Estymacja przedziałowa:
|
|
- Jerzy Stefan Kozak
- 5 lat temu
- Przeglądów:
Transkrypt
1 Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem. Def. Przedziałem ufości dla parametru azywamy przedział (Z 1, Z ), gdzie Z 1 = u 1 (X 1, X, X ), Z = u (X 1, X, X ) są statystykami iezależymi od takimi, że P θ Z 1, Z = 1 α. Liczbę 1 - azywamy poziomem ufości. Zazwyczaj = 0.1 lub = 5 lub = 1 (ajczęściej = 5). Poziom ufości mówi am, że możemy mied (1 - ) 100% ufości, że wyzaczoy a podstawie próby (X 1, X, X ) przedział (Z 1, Z ) będzie zawierał. Przedziały ufości dla średiej EX = m: Model I: populacja geerala ma rozkład N(m, ), gdzie jest zae Statystyka X = 1 X i<1 i ma rozkład N(m, σ X;m ), atomiast statystyka U = σ ma rozkład N(0,1) iezależy od m. Niech u α będzie dobrae tak, aby P U > u α = α. Zauważmy wtedy, że P( u α U u α ) = = Φ u α (1 Φ(u α ) = Φ u α 1 = 1 α Φ u α = 1 α u α jest kwatylem rzędu 1 α rozkładu U. Przedziałem ufości dla parametru m a poziomie 1 - będzie wtedy (X u α σ, X + u α σ )
2 Np. Zajdź przedział ufości a poziomie 1 - = 0.95 dla średiej m w rozkładzie N(m,), jeżeli a podstawie próbki o liczości 16 wyzaczoo x = 34.1 Z tablicy kwatyli rozkładu N(0,1) odczytujemy u 5 = ξ = 1.96 czyli przedział ufości (Z 1, Z ) = (33.1, 35.08) Model II. populacja geerala ma rozkład N(m, ), gdzie jest iezae p ξ p X = 1 X i<1 i i S = 1 X i X zależą od parametru m, atomiast statystyka i<1 t = X;m 1 ma rozkład t-studeta o -1 stopiach swobody iezależy od m S Niech t α będzie takie, że P t > t α = α t α jest kwatylem rzędu 1 - α rozkładu t S Przedziałem ufości dla parametru m a poziomie 1 - będzie wtedy (X t α ;1, X + t α Np. Zmierzoo wytrzymałośd 10 losowo wybraych elemetów kostrukcyjych i otrzymao: 383, 84, 339, 340, 305, 386, 378, 335, 344, 346. Zakładając, że rozkład wytrzymałości jest N(m, ), wyzacz 95% realizację przedziału ufości dla m. x = 344, s = 968.8, s = Z tablicy kwatyli rozkładu t-studeta o 9 stopiach swobody odczytujemy t 5 = ξ =.6 p ξ p S ;1 )
3 czyli przedział ufości (Z 1, Z ) = (30.55, ) Model III. populacja geerala ma rozkład dowoly o iezaej skooczoej wariacji σ, przy czym próba ma liczośd 100. z tw. Lideberga-Levy ego statystyka U = X;m σ ma rozkład asymptotyczie ormaly N(0,1) iezależy od m. Dla dużych moża zatem rozkład U przybliżad rozkładem N(0,1). Dla daej próbki obliczamy x i s, a astępie stosujemy model I. Przedziałem ufości dla parametru m a poziomie 1 - będzie wtedy (x u α s, x + u α Np. Z populacji włókie pobrao 300-elemetową próbkę i zmierzoo ich długośd, grupując dae w szereg rozdzielczy. Zajdź 95% realizację przedziału ufości dla wartości oczekiwaej. s ) [a i;1, a i ) x i i [0,5.5).75 [5.5,10.5) [10.5,15.5) [15.5,0.5) [0.5,5.5) [5.5,30.5) [30.5,35.5) [35.5,40.5] x = 1 x i<1 i i = 7.43 s = 1 8 x i x i = ;1 i<1 s = 7.18 u 5 = ξ = 1.96 czyli przedział ufości (Z 1, Z ) = =( , ) = (6.59, 8.1)
4 Przedziały ufości dla wariacji D X = σ : Model I: populacja ma rozkład N(m, ) o iezaych m i, a próba ma liczośd 50 statystyka χ = S = X i ;X σ σ i<1 ma rozkład chi-kwadrat o -1 stopiach swobody iech c 1 i c będą kwatylami rzędów 1 - α i α rozkładu χ Przedziałem ufości dla parametru σ a poziomie 1 - będzie wtedy ( S c 1, (;1)S ) c ( (;1)S c 1, S c ) lub Np. Liczba skrętów dla losowo wybraych odcików przędzy o długości 1 m wyosiła: 87, 10, 119, 81, 97, 93, 100, 114, 99, 100, 113, 93, 95, 85, 13, 99. Zakładając, że liczba skrętów ma rozkład ormaly. zajdź 90% realizację przedziału ufości dla wariacji i odchyleia stadardowego. x = 100, s = 134. Z tablicy kwatyli rozkładu chi-kwadrat o 15 stopiach swobody odczytujemy c 1 = ξ 0.95 = 5, c = ξ 5 = 7.6 p ξ p czyli σ , = (85.97,96.04), σ (9.3,17.)
5 Model II. populacja ma rozkład N(m, ) o iezaych m i, a próba ma liczośd 50 statystyka χ = S σ iech u α będzie kwatylem rzędu 1 - α ma w przybliżeiu rozkład ormaly N( 3, 1) rozkładu ormalego N(0,1) Przedziałem ufości dla parametru σ a poziomie 1 - jest ( S ;3:u α, S ) ;3;u α Np. Przy sprawdzeiu dokładości skrawaia dokoao 50 pomiarów i uzyskao s = Zakładając, że rozkład błędów jest ormaly o iezaym, wyzacz przedział ufości dla odchyleia stadardowego a poziomie czyli σ :1.96, ;1.96 u 5 = ξ = 1.96 = (1,33) Przedział ufości dla wskaźika struktury: Przyjmijmy, że posiadaie przez elemet z daej próby cechy X ozaczymy przez 1 (sukces). Moża teraz wskaźik struktury traktowad jako prawdopodobieostwo sukcesu P(X i = 1) =, P(X i = 0) = 1 - w próbach Beroulliego (X 1, X,, X ). Ozacza to, że populacja geerala ma rozkład dwupuktowy z prawdopodobieostwem sukcesu. Model I. populacja geerala ma rozkład dwupuktowy z parametrem p =, a próba ma liczośd 100
6 Przedziałem ufości dla parametru p a poziomie 1 - jest ( p 1, p ), gdzie P p 1 < p < p = 1 α, a wartości p 1, p są stablicowae. Np. Z partii towaru pobrao losowo 0 sztuk i zaobserwowao sztuki wadliwe. Podaj 95% realizację przedziału ufości dla frakcji sztuk wadliwych w całej partii towaru. z tablicy wartości kooców przedziału ufości dla = 5 k = i -k = 18 odczytujemy p 1 = 1, p = k -k czyli p (1,0.317) Model II. populacja geerala ma rozkład dwupuktowy z parametrem p =, a próba ma liczośd 100 statystyka p = k p(1;p) ma rozkład asymptotyczie ormaly N(p, ), a po stadaryzacji
7 statystyka U = k;p p(1;p) ma rozkład ormaly N(0,1). iech u α będzie kwatylem rzędu 1 - α rozkładu ormalego N(0,1) Przedziałem ufości dla parametru p a poziomie 1 - jest ( :(u α ) [k: u α u α k(;k) + (u α) 4, :(u α ) [k: u α + u α k(;k) + (u α) 4 ) Np. Spośród 10 pracowików daego zakładu 17 ie wykouje ormy wydajości pracy. Wyzacz 95% realizacje przedziału ufości dla frakcji pracowików ie wykoujących ormy w całym zakładzie. mamy k=17, =10, u 5 = ξ = 1.96 stąd = 0.969, k: u α :(u α ) czyli p (9,0.15) = 0.158, u α k(;k) + (u α) 4 = 64 Uogólieie pojęcia przedziału ufości a przypadek dwóch parametrów: Niech cecha X populacji geeralej ma rozkład zależy od dwóch parametrów (θ 1, θ ), a zbiór I(X 1, X,, X ) R taki, że P((θ 1, θ ) I X 1, X,, X ) = 1 α. Def. Zbiór I(X 1, X,, X ) azywamy wtedy (1 - ) 100% obszarem ufości dla parametrów (θ 1, θ ).
8 Model. populacja ma rozkład ormaly N(m, ) o iezaych m,. X;m statystyki G 1 = i G σ = S są iezależe i mają rozkłady chi-kwadrat o odpowiedio σ 1 i -1 stopiach swobody iech a α będzie kwatylem rzedu 1 - α rozkładu chi-kwadrat o 1 stopiu swobody b α będzie kwatylem rzedu α rozkładu chi-kwadrat o -1 stopiach swobody i 4 c α będzie kwatylem rzedu 1 - α rozkładu chi-kwadrat o -1 stopiach swobody. 4 Wtedy (1 - ) 100% obszarem ufości dla parametrów (m,σ ) będzie I = * m, σ : S c α < σ < S b α σ > (X;m) a α } Np. Wykoao 15 pomiarów czasu likwidowaia zrywów a przędzarce otrzymując: 4.5, 3.6, 6.0, 7.9, 6.9, 6.1, 7.4, 4.3, 6.1, 7.4, 4.3, 6.1, 4.9, 7.5, 5.8, 8., 6.4, 9.0. Zakładając, że rozkład czasu likwidacji jest ormaly, wyzacz 90% realizację obszaru ufości dla (m,σ ). σ = (X;m) a α σ I σ = S b α σ = S c α obliczamy x = 6.3, s =.30, α = 0.1 z tablic kwatyli rozkładu chi-kwadrat x m p
9 odczytujemy a 1 = ξ 0.95 = 3.84, b 0.1 = ξ 5 = 5.63, c 0.1 = ξ = 6.1 zatem I = * m, σ : < 6.1 σ < σ > 15(6.3;m) }= 3.84 = * m, σ : 1.3 < σ < 6.13 σ > 3.91 (6.3 m) } Wyzaczaie miimalej liczości próby potrzebej do realizacji przedziału ufości o zadaej długości: zauważamy, że wraz ze wzrostem liczości próby maleje długośd przedziału ufości, więc moża postawid zadaie zalezieia takiej miimalej liczości próby, aby otrzymad przedział ufości ie przekraczający zadaej długości l lub zadaego proceta wartości szacowaego parametru Model I. populacja ma rozkład ormaly N(m, ) o zaym. Szukamy miimalej liczości próby takiej, aby przy zadaym poziomie ufości 1 -, długośd przedziału ufości dla wartości oczekiwaej m ie przekraczała l (l ustaloe). gdzie u α jest kwatylem rzędu 1 - α 0 = u ασ + 1, l rozkładu ormalego N(0,1) Np. Ilu iezależych pomiarów głębokości morza w pewym miejscu ależy dokoad, aby a poziomie ufości 0.95 wyzaczyd głębokośd z błędem ie większym iż 10 m, przy założeiu, że rozkład błędu pomiarów jest ormaly z wariacją σ = 180 m?
10 l = 5, σ = 180 i u 5 = ξ = = = 8 Model II. populacja ma rozkład ormaly N(m, ) o zaym współczyiku zmieości ν = σ m. Szukamy miimalej liczości próbki, aby a poziomie ufości 1 -, długośd przedziału ufości dla wartości oczekiwaej ie przekraczała mp% (p ustaloe). 0 = u αν p , gdzie u α jest kwatylem rzędu 1 - α rozkładu ormalego N(0,1) Np. Zakładając, że wysokośd ploów żyta w pewym rejoie ma rozkład ormaly o współczyiku zmieości = 0.5, zajdź miimalą liczbę gospodarstw do badaia, aby dla 95% poziomu ufości otrzymad przedział ufości dla wartości oczekiwaej o długości ie przekraczającej 10% tej wartości oczekiwaej. = 0.5, p = 5, u 5 = ξ = = = 384
11 Model III. populacja ma rozkład ormaly N(m, ) o iezaych parametrach m,. Szukamy miimalej liczości próby, aby przy zadaym poziomie ufości 1 -, otrzymad przedział ufości dla wartości oczekiwaej o długości ie przekraczającej l (l ustaloe). gdzie t α jest kwatylem rzędu 1 - α k = t αs + 1, l rozkładu t-studeta o -1 stopiach swobody. Z powyższego wzoru ie moża wyliczyd, gdyż S przyjmuje róże wartości dla różych próbek. Postępujemy więc astępująco: 1. z populacji pobieramy próbkę wstępą o pewej liczości 0 i obliczamy x 0 = 1 0 x i 0 i<1, s 0 = 1 0 x i x 0 0 i<1 z tablicy kwatyli rozkłady t-studeta o 0 1 stopiach swobody odczytujemy t α k = t αs l jeżeli k 0 0, to 0 jest szukaą miimalą liczością próbki. jeżeli k 0 > 0, to do próbki wstepej dobieramy próbkę o liczości 1 = k i *k+ + 1 jest szukaą miimalą liczością próbki Pozostaje jedak istote pytaie jak sesowie wybrad liczośd próbki wstępej 0. Praktyczie dobiera się 0 tak, aby wartośd oczekiwaa liczości obydwu próbek E( ) była jak ajmiejsza. Okazuje się, że zależy oa od wartości 0 i współczyika c = l σ. Wartości E( ) przy ustaloym poziomie ufości 1 - są stablicowae.
12 = 0.95 c mie( ) Np. 1. Czasy wyładowaia ośmiu baterii z partii wyosiły: 1, 15, 05, 14, 16, 08, 10, 15. Zakładając, że czas wyładowaia ma rozkład ormaly, wyzacz miimala liczbę pomiarów, jakich ależy jeszcze dokoad, aby otrzymad 95% realizację przedziału ufości dla wartości oczekiwaej ie przekraczającego długości 4.
13 otrzymujemy x = , s = 8.313, l =, t 5 = ξ =.365 dla rozkładu t-studeta o 7 stopiach swobody zatem p ξ p k = = 1.6 poieważ k 0 = 4.6 > 0, to ależy dokoad jeszcze 1 = = 5 pomiarów. Z populacji o rozkładzie ormalym wybrao 1 elemetową próbę i otrzymao x = 11.3, s = 11.. Wyzacz przybliżoą wartośd oczekiwaą liczby obserwacji potrzebych do wyzaczeia przedziału ufości o długości ie większej iż, przyjmując poziom ufości Czy liczośd próby została wybraa sesowie? poieważ ie zamy, które jest potrzebe do wyliczeia współczyika c = l, przyjmijmy, że σ w przybliżeiu s, wtedy c 1 = z tabeli dla 1 - = 0.95 i 0 1 = 0 odczytujemy E( ) = 48 aby wartośd ta była bliższa wartości miimalej 43 moża uzad, że lepsza byłaby liczośd początkowa próby 0 = 31
14 Model IV. populacja ma rozkład dwupuktowy z parametrem p. Szukamy miimalej liczości próbki, aby przy zadaym poziomie ufości 1 - maksymaly błąd parametru p ie przekroczył d (d ustaloe) 1. jeżeli zamy rząd wielkości parametru p, to miimalą liczośd próby wyzaczamy ze wzoru u α pq d, gdzie u α jest kwatylem rzędu 1 - α rozkładu ormalego N(0,1), a p spodziewaym rzędem wielkości parametru p. jeżeli ie zamy rzędu wielkości parametru p, to przyjmujemy, że pq = 0.5 (ajwiększa możliwa wartośd) i miimalą liczośd próby wyzaczamy ze wzoru u α 4d, przy czym liczośd ta jest dla p 0.5 za duża, czyli maksymaly błąd szacuku jest miejszy od d. Np. Ilu ależy wylosowad studetów pewej uczeli, by oszacowad procet palaczy z błędem maksymalym 5% przy poziomie ufości 0.95, jeżeli przypuszcza się, że szacoway procet palaczy jest rzędu 70%. u 5 = ξ = = 3.69 czyli ależy wylosowad próbę 33 studetów.
15 Przedział toleracji: Niech cecha X badaej populacji ma rozkład o gęstości f oraz (X 1, X,, X ) będzie próbą prostą z tej populacji. Def. Przedział (L 1, L ) azywamy 100p% przedziałem toleracji zmieej X a poziomie ufości 1 - L 1 = L 1 (X 1, X,, X ) i L = L (X 1, X,, X ) oraz P f x dx > p = 1 α L 1 poieważ L 1 i L są zmieymi losowymi, to frakcja elemetów populacji zawartych miedzy losowymi graicami L 1 i L : L W = f x dx L 1 też jest zmieą losową. Jeżeli przedział toleracji jest ieograiczoy ( -, L ) lub ( L 1, ), to azywamy go jedostroym przedziałem toleracji. Jeżeli uporządkujemy próbę rosąco ze względu a jej wartości otrzymując statystyki pozycyje (X 1, X,, X ) takie, że x 1 x x, to rozkład statystyki W = X k X k1 f x dx, dla 1 k 1 < k jest rozkładem beta z parametrami k k 1 i k + k 1 1i ie zależy od rozkładu zmieej X. Jeśli dla ustaloych wartości p i zajdziemy, k 1 i k takie, że P(W > p) = 1 -, to przedział (X k1, X k ) jest 100p% ieparametryczym przedziałem toleracji a poziomie ufości 1 -. W praktyce przyjmujemy k 1 = 1 i k =, a iezaą liczośd próby zajdujemy z relacji 1 p ;1 + 1 p 1 α L
16 Tak otrzymaa liczba jest miimalą liczością próby, aby przedział (X 1, X ) był 100p% przedziałem toleracji a poziomie ufości ie miejszym iż 1 -. Miimale wartości spełiające powyższą ierówośd, dla pewych wartości parametrów p i są stablicowae. Niech rozkład cechy X będzie ormaly N(m, ) o iezaych m i. Dla daych i p moża zaleźd taką liczbę k(,,p), aby przedział ( X k(,,p)s, X + k(,,p)s ) był 100p% przedziałem toleracji a poziomie ufości 1 -. Wartości k(,,p) dla iektórych,, p są stablicowae. Dla daych i p moża zaleźd taką liczbę k 1 (,,p), aby przedział ( X k 1 (,,p)s, ) lub ( -, X + k 1 (,,p)s ) był jedostroym 100p% przedziałem toleracji a poziomie ufości 1 -. Wartości k 1 (,,p) dla iektórych,, p są stablicowae. Np. 1. Pewie zakład produkuje wałki o omialej średicy 15 mm. Dla pobraych losowo 10 sztuk średice wyosiły: , , , , , , 15.01, 15.01, , Zakładając, że rozkład średic jest ormaly a poziomie ufości 0.95 zajdź 90% przedział toleracji dla próbki. Czy proces techologiczy jest poprawy, jeśli orma dopuszcza proces, w którym 90% wałków mieści się w graicach od do obliczamy x = , s = 168 z tablicy dla = 5, p = 0.9 i = 10 odczytujemy wartośd k =.839 p
17 szukay przedział toleracji (L 1, L ) = ( , ) poieważ przedział toleracji mieści się w graicach ormy, to proces techologiczy jest poprawy. Ilu elemetową próbę ależy pobrad, aby a poziomie ufości 0.99 otrzymad 98% ieparametryczy przedział toleracji (X 1, X )? p = 0.9, = 1, z tablic odczytujemy miimalą wartośd = p
Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie
Bardziej 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 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 szczegółowoEstymacja 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 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 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 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 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. 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 szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
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 szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
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 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 szczegółowoLiczebnośd (w tys.) n
STATYSTYKA Statystyka bada prawidłowości w zjawiskach masowych (tz. takich, które mogą występowad ieograiczoą ilośd razy). Przedmiotem badao statyki są zbiory (populacje), których elemetami są wszelkiego
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 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 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 szczegółowoPodstawowe rozkłady zmiennych losowych typu dyskretnego
Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
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 szczegółowoStatystyka matematyczna. Wykład II. Estymacja punktowa
Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Rachek rawdoodobieństwa i statystyka Wioskowaie statystycze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, ok407 ada@agh.ed.l Estymacja arametrycza Podstawowym arzędziem szacowaia iezaego arametr jest estymator
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej
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 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 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 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 szczegółowoWYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk
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 szczegółowoEstymatory nieobciążone o minimalnej wariancji
Estymatory ieobciążoe o miimalej wariacji Model statystyczy (X, {P θ, θ Θ}); g : Θ R 1 Zadaie: oszacować iezaą wartość g(θ) Wybrać takie δ(x 1, X 2,, X ) by ( θ Θ) ieobciążoość E θ δ(x 1, X 2,, X ) = g(θ)
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 szczegółowo1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.
Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg
Bardziej szczegółowoLista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że
Bardziej szczegółowoPlan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia
Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk
Bardziej szczegółowosą niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X
Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności
Estymacja rzedziałowa - rzedziały ufości Próbę -elemetową charakteryzujemy jej arametrami ( x, s, s ). SłuŜą oe do ocey wartości iezaych arametrów oulacji (m, σ, σ). Nazywamy je estymatorami uktowymi iezaych
Bardziej 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 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 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 szczegółowoZMIENNA LOSOWA I JEJ PARAMETRY -powtórzenie
WNIOSKOWANIE STATYSTYCZNE ZMIENNA LOSOWA I JEJ PARAMETRY -powtórzeie,, S P przestrzeń probabilistycza (matematyczy model zjawiska losowego), zbiór wszystkich zdarzeń elemetarych, S zbiór zdarzeń, (podzbiory
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)
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 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 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 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 szczegółowoKurs Prawdopodobieństwo Wzory
Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa
Bardziej szczegółowoKADD Metoda najmniejszych kwadratów
Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowo2.1. Studium przypadku 1
Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.
Bardziej szczegółowoSIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY
SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobieństwo i statystyka.0.00 r. Zadaie Rozważy astępującą, uproszczoą wersję gry w,,woję. Talia składa się z 5 kart. Dobrze potasowae karty rozdajey dwó graczo, każdeu po 6 i układay w dwie kupki.
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 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 szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jaicka wykład XIV, 06.06.06 STATYSTYKA BAYESOWSKA CD. Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej
Bardziej szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.
Bardziej szczegółowoRozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej:
Rozkład χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 7 i 8 1 / 9 EFEKTYWNOŚĆ ESTYMATORÓW, próba
Bardziej szczegółowoZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.
STATYSTYKA to auka, której przedmiotem zaiteresowaia są metody pozyskiwaia i prezetacji, a przede wszystkim aalizy daych opisujących zjawiska masowe. Metody statystycze oparte są a rachuku prawdopodobieństwa.
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 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 szczegółowoStatystyka i opracowanie danych W3: Wprowadzenie do statystycznej analizy danych Podstawy wnioskowania statystycznego. Estymacja i estymatory
Statystyka i opracowaie daych W3: Wprowadzeie do statystyczej aalizy daych Podstawy wioskowaia statystyczego. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Wprowadzeie Podstawowe cele
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 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 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 szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowoPojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.
Pojcie estymacji Metody probabilistycze i statystyka Wykład 9: Estymacja puktowa. Własoci estymatorów. Rozkłady statystyk z próby. Szacowaie wartoci parametrów lub rozkładu zmieej losowej w populacji geeralej
Bardziej szczegółowoObserwacje odstające mają duży wpływ na średnią średnia nie jest odporna.
Wykład 8. Przedziały ufości dla średiej Średia a mediaa Mediaa dzieli powierzchię histogramu a połowy. Jest odpora ie mają a ią wpływu obserwacje odstające. Obserwacje odstające mają duży wpływ a średią
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoSłowniczek Hipoteza statystyczna Hipoteza parametryczna Hipoteza nieparametryczna Hipoteza zerowa Hipoteza alternatywna Błąd pierwszego rodzaju
Słowiczek Hipoteza statystycza jakiekolwiek przypuszczeie dotyczące rozkładu populacji geeralej Hipoteza parametrycza hipoteza statystycza precyzująca wartość parametru w rozkładzie populacji geeralej
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoStatystyka w rozumieniu tego wykładu to zbiór metod służących pozyskiwaniu, prezentacji, analizie danych.
Statystyka w rozumieiu tego wykładu to zbiór metod służących pozyskiwaiu, prezetacji, aalizie daych. Celem geeralym stosowaia tych metod, jest otrzymywaie, a podstawie daych, użyteczych uogólioych iformacji
Bardziej szczegółowoP = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +
Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch
Bardziej szczegółowoStatystyka Inżynierska
aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości
Bardziej szczegółowoWadliwość rzeczywista złączy obwodowych w rurociągach
Wadliwość rzeczywista złączy obwodowych w rurociągach Tadeusz Morawski Eergomotaż Półoc Techika Spawalicza i Laboratorium, Warszawa level_tmo@oet.pl 1. Wstęp Bezawaryja eksploatacja rurociągów wiąże się
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 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 szczegółowo