1. Weryfikacja hipotez dotyczących wariancji test F. 2. Wykorzystanie statystyki F do badania istotności regresji

Wielkość: px
Rozpocząć pokaz od strony:

Download "1. Weryfikacja hipotez dotyczących wariancji test F. 2. Wykorzystanie statystyki F do badania istotności regresji"

Transkrypt

1 PODSTAWY STATYSTYKI 1. Teor prwdopodobeńtw element kombntork. Zmenne loowe ch rozkłd 3. Populcje prób dnch, etmcj prmetrów 4. Tetowne hpotez 5. Tet prmetrczne (n przkłdze tetu t) 6. Tet neprmetrczne (n przkłdze tetu ) 7. Zleżność cech - korelcj lnow rngow 8. Zleżność cech - regrej prot 9.

2 1. Werfkcj hpotez dotczącch wrncj tet F. Wkorztne tttk F do bdn totnośc regrej 3. Co to jet model klfkcjn 4. Anlz wrncj

3 Populcj prób Populcj Prób poberne wnokowne tttczne określne rozkłdu tetowne hpotez etmcj prmetrów bdne zleżnośc cech

4 Populcj prób Prób Populcj n x p X E 1 ) ( [ ] X E x Podtwowe PARAMETRY Ich ESTYMATORY n x x n 1 1 ) ( 1 n x x n x

5 Populcj prób Populcj Prób x n 1 n x Średn rtmetczn: etmtor wrtośc oczekwnej; mr pozomu cech x n 1 ( x n 1 x ) Wrncj z prób: etmtor wrncj w populcj; mr zmennośc cech

6 Tet prmetrczne - powtórzene werfkcj hpotez dotczącch prmetrów populcj (wrtość oczekwn, wrncj) złożene: znn rozkłd populcj (wkorztuje ę dtrbuntę) hpotez nt. prmetrów formułujem tetujem, wkorztując etmtor z prób (średną, wrncję) hpotez dotczące średnej: tet t hpotez dotczące wrncj: tet F

7 Jeśl chcem porównć zmenność w dwóch próbch, korztm ze tttk F 1 gdze:, 1 to wrncje oblczone w obu próbch. Tk tttk m rozkłd F o v 1 = n 1-1 v 1 = n - 1 topnch wobod, n 1 n to lczebnośc prób.

8 Stttk F 1 m rozkłd F (Snedecor) o v 1 = n 1-1 v 1 = n - 1 topnch wobod George W. Snedecor ( ), merkńk mtemtk grfk ze tron

9 Tet oprt n tttce F 1 to TEST F Uwg: zwze w lcznku wtwm wękzą wrncję! Ked wrtość tttk F jet blk 1? Ked wrtość tttk F znczne wżz od 1?

10 Tet F - ztoowne 1. Werfkcj hpotez o równośc wrncj dwóch populcj (będze n ćwczench). Tetowne totnośc regrej 3. Ocen efektów modelu klfkcjnego w nlze wrncj

11 Regrej - powtórzene WZROST X STOPA Y Skontruowlśm równne regrej do przewdwn długośc top n podtwe wzrotu ˆ 0,1x 11,

12 Regrej powtórzene Ocen DOPASOWAIA regrej wrtość rzeczwt ˆ 0,1x 11,15 wrtość teoretczn ŷ n ˆ 1 n 1 zmenność wrtośc teoretcznch zmenność wrtośc rzeczwtch

13 Regrej powtórzene n ˆ 1 Ocen dopown regrej n 1 zmenność wrtośc teoretcznch zmenność wrtośc rzeczwtch WSPÓŁCZYIK DETERMIACJI R n 1 n 1 ˆ

14 Regrej powtórzene Ocen dopown regrej WZROST X STOPA Y ˆ 0,1x 11, R n 1 n 1 ˆ 0,85 Suuuper dopowne

15 Itotność regrej Zmenność wjśnon newjśnon równnem regrej wrtość rzeczwt ˆ 0,1x 11,15 wrtość teoretczn ŷ n 1 ˆ b 1 n 1 lczb pr oberwcj, b lczb wpółcznnków regrej ˆ b

16 Itotność regrej Bdne ISTOTOŚCI regrej F 1 1 ( ˆ ˆ b 1 b ) średn zmenność wrtośc wjśnon przez równne regrej średn zmenność wrtośc ne wjśnon przez równne regrej = średn błąd lczb pr oberwcj, b lczb wpółcznnków równn regrej (np. dl równn regrej protej b = ) bx

17 Itotność regrej WZROST X STOPA Y Równne regrej do przewdwn długośc top n podtwe wzrotu ˆ 0,1x 11, Dopowne OK, le cz wpółcznnk regrej jet tttczne totn? R 0,85

18 1. Hpotez H 0 : długość top ne zleż od wzrotu H A : długość top zleż od wzrotu H 0 : b = 0; H A : b > 0. Pozom totnośc MAX = 0,05 3. Stttk b b F 1 1 ) ˆ ( 1 ˆ m rozkłd F o v 1 = b - 1 v 1 = - b topnch wobod Itotność regrej

19 4. Oblczene wrtośc tttk: 5. T = 0, Odrzucm H 0, przjmujem H A Długość top zleż od wzrotu; rośne on średno o 1 mm z kżdm centmetrem przrotu wzrotu 3, , ,865 ) ˆ ( 1 ˆ 1 1 b b F Itotność regrej

20 Populcj Prób x n 1 ( x n 1 x ) Wrncj z prób: etmtor wrncj w populcj; mr zmennośc cech Ale: w populcj mogą wtępowć różne pozom zmennośc

21 Zmenność cech w populcj może bć zróżncown! Populcj jednorodn Oobnk mją różne wdjnośc cech oberwujem jej zmenność mędz oobnkm Populcj złożon z grup (np. ze td) Std różną ę średną wdjnoścą, w tdch oobnk; oberwujem zmenność cech mędz tdm mędz oobnkm

22 Zmenność cech w populcj może bć zróżncown! Populcj jednorodn Populcj złożon z grup (np. ze td) Strukturę (złożoność) populcj opuje ę MODELEM KLASYFIKACYJYM

23 Model klfkcjn: m potć lnowej funkcj mtemtcznej = + b + c + d + e zmenną zleżną () jet wrtość cech (np. wdjność mlek krow) rgument (, b td.) to tzw. efekt modelu efekt pokzują, jk jet wpłw różnch cznnków tłch (np. pozomu populcj, td, r) lub loowch (przpdkowch) n wrtość cech

24 Populcj jednorodn Model populcj jednorodnej (różnce wdjnośc mją chrkter loow): e gdze: to wrtość cech u oobnk, obrzuje wnk dzłn cznnków wpólnch dl wztkch elementów populcj (jego mrą jet wrtość średn populcj), e - reprezentuje wpłw cznnków oddzłującch tlko n -t element (oobnk ). Wrtość jet tł, węc cłkowtą zmenność określ wzór: e

25 Populcj złożon z grup Klfkcj pojedncz j e j gdze: j oberwcj j tego elementu w tej grupe, wrtość średn populcj, efekt tej grup (wpłw cznnków wpólnch dl wztkch elementów grup), e j wpłw cznnków pecfcznch dl j tego elementu z tej grup. Zmenność cłkowt w tej populcj jet wnkem zmennośc mędz grupm oberwcj zmennośc wewnątrz tch grup: e

26 MODEL KLASYFIKACYJY kłdowe (efekt) pownn bć nezleżne opuje populcję o rozkłdze normlnm zwze jet tłą, e zmenną loową o rozkłdze (0, e ) pozotłe kłdowe modelu trktuje ę jko efekt tłe lub loowe, w zleżnośc od celu nlz tttcznej MODEL LOSOWY MODEL STAŁY o ą też modele mezne tm kure tttk zjmujem ę MODELEM STAŁYM

27 Populcj jednorodn Populcj złożon z grup e j e j e Jk prwdłowo podzelć ogólną wrncję, jeśl ą grup? e Z pomocą AALIZY WARIACJI

28 AALIZA WARIACJI metod umożlwjąc wnokowne tttczne w oprcu o podzł cłkowtej wrncj w próbe n kłdowe, wnkjące z przjętego modelu Dl modelu tłego nlz wrncj obejmuje: ocenę efektów modelu tetowne różnc mędz efektm (tet F) Wrunk: prób loow rozkłd normln zmenność w grupch odpowd ogólnej zmennośc w populcj

29 Przkłd A 3,06,60 B 3,41 3,3 C,9,88 Zmerzono zwrtość błk w mleku 15 kóz Koz chowne bł gopodrtwch groturtcznch (A, B C); po 5 w kżdm,55 3,93 3,5,4 3,74,64,35 3,18 3,8

30 Anlz wrncj (1) Określene modelu klfkcjnego j e j Klfkcj pojedncz, model tł (efekt uznlśm z tł) A 3,06 B 3,41 C,9 e,60 3,3,88,55 3,93 3,5,4 3,74,64,35 3,18 3,8

31 Anlz wrncj () wróżnene źródeł zmennośc Zmenność pomrów Zwrtość błk 4,5 4 3,5 3,5 1,5 1 wewnątrz grup A A wewnątrz grup B B wewnątrz grup C C 0,5 0 A B C Gopodrtwo zmenność mędz grupm

32 Anlz wrncj (3) TABELA AALIZY WARIACJI Źródło zmennośc Stopne wobod Sum kwdrtów Średn kwdrt Tet F Mędz grupm Wewnątrz grup 1 ( n 1) S S e 1 n n ( 1 j1 ( j ) ) e S 1 Se ( n1) F e lczb grup, n lczebność grup Oblczen ą trudnejze gd grup różną ę welkoścą

33 TABELA AALIZY WARIACJI oblczen z przkłdu Źródło zmennośc Stopne wobod Sum kwdrtów Średn kwdrt Tet F Mędz grupm Wewnątrz grup ( n 1) 3(5 1) 1 S 1,04 S e 1,03 n ( n 1 j1 ( ) j ) e S 1,04 1,0 Se ( n1) 1,03 0,086 1 F e

34 Anlz wrncj (4) TEST F 1. Hpotez H 0 : wrunk gopodrtw ne wpłwją n zwrtość błk H A : wrunk gopodrtw ne wpłwją n zwrtość błk H 0 : 0 H A : 0. Pozom totnośc MAX = 0,05 3. Stttk F e średn zmenność powodown różnm loklzcjm średn zmenność ne zwązn z loklzcją (średn błąd) m rozkłd F o v 1 = - 1 orz v = (n - 1) topnch wobod

35 4. Oblczene wrtośc tttk w próbe F e 1,0 11,86 0, Oblczene wrtośc t = 0, Deczj: t < mx H 0 H 1 Wrunk chowu w gopodrtwch mją wpłw n zwrtość błk w mleku kóz

36 Populcj złożon z grup Klfkcj pojedncz (jednocznnkow) j e j Struktur populcj w hodowl jet njczęścej brdzej złożon! Przkłd A populcj dzel ę n td, z drugej tron n grup zwerzt pokrewnonch Przkłd B populcj dzel ę n grup, wewntrz którch wtępują podgrup

37 Złożon truktur populcj Przkłd A populcj dzel ę n td, z drugej tron n grup zwerzt pokrewnonch STADO 1 STADO

38 Przkłd A populcj dzel ę n td, z drugej tron n grup zwerzt pokrewnonch Klfkcj krzżow dwukerunkow jk b j e jk gdze: efekt tej grup tpu A (td), b j efekt j tej grup tpu B (grup ojcowkej) Jeśl wtąpuje nterkcj cznnków jk b ( b) j j e jk Zmenność cłkowt (bez nterkcj) b e

39 Złożon truktur populcj Przkłd B populcj dzel ę n grup, wewntrz którch wtępują podgrup

40 Klfkcj herrchczn dwutopnow Przkłd B populcj dzel ę n grup, wewnątrz którch wtępują podgrup jk b j e jk gdze: efekt tej grup (ojcowkej), b j efekt j tej podgrup (mtcznej) w tej grupe (ojcowkej) Zmenność cłkowt b e

41 1. TEST F werfkcj hpotez dotczącch wrncj, bdne totnośc regrej. MODELE KLASYFIKACYJE 3. AALIZA WARIACJI Klfkcj pojedncz Przkłd klfkcj krzżowej herchcznej Zprzm n kur METODY HODOWLAE n III roku!

Przypomnienie: wykłady i zadania kursu były zaczerpnięte z podręczników: Model statystyczny Format danych

Przypomnienie: wykłady i zadania kursu były zaczerpnięte z podręczników: Model statystyczny Format danych Wkład 13: (prota) regreja lnowa Model tattczn Format danch Przedzał ufnośc tet totnośc dla parametrów modelu Przpomnene: wkład zadana kuru bł zaczerpnęte z podręcznków: Stattka dla tudentów kerunków techncznch

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

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

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

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

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

WSTĘP DO ANALIZY I REDUKCJI DANYCH DOŚWIADCZALNYCH

WSTĘP DO ANALIZY I REDUKCJI DANYCH DOŚWIADCZALNYCH WSTĘP DO AALIZY I REDUKCJI DAYCH DOŚWIADCZALYCH dl tudentów w I Prcown Fzcznej IF UJ Józef K. Moścck z ChWrter n MS Word przenół Wojcech Brzezck 0 Werj 0 Zetwene njwżnejzch termnów wzorów. ZAMIAST WSTĘPU..

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu. Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 2 Analiza popytu. Optymalna polityka cenowa. 1 ANALIZA POPYTU. OPTYMALNA POLITYKA CENOWA.

EKONOMIA MENEDŻERSKA. Wykład 2 Analiza popytu. Optymalna polityka cenowa. 1 ANALIZA POPYTU. OPTYMALNA POLITYKA CENOWA. Wykłd Anlz popytu. Optymln poltyk cenow. 1 ANALIZA OYTU. OTYMALNA OLITYKA CENOWA. rzedmotem wykłdu jest prolem zrządzn zyskem poprzez oprcowne wdrożene odpowednej strteg różncown cen, wykorzystując do

Bardziej szczegółowo

ĆWICZENIE ANALIZA SITOWA I PODSTAWY OCENY GRANULOMETRYCZNEJ SUROWCÓW I PRODUKTÓW

ĆWICZENIE ANALIZA SITOWA I PODSTAWY OCENY GRANULOMETRYCZNEJ SUROWCÓW I PRODUKTÓW 1 ĆWICZENIE ANALIZA SITOWA I PODSTAWY OCENY GANULOMETYCZNEJ SUOWCÓW I PODUKTÓW 1. Cel zkres ćwczen Celem ćwczen jest opnowne przez studentów metody oceny mterłu sypkego pod względem loścowej zwrtośc frkcj

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZA 1. Wkład wstęp. Teora prawdopodobeństwa elemet kombatork. Zmee losowe ch rozkład 3. Populacje prób dach, estmacja parametrów 4. Testowae hpotez statstczch 5. Test parametrcze (a

Bardziej szczegółowo

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE Zadane 1. Na podstawe obserwacj dotczącch welkośc powerzchn ekspozcjnej (cecha X w m kw.) oraz welkośc dzennego obrotu punktu sprzedaż płtek

Bardziej szczegółowo

Metoda prądów obwodowych

Metoda prądów obwodowych Metod prądów owodowyh Zmenmy wszystke rzezywste źródł prądowe n npęowe, Tworzymy kłd równń lnowyh opsjąyh poszzególne owody. Dowolną seć lnową skłdjąą sę z elementów skponyh możn opsć z pomoą kłd równń

Bardziej szczegółowo

Porównanie dostępności różnych, nadmiarowych konfiguracji zasilania szaf przemysłowych

Porównanie dostępności różnych, nadmiarowych konfiguracji zasilania szaf przemysłowych Porównne dotępnośc różnych, ndmrowych konfgurcj zln zf przemyłowych Whte Pper 48 Strezczene Przełącznk źródeł zln orz dwutorow dytrybucj zln przętu IT łużą zwękzenu dotępnośc ytemów oblczenowych. Sttytyczne

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

METODY HODOWLANE - zagadnienia

METODY HODOWLANE - zagadnienia METODY HODOWLANE METODY HODOWLANE - zagadnena 1. Matematyczne podtawy metod odowlanyc. Wartość cecy loścowej defncje parametrów genetycznyc 3. Metody zacowana parametrów genetycznyc 4. Wartość odowlana

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

Prawo propagacji niepewności. 1

Prawo propagacji niepewności. 1 Prwo propgc nepewnośc. Prwo propgc nepewnośc. W przpdk pomrów metodą pośredną wrtość welkośc stl sę n podstwe wrtośc nnch welkośc zmerzonch bezpośredno. przkłd obętość V 0 prostopdłoścn o krwędzch D 0

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

Analiza wariancji klasyfikacja prosta

Analiza wariancji klasyfikacja prosta Anlz wrnc Oprcowno n podstwe: Łomnck A. 003. Wprowdzene do sttystyk dl przyrodnków. PW Wrszw. Anlz wrnc klsyfkc prost Dne o przeżywlnośc chrząszczy hodownych hodowlnych n czterech różnych pożywkch. Kżd

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

Nieparametryczne Testy Istotności

Nieparametryczne Testy Istotności Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

WYBRANE ZAGADNIENIA Z DYNAMIKI GAZÓW

WYBRANE ZAGADNIENIA Z DYNAMIKI GAZÓW JB emetr II / WYBNE ZGDNIENI Z DYNIKI GZÓW Porzedno omwlśmy zgdnen rzeływu łynów neścślwych, które dorowdzły n do równń Ner- Stoke oujące ruch łynu ścślwego neścślwego orz nne dl tłej gętośc: Euler, Bernoull

Bardziej szczegółowo

EKONOMETRIA wykład 4. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA wykład 4. Prof. dr hab. Eugeniusz Gatnar. EKONOMETRIA wykłd 4 Prof. dr hb. Eugenusz Gtnr egtnr@ml.wz.uw.edu.pl Wykorzystne modelu W zleżnośc od rodzju: modele sttyczne - do symulcj, modele dynmczne - do predykcj. Symulcj pozwl wyznczyć wrtość

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA Woskowe sttstcze - egesj koelcj teść Wpowdzee Regesj koelcj low dwóch zmech Regesj koelcj elow - tsfomcj zmech Regesj koelcj welokot Wpowdzee Jedostk zoowośc sttstczej mogą ć chktezowe

Bardziej szczegółowo

instrukcja do ćwiczenia 5.1 Badanie wyboczenia pręta ściskanego

instrukcja do ćwiczenia 5.1 Badanie wyboczenia pręta ściskanego 5.Bde wocze pręt śckego UT-H Rdom Ittut Mechk Stoowej Eergetk Lortorum Wtrzmłośc Mterłów trukcj do ćwcze 5. Bde wocze pręt śckego I ) C E L Ć W I C Z E N I A Celem ćwcze jet dośwdczle wzczee metodą Southwell

Bardziej szczegółowo

1. Wstępna geometria skrzyżowania (wariant 1a)

1. Wstępna geometria skrzyżowania (wariant 1a) . Wtępna geometra rzyżowana (warant a) 2. Strutura erunowa ruchu 3. Warun geometryczne Srzyżowane et zloalzowane w śródmeścu o newelm ruchu pezych. Pochylene podłużne na wlotach nr 3 ne przeracza 0,5%,

Bardziej szczegółowo

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury.

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury. Proces decyzyny: 1. Sformułu sno problem decyzyny. 2. Wylcz wszyste możlwe decyze. 3. Zdentyfu wszyste możlwe stny ntury. 4. Oreśl wypłtę dl wszystch możlwych sytuc, ( tzn. ombnc decyz / stn ntury ). 5.

Bardziej szczegółowo

Ćwiczenie nr 3 PRAWO OHMA I KIRCHHOFFA Instrukcja dla studenta

Ćwiczenie nr 3 PRAWO OHMA I KIRCHHOFFA Instrukcja dla studenta Anlz nepenośc pomroch ekpermentch fzcznch dl pecjlnośc Bofzk molekulrn Ćczene nr 3 PRAWO OHMA I KIRCHHOFFA Intrukcj dl tudent I. WSTĘP Celem ćczen jet przpomnene podtoch pr rządzącch przepłem prądu tłego

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Metody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak

Metody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak Metody numeryzne Wyłd nr 7 dr. Potr Fronz Cłowne numeryzne Cłowne numeryzne to przylżone olzne łe oznzony. Metody łown numeryznego polegją n przylżenu ł z pomoą odpowednej sumy wżonej wrtoś łownej unj

Bardziej szczegółowo

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

METODY BADAŃ SKŁADU CHEMICZNEGO

METODY BADAŃ SKŁADU CHEMICZNEGO JAKOŚĆ PROCESU AALITCZEGO METOD BADAŃ SKŁADU CHEMICZEGO JAKOŚĆ prcy w lortorum prcy poz lortorum JAKOŚĆ mterłów odczynnków prtury wypożen oprogrmown JAKOŚĆ wynków nltycznych OGÓLA JAKOŚĆ WIKÓW AALITCZCH

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

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Wykład 7: Pochodna funkcji zastosowania do badania przebiegu zmienności funkcji

Wykład 7: Pochodna funkcji zastosowania do badania przebiegu zmienności funkcji Wkłd 7: Pochodn funkcji zstosowni do bdni przebiegu zmienności funkcji dr Mriusz Grządziel semestr zimow, rok kdemicki 2013/2014 Funkcj logistczn Rozwżm funkcję logistczną = f 0 (t) = 1+5e 0,5t f(t) 0

Bardziej szczegółowo

INFORMATYKA W SELEKCJI

INFORMATYKA W SELEKCJI IFORMATYKA W SELEKCJI IFORMATYKA W SELEKCJI - zagadnena. Dane w prac hodowlanej praca z dużm zborem danch (Ecel). Podstaw prac z relacjną bazą danch w programe MS Access 3. Sstem statstczne na przkładze

Bardziej szczegółowo

METODY KOMPUTEROWE 11

METODY KOMPUTEROWE 11 METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Mchł PŁOTKOWIAK Adm ŁOYGOWSKI Konsultcje nukowe dr nż. Wtold Kąkol Poznń / METOY KOMPUTEROWE METOA WAŻONYCH REZIUÓW Metod wżonych rezduów jest slnym nrzędzem znjdown

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

INFORMATYKA W SELEKCJI

INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI - zagadnna 1. Dan w prac hodowlanj praca z dużm zborm danch (Excl). Podtaw prac z rlacjną bazą danch w program MS Acc 3. Stm tattczn na przkładz paktu SAS

Bardziej szczegółowo

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka Stanisław Cichocki. Wykład 10 Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane

Bardziej szczegółowo

dr inż. Zbigniew Szklarski

dr inż. Zbigniew Szklarski Wkłd 3: Kinemtk dr inż. Zbigniew Szklrski szkl@gh.edu.pl http://ler.uci.gh.edu.pl/z.szklrski/ Wstęp Opis ruchu KINEMATYKA Dlczego tki ruch? Przczn ruchu DYNAMIKA MECHANIKA Podstwowe pojęci dl ruchu prostoliniowego

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Poltechnk Gdńsk Wydzł Elektrotechnk Automtyk Ktedr Inżyner Systemów Sterown Teor sterown Podstwy lgebry mcerzy Mterły pomocncze do ćwczeń lbortoryjnych 1 Część 3 Oprcowne: Kzmerz Duznkewcz, dr hb. nż.

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

1. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH

1. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH Projekt z fundamentowana: MUR OPOROWY (tuda mgr) POSADOWIENIE NA PALACH WG PN-83/B-02482. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH grunt G π P d T/Nm P / P r grunt zayp. Tabl.II.. Zetawene parametrów geotechncznych.

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

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,

Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel, utomtyk Robotyk lgebr -Wykłd - dr dm Ćmel cmel@ghedupl Równn lnowe Nech V W będą przestrzenm lnowym nd tym smym cłem K T: V W przeksztłcenem lnowym Rozwżmy równne lnowe T(v)w Powyższe równne nzywmy równnem

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych

Bardziej szczegółowo

Materiały pomocnicze do ćwiczeń z przedmiotu: Ogrzewnictwo, wentylacja i klimatyzacja II. Klimatyzacja

Materiały pomocnicze do ćwiczeń z przedmiotu: Ogrzewnictwo, wentylacja i klimatyzacja II. Klimatyzacja Mteriły pomocnicze do ćwiczeń z przedmiotu: Orzewnictwo, wentylcj i klimtyzcj II. Klimtyzcj Rozdził 1 Podstwowe włsności powietrz jko nośnik ciepł mr inż. Anieszk Sdłowsk-Słę Mteriły pomocnicze do klimtyzcji.

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

Wyznacznik macierzy. - wyznacznik macierzy A

Wyznacznik macierzy. - wyznacznik macierzy A Wzncznik mcierz Uwg Wzncznik definiujem tlko dl mcierz kwdrtowch:,,,,,, =,,,,,, n n n n nn n,,, det = n,,, n n nn - mcierz - wzncznik mcierz Wzncznik mcierz to wzncznik n wektorów, które stnowią kolumn

Bardziej szczegółowo

Temat lekcji Zakres treści Osiągnięcia ucznia

Temat lekcji Zakres treści Osiągnięcia ucznia ln wynikowy kls 2c i 2e - Jolnt jąk Mtemtyk 2. dl liceum ogólnoksztłcącego, liceum profilownego i technikum. sztłcenie ogólne w zkresie podstwowym rok szkolny 2015/2016 Wymgni edukcyjne określjące oceny:

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

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

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Ć Ź ć Ę ć Ę Ć Ź Ź Ć

Ć Ź ć Ę ć Ę Ć Ź Ź Ć Ź Ć Ć Ź ć Ę ć Ę Ć Ź Ź Ć Ł Ą Ę Ć ć ćź ć Ź Ź Ź Ź Ą Ć ć Ł Ł Ł Ę ć ć Ź Ą ć Ę ć Ź Ź Ź Ź ć Ź Ź ć Ź ć Ł ć Ą Ć Ć Ć ć Ź Ą Ź ć Ź Ł Ł Ć Ź Ą ć Ć ć ć ć ć Ć Ć ć Ć ć ć Ł Ę Ź ć Ć ć Ź Ź Ć Ź Ź ć ć Ź ć Ź Ź Ź Ą Ę Ń Ź Ć Ą

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

ć ć Ń Ę

ć ć Ń Ę ż ź ć ć Ń Ę ć Ś Ę Ś ć ć ż ć ż ż ż ć ć ć ż ź ć ż ż ż ż ć ż ż Ś ź ż ć Ą ż ż ż ż ż ż ź ć ż ć ż Ś ż ć ż ż Ą ż ż Ę ć Ż ż ć Ż ż ż ż ż ć ż ż ż ż ż ź ć ż ż ć ż ź Ś ż ż ć ż ż ż ż ć ćż ż ć ż ż ż ź ż ć ż ż ż Ś

Bardziej szczegółowo

TESTOWANIE HIPOTEZY O KOMPLETNOŚCI ZBIORU ARGUMENTÓW

TESTOWANIE HIPOTEZY O KOMPLETNOŚCI ZBIORU ARGUMENTÓW TESTOWANIE HIPOTEY O KOMPLETNOŚCI BIORU ARGUMENTÓW Pweł Szołysek RELACJA PODOBIEŃSTWA I TESTOWANIE KOMPLETNOŚCI BIORU ARGUMENTÓW RELACJA PODOBIEŃSTWA - AŁOŻENIA Proces es opsny z poocą funkc wyrowe wyrowo

Bardziej szczegółowo

TEORIA WAGNERA UTLENIANIA METALI

TEORIA WAGNERA UTLENIANIA METALI TEORIA WAGNERA UTLENIANIA METALI PROCES POWSTAWANIA ZGORZELIN W/G TAMANN A (90) Utlenz tl Utlenz Zgorzeln tl + SCHEMAT KLASYCZNEGO DOŚWIADCZENIA PFEILA (99) Powetrze Powetrze SO Zgorzeln SO Fe Fe TEORIA

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

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Badanie zależności cech

Badanie zależności cech PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i element kombinatorki. Zmienne losowe i ich rozkład 3. Populacje i prób danch, estmacja parametrów 4. Testowanie hipotez 5. Test parametrczne (na przkładzie

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

a) b) Rys. 6.1. Schemat ideowo-konstrukcyjny układu do przykładu 6.1 a) i jego schemat blokowy

a) b) Rys. 6.1. Schemat ideowo-konstrukcyjny układu do przykładu 6.1 a) i jego schemat blokowy 04 6. Ztoownie metod hemtów lokowh do nliz włśiwośi ukłdów utomtki Shemt lokow ukłdu utomtki jet formą zpiu mtemtznego modelu dnego ukłdu, n podtwie której, wkorztują zd przedtwione rozdzile 3.7, możn

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa

Bardziej szczegółowo

Ż Ę ć Ć ć ć Ą

Ż Ę ć Ć ć ć Ą Ś Ł Ż Ą Ż Ę ć Ć ć ć Ą ŚĘ Ż ź Ś Ż Ś Ś Ń Ę Ą Ś Ł Ś Ł Ż Ż ź ż Ą Ś Ż Ż Ś Ł Ą Ą Ó Ż Ż ż ć Ż ż ć ż Ó Ż ż ć ż ć ż Ą Ę ż Ó Ó ż ż Ó ć Ż ć Ż ć ć ź Ę Ę Ę ć Ż Ź Ż ż ć ż Ź Ę Ż ż ć Ś ć Ż Ę ż Ę ż ż ż Ż ż ż ż ż ĘŁ ż ż

Bardziej szczegółowo

. Każde wejście i wyjście przyjmuje tylko jedną z dwóch wartości: 0 lub 1. Ciąg sygnałów wejściowych x. i wyjścia y

. Każde wejście i wyjście przyjmuje tylko jedną z dwóch wartości: 0 lub 1. Ciąg sygnałów wejściowych x. i wyjścia y UKŁADY PRZEŁĄCZAJĄCE Podstwowe pojęc Alger Boole' Anlz orz ops włsnośc ukłdów przełączjącch jest przeprowdzn prz użcu lger Boole' Wrtośc rgumentów orz funkcj nleżą do dwurgumentowego zoru {, }, n którm

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

MODELOWANIE POŻARÓW-Modele analityczne

MODELOWANIE POŻARÓW-Modele analityczne SGSP - SUDIA MAGISERSKIE MODELOWANIE POŻARÓW-Modele nlyczne dr hb. MAREK KONECKI, rof. SGSP Wrzw 009 EORIA KOLUMN KONWEKCYJNYCH OGNIA (KKO) Kolun oowo yeryczn Prery KKO zybkość rzeływu y (rueń) w o KKO

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

2.3. ROZCIĄGANIE (ŚCISKANIE) MIMOŚRODOWE

2.3. ROZCIĄGANIE (ŚCISKANIE) MIMOŚRODOWE .. RZCĄGNE (ŚCSKNE) MMŚRDWE Rcągne (ścskne) mmśrdwe wstępuje wówcs gd bcążene ewnętrne redukuje sę d wektr sł prstpdłeg d prekrju pprecneg cepneg p jeg śrdkem cężkśc (rs. ). Rs. Złżene: se C r C są sm

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11 Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra

Bardziej szczegółowo

Oznaczenia: K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające

Oznaczenia: K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające Wymgni edukcyjne z mtemtyki ls 2 b lo Zkres podstwowy Oznczeni: wymgni konieczne; wymgni podstwowe; R wymgni rozszerzjące; D wymgni dopełnijące; W wymgni wykrczjące Temt lekcji Zkres treści Osiągnięci

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K. Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomrczn mod nnow Wkłd Włsnośc smorów s . dodk do wkłdu Słb zbżność convrgnc n dsrbuon Cąg zmnnch osowch FX x - dsrbun Isnj dsrbun F X x, k ż m FX x FX x w kżdm punkc x, F X w kórm X js cągł. X X zbg

Bardziej szczegółowo

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Fuzja danych nawigacyjnych w przestrzeni filtru Kalmana

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Fuzja danych nawigacyjnych w przestrzeni filtru Kalmana ISSN 733-867 ZESZ NAUKOWE NR (83) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZNARODOWA KONFERENCJA NAUKOWO-ECHNICZNA E X L O - S H I 6 Andrzej Stteczny, Andrzej Lsj, Chfn Mohmmd Fzj dnych nwgcyjnych w przestrzen

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

ż ć Ę ż ż ż Ń Ł ż ż ż ż ż ż ż ż

ż ć Ę ż ż ż Ń Ł ż ż ż ż ż ż ż ż ż ć Ę ż ż ż Ń Ł ż ż ż ż ż ż ż ż ż ż Ń ż ż Ń Ń Ń ż ć ż ż ć ż ż ż ć Ą Ń ż ć ć ż ż ż ż ć ćż ż Ń Ń Ł ż Ń Ń Ń ć Ń ć ć Ń ż Ń Ń ż ż ż ć Ń ć ż ć ć ć ć Ń ż Ń Ń ć Ń Ę ż Ń ż ż ż Ł ż ć ż ć ż ż ż ż ć ć ż ż ć ź ż ż

Bardziej szczegółowo