Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Wielkość: px
Rozpocząć pokaz od strony:

Download "Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej"

Transkrypt

1 Więcej dokumetów a stroie Estymacja rediałowa arametrów strukturalych biorowości geeralej Parametr biorowości geeralej () - miara oisowa,. średia arytmetyca (), odchyleie stadardowe ( ), cy wskaźik struktury ( ) biorowości geeralej, której wartość jest a ogół ie aa. Estymacja, cyli sacowaie arametrów, olega a odaiu oce arametrów oulacji geeralej a odstawie statystyki uyskaej róby losowej. tatystyki wylicoe a odstawie obraych oulacji gru losowych teorii estymacji osą awę estymatorów. Estymatorem jest więc każda statystyka wylicoa róby losowej, która służy do sacowaia odowiadającego jej arametru oulacji geeralej. Aby statystyki mogły być uae a dobre estymatory owiy charakteryować się ewymi cechami: 1) Nieobciążoość jeśli wartość ocekiwaa estymatora stosowaego do wyaceia ieaego arametru biorowości geeralej jest rówa wartości tego arametru, to taki estymator aywamy ieobciążoym: E ( T ) ) Zgodość własość estymatora owodująca, że wra e wrostem licebości róby wartość estymatora bliża się do arametru biorowości geeralej. Iymi słowy różica międy tymi wielkościami odlega diałaiu rawa wielkich licb: lim P{ T } 1 0 jest dowolie małą licbą 3) Efektywość sośród dwóch estymatorów wybieramy te, którego wariacja jest miejsa. Miarą efektywości estymatora jest jego wariacja D ( T ). Wyróżiamy dwa rodaje estymacji: 1) Estymacja uktowa olega a odaiu wielkości sacowaego arametru, która jest rówa wartości estymatora. Poieważ reguły wielkości estymatora różią się od wartości arametru oulacji geeralej, odaje się jedoceśie średi błąd sacuku, cyli odchyleie stadardowe estymatora. ) Estymacja rediałowa olega a skostruowaiu ewego rediału licbowego, waego rediałem ufości (Neymaa), który określoym rawdoodobieństwem okryje estymarowy arametr. Losowaie ieależe (e wrotem) roces wybory jedostek do róby, w którym każdoraowo elemety biorowości geeralej mają takie samo rawdoodobieństwo dostaia się do róby. Rokład estymatora w róbie rokład rawdoodobieństwa wskaujący a wsystkie możliwe wielkości, jakie może ryjąć daa statystyka (. średia arytmetyca w róbie, odchyleie stadardowe w róbie cy cęstość wględa w róbie). Błąd stadardowy odchyleie stadardowe estymatora T, które aisujemy ( T ). Zbieżość do rokładu ormalego jeśli licba jedostek obserwacji dąży do ieskońcoości (w raktyce oaca to awycaj 30 ), to rokład estymatora T jest bliżoy do rokładu ormalego.

2 Więcej dokumetów a stroie Wartość ocekiwaa średiej arytmetycej róby E () - wartość średiej w biorowości geeralej, - wartość średiej w róbie. Błąd stadardowy średiej arytmetycej róby Wartość ocekiwaa wskaźika struktury róby E( ) - ieaa wartość wskaźika struktury (cęstości wględej) biorowości geeralej Błąd stadardowy wskaźika struktury róby ( 1 ) - ieaa wartość wskaźika struktury róby Estymacja rediałowa ieaej wartości średiej oulacji geeralej Wsółcyik ufości dięki estymacji rediałowej wyaca się rediał licbowy, który ewym rawdoodobieństwem awiera ieaą wartość arametru. To rawdoodobieństwo aywae jest wsółcyikiem ufości, a osacoway rediał rediałem ufości (Neymaa). Wsółcyik ufości oaca się: 1. Najcęściej ma o takie wartości: 0,99 0,95 0,90 /,58 1,96 1,64 Prediał ufości Neymaa ma ostać ogólą: P { T / / ( T ) T ( T )} 1 - wartość mieej losowej w rokładie N (0;1 ), takiej że P ( Z ) 1 lub astęującą formułę: /

3 Więcej dokumetów a stroie / P { T / / t ( T ) T t ( T )} 1 t - wartość mieej losowej w rokładie t-tudeta ry 1 takiej że rawdoodobieństwo P ( T t / ) 1. stoiach swobody, Zbieżość rokładu średiej róby ( ) do rokładu ormalego wra e wrostem licby jedostek w róbie ( 30) estymator ma rokład bliżoy do rokładu ormalego o adiei matematycej (wartości ocekiwaej) rówej i odchyleiu stadardowym licb.. Jest to scególy ryadek diałaia rawa wielkich Normalość rokładu średiej rób ( ) - jeśli miea losowa X ma rokład ormaly, to także ma rokład ormaly, be wględu a wielkość róby. Zbieżość do rokładu t-tudeta gdy ie jest możliwe skorystaie e bieżości rokładu do rokładu ormalego, miea X w biorowości geeralej ma rokład ormaly ora ieae jest oulacji geeralej, wówcas korystamy e bieżości statystyki do rokładu t-tudeta o 1 stoiach swobody, gdie lub 30 lub 30, 1 w ależości od licebości róby (odowiedio ). osób budowy rediałów ufości dla w ależości od iformacji ochodących e biorowości geeralej, rokładu statystyki ora wielkości róby redstawia schemat. tak σ ae ie X N(, ) ma rokład ormaly lub asymtotycie ormaly o arametrach i ma rokład bliżoy do t-tudeta o -1 stoia swobody ie 1 30 tak

4 Więcej dokumetów a stroie 1) / ˆ 1 ) / 1) t ˆ / Objaśieie do owyżsego schematu: chemat te redstawia rediały ufości dla ieaej wartości średiej ( ) mieej X o rokładie ormalym lub bliżoym do ormalego 1) / to wartość Z o rokładie N (0,1 ), taka że P ( Z / 1 ) t / to wartość T o rokładie t-tudeta o 1 stoiach swobody, która sełia ależość P ( T t / Prykład 10 (a rediał ufości dla wartości ocekiwaej) W ewym akładie rodukcyjym ostaowioo badać staż racy racowików umysłowych. W tym celu oulacji tych racowików wylosowao gruę (losowaie ieależe (e wrotem)) o licbie 196 racowików, której oblicoo średią 6,9 lat. Dotychcasowe doświadceie wskauje, że rokład stażu racowików umysłowych jest rokładem ormalym odchyleiem stadardowym,8 lat ( ). Pryjmując wsółcyik ufości 1 0, 95 budować rediał ufości dla ieaego średiego stażu racy w oulacji racowików umysłowych w tym akładie. Zgodie e schematem ustalamy, że sełioe są waruki: - odchyleie stadardowe - rokład ormaly Zatem korystamy astęującego woru a rediał ufości dla ieaej wartości () e biorowości geeralej: / Na odstawie tablic dystrybuaty rokładu ormalego dla 1 0,95 wiemy, że

5 Więcej dokumetów a stroie F( / 0,05 / ) 1 ( ) 0,975 1,96,8 196,8 14 0, Prediał ufości ryjmuje ostać: / 6,9 1,96 0, 6,9 0,39 6,508 7,9 Od.: Z rawdoodobieństwem 0,95 możemy ryuscać, że średi staż racy w oulacji racowików umysłowych w tym akładie awiera się w rediale (6,508 lat; 7,9 lat). Iymi słowy 95% wsystkich takich rediałów okryje arametr (), atomiast 5% ie okryje. Godimy się więc ryykiem błędu, że w 5 ryadkach a 100 ieaa wartość średiego stażu racy w oulacji geeralej ajduje się oa wyacoym rediałem licbowym. Wykreśleie grafice f() F ( / ) 0,975 / 0 / Prykład 11 Odchyleie stadardowe W losowo wybraej gruie 450 samochodów osobowych marki FO 1500 rerowadoo badaie użycia beyy a tej samej dla wsystkich samochodów trasie długości 100 km. Okaało się, że odchyleie stadardowe użycia beyy dla tej gruy samochodów wyosiło 0,8 litra a 100 km. Zakładając, że badaa cecha ma rokład ormaly wyacyć rediał ufości dla odchyleia stadardowego e użyciem beyy re wsystkie samochody tej marki a takiej trasie. Pryjąć wsółcyik ufości 0,99. Rowiąaie

6 Więcej dokumetów a stroie P { / / } 1 = 0,8 (odchyleie stadardowe) 0,8 0,8,58 0,8, ,731 0,869 0, ,8 0,068 0,8 0,068 0,9 0,8 0,8,58 0,8, ,731 0,869 Od.: Otrymay rediał 0,731 i 0,869 jest jedym tych wsystkich możliwych do otrymaia rediałów, które rawdoodobieństwem 0,99 okrywają odchyleie stadardowe użycia beyy re samochody FO 1500 a trasie 100 km. Prykład 1 W celu osacowaia średiej długości ewego detalu rodukowaego w redsiębiorstwie wylosowao 17 detali i otrymao średią ich długość 3 cm ora odchyleie stadardowe 0,6 mm. Osacować ry wsółcyiku ufości 0,90 wartość ocekiwaą rodukowaych w tej firmie detali. Rowiąaie Rokład t-tudeta Rowiąaiem jest rediał licbowy dla ieaej (), który wyacymy e schematu ry ałożeiu, że biorowości geeralej ma rokład ormaly. Z tablic rokładu t-tudeta otrymujemy dla licby stoia 1, który u as rówa się i 0, 10 t / 1,746 korystamy e woru: t ˆ ˆ / ˆ 1 0, ,6 16 0,6 4 0,15 3 1,746 0,15 3 0,6 31,738 31,738 3,6

7 Więcej dokumetów a stroie Od.: W 90% możemy ryuscać, że w rediale od 31,738 do 3,6 rodukuje się średią długość detali w tym redsiębiorstwie. Wykres graficy f(t) 0,05 0,05 t / 0 t / t Grafica ilustracja P ( T t / 0, 10 Estymacja rediałowa ieaego wskaźika struktury biorowości geeralej Estymatorem wskaźika struktury frakcji (rawdoodobieństwa) jest wskaźik struktury róby losowej. Warukiem cęsto alecaym w rocedere sacowaia wskaźika struktury ( ) jest duża róba ( 100, a awet 10). W astosowaiach statystyki waruek te jest acie łagodiejsy ( 30). Ocywiście, im więksa róba, tym bardiej recyyje wyiki. Błąd stadardowy estymatora (1 ) Prediał ufości dla ieaego wskaźika struktury biorowości geeralej () / T / - wartość mieej losowej stadaryowaej w rokładie ormalym, ry daym 1, gdyż mamy awse do cyieia dużą róbą. Prediał ufości dla (rąd wielkości ie jest ay)

8 Więcej dokumetów a stroie / (1 ) Prykład 1 Chcemy aleźć rawdoodobieństwo tego, że losowo wybray racowik ewego dużego akładu będie miał wykstałceie wyżse. W tym celu wylosowao róbę licącą 400 racowików i stwierdoo, że 3 sośród ich osiada wykstałceie wyżse. Osacować a tej odstawie ry wsółcyiku ufości 0,95 udiał osób wykstałceiem wyżsym sośród atrudioych w tym redsiębiorstwie. Rowiąaie adaia T wskaźik struktury 3 0, ,08 0,9 F( / ) 0,975 P 0,08 1,96 0,08 0,9 400 / 0,08 0,07 1,96 0,053 P 0,107 Od.: Z 95% wiarygodością możemy ryuscać, że odsetek osób wykstałceiem wyżsym w tym redsiębiorstwie waha się w rediale od 5,3% do 10,7%. Moża iekiedy astosować ajostrożiejsy sosób ostęowaia. Polega o a ryjęciu maksymalej wartości : (1 ) 1, ry daym osiąga maksimum dla 1, cyli. Prediał ufości dla (ajostrożiejsy sosób ostęowaia ry daym ) / 1 Niebęda (miimala) licebość róby w ryadku sacowaia (wskaźika struktury)

9 Więcej dokumetów a stroie ( / ) (1 ), E gdie E / Gdy ie jest wstęie ae (. brak badań ilotażowych cy iych wceśiejsych iformacji), wówcas moża ryjąć: ( 1 ) (1 ) Zatem wór a iebędą licebość róby ryjmuje astęującą ostać: ( / ) (1 ) lub ry ostęowaiu w ajostrożiejsy sosób ( 1 ) : E /) ( 4E E - bewględy maksymaly błąd sacuku ( E / ). 1 Prykład 13 Właściciel skleu artykułami żywościowymi chce ustalić rocet swoich stałych klietów sośród ogółu klietów jego skleu. Jak licą gruę owiie wylosować, aby rawdoodobieństwem 95% maksymaly błąd sacuku ie rekracał 5%? Rowiąaie: T? 1 95 E 0,05 / 1,96 1 0,5 1,96 4 0,05 384,16 korystaliśmy tego właśie woru, gdyż brak jest jakichkolwiek iformacji o odsetku klietów owtarających akuy w tym skleie (to chcieliśmy właśie ustalić), atem ostąiliśmy w sosób ajostrożiejsy. Od.: Należy atem wylosować róbę licącą 385 klietów.

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA Wioskowaie statystyce - estymacja treść Próba - repreetatywość próby - schematy losowaia Rokłady próby Estymacja statystyca - puktowa, prediałowa, wyacaie licebości próby Obserwacja

Bardziej szczegółowo

Parametryczne Testy Istotności

Parametryczne Testy Istotności Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja rzedziałowa - rzedziały ufości Próbę -elemetową charakteryzujemy jej arametrami ( x, s, s ). SłuŜą oe do ocey wartości iezaych arametrów oulacji (m, σ, σ). Nazywamy je estymatorami uktowymi iezaych

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

Rozkłady statystyk z próby Twierdzenia graniczne

Rozkłady statystyk z próby Twierdzenia graniczne Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej

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

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Rachek rawdoodobieństwa i statystyka Wioskowaie statystycze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, ok407 ada@agh.ed.l Estymacja arametrycza Podstawowym arzędziem szacowaia iezaego arametr jest estymator

Bardziej szczegółowo

dr inż. Elżbieta Broniewicz Fundacja Ekonomistów Środowiska i Zasobów Naturalnych w Białymstoku METODYKA BADANIA KOSZTÓW BIEŻĄCYCH OCHRONY ŚRODOWISKA

dr inż. Elżbieta Broniewicz Fundacja Ekonomistów Środowiska i Zasobów Naturalnych w Białymstoku METODYKA BADANIA KOSZTÓW BIEŻĄCYCH OCHRONY ŚRODOWISKA dr iż. Elżbieta roieic Fudacja Ekoomistó Środoiska i Zasobó Naturalych iałymstoku METODYKA ADANIA KOSZTÓW IEŻĄCYCH OCHRONY ŚRODOWISKA 1. Określeie miimalej licebości próby Na podstaie badań proadoych latach

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

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

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej 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

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

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

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

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

PRZEKSZTAŁCENIE ZET. definicja. nst. Stąd po dokonaniu podstawienia zgodnie z definicją otrzymamy wyrażenie jak dla ciągu.

PRZEKSZTAŁCENIE ZET. definicja. nst. Stąd po dokonaniu podstawienia zgodnie z definicją otrzymamy wyrażenie jak dla ciągu. CPS 6/7 PREKSTAŁCENIE ET Defiicja rekstałceia Prekstałceie ET jest w diediie casu dyskretego odowiedikiem ciągłego rekstałceia Lalace a w diediie casu ciągłego. Podamy dwie rówoważe defiicje rekstałceia

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

Bardziej szczegółowo

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

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

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

Estymacja parametrów populacji

Estymacja parametrów populacji Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje

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

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

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

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

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

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

BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ

BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ LABORATORIU WYTRZYAŁOŚCI ATERIAŁÓW Ćiceie 0 BADANIE ODKSZTAŁCEŃ SRĘŻYNY ŚRUBOWEJ 0.. Wproadeie Sprężyy, elemety sprężyste mają bardo różorode astosoaie ielu kostrukcjach mechaicych. Wykorystuje się je

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

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Estymacja puktowa i przedziałowa Marta Zalewska Zakład Profilaktyki Zagrożeń Środowiskowych i Alergologii Populacja Próba losowa (próbka) Parametry rozkładu Estymatory (statystyki) Własości estymatorów

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

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

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

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

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

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

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

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. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym

Bardziej szczegółowo

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi, Zadaie aa jest fucja gęstości zmieej losowej X: 9 8 Wyzacz: F (X ; Q ; ; ( X ; 9 9 P X P Zadaie ( Statystya II, X a b F( b F( a X e! P m ( ; m E( X ( X V ( X X R P ( X R ( X V ( X jest fucją gęstości zmieej

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby METODY PROBABILISTYCZE I STATYSTYKA WYKŁAD 0: ROZKŁADY STATYSTYK Z PRÓBY. PRZEDZIAŁY UFOŚCI. Rozkłady tatytyk z róby Statytyką azyway zieą loową, będącą fkcją zieych loowych,,..., taowiących róbę. Statytyka

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

Kurs Prawdopodobieństwo Wzory

Kurs Prawdopodobieństwo Wzory Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa

Bardziej szczegółowo

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys. 3.21. Redukcja dowolnego przestrzennego układu sił

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys. 3.21. Redukcja dowolnego przestrzennego układu sił 3.7.. Reducja dowolego uładu sił do sił i par sił Dowolm uładem sił będiem awać uład sił o liiach diałaia dowolie romiescoch w prestrei. tm pucie ajmiem się sprowadeiem (reducją) taiego uładu sił do ajprostsej

Bardziej szczegółowo

A = {dostęp do konta} = {{właściwe hasło,h 2, h 3 }} = 0, 0003. (10 4 )! 2!(10 4 3)! 3!(104 3)!

A = {dostęp do konta} = {{właściwe hasło,h 2, h 3 }} = 0, 0003. (10 4 )! 2!(10 4 3)! 3!(104 3)! Wstęp do rachunku prawdopodobieństwa i statystyki matematycnej MAP037 wykład dr hab. A. Jurlewic WPPT Fiyka, Fiyka Technicna, I rok, II semestr Prykłady - Lista nr : Prestreń probabilistycna. Prawdopodobieństwo

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

SUBWENCJA WYRÓWNAWCZA DLA GMIN

SUBWENCJA WYRÓWNAWCZA DLA GMIN I N S T Y T U T A N A L I Z R E G I O N A L N Y C H SUBWENCJA WYRÓWNAWCZA DLA GMIN ANALIZA SZCZEGÓŁOWA Autory: dr Boda Stęień dr Medard Makreek Coyriht Boda Stęień Wselkie rawa astreżoe GRUDZIEŃ 004 autory:

Bardziej szczegółowo

Z-TRANSFORMACJA Spis treści

Z-TRANSFORMACJA Spis treści Z-TRANSFORMACJA Spi treści. Deiicja. Pryłady traormat 3. Właości -traormacji 4. Zwiąe -traormacji traormacją Fouriera 5. Z-traormacja ygału dwuwymiarowego Deiicja -traormacji Z-traormata jet eregiem Laureta

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

(X i X) 2. n 1. X m S

(X i X) 2. n 1. X m S Wykład 8. Przedziały ufości i testowaie hipotez A gdy ie zamy wariacji σ 2? Załóżmy, że X ma rozkład ormaly, ale ie zamy wartości ai m ai σ 2. Jak wtedy szacować wartość średią m? Przypomijmy, że Wtedy

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

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

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna. Wykład 8. Przedziały ufości dla średiej Średia a mediaa Mediaa dzieli powierzchię histogramu a połowy. Jest odpora ie mają a ią wpływu obserwacje odstające. Obserwacje odstające mają duży wpływ a średią

Bardziej szczegółowo

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

III. LICZBY ZESPOLONE

III. LICZBY ZESPOLONE Pojęcie ciała 0 III LICZBY ZESPOLONE Defiicja 3 Niech K będie dowolm biorem Diałaiem wewętrm (krótko będiem mówić - diałaiem) w biore K awam każdą fukcję o : K K K Wartość fukcji o dla elemetów K oacam

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi

Bardziej szczegółowo

Estymacja przedziałowa:

Estymacja przedziałowa: Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.

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

Programowanie dynamiczne i modele rekurencyjne w ekonomii Wykład 3

Programowanie dynamiczne i modele rekurencyjne w ekonomii Wykład 3 Programowaie dyamice i modele rekurecyje w ekoomii Wykład 3 Michał Ramsa sierpia 0 Stresceie Wykład treci bauje główie a [, ro 7] i dotycy wykorystaia fukcji tworacych do rowiaywaia rekurecji Materiał

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

W takim modelu prawdopodobieństwo konfiguracji OR wynosi. 0, 21 lub , 79. 6

W takim modelu prawdopodobieństwo konfiguracji OR wynosi. 0, 21 lub , 79. 6 achunek prawdopodobieństwa MP6 Wydiał Elektroniki, rok akad. 8/9, sem. letni Wykładowca: dr hab.. Jurlewic Prykłady do listy : Prestreń probabilistycna. Prawdopodobieństwo klasycne. Prawdopodobieństwo

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

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

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

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

test dla średniej rozkładu normalnego moc testu test dla wariancji rozkładu normalnego test dla rozkładu dwumianowego, Poissona

test dla średniej rozkładu normalnego moc testu test dla wariancji rozkładu normalnego test dla rozkładu dwumianowego, Poissona /9/7 Biostatystyka, 6/7 dla Fizyki Medyczej, studia magisterskie test dla średiej rozkładu ormalego moc testu test dla wariacji rozkładu ormalego test dla rozkładu dwumiaowego, Poissoa Estymacja przedziałowa

Bardziej szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

Bardziej szczegółowo

1. ALGEBRA Liczby zespolone

1. ALGEBRA Liczby zespolone ALGEBRA Licby espoloe Opracowaie: Vladimir Marcheko WYKŁAD Postać algebraica i trygoometryca licby espoloe; dodawaie, możeie, potęgowaie i dieleie licb espoloych A+B+C (Wstęp: pochodeie licb espoloych)

Bardziej szczegółowo

Laboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4

Laboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4 Laboratorium Metrologii I olitechika Rzeszowska Zakład Metrologii i Systemów omiarowych Laboratorium Metrologii I Grua Nr ćwicz. Oracowaie serii wyików omiaru 4... kierowik...... 4... Data Ocea I. Cel

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

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc 5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje

Bardziej 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

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

Statystyka w rozumieniu tego wykładu to zbiór metod służących pozyskiwaniu, prezentacji, analizie danych.

Statystyka w rozumieniu tego wykładu to zbiór metod służących pozyskiwaniu, prezentacji, analizie danych. Statystyka w rozumieiu tego wykładu to zbiór metod służących pozyskiwaiu, prezetacji, aalizie daych. Celem geeralym stosowaia tych metod, jest otrzymywaie, a podstawie daych, użyteczych uogólioych iformacji

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

WPŁYW STRUKTUR POROWATYCH ORAZ CIECZY ROBOCZYCH NA SPRAWNOŚĆ RUR CIEPLNYCH W WENTYLACJI I KLIMATYZACJI

WPŁYW STRUKTUR POROWATYCH ORAZ CIECZY ROBOCZYCH NA SPRAWNOŚĆ RUR CIEPLNYCH W WENTYLACJI I KLIMATYZACJI WPŁYW STRUKTUR POROWATYCH ORAZ CIECZY ROBOCZYCH NA SPRAWNOŚĆ RUR CIEPLNYCH W WENTYLACJI I KLIMATYZACJI Adrej JEDLIKOWSKI, Maciej SKRZYCKI, Maciej BESLER Wydiał IŜyierii Środowiska, Politechika Wrocławska,

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

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

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

ZSTA LMO Zadania na ćwiczenia

ZSTA LMO Zadania na ćwiczenia ZSTA LMO Zadaia a ćwiczeia Efektywość estymatorów ieobciążoych Zadaie 1. Zakładamy, że badaa cecha X populacji ma rozkład Poissoa πλ, gdzie λ > 0 jest parametrem. Poadto, iech X = X 1, X,..., X będzie

Bardziej szczegółowo

OKREŚLENIE CHARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI

OKREŚLENIE CHARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI Ćwiczeie 5 OKREŚLENIE CARAKTERYSTYK POMPY WIROWEJ I WYZNACZENIE PAGÓRKA SPRAWNOŚCI Wykaz ważiejszych ozaczeń c 1 rędkość bezwzględa cieczy a wlocie do wirika, m/s c rędkość bezwzględa cieczy a wylocie

Bardziej szczegółowo

Estymatory nieobciążone o minimalnej wariancji

Estymatory nieobciążone o minimalnej wariancji Estymatory ieobciążoe o miimalej wariacji Model statystyczy (X, {P θ, θ Θ}); g : Θ R 1 Zadaie: oszacować iezaą wartość g(θ) Wybrać takie δ(x 1, X 2,, X ) by ( θ Θ) ieobciążoość E θ δ(x 1, X 2,, X ) = g(θ)

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

Bardziej 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

Metody dokładne w zastosowaniu do rozwiązywania łańcuchów Markowa

Metody dokładne w zastosowaniu do rozwiązywania łańcuchów Markowa Metody dokładne w astosowaniu do rowiąywania łańcuchów Markowa Beata Bylina, Paweł Górny Zakład Informatyki, Instytut Matematyki, Uniwersytet Marii Curie-Skłodowskiej Plac Marii Curie-Skłodowskiej 5, 2-31

Bardziej szczegółowo

3. Zapas stabilności układów regulacji 3.1. Wprowadzenie

3. Zapas stabilności układów regulacji 3.1. Wprowadzenie 3. Zapas stabilności układów regulacji 3.. Wprowadenie Dla scharakteryowania apasu stabilności roważymy stabilny układ regulacji o nanym schemacie blokowym: Ws () Gs () Ys () Hs () Rys. 3.. Schemat blokowy

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

2015-01-15. Edycja pierwsza 2014/1015. dla kierunku fizyka medyczna, I rok, studia magisterskie

2015-01-15. Edycja pierwsza 2014/1015. dla kierunku fizyka medyczna, I rok, studia magisterskie 05-0-5. Opis różnicę pomiędy błędem pierwsego rodaju a błędem drugiego rodaju Wyniki eksperymentu składamy w dwie hipotey statystycne: H0 versus H, tak, by H0 odrucić i pryjąć H. Jeśli decydujemy, że pryjmujemy

Bardziej szczegółowo

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego. Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowaie daych Podstawy wioskowaia statystyczego. Prawo wielkich liczb. Cetrale twierdzeie graicze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Wprowadzeie Jeśli S

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo