WIELOWYMIAROWA ANALIZA SYTUACJI SPOŁECZNO-DEMOGRAFICZNEJ POLSKI

Wielkość: px
Rozpocząć pokaz od strony:

Download "WIELOWYMIAROWA ANALIZA SYTUACJI SPOŁECZNO-DEMOGRAFICZNEJ POLSKI"

Transkrypt

1 Studia i Mateiały. Miscellaea Oecoomicae Rok 8, N /04 Wydział Zaządzaia i Admiistacji Uiwesytetu Jaa Kochaowskiego w Kielcach 50 lat kształceia ekoomistów w Kielcach Katazya Budy, Mata Szklaska, Ja Tata 3 WIELOWYMIAROWA ANALIZA SYTUACJI SPOŁECZNO-DEMOGRAFICZNEJ POLSKI Wstęp W szeegu wcześiejszych pac autozy iiejszego opacowaia pzedstawili popozycję owego (odmieego od klasyczego) sposobu opisu oaz aalizy wielowymiaowych ozkładów pawdopodobieństwa oaz wykozystali zapopoowae owe azędzia do modelowaia i badaia tych wielkości, któe mają chaakte wielowymiaowych wektoów losowych. W aspekcie aplikacyjym dotychczasowe badaia dotyczyły zaówo wielowymiaowych wielkości sticte ekoomiczych (w tym: fiasowych), jak i istotych poblemów i zagadień demogaficzych. Pezetowaa obecie paca ówież ależy do utu badań ad wielowymiaowymi chaakteystykami społeczo-demogaficzymi Polski. Z metodologiczego puktu widzeia uzyskae wcześiej owe azędzia pobabilistycze wykozystae zostaą do opisu oaz badaia wybaego fagmetu sytuacji społeczodemogaficzej aszego kaju. Fagmet te zostaie wyodębioy popzez dobó czteech istotych demogaficzie wielkości o chaakteze zmieych losowych. Te zaś potaktowae (zestawioe) łączie utwozą czteowymiaowy 4 wekto losowy (tj. fukcję postaci X : Ω R ) opisujący właśie ów wybay fagmet sytuacji społeczo-demogaficzej Polski. Zasygalizujmy już w tym miejscu, że współzęde badaego wektoa będą astępującymi wskaźikami: zawieaych małżeństw, ozwodów, dzietości oaz zgoów. Dae, któe wykozystamy w części meytoyczej atykułu (p.) dotyczą oku 0 w podziale admiistacyjym Polski a powiaty i pochodzą z publikacji Główego Uzędu Statystyczego. Mg Katazya Budy, asystet, Uiwesytet Ekoomiczy w Kakowie. Mg Mata Szklaska, asystet, Uiwesytet Ekoomiczy w Kakowie. 3 D Ja Tata, staszy wykładowca, Uiwesytet Ekoomiczy w Kakowie. 73

2 W piewszej, metodologiczej części opacowaia (p.) pzypomiamy bez wdawaia się w szczegóły (odsyłamy jedyie do źódłowych pozycji liteatuowych) pobabilistycze i statystycze azędzia, czyli defiicje oaz postaci tych paametów wielowymiaowych ozkładów pawdopodobieństwa, któych oszacowaia (ocey) zostaą wyzaczoe w części meytoyczej.. Estymatoy wybaych paametów ozkładu pawdopodobieństwa wektoa losowego Jedymi z podstawowych chaakteystyk ozkładu zmieej losowej (jedowymiaowej) są momety zwykłe oaz cetale [po. p. Felle, 969; Shao, 003]. W pacy [Tata, 996, 999] wykozystując defiicję potęgi wektoa zapopoowao wielowymiaowe uogólieie tych pojęć. Rozważmy zatem pzestzeń L ( Ω) czyli pzestzeń wektoów losowych całkowalych w tej potędze tj. L ( Ω) = X : Ω > R : X wekto losowy i X dp < +. Ω E X = X dp azywaa jest iekiedy W liteatuze pzedmiotu wielkość [ ] Ω mometem zędu wektoa losowego X i ozaczaa jako [ X ] E [po. Bilodeau i Bee, 999]. W pacy [Tata, 00] atomiast, popzez aalogię do pzypadku jedowymiaowego, wyażeie to okeśloo jako momet absoluty zędu wektoa losowego X i taką defiicję utzymamy w iiejszym opacowaiu. Załóżmy zatem, że X : Ω > R jest wektoem losowym o skończoym momecie absolutym zędu. Defiicja. [Tata, 996, 999] Momet zwykły zędu wektoa losowego X Ω R α = E X. : to wyażeie okeśloe jako [ ] Zauważmy, że momet zwykły zędu piewszego wektoa losowego to wekto watości oczekiwaych jego składowych; czyli α = m EX.,, = Defiicja. [Tata, 996, 999] Mometem cetalym zędu wektoa losowego X : Ω R azywamy wielkość wyażoą jako, [( X EX ) ] µ = E. 74

3 Za pomocą mometów cetalych wektoa losowego zdefiiowae zostały z kolei takie chaakteystyki ozkładu wielowymiaowego wektoa losowego jak współczyik asymetii, czy kutoza. Defiicja 3. [Tata, 000] Współczyik asymetii wektoa losowego X defiiujemy w astępujący sposób, 3, 3, ( µ ) 3 [( X EX ) ] µ E γ = SkewX = =. 3 ( D X ) Defiicja 4. [Budy, 009; Budy i Tata 009] Kutoza wektoa losowego X to wielkość wyażoa jako 4 µ 4, E[ ( X EX ) ] β, = KutX = =. ( µ ), D X ( ) W defiicjach 3 oaz 4 a ozaczeie waiacji wektoa losowego X pzyjęto zaówo symbol µ, jak i D X ; jest to zgode z kowecją stosowaą także w pzypadku zmieych losowych jedowymiaowych. Pzypomijmy [po. Budy, 0], że kutoza wektoa losowego o wielowymiaowym ozkładzie omalym pzyjmuje postać N : Ω R KutN = + i= ( D N ) + i ρij D Ni D N j i, j = i j D N i D N j i, j =, gdzie ρ ij ozacza współczyik koelacji składowych N i oaz N j wektoa N. Uwzględiając powyższą postać kutozy zdefiiowao koleją chaakteystykę ozkładu wielowymiaowego. Defiicja 5. [Budy, 03a] Współczyik ekscesu (eksces) wektoa losowego X = ( X,..., X ): Ω R okeślamy w astępujący sposób 75

4 γ, = Ekscess i= X = Kut X + ( D X ) + i ρij D X i D X i, j i = j D X i D X j i, j = j. W paktyce, badając chaakteystyki opate a defiicji potęgi wektoa w aalizie wielowymiaowych daych empiyczych wykozystuje się (podobie jak to ma miejsce w pzypadku jedowymiaowym) ich odpowiedie estymatoy, czyli oszacowaia uzyskae a podstawie dostępej póby statystyczej. W pacy [Budy, 0b] ustaloo postać mometów zwykłych w póbie wielowymiaowej waz z omówieiem podstawowych ich własości (m.i. zgodość oaz ieobciążoość). Z kolei w opacowaiu [Budy, 03b] zapopoowao postać estymatoów mometów cetalych oaz wykazao, że są oe estymatoami zgodymi i asymptotyczie ieobciążoymi. Pzypomijmy podstawowe defiicje. k Niech X : Ω R,, X : Ω R będzie póbą postą z ozkładu wielowymiaowego. Defiicja 6. [Budy, 0b] Estymatoem mometu zwykłego zędu wektoa losowego (iaczej: mometem zwykłym zędu w póbie wielowymiaowej) azywamy statystykę a k i ( X ) i= =., Defiicja 7. [Budy, 03b] Estymatoem mometu cetalego zędu wektoa losowego (mometem cetalym zędu w póbie wielowymiaowej) azywamy statystykę m k k i ( X X ) i= =., W iiejszym opacowaiu szczególie istotym okaże się estymato mometu cetalego zędu dugiego czyli waiacji całkowitej wektoa losowego a także pewe jego tasfomacje. k 76

5 Defiicja 8. Estymatoem mometu cetalego zędu dugiego (iaczej: mometem cetalym zędu dugiego w póbie wielowymiaowej lub waiacją całkowitą w póbie wielowymiaowej) azywamy zmieą losową (statystykę) postaci k i ( X X ) i= m = sk =.,, k Własość ieobciążoości (ie zaś asymptotyczej ieobciążoości ) posiada z kolei astępujący estymato waiacji s k i ( X X ) i= k, =. k Estymatoy m, oaz s k, są zgodymi estymatoami mometu cetalego zędu dugiego ozkładu wielowymiaowego w populacji geealej.. Wybae aspekty sytuacji społeczo-demogaficzej Polski aaliza W tej części opacowaia wykozystamy pzypomiae w części piewszej paamety wielowymiaowych ozkładów pawdopodobieństwa oaz ich estymatoy do oszacowaia wybaych chaakteystyk koketego wielowymiaowego wektoa losowego. Zgodie z zapowiedzią ze Wstępu będzie to czteowymiaowy wekto opisujący sytuację demogaficzą Polski z puktu widzeia wybaych jej elemetów. Tymi elemetami ( współzędymi ozważaego wektoa) będą: współczyik zawieaych małżeństw ozaczeie: M współczyik ozekaych ozwodów ozaczeie: R współczyik dzietości ozaczeie: D współczyik zgoów ozaczeie: Z. Zaczeie wymieioych wyżej współczyików pzyjmujemy zgodie z defiicjami Główego Uzędu Statystyczego (po. Pzedmiotem badań będzie zatem wekto postaci X = ( M, R, D, Z ) T. Póbę, któą wykozystamy do uzyskaia oce wybaych paametów ozkładu wektoa X staowią dae GUS pobae ze stoy gov.pl/bazademogafia/tables.aspx. Odoszą się oe do oku 0 z uwzględieiem teytoialego podziału Polski a powiaty. W pzypadku ajbadziej ogólego badaia dotyczącego Polski ogółem (p. a) póba jest zatem 379- elemetowa (łącza liczba powiatów). Podobą aalizę jak dla Polski ogółem pzepowadzimy dla wybaych podegioów aszego kaju, z któych każdy obejmuje kilka geogaficzie bliskich sobie województw. Z demogaficzego i socjologiczego puktu widzeia iteesujący podzbió daych ( podpóbkę ) 77

6 staowią te, któe opisują sytuację demogaficzą w powiatach godzkich Polski. Wyiki tego badaia pzedstawimy w ostatim pukcie tej części pacy. Paametami (chaakteystykami) ozkładu wektoa X, któych ocey będziemy wyzaczać są: a) watość oczekiwaa (wekto) b) waiacja łącza (skala) z podziałem a waiacje bzegowe c) maciez kowaiacji d) maciez współczyików koelacji (cząstkowych) e) współczyik asymetii (wekto) oaz jej watość (skala) f) kutoza oaz eksces wektoa X. a. Chaakteystyki wektoa sytuacji demogaficzej w ujęciu Polska ogółem Wykozystując defiicje poszczególych paametów, stosowe estymatoy oaz dae Główego Uzędu Statystyczego otzymujemy astępujące wyiki: a) watość oczekiwaa EX = a, = b) waiacja łącza oaz łącze odchyleie stadadowe D X = m, =.769 ; D X =.664 waiacje bzegowe σ M = 0.58 σ R = 0.07 σ D = 0.09 σ Z =.93 bzegowe odchyleia stadadowe σ M = 0,508, σ R = 0, 455, σ D = 0, 386, σ Z =, 537 c) maciez kowaiacji covx =

7 d) maciez koelacji e) cox = f) asymetia Asym X = ; Asym X = g) kutoza oaz eksces Kut X =.4979 ; Ekscess X = b. Chaakteystyki wektoa sytuacji demogaficzej w egioie półocym W tej części pacy wykozystamy te dae GUS, któe dotyczą powiatów astępujących województw: zachodiopomoskiego, kujawsko pomoskiego, pomoskiego, wamińsko - mazuskiego (z wyłączeiem powiatów godzkich). Otzymujemy w te sposób póbę 7 elemetową (7 powiaty). Szacuki estymowaych paametów są teaz astępujące: a) watość oczekiwaa EX = a, = b) waiacja łącza oaz łącze odchyleie stadadowe D X = m, =.4744 ; D X =. 4 waiacje bzegowe σ M = σ R = σ D = σ Z =.664 bzegowe odchyleia stadadowe σ M = 0, 7084, σ R = 0, 3685, σ D = 0, 37, σ Z =,

8 c) maciez kowaiacji cov X = d) maciez koelacji co X = e) asymetia Asym X = ; Asym X = 0.36 f) kutoza oaz eksces KutX =.4759 ; EkscessX = 0.63 c. Chaakteystyki wektoa sytuacji demogaficzej w egioie wschodim Tym azem do dalszych ozważań wybieamy dae GUS dotyczące powiatów województw: podlaskiego, lubelskiego, podkapackiego, małopolskiego, czyli w większości tej części aszego kaju, któa okeślaa jest miaem ściay wschodiej ; (także teaz ie uwzględiamy powiatów godzkich). Uzyskaa póba liczy 74 elemety (74 powiaty). Oto ezultaty pzepowadzoej estymacji: a) watość oczekiwaa EX = a, =

9 b) waiacja łącza oaz łącze odchyleie stadadowe D X = m, =.8700 ; D X =. 694 waiacje bzegowe M = 0.4 σ R = σ D = σ Z =.5343 bzegowe odchyleia stadadowe σ M = 0,4735 σ R = 0, 3077 σ D = 0, 300 σ Z =, 599 c) maciez kowaiacji cov X = d) maciez koelacji co X = e) asymetia Asym X = ; Asym X = f) kutoza oaz eksces Kut X = ; Ekscess X = d. Chaakteystyki wektoa sytuacji demogaficzej w egioie zachodim Rozważamy dae z powiatów astępujących województw: wielkopolskiego, lubuskiego, dolośląskiego, śląskiego i opolskiego (bez powiatów godzkich). Uzyskaa w te sposób podpóba liczy teaz 97 elemetów (97 powiatów). Stosując odpowiedie estymatoy otzymao astępujące ocey wyóżioych paametów. 8

10 a) watość oczekiwaa EX = a, = b) waiacja łącza oaz łącze odchyleie stadadowe D X = m, =.8058 ; D X = waiacje bzegowe M = σ R = σ D = 0.04 σ Z =.50 bzegowe odchyleia stadadowe σ M = 0,4477 σ R = 0, 300 σ D = 0, 9 σ Z =, 5 c) maciez kowaiacji cov X = d) maciez koelacji co X = e) asymetia Asym X = ; Asym X = f) kutoza oaz eksces Kut X =.793 ; Ekscess X =

11 e. Chaakteystyki wektoa sytuacji demogaficzej w egioie cetalym Ostatim wyodębioy subegio twozą powiaty województw: mazowieckiego, świętokzyskiego, łódzkiego (oczywiście jak dotychczas także bez powiatów godzkich). Otzymujemy póbę 7 elemetową (7 powiaty). Oto wyiki pzepowadzoych obliczeń: a) watość oczekiwaa EX = a, = b) waiacja łącza oaz łącze odchyleie stadadowe D X = m, =.357 ; D X = waiacje bzegowe σ M = σ R = 0.45 σ D = 0.04 σ Z =.8737 bzegowe odchyleia stadadowe σ M = 0,5956, σ R = 0, 3384, σ D = 0, 9, σ Z =, 3688 c) maciez kowaiacji cov X = d) maciez koelacji co X =

12 e) asymetia Asym X = ; Asym X = f) kutoza oaz eksces Kut X =.539 ; Ekscess X = f. Chaakteystyki wektoa sytuacji demogaficzej w powiatach godzkich Pauje dość powszeche pzekoaie, że śodowiska wielkomiejskie oaz aglomeacyje (w tym społeczości zamieszkujące powiaty godzkie) chaakteyzują się swoistą (szczególą) specyfiką zaówo z socjologiczego jak i demogaficzego puktu widzeia. Autozy iiejszego opacowaia postaowili zweyfikować powyższy sąd poddając badaiu ozważae dotychczas chaakteystyki ale wyłączie dla powiatów godzkich. Dyspoujemy zatem póbą 65 elemetową (65 powiatów). Uzyskae w pocesie estymacji szacuki pzedstawiają się astępująco: a) watość oczekiwaa EX = a, = b) waiacja łącza oaz łącze odchyleie stadadowe D X = m, =.98 ; D X =. 767 waiacje bzegowe σ M = σ R = 0.07 σ D = σ Z =.675 bzegowe odchyleia stadadowe σ M = 0,435, σ R = 0, 337, σ D = 0, 0980, σ Z =, 6345 c) maciez kowaiacji cov X =

13 d) maciez koelacji co X = e) asymetia Asym X = ; Asym X = f) kutoza oaz eksces Kut X =.549 ; Ekscess X = Wioski oaz uwagi końcowe. W oku 0 w pzeciętym (w ozumieiu statystyczym) powiecie w Polsce (po. badaie Polska ogółem ; p.a) a każde 000 osób w wieku 5 lat i więcej zawato śedio 5,44 związków małżeńskich, zaówo wyzaiowych jak i cywilych. Jest to poziom zbliżoy do watości tego wskaźika w powiatach egiou cetalego (ok. 5,43). Zdecydowaie ajbadziej kozysta pod tym względem sytuacja miała miejsce w powiatach egiou wschodiego (ok. 5,66), zaś ajmiej kozysta w powiatach godzkich (ok. 5,3).. W pzeciętym polskim powiecie a każde 000 osób w wieku 0 lat i więcej ozeczoo,54 ozwodów. I zowu: ajbadziej kozysta sytuacja z puktu widzeia wskaźika ozwodów miała miejsce w egioie wschodim (,), atomiast ajmiej kozysta w powiatach godzkich (,). 3. W pzeciętym polskim powiecie pzeciętie każda kobieta w wieku ozodczym (wiek od 5 do 49 lat) w oku 0 uodziła ok.,3 dzieci. Także i w tym pzypadku ajmiej kozysta sytuacja miała miejsce w powiatach godzkich (,9). Najwyższy poziom (ok.,38) współczyik dzietości osiągął w powiatach egioów cetalego i półocego. Szacuje się, że dla zagwaatowaia stabilego ozwoju demogaficzego egiou lub kaju wskaźik dzietości powiie pzekaczać poziom,. 4. W pzeciętym polskim powiecie a każde 000 osób w oku 0 zmało ok. 9,99 osób. Najiższą watość wskaźik zgoów osiągął w po- 85

14 wiatach egiou półocego (ok. 9,7), zaś ajwyższą w powiatach egiou cetalego (ok.,8). 5. Rozkład pawdopodobieństwa badaego wektoa sytuacji społeczodemogaficzej w zależości od egiou chaakteyzował się óżym ozposzeiem. Jego miaą jest m.i. łącze odchyleie stadadowe. W pzeciętym polskim powiecie wyosiło oo,66 i było zbliżoe do odchyleia stadadowego w powiatach egiou wschodiego (,69). Największe odchyleie ozkładu badaego wektoa odotowao w powiatach godzkich (,73), zaś ajmiejsze w powiatach egiou półocego (,). W powiatach godzkich zdecydowaie ajwiększy udział w łączym odchyleiu stadadowym miało odchyleie bzegowe wskaźika zgoów. 6. Rozkład badaego wektoa w żadym z egioów ai tez w ujęciu Polska ogółem ie okazał się ozkładem symetyczym. Świadczą o tym wyiki uzyskae w puktach e każdego z badań pzepowadzoych w części meytoyczej pacy. Na bak symetii oaz a wielkość asymetii wskazuje pzede wszystkim oma wektoa asymetii. Pod tym względem ajwiększą asymetię ozkładu dostzegamy w powiatach egiou wschodiego (ok. 0.69) ajmiejszą zaś w powiatach godzkich (ok. 0,4). Więcej ifomacji dostaczają wektoy asymetii ( Asym X ). Dodati wyik a któejkolwiek współzędej wektoa asymetii ozacza mówiąc w zaczym uposzczeiu pzewagę obsewacji o watości większej iż pzecięta ad tymi, któych watość jest miejsza od pzeciętej. W zależości zatem od badaej cechy kozysta jest bądź asymetia ujema bądź asymetia dodatia. W pzypadku współczyika małżeństw oaz współczyika dzietości z oczywistych powodów kozysta byłaby asymetia dodatia, zaś w pzypadku współczyika ozwodów oaz umiealości asymetia ujema. Niestety, w ujęciu Polska ogółem obsewujemy sytuację iemal odwotą: wskaźiki małżeństw oaz dzietości chaakteyzują się asymetią ujemą, atomiast współczyik zgoów zdecydowaą asymetią dodatią. Najmiej kozysta pod tym względem sytuacja w 0 oku miała miejsce w powiatach egioów wschodiego i zachodiego. 7. Na zakończeie ależy jeszcze az podkeślić, że pzyjęty pzez autoów do badaia socjologiczo-demogaficzy wekto losowy jest jedyie jedym z wielu możliwych. Tylko ituicja badacza i cel badawczy będą decydować o jego wymiaze oaz o doboze jego współzędych. Bibliogafia:. Bilodeau M., Bee D. (999), Theoy of Multivaiate Statistics, Spige - Velag, New Yok.. Budy K. (009), Kutoza wektoa losowego, Pace Naukowe Uiwesytetu Ekoomiczego we Wocławiu, 78, seia: Ekoometia, Budy K., Tata J. (009), Kutosis of a adom vecto special types of distibutios, Statistics i Tasito, 0 (3). 86

15 4. Budy K. (0a), Kutoza wektoa losowego o wielowymiaowym ozkładzie omalym, [w:] Zastosowaie metod ilościowych w fiasach i ubezpieczeiach, paca zbioowa pod ed. S. Follicza, CeDeWu, Waszawa. 5. Budy K. (0b), Estymatoy mometów zwykłych wektoa losowego opatych a kocepcji potęgi wektoa, [w:] Spawozdaie z badań statutowych za ok 0 UEK Kaków, [paca iepublikowaa]. 6. Budy K. (03a), Współczyik ekscesu wektoa losowego, Studia Ekoomicze. Zeszyty Naukowe Uiwesytetu Ekoomiczego w Katowicach, [paca złożoa do duku] 7. Budy K. (03b), Estimatio of the cetal momets of a adom vecto based o the defiitio of the powe of a vecto, Statistics i Tasitio- ew seies. 8. Came H. (958), Metody matematycze w statystyce, PWN, Waszawa. 9. Felle W. (969), Wstęp do achuku pawdopodobieństwa. Tom II, PWN, Waszawa. 0. Gee W. H. (993), Ekoometic aalysis, d ed., Macmilla Publishig Compay, New Yok.. Jakubowski J., Sztecel R. (004), Wstęp do achuku pawdopodobieństwa, Scipt, Waszawa.. Shao J. (003), Mathematical statistics, d ed., Spige. 3. Tata J. (996), O iektóych miaach ozposzeia ozkładów pawdopodobieństwa, Pzegląd Statystyczy, Tata J. (999), Momets of a adom vaiable i a Hilbet Space, Pzegląd Statystyczy,. 5. Tata J.(000), Asymetia wielowymiaowych ozkładów pawdopodobieństwa, w: Mateiały z XXXV Kofeecji Statystyków, Ekoometyków i Matematyków Akademii Ekoomiczych Polski Połudiowej, Wydawictwo AE w Kakowie. 6. Tata J. (00), Nieówość Lapuowa dla wielowymiaowych ozkładów pawdopodobieństw, Zeszyty Naukowe Uiwesytetu Ekoomiczego w Kakowie, 549. Abstakt: Autozy atykułu we wcześiejszych pacach pzedstawili owe podejście do opisu i badaia ozkładów pawdopodobieństwa wielowymiaowych wektoów losowych. W iiejszym opacowaiu uzyskae wcześiej owe azędzia wykozystao do badaia wybaego czteowymiaowego wektoa sytuacji społeczodemogaficzej Polski. Uwzględiając admiistacyjy podział kaju a powiaty oaz dae Główego Uzędu Statystyczego za ok 0 wyzaczoo i skometowao istote chaakteystyki wektoa, któego współzędymi są współczyiki: zawieaych małżeństw, ozekaych ozwodów, dzietości oaz zgoów. W uzyskaych wyikach zajduje obiektywe (aukowe) potwiedzeie powszechie fomułowaa teza o iestety złej kodycji społeczo-demogaficzej Polski. Multivaiate aalysis of the socio demogaphic situatio of Polad I the pevious woks the authos have peseted a ew appoach to desciptio ad aalysis of a adom vecto distibutio. I this pape the obtaied ealie ew tools have bee used fo aalysis of the fouth-dimesio vecto of the sociodemogaphic situatio of Polad. Takig ito accout admiistative divisio of 87

16 the couty ito couties ad the data fom the Cetal Statistical Office of Polad, we calculated ad commeted the impotat chaacteistics of the vecto, which coodiates ae: the total maiage ate, the total divoce ate, the total fetility ate ad the total motality ate. The obtaied esults ae objective (scietific) cofimatio of commoly fomulated the thesis of - ufotuately - bad sociodemogaphic coditio of Polad. MBA Katazya Budy, juio lectue, Cacow Uivesity of Ecoomics. MBA Mata Szklaska, juio lectue, Cacow Uivesity of Ecoomics. PhD Ja Tata, seio lectue, Cacow Uivesity of Ecoomics. 88

Wielowymiarowa analiza statystyczna w badaniach rynku kapitałowego *

Wielowymiarowa analiza statystyczna w badaniach rynku kapitałowego * Zeszyty Uiwersytet Ekoomiczy w Krakowie Naukowe 4 (976) ISSN 1898-6447 e-issn 545-338 Zesz Nauk UEK, 018; 4 (976): 161 18 https://doiorg/1015678/znuek01809760410 Katarzya Budy Ja Tatar Wielowymiarowa aaliza

Bardziej szczegółowo

X 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.

X 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 szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka 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 szczegółowo

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI Tadeusz Gesteko Emeytoway pofeso Uiwesytetu Łódzkiego ISSN 1644-6739 e-issn 2449-9765 DOI: 10.15611/sps.2015.13.09 Steszczeie: Rozkład pawdopodobieństwa

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia 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 szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka 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 szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólopolskie Semiaium Naukowe, 4 6 wześia 2007 w Touiu Kateda Ekoometii i Statystyki, Uiwesytet Mikołaja Kopeika w Touiu Akademia Ekoomicza w Kakowie O kwatylowym fukcjoale

Bardziej szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja 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 szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki 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 szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 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 szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (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 szczegółowo

ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybrane schematy i tablice z PN-83/B :

ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybrane schematy i tablice z PN-83/B : ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybae schematy i tablice z PN-83/B-048 : http://www.uwm.edu.pl/edu/piotsokosz/mg.htm UWAGA! Rysuki ie są w skali!!! N = 900 kn M = 500 knm G, I L =0.3 0.0m

Bardziej szczegółowo

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

Liczebnośd (w tys.) n

Liczebnośd (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 szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 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 szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy 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 szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. 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 szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA 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 szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. 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 szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba 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 szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA 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 szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA 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 szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY 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 szczegółowo

Metody probabilistyczne egzamin

Metody probabilistyczne egzamin Imię i azwisko:....................................................... N ideksu:.............. Metody pobabilistycze egzami Data: 30.0.209 Godzia: 3:00 Zadaie [8pkt] Podaj aksjomaty Kołmogoowa dla miay

Bardziej szczegółowo

1. Wprowadzenie. Zygmunt Lech Warsza. Serhii Zabolotnii. Pomiary Automatyka Robotyka, ISSN , R. 22, Nr 1/2018, DOI: 10.

1. Wprowadzenie. Zygmunt Lech Warsza. Serhii Zabolotnii. Pomiary Automatyka Robotyka, ISSN , R. 22, Nr 1/2018, DOI: 10. Pomiay Automatyka Robotyka, ISSN 47-96, R., N /08, 49 56 DOI: 0.433/PAR_7/49 Zygmut Lech Wasza Sehii Zabolotii Steszczeie: Pzedstawioo sposób wyzaczaia estymatoów watości i iepewości mezuadu iekowecjoalą

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 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 szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA 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 szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI ALGORYTM DO PROGRAMU MATHCAD 1 PRAWA AUTORSKIE BUDOWNICTWOPOLSKIE.PL GRUDZIEŃ 2010 Rozpatrujemy belkę swobodie podpartą obciążoą siłą skupioą, obciążeiem rówomierie

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

Dobór zmiennych do modelu ekonometrycznego

Dobór zmiennych do modelu ekonometrycznego Dobó zmiennych do modelu ekonometycznego Metody dobou zmiennych do modelu ekonometycznego opate na teście F Model zedukowany ya 0 +a x+a x+.+a x Model pełny ya 0 +a x+a x+.+a x +a + x + + +a k x k Częściowy

Bardziej szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. 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 szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół 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 szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

Estymacja przedziałowa

Estymacja 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 szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie 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 szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM

ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM Katarzya Zeug-Żebro Uiwersytet Ekoomiczy w Katowicach Katedra Matematyki katarzya.zeug-zebro@ue.katowice.pl ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM Wprowadzeie Zjawisko starzeia

Bardziej szczegółowo

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że: Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA 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 szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność 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 szczegółowo

www.bdas.pl Rozdział 3 Zastosowanie języka SQL w statystyce opisowej 1 Wprowadzenie

www.bdas.pl Rozdział 3 Zastosowanie języka SQL w statystyce opisowej 1 Wprowadzenie Rozdzał moogaf: 'Bazy Daych: Nowe Techologe', Kozelsk S., Małysak B., Kaspowsk P., Mozek D. (ed.), WKŁ 007 Rozdzał 3 Zastosowae języka SQL w statystyce opsowej Steszczee. Relacyje bazy daych staową odpowede

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. 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 szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 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 szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe 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 szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

METEMATYCZNY MODEL OCENY

METEMATYCZNY MODEL OCENY I N S T Y T U T A N A L I Z R E I O N A L N Y C H w K i e l c a c h METEMATYCZNY MODEL OCENY EFEKTYNOŚCI NAUCZNIA NA SZCZEBLU IMNAZJALNYM I ODSTAOYM METODĄ STANDARYZACJI YNIKÓ OÓLNYCH Auto: D Bogdan Stępień

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA 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 szczegółowo

Elementy modelowania matematycznego

Elementy 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 szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka 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

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx 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 szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY 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 szczegółowo

PROJEKT: GNIAZDO POTOKOWE

PROJEKT: GNIAZDO POTOKOWE POLITEHNIK POZNŃSK WYZIŁ UOWY MSZYN I ZZĄZNI ZZĄZNIE POUKJĄ GUP ZIM-Z3 POJEKT: GNIZO POTOKOWE WYKONWY: 1. TOMSZ PZYMUSIK 2. TOMSZ UTOWSKI POWZĄY: Mg iż. Maiola Ozechowska SPIS TEŚI OZZIŁ 1. Wpowadzeie.

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Ocena siły oddziaływania procesów objaśniających dla modeli przestrzennych

Ocena siły oddziaływania procesów objaśniających dla modeli przestrzennych Michał Benad Pietzak * Ocena siły oddziaływania pocesów objaśniających dla modeli pzestzennych Wstęp Ekonomiczne analizy pzestzenne są ważnym kieunkiem ozwoju ekonometii pzestzennej Wynika to z faktu,

Bardziej szczegółowo

KIERUNKI ZMIAN STRUKTURY AGRARNEJ WOJEWÓDZTW WEDŁUG GRUP TYPOLOGICZNYCH (PROGNOZA DO ROKU 2020)

KIERUNKI ZMIAN STRUKTURY AGRARNEJ WOJEWÓDZTW WEDŁUG GRUP TYPOLOGICZNYCH (PROGNOZA DO ROKU 2020) METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/, 202, st. 58 68 KIERUNKI ZMIAN STRUKTURY AGRARNEJ WOJEWÓDZTW WEDŁUG GRUP TYPOLOGICZNYCH (PROGNOZA DO ROKU 2020) Jadwiga Bożek Kateda Statystyki Matematycznej,

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie 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 szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM 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 szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan 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 szczegółowo

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE 4.5. PODTAWOWE OBCZENA HAŁAOWE 4.5.. WPROWADZENE Z dotychczasowych ozważań wiemy już dużo w zakesie oisu, watościowaia i omiau hałasu w zemyśle. Wato więc tę wiedzę odsumować w jedym zwatym ukcie, co umożliwi

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej. Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The

Bardziej szczegółowo

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 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 szczegółowo

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

METODY NUMERYCZNE dr inż. Mirosław Dziewoński Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: 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 szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja 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 szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie ELEMENTY MATEMATYI FINANSOWEJ Wpowadzeie Pieiądz ma okeśloą watość, któa ulega zmiaie w zależości od czasu, w jakim zostaje o postawioy do aszej dyspozycji. Watość tej samej omialie kwoty będzie ia dziś

Bardziej szczegółowo

LABORATORIUM ELEKTRONIKI

LABORATORIUM ELEKTRONIKI LABOATOIUM ELEKTONIKI ĆWICENIE 2 DIODY STABILIACYJNE K A T E D A S Y S T E M Ó W M I K O E L E K T O N I C N Y C H 21 CEL ĆWICENIA Celem ćwiczenia jest paktyczne zapoznanie się z chaakteystykami statycznymi

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek 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 szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.

ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych. 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.

Bardziej szczegółowo

Statystyka opisowa - dodatek

Statystyka opisowa - dodatek Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej

Bardziej szczegółowo

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( )

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( ) Rówaia óżiczkowe zwyczaje Rówaie postaci: Wykład Wpowadzeie dy x dx ( x y ( x) ) = f () Gdzie f ( x y ) jest fukcją dwóch zmieych okeśloą i ciągłą w pewym obszaze płaskim D azywamy ówaiem óżiczkowym zwyczajym

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

II.6. Wahadło proste.

II.6. Wahadło proste. II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Spłata długów. Rozliczenia związane z zadłużeniem

Spłata długów. Rozliczenia związane z zadłużeniem płata długów Rozliczeia związae z zadłużeiem Źódła fiasowaia Źódła fiasowaia Kapitał własy wkład właściciela, wpłaty udziałowców, opłaty za akcje, wkład zeczowy, apot. Kapitał obcy kedyty, pożyczki, ie

Bardziej szczegółowo

Modelowanie zmienności i dokładność oszacowania jakości węgla brunatnego w złożu Bełchatów (pole Bełchatów)

Modelowanie zmienności i dokładność oszacowania jakości węgla brunatnego w złożu Bełchatów (pole Bełchatów) Akademia Góniczo-Hutnicza, Kopalnia Węgla Bunatnego, Wydział Geologii, Geofizyki i Ochony śodowiska Bełchatów Wasztaty Gónicze 24 Jacek Mucha, Tadeusz Słomka, Wojciech Mastej, Tomasz Batuś Akademia Góniczo-Hutnicza,

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

Bardziej szczegółowo

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 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 szczegółowo

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy

Bardziej szczegółowo