Inżynieria środowiska Ćwiczenia /2018 Doświadczenia dwuczynnikowe analiza wariancji testy szczegółowe (układy niezależne)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Inżynieria środowiska Ćwiczenia /2018 Doświadczenia dwuczynnikowe analiza wariancji testy szczegółowe (układy niezależne)"

Transkrypt

1 Układ całkowicie losowy Model obsewacji (model aalizy waiacji w doświadczeiu dwuczyikowym o układzie całkowicie losowym (wyaz woly + efekt czyika A + efekt czyika + efekt iteakcji A x + błąd doświadczaly, gdzie i=,,...,a, j=,,...,b, k=,,, oaz spełioe są założeia, to zaczy N(0;. Stawiamy 3 hipotezy ogóle: 0 x A A Pzepowadzamy aalizę waiacji (ANOVA dla doświadczeia dwuczyikowego (układ całkowicie losowy, wyzaczamy statystykę F : Źódła zmieości Stopie swobody Sumy kwadatów SS Śedie kwadaty F Czyik A a- SSA A FA Czyik b- SS F Iteakcja Ax (a-(b- SSA A FA łąd = ab(- SS Całkowita - SSC Jeśli FA > F ; a; ab(, to hipotezę 0A odzucamy. Jeśli F > F ; b; ab(, to hipotezę 0 odzucamy. Jeśli to hipotezę 0Ax odzucamy. FAx > F ;( a (b ;ab( Aa b : bak iteakcji A A :~ :~ Ax 0 :~ x Po odzuceiu co ajmiej jedej hipotezy zeowej ogólej (dla czyika A, czyika i/lub dla iteakcji A x stawiamy odpowiedie hipotezy szczegółowe : 0ii' ' 0 ii' :~ 0ii' y ( i j ij 0 jj' j j ' 0 jj' :~ 0 jj' 0ij( ij' j ( j ' 0 ij( ij' :~ 0ij( ij' Weyfikacje tych hipotez pzepowadzamy testem wielokotym Tukeya (wzoy a końcu mateiału. Zasada : W sytuacji, gdy została odzucoa hipoteza Ax, co ozacza że występuje iteakcja weyfikujemy hipotezy szczegółowe dla kombiacji doświadczalych ie aalizujemy oddzielie efektów czyika A i czyika Zasada : W sytuacji, gdy ie została odzucoa hipoteza Ax, co ozacza bak iteakcji weyfikujemy hipotezy szczegółowe dla czyika A i czyika oddzielie możemy też poówywać kombiacje doświadczale czyików A i Układ bloków losowaych kompletych Model obsewacji (model aalizy waiacji w doświadczeiu dwuczyikowym o układzie bloków losowaych kompletych y ( k i (wyaz woly + efekt bloków + efekt czyika A + efekt czyika + efekt iteakcji A x + błąd doświadczaly, gdzie i=,,...,a; j=,,...,b; k=,,, oaz spełioe są założeia, to zaczy N(0;. j ij 8

2 Stawiamy 3 hipotezy ogóle: A A... Aa A :~ 0... b :~ 0 Pzepowadzamy aalizę waiacji dla doświadczeia dwuczyikowego (układ bloków losowaych kompletych, wyzaczamy statystykę F : Źódła zmieości Stopie swobody Sumy kwadatów SS Śedie kwadaty F loki - SSR R Czyik A a- SSA A FA Czyik b- SS F Iteakcja Ax (a-(b- SSA A FA łąd = (-(ab- SS Całkowita - SSC Wzoy a końcu mateiałów. Jeśli FA > F ;a;( ab ( to hipotezę 0A odzucamy. Jeśli F > F ;b ;( ab ( x : bak iteakcji A x F to hipotezę 0 odzucamy. Jeśli FAx > ;( a (b ;( ab ( to hipotezę 0Ax odzucamy. Po odzuceiu co ajmiej jedej hipotezy ogólej (dla czyika A, czyika i/lub dla iteakcji A x stawiamy odpowiedie hipotezy szczegółowe : 0ii' ' 0 ii' :~ 0ii' Ax :~ x 0 jj' j j ' 0 jj' :~ 0 jj' 0ij( ij' A A ij(ij' :~ i j ( i j ' 0 0ij(ij' Weyfikacje tych hipotez pzepowadzamy testem wielokotym Tukeya (wzoy a końcu mateiału. Obowiązują te same zasady co w układzie całkowicie losowym. Pzykład adao tygodiowy spadek wagi człowieka (w kg w zależości od czteech typów aktywości fizyczej w czasie wolym (czyik A i tzech diet (czyik. Doświadczeie zostało założoe w układzie całkowicie losowym w tzech powtózeiach. Uzyskao wyiki: Rodzaj diety ( Dieta 000 kcal Dieta d. Kwaśiewskiego Dieta szwedzka Siedzeie pzed telewizoem 0,8 0,6 0,8 0,5 0,6 0,5 0,7 0,8 0,6 Rodzaj aktywości (A Jazda a oweze,9,,5,5,7,0,,0, iegaie,3,,9,8,7,9,4,3, Siłowia,6,3,9,6,9,9,0,,5 Pzy pawdziwości założeia aalizy waiacji (założeia o ozkładzie omalym zmieej obsewowaej: 9

3 a Ustal za pomocą aalizy waiacji (ANOVA, któy z badaych czyików miał istoty wpływ a spadek wagi człowieka. W tym celu sfomułuj i a poziomie istotości = 0,0 zweyfikuj tzy hipotezy ogóle. b Zastosuj test Tukeya ( = 0,0 do utwozeia gup jedoodych dla istotych czyików. Sfomułuj a poziomie istotości = 0,0 i zweyfikuj odpowiedie hipotezy szczegółowe. Rozwiązaie Stawiamy tzy hipotezy ogóle:. A A A3 A4 śedie spadki wagi pzy óżych odzajach aktywości ie óżią się istotie A : ~ co ajmiej śedie spadki wagi pzy óżych odzajach aktywości óżią się istotie. 0 3 śedie spadki wagi pzy stosowaiu óżych diet ie óżią się istotie : ~ 0 co ajmiej śedie spadki wagi pzy stosowaiu óżych diet óżią się istotie 3. A... A iteakcja A jest ieistota : iteakcja A jest istota A ~ W pogamie STATISTICA zapisujemy dae w tzech kolumach. W dwóch piewszych wpisujemy zmiee gupujące: czyik A i. W tzeciej wpisujemy watości obsewacji, w pzykładzie jest to spadek wagi. Aby uzyskać tabelę aalizy waiacji wybieamy Statystyka ANOVA ANOVA dla układów czyikowych Szybkie defiiowaie OK astępie w okie Zmiee jako Zmiee zależe zazaczamy kolumę obsewacji, czyli spadek wagi, a w okie Czyiki jakościowe wybieamy dwa efekty (dwa czyiki A i OK OK. Ustalamy poziom istotości 0,0, ufości 0,99. Następie wybieamy Więcej Wyiki jedowymiaowe. Uwaga: Dae zajmują więcej wieszy, u as = 36 cza Aktywość cz Dieta 3 spadek wagi TV 000 kcal 0,8 TV 000 kcal 0,6 3 TV 000 kcal 0,8 4 TV d Kwaś 0,5 5 TV d Kwaś 0,6 6 TV d Kwaś 0,5 7 TV szwedzka 0,7 8 TV szwedzka 0,8 9 TV szwedzka 0,6 0 owe 000 kcal,9 owe 000 kcal, owe 000 kcal,5 3 owe d Kwaś,5 Tabela aalizy waiacji ANOVA 0

4 Wioski z aalizy waiacji:. Poieważ dla czyika A p = 0,0000 < = 0,0, to a poziomie istotości = 0,0 odzucamy hipotezę zeową i stwiedzamy, że co ajmiej śedie spadki wagi ciała óżią się między sobą pzy óżych odzajach aktywości.. Poieważ dla czyika p = 0,00059 < = 0,0, to a poziomie istotości = 0,0 odzucamy hipotezę zeową i stwiedzamy, że co ajmiej śedie spadki wagi ciała óżią się między sobą pzy stosowaiu óżych diet. 3. Poieważ dla iteakcji A p = 0,7488 > = 0,0, to a poziomie istotości = 0,0 ie mamy podstaw do odzuceia hipotezy zeowej, ozekającej o baku iteakcji między czyikami A i. Nie stwiedzamy zóżicowaego współoddziaływaia odzajów aktywości i odzajów diet a spadek wagi człowieka. b W doświadczeiu iteakcja A jest ieistota (ie odzucoo 0Ax, możemy to zilustować wykesami. Zauważmy, że łamae są pawie ówoległe (bak iteakcji. 0 Czyik A (odzaje aktywości jest istoty (odzucoo hipotezę 0A, zatem dokoujemy poówaia szczegółowego śedich dla waiatów aktywości (test Tukeya dla gup jedoodych i odpowiedi wykes. Stawiamy hipotezy szczegółowe: 0 i, i =,,4, ii 0ii' ii' A i :~ 0ii' A i' i po zastosowaiu testu Tukeya uzyskujemy astępujące gupy: N podkl. 3 4 Test SD Tukeya; zmiea spadek wagi Gupy jedoode, alfa =,0000 łąd: międzyg =,0408, df = 4 cza Aktywość spadek wagi Śedie TV 0, **** owe, **** biegaie, **** siłowia, ****

5 Wiosek Na poziomie istotości = 0,0 a podstawie testu Tukeya obiekty dzielimy a dwie gupy jedoode: (TV, (owe, biegaie, siłowia. Stwiedzamy zatem, że podczas siedzeia pzed telewizoem śedi spadek wagi ciała jest ajiższy, atomiast pzy pozostałych fomach aktywości śedie spadki wagi ie óżią się od siebie istotie. Czyik (odzaje diet jest istoty (odzucoo hipotezę 0, zatem dokoujemy poówaia szczegółowego śedich dla jego waiatów (test Tukeya dla gup jedoodych i stosowy wykes. Stawiamy hipotezy szczegółowe 0 jj' jj' N podkl. 3 j :~ 0 jj' j' 0 i, i =,, 3, ii Test Tukeya; zmiea spadek wagi Gupy jedoode, alfa =,0000 łąd: międzyg =,0408, df = 4 cz Dieta spadek wagi Śedie d Kwaś, **** szwedzka, **** 000 kcal,86667 **** Wiosek: Na poziomie istotości = 0,0 a podstawie testu Tukeya obiekty dzielimy a dwie gupy jedoode: (dieta d Kwaśiewskiego, (dieta szwedzka, dieta 000 kcal. Stwiedzamy zatem, że pzy stosowaiu diety d. Kwaśiewskiego śedi spadek wagi jest ajiższy, atomiast pzy stosowaiu dwóch pozostałych diet śedie spadki wagi ie óżią się od siebie istotie. Uwaga: Zauważmy, że wioski dotyczące poówaia efektu zastosowaych diet odoszą się do sytuacji stosowaia każdej aktywości i odwotie. Ozacza to, że bez względu a to, czy czas woly spędzamy pzed TV czy p. a oweze to dieta d. Kwaśiewskiego daje ajsłabsze efekty. Ozacza to też, że bez względu a to jaką dietę stosujemy, jeżeli czas woly będziemy spędzać pzed TV to efekty stosowaej diety będą ajiższe w poówaiu do stosowaia iych waiatów aktywości. Pzykład. Pzepowadzoo badaie skuteczości działaia 5 fugicydów w ochoie gatuków dewa pzed gzybami piwiczymi. Dla 0 obiektów pzepowadzoo doświadczeie poówawcze w układzie bloków losowaych kompletych, poieważ dewo pzechowywae było w óżych pomieszczeiach. Obsewowao pocet powiezchi poażeia dewa. Czyik A Czyik loki (pomieszczeia Gat. dewa fugicydy A I gatuek I fug. 3,4, 9,7 9,3 0,5

6 II fug. 3,7 3,5 9,9 9,6 30,3 3 III fug. 6,8 5,3 4,9 5,6 5,4 4 IV fug. 8,6 4, 4,8 7,5 6,0 5 V fug. 3,4 9, 8,9 30,5 3,0 A - II gatuek I fug. 8,,7 4,9 5,5 6,7 II fug. 39,8 36,7 35,8 38,0 38,7 3 III fug. 34, 9,5 3,4 35, 3,9 4 IV fug. 5,3,3,0 3,8,6 5 V fug. 35, 3,8 33,7 34,4 34,0 Pzy pawdziwości założeia aalizy waiacji (założeia o ozkładzie omalym zmieej obsewowaej: a Ustal za pomocą aalizy waiacji, któy z badaych czyików miał istoty wpływ a pocet poażeia dewa gzybami. Sfomułuj i a poziomie istotości = 0,0 zweyfikuj odpowiedie hipotezy ogóle. b Zastosuj test Tukeya ( = 0,0 do utwozeia gup jedoodych dla istotych czyików lub/i ich kombiacji. Rozwiązaie a Stawiamy tzy hipotezy ogóle:. A A śedi pocet poażeia dewa gzybami óżych gatuków dewa ie óżi się istotie A : ~ śedi pocet poażeia dewa gzybami óżych gatuków dewa óżi się istotie śedi pocet poażeia dewa gzybami pzy stosowaiu óżych śodków ochoy ie óżi się istotie : ~ 0 co ajmiej śedie pocety poażeia dewa gzybami pzy stosowaiu óżych śodków ochoy óżią się istotie 3. A... A0 iteakcja A jest ieistota : iteakcja A jest istota A ~ Za pomocą pogamu STATISTIKA wybieamy opcje: Statystyka ANOVA Aova dla układów czyikowych Keato aalizy OK. W okie Zmiee jako Zmiee zależe zazaczamy kolumę obsewacji, czyli pocet poażeia, atomiast w okie Czyiki jakościowe kolumę bloki oaz kolumy z czyikami, tz., cz A, cz. W okie Keato aalizy MAN układ międzygupowy klikamy Dostosoway układ międzygupowy. W okie Pedyktoy jakościowe zazaczamy ajpiew tylko bloki i Dodaj, a potem cz A i cz i Peły czy. OK. Dalej podobie jak w popzedich pzykładach moża uzyskać tabelę aalizy waiacji ANOVA. Pzypomijmy model aalizy waiacji y k i j ( ij uzyskujemy odpowiadającą temu modelowi tabelę aalizy waiacji : postępując jak wyżej fekt Wyaz woly bloki cza gat. dewa cz fugicydy cza gat. dewa*cz fugicydy łąd Ogół Wioski z aalizy waiacji: Stopie swobody pocet poażeia SS pocet poażeia pocet poażeia F pocet poażeia p 38364, , ,06 0, ,09 4,0 0,99 0, ,50 40,50 39,45 0, ,60 38,65 99,0 0, ,80 6,45 5,05 0, ,95, ,94 3

7 . Poieważ dla czyika A p A = 0,00000 < = 0,0, to a poziomie istotości = 0,0 odzucamy hipotezę zeową i stwiedzamy, że śedi pocet poażeia dewa jest óży w zależości od gatuku dewa.. Poieważ dla czyika p = 0,00000 < = 0,0, to a poziomie istotości = 0,0 odzucamy hipotezę zeową i stwiedzamy, że co ajmiej śedie pocety poażeia dewa óżią się w zależości od odzaju fugicydu. 3. Poieważ dla iteakcji A x p A = 0,00454 < = 0,0, to a poziomie istotości = 0,0 odzucamy hipotezę zeową. Stwiedzamy, więc istote współdziałaie gatuków dewa i odzaju fugicydu. b W doświadczeiu iteakcja A jest istota. Pzepowadzamy zatem poówaia szczegółowe tylko dla iteakcji (śedich dla kombiacji waiatów czyików. Za pomocą testu Tukeya dokoujemy podziału obiektów a gupy jedoode. Stawiamy hipotezy szczegółowe: 0 0ij(ij' j (j' 0, ij(ij' :~ 0ij(ij' i j i po zastosowaiu testu Tukeya uzyskujemy astępujące gupy: i, j,,...,0 Z powyższej tabeli wyika, że ajlepszym sposobem ochoy dewa gatuku piewszego jest zastosowaie fugicydu 4, bo wtedy pocet poażeia jest ajmiejszy (6,%. Dalej moglibyśmy wymieiać, że : tochę goszy wyik uzyskujemy stosując kombiacje A i A4, óżica w tej gupie jest ieistota. w tzeciej gupie z kombiacjami A4, A, A3 także óżica jest ieistota. Wymieioe wyżej tzy gupy zawieają ajlepsze kombiacje, óżiące się istotie od pozostałych tzech gup. W czwatej gupie zajdują się kombiacje A5, A, A3, w piątej A3 i A5. Kombiacja A okazała się ajmiej skutecza, gdyż śedi pocet poażeia pzy jej stosowaiu okazał się ajwiększy, istotie óżiący się od pozostałych. ] Jedak z powyższych stwiedzeń powiiśmy wyszukać tylko iteesujące as wyiki poówań :. Najlepszym sposobem ochoy dewa gatuku piewszego jest zastosowaie fugicydu 4, bo wtedy pocet poażeia jest ajmiejszy (6,%.. Najlepszym sposobem ochoy dewa gatuku dugiego jest zastosowaie fugicydu 4 lub, bo wtedy pocet poażeia jest odpowiedio,8% i 5,6%. 3. Dla dewa gat. piewszego zdecydowaie ajgosze efekty uzyskao pzy stosowaiu fugicydu 5 lub, pocet poażeia jest odpowiedio 30,4% i 30,8%. 4. Dla dewa gat. dugiego zdecydowaie ajgosze efekty uzyskao pzy stosowaiu fugicydu, pocet poażeia wyiósł 37,8%. 4

8 Uwaga: Moża ułatwić sobie fomułowaie powyższych wiosków twoząc gupy jedoode w amach ustaloego waiatu jedego z czyików, w pzykładzie w amach czyika A (gatuku dewa. w STATISTIC ie ma jedak gotowej poceduy twozącej takie gupy. Moża to zobić samodzielie kozystając z dostępej fukcji sotowaia daych, w astępujący sposób. Dae Sotuj w opcjach sotowaia zazaczamy zmiee czyik A i pocet poażeia, astępie klikamy pzycisk dodaj zmiee, dalej ustalamy kieuek sotowaia a osący ok. Uzyskujemy tabelę jak poiżej bez części z ozaczeiami liteowymi, ozaczeia liteowe, w celu uzyskaia większej pzejzystości wyików, wpisujemy ęczie po upzedim dodaiu odpowiediej ilości kolum (zmieych. W amach gatuku piewszego A mamy cztey gupy jedoode 4,, 3, (5,, a dla dugiego A tzy gupy jedoode (4,, (3, 5,. Wioski aalogicze jak wyżej (pukty od do 4. Zadaie. adao wpływ tzech óżych substacji toksyczych (T, T, T3 stosowaych w pocesie podukcyjym a układ oddechowy pacowików tzech óżych zakładów pzemysłowych (Z, Z, Z3. Jako miaę wydolości oddechowej pzyjęto objętość wymuszoego wydechu FV (ag. foced expiatoy volume. Zebae dae dla 08 pacowików zapisao je w pliku cw3.sta. a Sfomułuj i pzy pawdziwości założeń aalizy waiacji, zweyfikuj odpowiedie hipotezy ogóle. Pzyjmij poziom istotości = 0,05. b Zastosuj test Tukeya ( = 0,05 do utwozeia gup jedoodych dla istotych czyików. Odp.: a cz. A: p A = 0,000000; cz. : p = 0,0033; iteakcja A : p A = 0, b g. jedoode w amach Z: T3, T, T, w amach Z: T3, T, T, w amach Z3: T3, T, T. Zadaie. adao stężeie ołowiu we kwi wśód pacowików pewego zakładu pzemysłowego. adaiu poddao 30 kobiet i 30 mężczyz (czyik A płeć. W amach dugiego czyika poówywao tzy óże techologie (metody podukcji (M, M, M3 pod względem ich wpływu a szkodliwość pacy(czyik metoda podukcji. Zebae dae pzedstawia tabela. Zapisao je ówież w pliku cw3.sta. Stężeie ołowiu we kwi M K M M M3 M M M3 0,4 0,5,,4 34, 7,3 0,0 6,6,7,4 3,6 6,3 4,5 5,4 5,6 6, 9,0,3 9,7,6 5,4 8,8 9,0 9,4 5

9 7,3,5 5,3 6,3 5,7 8,5 7,4 6,3 9,9 9,,9, 8,4 9,8 6,5 5,4 8,5 7,4,0 8, 9,7 5, 5,8 7,5,3 3,7 0,3,8 7, 30,3 3,3,6,4 5, 4,4 4,7 a Sfomułuj i pzy pawdziwości założeń aalizy waiacji, zweyfikuj a poziomie istotości 0,0 odpowiedie hipotezy ogóle. b Zastosuj test Tukeya ( = 0,0 do utwozeia gup jedoodych dla istotych czyików. Odp.: a cz. A: p A = 0,000000; cz. : p = 0,00454; iteakcja A : p A = 0, b g. jedoode cz. : (M, M3, (M3, M. Zadaie 3. W celu zbadaia wpływu czasu poświęcoego a aukę statystyki (czyik A oaz liczby opuszczoych zajęć w semestze (czyik a pzeciętą liczbę uzyskaych puktów z dwóch spawdziaów, założoo doświadczeie w układzie całkowicie losowym z dwoma powtózeiami. Uzyskao astępujące wyiki: Liczba Czas poświęcoy a aukę tygodiowo (A opuszczoych zajęć ( 0 godz. 4 godz. 4 6 godz. 6 8 godz a Sfomułuj i pzy pawdziwości założeń aalizy waiacji, zweyfikuj a poziomie istotości 0,05 odpowiedie hipotezy ogóle. b Zastosuj test Tukeya ( = 0,05 do utwozeia gup jedoodych dla istotych czyików. Odp.: a cz. A: p A = 0,000000; cz. : p = 0,000000; iteakcja A*: p A = 0,8337. b dla cz. A cztey ozłącze gupy jedoode 0- godz., -4 godz., 4-6 godz., 6-8 godz., dla cz. tzy gupy jedoode: (0,,, 3-4 Zadaie 4. adao staty wody (w l/godz. w ogaizmie człowieka w zależości od czteech typów aktywości (czyik A i dwóch tempeatu powietza (czyik. Doświadczeie zostało założoe w układzie całkowicie losowym w czteech powtózeiach. Uzyskao astępujące wyiki: Tempeatua ( o C 3 o C Kibicowaie Odp.: a cz. A: p A = 0,000000; cz. : p = 0,000000; iteakcja A*: p A = 0, b g. jedoode: (A, A, (A3, A, A4, (A, A4, A, A3, A4 wioski dotyczące ajwiększej i Rodzaj aktywości (A Lekkoatletyka skoki, zuty Lekkoatletyka biegi kótkie i śedie 0 5 Lekkoatletyka biegi długie, kolastwo 0, 0,0 0,30 0,30 0,54 0,55 0,65 0,70 0,0 0,8 0,3 0,8 0,56 0,5 0,70 0,67 0,6 0,66 0,7 0,80,00,0,30,50 0,64 0,56 0,76 0,80 0,90,30,40,40 a Sfomułować i pzy pawdziwości założeń aalizy waiacji, zweyfikować a poziomie istotości 0,05 odpowiedie hipotezy ogóle. b Zastosować test Tukeya ( = 0,05 do utwozeia gup jedoodych dla istotych czyików.

10 ajmiejszej staty wody fomułowae dla każdej tempeatuy, to odpowiedzi a pytaie: pzy jakiej aktywości (pzy jakich waiatach aktywości stwiedzoo ajwiększe (ajmiejsze staty wody? [g. jedoode w amach : (A, A, (A3, A4, w amach : (A, A, A3, A4]. Zadaie 5. Celem doświadczeia była ocea watości dekoacyjych taw ozdobych 5 odmia z odzaju Festuca. W tym celu obsewowao m. i. śedicę kęp ośli. Wpowadzoo ówież dugi czyik: awożeie. adaia pzepowadzoo w kolekcji taw ozdobych a teeie stacji doświadczalej w układzie bloków losowaych kompletych z czteema blokami. Śedie śedice kęp (w cm pzedstawia tabela: Czyik awożeie Czyik A odmiay taw bloki 3 4 awożeie Festuca ampla ack 36,8 36,3 30, 33, Kostzewa sia,6,9 9,8,8 Kostzewa sia Azuit,4 0,3 9,, Kostzewa sia Meeblau 6,3 5,3,4 5,5 Kostzewa walezyjska,6,6 9,7, bak awożeia Festuca ampla ack 35,8 34,3 9, 30, Kostzewa sia,, 9,9 0,8 Kostzewa sia Azuit,4 0,0 8,8,0 Kostzewa sia Meeblau 6, 5,3,4 5, Kostzewa walezyjska 0,6, 9,3,3 a Zakładając, że spełioe są założeia, pzepowadź aalizę waiacji. Pzyjmij = 0,0. b Zastosuj test Tukeya ( = 0,0 do utwozeia gup jedoodych dla istotych czyików. Odp.: a cz. A: p A = 0,000000; cz. : p = 0,084565; iteakcja A : p A = 0, b g. jedoode: cz. A: (A3, A5, A, A4, A. Zadaie 6. W dwuczyikowym doświadczeiu badao wpływ sposobów utzymywaia gleby (czyik w pasach ochoych obsadzoych óżymi odmiaami topoli (czyik A a ich ozwój. Czyik występował w czteech waiatach, czyik A w tzech waiatach. Cechą obsewowaą była suma pzyostów pola powiezchi pia (w cm tzech topoli. Poieważ iteakcja między czyikami A i jest istota, wykozystaj test Tukeya do utwozeia gup jedoodych dla waiatów czyika (sposobów utzymaia gleby w amach waiatu czyika A (odmia topoli. Pzyjmij = 0,0. Odmiay topoli (A Odmiaa Odmiaa Sposoby utzymaia gleby ( Sposób Sposób Sposób 3 Sposób Odmiaa Odp. gupy jedoode dla A: (4, 3, (, ; dla A: (3, 4, (, dla A3: (3, 4, (,

11 (Dla wszystkich badaych odmia, a poziomie istotości 0,0, istotie większy śedi pzyost jest pzy zastosowaiu sposobu lub. 8

12 Wzoy : aaliza waiacji - doświadczeia dwuczyikowe - układ całkowicie losowy Sumy SS A ( x kwadató A ki j a w SS SSC x, ki j SS b i śedie ( x SS A kwadaty a b ki j A SSA ( x, ( a ( b b i k j SS ab( ( x b a ki j SS ( x a SS A j ki a b ( x i j k x ki j ( SS A SS SS=SSC-SSA-SS-SSA ipotezy ogóle - test dla poówaia wielu populacji - test Fishea Sedecoa Czyik A Obsza kytyczy 0A... A A A a A FA FA> F A:0A ; a; ab( Czyik Obsza kytyczy 0... b F F> F :0 ; b; ab( Iteakcja Ax Obsza kytyczy 0A: bak iteakcji A FA A:0A FA> F ;( a( b; ab( ipotezy szczegółowe - test dla óżicy śedich - test Tukeya Czyik A 0ii A 0 i A i' ii :0ii Czyik 0jj 0 j j' jj :0jj Kombiacje czyików A i 0ij(ij : A ( A ' 0 i j i j ij(ij :0ij(ij gdy gdy gdy xi x j T xi' NIR A 0ii odzucamy T x j' NIR 0jj odzucamy T x j x( j ' NIR A 0ij(ij odzucamy Najmiejsza istota óżica T NIR A q,a, b Najmiejsza istota óżica T NIR q,b, a Najmiejsza istota óżica T NIR A q,ab, 9

13 Wzoy : aaliza waiacji - doświadczeia dwuczyikowe układ bloków los. kompletych Sumy SSR ( x kwadató R ki j w SS SSC x, ki j SSA A a i śedie ( x SS kwadaty ki j SSR ( x b ab k i j SSA A ( a ( b ( x a b SS ki j SSA ( x, b SS SS A i k j b ( x a a j ki a b ( x i j k ki j ( x x ki j ( SS A SS SS=SSC-SSR-SSA-SS-SSA ipotezy ogóle - test dla poówaia wielu populacji - test Fishea Sedecoa Czyik A A Obsza kytyczy F 0A... A A A A a FA> F ; a ; A:0A Czyik Obsza kytyczy F 0... b F> F ; b ; :0 Iteakcja A* A Obsza kytyczy F 0A : bak iteakcji A FA> F A:0A ipotezy szczegółowe - test dla óżicy śedich - test Tukeya Czyik A 0ii A 0 i A i' ii :0ii Czyik 0jj 0 j j' jj :0jj Komb. Czy. A i 0ij(ij : A ( A ' 0 i j i j ij(ij :0ij(ij gdy gdy gdy xi x j T xi' NIR A 0ii odzucamy T x j' NIR 0jj odzucamy T x j x( j ' NIR A 0ij(ij odzucamy ;( a ( b; Najmiejsza istota óżica T NIR A q,a, b Najmiejsza istota óżica T NIR q,b, a Najmiejsza istota óżica T NIR A q,ab, 30

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS 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 szczegółowo

Lista 6. Estymacja punktowa

Lista 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 szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA 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 szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. 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 szczegółowo

Ćwiczenie: Test chi 2 i miary na nim oparte.

Ćwiczenie: Test chi 2 i miary na nim oparte. Ćwiczeie: Test chi 2 i miary a im oparte. Zadaie (MS EXCEL) Czy istieje zależość między płcią a paleiem papierosów? 1. W arkuszu Excel utworzyć dwie tabele 2. Uzupełić wartości w tabeli z daymi obserwowaymi

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba 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 szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY 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 szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą 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 szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja 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 szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: 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 szczegółowo

PROJEKT: GNIAZDO POTOKOWE

PROJEKT: GNIAZDO POTOKOWE POLITEHNIK POZNŃSK WYZIŁ UOWY MSZYN I ZZĄZNI ZZĄZNIE POUKJĄ GUP ZIM-Z3 POJEKT: GNIZO POTOKOWE WYKONWY: 1. TOMSZ PZYMUSIK 2. TOMSZ UTOWSKI POWZĄY: Mg iż. Maiola Ozechowska SPIS TEŚI OZZIŁ 1. Wpowadzeie.

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie 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 szczegółowo

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.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 szczegółowo

WERYFIKACJA WPŁYWU PORÓWNAŃ PROWADZONYCH W WARUNKACH ZRÓWNOWAŻONEGO EKSPERYMENTU WEWNĄTRZLABOROTORYJNEGO NA CMC LABORATORIUM WZORCUJĄCEGO

WERYFIKACJA WPŁYWU PORÓWNAŃ PROWADZONYCH W WARUNKACH ZRÓWNOWAŻONEGO EKSPERYMENTU WEWNĄTRZLABOROTORYJNEGO NA CMC LABORATORIUM WZORCUJĄCEGO PROBLEM AND PROGRE IN METROLOG PPM 8 Cofeece Digest Wiesław GOK Główy Uząd Mia amodziele Laboatoium Pzepływów WERFIKACJA WPŁWU PORÓWNAŃ PROWADZONCH W WARUNKACH ZRÓWNOWAŻONEGO EKPERMENTU WEWNĄTRZLABOROTORJNEGO

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 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 szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są 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 szczegółowo

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI Tadeusz Gesteko Emeytoway pofeso Uiwesytetu Łódzkiego ISSN 1644-6739 e-issn 2449-9765 DOI: 10.15611/sps.2015.13.09 Steszczeie: Rozkład pawdopodobieństwa

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE 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 szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY 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 szczegółowo

Inżynieria Środowiska Ćwiczenia /2018 Regresja liniowa. Regresja wielomianowa

Inżynieria Środowiska Ćwiczenia /2018 Regresja liniowa. Regresja wielomianowa Regresja liiowa W sytuacji, gdy obserwowaa jest zmiea dwuwymiarowa (X,Y) stawiamy pytaie, czy występuje związek prostoliiowy pomiędzy tymi zmieymi (związek liczbowy, czy też związek przyczyowoskutkowy),

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

X 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.

X 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 szczegółowo

Przejście światła przez pryzmat i z

Przejście światła przez pryzmat i z I. Z pracowi fizyczej. Przejście światła przez pryzmat - cz. II 1. Przejście światła przez pryzmat. Kąt odchyleia. W paragrafie 8.10 trzeciego tomu e-podręczika opisao bieg światła moochromatyczego w pryzmacie.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie ELEMENTY MATEMATYI FINANSOWEJ Wpowadzeie Pieiądz ma okeśloą watość, któa ulega zmiaie w zależości od czasu, w jakim zostaje o postawioy do aszej dyspozycji. Watość tej samej omialie kwoty będzie ia dziś

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

16 Przedziały ufności

16 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 szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia 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 szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

ANALIZA DANYCH W STATA 8.0

ANALIZA DANYCH W STATA 8.0 ANALIZA DANYCH W STATA 8.0 ZAJĘCIA 3 1. Rozpoczęcie 1. Stwozyć w katalogu C:/temp katalog stata_3 2. Ściągnąć z intenetu ze stony http://akson.sgh.waw.pl/~mpoch plik zajecia3.zip (kyje się on pod tekstem

Bardziej szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę

Bardziej szczegółowo

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE 4.5. PODTAWOWE OBCZENA HAŁAOWE 4.5.. WPROWADZENE Z dotychczasowych ozważań wiemy już dużo w zakesie oisu, watościowaia i omiau hałasu w zemyśle. Wato więc tę wiedzę odsumować w jedym zwatym ukcie, co umożliwi

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. 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 szczegółowo

KADD Metoda najmniejszych kwadratów

KADD 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 szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA 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 szczegółowo

1 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.

1 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 szczegółowo

Planowanie doświadczeń - DPLD LMO Materiały pomocnicze

Planowanie doświadczeń - DPLD LMO Materiały pomocnicze Plaowaie doświadczeń - DPLD LMO Materiały pomocicze Układ bloków kompletie zradomizowaych Założeia: (a) Z jedostek doświadczalych tworzymy rówolicze grupy zwae blokami (b bloków) w taki sposób, aby jedostki

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx 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 szczegółowo

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g.

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g. Zadaia przykładowe z rozwiązaiami Zadaie Dokoao pomiaru masy ciała 8 szczurów laboratoryjych. Uzyskao astępujące wyiki w gramach: 70, 80, 60, 90, 0, 00, 85, 95. Wyzaczyć przeciętą masę ciała wśród zbadaych

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (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 szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

Metody probabilistyczne egzamin

Metody probabilistyczne egzamin Imię i azwisko:....................................................... N ideksu:.............. Metody pobabilistycze egzami Data: 30.0.209 Godzia: 3:00 Zadaie [8pkt] Podaj aksjomaty Kołmogoowa dla miay

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół 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 szczegółowo

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

Metoda 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 szczegółowo

ZSTA LMO Zadania na ćwiczenia

ZSTA LMO Zadania na ćwiczenia ZSTA LMO Zadaia a ćwiczeia Efektywość estymatorów ieobciążoych Zadaie 1. Zakładamy, że badaa cecha X populacji ma rozkład Poissoa πλ, gdzie λ > 0 jest parametrem. Poadto, iech X = X 1, X,..., X będzie

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy 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

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

Przejmowanie ciepła przy kondensacji pary

Przejmowanie ciepła przy kondensacji pary d iż. Michał Stzeszewski 004-01 Pzejowaie ciepła pzy kodesacji pay Zadaia do saodzielego ozwiązaia v. 0.9 1. powadzeie Jeżeli paa (asycoa lub pzegzaa) kotaktuje się z powiezchią o tepeatuze T s iższej

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA 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 szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY 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 szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy Klucz odpowiedzi do zadań zamkiętych oraz schematy oceiaia zadań otwartych Matematyka CZERWIEC 0 Schemat oceiaia Klucz puktowaia zadań zamkiętych Nr zad Odp 5 6 8 9 0 5 6 8 9 0 5 6 B C C B C C A A B B

Bardziej szczegółowo

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy

Klucz odpowiedzi do zadań zamkniętych oraz schematy oceniania zadań otwartych. Matematyka. Poziom podstawowy Klucz odpowiedzi do zadań zamkiętych oraz schematy oceiaia zadań otwartych Matematyka CZERWIEC 0 Klucz puktowaia zadań zamkiętych Nr zad Odp 5 6 8 9 0 5 6 8 9 0 5 6 B C C B C C A A B B C A B A A A B D

Bardziej szczegółowo

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego

Bardziej szczegółowo

Wprowadzenie do laboratorium 1

Wprowadzenie do laboratorium 1 Wprowadzeie do laboratorium 1 Etymacja jedorówaiowego modelu popytu a bilety loticze Etapy budowy modelu ekoometryczego Specyfikacja modelu Zebraie daych tatytyczych Etymacja parametrów modelu Weryfikacja

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1 1. Cel ćwiczeia: Laboratorium Sesorów i Pomiarów Wielkości Nieelektryczych Ćwiczeie r 1 Pomiary ciśieia Celem ćwiczeia jest zapozaie się z kostrukcją i działaiem czujików ciśieia. W trakcie zajęć laboratoryjych

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

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 szczegółowo

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym?

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym? Plaowaie Eksperymetów 1) Jakie są różice pomiędzy aaliza daych a wioskowaiem statystyczym? Celem aalizy daych jest prezetacja kokretego zbioru daych, w sposób ukazujący jego właściwości, w szczególości

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( )

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( ) Rówaia óżiczkowe zwyczaje Rówaie postaci: Wykład Wpowadzeie dy x dx ( x y ( x) ) = f () Gdzie f ( x y ) jest fukcją dwóch zmieych okeśloą i ciągłą w pewym obszaze płaskim D azywamy ówaiem óżiczkowym zwyczajym

Bardziej szczegółowo

obie z mocy ustawy. owego.

obie z mocy ustawy. owego. Kwartalik Prawo- o-ekoomia 3/015 Aa Turczak Separacja po faktycza lub prawa obie z mocy ustawy cza, ie ozacza defiitywego owego 1 75 1 61 3 Art 75 88 Kwartalik Prawo- o-ekoomia 3/015 zaspokajaia usp iedostatku

Bardziej szczegółowo

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea

Bardziej szczegółowo

Estymacja przedziałowa

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 szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA 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 szczegółowo

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

Bardziej szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE. PODSTAWOWE POJĘCIA Pieiądz, podobie jak ie doba (toway i usługi)) zieia swoją watość w czasie, co jest astępstwe zachodzących w sposób ciągły pocesów gospodaczych. Ziaie oże

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Statystyka opisowa - dodatek

Statystyka opisowa - dodatek Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

Dobór zmiennych do modelu ekonometrycznego

Dobór zmiennych do modelu ekonometrycznego Dobó zmiennych do modelu ekonometycznego Metody dobou zmiennych do modelu ekonometycznego opate na teście F Model zedukowany ya 0 +a x+a x+.+a x Model pełny ya 0 +a x+a x+.+a x +a + x + + +a k x k Częściowy

Bardziej szczegółowo

Wykład: Analiza wariancji prosta i złożona (ANOVA)

Wykład: Analiza wariancji prosta i złożona (ANOVA) Metody statystycze w aukach biologiczych 006-03-8 Wykład: Aaliza wariacji prosta i złożoa (ANOVA) Aaliza zmieości została opracowaa przez uczoego agielskiego, biologa i geetyka Roalda A. Fishera. Istota

Bardziej szczegółowo

ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybrane schematy i tablice z PN-83/B :

ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybrane schematy i tablice z PN-83/B : ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybae schematy i tablice z PN-83/B-048 : http://www.uwm.edu.pl/edu/piotsokosz/mg.htm UWAGA! Rysuki ie są w skali!!! N = 900 kn M = 500 knm G, I L =0.3 0.0m

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary 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 szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 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 szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Trójparametrowe formowanie charakterystyk promieniowania anten inteligentnych w systemach komórkowych trzeciej i czwartej generacji

Trójparametrowe formowanie charakterystyk promieniowania anten inteligentnych w systemach komórkowych trzeciej i czwartej generacji Zakład Zastosowań Techik Łączości lektoiczej (Z ) Tójpaametowe fomowaie chaakteystyk pomieiowaia ate iteligetych w systemach komókowych tzeciej i czwatej geeacji Paca : 35 Waszawa, gudzień 5 Tójpaametowe

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

Wykład 10 Wnioskowanie o proporcjach

Wykład 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 szczegółowo

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 3 Algorytmy grafowe ( )

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 3 Algorytmy grafowe ( ) Poiedziałki 11.45 Grupa I3 Iformatyka a wydziale Iformatyki Politechika Pozańska Algorytmy I Struktury Daych Prowadząca: dr Hab. iż. Małgorzata Stera Sprawozdaie do Ćwiczeia 3 Algorytmy grafowe (26.03.12)

Bardziej szczegółowo

500 1,1. b) jeŝeli w kolejnych latach stopy procentowe wynoszą odpowiednio 10%, 9% i 8%, wówczas wartość obecna jest równa: - 1 -

500 1,1. b) jeŝeli w kolejnych latach stopy procentowe wynoszą odpowiednio 10%, 9% i 8%, wówczas wartość obecna jest równa: - 1 - Zdyskotowae pzepływy pieięŝe - Pzepływy pieięŝe płatości ozłoŝoe w czasie - Pzepływy występujące w kilku óŝych okesach ie są poówywale z uwagi a zmiaę watość pieiądza w czasie - śeby poówywać pzepływy

Bardziej szczegółowo

Ocena dopasowania modelu do danych empirycznych

Ocena dopasowania modelu do danych empirycznych Ocea dopasowaia modelu do dach empirczch Po oszacowaiu parametrów modelu ależ zbadać, cz zbudowa model dobrze opisuje badae zależości. Jeśli okaże się, że rozbieżość międz otrzmam modelem a dami empirczmi

Bardziej szczegółowo

Zasada indukcji matematycznej. Dowody indukcyjne.

Zasada indukcji matematycznej. Dowody indukcyjne. Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,

Bardziej szczegółowo

Metody numeryczne Laboratorium 5 Info

Metody numeryczne Laboratorium 5 Info Metody umerycze Laboratorium 5 Ifo Aproksymacja - proces określaia rozwiązań przybliżoych a podstawie rozwiązań zaych, które są bliskie rozwiązaiom dokładym w ściśle sprecyzowaym sesie. Metoda ajmiejszych

Bardziej szczegółowo

WYKORZYSTANIE WYKRESÓW CZTEROPOLOWYCH W BADANIACH SPOŁECZNO-EKONOMICZNYCH 1

WYKORZYSTANIE WYKRESÓW CZTEROPOLOWYCH W BADANIACH SPOŁECZNO-EKONOMICZNYCH 1 Agieszka Staimir Uiwersytet Ekoomiczy we Wrocławiu WYKORZYSTANIE WYKRESÓW CZTEROPOLOWYCH W BADANIACH SPOŁECZNO-EKONOMICZNYCH 1 Wprowadzeie W badaiach społeczo-ekoomiczych bardzo często występują zmiee

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo