Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
|
|
- Ignacy Wilczyński
- 6 lat temu
- Przeglądów:
Transkrypt
1 Współzależność
2 Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę interpretujemy jako współrzędne punktu na płaszczyźnie, czyli w przestrzeni dwuwymiarowej. Załóżmy, że liczba obserwowanych obiektów wynosi n. Mamy zatem n punktów w układzie kartezjańskim XOY. Taki wykres nazywamy wykresem punktowym lub korelacyjnym. 2
3 Y 0 X 3
4 Jeśli będziemy zajmować się tylko jedną cechą (np. X), to zagadnienie redukuje się do przypadku jednowymiarowego (na rys. kółeczka na osi OX). Przejdźmy teraz od przypadku, gdy liczba obserwacji n (czyli punktów na płaszczyźnie) jest skończona, do przypadku, gdy n. Musimy teraz zmienić wykres przedstawiony na rysunku. Zamiast punktów na płaszczyźnie, których teraz jest nieskończenie wiele, zaznaczymy obszary o różnych gęstościach punktów empirycznych. 4
5 Y X Wewnątrz obszaru objętego krzywą zamkniętą oznaczoną liczbą gęstość punktów jest największa (stąd największe zaciemnienie tego obszaru), na obszarze między krzywą zamkniętą i 2 gęstość punktów jest mniejsza, stąd mniejsze zaciemnienie itd. Poza obszarem objętym krzywą 4 gęstość punktów jest najmniejsza. W szczególnym przypadku może to być obszar bez żadnego punktu, stąd jego zaciemnienie jest najmniejsze (na wykresie przyjęliśmy brak zaciemnienia). Rozrzut punktów empirycznych przedstawiony na rysunku jest oczywiście dużym uproszczeniem ułatwiającym sporządzenie wykresu. W rzeczywistości gęstość punktów empirycznych nie zmienia się skokowo, lecz w sposób ciągły. 5
6 Obliczmy średnią arytmetyczną (lub wartość oczekiwaną) cechy Y, ale tylko dla tych obserwacji (obiektów, punktów), dla których cecha X przyjęła wartość równą dokładnie x. Tę średnią arytmetyczną nazwiemy warunkową średnią arytmetyczną i oznaczymy symbolem y x. Jeśli punktów byłoby rzeczywiście nieskończenie wiele, mówilibyśmy o wa runkowej wartości oczekiwanej zmiennej Y, którą oznacza się symbolem Y X E Y. E ( = ) lub prościej ( ) x x 6
7 Y y śr /x y śr /x 2 (x 2 ; y śr /x 2 ) (x ; y śr /x ) 0 x x 2 X 7
8 Załóżmy dalej, że chcemy obliczyć drugą warunkową średnią arytmetyczną cechy Y na podstawie punktów o współrzędnych ( x, ) 2 y i, przy czym x2 x = x 0, x 2 > x. Ponieważ x 0, zatem punkty o współrzędnych ( x y ) oraz ( y ), x x stykają się. W taki sam sposób obliczymy 2, x 2 trzecią warunkową średnią arytmetyczną (lub warunkową wartość oczekiwaną), czwartą itd. W ten sposób możemy obliczyć warunkowe średnie arytmetyczne dla wszystkich możliwych wartości cechy X: x, x 2,... Liczba tych punktów jest oczywiście nieskończenie wielka, a punkty te stykają się i tworzą pewną linię. 8
9 Linię tę nazywamy linią regresji I rodzaju. Oczywiście linia regresji I rodzaju wcale nie musi być linią prostą. Kształt linii regresji I rodzaju zależy od łącznego rozkładu obu cech (ściślej zmiennych). Linia regresji I rodzaju zmiennej Y względem zmiennej X przyporządkowuje każdej możliwej wartości zmiennej X średnią (przeciętną) wartość zmiennej Y pod warunkiem, że cecha X przyjęła pewną konkretną wartość. Y 0 X 9
10 W teorii statystyki linię regresji I rodzaju definiuje się jako warunkowe wartości oczekiwane zmiennej Y (zwanej zależną) pod warunkiem, że zmienna X (zmienna niezależna) przyjmuje wartość x, czyli lub prościej ( X x) g ( x) = EY = ( X ) g ( x) = EY. Równanie linii regresji II rodzaju oznaczymy następująco: f ( x) = ax + b, lub $y = ax + b, gdzie a i b są to parametry funkcji liniowej wyznaczane na podstawie próby. Są to więc oceny nieznanych parametrów populacji generalnej α i β. Symbol y$ = f ( x) nazywa się wartością teoretyczną zmiennej zależnej Y pod warunkiem, że zmienna X przyjęła wartość x. Zwróćmy uwagę, że pojęciowo wartość teoretyczna zmiennej objaśnianej $y pokrywa się z warunkową średnią 0 arytmetyczną.
11 Nie ma oczywiście żadnych przeszkód, aby wprowadzić odwrotną linię regresji, zarówno I, jak i II rodzaju. Dla odróżnienia zależności zmiennej Y od X od zależności zmiennej X od Y, parametry tej pierwszej będziemy oznaczać subskryptem, tej drugiej zaś subskryptem 2. Zatem piszemy: g( x) = αx + β, f ( x) = a x + b, g2( y) = α 2x + β 2, f2( y) = a2y + b2, y$ = ax + b, x$ = a y + b. 2 2 Wszystkie rozważania dotyczące zależności odwrotnych są identyczne
12 Y y =ax+b y i e i 0 x i X 2
13 Współczynnik korelacji Kąt d przecięcia się obu prostych regresji zależy od rozrzutu punktów empirycznych na wykresie korelacyjnym. Im bardziej punkty zbliżają się do linii prostej, tym kąt przecięcia się obu prostych jest bliższy 80 (gdy parametry kierunkowe obu linii regresji są ujemne), lub 0 (gdy parametry kierunkowe obu linii regresji są dodatnie). Gdy wszystkie punkty układają się idealnie wzdłuż linii prostej, obie linie regresji pokrywają się, a zależność regresyjna przechodzi w liniową zależność funkcyjną. 3
14 y r = δ y, 2 x y r = 0 δ < r < 0 δ 2 2 x (na każdym wykresie krzyżykiem oznaczono śro dek ciężkości, tzn. punkt o współrzędnych ( x, y ) ) 4 x
15 y y 2 δ, 2 δ = 0 o x 0 <r < r = x 5
16 Miara siły zależności między dwoma zmiennymi X i Y Pożądane jest, aby miara ta spełniała pewne postulaty. Przede wszystkim powinna być unormowana na przedziale [, ], wtedy łatwa jest interpretacja tej miary. W przypadku dokładnej zależności liniowej powinna przyjmować wartość (gdy zależność jest ujemna) oraz (gdy zależność jest dodatnia). W przypadku całkowitego braku zależności powinna przyjmować wartość 0. Postulowane wartości, jakie powinna przyjmować miara zależności, zależą od kąta, pod jakim przecinają się obie proste regresji. Zwróćmy uwagę na kąt d, pod jakim przecinają się obie proste regresji. Jeśli wszystkie punkty układają się dokładnie wzdłuż linii prostej, co oznacza, że proste regresji pokrywają się (są wzajemnymi funkcjami odwrotnymi), a kąt między nimi wynosi bądź 80º bądź 0º. Warunki te spełnia funkcja cos d. Tak zdefiniowana miara zależności nazywana jest współczynnikiem korelacji Pearsona. 6
17 Współczynnik korelacji Pearsona r = sign( a aa, ) lub inaczej 2 r = ± a a 2, przy czym bierzemy współczynnik korelacji r ze znakiem +, jeśli oba parametry kierunkowe są dodatnie, oraz ze znakiem, jeśli oba są ujemne. 7
18 8 Współczynnik korelacji może być także wyliczony wprost ze wzoru: = = = = n k k n k k n k k k Y Y X X Y Y X X R 2 2 ) ( ) ( ) )( (
19 Interpretacja współczynnika korelacji jest następująca.. Znak współczynnika korelacji świadczy o kierunku zależności, i tak gdy: a) r > 0 występuje zależność stochastyczna dodatnia (wraz ze wzrostem wartości jednej zmiennej na ogół wzrastają również wartości drugiej zmiennej), b) r < 0 występuje zależność stochastyczna ujemna (wraz ze wzrostem wartości jednej zmiennej na ogół zmniejszają się wartości drugiej zmiennej). 2. Wartość modułu współczynnika korelacji świadczy o sile zależności, i tak gdy: a) r = 0 obie zmienne są nieskorelowane (praktycznie oznacza to brak liniowej zależności stochastycznej), b) 0 < r < występuje zależność stochastyczna, a siła tej zależności jest wprost proporcjonalna do modułu wartości współczynnika korelacji, c) r = występuje zależność funkcyjna (liniowa). 9
20 Przykład Zużycie surowca A i B w pewnym przedsiębiorstwie w ciągu 5 kolejnych miesięcy (X zużycie surowca A, Y zużycie surowca B). Miesiąc x i y i x i i y 2 x i y x i y i 2, 6 3,9 2 5,2 4 7,8 2 22,9 4,9 2, 0,9 4,4 0,8, ,9 3,,9 0,9 3,6 0,8,7 5 29,6 2, 4,6,9 2,6 3,6 8,74 Σ 25,5 20, 0,5 0, 44,39 9,23 20,4 2 i Wyznaczymy parametry obu linii regresji: $y = ax + b oraz $x = a y + b
21 y x 2
22 Obliczenia: x = 25,, y = 4, 02, 5( 20,4) 0,5 0, a = = 0,4540, ,39 0,5 b = 4,02 + 0, , 5,45, = y ˆ 0,4540x + 5,45, i = i 5( 20,4) 0,5 0, a 2 = = 2,84, 2 5 9,23 0, b = 25, + 2,84 4,02 33,869, 2 = x ˆ 2,84y + 33,869. i = i Równania obu linii regresji II rodzaju są więc następujące: x ˆ 2,84y + 33,869. i = i y ˆ 0,4540x + 5,45, i = i 22
23 współczynnik korelacji wynosi r = ( 0,4540) ( 2,84) = 0,995. Jest to więc zależność bardzo silna ujemna. 23
24 ...lub posługując się Excelem Zrzut ekranu 24
25 Macierz korelacji W przypadku większej od dwóch liczby zmiennych ( X, X 2,..., X k ) wszystkie współczynniki korelacji, między każdą parą zmiennych, tworzą macierz korelacji R: r2 r3 K rk r 2 r23 K r2k R = r 3 r32 K r3k. M M M M rk rk 2 rk 3 K Element r ij macierzy R określa siłę zależności korelacyjnej między zmienną X i oraz zmienną X j. 25
26 Własności macierzy R: ) r, ij 2) R k k (zapis ten oznacza, że macierz R ma wymiar k k, czyli jest macierzą kwadratową), 3) r =, ii T 4) r ij = rji lub R = R 5) R R R K, 0 2 R k = (macierz R jest macierzą symetryczną), gdzie R jest podmacierzą macierzy R po wykreśleniu jednego wiersza i jednej kolumny o tych samych numerach (macierz R jest więc w dalszym ciągu macierzą korelacji posiadającą wszystkie jej własności), czyli po usunięciu ze zbioru jednej zmiennej; analogicznie R 2 jest podmacierzą macierzy R itd.; symbol R oznacza wyznacznik macierzy R. 26
27 Przykład W grupie 0 przedsiębiorstw o tym samym profilu produkcyjnym przeprowadzono obserwacje 7 zmiennych: X koszty jednostkowe w zł/szt., X poziom produkcji w mln zł, 2 X 3 zatrudnienie pracowników bezpośrednio produkcyjnych w osobach, X wydajność pracy w tys. zł/osobę, 4 X techniczne uzbrojenie pracy w tys. zł/osobę, 5 X jakość produkcji (% braków), 6 X jakość surowca (% odpadów). 7 27
28 Macierz korelacji R: R = 0,729 0,230 0,203 0,234 0,809 0,585 0,729 0,378 0,393 0,243 0,685 0,383 0,230 0,378 0,965 0,942 0,237 0,4 0,203 0,393 0,965 0,95 0,242 0,392 0,234 0,243 0,942 0,95 0,355 0,545 0,809 0,685 0,237 0,242 0,355 0,779 0,585 0,383 0,4 0,392 0,545 0,779 W tej macierzy element w wierszu o numerze i oraz w kolumnie o numerze j jest współczynnikiem korelacji między zmienną X i i X j. Na przykład liczba 0,942 znajdująca się w trzecim wierszu i piątej kolumnie to współczynnik korelacji między zmienną X 3 i X 5. 28
29 Współczynnik korelacji wielorakiej W badaniach ekonometrycznych najczęściej występuj e przypadek, w którym na interesującą nas zmienną (tzw. zmienną objaśnianą) wpływa wiele różnych czynników (zmiennych objaśniających). Mamy wówczas do czynienia z wieloraką regresją II rodzaju: $y = bx + b x + K + b x + b. 2 2 k k 0 Załóżmy, że zmienną objaśnianą jest zmienna X r (częściej oznacza się ją symbolem Y). Tą miarą siły zależności jest współczynnik korelacji wielorakiej R R =. (3.4) R gdzie: R macierz korelacji między wszystkimi zmiennymi występującymi w równaniu (objaśniające wraz z objaśnianą), R macierz korelacji miedzy zmiennymi objaśniającymi. 29
30 Przykład cd. Załóżmy, że interesuje nas zależność kosztów jednostkowych od produkcji i wydajności pracy. Odpowiednie macierze dla tego przykładu będą następujące: 0,729 0,203 R = 0,729 0,393, 0,203 0,393 0,393 R = 0,393. Wyznaczniki tych macierzy przyjmują następujące wartości: R = 0, 56583, R = 0, Po podstawieniu do wzoru (3.4) mamy: R = 0, = 0, , Oznacza to, że zmienne 2 X i 4 X oddziaływują na zmienną X, po wyeliminowaniu wpływu innych zmiennych, z dość dużą siłą 30
Analiza współzależności dwóch cech I
Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38
Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34
Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoFUNKCJA LINIOWA. A) B) C) D) Wskaż, dla którego funkcja liniowa określona wzorem jest stała. A) B) C) D)
FUNKCJA LINIOWA 1. Funkcja jest rosnąca, gdy 2. Wskaż, dla którego funkcja liniowa jest rosnąca Wskaż, dla którego funkcja liniowa określona wzorem jest stała. 3. Funkcja liniowa A) jest malejąca i jej
Bardziej szczegółowoFUNKCJA KWADRATOWA. Zad 1 Przedstaw funkcję kwadratową w postaci ogólnej. Postać ogólna funkcji kwadratowej to: y = ax + bx + c;(
Zad Przedstaw funkcję kwadratową w postaci ogólnej Przykład y = ( x ) + 5 (postać kanoniczna) FUNKCJA KWADRATOWA Postać ogólna funkcji kwadratowej to: y = ax + bx + c;( a 0) Aby ją uzyskać pozbywamy się
Bardziej szczegółowoPOLITECHNIKA 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 szczegółowoSTATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 12 listopada 2017 1 Analiza współzależności dwóch cech 2 Jednostka zbiorowości - para (X,Y ). Przy badaniu korelacji nie ma znaczenia, która
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoAlgebra liniowa. Macierze i układy równań liniowych
Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 3 kwietnia Magdalena Alama-Bućko Statystyka 3 kwietnia / 36
Statystyka Wykład 7 Magdalena Alama-Bućko 3 kwietnia 2017 Magdalena Alama-Bućko Statystyka 3 kwietnia 2017 1 / 36 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoMatematyka licea ogólnokształcące, technika
Matematyka licea ogólnokształcące, technika Opracowano m.in. na podstawie podręcznika MATEMATYKA w otaczającym nas świecie zakres podstawowy i rozszerzony Funkcja liniowa Funkcję f: R R określoną wzorem
Bardziej szczegółowoFUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH
FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH PROPORCJONALNOŚĆ PROSTA Proporcjonalnością prostą nazywamy zależność między dwoma wielkościami zmiennymi x i y, określoną wzorem: y = a x Gdzie a jest
Bardziej szczegółowoRegresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowo3. FUNKCJA LINIOWA. gdzie ; ół,.
1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta
Bardziej szczegółowoFUNKCJA LINIOWA - WYKRES
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości
Bardziej szczegółowoFUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci
Bardziej szczegółowoZależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),
Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer
Bardziej szczegółowoWykład 14. Elementy algebry macierzy
Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,
Bardziej szczegółowoFunkcja liniowa - podsumowanie
Funkcja liniowa - podsumowanie 1. Funkcja - wprowadzenie Założenie wyjściowe: Rozpatrywana będzie funkcja opisana w dwuwymiarowym układzie współrzędnych X. Oś X nazywana jest osią odciętych (oś zmiennych
Bardziej szczegółowoFunkcje IV. Wymagania egzaminacyjne:
Wymagania egzaminacyjne: a) określa funkcję za pomocą wzoru, tabeli, wykresu, opisu słownego, b) odczytuje z wykresu funkcji: dziedzinę i zbiór wartości, miejsca zerowe, maksymalne przedziały, w których
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40
Statystyka Wykład 9 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka 7 maja 2018 1 / 40 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoX WYKŁAD STATYSTYKA. 14/05/2014 B8 sala 0.10B Godz. 15:15
X WYKŁAD STATYSTYKA 14/05/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 10 ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Kowariancja 3. Współczynnik korelacji liniowej definicja 4. Estymacja współczynnika
Bardziej szczegółowodr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna
Bardziej szczegółowoWspółczynniki korelacji czastkowej i wielorakiej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 18 listopada 2017 1 Regresja krzywoliniowa 2 Model potęgowy Model potęgowy y = αx β e można sprowadzić poprzez zlogarytmowanie obu stron równania
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowoAnaliza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
Bardziej szczegółowoM10. Własności funkcji liniowej
M10. Własności funkcji liniowej dr Artur Gola e-mail: a.gola@ajd.czest.pl pokój 3010 Definicja Funkcję określoną wzorem y = ax + b, dla x R, gdzie a i b są stałymi nazywamy funkcją liniową. Wykresem funkcji
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoFunkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska
Funkcje liniowe i wieloliniowe w praktyce szkolnej Opracowanie : mgr inż. Renata Rzepińska . Wprowadzenie pojęcia funkcji liniowej w nauczaniu matematyki w gimnazjum. W programie nauczania matematyki w
Bardziej szczegółowo6. FUNKCJE. f: X Y, y = f(x).
6. FUNKCJE Niech dane będą dwa niepuste zbiory X i Y. Funkcją f odwzorowującą zbiór X w zbiór Y nazywamy przyporządkowanie każdemu elementowi X dokładnie jednego elementu y Y. Zapisujemy to następująco
Bardziej szczegółowoĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI
ĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności
Bardziej szczegółowoPochodna funkcji a styczna do wykresu funkcji. Autorzy: Tomasz Zabawa
Pochodna funkcji a do wykresu funkcji Autorzy: Tomasz Zabawa 2018 Pochodna funkcji a do wykresu funkcji Autor: Tomasz Zabawa Pojęcie stycznej do wykresu funkcji f w danym punkcie wykresu P( x 0, f( x 0
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowo( ) Arkusz I Zadanie 1. Wartość bezwzględna Rozwiąż równanie. Naszkicujmy wykresy funkcji f ( x) = x + 3 oraz g ( x) 2x
Arkusz I Zadanie. Wartość bezwzględna Rozwiąż równanie x + 3 x 4 x 7. Naszkicujmy wykresy funkcji f ( x) x + 3 oraz g ( x) x 4 uwzględniając tylko ich miejsca zerowe i monotoniczność w ten sposób znajdziemy
Bardziej szczegółowoKorelacja krzywoliniowa i współzależność cech niemierzalnych
Korelacja krzywoliniowa i współzależność cech niemierzalnych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej
Bardziej szczegółowoĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji
Bardziej szczegółowoALGEBRA z GEOMETRIA, ANALITYCZNA,
ALGEBRA z GEOMETRIA, ANALITYCZNA, MAT00405 PRZEKSZTAL CANIE WYRAZ EN ALGEBRAICZNYCH, WZO R DWUMIANOWY NEWTONA Uprościć podane wyrażenia 7; (b) ( 6)( + ); (c) a 5 6 8a ; (d) ( 5 )( 5 + ); (e) ( 45x 4 y
Bardziej szczegółowoZadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie:
Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, 6 11 6 11, tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Uprośćmy najpierw liczby dane w treści zadania: 8 2, 2 2 2 2 2 2 6 11 6 11 6 11 26 11 6 11
Bardziej szczegółowoKurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 6 Teoria funkcje cz. 2
1 FUNKCJE Wykres i własności funkcji kwadratowej Funkcja kwadratowa może występować w 3 postaciach: postać ogólna: f(x) ax 2 + bx + c, postać kanoniczna: f(x) a(x - p) 2 + q postać iloczynowa: f(x) a(x
Bardziej szczegółowoUkłady równań i nierówności
Układy równań i nierówności Zad : Dla jakich wartości parametru m rozwiązaniem układu równań: + y m = 0 + y = 0 y jest para liczb x, y spełniająca warunek: =? x Odp: m = lub m = 4 Zad : Dla jakich wartości
Bardziej szczegółowoWstęp do analizy matematycznej
Wstęp do analizy matematycznej Andrzej Marciniak Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych i ich zastosowań w
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Bardziej szczegółowo(x j x)(y j ȳ) r xy =
KORELACJA. WSPÓŁCZYNNIKI KORELACJI Gdy w badaniu mamy kilka cech, często interesujemy się stopniem powiązania tych cech między sobą. Pod słowem korelacja rozumiemy współzależność. Mówimy np. o korelacji
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowoII. FUNKCJE WIELU ZMIENNYCH
II. FUNKCJE WIELU ZMIENNYCH 1. Zbiory w przestrzeni R n Ustalmy dowolne n N. Definicja 1.1. Zbiór wszystkich uporzadkowanych układów (x 1,..., x n ) n liczb rzeczywistych, nazywamy przestrzenią n-wymiarową
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
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 szczegółowoSzczegółowy 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 szczegółowoFUNKCJA LINIOWA. Zadanie 1. (1 pkt) Na rysunku przedstawiony jest fragment wykresu pewnej funkcji liniowej y = ax + b.
FUNKCJA LINIOWA Zadanie 1. (1 pkt) Na rysunku przedstawiony jest fragment wykresu pewnej funkcji liniowej y = ax + b. Jakie znaki mają współczynniki a i b? R: Przedstawiona prosta, jest wykresem funkcji
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoElementy rachunku różniczkowego i całkowego
Elementy rachunku różniczkowego i całkowego W paragrafie tym podane zostaną elementarne wiadomości na temat rachunku różniczkowego i całkowego oraz przykłady jego zastosowania w fizyce. Małymi literami
Bardziej szczegółowoLogarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne.
Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Definicja. Niech a i b będą dodatnimi liczbami rzeczywistymi i niech a. Logarytmem liczby b przy podstawie
Bardziej szczegółowoKształcenie w zakresie podstawowym. Klasa 2
Kształcenie w zakresie podstawowym. Klasa 2 Poniżej podajemy umiejętności, jakie powinien zdobyć uczeń z każdego działu, aby uzyskać poszczególne stopnie. Na ocenę dopuszczającą uczeń powinien opanować
Bardziej szczegółowoZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE II TECHNIKUM.
I. Funkcje. ZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE II TECHNIKUM. 1. Pojęcie funkcji i jej dziedzina. 2. Zbiór wartości funkcji. 3. Wykres funkcji liczbowej i odczytywanie jej własności
Bardziej szczegółowoTreść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.
. Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21
Bardziej szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R
Bardziej szczegółowoRozkłady dwóch zmiennych losowych
Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe
Bardziej szczegółowoZADANIA ZAMKNIETE W zadaniach 1-25 wybierz i zaznacz na karcie odpowiedzi poprawna
Arkusz A04 2 Poziom podstawowy ZADANIA ZAMKNIETE W zadaniach 1-25 wybierz i zaznacz na karcie odpowiedzi poprawna odpowiedź Zadanie 1. (0-1) Liczba π spełnia nierówność: A. + 1 > 5 B. 1 < 2 C. + 2 3 4
Bardziej szczegółowoUkłady równań. Kinga Kolczyńska - Przybycień 22 marca Układ dwóch równań liniowych z dwiema niewiadomymi
Układy równań Kinga Kolczyńska - Przybycień 22 marca 2014 1 Układ dwóch równań liniowych z dwiema niewiadomymi 1.1 Pojęcie układu i rozwiązania układu Układem dwóch równań liniowych z dwiema niewiadomymi
Bardziej szczegółowoROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. LICZBA TEMAT GODZIN LEKCYJNYCH Potęgi, pierwiastki i logarytmy (8 h) Potęgi 3 Pierwiastki 3 Potęgi o wykładnikach
Bardziej szczegółowoWektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy
Wektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy Justyna Winnicka Na podstawie podręcznika Matematyka. e-book M. Dędys, S. Dorosiewicza, M. Ekes, J. Kłopotowskiego. rok akademicki 217/218
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoAlgebra liniowa z geometrią
Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........
Bardziej szczegółowo1) 2) 3) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25)
1) Wykresem funkcji kwadratowej f jest parabola o wierzchołku w początku układu współrzędnych i przechodząca przez punkt. Wobec tego funkcja f określona wzorem 2) Punkt należy do paraboli o równaniu. Wobec
Bardziej szczegółowoROZKŁAD MATERIAŁU DLA KLASY I LICEUM I TECHNIKUM (ZAKRES PODSTAWOWY I ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ
ROZKŁAD MATERIAŁU DLA KLASY I LICEUM I TECHNIKUM (ZAKRES PODSTAWOWY I ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ ZBIORY TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ Z
Bardziej szczegółowoProjekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Biotechnologia w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era inżyniera
Bardziej szczegółowoKLASA III LO Poziom podstawowy (wrzesień/październik)
KLASA III LO (wrzesień/październik) ZAKRES PODSTAWOWY. Funkcje. Uczeń: ) określa funkcje za pomocą wzoru, tabeli, wykresu, opisu słownego; ) oblicza ze wzoru wartość funkcji dla danego argumentu. Posługuje
Bardziej szczegółowoZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Bardziej szczegółowoI V X L C D M. Przykłady liczb niewymiernych: 3; 2
1 LICZBY Liczby naturalne: 0; 1; 2; 3;.... Liczby całkowite:...; -3; -2; -1; 0; 1; 2; 3;.... Liczbą wymierną nazywamy każdą liczbę, którą można zapisać w postaci ułamka a b, gdzie a i b są liczbami całkowitymi,
Bardziej szczegółowoFunkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki
Bardziej szczegółowo1 + x 1 x 1 + x + 1 x. dla x 0.. Korzystając z otrzymanego wykresu wyznaczyć funkcję g(m) wyrażającą liczbę pierwiastków równania.
10 1 Wykazać, że liczba 008 008 10 + + jest większa od Nie używając kalkulatora, porównać liczby a = log 5 log 0 + log oraz b = 6 5 Rozwiązać równanie x + 4y + x y + 1 = 4xy 4 W prostokątnym układzie współrzędnych
Bardziej szczegółowoRegresja i Korelacja
Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane
Bardziej szczegółowoSzczegółowy 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 szczegółowoTechnikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu
Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych
Bardziej szczegółowoSPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI
SPIS TREŚCI WSTĘP.................................................................. 8 1. LICZBY RZECZYWISTE Teoria............................................................ 11 Rozgrzewka 1.....................................................
Bardziej szczegółowo15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej
15. Macierze Definicja Macierzy. Dla danego ciała F i dla danych m, n IN funkcję A : {1,...,m} {1,...,n} F nazywamy macierzą m n ( macierzą o m wierszach i n kolumnach) o wyrazach z F. Wartość A(i, j)
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoPróbny egzamin z matematyki dla uczniów klas II LO i III Technikum. w roku szkolnym 2012/2013
Próbny egzamin z matematyki dla uczniów klas II LO i III Technikum w roku szkolnym 2012/2013 I. Zakres materiału do próbnego egzaminu maturalnego z matematyki: 1) liczby rzeczywiste 2) wyrażenia algebraiczne
Bardziej szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoPRÓBNA MATURA ZADANIA PRZYKŁADOWE
ZESPÓŁ SZKÓŁ HOTELARSKO TURYSTYCZNO GASTRONOMICZNYCH NR UL. KRASNOŁĘCKA, WARSZAWA Z A D AN I A Z A M K N I Ę T E ) Liczba, której 5% jest równe 6, to : A. 0, C. 0. D. 0 5% 6 II sposób: x nieznana liczba
Bardziej szczegółowoFunkcja liniowa i prosta podsumowanie
Funkcja liniowa i prosta podsumowanie Definicja funkcji liniowej Funkcja liniowa określona jest wzorem postaci: y = ax + b, x R, a R, b R a, b współczynniki funkcji dowolne liczby rzeczywiste a- współczynnik
Bardziej szczegółowoFUNKCJE ELEMENTARNE I ICH WŁASNOŚCI
FUNKCJE ELEMENTARNE I ICH WŁASNOŚCI DEFINICJA (funkcji elementarnych) Podstawowymi funkcjami elementarnymi nazywamy funkcje: stałe potęgowe wykładnicze logarytmiczne trygonometryczne Funkcje, które można
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoRozkład materiału a wymagania podstawy programowej dla I klasy czteroletniego liceum i pięcioletniego technikum. Zakres rozszerzony
Rozkład materiału a wymagania podstawy programowej dla I klasy czteroletniego liceum i pięcioletniego technikum. Zakres rozszerzony ZBIORY TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY
Bardziej szczegółowoCo to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem.
1 Wektory Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem. 1.1 Dodawanie wektorów graficzne i algebraiczne. Graficzne - metoda równoległoboku. Sprowadzamy wektory
Bardziej szczegółowoPLAN WYNIKOWY PROSTO DO MATURY KLASA 1 ZAKRES PODSTAWOWY
PLAN WYNIKOWY PROSTO DO MATURY KLASA 1 ZAKRES PODSTAWOWY Copyright by Nowa Era Sp. z o.o. Warszawa 019 Liczba godzin TEMAT ZAJĘĆ EDUKACYJNYCH Język matematyki 1 Wzory skróconego mnożenia 3 Liczby pierwsze,
Bardziej szczegółowoElementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Bardziej szczegółowoEstymacja parametrów w modelu normalnym
Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia
Bardziej szczegółowo1.UKŁADY RÓWNAŃ LINIOWYCH
UKŁADY RÓWNAŃ 1.UKŁADY RÓWNAŃ LINIOWYCH Układ: a1x + b1y = c1 a x + by = c nazywamy układem równań liniowych. Rozwiązaniem układu jest kaŝda para liczb spełniająca kaŝde z równań. Przy rozwiązywaniu układów
Bardziej szczegółowo1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:
Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).
Bardziej szczegółowo