Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

Podobne dokumenty
wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości specyficznych parametrów populacji.

1 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,

Przewodnik do ćwiczeń ze statystyki

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

. Wtedy E V U jest równa

Prawdopodobieństwo i statystyka r.

ma rozkład normalny z nieznaną wartością oczekiwaną m

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Prawdopodobieństwo i statystyka r.

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

1 Dwuwymiarowa zmienna losowa

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

Statystyczne charakterystyki liczbowe szeregu

Planowanie eksperymentu pomiarowego I

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Podstawy opracowania wyników pomiarowych, analiza błędów

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

Analityka chemiczna. Podstawy statystyki. Marek Kręglewski tel

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

ROZKŁADY ZMIENNYCH LOSOWYCH

AKADEMIA MORSKA W SZCZECINIE

Wykład 2 Elementy statystyki.

Wyrażanie niepewności pomiaru

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

będą niezależnymi zmiennymi losowymi o tym samym 2 x

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

JEDNOWYMIAROWA ZMIENNA LOSOWA

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

PDF created with FinePrint pdffactory Pro trial version WIII/1

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Instrukcja do wykonania zadania. Masa ciała. Wys. Ciała

Statystyka opisowa. Stawia się pytania: pytanie co? poprzedza pytanie jak?. Najpierw potrzebna jest miara, potem można badać zmiany tej miary.

STATYSTKA I ANALIZA DANYCH LAB I. 2. Plan laboratorium I techniki statystyki opisowej

Średnia harmoniczna (cechy o charakterze ilorazu np. Prędkość, gęstość zaludnienia)

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

Wnioskowanie statystyczne dla korelacji i regresji.

VI. TWIERDZENIA GRANICZNE

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

będzie próbką prostą z rozkładu normalnego ( 2

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Niepewności pomiarów. DR Andrzej Bąk

Funkcja wiarogodności

Metoda Monte-Carlo i inne zagadnienia 1

Matematyczny opis ryzyka

STATYSTYKA OPISOWA. Statystyka. Losowanie (pomiar)

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

Statystyka Matematyczna Anna Janicka

Analiza niepewności pomiarów Definicje

Materiały do wykładu 7 ze Statystyki

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

STATYSTYKA OPISOWA WYKŁAD 3,4

Badania niezawodnościowe i statystyczna analiza ich wyników

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

Miary średnie. Średnią arytmetyczną nazywamy sumę wartości zmiennej wszystkich jednostek badanej zbiorowości podzieloną przez liczbę tych jednostek.

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne.

Statystyka Inżynierska

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Metody Statystyczne II

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa Wzory

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

IV. ZMIENNE LOSOWE DWUWYMIAROWE

( ) ( ) ( ) ( ) ( ) ( )

Statystyczna analiza danych przedziały ufności

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

ZAJĘCIA 2. Metody opisu struktury i natężenia, metody opisu tendencji centralnej, klasyczne metody opisu dyspersji. i n

Ą ó Ó Ó ó ó ó ó Ź

Badania Maszyn CNC. Nr 2

Pomiary parametrów napięć i prądów przemiennych

X 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.

Transkrypt:

Botatytyka, 018/019 dla Fzyk Medyczej, tuda magterke etymacja etymacja średej puktowa przedzał ufośc średej rozkładu ormalego etymacja puktowa przedzałowa waracj rozkładu ormalego etymacja parametrów rozkładu dwumaowego Pooa Etymacja to wokowae tatytycze kocetrujące ę wokół ozacowaa wartośc parametrów rozkładu populacj. Etymacja puktowa: jak w oparcu o poadae dae ozacować wartość określoego parametru ezaej populacj. Etymacja przedzałowa: jak w oparcu o poadae dae ozacować przedzał wartośc określoego parametru ezaej populacj, w którym to z wyoką warygodoścą zajdze ę wartość prawdzwa. 1

Wag oworodków kolejo urodzoych w jedym ze zptal w Botoe (waga w ucjach: 100 oz= 835 g) Zakładamy, że rozkład wag tych oworodków jet N(μ, σ ) Problem : Wyzaczyć μ oraz σ dla populacj wag oworodków. Zazaczoe ą trzy próby o rozmarze =10. Każda próba to 10 wyków dla may oworodków. Róże próby mogą prowadzć do różych wartośc dla średego cężaru oworodków. 10 1 x A x 10 1 Zatem próbkowae populacj (wybór próby) jet zmeą loową. A Woek: Średa z próby jet zmeą loową

Jake właośc poada zmea loowa X opująca średą z wyloowaych prób? Rozkład wartośc zmeej X Jak właośc zmeej X wykorzytać do ozacowaa średego cężaru oworodków w badaej populacj? A może w celu ozacowaa wykorzytać e zae parametry opujące właośc kończoego zetawu daych, take jak, a przykład: medaa czy wartość śred a ajmejzej ajwękzej wag w próbe? Wyk uzykae z oblczea wartośc różych prób dla różych tatytyk (a) wartośc średej z próby X (b) meday z próby, (c) średej z wartośc max m z próby 3

Nech etymator ˆ to przep (tatytyka) operający ę a daych z próby a oblczee wartośc - welkośc charakteryzującej badaą populację. Etymator ˆ jet azywaym eobcążoym etymatorem jeśl ezależe od rozkładu populacj zachodz E( ˆ) Wartość średa z próby X, medaa z próby, średa z ajmejzej ajwękzej wartośc z próby, ą eobcążoym etymatoram wartośc średej w populacj, czyl E(X )=, E(medaa) =, E(1/(m{ }+ max{} )=. Jeśl rozkład w populacj jet ormaly, to wartość średa z próby X jet etymatorem o mmalej waracj. Ilutracja dla pojęca SEM, aczej SE Wyk rozkładu zmeej loowej X gdy próba kłada ę z : (a) =1 (b) =10 (c) =30 elemetów. SEM SE etymujemy 4

Przypomajka: Nech zmee loowe X 1,..X ą wzajeme ezależe mają rozkłady ormale o wartoścach oczekwaych : E( X ) waracjach E( X ). Wówcza dowola kombacja lowa L tych zmeych jet zmeą o rozkładze ormalym N( c, c ) Woek: Dla zmeej loowej X, jeśl loowe próby pochodzą z populacj o wartoścą średą oraz waracją, to X ma rozkład ormaly N(, ) Twerdzee CTG: Nech X 1, X,.., X to loowe próby pobrae z populacj o ezaym (dowolym) rozkładze opywaym wartoścą średą oraz waracją. Wówcza dla dużych wartośc mamy X ma w przyblżeu rozkład N(, /) Ilutracja cetralego twerdzea graczego Wyk rozkładu zmeej loowej X gdy próba kłada ę z : (a) =1 (b) =5 (c) =10 elemetów. Zauważmy, że (a) opuje rozkład wag w populacj. Jet eymetryczy (lewokośy) a węc jet y ż ormaly. Przy zwękzau rozkład wartośc średch taje ę dzwoowaty 5

Ile jet? Czy 116.9 czy 13.80? Jeżel X przekztałcmy a zmeą loową tadardową Z, czyl X Z / to Z jet zmeą o tadardowym rozkładze ormalym N(0,1). Zatem 95% wyków Z uzykaych z prób loowych o rozmarze będze mało wartośc pomędzy -1.96 +1.96. Te wartośc odpowadają.5 oraz 97.5 percetylom tadardowego rozkładu ormalego. Ozacza to, że 95% prób loowych X leży w przedzale ( - 1.96 /, +1.96 / ) 6

Jeśl X1, X, X to ezależe zmee loowe o rozkładze N(, ) to tatytyka: d=1 d= d=5 d=10 d=f X t / ma rozkład t-studeta. Ozaczee : t -1 Dytrybycja t d dla każdego d jet ymetrycza Dytrybycja t d ma wolo opadające ogoy d=1 d= d=5 d=10 d=f http://pl.wkpeda.org/w k/rozk%c5%8ad _Stud eta Moża pokazać, że dla dowolego > 0.05 dytrybucja t-studeta t d, 1- przyjmuje wartośc wękze ż rozkład ormaly. t d,1 z 0.05 1 7

Gętość prawdopodobeńtwa rozkładu t-studeta dla topa wobody df > 0 Warto pamętać: t.pdf(x, df, loc, cale ) = t.pdf( y, df) dla y =(x-loc) /cale mport umpy a p mport matplotlb.pyplot a plt from cpy.tat mport t from cpy.tat mport orm fg, ax = plt.ubplot(1, 1) df =.74 x = p.lpace(t.ppf(0.01, df), t.ppf(0.99,df), 100) ax.plot (x, t.pdf(x, df),'r-', lw=4, alpha=0.6, label='t pdf') ax.plot (x, orm.pdf(x), 'g-', lw=4, alpha=0.6, label='orm pdf') ax.leged() plt.how() (111) t d,1 z 0.05 1 (11) 8

100%(1- ) tatytyk t wpada pomędzy doly / góry 1- / percetyl dytrybucj t -1, czyl P( t ) 1, / t t 1,1 / 1 100%(1- ) przedzał ufośc ( cofdece terval) dla średej rozkładu ormalego o ezaej waracj day jet wzorem: X t X t 1,1 /, 1,1 / 9

CI to zmea loowa. 100%(1- )CI to rodza loowych przedzałów o właośc, że 100%(1- ) pośród ch zawera rzeczywtą wartość parametru. =11 wartość oblczoa z całej populacj Szerokość terwału ufośc * t 1,1 / rośe, to Δ maleje rośe, to Δ roe rośe, to Δ maleje = t 1,1 α/ Ozacowae welkośc próby dla oągęca CI o określoej zerokośc Δ ufośc = z 1 α/ σ 10

Nech day będze przedzał ufośc 95%CI odetka dorołych Amerykaów, którzy e ą aktyw fzycze (0.3,0.7) Mamy 95% ufość, że prawdzwy odetek dorołych Amerykaów, którzy e ą aktyw fzycze jet pomędzy 3% 7% Mamy 95% ufość, że odetek dorołych Amerykaów, którzy e ą aktyw fzycze jet zawarty w przedzale (3%, 7%) W oparcu o poadae dae zacujemy, ze odetek dorołych Amerykaów, którzy e ą aktyw fzycze to 5%. Z ufoścą 95% ta wartość może być tak mała jak 3% albo tak duża jak 7%. W oparcu o poadae dae zacujemy, ze odetek dorołych Amerykaów, którzy e ą aktyw fzycze to 5% ( 95% CI: 3% - 7%). Mamy 95% zaę, że odetek dorołych Amerykaów, którzy e ą aktyw fzycze jet zawarty pomędzy 3% 7%. Etymacja puktowa dla średej populacj w oparcu o wyk z próby: X Średa z próby to etymator eobcążoy z m. waracją Etymacja przedzałowa przez (1- )%CI dla średej populacj o rozkładze ormalym w oparcu o wyk z próby jeżel: zamy waracje populacj ( X z1 /, X z1 / ) e zamy waracj populacj Uwaga praktycza: jeśl >30 to zamat tatytyk t touje ę tatytykę z ( X t 1,1 /, X t 1,1 / Mamy ufość, że 95% przedzałów tak kotruowaych zawera średą populacj ) 11

Średe odchylee z próby? ˆ 1 1 ( x x) Waracja z próby? 1 1 1 ( x x) Przy powtarzających ę próbach o rozmarze mamy : średe odchylee z tych prób e jet eobcążoym etymatorem waracja z próby jet eobcążoym etymatorem przykład: pomar SBP pomar cśea kurczowego arteroodą przyrząd wykorzytujący efekt Dopplera do utalea cśea krw. Nagrae terpretowało dwóch operatorów. d ( 6 3... ) /10 0. 1 9 10 1 ( d d) 8.178 Przy założeu, że rozkład różc d jet ormaly ozacowae puktowe dla waracj to 8.178 1

Zmea G X gdze X z N(0,1) ma rozkład 1 x x) / ( / 1 x / e ( / ) =1 = =3 =4 =6 =9 Pytho: w module cpy.tat ch.pdf(x, df) ch.cdf(x, df) ch.ppf(x, df) http://e.wkpeda.org/wk/ch-quared_dtrbuto u : P( ) u, u ozaczee Przykład: Zajdź góry doly.5-percetyl ch-kwadrat rozkładu dla =10. 10,0.05 =3.470 10,0.975 =0.483 percetyl_prawy = ch.ppf(0.975, 10) percetyl_lewy = ch.ppf(0.05, 10) P(3.4 10 0.48) 0.95 13

P 1, / 1,1 / 1 1 1 Przykład: Pomar SBP arteroodą : 95%CI dla waracj to ( 3.87, 7.6), Do daje ( 1) 1,1 / ( 1), 1, / 95%CI dla odchylea tadardowego jet: ( 1.97, 5.). Ozacowae puktowe dla odchylea daje =.8597 Jeśl próba jet duża, >30, to przedzał ufośc taje ę ymetryczy względem ozacowaa puktowego. Zachodz bowem P z z 1 Ocea powtarzalośc pomarów Rekrutujemy 15 ochotków, w odtępe tygoda poberamy krew do aalzy. Badamy: d gdze,1,1, x, x x x, to pomar perwzy drug daego ochotka. Wyzło d=0 przy =0.5. A w lteraturze jet, że =0.0. Czy aze pomary ą powtarzale? Poeważ: Zatem: Z 95 % ufoścą mamy, ż wyk azego laboratorum ą powtarzale w odeeu do lteraturowych To: 14