ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH
|
|
- Halina Jankowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 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 prz określau przszłch wartośc teresującej as zmeej. Obserwowae zmee mogą meć charakter loścow lub jakoścow. Rozważm stuację dwóch zmech loścowch X Y. Wkres rozproszea Dae dotczące wków kolokwum egzamu dla grup studetów odpowadając tm dam wkres rozproszea Regresja lowa
2 Wkres rozproszea, cd Mędz zmem wróżam dwa rodzaje zależośc: dodata - małm (odpowedo, dużm) wartoścom jedej zmeej odpowadają z reguł małe (duże) wartośc drugej zmeej. ujema - małm (dużm) wartoścom jedej zmeej odpowadają z reguł duże (małe) wartośc drugej zmeej. Wkres rozproszea dla zależośc tzw. latecj L3-N33 (właścwość somatosesorczego potecjału) od wzrostu osobka Na os pozomej - zmea ezależa, zmea objaśająca Na os poowej - zmea zależa, zmea objaśaa Podzał te trac zaczee, ked e możem wskazać, która zmea jest objaśająca, a która objaśaa. Istota jest ogóla ocea zależośc zmech. Tpową formą zależośc jest przblżoa zależość fukcja. Zależość mootocza, gd fukcja określająca przblżoą zależość fukcją jest mootocza. Regresja lowa
3 Współczk korelacj próbkowej Współczk korelacj próbkowej jest estmatorem współczka korelacj. Jego wartość oblczoa dla kokretch wartośc prób ułatwa w welu przpadkach określee sł korelacj Współczk korelacj cov( X, Y) ( X, Y) V( X) V( Y) ρ =, cov( X, Y) = E{ [ X E( X) ][ Y E( Y) ]} Współczkem korelacj próbkowej azwam zmeą losową X X Y Y r = = X Y gdze X X ozaczają średą odchlee stadardowe prób X, X,, X, a Y Y ozaczają średą odchlee stadardowe prób Y, Y,, Y. Współczk korelacj próbkowej ma właścwośc aalogcze do współczka korelacj: - e zależ od wboru jedostek welkośc X Y, - jest zmeą losową ograczoą przez lczb -, r, - wartośc blske - lub wskazują, że wkres rozproszea jest skupo w poblżu prostej, - w przpadku lowego charakteru wkresu rozproszea próbkow współczk korelacj merz słę zależośc mędz zmem, - sam fakt dodatej wartośc współczka korelacj e może bć terpretowa jako mówąc o dodatej zależośc zmech, gd e wem, cz zależość ta jest mootocza. Regresja lowa 3
4 Lowa zależość mędz dwoma zmem, prosta regresj Rozpatrzm stuację, ked wkres rozproszea dla prób wartośc (, ),..., (, ) wskazuje a zależość lową mędz zmem. Wzaczm prostą adekwate reprezetującą aalzowaą chmurę puktów. Rówae tej prostej: = a+ b a - wraz wol, b - współczk kerukow. Określm e jako wartość resztową (lub rezduum) będącą różcą mędz wartoścą a wartoścą ( ) = a+ b przewdwaą przez tą prostą dla wartośc zmeej objaśającej rówej e = ( a+ b ) Podobe jak dla waracj za wskaźk rozproszea możem przjąć sumę kwadratów tch różc = = ab (, ) = e = ( a b) Określm wartośc a b metodą ajmejszch kwadratów (MNK) (wprowadzoą przez F. Gaussa do aalz dach astroomczch) Zgode z tą metodą za prostą ajlepej oddającą charakter wkresu rozproszea przjmuje sę tzw. prostą regresj (prostą regresj MNK, prostą MNK), dla której wartość sum ab (, ) jest mmala. (, ) = ( ) = m = ab a b Regresja lowa 4
5 Lowa zależość mędz dwoma zmem, prosta regresj, cd Określm wartośc a b a podstawe waruku mmalzacj ab (, ) (, ) = ( ) = m = ab a b Otrzmujem układ rówań = ( a b) = 0 a = = ( a b) = 0 b = tąd a b = 0 = =, lub a b = 0 = = = gdze = =, = =, a b = 0 a b = = =, 0 = = czl a= b, b = Moża róweż pokazać, że ( ) ( )( ) ( ) b = = = = = = ( ) ( ) ( ) = = = Regresja lowa 5
6 Lowa zależość mędz dwoma zmem, prosta regresj, cd Współczk kerukow prostej regresj może bć wrażo przez współczk korelacj próbkowej ( )( ) ( )( ) b = = = = = ( ) ( ) = ( )( ) = = = r ( ) Poadto, prosta regresj MNK przechodz przez pukt (, ). Pokazalśm, że a= b. Zachodz węc = a+ b. Z faktu, że MNK mmalzuje sumę kwadratów rezduów wka, że e = ( a b ) = 0 = = Regresja lowa 6
7 Rozkład całkowtej zmeośc zmeej objaśaej Do oce zmeośc zmeej objaśaej użwa sę w paketach statstczch welkośc T, E R T - całkowta suma kwadratów (ag. total sum of squares) zdefowaa jest jako T = ( ) = T może bć traktowae jako deks całkowtej zmeośc zmeej objaśaej. E - suma kwadratów błędów (ag. error sum of squares) zdefowaa jest jako = ( ( )) E = E może bć traktowae jako deks zmeośc zmeej rezduów wokół swojej wartośc średej rówej zero. R - regresja (lub modelowa) suma kwadratów (ag. regresso (model) sum of squares) zdefowaa jest jako = ( ( ) ) R = R może bć traktowae jako deks zmeośc wartośc przewdwach wokół swojej wartośc średej ( ) =. Zachodz zwązek T = E + R Regresja lowa 7
8 Rozkład całkowtej zmeośc zmeej objaśaej Mmalzacja MNK prowadz do zależośc T = E + R W przpadku, gd chmura puktów a wkrese jest skupoa wokół prostej MNK, składk E jest mał w porówau z T. Współczk determacj R E = T T określa stopeń, w jakm zależość lowa mędz zmeą objaśaą a objaśającą tłumacz zmeość wkresu rozproszea Wartość współczka determacj jest ścśle zwązaa z wartoścą współczka korelacj próbkowej R zmeość wjaśoa przez model r = = T zmeość całkowta Zachodz bowem ( ) ( ) ( ) ( ) ( ) ( ) R a+ b b b = = = = = T = = ( ) = = ( ) = = b = r = r Wartość r jest bardzej adekwatm wskaźkem stopa zależośc lowej ż sama wartość współczka korelacj próbkowej r. Regresja lowa 8
9 REGREJA LINIOWA W PRZYPADKU RÓŻNYCH NIEPEWNOŚCI POMIAROWYCH ZMIENNEJ Y Nepewośc pomarowe w przpadku dwóch zmech loścowch Wkoując serę pomarów zmeej zależej dla daej wartośc zmeej ezależej otrzmuje sę zazwczaj pewe rozrzut zmerzoch wartośc. Zwązae z tm rozrzutem odchlee stadardowe może bć stałe, ezależe od wartośc, ale mogą pojawć sę też przpadk, ked jest róże dla różch wartośc. Zajmem sę dokładej tą drugą ewetualoścą. Założm dla uproszczea, że całą epewość pomarową możem przpsać tlko do pomarów zmeej ezależej. Jest to rówoważe przjęcu, że odchlee stadardowe pomaru zmeej jest dużo mejsze od, a dokładej, że d d " Założee to e zawsze może bć spełoe. Może sę p. okazać, że w dam przpadku. Wted asza uproszczoa procedura regresj lowej będze z dobrm przblżeem dokłada, jeśl przjmem, że = + I D I d = - pośred przczek do całej epewośc welkośc d pochodząc od epewośc D - bezpośreda epewość pomaru welkośc Regresja lowa 9
10 Metoda ajwększej wargodośc Załóżm że zmee są w rzeczwstośc zwązae zależoścą ( ) = a + b Przjmem, że każda zmerzoa wartość pochodz z rozkładu ormalego o wartośc średej ( ) 0 odchleu stadardowm. Prawdopodobeństwo P otrzmaa wku wos węc ( ) 0 P = ep π Prawdopodobeństwo otrzmaa wszstkch wków jest loczem prawdopodobeństw dla poszczególch obserwacj 0( ) Pa ( 0, b0) = P = ep = = π = Podobe, dla dowolch estmowach wartośc współczków a b zachodz ( ) Pab (, ) = ep = π = Zgode z zasadą ajwększej wargodośc założm, że Pab (, ) Pa ( 0, b0), czl że wartoścam a b, które są ajblższe a 0 b 0 są te wartośc, które maksmalzują prawdopodobeństwo Pab. (, ) Poeważ czk / ( π ) jest ezależ od a b, węc waruek maksmalzacj Pab (, ) odpowada warukow mmalzacj sum w wkładku wrażea a Pab (, ) = ( ) = m Regresja lowa 0
11 Metoda ajwększej wargodośc, cd ( ) Zazwczaj mmalzacj poddaje sę e sumę = fukcję ( ) χ = ν = ν = m - lczba stop swobod m - lczba dopasowwach parametrów, ale Dla prawdłowo określoch wartośc wartość fukcj χ po mmalzacj jest zblżoa do jedośc. Jeżel χ, mogą wstąpć dwa przpadk: χ < χ > - przjęto za duże epewośc dla poszczególch wków, ale fukcja ( ) dobrze je przblża. - przjęto za małe epewośc dla poszczególch wków, albo fukcja ( ) e jest ch dobrm przblżeem. Czk określające wartość χ :. Fluktuacje merzoch wartośc zmech, które są próbą losową z populacj ( ) 0.. Wartośc przporządkowae epewoścom. Newłaścwe przporządkowae prowadz do ewłaścwch wartośc χ. 3. Wbór postac fukcj ( ) będącej aproksmacją "prawdzwej" fukcj ( ) 0. W ektórch przpadkach koecze może sę okazać dopasowwae klku różch fukcj, ab zaleźć tę właścwą dla daego zboru dach. 4. Wartośc parametrów fukcj. ( ) Celem dopasowwaa jest zalezee "ajlepszch wartośc" tch parametrów. Regresja lowa
12 Mmalzacja χ w przpadku regresj lowej, regresja ważoa W tm przpadku fukcja χ ma postać χ a b = = zajdujem jej mmum ze względu a wartośc parametrów a b Otrzmujem układ rówań χ = ( a b) = 0 a = χ = ( a b) = 0 b = a po podstaweu w = / jego rozwązau mam gdze a= b, b = = w, W = = w W = w W = =, W = w = w W = =, Powższe średe mają charakter średch ważoch z wagam w = /. tąd tak określoa procedura zajdowaa parametrów a b azwa sę lową regresją ważoą. W przpadku jedakowch wag (gd =, =,..., ) regresja ważoa staje sę regresją zwczają. Regresja lowa
13 OCENA NIEPEWNOŚCI REGREJI LINIOWEJ Przpadek jedakowch epewośc Jeśl odchlea stadardowe dla dach e są zae gd zakładam =, =,...,, wted możem określć korzstając z wków przeprowadzoej procedur dopasowwaa. Oceę moża przeprowadzć podobe jak oceę waracj z prób ( ) # = a b a b = = = = Przpadek zmech epewośc Zmee odchlea stadardowe dla poszczególch dach mogą pojawć sę gd - zmee wkają z stot aalzowaego zjawska, - dae pochodzą z różch źródeł, - pomar wkowae bł a różch zakresach merka, - wk pochodzą z populacj o m rozkładze ż gaussowsk (p. z populacj o rozkładze Possoa, gdze moża przjąć = ), - regresja dotcz zlearzowaej fukcj elowej. Br Np. prz zależośc w populacj o postac z = Ae zmerzoch parach wartośc ( z, r ) zajdowae parametrów A B moża sprowadzć do zagadea regresj lowej poprzez logartmowae odpowede podstawea Regresja lowa 3
14 l z = l A+ Br, = l z, a= l A, b= B, = r Przpadek zmech epewośc, learzacja zależośc elowej Przkład, cd z Br = Ae l l z = A+ Br = a+ b = l z, a= l A, b= B, = r, Dla potrzeb regresj lowej trzeba odpowedo przetrasformować dae epewośc pomarowe zmeej zależej = l z, = r d d l z = z = z = z dz z= z dz z= z z Otrzmae wartośc zależą od z, co powoduje, że zajdowae parametrów A B powo bć tu prowadzoe metodam regresj ważoej. Regresja lowa 4
15 Nepewośc parametrów a b Oblczm ajperw epewość oce parametru b b b b = j = j= j j= j wj b= = w w W = =, = b j = = j w ( w j j wj) ( j ) W W = w + = + = W W W ( ) ( ) b j j j j= Prz oblczau epewośc parametru a skorzstam z zależośc a= b a a a = + b = + b b w W = =, = j wj W wj j w j j= j j= j j= = = = = W w W W = + = + = W W W W W W a (bo = ) Regresja lowa 5
16 Nepewośc parametrów a b, cd Otrzmalśm b = = W w w = W = W = w = = = w W = a = = W w w = W = = a b W przpadku gd odchlea stadardowe dla dach e są zae gd zakładam =, =,...,, wted b = = = b a = = Jak już poprzedo pokazalśm, wted waracja może bć estmowaa ze wzoru # = a b = = = czl wted a b = = = b = = =, zaś b a = = Regresja lowa 6
17 Estmacja przedzałowa parametrów a 0 b 0 a a0 b b0 Moża pokazać, że zmee losowe Ta = Tb = mają a b rozkład tudeta o ν = stopach swobod, gd waracje są zae, lub o ν = stopach swobod, gd waracje e są zae przjmuje sę, że wszstke wartośc są określoe taką samą waracją # = a b = = = estmowaą a podstawe prób. tąd dla daego pozomu ufośc α możem apsać P t a a 0 α/, ν α/, ν = α a t P t b b 0 α/, ν α/, ν = α b t t α /, ν, t α/, ν - kwatle rzędu α / α / rozkładu tudeta o ν stopach swobod, tα/, ν = t α/, ν. tąd otrzmujem ( a a) P a t a a+ t = α/, ν 0 α/, ν α ( b b) Pb t b b+ t = α/, ν 0 α/, ν α Regresja lowa 7
18 Obszar ufośc dla prostej regresj lowej Współczk regresj lowej a b obarczoe są epewoścam a b, dlatego prosta regresj e jest jedozacze określoa. Pokazalśm już, że epewość jedego puktu prostej o współrzędch (, ) określoa jest waracją =, W = w = W = = Dla zalezea waracj pozostałch puktów prostej, jej rówae przedstawm w postac ˆ = + b( ) Z prawa przeoszea waracj mam ˆ ˆ ˆ b = + b ˆ Poeważ = oraz ŷ =, węc dla dowolego puktu ŷ b zajdującego sę a prostej, zachodz ( ) = + ŷ b Jak wdać ajmejszą warację ma pukt środkow (, ) rośe oa z kwadratem odległośc od puktu środkowego. Regresja lowa 8
19 Obszar ufośc dla prostej regresj lowej, cd = +, wprowadźm Tˆ Otrzmalśm ( ) ŷ b = ˆ ˆ Przedzał ufośc dla wartośc moża zatem oblczć ze wzoru ( /, ˆ /, ˆ) P ˆ t ˆ + t = α ν α ν α zerokość przedzału ufośc podobe jak waracja rośe wraz z odchleem od puktu środkowego prostej regresj. Krzwe ufośc prostej regresj lowej - obwede puktów wzaczoch przedzałam ufośc P ˆ t ˆ + t = ( /, ˆ /, ˆ) α ν α ν α dla różch puktów, Obszar ufośc - obszar zawart mędz krzwm ufośc dla prostej regresj a pozome ufośc -α. Y = α=0.98 -α= X Dwe par krzwch ufośc a pozome ufośc -α=0,98 0,80. Regresja lowa 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 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 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 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 szczegółowoLinie regresji II-go rodzaju
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,,... (
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 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 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 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 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 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 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 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 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 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 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 szczegółowoMiary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej
Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoWyrażanie niepewności pomiaru
Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway
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 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 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 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 szczegółowoTESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).
TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu
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 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 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 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 szczegółowoStatystyczne charakterystyki liczbowe szeregu
Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc
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. 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 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 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 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 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 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 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 szczegółowoJego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.
Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.
Bardziej szczegółowo[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7
6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram
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 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 szczegółowoEstymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.
Botatytyka, 018/019 dla Fzyk Medyczej, tuda magterke etymacja etymacja średej puktowa przedzał ufośc średej rozkładu ormalego etymacja puktowa przedzałowa waracj rozkładu ormalego etymacja parametrów rozkładu
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 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 powtórzenie (II semestr) Rafał M. Frąk
Statstka powtórzee (II semestr) Rafał M. Frąk TEORIA, OZNACZENIA, WZORY Rodzaje mar statstczch mar położea - wzaczają przecęta wartość cech statstczej mar zróżcowaa (lub zmeośc, rozproszea, dspersj) -
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 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 szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne
TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau
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 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 szczegółowodev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?
Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych
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 szczegółowo= n = = i i. Sprawdzenie istotności współczynnika korelacji ρ dla populacji na podstawie współczynnika r
STATYSTKA I ANALIZA DANYCH LAB V I VI. Pla laboatoum V VI Koelacja współczk koelacj Peasoa testowae stotośc współczka koelacj Regesja lowa egesja posta, ocea dopasowaa, testowae stotośc współczków egesj
Bardziej szczegółowoLiniowe relacje między zmiennymi
Lowe relacje mędzy zmeym Marta Zalewska Zakład Proflaktyk ZagrożeńŚrodowskowych Alergolog Ocea lowych relacj mędzy zmeym Metoda korelacj - określee rodzaju sły zależośc mędzy cecham. Metoda regresj 1 Uwaga
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 szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INTYTUT FIZYKI UJ BIOLOGIA 06 CEL ĆWICZEŃ. Obserwacja zjawsk efektów fzyczych. Doskoalee umejętośc
Bardziej szczegółowoMatematyczny opis ryzyka
Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee
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 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 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 szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Marzec 07 PODRĘCZNIKI Wstęp do aalzy błędu pomarowego Joh R. Taylor Wydawctwo Naukowe PWN Warszawa 999
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 szczegółowoTARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA
Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej
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 szczegółowoDane modelu - parametry
Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3
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 szczegółowoSTATYSTYKA OPISOWA WYKŁAD 3,4
STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA Woskowe sttstcze - egesj koelcj teść Wpowdzee Regesj koelcj low dwóch zmech Regesj koelcj elow - tsfomcj zmech Regesj koelcj welokot Wpowdzee Jedostk zoowośc sttstczej mogą ć chktezowe
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 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 szczegółowoPodprzestrzenie macierzowe
Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0
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 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 szczegółowoMetoda Monte-Carlo i inne zagadnienia 1
Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów
Bardziej szczegółowoKALIBRACJA NIE ZAWSZE PROSTA
KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel
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 szczegółowoStatystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych
dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa
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 szczegółowo