2.1. Studium przypadku 1

Podobne dokumenty
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.

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Estymacja przedziałowa

16 Przedziały ufności

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

Parametryczne Testy Istotności

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

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

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

STATYSTYKA I ANALIZA DANYCH

Statystyka matematyczna dla leśników

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

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

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Estymacja przedziałowa - przedziały ufności

Wykład 11 ( ). Przedziały ufności dla średniej

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Prawdopodobieństwo i statystyka r.

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Lista 6. Estymacja punktowa

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Estymacja parametrów populacji

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Statystyka matematyczna. Wykład II. Estymacja punktowa

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Elementy modelowania matematycznego

1 Testy statystyczne. 2 Rodzaje testów

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

ANALIZA DANYCH DYSKRETNYCH

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

STATYSTYKA OPISOWA WYKŁAD 1 i 2

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

Statystyczny opis danych - parametry

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

1 Dwuwymiarowa zmienna losowa

STATYSTKA I ANALIZA DANYCH LAB II

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

0.1 ROZKŁADY WYBRANYCH STATYSTYK

STATYSTYKA MATEMATYCZNA

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Estymacja przedziałowa:

Estymacja przedziałowa - przedziały ufności

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

θx θ 1, dla 0 < x < 1, 0, poza tym,

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

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,

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Jak obliczać podstawowe wskaźniki statystyczne?

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

(X i X) 2. n 1. X m S

Statystyka. Katarzyna Chudy Laskowska

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

Rozkład normalny (Gaussa)

POLITECHNIKA OPOLSKA

Zeszyty naukowe nr 9

ZADANIA NA ĆWICZENIA 3 I 4

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Prawdopodobieństwo i statystyka r.

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

BADANIA DOCHODU I RYZYKA INWESTYCJI

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna.

Statystyka opisowa - dodatek

STATYSTYKA MATEMATYCZNA

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

14. RACHUNEK BŁĘDÓW *

Histogram: Dystrybuanta:

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.

Matematyka ubezpieczeń majątkowych r.

test dla średniej rozkładu normalnego moc testu test dla wariancji rozkładu normalnego test dla rozkładu dwumianowego, Poissona

Pobieranie prób i rozkład z próby

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

Słowniczek Hipoteza statystyczna Hipoteza parametryczna Hipoteza nieparametryczna Hipoteza zerowa Hipoteza alternatywna Błąd pierwszego rodzaju

Rozkłady statystyk z próby Twierdzenia graniczne

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Estymacja punktowa i przedziałowa

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g.

Materiały do wykładu 4 ze Statystyki

2. INNE ROZKŁADY DYSKRETNE

Porównanie dwu populacji

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

O liczbach naturalnych, których suma równa się iloczynowi

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

Transkrypt:

Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty. Śrubki są sprzedawae w opakowaiach o różej wadze, przy czym ajczęściej jest to opakowaie 0-kilogramowe. Pakowaie wyrobów astępuje automatyczie a odpowiediej liii techologiczej, przystosowaej do tego celu. Zarząd chce sprawdzić z 98-proc. prawdopodobieństwem, ile waży przeciętie 0-kilogramowe (z założeia) pudełko śrubek z błędem ie większym iż ±0,09 kg. Jeżeli będzie to możliwe, zarząd chciałby rówież dyspoować iformacją (a poziomie wiarygodości rówym 98%), o ile przeciętie waga pudełka różi się od jego oczekiwaej wagi. Odpowiedź a pierwsze pytaie pozwoli zarządowi oceić, ile waży przeciętie pudełko śrubek, a tym samym sprawdzić, czy w masowym zjawisku, jakim jest pakowaie śrubek do pudełek, ie ma zaczących adwyżek lub iedoborów wyrobów (czy p. do 00 pudełek trafia 000 kg śrubek). Tym samym będzie moża odpowiedzieć a pytaie, czy firma ie odotowuje a etapie pakowaia śrubek ieprzewidziaych i iezamierzoych zysków lub strat. Drugie pytaie dotyczy atomiast tego, ile przeciętie waga pudełka śrubek różi się od średiej wagi tego pudełka. Odpowiedź a pierwsze pytaie ie dostarcza iformacji a te temat, bowiem fakt, że p. opakowaie waży średio 0 kg ie ozacza, że każde tyle waży. Jedo bowiem może ważyć 0, kg a drugie 9,9 kg, co ozacza tylko, że przeciętie ważą 0 kg, ale żade z ich ie waży dokładie 0 kg. Odpowiedź a pytaie o przecięte odchyleie od średiej wagi pudełka jest zatem waża, poieważ wówczas będzie moża oceić, a ile kilogramów śrubek jest przeciętie oszukiway kliet, przy czym to oszukiwaie w tym miejscu ma zaczeie eutrale, tz. kliet może kupić opakowaie o wadze wyższej iż średia (i skorzystać a tym) lub o wadze iższej iż średia waga pudełka (i stracić a tym). Poadto odpowiedzi a oba pytaia dostarczą zarządowi iformacji o sprawości działaia liii techologiczej do pakowaia oraz jakości jej obsługi przez pracowików. Opis metody rozwiązaia problemu: dobór próby, przedziały ufości, testy statystycze

Przedstawioa powyżej przykładowa sytuacja w pewym przedsiębiorstwie, awet, jeśli wydaje się, że dotyczy prostego problemu ocey jakości działaia liii techologiczej, z puktu widzeia statystyki jest problemem złożoym, wymagającym zastosowaia kilku arzędzi statystyczych a różych etapach jego rozwiązaia. Kwestią kluczową jest zrozumieie problemu, gdyż to umożliwia zaplaowaie odpowiedich działań, mających a celu jego rozwiązaie. Następie ależy dobrać odpowiedie arzędzia statystycze, które pozwolą udzielić odpowiedzi a dwa zadae przez zarząd pytaia. Co ciekawe, etap plaowaia etapów rozwiązaia problemu wymaga zaczie więcej kreatywości, aiżeli etap zastosowaia metod ilościowych, poieważ te ie są zbyt zaawasowae i skomplikowae. Zresztą studiując metody ilościowe warto prezetować podejście, że ie jest sztuką auczyć się skomplikowaych arzędzi statystyczych i ie wiedzieć, jak i kiedy je wykorzystać. Sztuką jest potrafić proste arzędzia statystycze wykorzystać w praktyce, w tym w praktyce zarządzaia przedsiębiorstwem. Właśie takie podejście zaczie obiża powszechie paującą awersję do statystyki. Przeaalizujmy kolejo złożoość przedstawioego problemu. Po pierwsze zarząd sformułował dwa pytaia, dotyczące ogółu 0-kilogramowych opakowań śrubek, a ie kokretej ich partii. Pytaie dotyczy więc pewej cechy (wagi opakowaia śrubek, z założeia 0-kilogramowego) w populacji geeralej tych opakowań. Aby a te pytaia odpowiedzieć ze 00-proc. wiarygodością, ależałoby ważyć każde z ich. Jedak zarząd zazaczył, że satysfakcjouje go wiarygodość a poziomie 98%. Stąd wiadomo, że badaie może mieć charakter częściowy i w związku z tym może być przeprowadzoe a odpowiedio liczej próbie. Pierwsze waże pytaie, jakie się asuwa, brzmi: w jaki sposób ta próba musi być dobraa? Poieważ w oparciu o wyiki uzyskae w próbie (tymi wyikami są średia waga oraz odchyleie stadardowe wagi opakowaia śrubek) mają być sformułowae wioski dotyczące ogółu tych opakowań (czyli ich populacji geeralej), ależy zastosować odpowiedie arzędzia, umożliwiające uogólieie wyików z próby a populację (czyli arzędzia wioskowaia statystyczego, zwae rówież statystyką matematyczą). Warukiem uogólieia tych wyików z określoym prawdopodobieństwem (w aszym przykładzie rówym 98%) jest reprezetatywy charakter próby, co ozacza, że: - musi oa zostać pobraa w sposób losowy, tz. każda jedostka populacji geeralej (czyli każde 0-kilogramowe pudełko śrubek) ma zae i róże od zera prawdopodobieństwo wylosowaia do próby, - liczebość próby będzie odpowiedio duża. Aby pierwsze kryterium zostało spełioe, próba musi zostać pobraa w odpowiedi sposób. Stosowaymi ajczęściej w praktyce schematami losowaia dającymi próbie losowy charakter są przede wszystkim losowaie za pomocą liczb losowych oraz losowaie metodą doboru

systematyczego. W aalizowaym przykładzie moża zastosować zarówo jede jak i drugi schemat losowaia, iemiej schemat losowaia metodą doboru systematyczego wydaje się być tu łatwiejszy do zastosowaia, poieważ polega o a wybieraiu do próby co któregoś pudełka z liii techologiczej. Aby odpowiedzieć a pytaie, co które pudełko powio zostać odłożoe z liii i w te sposób umieszczoe w próbie, zaa musi być liczebość populacji geeralej oraz pożądaa liczebość próby. Wiadomo, że losowaie będzie dokoywae w przeciągu jedego dia a trzech kolejych zmiaach produkcyjych (każda trwa 8 godz.) W ciągu jedej godziy taśmę opuszcza 360 0-kilogramowych pudełek śrubek. Wyika stąd, że próba zostaie pobraa spośród 8640 pudełek. Iterwał losowaia ustala się za pomocą astępującego wzoru: N k = (.) Aby ustalić pożądaą liczebość próby, ależy doprecyzować, w jaki sposób udzieloa zostaie odpowiedź a pierwsze pytaie, czyli dotyczące przeciętej wagi pudełka śrubek. Aby ustalić z zadaym prawdopodobieństwem (miejszym od ), ile wyosi szacukowa przecięta waga pudełka śrubek, ależy oszacować odpowiedi przedział ufości. Tylko przedział ufości w przypadku zmieych losowych ciągłych umożliwia określeia prawdopodobieństwa, że day parametr statystyczy przyjmuje określoą wartość (wartość z jakiegoś przedziału). W aszym przypadku tym parametrem jest wartość średia µ (iaczej wartość przecięta, wartość oczekiwaa). Poieważ ie zamy rozkładu wagi 0-kilogramowego pudełka śrubek oraz wariacji tej cechy w populacji geeralej, przedział ufości dla średiej może być szacoway wyłączie dla próby dużej, czyli liczącej więcej iż 30 elemetów, według wzoru: gdzie: σ σ P X tα < µ < X + tα = α (.) X - średia wartość cechy, obliczoa w próbie, σ odchyleie stadardowe cechy w populacji geeralej, które w aszym przykładzie jest iezae i ależy je przybliżyć wartością z próby, czyli σ S, przy czym S liczymy według wzoru.8, liczebość próby, t α - wartość krytycza, odczytaa z tablic rozkładu ormalego tak, że -α - poziom wiarygodości (prawdopodobieństwo p). α ( t ) =, φ α Jak wspomieliśmy, bezwzględy błąd szacuku ufości, czyli: d jest rówy połowie rozpiętości przedziału X 3

d x σ = tα. (.3) Poieważ jedak σ ie jest zae, a podstawie próbki wstępej, liczącej 0 elemetów, obliczamy odchyleie stadardowe według wzoru: S = ( X i X 0 ) i=, (.4) i im przybliżamy odchyleie stadardowe w populacji geeralej σ. Liczebość próby właściwej obliczamy w takim przypadku z astępującego wzoru: t = α, o d S x. (.5) Wartość t α, odczytujemy z tablic rozkładu t-studeta dla przyjętego poziomu istotości α=-p o oraz 0 - stopi swobody. W te sposób uzyskujemy liczebość próby. Następie, korzystając ze wzoru., ustalimy wielkość iterwału losowaia. Po pobraiu - elemetowej próby moża przejść do oszacowaia przedziału ufości dla średiej (wzór.). Iterpretacja otrzymaego przedziału ozacza, że z zadaym prawdopodobieństwem przedział te pokrywa rzeczywistą wartość średiej w populacji, czy też iaczej, że średia z zadaym prawdopodobieństwem zawiera się w tym przedziale. Następie moża przejść do działań zmierzających do udzieleia odpowiedzi a drugie pytaie. Zarząd oczekuje iformacji wiarygodej a poziomie 98% bez wskazaia wielkości bezwzględego błędu szacuku, dlatego posłużymy się tą samą próbą, co w przypadku szacowaia przedziału ufości dla średiej wagi pudełka śrubek. Poieważ jedak teraz pytaie dotyczy przeciętego odchyleia od tej średiej, ależy oszacować odpowiedi przedział ufości dla miary zmieości, jaką jest wariacja. Po spierwiastkowaiu wartości krańcowych uzyskaego przedziału dla wariacji, otrzymamy przedział ufości dla odchyleia stadardowego (które jest pierwiastkiem wariacji). Przedział ufości dla wariacji moża szacować wyłączie w sytuacji, gdy rozkład badaej cechy (w tym przypadku wagi pudełka śrubek) jest ormaly. Poieważ my taką iformacją ie dyspoujemy, musimy odpowiedzieć a pytaie, czy rozkład wagi pudełka śrubek jest ormaly? Odpowiedzi a to pytaie moża udzielić a podstawie pobraej wcześiej próby, przy czym wiarygodość wioskowaia będzie miejsza od. Wyika to stąd, że zów staramy się odpowiedzieć a pytaie dotyczące populacji geeralej czyiąc to w oparciu o iformacje Ostasiewicz S., Rusak Z., Siedlecka U., Statystyka. Elemety teorii i zadaia, Wydawictwo Akademii Ekoomiczej we Wrocławiu, Wrocław 003, s. 54. 4

pochodzące z próby. Podobie, jak w przypadku przedziału ufości, mamy do czyieia z uogóliaiem wyików z próby a populację. Narzędziem, które pozwala sprawdzić, czy rozkład zmieej ma określoą postać, jest test statystyczy, za pomocą którego weryfikujemy odpowiedią hipotezę statystyczą. Dalsza część rozdziału dostępa w: Chybalski F., Uogóliaie wyików z wykorzystaiem metod wioskowaia statystyczego, [w:] I. Staiec (red.) Metody ilościowe w zarządzaiu orgaizacją, C.H. Beck, Warszawa 03, s. 5-47, ISBN 978-83-55-4393-8. 5