Pakiety statystyczne - Wykªad 8
|
|
- Wanda Paluch
- 6 lat temu
- Przeglądów:
Transkrypt
1 Pakiety statystyczne - Wykªad 8 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t
2 Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne i przykªady zastosowania 3. ANOVA w pakiecie R Tomasz Suchocki, Pakiety statystyczne Wykªad 8 2/34
3 Historia 1. ANalysis Of VAriance ANOVA metoda statystyki matematycznej badanie obserwacji zale»nych od jednego lub wielu czynników porównywanie wielu ±rednich Tomasz Suchocki, Pakiety statystyczne Wykªad 8 3/34
4 Historia 2. Sir Ronald Fisher ( ) statystyk i genetyk instytut bada«rolniczych w Rothamsted koªo Harpenden The Correlation Between Relatives on the Supposition of Mendelian Inheritance pierwsze zastosowania zostaªy opublikowanne w 1921 roku szeroko stosowana od 1925 roku po ukazaniu si ksi»ki Statistical Methods for Research Workers Tomasz Suchocki, Pakiety statystyczne Wykªad 8 4/34
5 Historia Tomasz Suchocki, Pakiety statystyczne Wykªad 8 5/34
6 Podstawy teoretyczne Analiza wariancji jednoczynnikowa wieloczynnikowa interakcje?! Tomasz Suchocki, Pakiety statystyczne Wykªad 8 6/34
7 Podstawy teoretyczne - ANOVA jednoczynnikowa Jak to dziaªa? 1. Hipoteza zerowa Nie ma ró»nic pomi dzy grupami! To tylko bª d! 2. Hipoteza alternatywna Istniej ró»nice pomi dzy grupami, które nie s spowodowane przez bª dy! 3. Statystyka F Oblicz statystyk F dla odpowiedniego modelu. Tomasz Suchocki, Pakiety statystyczne Wykªad 8 7/34
8 Podstawy teoretyczne - ANOVA jednoczynnikowa Jednoczynnikowa analiza wariancji: Y ij = µ + α i + ɛ ij j = 1,..., n i oraz i = 1,..., k α i efekt czynnika i ɛ ij niezale»ne zmienne o identycznych rozkªadach normalnych N (0, σ 2 ) Tomasz Suchocki, Pakiety statystyczne Wykªad 8 8/34
9 Podstawy teoretyczne - ANOVA jednoczynnikowa Model mo»na zapisa w innej postaci: Y ij = µ i + ɛ ij µ i = µ + α i Tomasz Suchocki, Pakiety statystyczne Wykªad 8 9/34
10 Podstawy teoretyczne - ANOVA jednoczynnikowa Model mo»na zapisa w innej postaci: Y ij = µ i + ɛ ij µ i = µ + α i zatem Y ij N (µ i, σ 2 ) Tomasz Suchocki, Pakiety statystyczne Wykªad 8 9/34
11 Podstawy teoretyczne - ANOVA jednoczynnikowa Model mo»na zapisa w innej postaci: Y ij = µ i + ɛ ij µ i = µ + α i zatem Y ij N (µ i, σ 2 ) Testujemy hipotezy: H 0 : µ 1 = µ 2 =... = µ k = µ H 0 : α 1 = α 2 =... = α k = 0 Tomasz Suchocki, Pakiety statystyczne Wykªad 8 9/34
12 Podstawy teoretyczne - ANOVA jednoczynnikowa Model mo»na zapisa w innej postaci: Y ij = µ i + ɛ ij µ i = µ + α i zatem Y ij N (µ i, σ 2 ) Testujemy hipotezy: H 0 : µ 1 = µ 2 =... = µ k = µ H 0 : α 1 = α 2 =... = α k = 0 A jak posta ma hipoteza alternatywna? Tomasz Suchocki, Pakiety statystyczne Wykªad 8 9/34
13 Podstawy teoretyczne - ANOVA jednoczynnikowa Hipoteza alternatywna: H 1 : i,j µ i µ j Tomasz Suchocki, Pakiety statystyczne Wykªad 8 10/34
14 Podstawy teoretyczne - ANOVA jednoczynnikowa Hipoteza alternatywna: H 1 : i,j µ i µ j Ale które ±rednie si ró»ni? testy post hoc - porównuj wszystkie pary ±rednich Tomasz Suchocki, Pakiety statystyczne Wykªad 8 10/34
15 Podstawy teoretyczne - ANOVA jednoczynnikowa Statystyka F: F = k 2 i=1 n i (Y i Y ) k n ( i 2 n k i=1 j=1 Y ij Y i ) k 1 gdzie Y = 1 n k i=1 n i j=1 Y ij Y i = 1 ni n i j=1 Y ij statystyka F ma rozkªad F Snedecora z k 1 i n k stopniami swobody Tomasz Suchocki, Pakiety statystyczne Wykªad 8 11/34
16 Podstawy teoretyczne - ANOVA jednoczynnikowa Testy post hoc: Test HSD Tukeya Test Studenta-Newmana-Keulsa Test LSD Fishera Test Scheego Tomasz Suchocki, Pakiety statystyczne Wykªad 8 12/34
17 Przykªad - ANOVA jednoczynnikowa Obecno± witaminy D 3 wpªywa na aktywno± genu CD14, co powoduje uruchomieniem procesu wykorzystywanego w terapii przeciwnowotworowej u chorych na bialaczk. Podanie witaminy D 3 w odpowiednio wysokim st»eniu powoduje mi dzy innymi odwapnienie ko±ci. Chcemy sprawdzi, czy istniej analogi witaminy D 3 o podobnym wpªywie na ekspresj genu CD14 ale bez skutków ubocznych. Tomasz Suchocki, Pakiety statystyczne Wykªad 8 13/34
18 Przykªad - ANOVA jednoczynnikowa Zbiór danych, dotyczy 66 lini komórkowych pobranych od dzieci chorych na ostr biaªaczk szpikow. Ka»da z linii komórkowych zostaªa poddana dziaªaniu kilku substancji, by zobaczy, jak dana substancja dziaªa na aktywno± genu CD14. Liczony byª % komórek z obecnym receptorem CD14. Kolejne kolumny zawieraj : zmienn mutacja - czy w danej lini komórkowej wyst puje mutacja genu zwi zanego z biaªaczk (cztery grupy: mutacja w genie CBFα, mutacja w FTL-3, mutacja w innym genie lub brak mutacji); pomiar % obecno±ci CD14 w komórkach hodowlanych bez ingerencji innej substancji; pomiar % obecno±ci CD14 w komórkach hodowlanych dla okre- ±lonego molowego st»enia witaminy D 3 lub jej analoga 1906 lub Tomasz Suchocki, Pakiety statystyczne Wykªad 8 14/34
19 Przykªad - ANOVA jednoczynnikowa Tomasz Suchocki, Pakiety statystyczne Wykªad 8 15/34
20 Przykªad - ANOVA jednoczynnikowa Tomasz Suchocki, Pakiety statystyczne Wykªad 8 16/34
21 Przykªad - ANOVA jednoczynnikowa Hipoteza zerowa: ±redni poziom receptora CD14 po podaniu analoga 2191 nie zale»y od mutacji H 0 : i,j µ i = µ j Tomasz Suchocki, Pakiety statystyczne Wykªad 8 17/34
22 Przykªad - ANOVA jednoczynnikowa Hipoteza zerowa: ±redni poziom receptora CD14 po podaniu analoga 2191 nie zale»y od mutacji H 0 : i,j µ i = µ j Hipoteza alternatywna: ±redni poziom receptora CD14 po podaniu analoga 2191 jest ró»ny przynajmniej dla dwóch mutacji H 1 : i,j µ i µ j Tomasz Suchocki, Pakiety statystyczne Wykªad 8 17/34
23 Przykªad - ANOVA jednoczynnikowa Wyniki: Tomasz Suchocki, Pakiety statystyczne Wykªad 8 18/34
24 Przykªad - ANOVA jednoczynnikowa Pomi dzy którymi mutacjami s istotne ró»nice: Tomasz Suchocki, Pakiety statystyczne Wykªad 8 19/34
25 Przykªad - ANOVA jednoczynnikowa Diagnostyka modelu: Tomasz Suchocki, Pakiety statystyczne Wykªad 8 20/34
26 Przykªad - ANOVA jednoczynnikowa Diagnostyka modelu cd.: Tomasz Suchocki, Pakiety statystyczne Wykªad 8 21/34
27 Podstawy teoretyczne - ANOVA wieloczynnikowa Wieloczynnikowa analiza wariancji: Y ijm = µ + α i + β j + γ ij + ɛ ijm j = 1,..., r, i = 1,..., k oraz m = 1,..., n i,j α i efekt czynnika i β j efekt czynnika j γ ij interakcja pomi dzy czynnikami α i i β j ɛ ijm niezale»ne zmienne o identycznych rozkªadach normalnych N (0, σ 2 ) Tomasz Suchocki, Pakiety statystyczne Wykªad 8 22/34
28 Podstawy teoretyczne - ANOVA wieloczynnikowa Hipotezy zerowe H 0 : α 1 = α 2 =... = α k = 0 H 0 : β 1 = β 2 =... = β r = 0 H 0 : i j γ i,j = 0 Hipotezy alternatywne H A : i α i 0 H A : j β j 0 H A : i j γ i,j 0 Tomasz Suchocki, Pakiety statystyczne Wykªad 8 23/34
29 Przykªad - ANOVA wieloczynnikowa Zbiór danych dotyczy 98 osób. Dla ka»dej z nich mamy informacj o genotypach dwóch markerów typu SNP. Dokªadna struktura kolumn prezentuje si nast puj co: genotyp SNP w genie kodujacym biaªko kompleksu Nfκβ genotyp SNP w genie CD28 genotyp genu koduj cego jeden z inferonów IFN (tutaj mamy informacj, czy pacjent jest hetero-, czy homozygot ) nat»enie objawów maniakalnych nat»enie objawów znieksztaªcenia postrzegania rzeczywisto±ci nat»enie objawów depresyjnych nat»enie objawów negatywnych (niewidzenie rzeczy istniej cych) nat»enie ª cznych objawów Tomasz Suchocki, Pakiety statystyczne Wykªad 8 24/34
30 Przykªad - ANOVA wieloczynnikowa Tomasz Suchocki, Pakiety statystyczne Wykªad 8 25/34
31 Przykªad - ANOVA wieloczynnikowa interaction.plot Tomasz Suchocki, Pakiety statystyczne Wykªad 8 26/34
32 Przykªad - ANOVA wieloczynnikowa Tomasz Suchocki, Pakiety statystyczne Wykªad 8 27/34
33 Przykªad - ANOVA wieloczynnikowa Tomasz Suchocki, Pakiety statystyczne Wykªad 8 28/34
34 Przykªad - ANOVA wieloczynnikowa Tomasz Suchocki, Pakiety statystyczne Wykªad 8 29/34
35 Przykªad - ANOVA wieloczynnikowa Model z interakcj, czy bez? Tomasz Suchocki, Pakiety statystyczne Wykªad 8 30/34
36 Przykªad - ANOVA wieloczynnikowa Wyniki: Tomasz Suchocki, Pakiety statystyczne Wykªad 8 31/34
37 Przykªad - ANOVA wieloczynnikowa Testy post hoc: Tomasz Suchocki, Pakiety statystyczne Wykªad 8 32/34
38 Przykªad - ANOVA jednoczynnikowa Diagnostyka modelu: Tomasz Suchocki, Pakiety statystyczne Wykªad 8 33/34
39 Dzi kuj za uwag Tomasz Suchocki, Pakiety statystyczne Wykªad 8 34/34
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Analiza wariancji
Bardziej szczegółowoPodstawy statystycznego modelowania danych - Wykªad 7
Podstawy statystycznego modelowania danych - Wykªad 7 Tomasz Suchocki ANOVA Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne i przykªady zastosowania 3. ANOVA w pakiecie R Tomasz
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Model mieszany
Bardziej szczegółowoElementy statystyki STA - Wykład 5
STA - Wykład 5 Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 ANOVA 2 Model jednoczynnikowej analizy wariancji Na model jednoczynnikowej analizy wariancji możemy traktować jako uogólnienie
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu 1 Podstawowe
Bardziej szczegółowoStatystyczna analiza danych (molekularnych) analiza wariancji ANOVA
Statystyczna analiza danych (molekularnych) analiza wariancji ANOVA Anna Gambin 19 maja 2013 Spis treści 1 Przykład: Model liniowy dla ekspresji genów 1 2 Jednoczynnikowa analiza wariancji 3 2.1 Testy
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analizę wariancji, często określaną skrótem ANOVA (Analysis of Variance), zawdzięczamy angielskiemu biologowi Ronaldowi A. Fisherowi, który opracował ją w 1925 roku dla rozwiązywania
Bardziej szczegółowoMetody statystyczne w biologii - Wykªad 8. Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t
Metody statystyczne w biologii - Wykªad 8 Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Regresja logistyczna 1. Podstawy teoretyczne i przykªady zastosowania
Bardziej szczegółowoInformatyka w selekcji - Wykªad 1
Informatyka w selekcji - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu 1 Podstawowe informacje o przedmiocie 2 Wst p do pakietu
Bardziej szczegółowoPodstawy statystycznego modelowania danych Analiza prze»ycia
Podstawy statystycznego modelowania danych Analiza prze»ycia Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu 1. Wprowadzenie 2. Hazard rate
Bardziej szczegółowoTesty post-hoc. Wrocław, 6 czerwca 2016
Testy post-hoc Wrocław, 6 czerwca 2016 Testy post-hoc 1 metoda LSD 2 metoda Duncana 3 metoda Dunneta 4 metoda kontrastów 5 matoda Newman-Keuls 6 metoda Tukeya Metoda LSD Metoda Least Significant Difference
Bardziej szczegółowo1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe
Zjazd 7. SGGW, dn. 28.11.10 r. Matematyka i statystyka matematyczna Tematy 1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe nna Rajfura 1 Zagadnienia Przykład porównania wielu obiektów w
Bardziej szczegółowoElementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13
Elementarna statystyka Wnioskowanie o regresji (Inference for regression) Alexander Bendikov Uniwersytet Wrocªawski 2 czerwca 2016 Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Bardziej szczegółowoMetody probablistyczne i statystyka stosowana
Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801
Bardziej szczegółowoMatematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE
WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE Było: Przykład. W doświadczeniu polowym załoŝonym w układzie całkowicie losowym w czterech powtórzeniach porównano
Bardziej szczegółowoWykład 5 Teoria eksperymentu
Wykład 5 Teoria eksperymentu Wrocław, 22.03.2017r Co to jest teoria eksperymentu? eksperyment - badanie jakiegoś zjawiska polegające na celowym wywołaniu tego zjawiska lub jego zmian oraz obserwacji i
Bardziej szczegółowoSTATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH
STATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH WYKŠAD 4 03 listopad 2014 1 / 47 Plan wykªadu 1. Testowanie zaªo»e«o proporcjonalnym hazardzie w modelu Cox'a 2. Wybór zmiennych do modelu Cox'a 3. Meta analiza
Bardziej szczegółowoEkonometria - wykªad 1
Ekonometria - wykªad 1 0. Wprowadzenie Barbara Jasiulis-Goªdyn 28.02.2014 2013/2014 Ekonometria Literatura [1] B. Borkowski, H. Dudek, W. Szczesny, Ekonometria. Wybrane Zaganienia, PWN, Warszawa 2003.
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowoMatematyka i statystyka matematyczna dla rolników w SGGW
Było: Testowanie hipotez (ogólnie): stawiamy hipotezę, wybieramy funkcję testową f (test statystyczny), przyjmujemy poziom istotności α; tym samym wyznaczamy obszar krytyczny testu (wartość krytyczną funkcji
Bardziej szczegółowoWeryfikacja hipotez statystycznych za pomocą testów statystycznych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej
Bardziej szczegółowoEkonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych
Bardziej szczegółowoProblem dwóch prób: porównywanie średnich i wariancji z populacji o rozkładach normalnych. Wrocław, 23 marca 2015
Problem dwóch prób: porównywanie średnich i wariancji z populacji o rozkładach normalnych. Wrocław, 23 marca 2015 Problem dwóch prób X = (X 1, X 2,..., X n ) - próba z rozkładu normalnego N (µ, σ 2 X ),
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoJednoczynnikowa analiza wariancji
Jednoczynnikowa analiza wariancji Zmienna zależna ilościowa, numeryczna Zmienna niezależna grupująca (dzieli próbę na więcej niż dwie grupy), nominalna zmienną wyrażoną tekstem należy w SPSS przerekodować
Bardziej szczegółowoIn»ynierskie zastosowania statystyki wiczenia
Uwagi: 27012014 poprawiono kilka literówek, zwi zanych z przedziaªami ufno±ci dla wariancji i odchylenia standardowego In»ynierskie zastosowania statystyki wiczenia Przedziaªy wiarygodno±ci, testowanie
Bardziej szczegółowoAnaliza wariancji i kowariancji
Analiza wariancji i kowariancji Historia Analiza wariancji jest metodą zaproponowaną przez Ronalda A. Fishera. Po zakończeniu pierwszej wojny światowej był on pracownikiem laboratorium statystycznego w
Bardziej szczegółowoBiostatystyka, # 5 /Weterynaria I/
Biostatystyka, # 5 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoWykład 12 Testowanie hipotez dla współczynnika korelacji
Wykład 12 Testowanie hipotez dla współczynnika korelacji Wrocław, 23 maja 2018 Współczynnik korelacji Niech będą dane dwie próby danych X = (X 1, X 2,..., X n ) oraz Y = (Y 1, Y 2,..., Y n ). Współczynnikiem
Bardziej szczegółowoMODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH
MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH Urszula Fory± Zakªad Biomatematyki i Teorii Gier, Instytut Matematyki Stosowanej i Mechaniki, Wydziaª
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoWykład 12 Testowanie hipotez dla współczynnika korelacji
Wykład 12 Testowanie hipotez dla współczynnika korelacji Wrocław, 24 maja 2017 Współczynnik korelacji Niech będą dane dwie próby danych X = (X 1, X 2,..., X n ) oraz Y = (Y 1, Y 2,..., Y n ). Współczynnikiem
Bardziej szczegółowoPakiety statystyczne Wykªad 14
Pakiety statystyczne Wykªad 14 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki Plan wykªadu Model mieszany 1. Podstawy teoretyczne 2. Przykªady w R 3. Przykªady zastosowania Tomasz
Bardziej szczegółowoModele wielorównaniowe. Estymacja parametrów
Modele wielorównaniowe. Estymacja parametrów Ekonometria Szeregów Czasowych SGH Estymacja 1 / 47 Plan wykªadu 1 Po±rednia MNK 2 Metoda zmiennych instrumentalnych 3 Podwójna MNK 4 Estymatory klasy k 5 MNW
Bardziej szczegółowo1 Estymacja przedziałowa
1 Estymacja przedziałowa 1. PRZEDZIAŁY UFNOŚCI DLA ŚREDNIEJ (a) MODEL I Badana cecha ma rozkład normalny N(µ, σ) o nieznanym parametrze µ i znanym σ. Przedział ufności: [ ( µ x u 1 α ) ( σn ; x + u 1 α
Bardziej szczegółowoWykład 5 Problem dwóch prób - testowanie hipotez dla równości średnich
Wykład 5 Problem dwóch prób - testowanie hipotez dla równości średnich Magdalena Frąszczak Wrocław, 22.03.2017r Problem Behrensa Fishera Niech X = (X 1, X 2,..., X n ) oznacza próbę z rozkładu normalnego
Bardziej szczegółowoRozwini cia asymptotyczne dla mocy testów przybli»onych
Rozwini cia asymptotyczne dla mocy testów przybli»onych Piotr Majerski, Zbigniew Szkutnik AGH Kraków Wisªa 2010 P. Majerski, Z. Szkutnik, AGH () Rozwini cia mocy testów przybli»onych Wisªa 2010 1 / 22
Bardziej szczegółowoMODELE LINIOWE i MIESZANE
MODELE LINIOWE i MIESZANE WYKŠAD 5 13 kwiecie«2018 1 / 48 Plan wykªadu 1. Metody Monte Carlo we wnioskowaniu statystycznym 2. Pakiet R 2 / 48 Metody Monte Carlo we wnioskowaniu statystycznym 3 / 48 Zaªó»my,»e
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5. 2 listopada 2009
STATYSTYKA MATEMATYCZNA WYKŁAD 5 2 listopada 2009 Poprzedni wykład: przedział ufności dla µ, σ nieznane Rozkład N(µ, σ). Wnioskowanie o średniej µ, gdy σ nie jest znane Testowanie H : µ = µ 0, K : µ
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
28 marca 2012 Analiza wariancji klasyfikacja jednokierunkowa - wst ep Przypuśćmy, że chcemy porównać wieksz a (niż dwie) liczbe grup. Aby porównać średnie w kilku grupach, można przeprowadzić analize wariancji.
Bardziej szczegółowoBiostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Bardziej szczegółowoEkonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 4 Prognozowanie (4) Ekonometria 1 / 18 Plan wicze«1 Prognoza punktowa i przedziaªowa 2 Ocena prognozy ex post 3 Stabilno± i sezonowo± Sezonowo± zadanie (4) Ekonometria 2 / 18 Plan
Bardziej szczegółowoWeryfikacja hipotez statystycznych testy dla dwóch zbiorowości
Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości Informatyka 007 009 aktualizacja dla 00 JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Plan wykładu. Przypomnienie testu dla
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) W modelu rezerwy R n = u + n (W 1 + + W n ) wiemy,»e W i s iid o rozkªadzie geometrycznym na 0, 1, 2,...
Bardziej szczegółowoTestowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.
Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ
Bardziej szczegółowo5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka
Bardziej szczegółowoWykład 11 Testowanie jednorodności
Wykład 11 Testowanie jednorodności Wrocław, 17 maja 2018 Test χ 2 jednorodności Niech X i, i = 1, 2,..., k będą niezależnymi zmiennymi losowymi typu dyskretnego przyjmującymi wartości z 1, z 2,..., z l,
Bardziej szczegółowoMetody Statystyczne. Metody Statystyczne. #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji
gkrol@mail.wz.uw.edu.pl #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji 1 Ryzyko błędu - powtórzenie Statystyka niczego nie dowodzi, czyni tylko wszystko mniej lub bardziej prawdopodobnym
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoPorównanie wielu rozkładów normalnych
Porównanie wielu rozkładów normalnych Założenia:. X i N(µ i, σi 2 ), i =,..., k 2. X,..., X k są niezależne Czy µ = = µ k? Czy σ 2 = = σ 2 k? Próby: X i,..., X ini, i =,..., k X i, varx i, s 2 i = varx
Bardziej szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoStatystyka matematyczna. Wykład V. Parametryczne testy istotności
Statystyka matematyczna. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Weryfikacja hipotezy o równości wartości średnich w dwóch populacjach 2 3 Weryfikacja hipotezy o równości wartości średnich
Bardziej szczegółowoTemat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
Bardziej szczegółowoKolokwium ze statystyki matematycznej
Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją
Bardziej szczegółowoTEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 9 i 10 1 / 30 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407
Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD października 2009
STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ
Bardziej szczegółowoJEDNOCZYNNIKOWA ANALIZA WARIANCJI, ANOVA
JEDNOCZYNNIKOWA ANALIZA WARIANCJI, ANOVA 1 Obserwowana (badana) cecha Y Czynnik wpływający na Y (badany) A A i i ty poziom czynnika A a liczba poziomów (j=1..a), n i liczba powtórzeń w i tej populacji
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoWykład 7 Testowanie zgodności z rozkładem normalnym
Wykład 7 Testowanie zgodności z rozkładem normalnym Wrocław, 05 kwietnia 2017 Rozkład normalny Niech X = (X 1, X 2,..., X n ) będzie próbą z populacji o rozkładzie normalnym określonym przez dystrybuantę
Bardziej szczegółowoNa podstawie dokonanych obserwacji:
PODSTAWOWE PROBLEMY STATYSTYKI MATEMATYCZNEJ Niech mamy próbkę X 1,..., X n oraz przestrzeń prób X n, i niech {X i } to niezależne zmienne losowe o tym samym rozkładzie P θ P. Na podstawie obserwacji chcemy
Bardziej szczegółowoTESTOWANIE HIPOTEZ STATYSTYCZNYCH
TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na
Bardziej szczegółowoElementarna statystyka Dwie próby: porównanie dwóch proporcji (Two-sample problem: comparing two proportions)
Elementarna statystyka Dwie próby: porównanie dwóch proporcji (Two-sample problem: comparing two proportions) Alexander Bendikov Uniwersytet Wrocªawski 25 maja 2016 Elementarna statystyka Dwie próby: porównanie
Bardziej szczegółowoWykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym
Wykład 3 Testowanie hipotez statystycznych o wartości średniej i wariancji z populacji o rozkładzie normalnym Wrocław, 08.03.2017r Model 1 Testowanie hipotez dla średniej w rozkładzie normalnym ze znaną
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoLABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI 1. Test dla dwóch średnich P.G. 2. Testy dla wskaźnika struktury 3. Testy dla wariancji DECYZJE Obszar krytyczny od pozostałej
Bardziej szczegółowoPorównanie dwóch rozkładów normalnych
Porównanie dwóch rozkładów normalnych Założenia: 1. X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2) 2. X 1, X 2 są niezależne Ocena µ 1 µ 2 oraz σ 2 1/σ 2 2. Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 X 1, varx 1,
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -
Bardziej szczegółowoWykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów
Bardziej szczegółowoStatystyczna analiza danych
Statystyczna analiza danych Testowanie hipotez statystycznych Ewa Szczurek szczurek@mimuw.edu.pl Instytut Informatyki Uniwersytet Warszawski 1/23 Testowanie hipotez średniej w R Test istotności dla wartości
Bardziej szczegółowoElementarna statystyka Test Istotno±ci (Tests of Signicance)
Elementarna statystyka Test Istotno±ci (Tests of Signicance) Alexander Bendikov Uniwersytet Wrocªawski 16 kwietnia 2016 Elementarna statystyka Test Istotno±ci (Tests of Signicance) 16 kwietnia 2016 1 /
Bardziej szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu Inżynieria Materiałowa Studia II stopnia Specjalność: Inżynieria Powierzchni
Karta (sylabus) modułu/przedmiotu Inżynieria Materiałowa Studia II stopnia Specjalność: Inżynieria Powierzchni Przedmiot: Statystyczne Sterowanie Procesami Rodzaj przedmiotu: Obowiązkowy Kod przedmiotu:
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład X, 9.05.206 TESTOWANIE HIPOTEZ STATYSTYCZNYCH II: PORÓWNYWANIE TESTÓW Plan na dzisiaj 0. Przypomnienie potrzebnych definicji. Porównywanie testów 2. Test jednostajnie
Bardziej szczegółowoWst p do ekonometrii II
Wst p do ekonometrii II Wykªad 1: Modele ADL. Analiza COMFAC. Uogólniona MNK (1) WdE II 1 / 36 Plan wykªadu 1 Restrykcje COMFAC w modelach ADL ADL(1,1) ADL(2,2) 2 Uogólniona MNK Idea UMNK Znajdowanie macierzy
Bardziej szczegółowoWykład dla studiów doktoranckich IMDiK PAN. Biostatystyka I. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW
Wykład dla studiów doktoranckich IMDiK PAN Biostatystyka I dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Program wykładu w skrócie 1. Jednoczynnikowa analiza wariancji
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoPrzykªadowe analizy. Grzegorz Kemski. 26 listopada 2008
26 listopada 2008 Plan wykªadu Prezentacja danych i metod statystycznych u»ytych w artykuªach: 'Why living-donor renal transplant yields better outcomes than cadaver renal transplant?' L. Guirado, E. Vela,
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoTestowanie hipotez statystycznych
9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :
Bardziej szczegółowoZadanie 1. (8 punktów) Dana jest nast puj ca macierz: M =
Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Dana jest nast puj ca macierz: M = 2 14 2 10 8 0 10 8. a) Znajd¹ rozwi zanie dwuosobowej gry o sumie zero maj cej powy»sz macierz wypªat. b) Przyjmuj
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoDodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH
Dodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 3) Modele MGARCH 1 / 11 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu
Bardziej szczegółowoTESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne. Zajmiemy
Bardziej szczegółowoAutor: Dariusz Piwczyński 1 Ćwiczenie. Analiza zmienności złożona. Testy wielokrotnych porównań
Autor: Dariusz Piwczyński 1 Ćwiczenie. Analiza zmienności złożona. Testy wielokrotnych porównań Analizę wariancji możemy wykonać w SAS za pomocą procedury ANOVA oraz GLM. ANOVA Analysis of variance (Analiza
Bardziej szczegółowoElementarna statystyka Test Istotno±ci
Elementarna statystyka Test Istotno±ci Alexander Bendikov Uniwersytet Wrocªawski 27 kwietnia 2017 Alexander Bendikov (UWr) Elementarna statystyka Test Istotno±ci 27 kwietnia 2017 1 / 24 Wnioskowanie statystyczne:
Bardziej szczegółowoVII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15
VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,
Bardziej szczegółowoSzeregowanie zada« Przedmiot fakultatywny 15h wykªadu + 15h wicze« dr Hanna Furma«czyk. 7 pa¹dziernika 2013
Przedmiot fakultatywny 15h wykªadu + 15h wicze«7 pa¹dziernika 2013 Zasady zaliczenia 1 wiczenia (ocena): kolokwium, zadania dodatkowe (implementacje algorytmów), praca na wiczeniach. 2 Wykªad (zal): zaliczone
Bardziej szczegółowoPorównywanie wielowymiarowych wektorów warto±ci ±rednic
Porównywanie wielowymiarowych wektorów warto±ci ±rednich Politechnika Gda«ska 20 marca 2014 Cel prezentacji Niezb dny wst p teoretyczny Cel prezentacji W naszej prezentacji przedstawimy zagadnienia zwi
Bardziej szczegółowoModele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4
Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X
Bardziej szczegółowo