Statystyka w analizie i planowaniu eksperymentu
|
|
- Laura Kaźmierczak
- 5 lat temu
- Przeglądów:
Transkrypt
1 23 kwietnia 2014
2 Korelacja - wspó lczynnik korelacji 1 Gdy badamy różnego rodzaju rodzaju zjawiska (np. przyrodnicze) możemy stwierdzić, że na każde z nich ma wp lyw dzia lanie innych czynników;
3 Korelacja - wspó lczynnik korelacji 1 Gdy badamy różnego rodzaju rodzaju zjawiska (np. przyrodnicze) możemy stwierdzić, że na każde z nich ma wp lyw dzia lanie innych czynników; 2 Wydaje sie oczywiste, że badanie zwiazków pomiedzy badanymi zjawiskami jest przedmiotem badań statystycznych;
4 Korelacja - wspó lczynnik korelacji Przyk lady - z życia 1 Ilość wypalanych papierosów przeż kobiete w trakcie ciaży a waga urodzeniowa noworodka; Ważne pytania
5 Korelacja - wspó lczynnik korelacji Przyk lady - z życia 1 Ilość wypalanych papierosów przeż kobiete w trakcie ciaży a waga urodzeniowa noworodka; 2 ilość punktów z kolokwium a ilość punktów z egzaminu koncowego; Ważne pytania
6 Korelacja - wspó lczynnik korelacji Przyk lady - z życia 1 Ilość wypalanych papierosów przeż kobiete w trakcie ciaży a waga urodzeniowa noworodka; 2 ilość punktów z kolokwium a ilość punktów z egzaminu koncowego; 3 szybkość chodzenia a pozycja spo leczna; Ważne pytania
7 Korelacja - wspó lczynnik korelacji Przyk lady - z życia 1 Ilość wypalanych papierosów przeż kobiete w trakcie ciaży a waga urodzeniowa noworodka; 2 ilość punktów z kolokwium a ilość punktów z egzaminu koncowego; 3 szybkość chodzenia a pozycja spo leczna; 4 d lugość snu w ciagu doby a masa cia la. Ważne pytania
8 Korelacja - wspó lczynnik korelacji Przyk lady - z życia 1 Ilość wypalanych papierosów przeż kobiete w trakcie ciaży a waga urodzeniowa noworodka; 2 ilość punktów z kolokwium a ilość punktów z egzaminu koncowego; 3 szybkość chodzenia a pozycja spo leczna; 4 d lugość snu w ciagu doby a masa cia la. Ważne pytania 1 Czy istnieja jakiekolwiek zależności pomiedzy wynienionymi charakterystykami?
9 Korelacja - wspó lczynnik korelacji Przyk lady - z życia 1 Ilość wypalanych papierosów przeż kobiete w trakcie ciaży a waga urodzeniowa noworodka; 2 ilość punktów z kolokwium a ilość punktów z egzaminu koncowego; 3 szybkość chodzenia a pozycja spo leczna; 4 d lugość snu w ciagu doby a masa cia la. Ważne pytania 1 Czy istnieja jakiekolwiek zależności pomiedzy wynienionymi charakterystykami? 2 A jeśli tak to jak mierzyć taka zależność?
10 Korelacja - wspó lczynnik korelacji Uwaga Zależność pomiedzy takimi charakterystykami nazywamy zwiazkiem korelacyjnym albo korelacja.
11 korelacja - wspó lczynnik korelacji Zależność funkcyjna - czyli co pami etamy ze szko ly Tajemnicza funkcja matematyczna może opisywać zależność pomi edzy zadanymi charakterystykami. Weźmy nasze ulubione ze szko ly: y = f (x), y = ax + b, y = x 2, y = a n x n + a n 1 x n Przyk ladów ze szko ly jest bardzo dużo.
12 korelacja - wspó lczynnik korelacji Zależność funkcyjna - czyli co pami etamy ze szko ly Tajemnicza funkcja matematyczna może opisywać zależność pomi edzy zadanymi charakterystykami. Weźmy nasze ulubione ze szko ly: y = f (x), y = ax + b, y = x 2, y = a n x n + a n 1 x n Przyk ladów ze szko ly jest bardzo dużo. Pytanie Czy nasze zjawisko da si e opisać choćby w przybliżeniu przy pomocy funkcji?
13 korelacja - wspó lczynnik korelacji zależność liniowa dodatnia zależność liniowa ujemna brak zależności zależność nieliniowa
14 Próbkowy wspó lczynnik korelacji Definicja Wspó lczynnikiem korelacji próbkowej nazywamy zmienna losowa: r = 1 n 1 n ( X i X S i=1 nx 1 )( Y i Ȳ ) S ny 1
15 W lasności próbkowego wspó lczynnika korelacji 1 Próbkowy wspó lczynnik korelacji jest zmienna losowa ograniczona przez liczby 1 i 1; Uwaga,Uwaga,... Wartość r = 0 nie świadczy o braku zależności mi edzy zmiennymi.
16 W lasności próbkowego wspó lczynnika korelacji 1 Próbkowy wspó lczynnik korelacji jest zmienna losowa ograniczona przez liczby 1 i 1; 2 Znak wspó lczynnika informuje o kierunku zależności (liniowa ujemna lub liniowa dodatnia); Uwaga,Uwaga,... Wartość r = 0 nie świadczy o braku zależności mi edzy zmiennymi.
17 W lasności próbkowego wspó lczynnika korelacji 1 Próbkowy wspó lczynnik korelacji jest zmienna losowa ograniczona przez liczby 1 i 1; 2 Znak wspó lczynnika informuje o kierunku zależności (liniowa ujemna lub liniowa dodatnia); 3 Wartość bezwgl edna r informuje o sile korelacji liniowej; Uwaga,Uwaga,... Wartość r = 0 nie świadczy o braku zależności mi edzy zmiennymi.
18 W lasności próbkowego wspó lczynnika korelacji 1 Próbkowy wspó lczynnik korelacji jest zmienna losowa ograniczona przez liczby 1 i 1; 2 Znak wspó lczynnika informuje o kierunku zależności (liniowa ujemna lub liniowa dodatnia); 3 Wartość bezwgl edna r informuje o sile korelacji liniowej; 4 W szczególnym przypadku, gdy r = 1 mamy do czynienia z dok ladnie liniowa zależnościa. Uwaga,Uwaga,... Wartość r = 0 nie świadczy o braku zależności mi edzy zmiennymi.
19 Jak oszukać wspó lczynnik korelacji y Jak dziecko we mgle Wartość wspó lczynnika korelacji w tym przypadku wynosi r =
20 Pu lapka - korelacje pozorne Wyniki analizy korelacji liniowej dla 17 krajów europejskich (dane z 1990 roku) pomiedzy powierzchnia, liczba mieszkańców, liczba urodzeń a liczba bocianów: powierzchnia liczba bocianów liczba mieszkańców liczba urodzeń powierzchnia liczba bocianów liczba mieszkańców liczba urodzeń
21 Pu lapka - korelacje pozorne Wyniki analizy korelacji liniowej dla 17 krajów europejskich (dane z 1990 roku) pomiedzy powierzchnia, liczba mieszkańców, liczba urodzeń a liczba bocianów: powierzchnia liczba bocianów liczba mieszkańców liczba urodzeń powierzchnia liczba bocianów liczba mieszkańców liczba urodzeń I jak tu nie wierzyć w bociana.
22 Regresja liniowa Poniżej na wykresie zosta ly umieszczone wyniki kolokwium zaliczeniowego i egzaminu z pewnego przedmiotu dla studentów studiujacych matematyke. Zależność pomiedzy wynikiem z kolokwium a wynikiem z egzaminu można przedstawić graficznie wykres rozproszenia
23 Regresja liniowa - Wykres rozproszenia egzamin kolokwium
24 Regresja liniowa Zauważmy, że w naszym przyk ladzie dużym (odpowiednio ma lym) wartościom wyniku kolokwium odpowiadaja z regu ly duże (ma le) wartości egzaminu końcowego. Mówimy w takim przypadku o zależności dodatniej miedzy zmiennymi, w odróżnieniu od zależności ujemnej, gdy duże wartości jednej zmiennej odpowiadaja w wiekszości przypadków ma lym wartościom drugiej zmiennej (zależnść ujemna).
25 Regresja liniowa - terminologia Zmienna Y bed ac a wynikiem doświadczenia bedziemy nazywali zmienna objaśniana w odróżnieniu od X zmiennej objaśniajacej ( za pomoca zmian X chcemy objaśnić zmiany zmiennej Y ).
26 Regresja liniowa - zależność funkcyjna Powstaje pytanie - Czy przedstawiona na tym wykresie chmura punktów ma choćby w przybliżeniu zależność funkcyjna? To znaczy czy punkty z wykresu uk ladaja sie wzd luż wykresu pewnej funkcji?
27 Regresja liniowa - zależność funkcyjna egzamin kolokwium
28 Wspó lczynnik korelacji W naszym przypadku (kolokwia, egzamin) wspó lczynnik korelacji wynosi co świadczy o silnej dodatniej zależności pomi edzy tymi zmiennymi.
29 Regresja liniowa - prosta regresji Zadanie Wyznaczenie prostej reprezentujacej w sposób adekwatny chmure punktów z wykresy rozproszenia.
30 Regresja liniowa - prosta regresji Zadanie Wyznaczenie prostej reprezentujacej w sposób adekwatny chmure punktów z wykresy rozproszenia. Rozwiazanie Jeżeli przyjmiemy, że funkcja liniowa ma przybliżać chmure punktów, to wartość: y i = ax i + b można interpretować jako wartość przewidywana y i na podstawie rozpatrywanej prostej. B l ad oszacowania wynosi wtedy yi y i (wartość resztowa rezyduum).
31 Regresja liniowa - metoda najmniejszych kwadratów Niech S(a, b) = Definicja n (y i yi ) 2. i=1 Prosta regresji oparta na metodzie najmniejszych kwadratów nazywamy prosta y = ax + b, dla której wartość S(a, b) jest minimalna.
32 Regresja liniowa - przydatne wzory 1 b = ȳ a x; Pytanie Jak te wzory uzyskano?
33 Regresja liniowa - przydatne wzory 1 b = ȳ a x; 2 a = r Sn X S ny. Pytanie Jak te wzory uzyskano?
34 Regresja liniowa - przydatne wzory Ca lkowita suma kwadratów n SST = (y i ȳ) 2 i=1 Suma kwadratów b l edów n SSE = (y i yi ) 2 i=1 Regresyjna suma kwadratów n SSR = (yi ȳ) 2 i=1
35 Wspó lczynnik determinacji iloraz R 2 = SSR SST nazywamy wspó lczynnikiem determinacji. W lasności R 2 1 R 2 jest miara stopnia dopasowania funkcji regresji do danych empirycznych;
36 Wspó lczynnik determinacji iloraz R 2 = SSR SST nazywamy wspó lczynnikiem determinacji. W lasności R 2 1 R 2 jest miara stopnia dopasowania funkcji regresji do danych empirycznych; 2 W naszym przypadku R 2 = r 2.
37 Wspó lczynniki prostej regresji Call: lm(formula = y ~ x) Coefficients: (Intercept) x
38 Bardziej szczegó lowy wydruk Call: lm(formula = y ~ x) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) ** x e-12 *** --- Signif. codes: 0 *** ** 0.01 * Residual standard error: on 17 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: on 1 and 17 DF, p-value: 2.555e-12
Analiza zależności cech ilościowych regresja liniowa (Wykład 13)
Analiza zależności cech ilościowych regresja liniowa (Wykład 13) dr Mariusz Grządziel semestr letni 2012 Przykład wprowadzajacy W zbiorze danych homedata (z pakietu R-owskiego UsingR) można znaleźć ceny
Bardziej szczegółowoStosowana Analiza Regresji
prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile
Bardziej szczegółowoKORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona
KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y 2. Współczynnik korelacji Pearsona 3. Siła i kierunek związku między zmiennymi 4. Korelacja ma sens, tylko wtedy, gdy związek między zmiennymi
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoRegresja liniowa wprowadzenie
Regresja liniowa wprowadzenie a) Model regresji liniowej ma postać: gdzie jest zmienną objaśnianą (zależną); są zmiennymi objaśniającymi (niezależnymi); natomiast są parametrami modelu. jest składnikiem
Bardziej szczegółowoModel regresji wielokrotnej Wykład 14 ( ) Przykład ceny domów w Chicago
Model regresji wielokrotnej Wykład 14 (4.06.2007) Przykład ceny domów w Chicago Poniżej są przedstawione dane dotyczące cen domów w Chicago (źródło: Sen, A., Srivastava, M., Regression Analysis, Springer,
Bardziej szczegółowoRegresja liniowa w R Piotr J. Sobczyk
Regresja liniowa w R Piotr J. Sobczyk Uwaga Poniższe notatki mają charakter roboczy. Mogą zawierać błędy. Za przesłanie mi informacji zwrotnej o zauważonych usterkach serdecznie dziękuję. Weźmy dane dotyczące
Bardziej szczegółowoProjekt Nowa oferta edukacyjna Uniwersytetu Wrocławskiego odpowiedzią na współczesne potrzeby rynku pracy i gospodarki opartej na wiedzy
Projekt Nowa oferta edukacyjna Uniwersytetu Wrocławskiego odpowiedzią na współczesne potrzeby rynku pracy i gospodarki opartej na wiedzy Dane: Eksploracja (mining) Problemy: Jedna zmienna 2000 najwi ększych
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoANALIZA KORELACJI I REGRESJI
Szkic wykładu Zależności korelacyjne 1 Zależności korelacyjne 2 Przykłady Zależności korelacyjne Badajac różnego rodzaju zjawiska, np. społeczne, ekonomiczne, psychologiczne, przyrodniczne itp. stwierdzamy
Bardziej szczegółowoRegresja liniowa oraz regresja wielokrotna w zastosowaniu zadania predykcji danych. Agnieszka Nowak Brzezińska Wykład III-VI
Regresja liniowa oraz regresja wielokrotna w zastosowaniu zadania predykcji danych. Agnieszka Nowak Brzezińska Wykład III-VI Analiza regresji Analiza regresji jest bardzo popularną i chętnie stosowaną
Bardziej szczegółowoRegresja - zadania i przykłady.
Regresja - zadania i przykłady. W5 e0 Zadanie 1. Poniżej zamieszczono fragmenty wydruków dotyczących dopasowania modelu regresji do zmiennej ozone w oparciu o promieniowanie (radiation), oraz w oparciu
Bardziej szczegółowoWyk lad 3 Wielomiany i u lamki proste
Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoRegresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bardziej szczegółowoTemat zajęć: ANALIZA DANYCH ZBIORU EKSPORT. Część I: analiza regresji
Temat zajęć: ANALIZA DANYCH ZBIORU EKSPORT Część I: analiza regresji Krok 1. Pod adresem http://zsi.tech.us.edu.pl/~nowak/adb/eksport.txt znajdziesz zbiór danych do analizy. Zapisz plik na dysku w dowolnej
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoWYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE
WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE Definicja 1 Algebra abstrakcyjna nazywamy teorie, której przedmiotem sa dzia lania na
Bardziej szczegółowoWyk lad 3. Natalia Nehrebecka Dariusz Szymański. 13 kwietnia, 2010
Wyk lad 3 Natalia Nehrebecka Dariusz Szymański 13 kwietnia, 2010 N. Nehrebecka, D.Szymański Plan zaj eć 1 Sprowadzenie modelu nieliniowego do liniowego 2 w modelu liniowym Elastyczność Semielastyczność
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoWYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3
WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 Definicja 1 Przestrzenia R 3 nazywamy zbiór uporzadkowanych trójek (x, y, z), czyli R 3 = {(x, y, z) : x, y, z R} Przestrzeń
Bardziej szczegółowoRegresja - zadania i przykłady.
Regresja - zadania i przykłady. W5 e0 Zadanie 1. Poniżej zamieszczono fragmenty wydruków dotyczących dopasowania modelu regresji do zmiennej ozone w oparciu o promieniowanie (radiation), oraz w oparciu
Bardziej szczegółowoEkonometria dla IiE i MSEMat Z7
Ekonometria dla IiE i MSEMat Z7 Rafał Woźniak Faculty of Economic Sciences, University of Warsaw Warszawa, 21-11-2016 Na podstawie zbioru danych cps_small.dat z książki Principles of Econometrics oszacowany
Bardziej szczegółowo1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:
Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).
Bardziej szczegółowoFUNKCJE LICZBOWE. x 1
FUNKCJE LICZBOWE Zbiory postaci {x R: x a}, {x R: x a}, {x R: x < a}, {x R: x > a} oznaczane sa symbolami (,a], [a, ), (,a) i (a, ). Nazywamy pó lprostymi domknie tymi lub otwartymi o końcu a. Symbol odczytujemy
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoWybór formy funkcyjnej modelu (cz. II)
Wybór formy funkcyjnej modelu (cz. II) Wyk lad 6 Natalia Nehrebecka Stanis law Cichocki 19 listopada 2014 Plan zaj eć 1 w modelu liniowym w modelu logliniowym i semielastyczność - przyk lad 2 Zastosowania
Bardziej szczegółowoWyk lad 5. Natalia Nehrebecka Stanis law Cichocki. 7 listopada 2015
Wyk lad 5 Natalia Nehrebecka Stanis law Cichocki 7 listopada 2015 N. Nehrebecka Plan zaj eć 1 Sprowadzenie modelu nieliniowego do liniowego 2 w modelu liniowym Elastyczność w modelu logliniowym Semielastyczność
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoWprowadzenie do technik analitycznych Metoda najmniejszych kwadratów
Wprowadzenie do technik analitycznych Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wykład 2 Korelacja i regresja Przykład: Temperatura latem średnia liczba napojów sprzedawanych
Bardziej szczegółowoAnaliza regresji Konspekt do zaj : Statystyczne metody analizy danych
Opis zaj Analiza regresji Konspekt do zaj : Statystyczne metody analizy danych Agnieszka Nowak-Brzezi«ska 28 pa¹dziernika 2009 Celem zaj jest realizacja praktyczna zagadnie«zwi zanych z analiz regresji,
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
Bardziej szczegółowoRegresja ważona. Co, gdy nie ma stałej wariancji? Tu prawdziwe σ 2 =1 (dużo powtórzeń, więc wariancje są dobrze oszacowane) PAR Wykład 5 1/8
Dobry chrześcijanin powinien wystrzegać się matematyków i tych wszystkich, którzy tworzą puste proroctwa. Istnieje niebezpieczeństwo, że matematycy zawarli przymierze z diabłem, aby zgubić duszę człowieka
Bardziej szczegółowoAnaliza Współzależności
Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Współzależności Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
19 kwietnia 2011 Testy dla dwóch grup 1 Analiza danych dla dwóch grup: test t-studenta dla dwóch grup sparowanych; test t-studenta dla dwóch grup niezależnych (jednakowe wariancje) test Z dla dwóch grup
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
5 marca 2011 Zasady 10 wyk ladów; egzamin pisemny; Literatura 1 A. Lomnicki Wprowadzenie do statystyki dla przyrodników PWN 1999. 2 W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski Rachunek
Bardziej szczegółowoRegresja liniowa. Etapy analizy regresji. Założenia regresji. Kodowanie zmiennych jakościowych
Etapy analizy regresji Regresja liniowa 1. zaproponowanie modelu, 2. sprawdzenie założeń dotyczących zmiennych, 3. wyszukanie wartości odstających, wpływających i dźwigni, 4. oszacowanie istotności modelu
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34
Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoWykład 4 Związki i zależności
Wykład 4 Związki i zależności Rozważmy: Dane z dwiema lub więcej zmiennymi Zagadnienia do omówienia: Zmienne objaśniające i zmienne odpowiedzi Wykres punktowy Korelacja Prosta regresji Słownictwo: Zmienna
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 3 kwietnia Magdalena Alama-Bućko Statystyka 3 kwietnia / 36
Statystyka Wykład 7 Magdalena Alama-Bućko 3 kwietnia 2017 Magdalena Alama-Bućko Statystyka 3 kwietnia 2017 1 / 36 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoWyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera
Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =
Bardziej szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych.
Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 23 lutego 2009 Przedmiot statystyki Statystyka dzieli się na trzy części: -zbieranie danych; -opracowanie i kondensacja danych
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
28 marca 2012 Analiza wariancji klasyfikacja jednokierunkowa - wst ep Przypuśćmy, że chcemy porównać wieksz a (niż dwie) liczbe grup. Aby porównać średnie w kilku grupach, można przeprowadzić analize wariancji.
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38
Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
22 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowoMetoda najmniejszych kwadratów
Własności algebraiczne Model liniowy Zapis modelu zarobki = β 0 + β 1 plec + β 2 wiek + ε Oszacowania wartości współczynników zarobki = b 0 + b 1 plec + b 2 wiek + e Model liniowy Tabela: Oszacowania współczynników
Bardziej szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
Bardziej szczegółowoRozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.
Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoRegresja i Korelacja
Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane
Bardziej szczegółowoDZYSZKOLNE ZAWODY MATEMATYCZNE. Eliminacje rejonowe. Czas trwania zawodów: 150 minut
XLIII MIE DZYSZKOLNE ZAWODY MATEMATYCZNE Eliminacje rejonowe Czas trwania zawodów: 150 minut Każdy uczeń rozwia zuje dwadzieścia cztery zadania testowe, w których podano za lożenia oraz trzy (niekoniecznie
Bardziej szczegółowoPODSTAWY STATYSTYCZNEJ ANALIZY DANYCH
Wykład 1 Prosta regresja liniowa - model i estymacja parametrów. Regresja z wieloma zmiennymi - analiza, diagnostyka i interpretacja wyników. Literatura pomocnicza J. Koronacki i J. Ćwik Statystyczne systemy
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);
Bardziej szczegółowoWERYFIKACJA MODELI MODELE LINIOWE. Biomatematyka wykład 8 Dr Wioleta Drobik-Czwarno
WERYFIKACJA MODELI MODELE LINIOWE Biomatematyka wykład 8 Dr Wioleta Drobik-Czwarno ANALIZA KORELACJI LINIOWEJ to NIE JEST badanie związku przyczynowo-skutkowego, Badanie współwystępowania cech (czy istnieje
Bardziej szczegółowoDyskretne modele populacji
Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których
Bardziej szczegółowoDiagnostyka modelu. Dowód [5.4] Dowód [ ]
Diagnostyka modelu Dowód [5.4] Dowód [5.5-5.6] Przykład > head(savings) sr pop15 pop75 dpi ddpi Australia 11.43 29.35 2.87 2329.68 2.87 Austria 12.07 23.32 4.41 1507.99 3.93 Belgium 13.17 23.80 4.43 2108.47
Bardziej szczegółowoPermutacyjna metoda oceny istotności regresji
Permutacyjna metoda oceny istotności regresji (bez założenia normalności) f
Bardziej szczegółowoOgólny model liniowy
Ogólny model liniowy Twórcy Autor statystyki testowej Wyprowadził wzór na gęstość rozkładu statystyki testowej Ronald Aylmer Fisher ( 1890-1962 ) angielski genetyk George W. Snedecor (1881-1974) amerykański
Bardziej szczegółowoSTATYSTYKA. 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 Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna
Bardziej szczegółowoRegresja logistyczna. Regresja logistyczna. Przykłady DV. Wymagania
Regresja logistyczna analiza relacji między zbiorem zmiennych niezależnych (ilościowych i dychotomicznych) a dychotomiczną zmienną zależną wyniki wyrażone są w prawdopodobieństwie przynależności do danej
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 4
Stanisław Cichocki Natalia Nehrebecka Wykład 4 1 1. Własności hiperpłaszczyzny regresji 2. Dobroć dopasowania równania regresji. Współczynnik determinacji R 2 Dekompozycja wariancji zmiennej zależnej Współczynnik
Bardziej szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoEkonomia matematyczna i dynamiczna optymalizacja
Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać
Bardziej szczegółowoSystemy Wspomagania Decyzji
Regresja Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności January 24, 2014 1 Wprowadzenie 2 Regresja liniowa 3 Regresja nieliniowa 4 Regresja logistyczna 5 Estymacja parametrów 6 Podsumowanie
Bardziej szczegółowoprzybliżeniema Definicja
Podstawowe definicje Definicje i podstawowe pojęcia Opracowanie danych doświadczalnych Często zaokraglamy pewne wartości np. kupujac telewizor za999,99 zł. dr inż. Ireneusz Owczarek CMF PŁ ireneusz.owczarek@p.lodz.pl
Bardziej szczegółowoĆwiczenie nr 520: Metody interpolacyjne planowania ruchu manipulatorów
Zak lad Podstaw Cybernetyki i Robotyki PWr, Laboratorium Robotyki, C-3, 010 Ćwiczenie nr 520: Metody interpolacyjne planowania ruchu manipulatorów 1 Wst ep Celem ćwiczenia jest zapoznanie studentów z metodami
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoAnaliza zależności zmiennych ilościowych regresja
Analiza zależności zmiennych ilościowych regresja JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Wersja dla stud. niestacj 2010 / akt. 2017 Plan wykładu 1. Wykrywanie zależności między zmiennymi
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoMetoda najmniejszych kwadratów
Model ekonometryczny Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między poziomem wykształcenia a wysokością zarobków Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między
Bardziej szczegółowoWyk ad II. Stacjonarne szeregi czasowe.
Wyk ad II. Stacjonarne szeregi czasowe. W wi ekszości przypadków poszukiwanie modelu, który dok adnie by opisywa zachowanie sk adnika losowego " t, polega na analizie pewnej klasy losowych ciagów czasowych
Bardziej szczegółowoNiezmienniki i pó lniezmienniki w zadaniach
Niezmienniki i pó lniezmienniki w zadaniach Krzysztof Che lmiński Wydzia l Matematyki i Nauk Informacyjnych Politechnika Warszawska MiNI-Akademia Matematyki Warszawa, 2 marca, 2013 Na czym polega metoda
Bardziej szczegółowoBADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ
WYKŁAD 3 BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ Było: Przykład. Z dziesięciu poletek doświadczalnych zerano plony ulw ziemniaczanych (cecha X) i oznaczono w nich procentową zawartość
Bardziej szczegółowog liczb rzeczywistych (a n ) spe lnia warunek
. Czy jest prawda, że a) R y R z R y + yz + = 0 ; b) R y R z R y + yz + 0 ; c) R y R z R y + yz + = 0 ; d) R y R z R y + yz + 0? 2. Czy jest prawdziwa nierówność a) ctg > ; b) tg < cos ; c) cos < sin ;
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA. Spis pojȩċ teoretycznych
1 RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA Spis pojȩċ teoretycznych 1. Podstawowe pojȩcia: doświadczenie losowe, zdarzenie elementarne, zdarzenie losowe, przestrzeń zdarzeń elementarnych, zbiór zdarzeń
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoZależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),
Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer
Bardziej szczegółowoistocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy
MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW
Statystyczna analiza danych w programie STATISTICA ( 4 (wykład Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Regresja prosta liniowa Regresja prosta jest
Bardziej szczegółowoWzory Viete a i ich zastosowanie do uk ladów równań wielomianów symetrycznych dwóch i trzech zmiennych
Wzory Viete a i ich zastosowanie do uk ladów równań wielomianów symetrycznych dwóch i trzech zmiennych Pawe l Józiak 007-- Poje cia wste pne Wielomianem zmiennej rzeczywistej t nazywamy funkcje postaci:
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40
Statystyka Wykład 9 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka 7 maja 2018 1 / 40 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoWyk lad 9 Przekszta lcenia liniowe i ich zastosowania
Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:
Bardziej szczegółowoKarta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017. Forma studiów: Stacjonarne Kod kierunku: 11.
Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017 Kierunek studiów: Informatyka Profil: Praktyczny
Bardziej szczegółowoWyk lad 11 1 Wektory i wartości w lasne
Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V
Bardziej szczegółowoPODSTAWY STATYSTYCZNEJ ANALIZY DANYCH. Wykład 2 Obserwacje nietypowe i wpływowe Regresja nieliniowa
Wykład 2 Obserwacje nietypowe i wpływowe Regresja nieliniowa Obserwacje nietypowe i wpływowe Obserwacje nietypowe i wpływowe Obserwacje nietypowe w analizie regresji: nietypowe wartości zmiennej Y - prowadzące
Bardziej szczegółowoEgzamin z ekonometrii wersja IiE, MSEMAT
Egzamin z ekonometrii wersja IiE, MSEMAT 04-02-2016 Pytania teoretyczne 1. Za pomocą jakiego testu weryfikowana jest normalność składnika losowego? Jakiemu założeniu KMRL odpowiada w tym teście? Jakie
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoBadanie zależności skala nominalna
Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:
Bardziej szczegółowoAnaliza regresji. Analiza korelacji.
Analiza regresji. Analiza korelacji. Levels name mfr type calories protein fat sodium fiber carbo sugars potass vitamins shelf weight cups rating Storage 77 integer 7 integer 2 integer integer integer
Bardziej szczegółowoTypy zmiennych. Zmienne i rekordy. Rodzaje zmiennych. Graficzne reprezentacje danych Statystyki opisowe
Typy zmiennych Graficzne reprezentacje danych Statystyki opisowe Jakościowe charakterystyka przyjmuje kilka możliwych wartości, które definiują klasy Porządkowe: odpowiedzi na pytania w ankiecie ; nigdy,
Bardziej szczegółowo