Średnia harmoniczna Za pomocą średniej harmonicznej obliczamy np. średnią prędkość jazdy samochodem.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Średnia harmoniczna Za pomocą średniej harmonicznej obliczamy np. średnią prędkość jazdy samochodem."

Transkrypt

1 Statystyka Statystyka jest auką, która zajmuje sę zberaem daych ch aalzą. Praca statystyka polega główe a zebrau dużej lośc daych opsujących jakeś zjawsko ch aalze terpretacj. Ne będzemy zajmować sę oczywśce zberaem daych, lecz tylko ch aalzą, czyl matematyczym wylczeem różych zależośc zachodzących pomędzy lczbam, a także postaramy sę wycągać wosk z tak otrzymaych wyków. Wele badaych zjawsk z życa człoweka charakteryzuje sę losowoścą (p. wzrost, wyk wyborów, tp) e jest możlwe przebadae wszystkch ludz z daej populacj, aby stwerdzć aprawdę jak jest. Możemy za to przebadać grupę wybraych, wylczyć zależośc, a tej podstawe wycągąć wosk, co do całośc. Statystyka jest dzsaj szeroko stosowaa, m.. w badaach demograf, psycholog, socjolog, termodyamce, fzyce kwatowej, astroom, ekoom, demograf, td. Podstawowe pojęca statystyk Średa arytmetycza Najbardzej tucyja mara ocey daej ser pomarów. Sumujemy pomary dzelmy przez ch lość. X. Średa harmocza Za pomocą średej harmoczej oblczamy p. średą prędkość jazdy samochodem. h X Średa geometrycza W statystyce opsuje sę średe tempo zma jakegoś zjawska lub marę przecętego pozomu wartośc cech badaych elemetów. Stosuje sę ją, gdy mamy do czyea z rozkładam logarytmczym. Możymy wszystke ocey wycągamy perwastek odpowedego stopa g 3 Średa kwadratowa W statystyce opsuje rząd welkośc ser daych, przydatych, gdy lczby różą sę zakem. Średa kwadratowa różc wartośc zmeej średej arytmetyczej jest azywaa odchyleem stadardowym peł bardzo ważą fukcję w statystyce. k a a a a Średa ważoa Jeżel badamy elemety, z których każdy posada przypsaą jakąś wagę, wpływającą mej lub bardzej a zjawsko, to średa ważoa ajlepej oddaje całoścowy charakter próby. Na przykład każdej ocee auczycel przypsuje wagę w zależośc od ważośc (sprawdza psemy bardzej zacząca ocea - waga 3, odpowedź usta mej zacząca - waga, zadae domowe ajmej zaczące - waga ). średa arytmetycza e uwzględa tych dodatkowych cech. Jeżel wszystke ocey mają detyczą wagę, wtedy średa ważoa jest rówa średej arytmetyczej. X W w w w w, gdze X - baday elemet, W - waga badaego elemetu. W w w w Domata Wartość, która występuje ajczęścej w badaym zborze. Medaa Medaa jest tą wartoścą zajdującą sę a środku. Gdy baday zbór ma parzystą lczbę elemetów, oblczamy średą z dwóch środkowych.

2 Waracja Waracja tak aprawdę c e wyjaśa, lecz jest potrzeba przy welu statystyczych oblczeach, m.. przy odchyleu stadardowym. Najperw musmy meć średą, którą odejmujemy od każdego elemetu. Różcę podosmy do kwadratu je wszystke sumujemy. Na końcu sumę różc dzelmy przez lczbę elemetów. S. Odchylee stadardowe Jeśl mamy oblczoą średą arytmetyczą, to odchylee stadardowe pokazuje am, jak bardzo rozrzucoe są poszczególe wyk od tej średej. Moża też powedzeć, jak daleko zajdują sę od średej. Na przykład średa oce wystawoych przez auczycela wyos 3,5, a odchylee. Ozacza to, że ocey meszczą sę w przedzale,5 5,5. () S () S (3) S( sr ) Jeżel przebadalśmy całą badaą grupę stosujemy wzór (), tzw. odchylee stadardowe bardzo rzadko mamy do czyea z taką sytuacją. Jeżel przebadalśmy tylko część grupy stosujemy wzór () odchylee stadardowe pojedyczego pomaru. Natomast wzór (3), tzw. epewość stadardowa pokazuje błąd odchylea stadardowego. Współczyk zmeośc Współczyk zmeośc pokazuje am, jak sle jest zróżcowae daych. Odchylee stadardowe dzelmy przez średą arytmetyczą, a wyk prezetujemy w procetach. Jeżel współczyk mamy w gracach 0-0% to mówmy, że zróżcowae jest małe. Jeżel powyżej 60% - zróżcowae bardzo duże. S 00% W z Rozkład ormaly Gaussa Jest to wykres (tzw. krzywa dzwoowa), który odgrywa bardzo ważą rolę w statystyczym opse zagadeń przyrodczych, przemysłowych, medyczych, społeczych, tp. Pozom telgecj, wzrost, ocey wystawae przez auczycela, tp. wszystko to oscyluje wokół jakejś średej. Krzywa Gaussa pokazuje, jak bardzo poszczególe pomary odchyloe są od tej średej. Wszystke prawdłowe procesy będą oscylowały oczywśce wokół średej, a każde zjawsko epożądae będze dawało pomary zacze odbegające od tej średej. Iym słowy: jeżel przeprowadzoe przez as badae będze przypomało rozkład Gaussa, możemy powedzeć, że jest to zjawsko ormale, bez żadych aomal. Przykładowa krzywa a rysuku pokazuje p. rozkład pozomu telgecj w badaej grupe. Fukcja opsująca rozkład ormaly ma postać: G s ( ) e s gdze s - odchylee stadardowe, - średa arytmetycza Korelacja - powązae, zależość Korelacja mów am, jak bardzo powązae są ze sobą dwa badaa (dwe tabele z daym). a przykład, jak zwązek ma frekwecja a zajęcach z wykam osągaym a egzame. y y r y S S jest to tzw. współczyk korelacj lowej Pearso a lub χ (ch kwadrat) y Jeżel wartość korelacj przybera wartośc blske zeru, mówmy o całkowtym braku korelacj (frekwecja e ma wpływu a egzamy). Jeżel korelacja przyjmuje wartośc blske (00%), mówmy o dużej zależośc.

3 Wybrae fukcje statystycze arkusza kalkulacyjego. CZĘSTOŚĆ(tablca_dae; tablca_przedzały) - oblcza le razy daa ocea występowała w zestaweu oce =CZĘSTOŚĆ($B$:$K$7;M:$M$7) {=CZĘSTOŚĆ(B:K7;M:M7)} =LICZ.JEŻELI($B$:$K$7;M) {=LICZ.JEŻELI(B:K7;M:M7)} ILE.LICZB(tablca) - podaje le komórek zawera lczby (przydate podczas ręczego oblczaa średej arytmetyczej. =ILE.LICZB(B:K7) 58 - dwe komórk są puste LICZ.JEŻELI(tablca; krytera) - zlcza komórk, które spełają podae krytera =LICZ.JEŻELI(B:K7;">0") 58 - dwe komórk są puste LICZ.PUSTE(tablca) =LICZ.PUSTE(B:K7) - podaje lość pustych komórek dwe komórk puste MAX(tablca) MIN(tablca) - maksymala mmala wartość w tablcy =MAX(B:K7) 6 =MIN(B:K7) ODCH.KWADRATOWE(tablca) oblcza sumę kwadratów różc elemetu średej. Wykorzystuje sę podczas oblczaa odchylea stadardowego. =ODCH.KWADRATOWE(B:B7),833 ODCH.STANDARD.POPUL(tablca) S pop Mara tego, jak szeroko rozproszoe są wartośc wokół wartośc średej przebadaa cała grupa =ODCH.STANDARD.POPUL(B:B7) 0,687 ODCH.STANDARDOWE(tablca) S Mara tego, jak szeroko rozproszoe są wartośc wokół wartośc przecętej przebadaa część grupy =ODCH.STANDARDOWE(B:B7) 0,753 ŚREDNIA(tablca) - oblcza średą arytmetyczą pomja komórk puste =ŚREDNIA(I:I7) 4,5 ŚREDNIA.GEMETRYCZNA(tablca) - oblczee p. średej stopy wzrostu procetu składaego =ŚREDNIA.GEOMETRYCZNA(B:B7) ŚREDNIA.HARMONICZNA(tablca) p. do oblczea średej prędkośc jazdy samochodem =ŚREDNIA.HARMONICZNA(B:B7) y y WSP.KORELACJI(tablca; tablca) r y S S Oblcza stopeń zależośc pomędzy dwoma zboram daych, p. moża zbadać relację pomędzy oceam z matematyk fzyk. =WSP.KORELACJI(B:B7;C:C7) 0,765 duża zależość =WSP.KORELACJI(B:B7;J:J7) 0,35 0 mała zależość Jeżel przebadao całą grupę ależy wząć pod uwagę odchylee stadardowe populacj y

4 ĆWICZENIA ARKUSZ OCEN Przykłady zwązae z arkuszem oce końcowych w pewej klase (ARKUSZ OCEN.XLS). Fragmet arkusza obok. Wylcz średe arytmetycze odchylea stadardowe dla każdego ucza (-36), każdego przedmotu (P- P7) całej klasy. Podaj rozkład oce dla całej klasy. Wykreśl rozkład ormaly Gaussa dla całej klasy. Oblcz współczyk korelacj pomędzy przedmotam humastyczym P P4 oraz przedmotem humastyczym ścsłym P P7. Wszystke oblczea wykoaj dwoma sposobam: gotowym wzoram wzoram teoretyczym. Średa arytmetycza uczeń T =ŚREDNIA(B:R) U =SUMA(B:R)/ILE.LICZB(B:R) przedmot B39 =ŚREDNIA(B:B37) B40 =SUMA(B:B37)/ILE.LICZB(B:B37) cała klasa T38 =ŚREDNIA(T:T37) 3,575 średa ze średch uczów S39 =ŚREDNIA(B39:R39) 3,587 średa ze średch przedmotów T39 =ŚREDNIA(B:R37) 3,575 średa ze wszystkch oce zwróć uwagę a występujące różce pojawają sę, gdy występują puste komórk (brak ocey) Odchylee stadardowe V =ODCH.STANDARDOWE(F:R) 0,707 B4 =ODCH.STANDARDOWE(B:B37) 0,793 ręcze oblczae wymaga stosowaa welu komórek, aby tego ukąć stosujemy formułę tablcową. W B4 {=PIERWIASTEK(SUMA((B:R-$T)^)/(ILE.LICZB(B:R)-))} {=PIERWIASTEK(SUMA((B:B37-B$39)^)/(ILE.LICZB(B:B37)-))} zwróć uwagę a pojawające sę różce w mejscach, gdze brak jest ocey (oblcza różcę pomędzy zero, a średą), aby je wyelmować stosujemy dodatkową strukcję warukową, która sprawdza, czy w komórce jest ocea (lczba wększa od zera) W B4 klasa V4 W4 {=PIERWIASTEK(SUMA((JEŻELI(B:R>0;B:R-$T;0))^)/(ILE.LICZB(B:R)-))} {=PIERWIASTEK(SUMA((JEŻELI(B:B37>0;B:B37-B$39;0))^)/(ILE.LICZB(B:B37)-))} =ODCH.STANDARDOWE(B:R37) {=PIERWIASTEK(SUMA((JEŻELI(B:R37>0;B:R37-$T$39;0)^)/(ILE.LICZB(B:R37)-)))} Rozkład oce Y-Y7 koleje ocey 6- Z-Z7 {=CZĘSTOŚĆ($B$:$R$37;W:W7)} AA =LICZ.JEŻELI($B$:$R$37;W) Korelacja Y =WSP.KORELACJI(C:C37;E:E37) P-P4 0,784 Y =WSP.KORELACJI(C:C37;H:H37) P-P7 0,306 AA {=SUMA($C$:$C$37*$E$:$E$37-ŚREDNIA($C$:$C$37)*ŚREDNIA($E$:$E$37))/ (35*ODCH.STANDARDOWE($C$:$C$37)*ODCH.STANDARDOWE($E$:$E$37))} w podoby sposób lczymy drugą korelację, moża skorzystać róweż z polczoych już średch odchyleń. Lczba badaych wyos 35 dlatego, że używamy odchylea stadardowego, które zawsze berze pod uwagę jedą próbkę mej (-) Rozkład Gaussa Krzywą Gaussa tworzymy dokłade tak samo jak e wykresy fukcj. Przyjmujemy, że wartośc X będą zmeać sę od do 6, co 0, (krzywa będze bardzej zaokrągloa) T39 średa arytmetycza T40 =ODCH.STANDARDOWE(B:R37) klasa AC lczby od do 6, co 0, AD =EXP(-((AA-$T$39)^)/(*$T$40^))/($T$40*(*PI())^(/))

5 Porówywae wyków badań Test t Studeta Gdy porówujemy ze sobą dwe grupy, to różce występują zawsze, to jeszcze jedak o czym e śwadczy. Dopero, gdy odpowed test wykaże, że te różce są odpowedo duże, możemy powedzeć, że są statystycze stote. Co to zaczy odpowedo duże? Otóż przyjmujemy a wstępe (hpoteza), że ajwyżej 5% z badaej grupy (pozom stotośc 0,05) może sę różć. Jeśl tak rzeczywśce będze, to zaczy, że badae grupy sę statystycze e różą, a zaobserwowae wyk e są statystycze stote. Test t Studeta jest ajczęścej stosowaą metodą ocey różc mędzy średm w badaych grupach. Czy podaway pacjetom lek leczy? Czy koleja deta-cud ma se? Czy wyk z egzamu meszczą sę w średej krajowej? Iym słowy, jak bardzo są ze sobą skorelowae przeprowadzoe badaa w dwóch próbach? Mamy trzy rodzaje testów w zależośc od rodzajów grup. Test dla prób ezależych (dwe róże grupy ludz grupy). Chcemy a przykład określć wpływ leku a wyleczalość jakejś choroby podając lek jedej grupe, a drugej podając placebo. Test dla prób zależych (jeda grupa dwa razy badae) zachodz wówczas, gdy mamy tą samą grupę ludz poddajemy ch obserwacj przed po. Możemy p., zmerzyć samopoczuce badaej grupy przed o po podau leków. Test dla jedej próby zachodz wtedy, gdy porówujemy średą badaej grupy ze średą ogólą - uzyskaą p. z lteratury. Test dla pojedyczej próby (jeda grupa porówujemy z wartoścam teoretyczym) - posługujemy sę m wtedy, gdy chcemy zbadać zależość pomędzy średą z daego badaa a średą uzyskaą p. z lteratury. Porówujemy p. średą z egzamu w aszej szkole ze średą egzamu w całej Polsce. grupy ezależe grupy zależe pojedycza próba Patrząc a powyższe wzory odeść moża wrażee, że to jest strasze, ale lteratura podaje, że testy te są jedym z mej skomplkowaych! Na szczęśce arkusz kalkulacyjy posada wbudowae odpowede fukcje Test Studeta =TEST.T(tablca; tablca; ślady; typ) ŚLADY: rozkład jedostroy, rozkład dwustroy (podaje dwa razy wyższe prawdopodobeństwo) TYP: sparoway grupy zależe () esparoway grupy ezależe odchylea róże () odchylea take same (3) Dygresja. Dlaczego test Studeta? Otóż a początku XX weku pewe browar zatrudał studetów do testowaa swoch produktów, a jede ze studetów wymyślł te strasze wzory, które jedak dały frme ogrome zysk. Jeszcze raz o terpretacj testu studeta. Potrafmy już polczyć. Ale, o czym am mów otrzymay wyk? I jak w praktyce wygląda aalza? Po perwsze hpoteza. Zakładamy, że otrzymae rezultaty są stote (bądź estote) statystycze. Co to zaczy stote? To ozacza, że baday lek jedak leczy, że deta ma wpływ a chudęce, td. Po druge pozom stotośc, czyl jak bardzo chcemy ufać aszym wykom. W praktyce przyjmuje sę dwa pozomy: 0,0 lub 0,05. Załóżmy, że przeprowadzlśmy 00 prób (00 badań). Jeżel przy założoym pozome 0,05 poad 5 badań róż sę od sebe, to próby są statystycze ezależe od sebe, różca jest statystycze stota, albo aczej hpoteza sę e sprawdzła.

6 Szacowae epewośc w pomarach laboratoryjych Pomar Aby coś zmerzyć musmy wedzeć, co chcemy zmerzyć (p. długość, masę, czas, tp.) oraz musmy dyspoować odpowedm przyrządem (p. ljką, stoperem, wagą, tp.). Sam pomar polega a porówau merzoej welkośc (p. długośc stołu) z przyrządem, w wyku czego uzyskujemy wyk pomaru, tj. lczbę z jedostką (p. 5 mm). Zaps wyku pomaru Otrzymay wyk pomaru e jest jedak pełą formacją o merzoej welkośc. W praktyce bardzo potrzeba jest róweż ocea warygodośc pomaru, polegająca a określeu (oszacowau) epewośc pomarowej wyku. W praktyce stosuje sę pojęce epewośc stadardowej, w języku potoczym mówmy raczej o błędze pomarowym. Sam wyk pomaru zapsujemy w razem z epewoścą w tej samej jedostce, p. 5 ± mm,,006 ± 0,003s, tp. W epewośc pomarowej podajemy tylko tyle cyfr zaczących, le mał ch wyk główy pomaru! Ocea epewośc pomarowej Jeżel mamy do czyea z pojedyczym pomarem, pomerzoym za pomocą określoego przyrządu - e ma problemu. Nepewoścą będze zazwyczaj ajmejszą dzałką a przyrządze (p. mm a ljce, 0, sekuda a stoperze, tp.). Jeżel mamy do czyea w pomarem welokrotym (p. merzymy grubość drutu w różych mejscach), to średa arytmetycza jest bardzo dobrym oszacowaem pomaru, a epewość (błąd) oblczamy z wzoru a epewość stadardową, zaego z oblczeń statystyczych S. Poeważ welokrote dokoywae pomary podlegają pod procesy statystycze, dlatego też opsuje je krzywa Gaussa daa wzorem: G( ) ep - jeżel rozkład s s pomarów ma kształt krzywej dzwoowej możemy być pew, że pomary oddają rzeczywsty charakter merzoej welkośc. Oblczae epewośc a podstawe pomarów pośredch Bardzo często mamy do czyea z astępującą sytuacją: merzymy pewe welkośc obarczoe różym błędam, a podstawe określoego wzoru (chemczego, fzyczego) wylczamy dopero końcowy wyk. Jak w takm wypadku wylczyć epewość pomarową? Najczęścej stosuje sę wzór wyrażający w lteraturze prawo przeoszea odchyłek przypadkowych. Załóżmy, że oblczamy prędkość - V merząc czas - t odległość - s. Czas odległość mają wylczoe średe (t śr s śr ) oraz wylczoe epewośc pomarowe - odchylee stadardowe (S(t) S(s)). W takm wypadku epewość prędkośc wylczamy z wzoru: d d V ( tsr) S( t) V ( ssr) S( ). S( V ) s dt ds We wzorze mamy do czyea z pochodym. Na szczęśce e musmy ch wylczać algebracze - odpowede programy robą to same. Spotkać moża też dużo prostsze rozwązae (bez wylczaa pochodych: S ( V ) V śr S( t) tsr S( s) ssr

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

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

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

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

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

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

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

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

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

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

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

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

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

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

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

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

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

Niepewności pomiarów. DR Andrzej Bąk Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

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

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

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

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

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 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

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

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

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

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

. 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

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym. Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór

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

( 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

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

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

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

Analiza danych pomiarowych

Analiza danych pomiarowych Materały pomoccze dla studetów Wydzału Chem UW Opracowała Ageszka Korgul. Aalza daych pomarowych wersja trzeca, uzupełoa Lteratura, Wstęp 3 R OZDZIAŁ SPRAWOZDANIE Z DOŚWIADCZENIA FIZYCZNEGO 4 Stałe elemety

Bardziej szczegółowo

Wyrażanie niepewności pomiaru. Andrzej Kubiaczyk Wydział Fizyki, Politechnika Warszawska

Wyrażanie niepewności pomiaru. Andrzej Kubiaczyk Wydział Fizyki, Politechnika Warszawska Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 0 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne.

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne. Katedra Podsta Systemó Techczych - Podstay metrolog - Ćczee 3. Dokładość pomaró, yzaczae błędó pomaroych Stroa:. BŁĘDY POMIAROWE, PODSTAWOWE DEFINICJE Każdy yk pomaru bez określea dokładośc pomaru jest

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

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

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

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA

Bardziej szczegółowo

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW U podstaw wszystkch auk przyrodczych leży zasada: sprawdzaem wszelkej wedzy jest eksperymet, tz jedyą marą prawdy aukowej jest dośwadczee Fzyka, to auka

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

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

[, ] [, ] [, ] ~ [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

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

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

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

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

Instrukcja do wykonania zadania. Masa ciała. Wys. Ciała

Instrukcja do wykonania zadania. Masa ciała. Wys. Ciała Itrukcja do wykoaa zadaa W perwzej kolejośc ależy przygotowad tabelę z daym. W ejzej trukcj przyjęto, że do każdego wyku z tabel perwotej dodao wartośd 6. Zatem tabela wygląda atępująco: Icjały Grupa Płeć

Bardziej szczegółowo

PRZEGLĄD NAJPROSTSZYCH METOD OPRACOWANIA WYNIKÓW POMIARÓW. dr Michał Januszczyk Zakład Fizyki Medycznej, Wydział Fizyki UAM

PRZEGLĄD NAJPROSTSZYCH METOD OPRACOWANIA WYNIKÓW POMIARÓW. dr Michał Januszczyk Zakład Fizyki Medycznej, Wydział Fizyki UAM PRZEGLĄD NAJPROTZYCH METOD OPRACOWANIA WYNIKÓW POMIARÓW. dr Mchał Jauszczyk Zakład Fzyk Medyczej, Wydzał Fzyk UAM. Każdy zbór cał lub zjawsk fzyczych ma wele cech merzalych mogących staowć zasadę klasyfkacj..

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

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

Współczynnik korelacji rangowej badanie zależności między preferencjami

Współczynnik korelacji rangowej badanie zależności między preferencjami Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody

Bardziej szczegółowo

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa

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

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 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

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

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

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

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 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

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

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

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

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

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

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać

Bardziej szczegółowo