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

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie,. Niech oraz. Dobrać stałą a, aby statystyka miała rozkład t-studeta z 9 stopiami swobody ODP: 0 Zadaie 3 Niech,,, jest próbą losową z rozkładu wykładiczego o wartości oczekiwaej 5. Ile wyosi liczba t, jeśli wiadomo, że : ODP: t = Zadaie 4 Niech,,, będą iezależymi zmieymi losowymi o rozkładzie,. Dobrać stałą c, tak aby statystyka : : była ieobciążoym estymatorem wyrażeia b a. ODP: Zadaie 5 Mamy dwie iezależe obserwacje: ~, oraz ~,. Niech. Dobrać stałe a i b aby było ieobciążoym estymatorem. Wskazówka: wyzaczyć rozkłady i, ODP:, Zadaie 6 Niech,,, będzie próbką z rozkładu o gęstości dla 0,. Wyzaczyć estymator parametru Metodą Największej Wiarogodości oraz obliczyć jego wariację. Wskazówka: wyzaczyć rozkład l

2 ODP:, Zadaie 7 Niech,,, będzie próbą z rozkładu o gęstości: x c µ e dla x c µ = 0 dla x < c gdzie i 0 są iezaymi parametrami. Defiiujemy estymator parametru postaci: :. Dobrać tak stałe a i b aby otrzymać ieobciążoy estymator. Wskazówka: zauważyć, iż ma rozkład wykładiczy ODP:, Zadaie 8 W urie jest r czarych kul ( 0). Powtarzamy 3 razy astępujące czyości: - losujemy jedą kulę z ury i odkładamy ją a bok, - wrzucamy do ury kulę białą. W wyiku tego doświadczeia wylosowaliśmy po kolei kulę czarą, białą i czarą. Wyzaczyć estymator ajwiększej wiarogodości iezaej liczby r. Wskazówka: wiarygodość próby: ODP: Zadaie 9 Niech,,,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie,. Bezpośredio dostępe są tylko obserwacje,,,, ale zamy średią. Dobrać tak stałą a, aby estymator był ieobciążoym estymatorem. Wskazówka: wyzaczyć rozkład ODP: Zadaie 0 Niech,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie,. Obliczyć, gdzie. Wskazówka: pokazać, że ~

3 ODP: 0.63 Zadaie Niech,,, jest próbą losową z rozkładu o dystrybuacie x e dla x θ F( x) = 0 dla x < θ gdzie 0 jest iezaym parametrem. Rozważamy estymator postaci :. Obliczyć fukcję ryzyka tego estymatora. Wskazówka: ie ma rozkładu ciągłego, bo dystrybuata jest ieciągłą w pukcie ; ; dla zmieych losowych 0 zachodzi: ODP: i Zadaie Załóżmy, że,,, jest próbą losową z rozkładu wykładiczego z iezaym parametrem. Niech będzie zmieą losową powstałą w wyiku zaokrągleia w górę do ajbliższej liczby całkowitej. Wyzaczyć estymator ajwiększej wiarogodości dla parametrem a podstawie próby,,,. ODP: Zadaie 3 Załóżmy, że,,, jest próbą losową z rozkładu wykładiczego z iezaym parametrem. Dobrać stałą c, żeby był ieobciążoym estymatorem wariacji pojedyczej zmieej. Wskazówka: pokazać, że ~Γ, ODP: Zadaie 4 Niech,,... 5 będą iezależymi zmieymi losowymi, przy czym,,... 5 mają rozkład wykładiczy z wartością oczekiwaą θ, a 6, 7,... 5 rozkład wykładiczy z wartością oczekiwaą 3 θ. Wyzaczyć estymator ajwiększej wiarogodości parametru θ w oparciu o próbę,,... 5 i obliczyć jego wartość oczekiwaą. 3

4 Zadaie 5 Niech,,... będą iezależymi zmieymi losowymi o tym samym rozkładzie ormalym N (, 4). Niech F ( t ) ozacza dystrybuatę empiryczą wyzaczoą a podstawie zmieych,,... w pukcie t. a) Do jakiego rozkładu zbiega zmiea losowa ( F () )? b) Oblicz lim P(( F () ) > ) Zadaie 6 Zawartość białka w pewym produkcie żywościowym zmierzoo 0-krotie metodą I i 0-krotie metodą II. Wyiki metody I są iezależymi zmieymi losowymi,,,,...,0 z rozkładu N ( m, ), zaś wyiki metody II są iezależymi zmieymi losowymi,,,,...,0 z rozkładu N( m, 4 ). Pomiary dwiema metodami są iezależe. Rozpatrzmy astępujące estymatory parametru m: gdzie = ( ), i =, i 0 i, i, i,0 mˆ = + mˆ = 0,8 + 0, Wyzacz wartość oczekiwaą i błąd średiokwadratowy estymatorów. Zadaie 7 Niech,,... będą iezależymi zmieymi losowymi z rozkładu o gęstości: f x x x ( ) = θ exp( θ ), gdzie θ > 0 jest iezaym parametrem. Wyzaczyć estymator ajwiększej wiarogodości parametru θ w oparciu o próbę,,... i obliczyć wariację asymptotyczą tego estymatora. Zadaie 8 Zmiee losowe,,... są to liczby wypadków drogowych w ciągu kolejych tygodi. Zakładamy, że są to zmiee iezależe o jedakowym rozkładzie Poissoa z parametrem λ. Iteresuje as estymacja przeciętej liczby wypadków λ. Wyiki wcześiejszych badań sugerują, że iezaa wielkość λ może być bliska 6. Wobec tego używamy astępującego estymatora: ˆ λ = +. Wyzacz obciążeie i błąd średiokwadratowy tego estymatora. 3 4

5 Zadaie 9 Niech,,... będzie próbką losową z rozkładu jedostajego a przedziale [0;4]. Niech Fˆ ( t ) ozacza dystrybuatę empiryczą wyzaczoą a podstawie zmieych,,... w pukcie t. Obliczyć E Fˆ () i Var Fˆ (). Zadaie 0 Niech,,... będzie próbką losową z rozkładu o fukcji gęstości daej wzorem x dla x = θ [ 0; θ ] [ θ ] 0 dla x 0; gdzie θ > 0 jest iezaym parametrem. Wyzaczyć estymator parametru θ metodą ajwiększej wiarogodości oraz metodą mometów. Zadaie Niech,,... będzie próbką losową z rozkładu jedostajego a przedziale [0;0]. Niech Fˆ ( t ) ozacza dystrybuatę empiryczą wyzaczoą a podstawie zmieych,,... w pukcie t. a) Wyzaczyć do czego zbiega według prawdopodobieństwa zmiea losowa F ˆ (). lim P Fˆ () < 0, 3 ( ) b) Obliczyć ( 0 ) Zadaie Niech,..., θ θ x będzie próbą losową z rozkładu o gęstości fθ ( x) = e dla x > 0. Wyzacz x estymator ajwiększej wiarogodości parametru θ oraz oblicz jego obciążeie, wariację i ryzyko. ODP: ˆ θ =, ˆ Eθ = θ, b( θ) = θ, ˆ Var( θ ) = θ, x ( ) ( ) i= i R( θ ) = θ + θ ( ) ( ) ( ) Zadaie 3 Niech,..., będzie próbą losową z rozkładu o gęstości = θ θ ( x + ) + θ dla x > 0. 5

6 a) Wyzacz metodą kwatyli estymator parametru θ w oparciu o pierwszy kwartyl z próby (przyjmujemy, że Q / 4 ozacza pierwszy kwartyl wyzaczoy a podstawie próby,..., ). b) Obliczyć E(mi(,..., )). l ( 4 / 3) ODP: a) ˆ θ =, b) θ l Q + ( ) / 4 Zadaie 4 Niech,..., będą iezależymi zmieymi losowymi z tego samego rozkładu o gęstości 3 x / θ θ = x e dla x > 0, gdzie θ > 0. a) Dobierz stałą c tak, aby statystyka parametru θ. b) Sprawdź czy estymator uzyskay w pukcie a) jest ENMW ODP: a) c = 3 b) Jest ENMW T = c była estymatorem ieobciążoym i= i Zadaie 5 Niech,,..., będą iezależymi zmieymi losowymi z rozkładu o gęstości ( ) θ x θ + = dla x, θ >. a) Wyzacz estymator parametru θ metodą kwatyli wykorzystując mediaę z próby. b) Wyzacz estymator parametru θ metodą mometów wykorzystując średią z próby. l ODP: a) ˆ θ = l mˆ gdzie ozacza mediaę z próby, b) ˆ θ = Zad 6 Zakładamy, że,,, jest próbą losową z rozkładu o gęstości dla 0,, gdzie 0. Chcemy skostruować przedział ufości, dla parametru a poziomie ufości 0,9 tak, żeby ( 0,05. Dobrać stałe i, w taki sposób, żeby szukaym przedziałem ufości, gdzie Wskazówka: pokazać, że ~ Odpowiedź:,97; 9,6., było Zad 7 Niech,,, będzie próbą losową z rozkładu jedostajego a przedziale 0,. W celu przetestowaia hipotezy : przeciw alteratywie : wykorzystujemy test astępującej postaci: odrzucamy, jeśli wartość statystyki : przekroczy stałą c. Niech będzie 6

7 ajmiejszą liczebością próbki taką, przy której test a poziomie istotości 0, ma w pukcie moc przekraczającą 0,95. Obliczyć. Odpowiedź: 3 Zad 8 Każda ze zmieych losowych,,, ma rozkład ormaly, z iezaą wartością oczekiwaą i zaą wariacją. Założoo, że zmiee losowe są iezależe i zbudowao w stadardowy sposób przedział ufości a poziomie ufości 0,95 dla :,,, W rzeczywistości zmiee,,, mają łączy rozkład ormaly ale są skorelowae: ]., /0 dla wszystkich. Obliczyć faktyczy poziom ufości, czyli,96 0 przy założeiu, że zmiee losowe są skorelowae.,96 0 Wskazówka:,,, ; Odpowiedź: 0,45 ; ~00, 090 Zad 9 Niech,,, będą iezależymi zmieymi losowymi o rozkładach ormalych, przy czym ~, / dla,,, 0. Należy zbudować przedział ufości dla a poziomie ufości 0,95. Przedział ma być postaci,, gdzie jest estymatorem ajwiększej wiarygodości parametru. Wskazówka: Odpowiedź: 0,643 ; ~, Zad 30 Każde z 40 laboratoriów iezależie przeprowadziło pomiar prędkości światła w próżi c i każde podało przedział ufości dla c a poziomie ufości 0,95. a) Jaka jest wartość oczekiwaa liczby tych laboratoriów, które podały przedział zawierający prawdziwą wielkość c? b) Jakie jest prawdopodobieństwo, że chociaż jede z 40 przedziałów ie zawiera prawdziwej wielkości c? 7

8 Zad 3 Niech,,... będzie próbką losową z rozkładu N µ (,3 ). Weryfikujemy hipotezę zerową H : µ = 3 przy alteratywie 0 H : µ = testem o obszarze krytyczym K = {( x,..., x ) : x < c}. i= i a) Wyzaczyć wartość c, dla której test ma rozmiar 0,0. b) Wyzaczyć prawdopodobieństwo błędu drugiego rodzaju dla = 9. Zad 3 Zakładamy, że miesięcze wydatki a odbitki kserograficze studeta WNE mają rozkład ormaly N ( µ, σ ). Badaie 6 losowo wybraych studetów dostarczyło daych: i= i 5 i= ( ) i = = 0 S = = 9 a) Wyzacz przedział ufości dla wariacji zmieej losowej opisującej wydatki studeta WNE a ksero a poziomie ufości 0,9. b) Wyzacz przedział ufości dla wartości oczekiwae zmieej losowej opisującej wydatki studeta WNE a ksero a poziomie ufości 0,95. Odpowiedź: a) [5, 4;8,59] b) [8, 4;,6] Zad 33 W grupie 0 losowych pasażerów metra 84 osoby stwierdziły, że metro jest dla ich jedyym środkiem trasportu. Wyzaczyć przedział ufości dla odsetka pasażerów metra, dla których jest to jedyy środek trasportu a poziomie ufości 0,98. Odpowiedź: [ 0,3;0, 49 ] Zad 34 Niech,,... 0 będzie próbką losową z rozkładu o fukcji gęstości daej wzorem x dla x θ 0 0; = dla x [ 0; θ ] [ θ ] gdzie θ > 0 jest iezaym parametrem. Weryfikujemy H : θ = wobec alteratywy H : θ > za 0 pomocą testu o obszarze krytyczym W = {(,,... 0 ) : max(,,... 0) < c}. Wyzaczyć stałą c, aby otrzymać test a poziomie istotości 0,05. Odpowiedź: / 0 c = 0,05 8

9 Zad 35 Niech,..., x będzie próbą losową z rozkładu o gęstości fθ ( x) = dla x (0, θ ). Czy θ statystyka ( ) jest zgodym estymatorem dla θ : Odpowiedź: Tak Zad 36 Dyspoujemy 0 elemetową próbką losową z rozkładu ormalego a podstawie tej próby wyosi = 4. a) Wyzacz przedział ufości dla parametru µ a poziomie ufości 0,95.? N ( µ,3 ). Średia wyzaczoa b) Jak licza powia być próba, aby przy przyjętym poziomie ufości otrzymać przedział ufości o długości ie większej od 0,? Odpowiedź: a) [,685;5,35 ] b) 3830 obserwacji Zad 37 Na podstawie próby losowej,,, testujemy hipotezę : przy alteratywie : za pomocą testu o obszarze krytyczym. Wyzaczyć wartość t, jeśli zmiee losowe mają rozkłady o gęstości dla i błąd I rodzaju wyosi 0,05. Wskazówka: ~; ~ Odpowiedź: 7,8793 9

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n. Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Estymacja przedziałowa

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

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Estymatory nieobciążone o minimalnej wariancji

Estymatory nieobciążone o minimalnej wariancji Estymatory ieobciążoe o miimalej wariacji Model statystyczy (X, {P θ, θ Θ}); g : Θ R 1 Zadaie: oszacować iezaą wartość g(θ) Wybrać takie δ(x 1, X 2,, X ) by ( θ Θ) ieobciążoość E θ δ(x 1, X 2,, X ) = g(θ)

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Modele probabilistyczne zjawisk losowych

Modele probabilistyczne zjawisk losowych Statystyka-matematycza-II Wykład Modele probabilistycze zjawisk losowych Pojęcia podstawowe: Zdarzeia elemetare: ajprostsze zdarzeie mogące być wyróżioe dla daego doświadczeia losowego. Ω - zbiór zdarzeń

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIV, 06.06.06 STATYSTYKA BAYESOWSKA CD. Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

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

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że: Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:

Bardziej szczegółowo

Parametryczne Testy Istotności

Parametryczne Testy Istotności Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać

Bardziej szczegółowo

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

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =. Prawdopodobieństwo i statystyka 3..00 r. Zadanie Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX 4 i EY 6. Rozważamy zmienną losową Z. X + Y Wtedy (A) EZ 0,

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

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

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

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

Bardziej szczegółowo

Podstawowe rozkłady zmiennych losowych typu dyskretnego

Podstawowe rozkłady zmiennych losowych typu dyskretnego Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea

Bardziej szczegółowo

ZSTA LMO Zadania na ćwiczenia

ZSTA LMO Zadania na ćwiczenia ZSTA LMO Zadaia a ćwiczeia Efektywość estymatorów ieobciążoych Zadaie 1. Zakładamy, że badaa cecha X populacji ma rozkład Poissoa πλ, gdzie λ > 0 jest parametrem. Poadto, iech X = X 1, X,..., X będzie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym?

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym? Plaowaie Eksperymetów 1) Jakie są różice pomiędzy aaliza daych a wioskowaiem statystyczym? Celem aalizy daych jest prezetacja kokretego zbioru daych, w sposób ukazujący jego właściwości, w szczególości

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

µ = Test jest następujący: jeŝeli X > 0.01 to odrzucamy H. 0

µ = Test jest następujący: jeŝeli X > 0.01 to odrzucamy H. 0 7. Testowaie hipotez statystyczych 7. Populacja ma rozkład ciągły opisay fukcją gęstości f ( x) ( + ) x dla x [,]. Testowaa jest hipoteza, Ŝe wobec hipotezy alteratywej, Ŝe. Wioskujemy a podstawie jedoelemetowej

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

Estymacja współczynnika dopasowania w klasycznym modelu ryzyka

Estymacja współczynnika dopasowania w klasycznym modelu ryzyka Ogólopolska Koferecja Naukowa Zagadieia Aktuariale Teoria i praktyka Warszawa, 9- czerwca 008 Estymacja współczyika dopasowaia w klasyczym modelu ryzyka Aa Nikodem Uiwersytet Ekoomiczy we Wrocławiu Klasyczy

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Kolokwium ze statystyki matematycznej

Kolokwium 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 szczegółowo

Kurs Prawdopodobieństwo Wzory

Kurs Prawdopodobieństwo Wzory Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobieństwo i statystyka 9.06.999 r. Zadanie. Rzucamy pięcioma kośćmi do gry. Następnie rzucamy ponownie tymi kośćmi, na których nie wypadły szóstki. W trzeciej rundzie rzucamy tymi kośćmi, na których

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

Porównanie dwu populacji

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

Bardziej szczegółowo

0.1 Statystyczne Podstawy Modelu Regresji

0.1 Statystyczne Podstawy Modelu Regresji 0.1 Statystycze Podstawy Modelu Regresji iech daa będzie przestrzeń probabilistycza (Ω, F, P ). Fukcję X : Ω R, określoą a przestrzei zdarzeń elemetarych Ω, o wartościach rzeczywistych, takich że x R {ω

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Rachek rawdoodobieństwa i statystyka Wioskowaie statystycze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, ok407 ada@agh.ed.l Estymacja arametrycza Podstawowym arzędziem szacowaia iezaego arametr jest estymator

Bardziej szczegółowo

Punktowe procesy niejednorodne

Punktowe procesy niejednorodne Modelowaie i Aaliza Daych Przestrzeych Wykład 5 Adrzej Leśiak Katedra Geoiformatyki i Iformatyki Stosowaej Akademia Góriczo-Huticza w Krakowie Puktowe procesy iejedorode Jak wcześiej wspomiao, dla procesów

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

8. Udowodnić, że: a) macierz X X jest macierzą symetryczną; b) jeśli M jest macierzą idempotentną, o wyznaczniku różnym od 0, to M = I;

8. Udowodnić, że: a) macierz X X jest macierzą symetryczną; b) jeśli M jest macierzą idempotentną, o wyznaczniku różnym od 0, to M = I; Powtórzeie z algebry, rachuku prawdopodobieństwa i statystyki Zadaia. Pokazać, że dla dowolego odwracalego A,.. Pokazać z defiicji, że macierz jest ieujemie określoa. 3. Pokazać (z defiicji liiowej iezależości),

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi

Bardziej szczegółowo

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej. Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

Testowanie hipotez statystycznych.

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

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

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

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Podstawowe testy statystyczne i analiza zależności zjawisk

Podstawowe testy statystyczne i analiza zależności zjawisk Podstawowe testy statystycze i aaliza zależości zjawisk PODSTAWOWE TESTY STATYSTYCZNE Hipotezy statystycze Hipoteza statystycza dowole przypuszczeie dotyczące rozkładu lub jego parametrów Hipoteza parametrycza

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematyczna Anna Janicka wykład X, 9.05.206 TESTOWANIE HIPOTEZ STATYSTYCZNYCH II: PORÓWNYWANIE TESTÓW Plan na dzisiaj 0. Przypomnienie potrzebnych definicji. Porównywanie testów 2. Test jednostajnie

Bardziej szczegółowo

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r. Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

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

Bardziej szczegółowo

1 Testy statystyczne. 2 Rodzaje testów

1 Testy statystyczne. 2 Rodzaje testów 1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli

Bardziej szczegółowo

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n) MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości

Bardziej szczegółowo

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1. Podstawy teorii miary probabilistyczej. Zbiory mierzale σ ciało zbiorów Załóżmy, że mamy jakiś zbiór Ω. Niech F będzie taką rodzią podzbiorów Ω, że: Ω F A F A F i I A i F i I A i F Wtedy rodzię F azywamy

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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. 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

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

8 Weryfikacja hipotez statystycznych

8 Weryfikacja hipotez statystycznych Marek Beśka, Statystyka matematycza, wykład 8 04 8 Weryfikacja hipotez statystyczych 8. Hipotezy statystycze Drugą obok estymacji formą wioskowaia statystyczego jest weryfikacja hipotez statystyczych.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test

Bardziej szczegółowo

MATEMATYKA 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 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 szczegółowo

Statystyka 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 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 szczegółowo

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

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

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

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

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

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 szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

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

Bardziej szczegółowo

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 11 czerwca Oznaczenia i definicje 4

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 11 czerwca Oznaczenia i definicje 4 Spis treści Ozaczeia i defiicje 4 Wioskowaie statystycze 4. Statystyki dostatecze................................................. 4.. Rodzia rozkładów wykładiczych......................................

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

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

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA

STATYSTYKA Wykład 1 20.02.2008r. 1. ROZKŁADY PRAWDOPODOBIEŃSTWA 1.1 Rozkład dwumianowy Rozkład dwumianowy, 0 1 Uwaga: 1, rozkład zero jedynkowy. 1 ; 1,2,, Fakt: Niech,, będą niezależnymi zmiennymi losowymi o jednakowym

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Przykład (wstępny). Producent twierdzi, że wadliwość produkcji wynosi 5%. My podejrzewamy, że rzeczywista wadliwość produkcji wynosi 15%. Pobieramy próbę stuelementową

Bardziej szczegółowo

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

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

Bardziej szczegółowo

Statystyka 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 Statystyka i opracowaie daych Podstawy wioskowaia statystyczego. Prawo wielkich liczb. Cetrale twierdzeie graicze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Wprowadzeie Jeśli S

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi, Zadaie aa jest fucja gęstości zmieej losowej X: 9 8 Wyzacz: F (X ; Q ; ; ( X ; 9 9 P X P Zadaie ( Statystya II, X a b F( b F( a X e! P m ( ; m E( X ( X V ( X X R P ( X R ( X V ( X jest fucją gęstości zmieej

Bardziej szczegółowo

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. TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne. Zajmiemy

Bardziej szczegółowo

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 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne.

Bardziej szczegółowo

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 23 kwietnia Oznaczenia i definicje 3

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 23 kwietnia Oznaczenia i definicje 3 Spis treści Ozaczeia i defiicje 3 Wioskowaie statystycze 3. Statystyki dostatecze................................................. 3.. Rodzia rozkładów wykładiczych......................................

Bardziej szczegółowo

Sprawdzamy, czy błędy są losowo rozrzucone wokół zera i nie obserwujemy wśród nich żadnego trendu.

Sprawdzamy, czy błędy są losowo rozrzucone wokół zera i nie obserwujemy wśród nich żadnego trendu. Weryfikacja założeń modelu Gaussa-Markowa Przypomieie: W modelu Gaussa-Markowa Y = X jedyym losowym elemetem jest wektor. Zakładamy, że jest wektorem iezależych zmieych losowych o jedakowym rozkładzie

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.

Bardziej szczegółowo