Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci



Podobne dokumenty
Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

Rozkłady statystyk z próby

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,

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 10: Rozkłady statystyk z próby. Przedziały ufnoci.

1 Dwuwymiarowa zmienna losowa


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

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

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

Statystyczna analiza danych

Wprowadzenie do laboratorium 1

Estymatory nieobciążone o minimalnej wariancji

Estymacja przedziałowa

Testy dotyczące wartości oczekiwanej (1 próbka).

Porównanie dwu populacji

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.

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

STATYSTYKA I ANALIZA DANYCH

16 Przedziały ufności

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

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

Statystyka matematyczna. Wykład II. Estymacja punktowa

Materiały do wykładu 4 ze Statystyki

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

Przedziały ufności. dr Alina Semrau-Giłka

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe

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

1 Układy równań liniowych

40:5. 40:5 = υ5 5p 40, 40:5 = p 40.

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

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Metody Statystyczne II

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

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

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

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

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Testy statystyczne teoria

Rozkłady statystyk z próby Twierdzenia graniczne




Elementy modelowania matematycznego

Algorytmy ewolucyjne (2)

a 1, a 2, a 3,..., a n,...

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

Ciągi liczbowe wykład 3

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

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

Elastyczno silników FIAT

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

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

Twierdzenia graniczne:

STATYSTYKA OPISOWA WYKŁAD 1 i 2

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

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

Twierdzenie 1. Je»eli X 1, X 2,..., X n jest ci giem niezale»nych zmiennych losowych o jednakowym rozkªadzie normalnym N(m, σ), to zmienna losowa: X i

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

ANALIZA KORELACJI IREGRESJILINIOWEJ

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

Metody Obliczeniowe w Nauce i Technice laboratorium

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Podstawowe rozkłady zmiennych losowych typu dyskretnego

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Analiza matematyczna. Robert Rałowski

θx θ 1, dla 0 < x < 1, 0, poza tym,

STATYSTYKA MATEMATYCZNA

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

lim a n Cigi liczbowe i ich granice

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

176 Wstȩp do statystyki matematycznej = 0, 346. uczelni zdaje wszystkie egzaminy w pierwszym terminie.

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

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

Dydaktyka matematyki III-IV etap edukacyjny (wykłady)

2. Ciągi liczbowe. Definicja 2.1 Funkcję a : N R nazywamy ciągiem liczbowym. Wartość funkcji a(n) oznaczamy symbolem a

Statystyka matematyczna i ekonometria

µ = Test jest następujący: jeŝeli X > 0.01 to odrzucamy H. 0

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.

Wykªad 2. Szeregi liczbowe.

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ESTYMACJA

Testowanie hipotez. 1 Testowanie hipotez na temat średniej

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych.

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

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

Wykład 14 Test chi-kwadrat zgodności

WPROWADZENIE. 2 Jacek Bojarski:

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech

Nieklasyczne modele kolorowania grafów

1 Podstawy rachunku prawdopodobieństwa

Z poprzedniego wykładu

Z e s p ó ł d s. H A L i Z

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

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Transkrypt:

Rozkłady tatytyk z próby Metody probabilitycze i tatytyka Wykład : Rozkłady tatytyk z próby. rzedziały ufoci Małgorzata Krtowka Wydział Iformatyki olitechika Białotocka e-mail: mmac@ii.pb.bialytok.pl troa www: http://aragor.pb.bialytok.pl/~gkret Modele tatytycze, tudia zaocze Statytyk azywamy zmie loow, bdc fukcj zmieych loowych X, X,..., X taowicych prób. Statytyka jako zmiea loowa poiada pewie rozkład, który azywamy rozkładem tatytyki z próby. Zaley o przede wzytkim od rozkładu populacji, z której pochodzi próba oraz od liczeboci próby. Ze wzgldu a liczebo próby rozkłady tatytyk dzielimy a dokłade - rozkłady prawdopodobietwa wyzaczoe dla dowolej liczby aturalej, bdcej liczeboci próby. S oe wykorzytywae dla małych prób. graicze - rozkład prawdopodobietwa tatytyki, który otrzymuje i przy załoeiu ieograiczeie duej próby,. Nie ma jedej, okreloej wartoci od której uzajemy prób za du. W iektórych przypadkach rozkład dokłady ju dla >30 iewiele rói i od rozkładu graiczego, w iych przypadkach potrzebujemy >00. Modele tatytycze, tudia zaocze Rozkład rediej arytmetyczej z próby x = x i i=. Cecha X w populacji geeralej ma rozkład N(µ,), zae. Z populacji tej pobieramy prób -elemetow (X, X,..., X ). redia arytmetycza z próby ma rozkład: N( µ, ) f(x) 0 N(,) N(,0.) Modele tatytycze, tudia zaocze 3 x redia arytmetycza X Rozkład rediej arytmetyczej z próby w praktyce wykorzytujemy zmie tadaryzowa: która ma rozkład N(0,). x m u =. Cecha X w populacji ma rozkład N(µ,), iezae, 30 Dokoujemy przekztałceia zwaego tudetyzacj: t = = ( x i i= zmiea t ma rozkład t Studeta z - topiami wobody. 0 x N(0,) t-studeta Dla duych : rozkład t Studeta -> N(0,) W praktyce, gdy >30 rozkład t Studeta aprokymujemy rozkładem ormalym. Modele tatytycze, tudia zaocze 4

Rozkład rediej arytmetyczej z próby 3. Cecha X w populacji ma rozkład dowoly, iezae, >30. Dla duych prób zakładamy, e. Korzytamy ze tatytyki: która ma rozkład N(0,). x m u = Rozkład wariacji z próby Cecha X ma w populacji geeralej rozkład N(m, );, m - iezae; 30 Etymatorem parametru jet wariacja z próby = = i= która ma rozklad chi-kwadrat z - topiami wobody. χ ( x i 0.50 = =4 =8 Dla duych : χ N(,) f(x) 0.5 Y = χ N(0,) Modele tatytycze, tudia zaocze 5 0.00 0 4 6 8 0 x W praktyce, gdy >30 rozkład chi-kwadrat aprokymujemy rozkładem ormalym Modele tatytycze, tudia zaocze 6 Etymacja przedziałowa Etymacja przedziałowa polega a kotruowaiu przedziału liczbowego, który z góry okreloym - blikim jedoci - prawdopodobietwem bdzie zawierał ieza warto zacowaego parametru θ. rzedział te oi azwe przedziału ufoci: {g (θ ) < θ < g (θ )} =- gdzie θ - etymator parametru θ, g (θ ) - doly kraiec przedziału ufoci g (θ ) - góry kraiec przedziału ufoci - - prawdopodobietwo tzw. wpółczyik ufoci Wpółczyik ufoci Utaloe z góry prawdopodobietwo - azywamy wpółczyikiem ufoci Iterpretacja wpółczyika ufoci: przy wielokrotym pobieraiu prób - elemetowych i wyzaczaiu a ich podtawie fukcji g (θ ) oraz g (θ ) redio w (- )00% przypadków otrzymalibymy przedziały pokrywajce ieza warto parametru θ, w 00% przypadków - przedziały ie pokrywajce tej wartoci. Z reguły za - przyjmujemy: 0.9; 0.95, 0.99 Długoc przedziału ufoci: g (θ ) - g (θ ) => im dlugo przedziału miejza tym ozacowaie bardziej precyzyje Makymaly błd zacuku: (g (θ ) - g (θ ))/. Modele tatytycze, tudia zaocze 7 Modele tatytycze, tudia zaocze 8

rzedziały ufoci dla wartoci oczekiwaej (rediej) Budowa przedziału ufoci dla wartoci rediej (oczekiwaej) µ=m=e(x) rozkladu populacji zalezy od: typu rozkładu cechy X w populacji geeralej zajomoci wariacji (odchyleia tadardowego) wielkoci próby Załoeia: U dla wartoci rediej - Model () próba loowa pobraa z populacji o rozkładzie N(m, ); jet zae; Cel: budowa przedziału ufoci dla m przy wpółczyiku ufoci -. Budowa przedziału ufoci: Etymatorem parametru m jet redia arytmetycza z próby : X r, która ma rozkład N( m, ). Stadaryzujc otrzymujemy tatytyk U: U = = która ma rozkład N(0,). Modele tatytycze, tudia zaocze 9 Modele tatytycze, tudia zaocze 0 U dla wartoci rediej - Model () Rozwizaie - / / -u 0 u Rozklad tatytyki U - N(0,) rzedział ufoci dla wartoci rediej: { u < U < u } u < < u u < m < X + u Dae: x r =40 zł =0 000 => =00 =00; - =0.95 -u 0 u ( U <u )=0.95 Rozklad tatytyki U - N(0,) - / / (U<u )=0.975 => u =.96 Model : u < m < X + u 00 00 40.96 < m < 40 +.96 00 00 400.4 < m < 439,6 Odp.: rzedział liczbowy (400.4; 439.6) z prawdopodobietwem 0.95 pokrywa ieza warto przecitych wydatków a ywo w miejkich rodziach 3-oobowych. Modele tatytycze, tudia zaocze Modele tatytycze, tudia zaocze

Załoeia: U dla wartoci rediej - Model () próba loowa pobraa z populacji o rozkładzie N(m, ); jet iezae; liczo próby mała ( 30) Cel: budowa przedziału ufoci dla m przy wpółczyiku ufoci -. Budowa przedziału ufoci: rzy iezaym parametrze podtaw budowy tetu itotoci dla wartoci rediej m jet tatytyka t o rozkładzie t-studeta z - topiami wobody: t = gdzie = i= ( x i U dla wartoci rediej - Model () -t 0 t Rozklad t-studeta - / / rzedział ufoci dla wartoci rediej: { t < t < t } t < < t t < m < X + t Modele tatytycze, tudia zaocze 3 Modele tatytycze, tudia zaocze 4 Dae: x r =60 000 =44 000 => = 000 =0; - =0.9 -t 0 t Rozklad t-studeta - / / ( T < t ) = 0.9 ( T > t ) = 0. => t =.833 9 topi wobody Rozwizaie Model : t < m < X + t 000 000 60000.833 < m < 60000 +.833 9 9 5095 < m < 69048 Odp.: rzedział liczbowy (5095; 69048) z prawdopodobietwem 0.9 pokrywa ieza warto przecitych wydatków a promocj owych wyrobów Modele tatytycze, tudia zaocze 5 U dla wartoci rediej - Model 3 Załoeia: próba loowa pobraa z populacji o dowolym rozkładzie; jet iezae; liczo próby dua ( > 30) Cel: budowa przedziału ufoci dla m przy wpółczyiku ufoci -. Budowa przedziału ufoci: Dla duych prób rozkład t-studeta moa przybliy rozkładem ormalym oraz. Wówcza przedział ufoci jet aalogiczy jak w Modelu : u < m < X + u Modele tatytycze, tudia zaocze 6

Załoeia: U dla wariacji - Model () populacja geerala ma rozkład N(m, ), m - iezae; liczo próby 30 Cel: budowa przedziału ufoci dla przy wpółczyiku ufoci - Budowa przedziału ufoci: Etymatorem parametru jet wariacja z próby. Budow przedziału ufoci oprzemy a tatytyce: χ = która ma rozklad chi-kwadrat z - topiami wobody. Etymacja przedziałowa Etymacja przedziałowa polega a kotruowaiu przedziału liczbowego, który z góry okreloym - blikim jedoci - prawdopodobietwem bdzie zawierał ieza warto zacowaego parametru θ. rzedział te oi azwe przedziału ufoci: {g (θ ) < θ < g (θ )} =- gdzie θ - etymator parametru θ, g (θ ) - doly kraiec przedziału ufoci g (θ ) - góry kraiec przedziału ufoci - - prawdopodobietwo tzw. wpółczyik ufoci Modele tatytycze, tudia zaocze 7 Modele tatytycze, tudia zaocze 8 Iterpretacja przedziału ufoci to przedział, do którego z prawdopodobietwem - trafia warto zacowaego parametru to przedział, który z prawdopodobietwem - obejmuje zacoway parametr () () (3) (4) (5) θ Defiicja r jet poprawa, poiewa wkazuje a zmieo graic przedziału ufoci. Modele tatytycze, tudia zaocze 9 Wpółczyik ufoci Utaloe z góry prawdopodobietwo - azywamy wpółczyikiem ufoci Iterpretacja wpółczyika ufoci: przy wielokrotym pobieraiu prób - elemetowych i wyzaczaiu a ich podtawie fukcji g (θ ) oraz g (θ ) redio w (- )00% przypadków otrzymalibymy przedziały pokrywajce ieza warto parametru θ, w 00% przypadków - przedziały ie pokrywajce tej wartoci. Z reguły za - przyjmujemy: 0.9; 0.95, 0.99 Długoc przedziału ufoci: g (θ ) - g (θ ) => im dlugo przedziału miejza tym ozacowaie bardziej precyzyje Makymaly błd zacuku: (g (θ ) - g (θ ))/. Modele tatytycze, tudia zaocze 0

rzedziały ufoci dla wartoci oczekiwaej (rediej) Budowa przedziału ufoci dla wartoci rediej (oczekiwaej) µ=m=e(x) rozkladu populacji zalezy od: typu rozkładu cechy X w populacji geeralej zajomoci wariacji (odchyleia tadardowego) wielkoci próby Załoeia: U dla wartoci rediej - Model () próba loowa pobraa z populacji o rozkładzie N(m, ); jet zae; Cel: budowa przedziału ufoci dla m przy wpółczyiku ufoci -. Budowa przedziału ufoci: Etymatorem parametru m jet redia arytmetycza z próby : X r, która ma rozkład N( m, ). Stadaryzujc otrzymujemy tatytyk U: U = = która ma rozkład N(0,). Modele tatytycze, tudia zaocze Modele tatytycze, tudia zaocze U dla wartoci rediej - Model () - / / -u 0 u Rozklad tatytyki U - N(0,) rzedział ufoci dla wartoci rediej: { u < U < u } u < < u u < m < X + u Załoeia: U dla wartoci rediej - Model () próba loowa pobraa z populacji o rozkładzie N(m, ); jet iezae; liczo próby mała ( 30) Cel: budowa przedziału ufoci dla m przy wpółczyiku ufoci -. Budowa przedziału ufoci: rzy iezaym parametrze podtaw budowy tetu itotoci dla wartoci rediej m jet tatytyka t o rozkładzie t-studeta z - topiami wobody: t = gdzie = i= ( x i Modele tatytycze, tudia zaocze 3 Modele tatytycze, tudia zaocze 4

U dla wartoci rediej - Model () -t 0 t Rozklad t-studeta - / / rzedział ufoci dla wartoci rediej: { t < t < t } t < < t t < m < X + t U dla wartoci rediej - Model 3 Załoeia: próba loowa pobraa z populacji o dowolym rozkładzie; jet iezae; liczo próby dua ( > 30) Cel: budowa przedziału ufoci dla m przy wpółczyiku ufoci -. Budowa przedziału ufoci: Dla duych prób rozkład t-studeta moa przybliy rozkładem ormalym oraz. Wówcza przedział ufoci jet aalogiczy jak w Modelu : u < m < X + u Modele tatytycze, tudia zaocze 5 Modele tatytycze, tudia zaocze 6 Załoeia: U dla wariacji - Model () populacja geerala ma rozkład N(m, ), m - iezae; liczo próby 30 Cel: budowa przedziału ufoci dla przy wpółczyiku ufoci - Budowa przedziału ufoci: Etymatorem parametru jet wariacja z próby. Budow przedziału ufoci oprzemy a tatytyce: χ = która ma rozklad chi-kwadrat z - topiami wobody. Rozklad chi-kwadrat / / - 0 c c U dla wariacji - Model () rzedział ufoci dla wariacji: c { < χ < } c c c < < c < < c Modele tatytycze, tudia zaocze 7 Modele tatytycze, tudia zaocze 8