PSZCZELNICZE ZESZYTY NAUKOWE ZMIENNOSC SZEROKOSCI IV TERGITU ODWŁOKOWEGO W POPULACJI PSZCZOŁ RASY KAUKASKIEJ. Mi<!hał Gromisz Oddział Pszczelnictwa IS

Wielkość: px
Rozpocząć pokaz od strony:

Download "PSZCZELNICZE ZESZYTY NAUKOWE ZMIENNOSC SZEROKOSCI IV TERGITU ODWŁOKOWEGO W POPULACJI PSZCZOŁ RASY KAUKASKIEJ. Mi<!hał Gromisz Oddział Pszczelnictwa IS"

Transkrypt

1 PSZCZELNICZE ZESZYTY NAUKOWE ROK XXIII 1979 ZMIENNOSC SZEROKOSCI IV TERGITU ODWŁOKOWEGO W POPULACJI PSZCZOŁ RASY KAUKASKIEJ Mi<!hał Gromisz Oddział Pszczelnictwa IS WPROWADZENIE W pracy hodowlanej ocena morfologiczna pszczół ma znaczenie przede wszystkim jako sprawdzian ich przynależności rasowej. W opisie morfologicznych rojów uwzględnia się także wielkość ciała pszczół-robotnic. Jako najlepszy wskażnik tej cechy przyjęto wymiary tergitów odwłokowych. Początkowo oznaczano szerokość dwóch tergitów III i IV, obecnie ograniczono się tylko do szerokości IV tergitu, jako wysoko skerelowanej z rozmiarami odwłoka pszczoły (B o r n u s 1964, G r o m i s z 1971). Uzyskano przez to znaczne ułatwienia w czynności bonitacyjnej, nie tracąc w zasadzie na poprawności informacji. Niektórzy hodowcy zagraniczni poprzestają także na oznaczeniu wymiarów pojedynczych tergitów w opisie morfologicznym pszczół (B a h r m a n n, G r orn i s z, V e s e l y 1966). Nasza rodzima populacja pszczół została dość dokładnie poznana i opisana pod względem szerokości IV tergitu odwłokowego (G r o m i s z i B o r n u s 1972, G r o m i s z i współautorzy 1978). W stosunku do pszczół rasy kaukaskiej, selekcjonowanych obecnie także w Polsce, brakuje tego rodzaju danych w opisie morfologicznym (G r o m i s z 1978). W pracy niniejszej pragniemy wypełnić tę lukę. MATERIAŁ I METODA Badania przeprowadzono na pszczołach robotnicach, pochodzących od 113 matek pszczelich Apis mellifica caucasica, importowanych w ZSRR w latach (G r o m is z 1978). Na 30 robotnicach z każdego roju mierzono szerokość IV tergitu odwłokowego według metodyki przyjętej w Oddziale Pszczelnictwa IS w tego rodzaju badaniach (G r o m i s z 1971, G r o m i s z i B o r n u s 1972). Dla poszczególnych rojów (próbek) obliczono średnie arytmetyczne (x) tej cechy i standardowe odchylenia (S) oraz w razie potrzeby wskażli'" 67

2 niki zmienności (V). Następnie z sumy średnich dla rojów obliczono średnią wartość (x) dla populacji (zbioru -roj'ow)' i standardowe-odchylenie. Model matematyczny populacji ułożono według wzoru y = (x - x): S, gdzie y symbolizuje wskaźnik podobieństwa tej cechy dowolnego roju (x) w stosunku do średniej wartości cechy (x) dla populacji (zbioru rojów). WYNIKI Ze 113 średnich szerokości IV tergitu dla-rojów najmniejsza wartość wynosiła 2,15 mm, a największa 2,35 mm. Jest to rozpiętość stosunkowo mała, co świadczy o dużym wyrównaniu populacji pszczół kaukaskich pod względem tej cechy. Rozkład średnich wartości dla rojów (ryc. 1) był zbliżony do rozkładu normalnego. Średnia wartość dla tego zbioru rojów wynosiła 2,242 mm, a standartowe odchylenie 0,0412 mm. 'to "l. '0 -f Ił 30 ~ :J 10,/0 Ryc. L I{;zY'>va zmienności szerokości IV tergitu odwłokowego pszczół kaukaskich Curve ofvariabtflty of the width of rv"tergfte in the 'populations of Caucasian bees Badany zbiór rojów reprezentował iosiem 'partii matek, przyjmując, że import w poszczególnych latach stanowił ich odrębne partie. Różnice w szerokości IV tergitu pomiędzy partiami matek były znaczne, przede wszystkim w porównaniu krańcowych. wartości: od 2,175 mm (1965 rok) do 2,268 mm (1971) i 2,281 mm (1969). Średnie dla pozostałych partii mieściły się w granicach 2,231-2,244 mm. Wyrównanie poszczególnych partii różniło się także. dość silnie, Standardowe odchylenia wynosiły od 0,0379 mm do 0,1242 mm, średnie natomiast równało się.0,03'32 mm. Było zatem mniejsze niż obliczone uprzednio. dla całego zbioru rojów, które traktowano jako populację jednorodną.. Jest to zrozumiale, bo na zmienność całkowitą tej populacji rojów składała się zarówno zmienność w obrębie poszczególnych partii vmatek; jaę i różnice. między nimi. Co do pochodzenia tychmatek,, 'W'ięfuy. tylko tyle, że należały' do 68

3 rasy kaukaskiej i wywodziły się z hodowli fermy pszczelarskiej w Krasnej Polanie na Kaukazie. Rodowody ich nie były nam znane. Duża zmienność w obrębie niektórych partii może zatem wynikać i z faktu, że składały się na nie matki różnych Iini tej rasy pszczół, selekcjonowanych w Krasnej Polanie. W rezultacie jednak otrzymaliśmy dość dobrą charakterystykę zmienności IV tergitu w stosunku do populacji pszczół kaukaskich, które wprowadziliśmy na nasze tereny. Średni poziom tej cechy, jak już podawaliśmy, wynosił dla całego zbioru rojów 2,242 mm, natomiast średnia obliczona z sumy średnich dla poszczególnych partii matek równała się 2,239 mm. Wiele przemawia za tym, żeby w charakteryzowaniu ogólnym populacji przyjąć tę drugą wartość (przede wszystkim. nierówna liczebność partii), ale zrezygnowaliśmy z tego na rzecz wartości 2,242 mm. A to z następujących powodów. W dalszych obliczeniach uwzględniamy standardowe odchylenie, odpowiadające całemu zbiorowi rojów (S = 0,0412 mm), jako pełniejszy wskaźnik zmienności populacji tej rasy pszczół, oraz ze względu na stosunkowo nieznaczną różnicę pomiędzy wartościami średnich obliczonymi dwoma sposobami (różnica 0,003 mm). Znając średnią arytmetyczną i standardowe odchylenie możemy oszacować teoretyczny rozkład wartości cechy, której odpowiadają te parametry. W naszym przypadku otrzymamy, że dla populacji rojów rasy kaukaskiej graniczne wartości w szerokości IV tergitu wyniosą 2,12 mm i 2,36 mm. Wynika to z właściwości matematycznych rozkładu normalnego: trzy standardowe odchylenia na minus i trzy na plus od średniej arytmetycznej wyznaczają przedział, w którym spodziewamy się znaleźć 99,7% obserwacji. Zmienność IV tergitu odpowiada rozkładowi normalnemu, więc kształtowanie się wartości tej cechy w populacji pszczół podlega tym właściwościom. Możemy zatem oznaczyć dla każdego roju rasy kaukaskiej miejsce, jakie on zajmie w modelowym rozkładzie tej cechy morfologicznej. Wystarczy tylko różnicę między wartością IV tergitu tego roju (x) a średnią (x = 2,242 mm) dla populacji podzielić przez standardowe odchylenie. Możemy to zapisać: y = (x - x): S Po podstawieniu do tego wzoru w miejsce symbolów liczb rzeczywistych i wykonaniu działań otrzymamy ostateczną postać równania: y = 24,2718 x - 54,4175 Wartość y przyjeliśmy nazywać wskaźnikiem podobieństwa. Wyraża on stopień podobieństwa albo odległość w stosunku do wartości średniej, obliczonej eksperymentalnie dla populacji. Wskaźnik podobieństwa może być ze znakiem minus lub plus, w zależności w jakim kierunku dany rój odchyla się wartością cechy od średniej. W miarę oddalania się wartości cechy od średniej, maleje prawdopodobieństwo przynależności roju do modelowej populacji, aż do uzyskania zupełnej pewności, że on do niej nie należy. Jako graniczne wskaźniki przyjmujemy -3 i

4 Inaczej mowiąc w populacji licznej i losowo się krzyżującej najwięcej rojów powinno wystąpić o wartościach wskaźnika podobieństwa bliskich zeru (od -1 do + 1), natomiast wiele mniej o wyższych bezwzględnie wskaźnikach. ' Nasuwa się pytanie w jakim stosunku do tego teorytycznego modelu pozostaje rzeczywisty rozkład rojów badanego zbioru, który posłużył do 'obliczania modelu. Podajemy niżej częstotliwość ~/,,) rojów teorytyczną (a) i rzeczywistą (b) według ich wskaźników podobieństwa (y): y a b <-3 0,15 O ,35 1, ,5 9,7 -l- O 34,0 37, ,0 35, ,5 15, ,35 0,9 +3< 0,15 O Obserwujemy tu dość dużą zgodność. Wynika ona przede wszystkim z tego, że nasz badany zbiór rojów był liczny, i że zmienność IV tergitu odpowiadała rozkładowi normalnemu. Ale to dobrze świadczy o doborze rojów dobadań, zarówno pod względem trefności, jak i reprezentatywności. Poza tym nasz cały zbiór zamykał się bez reszty w modelu teoretycznym. Możemy zatem oczekiwać, że każdy dowolny rój pszczoły kaukaskiej spoza naszych badanych, znajdzie tam miejsce również, bo model jest wystarczająco tolerancyjny. Interesowała nas dotychczas zmienność pomiędzy rojami pszczół w obrębie rasy kaukaskiej. Do takiej analizy oznaczaliśmy poziom szerokości IV tergitu dla poszczególnych rojów, jako średnią wartość z pomiarów na 30 pszczołach robotnicach. Między robotnicami zachodziły mniejsze lub większe różnice w szerokości IV tergitu, Pragniemy scharakteryzować zmienność osobniczą tej cechy. Standardowe odchylenia (S w mm) szerokości IV tergitu dla rojów rasy kaukaskiej układały się następująco (w "I" rojów): S >Ol" V 0,0301-0,0400 7,1 1,56 0,0401-0, ,0 2,01 0,0501-0, ,3 2,45 0,0601-0, ,8 2,90 0,0701-0,0800 8,0 3,34 0,0800< 1,8 W ostatniej pozycji tego uporządkowania podajemy wskaźniki zmienności (V), odpowiadające środkowym wartościom S dla poszczególnych klas, Do obliczania ich wszystkich przyjęliśmy tę samą wartość średniej, równą 2,242 mm (średnia dla zbioru rojów). Widzimy, że dla większości rojów S nie przekraczało 0,0600 mm, a dla prawie wszystkich było 70

5 mniejsze niż 0,0800 mm. Dla prawie wszystkich, bo dwa roje znacznie przekraczały tę wartość (S = 0,1094 mm i S = 0,1244 mm). Skąd się biorą duże wartości standardowego odchylenia? Z genetycznego punktu widzenia można się tu liczyć z faktem, że matka pszczela jest mieszańcem, albo że 'Została unasieniona przez trutnie należące do różnych ras. W obu tych przypadkach powstają pszczoły robotnice o dużym zróżnicowaniu cechy. Wartość standardowego odchylenia wtedy wzrasta. Przy krzyżowaniu międzyrasowym. gdzie matka reprezentuje jedną z ras, a wszystkie trutnie ją unasieniające inną rasę, zróżnicowanie osobnicze wewnątrz rojów będzie na ogół małe, a więc wartość S również niewielka. Zmienia się tylko wtedy poziom cechy dla roju (średnia) w stosunku do form rodzicielskich. Stąd w ocenie morfologicznej pszczół, jako składnika pomocniczego w pracy hodowlano-selekcyjnej, należy stosować kompleksowe metody. Średnia wartość obliczona z sumy wskażników zmienności poszczególnych rojów wynosi 2,41. Jest to nieco mniejsza wartość niż uzyskano w innym opracowaniu, w którym oceniano pod tym względem roje pszczoły krajowej (V = 2,62, Gromisz i Bornus 1972). Wyrównanie pogłowia wewnątrz badanych rojów pszczół rasy kaukaskiej było więc przeciętnie większe niż stwierdzono w nieselekcjonowanej populacji rodzimej. Może tu się uwidaczniać wpływ zaawansowania selekcji nad pszczołą kaukaską. Ilościowy rozkład rojów według wartości wskaźnika zmienności był bardzo charakterystyczny. Rojów o największym wyrównaniu (do S = = 0,0400 mm) notowano stosunkowo mało. Najliczniejsza zaś była następna klasa: S od 0,0401 mm do 0,0500 mm. W dalszych klasach liczba ich stopniowo malała, rozciągając ten szereg statystyczny w kierunku wyższych wartości standardowego odchylenia. Rozkład był więc niesymetryczny. Możemy przypuszczać, że w pewnej części asymetria ta została wywołana kosztem jednorodności doboru rodziców do kojarzenia. Jednak matek, które kojarzyły się przypuszczalnie choćby częściowo z trutniami różnymi. pokrojem, było raczej niewiele. Jest to zrozumiałe, bo w hodowli pszczół czystych ras czy linii, staramy się utrzymać dobór jednorodny, wykorzystując różne systemy jego zabezpieczania, nie zawsze jednak całkowicie skuteczne.. Wartość standardowego odchylenia czy wskaźnika zmienności najlepiej charakteryzuje stopień wyrównania pogłowia roju. Dla praktyków-hodowców jest jednak przydatna ocena porównawcza, stopniująca rozmiary wyrównania według umownej skali. Proponujemy dla populacji pszczół rasy kaukaskiej pięciostopniową ocenę wyrównania pogłowia roju: wyrównanie bardzo duże duże średnie mniej niż średnie małe Swmm ~ 0,0400 0,0401-0,0500 0,0501-0,0600 0,0601-0,0700 0,0700 < V ~ 1,8 1,9-2,2 2,3-2,7 2,7-3,1 3,2< 71

6 WNIOSKI W charakteryzowaniu morfologicznym rojow pszczół rasy kaukaskiej i ocenie ich przynależności rasowej pod względem szerokości IV tergitu odwłokowego, zadanie spełnia model matematyczny, oparty na następującej wartości parametrów: średnia arytmetyczna cechy w populacji - 2,242 mm i standardowe odchylenie ~ 0,0412 mm. LITERATURA B li h r m a n n R., G r o m i s z M., V e s e l y V. (1960) - Merkmalsbeurteilung bei der Zuchtauslese der Honigbiene. Archiv f. Gej], u. Kleintierk., 15(1): B o r n u s L. {(964) - Jednolity system hodowli zarodowej pszczół. Warszawa. PZP i CSO. G r o m i s z.m. (1971) - Tergity odwłokowe jako wskaźnik wielkości ciała pszczoły. Pszczelno Zesz. Nauk., 1!)(1-2): G r o m i s z M. i inni współautorzy (1978) - Charakterystyka morfologiczna pszczół linii czystych i mieszańców. Pszczelno Zesz. Nauk., 22: G r o m i s z M. (1978) - Charakterystyka morfologiczna pszczół kaukaskich importowanych w latach Pszczelno Zesz. Nauk., 22 : G r o m i s z M. i B o r n u s L. (1972) - Zmienność szerokości IV tergitu odwłokowego u pszczoły krajowej. Pszczelno Zesz, Nauk., 16: J.13MEH4J.1BOCTb WJ.1PJ.1Hbl IV 6P/oWHErO TEPrJ.1TA y n4ejlbl KABKA3CKOVl norona M. r rom H w Pe310Me CpeAHllll WHpHH/I IV 6plOWHero reprxre y n-ren p/l60thhl\ KaBKa3KOH nopoabl 2,242 MM (HccneAOB/lHC 113 n4enocemei1). CpeAHllll L\eHHOCTb KoecpcpHL\HeHTa H"3MeH4H- BOCTH aroro nph3h/lka B cemllx -2,41. MaTeMaTH4ecKHH MOAenb n4en KaBKa3cKoi1 nopo- Abl Ha :not nph3h/lk CTOHT: y = 24,2718 x - 54,4175. EcnH B MeCTO x BCTaBHTb cpeahlo1o L\eHHOCTb WHpHHbl IV 6plOWHero reprare nlo6oh cemh, nony4hm TorA/I noxaaarene CXOACTBa c nonvnsu-no KaBKa311HOK. noka3at"nh CXOA- CTBa Anll nsen KaBKa3cKoi1 noponsr CTOllT B 4Hcnax - 3 H +3. INCONSTANCY OF WIDTH OF IV TERG ITE OF ABDOMEN AMONG CAUCASIAN BEES M. Gromis z Summary Averagę width of IV tergite of abdomen of workers among Caucasian populatlon of bees equals 2,242 mm (investigated 113 colonies). Mean value of var iation coefficient of this in colonies equals 2,41. Ma.thematical model of populatron for the width of IV tergite of abdornen of Caucasian bees is following y = 24,2718x - 54,

7 After substituting to this formula in place for X mean value of the width of tergite of workers abdomen from freely taken colony, one will get indicator of simi1ariti (y) to Caucasian populatlon. For colonies of Causasian population these indicators of simi1arity fit in ranges -3 to +3.

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

CHARAKTERYSTYKA MORFOLOGICZNA PSZCZOL RASY KRAIŃSKIEJ IMPORTOWANYCH DO POLSKI W 1978 ROKU. Michał Gromisz Joanna Troszkiewicz

CHARAKTERYSTYKA MORFOLOGICZNA PSZCZOL RASY KRAIŃSKIEJ IMPORTOWANYCH DO POLSKI W 1978 ROKU. Michał Gromisz Joanna Troszkiewicz PSZC~ELNICZE ZESZYTY NAUKOWE ROK XXV 1981 CHARAKTERYSTYKA MORFOLOGICZNA PSZCZOL RASY KRAIŃSKIEJ IMPORTOWANYCH DO POLSKI W 1978 ROKU Michał Gromisz Joanna Troszkiewicz Oddział Pszczelnictwa ISK Centralna

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów: Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,

Bardziej szczegółowo

BADANIA NAD MIĘDZYRASOWYMI MIESZAŃCAMI PSZCZOŁY MIODNEJ MORFOLOGICZNA MIE8ZAŃCOW MIĘDZYRA80WYCH PSZCZOŁY MIODNEJ WPROWADZENIE

BADANIA NAD MIĘDZYRASOWYMI MIESZAŃCAMI PSZCZOŁY MIODNEJ MORFOLOGICZNA MIE8ZAŃCOW MIĘDZYRA80WYCH PSZCZOŁY MIODNEJ WPROWADZENIE PSZCZELNICZE ZE,8ZYTY NAUKOWE ROK XVIII GRUDZIEŃ 1974 BADANIA NAD MIĘDZYRASOWYMI MIESZAŃCAMI PSZCZOŁY MIODNEJ Kierownik Zespołu Badawczego - Prof. dr L. B o r n u s lir.ocena MORFOLOGICZNA MIE8ZAŃCOW MIĘDZYRA80WYCH

Bardziej szczegółowo

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe

Bardziej szczegółowo

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

BADANIA MORFOMETRYCZNE KRAINKI SELEKCJONOWANEJ W POLSCE I NIEMIECKIEJ REPUBLICE DEMOKRATYCZNEJ. Oddział Pszczelnictwa L S.

BADANIA MORFOMETRYCZNE KRAINKI SELEKCJONOWANEJ W POLSCE I NIEMIECKIEJ REPUBLICE DEMOKRATYCZNEJ. Oddział Pszczelnictwa L S. PSZCZELNCZE ZESZYTY NAUKOWE ROK X Nr 3 GRUDZEŃ 968 BADANA MORFOMETRYCZNE KRANK SELEKCJONOWANEJ W POLSCE NEMECKEJ REPUBLCE DEMOKRATYCZNEJ Michał Gromisz Oddział Pszczelnictwa L S. WPROWADZENE V drugiej

Bardziej szczegółowo

CHARAKTERYSTYKA MORFOLOGICZNA PSZCZOL UNII SELEKCJONOWANYCH W POLSCE. Michał Gromisz i Leonard Cieśla. Oddział Pszczelnictwa IS WPROWADZENIE

CHARAKTERYSTYKA MORFOLOGICZNA PSZCZOL UNII SELEKCJONOWANYCH W POLSCE. Michał Gromisz i Leonard Cieśla. Oddział Pszczelnictwa IS WPROWADZENIE PSZCZELNICZE ZESZYTY,NAUKOWE ROK XVII GRUDZIEŃ 1973 CHARAKTERYSTYKA MORFOLOGICZNA PSZCZOL UNII SELEKCJONOWANYCH W POLSCE Michał Gromisz i Leonard Cieśla Oddział Pszczelnictwa IS WPROWADZENIE Do ogólnej

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne Wykład 4 Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym 2. Rozkłady próbkowe 3. Centralne twierdzenie graniczne Przybliżenie rozkładu dwumianowego rozkładem normalnym Niech Y ma rozkład

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28 Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym

Bardziej szczegółowo

WPŁYW PSZCZOŁY KAUKASKIEJ NA KSZTAŁTOWANIE SIĘ CECH POGŁOWIA MIEJSCOWEGO. Oddział Pszczelnictwa ls WPROWADZENIE

WPŁYW PSZCZOŁY KAUKASKIEJ NA KSZTAŁTOWANIE SIĘ CECH POGŁOWIA MIEJSCOWEGO. Oddział Pszczelnictwa ls WPROWADZENIE PSZCZELNICZE ZESZYTY NAUKOWE ROK XXII 1978 WPŁYW PSZCZOŁY KAUKASKIEJ NA KSZTAŁTOWANIE SIĘ CECH POGŁOWIA MIEJSCOWEGO Michał Gromisz Oddział Pszczelnictwa ls WPROWADZENIE Do podniesienia produkcji pszczelarskiej

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

Bardziej szczegółowo

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych

Bardziej szczegółowo

Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2018 roku

Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2018 roku Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2018 roku D DEPARTAMENT STATYSTYKI I PROGNOZ AKTUARIALNYCH Warszawa 2018 Opracowała: Ewa Karczewicz Naczelnik Wydziału Badań

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące

Bardziej szczegółowo

p S:.Z C Z E L N I C Z E Z E S Z Y T Y N A U K O W E

p S:.Z C Z E L N I C Z E Z E S Z Y T Y N A U K O W E p S:.Z C Z E L N I C Z E Z E S Z Y T Y N A U K O W E ROK XIII, Nr 1-2-3 GRUDZIEŃ 1969 ZMIENNOŚĆ WIELKOŚCI LUSTERKA WOSKOWEGO U PSZCZOŁY MIODNEJ W ZALEZNOŚCI OD SZEROKOŚCI GEOGRAFICZNEJ J13MEHQJ1BOCTb BEJIJ1QJ1HbI

Bardziej szczegółowo

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33 Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji i podwyższeniu świadczeń najniższych w marcu 2017

Bardziej szczegółowo

Wykład 4: Statystyki opisowe (część 1)

Wykład 4: Statystyki opisowe (część 1) Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można

Bardziej szczegółowo

PSZCZELNICZE ZESZYTY NAUKOWE

PSZCZELNICZE ZESZYTY NAUKOWE PSZCZELNICZE ZESZYTY NAUKOWE Rok XLI 1997 ZMIENNOŚĆ POTOMSTWA W KOLEJNYCH POKOLENIACH MATEK UNASIENIANYCH MIESZANYM NASIENIEM OD WIELU TRUTNI NA PRZYKŁADZIE CECH MORFOLOGICZNYCH Wojciech Skowronek, Jerzy

Bardziej szczegółowo

Podstawy statystyki - ćwiczenia r.

Podstawy statystyki - ćwiczenia r. Zadanie 1. Na podstawie poniższych danych wyznacz i zinterpretuj miary tendencji centralnej dotyczące wysokości miesięcznych zarobków (zł): 1290, 1500, 1600, 2250, 1400, 1600, 2500. Średnia arytmetyczna

Bardziej szczegółowo

Szacowanie wartości hodowlanej. Zarządzanie populacjami

Szacowanie wartości hodowlanej. Zarządzanie populacjami Szacowanie wartości hodowlanej Zarządzanie populacjami wartość hodowlana = wartość cechy? Tak! Przy h 2 =1 ? wybitny ojciec = wybitne dzieci Tak, gdy cecha wysokoodziedziczalna. Wartość hodowlana genetycznie

Bardziej szczegółowo

Analiza wariancji. dr Janusz Górczyński

Analiza wariancji. dr Janusz Górczyński Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik

Bardziej szczegółowo

Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34

Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja

Bardziej szczegółowo

Zadania ze statystyki, cz.6

Zadania ze statystyki, cz.6 Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Rozkład normalny, niepewność standardowa typu A

Rozkład normalny, niepewność standardowa typu A Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. Wprowadzenie. Statystyka opisowa W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

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

Statystyka 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 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 szczegółowo

Statystyka. Opisowa analiza zjawisk masowych

Statystyka. Opisowa analiza zjawisk masowych Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich

Bardziej szczegółowo

5. WNIOSKOWANIE PSYCHOMETRYCZNE

5. WNIOSKOWANIE PSYCHOMETRYCZNE 5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Średnie. Średnie. Kinga Kolczyńska - Przybycień

Średnie. Średnie. Kinga Kolczyńska - Przybycień Czym jest średnia? W wielu zagadnieniach praktycznych, kiedy mamy do czynienia z jakimiś danymi, poszukujemy liczb, które w pewnym sensie charakteryzują te dane. Na przykład kiedy chcielibyśmy sklasyfikować,

Bardziej szczegółowo

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1. Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych

STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41 Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Wykład 5: Statystyki opisowe (część 2)

Wykład 5: Statystyki opisowe (część 2) Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz

Bardziej szczegółowo

Wykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle.

Wykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. Wykład 3. Opis struktury zbiorowości 1. Parametry opisu rozkładu badanej cechy. 2. Miary połoŝenia rozkładu. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. W praktycznych zastosowaniach bardzo często

Bardziej szczegółowo

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)

Bardziej szczegółowo

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013 ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

Kształtowanie kompetencji personalnych i społecznych w szkole zawodowej drogą do sukcesu na rynku pracy

Kształtowanie kompetencji personalnych i społecznych w szkole zawodowej drogą do sukcesu na rynku pracy Wyniki cząstkowe testów ex ante z uczniami. We wszystkich pięciu uczestniczących w tym etapie projektu szkołach ponadgimnazjalnych rozpoczęły się zajęcia Innowacyjnego Programu Szkolnego Doradztwa Zawodowego.

Bardziej szczegółowo

Próba własności i parametry

Próba własności i parametry Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony

Bardziej szczegółowo

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34 Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/

Bardziej szczegółowo

R-PEARSONA Zależność liniowa

R-PEARSONA Zależność liniowa R-PEARSONA Zależność liniowa Interpretacja wyników: wraz ze wzrostem wartości jednej zmiennej (np. zarobków) liniowo rosną wartości drugiej zmiennej (np. kwoty przeznaczanej na wakacje) czyli np. im wyższe

Bardziej szczegółowo

Inteligentna analiza danych

Inteligentna analiza danych Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie 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 szczegółowo

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia

Bardziej szczegółowo

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.

Bardziej szczegółowo

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,

Bardziej szczegółowo

Miary statystyczne w badaniach pedagogicznych

Miary statystyczne w badaniach pedagogicznych Miary statystyczne w badaniach pedagogicznych Szeregi statystyczne Szczegółowy - gdzie materiał uporządkowany jest rosnąco lub malejąco Rozdzielczy - gdzie poszczególnym wariantom zmiennej przyporządkowane

Bardziej szczegółowo

Analiza współzależności zjawisk

Analiza 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 szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

Wykład 9 Wnioskowanie o średnich

Wykład 9 Wnioskowanie o średnich Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i

Bardziej szczegółowo

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy

Bardziej szczegółowo

Dlaczego należy uwzględniać zarówno wynik maturalny jak i wskaźnik EWD?

Dlaczego należy uwzględniać zarówno wynik maturalny jak i wskaźnik EWD? EWD co to jest? Metoda EWD to zestaw technik statystycznych pozwalających oszacować wkład szkoły w końcowe wyniki egzaminacyjne. Wkład ten nazywamy właśnie edukacyjną wartością dodaną. EWD jest egzaminacyjnym

Bardziej szczegółowo

Porównaj płace pracowników obu zakładów, dokonując kompleksowej analizy struktury. Zastanów się, w którym zakładzie jest korzystniej pracować?

Porównaj płace pracowników obu zakładów, dokonując kompleksowej analizy struktury. Zastanów się, w którym zakładzie jest korzystniej pracować? 1 Zadanie 1.1 W dwóch zakładach produkcyjnych Złomex I i Złomex II, należących do tego samego przedsiębiorstwa Złomowanie na zawołanie w ostatnim miesiącu następująco kształtowały się wynagrodzenia pracowników.

Bardziej szczegółowo

Analiza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018

Analiza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018 STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie szeregów czasowych i ich składowych SZEREGIEM CZASOWYM nazywamy tablicę, która zawiera ciag wartości cechy uporzadkowanych

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin. Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw

Bardziej szczegółowo

Statystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt

Statystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Statystyka matematyczna dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Zasady zaliczenia przedmiotu: część wykładowa Maksymalna liczba punktów do zdobycia 40. Egzamin będzie

Bardziej szczegółowo

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które

Bardziej szczegółowo

Zarządzanie populacjami zwierząt. Parametry genetyczne cech

Zarządzanie populacjami zwierząt. Parametry genetyczne cech Zarządzanie populacjami zwierząt Parametry genetyczne cech Teoria ścieżki zależność przyczynowo-skutkowa X p 01 Z Y p 02 p 01 2 + p 02 2 = 1 współczynniki ścieżek miary związku między przyczyną a skutkiem

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów

Bardziej szczegółowo

Publiczna Szkoła Podstawowa nr 14 w Opolu. Edukacyjna Wartość Dodana

Publiczna Szkoła Podstawowa nr 14 w Opolu. Edukacyjna Wartość Dodana Publiczna Szkoła Podstawowa nr 14 w Opolu Edukacyjna Wartość Dodana rok szkolny 2014/2015 Edukacyjna Wartość Dodana (EWD) jest miarą efektywności nauczania dla szkoły i uczniów, którzy do danej placówki

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z

Bardziej szczegółowo

Zadania ze statystyki cz.8. Zadanie 1.

Zadania ze statystyki cz.8. Zadanie 1. Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,

Bardziej szczegółowo

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną

Bardziej szczegółowo

Z poprzedniego wykładu

Z poprzedniego wykładu PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne

Bardziej szczegółowo

Analizy wariancji ANOVA (analysis of variance)

Analizy wariancji ANOVA (analysis of variance) ANOVA Analizy wariancji ANOVA (analysis of variance) jest to metoda równoczesnego badania istotności różnic między wieloma średnimi z prób pochodzących z wielu populacji (grup). Model jednoczynnikowy analiza

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2014 roku. Warszawa 2014 Opracowała: Ewa Karczewicz

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2015 roku. Warszawa 2015 Opracowała: Ewa Karczewicz

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. TESTY NIEPARAMETRYCZNE 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. Standardowe testy równości średnich wymagają aby badane zmienne losowe

Bardziej szczegółowo

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

Statystyka. 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 szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2013 roku. Warszawa 2013 Opracowała: Ewa Karczewicz

Bardziej szczegółowo

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE CECHY ILOŚCIOWE PARAMETRY GENETYCZNE Zarządzanie populacjami zwierząt, ćwiczenia V Dr Wioleta Drobik Rodzaje cech Jakościowe o prostym dziedziczeniu uwarunkowane zwykle przez kilka genów Słaba podatność

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo