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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 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 średia ie jest odpora. Jeżeli histogram jest w przybliżeiu symetryczy, to średia i mediaa są zbliżoe. Jeżeli histogram jest skośy a prawo, to średia jest zwykle większa iż mediaa. Obie te miary położeia są jedakowo waże. Średia jest częściej wykorzystywaa do testowaia i estymacji (o czym późiej). Miary położeia: kwartyle Kwartyle dzielą zbiór daych a cztery grupy. Drugi kwartyl (Q2) to mediaa. Pierwszy kwartyl (Q1) to mediaa grupy obserwacji miejszych iż Q2. Trzeci kwartyl (Q3) to mediaa grupy obserwacji większych iż Q2. Rozstęp międzykwartylowy IQR = Q3 Q1 (iter-quartile rage) Obserwacja odstająca Czasami jede lub kilka wyików wyraźie odstaje od pozostałej większości. Spowodowae to może być p. przez błąd w zapisie daych, błąd maszyy, zmiaę waruków eksperymetu itp. Jak ustalić, które wyiki odstają? Dola graica = Q1 1, 5 IQR Góra graica = Q3 + 1, 5 IQR Wariacja z próby Miarą rozrzutu daych jest wariacja. Niestety, używa się dwóch bardzo podobych statystyk. Przypuśćmy, że dae są wyiki pomiarów y 1, y 2,..., y. Wtedy s 2 = 1 (y i y) 2 i=1 ŝ 2 = 1 1 (y i y) 2 i=1 Odpowiedio defiiujemy s oraz ŝ (jako pierwiastki). Czym różią się s 2 i ŝ 2? Zasadiczą różicę pozamy późiej, większą rolę w statystyce pełi ŝ 2. Wpływ przekształceń Jak zmieiają się: histogram, y, rozstęp, mediaa, kwartyle i s 2, gdy zamiast y weźmiemy y i = ay i + c, gdzie a, c są stałymi rzeczywistymi? Fukcja liiowa ie zmieia w zasadiczy sposób kształtu histogramu. Może go rozszerzyć ( a > 1), ścieśić ( a < 1), przesuąć (c < 0 lub c > 0) i obrócić (a < 0). 1

2 y = ay + c s 2 = a 2 s 2, więc s = a s. Fukcja liiowa zmieia: mediaę i kwartyle tak, jak średią, a rozstęp i IQR tak, jak odchyleie stadardowe. Przekształceia ieliiowe Fukcje ieliiowe (p. logarytm) zmieiają kształt histogramu i a ogół ie ma dla ich prostych formuł umożliwiających obliczeie owej średiej i owego odchyleia stadardowego. Parametry te liczymy z defiicji korzystając z owego zbioru daych. Czasami używamy fukcji ieliiowych, aby przekształcić skośe dae w bardziej symetrycze. Próba a populacja Populacja: Zbiór, z którego losujemy próbę i który chcemy opisać. Czasami rzeczywista, czasami abstrakcyja (p. ieskończeie duża próba ). Próba: Podzbiór populacji. Próba powia być reprezetatywa dla populacji. Wioskowaie statystycze to wioskowaie o populacji w oparciu o próbę. Próba prosta Prosta próba losowa: Każdy osobik z populacji może być wybray z tym samym prawdopodobieństwem. Wybory poszczególych osobików są iezależe. Jak wybrać próbę losową prostą? Mechaizm losujący, p.: Przyzajemy umer każdemu osobikowi. Zapisujemy umery a kulach. Mieszamy kule w urie. Losujemy kule=umery=osobików, tyle razy, ile wyosi rozmiar próby. Do losowaia możemy rówież użyć komputera lub gotowej tablicy liczb (umerów) losowych. Gdy rozmiar populacji ie jest ustaloy lub ie mamy dostępu do wszystkich osobików, zadaie jest dużo trudiejsze. Przykład Przewidywaie wyików wyborów prezydeckich w USA, 1936: Literary Digest wysłało kwestioariusze do 10 milioów ludzi (25% głosujących). Odpowiedziało 2,4 milioa. Przewidywaie: Lado 57%, Roosevelt 43%. Wyik wyborów: Roosevelt 62%, Lado 38%. Uwaga: F.D. Roosevelt, Partia Demokratycza, prezydet w latach

3 Przyczyy błędu Złe (dyskrymiujące) próbkowaie (użyto książek telefoiczych, list człokowskich klubów, listy zamówień pocztowych, listy właścicieli pojazdów). Brak odpowiedzi. Tylko 24% odpowiedziało (iemal wyłączie Republikaie). Uwaga: George Gallup przewidział poprawie a podstawie reprezetatywej próbki osób. Obciążeie w próbkowaiu Obciążeie w próbkowaiu występuje, gdy mamy do czyieia z systematyczym błędem faworyzującym pewą część populacji. W przypadku takiego obciążeia ie pomoże awet duży rozmiar próby. Losowy wybór elemetów do próby zwykle elimiuje takie obciążeie. Stratyfikacja Dzielimy populację a pod-populacje podobych jedostek (warstwy) i oddzielie próbkujemy w każdej warstwie. Przykłady warstw: studetki i studeci grupy zawodowe regioy geograficze Czym jest statystyka? Statystyka to auka rozumieia daych i podejmowaia decyzji w obliczu losowości. Problem. Daa jest populacja pewych elemetów. Iteresuje as średia tej populacji. Jak ją obliczyć dokładie? Jak ją oszacować szybko i małym kosztem ze stosukowo dużą dokładością? I jaka jest ta dokładość? Przykłady Oto kilka kokretych zadań, rozwiązywaych za pomocą statystyki. Ile haseł jest w tej 1000-stroicowej ecyklopedii? Jaki jest średi czas bezawaryjego działaia urządzeń, które produkuje daa fabryka (p. żarówek)? Ile czerwoych krwiek w 1 mm 3 krwi zawiera badaa próbka? Gdyby dziś odbywały się wybory, to ilu ludzi głosowałoby a partię X? Czy większość Polaków wypowiada się za przywróceiem kary śmierci? Liczba haseł w ecyklopedii Rozważmy pierwszy przykład. Ile haseł omawia daa ecyklopedia? Jak liczbę haseł obliczyć dokładie? Kto chciałby to zrobić i czy warto wkładać tyle wysiłku w tę, w grucie rzeczy, mało istotą iformację? Jak to zrobić, stosując statystykę? Ile średio haseł jest a jedej stroie? Gdy to już wiemy, możymy średią przez liczbę stro. Jak dokłade są takie obliczeia? Czas życia żarówki Ile czasu średio świecą żarówki, które produkujemy? 3

4 Tu ie moża zbadać wszystkich żarówek! Czy a podstawie jedej żarówki możemy szacować czas świeceia całej populacji? Ile pomiarów trzeba przeprowadzić, aby ich średia była dobrym odzwierciedleiem iezaego średiego czasu świeceia? Czerwoe krwiki Jak je szybko policzyć? Wyik wychodzi w milioach! Średia z próby Symbol x ozacza liczbę arytmetyczą średią z obserwacji. Symbol X ozacza pojęcie średiej z próby. Parametry średiej Za chwilę wylosujemy z daej populacji (p. żarówki) elemetów. Czas świeceia (do przepaleia żarówki) jest zmieą losową o iezaym am rozkładzie. Nie zamy też żadych parametrów tego rozkładu, a iteresuje as średia. Niech X 1, X 2,..., X będą czasami świeceia wylosowaych żarówek. X = X 1 + X X Jaka jest wartość oczekiwaa E(X)? Jaka wariacja V ar(x)? Parametry X Poieważ zmiee X 1, X 2,..., X pochodzą z jedej populacji, więc ich rozkład jest jedakowy (czy aprawdę jest???). Oczywiście zarówo średia, jak i wariacja są skończoe. ( ) X1 + X X E(X) = E = 1 (E(X 1) + E(X 2 ) E(X )) = E(X 1 ) ( ) X1 + X X V ar(x) = V ar = 1 2 (V ar(x 1) V ar(x )) = V ar(x 1) Parametry X Podsumujmy: w próbie prostej (tz. gdy wszystkie zmiee są iezależe i mają jedakowy rozkład) E(X) = E(X 1 ) V ar(x) = V ar(x 1) Wiosek: Im więcej prób, tym dokładiejszy wyik (wariacja maleje!). 4

5 Przykład Dla próby -elemetowej z pewej populacji V ar(x) = a. Jak dużą próbę ależałoby wziąć, aby ta wariacja zmalała dwukrotie? odchyleie stadardowe zmalało dziesięciokrotie? Rozwiązaie Wiemy, że V ar(x) = V ar(x 1) = a. Jeśli chcemy zmiejszyć wariację dwukrotie, to musimy dzielić przez dwa razy większą liczbę, czyli ależy dwukrotie zwiększyć liczbę prób. Odchyleie stadardowe to pierwiastek z wariacji: σ X = V ar(x 1 ). Aby tę liczbę zmiejszyć dziesięciokrotie, ależy zwiększyć miaowik pod pierwiastkiem 100 razy. Odpowiedź: Trzeba zwiększyć liczbę prób z do 100. Przedziały ufości Neymaa Jerzy Spława-Neyma ( ), polski statystyk, w latach w Lodyie, od 1938 pracował w Berkeley. Opracował (między iymi) teorię przedziałów ufości. Defiicja przedziału ufości Niech cecha X ma w populacji rozkład z iezaym parametrem θ. Z populacji wybieramy próbę losową X 1, X 2,..., X. Przedziałem ufości (θ 1, θ 2 ) o poziomie ufości 1 α azywamy taki przedział, który spełia waruek: P (θ 1 < θ < θ 2 ) = 1 α, gdzie θ 1 i θ 2 są fukcjami wyzaczoymi a podstawie próby losowej. Zazwyczaj poszukuje się przedziałów ajkrótszych. Poziom ufości 1 α to prawdopodobieństwo, że rzeczywista wartość parametru θ w populacji zajduje się w wyzaczoym przez as przedziale ufości. W praktyce przyjmuje się zazwyczaj astępujące wartości poziomu 1 α: 0,90. 0,99, 0,95 lub (rzadziej) Przedziały ufości dla wartości średiej Załóżmy, że chcemy oszacować iezaą wartość średią m zmieej losowej (cechy) X, której wariację σ 2 zamy. Przyjmujemy jedo z dwu założeń: Zmiea X ma rozkład N(m, σ 2 ), wtedy X N(m, σ2 ) lub zmiea X ma rozkład róży od ormalego, ale próba jest a tyle duża ( > 30? > 50?), że średia X ma w przybliżeiu rozkład N(m, σ2 ). Jeśli spełioe jest jedo z tych założeń, to zmiea X m ma rozkład N(0, 1). σ 5

6 Wyzaczaie przedziału ufości Wybierzmy odpowiedi poziom ufości, a przykład 0,95. Skoro X m ma rozkład N(0, 1), σ to z tablic rozkładu ormalego moża wyzaczyć taką liczbę z α, dla której P ( z α < X m < zα ) = 1 α = 0, 95. σ Przekształćmy wyrażeie w awiasie tak, aby otrzymać ierówość dla iezaej średiej m: Wyzaczaie przedziału ufości P ( z α σ < X m < z α σ ) = 1 α = 0, 95, skąd P (X z α σ < m < X + z α σ ) = 1 α = 0, 95. Szukaym przedziałem ufości dla m a poziomie ufości 1 α jest więc przedział (X z α σ, X + z α σ ). Estymatorem iezaej średiej m jest x, a margies błędu wyosi z α σ. Trzy ajważiejsze poziomy ufości Niech Z N(0, 1). Z tablic rozkładu ormalego N(0, 1) odczytujemy, że dla daego 1 α, rówego 0,9, 0,95 oraz 0,99: dla 0,9 mamy P (Z < 1, 65) = 0, 95, więc z 0,9 = 1, 65 dla 0,95 mamy P (Z < 1, 96) = 0, 975, więc z 0,95 = 1, 96, dla 0,99 mamy P (Z < 2, 58) = 0, 995, więc z 0,99 = 2, 58. Długość przedziału ufości Przy plaowaiu eksperymetu (w tym liczebości próby) chcemy wiedzieć, z jaką dokładością będziemy zać m (margies błędu). Niezaa średia m zawarta jest w przedziale (X z α σ, X + z α σ ) o długości 2 = 2 z ασ Zamy σ, dla wybraego α odczytujemy z tablic z α. 6

7 Szerokość przedziału zależy zatem od. Długość przedziału ufości Jeśli zadaa jest liczba (czyli połowa długości przedziału), to liczba prób, potrzeba do otrzymaia przedziału daej długości, jest rówa = zα 2 2. Przykład Próba pobraa z dużej partii lamp zawiera 100 lamp. Średia z próby długości świeceia lampy wyosi 1000 godzi. Na poziomie ufości 1 α = 0, 95 wyzacz przedział ufości dla średiej długości świeceia lampy z całej partii, jeśli wiadomo, że odchyleie stadardowe wyosi σ = 40 godzi. Rozwiązaie Nie zamy rozkładu długości świeceia, ale próba = 100 jest a tyle duża, że średia X ma w przybliżeiu rozkład N(m, σ2 402 ) czyli N(m, 100 ). Zaday poziom ufości 1 α = 0, 95. Szukamy takiej liczby z α, dla której P ( z α < Z < z α ) = 0, 95, skąd z α = 1, 96. ( ) Szukaym przedziałem ufości jest przedział , ; , 96 10, czyli (992, 16; 1007, 84). σ 2 7

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

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

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

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

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

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

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

Wykład 2. Wpływ stałej (odejmujemy 20) Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd.

Wykład 2. Wpływ stałej (odejmujemy 20) Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Wykład 2 Wpływ przekształceń Co się stanie ze średnią i odchyleniem standardowym gdy zmienimy jednostki? stopnie Celsiusza stopnie Fahrenheita dolary 1,000 dolarów wartość faktyczna odległość od minimum

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

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

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

Jak obliczać podstawowe wskaźniki statystyczne?

Jak 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 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

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

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

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

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

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

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

Bardziej szczegółowo

Materiały do wykładu 4 ze Statystyki

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

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

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

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Niepewności pomiarowe

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

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

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

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Egzaminy. na wyższe uczelnie 2003. zadania

Egzaminy. na wyższe uczelnie 2003. zadania zadaia Egzamiy wstępe a wyższe uczelie 003 I. Akademia Ekoomicza we Wrocławiu. Rozwiąż układ rówań Æ_ -9 y - 5 _ y = 5 _ -9 _. Dla jakiej wartości parametru a suma kwadratów rozwiązań rzeczywistych rówaia

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU Celem każdego ćwiczeia w laboratorium studeckim jest zmierzeie pewych wielkości, a astępie obliczeie a podstawie tych wyików pomiarów

Bardziej szczegółowo

Analiza matematyczna. Robert Rałowski

Analiza matematyczna. Robert Rałowski Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

Politechnika Poznańska

Politechnika 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 szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI

EGZAMIN MATURALNY Z INFORMATYKI Miejsce a aklejkę z kodem szkoły dysleksja MIN-R_P-072 EGZAMIN MATURALNY Z INFORMATYKI MAJ ROK 2007 POZIOM ROZSZERZONY CZĘŚĆ I Czas pracy 90 miut Istrukcja dla zdającego. Sprawdź, czy arkusz egzamiacyjy

Bardziej szczegółowo

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i

Bardziej szczegółowo

Zasada indukcji matematycznej. Dowody indukcyjne.

Zasada indukcji matematycznej. Dowody indukcyjne. Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,

Bardziej szczegółowo

STATYSTYKA wykład 5-6

STATYSTYKA wykład 5-6 TATYTYKA wykład 5-6 Twierdzenia graniczne Rozkłady statystyk z próby Wanda Olech Twierdzenia graniczne Jeżeli rozpatrujemy ciąg zmiennych losowych {X ; X ;...; X n }, to zdarza się, że ich rozkłady przy

Bardziej szczegółowo

Gretl konstruowanie pętli Symulacje Monte Carlo (MC)

Gretl konstruowanie pętli Symulacje Monte Carlo (MC) Grel kosruowaie pęli Symulacje Moe Carlo (MC) W Grelu, aby przyspieszyć pracę, wykoać iesadardową aalizę (ie do wyklikaia ) możliwe jes użycie pęli. Pęle realizuje komeda loop, kóra przyjmuje zesaw iych

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Ćwiczenia IV i V. 1 Rozwiązanie: Π. średnia liczba obsługiwanych klientów: 6.67 w ciągu godziny = Π1

Ćwiczenia IV i V. 1 Rozwiązanie: Π. średnia liczba obsługiwanych klientów: 6.67 w ciągu godziny = Π1 Ćwiczeia IV i V We wszystkich poiższych zadaiach ależy przyjąć, że zgłoszeia (lub ich odpowiediki) przychodzą zgodie z rozkładem Poissoa, a czasy obsługi podlegają rozkładowi wykładiczemu. Zadaia r i pochodzą

Bardziej szczegółowo

Składka ubezpieczeniowa

Składka ubezpieczeniowa Przychody zakładów ubezpieczeń Przychody i wydatki zakładów ubezpieczeń Składka ubezpieczeiowa 60-95 % Przychody z lokat 5-15 % Przychody z reasekuracji 5-30 % Wydatki zakładów ubezpieczeń Odszkodowaia

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - 1

Zadania z Rachunku Prawdopodobieństwa I - 1 Zadaia z Rachuku Prawdopodobieństwa I - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie, b) Jacek, Placek i Agatka stoją koło

Bardziej szczegółowo

Fundamentalna tabelka atomu. eureka! to odkryli. p R = nh -

Fundamentalna tabelka atomu. eureka! to odkryli. p R = nh - TEKST TRUDNY Postulat kwatowaia Bohra, czyli założoy ad hoc związek pomiędzy falą de Broglie a a geometryczymi własościami rozważaego problemu, pozwolił bez większych trudości teoretyczie przewidzieć rozmiary

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = =

WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU. Wprowadzenie. = = WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA METODĄ SZPILEK I ZA POMOCĄ MIKROSKOPU Wprowadzeie. Przy przejśiu światła z jedego ośrodka do drugiego występuje zjawisko załamaia zgodie z prawem Selliusa siα

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

Bardziej szczegółowo

WYGRYWAJ NAGRODY z KAN-therm

WYGRYWAJ NAGRODY z KAN-therm Regulami Kokursu I. POSTANOWIENIA OGÓLNE. 1. Regulami określa zasady KONKURSU p. Wygrywaj agrody z KAN-therm (dalej: Kokurs). 2. Orgaizatorem Kokursu jest KAN Sp. z o.o. z siedzibą w Białymstoku- Kleosiie,

Bardziej szczegółowo

Matematyka. Zakres podstawowy. Nawi zanie do gimnazjum. n/m Rozwi zywanie zada Zadanie domowe Dodatkowe Komunikaty Bie ce materiały

Matematyka. Zakres podstawowy. Nawi zanie do gimnazjum. n/m Rozwi zywanie zada Zadanie domowe Dodatkowe Komunikaty Bie ce materiały Lekcja 1. Lekcja orgaizacyja kotrakt Podręczik: W. Babiański, L. Chańko, D. Poczek Mateatyka. Zakres podstawowy. Wyd. Nowa Era. Zakres ateriału: Liczby rzeczywiste Wyrażeia algebraicze Rówaia i ierówości

Bardziej szczegółowo

Kluczowy aspekt wyszukiwania informacji:

Kluczowy aspekt wyszukiwania informacji: Wyszukiwaieiformacjitoproceswyszukiwaiawpewymzbiorze tychwszystkichdokumetów,którepoświęcoesąwskazaemuw kweredzietematowi(przedmiotowi)lubzawierająiezbędedla Wg M. A. Kłopotka: użytkowikafaktyiiformacje.

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo

Zacznij oszczędzać na emeryturę

Zacznij oszczędzać na emeryturę Zaczij oszczędzać a emeryturę - to TWOJA sprawa! ZAPEWNIJ SOBIE FINANSOWĄ PRZYSZŁOŚĆ! Kto się będzie Tobą opiekował, gdy przejdziesz a emeryturę? Aktualie państwowa emerytura wyosi EUR 193,30 tygodiowo

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ 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 szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

Michał Gruca ZASADY OPRACOWANIA WYNIKÓW POMIARÓW

Michał Gruca ZASADY OPRACOWANIA WYNIKÓW POMIARÓW Michał Gruca ZASADY OPRACOWANIA WYNIKÓW POMIARÓW 1. Wstęp Pomiarem jest procesem pozawczm, któr umożliwia odwzorowaie właściwości fizczch obiektów w dziedziie liczb. Sam proces pomiarow jest ciągiem czości

Bardziej szczegółowo

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego

Bardziej szczegółowo

Twoja firma. Podręcznik użytkownika. Aplikacja Grupa. V edycja, kwiecień 2013

Twoja firma. Podręcznik użytkownika. Aplikacja Grupa. V edycja, kwiecień 2013 Twoja firma Podręczik użytkowika Aplikacja Grupa V edycja, kwiecień 2013 Spis treści I. INFORMACJE WSTĘPNE I LOGOWANIE...3 I.1. Wstęp i defiicje...3 I.2. Iformacja o możliwości korzystaia z systemu Aplikacja

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

Opracowanie i analiza materiału statystycznego 419[01].O1.04

Opracowanie i analiza materiału statystycznego 419[01].O1.04 MINISTERSTWO EDUKACJI NARODOWEJ Ewa Kawczyńska-Kiełbasa Opracowaie i aaliza materiału statystyczego 419[01].O1.04 Poradik dla uczia Wydawca Istytut Techologii Eksploatacji Państwowy Istytut Badawczy Radom

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Podstawowe cechy podzielności liczb.

Podstawowe cechy podzielności liczb. Mariusz Kawecki, Notatki do lekcji Cechy podzielości liczb Podstawowe cechy podzielości liczb. Pamiętamy z gimazjum, że istieją reguły, przy pomocy których łatwo sprawdzić, czy kokreta liczba dzieli się

Bardziej szczegółowo

Badanie efektu Halla w półprzewodniku typu n

Badanie efektu Halla w półprzewodniku typu n Badaie efektu alla w ółrzewodiku tyu 35.. Zasada ćwiczeia W ćwiczeiu baday jest oór elektryczy i aięcie alla w rostoadłościeej róbce kryształu germau w fukcji atężeia rądu, ola magetyczego i temeratury.

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI ALGORYTM DO PROGRAMU MATHCAD 1 PRAWA AUTORSKIE BUDOWNICTWOPOLSKIE.PL GRUDZIEŃ 2010 Rozpatrujemy belkę swobodie podpartą obciążoą siłą skupioą, obciążeiem rówomierie

Bardziej szczegółowo

Podstawy informatyki 2. Podstawy informatyki 2. Wykład nr 9 (09.05.2007) Plan wykładu nr 9. Politechnika Białostocka. - Wydział Elektryczny

Podstawy informatyki 2. Podstawy informatyki 2. Wykład nr 9 (09.05.2007) Plan wykładu nr 9. Politechnika Białostocka. - Wydział Elektryczny odstawy iforatyki Wykład r 9 /44 odstawy iforatyki olitechika Białostocka - Wydział Elektryczy Elektrotechika, seestr II, studia stacjoare Rok akadeicki 006/007 la wykładu r 9 Obliczaie liczby π etodą

Bardziej szczegółowo

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Analiza dokładności wskazań obiektów nawodnych. Accuracy Analysis of Sea Objects

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Analiza dokładności wskazań obiektów nawodnych. Accuracy Analysis of Sea Objects ISSN 1733-8670 ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNARODOWA KONFERENCJA NAUKOWO-TECHNICZNA E X P L O - S H I P 2 0 0 6 Adrzej Burzyński Aaliza dokładości wskazań obiektów

Bardziej szczegółowo

Akustyka. Fale akustyczne = fale dźwiękowe = fale mechaniczne, polegające na drganiach cząstek ośrodka.

Akustyka. Fale akustyczne = fale dźwiękowe = fale mechaniczne, polegające na drganiach cząstek ośrodka. Akustyka Fale akustycze ale dźwiękowe ale mechaicze, polegające a drgaiach cząstek ośrodka. Cząstka mała, myślowo wyodrębioa część ośrodka, p. w gazie prostopadłościa o ustaloych wymiarach w pręcie prostopadłościa

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

Projekt Inżynier mechanik zawód z przyszłością współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego

Projekt 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 szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki 52 Sławomir Herma Sławomir HERMA atedra Iżyierii Produkcji, ATH w Bielsku-Białej E mail: slawomir.herma@gmail.com Harmoogramowaie liii motażowej jako elemet projektowaia cyfrowej fabryki Streszczeie: W

Bardziej szczegółowo

5. METODY MONTE CARLO A SYMULACJA POTOKÓW RUCHU (wg Drew, 1968)

5. METODY MONTE CARLO A SYMULACJA POTOKÓW RUCHU (wg Drew, 1968) 5. MEODY MONE CARLO A SYMULACJA POOKÓW RUCHU (wg Drew, 968) 5.. Wprowadzeie Moeta jest rzucaa aż do osiągięcia orła. Jeżeli to zdarzy się w pierwszym rzucie, gracz otrzymuje zł od baku. Jeżeli poraz pierwszy

Bardziej szczegółowo

Statystyczne metody analizy danych

Statystyczne metody analizy danych Statystyczne metody analizy danych Statystyka opisowa Wykład I-III Agnieszka Nowak - Brzezińska Definicje Statystyka (ang.statistics) - to nauka zajmująca się zbieraniem, prezentowaniem i analizowaniem

Bardziej szczegółowo

2. Trójfazowe silniki prądu przemiennego

2. Trójfazowe silniki prądu przemiennego 2. Trójfazowe siliki prądu przemieego Pierwszy silik elektryczy był jedostką prądu stałego, zbudowaą w 1833. Regulacja prędkości tego silika była prosta i spełiała wymagaia wielu różych aplikacji i układów

Bardziej szczegółowo

Akustyczno-fonetyczne cechy mowy polskiej

Akustyczno-fonetyczne cechy mowy polskiej II PRACOWNIA FIZYCZNA Akustyczo-foetycze cechy mowy polskiej Opis ćwiczeia w ramach II Pracowi Fizyczej Adrzej Wicher Aleksader Sęk Jacek Koieczy Istytut Akustyki UAM Pozań, 5 . WSTĘP... 3. SYGNAŁY ORAZ

Bardziej szczegółowo

Entropia w układach dynamicznych

Entropia w układach dynamicznych Etropia w układach dyamiczych Wstęp Środowiskowe studia doktorackie Uiwersytet Jagielloński Kraków, marzec-kwiecień 203 Tomasz Dowarowicz Część II Etropia topologicza i zasada wariacyja Zaczijmy od początku.

Bardziej szczegółowo

Przeczytaj, zanim zaczniesz rozwiązywać

Przeczytaj, zanim zaczniesz rozwiązywać Przeczytaj, zaim zacziesz rozwiązywać Maturzysto! Zaim rozpocziesz rozwiązywaie zadań z aszych arkuszy: Przygotuj: u Arkusz I 5 kartek papieru podaiowego w kratkę a czystopis i a brudopis; Arkusz II 5

Bardziej szczegółowo

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się.

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się. 1 Wstęp Będziemyrozważaćgeneratorytypux n+1 =f(x n,x n 1,...,x n k )(modm). Zakładamy,żeargumentamifunkcjifsąliczbycałkowitezezbioru0,1,...,M 1. Dla ustalenia uwagi mogą to być generatory liniowe typu:

Bardziej szczegółowo

BIULETYN MATURALNY NR 4 CENTRALNEJ KOMISJI EGZAMINACYJNEJ MATEMATYKA

BIULETYN MATURALNY NR 4 CENTRALNEJ KOMISJI EGZAMINACYJNEJ MATEMATYKA BIULETYN MATURALNY NR 4 CENTRALNEJ KOMISJI EGZAMINACYJNEJ MATEMATYKA SPIS TREŚCI Rozdział I O egzamiie... Rozdział II Elemety matematyki fiasowej dr hab. Michał Szurek... 6 Rozdział III Wzory... 9 Rozdział

Bardziej szczegółowo

Materiały Konferencji MathPAD 2008

Materiały Konferencji MathPAD 2008 Materiały Koferecji MathPAD 2008 Wydział Matematyki i Iformatyki Uiwersytetu Mikołaja Koperika w Toruiu 9-22 sierpia 2008 Redakcja materiałów: Mirosław Majewski (e-mail: mirek.majewski@yahoo.com) Robert

Bardziej szczegółowo

Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich właścicieli.

Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich właścicieli. Wszelkie prawa zastrzeżoe. Nieautoryzowae rozpowszechiaie całości lub fragmetu iiejszej publikacji w jakiejkolwiek postaci jest zabroioe. Wykoywaie kopii metodą kserograficzą, fotograficzą, a także kopiowaie

Bardziej szczegółowo

Optyka kurs wyrównawczy optyka geometryczna przyrządy optyczne, aberracje. 2011 r.

Optyka kurs wyrównawczy optyka geometryczna przyrządy optyczne, aberracje. 2011 r. Optyka kurs wyrówawczy optyka geometrycza przyrządy optycze, aberracje 0 r. Przyrządy do obserwcji okiem Gdy obserwujemy okiem, to waże jest powiększeie kątowe Powiększeie liiowe w przypadku teleskopu

Bardziej szczegółowo

Projekt z dnia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia..

Projekt z dnia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia.. Projekt z dia 24.05.2012 r. Wersja 0.5 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dia.. w sprawie szczegółowego zakresu obowiązku uzyskaia i przedstawieia do umorzeia świadectw efektywości eergetyczej i uiszczaia

Bardziej szczegółowo

STATYSTYKA STOSOWANA MAP1079

STATYSTYKA STOSOWANA MAP1079 STATYSTYKA STOSOWANA MAP1079 LISTY ZADAŃ opracowanie W. Wawrzyniak-Kosz Literatura podstawowa 1.J.Koronacki, J.Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa

Bardziej szczegółowo

1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:

1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć: Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).

Bardziej szczegółowo

Aplikacyjne aspekty metody Six Sigma w kwalitatywnej ocenie funkcjonowania systemów logistycznych

Aplikacyjne aspekty metody Six Sigma w kwalitatywnej ocenie funkcjonowania systemów logistycznych Aplikacyje aspekty metody Six Sigma w kwalitatywej oceie fukcjoowaia systemów logistyczych Applicatio aspects of the Six Sigma method i qualitative ratig of the workig of logistic systems Moika Dopytalska*,

Bardziej szczegółowo

Na podstawie art. 55a ustawy z dnia 7 lipca 1994 r. Prawo budowlane (Dz. U. z 2013 r. poz. 1409) zarządza się, co następuje:

Na podstawie art. 55a ustawy z dnia 7 lipca 1994 r. Prawo budowlane (Dz. U. z 2013 r. poz. 1409) zarządza się, co następuje: Projekt z dia 16.12.2013 r. Rozporządzeie Miistra Ifrastruktury i Rozwoju 1) z dia.. 2013 r. w sprawie metodologii obliczaia charakterystyki eergetyczej budyku i lokalu mieszkalego lub części budyku staowiącej

Bardziej szczegółowo

Warszawa, dnia 9 listopada 2012 r. Poz. 1229 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia 18 października 2012 r.

Warszawa, dnia 9 listopada 2012 r. Poz. 1229 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia 18 października 2012 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dia 9 listopada 2012 r. Poz. 1229 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dia 18 paździerika 2012 r. w sprawie szczegółowego zakresu obowiązków uzyskaia

Bardziej szczegółowo