Układ elektryczny serca. Testowanie modeli matematycznych i generatorów szeregów RR przy pomocy rozkładu EKG EKG PVC. Szereg odstępów RR HRV HRV

Wielkość: px
Rozpocząć pokaz od strony:

Download "Układ elektryczny serca. Testowanie modeli matematycznych i generatorów szeregów RR przy pomocy rozkładu EKG EKG PVC. Szereg odstępów RR HRV HRV"

Transkrypt

1 Serce Układ elektryczy serca Testowaie modeli matematyczych i geeratorów szeregów RR przy pomocy rozkładu Jarosław Piskorski Istytut Fizyki, Uiwersytet Zieloogórski Gdańsk / 78 Serce EKG 3 / 78 Odstępy RR Serce 4 / 78 Odstępy RR PVC 5 / 78 Odstępy RR HRV / 78 EKG Szereg odstępów RR 6 / 78 Odstępy RR HRV 7 / 78 8 / 78

2 Odstępy RR Defiicja Metody oparte a zmieości wariacja szeregu (SDNN ) aaliza wykresu Poicaré (SD1, SD ) metody spektrale HF, LF, VLF, ULF falki itd. metody oparte a złożoości etropia przybliżoa i etropia z próby dyamika symbolicza metody fraktale Metody specjalistycze:hrt, PRSA, DFA oraz metody badaia struktury asymetrii rytmu serca (HRA Heart Rate Asymmetry - SD1 d, SD d, SD1 a, SD a). Zdefiiujmy szereg odstępów RR jako wektor RR = (RR 1, RR,..., RR ). i zdefiiujmy astępujące wektory pomocicze: RR 1 = {RR 1, RR,..., RR 1} RR = {RR, RR 3,..., RR }, 9 / / 78 filtrowaie Filtrowaie filtrowaie Filtrowaie 11 / 78 1 / 78 filtrowaie Filtrowaie kostrukcja deskryptory 13 / / 78 kostrukcja deskryptory deskryptory deskryptory RR = 1 RR i SDNN V ar(rr) SDNN = 1 (RR i RR) ( ) SD1 RR RR 1 = Var ( ) SD RR + RR 1 = Var SDNN = 1 (SD1 + SD ) 15 / / 78

3 deskryptory deskryptory Kostrukcja podstawowych deskryptorów wykresu PP 17 / / 78 deskryptory deskryptory Modyfikacja defiicji SD1 Modyfikacja defiicji SD1 Tradycyje wariacyje deskryptory wykresu Poicaré defiiuje się względem cetroidu, parametry SD1 i SDNN moża jedak zdefiiować względem fizjologiczie iterpretowalej liii idetyczości. SD1 I = 1 ri, SDNN = 1 (SD1 + SD ) 19 / 78 0 / 78 Modyfikacja defiicji SD1 deskryptory Liie cetroidu i liie idetyczości deskryptory Tradycyje wariacyje deskryptory wykresu Poicaré defiiuje się względem cetroidu, parametry SD1 i SDNN moża jedak zdefiiować względem fizjologiczie iterpretowalej liii idetyczości. SD1 I = 1 ri, SDNN = 1 (SD1 + SD ) Poieważ SD1 jest wariacją, a SD1 I jest iym drugim mometem rozkładu puktów, zachodzi = SD1 I SD1 0 p. =, s 1 / 78 / 78 HRA zjawisko Asymetria rytmu serca HRA (Heart Rate Asymmetry) Rozkład zwolień i przyspieszeń HRA zjawisko 3 / 78 4 / 78

4 Podział wariacji krótkotermiowej Podział wariacji krótkotermiowej Podział wariacji krótkotermiowej Uiezależieie od zmieości międzyosobiczej Aby opisać widoczą a wykresach asymetrię, dzielimy wariację krótkotermiową a części zależe oddzielie od zwolień i przyspieszeń SD1 = 1 d [ri d ] a + [rj a ], = d + a + o C1 d = SD1 d SD1, C1 d + C1 a = 1 C1a = SD1 a SD1 SD1 d = 1 d [ri d ], SD1 a = 1 a [ri a ] SD1 = SD1 d + SD1 a = d + a + o 5 / 78 6 / 78 Rozmiar asymetrii Podział wariacji krótkotermiowej Podział wariacji długotermiowej Podział wariacji długotermiowej Aby opisać zachowaie długotermiowe dzielimy wariację długotermiową (SD ) a części zależe od zwolień i przyspieszeń SD = 1 N r k k=1 = 1 d [r d i ] a + [r a j ] o o + [r k ] k=1 = d + a + o 7 / 78 8 / 78 Podział wariacji długotermiowej Podział wariacji długotermiowej Podział wariacji długotermiowej Defiicja deskryptorów długotermiowych Pomiędzy podzialem wariacji krótko- i długotermiowej jest oczywista różica, polegająca a obecości części o o k=1 [r k ]. Wielkość tej części zależy w bardzo dużym stopiu od rozdzielczości urządzeia pomiarowego. Część związaa z liią idetyczości jest dzieloa rówo pomiędzy części związae z przyspieszeiami i zwolieiami. SD = SD d + SD a SD d = 1 d [r d i ] + 1 o o [r j ] SD a = 1 a [r a i ] + 1 o o [r j ] 9 / / 78 Podział wariacji długotermiowej Formaly podział wariacji całkowitej Wartości względe Formaly podział SDNN Podobie jak poprzedio, dla usuięcia zmieości międzyosobiczej wprowadzamy wartości względe C d = SD d SD, C d + C a = 1. Ca = SD a SD, SDNN = 1 (SD1 + SD ) SDNN = 1 (SD1 d + SD1 }{{ a) + (SDd + SD } a) }{{} SD1 SD = 1 (SD1 d + SD }{{ d) + (SD1 a + SD }}{{ a) } SDNNd SDNNa 31 / 78 3 / 78

5 Formaly podział wariacji całkowitej Formaly podział wariacji całkowitej Formaly podział SDNN SDNN d = 1 SDNN = SDNN d + SDNN a ( ) SD1 d + SD d, SDNNa = 1 ( ) SD1 a + SD a C d + C a = 1, Stwierdzeie istieia asymetrii Odpowiedie typy asymetrii istieją gdy w zbiorze N aalizowaych agrań: Dla asymetrii krótkotermiowej: w stopiu istotym statystyczie. Dla asymetrii długotermiowej C1 d > C1 a, C d < C a, C d = SDNN d SDNN, Ca = SDNN a SDNN. w stopiu istotym statystyczie Dla asymetrii całkowitej C d < C a, w stopiu, który jest istoty statystyczie 33 / / 78 Formaly podział wariacji całkowitej Przykładowe wyiki HRA obserwacje Przykładowe wyiki 30-miutowe szeregi odstępów RR, 41 młodych (-5 lat) zdrowych ochotików, 105 kobiet, waruki spoczykowe Test dwumiaowy dla sprawdzeia, czy proporcja osób z odpowiedią symetrią jest większa iż 50%, test Wilcoxoa dla bezpośredich porówań odpowiedich wkładów. Sprawdzoo rówież czas wyodrębieia asymetrii JP, Przemysław Guzik,Asymmetric properties of log-term ad total heart rate variability, Medical ad Biological Egieerig ad Computig, 1-9, / / 78 Przykładowe wyiki Przykładowe wyiki Przykładowe wyiki cd. Przykładowe wyiki wyodrębieie asymetrii Asymetria krótkotermiowa zaobserwowao w 199 przypadkach, co staowi 8.6% grupy, p < Średia C1 d =0.54; test Wilcoxoa p < Asymetria długotermiowa zaobserwowao w 184 przypadkach, co staowi 76.4% grupy, p < Średia C d =0.47; test Wilcoxoa p < Asymetria całkowita zaobserwowao w 184 przypadkach, co staowi 76.4% grupy, p < Średia C d =0.47; test Wilcoxoa p < Moża powiedzieć, że asymetria długotermiowa przeważa w badaej grupie Czas Krótkotermiowa Długotermiowa Całkowita 15 mi 75% 70% 68% 10 mi 73% 66% 65% Wszystkie powyższe proporcje są statystyczie istotie róże od 50%. Podobie wszystkie testy Wilcoxoa dają istote statystycze różice 37 / / 78 Przykładowe wyiki Przykładowe wyiki Przykładowe wyiki wyodrębieie asymetrii Przykładowe wyiki wyodrębieie asymetrii Poieważ wielkość grupy wyosi 41, ajmiejsza proporcja, która istotie różi się od 50% wyosi 57% (przy p=0.039). Ta proporcja osiągięta jest już po 1 mi dla wszystkich rodzajów asymetrii: 57% dla asymetrii krótkotermiowej, 58% dla asymetrii długotermiowej i całkowitej. (Obliczeia te ie biorą pod uwagę aalizy błędu typu II) 39 / / 78

6 Uwagi metodycze Uwagi metodycze Kierukowość Uwagi metodycze Kierukowość Asymetria w ujęciu tu prezetowaym jest jedokierukowa, to zaczy aby stwierdzić asymetrię, jede z wkładów musi być systematyczie większy od drugiego sam fakt braku rówości wkładów ie jest wystarczający Asymetria musi zikać po przetasowaiu daych do losowej kolejości Przyajmiej dwa elemety kierują geometrią PP: fizjologia i elemet stochastyczy. Przy przyjęciu dwukierukowej defiicji asymetrii, elemet stochastyczy z dużym prawdopodobieństwem wygeeruje asymetrię. Idealie wyważoy PP jest tak aprawdę bardzo mało prawdopodobym przypadkiem. Istieją podejścia dwukierukowe, jedak badają oe ie własości szeregu RR iż podejście przyjęte przez as. Przykład idealie symetryczy proces prowadzi do asymetrii 41 / 78 4 / 78 Uwagi metodycze Kierukowość Uwagi metodycze Kierukowość Kierukowość przykład Kierukowość przykład Załóżmy, że w szeregu RR prawdopodobieństwo, że astępy wyraz jest większy od poprzediego wyosi P = 1 i jest to proces czysto losowy. Odpowiada to klasyczemu eksperymetowi z rzutem uczciwą moetą. Rzućmy moetą 100 razy będzie to odpowiadało jedemu PP Prawdopodobieństwo otrzymaia idealie symetryczego (zrówoważoego) PP p(symmetria) = ( ) 100 (1/) , 50 Prawdopodobieństwo asymetryczego wykresu p(asymetria) = 0.9. W dużej próbie agrań tego typu oczekujemy więc 9% asymetryczych wykresów. Przy takim podejściu dwukierukowym, idealie symetryczy proces geeruje asymetrycze realizacje (wykresy Poicare). Asymetrię tego typu moża rozważać, ale trzeba przy tym być bardzo ostrożym. 43 / / 78 Uwagi metodycze Testowaie metody tasowaie Dae tasujemy przy pomocy geeratora liczb losowych w teorii odpowiada to wyciągaiu umerów odstępów RR w sposób losowy z kapelusza. Testowaie metody tasowaie W daych przetasowaych ie może być żadej różicy pomiędzy wkładami jeżeli taka różica jest stwierdzoa, to ozacza to, że obserwacja jest artefaktem metody. Dla przykładu przedstawioego wcześiej ie ma statystyczie istotej różicy pomiędzy wkładami przyspieszeń i zwolień dla wszystkich typów asymetrii Tasowaie przykład Uwagi metodycze Testowaie metody tasowaie 45 / / 78 Serie zwolień i przyspieszeń Serie zwolień i przyspieszeń HRA jest spowodowae przez różicę w sposobie w jaki serce przyspiesza i zwalia Zadaie: zbadać serie zwolień i przyspieszeń i sprawdzić, czy moża zaobserwować jakieś iteresujące zjawiska Seria zwolień/przyspieszeń to segmet szeregu RR podczas którego serce albo ciągle zwalia albo przyspiesza DR deceleratio ru, AR acceleratio ru N eutral ru 47 / / 78

7 Serie zwolień i przyspieszeń Serie zwolień i przyspieszeń Serie zwolień i przyspieszeń Estymacja rozkładu Serie zwolień i przypieszeń dla daych przetasowaych testowaie wyików i wartości referecyje Oczywiście E(ri k, ) = i + 3i + 1 i3 + 3i i 4 (i + 3)! (i + 3)! i, k = D, A E(r D i ) = E(r A i ) Levee H, Wolfowitz J 1944 The covariace matrix of rus up ad dow A. Math. Statist max(i)d p i,k = E(rk i, ) i. ˆp i,k = (liczba rk i ) i. max(j)a p i,d + p j,a = 1, 49 / / 78 Parametry teorioiformacyje Parametry teorioiformacyje Parametry teorioiformacyje etropia Parametry teorioiformacyje etropia H R = max(i)d p i,d l p i,d (1) Dla daych przetasowaych zachodzi oczywiście max(j)a p j,a l p j,a () p i,d = p i,a max(i)d H DR = p i,d l p i,d H DR = H AR = H ShR max(i)a H AR = p i,a l p i,a 51 / 78 5 / 78 Parametry teorioiformacyje Parametry teorioiformacyje Zastosowaie Porówaie długości wyrażoej w uderzeiach serca dla zwolień i przyspieszeń dla agrań 4-h Grupa 1.: osiemdziesiąt siedem 4h agrań holterowskich od zdrowych osób (41 mężczyz); średia wieku 35±7.4 lat. Uczesticy byli zdrowymi ochotikami u których przeprowadzoo wywiad, badaie oraz agrao1-odprowadzeiowe EKG Grupa.: 40 trzydziestomiutowych agrań EKG od osób zdrowych (136 mężczyz); średia wieku 9±5.3 lat. Uczesticy byli zdrowymi ochotikami u których przeprowadzoo wywiad, badaie oraz agrao1-odprowadzeiowe EKG Policzoo serie zwolień i przyspieszeń dla wszystkich agrań wykorzystując jedyie pobudzeia zatokowe. Liczby tej samej długości porówae zostały dla zwolień i przyspieszeń. Wyliczoo rówież średi czas trwaia dla każdej. Serie przyspieszeń są licziejsze dla wszystkich za wyjątkiem długości 3 i / / 78 Parametry teorioiformacyje Parametry teorioiformacyje Porówaie długości wyrażoej w uderzeiach serca dla zwolień i przyspieszeń dla agrań 4-h Porówaie długości wyrażoej w uderzeiach serca dla zwolień i przyspieszeń dla agrań 4-h Serie przyspieszeń są licziejsze dla wszystkich za wyjątkiem długości 3 i 4. Serie przyspieszeń są licziejsze dla wszystkich za wyjątkiem długości 3 i / / 78

8 Parametry teorioiformacyje Parametry teorioiformacyje Testowaie metody tasowaie Testowaie metody tasowaie Dla daych przetasowaych ie ma statystyczie istotych różic pomiędzy rozkładami zwolień i przyspieszeń Rozkład pomiędzy Jest zaczie więcej daymi w kolejości krótkich w fizjologiczej a daymi przypadku daych przetasowaymi różi się przetasowaych iż istotie daych w kolejości fizjologiczej 57 / / 78 Parametry teorioiformacyje Parametry teorioiformacyje Wyiki dla trzydziestomiutowych agrań EKG Teorioiformatyczy parametr sumaryczy etropia Praktyczie idetycze Więcej przyspieszeń, za wyjątkiem długości 1 i Najdłuższe serie to serie przyspieszeń Średia ajdłuższa seria przyspieszeń jest dłuższa iż średia ajdłuższa seria zwolień W daych przetasowaych jest więcej krótkich, miej dłuższych (4-8) i wcale ie ma długich 59 / / 78 Kompesacja Kompesacja Kompesacja Testowaie kompesacji Rytm serca zmieia się ieustaie, pozostaje jedak w pewym ograiczoym (fizjologiczie) zakresie wartości Problem: jeżeli jest więcej przyspieszeń iż zwolień, to serce powio albo (średio) stale przyspieszać, albo serie zwolień powiy trwać dłużej, aby skompesować liczbę przyspieszeń. Serie zwolień trwają dłużej, za wyjątkiem długości 4, 5, 6 i 7 61 / 78 6 / 78 Kompesacja Kompesacja Testowaie kompesacji Testowaie kompesacji Serie zwolień trwają dłużej, za wyjątkiem długości 4, 5, 6 i 7 Serie zwolień trwają dłużej, za wyjątkiem długości 4, 5, 6 i 7 63 / / 78

9 Kompesacja Przykład kompesacji Rozwiązaie dobrze zaego układu Loreza (jeda zmiea) Wykres Poicare odstępów RR Kompesacja Przykład tatericzy Kompesacja Przykład tatericzy 65 / / / 78 Iterpretacja i zastosowaia 68 / 78 Iterpretacja i zastosowaia Iterpretacja Zastosowaia Skąd bierze się asymetria? W tej chwili możemy jedyie spekulować Do czego przydaje się asymetria? Iterakcja układów wspólczulego i przywspółczulego? Szybkość/opóźieie w odpowiedzi węzła zatokowego a aktywację współczulą/przywspólczulą? Oddychaie? (ale jak w takim przypadku ziterpretować brak asymetrii dla długości 3 i 4 i jej występowaie dla ajdłuższych?) Kompesacja Przykład tatericzy Nowy sposób badaia układu sercowo-aczyiowego i oddziaływań w obrębie układu autoomiczego Liczba długich jest zredukowaa u pacjetów wysokiego ryzyka po zawale. W dwuletiej obserwacji serie te mają warość progostyczą dla zgou z jakiegokolwiek powodu, z powodów sercowych lub pod postacią agłego zgou sercowego Ie oscylacje: zmiay w apięciu aczyiowym (fale Meyera), odpowiedź a rzadkie zdarzeia (westchięcia) itd.? Badaie FINACAVAS struktura HRA (krótkie serie) jest przydata w oceie ryzyka odległego zgou z jakiejkolwiek przyczyy oraz odrębie z powodów sercowo-aczyiowych Kombiacja powyższych mechaizmów? Ie obserwacje fizjologicze i kliicze Coś kompletie iego? Modelowaie matematycze? 69 / / 78 Iterpretacja i zastosowaia Ie obserwacje fizjologicze i kliicze Cechy rozkładu Ekspresja HRA spada u pacjetów ze steozą aortalą ze wzrostem klasy NYHA Krótkotermiowa HRA jest zredukowaa u pacjetów z cukrzycą typu I Struktura HRA związaa jest ze stopiem zaawasowaia OSA. Dłuższe serie obece są u pacjetów z wyższym stopiem zaawasowaia choroby empiryczy rozkład prawdopodobieństwa porówaie rozkładów cechy rozkładów: skalowaie, prawo wykładicze Ekspresja HRA różi się u kobiet i mężczyz u mężczyz HRA jest częstsza i lepiej wyrażoa Wydłużeia odcików AH i HV mają istotie większe wkłady do ich zmieości krótkotermiowej iż wydłużeia 71 / 78 7 / 78

10 Porówywaie rozkładów qq-plot i test Cramér-vo Mises Porówaie rozkładów wprost qq-plot i test Cramér-vo Mises Prawa wykładicze Cechy modelu matematyczego/geeratora szeregów RR Wykres qq: to wykres prawdopodobieństwa (probability plot) służący do graficzego porówywaia rozkładów prawdopodobieństwa (lub zbiorów daych), poprzez wyrysowaie zależości kwatyli jedego rozkładu od kwatyli drugiego rozkładu. Test Cramér-vo Mises: test służący do stwierdzeia, czy dwa zbiory daych zostały wygeerowae z tego samego rozkładu prawdopodobieństwa. Jest rozszerzeiem testu Kołmogorova-Smirova do daych dyskretych. serie przyspieszeń powiy być dłuższe iż serie zwolień w czasie, średia długość zwolieia powia być większa iż średia długość przyspieszeia powiie być zachoway rozkład prawdopodobieństwa dla zwolień i przyspieszeń powio być obserwowale prawo wykładicze dla zwolień i przyspieszeń, przy λ D < λ A (wyika z dwóch pierwszych puktów) Po co am R? 73 / / 78 Prawa wykładicze Prawa wykładicze Źródła Dziękuję! 75 / / 78

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

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

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

Bardziej szczegółowo

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

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

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

Bardziej szczegółowo

Estymacja przedziałowa

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

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej 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

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

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

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

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Fizjologiczne zjawisko asymetrii rytmu serca oraz jego wariancyjne i strukturalne deskryptory

Fizjologiczne zjawisko asymetrii rytmu serca oraz jego wariancyjne i strukturalne deskryptory Fizjologiczne zjawisko asymetrii rytmu serca oraz jego wariancyjne i strukturalne deskryptory Jarosław Piskorski Uniwersytet Zielonogórski Uniwersytet Medyczny im. K. Marcinkowskiego w Poznaniu ECMTB,

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 MATEMATYCZNA

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

Bardziej szczegółowo

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea

Bardziej 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

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

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

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

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

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej 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

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza I.1, zima wzorcowe rozwiązania Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

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

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej 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

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

Planowanie doświadczeń - DPLD LMO Materiały pomocnicze

Planowanie doświadczeń - DPLD LMO Materiały pomocnicze Plaowaie doświadczeń - DPLD LMO Materiały pomocicze Układ bloków kompletie zradomizowaych Założeia: (a) Z jedostek doświadczalych tworzymy rówolicze grupy zwae blokami (b bloków) w taki sposób, aby jedostki

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej 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

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Numeryczny opis zjawiska zaniku

Numeryczny opis zjawiska zaniku FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871 COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara

Bardziej 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

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej 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

Ciągi liczbowe z komputerem

Ciągi liczbowe z komputerem S t r o a 1 dr Aa Rybak Istytut Iformatyki Uiwersytet w Białymstoku Ciągi liczbowe z komputerem Wprowadzeie W artykule zostaie zaprezetoway sposób wykorzystaia arkusza kalkulacyjego do badaia własości

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

Statystyka opisowa - dodatek

Statystyka opisowa - dodatek Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony Wymagaia edukacyje a poszczególe ocey z matematyki w klasie III poziom rozszerzoy Na oceę dopuszczającą, uczeń: zazacza kąt w układzie współrzędych, wskazuje jego ramię początkowe i końcowe wyzacza wartości

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

Definicja interpolacji

Definicja interpolacji INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

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

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu Wykład r 2 Statystyka opisowa część 2 Pla wykładu 1. Uwagi wstępe 2. Miary tedecji cetralej 2.1. Wartości średie 2.2. Miary pozycyje 2.3. Domiata 3. Miary rozproszeia 4. Miary asymetrii 5. Miary kocetracji

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

Wykład 10 Wnioskowanie o proporcjach

Wykład 10 Wnioskowanie o proporcjach Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie

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

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

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY BIOSTATYSTYKI ĆWICZENIA PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2 Wykład 7 Dwie iezależe próby Często porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekarstwo a placebo Pacjeci biorący dwa podobe lekarstwa Mężczyźi a kobiety

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

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

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

Metody analizy długozasięgowej

Metody analizy długozasięgowej Copyright (c) 999-00 by Hugo Steihaus Ceter Metody aalizy długozasięgowej Adrzej Zacharewicz Warsztat aalizy zależości długotermiowej jest wciąż rozwijay i udoskoalay. Od czasów Hursta (95) i jego aalizy

Bardziej szczegółowo

Mirosława Gazińska. Magdalena Mojsiewicz

Mirosława Gazińska. Magdalena Mojsiewicz STUDIA DEMOGRAFICZNE 1(145) 2004 Mirosława Gazińska Katedra Ekoometrii i Statystyki Magdalea Mojsiewicz Katedra Ubezpieczeń i Ryków Kapitałowych Uiwersytet Szczeciński MODELOWANIE CZASU TRWANIA ŻYCIA BEZ

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Projekt ze statystyki

Projekt ze statystyki Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...

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

Wpływ religijności na ukształtowanie postawy wobec eutanazji The impact of religiosity on the formation of attitudes toward euthanasia

Wpływ religijności na ukształtowanie postawy wobec eutanazji The impact of religiosity on the formation of attitudes toward euthanasia Ewelia Majka, Katarzya Kociuba-Adamczuk, Mariola Bałos Wpływ religijości a ukształtowaie postawy wobec eutaazji The impact of religiosity o the formatio of attitudes toward euthaasia Ewelia Majka 1, Katarzya

Bardziej szczegółowo

Histogram: Dystrybuanta:

Histogram: Dystrybuanta: Zadaie. Szereg rozdzielczy (przyjmujemy przedziały klasowe o długości 0): x0 xi i środek i*środek i_sk częstości częstości skumulowae 5 5 8 0 60 8 0,6 0,6 5 5 9 0 70 7 0,8 0, 5 5 5 0 600 0, 0,6 5 55 8

Bardziej szczegółowo

Sygnały pojęcie i klasyfikacja, metody opisu.

Sygnały pojęcie i klasyfikacja, metody opisu. Sygały pojęcie i klasyfikacja, meody opisu. Iformacja przekazywaa jes za pośredicwem sygałów, kóre przeoszą eergię. Sygał jes o fukcja czasowa dowolej wielkości o charakerze eergeyczym, w kórym moża wyróżić

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

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG Tomasz ŚWIĘTOŃ 1 TRANSFORMACJA DO UKŁADU 2000 A ROBLEM ZGODNOŚCI Z RG Na mocy rozporządzeia Rady Miistrów w sprawie aństwowego Systemu Odiesień rzestrzeych już 31 grudia 2009 roku upływa termi wykoaia

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

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

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g.

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g. Zadaia przykładowe z rozwiązaiami Zadaie Dokoao pomiaru masy ciała 8 szczurów laboratoryjych. Uzyskao astępujące wyiki w gramach: 70, 80, 60, 90, 0, 00, 85, 95. Wyzaczyć przeciętą masę ciała wśród zbadaych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej 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

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

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

Bardziej szczegółowo