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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 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. Zdarza sę jedak, że dyspoje sę jedye częścą wyków z poplacj próba, gdyż zdobyce daych z ogół operacj może być koszowe lb awe emożlwe do zrealzowaa. aysyka opsowa dosarczała formacj a ema próby z poplacj, a podsawe, kórych wycągece awe podsawowych wosków a ema poplacj było rde. Celem esymacj woskowae saysycze, jes wycągece wosków a ema całej poplacj operając sę jedye a wykach próby losowej. Ne są o wosk bezwzględe prawdzwe, a jedye warygode w pewym założoym sop. Jedym ze sposobów esymacj jes meoda przedzałowa esymacja przedzałowa, kóra polega a poda przedzałów fośc dla saysyk oblczoych z próby. Daje oa możlwość ocey dokładośc wyzaczoych saysyk z próby a le całej poplacj. rzykładem akej saysyk jes średa bądź odchylee sadardowe. Taka cecha oblczoa z próby jes azywaa esymaorem paramer poplacj geeralej. rzyjmjąc, że poplacja geerala ma rozkład ormaly Nµ,σ, o saysyka róweż charakeryzje sę rozkładem ormalym. Wyka z ego, że waroścą oczekwaą saysyk jes warość oczekwaa z poplacj geeralej, aomas odchylee sadardowe ej saysyk maleje wraz ze wzrosem poplacj. rzedzałem fośc a pozome -α 0<α< azywamy przedzał Θ, Θ, kóry zależy od próby losowej e zależy od szacowaego paramer. oado prawdopodobeńswo zalezea sę szkaej warośc paramer w ym przedzale wyos -α. ozom przedzał fośc azyway jes róweż współczykem fośc. W prakyce przyjmje sę ajczęścej współczyk o warośc 0,9; 0,95; 0,99. rzedzał fośc dla średej W zależośc od klk czyków, wyróża sę 3 modele zajdowaa przedzał fośc dla średej Model Model Model 3 oplacja ma rozkład Nµ,σ, oplacja ma rozkład Nµ,σ, Nezay rozkład poplacj, Nezae µ, Zae σ, Nezae µ oraz σ, róba mała 30 Nezae µ oraz σ, róba dża >30 Model Średa jes esymaorem warośc oczekwaej rozkład. Jeżel przyjmje sę współczyk fośc -α o przedzał fośc zajdje sę w asępjący sposób: adaryzjemy saysykę o rozkładze, do saysyk U

2 Dla daego współczyka fośc msmy zaleźć ake, że o podsawe wzor a saysykę U, zakładając, że α =α =0,5α po przekszałceach erówośc orzymje sę wzór a przedzał fośc o współczyk -α Model Średa jes esymaorem warośc oczekwaej rozkład. Jeżel przyjmje sę współczyk fośc -α o przedzał fośc zajdje sę w asępjący sposób: aysyka gdze o odchylee sadardowe próby. aysyka ma rozkład sdea o - sopach swobody. Rozkład e e zależy od paramerów µ σ rozkład poplacj geeralej, dlaego moża go żyć do wyzaczea przedzał fośc. Dla daego współczyka fośc msmy zaleźć ake, że, o podsawe wzor a saysyka rozwąza erówośc względem µ orzymjemy przedzał fośc,, UWAGA! Ŝ jes esymaorem eobcążoym odchylea sadardowego. Oblczamy go ze wzor: x Model 3 Średa jes esymaorem warośc oczekwaej rozkład. Jeżel przyjmje sę współczyk fośc -α o przedzał fośc zajdje sę w asępjący sposób:

3 Dla dżych prób saysyka U ma rozkład asympoycze ormaly N0,. Dlaego moża przyblżyć ę saysykę rozkładem ormalym. adaryzjemy saysykę do saysyk U. Dla daego współczyka fośc msmy zaleźć ake, że o podsawe wzor a saysykę U, zakładając, że α =α =0,5α po przekszałceach erówośc orzymje sę wzór a przedzał fośc o współczyk -α rzedzał fośc dla waracj odchylea sadardowego Dla waracj odchylea sadardowego sosje sę dwa modele wyzaczaa przedzał fośc w zależośc od ego czy zae jes odchylee sadardowe poplacj geeralej oraz lczośc próby. Esymaor waracj moża oblczyć przy życ wzorów x x x * gdze µ=e Jeżel saysyk oraz Ŝ są oblczoe z próby, kórej poplacja geerala ma rozkład ormaly o są oe zwązae z rozkładem ch-kwadra o - sopach swobody Model oplacja ma rozkład ormaly Lczość próby jes mała 30 rzedzał fośc wyzaczay jes przy pomocy wzor

4 ,, rzedzał fośc dla odchylea sadardowego zyskje sę perwaskjąc przedzał fośc dla waracj. Model oplacja ma rozkład ormaly Lczość próby jes dża >30 Dla dżych lczośc prób saysyka ma asympoyczy rozkład ormaly N,. osjąc sadaryzację zyskjemy saysykę U rzedzał fośc dla odchylea sadardowego wyzaczay jes przy pomocy wzor Zadaa Zadaa ależy wykoać żywając opcj rzedzały fośc dla średej w blok saysyk podsawowych, oraz przy pomocy kalklaora prawdopodobeńswa.. Wykoao pomary rezysacj 0 losowo wybraych elemeów z par prodk. Wyk zawaro w plk przyklad. Zay jes rozkład poplacj geeralej ormaly odchylee sadardowe rezysacj elemeów z par σ=3,38. Zaleźć 95% przedzał fośc dla średej.. Zmerzoo średcę 7 łożysk przyklad. Odchylee sadardowe w poplacj geeralej wyos,687 a rozkład jes ormaly. Zaleźć przedzał fośc dla współczyków fośc 0,9, 0,95, 0, Z grpy pracowków zakład wybrao 3 osobową grpę. Zbadao ją pod względem lośc szk wykoywaego deal a godzę. Orzymae wyk:,,, 5, 9, 0, 7, 8, 6, 3,, 9, 8. Zakładając że ogół lośc wykoaych deal a pracowka ma rozkład ormaly zaleźć 90 % przedzał fośc. 4. Zmerzoo objęośc 5 losowo wybraych klek z par klek łożyskowych orzymjąc w

5 cm:,4,38,5,7,7. Na pozome fośc 0,9 skosrować przedzał fośc dla średej objęośc klk. Zakładamy, że rozkład objęośc klek jes ormaly 5. lk HearDsease przedsawa dae doyczące chorób serca wśród pewej częśc poplacj. Dla zmeych doyczących skrczowego cśea krw ysolc Blood ressre współczyka BMI Obesy oblczyć proceowe przedzały fośc. 6. Wykoao pomary rezysacj 0 losowo wybraych elemeów z par prodk o rozkładze Nµ,σ. Wyk zawaro w plk przyklad3. Zaleźć 95% przedzał fośc dla odchylea sadardowego. 7. Dae przedsawają pomar pojemośc 60 kodesaorów przykład 4. Zakładając,że poplacja geerala ma rozkład ormaly zajdź 95 99% przedzał fośc dla odchylea sadardowego.

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody ZJAZD ANALIZA DANYCH CIĄGŁYCH ramach zajęć będą badae próbki pochodzące z poplacji w kórych badaa cecha ma rozkład ormaly N(μ σ). Na zajęciach będą: - wyzaczae przedziały fości dla warości średiej i wariacji

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

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

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

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

Statystyka Inżynierska

Statystyka Inżynierska aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości

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

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

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

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

Ćwiczenie 3. H 1 : p p 0 H 3 : p > p 0. b) dla małej próby statystykę testową oblicza się za pomocą wzoru:

Ćwiczenie 3. H 1 : p p 0 H 3 : p > p 0. b) dla małej próby statystykę testową oblicza się za pomocą wzoru: Ćwiczeie ERYFIKACJA IPOTEZ Tesowaie hipoez: Zakładamy że wszyskie hipoezy będą weryfikowae a poziomie isoości α.. eryfikacja hipoezy o wskaźik srkry jedej zmieej losowej dyskreej Rozparjemy próbkę elemeową

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

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

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

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

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

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

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

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

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

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

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

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

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

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

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

[, ] [, ] [, ] ~ [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

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

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

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

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

Statystyka Inżynierska

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

Bardziej szczegółowo

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

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

. 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

( ) 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

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

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

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

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

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

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

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

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

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

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

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

Analiza niepewności pomiarów Definicje

Analiza niepewności pomiarów Definicje Teora pomarów Aalza epewośc pomarów Defce Dr hab. ż. Paweł Mada www.pmada.zt.ed.pl Podstawowa defca Nepewość pomar to parametr zwązay z wykem pomar, charakteryzący rozrzt wartośc, który w zasadoy sposób

Bardziej szczegółowo

Wykład 2 Elementy statystyki.

Wykład 2 Elementy statystyki. Wykład 2 Elemey ayyk. Sayyka opowa.. Słowk podawowych poęć: Populaca geerala-zborowość poddawaa ayyczemu badau (p. klec ec elekomukacyych, elefoy określoe mark, rozmowy elefocze) Cecha-właość elemeów populac

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

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

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

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

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

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

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

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

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

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

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

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

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

Bardziej szczegółowo

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

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

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

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

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

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

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017 PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Marzec 07 PODRĘCZNIKI Wstęp do aalzy błędu pomarowego Joh R. Taylor Wydawctwo Naukowe PWN Warszawa 999

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie próby. Rozkład χ 2 Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie

Bardziej szczegółowo

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM Arur MACIĄG Sreszczee: W pracy przedsawoo echk aalzy szeregów czasowych w zasosowau do plaowaa progozowaa produkcj w przewórswe spożywczym.

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

będzie próbką prostą z rozkładu normalnego ( 2

będzie próbką prostą z rozkładu normalnego ( 2 Zadae. eh K będze próbką prostą z rozkładu ormalego ( μ σ ) zaś: ( ) S gdze:. Iteresuje as względy błąd estymaj: σ R S. σ rzy wartość ozekwaa E R jest rówa ( ) (A).8 (B).9 (C). (D). (E). Zadae. eh K K

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

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

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

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

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

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. 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

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Matematyka II. x 3 jest funkcja

Matematyka II. x 3 jest funkcja Maemayka II WYKLD. Całka eozaczoa. Rachuek całkowy. Twerdzea o całkach eozaczoych. Całkowae wybraych klas fukcj. Całkowae fukcj wymerych. Całkowae fukcj rygoomeryczych.. Defcja fukcj perwoej. Fukcję F

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

( 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

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej 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 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

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

KALIBRACJA NIE ZAWSZE PROSTA

KALIBRACJA NIE ZAWSZE PROSTA KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel

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

WALIDACJA METOD BADAŃ STOSOWANYCH W LOTOS LAB

WALIDACJA METOD BADAŃ STOSOWANYCH W LOTOS LAB Data 3//03 Nr wyd troa z Nr egz Nr wydaa troa Data wprowadzea zmay Zmaa Opracował Podps prawdzł Podps Zatwerdzł Podps Kamńsk Cudowsk Marjańsk Data 3//03 Nr wyd troa z Nr egz. Cel Celem ejszej strukcj jest

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( ) Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa

Bardziej szczegółowo

ĆWICZENIE NR 1 CZ. 2. PRAWA STATYSTYCZNE I NIEPEWNOŚCI POMIAROWE (wg najnowszych norm międzynarodowych)

ĆWICZENIE NR 1 CZ. 2. PRAWA STATYSTYCZNE I NIEPEWNOŚCI POMIAROWE (wg najnowszych norm międzynarodowych) ĆWCZEE R CZ PRAWA SAYSYCZE EPEWOŚC POMAROWE wg ajowszych or ędzyarodowych Wsę a część dośwadczea a za zadae srawdzee odsawowych raw saysyczych oraz oceę eewośc wykoaych oarów W y cel ależy wykoać rejesrację

Bardziej szczegółowo

R k Punkty stanowiące granice poszczególnych klas ustala się z dokładnością do /2, gdzie jest

R k Punkty stanowiące granice poszczególnych klas ustala się z dokładnością do /2, gdzie jest Nech Elemey Saysy Opsowej Szereg rozdzelczy hsogram łamaa częsośc ędze -elemeową próą Rozsępem z pró azywamy R ma m rzy węszej lczośc pró ( 30) w celu uławea aalzy daych warośc lczowe pró grupuje sę w

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