo1 Poj ¾ecie szeregu czasowego
Studia podyplomowe w zakresie przetwarzania, zarz¾adzania i statystycznej analizy danych Analiza szeregów czasowych 24.11.2013-2 godziny konwersatorium autor: Adam Kiersztyn 1 Poj ¾ecie szeregu czasowego
Bardziej szczegółowo1 Testy statystyczne. 2 Rodzaje testów
1 Testy statystyczne Podczas sprawdzania hipotez statystycznych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ na odrzuceniu hipotezy zerowej (H 0 ), gdy jest ona prawdziwa,
Bardziej szczegółowoRównania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody".
Równania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody". Przyk ad. Za ó zmy, ze w chwili t = 0 populacja liczy P 0 osób. Roczny wskaźnik urodzeń wynosi b = 00, a roczna
Bardziej szczegółowoPodstawowe pojęcia: Populacja. Populacja skończona zawiera skończoną liczbę jednostek statystycznych
Podstawowe pojęcia: Badanie statystyczne - zespół czynności zmierzających do uzyskania za pomocą metod statystycznych informacji charakteryzujących interesującą nas zbiorowość (populację generalną) Populacja
Bardziej szczegółowoWyk ad II. Stacjonarne szeregi czasowe.
Wyk ad II. Stacjonarne szeregi czasowe. W wi ekszości przypadków poszukiwanie modelu, który dok adnie by opisywa zachowanie sk adnika losowego " t, polega na analizie pewnej klasy losowych ciagów czasowych
Bardziej szczegółowoEkstrema funkcji wielu zmiennych.
Ekstrema funkcji wielu zmiennych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Ekstrema funkcji wielu zmiennych. kwiecień 2013 1 / 13 Niech dana b ¾edzie funkcja f (x, y) określona w pewnym otoczeniu punktu
Bardziej szczegółowo1 Przygotowanie ankiety
1 Przygotowanie ankiety Na dzisiejszych zaj ¾eciach skupimy si ¾e na zasadach tworzenia, wprowadzania oraz wst ¾epnej analizie danych zawartych w ankietach. Za ó zmy, ze ankieta sk ada si ¾e nast¾epujacych
Bardziej szczegółowoWyznaczniki, macierz odwrotna, równania macierzowe
Wyznaczniki, macierz odwrotna, równania macierzowe Adam Kiersztyn Katolicki Uniwersytet Lubelski Jana Paw a II Lublin 013 Adam Kiersztyn (KUL) Wyznaczniki, macierz odwrotna, równania macierzowe marzec
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
Bardziej szczegółowoOcena ryzyka kredytowego
Marcin Studniarski http://math.uni.lodz.pl/marstud/ marstud@math.uni.lodz.pl Ocena ryzyka kredytowego (semestr letni 2013/14) 1 Informacje wst epne Celem tego rozdzia u jest powtórzenie pewnych wiadomości
Bardziej szczegółowoStatystyka. Wykład 1. Magdalena Alama-Bućko. 20 lutego Magdalena Alama-Bućko Statystyka 20 lutego / 19
Statystyka Wykład 1 Magdalena Alama-Bućko 20 lutego 2017 Magdalena Alama-Bućko Statystyka 20 lutego 2017 1 / 19 Wykład : 30h Laboratoria : 30h (grupa B : 14:00, grupa C : 10:30, grupa E : 12:15) obowiazek
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
10 marca 2014 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Je zeli ka zdemu punktowi P o wspó rzednych x; y) z pewnego obszaru D na p aszczyźnie R 2 przyporzadkujemy w sposób jednoznaczny liczb e rzeczywista z, to przyporzadkowanie to nazywamy
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoWprowadzenie do równań ró znicowych i ró zniczkowych.
Wprowadzenie do równań ró znicowych i ró zniczkowych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Wprowadzenie do równań ró znicowych i ró zniczkowych. maj 2013 1 / 11 Przyjmijmy nast ¾epuj ¾ace oznaczenia:
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
22 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowoPOJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.
[1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej
Bardziej szczegółowoStatystyka. Wykład 1. Magdalena Alama-Bućko. 26 lutego Magdalena Alama-Bućko Statystyka 26 lutego / 34
Statystyka Wykład 1 Magdalena Alama-Bućko 26 lutego 2018 Magdalena Alama-Bućko Statystyka 26 lutego 2018 1 / 34 Wykład : 30h Laboratoria : 30h egzamin w sesji letniej (po uprzednim zaliczeniu ćwiczeń)
Bardziej szczegółowoStatystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl
Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Przestrzeń probabilistyczna Niech Ω będzie dowolnym zbiorem, zwanym przestrzenią zdarzeń elementarnych. Elementy ω tej przestrzeni nazywamy zdarzeniami elementarnymi.
Bardziej szczegółowo1 Regresja liniowa cz. I
Regresja liniowa cz. I. Model statystyczny Model statystyczny to zbiór za o zeń. Wprowadzamy model, który mo zliwie najlepiej opisuje ineresujacy ¾ nas fragment rzeczywistość. B ¾edy modelu wynikaja¾ z
Bardziej szczegółowoStatystyka Opisowa z Demografią oraz Biostatystyka. Zmienne losowe. Aleksander Denisiuk. denisjuk@euh-e.edu.pl
Statystyka Opisowa z Demografią oraz Biostatystyka Zmienne losowe Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka p.
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:
Bardziej szczegółowo6.4 Podstawowe metody statystyczne
156 Wstęp do statystyki matematycznej 6.4 Podstawowe metody statystyczne Spóbujemy teraz w dopuszczalnym uproszczeniu przedstawić istotę analizy statystycznej. W szczególności udzielimy odpowiedzi na postawione
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowozdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno.
Rachunek prawdopodobieństwa Podstawowym celem rachunku prawdopodobieństwa jest określanie szans zajścia pewnych zdarzeń. Pojęcie podstawowe rachunku prawdopodobieństwa to: zdarzenie losowe - zdarzenie
Bardziej szczegółowo1 Wieloczynnikowa analiza wariancji ciag ¾ dalszy
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Wielowymiarowa analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-03-18 08.20-12.30 1 Wieloczynnikowa analiza wariancji
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoStatystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Statystyka Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Statystyka Statystyka: nauka zajmuj ca si liczbowym opisem zjawisk masowych oraz ich analizowaniem, zbiory informacji liczbowych. (Sªownik
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa
STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowo1 Testy statystyczne. 2 Rodzaje testów
1 Testy statystyczne Podczas sprawdzania hipotez statystycznych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ na odrzuceniu hipotezy zerowej (H 0 ), gdy jest ona prawdziwa,
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoStatystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt
Statystyka matematyczna dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Zasady zaliczenia przedmiotu: część wykładowa Maksymalna liczba punktów do zdobycia 40. Egzamin będzie
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 3 Zmienna losowa i jej rozkłady Zdarzenia losowe Pojęcie prawdopodobieństwa
Bardziej szczegółowoPodstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na
Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoRozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Rozważmy eksperymenty 1 gra Bolka w ruletkę w kasynie;
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoPrzestrzeń probabilistyczna
Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty
Bardziej szczegółowoSTATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 12 listopada 2017 1 Analiza współzależności dwóch cech 2 Jednostka zbiorowości - para (X,Y ). Przy badaniu korelacji nie ma znaczenia, która
Bardziej szczegółowoSCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
Bardziej szczegółowoPrzykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru
Bardziej szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39
Statystyka Wykład 2 Magdalena Alama-Bućko 27 lutego 2017 Magdalena Alama-Bućko Statystyka 27 lutego 2017 1 / 39 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: https://bdl.stat.gov.pl/
Bardziej szczegółowoPlan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii
Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:
Bardziej szczegółowoSposoby prezentacji problemów w statystyce
S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki
Bardziej szczegółowoMatematyka 2. dr inż. Rajmund Stasiewicz
Matematyka 2 dr inż. Rajmund Stasiewicz Skala ocen Punkty Ocena 0 50 2,0 51 60 3,0 61 70 3,5 71 80 4,0 81 90 4,5 91-5,0 Zwolnienie z egzaminu Ocena z egzaminu liczba punktów z ćwiczeń - 5 Warunki zaliczenia
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Wprowadzenie Przykład 1 Bolek, Lolek i Tola
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowoAleksander Adamowski (s1869) zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut.
Zadanie Statystyczna Analiza Danych - Zadania 6 Aleksander Adamowski (s869) W pewnym biurze czas losowo wybranej rozmowy telefonicznej jest zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut.
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 12.10.2002 r.
Matematya ubezpieczeń majątowych.0.00 r. Zadanie. W pewnym portfelu ryzy ubezpieczycielowi udaje się reompensować sobie jedną trzecią wartości pierwotnie wypłaconych odszodowań w formie regresów. Oczywiście
Bardziej szczegółowoPODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowoRozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,
Wykład 4. Rozkłady i ich dystrybuanty 6 marca 2007 Jak opisać cały rozkład jedną funkcją? Aby znać rozkład zmiennej X, musimy umieć obliczyć P (a < X < b) dla dowolnych a < b. W tym celu wystarczy znać
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowo(C. Gauss, P. Laplace, Bernoulli, R. Fisher, J. Spława-Neyman) Wikipedia 2008
STATYSTYKA MATEMATYCZNA - dział matematyki stosowanej oparty na rachunku prawdopodobieństwa; zajmuje się badaniem zbiorów na podstawie analizy ich części. Nauka, której przedmiotem zainteresowania są metody
Bardziej szczegółowoWykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap
Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody
Bardziej szczegółowoStatystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl
Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoWYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena
Bardziej szczegółowozbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne)
STATYSTYKA zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne) DANYCH STATYSTYKA MATEMATYCZNA analiza i interpretacja danych przy wykorzystaniu metod
Bardziej szczegółowo1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:
Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,
Bardziej szczegółowoW2 Podstawy rachunku prawdopodobieństwa (przypomnienie)
W2 Podstawy rachunku prawdopodobieństwa (przypomnienie) Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Rachunek prawdopodobieństwa - przypomnienie 1. Zdarzenia 2. Prawdopodobieństwo
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38
Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoZmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej
Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej c Copyright by Ireneusz Krech ikrech@ap.krakow.pl Instytut Matematyki Uniwersytet Pedagogiczny im. KEN w Krakowie
Bardziej szczegółowo1 Testy statystyczne. 2 Rodzaje testów
1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli
Bardziej szczegółowoSTATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;
STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; - badanie skuteczności nowego leku; - badanie stopnia zanieczyszczenia gleb metalami
Bardziej szczegółowoWyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera
Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoStatystyka. Podstawowe pojęcia: populacja (zbiorowość statystyczna), jednostka statystyczna, próba. Cechy: ilościowe (mierzalne),
Statystyka zbiór przetworzonych i zsyntetyzowanych danych liczbowych, nauka o ilościowych metodach badania zjawisk masowych, zmienna losowa będąca funkcją próby. Podstawowe pojęcia: populacja (zbiorowość
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoKlasa I szkoły ponadgimnazjalnej język polski
Klasa I szkoły ponadgimnazjalnej język polski 1. Informacje ogólne Badanie osiągnięć uczniów I klas odbyło się 16 września 2009 r. Wyniki badań nadesłało 12 szkół. Analizie poddano wyniki 990 uczniów z
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Aleksandra Ki±lak-Malinowska akis@uwm.edu.pl http://wmii.uwm.edu.pl/ akis/ Czym zajmuje si statystyka? Statystyka zajmuje si opisywaniem i analiz zjawisk masowych otaczaj cej czªowieka
Bardziej szczegółowo