Elementarna statystyka Dwie próby: porównanie dwóch proporcji (Two-sample problem: comparing two proportions)
|
|
- Nadzieja Krajewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Elementarna statystyka Dwie próby: porównanie dwóch proporcji (Two-sample problem: comparing two proportions) Alexander Bendikov Uniwersytet Wrocªawski 25 maja 2016 Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 1 / 12 prob
2 Dwie próby: porównanie dwóch proporcji SRS 1 p 1 ˆp 1 W zagadnieniu dwóch prób chcemy porówna dwie populacje, na przykªad reakcj na terapi w dwóch populacjach, na podstawie dwóch niezale»nie pobranych prób: SRS 1 : p 1, n 1, ˆp 1 ; SRS 2 : p 2, n 2, ˆp 2, p 2 ˆp 2 SRS 2 gdzie b dziemy testowa hipotez : { H 0 : p 1 p 2, H a : p 1 p 2 (<, >). Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 2 / 12 prob
3 Przykªad: Organizacja ERF (Educational Research Foundation) postanowiªa zbada dªugofalowe skutki ucz szczania dzieci do przedszkola. Obserwowano w dªugim okresie 2 grupy dzieci, pocz wszy od wczesnego dzieci«stwa. Pierwsza, kontrolna, grupa skªadaªa si z n 1 61 dzieci, wybranych losowo. Druga grupa, o liczno±ci n 2 62 skªadaªa si z dzieci wybranych losowo z tego samego ±rodowiska, ale spo±ród dzieci ucz szczaj cych do przedszkola w wieku 34 lat. Zmienn badan byªo zapotrzebowanie badanych dzieci na pomoc spoªeczn (Social Services) w ich pó¹niejszym, dorosªym»yciu (zmienna SS). Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 3 / 12 prob
4 Przykªad: Organizacja ERF (Educational Research Foundation) postanowiªa zbada dªugofalowe skutki ucz szczania dzieci do przedszkola. Obserwowano w dªugim okresie 2 grupy dzieci, pocz wszy od wczesnego dzieci«stwa. Pierwsza, kontrolna, grupa skªadaªa si z n 1 61 dzieci, wybranych losowo. Druga grupa, o liczno±ci n 2 62 skªadaªa si z dzieci wybranych losowo z tego samego ±rodowiska, ale spo±ród dzieci ucz szczaj cych do przedszkola w wieku 34 lat. Zmienn badan byªo zapotrzebowanie badanych dzieci na pomoc spoªeczn (Social Services) w ich pó¹niejszym, dorosªym»yciu (zmienna SS). Okazaªo si,»e w ci gu ostatnich 10 lat w grupie osób ucz szczaj cych w dzieci«stwie do przedszkola 38 wymagaªo pomocy spoªecznej, a w grupie kontrolnej 49. Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 3 / 12 prob
5 Przykªad: Organizacja ERF (Educational Research Foundation) postanowiªa zbada dªugofalowe skutki ucz szczania dzieci do przedszkola. Obserwowano w dªugim okresie 2 grupy dzieci, pocz wszy od wczesnego dzieci«stwa. Pierwsza, kontrolna, grupa skªadaªa si z n 1 61 dzieci, wybranych losowo. Druga grupa, o liczno±ci n 2 62 skªadaªa si z dzieci wybranych losowo z tego samego ±rodowiska, ale spo±ród dzieci ucz szczaj cych do przedszkola w wieku 34 lat. Zmienn badan byªo zapotrzebowanie badanych dzieci na pomoc spoªeczn (Social Services) w ich pó¹niejszym, dorosªym»yciu (zmienna SS). Okazaªo si,»e w ci gu ostatnich 10 lat w grupie osób ucz szczaj cych w dzieci«stwie do przedszkola 38 wymagaªo pomocy spoªecznej, a w grupie kontrolnej 49. Grupa n SS ˆp Kontrolna ,803 Przedszkolna ,613 Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 3 / 12 prob
6 ˆp , grupa kontrolna ˆp , grupa przedszkolna Na podstawie danych wykonamy 2 badania statystyczne: Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 4 / 12 prob
7 ˆp , grupa kontrolna ˆp , grupa przedszkolna Na podstawie danych wykonamy 2 badania statystyczne: 1. Aby oszacowa jak du»y wpªyw ma wychowanie przedszkolne na pó¹niejsze problemy utworzymy przedziaª ufno±ci dla zmiennej p 1 p 2 b d cej ró»nic proporcji w dwóch badanych populacjach Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 4 / 12 prob
8 ˆp , grupa kontrolna ˆp , grupa przedszkolna Na podstawie danych wykonamy 2 badania statystyczne: 1. Aby oszacowa jak du»y wpªyw ma wychowanie przedszkolne na pó¹niejsze problemy utworzymy przedziaª ufno±ci dla zmiennej p 1 p 2 b d cej ró»nic proporcji w dwóch badanych populacjach 2. Aby sprawdzi, czy dane dostarczaj istotnego dowodu na to,»e ucz szczanie do przedszkola w dzieci«stwie zmniejsza w przyszªo±ci zapotrzebowanie na pomoc spoªeczn b dziemy testowali hipotezy: H 0 : p 1 p 2, H a : p 1 > p 2. Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 4 / 12 prob
9 W obu przypadkach zaczynamy od ˆp 1 ˆp 2 0, 190. Przypomnijmy,»e pojedyncze próbki X 1, X 2 w obu grupach maj rozkªad bliski rozkªadowi dwumianowemu z E(X i ) p i, Var(X i ) p i (1 p i ). Poniewa» zmienne s niezale»ne, wi c mamy nast puj ce statystyczne parametry próby: E(ˆp 1 ˆp 2 ) p 1 p 2, Var(ˆp 1 ˆp 2 ) p 1(1 p1) n1 Z -statystyka: + p 2(1 p2), n2 z (ˆp 1 ˆp 2 ) (p 1 p 2 ). p1(1 p1) n1 + p 2(1 p2) n2 Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 5 / 12 prob
10 W obu przypadkach zaczynamy od ˆp 1 ˆp 2 0, 190. Przypomnijmy,»e pojedyncze próbki X 1, X 2 w obu grupach maj rozkªad bliski rozkªadowi dwumianowemu z E(X i ) p i, Var(X i ) p i (1 p i ). Poniewa» zmienne s niezale»ne, wi c mamy nast puj ce statystyczne parametry próby: E(ˆp 1 ˆp 2 ) p 1 p 2, Var(ˆp 1 ˆp 2 ) p 1(1 p1) n1 Z -statystyka: Gªówne zaªo»enia: + p 2(1 p2), n2 z (ˆp 1 ˆp 2 ) (p 1 p 2 ). p1(1 p1) n1 1. Dwie badane populacje s niezale»ne, + p 2(1 p2) n2 2. n i ˆp i, n i (1 ˆp i ) 10. To uzasadnia u»ycie CLT, i mo»emy przyj,»e ˆp i maj rozkªad normalny. W takim razie ró»nica ˆp 1 ˆp 2 te» ma rozkªad normalny, a wi c Z -statystyka jest w przybli»eniu normaln, standardow zmienn losow N(0, 1). Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 5 / 12 prob
11 Przedziaª ufno±ci: (ˆp 1 ˆp 2 ) ± z SE, gdzie SE ( ˆp1 (1 ˆp 1 ) n 1 + ˆp 2(1 ˆp 2 ) n 2 ) 1/2 Nieznane parametry p i zast pili±my przez parametry próby ˆp i. Wybierzmy poziom ufno±ci C 95% (1) n 1ˆp 1 49, n 1 (1 ˆp 1 ) 12; n 2ˆp 2 38, n 2 (1 ˆp 2 ) 14, (2) SE (0, 803 0, 197/61 + 0, 613 0, 387/62) 1/2 0, 0801, (3) Przedziaª ufno±ci: (0, 803 0, 613) ± 1, 960 0, , 190 ± 0, 157: 0, 033 < p 1 p 2 < 0, 347. Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 6 / 12 prob
12 Testowanie hipotezy: H 0 : p 1 p 2, H a : p 1 > p 2. (1) Zaªó»my H 0, mamy z ˆp 1 ˆp 2 SE 0, 190 0,803 0, ,613 0, , 190 2, , 0801 Ponownie, nieznane parametry p i ˆp i. zast pili±my przez parametry próby Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 7 / 12 prob
13 Testowanie hipotezy: H 0 : p 1 p 2, H a : p 1 > p 2. (1) Zaªó»my H 0, mamy z ˆp 1 ˆp 2 SE 0, 190 0,803 0, ,613 0, , 190 2, , 0801 Ponownie, nieznane parametry p i zast pili±my przez parametry próby ˆp i. (2) p-warto± P(z > 2, 372) 0, , 009 0, 9% < α. Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 7 / 12 prob
14 Testowanie hipotezy: H 0 : p 1 p 2, H a : p 1 > p 2. (1) Zaªó»my H 0, mamy z ˆp 1 ˆp 2 SE 0, 190 0,803 0, ,613 0, , 190 2, , 0801 Ponownie, nieznane parametry p i zast pili±my przez parametry próby ˆp i. (2) p-warto± P(z > 2, 372) 0, , 009 0, 9% < α. (3) Widzimy,»e przy jakimkolwiek poziomie istotno±ci α 0, 01 nale»y odrzuci H 0 na rzecz H a, p 1 > p 2, czyli dane potwierdzaj,»e uczestnictwo w programie przedszkolnym w dzieci«stwie zmniejsza pó¹niejsze zapotrzebowanie na pomoc spoªeczn. Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 7 / 12 prob
15 Test dla próby poª czonej: Cz sto przy testowaniu hipotezy p 1 p 2 stosuje si metod próby poª czonej. Skoro testujemy przy zaªo»eniu takiej samej proporcji w obu populacjach p p 1 p 2, to mo»emy to wykorzysta w obliczaniu przybli»enia: Z -statystyka przyjmuje posta : ˆp m 1 + m 2 n 1 + n 2. z (ˆp 1 ˆp 2 ) (p 1 p 2 ) ( ). ˆp(1 ˆp) n1 n2 Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 8 / 12 prob
16 Test dla próby poª czonej: Cz sto przy testowaniu hipotezy p 1 p 2 stosuje si metod próby poª czonej. Skoro testujemy przy zaªo»eniu takiej samej proporcji w obu populacjach p p 1 p 2, to mo»emy to wykorzysta w obliczaniu przybli»enia: Z -statystyka przyjmuje posta : W naszym przypadku: ˆp , 707, z 0,190 0,707 0,293 ( ˆp m 1 + m 2 n 1 + n 2. z (ˆp 1 ˆp 2 ) (p 1 p 2 ) ( ). ˆp(1 ˆp) n1 n ) 2, 31 (porównajmy to z poprzednio otrzyman warto±ci 2, 372. Warto± 2,31 jest dokªadniejsza. p 0, Przy poziomie istotno±ci, powiedzmy α 0, 05 odrzucamy hipotez H 0 na rzecz H a : p 1 > p 2. Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 8 / 12 prob
17 Przykªad: Niektóre badania sugeruj,»e aspiryna mo»e redukowa ryzyko zawaªów i udarów. W du»ym badaniu utworzono dwie grupy obserwowanych przypadków. Pacjentom jednej grupy podawano regularnie aspiryn, a pacjentom drugiej grupy placebo. Otrzymano nast puj ce dane: Grupa terapeutyczna Aspiryna Placebo Zawaªy Udary Liczno± grup Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 9 / 12 prob
18 Przykªad: Niektóre badania sugeruj,»e aspiryna mo»e redukowa ryzyko zawaªów i udarów. W du»ym badaniu utworzono dwie grupy obserwowanych przypadków. Pacjentom jednej grupy podawano regularnie aspiryn, a pacjentom drugiej grupy placebo. Otrzymano nast puj ce dane: Grupa terapeutyczna Aspiryna Placebo Zawaªy Udary Liczno± grup Czy te dane dostarczaj statystycznie istotnego dowodu na sugesti,»e za»ywanie aspiryny redukuje ryzyko zawaªu lub udaru? Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 9 / 12 prob
19 Przykªad: Niektóre badania sugeruj,»e aspiryna mo»e redukowa ryzyko zawaªów i udarów. W du»ym badaniu utworzono dwie grupy obserwowanych przypadków. Pacjentom jednej grupy podawano regularnie aspiryn, a pacjentom drugiej grupy placebo. Otrzymano nast puj ce dane: Grupa terapeutyczna Aspiryna Placebo Zawaªy Udary Liczno± grup Czy te dane dostarczaj statystycznie istotnego dowodu na sugesti,»e za»ywanie aspiryny redukuje ryzyko zawaªu lub udaru? 1) Zawaªy: mamy: n , n , ˆp 1 129/ , 01169, n 1ˆp 1 129, n 1 (1 ˆp 1 ) 10908, ˆp 2 213/ , 01930, n 2ˆp 2 213, n 2 (1 ˆp 2 ) Elementarna statystyka Dwie próby: porównanie dwóch25 proporcji maja 2016 (Two-sample 9 / 12 prob
20 Wszystkie liczby n i ˆp i, n i (1 ˆp i ) s wi ksze ni» 10, wi c mo»emy zastosowa Z -test. (a) Hipotezy: H 0 : p 1 p 2, H a : p 1 p 2. (b) Proporcja w próbie poª czonej: ˆp n 1ˆp 1 + n 2ˆp 2 n 1 + n , Elementarna statystyka Dwie próby: porównanie dwóch 25proporcji maja 2016 (Two-sample 10 / 12 prob
21 Wszystkie liczby n i ˆp i, n i (1 ˆp i ) s wi ksze ni» 10, wi c mo»emy zastosowa Z -test. (a) Hipotezy: H 0 : p 1 p 2, H a : p 1 p 2. (b) Proporcja w próbie poª czonej: (c) Z -test: ˆp n 1ˆp 1 + n 2ˆp 2 n 1 + n , z ˆp 1 ˆp 2 ( ) ˆp(1 ˆp) n1 n2 0, , ) 0, 0155(1 0, 0155)( (d) p-warto± : mniej ni» 0,00001 (!). Elementarna statystyka Dwie próby: porównanie dwóch 25proporcji maja 2016 (Two-sample 10 / 12 prob
22 Wszystkie liczby n i ˆp i, n i (1 ˆp i ) s wi ksze ni» 10, wi c mo»emy zastosowa Z -test. (a) Hipotezy: H 0 : p 1 p 2, H a : p 1 p 2. (b) Proporcja w próbie poª czonej: (c) Z -test: ˆp n 1ˆp 1 + n 2ˆp 2 n 1 + n , z ˆp 1 ˆp 2 ( ) ˆp(1 ˆp) n1 n2 0, , ) 0, 0155(1 0, 0155)( (d) p-warto± : mniej ni» 0,00001 (!). (e) Wniosek: Dane dostarczaj bardzo mocnego dowodu (na poziomie istotno±ci α 10 5 )»e grupa leczona aspiryn i grupa leczona placebem (?) miaªy inne ryzyko zawaªu. (Grupa leczona aspiryn miaªa Elementarna statystyka Dwie próby: porównanie dwóch 25proporcji maja 2016 (Two-sample 10 / 12 prob
23 2) Udary: podobnie jak dla zawaªów, obliczamy n , n , ˆp 1 119/ , 01078, n 1ˆp 1 119, n 1 (1 ˆp 1 ) 10918, ˆp 2 98/ , 00888, n 2ˆp 2 98, n 2 (1 ˆp 2 ) Tak jak poprzednio, wszystkie liczby n i ˆp i, n i (1 ˆp i ) s wi ksze ni» 10, wi c mo»emy zastosowa Z -test. (a) Hipotezy: H 0 : p 1 p 2, H a : p 1 p 2. (b) Proporcja w próbie poª czonej: ˆp n 1ˆp 1 + n 2ˆp 2 n 1 + n , Elementarna statystyka Dwie próby: porównanie dwóch 25proporcji maja 2016 (Two-sample 11 / 12 prob
24 2) Udary: podobnie jak dla zawaªów, obliczamy n , n , ˆp 1 119/ , 01078, n 1ˆp 1 119, n 1 (1 ˆp 1 ) 10918, ˆp 2 98/ , 00888, n 2ˆp 2 98, n 2 (1 ˆp 2 ) Tak jak poprzednio, wszystkie liczby n i ˆp i, n i (1 ˆp i ) s wi ksze ni» 10, wi c mo»emy zastosowa Z -test. (a) Hipotezy: H 0 : p 1 p 2, H a : p 1 p 2. (b) Proporcja w próbie poª czonej: ˆp n 1ˆp 1 + n 2ˆp 2 n 1 + n , (c) Z -test: z ˆp 1 ˆp 2 ( ) 0, , ( 1 ˆp(1 ˆp) n n 2 0, , ) 1, 43. Elementarna statystyka Dwie próby: porównanie dwóch 25proporcji maja 2016 (Two-sample 11 / 12 prob
25 (4) p-warto± : p 2P(z > 1, 43) 0, (5) Wniosek: Dane nie dostarczaj dowodu»e grupa leczona aspiryn i grupa leczona placebem (?) miaªy inne ryzyko udaru. Elementarna statystyka Dwie próby: porównanie dwóch 25proporcji maja 2016 (Two-sample 12 / 12 prob
Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13
Elementarna statystyka Wnioskowanie o regresji (Inference for regression) Alexander Bendikov Uniwersytet Wrocªawski 2 czerwca 2016 Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for
Bardziej szczegółowoIn»ynierskie zastosowania statystyki wiczenia
Uwagi: 27012014 poprawiono kilka literówek, zwi zanych z przedziaªami ufno±ci dla wariancji i odchylenia standardowego In»ynierskie zastosowania statystyki wiczenia Przedziaªy wiarygodno±ci, testowanie
Bardziej szczegółowoElementarna statystyka Test Istotno±ci (Tests of Signicance)
Elementarna statystyka Test Istotno±ci (Tests of Signicance) Alexander Bendikov Uniwersytet Wrocªawski 16 kwietnia 2016 Elementarna statystyka Test Istotno±ci (Tests of Signicance) 16 kwietnia 2016 1 /
Bardziej szczegółowoElementarna statystyka Test Istotno±ci
Elementarna statystyka Test Istotno±ci Alexander Bendikov Uniwersytet Wrocªawski 27 kwietnia 2017 Alexander Bendikov (UWr) Elementarna statystyka Test Istotno±ci 27 kwietnia 2017 1 / 24 Wnioskowanie statystyczne:
Bardziej szczegółowoMetody probablistyczne i statystyka stosowana
Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowo5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka
Bardziej szczegółowoEkonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych
Bardziej szczegółowoBiostatystyka, # 5 /Weterynaria I/
Biostatystyka, # 5 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoSTATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH
STATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH WYKŠAD 4 03 listopad 2014 1 / 47 Plan wykªadu 1. Testowanie zaªo»e«o proporcjonalnym hazardzie w modelu Cox'a 2. Wybór zmiennych do modelu Cox'a 3. Meta analiza
Bardziej szczegółowoElementarna statystyka
Elementarna statystyka Alexander Bendikov Uniwersytet Wrocªawski Semestr wiosenny 2017 Alexander Bendikov (Wrocªaw) Elementarna statystyka Semestr wiosenny 2017 1 / 34 Elementarna analiza danych Alexander
Bardziej szczegółowoPROBABILISTYKA I STATYSTYKA - Zadania do oddania
PROBABILISTYKA I STATYSTYKA - Zadania do oddania Parametr k = liczba trzycyfrowa, dwie ostatnie cyfry to dwie ostatnie cyfry numeru indeksu, pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia.
Bardziej szczegółowoMetody statystyczne w biologii - Wykªad 8. Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t
Metody statystyczne w biologii - Wykªad 8 Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Regresja logistyczna 1. Podstawy teoretyczne i przykªady zastosowania
Bardziej szczegółowoElementarna statystyka
Elementarna statystyka Alexander Bendikov 28 marca 2017 Rozkªady dwumianowe Denicja Zaªó»my,»e wykonujemy n niezale»nych eksperymentów, których rezultatem mo»e by albo sukces z prawdopodobie«stwem p albo
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Model mieszany
Bardziej szczegółowoElementarna statystyka
Elementarna statystyka Alexander Bendikov 26 marca 2017 Klasyczny model: eksperyment o jednakowo prawdopodobnych wynikach Zaªo»enia: 1 Przestrze«próbek S ma sko«czenie wiele wyników ω 1, ω 2,..., ω n,
Bardziej szczegółowoPodstawy statystycznego modelowania danych - Wykªad 7
Podstawy statystycznego modelowania danych - Wykªad 7 Tomasz Suchocki ANOVA Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne i przykªady zastosowania 3. ANOVA w pakiecie R Tomasz
Bardziej szczegółowoEkonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 4 Prognozowanie (4) Ekonometria 1 / 18 Plan wicze«1 Prognoza punktowa i przedziaªowa 2 Ocena prognozy ex post 3 Stabilno± i sezonowo± Sezonowo± zadanie (4) Ekonometria 2 / 18 Plan
Bardziej szczegółowoPorównanie dwóch rozkładów normalnych
Porównanie dwóch rozkładów normalnych Założenia: 1. X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2) 2. X 1, X 2 są niezależne Ocena µ 1 µ 2 oraz σ 2 1/σ 2 2. Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 X 1, varx 1,
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoProste modele o zªo»onej dynamice
Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj
Bardziej szczegółowoMODELE LINIOWE i MIESZANE
MODELE LINIOWE i MIESZANE WYKŠAD 5 13 kwiecie«2018 1 / 48 Plan wykªadu 1. Metody Monte Carlo we wnioskowaniu statystycznym 2. Pakiet R 2 / 48 Metody Monte Carlo we wnioskowaniu statystycznym 3 / 48 Zaªó»my,»e
Bardziej szczegółowo1 Metody iteracyjne rozwi zywania równania f(x)=0
1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0
Bardziej szczegółowoPodstawy statystycznego modelowania danych Analiza prze»ycia
Podstawy statystycznego modelowania danych Analiza prze»ycia Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu 1. Wprowadzenie 2. Hazard rate
Bardziej szczegółowoWykład 7 Testowanie zgodności z rozkładem normalnym
Wykład 7 Testowanie zgodności z rozkładem normalnym Wrocław, 05 kwietnia 2017 Rozkład normalny Niech X = (X 1, X 2,..., X n ) będzie próbą z populacji o rozkładzie normalnym określonym przez dystrybuantę
Bardziej szczegółowoPorównywanie wielowymiarowych wektorów warto±ci ±rednic
Porównywanie wielowymiarowych wektorów warto±ci ±rednich Politechnika Gda«ska 20 marca 2014 Cel prezentacji Niezb dny wst p teoretyczny Cel prezentacji W naszej prezentacji przedstawimy zagadnienia zwi
Bardziej szczegółowoWykład 10 Testy jednorodności rozkładów
Wykład 10 Testy jednorodności rozkładów Wrocław, 16 maja 2018 Test Znaków test jednorodności rozkładów nieparametryczny odpowiednik testu t-studenta dla prób zależnych brak normalności rozkładów Test Znaków
Bardziej szczegółowoLekcja 9 - LICZBY LOSOWE, ZMIENNE
Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 6: Bayesowskie ª czenie wiedzy (6) Ekonometria Bayesowska 1 / 21 Plan wykªadu 1 Wprowadzenie 2 Oczekiwana wielko± modelu 3 Losowanie próby modeli 4 wiczenia w R (6) Ekonometria
Bardziej szczegółowo1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Bardziej szczegółowoBłędy 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 szczegółowoZL - STATYSTYKA - Zadania do oddania
ZL - STATYSTYKA - Zadania do oddania Parametr = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indesu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne
Bardziej szczegółowoWykªad 6: Model logitowy
Wykªad 6: Model logitowy Ekonometria Stosowana SGH Model logitowy 1 / 18 Plan wicze«1 Modele zmiennej jako±ciowej idea 2 Model logitowy Specykacja i interpretacja parametrów Dopasowanie i restrykcje 3
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoCAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski
III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 11 i 12 1 / 41 TESTOWANIE HIPOTEZ - PORÓWNANIE
Bardziej szczegółowoTestowanie hipotez statystycznych
9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 9: Metody numeryczne: MCMC Andrzej Torój 1 / 17 Plan wykªadu Wprowadzenie 1 Wprowadzenie 3 / 17 Plan prezentacji Wprowadzenie 1 Wprowadzenie 3 3 / 17 Zastosowanie metod numerycznych
Bardziej szczegółowoLekcja 9 Liczby losowe, zmienne, staªe
Lekcja 9 Liczby losowe, zmienne, staªe Akademia im. Jana Dªugosza w Cz stochowie Liczby losowe Czasami potrzebujemy by program za nas wylosowaª liczb. U»yjemy do tego polecenia liczba losowa: Liczby losowe
Bardziej szczegółowoRozkªady i warto± oczekiwana
Rozkªady i warto± oczekiwana Piotr Wilkin Zmienne losowe i rozkªady. Wst p Zmienn losow nazywamy zmienn X przyjmuj c dowolne warto±ci z pewnego zbioru D, która speªnia wªasno± y D P (X = y) = (innymi sªowy
Bardziej szczegółowoPakiety statystyczne - Wykªad 8
Pakiety statystyczne - Wykªad 8 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne
Bardziej szczegółowoEkonometria. wiczenia 8 Modele zmiennej jako±ciowej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 8 Modele zmiennej jako±ciowej (8) Ekonometria 1 / 25 Plan wicze«1 Modele zmiennej jako±ciowej 2 Model logitowy Specykacja i interpretacja parametrów Dopasowanie i restrykcje 3 Predykcja
Bardziej szczegółowoE2 - PROBABILISTYKA - Zadania do oddania
E - PROBABILISTYKA - Zadania do oddania Parametr k = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indeksu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne
Bardziej szczegółowoWykład 9 Wnioskowanie o średnich
Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i
Bardziej szczegółowoStatystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Bardziej szczegółowoProblem dwóch prób: porównywanie średnich i wariancji z populacji o rozkładach normalnych. Wrocław, 23 marca 2015
Problem dwóch prób: porównywanie średnich i wariancji z populacji o rozkładach normalnych. Wrocław, 23 marca 2015 Problem dwóch prób X = (X 1, X 2,..., X n ) - próba z rozkładu normalnego N (µ, σ 2 X ),
Bardziej szczegółowo2. (8 punktów) 3. (8 punktów) 4. (8 punktów) 5. (8 punktów) EGZAMIN MAGISTERSKI, Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Znajd¹ rozwi zanie poni»szego zagadnienia programowania liniowego: Zmaksymalizowa x 1 2x 2 + x 3 x 5 przy ograniczeniach x 1 3x 2 + x 3 + 2x 5 = 8
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowoRozwini cia asymptotyczne dla mocy testów przybli»onych
Rozwini cia asymptotyczne dla mocy testów przybli»onych Piotr Majerski, Zbigniew Szkutnik AGH Kraków Wisªa 2010 P. Majerski, Z. Szkutnik, AGH () Rozwini cia mocy testów przybli»onych Wisªa 2010 1 / 22
Bardziej szczegółowoBiostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Analiza wariancji
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Przykład. Producent pewnych detali twierdzi, że wadliwość jego produkcji nie przekracza 2%. Odbiorca pewnej partii tego produktu chce sprawdzić, czy może wierzyć producentowi.
Bardziej szczegółowoKolokwium 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 szczegółowoWykład 11: Dane jakościowe. Rozkład χ 2. Test zgodności chi-kwadrat
Wykład 11: Dane jakościowe Obserwacje klasyfikujemy do klas Zliczamy liczbę obserwacji w każdej klasie Jeżeli są tylko dwie klasy, to jedną z nich możemy nazwać sukcesem, a drugą porażką. Generalnie, liczba
Bardziej szczegółowoEstymacja 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 szczegółowoPowtórzenie wiadomości z rachunku prawdopodobieństwa i statystyki.
Powtórzenie wiadomości z rachunku prawdopodobieństwa i statystyki. Zaj ecia 5 Natalia Nehrebeceka 04 maja, 2010 Plan zaj eć 1 Rachunek prawdopodobieństwa Wektor losowy Wartość oczekiwana Wariancja Odchylenie
Bardziej szczegółowox y x y x y x + y x y
Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 3 - model statystyczny, podstawowe zadania statystyki matematycznej
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 3 - model statystyczny, podstawowe zadania statystyki matematycznej Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 3 1 / 8 ZADANIE z rachunku
Bardziej szczegółowoTestowanie hipotez dla proporcji. Wrocław, 13 kwietnia 2015
Testowanie hipotez dla proporcji Wrocław, 13 kwietnia 2015 Powtórka z rachunku prawdopodobieństwa Centralne Twierdzenie Graniczne Niech X = (X 1, X 2,..., X n ) oznacza próbę z rozkładu o średniej µ i
Bardziej szczegółowoWeryfikacja 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 szczegółowoTestowanie hipotez dla frakcji. Wrocław, 29 marca 2017
Testowanie hipotez dla frakcji Wrocław, 29 marca 2017 Powtórzenie z rachunku prawdopodobieństwa Centralne Twierdzenie Graniczne Niech X = (X 1, X 2,..., X n ) oznacza próbę z rozkładu o średniej µ i skończonej
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoC04 - STATYSTYKA MATEMATYCZNA - Zadania do oddania
C4 - STATYSTYKA MATEMATYCZNA - Zadania do oddania Parametr = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indesu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia.
Bardziej szczegółowoWeryfikacja 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 szczegółowoTESTOWANIE HIPOTEZ STATYSTYCZNYCH
TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na
Bardziej szczegółowoWeryfikacja 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 szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 9 i 10 1 / 30 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
Bardziej szczegółowoAproksymacja funkcji metod najmniejszych kwadratów
Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone
Bardziej szczegółowoWykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym
Wykład 3 Testowanie hipotez statystycznych o wartości średniej i wariancji z populacji o rozkładzie normalnym Wrocław, 08.03.2017r Model 1 Testowanie hipotez dla średniej w rozkładzie normalnym ze znaną
Bardziej szczegółowoTemat: 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 szczegółowoZadanie 1. (8 punktów) Dana jest nast puj ca macierz: M =
Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Dana jest nast puj ca macierz: M = 2 14 2 10 8 0 10 8. a) Znajd¹ rozwi zanie dwuosobowej gry o sumie zero maj cej powy»sz macierz wypªat. b) Przyjmuj
Bardziej szczegółowoSIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Bardziej szczegółowoHipotezy statystyczne
Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej próbki losowej. Hipotezy
Bardziej szczegółowoMatematyka i statystyka matematyczna dla rolników w SGGW
Było: Testowanie hipotez (ogólnie): stawiamy hipotezę, wybieramy funkcję testową f (test statystyczny), przyjmujemy poziom istotności α; tym samym wyznaczamy obszar krytyczny testu (wartość krytyczną funkcji
Bardziej szczegółowoWykªad 1+2: Klasyczny model regresji liniowej. Podstawy R
Wykªad 1+2: Klasyczny model regresji liniowej Podstawy R Ekonometria Stosowana SGH KMNK i R 1 / 45 Plan wykªadu 1 Informacje organizacyjne 2 Wprowadzenie do ekonometrii Ekonometria Dane i postacie funkcyjne
Bardziej szczegółowoHipotezy statystyczne
Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o którego prawdziwości lub fałszywości wnioskuje się na podstawie pobranej
Bardziej szczegółowoWeryfikacja hipotez statystycznych testy dla dwóch zbiorowości
Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości Informatyka 007 009 aktualizacja dla 00 JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Plan wykładu. Przypomnienie testu dla
Bardziej szczegółowo3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka
EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast
Bardziej szczegółowoMatematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 9. TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd.
WYKŁAD 9 TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd. Było: Przykład 1. Badano krąŝek o wymiarach zbliŝonych do monety jednozłotowej ze stronami oznaczonymi: A, B. NaleŜy ustalić, czy krąŝek jest symetryczny?
Bardziej szczegółowoTestowanie hipotez statystycznych cd.
Temat Testowanie hipotez statystycznych cd. Kody znaków: żółte wyróżnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Przykłady testowania hipotez dotyczących:
Bardziej szczegółowoTestowanie hipotez statystycznych
Temat Testowanie hipotez statystycznych Kody znaków: Ŝółte wyróŝnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Idea i pojęcia teorii testowania hipotez
Bardziej szczegółowoElementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo
Spis tre±ci Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci Spis tre±ci 1 2 3 4 5 Spis tre±ci Spis tre±ci 1 2 3 4
Bardziej szczegółowoTemat: 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 szczegółowoWeryfikacja 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 szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja) założenie: znany rozkład populacji (wykorzystuje się dystrybuantę)
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW
Statystyczna analiza danych w programie STATISTICA ( 4 (wykład Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Regresja prosta liniowa Regresja prosta jest
Bardziej szczegółowoStatystyka matematyczna. Wykład VI. Zesty zgodności
Statystyka matematyczna. Wykład VI. e-mail:e.kozlovski@pollub.pl Spis treści 1 Testy zgodności 2 Test Shapiro-Wilka Test Kołmogorowa - Smirnowa Test Lillieforsa Test Jarque-Bera Testy zgodności Niech x
Bardziej szczegółowoLABORATORIUM 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 szczegółowo1.1 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 szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) W modelu rezerwy R n = u + n (W 1 + + W n ) wiemy,»e W i s iid o rozkªadzie geometrycznym na 0, 1, 2,...
Bardziej szczegółowoEkonometria - wykªad 1
Ekonometria - wykªad 1 0. Wprowadzenie Barbara Jasiulis-Goªdyn 28.02.2014 2013/2014 Ekonometria Literatura [1] B. Borkowski, H. Dudek, W. Szczesny, Ekonometria. Wybrane Zaganienia, PWN, Warszawa 2003.
Bardziej szczegółowoWykład 12 Testowanie hipotez dla współczynnika korelacji
Wykład 12 Testowanie hipotez dla współczynnika korelacji Wrocław, 23 maja 2018 Współczynnik korelacji Niech będą dane dwie próby danych X = (X 1, X 2,..., X n ) oraz Y = (Y 1, Y 2,..., Y n ). Współczynnikiem
Bardziej szczegółowoMetody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis
Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod przedmiotu Język przedmiotu Rodzaj przedmiotu Dziedzina i dyscyplina
Bardziej szczegółowoWykład 12 Testowanie hipotez dla współczynnika korelacji
Wykład 12 Testowanie hipotez dla współczynnika korelacji Wrocław, 24 maja 2017 Współczynnik korelacji Niech będą dane dwie próby danych X = (X 1, X 2,..., X n ) oraz Y = (Y 1, Y 2,..., Y n ). Współczynnikiem
Bardziej szczegółowoTablica 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 szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowo