Metody Statystyczne II

Podobne dokumenty
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,

1 Dwuwymiarowa zmienna losowa

Porównanie dwu populacji

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

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

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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.

16 Przedziały ufności

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

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

1 Twierdzenia o granicznym przejściu pod znakiem całki

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

Testy dotyczące wartości oczekiwanej (1 próbka).

Prawdopodobieństwo i statystyka r.

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

Kurs Prawdopodobieństwo Wzory

STATYSTYKA MATEMATYCZNA

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

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

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

Wprowadzenie do laboratorium 1

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

STATYSTKA I ANALIZA DANYCH LAB II

Twierdzenia graniczne:

Testy statystyczne teoria

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

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

Statystyczna analiza danych

Statystyka matematyczna. Wykład II. Estymacja punktowa

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

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

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

Wnioskowanie statystyczne dr Alicja Szuman

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57),

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Lista 6. Estymacja punktowa

Wykład 11 ( ). Przedziały ufności dla średniej

Elementy modelowania matematycznego

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

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Komputerowa analiza danych doświadczalnych

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

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

Prawdopodobieństwo i statystyka r.

Komputerowa analiza danych doświadczalnych

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

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

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

θx θ 1, dla 0 < x < 1, 0, poza tym,

Komputerowa analiza danych doświadczalnych

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

Matematyka ubezpieczeń majątkowych r.

Materiały do wykładu 4 ze Statystyki

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

Estymacja przedziałowa

Rozkłady statystyk z próby

Komputerowa analiza danych doświadczalnych

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 +

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

Statystyka Matematyczna Anna Janicka

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

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

Wykład 11. a, b G a b = b a,

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

Podprzestrzenie macierzowe

Komputerowa analiza danych doświadczalnych

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

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

Prawdopodobieństwo i statystyka

Statystyka matematyczna dla leśników

ZADANIA NA ĆWICZENIA 3 I 4

ANALIZA DANYCH DYSKRETNYCH

Statystyka i rachunek prawdopodobieństwa

Estymacja punktowa - Estymacja przedziałowa

Algorytmy ewolucyjne (2)

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

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

Podprzestrzenie macierzowe

STATYSTYKA MATEMATYCZNA

Statystyka Matematyczna Anna Janicka

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

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej:

ZMIENNA LOSOWA I JEJ PARAMETRY -powtórzenie

1 Układy równań liniowych

Wyższe momenty zmiennej losowej

Parametryczne Testy Istotności

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

KADD Metoda najmniejszych kwadratów

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

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

χ 2 = + 2π 2 Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: σ

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

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

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Transkrypt:

Metody Statytycze II dr Dorota Węziak-Białowolka Itytut Statytyki i Demograii

Iormacje orgaizacyje Koultacje: poiedziałek 5:3 6:3 5F lub 73F Materiały: www.e-gh.pl/bialowolka/ms Zaliczeie: w ormie egzamiu kładającego ię z części teoretyczej i praktyczej

Literatura. Jajuga Krzyzto. 993. Statytycza aaliza wielowymiarowa. Warzawa: PWN.. Rózkiewicz Małgorzata.. Metody ilościowe w badaiach marketigowych. Warzawa: Wydawictwa Naukowe PWN. 3. Rózkiewicz Małgorzata.. Narzędzia tatytycze w aalizach marketigowych. Warzawa: C.H.Beck. 4. Morrio Doald F., 99, Wielowymiariowa aaliza tatytycza, Warzawa: PWN 5. Laza, S. T., Flaherty, B. P., & Colli, L. M. 3. Latet cla ad latet traitio aalyi. J. A. Schika, & W. F. Velicer (Ed.), Hadbook o Pychology: Vol.. Reearch Method i Pychology (pp. 663-685). Hoboke, NJ: Wiley. 6. Pampel Fred C... Logitic Regreio. A primer. Sage Publicatio, Ic 7. Kapla David 9. Structural equatio modelig. Foudatio ad Eteio. Sage: Lo Agele, Lodo, New Delhi, Sigapore. Rozdziały -3.

Zagadieia omawiae w ramach Metod Statytyczych II ) Wprowadzeie do wielowymiarowej aalizy tatytyczej ) Metody klayikacji 3) Regreja logitycza 4) Aaliza główych kładowych 5) Ocea jakości kali pomiarowej - aaliza rzetelości, aaliza traości, aaliza jedowymiarowości 6) Wprowadzeie do modelowaia zmieych ukrytych 6.. Aaliza czyikowa w podejściu ekploracyjym modelowaie zmieych ukrytych - ciągłych 6.. Wtęp do modelowaia rówao trukturalych a przykładzie koirmacyjej aalizy czyikowej modelowaie zmieych ukrytych ciągłych

WPROWADZENIE DO WIELOWYMIAROWEJ ANALIZY STATYSTYCZNEJ

Pla wykładu Wielowymiarowy rozkład tatytyczy Wielowymiarowy rozkład ormaly Próby z wielowymiarowego rozkładu ormalego Wiokowaie a podtawie prób z wielowymiarowego rozkładu ormalego

Zmiea loowa wielowymiarowa Uogólieie pojęcia ciągłej zmieej loowej a zmiee wielowymiarowe Określmy -wymiarową zmieą loową jako wektor T,,, złożoy z jedowymiarowych ciągłych zmieych loowych o gętościach ( ),, ( ) oraz o dytrybuatach F ( ),, F ( ). Wektor T,,, azywać będziemy wektorem realizacji zmieej loowej

Zmiea loowa wielowymiarowa - ukcja gętości Fukcję () = (,, ) azywać będziemy ukcją gętości wektora loowego lub łączą ukcją gętości zmieych loowych,, Właości ukcji ():. (). ( ) d czyli: R + + + - - - ( ) d d d

Zmiea loowa wielowymiarowa - dytrybuata Fukcję F() = P(,, ) azywać będziemy dytrybuatą wektora loowego lub dytrybuatą łączego rozkładu zmieych loowych,,

Zmiea loowa wielowymiarowa rozkłady brzegowe W wielowymiarowej aalizie tatytyczej częto muimy zać rozkład tylko pewego zbioru zmieych loowych. Takie rozkłady azywamy rozkładami brzegowymi. Jeżeli zbiór zmieych loowych podzielimy a dwa podzbiory w atępujący poób: to łącza gętość m pierwzych zmieych loowych ma potać: m a rozkład te azyway jet m-wymiarowym rozkładem brzegowym

Zmiea loowa wielowymiarowa rozkłady warukowe W wielowymiarowej aalizie tatytyczej częto muimy zać rozkład pewego zbioru zmieych loowych wiedząc, że pewe ie zmiee loowe przyjęły określoe wartości liczbowe lub mogą przyjmować wartości tylko z pewego podzbioru. Takie rozkłady azywamy rozkładami warukowymi Gętość warukowego rozkładu zmieej = (,,, m ) przy utaloych wartościach zmieej = ( m+, m+,, ) ma potać: ) ( ),..., (,...,,,...,,,...,, ) ( m m m

Zmiea loowa wielowymiarowa - iezależośd Zbiór zmieych loowych dzielimy a dwa podzbiory w atępujący poób: Fukcję gętości wektora loowego = (,,, m ) określimy jako ( ) Fukcję gętości wektora loowego =( m+, m+,, ) określimy jako ( ) Łączą ukcję gętości wektora loowego jako () = (, ) Jeśli wektory loowe i ą iezależe, to: () = (, ) = ( ) ( ) ) ( ) (,...,,,...,, ) ( m m m...,...,,

Zmiea loowa wielowymiarowa momety () Wartość oczekiwaa wektora loowego Macierz kowariacji m-wymiarowego wektora loowego E E E E T E E E

Zmiea loowa wielowymiarowa momety () Właości: Jeśli wektory loowe i Y ą iezależe, to E(Y T )=E()E(Y) T Jeżeli A macierz taka że EA = A, B macierz taka, że EB = B, E=μ, E E E T to jeżeli Y=A i Z = B:. EY = E(A) = AE() = Aμ. COV(Y,Y) = Σ YY =A Σ A T 3. COV(Y,Z) = Σ YZ =A Σ B T

Wielowymiarowy rozkład ormaly () Fukcja gętości jedowymiarowej zmieej o rozkładzie ormalym: < < + ; σ > Fukcja gętości iezależych zmieych loowych o rozkładach ormalych: T i i i i ep det ep,...,, ep

Wielowymiarowy rozkład ormaly () Fukcja gętości iezależych zmieych loowych o rozkładach ormalych: Liczba parametrów: : N(μ, Σ) U: N(, I) tadardowy rozkład ormaly : N(, σ I) lub : N(μ, σ I) eryczy rozkład ormaly T i i i i ep det ep,...,,

Wielowymiarowy rozkład ormaly właości () Σ ii ) ) Jeżeli Σ = Σ T =, to i ą iezależe σ ij = σ ji =, to i i j ą iezależe 3) Addytywość Jeśli i ą iezależe, to Y = + : N(μ + μ, Σ + Σ ) Twierdzeie odwrote rówież jet prawdziwe

Wielowymiarowy rozkład ormaly właości () 4) Warukowy rozkład = : = : N(μ + Σ Σ - ( - μ ), Σ - Σ Σ - Σ ) 5) Stadaryzacja wielowymiarowego rozkładu ormalego U = B - ( - μ), gdzie BB T = Σ ma rozkład U:N(, I), zaś UU T ma rozkład χ z topiami wobody 6) A dowola macierz rzeczywita, : N(μ, Σ), Y = A, Z = A + C Y: N(A μ, A ΣA T ) Z: N(A μ+c, A ΣA T ) 7) Jeśli wektor loowy : N(μ, Σ), to wzytkie jego rozkłady brzegowe ą rozkładami ormalymi. Twierdzeie odwrote ie jet prawdziwe

Próby z wielowymiarowego rozkładu ormalego () Pobieramy próbę loową protą z populacji o wielowymiarowym rozkładzie ormalym () ukcja gętości wektora loowego w populacji N-elemetowa próba złożoa z -wymiarowych wektorów N-elemetowa próba, czyli próba złożoa z N łączych oberwacji a każdą z zmieych i Oberwacje te moża zapiać w potaci macierzy daych: N N N

Próby z wielowymiarowego rozkładu ormalego () N N N Pojedycza, k-ta oberwacja, k = [ k k k ], jet zatem realizacją loowej zmieej wielowymiarowej Mówi ię rówież o k-tym pośród N obiektów, z których każdy jet opiyway przez cech

Próby z wielowymiarowego rozkładu ormalego tatytyki z próby () Dla pojedyczej próby mamy: Średia: Wektor średich z próby (wektor złożoy ze średich obliczoych dla każdej z cech) Kowariacja: Macierz złożoa z kowariacji każdej z cech z każdą N N N S

Próby z wielowymiarowego rozkładu ormalego tatytyki z próby () Etymatorem ajwiękzej wiarygodości wektora wartości oczekiwaych jet Etymatorem ajwiękzej wiarygodości macierzy Σ jet macierz S N N N S

Próby z wielowymiarowego rozkładu ormalego tatytyki z próby (3) Właości macierzy S: ) Macierz S jet etymatorem obciążoym ES N N ) Macierz S jet tochatyczie zbieża do Σ 3) Macierz ~ S N k k k T jet etymatorem ieobciążoym ~ S N S N

Rozkład Wiharta () Dae ą wektory iezależe o tym amym rozkładzie: Z k : N(, Σ) Macierz V k T Z k Z k ma rozkład Wiharta z topiami wobody i zapiuje ię to: V: W(Σ, ) Jeżeli = oraz Σ = [], to rozkład Wiharta jet rozkładem chi-kwadrat z = topiami wobody Macierz kowariacji S z N-elemetowej próby protej z wielowymiarowej populacji ormalej ma rozkład Wiharta W(Σ, N-)

Rozkład Wiharta () Rozkład Wiharta jet addytywy: Jeżeli A, A, A 3,, A k ą iezależymi macierzami loowymi o rozkładach Wiharta z tą amą macierzą Σ i liczbą topi wobody rówą odpowiedio,, 3,, k, to uma tych macierzy ma rozkład Wiharta z macierzą Σ i liczbą topi wobody = + + 3 + + k

Rozkład T -Hotelliga Jeżeli: : N(μ, Σ), S jet macierzą loową o rozkładzie Wiharta S: W(Σ, N-), to: T N S T ma rozkład T -Hotelliga z N topiami wobody Jeżeli i S ą iezależe, to tatytyka F N N T ma rozkład F z oraz (N-) topiami wobody (N>) N liczebość próby liczba zmieych jedowymiarowych w wektorze loowym

Etymacja μ i Σ Etymacja puktowa wektora wartości oczekiwaych μ Jeżeli : N(μ, Σ), to etymatorami MNW ą ˆ, ˆ S, zaś : N, N Etymacja przedziałowa wektora wartości oczekiwaych Obzar uości dla wektora wartości oczekiwaych przy daym poziomie uości a podtawie próby, w wyiku której otrzymao oraz S

Przedziały uości Roy a i Boy ego Przedziały uości Roy a i Boy ego dla pozczególych elemetów wektora wartości oczekiwaych Przedziały uości Roy a i Boy ego dla różicy średich Wektor a jet kolumowym wektorem, w którym wartością ozaczoe ą brae pod uwagę wartości oczekiwae. Pozotałe elemety przyjmują wartość.

Weryikacja hipotez o μ () Weryikacja hipotezy mówiącej o tym, że wartości oczekiwae w populacji ą rówe kokretemu wektorowi wartości H H Różica : Statytyka tetująca: ma rozkład T -Hotelliga z N- topiami wobody T N T N( ) S ( ) F T, gdzie ( N ) det S N( )( ) T det S ma rozkład F z oraz (N-) topiami wobody (N>) Obzar krytyczy: P(F F α (, N-)) = α : T

Weryikacja hipotez o μ () Weryikacja hipotezy mówiącej o rówości wartości oczekiwaych w dwóch populacjach o wielowymiarowych rozkładach ormalych a podtawie prób N i N - elemetowych Statytyka tetująca:, gdzie Obzar krytyczy: P(F F α (, N +N --)) = α ) ( ) ( * S N N N N T T : : H H ) ( T N N N N F ) ( * S N N S N N S

Weryikacja hipotez o Σ () Weryikacja hipotezy mówiącej o tym, że macierz kowariacji ma określoą potać w populacji H H : : Statytyka tetująca: W N tr U ldetu, gdzie U S Obzar krytyczy: P(W χ α,v) = α, v=(+)/

Weryikacja hipotez o Σ () H : Tet Bartletta o eryczości (zczególy przypadek tetu ) H : H H : : ki ki Statytyka tetująca: W N tr U l det U,, gdzie U Bartlett wykazał, że lepzym prawdziaem powyżzej pary hipotez jet tatytyka ( N 6 Obzar krytyczy: P(χ χ α,v) = α gdzie v=(+)/ 5 ) l R S k