ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.
|
|
- Krystyna Chrzanowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 STATYSTYKA to auka, której przedmiotem zaiteresowaia są metody pozyskiwaia i prezetacji, a przede wszystkim aalizy daych opisujących zjawiska masowe. Metody statystycze oparte są a rachuku prawdopodobieństwa. STATYSTYCZNA ANALIZA DANYCH: etap badaia statystyczego polegający a wykrywaiu - przy użyciu odpowiedich metod - prawidłowości kształtowaia się zjawisk statystyczych oraz związków i zależości miedzy imi, a także a iterpretacji wyików badań i formułowaiu wiosków ZDARZENIE ELEMENTARNE to możliwy wyik doświadczeia losowego. Wszystkie takie możliwe wyiki tworzą zbiór zdarzeń elemetarych. ZMIENNA LOSOWA, to fukcja, która zdarzeiom losowym przypisuje liczby. Na przykład, losując z pewej populacji jedego osobika przypisujemy mu jego wagę. Rodzaje zmieych losowych: ) skokowa (dyskreta) ) ciągła
2 PRAWDOPODOBIEŃSTWEM (wg Laplace) zajścia zdarzeia A azywamy iloraz liczby zdarzeń sprzyjających zdarzeiu A do liczby wszystkich możliwych przypadków, zakładając, że wszystkie przypadki wzajemie się wykluczają i są jedakowo możliwe. PRAWDOPODOBIEŃSTWO - defiicja częstościowa (Vo Mises) gdzie A to liczba rezultatów sprzyjających zdarzeiu A po próbach
3 AKSJOMATYCZNA DEFINICJA PRAWDOPODOBIEŃSTWA (KOŁMOGOROWA) ) Dla daego zbioru E zachodzi: Ozacza to, że prawdopodobieństwo zbioru zdarzeń E jest liczbą rzeczywistą większą lub rówą 0 i miejszą lub rówą ) prawdopodobieństwo, że wystąpi jakieś zdarzeie elemetare w przestrzei wyosi. Iymi słowy: ie ma zdarzeń elemetarych poza zbiorem Ω. 3) Każdy przeliczaly ciąg parami rozłączych zdarzeń elemetarych E, E,... spełia własość: To zaczy: prawdopodobieństwo zdarzeie, które jest sumą rozłączych zdarzeń, obliczamy jako sumę prawdopodobieństw tych zdarzeń. 3
4 Sumą (alteratywą) dwóch zdarzeń A i B azywamy zdarzeie zawierające wszystkie zdarzeia elemetare ależące do A lub B - zajdzie przyajmiej jedo ze zdarzeń. Iloczyem (koiukcją) dwóch zdarzeń A i B azywamy zdarzeie zawierające wszystkie zdarzeia elemetare ależące do A i do B - zajdą rówocześie zdarzeia A i B. Różicą dwóch zdarzeń A i B azywamy zdarzeie A - B, składające się ze zdarzeń elemetarych ależących do A i ie ależących do B - zajdzie zdarzeie A i ie zajdzie B. Zdarzeiem przeciwym do A azywamy zdarzeie zawierające wszystkie zdarzeia elemetare ieależącedo A, tz.. Przykład Rzucamy kostką do gry: E = {e,e,e 3,e 4,e 5,e 6 }. Zdarzeie A polega a wyrzuceiu ieparzystej liczby oczek: A = {e,e 3,e 5 }, a zdarzeie B - liczba oczek jest miejsza od 4: B = {e,e,e 3 }. 4
5 ROZKŁAD ZMIENNEJ LOSOWEJ zbiór wartości zmieej losowej oraz prawdopodobieństwa, z jakimi są te wartości przyjmowae. Przykład. Jedokroty rzut kostką. Zmiea losowa: ilość wyrzucoych oczek. Zbiór wartości: {,, 3, 4, 5, 6} DYSTRYBUANTA to fukcja F(x)=P(X x) Najważiejsze własości dystrybuaty. 0 F(x). F( ) = 0, F() = 3. dystrybuata jest fukcja iemalejącą 4. P{a < X b} = F(b) F(a) 5
6 6
7 Zmiea losowa ciągła Fukcja (gęstości) rozkładu prawdopodobieństwa f jest fukcja określoa a zbiorze liczb rzeczywistych R wzorem Najważiejsze własości fukcji gęstości 7
8 Podstawowe parametry rozkładu zmieej losowej skokowej W rachuku prawdopodobieństwa wartość oczekiwaa (iaczej wartość przecięta, wartość średia, adzieja matematycza) skokowej (dyskretej) zmieej losowej jest sumą iloczyów wartości tej zmieej losowej oraz prawdopodobieństw, z jakimi te wartości są przyjmowae. E(X) = i= x i p i Wariacja to klasycza miara zmieości. Wyraża zróżicowaie zbiorowości, jest średią arytmetyczą kwadratów odchyleń poszczególych wartości cechy od średiej arytmetyczej zbiorowości. D (X) = i= [x i E(X)] pi 8
9 Odchyleie stadardowe D (X) = D (X) Przykładowe rozkłady zmieych losowych skokowych ) Rozkład dwupuktowy Z rozkładem dwupuktowym mamy do czyieia wówczas, gdy w wyiku doświadczeia możemy uzyskać tylko jedą z dwóch wartości zmieej losowej: x lub x z prawdopodobieństwami odpowiedio p oraz -p. W szczególym przypadku, gdy x =0 oraz x = rozkład te azyway jest rozkładem zero-jedykowym. ) Rozkład dwumiaowy (Berouliego) Rozkład dwumiaowy występuje wówczas, gdy przeprowadza się jedakowych doświadczeń, z których każde może zakończyć się jedym z dwóch wyików: sukcesem z prawdopodobieństwem p lub porażką z 9
10 prawdopodobieństwem -p. Zmieą losową X w tym eksperymecie jest liczba sukcesów w próbach. Rozkład prawdopodobieństwa w rozkładzie Beroulliego jest określoy wzorem: P(X = k) = k p k ( E(X)= p D (X)= p (-p) p) k D (X) = p (- p) 3) Rozkład Poissoa jest rozkładem zmieej losowej skokowej, z którym mamy do czyieia w przypadku określaia prawdopodobieństwa zajścia zdarzeń stosukowo rzadkich i iezależych od siebie, takich jak p. liczba usterek w produkowaej partii materiału. Rozkład Poissoa jest przybliżeiem rozkładu Beroulliego dla dużych 0
11 prób i przy małym prawdopodobieństwie zajścia zdarzeia ( sukcesu ). P(X k λ = k) = e k! λ e - podstawa logarytmów aturalych, λ - stała, która jest wartością oczekiwaą i rówocześie wariacją rozkładu,
12 Przykładowe rozkłady zmieych losowych ciągłych ) Rozkład jedostajy Jest to ajprostszy z rozkładów zmieej losowej ciągłej. Mamy z im do czyieia wtedy, gdy prawdopodobieństwo zajścia zdarzeia jest stałe w pewym przedziale <a, b>. Fukcja gęstości tego rozkładu jest daa wzorem: f(x)= { x [a,b b a 0 dla pozostałych x dla ] E(X) = D(X) = a + b b a 3 (b a) D (X) =
13 ) Rozkład ormaly, zway także rozkładem Gaussa-Laplace'a jest ajczęściej spotykaym w aturze rozkładem zmieej losowej ciągłej. Ciągła zmiea losowa X ma rozkład ormaly o wartości oczekiwaej µ i odchyleiu stadardowym σ co ozaczamy X~N(µ,σ ), jeśli jej fukcja gęstości określoa dla wszystkich rzeczywistych wartości x da się przedstawić za pomocą wzoru: µ=e(x), σ=d(x) 3
14 Stadaryzacja Jeżeli X~N(µ,σ ) 4
15 ORGANIZACJA BADANIA STATYSTYCZNEGO Określeie: a) populacji b) jedostki populacji c) cechy populacji Metody badaia statystyczego ) Badaie pełe (badaie obejmuje całą populację) ) Badaie częściowe (badaie odbywa się a pewych losowo wyodrębioych elemetach populacji, czyli próbie losowej) a) metoda reprezetacyja b) metoda moograficza c) metoda akietowa 5
16 OPRACOWANIE MATERIAŁU STATYSTYCZNEGO Charakterystyki położeia - Średia arytmetycza: X = X i= i = x + x x - ie średie: średia harmoicza średia geometrycza - Mediaa dla ieparzystych dla parzystych 6
17 Charakterystyki rozproszeia - Odchyleie przecięte d = x i x - Wariacja s = i= i= ( x i x) - Odchyleie stadardowe s = s = i= wartości typowe: (x-s,x+s) - współczyik zmieości V = - kwartyle, decyle, cetyle s 00% x ( x i x) 7
18 Grupowaie daych - proste (jeda cecha p. wg wieku) - złożoe (wiele cech p. wg wieku i płci) Wartości cechy (p. wiek) Liczebość Częstość Przedstawiaie graficze za pomocą histogramu
19 Estymacja - to dział wioskowaia statystyczego będący zbiorem metod pozwalających a uogóliaie wyików badaia próby losowej a iezaą postać i parametry rozkładu zmieej losowej całej populacji oraz szacowaie błędów wyikających z tego uogólieia. Metody estymacji parametryczej moża w zależości od sposobu szacowaia szukaego parametru podzielić a dwie grupy: - estymacja puktowa (szacowaie wartości) - estymacja przedziałowa (szacowaie przedziałów) 9
20 Estymatory puktowe - estymator wariacji s = ( x i x) i= suma kwadratów odchyleń od średiej varx = i= ( x i x) - estymator odchyleia stadardowego s = s = i= Estymatory przedziałowe Przedział ufości dla średiej ( x i x) t(α; ): wartość krytycza rozkładu t - Studeta z -(v) stopiami swobody 0
21 Poziom ufości: α ustaloe z góry prawdopodobieństwo z jakim te przedział pokrywa iezaą wartość parametru p. średiej Przedział ufości dla wariacji (Średia µ jest iezaa) χ (α; ) jest wartością krytycza rozkładu chi kwadrat z v stopiami swobody. Przedział ufości dla odchyleia stadardowego
22 ESTYMACJA (ciąg dalszy dwie populacje) Przedział ufości dla różicy średich Dla populacji o rozkładzie ormalym x x ) tα, ν, Sr;(x x) + tα, ν, {( Sr} jest to przedział w którym z prawdopodobieństwem -α zawiera się różica średich dla populacji (m -m ). Zakładamy, że wariacje dla tych populacji są rówe tj. σ = σ gdzie: S r = Se + - błąd różicy średich S e = var X ( ) + + var X ( ) - wariacja wspóla varx suma kwadratów odchyleń od średiej t α,ν - wartość dla rozkładu t-studeta przy ustaloym α (ajczęściej 0,05) oraz v (liczba stopi swobody, czyli + - ).
23 ESTYMACJA ROZKŁAD DWUPUNKTOWY Przedział ufości dla wskaźika struktury w rozkładzie dwupuktowym m { z α m ( m ) ; m + z α m ( m ) } jest to przedział ufości, w którym wskaźik struktury w rozkładzie dwupuktowym zawiera się z prawdopodobieństwem -α, gdzie: m- liczba elemetów wyróżioych zalezioych w próbie - liczebość próby z α - wartość z tablic rozkładu ormalego N(;0) dla ustaloej wartości α Przykłady rozkładu dwupuktowego: ) udział asio kiełkujących i iekiełkujących w materiale siewym ) udział produktów sprawych i wadliwych w produkowaej serii 3
24 Przedział ufości dla różicy dwóch frakcji (rozkład dwupuktowy) ma mb ma mb {( ) zα SPr ;( ) + zα SPr} A B W przedziale ufości z prawdopodobieństwem -α zawiera się wartość różicy prawdopodobieństw dwóch rozkładów dwupuktowych (p A -p B ). m A, m B liczby elemetów wyróżioych w próbach A, B liczebości prób SPr = p ( p) ( + A B ) A B p = m A A + + m B B Powyższe wzory moża zastosować tylko dla prób o dużej liczebości > 00 elemetów 4
25 HIPOTEZY STATYSTYCZNE I ICH WERYFIKACJA Weryfikacja (testowaie) hipotez statystyczych, czyli sprawdzeie określoych przypuszczeń (założeń) wysuiętych w stosuku do parametrów lub rozkładu populacji geeralej a podstawie próby. Podział hipotez: Hipotezy statystycze dotyczące rozkładu populacji Hipotezy parametrycze dotyczące parametrów rozkładu (który jest zay) Test statystyczy reguła postępowaia, która pozwala a przyjęcie (ieodrzuceie) bądź odrzuceie sprawdzaej hipotezy Błąd I rodzaju błąd odrzuceia, występuje gdy odrzucamy hipotezę, atomiast jest oa prawdziwa Błąd II rodzaju błąd przyjęcia, występuje gdy przyjmujemy hipotezę, atomiast jest oa fałszywa Prawdopodobieństwo popełieia błędu I rodzaju azywamy poziomem istotości (α) 5
26 Hipotezy dla cech mających rozkład ormaly ) Porówaie średiej z ormą Ho: µ= µ 0 x µ 0 temp = Fukcja testowa S Gdzie S x błąd stadardowy x S x = Wartość krytycza t α,ν, dla rozkładu t-studeta, gdzie α jest przyjętym poziomem istotości (ajczęściej 0,05), a ν liczbą stopi swobody, czyli liczebość próby pomiejszoa o (-) Jeżeli t emp > t α,ν to hipotezę H 0 odrzucamy i przyjmujemy hipotezę alteratywą H : µ µ 0 ) Porówaie średich populacji Ho: µ = µ założeie σ = σ x y temp = Fukcja testowa Sr Gdzie S r błąd różicy średich s 6
27 Wartość krytycza t α,ν, dla rozkładu t-studeta, gdzie α jest przyjętym poziomem istotości (ajczęściej 0,05), a ν liczbą stopi swobody, czyli liczebość prób pomiejszoa o ( + -) Jeżeli t emp > t α,ν to hipotezę H 0 odrzucamy i przyjmujemy hipotezę alteratywą H : µ µ 3) Porówaie wariacji populacji Ho: σ = σ s F emp = Fukcja testowa s Wartość krytycza F α,ν,u dla rozkładu F-Fishera, gdzie α jest przyjętym poziomem istotości (ajczęściej 0,05), a ν i u liczbami stopi swobody, czyli liczebością próby pierwszej ( -) i drugiej ( -) Wartość s >s Jeżeli F emp > F α,ν,u to H 0 odrzucamy 7
28 Porówaie średich w wielu populacjach o rozkładzie ormalym Aaliza wariacji (ANOVA) Założeia: X i ~N(µ,σ ) σ = σ = σ 3 =... = σ i model aalizy wariacji: gdzie: y ij = µ+a i +e ij y ij wielkość cechy µ średia ogóla a i efekt i-tego poziomu czyika e ij błędy losowe, o rozkładzie N(0, σ e ) Hipoteza: a = a = a 3 =...= a i Tabela aalizy wariacji: 8
29 Fukcja testowa F emp Wartość krytycza F α,k-,-k α poziom istotości (ajczęściej przyjmujemy 0,05) 9
30 k liczba poziomów czyika liczebość prób Jeżeli F emp > F α,k-,-k to H 0 odrzucamy Porówaia wielokrote (szczegółowe) Grupy jedorode podzbiory średich, które moża uzać za takie same Procedury porówań wielokrotych postępowaie statystycze zmierzające do podzieleia zbioru średich a grupy jedorode Procedury: Tukeya, Scheff ego, Bofferroiego, Ducaa, Newmaa Kuelsa i ie. NIR ajmiejsza istota różica Procedura Tukeya NIR = t α,k,-k t α,k,-k wartość krytycza studetyzowaego rozstępu 30
31 WSPÓŁCZYNNIK KORELACJI Współczyik korelacji liiowej Pearsoa (ozaczay ajczęściej symbolem - r) określa poziom zależości liiowej między zmieymi losowymi. r = cov( X, Y) s x s y gdzie, wartość kowariacji (cov) a podstawie próby liczymy wg astępującego wzoru: cov(x, Y) = (Xi X)(Yi Y) i= atomiast s x i s y są odchyleiami stadardowymi dla zmieej X i Y Współczyik korelacji liiowej dwóch zmieych jest, zatem ilorazem kowariacji i iloczyu odchyleń stadardowych. Współczyik korelacji liiowej przyjmuje zawsze wartości w zakresie [ -,]. Im większa wartość bezwzględa współczyika, tym większa jest zależość liiowa między zmieymi. r xy = 0 ozacza brak korelacji, r xy = ozacza silą korelację dodatią, jeżeli jeda zmiea (x) rośie to rówież rośie druga zmiea (y), atomiast r xy = - ozacza korelację ujemą (jeżeli zmiea x rośie, to y maleje i a odwrót). 3
32 Stopień korelacji sila dodatia (r = 0,8) sila ujema (r = -0,8) słaba dodatia (r = 0,3) umiarkowaa ujema (r = -0,5) brak korelacji (r = 0,0) słaba ujema (r = -0,3) Testowaie istotości korelacji Hipoteza zerowa: H 0 :ρ=0 ρ- wartość współczyika korelacji dla całej populacji Jeżeli r emp >r α,,- to H 0 odrzucamy. r α,,- jest wartością krytyczą współczyika korelacji prostej Pearsoa 3
33 Regresja prosta liiowa Regresja liiowa to metoda estymowaia wartości oczekiwaej jedej zmieej (Y) zając wartości iej zmieej (X). Szukaa zmiea, Y, jest azywaa zmieą zależą, zmiea X azywa się zmieą iezależą. Model regresji prostej liiowej: y i =a+bx i +e i gdzie: b- współczyik regresji a stała regresji e i błędy losowe o rozkładzie N(0;σ e ) Estymację współczyików rówaia regresji prowadzi się zwykle metodą ajmiejszych kwadratów, która polega a miimalizacji astępującej sumy kwadratów: (y i a bx i ) i= Estymatory wartości współczyików a i b oblicza się ze wzorów: b = cov( X, Y) s x a = y bx 33
34 Przedział ufości dla współczyika regresji: (b - t α;- S b ; b + t α;- S b ) gdzie wariacja estymatora b S b = S var X Testowaie hipotezy H 0 : b=0 jest rówoważe z testowaiem hipotezy o istotości korelacji plo ziara pszeicy (t/ha) y = 0,0439x + 0,743 R = 0, awożeie N (kg/ha) R współczyik determiacji, który określa stosuek zmieości wyjaśiaej przez model regresji do zmieości całkowitej. W przypadku regresji prostej liiowej R =r xy 34
35 Regresja wielokrota liiowa Jeżeli zmiea zależa (Y) jest determiowaa przez więcej iż jedą zmieą iezależą (X i ) to estymoway model regresji możemy zapisać rówaiem: Y = a + b X + b X b k X k W przypadku regresji wielokrotej zastosowaie metody ajmiejszych kwadratów to miimalizowaie sumy: i= (yi a bxi bxi... bkx ik ) 35
36 Graficze przedstawieie regresji z zmieymi iezależymi (X, X ) 36
37 Test iezależości cech jakościowych - Test χ Rozważając liczbę obserwacji sklasyfikowaych wg dwóch kryteriów, p. ludzi wg koloru oczu i koloru włosów (kolory oczu: brązowy, iebieski; kolory włosów: blodyi, szatyi, brueci) lub p. rośliy pszeicy wg odmiay i stopia porażeia chorobą (odmiay: Olimpia, Eta, Kotesa; stopień porażeia: brak, słaby, średi, duży, bardzo duży) w każdej z klas liczymy liczbę osobików i przedstawiamy w postaci tablicy dwudzielej zwaej tablica kotygecji Tablica kotygecji Klasy cechy Klasy cechy X Y A A A 3 A 4 A m razem B 3 4 m Σ i B 3 4 m Σ i B m3 Σ i3 B k k k 3k 4k mk razem Σ j Σ j Σ 3j Σ 4j Σ ij 37
38 - liczebości osobików zaliczoych do określoej klasy H o : Cechy X i Y są iezależe Statystyka testowa 38
Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste
Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x
Bardziej szczegółowoWYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk
Bardziej szczegółowo1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
Bardziej szczegółowoKorelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12
Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie
Bardziej szczegółowoStatystyka Wzory I. Analiza struktury
Uiwersytet Ekooiczy w Katowicach Wzory I. Aaliza struktury 1. Miary tedecji cetralej (średie, przecięte Średia arytetycza Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowoStatystyczny opis danych - parametry
Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea
Bardziej szczegółowoElementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Bardziej szczegółowoModa (Mo, D) wartość cechy występującej najczęściej (najliczniej).
Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy
Bardziej szczegółowoParametryczne Testy Istotności
Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności
Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje
Bardziej szczegółowoTestowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15
Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay
Bardziej szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowoStatystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie
Bardziej szczegółowoPodstawowe rozkłady zmiennych losowych typu dyskretnego
Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea
Bardziej szczegółowoEstymacja parametrów populacji
Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje
Bardziej szczegółowod wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowo1 Dwuwymiarowa zmienna losowa
1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoEstymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoKurs Prawdopodobieństwo Wzory
Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowoSTATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś
1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.
Bardziej szczegółowoNiezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne
Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoEstymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7
Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoĆwiczenie 2 ESTYMACJA STATYSTYCZNA
Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 1 i 2
STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest
Bardziej szczegółowoZdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe
Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoANALIZA DANYCH DYSKRETNYCH
ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoStatystyka matematyczna. Wykład II. Estymacja punktowa
Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoStatystyka i rachunek prawdopodobieństwa
Statystyka i rachuek prawdopodobieństwa Filip A. Wudarski 22 maja 2013 1 Wstęp Defiicja 1. Statystyka matematycza opisuje i aalizuje zjawiska masowe przy użyciu metod rachuku prawdopodobieństwa. Defiicja
Bardziej szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
Bardziej szczegółowoMiary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowoPlan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia
Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk
Bardziej szczegółowoModele probabilistyczne zjawisk losowych
Statystyka-matematycza-II Wykład Modele probabilistycze zjawisk losowych Pojęcia podstawowe: Zdarzeia elemetare: ajprostsze zdarzeie mogące być wyróżioe dla daego doświadczeia losowego. Ω - zbiór zdarzeń
Bardziej szczegółowoStatystyka w rozumieniu tego wykładu to zbiór metod służących pozyskiwaniu, prezentacji, analizie danych.
Statystyka w rozumieiu tego wykładu to zbiór metod służących pozyskiwaiu, prezetacji, aalizie daych. Celem geeralym stosowaia tych metod, jest otrzymywaie, a podstawie daych, użyteczych uogólioych iformacji
Bardziej szczegółowoMiary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)
Bardziej szczegółowoCOLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871
COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym
Bardziej szczegółowoSTATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału
Bardziej szczegółowoWykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2
Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%
Bardziej szczegółowosą niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X
Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
Bardziej szczegółowoĆwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
Bardziej szczegółowoSIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY
SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoPodstawowe pojęcia. Próba losowa. Badanie próby losowej
METODY PROBABILISTYCZNE I STATYSTYKA WYKŁAD 8: STATYSTYKA OPISOWA. ROZKŁADY PRAWDOPODOBIEŃSTWA WYSTĘPUJĄCE W STATYSTYCE. Małgorzata Krętowska Wydział Iforatyki Politechika Białostocka Podstawowe pojęcia
Bardziej szczegółowon n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc
5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X
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 szczegółowoPorównanie dwu populacji
Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :
Bardziej szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoWybrane litery alfabetu greckiego
Wybrae litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilo η eta Θ θ theta κ kappa Λ λ lambda µ mi ν i ξ ksi π pi ρ, ϱ ro σ sigma τ tau Φ φ, ϕ fi χ chi Ψ ψ psi Ω ω omega Ozaczeia a i
Bardziej szczegółowoTESTY LOSOWOŚCI. Badanie losowości próby - test serii.
TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1
KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę
Bardziej szczegółowoSTATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowo1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,
1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoL.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3
L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW STATYSTYKA to nauka, której przedmiotem
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności
Estymacja rzedziałowa - rzedziały ufości Próbę -elemetową charakteryzujemy jej arametrami ( x, s, s ). SłuŜą oe do ocey wartości iezaych arametrów oulacji (m, σ, σ). Nazywamy je estymatorami uktowymi iezaych
Bardziej szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i
Bardziej szczegółowoRozkłady statystyk z próby Twierdzenia graniczne
Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.
Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują
Bardziej szczegółowo0.1 ROZKŁADY WYBRANYCH STATYSTYK
0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.
Bardziej szczegółowoAnaliza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora
Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia
Bardziej szczegółowoEstymacja przedziałowa:
Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.
Bardziej szczegółowoLiczebnośd (w tys.) n
STATYSTYKA Statystyka bada prawidłowości w zjawiskach masowych (tz. takich, które mogą występowad ieograiczoą ilośd razy). Przedmiotem badao statyki są zbiory (populacje), których elemetami są wszelkiego
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 szczegółowoElementy modelowania matematycznego
Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowoStatystyka powtórzenie (I semestr) Rafał M. Frąk
Statystyka powtórzeie (I semestr) Rafał M. Frąk TEORIA Statystyka Statystyka zajmuje się badaiem procesu zbieraia oraz iterpretacji daych liczbowych lub jakościowych. Przedmiotem statystyki są metody badaia
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowo(X i X) 2. n 1. X m S
Wykład 8. Przedziały ufości i testowaie hipotez A gdy ie zamy wariacji σ 2? Załóżmy, że X ma rozkład ormaly, ale ie zamy wartości ai m ai σ 2. Jak wtedy szacować wartość średią m? Przypomijmy, że Wtedy
Bardziej szczegółowoWykład nr 2. Statystyka opisowa część 2. Plan wykładu
Wykład r 2 Statystyka opisowa część 2 Pla wykładu 1. Uwagi wstępe 2. Miary tedecji cetralej 2.1. Wartości średie 2.2. Miary pozycyje 2.3. Domiata 3. Miary rozproszeia 4. Miary asymetrii 5. Miary kocetracji
Bardziej szczegółowo