1. szereg wyliczający (szczegółowy) - wyniki są uporządkowane wyłącznie według wartości badanej cechy, np. od najmniejszej do największej
|
|
- Sylwia Przybysz
- 7 lat temu
- Przeglądów:
Transkrypt
1 1 Statystyka opisowa Statystyka opisowa zajmuje się porządkowaniem danych i wstępnym ich opracowaniem. Szereg statystyczny - to zbiór wyników obserwacji jednostek według pewnej cechy 1. szereg wyliczający (szczegółowy) - wyniki są uporządkowane wyłącznie według wartości badanej cechy, np. od najmniejszej do największej 2. szereg rozdzielczy - wyniki są uporządkowane i pogrupowane według wariantów badanej cechy; poszczególnym wariantom przyporządkowane są odpowiadające im liczebności (a) szereg rozdzielczy punktowy (jednostopniowy, prosty) - gdy liczba możliwych przyjmowanych wartości jest niewielka (b) szereg rozdzielczy przedziałowy (wielostopniowy, złożony) - gdy liczba możliwych przyjmowanych wartości jest duża Przykład 1. Ceny akcji pewnej spółki na ostatnich 30 sesjach giełdowych 2015 roku kształtowały się następująco: 2,6; 2,6; 2,7; 2,7; 2,9; 3,0; 2,5; 2,6; 2,6; 2,7; 2,7; 2,8; 2,8; 2,8; 2,5; 2,4; 2,4; 2,0; 2,3; 2,3; 2,4; 2,6; 2,6; 2,6; 2,6; 2,6; 2,6; 2,6; 2,6; 2,7. szereg wyliczający cena akcji 2,0 2,3 2,3 2,4 2,4 2,4 2,5 2,5 2,6. szereg rozdzielczy punktowy cena akcji liczebność 2,0 1 2,3 2 2,4 3 2,5 2 2,6 12 2,7 5 2,8 3 2,9 1 3, szereg rozdzielczy przedziałowy przedziały liczebność 1,95-2,13 1 2,13-2,31 2 2,31-2,49 3 2,49-2, ,67-2,85 8 2,85-3, Miary statystyczne: 1. miary położenia - służą do określenia tej wartości cechy, wokół której skupiają się wszystkie pozostałe wartości; mierzą przeciętny poziom cechy (a) średnia z próby 1
2 (b) moda (dominanta) (c) mediana (d) kwartyle 2. miary rozproszenia (zmienności, rozrzutu) - służą do badania stopnia zróżnicowania jednostek populacji ze względu na wartość badanej cechy (a) wariancja (b) odchylenie standardowe (c) odchylenie przeciętne od średniej (d) odchylenie przeciętne od mediany (e) odchylenie ćwiartkowe (f) współczynnik zmienności (g) współczynnik nierównomierności 3. miary asymetrii - służą do badania kierunku zróżnicowania wartości badanej cechy; mierzą czy przeważająca liczba jednostek znajduje się powyżej czy poniżej przeciętnego poziomu badanej cechy (a) wskaźnik asymetrii (b) współczynnik asymetrii 4. miary koncentracji - służą do analizy stopnia skupienia poszczególnych jednostek wokół średniej (a) współczynnik skupienia (kurtoza) (b) eksces ZADANIA. 1. Studenci otrzymali następujące oceny z egzaminu: 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 2; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 3,5; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 4,5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5. Zbudować szereg rozdzielczy 2
3 punktowy (jednostopniowy). Dla otrzymanego szeregu rozdzielczego narysować histogram, a następnie wyznaczyć miary położenia, rozproszenia i asymetrii. 2. W pewnym przedsiębiorstwie na koniec 2014 roku przeprowadzono inwentaryzację sprzętu komputerowego i otrzymano następujący rozkład liczby napraw tego sprzętu od chwili zakupu: liczba napraw (x i ) liczba urządzeń (n i ) Narysować histogram. Dokonać analizy struktury sprzętu komputerowego według liczby napraw, wyznaczając miary położenia, rozproszenia i asymetrii. 3. Stopa bezrobocia (w %) w Polsce według województw na dzień roku kształtowała się następująco: 4,1; 6,1; 6,2; 8,4; 9,6; 9,8; 10,6; 10,7; 10,7; 11,7; 11,7; 11,9; 12; 12,1; 12,4; 12,4; 12,7; 12,8; 12,9; 13,1; 13,1; 13,9; 14,2; 14,3; 14,6; 14,9; 14,9; 15,2; 15,3; 16,2; 16,6; 16,7; 16,8; 16,9; 17; 17; 17,2; 17,3; 17,4; 18,2; 18,6; 19; 21,7; 21,5; 23,4; 23,6; 24,6; 24,7; 25,7. Zbudować szereg rozdzielczy przedziałowy (wielostopniowy), przyjmując długość klasy h = 3, 1. Dla otrzymanego szeregu rozdzielczego narysować histogram, a następnie wyznaczyć miary położenia, rozproszenia i asymetrii. Podać interpretację otrzymanych wyników. 4. W pewnym przedsiębiorstwie w Lublinie na dzień roku było zatrudnionych 48 osób, których staż pracy (w latach) wynosił: 1, 2, 7, 9, 31, 24, 21, 16, 2, 7, 11, 15, 8, 6, 7, 3, 13, 15, 4, 5, 17, 20, 12, 1, 2, 3, 10, 8, 13, 2, 11, 14, 6, 10, 18, 21, 27, 27, 9, 35, 17, 32, 8, 27, 26, 18, 25, 29. Przeprowadzić grupowanie statystyczne pracowników pod względem stażu pracy (zbudować szereg rozdzielczy przedziałowy, przyjmując długość klasy h = 5). Narysować histogram. Dokonać wszechstronnej analizy stażu pracy w tym przedsiębiorstwie, wyznaczając miary położenia, rozproszenia i asymetrii. 5. Ceny akcji pewnej spółki na ostatnich 30 sesjach giełdowych 2015 roku kształtowały się następująco: 2,6; 2,6; 2,7; 2,7; 2,9; 3,0; 2,5; 2,6; 2,6; 2,7; 2,7; 2,8; 2,8; 2,8; 2,5; 2,4; 2,4; 2,0; 2,3; 2,3; 2,4; 2,6; 2,6; 2,6; 2,6; 2,6; 2,6; 2,6; 2,6; 2,7. Zbudować szereg rozdzielczy przedziałowy, przyjmując długość klasy h = 0, 18. Dla otrzymanego szeregu rozdzielczego narysować histogram, a następnie wyznaczyć miary położenia, rozproszenia i asymetrii. 3
4 2 Estymacja Estymacja jest to szacowanie nieznanych paramentrów, które charakteryzują rozkład badanej cechy populacji (wychodzimy od wyników próby i na ich podstawie formułujemy wnioski o populacji). 1. Estymacja punktowa - polega na wyznaczeniu pojedynczej wartości, która stanowi przybliżenie poszukiwanego parametru 2. Estymacja przedziałowa - polega na konstruowaniu przedziału liczbowego, który z określonym z góry prawdopodobieństwem (bliskim jedności) będzie zawierał nieznaną wartość szacowanego parametru. Przedział ten nosi nazwę przedziału ufności. najpierw określamy prawdopodobieństwo 1 α tzw. poziom ufności (współczynnik ufności) potem wyznaczamy przedział, do którego z prawdopodobieństwem 1 α należy szacowany parametr θ, czyli wyznaczamy takie a, b, że P (a θ b) = 1 α ZADANIA. 1. W pewnym zakładzie zbadano staż pracy pracowników. W tym celu z populacji pracowników wylosowano próbę o liczebności n = 196 pracowników, z której obliczono x = 6, 9 lat. Dotychczasowe doświadczenie wskazuje, że rozkład stażu pracy pracowników jest normalny z odchyleniem standardowym σ = 2, 8 lat. Przyjmując poziom ufności 1 α = 0, 95, zbudować przedział ufności dla nieznanego średniego stażu pracy w populacji pracowników. 2. W celu ustalenia nowych norm pracy konieczne było oszacowanie średniego czasu potrzebnego do wykonania pewnego detalu na określonym typie obrabiarki. W tym celu z populacji wszystkich robotników wylosowano próbę n = 17 robotników i u każdego z nich dokonano pomiaru czasu wykonania detalu. Okazało się, że średni czas wykonania detalu wynosił 15 minut, odchylenie standardowe zaś 2 minuty. Przyjmując poziom ufności 1 α = 0, 95, oszacować średni czas potrzebny do wykonania tego detalu w całej populacji robotników. Wiadomo ponadto, że rozkład czasu wykonania tego detalu jest w przybliżeniu normalny N(µ, σ). 4
5 3. W losowo wybranej grupie samochodów osobowych pewnej marki przeprowadzono badanie zużycia benzyny na trasie 100 km. Okazało się, że odchylenie standardowe zużycia benzyny dla tej grupy samochodów wynosiło 0,8 litra na 100 km. Zakładając, że badana cecha na rozkład normalny, wyznaczyć przedział ufności dla odchylenia standardowego zużycia benzyny przez wszystkie samochody tej marki na takiej trasie. Przyjąć poziom ufności 0, Spośród 120 wylosowanych pracowników pewnego zakładu, 12 nie wykonało normy wydajności. Przyjmując poziom ufności 0,9, wyznaczyć przedział ufności dla wskaźnika struktury pracowników w tym zakładzie, którzy nie wykonują normy. 5. Dla 200 pracowników wylosowanych niezależnie w pewnym przedsiębiorstwie otrzymano następujący rozkład empiryczny wieku (w latach): wiek liczba pracowników n i Wiadomo, że wiek pracowników ma rozkład normalny. Przyjmując poziom ufności 1 α = 0, 99, oszacować przedziałowo: (a) przeciętny wiek pracowników w badanym przedsiębiorstwie, (b) odchylenie standardowe wieku pracowników w badanym przedsiębiorstwie, (c) odsetek pracowników w wieku poniżej 35 lat. 6. Analizując wydajność pracy w pewnym zakładzie otrzymano dane: 5
6 wydajność pracy liczba pracowników w szt/h n i Wiadomo, że wydajność pracy w tym zakładzie ma rozkład normalny. Przyjmując poziom ufności 1 α = 0, 95, wyznaczyć przedział ufności dla: (a) przeciętnej wydajności, (b) odchylenia standardowego. 7. Wśród studentów palących papierosy przeprowadzono ankietę na temat ilości wypalanych dziennie papierosów. Uzyskano następujące odpowiedzi: liczba liczba studentów papierosów n i Przyjmując poziom ufności 1 α = 0, 9, zbudować oszacować przedziałowo: (a) średnią ilości papierosów wypalanych dziennie przez studentów, (b) odsetek osób, które palą mniej niż 5 papierosów dziennie. 8. W celu oszacowania średniego kosztu oraz rozrzutu kosztu produkcji pewnego artykułu produkowanego przez różne zakłady, wylosowano niezależnie do próby 150 zakładów i otrzymano wyniki: 6
7 koszt jednostkowy liczba zakładów w zł n i Wiadomo, że koszt produkcji ma rozkład normalny. Przyjmując poziom ufności 1 α = 0, 95, oszacować metodą przedziałową: (a) nieznany średni koszt tego artykułu we wszystkich zakładach produkujących go w Polsce, (b) odchylenie standardowe jednostkowego kosztu tego artykułu we wszystkich zakładach produkujących go w Polsce, (c) odsetek zakładów, w których koszt jednostkowy jest wyższy niż 60 zł. 9. W pewnym doświadczeniu medycznym bada się czas snu pacjentów chorych na pewną chorobę. Zmierzono czas snu u n = 16 wylosowanych niezależnie pacjentów i otrzymano wyniki (w minutach): 436, 533, 393, 458, 525, 481, 324, 437, 348, 503, 383, 395, 416, 553, 500, 488. Zakładając, że czas snu ma rozkład N(µ, 70), oszacować średnią µ czasu snu pacjenta metodą przedziałową przyjmując 1 α = 0, Na koniec 2014 roku wylosowano niezależnie 8 pracowników umysłowych w pewnym przedsiębiorstwie i uzyskano następujące informacje dotyczące stażu pracy (w latach): 5, 16, 9, 13, 5, 14, 2, 9. Przy założeniu, że staż pracy w przedsiębiorstwie ma rozkład normalny, oszacować przedziałowo na poziomie ufności 0, 98: (a) przeciętny staż pracy pracowników umysłowych w badanym przedsiębiorstwie, (b) odchylenie standardowe stażu pracy pracowników umysłowych badanego przedsiębiorstwa. 7
8 3 Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie pobranej próby. Hipotezy możemy podzielić na: 1. hipotezy parametryczne - czyli przypuszczenia dotyczące parametru badanej cechy, 2. hipotezy nieparametryczne - czyli przypuszczenia dotyczące postaci funkcyjnej rozkładu badanej cechy Weryfikacja hipotez statystycznych jest to podejmowanie decyzji o prawdziwości lub fałszywości hipotez statystycznych. Weryfikując daną hipotezę statystyczną na podstawie zaobserwowanych wyników próby, ponosimy zawsze pewne ryzyko podjęcia błędnej decyzji. Wynika to stąd, że na podstawie próby nigdy nie mamy całkowitej informacji o populacji, z której pobrana została próba. Możemy popełnić 2 rodzaje błędów: 1. możemy odrzucić hipotezę, która jest prawdziwa - błąd I rodzaju (prawdopodobieństwo popełnienia tego błędu oznaczmy α), 2. możemy przyjąć hipotezę, która jest fałszywa - błąd II rodzaju (prawdopodobieństwo popełnienia tego błędu oznaczmy β). Decyzja Hipoteza prawdziwa Hipoteza fałszywa decyzja poprawna decyzja błędna przyjąć hipotezę 1 α β (błąd II rodzaju) decyzja błędna decyzja poprawna odrzucić hipotezę α 1 β (błąd I rodzaju) Najczęściej wykorzystywane są tzw. testy istotności. Są to testy, w których bierzemy pod uwagę jedynie prawdopodobieństwo popełnienia błędu I rodzaju α, zwane poziomem istotności testu, a pomijamy prawdopodobieństwo popełnienia błędu II rodzaju β. Dlatego nie podejmujemy decyzji o przyjęciu hipotezy. Możemy jedynie odrzucić hipotezę na poziomie istotności α lub stwierdzić, że nie ma podstaw do odrzucenia hipotezy. Etapy weryfikacji hipotezy statystycznej: 8
9 1. Dokonujemy wyboru testu statystycznego. 2. Definiujemy hipotezę zerową H 0, która będzie podlegać weryfikacji. 3. Definiujemy hipotezę alternatywną H 1, która może przyjmować wszystkie rozwiązania poza tymi zawartymi w H 0. Hipoteza H 1 najczęściej wynika z celu badania statystycznego; jest zależna od konkretnych warunków rozwiązywanego problemu. Hipoteza H 1 jest taką hipotezą, którą w danym zagadnieniu jesteśmy skłonni przyjąć, jeśli weryfikowaną hipotezę trzeba będzie odrzucić. 4. Wyznaczamy zbiór krytyczny W na podstawie przyjętego poziomu istotności α (w zależności od postaci hipotezy alternatywnej H 1 ). Zazwyczaj α = 0, 1; 0, 05; 0, 01; 0, Wyznaczamy wartość statystyki testowej i ustalamy czy należy ona do zbioru krytycznego W. 6. Podejmujemy decyzję. Jeżeli wynik znalazł się w zbiorze krytycznym, to odrzucamy hipotezę H 0 na korzyść hipotezy alternatywnej H 1. W przeciwnym wypadku stwierdzamy jedynie brak podstaw do odrzucenia H 0. ZADANIA. 1. W celu ustalenia, czy dotychczasowa norma okresu użytkowania ubrań ochronnych - wynosząca 150 dni - nie jest zbyt wysoka, zbadano faktyczny okres użytkowania ich na przykładzie 50 losowo wybranych robotników pracujących w normalnych warunkach. Otrzymano średnią długość okresu użytkowania x = 139 dni oraz odchylenie standardowe s = 9, 8 dni. Zakładając, że czas użytkowania ubrań ma rozkład normalny, stwierdzić, na poziomie istotności α = 0, 01, czy uzyskane wyniki stanowią podstawę zmiany (zmniejszenia) normy. 2. Losowo wybrana próba złożona z n = 20 studentów pewnej uczelni dała odchylenie standardowe s = 30 papierosów wypalanych dziennie. Zakładając, że rozkład liczby wypalanych dziennie papierosów jest normalny, zweryfikować hipotezę, że odchylenie standardowe liczby wypalanych dziennie papierosów wynosi 5. Przyjąć poziom istotności α = 0, W celu porównania przeciętnego stażu pracy pracowników w dwóch zakładach wylosowano z każdego z tych zakładów grupę pracowników i zbadano ją pod względem długości stażu pracy. Otrzymano następujące wyniki: 9
10 zakład 1: n 1 = 18 pracowników, x 1 = 6, 8 lat, s 1 = 1, 7 lat zakład 2: n 1 = 20 pracowników, x 2 = 8, 2 lat, s 2 = 2, 5 lat. Na poziomie istotności 0,01 zweryfikować hipotezę, że średni staż pracy pracowników w zakładzie 1 jest niższy niż w zakładzie 2. Zakładamy, że średni staż pracy w obu zakładach ma rozkład normalny o nieznanych, ale jednakowych parametrach σ 1 = σ Studenci dwóch kierunków na pewnej uczelni uzyskali następujące średnie wyników nauczania: x 1 = 3, 6, s 1 = 2, x 2 = 4, s 2 = 1, 8. Przy obliczaniu średnich uwzględniono oceny ze wszystkich zaliczeń i egzaminów w czasie studiów: n 1 = 100, n 2 = 120. Na poziomie istotności 0,05 zweryfikować hipotezę, że średnie ocen uzyskanych przez studentów obu kierunków są jednakowe. 5. Wylosowano 300 mieszkań w Lublinie, w 54 przypadkach mieszkania te były wyposażone w telefon stacjonarny. Na poziomie istotności α = 0, 05, zweryfikować hipotezę, że wskaźnik struktury p mieszkań w Lublinie mających telefon stacjonarny jest równy 0,4. 6. Zbadano opony samochodowe, produkowane przez dwóch producentów, które zostały wycofane z eksploatacji. Spośród zbadanych 1582 opon producenta A otrzymano 1250 opon wycofanych z powodu zużycia bieżnika, a spośród 589 opon producenta B wycofanych z powodu tego defektu otrzymano 421 sztuk. Na poziomie istotności 0,01 zweryfikować hipotezę H 0, że procent opon wycofanych z eksploatacji na skutek zużycia się bieżnika jest jednakowy dla obu producentów, przeciw hipotezie H 1, że jest niższy dla producenta A. 7. Czas pracy baterii pewnego rodzaju ma rozkład N(µ, 70). Na poziomie istotności α = 0, 05 zweryfikować hipotezę, że przeciętny czas pracy tego typu baterii wynosi ponad 500 godzin, jeśli dla 16 losowo wybranych baterii otrzymano x = 560 godzin. 8. Przeprowadzono badanie przeciętnych miesięcznych płac netto osiągniętych przez pracowników pewnego przedsiębiorstwa w 2010 roku. Wylosowano 21 pracowników i otrzymano następujące wyniki: x = 750 zł, s = 150 zł. Miesięczne płace netto mają rozkład normalny. Na poziomie istotności α = 0, 05, zweryfikować następujące hipotezy: (a) przeciętna miesięczna płaca uzyskana przez pracowników była równa 700 zł, (b) odchylenie standardowe przeciętnych płac w przedsiębiorstwie przekroczyło 90 zł. 9. W pewnej firmie wylosowano niezależnie po 150 odbiorców w roku 2001 oraz w 2002 i zbadano poziom rentowności sprzedaży wyrobów firmy dla tych odbiorców. 10
11 rentowność liczba odbiorców liczba odbiorców w % w 2001 roku w 2002 roku razem Wiadomo, że rentowność w całej populacji ma rozkład normalny. Na poziomie istotności α = 0, 05 sprawdzić: (a) czy średnia rentowność w 2002 roku wynosiła 30 (%)? (b) czy odchylenie standardowe rozkładu rentowności w 2002 roku było większe od 20 (%)? (c) czy średnia rentowność firmy poprawiła się w 2002 roku w porównaniu z 2001 rokiem? (d) czy odsetek nierentownych transakcji w 2002 roku był mniejszy niż 35%? (e) czy są podstawy do twierdzenia, że odsetek odbiorców, dla których rentowność przekroczyła 20 (%) był większy w 2002 roku niż w 2001 roku? 10. Dzienne zużycie wody w fabryce jest zmienną losową o rozkładzie N(µ, σ). Na podstawie obserwacji n = 196 dni stwierdzono, że średnie dzienne zużycie wody wynosi x = 1025 (m 3 ), zaś odchylenie standardowe s = 20 (m 3 ). Na poziomie istotności α = 0, 01 zweryfikować hipotezę, że średnie dzienne zużycie wody jest mniejsze od 1000 (m 3 ). 11. Dokonano 100 pomiarów opóźnień autobusów w stosunku do rozkładu. Otrzymano x = 8, s = 4 (w minutach). Zakładając, że czas opóźnień ma rozkład normalny, zweryfikować na poziomie istotności α = 0, 01, hipotezę, że wariancja opóźnień wynosi W pewnym przedsiębiorstwie wylosowano niezależnie do próby 250 kobiet i 380 mężczyzn, i spytano ich czy są skłonni zmienić swoje miejsce pracy. Odpowiedziało twierdząco 100 kobiet i 280 mężczyzn. Czy można sądzić przy α = 0, 01, że badanie potwierdza ogólną opinię, że kobiety w większym stopniu boją się zmian niż mężczyźni? 13. Z populacji studentów wylosowano 150 osób, a z populacji studentek 180 osób. Wylosowanym osobom zadano pytanie: Czy lubi pan/pani pić alkohol? Odpowiedziało twierdząco 50 11
12 kobiet i 120 mężczyzn. Na poziomie istotności α = 0, 02, zweryfikować hipotezę o wyższym odsetku pijących studentów niż studentek. 14. Istnieje powszechna opinia, że studentki uzyskują lepsze oceny z egzaminu z matematyki niż studenci. Wylosowano 10 studentów oraz 10 studentek, których średnie oceny ze sprawdzianów z matematyki wynosiły: studenci studentki 3,0 3,3 3,2 3,6 2,5 4,0 4,5 4,0 4,0 3,5 2,8 5,0 3,2 3,0 3,0 4,1 3,1 3,3 3,0 3,6 Zweryfikować na poziomie istotności α = 0, 05 hipotezę, że średnie oceny z matematyki studentów i studentek są równe. Zakładamy, że średnie ocen (studentów i studentek) mają rozkłady normalne N(µ 1, σ 1 ) i N(µ 2, σ 2 ) oraz że σ 1 = σ Średnia prędkość trolejbusu (w km/h) obliczona na podstawie zmierzonych w środę prędkości 200 trolejbusów była równa 15, 1, natomiast średnia prędkość obliczona dla 120 trolejbusów w sobotę wynosiła 16, 4. Wariancja prędkości obliczona na podstawie tych wyników wynosiła odpowiednio s 2 1 = 6, 8, s2 2 = 4, 3. Na podstawie uzyskanych danych zweryfikować na poziomie istotności α = 0, 05 hipotezę, że średnia prędkość trolejbusów w środę jest mniejsza niż w sobotę. 16. Wiadomo, że rozkład wyników pomiaru głębokości morza jest normalny z odchyleniem standardowym σ = 5 metrów. Dokonano 5 niezależnych pomiarów w tym rejonie i otrzymano wyniki: 862, 870, 876, 866, 874. (a) Na poziomie istotności α = 0, 05 zweryfikować hipotezę, że µ = 870. (b) W innym rejonie rozkład jest N(µ, 10). Dla 10 niezależnych wyników otrzymano średnią głębokość morza 865 metrów. Czy można uważać, że przeciętna głębokość morza w tych rejonach jest jednakowa? 12
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
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoVI 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
Bardziej szczegółowoHipotezy statystyczne
Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej próbki losowej. Hipotezy
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoBłędy 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
Bardziej szczegółowoHipotezy statystyczne
Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej
Bardziej szczegółowoTeoria Estymacji. Do Powyżej
Teoria Estymacji Zad.1. W pewnym przedsiębiorstwie wylosowano niezależnie próbę 25 pracowników. Staż pracy (w latach) tych pracowników w 1996 roku był następujący: 37; 34; 0*; 5; 17; 17; 0*; 2; 24; 33;
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoLABORATORIUM 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
Bardziej szczegółowoLABORATORIUM 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
Bardziej szczegółowoStatystyka 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
Bardziej szczegółowoESTYMACJA PARAMETRYCZNA I WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH
ESTYMACJA PARAMETRYCZNA I WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH ZESTAW ZADAŃ ZALECANYCH DO PRZEROBIENIA PRZED PRZYSTĄPIENIEM DO EGZAMINU ZE STATYSTYKI 1 Oznaczenia: E estymacja, W weryfikacja, µ, σ, p, n
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoESTYMACJA. Przedział ufności dla średniej
ESTYMACJA Przedział ufności dla średniej W grupie 900 losowo wybranych pracowników przedsiębiorstwa średnia liczba dni nieobecności w pracy wynosiła 30, a odchylenie standardowe 3 dni. a) Przyjmując współczynnik
Bardziej szczegółowo166 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
Bardziej szczegółowoWykład 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
Bardziej szczegółowoUwaga. Decyzje brzmią różnie! Testy parametryczne dotyczące nieznanej wartości
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu, z którego pochodzi próbka. Hipotezy dzielimy na parametryczne i nieparametryczne. Parametrycznymi
Bardziej szczegółowoStatystyka 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
Bardziej szczegółowoWykład 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
Bardziej szczegółowoZadania 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
Bardziej szczegółowoTESTOWANIE 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.
Bardziej szczegółowoStatystyka. #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
Bardziej szczegółowoWstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów
Wstęp do probabilistyki i statystyki Wykład 4. Statystyki i estymacja parametrów dr hab.inż. Katarzyna Zakrzewska, prof.agh, Katedra Elektroniki, WIET AGH Wstęp do probabilistyki i statystyki. Wykład 4
Bardziej szczegółowoPorównanie dwóch rozkładów normalnych
Porównanie dwóch rozkładów normalnych Założenia: 1. X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2) 2. X 1, X 2 są niezależne Ocena µ 1 µ 2 oraz σ 2 1/σ 2 2. Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 X 1, varx 1,
Bardziej szczegółowoSIGMA 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
Bardziej szczegółowoTestowanie 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
Bardziej szczegółowoEstymacja parametrów rozkładu cechy
Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoTESTOWANIE 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
Bardziej szczegółowoPrawdopodobieństwo Odp. Odp. 6 Odp. 1/6 Odp. 1/3. Odp. 0, 75.
Prawdopodobieństwo 2.1. Rzucamy dwukrotnie kostką do gry. Obliczyć prawdopodobieństwo, że suma oczek będzie większa od 9, jeżeli za pierwszym razem wypadło 6 oczek? Odp. 1 2. 2.2. W skrzyni znajduje się
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoWnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją
Bardziej szczegółowoLABORATORIUM 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
Bardziej szczegółowoa. opisać badaną cechę; cechą X jest pomiar średnicy kulki
Maszyna ustawiona jest tak, by produkowała kulki łożyskowe o średnicy 1 cm. Pomiar dziesięciu wylosowanych z produkcji kulek dał x = 1.1 oraz s 2 = 0.009. Czy można uznać, że maszyna nie rozregulowała
Bardziej szczegółowoZadanie 1 Odp. Zadanie 2 Odp. Zadanie 3 Odp. Zadanie 4 Odp. Zadanie 5 Odp.
Zadanie 1 budżet na najbliższe święta. Podać 96% przedział ufności dla średniej przewidywanego budżetu świątecznego jeśli otrzymano średnią z próby równą 600 zł, odchylenie standardowe z próby równe 30
Bardziej szczegółowoWielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6
Zad. 1. Zbadano wydajność odmiany pomidorów na 100 poletkach doświadczalnych. W wyniku przeliczeń otrzymano przeciętną wydajność na w tonach na hektar x=30 i s 2 x =7. Przyjmując, że rozkład plonów pomidora
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 9 i 10 Magdalena Alama-Bućko 14 i 21 maja 2018 Magdalena Alama-Bućko Statystyka matematyczna 14 i 21 maja 2018 1 / 25 Hipotezy statystyczne Hipoteza statystyczna nazywamy
Bardziej szczegółowoVII 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,
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Przykład. Producent pewnych detali twierdzi, że wadliwość jego produkcji nie przekracza 2%. Odbiorca pewnej partii tego produktu chce sprawdzić, czy może wierzyć producentowi.
Bardziej szczegółowoSTATYSTYKA 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;
Bardziej szczegółowo), 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
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoTESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.
TESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne. Zajmiemy
Bardziej szczegółowoWYKŁAD 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
Bardziej szczegółowoStatystyka 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
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoTestowanie 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:
Bardziej szczegółowoTestowanie 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
Bardziej szczegółowoLABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
Bardziej szczegółowo... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).
Egzamin ze Statystyki Matematycznej, WNE UW, wrzesień 016, zestaw B Odpowiedzi i szkice rozwiązań 1. Zbadano koszt 7 noclegów dla 4-osobowej rodziny (kwatery) nad morzem w sezonie letnim 014 i 015. Wylosowano
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 9 i 10 1 / 30 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
Bardziej szczegółowoStatystyka 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
Bardziej szczegółowoKolokwium ze statystyki matematycznej
Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę
Bardziej szczegółowoEstymatory i testy statystyczne - zadania na kolokwium
Estymatory i testy statystyczne - zadania na kolokwium Zad. 1. Cecha X populacji ma rozkład N(µ, σ), gdzie µ jest znane, a σ nieznane. Niech X 1,...,X n będzie n-elementową próbą prostą pobraną z tej populacji.
Bardziej szczegółowoMiary w szeregach. 1 Miary klasyczne. 1.1 Średnia Średnia arytmetyczna
Miary w szeregach 1 Miary klasyczne 1.1 Średnia 1.1.1 Średnia arytmetyczna Zad. 1 średnia dla szeregu rozdzielczego punktowego W tabeli zestawiono wyniki badań czasu wykonania 15 detali. Jest to szereg
Bardziej szczegółowoWERYFIKACJA HIPOTEZ STATYSTYCZNYCH
WERYFIKACJA HIPOTEZ STATYSTYCZNYCH I. TESTY PARAMETRYCZNE II. III. WERYFIKACJA HIPOTEZ O WARTOŚCIACH ŚREDNICH DWÓCH POPULACJI TESTY ZGODNOŚCI Rozwiązania zadań wykonywanych w Statistice przedstaw w pliku
Bardziej szczegółowoWydział 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
Bardziej szczegółowoSTATYSTYKA. 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
Bardziej szczegółowoTestowanie hipotez statystycznych
Testowanie hipotez statystycznych Przypuśdmy, że mamy do czynienia z następującą sytuacją: nieznany jest rozkład F rządzący pewnym zjawiskiem losowym. Dysponujemy konkretną próbą losową ( x1, x2,..., xn
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoWIELKA 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
Bardziej szczegółowo1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:
Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,
Bardziej szczegółowoPlan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii
Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:
Bardziej szczegółowoPozyskiwanie wiedzy z danych
Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoWeryfikacja 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
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoWnioskowanie statystyczne Weryfikacja hipotez. Statystyka
Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowoTestowanie 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
Bardziej szczegółowoMATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ
MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści
Bardziej szczegółowoStatystyka 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,
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoTestowanie hipotez statystycznych
Temat Testowanie hipotez statystycznych Kody znaków: Ŝółte wyróŝnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Idea i pojęcia teorii testowania hipotez
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowoWyniki 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
Bardziej szczegółowoWYKŁAD 5 TEORIA ESTYMACJI II
WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak
Bardziej szczegółowoBadanie zgodności z określonym rozkładem. F jest dowolnym rozkładem prawdopodobieństwa. Test chi kwadrat zgodności. F jest rozkładem ciągłym
Badanie zgodności z określonym rozkładem H 0 : Cecha X ma rozkład F F jest dowolnym rozkładem prawdopodobieństwa Test chi kwadrat zgodności F jest rozkładem ciągłym Test Kołmogorowa F jest rozkładem normalnym
Bardziej szczegółowoLABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.
LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja
Bardziej szczegółowoTestowanie 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
Bardziej szczegółowoTESTOWANIE 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
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoWeryfikacja 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
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoWyniki 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
Bardziej szczegółowoMatematyka z el. statystyki, # 6 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoTestowanie 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
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoMiary statystyczne w badaniach pedagogicznych
Miary statystyczne w badaniach pedagogicznych Szeregi statystyczne Szczegółowy - gdzie materiał uporządkowany jest rosnąco lub malejąco Rozdzielczy - gdzie poszczególnym wariantom zmiennej przyporządkowane
Bardziej szczegółowoTestowanie hipotez statystycznych. Wprowadzenie
Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,
Bardziej szczegółowo