Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości specyficznych parametrów populacji.
|
|
- Patrycja Chmielewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 /7/06 Biotatytyka, 06/07 dla Fizyki Medyczej, tudia magiterkie etymacja etymacja średiej puktowa przedział ufości średiej rozkładu ormalego etymacja puktowa i przedziałowa wariacji rozkładu ormalego etymacja parametrów rozkładu dwumiaowego i Poioa Etymacja to wiokowaie tatytycze kocetrujące ię wokół ozacowaia wartości pecyficzych parametrów populacji. Etymacja puktowa: jak w oparciu o poiadae dae ozacować wartość określoego parametru iezaej populacji. Etymacja przedziałowa: jak w oparciu o poiadae dae ozacować przedział wartości określoego parametru iezaej populacji.
2 /7/06 Wagi oworodków kolejo urodzoych w jedym ze zpitali w Botoie (waga w ucjach: 00 oz= 835 g) Zazaczoe ą trzy próby o rozmiarze =0. Każda próba daje 0 wyików dla may oworodków. Róże próby mogą prowadzić do różych wartości dla średiego ciężaru oworodków. 0 A x A x i 0 i Zatem próbkowaie populacji (wybór próby) jet zmieą loową. Przy założeiu iż loowaie próby było iezależe, prawdopodobieńtwo wyloowaia dowolego oworodka jet idetycze.
3 /7/06 Rozkład wartości zmieej X (podkreśleie jet ozaczeiem dla tradycyjie używaej kreki ad zmieą) Jakie właości poiada zmiea loowa X opiująca średią z wyloowaych prób? Jak właości zmieej X wykorzytać do ozacowaia średiego ciężaru oworodków w badaej populacji? A może w ozacowaiu wykorzytać ie zae parametry opiujące właości kończoego zetawu daych, takie jak, a przykład, mediaa czy wartość średia ajmiejzej i ajwiękzej wagi w próbie? Wyiki uzykae z obliczeia wartości różych prób dla różych tatytyk (a) wartości średiej z próby X (a) (b) mediay z próby, (c) średiej z wartości max i mi z próby 3
4 /7/06 Niech etymator ˆ to przepi (tatytyka) a obliczeie wartości dla wielkości charakteryzującej badaą populację w oparciu o dae z próby. Etymator ˆ jet azywaym ieobciążoym etymatorem jeśli iezależie od rozkładu populacji zachodzi E( ˆ) Wartość średia z próby X, mediaa z próby, średia z ajmiejzej i ajwiękzej wartości z próby, ą ieobciążoymi etymatorami wartości średiej w populacji, czyli E(X )=, E(mediaa) =, E(/(mi{ }+ max{} )=. Jeśli rozkład w populacji jet ormaly, to wartość średia z próby X jet etymatorem o miimalej wariacji. Ilutracja dla pojęcia SEM, iaczej SE Wyiki rozkładu zmieej loowej X gdy próba kłada ię z : (a) = (b) =0 (c) =30 elemetów. SEM SE etymujemy 4
5 /7/06 Przypomiajka: Niech zmiee loowe X,..X ą wzajemie iezależe i mają rozkłady ormale o wartościach oczekiwaych : E( X i ) i i wariacjach E( X i ). i Wówcza dowola kombiacja liiowa L tych zmieych jet zmieą o rozkładzie ormalym N( i c i, c ) i i i i Wioek: Dla zmieej loowej X, jeśli loowe próby pochodzą z populacji o wartością średią oraz wariacją, to X ma rozkład ormaly N(, ) Twierdzeie CTG: Niech X, X,.., X to loowe próby pobrae z populacji o iezaym (dowolym) rozkładzie opiywaym wartością średią oraz wariacją. Wówcza dla dużych wartości mamy X ma w przybliżeiu rozkład N(, /) Ilutracja cetralego twierdzeia graiczego Wyiki rozkładu zmieej loowej X gdy próba kłada ię z : (a) = (b) =5 (c) =0 elemetów. Zauważmy, że (a) opiuje rozkład wag w populacji. Jet ieymetryczy (lewokośy) a więc jet iy iż ormaly. Przy zwiękzaiu rozkład wartości średich taje ię dzwoowaty 5
6 /7/06 Ile jet? Czy 6.9 czy 3.80? Jeżeli X przektzałcimy a zmieą loową tadardową Z, czyli X Z / to Z jet zmieą o tadardowym rozkładzie ormalym N(0,). Zatem 95% wyików Z uzykaych z prób loowych o rozmiarze będzie miało wartości pomiędzy -.96 i Te wartości odpowiadają.5 oraz 97.5 percetylom tadardowego rozkładu ormalego. Ozacza to, że 95% prób loowych X leży w przedziale ( -.96 /, +.96 / ) 6
7 /7/06 Jeśli X, X, X to iezależe zmiee loowe o rozkładzie N(, ) to tatytyka: pdf( t, x, d) d= d= d=5 d=0 d=if X t / ma rozkład t-studeta. Ozaczeie : t - cdf( t, x, d) Dytrybycja t d dla każdego d jet ymetrycza Dytrybycja t d ma wolo opadające ogoy d= d= d=5 d=0 d=if Moża pokazać, że dla dowolego > 0.05 dytrybucja t-studeta t d, - przyjmuje wartości więkze iż rozkład ormaly. t d, z
8 /7/06 00%(- ) tatytyk t wpada pomiędzy doly / i góry - / percetyl dytrybucji t -, czyli P( t ), / t t, / 00%(- ) przedział ufości ( cofidece iterval) dla średiej rozkładu ormalego o iezaej wariacji day jet wzorem: X t X t, /,, / 8
9 /7/06 CI to zmiea loowa. 00%(- )CI to rodzia loowych przedziałów o właości, że 00%(- ) pośród ich zawiera rzeczywitą wartość parametru. = wartość obliczoa z całej populacji Szerokość iterwału ufości * t, / rośie, to Δ maleje rośie, to Δ roie rośie, to Δ maleje t, / Ozacowaie wielkości próby dla oiągięcia CI o określoej zerokości Δ i ufości z / 9
10 /7/06 Niech day będzie przedział ufości 95%CI odetka dorołych Amerykaów, którzy ie ą aktywi fizyczie (0.3,0.7) Mamy 95% ufość, że prawdziwy odetek dorołych Amerykaów, którzy ie ą aktywi fizyczie jet pomiędzy 3% i 7% Mamy 95% ufość, że odetek dorołych Amerykaów, którzy ie ą aktywi fizyczie jet zawarty w przedziale (3%, 7%) W oparciu o poiadae dae zacujemy, ze odetek dorołych Amerykaów, którzy ie ą aktywi fizyczie to 5%. Z ufością 95% ta wartość może być tak mała jak 3% albo tak duża jak 7%. W oparciu o poiadae dae zacujemy, ze odetek dorołych Amerykaów, którzy ie ą aktywi fizyczie to 5% ( 95% CI: 3% - 7%). Mamy 95% zaę, że odetek dorołych Amerykaów, którzy ie ą aktywi fizyczie jet zawarty pomiędzy 3% i 7%. Co to jet rozkład próbkowaia? Dlaczego średia z próby jet używaa do etymowaia średiej z populacji? Jaka jet różica pomiędzy odchyleiem tadardowym a błędem tadardowym? Co ozacza 95%CI średiej? Skąd koieczość wprowadzeia rozkładu t-studeta Rozkład zmieej loowej PROBKOWANIA, czyli możliwych kotrukcji, wyborów iezależych prób o tym amym rozmiarze z daej populacji. Zmiea loowa przyjmuje wartości iezależie obliczae dla każdej próby oddzielie. ()Jeśli zmieą loową próbkowaia reprezetuje średia wartość z próby, to wartość oczekiwaa tej zmieej jet średią dla populacji iezależie od rozkładu wartości w populacji. () Poadto, przy rozkładzie ormalym w populacji, ta zmiea loowa ma ajmiejzą wariację pośród wzytkich możliwych iych zmieych loowych próbkowaia o właości (). Odchyleie tadardowe charakteryzuje rozrzut wartości w populacji czy próbie, atomiat błąd tadardowy mierzy rozrzut wartości zmieej loowej próbkowaia reprezetowaej średią z próby. W zbiorze przedziałów 95%CI kotruowaych dla różych prób, 95% z ich będzie zawierało wartość. 95%CI opiuje zmieą próbkowaia, a ie. W zczególości ie wolo uważać, że z prawdopodobieńtwem 0.95 przedział zawiera. Jeżeli ie zamy wariacji w populacji to etymacja jej przez odchyleie tadardowe z próby ma rozkład t-studeta. Jaka jet różica pomiędzy rozkładem ormalym a rozkładem t-studeta? Rozkład t-tudeta to rodzia rozkładów idekowaa topiem wobody. Oba ą ymetrycze względem O, ale rozkłady t-studeta mają tłute ogoy. Jak rozumiez cetrale twierdzeie graicze i jego zaczeie dla tatytyki CTG gwaratuje, że zmiea próbkowaia realizowaa przez średią jet dobrze aprokymowaa przez rozkład ormaly N(, /) 0
11 /7/06 Etymacja puktowa dla średiej populacji w oparciu o wyik z próby: X Średia z próby to etymator ieobciążoy i z mi. wariacją Etymacja przedziałowa przez (-)%CI dla średiej populacji o rozkładzie ormalym w oparciu o wyik z próby jeżeli: zamy wariacje populacji ( X z /, X z / ) ie zamy wariacji populacji Uwaga praktycza: jeśli >30 to zamiat tatytyki t touje ię tatytykę z ( X t, /, X t, / Mamy ufość, że 95% przedziałów tak kotruowaych zawiera średią populacji ) Średie odchyleie z próby? ˆ i ( x i x) Wariacja z próby? i ( x i x) Przy powtarzających ię próbach o rozmiarze mamy : średie odchyleie z tych prób ie jet ieobciążoym etymatorem wariacja z próby jet ieobciążoym etymatorem
12 /7/06 przykład: pomiar SBP pomiar ciśieia kurczowego arterioodą przyrząd wykorzytujący efekt Dopplera do utaleia ciśieia krwi. Nagraie iterpretowało dwóch operatorów. d ( ) / i ( d i d) 8.78 Przy założeiu, że rozkład różic d jet ormaly ozacowaie puktowe dla wariacji to 8.78 Zmiea G X i gdzie X i z N(0,) ma rozkład i x x) / ( / x / e ( / ) = = =3 =4 =6 =9 MATLAB: =:9; x=5; y=chipdf(x,);
13 /7/06 cdf ('chi',, u, ) u u : P( ) u, u ozaczeie Przykład: Zajdź góry i doly.5-percetyl chi-kwadrat rozkładu dla =0. icdf to fukcja odwrota do cdf icdf('chi', 0.05,0) 0,0.05 =3.470 icdf('chi', 0.975,0) 0,0.975 =0.483 P( ) 0.95 =3.470 =
14 /7/06 P, /, / Przykład: Pomiar SBP arterioodą : 95%CI dla wariacji to ( 3.87, 7.6), Do daje ( ), / ( ),, / 95%CI dla odchyleia tadardowego jet: (.97, 5.). Ozacowaie puktowe dla odchyleia daje =.8597 Jeśli próba jet duża, >30, to przedział ufości taje ię ymetryczy względem ozacowaia puktowego. Zachodzi bowiem P z z Ocea powtarzalości pomiarów Rekrutujemy 5 ochotików, i w odtępie tygodia pobieramy krew do aalizy. Badamy: d gdzie i i, i,, xi, x x x i, to pomiar pierwzy i drugi daego ochotika. Wyzło d=0 przy =0.5. A w literaturze jet, że =0.0. Czy aze pomiary ą powtarzale? Poieważ: Zatem: Z 95 % ufością mamy, iż wyiki azego laboratorium ą powtarzale w odieieiu do literaturowych To: 4
15 /7/06 Typowa zmiea loowa biara: X i 0 Zmiea loowa reprezetująca ilość ukceów wśród takich zmieych z prawd z prawd p jet czeriak - p ie ma czeriaka X X i i,.., Przykład : czeriak złośliwy wśród kobiet w wieku lat w USA. Daa jet próbka 5000 kobiet w w/w wieku. Czeriaka twierdzoo u 8. Jak oceić wytępowaie (odetek kobiet z czeriakiem) tej choroby w całej populacji? E( X ) p Var( X ) pq Tw: Jeśli X jet zmiea loowa o rozkładzie dwumiaowym B(,p), to ieobciążoym etymatorem p jet Błąd tadardowy tej etymacji to p ˆ X / ( p ˆ) pq ˆ ˆ / Ozacowaie wytępowaia czeriaka : pˆ 8/ ( pˆ) * / Etymacja ajwiękzej wiarygodości ( MLE) to ajczęściej toowaa metoda zacowaia parametrów modelu. Metoda ta wybiera zbiór wartości dla parametrów rozkładu tak, by tak zwaa fukcja wiarygodości oiągała wartości makymale. Ituicyjie metoda ajwiękzej wiarygodości utala tak parametr modelu, by makymalizować zgodość uzykaych z próby daych z modelem. 5
16 /7/06 Waruek a ektremum L L: fukcja wiarygod ości Defiicja Niech fukcja prawdopodobieńtwa zmieej dykretej X jet opiaa jako fukcja k parametrów: p ( p, p,... pk ) Niech x ( x,,... ) to próba iezależych oberwacji zmieej X. x x Wiarygodością tej próby przy zadaym p, ozaczaą jako L(x p), jet prawdopodobieńtwo uzykaia wyików tej próby przy założeiu określoych wartości parametrów, czyli: p) P( x p)... P( x p) P( x i ) i L( x p) P( x p Wiarygodość próby ocey zachorowalości a czeriaka: 500 L( x p) P( xi p) p i 8 ( p)
17 /7/06 Defiicja Niech fukcja gętości prawdopodobieńtwa zmieej ciągłej X jet opiaa fukcją o k parametrach: p ( k p, p,... p ) Niech x ( x,,... ) to próba iezależych oberwacji zmieej X. x x Wiarygodość tej próby przy zadaym p, ozaczaa L(x p), to prawdopodobieńtwo uzykaia wartości próby przy założeiu określoych wartości parametrów p ( p, p,... pk ) czyli: p) f ( x p)... f ( x p) f ( x i ) i L( x p) f ( x p Jaka jet wiarygodość daej próby -elemetowej reprezetującej zmieą X o rozkładzie ormalym N(,)? L( x (, )) f ( x i (, )) exp{ ( xi ) / ( ) i i Defiicja Etymatorem ajwiękzej wiarygodości (MLE) dla p azywamy takie wartości tych parametrów p ( p, MLE, p, MLE,... pk, które makymalizują wiarygodość. ( p, p,... pk MLE ) ) Użyteczość: Dla zerokiej klay rozkładów, gdy rozmiar próby jet dotateczie duży, to MLE jet ieobciążoym etymatorem puktowym i ma ajmiejzą wariację. 7
18 /7/06 Przykład: Rak pieri wśród kobiet letich, których matki miały raka pieri. Mamy próbę loową 0000 kobiet o w/w wieku, 400 z ich miało lub ma raka pieri. Najlepze ozacowaie puktowe dla p wytępowaia raka w populacji to p^ = 400/0000=0.040 Jak ozacować przedziałowo parametr p wytępowaie raka pieri wśród kobiet letich? 95%CI dla raka pieri wśród kobiet letich: (0.036,0.044) pˆ z / ( *0.96 /0000, *0.96 /0000 ) Jeśli wiadomo, że odetek wytępowaia raka pieri wśród wzytkich kobiet w tym wieku jet %, to możemy ufać, że w grupie kobiet, których matki miały raka pieri, wytępowaie raka pieri jet wyżze iż średia dla tej grupy wiekowej. Podumowaie ( Metoda Walda) Dla B(,p) takiego, że pq 5 mamy p z ˆ / pˆ( pˆ) Przypadek pq < 5 Gdzie x= oberwacja 8
19 /7/06 Szczury były karmioe wyokocukrowa dietą. U dwóch pośród dwudzietu pojawił ię rak krwi. Podać etymacje przedziałową dla tego wyiku. pˆ / Trzeba zaleźć p i p takie, że 0 MATLAB: p: p : P( X p p ) 0.05 P( X p p ) 0.05 pq cdf('bio',,0,0.0:0.00:0.05) p= cdf('bio',,0,0.3:0.005:0.33) %CI jet (0.0, 0.3) p=0.3 Defiicja Wprowadzamy jedotkę oobo-rok jako jedotkę czau oberwacji ooby. Przykład: W Wobur u dzieci zotała zdiagozowaa białaczka w okreie od.o.970 do Zakładamy, że populacja dzieci w Wobur to 000, oraz że zachorowalość a białaczkę w populacji ogólej to 5 przypadków a oobo-lat. Jak wygląda etymacja zachorowalości dzieci a białaczkę w Wobur? Zatem, 000 dzieci było oberwowaych przez 0 lat, a więc mamy kumulowaych oobo-lat. Twierdzeie Niech ilość zdarzeń X w okreie T oobo-lat ma rozkład Poioa z µ = λt. Nieobciążoy etymator λ jet day jako λ=x/t, gdzie X ozacza ilość zaoberwowaych zdarzeń w czaie T oobo-lat. 9
20 /7/06 Przykład: białaczki u dzieci w Wobur. Wyzaczyć 95%CI dla wpółczyika zachorowalości dzieci a białaczkę a oobo-lat (λ). 0
Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.
Botatytyka, 018/019 dla Fzyk Medyczej, tuda magterke etymacja etymacja średej puktowa przedzał ufośc średej rozkładu ormalego etymacja puktowa przedzałowa waracj rozkładu ormalego etymacja parametrów rozkładu
Bardziej szczegółowo1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,
1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =
Bardziej szczegółowo1 Dwuwymiarowa zmienna losowa
1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla
Bardziej szczegółowoX 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 szczegółowoStatystyka 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 szczegółowoZadanie 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 szczegółowoLista 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 szczegółowo3. 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 szczegółowoEstymacja 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 szczegółowoCharakterystyki 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 szczegółowo16 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 szczegółowoPorównanie dwu populacji
Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :
Bardziej szczegółowoMetody Statystyczne II
Metody Statytycze II dr Dorota Węziak-Białowolka Itytut Statytyki i Demograii Iormacje orgaizacyje Koultacje: poiedziałek 5:3 6:3 5F lub 73F Materiały: www.e-gh.pl/bialowolka/ms Zaliczeie: w ormie egzamiu
Bardziej szczegółowoSTATYSTYKA. 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 szczegółowoStatystyka 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 szczegółowoZAGADNIENIE 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 szczegółowoStatystyka 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 szczegółowoSTATYSTYKA 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 szczegółowoSTATYSTYCZNA OCENA WYNIKÓW POMIARÓW.
Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,
Bardziej szczegółowoMiary 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 szczegółowoĆwiczenie 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 szczegółowoEstymacja 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 szczegółowoĆwiczenie 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 szczegółowoWykład 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 szczegółowoθx 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 szczegółowoEstymacja. 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 szczegółowoEstymacja: 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 szczegółowoSTATYSTKA 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 szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57),
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Uiv. Techol. Steti. 009, Oecoomica 75 (57), 3 36 Leoid WOROBJOW, Krzyztof WISIŃSKI, Alekadra PANFIORAVA STOSOWANIE METOD ESTYMACJI PRZEDZIAŁOWEJ
Bardziej szczegółowoTrzeba 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 szczegółowo1. 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 szczegółowoWykład 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 szczegółowoWokół 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 szczegółowoWnioskowanie statystyczne dr Alicja Szuman
Wiokowaie tatytycze dr Alicja Szuma Literatura: J. Jóźwiak, J. Podgórki Statytyka od podtaw PWE Warzawa 006 J. Kudelki, I. Roeke Slomka Statytyka AE Pozań 995 J. Greń Statytyka matematycza. Modele i zadaia
Bardziej szczegółowoWYKŁAD 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 szczegółowo0.1 ROZKŁADY WYBRANYCH STATYSTYK
0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.
Bardziej szczegółowoPODSTAWY 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 szczegółowoMateriały do wykładu 4 ze Statystyki
Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4.
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoKomputerowa 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 szczegółowoRozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci
Rozkłady tatytyk z próby Metody probabilitycze i tatytyka Wykład : Rozkłady tatytyk z próby. rzedziały ufoci Małgorzata Krtowka Wydział Iformatyki olitechika Białotocka e-mail: mmac@ii.pb.bialytok.pl troa
Bardziej szczegółowoParametryczne 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 szczegółowoKorelacja 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 szczegółowon 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 szczegółowotest 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 szczegółowoPrawdopodobieństwo 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 szczegółowoRachunek 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 szczegółowoPRZEDZIAŁY 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 szczegółowoModa (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 szczegółowoPodstawowe 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 szczegółowobędą 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 szczegółowoRozkłady 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 szczegółowoLista 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 szczegółowoRozkład normalny (Gaussa)
Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i
Bardziej szczegółowoMetrologia: 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 szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 6.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Własości rozkładu ormalego Cetrale twierdzeie graicze Fukcja charakterystycza
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoSTATYSTYKA. Seminarium Chemia Analityczna III rok. Dr inż. Piotr Konieczka
STATYSTYKA Semiarium Chemia Aalitycza III rok Dr iż. Piotr Koieczka Zaczijmy od defiicji Dokladość (accuracy) zgodość pomiędzy uzykaym wyikiem pomiaru z wartością rzeczywitą (oczekiwaą). Prawdziwość (truee)
Bardziej szczegółowoSTATYSTYKA. Seminarium Chemia Analityczna. Dr hab. inż. Piotr Konieczka.
00--5 STATYSTYKA Semiarium Chemia Aalitycza Dr hab. iż. Piotr Koieczka e-mail: piotr.koieczka@pg.gda.pl Dokładość (accuracy) topień zgodości uzykaego wyiku pojedyczego pomiaru z wartością oczekiwaą (rzeczywitą).
Bardziej szczegółowoRozkłady 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 szczegółowoSTATYSTYKA 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 szczegółowoNiezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne
Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoStatystyka 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 szczegółowoWykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.
Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau
Bardziej szczegółowoObserwacje 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 szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoWykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.
Rachuek prawopoobieństwa MA064 Wyział Elektroiki, rok aka 2008/09, sem leti Wykłaowca: r hab A Jurlewicz Wykła 3: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług
Bardziej szczegółowo1 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 szczegółowoPlan 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 szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowoStatystyczna analiza danych
Statytyka. v.0.9 egz mgr inf nietacj Statytyczna analiza danych Statytyka opiowa Szereg zczegółowy proty monotoniczny ciąg danych i ) n uzykanych np. w trakcie pomiaru lub za pomocą ankiety. Przykłady
Bardziej szczegółowoWprowadzenie do laboratorium 1
Wprowadzeie do laboratorium 1 Etymacja jedorówaiowego modelu popytu a bilety loticze Etapy budowy modelu ekoometryczego Specyfikacja modelu Zebraie daych tatytyczych Etymacja parametrów modelu Weryfikacja
Bardziej szczegółowoSIGMA 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 szczegółowoEstymacja 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 szczegółowo1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.
Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg
Bardziej szczegółowoKADD Metoda najmniejszych kwadratów
Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie
Bardziej szczegółowoEstymacja 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 szczegółowoMIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń
MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowoModel ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.
Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The
Bardziej szczegółowo3. 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(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 szczegółowoRachunek 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 szczegółowoStatystyka 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 szczegółowoFunkcja generująca rozkład (p-two)
Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoz 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 szczegółowoSTATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś
1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.
Bardziej szczegółowod 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 szczegółowoMetoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona)
Wykład 7 Dwie iezależe próby Częto porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekartwo a placebo Pacjeci biorący dwa podobe lekartwa Mężczyźi a kobiety Dwie
Bardziej szczegółowo2.1. 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 szczegółowowyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=
ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoTwierdzenie Cayleya-Hamiltona
Twierdzeie Cayleya-Hamiltoa Twierdzeie (Cayleya-Hamiltoa): Każda macierz kwadratowa spełia swoje włase rówaie charakterystycze. D: Chcemy pokazać, że jeśli wielomiaem charakterystyczym macierzy A jest
Bardziej szczegółowoZMIENNA LOSOWA I JEJ PARAMETRY -powtórzenie
WNIOSKOWANIE STATYSTYCZNE ZMIENNA LOSOWA I JEJ PARAMETRY -powtórzeie,, S P przestrzeń probabilistycza (matematyczy model zjawiska losowego), zbiór wszystkich zdarzeń elemetarych, S zbiór zdarzeń, (podzbiory
Bardziej szczegółowoEstymatory 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