Tablica Galtona. Mechaniczny model rozkładu normalnego

Podobne dokumenty
[6] H. Hofmokl, A. Zawadzki, Laboratorium fizyczne.

Statystyka powtórzenie (II semestr) Rafał M. Frąk

ĆWICZENIE STATYSTYCZNE. STABILIZACJA WZGLĘDNYCH CZĘSTOŚCI I ROZKŁADY WZGLĘD- NYCH CZĘSTOŚCI ZDARZEŃ

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

JEDNOWYMIAROWA ZMIENNA LOSOWA

Analiza Matematyczna Ćwiczenia. J. de Lucas

ZAGADNIENIE TRANSPORTOWE

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

1. Relacja preferencji

Prawdopodobieństwo i statystyka r.

Indukcja matematyczna

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

Planowanie eksperymentu pomiarowego I

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

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

Równania rekurencyjne

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Portfel złożony z wielu papierów wartościowych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

AKADEMIA MORSKA W SZCZECINIE

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

. Wtedy E V U jest równa

Parametry zmiennej losowej

Statystyczne charakterystyki liczbowe szeregu

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

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

Prawdopodobieństwo i statystyka r.

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

Funkcja wiarogodności

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

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

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

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

Metoda Monte-Carlo i inne zagadnienia 1

System finansowy gospodarki

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

ĆWICZENIE 5 TESTY STATYSTYCZNE

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

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 2 _AW&D) [1] Postać kanoniczna liniowego modelu decyzyjnego (ogólnie)

Prawdopodobieństwo i statystyka r.

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

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

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

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Statystyka Matematyczna Anna Janicka

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

Analiza spektralna stóp zwrotu z inwestycji w akcje

Statystyka Opisowa Wzory

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

5. Obiegi wielostopniowe (kaskadowe). Metoda obliczania obiegów kaskadowych.

Podstawy opracowania wyników pomiarowych, analiza błędów

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

Projekt 2 2. Wielomiany interpolujące

Matematyczny opis ryzyka

Matematyka dyskretna. 10. Funkcja Möbiusa

ROZKŁADY ZMIENNYCH LOSOWYCH

Powinowactwo chemiczne Definicja oraz sens potencjału chemicznego, aktywność Termodynamiczne funkcje mieszania

Podprzestrzenie macierzowe

VI. TWIERDZENIA GRANICZNE

Wyrażanie niepewności pomiaru

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

STATYSTYKA OPISOWA WYKŁAD 3,4

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Procent prosty Gdy znamy kapitał początkowy i stopę procentową

System finansowy gospodarki

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystyczne) MIARY POŁOśENIA

= n ESTYMACJA PUNKTOWA. 1. Estymacja punktowa dla wartości średniej - określanie błędu standardowego s s sˆ n

Bajki kombinatoryczne

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

będą niezależnymi zmiennymi losowymi o tym samym 2 x

Definicje ogólne

JEDNOWYMIAROWA ZMIENNA LOSOWA

Pomiary parametrów napięć i prądów przemiennych

ma rozkład normalny z nieznaną wartością oczekiwaną m

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

Reprezentacja krzywych...

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

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

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 parametrów rozkładu populacji.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

FUNKCJE DWÓCH ZMIENNYCH

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

PDF created with FinePrint pdffactory Pro trial version WIII/1

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

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

Badania Operacyjne (dualnośc w programowaniu liniowym)

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

Transkrypt:

Ćwczee M- Tablca Galta. Mechaczy mdel rzładu rmaleg I. Cel ćwczea: zapzae sę z charaterystyą prawdłwścą zdarzeń statystyczych a pdstawe dśwadczea. II. Przyrządy: tablca Galta, stalwe ul, pzmca. III. Lteratura: [] J. L. Kacpers, I Pracwa fzycza ; [] J. L. Kacpers, K. Nedźwedzu; I Pracwa fzycza, [3] J. L. Kacpers Opracwae daych pmarwych, [4] K. Małuszyńsa, M. Przytuła Labratrum fzy ądrwe, [5] M. Kaczmarczy Ćwczee statystycze. Stablzaca względych częstśc rzład względych częstśc zdarzeń (struca pracwaa, [6] H. Hfml, A. Zawadz, Labratrum fzycze ; [7] H. Szydłws Pracwa fzycza, [8] M.Fsz Rachue prawdpdbeństwa statystya matematycza. IV. Rzład rmaly Zbór wszystch mżlwych d trzymaa wyów pmarów pewe welśc merze azywamy ppulacą geeralą. Ppulaca geerala słada sę z esńczee welu wyów. W pratyce wyue sę pewą sńczą lczbę pmarów zwaą próbą. Załada sę, że est t próba lswa dbrze reprezetuąca całą ppulace. Przy pmarach welśc fzyczych trzymae wy pmarów zależą d welu czyów, eedy ezależych d prwadząceg pmary. Dzałae ch pwdue pawee sę błędów pmarwych. Ne esteśmy w stae przewdzeć wyów pmarów wyaych w daych waruach. Wy est welścą zmeaącą sę przypadw w pewych gracach, eedy esńczych. Tę welść azywamy zmeą lswą, charateryzwaą przez pewe rzład, tóry będze szerszy (w przypadu gdy wystąp wele czyów załócaących lub węższy (gdy czyów będze ewele. W przypadu edy wyem pmaru mgą być tyl etóre wartśc z dstępeg przedzału mówmy, że est t zmea lswa swa (dysreta. Kedy wyem pmaru mże być dwla wartść, mówmy zmee lswe cągłe. Wyamy serę pmarów pewe welśc x. Nech trzymae wy pmaru x, x, x 3, x przymuą wartśc z reśleg przedzału raz ech lczba pmarów speła warue >> 0 (est t lść wystarczaąca d uzysaa w pratyce przyblżea rzładu rmaleg. Wy te mża przedstawć grafcze a tzw. hstgrame (rys.. Dae dśwadczale są dzele a przedzały (lasy lewstre dmęte przedzały lczbwe rówe szerśc x. Szerść przedzału pwa wysć w gracach σ ze względu a przerzystść hstgramu, gdze σ est dchyleem stadardwym 4 6 (patrz dale. Ilść przedzałów mus być lczbą całwtą. Na s rzędych dładamy lść pmarów lub lczebść względą / dpwadaących -temu przedzałw, a a s dcętych przedzałów szerśc x. Zachdz czywśce. Zatem hstgram est zbrem prstątów pdstawe rówe szerśc przedzału lasweg wysśc rówe lczebśc -te lasy. = =

Ćwczee M- Rys. Hstgram dśwadczaly pewe welśc x Otrzymae wartśc aczęśce są zgrupwae w bszarze zaduącym sę w śrdwe częśc hstgramu. Im dale d teg bszaru tym me bserwue sę przypadów, stąd częstść występwaa tae wartśc malee. Częstść występwaa merzymy stsuem lczby pmarów w daym przedzale d całwte lczby pmarów czyl P = ( W przypadu, gdy lczba pmarów wzrasta, a szerść x malee, rzład wyów dśwadczalych w przypadu graczym dae rzywą cągłą, tóra zwaa est rzywą Gaussa lub rzywą gęstśc rzładu rmaleg psaą rówaem ( µ x σ p(x = e ( σ π Krzywą tą charateryzuą dwa parametry: wartść czewaa µ dchylee stadardwe σ. Wartść czewaa reśla płżee masmum rzywe, a dchylee stadardwe e szerść, czyl dchylee wyów d wartśc µ. Welść p(x est gęstścą prawdpdbeństwa wyów pmaru. Parametry blcze z próby zwae są estymatram. Estymatry daą mżlwść wswaa wartśc parametrów ppulac geerale. Wartść średa (średa arytmetycza x z próby est estymatrem wartśc czewae µ, czyl średe w ppulac. Odchylee stadardwe z próby est estymatrem dchylea stadardweg w ppulac. Dla wartśc średe mamy węc x = x = µ= (3 Dla próby pdzele a przedzały laswe wartść średa wyraża sę wzrem X x = x = (4 x

Ćwczee M- gdze x = x + x est śrdem -teg przedzału, lczbą przedzałów laswych raz = = ( + / Dla próby e laswe (e dzele a przedzały laswe estymatr dchylea stadardweg σ est dchyleem stadardwym z próby est rówy (5 σ s = (x x = (6 gdze s est średm błędem wadratwym pedyczeg pmaru. Dla próby pdzele a przedzały laswe, gdze przedstawe est wzrem (5 dchylee stadardwe wyraże est wzrem σ s = (x x = (7 Dla próby duże lub bardz duże edyę w mawu we wzrach (6 (7 mża pmąć. Dla dcętych rówych µ σ µ + σ rzywa Gaussa psada puty przegęca (rys.. p(x µ-σ µ µ+σ Ilczy p(x dx staw prawdpdbeństw zalezea wartśc x w przedzale (x dx/, x + dx/, ym słwy est t prawdpdbeństw przyęca przez zmeą lswą wartśc z przedzału (x dx/, x + dx/ ( zaceme ple a rys.. Fuca p(x est symetrycza względem µ tz. względem wartśc rzeczywste welśc merze. Wartść średa x est blsa wartśc rzeczywste µ. W pratyce dla próby zaweraące bardz dużą lczbę pmarów przymuemy, że µ x raz σ s Prawdpdbeństw teg, że wy przyme edą z wartśc d mus esńczśc d plus esńczśc wys dx Rys. Fuca gęstśc prawdpdbeństwa x 3

Ćwczee M- + P(- <x< = p ( x dx= (8 c dpwada pewśc. Grafcze est t ple pwerzch pd rzywą rówe edśc. Kedy flutuace statystycze są duż węsze d błędów wyaących z dzałaa aparatury, dchylee stadardwe σ zależy d wartśc średe (przypade rzładu Pssa zachdz relaca σ = x. x µ W przypadu pdstawea u = σ rzywa z rówaa ( ulega przesuęcu w lew dce µ, a dcęte są wyraże w edstach σ. W wyu w/w zma trzymuemy tzw. rzywą zrmalzwaą parametrach µ = 0, σ =. Rówae ( przymue pstać p(u = π u e (9 Wartśc fuc p(u w zależśc d u są zameszcze w tabel, tóra z reguły zadue sę w Uzupełeach pdręczów (patrz pzyce lteratury [] [3], [6]. Peważ prawdpdbeństw teg, że wy pmaru leży w przedzale [x, x + wys P = p( x p( u x, a p( x =, t wówczas wyrzystuąc rówae ( p ewelm σ przeształceu dla przedzału szerśc x trzymamy teretyczą lczbę pmarów w daym przedzale x p(u = (0 σ Dla przedzału szerśc edstwe x = (ta est w przypadu des Galta mamy p(u = ( σ p(x P(s put przegęca α ½α ½α x 3s x s x x+s x+3s Rys.3. Iterpretaca grafcza pzmu ufśc w rzładze rmalym 4

Ćwczee M- Prawdpdbeństw P(ms, że wy pmaru meśc sę w przedzale ( x ms, x + ms gdze m =,, 3, rówe pwerzch pd rzywą gracze wartścam dcęte x ms, x + ms zacza sę przez α azywa sę współczyem ufśc. Przymue sę, że całwte ple gracze rzywą są x est rówe. Prawdpdbeństw zalezea sę pza tym przedzałem est rówe α dpwada pzstałe ezareśle pwerzch pd rzywą. Parametr α s azwę pzmu sttśc. Na rys.3 pazae est prawdpdbeństw P(s dla przedzału ( x s, x + s. V. Test zgdśc ( ch-wadrat Rzład dśwadczaly reśle welśc fzycze mża prówać z rzładem teretyczym. Jeśl e esteśmy pew, że zbór daych dśwadczalych pdlega załżemu rzładw, wyuemy tzw. test zgdśc (test Pearsa. Nech wartśc trzymae w wyu pmaru wyszą x, x.x. Pdzelmy cały przedzał wartśc trzymaych wyów a przedzałów (las ażdy szerśc x [x, x +, gdze =,,.. Nech P zacza prawdpdbeństw, że zmea lswa x rzładze p(x przymue wartśc z przedzału [x, x +, ech zacza dśwadczalą lczbę pmarów dpwadaącą przedzałw [x, x +, a = =. Spdzewaą teretyczą lczbę bserwac w -tym przedzale pdae wzór (0 a dla tablcy Galta wzór (. Wówczas a ryterum zgdśc rzładu, z rzładem rmalym przymuemy welść: ( = ( = tórą azywamy zmeą ch- wadrat stpach swbdy. Ilść stp swbdy blczamy z relac = r (3 gdze est t lczba przedzałów, a r lczba parametrów rzładu teretyczeg dla rzładu rmaleg r = Optymala lczba przedzałów est blsa perwastw z lczby przypadów: =. W przypadu stswaa testu pwy być spełe astępuące waru: lczba przedzałów > 6 8, lczba stp swbdy 4, lść pmarów w ażdym przedzale > 5 (w przecwym wypadu ależy płączyć w ede przedzał la sraych przedzałów. Testwae rzładu będze plegał a blczeu wartśc zgde ze wzrem ( p- rówau e z wartścam rzładu,α dla lczby stp swbdy załżeg pzmu sttśc α (zwyle α = 0,05 w dpwedch tablcach. Hptezę zgdśc rzładu esperymetaleg teretyczeg przymuemy, gdy speła est erówść (4, w Uzupeł- gdze α est przyętym pzmem sttśc. Węce a temat rzładu testu eu str. 9 raz w [] [3]. α 5

Ćwczee M- VI. Aparatura pmarwa Rys.4 Tablca Galta Tablca Galta staw tablcę z cem prętam metalwym. Nad prętam zadue sę szczela, przez tórą wrzucae są ul stalwe. Na dle tablcy zaduą sę detycze przegród z wysuwaym deam. W przypadu, gdy średce ule są tyl ezacze węsze d dległśc mędzy sąsedm prętam, zderzee ul z prętem ma charater człwy. W zwązu z tym szase dchylea w lew lub w praw są edawe. Kula wrzuca d szczely dba sę welrte d prętów, aż w ńcu wpada d aeś przegród. Istee szereg mżlwych dróg dśca d ażde przegrdy. VII. Pmary Prześce ul przez rzędy prętów dpwada pedyczemu pmarw. Każde zderzee z prętem symblzue błąd elemetary. Płżee przegrdy, d tóre wpada ula t wy pmaru. Wartść dładą welśc merze symblzue płżee szczely, d tóre wrzuca sę ul. Prawdpdbeństw trafea ul d przegrdy cetrale, płże pd szczelą est awęsze, c pwdue, że w cetrale przegrdze będze awęce ule. W ćwczeu ależy wrzucć d szczely laset ule (ażdą ulę wrzucamy pedycz. Jeśl lczba pzmych rzędów prętów dąży d esńczśc, a średce ule, dległśc mędzy prętam wymary przegród dążą d zera, t fuca, tóra wąże lść ule w przegrdze z e dległścą d śrda tablcy dąży d rzładu rmaleg. VIII. Opracwae wyów. Zapsz wy pmarów w lume tab. ( x est umerem przegrdy.. Oblcz wartść średą x ze wzru (4 dchylee stadardwe σ s ze wzru (7 wyrzystuąc blczea z tab.. 6

Ćwczee M- 3. Narysu hstgram dśwadczaly rzystaąc z lumy. tab.. Wartść zmee x zacza śrde przedzału (pdstawy słupa hstgramu. Np. dla x = lewy prawy raec przedzału są rówe dpwed 0,5,5. Tabela x x ( x x ( x x u = ( x x p (u = s 3 4 6 7 8 9 3 M p(u s 4. Oblcz u raz teretyczą wartść ze wzru (. Odczyta z właścwe tablcy (patrz pz. lt. [] [3], [6] wartśc gęstśc prawdpdbeństwa p(u. 5. Na hstgrame dśwadczalym umeść puty teretycze z lumy 9 tabel płącz e lą cągłą. 6. Sprawdź rmalść hstgramu przy pmcy testu. Przy blczeach wartśc ależy sprawdzć, czy zstały spełe wszyste rytera dla przeprwadzea w/w testu, czyl czy lczebśc przedzałów są węsze d m = 5. Jeśl te warue e est speły, ależy płączyć dpwedą lczbę sąsaduących przedzałów (a w tabel. Tabela x p(u = s ( ( 3 4 5 } } 3 3 3 M M M } - - } = W przypadu grupwaa przedzałów ależy pamętać, że ch lczba ulega zmeszeu lczbę tych zsypaych. Zmeszy sę też dpwed lczba tzw. stp swbdy. Ilść stp swbdy blczamy z relac (patrz wzór (3: = r 7

Ćwczee M- gdze est t lczba przedzałów, a r lczba parametrów rzładu teretyczeg dla rzładu rmaleg r =. Węce patrz [] str.6. 7. Wyrzystuąc tabelę blcz wartść. 8. Dla pzmu sttśc α = 0,05 zae lczby stp swbdy z właścwe tabel dczyta, (pz. lt. [] [3], [6]. α Jeśl zachdz relaca, α hptezę zgdśc rzładu esperymetaleg teretyczeg przymuemy. Jeśl est dwrte hptezę drzucamy. 9. Przeprwadzć dysusę wyaeg dśwadczea trzymaych wyów. 8

Ćwczee M- IX. Uzupełee IX. Rzład ( ch-wadrat Jeśl u, u,..., u są zmeym lswym pdlegaącym rzładw rmalemu wartśc średe rówe 0 dchyleu stadardwemu σ = (rzład N(0,, t wyrażee = u (4 = reśla wą zmeą lswą (ch-wadrat stpach swbdy. Pdlega a rzładw, tóreg gęstść prawdpdbeństwa psaa est fucą p(. Pstać aaltycza fuc est dść złża e zameszcz e w struc (mża ą zaleźć w [3], [4]. Jedyym parametrem teg rzładu est lczba stp swbdy. Lczba stp swbdy est rówa: = r ( lczba sładów sumy (4, r lczba parametrów załżeg rz- ładu. Przebeg fuc gęstśc prawdpdbeństwa p( dla peweg przedstawa rysue 5. p( Ple = α Obszar przyęca hptezy Obszar drzucea hptezy Ple ceme = α Rys.5 Wyres gęstśc prawdpdbeństwa p( dla daeg ( > 6. Prawdpdbeństw teg, że zmea,α wys 9 przyme wartść węszą d pewe wartśc ( > = p(, α P d =α (5 Parametr α s azwę pzmu sttśc est rówy ceme pwerzch a rysuu 5 (ta est, eśl mamy d czyea z rzładem urmwaym całwta pwerzcha pd rzywą est rówa. Dla fuca gęstśc prawdpdbeństwa est fucą mtcze maleącą. W marę wzrstu pczątwa asymetra zaa dla > 30 rzład rmaly dae dbre przyblżee rzładu. IX. Test zgdśc ( ch-wadrat Bardz częst stswaym testem zgdśc rzładu dśwadczaleg z załżym rzładem mdelwym est test (ch-wadrat. Rzpatrzmy przypade próby ezależych bserwacach zmee lswe X: x, x, x 3,.x.. Obserwace te dzelmy a las ażda szerśc x ( x x/, x + x/,, α, α

Ćwczee M- gdze x est śrdem teg przedzału (lasy, =,,, raz = =. D te lasy zalczamy te wartśc, tóre ależą d przedzału ( x x/, x + x/. Nech y = będze dśwadczalą lczbą pmarów dpwadaącą te lase ( =,,. są t umery leych las, a f(x = ech będze lczebścą zalezą w parcu załży rzład. D cey zgdśc rzładu dśwadczaleg z załżym rzładem mdelwym wprwadza sę welść ( y f(x ( = X = (6 f(x = Mża wyazać, że wyrażee (6 przy pewych załżeach defue zmeą lswą, tóra ma rzład. Dlateg prawą strę wyrażea (6 mża zaczyć symblem, w tórym des dly zawera frmacę lczbe stp swbdy rzładu czyl ( = = = (6a Prawdpdbeństwa P, tórych zamść est stta w welu zagadeach statystyczych są zebrae w frme tablc (p. w [3], [6],. Isteą dwa rdzae tablc. Jede pdaą dla różych wartśc prawdpdbeństw teg, że zmea lswa przyme wartść węszą d reśle lczby,α. Drug rdza tablc pdae dla różych wartśc parametru tae lczby rzeczywste,α, że prawdpdbeństw przybraa przez zmeą lswą wartśc węsze d dae lczby est rówe z góry dae lczbe α. Przyętą hptezę (p., że rzład dśwadczaly est rzładem rmalym sprawdzamy rzystaąc z własśc rzładu. Naperw dla ptrzeb testu blczamy wartść dla asze ser pmarów (wg wzru ( lub (6a te struc. Ozaczamy tę wartść przez Następe z pwdu stea dwóch rdzaów tablc stsuemy sę d ede z psaych że prcedur.. Krzystaąc z dpwede tablcy [] zaduemy prawdpdbeństw teg, że zmea przyme wartść węszą d α = P = P( > (wartść ta dpwada zaczeu d, α. d a rys. 5 czyl d dla dpwede lczby stp swbdy dla rete wartśc d. Jeżel dczytaa wartść prawdpdbeństwa P est zawarta w przedzale 0, < P < 0,9, t hptezę przymuemy za prawdzwą. Gdy α < 0,0 lub α > 0,98 hpteza est mał prawdpdba ależy ą drzucć. Jeśl α > 0,98, t stee pderzee, że aeś ddatwe czy p. zamść przewdywae welśc, sprwwała zarąglae wartśc pmarwe, aby dstać masymalą zgdść z terą.. Krzystaąc z dpwede tablcy [], dla reśle lczby stp swbdy załżeg pzmu sttśc α (czyl reśleg prawdpdbeństwa P zaduemy wartść. Jeśl zachdz relaca,α < dwrte hptezę drzucamy. d, t hptezę przymuemy za prawdzwą. Jeśl est,α Bardze szczegółwe frmace a temat rachuu statystyczeg mża zaleźć w lteraturze pdae a pczątu struc. 0