ĆWICZENIE 1 Symulacja doświadczeń losowych Statystyka opisowa Estymacja parametryczna i nieparametryczna T E O R I A

Wielkość: px
Rozpocząć pokaz od strony:

Download "ĆWICZENIE 1 Symulacja doświadczeń losowych Statystyka opisowa Estymacja parametryczna i nieparametryczna T E O R I A"

Transkrypt

1 ĆWICZENIE Symulacja doświadczeń losowych Statystya opisowa Estymacja parametrycza i ieparametrycza T E O R I A Opracowała: Katarzya Stąpor

2 Opis programu MS EXCEL. Iformacje ogóle Program Microsoft Excel oferuje po uruchomieiu możliwość pracy z wyorzystaiem tzw. zeszytu, tóry jest stadardowym doumetem (typem pliu z rozszerzeiem.xls)i słada się z aruszy. Nazwa arusza zajduje się w lewym dolym rogu, jede z Aruszy jest tzw. aruszem atywym i jego azwa wyróżioa jest białym tłem. Pase meu Adres atywej omóri Pasi arzędzi Pase formuł y Nazwa arusz a Rys.. Arusz alulacyjy EXCEL bezpośredio po uruchomieiu Arusz ma struturę tablicy, słada się z omóre widoczych jao białe prostoąty, umiejscowioe a przecięciu olum i wierszy ozaczoych odpowiedio literami ( od A do IV, 56 olum) oraz liczbami ( 65536). Ozaczeie olum i wierszy pozwala a zloalizowaie omóri za pomocą tzw. adresu, p. omóra N3 (a przecięciu olumy N i wiersza 3). W górej części oa, powyżej arusza widocze są (Rys..): pase meu (wraz z dostępymi opcjami), pasi arzędzi (zawierające tzw. przycisi, tóre uatywiae za pomocą myszy pozwalają a przyspieszoe użycie dostępych tą drogą poleceń) oraz pase formuły, tóry jest ściśle powiązay z omórą atywą (wyróżioa za pomocą pogrubioej rami), bowiem zawiera o zawsze zapis zajdujący się w omórce.

3 Rys.. Pase formuły z zapisem daych w omórce A i widocza zawartość tej omóri Poruszaie się po aruszu (zmiaa atywej omóri) może odbywać a róże sposoby. Najbardziej aturalym jest użycie strzałe (lawiszy ozaczoych strzałami), jeda powoduje to tylo ruch o jedą omórę w pioie lub poziomie, o ile tai ruch jest możliwy. W przypadu potrzeby wyoaia sou do pewej dalszej, ale oretej omóri, p. AB46 ależy jej adres wpisać w oieu w lewym górym rogu (obo pasa formuły) i oczywiście zatwierdzić lawiszem [ENTER]. Prócz tego możliwe jest rówież użycie lawiszy [HOME] (so do początu wiersza), [END] +[->] (so do ońca wiersza, moża użyć ombiacji z ią strzałą w celu przemieszczeia się do ońcowych omóre pioie lub poziomie), a taże [Page Up], [Page Dow] samodzielie lub jao ombiacje z [Alt] lub [Ctrl].. Wprowadzaie daych Do omóre arusza moża wprowadzać dae w postaci liczb, testów i formuł obliczeiowych. Wprowadzae dae widocze są zarówo w omórce atywej, ja i a pasu formuły. Zatwierdzeie daych astępuje poprzez aciśięcie [Eter] lub dowolej strzałi. Przez formułę obliczeiową ależy rozumieć zapis, tóry przy spełieiu pewych wymogów formalych pozwala otrzymać w wybraej omórce wyi obliczeń zrealizowaych zgodie z procedurą rachuową wprowadzoa przez użytowia. Procedura działa wyorzystując wartości liczbowe, tóre mogą być podae w sposób jawy (jao stałe) lub występować jao adresy omóre, w tórych zostały umieszczoe wartości liczbowe. Zapis formuły w aruszu rozpoczya się zaiem rówości =, atomiast dalszy zapis powiie uwzględiać poprawość matematyczą wzoru, a taże zgodość ze sładią rozumiaą przez program. 3

4 Na rysuu Rys. moża zauważyć przyład prostej formuły (=+5+7). Zastosowao tam operator dodawaia (+). Możliwe jest rówież użycie operatorów odejmowaia ( ), możeia (*), dzieleia (/) oraz potęgowaia (^). Warto przy tym podreślić fat, że dla poprawej iterpretacji wyrażeia a ogół potrzebe jest stosowaia awiasów, p.: 3 formuła =5+*3/5*7 0^ jest rówoważa zapisowi: , 5 3 atomiast =(5+)*3/(5*7) 0^ jest rówoważa ( 5 + ) Na poiższym rysuu zajduje się przyład formuły wyorzystującej zawartości omóre, tórych adresy występują w formule: Rys.3. Pase formuły z zapisem daych w omórce B4 i widocza zawartość tej omóri Przy oazji ależy zwrócić uwagę, że w przypadu dowolej zatwierdzoej zmiay w wartościach omóre B, B lub B3 dooywaa jest automatyczie atualizacja daych w pozostałych omórach arusza związaych ze zmieiaymi, co w powyższym przyładzie byłoby widocze jao zmiaa wartości wyświetlaej w omórce B4. 3. Adresacja omóre i procedura przeciągaia Rozważmy astępujący przyład: obliczyć wartości zmieej zależej y wyorzystując fucję liiową y = a x+b. Obliczeia przeprowadzić dla x z zaresu liczb aturalych od do 5, dla a=3 i b=7. Na olejych rysuach przedstawioo oleje etapy rozwiązaia tego zadaia: 4

5 Rys.4.a Rys.4.b Na rysuu Rys.4.a. widoczy jest zazaczoy obszar D:D3, aby uzysać efet przeciągaia widoczy a Rys.4.b po zazaczeiu obszaru D:D3 ależy ustawić ursor myszy w prawym dolym rogu obszaru wyróżioym a rysuu Rys.4.a i acisając lewy przycis myszy przeciągąć w dół (podczas przeciągaia będą pojawiały się oleje wartości obo zazaczoych omóre ja a Rys.4.b. Po zwolieiu przycisu myszy w omórach D:D6 pojawią się oleje wartości od do 5, gdyż podczas przeciągaia wyliczae są oleje wartości ciągu arytmetyczego o dwóch pierwszych wyrazach taich ja zazaczoy obszar. W przypadu gdy wartości w zazaczoym obszarze ie mogą utworzyć ciągu arytmetyczego, podczas opisaej powyżej procedury przeciągaia wartości zazaczoego obszaru będą powielae. Rys.4.c Rys.4.d Rysue Rys.4.c poazuje dalszy to postępowaia polegający a poprawym wpisaiu do omóri E formuły obliczeiowej. W zapisie formuły moża zauważyć użycie zaów $ przy adresach omóre, do tórych odoszą się odwołaia. Zastosowao tu bowiem tzw. adresację bezwzględą, oieczą przy orzystaiu z arzędzia przeciągaia w przypadu formuł. Za $ umieszczoy bezpośredio przed azwą olumy lub wiersza iejao zamraża tę azwę podczas przeciągaia, gdy doouje się automatycza zmiaa adresów omóre występujących w formule. Moża zauważyć, że adresy omóri B i B zostały wyorzystae w postaci $B$ oraz $B$, gdyż waże jest aby adresy tych omóre 5

6 ie zmieiły się podczas przeciągaia (utrwaloa została zarówo azwa wiersza ja i olumy). Natomiast w adresie omóri D zastosowao jedyie zamrożeie azwy olumy w postaci $D, aby podczas przeciągaia mogły zmieiać się azwy wierszy występujących w formule. Należy jeda zauważyć, że podczas przeciągaia w dół zmieiają się tylo azwy wierszy, więc gdyby ie został użyty za $ przed azwą olumy adresu omóri D, wyi formuły po przeciągięciu adal byłby poprawy (byłby o iezbędy jedyie w przypadu przeciągaia w prawo ). Na rysuu Rys.4.d widocze jest rozwiązaie zadaia, tz. wyświetloe są wartości zmieej y w zależości od wartości zmieej x. Gdyby spojrzeć a formułę zawartą w omórce, p. E6 wyglądałaby oa astępująco: =$B$*$D6+$B$. 6

7 Podstawy języa Visual Basic dla Apliacji (VBA) W programie MS Ecel, oprócz szeregu wbudowaych fucji, w aruszu moża stosować fucje i procedury zdefiiowae przez użytowia. Aby pisać włase fucje trzeba zać podstawy języa VBA, poieważ to w tym języu piszemy fucje i procedury w Excelu.. Zmiee, typy W Visual Basicu ie ma obowiązu delarowaia zmieych prostych, jedaże jest to zalecae. Stadardowym typem daych jest typ wariatowy (Variat). W celu oreśleia specyficzego typu zmieej ależy użyć istrucji Dim, delaracja zmieej ma postać: Dim azwa_zmieej As typ_daych Gdzie proste typy daych to a) Iteger - - bajtowa liczba całowita, a) Log - 4- bajtowa liczba całowita, b) Sigle - 4- bajtowa liczba zmieoprzeciowa, c) Double - 8- bajtowa liczba zmieoprzeciowa, d) Currecy - 8- bajtowa liczba stałoprzeciowa, e) Strig - łańcuch zaów (do 64B). Jeżeli chce się przechowywać wartości z poprzedich wywołań procedury, zamiast słowa Dim ależy użyć Static.. Podstawowe istrucje Istrucja podstawieia, tóra zmieej Zmiea przypisuje wartość wyrażeie ma postać: Zmiea = wyrażeie Istrucja waruowa: jeżeli wyrażeie jest prawdą wyoywaa jest istrucja przyjmuje w języu VBA postać: If wyrażeie The istrucja lub jeżeli prawdziwe jest wyrażeie wyoywae są Istrucje, w przeciwym wypadu wyoywae są Istrucje. If wyrażeie The Istrucje Else Istrucje Ed If Pętla For, istrucje wyoywae są do mometu, gdy zmiea osiągie wartość ońcową. For zmiea = wartośćpoczątowa To wartośćkońcowa istrucje Next zmiea lub For zmiea = wartośćp To wartośćk Step ro istrucje Next zmiea w powyższym przypadu Step ozacza o ile ma się zmieiać wartość zmieej między olejymi iteracjami. Pętla Do Loop występuje w dwóch postaciach, w tórych: 7

8 a) istrucje wyoywae są do mometu, w tórym warue staie się prawdziwy jest postaci: Do While warue istrucje Loop b) istrucje wyoywae są do mometu, w tórym warue staie się prawdziwy. Do istrucje Loop Util warue 3. Uwagi Koiucję dwóch waruów realizuje słowo Ad a alteratywę Or. Języ VBA w odróżieiu p. do C++ ie rozróżia wielości liter. Kometarze piszemy po zau apostrofa. Włase fucje w Excelu Aby pisać włase fucje i procedury ależy w Excelu z meu Narzędzia wybrać opcję Mara i dalej Edytor Visual Basic. otworzymy w te sposób astępujące oo: w tórym po wybraiu opcji Module z meu Isert zobaczymy oo umożliwiające wpisaie odu fucji. Delaracja fucji odbywa się poprzez słowo luczowe Fuctio a procedury Sub. Peła postać delaracji fucji jest postaci: 8

9 Fuctio azwa_fucji(parametry) As typ_zwracaej_wartości Dla przyładu wpiszmy od fucji, tóra może być użyta do symulacji rzutów moetą, zwrócoą przez ią wartość 0 możemy iterpretować jao orła, a wartość jao reszę. Fucja ie ma a wejściu żadych argumetów a a wyjściu liczbę całowitą (0 lub ). Fuctio rzut() As Iteger Dim l As Double 'delaracja zmieej l = Rd() 'za l podstawiamy wylosowaą liczbę If l <= 0.5 The rzut = 0 Else rzut = Ed If Ed Fuctio Fucja może orzystać z wywołań iych apisaych wcześiej fucji, czy z wywołań samej siebie (reurecja). Poiższy przyład ilustruje od fucji zwracającej ilość orłów w (argumet wejściowy fucji) rzutach moetą. Fuctio Ile_orlow( As Log) As Log Dim i, ile As Log ile = 0 For i = To If rzut() = 0 The ile = ile + Next i Ile_orlow = ile Ed Fuctio Napisaliśmy dwie fucje ale ja z ich sorzystać? Po wpisaiu ich odu wracamy do oa Excela, wpisaej fucji możemy użyć liając w ioę Wlej fucję stadardowego pasa arzędzi. Otworzymy oo: W ategorii fucji Użytowia wybierzmy zdefiiowaą azwę fucji ile_orlow i aciśijmy OK. Zazaczmy omórę zawierającą oceę (lub wpiszmy odpowiedi adres omóri) i aciśijmy Eter. Kopiując formułę do odpowiediego zaresu otrzymamy uzysaą liczbę orłów dla wpisaych wartości. Uwaga. Sposób przeazywaia argumetów oreśloy jest w delaracji fucji. Argumety mogą być przeazywae poprzez referecję (domyślie, ja a przyład w aszej fucji 9

10 ile_orlow), lub poprzez wartość (azwę argumetu w delaracji fucji ależy poprzedzić słowem ByVal). Jeśli argumety przeazywae są poprzez wartość, to pobieraa jest opia daych przeazywaych jao argumety wejściowe. Podstawowe defiicje i schematy rachuu prawdopodobieństwa Kombiatorya Niech Z będzie zbiorem sończoym, Z =. Permutacją zbioru Z azywamy ażdy ciąg elemetowy utworzoy z elemetów zbioru Z. Permutacji zbioru -elemetowego jest!. Kombiacją elemetową zbioru elemetowego azywamy ażdy elemetowy! podzbiór zbioru Z. Jest ich =.!( )! elemetową wariacją bez powtórzeń azywamy ażdy wyrazowy ciąg utworzoy! z elemetów zbioru Z, tórego elemety są róże. Jest ich V =. ( )! elemetową wariacją z powtórzeiami azywamy ażdy wyrazowy ciąg utworzoy z elemetów zbioru Z. Jest ich W =. Prawdopodobieństwo waruowe, iezależość zdarzeń Prawdopodobieństwem zdarzeia A pod waruiem zajścia zdarzeia B azywamy P liczbę ( ) ( A B) P A B =, o ile P ( B) > 0. P( B) Zdarzeia A, B tej samej przestrzei probabilistyczej azywamy iezależymi gdy P( A B) = P( A) P( B). Prawdopodobieństwo całowite. Niech A, B,..., B Ω, P ( B i ) > 0 i =,...,, B... B = Ω, B i B j = φ. Wtedy P ( A) = P( A B ) P( B ) +... P( A B ) P( ). + Schemat Beroulliego B Próbą Beroulliego azywamy doświadczeie ończące się jedym z dwóch wyiów suces z prawdopodobieństwem p, poraża z prawdopodobieństwem p. Schematem prób Beroulliego azywamy ciąg iezależych powtórzeń próby Beroulliego. Prawdopodobieństwo, że w próbach Beroulliego uzysamy sucesów wyosi: ć P ( S = ) = p ( p ) č ř 0

11 Zagadieie Bayesa Niech dae będą zdarzeia A, B,..., B tej samej przestrzei probabilistyczej Ω, taie, że P ( B i ) > 0 i =,...,, B... B = Ω, B i B j = φ. Wiadomo że zdarzeie A zaszło. W zagadieiu Bayesa iteresuje as prawdopodobieństwo waruowe zajścia zdarzeia B i pod waruiem zajścia zdarzeia A, tz. prawdopodobieństwo ( ) P B A, i =,...,. Prawdopodobieństwo to wyosi: P i ( B A) P( A B ) P( B ) ( A B ) P( B ) +... P( A B ) P( B ) =. P + Symulacja doświadczeń losowych Symulacja rzutów moetą Do symulacji rzutów moetą wyorzystać możemy geerator liczb losowych z rozładu U 0,. Geerator te działa w tai sposób, że wylosowaie ażdej liczby jedostajego ( ) z przedziału ( 0, ) jest jedaowo prawdopodobe, a oleje losowaia są iezależe. Wylosowaie zatem liczby więszej od 0,5 jest jedaowo prawdopodobe co wylosowaie liczby miejszej od 0,5. Przyjmując zatem a przyład że wylosowaie liczby miejszej od 0,5 odpowiada wyrzuceiu reszi a więszej od 0,5 wyrzuceiu orła otrzymujemy sposób a symulację rzutów moetą. Symulacja rzutów ostą Aby symulować rzuty symetryczą ostą do gry wystarczy proste uogólieie fatu opisaego przy oazji rzucaia moetą. Przedział ( 0, ) dzielimy a sześć rówych części i ażdej z ich przypisujemy jede z możliwych wyiów: a przyład od 0 do /6 jedo oczo, od /6-/6 - ocza itd.. Miary położeia Statystya opisowa Średia arytmetycza Średia arytmetycza ieważoa to suma wartości cechy wszystich jedoste badaej zbiorowości podzieloa przez liczbę tych jedoste: x = x i i= x i wariaty cechy mierzalej, liczebość zbiorowości. Jeżeli wariaty cechy występują z różą częstotliwością to oblicza się średią arytmetyczą ważoą. Wagami są liczebości odpowiadające poszczególym wariatom. Dla szeregów rozdzielczych putowych: x = x i i i= i dla i=,..., liczebości odpowiadające poszczególym wariatom cechy,

12 Dla szeregu rozdzielczego przedziałowego: o xi x i= środi przedziałów Domiata Taa wartość cechy, tóra w daym rozładzie empiryczym występuje ajczęściej, tz. odpowiada jej ajwięsza liczebość. W szeregach przedziałowych moża oreślić tylo przedział, w tórym zajduje się domiata jest to przedział o ajwięszej liczebości. Dla przybliżoego wyzaczeia domiaty stosuje się wzór iterpolacyjy: x D D, D, D+ h D x o i i D D D = xd + hd ( D D ) + ( D D+ ) dola graica lasy w tórej zajduje się domiata liczebości przedziału domiaty, poprzedzającego i astępującego rozpiętość przedziału domiaty Kwatyle Kwartyl pierwszy Q dzieli zbiorowość uporządowaą a dwie części w te sposób, że 5% jedoste ma wartości cechy iższe, a 75% wyższe od wartyla pierwszego. Kwartyl drugi ( mediaa) Q (Me) dzieli zbiorowość uporządowaą a dwie części w te sposób, że 50% jedoste ma wartości cechy iższe, a 50% wyższe od mediay. Kwartyl trzeci Q 3 dzieli zbiorowość uporządowaą a dwie części w te sposób, że 75% jedoste ma wartości cechy iższe, a 5% wyższe od wartyla trzeciego. W szeregach szczegółowych (i rozdzielczych putowych) mediaę oblicza się ze wzoru: x( + ) ieparzyste Me = ( x / + x / + ) parzyste Kwartyl pierwszy i trzeci to wariaty cechy odpowiadające jedostom (+)/4 (zaorąglamy w górę) oraz 3(+)/4 (zaorąglamy w dół). W przypadu szeregów rozdzielczych przedziałowych wartyle wyzaczamy stosując wzór iterpolacyjy: p [ p F x ] K = x ) 0 p + ( 0 p p rząd watyla, x 0p dola graica przedziału, w tórym zajduje się wartość watyla rzędu p, F (x 0p ) sumulowaa częstość względa dla dolej graicy przedziału watyla rzędu p, h p, w p rozpiętość i częstość przedziału watyla rzędu p Obliczeń doouje się a szeregu sumulowaych częstości (dystrybuaty empiryczej). Należy ajpierw wyzaczyć pozycję watyla w szeregu: jest to te przedział, w tórym po raz pierwszy zostaje przeroczoa wartość 0.5, 0,50 lub 0,75, odpowiedio dla watyla rzędu ¼, ½, ¾... Miary rozproszeia (Zares) Rozstęp Jest różicą między ajwięszą i ajmiejszą wartością cechy w badaej zbiorowości: R= x max x mi h w p p

13 Rozstęp międzywartylowy Jest różicą wartości wartyla trzeciego i pierwszego: R m = Q 3 Q Odchyleie przecięte Oreśla o ile wszystie jedosti daej zbiorowości różią się średio ze względu a wartość cechy od średiej arytmetyczej tej cechy. Dla szeregu szczegółowego (daych idywidualych): d = x i x i = Dla szeregu rozdzielczego putowego: d = xi x i i = Dla szeregu rozdzielczego przedziałowego: o d = xi x i i = Odchyleie ćwiartowe Q 3 Q Q = Mierzy poziom zróżicowaia części jedoste badaej zbiorowości, pozostałej po odrzuceiu 5% jedoste o wartościach ajiższych oraz 5% jedoste o wartościach ajwyższych. Wariacja Dla daych idywidualych: s = ( x i x) i = Dla szeregu rozdzielczego putowego: s = ( xi x) i i = Dla szeregu rozdzielczego przedziałowego: o s ( xi x) i i = Odchyleie stadardowe Oreśla o ile wszystie jedosti daej zbiorowości różią się średio od średiej arytmetyczej badaej cechy: s = s Stadaryzacja cechy Cechy mogą być przeształcoe z użyciem średiej arytmetyczej i odchyleia stadardowego do postaci stadaryzowaej: x x u = s Wielość stadaryzowaa u daej wielości x wsazuje o ile odchyleń stadardowych s różi się wartość cechy od średiej arytmetyczej tej cechy. Patrz put estymacja parametrycza 3

14 Współczyi zmieości Pozwala a porówywaie zmieości cechy w ilu zbiorowościach będących a różym poziomie, oreśloym p. średią arytmetyczą lub mediaą. Jest to iloraz bezwzględej miary dyspersji i odpowiedich wartości średich i wyrażoy jest w procetach. V s = s d 00 V d = 00 x x lasycze współczyii zmieości V Q = Q Q3 Q 00 V Q Q 3 = 00 Me Q3 + Q pozycyje współczyii zmieości 3. Miary asymetrii Współczyi asymetrii (sośość) m3 As = 3 s m 3 momet cetraly 3-go rzędu Dla szeregu rozdzielczego putowego: 3 m3 = ( xi x) i i = Dla szeregu rozdzielczego przedziałowego: o 3 m3 ( xi x) i i = Rówy 0 dla rozładu symetryczego, dodati dla symetrii prawostroej, ujemy dla lewostroej. Przybiera wartości zawarte w przedziale,. Pozycyjy współczyi asymetrii As = Q3 + Q Q Me 4. Miary ocetracji m 4 momet cetraly 4-go rzędu. Dla szeregu rozdzielczego putowego: m Kurtoza m4 a 4 = 4 s 4 4 = ( xi x) i = Dla szeregu rozdzielczego przedziałowego: o 4 m4 ( xi x) i i = Dla rozładu ormalego a 4 = 3, zaś dla bardziej spłaszczoego a 4 < 3, dla bardziej wysmułego a 4 >3. Przy porówywaiu zbiorowości jedomodalych stosuje się rówież miarę escesem: e = a 4 3 Esces iformuje więc o tym, czy ocetracja wartości zmieej woół średiej jest miejsza, więsza iż w zbiorowości o rozładzie ormalym. i 4

15 Estymacja. Estymacja parametrycza. Estymacja putowa Nieobciążoym i zgodym estymatorem wartości oczeiwaej jest średia wartość próby. X = X i Gdy wartość oczeiwaa rozładu ie jest zaa ieobciążoym i zgodym estymatorem wariacji jest statystya opisaa wzorem: Sˆ = ( X i X ) i= Jao estymator odchyleia stadardowego przyjmuje się pierwiaste z wartości estymatora wariacji.. Estymacja przedziałowa Przedziałem ufości dla parametru θ a poziomie ufości α ( 0 < α < ) azywa się przedział θ, ), tórego ońce są fucjami próby losowej i ie zależą od szacowaego ( θ parametru, atomiast prawdopodobieństwo porycia przez te przedział iezaego parametru θ wyosi α. Liczbę α azywa się współczyiiem ufości. Przedział ufości dla wartości oczeiwaej w przypadu rozładu ormalego o iezaej wariacji moża zapisać wzorem: S S X t α, X + t α (, ) (, ), gdzie S ozacza ieobciążoy estymator odchyleia stadardowego, zaś t α (, ) watyl rozładu studeta. Przedział ufości dla wartości oczeiwaej w przypadu dowolego rozładu o iezaej, ale sończoej wariacji dla próby o dużej liczości ( > 0) moża zapisać wzorem: S S X u, X + u α α, gdzie u α jest watylem rzędu α zmieej losowej o rozładzie N(0,). i= Przedział ufości dla wariacji w przypadu rozładu ormalego o iezaej wartości oczeiwaej moża zapisać wzorem: ( ) S ( ) S,, χ α χ α (, ) (, ) gdzie S ozacza ieobciążoy estymator odchyleia stadardowego, zaś χ α watyl rozładu chi wadrat. (, ) 5

16 Przedział ufości dla odchyleia stadardowego w przypadu dowolego rozładu o iezaej wartości oczeiwaej dla próby o dużej liczości ( > 0) moża zapisać wzorem: S S,, u α u α + gdzie u α jest watylem rzędu α zmieej losowej o rozładzie N(0,).. Estymacja ieparametrycza Estymatorem jądrowym fucji gęstości f (x) azywamy fucję postaci: a f( x; a ) = K ( a ( x X i )), i= gdzie: jest rozmiarem próbi, X i ozacza oleje wartości próbi, ( a ) jest ciągiem N dodatich liczb rozbieżym do iesończoości taim, że a = o(), tz. lim = 0 K (x) jest fucją spełiającą warue: + K( x) dx = Dowodzi się, że błąd średiowadratowy + ( ) E f ( x; a) f ( x) dx jest zbieży do zera przy, co uzasadia przyjęcie fucji f ( x; a ) za estymator gęstości f (x). Z przedstawioej defiicji estymatora jądrowego gęstości wyia, że zależy o od wyboru postaci fucji jądra K (x) i wyboru ciągu ( a) N. W przypadu, gdy szeregu rozdzielczego putowego estymator jądrowy może być oreśloy zależością a f ( x; a ) = i K ( a ( x X i )), gdzie i ozacza liczebości pomiarów o wartości X i, a liczbę różych wartości. i = a oraz Przyładowe pytaia sprawdzające przygotowaie do zajęć. Podaj defiicję dystrybuaty.. Podaj defiicję fucji gęstości prawdopodobieństwa. 3. Wyjaśij pojęcia: permutacja, ombiacja oraz wariacja. Podaj wzór a liczbę elemetowych ombiacji zbioru elemetowego. 4. Podaj wzór a prawdopodobieństwo całowite i wyjaśij zaczeie symboli. 5. Co to jest próba i schemat Beroulliego? Podaj wzór a prawdopodobieństwo, że w próbach Beroulliego uzysa się sucesów. 6. Wyjaśij co to jest zagadieie Bayesa. Jai stąd wyia wzór a prawdopodobieństwo? 6

17 7. Podaj wzory a wyzaczaie średiej arytmetyczej. 8. Co to jest domiata? Podaj wzór a wyzaczaie przybliżoej wartości domiaty, gdy dyspoujemy szeregiem rozdzielczym przedziałowym. 9. Wyjaśij pojęcia: watyl, percetyl i awrtyle. 0. Podaj wzór a wyzaczaie watyla rzędu p, gdy dyspoujemy szeregiem rozdzielczym przedziałowym.. Podaj przyłady miar rozproszeia.. Podaj przyłady miar asymetrii. 3. Podaj przyłady miar ocetracji. 4. Wyjaśij pojęcia: estymator zgody, estymator ieobciążoy, estymator asymptotyczie ieobciążoy, estymator ajefetywiejszy. 5. Podaj wzór a ieobciążoy estymator wariacji. 6. Podaj wzory a graice przedziału ufości dla wartości oczeiwaej w przypadu rozładu ormalego o iezaej wariacji. 7. Podaj wzory a graice przedziału ufości dla wartości oczeiwaej w przypadu dowolego rozładu o iezaej, ale sończoej wariacji dla próby o dużej liczości. 8. Podaj wzory a graice przedziału ufości dla wariacji w przypadu rozładu ormalego o iezaej wartości przeciętej. 9. Podaj wzór a przedział ufości dla odchyleia stadardowego w przypadu dowolego rozładu o iezaej wartości oczeiwaej dla próby o dużej liczości. 0. Wyjaśij pojęcie i podaj wzór a estymator jądrowym fucji gęstości f(x). 7

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

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

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

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

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo

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

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza I.1, zima wzorcowe rozwiązania Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

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

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

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

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY BIOSTATYSTYKI ĆWICZENIA PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało

Bardziej szczegółowo

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

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

Histogram: Dystrybuanta:

Histogram: Dystrybuanta: Zadaie. Szereg rozdzielczy (przyjmujemy przedziały klasowe o długości 0): x0 xi i środek i*środek i_sk częstości częstości skumulowae 5 5 8 0 60 8 0,6 0,6 5 5 9 0 70 7 0,8 0, 5 5 5 0 600 0, 0,6 5 55 8

Bardziej szczegółowo

Kombinacje, permutacje czyli kombinatoryka dla testera

Kombinacje, permutacje czyli kombinatoryka dla testera Magazie Kombiacje, permutacje czyli ombiatorya dla testera Autor: Jace Oroje O autorze: Absolwet Wydziału Fizyi Techiczej, Iformatyi i Matematyi Stosowaej Politechii Łódziej, specjalizacja Sieci i Systemy

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli. KOMBINATORYKA Kombiatoryą azywamy dział matematyi zajmujący się zbiorami sończoymi oraz relacjami między imi. Kombiatorya w szczególości zajmuje się wyzaczaiem liczby elemetów zbiorów sończoych utworzoych

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś 1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

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

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3 L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

1 Dwuwymiarowa zmienna losowa

1 Dwuwymiarowa zmienna losowa 1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

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

Bardziej szczegółowo

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

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

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

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego. Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

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

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Analiza I.1, zima globalna lista zadań

Analiza I.1, zima globalna lista zadań Aaliza I., zima 207 - globala lista zadań Marci Kotowsi 8 styczia 208 Podstawy Zadaie. Udowodij, że dla ażdego aturalego liczby 7 2 + oraz 7 2 dzielą się przez 6. Zadaie 2. Rozstrzygij, czy poiższe liczby

Bardziej szczegółowo

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce IV Uiwersyteca Sobota Matematycza 4 wietia 208 Fucje tworzące w ombiatoryce Dla ciągu a 0 a a 2... defiiujemy fucję tworzącą: G(x) = a x = a 0 + a x + a 2 x 2 + a 3 x 3 + =0. Zajdź fucje tworzące dla poiższych

Bardziej szczegółowo

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

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

Statystyka opisowa - dodatek

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

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Statystyka i rachunek prawdopodobieństwa

Statystyka i rachunek prawdopodobieństwa Statystyka i rachuek prawdopodobieństwa Filip A. Wudarski 22 maja 2013 1 Wstęp Defiicja 1. Statystyka matematycza opisuje i aalizuje zjawiska masowe przy użyciu metod rachuku prawdopodobieństwa. Defiicja

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011 Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE PODSTAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUTOMATYKI CHARAKERYSYKI CZĘSOLIWOŚCIOWE PODSAWOWYCH CZŁONÓW LINIOWYCH UKŁADÓW AUOMAYKI Do podstawowych form opisu dyamii elemetów automatyi (oprócz rówań różiczowych zaliczamy trasmitację operatorową s oraz trasmitację

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

a 1, a 2, a 3,..., a n,...

a 1, a 2, a 3,..., a n,... III. Ciągi liczbowe. 1. Defiicja ciągu liczbowego. Defiicja 1.1. Ciągiem liczbowym azywamy fukcję a : N R odwzorowującą zbiór liczb aturalych N w zbiór liczb rzeczywistych R i ozaczamy przez { }. Używamy

Bardziej szczegółowo

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

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R Kresy zbiorów. Ćwiczeia 21.11.2011: zad. 197-229 Kolokwium r 7, 22.11.2011: materiał z zad. 1-249 Defiicja: Zbiór Z R azywamy ograiczoym z góry, jeżeli M R x Z x M. Każdą liczbę rzeczywistą M R spełiającą

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji

Bardziej szczegółowo

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY Zgodie z dążeiami filozofii pitagorejsiej matematyzacja abstracyjego myśleia powia być dooywaa przy pomocy liczb. Soro ta, to liczby ależy tworzyć w miarę

Bardziej szczegółowo

2.1. Studium przypadku 1

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

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Twierdzenia o funkcjach ciągłych

Twierdzenia o funkcjach ciągłych Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

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

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

Materiały do wykładu 4 ze Statystyki

Materiały do wykładu 4 ze Statystyki Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4.

Bardziej szczegółowo

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

Kurs Prawdopodobieństwo Wzory

Kurs Prawdopodobieństwo Wzory Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa

Bardziej szczegółowo

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI Piotr KOZIERSKI WYKORZYSTAIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDETYFIKACJI UKŁADÓW AUTOMATYKI STRESZCZEIE W artyule przedstawioo sposób idetyfiacji parametryczej obietów ieliiowych zapisaych w przestrzei

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

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

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym

Bardziej szczegółowo

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

Bardziej szczegółowo

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

Wybrane litery alfabetu greckiego

Wybrane litery alfabetu greckiego Wybrae litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilo η eta Θ θ theta κ kappa Λ λ lambda µ mi ν i ξ ksi π pi ρ, ϱ ro σ sigma τ tau Φ φ, ϕ fi χ chi Ψ ψ psi Ω ω omega Ozaczeia a i

Bardziej szczegółowo

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Podstawy rachunku prawdopodobieństwa (przypomnienie) . Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń

Bardziej szczegółowo

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE WARTOŚĆ BEZWZGLĘDNA LICZBY Wartość bezwzględą liczby rzeczywistej x defiiujemy wzorem: { x dla x 0 x = x dla x < 0 Liczba x jest to odległość a osi liczbowej

Bardziej szczegółowo