CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE

Wielkość: px
Rozpocząć pokaz od strony:

Download "CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE"

Transkrypt

1 CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE Zadane 1. Na podstawe obserwacj dotczącch welkośc powerzchn ekspozcjnej (cecha X w m kw.) oraz welkośc dzennego obrotu punktu sprzedaż płtek ceramcznch (cecha Y w ts. zł), przeprowadzonej w 18 punktach sprzedaż ustalono dla tej grup punktów: - średną welkość powerzchn ekspozcjnej na pozome 16 m kw. z odchlena standardowm m kw., - średną welkość dzennego obrotu na pozome 15,3 ts. zł z odchlenem standardowm 5 ts. zł, - następującą postać oszacowanej funkcj lnowej regresj drugego rodzaju: ˆ =,05 x 17, 5, Na podstawe powższch danch wznaczć współcznnk korelacj lnowej mędz pozomem obrotów powerzchną ekspozcjną punktu sprzedaż oraz zbadać jego stotność. Odp. r(x)=0,8; t = 5,86 H0 odrzucam Zadane. Analzując zmenność lczb zaweranch umów handlowch w zależnośc od lczb pracownków zatrudnanch w dzałach dstrbucj uzskano następując cąg reszt w modelu regresj lnowej: 0, 0, 1, 1, -1, -1, -1, 1, 1, 1, 1, -1, -1, 0, 1, -1, -1, 1, -1, 1, -1. Proszę określć przecętn błąd szacunku lczb zaweranch umów handlowch względem lczb pracownków zatrudnanch w dzałach dstrbucj. Odp.: S(z) = 0,97 Zadane 3. Na podstawe 7 obserwacj oszacowano lnow model zużca surowca (Y w t.) względem welkośc produkcj (X w ts. szt.) uzskując: ˆ = 15x + 10 x = 4, =1 (x ) x = 8, = 180, S( ) = 44, S( z) = 10. Cz oszacowane współcznnk w modelu regresj są stotne? wznaczć welkość zużca surowca prz welkośc produkcj 7 ts. szt. oraz dokładność tej prognoz. Odp.: S(a) = 0,73 S(b) = 4,83; t a = 0,5 t b = 4,8 wartość prognozowana: 5 ton Zadane 4. Analza zależnośc czasu spędzonego przed telewzorem (zmenna Y, w godznach) a welkoścą czasu wolnego od zajęć zawodowch domowch w cągu dna (zmenna X, w godznach) wśród losowo wbranch 14 kobet umożlwła wznaczene następującch składnków estmacj równana regresj lnowej: ocena współcznnka regresj lnowej = 0, ze średnm błędem szacunku 0,05 ocena wrazu wolnego = 0,0 ze średnm błędem szacunku 0,004 Należ znterpretować oszacowana parametrów modelu oraz wznaczć znterpretować prognozowan czas oglądana telewzj wśród kobet dsponującch godznam wolnego czasu. Odp.: 0,4 godz. Zadane 5. Na podstawe danch dotczącch czasu trwana cąż (cecha X w tgodnach) oraz mas noworodka (cecha Y w gramach) dla 1000 obserwacj uzskano następujące nformacje: x = 40,1; S( x) = 3,57; 1000 = = 1 ( ˆ = ; ) = ; cov( x, ) = 1591,95; 1000 = 1 ( ˆ ) = a) Proszę zbadać, cz zależność lnową mędz masą noworodka oraz czasem trwana cąż można uznać za stotną? b) O le gramów zmenała sę średna waga noworodka wraz ze wzrostem czasu trwana cąż o jeden tdzeń? Odp.: a) t = 1,73 ne, b) średno o 14,9 gram Zadane

2 Na podstawe obserwacj dotczącej welkośc powerzchn ekspozcjnej (cecha X w m ) oraz welkośc dzennego obrotu punktu sprzedaż płtek ceramcznch (cecha Y w ts. zł), przeprowadzonej w losowej próbe 18 punktów sprzedaż ustalono, że: średna powerzchna ekspozcjna w próbe wnosła 16 m kw. z odchlena standardowm m kw., średn dzenn obrót w próbe wnósł 15,3 ts. zł z odchlenem standardowm 5 ts. zł, postać oszacowanej funkcj lnowej regresj bła następująca: ˆ =,05 x 17, 5, Na podstawe powższch danch wznaczć współcznnk korelacj lnowej mędz pozomem obrotów powerzchną ekspozcjną punktu sprzedaż oraz przjmując, że obe cech mają rozkład normaln, zbadać jego stotność. Odp.: 0,8; t = 5,73 Zadane 7. Na podstawe 553 obserwacj oszacowano lnow model regresj mesęcznego dochodu (w złotch) względem długośc okresu edukacj (w latach). Uzskano następujące wnk: ˆ = 107,433x + 55,566 [11,6013] [10,34] Wadomo ponadto, że średna długość okresu edukacj w tej grupe kształtowała sę na pozome 10,1 lat, zaś dla oszacowanego równana otrzmano R = 0,13. a/ Cz wpłw długośc okresu edukacj na dochód jest statstczne stotn, prz pozome stotnośc 0,01? b/ Ne wkonując żadnch oblczeń proszę ocenć prawdzwość następującego wnosku, sformułowanego na podstawe oszacowanego równana: współcznnk korelacj lnowej dochodu długośc okresu edukacj zawera sę w przedzale (-1; -0,4)? Odp.: a) t = 9,6; b) neprawdzw Zadane 8. Dane dotczące wdatków na reklamę ( X w ts. zł) oraz osąganch zsków ze sprzedaż (Y w ts. zł) w pewnm przedsęborstwe posłużł do oszacowana metodą najmnejszch kwadratów, parametrów lnowego modelu regresj. Dla 15 obserwacj uzskano następujące równane: ˆ = 177,13 x + 608, 13, standardow błęd szacunku współcznnka regresj wrazu wolnego wnosł odpowedno: 40,16 ts. zł 179,6. Proszę podać nterpretację oszacowanch parametrów modelu oraz standardowch błędów szacunku; Cz dla pozomu stotnośc 0,05 uznam współcznnk regresj za stotn? Odp.: b) t = 4,41 Zadane 9. Badając zależność kosztów zmennch produkcj względem rozmarów fzcznch produkcj dla 7 obserwacj otrzmano następujące wnk: wzrost welkośc produkcj o 1 ts. szt. prowadzł do wzrostu kosztów zmennch średno o 0,0 ts. zł, pozom kosztów oraz rozmar fzczne produkcj charakterzował wartośc średne wnoszące odpowedno 10 mln zł oraz 0 ts. szt. z odchlenam standardowm odpowedno 1 mln zł oraz 5 ts. szt. Cz na podstawe zebranch nformacj można uznać korelację lnową mędz kosztam zmennm welkoścą produkcj za statstczne stotną? O czm może śwadczć ustalona wartość współcznnka korelacj lnowej? Odp.: r(x) = 0,1 t = 0,5 Zadane 10. Badając zależność kosztów zmennch wdobca surowca względem welkośc wdobca dla 7 obserwacj otrzmano następujące wnk: wzrost welkośc wdobca o 1 ts. t prowadzł do wzrostu kosztów zmennch średno o 0,5 ts. zł, pozom kosztów oraz rozmar wdobca charakterzował wartośc średne wnoszące odpowedno 4 mln zł oraz 10 ts. t. z odchlenam standardowm odpowedno mln zł oraz 3 ts. t. Cz na podstawe zebranch nformacj można uznać korelację lnową mędz kosztam zmennm welkoścą produkcj za statstczne stotną? O czm może śwadczć ustalona wartość współcznnka korelacj lnowej? Odp.: r(x) = 0,75 t = 5,67 Zadane 11. Na podstawe 9 obserwacj oszacowano lnow model zużca surowca (Y w t.) względem welkośc produkcj (X w ts. szt.) uzskując: - -

3 ˆ = 5x x = 6, (x ) x =,8, = 4, S( ) = 6, S( z) = 1. 9 =1 Cz oszacowane współcznnk w modelu regresj są stotne? Wznaczć welkość zużca surowca prz welkośc produkcj 7 ts. szt. Odp.: a) t = 0,9 b) x ˆ = 0, , 16 welkość zużca surowca prz produkcj 7 ts. szt. to 1,133 ton. Zadane 1. Na podstawe ponższch danch dotczącch lczb odwedzającch punkt sprzedaż oraz realzowanch dzennch obrotów należ wznaczć regresję emprczną oraz zbudować model regresj. Lczba odwedzającch Obrot w ts. zł (Y),5 3,1 4,5 5,3 6,4 7,8 8,9 9,5 10,3 11,5 1,1 Jake własnośc wkazuje zbudowane równane jako oszacowane funkcj regresj II-go rodzaju? Zadane 13. Badając zależność kosztów całkowtch produkcj względem rozmarów fzcznch produkcj otrzmano następujące wnk: wzrost welkośc produkcj o 1 ts. szt. prowadzł do wzrostu kosztów całkowtch średno o 0,18 mln. zł, pozom kosztów oraz rozmar fzczne produkcj charakterzował wartośc średne wnoszące odpowedno 7,1 mln zł oraz 6,6 ts. szt. z odchlenam standardowm odpowedno 1,9 mln zł 6,5 ts. szt. Należ: określć słę zależnośc korelacjnej kosztów całkowtch względem skal produkcj. Cz współcznnk równana oraz można uznać za stotne,jeśl stopeń determnacj lnowej kosztów całkowtch skalą produkcj wnósł dla danch z prób 0,35? Dokonać smulacj pozomu kosztów prz welkośc produkcj na pozome 10 ts. szt. Jak jest średn maksmaln błąd tej smulacj? Zadane 14. Konstruując model regresj lnowej welkośc zsku względem ponoszonch wdatków na marketng, otrzmano następujące dane: średn pozom zsku wnósł w badanej grupe 17 przedsęborstw pewnej branż 5000 zł z przecętnm zróżncowanem 50 zł, zaś średn pozom wdatków na marketng kształtował sę w tej grupe na pozome 100 zł z przecętnm zróżncowanem zł. Uzskano następując cąg reszt: 0, 0, -1, -1,, 4, 5, -, -4, -5, 0,, 3, 1, 0, -1, -1, -,,, 3, -,3, -,, 4,-4,-4. jak jest stopeń determnacj lnowej welkośc zsku wdatkam na marketng? b) cz otrzmane reszt wskazują na zachowane założena o braku wpłwu cznnków przpadkowch (pomnętch w modelu regresj) na pozom zsku? Zadane 15. Wg danch GUS współcznnk aktwnośc zawodowej kobet dla lat bł następujące: Lata Wsp. Aktwnośc zawodowej (w %) 50,0 50,0 49,7 49, 48,8 48,0 a) Przjmując numerację t=1,,...,n, oszacuj lnową roczną funkcję trendu zman współcznnków aktwnośc zawodowej podaj komentarz jej parametrów. b) Jakej teoretczne welkośc współcznnka można bło sę spodzewać w 003 r. Zadane 16. W wnku oszacowana parametrów modelu zman spożca rżu w ostatnch 1 latach (dla t = 0, 1,,..., n-1) otrzmano następujące nformacje: - welkość spożca rosła z roku na rok przecętne o 0, kg, - teoretczna welkość spożca w perwszm badanm roku wnosła 6 kg, - warancja składnka resztowego wnosła 1,1 kg, ( t t ) = 143 t = 5, 5. Oszacuj z dokładnoścą do błędu prognoz oczekwan pozom spożca w czwartm roku po zakończenu obserwacj. Zadane 17. Mesęczna obserwacja lczb bezrobotnch mężczzn (w ts. t= ) umożlwła oszacowane następującej funkcj trendu: ŷ t = - 18,79 t ,7. Ponadto wadomo, że suma kwadratów reszt wnosła ,9. a) Znterpretuj uzskan współcznnk trendu

4 b)cz współcznnk trendu jest stotne ujemn ( przjąć α = 0,05)? c) Podaj punktowe przedzałowe oszacowane lczb bezrobotnch mężczzn, której można sę spodzewać po upłwe kolejnch 6 mesęc ( przjąć 1-α = 0,95). Zadane 18. Ilość komputerów podłączonch na stałe do Internetu na śwece ( mln) wg Mędznarodowej Un Telekomunkacjnej (ITU) wnosła: Rok Ilość komputerów 0,03 0,08 0,16 0,38 0,73 1,3, 4,9 9,5 16,1 a) W układze współrzędnch wkreślć szereg czasow obserwacj na tej podstawe zastanowć sę nad prawdłowoścam rozwoju badanego zjawska. b) Jaka funkcja matematczna w najlepsz sposób odzwercedl gwałtowne wzrastającą na śwece lość komputerów podłączonch na stałe do Internetu? c) Metodą najmnejszch kwadratów oszacować parametr lnowego oraz nelnowego (wbranego w p. ) modelu trendu lośc komputerów podłączonch na stałe do Internetu w latach Zadane 19. W pewnej fabrce na podstawe danch o mesęcznej sprzedaż farb (ts. kg) za okres I X 005 r. oszacowano lnową funkcję trendu. Zgodne z ną sprzedaż spadała z mesąca na mesąc średno o 10 ts. kg. Łączna sprzedaż za 10 mesęc wnosła 990 ts kg, zaś warancja (neobcążona) sprzedaż w tm okrese wnosła 60. Pozom składnka resztowego bł następujące:3; -6; 3; ; 5; -5; -4; 3; 4; -5. Oblczć znterpretować parametr (strukturalne) funkcj trendu. - Cz stopeń wjaśnana zróżncowana sprzedaż przez nne nż czas cznnk dskwalfkuje tę funkcję? - Zwerfkować hpotezę dotczącą losowośc reszt (pozom stotnośc 0,1) - Sprawdzć założene modelu o neskorelowanu składnków losowch. Zadane 0. Na podstawe lczb urodzeń (w ts.) w Polsce w latach oszacowano lnową funkcję trendu: ˆ = 15,3t + 551, 9 + e, t = 1,,...,n. Wedząc, że: t = 10, ( ˆ ) = 415, 3, ( ˆ ) = 65315, 8 t oraz ( t t ) = 80proszę: Oblczć znterpretować współcznnk determnacj lnowej. Podać przewdwaną lczbę urodzeń w Polsce na rok beżąc oraz standardow błąd tej prognoz. Zadane 1. Dwanaśce osób o równomernm rozkładze pozomu ntelgencj poddano pewnemu testow pschologcznemu. Czas przgotowana sę do testu bł jednak różn. Na podstawe wnków zawartch w szeregu określć, cz stneje zwązek mędz czasem przgotowana do testu a wnkam testu. Jeżel tak, to jaka jest sła kerunek tego zwązku? Jak średno wzrasta punktacja, gd czas przgotowana do testu wzrasta o jedną mnutę? Czas przgotowana (mn) Wnk testu (pkt.) Zadane. W celu ustalena zależnośc mędz lczbą braków a welkoścą produkcj częśc zamennch zbadano 7 losowo wbranch zakładów wtwarzającch take częśc. Wnk badana bł następujące: PRODUKCJA X (w ts. szt.),0 1,0 0,8 1, 3,0 1,6 1,0 LICZBA BRAKÓW Y (w szt.) Y-teor. 15,9 9,6 8,3,3 13,4 9,6 średna(x)=1,5, S(x) = 0,8, średna()=1,8, S() = 5, Na podstawe powższch danch należ: a) wznaczć wartość współcznnka korelacj lnowej Pearsona, b) oszacować parametr lnowej funkcj regresj opsującej zależność zmennej Y od X, c) uzupełnć brakujące dane w tabel, d) oszacować błęd ocen parametrów lnowej funkcj regresj, e) zwerfkować na pozome stotnośc 5% hpotezę o zerowej wartośc współcznnka regresj w populacj (wkorzstując przedzał ufnośc), f) wznaczć wartość współcznnka determnacj, g) znterpretować otrzmane wnk, - 4 -

5 Zadane 3. Na podstawe danch dla lat o welkośc produkcj pewnego wrobu ( ts. szt.) otrzmano lnową funkcję trendu ŷ = - 10 t + 413,4; t = 0, 1,...; warancja reszt S wnosła 9,61. Znterpretować parametr strukturalne funkcj trendu, Wznaczć przedzał ufnośc dla współcznnka trendu prz 1-α = 0,95, Ocenć na pozome stotnośc 0,05, cz trend produkcj jest stotn, Prognozować wartość produkcj w roku 004. Zadane 4. Na podstawe lczb urodzeń (w ts.) w Polsce w latach oszacowano lnową funkcję trendu: ˆ = 15,3t + 551, 9 + e, t = 1,,...,n. Wedząc, że: t = 10, ( ˆ ) = 415, 3, ( ˆ ) = 65315, 8 t oraz ( t t ) = 80proszę: Oblczć znterpretować współcznnk determnacj lnowej. Podać przewdwaną lczbę urodzeń w Polsce na rok beżąc oraz standardow błąd tej prognoz. Zadane 5. Analtk kosztów usług szptalnch chce oszacować lnow zwązek mędz lczbą dn hosptalzacj pacjenta (jakej będze on wmagał w ocene lekarza przjmującego) całkowtm kosztem pobtu pacjenta w szptalu. Wnk badana mają bć wkorzstane do prognozowana kosztów pobtu pacjenta w szptalu na podstawe wstępnej ocen długośc jego pobtu. Wbrano następującą próbę 11 przpadków: Wstępna ocena długośc pobtu (dn) Całkowt koszt pobtu (w $) Oszacuj parametr modelu regresj lnowej. Zwerfkuj na pozome stotnośc 0,05 hpotezę, że współcznnk regresj w populacj jest równ zero. Oceń stopeń dopasowana modelu regresj do danch emprcznch. Jak jest przewdwan całkowt koszt pobtu pacjenta, któr bł hosptalzowan 10 dn? Podaj standardow błąd prognoz. Zadane 6. Na gełdze zanotowano cen wek klku oferowanch do sprzedaż samochodów mark Fat Uno: Wek (w latach) Cena (w ts. zł) Sporządź wkres rozrzutu punktów emprcznch oceń na jego podstawe, cz uzasadnone jest przpuszczene o lnowej regresj cen użwanego Fata Uno względem jego weku. Dopasuj metodą najmnejszch kwadratów prostą regresj cen względem weku samochodu. Oceń stopeń dopasowana modelu regresj do danch emprcznch. Jaka jest przewdwana cena samochodu 6-letnego? Zadane 7. Dla losowo wbranch 10 klentów supermarketu zarejestrowano dane o lczbe pozcj na rachunku czase obsług prz kase (w mn), otrzmując: X Y, , ,5 7,5 6 8 Na podstawe tch danch uzskano: ( x ) x = 1883, 6; ( ) = 34, 6 oraz ˆ = 0,1 x +, 59. Oblcz odchlene standardowe reszt standardowe błęd ocen parametrów lnowej funkcj regresj. Zwerfkuj na pozome stotnośc 0,05 hpotezę, że współcznnk regresj w populacj jest równ zero. Podaj dla nego przedzał ufnośc prz współcznnku ufnośc 0,95. Dokonaj podzału całkowtej zmennośc czasu obsług na część wjaśnoną ne wjaśnoną regresją lnową. Oblcz na tej podstawe współcznnk determnacj lnowej współcznnk korelacj. Sprawdź na pozome stotnośc 0,05 hpotezę o neskorelowanu obu cech w populacj. Cz rezultat jesak sam jak w przpadku werfkacj hpotez, że α = 0? Zadane 8. Z zapsów klnk położnczej wlosowano 10 przpadków urodzeń, rejestrując długość w cm (X) wagę w dkg (Y) noworodków: X Y

6 W trakce przetwarzana powższch danch uzskano ponadto (sumowane po wszstkch obserwacjach): x = 540, x = 9344, = 330, = , x = Wznacz metodą najmnejszch kwadratów prostą regresj wag noworodków względem długośc. Znterpretuj ocen parametrów lnowej funkcj regresj. Cz na podstawe wartośc współcznnka regresj można ocenać słę badanej zależnośc? Oblcz kowarancję współcznnk korelacj lnowej. Jak slna jest korelacja mędz badanm cecham? Zadane 9. (egz.) Badając współzależność mędz zmennm x, uzskano na podstawe ndwdualnch danch dla 0 jednostek m.n. następujące rezultat: x = 5 ; V x = 0% ; x = 50 ; S = 0, 6 ; V = 0% ; = 187, ; S = 0, 97 e oraz x = 95. Zbudować pełn model regresj względem x, zakładając lnowość oraz ujemn kerunek zwązku. Oszacować przedzałowo (1-α=0,9) współcznnk regresj funkcj I rodzaju. Zadane 30. (egz.) Posługując sę danm uzskanm z prób losowej 7 studentów oszacowano model regresj lnowej ocen uzskanej na egzamne (Y) względem lczb neobecnośc na wkładze (X): = 0,x + 3, 9 + e. Odchlene standardowe uzskanch ocen wnosło 0,7, warancja lczb neobecnośc bła równa 9, zaś odchlene standardowe reszt wnosło 0,36. Znterpretuj parametr funkcj regresj. Oceń dopasowane modelu do danch emprcznch. Podaj prognozę punktową (bez wznaczana błędu standardowego) ocen uzskanej przez osobę, która mała neobecnośc na wkładze. zwerfkować hpotezę o stotnośc współcznnka regresj (na pozome stotnośc 0,05). Zadane 31. (egz.) Badając zależność pomędz wskaźnkem zdolnośc do spłat zadłużena (Y) a wskaźnkem zwrotu z nwestcj (X) otrzmano dla 9 przedsęborstw następujące wnk: ˆ = 1,46 x + 0, 1 ( x) = 1, 5 x = 0,08 s(e)=0,. Należ: podać prognozę wskaźnka zdolnośc do spłat zadłużena w przedsęborstwe, które osągnęło zwrot z nwestcj równ 0,. wznaczć błąd standardow tej prognoz. Zadane 3. Producent napojów chłodzącch zgromadzł dane o welkośc zamóweń hurtown średnej temperaturze w dobowej w okrese lpec-serpeń dla przpadkowo wbranch dn: Średna temperatura dobowa (w st. C) Welkość zamóweń (w ts. l) Przedstawć grafczne badan zwązek. Zbudować model regresj. Jake są standardowe błęd oszacowana parametrów funkcj? Wznaczć współcznnk determnacj lnowej. Zadane 33. Na podstawe statstk krmnalnch w 50 stanach *S.A. oszacowano model regresj przedstawając zależność lczb zabójstw (na 1 mln. meszkańców, roczne) od ogranczeń w posadanu bron x (wrażonch w skal od 0 do 100% oznacza całkowt zakaz posadana bron przez obwatel): ˆ = 1, x Współcznnk determnacj wnos 0,9, błąd standardow oszacowana parametru regresj 0,3. Należ stwerdzć, cz ponższe stwerdzena są prawdzwe, uzasadnając odpowedź: ocena jakośc modelu, na podstawe dostępnch danch, jest zadawalająca, - jeżel ne stneją ogranczena w posadanu bron, to teoretczna lczba zabójstw na 1 mln. meszkańców wnos 651, - gdb warancja X bła wększa, to prz nezmenonch pozostałch podanch welkoścach statstka służąca do testowana stotnośc oszacowana błab nższa. z uwag na brak nformacj ne można stwerdzć cz wbór funkcj lnowej jest uzasadnon, - jeżel stneje całkowt zakaz posadana bron przez obwatel, to teoretczna lczba zabójstw na 1 mln. meszkańców wnos korelacja mędz x jest wsoka dodatna. x - 6 -

7 - z uwag na małą wartość parametru regresj, jego oszacowane jest nestotne. Zadane 34. Na podstawe 3 obserwacj oszacowano funkcję regresj lnowej. Na pozome 0,05 można odrzucć hpotezę o nestotnośc oszacowana parametru regresj. Wadomo, że S ( X ) = 8 S ( Y ) = 10 X = Dla = średn błąd oszacowana wartośc oczekwanej zmennej Y wnos 0,8. Jaka może bć mnmalna wartość oszacowana parametru regresj, jeżel jest ona dodatna? Zadane 35. Analza zwązku mędz opłatam za dojazd z centrum masta na lotnsko (Y w złotch) oraz czasem dojazdu (X w mnutach) dla 0 losowo wbranch portów lotnczch dostarczła m.n. następującch danch: średn czas dojazdu na lotnsko wnosł 30 mn., a średna opłata 60 zł; warancja czasu dojazdu bła równa 55,5 (mn), warancja opłat za dojazd 137,1 (zł) ; współcznnk korelacj lnowej wnosł +0,7; suma kwadratów składnków resztowch wnosła 1398,4 (zł). Określ znterpretuj parametr lnowej funkcj regresj opłat za dojazd na lotnsko względem odległośc lotnska od centrum masta; Oceń wpłw zmennch ne uwzględnonch w analze na różnce w welkośc opłat za dojazd na lotnsko; Wedząc dodatkowo, że standardow błąd ocen współcznnka regresj wnosł 0,6 oceń, cz współcznnk regresj opłat za dojazd względem odległośc do lotnska jest stotne dodatn. Przjmj pozom stotnośc α = 0,05. Zadane 36. Na podstawe analz danch losowej prób: X Y oszacowano m.n. funkcję regresj: ŷ = 3 x,5. Oblcz znterpretuj odchlene standardowe reszt oraz błąd standardow estmacj współcznnka regresj lnowej. Zwerfkuj hpotezę o stotnośc współcznnka regresj przjmując pozom stotnośc 0,05 oraz Σ (x x) = Zadane 37. W wnku oszacowana poptu na herbatę 8 różnch producentów (Y w ts. opakowań) względem wdatków producenta na reklamę (X w ts. zł) ustalono m.n. co następuje: ze wzrostem welkośc nakładów na reklamę o 1 ts. popt na herbatę rósł średno o,1 ts. opakowań; wraz woln modelu regresj wnosł 7,5 ts. opakowań; współcznnk korelacj lnowej bł równ 0,75. -Zapsz postać model regresj poptu na herbatę względem wsokośc wdatków na reklamę; -Oceń, prz pozome stotnośc 0,05, cz zależność korelacjna mędz badanm zmennm jest stotna poztwna. -Określ, w jakm stopnu zmenność poptu na herbatę wnka z różnc wdatków na reklamę poszczególnch producentów. Zadane 38. Producent napojów chłodzącch zgromadzł dane o welkośc zamóweń w hurtown (Y ts. ltrów) temperaturze o godz (cecha X) dla przpadkowo wbranch 10 dn lpca. Szacując funkcję regresj względem x uzskał następujące nformacje: - suma kwadratów odchleń wartośc zmennej zależnej od jej średnej wnoszącej 86 bła równa ; - suma kwadratów odchleń wartośc zmennej nezależnej od jej średnej równej 4 wnosła 38; - współcznnk regresj wnósł 6; - suma kwadratów reszt bła równa 17. a) Wznacz znterpretuj parametr strukturalne równana regresj. b) Oblcz znterpretuj odchlene standardowe składnka resztowego. c) Oceń stopeń dopasowana otrzmanej funkcj do danch emprcznch. d) Oblczć znterpretować standardow błąd współcznnka regresj. e) Cz współcznnk regresj jest stotne dodatn (przjmj α = 0,05). Zadane 39. W pewnm zakładze produkcjnm zbadano staż prac oraz wsokość zarobków 10 osób. Na podstawe ponższch wnków proszę: - 7 -

8 Oszacować parametr lnowego modelu regresj zarobków w zależnośc od stażu prac w tm zakładze oraz podać ch nterpretację. Cz badan model może bć narzędzem prognozowana? Jak wsoke są zarobk osob, której staż prac w tm zakładze wnos 30 lat? x =15,6 ; = 1850 ; s = 13, 74 ; s = 696, 8 ; r = 0, 985 ; x x Zadane 40. Zbadano 7 gospodarstw domowch ze względu na lczbę osób w rodzne (X) oraz przecętne mesęczne wdatk na zakup peczwa w zł (Y). Stwerdzono, co następuje: x = 3, 6 ; s = 0, 9; = 30 ; s = 7,5. Ponadto wadomo, że prz założenu lnowego modelu regresj; różnce w pozome wdatków w 81% wnkał z różnc welkośc rodzn. a) Oszacuj znterpretuj parametr strukturalne modelu, opsującego zależność przcznowo-skutkową, wedząc dodatkowo, że zależność mała charakter poztwn; b) Korzstając z wznaczonego równana regresj określ wdatk na peczwo rodzn 4-osobowch. Zadane 41. W badanu zależnośc pomędz maksmalną temperaturą w cągu dna (X) a loścą sprzedanch lodów ( w kg) frm Bajka w kolejnch dnach lpca 00 otrzmano następujące wnk: - średna temperatura wnosła 18 C z odchlenem standardowm 5 C; - średna sprzedaż lodów w cągu dna wnosła 5 ts. kg z odchlenem standardowm 1,5 ts. kg; - współcznnk korelacj lnowej wnósł 0,9; - suma kwadratów odchleń rzeczwstej teoretcznej (wnkającej z funkcj regresj) welkośc sprzedaż wnosła 91,15. a) Zapsz postać funkcj regresj lośc sprzedaż względem maksmalnej wsokośc temperatur. b) Oblcz znterpretuj odchlene standardowe składnka resztowego. Zadane 4. W pewnm zakładze produkcjnm postanowono sprawdzć, cz stneje zwązek mędz stażem prac (w latach prac) a wsokoścą otrzmanej nagrod rocznej (w tsącach złotch). W tm celu wlosowano 16 osób na podstawe uzskanch nformacj oszacowano następując model regresj lnowej wsokośc nagrod rocznej względem stażu prac: ˆ = 0,94x + 1, 96. Ponadto wadomo, że odchlene standardowe reszt wnosło 0,7 ts. zł, a odchlene standardowe stażu prac 1,97 roku. Znterpretuj współcznnk regresj. Sprawdź (na pozome stotnośc 0,05), cz staż prac wpłwa na wsokość otrzmanej prem rocznej. Zadane 43. W modelu regresj lnowej zadłużena (-ts. PLN) podmotów gospodarczch z ttułu kredtów (łączne z odsetkam) względem wartośc produkcj sprzedanej (x mln PLN) dla 80 podmotów z sektora produkcjnego otrzmano: cov(x) = -,88; x =5,5; S(x)=0,6; =183,0; S()=8,0 Podać wartość lczbową ŷ (x=9). Określć stopeń nedopasowana modelu. Czm może bć on spowodowan? Sprawdzć stotność współcznnka korelacj lnowej z prób 80 podmotów (α =0,01). Zadane 44. Pewen analtk bada współzależność zman cen dwóch walut. W oparcu o 30 obserwacj zbudował następując model regresj lnowej opsując zależność cen walut od cen walut x: ŷ = 5 x 00 R = 0,6 [1,467] [ 8] Przeprowadź ocenę jakośc tego modelu z punktu wdzena krterów możlwch do zastosowana prz podanch nformacjach. Przjąć pozom stotnośc 0,01 prz werfkacj stosownej hpotez. Ile wnos krtczn pozom stotnośc prz werfkacj hpotez o stotnośc współcznnka regresj? Prz jakm pozome nastąp zmana deczj? Zadane 45. W badanu zależnośc pomędz nakładam na reklamę ( x- ts. zł) a dochodam 1 bur podróż ( - ts.zł) otrzmano wektor reszt, uporządkowan wg rosnącch wartośc zmennej nezależnej: e =[0,1; 0,; -0,05; -0,1; 0,; -0,03; -0,; -0,1; 0,0; 0,01; 0,05; -0,1] Sprawdzć hpotezę o losowośc reszt (α=0,05). x - 8 -

9 Zadane 46. Na podstawe danch dotczącch dochodów 100 losowo wbranch frm ( x w mln zł) oraz wdatków tch frm na cele chartatwne ( w mln zł) uzskano następujące nformacje: ( ˆ = 96,66; ( ˆ ) = 47,34; x =40,1; = 340 cx = 3,5; sx = 3,57; ) Zapsać funkcję regresj lnowej wdatków na cele chartatwne względem dochodów frm, znterpretować jej parametr. Ocenć stopeń dopasowana modelu do danch emprcznch. Zadane 47. Funkcja trendu charakterzująca obrot (w ts. zł) jednej z pzzer w latach (dane kwartalne) bła następująca: ŷ t =1t +10 t=0,1,...,n-1 reszt et :,3,-1,0,0,-,-1,-1,1,1,,-1,-,-,-1,0,1 Znterpretować oszacowaną funkcję trendu Czm różnłab sę nterpretacja gdb t=1,,...n Zwerfkować hpotezę o stotnośc współcznnka funkcj trendu lnowego Ile wnos na podstawe modelu prognoza obrotów pzzer na 004 rok. Jak jest błąd tej prognoz? Cz sensowne błob prognozowane na podstawe tego modelu na rok 00? Zwerfkować założena dotczące losowośc odchleń wartośc emprcznch od teoretcznch oraz braku n autokorelacj składnka losowego modelu znając oblczoną wartość ( e t e t 1) = 40 t = 1 Zadane 48. Na podstawe danch rocznch dotczącch lczb meszkań w budowe w ts. (według stanu na konec okresu) oszacowano następujące równane trendu dla okresu : ˆ t = 6,8t + 66,17 ; t=1,,9 ocen punktowe standardowch błędów szacunku dla współcznnka regresj wrazu wolnego wnosł odpowedno: 1, 6,88 zaś suma kwadratów reszt 68,8. Wznacz prognozę lczb meszkań w budowe w ts. na konec 005 wraz z jej standardowm błędem. Zadane 49. Wkorzstując dane z zadana poprzednego, dotczące lczb meszkań w budowe, dokonaj estmacj przedzałowej współcznnka trendu (współcznnk ufnośc 0,99). Na podstawe otrzmanch przedzałów ufnośc odpowedz, cz oszacowane współcznnka trendu jest stotne (prz α=0,01). Odpowedź uzasadnj. Zadane 50. Na podstawe danch dla lat o welkośc produkcj pewnego wrobu ( ts. szt.) otrzmano lnową funkcję trendu ŷ = - 10 t + 413,4; t = 1,...; warancja reszt wnosła 9,61. Znterpretować parametr strukturalne funkcj trendu Wznaczć przedzał ufnośc dla współcznnka trendu prz 1-α = 0,95. Ocenć na pozome stotnośc 0,05, cz trend produkcj jest stotn. Cz zmana pozomu stotnośc wpłne na podjętą deczję werfkacjną? Zadane 51. W wnku oszacowana parametrów modelu zman spożca rżu w ostatnch 1 latach (dla t = 0, 1,,..., n-1) otrzmano następujące nformacje: - welkość spożca rosła z roku na rok przecętne o 0, kg, - teoretczna welkość spożca w perwszm badanm roku wnosła 6 kg, - warancja składnka resztowego wnosła 1,1 kg, ( t t ) = 143 t = 5, 5. Oszacuj z dokładnoścą do błędu prognoz oczekwan pozom spożca w czwartm roku po zakończenu obserwacj. Zadane 5. Na podstawe lczb urodzeń (w ts.) w Polsce w latach oszacowano lnową funkcję trendu: ˆ = 15,3t + 551, 9 + e, t = 1,,...,n. Wedząc, że: t = 10, ( ˆ ) = 415, 3, ( ˆ ) = 65315, 8 t oraz ( t t ) = 80proszę: Oblczć znterpretować współcznnk determnacj lnowej. Podać przewdwaną lczbę urodzeń w Polsce na rok beżąc oraz standardow błąd tej prognoz

10 Zadane 53. Zbadano zależność wsokośc dochodów na osobę w gospodarstwe domow (w dukatach) a lczbą dzec pozostającch na utrzmanu. Uzskane na podstawe badana 16 gospodarstw wnk prezentuje ponższ wdruk komputerow: Regresson Analss - Lnear model: Y = a+bx Dependent varable: dochod/1 osobę w dukatach Independent Varable: lczba dzec Standard T Prob. Parameter Estmate Error Value Level Intercept Slope Analss of Varance Source Sum of Squares Df Mean Square F-Rato Prob. Level Model Resdual Total (Corr.) Correlaton Coeffcent = R-squared = 9.87 percent Stnd. Error of Est. = Proszę zapsać oszacowane równane regresj lnowej, znterpretować jego parametr oraz zbadać, cz korelacja lnowa mędz wsokoścą dochodu na osobę a lczbą dzec w gospodarstwe domowm można uznać za statstczne stotną. Zadane 54. Na podstawe obserwacj stóp wzrostu PKB (zmenna Y) stóp podatku dochodowego (zmenna X) w 17 krajach oszacowano ponższ model regresj lnowej: Korzstając z tch nformacj należ: a)podać z jakm rzkem błędu I rodzaju można stwerdzć, że podatk stotne negatwne wpłwają na tempo wzrostu PKB b)ocenć stopeń dopasowana oszacowana modelu do danch emprcznch c)oszacować przedzałowo współcznnk regresj lnowej, przjmując 1-α =0,95-10

11 Zadane 55. Dla losowej prób 5 emertów w jednej z gmn Warszaw zebrano nformacje o wsokośc dochodów mesęcznch oraz wdatków na lek: a)zapsać oszacowan model regresj omówć jego parametr b)ocenć dopasowane modelu do danch na podstawe współcznnka R c)zwerfkować stotność współcznnka regresj lnowej dla populacj emertów w tej dzelnc (pozom stotnośc γ =0,05) d)oszacować przedzał ufnośc dla współcznnka regresj α prz współcznnku ufnośc 1- γ =0,95 e) Co można powedzeć o stotnośc wrazu wolnego funkcj regresj? f)wedząc, że przecętna wartość emertur wnosła 700 zł prz odchlenu standardowm 48 zł z g)dokładnoścą do standardowego błędu prognoz wznaczć oczekwan pozom wdatków emerta, któr dostawałb emerturę w wsokośc 800 zł. Jak błb błąd oszacowana przecętnej wartośc wdatków na lek emertów zarabającch 800 zł? h) Sprawdzć założena dotczące losowośc odchleń w modelu regresj - 11

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Analiza korelacji i regresji

Analiza korelacji i regresji Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A

Bardziej szczegółowo

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %) Analza dnamk Zad. 1 Indeks lczb studującch studentów w województwe śląskm w kolejnch pęcu latach przedstawał sę następująco: Lata 1 2 3 4 5 Indeks jednopodstawowe z roku t = 1 100,0 115,7 161,4 250,8 195,9

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty

WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty 74 LIDIA LUTY ROCZNIKI NAUKOWE EKONOMII ROLNICTWA I ROZWOJU OBSZARÓW WIEJSKICH, T. 11, z. 1, 214 WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO Lda Lut Katedra Statstk Matematcznej

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11 Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

Przypomnienie: wykłady i zadania kursu były zaczerpnięte z podręczników: Model statystyczny Format danych

Przypomnienie: wykłady i zadania kursu były zaczerpnięte z podręczników: Model statystyczny Format danych Wkład 13: (prota) regreja lnowa Model tattczn Format danch Przedzał ufnośc tet totnośc dla parametrów modelu Przpomnene: wkład zadana kuru bł zaczerpnęte z podręcznków: Stattka dla tudentów kerunków techncznch

Bardziej szczegółowo

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych.

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych. MODEL EOOMERYCZY MODEL EOOMERYCZY DEFIICJA Modl konomtrczn jst równanm matmatcznm (lub układm równao), któr przdstawa zasadncz powązana loścow pomędz rozpatrwanm zjawskam konomcznm., uwzględnającm tlko

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K. Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka Stanisław Cichocki. Wykład 10 Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

Metody predykcji analiza regresji

Metody predykcji analiza regresji Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

Krzywa wieża w Pizie. SAS Data Step. Przykład (2) Wykład 13 Regresja liniowa

Krzywa wieża w Pizie. SAS Data Step. Przykład (2) Wykład 13 Regresja liniowa Bonformatyka - rozwój oferty edukacyjnej Unwersytetu Przyrodnczego we Wrocławu projekt realzowany w ramac Programu Operacyjnego Kaptał Ludzk współfnansowanego ze środków Europejskego Funduszu Społecznego

Bardziej szczegółowo

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji) Wkład 1: Prosta regresja liniowa Statstczn model regresji liniowej Dane dla prostej regresji liniowej Przedział ufności i test parametrów Przedział ufności dla średniej odpowiedzi Interwał prognoz (dla

Bardziej szczegółowo

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe Zadane 1. Dany jet zereg przedzałowy, wyznaczyć natępujące mary: x n średna arytmetyczna 1 10 warancja, odchylene tandardowe 15 domnanta 3 0 medana 4 35 kurtoza 5 0 6 15 Zadane. Dany jet zereg rozdzelczy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

Bardziej szczegółowo

Analiza regresji modele ekonometryczne

Analiza regresji modele ekonometryczne Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność

Bardziej szczegółowo

formularzy opisowych, ankiet lub innych dokumentów stanowi nieuporządkowany statystyczny, stanowi on podstawę dalszych

formularzy opisowych, ankiet lub innych dokumentów stanowi nieuporządkowany statystyczny, stanowi on podstawę dalszych Zebran materał statstczn w forme sprawozdań, formularz opsowch, anket lub nnch dokumentów stanow neuporządkowan surow materał statstczn, neprzdatn jeszcze do bezpośrednej analz, porównań wnosków. Materał

Bardziej szczegółowo

Problem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska

Problem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska Proble nośnośc grancznej płt żelbetowch w ujęcu aktualnch przepsów norowch Prof. dr hab. nż. Potr Konderla Poltechnka Wrocławska 1. Wprowadzene Przedote analz jest płta żelbetowa zbrojona ortogonalne paraetrzowana

Bardziej szczegółowo

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Analiza struktury zbiorowości statystycznej

Analiza struktury zbiorowości statystycznej Analza struktury zborowośc statystycznej.analza tendencj centralnej. Średne klasyczne Średna arytmetyczna jest parametrem abstrakcyjnym. Wyraża przecętny pozom badanej zmennej (cechy) w populacj generalnej:

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

IID = 2. i i i i. x nx nx nx

IID = 2. i i i i. x nx nx nx Zadane Analzujemy model z jedną zmenną objaśnającą bez wyrazu wolnego: y = β x + ε, ε ~ (0, σ ), gdze x jest nelosowe.. Wyznacz estymator MNK parametru β oraz oblcz jego warancję. (4 pkt) y. Zaproponowano

Bardziej szczegółowo

BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ

BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ WYKŁAD 3 BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ Było: Przykład. Z dziesięciu poletek doświadczalnych zerano plony ulw ziemniaczanych (cecha X) i oznaczono w nich procentową zawartość

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

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

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ Jan JANKOWSKI *), Maran BOGDANIUK *),**) SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ W referace przedstawono równana ruchu statku w warunkach falowana morza oraz

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

Dobór zmiennych objaśniających

Dobór zmiennych objaśniających Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów. Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Zasady budowania prognoz ekonometrycznych

Zasady budowania prognoz ekonometrycznych Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

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

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow

Bardziej szczegółowo

Wyznacz łączne zmiany wartości, ilości i cen sprzedaży w październiku i listopadzie oraz zinterpretuj otrzymane wyniki.

Wyznacz łączne zmiany wartości, ilości i cen sprzedaży w październiku i listopadzie oraz zinterpretuj otrzymane wyniki. ZAD.1. Dane dotyczące zależności pomiędzy wielkością plonów w q/ha (y), a zużyciem określonego nawozu w kg/ha dla 7 niezależnych upraw przedstawia tabela: y X 17 11 19 15 19 20 20 25 20 24 22 39 23 41

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Uchwała nr L/1044/05 Rady Miasta Katowice. z dnia 21 listopada 2005r.

Uchwała nr L/1044/05 Rady Miasta Katowice. z dnia 21 listopada 2005r. Uchwała nr L/1044/05 Rady Masta Katowce z dna 21 lstopada 2005r. w sprawe określena wysokośc stawek podatku od środków transportowych na rok 2006 obowązujących na terene masta Katowce Na podstawe art.18

Bardziej szczegółowo

Stosowana Analiza Regresji

Stosowana Analiza Regresji prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile

Bardziej szczegółowo

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

Egzamin ze statystyki, Studia Licencjackie Stacjonarne. TEMAT C grupa 1 Czerwiec 2007

Egzamin ze statystyki, Studia Licencjackie Stacjonarne. TEMAT C grupa 1 Czerwiec 2007 Egzamin ze statystyki, Studia Licencjackie Stacjonarne TEMAT C grupa 1 Czerwiec 2007 (imię, nazwisko, nr albumu).. Przy rozwiązywaniu zadań, jeśli to konieczne, naleŝy przyjąć poziom istotności 0,01 i

Bardziej szczegółowo

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Jak analzować dane o charakterze uporządkowanym? Dane o charakterze uporządkowanym Wybór jednej z welkośc na uporządkowanej skal Skala ne ma nterpretacj

Bardziej szczegółowo