Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
ESTYMACJA PRZEDZIAŁOWA
WYBRANYCH PARAMETRÓW POPULACJI
Agnieszka Rossa
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Szkic wykładu
1
2
Przedziały ufno ´sci dla ´sredniej
3
Przedział ufno ´sci dla frakcji
4
Przedział ufno ´sci dla wariancji
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przedziałem ufno ´sci nazywamy przedział losowy,
o którym przypuszczamy z zadanym prawdopodo-
bie ´
nstwem, ˙ze zawiera nieznany parametr populacji.
Parametrami populacji, których estymacj ˛
a b ˛edziemy si ˛e
zajmowa´c s ˛
a:
´srednia, wariancja i frakcja
.
Z przedziałem ufno´sci zwi ˛
azany jest
poziom ufno ´sci
1 − α
, okre´slaj ˛
acy prawdopodobie ´nstwo tego, ˙ze przedział
ufno´sci rzeczywi´scie zawiera interesuj ˛
acy nas parametr.
Kra ´nce przedziału ufno´sci – wyznaczone na podstawie
konkretnej realizacji próby losowej – dostarczaj ˛
a
oceny
przedziałowej nieznanego parametru
.
W przeciwie ´nstwie do oceny przedziałowej, mo˙zliwa jest
te˙z ocena punktowa szukanego parametru.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przedziałem ufno ´sci nazywamy przedział losowy,
o którym przypuszczamy z zadanym prawdopodo-
bie ´
nstwem, ˙ze zawiera nieznany parametr populacji.
Parametrami populacji, których estymacj ˛
a b ˛edziemy si ˛e
zajmowa´c s ˛
a:
´srednia, wariancja i frakcja
.
Z przedziałem ufno´sci zwi ˛
azany jest
poziom ufno ´sci
1 − α
, okre´slaj ˛
acy prawdopodobie ´nstwo tego, ˙ze przedział
ufno´sci rzeczywi´scie zawiera interesuj ˛
acy nas parametr.
Kra ´nce przedziału ufno´sci – wyznaczone na podstawie
konkretnej realizacji próby losowej – dostarczaj ˛
a
oceny
przedziałowej nieznanego parametru
.
W przeciwie ´nstwie do oceny przedziałowej, mo˙zliwa jest
te˙z ocena punktowa szukanego parametru.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przedziałem ufno ´sci nazywamy przedział losowy,
o którym przypuszczamy z zadanym prawdopodo-
bie ´
nstwem, ˙ze zawiera nieznany parametr populacji.
Parametrami populacji, których estymacj ˛
a b ˛edziemy si ˛e
zajmowa´c s ˛
a:
´srednia, wariancja i frakcja
.
Z przedziałem ufno´sci zwi ˛
azany jest
poziom ufno ´sci
1 − α
, okre´slaj ˛
acy prawdopodobie ´nstwo tego, ˙ze przedział
ufno´sci rzeczywi´scie zawiera interesuj ˛
acy nas parametr.
Kra ´nce przedziału ufno´sci – wyznaczone na podstawie
konkretnej realizacji próby losowej – dostarczaj ˛
a
oceny
przedziałowej nieznanego parametru
.
W przeciwie ´nstwie do oceny przedziałowej, mo˙zliwa jest
te˙z ocena punktowa szukanego parametru.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przedziałem ufno ´sci nazywamy przedział losowy,
o którym przypuszczamy z zadanym prawdopodo-
bie ´
nstwem, ˙ze zawiera nieznany parametr populacji.
Parametrami populacji, których estymacj ˛
a b ˛edziemy si ˛e
zajmowa´c s ˛
a:
´srednia, wariancja i frakcja
.
Z przedziałem ufno´sci zwi ˛
azany jest
poziom ufno ´sci
1 − α
, okre´slaj ˛
acy prawdopodobie ´nstwo tego, ˙ze przedział
ufno´sci rzeczywi´scie zawiera interesuj ˛
acy nas parametr.
Kra ´nce przedziału ufno´sci – wyznaczone na podstawie
konkretnej realizacji próby losowej – dostarczaj ˛
a
oceny
przedziałowej nieznanego parametru
.
W przeciwie ´nstwie do oceny przedziałowej, mo˙zliwa jest
te˙z ocena punktowa szukanego parametru.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przedziałem ufno ´sci nazywamy przedział losowy,
o którym przypuszczamy z zadanym prawdopodo-
bie ´
nstwem, ˙ze zawiera nieznany parametr populacji.
Parametrami populacji, których estymacj ˛
a b ˛edziemy si ˛e
zajmowa´c s ˛
a:
´srednia, wariancja i frakcja
.
Z przedziałem ufno´sci zwi ˛
azany jest
poziom ufno ´sci
1 − α
, okre´slaj ˛
acy prawdopodobie ´nstwo tego, ˙ze przedział
ufno´sci rzeczywi´scie zawiera interesuj ˛
acy nas parametr.
Kra ´nce przedziału ufno´sci – wyznaczone na podstawie
konkretnej realizacji próby losowej – dostarczaj ˛
a
oceny
przedziałowej nieznanego parametru
.
W przeciwie ´nstwie do oceny przedziałowej, mo˙zliwa jest
te˙z ocena punktowa szukanego parametru.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przykładowo, mówi ˛
ac, ˙ze ´srednia w populacji – oszaco-
wana na podstawie próby – wynosi 10, podajemy ocen ˛e
punktow ˛
a tego parametru.
Ocena punktowa nie mówi jednak, jak dalece podana war-
to´s´c odbiega od rzeczywistej ´sredniej populacji. Z tego po-
wodu, bardziej wskazana jest ocena przedziałowa.
Przypu´s´cmy, ˙ze do estymacji wykorzystali´smy przedział
ufno´sci skonstruowany dla zadanego 1 − α. Np. 95-pro-
centowy przedział [9, 11] informuje, ˙ze mo˙zemy mie´c 95%
ufno´sci, i˙z w tym przedziale znajduje si ˛e ´srednia populacji.
Estymacja przedziałowa dostarcza zatem wi ˛ecej informacji
o mo˙zliwej warto´sci parametru populacji, ni˙z estymacja
punktowa. Uwzgl ˛ednia bowiem wielko´s´c bł ˛edu estymacji
dla zadanego poziomu ufno´sci.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przykładowo, mówi ˛
ac, ˙ze ´srednia w populacji – oszaco-
wana na podstawie próby – wynosi 10, podajemy ocen ˛e
punktow ˛
a tego parametru.
Ocena punktowa nie mówi jednak, jak dalece podana war-
to´s´c odbiega od rzeczywistej ´sredniej populacji. Z tego po-
wodu, bardziej wskazana jest ocena przedziałowa.
Przypu´s´cmy, ˙ze do estymacji wykorzystali´smy przedział
ufno´sci skonstruowany dla zadanego 1 − α. Np. 95-pro-
centowy przedział [9, 11] informuje, ˙ze mo˙zemy mie´c 95%
ufno´sci, i˙z w tym przedziale znajduje si ˛e ´srednia populacji.
Estymacja przedziałowa dostarcza zatem wi ˛ecej informacji
o mo˙zliwej warto´sci parametru populacji, ni˙z estymacja
punktowa. Uwzgl ˛ednia bowiem wielko´s´c bł ˛edu estymacji
dla zadanego poziomu ufno´sci.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przykładowo, mówi ˛
ac, ˙ze ´srednia w populacji – oszaco-
wana na podstawie próby – wynosi 10, podajemy ocen ˛e
punktow ˛
a tego parametru.
Ocena punktowa nie mówi jednak, jak dalece podana war-
to´s´c odbiega od rzeczywistej ´sredniej populacji. Z tego po-
wodu, bardziej wskazana jest ocena przedziałowa.
Przypu´s´cmy, ˙ze do estymacji wykorzystali´smy przedział
ufno´sci skonstruowany dla zadanego 1 − α. Np. 95-pro-
centowy przedział [9, 11] informuje, ˙ze mo˙zemy mie´c 95%
ufno´sci, i˙z w tym przedziale znajduje si ˛e ´srednia populacji.
Estymacja przedziałowa dostarcza zatem wi ˛ecej informacji
o mo˙zliwej warto´sci parametru populacji, ni˙z estymacja
punktowa. Uwzgl ˛ednia bowiem wielko´s´c bł ˛edu estymacji
dla zadanego poziomu ufno´sci.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przypomnienie dotychczasowych rozwa˙za ´
n
Przykładowo, mówi ˛
ac, ˙ze ´srednia w populacji – oszaco-
wana na podstawie próby – wynosi 10, podajemy ocen ˛e
punktow ˛
a tego parametru.
Ocena punktowa nie mówi jednak, jak dalece podana war-
to´s´c odbiega od rzeczywistej ´sredniej populacji. Z tego po-
wodu, bardziej wskazana jest ocena przedziałowa.
Przypu´s´cmy, ˙ze do estymacji wykorzystali´smy przedział
ufno´sci skonstruowany dla zadanego 1 − α. Np. 95-pro-
centowy przedział [9, 11] informuje, ˙ze mo˙zemy mie´c 95%
ufno´sci, i˙z w tym przedziale znajduje si ˛e ´srednia populacji.
Estymacja przedziałowa dostarcza zatem wi ˛ecej informacji
o mo˙zliwej warto´sci parametru populacji, ni˙z estymacja
punktowa. Uwzgl ˛ednia bowiem wielko´s´c bł ˛edu estymacji
dla zadanego poziomu ufno´sci.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla ´sredniej, gdy dysponujemy du˙z ˛
a prób ˛
a
W wykładzie ”
Podstawy wnioskowania – cz ˛e´s´c I
” wyzna-
czony był przedział ufno´sci dla ´sredniej µ cechy X w po-
pulacji w przypadku,
gdy dysponujemy du˙z ˛
a prób ˛
a
.
Teoretycznie zakłada si ˛e tu, ˙ze liczebno´s´c próby d ˛
a˙zy do
niesko ´nczono´sci. W praktyce przyjmuje si ˛e, ˙ze próba po-
winna liczy´c co najmniej 30 obserwacji, tj. n ≥ 30.
Przy tym zało˙zeniu przedział ufno´sci dla parametru µ, dla
zadanego poziomu ufno´sci 1 − α, ma posta´c:
¯
X − u
α
σ
√
n
;
¯
X + u
α
σ
√
n
,
gdzie u
α
jest kwantylem rz ˛edu 1 −
α
2
rozkładu N(0, 1),
σ
jest odchyleniem standardowym cechy X w populacji.
Je´sli nie znamy parametru
σ
, zast ˛epujemy go odchyleniem
standardowym
S
z próby.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla ´sredniej, gdy dysponujemy du˙z ˛
a prób ˛
a
W wykładzie ”
Podstawy wnioskowania – cz ˛e´s´c I
” wyzna-
czony był przedział ufno´sci dla ´sredniej µ cechy X w po-
pulacji w przypadku,
gdy dysponujemy du˙z ˛
a prób ˛
a
.
Teoretycznie zakłada si ˛e tu, ˙ze liczebno´s´c próby d ˛
a˙zy do
niesko ´nczono´sci. W praktyce przyjmuje si ˛e, ˙ze próba po-
winna liczy´c co najmniej 30 obserwacji, tj. n ≥ 30.
Przy tym zało˙zeniu przedział ufno´sci dla parametru µ, dla
zadanego poziomu ufno´sci 1 − α, ma posta´c:
¯
X − u
α
σ
√
n
;
¯
X + u
α
σ
√
n
,
gdzie u
α
jest kwantylem rz ˛edu 1 −
α
2
rozkładu N(0, 1),
σ
jest odchyleniem standardowym cechy X w populacji.
Je´sli nie znamy parametru
σ
, zast ˛epujemy go odchyleniem
standardowym
S
z próby.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla ´sredniej, gdy dysponujemy du˙z ˛
a prób ˛
a
W wykładzie ”
Podstawy wnioskowania – cz ˛e´s´c I
” wyzna-
czony był przedział ufno´sci dla ´sredniej µ cechy X w po-
pulacji w przypadku,
gdy dysponujemy du˙z ˛
a prób ˛
a
.
Teoretycznie zakłada si ˛e tu, ˙ze liczebno´s´c próby d ˛
a˙zy do
niesko ´nczono´sci. W praktyce przyjmuje si ˛e, ˙ze próba po-
winna liczy´c co najmniej 30 obserwacji, tj. n ≥ 30.
Przy tym zało˙zeniu przedział ufno´sci dla parametru µ, dla
zadanego poziomu ufno´sci 1 − α, ma posta´c:
¯
X − u
α
σ
√
n
;
¯
X + u
α
σ
√
n
,
gdzie u
α
jest kwantylem rz ˛edu 1 −
α
2
rozkładu N(0, 1),
σ
jest odchyleniem standardowym cechy X w populacji.
Je´sli nie znamy parametru
σ
, zast ˛epujemy go odchyleniem
standardowym
S
z próby.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla ´sredniej, gdy dysponujemy du˙z ˛
a prób ˛
a
W wykładzie ”
Podstawy wnioskowania – cz ˛e´s´c I
” wyzna-
czony był przedział ufno´sci dla ´sredniej µ cechy X w po-
pulacji w przypadku,
gdy dysponujemy du˙z ˛
a prób ˛
a
.
Teoretycznie zakłada si ˛e tu, ˙ze liczebno´s´c próby d ˛
a˙zy do
niesko ´nczono´sci. W praktyce przyjmuje si ˛e, ˙ze próba po-
winna liczy´c co najmniej 30 obserwacji, tj. n ≥ 30.
Przy tym zało˙zeniu przedział ufno´sci dla parametru µ, dla
zadanego poziomu ufno´sci 1 − α, ma posta´c:
¯
X − u
α
σ
√
n
;
¯
X + u
α
σ
√
n
,
gdzie u
α
jest kwantylem rz ˛edu 1 −
α
2
rozkładu N(0, 1),
σ
jest odchyleniem standardowym cechy X w populacji.
Je´sli nie znamy parametru
σ
, zast ˛epujemy go odchyleniem
standardowym
S
z próby.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Fragment tablicy rozkładu normalnego standaryzowanego
Copyright Giorgio Krenkel and Alex Sandri, GNU Free Documentation License, Low Resolution
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 1
W pewnym hipermarkecie przeprowadzono badanie maj ˛
a-
ce na celu oszacowanie ´sredniego, dziennego zapotrzebo-
wania na mleko (w dniach roboczych). Zbadano wielko´s´c
sprzeda˙zy w ci ˛
agu 50 losowo wybranych dni roboczych,
otrzymuj ˛
ac ´sredni ˛
a dzienn ˛
a sprzeda˙z równ ˛
a 100 litrów,
przy odchyleniu standardowym 15 litrów.
Oszacowa´c przedziałowo ´sredni ˛
a, dzienn ˛
a sprzeda˙z mleka
w tym hipermarkecie, przyjmuj ˛
ac poziom ufno´sci 0, 95.
Rozwi ˛
azanie.
Kwantyl u
α
rz ˛edu 1 −
α
2
=
0, 975 rozkładu
N(0, 1) wynosi 1, 96 - zob. poprzedni slajd. Podstawiaj ˛
ac
dane z próby do wzoru na przedział ufno´sci:
100 − 1, 96
15
√
50
;
100 + 1, 96
15
√
50
,
otrzymujemy ocen ˛e przedziałow ˛
a:
[
96 (l); 104 (l)]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 1
W pewnym hipermarkecie przeprowadzono badanie maj ˛
a-
ce na celu oszacowanie ´sredniego, dziennego zapotrzebo-
wania na mleko (w dniach roboczych). Zbadano wielko´s´c
sprzeda˙zy w ci ˛
agu 50 losowo wybranych dni roboczych,
otrzymuj ˛
ac ´sredni ˛
a dzienn ˛
a sprzeda˙z równ ˛
a 100 litrów,
przy odchyleniu standardowym 15 litrów.
Oszacowa´c przedziałowo ´sredni ˛
a, dzienn ˛
a sprzeda˙z mleka
w tym hipermarkecie, przyjmuj ˛
ac poziom ufno´sci 0, 95.
Rozwi ˛
azanie.
Kwantyl u
α
rz ˛edu 1 −
α
2
=
0, 975 rozkładu
N(0, 1) wynosi 1, 96 - zob. poprzedni slajd. Podstawiaj ˛
ac
dane z próby do wzoru na przedział ufno´sci:
100 − 1, 96
15
√
50
;
100 + 1, 96
15
√
50
,
otrzymujemy ocen ˛e przedziałow ˛
a:
[
96 (l); 104 (l)]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 1
W pewnym hipermarkecie przeprowadzono badanie maj ˛
a-
ce na celu oszacowanie ´sredniego, dziennego zapotrzebo-
wania na mleko (w dniach roboczych). Zbadano wielko´s´c
sprzeda˙zy w ci ˛
agu 50 losowo wybranych dni roboczych,
otrzymuj ˛
ac ´sredni ˛
a dzienn ˛
a sprzeda˙z równ ˛
a 100 litrów,
przy odchyleniu standardowym 15 litrów.
Oszacowa´c przedziałowo ´sredni ˛
a, dzienn ˛
a sprzeda˙z mleka
w tym hipermarkecie, przyjmuj ˛
ac poziom ufno´sci 0, 95.
Rozwi ˛
azanie.
Kwantyl u
α
rz ˛edu 1 −
α
2
=
0, 975 rozkładu
N(0, 1) wynosi 1, 96 - zob. poprzedni slajd. Podstawiaj ˛
ac
dane z próby do wzoru na przedział ufno´sci:
100 − 1, 96
15
√
50
;
100 + 1, 96
15
√
50
,
otrzymujemy ocen ˛e przedziałow ˛
a:
[
96 (l); 104 (l)]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla ´sredniej, gdy cecha ma rozkład normalny
Istnieje jeszcze inna formuła okre´slaj ˛
aca przedział ufno´sci
dla ´sredniej µ badanej cechy w populacji, wyprowadzona
przy pewnych zało˙zeniach dotycz ˛
acych tej cechy.
Załó˙zmy, ˙ze badana cecha
ma rozkład normalny
(czego
nie wymagali´smy w przypadku poprzedniego modelu) oraz
nie znamy odchylenia standardowego σ
tej cechy.
Przy tych zało˙zeniach – niezale˙znie od liczebno´sci n próby
losowej – przedział ufno´sci dla ´sredniej µ okre´slony dla
zadanego poziomu ufno´sci 1 − α ma posta´c:
¯
X − t
α
S
√
n − 1
;
¯
X + t
α
S
√
n − 1
,
gdzie t
α
oznacza kwantyl rz ˛edu 1 −
α
2
rozkładu Studenta
o k = n − 1 stopniach swobody (wielko´sci t
α
s ˛
a stablico-
wane – zob. nast ˛epny slajd).
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla ´sredniej, gdy cecha ma rozkład normalny
Istnieje jeszcze inna formuła okre´slaj ˛
aca przedział ufno´sci
dla ´sredniej µ badanej cechy w populacji, wyprowadzona
przy pewnych zało˙zeniach dotycz ˛
acych tej cechy.
Załó˙zmy, ˙ze badana cecha
ma rozkład normalny
(czego
nie wymagali´smy w przypadku poprzedniego modelu) oraz
nie znamy odchylenia standardowego σ
tej cechy.
Przy tych zało˙zeniach – niezale˙znie od liczebno´sci n próby
losowej – przedział ufno´sci dla ´sredniej µ okre´slony dla
zadanego poziomu ufno´sci 1 − α ma posta´c:
¯
X − t
α
S
√
n − 1
;
¯
X + t
α
S
√
n − 1
,
gdzie t
α
oznacza kwantyl rz ˛edu 1 −
α
2
rozkładu Studenta
o k = n − 1 stopniach swobody (wielko´sci t
α
s ˛
a stablico-
wane – zob. nast ˛epny slajd).
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla ´sredniej, gdy cecha ma rozkład normalny
Istnieje jeszcze inna formuła okre´slaj ˛
aca przedział ufno´sci
dla ´sredniej µ badanej cechy w populacji, wyprowadzona
przy pewnych zało˙zeniach dotycz ˛
acych tej cechy.
Załó˙zmy, ˙ze badana cecha
ma rozkład normalny
(czego
nie wymagali´smy w przypadku poprzedniego modelu) oraz
nie znamy odchylenia standardowego σ
tej cechy.
Przy tych zało˙zeniach – niezale˙znie od liczebno´sci n próby
losowej – przedział ufno´sci dla ´sredniej µ okre´slony dla
zadanego poziomu ufno´sci 1 − α ma posta´c:
¯
X − t
α
S
√
n − 1
;
¯
X + t
α
S
√
n − 1
,
gdzie t
α
oznacza kwantyl rz ˛edu 1 −
α
2
rozkładu Studenta
o k = n − 1 stopniach swobody (wielko´sci t
α
s ˛
a stablico-
wane – zob. nast ˛epny slajd).
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Fragment tablicy kwantyli rozkładu Studenta
Copyright Giorgio Krenkel and Alex Sandri, GNU Free Documentation License, Low Resolution
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 2
Kierownictwo banku chce oszacowa´c ´sredni czas obsługi
klienta przy pewnym okienku kasowym. Na podstawie cza-
su obsługi dla 20 losowo wybranych klientów, stwierdzono,
˙ze ´sredni czas obsługi przy tym okienku wynosi 15 min,
przy odchyleniu standardowym 5 min. Wiadomo dodatko-
wo, ˙ze czas obsługi jest zmienn ˛
a losow ˛
a o rozkładzie nor-
malnym.
Oszacowa´c przedziałowo ´sredni czas obsługi klientów,
przyjmuj ˛
ac poziom ufno´sci 0, 98.
Rozwi ˛
azanie.
Kwantyl t
α
z rozkładu Studenta o 19 stop-
niach swobody wynosi 2, 539 - zob.poprzedni slajd. St ˛
ad:
15 − 2, 539
5
√
19
;
15 + 2, 539
5
√
19
.
Otrzymali´smy ocen ˛e przedziałow ˛
a:
[
12, 1(min); 17, 9(min)]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 2
Kierownictwo banku chce oszacowa´c ´sredni czas obsługi
klienta przy pewnym okienku kasowym. Na podstawie cza-
su obsługi dla 20 losowo wybranych klientów, stwierdzono,
˙ze ´sredni czas obsługi przy tym okienku wynosi 15 min,
przy odchyleniu standardowym 5 min. Wiadomo dodatko-
wo, ˙ze czas obsługi jest zmienn ˛
a losow ˛
a o rozkładzie nor-
malnym.
Oszacowa´c przedziałowo ´sredni czas obsługi klientów,
przyjmuj ˛
ac poziom ufno´sci 0, 98.
Rozwi ˛
azanie.
Kwantyl t
α
z rozkładu Studenta o 19 stop-
niach swobody wynosi 2, 539 - zob.poprzedni slajd. St ˛
ad:
15 − 2, 539
5
√
19
;
15 + 2, 539
5
√
19
.
Otrzymali´smy ocen ˛e przedziałow ˛
a:
[
12, 1(min); 17, 9(min)]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 2
Kierownictwo banku chce oszacowa´c ´sredni czas obsługi
klienta przy pewnym okienku kasowym. Na podstawie cza-
su obsługi dla 20 losowo wybranych klientów, stwierdzono,
˙ze ´sredni czas obsługi przy tym okienku wynosi 15 min,
przy odchyleniu standardowym 5 min. Wiadomo dodatko-
wo, ˙ze czas obsługi jest zmienn ˛
a losow ˛
a o rozkładzie nor-
malnym.
Oszacowa´c przedziałowo ´sredni czas obsługi klientów,
przyjmuj ˛
ac poziom ufno´sci 0, 98.
Rozwi ˛
azanie.
Kwantyl t
α
z rozkładu Studenta o 19 stop-
niach swobody wynosi 2, 539 - zob.poprzedni slajd. St ˛
ad:
15 − 2, 539
5
√
19
;
15 + 2, 539
5
√
19
.
Otrzymali´smy ocen ˛e przedziałow ˛
a:
[
12, 1(min); 17, 9(min)]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Załó˙zmy, ˙ze badana cecha X przyjmuje tylko dwie warto´s-
ci (warianty). Tak ˛
a cech ˛e okre´sla si ˛e cz ˛esto mianem
cechy dychotomicznej
. Typowym przykładem jest płe´c.
Przypu´s´cmy, ˙ze interesuje nas jeden z dwóch wariantów
cechy X . Niech
p
oznacza udział elementów populacji
posiadaj ˛
acych wybrany wariant cechy, np. udział kobiet
w pewnej zbiorowo´sci osób.
Parametr
p
okre´sla si ˛e mianem
frakcji elementów wyró˙z-
nionych
(w skrócie –
frakcji
lub
wska´znika struktury
).
Przyporz ˛
adkujmy elementom populacji posiadaj ˛
acym wy-
brany wariant cechy X warto´s´c 1, natomiast pozostałym
elementom – warto´s´c 0.
W ten sposób zdefiniowali´smy zmienn ˛
a losow ˛
a o rozkła-
dzie
zero-jedynkowym z parametrem p
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Załó˙zmy, ˙ze badana cecha X przyjmuje tylko dwie warto´s-
ci (warianty). Tak ˛
a cech ˛e okre´sla si ˛e cz ˛esto mianem
cechy dychotomicznej
. Typowym przykładem jest płe´c.
Przypu´s´cmy, ˙ze interesuje nas jeden z dwóch wariantów
cechy X . Niech
p
oznacza udział elementów populacji
posiadaj ˛
acych wybrany wariant cechy, np. udział kobiet
w pewnej zbiorowo´sci osób.
Parametr
p
okre´sla si ˛e mianem
frakcji elementów wyró˙z-
nionych
(w skrócie –
frakcji
lub
wska´znika struktury
).
Przyporz ˛
adkujmy elementom populacji posiadaj ˛
acym wy-
brany wariant cechy X warto´s´c 1, natomiast pozostałym
elementom – warto´s´c 0.
W ten sposób zdefiniowali´smy zmienn ˛
a losow ˛
a o rozkła-
dzie
zero-jedynkowym z parametrem p
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Załó˙zmy, ˙ze badana cecha X przyjmuje tylko dwie warto´s-
ci (warianty). Tak ˛
a cech ˛e okre´sla si ˛e cz ˛esto mianem
cechy dychotomicznej
. Typowym przykładem jest płe´c.
Przypu´s´cmy, ˙ze interesuje nas jeden z dwóch wariantów
cechy X . Niech
p
oznacza udział elementów populacji
posiadaj ˛
acych wybrany wariant cechy, np. udział kobiet
w pewnej zbiorowo´sci osób.
Parametr
p
okre´sla si ˛e mianem
frakcji elementów wyró˙z-
nionych
(w skrócie –
frakcji
lub
wska´znika struktury
).
Przyporz ˛
adkujmy elementom populacji posiadaj ˛
acym wy-
brany wariant cechy X warto´s´c 1, natomiast pozostałym
elementom – warto´s´c 0.
W ten sposób zdefiniowali´smy zmienn ˛
a losow ˛
a o rozkła-
dzie
zero-jedynkowym z parametrem p
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Załó˙zmy, ˙ze badana cecha X przyjmuje tylko dwie warto´s-
ci (warianty). Tak ˛
a cech ˛e okre´sla si ˛e cz ˛esto mianem
cechy dychotomicznej
. Typowym przykładem jest płe´c.
Przypu´s´cmy, ˙ze interesuje nas jeden z dwóch wariantów
cechy X . Niech
p
oznacza udział elementów populacji
posiadaj ˛
acych wybrany wariant cechy, np. udział kobiet
w pewnej zbiorowo´sci osób.
Parametr
p
okre´sla si ˛e mianem
frakcji elementów wyró˙z-
nionych
(w skrócie –
frakcji
lub
wska´znika struktury
).
Przyporz ˛
adkujmy elementom populacji posiadaj ˛
acym wy-
brany wariant cechy X warto´s´c 1, natomiast pozostałym
elementom – warto´s´c 0.
W ten sposób zdefiniowali´smy zmienn ˛
a losow ˛
a o rozkła-
dzie
zero-jedynkowym z parametrem p
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Załó˙zmy, ˙ze badana cecha X przyjmuje tylko dwie warto´s-
ci (warianty). Tak ˛
a cech ˛e okre´sla si ˛e cz ˛esto mianem
cechy dychotomicznej
. Typowym przykładem jest płe´c.
Przypu´s´cmy, ˙ze interesuje nas jeden z dwóch wariantów
cechy X . Niech
p
oznacza udział elementów populacji
posiadaj ˛
acych wybrany wariant cechy, np. udział kobiet
w pewnej zbiorowo´sci osób.
Parametr
p
okre´sla si ˛e mianem
frakcji elementów wyró˙z-
nionych
(w skrócie –
frakcji
lub
wska´znika struktury
).
Przyporz ˛
adkujmy elementom populacji posiadaj ˛
acym wy-
brany wariant cechy X warto´s´c 1, natomiast pozostałym
elementom – warto´s´c 0.
W ten sposób zdefiniowali´smy zmienn ˛
a losow ˛
a o rozkła-
dzie
zero-jedynkowym z parametrem p
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Zauwa˙zymy, ˙ze parametr
p
równy jest te˙z ´sredniej
arytmetycznej z zer i jedynek, składaj ˛
acych si ˛e na tak
okre´slon ˛
a zbiorowo´s´c.
Np. w zbiorowo´sci licz ˛
acej 10 elementów mo˙zemy otrzy-
ma´c nast ˛epuj ˛
acy ci ˛
ag zer i jedynek:
1, 0, 1, 0, 1, 1, 1, 0, 1, 0
Liczba m jedynek w tym ci ˛
agu wynosi:
m = 6,
co daje udział jedynek równy:
m
n
=
6
10
=
0, 6.
Łatwo sprawdzi´c, ˙ze
m
n
jest ´sredni ˛
a arytmetyczn ˛
a
z podanego zbioru liczb, natomiast iloczyn
m
n
1 −
m
n
równy jest wariancji w tym zbiorze.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Zauwa˙zymy, ˙ze parametr
p
równy jest te˙z ´sredniej
arytmetycznej z zer i jedynek, składaj ˛
acych si ˛e na tak
okre´slon ˛
a zbiorowo´s´c.
Np. w zbiorowo´sci licz ˛
acej 10 elementów mo˙zemy otrzy-
ma´c nast ˛epuj ˛
acy ci ˛
ag zer i jedynek:
1, 0, 1, 0, 1, 1, 1, 0, 1, 0
Liczba m jedynek w tym ci ˛
agu wynosi:
m = 6,
co daje udział jedynek równy:
m
n
=
6
10
=
0, 6.
Łatwo sprawdzi´c, ˙ze
m
n
jest ´sredni ˛
a arytmetyczn ˛
a
z podanego zbioru liczb, natomiast iloczyn
m
n
1 −
m
n
równy jest wariancji w tym zbiorze.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Zauwa˙zymy, ˙ze parametr
p
równy jest te˙z ´sredniej
arytmetycznej z zer i jedynek, składaj ˛
acych si ˛e na tak
okre´slon ˛
a zbiorowo´s´c.
Np. w zbiorowo´sci licz ˛
acej 10 elementów mo˙zemy otrzy-
ma´c nast ˛epuj ˛
acy ci ˛
ag zer i jedynek:
1, 0, 1, 0, 1, 1, 1, 0, 1, 0
Liczba m jedynek w tym ci ˛
agu wynosi:
m = 6,
co daje udział jedynek równy:
m
n
=
6
10
=
0, 6.
Łatwo sprawdzi´c, ˙ze
m
n
jest ´sredni ˛
a arytmetyczn ˛
a
z podanego zbioru liczb, natomiast iloczyn
m
n
1 −
m
n
równy jest wariancji w tym zbiorze.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Zagadnienie estymacji przedziałowej parametru
p
mo˙zna
wi ˛ec sprowadzi´c do zagadnienia estymacji ´sredniej w po-
pulacji. Korzysta si ˛e tu z tw. granicznych. Warunkiem jest
wi ˛ec dysponowanie dostatecznie du˙z ˛
a prób ˛
a (
n ≥ 100
).
Przyjmuj ˛
ac p jako odpowiednik ´sredniej w populacji,
m
n
jako odpowiednik ´sredniej arytmetycznej z próby oraz
m
n
1 −
m
n
jako odpowiednik wariancji S
2
z próby,
otrzymujemy nast ˛epuj ˛
acy przedział ufno´sci dla frakcji p:
m
n
− u
α
s
m
n
1 −
m
n
n
;
m
n
+
u
α
s
m
n
1 −
m
n
n
,
gdzie u
α
jest kwantylem rz ˛edu 1 −
α
2
rozkładu normalnego
standaryzowanego N(0, 1) – zob. nast ˛epny slajd.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla frakcji
Zagadnienie estymacji przedziałowej parametru
p
mo˙zna
wi ˛ec sprowadzi´c do zagadnienia estymacji ´sredniej w po-
pulacji. Korzysta si ˛e tu z tw. granicznych. Warunkiem jest
wi ˛ec dysponowanie dostatecznie du˙z ˛
a prób ˛
a (
n ≥ 100
).
Przyjmuj ˛
ac p jako odpowiednik ´sredniej w populacji,
m
n
jako odpowiednik ´sredniej arytmetycznej z próby oraz
m
n
1 −
m
n
jako odpowiednik wariancji S
2
z próby,
otrzymujemy nast ˛epuj ˛
acy przedział ufno´sci dla frakcji p:
m
n
− u
α
s
m
n
1 −
m
n
n
;
m
n
+
u
α
s
m
n
1 −
m
n
n
,
gdzie u
α
jest kwantylem rz ˛edu 1 −
α
2
rozkładu normalnego
standaryzowanego N(0, 1) – zob. nast ˛epny slajd.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Fragment tablicy rozkładu normalnego standaryzowanego
Copyright Giorgio Krenkel and Alex Sandri, GNU Free Documentation License, Low Resolution
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 3
Producent nowego leku interesuje si ˛e, dla jakiej cz ˛e´sci
chorych pacjentów jest on skuteczny. W tym celu zbadano
losow ˛
a prób ˛e 150 pacjentów, którym podano nowy lek,
stwierdzaj ˛
ac, ˙ze w 110 przypadkach wyleczył z choroby.
Oszacowa´c przedziałowo odsetek chorych, którzy zostaliby
skutecznie wyleczeni tym lekiem, przyjmuj ˛
ac 1 − α = 0, 9.
Rozwi ˛
azanie.
Kwantyl u
α
rz ˛edu 1 −
α
2
=
0, 95 rozkładu
N(0, 1) wynosi 1, 64 (poprzedni slajd). Mamy wi ˛ec:
110
150
− 1, 64
s
110
150
1 −
110
150
150
;
110
150
+
1, 64
s
110
150
1 −
110
150
150
,
co daje ocen ˛e przedziałow ˛
a:
[
0, 67; 0, 79]
lub
[
67%; 79%]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 3
Producent nowego leku interesuje si ˛e, dla jakiej cz ˛e´sci
chorych pacjentów jest on skuteczny. W tym celu zbadano
losow ˛
a prób ˛e 150 pacjentów, którym podano nowy lek,
stwierdzaj ˛
ac, ˙ze w 110 przypadkach wyleczył z choroby.
Oszacowa´c przedziałowo odsetek chorych, którzy zostaliby
skutecznie wyleczeni tym lekiem, przyjmuj ˛
ac 1 − α = 0, 9.
Rozwi ˛
azanie.
Kwantyl u
α
rz ˛edu 1 −
α
2
=
0, 95 rozkładu
N(0, 1) wynosi 1, 64 (poprzedni slajd). Mamy wi ˛ec:
110
150
− 1, 64
s
110
150
1 −
110
150
150
;
110
150
+
1, 64
s
110
150
1 −
110
150
150
,
co daje ocen ˛e przedziałow ˛
a:
[
0, 67; 0, 79]
lub
[
67%; 79%]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 3
Producent nowego leku interesuje si ˛e, dla jakiej cz ˛e´sci
chorych pacjentów jest on skuteczny. W tym celu zbadano
losow ˛
a prób ˛e 150 pacjentów, którym podano nowy lek,
stwierdzaj ˛
ac, ˙ze w 110 przypadkach wyleczył z choroby.
Oszacowa´c przedziałowo odsetek chorych, którzy zostaliby
skutecznie wyleczeni tym lekiem, przyjmuj ˛
ac 1 − α = 0, 9.
Rozwi ˛
azanie.
Kwantyl u
α
rz ˛edu 1 −
α
2
=
0, 95 rozkładu
N(0, 1) wynosi 1, 64 (poprzedni slajd). Mamy wi ˛ec:
110
150
− 1, 64
s
110
150
1 −
110
150
150
;
110
150
+
1, 64
s
110
150
1 −
110
150
150
,
co daje ocen ˛e przedziałow ˛
a:
[
0, 67; 0, 79]
lub
[
67%; 79%]
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
W wielu sytuacjach interesuje nas szczególnie
wariancja
zjawiska σ
2
(wzgl ˛ednie odchylenie standardowe σ), np.
w procesach produkcyjnych, gdy kontroli podlega stabil-
no´s´c procesu.
W celu wyznaczenia przedziału ufno´sci dla wariancji ko-
rzysta si ˛e z nast ˛epuj ˛
acego twierdzenia.
Je ´sli próba prosta X
1
,. . . ,
X
n
pochodzi z populacji o roz-
kładzie normalnym N(µ, σ), to zmienna losowa Z=
nS
2
σ
2
ma rozkład chi-kwadrat o k = n−1 stopniach swobody.
W zapisie
nS
2
σ
2
symbol S
2
oznacza wariancj ˛e z próby, czyli
zmienn ˛
a losow ˛
a postaci:
S
2
=
1
n
n
X
i=1
X
i
− ¯
X
2
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
W wielu sytuacjach interesuje nas szczególnie
wariancja
zjawiska σ
2
(wzgl ˛ednie odchylenie standardowe σ), np.
w procesach produkcyjnych, gdy kontroli podlega stabil-
no´s´c procesu.
W celu wyznaczenia przedziału ufno´sci dla wariancji ko-
rzysta si ˛e z nast ˛epuj ˛
acego twierdzenia.
Je ´sli próba prosta X
1
,. . . ,
X
n
pochodzi z populacji o roz-
kładzie normalnym N(µ, σ), to zmienna losowa Z=
nS
2
σ
2
ma rozkład chi-kwadrat o k = n−1 stopniach swobody.
W zapisie
nS
2
σ
2
symbol S
2
oznacza wariancj ˛e z próby, czyli
zmienn ˛
a losow ˛
a postaci:
S
2
=
1
n
n
X
i=1
X
i
− ¯
X
2
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
W wielu sytuacjach interesuje nas szczególnie
wariancja
zjawiska σ
2
(wzgl ˛ednie odchylenie standardowe σ), np.
w procesach produkcyjnych, gdy kontroli podlega stabil-
no´s´c procesu.
W celu wyznaczenia przedziału ufno´sci dla wariancji ko-
rzysta si ˛e z nast ˛epuj ˛
acego twierdzenia.
Je ´sli próba prosta X
1
,. . . ,
X
n
pochodzi z populacji o roz-
kładzie normalnym N(µ, σ), to zmienna losowa Z=
nS
2
σ
2
ma rozkład chi-kwadrat o k = n−1 stopniach swobody.
W zapisie
nS
2
σ
2
symbol S
2
oznacza wariancj ˛e z próby, czyli
zmienn ˛
a losow ˛
a postaci:
S
2
=
1
n
n
X
i=1
X
i
− ¯
X
2
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
W wielu sytuacjach interesuje nas szczególnie
wariancja
zjawiska σ
2
(wzgl ˛ednie odchylenie standardowe σ), np.
w procesach produkcyjnych, gdy kontroli podlega stabil-
no´s´c procesu.
W celu wyznaczenia przedziału ufno´sci dla wariancji ko-
rzysta si ˛e z nast ˛epuj ˛
acego twierdzenia.
Je ´sli próba prosta X
1
,. . . ,
X
n
pochodzi z populacji o roz-
kładzie normalnym N(µ, σ), to zmienna losowa Z=
nS
2
σ
2
ma rozkład chi-kwadrat o k = n−1 stopniach swobody.
W zapisie
nS
2
σ
2
symbol S
2
oznacza wariancj ˛e z próby, czyli
zmienn ˛
a losow ˛
a postaci:
S
2
=
1
n
n
X
i=1
X
i
− ¯
X
2
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
Niech
c
1
oraz
c
2
oznaczaj ˛
a kwantyle rz ˛edu odpowiednio
α
2
i 1 −
α
2
rozkładu chi-kwadrat o k = n − 1 stopniach swo-
body (por. nast ˛epne slajdy).
Dla zadanego poziomu ufno´sci 1 − α zachodzi równo´s´c:
P (c
1
≤ Z ≤ c
2
) =
1 − α,
gdzie Z oznacza zmienn ˛
a losow ˛
a o rozkładzie chi-kwadrat
o k = n − 1 stopniach swobody.
Podstawiamy w miejsce Z wyra˙zenie
nS
2
σ
2
. Po prostych
przekształceniach otrzymujemy:
P
nS
2
c
2
≤ σ
2
≤
nS
2
c
1
=
1 − α.
St ˛
ad przedział ufno´sci dla wariancji σ
2
ma posta´c:
nS
2
c
2
;
nS
2
c
1
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
Niech
c
1
oraz
c
2
oznaczaj ˛
a kwantyle rz ˛edu odpowiednio
α
2
i 1 −
α
2
rozkładu chi-kwadrat o k = n − 1 stopniach swo-
body (por. nast ˛epne slajdy).
Dla zadanego poziomu ufno´sci 1 − α zachodzi równo´s´c:
P (c
1
≤ Z ≤ c
2
) =
1 − α,
gdzie Z oznacza zmienn ˛
a losow ˛
a o rozkładzie chi-kwadrat
o k = n − 1 stopniach swobody.
Podstawiamy w miejsce Z wyra˙zenie
nS
2
σ
2
. Po prostych
przekształceniach otrzymujemy:
P
nS
2
c
2
≤ σ
2
≤
nS
2
c
1
=
1 − α.
St ˛
ad przedział ufno´sci dla wariancji σ
2
ma posta´c:
nS
2
c
2
;
nS
2
c
1
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
Niech
c
1
oraz
c
2
oznaczaj ˛
a kwantyle rz ˛edu odpowiednio
α
2
i 1 −
α
2
rozkładu chi-kwadrat o k = n − 1 stopniach swo-
body (por. nast ˛epne slajdy).
Dla zadanego poziomu ufno´sci 1 − α zachodzi równo´s´c:
P (c
1
≤ Z ≤ c
2
) =
1 − α,
gdzie Z oznacza zmienn ˛
a losow ˛
a o rozkładzie chi-kwadrat
o k = n − 1 stopniach swobody.
Podstawiamy w miejsce Z wyra˙zenie
nS
2
σ
2
. Po prostych
przekształceniach otrzymujemy:
P
nS
2
c
2
≤ σ
2
≤
nS
2
c
1
=
1 − α.
St ˛
ad przedział ufno´sci dla wariancji σ
2
ma posta´c:
nS
2
c
2
;
nS
2
c
1
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przedział ufno ´sci dla wariancji
Niech
c
1
oraz
c
2
oznaczaj ˛
a kwantyle rz ˛edu odpowiednio
α
2
i 1 −
α
2
rozkładu chi-kwadrat o k = n − 1 stopniach swo-
body (por. nast ˛epne slajdy).
Dla zadanego poziomu ufno´sci 1 − α zachodzi równo´s´c:
P (c
1
≤ Z ≤ c
2
) =
1 − α,
gdzie Z oznacza zmienn ˛
a losow ˛
a o rozkładzie chi-kwadrat
o k = n − 1 stopniach swobody.
Podstawiamy w miejsce Z wyra˙zenie
nS
2
σ
2
. Po prostych
przekształceniach otrzymujemy:
P
nS
2
c
2
≤ σ
2
≤
nS
2
c
1
=
1 − α.
St ˛
ad przedział ufno´sci dla wariancji σ
2
ma posta´c:
nS
2
c
2
;
nS
2
c
1
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Fragment tablicy kwantyli rozkładu chi-kwadrat
Copyright Giorgio Krenkel and Alex Sandri, GNU Free Documentation License, Low Resolution
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Fragment tablicy kwantyli rozkładu chi-kwadrat – c.d.
Copyright Giorgio Krenkel and Alex Sandri, GNU Free Documentation License, Low Resolution
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 4
Wró´cmy do przykładu 2. Czas obsługi przy okienku kaso-
wym nie powinien mie´c du˙zej wariancji. W przeciwnym
przypadku kolejka ma tendencj ˛e do rozrastania si ˛e.
Korzystaj ˛
ac z informacji zawartych w przykładzie 2, osza-
cowa´c przedziałowo wariancj ˛e czasu obsługi klientów przy
okienku kasowym, przyjmuj ˛
ac 1 − α = 0, 9.
Rozwi ˛
azanie.
Kwantyle c
1
i c
2
rozkładu chi-kwadrat o 19
stopniach swobody s ˛
a równe c
1
=
10, 117, c
2
=
30, 144
(por. poprzednie slajdy). Mamy:
20 · 5
2
30, 144
;
20 · 5
2
10, 117
.
co daje ocen ˛e przedziałow ˛
a wariancji:
h
16, 6(min)
2
;
49, 4(min)
2
i
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 4
Wró´cmy do przykładu 2. Czas obsługi przy okienku kaso-
wym nie powinien mie´c du˙zej wariancji. W przeciwnym
przypadku kolejka ma tendencj ˛e do rozrastania si ˛e.
Korzystaj ˛
ac z informacji zawartych w przykładzie 2, osza-
cowa´c przedziałowo wariancj ˛e czasu obsługi klientów przy
okienku kasowym, przyjmuj ˛
ac 1 − α = 0, 9.
Rozwi ˛
azanie.
Kwantyle c
1
i c
2
rozkładu chi-kwadrat o 19
stopniach swobody s ˛
a równe c
1
=
10, 117, c
2
=
30, 144
(por. poprzednie slajdy). Mamy:
20 · 5
2
30, 144
;
20 · 5
2
10, 117
.
co daje ocen ˛e przedziałow ˛
a wariancji:
h
16, 6(min)
2
;
49, 4(min)
2
i
.
Agnieszka Rossa
Przedziały ufno´sci dla ´sredniej
Przedział ufno´sci dla frakcji
Przedział ufno´sci dla wariancji
Przykład 4
Wró´cmy do przykładu 2. Czas obsługi przy okienku kaso-
wym nie powinien mie´c du˙zej wariancji. W przeciwnym
przypadku kolejka ma tendencj ˛e do rozrastania si ˛e.
Korzystaj ˛
ac z informacji zawartych w przykładzie 2, osza-
cowa´c przedziałowo wariancj ˛e czasu obsługi klientów przy
okienku kasowym, przyjmuj ˛
ac 1 − α = 0, 9.
Rozwi ˛
azanie.
Kwantyle c
1
i c
2
rozkładu chi-kwadrat o 19
stopniach swobody s ˛
a równe c
1
=
10, 117, c
2
=
30, 144
(por. poprzednie slajdy). Mamy:
20 · 5
2
30, 144
;
20 · 5
2
10, 117
.
co daje ocen ˛e przedziałow ˛
a wariancji:
h
16, 6(min)
2
;
49, 4(min)
2
i
.
Agnieszka Rossa