Statystyka opisowa. W szeregu tym prezentowana jest ilość wystąpień w próbie każdej wartości cechy.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Statystyka opisowa. W szeregu tym prezentowana jest ilość wystąpień w próbie każdej wartości cechy."

Transkrypt

1 Statystyka osowa Statystyka osowa óż sę od statystyk matematyczej tym, że óy statystyczej dotyczącej daej cechy, e wykozystuje sę do woskowaa a temat oulacj, z któej óa ta została wylosowaa, a jedye aalzuje sę zależośc w óe. W statystyce osowej e używa sę węc azędz wykształcoych zez achuek awdoodoeństwa używa sę atomast ezyt skomlkowaych techk służących ozau ókowych, ogólych własośc ozkładu daej cechy. W szczególośc, zedmotem zateesowaa statystyk osowej są zede wszystkm:. may ołożea (m.. tedecj cetalej):. śeda, domata (moda), kwatyle.. may dysesj (ozoszea, zóżcowaa):. waacja, odchylee stadadowe, odchylee zecęte.. may asymet (skośośc):. klasyczy/ozycyjy wsółczyk asymet. Wsomae may dzelmy a klasycze ozycyje. May klasycze, to take, któe wykozystują wszystke watośc cechy w óe. Pzykładem takch ma są: momety zwykłe (m.. śeda aytmetycza), waacja, klasyczy wsółczyk zmeośc. May ozycyje wykozystują watośc tylko ektóych jedostek z óy są alteatywą dla ma klasyczych. Pzykładem ma ozycyjych jest domata kwatyle. Dae statystycze mogą yć zaezetowae w óży sosó od tego sosou zależeć też ędze odzaj ch aalzy. Dajmy a to, że mamy wyk adaa wzostu w ewej dużye koszykówk: 88, 75, 99, 09, 88, 94, 95, 95, 0, 9, 0, 88, 0, 9, 97, 98, 85, 95, 94, 0. Powyższy sosó ezetacj daych, któy okazuje watość każdej osewacj w óe z osoa, to tzw. szeeg szczegółowy (dywdualy). Te same dae moża óweż zaezetować w szeegu ozdzelczym uktowym: W szeegu tym ezetowaa jest lość wystąeń w óe każdej watośc cechy. W końcu, te same dae moża zedstawć w szeegu ozdzelczym zedzałowym. Te sosó ezetacj daych okazuje le jest wystąeń watośc cechy ależących do daego zedzału klasowego.

2 Pzykładowo, w aszym zyadku, zyjmując ówej długośc zedzały klasowe, dae moża y zaezetować astęująco: 0 [75 85) [85 95) 8 [95 05) 0 [05 5) Isteją óże eguły ustalaa lczy zedzałów klasowych. Najczęścej wykozystywaym są:. k. k +, l. k 5l W aktyce jedak eguły te e są zyt często stosowae ostatecza lcza zedzałów ajczęścej zależy od zdowoozsądkowego odejśca statystyka do koketego zagadea (te wątek moża ozwąć, ale e jest to zedmotem tych zajęć). Wzoy: 0. Momety (wzoy zaezetowae dla szeegów ozdzelczych uktowych łatwo je zmodyfkować, żey oejmowały szeeg szczegółowe lu ozdzelcze zedzałowe). a. momety zwykłe Wzó ogóly (momet zwykły zędu ): m Pzykładowo, gdze to lość óżych watośc aalzowaej cechy. m. momety cetale Wzó ogóly (momet cetaly zędu ): ( ) to o ostu śeda aytmetycza. Pzykładowo tzec momet cetaly cechy. służy do ocey asymet ozkładu. May ołożea a. śeda aytmetycza:. szeeg szczegółowy: X

3 .. szeeg ozdzelczy uktowy: cechy. szeeg ozdzelczy zedzałowy: X X k, gdze ozacza lość óżych watośc O klasowych, zaś O jest śodkem -tego zedzału.. domata (moda) ajczęścej wystęująca watość. szeeg ozdzelczy uktowy: ( : ma( )). szeeg ozdzelczy zedzałowy: D ( ) d d D 0d + hd ( d d ) + ( d d + ), gdze k ozacza lość zedzałów, gdze d, d d + to odowedo lczeośc zedzału domaty, zedzału ozedzającego domatę zedzału astęującego o domace, h d to ozętość zedzału domaty, zaś 0d to dola gaca zedzału domaty. Pzedzał domaty to, oczywśce, ajlczej eezetoway zedzał. Domatę wyzacza sę wtedy, gdy ozkład cech jest tyowy. Ozacza to jedą domatę gloalą e ędącą skają watoścą cechy ak domat lokalych. c. kwatyle Kwatyle to watośc cechy dzelące óę w okeśloym stosuku. Na zykład medaa dzel óę w stosuku : 50% osewacj osada watość cechy e wększą ż medaa 50% osewacj osada watość e mejszą ż oa. Ogóle kwatyl zędu zasujemy Q, gdze jest sosoem odzału óy zez day kwatyl. Na zykład Q Q to właśe medaa, ozaczaa też M ( ). 4. szeeg szczegółowy: Watośc cechy muszą yć osotowae osąco. Wyzaczamy ozycję kwatyla: P Q + 0,5 z ozycj tej wyodęamy część całkowtą ( C ) część ułamkową (U ). Watość kwatyla wyzaczamy ze wzou: Q + U ( ) C C+ C. szeeg ozdzelczy uktowy: Wyzaczamy ozycję kwatyla: - PQ + 0,5 dla eazystego PQ dla azystego. -

4 Z ozycj zowu wyodęamy część całkowtą ( C ) część ułamkową (U ) Watość kwatyla wyzaczamy z tego samego wzou, co w zyadku szeegu szczegółowego: Q + U ( ) C C+ C. szeeg ozdzelczy zedzałowy: Pozycja kwatyla: P Q Wzó a kwatyl: Q + P sk 0 Q h sk gdze to lczeość skumulowaa zedzału ozedzającego zedzał kwatyla, h to ozętość zedzału kwatyla, - jego lczeość, zaś 0 - dola gaca zedzału kwatyla. Badzo często wyzaczaym kwatylam są tzw. kwatyle: Q ( ), Q M 4 4 Q ( ). Pzykładowo, tzec kwatyl, Q ( ), dzel óę a 75% osewacj 4 4 osadających watość cechy e wększą ż tzec kwatyl oaz 5% osadających watość e mejszą ż o. UWAGA! Dla szeegów szczegółowych ozdzelczych uktowych, często stosuje sę óweż y wzó a kwatyl zędu. Wzó te jest astęujący: + + gdy Z Q gdy Z + W zakomtej wększośc zyadków da o te sam wyk, co wzoy zaezetowae wcześej.. May zóżcowaa (ozoszea, dysesj) a. waacja: S X. szeeg szczegółowy:. szeeg ozdzelczy uktowy:. szeeg ozdzelczy zedzałowy: S X k O S X

5 . odchylee stadadowe: S S - mów o le jedostek watośc cechy zecęte óżą sę od jej śedej c. odchylee zecęte:. szeeg szczegółowy:.. d szeeg ozdzelczy uktowy: szeeg ozdzelczy zedzałowy: d. klasyczy wsółczyk zmeośc: X d d S d V lu alteatywe: V [0, ] X [0, ] X V 0,, to zyjęło sę, że: Poeważ [ ] V 0, ozacza słae zóżcowae cechy, X k O X V ( 0,; 0, 67) ozacza umakowae zóżcowae cechy, zaś V 0,67 ozacza sle zóżcowae cechy. e. ozstę:. szeeg szczegółowy ozdzelczy uktowy: R ma m. szeeg ozdzelczy zedzałowy: R k 0, gdze 0 ozacza oczątek ewszego zedzału klasowego, zaś k - koec ostatego. f. odchylee ćwatkowe: Q Q Q 4 4 g. ozycyjy wsółczyk zmeośc: Q V - teetacja wyku jest taka sama, jak w zyadku klasyczego wsółczyka M [0, ] zmeośc.. May asymet (skośośc) a. asoluta maa asymet (tzec momet cetaly):

6 . szeeg szczegółowy:. szeeg ozdzelczy uktowy:. szeeg ozdzelczy zedzałowy: ( ) X X k O X Jeśl: 0, to ozkład cechy jest symetyczy, 0 >, to ozkład cechy jest asymetyczy awostoe (awoskośy), 0 <, to ozkład cechy jest asymetyczy lewostoe (lewoskośy).. klasyczy wsółczyk asymet: A S [, ] Na odzaj asymet wskazuje zak tzecego mometu cetalego (atz wyżej). Dodatkowo, zyjmuje sę, że: A 0,7 ozacza słaą asymetę, A ( 0,7;, 4) ozacza asymetę umakowaą, zaś A,4 ozacza asymetę slą. c. wsółczyk skośośc: A s [, ] X D S Na odzaj asymet wskazuje zak lczka ( X D > 0 śwadczy o asymet awostoej oszę soe wyoazć tak zyadek go zeaalzować). Dodatkowo, zyjmuje sę, że: As 0, ozacza słaą asymetę, A 0,; 0, 67 ozacza asymetę umakowaą, zaś s As 0,67 ozacza asymetę slą. d. ozycyjy wsółczyk asymet: A [, ] Q M M Q 4 4 Q

7 Watość zak ozycyjego wsółczyka asymet teetujemy tak samo jak watość wsółczyka skośośc: A 0, ozacza słaą asymetę, A 0,; 0, 67 ozacza asymetę umakowaą, zaś A 0,67 ozacza asymetę slą. Wykes udełkowy (amkowy) Wykes te służy oazowau ozkładu aalzowaej cechy: Bzeg udełka to odowedo ewszy tzec kwatyl. La w śodku zedstawa medaę, zaś dodatkowy symol (tutaj + ) ezetuje watość śedą. Zóżcowae cechy moża oceć o szeokośc udełka oaz o długośc tzw. wąsów, z któych lewy kończy sę w ukce ( Q Q ), zaś awy w ukce m (, Q Q ) ma, m 4 ma 4 +. W ektóych oacowaach, końcówk wąsów wyzacza sę oąc ółtoa odchylea ćwatkowego, zamast tzech (jak w owyższym wzoze). Jeszcze y sosó każe zyjmować koec lewego wąsa w m, zaś awego w ma. Dodatkowo, z elacj omędzy kwatylam moża woskować o (a)symet ozkładu cechy (. medaa zesuęta w stoę ewszego kwatyla wskazuje a asymetę awostoą). O (a)symet moża też woskować z długośc wąsów (. odowedo dłuższy lewy wąs śwadczy o ozcągętym lewym ameu ozkładu cechy). Watośc cechy wyadające oza wąsy, to tzw. watośc etyowe odegające od ozkładu cechy.

Statystyka opisowa. W szeregu tym prezentowana jest ilość wystąpień w próbie każdej wartości cechy.

Statystyka opisowa. W szeregu tym prezentowana jest ilość wystąpień w próbie każdej wartości cechy. Statystyka osowa Statystyka osowa óż sę od statystyk matematyczej tym, że óby statystyczej dotyczącej daej cechy, e wykozystuje sę do woskowaa a temat oulacj, z któej óba ta została wylosowaa, a jedye

Bardziej szczegółowo

Oznaczenia: -średnia arytmetyczna -średnia geometryczna. x H -średnia harmoniczna

Oznaczenia: -średnia arytmetyczna -średnia geometryczna. x H -średnia harmoniczna Ops statystyczy Puktem wyjśca do woskowaa statystyczego (uogólae wyków badaa póby a populację geealą) jest odpoweda aalza ozkładu badaej cechy w tej póbe. Metody służące do aalzy ozkładu cechy w póbe są

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

www.bdas.pl Rozdział 3 Zastosowanie języka SQL w statystyce opisowej 1 Wprowadzenie

www.bdas.pl Rozdział 3 Zastosowanie języka SQL w statystyce opisowej 1 Wprowadzenie Rozdzał moogaf: 'Bazy Daych: Nowe Techologe', Kozelsk S., Małysak B., Kaspowsk P., Mozek D. (ed.), WKŁ 007 Rozdzał 3 Zastosowae języka SQL w statystyce opsowej Steszczee. Relacyje bazy daych staową odpowede

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

24-01-0124-01-01 G:\AA_Wyklad 2000\FIN\DOC\Geom20.doc. Drgania i fale III rok Fizyki BC

24-01-0124-01-01 G:\AA_Wyklad 2000\FIN\DOC\Geom20.doc. Drgania i fale III rok Fizyki BC 4-0-04-0-0 G:\AA_Wyklad 000\FIN\DOC\Geom0.doc Dgaa ale III ok Fzyk BC OPTYKA GEOMETRYCZNA. W ośodku jedoodym śwatło ozcodz sę ostolowo.. Pzecające sę omee śwetle e zabuzają sę awzajem. 3. Pawo odbca śwatła.

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Tablice wzorów Przygotował: Mateusz Szczygieł

Tablice wzorów Przygotował: Mateusz Szczygieł Tablce zoó Pzygotoał: Mateusz Szczygeł DKATORFIASOWY.COM.PL . Oczekaa stoa zotu - adoodobeństo zaśca daego zdazea ożla do zealzoaa stoa zotu. Waaca aaca stoy zotu oczekaa stoa zotu [ ] 3. Odchylee stadadoe

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3)

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3) ownn oznczkowe Równn óżnczkowe. Wstę Równne óżnczkow nzw ównne zwejące funkcje newdoe zenne nezleżne oz ocodne funkcj newdoc lu c óżnczk. Pzkłd d 5 d d sn d. d d e d d d. z z z z. ównne óżnczkowe zwczjne

Bardziej szczegółowo

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE 4.5. PODTAWOWE OBCZENA HAŁAOWE 4.5.. WPROWADZENE Z dotychczasowych ozważań wiemy już dużo w zakesie oisu, watościowaia i omiau hałasu w zemyśle. Wato więc tę wiedzę odsumować w jedym zwatym ukcie, co umożliwi

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Statystyka opisowa. Statystyczne metody badania prawidłowości w zakresie struktury zjawisk masowych

Statystyka opisowa. Statystyczne metody badania prawidłowości w zakresie struktury zjawisk masowych Statstka opsowa Statstcze metod badaa pawdłowośc w zakese stuktu zjawsk masowch Jak pamętam są czte odzaje pawdłowośc statstczej: 1) pawdłowość w zakese stuktu ) pawdłowość w zakese damk 3) pawdłowość

Bardziej szczegółowo

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA EKONOMICZNA I SPOŁECZNA

STATYSTYKA EKONOMICZNA I SPOŁECZNA PROWADZĄCY Dwczea laboratoryje Rok akademck 0/0, semestr let mgr Emla Modraka, Katedra Ekoometr Przestrzeej UŁ emodraka@u.lodz.pl www.em.kep.prv.pl KONSULTACJE Poedzałek: 9.45-.0 Środa: 6.40-7.40 Pokój

Bardziej szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

ć Ę ó ó Ź ó ó ć ź ć ć Ś ć Ź ó Ó ó ó Ś ó ó ć ó ć Ź ź ć ó ź ć ó ź ó ó ó ó ć Ą ó ó ź ó ó ó ć ź ć ć ź ź Ś ó ó ó ć ó Ź ó ó ć ó ó ó ó Ę ó ó ź Ę ó ó ó ć ó ó ź Ć Ź ź ó ó ó ó ó ó ó óź ź ó ź ó ó ó ó ć ó ó ć ó ó

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA OPISOWA WYKŁAD 3,4 STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

Współczynnik korelacji rangowej badanie zależności między preferencjami

Współczynnik korelacji rangowej badanie zależności między preferencjami Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

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

Bardziej szczegółowo

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

1 Testy statystyczne. 2 Rodzaje testów

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

Bardziej szczegółowo

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ II STATYSTYKA OPISOWA Na prawach rękopsu Warszawa, wrzeseń 0 Data ostatej aktualzacj: czwartek, 0 paźdzerka

Bardziej szczegółowo

Statystyka powtórzenie (I semestr) Rafał M. Frąk

Statystyka powtórzenie (I semestr) Rafał M. Frąk Statystyka powtórzeie (I semestr) Rafał M. Frąk TEORIA Statystyka Statystyka zajmuje się badaiem procesu zbieraia oraz iterpretacji daych liczbowych lub jakościowych. Przedmiotem statystyki są metody badaia

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 9.0.06 STATYSTYKA OPISOWA, cz. II WSTĘP DO STATYSTYKI MATEMATYCZNEJ Pla a dzsaj. Statystyka opsowa, cz. II: mary położea dokończee mary zróżcowaa mary asymetr

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI Tadeusz Gesteko Emeytoway pofeso Uiwesytetu Łódzkiego ISSN 1644-6739 e-issn 2449-9765 DOI: 10.15611/sps.2015.13.09 Steszczeie: Rozkład pawdopodobieństwa

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

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

Novosibirsk, Russia, September 2002

Novosibirsk, Russia, September 2002 Noobk, ua, Septebe 00 W-5 (Jaoewc) 4 lajdów Dyaka były tywej Cało tywe jego uch uch potępowy cała tywego uch obotowy cała tywego wględe tałej o obotu. oet bewładośc Dyaka cała tywego uch łożoy cała tywego

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

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

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

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. STRESZCZENIE Na bazie fizyki klasycznej znaleziono nośnik ładunku gawitacyjnego, uzyskano jedność wszystkich odzajów pól ( elektycznych,

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

Ł Ś Ą ó ó ó ś ó ó ś ó ó ó ó ó Ó ś ó ś ó ó ś Ó ó Ó ś ó ś ó ó ó Ź ó ó ś ó ó ó ś ó ść ó ó ó Ą ó ś ó ó ó ś śó ó ó ź ó ó ś ó Ź ś ó ć ó ś Ę Ą ó ś óź ó ó ś ó ś Ę ó Ó ź ść ó ó ś ś ś Ó ó ź ó ś Ó ó ó ó ó ó ś Ó ó

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INSTYTUT FIZYKI UJ BIOLOGIA 2016 PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I PRACOWNIA FIZYCZNA INTYTUT FIZYKI UJ BIOLOGIA 06 CEL ĆWICZEŃ. Obserwacja zjawsk efektów fzyczych. Doskoalee umejętośc

Bardziej szczegółowo

Statystyczna analiza danych przedziały ufności

Statystyczna analiza danych przedziały ufności 07-- Probablstyka statystyka Statystycza aalza daych przedzały ufośc Wykład 7 dr ż. Barbara Swatowska Wstęp Podstawowe cele aalzy zborów daych Uogóloy ops poszczególych cech/zeych statystyka opsowa; aalza

Bardziej szczegółowo

Wybrane litery alfabetu greckiego

Wybrane litery alfabetu greckiego Wybrae litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilo η eta Θ θ theta κ kappa Λ λ lambda µ mi ν i ξ ksi π pi ρ, ϱ ro σ sigma τ tau Φ φ, ϕ fi χ chi Ψ ψ psi Ω ω omega Ozaczeia a i

Bardziej szczegółowo

Fizyka, technologia oraz modelowanie wzrostu kryształów

Fizyka, technologia oraz modelowanie wzrostu kryształów Fzyka, techologa oaz modelowae wzostu kyształów Stasław Kukowsk Mchał Leszczyńsk Istytut Wysokch Cśeń PA 0-4 Waszawa, ul Sokołowska 9/37 tel: 88 80 44 e-mal: stach@upess.waw.pl, mke@upess.waw.pl Zbgew

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,

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

Przetwarzanie danych meteorologicznych

Przetwarzanie danych meteorologicznych Sps teśc I Rozważaa ogóle 5 Pzetwazae daych meteoologczych Notat z wyładu pokhamaa Wyoała: Alesada Kadaś I Iomacja odowae 5 I Poces pzetwazaa daych 5 I Aalza 6 I Syteza 7 I3 Edycja wzualzacja 7 I3 Dae

Bardziej szczegółowo

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce. Metody probablstycze statystyka Wykład 7: Statystyka opsowa. Rozkłady prawdopodobestwa wystpujce w statystyce. Podstawowe pojca Populacja geerala - zbór elemetów majcy przyajmej jed włacwo wspól dla wszystkch

Bardziej szczegółowo

EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA

EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA Nekedy zachodz koneczność zany okesu kapt. z ównoczesny zachowane efektów opocentowane. Dzeje sę tak w nektóych zagadnenach ateatyk fnansowej np.

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII RODUKCJI I TECHNOLOGII MATERIAŁÓW OLITECHNIKA CZĘSTOCHOWSKA RACOWNIA DETEKCJI ROMIENIOWANIA JĄDROWEGO Ć W I C Z E N I E N R J-6 BADANIE STATYSTYCZNEJ CZYSTOŚCI OMIARÓW

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie ELEMENTY MATEMATYI FINANSOWEJ Wpowadzeie Pieiądz ma okeśloą watość, któa ulega zmiaie w zależości od czasu, w jakim zostaje o postawioy do aszej dyspozycji. Watość tej samej omialie kwoty będzie ia dziś

Bardziej szczegółowo

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

Bardziej szczegółowo

BADANIE CHARAKTERYSTYKI DIODY PÓŁPRZEWODNIKOWEJ

BADANIE CHARAKTERYSTYKI DIODY PÓŁPRZEWODNIKOWEJ Fzyka cała stałego, Elektyczość magetyzm BADANIE CHARAKTERYTYKI DIODY PÓŁPRZEWODNIKOWEJ 1. Ops teoetyczy do ćwczea zameszczoy jest a stoe www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE..

Bardziej szczegółowo

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych Ćczea r 3 Fae II obert Ślepaczuk Teora portfela paperó artoścoych Teora portfela paperó artoścoych jet jedym z ajażejzych dzałó ooczeych faó. Dotyczy oa etycj faoych, a przede zytkm etycj dokoyaych a ryku

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę

Bardziej szczegółowo

Projekt 3 Analiza masowa

Projekt 3 Analiza masowa Wydzał Mechaczy Eergetyk Lotctwa Poltechk Warszawskej - Zakład Saolotów Śgłowców Projekt 3 Aalza asowa Nejszy projekt składa sę z dwóch częśc. Perwsza polega projekce wstępy wętrza kaby (kadłuba). Druga

Bardziej szczegółowo

+Ze (Z-1)e. Możliwe sytuacje: 1) orbita nie penetrująca kadłuba

+Ze (Z-1)e. Możliwe sytuacje: 1) orbita nie penetrująca kadłuba Atomy weloelektoowe: ekulombowsk potecał (cetaly) kedy? ektóe atomy weloelektoowe (p. alkalcze) maą elekto w śede odległ. od ąda >> ż odległośc pozostałych elektoów, el. walecyy kadłub atomu Róże stay

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego. Ćwiczenie może być realizowane za pomocą trzech wariantów zestawów pomiarowych: A, B i C.

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego. Ćwiczenie może być realizowane za pomocą trzech wariantów zestawów pomiarowych: A, B i C. ĆWICZENIE 1 Opacowane statystyczne wynków ROZKŁAD NORMALNY 1. Ops teoetyczny do ćwczena zameszczony jest na stone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE (Wstęp do teo pomaów).

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

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

Bardziej szczegółowo

Mechanika ogólna. Więzy z tarciem. Prawa tarcia statycznego Coulomba i Morena. Współczynnik tarcia. Tarcie statyczne i kinetyczne.

Mechanika ogólna. Więzy z tarciem. Prawa tarcia statycznego Coulomba i Morena. Współczynnik tarcia. Tarcie statyczne i kinetyczne. Więzy z tacie Mechanika oólna Wykład n Zjawisko tacia. awa tacia. awa tacia statyczneo Couloba i Moena Siła tacia jest zawsze pzeciwna do występująceo lub ewentualneo uchu. Wielkość siły tacia jest niezależna

Bardziej szczegółowo

MIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH

MIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH Politechnika Białostocka Wydział Elektyczny Kateda Elektotechniki Teoetycznej i Metologii nstukcja do zajęć laboatoyjnych z pzedmiotu MENCTWO WEKOŚC EEKTYCZNYCH NEEEKTYCZNYCH Kod pzedmiotu: ENSC554 Ćwiczenie

Bardziej szczegółowo

Ę Ą Ę Ł Ł Ę ż Ł ż Ą ż ż ż ć ż ć Ł ż Ę Ą Ę Ł ż Ó ć ŚĆ Ś Ś Ń ż ż Ż Ć Ń Ę Ę ÓĘ ć ż ż Ó Ę Ó ć ć ż ż ż ż ż Ą ć Ł ż Ó ć ć Ł Ś ć Ż Ź Ś ć ć ż Ę ż ć ć ż ć Ą ż Ś Ł Ł ż ć ż ć Ą ż ć Ś ż ż ż ć ć ć ć Ć ż ć ż ć ż ż ż

Bardziej szczegółowo

Ó Ć Ó Ż Ó Ó Ó Ó Ż Ó Ę Ę Ę Ó Ź Ź Ę Ź Ź Ó Ź Ż Ó Ó Ę Ó Ń Ą Ó Ą Ź Ź Ó Ę Ź Ó Ż Ń Ź Ż Ż Ź Ę Ż Ł Ó Ź Ó Ń Ż Ę Ó Ź Ó Ż Ó Ć Ę Ó Ó Ó Ć Ż Ę Ę Ó ÓĘ Ż Ź Ż Ę Ó Ź Ź Ą Ó Ę Ź Ó Ź Ł Ń Ę Ę Ń Ó Ó Ę Ó Ó Ź Ż Ó Ó Ź Ź Ó Ó Ż Ó

Bardziej szczegółowo

2. GAZY DOSKONAŁE I PÓŁDOSKONAŁE

2. GAZY DOSKONAŁE I PÓŁDOSKONAŁE Gazy doskoałe ółdoskoałe /. GZY DOSKONŁE I PÓŁDOSKONŁE Gazy wystęujące w zyodze składają sę z ooej lośc cząsteczek, któe zajdują sę w cąły uchu. ząsteczk wykoują uchy taslacyje (zeeszczea ostolowe), otacyje

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne.

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne. Katedra Podsta Systemó Techczych - Podstay metrolog - Ćczee 3. Dokładość pomaró, yzaczae błędó pomaroych Stroa:. BŁĘDY POMIAROWE, PODSTAWOWE DEFINICJE Każdy yk pomaru bez określea dokładośc pomaru jest

Bardziej szczegółowo

Fizykochemiczne podstawy inżynierii procesowej. Powtórzenie

Fizykochemiczne podstawy inżynierii procesowej. Powtórzenie Fzykochemcze odstawy żye ocesowej Powtózee Podstawy temodyamk Podstawowym ojęcam temodyamczym są ojęca układu otoczea. Ceło (eega cela Paca (eega mechacza Układ Układ otoczee mogą wymeać ze sobą eegę masę.

Bardziej szczegółowo

Mechanika ogólna. Równowaga statyczna Punkt materialny (ciało o sztywne) jest. porusza się ruchem jednostajnym prostoliniowym. Taki układ sił nazywa

Mechanika ogólna. Równowaga statyczna Punkt materialny (ciało o sztywne) jest. porusza się ruchem jednostajnym prostoliniowym. Taki układ sił nazywa echaika ogóla Wykład 2 odzaje sił i obciąż ążeń ówowaga odzaje ustojów w pętowych Wyzaczaie eakcji Sta ówowagi ówowaga statycza ukt mateialy (ciało o sztywe) jest w ówowadze, jeżeli eli pod wpływem układu

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

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

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

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

Bardziej szczegółowo

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

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo