Metody probablistyczne i statystyka stosowana

Podobne dokumenty
In»ynierskie zastosowania statystyki wiczenia

Biostatystyka, # 5 /Weterynaria I/

Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13

5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

Biostatystyka, # 4 /Weterynaria I/

Elementarna statystyka Dwie próby: porównanie dwóch proporcji (Two-sample problem: comparing two proportions)

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

SIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Elementarna statystyka Test Istotno±ci (Tests of Signicance)

CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski

Wnioskowanie statystyczne. Statystyka w 5

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Ekonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

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

Rozkłady statystyk z próby. Statystyka

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

2. (8 punktów) 3. (8 punktów) 4. (8 punktów) 5. (8 punktów) EGZAMIN MAGISTERSKI, Matematyka w ekonomii i ubezpieczeniach

MODELE LINIOWE i MIESZANE

Elementarna statystyka Test Istotno±ci

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

1 Estymacja przedziałowa

Weryfikacja hipotez statystycznych

Zadanie 1. (8 punktów) Dana jest nast puj ca macierz: M =

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Pakiety statystyczne - Wykªad 8

Wykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym

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

EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

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

Przestrzeń probabilistyczna

Testowanie hipotez statystycznych.

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

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

Stacjonarne szeregi czasowe

PROBABILISTYKA I STATYSTYKA - Zadania do oddania

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

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

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji

LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

WYKŁAD 5 TEORIA ESTYMACJI II

WERYFIKACJA HIPOTEZ STATYSTYCZNYCH

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

Metody Statystyczne. Metody Statystyczne.

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

Wykład 3 Hipotezy statystyczne

Jednowymiarowa zmienna losowa

Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Spis treści 3 SPIS TREŚCI

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Weryfikacja hipotez statystycznych

Matematyka z elementami statystyki

Statystyka matematyczna. Wykład V. Parametryczne testy istotności

Ważne rozkłady i twierdzenia

Statystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski

Podstawy statystycznego modelowania danych - Wykªad 7

Statystyka w analizie i planowaniu eksperymentu

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

Prawdopodobieństwo i statystyka

Statystyka w analizie i planowaniu eksperymentu

Statystyka matematyczna - ZSTA LMO

Ważne rozkłady i twierdzenia c.d.

Na podstawie dokonanych obserwacji:

Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek

Pobieranie prób i rozkład z próby

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

Rozwini cia asymptotyczne dla mocy testów przybli»onych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska

STATYSTYKA wykład 5-6

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

STATYSTYKA MATEMATYCZNA

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

4.Zmienne losowe X 1, X 2,..., X 100 są niezależne i mają rozkład wykładniczy z α = 0.25 Jakie jest prawdopodobieństwo, że 1

Statystyka matematyczna

1 Lista 6 1. LISTA Obliczy JSN renty z doªu dla (30)-latka na 3 lata w wysoko±ci Obliczenia zrobi dla TT -PL97m oraz i = 4%.

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

Statystyczna analiza danych

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0

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

EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach. a) (6 pkt.) oblicz intensywno± pªaconych skªadek;

Rozkłady statystyk z próby

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

Dokładne i graniczne rozkłady statystyk z próby

Podstawy statystycznego modelowania danych Analiza prze»ycia

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

Transkrypt:

Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801 mod 4 1 *dzi kuj za pomoc w opracowaniu wybranych zada«wszystkim zanga»owanym

1 Zmienne losowe X i Y przyjmuj warto±ci ze zbioru {1,, 3}. losowych jest dany macierz Rozkªad ª czny zmiennych x 1 x x 3 y 1 y y 3 5 7 50 15 6 5 9 50 16 15 5 7 150 3 15 (wiersze numeruj warto±ci zmiennej losowej X, a kolumny numeruj warto±ci zmiennej losowej Y od 1 do 3). Oblicz prawdopodobie«stwo P {X 1 + κ Y }. P {X Y } P (X Y ) P (Y ) 9 50 60+9+3 50 9 11 0.4 Zmienna losowa X ma rozkªad χ o 331 stopniach swobody. Korzystaj c z centralnego twierdzenia granicznego obliczy prawdopodobie«stwo tego,»e P ( X 331 33.1 + κ). X χ 331 z CT G mamy X (EX, ), gdzie EX n, D X n X (n, n) standaryzacja X (m, ), Y X m (0, 1) Y X n n Y n + n X, n 331 P ( X 331 34.1) P ( Y 66 34.1) P ( 34.1 5.73Y 34.1) P ( 1.33 Y 1.33) Φ(1.33) 1 0.908 1 0.8164

3 Ogrzewanie i gwaªtowne schªadzanie metalu zwi ksza jego twardo±. W celu zbadania tego efektu, 11 + κ pr tów mosi»nych przekrojono na dwie cz ±ci i jedn z nich poddano takiej obróbce, podczas gdy druga nie byªa poddawana»adnym dziaªaniom i stanowiªa odniesienie (grup kontroln ). ast pnie zbadano twardo± obu cz ±ci. (...) rednia ró»nic wyniosªa d 0.111, a odchylenie standardowe byªo równe SD 1.6. Wyznaczy 90.0% przedziaª ufno±ci dla ±redniej ró»nic mi dzy modykowanym i kontrolnym pr tem. n 1, SD 1.6, d 0.111, 1 0.9 m m t 1 t 0.95,11 1.7959 [ d t 1 SD n 1, d + t 1 ] SD n 1 [ 0.111 1.7959 1.6, 0.111 + 1.7959 1.6 ] 11 11 4 Producent twierdzi,»e produkowane przez niego elementy konstrukcyjne odznaczaj si wytrzymaªo±ci 30 [kg/cm ]. Przeprowadzono badania, polegaj ce na wykonaniu 9 pomiarów, w wyniku których otrzymano prób (31.715, 9.7, 30.64, 31.54, 30.03, 9.685, 1 30.149, 8.77, 31.385). Wiadomo,»e dyspersja pomiarów wynosi. Czy badana partia powinna by odrzucona, gdy przyjmiemy poziom istotno±ci 0.1? 0.1, n 9, SD 1, X 30.357, H 0 : m m 0, H 1 : m m 0 P (U Q), Q [, U 1 ] [U 1, ] U X m 0 SD 1 30.357 30 0.5 8.01348 U 1 t 0.95,8 1.8595, Q [, 1.8595] [1.8595, ] U Q wi c odrzucamy hipotez na rzecz hipotezy alternatywnej, jednak - wyj tkowo - nie odrzucamy partii poniwa» jej wytrzymaªo± jest wi ksza, a nie mniejsza, ni» oczekiwana.

5 iech ξ 1, ξ, ξ 3,... b dzie ci gniem niezale»nych zmiennych losowych o rozkªadzie normalnym (0, 1) o g sto±ci iech X 7+κ i0 f(x) 1 e x π ξ i. Wyznaczy rozkªad zmiennej losowej X oraz obliczy X > 3EX. Zmienna X b dzie miaªa rozkªad χ o 8 stopniach swobody, poniewa» rozkªad χ jest deniowany jako suma kwadratów zmiennych o rozkªadzie standardowym normalnym. Z tego wiemy,»e EX n 8, D X n 16. P (X > 3EX) P (X > 4) 1 P (X 4) 1 0.995 0.005 6 Zmienna losowa X ma rozkªad Poissona ze ±redni 33. Korzystaj c z centralnego twierdzenia granicznego obliczy prawdopodobie«stwo tego,»e P ( X 33 33 + κ). λ 33 z CT G mamy X (EX, ), gdzie EX λ, D X λ X (λ, λ) standaryzacja X (m, ), Y X m (0, 1) Y X λ λ Y λ + λ X, λ 33 P ( X 33 34) P ( Y 33 34) P ( 34 5.74Y 34) P ( 5.9 Y 5.9) Φ(5.9) 1 1 1 1

7 W celu oceny wadliwo±ci produkcji p pobrano próbk 73 elementow. W próbie tej byªo Y 6 braków. Skonstruowa 1 1 0.01 0.01 κ przedziaª ufno±ci dla p. 73, Y 6, 1 0.98 Z 1 Z 0.99.33 p Y Z 1 Y (1 ) Y, p 6 6 73.33 (1 ) 6 73 73, 73 Y Y + Z 1 (1 Y 6 6 73 +.33 (1 ) 6 73 73 73 ) p [0.007913, 0.15709] 8 W fabryce produkuj cej nakr tki wylosowano 10 + κ nakr tek i zmierzono ich grubo±. Otrzymano S 1.6833 [mm ] i X 5.3955 [mm]. Czy na tej podstawie mo»na uzna,»e maszyna prodkuje nakr tki o rozmiarze nominalnym µ 6 [mm], je»eli przyjmiemy poziom istotno±ci 0.05? 11, S 1.6833, X 5.3955, 0.05, µ 0 6, H 0 : µ 0 µ, H 1 : µ 0 µ U X µ 0 S 1 5.3955 6 1.6833 10 1.47338 U t 1 t 0.975,10.81 Q (,.81) (.81, ) U / Q - ie ma podstaw do odrzucenia hipotezy zerowej. Przyjmujemy,»e maszyna produkuje nakr tki o rozmiarze nominalnym µ 6 [mm].

9 Z populacji o rozkªadzie normalnym (µ, 0.) pobrano próbk czteroelementow : 1.14, 1.06, 1.13, 1.17. a poziomie istotno±ci 0.05 zwerkowa hipotez,»e µ 1.05. 4, 0., X 1.15, 0.05, µ 0 1.05, H 0 : µ 1.05, H 1 : µ > 1.05 U X µ 0 1.15 1.05 0. 4 0.75 U Z 1 Z 0.95 1.645 Q (1.645, ) U / Q - ie ma podstaw do odrzucenia hipotezy zerowej. Przyjmujemy,»e µ 1.05. 10 iezale»ne zmienne losowe X i Y maj rozkªad normalny X (, ), Y (, ). Obliczy Z X + Y. X (, ), Y (, ), Z X + Y P (X x) f X (x) 1 π e (x µ) z denicji: P (Z x) P (X + Y x) P (X t, Y x t) dt

1 π e 1 8π 1 8π z niezale»no±ci: P (X t) P (Y x t) dt 1 8π (x 4) 1 8π (x 4) (t ) 8 1 π e e (t ) +(x t ) 8 dt e (t ) +(x t ) 8 1 8π (x 4) (x 4) e (x 4) 16 (x t ) 8 dt dt e (t ) +(x t ) (x 4) 16 dt e t 8t+8+(x t) 8(x t)+8 x +8x 16 16 dt 1 8π (x 4) y t x, 8 8π (x 4) e 4t 4xt+x 16 dt e ( t x ) 8 dt dy dx 1 8 e y dy y e dy jest znane (funkcja bª du Gaussa) i wynosi π: π 8π e (x 4) 16 1 e (x 4) 8 8 π Wynikiem jest funkcja gestosci zmiennej o rozkªadzie normalnym z parametrami (4, 8). Z ( +, + ) (4, 8)

11 Przeprowadzono eksperyment, w którym studenci generowali liczby losowe z pomoc pewnej procedury na komputerach osobistych. Rozkªad generowanej wielko±ci miaª rozkªad µ 58 i odchylenie standardowe 11. Ka»da wylosowana próba miaªa t sam wielko± (studenci umówili si w tej sprawie i wielko± próby nie byªa publicznie znana) i obliczyli ±redni ze swojej próby. Profesor stwierdziª,»e 73.16% próbek uzyskanych w eksperymencie le»y w przedziale mi dzy 1149 a 1171. Oszacowa (zakªadamy,»e jest tak du»e,»e mo»na 0 0 stosowa CTG do analizy ±redniej). µ 58, 11, 1 0.7316 z CTG: X (µ, ) Y X µ (0, 1) zakªadamy,»e [ 1149, ] 1171 0 0 jest naszym 73.16% przedziaªem ufno±ci: P m ( [ ]) 1149 x 0, 1171 0.7316 0 [ X z 1, X + z 1 ] X z 1 1149 0, z 0.86581 1.105 ( z1 ) 1149 X 0 ( 1.105 11 1149 58 0 ) 488

1 Wyst puj ce w ukªadach scalonych klasyczne tranzystory domieszkowane zªotem maj tzw. czas magazynowania ªadunku rz du 7ns. Producent ma nadziej,»e pewna zmianna technologiczna doprowadziªa do zmiejszednia czasu magazynowania w nowych tranzystorach i chciaªby oceni ró»nice mi dzy ±redni czasu magazynowania µ 1 przy starej technologii oraz czasie magazynowania µ po zmianie technologii. W tym celu pobraª dwie niezale»ne próby losowe po 75 tranzystorów ka»da, pierwsza skªadaj ca si z tranzystorów produkowanych zgodnie ze star technologi i drug skªadaj c si z nowych tranzystorów. Z pomiarów czasu magazynowania otrzymaª: x 1 7.8ns, x 7.4ns, oraz warto±ci nieobci»onych estymatorów wariancji s 1 0.53 oraz s 0.44. Wyznaczy przedziaª ufno±ci na poziomie ufno±ci 1 0.8 + 0.01 κ dla ró»nicy µ 1 µ zakªadaj c,»e wariancje w obu próbach statystycznych nie ró»ni si istotnie. n 1 n 75, x 1 7.8ns, x 7.4ns, 1 0.81, s 1 0.53, s 0.44 s p (n 1 1)s 1 + (n 1)s n 1 + n s p 74(7.8 + 7.4) 146 7.70 SE p SE p 7.7 s p ( 1 n 1 + 1 n ) ( ) 15.4 74 74 0.46 t 0.905,74 z 0.905 1.31 m ( (x 1 x ) t 1 SE p, (x 1 x ) + t 1 SE ) p m (0.4 1.31 0.46, 0.4 + 1.31 0.46) m ( 0.06, 1.006)

13 Dokonano 10 pomiarów pewnej wielko±ci i otrzymano wyniki: 4.98, 4.9, 4.88, 4.98, 5.0, 4.99, 5.08, 5.03, 4.86, 4.93. Dane pochodz z próby o rozkªadzie (5, 0.1). Sprawdzi,»e wariancja jest nie wi ksza ni» 0.05 przyjmuj c poziom istotno±ci równy 0.05. 0.05, X (5, 0.1), X 4.967, n 10, 0 0.05, H 0 : 0.05, H 1 : > 0.05 S 1 n n (X i X) 0.004301 i1 χ n S 0 10 0.004301 0.05 17.04 Z tablicy rozkªadu odczytujemy warto± χ 16.919 χ > χ zatem odrzucamy hipotez H 0 na rzecz hipotezy alternatywnej.

Wzory Funkcja rozkªadu prawdopodobie«stwa, warto± oczekiwana (warto± ±rednia), wariancja. P (X k) Rozkªad dwumianowy ( ) n p k (1 p) n k, EX n p, D X n p (1 p) k Rozkªad Poissona P (X k) e λ λk k!, EX λ n p, D X λ P (X k) Rozkªad hipergeometryczny ( m )( m ) k n k (, EX n n) ( m ), D X n m ( 1 m ) ( n) ( 1) Rozkªad geometryczny P (X k) 1 (1 p) k, EX 1 p, D X 1 p p Rozkªad Pascala ( ) k + r 1 P (r + k) p k (1 p) k, EX r 1 Rozkªad wykªadniczy r(1 p), D X r 1 p p p f(x) λ e λx, EX 1 λ, D X 1 λ Rozkªad normalny f(x) 1 π (x m) e, EX µ, D X