CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) MIARY ASYMETRII

Wielkość: px
Rozpocząć pokaz od strony:

Download "CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) MIARY ASYMETRII"

Transkrypt

1 [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.). iary połoŝeia - wykład 2 2. iary zieości (dyperji, rozprozeia) - wykład. iary ayetrii (kośości). iary kocetracji MIARY ASYMETRII Miary ayetrii charakteryzują rodzaj i topień odtęptwa od yetrii rozkładu badaej cechy. Miary ayetrii dzielą ię podobie jak poprzedie a iary klaycze i pozycyje.. iary klaycze (wpółczyik kośości (A lub A d ), wpółczyik ayetrii (A) ) oraz 2. iary pozycyje (wpółczyik kośości (A Q ) ). Najprotzą iarą ayetrii jet wkaźik kośości (W lub W Q ). Dla iar klayczych jet to róŝica poiędzy średią arytetyczą i odalą. W x M o Dla iar pozycyjych baday odległości obu kwartyli od ediay. Q ( QIII M e) ( M e QI) QI + QIII M e W 2

2 [2] JeŜeli rozkład badaej cechy jet yetryczy, to średia jet rówa odalej, a wkaźik kośości jet rówy zero. W x M 0 o Rozkłady badaych cech róŝią ię iędzy obą kierukie i iłą ayetrii. JeŜeli rozkład badaej cechy ie jet yetryczy, to ay do czyieia z ayetrią rozkładu. Mówiy o dwóch rodzajach (kierukach) ayetrii: lewo- i prawotroej. Dla iar klayczych będzie to: ayetria lewotroa gdy W x M o < 0 oraz ayetria prawotroa gdy W x M o > 0 Dla iar pozycyjych będzie to: ayetria lewotroa gdy W Q ( QIII M e) ( M e QI) < 0 oraz ayetria prawotroa gdy W ( Q M ) ( M Q ) > 0 III e e I Q. PoiŜze ryuki ilutrują rodzaje ayetrii i wzajee relacje poiędzy podtawowyi iarai połoŝeia.

3 [] Dla porówaia kieruku i iły ayetrii w dwóch lub więcej zbiorowościach toujey wpółczyiki kośości. x M o A dla iar klayczych QI + QIII 2 M e AQ 2Q dla iar pozycyjych Do klayczych iar ayetrii aleŝy rówieŝ wpółczyik ayetrii (A). Uwaga!!! Jet o pracochłoy w liczeiu. A gdzie: odchyleie tadardowe Liczik powyŝzego ułaka ( ) wyliczay odieie dla kaŝdego poobu pogrupowaia ateriału tatytyczego. I tak: ( x i x) i k ( x x) i k i i ( x& x) i i i - zereg zczegółowy - zereg rozdzielczy puktowy - zereg rozdzielczy przedziałowy

4 [] PRZYKŁAD (Przykład 7 z wykładu praca doowa) Płace (tawka godziowa) w firach A, B i C klaa Stawka [zł/godz.] liczba pracowików ( i ) i x 0i x i fira A fira B fira C raze średia wariacja,8,8,8 odchyleie tadardowe 2,9 2,9 2,9 odala 7 5,5 8,5 kwartyl I 5,5 5, 5,20 kwartyl II (ediaa) 7 6,8 7,2 kwartyl III 8,5 8,8 8,86 odchyleie ćwiartkowe,5,8,8 wkaźik kośości (kla.) 0,5 -,5 wkaźik kośości (pozyc.) 0 0, -0, wpółcz. kośości (kla.) 0 0,68-0,68 wpółcz. kośości (pozyc.) 0 0,09-0,09 wpółcz. ayetrii (A) 0 0,2-0,2 (liczik A, tj. ) 0 2, -2,

5 [5] PRZYKŁAD a (przykładowe obliczeia dla firy C) W W Q x M o Q + Q 7 8,5,5 I III e 2 M 5,2+ 8,86 2 7,2 0, A A Q x M o,5 0,68 2,9 QI + QIII 2 M e 0, 2Q 2,8 0,09 Obliczaie wpółczyika ayetrii (A) klaa Stawka [zł/godz.] środek klay i x 0i x i i obliczaie we wpółczyiku ayetrii (fira C) x& x x& i x i x & ( ) & ( ) i i x i x raze A 80/ 200 ( 2,9) 0,2

6 [6] 0,50 Struktura płac fira A fira B fira C 0,0 czętość 0,0 0,20 0,0 0, Stawka [zł/godz.]

7 [7] MIARY KONCENTRACJI Trzy dotychcza oówioe grupy iar (tj. iary połoŝeia, rozprozeia i ayetrii) w poób wyczerpujący opiują trukturę badaej zbiorowości. Uzupełieie tego opiu ą iary kocetracji. Itieje bowie ściły związek poiędzy kocetracją a rozprozeie: i iejze rozprozeie ty więkza kocetracja. I a odwrót. Zjawiko kocetracji oŝe być rozwaŝae jako ierówoiery podział ogólej uy wartości cechy poiędzy pozczególe jedotki badaej zbiorowości. Do ocey topia kocetracji toujey dwie etody.. Metoda uerycza wyzaczaie odpowiedich wkaźików liczbowych (wpółczyik kupieia iaczej kurtoza, wpółczyik kocetracji Loreza). 2. Metoda graficza wykreślaie i aaliza tzw. krzywej kocetracji Loreza.

8 [8] Wpółczyik kupieia (kurtoza) Kurtoza (K) aleŝy do klayczych iar kocetracji. Uwaga!!! Jet oa pracochłoa w liczeiu. K gdzie: odchyleie tadardowe Liczik powyŝzego ułaka ( ) wyliczay odieie dla kaŝdego poobu pogrupowaia ateriału tatytyczego. I tak: ( x i x) i k ( x x) i k i i ( x& x) i i i - zereg zczegółowy - zereg rozdzielczy puktowy - zereg rozdzielczy przedziałowy I więkza wartość kurtozy (K), ty więkza kocetracja (diagra wyŝzy i uklejzy). Zjawika połecze, gopodarcze, przyrodicze... ą ajczęściej opiywae tzw. rozkłade oraly (przykłady diagraów takiego rozkładu pokazao w wykładzie a troach i ). Kurtoza w rozkładzie oraly jet zawze rówa trzy (K). W praktyce policzoą kurtozę porówujey z kurtozą rozkładu oralego. I tak jeŝeli: K> - rozkład badaej cechy jet wyŝzy i uklejzy od rozkładu oralego K< - odwrotie; iŝzy i bardziej rozłoŝyty

9 [9] PRZYKŁAD 2 (dae z przykładu fira A; w dou policz dla pozotałych fir) klaa Płace (tawka godziowa) w firie A Stawka [zł/godz.] środek klay obliczaie w kurtozie (fira A) x& i x i x & ( ) i x 0i x i i x& i x x& i x i raze K 860/50 ( 2,9) 2,5 WNIOSEK K< - kocetracja wokół średiej tawki godziowej w firie A jet iejza iŝ w przypadku rozkładu oralego (diagra jet iŝzy i bardziej rozłoŝyty iŝ w rozkładzie oraly); rozprozeie jet więkze iŝ w rozkładzie oraly.

10 [0] Krzywa kocetracji Loreza Dae pogrupowae ą w zereg rozdzielczy przedziałowy. Krzywą kocetracji Loreza ryujey wykorzytując: kuulowaą czętość dla liczebości (w i k ) oraz kuulowaą czętość dla wartości cechy (z i k ); wartość cechy obliczay w kaŝdej klaie jako iloczy i z i (tak jak przy liczeiu średiej) Obie czętości wyraŝay w %. Kwadrat w który ryujey krzywą Loreza a powierzchię 00x Krzywą Loreza otrzyujey aoząc a powyŝzy wykreie dla kaŝdej klay pukt o wpółrzędych (w i k,z i k ). Natępie łączyy te pukty odcikai. Pukt (w k,z k ) łączyy dodatkowo z pukte (0, 0). I więkza jet powierzchia pola (a), ty więkza jet kocetracja w baday zjawiku.

11 [] Wpółczyik kocetracji Loreza Aby liczbowo wyrazić wielkość kocetracji wyliczay tzw. wpółczyik kocetracji Loreza (KL). Jet o rówy toukowi pola (a) do pola powierzchi połowy kwadratu (5000): KL a 5000 PoiewaŜ łatwiej jet policzyć pole (b), to pole (a) wyzaczay z róŝicy a5000-b. Pole (b) jet uą pól trapezów protokątych (dla pierwzej klay jet to trójkąt protokąty). Otateczy wzór a wpółczyik kocetracji Loreza (KL) a potać: KL KL ozacza ilą kocetrację KL 0 ozacza łabą kocetrację 5000 b b

12 [2] PRZYKŁAD (Miata i ludość w iatach ta a.2.992) Grupy iat wg liczby ludości (w ty.) Liczba iat Ludość w iatach (w ty.) x i i x i i poiŝej i więcej raze Średie iato x , ty. iezkańców. Grupy iat wg liczby ludości (w ty.) odetek iat (%) odetek ludości w iatach (%) x i w i z i poiŝej 5 0,, 5 0 2, 5, , 0, , 7, ,0, ,6 2,0 200 i więcej 2, 7,0 raze 00,0 00,0

13 [] Grupy iat wg liczby ludości (w ty.) kuuloway odetek iat (%) kuuloway odetek ludości w iatach (%) x i w i k z i k poiŝej 5 0,, 5 0 5, 8, ,7 9, ,0 6, ,0 5, ,6 6,0 200 i więcej 00,0 00,0 raze

14 [] Na zakończeie policzyy wpółczyik kocetracji Loreza. Grupy iat wg liczby ludości (w ty.) odetek iat (%) kuuloway odetek ludości w iatach (%) x i w i z i k obliczaie pola (b) ua pól trójkąta i trapezów w i ( z + z ) i k 2 i k rodzaj figury poiŝej 5 0,, 50,0 trójkąt 5 0 2, 8,5 2,5 trapez , 9,2 295,0 trapez , 6,7 55,6 trapez ,0 5,0 26, trapez ,6 6,0 8,2 trapez 200 i więcej 2, 00,0 95,6 trapez raze 00,0 52,0 Pole (b) wyoi 52,0. Wpółczyik kocetracji Loreza wyoi: b 52 KL 0, WNIOSEK: W grudiu 992 ludość Polki zaiezkująca iata iała tedecję do kocetrowaia ię w iatach o średiej wielkości 28, ty. iezkańców. Potwierdzają to: duŝa wartość wpółczyika kocetracji KL oraz wyraźy brzuch krzywej kocetracji Loreza.

Materiały do wykładu 4 ze Statystyki

Materiały do wykładu 4 ze Statystyki Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4.

Bardziej szczegółowo

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1, 1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =

Bardziej szczegółowo

1 Dwuwymiarowa zmienna losowa

1 Dwuwymiarowa zmienna losowa 1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla

Bardziej szczegółowo

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

Podstawowe pojęcia. Próba losowa. Badanie próby losowej METODY PROBABILISTYCZNE I STATYSTYKA WYKŁAD 8: STATYSTYKA OPISOWA. ROZKŁADY PRAWDOPODOBIEŃSTWA WYSTĘPUJĄCE W STATYSTYCE. Małgorzata Krętowska Wydział Iforatyki Politechika Białostocka Podstawowe pojęcia

Bardziej 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

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

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

Wybrane litery alfabetu greckiego

Wybrane litery alfabetu greckiego Wybrae litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilo η eta Θ θ theta κ kappa Λ λ lambda µ mi ν i ξ ksi π pi ρ, ϱ ro σ sigma τ tau Φ φ, ϕ fi χ chi Ψ ψ psi Ω ω omega Ozaczeia a i

Bardziej szczegółowo

Porównanie dwu populacji

Porównanie dwu populacji Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :

Bardziej 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

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Wykład 4 Soczewki. Przyrządy optyczne

Wykład 4 Soczewki. Przyrządy optyczne Wykład 4 Soczewki. Przyrządy optycze Soczewka cieka - rówaie zlifierzy oczewek Rozważyy teraz dwie powierzchi ferycze oddzielające ośrodki o wpółczyikach załaaia kolejo i odległych od iebie o d. Niech

Bardziej szczegółowo

W(s)= s 3 +7s 2 +10s+K

W(s)= s 3 +7s 2 +10s+K PRZYKŁAD (LINIE PIERWIASTKOWE) Tramitacja operatorowa otwartego układu regulacji z jedotkowym ujemym przęŝeiem zwrotym daa jet wzorem: G O K ( + )( + 5) a) Podaj obraz liii pierwiatkowych układu zamkiętego.

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak

-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia

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

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

Histogram: Dystrybuanta:

Histogram: Dystrybuanta: Zadaie. Szereg rozdzielczy (przyjmujemy przedziały klasowe o długości 0): x0 xi i środek i*środek i_sk częstości częstości skumulowae 5 5 8 0 60 8 0,6 0,6 5 5 9 0 70 7 0,8 0, 5 5 5 0 600 0, 0,6 5 55 8

Bardziej szczegółowo

Statystyka powtórzenie (I semestr) Rafał M. Frąk

Statystyka powtórzenie (I semestr) Rafał M. Frąk Statystyka powtórzeie (I semestr) Rafał M. Frąk TEORIA Statystyka Statystyka zajmuje się badaiem procesu zbieraia oraz iterpretacji daych liczbowych lub jakościowych. Przedmiotem statystyki są metody badaia

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

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871 COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara

Bardziej szczegółowo

Wykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle.

Wykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. Wykład 3. Opis struktury zbiorowości 1. Parametry opisu rozkładu badanej cechy. 2. Miary połoŝenia rozkładu. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. W praktycznych zastosowaniach bardzo często

Bardziej szczegółowo

Wykład 5. Opis struktury zbiorowości. 1. Miary asymetrii.

Wykład 5. Opis struktury zbiorowości. 1. Miary asymetrii. Wykład 5. Opis struktury zbiorowości 1. Miary asymetrii. 2. Miary koncentracji. Przykład Zbadano stawkę godzinową (w zł) pracowników dwóch branŝ, otrzymując następujące charakterysty ki liczbowe: Stawka

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

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu Wykład r 2 Statystyka opisowa część 2 Pla wykładu 1. Uwagi wstępe 2. Miary tedecji cetralej 2.1. Wartości średie 2.2. Miary pozycyje 2.3. Domiata 3. Miary rozproszeia 4. Miary asymetrii 5. Miary kocetracji

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

Xi B ni B

Xi B ni B Zadania ze statystyki cz.2 I rok Socjologii lic. Zadanie 1 Ustal dla danych zawartych w tabelach poniżej, prezentujących rozkład liczebności (ni) różnej wielkości gospodarstw domowych w dwóch populacjach,

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich

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

Parametryczne Testy Istotności

Parametryczne Testy Istotności Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać

Bardziej szczegółowo

Statystyczna analiza danych

Statystyczna analiza danych Statytyka. v.0.9 egz mgr inf nietacj Statytyczna analiza danych Statytyka opiowa Szereg zczegółowy proty monotoniczny ciąg danych i ) n uzykanych np. w trakcie pomiaru lub za pomocą ankiety. Przykłady

Bardziej szczegółowo

Wykład 25 Soczewki. Przyrządy optyczne

Wykład 25 Soczewki. Przyrządy optyczne Wykład 5 Soczewki. Przyrządy optycze Soczewka cieka - rówaie oczewek Rozważyy teraz dwie powierzchi erycze oddzielające ośrodki o wpółczyikach załaaia kolejo i odległych od iebie o d. Niech proień krzywizy

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby METODY PROBABILISTYCZE I STATYSTYKA WYKŁAD 0: ROZKŁADY STATYSTYK Z PRÓBY. PRZEDZIAŁY UFOŚCI. Rozkłady tatytyk z róby Statytyką azyway zieą loową, będącą fkcją zieych loowych,,..., taowiących róbę. Statytyka

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57),

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Uiv. Techol. Steti. 009, Oecoomica 75 (57), 3 36 Leoid WOROBJOW, Krzyztof WISIŃSKI, Alekadra PANFIORAVA STOSOWANIE METOD ESTYMACJI PRZEDZIAŁOWEJ

Bardziej szczegółowo

Wskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii

Wskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii Miary asymetrii Miary asymetrii (skośności) określają kierunek rozkładu cech zmiennych w zbiorowości (rozkład może być symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopień odchylenia

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Zbiorowość statystyczna zbiór elementów (osób, przedmiotów, itp.) mających jedną lub kilka wspólnych cech.

Zbiorowość statystyczna zbiór elementów (osób, przedmiotów, itp.) mających jedną lub kilka wspólnych cech. Statsta Statsta aua zajująca się wrwaie, badaie i opiswaie zależości wstępującch w zjawisach asowch; zbiór etod służącch groadzeiu, prezetacji, aalizie i iterpretacji dach. Przediote badaia statstczego

Bardziej szczegółowo

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28 Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym

Bardziej szczegółowo

λ = 92 cm 4. C. Z bilansu cieplnego wynika, że ciepło pobrane musi być równe oddanemu

λ = 92 cm 4. C. Z bilansu cieplnego wynika, że ciepło pobrane musi być równe oddanemu Odpowiedzi i rozwiązania:. C. D (po włączeniu baterii w uzwojeniu pierwotny płynie prąd tały, nie zienia ię truień pola agnetycznego, nie płynie prąd indukcyjny) 3. A (w pozotałych przypadkach na trunie

Bardziej szczegółowo

Statystyka. Podstawowe pojęcia: populacja (zbiorowość statystyczna), jednostka statystyczna, próba. Cechy: ilościowe (mierzalne),

Statystyka. Podstawowe pojęcia: populacja (zbiorowość statystyczna), jednostka statystyczna, próba. Cechy: ilościowe (mierzalne), Statystyka zbiór przetworzonych i zsyntetyzowanych danych liczbowych, nauka o ilościowych metodach badania zjawisk masowych, zmienna losowa będąca funkcją próby. Podstawowe pojęcia: populacja (zbiorowość

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki. Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku.

Zakład Ubezpieczeń Społecznych Departament Statystyki. Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku. Zakład Ubezpieczeń Społecznych Departament Statystyki Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2010 roku. Warszawa 2010 I. Badana populacja. W marcu 2010 r. emerytury

Bardziej szczegółowo

Statystyka Wzory I. Analiza struktury

Statystyka Wzory I. Analiza struktury Uiwersytet Ekooiczy w Katowicach Wzory I. Aaliza struktury 1. Miary tedecji cetralej (średie, przecięte Średia arytetycza Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

Próba własności i parametry

Próba własności i parametry Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41 Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna

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

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji

Bardziej szczegółowo

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które

Bardziej szczegółowo

Statystyka. Opisowa analiza zjawisk masowych

Statystyka. Opisowa analiza zjawisk masowych Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im

Bardziej szczegółowo

Miary koncentracji STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018

Miary koncentracji STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018 STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie koncentracji może być stosowane w dwóch różnych znaczeniach: 1) koncentracja jako skupienie poszczególnych wartości

Bardziej szczegółowo

STATYSTYKA. Seminarium Chemia Analityczna. Dr hab. inż. Piotr Konieczka.

STATYSTYKA. Seminarium Chemia Analityczna. Dr hab. inż. Piotr Konieczka. 00--5 STATYSTYKA Semiarium Chemia Aalitycza Dr hab. iż. Piotr Koieczka e-mail: piotr.koieczka@pg.gda.pl Dokładość (accuracy) topień zgodości uzykaego wyiku pojedyczego pomiaru z wartością oczekiwaą (rzeczywitą).

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów: Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.20 2011 Zawartość Zawartość 1. Tworzenie szeregu rozdzielczego przedziałowego (klasowego)... 3 2. Podstawowy opis struktury... 3 3. Opis rozkładu jednej cechy szereg

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

Rynek funduszu inwestycyjnych RYNEK. Liczba FI działających w Polsce. Lokaty funduszy inwestycyjnych 2015-05-17. Liczba TFI i FI działających w Polsce

Rynek funduszu inwestycyjnych RYNEK. Liczba FI działających w Polsce. Lokaty funduszy inwestycyjnych 2015-05-17. Liczba TFI i FI działających w Polsce 199 1993 1994 1995 1996 1997 1998 1999 1 3 4 5 6 7 8 9 1 15-5-17 11 1 13 Liczba TFI i FI działających w Polce yek uduzu iwetycyjych YNEK 7 6 5 4 3 1 416 364 71 79 313 194 81 94 11 11 144 6 1 1 1 3 7 1

Bardziej szczegółowo

χ 2 = + 2π 2 Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: σ

χ 2 = + 2π 2 Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: σ χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep d π Rozważy

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

Statystyka Opisowa. w2: podstawowe miary. Jerzy Stefanowski Instytut Informatyki Politechnika Poznańska. Poznań, 2015/16 aktualizacja 2017

Statystyka Opisowa. w2: podstawowe miary. Jerzy Stefanowski Instytut Informatyki Politechnika Poznańska. Poznań, 2015/16 aktualizacja 2017 Statystyka Opisowa w2: podstawowe miary Jerzy Stefaowski Istytut Iformatyki Politechika Pozańska Pozań, 205/6 aktualizacja 207 STATYSTYKA OPISOWA Techiki wstępej aalizy daych i ich prezetacji: gromadzeie,

Bardziej szczegółowo

Statystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt

Statystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Statystyka matematyczna dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Zasady zaliczenia przedmiotu: część wykładowa Maksymalna liczba punktów do zdobycia 40. Egzamin będzie

Bardziej szczegółowo

Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34

Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33 Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,

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

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Zagadieia. Idea opisu parametryczego. Parametry a. położeia b. rozrzutu c. asymetrii Statystyczy

Bardziej szczegółowo

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy

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

Projekt ze statystyki

Projekt ze statystyki Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości

Bardziej szczegółowo

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci Rozkłady tatytyk z próby Metody probabilitycze i tatytyka Wykład : Rozkłady tatytyk z próby. rzedziały ufoci Małgorzata Krtowka Wydział Iformatyki olitechika Białotocka e-mail: mmac@ii.pb.bialytok.pl troa

Bardziej szczegółowo

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej:

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: Rozkład χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep

Bardziej szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. Wprowadzenie. Statystyka opisowa W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład

Bardziej szczegółowo

Statystyki opisowe i szeregi rozdzielcze

Statystyki opisowe i szeregi rozdzielcze Statystyki opisowe i szeregi rozdzielcze - ćwiczenia ĆWICZENIA Piotr Ciskowski ramka-wąsy przykład 1. krwinki czerwone Stanisz W eksperymencie farmakologicznym analizowano oddziaływanie pewnego preparatu

Bardziej szczegółowo

Miary w szeregach. 1 Miary klasyczne. 1.1 Średnia Średnia arytmetyczna

Miary w szeregach. 1 Miary klasyczne. 1.1 Średnia Średnia arytmetyczna Miary w szeregach 1 Miary klasyczne 1.1 Średnia 1.1.1 Średnia arytmetyczna Zad. 1 średnia dla szeregu rozdzielczego punktowego W tabeli zestawiono wyniki badań czasu wykonania 15 detali. Jest to szereg

Bardziej szczegółowo

Statystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26

Statystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26 Statystyka Wykład 5 Magdalena Alama-Bućko 20 marca 2017 Magdalena Alama-Bućko Statystyka 20 marca 2017 1 / 26 Koncentracja Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności

Bardziej szczegółowo

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,

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

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY Liczebności i częstości Liczebność liczba osób/respondentów/badanych, którzy udzielili tej konkretnej odpowiedzi. Podawana w osobach. Częstość odsetek,

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów

OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów Tomasz Gruszczyk Informatyka i Ekonometria I rok, nr indeksu: 156012 Sopot, styczeń

Bardziej szczegółowo

Statystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40

Statystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40 Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy

Bardziej szczegółowo

Parametry statystyczne

Parametry statystyczne I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n

Bardziej szczegółowo

Pozyskiwanie wiedzy z danych

Pozyskiwanie wiedzy z danych Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2012 roku. Warszawa 2012 I. Badana populacja

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy)

Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy) Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy) Co na dzisiejszym wykładzie: definicje, sposoby wyznaczania i interpretacja STATYSTYK OPISOWYCH prezentacja

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś 1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.

Bardziej 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

SPRĘŻYNA DO RUCHU HARMONICZNEGO V 6 74

SPRĘŻYNA DO RUCHU HARMONICZNEGO V 6 74 Pracownia Dydaktyki Fizyki i Atronoii, Uniwerytet Szczecińki SPRĘŻYNA DO RUCHU HARMONICZNEGO V 6 74 Sprężyna jet przeznaczona do badania ruchu drgającego protego (haronicznego) na lekcji fizyki w liceu

Bardziej szczegółowo

Analiza zróżnicowania, asymetrii i koncentracji

Analiza zróżnicowania, asymetrii i koncentracji Analiza zróżnicowania, asymetrii i koncentracji Miary zróżnicowania Miary średnie, chociaż reprezentują wszystkie jednostki badanej zbiorowości, nie dają wyczerpującej charakterystyki szeregu statystycznego,

Bardziej szczegółowo

!!" % & $ ( # # ( ( # ( ( TalentowiSKO talenty dodajemy, mnoīymy, potċgujemy. e-mail: TalentowiSKO@bankbps.pl tel. +48 22 53 95 231 TalentowiSKO.

!! % & $ ( # # ( ( # ( ( TalentowiSKO talenty dodajemy, mnoīymy, potċgujemy. e-mail: TalentowiSKO@bankbps.pl tel. +48 22 53 95 231 TalentowiSKO. !!" #$ % &!! "! # $ %! "! # # # % & '( ( '( ) $ "! $ $ "! #'$ ( * ( $ # +, - ( ( ( (( (# $ (#. (. $ ( ' ( $ ( '. ' ( / ( # ( ( ( $(## ( 0 $ '( $ $ $ $ (# ( ( (# * ' / ( $ #)$ & " 0 ) ( (... (. % *. / (.()

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna

Bardziej szczegółowo

Badania, pomiary, diagnostyka monitoring maszyn

Badania, pomiary, diagnostyka monitoring maszyn Badaia, pomiary, diagotyka moitorig mazy STATYSTYCZNE OPRACOWANIE WYNIKÓW EKSPERYMENTU ZASADY ANALIZY ORAZ ZALECENIA PROCEDURALNE ODNIESIONE DO NIEWIELKIEJ SERII POMIARÓW WYKONYWANYCH W LABORATORIACH STUDENCKICH

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

Podstawowe funkcje statystyki: informacyjna, analityczna, prognostyczna.

Podstawowe funkcje statystyki: informacyjna, analityczna, prognostyczna. Podstawy Podstawowe funkcje statystyki: informacyjna, analityczna, prognostyczna. Funkcja informacyjna umożliwia pełny i obiektywny obraz badanych zjawisk Funkcja analityczna umożliwia określenie czynników

Bardziej szczegółowo