Rozkłady statystyczne
|
|
- Michalina Kalinowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Instytut Informatyki Uniwersytetu Śląskiego 23 października 2008
2 Agenda 1 Kilka podstawowych pojęć związanych z rozkładami... 2 Przegląd rozkładów ciągłych, 3, 4 Rozkład beta, 5 Rozkład wielowymiarowy. 6 Powtórka z gnuplota. 7 Ciekawostka...
3 Agenda 1 Kilka podstawowych pojęć związanych z rozkładami... 2 Przegląd rozkładów ciągłych, 3, 4 Rozkład beta, 5 Rozkład wielowymiarowy. 6 Powtórka z gnuplota. 7 Ciekawostka...
4 Agenda 1 Kilka podstawowych pojęć związanych z rozkładami... 2 Przegląd rozkładów ciągłych, 3, 4 Rozkład beta, 5 Rozkład wielowymiarowy. 6 Powtórka z gnuplota. 7 Ciekawostka...
5 Agenda 1 Kilka podstawowych pojęć związanych z rozkładami... 2 Przegląd rozkładów ciągłych, 3, 4 Rozkład beta, 5 Rozkład wielowymiarowy. 6 Powtórka z gnuplota. 7 Ciekawostka...
6 Agenda 1 Kilka podstawowych pojęć związanych z rozkładami... 2 Przegląd rozkładów ciągłych, 3, 4 Rozkład beta, 5 Rozkład wielowymiarowy. 6 Powtórka z gnuplota. 7 Ciekawostka...
7 Agenda 1 Kilka podstawowych pojęć związanych z rozkładami... 2 Przegląd rozkładów ciągłych, 3, 4 Rozkład beta, 5 Rozkład wielowymiarowy. 6 Powtórka z gnuplota. 7 Ciekawostka...
8 Agenda 1 Kilka podstawowych pojęć związanych z rozkładami... 2 Przegląd rozkładów ciągłych, 3, 4 Rozkład beta, 5 Rozkład wielowymiarowy. 6 Powtórka z gnuplota. 7 Ciekawostka...
9 Podstawowe pojęcia... Parę słów wstępu Nośnik miary Niech (X, T ) będzie przestrzenią topologiczną i niech µ będzie miarą borelowską na ˆX. Nośnikiem miary µ nazywamy zbiór wszystkich tych punktów z ˆX, których każde otoczenie otwarte ma dodatnią miarę: supp(µ) := {x X x N x T, µ(n x ) > 0}
10 Podstawowe pojęcia... Parę słów wstępu Nośnik miary Niech (X, T ) będzie przestrzenią topologiczną i niech µ będzie miarą borelowską na ˆX. Nośnikiem miary µ nazywamy zbiór wszystkich tych punktów z ˆX, których każde otoczenie otwarte ma dodatnią miarę: supp(µ) := {x X x N x T, µ(n x ) > 0} Nośnik miary jeszcze raz... Dla rozkładów prawdopodobieństwa nośnikiem miary jest zbiór wszystkich wartości, które może przyjąć zmienna losowa.
11 Zmienna losowa Funkcja X odwzorowująca zbiór Ω wyników pewnego doświadczenia losowego w zbiór liczb rzeczywistych. Przykłady zmiennych losowych to: 1 Funkcja opisująca wagę wylosowanego obiektu, 2 Funkcja opisująca wzrost, 3 Funkcja opisująca wiek, Z wartościami zmiennej losowej związane są określone prawdopodobieństwa, tak więc zmienna losowa przybiera różne wartości z różnym prawdopodobieństwem: P(X = x i ) = p i Przykład zmiennej losowej Niech Ω będzie zbiorem wszystkich możliwych wyników rzutu dwoma koścmi do gry. Składa się on z 36 możliwych wyników. Zmienna losowa może być opisana w następujący sposób: (i, j) R 2, gdzie 1 i, j 6
12 Parametr położenia Wpływa na przesunięcie dystrybuanty i funkcji rozkładu prawdopodobieństwa danego rozkładu bez zmiany jego kształtu.
13 Parametr położenia Wpływa na przesunięcie dystrybuanty i funkcji rozkładu prawdopodobieństwa danego rozkładu bez zmiany jego kształtu. Parametr skali Zwiększenie tego parametru k razy spowoduje min. rozszerzenie wykresu dystrybuanty i funkcji rozkładu prawdopodobieństwa na osi OX, oraz kurczenie osi OY k razy względem początku układu współrzędnych.
14 Parametr położenia Wpływa na przesunięcie dystrybuanty i funkcji rozkładu prawdopodobieństwa danego rozkładu bez zmiany jego kształtu. Parametr skali Zwiększenie tego parametru k razy spowoduje min. rozszerzenie wykresu dystrybuanty i funkcji rozkładu prawdopodobieństwa na osi OX, oraz kurczenie osi OY k razy względem początku układu współrzędnych. Parametr kształtu Wpływa na kształt dystrybuanty i funkcji rozkładu prawdopodobieństwa.
15 Funkcja gęstości prawdopodobieństwa Gęstość prawdopodobieństwa to nieujemna funkcja p(x) ciągłej zmiennej losowej x, taka, że: p(x) dx = 1 oraz prawdopodobieństwo, że zmienna losowa X należy do przedziału (a,b) dane jest wzorem: P(a X < b) = b f (x) dx a
16 Dystrybuanta Pewna funkcja F(x) określająca prawdopodobieństwo tego, że zmienna losowa X przyjmuje jakąkolwiek wartość mniejszą od z góry przyjętej danej wartości x. F (x) = P(X < x) Dystrybuanta F(x) określona w przedziale (a,b) posiada następujące własności: 1 jest funkcją niemalejącą, 2 jest funkcją co najmniej lewostronnie ciągłą, 3 F(a) = 0, oraz F(b) = 1.
17 Wartość oczekiwana Zwana także nadzieją matematyczną. Jest to wartość opisująca spodziewany wynik doświadczenia losowego. Wartość oczekiwana to inaczej pierwszy moment zwykły. Wartość oczekiwana skokowej zmiennej losowej EX = Σ n i=1 x ip i gdzie: x 1, x 2,..., x n - to wartości dyskretnej zmiennej losowej, p 1, p 2,..., p n - odpowiadające poszczególnym wartościom prawdopodobieństwa. Wartość oczekiwana ciągłej zmiennej losowej Wartość zmiennej losowej typu ciągłego definiowana jest jako całka: E X = X dp
18 Mediana Wartość cechy w szeregu uporządkowanym, powyżej i poniżej której znajduje się jednakowa liczba obserwacji. W celu obliczenia mediany ze zbioru n oberwacji, sortujemy je w kolejności od najmniejszej do największej i numerujemy od 1 do n. Jeśli n jest nieparzyste, to medianą jest wartość obserwacji w środku, czyli n+1 2. Jeśli n jest parzyste, to medianą jest średnia arytmetyczna dwóch środkowych obserwacji: n 2, oraz n Wariancja Utożsamiana jest ze zróżnicowaniem zbiorowości. Jest to średnia arytmetyczna kwadratów odchyleń poszczególnych wartości cechy od wartości oczekiwanej. Y = (X EX ) 2
19 Moda - dominanta Wskazuje na wartość o największym prawdopodobieństwie wystąpienia, lub wartość najczęściej występującą w próbie. Dla zmiennej losowej o rozkładzie ciągłym jest to wartość, dla której funkcja gęstości prawdopodobieństwa ma wartość największą. Wartość Prawdopodobieństwo
20 Współczynnik skośności Współczynnik skośności rozkładu to miara asymetrii rozkładu wyznaczana według wzoru: A = m d s gdzie: m - wartość średniej arytmetycznej, d - wartość mody, s - wartość odchylenia standardowego. Współczynnik skośności przyjmuje wartość zero dla rozkładu symetrycznego, wartości ujemne dla rozkładów o lewostronnej asymetrii (wydłużone lewe ramię rozkładu) i wartości dodatnie dla rozkładów o prawostronnej asymetrii (wydłużone prawe ramię rozkładu).
21 Kurtoza Miara spłaszczenia rozkładu wartości cechy określana wzorem: Kurt = µ4 σ 3 4 gdzie: µ 4 - jest czwartym momentem centralnym, σ 4 -σ to odchylenie standardowe.
22 Entropia Definiowana jako średnia ilość informacji, przypadająca na znak symbolizujący zajście zdarzenia z pewnego zbioru. Zdarzenia w tym zbiorze mają przypisane prawdopodobieństwa wystąpienia. H(x) = Σ n i=1 p(i)log r p(i) gdzie: p(i) - prawdopodobieństwo zajścia zdarzenia i. Własności entropii jest nieujemna, jest maksymalna, gdy prawdopodobieństwa zajść zdarzeń są takie same, jest równa 0, gdy stany systemu przyjmują wartości 0 lub 1. 1
23 Funkcja tworząca momenty Pozwala na generowanie momentów kolejnych k rzędów zmiennej losowej, gdzie moment określany jest jako wartość oczekiwana k-tej potęgi tej zmiennej. Funkcja charakterystyczna Funkcją charakterystyczną zmiennej losowej X : Ω R nazywamy funkcję ϕ x : R C. ϕ x (t) = E(e itx ) dla t R Na funkcję charakterystyczną można patrzeć jako na transformatę Fouriera rozkładu zmiennej losowej, czyli transformację całkową z dziedziny czasu w dziedzinę czątotliwości.
24 Rozkład normalny Parę słów wstępu Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Zwany rozkładem Gaussa-Laplace a jest najczęściej spotykanym rozkładem zmiennej losowej ciągłej. Rozkład ten ma największe znaczenie spośród różnych rozkładów ciągłych stosowanych w statystyce. jest to rozkład teoretyczny, charakteryzujący się określonymi właściwościami, jst on rozkładem symetrycznym (czyli liczebności odpowiadające wartościom zmiennej rozkładają się symetrycznie wokół liczebności największej), każdy rozkład normalny jest rozkładem symetrycznym, rozkład posiada jedno maksimum oraz ściśle określoną kurtozę, wykres rozkładu normalnego ma postać krzywej w kształcie dzwonu, w punkcie centralnym rozkładu znajduje się średnia arytmetyczna, a także dominanta i mediana, średnia arytmetyczna jest wartością cechy najczęściej spotykaną w badanej zbiorowości.
25 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Nośnik : x R, 1 gęstość prawdopodobieństwa σ 2π dystrybuanta F (x) = 1 σ 2π e x µ wartość oczekiwana µ, mediana µ, moda µ, wariancja σ 2 skośność 0, kurtoza 0, entropia ln(σ 2πe), funkcja generująca momenty M x (t) σ 2, (x µ) 2 e( 2σ 2 ),
26 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Gęstość prawdopodobieństwa rozkładu normalnego.
27 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Dystrybuanta rozkładu normalnego.
28 Rozkład wykładniczy Parę słów wstępu Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rozkład wykładniczy to rozkład zmiennej losowej opisujący sytuację, w której obiekt może przyjmować stany X i Y, przy czym obiekt w stanie X może ze stałym prawdopodobieństwem przejść w stan Y w jednostce czasu. dystrybuanta tego rozkładu to prawdopodobieństwo, że obiekt jest w stanie Y, jest on określony jednym parametrem λ - wartością oczekiwaną, posiada własność braku pamięci.
29 Rozkład wykładniczy Parę słów wstępu Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rozkład wykładniczy to rozkład zmiennej losowej opisujący sytuację, w której obiekt może przyjmować stany X i Y, przy czym obiekt w stanie X może ze stałym prawdopodobieństwem przejść w stan Y w jednostce czasu. dystrybuanta tego rozkładu to prawdopodobieństwo, że obiekt jest w stanie Y, jest on określony jednym parametrem λ - wartością oczekiwaną, posiada własność braku pamięci. Przykład Niech zmienna losowa X oznacza czas pracy pewnej maszyny. Własność braku pamięci oznacza, że dalszy czas pracy maszyny nie zależy od dotychczasowego czasu jej trwania i ma rozkład taki sam, jak rozkład całkowitej pracy urządzenia.
30 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Nośnik : [0, ], gęstość prawdopodobieństwa λe λx, dystrybuanta F (x) = 1 e λx, wartość oczekiwana 1 λ, mediana ln(2) λ, moda 0, wariancja λ 2 skośność 2, kurtoza 6, entropia 1 ln(λ), funkcja generująca momenty (1 t 1 λ )
31 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Gęstość prawdopodobieństwa rozkładu wykładniczego.
32 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Dystrybuanta rozkładu wykładniczego.
33 Rozkład gamma Parę słów wstępu Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rozkład gamma to ciągły rozkład prawdopodobieństwa, którego gęstość jest uogólnieniem rozkładu Erlanga na dziedzinę dodatnich liczb rzeczywistych. Rozkład Erlanga został opracowany przez A. K. Erlanga do szacowania liczby rozmów telefonicznych, łączonych jednocześnie przez operatora w ręcznej centrali telefonicznej. Parametry rozkładu: k - parametr kształtu ( k > 0 ) Θ - parametr skali, ( Θ > 0 )
34 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Nośnik : [0, ], gęstość prawdopodobieństwa x k 1 dystrybuanta γ(k, x Θ ) Γ(k), wartość oczekiwana kθ 2, moda (k 1)Θ dla k 1, wariancja kθ 2 skośność 2 k, e x Θ, Γ(k)Θ k kurtoza 6 k, entropia k + lnθ = lnγ(k) + (1 k)ψ(k), funkcja generująca momenty (1 Θt) k, dla t < 1 Θ
35 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Gęstość prawdopodobieństwa rozkładu gamma.
36 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: dystrybuanta rozkładu gamma.
37 Rozkład t-studenta Parę słów wstępu Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rozkład t-studenta (zwany rozkładem t) to rozkład często stosowany w statystyce podczas testowania hipotez i ocenie błędów. bardzo dobrze sprawdza się przy szacowaniu i weryfikacji parametrów w przypadku małych prób (n 30), stosowany przy weryfikacji niektórych hipotez dotycząych średniej, gdy dysponuje się małą próbą, czyli wtedy, gdy nie można wykorzystać rozkładu normalnego. Funkcja gamma jedna z funkcji specjalnych, która rozszerza pojęcie silni na zbiór liczb rzeczywistych i zespolonych, Funkcja beta - Całka Eulera pierwszego rodzaju, Funkcja digamma.
38 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Nośnik : x R, gęstość prawdopodobieństwa Γ( v+1 2 ) vπγ( v )(1 + x 2 v 2 ) ( v+1 2 ), dystrybuanta 1 v xγ( 2 ; 3 2 πvγ( v 2 ), wartość oczekiwana 0 dla v 1, w przciwnym wypadku nieokreślona, mediana 0, moda 0, wariancja v v 2 dla v 2, w przeciwnym wypadku nieokreślona, skośność 0 dla v 3, 6 kurtoza v 4 dla v 4, entropia v+1 1+v 2 [ψ( 2 ) ψ( v 2 )] + log[ vb( v 2, 1 2 )], funkcja generująca momenty nieokreślona 2 ) 2F1( 1 2 ; v+1 x2 ; v )
39 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Gęstość prawdopodobieństwa rozkładu t-studenta.
40 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Dystrybuanta rozkładu t-studenta.
41 Rozkład Cauchy ego Parę słów wstępu Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rozkład Cauchy ego zwany również w optyce rozkładem Lorentza a w fizyce jądrowej rozkładem Breita-Wignera. Momenty zwykłe i centralne rozkładu są niezdefiniowane -całki dla tych momentów rozbiegają się do nieskończoności. Dlatego min. kurtoza nie może zostać podana. Parametry x 0 - położenie γ > 0 - skala.
42 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Nośnik : x R, 1 gęstość prawdopodobieństwa, πγ[1+( x x 0 γ )2 ] dystrybuanta 1 x x0 π arc tg( γ ) + 1 2, wartość oczekiwana nieokreślona, mediana x 0, moda x 0, wariancja nieokreślona, skośność nieokreślona, kurtoza nieokreślona, entropia ln4πγ, funkcja generująca momenty nieokreślona
43 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Gęstość prawdopodobieństwa rozkładu Cauchy ego.
44 Rozkład normalny Rozkład wykładniczy Rozkład gamma Rozklad t-studenta Rozkład Cauchy ego Rysunek: Dystrybuanta rozkładu Cauchy ego.
45 Rozkład Poissona Parę słów wstępu Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rozkład Poissona jest rozkładem zmiennej losowej skokowej, który stosuje się w przypadku określania prawdopodobieństwa zajścia zdarzeń stosunkowo rzadkich i niezależnych od siebie przy występowaniu dużej ilości doświadczeń. rozkład Poissona jest przybliżeniem rozkładu Bernoulliego dla dużych prób i przy małym prawdopodobieństwie zajścia zdarzenia sprzyjającego, jest to rozkład asymetryczny, Γ(x, y) - niekompletna funkcja gamma, dla λ dążącego do nieskończoności rozkład Poissona może być przybliżony rozkładem normalnym o średniej λ i wariancji λ.
46 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Nośnik : {0, 1, 2,...}, Funkcja rozkładu prawdopodobieństwa e λ λ k k!, dystrybuanta Γ( k+1,λ) k!, wartość oczekiwana λ, mediana λ λ, moda λ, wariancja λ skośność λ 1 2, kurtoza λ 1, entropia λ[1 ln(λ)] + e λ Σ k=0 λ k ln(k!) k!, funkcja generująca momenty e (λ(et 1))
47 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Funkcja rozkładu prawdopodobieństwa - rozkład Poissona.
48 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Dystrybuanta rozkładu Poissona.
49 Rozkład dwumianowy Parę słów wstępu Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Dyskretny rozkład prawdopodobieństwa opisujący liczbę sukcesów k w ciągu N niezależnych prób, z których każda ma stałe prawdopodobieństwo sukcesu równe p. W Polsce określany też jako Rozkład Bernoulliego, chociaż termin ten odnosi się do rozkładu zero-jedynkowego. Innym rozkładem, który opisuje ilość sukcesów w ciągu N prób, jest rozkład hipergeometryczny. W tym przypadku jednak próby nie są niezależne (próba bez zwracania). Parametry n - liczba prób, n 0, 0 p 1, prawdopodobieństwo sukcesu.
50 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Nośnik :k {0, 1, 2,..., n}, Funkcja rozkładu prawdopodobieństwa ( n k) p k (1 p) n k, dystrybuanta I 1 p (n k, 1 + k ), wartość oczekiwana np, mediana np 1, np, np + 1, moda (n + 1) p, wariancja np(1 p) 1 2p skośność, np(1 p) kurtoza 1 6p(1 p) np(1 p), entropia 1 2 ln (2πnep(1 p)), funkcja generująca momenty (1 p + pe t ) n
51 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Funkcja rozkładu prawdopodobieństwa - rozkład dwumianowy.
52 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Dystrybuanta rozkładu dwumianowego.
53 Rozkład geometryczny Parę słów wstępu Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rozkład geometryczny jest dyskretnym rozkładem prawdopodobieństwa opisującym prawdopodobieństwo zdarzenia, że proces Bernoulliego odniesie pierwszy sukces dokładnie w k-tej próbie. Niekiedy zamiast badać w której próbie odniesiemy pierwszy sukces, badamy ile prób z rzędu kończy się porażką. Wówczas tak zdefiniowane k jest o jeden mniejsze, więc we wszystkich wzorach należy dodać do niego 1. rozkład geometryczny to szczególny przypadek ujemnego rozkładu dwumianowego, ciągłym odpowiednikiem rozkładu geometrycznego jest rozkład wykładniczy, 0 p 1, prawdopodobieństwo sukcesu.
54 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Nośnik :k {1, 2, 3,... }, Funkcja rozkładu prawdopodobieństwa (1 p) k 1 p, dystrybuanta 1 (1 p) k, wartość oczekiwana 1 p, mediana log(2) log(1 p) moda 1, wariancja 1 p skośność p 2 2 p 1 p,, kurtoza 6 + p2 1 p, entropia 1 p p log 2 (1 p) log 2 p, funkcja generująca momenty pe t 1 (1 p)e t
55 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Funkcja rozkładu prawdopodobieństwa - rozkład geometryczny.
56 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Dystrybuanta rozkładu geometrycznego.
57 Rozkład dzeta Parę słów wstępu Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Dyskretny rozkład prawdopodobieństwa, będący granicą rozkładu Zipfa (opierającego się na prawie Zipfa) dla parametru N dążącego do nieskończoności. Prawo Zipfa Częstotliwość występowania słów jest odwrotnie proporcjonalna do pozycji w rankingu. Parametry s (1, ), liczba rzeczywista, ζ(s) - to funkcja dzeta Riemanna.
58 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Nośnik :k {1, 2,...}, Funkcja rozkładu prawdopodobieństwa 1/ks ζ(s), dystrybuanta H k,s ζ(s), wartość oczekiwana ζ(s 1) ζ(s) dla s > 2, moda 1, wariancja ζ(s)ζ(s 2) ζ(s 1)2 ζ(s) dla s > 3 2 entropia k=1 1/k s ζ(s) log(ks ζ(s)), funkcja generująca momenty Lis (et ) ζ(s)
59 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Funkcja rozkładu prawdopodobieństwa - rozkład dzeta.
60 Rozkład Poissona Rozkład dwumianowy Rozkład geometryczny Rozkład dzeta Rysunek: Dystrybuanta rozkładu dzeta.
61 Rozkład beta Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady α > 0, parametr kształtu, β > 0, parametr kształtu, Γ - funkcja gamma, B - funkcja beta.
62 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Nośnik :x [0; 1], Funkcja rozkładu prawdopodobieństwa x α 1 (1 x) β 1 B(α,β), dystrybuanta I x (α, β), α wartość oczekiwana α+β, moda wariancja α 1 α+β 2, αβ (α+β) 2 (α+β+1) skośność 2 (β α) α+β+1 (α+β+2) αβ, kurtoza 6 α3 α 2 (2β 1)+β 2 (β+1) 2αβ(β+2) αβ(α+β+2)(α+β+3)., entropia ln B(α, β) (α 1)ψ(α)(β 1)ψ(β) + (α + β 2)ψ(α + β), funkcja generująca momenty 1 + k=1 ( k 1 r=0 α+r α+β+r ) t k k!
63 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Rysunek: Gęstość prawdopodobieństwa rozkładu beta.
64 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Rysunek: Dystrybuanta rozkładu beta.
65 Rozkład wielowymiarowy Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Wielowymiarowy rozkład normalny - rozkład wielowymiarowej zmiennej losowej, będący uogólnieniem rozkładu normalnego na n wymiarów.
66 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Rysunek: Wielowymiarowy rozkład normalny.
67 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady set xrange[-5:5] set yrange[0:1] set xlabel " x " set ylabel " f(x) " f1(x) = (1.0/(sqrt(2*pi)))*exp(x*x/2) f2(x)= (1.0/( *sqrt(2*pi)))*exp(-((x*x)/2*0.5)} plot f1(x) title rozklad normalny, \ f2(x) title Rozklad normalny 2
68 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady n=5 set title " n= 5 " set xrange[-5:5] set xlabel " x " set ylabel " f(x) " f1(x)=gamma(0.5*(n+1))/(sqrt(n*pi)*gamma(0.5*n)), \ *(1.0+x**2/n)**(-0.5*(n+1.0)) plot f1(x) title r. t-studenta
69 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Kurtoza rokładu normalnego, momenty Kurt = µ4 σ 4
70 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Kurtoza rokładu normalnego, momenty Moment centralny Kurt = µ4 σ 4 Moment centralny rzędu k zmiennej losowej X - wartość oczekiwana funkcji g(x) = E[X E(X )] k. µ 2 - drugi moment centralny, to wariancja. Moment zwykły Moment zwykły rzędu k - wartość oczekiwana k-tej potęgi tej zmiennej. Dla k=1 wartość oczekiwana - pierwszy moment zwykły m 1. m = EX = m 1 (X )
71 Czwarty moment centralny Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady µ 4 = E((X EX ) 4 ) = E(X 4 4(EX ) 1 X 3 +6(EX ) 2 X 2 4(EX ) 3 X 1 +(EX ) 4 = E(X 4 ) 4E(EX ) 1 X 3 + 6E(EX ) 2 X 2 4E(EX ) 3 X 1 + E(EX ) 4 = E(X 4 ) 4Em(X 3 ) + 6m 2 E(X 2 ) 4m 3 E(X 1 ) + E(EX ) 4 = E(X 4 ) 4mE(X 3 ) + 6m 2 E(X 2 ) 4m 4 + m 4 = E(X 4 ) 4mE(X 3 ) + 6m 2 E(X 2 ) 3m 4
72 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Momenty zwykłe E(X 2 ) = σ 2 + m 2 E(X 3 ) = 3σ 2 m + m 3 E(X 4 ) = 3σ 4 + 6σ 2 m 2 + m 4
73 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Momenty zwykłe E(X 2 ) = σ 2 + m 2 E(X 3 ) = 3σ 2 m + m 3 E(X 4 ) = 3σ 4 + 6σ 2 m 2 + m 4 Wracamy do momentu centralnego µ 4 (X ) = E(X 4 ) 4mE(X 3 ) + 6m 2 E(X 2 ) 3m 4 = (3σ 4 + 6σ 2 m 2 + m 4 ) 4m(3σ 2 m + m 3 ) + 6m 2 (σ 2 + m 2 ) 3m 4 = 3σ 4 + 6σ 2 m 2 + m 4 12σ 2 m 2 4m 4 + 6σ 2 m 2 + 6m 4 3m 4 = 3σ 4
74 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Momenty zwykłe E(X 2 ) = σ 2 + m 2 E(X 3 ) = 3σ 2 m + m 3 E(X 4 ) = 3σ 4 + 6σ 2 m 2 + m 4 Wracamy do momentu centralnego µ 4 (X ) = E(X 4 ) 4mE(X 3 ) + 6m 2 E(X 2 ) 3m 4 = (3σ 4 + 6σ 2 m 2 + m 4 ) 4m(3σ 2 m + m 3 ) + 6m 2 (σ 2 + m 2 ) 3m 4 = 3σ 4 + 6σ 2 m 2 + m 4 12σ 2 m 2 4m 4 + 6σ 2 m 2 + 6m 4 3m 4 = 3σ 4 Kurtoza rozkładu normalnego K = (µ4(x )) σ 4 3 = 3σ4 σ 4 3 = 3 3 = 0
75 rozkłady Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady rozkład arcusa sinusa, rozkład Arfwedsona, rozkład Arnolda, rozkład arytmetyczny, rozkład asymetryczny, rozkład asymptotyczny, rozkład beta Poissona, rozkład beta Whittle a, rozkład beta-gamma, rozkład beta-pierwszy,
76 rozkłady Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady rozkład beta-stacy ego, rozkład Binghama, rozkład Birnbauma-Saundersa, rozkład Birnbauma-Tingeya, rozkład Borela-Tannera, rozkład Bosego, rozkład Bradforda, rozkład brzegowy, rozkład Cauchy ego dwuwymiarowy, rozkład Charliera,
77 rozkłady Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady rozkład chi, rozkład Dimrotha-Watsona, rozkład Dirichleta, rozkład dwumianowy podwójny, rozkład dwumodalny, rozkład dwustronnie wykładniczy, rozkład Elfwinga, rozkład Engseta, rozkład F logarytmiczny, rozkład F podwójnie niecentralny,
78 rozkłady Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady rozkład Ferreriego, rozkład Frécheta, rozkład Gaussa odwrotny, rozkład Gaussa-Poissona, rozkład Gibrata, rozkład harmoniczny, rozkład Helmerta, rozkład hipergeometryczny odwrotny, rozkład Isinga-Stevensa, rozkład jednopunktowy,
79 rozkłady Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady rozkład Kapteyna, rozkład kwadratowo-normalny, rozkład logarytmicznie logistyczny, rozkład logarytmiczny Poissona z zerami, rozkład Lomaxa, rozkład Marshalla-Olkina, rozkład Maxwella, rozkład Millera, rozkład najmniej korzystny, rozkład nieosobliwy,
80 rozkłady Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady rozkład normalny ucięty Poissona, rozkład Pascala, rozkład Perka, rozkład Poissona-Lexisa, rozkład Poissona-Pascala, rozkład Pólyi, rozkład Rayleigha, rozkład Rhodesa, rozkład Riemanna, rozkład równowagi,
81 rozkłady Parę słów wstępu Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady rozkład Shorta, rozkład skontaminowany, rozkład Smirnowa-Birnbauma-Tingeya, rozkład Stevensa-Craiga, rozkład Stirlinga, rozkład szeregu Dirichleta, rozkład Thomasa, rozkład w połowie Cauchy ego, rozkład Walda, rozkład Yule a...
82 Rozkład beta Rozkład normalny wielowymiarowy Trochę gnuplota... Ciekawostka... rozkłady Dziękuję za uwagę
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X
Bardziej szczegółowoMatematyka z el. statystyki, # 3 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoPrzykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 3 Zmienna losowa i jej rozkłady Zdarzenia losowe Pojęcie prawdopodobieństwa
Bardziej szczegółowoNajczęściej spotykane rozkłady dyskretne:
I. Rozkład dwupunktowy: Najczęściej spotykane rozkłady dyskretne: Def. Zmienna X ma rozkład dwupunktowy z prawdopodobieostwem 1 przyjmuje tylko dwie wartości, tzn. P(X = x 1 ) = p i P(X = x 2 ) = 1 p =
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja
Bardziej szczegółowoStatystyka. Magdalena Jakubek. kwiecień 2017
Statystyka Magdalena Jakubek kwiecień 2017 1 Nauka nie stara się wyjaśniać, a nawet niemal nie stara się interpretować, zajmuje się ona głównie budową modeli. Model rozumiany jest jako matematyczny twór,
Bardziej szczegółowoRachunek Prawdopodobieństwa i Statystyka
Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna
Bardziej szczegółowoStatystyka opisowa. Robert Pietrzykowski.
Statystyka opisowa Robert Pietrzykowski email: robert_pietrzykowski@sggw.pl www.ekonometria.info 2 Na dziś Sprawy bieżące Przypominam, że 14.11.2015 pierwszy sprawdzian Konsultacje Sobota 9:00 10:00 pok.
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowoRozkłady prawdopodobieństwa
Tytuł Spis treści Wersje dokumentu Instytut Matematyki Politechniki Łódzkiej 10 grudnia 2011 Spis treści Tytuł Spis treści Wersje dokumentu 1 Wartość oczekiwana Wariancja i odchylenie standardowe Rozkład
Bardziej szczegółowoRozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe
Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości
Bardziej szczegółowoElementy Rachunek prawdopodobieństwa
Elementy rachunku prawdopodobieństwa Rachunek prawdopodobieństwa zajmuje się analizą praw rządzących zdarzeniami losowymi Pojęciami pierwotnymi są: zdarzenie elementarne ω oraz zbiór zdarzeń elementarnych
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa
STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA
AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja
Bardziej szczegółowoWYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena
Bardziej szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoTemat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka
Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład
Bardziej szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowoMATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ
MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowoZ Wikipedii, wolnej encyklopedii.
Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Podstawowe rozkłady zmiennych losowych Rozkłady zmiennych skokowych Rozkład zero-jedynkowy Rozpatrujemy doświadczenie, którego rezultatem może
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości
Bardziej szczegółowoStatystyczna analiza danych
Statystyczna analiza danych Marek Ptak 21 października 2013 Marek Ptak Statystyka 21 października 2013 1 / 70 Część I Wstęp Marek Ptak Statystyka 21 października 2013 2 / 70 LITERATURA A. Łomnicki, Wprowadzenie
Bardziej szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
Bardziej szczegółowoKwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.
Kwantyle Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p, że P(X x p ) p P(X x p ) 1 p Możemy go obliczyć z dystrybuanty: Jeżeli F(x p ) = p, to x p jest kwantylem rzędu p Jeżeli F(x p )
Bardziej szczegółowoRozkłady prawdopodobieństwa zmiennych losowych
Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Współczynnik zmienności Klasycznym współczynnikiem (wskaźnikiem) zmienności zmiennej losowej X nazywamy wyrażenie gdzie E(X) 0. v k z (X) = D(X) E(X), Klasyczny
Bardziej szczegółowoStatystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40
Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa analiza danych doświadczalnych Wykład 4.03.06 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 05/06 Zmienne losowe, jednowymiarowe rozkłady zmiennych losowych Pomiar jako zdarzenie
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna
Bardziej szczegółowoMETODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych
METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład - Parametry i wybrane rozkłady zmiennych losowych Parametry zmiennej losowej EX wartość oczekiwana D X wariancja DX odchylenie standardowe inne, np. kwantyle,
Bardziej szczegółowoPrzestrzeń probabilistyczna
Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowo5 Przegląd najważniejszych rozkładów
5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowoANALIZA STATYSTYCZNA WYNIKÓW BADAŃ
ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ Dopasowanie rozkładów Dopasowanie rozkładów- ogólny cel Porównanie średnich dwóch zmiennych 2 zmienne posiadają rozkład normalny -> test parametryczny (t- studenta) 2
Bardziej szczegółowoMatematyka stosowana i metody numeryczne
Adam Wosatko Magdalena Jakubek Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 4 Podstawy statystyki 4. Wstęp Statystyka nauka o metodach badań właściwości populacji (zbiorowości),
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoStatystyka matematyczna. Wykład III. Estymacja przedziałowa
Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości
Bardziej szczegółowoMIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy
MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Przestrzeń probabilistyczna Niech Ω będzie dowolnym zbiorem, zwanym przestrzenią zdarzeń elementarnych. Elementy ω tej przestrzeni nazywamy zdarzeniami elementarnymi.
Bardziej szczegółowoZestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =
Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x
Bardziej szczegółowoZwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X
Własności EX, D 2 X i DX przy przekształceniach liniowych Zwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X Przemnożenie wartości zmiennej losowej przez wartość stałą: Y=a*X
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoRozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast
Bardziej szczegółowoWażne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Bardziej szczegółowoZmienne losowe. Powtórzenie. Dariusz Uciński. Wykład 1. Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski
Powtórzenie Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 1 Podręcznik podstawowy Jacek Koronacki, Jan Mielniczuk: Statystyka dla studentów kierunków technicznych i przyrodnicznych,
Bardziej szczegółowoZmienne losowe. Statystyka w 3
Zmienne losowe Statystyka w Zmienna losowa Zmienna losowa jest funkcją, w której każdej wartości R odpowiada pewien podzbiór zbioru będący zdarzeniem losowym. Zmienna losowa powstaje poprzez przyporządkowanie
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA
1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD grudnia 2009
STATYSTYKA MATEMATYCZNA WYKŁAD 10 14 grudnia 2009 PARAMETRY POŁOŻENIA Przypomnienie: Model statystyczny pomiaru: wynik pomiaru X = µ + ε 1. ε jest zmienną losową 2. E(ε) = 0 pomiar nieobciążony, pomiar
Bardziej szczegółowoWskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii
Miary asymetrii Miary asymetrii (skośności) określają kierunek rozkładu cech zmiennych w zbiorowości (rozkład może być symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopień odchylenia
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 1 i 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 1 i 2 Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Słowo statystyka pochodzi od łacińskiego słowa status, które oznacza
Bardziej szczegółowoRozkłady 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 szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Statystyka zbiór przetworzonych i zsyntetyzowanych danych liczbowych, nauka o ilościowych metodach
Bardziej szczegółowoFunkcja tworząca Funkcja charakterystyczna. Definicja i własności Funkcja tworząca momenty
momenty Oprócz omówionych już do tej pory charakterystyk rozkładów bardzo wygodnym i skutecznym narzędziem badanie zmiennej losowej są tzw. transformaty jej rozkładu: funkcje tworzące i funkcje charakterystyczne.
Bardziej szczegółowoWykład 7 Testowanie zgodności z rozkładem normalnym
Wykład 7 Testowanie zgodności z rozkładem normalnym Wrocław, 05 kwietnia 2017 Rozkład normalny Niech X = (X 1, X 2,..., X n ) będzie próbą z populacji o rozkładzie normalnym określonym przez dystrybuantę
Bardziej szczegółowo1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:
Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,
Bardziej szczegółowoSTYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoWykład 5. Opis struktury zbiorowości. 1. Miary asymetrii.
Wykład 5. Opis struktury zbiorowości 1. Miary asymetrii. 2. Miary koncentracji. Przykład Zbadano stawkę godzinową (w zł) pracowników dwóch branŝ, otrzymując następujące charakterysty ki liczbowe: Stawka
Bardziej szczegółowoNa 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 szczegółowoRozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26
Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 6 Wrocław, 7 listopada 2011 Temat. Weryfikacja hipotez statystycznych dotyczących proporcji. Test dla proporcji. Niech X 1,..., X n będzie próbą statystyczną z 0-1. Oznaczmy odpowiednio
Bardziej szczegółowo1. 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 szczegółowoParametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f
Zadanie. W kolejnych latach t =,,,... ubezpieczony charakteryzujący się parametrem ryzyka Λ generuje N t szkód. Dla danego Λ = λ zmienne N, N, N,... są warunkowo niezależne i mają (brzegowe) rozkłady Poissona:
Bardziej szczegółowoPrzegląd ważniejszych rozkładów
Przegląd ważniejszych rozkładów Rozkład dwupunktowy P (X = x) = { p dla x = a, 1 p dla x = b, to zmienna losowa X ma rozkład dwupunktowy z parametrem p (0 < p < 1). Rozkład ten pojawia się przy opisie
Bardziej szczegółowoO ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE
Ryszard Zieliński, IMPAN Warszawa O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE XXXIX Ogólnopolska Konferencja Zastosowań Matematyki Zakopane-Kościelisko 7-14 września 2010 r Model statystyczny pomiaru: wynik pomiaru
Bardziej szczegółowoĆwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.
Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną
Bardziej szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowoZmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014
Zmienne losowe dr Mariusz Grządziel Wykład 2; 20 maja 204 Definicja. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoĆwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ
Ćwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ Zadanie 1. Zmienna losowa przyjmuje wartości -1, 0, 1 z prawdopodobieństwami równymi odpowiednio: ¼, ½, ¼. Należy: a. Wyznaczyć rozkład prawdopodobieństwa
Bardziej szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoZmienne losowe. dr Mariusz Grzadziel. rok akademicki 2016/2017 semestr letni. Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu
Zmienne losowe dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu rok akademicki 2016/2017 semestr letni Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór
Bardziej szczegółowoN ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:
Zadanie. O niezależnych zmiennych losowych N, M M, M 2, 3 wiemy, że: N ma rozkład Poissona z wartością oczekiwaną równą 00 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: 2, 3 Pr( M = )
Bardziej szczegółowoUkłady stochastyczne
Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.
Bardziej szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoNiech 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 szczegółowoStatystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW STATYSTYKA to nauka, której przedmiotem
Bardziej szczegółowo