EGZ USTNY RPiS(byWROBEL)&mod byOSTRY 12 06 04 doc


pracowanie do zagadnień z RPiS

  1. Definicja prawdopodobieństwa

Jeśli zdarzenie E rozkłada się na n wykluczających się wzajemnie i jednakowo możliwych zdarzeń elementarnych, spośród których m sprzyja zajściu interesującego nas zdarzenia A, to prawdopodobieństwem zdarzenia A nazywa się ułamek, w którego liczniku znajduje się liczba zdarzeń sprzyjających zajściu zdarzeniu A, a w mianowniku liczba wszystkich możliwych zdarzeń. 0x01 graphic
.
Prawdopodobieństwo można rozpatrywać jako funkcję, którą nazywamy rozkładem prawdopodobieństwa na S (s - rodzina zdarzeń elementarnych). Spełnia ona następujący układ aksjomatów :

      1. 0x01 graphic

      2. 0x01 graphic
        , gdzie Ω to zdarzenie pewne

      3. dla każdego ciągu zdarzeń 0x01 graphic
        zachodzi 0x01 graphic

  1. Własności dystrybuanty

Dystrybuantą zmiennej losowej X nazywamy funkcję 0x01 graphic
. Każda dystrybuanta pozwala jednoznacznie określić rozkład prawdopodobieństwa i odwrotnie.
Własności dystrybuanty:

      1. F jest niemalejąca

      2. 0x01 graphic

      3. F jest lewostronnie ciągła

  1. Sprawdzić , czy funkcja 0x01 graphic
    może być dystrybuantą rozkładu prawdopodobieństwa

Ad.1) niemalejąca 0x01 graphic

Ad.2) 0x01 graphic

0x01 graphic

Ad.3) F(x) = 0x01 graphic
0x01 graphic
0x01 graphic

a>b => F(b)-F(a)= 0x01 graphic
- 0x01 graphic
= 0x01 graphic

P(<a,b))=F(b)-F(a)

A=<a,b) F <- dystrybuanta

  1. Udowodnić, że jeśli P jest rozkładem prawdopodobieństwa na R1 to funkcja określona wzorem 0x01 graphic
    ma własności:

1. F jest niemalejąca

2. 0x01 graphic
0x01 graphic

3. F jest lewostronnie ciągła

Ad.1) Niech x1<x2 będą dowolnymi punktami a 0x01 graphic
, 0x01 graphic
dowolnymi zdarzeniami

0x01 graphic
0x01 graphic

0x01 graphic

0x01 graphic
więc jest niemalejąca
Ad.2)
{xn} dowolny ciąg rosnący

0x01 graphic

0x01 graphic
0x01 graphic
0x01 graphic

0x01 graphic

0x01 graphic

Ad.3)

(xn} - ciąg rosnący

0x01 graphic

0x01 graphic
, a więc jest lewostronnie ciągła

  1. Definicja prawdopodobieństwa warunkowego

Jeżeli 0x01 graphic
to. 0x01 graphic
.

Dowód:

      1. 0x01 graphic

      2. 0x01 graphic
        0x01 graphic

      3. Niech A1,A2,... będą zdarzeniami wykluczającymi się.
        0x01 graphic

0x01 graphic
=

0x01 graphic

  1. Udowodnić, że P(Ø)=0

Prawdop. zdarzenia niemożliwego wynosi 0.

Dowód : Skoro : 0x01 graphic
to :
0x01 graphic
C.N.D.

  1. Udowodnić, że P(A)= 1- P(A)

Prawdop. zdarzenia przeciwnego wyraż się: 0x01 graphic
:
0x01 graphic
0x01 graphic

  1. Udowodnić, że dla dowolnych dwóch zdarzeń 0x01 graphic

A i B - dowol. Zdarz

Dowód:

0x01 graphic
, 0x01 graphic

0x01 graphic
i 0x01 graphic
oraz 0x01 graphic
i 0x01 graphic
- wzajemnie się wykluczają

0x01 graphic

  1. Udowodnić, że jeśli 0x01 graphic
    , to0x01 graphic

Dowód :
0x01 graphic
0x01 graphic
a skoro z założenia 0x01 graphic
to 0x01 graphic

(stąd dla dowolnego A, 0x01 graphic
)

  1. Sformułować i udowodnić twierdzenie o prawdopodobieństwie zupełnym

Jeżeli zdarzenia Ai (i=1,2,3,...zb. przeliczalny) tworzą układ zupełny zdarzeń oraz 0x01 graphic
dla każdego i to dla każdego zdarzenia Bj zachodzi równość : 0x01 graphic

Dowód:

0x01 graphic
oraz 0x01 graphic
0 <- układ zupełny
0x01 graphic

A więc 0x01 graphic
,
a skoro 0x01 graphic

to 0x01 graphic
C.N.D.

  1. Sformułować i udowodnić twierdzenie Bayesa

Jeżeli zdarzenia Ai (i=1,2,3,...) tworzą układ zupełny zdarzeń oraz 0x01 graphic
i B jest dowolnym zdarzeniem, takim że 0x01 graphic
to dla każdego zdarzenia Aj zachodzi równość
0x01 graphic
0x01 graphic
- ukł. zupełny
Dowód: Skoro 0x01 graphic
i 0x01 graphic
to
0x01 graphic

  1. Definicja zmiennej losowej

Zmienna losowa x, y, z- jest to funkcja rzeczywista X (0x01 graphic
) określona na przestrzeni 0x01 graphic
zdarzeń elementarnych mająca następującą własność: dla każdej liczby rzeczywistej 0x01 graphic
zbiór zdarzeń elementarnych w, dla których 0x01 graphic
jest zdarzeniem, czyli jest elementem rodziny S 0x01 graphic

Mówimy ,że mamy do czynienia ze zm. los. typu SKOKOWEGO jeżeli jej zb. wartości jest co najwyżej przeliczalny, natomiast mamy do czynienia ze zm. los. typu CIĄGŁEGO jeżeli jej zb. wartości jest zb. nie przeliczalnym.

  1. Udowodnić, że 0x01 graphic

Dowód:
Niech :0x01 graphic

Skoro 0x01 graphic
0x01 graphic
to 0x01 graphic
,
a więc 0x01 graphic

0x01 graphic

  1. Rozkład Bernoulliego (dwumianowy)

Zmienna losowa ma rozkład Bernoulliego jeśli liczba sukcesów k w n próbach tego doświadczenia 0x01 graphic
, przy spełnionych warunkach 0x01 graphic
.
W rozkładzie Bernoulliego wcześniejsze doświadczeni nie mają wpływu na następne.
Wartość oczekiwana 0x01 graphic

Wariancja 0x01 graphic

0x01 graphic

  1. Rozkład Poissona (zm. los. (typu skokowego))

Zmienna losowa ma rozkład Poissona jeśli zmienna X przyjmuje wartości k=0,1,2,3,... i ich prawdopodobieństwo wynosi 0x01 graphic
, gdzie 0x01 graphic
.
Wartość oczekiwana 0x01 graphic
0x01 graphic

Wariancja 0x01 graphic
0x01 graphic

  1. Rozkład normalny

Zmienna losowa o wartości oczekiwanej 0x01 graphic
i wariancji 0x01 graphic
ma rozkład normalny jeżeli jej funkcja gęstości wyraża się wzorem 0x01 graphic

Dystrybuanta 0x01 graphic

Zmienne losowe niezależne X, Y.

0x01 graphic

  1. Rozkład jednostajny

Zmienna losowa typu ciągłego ma rozkład jednostajny na przedziale <a,b> jeżeli jej funkcja gęstości wyraża się wzorem 0x01 graphic

0x01 graphic

Dystrybuanta 0x01 graphic

0x01 graphic

0x01 graphic

Wartość oczekiwana -> m=0x01 graphic

Wariancja -> 0x01 graphic
0x01 graphic

  1. Rozkład wykładniczy

Zmienna losowa ma rozkład wykładniczy jeśli jej funkcja gęstości wyraża się wzorem :

0x01 graphic
. gdzie 0x01 graphic


0x01 graphic

Dystrybuanta 0x01 graphic

Wartość oczekiwana -> 0x01 graphic

Wariancja -> 0x01 graphic

  1. Napisać funkcję gęstości zmiennej losowej o rozkładzie normalnym z wartością oczekiwaną 5 i odchyleniem standardowym 7

0x01 graphic

  1. Parametry zmiennych losowych ( średnia, wariancja, odchylenie standardowe, mediana
    i wartość modalna)

ŚREDNIA(wartość oczekiwana) E(x)=m

informuje wokół jakiego punktu najczęściej skupiają się wartości zm. losowej

dla zm. losowej typu:

-skokowego 0x01 graphic

-ciągłego 0x01 graphic



Wariancja - miara rozproszenia
0x01 graphic


Odchylenie standardowe - 0x01 graphic
, pierwiastek z wariancji ,

różnica między wartościami zm. losowej , a wartością oczekiwaną 0x01 graphic
0x01 graphic


Mediana

-zm. los. typu skokowego 0x01 graphic

- zm. los. typu ciągłego 0x01 graphic


Moda (wartość modalna, dominanta) - wartość zmiennej losowej, której prawdopodobieństwo wystąpienia jest największe (f. gęstości osiąga max)
-zm. skokowa 0x01 graphic
0x01 graphic

-zm. ciągła 0x01 graphic

  1. Udowodnić, że jeśli zmienna losowa X ma wartość oczekiwaną m i odchylenie standardowe σ, to zmienna losowa 0x01 graphic
    ma wartość oczekiwaną 0 i odchylenie standardowe 1

0x01 graphic
, (gdzie X- zm. los. 0x01 graphic

0x01 graphic

0x01 graphic

  1. Twierdzenie Poissona

Niech zmienna losowa Xn ma rozkład Bernoulliego określony wzorem: 0x01 graphic
k=0,1,…,n. Jeśli prawdopodobieństwo 0x01 graphic
maleje do 0 w ten sposób, że od pewnego n0 dla każdego 0x01 graphic
jest spełniony warunek 0x01 graphic
, gdzie 0x01 graphic
jest wielkością stałą, to 0x01 graphic
. ( 0x01 graphic
- prawdopodobieństwo sukcesu dla określonej zmiennej losowej Xn)
Innymi słowy jeśli wykonujemy dużą liczbę doświadczeń zgodnych ze schematem Bernoulliego, a prawdopodobieństwo sukcesu jest bliskie 0, to zamiast liczyć z rozkładu Bernoulliego liczymy z rozkładu Poissona.

  1. Zmienne losowe typu skokowego. Rozkład zmiennej losowej typu skokowego.

Nie wiem dokładnie czy o to chodzi pytanie bardzo ogólnikowe :P

Zmienne losowe typu skokowego , np.: rzut kostką, zbiór wartości jest przeliczalny. Oznaczenie prawdopodobieństwa to określenie prawdopodobieństw dla każdego ze zdarzeń.

  1. Zmienne losowe typu ciągłego. Rozkład zmiennej losowej typu ciągłego.

Zmienne losowe typu ciągłego ,(zbiorem wartości jest zbiór liczb rzeczywistych). Są one charakteryzowane przez funkcję gęstości .
Rozkładami zmiennych losowych typu ciągłego są: jednostajny, normalny,wykładniczy.

  1. Słabe prawo wielkich liczb

Niech {Xn} będzie ciągiem zmiennych losowych, takim, że dla każdej zmiennej losowej 0x01 graphic
istnieje wartość oczekiwana 0x01 graphic
. Jeśli 0x01 graphic
to mówimy, iż dla ciągu losowego {Xn} zachodzi słabe prawo wielkich liczb.

0x01 graphic

  1. Mocne prawo wielkich liczb

Niech {Xn} będzie ciągiem losowym takim ,że dla każdej zm. los. 0x01 graphic
istnieje wartość oczekiwana 0x01 graphic
,jeśli 0x01 graphic
,to mówimy, iż dla ciągu losowego {Xn} zachodzi mocne prawo wielkich liczb.

0x01 graphic

  1. Słabe prawo wielkich liczb Markowa

Jeśli ciąg losowy {Xn}jest taki, że0x01 graphic
, to dla ciągu losowego {Xn} zachodzi słabe prawo wielkich liczb. 0x01 graphic

  1. Mocne prawo wielkich liczb Kołmogorowa

Jeżeli {Xn} jest ciągiem zmiennych losowych niezależnych o wariancjach 0x01 graphic
i spełniony jest warunek 0x01 graphic
( szereg jest zbieżny ) to dla ciągu losowego {Xn} zachodzi mocne prawo wielkich liczb.

  1. Twierdzenie Lindberga-Levy'ego

Jeżeli {Xn} jest ciągiem niezależnych zmiennych losowych o jednakowych rozkładach mających wartość średnia m i wariancję 0x01 graphic
to ciąg losowy {Un} gdzie 0x01 graphic
jest zbieżny według dystrybuanty do zmiennej losowej o rozkładzie normalnym N(0,1), czyli dla każdego U zachodzi relacja :0x01 graphic

Statystyka

30. Określenie populacji i próby

Populacja (generalna) to zbiór jednorodnych obiektów różniących się od siebie jedynie wartościami badanej cechy.

Próbą jest część populacji spełniająca następujące warunki: musi być reprezentatywna i losowa .
Struktura próby musi być taka jak struktura badanej populacji.
Modelem matematycznym próby jest ciąg zmiennych losowych

populacja 0x01 graphic

próba 0x01 graphic

n- l. obserwacji (duża)

  1. Zasady budowy szeregów rozdzielczych

  2. przedz. klasowe

    liczebność

    częstość

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x08 graphic
    0x01 graphic

    0x01 graphic

    0x01 graphic

    prawdop. uzyskania przedziału

    Zasady:

    1. przedziały powinny być liczbami “okrągłymi” (prawostronnie otwarte)

    2. o liczbie i długości przedziałów klasowych decyduje specjalista zajmujący się daną dziedziną

    R - rozstęp R=xmax-xmin 0x01 graphic
    0x01 graphic
    - orientacja l. przedz.
    k - ilość przedziałów
    h - długość przedziałów

    1. Definicja i własności estymatorów punktowych

    Estymatorem parametru Q nazywamy funkcję 0x01 graphic
    , która ma tę własność, że prawdopodobieństwo zdarzenia 0x01 graphic
    jest tym bliższe jedności, im większa jest liczebność próbki.
    Estymacja - proces szacowania danych (na podstawie obserwacji)
    Estymator - otrzymane oszacowanie
    Estymacja punktowa, własności estymatorów ( niech estymator 0x01 graphic
    oznacza estymator parametru Q):

        1. nieobciążany 0x01 graphic

        2. zgodny 0x01 graphic

          oznacza to, że gdy liczebność próby rośnie, prawdopodobieństwo, że wartość estymatora 0x01 graphic
          różni się od wartości parametru Q, zbliża się do 1

        3. najefektywniejszy ,czyli posiadał najmniejszą wariancję . Oznacza to, że jego wartości są bardziej skupione wokół jego wartości średniej niż innych estymatorów

    0x01 graphic

    1. Wyprowadzić wzór na estymator wartości oczekiwanej

    ESTYMATOR WARTOŚCI OCZEKIWANEJ

    0x01 graphic
    0x01 graphic
    - środek przedziału klasowego , 0x01 graphic
    - liczebność przedziału

    1. Udowodnić, że średnia arytmetyczna jest nie obciążonym estymatorem wartości oczekiwanej

    Średnia arytmetyczna jest estymatorem:

        1. zgodnym, na podstawie twierdzenia Chinczyna
          0x01 graphic

        2. nie obciążonym
          0x01 graphic

        3. najefektywniejszym (zakładamy, że rozkład cechy w populacji ma rozkład normalny)
          0x01 graphic

    1. Wyprowadzić wzór na przedział ufności dla wartości oczekiwanej na podstawie próby z populacji o rozkładzie normalnym ze znanym odchyleniem standardowym

    0x01 graphic
    0x01 graphic

    0x01 graphic

    odchylenie standardowe 0x01 graphic

    0x01 graphic

    0x01 graphic
    stąd wynika:
    0x01 graphic

    co daje: 0x01 graphic

    1. Omówić zasady testowania hipotez statystycznych

    Weryfikacją hipotez nazywamy sprawdzanie sądów o populacji, sformułowanych bez zbadania jej całości. Przebieg procedury weryfikacyjnej wygląda następująco:

    a) Sformułowanie hipotezy zerowej i alternatywnej

    Hipoteza zerowa (H0) - Jest to hipoteza poddana procedurze weryfikacyjnej, w której zakładamy, że różnica między analizowanymi parametrami lub rozkładami wynosi zero. Przykładowo wnioskując o parametrach hipotezę zerową zapiszemy jako: H0: θ1 = θ2 .

    Hipoteza alternatywna (H1) - hipoteza przeciwstawna do weryfikowanej. Możemy ją zapisać na trzy sposoby w zależności od sformułowania badanego problemu:

    b) Wybór statystyki testowej

    Budujemy pewną statystykę W, która jest funkcją wyników z próby losowej W = f(x1, x2, ..., xn) i wyznaczamy jej rozkład przy założeniu, że hipoteza zerowa jest prawdziwa. Funkcję W nazywa się statystyką testową lub funkcją testową.

    c) Określenie poziomu istotności α

    Na tym etapie procedury weryfikacyjnej przyjmujemy prawdopodobieństwo popełnienia błędu I rodzaju, który polega na odrzuceniu hipotezy zerowej wtedy, gdy jest ona prawdziwa. Prawdopodobieństwo to jest oznaczane symbolem α i nazywane poziomem istotności. Na ogół przyjmujemy prawdopodobieństwo bliskie zeru, ponieważ chcemy aby ryzyko popełnienia błędu było jak najmniejsze. Najczęściej zakładamy, że poziom istotności α≤ 0.1 (np. α=0.01 ; α=0.05 ; α=0.1)

    d) Wyznaczenie obszaru krytycznego testu

    Obszar krytyczny - obszar znajdujący się zawsze na krańcach rozkładu. Jeżeli obliczona przez nas wartość statystyki testowej znajdzie się w tym obszarze to weryfikowaną przez nas hipotezę H0 odrzucamy. Wielkość obszaru krytycznego wyznacza dowolnie mały poziom istotności α, natomiast jego położenie określane jest przez hipotezę alternatywną.

    Obszar krytyczny od pozostałej części rozkładu statystyki odzielony jest przez tzw. wartości krytyczne testu (wα), czyli wartości odczytane z rozkładu statystyki przy danym α, tak aby spełniona była relacja zależna od sposobu sformułowania H1:

    e) Obliczenie statystyki na podstawie próby

    Wyniki próby opracowujemy w odpowiedni sposób, zgodnie z procedurą wybranego testu i są one podstawą do obliczenia statystyki testowej. Większość statystyk testowych, mających dokładny rozkład normalny, t-Studenta lub graniczny rozkład normalny, obliczamy w następujący sposób:

    0x01 graphic

    gdzie:

    f) Podjęcie decyzji

    Wyznaczoną na podstawie próby wartość statystyki porównujemy z wartością krytyczną testu.


    Reguły postępowania przy weryfikacji hipotez są określane mianem testów statystycznych.

    1. Podać przykład testu statystycznego dla wartości średniej

    Przypuśćmy, że mamy dokonać oceny jakości partii zapałek, liczącej 10000 pudełek. Producent twierdzi, iż w każdym pudełku są 54 zapałki.
    Zakładamy, że sprawdzono 100 pudełek i średnia ilość w nich wyniosła 51,21 , a odchylenie standardowe w próbce równa się 2,45. Niech współczynnik istotności na poziomie którego weryfikujemy hipotezę H0 (m=54) wynosi 0,002. Wstawiając do wzoru otrzymujemy :
    0x01 graphic
    i w tablicach rozkładu normalnego odczytujemy t~3
    Hipotezę odrzucamy, gdy 0x01 graphic
    , a więc 0x01 graphic
    ,
    czyli hipotezę odrzucamy.

    1. Omówić test zgodności 0x01 graphic

    Test zgodności służy do sprawdzenia hipotezy statystycznej dotyczącej postaci funkcji gęstości lub dystrybuanty rozkładu populacji generalnej. Hipotezy te możemy podzielić na dwie grupy:

        1. hipotetyczny rozkład populacji generalnej jest przez hipotezę całkowicie określony

        2. parametry hipotetycznego rozkładu należy oszacować z próby


    Zakładamy, że populacja ma rozkład o nieznanej dystrybuancie F(x). Z populacji tej wylosowano dużą n-elementową próbę. Wyniki próby są przedstawione w postaci szeregu rozdzielczego o k przedziałach klasowych.
    Formułujemy hipotezy: H0 : F(X) = F0(X)
    H1 : F(X) <> F0(X) , gdzie F(X) oznacza dystrybuantę pewnego rozkładu hipotetycznego. Parametry tego rozkładu nie muszą być znane , w razie konieczności ich miejsce wstawiamy ich oszacowania z próby. Możemy podać następujący algorytm postępowania:

        1. Z rozkładu hipotetycznego, sformułowanego w hipotezie zerowej H0, wystarczy dla każdego przedziału klasowego prawdopodobieństwo teoretycznego przyjmowania wartości z tego przedziału przez badaną cechę
          pi=P(xi <= ξ <= xi+1)= F0(xi+1) - F0(xi)

        2. Wyznaczamy dla każdego przedziału liczebności teoretyczne n*pi , które powinny wystąpić w n-elementowej próbie, gdyby rozkład populacji był zgodny z rozkładem określonym w hipotezie zerowej H0.

        3. Wyznaczymy różnice pomiędzy liczebnościami empirycznymi i teoretycznymi ni-npi oraz wartość statystyki testowej 0x01 graphic

    Jeżeli rozkład empiryczny nie będzie zgodny z rozkładem hipotetycznym należy spodziewać się, że różnice ni-npi pomiędzy liczebnościami empirycznymi i teoretycznymi będą znaczne. Postać statystyki testowej sugeruje, że wówczas będzie ona przyjmować duże wartości. Duże wartości statystyki 0x01 graphic
    będą oznaczały, że hipotezę zerową należy odrzucić.
    Niech 0x01 graphic
    oznacza wartość statystyki testowej wyznaczoną na podstawie wyników próby. Hipotezę zerową odrzucamy, gdy prawdziwa jest nierówność 0x01 graphic
    , gdzie 0x01 graphic
    jest wartością odczytaną z tablic rozkładu CHI dla ustalonego poziomu istotności 0x01 graphic
    i (k-r-1) stopni swobody ( r - liczba szacowanych z prób parametrów rozkładu hipotetycznego, niezbędnych do wyznaczenia prawdopodobieństw teoretycznych pi).

    LUB Omówić test zgodności 0x01 graphic

    pkt.

    χ2 = suma ( ni2 / npi ) - n χ2α - rozk.chi.odw ( α, k-c-1 ) k-przedziałów c-ilosc szacowanych parametrów (2)

    (jak przedział ma mniej niż 8 prób to łączymy przedziały)

    szereg

    xi - sr przedzialu

    ui = ( xi - a ) / d a-srodek najliczniejszego przedziału d-szerokość przedziału

    przedziły | ni | xi | ui | ui * ni | ui2 ni

    u sr = suma(ui ni) / suma(ni) su2 = suma(ui2 ni) / suma(ni) - u sr2 x sr = a + d * u sr s2x = d2 * su2 s - odchylenie

    przedzialy | ni | zi = (xi - x sr) / s (ostatni ∞) | F(zi) | F(zi) - F(zi-1) (ostatni 1- F(zk) ) - i to jest pi | ni^2/suma(ni)*pi

    i to do χ2 = ... F(zi) - rozkład.normalny.s(zi)

    1. Omówić test zgodności λ-Kołmogorowa

    Z populacji o nieznanej lecz ciągłej dystrybuancie F(X) wylosowano duża próbę prosta n-elementową, na podstawie której zbudowano szereg rozdzielczy. Będziemy weryfikować hipotezę H0 : F(X)=F0(X) wobec hipotezy alternatywnej, iż tak nie jest. F0(X) oznacza hipotetyczna dystrybuantę badanej populacji. Wszystkie parametry dystrybuanty muszą być określone. Statystyka testowa oparta jest o różnicę wartości dystrybuanty hipotetycznej F0(X) i empirycznej Fn(X), której wartości wyznaczać będziemy ze wzoru 0x01 graphic
    (j w indeksie dolnym).
    Algorytm postępowania:

        1. Dla każdego prawego końca przedziału klasowego obliczamy wartości dystrybuanty empirycznej i hipotetycznej.

        2. Obliczamy wartość statystyki Dn = supx |Fn(X) - F0(X)| , która następnie przekształcamy do postaci 0x01 graphic
          (statystyka testowa o rozkładzie Kołmogorowa). Można się spodziewać, że duże wartości statystyki 0x01 graphic
          będą świadczyły o dużych różnicach pomiędzy wartościami dystrybuanty empirycznej i hipotetycznej.
          Weryfikacja hipotezy sprowadza się do :

    LUB

    λ = sqrt (n) * sup (Fn(x) - F(x)) Fn(x) - dystrybuanta empiryczna

    λ0,1 = 1,224 λ0,05 = 1,358 λ0,01 = 1,627 if λ > λα to odrzucamy

    1. Omówić sposób konstrukcji prostej regresji

    Wyznaczanie prostej regresji ma zastosowanie w prognozowaniu wartości y dla x nie podlegających pomiarowi.
    0x01 graphic
    0x01 graphic
    0x01 graphic

    0x01 graphic
    0x01 graphic
    0x01 graphic

    następnie te pochodne przyrównujemy do 0 :
    0x01 graphic
    otrzymujemy: 0x01 graphic

    1. Regresja wielokrotna

    Regresja wielokrotna opisuje zależność jednej zmiennej od wielu innych zmiennych, dalej radźcie sobie sami :P

    1. Współczynnik korelacji

    i na koniec parę słów o współczynniku korelacji
    Badamy związek pomiędzy wartościami zmiennych losowych 0x01 graphic
    i 0x01 graphic
    , czy istnieje zależność i jaki jest jej kształt. Współczynnik korelacji 0x01 graphic
    mierzy siłę zależności między 0x01 graphic
    i 0x01 graphic
    (teoretyczna wartość 0x01 graphic
    ). Jeśli 0x01 graphic
    jest zbiorem obserwacji to 0x01 graphic
    jest estymatorem 0x01 graphic
    otrzymanym w wyniku oszacowania współczynnika korelacji na podstawie próby.
    hipotezy na temat 0x01 graphic
    weryfikujemy na podstawie wyników statystyki T-Studenta
    0x01 graphic



    Wyszukiwarka

    Podobne podstrony:
    Egz 12 06 04
    Egz.12.06.04
    Egz.12 06 04
    Egz ustny 2010 12
    Egz ustny 2010 12
    Jama brzuszna c d 17 12 06 komentarz
    12 06 12
    12 06
    mat fiz 2003 12 06 id 282350 Nieznany
    opracowane pytania na egz ustny IWE
    arkusz 2 opm chemia z tutorem 12 06 2014 klasy przedmaturalne
    12.06.09 socjologia, notatki
    egz pol ETI AiR IBM 2011 12
    12 06 Roboty szklarskieid 13693
    05 OZE 2013 12 06 sk
    Teoria Kultury na egz ustny
    wykład 12 06

    więcej podobnych podstron