Wybrane wzory i tablice statystyczne

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wybrane wzory i tablice statystyczne"

Transkrypt

1 Wykłady ze Statystyk Ekoometr Jausz Górczyńsk Wybrae wzory tablce statystycze Wydae III orawoe uzuełoe Wyższa Szkoła Zarządzaa Marketgu Sochaczew 6

2 W ser materałów dydaktyczych Wykłady ze Statystyk Ekoometr dotychczas oublkowao:. Górczyńsk J. Wybrae wzory tablce statystycze, 999. Górczyńsk J. Podstawy statystyk, Górczyńsk J. Podstawy statystyk, Wydae II orawoe uzuełoe, 4. Górczyńsk J. Wybrae wzory tablce statystycze, Wydae II orawoe uzuełoe, 5. Górczyńsk J. Podstawy ekoometr Górczyńsk J. Procedury VBA MS Excel w badaach statystyczych, 6 Materały do druku zostały w całośc rzygotowae rzez Autora. ISBN Wydawca: Wyższa Szkoła Zarządzaa Marketgu w Sochaczewe Druk cyfrowy: SOWA, S. z o.o, ul. Hrubeszowska 6a, -9 Warszawa htt:// Arkuszy wydawczych 3,5 Arkuszy drukarskch 3,5

3 . Wstę Wybrae wzory tablce statystycze" rzezaczoe są dla osób studuących rzedmoty Statystyka Ekoometra studów dzeych zaoczych różych keruków. Poza tablcam statystyczym zgromadzoo tu wybrae wzory statystycze dotyczące estymac uktowe rzedzałowe arametrów oulac a odstawe róby losowe, weryfkac hotez statystyczych, aalzy warac edo dwuczykowe, aalzy regres korelac lowe dwóch zmeych, regres welokrote lowe regres elowe, korelac cząstkowych, szeregów czasowych.. Wybrae wzory.. Estymaca arametrów oulac a odstawe róby małe x mˆ x ( x x) x x x ˆ σ S średa arytmetycza śred kwadrat odchyleń var x ( ) S ( x x) x x x suma kwadratów odchyleń ˆ σ S S odchylee stadardowe ˆ σ x S x S S błąd średe arytmetycze S V x wsółczyk zmeośc 3 M e x [ ] +,5 ( x + x ) [ ] [ ] + dla earzystych dla arzystych wartość środkowa (medaa)

4 4.. Estymaca arametrów oulac a odstawe róby duże W tym rzyadku dae emrycze są zestawoe w szereg rozdzelczy. Nech x, x,, x ozaczaą odowedo doly góry kraec -tego rzedzału klasowego, lczebość obserwowaą w -tym rzedzale, środek -tego rzedzału klasowego. Średą arytmetyczą sumę kwadratów odchyleń zadzemy z wzorów: k x k mˆ x gdze,,..., k; k k średa z szeregu rozdzelczego var x ( x x) x x x suma kwadratów odchyleń k var x var x ˆ σ S gdze śred kwadrat odchyleń k Odchylee stadardowe, błąd średe arytmetycze wsółczyk zmeośc zaduemy tak ak w róbe małe. Dla oblczea domaty kwatyl rzędu (w tym kwartyl) musmy wcześe wyzaczyć częstośc emrycze emryczą dystrybuatę (sumy arastaące częstośc emryczych). Domatę oblczamy z wzoru: Do x d + d d ( d d ) + ( d d + h ) gdze x d, d, d, d +, hd to odowedo doly rzedzał klasowy domaty (te, w którym częstość emrycza osąga maksmum), lczebość tego rzedzału, lczebość rzedzału orzedego astęego, rozętość rzedzału domaty. gdze Kwatyl rzędu wyzaczamy z wzoru: K [ F x ] h x + ( ) w x,, F( x ), h w to odowedo doly kraec rzedzału klasowego zaweraący -ty kwatyl (te rzedzał, w którym dystrybuata emrycza o raz erwszy rzekracza wartość ), wartość dystrybuaty emrycze w orzedm rzedzale, rozętość rzedzału -tego kwatylu częstość emrycza tego rzedzału. d

5 5.3. Estymaca rzedzałowa arametrów oulac Przedzał ufośc dla średe m (rzy założeu, że X ~ N( m; σ ) ): m < x t α; Sx ; x + tα ; Sx > z P α gdze t α ; est wartoścą rozkładu t Studeta odczytaą z tablcy 3. Przedzał ufośc dla średe m (rzy założeu, że X N( m; σ ) ): σ σ m < x zα ; x + zα > z P α ~ gdze z α est taką wartoścą stadardowego rozkładu ormalego, dla które P { z > z α } α (moża korzystać z rozkładu t α; ), σ est zaym z założea odchyleem stadardowym. Przedzał ufośc dla warac σ ( rzy założeu, że X ~ N( m; σ ) ): σ ( ) S χ α ; ( ) S ; χ α ; z P α gdze α ;, χ α ; χ są wartoścam krytyczym rozkładu ch-kwadrat odczytaym z tablcy dla ustaloego ozomu stotośc α lczby sto swobody. Przedzał ufośc dla odchylea stadardowego σ (rzy założeu, że X ~ N( m; σ ) ): σ ( ) S χ α ; ; ( ) S χ α ; z P α gdze α ;, χ α ; χ są wartoścam krytyczym rozkładu ch-kwadrat odczytaym z tablcy dla ustaloego ozomu stotośc α lczby sto swobody.

6 6 Przedzał ufośc dla rawdoodobeństwa sukcesu w rozkładze dwumao- ˆ( ˆ) ˆ( ˆ) ˆ zα ; ˆ + zα z P α wym: gdze k ˆ est częstoścą emryczą wystąea dae cechy (sukcesu) w -elemetowe róbe (k lczba elemetów róby charakteryzuących sę daą cechą). Przedzał ufośc dla różcy średch m m (rzy założeu, że zmee X N( m ; ) oraz X N( m ; ) ): ~ σ m ~ σ m ( x x) tα ; + S ; ( x x) + tα ; + S P r r z gdze x, x są średm arytmetyczym z obu rób o lczoścach odowedo, a S est błędem różcy średch wyzaczoym z wzoru: r r S e ( ) S +. S e est wsólym średm kwadratem odchyleń dla obu rób wyzaczaym z wzoru: ( ) S + ( ) S var x + var x S e Weryfkaca hotez statystyczych Hoteza zerowa o wartośc średe H : m m weryfkowaa rzy alteratywach a) H : m m, b) H : m < m, c) H : m > m. α Zakładamy, że cecha X ~ N( m; σ ). Przy rawdzwośc H : m (fukca wyków róby): x m tem. S x ma rozkład t-studeta z lczbą sto swobody v. Obszary krytycze dla H : m m rzy alteratywach (odowedo): H : m m H : m < m H : m > m ( ; tα ; ) ( tα ; ; + ) ( ; t α ; ) ( t ; ; α + )

7 7 Hoteza zerowa o wartośc średe H : m m weryfkowaa rzy alteratywach a) H : m m, b) H : m < m, c) H : m > m. Zakładamy, że cecha X ~ N( m; σ ) [ σ ozacza zae odchylee]. Przy rawdzwośc H : m m statystyka (fukca wyków róby): x m σ z em. ma stadardowy rozkład ormaly N (;). Obszary krytycze dla H : m m rzy alteratywach (odowedo): H : m m H : m < m H : m > m ( ; z ) ( z ; + ) ; z ) ( z ; + ) α α ( α Hoteza zerowa o rówośc dwóch średch H : m m rzy alteratywach a) H : m m, b) H : m < m, c) H : m > m. α Zakładamy, że X N( m ; ) oraz X N( m ; ). Przy rawdzwośc hotezy : m m ~ σ H statystyka (fukca wyków róby): x x tem. Sr ~ σ ma rozkład t-studeta z lczbą sto swobody v +. Obszary krytycze dla H : m m rzy alteratywach (odowedo): H : m m : m m ( ; H < H : m > m ; tα ; v ) ( tα v; + ) ( ; t α ; v) ( t α ; v; + ) Hoteza zerowa o rówośc dwóch średch H : m m rzy alteratywe H : m m. Zakładamy, że X ~ N ( m ; σ ) oraz X ~ N( m; σ ). Oblczamy: x x różcę średch arytmetyczych z obu rób co do modułu NIR t ; ameszą stotą różcę α v S r Jeżel x x > NIR, to hotezę H : m m odrzucamy a korzyść alteratywy H : m m ako zbyt mało rawdoodobą.

8 8 Hoteza zerowa o zgodośc rozkładu emryczego z rozkładem ormalym H : X ~ N( m; ) wobec H : X ~ N( m; ). σ σ a) róba duża, dae zestawoe w szereg rozdzelczy. Statystyką testową est: χ em. k ( ) t t t gdze est lczoścą obserwowaą w -tym rzedzale klasowym, a est teoretyczą lczoścą w tym rzedzale wyzaczoą rzy założeu, że hoteza zerowa est rawdzwa. Lczość teoretyczą zaduemy z wzoru: t k x mˆ x mˆ, gdze P( X < x ; x > F F ˆ σ ˆ σ Wartośc mˆ σˆ są odowedo oceam średe odchylea stadardowego wyzaczoym z szeregu rozdzelczego, a wartośc dystrybuaty stadardowego rozkładu ormalego odczytywae są z tablcy. Hoteza zerowa może meć także taką ostać, że co ame ede z arametrów rozkładu est określoy rzez hotezę - m lub σ, wtedy z róby szacoway est brakuący arametr (lub żade, eżel oba są określoe rzez hotezę). Przy rawdzwośc hotezy zerowe statystyka testowa ma rozkład ch-kwadrat z lczbą sto swobody v k u, gdze k est lczbą rzedzałów klasowych, a u est lczbą arametrów szacowaych z róby (może być rówa, lub ). em. α; v Jeżel χ > χ, to hotezę zerową odrzucamy a korzyść alteratywy. Wartość krytyczą rozkładu ch-kwadrat odczytuemy z tablcy. b) róba o lczośc rzędu 5- elemetów, zmodyfkoway test Kołmogorowa- Smrowa. Użyce tego testu wymaga uorządkowaa elemetów róby rosąco, ch stadaryzac wyzaczea odowedch dystrybuat. Statystyką testową est fukca wyków róby: D *,85,+ D * * D α + gdze D su( D, D ) D su F( z ) x * Wartość krytyczą statystyk D rzy rzyętym ozome stotośc α odczytuemy z tablcy 9. Hotezę zerową zakładaącą, że daa cecha ma rozkład ormaly odrzucamy, eżel D >. + oraz D su( F( z ))

9 9 c) róba o lczośc do 5 elemetów, test W Sharo-Wlka Elemety róby orządkuemy rosąco wyzaczamy statystykę testową z wzoru: W em. a ; ( x + ( x x) x ) a :; w którym arametr określoy est ako: dla arzystych - dla earzystych a wartośc są stablcowaym wsółczykam (tablca ). Wartośc krytycze statystyk W dla ustaloego ozomu stotośc α lczośc róby odczytuemy z tablcy. eżel Hotezę zerową mówącą o tym, że daa cecha ma rozkład ormaly odrzucamy, W (uwaga: ze względu a kostrukcę testu obszar krytyczy est lewostroy). W em. α; Test ch-kwadrat Pearsoa może być wykorzystay do weryfkac hotezy o zgodośc rozkładu emryczego z dowolym rozkładem hotetyczym, a zmodyfkoway test Kołmogorowa-Smrowa oraz test Sharo-Wlka edye z rozkładem ormalym. Hoteza zerowa o zgodośc rozkładu emryczego w klku oulacach (bez rozstrzygaa, o ak ty rozkładu chodz). Obserwuemy tę samą cechę w klku oulacach. Iteresue as odowedź a ytae, czy rozkłady te są take same. Jeżel dystrybuatę dae cechy w -te oulac ozaczymy ako F, to hoteza zerowa ma ostać: H F F... : Zastosowae testu Klasy cechy X F k χ wymaga zestawea róby w szereg okazay że. Numer oulac k k k : r r r rk r k

10 Statystykę testową wyzaczamy z wzoru: χ em. r k t ( ) t t, gdze. Przy rawdzwośc hotezy zerowe statystyka ta ma rozkład ch-kwadrat z lczbą sto swobody v ( r )( k ). Wartość krytyczą rozkładu ch-kwadrat dla ustaloego ozomu stotośc α lczby sto swobody v odczytuemy z tablcy. Jeżel em. χα; v χ >, to hotezę zerową zakładaącą zgodość rozkładów odrzucamy ako zbyt mało rawdoodobą.

11 .5. Jedoczykowa aalza warac Model lowy edoczykowe aalzy warac w układze całkowce losowym ma ostać: gdze y m + a + e y est wartoścą badae cechy dla -tego ozomu czyka A w -tym owtórzeu, m - średa oulacya (geerala), a - efekt -tego ozomu czyka A, e - błąd losowy zwązay z -tym ozomem czyka A w -tym owtórzeu. Zakładamy, że y N ( m m + a ; σ ) oraz e N(; σ ). ~ e ~ e Model lowy edoczykowe aalzy warac ozwala a weryfkacę hotezy zerowe o braku wływu czyka A a wartośc aalzowae cechy: H : wobec alteratywy H :. a a Oblczea rowadzące do zweryfkowaa hotezy zerowe zwyczaowo rowadzoe są w tabel aalzy warac rzedstawoe oże. Zmeość Stoe swobody Sumy kwadratów odchyleń Śred kw. odchyleń F em. F α Czyka A v A var A S A F A F α ; v A ; v E Błędu losowego v E var E S E Całkowta v T var T Stoe swobody, sumy kwadratów odchyleń oraz średe kwadraty odchyleń oblczamy z wzorów: a dla... a a vt dla różych v A a (a est lczbą ozomów czyka badaego A) v E v T v a A a T var ( y y) y y y y a a Porawka

12 Iloczy średe sumy obserwac azywamy orawką, korzystamy z e rzy wyzaczau sum kwadratów odchyleń: Porawka y a a y, gdze y a y a a var A y y Porawka y y Porawka, gdze y y var E vart var A S A A a var A var E, SE, v v E y a S F A S y Przy rawdzwośc hotezy zerowe statystyka z lczbam sto swobody v A v E. Jeżel F A Fα ; v A ; v E A E y. FA ma rozkład F Fshera-Sedecora >, to hotezę zerową H : odrzucamy a korzyść alter- a atywy H :, tym samym uzaemy, że wływ czyka badaego est stoty a statystycze. Ozacza to koeczość rzerowadzea szczegółowego orówaa średch dla oszczególych ozomów tego czyka (wydzelee gru edorodych). Jeżel F A Fα; v A ; v E, to e mamy odstaw do odrzucea hotezy zerowe. Ozacza to, że czyk baday e modyfkue wartośc aalzowae cechy, a badae statystycze est zakończoe. Poże okazae est zestawee daych wyścowych (wyków ekserymetu) ułatwaące wykoae edoczykowe aalzy warac. Powt. A A A A a y y y a y y y y a a y y y y a y y y y y a y

13 3 Gruy edorode Przed rzystąeem do wydzelea gru edorodych musmy uorządkować wektor średch dla ozomów czyka badaego rosąco (eżel małe wartośc cechy są korzyste) lub maleąco, eżel duże wartośc cechy są korzyste). Przez gruę edorodą będzemy rozumeć tak zestaw ozomów czyka badaego, dla których sełoa est erówość: y y l NIR dla wszystkch / w daym zestawe średch. Namesza stota różca może być wyzaczoa z wykorzystaem różych statystyk, aczęśce będze to wartość t Studeta (tablca 3) lub t studetyzowaego rozstęu (tablce 6, 7): NIR Kα S Kα r S E, gdze: K α t t t α ; ve α ; a; ve α ; k; ve dla NIR Studeta (LSD) dla NIR Tukeya (HSD) dla NIR Newmaa Keulsa ( k lczba orówywaych średch) Dzelk est lczbą omarów, z których owstały średe dla ozomów czyka badaego: wtedy, gdy... a a a. a dla różych a

14 4.6. Dwuczykowa aalza warac gdze Model lowy dwuczykowe aalzy warac w układze całkowce losowym: y m + a + b + ( ab) + e k k y k - wartość aalzowae cechy dla -tego ozomu czyka A, -tego ozomu czyka B w k-tym owtórzeu; m - średa ogóla (geerala); a - efekt -tego ozomu czyka A; b - efekt -tego ozomu czyka B; ek ( ab) - efekt wsółdzałaa (terakc) -tego ozomu czyka A z -tym ozomem czyka B; - błąd losowy zwązay z -tym ozomem czyka A, -tym ozomem czyka B w k-tym owtórzeu. Zakładamy, że y N( ; σ ) oraz e N(; σ ). k ~ m e k ~ e Model lowy dwuczykowe aalzy warac ozwala a weryfkacę trzech hotez zerowych: H : o braku wływu czyka A; a H : b o braku wływu czyka B; H : ( ab) o braku wsółdzałaa obu czyków. Dae ekserymetale, a których będze wykoaa dwuczykowa aalzy warac zestawamy w dwóch omocczych tabelach: a) daych wyścowych z sumam średm dla kombac obu czyków Powt. A B A B B A A a B b y y y ab y k y y y ab y y y y ab y y y y y ab y

15 5 b) sum średch dla czyków A B B A A A a B y y y y a y y y B y y y b y ab y b y b y a y y a y y Oblczea rowadzące do zweryfkowaa trzech hotez zerowych zwyczaowo rowadzoe są w tabel aalzy warac okazae że. Zmeość Czyka A Czyka B Wsółdz. AB Błędu losowego Całkowta Stoe swobody v A v B Sumy kwadratów odchyleń Śred kw. odchyleń var A S A var B S B F em. F α F A F B v AB var AB S AB F AB v E v T var E S E var T Poszczególe składk tabel aalzy warac zaduemy z wzorów: a b v T v A v B v v AB E a b ( a )( b ) v T v A v B Porawka y y var T a var A b k v AB a b y k a b k yk a b k a y y y k Porawka Porawka F α ; v A ; v E F α ; v B ; v E F α ; v AB ; v E

16 6 b var B var AB a y y b y Porawka y Porawka var A var B var E vart var A var B var AB S A var A var B var AB var E, SB, S AB, SE v v v v A A E B E S S S F A, FB, FAB S S S Woskowae: Jeżel F A Fα, v A, v E B AB E AB > to odrzucamy hotezę zerową H : woskuemy, że E a wływ czyka A a wartośc badae cechy, średo orzez ozomy czyka B, est stoty statystycze. Jeżel F B Fα, v B, v E > to odrzucamy hotezę zerową H : b woskuemy, że wływ czyka B a wartośc badae cechy, średo orzez ozomy czyka A, est stoty statystycze. Jeżel F AB Fα, v AB, v E > to odrzucamy hotezę zerową H : ( ab) woskuemy, że wsółdzałae obu czyków est stoty statystycze. Porówaa szczegółowe W rzyadku odrzucea hotez zerowych owśmy rzerowadzć szczegółowe orówaa średch (wydzelee gru edorodych) wg zasad rzedstawoych w edoczykowe aalze warac.

17 7.7. Regresa korelaca lowa dwóch zmeych Nech zmea losowa Y N( m( x) a + bx; σ ), a zmea X ech będze ~ y / x zmeą rzeczywstą lub losową. Wartość oczekwaa (średa) zmee losowe Y est lową fukcą zmee X. Parametry te fukc szacuemy metodą ameszych kwadratów a odstawe odowede róby losowe: ( x x)( y y) xy bˆ cov, var x ( x x) x x x aˆ y bx ˆ. x y x Oceę warac odchyleń od modelu wyzaczamy z wzoru: var y bˆcov xy ˆ σ y / x S y / x. Weryfkaca hotezy o stotośc regres H : b wobec H : b Przy rawdzwośc hotezy zerowe statystyka: t bˆ S em. bˆ bˆ S y / x var x y ma rozkład t-studeta z lczbą sto swobody v. Jeżel t em. > tα, v, to hotezę zerową H : b odrzucamy a korzyść alteratywy woskuemy, że stee stoty, lowy zwązek mędzy wartoścą średą zmee Y a zmeą X osay rówaem regres z róby ostac mˆ ( x) aˆ + bˆ x. Wsółczyk regres b formue as o tym, o le średo zmea sę zmea zależa Y rzy wzrośce zmee ezależe X o edostkę. Wykorzystae wyestymowae fukc regres do rogozowaa, błędy rogozy Teoretyczą, średą wartość zmee losowe Y w wybraym ukce x zaduemy z wzoru:

18 8 m ˆ ( x ) aˆ + bˆ x, a błąd rogozy z wzoru: S m ˆ ( x ) S y / x ( x x) + var x. Moża także zbudować rzedzał ufośc dla wartośc regresye w ukce x : m ˆ ( S ˆ ; mˆ ( x) + tα, S ˆ z P α. ( x ) m x) tα, m( x ) m( x ) Wsółczyk korelac lowe z róby Oceą wsółczyka korelac ρ w oulac est: ˆ r em. ρ cov xy var x var y Weryfkaca hotezy o stotośc korelac H : ρ wobec H : ρ. Przy rawdzwośc hotezy zerowe statystyka: t rem. r em. em. ma rozkład t-studeta z lczbą sto swobody v. Jeżel t em. tα, v >, to hotezę zerową H : ρ odrzucamy woskuemy, że korelaca lowa mędzy badaym zmeym est stota statystycze. Hotezę H : ρ możemy także zweryfkować orzez orówae wartośc bezwzględe wsółczyka korelac z róby z wartoścą krytyczą tego wsółczyka odczytaą z tablcy 8. Jeżel rem. > rα,, to hotezę zerową H : ρ odrzucamy woskuemy o stotośc korelac lowe. Hotezy zerowe H : b H : ρ są rówoważe w sese woskowaa: eżel odrzucmy edą z ch, to druga będze także odrzucoa. Wsółczyk determac Ią marą sły zwązku mędzy zmeym (oza wsółczykem korelac) est wsółczyk determac:

19 9 D rem. Wsółczyk determac formue as o tym, w lu rocetach zmeość zmee zależe est wyaśoa rzez zmeą ezależą..8. Regresa welokrota lowa Nech zmea losowa Y N( m( x, x,..., ); σ ), a zmee ezależe (obaśaące) ~ x k y / x,. x,.., xk, X, X k ech będą rzeczywste lub losowe. X..., Zakładamy, że wartość oczekwaa (średa) zmee losowe Y est fukcą lową zmeych X (,,..., k) : m( x, x,..., xk ) b + b x + b x bk x Na odstawe -elemetowe róby losowe ( y, x, x,..., xk ) estymuemy metodą ameszych kwadratów ezae arametry fukc regres rozwązuąc układ rówań ormalych ostac: gdze V B ˆ C var x cov xx V... cov xx k var x... cov x x k var xk k b + bˆ b ˆ ˆ B... bˆ k k b x C cov x cov x... cov x Rozwązaem układu rówań ormalych V B ˆ C est wektor B ˆ V C, gdze V est macerzą odwrotą do macerzy kowarac V : V v v... k v v v... k v kk Mędzy elemetam macerzy v ( ) + v V V V macerzy V zachodz zwązek:, k y y y

20 gdze,,,..., k ; V est wyzaczkem macerzy V, a V est wyzaczkem macerzy otrzymae z macerzy V o wykreśleu -tego wersza -te kolumy. Oceę wyrazu wolego zaduemy z zależośc: b ˆ y ( b ˆ x + b ˆ x b ˆ k x ). k Weryfkaca hotezy o stotośc regres welokrote Weryfkuemy metodą aalzy warac hotezę zerową ostac: H : b (,,..., ) wobec alteratywy H : b. k Zmeość Stoe swobody Sumy kwadratów odchyleń Śred kw. odchyleń F em. F α Regres v R var R S R F R F α ; v R ; v E Błędu losowego v E var E S E gdze Całkowta v T var T v T, v R k, k v E k var T var y, var R b ˆ cov x y, var E vart var R a ozostałe elemety lczoą są tak, ak w edoczykowe aalze warac. Weryfkaca hotezy o stotośc cząstkowych wsółczyków regres Odrzucee hotezy zerowe H : b (,,..., ) ozacza, że co ame k ede cząstkowy wsółczyk regres est stote róży od zera. Tym samy owśmy rzerowadzć weryfkacę ser hotez szczegółowych ostac: H : dla,,..., k wobec alteratywy H :. b Przy rawdzwośc hotezy zerowe statystyka: b t em.( ) bˆ S bˆ S bˆ E v

21 gdze E S est średm kwadratem odchyleń od modelu, a macerzy V, ma rozkład t-studeta z lczbą sto swobody v k. Jeżel tem.( ) > tα, k, to H : b odrzucamy, co ozacza, że zmea ezależa v est elemetem dagoalym X est stota statystycze owa ozostać w modelu fukc regres. Mara dobroc doasowaa modelu Wsółczyk korelac regres welokrote R oraz ego kwadrat (wsółczyk determac D) są maram dobroc doasowaa modelu do daych emryczych: R em. k bˆ cov x y D var y Rem. Im oba wsółczyk są blższe (%), tym doasowae modelu est lesze. Regresa krokowa b Problem doboru modelu fukc regres e est łatwy w sytuac, gdy zmee obaśaące są skorelowae. W takch sytuacach elmaca estotych zmeych obaśaących metodą weryfkac ser hotez o stotośc cząstkowych wsółczyków regres H : est eskutecza, a wręcz może dorowadzć do absurdalych wosków końcowych (źle skostruowaego modelu). W zastosowaach raktyczych stosue sę metodę tzw. regres krokowe (stoowego doberaa modelu fukc regres). Istota te metody srowadza sę do dwóch zasadczych etaów (wstęego elmac estotych zmeych):. zaczyamy racę ad doborem modelu fukc regres od umeszczea w m otecale wszystkch zmeych ezależych (owedzmy k zmeych). Wyzaczamy wsółczyk determac D śred kwadrat odchyleń od modelu S E. dla wszystkch zmeych ezależych uwzględoych w modelu wyzaczamy wartość emryczą statystyk t-studeta dla hotez o stotośc cząstkowych wsółczyków regres. Przechodzmy do etau elmac z modelu estote zmee ezależe usuwaąc tę z ch, dla które wartość statystyk t-studeta (co do wartośc bezwzględe) est amesza. Usuęce estote zmee losowe owo ezacze zmeszyć wsółczyk determac D, a dość zacze śred kwadrat odchyleń od modelu S E.

22 Taką elmacę rowadzmy tak długo, aż wszystke hotezy o stotośc cząstkowych wsółczyków regres (dla zmeych ozostawoych w modelu) zostaą odrzucoe. Iterretaca cząstkowego wsółczyka regres Cząstkowy wsółczyk regres sę wartość zmee zależe Y rzy wzrośce X o edostkę rzy ustaloych wartoścach ozostałych zmeych ezależych. b mów am o tym, o le średo zme.9. Regresa krzywolowa, learyzaca modelu W zastosowaach raktyczych często musmy wychodzć oza formale założee, że wartość oczekwaa zmee losowe Y est fukcą lową zmee czy zmeych ezależych. Przykładowo teresue as estymaca astęuące fukc regres dwóch zmeych:, x) x 3 4x m ( x b + b x + b + b x + b + b x x. Wrowadzaąc formale owe zmee: x z x z3 x z4 x z5 xx z srowadzamy model elowy do stadardowego modelu lowego: m ( z b + b z + b z + b z + b z + b z., z,..., z5) Wrowadzee owych zmeych ozwalaące a formale srowadzee modelu elowego do modelu lowego azywamy learyzacą modelu (e zawsze est możlwe). Dalszy roces estymac rzebega tak ak w zwykłym modelu lowym z edym ograczeem dotyczącym terretac cząstkowych wsółczyków regres (z reguły e est możlwa)... Problem orawośc doboru modelu fukc regres Jedym z stotych etaów estymac modelu fukc regres est ustalee, że zaroooway (wyestymoway) model est orawe określoy. Srawdzee tego waruku wymaga zweryfkowaa hotezy H : E( e ), gdze e y yˆ są resztam losowym, czyl różcam mędzy orygalym wartoścam zmee losowe Y a wartoścą teoretyczym wyzaczoym z wyestymowaego modelu. Nesełee waruku ( ) E est sygałem, że model est źle określoy mus e być zmeoy w zakrese ostac modelu czy doboru zmeych ezależych. { XE "Model:źle określoy" \ } 5

23 3 Badae losowośc reszt est wykoywae zawsze a osteror, czyl o wyestymowau modelu fukc regres. Dla każde obserwac emrycze y wyzaczamy wartość teoretyczą ŷ oraz resztę losową e y yˆ. W uorządkowaym rosąco według wartośc zmee ezależe X cągu reszt określamy lczbę ser S reszt tych samych zaków. W orawe dobraym modelu lczba tych ser owa ależeć do ewego rzedzału lczbowego. Krańce tego rzedzału możemy odczytać z tablc rozkładu ser dla ustaloego ozomu stotośc α (Tablca ). Rozkład ser e est symetryczy, stąd z tablc tego rozkładu będzemy odczytywać dwe wartośc krytycze * S * S uzależoe od ozomu stotośc α oraz lczby reszt edo- :{ XE "Pozom:stotośc" \ } meych (dodatch uemych) * S dla α oraz * S dla α. * * Przedzał lczbowy < S ; S > wyzacza obszar douszczaly dla hotezy zerowe zakładaące losowość reszt. Tym samym w sytuac, gdy wyzaczoa lczba ser S ależy * * do rzedzału < S ; S >, to model fukc regres został orawe dobray. { XE "Test:ser" \ } * * Jeżel wyzaczoa lczba ser S < S lub S > S, to reszty e są losowe, a to ocąga koeczość zmay modelu fukc regres. Tablce lczby ser są oracowae edye dla lczby reszt dodatch (uemych) e rzekraczaących, co może być roblemem rzy wększych róbach losowych. W takch sytuacach moża rzyblżyć rozkład lczby ser S rozkładem ormalym rzymuąc, że: ˆ ms + ˆ σ S + ( ( + ) ( + Pozwala to a stadaryzacę rozkładu lczby ser S: S mˆ S zem. σˆ S e ) ) weryfkacę rówoważe do H : E( ) hotezy zerowe H : z orzez srawdzee, czy statystyka z em. trafa do obszaru krytyczego dla H czy też e. Jeżel z em > z. α, to hotezę zerową o losowośc reszt odrzucamy (co ocąga za sobą koeczość zmay modelu fukc regres).

24 4.. Korelaca cząstkowa Maąc do dysozyc welocechową róbę losową ( x, x,..., xk ) możemy wyzaczyć macerz kowarac V mędzy zmeym: var x cov xx V... cov xx k var x... cov x x k var xk a te odstawe macerz R wsółczyków korelac lowe mędzy zmeym: gdze r r R... rk r l r r... k r kk cov x xl, l,,..., k; var x var x l l. Wsółczyk korelac lowe rl wystęuące w macerzy R są marą sły zwązku mędzy -tą l-tą zmeą oblczoym rzy założeu, że e ma zwązków mędzy tym dwoma zmeym a ozostałym zmeym, co ekoecze mus być rawdą. Przykładowo, obe rozatrywae zmee mogą być skorelowae. ze zmeą o wskaźku, a marą tego zwązku są wsółczyk r oraz r l. Cząstkowy wsółczyk korelac ozwala a wyzaczee mary sły zwązku mędzy -tą l-tą zmeą rzy uwzględeu ch zwązku ze zmeą -tą (o wyelmowau wływu te zmee): r l. rl r rl. ( r )( r ) l Dla wększe lczby zmeych elmowaych możemy korzystać z wzorów rekurecyych: r l. r rl. rr. rlr.. ( r. )( r ) r lr.

25 .. Szereg czasowe, wyrówywae szeregu Średe ruchome Narostszą metodą wyelmowaa wahań okresowych est zastąee orygalego zestawu daych średm ruchomym oblczoym z składków: 5 y t r y t + r + ( t +, +,..., ). Dla mamy średe trzyokresowe, dla Średe ruchome scetrowae średe ęcookresowe td. Jeżel w całym cyklu wahań okresowych wystęue arzysta lczba odokresów d rzymuąc, że d, to średą scetrowaą wyzaczymy z wzoru: y t,5y t + y t + r r + +,5y t + ( t +, +,..., ). Wyrówae wykładcze Jeżel wyrazy szeregu wyrówaego ozaczymy rzez S t, to: yt St ayt + ( a) S t dla t dla t, 3,..., Stała a os azwę stałe wyrówaa est ustalaa arbtrale, rzymue wartośc z rzedzału (; ). Wyrówae aaltycze Przedstawoe wcześe metody wyrówywaa e daą osu fukcyego tredu. Os tak moża uzyskać doberaąc metodą ameszych kwadratów fukcę tredu. Do osu tedec rozwoowe aczęśce są używae fukce: lowa, otęgowa, wykładcza, welomaowa, logstycza. Metody doboru tego tyu fukc zostały rzedstawoe wcześe (zagadea regres). Wskaźk wahań okresowych dla szeregu czasowego bez tredu Ozaczmy elemety szeregu czasowego z wahaam okresowym rzez: ( yt t d ) ;,,..., ;,,..., a rzez y oraz y odowedo średe w -tym odokrese średą ogólą.

26 6 Wskaźk wahań okresowych są defowae ako: y Q (dla,,..., d ). y Wskaźk wahań okresowych dla szeregu czasowego z tredem Z uwag a wystęowae tredu welkość wahań okresowych est oceaa rzez orówae orygalego szeregu z szeregem wyrówaym. Oblczea są zróżcowae w zależośc od charakteru wahań. a) dla wahań multlkatywych (o zmee amltudze) - dla tych wszystkch wyrazów szeregu orygalego yt dla których steą wartośc wyrówae ~ y yt oblczamy dywduale wskaźk sezoowośc ostac t ~ y. t - surowe wskaźk wahań okresowych otrzymamy oblczaąc średe dywdualych wskaźków sezoowośc w oszczególych odokresach: yt Q ~ y ' ( t t N,,..., d) gdze N ozacza zbór umerów obserwac ależących do -tego odokresu, a lczebość tego zboru. - oczyszczoe wskaźk wahań okresowych otrzymamy o skorygowau wskaźków surowych wg wzoru: ' d Q Q (,,..., d). d Q ' Suma wartośc oczyszczoych wskaźków wahań okresowych est rówa lczbe odokresów: d Q d. b) dla wahań addytywych (o stałe amltudze) - dla tych wszystkch wyrazów szeregu orygalego y t dla których steą wartośc wyrówae ~ yt oblczamy dywduale różce ostac y t ~ yt. - surowe wskaźk wahań okresowych otrzymamy oblczaąc średe dywdualych różc w oszczególych odokresach: S ( y ~ t y ) ' t ( N,,..., d)

27 7 gdze N ozacza zbór umerów obserwac ależących do -tego odokresu, a lczebość tego zboru. - oczyszczoe wskaźk wahań okresowych otrzymamy o skorygowau wskaźków surowych wg wzoru: S S ' d d S '. Suma wartośc oczyszczoych wskaźków wahań okresowych est rówa zero: d S Wyzaczoe w te sosób wskaźk wahań okresowych (oczyszczoe) moża wykorzystać do wyelmowaa wahań z szeregu czasowego. W zależośc od tyu wahań okresowych mamy: ' yt yt ( t N ) dla szeregu multlkatywego, Q ' t t y y S ( t N ) dla szeregu addytywego. Progozowae w szeregu czasowym Jeżel zamy ostać aaltyczą tredu mamy wyzaczoe wskaźk wahań okresowych, to moża uzyskać rogozę dla rzyszłych okresów: y y T T yˆ Q ( T N ) dla szeregu multlkatywego, T yˆ + S ( T N ) dla szeregu addytywego. T ŷ T w owyższych wzorach ozacza wyzaczoą z fukc tredu rzew- Symbol dywaą, średą wartość zmee Y w chwl czasu t T.

28 8.3. Ideksy statystycze Nech y t ozacza wartość badaego zawska w koleych mometach czasu t. Podstawowym merkam zma ozomu zmee y t są absolute rzyrosty wartośc y t w okrese ( t, t) : y y ( t, 3,..., ), t t t absolute rzyrosty wartośc y w okrese ( t, t) w odeseu do ozomu tego zawska w wybraym ukce t * t : t yt yt δ t ( t, 3,..., ). y * y * t t Jeżel dla każdego t uktem odesea est wartość zawska w orzedm okrese y * t y t, to take rzyrosty względe azywamy łańcuchowym, a eśl ukt odesea est stały, to mówmy o rzyrostach względych edoodstawowych. Wskaźkem (deksem) dyamk wartośc zawska w wybraym ukce y * est lczba: t t / t * yt ( t,,..., ). y * t y t w odeseu do ozomu tego W zależośc od sosobu ustalea y *, możemy mówć o deksach łańcuchowych lub edoodstawowych. Jeżel dla każdego t uktem odesea est wartość zaw- t ska w orzedm okrese y * y t t, to take deksy azywamy łańcuchowym, a eśl ukt odesea est stały, to mówmy o deksach edoodstawowych. Agregatowe deksy wartośc, lośc ce Ideksy tego tyu są wykorzystywae do ocey dyamk zawska w eedorode zborowośc (. dyamka ce różych roduktów). Ozaczmy odowedo rzez: w w - wartość -tego roduktu w momece odstawowym badaym,, - lość -tego roduktu w momece odstawowym badaym,, - cea -tego roduktu w momece odstawowym badaym.,

29 9 Dla każdego z rozatrywaych roduktów moża wyzaczyć dywduale wskaźk (deksy): w w w )...,,, ( m wartośc, )...,,, ( m lośc, )...,,, ( m ce. Dla określea łącze dyamk wartośc m roduktów w badaych okresach wyzaczamy agregatowy deks wartośc: m m m m w w w I. Jeżel chcemy określć wływ ce a łączą dyamkę wartośc m roduktów, to wyzaczamy agregatowy deks ce wg formuły odowedo: Laseyresa Paaschego m m L I m m P I Agregatowy deks ce ma ustaloy ozom lośc; w rzyadku formuły Laseyresa a ozome mometu odstawowego, a w rzyadku formuły Paaschego a ozome mometu badaego. Agregatowy deks ce moża także zasać z wykorzystaem dywdualego deksu ce wg formuły: Laseyresa Paaschego m m L I m m P I

30 3 Jeżel chcemy określć wływ lośc a łączą dyamkę wartośc m roduktów, to wyzaczamy agregatowy deks lośc wg formuły odowedo: Laseyresa Paaschego m m L I m m P I Agregatowy deks lośc ma ustaloy ozom ce; w rzyadku formuły Laseyresa a ozome mometu odstawowego, a w rzyadku formuły Paaschego a ozome mometu badaego. Agregatowy deks lośc moża także zasać z wykorzystaem dywdualego deksu lośc wg formuły: Laseyresa Paaschego m m L I m m P I Agregatowe deksy Fshera Agregatowe deksy ce lośc maą edą wadę wykaącą z faktu, że e sełaą wymogów odwracalośc w czase ak odwracalośc czyków. Wady te ozbawoe są deksy Fshera, będące średm geometryczym z deksów wg formuł Laseyresa Paaschego. P L F I I I agregatowy deks ce wg Fshera, P L F I I I agregatowy deks lośc wg Fshera. Mędzy agregatowym deksem wartośc, a agregatowym deksam ce lośc zachodz astęuąca rówość: F F P L L w I I I I I I I. Rówość owyższa os azwę rówośc deksowe, aczęśce est wykorzystywaa rzy rzelczau deksów agregatowych.

31 3 3. Tablce statystycze Tablca. Dystrybuata stadardowego rozkładu ormalego z F ( z) f ( z) dz,,,,3,4,5,6,7,8,9,,5,54,58,5,56,599,539,579,539,5359,,5398,5438,5478,557,5557,5596,5636,5675,574,5753,,5793,583,587,59,5948,5987,66,664,63,64,3,679,67,655,693,633,6368,646,6443,648,657,4,6554,659,668,6664,67,6736,677,688,6844,6879,5,695,695,6985,79,754,788,73,757,79,74,6,757,79,734,7357,7389,74,7454,7486,757,7549,7,758,76,764,7673,774,7734,7764,7794,783,785,8,788,79,7939,7967,7995,83,85,878,86,833,9,859,886,8,838,864,889,835,834,8365,8389,,843,8438,846,8485,858,853,8554,8577,8599,86,,8643,8665,8686,878,879,8749,877,879,88,883,,8849,8869,8888,897,895,8944,896,898,8997,95,3,93,949,966,98,999,95,93,947,96,977,4,99,97,9,936,95,965,979,99,936,939,5,933,9345,9357,937,938,9394,946,948,949,944,6,945,9463,9474,9484,9495,955,955,955,9535,9545,7,9554,9564,9573,958,959,9599,968,966,965,9633,8,964,9649,9656,9664,967,9678,9686,9693,9699,976,9,973,979,976,973,9738,9744,975,9756,976,9767,,977,9778,9783,9788,9793,9798,983,988,98,987,,98,986,983,9834,9838,984,9846,985,9854,9857,,986,9864,9868,987,9875,9878,988,9884,9887,989,3,9893,9896,9898,99,994,996,999,99,993,996,4,998,99,99,995,997,999,993,993,9934,9936,5,9938,994,994,9943,9945,9946,9948,9949,995,995,6,9953,9955,9956,9957,9959,996,996,996,9963,9964,7,9965,9966,9967,9968,9969,997,997,997,9973,9974,8,9974,9975,9976,9977,9977,9978,9979,9979,998,998,9,998,998,998,9983,9984,9984,9985,9985,9986,9986 3,,9987,9987,9987,9988,9988,9989,9989,9989,999,999 Jeżel z <, to F( z) F( z)

32 3 Tablca. Wartośc krytycze ;v α ; v χ take, że P ( χ χα ) α v Pozom stotośc α,975,95,9,,5,5,,,4,6,76 3,84 5,4 6,635,5,3, 4,65 5,99 7,378 9, 3,6,35,584 6,5 7,85 9,348,345 4,484,7,64 7,779 9,488,43 3,77 5,83,45,6 9,36,7,83 5,86 6,37,635,4,645,59 4,449 6,8 7,69,67,833,7 4,67 6,3 8,475 8,8,733 3,49 3,36 5,57 7,535,9 9,7 3,35 4,68 4,684 6,99 9,3,666 3,47 3,94 4,865 5,987 8,37,483 3,9 3,86 4,575 5,578 7,75 9,675,9 4,75 4,44 5,6 6,34 8,549,6 3,337 6,7 3 5,9 5,89 7,4 9,8,36 4,736 7, ,69 6,57 7,79,64 3,685 6,9 9,4 5 6,6 7,6 8,547,37 4,996 7,488 3, ,98 7,96 9,3 3,54 6,96 8,845 3, 7 7,564 8,67,85 4,769 7,587 3,9 33,49 8 8,3 9,39,865 5,989 8,869 3,56 34,85 9 8,97,7,65 7,4 3,44 3,85 36,9 9,59,85,443 8,4 3,4 34,7 37,566,83,59 3,4 9,65 3,67 35,479 38,93,98,338 4,4 3,83 33,94 36,78 4,89 3,689 3,9 4,848 3,7 35,7 38,76 4,638 4,4 3,848 5,659 33,96 36,45 39,364 4,98 5 3, 4,6 6,473 34,38 37,65 4,646 44,34 6 3,844 5,379 7,9 35,563 38,885 4,93 45,64 7 4,573 6,5 8,4 36,74 4,3 43,95 46, ,38 6,98 8,939 37,96 4,337 44,46 48,78 9 6,47 7,78 9,768 39,87 4,557 45,7 49, ,79 8,493,599 4,56 43,773 46,979 5,89 4 4,433 6,59 9,5 5,85 55,758 59,34 63,69 5 3,357 34,764 37,689 63,67 67,55 7,4 76,54 6 4,48 43,88 46,459 74,397 79,8 83,98 88, ,758 5,739 55,39 85,57 9,53 95,3, ,53 6,39 64,78 96,578,879 6,69, ,647 69,6 73,9 7,565 3,45 8,36 4,6 74, 77,99 8,358 8,498 4,34 9,56 35,87

33 33 Tablca 3. Wartośc krytycze t ; v α take, że P ( t t ; ) α > α v Pozom stotośc α v,5,,5,,5,, 6,34,76 63,656 7,3 636,578,86,9 4,33 9,95 4,89 3,6 3,765,353 3,8 5,84 7,453,94 4,74,3,776 4,64 5,598 8,6 5,77,5,57 4,3 4,773 6,869 6,78,943,447 3,77 4,37 5,959 7,7,895,365 3,499 4,9 5,48 8,76,86,36 3,355 3,833 5,4 9,73,833,6 3,5 3,69 4,78,7,8,8 3,69 3,58 4,587,697,796, 3,6 3,497 4,437,695,78,79 3,55 3,48 4,38 3,694,77,6 3, 3,37 4, 4,69,76,45,977 3,36 4,4 5,69,753,3,947 3,86 4,73 6,69,746,,9 3,5 4,5 7,689,74,,898 3, 3,965 8,688,734,,878 3,97 3,9 9,688,79,93,86 3,74 3,883,687,75,86,845 3,53 3,85,686,77,74,89 3,9 3,79 4,685,7,64,797 3,9 3,745 6,684,76,56,779 3,67 3,77 8,683,7,48,763 3,47 3,674 3,683,697,4,75 3,3 3,646 35,68,69,3,74,996 3,59 4,68,684,,74,97 3,55 45,68,679,4,69,95 3,5 5,679,676,9,678,937 3,496 6,679,67,,66,95 3,46 7,678,667,994,648,899 3,435 8,678,664,99,639,887 3,46 9,677,66,987,63,878 3,4,677,66,984,66,87 3,39,676,653,97,6,838 3,34 5,675,648,965,586,8 3,3 +,675,646,96,58,83 3,3

34 34 F ; u ; v Tablca 4a. Wartośc krytycze F Fshera-Sedecora α dla α, 5 Stoe swobody u dla średego kwadratu odchyleń w lczku v ,45 99,5 5,7 4,58 3,6 33,99 36,77 38,88 8,5 9, 9,6 9,5 33,99 9,3 9,33 9,35 9,37 3,3 9,55 9,8 9, 9, 8,94 8,89 8,85 4 7,7 6,94 6,59 6,39 6,6 6,6 6,9 6,4 5 6,6 5,79 5,4 5,9 5,5 4,95 4,88 4,8 6 5,99 5,4 4,76 4,53 4,39 4,8 4, 4,5 7 5,59 4,74 4,35 4, 3,97 3,87 3,79 3,73 8 5,3 4,46 4,7 3,84 3,69 3,58 3,5 3,44 9 5, 4,6 3,86 3,63 3,48 3,37 3,9 3,3 4,96 4, 3,7 3,48 3,33 3, 3,4 3,7 4,84 3,98 3,59 3,36 3, 3,9 3,,95 4,75 3,89 3,49 3,6 3, 3,,9,85 3 4,67 3,8 3,4 3,8 3,3,9,83,77 4 4,6 3,74 3,34 3,,96,85,76,7 5 4,54 3,68 3,9 3,6,9,79,7,64 6 4,49 3,63 3,4 3,,85,74,66,59 7 4,45 3,59 3,,96,8,7,6,55 8 4,4 3,55 3,6,93,77,66,58,5 9 4,38 3,5 3,3,9,74,63,54,48 4,35 3,49 3,,87,7,6,5,45 4,3 3,47 3,7,84,68,57,49,4 4,3 3,44 3,5,8,66,55,46,4 3 4,8 3,4 3,3,8,64,53,44,37 4 4,6 3,4 3,,78,6,5,4,36 5 4,4 3,39,99,76,6,49,4,34

35 35 Tablca 4b. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, 5 Stoe swobody u dla średego kwadratu odchyleń w lczku v ,3 3,37,98,74,59,47,39,3 7 4, 3,35,96,73,57,46,37,3 8 4, 3,34,95,7,56,45,36,9 9 4,8 3,33,93,7,55,43,35,8 3 4,7 3,3,9,69,53,4,33,7 3 4,5 3,9,9,67,5,4,3,4 34 4,3 3,8,88,65,49,38,9,3 36 4, 3,6,87,63,48,36,8, 38 4, 3,4,85,6,46,35,6,9 4 4,8 3,3,84,6,45,34,5,8 4 4,7 3,,83,59,44,3,4,7 44 4,6 3,,8,58,43,3,3,6 46 4,5 3,,8,57,4,3,,5 48 4,4 3,9,8,57,4,9,,4 5 4,3 3,8,79,56,4,9,,3 6 4, 3,5,76,53,37,5,7, 8 3,96 3,,7,49,33,,3,6 3,94 3,9,7,46,3,9,,3 5 3,9 3,7,68,44,9,7,8, 5 3,9 3,6,66,43,7,6,7, 3,89 3,4,65,4,6,4,6,98 3 3,87 3,3,63,4,4,3,4,97 5 3,86 3,,6,39,3,,3,96 3,85 3,,6,38,,,,95 + 3,84 3,,6,37,,,,94

36 36 Tablca 4c. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, 5 Stoe swobody u dla średego kwadratu odchyleń w lczku v ,54 4,88 43,9 45,36 46,47 47,3 48, 49,6 9,38 9,4 9,4 9,4 9,43 9,44 9,45 9,46 3 8,8 8,79 8,74 8,7 8,69 8,67 8,66 8,63 4 6, 5,96 5,9 5,87 5,84 5,8 5,8 5,77 5 4,77 4,74 4,68 4,64 4,6 4,58 4,56 4,5 6 4, 4,6 4, 3,96 3,9 3,9 3,87 3,83 7 3,68 3,64 3,57 3,53 3,49 3,47 3,44 3,4 8 3,39 3,35 3,8 3,4 3, 3,7 3,5 3, 9 3,8 3,4 3,7 3,3,99,96,94,89 3,,98,9,86,83,8,77,73,9,85,79,74,7,67,65,6,8,75,69,64,6,57,54,5 3,7,67,6,55,5,48,46,4 4,65,6,53,48,44,4,39,34 5,59,54,48,4,38,35,33,8 6,54,49,4,37,33,3,8,3 7,49,45,38,33,9,6,3,8 8,46,4,34,9,5,,9,4 9,4,38,3,6,,8,6,,39,35,8,,8,5,,7,37,3,5,,6,,,5,34,3,3,7,3,,7, 3,3,7,,5,,8,5, 4,3,5,8,3,9,5,3,97 5,8,4,6,,7,4,,96

37 37 Tablca 4d. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, 5 Stoe swobody u dla średego kwadratu odchyleń w lczku v ,7,,5,9,5,,99,94 7,5,,3,8,4,,97,9 8,4,9,,6,,99,96,9 9,,8,,5,,97,94,89 3,,6,9,4,99,96,93,88 3,9,4,7,,97,94,9,85 34,7,,5,99,95,9,89,83 36,5,,3,98,93,9,87,8 38,4,9,,96,9,88,85,8 4,,8,,95,9,87,84,78 4,,6,99,94,89,86,83,77 44,,5,98,9,88,84,8,76 46,9,4,97,9,87,83,8,75 48,8,3,96,9,86,8,79,74 5,7,3,95,89,85,8,78,73 6,4,99,9,86,8,78,75,69 8,,95,88,8,77,73,7,64,97,93,85,79,75,7,68,6 5,96,9,83,77,73,69,66,59 5,94,89,8,76,7,67,64,58,93,88,8,74,69,66,6,56 3,9,86,78,7,68,64,6,54 5,9,85,77,7,66,6,59,53,89,84,76,7,65,6,58,5 +,88,83,75,69,65,6,57,5

38 38 Tablca 4e. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, 5 Stoe swobody u dla średego kwadratu odchyleń w lczku v , 5,4 5,77 5,6 53,4 53,68 54,6 54,9 9,46 9,47 9,48 9,48 9,49 9,49 9,49 9,49 3 8,6 8,59 8,58 8,56 8,55 8,54 8,53 8,53 4 5,75 5,7 5,7 5,68 5,66 5,65 5,64 5,63 5 4,5 4,46 4,44 4,4 4,4 4,39 4,37 4,37 6 3,8 3,77 3,75 3,73 3,7 3,69 3,68 3,67 7 3,38 3,34 3,3 3,9 3,7 3,5 3,4 3,3 8 3,8 3,4 3,,99,97,95,94,93 9,86,83,8,77,76,73,7,7,7,66,64,6,59,56,55,54,57,53,5,47,46,43,4,4,47,43,4,37,35,3,3,3 3,38,34,3,8,6,3,, 4,3,7,4,,9,6,4,4 5,5,,8,4,,,8,7 6,9,5,,9,7,4,, 7,5,,8,4,,99,97,97 8,,6,4,,98,95,93,9 9,7,3,,96,94,9,89,88,4,99,97,93,9,88,86,85,,96,94,9,88,84,83,8,98,94,9,87,85,8,8,79 3,96,9,88,84,8,79,77,76 4,94,89,86,8,8,77,75,74 5,9,87,84,8,78,75,73,7

39 39 Tablca 4f. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, 5 Stoe swobody u dla średego kwadratu odchyleń w lczku v ,9,85,8,78,76,73,7,7 7,88,84,8,76,74,7,69,68 8,87,8,79,75,73,69,67,66 9,85,8,77,73,7,67,65,65 3,84,79,76,7,7,66,64,63 3,8,77,74,69,67,63,6,6 34,8,75,7,67,65,6,59,58 36,78,73,69,65,6,59,56,56 38,76.7,68,63,6,57,54,54 4,74,69,66,6,59,55,53,5 4,73,68,65,6,57,53,5,5 44,7,67,63,59,56,5,49,49 46,7,65,6,57,55,5,48,47 48,7,64,6,56,54,49,47,46 5,69,63,6,55,5,48,46,45 6,65,59,56,5,48,44,4,4 8,6,54,5,45,43,38,35,34,57,5,48,4,39,34,3,3 5,55,49,45,4,36,3,7,6 5,54,48,44,38,34,9,5,4,5,46,4,35,3,6,, 3,5,43,39,33,3,3,9,7 5,48,4,38,3,8,,6,4,47,4,36,3,6,9,3, +,46,4,35,9,5,8,,8

40 4 Tablca 5a. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, Stoe swobody u dla średego kwadratu odchyleń w lczku v ,8 4999,34 543,53 564,6 5763, ,95 598,33 598,95 98,5 99, 99,6 99,5 99,3 99,33 598,95 99,36 99, , 3,8 9,46 8,7 8,4 7,9 7,67 7,49 4, 8, 6,69 5,98 5,5 5, 4,98 4,8 5 6,6 3,7,6,39,97,67,46,9 6 3,75,9 9,78 9,5 8,75 8,47 8,6 8, 7,5 9,55 8,45 7,85 7,46 7,9 6,99 6,84 8,6 8,65 7,59 7, 6,63 6,37 6,8 6,3 9,56 8, 6,99 6,4 6,6 5,8 5,6 5,47,4 7,56 6,55 5,99 5,64 5,39 5, 5,6 9,65 7, 6, 5,67 5,3 5,7 4,89 4,74 9,33 6,93 5,95 5,4 5,6 4,8 4,64 4,5 3 9,7 6,7 5,74 5, 4,86 4,6 4,44 4,3 4 8,86 6,5 5,56 5,4 4,69 4,46 4,8 4,4 5 8,68 6,36 5,4 4,89 4,56 4,3 4,4 4, 6 8,53 6,3 5,9 4,77 4,44 4, 4,3 3,89 7 8,4 6, 5,9 4,67 4,34 4, 3,93 3,79 8 8,9 6, 5,9 4,58 4,5 4, 3,84 3,7 9 8,8 5,93 5, 4,5 4,7 3,94 3,77 3,63 8, 5,85 4,94 4,43 4, 3,87 3,7 3,56 8, 5,78 4,87 4,37 4,4 3,8 3,64 3,5 7,95 5,7 4,8 4,3 3,99 3,76 3,59 3,45 3 7,88 5,66 4,76 4,6 3,94 3,7 3,54 3,4 4 7,8 5,6 4,7 4, 3,9 3,67 3,5 3,36 5 7,77 5,57 4,68 4,8 3,85 3,63 3,46 3,3

41 4 Tablca 5b. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, Stoe swobody u dla średego kwadratu odchyleń w lczku v ,7 5,53 4,64 4,4 3,8 3,59 3,4 3,9 7 7,68 5,49 4,6 4, 3,78 3,56 3,39 3,6 8 7,64 5,45 4,57 4,7 3,75 3,53 3,36 3,3 9 7,6 5,4 4,54 4,4 3,73 3,5 3,33 3, 3 7,56 5,39 4,5 4, 3,7 3,47 3,3 3,7 3 7,5 5,34 4,46 3,97 3,65 3,43 3,6 3,3 34 7,44 5,9 4,4 3,93 3,6 3,39 3, 3,9 36 7,4 5,5 4,38 3,89 3,57 3,35 3,8 3,5 38 7,35 5, 4,34 3,86 3,54 3,3 3,5 3, 4 7,3 5,8 4,3 3,83 3,5 3,9 3,,99 4 7,8 5,5 4,9 3,8 3,49 3,7 3,, ,5 5, 4,6 3,78 3,47 3,4 3,8, , 5, 4,4 3,76 3,44 3, 3,6, ,9 5,8 4, 3,74 3,43 3, 3,4,9 5 7,7 5,6 4, 3,7 3,4 3,9 3,,89 6 7,8 4,98 4,3 3,65 3,34 3,,95,8 8 6,96 4,88 4,4 3,56 3,6 3,4,87,74 6,9 4,8 3,98 3,5 3,,99,8,69 5 6,84 4,78 3,94 3,47 3,7,95,79,66 5 6,8 4,75 3,9 3,45 3,4,9,76,63 6,76 4,7 3,88 3,4 3,,89,73,6 3 6,7 4,68 3,85 3,38 3,8,86,7,57 5 6,69 4,65 3,8 3,36 3,5,84,68,55 6,66 4,63 3,8 3,34 3,4,8,66,53 + 6,64 4,6 3,79 3,3 3,,8,64,5

42 4 Tablca 5c. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, Stoe swobody u dla średego kwadratu odchyleń w lczku v ,4 655,93 66,68 643, 67, 69,43 68,66 639,86 99,39 99,4 99,4 99,43 99,44 99,44 99,45 99,46 3 7,34 7,3 7,5 6,9 6,83 6,75 6,69 6,58 4 4,66 4,55 4,37 4,5 4,5 4,8 4, 3,9 5,6,5 9,89 9,77 9,68 9,6 9,55 9,45 6 7,98 7,87 7,7 7,6 7,5 7,45 7,4 7,3 7 6,7 6,6 6,47 6,36 6,8 6, 6,6 6,6 8 5,9 5,8 5,67 5,56 5,48 5,4 5,36 5,6 9 5,35 5,6 5, 5, 4,9 4,86 4,8 4,7 4,94 4,85 4,7 4,6 4,5 4,46 4,4 4,3 4,63 4,54 4,4 4,9 4, 4,5 4, 4, 4,39 4,3 4,6 4,5 3,97 3,9 3,86 3,76 3 4,9 4, 3,96 3,86 3,78 3,7 3,66 3,57 4 4,3 3,94 3,8 3,7 3,6 3,56 3,5 3,4 5 3,89 3,8 3,67 3,56 3,49 3,4 3,37 3,8 6 3,78 3,69 3,55 3,45 3,37 3,3 3,6 3,6 7 3,68 3,59 3,46 3,35 3,7 3, 3,6 3,7 8 3,6 3,5 3,37 3,7 3,9 3,3 3,8,98 9 3,5 3,43 3,3 3,9 3, 3,5 3,,9 3,46 3,37 3,3 3,3 3,5,99,94,84 3,4 3,3 3,7 3,7,99,93,88,79 3,35 3,6 3, 3,,94,88,83,73 3 3,3 3, 3,7,97,89,83,78,69 4 3,6 3,7 3,3,93,85,79,74,64 5 3, 3,3,99,89,8,75,7,6

43 43 Tablca 5d. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, Stoe swobody u dla średego kwadratu odchyleń w lczku v ,8 3,9,96,86,78,7,66,57 7 3,5 3,6,93,8,75,68,63,54 8 3, 3,3,9,79,7,65,6,5 9 3,9 3,,87,77,69,63,57,48 3 3,7,98,84,74,66,6,55,45 3 3,,93,8,7,6,55,5,4 34,98,89,76,66,58,5,46,37 36,95,86,7,6,54,48,43,33 38,9,83,69,59,5,45,4,3 4,89,8,66,56,48,4,37,7 4,86,78,64,54,46,4,34,5 44,84,75,6,5,44,37,3, 46,8,73,6,5,4,35,3, 48,8,7,58,48,4,33,8,8 5,78,7,56,46,38,3,7,7 6,7,63,5,39,3,5,, 8,64,55,4,3,3,7,,,59,5,37,7,9,,7,97 5,55,47,33,3,5,8,3,93 5,53,44,3,,,6,,9,5,4,7,7,9,3,97,87 3,47,38,4,4,6,99,94,84 5,44,36,,,4,97,9,8,43,34,,,,95,9,79 +,4,33,9,9,,94,88,78

44 44 Tablca 5e. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, Stoe swobody u dla średego kwadratu odchyleń w lczku v ,35 686,43 63,6 633, ,9 6349, ,54 636,8 99,47 99,48 99,48 99,48 99,49 99,49 99,5 99,5 3 6,5 6,4 6,35 6,8 6,4 6,8 6,5 6,4 4 3,84 3,75 3,69 3,6 3,58 3,5 3,49 3,47 5 9,38 9,9 9,4 9,7 9,3 9,8 9,4 9,3 6 7,3 7,4 7,9 7, 6,99 6,93 6,9 6,89 7 5,99 5,9 5,86 5,79 5,75 5,7 5,67 5,66 8 5, 5, 5,7 5, 4,96 4,9 4,88 4,87 9 4,65 4,57 4,5 4,45 4,4 4,36 4,33 4,3 4,5 4,7 4, 4,5 4, 3,96 3,93 3,9 3,94 3,86 3,8 3,74 3,7 3,66 3,6 3,6 3,7 3,6 3,57 3,5 3,47 3,4 3,38 3,37 3 3,5 3,43 3,38 3,3 3,7 3, 3,9 3,8 4 3,35 3,7 3, 3,5 3, 3,6 3,3 3, 5 3, 3,3 3,8 3,,98,9,89,88 6 3, 3,,97,9,86,8,78,76 7 3,,9,87,8,76,7,68,66 8,9,84,78,7,68,6,59,58 9,84,76,7,64,6,55,5,5,78,69,64,57,54,48,44,43,7,64,58,5,48,4,38,37,67,58,53,46,4,36,33,3 3,6,54,48,4,37,3,8,7 4,58,49,44,37,33,7,4, 5,54,45,4,33,9,3,9,8

45 45 Tablca 5f. Wartośc krytycze F Fshera-Sedecora F ; u ; v α dla α, Stoe swobody u dla średego kwadratu odchyleń w lczku v ,5,4,36,9,5,9,6,4 7,47,38,33,6,,6,, 8,44,35,3,3,9,3,9,8 9,4,33,7,,6,,6,5 3,39,3,5,7,3,7,3, 3,34,5,,,8,,98,97 34,3,,6,8,4,98,94,9 36,6,8,,4,,94,9,89 38,3,4,9,,97,9,86,85 4,,,6,98,94,87,83,8 4,8,9,3,95,9,85,8,79 44,5,7,,93,89,8,78,76 46,3,4,99,9,86,8,76,74 48,,,97,89,84,78,73,7 5,,,95,87,8,76,7,7 6,3,94,88,79,75,68,63,6 8,94,85,79,7,65,58,53,5,89,8,74,65,6,5,47,45 5,85,76,69,6,55,47,4,39 5,83,73,66,57,5,43,38,35,79,69,63,53,48,39,33,3 3,76,66,59,5,44,35,8,5 5,74,63,57,47,4,3,3,,7,6,54,44,38,8,9,6 +,7,6,53,4,36,6,6,

46 46 Tablca 6a. Wartośc krytycze studetyzowaego rozstęu t ; k; v α dla α, 5 Lczba k orówywaych średch v ,7 9, 3, 6, 8,6 3,5 3, 33,5 34,7 4,3 5,89 6,9 7,7 8,7 8,77 9,9 9,58 9,9 3 3,8 4,8 4,8 5,3 5,69 6, 6,6 6,49 6,69 4,78 3,57 4,7 4,45 4,74 4,99 5, 5,37 5,54 5,57 3,5 3,69 4, 4,6 4,48 4,65 4,8 4,94 6,45 3,7 3,46 3,75 3,98 4,7 4,33 4,47 4,59 7,37,94 3,3 3,58 3,79 3,97 4, 4,4 4,36 8,3,86 3, 3,46 3,66 3,8 3,96 4,8 4,9 9,6,79 3, 3,37 3,55 3,7 3,84 3,95 4,6,3,74 3,6 3,9 3,47 3,6 3,75 3,86 3,96,,7 3, 3,3 3,4 3,56 3,68 3,78 3,88,8,67,97 3,9 3,36 3,5 3,6 3,73 3,8 3,6,64,93 3,5 3,3 3,45 3,57 3,67 3,76 4,5,6,9 3, 3,8 3,4 3,53 3,63 3,7 5,3,6,88 3,9 3,5 3,38 3,49 3,59 3,68 6,,58,86 3,6 3, 3,35 3,46 3,56 3,64 7,,57,85 3,5 3, 3,33 3,44 3,54 3,6 8,,55,83 3,3 3,8 3,3 3,4 3,5 3,59 9,9,54,8 3, 3,7 3,9 3,39 3,49 3,57,8,53,8,99 3,5 3,7 3,37 3,46 3,54 4,,43,68,86,99 3, 3, 3,7 3,34 6,,4,64,8,94 3,5 3,4 3, 3,9,98,38,6,77,9 3, 3,8 3,6 3, +,96,34,57,73,85,95 3,3 3, 3,6

47 47 Tablca 6b. Wartośc krytycze studetyzowaego rozstęu t ; k; v α dla α, 5 Lczba k orówywaych średch v ,8 36,8 37,6 38,4 39, 39,8 4,4 4, 4,55 4,,,4,7,9,,3,45,6,75,9 3 6,87 7,4 7, 7,3 7,4 7,53 7,64 7,74 7,83 7,9 4 5,68 5,8 5,9 6, 6, 6, 6,3 6,39 6,46 6,53 5 5,7 5,8 5,8 5,37 5,46 5,54 5,6 5,68 5,75 5,8 6 4,7 4,8 4,89 4,97 5,5 5, 5,9 5,5 5,3 5,37 7 4,45 4,55 4,63 4,7 4,78 4,84 4,9 4,96 5, 5,7 8 4,8 4,37 4,45 4,5 4,58 4,64 4,7 4,76 4,8 4,86 9 4,5 4,3 4,3 4,38 4,44 4,5 4,55 4,6 4,65 4,7 4,4 4, 4,9 4,6 4,3 4,38 4,43 4,48 4,53 4,57 3,97 4,4 4, 4,7 4,3 4,8 4,33 4,38 4,43 4,48 3,9 3,97 4,4 4, 4,6 4, 4,6 4,3 4,35 4,39 3 3,84 3,9 3,98 4,4 4,9 4,4 4,9 4,4 4,8 4,3 4 3,79 3,86 3,9 3,99 4,4 4,9 4,4 4,8 4, 4,6 5 3,75 3,8 3,88 3,94 4, 4,4 4,9 4,4 4,8 4, 6 3,7 3,78 3,85 3,9 3,95 4, 4,5 4,9 4,3 4,7 7 3,69 3,76 3,8 3,87 3,9 3,97 4, 4,6 4,9 4,3 8 3,66 3,73 3,78 3,84 3,89 3,94 3,98 4, 4,6 4,9 9 3,64 3,7 3,76 3,8 3,87 3,9 3,95 4, 4,3 4,7 3,6 3,68 3,73 3,79 3,84 3,88 3,93 3,97 4, 4,4 4 3,4 3,46 3,5 3,56 3,6 3,65 3,69 3,73 3,76 3,79 6 3,34 3,4 3,45 3,49 3,54 3,58 3,6 3,64 3,68 3,7 3,8 3,33 3,38 3,4 3,46 3,5 3,53 3,56 3,6 3,63 + 3, 3,7 3,3 3,35 3,39 3,4 3,46 3,49 3,5 3,54

48 48 Tablca 7a. Wartośc krytycze studetyzowaego rozstęu t ; k; v α dla α, Lczba k orówywaych średch v ,7 95,5 6, 3, 43, 53, 6, 68, 74, 9,93 3,4 5,8 7,5 8,8 9,9,9,7,4 3 5,84 7,5 8,63 9,4,,6,,5,8 4 4,6 5,74 6,48 7,4 7,5 7,85 8,3 8,4 8,7 5 4,3 4,93 5,5 5,95 6,3 6,59 6,84 7,5 7, 6 3,7 4,48 4,97 5,35 5,64 5,88 6,9 6,7 6,43 7 3,5 4,9 4,6 4,96 5, 5,43 5,6 5,78 5,9 8 3,36 3,98 4,38 4,69 4,9 5, 5,8 5,43 5,56 9 3,5 3,84 4, 4,49 4,7 4,89 5,4 5,8 5,3 3,7 3,73 4,8 4,34 4,55 4,7 4,86 4,99 5, 3, 3,63 3,97 4, 4,4 4,58 4,7 4,84 4,94 3,6 3,56 3,89 4,3 4,3 4,47 4,6 4,7 4,8 3 3, 3,5 3,8 4,5 4,3 4,38 4,5 4,6 4,7 4,98 3,46 3,76 3,98 4,6 4,3 4,43 4,53 4,6 5,95 3,4 3,7 3,93 4, 4,4 4,36 4,46 4,55 6,9 3,38 3,67 3,88 4,4 4,8 4,3 4,4 4,49 7,9 3,35 3,64 3,84 4, 4,4 4,5 4,35 4,44 8,88 3,3 3,6 3,8 3,96 4,9 4, 4,3 4,38 9,86 3,3 3,58 3,77 3,93 4,6 4,7 4,6 4,35,84 3,8 3,55 3,74 3,9 4, 4,3 4, 4,3 4,7 3,9 3,3 3,49 3,6 3,73 3,8 3,89 3,96 6,66 3,3 3,5 3,4 3,53 3,63 3,7 3,79 3,85,6,97 3,8 3,33 3,44 3,54 3,6 3,68 3,75 +,58,9 3, 3,5 3,37 3,45 3,53 3,59 3,65

49 49 Tablca 7b. Wartośc krytycze studetyzowaego rozstęu t ; k; v α dla α, Lczba k orówywaych średch v , 84, 88, 9, 96, 99,, 5, 8,, 3, 3,6 4, 4,6 5, 5,5 5,85 6, 6,5 6,8 3,,4,7,9 3, 3,3 3,45 3,6 3,8 4, 4 8,9 9,5 9,6 9,4 9,55 9,69 9,83 9,97,9, 5 7,4 7,57 7,7 7,83 7,94 8,6 8,7 8,7 8,34 8,4 6 6,58 6,7 6,8 6,94 7,4 7,4 7, 7,8 7,35 7,4 7 6,5 6,6 6,6 6,36 6,45 6,53 6,6 6,69 6,76 6,8 8 5,68 5,78 5,88 5,97 6,5 6, 6,9 6,6 6,33 6,39 9 5,4 5,5 5,59 5,68 5,75 5,8 5,89 5,95 6, 6,6 5, 5,9 5,37 5,45 5,5 5,59 5,65 5,7 5,76 5,8 5,4 5,3 5, 5,8 5,35 5,4 5,47 5,5 5,57 5,6 4,9 4,99 5,7 5,3 5, 5,6 5,3 5,37 5,4 5,47 3 4,8 4,88 4,96 5, 5,8 5,4 5, 5,5 5,3 5,34 4 4,7 4,79 4,86 4,93 4,99 5,4 5,9 5,4 5,9 5,3 5 4,63 4,7 4,78 4,84 4,9 4,95 5, 5,5 5,9 5,3 6 4,57 4,64 4,7 4,77 4,83 4,88 4,93 4,97 5, 5,6 7 4,5 4,59 4,65 4,7 4,77 4,8 4,88 4,94 4,98 5,3 8 4,46 4,53 4,59 4,65 4,7 4,75 4,83 4,9 4,95 4,99 9 4,4 4,49 4,55 4,6 4,66 4,7 4,79 4,88 4,9 4,96 4,38 4,45 4,5 4,56 4,6 4,66 4,75 4,84 4,88 4,9 4 4, 4,8 4,3 4,7 4, 4,6 4,3 4,33 4,36 4,39 6 3,9 3,96 4, 4,5 4,9 4,3 4,6 4,9 4,3 4,6 3,8 3,85 3,9 3,93 3,97 4, 4,4 4,7 4, 4, + 3,7 3,74 3,78 3,8 3,85 3,88 3,9 3,94 3,97 4,

50 5 Tablca 8. Wartośc krytycze wsółczyka r α ; v korelac lowe dwóch zmeych v α, 5 α, v α, 5 α,,997, 4,388,496,95,99 5,38,487 3,878,959 6,374,478 4,8,97 7,367,47 5,754,874 8,36,463 6,77,834 9,355,456 7,666,798 3,349,449 8,63,765 35,35,48 9,6,735 4,34,393,576,78 45,88,37,553,684 5,73,354,53,66 6,5,35 3,54,64 7,3,3 4,497,63 8,7,83 5,48,66 9,5,67 6,468,59,95,54 7,456,575 5,74,8 8,444,56 5,59,8 9,433,549,38,8,43,537 3,3,48,43,56 4,98,8,44,55 5,88,5 3,396,55,6,8 * Tablca 9. Wartośc krytycze D zmodyfkowae statystyk Kołmogorowa- Smrowa dla wybraych ozomów stotośc α,5,,5,5 * D α,775,89,895,35

51 5 Tablca. Wsółczyk a : testu W Sharo-Wlka ,77,77,687,6646,643,633,65,5888,5739,,677,43,86,33,364,344,39 3,,875,4,743,976,4 4,,56,947,34 5,, ,56,5475,5359,55,55,556,4968,4486,488,4734,335,335,335,338,336,39,373,353,33,3 3,6,347,4,46,495,5,54,533,56,565 4,49,586,77,8,878,939,988,7,59,85 5,695,9,99,4,353,447,54,587,64,686 6,,33,539,77,88,5,9,97,7,334 7,,4,433,593,359,496,6,7 8,,96,359,496,6,7 9,,3,33,4,, ,4643,439,454,4493,445,447,4366,438,49,454,385,356,36,398,369,343,38,99, ,578,57,563,554,543,533,5,5,499,487 4,99,3,39,45,48,5,5,5,5,48 5,736,764,787,87,8,836,848,857,864,87 6,399,443,48,5,539,563,584,6,66,63 7,9,5,,45,83,36,346,37,395,45 8,84,878,94,997,46,89,8,6,9,9 9,53,68,696,764,83,876,93,965,,36,36,368,459,539,6,67,78,778,8,86,,,8,3,43,476,54,598,65,697,,7,,84,358,44,483,537 3,,94,78,53,3,38 4,,84,59,7 5,,76

52 ,44,488,456,47,496,468,44,45,3989,3964,9,898,876,854,834,83,794,774,755,737 3,475,463,45,439,47,45,43,39,38,368 4,45,4,37,3,7,,6,,4,98 5,874,878,88,88,883,883,883,88,88,878 6,64,65,66,667,673,678,683,686,689,69 7,433,449,463,475,487,496,55,53,5,56 8,43,65,84,3,37,33,344,356,366,376 9,66,93,8,4,6,7,96,,5,37,899,93,96,988,3,36,56,75,9,8,739,777,8,844,873,9,94,947,967,986,585,69,669,76,739,77,798,84,484,87 3,435,485,53,57,6,645,677,76,733,759 4,8,344,395,44,484,53,559,59,6,65 5,44,6,6,34,36,44,444,48,55,546 6,,68,3,87,39,87,33,37,49,444 7,,6,9,7,,64,35,343 8,,57,,58,3,44 9,,53,,46,, ,394,397,3894,387,385,383,388,3789,377,375,79,7,684,667,65,635,6,64,589,574 3,357,345,684,667,65,635,6,64,589,574 4,9,85,78,7,65,58,5,45,38,3 5,876,874,87,88,865,86,859,855,85,847 6,693,694,695,695,695,695,695,693,69,69 7,53,535,539,54,545,548,55,55,553,554 8,384,39,398,45,4,45,4,43,47,43 9,49,59,69,78,86,93,3,36,3,37,3,36,49,6,7,8,89,97,5,,4,,35,49,6,73,85,93,5,3,89,99,97,943,959,97,986,998,, 3,78,84,84,84,86,876,89,96,99,93 4,677,7,74,745,765,783,8,87,83,846 5,575,6,68,65,673,694,73,73,748,764

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

Janusz Górczyński. Moduł 1. Podstawy prognozowania. Model regresji liniowej

Janusz Górczyński. Moduł 1. Podstawy prognozowania. Model regresji liniowej Materały omoccze do e-leargu Progozowae symulacje Jausz Górczyńsk Moduł. Podstawy rogozowaa. Model regresj lowej Wyższa Szkoła Zarządzaa Marketgu Sochaczew Od Autora Treśc zawarte w tym materale były erwote

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

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

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

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

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

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

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

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

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

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

Bardziej szczegółowo

Statystyka 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

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

. 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

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

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

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

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

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

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

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

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

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

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

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

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

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

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

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

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

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

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

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

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

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

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

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

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

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

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

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

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

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

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

Modelowanie i Analiza Danych Przestrzennych

Modelowanie i Analiza Danych Przestrzennych Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego

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

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

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

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

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

Bardziej szczegółowo

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

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

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

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

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

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

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

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

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

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

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

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

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

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

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

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

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

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

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

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

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

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7) PROCES ZARZĄDZANIA PORTFELEM PAPIERÓW WARTOŚCIOWYCH WSPOMAGANY PRZEZ ŚRODOWISKO AUTOMATÓW KOMÓRKOWYCH Ageszka ULFIK Streszczee: W pracy przedstawoo sposób zarządzaa portfelem paperów wartoścowych wspomagay

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

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

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW

BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII RODUKCJI I TECHNOLOGII MATERIAŁÓW OLITECHNIKA CZĘSTOCHOWSKA RACOWNIA DETEKCJI ROMIENIOWANIA JĄDROWEGO Ć W I C Z E N I E N R J-6 BADANIE STATYSTYCZNEJ CZYSTOŚCI OMIARÓW

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

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

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

Bardziej szczegółowo

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

Wykład ze statystyki. Maciej Wolny

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

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

1 Testy statystyczne. 2 Rodzaje testów

1 Testy statystyczne. 2 Rodzaje testów 1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli

Bardziej szczegółowo

Materiały wspomagające wykład ze statystyki. Maciej Wolny

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

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

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

Statystyka Wzory I. Analiza struktury

Statystyka Wzory I. Analiza struktury Uiwersytet Ekooiczy w Katowicach Wzory I. Aaliza struktury 1. Miary tedecji cetralej (średie, przecięte Średia arytetycza Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja rzedziałowa - rzedziały ufości Próbę -elemetową charakteryzujemy jej arametrami ( x, s, s ). SłuŜą oe do ocey wartości iezaych arametrów oulacji (m, σ, σ). Nazywamy je estymatorami uktowymi iezaych

Bardziej szczegółowo

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

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

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

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

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

WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Co w Sylabusie?

WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Co w Sylabusie? WSPÓŁZALEŻNOŚĆ PROCESÓW MASOWYCH Co w Sylabuse?. Aalza korelacj. Testy ezależośc 3. Aalza regresj 4. Regresja perwszego drugego rodzaju 5. Woskowae statystycze WSPÓŁCZYNNIK KORELACJI (PEARSONA) Aalza korelacj

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZA. Wkład węp. Teora prawdopodobeńwa elemet kombatork 3. Zmee losowe 4. Populace prób dach 5. Teowae hpotez emaca parametrów 6. Te t 7. Te 8. Te F 9. Te eparametrcze 0. Podsumowae dotchczasowego

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

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

IV. ZMIENNE LOSOWE DWUWYMIAROWE

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

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

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

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

Bardziej szczegółowo