Wnioskowanie statystyczne dla korelacji i regresji.
|
|
- Ewa Białek
- 6 lat temu
- Przeglądów:
Transkrypt
1 STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj.
2 Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ.
3 X, Y cech adae rówocześe. X X X... X Y Y Y... Y 3
4 4 ) ) ) ) ), Y Y X X Y Y X X S S Y X Cov R Y X
5 Uwaga: a) ) ) ) ) ) 5
6 R X X Y ) X Y Y ) XY 6
7 Estmator R jest estmatorem zgodm asmptotcze eocążom współczka korelacj ρ. Estmator te ma asmptotcze rozkład ormal ρ N, ρ, próa mus ć ardzo lcza ). 7
8 Uwaga. +R U l -R +ρ N l, -ρ -3, ). Jeśl ρ, to R U - -R ma rozkład T. 8
9 Zatem przedzał ufośc dla współczka korelacj ρ próa ardzo lcza) ma postać: R u α R R ; R + uα R współczk korelacj z pró, lczeość pró, α pozom ufośc, u α odcztujem w talc z zależośc Φ u α ) α/ 9
10 Dla małch pró ) przedzał ufośc dla współczka korelacj ρ ma postać: A B e e ; A B e + e +, gdze + R uα A l R 3, + R uα B l + R 3 u α odcztujem w talc z zależośc Φ u α ) α/
11 Werfkacja hpotez dotczącch współczka korelacj. Zakładam, że cecha X,Y) ma rozkład ormal,. Wsuwam dwe hpotez: H ρ ρ ), H - jedą z trzech poższch hpotez. Rozpatrujem statstkę zór krtcz wg tael: H Statstka U Zór krtcz Odczt k ρ K ; k > < k; + ) Φ k ) α / ρ ρ > ρ +R +ρ -R -ρ l - l -3 K < k; + ) Φ k ) α ρ < K ; k > Φ k ) α ρ Deczje: Jeśl U K to H odrzucam, Jeśl U K to e ma podstaw do odrzucea H.
12 Przkład. Badao zależość mędz wdatkam a reklamę a wsokoścą sprzedaż. Dla pró 4 elemetowej otrzmao r,8. Sprawdzm a pozome stotośc,5 hpotez: H ρ,85) H ρ,85).
13 Rozwązae. Wartość statstk wos u -,86. Zór krtcz ma postać K ;,96 > <,96; + ) Poeważ u K to e ma podstaw do odrzucea H. 3
14 B adae stotośc współczka korelacj Wsuwam dwe hpotez: H ρ ) rak korelacj pomędz zmem), H jedą z trzech poższch hpotez. Rozpatrujem statstkę zór krtcz wg tael: H Statstka U Zór krtcz Odczt k ρ ; k > < k; + ) ρ > R R P T > k K ) α K < k;+ ) P T > k) α ρ < K ; k > T > k) α P Deczje: Jeśl u K to H odrzucam, Jeśl u K to e ma podstaw do odrzucea H. 4
15 Woskowae dla współczków regresj β + Nech ędze prostą regresj, a ˆ + prostą regresj wzaczoą a podstawe pró. β 5
16 6 Współczk, prostej regresj wzaczam stosując metodę ajmejszch kwadratów MNK). Chcem wzaczć mmum fukcj: *) e S ) ) ˆ ), gdze e ˆ azwam resztam modelu regresj. Uwaga. e
17 MNK: Należ wzaczć prostą regresj tak a suma pól kwadratów ła mmala. 7
18 8 Olczając pochode cząstkowe fukcj *) przrówując je do zera otrzmujem układ rówań ormalch: ) ) ) ) S S
19 9 Rozwązując otrzma układ rówań otrzmam wzor a przlżoe wartośc współczków ) ) ) ) ) ), cov X X Y s Y X r s s
20 Waracja resztowa: Waracja resztowa to średa z pól kwadratów zudowach a resztach odzwercedlająca stopeń dopasowaa prostej regresj do dach statstczch. Nech e $, gdze $ + wted e s e czl s e ) r s s Y e e s e s ozacza średe stadardowe) odchlee od prostej regresj.
21 Współczk determacj ) ) ) ), cov ) ) ) ˆ r S S Y X e R Y X + Uwaga:, R
22 Stadardowe łęd oszacowaa współczków prostej regresj. ) ) s s e ) ) ) ) ) s s s s s X e +
23 3 Stosujem eked zaps X Y s s )) )) ˆ ± ± + lu ) ˆ )) )) e s s s X Y ± + ± ±
24 Przedzał ufośc dla β,, ; dla pozomu ufośc α mam: β uα S ); + uα S ) gdze u α odcztujem z talc rozkładu Studeta: T > u ) α P α. S ) stadardowe łęd współczków prostej regresj. 4
25 Werfkacja hpotez dla β,, ; dla pozomu stotośc α rozpatrujem test dla poszczególch parametrów β,,. Wsuwam dwe hpotez: H β β ), H jedą z trzech poższch hpotez. 5
26 Rozpatrujem statstkę zór krtcz wg tael: H Statstka Zór krtcz Odczt k β ; k > < k; + ) β β > β β U β S ) K T > k) α P K < k;+ ) T > k) α β < K ; k > P T > k) α P Deczje: Jeśl u K to H odrzucam, Jeśl u K to e ma podstaw do odrzucea H. 6
27 Uwaga Jeśl adam stotość parametru β to przjmujem β tz. H β ) W modelach regresj pożądae jest odrzucee hpotez H β ). Przkład Z populacj dla której X, Y) ma rozkład ormal porao próę elemetową olczoo, że prosta regresj z pró ma postać: Y,35,4 X,5),) Na pozome stotośc,5 sprawdź stotość współczka β. 7
28 Rozpatrujem hpotez H β ) H β < ) Wartość statstk wos u 4., Zór krtcz ma postać K ;, 66 >. Poeważ olczoa wartość statstk ależ do zoru krtczego to odrzucam hpotezę H β ), zatem wk testu e podważa stotośc współczka β. 8
29 Progoza puktowa to przewdwaa wartość zmeej Y odpowadająca wartośc τ zmeej X. * τ) + τ 9
30 3 Stadardow łąd progoz ) ) e e S S S τ τ τ τ gdze S e odchlee resztowe
31 łąd względ progoz puktowej: δ τ S τ * τ % 3
32 Progoza przedzałowa dla poz. ufośc α. * * τ ) u S ; τ ) + u α u α odcztujem z talc rozkładu Studeta: τ T > u ) α P α. α S τ 3
33 Badae lowośc fukcj regresj - test ser. Badam populację ze względu a dwe cech X Y. Losujem próę - elemetową, ). Na podstawe tej pró chcem sprawdzć cz fukcja regresj jest lowa. Prostm testem do werfkacj tej własośc jest test ser. Nech + ędze prostą regresj wzaczoą a podstawe pró metodą ajmejszch kwadratów. Elemetom pró przpsujem smol a lu : a - gd > +, pukt leż ad prostą) - gd elemetów dla którch zachodz rówość e rozpatrujem). Sere to podcąg złożoe z jedakowch smol. < + pukt leż pod prostą) 33
34 Rozpatrujem hpotez H fukcja regresj jest lowa), H fukcja regresj e jest lowa), Stosujem statstkę: U lcza ser Zór krtcz: K ; k> gdze k odcztujem z talc dla pozomu stotośc α lcz oraz, gdze - lcza smol a, - lcza smol, Deczje: Jeśl U K to H odrzucam, Jeśl U K to e ma podstaw do odrzucea H. 34
35 Przkład. Badao zależość mędz wkam testów z dwóch przedmotów przeprowadzom w pewej uczel. Dla pró wlosowach studetów otrzmao astępujące lcz puktów: X Y Prosta regresj z pró ma postać Y + 5. Sprawdzm a pozome stotośc,5 hpotezę że zależość mędz tm cecham jest lowa. 35
36 Rozwązae. Otrzmam astępując cąg smol:,, a, a, a, a,,,,,, Lcza ser wos u 3 Z talc rozkładu ser odcztujem K ; 3> Poeważ u K to odrzucam hpotezę H, zatem możem sądzć, że zależość mędz wkam testów e jest lowa. 36
KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech
KORELACJA I REGRESJA. KORELACJA X, Y - cech badae rówocześe. Dae statstcze zapsujem w szeregu statstczm dwóch cech...... lub w tablc korelacjej. X Y... l.... l.... l................... k k k... kl k..j......l
Bardziej szczegółowoBADANIE 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 szczegółowoopisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
Bardziej szczegółowoLinie regresji II-go rodzaju
Lam regresj II-go rodzaju zmeej () względem () azwam zadae krzwe g(;,, ) oraz h(;,, ) gd spełają oe odpowedo waruk: E E Le regresj II-go rodzaju ( ( )) ( ) ( ) ( ) ( ) g ;,,... g ;,,... f, dd m,,... (
Bardziej szczegółowoTESTY 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 szczegółowoFUNKCJE DWÓCH ZMIENNYCH
FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam
Bardziej szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj
Bardziej szczegółowoRegresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US
Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej
Bardziej szczegółowoStanisław 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( ) ( ) ( ) ( ) ( )( ) ( ) ( ) 2. r s. ( i. REGRESJA (jedna zmienna) e s = + Y b b X. x x x n x. cov( (kowariancja) = (współczynnik korelacji) = +
REGRESJA jda zma + prota rgrj zmj wzgldm. przlo wartoc paramtrów trukturalch cov r waga: a c cov kowaracja d r cov wpółczk korlacj Waracja rztowa. Nch gdz + wtd czl ozacza rd tadardow odchl od protj rgrj.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZA 1. Wkład wstęp. Teora prawdopodobeństwa elemet kombatork. Zmee losowe ch rozkład 3. Populacje prób dach, estmacja parametrów 4. Testowae hpotez statstczch 5. Test parametrcze (a
Bardziej szczegółowoStanisław 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 szczegółowoRachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)
Rachuek Prawdopodoeństwa statstka W 0: Aalz zależośc pomędz zmem losowm dam emprczm) Dr Aa ADRIAN Paw B5, pok 407 adra@tempus.metal.agh.edu.pl Odkrwae aalza zależośc pomędz zmem loścowmlczowm) Przedmotem
Bardziej szczegółowoL.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 szczegółowoE K O N O M E T R I A (kurs 10 godz.)
E K O N O M E T R I A (kurs 0 godz.) PLAN kursu A. Ekoometra: defcje, pojęca, przkład B. Elemet statstk matematczej (zmea losowa, przedzałowa estmacja parametrów populacj, hpotez parametrcze) C. Model
Bardziej szczegółowoW 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. 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 szczegółowoSTATYSTYKA 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 szczegółowoMateriały 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 szczegółowoPrawdopodobieństwo 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 szczegółowoPrawdopodobieństwo 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 szczegółowoStatystyka 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( 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 szczegółowoANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH
ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH Na ogół oprócz obserwacj jedej zmeej zberam róweż formacje towarzszące, które mogą meć zaczee w aalze teresującej as welkośc. Iformacje te mogą bć p. wkorzstae
Bardziej szczegółowoStatystyka powtórzenie (II semestr) Rafał M. Frąk
Statstka powtórzee (II semestr) Rafał M. Frąk TEORIA, OZNACZENIA, WZORY Rodzaje mar statstczch mar położea - wzaczają przecęta wartość cech statstczej mar zróżcowaa (lub zmeośc, rozproszea, dspersj) -
Bardziej szczegółowoStatystyka. 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 szczegółowoMODEL SHARP A - MIARY WRAŻLIWOŚCI
MODEL SHARP A - MIARY WRAŻLIWOŚCI Współzależość cech Rozważam jedostk zborowośc badae ze względu a dwe, lub węcej zmech W przpadku obserwacj opartch a dwóch zmech możem wkreślć dagram korelacj. Każda obserwacja
Bardziej szczegółowoINSTRUKCJA 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 szczegółowoZadanie 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 szczegółowoma 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 szczegółowoma 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= n = = i i. Sprawdzenie istotności współczynnika korelacji ρ dla populacji na podstawie współczynnika r
STATYSTKA I ANALIZA DANYCH LAB V I VI. Pla laboatoum V VI Koelacja współczk koelacj Peasoa testowae stotośc współczka koelacj Regesja lowa egesja posta, ocea dopasowaa, testowae stotośc współczków egesj
Bardziej szczegółowoWykład 6. Klasyczny model regresji liniowej
Wkład 6 Klacz modl rgrj lowj Rgrja I rodzaju pokazuj jak zmają ę warukow wartośc oczkwa zmj zalżj w zalżośc od wartośc zmj zalżj. E X m Obraz gomtrcz tj fukcj to krzwa rgrj I rodzaju czl zbór puktów płazczz,
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoW 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 szczegółowoN ( 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 szczegółowoW 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 szczegółowobędą 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 szczegółowoProjekt 3 3. APROKSYMACJA FUNKCJI
Projekt 3 3. APROKSYMACJA FUNKCJI 3. Krter proksmcj. Złóżm że () jest ukcją cągłą w przedzle [ b ]. Zlezee przblże (proksmcj) poleg wzczeu współczków pewego welomu P() któr będze dobrze przblżł w tm przedzle
Bardziej szczegółowoOpracowanie wyników pomiarów
Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoSTATYSTYKA 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 szczegółowoTablica 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 szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowoTeoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka
Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej
Bardziej szczegółowoPOPULACJA 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 szczegółowoPODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE
Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ VI WYBRANE TWIERDZENIA WRAZ Z DOWODAMI Na prawach rękopsu Warszawa, paźdzerk 0 Data ostatej aktualzacj:
Bardziej szczegółowoStatystyka 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 szczegółowoJózef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta
Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów
Bardziej szczegółowobędą 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 szczegółowoLaboratorium fizyczne
Laboratorum fzcze L a portalu WIKMP CMF PŁ cmf.edu.p.lodz.pl Klkam odośk Laboratorum fzk Właścwą strukcję ależ pobrać ze stro Pracow zazajomć sę z jej treścą przed zajęcam!!! grupa I grupa II edzela
Bardziej szczegółowoDane modelu - parametry
Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3
Bardziej szczegółowoNiepewności pomiarów. DR Andrzej Bąk
Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w
Bardziej szczegółowok k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2
Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu
Bardziej szczegółowoWSPÓŁZALEŻNOŚĆ 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 szczegółowoREGRESJA LINIOWA. gdzie
REGREJA LINIOWA Jeżel zmerzoo obarczoe tlko błędam przpadkowm wartośc (, ),,,..., dwóch różch welkośc fzczch X Y, o którch wadomo, że są zwązae ze sobą zależoścą lową f(), to ajlepszm przblżeem współczków
Bardziej szczegółowoPodstawy 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 szczegółowoRegresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)
Regresj low (metod jmejszch kwdrtów, metod wrówwcz, metod Guss) stot metod postult Guss współczk prostej kostrukcj prostej teoretczej trsformcj fukcj elowch przkłd Regresj low czm poleg? Jeśl merzoe dwe
Bardziej szczegółowoWykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.
Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób
Bardziej szczegółowoL.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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA Woskowe sttstcze - egesj koelcj teść Wpowdzee Regesj koelcj low dwóch zmech Regesj koelcj elow - tsfomcj zmech Regesj koelcj welokot Wpowdzee Jedostk zoowośc sttstczej mogą ć chktezowe
Bardziej szczegółowoPodstawowe 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 szczegółowoMiary 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 szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowox, y środek ciężkości zbioru
Y ANALIZA REGRESJI I KORELACJI zwązek stochastyczy (losowy), probablstyczy Y X KAŻDEJ WARTOŚCI x ODPOWIADA CAŁY ZBIÓR WARTOŚCI y TWORZĄCYCH OKREŚLONY ROZKŁAD zwązek statystyczy ŷ a a x ŷ średa rozkładu
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoStrona: 1 1. CEL ĆWICZENIA
Katedra Podstaw Sstemów Techczch - Podstaw metrolog - Ćwczee 4. Wzaczae charakterstk regulacjej slka prądu stałego Stroa:. CEL ĆWICZENIA Celem ćwczea jest pozae zasad dzałaa udow slka prądu stałego, zadae
Bardziej szczegółowoMATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ
MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wkład 4 Matematcze opracowwae wków ekspermetalch Cz. I. Metoda ajmejszch kwadratów Cz. II. Metod statstcze UWAGI OGÓLNE Ekspermet wkowae w auce moża podzelć
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowo(liniowy model popytu), a > 0; b < 0
MODELE EKONOMERYCZNE Model eoomercz o ops sochasczej zależośc adaego zjawsa eoomczego od czów szałującch go, wrażo w posac rówośc lu uładu rówośc. Jeśl p. rozparujem zjawso popu a oreślo owar lu grupę
Bardziej szczegółowo1. 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 szczegółowof 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 szczegółowoAnaliza ZALEśNOŚCI pomiędzy CECHAMI (Analiza KORELACJI i REGRESJI)
D. Mszczńska, M.Mszczńsk, Materał do wkładu 7 ze Statstk (wersja poprawoa), WSEH, Skerewce 009/0 [] Aalza ZALEśNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje
Bardziej szczegółowoRegresja REGRESJA
Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu
Bardziej szczegółowoStatystyka powtórzenie (II semestr) Rafał M. Frąk
Statstka pwtórzee (II semestr) Rafał M. Frąk TEORIA, OZNACZENIA, WZORY Rdzae mar statstczch mar płżea - wzaczaą przecęta wartść cech statstcze mar zróżcwaa (lub zmeśc, rzprszea, dspers) - wzaczaą słę zróżcwaa
Bardziej szczegółowoKorelacja 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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:
Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t
Bardziej szczegółowoRóżniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f
Bardziej szczegółowoSTATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY
Państwowa Wższa Szkoła Zawodowa w Koe Materał ddaktcze 17 ARTUR ZIMNY STATYSTYKA OPISOWA Materał pomoccze do ćwczeń wdae druge zmeoe Ko 010 Ttuł Statstka opsowa Materał pomoccze do ćwczeń wdae druge zmeoe
Bardziej szczegółowoZadanie 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 szczegółowoMatematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.
Wkład. Całka podwója. Zamaa a całkę terowaą. Oblczae pól obszarów objętośc brł.. Całka podwója w prostokące. Jak pamętam, całka ozaczoa z cągłej fukcj jedej zmeej wprowadzoa bła w celu oblczaa pola powerzch
Bardziej szczegółowoLiniowe relacje między zmiennymi
Lowe relacje mędzy zmeym Marta Zalewska Zakład Proflaktyk ZagrożeńŚrodowskowych Alergolog Ocea lowych relacj mędzy zmeym Metoda korelacj - określee rodzaju sły zależośc mędzy cecham. Metoda regresj 1 Uwaga
Bardziej szczegółowoModele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej
Bardziej szczegółowoRACHUNEK NIEPEWNOŚCI POMIARU
Mędzarodowa Norma Oce Nepewośc Pomaru (Gude to Epresso of Ucertat Measuremets - Mędzarodowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st./gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewodk.
Bardziej szczegółowoPodstawowe 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 szczegółowoOcena dopasowania modelu do danych empirycznych
Ocea dopasowaia modelu do dach empirczch Po oszacowaiu parametrów modelu ależ zbadać, cz zbudowa model dobrze opisuje badae zależości. Jeśli okaże się, że rozbieżość międz otrzmam modelem a dami empirczmi
Bardziej szczegółowoPODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE
Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ II STATYSTYKA OPISOWA Na prawach rękopsu Warszawa, wrzeseń 0 Data ostatej aktualzacj: czwartek, 0 paźdzerka
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne
Bardziej szczegółowoZMIENNE LOSOWE WIELOWYMIAROWE
L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoAKADEMIA 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 szczegółowoStatystyka 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 szczegółowoPermutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2
Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w
Bardziej szczegółowoMetody obliczeniowe - Budownictwo semestr 2 - wykład nr 3 Nr: 1 Metody obliczeniowe wykład nr 3 aproksymacja i interpolacja pojęcie modelu regresji
Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Metod oblczeowe wkład r 3 aproksmacja terpolacja pojęce modelu regresj Nr: Metod oblczeowe - Budowctwo semestr - wkład r 3 Aproksmacja daa jest ukcja
Bardziej szczegółowoWykład 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 szczegółowoWyrażanie 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 szczegółowoROZKŁADY 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