PROBLEMATYKA OCENY MIARODAJNOŚCI WYNIKÓW W ANALIZIE ŚLADOWEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "PROBLEMATYKA OCENY MIARODAJNOŚCI WYNIKÓW W ANALIZIE ŚLADOWEJ"

Transkrypt

1 PROBLEMATYKA OCENY MIARODAJNOŚCI WYNIKÓW W ANALIZIE ŚLADOWEJ Edmud Kozłowski, Katedra Chemii Aalityczej, Wydział Chemiczy Politechiki Gdańskiej. Wstęp Chemia aalitycza jest dziedzią auk chemiczych zajmującą się optymalymi strategiami uzyskiwaia iformacji chemiczych o badaych obiektach materialych i przebiegających w ich procesach. W świetle tej defiicji wyik aalizy ilościowej jest liczbowo wyrażoą iformacją o poziomie zawartości aalitu w badaym obiekcie. Iformacja taka jest towarem, którego wartość zależy od jej miarodajości. Wyik aalizy jest bowiem miarą służącą do poprawej ocey badaych obiektów - p. surowców, półproduktów, produktów czy stopia skażeia środowiska. Stad też do podstawowych zadań chemika aalityka ależy rówież poprawa ocea miarodajości otrzymaych wyików. Celem referatu jest wskazaie podstawowych wymogów oraz podaie miar i wybraych metod, służących do obiektywej ocey miarodajości wyików aaliz, z podkreśleiem specyficzych problemów aalizy śladowej.. Podstawowe wymogi warukujące miarodajość wyików Wyik aalizy ilościowej jest z reguły odpowiedią reprezetacją miej lub bardziej liczej serii,,..., wyików pojedyczych ozaczeń, zwaych wyikami pierwotymi lub surowymi. Zastosowaie odpowiedich metod matematyczych do ich ocey ma jedyie ses w przypadku, gdy spełioe zostały podstawowe wymogi warukujące miarodajość wyików pierwotych [0]... Reprezetatywość próbki Warukiem koieczym praktyczej użyteczości wyiku jest pobraie do aalizy próbki, reprezetującej możliwie ajwieriej przecięty skład chemiczy całego badaego obiektu. Prawidłowo pobraa próbka może jedak przed aalizą zmieić swój skład chemiczy podczas trasportu, przechowywaia czy tez wstępej obróbki a awet a etapie dozowaia. Możliwe są straty aalitu p. a skutek jego ulatiaia, wykraplaia, absorpcji bądź adsorpcji a ściakach aczyia. Z drugiej stroy istieje możliwość wtórego zaieczyszczeia próbki aalitem (kotamiacja), pochodzącym p. ze ścia aczyia czy też z odczyików chemiczych ieodpowiediej czystości. Na zjawiska te ależy zwracać szczególą uwagę w aalizie śladowej, tym bardziej im iższy jest poziom zawartości aalitu. Jedym z ajpewiejszych sposobów zachowaia reprezetatywości prawidłowo pobraej próbki jest jej możliwie ajszybsza aaliza, co zapewiają metody ciągłej aalizy przepływowej (cotiuous flow aalysis) [7] - p. ciągłe metody śladowej aalizy skażeia wód lotymi związkami chlowcoorgaiczymi []... Jedorodość próbki Przed aalizą próbka wia być doprowadzoa do stau możliwie doskoałej jedorodości. Tylko próbki w postaci roztworów ieasycoych lub gazów, powyżej ich temperatury krytyczej, spełiają z atury wymóg jedorodości. Próbki materiałów stałych muszą być staraie rozdrobioe, tym

2 bardziej im iższy jest poziom zawartości aalitu oraz im miejsza skala ozaczeń (masa próbki pobieraej do aalizy). Podczas rozdrabiaia ależy uikać możliwości rozfrakcjoowaia próbki. Próbki ciekłe zawierające zawiesiy lub wykazujące tedecję do rozwarstwiaia ależy przed aalizą staraie wymieszać. Podczas aalizy próbek gazowych ależy zwracać uwagę a możliwość wykraplaia się składików zawartych w postaci pary. Staraego roztarcia i wymieszaia wymagają próbki w postaci materiałów mazistych..3. Selektywość metody aalityczej Stosowaa metoda aalitycza musi zapewiać iezależość wyiku od wpływów składików matrycy. Jest to szczególie istoty wymóg w aalizie śladowej, kiedy poziom zawartości składików przeszkadzających (iterferetów) może o wiele rzędów wielkości przekraczać poziom zawartości aalitu. Wyika stąd istote zaczeie metod wzbogacaia w aalizie śladowej, których celem jest ie tylko zwiększeie stężeia aalitu do poziom przekraczającego graicę ozaczalości metody aalityczej ale rówież zmiejszeie poziomu zawartości iterferetów a awet wymiaa matrycy..4. Losowość wyików Losowość wyików jest koieczym warukiem wykorzystaia metod statystyki matematyczej do ocey ich miarodajości. Błędy wyików ozaczeń aalitu w tej samej doskoale jedorodej próbce muszą być iezależe od kolejości ich otrzymaia jak rówież od wpływu poprzedzających ozaczeń aalitu a wyższym czy iższym poziomie zawartości. Przyczyą zakłóceia losowości jest często tzw. efekt pamięci (memory effect) bądź też dryf wyików, przejawiający się jako określoa tedecja (tred) wzrostu bądź zmiejszaia się wartości kolejo otrzymaych wyików ozaczeń aalitu w tej samej doskoale jedorodej próbce. Błędy przypadkowe wyiku wyików aaliz chemiczych mają zazwyczaj rozkład zbliżoy do rozkładu ormalego (Gaussa), z wyjątkiem metod opartych a zliczaiu sygałów (p. metody radiometrycze), błędy wyików których lepiej opisuje rozkład Poissoa. W przypadkach wątpliwych ależy sprawdzić ormalość rozkładu błędów wyików za pomocą odpowiediego testu statystyczego [-3]. Praktyczie dogode są: test zaków różic [3, 7] do wykrywaia efektów pamięci oraz test tredu wg Neumaa [7]. Testy te moża stosować już dla ieliczego ( 0) zbioru wyików. 3. Rodzaje błędów wyików aalizy Źródła błędów wyików aalizy występują a wszystkich etapach procedury aalityczej, od pobieraia próbki, poprzez jej przygotowaie, ewetuale wzbogacaie aalitu, dozowaie próbki, przeprowadzeie ozaczeia, zapis odczytu a awet w trakcie obliczaia wyików. W aszych rozważaiach przyjmiemy upraszczające założeia, iż dyspoujemy prawidłowo pobraą i doskoale jedorodą próbką oraz odpowiedimi wzorcami aalityczymi lub metodami wzorcowymi (substacje lub metody odiesieia), zaś wyiki ozaczeń spełiają wymóg losowości. Zbiór wyików pojedyczych ozaczeń,,... i,... j,..., rozpatrywaych jako zdarzeia obarczoe błędami o charakterze losowym i systematyczym moża zilustrować jako efekt "strzelaia do tarczy", a której "0" jest hipotetyczą zawartością prawdziwą µ aalitu w próbce (rys. ).

3 Rys.. Ilustracja rodzajów błędów wyików aalizy syst δ -błąd systematyczy metody aalityczej -błąd przypadkowy (średiej arytmetyczej wyików) - błąd gruby wyiku - (j-tego ozaczeia) Większość wyików, od i = do i =, z wyjątkiem i = j, rozkłada się losowo w postaci rozrzedzającej się a zewątrz chmury, której "środek ciężkości" ajlepiej opisuje ich średia arytmetycza : i + = i= = Promień tej chmury, uwarukoway przypadkowym rozrzutem wyików, charakteryzuje precyzję metody aalityczej. Wątpliwy wyik j podejrzaie odbiega od zbioru wyików. Uwzględieie tego wyiku do obliczeia średiej arytmetyczej oraz do oszacowaia wielkości promieia chmury mogłoby zacząco ziekształcić wyiki obliczeń. Dlatego tez pierwszym zadaiem przy opracowywaiu wyików jest weryfikacja wyików odbiegających z wykorzystaiem odpowiedich testów statystyczych p. prostego testu Q - Dioa [, 8-0] (dla 3) czy testu krytyczego rozstępu [, 3] (dla ). W oparciu o te testy moża a podstawie obiektywych kryteriów, a wybraym poziomie prawdopodobieństwa - zazwyczaj P = 95% lub P = 99%, wykryć wyiki odbiegające i odrzucić je ze zbioru jako wyiki obarczoe błędem grubym. Błędy grube typu pomyłek spowodowae są też losowym, ale zdarzającym się sporadyczie, zadziałaiem czyików iereprezetatywych dla przeciętych wymogów realizacji przepisu aalityczego - w tym rówież omyłkowe zapisy oraz błędy w obliczeiach. () 4. Dokładość i miary iedokładości Pod termiem dokładość rozróżiamy w chemii aalityczej trzy zakresy pojęć: dokładość wyiku pojedyczego ozaczeia; dokładość wyiku aalizy (wyrażoego zazwyczaj w postaci średiej () z lub 3 (patrz p-kt 3) iezależych wyików rówoległych ozaczeń aalitu w doskoale jedorodej próbce) oraz dokładość metody aalityczej. Dokładość charakteryzuje stopień zgodości wyiku (metody) z hipotetycza zawartością prawdziwą µ aalitu.

4 4.. Dokładość wyiku pojedyczego ozaczeia Określa całkowity błąd bezwzględy tego wyiku, staowiący różicę pomiędzy otrzymaą wartością j a prawdziwą zawartością µ aalitu: = j µ = syst + j + δ j () Na wielkość tej różicy składać się może cały zespół błędów (por. z rys. ): błąd systematyczy metody syst, błąd przypadkowy j oraz błąd gruby δ tego wyiku. Wartość błędu jest liczbą miaowaą, wyrażoą w tych samych jedostkach co wyik ozaczeia. Błąd te może być oczywiście dodati lub ujemy a w szczególym przypadku rówy zero. Wartość tego błędu jest bezwzględą miarą iedokładości wyiku pojedyczego ozaczeia. Logiczie spóje jest używaie określeia miara iedokładości a ie miara dokładości, gdyż dla = 0 wyik jest dokłady, zaś w miarę wzrostu rośie rówież iedokładość wyiku. 4.. Dokładość wyiku aalizy Określa całkowity średi błąd bezwzględy wyiku aalizy, staowiący różicę pomiędzy wartością średią () wyików a prawdziwą zawartością µ aalitu: = µ = syst + (3) Na wartość tej różicy składa się już tylko błąd systematyczy metody syst, oraz błąd przypadkowy średiej arytmetyczej, gdyż ewetualy wyik ozaczeia obarczoy błędem grubym, moża w oparciu o podae w pukcie 3 testy statystycze wykryć i wyelimiować. Wartość tego błędu jest bezwzględą miarą iedokładości wyiku aalizy. Przy porówywaiu dokładości wyików, dla różych poziomów zawartości aalitu, ależy się oczywiście posługiwać miarami względymi, wyrażoymi za pomocą odpowiedich błędów względych: wzgl = µ wzgl = µ Błędy względe, zazwyczaj wyrażae w procetach, są z defiicji liczbami iemiaowaymi. Należy mieć a uwadze, iż w aalizach śladowych (małe µ) względe błędy wyików są z reguły zaczie większe iż przy ozaczaiu składików główych. Przybliżoa rówość (4b) zachodzi tylko w przypadku, gdy w rówaiu (3) syst << pomijalie mały w porówaiu z błędem przypadkowym średiej (4a) (4b), a wiec błąd systematyczy metody syst jest.

5 4.3. Dokładość metody aalityczej Defiiuje się jako różicę met pomiędzy wartością oczekiwaą E() zbiorowości geeralej wyików uzyskaych daą metodą a prawdziwą zawartością µ daego aalitu: met def = E ) µ = ( (5) Wartość tej różicy rówa jest wartości błędu systematyczego metody aalityczej, gdyż wartość oczekiwaa ieskorygowaych o syst wyików: E() = µ + syst (por. rys. ). Wartość syst tego błędu jest bezwzględą miarą iedokładości daej metody aalityczej. Metoda dokłada ie jest zatem obarczoa błędem systematyczym ( syst = 0), zaś metoda iedokłada jest obarczoa dodatim lub ujemym błędem systematyczym ( syst 0). syst 5. Rodzaje błędów systematyczych Zależość błędu systematyczego syst od poziomu zawartości µ aalitu wyraża się zazwyczaj za pomocą wielomiau określoego stopia: 3 syst = a + bµ + cµ + dµ (6) W praktyce aalityczej uwzględia się ajczęściej tylko pierwszy i drugi wyraz tego wielomiau, czyli liiową zależość syst od µ. Błędem systematyczym stałym "a" azywa się błąd, którego wartość jest iezależa od poziomu zawartości µ aalitu. Błędem systematyczym zmieym "b" azywa się błąd zależy (liiowo) od µ. Oba rodzaje błędów systematyczych są oczywiście liczbami miaowaymi, wyrażoymi w tych samych jedostkach co wyik aalizy. Metoda aalitycza może być obarczoa wyżej wymieioymi rodzajami błędów systematyczych w różych ich kombiacjach. Na rys. podao iektóre przypadki tych kombiacji. Rys.. Ilustracja wybraych przypadków obarczeia metody aalityczej różymi kombiacjami rodzajów błędów systematyczych. - metoda dokłada (a = 0; bµ = 0; czyli syst = 0); - metoda iedokłada, obarczoa tylko błędem systematyczym stałym, ujemym (-a): 3 - metoda iedokłada, obarczoa tylko błędem systematyczym stałym, dodatim (a): 4 - metoda iedokłada, obarczoa tylko błędem systematyczym zmieym (bµ; czyli b 0); 5 - metoda iedokłada, obarczoa obydwoma rodzajami błędów systematyczych (a oraz bµ)

6 6. Metody wyzaczaia błędów systematyczych 6.. Wyzaczaie błędu systematyczego stałego Badaą metodą wykouje się dwie rówolicze ( > 0) serie ozaczeń aalitu w dwóch wzorcach i, o zróżicowaych poziomach zawartości aalitu: µ / µ, i oblicza odpowiedio średie i wyików. Błąd systematyczy stały "a" oblicza się ze wzoru [, 8]: a µ µ = (7) µ µ W przypadku braku odpowiedich wzorców o zaych poziomach zawartości aalitu µ i µ, wystarczy zajomość stosuku zawartości aalitu w dwóch aalizowaych próbkach: µ /µ = k. Podstawiając do wzoru 7 µ = kµ oraz upraszczając przez µ 0 otrzymamy: k = k a w szczególym przypadku, dla k = (dokładie): a (8) a = (9) W praktyce dogode jest wykoaie serii dwóch ozaczeń w aalizowaej próbce oraz w tej samej próbce rozcieńczoej dokładie w stosuku :; względie też sporządzeie z doskoale jedorodej próbki dwóch serii odważek, dla których stosuek mas wyosi dokładie. Liczba wyików w dwóch rówoliczych ( > 0) seriach ozaczeń wia być tym większa, im gorsza jest precyzja badaej metody aalityczej. 6.. Wyzaczaie błędu systematyczego zmieego W przypadku wyzaczaia błędu systematyczego zmieego z wyików oddzielego eksperymetu (w stosuku do puktu 6..) zagadieie sprowadza się do wyzaczeia możika poprawkowego B metody aalityczej. Możik poprawkowy B = + b metody jest liczbą iemiaowaą, przez którą ależy pomożyć wartość średią wyików ozaczeń metodą iedokładą (bµ 0), aby wyelimiować z wyiku aalizy błąd systematyczy zmiey. Badaą metodą wykouje się dwie rówolicze ( > 0) serie wyików ozaczeń zawartości aalitu µ w dwóch doskoale jedorodych próbkach: w próbce aalizowaej oraz w tej samej próbce, do której dodao ściśle zaą ilość aalitu c i astępie oblicza odpowiedie średie wyików ozaczeń w tych dwóch próbkach oraz c. Możik poprawkowy oblicza się ze wzoru [, 8]: B c c = c z = (0) gdzie: z = c - odzysk dodatku aalitu; stąd azwa: metoda odzysku lub metoda dodatku.

7 W przypadku, gdy trude jest dodaie aalitu do aalizowaej próbki lub ie dyspouje się wzorcem o ściśle zaej zawartości aalitu, moża korzystać z metody wzorcowej (ie obarczoej w tym przypadku tylko błędem systematyczym zmieym - bµ = 0) lub metody uzaej za wzorcową. Metodą badaą i metodą wzorcową wykouje się po dwie serie ( > 0) wyików ozaczeń aalitu w dwóch doskoale jedorodych próbkach i, różiących się co ajmiej dwukrotie pod względem zawartości aalitu (µ >µ ) Możik poprawkowy B oblicza się ze wzoru: B X = () X gdzie: X > X - wartości średie wyików ozaczeń odpowiedio w pierwszej i w drugiej próbce, uzyskae metodą wzorcowa; - wartości średie wyików (jak wyżej), uzyskae metoda badaą. Dla wyelimiowaia błędów systematyczych z wyiku aalizy ależy: od wartości średiej odjąć ajpierw wartość błędu systematyczego stałego "a" (z uwzględieiem zaku algebraiczego "a") a astępie otrzymaą różicę pomożyć przez wartość możika poprawkowego B metody. Skorygoway wyik kor uzyskuje się wiec astępująco: kor = ( a) B () Dla metody ie obarczoej błędem systematyczym zmieym (bµ = 0) a wiec b = 0 czyli = + b możik poprawkowy B = - w graicach błędu jego wyzaczeia Jedoczese wyzaczaie błędów systematyczych Zakładając liiowa zależość między wyikami ozaczeń X aalitu metodą wzorcową (lub zawartościami µ aalitu we wzorcach) a wyikami ozaczeń aalitu metodą badaą, moża do jedoczesego wyzaczeia obu rodzajów błędów systematyczych wykorzystać metodę regresji liiowej. Zgodie z powyższym założeiem zachodzi zależość [, 8] (rys. 3): ) ) X = a + b W badaym zakresie poziomu zawartości do aalitu liczba par wyików ozaczeń (, X ) wia być > 0. Każdy z pary wyików i X wiie być średią z k 3 wyików ozaczeń aalitu w doskoale jedorodej próbce. Wyzaczoa dla zależości 3 wartość a ) jest oszacowaą wartością błędu systematyczego stałego, zaś wartość b ) - oszacowaą wartością możika poprawkowego badaej metody. (3) W celu uzyskaia skorygowaej wartości kor wyiku aalizy ależy w tym przypadku ajpierw pomożyć otrzymaą średią przez możik poprawkowy b ) a astępie do otrzymaego iloczyu dodać wartość a ) : ) ) = b + a kor (4)

8 Rys. 3. Jedoczese wyzaczaie błędów systematyczych Należy mieć a uwadze odmieość sposobów korekty wyików (wzory i 4) w zależości od metody wyzaczeia błędów systematyczych. Z porówaia wzorów i 4 wyikają astępujące ) ) zależości: a = a B oraz b = B. Zgodość tych zależości w graicach błędów wyzaczeia poszczególych wartości moża wykorzystać do sprawdzeia poprawości wyzaczeia błędów systematyczych badaej metody aalityczej. Do wyzaczeia dla zależości 3 wartości współczyików: przesuięcia a ), kierukowego b ), korelacji liiowej r oraz do oszacowaia wartości odchyleń stadardowych s ) i s ) b a moża korzystać z odpowiedio zaprogramowaych kalkulatorów lub opracowaych programów komputerowych [3, 8]. Odpowiedie wzory do (żmudych i łatwych do pomyłek) obliczeń wyżej wymieioych wartości moża zaleźć w odpowiedich podręczikach i poradikach matematyczych oraz w cytowaej literaturze [- 3, 6, 8, 9]. Statystyczie istotą liiowość zależości 3 dla badaych par wyików, a wybraym poziomie prawdopodobieństwa P%, potwierdza ierówość r > r(p, ). Wartości krytycze r(p, ) moża zaleźć w cytowaej literaturze [-3, 6, 8, 9]. 7. Precyzja i miary precyzji Po uwzględieiu korekty a błąd systematyczy wyik pojedyczego ozaczeia i kor jak i wyik aalizy kor (po wyelimiowaiu wyików obarczoych błędem grubym) pozostaje adal obciążoy pewą ie do usuięcia ieozaczoością, spowodowaą błędami przypadkowymi. Precyzja charakteryzuje losowy rozrzut wartości wyików pojedyczego ozaczeia daego aalitu badaą metodą. Istote zaczeie metod statystyki matematyczej polega a zdefiiowaiu miar precyzji, które umożliwiają oszacowaie wartości błędów przypadkowych a przyjętym poziomie prawdopodobieństwa.

9 Bezwzględą miarą precyzji metody aalityczej jest dodati pierwiastek kwadratowy wartości oczekiwaej wariacji D () = σ zbiorowości geeralej wyików ozaczeia aalitu a daym poziomie zawartości w doskoale jedorodej próbce. W praktyce moża tylko oszacować przybliżoą wartość s σ odchyleia stadardowego s a podstawie skończoej liczby iezależych wyików: s = i= ( i ) (5) Oszacowaa wartość s tym lepiej przybliża oczekiwaą wartość σ im większe jest. Tak więc w praktyce bezwzględą miarą precyzji metody aalityczej jest wartość odchyleia stadardowego s σ. oszacowaa a podstawie dostateczie liczego zbioru wyików. Wartość s jest liczbą miaowaą, wyrażoą w tych samych jedostkach co wyik ozaczeia. Względą miarą precyzji jest wartość względego odchyleia stadardowego s r (relative): s s r = (6) Wartość s r jest oczywiście liczbą iemiaowaą i służy do porówaia precyzji a różych poziomach zawartości aalitu. Bezwzględą miarą precyzji wyiku aalizy, wyrażoego w postaci średiej wyików, jest wartość odchyleia stadardowego średiej arytmetyczej s : s s = (7) Wartość s jest liczbą miaowaą, wyrażoą w tych samych jedostkach co wyik aalizy. 7.. Błąd przypadkowy wyiku pojedyczego ozaczeia Zgodie z rozkładem ormalym (Gaussa) bezwzględy błąd przypadkowy i wyiku pojedyczego ozaczeia wyosi: i = ±u(p) σ (8) Wartość σ s ależy oszacować z liczby > 30 wyików. Wartości u(p) zależe od przyjętego poziomu prawdopodobieństwa P% moża zaleźć w cytowaej literaturze [-3, 6, 8, 9]. Przykładowe wartości u(p) podao w tablicy. Tablica. Wartości u(p) rozkładu ormalego (Gaussa) P% u Zgodie ze wzorem 8 bezwzględy błąd przypadkowy wyiku pojedyczego ozaczeia określają jedozaczie dwie liczby: wartość modułu tego błędu i oraz przyjęty poziom prawdopodobieństwa P%.

10 7.. Błąd przypadkowy wyiku aalizy Zgodie z rozkładem t-studeta (Gosseta) bezwzględy błąd przypadkowy średiej arytmetyczej wyików określa wzór: = ± t( P, f ) gdzie: f = - - liczba stopi swobody; t(p,f) - wartości t rozkładu Studeta (tablica ). s (9) Zgodie ze wzorem 9 bezwzględy błąd przypadkowy wyiku aalizy określają jedozaczie aż trzy liczby: wartość modułu tego błędu przyjęty poziom prawdopodobieństwa P% oraz liczba wyików, które użyto do obliczeia i oszacowaia s. Tablica. Wartość t(p,f) rozkładu t-studeta f = - P% ,34,706 63, ,6,90 4,303 9,95 3,598 3,353 3,8 5,84,94 4,3,776 4,604 8,60 5,05,57 4,03 6,869 6,943,447 3,707 5,959 7,895,365 3,499 5,408 8,860,306 3,355 5,04 9,833,6 3,50 4,78 0,8,8 3,69 4, Przedziały ufości wyiku aalizy Zależość 8 i 9 moża wykorzystać do wyzaczeia graic przedziałów ufości, odpowiedio wyiku pojedyczego ozaczeia lub wyiku aalizy a wybraym poziomie prawdopodobieństwa P% lub P % stosowie do graic przedziałów (rys.4). Dwustroy przedział ufości (rys. 4a) wykorzystuje się do ocey miarodajości samego wyiku aalizy, ze względu a wielkość błędu przypadkowego średiej. Jedostroe przedziały ufości (rys. 4b i 4c) są podstawą miarodajości wiosków odośie jakości aalizowaych obiektów. Dolą graicę przedziału ufości (rys. 4b) stosuje się przy oceie zawartości ceego aalitu, którego miimala zawartość ie powia przekroczyć wartości. Górą graicę przedziału ufości (rys. 4c) wykorzystuje się, gdy zawartość aalitu ie jest pożądaa - p. w aalizie zaieczyszczeń środowiska, kiedy zawartość aalitu ie powia przekroczyć dopuszczalej górej graicy +.

11 Rys. 4. Graice przedziałów ufości średiej wyików a) przedział ufości dwustroy b i c) przedziały ufości jedostroe: b) ograiczoy od dołu; c) ograiczoy od góry Całkowita powierzchia pod krzywą rozkładu (rys. 4) jest z defiicji rówa (P% = 00%). zaś pod połową krzywej 0,5 (P% = 50%). Stąd pomiędzy wartościami poziomów prawdopodobieństwa dla dwustroego przedziału ufości P%. a przedziałami jedostroymi P % zachodzi zależość (patrz rys. 4): P% P 0,5 + 00% = (0) Zgodie ze wzorami 8 i 9 oraz daymi z tablicy i bezwzględa wartość błędu przypadkowego rośie ze wzrostem P% i odwrotie. Nawiązując do defiicji miar iedokładości moża uogólić charakter wiosków statystyczych: wypowiedzi pewe (duża wartość P%) są iedokłade (duża wartość modułu błędu przypadkowego) zaś wypowiedzi iepewe są dokłade. W chemii aalityczej przyjmuje się zazwyczaj P = 95% a w szczególych przypadkach P = 99%. Jak widać z tablicy rozkład t-studeta moża wprawdzie wykorzystać już dla = (f = - = ), ale wówczas (wzór 9) bezwzględa wartość błędu przypadkowego jest bardzo duża. Zgodie ze wzorem 9 moża zmiejszyć tę wartość zwiększając liczbę wyików do obliczeia oraz oszacowaia s. Opłacalość i efektywość zwiększaia ( s - maleje wolo dla dużych ) jest jedak ograiczoa, wówczas dla zmiejszeia szerokości przedziału ufości średiej (rys. 4) ależy zgodie z wzorem 9 zmiejszyć s, czyli poprawić precyzję metody lub wybrać bardziej precyzyją metodę aalityczą. Sposób obliczaia opt omówioo bliżej w cytowaej pracy autora [0].

12 8. Zawartość iformacji wyiku aalizy 0]: Zawartość iformacji I [bity] wyiku aalizy uzyskaego metodą iedokładą określa wzór [4, 5, 9, I = log ( ma mi ) σ π e ( log e) gdzie: log - logarytm przy podstawie ; mi, ma - spodziewae możliwe graicze zawartości aalitu; e podstawa logarytmów aturalych σ syst () Wzór uaoczia zaczeie omawiaych w referacie podstawowych miar ( syst i σ) charakterystyki aalityczej metody dla ocey miarodajości wyiku aalizy. Wyik aalizy jest źródłem iformacji tylko w przypadku, gdy pierwszy czło prawej stroy rówaia jest większy od drugiego, który powoduje zmiejszeie I proporcjoalie do kwadratu ilorazu: ( syst / σ). W przypadku, gdy drugi czło tego rówaia jest większy od pierwszego, zawartość iformacji jest ujema. Wówczas miarodajość wyiku aalizy traci ses, zaś pozora iformacja jaką staowi taki wyik jest w istocie deziformacją. W aalizie śladowej często zachodzi przypadek syst >> σ. Wyika stąd koieczość wyzaczaia błędów systematyczych. Po korekcie wyiku zaika drugi czło w rówaiu, jedakże maleje rówież wartość pierwszego człou, gdyż zgodie z zasadą propagacji wariacji zwiększa się błąd przypadkowy kor czyli rośie wartość σ w miaowiku pierwszego człou. Błędy systematycze metody aalityczej ależy zatem wyzaczyć z możliwie dobrą precyzją (małe wartości s). Literatura. Bożyk Z., Rudzki W., Metody statystycze w badaiu jakości produktów żywościowych i chemiczych, WNT, Warszawa Czermiński J., Iwasiewlcz A., Paszek Z., Sikorski A., Metody statystycze w doświadczalictwie chemiczym, wyd. I, PWN, Warszawa 970; wyd. II, PWN, Warszawa Czermiński J.B., Iwasiewicz A., Paszek Z., Sikorski A., Metody statystycze dla chemików, PWN, Warszawa Dazer K., Tha E., Molch D., Aalityka (tłum. z jęz. iemieckiego), WNT Warszawa Doerffel K., Eckschlager K., Optimale Strategie i der Aalytik, VEB Deutscher Verlag fur Grudstoffidustrie, Leipzlg Doerffel K., Statistik i der aalytische Chemie, Auflage, VEB Deutscher Verlag fur Grudstoffidustrie, Leipzig Doerffel K., Muller H., Uhlma M., Prozessaalytik, VEB Deutscher Verlag fur Grudstoffidustrie, Leipzig 986.

13 8. Doerffel K., Statystyka dla chemików aalityków (tłum. z jęz. iemieckiego), WNT, Warszawa Eckschlager K., Błędy w aalizie chemiczej (tłum. z jęz. czeskiego), PWN, Warszawa Kozłowski E., Statystycze kryteria ocey wyików i metod aalityczych, rozdz. 4 w książce: Bobrański B., Aaliza ilościowa związków orgaiczych, PWN, Warszawa Kozłowski E., Górecki T., Sieńkowska-Zyskowska E., Cotiuous flow Thi-Layer Headspace (TLHS) aalysis. Part VI. Freseius J. Aal. Chem (99) oraz tamże cyt. Part I do V. Opracował: mgr iż. Adrzej Wasik Kometarze, uwagi i zauważoe błędy proszę przesyłać pod adres: wasia@chem.pg.gda.pl

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

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

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

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

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

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

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

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

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

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

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

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

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

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej 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

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej 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

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy 12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!

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

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

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej 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

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

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

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

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

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

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

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

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

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

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

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

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

Podstawy chemii. Natura pomiaru. masa 20 ± 1 g

Podstawy chemii. Natura pomiaru. masa 20 ± 1 g Podstawy chemii ) Sposoby badań obiektów (6 h) pomiar i jego atura klasycza aaliza jakościowa i ilościowa obliczeia rówowagi i ph metody aalizy promieiowaie elektromagetycze kwatowa atura atomu oddziaływaie

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

INFORMATYKA W CHEMII Dr Piotr Szczepański

INFORMATYKA W CHEMII Dr Piotr Szczepański INFORMATYKA W CHEMII Dr Piotr Szczepański Katedra Chemii Fizyczej i Fizykochemii Polimerów WPROWADZENIE DO STATYSTYCZNEJ OCENY WYNIKÓW DOŚWIADCZEŃ 1. BŁĄD I STATYSTYKA błąd systematyczy, błąd przypadkowy,

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

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

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

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

Bardziej 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

Estymacja parametrów populacji

Estymacja parametrów populacji Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje

Bardziej szczegółowo

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

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

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

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej 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

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.

Bardziej szczegółowo

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW . ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW Z powodu iedokładości przyrządów i metod pomiarowych, iedoskoałości zmysłów, iekotrolowaej zmieości waruków otoczeia (wielkości wpływających) i iych przyczy, wyik

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

CIĄGI LICZBOWE. Poziom podstawowy

CIĄGI LICZBOWE. Poziom podstawowy CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy

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

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. Seminarium Chemia Analityczna III rok. Dr inż. Piotr Konieczka

STATYSTYKA. Seminarium Chemia Analityczna III rok. Dr inż. Piotr Konieczka STATYSTYKA Semiarium Chemia Aalitycza III rok Dr iż. Piotr Koieczka Zaczijmy od defiicji Dokladość (accuracy) zgodość pomiędzy uzykaym wyikiem pomiaru z wartością rzeczywitą (oczekiwaą). Prawdziwość (truee)

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 9

Rentgenowska analiza fazowa jakościowa i ilościowa Wykład 9 Retgeowska aaliza fazowa jakościowa i ilościowa Wykład 9 1. Retgeowska aaliza fazowa jakościowa i ilościowa. 2. Metody aalizy fazowej ilościowej. 3. Dobór wzorca w aalizie ilościowej. 4. Przeprowadzeie

Bardziej szczegółowo

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc 5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

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

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

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

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.

Bardziej szczegółowo

Księga Jakości Laboratorium

Księga Jakości Laboratorium 16. Metodyka szacowaia ieewości rozszerzoej Oracował: mgr Jest to szacowaie ieewości o asymetryczych graicach rzedziału ufości względem wartości średiej, co wyika z faktu określaia wartości średiej jako

Bardziej szczegółowo

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

STATYSTYKA. Seminarium Chemia Analityczna. Dr inż. Piotr Konieczka. STATYSTYKA Semiarium Chemia Aalitycza Dr iż. Piotr Koieczka e-mail: kaczor@chem.pg.gda.pl Zaczijmy od defiicji Dokładość (accuracy) topień zgodości uzykaego wyiku pojedyczego pomiaru z wartością oczekiwaą

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333))

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333)) 46. Wskazać liczbę rzeczywistą k, dla której graica k 666 + 333)) istieje i jest liczbą rzeczywistą dodatią. Obliczyć wartość graicy przy tak wybraej liczbie k. Rozwiązaie: Korzystając ze wzoru a różicę

Bardziej szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory

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

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

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

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

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

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje

Bardziej 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

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna.

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna. Wykład 8. Przedziały ufości dla średiej Średia a mediaa Mediaa dzieli powierzchię histogramu a połowy. Jest odpora ie mają a ią wpływu obserwacje odstające. Obserwacje odstające mają duży wpływ a średią

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi

Bardziej szczegółowo

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12 Rozwiazaia zadań z pierwszej klasówki, 0 listopada 06 r zestaw A Ciag a ) jest zaday rekuryjie: a a, a + a a 9, a R, a

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

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE WARTOŚĆ BEZWZGLĘDNA LICZBY Wartość bezwzględą liczby rzeczywistej x defiiujemy wzorem: { x dla x 0 x = x dla x < 0 Liczba x jest to odległość a osi liczbowej

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej 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

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

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

Numeryczny opis zjawiska zaniku

Numeryczny opis zjawiska zaniku FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej

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

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym

Bardziej szczegółowo

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI

Bardziej szczegółowo

1 Testy statystyczne. 2 Rodzaje testów

1 Testy statystyczne. 2 Rodzaje testów 1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli

Bardziej szczegółowo