STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

Wielkość: px
Rozpocząć pokaz od strony:

Download "STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW"

Transkrypt

1 Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) tel fax STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW POZNAŃ 2016

2 I. CEL ĆWICZENIA I ZAKRES ĆWICZENIA Celem ćwiczenia jest wykonanie statystycznej analizy wyników pomiarów oraz zapoznanie studentów z pneumatycznymi narzędziami pomiarowymi. II. PROGRAM ĆWICZENIA W ćwiczeniu zostanie przeprowadzona statystyczna analiza wyników pomiarów partii elementów (próby) pobranych z populacji o nieznanych parametrach statystycznych tj. wartości oczekiwanej i odchyleniu standardowym. Narzędziem pomiarowym zastosowanym w ćwiczeniu jest pneumatyczny przyrząd pomiarowy wyposażony w zależności od rodzaju mierzonego przedmiotu w średnicówkę lub pierścień pomiarowy. Każdy z przedmiotów wchodzących w skład próby zostanie jednokrotnie zmierzony bez zwracania. Opracowanie statystyczne obejmuje zadania opisane szczegółowo w instrukcji wykonane krok po kroku z wykorzystaniem arkusza kalkulacyjnego. III. ZAKRES OBOWIĄZUJĄCEGO MATERIAŁU definicje populacji generalnej i próby (losowej, reprezentacyjnej), sposób konstrukcji histogramu, wieloboku częstości i dystrybuanty empirycznej, definicje podstawowych parametrów statystycznych: wartość oczekiwana, mediana, wariancja, odchylenie standardowe, współczynnik asymetrii, rozkłady statystyczne: normalny, Studenta, (chi-kwadrat), estymatory estymacja punktowa (wartość średnia, odchylenie średnie ) przedział ufności dla pojedynczego wyniku pomiaru, wartości oczekiwanej, test zgodności, umiejętność korzystania z funkcji statystycznych zawartych w arkuszu kalkulacyjnym, definicje błędów, zasady eliminacji błędów nadmiernych, budowa i zasada działania pneumatycznych przyrządów pomiarowych, statyczne właściwości metrologiczne przyrządów pomiarowych: czułość, zakres pomiarowy, podziałka przyrządu pomiarowego, działka elementarna, wartość działki elementarnej, błąd wskazania. IV. LITERATURA 1. Bobrowski D, Maćkowiak-Łybacka K., Wybrane metody wnioskowania statystycznego. Wydawnictwo Politechniki Poznańskiej, Poznań Platt Cz., Problemy rachunku prawdopodobieństwa i statystyki matematycznej. PWN, Warszawa Bourg D. M., Excel w nauce i technice, Wydawnictwo Helion, Gliwice, 2006, str Tomasik J., i inni, Sprawdzanie przyrządów do pomiaru długości i kąta, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009, str Zelczak A., Pneumatyczne pomiary długości, Wydawnictwa Komunikacji i Łączności, Warszawa, 2002, str , V. OPIS STANOWISKA W skład stanowiska pomiarowego (rys 1) wchodzą: 1. Przyrząd pomiarowy AEROPAN C-IV (1) mierzy odchyłki mierzonego wymiaru, wynik w μm, 1

3 2. Głowica pomiarowa do bezstykowego pomiaru wymiarów zewnętrznych (pierścień pomiarowy) (2), 3. Średnicówka pneumatyczna (3), 4. Zestaw wzorców ustawczych walcowych (4) i pierścieniowych (5) do wzorcowania przyrządu pomiarowego Rys.1. Schemat stanowiska do statystycznej analizy wyników pomiarów (opis w tekście) 5.1. Czynności przygotowawcze 1) Zapoznać się z, przeznaczeniem, budową i danymi technicznymi pneumatycznego przyrządu pomiarowego AEROPAN C-IV str. 5 instrukcji. 2) Włączyć zawór zasilania sprężonym powietrzem i sprawdzić czy ciśnienie wynosi 5 0,5 bara. 3) Przeprowadzić wzorcowanie przyrządu AEROPAN C-IV wg następującej procedury: Rys.2. Widok pneumatycznego przyrządu do pomiarów długości AEROPAN C-IV; 1 pokrętło regulacji czułości, 2 pokrętło Re - gulacji 0, 3 pokrętło zaworu pomocniczego H, 4 po krętła przełączników elektrostykowych, 5 wymienna podzielnia 2

4 a) Pomiar części typu wałek założyć podzielnię Dűsenmeßring (5) do pomiarów wymiarów zewnętrznych, sprawdzić czy zawór regulacji 0 jest zamknięty (pokrętło w skrajnym prawym położeniu), wstawić w pierścień pomiarowy wzorzec walcowy o średnicy ø14 0,040 mm, pokrętłem regulacji czułości (zakresu pomiarowego) doprowadzić do położenia wskazówki zgodnego z podaną na wzorcu wartością odchyłki ( 40 μm), wstawić w pierścień pomiarowy wzorzec walcowy o średnicy ø 14 0,028 mm, dokonać odczytu wskazania przyrządu, obliczyć różnicę wskazań Δ p i odnieść ją do różnicy wymiarów wzorców Δ w = 12 μm, jeżeli Δ p > Δ w to należy powtórnie wstawić w pierścień pomiarowy wzorzec walcowy o średnicy ø14 0,040 mm i obracając w prawo pokrętłem (1) zmienić wskazanie przyrządu na mniejsze np. 30 μm zaś pokrętłem 0 doprowadzić do wskazania 40 μm, powtórnie umieścić w pierścieniu wzorzec o średnicy ø 14 0,028 mm i obliczyć różnicę Δ p, jeśli nadal Δ p > Δ w należy zmienić wskazanie przyrządu według podanego opisu aż do uzyskania Δ p = Δ w = 0, jeżeli Δ p < Δ w należy wstawić w pierścień pomiarowy wzorzec walcowy o średnicy ø14 0,040 mm i obracając w lewo pokrętłem (1) zmienić wskazanie przyrządu na większe np. 50 μm, zaś pokrętłem 0 doprowadzić do wskazania 40 μm, po uzyskaniu różnicy wskazań w granicy niepewności pomiaru przyrząd jest przygotowany do pomiarów. b) Pomiar części typu otwór (otwory w płycie) Uwaga: Należy przyjąć zakres pomiarowy równy 100 μm, stąd odczytane wartości odchyłek muszą być podzielone przez 2. sprawdzić czy zawór regulacji 0 jest zamknięty (pokrętło w skrajnym prawym położeniu), wstawić średnicówkę w pierścień wzorcowy o średnicy ø14 0,019 mm, pokrętłem regulacji czułości (zakresu pomiarowego) doprowadzić do wskazani 38 μm, wstawić średnicówkę w pierścień wzorcowy o średnicy ø14 +0,019 mm, obliczyć różnicę wskazań Δ p i odnieść ją do różnicy wymiarów wzorców na założonej podzielni Δ w = 76 μm, jeżeli Δ p > Δ w to należy pokrętłem wzmocnienia zmniejszyć czułość i powtórnie wstawić średnicówkę w pierścień wzorcowy o średnicy ø14 0,019 mm, pokrętłem 0 ustawić wskazówkę w położeniu 38 μm. Różnica Δ = Δ p Δ w μm powinna ulec zmniejszeniu, w razie potrzeby należy wspomniane czynności wykonać kilkakrotnie, aż do osiągnięcia równości Δ p = Δ w = 0. po uzyskaniu różnicy wskazań w granicy niepewności pomiaru przyrząd jest przygotowany do pomiarów. 3

5 VI. ZADANIA DO WYKONANIA Zadanie 1. Pomiar elementów wchodzących w skład próby a) wykonać czynności podane w pkt.5.1a,b, b) dokonać pomiaru elementów stanowiących próbę z populacji, wyniki zapisać w arkuszu kalkulacyjnym (częściowo w tablicy 1 sprawozdania), Zadanie 2. Obliczenie parametrów szeregu rozdzielczego a) sprawdzić czy występują błędy nadmierne, i jeżeli są to je odrzucić, b) obliczyć rozstęp, liczbę i szerokość przedziałów klasowych, c) wykonać obliczenia wielkości podanych w tablicy 2. Zadanie 3. Histogram, wykres dystrybuanty empirycznej a) korzystając z wyników zamieszczonych w tablicy 2 narysować histogram oraz wykres dystrybuanty empirycznej. Zadanie 4. Obliczenie parametrów rozkładu dla szeregów rozdzielczych a) obliczyć średnią arytmetyczną, b) obliczyć wariancję oraz odchylenie średnie z próby, c) obliczyć asymetrię rozkładu, d) obliczeń dokonać korzystając z tablicy 3, Zadanie 5. Obliczenie dokładności oceny asymetrii a) obliczyć odchylenie średnie parametru oceny asymetrii. Zadanie 6. Sprawdzenie hipotezy o normalności rozkładu zmiennej losowej a) obliczyć wartości standaryzowane zmiennej losowej, prawdopodobieństwa w przedziałach klasowych i teoretyczne liczności, a wyniki obliczeń wpisać do tablicy 4, b) dokończyć obliczenia tabelaryczne i wykonać obliczenia statystyki, c) przyjąć bądź odrzucić hipotezę o zgodności rozkładu empirycznego z rozkładem normalnym dla poziomu istotności α podanego przez prowadzącego. Zadanie 7. Obliczenie granic przedziałów ufności a) odczytać z tablic statystycznych kwantyle rozkładu normalnego, studenta lub chi-kwadrat dla odpowiedniej liczby stopni swobody, b) obliczyć przedziały ufności dla wartości oczekiwanej i odchylenia standardowego dla poziomu istotności α podanego przez prowadzącego, c) obliczyć przedział ufności dla mierzonych średnic i obliczyć jaki procent wartości zmierzonych mieści się w tym przedziale. Wnioski 4

6 VII. Przeznaczenie, charakterystyka i opis działania przyrządu AEROPAN C IV Przyrząd AEROPAN C IV przeznaczony jest do pomiarów długości metodą pneumatyczną. Ze względu na niewielki zakres pomiarowy zakres jego stosowania ogranicza się do pomiaru odchyłek. 1. Dane techniczne Zakres ciśnienia pomiarowego p k od 54 do 112,8 kpa Zakres pomiarowy 100 µm, 200 µm lub 300 µm Wartości działki elementarnej (odpowiednio) 1 µm, 2 µm, 5 µm Wzmocnienie (przełożenie pomiarowe) 2800, 1400, 920 Niepewność pomiaru ± 1 działka elementarna Ciśnienie zasilania części pomiarowej przyrządu p st 147 kpa Zużycie powietrza 500 do 4500 Nl/h 2. Opis działania przyrządu Sprężone powietrze o ciśnieniu p s wypływa z przewodu sprężarki przez główny zawór odcinający (rys. 3), reduktor (1), filtr powietrza (2), stabilizator ciśnienia (3), dyszę wlotową (4) (ustalającą czułość i zakres pomiarowy), otwarty podczas pomiaru zawór pomocniczy (5) i dyszę pomiarową (6) na powierzchnię mierzonego przedmiotu (7). Na zaworze redukcyjnym (1) nastawione zostaje ciśnienie wejściowe p z równe kpa, wymagane dla zasilania stabilizatora ciśnienia (3). W stabilizatorze powietrze osiąga stałe ciśnienie p st, zapewniające prawidłową pracę przyrządu pomiarowego. Ciśnienie pomiarowe p k pomiędzy dyszą wlotową (4) i dyszą pomiarową (6) (ciśnienie w komorze pomiarowej) jest miarą szerokości szczeliny s pomiędzy czołem dyszy pomiarowej (6) i powierzchnią mierzonego przedmiotu. Wartość szczeliny wskazywana jest na skali podzielni przyrządu (8). Nastawianie punktu zerowego (9) pozwala skorygować wpływ czynników zewnętrznych na układ pomiarowy. Nastawny zawór pomocniczy (5) jest stosowany w przypadku ustawiania punktów przełączania styków (11). Mieszki ciśnieniowe (10) są połączone równolegle z komorą pomiarową i przekazują pneumatycznie mierzone wartości odchyłek poprzez styki elektryczne (11) obwodowi sygnalizacyjnosterowniczemu. Działanie styków sygnalizowane jest zmianą lampek (12). Rys.3. Widok i schemat budowy pneumatycznego przyrządu pomiarowego AEROPAN C-IV 5

7 3. Zespoły przyrządu 3.1. Przyrząd wskazujący Przyrządem wskazującym jest precyzyjny manometr o wysokiej klasy dokładności. Wskazówkę przyrządu porusza za pośrednictwem przekładni cięgnowej mieszek aneroidu poddany działaniu ciśnienia pomiarowego Dysze regulacyjne Do nastawienia parametrów przyrządu służy zawór iglicowy (4) (dysza nastawna). Przekrój dyszy określa przełożenie (czułość) oraz szybkość wskazań przyrządu. Przy małym przełożeniu, tzn. przy dużym zakresie pomiarowym ustalanie się wskazania trwa krócej niż w przypadku odwrotnym. Obrót w prawo zmniejsza przekrój dyszy, a więc zwiększa przełożenie. Obrót w lewo zwiększa przekrój dyszy i zmniejsza tym samym przełożenie Nastawianie punktu zerowego Nastawianie punktu zerowego 0" dokonywane jest za pomocą czułego zaworu iglicowego (9). Obrót w lewo otwiera a obrót w prawo zamyka zawór. Nastawianie punktu zerowego służy do ustawiania na skali przyrządu położenia punktu początkowego zakresu pomiarowego. Ponadto w przyrządzie znajduje się dysza pomocnicza H służąca do nastawiania punktów przełączania elektrostyków. 4. Narzędzia pomiarowe Podstawowymi narzędziami pomiarowymi (głowicami pomiarowymi) współpracującymi z pneumatycznymi przyrządami pomiarowymi są średnicówki (rys. 4a) oraz pierścienie pomiarowe (rys. 4b). Umożliwiają one pomiar bezstykowy elementów części maszyn. Do pomiarów pneumatyczną metodą stykową stosowane są czujniki stykowe (rys 4c). a) b) c) Rys. 4. Schematy pneumatycznych narzędzi pomiarowych: a) średnicówka, b) pierścień pomiarowy, c) czujnik stykowy 6

8 Przykład obliczeniowy Z produkcji tulejek pobrano 80-cio elementową próbę. Wykonano pomiary odchyłek średnicy otworu od wymiaru nominalnego 40 mm otrzymując wyniki zamieszczone w tablicy 1. Należy z prawdopodobieństwem 95% wyznaczyć przedział obejmujący średnią wartość średnicy otworu. Tablica 1. Wyniki pomiaru odchyłek średnicy wewnętrznej tulejek od 40 mm w [mm] 0,007 0,015 0,009 0,002 0,016 0,004 0,016 0,015 0,016 0,017 0,009 0,016 0,015 0,016 0,016 0,008 0,012 0,011 0,009 0,005 0,010 0,018 0,015 0,006 0,012 0,015 0,015 0,013 0,006 0,018 0,016 0,016 0,014 0,017 0,015 0,013 0,015 0,012 0,014 0,021 0,008 0,011 0,016 0,010 0,008 0,014 0,005 0,018 0,003 0,007 0,008 0,013 0,015 0,009 0,009 0,005 0,015 0,013 0,015 0,008 0,017 0,015 0,013 0,010 0,011 0,016 0,014 0,015 0,013 0,013 0,016 0,020 0,009 0,004 0,011 0,009 0,016 0,008 0,013 0,015 Zadania szczegółowe 1. Przeprowadzić eliminację wyników pomiarów obarczonych błędami nadmiernymi (grubymi). 2. Obliczyć częstości względne oraz wartości empirycznej dystrybuanty zmiennej losowej (odchyłek średnicy otworu x). 3. Narysować histogram i wykres dystrybuanty empirycznej rozkładu zmiennej losowej (odchyłek średnicy otworu x). 4. Obliczyć parametry rozkładu dla szeregów rozdzielczych. 5. Obliczyć odchylenie średnie parametru oceny asymetrii. 6. Przedstawić funkcję gęstości rozkładu normalnego oraz funkcję dystrybuanty. 7. Sprawdzić hipotezę o normalności rozkładu. 8. Przeprowadzić estymację przedziałową zmiennej losowej, wartości oczekiwanej i odchylenia standardowego populacji na poziomie istotności α. Rozwiązanie Ad.1. Analizując wyniki pomiarów wielokrotnych, można zaobserwować wyniki o wartościach znacznie różnych od pozostałych. Można podejrzewać, że wyniki te są obarczone błędami nadmiernymi (grubymi), których przyczynami mogą być niezauważone podczas pomiarów: zmiany warunków pomiarów, niesprawność aparatury, pomyłki osób wykonujących pomiary błędy powstałe podczas przetwarzania wyników. Zakładając, że zbiory wyników pomiarów mają rozkład normalny, eliminację błędów nadmiernych dokonuje się następująco: dla otrzymanego z pomiarów zbioru wyników oblicza się wartość średnią i odchylenie średnie, dla założonego poziomu ufności P wyznacza się przedział ufności mierzonej wielkości (zazwyczaj przyjmuje się poziom P = 99,73%, dla którego kwantyl rozkładu normalnego u α wynosi 3,00), 7

9 dla wartości, które znajdują się poza przedziałem ufności, zakłada się hipotetycznie, że nie przynależą one do populacji, ponieważ prawdopodobieństwo ich wystąpienia jest zbyt małe i że nie przypadek spowodował ich pojawienie się, lecz błąd nadmierny, czyli odrzuca się je, po odrzuceniu wartości obarczonych błędami grubymi dalsze obliczenia statystyczne wykonuje się już normalnymi znanymi metodami. Dla danych z tablicy 1 otrzymujemy = 0,0123; = 0,0042. Zatem 3 = 0,0003; +3 = 0,0249. Stąd wobec -./ = 0,002 i -01 = 0,021 w przedziale ( ) mieszczą się wszystkie zmierzone wartości. Ad.2. Tworząc szereg rozdzielczy należy zaobserwowane wartości średnicy w próbie uporządkować według przedziałów klasowych. Liczbę przedziałów klasowych ustala się biorąc pod uwagę liczność próby oraz różnicę R (rozstęp) pomiędzy największą i najmniejszą wartością cechy (średnicy) w próbie. Wielkość R stanowi miarę rozproszenia wartości średnicy. Ważną kwestią jest ustalenie liczby k przedziałów klasowych. Jeżeli jest zbyt duża, to liczba obserwacji należących do każdego z przedziałów może być zbyt mała i wykres rozkładu może ulec zbyt dużym wypaczeniom. Natomiast, jeśli liczba przedziałów jest zbyt mała, to nie zostaną uwidocznione charakterystyczne właściwości rozkładu. Jest ona ustalana w zależności od liczebności próby oznaczonej, jako N. W literaturze można spotkać kilka zasad doboru liczby przedziałów, między innymi: liczba przedziałów klasowych powinna zawierać się pomiędzy 5 a 15, liczba przedziałów klasowych powinna spełniać nierówność: wg Huntsbergera de Brookes i Carruthers proponują 0, dla 5 = 80 4,5 7 8,9 7 = 1+3,3log5 dla 5 = 80 7 = 7,3 7 < 5log5 dla 5 = 80 7 < 9,5 Jak wynika z tych zależności można przyjąć k w granicach od 5 do 8. Do dalszych obliczeń przyjęto k = 7. Szerokość przedziału klasowego h jest wielkością zależną rozstępu R oraz od liczby przedziałów klasowych k. h > = 7 = / = 0,021 0,002 > 0,0027 >> 7 7 Wartość h musi być wielokrotnością działki elementarnej, zatem przyjęto h = 0,003 mm. Dolna granica pierwszego przedziału powinna być mniejsza od najmniejszej wartości próby, a górna ustalona tak, by ostatni przedział zawierał największą wartość. Przedziały klasowe są prawostronnie domknięte (prawe granice należą do nich). Liczba przedziałów klasowych k pomnożona przez szerokość przedziału h musi być nieznacznie większa od rozstępu. 8

10 W przykładzie przyjęto wartość początkową równą 0,001 mm, stąd pierwszy przedział będzie odpowiada zakresowi (0,001 0,004], drugi (0,004 0,007] mm itd. Liczbę zdarzeń w poszczególnych przedziałach klasowych podano w tablicy 2. Tablica 2. Parametry częstotliwościowe przedziałów klasowych Nr przedziału Granice przedziału klasowego [μm] (1 4] (4 7] (7 10] (10 13] (13 16] (16 19] (19 22] Liczność? Częstość Względna?.@ 5 Częstość skumulowana 0,050 0,088 0,200 0,213 0,325 0,100 0,025 0,050 0,138 0,338 0,550 0,875 0,975 1,000 B B Wartości kontrolne: 5 =.C?. = 80; / D.C = 1 E Ad.3. W celu wykonania histogramu na osi odciętych odkładamy wartości środków przedziałów klasowych (lub numery przedziałów). Szerokość przedziału klasowego stanowi podstawę prostokąta, którego wysokość wyraża liczność zmierzonych elementów w rozpatrywanym przedziale klasowym (tablica 2). Na osi rzędnych mogą być również podane wartości częstości względnych. Wykreślając dystrybuantę empiryczną na osi odciętych odkładamy prawe granice przedziałów klasowych a na osi rzędnych częstość skumulowaną. Na podstawie danych z tablicy 2 narysowano histogram i wielobok skumulowanych częstości (wykres dystrybuanty empirycznej). a) b) Liczność Częstość skumulowana Odchyłka średnicy [μm] Rys. 5.Wykresy:(a) histogram, (b) dystrybuanta empiryczna Odchyłka średnicy [μm] 9

11 Ad.4. Obliczenia szczegółowe parametrów rozkładu. a) średnia W przypadku prób o liczności powyżej N >25 celowe jest obliczenie średniej arytmetycznej ze wzoru: = G E.C.?. gdzie. wartość zmiennej w środku i-tego przedziału klasowego (tablica 3), = G E.C.?. = IJK KL = 11,73 μm b) wariancja z próby i odchylenie średnie z uwzględnieniem poprawki Shepparda na grupowanie (h długość przedziału klasowego), = Q DRS (1 D N1 ) P / D E = W16,75 = 4,09 μm TP = JII,IU KL c) asymetria (skośność) = Q DRS (1 D N1 ) X / D = NIB,KK = 0,350 E Z X KL [,LI X JP = 17,50 0,75 = 16,75 Ad.5. Obliczenie odchylenia średniego parametru oceny asymetrii = \ ] (/N) (/^) (/^J) = 0,266 Jeżeli rozkład średnicy otworów jest symetryczny, to powinno być = 0. Można zauważyć, że obliczona wartość odbiega od wartości zerowej, jednak nie więcej niż o dwa odchylenia średnie (2 = 0,532), co pozwala przyjąć rozkład, jako symetryczny. Potwierdza to również wygląd histogramu. Tablica 3. Wartości momentów rozkładu średnic otworów x i Nr przedziału Granice przedziału klasowego [µm] Środek przedziału. Liczność?. Obliczenie średniej Moment 1-go rzędu Moment 2-go rzędu Moment 3-go rzędu (. )?. (. )?. (. )?. (. ) J?. 1 (1 4] 2,5 4 10,00-36, , ,213 2 (4 7] 5,5 7 38,50-43, , ,558 3 (7 10] 8, ,00-51, , ,672 4 (10 13] 11, ,50-3,825 0,861-0,194 5 (13 16] 14, ,00 72, , ,600 6 (16 19] 17, ,00 46, , ,799 7 (19 22] 20,5 2 41,00 17, , ,361 Suma ,00 0, , ,878 Ad.6. Funkcja gęstości prawdopodobieństwa rozkładu normalnego ma postać: _() = ` a bcd (1Ne)Pf `P Punktowe oceny parametrów (estymatory) rozkładu normalnego wynoszą: µ : = 1,73g>, σ : = 4,09g>. 10

12 Po podstawieniu danych przyjmuje postać oraz dystrybuanta _() = h() = [,LI a bcd (1N,BJ)P [,LI P f [,LI a i 1 bcd (1N,BJ)P fj Nk [,LI P Ad.7. Sprawdzenie hipotezy o normalności rozkładu zmiennej losowej (średnicy otworów) zastosowano test zgodności (chi-kwadrat) [1,2] Jeżeli liczność w którymś przedziale klasowym będzie mniejsza od 5 to należy ten przedział połączyć z sąsiednim tak, aby suma liczności przedziałów była co najmniej równa 5. W przykładzie obliczeniowym zostały połączone przedziały 1 i 2 oraz 6 i 7. a) wartości zmiennych losowych standaryzowanych obliczamy wg wzoru: l. = 1 DNe `, czyli l. = 1 DN,BJ [,LI Korzystając z wartości dystrybuanty [1], obliczamy prawdopodobieństwa znalezienia zmiennej losowej standaryzowanej l. w przedziale (.N ;. ] c. = n(.n < o <. ) = h(l. ) h(l.n ) Przykładowo prawdopodobieństwo obliczone dla przedziału (10,0; 13,0] wynosi c J = n(10,0 < o < 13,0) = hd J,LN,BJ [,LI f hd L,LN,BJ [,LI = h(0,311) h( 0,423) = 0,622 0,336 = 0,286 Wyjaśnienia wymaga obliczenie prawdopodobieństwa w pierwszym i ostatnim przedziale. Otóż prawdopodobieństwo dla pierwszego przedziału jest równe wartości dystrybuanty dla prawej granicy przedziału czyli dla obszaru od do prawej granicy. l = 1 SNe ` = B,LN,BJ [,LI = 1,156 c = n( < o < 7,0) = h( 1,156) = 0,124 Natomiast prawdopodobieństwo dla ostatniego przedziału traktujemy jak obszar od lewej granicy do +. l [ = 1 qne ` = ],LN,BJ [,LI = 1,044 c U = n(16,0 < o < + ) = 1 h(1,044) = 0,148 Wyniki obliczeń dla wszystkich przedziałów wszystkich zamieszczono w tablicy 4. f = Tablica 4. Parametry częstościowe przedziałów klasowych nr przedziału Granice przedz. klas. [µm] Liczność?. Przedziały standaryzowane (l.n ;l. ] h(l. ) c.?c. (?.?c. )?c. 1 ( 1,0; 7,0] 11 [ - ; -1,156) 0,124 0,124 9,92 0,118 2 ( 7,0; 10,0] 16 [-1,156; -0,423) 0,336 0,212 16,96 0,054 3 (10,0; 13,0] 17 [-0,423; 0,311) 0,622 0,286 22,88 1,511 4 (13,0; 16,0] 26 [ 0,311; 1,044) 0,852 0,230 18,40 3,139 5 (16,0; 22,0] 10 [ 1,044; + ) 0,148 11,84 0,286 Suma 80 1,000 80,00 5,108 11

13 b) obliczenie wartości statystyki Statystyka stanowi miarę rozbieżności między rozkładami empirycznymi i teoretycznymi o dystrybuancie h() G = (/ DN/ rstu ) P G = (/ DN/v D ) P.C / rstu gdzie?. liczność empiryczna i -tego przedziału,? wxy teoretyczna liczność i -tego przedziału, N liczebność próby, c. prawdopodobieństwo znalezienia się zmiennej losowej. w i-tym przedziale klasowym (o środku w punkcie. ) wyznaczone przez hipotetyczną dystrybuantę. Z tablic rozkładu dla poziomu istotności z = 0,05 i liczbie stopni swobody { = 7 1 = = 2 (7 liczba przedziałów, liczba parametrów rozkładu oszacowanych z próby) odczytujemy wartość krytyczną ;L,LU = 5,991. Jeśli ;L,LU to oznacza, że nie ma podstaw do odrzucenia hipotezy o normalnym rozkładzie średnic otworów. Ad.8. Obliczenie granic przedziałów ufności dla wartości oczekiwanej, odchylenia standardowego i zmiennej losowej. Jeśli z populacji o nieznanych parametrach ( µ, σ ) wartości oczekiwanej i odchyleniu standardowym, zostanie pobrana dostatecznie duża próba losowa (w przykładzie 80-cio elementowa) o rozkładzie normalnym, to wówczas przedział ufności dla wartości oczekiwanej wynosi ~ < g < +~ W celu obliczenia granic przedziału ufności posługujemy się tablicami rozkładu normalnego (dla 5 30). Dla przyjętego prawdopodobieństwa n = 1 z = 0,95 kwantyl rozkładu l L,LU = 1,960 a długość przedziału ε wynosi: ~ = l Z = E 1,960 [,LI = 0,896 [µm] KL Zatem przedział ufności dla wartości oczekiwanej można zapisać: 11,73 0,90 < g < 11,73+0,90 [µm] 10,83 < g < 12,63 [µm] Dla próbki małej (5 30) należy skorzystać z tablic rozkładu t-studenta i odczytać kwantyl rozkładu y; dla { = 5 1 stopni swobody. Dla przykładowej próbki BI;L,LU = 1,990, a długość przedziału ε wynosi: Z ~ = y, = E 1,990 [,LI = 0,910 [µm] KL Zatem przedział ufności dla wartości oczekiwanej można zapisać: 11,73 0,91 < g < 11,73+0,91 [µm] 10,82 < g < 12,64 [µm] Jak widać szerokości przedziałów obliczone z obu rozkładów bardzo niewiele się różnią. W celu obliczenia przedziału ufności dla odchylenia standardowego dla dużej próbki posługujemy się kwantylem rozkładu normalnego poprzednio odczytanego l L,LU = 1,960 Z ^ < < Z N P P Podstawiając wartości liczbowe otrzymujemy: = ˆ =,I]L = 0,155 E ]L 3,54 < < 4,84.C /v D 12

14 Obliczając ten sam przedział dla małej próbki korzystamy z rozkładu chi-kwadrat najpierw odczytujemy kwantyle dla { = 5 1 stopni swobody oraz poziomów i 1 BI;L,LU = 105,473; BI;L,IBU = 56,309 Przedział ufności obliczamy ze wzoru: EZ P P < < EZP P u; Š P u;s Š P Podstawiając wartości liczbowe otrzymujemy: 3,56 < < 4,88 Przedziały dla odchylenia standardowego również niewiele się różnią przy ich obliczaniu dwoma metodami. Aby obliczyć przedział ufności dla mierzonych odchyłek średnic Δj skorzystamy ze wzoru: ~ < Δj < +~ W celu obliczenia granic przedziału ufności posługujemy się tablicami rozkładu normalnego (dla 5 30). Dla przyjętego prawdopodobieństwa n = 1 z = 0,95 kwantyl rozkładu l L,LU = 1,960 a długość przedziału ε wynosi: ~ = l = 1,960 4,09 = 8,02 [µm] Zatem przedział ufności dla odchyłek średnic można zapisać: 11,73 8,02 < Δj < 11,73+8,02 [µm] 3,71 < Δj < 19,75 [µm] Dla próbki małej (5 30) należy skorzystać z tablic rozkładu t-studenta i odczytać kwantyl rozkładu y; dla { = 5 1 stopni swobody. Dla przykładowej próbki BI;L,LU = 1,990, a długość przedziału ε wynosi: ~ = y, = 1,990 4,09 = 8,14 [µm] Zatem przedział ufności dla wartości oczekiwanej można zapisać: 11,73 8,14 < Δj < 11,73+8,14 [µm] 3,59 < Δj < 19,87 [µm] Jak widać szerokości przedziałów obliczone z obu rozkładów bardzo niewiele się różnią. Żeby obliczyć ile pomiarów mieści się w wyznaczonym przedziale należy odrzucić wymiary mniejsze lub równe 0,004 mm oraz większe lub równe 0,020 mm. Takich pomiarów są w sumie 4 (zaznaczone na czerwono) w tablicy 1 zatem w wyznaczonym przedziale mieści się 80 = 93% wyników. 13

15 Dystrybuanta rozkładu normalnego N(0,1) u 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0, ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , ,006387

16 Dystrybuanta rozkładu normalnego N(0,1) u 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09-2,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , ,

17 Dystrybuanta rozkładu normalnego N(0,1) u 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141 0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517 0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879 0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224 0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549 0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852 0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133 0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389 1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621 1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830 1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0, ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , ,993613

18 Dystrybuanta rozkładu normalnego N(0,1) u 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 2,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , ,

19 Rozkład t-studenta Wartości tα, dla których P( t >tα)=α r \ α 0,500 0,400 0,300 0,200 0,100 0,050 0,020 0,010 0,005 0,002 0, ,000 1,376 1,963 3,078 6,314 12,706 31,821 63, , , , ,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 14,089 22,327 31, ,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 7,453 10,215 12, ,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8, ,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6, ,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5, ,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5, ,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5, ,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4, ,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4, ,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4, ,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4, ,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4, ,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4, ,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4, ,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4, ,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3, ,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3, ,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3, ,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3, ,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3, ,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3, ,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3, ,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3, ,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3, ,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3, ,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3, ,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3, ,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3, ,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646 0,674 0,842 1,036 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291

20 Rozkład χ² Wartości χ²α, dla których P(χ²<χ²α)=α r \ α 0,005 0,010 0,020 0,025 0,050 0,100 0,900 0,950 0,975 0,980 0,990 0, , , , , , ,016 2,706 3,841 5,024 5,412 6,635 7, ,0100 0,0201 0,0404 0,0506 0,103 0,211 4,605 5,991 7,378 7,824 9,210 10, ,0717 0,115 0,185 0,216 0,352 0,584 6,251 7,815 9,348 9,837 11,345 12, ,207 0,297 0,429 0,484 0,711 1,064 7,779 9,488 11,143 11,668 13,277 14, ,412 0,554 0,752 0,831 1,145 1,610 9,236 11,070 12,833 13,388 15,086 16, ,676 0,872 1,134 1,237 1,635 2,204 10,645 12,592 14,449 15,033 16,812 18, ,989 1,239 1,564 1,690 2,167 2,833 12,017 14,067 16,013 16,622 18,475 20, ,344 1,646 2,032 2,180 2,733 3,490 13,362 15,507 17,535 18,168 20,090 21, ,735 2,088 2,532 2,700 3,325 4,168 14,684 16,919 19,023 19,679 21,666 23, ,156 2,558 3,059 3,247 3,940 4,865 15,987 18,307 20,483 21,161 23,209 25, ,603 3,053 3,609 3,816 4,575 5,578 17,275 19,675 21,920 22,618 24,725 26, ,074 3,571 4,178 4,404 5,226 6,304 18,549 21,026 23,337 24,054 26,217 28, ,565 4,107 4,765 5,009 5,892 7,042 19,812 22,362 24,736 25,472 27,688 29, ,075 4,660 5,368 5,629 6,571 7,790 21,064 23,685 26,119 26,873 29,141 31, ,601 5,229 5,985 6,262 7,261 8,547 22,307 24,996 27,488 28,259 30,578 32, ,142 5,812 6,614 6,908 7,962 9,312 23,542 26,296 28,845 29,633 32,000 34, ,697 6,408 7,255 7,564 8,672 10,085 24,769 27,587 30,191 30,995 33,409 35, ,265 7,015 7,906 8,231 9,390 10,865 25,989 28,869 31,526 32,346 34,805 37, ,844 7,633 8,567 8,907 10,117 11,651 27,204 30,144 32,852 33,687 36,191 38, ,434 8,260 9,237 9,591 10,851 12,443 28,412 31,410 34,170 35,020 37,566 39, ,034 8,897 9,915 10,283 11,591 13,240 29,615 32,671 35,479 36,343 38,932 41, ,643 9,542 10,600 10,982 12,338 14,041 30,813 33,924 36,781 37,659 40,289 42, ,260 10,196 11,293 11,689 13,091 14,848 32,007 35,172 38,076 38,968 41,638 44, ,886 10,856 11,992 12,401 13,848 15,659 33,196 36,415 39,364 40,270 42,980 45, ,520 11,524 12,697 13,120 14,611 16,473 34,382 37,652 40,646 41,566 44,314 46, ,160 12,198 13,409 13,844 15,379 17,292 35,563 38,885 41,923 42,856 45,642 48, ,808 12,879 14,125 14,573 16,151 18,114 36,741 40,113 43,195 44,140 46,963 49, ,461 13,565 14,847 15,308 16,928 18,939 37,916 41,337 44,461 45,419 48,278 50, ,121 14,256 15,574 16,047 17,708 19,768 39,087 42,557 45,722 46,693 49,588 52, ,787 14,953 16,306 16,791 18,493 20,599 40,256 43,773 46,979 47,962 50,892 53,672

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul Jana Pawła II 24 60-965 POZNAŃ budynek Centrum Mechatroniki, iomechaniki i Nanoinżynierii) wwwzmispmtputpoznanpl tel +48

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 matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 3 Hipotezy statystyczne Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami

Bardziej szczegółowo

Zadania ze statystyki, cz.6

Zadania ze statystyki, cz.6 Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja

Bardziej szczegółowo

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej

Bardziej szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407 Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.

Bardziej szczegółowo

Estymacja parametrów rozkładu cechy

Estymacja parametrów rozkładu cechy Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

BŁĘDY W POMIARACH BEZPOŚREDNICH

BŁĘDY W POMIARACH BEZPOŚREDNICH Podstawy Metrologii i Technik Eksperymentu Laboratorium BŁĘDY W POMIARACH BEZPOŚREDNICH Instrukcja do ćwiczenia nr 2 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy Metrologii

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

POMIARY POŚREDNIE. Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska

POMIARY POŚREDNIE. Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 2 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie

Bardziej szczegółowo

LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów

LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów LISTA 4 1.Na pewnym obszarze dokonano 40 pomiarów grubości warstwy piasku otrzymując w m.: 54, 58, 64, 69, 61, 56, 41, 48, 56, 61, 70, 55, 46, 57, 70, 55, 47, 62, 55, 60, 54,57,65,60,53,54, 49,58,62,59,55,50,58,

Bardziej szczegółowo

POMIARY POŚREDNIE POZNAŃ III.2017

POMIARY POŚREDNIE POZNAŃ III.2017 Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

WYKŁAD 5 TEORIA ESTYMACJI II

WYKŁAD 5 TEORIA ESTYMACJI II WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

POLITECHNIKA WARSZAWSKA

POLITECHNIKA WARSZAWSKA POLITECHNIKA WARSZAWSKA WYDZIAŁ BUDOWNICTWA, MECHANIKI I PETROCHEMII INSTYTUT INŻYNIERII MECHANICZNEJ STATYSTYCZNA KONTROLA PROCESU (SPC) Ocena i weryfikacja statystyczna założeń przyjętych przy sporządzaniu

Bardziej szczegółowo

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu

Bardziej szczegółowo

POMIARY OKRĄGŁOŚCI. Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska

POMIARY OKRĄGŁOŚCI. Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 24 60-965 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

Wydział Matematyki. Testy zgodności. Wykład 03

Wydział Matematyki. Testy zgodności. Wykład 03 Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy

Bardziej szczegółowo

1 Estymacja przedziałowa

1 Estymacja przedziałowa 1 Estymacja przedziałowa 1. PRZEDZIAŁY UFNOŚCI DLA ŚREDNIEJ (a) MODEL I Badana cecha ma rozkład normalny N(µ, σ) o nieznanym parametrze µ i znanym σ. Przedział ufności: [ ( µ x u 1 α ) ( σn ; x + u 1 α

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją

Bardziej szczegółowo

Rozkład Gaussa i test χ2

Rozkład Gaussa i test χ2 Rozkład Gaussa jest scharakteryzowany dwoma parametramiwartością oczekiwaną rozkładu μ oraz dyspersją σ: METODA 2 (dokładna) polega na zmianie zmiennych i na obliczeniu pk jako różnicy całek ze standaryzowanego

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

Bardziej szczegółowo

Kolokwium ze statystyki matematycznej

Kolokwium ze statystyki matematycznej Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009 STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ

Bardziej szczegółowo

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11 Testy zgodności Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej 27. Nieparametryczne testy zgodności Weryfikacja

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15 VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,

Bardziej szczegółowo

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład

Bardziej szczegółowo

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde

Bardziej szczegółowo

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić). Egzamin ze Statystyki Matematycznej, WNE UW, wrzesień 016, zestaw B Odpowiedzi i szkice rozwiązań 1. Zbadano koszt 7 noclegów dla 4-osobowej rodziny (kwatery) nad morzem w sezonie letnim 014 i 015. Wylosowano

Bardziej szczegółowo

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU Katedra Technik Wytwarzania i Automatyzacji METROLOGIA I KONTKOLA JAKOŚCI - LABORATORIUM TEMAT: STATYSTYCZNA KONTROLA PROCESU 1. Cel ćwiczenia Zapoznanie studentów z podstawami wdrażania i stosowania metod

Bardziej szczegółowo

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną

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

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Często spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:

Często spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k: Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.

Bardziej szczegółowo

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom

Bardziej szczegółowo

Założenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW

Założenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW Założenia do analizy wariancji dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Zagadnienia 1. Normalność rozkładu cechy Testy: chi-kwadrat zgodności, Shapiro-Wilka, Kołmogorowa-Smirnowa

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

Monitorowanie procesów wytwarzania

Monitorowanie procesów wytwarzania POLITECHNIKA KOSZALIŃSKA WYDZIAŁ MECHANICZNY kierunek Mechanika i Budowa Maszyn Monitorowanie procesów wytwarzania Ocena zdolności jakościowej procesów Koszalin Umiejętności i kompetencje: Umiejętności

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss

Bardziej szczegółowo

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas: ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań

Bardziej szczegółowo

WYZNACZENIE CHARAKTERYSTYK STATYCZNYCH PRZETWORNIKÓW POMIAROWYCH

WYZNACZENIE CHARAKTERYSTYK STATYCZNYCH PRZETWORNIKÓW POMIAROWYCH Zakład Metrologii i Systemów Pomiarowych P o l i t e c h n i k a P o z n ańska ul. Jana Pawła II 4 60-96 POZNAŃ (budynek Centrum Mechatroniki, Biomechaniki i Nanoinżynierii) www.zmisp.mt.put.poznan.pl

Bardziej szczegółowo

Inżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy

Inżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 5 Anna Skowrońska-Szmer lato 2016/2017 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją jako prawdziwą

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4. Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ

Bardziej szczegółowo

Wstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów

Wstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów Wstęp do probabilistyki i statystyki Wykład 4. Statystyki i estymacja parametrów dr hab.inż. Katarzyna Zakrzewska, prof.agh, Katedra Elektroniki, WIET AGH Wstęp do probabilistyki i statystyki. Wykład 4

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

Statystyka opisowa. Wykład I. Elementy statystyki opisowej

Statystyka opisowa. Wykład I. Elementy statystyki opisowej Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o

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

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1. Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych

Bardziej szczegółowo

Badanie normalności rozkładu

Badanie normalności rozkładu Temat: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby liczebność

Bardziej szczegółowo

LABORATORIUM 6 ESTYMACJA cz. 2

LABORATORIUM 6 ESTYMACJA cz. 2 LABORATORIUM 6 ESTYMACJA cz. 2 TEORIA ESTYMACJI I 1. ODRZUCANIE WYNIKÓW WĄTPLIWYCH PRÓBA P (m) (m-elementowa) Obliczenie: ; s bez wyników wątpliwych Odrzucenie wyników z poza przedziału: 3s PRÓBA LOSOWA

Bardziej szczegółowo

1.1 Wstęp Literatura... 1

1.1 Wstęp Literatura... 1 Spis treści Spis treści 1 Wstęp 1 1.1 Wstęp................................ 1 1.2 Literatura.............................. 1 2 Elementy rachunku prawdopodobieństwa 2 2.1 Podstawy..............................

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI 1. Test dla dwóch średnich P.G. 2. Testy dla wskaźnika struktury 3. Testy dla wariancji DECYZJE Obszar krytyczny od pozostałej

Bardziej szczegółowo

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 0,KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.

Bardziej szczegółowo

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. TESTY NIEPARAMETRYCZNE 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. Standardowe testy równości średnich wymagają aby badane zmienne losowe

Bardziej szczegółowo

Statystyka w przykładach

Statystyka w przykładach w przykładach Tomasz Mostowski Zajęcia 10.04.2008 Plan Estymatory 1 Estymatory 2 Plan Estymatory 1 Estymatory 2 Własności estymatorów Zazwyczaj w badaniach potrzebujemy oszacować pewne parametry na podstawie

Bardziej szczegółowo