Materiały do wykładu 4 ze Statystyki

Wielkość: px
Rozpocząć pokaz od strony:

Download "Materiały do wykładu 4 ze Statystyki"

Transkrypt

1 Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4. miary kocetracji MIARY ASYMETRII Miary aymetrii charakteryzują rodzaj i topień odtęptwa od ymetrii rozkładu badaej cechy. Miary aymetrii dzielą ię podobie jak poprzedie a miary klaycze i pozycyje. 1. miary klaycze (wpółczyik kośości (A lub A d ), wpółczyik aymetrii (A) ) oraz 2. miary pozycyje (wpółczyik kośości (A Q ) ). Najprotzą miarą aymetrii jet wkaźik kośości (W lub W Q ). Dla miar klayczych jet to różica pomiędzy średią arytmetyczą i modalą. W x M o Dla miar pozycyjych badamy odległości obu kwartyli od mediay. Q ( QIII M e) ( M e QI) QI + QIII M e W

2 Materiały do wykładu 4 ze Statytyki Jeżeli rozkład badaej cechy jet ymetryczy, to średia jet rówa modalej, a wkaźik kośości jet rówy zero. W x M o Rozkłady badaych cech różią ię między obą kierukiem i iłą aymetrii. Jeżeli rozkład badaej cechy ie jet ymetryczy, to mamy do czyieia z aymetrią rozkładu. Mówimy o dwóch rodzajach (kierukach) aymetrii: lewo- i prawotroej. Dla miar klayczych będzie to: aymetria lewotroa gdy W x M o < oraz aymetria prawotroa gdy W x M o > Dla miar pozycyjych będzie to: aymetria lewotroa gdy W Q ( QIII M e) ( M e QI)< oraz aymetria prawotroa gdy W ( Q M ) ( M Q )> III e e I Q. Poiżze ryuki ilutrują rodzaje aymetrii i wzajeme relacje pomiędzy podtawowymi miarami położeia.

3 Materiały do wykładu 4 ze Statytyki Dla porówaia kieruku i iły aymetrii w dwóch lub więcej zbiorowościach toujemy wpółczyiki kośości. x M o A dla miar klayczych QI + QIII M e AQ Q dla miar pozycyjych Do klayczych miar aymetrii ależy rówież wpółczyik aymetrii (A). Uwaga!!! Jet o pracochłoy w liczeiu. A m gdzie: odchyleie tadardowe Liczik powyżzego ułamka (m 3 ) wyliczamy odmieie dla każdego poobu pogrupowaia materiału tatytyczego. I tak: m m m ( x i x) i k ( x x) i k i i ( x& x) i i i - zereg zczegółowy - zereg rozdzielczy puktowy - zereg rozdzielczy przedziałowy

4 Materiały do wykładu 4 ze Statytyki PRZYKŁAD 1 (Przykład 7 z wykładu 3 praca domowa) Płace (tawka godziowa) w firmach A, B i C klaa Stawka [zł/godz.] liczba pracowików ( i ) i x 0i x 1i firma A firma B firma C razem średia wariacja 4,8 4,8 4,8 odchyleie tadardowe 2,19 2,19 2,19 modala 7 5,5 8,5 kwartyl I 5,5 5,14 5,20 kwartyl II (mediaa) 7 6,8 7,2 kwartyl III 8,5 8,8 8,86 odchyleie ćwiartkowe 1,5 1,83 1,83 wkaźik kośości (kla.) 0 1,5-1,5 wkaźik kośości (pozyc.) 0 0,34-0,34 wpółcz. kośości (kla.) 0 0,68-0,68 wpółcz. kośości (pozyc.) 0 0,09-0,09 wpółcz. aymetrii (A) 0 0,23-0,23 (liczik A, tj. m 3 ) 0 2,4-2,4

5 Materiały do wykładu 4 ze Statytyki PRZYKŁAD 1a (przykładowe obliczeia dla firmy C) W W Q x M o QI + QIII M e + A A Q x M o QI + Q III Q M e Obliczaie wpółczyika aymetrii (A) klaa Stawka [zł/godz.] środek klay i x 0i x 1i i obliczaie m 3 we wpółczyiku aymetrii (firma C) x & x x& i x i x & ( ) & ( ) i i x i x razem A m ( )

6 Materiały do wykładu 4 ze Statytyki 0,50 Struktura płac firma A firma B firma C 0,40 czętość 0,30 0,20 0,10 0, Stawka [zł/godz.]

7 Materiały do wykładu 4 ze Statytyki MIARY KONCENTRACJI Trzy dotychcza omówioe grupy miar (tj. miary położeia, rozprozeia i aymetrii) w poób wyczerpujący opiują trukturę badaej zbiorowości. Uzupełieiem tego opiu ą miary kocetracji. Itieje bowiem ściły związek pomiędzy kocetracją a rozprozeiem: im miejze rozprozeie tym więkza kocetracja. I a odwrót. Zjawiko kocetracji może być rozważae jako ierówomiery podział ogólej umy wartości cechy pomiędzy pozczególe jedotki badaej zbiorowości. Do ocey topia kocetracji toujemy dwie metody. 1. Metoda umerycza wyzaczaie odpowiedich wkaźików liczbowych (wpółczyik kupieia iaczej kurtoza, wpółczyik kocetracji Loreza). 2. Metoda graficza wykreślaie i aaliza tzw. krzywej kocetracji Loreza.

8 Materiały do wykładu 4 ze Statytyki Wpółczyik kupieia (kurtoza) Kurtoza (K) ależy do klayczych miar kocetracji. Uwaga!!! Jet oa pracochłoa w liczeiu. K m gdzie: odchyleie tadardowe Liczik powyżzego ułamka (m 4 ) wyliczamy odmieie dla każdego poobu pogrupowaia materiału tatytyczego. I tak: m m m ( x i x) i k ( x x) i k i i ( x& x) i i i - zereg zczegółowy - zereg rozdzielczy puktowy - zereg rozdzielczy przedziałowy Im więkza wartość kurtozy (K), tym więkza kocetracja (diagram wyżzy i muklejzy). Zjawika połecze, gopodarcze, przyrodicze... ą ajczęściej opiywae tzw. rozkładem ormalym (przykłady diagramów takiego rozkładu pokazao w wykładzie 3 a troach 3 i 4). Kurtoza w rozkładzie ormalym jet zawze rówa trzy (K3). W praktyce policzoą kurtozę porówujemy z kurtozą rozkładu ormalego. I tak jeżeli: K>3 - rozkład badaej cechy jet wyżzy i muklejzy od rozkładu ormalego K<3 - odwrotie; iżzy i bardziej rozłożyty

9 Materiały do wykładu 4 ze Statytyki PRZYKŁAD 2 (dae z przykładu 1 firma A; w domu policz dla pozotałych firm) Płace (tawka godziowa) w firmie A Stawka środek klaa obliczaie m [zł/godz.] klay 4 w kurtozie (firma A) i x 0i x 1i x& i i x i x x& i x x & ) i x i razem & ( ) K m ( ) WNIOSEK K<3 - kocetracja wokół średiej tawki godziowej w firmie A jet miejza iż w przypadku rozkładu ormalego (diagram jet iżzy i bardziej rozłożyty iż w rozkładzie ormalym); rozprozeie jet więkze iż w rozkładzie ormalym.

10 Materiały do wykładu 4 ze Statytyki Krzywa kocetracji Loreza Dae pogrupowae ą w zereg rozdzielczy przedziałowy. Krzywą kocetracji Loreza ryujemy wykorzytując: kumulowaą czętość dla liczebości (w i k ) oraz kumulowaą czętość dla wartości cechy (z i k ); wartość cechy obliczamy w każdej klaie jako iloczy i z i (tak jak przy liczeiu średiej) Obie czętości wyrażamy w %. Kwadrat w którym ryujemy krzywą Loreza ma powierzchię 100x Krzywą Loreza otrzymujemy aoząc a powyżzym wykreie dla każdej klay pukt o wpółrzędych (w i k,z i k ). Natępie łączymy te pukty odcikami. Pukt (w k,z k) łączymy dodatkowo z puktem (0, 0). Im więkza jet powierzchia pola (a), tym więkza jet kocetracja w badaym zjawiku.

11 Materiały do wykładu 4 ze Statytyki Wpółczyik kocetracji Loreza Aby liczbowo wyrazić wielkość kocetracji wyliczamy tzw. wpółczyik kocetracji Loreza (KL). Jet o rówy toukowi pola (a) do pola powierzchi połowy kwadratu (5000): a KL Poieważ łatwiej jet policzyć pole (b), to pole (a) wyzaczamy z różicy a5000-b. Pole (b) jet umą pól trapezów protokątych (dla pierwzej klay jet to trójkąt protokąty). Otateczy wzór a wpółczyik kocetracji Loreza (KL) ma potać: KL b KL 1 ozacza ilą kocetrację KL 0 ozacza łabą kocetrację b

12 Materiały do wykładu 4 ze Statytyki PRZYKŁAD 3 (Miata i ludość w miatach ta a ) Grupy miat wg liczby ludości (w ty.) Liczba miat Ludość w miatach (w ty.) x i i x i i poiżej i więcej razem Średie miato x ty. miezkańców. Grupy miat wg liczby ludości (w ty.) odetek miat (%) odetek ludości w miatach (%) x i w i z i poiżej 5 30,3 3, ,1 5, ,3 10, ,3 17, ,0 14, ,6 12,0 200 i więcej 2,4 37,0 razem 100,0 100,0

13 Materiały do wykładu 4 ze Statytyki Grupy miat wg liczby ludości (w ty.) kumuloway odetek miat (%) kumuloway odetek ludości w miatach (%) x i w i k z i k poiżej 5 30,3 3, ,4 8, ,7 19, ,0 36, ,0 51, ,6 63,0 200 i więcej 100,0 100,0 razem

14 Materiały do wykładu 4 ze Statytyki Na zakończeie policzymy wpółczyik kocetracji Loreza. Grupy miat wg liczby ludości (w ty.) odetek miat (%) kumuloway odetek ludości w miatach (%) x i w i z i k obliczaie pola (b) uma pól trójkąta i trapezów w i ( z + z ) i k i k rodzaj figury poiżej 5 30,3 3,3 50,0 trójkąt ,1 8,5 124,5 trapez ,3 19,2 295,0 trapez ,3 36,7 455,6 trapez ,0 51,0 263,1 trapez ,6 63,0 148,2 trapez 200 i więcej 2,4 100,0 195,6 trapez razem 100,0 1532,0 Pole (b) wyoi 1532,0. Wpółczyik kocetracji Loreza wyoi: KL b WNIOSEK: W grudiu 1992 ludość Polki zamiezkująca miata miała tedecję do kocetrowaia ię w miatach o średiej wielkości 28,4 ty. miezkańców. Potwierdzają to: duża wartość wpółczyika kocetracji KL oraz wyraźy brzuch krzywej kocetracji Loreza.

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) MIARY ASYMETRII

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) MIARY ASYMETRII [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.). iary połoŝeia - wykład 2 2. iary zieości (dyperji, rozprozeia) - wykład. iary ayetrii (kośości). iary kocetracji MIARY ASYMETRII Miary ayetrii

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1, 1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =

Bardziej szczegółowo

1 Dwuwymiarowa zmienna losowa

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Histogram: Dystrybuanta:

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

Bardziej szczegółowo

Statystyczny opis danych - parametry

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

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM 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 szczegółowo

Porównanie dwu populacji

Porównanie dwu populacji Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :

Bardziej szczegółowo

Wykład 4 Soczewki. Przyrządy optyczne

Wykład 4 Soczewki. Przyrządy optyczne Wykład 4 Soczewki. Przyrządy optycze Soczewka cieka - rówaie zlifierzy oczewek Rozważyy teraz dwie powierzchi ferycze oddzielające ośrodki o wpółczyikach załaaia kolejo i odległych od iebie o d. Niech

Bardziej szczegółowo

Wybrane litery alfabetu greckiego

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

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

Bardziej szczegółowo

Xi B ni B

Xi B ni B Zadania ze statystyki cz.2 I rok Socjologii lic. Zadanie 1 Ustal dla danych zawartych w tabelach poniżej, prezentujących rozkład liczebności (ni) różnej wielkości gospodarstw domowych w dwóch populacjach,

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

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

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

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

Bardziej szczegółowo

Wprowadzenie do laboratorium 1

Wprowadzenie 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 szczegółowo

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

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

Bardziej szczegółowo

-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak

-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

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

Bardziej szczegółowo

Statystyczna analiza danych

Statystyczna analiza danych Statytyka. v.0.9 egz mgr inf nietacj Statytyczna analiza danych Statytyka opiowa Szereg zczegółowy proty monotoniczny ciąg danych i ) n uzykanych np. w trakcie pomiaru lub za pomocą ankiety. Przykłady

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii

Wskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii Miary asymetrii Miary asymetrii (skośności) określają kierunek rozkładu cech zmiennych w zbiorowości (rozkład może być symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopień odchylenia

Bardziej szczegółowo

Statystyka powtórzenie (I semestr) Rafał M. Frąk

Statystyka 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 szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Próba własności i parametry

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu Wykład r 2 Statystyka opisowa część 2 Pla wykładu 1. Uwagi wstępe 2. Miary tedecji cetralej 2.1. Wartości średie 2.2. Miary pozycyje 2.3. Domiata 3. Miary rozproszeia 4. Miary asymetrii 5. Miary kocetracji

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

Wykład 5. Opis struktury zbiorowości. 1. Miary asymetrii.

Wykład 5. Opis struktury zbiorowości. 1. Miary asymetrii. Wykład 5. Opis struktury zbiorowości 1. Miary asymetrii. 2. Miary koncentracji. Przykład Zbadano stawkę godzinową (w zł) pracowników dwóch branŝ, otrzymując następujące charakterysty ki liczbowe: Stawka

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład 25 Soczewki. Przyrządy optyczne

Wykład 25 Soczewki. Przyrządy optyczne Wykład 5 Soczewki. Przyrządy optycze Soczewka cieka - rówaie oczewek Rozważyy teraz dwie powierzchi erycze oddzielające ośrodki o wpółczyikach załaaia kolejo i odległych od iebie o d. Niech proień krzywizy

Bardziej szczegółowo

Projekt ze statystyki

Projekt ze statystyki Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu Przykład 10.5. Obliczeie wskaźika plastyczości przy skręcaiu Obliczyć wskaźiki plastyczości przy skręcaiu dla astępujących przekrojów: a) -kąta foremego b) przekroju złożoego 6a 16a 9a c) przekroju ciekościeego

Bardziej szczegółowo

Miary koncentracji STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018

Miary koncentracji STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018 STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie koncentracji może być stosowane w dwóch różnych znaczeniach: 1) koncentracja jako skupienie poszczególnych wartości

Bardziej szczegółowo

Statystyka opisowa - dodatek

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

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

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

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe 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 szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

Podstawowe pojęcia. Próba losowa. Badanie próby losowej METODY PROBABILISTYCZNE I STATYSTYKA WYKŁAD 8: STATYSTYKA OPISOWA. ROZKŁADY PRAWDOPODOBIEŃSTWA WYSTĘPUJĄCE W STATYSTYCE. Małgorzata Krętowska Wydział Iforatyki Politechika Białostocka Podstawowe pojęcia

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

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

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

Bardziej szczegółowo

W1. Wprowadzenie. Statystyka opisowa

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

Bardziej szczegółowo

Parametryczne Testy Istotności

Parametryczne 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 szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA 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 szczegółowo

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

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

Bardziej szczegółowo

MATEMATYKA Przed próbną maturą. Sprawdzian 3. (poziom podstawowy) Rozwiązania zadań

MATEMATYKA Przed próbną maturą. Sprawdzian 3. (poziom podstawowy) Rozwiązania zadań MTEMTYK Przed próbną maturą. Sprawdzian 3. (poziom podtawowy) Rozwiązania zadań Zadanie 1. (1 pkt) III.1.5. Uczeń oblicza wartości niekomplikowanych wyrażeń arytmetycznych zawierających ułamki zwykłe i

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

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

Bardziej szczegółowo

Rozkład materiału nauczania z matematyki dla klasy V

Rozkład materiału nauczania z matematyki dla klasy V Rozkład materiału nauczania z matematyki dla klasy V Lp. Temat lekcji uwagi D Lekcja organizacyjna. Zapoznanie uczniów z programem nauczania oraz systemem oceniania. LICZBY NATURALNE 1-22 1. Liczba, a

Bardziej szczegółowo

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji

Bardziej szczegółowo

Statystyka. Opisowa analiza zjawisk masowych

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

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

Estymacja przedziałowa

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

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

Analiza zróżnicowania, asymetrii i koncentracji

Analiza zróżnicowania, asymetrii i koncentracji Analiza zróżnicowania, asymetrii i koncentracji Miary zróżnicowania Miary średnie, chociaż reprezentują wszystkie jednostki badanej zbiorowości, nie dają wyczerpującej charakterystyki szeregu statystycznego,

Bardziej szczegółowo

Statystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26

Statystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26 Statystyka Wykład 5 Magdalena Alama-Bućko 20 marca 2017 Magdalena Alama-Bućko Statystyka 20 marca 2017 1 / 26 Koncentracja Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy 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 szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki. Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku.

Zakład Ubezpieczeń Społecznych Departament Statystyki. Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku. Zakład Ubezpieczeń Społecznych Departament Statystyki Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku. Warszawa 2010 I. Badana populacja. W marcu 2010 r. emerytury

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

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

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

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57),

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Uiv. Techol. Steti. 009, Oecoomica 75 (57), 3 36 Leoid WOROBJOW, Krzyztof WISIŃSKI, Alekadra PANFIORAVA STOSOWANIE METOD ESTYMACJI PRZEDZIAŁOWEJ

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.20 2011 Zawartość Zawartość 1. Tworzenie szeregu rozdzielczego przedziałowego (klasowego)... 3 2. Podstawowy opis struktury... 3 3. Opis rozkładu jednej cechy szereg

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

Parametry statystyczne

Parametry statystyczne I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n

Bardziej szczegółowo

N(µ, σ) rozklad normalny µ srednia σ odchylenie standardowe

N(µ, σ) rozklad normalny µ srednia σ odchylenie standardowe y Chapter 1 Statystyka Opisowa Regula trzech sigm [µ 3σ, µ 3σ] N(µ, σ) rozklad ormaly µ sredia σ odchyleie stadardowe µ 3σ, µ 2σ, µ σ, µ µ + σ, µ + 2σ, µ + 3σ x 99.7% obserwacji zdarze losowych alezy do

Bardziej szczegółowo

POJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.

POJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. [1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

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

Bardziej szczegółowo

ROZKŁAD MATERIAŁU Z MATEMATYKI DLA KLASY IV SP NA PODSTAWIE PROGRAMU DKW /99 Liczę z Pitagorasem

ROZKŁAD MATERIAŁU Z MATEMATYKI DLA KLASY IV SP NA PODSTAWIE PROGRAMU DKW /99 Liczę z Pitagorasem ROZKŁAD MATERIAŁU Z MATEMATYKI DLA KLASY IV SP NA PODSTAWIE PROGRAMU DKW 4014 180/99 Liczę z Pitagorasem Lp. Dział programu Tematyka jednostki metodycznej Uwagi 1 2 3 4 Lekcja organizacyjna I Działania

Bardziej szczegółowo

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci Rozkłady tatytyk z próby Metody probabilitycze i tatytyka Wykład : Rozkłady tatytyk z próby. rzedziały ufoci Małgorzata Krtowka Wydział Iformatyki olitechika Białotocka e-mail: mmac@ii.pb.bialytok.pl troa

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g.

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g. Zadaia przykładowe z rozwiązaiami Zadaie Dokoao pomiaru masy ciała 8 szczurów laboratoryjych. Uzyskao astępujące wyiki w gramach: 70, 80, 60, 90, 0, 00, 85, 95. Wyzaczyć przeciętą masę ciała wśród zbadaych

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele 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 szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka Opisowa. w2: podstawowe miary. Jerzy Stefanowski Instytut Informatyki Politechnika Poznańska. Poznań, 2015/16 aktualizacja 2017

Statystyka Opisowa. w2: podstawowe miary. Jerzy Stefanowski Instytut Informatyki Politechnika Poznańska. Poznań, 2015/16 aktualizacja 2017 Statystyka Opisowa w2: podstawowe miary Jerzy Stefaowski Istytut Iformatyki Politechika Pozańska Pozań, 205/6 aktualizacja 207 STATYSTYKA OPISOWA Techiki wstępej aalizy daych i ich prezetacji: gromadzeie,

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Statystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40

Statystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40 Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy

Bardziej szczegółowo

Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34

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

Bardziej szczegółowo

Internetowe Kółko Matematyczne 2004/2005

Internetowe Kółko Matematyczne 2004/2005 Iteretowe Kółko Matematycze 2004/2005 http://www.mat.ui.toru.pl/~kolka/ Zadaia dla szkoły średiej Zestaw I (20 IX) Zadaie 1. Daa jest liczba całkowita dodatia. Co jest większe:! czy 2 2? Zadaie 2. Udowodij,

Bardziej szczegółowo

Biostatystyka, # 1 /Weterynaria I/

Biostatystyka, # 1 /Weterynaria I/ Biostatystyka, # 1 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Lista działów i tematów

Lista działów i tematów Lista działów i tematów Szkoła podstawowa. Klasa 4 Liczby i działania Rachunki pamięciowe dodawanie i odejmowanie O ile więcej, o ile mniej Rachunki pamięciowe mnożenie i dzielenie Ile razy więcej, ile

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Rozkład łatwości zadań

Rozkład łatwości zadań Klasa 1a średnia klasy: 14.60 pkt średnia szkoły: 10.88 pkt średnia ogólnopolska: 10.95 pkt Rozkład łatwości zadań 1 0.9 0.8 0.7 0.6 łatwość 0.5 0.4 0.3 0.2 0.1 0 1 2 3 4 5 6 7 8a 8b 8c 8d 9 10 11 12 13

Bardziej szczegółowo

STATYSTYKA. Seminarium Chemia Analityczna. Dr hab. inż. Piotr Konieczka.

STATYSTYKA. Seminarium Chemia Analityczna. Dr hab. inż. Piotr Konieczka. 00--5 STATYSTYKA Semiarium Chemia Aalitycza Dr hab. iż. Piotr Koieczka e-mail: piotr.koieczka@pg.gda.pl Dokładość (accuracy) topień zgodości uzykaego wyiku pojedyczego pomiaru z wartością oczekiwaą (rzeczywitą).

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

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

Bardziej szczegółowo

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy

Bardziej szczegółowo

Wykład 2. Statystyka opisowa - Miary rozkładu: Miary położenia

Wykład 2. Statystyka opisowa - Miary rozkładu: Miary położenia Wykład 2 Statystyka opisowa - Miary rozkładu: Miary położenia Podział miar Miary położenia (measures of location): 1. Miary tendencji centralnej (measures of central tendency, averages): Średnia arytmetyczna

Bardziej szczegółowo

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

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

Bardziej szczegółowo