Linie regresji II-go rodzaju
|
|
- Maksymilian Andrzejewski
- 5 lat temu
- Przeglądów:
Transkrypt
1
2 Lam regresj II-go rodzaju zmeej () względem () azwam zadae krzwe g(;,, ) oraz h(;,, ) gd spełają oe odpowedo waruk: E E Le regresj II-go rodzaju ( ( )) ( ) ( ) ( ) ( ) g ;,,... g ;,,... f, dd m,,... ( ( )) ( ) ( ) ( ) ( ) h( ;,,... h ;,,... f, dd m,,... W szczególośc proste regresj II-go rodzaju mają postać: σ σ ρ ρ µ +µ σ σ σ σ σ σ ρ ρ µ +µ µ +µ σ σ ρσ ρσ W praktce zazwczaj e zam łączej fukcj rozkładu zmech, z której pochodzą zmee (a węc także obu dspersj współczka korelacj), a krzwe regresj musm określać z próbk dskretch dach. M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-
3 Metoda ajmejszch kwadratów Załóżm, że merzm N ezależch wartośc,,, każda z rozkłądu Gaussa o ezaej wartośc oczekwaej zaej waracj: E η σ [ ] ( ; ) V[ ] Welkośc to tzw. zmee kotrolowae, objaśające, które zakładam, że są zae dokłade. Chcem oszacować ezae parametr tak ab dopasowae krzwej do puktów bło możlwe ajlepsze. Kostruujem łączą fukcję gęstośc p-twa ( ) g M. Przbceń Rachuek prawdopodobeństwa statstka ( η ),..., ; η,..., η ; σ,..., σ ep πσ σ Wówczas log fukcj warogodośc ma postać (pomjam wraz ezależe od parametrów): ( ) ( η ( ; )) l L +... σ Wkład 4-3
4 Zasada ajmejszch kwadratów głos, że parametr ależ dobrać tak, ab spełał oe waruek: ( ) ( η ( ; )) R m( ) σ W przpadku skorelowach pomarów korzstam z welowmarowego rozkładu Gaussa ze zaą macerzą kowaracj V: Wted Metoda ajmejszch kwadratów ( ( ) T ( )) - g( ; µ,v) ep µ V µ / ( π) V, j ( ) l ( ( ; ))( V ) ( ( ; )) L η j j η j +... R a zasada ajmejszch kwadratów sprowadza sę do waruku Zależość fukcją η ; V η ; m ( )( ) j j ( j ) ( ) ( ), j ( ) ; η ( ) ( ) azwam krzwą regresj ajlepszego dopasowaa metod ajmejszch kwadratów. Parametr to estmator MNK. M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-4
5 MNK przpadek low Rozważm stuację ked zwązek pomędz parametram, a welkoścą merzoąηprzjmuje postać lową: η ( ; ) ϕ ( ) +ϕ ( ) ϕ ( ) Dla puktów pomarowch (, ),, otrzmujem układ rówań: gdze: η ϕ ( ) +ϕ ( ) ϕ m ( ) η η ϕ ( ) +ϕ ( ) ϕ m ( ) η ϕ ( ) +ϕ ( ) ϕ ( ) m m η ϕ ( ) ϕ ( ) ϕ m( ) m η ϕ ϕ ϕ ( ) ( ) ( ) η Φ η ϕ ( ) ϕ ( ) ϕ m( ) m Macerz Φ azwam macerzą kostrukcją. m m m m ηφ M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-5
6 MNK przpadek low Zasada ajmejszch kwadratów przjmuje postać (ozaczee Q V - ): T T T T R ( Φ ) Q( Φ ) ( Φ ) Q( Φ ) m( ) Wpszem welkośćrw jawej postac: m m R ϕ k ( ) k Qj j ϕ l ( ) l Qj j, j k l, j R m m m ϕ ( ) Q Q ϕ ( ) + ϕ ( ) Q ϕ ( ) k k j j j l j l k k j l j l, j k, j l, j k, l m Q ϕ ( ) Q j j k k j j, j, j k Różczkujem względem parametru p : m m + ϕ ( ) Q ϕ ( ), j k, l M. Przbceń Rachuek prawdopodobeństwa statstka m k kp j j k kp j l j l p, j k, j k, l, j k, l k k j l j l ϕ ( ) δ Q + ϕ ( ) δ Q ϕ ( ) + m + ϕ ( ) Q ϕ ( ) δ k k j l j lp m m ϕ ( ) Q + ϕ ( ) Q ϕ ( ) + ϕ ( ) Q ϕ ( ) p j j p j l j l k k j p j, j, j l, j k Wkład 4-6
7 MNK przpadek low Zameając deks l a k oraz zmeając mędz sobą azw deksów oraz j otrzmujem (macerz QV - jest smetrcza): m R ϕ p( ) Qj j + ϕ p( ) Qj ϕ k ( j ) k p,,..., m 0 p, j, j k T T ( Φ Q ) ( Φ Q Φ ) p Otrzmalśm układ lowch rówań (zwach ormalm) a ezae parametr w postac macerzowej: T T M. Przbceń Rachuek prawdopodobeństwa statstka p Φ QΦ Φ Q o rozwązaach lowo zależch od merzoch welkośc: T T T T T ( Q ) Q ( V ) V Φ Φ Φ Φ Φ Φ W Φ V Ψ W Ψ Jeśl welkośc merzoe są eobcążoe, to róweż eobcążoe są estmator parametrów: T T E E Ψ Ψ E Ψη Φ V Φ Φ V Φ [ ] [ ] ( ) Wkład 4-7
8 MNK przpadek low Macerz kowaracj estmatorów parametrów ma postać: T V ( ( )) ( ) T T T T ( ) ( )( ) E Ψ η Ψ η Ψ η η Ψ Ψ ( η )( η ) E E Ψ T T T T W V ( )( ) V W W V V V W W V Φ E η η Φ Φ Φ Φ Φ W W W V W Φ V T a węc: ( ) Φ Dspoując estmatam parametrów możem wkorzstać je do terpolacj bądź ekstrapolacj, kostruując krzwą ajlepszego dopasowaa: T η ( ) ϕ ( ) +ϕ ( ) ϕ m( ) m ϕ ( ) Błąd takej operacj wos: [ ] ( )( ) T T T V η ( ) E ( η ( ) η ( )) E ϕ ( )( ) ϕ ( )( ) T T T E ϕ ( )( )( ) ϕ ( ) ϕ ( ) W ϕ ( ) Twerdzee Gaussa-Markowa: Pośród wszstkch eobcążoch estmatorów, które są lowm kombacjam welkośc merzoch, estmator metod ajmejszch kwadratów mają ajmejszą warację. M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-8
9 Ocea jakośc dopasowaa Ocea jakośc dopasowaa a podstawe resztkowej różc w mmum: ε η m Wartość oczekwaa macerz kowaracj są odpowedo rówe: [ m] [ ] ε η η η E E Ψ E E E ηψηη 0 [ ] ( )( ) T V ε m E η η... V[ ] V η η Ocea błędów sstematczch wpłw: z V[ ] V[ η ] Ocea jakośc dopasowaa a podstawe wartośc R m : porówae model m mejsze R m tm lepsza zgodość (uwaga: dopasowując weloma - stopa do puktów dostaem R m 0) gd merzoe welkośc pochodzą z rozkładu ormalego, wówczas estmator parametrów mają rozkład ormale, atomast welkość R m jest statstkąχ wlosowaą z rozkładu o (-m) stopach swobod R m χ -m o le postulowaa zależośćη(;,, m ) jest słusza. (Prawda jeśl macerz V() jest macerzą kowaracj, a e jej estmat.) M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-9
10 MNK dopasowae l prostej Rozważm dopasowae l prostej do dach dośwadczalch: η η ηφ η Zakładam, że pomar e są skorelowae: Wprowadzam ozaczea: 0 0 s s 0 0 s V 0 0 V 0 0 s 0 0 s 0 0 s s s s s s s M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-0 0
11 MNK dopasowae l prostej Kostruujem macerze W Ψ: 0 s s s T V Φ Φ s s 0 s W T ( Φ V Φ ) s s s s T W V Ψ Φ s s s s M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-
12 MNK dopasowae l prostej Wzaczam estmator parametrów l prostej s s Ψ s s Z macerz W V[ ] odcztujem: V[ ] V[ ] cov[, ] Oblczam wartość statstkrw mmum: M. Przbceń Rachuek prawdopodobeństwa statstka ρ (, ) R m Poeważ parametr są lowm fukcjam welkośc merzoch, węc pozomce stałej wartoścr(czlχ ) są elpsam: ( ) ( ) + ρ m [ ] [ ] [ ] [ ρ ] R R D D D D Wkład 4-
13 Dopasowae l prostej - dgresja Dopasowae l prostej z pomęcem rachuku macerzowego: η f ; + ( ) ( ) Zajdujem wartośc parametrów dla którch R osąga mmum: R s s s s R s s s s s s s s wprowadzając ozaczea: dostajem: ( ) ( ) 0 0 s s M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-3 3
14 MNK dopasowae l prostej La prosta ajlepszego dopasowaa pozwala dokoać terpolacj lub ekstrapolacj: η ( ) + Błąd tej operacj da jest przez: V [ ] [ ] T η ϕ ( ) W ϕ ( ) + ( + ) + + V Problem dopasowaa do dach welu elowch fukcj moża sprowadzć do problemu dopasowaa l prostej: ab l a + l b a + b b a l a + bl a + b b a e l a + b a + b b + a a + b a+ b M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-4
15 Dopasowae l prostej Przkład: Wkoao badaa wpłwu kofe a sprawość wkowaa prostch czośc maualch. Trzdzestu studetów podzeloo losowo a trz grup po dzesęć osób każdej grupe podao róże lośc kofe: 0 mg, 00 mg 00 mg. Po dwóch godzach poproszoo ch o wkoae z maksmalą szbkoścą czośc polegającej a stukau palcam po stole. Wk pomarów przedstawa tabela. Dawka [mg] Lczba stukęć palcam a mutę ± σ ± ± ± 0.70 Lczba stukęć [m - ] Dawka [mg] Prosta dopasowaa MNK: ( 447. ± 07. ) + ( 007. ± ) ±σ ±σ Kowaracja współczk korelacj pomędz estmatoram parametrów: cov[, ] ( ) ρ,. 08 M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-5 5
16 Dopasowae l prostej Kwatle η ( ) + ± + V[ ],5 0,5 0-0, η ( 400) 55. ±. 5 -, zbkość stukaa [m - ] Lczba stukęć [m - ] < F( ) < + + F(q ) q Dawka [mg] + F( q ) + µ q σ M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-6 6
17 R m Dopasowae l prostej Jeśl hpoteza o zależośc lowej jest prawdzwa, to statstkarma rozkład χ o -m 3 - stopach swobod P( χ > ) χ ( ) Jeśl zażądam Rm u du R ( R ) ( ) ( ) P χ > χ ( u) du R Ozacza to, że średe odchlee każdego puktu od dopasowaej l wos w jedostkach tpowej epewośc wos tlko M. Przbceń Rachuek prawdopodobeństwa statstka m / Poeważ parametr są lowm fukcjam welkośc merzoch, węc pozomce stałej wartoścr(czlχ ) są elpsam: + ρ [ ] [ ] [ ] [ ρ ] R R D D D D R m m m m Wkład 4-7 7
18 Dopasowae krzwej ekspoecjalej Przkład: W tabel podae są dae o lczbe k lśc rzęs wodej jako fukcj czasu k lczoego w tgodach. k k Uwag: a e b l l a + b z a + b ozaczea: k k zaedbujem ewdete korelacje, zakładam, że epewośc zlczeń podlegają rozkładow Possoa: z σ z l σ z σ Lczba lśc k Lczba lśc k Tdzeń k 0 5 Tdzeń k M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-8 8
19 Dopasowae krzwej ekspoecjalej Lczba lśc k z ( 8. ± 008. ) + ( 05. ± 00. ) a ±σ b ±σ a cov[ a, b] ρ R m b ( R ) 83. P χ > 006. m a a a l a a e σ e σ [ ] ( 65. ± 3. )ep ( 05. ± 00. ) a l( k) a Tdzeń k Tdzeń k M. Przbceń Rachuek prawdopodobeństwa statstka Wkład 4-9 9
opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
Bardziej szczegółowoWnioskowanie statystyczne dla korelacji i regresji.
STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...
Bardziej szczegółowoBADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ
Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8
Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja
Bardziej szczegółowoRegresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US
Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej
Bardziej szczegółowoMateriały do wykładu 7 ze Statystyki
Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj
Bardziej szczegółowoJózef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta
Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów
Bardziej szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA
Bardziej szczegółowoW loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:
Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,
Bardziej szczegółowoANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH
ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH Na ogół oprócz obserwacj jedej zmeej zberam róweż formacje towarzszące, które mogą meć zaczee w aalze teresującej as welkośc. Iformacje te mogą bć p. wkorzstae
Bardziej szczegółowoFUNKCJE DWÓCH ZMIENNYCH
FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj
Bardziej szczegółowoINSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.
INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,
Bardziej szczegółowoRACHUNEK NIEPEWNOŚCI POMIARU
Mędzarodowa Norma Oce Nepewośc Pomaru (Gude to Epresso of Ucertat Measuremets - Mędzarodowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st./gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewodk.
Bardziej szczegółowoOpracowanie wyników pomiarów
Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów
Bardziej szczegółowoKORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech
KORELACJA I REGRESJA. KORELACJA X, Y - cech badae rówocześe. Dae statstcze zapsujem w szeregu statstczm dwóch cech...... lub w tablc korelacjej. X Y... l.... l.... l................... k k k... kl k..j......l
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta
Bardziej szczegółowoPOPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1
POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Zajęcia 5
Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja
Bardziej szczegółowoma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji
Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz
Bardziej szczegółowoZadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84
Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,
Bardziej szczegółowo( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości
Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu o gęstości
Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby
Bardziej szczegółowoTablica Galtona. Mechaniczny model rozkładu normalnego (M10)
Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,
Bardziej szczegółowoma rozkład normalny z nieznaną wartością oczekiwaną m
Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee
Bardziej szczegółowo. Wtedy E V U jest równa
Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo
Bardziej szczegółowoTeoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka
Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej
Bardziej szczegółowo( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min
Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA
STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze
Bardziej szczegółowoFunkcja wiarogodności
Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza
Bardziej szczegółowoW zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Bardziej szczegółowoW zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Bardziej szczegółowoRachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)
Rachuek Prawdopodoeństwa statstka W 0: Aalz zależośc pomędz zmem losowm dam emprczm) Dr Aa ADRIAN Paw B5, pok 407 adra@tempus.metal.agh.edu.pl Odkrwae aalza zależośc pomędz zmem loścowmlczowm) Przedmotem
Bardziej szczegółowoMETODY KOMPUTEROWE 1
MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc
Bardziej szczegółowoNiepewności pomiarów. DR Andrzej Bąk
Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w
Bardziej szczegółowoMATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ
MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wkład 4 Matematcze opracowwae wków ekspermetalch Cz. I. Metoda ajmejszch kwadratów Cz. II. Metod statstcze UWAGI OGÓLNE Ekspermet wkowae w auce moża podzelć
Bardziej szczegółowoVI. TWIERDZENIA GRANICZNE
VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZA 1. Wkład wstęp. Teora prawdopodobeństwa elemet kombatork. Zmee losowe ch rozkład 3. Populacje prób dach, estmacja parametrów 4. Testowae hpotez statstczch 5. Test parametrcze (a
Bardziej szczegółowoPODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE
Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ VI WYBRANE TWIERDZENIA WRAZ Z DOWODAMI Na prawach rękopsu Warszawa, paźdzerk 0 Data ostatej aktualzacj:
Bardziej szczegółowoN ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.
3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy
Bardziej szczegółowowyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=
ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej
Bardziej szczegółowoPodstawy analizy niepewności pomiarowych (I Pracownia Fizyki)
Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?
Bardziej szczegółowoZMIENNE LOSOWE WIELOWYMIAROWE
L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee
Bardziej szczegółowoRACHUNEK NIEPEWNOŚCI POMIARU
Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc
Bardziej szczegółowoMatematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.
Wkład. Całka podwója. Zamaa a całkę terowaą. Oblczae pól obszarów objętośc brł.. Całka podwója w prostokące. Jak pamętam, całka ozaczoa z cągłej fukcj jedej zmeej wprowadzoa bła w celu oblczaa pola powerzch
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi o tym samym 2 x
Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka
Bardziej szczegółowoRACHUNEK NIEPEWNOŚCI POMIARU
Męzaroowa Norma Oce Nepewośc Pomaru (Gue to Epresso of Ucertat Measuremets Męzaroowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st.gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewok.
Bardziej szczegółowoLaboratorium fizyczne
Laboratorum fzcze L a portalu WIKMP CMF PŁ cmf.edu.p.lodz.pl Klkam odośk Laboratorum fzk Właścwą strukcję ależ pobrać ze stro Pracow zazajomć sę z jej treścą przed zajęcam!!! grupa I grupa II edzela
Bardziej szczegółowoREGRESJA LINIOWA. gdzie
REGREJA LINIOWA Jeżel zmerzoo obarczoe tlko błędam przpadkowm wartośc (, ),,,..., dwóch różch welkośc fzczch X Y, o którch wadomo, że są zwązae ze sobą zależoścą lową f(), to ajlepszm przblżeem współczków
Bardziej szczegółowoPodstawy opracowania wyników pomiarowych, analiza błędów
Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego
Bardziej szczegółowof f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu
METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe
Bardziej szczegółowoRegresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)
Regresj low (metod jmejszch kwdrtów, metod wrówwcz, metod Guss) stot metod postult Guss współczk prostej kostrukcj prostej teoretczej trsformcj fukcj elowch przkłd Regresj low czm poleg? Jeśl merzoe dwe
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:
Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t
Bardziej szczegółowoROZKŁADY ZMIENNYCH LOSOWYCH
ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch
Bardziej szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowoRegresja REGRESJA
Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu
Bardziej szczegółowoJEDNOWYMIAROWA ZMIENNA LOSOWA
JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch
Bardziej szczegółowoProjekt 2 2. Wielomiany interpolujące
Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa
Bardziej szczegółowoPrzykładowe zadania dla poziomu rozszerzonego
Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,
Bardziej szczegółowoL.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5
L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk
Bardziej szczegółowoL.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH
L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze
Bardziej szczegółowoAnaliza ZALEśNOŚCI pomiędzy CECHAMI (Analiza KORELACJI i REGRESJI)
D. Mszczńska, M.Mszczńsk, Materał do wkładu 7 ze Statstk (wersja poprawoa), WSEH, Skerewce 009/0 [] Aalza ZALEśNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje
Bardziej szczegółowoStatystyka Opisowa 2014 część 3. Katarzyna Lubnauer
Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław
Bardziej szczegółowoE K O N O M E T R I A (kurs 10 godz.)
E K O N O M E T R I A (kurs 0 godz.) PLAN kursu A. Ekoometra: defcje, pojęca, przkład B. Elemet statstk matematczej (zmea losowa, przedzałowa estmacja parametrów populacj, hpotez parametrcze) C. Model
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne
Bardziej szczegółowoMODEL SHARP A - MIARY WRAŻLIWOŚCI
MODEL SHARP A - MIARY WRAŻLIWOŚCI Współzależość cech Rozważam jedostk zborowośc badae ze względu a dwe, lub węcej zmech W przpadku obserwacj opartch a dwóch zmech możem wkreślć dagram korelacj. Każda obserwacja
Bardziej szczegółowoZaawansowane metody numeryczne
Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest
Bardziej szczegółowok k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2
Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu
Bardziej szczegółowo5. OPTYMALIZACJA NIELINIOWA
5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe
Bardziej szczegółowoStatystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna
Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza
Bardziej szczegółowoZadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.
Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer
Bardziej szczegółowoMetody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji
Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Metod oblczeowe wkład r 3 aproksmacja terpolacja pojęce modelu regresj Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja daa jest ukcja
Bardziej szczegółowoRóżniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f
Bardziej szczegółowoStrona: 1 1. CEL ĆWICZENIA
Katedra Podstaw Sstemów Techczch - Podstaw metrolog - Ćwczee 4. Wzaczae charakterstk regulacjej slka prądu stałego Stroa:. CEL ĆWICZENIA Celem ćwczea jest pozae zasad dzałaa udow slka prądu stałego, zadae
Bardziej szczegółowo3. Wykład III: Warunki optymalności dla zadań bez ograniczeń
3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie
Bardziej szczegółowoRACHUNEK NIEPEWNOŚCI POMIARU
Męzaroowa Norma Oce Nepewośc Pomaru (Gue to Epresso of Ucertat Measuremets Męzaroowa Orgazacja Normalzacja ISO) RACHUNEK NIEPEWNOŚCI http://phscs.st.gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewok.
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoAKADEMIA MORSKA W SZCZECINIE
AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w
Bardziej szczegółowoOBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE
OBLICZNIE GEOMETRYCZNYCH MOMENTÓW BEZWŁDNOŚCI FIGUR PŁSKICH, TWIERDZENIE STEINER LBORTORIUM RCHUNKOWE Prz oblczeach wtrzmałoścowch dotczącch ektórch przpadków obcążea (p. zgae) potrzeba jest zajomość pewch
Bardziej szczegółowoSTATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY
Państwowa Wższa Szkoła Zawodowa w Koe Materał ddaktcze 17 ARTUR ZIMNY STATYSTYKA OPISOWA Materał pomoccze do ćwczeń wdae druge zmeoe Ko 010 Ttuł Statstka opsowa Materał pomoccze do ćwczeń wdae druge zmeoe
Bardziej szczegółowoZastosowanie szeregów potęgowych do rozwiązywania równań różniczkowych
Zastosowae szeregów potęgowch do rozwązwaa rówań różczkowch Ogól kształt rówaa lowego drugego rzędu jedorodego o współczkach zmech ma postać: '' + f ' + g = 0 (1) Tego tpu klasa rówań obejmuje wele zjawsk
Bardziej szczegółowoWiek statku a prawdopodobieństwo wystąpienia wypadku na morzu analiza współzależności
BOGALECKA Magda 1 Wek statku a prawdopodobeństwo wstąpea wpadku a morzu aalza współzależośc WSTĘP Obserwowa od blsko weku tesw rozwój trasportu morskego, oprócz lądowego powetrzego, jest kosekwecją wzmożoej
Bardziej szczegółowo( ) ( ) ( ) ( ) ( ) ( )
,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau
Bardziej szczegółowoWykład 6. Klasyczny model regresji liniowej
Wkład 6 Klacz modl rgrj lowj Rgrja I rodzaju pokazuj jak zmają ę warukow wartośc oczkwa zmj zalżj w zalżośc od wartośc zmj zalżj. E X m Obraz gomtrcz tj fukcj to krzwa rgrj I rodzaju czl zbór puktów płazczz,
Bardziej szczegółowoAnaliza błędów pomiarowych Pomiar pomiarów bezpośrednich pośrednich
Aalza łędów pomarowch W aukach przrodczch kluczową rolę w werfkacj wszelkch hpotez teor aukowch odgrwa ekspermet jego wk. Częstokroć pojedcz wk ekspermetal leż u podstaw owch teor odrzucea dotchczasowch
Bardziej szczegółowo3. OPTYMALIZACJA NIELINIOWA
Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz
Bardziej szczegółowoIV. ZMIENNE LOSOWE DWUWYMIAROWE
IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję
Bardziej szczegółowoWspółczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Bardziej szczegółowobędzie próbką prostą z rozkładu normalnego ( 2
Zadae. eh K będze próbką prostą z rozkładu ormalego ( μ σ ) zaś: ( ) S gdze:. Iteresuje as względy błąd estymaj: σ R S. σ rzy wartość ozekwaa E R jest rówa ( ) (A).8 (B).9 (C). (D). (E). Zadae. eh K K
Bardziej szczegółowoSystem finansowy gospodarki
System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady
Bardziej szczegółowoWYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ
9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego
Bardziej szczegółowoWykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.
Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób
Bardziej szczegółowo