Średnia harmoniczna (cechy o charakterze ilorazu np. Prędkość, gęstość zaludnienia)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Średnia harmoniczna (cechy o charakterze ilorazu np. Prędkość, gęstość zaludnienia)"

Transkrypt

1 Mary przecęte Średa arytmetycza Dla szeregu rozdzelczego cechy skokowej x k x k Średa harmocza (cechy o charakterze lorazu p. Prędkość, gęstość zaludea) x H k x Średa geometrycza x x x... G x średa arytmetycza ważoa x k k x DOMINANTA (WARTOŚĆ MODALNA) D x d ( d d d d ) ( d d ) Gdze: x p dola graca przedzału domaty p lczebość przedzału domaty p lczebość przedzału poprzedego p lczebość przedzału astępego p szerokość przedzału domaty Kwartyle d

2 M M e e x N ( x o Medaa szereg szczegółowy N, gdy N jest eparzyste x N ), gdy N jest parzyste szereg rozdzelczy dla cechy skokowej (ależy skumulować lczebośc, zaleźć wartość dla której częstość >5%) M x e Me k Me Me x Me Me Me - dola graca przedzału meday - połowa lczebośc próby - lczebość przedzału meday - szerokość przedzału meday - lczebość próby o Kwartyl perwszy k N 4 Q xq Q Q o Kwartyl drug = medaa o Kwartyl trzec Q 3 x Q 3 3N 4 k Q 3 Q 3 Mary zróżcowaa (zmeośc), charakteryzują stopeń zróżcowaa jedostek w próbe WARIANCJA (jest marą ryzyka) o dla szeregu szczegółowego ( x) ( x x) N o dla szeregu rozdzelczego cechy skokowej

3 ( x) k ( x x) k o dla szeregu rozdzelczego cechy cągłej (k przedzałów) x ( x) ( x) k ( x x) k - środek przedzału Odchylee stadardowe przecęte odchylee od środka arytm. ( x) Współczyk zmeośc (porówywae ocea stopa zróżcowaa, dola graca ) ( x) V ( x) % x pow5% - duże zróżcow. po3% - małe zróżcow. Gdy przedzały e są domkęte e da sę oblczyć śr. arytm. stosujemy: Mary pozycyje bezwzględe (take które wykorzystują kwartyle) Rozstęp R x max x m Odchylee ćwartkowe Q 3 Q Q Mary pozycyje względe Współczyk zmeośc (pozycyjy) Q V Q *% Me

4 Estymacja przedzałowa parametrów Estymacja przedzałowa określoego parametru z populacj geeralej polega a kostrukcj pewego przedzału lczbowego ( a podstawe wyków z próby losowej poberaej ze zborowośc geeralej ), o którym moża powedzeć,że z przyjętym z góry prawdopodobeństwem pokryje wartość estymowaego parametru. Przedzał tak azywamy przedzałem ufośc Neymaa, atomast prawdopodobeństwo, że przedzał te będący zmeą losową pokryje ezay parametr, azywamy współczykem ufośc ozaczamy symbolem -. Pozomy współczyków ufośc ajczęścej przyjmowae są jako :,9;,95 ;,99. Przedzałem ufośc azywamy przedzał lczbowy, o którym przypuszczamy, że meśc sę w m ezay parametr populacj. Z przedzałem tym zwązaa jest mara ufośc ( pewośc ), że te przedzał aprawdę zawera teresujący as parametr, zwaa pozomem ufośc Na sposób kostrukcj przedzału ufośc ma wpływ lczebość próby losowej. W zależośc od rodzaju szacowaego parametru lczebośc próby moża wyróżć klka przedzałów ufośc, których sposób kostruowaa zostae przedstawoy a modelowych przykładach. Model I. Populacja geerala ma rozkład ormaly N (, ). Wartość średa jest ezaa, odchylee stadardowe w populacj jest zae. Z populacj tej pobrao próbę o lczebośc elemetów, wylosowaych ezależe. Wówczas przedzał ufośc dla średej populacj otrzymuje sę ze wzoru : P { x u x u } gdze : x - średa arytmetycza oblczoa z próby u pozom zmeej stadaryzowaej odczytay z tablc rozkładu ormalego N(,) przy przyjętym z góry współczyku ufośc - adzeja matematycza w populacj geeralej

5 - odchylee stadardowe w populacj geeralej - lczebość próby Model II. Populacja geerala ma rozkład N (, ). Nezaa jest zarówo wartość średa, jak odchylee stadardowe w populacj. Z populacj tej wylosowao ezależe małą próbę o lczebośc elemetów. Przedzał ufośc dla średej populacj otrzymuje sę wówczas według wzoru : s s P { x t x t } lub według wzoru rówoważego sˆ sˆ P { x t x t } gdze x ozacza średą arytmetyczą oblczoą z próby, s ŝ są odchyleam stadardowym z próby oblczoym według wzorów : s ( x x) sˆ ( x x) Wartość t ozacza wartość zmeej t tudeta odczytaą z tablcy tego rozkładu dla - stop swobody w tak sposób, by dla daego z góry prawdopodobeństwa - była spełoa relacja P { t t t }. Model III. Populacja geerala ma rozkład N(, ) bądź dowoly y rozkład o średej skończoej waracj ( ezaej ). Z populacj tej pobrao do próby ezależych obserwacj, przy czym lczebość próby jest dużą ( co ajmej klka dzesątków ). Wtedy przedzał ufośc dla średej populacj wyzaczamy ze wzoru jak w modelu I, z tą tylko różcą, że zamast we wzorze tym używamy odchyleń stadardowych

6 s lub ŝ oblczoych z próby. Ze względu a dużą próbę wyk jej grupuje sę w szereg rozdzelczy o r klasach wtedy wygode jest oblczać x oraz s według wzorów: x r j x o j j s r j ( x x) o j j gdze o x j ozacza środek poszczególego przedzału klasowego, a j jego lczebość. Gdy lczba r przedzałów klasowych jest mała, tz. gdy długość h każdego przedzału klasowego jest duża, oblczając z powyższego wzoru wartość s ależy stosować, tzw. poprawkę grupowaa, tj. odjąć od perwastek. s lczbę h, a dopero potem wycągąć Zwykle przyjmuje sę współczyk ufośc - wyoszące,9 ;,95 ( ajczęścej ), wreszce,99 lub,999 w badaach gdze ryzyko pomyłk jest małe. Przedzał ufośc dla wskaźka struktury Podstawowym parametrem populacj, szacowaym w przypadku badań statystyczych ze względu a cechę emerzalą ( jakoścową ) jest frakcja, prawdopodobeństwo ( lub po przemożeu przez procet ) elemetów wyróżoych w populacj, zwaa też wskaźkem struktury w populacj. Zagadee sprowadza sę do budowy przedzału lczbowego, który z określoym, z góry zadaym prawdopodobeństwem ( współczykem ufośc ), będze zawerał ezaą wartość odsetka ( wskaźka struktury, częstośc względej lub procetu ) zborowośc geeralej. Ważym warukem jest duża próba, >, a awet >. W zastosowaach statystyk waruek te jest zacze łagodejszy >3. Jedak m wększa próba tym lepsze wyk.

7 Gdy jest małe ( <3), wówczas korzysta sę z dokładego rozkładu m estymatora pˆ, jakm jest rozkład dwumaowy ze średą E( pˆ) p p( p) odchyleem stadardowym pˆ. Jeżel jest duże ( > ), a p jest małym ułamkem ( p,5), to moża przyjąć, że estymator ormaly o parametrach N( p, m pˆ ma rozkład asymptotycze p( p) a statystyka asymptotyczy rozkład ormaly zero jedykowy N(,). Przedzał ufośc dla parametru p wyraża sę wzorem : pˆ p u ma p( p) pˆ( pˆ) pˆ( pˆ) P { pˆ u p pˆ u } Przedzał ufośc dla waracj odchylea stadardowego Przedzał ufośc dla waracj w populacj geeralej moża wyzaczyć, gdy cecha X charakteryzująca zborowość ma rozkład N (, ), przy czym parametry, są ezae. Na podstawe próby losowej pochodzącej z tej populacj budujemy przedzał ufośc dla ezaej waracj.estymatorem parametru wzorem :, przyjmując współczyk ufośc - jest waracja z próby s określoa s ( x x). Przedzał ufośc dla może być zbudoway a podstawe rozkładu s statystyk, która ma rozkład ch kwadrat o v=- stopach swobody. Dla przyjętego współczyka ufośc - moża zaleźć dwe wartośc, które moża zapsać jako :

8 ) ( P oraz ) ( P Przedzał ufośc dla waracj określoy jest wzorem : } ˆ ) ( ˆ ) ( { P Przedzał ufośc dla odchylea stadardowego moża wyrazć wzorem : } { u s u s P

9 Weryfkacja hpotez statystyczych Hpoteza statystycza jest założeem badawczym, sformułowaym przez użytkowka, które dotyczy:. pozomu ezaych parametrów w populacj geeralej ( hpotezy parametrycze ). kształtu rozkładów teoretyczych dla obserwowaych zmeych losowych ( hpotezy eparametrycze ) Złożea badawcze, zwae parametryczym lub eparametryczym hpotezam statystyczym są formułowae w rówoległych erozłączych postacach, a maowce jako : hpoteza zerowa ( H ), przez którą ależy rozumeć sformułowae założea o braku jakejkolwek różcy pomędzy oceam z prób losowych a parametram lub rozkładam w populacj geeralej hpotezy alteratywe ( H ), które są wszystkm pozostałym możlwym założeam, poza sformułowaą hpotezą zerową Hpotezy alteratywe mogą być sformułowae względem hpotezy zerowej dwustroe wtedy H H lewostroe wtedy H H prawostroe wtedy H H topeń sformułowaa hpotezy alteratywej względem hpotezy zerowej ma wpływ a stopeń jedozaczośc podejmowaych decyzj weryfkacyjych. Metody weryfkacj hpotez są skerowae wyłącze a sprawdzee hpotez zerowych. Hpotezy zerowe, decyzje weryfkacyje oraz błędy ch prawdopodobeństwa Hpoteza zerowa Odrzucee Przyjęce ( H ) H Prawdzwa Błąd I rodzaju (B I ) P(B I ) =, << H Decyzja bezbłęda Fałszywa Decyzja bezbłęda Błąd II rodzaju ( B II ) P(B II )=,

10 Podstawowe pojęca Hpoteza statystycza - Założee dotyczące wartośc parametru lub rodzaju rozkładu zmeej w zborowośc geeralej. Hpoteza zerowa ( H ) - Hpoteza formułowaa często w testach stotośc w tak sposób, aby a podstawe wyków próby mogła być odrzucoa ( wbrew zdrowemu rozsądkow ), tak aby moża było ją łatwo odrzucć. Na przykład stawamy H : ( hpoteza prosta ). Częścej jedak chodz o zaps H : lub H : ( hpotezy złożoe ). Hpoteza alteratywa ( H ) - Hpoteza odośe której przypuszczamy, że jest prawdzwa ( zgode ze zdrowym rozsądkem ). Jeżel H zostae odrzucoa, wówczas przyjmujemy H, w przecwym przypadku e mamy podstaw do stwerdzea, że hpoteza alteratywa jest prawdzwa, p. dla ezaej średej zborowośc geeralej. Błąd I rodzaju () - Jeśl hpoteza zerowa w rzeczywstośc jest prawdzwa ( choć tego e wemy ), ale a podstawe wyków hpotezę tę odrzucamy, to popełamy błąd I rodzaju. Błąd II rodzaju () - Jeśl hpoteza zerowa w rzeczywstośc jest fałszywa ( choć tego e wemy ), ale a podstawe wyków z próby e mamy podstaw do jej odrzucea ( co w praktyce ozacza jej akceptację, czyl przyjęce ) to wówczas popełamy błąd II rodzaju. prawdza testu ( statystyka testu ) zmea losowa o określoym rozkładze z próby ( ajczęścej ormalym, t-tudeta lub ch kwadrat ), której wartość wpada lub e do obszaru odrzucea hpotezy zerowej ( H ), w zależośc od tego, jaka będze krytycza wartość testu. Wartość krytycza testu - Wartość zmeej losowej o określoym rozkładze ( ajczęścej ormalym, t- tudeta lub ch kwadrat ), która przy daym ( pozome stotośc ) jest porówywala z wartoścą statystyk testu dla potrzeb ustalea, czy H może być odrzucoa czy też e.

11 Zbór krytyczy - Zbór takch wartośc sprawdzau testu, które przemawają za odrzuceem H. Pozom stotośc - Maksymale prawdopodobeństwo popełea błędu I rodzaju, a które godz sę badacz przeprowadzający test statystyczy.zazwyczaj jest oo małe przyjmuje wartośc, ;, ;,5 ; lub,. Test jedostroy - ytuacja, w której zbór krytyczy hpotezy zerowej zajduje sę tylko a lewo lub tylko a prawo od wartośc oczekwaej daej zmeej losowej. Zbór krytyczy testu usytuoway jest zatem po jedej stroe wartośc oczekwaej. Test dwustroy - ytuacja, w której zbór krytyczy hpotezy zerowej umeszczoy jest symetrycze a lewo a prawo od wartośc oczekwaej daej statystyk testu. Wybór rodzaju testu - Zbór krytyczy testu, jeśl to możlwe, powo sę wyzaczyć w tak sposób, aby przy ustaloym prawdopodobeństwe popełea błędu I rodzaju mmalzować prawdopodobeństwo ( popełea błędu II rodzaju ). Moc testu - Prawdopodobeństwo odrzucea hpotezy zerowej H, gdy hpoteza alteratywa H jest prawdzwa. Moc testu ozaczoy jest przez M=-. Wykres mocy testu - wykres prawdopodobeństwa odrzucea hpotezy zerowej dla wszystkch możlwych wartośc ezaego parametru zborowośc geeralej. Wartość p mmala wartość, dla której H może być odrzucoa a podstawe wyków próby Hpoteza zerowa powa być odrzucoa tylko wtedy, gdy wartość p jest mejsza od przyjętego dla daego testu pozomu stotośc ( H odrzucamy, gdy wartość p < ). Wartość p często jest azywaa obserwowalym pozomem stotośc. Jest to mara oceająca, a le wyk z próby skłaają do założea prawdzwośc hpotezy zerowej. Im mejsze p, tym jest to mej prawdopodobe.

12 Uwaga! Komputerowy pozom stotośc lub pozom prawdopodobeństwa jest w pakece tatstca ozaczoy jako p. Jeżel >p, to a daym pozome odrzucamy hpotezę zerową, atomast gdy < p, to a daym pozome stotośc e ma podstaw do odrzucea hpotezy zerowej. Hpoteza parametrycza założee odoszące sę do ezaego pozomu parametru ( parametrów ) zborowośc geeralej. Hpoteza eparametrycza założea odoszące sę do ezaej postac rozkładu zmeej losowej w zborowośc geeralej ( czasam dotyczy to rówań ezaych wartośc parametrów tego rozkładu ). tadardowa procedura testu stotośc jest to sposób weryfkacj hpotezy statystyczej składający sę z astępujących po sobe czyośc : przyjęce określoego pozomu stotośc sformułowae hpotezy zerowej H sformułowae hpotezy alteratywej ( w zależośc od H test może być jedostroy lub dwustroy ) ustalee sprawdzau testu ( statystyk ) jego wartośc a podstawe dostępych formacj o zborowośc geeralej próbe odczytae wartośc krytyczej sprawdzau testu ( główe z tablc rozkładu ormalego, t- tudeta lub ch kwadrat ) przy daym pozome formacjach pochodzących z próby losowej ustalee obszaru odrzucea ( krytyczego ) H przy daym ( obszar te może być jedostroy lub dwustroy ) podjęce decyzj o odrzuceu lub brak podstaw do odrzucea hpotezy zerowej ( a podstawe porówaa wartośc statystyk testu z wartoścą krytyczą ) porówae wartośc p z Test dla wartośc średej Załóżmy, że cecha X posada w populacj rozkład N(, ) parametry tego rozkładu e są zae. W postępowau weryfkacyjym H :, gdy ezaa jest wartość drugego parametru, tz., ależy wyróżć dwa przypadk :. wykorzystuje sę statystykę Z, której dokłady rozkład w określoych warukach jest zay. W tym przypadku mamy do czyea z małą próbą.

13 . wykorzystuje sę statystykę Z, której zay jest rozkład graczy ( asymptotyczy ). Przypadek te dotyczy dużych prób, tz. gdy W przypadku perwszym formułujemy hpotezy : H : wobec H : ( albo H :, albo H : ) Poberamy próbę losową prostą lczącą jedostek. Jeżel próba jest mała, w praktyce <3, to do weryfkacj hpotezy H, wykorzystuje sę statystykę : X X t ˆ tatystyka t ma rozkład t- tudeta o v=- stopach swobody wtedy, gdy prawdzwa jest hpoteza zerowa. W celu podjęca decyzj względem H, z tablc rozkładu t- tudeta odczytujemy wartość krytyczą t,v spełającą waruek: P ( t,v t ) gdze : - ustaloy z góry pozom stotośc Zbór wartośc (, t, v t, v, ) jest obszarem ( zborem ) krytyczym. Wadomo, że dla daego,, Z zbór krytyczy K określa także postać hpotezy alteratywej. Jeżel hpoteza kokurecyja jest postac : H :, to obszar krytyczy wyzaczoy z rówośc P ( t t,v ) atomast dla hpotezy H :, zbór krytyczy określa rówość P ( t t,v ) W każdym rozważaym przypadku lczba stop swobody v wyos -. Jeżel oblczoa wartość statystyk testu t zajdze sę w zborze krytyczym K, to hpotezę H odrzucamy z prawdopodobeństwem przyjmujemy hpotezę alteratywą. Gdy stwerdzmy, że wartość statystyk testu e zajduje sę w obszarze krytyczym ( jej wartość ależy do zboru dopuszczalego ), wstrzymamy sę od podjęca decyzj mówąc, że e ma podstaw do odrzucea H a pozome stotośc. Test dla dwóch średch Rozważae są dwe zborowośc, każda ze względu a pewą wybraą zmeą X. Zakłada sę, że badaa cecha w każdej z tych zborowośc ma

14 rozkład ormaly odpowedo o parametrach, - w perwszej zborowośc oraz, - w drugej zborowośc. W celu sprawdzea hpotezy : H : wobec H : ( może być lub ) pobera sę ezależe z każdej z tych zborowośc próby proste o lczebośc odpowedo rówej. Jeżel 3, to dla zweryfkowaa H wykorzystuje sę statystykę : t X X * * tatystyka ta ma rozkład t- tudeta o v stopach swobody wówczas, gdy prawdzwa jest H oraz waracje badaej zmeej w obu populacjach są rówe ( ) W przypadku gdy 3, w celu weryfkacj rozważaej H wykorzystuje sę statystykę o astępującej postac : u X X tatystyka ta ma graczy rozkład ormaly, czyl operając sę a rozkładze N(,) określa sę krytyczy dopuszczaly zbór wartośc rozważaej statystyk. Test dla waracj Chcemy sprawdzć hpotezę, że waracja w populacj, w której badaa cecha ma rozkład ormaly N( praktyce hpoteza kokurecyja, ), jest rówe lczbe. Najczęścej w ( alteratywa ) głos, że waracja jest wększa od. formułowae hpotezy możemy zapsać astępująco : H : wobec H :. W celu sprawdzea hpotezy H poberamy próbę prostą losową lczącą jedostek wykorzystujemy statystykę o postac : ( X tatystyka X ) ma rozkład ( ch kwadrat ) o v=- stopach swobody, gdy prawdzwa jest H. Zbór wartośc krytyczych testu wyzacza sę z

15 relacj P( ). Jeżel wartość statystyk testu zajdze sę w, v obszarze krytyczym, ), to z prawdopodobeństwem odrzucamy, v hpotezę H. W przecwym wypadku wstrzymujemy sę od podjęca decyzj. W przypadku, gdy rozważaa jest duża próba, to wykorzystuje sę statystykę u Fshera o postac : u v. tatystyka ta ma graczy rozkład N (, ) wówczas, gdy prawdzwa jest H. Test dla dwóch waracj Badamy dwe populacje o rozkładze ormalym N( ) N, )., ( Żade z tych parametrów e jest zay. Należy sprawdzć hpotezę H : wobec hpotezy alteratywej H :. Do weryfkacj hpotezy H, że waracje w obu populacjach są detycze, używa sę waracj oraz oblczaych z dwóch ezależych prób prostych o lczebośc, odpowedo, oraz. Jeżel prawdzwa jest hpoteza zerowa, tz., to zmea F ma rozkład F-edecora ( lub krótko rozkład F ) z v oraz v stopam swobody, przy czym są estymatoram waracj z ezależych prób prostych pobraych ze zborowośc o rozkładze ormalym. Relacja wyzaczająca prawostroy obszar krytyczy jest postac P ( F F ), gdze wartość krytyczą F odczytujemy z tablc rozkładu F-edecora, dla v v stop swobody. Jeżel powyższa relacja jest spełoa, ależy hpotezę H odrzucć. W przecwym przypadku e ma podstaw do odrzucea H o detyczośc waracj w obu populacjach. Gdy sprawdzeu podlega hpoteza H : wobec o H :, wówczas statystykę F oblcza sę, umeszczając w lczku wększą z waracj z obu prób, awet jeśl pochodz oa z populacj ozaczoej umerem. Test dla wskaźka struktury Nech populacja geerala ma rozkład dwupuktowy z parametrem p ozaczającym prawdopodobeństwo, że badaa zmea X w populacj przyjme wyróżoą wartość. Parametr p ( )<p< ) moża terpretować

16 jako frakcję elemetów populacj mających tę wartość określaą często w lteraturze wskaźkem struktury w populacj. Załóżmy dalej, że dla takej populacj chcemy zweryfkować hpotezę zerową, że parametr p w populacj ma określoą wartość p. Hpoteza zerowa jest postac H : p p prawdzaem tej hpotezy jest wskaźk struktury z dużej próby elemetowej ( ) zdefoway jako : m pˆ ( ) gdze m ozacza lczbę wyróżoych elemetów w próbe jest realzacją zmeej losowej X o rozkładze dwupuktowym. tatystyka ( ) ma asymptotyczy ( graczy ) rozkład ormaly p( p) N p,. Jeżel hpoteza zerowa jest prawdzwa, tz. jeśl p p, to wskaźk struktury z próby ma asymptotyczy rozkład ormaly p ( p ) N p, statystyka : u pˆ p p ( p ) m p p ( p ) ma asymptotyczy ( w przyblżeu ) rozkład ormaly N(, ), przy czym m ozacza lczbę jedostek o wyróżoej wartośc cechy w elemetowej próbe. Obszar krytyczy w tym teśce jest określoy relacją P ( u u ), gdze jest pozomem stotośc, a u - wartoścą krytyczą. posób weryfkacj przebega w podoby sposób jak poprzedo. Moża kostruować róweż jedostroe obszary krytycze w zależośc od sformułowaa hpotezy alteratywej. Test dla dwóch wskaźków struktury Nech badaa cecha X w dwóch populacjach ma rozkład dwupuktowy z parametram p p. Formułujemy hpotezę, że oba te parametry są detycze. Hpotezę zerową możemy zapsać w sposób astępujący : H : p p a hpotezę alteratywą H : p p albo H : p p lub H. W celu weryfkacj hpotezy zerowej z obu populacj : p p

17 wylosowao próby proste o lczebośc jedostek. Nech oraz m, ozaczają wskaźk struktury odpowedo z perwszej drugej próby. Różca tych wskaźków struktury ma asymptotyczy rozkład : N p p, p( p) p ( p ) Jeśl prawdzwa jest hpoteza zerowa ( H : p p ), to statystyka : u m m pq m ma rozkład asymptotycze ormaly N (, ), We wzorze tym są lczeboścam odpowedo próby perwszej drugej, m m są lczbą elemetów wyróżoych odpowedo w próbe perwszej drugej, atomast : m m * p, q p,

18 Testy eparametrycze prawdzae hpotezy a podstawe testu zgodośc Populacja geerala ma dowoly rozkład o dystrybuace ależącej do zboru rozkładów o określoym type postac fukcyjej dystrybuaty. Mogą to być dystrybuaty typu cągłego skokowego. Z populacj tej losujemy ezależe dużą próbę, a wyk losowaa dzelmy a r rozłączych klas o lczebośc w każdej klase, przy czym Podzał a klasy tworzy tzw. Rozkład empryczy. Na podstawe wyków próby stawamy hpotezę, że dystrybuata populacj ależy do klasy określoych dystrybuat, którą będzemy ozaczać przez ; tz. H : F( ), gdze F ( x ) jest dystrybuatą rozkładu populacj. x Porówae dystrybuaty F ( x) z dystrybuatą empryczą daje możlwość weryfkacj postawoej hpotezy. Test zgodośc dla tej hpotezy jest astępujący : z hpotetyczego rozkładu ależącego do poszczególych klas wartośc badaej cechy x prawdopodobeństwa p, że zmea losowa x o rozkładze przyjme wartośc ależące do klasy o umerze ( =,,3,...,m ). Z kole możąc p przez lczebość całej próby, otrzymujemy lczebośc teoretycze p, które wystąpą w poszczególych klasach, jeżel postawoa hpoteza H jest prawdzwa. tatystyką weryfkującą H jest hpoteza : r ( p ) p która ma przy słuszośc założea H rozkład asymptotyczy o r- stopach swobody, lub r--k stopach swobody ( r jest lczbą klas, k lczbą parametrów, które wyzaczamy dla fukcj ależącej do ). Obszar krytyczy w tym teśce buduje sę prawostroe w oparcu o rozkład statystyk stotośc ) P (. Jeżel. Z tablc rozkładu, dla ustaloego z góry pozomu, odczytujemy wartość krytyczą e ma podstaw do odrzucea hpotezy. emp, to H ależy odrzucć, jeżel, by zachodzło, to emp.

19 Test ser tevesa erą azywamy każdy cąg detyczych elemetów w zborze uporządkowaym według przyjętego kryterum. Losowość próby weryfkuje sę w oparcu o testy ser. W testach tych kluczowym pojęcem staje sę pojece ser. Zakładamy, że pojawee sę kolejych elemetów ma charakter losowy. Ogóla lczba ser w próbe -elemetowej jest to zmea losowa K o stablcowaym rozkładze. tawamy hpotezy: Ho: dobór jedostek do próby jest losowy H: dobór jedostek do próby e jest losowy Algorytm postepowaa moża zapsać w postac: wyzaczamy medaę w próbe euporządkowaej ozaczamy symbolam A B wartośc różące sę od meday zgode z erówoścam x < Me = A x > Me = B, gdy x = Me to -ty elemet próby pomjamy zlczamy lczbę ser k=k A +k B ka lczba symbol A kb lczba symbol B, lczba ser K jest wartoścą statystyk testowej Obszar krytyczy testu jest dwustroy, gdyż ser e może być a za dużo, a za mało. Wartośc krytycze testu k k odczytuje sę z tablc lczby ser. Gdy k <k<k to e ma podstaw do odrzucea Ho. Jeżel zaś jest y układ, to ależy odrzucć Ho.

20 Wartośc krytycze rozkładu ser (jedostroe) P ( k k, ), =, =, I I =,95 =, I

21 Materały przygotowae w oparcu o poższe źródła: Domańsk C. 979: tatystycze testy eparametrycze, PWE, Warszawa. Draper N.R., mth H Aalza regresj stosowaa. PWN, Warszawa Greń J., tatystyka matematycza modele zadaa. PWN Warszawa. Hausz Z., Tarasńska J. 6. tatystyka Matematycza. Wydawctwo AR w Luble. Hellwg Z. 975: Elemety rachuku prawdopodobeństwa statystyk matematyczej, PWN, Warszawa. Kala R.. tatystyka dla przyrodków. Wydawctwo AR w Pozau Kassyk-Rokcka H tatystyka e jest truda. Merk statystycze. PWE, Warszawa Kloeck W tatystyka dla żyerów. PWN, Warszawa Krysck W. J. Bartos, W. Dyczka, K. Królkowska, M. Waslewsk, 6: Rachuek prawdopodobeństwa statystyka matematycza w zadaach, część. Warszawa: PWN, Luszewcz A tatystyka e jest truda. Metody woskowaa statystyczego. PWE, Warszawa Makać W., Urbaek-Krzysztofak D Metody opsu statystyczego. Wydawctwo Uwersytetu Gdańskego Oktaba W. 98: Elemety statystyk matematyczej metodyka dośwadczalctwa, PWN, Warszawa. Oktaba W. 98: Metody statystyk matematyczej w dośwadczalctwe, PWN, Warszawa. Pawłowsk Z. 98: tatystyka matematycza, PWN, Warszawa. Platt C. 98: Problemy rachuku prawdopodobeństwa statystyk matematyczej, PWN, Warszawa Rao C. R. 98: Modele lowe statystyk matematyczej, PWN, Warszawa. Rao C. R. 994: tatystyka prawda, PWN, Warszawa. Rechma W. J. 968: Drog bezdroża statystyk, PWN, Warszawa. Rószkewcz M. 993: tatystyka kurs podstawowy, GH, Warszawa. lvey. D. 978: Woskowae statystycze, PWN, Warszawa. obczak M. 997: tatystyka, PWE, Warszawa. tasz A., - Aalza waracj - testy po fakce, Medycya Praktycza /4. Wójck A.R tatystyka matematycza. Wydawctwo GGW, Warszawa Zelńsk W Wybrae testy statystycze. Fudacja "Rozwój GGW", Warszawa Zelńsk R., 97 - Tablce tatystycze. Wyd. PWN Warszawa.

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

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

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

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

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

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

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

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

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

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

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

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

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

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

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

PDF created with FinePrint pdffactory Pro trial version  WIII/1 Statystyka opsowa Statystyka zajmuje sę zasadam metodam uogólaa wyków otrzymaych z próby losowej a całą populację (czyl zborowość, z której została pobraa próba). Take postępowae azywamy woskowaem statystyczym.

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

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

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

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

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

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

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

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

ZJAZD 1. STATYSTYKA OPISOWA wstępna analiza danych

ZJAZD 1. STATYSTYKA OPISOWA wstępna analiza danych ZJAZD Przedmotem statystyk jest zberae, prezetacja oraz aalza daych opsujących zjawska losowe. Badau statystyczemu podlega próbka losowa pobraa z populacj, aczej populacj geeralej. Na podstawe uzyskaych

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

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

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Bardziej szczegółowo

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

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

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

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

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

Bardziej szczegółowo

O testowaniu jednorodności współczynników zmienności

O testowaniu jednorodności współczynników zmienności NR 6/7/ BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 003 STANISŁAW CZAJKA ZYGMUNT KACZMAREK Katedra Metod Matematyczych Statystyczych Akadem Rolczej, Pozań Istytut Geetyk Rośl PAN, Pozań O testowau

Bardziej szczegółowo

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

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

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

IV. ZMIENNE LOSOWE DWUWYMIAROWE IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

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

Bardziej szczegółowo

Statystyka Opisowa Wzory

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

Bardziej szczegółowo

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

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

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

Statystyka Matematyczna Anna Janicka

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

Bardziej szczegółowo

Statystyczna analiza danych przedziały ufności

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

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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 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

Wykład ze statystyki. Maciej Wolny

Wykład ze statystyki. Maciej Wolny Wykład ze statystyk Macej Woly T: Zajęca orgazacyje Ageda. Program wykładu. Cel zajęć 3. Nabyte umejętośc 4. Lteratura 5. Waruk zalczea Program wykładu T: Zajęca orgazacyje [h] T: Przedmot zadaa statystyk

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Statystyka opisowa. Stawia się pytania: pytanie co? poprzedza pytanie jak?. Najpierw potrzebna jest miara, potem można badać zmiany tej miary.

Statystyka opisowa. Stawia się pytania: pytanie co? poprzedza pytanie jak?. Najpierw potrzebna jest miara, potem można badać zmiany tej miary. Statystyka opsowa Roma Syak Statystyka opsowa Stawa sę pytaa: pytae co? poprzedza pytae jak?. Najperw potrzeba jest mara, potem moża badać zmay tej mary. Potrzebe są mary zborcze, charakteryzujące zborowośc

Bardziej szczegółowo

Materiały wspomagające wykład ze statystyki. Maciej Wolny

Materiały wspomagające wykład ze statystyki. Maciej Wolny Materały wspomagające wykład ze statystyk Macej Woly T: Zajęca orgazacyje Ageda. Program wykładu. Cel zajęć 3. Nabyte umejętośc 4. Lteratura 5. Waruk zalczea Program wykładu T: Zajęca orgazacyje [h] T:

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki 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 szczegółowo

Miary statystyczne. Katowice 2014

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

Bardziej szczegółowo

Nieparametryczne Testy Istotności

Nieparametryczne Testy Istotności Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

4/2. Wnioskowanie statystyczne: hipotezy 2 Statystyka w zadaniach. Małgorzata Podogrodzka

4/2. Wnioskowanie statystyczne: hipotezy 2 Statystyka w zadaniach. Małgorzata Podogrodzka Małgorzata Podogrodzka Woskowae statystycze: hpotezy Statystyka w zadaach / Woskowae statystycze zajduje bardzo szeroke zastosowae prawe we wszystkch dzedzach auk. Osoby zgłębające wedzę z tego przedmotu

Bardziej szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

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

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka opisowa. (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

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna TECHNIKUM ZESPÓŁ SZKÓŁ w KRZEPICACH PRACOWNIA EKONOMICZNA TEORIA ZADANIA dla klasy II Techkum Marek Kmeck Zespół Szkół Techkum w Krzepcach Wprowadzee do statystyk Lekcja Statystyka - określa zbór formacj

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

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. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

Metoda Monte-Carlo i inne zagadnienia 1 Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

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

Statystyka Wykład 6 Adam Ćmiel A3-A4 311a

Statystyka Wykład 6 Adam Ćmiel A3-A4 311a Testowae hpotez Nech (X, B, P={P : }) będze przestrzeą statystyczą, przy czym = =. Problem testowaa hpotez moża sformułować astępująco: a podstawe obserwacj X X zweryfkować hpotezę H : wobec alteratywy

Bardziej szczegółowo

mgr Anna Matysiak PODSTAWOWE POJĘCIA STATYSTYCZNE

mgr Anna Matysiak PODSTAWOWE POJĘCIA STATYSTYCZNE mgr Aa Matysak PODSTAWOWE POJĘCIA STATYSTYCZNE POPULACJA (ZBIOROWOŚĆ GENERALNA) zbór logcze powązaych jeostek, obektów, wyków wszystkch pomarów, p meszkańcy Polsk, stuec SGH, gospoarstwa omowe w Polsce

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

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

Bardziej szczegółowo

Sabina Nowak. Podstawy statystyki i ekonometrii Część I

Sabina Nowak. Podstawy statystyki i ekonometrii Część I Saba owa Podstawy statysty eoometr Część I Podyplomowe Studa Wycea eruchomośc Wydzał Zarządzaa Uwersytetu Gdańsego 7 weta 19 rou 1. Elemety teor badaa zborów statystyczych Statystycze metody badaa prawdłowośc

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

STATYSTYKA EKONOMICZNA I SPOŁECZNA

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

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

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

Bardziej szczegółowo

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 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystyczne) MIARY POŁOśENIA

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystyczne) MIARY POŁOśENIA D. Mszczyńsa, M.Mszczyńs, Materały do wyładu ze Statysty, 009/0 [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystycze) PARAMETRY STATYSTYCZNE - lczby słuŝące do sytetyczego opsu strutury

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki)

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki) Adrzej Kubaczyk Laboratorum Fzyk I Wydzał Fzyk Poltechka Warszawska OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradk do Laboratorum Fzyk) ROZDZIAŁ Wstęp W roku 995 z cjatywy Mędzyarodowego Komtetu Mar (CIPM) zostały

Bardziej szczegółowo

Przewodnik do ćwiczeń ze statystyki

Przewodnik do ćwiczeń ze statystyki Przewodk do ćwczeń ze tatytyk Podtawowe defcje Próbka loowa, tatytycza Próbką loową jet ograczoy zbór oberwacj dokoay a pewej hpotetyczej lub realej zborowośc zwaej populacją. Waże jet, że oberwacje ą

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