FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57),

Wielkość: px
Rozpocząć pokaz od strony:

Download "FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57),"

Transkrypt

1 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 W BADANIACH PRZYRODNICZYCH I EKONOMICZNYCH AN APPLICATION OF INTERVAL ESTIMATION METHODS IN ECONOMIE AND NATURE STUDY Katedra Marketigu, Zachodiopomorki Uiwerytet Techologiczy w Szczeciie ul. śołierka 47, 7-0 Szczeci Abtract. The article the method of determiig the cofidece iterval for the average value i the populatio. There have bee alo give the methodological guidelie iteded to correct applicatio of thi method i atural ad ecoomic tudie. Słowa kluczowe: etymacja przedziałowa, metodyka wyzaczaia przedziałów ufości dla wartości średiej w populacji, przykłady empirycze. Key word: iterval etimatio, methodology for determiig the cofidece iterval for the average value i the populatio, the empirical example. WSTĘP Studeci i doktoraci pizący prace magiterkie i doktorkie o tematyce ekoomiczej lub przyrodiczej częto mają trudości z poprawym tatytyczym opracowaiem daych empiryczych oraz z właściwą iterpretacją uzykaych wyików. Celem iiejzego artykułu jet udzieleie praktyczych wkazówek oobom toującym metody tatytycze w woich pracach badawczych. Szczegółowej aalizie poddae zotało zagadieie etymacji przedziałów ufości dla wartości średiej populacji. Przedtawioe rozwaŝaia mogą być takŝe toowae w przypadku iych zagadień związaych z etymacją przedziałową (p. przedział ufości dla wariacji, wkaźik truktury). W artykule zawarto rówieŝ ogóle iformacje o metodologii badań tatytyczych, które powiy być przydate przy toowaiu modeli tatytyczych. Jedym z główych zadań tatytyki matematyczej jet wiokowaie o właściwościach badaej zbiorowości (populacji geeralej) a podtawie jej fragmetu (podzbioru) próby. Rozwój metod tatytyczych prowadzi do uzykaia coraz pełiejzej iformacji o całości a podtawie części tej całości. Tak jak w wielu dziedziach auki tatytyka, w celu opiaia właości cech realej zbiorowości, wprowadza pewie teoretyczy model, który przekztałcay przy wykorzytaiu praw rachuku prawdopodobieńtwa pozwala badaczowi uzykać wartościowe wioki. Podtawowym arzędziem, za pomocą którego modeluje ię cechy obiektów w populacji, jet pojęcie zmieej loowej. Oberwacje doświadczale moŝemy traktować jako realizacje wartości zmieej loowej. Problem badaia zbiorowości geeralej prawdza ię zatem do określeia cech zmieej loowej a podtawie kończoego zbioru jej wartości.

2 3 L. Worobjow i i. ESTYMACJA PRZEDZIAŁÓW UFNOŚCI DLA ŚREDNIEJ OGÓLNE UJĘCIE ZADANIA Podtawowym parametrem zmieej loowej (a co za tym idzie, populacji, którą opiuje) jet jej wartość średia (wartość oczekiwaa). Itieją dwie metody zacowaia średiej (i ogóliej iezaych parametrów populacji) etymacja puktowa i etymacja przedziałowa. Etymacja puktowa daje moŝliwość ozacowaia parametrów za pomocą liczb, ie podaje jedak dokładości tych ozacowań. Metody etymacji przedziałowej pozbawioe ą tej wady. Wyzaczaie przedziału ufości dla średiej przebiega atępująco: Badaą cechę populacji opiuje zmiea loowa X, która ma iezaą wartość oczekiwaą rówą m i kończoą wariację. Na podtawie liczb x,x, K,x, które ą wartościami cech wyloowaymi iezaleŝie od obiektów populacji (wartościami próby), aleŝy wyzaczyć liczbową realizację przedziału, który ze z góry zadaym prawdopodobieńtwem pokrywa wartość średią m. Próbę x,x, K,x traktujemy jako realizację iezaleŝych zmieych loowych X, X, K, X. W przypadku, gdy załoŝymy, Ŝe zmiee loowe o wartości średiej rówej m, otrzymujemy zaleŝość: X, X, K, X mają rozkład ormaly S S P ( X t < m< X + t ) = () Zatem liczbowa potać przedziału ufości dla średiej, przy przyjętych załoŝeiach, jet atępująca: ( x t,x + t ) () Zwyczajowo przedział ufości dla średiej zapiuje ię w potaci: gdzie: liczebość próby, x = x i średia arytmetycza próby, i= x t < m< x + t (3) = odchyleie tadardowe próby, przy czym wariacja próby określoa jet przez i= = ( xi x ), t wartość pełiająca waruek: (odczytywaa z tablic rozkładu t-studeta dla i topi wobody). P ( t < t < t ) = W przypadku, gdy liczebość próby jet duŝa (zwykle przyjmuje ię, Ŝe próba jet duŝa, gdy > 30, przedział ufości przyjmuje potać: x u < m< x + u (4) gdzie: u liczba pełiającą waruek: tadaryzowaego). F (u ) = (F dytrybuata rozkładu ormalego

3 Stoowaie metod etymacji przedziałowej MATERIAŁ I METODY. PRZYKŁADY EMPIRYCZNE Metodykę wyzaczaia wielkości próby badawczej pokaŝemy a przykładach. Przykład. Jedą z waŝiejzych charakterytyk zbóŝ jet zawartość białka w ich ziarach. W celu ozacowaia średiej zawartości białka w ziarach pzeicy odmiay Meteor wykorzytao metodę etymacji przedziałowej. Wyloowao w poób iezaleŝy = 0 ziare i przebadao je pod względem procetowej zawartości białka. Otrzymao średią arytmetyczą x = 7, % i odchyleie tadardowe = 3,%. PoiewaŜ próba jet duŝa, aleŝy przyjąć atępującą potać przedziału ufości: x u < m< x + u Jako wpółczyik ufości przyjęto = 0, 90. Wartość u = u 0,0 obliczoo z waruku: F(u 0,0 ) = 0, 0 = 0,95. Korzytając z tablic dytrybuaty tadaryzowaego rozkładu ormalego, otrzymao u 0,0 =,64. Zatem przedział ufości będzie miał potać: Po łatwych obliczeiach otrzymao: 3, 7, 64, < m< 7, + 64, 0 6,7% < m < 7,6% Widać, Ŝe rozpiętość otrzymaego przedziału jet rówa 0,9%, co taowi około 5% średiej arytmetyczej obliczoej z próby. Lewy koiec przedziału jet więc średią arytmetyczą pomiejzoą o,5%, a prawy koiec średią arytmetyczą powiękzoą o,5%. Wyzaczoy przedział ufości moŝa iterpretować jako przedział wylooway z populacji przedziałów, w której przeciętie 9 a 0 przedziałów pokrywa iezaą średią procetową zawartość białka w ziarach pzeicy odmiay Meteor. Przykład. Wprowadzając do produkcji owy typ urządzeń elektroiczych, potaowioo ozacować przedział ufości dla średiej temperatury, w której ulegają oe zizczeiu. Ze względu a wyoki kozt urządzeń uzao za iecelowe przeprowadzeie badań a duŝej próbie. Dokoao = pomiarów; otrzymao atępujące wyiki (w C): 7,3, 69,8, 70,0, 68,5, 7,, 73,, 7,5, 69,4, 68,, 7,, 70,5, 69,. Jako wpółczyik ufości przyjęto = 0,95. PoiewaŜ próba jet mała, w pierwzym kroku aleŝy prawdzić hipotezę o ormalości rozkładu temperatur, w których urządzeia ulegają zizczeiu. W tym celu wykorzytao tet Kołmogorowa (Kryicki i i. 00). Przyjęto poziom itotości = 0,0. Wykorzytując pakiet tatytyczy Statgraf, otrzymao odpowiedź: Nie ma podtaw do odrzuceia hipotezy o ormalości rozkładu temperatur powodujących zizczeie urządzeia. Taki wyik weryfikacji hipotezy pozwala kotyuować procedurę wyzaczaia przedziału ufości. 3, 0 PoiewaŜ próba jet mała, jako przedział ufości aleŝy przyjąć: x t < m< x + t Obliczoo średią arytmetyczą próby oraz odchyleie tadardowe próby, otrzymując: x = 70,9 C, =,48 C. Wartość t = t 0,05 =,0 odczytao z tablic rozkładu

4 34 L. Worobjow i i. t-studeta dla = topi wobody oraz = 0,05. Liczbowa potać przedziału ufości ma więc potać: 48, 48, 70, 9, 0 < m< 70, 9+, 0 Po wykoaiu obliczeń: 69,9 C < m < 7,8 C Iterpretacja wyzaczoego przedziału ufości jet aalogicza do iterpretacji przedziału ufości z przykładu. WNIOSKI Na zakończeie podamy w formie uwag wkazówki metodycze, które mogą być przydate w pracach badawczych, w których zacuje ię przedziały ufości dla wartości średiej. Uwaga. Próba pobraa z populacji, a podtawie której zacuje ię przedział ufości dla średiej, powia być próbą reprezetatywą dla populacji. Elemety próby powiy być wyloowae zgodie ze chematem loowaia bez wracaia, co ozacza, Ŝe kaŝdy elemet populacji moŝe w próbie pojawić ię tylko raz. Uwaga. Przypuśćmy, Ŝe w pewych badaiach przy wpółczyiku ufości wyzaczyliśmy przedział ufości a < m< b. Niepoprawe jet twierdzeie, Ŝe z prawdopodobieńtwem wartość średia m aleŝy do wyzaczoego przedziału. Stwierdzeie to ugeruje, Ŝe m jet wartością loową. W rzeczywitości wartość średia jet kokretą liczbą, której ie zamy. Przedział (a, b) pokrywa ię z tą liczbą lub ie. Wartość pozawcza liczbowej realizacji przedziału ufości polega a tym, Ŝe wyzaczając przy daym wpółczyiku ufości a podtawie wielu prób przedziały ufości, frakcja przedziałów, które pokrywają wartość średią m, jet w przybliŝeiu rówa. Przedział ufości (a, b) moŝemy iterpretować jako przedział, który zotał wylooway z populacji, w której czętość wytępowaia przedziałów pokrywających wartość średią jet rówa. Fakt te, w poób krócoy, moŝa formułować atępująco: Przedział o końcach a i b z prawdopodobieńtwem pokrywa wartość średią m populacji. Uwaga 3. Im wpółczyik ufości jet bliŝzy, tym więkze jet prawdopodobieńtwo pokrycia przez przedział ufości iezaej wartości średiej m (dla badacza jet to korzyte). Jedak zwiękzając wartość wpółczyika ufości, uzykuje ię coraz dłuŝze przedziały ufości (dla badacza ie jet to korzyte, bo miejza jet wartość iformacyja takich przedziałów). Przy adaiu wpółczyikowi ufości wartości, aleŝy więc dokoać roządego kompromiu pomiędzy tymi przeciwtawymi celami. Zwykle za wpółczyik ufości przyjmuje ię liczby: 0,90, 0,95, 0,99. Uwaga 4. JeŜeli zebraie oberwacji ie jet trude, aleŝy do ozacowaia przedziałów ufości pobierać duŝą próbę. Potępowaie takie ma dwie zalety. Po pierwze, wzrot liczebości próby powoduje króceie przedziałów ufości. Po drugie, ze względu a twierdzeie Lapuowa (Hellwig 995) przedział ufości dla duŝej próby moŝemy wyzaczyć ie tyko przy załoŝeiu, Ŝe rozkład badaej cechy jet ormaly, ale przy zaczie ogóliejzych załoŝeiach, które a ogół ą pełioe.

5 Stoowaie metod etymacji przedziałowej Uwaga 5. JeŜeli do ozacowaia przedziału ufości dla średiej uŝywamy małej próby (zbadaie próby duŝej jet koztowe, pracochłoe itp.), aleŝy potwierdzić przypuzczeie, Ŝe oberwacje mają rozkład ormaly. Do tego celu moŝa zatoować tet Kołmogorowa lub tet Shapiro-Wilka (Kryicki i i. 00). Tety te moŝa przeprowadzić, wykorzytując tatytycze programy komputerowe. Próba moŝe zotać uŝyta do ozacowaia przedziału ufości, jeśli tet tatytyczy, a zadaym poziomie itotości (zwykle za przyjmujemy liczby: 0,0, 0,05, 0,0), da odpowiedź, Ŝe ie ma podtaw do odrzuceia hipotezy, Ŝe badaa cecha ma rozkład ormaly. PIŚMIENNICTWO Bedarki L., Borowiecki R., Duraj J., Kurty E., Waśiewki T., Werety B Aaliza ekoomicza przediębiortwa. Wrocław, Wydaw. AE. Bubicki Z Teoria i algorytmy terowaia. Warzawa, PWN. Duda J.T Modele matematycze, truktury i algorytmy adrzędego terowaia komputerowego. Kraków, Wydaw. AGH. Gawrońka-Nowak B., Waleryiak G Decyzje ekoomicze ujęcie ilościowe. Warzawa, PWE. Hellwig Z Rachuek prawdopodobieńtwa i tatytyka matematycza. Warzawa, PWN. Kryicki W., Barto J., Dyczka W., Królikowka K., Wailewka M. 00. Rachuek prawdopodobieńtwa i tatytyka matematycza w zadaiach. Cz. II. Statytyka matematycza. Warzawa, PWN. Maddala G.S Ekoometria. Warzawa, PWN. Matołka M Metody ilościowe w ekoomii. Zez. Nauk. AE Poz. 64. Mruk H., Pilarczyk B., Sojki B., Szulce H Podtawy marketigu. Pozań, Wydaw. AE. Nowak A Optymalizacja. Teoria i zadaia. Gliwice, Wydaw. Politechiki Śląkiej.

1 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 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 szczegółowo

1 Dwuwymiarowa zmienna losowa

1 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 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

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

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości specyficznych parametrów populacji.

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości specyficznych parametrów populacji. /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

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

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

Porównanie dwu populacji

Porównanie 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 szczegółowo

Wnioskowanie statystyczne dr Alicja Szuman

Wnioskowanie 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 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

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

Materiały do wykładu 4 ze Statystyki

Materiały 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 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

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

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

Bardziej szczegółowo

Metody Statystyczne II

Metody 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 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

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

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA 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 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

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

STATYSTYKA. Seminarium Chemia Analityczna. Dr hab. inż. Piotr Konieczka.

STATYSTYKA. 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 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

Testy dotyczące wartości oczekiwanej (1 próbka).

Testy dotyczące wartości oczekiwanej (1 próbka). ZASADY TESTOWANIA HIPOTEZ STATYSTYCZNYCH. TESTY DOTYCZĄCE WARTOŚCI OCZEKIWANEJ Przez hipotezę tatytyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu intereującej na cechy. Hipotezy

Bardziej szczegółowo

Wprowadzenie do laboratorium 1

Wprowadzenie 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 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

Statystyczna analiza danych

Statystyczna 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 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

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

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

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

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

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

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

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

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

Rozkłady 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 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

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

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

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

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

Metoda 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 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

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

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

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

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

W(s)= s 3 +7s 2 +10s+K

W(s)= s 3 +7s 2 +10s+K PRZYKŁAD (LINIE PIERWIASTKOWE) Tramitacja operatorowa otwartego układu regulacji z jedotkowym ujemym przęŝeiem zwrotym daa jet wzorem: G O K ( + )( + 5) a) Podaj obraz liii pierwiatkowych układu zamkiętego.

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

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

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA 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 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

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Przedziały ufności. dr Alina Semrau-Giłka

Przedziały ufności. dr Alina Semrau-Giłka Przedziały ufości dr Alia Semrau-Giłka Co to jet przedział ufości? Przedział ufości loowy przedział mający tę właość, że z dużym, z góry zadaym prawdopodobieńtwem, pokrywa wartość zacowaego parametru 𝜃.

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

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

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

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

STATYSTYKA. Seminarium Chemia Analityczna III rok. Dr inż. Piotr Konieczka

STATYSTYKA. 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 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 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

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

STATYSTKA I ANALIZA DANYCH LAB II

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

Bardziej szczegółowo

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

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

2. INNE ROZKŁADY DYSKRETNE

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

Bardziej szczegółowo

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

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Statystyka 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

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

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

(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

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby. Pojcie estymacji Metody probabilistycze i statystyka Wykład 9: Estymacja puktowa. Własoci estymatorów. Rozkłady statystyk z próby. Szacowaie wartoci parametrów lub rozkładu zmieej losowej w populacji geeralej

Bardziej szczegółowo

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE Marek Cieciura, Jausz Zacharski PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ IV STATYSTYKA MATEMATYCZNA Na prawach rękopisu Warszawa, wrzesień 0 Data ostatiej aktualizacji: piątek,

Bardziej szczegółowo

Algorytmy ewolucyjne (2)

Algorytmy ewolucyjne (2) Algorytmy ewolucyjne (2) zajecia.jakubw.pl/nai/ ALGORYTM GEETYCZY Cel: znaleźć makimum unkcji. Założenie: unkcja ta jet dodatnia. 1. Tworzymy oobników loowych. 2. Stoujemy operacje mutacji i krzyżowania

Bardziej szczegółowo

Testy statystyczne teoria

Testy statystyczne teoria Tety tatytyczne teoria przygotowanie: dr A Goroncy, dr J Karłowka-Pik Niech X,, X n będzie próbą loową protą z rozkładu P θ, θ Θ oraz niech α (0, ) będzie poziomem itotności (najczęściej 0,, 0,05, czy

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

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

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 szczegółowo

ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.

ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych. STATYSTYKA to auka, której przedmiotem zaiteresowaia są metody pozyskiwaia i prezetacji, a przede wszystkim aalizy daych opisujących zjawiska masowe. Metody statystycze oparte są a rachuku prawdopodobieństwa.

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

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO 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 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

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

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

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

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

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

Bardziej szczegółowo

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

STATYSTYKA. Seminarium Chemia Analityczna. Dr inż. Piotr Konieczka.

STATYSTYKA. Seminarium Chemia Analityczna. Dr inż. Piotr Konieczka. STATYSTYKA Semiarium Chemia Aalitycza Dr iż. Piotr Koieczka e-mail: kaczor@chem.pg.gda.pl Zaczijmy od defiicji Dokładość (accuracy) topień zgodości uzykaego wyiku pojedyczego pomiaru z wartością oczekiwaą

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

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

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

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

Badania, pomiary, diagnostyka monitoring maszyn

Badania, pomiary, diagnostyka monitoring maszyn Badaia, pomiary, diagotyka moitorig mazy STATYSTYCZNE OPRACOWANIE WYNIKÓW EKSPERYMENTU ZASADY ANALIZY ORAZ ZALECENIA PROCEDURALNE ODNIESIONE DO NIEWIELKIEJ SERII POMIARÓW WYKONYWANYCH W LABORATORIACH STUDENCKICH

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

1 Estymacja przedziałowa

1 Estymacja przedziałowa 1 Estymacja przedziałowa 1. PRZEDZIAŁY UFNOŚCI DLA ŚREDNIEJ (a) MODEL I Badana cecha ma rozkład normalny N(µ, σ) o nieznanym parametrze µ i znanym σ. Przedział ufności: [ ( µ x u 1 α ) ( σn ; x + u 1 α

Bardziej szczegółowo

Estymacja punktowa - Estymacja przedziałowa

Estymacja punktowa - Estymacja przedziałowa Etymacja punktowa - Etymacja przedziałowa 1. Wyjaśnij pojęcia: parametr, tatytyka z próby, etymator i ocena (zacunek). Jakie związki zachodzą między nimi? O d p o w i e d ź. Parametrem (populacji) nazywa

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

ANALIZA MATEMATYCZNA 1 (MAP 1024) LISTY ZADAŃ

ANALIZA MATEMATYCZNA 1 (MAP 1024) LISTY ZADAŃ ANALIZA MATEMATYCZNA (MAP 0) LISTY ZADAŃ Listy zadań przezaczoe są dla studetów którzy program matematyki szkoły poadgimazjalej zają jedyie a poziomie podstawowym Obejmują iezbęde do dalszej auki zagadieia

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

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

Bardziej szczegółowo

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