Kilka uwag o testowaniu istotności współczynnika korelacji
|
|
- Magdalena Król
- 1 lat temu
- Przeglądów:
Transkrypt
1 341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności współczynnika korelacji Streszczenie. W artykule przedstawiono problem interpretacji wyników testu współczynnika korelacji Pearsona w powiązaniu z budowanym modelem regresji. Zwrócono przy tym uwagę na znaczną wrażliwość testu istotności na wielkość próby. W tym kontekście przedstawiono pewien alternatywny sposób testowania oraz rekomendowano znany, lecz stosunkowo rzadko wykorzystywany test, umożliwiający poprawną interpretację wyników testu istotności współczynnika korelacji. Słowa kluczowe: współczynnik korelacji Pearsona, testy istotności, model regresji Wstęp Problematyka badania zależności zmiennych zarówno o charakterze ilościowym, jak i jakościowym jest jednym z najczęściej wykorzystywanych zagadnień statystyki w badaniach empirycznych. Szerokie możliwości zastosowania umożliwiają przedstawienie wielu technik i narzędzi pomiarowych. Mimo znacznej liczby metod w zakresie analizy zmiennych o charakterze mierzalnym, na pierwsze miejsce w częstości wykorzystania wysuwa się doskonale znany współczynnik korelacji Pearsona. Jego zastosowanie daje dodatkową możliwość, jaką jest
2 342 Piotr Peternek, Marek Kośny eksploatacja modelu regresji. Jednak konstrukcja każdego modelu matematycznego, w tym także modelu regresji, powinna być poprzedzona przeprowadzeniem adekwatnego testu statystycznego, czyli weryfikacją modelu. Wykorzystanie testów istotności wiąże się jednak z pewnymi ograniczeniami, których badacze często nie są w pełni świadomi. Do takich ograniczeń należy problem wielkości próby (problem zarówno zbyt małej, jak i bardzo licznej próby) powiązany z odpowiednią interpretacją. Czy zasadne jest bowiem konstruowanie modelu regresji zawsze w przypadku, gdy przeprowadzony test istotności współczynnika korelacji odrzuca hipotezę zerową (czy zasadne jest budowanie regresji dla istotnie różnego od zera współczynnika korelacji wynoszącego np. r = 0,1)? W pracy przedstawiony zostanie problem zależności wyników najczęściej wykorzystywanego testu istotności współczynnika korelacji od wielkości próby. Zostanie też podana pewna propozycja mająca na celu ułatwienie przeprowadzenia takiego testu oraz przypomniany i rekomendowany będzie alternatywny sposób testowania współczynnika korelacji mający na celu poprawne zbudowanie modelu regresji. 1. Test istotności współczynnika korelacji a wielkość próby Rozpatrywany jest liniowy model ekonometryczny postaci y = αx + β + ε, gdzie E(ε) = 0, E(εε T ) = σ 2 I. Wybór zmiennych do takiego modelu bazuje zwykle na analizie istotności współczynnika korelacji Pearsona 1. W tej pracy ograniczono się wyłącznie do modelu jednej zmiennej, co nie zmienia ogólności rozważań. Wykorzystanie w badaniach empirycznych współczynnika korelacji Pearsona sprowadza się po jego obliczeniu do interpretacji (zob. tab. 1) oraz przeprowadzenia wspomnianego wcześniej testu istotności. Test ten najczęściej przybiera postać, w której formułowane są następujące hipotezy: H 0 : ρ = 0, H 1 : ρ 0, gdzie ρ oznacza prawdziwą wartość współczynnika korelacji w populacji, a hipotezę zerową interpretuje się jako brak zależności liniowej pomiędzy zmiennymi. Tu przypomnijmy jeszcze, że odrzucenie hipotezy zerowej oznacza, że wartość współczynnika korelacji jest istotnie różna od zera. Weryfikacja prawdziwości hipotezy H 0 dokonywana jest na podstawie statystyki: 1 Zob. np. Ekonometria. Metody, zadania, przykłady, red. J. Dziechciarz, Wydawnictwo AE we Wrocławiu, Wrocław 2002.
3 Kilka uwag o testowaniu istotności współczynnika korelacji 343 która (przy założeniu prawdziwości H 0 ) ma rozkład t-studenta o n 2 stopniach swobody 2. Jak wynika ze wzoru (1), wartość statystyki testowej zależy wyłącznie od wartości współczynnika korelacji w analizowanej próbie oraz od liczebności próby. Zamiast więc weryfikacji, czy uzyskany wynik jest istotny statystycznie, można sformułować pytanie, jak duża powinna być próba, by dla określonej wartości współczynnika korelacji oraz na zadanym poziomie istotności należało odrzucić hipotezę zerową na rzecz alternatywnej. Wartość współczynnika korelacji Poniżej 0,2 Tabela 1. Wartości współczynnika korelacji i ich interpretacje Interpretacja Praktycznie brak związku liniowego między badanymi cechami 0,2 do 0,4 Zależność liniowa wyraźna, lecz niska 0,4 do 0,7 Zależność umiarkowana 0,7 do 0,9 Zależność znacząca Powyżej 0,9 Zależność bardzo silna Ź r ó d ł o: opracowanie własne na podstawie: S. Ostasiewicz, Z. Rusnak, U. Siedlecka, Statystyka. Elementy teorii i zadania, Wydawnictwo Naukowe PWN, Warszawa 2000, s Przeprowadzono zatem symulację, w której dla założonego poziomu istotności α = 0,05 (tradycyjnie najczęściej przyjmowany poziom istotności) i przy wykorzystaniu metod numerycznych wygenerowano liczbę obserwacji niezbędną do uzyskania istotności współczynnika korelacji o dowolnej wartości. Wyniki dla wybranych wartości współczynnika korelacji przedstawiono w tabeli 2. Wartości te uzyskano wykorzystując moduł optymalizacyjny Solver zawarty w programie MS Excel. Przyjęto wybrane wartości współczynnika korelacji, a następnie metodami numerycznymi poszukiwano takich wartości liczebności próby, które gwarantowałyby istotność współczynnika korelacji. Zatem np. dla współczynnika korelacji r = 0,8 próba, która jest niezbędna do uznania takiego współczynnika za istotny, wynosi n = 7, gdyż wartość statystyki testowej (1) wynosi wówczas (1), natomiast wartość krytyczna uzyskana z tablic rozkładu Studenta dla 5 stopni swobody i przyjętego poziomu istotności wynosi wówczas t = 2,571. Warto zwrócić uwagę na możliwość zapewnienia istotności współczynnika korelacji nawet bardzo niskiej wartości przy stosunkowo 2 Por. W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski, Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, Wydawnictwo Naukowe PWN, Warszawa 2000.
4 344 Piotr Peternek, Marek Kośny niewielkiej próbie. Zwróćmy bowiem uwagę, że np. dla współczynnika korelacji rzędu r = 0,1 wystarczy próba o liczebności 385, by współczynnik taki uznać za istotnie różny od zera. Podobnie ma się sytuacja ze współczynnikiem korelacji r = 0,01, tu (ku zaskoczeniu autorów pracy) wystarczy próba, w której znajdzie się elementów, by współczynnik o tak niskiej wartości uznać za istotnie różny od zera. Tabela 2. Liczebności próby gwarantujące istotność współczynnika korelacji r N r N r N r N 0, , , ,76 7 0, , , ,77 7 0, , , ,78 7 0, , , ,79 7 0, , , ,80 7 0, , , ,81 7 0, , , ,82 6 0, , , ,83 6 0, , , ,84 6 0, , , ,85 6 0, , , ,86 6 0, , , ,87 6 0, , , ,88 5 0, , , ,89 5 0, , , ,90 5 0, , , ,91 5 0, , ,67 9 0,92 5 0, , ,68 9 0,93 5 0, , ,69 9 0,94 5 0, , ,70 9 0,95 4 0, , ,71 8 0,96 4 0, , ,72 8 0,97 4 0, , ,73 8 0,98 4 0, , ,74 8 0,99 4 0, , ,75 8 Ź r ó d ł o: opracowanie własne. Znalezienie liczby obserwacji gwarantującej istotność dla dowolnego współczynnika korelacji umożliwiło przedstawienie uzyskanych rezultatów na wykresie, a w konsekwencji dopasowania do nich adekwatnej funkcji (zob. rys. 1).
5 Kilka uwag o testowaniu istotności współczynnika korelacji 345 Funkcją najdokładniej opisującą prezentowane dane (R 2 = 0,995) była funkcja potęgowa postaci n ist = 4,1679r 1,79, gdzie n ist oznacza liczebność próby gwarantującą istotność współczynnika korelacji r. Źródło: opracowanie własne. Rys. 1. Dopasowanie funkcji potęgowej do zależności współczynnik korelacji wielkość próby Tak dobre dopasowanie funkcji (R 2 = 0,995) umożliwia przedstawienie alternatywnego i jak się wydaje łatwiejszego sposobu testowania istotności współczynnika korelacji. W tabeli 3 przedstawiono wartość współczynnika korelacji z odpowiadającą mu minimalną liczebnością próby gwarantującą istotność oraz wartość liczebności próby uzyskaną z dopasowanej wcześniej funkcji potęgowej, a także różnicę między prezentowanymi liczebnościami. Zauważmy (por. tab. 3), że dla każdego współczynnika korelacji r > 0,6 można uznać go za istotnie różny od zera, jeżeli liczba obserwacji n, na podstawie której liczony był współczynnik r, jest większa od n ist = 4,1679r 1,79. Zamiast zatem tradycyjnego testowania istotności współczynnika korelacji polegającego na obliczeniu odpowiedniej statystyki testowej, a następnie odczytaniu wartości krytycznych z tablic i ich wzajemnym porównaniu, można przeprowadzić test istotności z wykorzystaniem dopasowanej funkcji. Jeżeli bowiem liczebność próby, na podstawie której liczony był współczynnik korelacji, jest większa od n ist = 4,1679r 1,79, to współczynnik taki należałoby uznać za istotnie różny od zera. Przypomnijmy tu, że ten sposób postępowania jest odpowiedni dla sytuacji, w której przyjęto błąd pierwszego rodzaju równy 5% i jednocześnie r > 0,6.
6 Tabela 3. Współczynniki korelacji wraz z odpowiadającymi im liczebnościami próby gwarantującymi istotność oraz ich różnice 346 r n n ist n ist n r n n ist n ist n r n n ist n ist n r n n ist n ist n [346] 0, ,89 115,11 0, ,21 1,21 0, ,70 0,30 0,76 7 7,16 0,16 0, ,91 339,09 0, ,97 0,97 0, ,11 0,11 0,77 7 6,97 0,03 0, ,58 100,42 0, ,17 1,17 0, ,56 0,44 0,78 7 6,80 0,20 0, ,15 36,85 0, ,75 0,75 0, ,03 0,03 0,79 7 6,63 0,37 0, ,86 14,14 0, ,67 0,67 0, ,53 0,47 0,80 7 6,47 0,53 0, ,04 3,96 0, ,87 0,87 0, ,06 0,06 0,81 7 6,31 0,69 0, ,37 0,37 0, ,33 0,33 0, ,61 0,39 0,82 6 6,16 0,16 0, ,71 2,71 0, ,02 1,02 0, ,19 0,19 0,83 6 6,02 0,02 0, ,70 3,70 0, ,91 0,91 0, ,79 0,21 0,84 6 5,88 0,12 0, ,97 3,97 0, ,97 0,97 0, ,40 0,60 0,85 6 5,74 0,26 0, ,38 3,38 0, ,19 0,19 0, ,04 0,04 0,86 6 5,61 0,39 0, ,60 3,60 0, ,55 0,55 0, ,69 0,31 0,87 6 5,48 0,52 0, ,98 3,98 0, ,04 0,04 0, ,36 0,64 0,88 5 5,36 0,36 0, ,47 3,47 0, ,64 0,64 0, ,04 0,04 0,89 5 5,24 0,24 0, ,99 2,99 0, ,34 0,34 0, ,74 0,26 0,90 5 5,13 0,13 0, ,10 3,10 0, ,14 0,14 0, ,45 0,55 0,91 5 5,02 0,02 0, ,75 2,75 0, ,02 0,02 0,67 9 9,17 0,17 0,92 5 4,91 0,09 0, ,19 2,19 0, ,98 0,02 0,68 9 8,91 0,09 0,93 5 4,81 0,19 0, ,84 2,84 0, ,00 0,00 0,69 9 8,66 0,34 0,94 5 4,71 0,29 0, ,29 2,29 0, ,10 0,10 0,70 9 8,42 0,58 0,95 4 4,61 0,61 0, ,19 2,19 0, ,24 0,24 0,71 8 8,18 0,18 0,96 4 4,52 0,52 0, ,29 2,29 0, ,45 0,45 0,72 8 7,96 0,04 0,97 4 4,43 0,43 0, ,39 1,39 0, ,70 0,30 0,73 8 7,75 0,25 0,98 4 4,34 0,34 0, ,33 1,33 0, ,99 0,01 0,74 8 7,54 0,46 0,99 4 4,25 0,25 0, ,97 0,97 0, ,33 0,33 0,75 8 7,35 0,65 Ź r ó d ł o: opracowanie własne.
7 Kilka uwag o testowaniu istotności współczynnika korelacji Interpretacja wyników testowania istotności współczynnika korelacji Przeprowadzenie testu istotności współczynnika korelacji musi zostać zakończone przedstawieniem wniosku wynikającego z badania. Przypomnijmy tu raz jeszcze, że brak odrzucenia hipotezy zerowej interpretuje się jako brak zależności liniowej, a bardziej formalnie jako współczynnik korelacji jest nieistotnie różny od zera. Natomiast odrzucenie hipotezy zerowej oznacza współczynnik korelacji jest istotnie różny od zera, co często interpretuje się jako występowanie zależności liniowej. Jeżeli zatem ta zależność liniowa występuje często, dąży się do konstrukcji modelu regresji liniowej. Zwróćmy tu jednak uwagę, że odrzucenie hipotezy zerowej może nastąpić dla każdej wartości współczynnika korelacji (zob. tab. 2). Zatem czy zasadna jest konstrukcja modelu regresji dla istotnego współczynnika korelacji r = 0,01? Wydaje się, że zupełnie bezzasadne byłoby budowanie takiego modelu, wartość współczynnika determinacji dyskwalifikowałaby bowiem taką zależność. Istotność współczynnika korelacji wynikałaby tu nie z wartości współczynnika korelacji, lecz z wielkości próby. Rozpatrzymy teraz przykład, w którym zaprezentowano szkic zadania 4.18 z pracy Krysickiego i in Zadano próbę 25-elementową pochodzącą z dwuwymiarowego rozkładu normalnego. 2. Obliczono współczynnik korelacji r = 0,1 oraz przeprowadzono test istotności na poziomie istotności α = 0,05. Tabela 4. Dane z zadania Ź r ó d ł o: opracowanie własne na podstawie: W. Krysicki i in., Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, Wydawnictwo Naukowe PWN, Warszawa 2000, s Wartość statystyki t e = 0,482 nie znalazła się w zbiorze krytycznym K = ( ; 2,069) (2,069; ), co oznacza brak podstaw do odrzucenia hipotezy, że cechy X i Y są nieskorelowane. Przeanalizujmy teraz modyfikację tego zadania polegającą na tym, że liczba wszystkich obserwacji zostanie 20-krotnie zreplikowana, przez co otrzymana została próba zaprezentowana w tabeli 5. 3 W. Krysicki i in., wyd. cyt., s. 174.
8 348 Piotr Peternek, Marek Kośny Tabela 5. Dane z zadania 4.18 po modyfikacji Ź r ó d ł o: opracowanie własne. Dla tak skonstruowanej próby współczynnik korelacji wynosi w dalszym ciągu 0,1. Wartość statystyki testowej (ze względu na wielkość próby) wynosi już jednak t e = 2,243, co oznacza, że znajduje się w zbiorze krytycznym K = ( ; 1,965) (1,965; ). W związku z tym hipotezę zerową, o tym że cechy X i Y są nieskorelowane, należy odrzucić. Powstaje pytanie o zasadność budowania dla drugiego przykładu modelu regresji, skoro dla pierwotnego przykładu nie jest to możliwe. Wnikliwy badacz nie będzie miał wątpliwości co do możliwości dalszych badań przy wykorzystaniu modelu regresji, pozostaje jednak wątpliwość, czy powinien być wykorzystywany test, który mimo że pozwala uzyskać pozytywny dla badacza rezultat nie może być w żaden sposób wykorzystany. Wydaje się zatem, że zamiast testować hipotezę o braku zależności liniowej, czyli hipotezę zerową postaci H 0 : ρ = 0, należałoby testować hipotezę zerową postaci H 0 : ρ = ρ 0. Kluczowym zagadnieniem staje się tu przyjęcie wartości ρ 0. Według autorów wartość ta powinna wynosić około 0,7, daje to bowiem dla modelu regresji wartość współczynnika determinacji około 50%. Formalny zapis przedstawianego testu jest następujący 4 : H 0 : ρ = ρ 0, H 1 : ρ > ρ 0. Zwróćmy tu uwagę, że hipoteza alternatywna może także być lewostronna, natomiast z charakteru testu wynika zasadność używania wyłącznie testu prawostronnego. Weryfikacja hipotezy zerowej dokonywana jest z wykorzystaniem statystyki 4 Tamże.
9 Kilka uwag o testowaniu istotności współczynnika korelacji 349 gdzie Statystyka T ma dla prób większych od 10 rozkład normalny N(0,1). Tabela 6. Współczynniki korelacji i wielkość próby gwarantująca odrzucenie hipotezy zerowej r n r n r n 0, , , , , ,92 9 0, , ,93 8 0, , ,94 7 0, , ,95 6 0, , ,96 6 0, , ,97 5 0, , ,98 5 0, , ,99 4 0, ,90 11 Ź r ó d ł o: opracowanie własne. W tabeli 6 przedstawiono wielkości próby niezbędne do odrzucenie hipotezy zerowej dla różnych współczynników korelacji przy założeniu, że poziom istotności wynosi 0,05, a wartość ρ 0 = 0,7. Warto zauważyć, że nie ma takiej liczebności próby, która umożliwiłaby uzyskanie istotności współczynnika korelacji, dla którego r 0,7. Zakończenie Tradycyjnie wykorzystywany test istotności współczynnika korelacji pozwala na odrzucenie hipotezy zerowej w wyniku pobrania odpowiednio dużej próby. To poprawne pod względem formalnym działanie testu istotności ma jednak dwojakiego rodzaju skutki. Z jednej strony umożliwia konstrukcję łatwiejszego jak się wydaje sposobu weryfikacji hipotezy zerowej, pozwala bowiem na porównywanie (przy określonych założeniach) wyłącznie wielkości próby, na podstawie której liczony był współczynnik korelacji z wartością uzyskaną jako wynik pewnej funkcji współczynnika korelacji. Z drugiej strony wprowadza problemy interpretacyjne, które powstają w sytuacji, gdy obliczenie i testowanie współczynnika korelacji jest tylko drogą do budowy modelu regresji. W takiej sytuacji autorzy
10 350 Piotr Peternek, Marek Kośny zalecają korzystanie z mniej rozpowszechnionego testu weryfikującego występowanie zależności liniowej pomiędzy zmiennymi. Literatura Ekonometria. Metody, zadania, przykłady, red. J. Dziechciarz, Wydawnictwo AE we Wrocławiu, Wrocław Hellwig Z., On the Measurement of Stochastical Dependence, Zastosowania Matematyki 1969, X. Krysicki W., Bartos J., Dyczka W., Królikowska K., Wasilewski M., Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, Wydawnictwo Naukowe PWN, Warszawa Ostasiewicz S., Rusnak Z., Siedlecka U., Statystyka. Elementy teorii i zadania, Wydawnictwo AE we Wrocławiu, Wrocław Steczkowski J., Zeliaś A., Metody statystyczne w badaniach zjawisk jakościowych, Wydawnictwo AE, Kraków 1997.
Testowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Statystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde
Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
WIELKOŚĆ PRÓBY A ISTOTNOŚĆ WNIOSKOWANIA STATYSTYCZNEGO
D I D A C T I C S O F M A T H E M A T I C S No. 8 (12) 2011 WIELKOŚĆ PRÓBY A ISTOTNOŚĆ WNIOSKOWANIA STATYSTYCZNEGO Abstract. Commonly used method of determining the quality of research results is the application
SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów
166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Wydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne. Zajmiemy
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
TESTOWANIE HIPOTEZ STATYSTYCZNYCH
TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na
Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI 1. Test dla dwóch średnich P.G. 2. Testy dla wskaźnika struktury 3. Testy dla wariancji DECYZJE Obszar krytyczny od pozostałej
Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego
Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.
Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ
Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Testy post-hoc. Wrocław, 6 czerwca 2016
Testy post-hoc Wrocław, 6 czerwca 2016 Testy post-hoc 1 metoda LSD 2 metoda Duncana 3 metoda Dunneta 4 metoda kontrastów 5 matoda Newman-Keuls 6 metoda Tukeya Metoda LSD Metoda Least Significant Difference
), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0
Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy
Testowanie hipotez statystycznych
9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH Co to są hipotezy statystyczne? Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej. Dzielimy je
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji
VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15
VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
TESTOWANIE HIPOTEZ STATYSTYCZNYCH Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas
TESTOWANIE HIPOTEZ STATYSTYCZNYCH Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne.
Ekonometria. Weryfikacja modelu. Paweł Cibis 12 maja 2007
Weryfikacja modelu Paweł Cibis pawel@cibis.pl 12 maja 2007 1 Badanie normalności rozkładu elementu losowego Test Hellwiga dla małej próby Test Kołmogorowa dla dużej próby 2 Testy Pakiet Analiza Danych
Testowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2
kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia
Analiza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Testowanie hipotez statystycznych cd.
Temat Testowanie hipotez statystycznych cd. Kody znaków: żółte wyróżnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Przykłady testowania hipotez dotyczących:
Testowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Wykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Korelacja krzywoliniowa i współzależność cech niemierzalnych
Korelacja krzywoliniowa i współzależność cech niemierzalnych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej
X WYKŁAD STATYSTYKA. 14/05/2014 B8 sala 0.10B Godz. 15:15
X WYKŁAD STATYSTYKA 14/05/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 10 ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Kowariancja 3. Współczynnik korelacji liniowej definicja 4. Estymacja współczynnika
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Statystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład IX, 25.04.2016 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Plan na dzisiaj 1. Hipoteza statystyczna 2. Test statystyczny 3. Błędy I-go i II-go rodzaju 4. Poziom istotności,
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 Anna Skowrońska-Szmer lato 2016/2017 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją jako prawdziwą
STATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych
Testowanie hipotez cz. I
Wykład 11 Testowanie hipotez cz. I TESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipoteza statystyczna jest to przypuszczenie dotyczące nieznanej własności rozkładu prawdopodobieństwa badanej cechy populacji. W zadaniach
POLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład
b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:
ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań
WNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Testowanie hipotez statystycznych
Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom
Testowanie hipotez statystycznych.
Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie
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 Karl Popper... no matter how many instances of white swans we may have observed, this does not
Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407
Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.
Statystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14
Statystyka #6 Analiza wariancji Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2015/2016 1 / 14 Analiza wariancji 2 / 14 Analiza wariancji Analiza wariancji jest techniką badania wyników,
Weryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Problem dwóch prób: porównywanie średnich i wariancji z populacji o rozkładach normalnych. Wrocław, 23 marca 2015
Problem dwóch prób: porównywanie średnich i wariancji z populacji o rozkładach normalnych. Wrocław, 23 marca 2015 Problem dwóch prób X = (X 1, X 2,..., X n ) - próba z rozkładu normalnego N (µ, σ 2 X ),
Wykład 12 ( ): Testy dla dwóch prób w rodzinie rozkładów normalnych
Wykład 12 (21.05.07): Testy dla dwóch prób w rodzinie rozkładów normalnych Przykład Rozważamy dane wygenerowane losowo; ( podobne do danych z przykładu 7.2 z książki A. Łomnickiego) n 1 = 9 poletek w dąbrowie,
P: Czy studiujący i niestudiujący preferują inne sklepy internetowe?
2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali
Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,
Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (punktowa, przedziałowa) Weryfikacja
Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 9. TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd.
WYKŁAD 9 TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd. Było: Przykład 1. Badano krąŝek o wymiarach zbliŝonych do monety jednozłotowej ze stronami oznaczonymi: A, B. NaleŜy ustalić, czy krąŝek jest symetryczny?
Wykład 5 Problem dwóch prób - testowanie hipotez dla równości średnich
Wykład 5 Problem dwóch prób - testowanie hipotez dla równości średnich Magdalena Frąszczak Wrocław, 22.03.2017r Problem Behrensa Fishera Niech X = (X 1, X 2,..., X n ) oznacza próbę z rozkładu normalnego
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.
Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej
Przykład 1 ceny mieszkań
Przykład ceny mieszkań Przykład ceny mieszkań Model ekonometryczny zaleŝności ceny mieszkań od metraŝu - naleŝy do klasy modeli nieliniowych. - weryfikację empiryczną modelu przeprowadzono na przykładzie
Spis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych
1 Laboratorium III: Testy statystyczne Spis treści Laboratorium III: Testy statystyczne... 1 Wiadomości ogólne... 2 1. Krótkie przypomnienie wiadomości na temat testów statystycznych... 2 1.1. Weryfikacja
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości
Cechy X, Y są dowolnego typu: Test Chi Kwadrat niezależności. Łączny rozkład cech X, Y jest normalny: Test współczynnika korelacji Pearsona
Badanie zależności między cechami Obserwujemy dwie cechy: X oraz Y Obiekt (X, Y ) H 0 : Cechy X oraz Y są niezależne Próba: (X 1, Y 1 ),..., (X n, Y n ) Cechy X, Y są dowolnego typu: Test Chi Kwadrat niezależności
Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
Analiza wariancji. dr Janusz Górczyński
Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Zmienna losowa dwuwymiarowa i korelacja
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Zmienna losowa dwuwymiarowa i korelacja Zmienna losowa dwuwymiarowa Definiujemy ją tak samo, jak zmienną losową jednowymiarową, z tym że poszczególnym zdarzeniom elementarnym
PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II
PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II Szkic wykładu 1 Wprowadzenie 2 3 4 5 Weryfikacja hipotez statystycznych Obok estymacji drugim działem wnioskowania statystycznego jest weryfikacja hipotez
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
ROZDZIAŁ 13 O SILE I KIERUNKU ZWIĄZKU POMIĘDZY POZIOMEM WYNA- GRODZEŃ A WYDAJNOŚCIĄ PRACY W GOSPODARCE POLSKIEJ
Anna Turczak ROZDZIAŁ 13 O SILE I KIERUNKU ZWIĄZKU POMIĘDZY POZIOMEM WYNA- GRODZEŃ A WYDAJNOŚCIĄ PRACY W GOSPODARCE POLSKIEJ Wprowadzenie Celem artykułu jest odpowiedź na pytanie, czy w gospodarce polskiej
STATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Wykład ze statystyki. Maciej Wolny
Wykład ze statystyki Maciej Wolny T1: Zajęcia organizacyjne Agenda 1. Program wykładu 2. Cel zajęć 3. Nabyte umiejętności 4. Literatura 5. Warunki zaliczenia Program wykładu T1: Zajęcia organizacyjne T2:
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
MODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Przykład 2. Stopa bezrobocia
Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w
Analiza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
METODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Elementy statystyki STA - Wykład 5
STA - Wykład 5 Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 ANOVA 2 Model jednoczynnikowej analizy wariancji Na model jednoczynnikowej analizy wariancji możemy traktować jako uogólnienie
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Zawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami