STATYSTYKA MATEMATYCZNA

Wielkość: px
Rozpocząć pokaz od strony:

Download "STATYSTYKA MATEMATYCZNA"

Transkrypt

1 STATYSTYKA MATEMATYCZNA Woskowe sttstcze - egesj koelcj

2 teść Wpowdzee Regesj koelcj low dwóch zmech Regesj koelcj elow - tsfomcj zmech Regesj koelcj welokot

3 Wpowdzee Jedostk zoowośc sttstczej mogą ć chktezowe z pomocą welu cech Cech te mogą ć powąze ze soą jk p: peśc wsokość dzew w dzewoste Bdem tkch zwązków zjmuje sę dzł sttstk mtemtczej zw teoą egesj koelcj W dch współzleŝośc mędz cechm mezlm (zmem) mogą wstąpć: - zwązk fukcje - to tke, ked zm wtośc jedej zmeej powoduje ścśle okeśloą zmę wtośc pozostłch zmech - zwązk koelcje - to tke, ked zm wtośc jedej zmeej powoduje zmę ozkłdu pwdopodoeństw pozostłch zmech

4 Bde zwązków koelcjch spowdz sę do dwóch polemów: Poszukwe fukcj egesj (fukcj, któ jlepej wów dą zleŝość koelcją) Okeślee m sł koelcj (stop zlŝe zwązku koelcjego do zwązku fukcjego)

5 Regesj koelcj low dwóch zmech: W dch zwązków koelcjch medz zmem X Y moŝem zówo jedą tktowć jko zmeą zleŝą dugą jko zmeą ezleŝą lu odwote Zmee te wzjeme see wpłwją A ówe egesj mogło zleźć zstosowe pktcze, to jko zmeą zleŝą powśm pzjąć cechę tudejszą do okeśl w dej populcj Pzkłdowo: dl zwązku mędz wsokoścą peścą, zmeą zleŝą pow ć wsokość Dl zozume czm poleg okeśle sł zwązku koelcjego zjmem sę odwom postcm ówń egesj: α X X Y Y β α β W zstosowu pktczm ów egesj udujem podstwe wków pó: α α β,,, β gdze:,,, są estmtom

6 ŷ ŷ ŷ 0 ; ; 0 ; ; ; ;

7 Włsośc postch egesj: * pzecją sę w pukce o współzędch,, * mją te sm zk () lu (-), któ ozcz, Ŝe w mę wzostu jedej zmeej dug teŝ ośe () lu mleje (-), * wtość lczow współczków keukowch mów o le zme sę zme zleŝ jeŝel zme ezleŝ zme sę o jedostkę, * pz ku zwązku mędz zmem współczk keukowe są ówe zeo, kąt mędz postm - 90 o, * pz zleŝośc fukcjej poste pokwją sę, ch ów wzjeme sę pzeksztłcją, kąt - 0 o, * pz zleŝośc koelcjej poste pzecją sę pod pewm kątem Im kąt te jest lŝsz 0 - zwązek slejsz, m lŝsz 90 o - zwązek słsz

8 Metod jmejszch kwdtów - ukłd ówń omlch: ( ) ( )

9 Pzkłd: N podstwe pó o lczeośc 0 zdć zwązek mędz peścą wsokoścą w 0-letm dzewoste sosowm ,,6 4, 8, 0,4 7, 9,8,5 4,7 8, 9,64, 9,0 0,9,7 0,8,4,9 8,45 0, ,5 6,7 7 8, 6, 9, 8, 6,5 0, 0,5 9, 9, 0,9 9,7 0,74 0,6,64 9,44, ,8 8,9 7,7 6,7,6 8,4 6,,9 9,8 8,6,9 0,4 9,8 9,5,0 0, 9,65,6 0,5 0,5

10 lp 0 5,,6 4, 8,6 9,64,0 9,0 0,50 7,04 4,56 8,49 7,96 9,996 5,4400 8,5409 0,500 50,8 9,90 8,89 90,00 Σ 57,,40 7,7 76,5000 7,040

11 8,6 % 8,05 % 0,898,40 0,806 5,78 0,4 8,57 7,04,5 76,7 7,4 57, w w s s s s 5,8 0,4*,4 57, 7,65 0 0,64* 57,,4,4 0,64,4 0*76,5 57,*,4 0*7,04 57, 0*7,7 57,*,4 0*7,04

12 Zwzek medz pesc () wsokosc () PA- Zwzek medz pesc () wsokosc () PA- ŷ ,646 0,645 5,806, 47

13 Współczk koelcj lowej dwóch zmech: Współczk koelcj lowej jest kowcją zmech X Y podzeloą pzez locz odchleń stddowch tch zmech ( )( ) 0,874 0,764 ± C C C C s s C C σ σ σ σ σ σ ρ z pzkłdu:

14 zlezosc wsokosc () od pesc () - PA ,646 0, 645 ( ) ( ) ( ) ( ) ( )

15 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ± ( ) ( ) 0,8745 0, ,7648,747 5,498 5,498 0,645* 7,04 7,646*,4 76,5,747 0,4 76,5 z pzkłdu:

16 Włsośc współczk koelcj lowej: * gd ρ 0 mędz zmem e m lowego zwązku koelcjego, * gd ρ lu - mędz zmem zchodz fukcj zwązek low, * gd 0 < ρ < lu 0< ρ < - mędz zmem zchodz low zwązek koelcj, * jeŝel ρ lŝsz lu - to zwązek jest slejsz, * zk współczk koelcj jest tk sm jk zk współczków keukowch egesj

17 Zmeość wokół l egesj - zmeość pz włączom wpłwe s ( ) s s w w s z pzkłdu: s 0,898 0,874 0,46m w 8,6 0,874 4,9% Uogólee m moc koelcj, egesj koelcj elow, tsfomcj zmech: R ( ) ( )

18 Pzkłd: zlezosc wsokosc () od pesc () - PA- 0 R 9 8 *l 0, ( ) 4,67,7455*l( ) R 0,789

19 Regesj koelcj welokot: m m m m m m m z ezleze zmee zlez zme ) 4( ,), (,,,, ) ( - dl tzech zmech: ukłd ówń omlch:

20 - współczk koelcj welokotej: ( ) ( ) ( ) R R R 0 - koelcj cząstkow: ( )( ) ( )( ) R

Regresja liniowa. (metoda najmniejszych kwadratów, metoda wyrównawcza, metoda Gaussa)

Regresja 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 szczegółowo

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów

r h SSE EKONOMETRIA - WZORY p pk Opracowała: Joanna Kisielińska 1 Metody doboru zmiennych Metoda Nowaka Metoda Hellwiga Metoda momentów Opowł: Jo Kselńs EKONOMETRIA - WZORY Metod doou zmeh Metod Now * t I I I Metod Hellwg om L l l K p p pk h l l K p H l h pk Metod mometów e Regesj post Modele: MNK m s s Y X C s v Opowł: Jo Kselńs Współz:

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

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia dr Mchł Koopczńsk Ekoom mtemtcz ćwcze. Ltertur obowązkow Eml Pek red. Podstw ekoom mtemtczej. Mterł do ćwczeń MD r 5 AE Pozń.. Ltertur uzupełjąc Eml Pek Ekoom mtemtcz AE Pozń. Alph C. Chg Podstw ekoom

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE 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 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

11. Aproksymacja metodą najmniejszych kwadratów

11. Aproksymacja metodą najmniejszych kwadratów . Aproksmcj metodą jmejszch kwdrtów W ukch przrodczch wkoujem często ekspermet polegjące pomrch pr welkośc, które, jk przpuszczm, są ze sobą powąze jkąś zleżoścą fukcją =f(, p. wdłużee spręż w zleżośc

Bardziej szczegółowo

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna.

Rys. 1. Interpolacja funkcji (a) liniowa, (b) kwadratowa, (c) kubiczna. terpolcj.doc Iterpolcj fukcj. Sformułowe problemu: Rs.. Iterpolcj fukcj low, b kwdrtow, c kubcz. De są rgumet,,,. orz odpowdjące m wrtośc fukcj = f, = f,, = f. Postć fukcj = f jest e z lub z. Poszukw jest

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Potr Szczepńk Ktedr Chem Fzczej Fzkochem Polmeró ANALIZA REGRESJI REGRESJA LINIOWA. REGRESJA LINIOWA - metod jmejzch kdrtó. REGRESJA WAŻONA 3. ANALIZA RESZT 4. WSPÓŁCZYNNIK KORELACJI,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

= n = = i i. Sprawdzenie istotności współczynnika korelacji ρ dla populacji na podstawie współczynnika r

= 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 szczegółowo

Statystyka. Metody analizy korelacji i regresji

Statystyka. Metody analizy korelacji i regresji Sttstk Metod lz korelcj regresj Bd stop keruku zleżośc różch zjwsk gd steje przpuszczee o stee węz przczowej łączącej te zjwsk jest jedm z czelch zdń kżdej dscpl ukowej Alz współzleżośc może dotczć zrówo

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie 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 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

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne Spóe pzeszee ecze De. Pzeszeń eczą zw spóą eżel e d sę e pzedswć w posc s dwóc zoów epsc owc ozłączc. - pzeszeń spó ~ owe Icze es zoe spó eżel dl dowolc pów czl see cągł c : : = = see dog łącząc Tw. ągł

Bardziej szczegółowo

Mechanika teoretyczna

Mechanika teoretyczna ktestki geometcze Mecik teoetcz Wkłd 9, i ktestki geometcze figu płskic. Główe cetle osie ezwłdości. Pole powiezci Momet sttcz współzęde śodk ciężkości. Momet ezwłdości Momet odśodkow główe cetle osie

Bardziej szczegółowo

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 2. Układy liniowe i niezmienne w czasie (układy LTI) y[n] x[n]

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 2. Układy liniowe i niezmienne w czasie (układy LTI) y[n] x[n] Toi Sgłów II ok Goizki III ok Ioki Sosowj Wkłd Ukłd liiow i izi w czsi ukłd LTI Kilk uwg: LTI jpopulijsz odl ilcji LTI odl pocsów izczch [] Ukłd liiow [] gdzi ozcz sgł wjściow do ukłdu zś sgł wjściow.

Bardziej szczegółowo

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch.

DYNAMIKA. Dynamika jest działem mechaniki zajmującym się badaniem ruchu ciał z uwzględnieniem sił działających na ciało i wywołujących ten ruch. DYNMIK Daika jes działe echaiki zajując się badaie uchu ciał z uwzględieie sił działającch a ciało i wwołującch e uch. Daika opiea się a pawach Newoa, a w szczególości a dugi pawie (zwa pawe daiki). Moża

Bardziej szczegółowo

POMIAR SKŁADOWEJ POZIOMEJ ZIEMSKIEGO POLA MAGNETYCZNEGO

POMIAR SKŁADOWEJ POZIOMEJ ZIEMSKIEGO POLA MAGNETYCZNEGO ĆWCZEE 38 Elektczość mgetzm POMAR KŁADOWEJ POZOMEJ ZEMKEGO POLA MAGETYCZEGO. Ops teoetcz do ćwcze zmeszczo jest stoe www.wtc.wt.ed.pl w dzle DYDAKTYKA FZYKA ĆWCZEA LABORATORYJE.. Ops kłd pomowego Pzząd

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia 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 szczegółowo

Statystyka. Katarzyna Chudy Laskowska

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

Bardziej szczegółowo

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19

Rozwiązanie niektórych zadań treningowych do I kolokwium sem. zimowy, 2018/19 Rozwąze ektóryh zdń tregowyh do I kolokwum sem. zmowy, 8/9 Zd.. V = ost, = 98 K W wrukh dtyzyh Q = ΔU =. Końową temperturę zjdzemy rozwązują rówe ΔU =. Zm eerg wewętrzej zhodz wskutek rekj hemzej jlepej

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

dr inż. Zbigniew Szklarski

dr inż. Zbigniew Szklarski Wkłd 3: Kinemtk d inż. Zbigniew Szklski szkl@gh.edu.pl http://le.uci.gh.edu.pl/z.szklski/ Wstęp Opis uchu KINEMATYKA Dlczego tki uch? Pzczn uchu DYNAMIKA MECHANIKA 08.03.018 Wdził Infomtki, Elektoniki

Bardziej szczegółowo

BADANIE DRGAŃ RELAKSACYJNYCH

BADANIE DRGAŃ RELAKSACYJNYCH BADANIE DRGAŃ RELAKSACYJNYCH Ops ukłdu pomrowego Ukłd pomrow skłd sę z podstwowch częśc: dego geertor drgń relkscjch, zslcz geertor, geertor odese (drgń hrmoczch), oscloskopu. Pokz rsuku schemt deow geertor

Bardziej szczegółowo

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3)

Równania różniczkowe. y xy (1.1) x y (1.2) z xyz (1.3) ownn oznczkowe Równn óżnczkowe. Wstę Równne óżnczkow nzw ównne zwejące funkcje newdoe zenne nezleżne oz ocodne funkcj newdoc lu c óżnczk. Pzkłd d 5 d d sn d. d d e d d d. z z z z. ównne óżnczkowe zwczjne

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie 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 szczegółowo

Rozkłady prawdopodobieństwa 1

Rozkłady prawdopodobieństwa 1 Rozkłdy rwdoodoeństw Rozkłdy rwdoodoeństw. Rozkłdy dyskrete cągłe. W rzydku rozkłdu dyskretego określmy wrtośc rwdoodoeństw dl rzelczlej skończoej lu eskończoej lczy wrtośc zmeej losowej. N.... wszystke

Bardziej szczegółowo

I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczby całkowite C : C..., 3, 2, 1,

I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczby całkowite C : C..., 3, 2, 1, I. DZIAŁANIA W ZBIORZE LICZB RZECZYWISTYCH ZBIORY LICZBOWE: liczy turle N : N 0,,,,,,..., N,,,,,... liczy cłkowite C : C...,,,, 0,,,,... Kżdą liczę wymierą moż przedstwić z pomocą ułmk dziesiętego skończoego

Bardziej szczegółowo

DOPASOWANIE ZALEŻNOŚCI LINIOWEJ DO WYNIKÓW POMIARÓW

DOPASOWANIE ZALEŻNOŚCI LINIOWEJ DO WYNIKÓW POMIARÓW DOPAOWANIE ZALEŻNOŚCI LINIOWEJ DO WYNIKÓW POMIARÓW Jedm stotch gdeń l dch pomroch jest dopsoe leżośc teoretcej do kó pomró. Dotc oo stucj gd dokoo ser pomró pr elkośc które są e soą poąe leżoścą f... m

Bardziej szczegółowo

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa W Z Ó R U M O W Y z a w a r t a w G d y n i w d n i u 2 0 1 4 r po m i d z y G d y s k i m O r o d k i e m S p o r t u i R e k r e a c j i j e d n o s t k a b u d e t o w a ( 8 1-5 3 8 G d y n i a ), l

Bardziej szczegółowo

RELACJE WARTOŚCI DŁUGOŚCI DROGI HAMOWANIA I DROGI ZATRZYMANIA DLA RÓŻNYCH WARUNKÓW RUCHU SAMOCHODU

RELACJE WARTOŚCI DŁUGOŚCI DROGI HAMOWANIA I DROGI ZATRZYMANIA DLA RÓŻNYCH WARUNKÓW RUCHU SAMOCHODU Zbigiew LOZIA, Pio WOLIŃSI RELACJE WARTOŚCI DŁUGOŚCI DROGI HAMOWANIA I DROGI ZATRZYMANIA DLA RÓŻNYCH WARUNÓW RUCHU SAMOCHODU Seszczeie Pc pzedswi oceę długości dogi mowi i dogi zzymi smocodu (zwej kże

Bardziej szczegółowo

ANALIZA ZALEŻNOŚCI DWÓCH ZMIENNYCH ILOŚCIOWYCH

ANALIZA 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 szczegółowo

Rachunek Prawdopodobieństwa i statystyka W 10: Analizy zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)

Rachunek 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 szczegółowo

Spójne przestrzenie metryczne

Spójne przestrzenie metryczne lz Włd 5 d d Ćel cel@gedpl Spóe pzeszee ecze De Pzeszeń eczą ρ zw spóą eżel e d sę e pzedswć w psc s dwóc zów epsc wc złączc ρ - pzeszeń spó ~ we Icze es ze spó eżel dl dwlc pów czl see cągł c γ : : γ

Bardziej szczegółowo

kwartalna sprzeda elazek

kwartalna sprzeda elazek Modele elowe MODELE NIELINIOWE Prłd. model low elow - orówe). Kwrl sred ele w lch 996-999 wosł: 4 5 6 7 8 9 4 45 5 57 6 64 68 65 68 67 69 7 7 7 75 Wc rogo rec wrł ro 999. Z wres wd, e red jes rosc lec

Bardziej szczegółowo

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ. L.Kowls - Uwg o rozłdz uc zm losow UWAI O ROZKŁADZIE UNKCJI ZMIENNEJ LOSOWEJ. - d zm losow cągł o gęstośc. Y g g - borlows tz. g - B BR dl B BR Wzczć gęstość g zm losow Y. Jśl g - ścśl mootocz różczowl

Bardziej szczegółowo

Hipotezy ortogonalne

Hipotezy ortogonalne Sttytyk Wykłd d Ćl -4 cl@gh.du.pl Hpotzy otogol ozwży odl lowy: Xϕ gdz X jt wkto obwcj ϕ Ω jt wkto śdch (wtośc oczkwych) o któy wdoo lży w pwj włścwj podpztz lowj Ω pztz tz. Ω d(ω)< jt loowy wkto błędów

Bardziej szczegółowo

Ż ż Ł ż ż ż Ż Ś ż ż ż Ł Ż Ż ć ż Ż Ż Ż Ń Ż Ź ż Ź Ź ż Ż ż ż Ż Ł Ż Ł Ż ż Ż ż Ż Ż Ń Ą Ż Ń Ż Ń ć ż Ż ź Ś ć Ł Ł Ź Ż Ż ż Ł ż Ż Ł Ż Ł ź ć ż Ż Ż ż ż Ó ż Ł Ż ć Ż Ż Ę Ż Ż Ż ż Ż ż ż Ś ż Ż ż ż ź Ż Ń ć Ż ż Ż Ż ż ż ż

Bardziej szczegółowo

Ś Ł Ą Ś Ś ź Ś ń ż ż Ó ż ż Ś Ł ż ń ń ń ż ń Ś ń ć ŚĘ Ó Ł Ę Ł Ś Ę Ę ń ń ń ń ń Ź ń ń ń ń ń ż ń ń ń ń ń Ę ż ż ć Ść ń ń ż Ń ż ż ń ń Ś Ą ń Ś ń ń ż Ó ż Ź ń ż ń Ś Ń Ó ż Ł ż Ą ź ź Ś Ł ć Ś ć ż ź ż ć ć Ę Ó Ś Ó ż ż

Bardziej szczegółowo

Ł Ł Ś ź ń ź ź ź Ś Ł Ę Ę Ś ż Ś ń Ą Ś Ą Ł ż ż ń ż ć ż ż ż ź ż ć ź Ę Ę ń ć ż Ł ń ż ż ż Ś ż Ś ż ż ż ż ż ż ż ń ń ż ż ż ć ż ń ż ń ź ż ć ż ż ć ń ż Ę Ę ć ń Ę ż ż ń ń ź Ę ź ż ń ż ń ź ż ż ż ń ż ż ż ż ż ż ż ż ń ń

Bardziej szczegółowo

Ł Ł Ś Ę ź ń ź ź Ś Ę Ę Ś Ą Ś Ę Ż Ł ń Ę Ś ć ć ń ć ń ń ń ź ń Ę ź ń ń ń ź ź Ś ź ź ć ń ń ń ń Ś ć Ś ń ń Ś ź ń Ę ń Ś ź ź ź ź ź Ę Ę Ę Ś ń Ś ć ń ń ń ń ń ń Ę ń ń ń ń ć ń ń ń ń ć ń Ś ć Ł ń ń ń ć ń ć ź ń ź ć ń ń ć

Bardziej szczegółowo

Momenty bezwładności figur płaskich - definicje i wzory

Momenty bezwładności figur płaskich - definicje i wzory Moment ezwłnośi figu płski - efinije i wzo Dn jest figu płsk o polu oz postokątn ukł współzęn Momentem ezwłnośi figu wzglęem osi jest Momentem ezwłnośi figu wzglęem osi jest Momentem ewijnm figu wzglęem

Bardziej szczegółowo

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n

Całkowanie numeryczne Zadanie: obliczyć przybliżenie całki (1) używając wartości funkcji f(x) w punktach równoodległych. Przyjmujemy (2) (3) (4) x n lkowe_um- łkowe umercze Zde: olczć przlżee cłk ( ) d () użwjąc wrtośc ukcj () w puktc rówoodległc. Przjmujem (), gdze,,, () () tąd / (5) Metod prostokątów d / (6) gdze / / (7) -- :9: /6 lkowe_um- td. td.

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

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY

1. Określ monotoniczność podanych funkcji, miejsce zerowe oraz punkt przecięcia się jej wykresu z osią OY . Określ ootoiczość podch fukcji, iejsce zerowe orz pukt przecięci się jej wkresu z osią OY ) 8 ) 8 c) Określjąc ootoiczość fukcji liiowej = + korzst z stępującej włsości: Jeżeli > to fukcj liiow jest

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

Znajdowanie analogii w geometrii płaskiej i przestrzennej

Znajdowanie analogii w geometrii płaskiej i przestrzennej Gimnzjum n 17 im. Atu Gottge w Kkowie ul. Litewsk 34, 30-014 Kków, Tel. (12) 633-59-12 Justyn Więcek, Atu Leśnik Znjdownie nlogii w geometii płskiej i pzestzennej opiekun pcy: mg Doot Szczepńsk Kków, mzec

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

SYSTEMY ROZMYTO-NEURONOWE REALIZUJĄCE RÓŻNE SPOSOBY ROZMYTEGO WNIOSKOWANIA

SYSTEMY ROZMYTO-NEURONOWE REALIZUJĄCE RÓŻNE SPOSOBY ROZMYTEGO WNIOSKOWANIA POLIECHIK CZĘSOCHOWSK KEDR IŻYIERII KOMPUEROWEJ PRC DOKORSK SYSEMY ROZMYO-EUROOWE RELIZUJĄCE RÓŻE SPOSOY ROZMYEGO WIOSKOWI Roert owc Promotor: dr h. ż. Dut Rutows rof. dzw. P.Cz. Częstochow 999 eszm chcłm

Bardziej szczegółowo

Prędkość i przyspieszenie punktu bryły w ruchu kulistym

Prędkość i przyspieszenie punktu bryły w ruchu kulistym Pędkość i pzyspieszenie punktu były w uchu kulistym Położenie dowolnego punktu były okeślmy z pomocą wekto (o stłej długości) któego współzędne możemy podć w nieuchomym ukłdzie osi x y z ) z b) ζ ζ η z

Bardziej szczegółowo

MATEMATYKA. Sporządził: Andrzej Wölk

MATEMATYKA. Sporządził: Andrzej Wölk MATEMATYKA Sporządzł: Adrzej ölk . adae Rozwązać rówae różczkowe: b) e X X e rozwązuję całkę żeb wzaczć e X e X z tego wka, że e X X e X e adae a) s d t dt d ( t ) dt dt pochoda d dt s d s s s s d = C

Bardziej szczegółowo

WYZNACZENIE CZUŁOŚCI GALWANOMETRU ZWIERCIADŁOWEGO

WYZNACZENIE CZUŁOŚCI GALWANOMETRU ZWIERCIADŁOWEGO ĆWICZENIE 6 Elektzość Metzm WYZNACZENIE CZŁOŚCI GALWANOMET ZWIECIADŁOWEGO Ops teoetz do ćwze zmeszzo jest stoe www.wt.wt.ed.pl w dzle DYDAKTYKA FIZYKA ĆWICZENIA LABOATOYJNE. Ops kłd pomoweo s.. Shemt kłd

Bardziej szczegółowo

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne.

Wykład 1 Pojęcie funkcji, nieskończone ciągi liczbowe, dziedzina funkcji, wykres funkcji, funkcje elementarne, funkcje złożone, funkcje odwrotne. Wykłd Pojęcie fukcji, ieskończoe ciągi liczbowe, dziedzi fukcji, wykres fukcji, fukcje elemetre, fukcje złożoe, fukcje odwrote.. Fukcje Defiicj.. Mówimy, że w zbiorze liczb X jest określo pew fukcj f,

Bardziej szczegółowo

Regresja liniowa. Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2,

Regresja liniowa. Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2, Regrej low. Złóżm, że mm pęć puktów dośwdczlch dch w tbel: Tbel.,5 4 3 6 3 4 8 4 5 6 Jeśl wkreślm te pukt, otrzmm Ruek.. Ruek. Wdć, że chocż pukt ą eco porozrzuce kutek, powedzm, błędów pomrowch, to jedk

Bardziej szczegółowo

KARTA WZORÓW MATEMATYCZNYCH. (a + b) c = a c + b c. p% liczby a = p a 100 Liczba x, której p% jest równe a 100 a p

KARTA WZORÓW MATEMATYCZNYCH. (a + b) c = a c + b c. p% liczby a = p a 100 Liczba x, której p% jest równe a 100 a p KRT WZORÓW MTEMTYZNY WŁSNOŚI DZIŁŃ Pwo pzemiennośi dodwni + = + Pwo łąznośi dodwni + + = ( + ) + = + ( + ) Pwo zemiennośi mnoŝeni = Pwo łąznośi mnoŝeni = ( ) = ( ) Pwo ozdzielnośi mnoŝeni względem dodwni

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

Środek masy i geometryczne momenty bezwładności figur płaskich 1

Środek masy i geometryczne momenty bezwładności figur płaskich 1 Środek ms geometrzne moment bezwłdnoś fgur płskh Środek ms fgur płskej Zleżnoś n współrzędne środk ms, fgur płskej złożonej z fgur regulrnh rs.. możem zpsć w nstępują sposób: gdze:. pole powerzhn -tej

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

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

mgh. Praca ta jest zmagazynowana w postaci energii potencjalnej,

mgh. Praca ta jest zmagazynowana w postaci energii potencjalnej, Wykłd z fizyki. Piot Posmykiewicz 49 6-4 Enegi potencjln Cłkowit pc wykonn nd punktem mteilnym jest ówn zminie jego enegii kinetycznej. Często jednk, jesteśmy zinteesowni znlezieniem pcy jką sił wykonł

Bardziej szczegółowo

Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2, Rysunek 11.

Załóżmy, że mamy pięć punktów doświadczalnych danych w tabeli: Tabela 11.1 i x i y i 1 2 2, Rysunek 11. Regrej low. Złóżm, że mm pęć puktów dośwdczlch dch w tbel: Tbel.,5 4 3 6 3 4 8 4 5 6 Jeśl wkreślm te pukt, otrzmm Ruek.. 7 6 5 4 3 4 6 8 Ruek. Wdć, że chocż pukt ą eco porozrzuce kutek, powedzm, błędów

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

Johann Wolfgang Goethe Def.

Johann Wolfgang Goethe Def. "Maemac ą ja Facuz: coolwe m ę powe od azu pzeładają o a wój wła jęz wówcza aje ę o czmś zupełe m." Joha Wola Goehe Weźm : m m Jeżel zdeujem ucje pomoccze j : j dla j = m o = m dze = Czl wacz pzeaalzowad

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam

Bardziej szczegółowo

- :!" # $%&' &() : & *+, &( -. % /0 ( 1 $+ #2 ( #2 ) !( # ;<= &( ) >- % ( &( $+ #&( #2 A &? -4

- :! # $%&' &() : & *+, &( -. % /0 ( 1 $+ #2 ( #2 ) !( # ;<= &( ) >- % ( &( $+ #&( #2 A &? -4 - :!" # $%&' &() : 1. 8 -& *+, &( -. % /0 ( 1 $+ #2 ( #2 ) 3 45 167-1.!( # ;- % ( &(- 17 #(?!@- 167 1 $+ &( #&( #2 A &? -2.!"7 # ;- % #&( #2 A &? -3.!( # ;

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

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe.

Wykład 6 Całka oznaczona: obliczanie pól obszarów płaskich. Całki niewłaściwe. Wykłd 6 Cłk ozczo: olcze pól oszrów płskch. Cłk ewłścwe. Wprowdźmy jperw ocję sumow: Dl dego zoru lcz {,,..., } symol ozcz ch sumę, z.... Cłk ozczo zosł wprowdzo w celu wyzcz pól rpezów krzywolowych (rys.

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

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

Pole (miara Jordana) obszaru płaskiego

Pole (miara Jordana) obszaru płaskiego EAIB-Iotk-Wkł - A Ćel el@ghepl CAŁKI POWÓJNE t Neh [ α β] t t t ęze ągłą ką wektoową K t t [ α β] zw kzwą płską kę zw petzą kzwe płske ze -kzw to ągł oz ok e Zó { } Jeśl otkowo złoż że est óżowtośow to

Bardziej szczegółowo

MODEL SHARP A - MIARY WRAŻLIWOŚCI

MODEL 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 szczegółowo

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja. Aproksymacja Interpolacja wielomianowa Przykłady. Jaki jest dopuszczalny błąd wyniku?

METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja. Aproksymacja Interpolacja wielomianowa Przykłady. Jaki jest dopuszczalny błąd wyniku? METODY NUMERYCZNE Wkłd. dr h.ż. Ktrz Zkrzewsk, prof.agh Met.Numer. wkłd Pl Aproksmc Iterpolc welomow Przkłd Met.Numer. wkłd Aproksmc Metod umercze zmuą sę rozwązwem zdń mtemtczch z pomocą dzłń rtmetczch.

Bardziej szczegółowo

Statystyka powtórzenie (II semestr) Rafał M. Frąk

Statystyka 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 szczegółowo

PROGRAMOWANIE LINIOWE.

PROGRAMOWANIE LINIOWE. Wykłd 6 Progrowe lowe. Zstosow ekoocze. PROGRAMOWANIE LINIOWE. ZASTOSOWANIA EKONOMICZNE. CENY DUALNE. ANALIZA WRAŻLIWOŚCI.. RACHUNEK EKONOMICZNY. ZASADY RACJONALNEGO GOSPODAROWANIA. Rchuek ekooczy - porówe

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

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH Laboaoum eod aczch ĆWICZENIE 3 ANALIZA WPÓŁZALEŻNOŚCI ZJAWIK AOWCH Jedo wozące zboowość chaaezowae ą zazwcza za pomocą welu cech óe wzaeme ę wauuą. Celem aalz wpółzależośc e wedzee cz mędz badam cecham

Bardziej szczegółowo

Powinowactwo chemiczne Definicja oraz sens potencjału chemicznego, aktywność Termodynamiczne funkcje mieszania

Powinowactwo chemiczne Definicja oraz sens potencjału chemicznego, aktywność Termodynamiczne funkcje mieszania ermdyamka układów rzeczywstych 2.7.1. Pwwactw chemcze 2.7.2. Defcja raz ses tecjału chemczeg aktywść 2.7.3. ermdyamcze fukcje meszaa 2.7.4. Klasyfkacja rztwrów Waruk ztermcz-zchrycze ) ( V F F j V V d

Bardziej szczegółowo

2 7k 0 5k 2 0 1 5 S 1 0 0 P a s t w a c z ł o n k o w s k i e - Z a m ó w i e n i e p u b l i c z n e n a u s ł u g- i O g ł o s z e n i e o z a m ó w i e n i u - P r o c e d u r a o t w a r t a P o l

Bardziej szczegółowo

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,

Bardziej szczegółowo

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych

Granica cigu punktów. ), jest zbieny do punktu P 0 = ( x0. n n. ) n. Zadania. Przykłady funkcji dwu zmiennych Gric cigu puktów Ztem Cig puktów P P ; jest zie do puktu P ; gd P P [ ] Oliczm gric cigu l Poiew l l wic cig l jest zie i jego gric jest pukt π π [ ] Oliczm gric cigu si π π π π Poiew si si wic cig si

Bardziej szczegółowo

Układy cyfrowe. ...konstruowane są w różnych technologiach i na różnych poziomach opisu. D Clk. clock

Układy cyfrowe. ...konstruowane są w różnych technologiach i na różnych poziomach opisu. D Clk. clock Ukłd cfrowe...kostruowe są w różch techologich i różch poziomch opisu. oziom opisu: ) Brmki i elemetre ukłd pmięciowe (przerzutiki) D Clk rzerzutik tpu D A B ) Bloki fukcjole: ukłd rtmetcze (sumtor), licziki,

Bardziej szczegółowo

Sposoby wyznaczenia błędu bezwzględnego. Pomiar bezpośredni. Pomiar pośredni. f x. f x. f x. f x. x n = =

Sposoby wyznaczenia błędu bezwzględnego. Pomiar bezpośredni. Pomiar pośredni. f x. f x. f x. f x. x n = = Pomr jego dokłdość. Kżdy pomr dje m wyk z pewą ylko dokłdoścą, węc obcążoy je epewoścą pomrową (błędem pomrowym). Pomry fzycze dzelmy : bezpośrede pośrede. Pomrm bezpośredm zywmy ke, kórych wrość lczbową

Bardziej szczegółowo

KORELACJA KORELACJA I REGRESJA. X, Y - cechy badane równocześnie. Dane statystyczne zapisujemy w szeregu statystycznym dwóch cech

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 szczegółowo

Linie regresji II-go rodzaju

Linie 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 szczegółowo

KONKURS MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM

KONKURS MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM Konkusy w województwie podkpkim w oku szkolnym 0/0 KONKURS MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM Kluz odpowiedzi do ETAPU WOJEWÓDZKIEGO Akusz zwie tylko zdni otwte, któe nleży oenić według zmieszzonego poniżej

Bardziej szczegółowo

Kratownice Wieża Eiffel a

Kratownice Wieża Eiffel a Kratownice Wieża Eiffel a Kratownica jest to konstrukcja nośna, składająca się z prętów połączonch ze sobą w węzłach. Kratownica może bć: 1) płaska, gd wszstkie pręt leżą w jednej płaszczźnie, 2) przestrzenna,

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

Przydatna wiedza dotycząca systemów transmisji cyfrowej

Przydatna wiedza dotycząca systemów transmisji cyfrowej rzd wedz docząc ssemów rsms crowe Ssem rsms crowe Krzszo Wesołowsk Wprowdzee Cel wkłdu: rzpomee podswowch zgdeń z eor sgłów, przewrz sgłów rchuku prwdopodoeńsw rdzo przdch w zrozumeu dzł crowch ssemów

Bardziej szczegółowo

Podstawy układów logicznych

Podstawy układów logicznych Podstwy ukłdów logicznych Prw logiki /9 Alger Boole Prw logiki WyrŜeni i funkcje logiczne Brmki logiczne Alger Boole /9 Alger Boole' Powszechnie stosowne ukłdy cyfrowe (logiczne) prcują w oprciu o tzw.

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 powtórzenie (II semestr) Rafał M. Frąk

Statystyka 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 szczegółowo

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a Ciągi liczbowe Defiicj Fukcję : N R zywmy iem liczbowym Wrtość fukcji () ozczmy symbolem i zywmy -tym lub ogólym wyrzem u Ciąg Przykłdy Defiicj róŝic zpisujemy rówieŝ w postci { } + Ciąg liczbowy { } zywmy

Bardziej szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y

Bardziej 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

POWTÓRKA ( ) ( ) ROZRÓŻNIENIE MIĘDZY PARAMETREM A STATYSTYKĄ

POWTÓRKA ( ) ( ) ROZRÓŻNIENIE MIĘDZY PARAMETREM A STATYSTYKĄ Zwsowe Metod Ali Prestrech Powtórk I Mrci Ligs Ktedr Geomtki WGGiIŚ AGH w Krkowie POWÓRKA ROZRÓŻNINI MIĘDZY PARAMRM A SAYSYKĄ Populcj sttstc populcj geerl iorowość) peł iór elemetów podlegjącch diu sttstcemu.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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