Rozkład Poissona. I. Cel ćwiczenia. Obowiązujący zakres materiału. Podstawy teoretyczne. Opracował: Roman Szatanik
|
|
- Adam Janicki
- 5 lat temu
- Przeglądów:
Transkrypt
1 Opracował: Roma Szatai Rozład Poissoa I. Cel ćwiczeia Zapozaie ze statystyczym sposobem opisu zagadień związaych z promieiowaiem jądrowym oraz z rozładami statystyczymi stosowaymi w fizyce jądrowej. Pratycze zastosowaie rozładu Poissoa w statystyczym opracowaiu wyiów pomiarów rejestracji promieiowaia jądrowego. II. Obowiązujący zares materiału. Statystyczy sposób opisu zagadień związaych z promieiowaiem jądrowym 2. Rozłady statystycze: dwumiaowy, Poissoa, Gaussa. 3. Warue przejścia rozładu Poissoa w rozład Gaussa 4. Defiicje: zmieej losowej, dyspersji, odchyleia stadardowego III. Literatura. K. Małuszyńsa, M. Przytuła, Laboratorium fizyi jądrowej PWN, Łódź T. Hilczer, Ćwiczeia z fizyi jądrowej UAM Pozań J. M. Massalsi, Detecja promieiowaia jądrowego, PWN, Warszawa W.I. Goldasi, Statystya pomiarów przy rejestracji promieiowaia jądrowego PWN, Warszawa W. J. Price, Detecja promieiowaia Jądrowego PWT, Warszawa G.E. Pustowałow, Fizya Jądrowa i atomowa PWN, Warszawa Sz. Szczeiowsi, cz. VI Fizya Doświadczala. Fizya jądra i cząste elemetarych PWN, Warszawa 974. IV. Podstawy teoretycze. Wstęp Wyii pomiarów dowolej wielości fizyczej, ze względu p. a bardzo dużą liczbę ieotrolowaych i różorodych oddziaływań, mogą mieć charater statystyczy z możliwością wystąpieia flutuacji wielości mierzoej. W przypadu pomiarów wielości lub zjawis mirosopowych taich ja p. rozpady promieiotwórcze jąder - flutuacje wyiów pomiarów związae są główie z istotą zjawisa i flutuacji podlega sama mierzoa wielość atomiast przyrząd pomiarowy możemy uzać za a tyle dołady, że ie wosi dodatowych iepewości. Wówczas, jeżeli w wielorotych pomiarach taj samej wielości X otrzymujemy szereg różych, wartości: x, x 2,,x i to flutuują oe ie woół wartości prawdziwej bo taiej w przypadu pomiarów zdarzeń statystyczych ie ma, lecz woół wartości średiej arytmetyczej x poszczególych pomiarów: x i x Ta średia wartość jest dobrym przybliżeiem lub iaczej estymatorem mierzoej prawdziwej wielości. Ja dobrym jest to przybliżeie oreśla am odchyleie od wartości średiej. Wielość odchyleia (tzw. rozrzut wyiów od wartości średiej) oreśla się za pomocą dyspersji lub odchyleia stadardowego
2 (średi błąd wadratowy). Dyspersję D defiiuje się jao wartość średią wadratów różic między wartością średią a wartościami wyiów pomiarów: 2 D {x i x) (2) atomiast pierwiaste wadratowy dyspersji: 2 σ D {x i x) (3) azywamy - zaym z teorii iepewości pomiarowych średim błędem wadratowym (Wielość ta jest estymatorem odchyleia stadardowego w tzw. rozładzie Gaussa). Jeżeli wartości jaiejś zmieej oreśloe są przypadowo to mówimy, że zmiea ta jest zmieą losową. Zmiea losowa jest to wielość, tóra w wyiu pomiaru przyjmuje jedą i tylo jedą wartość ze zbioru wszystich wartości, jaie może ta zmiea przyjmować, przy czym wartości tej ie moża przewidzieć przed wyoaiem pomiaru. Zmiee losowe mogą mieć charater ciągły lub dysrety (ieciągły). Jeżeli ażdej wartości x, x 2, x i dysretej doświadczalie otrzymaej zmieej losowej X przyporządowae jest pewe prawdopodobieństwo p, p 2, p i to prawdopodobieństwa te moża tratować jao fucję oreśloą a zbiorze wartości x i. Wówczas: rozładem zmieej losowej X azywa się prawdopodobieństwo tego, że zmiea ta przybiera wartości x i.: P(X x i ) p i, (i,2, ) Prawdopodobieństwo tego, że zmiea losowa X przyjmie jaąolwie wartość ze zbioru wszystich wartości, tóre może przyjąć jest rówe jedości: p i (4) Rozład wyiów, wielorotie powtarzaych pomiarów dla procesów przypadowych daje się opisać fucją zwaą rozładem Poissoa tóry jest graiczym przypadiem tzw. rozładu dwumiaowego. Niech iteresującym as zdarzeiem będą aty rozpadu promieiotwórczego w uładzie jąder. Mają oe ja ajbardziej charater statystyczy, tz. mogą być oreśloe tylo z pewym prawdopodobieństwem, poieważ ze względu a ogromą ilość jąder podlegających rozpadowi ie moża przewidzieć, iedy astąpi rozpad oretego jądra. Dodatowo samo zjawiso emisji z jądra fotou (przemiaa γ), eletrou (przemiaa β - ) lub pozytou (przemiaa β + ) ma też charater statystyczy, tj, możemy je opisać podając jedyie prawdopodobieństwo jego zajścia. Rozpad jąder atomowych jest więc zdarzeiem przypadowym iezależym od obecości i stau iych jąder. Mierzoą wielością może być ilość rejestrowaych przez liczi promieiowaia cząste pochodzących z tego rozpadu, ilość ta będzie zmieą losową. Ze względu a statystyczy charater tych zjawis, w ciągu rówych oresów czasu liczi będzie rejestrował różą ilość cząste. Jeżeli przez ozaczymy liczbę jąder, tóre już uległy rozpadowi to - ozaczać będzie liczbę jąder tóre jeszcze ie rozpadły się. Z olei, jeżeli prawdopodobieństwo rozpadu dowolego, pojedyczego jądra w daym przedziale czasu jest rówe p to prawdopodobieństwo, że jądro to ie ulegie rozpadowi w tym czasie jest rówe q ( - p). W rozpatrywaym zjawisu mamy do czyieia ze zdarzeiem złożoym jądro ulegie rozpadowi lub ie. W taim razie zgodie z twierdzeiem o iloczyie prawdopodobieństw stosowaym w przypadu zdarzeń złożoych, prawdopodobieństwo rozpadu jąder i prawdopodobieństwo, że jąder jeszcze ie rozpadło się moża zapisać w postaci iloczyu: p q - p ( p) - (5) Poieważ rozpad jąder jest zjawisiem statystyczym to jest wszysto jedo, tóre z jąder z ich ogólej liczby ulegie rozpadowi i zdarzeie polegające a rozpadzie jąder może być zrealizowae a sposobów gdzie: jest symbolem Newtoa.! ( )! 2 (6)
3 Całowite prawdopodobieństwo zajścia w oreśloym przedziale czasu rozpadów w uładzie jąder jest rówe: lub po uwzględieiu (6): Poieważ wyrażeie W p q, (7)! W p ( p), (8)! ( )! ( )( 2)...[ ( + )], (9) ( )! jest rówe współczyiowi -tego człou dwumiau Newtoa -tego stopia wyrażaia (7) i (8) azywae są rozładem dwumiaowym tóry opisuje prawdopodobieństwo rozpadu spośród jąder w daym przedziale czasu. Ozaczmy przez średią liczbę jąder rozpadających się w tym samym czasie, zatem prawdopodobieństwo p rozpadu dowolego jądra w oreśloym przedziale czasu moża oreślić jao iloraz: p. (0) Wówczas rozład dwumiaowy (8) moża zapisać astępująco:! W, () ( )! a po uwzględieiu rówaia (9) otrzymamy: W ( ) ( ) ( ) ( )!! ( )( 2)...[ ( + )] ( )( 2)...[ ( + )]... ( ) ( )( 2)...[ ( + )] (2) 3
4 W graicy dla bardzo dużych wartości wyrażeie lim e, ta więc moża apisać ostateczie:... dąży do, atomiast ( ) lim W p e. (3) ( ) Wyrażeie: p e osi azwę rozładu Poissoa i w aszym przypadu oreśla oo prawdopodobieństwo tego, że w zadaym przedziale czasu liczi zarejestruje zliczeń, gdy średia liczba wszystich zliczeń jest rówa. Rozład te jest rozładem jedoparametrowym (zależym tylo od wartości średiej p ) stosowaym przy iewieliej liczbie pomiarów. Oczywiście z powodu wystąpieia flutuacji zachodzących procesów, prawdopodobieństwo to będzie duże dla liczby blisiej średiej a małe dla zaczie różiącej się od średiej, tóra jedozaczie oreśla rozrzut liczby zliczeń. Z rozważań teoretyczych odośie rozładu Poissoa wyia, że wartość flutuacji wielości woół wartości średiej czyli dyspersja D - jest rówa: D teor (4) Zależość prawdopodobieństwa p od wartości (rozład Poissoa) dla różych przedstawia rys.. Rys.. Zależość prawdopodobieństwa uzysaia zliczeń dla różych Należy zwrócić uwagę, że dla małych wartości ( <0) rozład Poissoa jest asymetryczy. Z wyresu widać, że ie wszystie wartości występują z taą samą częstością. Jeśli jest blisie wartości średiej prawdopodobieństwo p jest duże, w przeciwym przypadu jest małe. Dla >0 rozład jest już bardziej symetryczy względem wartości średiej. Wówczas wygodiej jest dla 4
5 charateryzowaia rozładu wyiów pomiarów zastosować rozład ormaly (Gaussa). W rozładzie tym przy dooywaiu wielorotego pomiaru daej wielości, otrzymae wartości (przy bardzo dużej liczbie pomiarów) mają ciągły rozład, symetryczy względem wartości średiej. Rozład te jest charateryzoway przez dwa parametry: wartość średią i odchyleie stadardowe σ: 2 ( ) p exp. (5) σ 2π 2 2σ Rozład te jest szeroo stosoway do opisu daych doświadczalych ie tylo rozpadów promieiotwórczych. σ oblicza się zgodie ze wzorem (3) a wzorem (). V. Część doświadczala Schemat bloowy uładu pomiarowego. Dome ołowiay 2. Preparat promieiotwórczy 3. Liczi G-M. 4. Przedwzmaciacz 5. Zasilacz wysoiego apięcia 6. Zasilacz przedwzmaciacza 7. Przeliczi Rys.. Schemat bloowy uładu pomiarowego Wyoaie ćwiczeia. W obecości prowadzącego zajęcia lub opieua pracowi włączyć przyrządy uładu pomiarowego i dobrać taie wartości apięcia pracy liczia G-M i czas pojedyczego pomiaru aby liczba zliczeń impulsów pochodzących od tła była rówa o Dla ustaloego przedziału czasu zmierzyć co ajmiej 300 razy liczbę impulsów tła. Wyii zapisać w tabeli. Opracowaie wyiów. Obliczyć ilość N pomiarów w tórych otrzymao zliczeń. 2. Oreślić tzw. doświadczale prawdopodobieństwo (doświadczaly rozład Poissoa) wystąpieia zliczeń w pojedyczym pomiarze orzystając ze wzoru: gdzie jest liczbą pomiarów. N p esp (6) 0 N 5
6 3. Na podstawie daych doświadczalych wyliczyć średią liczbę zliczeń a podstawie wzoru: N 0 (7) 0 N 4. Na wspólym rysuu sporządzić wyres słupowy doświadczalego rozładu prawdopodobieństwa uzysaia zliczeń w pojedyczym pomiarze (wzór (6)) oraz wyres słupowy teoretyczego rozładu prawdopodobieństwa obliczoego a podstawie wzoru (3). Przyładowy wyres poazao a rys Korzystając z daych doświadczalych obliczyć: dyspersję D (wzór (2)) gdzie x i i oraz x ) i odchyleie stadardowe σ D i porówać otrzymae wyii z wartościami teoretyczymi: dyspersji oreśloej zależością (4) i σ teor Dteor. 6. Prześledzić ewolucję doświadczalego rozładu Poissoa w zależości od ilości wyoaych pomiarów (wyoać wyresy słupowe rozładu dla 50, 00, 50, 200 i 300 pomiarów). 7. Obliczyć iepewości pomiarowe dla doświadczalie wyzaczoych wielości. 8. Przedysutować: a) uzysae wyii tz. różice pomiędzy otrzymaymi w pt. 5 wartościami doświadczalymi i teoretyczymi, b) wpływ ilości pomiarów a ewolucję doświadczalego rozładu Poissoa. Rys.2. Przyładowy wyres doświadczalego i teoretyczego rozładu Poissoa Propoowae tabele wyiów pomiarów Tabela I Nr pomiaru [imp] Nr pomiaru [imp] Nr pomiaru [imp] 6
7 Tabela II N N P esp P teor p esp 7
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 szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA
Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowoWykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.
Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie
Bardziej szczegółowoWyższe momenty zmiennej losowej
Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla
Bardziej szczegółowon k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka
Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoTechniczne Aspekty Zapewnienia Jakości
Istytut Techologii Maszy i Automatyzacji Politechii Wrocławsiej Pracowia Metrologii i Badań Jaości Wrocław, dia Ro i ierue studiów. Grupa (dzień tygodia i godzia rozpoczęcia zajęć) Techicze Aspety Zapewieia
Bardziej szczegółowoEstymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowod wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)
Bardziej szczegółowoStatystyka Inżynierska
Statystya Iżyiersa dr hab. iż. Jace Tarasiu GH, WFiIS 03 Wyład 4 RCHUNEK NIEPEWNOŚCI + KILK UŻYTECZNYCH NRZĘDZI STTYSTYCZNYCH Wyład w więszości oparty a opracowaiu prof.. Zięby http://www.fis.agh.edu.pl/~pracowia_fizycza/pomoce/opracowaiedaychpomiarowych.pdf
Bardziej szczegółowoAnaliza I.1, zima wzorcowe rozwiązania
Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI 2 PEARSONA ROZKŁAD GAUSSA
Ćwiczeia rachuowe TEST ZGODOŚCI PEARSOA ROZKŁAD GAUSSA UWAGA: a stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz alulacyjy do programu Calc paietu Ope Office, iezbędy podczas
Bardziej szczegółowoPodstawy 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 szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,
Bardziej szczegółowoDwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011
Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y
Bardziej szczegółowoNumeryczny opis zjawiska zaniku
FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej
Bardziej szczegółowoz 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 szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoMODELOWANIE (SYMULACJA) PROCESÓW STOCHASTYCZNYCH
Ćwiczeie 8 MODELOWANIE (SYMULACJA) PROCESÓW STOCHASTYCZNYCH 8.. Wiadomości ogóle Bardzo wiele zdarzeń, a także zjawisk fizyczych zachodzących w otaczającym as świecie, osi cechy procesów przypadkowych
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowoFunkcja generująca rozkład (p-two)
Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są
Bardziej szczegółowof '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n
Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby
Bardziej szczegółowoLICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY
LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY Zgodie z dążeiami filozofii pitagorejsiej matematyzacja abstracyjego myśleia powia być dooywaa przy pomocy liczb. Soro ta, to liczby ależy tworzyć w miarę
Bardziej szczegółowoZnajdowanie 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 szczegółowo1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoKOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.
KOMBINATORYKA Kombiatoryą azywamy dział matematyi zajmujący się zbiorami sończoymi oraz relacjami między imi. Kombiatorya w szczególości zajmuje się wyzaczaiem liczby elemetów zbiorów sończoych utworzoych
Bardziej szczegółowoAPROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne
APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch
Bardziej szczegółowoWYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk
Bardziej szczegółowoi statystyka matematyczna Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, M. Przybycień Rachunek prawdopodobieństwa i statystyka
Rachue prawdopodobieństwa i statystya matematycza Dr hab. iż.. Mariusz Przybycień Literatura: Rachue prawdopodobieństwa i statystya matematycza w zadaiach, tom I i II, W. Krysici i i., PWN 200. Wstęp do
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 6.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Własości rozkładu ormalego Cetrale twierdzeie graicze Fukcja charakterystycza
Bardziej szczegółowoWykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy
Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej
Bardziej szczegółowo2. 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 szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowon n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc
5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X
Bardziej szczegółowooznaczają 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 szczegółowoStatystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie
Bardziej szczegółowoPierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik
Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem
Bardziej szczegółowoMODELE 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 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 szczegółowoStatystyka matematyczna. Wykład II. Estymacja punktowa
Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoAnaliza I.1, zima globalna lista zadań
Aaliza I., zima 207 - globala lista zadań Marci Kotowsi 8 styczia 208 Podstawy Zadaie. Udowodij, że dla ażdego aturalego liczby 7 2 + oraz 7 2 dzielą się przez 6. Zadaie 2. Rozstrzygij, czy poiższe liczby
Bardziej szczegółowoLista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoi statystyka matematyczna Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, M. Przybycień Rachunek prawdopodobieństwa i statystyka
Rachue prawdopodobieństwa i statystya matematycza Dr hab. iż.. Mariusz Przybycień Literatura: Rachue prawdopodobieństwa i statystya matematycza w zadaiach, tom I i II, W. Krysici i i., PWN 200. Wstęp do
Bardziej szczegółowoZajęcia nr. 2 notatki
Zajęcia r otati wietia 5 Wzory srócoego możeia W rozdziale tym podamy ila wzorów tóre ułatwiają obliczaie wielu zadań rachuowych Fat (wzory srócoego możeia) Dla dowolych liczb rzeczywistych a, b zachodzi:
Bardziej szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka matematyczna w zadaniach,
Rachue prawdopodobieństwa i statystya matematycza Dr hab. iż. Mariusz Przybycień Literatura: Rachue prawdopodobieństwa i statystya matematycza w zadaiach, tom I i II, W. Krysici i i., PWN 2005. Wstęp do
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowoOpracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej
Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.
Bardziej szczegółowoWyznaczanie bezwzględnej aktywności źródła 60 Co. Tomasz Winiarski
Wyznaczanie bezwzględnej aktywności źródła 60 Co metoda koincydencyjna. Tomasz Winiarski 24 kwietnia 2001 WSTEP TEORETYCZNY Rozpad promieniotwórczy i czas połowicznego zaniku. Rozpad promieniotwórczy polega
Bardziej szczegółowoma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y
Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1
KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowoWyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia
Wy lad 8 Zasadicze twierdzeie algebry. Poj ecie pierścieia 1 Zasadicze twierdzeie algebry i jego dowód Defiicja 8.1. f: C C postaci Wielomiaem o wspó lczyiach zespoloych azywamy fucj e f(x) = a x + a 1
Bardziej szczegółowoTwierdzenia o funkcjach ciągłych
Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość
Bardziej szczegółowoĆWICZENIE 1 Symulacja doświadczeń losowych Statystyka opisowa Estymacja parametryczna i nieparametryczna T E O R I A
ĆWICZENIE Symulacja doświadczeń losowych Statystya opisowa Estymacja parametrycza i ieparametrycza T E O R I A Opracowała: Katarzya Stąpor Opis programu MS EXCEL. Iformacje ogóle Program Microsoft Excel
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 szczegółowoWYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI
Piotr KOZIERSKI WYKORZYSTAIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDETYFIKACJI UKŁADÓW AUTOMATYKI STRESZCZEIE W artyule przedstawioo sposób idetyfiacji parametryczej obietów ieliiowych zapisaych w przestrzei
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowoIV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce
IV Uiwersyteca Sobota Matematycza 4 wietia 208 Fucje tworzące w ombiatoryce Dla ciągu a 0 a a 2... defiiujemy fucję tworzącą: G(x) = a x = a 0 + a x + a 2 x 2 + a 3 x 3 + =0. Zajdź fucje tworzące dla poiższych
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoCHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI
CHARAKERYSYKI CZĘSOLIWOŚCIOWE PODSAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUOMAYKI Do podstawowych form opisu dyamii elemetów automatyi (oprócz rówań różiczowych zaliczamy trasmitację operatorową s oraz trasmitację
Bardziej szczegółowoWykład 3 : Podstawowe prawa, twierdzenia i reguły Teorii Obwodów
OBWODY SYNAŁY Wyład 3 : Podstawowe prawa, twierdzeia i reguły Teorii Obwodów 3. PODSTAWOWE PAWA TWEDZENA TEO OBWODÓW 3.. SCHEMAT DEOWY OBWOD Schematem ideowym obwodu (siecią) azywamy graficze przedstawieie
Bardziej szczegółowoLABORATORIUM PROMIENIOWANIE w MEDYCYNIE
LABORATORIUM PROMIEIOWAIE w MEDYCYIE Ćw nr STATYSTYKA ZLICZEŃ PROMIEIOWAIA JOIZUJACEGO azwisko i Imię: data: ocena (teoria) Grupa Zespół ocena końcowa Cel ćwiczenia Rozpad izotopu promieniotwórczego wysyłającego
Bardziej szczegółowo7. OBLICZENIA WIELKOŚCI ZWARCIOWYCH ZA POMOCĄ KOMPUTERÓW
A. Kaici: warcia w sieciach eletroeergetyczych 7. OBCNA WKOŚC WARCOWCH A POOCĄ KOPUTRÓW 7.. astosowaie metody potecjałów węzłowych do obliczaia zwarć przy założeiu jedaowych sił eletromotoryczych geeratorów
Bardziej szczegółowoP = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +
Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch
Bardziej szczegółowoRachunek różniczkowy funkcji wielu zmiennych
Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji
Bardziej szczegółowoMACIERZE 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 szczegółowoINDUKCJA MATEMATYCZNA
MATEMATYKA DYSKRETNA (4/5) dr hab. iż. Małgorzata Stera malgorzata.stera@cs.put.poza.pl www.cs.put.poza.pl/mstera/ INDUKCJA MATEMATYCZNA Matematya Dysreta Małgorzata Stera FUNKCJA SILNIA dla, fucja silia
Bardziej szczegółowoModa (Mo, D) wartość cechy występującej najczęściej (najliczniej).
Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoLABORATORIUM METROLOGII
AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr
Bardziej szczegółowoINSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ
LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu
Bardziej szczegółowoElementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Bardziej szczegółowoDwa podstawowe zagadnienia klasycznej statystyki matematycznej.
5. Podstawowe pojęcia statystyi CZĘŚĆ II STATYSTYKA MATEMATYCZNA Rachue prawdopodobieństwa a statystya matematycza. Część I, rachue prawdopodobieństwa, dostarcza podstawowych pojęć i wzorów języa, za pomocą
Bardziej szczegółowoKombinacje, permutacje czyli kombinatoryka dla testera
Magazie Kombiacje, permutacje czyli ombiatorya dla testera Autor: Jace Oroje O autorze: Absolwet Wydziału Fizyi Techiczej, Iformatyi i Matematyi Stosowaej Politechii Łódziej, specjalizacja Sieci i Systemy
Bardziej szczegółowoZdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe
Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowo