plik


ÿþ1. Jaka jest ró|nica midzy cech skokow i cigB?  poda przykBady ka|dej z nich. Cecha ilo[ciowa : skokowa  przyjmujca pewne warto[ci liczbowe i nie przyjmujca warto[ci po[rednich cecha ta te| jest nazywana dyskretn, przykBad: ilo[ bakterii, pracowników, pasa|erów. cigBa  przyjmujca warto[ci z pewnego przedziaBu liczbowego przykBad: wzrost, waga, plon. 2. Wymieni typy cech i poda po jednym przykBadzie. Cechy jako[ciowe (opisowe, niemierzalne) przyjmujce warto[ci nie bdce liczbami, np.: kolor wBosów, pBe, smakowito[, pochodzenie spoBeczne. Cechy ilo[ciowe (mierzalne): np.: wzrost (w centymetrach), wiek (w latach), zarobek (w zBotówkach) Cechy skokowe : np.: liczba studentów w grupie Cechy cigBe : np.: waga 3. Poda przynajmniej trzy nazwy rozkBadów cech i jakiego typu s to cechy. RozkBady cech skokowych: 1. RozkBad zero  jedynkowy 2. RozkBad dwumianowy (Bernoulliego) 3. RozkBad Poissona RozkBady cech cigBych: 4. RozkBad normalny jedno i dwu wymiarowy 5. RozkBad jednostajny 4. Poda znane nazwy rozkBadu cech i jakiego typu s to cechy. RozkBad zero-jedynkowy: Podstaw do okre[lania rozkBadu zero-jedynkowego jest do[wiadczenie, którego rezultatem mog by dwa wzajemnie wykluczajce si zdarzenia losowe. Oznaczy je mo|emy jako A i zdarzenie przeciwne A np. strzelajc do celu trafiamy (A=1) lub nie (A =0). Zmienna losowa X ma taki rozkBad, je[li przyjmuje warto[ A z prawdopodobieDstwem 0<p<1 oraz warto[ A z prawdopodobieDstwem q = 1-p. Funkcja prawdopodobieDstwa zmiennej losowej ma posta: P(X=1) = p, P(X=0) = p-1; p"(0,1). Dystrybuanta zmiennej losowej F(X) = {0, dla X<0; 1-p, dla 0 =< X <1; 1, dla X >=1}. Warto[ oczekiwana E(X) = 0(1-p) + (1p) = p. Wariancja D2(X) = (0-p)2(1-p)+(1-p)2p=p(1-p). RozkBad dwumianowy : Wykonujemy do[wiadczenie, którego rezultatem mo|e by zdarzenie A z P(A)=p lub A z P(A )=1-p. Jedno z nich przujmuje si za sukces drugie jako pora|k. Liczb sukcesów zaobserwowanych w  n próbach mo|e by równa k=1,2,3,...,n. Zdarzenie X=k zachodzi, gdy w wyniku n-krotnego powtarzania do[wiadczenia zaobserwujemy k-razy zdarzenie A (wic n-k razy zdarzenie A ). PrawdopodobieDstwo otrzymania k sukcesów w do[wiadczeniu powtarzanym n razy (suma prawdopodobieDstw takich kombinacji, |e wystpuje k razy A): n ëø öø P( X = k) = ìø ÷ø pk (1- p)n-k . k íø øø Zmienna losowa X ma taki rozkBad, je[li przyjmuje warto[ci k=0,1,2,...,n z prawdopodobieDstwami okre[lonymi wzorem: n ëø öø F(x) = P( X d" x) = pk (1- p)n-k . Warto[ oczekiwana E(X)=np -suma warto[ci oczekiwanych ìø ÷ø " k íø øø kd"x niezale|nych zmiennych losowych o rozkBadach zerojedynkowych (pojedyncze do[wiadczenia), D2(X)=np(1-p) RozkBad Poissona : zmienna losowa X przyjmujca warto[ci k = 0,1,2,... ma taki rozkBad o parametrze », je[li jej »k funkcja prawdopodobieDstwa opisana jest wzorem: P( X = k) = e-» k = 0,1,2,..., gdzie » jest dodatni staB (» k! »k > 0). Dystrybuant rozkBadu Poissona okre[la wzór: F(x) = e-» . Opierajc si na definicji warto[ci " k! k d"x oczekiwanej i wariancji zmiennej losowej skokowej, dla rozkBadu Poissona otrzymujemy: E(X)= », D2(X)= ». RozkBad normalny: Zmienna losowa ma rozkBad normalny N-(µ,Ã2) o warto[ci [redniaj µ i wariancji Ã2, je|eli jej funkcja gsto[ci wyra|a si wzorem (w pytaniu 14). 5. Poda dwa przykBady cech w rozkBadzie dwumianowym. " 5 prób trafienia w tarcz " 10 prób wycignicia czarnej kuli z urny zawierajcej kule czarne i biaBe (ze zwracaniem) 6. Poda dwa przykBady cech w rozkBadzie normalnym. " Waga oraz wzrost osobników jednorodnych populacji ludzkich lub zwierzcych. " Plon na jednakowych poletkach do[wiadczalnych. " Wynik osigany w biegu na 100m 7. Poda dwa przykBady cech w rozkBadzie Poissona. " Liczba usterek w produkowanych urzdzeniach " Liczba skaz na okre[lonej powierzchni materiaBu " Liczba bBdów drukarskich na jednej stronie. 8. Zmienna losowa X ma rozkBad N(10,25). Obliczy P{|X-10|=<10} Cecha X-(µ,Ã2) ma rozkkBad normalny N-(µ,Ã2). Z prawa trzech sigm: 1 P{|X- µ|< Ã}=0,68 P{|X- µ|< 2Ã}=0,95 P{|X- µ|< 3Ã}=0,997 X-N(10,25); µ=10, Ã=5 z prawa trzech sigm: P{|X-10|=<10}= P{|X- µ|< 2Ã}=0,95 9. Zmienna losowa X ma rozkBad N(10,25). Obliczy P{|X-10|=<5} N(10,25), µ=10, Ã=5 P{|X-10|=<5}= P{|X- µ|< Ã}=0,68 10. X ~ N(100,100). Ile wynosi P{X T(90,110)}? Dystrybuanta F(X) dla standardowego rozkBadu jest stablicowana. Dla x=<0 zachodzi F(x)=1-F(-x). Standaryzacja. Je|eli X- N(µ ,Ã2), to Z=(X- µ)/ Ã-N(0,1) a ëø - µ b - µ b öø ëø - µ a - µ öø ëø öø P{X " ìø ' ÷ø} = Fìø ÷ø - Fìø ÷ø .Podstawiajc µ=100, Ã=10, a=90, b=110 otrzymujemy íø øø íø øø íø øø ´ ´ ´ ´ P{X"(-1,1)}=F(1)-F(-1)=F(1)-1+F(1)=2F(1)-1=2(0,84134)-1=0,68=68% 11. X ~ N(120,64). Ile wynosi P{X T(104,136)}? N(120,64); Podstawiajc µ=120, Ã=8, a=104, b=136 do wzoru z pyt. 10 otrzymujemy: P{X"(104,136)}= P{X"(-2,2)}=F(+2)-F(-2)=F(2)-1+F(2)=2F(2)-1=2x0,97725-1=0,9545=95% 12. Cecha X ma rozkBad N(12,16). Bez u|ycia tablic obliczy P{X T (8,16)}? µ=12, Ã=4, P{X"(8,16)}=P{|X-12|=<4}=P{|X-µ|=<Ã}=68% 13. Cecha X ma rozkBad N(12,16). Bez u|ycia tablic obliczy P{X T (4,20)}? µ=12, Ã=4, P{X"(8,16)}=P{|X-12|=<8}=P{|X-µ|=<Ã}=96% 14. W jaki sposób mo|na sprawdzi zaBo|enie o normalno[ci. Zmienna losowa X ma rozkBad normalny, je|lei jej funkcja gsto[ci wyra|a si wzorem: 1 x-µ 1 - ( )2 2 à fµÃ (x) =,-" < x < " e 2 , à 2  15. W jakim celu stosuje si w praktyce u[rednianie warto[ci pewnej cechy. Dziki [redniej mo|emy sprawdzi, czy dana warto[ cechy jest wzgldnie wiksza czy mniejsza ni| w reszcie populacji tzn. Je|eli jaka[ warto[ jest powy|ej [redniej to jest mniej warto[ci wikszych w populacji, a wicej mniejszych. Zrednia pozwala tak|e przewidzie najbardziej prawdopodabny wynik np. je[li [rednia ilo[ trafieD na 10 wynosi 3, to gdy szacujemy ile bdzie trafieD, najbardziej prawdopodobn liczb trafieD jest 3. 16. Wymieni rozkBady pojawiajce si we wnioskowaniu statystycznym, a zwizane z rozkBadem normalnym. " RozkBad Piscona " RozkBad Chi  kwadrat " RozkBad T - Studenta 17. Co to jest populacja? Populacja  zbiór obiektów (fizycznych i nie tylko) z wyró|nion cech (-ami). Je[li zbiór elementów populacji jest skoDczony to okre[lamy j jako skoDczon np. zbiorowo[ mieszkaDców Polski, zbiorowo[ gospodarstw rolnych w danym województwie. Je[li zbiór elementów populacji jest nieskoDczony to okre[lamy j jako nieskoDczon  dotyczy raczej zjawisk ni| obiektów materialnych np. zbiorowo[ rzutów monet, zbiorowo[ mo|liwych wyników pomiaru wytrzymaBo[ci materiaBu. 18. Co to jest próba reprezentatywna? Próba  wybrana cz[ populacji podlegajca badaniu (próba), jest reprezentatywna, gdy jej struktura ze wzgldu na interesujce nas cechy statystyczne jest zbli|ona do struktury populacji z której ona pochodzi, czyli wnioski wycignite z próby mo|na uogólni na caB populcje. Próba jest reprezentatywna gdy speBnione s warunki: " Elementy populacji s pobierane do próby w sposób losowy. " Próba jest dostatecznie liczna. 19. Co to jest wnioskowanie statystyczne? Wnioskowanie statystyczne  to mo|liwo[ uogólnienia uzyskanych wyników na caB populacj elementów oraz oszacowanie wielko[ci popeBnionych przy tym bBdów. Wynik wnioskowania musi by u|yteczny. 20. Jakie s podstawowe ró|nice midzy populacj i prób? Próba jest wybran cz[ci populacji, na podstawie jej danych wnioskujemy o populacji, czyli próba pozwala scharakteryzowa populacj, np.: Spo[ród wszystkich kobiet w Warszawie (Populacja) losujemy jak[ cz[ (Próba) i na tej podstawie charakteryzujemy [redni wzrost kobiet w Warszawie. 21. Poda przykBad próbki niereprezentatywnej dla oszacowania zró|nicowania zarobków w Polsce? Prób przeprowadzamy w[ród rolników. 22. Poda przykBad próbki niereprezentatywnej dla oszacowania [rednich zarobków ludzi w Polsce? Prób przeprowadzamy w[ród ludno[ci W-wy i ustalamy 2 23. Poda przykBad próbki niereprezentatywnej dla wzrostu wszystkich kobiet w Polsce. Prób przeprowadzamy w[ród zawodniczek dru|yny koszykarskiej. 24. Co wpBywa na jako[ wnioskowania statystycznego. Na jako[ wnioskowania statystycznego wpBywa: " estymacja (szacowanie) nieznanych warto[ci parametrów rozkBadu cechy w populacji. " sBuszno[ hipotez dotyczcych albo warto[ci parametrów rozkBadu cechy w populacji albo postaci tego rozkBadu. " jako[ próby: liczno[, losowy wybór. 25 i 26. Jakie s zródBa bBdów we wnioskowaniu statystycznym? Poda przynajmniej dwa zródBa bBdów we wnioskowaniu statystycznym. yródBa bBdów: nieliczne lub nielosowo wybrane elementy próby wybór zBego rozkBadu cechy w populacji, Estymacja : Z uwagi na to |e estymacji pewnego parametru za pomoc okre[lonego jego estymatora Zn dokonujemy na podstawie wyników próby losowej, istnieje mo|liwo[ popeBnienia bBdu. W celu uzyskania maBego bBdu estymacji nale|y dba o prawidBowe losowanie próby, jak i dobór mo|liwie najlepszego estymatora Zn. W tym celu wprowadza si pewne wBasno[ci, które powinien posiada dobry estymator: zgodno[, efektywno[, dostateczno[ i nieobci|ono[ Testowanie hipotez statystycznych : Z uwagi na to, |e testowanie hipotez statystycznych opiera si na wynikach próby losowej, podjta w wyniku zastosowania danego testu decyzja o przyjciu lub odrzuceniu hipotezy nie zawsze jest bezbBdna (wystpuj bBdy I i II stopnia). 27. Co to jest estymator? Estymator jest narzdziem wnioskowania statystycznego. Estymator jest to funkcja wyników z próby, czyli statystyka sBu|ca do oszacowania nieznanej warto[ci parametru populacji. Warto[ estymatora z konkretnej próby jest liczb zwan ocen parametru. Estymatorem mo|e by zatem ka|da wielko[ otrzymana dla wyników próby, czyli: [rednia arytmetyczna, dominanta, kolejne kwartyle, rozstp, odchylenie standardowe i wiele innych. Estymator jako funkcja wyników próby losowej, bdcych zmiennymi losowymi, jest zmienn losow. RozkBad prawdopodobieDstwa estymatora zale|y od rozkBadu populacji i od sposobu losowania próby (schemat losowania). Szczególnie wa|ne s dwa parametry rozkBadu: a)warto[ oczekiwana (momenty), b)wariancja. Jest wiele metod znajdowania estymatora. Najcz[ciej stosowane to: a)metoda momentów, b)metoda najwikszej wiarygodno[ci, c)metoda kwadratów. Mówimy, |e estymator Tn parametru O jest nieobci|ony gdy speBniona jest relacja: E(Tn)=O. Inaczej estymator Tn jest obci|ony, a parametr E(Tn)-O=b(Tn) nazywamy obci|eniem estymatora. Asymptotyczny nieobci|ony tzn. Lim(n->8) b(Tn)=0. Zgodny speBnia relacje Lim(n->8) P{ |Tn-O|<µ}=1, dla dowolnego µ>0. 28. Co znaczy, |e estymator jest precyzyjny? Przy wzrastajcej do nieskoDczono[ci liczebno[ci próby wariancji D2(Zn) estymatora Zn przyjmuje warto[ci coraz bli|sze wariancji najefektywniejszego estymatora. Odwrotno[ wariancji estymatora nosi nazw precyzji. Estymator najefektywniejszy to taki, który ma najwiksz precyzj. 29. Poda przynajmniej dwa ró|ne oszacowania [redniej warto[ci cechy. Na podstawie próby 1.1, 1.2, 0.8, 0.9, 1.2, 1.3, 1.0, 0.7, 0.8, 1.0 oszacowa warto[ [redni rozkBadu obserwowanej cechy. Xsr=(1.1+...+1.0)/10=1 var x = (1.1  1.0)2 + ........... (1.0  1.0) 2 = 0.36 (suma kwadratów odchyleD) s2 = 0.36/10-1 = 0.04 s = 0.2 poziom ufno[ci 1- ± = 0,95, czyli ± = 0.05 = 5% t (0,05 , 9) = 2,2622 t(0.05 ,9) *s/"n = 2,622 * 0,2/"10 = 0,14 1  0,14 = 0,86 1+ 0,14 = 1,14 ODPOWIEDy Zrednia warto[ cechy jest jak[ liczb z przedziaBu (0,86; 1,14) 30. Co to jest przedziaB ufno[ci. PRZEDZIAA UFNOZCI  jest przedziaBem o koDcach zale|nych od próby, który z pewnym z góry zadanym prawdopodobieDstwem pokrywa nieznan warto[ parametru Õ P {(Õ " (O (x1 ,..........xn ), L (x1 ,..........xn)} = 1 - ± (Poziom ufno[ci) W wyniku pobrania próby losowej z populacji i obliczenia na tej podstawie warto[ci estymatora szacowanego parametru uzyskuje si tzw. punktow ocen parametru. PrawdopodobieDstwo |e estymator przyjmuje warto[ równ warto[ci szacowanego parametru jest równa 0. Oznacza to |e przy estymacji punktowej z prawdopodobieDstwem równym jeden popeBniamy bBd. Jest to jeden ze sposobów dla których stosuje si estymacj przedziaBow, polegajc na tym, |e zamiast jednej oceny warto[ci parametru podaje si pewien przedziaB, który z okre[lonym z góry prawdopodobieDstwem (>0) pokrywa nieznan warto[ szacowanego parametru. 31. Co to jest poziom ufno[ci. Jest to prawdopodobieDstwo majce opisa nasze przekonanie co do trafno[ci oceny, oznaczone przez 1- ± 32. Jaka jest interpretacja poziomu ufno[ci. Poziom ufno[ci 1- ± jest zaufaniem do wystawionych wniosków. 3 33 i 34. Od jakich czynników zale|y dBugo[ przedziaBu ufno[i? Na dBugo[ przedziaBu wpBywa: 1. liczebno[ próby  gdy zwikszymy ilo[ obserwacji (ro[nie n), to zwiksza si precyzja oceny, co wyra|a si skróceniem przedziaBu. Prowadzcy mo|e mie wpByw na dBugo[ przedziaBu ufno[ci, poniewa| to on decyduje o ilo[ci obserwacji. 2. poziom ufno[ci  aby zwikszy precyzj oszacowania nale|y zmniejszy poziom ufno[ci bowiem nastpi skrócenie dBugo[ci przedziaBu. Aby zwikszy dokBadno[ nale|y zwikszy wspóBczynnik ufno[ci co spowoduje rozszerzenie przedziaBu. 3. wariancja cechy - im wiksza tym wikszy przedziaB 35. Na podstawie badaD uzyskano dla [redniej nastpujcy przedziaB ufno[ci (2,13). Czy mo|na uzna, |e [rednia w populacji jest równa 7 i dlaczego? Poniewa| 7 nale|y do przedziaBu ufno[ci mo|e by [redni populacji(tak jak wszystkie liczby z tego przedziaBu), przy czym zaufanie do tego wniosku wynosi 1-±. 36. Uzyskano 95% przedziaB ufno[ci dla ró|nicy [rednich : (1.23;7.9). Czy na tej podstawie mo|na uzna, |e badane [rednie nie ró|ni si? 42. Co to jest hipoteza statystyczna. Hipotez statystyczn nazywamy dowolne przypuszczenie dotyczce rozkBadu prawdopodobieDstwa cechy. Hipotezy statystyczne s formalnym zapisem przypuszczeD merytorycznych sformuBowanych w trakcie rozwizywania problemów naukowych i praktycznych. Testowan hipotez statystyczn oznacza si symbolem H0 i nazywa si hipotez zerow. Obserwujemy cech X w pewnej populacji. Hipoteza  to przypuszczenie dotyczce rozkBadu prawdopodobieDstwa tej cechy. Prawdziwo[ tego przypuszczenia jest oceniana na podstawie wyników próby losowej. Jest to ka|dy sd (przypuszczenie) dotyczce populacji wydany bez przeprowadzenia badania wyczerpujcego. 43. PrzykBady hipotezy statystycznej i podaj przykBad hipotezy niestatystycznej. 1.Hipoteza H0 : µ = 250, Hipoteza ta orzeka, |e [rednia warto[ cechy w populacji wynosi 250. 2.Hipoteza niestatystyczna  w roku 2010 bdzie klska |ywioBowa  nie ma mowy o postaci rozkBadu i jego parametrach. 44. Co to jest bBd pierwszego rodzaju. BBdem I rodzaju - bBd we wnioskowaniu polegajcy na odrzuceniu hipotezy, gdy w rzeczywisto[ci jest ona prawdziwa. 45. Co to jest poziom istotno[ci. Poziomem istotno[ci Jest to prawdopodobieDstwo popeBnienia bBdu I rodzaju (2). Najcz[ciej przyjmowanymi poziomami istotno[ci s: 0,1; 0,05; 0,01; 0,001. 46. Interpretacja poziomu istotno[ci. (odp. W 45) 47. Co to jest bBd drugiego rodzaju. BBdem II rodzaju - bBd we wnioskowaniu polegajcy na nie odrzuceniu hipotezy, gdy w rzeczywisto[ci jest ona faBszywa. 48. Co to jest moc testu. Moc testu nazywamy prawdopodobieDstwo nieodrzucenia hipotezy nieprawdziwej Moc testu = prawdopodobieDstwo popeBnienia bBdu II rodzaju 49. Zinterpretowa wniosek: odrzucono weryfikowan hipotez na poziomie istotno[ci 0,05. Na 95% byBa faBszywa i na 5% byBa prawdziwa. 50. Co mierzy wspóBczynnik korelacji. WspóBczynnik korelacji jest miernikiem siBy zale|no[ci midzy badanymi zmiennymi. Przyjmuje warto[ci < -1; 1 >. 51. Interpretacja wspóBczynnika korelacji. WspóBczynnik korelacji jest liczb niemianowan, nale|y do przedziaBu < -1; 1 >. Interpretujemy dwa elementy wspóBczynnika korelacji: 1. znak wspóBczynnika korelacji; 2. warto[ wspóBczynnika korelacji; Je|eli chodzi o znak to: " je|eli wspóBczynnik korelacji > 0, to wikszym warto[ciom jednej cechy odpowiadaj wiksze warto[ci drugiej cechy; jest to zale|no[ dodatnia (rosnca, stymulujca); " je|eli wspóBczynnik korelacji < 0, to wikszym warto[ciom jednej cechy odpowiadaj mniejsze warto[ci drugiej cechy; jest to zale|no[ ujemna (malejca, limitujca); " je|eli wspóBczynnik korelacji = 0, to bez wzgldu na warto[ przyjmowane przez jedna z cech, [rednia warto[ drugiej cechy jest taka sama; s to cechy nieskolerowane Je|eli g= +1 , to istniej takie liczby a i b, |e Y = aX + b  zale|no[ midzy cechami jest [ci[le liniowa. Je|eli g= 1, to a > 0, oraz je|eli g = -1 to a <0. W zwizku z tym wspóBczynnik korelacji traktowany jest jako miernik liniowej zale|no[ci midzy cechami X oraz Y. Warto[ wspóBczynnika korelacji interpretowana jest ; |e im |g| jest bli|sze 1, tym bardziej liniowa jest zale|no[ COV ( X ,Y) midzy cechami. Korelacj midzy X i Y obliczamy ze wzoru r = , gdzie COV(X,Y) to var X var Y kawariancja- suma iloczynów odchyleD od [redniej. 4 52. Jakie warto[ci mo|e przyjmowa wspóBczynnik korelacji. WspóBczynnik korelacji przyjmuje warto[ci z przedziaBu < -1; 1 > Im korelacja jest silniejsza (bli|sze jedynki), tym linie regresji s poBo|one bli|ej siebie. r=1 r=-1 r=0 53. Co to znaczy, ze wspóBczynnik korelacji midzy zmiennymi X i Y wynosi 0. Je|eli wspóBczynnik korelacji midzy dwiema zmiennymi wynosi zero, to znaczy, |e s to zmienne nieskorelowane. Warto[ jednej zmiennej nie zale|y od drugiej. 54. Jak posta ma liniowa funkcja regresji, gdy wspóBczynnik korelacji midzy zmiennymi X i Y wynosi 0. Je|eli wspóBczynnik korelacji wynosi 0 to nie ma zale|no[ci pomidzy dwoma zmiennymi, a wykresem funkcji regresji s wszystkie punkty ukBadu wspóBrzdnych. 55. Na podstawie obliczeD uzyskano wspóBczynnik korelacji równy  0.97. Jak mo|na zinterpretowa t warto[? WspóBczynnik korelacji równy  0,97, oznacza, |e wikszym warto[ciom jednej cech odpowiadaj [rednio mniejsze warto[ci drugiej cechy. Tak zale|no[ nazywamy ujemn lub malejc. 56. Na podstawie obliczeD uzyskano wspóBczynnik korelacji równy 1.09. Jak mo|na zinterpretowa t warto[? WspóBczynnik korelacji nie mo|e przyj warto[ci powy|ej 1. 57.W badaniu wpBywu dBugo[ci czasu (w latach) pracy (X) pewnego urzdzenia na przcitny czas (w miesiacach) bezawaryjnej pracy (Y) tego urzdzenia na podstawie obserwacji dziesiciu maszyn uzyskano wspóBczynnik korleacji r=-0,9983. Czy mo|na na tej podstawie przyj, |e istnieje zale|no[ midzy dBugo[ci czasu pracy i przecitnego czasu pracy bezawaryjnej. Je[li próba zaostaBa dobrana poprawnie (zapewniono reprezentatywno[) to mo|na uzna, |e istnieje taka zale|no[, |e im dBu|szy czas pracy w latach tym krótszy okres (w m-cach) bezawaryjnej pracy. Wynika to z tego, |e korelacja jest równa prawie -1. 58. W dwudziestu gospodarstwach wiejskich badano zale|no[ midzy spo|yciem ziemniaków (cecha X) i artykuBów zbo|owych (cecha Y). Uzyskano wspóBczynnik korelacji r=-0,9983. Czy mo|na na tej podstawie przyj, |e istnieje zalezno[ midzy spo|yciem ziemniaków i artykuBów zbo|owych? Tak jak w 57. 59. Co to jest indeks Fishera zmian cen ? Indeks Fishera zmian cen jest [redni geometryczn z indeksów wyznaczonych przez Laspeyersa i Paaschego. Mo|na go uwa|a za dobre przybli|enie indeksu poprawnie mierzcego zmiany cen ( z dwóch ró|nych okresów ) , je[li przyj, |e indeksy Laspeyersa i Paaschego okre[laj granice przedziaBu, w którym zawarta jest prawdziwa warto[ indeksu. 60. Co to jest indeks Fishera zmian ilo[ci? Je[li przyj, |e indeksy Laspeyersa i Paaschego poprawnie okre[laj granice przedziaBu, w którym zawarta jest prawdziwa warto[ indeksu, to : Indeks Fishera zmian ilo[ci uwa|a si za dobre przybli|enie indeksu wBa[ciwie mierzcego zmiany ilo[ci ( rozmiarów fizycznych ) 61. Co to jest indeks Laspayresa zmian cen ? Dynamika zjawisk Numer Ilo[ Cena artykuB jednostkowa u Rok0 Rok1 Rok0 Rok1 1 q10 q11 p10 p11 ... ... ... ... ... k qk0 q1k pk0 p1k Numer Warto[ Warto[ 1 w1,00=p10q10 w1,11=p11q11 ... ... ... k wk,00=pk0qk0 wk,11=pk1qk1 Razem w00 w11 Indeks Laspayersa zmian cen to indeks okre[lajcy wpByw zmian cen na dynamik warto[ci; informuje o tym , jak zmieniaBaby si Bczna warto[ wszystkich towarów w momencie badanym w stosunku do momentu podstawowego, gdyby ilo[ci poszczególnych towarów byBy w obu porównywalnych momentach jednakowe oraz takie jak w momencie podstawowym, a zmiana warto[ci nastpiBaby tylko na skutek zmian cen. LIpq=(w10/w00), gdzie Wij=piqj. 62. Co to jest indeks Laspayresa zamian ilo[ci ? Indeks Laspayersa zmian ilo[ci mówi jak zmieniaBaby si caBo[ciowo warto[ wszystkich towarów w momencie badanym w stosunku do momentu podstawowego, gdyby w obu porównywalnych momentach ceny byBy niezmienne i 5 takie jak w momencie podstawowym, a zmiana warto[ci nastpiBaby tylko i wyBcznie na skutek zmian ilo[ci poszczególnych towarów; co wicej informuje o przecitnych zmianach ilo[ci poszczególnych towarów w obu porównywalnych momentach. LIqp=(w01/w00) 63. Co to jest indeks Paaschego zmian cen ? Indeks Paaschego zmian cen to [rednia harmoniczna z indywidualnych indeksów cen, a której wagami s warto[ci towarów w momencie badanym; Informuje o tym ,jak zmieniaBaby si Bczna warto[ wszystkich towarów w momencie badanym w stosunku do momentu podstawowego, gdyby ilo[ci poszczególnych towarów byBy w obu porównywalnych momentach jednakowe oraz takie, jak w momencie badanym , a zmiana warto[ci nastpiBaby wyBcznie na skutek zmian cen. PIpq=(w11/w01) 64. Co to jest indeks Paaschego zmian ilo[ci? Indeks Paaschego zmian ilo[ci to [rednia harmoniczna indywidualnych indeksów ilo[ci; informuje, jak zmieniaBaby si globalna warto[ wszystkich towarów w momencie badanym w stosunku do momentu podstawowego, gdyby w obu porównywalnych momentach ceny byBy niezmienne i takie jak w momencie badanym, a zmiana warto[ci nastpiBaby tylko i wyBcznie na skutek zmian ilo[ci poszczególnych towarów. PIqp=(w11/w10) 65. Co to jest indeks zmian warto[ci. Indeks zmian warto[ci to indeks, który informuje o Bcznych zmianach warto[ci danych produktów (równocze[nie) w momencie badanym w stosunku do momentu podstawowego. Zmiany te wynikaj zarówno ze zmian ilo[ci , jak i cen tych produktów. Iw=(w11/w00) 66. Jaka jest zale|no[ midzy indeksami zmian warto[ci, ilo[ci oraz cen. Warto[ci, ceny i ilo[ci s wielko[ciami, które maj szczególne znaczenie w badaniu zjawisk ekonomicznych. Indeksy zmian tych wielko[ci s badane razem w tzw. indeksach agregatowych ( zespoBowych ), które w odpowiedni sposób wyra|aj Bczne zmiany zachodzce w czasie w caBej zró|nicowanej zbiorowo[ci. Iw=LIpqxPIqp=PIpqxLIqp=FIpxFIq 67. W jaki sposób mo|na oszacowa przecitne tempo zmian na przestrzeni kilku lat. Cza Zjawis Indeksy BaDcuchowe s ko absolutne wzgldne it/t-1 t0 y0 t1 y1 y1-y0 (y1-y0)/y0 y1/y0 t2 y2 y2-y1 (y2-y1)/ y1 y2/y1 ... ... ... ... ... tk yk yk-yk-1 (yk-yk-1)/ y k-1 yk/yk-1 Zrednie tempo zmian -Ig jest [redni geometryczn z indeksów BaDcuchowych i t/t  1 ( t" T1) ; metoda ta zawodzi, gdy du|e s nieregularno[ci w obserwowanej dynamice zjawisk. it/t-1 jest stop rocznego wzrostu, czyli je|eli warto[ w roku 1 wynosi 2, a warto[ w roku 3- 2,5, to i3/2=1,25. Zrednim tempem zmian w okresie 0-t nazywamy [redni geometryczn z it/t-1. 68. Co to jest indeks BaDcuchowy. Indeks BaDcuchowy nale|y do obszernej klasy mierników dynamiki zjawisk warto[ci yt , gdzie y t* oznacza podstaw porównania dla warto[ci zjawiska y t w kolejnych momemtach czasu t‚" T1. Je[li ta podstaw jest zawsze moment poprzedni do badanego to indeksy dynamiki s nazwane indeksami BaDcuchowymi. Warto[ indeks BaDcuchowego w czasie t/: it/t-1=(yt/yt-1) 69. Co to jest indeks jednopodstawowy. Indeks jednopodstawowy jest miernikiem dynamiki zjawisk; wystpuje wtedy, gdy podstawa porównania jest staBa dla wszystkich warto[ci y t , tzn. y t* = const. Czyli warto[ indeksu w czasie t: it=(yt/y0). 70. Co to jest trend? Trend skBadnik szeregu czasowego wyra|ajcy ogóln tendencj systematycznych zmian poziomu danej zmiennej; (tendencja rozwojowa )  funkcja opisujca generalny przebieg zjawiska, zmiany [redniego zjawiska w czasie. Metody wyznaczania trendu: Tendencj rozwojow mo|na wyodrbni dwiema metodami: -Metod mechaniczn która polega na wygBadzeniu szeregu czasowego, poprzez  oczyszczenie go z wszelkiego typu wahaD. WygBadzenia dokonuje si przy u|yciu [rednich ruchomych lub metody najmniejszych kwadratów. -Metoda analityczna która polega na wyznaczeniu postaci funkcji trendu. Metoda analityczna wyodrbniania tendencji rozwojowej polega na ustaleniu takiej postaci funkcji matematycznej, która najlepiej przybli|a trend zjawiska. 71. Co to s wahania okresowe (sezonowe ) ? Powtarzajce si regularnie zmiany poziomu zjawiska. Najczstszym okresem wahaD jest rok. 72. i 76. Do czego sBu|y metoda [rednich ruchomych. Na czym polega metoda [rednich ruchomych. Szeregi czasowe ze znacznym udziaBem wahaD okresowych i przypadkowych poddaje si zwykle wyrównaniu którego rezultatem jest nowy szereg eksponujcy trend rozwojowy [rodowiska. Najprostsz metod eliminacji wahaD z szeregu czasowego jest obliczenie tzw. [rednich ruchomych i zastpienie nimi pierwotnych wyrazów szeregu czasowego. Zrednie oblicza si zwykle z nieparzystej (parzystej) liczby ssiadujcych ze sob wyrazów szeregu, tak aby uzyskany wynik móc podporzdkowa caBkowitej warto[ci t znajdujcej si w [rodku uwzgldnionego w obliczeniach przedziaBu. a) r(dBugo[ cyklu wahaD)-nieparzyste 6 1 ym = (y +...+ ym +...+ y ) , m=(r-1)/2,....,k-(r-1)/2 r -1 r -1 r m- m+ 2 2 b) r - parzyste 1 1 1 ym = ( y +...+ ym +...+ y ) , m=r/2,.....,k-r/2 r r r 2 m- 2 m+ 22 73. Jak mo|na oszacowa wielko[ wahaD okresowych? W zale|no[ci od tego jaki charakter maj wahania sezonowe, rachunek wskazników, opisujcych zakres dziaBania czynników sezonowych ,przebiega inaczej. Je|eli rezultatem dziaBania czynników sezonowych jest zmienna amplituda wahaD to zakres dziaBania sezonowo[ci opisuj relatywne wskazniki sezonowo[ci. Je|eli za[ rezultatem dziaBania czynników sezonowych jest staBa amplituda odchyleD od trendu, to zakres dziaBania tych czynników opisuj absolutne wskazniki sezonowo[ci. W pierwszej kolejno[ci wyznacza si tzn. surowe wskazniki sezonowo[ci, które okre[laj przecitne odchylenia od Yi trendu w kolejnych podokresach cyklu sezonowo[ci Osi = ,Yi =yi+yr+i+y2r+i..., Yi =yi+yr+i+y2r+i; yt=dopasowana Y i funkcja trendu Nastpnie wyznaczamy wskaznik korygujcy . r k = Os1 + Os2 +...+Osr Poprawny wskaznik sezonowo[ci wynosi Oi = Osi * k , i=0,1,...,r-1 Wskaznik ten okre[la zakres wzgldnych, czyli zale|nych od poziomu trendu, odchyleD spowodowanych dziaBaniem czynników sezonowo[ci. n-1 Na koniec obliczamy absolutny wskaznik okresowo[ci gi. gi = (Oi  1)*y, i=0,1,...,r-1, y = ( y ) / n " j j=0 Wskaznik ten okre[la staBe niezale|ne od poziomu trendu, odchylenia poziomu zjawiska od trendu spowodowane dziaBaniem czynników sezonowych. 74. Jak wykonuje si prognoz w szeregu czasowym w którym wystpuje zjawisko wahaD okresowych? Obliczamy tak samo jak w 73 do gi. Potem musimy oszacowa odchylenie standartowe. n-1 1 S = (y - y - gt )2 , gdzie t jest reszt dzielenia j/r " j j n - 2 j=0 Obliczamy prognoz w chwili m>n, ym=ym(sr)+gt+/-S, (gdzie t jest reszt z dzielenia m/r). 75. Jak metod mo|na wyznaczy Trend? Wyznaczanie trendu: 1. Metoda empiryczna ([rednich ruchomych)- w pyt. 72. 2. Metoda analityczna (najmniejszych kwadratów)- metoda aproksymacji funkcji okre[lonego typu, do zbioru punktów empirycznych. Metoda ta polega na takim doborze parametrów aproksymowanej funkcji, by suma kwadratów odchyleD rzdnych punktów empirycznych od wykresu tej funkcji byBa mniejsza. Sprowadza sie ona do rozwizania odpowiedniego dla danego typu aproksymowanej funkcji ukBadu równaD. Metod najmniejszych kwadratów wyznacz si najcz[ciej w staystyce funkcji regresji II rodzaju. 78. Co to jest szereg rozdzielczy. Jeden z szeregów statystycznych przedstawiajcy budow (struktur ) zbiorowo[ci, czyli jej podziaB na cz[ci z okre[lonego, rzeczowego punku widzenia. Cecha statystyczna na podstawie której dokonuje si podziaBu zbiorowo[ci na mniejsze cz[ci, mo|e by cech niemierzaln lub mierzaln. W szeregu rozdzielczym w jednej kolumnie w sposób uporzdkowany przedstawiony jest wykaz klasyfikacyjny, czyli warianty badanej cechy, a w drugiej kolumnie przedstawione s liczebno[ci odpowiadajce poszczególnym klasom z wykazu. Jest to wic uporzdkowany i pogrupowany zbiór informacji dotyczcych badanej cechy okre[lonej zbiorowo[ci. W zale|no[ci od rodzaju cechy wedBug której podzielono zbiorowo[ szeregi dzielimy na dwie grupy: szeregi oparte na cesze niemierzalnej: Poziom podst. Zasadnicz [redni wy|s ogóB wyksztaBcen e e ze em ia zawodowe Liczba 8 12 30 10 60 pracownikó w Np. Szeregi rozdzielcze cechy niemierzalnej uzyskuje si grupujc budynki wg dzielnic miasta. Je[li przedmiotem badania statystycznego s np. budynki mieszkalne oddane do u|ytku to punktowy szereg rozdzielczy uzyskuje si grupujc budynki wg liczby kondygnacji, natomiast przedziaBowy szereg rozdzielczy mo|na uzyska grupujc te same budynki wg trwania budowy. Szeregi oparte na cesze mierzalnej np. czas pozostawania bez pracy... 7 Pyt. 79. Co to jest histogram? Rodzaj wykresu sBupkowego oparty na prostoktnym ukBadzie wspóBrzdnych; Histogram skBada si z pionowych przylegajcych do siebie prostoktów (sBupków). DBugo[ci podstaw tych prostoktów s proporcjonalne do rozpito[ci przedziaBów klasowych, a wysoko[ do ich liczebno[ci na jednostk rozpito[ci. Zwykle histogram sBu|y do przedstawiania struktury szeregów rozdzielczych o równych przedziaBach klasowych i wówczas wysoko[ prostokta jest proporcjonalna do liczebno[ci. Budujc histogram na podstawie szeregu o nierównych przedziaBach klasowych, nale|y uprzednio obliczy liczebno[ci przypadajce w danym przedziale na jednostk jego rozpito[ci. Histogram umo|liwia poznanie typu rozkBadu zbiorowo[ci statystycznych wg badanej cechy. 80. WymieD mierniki poBo|enia próby: Zrednia, Mediana, Dolny kwartyl, Górny kwartyl, Dominanta, Minimum, Maksimum 81. Pyt. 82. Co to jest dolny kwartyl. Co to jest górny kwartyl. Do najcz[ciej zaliczanych kwartyli zaliczamy kwartyle: Kwartyl dolny- dzieli on zbiorowo[ uporzdkowan na dwie cz[ci, w ten sposób |e 25% jednostek ma warto[ cechy ni|sze, a 75% wy|sze od kwartyla dolnego. Kwartyl górny dzieli zbiorowo[ uporzdkowan na dwie cz[ci w ten sposób, |e 75% jednostek ma warto[ci cechy ni|sze a 25% wy|sze od kwartyla górnego. 83. Co to jest MEDIANA? Me  warto[ wyrazu [rodkowego w uporzdkowanym szeregu statystycznym; to taki punkt (liczba) która ilo[ciowo rozdziela dane na dwie równe cz[ci. Sposób obliczania mediany zale|y od rodzaju szeregu statystycznego, w którym przedstawiono informacje o warto[ci cechy statystycznej, a tak|e od tego czy liczba jednostek statystycznych jest parzysta czy nieparzysta. h0,5 ëø n öø Me = X0,5 + ìø - n0,5÷ø øø n0,5 íø 2 84. Co to jest DOMINANTA? ( moda, warto[ typowa, warto[ modalna) jest to warto[ cechy, która najcz[ciej wystpuje w danej zbiorowo[ci. W zale|no[ci od formy w której przedstawione s informacje o warto[ci cechy jednostek statyst. Stosuje si ró|ne techniki ustalania dominanty. W przypadku indywidualnego szeregu warto[ci cechy warto[ dominanty nale|y jedynie wskaza  i jest to warto[ cechy która najcz[ciej wystpuje w badanej zbiorowo[ci statystycznej. W szeregach z cech mierzaln ze zmienno[ci skokow  warto[ dominanty jest to ta warto[ dla której liczebno[ czstkowa jest najwiksza. W szeregu z cech mierzaln ze zmienno[ci cigB  warto[ dominanty liczona jest wg wzoru: Dx = Xd + Hd ( Nd  Nd-1) / 2 Nd  Nd+1  Nd-1) gdzie Xd  pocztek przedziaBu w którym znajduje si dominanta Hd  szeroko[ przedziaBu , Nd  ilo[ danych w przedziale , Nd  1 ilo[ danych w przedziale poprzedzajcym przedziaB z dominant, Nd+1 ilo[ danych po przedziale zawierajcym dominant. 85. Jaka jest wzajemna relacja midzy [redni, median a dominant? Zrednia = mediana = dominanta czyli wszystkie tendencje maj tak sam warto[-|e liczba jednostek statystycznych która posiada warto[ cechy wy|sze ni| [rednia arytmetyczna jest taka sama jak liczba jednostek , która posiada warto[ci cechy ni|sze ni| [rednia arytmetyczna. Taki rozkBad warto[ci cechy w zbiorowo[ci okre[lany jest - rozkBadem symetrycznym. Warto[ [redniej jest wiksza ni| warto[ mediany i warto[ mediany jest wiksza od warto[ci dominanty tj. x>Me >D- oznacza |e warto[ cechy wikszo[ci jednostek statystycznych jest ni|sza od [redniej arytmetycznej. Taki rozkBad nosi nazw rozkBadu o asymetrii prawostronnej. Warto[ [redniej jest mniejsza ni| warto[ mediany i warto[ mediany jest mniejsza od warto[ci dominanty tj. x< Me<D- oznacza |e warto[ cechy wikszo[ci jednostek statystycznych jest wy|sza od [redniej arytmetycznej. Jest to rozkBad o asymetrii lewostronnej. 86. WymieD mierniki rozproszenia cechy: -Odchylenie standardowe ( ´x) jest to pierwiastek kwadratowy z sumy kwadratów odchyleD poszczególnych warto[ci zmiennej x od [redniej arytmetycznej, podzielonej przez liczebno[ szeregu X+/- S -typowy obszar zmienno[ci ma 2 n ñø 1 ( Xi - X ) ôø " ôø n i=1 sens je[li ukBad jest symetryczny wokóB [redniej. S2 = òø 2 n 1 ôø ni ( Xi - X ) " ôø n óø i=1 -WspóBczynnik zmienno[ci jest to stosunek bezwzgldnej miary odchylenia do [redniej arytmetycznej, wyra|ony w procentach. V = (S/Xsr) 100%. Je|eli wspóBczynnik jest maBy to dane s mniej zró|nicowane. -Rozstp  miara ta obrazuje ró|nice midzy warto[ci najwiksz a najmniejsz w badanej zbiorowo[ci, wyznaczamy wic jej warto[ odejmujc od najwy|szej , najni|sz warto[ cechy: R = Max  Min. 8 -Odchylenie przecitne  jest to [rednia arytmetyczna bezwzgldnych warto[ci (moduBów) odchyleD warto[ci n ñø 1 | Xi - X| ôø " ôø n i=1 faktycznych szeregu od [redniej arytmetycznej. d = òø n 1 ôø ni| Xi - X| " ôø n óø i=1 Odchylenie wiartkowe Q=(Q3-Q1)/2; gdzie Q3 i 1 odpoweidnio górny i dolny kwartyl. 87. Co mierzy rozstp? Okre[la najwiksz rozbie|no[, jak zaobserwowano w[ród warto[ci badanej cechy. Miara ta okre[la zró|nicowanie jednostek na podstawie oceny warto[ci skrajnych cechy statystycznej. Warto[ciom tym mog odpowiada niewielkie lub wrcz znikome liczebno[ci. Dlatego te| nie jest to precyzyjna miara zró|nicowania i sBu|y jedynie wstpnej ocenie zmienno[ci zjawiska. Informuje ona jak bardzo ró|ni si warto[ci cechy statystycznej w ogóle. 88. Co mierzy odchylenie standardowe? Odchylenie jest miar która podobnie jak odchylenie przecitne, charakteryzuje przecitny poziom odchyleD faktycznych warto[ci cechy od [redniej arytmetycznej. Jest to miara bardziej precyzyjna ni| odchylenie przecitne. 89. Co mierzy wariancja? Wariancja D2X zmiennej losowej jest liczb charakteryzujc rozrzut zbioru jej warto[ci wokóB warto[ci EX. Charakteryzuje zró|nicowanie cechy. 90. Co mierzy wspóBczynnik zmienno[ci?- W przypadku konieczno[ci porównania rozproszenia dwóch ró|nych zjawisk nale|y posBu|y si wspóBczynnikiem zmienno[ci. WspóBczynnik zmienno[ci to iloraz odchylenia standardowego i [redniej w danym rozkBadzie V=(s/Xsr). Im wy|szy jest ten procent, tym wiksze jest wzgldne zró|nicowane cechy w rozkBadzie. o iloraz odchylenia standardowego i [redniej w danym rozkBadzie V=(s/Xsr). WspóBczynnik zmienno[ci wyra|a si czsto procentowo, aby okre[li, jaki procent poziomu [redniej stano i odchylenia standardowe w rozkBadzie. Tego typu badania s szczególnie przydatne w porównywaniu zró|nicowania takich wielko[ci jak dochody, wydajno[ pracy, absencja w pracy w ró|nych przedsibiorstwach lub dziaBach jednego przedsibiorstwa. 92. Co to jest typowy obszar zmienno[ci?  zwykle przedziaB w którym le| wszystkie warto[ci, cechy mierzalnej jednostki, zbiorowo[ci statystycznej. Obszar zmienno[ci wyznaczany jest przez najmniejsz i najwiksz warto[ cechy. Zawiera on podstawowe informacje o zmienno[ci badanej cechy. Zrednia arytmetyczna i odchylenie standardowe pozwalaj na okre[lenie obszaru warto[ci typowych dla okre[lonej zbiorowo[ci statystycznej. Ten obszar wyznaczany jest jako przedziaB liczbowy, którego doln granic jest warto[ [redniej arytmetycznej pomniejszona o odchylenie standardowe, a górn granic jest warto[ [redniej arytmetycznej powikszona o odchylenie standardowe. Obszar typowych warto[ci cechy mo|na zapisa: (Xsr- S, Xsr + S) 94. Jaki procent populacji zawiera si midzy kwartylami. Poniewa| dolny kwartyl odcina 25% danych z doBu a górny 25% z góry, to pomidzy nimi pozostaje 50% danych. 96. Co mo|na powiedzie o asymetrii cechy, je|eli mediana jest [redni z pozostaBych kwartyli. Je|eli mediana jest [redni z pozostaBych kwartyli, to [rodkowe 50% danych jest symetrycznych. 98. Co mo|na powiedzie o sko[no[ci cechy, je|eli mediana jest wiksza od [redniej. Je|eli mediana jest wiksza od [redniej to mamy doczynienia z asymetri lewostronn. 99-100. Jaki jest zakres zmienno[ci wspóBczynnika koncentracji Lorentza? Koncentracje ocenia si poprzez porównanie liczby jednostek o okre[lonych warto[ciach cechy, jak Bcznie jednostki te posiadaj. MaBa liczebno[ klasy warto[ci cechy statystycznej oraz znaczna suma warto[ci cechy, któr jednostki te Bcznie posiadaj [wiadcz o silnej koncentracji rozkBadu cechy statystycznej. W przeciwnym wypadku nastpuje rozdrobnienie rozkBadu. WspóBczynnik przyjmuje warto[ci z przedziaBu <0,0 ; 1,0> i im wiksza jest jego warto[ tym koncentracje rozkBadu uznaje si za silniejsz. WspóBczynnik ten przyjmuje warto[ 0, gdy rozdziaB ogólnej sumy warto[ci cechy przebiega wedBug linii równomiernego rozdziaBu, za[ 1,0 gdy krzywa Lorenza pokrywa si z osi OX. 9

Wyszukiwarka

Podobne podstrony:
zarządzanie próba odpowiedzi ze statystyki sem 2
praca ze statystyki
Tikhonenko O Wykłady ze statystyki matematycznej Wykład 6

więcej podobnych podstron