O TESTOWANIU ISTOTNOŚCI WSPÓŁCZYNNIKÓW KORELACJI CZĄSTKOWEJ I WIELORAKIEJ DLA WIELOWYMIAROWYCH TABLIC WIELODZIELCZYCH
|
|
- Kinga Orłowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Grzegorz Kończak Uiwersytet Ekoomiczy w Katowicach O TESTOWANIU ISTOTNOŚCI WSPÓŁCZYNNIKÓW KORELACJI CZĄSTKOWEJ I WIELORAKIEJ DLA WIELOWYMIAROWYCH TABLIC WIELODZIELCZYCH Wprowadzeie Do ajważiejszych zagadień rozważaych w badaiach statystyczych ależy aaliza zależości. Dla zmieych rejestrowaych a mocych skalach pomiarowych wykorzystuje się współczyik korelacji liiowej Pearsoa oraz różej postaci fukcje regresji. Dla wykluczeia wpływu zmieych zakłócających wyzacza się współczyiki korelacji cząstkowej, a dla określeia łączego wpływu kilku zmieych a zmieą zależą współczyiki korelacji wielorakiej. W przypadku pomiarów dokoaych a skalach słabych ależy skorzystać z iych arzędzi. Dla pomiarów a skali porządkowej wykorzystuje się współczyiki korelacji rag Spearmaa i Kedalla. W przypadku pomiarów a skali omialej ajczęściej wykorzystuje się róże współczyiki oparte a obliczeiu statystyki chi-kwadrat. W artykule przedstawioo propozycję wyzaczaia współczyików zależości cząstkowej dla zmieych określoych a skalach omialych. Ze względu a kostrukcję współczyika korelacji cząstkowej dla daych omialych, a w szczególości trudości w określeiu rozkładu estymatora tego współczyika, zastosowao testy permutacyje do weryfikacji hipotezy o istotości tych zależości.
2 O TESTOWANIU ISTOTNOŚCI Zależość dla zmieych rejestrowaych a skalach omialych W przypadku, gdy badaiem objęte są dwie zmiee X i Y przyjmujące wartości a skalach omialych, właściwym podejściem jest zastosowaie aaliz związaych z tablicami kotygecji, określaymi rówież jako tablice wielodzielcze. Jeśli wariaty zmieej X ozaczymy przez x 1, x,, x r, a wariaty zmieej Y przez y 1, y,, y c, gdzie r i c są odpowiedio liczbą wariatów zmieych X i Y, to tablicę kotygecji moża przedstawić jak w tabeli 1. Zmiea X Układ daych w tablicy kotygecji Zmiea Y y 1 y y c Tabela 1 Sumy w wierszach x c 1 x 1 c x r r1 r rc r Sumy w kolumach 1 c Wielkości ij (i = 1,,, r oraz j = 1,,, c) są zaobserwowaymi liczebościami realizacji jedocześie x i oraz y j zmieej dwuwymiarowej (X, Y). Do aalizy zależości pomiędzy zmieymi X i Y zwykle wykorzystuje się róże mieriki, których kostrukcja opiera się a statystyce chi-kwadrat. Statystyka ta dla dwuwymiarowej tablicy wielodzielczej o wymiarach r x k przyjmuje postać: r c ( ij ˆ ij ) χ =, (1) ˆ i= 1 j= 1 gdzie: ij liczebości obserwowae, i j ˆ ij = liczebości oczekiwae. Statystyka (1) ma asymptotyczie rozkład chi-kwadrat o (r 1)(k 1) stopiach swobody. Do testowaia istotości zależości pomiędzy zmieymi X i Y moża wykorzystać wartości krytycze z rozkładu chi-kwadrat, jeśli liczebości oczekiwae dla wszystkich komórek tabeli wyoszą przyajmiej 5 (por. p. Domański, 1990). ij
3 4 Grzegorz Kończak Statystyka (1) przyjmuje ieujeme wartości. Jest oa wykorzystywaa do kostrukcji różych współczyików, które przyjmują wartości z przedziału ograiczoego, co ułatwia iterpretację poziomu zależości. Wzory () (4) przedstawiają wybrae współczyiki siły zależości dla daych przedstawioych w tablicy wielodzielczej (Zeliaś et al., 00). Współczyik kotygecji C Pearsoa: Współczyik V Cramera: V = Współczyik T Czuprowa: T = C = χ. () χ + χ. (3) mi( r 1, k 1) χ. (4) ( r 1)( k 1) W dalszych rozważaiach będzie uwzględioy wyłączie współczyik (1), jedak wszystkie aalizy mogą zostać rozszerzoe a pozostałe przedstawioe współczyiki zależości.. Pomiar zależości cząstkowych dla daych w wielowymiarowych tablicach wielodzielczych J.H. Zar (010) wskazuje a możliwość wyzaczaia współczyików korelacji cząstkowej dla tablic wielodzielczych. Niech daa będzie tablica wielodzielcza skostruowaa a podstawie badaia zależości pomiędzy trzema zmieymi X, Y i Z przyjmującymi wartości a skalach omialych. Jeśli wariaty zmieej X ozaczymy przez x 1, x,, x r, dla zmieej Y przez y 1, y,, y c, a dla zmieej Z przez z 1, z,, z l, gdzie r, c i l są odpowiedio liczbą wszystkich występujących wariatów zmieych X, Y i Z, to wartość statystyki chi-kwadrat jest obliczaa a podstawie wzoru: r c l ( ijk ˆ ijk ) χ =, (5) ˆ i= 1 j= 1 k= 1 gdzie: ijk liczebości obserwowae, i j k ˆ ijk = liczebości oczekiwae. ijk
4 O TESTOWANIU ISTOTNOŚCI 43 Przy założeiu iezależości zmieych X, Y i Z statystyka (5) ma asymptotyczie rozkład chi-kwadrat o rcl-r-c-l+ stopiach swobody (por. Sheski, 004). Jeżeli hipoteza o iezależości ie jest odrzucoa, to w kokluzji stwierdza się, że moża przyjąć hipotezę o iezależości zmieych. W przypadku odrzuceia hipotezy o iezależości zmieych test ie iformuje o występujących rodzajach zależości. Możliwe jest występowaie zależości pomiędzy wszystkimi zmieymi, ale może występować zależość wyłączie p. pomiędzy X i Y. W literaturze są rozważae róże możliwości odwołujące się do określeia siły zależości pomiędzy dwiema zmieymi lub pomiędzy dwiema zmieymi z wyłączeiem wpływu trzeciej zmieej. Określeie siły takich zależości moża zrealizować poprzez: zbadaie siły zależości pomiędzy x i y, x i z oraz pomiędzy y i z. obliczeie współczyików korelacji cząstkowej (por. Zar, 010). Tradycyjie wariaty zmieych X i Y określa się jako wiersze i kolumy, a jest to bezpośredio związae z kostrukcją tablicy kotygecji. D.J. Sheski (004) przyjmuje określeia wariatów zmieej Z jako warstwy. J.H. Zar (010) propouje wyzaczaie współczyików korelacji cząstkowej z wykorzystaiem modyfikacji obliczaia liczebości oczekiwaych w komórkach tablicy wielodzielczej: Dla hipotezy, że wiersze są iezależe od łączie kolum i warstw i jk ˆ ijk = dla i = 1,,, r, j = 1,,, c oraz k = 1,, l. Liczba stopi swobody dla statystyki (5) wyosi: v = (r 1)(c 1)(k 1) + (r 1)(c 1) + (r 1)(k 1). Dla hipotezy, że kolumy są iezależe od łączie wierszy i warstw j i k ˆ ijk = dla i = 1,,, r, j = 1,,, c oraz k = 1,, l. Liczba stopi swobody dla statystyki (5) wyosi: v = (r 1)(c 1)(k 1) + (c 1)(r 1) + (c 1)(k 1). Dla hipotezy, że warstwy są iezależe od łączie wierszy i kolum k ij ˆ ijk = dla i = 1,,, r, j = 1,,, c oraz k = 1,, l. Liczba stopi swobody dla statystyki (5) wyosi: v = (r 1)(c 1)(k 1) + (k 1)(r 1) + (k 1)(c 1).
5 44 Grzegorz Kończak Występujące symbole i j, k, ozaczają odpowiedio: = c l i ijk, dla i = 1,,, r j= 1 k = 1 r l j = ijk i= 1 k = 1 r c k = ijk i= 1 j= 1, dla j = 1,,, c, dla k = 1,,, l. Przedstawioe wzory umożliwiają weryfikację hipotezy o łączym wpływie dwóch zmieych a trzecią. Ze względu a wykorzystaie rozkładu chikwadrat jest koiecze spełieie założeia dotyczącego miimalej liczebości oczekiwaej w komórkach tablicy wielodzielczej. W dalszej części opracowaia przedstawioo ie możliwe podejście do testowaia istotości występujących zależości cząstkowych dla daych w tablicy wielodzielczej. Prezetowae rozwiązaie odwołuje się do testu permutacyjego (Good, 005) i dlatego może być stosowae awet w przypadku, gdy występują liczebości oczekiwae są miejsze od Łączy wpływ dwóch zmieych a trzecią zmieą Weryfikacja hipotezy o iezależości 3 zmieych może być przeprowadzoa z wykorzystaiem statystyki (5). Takie podejście rówoprawie traktuje wszystkie trzy zmiee. W badaiach statystyczych często iteresujący jest łączy wpływ kilku zmieych a wyróżioą zmieą oraz wyłączy wpływ określoej zmieej (zmieych) z pomiięciem wpływu pozostałych zmieych. Niech będzie daa trójwymiarowa tablica wielodzielcza. Dae takie mogą być przedstawioe w formie jak a rysuku 1. Z Z = z 1 Z = z l Rys. 1. Zapis daych w trójwymiarowej tablicy kotygecji
6 O TESTOWANIU ISTOTNOŚCI 45 Zagadieie badaia łączego wpływu zmieych X i Y a zmieą Z (współczyik korelacji wielorakiej) moża formalie zapisać za pomocą hipotez: H 0 : Brak łączego wpływu zmieych X i Y a zmieą Z (iezależość). H Z : Występuje zależość pomiędzy zmieą Z i zmieymi X i Y. Dla weryfikacji hipotezy H 0 wobec hipotezy alteratywej H Z ie może być bezpośredio wykorzystaa statystyka (5). Mogą w tym przypadku być wykorzystae wcześiej opisae współczyiki. Niech obliczoa a podstawie wzoru (5) wartość statystyki będzie ozaczoa przez T 0. W przypadku tablic wielowymiarowych, gdzie zmiee mogą przyjmować wiele wariatów, ie jest zazwyczaj spełioy waruek ałożoy a liczebości oczekiwae w komórkach tablicy wielodzielczej. Nie ma w takich przypadkach możliwości skorzystaia z wartości krytyczych wyzaczoych z rozkładu chi-kwadrat. Do przybliżeia rozkładu statystyki przy założeiu prawdziwości hipotezy H 0 moża wykorzystać permutacje zmieej Z. Ideę permutacji przedstawia rysuek Rys.. Schemat permutowaia zmieej Z (po lewej zbiór wyjściowy, po prawej po jeda z możliwych permutacji zmieej Z) Jako współczyik określający siłę zależości w dalszych rozważaiach może być dowoly z mierików () (4), jak rówież statystyka (5). Niech współczyik T zależości wyzaczoy dla pierwotych daych będzie ozaczoy przez T 0. Dla każdej permutacji zmieej Z jest obliczaa wartość współczyika T i (i = 1,,, N). Takie postępowaie prowadzi do uzyskaia empiryczego rozkładu statystyki T przy założeiu prawdziwości hipotezy H 0. Dla podjęcia decyzji wykorzystuje się wartość ASL (Achievig Sigificace Level, empirycza p-wartość, por. Efro, Tibshirai, 1993) zadaą wzorem: ( ) ASL = P T. (6) i T 0 Wartość ta jest iezaa, a jej oceę otrzymuje się a podstawie rozkładu empiryczego statystyki T:
7 46 Grzegorz Kończak ^ card( i : Ti T ) 0 ASL =, gdzie i = 0, 1,, N. (7) N Jeżeli wartość ASL jest miejsza od przyjętego poziomu istotości α, to hipoteza H 0 jest odrzucaa a korzyść hipotezy alteratywej H Z. Podobe rozważaia mogą być przeprowadzoe dla odpowiedio sformułowaej hipotezy H 0 i hipotez alteratywych H Y i H X. Procedurę weryfikacji przedstawioej hipotezy a podstawie testu permutacyjego moża zapisać astępująco: 1. Pobieraa jest próbka losowa. Na podstawie próby losowej jest kostruowaa tablica wielodzielcza.. Dla otrzymaej tablicy wielodzielczej jest obliczaa wartość statystyki T. Otrzymaą wartość ozaczmy przez T Dla pobraej próbki zmiea Z jest losowo permutowaa. Dla tak otrzymaej próby jest obliczaa wartość statystyki T. 4. Krok 3 jest wykoyway N razy. Otrzymujemy wartości statystyki T 1, T,, T N. 5. Obliczaa jest wartość ASL. Jeżeli wartość ASL jest miejsza od przyjętego poziomu istotości α, to odrzucamy hipotezę H Przykład empiryczy Ideę zastosowaia propoowaej metody przedstawioo a poiższym przykładzie. Dae o współwystępowaiu trzech zmieych X, Y i Z zaprezetowao a rysuku 3. Testowaie istotości zależości cząstkowych z wykorzystaiem klasyczych metod dla tych daych przedstawia D.J. Sheski (004). Wyiki przeprowadzoych testów permutacyjych przedstawioo a rysuku 4. Moża a im rówież zaleźć empirycze rozkłady statystyki testowej T otrzymae a podstawie przeprowadzoych permutacji, a także wartość statystyki T 0. Warstwa Z = z 1 Warstwa Z = z Zmiea Zmiea Y Zmiea Zmiea Y Suma X y 1 y X y 1 y Suma x x x x Suma Suma Rys. 3. Dae do przykładu empiryczego Źródło: Na podstawie Sheski (004).
8 O TESTOWANIU ISTOTNOŚCI 47 Rys. 4. Wyiki testu permutacyjego We wszystkich przeprowadzoych testach permutacyjych przyjęto poziom istotości α = 0,05. Przeprowadzeie testu permutacyjego dla wszystkich możliwych przypadków łączego wpływu dwóch ustaloych zmieych a trzecią prowadzi do odrzuceia hipotezy H 0 przy przyjętym poziomie istotości α. Wartości ASL dla hipotez o iezależości zmieych X oraz Y i Z łączie, a także Z oraz X i Y łączie wyiosła 0. W przypadku testowaia hipotezy o iezależości zmieej Y i zmieych X i Z łączie otrzymao ASL = 0,00. Dla wszystkich rozważaych przypadków został potwierdzoy łączy wpływ dwóch zmieych a pozostałą zmieą. Podsumowaie W aalizie zależości szczególe miejsce zajmuje badaie siły wpływu pomiędzy zmieymi a skalach omialych. Zwyczajowo takie dae przedstawiae są w tablicach wielodzielczych. Klasycze metody takiej aalizy wymagają spełieia założeia dotyczącego miimalej liczebości oczekiwaej w komórkach tablicy. W opracowaiu przedstawioo propozycję testowaia istotości wpływu ustaloej zmieej a pozostałe w przypadku aalizy trójwymiarowych tablic wielodzielczych. Ze względu a zastosowaie testu permutacyjego ie jest koiecza zajomość rozkładu statystyki testowej, a weryfikację hipotezy moża przeprowadzić awet wówczas, gdy występują małe liczebości oczekiwae w komórkach tablicy. Podziękowaie Projekt został sfiasoway ze środków Narodowego Cetrum Nauki przyzaych a podstawie decyzji umer DEC-011/03/B/HS4/05630.
9 48 Grzegorz Kończak Literatura Aczel A. (000), Statystyka w zarządzaiu, WN PWN, Warszawa. Agresti A. (1996), A Itroductio to Categorical Data Aalysis, Joh Wiley & Sos, New York. Domański Cz. (1990), Testy statystycze, PWE, Warszawa. Efro B., Tibshirai R. (1993), A Itroductio to the Bootstrap, Chapma & Hall. New York. Good P. (005), Permutatio, Parametric ad Bootstrap Tests of Hypotheses, Spriger Sciece Busiess Media, New York. Sheski D.J. (004), Hadbook of Parametric ad Noparametric Statistical Procedures, Chapma & Hall-CRC, Boca Rato. Zar J.H. (010), Biostatical Aalysis, Pearso Educatio, New Jersey. Zeliaś A., Pawełek B., Waat S. (00), Metody statystycze, PWE, Warszawa. ON TESTING PARTIAL DEPENDENCY FOR DATA IN CONTINGENCY TABLES Summary The chi-square test of idepedece is used for data preseted i cotigecy tables. The three dimesioal cotigecy tables are aalyzed i the paper. If the idepedece test leads to a sigificat result, the a researcher should coduct additioal aalysis to clarify the ature of the relatioship betwee the three variables. The proposal of the partial idepedece test for data i cotigecy tables is preseted i the paper. The proposal is based o the permutatio test.
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 szczegółowoKorelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12
Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu
Bardziej szczegółowo1. 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 szczegółowoRachunek 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 szczegółowoMetrologia: 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 szczegółowoZASTOSOWANIE METOD SYMULACYJNYCH W ANALIZIE WIELOWYMIAROWYCH TABLIC WIELODZIELCZYCH
Grzegorz Kończak Magdalena Chmielińska Uniwersytet Ekonomiczny w Katowicach ZASTOSOWANIE METOD SYMULACYJNYCH W ANALIZIE WIELOWYMIAROWYCH TABLIC WIELODZIELCZYCH Wprowadzenie W ostatnich latach w badaniach
Bardziej szczegółowoZadanie 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 szczegółowoZeszyty naukowe nr 9
Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę
Bardziej szczegółowoPodstawowe testy statystyczne i analiza zależności zjawisk
Podstawowe testy statystycze i aaliza zależości zjawisk PODSTAWOWE TESTY STATYSTYCZNE Hipotezy statystycze Hipoteza statystycza dowole przypuszczeie dotyczące rozkładu lub jego parametrów Hipoteza parametrycza
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoTestowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15
Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay
Bardziej szczegółowobędą 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 szczegółowoTESTY LOSOWOŚCI. Badanie losowości próby - test serii.
TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla
Bardziej szczegółowo3. 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 szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
Bardziej szczegółowoANALIZA 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 szczegółowoZAGADNIENIE 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 szczegółowoTrzeba 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 szczegółowoµ = Test jest następujący: jeŝeli X > 0.01 to odrzucamy H. 0
7. Testowaie hipotez statystyczych 7. Populacja ma rozkład ciągły opisay fukcją gęstości f ( x) ( + ) x dla x [,]. Testowaa jest hipoteza, Ŝe wobec hipotezy alteratywej, Ŝe. Wioskujemy a podstawie jedoelemetowej
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.
Bardziej szczegółowoStatystyka 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 szczegółowoBADANIA 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 szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowoPODSTAWY 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 szczegółowoĆwiczenia 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 szczegółowo3. 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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowoWYKRYWANIE ZMIAN STRUKTURY KOSZTÓW KONTROLI JAKOŚCI Z WYKORZYSTANIEM TESTÓW PERMUTACYJNYCH
Magdalena Chmielińska Grzegorz Kończak Uniwersytet Ekonomiczny w Katowicach WYKRYWANIE ZMIAN STRUKTURY KOSZTÓW KONTROLI JAKOŚCI Z WYKORZYSTANIEM TESTÓW PERMUTACYJNYCH Wprowadzenie Metody statystycznej
Bardziej szczegółowoSIGMA 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 szczegółowoPrawdopodobieństwo 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 szczegółowoOptymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu
dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu
Bardziej szczegółowoNiezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne
Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoĆwiczenie 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 szczegółowoĆwiczenie: Test chi 2 i miary na nim oparte.
Ćwiczeie: Test chi 2 i miary a im oparte. Zadaie (MS EXCEL) Czy istieje zależość między płcią a paleiem papierosów? 1. W arkuszu Excel utworzyć dwie tabele 2. Uzupełić wartości w tabeli z daymi obserwowaymi
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoWykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2
Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%
Bardziej szczegółowoz przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X
Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie
Bardziej szczegółowoEstymacja 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 szczegółowoH brak zgodności rozkładu z zakładanym
WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Test zgodości H : rozład jest zgody z załadaym 0 : H bra zgodości rozładu z załadaym statystya: p emp i p obszar rytyczy: K ;, i gdzie liczba ategorii p Przyład: Wyoujemy
Bardziej szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowoElementy modelowania matematycznego
Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,
Bardziej szczegółowoEkonometria Mirosław Wójciak
Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła
Bardziej szczegółowoobie z mocy ustawy. owego.
Kwartalik Prawo- o-ekoomia 3/015 Aa Turczak Separacja po faktycza lub prawa obie z mocy ustawy cza, ie ozacza defiitywego owego 1 75 1 61 3 Art 75 88 Kwartalik Prawo- o-ekoomia 3/015 zaspokajaia usp iedostatku
Bardziej szczegółowosą niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X
Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)
Bardziej szczegółowoCharakterystyki 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 szczegółowon n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc
5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X
Bardziej szczegółowooznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:
Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:
Bardziej szczegółowoPrzemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie
MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego
Bardziej szczegółowo16 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 szczegółowoModa (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 szczegółowo1 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 szczegółowoParametryczne Testy Istotności
Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać
Bardziej szczegółowoSTATYSTYKA. 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 szczegółowoKADD Metoda najmniejszych kwadratów
Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)
Bardziej szczegółowoStatystyka powtórzenie (I semestr) Rafał M. Frąk
Statystyka powtórzeie (I semestr) Rafał M. Frąk TEORIA Statystyka Statystyka zajmuje się badaiem procesu zbieraia oraz iterpretacji daych liczbowych lub jakościowych. Przedmiotem statystyki są metody badaia
Bardziej szczegółowoMINIMALIZACJA 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 szczegółowoParametryzacja rozwiązań układu równań
Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie
Bardziej szczegółowoStatystyka 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 szczegółowoModele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej
Bardziej szczegółowoθx 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 szczegółowoSTUDIA METODOLOGICZNE
NR 3 (646) MARZEC 015 CZASOPISMO GŁÓWNEGO URZĘDU STATYSTYCZNEGO I POLSKIEGO TOWARZYSTWA STATYSTYCZNEGO STUDIA METODOLOGICZNE Piotr SULEWSKI Wyzaczaie obszaru krytyczego przy testowaiu iezależości w tablicach
Bardziej szczegółowoO pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii
O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję
Bardziej szczegółowoWykład 11 ( ). Przedziały ufności dla średniej
Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;
Bardziej szczegółowoLista 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(X i X) 2. n 1. X m S
Wykład 8. Przedziały ufości i testowaie hipotez A gdy ie zamy wariacji σ 2? Załóżmy, że X ma rozkład ormaly, ale ie zamy wartości ai m ai σ 2. Jak wtedy szacować wartość średią m? Przypomijmy, że Wtedy
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności
Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi
Bardziej szczegółowoROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO
Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia
Bardziej szczegółowoWYKORZYSTANIE WYKRESÓW CZTEROPOLOWYCH W BADANIACH SPOŁECZNO-EKONOMICZNYCH 1
Agieszka Staimir Uiwersytet Ekoomiczy we Wrocławiu WYKORZYSTANIE WYKRESÓW CZTEROPOLOWYCH W BADANIACH SPOŁECZNO-EKONOMICZNYCH 1 Wprowadzeie W badaiach społeczo-ekoomiczych bardzo często występują zmiee
Bardziej szczegółowoUwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna
3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy
Bardziej szczegółowoD. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)
D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie
Bardziej szczegółowoCOLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871
COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli
Bardziej szczegółowoSTATYSTKA 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 szczegółowo1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.
Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoMiary 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 szczegółowoSprawdzamy, czy błędy są losowo rozrzucone wokół zera i nie obserwujemy wśród nich żadnego trendu.
Weryfikacja założeń modelu Gaussa-Markowa Przypomieie: W modelu Gaussa-Markowa Y = X jedyym losowym elemetem jest wektor. Zakładamy, że jest wektorem iezależych zmieych losowych o jedakowym rozkładzie
Bardziej szczegółowoWprowadzenie do laboratorium 1
Wprowadzeie do laboratorium 1 Etymacja jedorówaiowego modelu popytu a bilety loticze Etapy budowy modelu ekoometryczego Specyfikacja modelu Zebraie daych tatytyczych Etymacja parametrów modelu Weryfikacja
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń
Bardziej szczegółowoPOJĘCIE MIARY ODEJŚCIA OD RÓWNOMIERNOŚCI ORAZ JEJ WPŁYW NA TESTOWANIE NIEZALEŻNOŚCI W TABLICACH DWUDZIELCZYCH ŚREDNICH ROZMIARÓW
METODY ILOŚCIOWE W BDNICH EKONOMICZNYCH Tom XVII/, 016, s. 111 1 POJĘCIE MIRY ODEJŚCI OD RÓWNOMIERNOŚCI ORZ JEJ WPŁYW N TESTOWNIE NIEZLEŻNOŚCI W TBLICCH DWUDZIELCZYCH ŚREDNICH ROZMIRÓW Piotr Sulewski Istytut
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy
Bardziej szczegółowoEstymacja parametrów populacji
Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.
Bardziej szczegółowoMiary 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 szczegółowoma 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 szczegółowoStatystyka 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 szczegółowoStatystyka Wzory I. Analiza struktury
Uiwersytet Ekooiczy w Katowicach Wzory I. Aaliza struktury 1. Miary tedecji cetralej (średie, przecięte Średia arytetycza Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej
Bardziej szczegółowoIdentyfikacja i modelowanie struktur i procesów biologicznych
Idetyfikacja i modelowaie struktur i procesów biologiczych Laboratorium 4: Modele regresyje mgr iż. Urszula Smyczyńska AGH Akademia Góriczo-Huticza Aaliza regresji Aaliza regresji jest bardzo szeroka dziedzią,
Bardziej szczegółowoEstymacja współczynnika dopasowania w klasycznym modelu ryzyka
Ogólopolska Koferecja Naukowa Zagadieia Aktuariale Teoria i praktyka Warszawa, 9- czerwca 008 Estymacja współczyika dopasowaia w klasyczym modelu ryzyka Aa Nikodem Uiwersytet Ekoomiczy we Wrocławiu Klasyczy
Bardziej szczegółowo1 Testy statystyczne. 2 Rodzaje testów
1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli
Bardziej szczegółowoModel ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.
Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The
Bardziej szczegółowod 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