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

Wielkość: px
Rozpocząć pokaz od strony:

Download "STATYSTYKA. Seminarium Chemia Analityczna. Dr inż. Piotr Konieczka."

Transkrypt

1 STATYSTYKA Semiarium Chemia Aalitycza Dr iż. Piotr Koieczka

2 Zaczijmy od defiicji Dokładość (accuracy) topień zgodości uzykaego wyiku pojedyczego pomiaru z wartością oczekiwaą (rzeczywitą). Poprawość (prawdziwość) (truee) topień zgodości wyiku ozaczeia (obliczoego a podtawie erii pomiarów) z wartością oczekiwaą. Precyzja (preciio) topień zgodości między iezależymi wyikami uzykaymi w trakcie aalizy daej próbki z zatoowaiem daej procedury aalityczej.

3 Powtarzalość (repeatability) precyzja wyików uzykaych w tych amych warukach pomiarowych (dae laboratorium, aalityk, itrumet pomiarowy, odczyiki). Precyzja pośredia (itermediate preciio) długotermiowe odchyleie proceu pomiarowego, do którego wyzaczeia wykorzytuje ię odchyleie tadardowe erii pomiarów uzykaych w daym laboratorium w kilkutygodiowym okreie czau. Precyzja pośredia jet pojęciem zerzym od powtarzalości. Odtwarzalość (reproducibility) precyzja wyików uzykaych w różych laboratoriach z zatoowaiem daej procedury aalityczej. 3

4 µ µ ZWIĘKSZENIE DOKŁADNOŚCI µ µ ZWIĘKSZENIE PRECYZJI 4 ZWIĘKSZENIE POPRAWNOŚCI/ PRAWDZIWOŚCI

5 Powtarzalość - wyzaczaa a podtawie wartości obliczoego odchyleia tadardowego erii pomiarów przeprowadzoych: w daym laboratorium, przez daego aalityka, z wykorzytaiem daego urządzeia pomiarowego, w krótkim okreie czau. 5

6 Precyzja pośredia jet pojęciem zerzym od powtarzalości, gdyż a jej wartość wpływ mają: czyiki oobowe różi aalitycy wykoujący ozaczeia jak i ietabilość pracy daego aalityka w ciągu całego okreu czau, czyiki aparaturowe ze względu a to, że pomiary mogą być przeprowadzoe z wykorzytaiem: różych itrumetów z daego laboratorium, roztworów wzorcowych i odczyików pochodzących od różych producetów, lub też różych zarż produkcyjych, różych akceoriów p. różych kolum GC, o tej amych charakterytyce, lecz pochodzących od różych producetów, bądź też różych zarż produkcyjych. 6

7 Tabela Waruki prowadzeia pomiarów aalityczych jakie muzą być zachowae w trakcie wyzaczaia powtarzalości, precyzji pośrediej i odtwarzalości Waruek Powtarzalość Precyzja pośredia Odtwarzalość Aparatura S Z Z Partia akceoriów S Z Z Aalityk S Z Z Skład matrycy Z Z Z Stężeie Z Z Z Partia odczyików S Z Z Waruki laboratoryje (temperatura wilgotość) S Z Z Laboratorium S S Z S koieczość zachowaia tałości parametru Z możliwość zmiay daego parametru 7

8 Rozrzut wyików Błędy przypadkowe: wytępują zawze, ą zazwyczaj małe i powodują, że wyik iezaczie różi ię od wartości rzeczywitej, przyczya powtawaia - zepół czyików przypadkowych, wielkość błędu - zmiea loowa, zmiejzaie wielkości błędu przez zwiękzaie liczby pomiarów, ie moża ich wyelimiować toując poprawki, rozkład Gaua - opi rozkładu błędów przypadkowych. 8

9 Miarą powtarzalości, precyzji pośrediej i odtwarzalości może być wartość odchyleia tadardowego, względego odchyleia tadardowego lub tzw. wpółczyika zmieości. Odchyleie tadardowe jet defiiowae jako miara rozprozeia uzykaych pozczególych wartości ozaczeń wokół wartości średiej i opiywae jet przez poiżzą zależość: gdzie: = i = ( x x ) x i wartość pojedyczego wyiku ozaczeia, x śr średia arytmetycza z uzykaych wyików, liczba uzykaych wyików, i śr 9

10 Odchyleie tadardowe jet rówe zeru wtedy i tylko wtedy, gdy wzytkie wyiki ą idetycze. W każdym iym przypadku wielkość ta jet dodatia. Zatem im więkze rozprozeie wyików, tym wartość jet więkza. Właściwości odchyleia tadardowego: jeżeli do każdej wartości wyiku pomiaru dodamy (lub od iej odejmiemy) tałą wartość to wartość odchyleia tadardowego ie zmiei ię, jeżeli każdą wartość wyiku pomiaru pomożymy lub podzielimy przez dowolą tałą to wartość odchyleia tadardowego zotaie także pomożoa lub podzieloa przez tę tałą, odchyleie tadardowe jet zawze liczbą miaowaą, przy czym miao jego jet wyrażoe w takich amych jedotkach jak miao wartości wyików w próbce. 0

11 Odchyleie tadardowe: a. dla zaej wartości rzeczywitej µ x i = = ( x μ ) i x b. dla iezaej wartości rzeczywitej (ozacowaie x śr ) = i = ( x x ) i śr

12 c. względe odchyleie tadardowe ( RSD) = R x śr d. wpółczyik zmieości CV = RSD 00%

13 e. odchyleie tadardowe średiej arytmetyczej g = = f. odchyleie tadardowe metody (ogóle) gdzie: k k i = - ogóla liczba ozaczeń, k - liczba erii, i ( ) dla rówoliczych erii wzór uprazcza ię do potaci: i k = g i k i = 3

14 μ μ p.: wykoaie daą procedurą pomiarową (tałe odchyleie tadardowe) aaliz dla próbek o różej zawartości aalitu, μ = μ p.: wykoaie aaliz dla tej amej próbki (taka ama wartość oczekiwaa) dwiema iezależymi procedurami (róże wartości odchyleń tadardowych), 4

15 tet F-Sedecora Spoób potępowaia: obliczyć wartości odchyleń tadardowych dla erii wyików uzykaych obydwiema procedurami ( i ), obliczyć wartość parametru tetu F-Sedecora wg wzoru: F = F > zawze!!! 5

16 tet F-Sedecora z tabeli rozkładu tetu F-Sedecora wyzukać wartość parametru F kr dla przyjętego poziomu itotości - α (ajczęściej α = 0,05) oraz wyliczoych liczb topi wobody f i f (gdzie f = - i f = - a i to liczba wyików uzykaych z zatoowaiem obydwu procedury), porówać wartość F z wartością F kr, 6

17 Przykład Ozaczao zawartość HCl z zatoowaiem dwóch techik aalityczych: kulometryczej i koduktometryczej. Sprawdzić, czy obliczoe wartości odchyleń tadardowych dla uzykaych tymi procedurami erii pomiarowych różią ię między obą w poób tatytyczie itoty. Uzykae wyiki [mol/dm 3 ]: tet F-Sedecora kulometria koduktometria 0,0095 0,003 0,0098 0,00 0,0097 0,0 0,0093 0,008 0,0097 0,006 0,0096 0,004 0,0099 0,009 7

18 tet F-Sedecora F = dla = F = Obliczoe wartości: kulometria koduktometria = 7 =7 = 0,0000 mol/dm 3 = 0,0003 mol/dm 3 F = =,56 8

19 Tet F-Sedecora wartości krytycze f f 9,00 99,0 9,6 99,7 9,5 99,5 9,30 99,30 9,33 99,33 9,36 99,34 9,37 99,36 9,38 99,38 9,39 99,40 9,40 99,4 3 9,55 30,8 9,8 9,46 9, 8,7 9,0 8,4 8,94 7,9 8,88 7,67 8,84 7,49 8,8 7,34 8,78 7,3 8,76 7,3 4 6,94 8,00 6,59 6,69 6,39 5,98 6,6 5,5 6,6 5, 6,09 4,98 6,04 4,80 6,00 4,66 5,96 4,54 5,93 4,45 5 5,79 3,7 5,4,06 5,9,39 5,05 0,97 4,95 0,67 4,88 0,45 4,8 0,7 4,78 0,5 4,74 0,05 4,70 9,96 6 5,4 0,9 4,76 9,78 4,53 9,5 4,39 8,57 4,8 8,47 4, 8,6 4,5 8,0 4,0 7,98 4,06 7,87 4,03 7,79 7 4,74 9,55 4,35 8,45 4, 7,85 3,97 7,46 3,87 7,9 3,79 7,00 3,73 6,84 3,68 6,7 3,63 6,6 3,60 6,54 8 4,46 8,65 4,07 7,59 3,84 7,0 3,69 6,63 3,58 6,37 3,50 6,9 3,44 6,03 3,39 5,9 3,34 5,8 3,3 5,74 9 4,6 8,0 3,86 6,99 3,63 6,4 3,48 6,06 3,37 5,80 3,9 5,6 3,3 5,47 3,8 5,35 3,3 5,6 3,0 5,8 0 4,0 3,7 3,48 3,33 3, 3,4 3,07 3,0,97,94 7,56 3,98 7,0 6,55 3,59 6, 5,99 3,36 5,67 5,64 3,0 5,3 5,39 3,09 5,07 5, 3,0 4,88 5,06,95 4,74 4,95,90 4,63 4,85,86 4,54 4,78,8 4,46 tet F-Sedecora α = 0,05 α = 0,0 Z tablicy rozkładu F-Sedecora odczytao wartość F kr dla daego poziomu itotości i odpowiedich liczb topi wobody. F kr (α=0,05; f =f =6)= F =,56 4,8 Poieważ F < F kr zatem wyika tąd wioek, że uzykae wartości odchyleń tadardowych ie różią ię między obą w poób tatytyczie itoty (porówywae procedury ie różią ię pod względem precyzji). 9

20 Δx yt Δx śr x x 3 x x 5 x 6 μ x x śr x4 x j Δx Δx yt Δx i Δx śr δx j δx j -błąd ytematyczy procedury aalityczej, -błąd przypadkowy pojedyczego wyiku, -błąd przypadkowy średiej arytmetyczej, -błąd gruby, 0

21 Dokładość i miary iedokładości. dokładość wyiku pojedyczego ozaczeia (DOKŁADNOŚĆ): ε = x μ = Δx + Δx + δx x i. dokładość wyiku aalizy (POPRAWNOŚĆ/PRAWDZIWOŚĆ): i x yt i i ε x śr = x μ śr x = Δx yt + Δx śr 3. dokładość procedury aalityczej: ε = E ( x ) μ x met met x = Δx yt

22 BŁĄD GRUBY wyik jedorazowego wpływu przyczyy działającej przejściowo, wytępuje przy iektórych pomiarach, przyczyy to p.: pomyłka przy odczycie wkazań przyrządu pomiarowego, pomyłka w obliczeiach, zmiea loowa - jedak o iezaym rozkładzie i iezaej wartości oczekiwaej, ajłatwiejzy do wykrycia i uuięcia, bywa zarówo dodati jak i ujemy (iaczej iż w przypadku błędu ytematyczego),

23 tet Q-Dixoa Spoób potępowaia uzeregować wyiki w ciąg iemalejący, obliczyć wartość roztępu R zgodie ze wzorem: R = x x obliczyć parametry Q i Q wg wzorów: Q = x x R Q = x x R porówać otrzymae wartości z wartością krytyczą Q kr, jeśli, któryś z obliczoych parametrów przekracza wartość krytyczą Q kr to wyik a podtawie, którego zotał obliczoy (x lub x ) ależy odrzucić jako obarczoy błędem grubym i policzyć poowie wartości x śr i, Stoując tet Q-Dixoa moża z daej erii odrzucić tylko jede wyik obarczoy błędem grubym 3

24 Przykład Wyiki ozaczeń zawartości joów miedzi (Cu + ) w próbce ścieków [mg/dm 3 ]: 0,875 0,863 0,876 0,868 0,77 0,88 0,878 0,869 0,866 Wyiki uzeregowae w ciąg iemalejący: 0,77 0,863 0,866 0,868 0,869 0,875 0,876 0,878 0,88 obliczoe parametry: R = 0,88-0,77=0,0 Q = (0,863-0,77)/R = 0,836 Q = (0,88-0,878)/R = 0,07 4

25 Tet Q-Dixoa wartości krytycze α 0,0 0,05 0,0 f 3 0,886 0,94 0, ,679 0,765 0, ,557 0,64 0, ,48 0,560 0, ,434 0,507 0, ,399 0,468 0, ,370 0,437 0, ,349 0,4 0,57 Z tablic rozkładu Q-Dixoa odczytao wartość krytyczą parametru Q kr Q kr (α =0,05; f =9) = 0,437 Q = 0,836 Q = 0,07 Poieważ Q > Q kr wyik ajmiejzy w erii ależy z iej odrzucić jako obarczoy błędem grubym. 5

26 BŁĄD SYSTEMATYCZNY błąd ytematyczy tały - wartość ie zależy od poziomu zawartości aalitu a, błąd ytematyczy zmiey - wartość błędu zależy (liiowo) od poziomu zawartości aalitu - b µ x Δx yt = a + b µ x x śr =µ x + Δx yt = µ x + a + b µ x = a +(+b) µ x 6

27 Porówaie dokładości dwóch procedur (wartości średich) Jeżeli porówywae procedury ie różią ię w poób tatytyczie itoty pod względem precyzji (toujemy w tym celu tet F- Sedecora) ich dokładość porówujemy toując tet t-studeta. Spoób potępowaia: obliczyć wartości średie i wartości odchyleń tadardowych dla erii wyików uzykaych porówywaymi procedurami, obliczyć wartość parametru t wg wzoru: t = ( ) + ( ) x x ( + ) śr śr + 7

28 W przypadku, gdy liczebości erii pomiarów dla obu procedur ą jedakowe powyżzy wzór uprazcza ię do potaci: t = x śr x + śr porówać wartość obliczoego parametru t z wartością krytyczą t kr z tablic rozkładu t-studeta dla przyjętego poziomu itotości α oraz liczby topi wobody f= + -, 8

29 Przykład Ozaczao zawartość HCl dwiema techikami: kulometryczą i koduktometryczą. Porówać precyzję i dokładość obydwu procedur. Uzykae wyiki [mol/dm 3 ]: kulometria koduktometria 0,0095 0,003 0,0098 0,00 0,0097 0,0 0,0093 0,008 0,0097 0,006 0,0096 0,004 0,0099 0,009 9

30 Obliczoe wartości: kulometria koduktometria = 7 =7 x śr = 0,0096 mol/dm 3 x śr = 0,007 mol/dm 3 = 0,0000 mol/dm 3 = 0,0003 mol/dm 3 Porówaie precyzji - tet F-Sedecora, x śr, x śr F = =,56 30

31 Tet F-Sedecora wartości krytycze f f 9,00 99,0 9,6 99,7 9,5 99,5 9,30 99,30 9,33 99,33 9,36 99,34 9,37 99,36 9,38 99,38 9,39 99,40 9,40 99,4 3 9,55 30,8 9,8 9,46 9, 8,7 9,0 8,4 8,94 7,9 8,88 7,67 8,84 7,49 8,8 7,34 8,78 7,3 8,76 7,3 4 6,94 8,00 6,59 6,69 6,39 5,98 6,6 5,5 6,6 5, 6,09 4,98 6,04 4,80 6,00 4,66 5,96 4,54 5,93 4,45 5 5,79 3,7 5,4,06 5,9,39 5,05 0,97 4,95 0,67 4,88 0,45 4,8 0,7 4,78 0,5 4,74 0,05 4,70 9,96 6 5,4 0,9 4,76 9,78 4,53 9,5 4,39 8,57 4,8 8,47 4, 8,6 4,5 8,0 4,0 7,98 4,06 7,87 4,03 7,79 7 4,74 9,55 4,35 8,45 4, 7,85 3,97 7,46 3,87 7,9 3,79 7,00 3,73 6,84 3,68 6,7 3,63 6,6 3,60 6,54 8 4,46 8,65 4,07 7,59 3,84 7,0 3,69 6,63 3,58 6,37 3,50 6,9 3,44 6,03 3,39 5,9 3,34 5,8 3,3 5,74 9 4,6 8,0 3,86 6,99 3,63 6,4 3,48 6,06 3,37 5,80 3,9 5,6 3,3 5,47 3,8 5,35 3,3 5,6 3,0 5,8 0 4,0 3,7 3,48 3,33 3, 3,4 3,07 3,0,97,94 7,56 3,98 7,0 6,55 3,59 6, 5,99 3,36 5,67 5,64 3,0 5,3 5,39 3,09 5,07 5, 3,0 4,88 5,06,95 4,74 4,95,90 4,63 4,85,86 4,54 4,78,8 4,46 Z tablicy rozkładu F-Sedecora odczytao wartość F kr dla daego poziomu itotości i odpowiedich liczb topi wobody. F kr (α=0,05; f =f =6)= 4,8 F =,56 Poieważ F < F kr zatem wyika tąd wioek, że porówywae procedury ie różią ię między obą, w poób tatytyczie itoty, pod względem precyzji. 3

32 Porówaie (POPRAWNOŚCI) dokładości - tet t-studeta poieważ liczebości erii pomiarów dla obu procedur ą jedakowe parametr t obliczoo w oparciu o poiżzy wzór: t = x śr obliczoa wartość: x śr t = 7,7 Z tablicy rozkładów wartości krytyczych tetu t-studeta zajdujemy wartość: + t kr (α =0,05; f = f + f = ) =,79 Poieważ t > t kr zatem wyika tąd wioek, że porówywae procedury różią ię pod względem dokładości (POPRAWNOŚCI). Tet t-studeta wartości krytycze f α 0,05 0,0,706 63,567 4,303 9,95 3 3,8 5,84 4,776 4,604 5,57 4,03 6,447 3,707 7,365 3,499 8,306 3,355 9,6 3,50 0,8 3,69,0 3,06,79 3,055 3,60 3,0 4,49,977 5,3,947 6,0,9 7,0,898 8,0,878 9,093,86 0,086,845 3

33 Jeżeli porówywae procedury różią ię w poób tatytyczie itoty pod względem precyzji (toujemy w tym celu tet F- Sedecora) ich dokładość (POPRAWNOŚĆ) porówujemy toując przybliżoy tet C-Cochraa i Coxa -erie mało licze lub tet Api i Welcha. tet C- Cochraa i Coxa Spoób potępowaia: obliczyć wartości średie i wartości odchyleń tadardowych dla erii wyików uzykaych porówywaymi procedurami, obliczyć wartość parametru C wg wzoru: C = x śr z x + z śr gdzie: z = z = 33

34 obliczyć wartość krytyczą parametru C kr wg wzoru: gdzie: z t + z C kr = z + z t i t wartości krytycze odczytae z tabeli rozkładu t-studeta odpowiedio dla f = - i f = - topi wobody oraz poziomu itotości α, t porówać wartość krytyczą parametru C kr z wartością obliczoą C, 34

35 Przykład Przeprowadzoo aalizę zawartości wody w herbacie (uchej oczywiście) przez dwa laboratoria. Sprawdzić czy wyiki uzykae przez te laboratoria różią ię pod względem dokładości (POPRAWNOŚCI). Uzykae wyiki: Laboratorium. Laboratorium. = 0,036 g/kg x śr =,35 g/kg = 8 = 8 Porówaie precyzji - tet F-Sedecora = 0,08 g/kg x śr =,4 g/kg, x śr F = = 4,00, x śr 35

36 Tet F-Sedecora wartości krytycze f f 9,00 99,0 9,6 99,7 9,5 99,5 9,30 99,30 9,33 99,33 9,36 99,34 9,37 99,36 9,38 99,38 9,39 99,40 9,40 99,4 3 9,55 30,8 9,8 9,46 9, 8,7 9,0 8,4 8,94 7,9 8,88 7,67 8,84 7,49 8,8 7,34 8,78 7,3 8,76 7,3 4 6,94 8,00 6,59 6,69 6,39 5,98 6,6 5,5 6,6 5, 6,09 4,98 6,04 4,80 6,00 4,66 5,96 4,54 5,93 4,45 5 5,79 3,7 5,4,06 5,9,39 5,05 0,97 4,95 0,67 4,88 0,45 4,8 0,7 4,78 0,5 4,74 0,05 4,70 9,96 6 5,4 0,9 4,76 9,78 4,53 9,5 4,39 8,57 4,8 8,47 4, 8,6 4,5 8,0 4,0 7,98 4,06 7,87 4,03 7,79 7 4,74 9,55 4,35 8,45 4, 7,85 3,97 7,46 3,87 7,9 3,79 7,00 3,73 6,84 3,68 6,7 3,63 6,6 3,60 6,54 8 4,46 8,65 4,07 7,59 3,84 7,0 3,69 6,63 3,58 6,37 3,50 6,9 3,44 6,03 3,39 5,9 3,34 5,8 3,3 5,74 9 4,6 8,0 3,86 6,99 3,63 6,4 3,48 6,06 3,37 5,80 3,9 5,6 3,3 5,47 3,8 5,35 3,3 5,6 3,0 5,8 0 4,0 3,7 3,48 3,33 3, 3,4 3,07 3,0,97,94 7,56 3,98 7,0 6,55 3,59 6, 5,99 3,36 5,67 5,64 3,0 5,3 5,39 3,09 5,07 5, 3,0 4,88 5,06,95 4,74 4,95,90 4,63 4,85,86 4,54 4,78,8 4,46 Z tablicy rozkładu F-Sedecora odczytao wartość F kr dla daego poziomu itotości i odpowiedich liczb topi wobody. F kr (α=0,05; f =f =7)= 3,79 F = 4,00 Poieważ F > F kr zatem wyika tąd wioek, że porówywae procedury różią ię między obą, w poób tatytyczie itoty, pod względem precyzji. 36

37 Porówaie dokładości - tet C- Cochraa i Coxa Tet t-studeta wartości krytycze obliczoo wartości parametrów: α 0,05 0,0 z z C = = = x śr z z t x + z C kr = z + śr + z z t z = 0,0009 z = 0, C = 3,9 t =t (α =0,05; f =7)=,365 C kr =,365 Poieważ C > C kr zatem ależy twierdzić, że porówywae procedury różią ię pod względem dokładości w poób tatytyczie itoty f,706 63,567 4,303 9,95 3 3,8 5,84 4,776 4,604 5,57 4,03 6,447 3,707 7,365 3,499 8,306 3,355 9,6 3,50 0,8 3,69,0 3,06,79 3,055 3,60 3,0 4,49,977 5,3,947 6,0,9 7,0,898 8,0,878 9,093,86 0,086,845 37

38 tet Api i Welcha Spoób potępowaia: obliczyć wartości średie i wartości odchyleń tadardowych dla erii wyików uzykaych porówywaymi procedurami, obliczyć wartości parametrów ν i c wg wzorów: ν = x śr x + śr c = + gdzie: < z tablicy rozkładu wartości ν o odczytać wartość parametru ν o (c, f, f, α), porówać wartość ν o z wartością obliczoą ν, 38

39 Przykład Zatoować tet Api i Welcha dla erii wyików porówywaych w poprzedim przykładzie. Dla przypomieia: Uzykae wyiki: Laboratorium. Laboratorium. = 0,036 g/kg x =,35 g/kg = 8 = 8 = 0,08 g/kg x =,4 g/kg 39

40 Obliczoe parametry: ν = 4, ν = x śr x + śr c = 0,0 c = + 40

41 z tablicy rozkładu wartości ν o odczytao wartość parametru ν o (c, f, f, α) ν o (0,; 7; 7; 0,05) =,8 ν = 4, Poieważ ν > ν o zatem ależy twierdzić, że porówywae procedury różią ię pod względem dokładości w poób tatytyczie itoty. Wioek taki jak w przypadku zatoowaia tetu Cochraa i Coxa Rozkład ν wartości dla α = 0,05 f f c 0,0 0, 0, 0,3 0,4 0,5 0,6 0,7 0,8 0,9,0 6,94,90,85,80,76,74,76,80,85,90,94 8,94,90,85,80,76,73,74,76,79,8,86 0,94,90,85,80,76,73,73,74,76,78,8 5,94,90,85,80,76,73,7,7,7,73,75 0,94,90,85,80,76,73,7,70,70,7,7,94,90,85,80,76,7,69,67,66,65,64 6,86,8,79,76,74,73,76,80,85,90,94 8,86,8,79,76,73,73,73,76,79,8,86 0,86,8,79,76,73,7,7,74,76,78,8 5,86,8,79,76,73,7,7,7,7,73,75 0,86,8,79,76,73,7,70,70,70,7,7,86,8,79,75,7,70,68,66,65,65,64 6,8,78,76,74,73,73,76,80,85,90,94 8,8,78,76,74,7,7,73,76,79,8,86 0,8,78,76,73,7,7,7,73,76,78,8 5,8,78,76,73,7,70,70,7,7,73,75 0,8,78,76,73,7,70,69,69,70,7,7,8,78,76,73,7,69,67,66,65,65,64 6,75,73,7,7,7,73,76,80,85,90,94 8,75,73,7,7,7,7,73,76,79,8,86 0,75,73,7,7,7,70,7,73,76,78,8 5,75,73,7,70,70,69,70,70,7,73,75 0,75,73,7,70,69,69,69,69,70,7,7,75,73,7,70,68,67,66,65,65,65,64 6,7,7,70,70,7,73,76,80,85,90,94 8,7,7,70,70,70,7,73,76,79,8,86 0,7,7,70,69,69,70,7,73,76,78,8 5,7,7,70,69,69,69,69,70,7,73,75 0,7,7,70,69,68,68,68,69,70,7,7,7,7,70,68,67,66,66,65,65,65,64 6,64,65,66,67,69,7,76,80,85,90,94 8,64,65,65,66,68,70,7,75,79,8,86 0,64,65,65,66,67,69,7,73,76,78,8 5,64,65,65,65,66,67,68,70,7,73,75 0,64,65,65,65,66,66,67,68,70,7,7,64,64,64,64,64,64,64,64,64,64,64 4

42 Porówaie wartości średiej z wartością oczekiwaą W tym celu toujemy tet t-studeta. Spoób potępowaia: dla uzykaej badaą metodą erii wyików obliczyć ależy (po wyelimiowaiu ewetualych wyików obarczoych błędami grubymi) wartość średią i wartość odchyleia tadardowego, obliczyć wartość parametru t wg wzoru: t = x śr μ x porówać wartość obliczoego parametru t z wartością krytyczą t kr z tablic rozkładu t-studeta dla przyjętego poziomu itotości α, 4

43 Przykład Ozaczao zawartość rtęci wykorzytując metodę aborpcyjej pektrometrii atomowej (techika zimych par). W celu określeia poprawości opracowywaej procedury aalityczej wykoao erię 6 pomiarów zawartości joów Hg + w próbkach roztworu wzorcowego o tężeiu 40,0 ±,3 µg Hg + /dm 3 (podaa wartość rozzerzoej iepewości dla k = ). 43

44 Otrzymae wyiki ozaczeń wraz z obliczoymi wartościami: średią i odchyleiem tadardowym zetawioo w Tabeli: Wyiki ozaczeń [µg Hg + /dm 3 ] Średia [µg Hg + /dm 3 ] Odchyleie tadardowe [µg Hg + /dm 3 ] 36,4 37,9 35,6 38,9 38,7 36,7 37,4,3 44

45 obliczoe parametry: t = 40 37, 4 t = 4,90, 3 z tablic rozkładu t-studeta odczytao wartość krytyczą parametru t t kr (α =0,05; f =5) =,57 6 poieważ t > t kr, ależy wiokować, że otrzymaa wartość średia różi ię w poób tatytyczie itoty od wartości certyfikowaej. Nie brao tu jedak pod uwagę wartości iepewości wyzaczeia wartości certyfikowaej. Tet t-studeta wartości krytycze f α 0,05 0,0,706 63,567 4,303 9,95 3 3,8 5,84 4,776 4,604 5,57 4,03 6,447 3,707 7,365 3,499 8,306 3,355 9,6 3,50 0,8 3,69,0 3,06,79 3,055 3,60 3,0 4,49,977 5,3,947 6,0,9 7,0,898 8,0,878 9,093,86 0,086,845 45

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. Seminarium Chemia Analityczna III rok. Dr inż. Piotr Konieczka

STATYSTYKA. Seminarium Chemia Analityczna III rok. Dr inż. Piotr Konieczka STATYSTYKA Semiarium Chemia Aalitycza III rok Dr iż. Piotr Koieczka Zaczijmy od defiicji Dokladość (accuracy) zgodość pomiędzy uzykaym wyikiem pomiaru z wartością rzeczywitą (oczekiwaą). Prawdziwość (truee)

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

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

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

JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE

JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE Precyzja Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/1 80-95 GDAŃSK e-mail: kaczor@chem.pg.gda.pl

Bardziej szczegółowo

Rozwiązanie n1=n2=n=8 F=(4,50) 2 /(2,11) 2 =4,55 Fkr (0,05; 7; 7)=3,79

Rozwiązanie n1=n2=n=8 F=(4,50) 2 /(2,11) 2 =4,55 Fkr (0,05; 7; 7)=3,79 Test F =służy do porównania precyzji dwóch niezależnych serii pomiarowych uzyskanych w trakcie analizy próbek o zawartości analitu na takim samym poziomie #obliczyć wartość odchyleń standardowych dla serii

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy 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 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

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.

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

JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE

JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Dokładność i poprawność Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:

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

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

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

16 Przedziały ufności

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

Bardziej szczegółowo

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

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

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

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

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

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

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

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

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

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

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka 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 szczegółowo

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości specyficznych parametrów populacji.

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości specyficznych parametrów populacji. /7/06 Biotatytyka, 06/07 dla Fizyki Medyczej, tudia magiterkie etymacja etymacja średiej puktowa przedział ufości średiej rozkładu ormalego etymacja puktowa i przedziałowa wariacji rozkładu ormalego etymacja

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

Estymacja parametrów populacji

Estymacja 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 szczegółowo

Lista 6. Estymacja punktowa

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

Bardziej szczegółowo

Materiały do wykładu 4 ze Statystyki

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

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

KADD 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 szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

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

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

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

Bardziej szczegółowo

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona)

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) Wykład 7 Dwie iezależe próby Częto porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekartwo a placebo Pacjeci biorący dwa podobe lekartwa Mężczyźi a kobiety Dwie

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

Rozkłady statystyk z próby

Rozkłady statystyk z próby METODY PROBABILISTYCZE I STATYSTYKA WYKŁAD 0: ROZKŁADY STATYSTYK Z PRÓBY. PRZEDZIAŁY UFOŚCI. Rozkłady tatytyk z róby Statytyką azyway zieą loową, będącą fkcją zieych loowych,,..., taowiących róbę. Statytyka

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

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

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

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PROBLEMATYKA OCENY MIARODAJNOŚCI WYNIKÓW W ANALIZIE ŚLADOWEJ

PROBLEMATYKA OCENY MIARODAJNOŚCI WYNIKÓW W ANALIZIE ŚLADOWEJ PROBLEMATYKA OCENY MIARODAJNOŚCI WYNIKÓW W ANALIZIE ŚLADOWEJ Edmud Kozłowski, Katedra Chemii Aalityczej, Wydział Chemiczy Politechiki Gdańskiej. Wstęp Chemia aalitycza jest dziedzią auk chemiczych zajmującą

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

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Piotr Szczepański Katedra Chemii Fizyczej i Fizykochemii Polimerów WPROWADZENIE DO STATYSTYCZNEJ OCENY WYNIKÓW DOŚWIADCZEŃ 1. BŁĄD I STATYSTYKA błąd systematyczy, błąd przypadkowy,

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

Badania, pomiary, diagnostyka monitoring maszyn

Badania, pomiary, diagnostyka monitoring maszyn Badaia, pomiary, diagotyka moitorig mazy STATYSTYCZNE OPRACOWANIE WYNIKÓW EKSPERYMENTU ZASADY ANALIZY ORAZ ZALECENIA PROCEDURALNE ODNIESIONE DO NIEWIELKIEJ SERII POMIARÓW WYKONYWANYCH W LABORATORIACH STUDENCKICH

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

STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów

STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Statystyka matematyczna - część matematyki

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości

Bardziej szczegółowo

Testy dotyczące wartości oczekiwanej (1 próbka).

Testy dotyczące wartości oczekiwanej (1 próbka). ZASADY TESTOWANIA HIPOTEZ STATYSTYCZNYCH. TESTY DOTYCZĄCE WARTOŚCI OCZEKIWANEJ Przez hipotezę tatytyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu intereującej na cechy. Hipotezy

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie 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 szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

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

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

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

Bardziej szczegółowo

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2 Wykład 7 Dwie iezależe próby Często porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekarstwo a placebo Pacjeci biorący dwa podobe lekarstwa Mężczyźi a kobiety

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Piotr Szczepański Katedra Chemii Fizyczej i Fizykochemii Polimerów . BŁĄD A NIEPEWNOŚĆ. TYPY NIEPEWNOŚCI 3. POWIELANIE NIEPEWNOŚCI 4. NIEPEWNOŚĆ STANDARDOWA ZŁOŻONA W rok 995 grpa

Bardziej szczegółowo

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI

Bardziej szczegółowo

Analiza i monitoring środowiska

Analiza i monitoring środowiska Analiza i monitoring środowiska CHC 017003L (opracował W. Zierkiewicz) Ćwiczenie 1: Analiza statystyczna wyników pomiarów. 1. WSTĘP Otrzymany w wyniku przeprowadzonej analizy ilościowej wynik pomiaru zawartości

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

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

n 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 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

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy chemii. Natura pomiaru. masa 20 ± 1 g

Podstawy chemii. Natura pomiaru. masa 20 ± 1 g Podstawy chemii ) Sposoby badań obiektów (6 h) pomiar i jego atura klasycza aaliza jakościowa i ilościowa obliczeia rówowagi i ph metody aalizy promieiowaie elektromagetycze kwatowa atura atomu oddziaływaie

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

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

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. 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 szczegółowo

W(s)= s 3 +7s 2 +10s+K

W(s)= s 3 +7s 2 +10s+K PRZYKŁAD (LINIE PIERWIASTKOWE) Tramitacja operatorowa otwartego układu regulacji z jedotkowym ujemym przęŝeiem zwrotym daa jet wzorem: G O K ( + )( + 5) a) Podaj obraz liii pierwiatkowych układu zamkiętego.

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

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

Bardziej szczegółowo

I PRACOWNIA FIZYCZNA, UMK TORUŃ WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO

I PRACOWNIA FIZYCZNA, UMK TORUŃ WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO I PRACOWNIA FIZYCZNA, UMK TORUŃ Istrukcja do ćwiczeia r WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO Istrukcję wykoał Mariusz Piwiński I. Cel ćwiczeia. pozaie ruchu harmoiczeo oraz

Bardziej szczegółowo

LABORATORIUM INŻYNIERII CHEMICZNEJ, PROCESOWEJ I BIOPROCESOWEJ. Ćwiczenie nr 16

LABORATORIUM INŻYNIERII CHEMICZNEJ, PROCESOWEJ I BIOPROCESOWEJ. Ćwiczenie nr 16 KATEDRA INŻYNIERII CHEMICZNEJ I ROCESOWEJ INSTRUKCJE DO ĆWICZEŃ LABORATORYJNYCH LABORATORIUM INŻYNIERII CHEMICZNEJ, ROCESOWEJ I BIOROCESOWEJ Ćwiczeie r 16 Mieszaie Osoba odpowiedziala: Iwoa Hołowacz Gdańsk,

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

Przejście światła przez pryzmat i z

Przejście światła przez pryzmat i z I. Z pracowi fizyczej. Przejście światła przez pryzmat - cz. II 1. Przejście światła przez pryzmat. Kąt odchyleia. W paragrafie 8.10 trzeciego tomu e-podręczika opisao bieg światła moochromatyczego w pryzmacie.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

I. Cel ćwiczenia. II. Program ćwiczenia SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ

I. Cel ćwiczenia. II. Program ćwiczenia SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ Politechika Rzeszowska Zakład Metrologii i Systemów Diagostyczych Laboratorium Metrologii II SPRAWDZANIE LICZNIKÓW ENERGII ELEKTRYCZNEJ Grupa L.../Z... 1... kierowik Nr ćwicz. 9 2... 3... 4... Data Ocea

Bardziej szczegółowo

2.1. Studium przypadku 1

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

Bardziej szczegółowo

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

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

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

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna.

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna. Wykład 8. Przedziały ufości dla średiej Średia a mediaa Mediaa dzieli powierzchię histogramu a połowy. Jest odpora ie mają a ią wpływu obserwacje odstające. Obserwacje odstające mają duży wpływ a średią

Bardziej szczegółowo

Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.

Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów. Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.. KEITHLEY. Practical Solutions for Accurate. Test & Measurement. Training materials, www.keithley.com;. Janusz Piotrowski: Procedury

Bardziej szczegółowo

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

oznaczają 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 szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy 12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

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

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół 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 szczegółowo

Wprowadzenie 2010-10-20

Wprowadzenie 2010-10-20 PODSTAWY STATYSTYKI Dr hab. inż. Piotr Konieczka piotr.konieczka@pg.gda.pl 1 Wprowadzenie Wynik analityczny to efekt przeprowadzonego pomiaru(ów). Pomiar to zatem narzędzie wykorzystywane w celu uzyskania

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

Estymacja przedziałowa:

Estymacja przedziałowa: Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.

Bardziej szczegółowo

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

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

Bardziej szczegółowo