MODELOWANIE (SYMULACJA) PROCESÓW STOCHASTYCZNYCH
|
|
- Michalina Michalik
- 7 lat temu
- Przeglądów:
Transkrypt
1 Ćwiczeie 8 MODELOWANIE (SYMULACJA) PROCESÓW STOCHASTYCZNYCH 8.. Wiadomości ogóle Bardzo wiele zdarzeń, a także zjawisk fizyczych zachodzących w otaczającym as świecie, osi cechy procesów przypadkowych stochastyczych, tz. takich, dla których prawdopodobieństwo ich zajścia jest stałe w czasie (ie zależy od waruków zewętrzych ai od historii daego obiektu). Należą do ich m.i. ieuporządkoway, chaotyczy ruch cząsteczek cieczy i gazów (ruchy Browa), aturaly rozpad promieiotwórczy, szumy urządzeń elektroiczych, rozpraszaie elektroów przechodzących przez ośrodki materiale, a awet w pewym sesie błądzeie człowieka zagubioego w lesie. Rówież proces pomiaru i występowaie iepewości przypadkowych ależą do tej samej klasy procesów stochastyczych, których rozwój czasowy opisay jest przez wartości zmieych losowych, a ich występowaie charakteryzuje się pewym rozkładem statystyczym. Od bardzo dawa uważao, że każda zmiea losowa ma rozkład ormaly lub przyajmiej zbieży do rozkładu ormalego. W bardzo wielu dziedziach auki i techiki zajdowao licze przykłady zmieych losowych o takim właśie rozkładzie. Rozkład te zaczęto uważać za uiwersaly rozkład statystyczy i dlatego właśie azwao rozkładem ormalym, dając tym wyraz, że jest to rozkład zazwyczaj występujący w praktyce. Dzisiaj wiemy, że rozkład ormaly ie jest jedyym rozkładem teoretyczym, który daje dobre przybliżeie rozkładów eksperymetalych, to jedak z całą pewością moża go zaliczyć do rozkładów, które ajczęściej mogą być stosowae do aproksymacji daych doświadczalych. Najbardziej rozpowszechioym poglądem, tłumaczącym przyczyy częstego występowaia rozkładu ormalego, był pogląd wysuięty przez F. Bessela. Według iego wartości obserwacji statystyczych zależą od wielu drobych przyczy. Przyczyy te, to są swego rodzaju impulsy, które powodują, że wartości obserwacji statystyczych odchylają się od średiej arytmetyczej. Gdy impulsy mają jedakowy kieruek, wówczas zaobserwowae odchyleie wartości cechy od średiej arytmetyczej jest duże, jeżeli atomiast impulsy działają różokierukowo, to sumarycze odchyleie wartości cechy od tej średiej jest małe. Oczywiście prawdopodobieństwo tego, że zacza ilość odchyleń będzie miała te sam kieruek, jest małe, jeżeli przyjmie się ie budzące ituicyjych sprzeciwów założeie, że odchyleia jedakowe co do wartości bezwzględej, a różiące się jedyie kierukiem (zakiem), mają jedakowe prawdopodobieństwo wystąpieia. Zakłada się rówież, że odchyleia są od siebie iezależe. Przy takich założeiach, a mocy twierdzeia o prawdopodobieństwie iloczyu zdarzeń iezależych możemy uważać, że wystąpieie zaczej ilości odchyleń jedokierukowych jest zdarzeiem mało prawdopodobym. Prawdopodobieństwo tego zdarzeia rówa się bowiem iloczyowi prawdopodobieństw zdarzeń elemetarych. Wyika stąd, że odchyleia duże co do bezwzględej wartości (czyli odchyleia będące sumą małych odchyleń jedakowo skierowaych) mają małe prawdopodobieństwo wystąpieia, a odchyleia małe mają to prawdopodobieństwo duże. Bessel traktuje odchyleia od średiej arytmetyczej tak samo jak błędy obserwacji. Poieważ błędy obserwacji, jak wykazali Gauss i Laplace, mają rozkład ormaly, przeto z wywodów Bessela wypływa wiosek, że każda cecha statystycza ma rozkład ormaly. Wykorzystując zatem model Laplacea, moża wykazać, jak iezależe zakłóceia (impulsy) występujące w pomiarze powodują arastaie iepewości pomiarowych, odchylając wyik pomiaru od rzeczywistej wartości (rys. 8.).
2 Rys. 8. Załóżmy, że wartość rzeczywista mierzoej wielkości wyosi A, oraz że pomiar tej wielkości jest zakłócoy przez N różych, iezależych czyików, z których każdy z prawdopodobieństwem p = /2 powoduje odchyleie wyiku pomiaru o wielkość ± e. Rysuek 8. pokazuje arastaie iepewości pomiarowych wraz ze wzrostem liczby czyików zakłócających pomiar. Prawdopodobieństwa otrzymaia określoego wyiku podae są a przecięciu kolum i wierszy tabeli, a ich suma w każdym wierszu rówa jest pewości (P = ). Taki proces arastaia wypadkowego odchyleia moża opisać rozkładem dwumiaowym lub jego aproksymacją rozkładem ormalym. Prawo rozkładu zdarzeń przypadkowych zakłócaych wieloma różymi, iezależymi czyikami, moża symulować za pomocą deski Galtoa (rys. 8.2). Jest to prostokąta deska, w której prostopadle do powierzchi wystaje kilkaaście rzędów kołków, których rozkład przypomia trójkąt Pascala. Odległość między kołkami jest taka, że może przejść między imi tylko jeda kulka. Deska jest lekko pochyloa. Z lejkowatego zbiorika, zajdującego się u góry deski, spadają kulki i zderzają się z kolejymi warstwami kołków, dozając przy tym lub w lewo z jedakowym prawdopodobieństwem p stąd, że każdy kołek iższej warstwy zajduje się odchyleia w prawo = q = /2. Wyika to dokładie pośrodku między dwoma kołkami wyższej warstwy, dlatego dokładie swym środkiem a kołekk stojący a jej kulka drodze. trafia Dziełem przypadku jest, czy po odbiciu od iego kulka przejdzie iżej z jego lewej, czy prawej stroy. Gdy większa liczba kulek przejdzie takie przypadkowe drogi, ułożą się oe w rowkach u dołu deski w kształcie krzywej symetryczej. Krzywa wskaże maksymale obsadzeie w okolicy swego środka, zaś ku brzegom obsadzeia będą zmierzały do zera (krzywa rozkładu Gaussa). Symetria tej krzywej będzie zaburzoa przez fluktuacje, tz. iewielkie wahaia w obsadzeiu poszczególych wyikają z rówowagi chwiejej kul. W każdym rowków, razie które zarówo stałość krzywej rozkładu, jak i zmieość zachodzących fluktuacji świadczą o występujących w tym zjawisku prawidłowościach statystyczych. Rys. 8.2 Prawa statystycze ie mogą dać odpowiedzi a pytaia dotyczące określoego zachowaia się pewego obiektu, p. kulki w ruchu po desce Galtoa. Tak więc ie potrafimy powiedzieć, do którego rowka wpadie kokreta kulka, a także ie wiemy, w którą stroę się odchyli. Możemy tylko powiedzieć, że gdybyśmy kulkę 2
3 puszczali odpowiedio dużo razy, to średio tyle a tyle razy wpadie do określoego rowka, tz. możemy określić, jakie jest prawdopodobieństwo tego zdarzeia. Na rysuku.2 liią łamaą połączoo kołki, a których spadająca kulka dozaje kolejych odchyleń w pewym przykładowo wybraym ruchu. Ruch kuleczek po desce Galtoa jest przykładem ruchu zwaego błądzeiem przypadkowym i ależy, podobie jak przytoczoe wcześiej przykłady, do obszerej klasy procesów stochastyczych, czyli ruchów, których rozwój czasowy opisyway jest przez wartości zmieych losowych. Kulka spadając w dół dozaje N odchyleń, kolejo a każdym rzędzie kołków w lewo albo w prawo, zawsze tylko o jede rowek to odchyleie jest zmieą losową. Jeżeli prawdopodobieństwo odchyleia kulki w prawo ozaczymy przez p, a w lewo przez q, to prawdopodobieństwo tego, że w wyiku N odchyleń z ich wystąpi w prawo, moża wyrazić rozkładem dwumiaowym gdzie P N () N N = p q, (8.) N N! =!(N )! jest liczbą -elemetowych kombiacji zbioru N-elemetowego. Rozkład dwumiaowy stosujemy w przypadku, gdy dyskreta zmiea losowa przyjmuje iezbyt duże wartości. Natomiast dla dużych wartości, a mocy cetralego twierdzeia rozkład dwumiaowy dąży do rozkładu ormalego, zwaego także rozkładem Gaussa. Rysuek 8.3 jest ilustracją rozkładu ormalego, w którym zmiea losowa przyjmuje ciągłe wartości. σ = 0.3 σ = 0.6 = σ Rys. 8.3 Przedstawioe a rysuku 8.3 przebiegi moża przybliżyć jedą wspólą krzywą gęstości prawdopodobieństwa rozkładu ormalego ϕ() opisaą wzorem 2 ( ) ϕ( ) = exp 2, (8.2) σ 2π 2σ gdzie jest wartością średią zmieej losowej, określającą położeie maksimum rozkładu, a σ odchyleie stadardowe. Kształt krzywej Gaussa silie zależy od wartości odchyleia stadardowego i jak widać z rysuku im większa jest jego wartość, tym szersza i bardziej spłaszczoa jest krzywa rozkładu. Moża wykazać, że wartość odchyleia stadardowego σ jest rówa, dla takich wartości, dla których krzywa rozkładu ma pukty przegięcia. Położeia tych puktów są symetrycze względem położeia maksimum krzywej rozkładu, a ich wartości wyoszą odpowiedio: σ i + σ. Wykoując atomiast całkowaie fukcji rozkładu Gaussa w graicach od σ do + σ, możemy wykazać, że odchyleie stadardowe określa szerokość przedziału (< σ, + σ >), w którym z 3
4 prawdopodobieństwem P = 0,683 zajduje się dowola wartość zmieej losowej. Przykład rozkładu ormalego o parametrach = 5 oraz σ = 2 pokazao a rys Między parametrami rozkładu ormalego a dwumiaowego występują ścisłe relacje określoe wyrażeiami: = pn, σ = Npq. (8.3) Dla omawiaego tu przypadku deski Galtoa, dla której p = q = /2, otrzymujemy: = N/2 oraz σ = (N/4) /2, przy czym N jest liczbą rowków deski Galtoa (N = 7 a rys. 8.2). Możliwość wykorzystaia rozkładu Gaussa do obliczeia wartości prawdopodobieństwa P() w kokretym zastosowaiu wymagaa zajomości wartości przybliżoych, czyli estymat zmieej losowej i odchyleia stadardowego σ w praktyce wartości te obliczamy z próby. Wykoując pomiary ruchu serii ν kulek a desce Galtoa, możemy obliczyć estymaty z astępujących wyrażeń: N ν ν =, σ = ν = ν Zaczeie symboli w wyrażeiach pomiaru. N = Rys ( ) ν N 2 2 ν ( ) ν ν ν = ν (8.4) (8.4) zostaie wyjaśioe w pukcie.3, gdzie opisao zasadę i przebieg 8.2. Zadaia Wyzaczyć eksperymetale wartości prawdopodobieństwa wpadięcia kulki do -tego rowka dla serii ν = 00, 200, 300 kulek Wyzaczyć prawdopodobieństwo P() wpadięcia kulki do -tego rowka a podstawie rozkładu ormalego (wz. (8.4)) dla ν = 3000 kulek Wykreślić otrzymae w doświadczeiu rozkłady dla całkowitej liczby ν = 00, 200, 300 kulek. Na te sam wykres aieść rozkład Gaussa dla ν = 300 kulek, wyliczoy w pkt Obliczyć względą liczbę kulek, k które zalazły się w rowkach deski zawartych w przedziale ± σ dla całkowitej liczby 300 kulek. 4
5 8.3. Zasada i przebieg pomiaru Przed przystąpieiem do pomiarów ależy przechylić deskę i przesypać wszystkie kulki do lejka zsypowego. Następie spuszczamy pierwszą serię 00 kulek, kolejo jeda po drugiej. Zliczamy kulki w poszczególych rowkach, a wyiki zapisujemy w tabeli. Powtarzamy cykl pomiarów dla astępych serii po 00 kulek każda, zwiększając w te sposób całkowitą liczbę kulek do 200 w drugim i 300 w trzecim pomiarze. Wyiki zapisujemy w odpowiedich wierszach tabeli 8.. Wyiki pomiarów v N = 23 Tabela v P exp() v P exp() v P exp() P() W tabeli 8. zastosowao astępujące ozaczeia: ν całkowita liczba kulek w kolejym pomiarze (00, 200, 300), ν liczba kulek w -tym rowku ( =, 2, 3,...N), gdzie N = 23 jest całkowitą liczbą rowków deski Galtoa. Korzystając z zależości: P exp () = ν /ν, dla trzech serii pomiarów obliczamy doświadczale prawdopodobieństwa wpadięcia kulki do -tego rowka. Wyiki zapisujemy w odpowiedim wierszu tabeli Bazując a daych zawartych w tabeli dla całkowitej liczby ν = 300 kulek, obliczamy estymaty wartości średiej i odchyleia stadardowego σ ze wzorów (8.4), przy czym ze względu a dużą wartość ν, możemy pomiąć w wyrażeiu a estymatę odchyleia stadardowego. Następie obliczamy prawdopodobieństwo P() wpadięcia kulki do -tego rowka ze wzoru a rozkład ormaly (wz. (8.2)), przystosoway dla dyskretej zmieej losowej P() = ϕ ( )d ϕ(), gdzie =. (8.5) Wyiki zapisujemy w ostatim wierszu tabeli Sporządzić wykres słupkowy (taki jak a rys. 8.4) rozkładu ormalego dla trzech serii pomiarów (ν = 00, 200, 300), wykorzystując wartości P exp () zawarte w tabeli. Na te sam wykres aieść pukty wyliczoe ze wzoru a rozkład Gaussa odpowiedie wartości P() zawarte są w ostatim wierszu tabeli. Obliczyć względą liczbę kulek, które zalazły się w rowkach deski Galtoa, w przedziale ± σ i porówać wyik z teoretyczą wartością prawdopodobieństwa zalezieia się kulek w rowkach z tego samego przedziału, wyikającą z rozkładu Gaussa (P = 0,683, wz. (8), Wstęp) Ocea iepewości pomiarów Deska Galtoa jest swego rodzaju aalogiem przyrządu pomiarowego, którego ajmiejsza działka jest szerokością rowka, rówą dokładie odległości między środkami kołków w każdym rzędzie. Ruch kulki jest symulacją procesu pomiaru, a wyik pomiaru to wartość zmieej losowej (umer rowka, do którego ostateczie trafi kulka). Zatem odchyleie stadardowe σ jest miarą iepewości pojedyczego pomiaru (kulka dozaje zawsze elemetarego poziomego przemieszczeia po zderzeiu z kołkiem w pomiarze zawsze występują iepewości przypadkowe). Odchyleie stadardowe σ w teorii błędu azywa się błędem średim kwadratowym pojedyczego pomiaru (szersza dyskusja tego zagadieia zajduje się w pkt. 4 Wstęp). Należy pamiętać, że zmiea losowa przyjmuje wartości dyskrete, zatem estymaty zmieej losowej i odchyleia stadardowego σ są liczbami całkowitymi! Wyiki obliczeń wartości prawdopodobieństw P exp () i P() podać z dokładością do trzech cyfr zaczących. 5
6 Literatura [] Wróblewski A. K., Zakrzewski A. J.: Wstęp do fizyki. Warszawa: PWN 976. [2] Szydłowski H.: Teoria pomiarów. Warszawa: PWN 979. [3] Barticki S., Borys W., Kostrzyński T.: Fizyka ogóla. Ćwiczeia laboratoryje cz. I. Warszawa: Skrypt WAT 99. [4] Hrabowska J., Tykarski R.: Laboratorium podstaw fizyki. Opis ćwiczeń. Zeszyt 2. Warszawa: WPW
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 szczegółowoMetrologia: 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 szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoĆwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowoEstymacja 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 szczegółowoSTATYSTYKA 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 szczegółowoPrawdopodobieństwo 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 szczegółowoWYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,
Bardziej szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowoWykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2
Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli
Bardziej szczegółowoPOLITECHNIKA 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 szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoZAGADNIENIE 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 szczegółowoStatystyka matematyczna. Wykład II. Estymacja punktowa
Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoZnajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek
Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoĆwiczenia 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 szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
Bardziej szczegółowoOpracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej
Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.
Bardziej szczegółowoLista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że
Bardziej szczegółowoSTATYSTYCZNA OCENA WYNIKÓW POMIARÓW.
Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,
Bardziej szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowoLABORATORIUM METROLOGII
AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr
Bardziej szczegółowoStatystyczny opis danych - parametry
Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea
Bardziej szczegółowo2.1. Studium przypadku 1
Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.
Bardziej szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowoX 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 szczegółowo1. 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 szczegółowoModa (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 szczegółowoElementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Bardziej szczegółowoStatystyka 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 szczegółowoSTATYSTYKA OPISOWA WYKŁAD 1 i 2
STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 6.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Własości rozkładu ormalego Cetrale twierdzeie graicze Fukcja charakterystycza
Bardziej szczegółowoStatystyka 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 szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowoĆwiczenie 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 szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało
Bardziej szczegółowoTeoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =
Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka
Bardziej szczegółowoPOMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne
D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka
Bardziej szczegółowo2. INNE ROZKŁADY DYSKRETNE
Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =
Bardziej szczegółowoRozkład Poissona. I. Cel ćwiczenia. Obowiązujący zakres materiału. Podstawy teoretyczne. Opracował: Roman Szatanik
Opracował: Roma Szatai Rozład Poissoa I. Cel ćwiczeia Zapozaie ze statystyczym sposobem opisu zagadień związaych z promieiowaiem jądrowym oraz z rozładami statystyczymi stosowaymi w fizyce jądrowej. Pratycze
Bardziej szczegółowoStatystyka opisowa - dodatek
Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej
Bardziej szczegółowoO trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności
Edward Stachowski O trzech elemetarych ierówościach i ich zastosowaiach przy dowodzeiu iych ierówości Przy dowodzeiu ierówości stosujemy elemetare przejścia rówoważe, przeprowadzamy rozumowaie typu: jeżeli
Bardziej szczegółowoRelacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:
Relacje rekurecyje Defiicja: Niech =,,,... będzie astępująco zdefiiowaym ciągiem: () = r, = r,..., k = rk, gdzie r, r,..., r k są skalarami, () dla k, = a + a +... + ak k, gdzie a, a,..., ak są skalarami.
Bardziej szczegółowoI kolokwium z Analizy Matematycznej
I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4
Bardziej szczegółowoPolitechnika Poznańska
Politechika Pozańska Temat: Laboratorium z termodyamiki Aaliza składu spali powstałych przy spalaiu paliw gazowych oraz pomiar ich prędkości przepływu za pomocą Dopplerowskiego Aemometru Laserowego (LDA)
Bardziej szczegółowon n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc
5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X
Bardziej szczegółowoCOLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871
COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara
Bardziej szczegółowoStatystyka 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 szczegółowoZdarzenia 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 szczegółowoz 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 szczegółowoKolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski
olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1, zima 2016/17
Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo
Bardziej szczegółowoElementy 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 szczegółowoL.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 szczegółowoJak obliczać podstawowe wskaźniki statystyczne?
Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoAnaliza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora
Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia
Bardziej szczegółowoProjekt Inżynier mechanik zawód z przyszłością współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego
Zajęcia wyrówawcze z fizyki -Zestaw 5 -Teoria Optyka geometrycza i optyka falowa. Prawo odbicia i prawo załamaia światła, Bieg promiei świetlych w pryzmacie, soczewki i zwierciadła. Zjawisko dyfrakcji
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i
Bardziej szczegółowo40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.
Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje
Bardziej szczegółowoModel 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 szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.
Bardziej szczegółowoWykład 11 ( ). Przedziały ufności dla średniej
Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowoVII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.
KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoINSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ
LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu
Bardziej szczegółowo1 Dwuwymiarowa zmienna losowa
1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla
Bardziej szczegółowod 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 szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.
Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe
Bardziej szczegółowo0.1 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 szczegółowoObserwacje 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 szczegółowoMateriał ćwiczeniowy z matematyki Marzec 2012
Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0
Bardziej szczegółowoO liczbach naturalnych, których suma równa się iloczynowi
O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 5 4.03.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Metody Mote Carlo Najważiejsze rozkłady prawdopodobieństwa Metoda akceptacji-odrzuceń
Bardziej szczegółowoWYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ
WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA
Bardziej szczegółowooznaczają 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 szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 3.04.08 dr iż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr leti 07/08 Wielowymiarowy rozkład Gaussa - przypomieie Cetrale twierdzeie graicze
Bardziej szczegółowoNumeryczny opis zjawiska zaniku
FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej
Bardziej szczegółowoStatystyka i rachunek prawdopodobieństwa
Statystyka i rachuek prawdopodobieństwa Filip A. Wudarski 22 maja 2013 1 Wstęp Defiicja 1. Statystyka matematycza opisuje i aalizuje zjawiska masowe przy użyciu metod rachuku prawdopodobieństwa. Defiicja
Bardziej szczegółowoPrzejście światła przez pryzmat i z
I. Z pracowi fizyczej. Przejście światła przez pryzmat - cz. II 1. Przejście światła przez pryzmat. Kąt odchyleia. W paragrafie 8.10 trzeciego tomu e-podręczika opisao bieg światła moochromatyczego w pryzmacie.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowoLaboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1
1. Cel ćwiczeia: Laboratorium Sesorów i Pomiarów Wielkości Nieelektryczych Ćwiczeie r 1 Pomiary ciśieia Celem ćwiczeia jest zapozaie się z kostrukcją i działaiem czujików ciśieia. W trakcie zajęć laboratoryjych
Bardziej szczegółowo