PODSTAWY BIOSTATYSTYKI ĆWICZENIA
|
|
- Kamila Wojciechowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało się, że wśród ich 300 popiera partię. Podać przedział ufości dla frakcji wyborców popierających partię w populacji a poziomie ufości
2 ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało się, że wśród ich 300 popiera partię. Podać przedział ufości dla frakcji wyborców popierających partię w populacji a poziomie ufości 0.95 k=300 - liczba osób popierających partię w próbie = rozmiar próby p=k/= 300/1000=0.3 - oszacowaa częstość poparcia dla partii Poziom ufości=0.95, więc α=0.05 (poziom istotości) z = (1 α )- kwatyl rzędu (1 α ) ze stadardowego rozkładu ormalego 1 1 z; z ZADANIE 1 0,5 0,4 0,4 0,3 0,3 0, 0, 0,1,5% 0,1,5% 0,0-3,0 -,5 -,0-1,5-1,0-0,5 0,0 0,5 1,0 1,5,0,5 3,0 z = 1 α = = = 0.975
3 TABLICE ROZKŁADU NORMALNEGO STANDARYZOWANEGO Powierzchia pod krzywą rozkładu ormalego stadaryzowaego. Dla wartości stadardowej Z tablica podaje powierzchię pod krzywą od Z=0 do podaej w kolumie pierwszej i główce tablicy wartości Z 0 0,01 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0, , , , , , ,039 0,0790 0, , ,1 0, , , ,0517 0, ,0596 0, , ,0714 0, , 0,0796 0, , , , , ,1057 0,1064 0,1106 0, ,3 0, ,117 0,155 0,1930 0, , , , , , ,4 0,1554 0, ,1676 0, , , ,1774 0,1808 0, , ,5 0, , , ,0194 0,0540 0,0884 0,16 0,1566 0,1904 0,40 0,6 0,575 0,907 0,337 0,3565 0,3891 0,415 0,4537 0,4857 0,5175 0,5490 0,7 0,5804 0,6115 0,644 0,6730 0,7035 0,7337 0,7637 0,7935 0,830 0,854 0,8 0,8814 0,9103 0,9389 0,9673 0,9955 0,3034 0, , , ,3137 0,9 0, , ,311 0,3381 0,3639 0,3894 0, , , , ,0 0, , , , , , , , , ,3614 1,1 0, , , , ,3786 0, , , , ,3898 1, 0, , , , ,3951 0, , , , , ,3 0,4030 0, , ,4084 0, , , , ,4161 0, ,4 0,4194 0,4073 0,40 0,4364 0,4507 0,4647 0,4785 0,49 0, , ,5 0, , , , ,438 0, ,4406 0, ,4495 0, ,6 0,4450 0, , , , , , ,4554 0,4535 0, ,7 0, , ,4578 0, , , , , ,4646 0,4637 1,8 0, , ,4656 0, ,4671 0, , ,4696 0, ,4706 1,9 0,4718 0, ,4757 0,4730 0, , , , , ,47670,0 0,4775 0, , ,4788 0,4793 0,4798 0, , ,4814 0,48169 Poieważ tablica jest dla połowy pola powierzchi pod krzywą rozkładu ormalego, to zamiast wartości szukamy wartości miejszej o 0.5, czyli z=1.96 [ECEL]=ROZKŁAD.NORMALNY.S.ODW(0,975) ZADANIE 1 1 L 0, z; z 0,3 L 0,3 0,084 z 0,3 0,7 1,96 0,3 0, P 0,3 0,084 P 0,384 Stąd z ufością 95 % poparcie dla partii zawiera się w przedziale: [0.716, 0.384]. Przeważie przekazując badaia opiii publiczej ie podaje się przedziału ufości lecz mówi się o błędzie (media podałyby: poparcie dla partii wyosi 30%; błąd oszacowaia 3%) 3
4 ZADANIE Na pewej uczeli zbadao próbę 65 studetek. Okazało się, że 15 z ich pali papierosy. Podać przedział ufości 90% dla frakcji palących w całej populacji studetek. ZADANIE Na pewej uczeli zbadao próbę 65 studetek. Okazało się, że15 z ich pali papierosy. Podać przedział ufości 90% dla frakcji palących w całej populacji studetek. k=15 - liczba palących papierosy studetek =65 - łącza liczba studetek p=k/= 15/65=0. - oszacowaa częstość paleia papierosów Poziom ufości=0.90, więc poziom istotości α=0.1 z = (1 α ) - kwatyl rzędu (1 α ) ze stadardowego rozkładu ormalego 1 1 z; z 4
5 ZADANIE 0,5 0,4 0,4 0,3 0,3 0, 0, 0,1 5% 0,1 5% 0,0-3,0 -,5 -,0-1,5-1,0-0,5 0,0 0,5 1,0 1,5,0,5 3,0 z = 1 α = = = 0.95 TABLICE ROZKŁADU NORMALNEGO STANDARYZOWANEGO Powierzchia pod krzywą rozkładu ormalego stadaryzowaego. Dla wartości stadardowej Z tablica podaje powierzchię pod krzywą od Z=0 do podaej w kolumie pierwszej i główce tablicy wartości Z 0 0,01 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0, , , , , , ,039 0,0790 0, , ,1 0, , , ,0517 0, ,0596 0, , ,0714 0, , 0,0796 0, , , , , ,1057 0,1064 0,1106 0, ,3 0, ,117 0,155 0,1930 0, , , , , , ,4 0,1554 0, ,1676 0, , , ,1774 0,1808 0, , ,5 0, , , ,0194 0,0540 0,0884 0,16 0,1566 0,1904 0,40 0,6 0,575 0,907 0,337 0,3565 0,3891 0,415 0,4537 0,4857 0,5175 0,5490 0,7 0,5804 0,6115 0,644 0,6730 0,7035 0,7337 0,7637 0,7935 0,830 0,854 0,8 0,8814 0,9103 0,9389 0,9673 0,9955 0,3034 0, , , ,3137 0,9 0, , ,311 0,3381 0,3639 0,3894 0, , , , ,0 0, , , , , , , , , ,3614 1,1 0, , , , ,3786 0, , , , ,3898 1, 0, , , , ,3951 0, , , , , ,3 0,4030 0, , ,4084 0, , , , ,4161 0, ,4 0,4194 0,4073 0,40 0,4364 0,4507 0,4647 0,4785 0,49 0, , ,5 0, , , , ,438 0, ,4406 0, ,4495 0, ,6 0,4450 0, , , , , , ,4554 0,4535 0, ,7 0, , ,4578 0, , , , , ,4646 0,4637 1,8 0, , ,4656 0, ,4671 0, , ,4696 0, ,4706 1,9 0,4718 0, ,4757 0,4730 0, , , , , ,47670,0 0,4775 0, , ,4788 0,4793 0,4798 0, , ,4814 0,48169 Poieważ tablica jest dla połowy pola powierzchi pod krzywą rozkładu ormalego, to zamiast wartości 0.95 szukamy wartości miejszej o 0.5, czyli z=1.64 [ECEL]=ROZKŁAD.NORMALNY.S.ODW(0,95) 5
6 ZADANIE 1 1 z; 1 0, 0,8 z 0, 1,64 0, 65 0,4 0, 1,64 0, 0,063 5 z Przedział ufości dla frakcji palących w całej populacji studetek: [0.1737, 0.6] W Excelu wartość z dla tego zdaia możemy uzyskać za pomocą formuły: =ROZKŁAD.NORMALNY.S.ODW(0,95) =ROZKŁAD.NORMALNY.ODW(0,95;0;1) 0,16 1,64 5 PRZYPOMNIENIE ROZKŁAD T-STUDENTA Agielski statystyk, William Sealy Gosset ( ) zasłyął jako twórca wprowadzoego w 1908 roku rozkładu prawdopodobieństwa, zaego pod azwą rozkładu t - Studeta. Nazwa związaa jest z pseudoimem Studet, pod którym Gosset publikował. Podstawą do opracowaia rozkładu prawdopodobieństwa stały się testy statystycze przeprowadzae z próbkami piwa w irladzkim browarze Arta Guiesa, w którym Gosset pracował
7 PRZYPOMNIENIE ROZKŁAD T-STUDENTA Dyspoujemy wyikami pomiarów, dla których możemy wyzaczyć estymatory parametrów populacyjych, jak średia ( ) i odchyleie stadardowe (s) lub wariacja (s ), ie zamy atomiast odchyleia stadardowego (σ) w populacji. Zagadieie to rozwiązał (w 1908r.) W.S. Gosset (pseudoim Studet) podając fukcję zależą od tzw. stopi swobody (df) i poziomu istotości (α). Wartości krytycze t(α; -1) dla rozkładu t-studeta odczytujemy z tablicy rozkładu t-studeta. Stopie swobody związae są z liczością próbki df= -1. Wykład dr M. Zalewska Szeregi statystycze, estymacja parametrycza puktowa i przedziałowa 7
8 Szeregi statystycze, estymacja parametrycza puktowa i przedziałowa - współczyik ufości/poziom istotości (1 - ) poziom ufości 15 stopi swobody Wartości krytycze rozkładu t dla różych poziomów istotości testu jedostroego i dwustroego Poziom istotości dla testu jedostroego 0,1 0,05 0,05 0,01 0,005 0,0005 Poziom istotości dla testu dwustroego 0, 0,1 0,05 0,0 0,01 0, ,0777 6,3137 1,706 31,810 63, ,5776 1,8856,900 4,307 6,9645 9,950 31, ,6377,3534 3,184 4,5407 5,8408 1, ,533,1318,7765 3,7469 4,6041 8, ,4759,0150,5706 3,3649 4,031 6, ,4398 1,943,4469 3,147 3,7074 5, ,4149 1,8946,3646,9979 3,4995 5, ,3968 1,8595,3060,8965 3,3554 5, ,3830 1,8331,6,814 3,498 4, ,37 1,815,81,7638 3,1693 4, ,3634 1,7959,010,7181 3,1058 4, ,356 1,783,1788,6810 3,0545 4, ,350 1,7709,1604,6503 3,013 4, ,3450 1,7613,1448,645,9768 4, ,3406 1,7531,1315,605,9467 4, ,3368 1,7459,1199,5835,908 4, ,3334 1,7396,1098,5669,898 3, ,3304 1,7341,1009,554,8784 3, ,377 1,791,0930,5395,8609 3, ,353 1,747,0860,580,8453 3, ,33 1,707,0796,5176,8314 3,8193 1,31 1,7171,0739,5083,8188 3,79 3 1,3195 1,7139,0687,4999,8073 3, ,3178 1,7109,0639,49,7970 3, ,3163 1,7081,0595,4851,7874 3, ,3150 1,7056,0555,4786,7787 3, ,3137 1,7033,0518,477,7707 3, ,315 1,7011,0484,4671,7633 3, ,3114 1,6991,045,460,7564 3, ,3104 1,6973,043,4573,7500 3, ,3031 1,6839,011,433,7045 3, ,987 1,6759,0086,4033,6778 3, ,958 1,6706,0003,3901,6603 3, ,886 1,6576 1,9799,3578,6174 3,3734 1,816 1,6449 1,9600,363,5758 3,906 8
9 ZADANIE 3 Czasy wykoaia pewej aalizy jest zmieą losową o rozkładzie ormalym. Na podstawie poiższej próby (w sekudach): 10.3, 15.1, 13.8, 16.4, 13, 15., 14.8, 16.4, 16.1, 15.1 podaj 95 % i 90 % przedziały ufości dla średiego czasu wykoaia aalizy. ZADANIE 3 Na podstawie poiższej próby (w sekudach): 10.3, 15.1, 13.8, 16.4, 13, 15., 14.8, 16.4, 16.1, 15.1 podaj 95 % i 90 % przedziały ufości dla średiego czasu wykoaia aalizy. 1 x i i1 10,3 15,1 13,8 16,4 1315, 14,8 16,4 16,1 15,1 14,6 10 D 1 1 x i i1 x i 10,3 15,1 13,8 16, , 14,8 16,4 16,1 15,1 x i - -4,3 0,48-0,8 1,78-1,6 0,58 0,18 1,78 1,48 0,48 (x i -) 18,66 0,30 0,67 3,178,64 0,336 0,03 3,178,190 0,30 9
10 ZADANIE 3 D 1 1 x i 3, 48 i1 s D 3,48 1,865 wzór a przedział ufości dla średiej przy iezaym odchyleiu stadardowym w populacji przedstawioo poiżej: [ t(1 ; 1) S, t(1 ; 1) S ] graica lewego (L) przedziału ufości graica prawego (P) przedziału ufości stopi swobody Wartości krytycze rozkładu t dla różych poziomów istotości testu jedostroego i dwustroego Poziom istotości dla testu jedostroego 0,1 0,05 0,05 0,01 0,005 0,0005 Poziom istotości dla testu dwustroego 0, 0,1 0,05 0,0 0,01 0, ,0777 6,3137 1,706 31,810 63, ,5776 1,8856,900 4,307 6,9645 9,950 31, ,6377,3534 3,184 4,5407 5,8408 1, ,533,1318,7765 3,7469 4,6041 8, ,4759,0150,5706 3,3649 4,031 6, ,4398 1,943,4469 3,147 3,7074 5, ,4149 1,8946,3646,9979 3,4995 5, ,3968 1,8595,3060,8965 3,3554 5, ,3830 1,8331,6,814 3,498 4, ,37 1,815,81,7638 3,1693 4, ,3634 1,7959,010,7181 3,1058 4, ,356 1,783,1788,6810 3,0545 4, ,350 1,7709,1604,6503 3,013 4, ,3450 1,7613,1448,645,9768 4, ,3406 1,7531,1315,605,9467 4, ,3368 1,7459,1199,5835,908 4, ,3334 1,7396,1098,5669,898 3, ,3304 1,7341,1009,554,8784 3, ,377 1,791,0930,5395,8609 3, ,353 1,747,0860,580,8453 3, ,33 1,707,0796,5176,8314 3,8193 1,31 1,7171,0739,5083,8188 3,79 3 1,3195 1,7139,0687,4999,8073 3, ,3178 1,7109,0639,49,7970 3, ,3163 1,7081,0595,4851,7874 3, ,3150 1,7056,0555,4786,7787 3, ,3137 1,7033,0518,477,7707 3, ,315 1,7011,0484,4671,7633 3, ,3114 1,6991,045,460,7564 3, ,3104 1,6973,043,4573,7500 3, ,3031 1,6839,011,433,7045 3, ,987 1,6759,0086,4033,6778 3, ,958 1,6706,0003,3901,6603 3, ,886 1,6576 1,9799,3578,6174 3,3734 1,816 1,6449 1,9600,363,5758 3,906 α=0.05, obliczamy kwatyl rzędu t(0.975,9)=.6 α =0.10, obliczamy kwatyl rzędu t(0.95,9)=1.83 W Excelu wartość t dla tego zadaia możemy uzyskać za pomocą formuły: =ROZKŁAD.T.ODW(0,05;9) =ROZKŁAD.T.ODW(0,1;9) 10
11 podstawiamy wartości do wzoru a przedział ufości s L t 1,865 14,6,6 13,9 10 s P t 1,865 14,6,6 15,95 10 Odp. [13.9; 15.95] 1,865 1,865 L 14,6 1,83 13,54 P 14,6 1,83 15, Odp. [13.54; 15.70] 1 ZADANIE 4 W celu ustaleia przeciętej zawartości witamiy C w owocach dzikiej róży pobrao 15 próbek 100 gramowych miąższu owocowego. Uzyskao astępujące rezultaty (w mg a 100 g miąższu): 495, 455, 438, 483, 501, 468, 49, 471, 474, 485, 504, 469, 478, 495, 481. Przyjmując współczyik ufości 0,95 zbuduj przedział ufości dla średiej wartości badaej cechy. Porówaj wyiki dla współczyika ufości
12 ZADANIE 4 W celu ustaleia przeciętej zawartości witamiy C w owocach dzikiej róży pobrao 15 próbek 100 gramowych miąższu owocowego. Uzyskao astępujące rezultaty (w mg a 100 g miąższu): 495, 455, 438, 483, 501, 468, 49, 471, 474, 485, 504, 469, 478, 495, 481. Przyjmując współczyik ufości 0,95 zbuduj przedział ufości dla średiej wartości badaej cechy. Porówaj wyiki dla współczyika ufości x i i ,7 15 ZADANIE 4 D 1 1 x i i x i - 15,7-4,3-41,3 3,7 1,7-11,3 1,7-8,3-5,3 5,7 4,7-10,3-1,3 15,7 1,7 (x i -) 47,5 588,9 170,9 13,9 47,3 16,9 16,1 68,3 7,7 3,9 611,7 105,4 1,6 47,5 3,0 D ,9 x i 315, 1 i s D 315,1 17,754 1
13 stopi swobody Wartości krytycze rozkładu t dla różych poziomów istotości testu jedostroego i dwustroego Poziom istotości dla testu jedostroego 0,1 0,05 0,05 0,01 0,005 0,0005 Poziom istotości dla testu dwustroego 0, 0,1 0,05 0,0 0,01 0, ,0777 6,3137 1,706 31,810 63, ,5776 1,8856,900 4,307 6,9645 9,950 31, ,6377,3534 3,184 4,5407 5,8408 1, ,533,1318,7765 3,7469 4,6041 8, ,4759,0150,5706 3,3649 4,031 6, ,4398 1,943,4469 3,147 3,7074 5, ,4149 1,8946,3646,9979 3,4995 5, ,3968 1,8595,3060,8965 3,3554 5, ,3830 1,8331,6,814 3,498 4, ,37 1,815,81,7638 3,1693 4, ,3634 1,7959,010,7181 3,1058 4, ,356 1,783,1788,6810 3,0545 4, ,350 1,7709,1604,6503 3,013 4, ,3450 1,7613,1448,645,9768 4, ,3406 1,7531,1315,605,9467 4, ,3368 1,7459,1199,5835,908 4, ,3334 1,7396,1098,5669,898 3, ,3304 1,7341,1009,554,8784 3, ,377 1,791,0930,5395,8609 3, ,353 1,747,0860,580,8453 3, ,33 1,707,0796,5176,8314 3,8193 1,31 1,7171,0739,5083,8188 3,79 3 1,3195 1,7139,0687,4999,8073 3, ,3178 1,7109,0639,49,7970 3, ,3163 1,7081,0595,4851,7874 3, ,3150 1,7056,0555,4786,7787 3, ,3137 1,7033,0518,477,7707 3, ,315 1,7011,0484,4671,7633 3, ,3114 1,6991,045,460,7564 3, ,3104 1,6973,043,4573,7500 3, ,3031 1,6839,011,433,7045 3, ,987 1,6759,0086,4033,6778 3, ,958 1,6706,0003,3901,6603 3, ,886 1,6576 1,9799,3578,6174 3,3734 1,816 1,6449 1,9600,363,5758 3,906 α=0.05, obliczamy kwatyl rzędu t(0.975,14)=.14 α =0.01, obliczamy kwatyl rzędu t(0.995,14)=.98 W Excelu wartość t dla tego zadaia możemy uzyskać za pomocą formuły: =ROZKŁAD.T.ODW(0,05;14) =ROZKŁAD.T.ODW(0,01;14) podstawiamy wartości do wzoru a przedział ufości [ t(1 ; 1) S, t(1 ; 1) S ] α= ,75 L 479,7, ,7 9,8 469,45 17,75 P 479,7, ,7 9,8 489,08 Odp. [469.45; ] α= ,75 L 479,7, ,7 13,67 465,6 17,75 P 479,7, ,7 13,67 49,93 Odp. [465.6; 49.93] 6 13
14 14
Estymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowo1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
Bardziej szczegółowoStatystyka 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 szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowoStatystyka 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 szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowoWykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2
Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoĆwiczenie 2 ESTYMACJA STATYSTYCZNA
Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej
Bardziej szczegółowoModa (Mo, D) wartość cechy występującej najczęściej (najliczniej).
Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1
KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę
Bardziej szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowoANALIZA DANYCH DYSKRETNYCH
ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
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 szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Estymacja puktowa i przedziałowa Marta Zalewska Zakład Profilaktyki Zagrożeń Środowiskowych i Alergologii Populacja Próba losowa (próbka) Parametry rozkładu Estymatory (statystyki) Własości estymatorów
Bardziej szczegółowoL.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3
L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoParametryczne Testy Istotności
Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowo1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,
1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =
Bardziej szczegółowoWykład 11 ( ). Przedziały ufności dla średniej
Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowo1 Dwuwymiarowa zmienna losowa
1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności
Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM PRZYPOMNIENIE ROZKŁAD NORMALNY http://www.zarz.agh.edu.pl/bsolinsk/statystyka.html
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoWYKŁAD 5 TEORIA ESTYMACJI II
WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak
Bardziej szczegółowo0.1 ROZKŁADY WYBRANYCH STATYSTYK
0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 1 i 2
STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoEstymacja parametrów rozkładu cechy
Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział
Bardziej szczegółowoTestowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15
Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay
Bardziej szczegółowoLABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.
LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowoEstymacja przedziałowa:
Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoOszacowanie i rozkład t
Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje
Bardziej szczegółowoTESTY 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 szczegółowoStatystyka 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 szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowoEstymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7
Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowo1 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 szczegółowoSTATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś
1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowod wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)
Bardziej szczegółowo(X i X) 2. n 1. X m S
Wykład 8. Przedziały ufości i testowaie hipotez A gdy ie zamy wariacji σ 2? Załóżmy, że X ma rozkład ormaly, ale ie zamy wartości ai m ai σ 2. Jak wtedy szacować wartość średią m? Przypomijmy, że Wtedy
Bardziej szczegółowoESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW
ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW POPULACJI Szkic wykładu Wprowadzenie 1 Wprowadzenie 2 3 4 Przypomnienie dotychczasowych rozważań Przedziałem ufności nazywamy przedział losowy, o którym przypuszczamy
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoĆwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym
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 szczegółowoCOLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871
COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara
Bardziej szczegółowoZawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Bardziej szczegółowoPodstawowe pojęcia. Próba losowa. Badanie próby losowej
METODY PROBABILISTYCZNE I STATYSTYKA WYKŁAD 8: STATYSTYKA OPISOWA. ROZKŁADY PRAWDOPODOBIEŃSTWA WYSTĘPUJĄCE W STATYSTYCE. Małgorzata Krętowska Wydział Iforatyki Politechika Białostocka Podstawowe pojęcia
Bardziej szczegółowoElementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Bardziej szczegółowo= n ESTYMACJA PUNKTOWA. 1. Estymacja punktowa dla wartości średniej - określanie błędu standardowego s s sˆ n
ESTYMACJA PUNKTOWA 1. Estymacja puktwa dla wartści średiej - kreślaie błędu stadardweg s s sˆ s( x) = = 1 k k 1 s( p*) = = p * q * Zad. 1. Oblicz średi błąd szacwaia s raz przecięty błąd względy v dla
Bardziej szczegółowoTesty zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11
Testy zgodności Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej 27. Nieparametryczne testy zgodności Weryfikacja
Bardziej szczegółowoMIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń
MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoMetoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2
Wykład 7 Dwie iezależe próby Często porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekarstwo a placebo Pacjeci biorący dwa podobe lekarstwa Mężczyźi a kobiety
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoWYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład
Bardziej szczegółowoStatystyka matematyczna. Wykład III. Estymacja przedziałowa
Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności
Bardziej szczegółowoLABORATORIUM 6 ESTYMACJA cz. 2
LABORATORIUM 6 ESTYMACJA cz. 2 TEORIA ESTYMACJI I 1. ODRZUCANIE WYNIKÓW WĄTPLIWYCH PRÓBA P (m) (m-elementowa) Obliczenie: ; s bez wyników wątpliwych Odrzucenie wyników z poza przedziału: 3s PRÓBA LOSOWA
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoMatematyka z el. statystyki, # 6 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoZadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Bardziej szczegółowoPorównanie dwu populacji
Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :
Bardziej szczegółowoEstymacja parametrów populacji
Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje
Bardziej szczegółowon n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc
5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA
Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz
Bardziej szczegółowoMateriały do wykładu 4 ze Statystyki
Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4.
Bardziej szczegółowoWykład 9 Wnioskowanie o średnich
Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i
Bardziej szczegółowoSIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
Bardziej szczegółowoTemat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
Bardziej szczegółowoRozkłady statystyk z próby Twierdzenia graniczne
Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej
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 szczegółowoDokładne i graniczne rozkłady statystyk z próby
Dokładne i graniczne rozkłady statystyk z próby Przypomnijmy Populacja Próba Wielkość N n Średnia Wariancja Odchylenie standardowe 4.2 Rozkład statystyki Mówimy, że rozkład statystyki (1) jest dokładny,
Bardziej szczegółowoPodstawy chemii. Natura pomiaru. masa 20 ± 1 g
Podstawy chemii ) Sposoby badań obiektów (6 h) pomiar i jego atura klasycza aaliza jakościowa i ilościowa obliczeia rówowagi i ph metody aalizy promieiowaie elektromagetycze kwatowa atura atomu oddziaływaie
Bardziej szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoWykład 10 Wnioskowanie o proporcjach
Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie
Bardziej szczegółowoWYKŁAD 8 ANALIZA REGRESJI
WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej
Bardziej szczegółowo