Statystyka Wzory I. Analiza struktury
|
|
- Feliks Grzelak
- 6 lat temu
- Przeglądów:
Transkrypt
1 Uiwersytet Ekooiczy w Katowicach Wzory I. Aaliza struktury 1. Miary tedecji cetralej (średie, przecięte Średia arytetycza Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej skokowej (przedziałowego x = 1 N x i x = 1 N x i i = x i w i x 1 N ˆx i i = ˆx i w i i liczebości, w i częstości, ˆx i środek przedziału, k liczba przedziałów (grup Doiata Dla sz. ważoego dla zieej skokowej Dla sz. ważoego dla z. ciągłej (przedziałowego D = x D g D g D 1 D x D + (g D g D 1 + (g D g D+1 D, dla której D = ax{ i } x D lewy koiec przedziału z D (tj. przedziału o ajwiększej gęstości, g D gęstość przedziału z D, g D = D D g D 1 gęstość przedziału poprzedzającego przedział D, g D+1 gęstość przedziału astępującego po przedziale D, D długość przedziału D. Jeśli szereg a przedziały o rówej długości, to oża korzystać ze wzoru: Kwatyl rzędu p Dla sz. ważoego dla zieej skokowej D D 1 D x D + ( D D 1 + ( D D+1 D, D liczebość przedziału z D, D 1 liczebość przedziału poprzedzającego przedział D, D+1 liczebość przedziału astępującego po przedziale D. Dla sz. ważoego dla z. ciągłej (przedziałowego Q p = x [N p]+1 p to rząd kwatyla Mediaa to Me = Q 0,5 jeśli N jest parzyste, to lub x Qp Q p x Qp + p N cu Q p 1 Qp Q p x Qp + p cu w Q p 1 w Qp Qp Qp lewy koiec przedziału z Q p (tj. przedziału, w który zajduje się obserwacja o uerze: [N p] + 1, cu Qp 1 skuulowaa liczebość do przedziału Me = x 0,5N + x 0,5N+1 poprzedzającego przedział z Q p, cu w Qp 1 skuulowaa częstość do przedziału jeśli N jest ieparzyste,to poprzedzającego przedział z Q p, Me = x 0,5(N+1 Qp liczebość przedziału z Q p, w Qp częstość przedziału z Q p, Qp długość przedziału z Q p. 1
2 . Miary zróżicowaia (rozproszeia, zieości, dyspersji Wariacja Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej skokowej (przedziałowego S (x = 1 N (x i x S (x = 1 N (x i x i S (x 1 N (ˆx i x i Odchyleie stadardowe s(x = S (x Odchyleie przecięte Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej skokowej (przedziałowego d(x = 1 N x i x d(x = 1 N x i x i d(x 1 N ˆx i x i Klasyczy współczyik zieości Rozstęp Odchyleie ćwiartkowe V (x = s(x x 100% R = x ax x i Q = Q 0,75 Q 0,5 Pozycyjy współczyik zieości V Q = Q Me 3. Miary asyetrii (skośości Moet cetraly trzeciego rzędu Dla sz. ważoego Dla sz. ważoego dla z. ciągłej Dla szeregu wyliczającego: dla zieej skokowej (przedziałowego M 3 (x = 1 N (x i x 3 M 3 (x = 1 N (x i x 3 i M 3 (x 1 N (ˆx i x 3 i Zestadaryzoway oet cetraly trzeciego rzędu λ 3 (x = M 3(x (s(x 3 Współczyik asyetrii Pearsoa γ = x D s(x Pozycyjy współczyik asyetrii (Yule a-kedall a A = (Q 0,75 Me (Me Q 0,5 Q 0,75 Q 0,5
3 II. Aaliza zależości (współzależości zjawisk Kowariacja cov(x, y = 1 N (x i x (y i ȳ Współczyik korelacji liiowej Pearsoa cov(x, y r xy = s(x s(y s(x, s(y odchyleia stadardowe zieych x, y. r xy bada tylko liiową zależość iędzy zieyi, r xy 1, 1 i pozwala określić siłę i kieruek zależości liiowej jeśli r xy jest bliskie 0, to ay słabą zależość liiową iędzy zieyi, jeśli r xy jest bliskie 1, to ay silą zależość liiową iędzy zieyi, jeśli r xy > 0, to zależość iędzy zieyi jest dodatia, jeśli r xy < 0, to zależość iędzy zieyi jest ujea. Fukcja regresji (II rodzaju ŷ i = ax i + b cov(x, y a = S (x, b = ȳ a x ŷ i to wartości teoretycze z. Y, S (x wariacja z. X, zaś x, ȳ średie dla z. X i Y. Miary dopasowaia fukcji regresji odchyleie stadardowe reszt: N (y i ŷ i s u = N k k to liczba paraetrów fukcji regresji; współczyik zbieżości: N ϕ (y i ŷ i = N (y i ȳ współczyik deteriacji: R = 1 ϕ R 0, 1, i większe R ty lepsze dopasowaie fukcji regresji do daych, dla regresji prostoliiowej zachodzi: R = (r xy. Stadardowy błąd progozy D (x ew = s u N + (x ew x N (x i x x ew to owa obserwacja, dla której chcey obliczyć progozę ŷ(x ew Tablica korelacyja X \ Y y 1 y... y i x x x 1... j 1... N 3
4 Stosuki korelacyje (wskaźiki siły korelacyjej z. Y względe z. X e y/x = S (y xi S (y S (y xi = 1 (y xi ȳ i oraz S (y = 1 N N z. X względe z. Y e x/y = S (x yj S (x S (x yj = 1 ( x yj x j oraz S (x = 1 N N e y/x, e y/x 0, 1, x yj, y xi j=1 średie warukowe. (y j ȳ j j=1 (x i x i III. Aaliza dyaiki zjawisk Przyrosty absolute o stałej podstawie: t/c = y t y c łańcuchowe: t/t 1 = y t y t 1 Przyrosty względe o stałej podstawie: d t/c = y t y c łańcuchowe: d t/t 1 = y t y t 1 y c y t 1 Ideksy idywiduale o stałej podstawie: i t/c = y t łańcuchowe: i t/t 1 = y t y c y t 1 Średi ideks zia ī G = 1 y i t/t 1 = 1 t= y 1 Progoza a k okresów w przyszłość ŷ t+k = y t (ī G k Agregatowy ideks wartości p it q it I w = p i0 q i0 p i0, p it cey w okresie bazowy i baday, q i0, q it ilości w okresie bazowy i baday. Agregatowe ideksy ce foruła Laspeyresa I p/q0 = Agregatowe ideksy ilości foruła Laspeyresa I q/p0 = p it q i0 foruła Paaschego: I p/qt = p i0 q i0 p i0 q it foruła Paaschego: I q/pt = p i0 q i0 p it q it p i0 q it p it q it p it q i0 4
5 IV. Eleety rachuku prawdopodobieństwa Dystrybuata ziea skokowa ziea ciągła F (x = P (X < x = p i F (x = P (X < x = x f(t dt x i <x p i = P (X = xi f to fukcja gęstości prawdopodobieństwa Wartość oczekiwaa ziea skokowa ziea ciągła E(X = x i p i E(X = xf(x dx Wariacja ziea skokowa ziea ciągła D (X = (x i E(X p i D (X = (x E(X f(x dx lub rówoważie lub rówoważie ( D (X = x i p i x i p i D (X = x f(x dx xf(x dx Rozkład dwuiaowy (Beroulliego x i = k {0, 1,..., }, stałe p, q 0, p + q = 1 wtedy E(X = p, D (X = pq Rozkład oraly Fukcja gęstości X N (, σ wtedy E(X =, D (X = σ P (X = k = ( p k q k k f(x = 1 σ (x π e σ Stadaryzacja rozkładu Jeśli X N (, σ, to U = X N (0, 1 σ Rozkład χ (chi-kwadrat Jeśli U 1,..., U k są iezależyi zieyi o rozkładzie N (0, 1, to ziea χ = Ui a rozkład χ o k stopiach swobody (χ χ k. Wtedy E(χ = k, Rozkład t Studeta Jeśli U N (0, 1 a V χ k, to ziea t = U V k a rozkład t Studeta o k stopiach swobody (t t k. Wtedy E(t = 0, D (t = k, k > k Rozkład Fishera Jeśli U χ k 1 i V χ k, to ziea F = U k 1 V k D (χ = k a rozkład Fishera o k 1 i k stopiach swobody (F F k1,k. Wtedy E(F = k, k k >, D (F = k (k 1+k, k k 1 (k (k 4 > 4 5
6 V. Estyacja puktowa i przedziałowa Nieobciążoe estyatory puktowe Paraetr Estyator Średi błąd szacuku wartość oczekiwaa X średia z próby D(X = σ σ wariacja z populacji Ŝ = 1 (x i x 1 p wskaźik struktury ρ wsp. korelacji w populacji Wybrae przedziały ufości dla w rozkładzie N (, σ, gdy σ zae P częstość względa z próby D r wsp. korelacji z próby (X u α σ < < X + u α σ = 1 α ( ( 1 u α wartość krytycza odczytaa z rozkładu N (0, 1 taka, że P ( U < u α = 1 α dla w rozkładzie N (, σ, gdy σ iezae, 30 ( P X t α, 1 < < X + t α, 1 = 1 α t α, 1 wartość krytycza odczytaa z rozkładu t Studeta z 1 stopiai swobody taka, że P ( t < t α, 1 = 1 α dla w populacji o iezay rozkładzie, > 10 ( P X u α < < X + u α 1 α dla σ w rozkładzie N (, σ, 30 ( 1Ŝ P < σ < χ α, 1 ( 1Ŝ = 1 α χ 1 α, 1 χ α, 1 wartość krytycza odczytaa z rozkładu χ z 1 stopiai swobody taka, że P (χ > χ α, 1 = α, zaś χ 1 α, 1 wartość krytycza odczytaa z rozkładu χ z 1 stopiai swobody taka, że P (χ > χ 1 α, 1 = 1 α dla σ w rozkładzie N (, σ, > 30 Ŝ P 1 + uα ( 1 < σ < Ŝ 1 uα ( 1 = 1 α dla p, gdy > 100 (koiecza duża próba P u α ( 1 < p < + u α ( 1 = 1 α 6
7 Miiala liczebość próby przy szacowaiu wartości przeciętej u ασ przy szacowaiu frakcji p u α ( 1 d d u α wartość krytycza odczytaa z rozkładu N (0, 1, d aksyaly błąd szacuku VI. Weryfikacja hipotez statystyczych Wybrae testy istotości dla w rozkładzie N (, σ, gdy σ iezae, > 30 H 0 : = 0 U = X 0 Przy przyjętych założeiach U N (0, 1 dla w rozkładzie N (, σ, gdy σ iezae, 30 H 0 : = 0 t = X 0 Przy przyjętych założeiach t a rozkład t Studeta z ( 1 stopiai swobody dla w dowoly rozkładzie, gdy > 10 H 0 : = 0 U = X 0 Przy przyjętych założeiach U N (0, 1 test istotości różic średich w dwóch populacjach oralych N ( 1, σ 1 i N (, σ, σ 1 = σ jest iezae H 0 : 1 = t = X 1 X ( p p = ( 1 1Ŝ 1 + ( 1Ŝ 1 + Przy przyjętych założeiach t a rozkład t Studeta z ( 1 + stopiai swobody test istotości różic średich w dwóch populacjach oralych N ( 1, σ 1 i N (, σ, σ 1 σ jest iezae H 0 : 1 = t = X 1 X Przy przyjętych założeiach t a rozkład t Studeta z ν stopiai swobody, ( ν ( ( 1 7
8 Wybrae testy istotości dla p gdy > 100 (koiecza duża próba H 0 : p = p 0 Przy przyjętych założeiach U N (0, 1 U = p 0 p0 (1 p 0 test istotości a rówość dwóch frakcji (koiecze duże próby H 0 : p 1 = p Przy przyjętych założeiach U N (0, U = ( ˆp(1 ˆp ˆp = dla σ w rozkładzie N (, σ H 0 : σ = σ0 wobec H 1 : σ > σ0 χ ( 1Ŝ = σ0 Przy przyjętych założeiach χ a rozkład chi kwadrat z ( 1 stopiai swobody test istotości a rówość wariacji w dwóch populacjach oralych N ( 1, σ 1 i N (, σ H 0 : σ 1 = σ wobec H 1 : σ 1 > σ F = Ŝ 1 Ŝ Należy tak ozaczyć próby, aby Ŝ 1 Ŝ Przy przyjętych założeiach F a rozkład Fishera z 1 1 oraz 1 stopiai swobody Test iezależości χ Założeie hj > 8 H 0 : ziee X i Y są iezależe wobec H 1 : ziee X i Y są zależe H J χ ( hj ˆ hj = h=1 j=1 ˆ hj hj i ˆ hj to epirycze i teoretycze liczebości oraz ˆ hj = j h Obszar krytyczy jest prawostroy, zaś χ α to wartość krytycza odczytaa z tablic rozkładu χ dla ustaloego poziou istotości α oraz (H 1(J 1 stopi swobody Test serii do badaia losowości próby H 0 : próba jest losowa wobec H 1 : próba ie jest pobraa w sposób losowy : S liczba serii Obszar krytyczy (obustroy: Q = {S : S S α S S 1 α }, S α i S 1 α to wartości krytycze odczytae z tablic serii 8
Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowoMiary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowoStatystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste
Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x
Bardziej szczegółowoSTATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej
Bardziej szczegółowoSTATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobieństwo i statystyka.0.00 r. Zadaie Rozważy astępującą, uproszczoą wersję gry w,,woję. Talia składa się z 5 kart. Dobrze potasowae karty rozdajey dwó graczo, każdeu po 6 i układay w dwie kupki.
Bardziej szczegółowoPodstawowe pojęcia. Próba losowa. Badanie próby losowej
METODY PROBABILISTYCZNE I STATYSTYKA WYKŁAD 8: STATYSTYKA OPISOWA. ROZKŁADY PRAWDOPODOBIEŃSTWA WYSTĘPUJĄCE W STATYSTYCE. Małgorzata Krętowska Wydział Iforatyki Politechika Białostocka Podstawowe pojęcia
Bardziej szczegółowoCOLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871
COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara
Bardziej szczegółowo1 Dwuwymiarowa zmienna losowa
1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla
Bardziej szczegółowoRozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej:
Rozkład χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep
Bardziej szczegółowoKorelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12
Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu
Bardziej szczegółowo1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,
1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =
Bardziej szczegółowoParametryczne Testy Istotności
Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać
Bardziej szczegółowoχ 2 = + 2π 2 Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: σ
χ Niech ziea losowa a rozkład oralyn(; µ,). Zajdziey rozkład zieej: µ Stadaryzjąc zieą losową µ otrzyjey stadaryzoway rozkład Gassa: ( ;, ) ep N 0 π Rozkład zieej a więc postać: d ( X + ) N N ep d π Rozważy
Bardziej szczegółowo1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
Bardziej szczegółowoModa (Mo, D) wartość cechy występującej najczęściej (najliczniej).
Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy
Bardziej szczegółowoWybrane litery alfabetu greckiego
Wybrae litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilo η eta Θ θ theta κ kappa Λ λ lambda µ mi ν i ξ ksi π pi ρ, ϱ ro σ sigma τ tau Φ φ, ϕ fi χ chi Ψ ψ psi Ω ω omega Ozaczeia a i
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoRozkłady statystyk z próby Twierdzenia graniczne
Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej
Bardziej szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowoStatystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowo1 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 szczegółowod wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie
Bardziej szczegółowoSTATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś
1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.
Bardziej szczegółowoWykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2
Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%
Bardziej szczegółowoEstymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoEstymacja parametrów populacji
Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 2 1 / 20 MIARY ROZPROSZENIA, Wariancja Wariancją z próby losowej X
Bardziej szczegółowoZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.
STATYSTYKA to auka, której przedmiotem zaiteresowaia są metody pozyskiwaia i prezetacji, a przede wszystkim aalizy daych opisujących zjawiska masowe. Metody statystycze oparte są a rachuku prawdopodobieństwa.
Bardziej szczegółowo1 Testy statystyczne. 2 Rodzaje testów
1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli
Bardziej szczegółowoĆwiczenie 2 ESTYMACJA STATYSTYCZNA
Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej
Bardziej szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowoPodstawowe rozkłady zmiennych losowych typu dyskretnego
Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea
Bardziej szczegółowoElementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Bardziej szczegółowoNiezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne
Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoModele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoStatystyczny opis danych - parametry
Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea
Bardziej szczegółowoAnaliza szeregów czasowych
Statystyka Wykład 5. Analiza szeregów czasowych michal.trzesiok@ue.katowice.pl Uniwersytet Ekonomiczny w Katowicach Katedra Analiz Gospodarczych i Finansowych 9 listopada 2015 r. Plan Szeregi czasowe wprowadzenie
Bardziej szczegółowoHistogram: Dystrybuanta:
Zadaie. Szereg rozdzielczy (przyjmujemy przedziały klasowe o długości 0): x0 xi i środek i*środek i_sk częstości częstości skumulowae 5 5 8 0 60 8 0,6 0,6 5 5 9 0 70 7 0,8 0, 5 5 5 0 600 0, 0,6 5 55 8
Bardziej szczegółowoEstymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7
Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
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 szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoANALIZA DANYCH DYSKRETNYCH
ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,
Bardziej szczegółowoTESTY LOSOWOŚCI. Badanie losowości próby - test serii.
TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym
Bardziej szczegółowoKurs Prawdopodobieństwo Wzory
Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoWykład 11 ( ). Przedziały ufności dla średniej
Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowoStatystyka. Katarzyna Chudy Laskowska
Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.
Bardziej szczegółowoPodstawowe testy statystyczne i analiza zależności zjawisk
Podstawowe testy statystycze i aaliza zależości zjawisk PODSTAWOWE TESTY STATYSTYCZNE Hipotezy statystycze Hipoteza statystycza dowole przypuszczeie dotyczące rozkładu lub jego parametrów Hipoteza parametrycza
Bardziej szczegółowoSIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania
SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru
Bardziej szczegółowoWnioskowanie 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 szczegółowoStatystyka matematyczna. Wykład III. Estymacja przedziałowa
Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności
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 szczegółowoEstymacja przedziałowa:
Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test
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 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 szczegółowoEstymacja przedziałowa - przedziały ufności
Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi
Bardziej 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 szczegółowoAnaliza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora
Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia
Bardziej szczegółowoTestowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15
Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay
Bardziej szczegółowo1 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 szczegółowoStatystyka matematyczna dla leśników
Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Estymacja puktowa i przedziałowa Marta Zalewska Zakład Profilaktyki Zagrożeń Środowiskowych i Alergologii Populacja Próba losowa (próbka) Parametry rozkładu Estymatory (statystyki) Własości estymatorów
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoROZKŁADY ZMIENNYCH LOSOWYCH
ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X
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 szczegółowooznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:
Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:
Bardziej szczegółowoRozkłady statystyk z próby
METODY PROBABILISTYCZE I STATYSTYKA WYKŁAD 0: ROZKŁADY STATYSTYK Z PRÓBY. PRZEDZIAŁY UFOŚCI. Rozkłady tatytyk z róby Statytyką azyway zieą loową, będącą fkcją zieych loowych,,..., taowiących róbę. Statytyka
Bardziej szczegółowoZawartość. 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 szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoz przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X
Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie
Bardziej szczegółowo... 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 szczegółowoPorównanie dwu populacji
Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowoAnna Czapkiewicz Przykłady zależności pomiędzy dochodem a wydatkami na konsumpcję w przypadku losowości zmiennej niezależnej
Przykłady zależości poiędzy dochode a wydatkai a kosupcję w przypadku losowości zieej iezależej Maagerial Ecooics, 65-74 27 Ekooia Meedżerska 27, r, s. 65 74 * Przykłady zależości poiędzy dochode a wydatkai
Bardziej szczegółowo0.1 ROZKŁADY WYBRANYCH STATYSTYK
0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.
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 szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowoPorównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska
Porównanie modeli statystycznych Monika Wawrzyniak Katarzyna Kociałkowska Jaka jest miara podobieństwa? Aby porównywać rozkłady prawdopodobieństwa dwóch modeli statystycznych możemy użyć: metryki dywergencji
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowo