STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH

Wielkość: px
Rozpocząć pokaz od strony:

Download "STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH"

Transkrypt

1 STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMNE NA STUDACH LCENCJACKCH Oacoa zgotoa zz d Maę Wczo a odta:. P. Kuz, J. Podgó: Statta. Wzo tablc. SGH, Wazaa, 8. M. Wczo: Statta. Lubę to! Zbó zadań. SGH, Wazaa 6

2 . Statt oo ozładu mczgo Dtbuata mcza dla < F = dla =,, - dla Śda atmtcza = = Mdaa azt gd azt gd m m m m m m m m m h F h m Katl zędu h F Waaca: obcążoa

3 3 obcążoa Odchl tadado Wółcz zmośc % V Roztę ma m Roztę ćato 3 Q Q Odchl ćato Q 3 Q Q Wółcz zmośc ozc % m Q V Wółcz amt 3 ' 3 M A gdz tzc momt ctal: M 3 ' 3 lub M 3 ' 3

4 . Rozład zm loo Fuca adoodobńta zm loo oo P = = =,,. z czm Dtbuata zm loo oo F Watość oczaa zm loo oo E Waaca zm loo D = E[ - E] = E [E] Waaca zm loo oo E E D Stadazaca zm loo E U D 4

5 3. Wba t ozładó Rozład zo-do duuto P = = P = = - z czm: E ; D Rozład dumao lczb ucó: =,,,. P z czm: E ; D czętośc ucó: z czm: PW E W ; D W =,,,. Rozład omal Nm,σ f m z czm: E = m; D = σ Rozład omal tadado N, f u u u z czm: EU=; DU = 5

6 4. Rozład tatt z ób Założa Wlość ób Rozład tatt : Nm, σ σ za Rozład doład śd atmtcz z ób óba doola : Nm, : Nm, σ σ za óba mała m t 3 t; v = gdz Rozład doład óżc śdch z dóch ób : Nm, σ : Nm, σ σ, σ za ób dool : N m m, : Nm, σ : Nm, σ σ za, al dao ób mał t gdz m m t; v = + Rozład gacz: śd, um atośc lmtó ób, czętośc lczb ucó ozładz dumaom, óżc śdch czętośc ma dool ozład ocz omal z śdą m odchlm tadadom σ. ma dool ozład ocz omal z śdą m odchlm tadadom σ. óba duża óba duża : a. Nm, Z = = ; Z : a Nm, σ 6

7 maą dool ozład ocz omal z aamtam ododo m σ oaz m σ. ób duż : a. N m m, Poulaca zo-doa a ; ma ozład dumao z aamtam. óba duża W : a. N, W E W D W Poulaca zo-doa a ; ma ozład dumao z aamtam ozacza lczbę ucó óbach óba duża : a N, Poulac zo-do; maą ozład dumao z aamtam ododo oaz. ób duż W W : an, W W Tdza d Mov a - Lalac a oaz Ldbga - Lv go Poulaca zo-doa a ; ma ozład dumao z aamtam ozacza lczbę ucó óbach óba duża U = ; U : a N, T. d Mov a-lalac a ma dool ozład ocz omal z śdą m odchlm tadadom σ. óba duża U = = m σ ; U : an, T. Ldbga-Lv go a Z oulac o ozładz zo-dom loum zalż lmtó. lczba lmtó óżoch ób. 7

8 5. Pzdzał ufośc Założa Wloś ć ób Pzdzał ufośc Wółcz ufośc Pzdzał ufośc dla śd m Poulaca omala : Nm, σ m za σ za óba doola P u m u P u α < U < u α = α tz. P U u α = α Poulaca omala : Nm, σ m, σ za óba mała 3 P t, m t, P t α, < t < t α, = α tz. P t t α, = α Poulaca o doolm ozładz m σ za óba duża > 3 P u m u P u α < U < u α = α tz. P U u α = α Poulaca o ozładz zodom za Pzdzał ufośc dla aamtu zo-dom ozładz oulac óba duża P u α < U < u α = α tz. P u u P U u α = α Mmala lczbość ób z zacoau m u d - douzczal mamal błąd zacuu d Mmala lczbość ób z zacoau u d douzczal, mamal błąd zacuu d 8

9 6. Ttoa hotz tattczch Tt totośc Hotza zoa Założa Wlość ób Statta ttuąca ozład H: m = m oulaca omala : Nm, σ σ za óba doola U m N, oulaca omala : Nm, σ σ za oulaca omala : Nm, σ σ za lub dool za ozład oulac H: m = m oulac omal : Nm, σ : Nm, σ σ, σ za oulac omal : Nm, σ : Nm, σ σ, σ za, al dao óba mała m t 3 t; v = óba duża > 3 m U a. N, ób dool ób mał U t gdz N, t; v = + oulac omal : Nm, σ : Nm, σ σ, σ za ób duż U a. N, lub dool za ozład oulac H: mr = m ób zalż óżc R maą ozład omal ób dool R t m R t; v = σ R za gdz: R R R R R 9

10 H: = oulaca o ozładz zo-dom óba duża > a. N, gdz: H: = oulac o ozładz zo-dom ób duż a. N, gdz: Tt zgodośc χ = v= - U U

11 7. Aalza aac H : m = m =. = m H : m m dla co am d a, Śda ogóla Śda guoa SKC = SKM + SKW gdz SKW F m m SKM v = - ; v = - oaz SKW Obza tcz: P F Fα = α

12 8. Zma looa dumaoa Fuca adoodobńta zm loo,y P, Y, =,,. z czm Fuca adoodobńta ozładu bzgogo zm loo P =,, z czm Fuca adoodobńta ozładu bzgogo zm loo Y P Y =,, z czm Fuca adoodobńta ozładu auogo zm loo P Y, =,.,. Fuca adoodobńta ozładu auogo zm loo Y P Y, =,.,. Wau zalżośc zmch looch ooch Y dla ztch a, Koaaca zmch looch Y E Y E Y cov, Y E = EY - E EY Koaaca zmch looch ooch Y cov, Y E E Y E E Y Wółcz olac zmch looch Y cov, Y D D Y

13 3 9. Bada zalżośc dóch cch Rozład bzgo Śd Waac Rozład auo Śd Waac Śd ogól bzgo lczo z śdch auoch l Koaaca da ddual: c l l l l l

14 da oguoa tablc olac: c l l Tt zalżośc l v=-l- gdz Wółcz zbżośc V-Cama V gdz m=m,l m - Wółcz olac lo Paoa c Tt a oloa zmch t v=- Wółcz olac ag Samaa d 6 d 4

15 5. Klacz modl g lo Y = EY = +ε = α + β + ε =,, gdz: Eε = D ε =Eε =σ covε,ε = dla ε : N,σ Fuca g lo: Paamt tutual: Paamt tochatcz a Waaca odchl tadado łada ztogo = - - zt atośc mcz =α +β - atośc totcz b Stadado błęd oc aamtó: c

16 6 Wółcz dtmac: Pzdzał ufośc dla α,, t t P Tt dla hotz H: α = α t, v=- Tt dla hotz H: α = t, v= - Pogoza Y dla = Stadado błąd ogoz Y dla = gdz Pzdzał ufośc dla ogozoa atośc Y ] [,, t t P

17 . Wóa zgó czaoch Śda uchoma zła t t t= +, +,.., ; =,,. Śda uchoma ctoaa t t t t. d tattcz Pzot abolut Δt = t t- t =, - Pzot zględ t t t =, t d ddual doodtao / t =,, t t t t d ddual łańcucho t =,, t t / t t Śd tmo zma o, -,- = gdz g g t t / t 7

18 8 d aggato atośc, lośc c umoa dach aggatoch o ładach aggatu ddual d c ddual d lośc Aggato d atośc: Aggato d c: Ogóla otać tadazaca: cot t cot t a dług fomuł Laa: o o o o o o o L u b dług fomuł Paachgo: P u c dług fomuł Fha: F L P

19 9 Aggato d lośc ma fzcz: Ogóla otać tadazaca: cot t cot t a dług fomuł Laa: o o o o o o o L u b dług fomuł Paachgo: P u c dług fomuł Fha: F L P Róość doa F F L P P L

20

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMNE NA STUDACH LCENCJACKCH Oacoa zgooa zz d Maę Wczo a oda:. P. Kuz, J. Podgó: Saa. Wzo ablc. SGH, Wazaa, 8. M. Wczo: Saa. Lubę o! Zbó zadań. SGH, Wazaa 6 .

Bardziej szczegółowo

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMNE NA STUDACH LCENCJACKCH Oacoa zgooa zz d Maę Wczo a oda:. P. Kuz, J. Podgó: Saa. Wzo ablc. SGH, Wazaa, 8. M. Wczo: Saa. Lubę o! Zbó zadań. SGH, Wazaa 3 .

Bardziej szczegółowo

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH Laboaoum eod aczch ĆWICZENIE 3 ANALIZA WPÓŁZALEŻNOŚCI ZJAWIK AOWCH Jedo wozące zboowość chaaezowae ą zazwcza za pomocą welu cech óe wzaeme ę wauuą. Celem aalz wpółzależośc e wedzee cz mędz badam cecham

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

Wykład 6. Klasyczny model regresji liniowej

Wykład 6. Klasyczny model regresji liniowej Wkład 6 Klacz modl rgrj lowj Rgrja I rodzaju pokazuj jak zmają ę warukow wartośc oczkwa zmj zalżj w zalżośc od wartośc zmj zalżj. E X m Obraz gomtrcz tj fukcj to krzwa rgrj I rodzaju czl zbór puktów płazczz,

Bardziej szczegółowo

Tablice wzorów Przygotował: Mateusz Szczygieł

Tablice wzorów Przygotował: Mateusz Szczygieł Tablce zoó Pzygotoał: Mateusz Szczygeł DKATORFIASOWY.COM.PL . Oczekaa stoa zotu - adoodobeństo zaśca daego zdazea ożla do zealzoaa stoa zotu. Waaca aaca stoy zotu oczekaa stoa zotu [ ] 3. Odchylee stadadoe

Bardziej szczegółowo

Ł Ł Ó Ś Ż Ł Ń Ż Ż ć Ż Ł Ż Ż Ż Ż Ż Ż Ż Ż Ż Ż Ż Ł ć Ż Ż ć ć Ź Ł Ż Ż Ż ć ź Ż ń Ż Ż Ż Ż ć ń ć ń ć Ł Ż ć Ż Ł Ś ŻŻ Ł Ż Ń Ł ź Ź Ż Ź Ł Ż Ł Ł Ń ć Ó Ż Ń Ń Ł ź ź Ż Ż Ż Ś Ć Ż Ć Ł Ł Ł Ż Ż Ś ŚĆ Ś Ś ć ć Ż Ż ŚĆ Ś Ś ŚĆ

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( )( ) ( ) ( ) 2. r s. ( i. REGRESJA (jedna zmienna) e s = + Y b b X. x x x n x. cov( (kowariancja) = (współczynnik korelacji) = +

( ) ( ) ( ) ( ) ( )( ) ( ) ( ) 2. r s. ( i. REGRESJA (jedna zmienna) e s = + Y b b X. x x x n x. cov( (kowariancja) = (współczynnik korelacji) = + REGRESJA jda zma + prota rgrj zmj wzgldm. przlo wartoc paramtrów trukturalch cov r waga: a c cov kowaracja d r cov wpółczk korlacj Waracja rztowa. Nch gdz + wtd czl ozacza rd tadardow odchl od protj rgrj.

Bardziej szczegółowo

{ t} L.Kowalski Niezawodność-teoria i rozkłady NIEZAWODNOŚĆ

{ t} L.Kowalski Niezawodność-teoria i rozkłady NIEZAWODNOŚĆ NIEZAWODNOŚĆ Załadamy, ż ob j oy wamy w uuę odawaly. T-zma loowa ozaczająca zdaość wałość obu czyl cza do jo uzodza. Moża zyjmować, ż j o oc cąły w cza waoścach. Fucj zawodośc. Dyybuaa F zmj loowj T {

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K

Bardziej szczegółowo

źź ć Ó Ż Ż ź Ś ń ń ń ź ź ń ż Ó Ł Ó Ł ź ń ź Ś ć ż Ś Ó Ś Ś Ó Ó Ź Ó Ó Ó ń Ś ż ń ń ń Łź ż ń ń ż ź ź ć Ż Ż ń Ź ń ć ż Ś ć Ś Ł ź Ż ć Ł Ł Ł ż Ł Ł ć ć Ł Ł Ź Ż Ó Ż ć ć ż Ó Ó ż Ź Ó Ó Ó Ć ć ź ź ż ż ź ć ć ń ź ź ź ć

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

ń Ż ć Ą Ę Ę ń Ą Ż ń Ż ń Ę Ę Ę ń Ż ń Ś ń ć Ś ń ń ń ń ń Ę Ę Ą ń Ą Ń Ę ń Ż Ń ń Ź ń Ż Ś ń Ż ń ń ń Ź Ż Ą ń ń Ż ń ć Ś ń ń ź ń ń Ź ń Ś Ź ń ń ń Ż ń ć Ś ń ń ć Ż Ę ń ć Ś Ś Ż ń Ź Ż ń ń Ą ń Ś Ść Ń ń ń ź ń Ż ń Ż Ż

Bardziej szczegółowo

Ą ń Ż Ź Ś Ż ź Ł Ż Ż ź ź Ż Ż Ż Ż ź ź ź ż Ż ź Ż ż ń Ż ż ć ń ż ż ż Ż ź Ż Ż ź Ż ż Ż ć ż Ż Ś ż Ś Ż ź ń ń Ż ń Ż ń Ż ź ń ń ż ż ń Ą ń Ą ń ń ń ń ń ź ń Ź ż ć ż Ż ć ź Ż ć ż ć ć ż Ą ć ń ń ć Ł ż ż ć Ż Ż ż ż Ż Ż Ż ń

Bardziej szczegółowo

ć ć Ż ć Ż ć ć ź ć ć ć ć ć ć ć ć ć ź ć ć ź Ę ć ć ź ć ź ć ć ć ć ć ć ć Ę ć ć ź ć ć ź ź ź ź ź ź Ę Ę ź Ę ć ź ć ź ź ć ć ć Ę ć ź ź ć ź ć ć ź Ą ć ź ź ź ź ć ć ć Ę ź ź ć ć ć ć ć ć ź ź ć ć ć ć ć ć ć ć ć ć ć ź ź ć

Bardziej szczegółowo

Ś Ę Ż Ż Ł ź ź Ę ź Ę Ą Ę ź ć Ś Ą ć Ą ź ć Ó Ę ć ć Ś ć ć Ń ć Ż Ź Ż ć Ś ć Ę Ę Ę Ł ź ć Ś Ś ź Ł ć Ę ć Ł ć ź Ł ć Ż ć Ą Ś Ę ź Ę ć ź ć Ł Ń Ę ć Ś ź ć Ł Ł Ń ć ć ć ć Ę Ę ć ć Ż Ń Ń ŻŻ Ż Ę Ż ć ć Ę Ż Ó ć Ł Ą ć Ś Ę ć

Bardziej szczegółowo

Ł Ś Ą Ł Ę ź Ł Ł Ę Ł ź Ł Ł Ś Ł Ł ż Ł Ś Ł Ł Ś Ł ź Ę ź Ł Ł Ł Ł Ł Ł ź ć ż Ę ż Ł ż ż ć ć ć ć ć ć ż Ę ć ć ć ć ć ć ż ż ć ż ż ż ż Ł Ś Ł ż ż ć ć ć ż ć ć ć ć ż ż ż Ł Ś Ł ż Ł Ł Ł ż Ł Ś Ł Ł Ś Ł ż Ł Ś Ł ź ż Ę ż ż ź

Bardziej szczegółowo

ź Ę ć Ż Ż ń ć Ż Ę Ż ć ć ć Ż ć ć ź Ż ć Ż Ż ć ć ń Ż ć Ś Ę Ż ń Ż ć Ż ć Ż ć Ż Ż Ę ć Ż Ż Ż Ą Ę Ą ć Ż ć ć Ż Ą Ż ć ń ń Ż ń Ż Ę Ż ć Ż Ż Ł Ą źź ź ć Ż Ż Ż Ż Ę ź ź ź ź Ż Ż ń Ż Ż Ó ń Ś ć ń Ą Ę Ą Ż Ą Ę Ś Ę Ż ć Ę Ś

Bardziej szczegółowo

Ł Ń Ł Ł ź Ż ź Ł Ż Ó ż ż Ą ź Ą Ó Ń Ą Ł Ł Ą Ż Ś Ą ź Ż Ż ź Ż Ż ż Ą Ł Ż Ź Ź ź Ó ź Ł Ą ź Ń ź Ó Ł ż ć Ś Ś Ą Ł Ś ż ź ź Ą Ż Ł Ś Ś Ł Ż Ń Ń Ł Ó Ś Ś ć Ś Ó Ć ć ć Ś ż Ó Ó ź Ó Ó Ś Ó Ą Ą ć Ą Ą Ł Ą Ł Ą Ł ż Ł ź ć Ł Ą

Bardziej szczegółowo

Ż ń ń Ł Ą ń Ą Ż Ą Ż ń Ą ń ń ń ń Ł Ą ń ń ń ń ń Ą ń ń ń ń ń ń ń ć ń Ż ń ń Ą Ś Ą Ś Ą ń Ą Ś Ę ń Ś ń ń Ą ń Ż ń ź ź ń Ś ń ń Ś Ę Ś Ź Ś ń ń ć Ż ń ń Ą ń Ś Ż ń Ż Ż Ć Ż Ś Ś ć Ż Ż ć Ą ń Ą ń Ż ń ń ń Ż ć Ż Ż ń ń Ś Ż

Bardziej szczegółowo

Ł Ż Ł Ł Ł Ł ż ż ć ź ć ż ż Ż ż Ż ż Ż ć Ż Ł Ż ć ŻŻ ź ż Ł ż ż ż Ż ć Ł Ł ż ż ż ż Ż ż ż ź ć Ż ż ż Ż ż Ż ć ż ć Ż ź ż ż ć ć Ż ż Ź ż ż ż ź ż ż ź ż ż ż ż ż ź Ż Ż ź ż ć ż ż Ł ż ć ż ż ż ć ż ż ć Ż Ż ż ż ż ź ć ż ż

Bardziej szczegółowo

Ą Ę ą Ś ą ć Ą ą ą ą ą ŻŻ ŻŻ Ą Ż ą ą ą ą ą ą ą ą ą Ą ą ą Ęć ą ą ą ą ą ć Ę Ś Ą ć ą ć Ś ą Ą ć Ą ą Ą ź Ę ź ą ć ć ą ą Ę ą ą Ę ą ą ą ą ą ą ć ą ą ą ą ć ą ą ą Ę ą ą ą ą ą ą ą ą ć ć ź ą Ą ą ć Ę Ł Ł Ę ą ą Ą ą ą

Bardziej szczegółowo

Statystyka Wykład 9 Adam Ćmiel A3-A4 311a

Statystyka Wykład 9 Adam Ćmiel A3-A4 311a st hpotzy owj opaty a oaz waygodośc ozważay popzdo pob tstowaa hpotzy o ówośc watośc oczwaych w popuacjach o ozładach N =... jst szczgóy pzypad pwgo ogójszgo pobu tstowaa: od: =+ gdz jst wto obswacj Uwaga:

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Weryfikacja modelu. ( ) Założenia Gaussa-Markowa. Związek pomiędzy zmienną objaśnianą a zmiennymi objaśniającymi ma charakter liniowy

Weryfikacja modelu. ( ) Założenia Gaussa-Markowa. Związek pomiędzy zmienną objaśnianą a zmiennymi objaśniającymi ma charakter liniowy Wryfkacja modlu. Założa Gaussa-Markowa Zwązk pomędzy zmą objaśaą a zmym objaśającym ma charaktr lowy x, x,, K x k Wartośc zmych objaśających są ustalo ( są losow ε. Składk losow dla poszczgólych wartośc

Bardziej szczegółowo

δ δ δ 1 ε δ δ δ 1 ε ε δ δ δ ε ε = T T a b c 1 = T = T = T

δ δ δ 1 ε δ δ δ 1 ε ε δ δ δ ε ε = T T a b c 1 = T = T = T M O D E L O W A N I E I N Y N I E R S K I E n r 4 7, I S S N 8 9 6-7 7 X M O D E L O W A N I E P A S Z C Z Y Z N B A Z O W Y C H K O R P U S W N A P O D S T A W I E P O M W S P R Z D N O C I O W Y C H

Bardziej szczegółowo

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI KASYCZNY ODE REGRESJI INIOWEJ Z WIEOA ZIENNYI NIEZAEŻNYI. gdz: wtor obsrwacj a zmj Y, o wmarach ( macrz obsrwacj a zmch zalżch, o wmarach ( ( wtor paramtrów struturalch (wtor współczów, o wmarach (( wtor

Bardziej szczegółowo

Testy oparte na ilorazie wiarygodności

Testy oparte na ilorazie wiarygodności Ts opar a loraz wargodośc Probl sowaa hpoz Nch B P=P będz przsrzą sasczą prz cz = =. Probl. Na podsaw prób wu spru zwrfować hpozę wobc alraw. Rozwąza powższgo problu s fuca [] zwaa s sascz zradozowa lub

Bardziej szczegółowo

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ. L.Kowls - Uwg o rozłdz uc zm losow UWAI O ROZKŁADZIE UNKCJI ZMIENNEJ LOSOWEJ. - d zm losow cągł o gęstośc. Y g g - borlows tz. g - B BR dl B BR Wzczć gęstość g zm losow Y. Jśl g - ścśl mootocz różczowl

Bardziej szczegółowo

Ś Ń ź Ś ź Ś Ś Ś Ś Ś Ś Ś Ą Ś Ż ż ż Ż ć ć ź ź ÓĆ ć Ż Ą ć Ż ż ć Ą Ł Ś Ń ć Ś Ą Ą ż Ż Ą ź Ą ź Ą ż Ś Ń Ł Ś Ś Ó Ą ż ż Ś Ń Ł Ś ż ź ź Ą ć ż ż ć ć ż ć ż Ą ż Ł ż ć ż ż Ż ż ż ż ć Ąć ż ż ż Ż Ż ż ż ć ż ć ż ż ż Ż ż ż

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

Elementy statystyki STA - Wykład 5

Elementy statystyki STA - Wykład 5 STA - Wykład 5 Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 ANOVA 2 Model jednoczynnikowej analizy wariancji Na model jednoczynnikowej analizy wariancji możemy traktować jako uogólnienie

Bardziej szczegółowo

ń ę ń ę ń ę ń ę ę ę ę ę ź ń ź Ś ę Ł ń ę ę ń ę ń ę ę ę ę ę ę ź ę ę Ż ę ŚĆ ę Ż ń ń ę ń ę ę ę ę ę ź ę ę Ś Ś Ś Ś ź ę ń ę ę Ź ń Ś Ś ę ń ę ę ę ę ę ź ń ŚĆ Ś ń ń ń Ą ń ę ę ŚĆ ę Ż ę ń ę ę ę ę ę ź ń Ś Ś ź Ś Ł ę

Bardziej szczegółowo

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.) MIARY ZMIENNOŚCI

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.) MIARY ZMIENNOŚCI D. zczyńa,.zczyń, atrały do wyładu 3 z Statyty, 009/0 [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.). mary połoŝa - wyład. mary zmośc (dyprj, rozproza) 3. mary aymtr (ośośc) 4. mary octracj IARY

Bardziej szczegółowo

Prognozowanie- wiadomoci wstpne

Prognozowanie- wiadomoci wstpne Progozowa- wadomoc wtp Progozowa to racjoal woowa o zdarzach zach a podtaw zdarz zach. Clm progoz jt dotarcz otwch formacj potrzch do podjmowaa dczj. Progoz a mulacj. Progoza co dz w momc t Smulacja co

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

PODSTAWOWE ROZKŁADY SKOKOWE

PODSTAWOWE ROZKŁADY SKOKOWE ODSTAWOWE ROZKŁADY SKOKOWE Rozatruy dowyarow rozłady soow. rzyo. Za losowa a rozład soowy dysrty gdy a sończoy lub rzlczaly zbór wartośc. Rozłady soow aczęśc orślay rzz oda fuc rawdoodobństwa. arostsza

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

q (s, z) = ( ) (λ T) ρc = q

q (s, z) = ( ) (λ T) ρc = q M O D E L O W A N I E I N Y N I E R S K I E n r 4 7, I S S N 1 8 9 6-7 7 1 X W Y Z N A C Z A N I E O D K S Z T A C E T O W A R Z Y S Z Ą C Y C H H A R T O W A N I U P O W I E R Z C H N I O W Y M W I E

Bardziej szczegółowo

ń ń ń ń Ą Ź Ń ń ń Ą Ą Ą Ś Ą ń ń Ą ń Ą Ą ń ń Ą ń ń ń Ą Ą Ź ń ń Ż Ą ń Ż ń Ń ń ń ń ń ń ń ń ń ń ń Ą Ą Ą ń Ć ń ń Ą ń ń Ć ń Ź Ą ń Ź ń Ą Ą Ą Ą ń Ą Ą Ą Ó Ą Ą Ą Ą Ż ń ń Ś ń ń Ą ń Ą ń Ś Ć Ą Ą ń ń ń Ś Ą Ą ń Ą ń

Bardziej szczegółowo

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów Opowł: Jo Kselńs EKONOMETRIA - WZORY Metod doou zmeh Metod Now * t I I I Metod Hellwg om L l l K p p pk h l l K p H l h pk Metod mometów e Regesj post Modele: MNK m s s Y X C s v Opowł: Jo Kselńs Współz:

Bardziej szczegółowo

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów

Bardziej szczegółowo

#$%&"!' ()*+$,% -$)%.)/ 01! *0,,2* %2, 40,-7 $$$

#$%&!' ()*+$,% -$)%.)/ 01! *0,,2* %2, 40,-7 $$$ M NM O *+ 62-3B6 8 -C 6-B7 6 * *+5 2 B9 A: 6:!"#$% '!"#$%' ()* +,-. $/0(1()*$ +,!' + -.+ -/ (* +,!' + - / +,!'0!" $(1 234.56789: $(1 ;. *; ' +,!' 1 $% )# ?@ABCDE!6 9: $(1 FGH IJ!" $/0(1 IJKL

Bardziej szczegółowo

Stacjonarność Integracja. Integracja. Integracja

Stacjonarność Integracja. Integracja. Integracja Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli: Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli:

Bardziej szczegółowo

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H Zada Zakładając, ż zm losow,,, 6 są zalż mają rozkłady ormal ~ N( m, ),,, 6, zbudowao tst jdostaj ajmocjszy dla wryfkacj hpotzy H 0 : m 0 przy altratyw H : m 0 a pozom stotośc 0,05 W rzczywstośc okazało

Bardziej szczegółowo

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki WYKŁAD 6 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Własności Wariancji Przypomnijmy, że VarX = E(X EX) 2 = EX 2 (EX) 2. Własności

Bardziej szczegółowo

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. imię, nazwisko, nr indeksu: Ekonometria egzamin 01/02/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD grudnia 2009

STATYSTYKA MATEMATYCZNA WYKŁAD grudnia 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 10 14 grudnia 2009 PARAMETRY POŁOŻENIA Przypomnienie: Model statystyczny pomiaru: wynik pomiaru X = µ + ε 1. ε jest zmienną losową 2. E(ε) = 0 pomiar nieobciążony, pomiar

Bardziej szczegółowo

4. Glücksburgowie ERREGO SW HAAKON VII 430 ASTIA OLAF V 433 HARALD V DYN EGII RW IE NO W LO KRÓ 429

4. Glücksburgowie ERREGO SW HAAKON VII 430 ASTIA OLAF V 433 HARALD V DYN EGII RW IE NO W LO KRÓ 429 K R Ó L O W I E N O R W E G I I W. Y D NŻ S T IŻ S W E R R E G O 4 2 8 4. Glücksburgowie K R Ó L O W I E N O R W E G I I W. Y D NŻ S T IŻ S W E R R E G O HŻŻ K O N V I I O LŻ F V HŻ RŻ L D V 4 2 9 430

Bardziej szczegółowo

I. STADHOUDERZY NIDERLANDÓW

I. STADHOUDERZY NIDERLANDÓW 68 I. STADHOUDERZY NIDERLANDÓW I. TŻS D H O U D E R Z Y N I D E R LŻ N D Ó W R o z d z i a ł I I. KRÓLOWIE HOLANDII LUDWIK I 70 LUDWIK II 79 6 9 I. TŻS D H O U D E R Z Y N I D E R LŻ N D Ó W LUDWIK I Król

Bardziej szczegółowo

Wrocław, dnia 24 czerwca 2016 r. Poz UCHWAŁA NR XXVI/540/16 RADY MIEJSKIEJ WROCŁAWIA. z dnia 16 czerwca 2016 r.

Wrocław, dnia 24 czerwca 2016 r. Poz UCHWAŁA NR XXVI/540/16 RADY MIEJSKIEJ WROCŁAWIA. z dnia 16 czerwca 2016 r. DZE UZĘDY EÓDZA DLŚLĄE, d 24 2016 2966 UCHAŁA XXV/540/16 ADY EE CŁAA d 16 2016 ś g bdó b ó d gó d 18 2 15 d 8 1990 ąd g (D U 2016 446) 12 11 92 1 d 5 1998 ąd (D U 2015 1445 1890), ą 17 4 5 d 7 ś 1991 ś

Bardziej szczegółowo

Pojęcie modelu. Model ekonometryczny. Przykład modelu ekonometrycznego. Klasyfikacja modeli ekonometrycznych. Etapy analizy ekonometrycznej

Pojęcie modelu. Model ekonometryczny. Przykład modelu ekonometrycznego. Klasyfikacja modeli ekonometrycznych. Etapy analizy ekonometrycznej Poęc modlu Modl s o uproszczo przdsw rzczwsośc Lwrc R Kl: Modl s o schmcz uproszcz pomąc so sp w clu wś wwęrzgo dzł form lub osruc brdz somplowgo mchzmu Główą zlą modlu s możlwość go bzpczgo przprowdz

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM

3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM 3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM Oczekiwana stopa zwrotu portfela dwóch akcji: E(r p ) = w 1 E(R 1 ) + w

Bardziej szczegółowo

Ó Ś Ą ŚĆ Ą Ś Ś ż Ó Ą Ś Ó Ż Ó Ó ć ć ć Ó Ó Ń Ś Ó ć Ś Ó Ń Ą Ś ć Ó Ó ć Ź ć ć Ź ż Ź ć ż ć ż ż ż ż ć ć ć Ó Ó Ó ć ż ż ż Ó Ó Ó Ń ż ć ć ż ż Ż ć Ó Ó ć ć ć ć ć ż ż Ó Ó ć ć Ó Ą Ź Ź Ó Ó Ó Ń ć ż ć ż Ó ż ć Ź ć ć Ż ż

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Testowanie hipotez statystycznych Wyk lad 8 Natalia Nehrebecka Stanis law Cichocki 29 listopada 2015 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

Ł Ą ż ż Ś Ą ż ż Ń Ę ż Ą ż ż Ą ć Ą ż ż Ą Ń ż ż Ę ż ż ż ż ćż ż Ś Ź ż Ź ć ż ż ż ż ż ć ż ż ć ż ć ż ż Ś ż ć ż ż ż ć ż ż ż ż ż ż ż Ź ż ć ż ż ż ć Ź ćż ż ć ż ż ż ż Ż Ń ż ż ż ż Ź ć ż ć ż ć ż ż ż ż ż ć ż ż ż Ź ć

Bardziej szczegółowo

2 ), S t r o n a 1 z 1 1

2 ), S t r o n a 1 z 1 1 Z a k r e s c z y n n o c i s p r z» t a n i a Z a ł» c z n i k n r 1 d o w z o r u u m o w y s t a n o w i» c e g o z a ł» c z n i k n r 5 d o S p e c y f i k a c j i I s t o t n y c h W a r u n k ó w

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych round Testowanie hipotez statystycznych Wyk lad 9 Natalia Nehrebecka Stanis law Cichocki 13 grudnia 2014 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie

Bardziej szczegółowo

Statystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14

Statystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14 Statystyka #6 Analiza wariancji Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2015/2016 1 / 14 Analiza wariancji 2 / 14 Analiza wariancji Analiza wariancji jest techniką badania wyników,

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny

Bardziej szczegółowo

Wybór modelu i ocena jakości klasyfikatora

Wybór modelu i ocena jakości klasyfikatora Wybór modelu i ocena jakości klasyfikatora Błąd uczenia i błąd testowania Obciążenie, wariancja i złożoność modelu (klasyfikatora) Dekompozycja błędu testowania Optymizm Estymacja błędu testowania AIC,

Bardziej szczegółowo

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),

Zależność. 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 szczegółowo

Ćwiczenia 11_12 KLASYCZNY MODEL REGRESJI LINIOWEJ

Ćwiczenia 11_12 KLASYCZNY MODEL REGRESJI LINIOWEJ Ćwcza _ KLACZN MOL RGRJI LINIOWJ Zada. W tabl przdstawoo wysokość stawk clj X oraz udzał w ryku a pw towar mportoway spoza U. 5 5 0 0 8 0 y 5 6 3 7 0 Nalży w oparcu o poda formacj: a. Zapsać rówa fukcj

Bardziej szczegółowo

Półprzewodniki (ang. semiconductors).

Półprzewodniki (ang. semiconductors). Półpzwod ag. smcoductos. Uwsytt Waszaws 5 Podstawy modlu jdoltoowgo Twdz Blocha Co z tą pustą pzstzą? Pzyjmjmy, ż w węzłach sc zajduj sę mały potcjał V V mały potcjał cos a ozważymy pzypad jdowymaowy Ja

Bardziej szczegółowo

L U D O L F I N G O W I E PWP XŁ X IPW.P L U D O L F I N G O W I E X MX IPw.A P 8 0

L U D O L F I N G O W I E PWP XŁ X IPW.P L U D O L F I N G O W I E X MX IPw.A P 8 0 L U D O L F I N G O W I E X MX Iw.A 8 0 K O N RŻ D I H E N R Y K I TŻ S Z N I K O T T O I W I E L K I O T T O I I O T T O I I I H E N R Y K I I WŚ I Ę T Y 8 1 K O N RŻ D I M A 8 2 O j c i e c- K O N RŻ

Bardziej szczegółowo

ź ż ć ć Ę ż ż ż ż ż ż ż ć ż ź Ę ć ż ż ż Ę ż ż ż ż ż ż ż ź ź ż ż ć ź ź ż ź ź ć ź ż ź ć ź ź ć ź Ę ź ż ź ż ć Ę ż ż ż ć ż ż ż ź ż ż ż ż ż ż ż ć ć ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ć ć ć ć ć ć Ę ż Ę ż ż

Bardziej szczegółowo

ń ź ń ń ć Ń ź ż ń ż ż Ń Ą ń ń Ę ń ń ń ż Ł ż Ł ż ń ć ź Ą źż ć ń Ę Ł ż Ą ć ż Ą ń Ł ż ń ż ń Ą ż ń ń ż ź ż ń ń ŚÓ ń Ś ź Ó Ł ć Ą Ń ż Ś ń Ą ń ń ń ż ń ź ń ż ź ń ń ż ż ń ń ż Ń ń ń ź ź Ą ń Ę Ń ń ń ń Ę ż Ś Ę ć Ń

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo

Ą Ą Ż Ż ś Ś ś ń ń Ę Ż Ę ś Ż ś Ę ś ź ń ź ś ś Ó ś ś Ż Ś ń Ę Ę Ą Ż Ę ś ś Ę ś Ę ś ść Ż Ć ź Ę ń Ć Ż Ę ź ś Ź Ż ź ś Ę ś śń Ż ś ń Ż ń Ą Ż Ż Ę ś ź ŻŻ ś ś ń Ż ń Ó ś Ż ń Ż ś Ę ń Ż Ż Ę ń Ż Ę Ż ź ś ń ś Ę ś ś Ż ń Ś

Bardziej szczegółowo

Rozwiązywanie umów o pracę

Rozwiązywanie umów o pracę Ryszard Sadlik Rozwiązywanie umów o pracę instruktaż, wzory, przykłady Ośrodek Doradztwa i Doskonalenia Kadr Sp. z o.o. Gdańsk 2012 Wstęp...7 Rozdział I Wy po wie dze nie umo wy o pra cę za war tej na

Bardziej szczegółowo

ROZKŁAD OBJĘTOŚCI SUMARYCZNEJ W SYSTEMIE M/M/n/m

ROZKŁAD OBJĘTOŚCI SUMARYCZNEJ W SYSTEMIE M/M/n/m ROZKŁAD OBJĘTOŚC SUMARYCZNEJ W SYSTEME M/M// Wtę Wy ż badzo zadko oży uzykać wzoy aw a dytybuatę obętośc uaycz zgłozń zaduących ę w tacoay yt obług chocaż w otatch latach udało ę coś zobć w ty kuku Chodz

Bardziej szczegółowo

2 7k 0 5k 2 0 1 5 S 1 0 0 P a s t w a c z ł o n k o w s k i e - Z a m ó w i e n i e p u b l i c z n e n a u s ł u g- i O g ł o s z e n i e o z a m ó w i e n i u - P r o c e d u r a o t w a r t a P o l

Bardziej szczegółowo

9 7 / m S t a n d a r d w y m a g a ń - e g z a m i n m i s t r z o w s k i dla zawodu F O T O G R A F Kod z klasyfikacji zawodów i sp e cjaln oś ci dla p ot r ze b r yn ku p r acy Kod z klasyfikacji zawodów

Bardziej szczegółowo

ń óź óź Ę ć Ą Ą ó Ę ć ć Ł Ś Ł Ą ź ó Ź ź ń ó ź ź ź ó ó ź ź ź ź ó ć ź ó ć ó Ź ź ń Ę ó Ź ź ź Ę ź ó Ź ź ź Ź ź ń Ą Ą Ę Ą Ę ć Ą Ą Ę Ą Ź Ą ź Ł Ę Ł ó ź ć ć Ę Źó ó ó ź Ś Ą ź ó ó ń ź Ę ó Ą Ś ź ó Ę ó ź ó ź ź ź ź

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 8 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka matematyczna 7 maja 2018 1 / 19 Przypomnijmy najpierw omówione na poprzednim wykładzie postaci przedziałów

Bardziej szczegółowo

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15 VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematyczna Anna Janicka wykład X, 9.05.206 TESTOWANIE HIPOTEZ STATYSTYCZNYCH II: PORÓWNYWANIE TESTÓW Plan na dzisiaj 0. Przypomnienie potrzebnych definicji. Porównywanie testów 2. Test jednostajnie

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA, LISTA 3

STATYSTYKA MATEMATYCZNA, LISTA 3 STATYSTYKA MATEMATYCZNA, LISTA 3 1. Aby zweryfikować hipotezę o symetryczności monety; H: p = 0.5 przeciwko K: p 0.5 wykonano nią n = 100 rzutów. Wyznaczyć obszar krytyczny i zweryfikować hipotezę H gdy

Bardziej szczegółowo

Oświadczam, że warunki ww. umowy zawartej z Wojewódzką Komendą OHP są przestrzegane. Środki finansowe prosimy przekazać na rachunek bankowy Nr...

Oświadczam, że warunki ww. umowy zawartej z Wojewódzką Komendą OHP są przestrzegane. Środki finansowe prosimy przekazać na rachunek bankowy Nr... Dz tw r 77 4674 Pz. 518 ącz r 4 Mcwć t Pczęć rcwc (mcwć t) (częć rcwc) Wwóz Km OHP z rctwm trum uc Prc Mz w... DOKŁD MRY MÓW O RFDJĘ! Or, z tór wum rfucę. W rcwc Dzń zwrc umw rfucę rfucę wgrzń wcch mcm

Bardziej szczegółowo

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12. Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e

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 Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna

Bardziej szczegółowo

Ę Ł Ż Ż ŻŻ Ą Ą ć ż Ó ć ż ć Ż Ś ż Ż ć Ć Ó Ż Ś ć ÓŹ Ź Ó Ż Ó Ż Ś Ą Ó Ś Ąć Ż Ż Ó ć Ż ć Ę Ż Ó Ó Ó Ó Ż ć Ó Ó Ó Ż Ó Ó Ó Ł Ź Ó Ó Ó Ó Ó Ł Ś ć ć ć Ó Ó Ó Ó Ó Ś Ó Ó Ż Ó Ż Ś ż ć Ę ż Ż Ę Ż Ż ć ż ż Ż ć Ę ć ż ż ż ć ć

Bardziej szczegółowo

Results of t h e Joint Mode-Stability Experiment

Results of t h e Joint Mode-Stability Experiment Results of t h e Jont Mode-Stablty Experment presented by Chrstopher Nantsta f r o m Sam Tantaw s Transparences SLAC Ffth SLAC-KEK nternatonal Study Group Meetng ( S G S ) W o r k n g G r o u p 5 R F Modelng

Bardziej szczegółowo

PROGNOZOWANIE WIELKOŚCI WYDOBYCIA WĘGLA KAMIENNEGO W GÓRNOŚLĄSKIM ZAGŁĘBIU WĘGLOWYM Z UŻYCIEM LINIOWEJ FUNKCJI REGRESJI

PROGNOZOWANIE WIELKOŚCI WYDOBYCIA WĘGLA KAMIENNEGO W GÓRNOŚLĄSKIM ZAGŁĘBIU WĘGLOWYM Z UŻYCIEM LINIOWEJ FUNKCJI REGRESJI PROGNOZOWANIE WIELKOŚCI WYDOBYCIA WĘGLA KAMIENNEGO W GÓRNOŚLĄSKIM ZAGŁĘBIU WĘGLOWYM Z UŻYCIEM LINIOWEJ FUNKCJI REGRESJI Staław Kowalk 1, Kryta Probrz 1 Katdra Zarządzaa Iżyr Bzpczńtwa, Poltchka Śląka Itytut

Bardziej szczegółowo