Nowak - Statystyka Matematyczna

Statystyka matematyczna
Roman J. Nowak

Statystyka matematyczna
Roman J. Nowak

e-mail: rjn@fuw.edu.pl http://info.fuw.edu.pl/~rjn/asd.html

! ............................................................................................................................... 1 I. Dane analiza opisowa................................................................................................ 5 I.1. Prezentacja graficzna................................................................................................ 5 I.2. Podsumowanie numeryczne...................................................................................... 9 Rok.......................................................................................................................... 11 I.3. Podsumowanie numeryczne graficznie.................................................................... 18
"!#$ % &&'( )* $+& ........................................................... 19

................................................................... 19

.................................................... 27
........................................................................... 30 II.4. Twierdzenie Bayesa ............................................................................................... 31

!" ............................................................................................. 33 # $ % &'
(
%%

!" ...................... 37 )
(
% .................................................................. 41 * $ % +
(
% !% .................................................................... 44 II.9. Modelowanie, czyli metoda Monte Carlo................................................................. 50 II.9.A. Idea symulacji numerycznej ........................................................................... 50 ,- .%
& ....................................................................... 51 ,/ 0% &

................................... 52 II.10. Parametry zmiennych losowych............................................................................ 53 II.10.A. Parametry pozycyjne.................................................................................... 53 1- 234

3
...................................................................... 55 1/ 2
' %

34 .......................................... 59 15 2%" ((% (
% !% ........................................................ 65 16 7

%
!
............................................................ 66 II.10.F. Momenty funkcji zmiennych losowych .......................................................... 72
,& % $+&# &&'( ................................................................ 75 $
....................................................................................................... 75 $ (
% ............................................................................................ 76 $ %
% ............................................................................................. 83 8 $
.................................................................................................. 89 $ . .................................................................................................... 91 2 # $ ............................................................................................................. 98 ) $ 9 ................................................................................................ 101 * $ F............................................................................................................ 106 ,
:
(
% (
.................................................................................. 108 IV. Oceny estymacja parametryczna ....................................................................... 109 ; 23
%( < +
%&3
................................................. 109 ; 0

%&3
...................................................................... 113 IV.3. Metoda najmniejszych kwadratw ....................................................................... 118 IV.3.A. Zasada najmniejszych kwadratw............................................................... 119 IV.3.B. Zastosowanie metody najmniejszych kwadratw w problemach linowych.... 121 IV.3.C. Regresja liniowa ......................................................................................... 126 IV.4. Metoda momentw ............................................................................................. 132 ; 6%( +3
: .......................................................................................... 133 V. Wnioski weryfikacja hipotez ................................................................................ 141 ; =
3
...................................................................................................... 142 ; = &3
.................................................................................................... 146 &$ - % ' &+*.......................................................................... 151 &$ / % &0. +. $+&1 ................................................... 152 Zadania ........................................................................................................................ 153 Skorowidz .................................................................................................................... 197
.

! "# ! ! ! # wyniki i # !$ %& mathematica.
i
Umberto Eco, Wyspa dnia poprzedniego.

Tablicy Obserwacyi ' ( 12 Maja 1816 ) " i pogodny !" # " !
$ Fizyka magistra filozofii i administracji Jzefa %" & ' 1841 roku w Warszawie (zachowujemy

($
Godziny 4 rano 5 6 7 8 9 10 12 2 po
. 4 5 6 7 8 9 10 12 2 Elektrometr 5 6 8 11 13 10 8 7 6 5 5 6 8 12 8 7 6 5 Termometr 9,3 9,5 10,5 12,1 13,5 15,5 11 20 21 21,3 20,9 20 17,5 15,5 13 12 11 10 Czas

Barometr 4 godzinie Od 4
do 8
!

i minucie 34

mglistszy
wschd od 6
8.
Wapory

"$%
"
#
$
!
Od 8 do 4 po

& !
Na zachd po
2

&
i czystm
'

opada Barometr do 10 wieczr

7 godzinie 26 minucie, wapory

11 wieczr na wschd idzie

$
Noc pogodna cicha
Znowu opada
4 rano
) ! *

" !$ * ! # $ + oglnie (Szybler, przyp. RJN), maxyma i dwa $ * ! " " ) i $ ! ) ! " ! $ ! ) ! $ ! ) " ! " $ + %" roku 1816
*$ ! , " - '.#( " ! ! # pogodne i konkluduje:
! # $ / ! 01 2 3
!" " %" - 4 2
3 * 55 " 6 - !"
* 6 23 " *6+ *
" - $ ! "- &
%" * - 0 * ! "
! a ! 7 2
" ! * *
- + " "3 * 6 "3 - 4 " "
" ! " *2 - 8 * " !* " " !"
93
" 9 - + 2 2 ! * " " przez niego danych jest - ! " * ! *- "
powoli ku zachodowi.

23 *- '! * !3 %" : 3; 2
" 2 "-
- 2 a 2 " " "
3
- + 2
przedmiocie 6 * !* * 99 na 100 osb.

- 1 2 3 4 5 Rok
dane (Reichmann, W. J., Use and Abuse of Statistics, Meuthen & Co Zyski 170 220 270 320 420 Ltd, London, 1961( ! 2 850 900 950 1000 1100 (w umownych jednostkach)
w
zilustrujmy te wyniki na wykresie obok. Z * !
! proporcjonalny wzrost

!- 42 * 3 * nawet
! *
* * - # 3 - + !
nic o sumach jakie uzyskali akcjonariusze i pracownicy - 23 * firmie pracuje 1000 osb,
a akcjonariuszy jest dwustu. W ,2 ( 850 ,2 ( * - .
1100 jednostek, co daje wzrost jego dochodw

o 29%, "! 2100 jednostek, co

! " " * !* " 8 bezosobowy " " 2 3 "" ! * * 3 *
- 2 23 * !*" 6 " *6 ucho.
stanowi wzrost o 147%. Pokazuje nam to drugi wykres, ktrym

< " !*2 - $ :4
; := --- ; $ : --- ; * * " 2 - ) " !" " "
3 tylko niektrych standardowych metod jakie " " ! * 3 " *
i * 3 , ! 6( " " ! ! " 6 " 2 " "
" !
2 !* - !

&
2 " 2 "- . *
- 23 * * , ( ! !
!- 4 * $ 73, 63 i 52, przy czym 23 * pomiarw wynosi 2 , 2 jednak nie zmienia istoty zagadnienia). 8 ! * 2 ) 3 3
* , 2 7
bardzo elementarnych pierwsze trzy, do bardziej ambitnych): F. Cleg, Po prostu statystyka, Wydawnictwa Szkolne i Pedagogiczne, Warszawa, 1994; J. A. Walker i M. M. McLean, + , Wydawnictwa Szkolne i Pedagogiczne, Warszawa, 1994; T. Michalski, Statystyka, Wydawnictwa Szkolne i Pedagogiczne, Warszawa, 1996; L. G. Squires, Praktyczna fizyka, Wydawnictwo Naukowe PWN, Warszawa, 1992; J. R. Taylor, * ! ! , Wydawnictwo Naukowe PWN, Warszawa, 1995;
.

, 2 ($ A. Luszniewicz <- Statystyka stosowana, Polskie Wydawnictwo Ekonomiczne, Warszawa, 1996; A. / , Wprowadzenie do statystyki dla przyrodnikw, Wydawnictwo Naukowe PWN,
Czytelnik, ktry w konkl *
w 2 = * 3

Warszawa, 1995; H. Kassyk-Rokicka, Statystyka nie jest trudna

23 1, Polskie Wydawnictwo Ekonomiczne, Warszawa, 1996; A. Luszniewicz, Statystyka nie jest trudna
23 2, Polskie Wydawnictwo Ekonomiczne, Warszawa, 1996; H. Abramowicz, , # , Wydawnictwo Naukowe PWN, Warszawa, 1992; M. Sobczyk, Statystyka, Wydawnictwo Naukowe PWN, Warszawa, 1996.
# :!; " 2 6 > * 3$
Z. Hellwig, ' " ) , Wydawnictwo Naukowe PWN, Warszawa, 1995; ?- @ 0- A Wnioskowanie statystyczne, Wydawnictwa Naukowo-Techniczne, Warszawa, 1994 W. Feller, * ! " ) , t. I i II, PWN, Warszawa, 1966 i 1969; M. Fisz,
" ) , PWN, Warszawa, 1969. W. / i A. Patkowski,
" ) ", Wydawnictwo Naukowe PWN, 4B6 1996. W. Krysicki, J. Bartos, W. Dyczka, K. Krlikowska i M. Wasilewski,
" ) i statystyka matematyczna w zadaniach
23 i II, Wydawnictwo Naukowe PWN, Warszawa, 1995, - 6 =- 6 Zadania z probabilistyki, PWN, Warszawa, 1983.
6 " 6 * 93 *$
) ! 6 * ,"3 6 "( $
3 & 6 ,

2 "
2 powtrzonych z *" !( !* 2 6 " - ) " 6 i * w 2 " - '!*
23 "
!* - $ : i stosujemy go do * !2 - * $ ln(1 + x) x 2 2 x bliskiej zeru, lub *$ 3,14. Drugi symbol to: ; !

$ " ! - * $ n(n + 1) n2 *" 2 2 n- * *2 :, dla
- &" ! 3

!

!*2

" 2 !2 :; 2 2 - :; - x 2 xi : x ( x1 , x2 ,..., xn ) i tylko wspomnimy, * " " 2 "3
3 " - :; $x, 2 2 !"
! 2 ! - @ - V, bez dodatkowego symbolu zarezerwowana jest dla macierzy. Symbol daszka" ^; 7 * !
- # * w 2 - !* 3 " " " * " -$ x 2 " *3 x1 , x2 ,..., x n dla wektora losowego. 4
23 * z - ! $
s S 1 n 2 xi x , n 1 i =1 1 n 2 xi x , n i =1
3 * 23 ! -
zarezerwowany jest do oznaczenia dyspersji, tj. pierwiastka kwadratowego z wariancji zmiennej losowej.
k 2 , t 2 2 ; tego samego symbolu (t;) * ! * 2 = 1, @ ,( x 2 , 2 x, o n stopniach swobody, n t o n stopniach swobody, n F F o (n,m) stopniach swobody, n,m - 2 9 3 !
* $ : ; 23 * k
() (t;) (x;,) (x) (t) (F)
# ! ! 6

* 3 "
3
" 2" 6$ k(n,p) k 2 p , 6 pojedynczej prbie) oraz n , !( k(p) k 2 p , 6 pojedynczej prbie), k(N,K,n) " k 2 N, K
4 oraz n.
# 6 3

23 C- + +- J. Hand, M. C. Jones, A. D. Lunn i K. .- 0& *
: Elements of Statistics Addison-Wesley Publishing Company DEEF ! -
I. Dane - analiza opisowa
I. Dane analiza opisowa

! " # Dla osoby zainteresowanej kwestiami religii $ # 18% % & &
'$ & ( kierunkiem W. Tylocha i opublikowane w 1989 r), gdzie w !
17,6 17,5 13,8 9,9 9,0 6,5 6,3 3,7 2,4 13,3
I.1. Prezentacja graficzna
katolicyzm islam hinduizm protestantyzm r. naturalne konfucjanizm buddyzm inne bezwyznaniowi
) # * w + & 0,1%. , & 6 miliardw, to precyzja ta odpowiada # % & # z - , wielu krajach (np. w Polsce) nie prowad z % Chin, gdzie panuje konfucjanizm, z 6 # #- .# # Prezentacja danych w formie tabeli jest na pewno

&

i & ,
& /0

jest proporcjonalna do

1

wykresu ma jednak swoje

*

on do przedstawienia
$ 2 & & 3 , gdzie & akcji w procentach
w okresie jednego, 1995 roku. (Rzeczpospolita, maj, 1966). + %. 4 $ i 5 #
!" #$ % &' ( )

%

' & , # 6 ' $ 5 + # # # & # 5#
& $ relatywnie $ & 5 ' , (!

Reichmann, W. J., Use and Abuse of Statistics, Meuthen & Co Ltd, London, 19617 # $
$
choroby, przy leczeniu ktrej & $
, % $ 8 % #- , ( 7 ktrych uzyskano wykres. Wyzdrowienia Wyzdrowienia W 30 Rok (w tys.) (w % roku 1) (liczba w tys.) (w % roku 1) tys. jednostek, a liczba wyzd
50 * 1 30 100 50 100 20 2 39 130 62,5 125
- , ostatnim 3 49,5 165 77,5 155 ! 90 tys., podczas 4 57 190 97,5 195
150 tys. , $
medycznego. Z &
3:5
# & & 3 # &
w # & W $ & + & 9 ktrej opisywany lek jest jedynym czynnikiem & + : / 0
; & $ Dodatkowo, dane z tabeli $& 9
- , & ! Lata 1 2 3 4 5 6 7 +
Zachorowania (w tys.) 100 140,5 200,5 280,5 340,5 420 500 3
50%, podczas gdy tylko 30% # ;
$ $
# 9 $ +

# ' w # , & $ & !
& <& : $ $ % ,#& #
i ( 7 # 60 * &

50 40 30 20 10 0 1992 1993 1994
5 6 7
67,6 78 90
225 260 300
117,5 125 150
235 250 300
Ponownie wychodzi na jaw dodatkowy czynnik, ktry tym razem odpowiedzialny 60 tys. powrotw do zdrowia.
* && * &&& % $
ilustrujemy zmiany stanu polskich wd w latach 1992 1994 (Rzeczpospolita, maj, 19967 :
$ ! &
np. nazwa firmy. Na tym
numeryczna, jak np. procentowy wzrost, jako funkcja pewnej
# & & <
porwnanie. I tu, jak na , zbyt wielka liczba informacji zamazuje obraz, dlatego
50
60

* & * && * &&& % $
40

50 40 30 20 10 0 1992 1993 1994
30
20
# &

atrakcyjna, ale bez
99 1 4 99 1 3 99 1 2
sa Kla sa Kla sa Kla
1 0
prawdziwie trjwymiarowej prezentacji (na prawo),
0
Po so kla za
III
II
wa
& , & $ # # + # + & & = & $ # & 9
9 & sposb doboru skali & # $ , ( 7 # 49 # # % 48 $ 8 , 47 46 1993 a 1994 ; 45 >$ # 44 a wi & & # 43 $ 42 5 & 41 & # /0 + 40 sposb mwimy: 1992 1993 1994 Z + # & 9 #
niedopuszczalna praktyka.
, ? (! van Vliet, P. K. i Gupta, J.M., Arch. Diseases in Childhood, 48, 249, 19737 # z tzw. syndromem niedomogi oddechowej, zwanej w skrcie: SIRDS (od: severe idiopathic respiratory 1,030* 1,050* 1,100* 1,130 1,175* 1,185* 1,225* 1,230* 1,262* 1,295* distress syndrome). Wagi
1,300* 1,720 2,090 2,570 1,310* 1,750* 2,200* 2,600 1,410 1,760 2,200 2,700 1,500* 1,770* 2,270* 2,730* 1,550* 1,820* 2,275* 2,830 1,575 1,890* 2,400 2,950 1,600* 1,930 2,440* 3,005 1,680 1,940* 2,500* 3,160 1,715 2,015 2,550 3,400 1,720* 2,040 2,560* 3,640

w
% - % & identyfikowalne grupy, a & & 4'"34- : & + # & - 4# & $ . Policzmy, ile punktw danych Waga 0,9 1,2 6 gry, w # : 1,2 1,5 8 0,9 kg 1,2 kg; 1,2 kg 1,5 kg . 1,5 1,8 10 pierwsza liczba 6 w 5 6 danych liczbowych, 1,8 2,1 7 # & pierwszej kolumnie. O liczbach 6, 8, 10 # szereg rozdzielczy. 2,1 2,4 5 . pierwotnej tabeli 2,4 2,7 7 danych mamy liczby, jak np. 2,7 kg # # $& 2,7 3,0 3 lewego jak i ; 3,0 3,3 2 #& 3,3 3,6 1

czym dane o dzieciach ktre

$& + o 6, 8, 10,
jest np. z lewej strony otwarty, a z prawej konsekwentnie dalej
3,6 3,9
, # & ! &
, a lub # & z * (#

wag. Otrzymany wykres zwany jest histogramem (po lewej). W & jeszcze jednej
wykres stopy zwrotu z akcji).
% # / 0 (w naszym wypadku jest to 50) . takich #

.
8


: banalne, , # histogramowania 0,1 kg. Wykres ten poucza nas o #! . Trudno jest &
Z drugiej strony, histogramowania jest

do ktrych wrzucamy wszystkie dane), zamazywana jest
& 2,7 kg na histogramie z
0,3 kg.

wykresie po prawej, gdzie wynosi on 0,5 kg $ (w 5
,

# , # ( 7 0,3 kg, przy 1,0 kg 1,3 kg podczas gdy drugi od 0,8 kg 1,1 kg 9 & # , ruje a

spadek, podczas gdy drugi wskazuje najpierw na wzrost, i to
2 kg, &

& ## # prbek . # & $ # + # # 2,7 kg, o # fluktuacja statystyczna # na histogramie z 0,1 kg. , & w ( 7 3 & # # w . , # # zentacji danych. Dotyczy on danych, w # # 4# tabeli (na ! Jerison, H. J., Evolution of the brain and

zera. Zachowanie jakie tu obserwujemy, tj.
intelligence, Academic Press, New York, 1973), gdzie dla

# # waga ( kilogramach) i mzgu (w gramach). Te dane / 0 + # # # : ? "# / &0 % & mzgu? Czy # / &0 - % # & -
Gatunek Bbr Krowa Wilk Koza

1,350 465,000 36,330 27,660 1,040 11700,000 2547,000 187,100 521,000 3,300 529,000 207,000 62,000 6654,000 9400,000 6,800 35,000 0,120 0,023 2,500 55,500 100,000 52,160 87000,000 0,280 0,122 192,00
@
Diplodocus
4
. 6
Kot
)$
Goryl

% 4
$

Triceratios = rezus Kangur Chomik Mysz Krlik Owca Jaguar Szympans Brachiosaurus Szczur Kret
@
Mzg 8,100 423,000 119,500 115,000 5,500 50,000 4603,000 419,000 655,000 25,600 680,000 406,000 1320,000 5712,000 70,000 179,000 56,000 1,000 0,400 12,000 175,000 157,000 440,000 154,500 1,900 3,000 180,00
; 5 5 ( 7 " uwagi na olbrzymi dana o gadzie zwanym Brachiosaurus $ & W & $ danych i & # # & na obu osiach. Operacja a
wykresie punktowym Tym razem, po prawej, widzimy
5 & !
waga mzgu. Nie mamy tu naturalnie

matematycznego,

& & $ + statystyce matematycznej nazywamy # * zmiany '
I.2. Podsumowanie numeryczne & # , z nich to populacja. Pod terminem tym rozumiemy zbr wszystkich < & & , . W statystyce populacja 9 $ # # $ 3
, i . + reprezentatywna # $& # # $ , ,
# # # # $ # $ telewidzw w niektrych programach TV. W tych przypadkw docieramy jedynie do pewnego : powodzenia programu oceny globalnej z # w sposb operacyjny ok & # #
. # # prosta , # # ktrej losujemy z urny kuli tej nie zwracamy do urny, , +
# # uzyskana z populacji z + 5 3 # 3 #
wynikw wyborw.
10
9 , wynosi 165 cm w # # kobietami : # jest # & danych statystycznych. W jaki sposb definiujemy -
, !
i ! =# !
!

prezentowanych danych. : !
! , ! i "!
6 & # & 5 # 9 # xi, gdzie indeks i 1, 2, ... , n, wtedy
! # & /0! x , definiujemy przez znany wzr: 1 n x xi . n i =1 , zwr& * * danymi w 3 # & # ' # : ! x = 1,69 kg, ! x = 2,31 kg . = 5&
wag wszystkich dzieci
4'"34: x = 1,97 kg i &
w oglnym wypadku , #& $ ! $ $ ! 1,9749... kg. Dlaczego tak - % # # $ &- 4 # & & $ #, do konkretnych, wybranych 50 przypadkw SIRDS 9 # # 50 # # # & # A & & &
: jej szeregiem rozdzielczym N # 5 & 5 A 5& & & xi ni to liczby szeregu rozdzielczego. Wtedy: 1 N x ni x i . n i =1 3
! 3 $ ! x g n x1 x 2 ... x n . + # 3 t # #! dN = N . (I-1) dt ; ; " =, angielskiego badacza zjawisk ekonomicznych, BC''' B'B &
dalszego wzrostu populacji, a ten w konsek
3 # # !

11 N t = N0 expt ,
& 9 N0 ludzi, a np. w roku T NT !
=

9 t = T/2- 1 !

N T 2 = N0 exp
1 NT ln . T N0
1 N 1 NT T NT ln = N0 exp ln T

= N0 = N0 NT

N0 N0 2 N0 T 2
+ & , (= " 4 1998, GUS, Warszawa, 19987 # xi w Polsce (drugi wiersz) w latach 1989 1997. W trzecim yi = xi /xi 1, gdzie x0 rozwodw w roku 1989 '
Rok Rozwody (w tys.) yi = xi/xi 1 1989 45,6 1990 41,9 0,92 1991 34,4 0,82 1992 30,7 0,89 1993 26,9 0,88 1994 30,8 1,15 1995 38,6 1,25 1996 38,6 1,00 1997 42,5 1,10
i w + # # np. gospodarczego, kiedy to dysponujemy danymi odniesionymi do roku poprzedniego.
y g = 8 092 082 089 088 115 125 100 110 0,99 . . # 1% :#&
# & 9 - . !
# & !
y g = n y1 y 2 y3
y
=n
,

"!
, & s = 1 kilometr z v1 = 2 km/h v2 = 6 km/h. 9 &- % 4 km/h- . 9 2 km/h # t1 = s/v1 = 30 min 3 t2 = s/v2 = 10 min # # czasie t1 + t2 = 40 min & # !
v= 2s 2s 2 = = = 3 km/ h. 1 1 s s t1 + t2 + + v1 v2 v1 v2 xh n 1 x i =1 i
n
x1 x 2 x3 x 0 x1 x2
xx
n 1
=n
xn . x0
; $ !

.
; & w
@ & gi, czyli liczba osb na kilometr kwadratowy dla szesnastu wojewdztw w , (! ? & # # 4 31 XII 1998 r., GUS, Warszawa, 1999) wynosi: 150 (3 7 117 (Kujawsko Pomorskie), 89 (Lubelskie), 73 (Lubuskie), 147 (1# 7 212 (= 7 142 (Mazowieckie), 116 (Opolskie), 118 (Podkarpackie), 61 (Podlaskie), 119 (Pomorskie), 398 (@ 7 114 (@ 7 60 (+
* = 7 112 (Wielkopolskie) i 76 (: 7 : & # 9 z # # kilometrw kwadratowych danych przez 1/gi 1 16 #
1/gi 4 g h liczba ludzi na jednym kilometrze kwadratowym wynosi:
gh = 16 106,2 osb km 2 . 1 g i =1 i
16
, & , ; ,!
12
g=
pi gi
i =1 16
16
pi
i =1
pi # + & g h & # #
# # przypada na 16 # # 9 + &!
xh n , ni x i =1 i
N
= & # !
n
x
i =1
1
i
x1 x2 ... x n
1 n xi n i=0
# & xi
& 9 & # & element danej populacji oceniany z prbki xi o n. 3 $ # # / 0 $ n elementw prbki. 9 / 0 & $ F(x1, x2, ..., xn) xF
pierwiastek rwnania: F x1 , x2 ,..., x n = F x F , x F ,..., x F . Od funkcji F & xF i to xi .
$
$ &
# . $ # / 0 , 9 xi ( 7 n latach zmiana ta x1 x2 ... xn , # xg, ktrych $ & n lat:
x1 x 2 ... xn = x g x g ... x g = x g .
n
" # & : +
$ $ F #! nD & $ # # , n # xi xi2 ; # # & n # x n kwadratw. Warunek ten wyznacza nam rwnanie i jego x:
2 2 2 x1 + x 2 +...+ x n = nx 2
x g = n x1 x 2 ... x n .
x1 + x 2 +...+ x n = x + x +...+ x = nx ,
x=
, #& # xp, stopnia p:
1 n p xi . n i =1 + # p = 1 p = 1 :
p p x1p + x2 +...+ x n = nx p
1 n 2 xi . n i =1
(I-2)
xp =
1
1 n x h = xi1 n i =1
n 1 x i =1 i
n
13
+ & +5 $ # 2000 # @ & wtedy 20 # W & # # 1010 akcji i 99 # 10 jednostek (ciekawym & 10,5, a harmonicznej 10,1). Jak widzimy, $ ! $ * & $ # * & @ (& pewnych sytuacjach) informacji o , dnienie poszukiwania # i /dachowca i dzielimy przez dwa. 3 # & o # # & ! & . & # & & skorzystamy z tzw. mediany =# jest bardziej odporna = o # # szereg pozycyjny # $ 9 # & # # szeregu: & & 3 & # # $ # ' wagach dzieci z objawami SIRDS &! (1,820 + 1,890)/2 = 1,855 kg ( 7 # ! 1,55 kg # ! 2,2 kg (nieparzyste liczby danych). :#& = $ o
# , $ ! #

3 dzieci 3 dzieci 4 dzieci 5 dzieci 5 dzieci 6 4 3 2 2 Liczba rodzin 3 & & ! #
Pewne & ! !
. & # . Stosowanie ! & bogatych prbek ; & & & zastosowaniu do #
. # z ce jej 6 & z # # liniowej danych w 9
& # # !

! "

,
#
% & & unimodalne. Obok po lewej podany jest (! E 3 3 J. Hand, M. C. Jones, A. D. Lunn i K. J.
McConway, Elements of Statistics, Addison-Wesley Publishing
n na x a + na , ba n nb y= a x + n . ba xm mody: n na xm = a + b a . 2n na nb y=
14
Company, 19957 # gejzerw w Parku Narodowym Yellowstone w USA. O # dwumodalny. + & dniej & & miary rozproszenia, #
danych. Dla dzieci z 4'"34 & (7 1 kg do 4 kg. A & # ! 3 kg. + danych. Bardziej wyrafinowany sposb polega na podaniu tzw. kwartyli, ktre tak jak mediana odporne na tego typu fluktuacje 9 x (1) < x (2) < ... < x (n) ( pozycyjny7 xi $& ! x ((n + 1)/2). Podobnie, dolny kwartyl definiujemy jako: qL x( n +1) 4 , a dla grnego kwartyla mamy: qU x3( n +1) 4 .
$ # 7 A &
(n + 1)/4 oraz 3(n + 1)/4

(#&
qL = x(12), oraz qU = x(38) & prbki przypadkw SIRDS- , ! qL = x(12) = x(12) + 3(x(13) x(12))/4, natomiast: qU = x(38) = x(38) + (x(39) x(38))/4. Jest to jedna z &
# : $ &

!

! #! qU qL. Kwartyle i moda # kwantyl. Kwantylem p & xp w szeregu pozycyjnym # p danych o xp 3 !
!! !
, w postaci schodkowej funkcji:
#
F x

0 i n +1 n n +1
x < x1 , x i x < x i+1 , i = 1,2,..., n 1, x x n .

(I-3)
6 $
interpolacji liniowej, tak jak to zademonstrowane jest na 6 # 1/10 to tzw. decyle 1/100 to percentyle (pytanie: Rzeczpospolitej, 28 listopada 1996,

w szym cytacie: We wspomnianych latach rewolucji !" 86% tych, ktrzy w roku 1979 # $ % &'(" ( 20% pracownikw o &' &'&'" $# w ($ % &&' &' kwintyli, z czego 15% # " 20% pracownikw o &' &'&').

+ % & $ $ sx,
Najbardziej popularnym jest jednak przedstawianie rozproszenia danych w prbce przy pomocy zwanej

: sx
1 n 2 xi x , n 1 i =1 ! odchylenie standardowe, lub dyspersja z prbki "# reszty, a o samej sumie mwimy: resztkowa suma kwadratw + & x to znana . Uzasadnienie zagadkowego dzielnika n 1
formalnych, ktre przedstawimy w 6 zwany jest

" prbki, otrzymujemy trzy inne
!

2 sx = n n 1 n 1 n 2 1 n 2 2 xi 2 xx i + x 2 = xi 2 x xi + x 2 = xi x
= n 1 i =1 n 1 i =1 n 1 i =1 i =1 i =1 n 1 n 2 1 n 1 n 2 2 2 2 x i 2 nx x i + x = x i 2 nx + nx = n 1 i=1 n i =1 n 1 i=1 i =1 2
15
1 n 2 1 n 2 n n 1 n 2 = x i nx 2 = xi x 2 = n x i xi n 1 i=1 n n 1
i =1 n 1 n i=1 i=1

$ % "&
* A# (za: Final Report of

+
dla prbki oraz ciemniejszym
standardowe odchylenia: jedno na prawo i jedno na lewo od
Anthropometric Committee to the British Association, 1883),
# 1 &
#
rozproszenia:
= & & # # # 5 statystycznych, jak dla skromnych prbek. # & symetrycznie # = & & # &! 1 n xi x
. n 1 i =1 = & & # # 9 & # ! n n n 1 n xi x
= xi x = n n xi nx = nx nx = 0 . i =1 i =1 i =1 i =1 1 & $ , a najlepiej mody 9 powodw praktycznych mediana zazwyczaj * & !
,

! asymetrii lub
i 1 ( 7 $ !
. 4 $ & # w 9 ! 1
xi x
n 1 n 2 i =1 sx
Skorzystajmy z danych (za: G. Dale i in., Betaendorphin: a factor in funrun collapse?, British Medical Journal, 294, 1004, 19877 & ( pmol/l) endorfiny w plazmie krwi #
$ ! 66, 72, 79, 84, 102, 110, 123, 144, 162, 169 i 414 : ! 414 # 4# & ( obok) przy $ % Miara ! i oraz prbka prbka statystyczna i 110 106 Mediana standardowej 139 111 @ oraz dane bez ekstremalnej ( 83 71 " 7 9 98 37 & nie & przy odrzuceniu jednego nietypowego

! "
! 4 mody i starszych , #
1 n xi x n 1 i =1
16

3 & normalizuje odchylenia i zapewnia nam bezwymiarowy A jest ujemna dla
prbki, w ktrej mamy nadmiar przypadkw na lewo od asymetrii 0,86, na ktrym naniesiono rezultaty pomiarw $ (Pretorius, S. J., Biometrika, 22, 110, 1930). Dla $ $
% % danych, ktrych

1 n x x 1 i
. n i =1 sx
( 7
* po prawej z + 0,53 pierwotniakw # tse tse, a (za: Pearson, K., Biometrika, 10, 112, 1914). Dla dzieci z objawami SIRDS & # 0,53, natomiast # 0,25. Jest to w
pierwszy.
!

'$
%( %
+
& # & / 0 , # & # : Gaussa #
mwili, a sama miara 2
to: 4 2 n xi x n n + 1 n 1 2 3 .
n 1 n 2 n 3 i=1 sx n 2 n 3
3 # $!
2 1 n xi x
3, n i =1 sx
4
Szwecja Japonia Holandia Irlandia Norwegia Finlandia Izrael
6,6 5,8 5,7 5,6 4,2 3,9 3,1
7,2 10,6 3,7 3,4 4,3 3,6 5,4
Zilustrujmy na wykresie punktowym (obok) dane z tabeli (wg Osborn, J. F., Statistical exercises in medical research, Blackwell Scientific Publications, Oxford, 1979) dla niektrych

# 2 2 & 2 3 3 A# wynosi 0,01 0,14, 2 :#& ! & , asymetria i
i dzielimy te rezultaty # # i 4 ## $
# # & $ + # ## # + Kraj
&!
27,7 46,1 Francja 15,2 23,6 + . # 12,3 23,7 Niemcy # #, 10,9 7,0 Austria jest

+# 10,8 12,3 Belgia w # tak jak przy opisie wagi 9,9 14,2 USA i # 8,3 7,4 Kanada # # 7,2 3,0 Anglia

"#$

17
konsumpcji alkoholu (w 7 cz ( # 100 000 # 7 9 danych ktre
/ & 0 # 4 $ !

r Pearsona, ktry
(I-4)
n 1 x i x
yi y
, sx sy n 1
i =1 gdzie (xi , yi ) ( &7 sx , sy standardowe, a x oraz y xi oraz yi &
#
# # : ( 7
przedziale od 1 do +1. : & kolei, im jest on b .

9 # # & #

'

obok, uzyskane z danych (za: Peixoto, J. L., American Statistician, 44, 26, 1990) umieszczonych w tabeli
;

)

(w stopniach Fahrenheita) w styczniu (uzyskana z trzydziestoletniej obserwacji 1931 a 1960)
7
)

a

$
(#
$
(
stopniach)

+ ! * & $ 5 , & #
; # ! * & $ &
r = 0,94. r = 0,01, w zgodzie

& #
alkoholu: r = 0,95 ; & # # silny

przypadkw na tle alkoholowym.

,# $

a

;
#
przyczynowy &

a
skutek ,
+
a co skutkiem, wymaga zazwyczaj skrupulatnych

#

w typu: wszystko co oddycha " & ) * &' & &
& &'" % . Przypomnijmy sobie nasz

#!
# & #
# $ -
Miasto Temperatura 44 Mobile 38 Montgomery 35 Phoenix 31 Little Rock 47 Los Angeles 42 San Francisco 15 Denver 22 New Haven 26 Wilmington 30 Washington 45 Jacksonville 65 Key West 58 Miami 37 Atlanta 22 Boise 19 Chicago 21 Indianapolis 11 Des Moines 22 Wichita 27 Louisville 45 New Orleans 12 Portland 25 Baltimore 23 Boston 21 Detroit 2 Minneapolis 24 St. Luis 8 Helena
'

32,1 32,9 33,6 35,4 34,3 38,4 40,7 41,7 40,5 39,7 31,0 25,0 26,3 33,9 43,7 42,3 39,8 41,8 38,1 39,0 30,8 44,2 39,7 42,7 43,1 45,9 39,3 47,1 88,5 86,8 112,5 92,8 118,7 123,0 105,3 73,4 76,3 77,5 82,3 82,0 80,7 85,0 117,1 88,0 86,9 93,6 97,6 86,5 90,2 70,5 77,3 71,4 83,9 93,9 90,5 112,4
18
Wkraczamy z * * -
I.3. Podsumowanie numeryczne graficznie

+.
,-

/ / ,- +.
+
, $
prezentowania rezultatw numerycznych uzyskanych w , rysunkowi (po lewej), ktry ilustruje elementy naszej
% & / 0
do grnego miejscu, w ktrym wypada

mediana :
/ 0 # (#
). Mediana dla tych danych wynosi 110, dolny kwartyl: qL = 79, a grny kwartyl: qU = 162. 3 &! 162 79 = 83. Do grnego & 162 + 83 = 245. Poszukujemy teraz danej 245. Ta dana to liczba 169 i # 3 / 0 prawo. Podobnie
$
!
&
79 83 = 4. , 4. ; & naszym wypadku wynosi 66 i & prbce i stanowi ona

& +

#
stowarzyszonymi, ilustrujemy oddzielnymi punktami na wykresie jako nadmiar. Dla danych o endorfinie mamy tylko jeden taki punkt: 414 # ; & krytycznego przy # / 0 = zapisywaniu

- = #

Porwnajmy na takim wykresie (obok) dane 4'"34. 1,0 Nie jest to jedyny sposb na podsumowanie, jaki jest spotykany w 4 # #

+
1,5 2,0 2,5 3,0 3,5 4,0
#
ich
#

19

" #
wie $ $ ! k nazwiemy $ % !$ ! $
& losowa. '
! (
" ) matematyce mwimy o zmiennej x$ !$ ( !
$ pewne z ! $ $ praktyce pewne z nich
" *
x ! +

!
" , " $
$

$ " -
$

%
&

( ( $

" .

" /(
$

%$ " k, m, n, ...,t, x, y, z, ... $
$ $ k, m, n, ..., t, x, y, z, ... . *0
!
losowej k. W tym celu obliczymy
n

& 49
n = nk = 18702 ,
k =1
370 358 15 374 22 381 29 367 36 390 43 402

8
402 399 16 379 23 370 30 372 37 379 44 378

9
412 363 17 396 24 360 31 399 38 415 45 361

10
364 359 18 386 25 395 32 409 39 389 46 380

11
381 385 19 384 26 402 33 395 40 377 47 368

12
380 327 20 378 27 406 34 357 41 394 48 388

13
372 377 21 405 28 336 35 381 42 388 49 412

14
W tabeli

49 liczb (podanej w grnym lewym rogu) totolotka w

18 lutego 1996; dane za: Mach mit. Das aktuelle Toto-Lotto Magazin, 17/18 luty, 1996

w Polsce: 6 liczb z 49). Oznaczmy symbolem k z owych 49 liczb, natomiast symbolem nk !

!
Fk jako stosunki:
Fk = nk . n
#

. Jak widzimy,
( 0,02" 1 $

$ &

$
1/49 0,020408...$

" 2

%$
$
Pk
k zmiennej losowej k:
Fk = nk n n Pk .

!
$ %
n
$
$

$ ! w liczniku:
n
( nk. Z $
% & " n (
$ $ $ liczb nk.

$ ! " 3

$
" , $
n, tym bardziej liczba nk proporcjonalna, a stosunek Fk
. Uzyskana w ten sposb zale!

k zwana jest w

" 4% $

funkcja. Do kompletu % ! !$ dyskretnym
$ dyskretnej zmiennej losowej. *$

$

&
Fk =
k =1
49

Pk

! &
nk 1 49 1 = nk = n = 1, n k =1 n k =1 n
49
Pk = 1.
k =1
49
20

#

$

!

(" 1 (
% na dowolnej stronie i

% 0, 1, ... , 9 w dwch

zwany
lub
, przy czym zakres losowej jest ograniczony: 1 49" 5
ostatnich (dlaczego tylko dwch, a nie wszystkich?) cyfrach numerw telefonicznych,
(dlaczego?), a otrzymamy dane jak w tabeli po prawej i histogram jak po lewej (za: Kendall, M. G., Babington Smith, B., Jour. Roy. Statist. 101, 147" 1 $

! 0,1$

!
$ ! % 9 jest niedoreprezentowana?
(

Cyfra 0 1026 1 1107 2 997 3 966 4 1075 5 933 6 1107 7 972 8 974 9 853
Liczba wypadkw k 0 1 2 3 4 5 6 7 8 $ ktrym zmienna losowa przybiera Liczba kierowcw nk 45 36 40 19 12 8 3 2 1
. Oto dane (za: Farmer, E. i Chambers, E. G., Industrial Health Research Board Report 84, H. M. Stationery Office, London, 1939) ($

(. Z tabeli $ " 45 ( $ 36

czasu (1 " *

(& k = 0, 1, ..., 8 i
!$ ! %
8 (
$
!
"
!$ ! k ! k = 0, 1, 2, 3, ... , co jest uoglnieniem zakresu !
" zmiennej losowej z (" ,

Fk = nk n
( naniesiemy je na histogram ( n =166). Jak i poprzednio,
#

" #
Pk:
k= 0

Pk = 1 ,
nazywamy . Wynika on z oczywistego wymagania: zdarzenie dowolne
+

$
z ($ $
100%$
totolotkiem:

. Z prawo : szansa spotkania kierowcy z dwoma, trzema lub czterema wypadkami

& P2 + P3 + P4. W oglnym wypadku,
$
k
i oraz m $
#
"
(
" #
(

$
&
Pi k m = Pk .
#
$

zmienna
$
$
,

6
% $
" atmosferyczne" 7
" #

$

k =i

$ = 4 hPa$ (
n ( z " 8$

($
$
$ a
" -
$ ! !
% $
.

21
Sprbujmy wobec tego

! histogramowania. Skoro, od
histogramu do histogramu, liczba danych ulega czterokrotnemu
$ i

nich czterokrotnie razy mniejsze & = 1 hPa oraz = 0,25 hPa" 8$
! $ !
% "
$

( $ ( $
pierwszym histogramie dla prbki 100" 6 !
% ($
! $
" ,( ! same dwa histogramy, ale z
= 2 hPa, zamiast 1 hPa dla prbki o n = 400 oraz = 1 hPa zamiast 0,25 hPa dla prbki o n = 1600. $
fluktuacje

i

! bardziej precyzyjny obraz
" 5
!$

$

( atmosferycznego. Czy jest tak
9 *(! $
n danych i
,

! Fk = nk n $

nk. Widzimy to na naszych histogramach: np. dla n = 1600 $

!
& 0,25 dla histogramu z = 4 hPa$ 0,07 dla histogramu z = 1 hPa"

: / ! $ !$ ( &
!
!$ fk $ (
$

& F n fk = k = k , k n k $ ($ k
& (

! ( " #
$
k, zmniejszamy liczby przypadkw nk$

nk k przy ustalonej ("

($

! nk$ i stosunek nk n !

k" ;

&

*(! $ fk

! &

!$
!
$
, a

! & hPa 1" <
z

$
!

" =

$

!&
fk k = 1,
k =1
22 gdzie N
(

N k =1
$ &

fk k = nk
k =1
# $
k =
1 nk 1 N = nk = n = 1. n k =1 n k =1 n

" -
fk $ a oraz b$

!
&
m
0!$ " $ (

x zawarta jest
fk k ,
k =i
a oraz b. n

k,

! $
! fk ! & n n , 0 f x . fk = k k n k 8 !
lub
x, lub krcej , lub krtko: 0
.

> ?

1 $
# $ $ %
normalizacyjny: 1 = fk k
k =1 N
n , 0
k
f z dx = 1 .
lub:
f x dx

! %
=1,
!

$ $ %
" *

$
$ !

$
f(x)
, zmienna losowa a priori ! n

" # $
!$
x w obszarze a oraz b
!& ! ( $ "
b
f x dx
fkk
k =i
n , 0 Pa x b = f x dx ,
k
b a
lub:
x a b
Pa x b = f x dx ,
a
co ilustruje rysunek obok. Wzr ten uzasadnia termin dla funkcji f(x). 1 !

x$
!

!

" #

! $ %

! " &

8

x = a

a a

0&
P x = a = f x dx = 0 .
*

+

(II-1) .

!

. Oznaczmy symbolem T zdarzenie
!" "
" takswka, ktra nas zabierze. Niech symbol p "" # " $ %
" ! #$ & T oznaczymy " " !"$ ' " ! ! " #( 1. T ) !" !
) "" # P PT " p, 1 2. TT ) " !" ) "" # P2 PTT " " 1 p p ,
3. TTT ) " !" ) "" # P3 PTTT wynosi 1 p p , 4. itd. ... * "
"" # " ktego samochodu w
" (

23
p
&"
!" " #
# $ &"+
(
k
= p1 p
k 1
gdzie k = 1, 2, 3, ... .
(II-2)
k p = p 1 p
k =1 k =1
k 1
= p1 + 1 p + 1 p + 1 p +... = p 1 . 1 q
1 = 1, 1 1 p
" :

1 + q + q 2 + q3 +... =

! "
+" " !"$ / # ! serwujemy w " , dla ktrej "" # p uzyskania reszki w pojedynczym rzucie wynosi , a

po raz pierwszy w ktym rzucie wynosi:
1 q n k q = 1 q n = 1 1 pn . q k =1 k =1 / " " geometrycznym

" dyskretnych czasw oczekiwania. 0
" " T " $
"" # p " !
" " $ %
" ! " "
godzinach szczytu komunikacyjnego
"" # p w ! "! ! ! $ 1

p ulega Fn P n
n
p = q
,
! "" # "

w # " -!

" " " .$ "" # F(n.
# n samochodw (ten nty
. (
k
= 1 p =
k
p=
1 1 1 k k 1 = p1 p =
1 2 2 2
1 k . 2
8 ! F(k)$

zmiennej losowej k
k nazywamy :
$ %$ swych
" # geometrycznego p = 0,4 oraz jego dystrybuanty

$ +

+ >! ?" .
x$
definiujemy przez &
i =0

F k Pk k = Pi .
Dystrybuanta
F x P x x

$ (
(

" *(! $

$

!

x
f x dx ,
Pk w przypadku zmiennej dyskretnej:
%
f(x) :

!
Pk = F k F k 1
f x =
d Fx . dx
(II-3)
2 " -

" . t oczekiwania na przejazd samochodu na ulicy (szary histogram.$ 3 "
" " " " atmosferycznego
" "+ " ""
" "
" ) " $ 3
! " !
" "" # " t. %"
" obszarze od zera do czasu = 20

" " " (
24 f t = A t , 0 t ,

! $ 5

! "!( " + " " ""

gdzie A $ 4

" ( 1 1 2
1 = f t dt = A t dt = A 2 2 = A 2 A = 2 , 2 2 0 0
"
to: 2 f t = 2 t , dla: 0 t ,

nie odtwarza nadmiaru w okolicy zera.

"
" !

" "$ 6 " 7
" 89 $ 5

(
f(t)
"!
" "
F t = f t dt
0

" " " "! ! !" " "
Pt1 t t 2 = f t dt
t1
t2
$

" " "
" "
!
badanego zjawiska i jako takie ma pewne ograniczenia. Zwracamy " 0 7
7 " f(t) ma, t w " "
" czasu. t1 t2 t Dystrybuanta F(t. " to: t 2 t 2
1 $% % F t Pt t f t dt = 2 t dt = 2 t t . 2 0 0
' "
+ "" # " !" " "
t1 oraz t2:

& '
Pt1 t t 2 f t dt = f t dt f t dt = F t 2 F t1 ,

t1

t2
t2 0
t1 0
7 $ :
F t =
dystrybuanty F(t) i "" # P(t1 t t2)

$ & ! " . " "! -
2 1
t t 2 2
7
f(t), przy czym dla
dystrybuanty F(t.
" $ % "
!"

( ! " ""
" " $ ; " ! "!

nadmiaru,
w stosunku do modelu, czasw oczekiwania w pierwszym przedziale histogramu.

!
5 ! "" # #
" "(
t,
" "
f t ; exp t , t 0, > 0, gdzie parametr ""

" " ( A A A = . 1 = A exp t dt = exp t = 0 0 2
" to: t; = exp t , t 0, > 0 i nazywamy go . Dystrybuanta " wynosi: F t t = exp t dt = 1 exp t ,
0
"" #
losowej t " -k 1) a k, k = 1, 2, ... ,
wynosi:

25
P k 1 t k = F k F k 1 = exp k 1 exp k = exp k 11 exp =
2 " , dla ktrego p = 1 exp().

!
= p1 p
k 1
<" - " " .
" "
" 7 # ) " " ! - " . " "
$ 2 ! " 7 # 7 "$ = " losowy

7 #$ 7 "" # P(S) trafienia w obszar tarczy o powierzchni S
" !(
P S S , R 2
S - " ". - #
. " $ %
" " !
"" # " " "
! 7 $ "" # 7 w " $ :
dP(r), czyl "" # r dr
" 7 f(r), " 7 ( dP(r) = f(r)dr f(r) r + "" # " " r, to:
2
r2
f r dr
r1 +
r1
f r dr
>

"" # " ( "" # - !. r R
" ! $ r r + r r + 3 " x oraz y " "!
"
"" # " " " $ y (
1 1 2 2
r 2 d r r2 = 2 f r = F r = 2 2 , 0 r R , 2 R R dr R gdzie pod symbolem P(r r. "" #

7 " promieniu r. Fr P r
y = R2 x 2 , R x R , "" # " ( x x wynosi: F x P x 2 R 2

x
R
x 2 + y 2 = R2
R2 x 2 dx =
$%
! 7
2 1
x
x + arcsin + x 1 R R 2
P x x

zaznaczonej szarym kolorem na rysunku obok. Czynnik 2 przed
" " y - x " ! !!.$ ? + 7 "
" (
f x = W o promieniu R$ :" " " " d 2 F x = dx R 2 R2 x 2 = 2 x
1 , R x R . R
2

" $ =" ! "

"
druga zmienna.
7
$ (

a
.
26

!

1 , 0 z = log10 x 5 , 5 ktry, dla zmiennej losowej x

1 1 g x = , 1 x 105 . 5 ln 10 x f z =
=" +" $ 0 " "@ 0!

"
" " $ ?

" $ > pierwszej tabeli na " " trzeciej kolumny, przy " "+
" ! $ tabele, w ! " $ 3
$ 2
ktrych " " ) ! " Roczniku$ ' "
" " " ! -! " ".
! Roczniku 7 "! ! $ 2 8AB ! " " " C95$ D" tych liczb podany jest na histogramie obok. 5 "
7 " ! ) " ! " "! $ % " ( ! " x, histogramujmy ich logarytmy z = log10x. Funkcja
" E9F CG " #

" [1; ). Wynik widzimy obok po prawej i " " " " " $ D" z (
( (

#
( (

(
5 " ) " # x ! -" " ".
C95 " "
"! !$ 5
! rwnomiernym " $ " 7 naszym zbiorze. Prezentowany jest on na histogramie $ 0 " 7 9
- .
" 7 8@ %"
"
" " " $ 0 " ! " 7 @ %" " ! histogramu po prawej (do ""! " ! .$ 6 " " " 7 " ! 7 !$ :

7 " " 9
HAC
BIA 0,444 (Czytelnikowi " 7

(

(

wykresie).

5"

"
7

x w Roczniku " " ! ! $ 2
" " x " " "
" ECF 10) (z awego . " " " " C9
" " " "(

27 h x = 1 1 , 1 x < 10 . ln 10 x
%" k

7 x. "" #
k, wynosi: 3 " " " C9
$ "
Pk = k k +1 1 ln , k = 1,2,3,...,9 . k ln 10 Benforda: k +1 Pk = k = log10 , k = 1,2,3,...,9 k
h x dx k
k +1
" ! ! -! 0 " " .$ %"
" " " ""
" J 7" " "$ %
" ""
7 " Rocznika
" "
( " $
k =1
P < 5 Pk = log10
1+1 2 +1 3+1 4 +1 + log10 + log10 + log10 = log10 5 0,699 , 1 2 3 4
/ ( %
( dwuwymiarowych, czyli dla par zmiennych losowych x oraz y" #
$
x !
x, a zmienna losowa y !
y,

F(x,y)$ (
( % f(x,y)
&

P x x , y y F x , y liczbie wymiarw.
# %

#

($

$

$
$ " #

!

" ,
( $ % $
$ (
($
% !" .
$ $ 0

(
& buduje odpowiedni formalny aparat i

. 6
$ ( %$ % !

" 2 fundamentalnym, a

zdarzenie elementarne
$ (
" 6 3 ( !
$ (& $ ! 0 >? 0 >
? +
" - $
>
?
($ & $ $ $
$
$ (reszka, reszka);
7 ,

%$
%
! ($ 1, 2, ... , 9; %
% $

pewnym typie intuicji i

x
f x , y dx dy .

( $
(

(

" #

13 983 816 elementw. 2 $ (

" $

($
%
(
&
! % $ $ $ """ $ ( ! " #

!
% " 3!
!$
%
$
!$
" 10 razy, a 10 % $
11, itd. ... ; $
$ ! 0, 1, 2, 3, ... " )
z tych liczb opisuje zdarzenie elementarne.
elementarnych;
28

#

$ !

&
$
(" ) (
! $ (

$
. '
& (
(i,j), gdzie i $ j to liczba lat " #

@

( ! " )
$

@ przy grze w
, zdarzeniem elementarnym jest trafienie w i
! "
(
(x,y), r w
" Kwestia ustalenia przestrzeni

" -
$ (

!
bynajmniej problem ten

$

" 8
<" Cardano$ w XVI $
$ (

Liber de Ludo Aleae

$
(

$ 36 elementarnych $ nie 21$
(
" - dwa razy, to (
! 0, 1 lub 2. Jeszcze w XVIII wieku francuski matematyk J. d'Alembert $
( $ ! rwnoprawnie, a
nich wynosi 1/3. Ale nie tylko zdarzenia

" 8 % " paradoks Bertranda" #
o jednostkowym promieniu i pytaniu o
$
3 $
! ( (
w " ;
( $

wyborem przestrzeni. a) #

$ !$
wybierzmy na niej dowolny punkt x$ (

" # 1 3 1
! ( (

3/2$ 2 2
1/2 i
3/2 $
" Zbir takich punktw x
dwch
$
$

1/2. b) # $
$ $ ( 60
! $
( " 8
(
" # %!$ $
" - /3 a 2/3$
3 " ) 1/3 60 ( $ (

$
!

$

1/3. c) 3
( (
1 1 $
( " # 2
1/2" *( $ (

" ,

( ($

8

$

& $ ( (" -

$ ( w 7 ;;"A$

( geometrycznym. *

! +
! $ ( >
? > ? + !& , (
(
.
wynosi tym razem 1/4.

29
Zdarzeniem losowym A ! (

" Tym samym, zdarzenie

, czyli suma: ; (& >?@ ($ $ : ?@ ; ...). W
( definiujemy zdarzenie pewne $ (

czyli z
$ zdarzenie "#$ $ (
$

" ;
$ %

zarwno zbir pusty ( "

(
:
Pewnik 1. Pewnik 2. Pewnik 3.

A
P(A)

0 P(A) 1. !

P() = 1. !
"
" A oraz B, czyli takich, dla ktrych AB =

"

P(AB) = P(A) + P(B).
2
( $

6" " ) , w uznaniu dla jego pracy Gruntbegriffe der Wahrscheinlichkeitstheorie z 1933 r, ! (
$ ! ( ' :
A B = A B , A B = A B ,
(&

A B C = A B A C , A B C = A B A C .
* (

$

" #

P(A) zdarzenia A z
P A zdarzenia " *

( :
= A A , ktre to zdarzenia
%$

! $ w takiej sytuacji : 1 = P = P A A = P A + P A , P A = 1 P A .

&
(II-4)
$
$
" .
$ (
" 1 ($
A oraz B i zdarzenia do nich przeciwne A oraz B . # (

(

" .0

%! ( & 0 " 3
!
& &
A B , A B , AB, AB, = = A A B B = A B A B A B A B .
8
(

% 0 0 0 0 " #
%
$ &
1 = P A B + P A B + P A B + P A B . (II-5)
*
&
P A = P A = P A B B = P A B A B = P A B + P A B , P B = P B = P A A B = P A B A B = P A B + P A B .
7 ( P A B oraz P A B i podstawiamy do (II-5):

1 = P A + P B P A B + P A B . (II-6)
30 Z prawa de Morgana: A B = A B

(II-4) &
P A B = 1 P A B = 1 P A B ,
&
P A B = 1 P A B , co, po podstawieniu do (II-6)$ & 1 = P A + P B P A B + 1 P A B ,
(
!
% &
P A B = P A + P B P A B .
(II-7)
# 0!

$
$
" ;

$

nym konkretnym przypadku. Nie wymaga ono nawet podania
" ,
( $ > ?
(!

!" -

! $

!" 2 w Rozdziale ;;"A$ %
(
$ " ,

+ !$
!
(" $ $

>? wynosi $

"

N C NC
* " #!$

" # $ "
$ (
w
( $ % " 3 0! $
oddajemy po jednej kopii szczotki dwm korektorom, ktrych zadaniem

" #!$ A znajdzie NA ($ korektor B znajdzie ich NB, przy czym pewna liczba NC (

(" '
!
$

$ (
N, elipsa pokazuje A, NA wszystkie NA znalezione przez korektora A, natomiast B, NB
wszystkie liczbie NB wykryte przez korektora B. W ten sposb elipsa obrazuje zdarzenie A + $ zdarzenie B + " 3!
( C " 7
$ terminologii rachunku prawdopodobi
$
diagramami Venna" #
P(A) oraz P(B) A oraz B %! &
NA , N N P B = B . N P A =
-

($
C9 *

$ &
NC . N # C !
( A oraz B$
C PC =

! &
* $

! $ &
P A B =
PC = P A B .
&
P A B =
NC NC N B NC = = P B , N NB N NB NC NC N A NC = = P A . N NA N NA
Stosunki NC N B oraz NC N A ( A ( ( przez korektora B & ( B ( ( korektora A" 8 ! & NC N B
przez korektora A B$

& pod

31
warunkiem B, oraz: NC N A

B pod warunkiem A" *(! $ w

($ jedynie do pewnego ($ " 8

" 1& N N P A B C : P B A C , NB NA
! (
( w formie: P A B = P
A B P B , (II-8) P A B = P
B A P A . *

" . 8 ! P(A|B) nazywamy i odczytujemy je jako:

A $ 0
zdarzenie B" *
! (! &

A i B. W tym drugim mwimy o

%

$ (

$
mwimy o

%

$ (
$

" 7(
"

$

" wszystkich osb w kraju. Niech N " populacji. Niech NK w tej populacji, natomiast ND

!
P K = natomiast: P D = NK , N ND , N
"
" $ "" #
" (
"" #
" $ 3 NKD "
"" #
wynosi:
N KD . N 5 "" #
losowo wybrana kobieta
" ( N KD P D K N KD = N = = P
D K , NK P K NK N "" # $ >
" K "" # warunkowego jest zadane )
" ) P(D|K) "" # " " ! $ P K D =
# &

$
$ ($
$ , lecz !$ (
" # $

warunkowe, zdarzenie ktre umieszczamy po

!
+ $
0
!
$ !$ !
$
przed znakiem kreski pionowej.
II.4. Twierdzenie Bayesa

#(! ( % (II-8)
P(AB) (& P A BP B = P B AP A (

& P B A P A . P A B = P B - A $ ! 0$ BB zdarzenia B czyli B
B$ (! >(!?
$ 0!
a posteriori P(A|B)
A na podstawie informacji P(B|A)
32

%
o skutku B" 8 P(A) oraz P(B)$

a priori

$
P(B|A) to tzw. funkcja
$ (

" #

!
$

"
ktrej mamy wiele przyczyn Ai $ (

? !

"$ " " " " 7
" C8K$ 5 " dwjkowym, aby w " "
! , "! ! $ 2 W0 zdarzenie 9
natomiast symbolem W1 " C$ ?
"+ O0 dla " " 9 odpowiednio O1 dla odbioru bitu 1. W
"
"" C " 9 "
9 # " C$
"" # i
"
"
$ >" "" . nadam bit 0, to " bitu 1 i odwrotnie: C
" 9 $ / 0 w tym zdaniu. Wiem
) " ) "" # " " ( " 7
" ! $ 4 opisuje "" # : 6 " ! "" # P(O0W1) lub P(O1W0.
" "" # "
" # " " # W0 oraz W1. Taka # " "" # ! P(O1|W0) oraz P(O0|W1) $ % " "
$ C$ & "

" $ 3 7
ym " "
"
$ 3 "
" $ %"
" " $ 4 "+ "" #( P(O0), P(O1), P(W0) oraz P(W1.
" 9 C 9 C$ 3 "" "" # P(W0) jako p, to naturalnie P(W1) = 1 p. 2" C " "! ! " #( O1W0 9 "arzenia O1W1
C $ '
" O1 "! " #( >
" " ""

"
zapis zdarzenia O1:
O1 W0 O1
PO1 W0 = PO 0 W1 = .
W1 .
" W0W1 " # W ! " #

$ % " # O1W0 oraz O1W1 ! "" # "" # P(O1) zdarzenia O1 "" # " #
bardziej elementarnych:
O1 W0 O1
W1 = O1 W0 W1 = O1 W = O1 ,
2 " "# ! 7 $ 6 (II-8) "" # !(
PO1 = PO1 W0 + PO1 W1 = PO1 W0 PW0 + PO1 W1 PW1 = p + 1 1 p .
PO1 = PO1 W = PO1 W0 W1 = PO1 W0 O1 W1 = PO1 W0 + PO1 W1 .
>
"" # P(O1|W0) = 7
"" # P(O1|W1.
" "( P(O1|W1) = 1 $ 6 "" # P(O0|W0).
/

&
P B = P B A1 P A1 + P B A2 P A2 .

33

& &
'
" = (! Ai$ ( !
B. W tym celu wykorzystajmy najpierw fakt wyczerpywania przez zdarzenia Ai

& = Ai ,

i

!
B jako:
P B = P B = P B
i
A
= P
B A
i
8

Ai $ takiej sytuacji zdarzenia BAi

$

! $ nast (II-8):
P B = P
B A
i
= P B Ai = P B Ai P Ai ,
i i

! (

" 8
" twierdzenie Bayesa: P B Ak P Ak P Ak B = , P B Ai P Ai
i
(II-9)
(
0(
( ( (

"

%
" " "! " ( " 1, to "" #
" @ 3 o "" #o warunkowe P(W1|O1.
" " "" # P(O1|W1) = 1 . ? " "
" " " J (II-9):
PW1 O1 = PO1 W1 PW1 PO1 = PO1 W1 PW1 PO1 W0 PW0 + PO1 W1 PW1 = p . p + 1 1 p
1 1
" " P(W0|O0.

"" # 9

odebrany bit 0: PW0 O 0 = PO 0 W0 PW0 P O 0 = PO 0 W0 PW0 PO0 W0 PW0 + PO 0 W1 PW1 =
1 p 1 p + 1
p
>
! $
"" #
$ = 9
9C
7 " z bitw 9 bitw 1, czyli p = 9
L$ % " "" # P(W1|O1) jak i P(W0|O0) 9
AA$ 3 " ! C
" 9
8L " parametru p, wtedy P(W1|O1) = 0,9966 natomiast P(W0|O0) = 9
AK9H$ & " w 7 9 " 7 " itu, C " w " $

!"
#
$

,

(II-7) , dyskutowane w Rozdziale II.2. W naszym korektorami

$
ktregokolwiek z korektorw: N N N P A B = P A + P B P A B = A + B C . N N N *(!
$ (
( (

( "

(

D ! " " - . " - .$ >" 7 (
zdarzenie A liczba wylosowana z tego zbioru jest podzielna przez 3, oraz: zdarzenie B liczba wylosowana z tego zbioru jest podzielna przez 7. : "" # P(AB.
" tego zbioru jest podzielna przez 3 lub przez 7? W " MM " M
"" # P(A) = 33/100, " ! K CB

"" # P(B) = 14/100.
34
3 " " M K

zbiorze liczb od 1 do 100 mamy 4 licz( 8C

B8
HM NB
" P(AB) = BIC99$ "" # ( 33 14 4 43 P A B = P A + P B P A B = . + = 100 100 100 100
- A oraz B

( & AB = $
$ lub jak to mwimy: zdarzenia A oraz B
$
$
(II-7)

& P A B = P A + P B ,

" 8

"

(
3 "

"" # " "
"" # ( 8

B
H
"
9
L$
II.1.a "+ "" #

2

natrafimy w parzystym rzucie: Pk = 2, 4, 6, ... =

k = 2, 4,6,...
Pk =
1 1 1 1 1
1 1 1
1
1 1 1 + + +... = 1 + + +... = 1 + + +... = = . 4 16 64 4 4 16 4 4 4 4 1 1 3 4
2
" 8IM "$
.

" - f(x)

losowej x$
$ ! a oraz b

> ?
f(x)dx$
[a; b]:
Pa x b = f x dx .
b a
#
&
( w szczotce$

(" 8! ( (

$ %

" 80
$

$ z $ ( B

korektorowi A" 7
$

$ A NC ( ( NB

(" -
$
!$

& N P A = A , N

( & N P A = C = P A B . NB * % $

A

B. Zdarzenie B
A. O takich zdarzeniach ($
#" . To, czy korektor A $ $
B

" 1 $
wynosi: P A B = P A P B , (II-10) $

$ & P A B P A P B = = P A . P A B = P B P B #

%
P(A|B), a prawa strona mwi $
B$

" 3

($

$ " wydarzenie A
B, to B
A.

(
do gry. Jakie jest k jako sumy oczek na dwch kostkach? Nasza populacja, lub jak to niekiedy mwimy:
" ( 8
3, 4, ... , C8$ % tabeli wszystkie " $ =" elementarnych konfiguracji oczek na obu kostkach jest rwnie prawdopodobna i, z " #
"" #
"" #

"

35
" "

CIMH
zgodzie z ! , ! MH - "" " ".$ & " "" # " " i liczby 36 czyli rozmiaru przestrzeni prbek. " k Sposoby

"" # "! " # 2 (1,1) 1 i "" # . Z naszej tabeli 3 (1,2),(2,1) 2
"" # 4 (1,3),(2,2),(3,1) 3 H LIMH$ "" # 5 (1,4),(2,3),(3,2),(4,1) 4 zdarzenia i jednoczesnego uzyskania parzystych liczb 6 (1,5),(2,4),(3,3),(4,2),(5,1) 5 oczek na obu kostkach dane jest przez 2/36, bo tylko pary (2,4) i -B
8. $ 5 7 (1,6),(2,5),(3,4),(4,3),(5,2),(6,1) 6 "" # przy warunku 5 8 (2,6),(3,5),(4,4),(5,3),(6,2) ! 8IA
9 (3,6),(4,5),(5,4),(6,3) 4 " # " 3 10 (4,6),(5,5),(6,4) ! " $ 11 (5,6),(6,5) 2 7 1 12 (6,6) " ! ( "" # 8
B H " CIM
" $ "" # " parzysta parzysta "" #( (1/3)-CIM.$ 4" " " " $ >
"" #
bezwarunkowym lub absolutnym, i "" #
" +
!" "! " # zdarzenie warunkowe.

(
To, czy dane zdarzenia

! "#$ " " II.5.a ! " # A -" przez 3) oraz B -" K.$ "" # P(A) = 33/100 oraz P(B) = 14/100 wynosi P(A)P(B) = 462/10000 = 0,0462 i iloczyn ten nie jest rwny "" # P(AB) = 4/100 = 9
9B

" " (II-10)
"!" "
" $ D " 101, 102, 103, 104 i 105. W tak zdefiniowanym z " # ! ML " ! M
CL " ! K L
" " M K$ 4 "" # ( P(A)P(B) = 3515/(105105) = CI8C$ "" # " # tym razem wynosi: P(AB) = 5/105 = CI8C "
"

(II-10)
" $
#

!

. Mianowicie, z (&
P A =

$ (
$ $
!&
N
N A NC = N NB
$ %

( ( to:
P A =
NA NB , NC
#( (II-7)

A oraz B: $ 0!

" A, B oraz C $ &
P A B C = P A + P B C P
A B C = = P A + P B + PC P B C P
A B B C = (II-11) P A B = P A + P B P A B
NC N , P B = C . NB NA
-

$
!
&
(
= P A + P B + PC P B C P A B P B C + P A B C .
P A B C = P A + P B + PC P BPC P AP B P BPC + P AP BPC .
36

A X C B
D Y

" " " ! " " #. Obok na rysunku podany jest schemat "
" elementw A, B, C, D, i E
" punktami X oraz Y 7 $ :7
z jednego punktu do drugiego tylko wtedy, gdy istnieje przynajmniej jedna

$
" " p, przy 7 " 7 !$ 3 "" # P
" X oraz Y " @ & X mamy do wyboru dwie drogi: przez element A albo przez element B. 3 " A, to warunkiem koniecznym dla dotarcia do punktu Y
" elementu D " C jak i elementu E$ 3 A, B, C, D oraz E " " !
" " X do punktu Y
A wybierzemy jako pierwszy element
" ( A D C E $ <" "
E
!" B

" " ( B E C D . & "
" ! " #$ 2
"" # P (
P = P A D C E B E C D .
D " # (II-7) oraz praw " " !$ % !
"
" " $ 4 "! " # ! A oraz B ( P A B = P A P B
A B, to P A A = P A , a nie P A A = P A P A = P 2 A
" " A nie jest statystycznie " " P A A = 1
" ( A A = A. 4 "" # P zastosujemy najpierw prawo "" # " #(
P = P A D C E + P B E C D P A D C E B E C D .
' "

$ ! (
A D C E = A D A C E ,
"" # (

P A
D C E = P A D + P A C E P A D A C E = = P A P D + P A PCP E P A D C E = p 2 + p 3 p 4 . Identyczny wynik otrzymujemy i dla drugiego wyrazu: P B
E C D = p 2 + p3 p 4 .
> (

P A D C E B E C D = P A B D C E E C D ,
" A B D C E "

zbiorw E oraz C D : A B
D C E
E C D = A B E
D C E A B C D
D C E .
D " "$ ! (

A B E D C E = A B E D A B E C E = A B E D A B C E ,
"(
P A B E D C E = P A B E D + P A B E C P A B E D C = 2 p 4 p5 .
" " " A B C D D C E $ & " A B C D i sumy zbiorw D oraz C E :
A B C D D C E = A B C D D A B C D C E = = A B C D A B C D E .
"" # " (

37
P A B C D D C E = P A B C D A B C D E = = P A B C D + P A B C D E P A B C D A B C D E = = p 4 + p 5 P A B C D E = p 4 + p 5 p5 = p 4 . P = 2 p 2 + p3 p 4 2 p 4 p 5 p 4 + 2 p 4 p5 p 4 .
6 (
8 (II-11)

$

(

( $ (" . $

$ (

!
" .
!
" 5
!
$ nie
$

" #
A to 1 P(A)$
B to 1 P(B), itd.
$

( A, B, C, ... , Z dane jest przez: 1 P A 1 P B 1 P C 1 P Z . ,
$
$ & P A B C Z = 1 1 P A 1 P B 1 P C 1 P Z . C

( $ (II-7) oraz (II-11)

"

(
D
" z n " ! "
" $ 5 ! " " ! pi zepsucia $ : "" #
" "

" @ ' " "
" $ 2 przez Zi, i = 1, 2. ... n, zdarzenie i-tego z jej elementw, a przezZi zdarzenie $ ' " " "
" " $ "" # " (
P Zi = P Zi = 1 P Zi = 1 pi .
"" # " " " "(
P
n i =1
i =1
i =1
i =1
i =1
Zi = 1 1 pi .

i =1
Wybierzmy losowo dwie liczby i oraz j

( 0 ij" ;
!
10k + m, gdzie liczba k

$ liczba m
$ a " #
n par (k,m), a dalej ich dwuwymiarowy wykres. Dla ! m
P : 0 1 2 3 4 5 6 7 8 9 Suma (n ) k a
k,m k,m k,
# $ % &'

(
%%

!"

$ od tego, ile wynosi liczba m
" # P :
,m
0 1 2 3 4 5 6 7 8 Suma (n,m)
0 2 4 2 0 0 0 0 0 8
1 0 2 0 0 0 0 0 1 4
2 4 0 2 2 0 0 2 0 12
2 0 0 0 0 0 2 0 0 4
3 2 4 0 0 2 1 0 0 12
2 2 1 2 2 0 0 0 0 9
4 3 0 3 0 2 0 0 0 12
2 0 2 0 0 0 0 0 0 4
4 4 2 0 2 0 0 0 0 12
3 0 0 0 1 0 0 0 0 4
23 17 15 9 7 4 3 2 1 81

" 8 $ n oraz n z zsumowana odpowiednich wierszy i " # 0! "
P :
k, ,m
Pk ,m
n = k,m 81
Pk , =
1 nk ,m = Pk ,m , 81 m= 0 m=0 liczb k
k , 9
38

8 1 8 nk ,m = Pk , m , 81 k = 0 k =0

$ $
" 7
. ' !

$

" #
" - " 6
$

& nk,6/n,6, w ktry
: Pk ,m
P
k m = , P, m

" *$ ! m

+

" - ! m losowej k$ ($
m" #
! % statystycznie $
" *

7 II.5 oraz wzoru (II-10) $ zmienne losowe k oraz m

$ dany jest ( & Pk ,m = Pk Pm . (II-12) Przejdziemy teraz d ( !

zmiennych losowych. Mamy tu podobne definicje jak dla przypadku dyskretnego" - f(x,y)

x oraz y,
warunkowy g(x|y) definiujemy jako: f x, y , f2 y f x , y dx g
x y (II-13) f2 y h(y|x): f x , y , f1 x f x , y dy . h
y x (II-14) f1 x Funkcje f1(x) oraz f2(y) nazywamy
" < " 8
! $ !

" 7

$ " 8

h(y|x) oraz g(x|y). W notacji tej,

po

!$ !
$
" 1

przed
" ,

% " .
& h(y;x) oraz g(x;y), $

! ( pochodzenie parametru, nakazuje nam zachowanie symbolu pionowej kreski.

P, m =

)
% " " II.1.d " ""

7 # "$ & " 7 " f(x,y)
" $ ( f x, y R x y , x + y R , " " promieniu R. Nie jest to jedyna forma. Rwnie dobrze (
zawsze trafia w

( (
f x, y R x 2 + y 2 , x 2 + y 2 R 2 , f x, y R x 2 + y 2
, x 2 + y 2 R2 , f x, y R 2 x 2 y 2 , x 2 + y 2 R2 .
2 2
=" "! 7 ! ) "" # 7 " biegunowego, a " " " " " $

39
3

"
" " " $ D " " " $ =" "$ % ! "! !
$ ? " 7

normalizacyjny A: 1= A
! " (
R
x 2 y 2 dxdy . biegunowych, w ktrych element

R
* "

" " !
dS = dxdy = rdrd
" "(
R
1= A
R
x y
2
2 1 dxdy = A R2 r 2 rdr d = 2 A R2 r 2 rdr = 2 AR 4 . 0 0 0
> "

" 7 "(
2 2 2 2 2 2 2 R x y , x + y R . R 4 > " losowej x. W tym celu " f(x,y) ! ! y$ ' " o
x
y " f x, y = R 2 x 2 do + R 2 x 2 2 f1 x = R 4
" (
R2 x 2
(
R x
8 2 2 2 2 2 R x y dy = 3R4 R x 2 . 2 2
&

"
" R = C
$ " " znajdujemy i " " $ 5! " " (
2 2 2 f x , y 3 R x y = h y x = . 3 f1 x 2 2 2 4 R x
Parametr x " " )R do R, natomiast zmienna y " " R 2 x 2 . Funkcja h(y|x) "
" x. > x oraz y
" " 7 $ R2 x 2 a
8(! % (II-13)

&
g x y
1
- zmiennej losowej x y: g(x|y) = f (x), $ & f x, y = f x f y , $

.
1
f x , y . f2 y
2
(II-15)

)
% 7 " 'O

" " " (
gdzie m

T "
k $ J $ D" 7 ! 7 " ! (
m
2 exp m v 2 + v 2 + v 2 , f vx , v y , vz = 2kT x y z 2kT
< vx , v y , vz < ,
f vx , v y , vz =
m m 2 m m 2 m m 2

exp vx exp vy exp vz . 2 kT 2kT 2 kT 2 kT 2 kT 2kT
Ta faktoryzacja "" "! "

" vx " $ " vy
vz. =" czynnikw zwany jest
$ 5 "(

"
x ; ,
x 1 exp 2 2 2
2

opisana jest dwoma parametrami: oraz ! "
= 0 oraz = C$ P " <
maksimum tej funkcji wypada w punkcie x = , a parametr "$
40

% !"

7 " $ = < 7
" 7 $ ' " + "$ > "
Gaussa w postaci:
1=
- "

" nie zmienia . "
y:

N exp
x2 dx 2 2
1=
4 ! "+ " ! biegunowych r oraz :

N 2 exp

x2 y2 x2 y2 dx exp 2 dy = N 2 exp 2 exp dxdy . 2 2 2 2 2 2
1= N
2 ) " 8, natomiast r wykonujemy przez podstawienie:
0

exp

x2 + y2 r 2 2 dxdy = N 2 r exp dr d . 2 2 2 2 0
1=
" " N.

0
2 N 2 r exp
z = r2 r2
z
2 dr = dz = 2 2 N 2 , = N exp 2 2 2 2 2 rdr = dz
0

)

!
2 21
D

dwch zmiennych ! x oraz y zadany przez:
, , ,
x, y; ,
1 2 1 2
exp
$ > " "( " = 9 " faktoryzuje " " " <!
" " ! zmiennych losowych. Postacie " brzegowych to: x " 1 f x; , x; , = exp #, 2 2
1

x
y x
y + 2 #
2
"
$
2
1 y; , = 2 exp y # . 2 ! $ 2 " " " <$ "+ ""
" " tego wyniku. Dokonajmy w tym celu uproszczenia, " " ( u = (x )/ oraz v = (y )/ $ " ( f2 y; ,
2
x x y y
"
f1 u =
%" " " " (

u2 1 exp 1 2 !
+ v 2uv
2
" # dv $
21 2
1 2 1 2
exp
!
" u # exp 21 2 $ !

2
v 2 2uv 21 2
" # dv . $
f1 u =

" II.6.b:
2 u2 1 v exp exp 2 1 2 21
2uv + u u
2 2
2 2
21 2
dv
exp 1 u 2 2 2
2 v u exp dv 2 1 2 21

41
2
f1 u =
1 1 1 1 1 v u exp u2
exp exp u 2
21 2 = exp u2
. dv = 2 2 2 2 2 2 2 2 1 2 1 21
" x, otrzymujemy poszukiwany rezultat. P + " warunkowy:
g y | x
=
x,
y; x , y , x , y , f1 x; x , y
1 2 y
3 " <

" od parametru x a jego Q Q "7 .
)
(
%
exp 1 2
2 2 y 1 2
y
y x
x
2
! x # . # "
Przy studiowaniu gier hazardowych, sposobw pobierania prbek$ i rozmieszczeniu itp. mamy

( , w ktrych

" D !
$
(

! " 2
$ $

kombinatorycznym" 8 $

$ ( !
k kul w n (" # (& ( k
(
k kul w n = 365 komrkach; klasyfikacja k wypadkw wg dni tygodnia odpowiada rozmieszczeniu k kul w n = 7 komrkach; k kostkami do gry odpowiada rozmieszczeniu k kul w n = 6 komrkach; mamy n = 2 komrki; + n = 2 komrki; k-cyfrowe
k kul w n komrkach, zwanych 0,1,..., 9; !
( (" Wiele tego ty ( !

( $ ( " %
jako zbir n
(" 3!
$
(

$ %!
" $ ($
z " " )

k elementw, to prbka o licze k wybrana z populacji. W

(
!$

" '

& $ zwracamy ten element do populacji, a !$ $ ( !
powtrzenia !
" 8

$
$ (

* !

" *$ (
+ $ 0 ( $
"

z $

! 6 monet
$ (
( $
" 7 $ (
( $
!
k ( !" - (

n

($ n sposobw, jak
( """ " $

( $ "
liczba k-wyrazowych wariacji z powtrzeniami " nk.

+
3 k kostek do gry, to otrzymamy jeden z 6k ! !

Lk nie " " "$ >"
" ""
" : ani " " !
-LIH.6 CIM "

! "$

+
&"+
#
" ! ! !

" " $ 3 8K
) "

"
42

w $ =" ! "" "

" i $ * " 8K3 = 19 683 ! $
- $

( ! n

($ n 1, trzeci na n 2 k-ty element na n k + 1

( 0
$
k osb na n
&

! n
$

!
n 1
$ $

n 2
$ " (n)k tzw. k-wyrazowych wariacji
ze zbioru n elementowego: n k n n 1 n 2 ... n k + 1 . - ! ( ( $ ( n! permutacji *$

(
n ( ( n
$ " n osb na n
& n ! n n 1 n 2 ... 2 1. 8
( $ 0! = 1. Znak silnia !?
! k-wyrazowych wariacji bez (

(& n! n k = n n 1 n 2 ... n k + 1 = . n k !

+
3 n kul w n !

" nn sposobw. W n! przypadkw "
" $ & " "" # zdarzenia wynosi n!/ nn$ 3 " " "! " #

KRIK7 9
99H$ 2
" " " " # "
" " M " " #
ktrym w " " " " $

+
3 k " # " w roku, to szansa Pk

" " #
"
k ! " " " k !
-MLH.k
" ! ! " " k w trzystu " "! wynosi: 365 365 365 1 365 2...365 k + 1 k = = Pk = 365k 365k 1
2
k 1

= 1 1 1 ...1 , 365 365 365
( k
Pk +1 = 1 . P , P = 1 , k = 1,2,3, k 1 365 % " $ 3
! ! # " "" # " " $ 3 " k = 8M "" # 9
L " 9
L
" "" ! " " " " $ 4 " "" # " 9
AK$
.

prbki k-elementowe$ $
a,
(0 b$ ( ( ( ktrej
b, a po nim element a" 7 ( ( " -
$ ( ( $ z liczb (n)k$

($ k!$ ($ (

(" .
) jakie ! k
( n obiektw, wynosi: n
n n! k (II-16) k ! k k ! n k !
kombinacji
. Innej interpretacji
k identycznych obiektw w n (" 8 (n)k

($ ( !$
( $
!
! (n)k przez k!" $

43
(

!
6

($ ( 0(
! 3 (

&

$
z
w
" 3!
% $ powtrzeniami i bez,

" /
powtrzeniami ale tylko %$ !

#(! ( " 8(

uwagi $

" 80
$ !
" ' ( n
( !

& KMKKMMKM... itd. w (
k kobiet oraz n k " E n
( ! na n!

($ k! osb (kobiety) oraz (n - k)!
( 0 ( ($
) '$ ( k liter K oraz n k '$
( " ; schemat znajdujemy w :
a + b
n
jedynie w pewnych szczeglnych sytuacjach, ktrych my w

!"
=

>n po k zwany jest symbolem Newtona" 8
(
$ ( &
a) b)
k =0
n k n k a b k = 0 k
(II-17)
k a k bn k = 1,
=
m
j=0 j k
k
dla: a + b = 1, n . j
n+ m
(II-18) (II-19)
m + n k
#
$ $ % ( $ 0 por
((
x
&
1 +
x 1 + x = 1 + x

+
liczby karpi !"

$ & N $ 4 "
"
! K$ % " " $ 3 " J 5" ponownie
" n
$ ;
populacji
" # -

# " 7" "
( "

" .(
N n
5 "
" ! $ >
ta wynosi k$ 2
n k $ 2
7 " $ ; k ! " K wszystkich oznakowanych
na:
K k

n k " N K na: $ * k ryb oznakowanych i n k # " #$ & " "" # k ! " (
N K nk
44

= 0,1,2,3,... , K = 0,1,2,3,... , N , , dla: k N, K , n = N n = 0,1,2,3,... , N ,

n !0 k min K , n D" hipergeometrycznym$ % N, K oraz n
k
K
N K k nk
N
$ * "

" (
k =0

n
k N , K , n
=
" (II-19). % " N
" " $ D " ! " " " ! " $ 4 "
" " 7
" " " " !
$ 2

" " " "
" " "
" $ >
N " $ % !
" K/N$ > "
! " (
Podobny schemat znajdujemy w losowaniach popularnego totolotka
" " N = 49 liczb losowane jest K = 6 liczb, a klient totalizatora wybiera n = H "
7 k z nich. ? ! " ! . W tym przypadku, ze N detali, gdzie N
" n
" ! " k detali z defektem. Z "! ! K wszystkich wybrakowanych produktw.
N n
1 n
K
N K k =0 k n k
=
N n
N n
= 1,
N.
K k N n
Kn k
n! k1 ! n k1 !

(
(

" . k2 (
n k1 wolnych miejsc, a
! n k1 ! k2 ! n k1 k2 !
7

( (!
" -
$ (
%

$ $
( " - n samochodw, a k1
$ $ $ !

(" 8 $ ( $ (

%$ (
kj = n k1 k2 ... kj 1 pozostaje nam tylko jeden sposb ustawienia:
n k1
k2 ... k j 1 !
-

$ $

( k1 samochodw osobowych, k2 $ k3 takswek, k4 autobusw itp. wynosi: j n k1 k2 ... k j 1 ! n k1 ! n! n! = ... , ki = n . k1 ! n k1 ! k2 ! n k1 k2 ! k j ! n k1 k 2 ... k j ! k1 !k2 !... k j ! i =1 1 ($ # *. Identycznym rozumowaniem
$
n- & n 2 n! k a1 + a2 + ... + a j = k !k !... k ! a1k1 a2k2 ... a j j . j k1 ,k2 ,..., k 1 2
j
k j ! n k1 k2 ... k j !
kj! k j !0 !
= 1.
* (" # $ (
3

" 8

$

! % " 6 $
! skali, ktra jest tam powszechnie stosowana, a
* $ % +

(
% !%

45
w
= " -
9 ( kwadratw o ( x (" #!$

% f(x). - (9 ,

!

% losowej i (
% " Dla zmiennej dyskretnej

" losowa k % k = k(m)

m, a
Pk $

losowej: Pk = Pm" '
!
" - wyniku zamiany, niektre z $ " m1 oraz m2

y = y(x) ! k zmiennej losowej k$
Pk
!$ !

Pm1 dy oraz Pm .
2
2 $ "
x o
f (x) oraz zmienna losowa y$ f(x) zmiennej losowej x
y = y(x). # $

$
% x = x(y). Niech [x1; x2] zmiennej losowej x i niech y1 = y(x1) oraz y2 = y(x2)" #
$ x
x x1 a x2 dx

$ o ( $ &
g(y) dx x
P x1 < x < x2 =
x2

y x2
f x dx =
x1
y x1
y2 dx dx f x y dy = f x y dy = g y dy . dy dy y1 y1
y2
-
$ ! y2

! y1 i

P(y1 < y < y2)" -
$ ! y2

! y1$ !
!
&
dx P x1 < < x 2 = f
x y dy = f
x y dy
y1 y1
y2
y2
y1 dx dx dy = f
x y dy = g y dy = P y2 < < y1 . dy dy y2 y2
y1
1 ( $ % g(y)

losowej y zapiszemy jako: dx g y f
x y . dy , $

"
(II-20)

,

3 " "

$ %"+
y " 7
(

y = F x =
f x dx .
Funkcja g(y. (II-20) ( dx 1 1 = f

x y = f x = 1. g y = f
x y dy f x dy dx zerem a "
7
"
" $

6 "

"
" " " $
" "
" "
(x;) = exp(x)$ J " " "

x:
x=
-
D "$ 5 ! 7 " " " :
y " " C y 1 x = ln y " " " "

y " $
1 ln1 y
.(
46

,
5 ! ( y = x2

f(x) obejmuje zarwno dodatnie jak i ujemne x$ D "" # x w symetrycznym $ 7 " x = y " ""! ujemnych zmiennej x
" (
P x < x < x =
x
4 " "" " 7

"
(
y
f x dx =
0
f x dx + f x dx .
0
1 1 P x < x < x = f x dx + f x dx = y + f y dy = P y < y . f 2 y x 0
& "
7 g(y. " zmiennej losowej y " (
g y =
3 " f(x.

wtedy: g y ; = parametru .
1 1 f y + f y . 2 y
: 1 f x; = 1 + x , 1 x 1 , 1 1, 2
" "

" " % " " "! ""$ 3 " " ( - " " x):
g y = f x = 1 , 0 x 1, 1 f y 1 1 = , 0 y 1. 2 2 y y
1 1 1 1 1 1 y + 1 + y = , 0 y 1, 1 2 y 2 2 2 y
%"
! " " "
" ! " " $
#

$ y = y(x),
x !
$ (
i (

!&
dx1 dx dx + f x2 ( y ) 2 + f x3 ( y) 3 + dy dy dy gdzie xi(y) ( y = y(x). g( y) = f x1 ( y )

8 ( $

( " $ $ "
Poissona:
oczywiste po opanowaniu tego wariantu. Dla przypadku dyskretnego

zmiennych losowych k oraz j$ (

#
$ & k, a druga j dane jest, na

(II-12)$
&
Pk , j =
k

k e . k!
(II-21)
k j

-

sumy m = k + j$

! (k,j)$ (

( m" '
! &
Pm =
k + j =m
k j k j 2 e e = e . k! j! k! j!
Pk , j = e
m 2 k mk 1 m! k !m k ! = m ! e 2 k ! m k ! k m k = m ! e2 , k=0 k =0 m
(II-22)

47

! (II-17) " - $
#
($ #

$ " / 3 (! % $ ( #
#
" . %

f(x,y) dwu zmiennych losowych x oraz y
& u = u(x,y) i v = v(x,y) wzajemnie jednoznaczne. Oznaczmy przez x = x(u,v) oraz y = y(u,v)
S
[a x b; c y d], ktry w

Q, w ktrym jakobian:
x u J u, v = y u

" * $ &
b
x v y v
Pa x b, c y d = f x , y dy dx = f xu, v , y u, v J dudv gu, v dudv ,

c

$ %
losowych u i v wynosi:
gu, v = f x u, v , yu, v J .
(II-23)
# $

$

! $
!
( $ a

!"

,
x x 1 b 1 1 u bv u v = a o jakobianie: J = a a = . y y a 0 1 !y = v u v & " " dwuwymiarowego: 1

1 gu, v = f u bv , v . a a %
" u = x + y: g(u,v) = f (u v,v)
" u = x y : g(u,v) = f(u + v,v). D" " u "
" v "
(II-22). W przypadku sumy dwu zmiennych losowych ! "! f1(x) i f2(y.

(II-15)
(

5 ! " " 7 f(x,y) "" # ! ! x i y. / ( u = ax + by "+ $ 4 "

( v = y. " " ! ! (
x=
gu =
+

f1 u v f2 v dv =
+

f1 v f2 u vdv
(II-24)
" " zmiennej losowej u. %

( splot funkcji. <
" " #

" " $ > " " "! ! ! losowych t1 oraz t2 !" ! " " (t;) = exp(t) o tym samym parametrze $ D" 2(t;) sumy t = t1 + t2 dany jest przez:
2 t; = t; t v; dv = 2 e v e t v dv = 2 e t dv = t e t .
3 " "" t3

" " (t;) 7 2(t;):
3 t; = 2 t; t v; dv =
0 t t

v e
v t v
dv = e
k 1
3 t
t
3
k ! !
"(
t k t; = e t , k 1 !
vdv =
t 2
e t .
(II-25)
48

" Erlanga, a dla k " ) " gamma - " " 7 Eulera.$ 3 "
" " " $

,
i jakobian to:
D u = xnym

u x = n m v y = v
do ktrego dodamy: v = y$ " mn u 1n 1 . n v m n = n n 1 m u v 1
x u J= y u
x 1n 1 v = n u n 1v m y 0 v
& " (

gu, v =
%
" u = xy :
natomiast dla ilorazu u = x : y
1 n
u
f n m , v v
1 . u v
n 1 m
gu, v = f
u
1 ,v , v v
dla danej sytuacji.
D" " u " v w ! !
gu, v = f uv, v v .
2 " ! ! " "" # " ! ! !" ! " <. Dla
x oraz y "(
x;0, x
= =
x2 1 exp 2 , 2 x 2 x
y;0, y
1 2 y
exp

5

u = x/y " f(u):
1 f u = 2 x y

vu
y2 . 2 2 y
z dwoma parametrami:
"
"( " # " " " #$ / " " Breita Wignera lub Lorentza, standardowo zapisywanego w formie
1 2 f x; , = , < < , > 0, < x < .
2 2 + x 2
x v2 1 1 1 y 1 2 = v exp , dv =
2 x y 1 2 u2 2 2 2 2 2 x y x 2 + +u +u 2 2 2 2 y x y gdzie wprowadzony parametr wynosi 2x/y
"

2
Parametr " $ " J ) % " w -! 0 " " 7.$ 3 8
a = 9
" f(x; = 0, = 8. " 0!S .

,
omawianym w Rozdziale II.2.
>"+ " "" # "

" J " % " . " " "
" "
osi x$ " " " E)CF 1].
3 " ""

" " E9F CG
" " " x oraz x $ 2
7 " losowej x " " (

49 f x = 1 , 0 x 1. x= 1 4 L2 , 2
4 L ( 7 " g L wynosi:

g L = f x L
L = 2 1 x2
&"+ (
dx d
1 L = , 0 L 2. 4 L2 = dL dL 2 2 4 L2
4

2
4 1 LdL 1 dz 1 = %z = L2 & = = 2 4 z = 1. g LdL = 2 4 L2 4 4 z 4 0 0 0
&" "" # PL

wynosi 1/2:
2 2
3
" 3 , istotnie
4 4
1 LdL 1 dz 1 1 = %z = L2 & = = 4z = . PL 3 = g LdL = 2 2 4L 4 4 z 2 2 3 3
" "

" "
"
" " " # $ = " "
jed "
w " ""

" " " E)/2; I8G$ 3 " problemu pozwala ! " " E9F I8G
" "
" 7
" (
L = 2 cos = arccos

" " ) oraz +$ , " 7 " g L " (
g L = f L Kontrolujemy warunek unormowania:
f 2 f = , 0 , 2
L
2
(
d 2 d 2
L = arccos = , 0 L 2. 2 dL dL 4 L2
2

2
2 dL 2 2
L = arcsin = arcsin1 arcsin0 = 1, g LdL = 2 4 L2 0 0
0
" "" # PL

wynosi 1/3:
2 2
3
" 3 , istotnie
1
3 2
2 dL L" 2 = z = # = PL 3 = g LdL = 4 L2 ! 2$ 3

3
dz 1 z
2
2 arcsin z
1 3 2
"+ " "

" $ " " ( x oraz y$ , " (
1 , x 2 + y 2 1. , 7 !( r ) " " " " " ) " " $ x$ ! dxdy w zmiennych biegunowych wynosi rdrd
7 F(x,y) ( r f r , = , 0 r 1 , 0 2 . 3 " "
" r F x, y =
L
3 2
2
1 = . arcsin 1 arcsin = 2 2 3 3
" "

" " "
50

$ 2
funkcji f(r, . "

!" " " brzegowego: 2 r 2 hr = f r , d = d = 2r , 0 r 1. 0 0 > "
" L a odcinkiem r (
1 L
L
4 L2 . =1 r = 1 = 2 2 2 & " " " " ( 1 1 1 d L dr 1 = 2 4 L2 4 L2 = 4 L2 = L , 0 L 2. g L = h
r L 2 2 dL 2 dL 4 L2 2 6 " ( ( % 2 12 1 2 LdL = L2 = 1 g L dL = 20 4 0 0 r2 +

$%
"" # PL 3 :

1 2 1 2 1 1 LdL = L2 = 4 3 = . 3 2 3 4 4 4 Na wykresie obok przedstawion 7

" " Bertranda w II.2. PL 3 =
g LdL 3
!
II.9. Modelowanie, czyli metoda Monte Carlo
C
%

$ ( ! $

$ '
Carlo, ktra polega na numerycznym modelowaniu badanego zjawiska. II.9.A. Idea symulacji numerycznej
' ' 3 !

E" Lyons, Statistics for Nuclear and Particle Physicists, Cambridge University Press, 1992" #!$ !

Adam ma 15 lat, a Ewa 12; 12 a 40 ! @ $

12

$ (

+ i $ ( 0
$ (
" #
& 15 " - $
@ > ?$ $ (

0,25

$ > ?$ (

0,75(1 0,9 n)
$ n
15 lat, plus dodatkowa szansa 0,25
@ > ?
0,3 a niewiernych 0,7;
@

0,98$ 0( 0,01, trojaczkw 0,0075 i reszta

( $
>+?
$ !@

0,51;

0,95 zarwno dla matki jak i dla dziecka;

0,97 dla kobiety i 0,95 " #

tej kolonii po np. 200

" # (
" '
$

$ (
!

na przedziale [0; 1]$ (

"
( !

(" * w
" -

0,25 + 6 4 " E

0,98 $
0,98 a 0,99 ($
0,99 a 0,9975
i w

0,9975 ( (" 2
! " #

0,51 to mamy $ w " . $

51
$ " #

$ ( > ?
drodze sprawdzamy, czy dziecko (dzieci) i (" #

2 lata obserwujemy
$
$ 6$ 4
" #

$ %
" #

" '
!$

$
w stanie rozkwitu. W

$

(! $ "
1000 $
!

$ " <

$

(! ! ($ "
! > ?
$

" #

"
roni atomowej i

(" # $ John von Neumann$ ( $ momencie kiedy
>' 3?

" ' ' 3
%(

(" * > ?
powszechnie uznawany jest francuski przyrodnik, G. L. Buffon. W 1777 roku

$ !
(
( $ (

" <
obstawiali zdarzenie

$ (
> C%%?

" C%%
ba $ , a w (0

(
razy na liniowany papier, w celu eksperymentalnego wyznaczenia ludolfiny.
" 8

- . /

-
$
$

$
#
[0; 1],
II.8.a pokazuje nam jak, w

$
!

$

!

$ $
!

$
informacje o % ( ($ (

$ (0 naszej pracy, gdy przy do

naszego komputera). Metody symulacji

( algorytmw generowania
" 8

" 8 (

zaopatrzony w

z kolejnymi liczbami naturalnymi, ktry to cylinder zatrzymywany Geigera Mllera

" ;

($
(
(" #

$
+ " # (
m-krotne takiej
procedury daje w wyniku m

(.
1
$ &

$
komputerach przy pomocy rekurencyjnych algorytmw postaci: x n +1 = a0 xn + a1 x n 1 +...+ ak x n k + b (mod M ),
ziarno) pierwszych k + 1 xi
"
systemowego. Operacja mod oznacza branie reszty M" E

z [0; 1] xn+1 przez M. Parametry a0,..., ak, b oraz M

!

" 8
( (

$ "
x i podstawieniu jej do wzoru w celu

" .

$

prosty wzr:
Dla x0 = 1$
dobr parametrw a0,...,ak, b oraz M$
! $

x n +1 = 3x n (mod 15) . & 3, 9, 12, 6, 3, ... o okresie 4" .

" ; (

$ %
" 5
(
!
$ ( (

" *
%

% " 8 %
! &
$

52

!$ (
% 0 1$ z 0 100, albo np. od 1 do +1 ( $
%
!
@
!$

$ ! w
$ ! ; !$
!$

" <
(
$
$
' 3

0 0$
" * $ ( $

" 8

!
$ !
$ ! ( " -
( ( ' 3$ !

$ ( $
( ! $

!

" -
!$
obliczyli wiele cyfr

%

"
- 0 1
*
Metoda odwracania dystrybuanty

# II.8.a

% $

!
$ (
! " 8

!

(" Jednym z nich jest tzw. metoda eliminacji" - $ %

f(x)
( ! c < oraz jej dziedzina (zbir argumentw x
< a < b < $

!" E

$
: x z [a; b] oraz y [0; c]" -

warunek: y < f (x)$ x $ ( % f(x) i przechodzimy do
" <

($ odrzucamy obie liczby losowe i rozpoczynamy losowanie od " procedury. Wynika ona z
$

%
( (

x = a, x = b
y = c" # x, dla ktrych y > f(x) $ x w $ ( >
?

$ ( y = f(x) w tych obszarach, czyli do
x " 8
$ %
%$ $ granicach od a do b, jako

( (
" 8 !$ ( $ ! c
! %
+ !
$
%
$

( $

! (" .

!
! $ 0!
% g(x)$ (
$ (
c
! f(x) (" <
!$ f(x)
&
x g(x), ! f(x) i ograniczenie cg(x)
! y i
(!& ycg(x) f(x). <

$
x, w przeciwnym przypadku rozpoczynamy "

-
4 " ! " $ 5 "
" " Gaussa, ktrego dystrybuanty 7 7
"

" < $ 5 ! " " " : u oraz v
" $ standaryzowanego " Gaussa, czyli " " 7 (
u;0,1 =
1 2
exp
!
u2 " #, 2$

53

v;1,0 =
6 7 " < (

z; ,
v2 " 1 exp # . 2$ 2 !
"

normalizuje lub standaryzuje z:
u=
z 1 exp 2 2 2 !
2"
#, $
" " " " v, przy czym parametry oraz "!$ >
" " # " ! !
" " x oraz y, " " E9F CG
! #(
u !
z .
= 2 ln x sin2 y ,
" ! !

! " 2ln x
8y$
x oraz y " " $ :
7 " ! < ! ! (
u2 2 ln x sin 2 y 2 ln x cos 2 y v2 " 1 1 f u, v = exp # = exp 2 2 2 $ 2 2 2 !
v = 2 ln x cos2 y ,
2"
#= $
x 1 . exp'ln x( = 2 2
Jakobian (
sin2 y J = x 2 ln x cos2 y x 2 ln x
2 2 ln x cos2 y 2 2 ln x sin2 y
2 x
Ostatecznie (patrz (II-23)): g x , y = f u x, y , v x, y J =

x oraz y " " $ 6
" z "
" < $ > " " ! ! !
"+ !
parametrach i .
x 2 = 1, 2 x
8 7 ;"F $ (

!
$ (
& , kwartyle$ oraz !
" - $ ( (
$

( 0!
9 # $

$ " Poissona
$ <
oraz " - ! 9

w II.10.A. Parametry pozycyjne w
II.10. Parametry zmiennych losowych

moda, (

7 ;"F$ !
x$ $ ( %

0
!
. $

( "

!2 3
> " " " (II-21)$ >"
" "! ! "(
54

" "

(
k +1 e k + 1 ! k +1 k ! k +1 . = = k k = k + 1 ! k +1 k e k! kmoda 1,
o ile parametr " $ % "

" " " k = 0.
1

kwantylami" ) p zmiennej losowej x o dystrybuancie F(x) ! xp$ ( (!&
F x p = p .
) 0,5 nazywamy " . symetrycznego moda jest ( " ) 0,25 oraz 0,75 to nasze dolne i grne kwartyle. 6 ! terminologii, terminy: moda, mediana, !
& z prbki, gdy chcemy !

" )

( $

" ( n pomiarw z f(x) o dystrybuancie F(x). Oznaczmy przez x1 < x2 < ... < xn
($ w szereg pozycyjny. W ( $
$
F(x) danych w prbce, dla ktrych zachodzi x x" - n + 1 (& (; x1), [x1; x2), [x2; x3), ... , [xn-1; xn), [xn; )$ !$ % 1/(n + 1) ($ " ! 1/(n + 1) ! F(x1), 2/(n + 1) ! F(x2) "$ n/(n + 1) ! F(xn)" 8

(
(I-3) w postaci >
? % 7 ;"F" 1 $ qi $
rwnaniem: Fqi =
qi
f x dx

!2 3

xi$ !
$
! dystrybuanty F(x), a tym samym i %
f(x). Kwantyle qi
$ $ punktami, $ "$ u, z ( " 8
par (xi, qi) kwantyli oraz danych z
" wykres kwantyli, zwany wykresem .
D " " logistyczny " " (
F x ; , = 1 1 + exp !

) *
i n +1
(II-26)
. x " # $
wynosi 10, a parametrowi
yi =
1 1 + exp ! xi " # $
xi = ln
1 1 , yi

" 8

" " "
"" xi,:

" yi !" " " [0; CG$ / 89 -. ! qi
" (
(i = 1, 2, 3, ... , 20) wg (II-26): 1 i n +1 i

. = qi = ln
" $ n + 1 1 + exp qi i Wykres obok przedstawia uzyskany diagram probitowy par (xi , qi )$ ! q
q=

"! = 10, a jego !
"

" " "

A
! HICC$
x ,

55
= T:T wyniku prac belgijskiego matematyka Pierre Francoise Verhulsta '! " $ J
(I-1) "
" $ D U ! ( (
dN N = N 1 , dt
N t =
. 1 + exp)t t0 *
!2 . 4
!

&
Oto liczba k dzieci w dwudziestu rodzinach krewnych i znajomych autora niniejszych notatek: 2, 1, 1, 2, 0, 2, 1, 2, 3, 4, 0, 2, 2, 1, 3, 2, 1, 2, 2 oraz 1" G tej prbce znajdujemy jako: 1 34 = 1,7 . k= 2 + 1+...+1 = 20 20 '
0!

($ k 0 1 2 3 4 ! nk
$ " G nk 2 6 9 2 1 k=
4 4 n 1 4 knk = k k = kFk , n k =0 n k =0 k=0 Fk

k " 8$

Pk$
(
(!
&
Ek k k

k =0
kPk ,
(II-27)

" /

$

(
!2 .
dyskretnej zmiennej losowej k

Pk. Jak . zmiennej "
k =0

( +

= kk = k
k =0
4 " " dyskretnej " Poissona (II-21):
k
k!
e = e
k = k =1 k 1 !
" " " = 10. %"
" "" C9
" " $ 6 " " " !
$ " " geometrycznego (II-2), dyskutowanego w " II.1.a
" zmiennej
losowej k wynosi (stosujemy oznaczenie q = 1 p): k = k
k =1 k =1 k =1

k 1 m = e =, k =1 k 1 ! m= 0 m ! na mocy znanego wyniku analizy matematycznej: xn ( ,- n! = e x . n =0
= e

d d d k p = 1 q kq k 1 = 1 q dq q k = 1 q dq
qk = 1 q dq
q q m =
k =1 m= 0
d
q 1 1 = . = dq 1 q 1 q p 4 p " "
" "$ & " - . " p = 9
C
< k > C9$ = 1 q
2

( !
zmiennej losowej x" 2

k 0! nk w " G
56

&
arytmetyczna
xk z prbki, podczas gdy w !
x=
N N n 1 n 1 N xi n x k nk = x k nk k = x k fk k , n i =1 k k =1 k =1 k =1
gdzie x[k]

$ " $
! N (" *(!

fk" -
n danych $
7 ;;"A

$ !
! k$
($
" 6
$ $

($
%
!& x k f k k n xf x dx . , 0 k =1 /
! zmiennej losowej x %
f(x):
k
E x x x
xf x dx .
(II-28)
; $

zmiennej losowej, mamy trzy formy " <

!

"

!2 .
" " Gaussa:
1 x = 2 1 = 2

x exp

x 2 2

dx = 'z = x ( =
1 2

z + exp

z2 dz = 2 2
7 "

" " " " Gaussa. Tym samym parametr " < " "$ 3 " II.6.b, w punkcie " <
" "$ 2
" "
" " -" II.1.b):
2 2 2 2 1 t t dt = tdt 2 t 2 dt = = 2 0 3 3 0 0 0
" . t = tf t dt =
z2 1 dz + z exp 2 2 2

exp

z2 dz = 2 2
*
$

i
$

$ ( (
$ (

" 8 ! ! losowej. 8$
( danych xi (i = 1, 2, ..., n)$ ( ! ( dyskretnego $
!
$ $
" '($ czna:
x= estymuje ! +
( x ! x" 8
" prawem wielkich liczb, ktre ($ & 1 n xk n k =1
(II-29)
dla dwu dowolnych liczb i istnieje taka liczba naturalna N, " : P x x > < dla wszystkich liczb naturalnych n " N.
;
$ !

$ ! (!
$ 0
(" # $
! " 8 ! % $
(& ($ " $
$ ulegnie zmianie. .

symbolu < ... >$ . # $ ! sumy zmiennych losowych

57 x oraz y

"
f(x,y),
wtedy:
x+y =

dx
x + y f x , y dy =

x dx
f x , y dy + ydy
f x , y dx =
xf1 x dx +
yf 2 y dy = x + y ,(II-30)
(

gdzie f1(x) oraz f2(y)

(II-13) i (II-14)" .(

$

" 8

! ! $ (

!
i skomplikowanych postaci wzorw z

" ,( jeszcze raz, z

" 80

$

$
( $ (
zmiennych losowych, ktre
$ $

!
$

& < xi > = < x > = x. 1 ! tych zmiennych losowych: 1 n 1 n 1 n x = xi = xi = x = x . n i=1 n i =1 n i =1
-

$
( $

"
( !

(" 80
$
(

dla

( !
, co da
( " - " (
1600 (

% 7 ;;"A podzielimy na 160 ( $ 10, to ( 160 " 2

($
z ( $ $ ( nieznaczne i
! ( oczekiwanej dla populacji. Ilustrujemy to na wykresie " *(! $ jest

+ !

1,9 hPa +
( !

1600 danych, dla 5,9 hPa.
!

" )
%
!$ (

" #

%

$ $

!
%"
!
% + %" -

" $
(
$

" -

$

$ (

" $

Drugim terminem jest estymator" )

$

" -

" '(
!$ (
%
; $
sensie statystycznym.
arytmetyczna zmiennych losowych jest estymatorem ,a
$ (
" 8

($
"
(
$

. Termin estymator
! $ (
$ $
$ (
estymuje.
8

" 4

>H?

$

(
lub odchylenie standardowe" < $

x $
x zmiennej losowej x$ x .
8
! (

p ! p $

( eksperymentu, a $
" 8

( $

% matematycznej) wraz z symbolem daszka nad

$ ( $ "
" 4

58

symbolu alfabetu greckiego. W odniesieniu do estymatora p x1 ,... x n i estymaty p x1 ,..., x n $ % f(x) f(a) w zadanym punkcie x = a. # dla zmiennej

! % " - g(k)
%
k
Pk$
% !&
E
gk gk gk Pk ,
k =0

!2 .

"
, w ( " ! "
!
$ 3 "
! ! $ ;
@ 6
H M L !$ "
H " 8 B 6 !$ 6
!
( 8 + 4 + 6 1 3 5 = M $ 6
pojedynczym rzucie oczekujemy typowo 9
L $ >
"
+ losowej m = (1)kk
" k to zmienna losowa o " Pk = 1/6:
= 1k kPk = 1k k 1 = 1 1 + 2 3 + 4 5 + 6 = 0,5 . 6 6

6 6 k =1 k =1

% m "

"
$
Dla funkcji g(x)

zmiennej losowej x
f(x), funkcji g(x)
!&
E
g x gx
+
g x f x dx ,
(II-31)
# % !

&
0
$

" 8
($

funkcja g(k) = k, a dla funkcja g(x) = x$ nadziejami matematycznymi) tych zmiennych.

!2 .
? "

! " D " " (
f D = 1 , a D b. ba
: ! S ! @ > + " $ > S = D2
D = S + " "" # (II-20) pola powierzchni S:
1 1 1 dD = = , Sa = a 2 S b 2 = Sb , dS b a 2 S 2b a S (II-28): g S = f D S
1 = Sg SdS = 2b a Sa
Sb
Sb
3 " " (II-31):
Sa
1 S dS = 2b a S
Sb
Sa
SdS =
Sb Sb Sa Sa 2 = b + ab + a 2 . 3 3b a
= S D f DdD =
a
2
" " $ 5 ! " !
+ " D = (b + a)/2?
S
o "$
b 2 2 3 3 2 D dD = b a = b + ab + a . 3b a 3 ba a
0

! S " ! S(D) kulki
E(y|x) zmiennej losowej y:
= 2 = b + a2 . 4
7 % !

(II-32)
x y x
y
f
y x dy =
y
f x, y dy f1 x
!
E(x|y) zmiennej losowej x:

59
x
x
y x y
f x y dx =
$ % x(y) argumentu y oraz y(x) argumentu x" 1
krzywych regresji pierwszego typu zmiennej losowej x y dla x(y), lub zmiennej y x dla y(x). W (
0 (x,y)
" *$ uzyskujemy jedynie dla przypadku zmiennych
$ $ z % (II-15) %
$

$
&

x
f x, y dx , f2 y
(II-33)

!2 .
y =
x
f x, y dx = f2 y
f x f2 y x 1 f2 y
dx =
xf1 x dx
= .
>" pierwszego typu zmiennej y " x " " " < - " II.6.c
" " " .(
y x =
1 2 y
Podobnie, dla krzywej regresji zmiennej x " y :
y exp 1 2 !

y y 2 2 2 y 1
2" x x # dy x $
= y +
y x
x x .
x y =
1 2 x
%"
" " $ D ! "
"
" ! " " $
x exp 1 2
2 2 1 2 x
! x x + x y y # y #
2 dx "
= x +
x y y . y
7
&

$ (IQ) wynosi 110. Test ten jest tak

$ ! $ ! , wynosi 100. Jak daleko od
9 3 !
( 0
inteligencji? W
! " 8 7le I.2
$
( n
!
sx:
sx = 1 n 2 xi x . n 1 i =1
!2 0 45
3 $ $

7 ;;"AI"C$ !

9 ' !$
$
&

! $ $ ! $
! ($

zmiennej losowej dyskretnej:
2 Vk D2 k k E
k k

~ 1 n 2 S2 = x i , n i =1
(II-34)
oraz zmiennej
: V x D2 x 2 E
x x x

k =0
k k
2
Pk
(II-35)

% $ ( % $
% (
" #
$ !
x$

x
x f x dx ,
(II-36)
60

odchyleniem standardowym"
$

dla sx. W literaturze statystycznej funkcjonuje oglny termin: dyspersja$ ( , rozrzut, $

( 3

" 6 !
" 1

!

dyspersja i (odchylenia standardowego).

(!

stwierdzenia jest tzw. * 0$ ( $ 2 x P x x 2 , !

"

!
&
#$

" -

( &
*(! $

$ (
jak i dyskretnej,
k =
k 2 =
k 2 2k + 2 =
k 2 2k + 2 =
k 2 2 2 + 2 ,
o ostatecznej formie:
k = k 2 2 .

!2 0
Z definicji (II-35), albo lepiej, z (II-37)
zmiennej " Poissona: k k k 1 k = k 2 k 2 = k 2 e 2 = e k 2 = e k 2 = k! k =0 k =0 k =1 k 1 ! k =1 k 1 !
(II-37)
= e m + 1
m= 0
m m m 2 = e m + 2 = e e + e 2 = m! m! m= 0 m! m=0
" "
: Dk = . (II-38)

!2 0
& " " 7
(II-36)
" zmiennej " Gaussa:
V x =
1 2
2 x
exp

2 x dx . 2 2
0

" (
+
I = + exp x dx , =
> "
1 . 2 2
II.6.b
( I = 2 = 2 1 = . 2
+ x
> "

(
d d 2 2 exp x dx = exp x dx = I = + d d

"(
exp x dx ,
x +
exp x dx =
d d
d 2 = = = 2 3 , d 2
2
dx
i ostatecznie: 1 V x = 2
2 x
exp

x

2
1 2 3 = 2 . 2 to
6 " " < "
(
dyspersja "$

61
< ! zmiennej

$ 0

$ ktrej nasza prbka ~ $

cechy x ! (II-34) na S x . Jaki jest

sx9 # !

sx: 1 n 2 2 = (II-39) i n 1 i =1
xi

xi = x = i obliczmy ! & n n 1 n 1 1 2 2 2 2 2 sx = = xi x xi x = xi 2 xi x + x = n 1 n 1 n 1
i =1 n i =1 n i =1 n
= =
1 n 1 1 n 1
xi
i =1 n
xi
2 x xi + n x
i =1 2
1 n 1
xi
i =1
2n x x + n x
n n 1 n 1 n 2 2 2 = xi x V xi n 1 x . n 1 i=1 n 1 n 1 i =1 i =1 7

(
" * j $

( & J(xi) = V(x). Upraszcza to nieco nasz rezultat: n
2 2 sx = V x x . n 1 8

$ n/(n 1) oraz drugi wyraz: ( x )2 pierwszy wyraz jest tym " * $ x jest obiektem zbudowanym ze zmiennych
$ (
( +

. Jako taka, "sama z
B +
3
z 7 II.10.B" 8 !& ( x )2 = x
" Kontynuujmy nasze obliczenia i 0 " 1 (& n x
2
1 n V x = xi n i =1
1 n 1 = x i n n n i =1
1 = 2 n
2
i =1
x i n
n n
1 = 2 n
x i i =1
= =
1 n2 1 n2
xi x j
i =1 j =1 2
1 n2
xi + xi x j
i =1 i =1 j =1, j i

+ xi x j = n 2 nV x + xi x j . i =1 j =1, j i i =1 j =1, j i *

(
$

(" 8

(

($ a

" 1
xi $ one z
$
% $ 0! ! (" '
!
% $
$ (
" 1 ($ $ $ i $

" 1 $

$ % g(xi,xj) zmiennych xi oraz xj dana jest iloczynem funkcji f(xi ) oraz f(xj)" .

$ 7 ;"F$ ( prostej" 2 !
&
xi i =1 xi
x j =
xi
x j f x i f x j dxi dx j =
xi
f x i dx
x j
f x j dy =

(II-40)
(II-30):
= xi x j , xi = xi = = 0, V x = 1 V x . n
(

$ wynosi:
(II-41)
1 $

nK
i dlatego !

" '($ ! $

$

62

" 8 $ (

$
w Rozdziale II.10.B. 1 $
($ $ i

D(x), a $ 1 n , dyspersja + $ !" 8 (II-41)

&
" # #
#
#
czwrnasb!
*
! $ ( $ (& ! ! !
$

$ (

2
( %
" 8(! sx :
n 1
= . n 1 n 2
$
wariancji ( standardowej, kwadratu (II-39)$ !
( xi " *(!
( 1/(n - 1) %
" . % $ <sx2> = V(x). Fakt,
2 =

( ( ! ($
$

$
( . < !
$ $

nam wzr (II-34).
(odchylenie standardowe # ): s = s = n
#

n 1 ( xi x ) 2 . n(n 1) i =1
(II-42)
2 8 ! $

$ " 8 ! tej zmiennej wynosi V(x), a ile wynosi jej wariancja9 8
% (II-37), otrzymujemy: 2 = 4 2 =
1 n

n3 2 . nn 1
(II-43)
2 Estymatorem J(sx2)

! ss 2 : 2 ss 2 =
(I-2), zwana jest 6# : 1 n S = ( x i x )2 n i =1
8
$ $
! , a " C ( Rozdziale III.5. #
sx$
! $ ( oczywistej analogii do
(II-44)
1 n xi n 2 n 3 n i =1
x
n 2 1 n2 3 4 2 2 sx xi x sx . 2 n n 2 n 3 i =1

" - $ ! (

sx jedynie dzielnikiem i w % (
" *(! % $ ! &
2 =

( " 1
(
"$
2 "6 estymatorw, takich jak lub $ ( !
(
" # $ $
prbki$

asymptotycznie
n 1 1 n n 1 2 n 1 1 n 2 2 i = n n 1 i = n = n n i =1 i =1
".
liniowej zmiennych
" 7
x oraz y, o f(x,y), z ktrych : z = ax + by + c" 8 ! $ (II-30), wynosi: z = ax + by + c = a x + b y + c = a x + b y + c .
8

'($ !

( &

63
ai xi
i =1
= ai x i .
i =1 2
(II-45)
2
Dla wariancji sytuacja jest nieco bardziej skomplikowana:
z = a x + by + c =
=
ax + by
+ c ax + by + c = a 2 x x
2
= ax + by + c a x b y c
=
2
8

:
2

a x x + b y y
(II-46) .
+ 2ab x x y y + b2 y y
2

Vz =
a 2 x x + 2ab x x y y + b2 y y
2
f x , y dxdy =
2

&

= a 2 x x f x, y dxdy + 2ab x x y y f x , y dxdy + b2 ++ y y f x , y dxdy

x x f x , y dxdy =

x x
2
8$ losowej x

brzegowym f (x). Podobny &

f x , y dy dx =

x x f1 x dx = V x .
$$
y y f x , y dxdy =

y x
2
,

" ,
$ " # $ ( (II-40)$ statystycznie
( " 3
$

7 II.10.E. Ostatecznie: V z =a V x +b V y . *$ ( dwch zmiennych

" #
(

z = a x + a x + ... a x + b: V z = a V x + a V x +...+ a V x . (II-47) .
( $

$ 7 II.10.E.

f x , y dx dy =

$
y y f 2 y dy = V y .
1 1
2 2
n n

2 1
1
2 2
2
2 n
n

!2 0
w
% "

" ! ! $ 5 "
!! 7 "
! " "
"" $ %+
! ! ! "
" 7 "" " "! ! " $ % " "#
" L 500 lat i B99
" " " 7
obiekt liczy sobie 5 999
899 $ 2 "
" " " $ 0 @ "
powinien " $ <"
7
" $ 3 @ 0

" @ 0
"
"
" "
" "" " ""$ D "
# L 999
L8L9
"$ = " ! $ %"
" " " $ <" " "
" " ! -"" .
" B99
" " $ 1 " 899
wynikiem z drugiego laboratorium. Dopiero w " " ! "! " $ %"
z "
" "
! $ % " " ( 7 CIL BIL
!
"" $
W wiek = 1 4 5500 + 5000 = 5100. 1+ 4 1+ 4
64

&7 $ 5 ! " ! ! ! xi (i = 1, 2, ... , n.
" " ! " ! i $ / :
x w = wi xi ,
n
!

" wi $ ? x w :
xw = wi xi = wi = wi = ,
i i i
i =1
" (
wi = 1.
i
Wariancja 2 statystyki x w , na mocy (II-47) - losowe, prbka prosta), wynosi: w x w 2 = wi2 2 . w i
(II-48)
% wi "

(
wi2 2 = minw1, w2 ,, wn , i

i
przy warunku:
wi = 1.
i
3 "

" Lagrangea
$ przepisujemy do postaci:
wi 1 = 0
i
"" " 7

" - ; S.(
wi2 2 + wi 1 = min , i
i i
" " wi $ &
(
2 w 2 k k
+ = 0 k = 1,2,..., n ,
" n+C # " " wk oraz $ D n ! " wk :
wk =
! i
wi 1 = 0 ,
, 2 2 k 1
" " "

:
= 2
"

wagi wk :
2
i i
1 2 k wk = , 1 2 i i " " " : n xi 2 x w = i =1 i . n 1 2 i =1 i Wariancja (II-48) " ( 1 2 = w 1 . 2 i i
>
" " " " (II-29) i (II-41)
" "
! !"
" - "
a nie oceniane z prbki).
0 " xi oraz ich dyspersjami i

, ktra 2 " @ 2
sw zdefiniowana jako:

65
2 sw
1
n 1
2
i i
xi xw
i i
!

$ " (
2 sw = x w =
2
i i
%
sw

w

. 2 " " "!$ 3 "
"
" $ & " " !
! $ 3 " " " 7 sw jest rwna liczbie " " - " 7 w ):
2
xi x w i i
= n 1.
! "! , dla ktrych " - . " "
"" "
"" " problematycznych wynikw. Jest to, naturalnie, procedura wysoce arbitralna. Rezultaty w " " ! " tym zakresie wielu ! "$ ? " " " ! "! ""!$ przez wsplny czynnik U ""! wszystkich !
(
xi x w
i U i
= n 1
$ 5 "

" w o ten sam czynnik U
7 sw.
3

!

+ #, $ *
w prbie: sx x " #
!

!
" # %
% ! $ $ (
($
! " - "

!
$
(

dyspersji i "
!2 7 4" 6 #6
losowej i definiujemy je jako:
*$

(
" 8 momentami centralnymi n n zmiennej
n k n x odpowiednio dla zmiennej dyskretnej
n
= k Pk ,
n
x
f x dx ,
. Wariancja
" 1 (
mn n definiowane jako ! funkcji g(k) = kn dla zmiennej losowej dyskretnej i funkcji g(x) = xn dla zmiennej losowej : mn k n = k n Pk ,
k
mn x n =
#
7 ;"F $

" 8
(
zmiennej definiujemy jako:
x n f x dx .
66 1 = 3 , 3
n

!
(
&
1 = n
n 1 n 2
i =1
xi
x
. sx
8
(

!&
2 = ktry estymujemy przez: 2 =
2 n x x
n 1 nn + 1 is 3 n 2n 3 . n 1 n 2 n 3 i =1 x 4
4 3, 4
8
$ 1 oraz 2 !

($ (!

" 8
( (

( 1/(n 1) !
: $
! , a stosujemy w jej miejsce to co
$ ! $ w miejsce dyspers$ !
" . $ 1 oraz 2

1

2 ( <
" Dla danych z ($

"

!2 7
wynosi:
2 " " Gaussa. Trzeci moment " "
3 =
1 2
" 7 " < $ ? + , (

x 2 3 x exp dx 2 2
u = !
x " 3 #= $ 2
3
u2 u exp du = 2
1 4 = 2
0
dla zmiennej z " <
" 7 "
" II.10.C.b$
(

x 2 4 x exp dx 2 2
1 = 'u = x ( = 2
4
u exp
u2 du . 2 2
I = u exp u du =
4 2
2

" <
w " 7 eksponens mamy parametr = 2/2:
1
2 1
3
3 5 2 = 2 = 2 = 3 2 5 , = 2 2 4 2 " " " . Ostatecznie: 4 = 3 4 ,
exp u du =
2

2 2 2 2 exp u du = 2
exp u du .
2
2 I= 2
2 2
" "

" (
2 =
3 D" :$8

" M " " " <
" " "$
!2 8 *
# 0 210 169 187 160 0 130 122 124 104
3 4 4 3 = 4 3 = 0. 4
167 176 185 205 173 146 174 201 198 148 154 112 101 121 124 115 102 98 119 106 107 100
.

$ ( ( " 2

(xi , yi ), i = 1, 2, ..., n. Zacznijmy od paru (" #

(w mm Hg)

67

" ;

$

! drugie. W tym przypadku mwimy o dodatniej korelacji " 8
( (I-4), wprowadzony w Rozdziale I, wynosi dla tych danych 0,65 i

" # w Rozdziale I.1, g

( ! (
i " #

$
$ (
%
u
( & MacGregor, G. A. i inni, British Medical Journal, 2, 1106, 1979), a obok przedstawiony jest wykres punktowy " 7

danych:

(" 2 " ;

$

" '($
. ;
$ !
(
0,7. Relacja ta jest

$
7 ;"F$
%" .

( " '
!
danych, niekoniecznie !$ (

$ (

"
$ !
( charakteru" 8

!

! $ " 3
rozkurczowe krwi

$ 9 A
$ (
ogle, co w wyniku
$ (

9

przebiegiem, w milach z jednego galona, dla samochodu typu diesel, a $ lutowej edycji 1992 czasopisma Diesel Car) dla czterdziestu jeden marek

(w cm) i (w kg) trzydziestu jedenastoletnich uczennic z jednej klasy w jednej z

( & .$
F., i inni, Elements of Statistics, Addison Wesley Publishing Company, 1995). Czy w tym przypadku zw

Spjrzmy na jeszcze jeden wykres punktowy (po lewej)

$
>
!?
(9 6 ( (
!9 Aby przestrzec przed przyczynowym (
korelacyjnych$

$ (
" 1 (
$ , *

danym stanie i poziomem alkoholizmu w tym
$

( !
( hektolitrw alkoholu" . Europy
(
a
$ !
"
) '
*
(
$

( %!
( $ ( $ &
r
n 1 x i x yi y . sx sy n 1 i =1
(II-49)
- !&

$ $ !$ (
$ ! &
1 n xi x yi y , n i=1
i , j covi , j
i
i j j
i, j = 0
i i j j Pij =
ij i j
(II-50)
68 dla zmiennej dyskretnej, oraz:
x

x, y cov x, y
x x y y
x y y f x , y dxdy = xy x y
(II-51)
" 1

kowariancji zmiennych losowych i jak widzimy,

" 4
!

! % $
(" ;

$ (
$
nnej losowej x, zmienna y " ; $ $
x, zmienna y " 8
!
% (II-50) oraz (II-51). -

$ %
f(x,y) dana jest iloczynem %
f1(x) i f2(y) $ &
cov x, y = xy x y = xy f1 x f 2 y dxdy x y = xf1 x dx yf 2 y dy x y = x y x y = 0 (II-52)
!

). Niestety, odwrotne
" ) ! ( $
!

" 6
!
! % % postaci: f(x,y) = 3(x2 + y2)/8 [1 x +1; 1 y +1]$ (
$ &
+1
3 1 3 1 x = x x 2 + y 2 dxdy = 0 , y = y x 2 + y 2 dxdy = 0 , 8 1 8 1
1 1
+1
+1
3 1 xy = xy x 2 + y 2 dxdy = 0 . 8 1
1
O takich zmiennych ($

nieskorelowane (w (
& " ' % $
7 II.10.C, gdzie Vz = a 2 V x + 2ab x x y y + b2 V y .

" 1 $ wzr (II-46)$

z = ax + by + c w formie: -

zmiennych
$ $
to po prostu kowariancja obu zmiennych: Vz = a 2 V x + 2 cov x, y + b2 V y . #
(
z = a1x1 + a2x2 + ... anxn + b:
Vz =
i , j =1
ai a j V xi , x j .

(II-53)
2

! & &
a=
z = a V x a T ,
a1 a 2 an
T dz dz dz , , ... , = a1 , a 2 , a n , a = dx n dx1 dx 2
, V x =
x1 cov x2 , x1 cov x n , x1
cov x1 , x2 covx1 , xn x2 cov x2 , x n

cov x n , x2
xn

!2 8

% " II.6.c

" " " Gaussa:
x y x y

x, y; , , , , = exp 2 1 "

" 7 (II-13) i (II-14)
" " Gaussa: 1 x; , = 2 exp x 2 ,
1
2
!

2 21

x x
y y x x
y y + 2 #, x y x y
"
$

x
2 x 2 x
! ! E(x) = :
y y 1 exp y; y , y = 2 2 2 y y
x
2

oraz E(y) = y i dyspersjach D(x) = x oraz D(y) = y. Obliczymy

69

x y uv exp 2 1 2
cov x, y =
u2 + v 2 2uv 21 2
dudv
"

" " : y y x x , v= . u= x y 5 " ! !( u = cos sin ,
v = sin + cos , " 7 " ( 2 2 u 2 + v 2 2uv = cos sin + sin + cos 2 cos sin sin + cos = = 2 + 2 2 sin 2 + 2 cos 2 2 sin 2
= 45:

u 2 + v 2 2uv = 2 + 2 2 2 = 1 2 + 1 + 2 .
"

(
cov x, y =
x y 2 4 1 2
2 exp
!
2 2 " #dd . 21 + 21 $
4

"
rwne zero i " <
obliczaniu wariancji " " <(
cov x, y =
x y 2 4 1 2
exp

21 +
2
2 2 dd 21
exp

dd = 21 + 21
x y 4
21 2
2 1

2 2 d = exp d 21 + 2 exp 21 + 21
4 1 %
( cov x, y = x y .
x y
21 21 + 21 + 21
= x y .
6 " " <(

! !$ > 7
losowe dla " " < $ > !
7
" " < zmienne nieskorelowane to zmienne $ 3 " ! " <
" "
" "" #$
-

D(x) oraz D(y) ( x oraz y$ %! *
# # Pearsona zmiennych losowych: cov x, y (II-54) x y . 1

(" 5
$
% x oraz y do zmiennych u oraz v postaci: x = au + b , y = cv + d ,
( a oraz c
$
( &
70 = =

cov x, y Exy E x E y Eau + bcv + d Eau + b Ecv + d = = = D x Dy D x D y Dau + b Dcv + d acEuv + adEu + bcEv + bd acEu Ev adEu bcEv bd Euv Eu Ev covu, v . = = Du Dv Du Dv acDu Dv
1 $
(
$ ( " $ (

!
funty, kilogramy jak i cetnary, a do drugiej kilometry, metry 0 $ $ !
(
" ;

" 6 !$
standaryzowane zmienne: u= jednostkowe:
5
$
$

*
( :
V u + v = u + v Vu v = u v
2 2
y y x x , v= . x y
Eu = Ev = 0 , V u = u 2 = 1 ,
Vv = v 2 = 1 , covu, v = uv = .
= u 2 + 2 uv + v 2 = 2 + 2 , = u 2 2 uv + v 2 = 2 2 .
# $ %

$ &
u + v = 2 + 2 0 u v = 2 2 0
1 + 0 1 , 1 0 +1 . Ostatecznie: 1 +1 .
-
(
( $
%
$

" ;

! absolutna, tym silniejsza jest cecha zwana # zmiennych. Maksymalna korelacja odpowiada znaczeniom rwnym 1$
$ istnieje liniowa ! " ;
$ = 1

(& J(u v) = 0 lub V(u + v) = 0$ $ & u v = 0. Z ( $
% $ & -
(

!" ' !
$
( $ ( " ;
$
: V(v u2)2= 0$ 4 ! zmiennej v od zmiennej u" - & J(v u2) = v 2 vu2 + u = 1 2 vu2 + u4

i zerowa
(w (

( " - $
% $
(

" ;
$

$ !
$ ! " ;
$ uproszczenia, niech zmienne x oraz y
0
&
zmiennych$
y x x = 0 y = x x + y . y x x Wynik ten usprawiedliwia przymiotnik liniowy
( " y y
( $ ad cb 0 !

$ wtedy:
covu, v = uv u v = ax + by cx + dy a x + b y c x + d y = = ac x 2 + ad + bc xy + bd y 2 ac 2 + ad + bc x y + bd 2 = x y
u !v
= ax + by , = cx + dy ,
2
$
( a, b, c i d
$ &
2 = ac x 2 2 + ad + bc xy x y + bd y 2 y = ac + ad + bc cov x, y + db . x

71

!
" 8$

!$

" ( . #
%$
( $

$
' 3"

ad + bc = 0 , !ac + bd = 0 ,

=

=

=

=

=
8 $ !&
0!
$
zmiennych losowych. Nie jest to
" *

! " - ! (9 80 !&
R
1 n xi x yi y , n i=1

:
R = = = 1 n 1 1 n 1
1 n xi x yi y n 1 i =1 = =
(II-55)
xi x y i y
i =1 n i =1
1 n 1
xi x x x y i y y y
i =1 n n n i =1 i =1 i =1
xi x y i y y y xi x x x y i y + x x y y
1

&

+ + i z (
(" 8 !
(
! ( $ !

pary (xi ,yi ) od pary (xj,yj) dla i j w pobranej prbie:
xi
1
1 n 1
n xi x y i y n x x y y = n 1 n x x y y n xi x y j y n 1 i =1 i , j =1
x y j y = xi x y j y = 0 , i j .
.

!&
R =
n n cov x, y cov x, y 1 1
n n cov x, y xi x y i y + xi x y j y = = cov x, y n 1 n i =1 n 1 i j , j =1 2
$ R
" ) estymatorem kowariancji zmiennych losowych. ' $
( (II-54) $ !
( korelacji (I-4) z prbki: R r . sx sy
72

# %

)" #
$
(
( #
$ (
((

$ ktrych to jeden (" #

( $ ( ! 1,

formie liniowej$
%
( ! %" ;
$
& F. Daly i inni, Elements of Statistics, Addison-Wesley Publishing Company, 1995
( $ (
( #
!& r = 0,817, ale

tylko dla pierwszej z nich gotowi
#
$ ( " .

$
% $ (

0 " '
! $
(
zawartej w danych, a w

( , ( " 1

($ (
$
j), a mimo to

( , ( $

( #

0,93. Metoda
( ,
( $ wiec np. dla punktw

. .
$

! !$ % " #

$ (

! ) $ wykorzystaniem h $ (
! " h = d + L tg -
obarczony jest nasz
$ d % 9 *
! !
$ $ ! % !
L

( " # xi oraz yi x y 0,1 0,077 par w

, parami liczb 1,1 0,585 ! " E 1,5 0,699 nazywamy rangami " -
( 2,3 0,841 #
$
( 2,9 0,902 $
( ( " 3,5 0,939 8
( *
# 9 . 4,1 0,962 *
" 8 tabeli obok po lewej podany jest 4,4 0,970 (
$
4,8 0,978 wykres punktowy " - $
5,2 0,984 pewnej krzywej i

( 6,0 0,992 Pearsona o r = 0,85. - & (0,1; 0,077), (1,1; 0,585), ..., (6,0; 0,992)
!$ a & (1;1), (2;2), ..., (11;11),
(
3

(
! !" .

"
II.10.F. Momenty funkcji zmiennych losowych

73

w
0 (" -
" model pomiarowych$

" 7 $
$
y zmiennej. Niech y = f(x) argumentu x, ktry mierzymy jako x z sx. Niech ! x zmierzonego argumentu x wynosi x" #
! % y = f(x) w &

6
y f x +
df dx
x
x f x +
%&

df df = dx dx ,
x =x
x = x
df x x , dx
f(x)
y = f(x)
! (II-31) y:
x x
df x y y f x + x x = f x , dx
y$
! ! $ & y = f(x)" ' ! $ 0! z definicji, np. (II-36):
y
y
f y
:
" y
%$

D(x) ! sx x zamiast w punkcie x: df y f x sx . dx
df x x dx
=
df dx
2
x x
=
df dx
2 x .
! %

" 8 % y = f(x1, x2,..., xn)

% punkcie ( 1, 2, ..., n x1, x2, ..., xn. Aproksymacja
! 2 % ( :
y f (1 , 2 ,..., n ) + gdzie: df df = dx i dxi .
xi = i
f f f x1 1 + x 2 2 +...+ xn n , x1 x2 xn
f xi i = f 1 , 2 ,..., n , i =1 x i f(1,...,n)

! ! f(x1,...,xn)" #
(II-53)$ & n

2 y y f 1, 2 ,..., n = f xi , x k f . xi xk i , k =1 1
$ xi
ich estymatami Ri,k, oraz dyspersje D(xi )
si $ ! % !
: y = y f 1 , 2 ,..., n +
n
- 0 ! $ &
y f x1 , x2 ,..., x n
f
f Vx . x x
2 s 1 R2,1 R n,1
8 &
f x
=
f f f , ,, , Vx = n 1 2 x =x
R1, 2 2 s2

R1,n R2,n

2 sn

,
Rn,2
(

! !
$
V x , czyli tzw. macierz kowariancji. Indeks grny T
" *$

estymatorw wariancji i kowariancji jest symetryczna. W przypadku, gdy macierz V jest diagonalna (pomiary
74 xi

xi $ (

praktyki &
y f x1 , x 2 ,..., x n
w (
" 7 ( %& y1 = f1(x) oraz y2 = f2(x)$ x. E x, otrzymujemy: df y1 f1 x + 1 x x , y dx df y 2 f 2 x + 2 x x , f1( x) y1 = f1(x) dx f (x)
1
f si xi i =1
n
(II-56)
f2(x) f2(x)
y2 = f2(x)
0! %

$ " - $ $
% $
%$ $
! .
Schematycznie demonstruje to rysunek obok, gdzie odchylenie x x wprowadza
x x x
wariancji pojedynczej funkcji, z definicji (II-51): df1 df2 df df df df cov 1 , 2 1 f1 x 2 f2 x = = 1 2 = 1 2 . dx dx dx dx dx dx W praktyce mamy estymator wariancji, a estymator pochodnej $ & df 2 df cov y1 , y 2 1 sx 2 . dx dx

%
%
$
" '
0! y1 i y2. Dokonamy tego, jak dla
7

( %
(" W pomiarowych:
y1 f1 1 , 2 ,..., n +
n
f1 xi i , i =1 x i
n
f2 xk k , k =1 x k 0! y1 i y2: n n f f cov y1 , y 2 y1 f1 1 , 2 ,..., n y 2 f 2 1 , 2 ,..., n = 1 xi i 2 xk k = i =1 x i k =1 x k y 2 f 2 1 , 2 ,..., n + =
i , k =1
1 $

!

" 8

( $
! % & *

$ ( %" / (
3 $ % $ &
1
f1 Vx f1

f
f2 cov 1 , 2 1 Vx x x
T
x1
i
xi
i xk k
n f2 f1 = xi , x k f 2 . x k i,k =1 x i xk
(II-57)
,
T
oraz:
2
f2 V x f2

75

niektrymi takimi ! ! "

Dla zjawisk badanych metodami statystycznymi podajemy opis w postaci modeli probabilistycznych,
# jednostajnym, lub jednorodnym ! z $ % Rozdziale II.1, kiedy to " totolotka " $ Z " ! ! przy grze w & n
'
Pk n = 1 , k = 1,2,..., n . n
(

! (II-27) " ' k = k
k =1 n
1 1 n 11 1 = k = n n + 1 = n + 1 , n n k =1 n2 2
lub ostatecznie:
k =
"

" ) " " wariancja * " + "! ! matematycznej
!" '
1 n + 1 , 2
k 2 = 6 nn + 12n + 1 ,
! (II-37): k =
n2 1 . 12

k =1

II III IV V VI VII VIII IX X XI XII 4 7 10 8 4 5 3 4 9 7 8

z danymi (za: Daly, F. i inni, Elements of Statistics, Addison Wesley Publishing Company, 1995) ilu z w danym m = = luty, itd.), a histogram tych zgonw. Na histogramie nie ma poprawki na

! " "
"

tym

niektre z " #

$

I
13

!% "

& amek f ' ma ( )
!

*& f = 50%,

%
$

!% zakresu 0 + ,
!$
* !

" , "
! ! " #
z $ 100% - " zagadnieniu pomiaru z zastosowaniem miernikw cyfrowych. . ! /
! !"! / " / ! .
76

" 0" * II.8.a i Rozdziale II.9
" " ! ! 1"
" !" x to: 1 f x = , a x b , b a
( " : 1 x = a + b , 2 1 2 x = b a . 12 & Rozdziale II.9 " ! "
o 1 2 3 1,0 " " 0,8 zmiennej [0; 1] dla 2000 przypadkw 0,6 wylosowanych w programie Microsoft Excel 5.0
dla tej prbki wynosi 0,492 0,006, natomiast odchylenie standardowe 0,284 0,004 0,4 2 ! ' 0,5 oraz 0,289). Po prawej mamy 0,2 natomiast wykres punktowy pierwszych 100 0 0,0 ! rwny 0,002, co 0 0,2 0,4 0,6 0,8 1

4 ! ' " opinii publicznej przeprowadzonego w Warszawie (Rzeczpospolita, 16 lipca 1996), ! ! 35% ! ! *
65% jest przeciwnego zdania. % ! ! " " 4 $ !5 i wynosi 50%. 4 ! 100 z wanny w 43% " wskazwek zegara, a w 57% ! ! dychotomiczny charakter " " ' 5 ! ! * $ reprezentuje sukces !
wskazwek zegara, a druga %

jeden
zero $ p sukcesu i $ q = 1 p $ " dwupunktowym lub Bernoulliego (
/ ! " ' 1 k k , k = 0,1 k 1, p = p 1 p
" 23 0 "
" eksperymentu nie ma charakteru alternatywnego, jak np. w badaniach preferencji politycznych opinii publicznej, a pytania typu:

zamierza Pani/Pan , 5 "! (
! i zmiennej z "'

77 k = p , Vk = p1 p .
p j 1 p = p i + j 1 p . 7
! k = i + j i oraz j
!
k
0, 1 lub 2: Pi, j = p i 1 p
! ! ! ! / "
" " 0
" $ ) / ! ' schemat Bernoulliego. 4 $ k sukcesw w n prbach " " .
/ ! przedstawionej w Rozdziale II.8 " z Poissona. Niech i oraz j ! "! 6" (II-10) oraz (II-12) ! "! ! '
1 i 1 j 1 i + j
k 2, p
i+ j=k
pi + j 1 p2
i + j
= p k 1 p
2 k
i+ j =k
1 =
!

pk(1 p)2 k $'
k = 0
, " i oraz j ! 0, k = 1
sposoby (i,j) = (1,0), (0,1) $
k = 2
' (i,j) = (1,1). Teraz
6"
6" 6 5
k = 0, 1, 2 lub 3, przez ktre
pk(1 p)3 k
!
6" n, a zmienna losowa k w postaci sumy k1 + k2 + ... + kn !
k & # II.7 k w sumie zer i jedynek o ! n " ustawienia k jedynek oraz n k zer w !" " n ! 5 $, czyli symbolem Newtona " $ k sukcesw w n prbach schematu Bernoulliego dane jest
przez:
k p k 1 p 2 2 k k 2 p 1 p 2 k k p 1 p
= 1 p k = 0 , = 2 p1 p k = 1, = p2 k = 2 .

2
k n,
p =
nazywamy dwumianowym.
n! nk p k 1 p , k ! n k !
(III-1)

-
%
$ '

!&
%
* "$ . " 1000 takich przypadkw: 683 kobiety i /+0 "$

"

100 podprbek, w
ktrych liczba k % a priori 1 + $$$ +1$ 2
* " nk, !
! $ ' !% " ! " k kobiet w
"

$ 3 " !
przedstawiony jest obok w postaci szarego histogramu.
3

" "

& KKMKKMKMMK ! "$

"

%

& pp(1 p)pp(1 p)p(1 p)(1 p)p = p6(1 p)4 , lub oglnie: pk(1 p) n k$ )
"!

, %

#

prostu k
! " $ 2 4
II.9 "
78

sposobw ustawienia liter K oraz M w

! n 5

k razy, a litera '

n k $ 3 !

%

$

n i p ! ! ! k # n = 20 i paru p 2 !" 8
93 4' (p + q) , wg tzw. wzoru
!

Newtona:

$ !
2
(II-18)): n n, p = k p q = q + p = 1 p + p = 1.
n k
q +
p =
n
n k =0
k
p k q n k .
k =0
k n k k =0

Pewna linia lotnicza

67 " " "
89 $ 2 "

" w samolocie. Liczba 4% podpowiada , " z

p = 0,96. Sto sprzedanych biletw to liczba n
$ : !

! ! $ 3 "
" "
tylu, ile jest miejsc w samolocie. Szansa takiego zdarzenia ! & Pk 98 =
k =0
k n, p = 1 99 n, p 100 n, p = 1 99 !1! p 99 1 p 100! 0! p100 0,913 .

98
100!
100!
" !

" ++
"
%
;1 "

$
4
:
k = k
k =0 n n n n! n! n! n k n k nk = k = = p k 1 q p k 1 q p k 1 q k !n k ! k =1 k ! n k ! k =1 k 1 ! n k !
& '

= np
n 1
= np
n 1 !
k =1 k
1!n k !
p k 1 1 q
n 1 !
n k
= np
n 1 !
k =1 k
1 ! n 1 k 1! m = k 1, to:

n 1 m
p k 1 1 q
n 1 k 1
m = 0 m ! n 1 m !
p m 1 q
= np
n 1
m= 0
m n 1, p
= np , (III-2)
lub ostatecznie:
k = np

<
,
$
"

"
#
!%

$ =
tym
$ 5 !

+1

% "

>
? >
?$ @ "
>
%?
,"

" >
?$ '
>
? % ,"
, $ A +1 $ 3 > ? !
"! " % " w stosunku do tej, jaka wynika z ,
$

> ?

" , " p przypadkowego ,
# 1+$ +1
"%

79
$ 3
"

! a z k
>
?

>
?$ -
liczba k = np trafnych odbiorw wynosi 1. Szansa P(k /# "
!! "

110
" +6
P(k 6# 11+/ " 09
P(k B#
111+;
;C1$ : %
"
"!

"

$ >
? i "

" "
!
09 % "!

6 , a ,$ D

" ,$ 3
% "

! ,
" " $ : "
>
?
!%

psychochirurgii, telekinezy, astrologii, jasnowidzenia, prekognicji itp.).
* ! ! " & 35% ! ! 100 losowo wybranych osb, typowo 35 " ! ! 4
35 osb. % / & !: 0 "
6 !
'
k2 = k2
k =0 n 1 n n n! n 1 ! n k n 1 k 1 p k 1 q = np k p k 1 1 q = k ! n k ! k 1! n 1 k 1 ! k =1
n 1 !
= np m + 1
m= 0
m! n 1 m!
n 1 !
p m 1 q
n 1 m
=
n 1 !
n 1 m
= np m
m= 0
n 1
prb n:
1! 2 (II-37)), czyli (np)2 : k = npq = np1 p . (III-3) ! / ! " 5 * stosunku zmiennej losowej k do liczby k =
m! n 1 m!
p m 1 q
n 1 m
m= 0
m!n 1 m! p m 1 q
n 1
= np n 1 p + 1 .
pq 1 . npq = 2 n n n p p. Sprbujmy: k p= (III-4) n
! tej statystyki: k 1 1 = k = np = p . p = n n n )
p ! estymatorem parametru p. Poszukajmy teraz estymatora sk2 wariancji zmiennej losowej k ! " " (III-3), przez: 1 1 n 1 = n = 2 . n n
6!
! " '
k
* estymatorze, "
! ) !

'
2 sk = 2 Podobnie, dla estymatora sp wariancji p 2 sp =
1 2 1 k = np npn 1 p + 1 = n 1 pq . n n
n np1 p . n 1
(III-5)
! '
1 p1 p . (III-6) n 1 *

* III.2.a o obserwacji liczby kobiet ! ; p $ p !
80

z ' 683/1000 = 0,683 0,015 ! !

" $ k(10, 0,683) 1 " $

3 ! % ! " cytowanych "
. Typowo, w
" " respondentw o ! +111 z ! ! " $ )! %
" !% (III-3)) na
w " "

wiony jest na rysunku obok i 11+B

11B
! +11$ A

"

! " 11+B
% !%
$
!

!% na ! /7
"

%

CB1
$
"#$ !

!

o pr
%
#$
!

= "

>? ,"$

jaki powstaje w wannie przy spuszczaniu z
"! !$ =

" E $
"
, , a !!

, $ 3 wyniku eksperymentu powtrzonego 100 razy o
6/

kierunku zgodnym z kierunkiem ruchu wskazwek zegara, a w B0 $ 2 % " ," $ <

w kierunku przeciwnym do ruchu wskazwek zegara) w
%& p = , podczas

(III-4) oraz (III-6) na estymatory, obserwujemy: p = 0,57 0,05 . .
% ! % (III-2)) B1
" B1 wirw w

!

wyniku: 57 B !% !! (III-5)). Obserwowane odchylenie
! " fluktuacja. Nie

, , obrotu wody. Wniosek ten wynika z " $ !% o ,
+11 , ! B1 "
&
) " "

"
"

! ( E "
6/ B0( -
& D

+11 % "
" B0 6/
$ '
%

,

"$ <
!
" o

!
!

" $ : " !%

"
%
! $ 3 !
" F
" !% F

%
"( G

,

$ :!% !%
% ustal $ )

$
k = 43

= np 1 p
= 100 1 1 1 = 25 = 5
2 . 2 2
57
P 43 57 =
k n = 100, p = 0,5 0,87 .

:

81

3

!"

)! ! >

? ," / " , 6
5, a ;
% ! % % ," C
! >

% "? !% !$ - "

! " %

w ,

HB1 35; 50 + 3BI J H/BK ;BI$

!
p = , wynosi: 1 P35 65 = 1
k = 35
k n = 100, p = 0,5 0,0018 .

65
-
+ B;1
!
! "
$ D
!%

p = .

4

!! L $ !%
" ! ,

$ 3

1111C7 !$ !%
!
$ ) Pk
$$$
k-ty !( @

6
> ? "

& p = 210 $ -

P1 , ! p. Po to, by taki , "
%

& ,%

P2 = 1 p p $

2

dwch pierwszych, czyli P3 = 1 p p $ )

(II-2): k 1 k p = p1 p

$

II.1.a

"
dyskretnych czasw oczekiwania. 2*! !%

II.10.B.a: k = 1 . p Poszukamy teraz wariancji

$ 2
!% kwadratu zmiennej:

%
2 = p k 2 q k 1 = p k 1 + 12 q k 1 = m = k 1 = p m + 12 q m = p m 2 + 2 m + 1q m =

k =1 k =1 m= 0 m =0
= p m 2 q m + 2 p mq m + p q m = pq m 2 q m 1 + 2 pq mq m 1 +
m=0 2 m= 0 m =0 m =1 m =1
p = q 2 + 2q + 1 = 1 q
q = q + 2 +1. p Otrzymujemy rwnanie na < k 2>
&
q 1 + . p2 p D

! (II-37)), otrzymujemy: p k = k 2 k 2 = 2 q2 + p2 12 = 2q + 2 1 = 2q q = q2 = 1 2p . p p p p p2 p p = ! p, dyspersja zmiennej jest praktycznie dana przez k2 = 2

!% ! $
W

! ! "! "

%
,
$
$

ujemny
, ktre opisuje
k, %
" n
(gdzie n k# $ 3 " &
82 Pk n, p =
k

1 n k n , k = n, n + 1, n + 2,... , p 1 p
n 1 gdzie p oraz n = + C / $$$
$ = n = +

"
%
$ 2
E
,

wynik (II-45) oraz (II-47).

! &

4 $ $
" 1 n i dla zmiennej losowej k np, !
<:
k n,
p
parametru n p = 0,25.
i istotnie < = " " ! " * liczba prb n " $
$ p w pojedynczej prbie do zera, ale w " : np = const * losowej k
i $ 1 *:
! '( ) '
*(
k np 1 exp 2npq 2 npq
2 ,
* 2 3 ) ! "

n.

k n,
p
n , p 0, np
k

k e . k!

p

111+$ !% C1 $ )

( M ktrych % k

k(n,p) o parametrach p = 0,001 i n = C1$

&
1 0,01981.
1000 k =1 3 % !
," ,
& Pk 1 =

k n, p
= 1
0 n, p
= 1 1 p = 1 1
20
1+
x n
n e x ,
&
1 0,01980 50 3
!% !
dwumianowego
Poissona z parametrem = np = 1/50 = 0,02: P k = 1 1 1 exp

1 1 = 1 1 1000
20
1 20 50 20
Pk 1
k =1
k

= 1
0

= 1 e = 1 e np = 1 e 0,02 0,01980 .

83

/! " $ w
89 " ! 2 tym wypadku ! 3 $ przejazdu samochodu w " " 4 $ czasie pierwszej 18%. Ze " !
$ k(n,p) zanotowania k sukcesw w n $ pojedynczej prbie wynosi p, dane jest (III-1):

+ ' (

+ ! ,--- !

7 ! ' " ulic Ursynowa. Rezultat tego
pomiaru przedstawia histogram obok (o dodatkowej krzywej i 3 ! !
k n,
p =
$ Qn we wszystkich kolejnych n prbach (czekanie to 3 " prb, a $ " " ' Qn = (1 p) n. *
6" !"" prb w t oczekiwania na przejazd samochodu, ! " n o " t, przy czym liczba n ! $ t " ! " *
! czekamy na ! ,
, ! t, a e schematu Bernoulliego. W $ p przejazdu samochodu. &
"" n , $ '
Qn = 1 p
n
n
k
p k 1 p
n k
" 0" p musimy

" ! * !

p , 6"
! ! ,
" ' p = t, co
'
p=
n 0 ,
"
! ! Jej (III-2) zmiennej z dwumianowego:
p=
t , n

! $ " ,
! ! *! $ '
Qn = 1
t = n n
. t
czasu od zera do t
) 5

$ F(t) sukcesu w przedziale ' 2 (II-3)3 / " $ t:
t; =
dF t = exp t , 0 t < , > 0 . dt (III-8) F t = 1 exp t ,
t n
n Qt; = exp t .
(III-7)
84 zdarzeniami:

+

' = -1 czyli typowy
t; = exp
t , 0 t < , > 0 . > 2 3 i !", " * II.1.b & * II.1.c i - " " / Ziemi, wypadkami, wezwaniami karetki
" ! " " !
atomowego.

4

% > ?
! ! N0
t zostanie ich:
N t
= N0 exp

gdzie !%

$ T1/2
zmiennej losowej z

# & T1/ 2 = ln 2 $ 3!%

"
. 2 "
t "
tym
t ,

&
N0 N0 exp
L

&
1 exp
t .

"
"
II.1.c#

(t; #

&
F t = 1 exp
t .
4 "

" t
," " !

$
t t = t ; dt . 0

3*

"

$

$ D
" kolejce, przed ktra czeka mniejsza liczba $ )

! "
% w

$ 2

$

, a pracownicy poczty w
"

$ 4

oczekiwania przy pierwszym okienku wynosi: t1; = exp t1 ,

"
& *!
II.8.c$ N
f(t1,t2;) obu zmiennych losowych jest dany iloczynem
(II-15)# ! " "

&
f t1 , t 2 ; = 3 t 2 e 1 2 . 4
! * t1 0 oraz t2 0 i dowolny punkt (t1, t2# *
! " "
w kolejce przed jednym i drugim okienkiem. W ! punktw (t1, t2), dla ktrych t2 < t1 !
ktrych czas P(t2 < t1):
t +t
2 t2 ; = 2 t2 exp t2 ,
t2 t1 < t2

"

$ @
!

P2 < 1 =
f t1 , t2 ; dt1dt2 t2 < t1
t2 < t1 t1
= 3
Jak to wynika z " &
t2 t2 < t1
t1 + t2
dt1dt2 .

85
0
Pt 2 < t1 =
3 t 2 e t2 e t1 dt1 dt2
t2
0
= 2 t2 e 2 t2 dt 2 = z = 2t 2 =
1 z 1 dz = . ze 40 4

3 !

" 2$ G

5 '$ The Earth: Structure, Composition and Evolution, The Open University Press +89+# ;C t
# $ " 2 0B 4 " +111 # & 8 /1
i
33, 36, 38, 40, 40, 44, 46, 76, 82, 83, 92, 99, 121, 129, 139, 145, 150, 157, 194, 203, 309, 220, 246, 263, 280, 294, 304, 319, 328, 335, 365, 375, 384, 402, 434, 436, 454, .
/ 0! 460, 556, 562, 567, 584, 599, 638, 667, 695, 710, 721, 735,
736, 759, 780, 832, 840, 887, 937, 1336, 1354, 1617, 1901. , na ile dane te

q t

+

'(
#$ !%& "
% "

"
$ 3

" %
" *% !% 111CC $ D
!% ! !
" 2 6B1
$ 2

"

$ 3 e
(Jarret, R. G., A Note on the Intervals between Coal Mining Disasters, Biometrika, 66, 191, 1979), prowadzone
ti i = exp t dt = 1 exp ti , n +1 0 a z nich kwantyle qi : i , qi ti = ln 1 n + 1 ktre wraz z czasami oczekiwania ti przedstawiamy na q = t ti , qi ,)
-
*

$ D

&
3 L +++ "

+9B+ +8;C

$ 3

czasach B11

"
$ )

" czasowych, w tym wieloletnich, kt
"

! " &
q=

%

1

t ,

%

1

! !
!
,
q jako funkcji czasu t ! %

" "

$ D
"
&
F t
= 1 exp q t

nieznane parametry: 0,828, 0,00547. Walor takiego
! oraz $ 2!% "

! wybierzemy skale logarytmiczne. Odpowiada to badaniu ! " & ln q = ln t ln ,
% "

$ D
" naniesiona linia prosta pozwala, %
86

"
," " !& !
Weibulla.
0
t dq d d = f t; , = F t = 1 exp qt = exp qt dt dt dt

t exp

.
(III-9)
4 zmiennej " * !
to:
t = t exp t dt = 1 = .
(III-10)

" , "
! $ & " ! 1 :
t =

" ' " D(t) = 1 ! (lub 3 ! 100% !
' ! ! "
z
" ! " ( = t ! estymatorem:
=
t
0
1 1 2 exp t dt = 2 = .
1 n 1 n i = n i =1 n i =1
i
1 n = . n i =1

O
czas oczekiwania na przejazd samochodu w uzyskanej przez autora prbce wynosi:t = 5,19 s,
!%& = 0,193 s1
! jest narysowana na naszym histogramie$ 3
% "

est to lepszy

!
II.1.b$ 3
"!
!

!

!% $
t i =
n
1 n 2 1 2 = n , n 2 i =1
i =1 i =1 ! (II-41) 2 estymatora s wariancji
posta . Aby

* II.8.c T n ti: 1 n2
Wariancja estymatora parametru wynosi: n = 1 t i = 12 n

n i =1
ti =
T = ti ,
"! ;" (II-25):

n T ; =
T
T
i =1
n 1
! ! zmiennej o '
n 1 !
e T .
" " ! (II-45) 5
!
kwadratu zmiennej losowej Erlanga:
0
n 1
n 1 !
e T dT = z = T =
n! n 1 n z = = n , dz = z e n 1! 0 n 1!

! :
0
T 2
T
n 1
n 1 !
e T dT = z = T =
nn + 1 1 n + 1 ! n +1 z = = nn + 1 2 . e dz = 2 z n 1! 0 n 1! 2 2

87
2 T n1 T n + 1! n +1 n +1 1 2 T n 1! e dT = z = T = 2n 2 n 1 ! z n+1e z dz = 2 n 2 n 1 ! = n2 = n 2 . 0 0 %! " '
1 = 2 T2 = 2 n n
2 s =
!" estymatora wariancji. 7 "! : +
? %5 !
! n ! Erlanga:
1 2 n +1
(III-11)
1 T n1 T n 2! = . 1 n 2 z = e dT = z = T = z e dz = T n 1! 0 n 1 ! n 1 T n 1! 0 !

/'
=
! * " .

! '
n 1 n 1 = , T nt
(III-12)
1 T n1 T n 12 z n3e z dz = 2 n 12 n 3 ! = n 1 2 , 2 = n 1 2 e dT = z = T = 2 n2 n 1! 0 n 1! T n 1! 0 " !

' 2 2 = 2 = n 1 2 2 = .
2
0 parametru =

'
2 s
wariancji

n2
n2
!:

2 s
2 s =
1 2 n 1
1 T n1 T 2 n 1 n 3 z n 1 = n 1 2 e dT = z = T = 2 . z e dz = 2 n 3! = n2 n 1! 0 n 1! T n 1!

2 2 i oraz s i s
! "

!
! /! ! * ! ! (III-7) $ T dane ' $ czas t ! T & $ 2 #
Qt T = Pt > t + T t > T = w efekcie daje: Pt > t + T t > T Pt > T = Pt > t + T QT + t = . Pt > T QT QT = 1 F T = expT .
II.2):
? " $ ! T + t, co
Qt + T exp t + T = = exp t = Qt . (III-13) exp T QT " T@ . Qt T = Qt + T = Q t
Q T
,
! " , "
.
! !
'
! ! / /
zawarta w czyni go trudnym, mimo prostoty jego / " " '
88
! " !"!

nie w " *
" ! $ ' 5
za

3 =
.

! $ D
" +11 000 osb urodzonych w 1997 r., po zadanej liczby lat. 2

"

"
$ '

*2

! !%
wieku t
& ln N t = ln N t . 3 ! "

w skali logarytmicznej, " "
$ 3 *

"
$

F
"%
" F !%
" % $ 2 "

$ E !
% !(

!

p sukcesu w pojedynczej prbie "!
t
$ 2

p w i-tej prbie wynosi: p = t ! " " > "?# $

Q braku sukcesu z n prbach zadany jest tym razem przez:

liczby N0 osb, liczba: N t = N 0 exp t t. Nie znamy parametru w tym

%
@

n

! a
!
t do zera. Obliczmy w tym celu logarytm obu stron:
i =1
Qn = 1 p1 1 p2
1 p
n
= 1 i t .
G &
z (II-3)
ln Qn = ln1 i t i t
i =1 i =1
n , t 0 t dt t = ln Qt .
0

:
f t =
Qt = exp t F t = 1 exp t , t = d t . dt

,"
&
! ! , #

" ! % ! (t) t
3 postaci funkcji (t# ## "

!
$ G , " $ 4
3
"

!$ 3
!
III.3.c, gdzie badanie czasu oczekiwania na

! $ - Q(x#

!%
!% x, wynosi:
W

%
! #$

d F t = t exp t , gdzie: dt (t (III-9). W (t

Q x = 1 F x =
D
&
x exp

.

!
/* ' (

89 ln lnQ x
= ln x ln ,

! % !% ," ! x.
!
/1 , " megapaskalach# " "" $ 3

!%

" % &PP$ $PA =QP PPP$#$ 2 % ! oraz . Wykres ten to, w

wykresu kwantyli, tylko w przebranej formie. (dane za: Duffy, S. F. i Baker, E. H., Weibull Parameter Estimation,

" "! & ! (III-13) " zdarzenie ". Niech t zadanym
k(t) = 0, 1, 2, ... ". Jakie jest $ : 5 Tk = t1 + t2 + ... + tk ! k-tego " ' ! k " tylko wtedy, gdy Tk t Tk + 1 > t, a $ P((Tk t) (Tk + 1 > t)) 7 " $ 5

!! / " $ losowych: Tk oraz Tk + 1 * II.8.c Tk ;"
(II-25):
losowych, takich jak wjazd samochodu na rynek miejski lub wezwanie karetki
# "! "
k Tk ; =
Tk k
k 1
Tk + 1 = Tk + tk + 1 (

!! / " zmiennych Tk oraz tk + 1 (II-15) funkcji k(t;) " (III-8):
exp Tk + t k +1 = exp Tk +1 . 1 ! k 1 ! * (Tk, tk + 1) do zmiennych (Tk, Tk + 1)
k
1!
e Tk .
Tk
k 1
1!
exp Tk exp t k +1 =
2 Tk
k
k 1
2 Tk
k 1

" '
f Tk , Tk +1 =
t 2 Tk
k
k 1
) 5

$ P((Tk t) (Tk + 1 > t)):
Pk t k +1 > t =
f Tk , Tk +1 dTk +1 dTk
t
0
1!
exp Tk +1 , 0 Tk < Tk +1 < .

t k 1 2 Tk k 1 !
0

" " ! schematu Bernoulliego # ===A dwumianowego, ! $ braku $ ! k $ !" t ) ! n t *$ k $ n (III-1):
dTk exp Tk +1 dTk +1

t
t
k!
e t .
k n,
p =
*

a uzyskamy:
n! 1 nk nk = nn 1 n 2... n k + 1 p k 1 p . p k 1 p k ! n k ! k! $ pojedynczej prbie w formie: t p= , n
k
t 1 n n 1 n k + 1 t t k = ... t 1 1
n k !
n
n
n n
n 0! "" ! n $ ! !
k, otrzymujemy
k n, p =
1 t n n 1... n k + 1
n k!
n k
90

> Poissona: .

k n,
p n k e k!
k

t
k!
e t ,
k

k = 0,1,2,... , = t ,
(III-14)
Pewien polityk

+1
$ 3 "

dziennie od i
w

" % " i

!$ 2 "
. 2 "

sposobu wyprowadzenie
"
$
3

&
0 = 10

= e 10 0,000045 . dni roboczych. Oczekiwana liczba dni
) " ,% "

( /11
" B +B11
bez listw wynosi: 1500
0 = 10
1500 0,000045 0,068 .
:

+6 %

" $ )

%

! #$
!
0,35 0,30

0,25 0,20 0,15 0,10 0,05 0,00
* " ' " ! "! "
* 0 * " dwumianowego, " $ * $ =
' / burz w !" " ! widzenia mikroskopu, liczba sprzedanych sztuk danego towaru w sklepie i " !
0 1 2 3 4 5 6 7 8 9 10 !
liczby samochodw, jednego, dwch itd. w tym przedziale czasu, to uzyskany wynik prezentuje histogram obok. Kropki na ! * parametrem =t 1t = 0,193 s1 10 s = 1,93 "
z modelem je

= $ ! oczekiwania na # ===A & ! nas samochodw w czasowych i zaobserwowania zerowej
w zadanym okresie czasu.
Momenty *
5 * II.10.B.a i II.10.C.a:

k = , k = .

Rutherforda i Geigera z 1910 roku, kiedy to obserwowali oni " N = C;+C
0B

& '$ R

statystyka matematyczna, PWN, 3 +8;8#$ 3
" !: n Fk = k , N gdzie nk ! " 0B
#
k
$
"
" @

"%
C7#

w

$ 3!% !

/99

!

91
" ! $ =

!

"
%

$ 0,25 1#
3
&
$ =
!
4,
< 0,20 %

" 0,15

0,10 zdarzenia
(

p

0,05 rozpadu w czasie T dane jest przez: p = 1 exp T , 0,00
n
0 1 2 3 4 5 6 7 8 9 10 11 12 ! % k obserwowanych

"

dwumianowemu: k n k n! n! n k . p k 1 p = 1 exp T exp T k ! n k ! k ! n k! )
! 4
$C ! n

p !% !

%
.

)
&
0,14

0,12 0,10 0,08 0,06 0,04 0,02 0,00 0 10
=10 =20 =30
! ! * "

" "
jest liczba sukcesw k " tego parametru. 1 " ! Gaussa:
k

z parametrem =
20 30
40

* " * a < !"
"! ! $

1 k exp 2 2
2 ,
B < " normalnym, " 1733 ! /" Abrahama de Moivre " "! / " ! z " ! ! !"! " + F. Gaussowi i P.S. Laplaceowi, z ktrych ten " ! ! " centralnym twierdzeniem granicznym !
" #

! pomiar nasz jest zaburzany przez n / ! z $ 0,5 ! !
0 ! " statystyk angielski F. Galton ! quincunex (czytaj: !) <, ktrej rysunek zamieszczony jest obok. W wyniku !
x ' x = + n + 2k , gdzie: k = 0, 1, 2, ..., n 2, n 1, n *$ dwumianowy z parametrem p = :
k

k
n,
p = 0,5 =
n! 1 . k ! n k !
2
92

zmiennej x wynosi:
k
1 xk = + n + 2k = + n + 2 k = + n + 2 n = , 2
a jej wariancja, to:
# ===C n $ ma zachowanie graniczne: np n n, p 21npq exp k2npq = 22 n exp k 2 nn = k = x 2 + 2 = 22 n exp x2n . <

do zera, przy zachowaniu pozycji x
!
n oraz k ! $
n ! ' n = const * 2 /! ! 89 " & ! do zera oznacza !" $ (n,p) zmiennej dyskretnej
" $ " x ! 2 ! ! ! " ! $ (n,p) 2 8!9 $ z punktem k ' n, p = 0,5 1 exp x x; , = 1 exp x .
2 2
k
x k = 2 n + 2k = 4 2 k = 4 2 n 1 1 1 = 2 n ,
2

k

1 2 1 4
2

k
2 2
k
&

Gaussa !" zmiennej losowej x. * < ?D pomiarowych i ! ! $ " " 1810 roku. = , " dwumianowego , " "'

2 n

k
2 2 n 2
n,0
2 2 2
k +1
x k +1 x k
= =
n !n k n! n! 1 n! 1 1 1 = =
2 2
k + 1! n k 1! k ! n k ! 2
k ! k + 1 n k ! k ! n k !
2
n
"

k:
k= co prowadzi do rwnania: 1 n 2k 1 = x 2 k + 1
k
n! 1 nk 1 n 2k 1 1 1 = 2
k + 1 k ! n k !
2 2 k + 1 xk n + , 2 2
0! 2 /! " ! !
x = x "" ! ! n , przy ! , ale przy warunku: n = const ? ! / "

'
k 2 2
x k 1 1 = 2 x k + n + 1 2 2
x k
xk
+ n 2 + 2 2
.
k
#!! ! ! <
!
d dx
x; ,
x 2
x; , .
=
& x oraz y
< ! i dyspersji $ )
z "
?
sumy dany jest splotem (II-24) "&
z 1 exp 2 2
t 2 2
2! t 2 # exp 2 2 # "
! # dt # "
1 2 $ 2 %
exp

z
3

" t, co pozwala % "

" < $ 3

2! # 2 # 2$ 2% # "
2
$ z;2,
2 % .

93

<
" "
$
n <

< o w! n i wariancji n 2 !
x F
< ! oczekiwanej i wariancji n-krotnie mniejszej od wariancji

! w Rozdziale II.10.C (II-41).
-

- < !

89 2 3 " w punkcie x = , a " ! " . !
losowej x, a / " !
i wariancja Gaussowskiej

zmiennej losowej to:
x = 1 2
x 2 x exp dx 2 2

x
= ,
x =
1 2
* II.10.B.b oraz II.10.C.b. Estymatory ) ! !:
x= standardowej:
2 x
exp
2
dx
2 2
= 2 ,

"

1 n 2 2 sx = xi x . n 1 i =1 el pracuje dla pomiaru
1 n xi , n i=1

)!
#
&
" < 0 "

! / w pomiarze. Oglnie, wszystkie momenty ! " ! '
x
dla wykorzystywanej tam prbki 1600 pomiarw wynosi 1004,0 hPa
w prbce ma
5,9 hPa. Obok przedstawiony jest wykres
%5 # ==E

+#

2k
=
4
2 k !
! " '

x
2k k !
2k ,
= 3 4 .

!
4

II.10.C# " estymatora !

2 s x = 1
x
!%
:
n 3 2 . n n 1 2 2 . n 1 y = x2, to sy 2xsx):
<

"
< &
2 $sx % =
2
n3 4 3 4 = n nn 1
3!% sx
!
& ! 2 $s x % 2 sx s x ,
lub:
94

sx
2 $sx %
3 !

!% ! % !% ! pomiaru, a tym samym i $ !% C11 !
!% s = 1,23456... $ ) , ! % !( 2

!% !% B7
,
!% ! , statystycznymi, co w !% ! ! % s = 1,2, a " samej ! ! ! %

!%

"!$ !% ! C11 B$ 3

!% ! s wynosi zaledwie 100% 8 = 35% , >C? s = 1,23456.... , " !%
! % & s = 1, a co za tym idzie !%

!

$ 3

<
!, !%

wynosi 0,1 hPa

! !% ! z

!

z

! !% !
. @

,"

!
%
$
x x x x x
2 sx
1 2
2 2 = n 1
1 2n 1
# < " .
! $'
+ n
P n x + n =
1 2
n oraz + n, co ilustruje tabela:

n 1 2 3 4 P( n x + n) 0,6827 0,9545 0,9973 0,9999 P( n x + n) 0,50 0,90 0,95 0,99 n 0,675 1,645 1,960 2,576
2 x exp dx 2 2
n
= z =

1 x = 2
exp
n
z2 dx 2
<
oczekiwana wynosi zero, a dyspersja # standaryzowanym:
P(x xp) 0,900 0,950 0,990 0,999
xp 1,28 1,64 2,35 3,09
x;0,1 =
4 ! " 2"3 " '
x W tabeli $ 23 ! xp:
xp
x2 1 exp . 2 2
x .
1 P x x p = 2
" ! "$ weryfikowaniu hipotez ! < - "" $ 0,001, 0,01, 0,05 i 0,10 ! P(x x1 p) = 1 P(x xp) !"
!
exp

x2 dx , 2
4 "

!
<

$ 3

"
$ @ %

nie !
! + F
< !

!$ )
!

"
! % " !&
na syndrom niedomogi oddechowej (SIRDS), omawiany w Rozdziale I.2. Wykorzystamy do tego wykres q x = ln x + .

95
% !
.
% "
"
2,5 2,0 1,5 1,0
rysunku prezentujemy ten sam wykres kwantyli, ale na osi

!

0,5 2,0 3,0 4,0

"
! $ : "

$ -

III.3.c *%
&
f x = d d dq = exp q x = Fq x = F q dx dq dx 2 x 2 = exp& ln x + ' . 2 x f x; , =

0,0 -0,51,0 -1,0 -1,5 -2,0 -2,5
4

&
% '
(

logarytmiczno normalnym,
" y = lnx otrzymujemy z
< (y;,). Procedura, w ktrej w !
,
"

sam

"
% , < $ 3 !% w

$ 4
F $ !

i

! zdaniach.
1 1 2 exp 2 ln x 2x 2
% !

!

!

' (

2 $ " $! 3 i to
, o 5 *
odniesieniu do estymatora wariancji
2/n, w tym samym sensie ! ! &
i jej wariancji ! " "
" $ !5 "!
, "

W Rozdziale II.10.B
z prbki
!
4
losowe: k oraz j

dwumianowym o tych samych parametrach n oraz p$ G & m = k + j i
*
$ zmienne "

k oraz j dane jest iloczynem: n n n n n m n k n n j 2 n k + j 2n m = Pk , j n, p = pk 1 p p j 1 p = p k + j 1 p . p 1 p
k
j
k
j
k
m k . %
m % ! k,
!% m, czyli: k = 0, 1, ..., m: m m n n 2 n n m 2n m Pm n, p
= Pk , j n, p
= p m 1 p
k m k = m p m 1 p
2 k, j=0 k =0
k + j =m
! (II-19) 4

II.7 ! Newtona$ )

, o tym samym

pojedynczej prbie i
$ 3
dowolnej liczby N

! Nnp i wariancji Nnpq$ 3 ! !
tych zmiennych. W 4
$C !

n

< tym samym w tak

!
!% np:
o tyle wariancja !
" N-krotnie:
k = 1 ki = 1 ki = 1 N N N
i =1
i =1
Nnp = np ,
96

k = 1 ki = N
i =1
1 N2
ki =
i =1
1 1 Nnpq = npq . 2 N N tym bardziej
! "

" "

!
, !

! "
"

< "

!

np.
!
W Rozdziale II.8 !

Poissona

! ! $ 3

N
z
! N i wariancji N. W ! !
tych zmiennych. W Rozdzia $6 ! !

Gaussa, a tym samym w

!
!% oczekiwana pozostaje rwna : N N k = 1 ki = 1 ki = 1 N = , N
i =1 N
N i =1 o tyle wariancja !
" N-krotnie: N N k = 1 ki = 12 ki = 12 N = . N N N
N i =1
i =1 ! "
" "

!
, tym bardziej
! !%
! "
"

< "

!
!
* centralnego twierdzenia granicznego, ktre tu
podamy bez dowodu:

#

$

%

#
x1 , x2 , x3 """ dowolnego i % $

zn
&
zn = 1 n xn , gdzie: x n = xi , n i =1 n

# $

Gaussa.

!
"

dostarcza wykres obok (za: DAgostini, G., Deutsches Elektronen Synchrotron Internal Report, 95SC6C#
$ @
z siedmiu histogramw przedstawiona jest prbka
" "

!

"
przedziale [0,00; 0,25] oraz [0,75; 1,00]. n = 2, 3, 5, 10, 20 oraz 50 zmiennych

!
$ 3
*

"%
"
%
sumie

*
Gaussowskiego charakteru.
!
E
* " n zmiennych losowych xi z
przedziale [0; 1] i " !% z: n n xi 2 , z = i=1 n 12

*
% "
,#

< $ )!

97 n
% n = 12 i "
!% "

< $ R %

F/
/
zmienna z !

F; do +6).
* II.6.c oraz II.10.E.a < binormalnym:

x,

y; x , y , x , y , =
1 2 x y

* " ' = , = , = , = , cov x, y = . ! ! " & postaci , ktre tym ! brzegowe, uzyskiwane w w !

exp 2 1
2 2$1 %

! x x y y x x y y # + 2 . x
y
x
y #
"
2
2
Gaussa:

warunkowe:

i i

x x 1 exp x; x , x = 2 2 2 x x
2

y y 1 exp y; y , y = 2 2 2 y y
2

y y x; , , = x,; x;, ,, ,
x y x

y ,
y
exp 2 2$1 % y
y y 2 2 2 y $1 %
2 ! x x # , x " #
(krzywych regresji " , * II.10.B.e):
y x = y + y x
x x
y x y; , , = x,; y;,

y , x , y , y ,y
exp 2 2$1 % x
2 2 $1 2 % x
! x x + x y y # y
# "
2 ,
7

" 5 (x,y) linie " *"! " / !
C , a '
2
x y = x +
x y y . y
standaryzowane zmienne:
2 " 3

"
1 1 2

! x x y y x x y y 2 # + 2 =C x
y
x
y #
u= to na krzywej:
y y x x , v= , x y
* II.10.E.a 2
1 2 2 2 u + v 2uv = C . 1 2 45): 1 u= , 2 1 v= + , 2
2 2
przeprowadza rwnanie krzywej na:

1 2 2 + = C2 . 2 1 + 1 + = 1
1+
1
& oraz ! '
1 1 , = 1+ 1
98

'

Elipsy kowariancji, C = 1
1,0
2 + 2 = C2 ,
= 0,9 = 0,5
"
0,5
standaryzowanych < +
$ !

'
0,0
= 0,0
x=
1+ 1 x + x 2 2 1+ 1 + y + y 2 2
-0,5
=-0,5
y=
=-0,9
-1,0 -2 -1 0 1 2

<
zmiennych losowych oraz , dwie skorelowane Gaussowskie zmienne losowe x oraz y x, y, dyspersjach x, y i .
x
* "
poziomice to po prostu elipsy, zwane elipsami kowariancji *
" / (C = 13
x = 2 oraz y = 1, ! !
4
" "
! ! ! <
!
, a ponadto e !

!
2 (C = 23
o ! !
!
=

$ < "

4,5 (C = 33 (x,y)

*$
w tabeli &
$ !

jednowymiarowego. Wielokrotnie, w zastosowaniach

! ! $
0,5 (C = 1) 2,0 (C = 2) 4,5 (C = 3)
dyspersji 1 2 3
39,3% 86.5% 98.9%
mianowicie: 95% lub 98%.

*!
"
!

y
prosta regresji z
* " ! " ! !
" !

y x
osi elipsy do osi x jest zdefiniowany rwnaniem: 2 x y tg 2 = 2 . x 2 y
o z

!
" #

!$

!% $ &

' &$
zagadnieniem testowania hipotez.
2

Niech zmienna losowa x < i dyspersji . losowej: 2 x u= .

! <! ! x: x , x otrzymujemy standaryzowany <' x2 1 exp . x;0,1 = 2 2
! * II.8.b
/ u:

99
5 <'

zmiennej losowej: u=
x1

1 u
1 1 u exp . 2 2 u x 1 i x2
2
" "

2
# : u i u ! (u):
1 2 1
x2

zmiennych losowych:
2 u
u 0
1 u t
*! n standaryzowanych Gaussowskich
0
1 2 1 dt u = exp . e 1 t dt = 2 2 2 t u t
n u =
1
n $ 2 %
2
n
u 2 exp
u , n > 0, u 0 , 2

to funkcja Eulera:

ktry nazywamy " .

> /! (u), nazywany jest # ! n,
0
n 2
z = x z 1e x dx .
* " ! "
i bardziej symetryczny. * "
! i : u = n , u = 2n , " $ !! F
zmiennej losowej typu jest rwna liczbie stopni
!
!
! ! :

2 2

#
2 . n 2 wypada w punkcie u = n 2.
u
n
Gaussa:
(x ; , ) (i = 1, ... , n#$ =

, &
i i i
4 " ! n, Gaussowskich zmiennych losowych xi

xn n x 1 x2 2 u= 1 + + ... + . 1 2 n
0

< & " ! ! < zamiast : & u o postaci: 1 ! !"
(x1, x2, ... ,xn): u=
x1 x

2

2

"
2 n stopni swobody.
x2
x xn x +...+ .

(III-15)
100 f x1, x 2 ,..., x n ; , =

i =1 n

xi ; ,
=
$
1 2 %
n
exp

!" u oraz x :
gu, x ; , =
n 1 1 u 2 exp n 1 n 1
$ 2%
2
1 2 2
x ,
i =1
# u , ! & u " oczekiwanej F stopni swobody w > (III-15) ! ! u (
'
2
x 1 u exp = n 1 u x ; , . 2 2 2
n 2 n n Gaussa . Dowodzi to (II-15) 2 ale tym razem liczba stopni swobody wynosi n 1, czyli
x1
x 2
x2
x 2
= =
x1
1 x1 + x2 2 2 x1 x2 4 2
2
x2
1 x1 + x2 2 2
2
= x2
2
2 x1
2 x 2
x1 x2 4 2
x1
0! 2u ' ! 23 < " :
f v; , n =
$
2 2
x1
x2
( 2 )2
2 =
1 n 2 = i , n 1 n 1 i =1
n 1 1 n 1v 2
" 2

! estymatora wariancji: 2
2 = =
2%
n 1
n 1 2
n 1

2
exp
n 1 v . 2 2
" :
= n 1 = 2 n 1 n 1
2
= =
" * III.5.b. * ! (II-42) ' " * +
/" ! ! ! Gaussa x
! ! !
sumy, czyli problem dyspersji <
" a jak i estymatora dyspersji ."
" estymatora / "! , ale w !
lepsza, im estymator dyspersji ! !. O

"! $ w te "! " <,
i 2

2 n 1

=
2 2 4 , 2 n 1
= n 1 n 1
(III-16)
2 2 o n 1 stopniach swobody.
u=
n n 1
2 sx
(III-17)
&
0
! !
jakim jest jego dyspersja, stosowany bywa jej estymator.

101
23 2
= 2
Gaussa u ; n , 2 n = :
z=

2 <
praktycznych " n > 30.

u u u n = . u 2n
Gaussa przy konstruowaniu zmiennej typu 2

! ! postaci: x . sx
# ===G
! 0"
*
sx ! 2:
2 sx =
'
x = sx
2 u, n n 1
" ! (III-17) , a w mianowniku pod pierwiastkiem liczba n 1 stopni swobody zmiennej 2. Oba obiekty ! " arytmetycznej 7 "
losowej zdefiniowanej '
x t= , u n
x x n , = 2 u u n 1 n n 1
"
x ! ! !! < o parametrach oraz , natomiast zmienna u " 2 z n stopniami swobody, przy czym zmienne x oraz u ! 2 3 *
zmiennej t ! ! % !
Gaussowskiej zmiennej losowej: t=
x
un
z2
t=
z , un
n u 1 2 e 2, u

(II-15) ! / 2 3 z oraz u:
1 2 hn z, u = e 2 1

2

# II.8 * / " " " ' & '
t = v =
g t, v
= h z t, v
, u t , v
J . z t J= u t
z un u
z u
v =t n =v
! / "

'
z v v = n u 0 v
2 nv = 1
v , n
102 gn t , v = 1 2 2
n n

v2
v v t 2v = exp n 2n
2
1 n 2
n +1
* " zmiennej t v:

n t = g n t , v dv =
0
n 2
n +1 1 2 exp
v t2 1 + . n 2

n
v n +1 n 2 2 0
n +1 1 2 exp
v t2 + dv . 1 n 2
& ' q = v1 + t
2 z n + 1 ! '

n t =
1 n + 1 2 t2 1+ n n 1 n 2
1 n +1 2 ,
n

n > 0, < t <
tzw. Studenta o n = 1, 2, 3, ... stopniach swobody.
$

-

$ - :
t= x n
2
2 n 1s x
=
n 1
x sx n
x sx

-
n F +
$ nieznanego parametru
, -
! oczekiwanej
<

$ 2
, zmienna mierzy odchylenie
! jednostkach odchylenia 4 "
$ !%
% !%

!
ktrych waga % + kilogram. Zakupujemy w tym B !%$ 2
!
" 8;1 !%

! +1 $ 3 ! !

!
%
!%
!
waga odbiega od nominalnej

$ E
( 4

!

<

880/7 ! . W
!% Studenta wynosi t = F6$ )

!
waga otrzymana z prbki B "
"
8;1 1040

-
t o czterech
"

! "

( -
& P(-4 t +4) = 189/8$ 3

< $ <
! %

< !

%
nominalnej o ;;

P(6,6 t +6,6) = 0,9973. ) ! " %

jest bardziej obfita? Na rysunku obok "

!%

880/7# ,"
$ )

standardowego.

widzimy, dopiero dla liczby stopni swobody na poziomie

4

" !%

<
. Wynik ten ! 4
II.10.C, a w ! (II-43), ktry
o ! ,acje estymatora wariancji z estymator ten w
< $ =

%

K $

& B ; 7,

103
$
4

xi ( i = 1, 2, ..., n) oraz yj ( j = 1, 2, ..., m# < zmiennych

o tych samym parametrze ! oczekiwanych x oraz y$ - " : 1 n 1 n 2 2 x = xi , sx = xi x , n i =1 n 1 i=1 1 m 1 m 2 2 y = y i , sy = y i y . m i =1 m 1 i =1 3 !

< ! i dyspersjach n oraz m $ 4&
< ! :
m+n 2 2 . + = 2 n m nm Statystyki:
2 2 sy sx oraz: uy = m 1 2 2 2
o n 1 oraz m 1 stopniach swobody. Z 4
$;
zmiennych losowych o
2 o n 1 oraz m F +
o
2 o liczbie n + m C
$ ' % -
& x y x y
x
x y y
ux = n 1
t=
n+ m nm

-

n + m C$
$0$ "

Gaussa i dlatego zmienna ta ma zastosowanie przy testowaniu hipotez o ! !

o tej samej, acz !
. Tak jak w
$0$ -
" w jednostkach odchylenia standardowego

"

!
&
ux + uy n + m 2
x y x y
nm n+m
n+ m2 = n 1 2 m 1 2 sx + 2 sy 2
x y x y n+m n + m2 n 1 2 m 1 2 sx + sy m n

n+m n 1 2 m 1 2 + n+m2 m n
n m; n, m

2 2 +

$ <

"
! $ 2

-4=- 4
$+#

& !
waga
& x = (1,69 0,10) kg, !
waga
& y = (2,31 0,14) kg. E ! !
( )!

samej populacji, w ktrej x = y !% Studenta, o liczbie stopni swobody 48, wynosi:
t= x y x y n+m n 1 2 m 1 2 s + s n + m 2 m x n y = 1,69 2,31 3,69 . 50 26 22 2 2 0,10 + 0,14 48 23 27
4

"
! "
! "
!% . Szansa to wynosi 0,00057, co "

+ 0B1 "

$ "
" ! @
%
% r! !
"
% F

" 2%

"

obie prbki

< !

" !
, -
$ 3! & sx = 0,52 dla
! sy = 0,67

$ @

104

!% !
"
, !%
! 119
% !
$
$
! !

$ ' ,"
%

(I-4) r korelacji z $ D "
prbki (xi, yi)

<
%
" :
dwch czynnikw: x y , , g sx , sy , r; x , y , , n n

!
, a drugi: f x , y , sx , sy , r; x , y , x , y , =
n 2 1 2 2 $1 r %
n 4
x,
y; x , y ,
n 1
g sx , sy , r; x , y , =
sx sy
n 2

xy
n 1
1 2
exp
2 sx 2$1 2 %
x
n 1
rsx sy
2 ! # + x y y #
"

sy

!

i z $ 3
!% !

. Niestety, w oglnym przypadku, nie

% " ,
! r

,

! oraz ! ! n prbki$ E % "
charakter

!# ! . '
% z estymatorem parametru

! n prbki, estymator ten zachowuje " &
r
2 1 n 2 1 n 1 1 n + 1 2 2
n ,
(III-18)
@"!
"
%
!% z prbki z ! & = 1
! !

. W takim
,

" !% " , i %&

2 r 1 $1 2 % . n

fn r =
1 n 1 2 1 n 2 2 t=
1 2 2 1 r
n 4
)!
&

r n2 1 r 2
lub: 1 r 2 =

1 t2 1+ n2 1
3
raz: dr = dt 1 n2
1 +
t 2 n 2 (III-19)
n2 t =
to otrzymamy: 1 n 1 1 2 n 2 1 n 2 2

1
1 +
t 2 n 2
n 1
3

t
-
n F C
$ G!

, (I-4)
!

! .
! 4
II.10.E i warto! 1;B

$ E "
! !( E ! "( D !% -
:

105 3,08 2 1 0,65 "

!, to jaka jest szansa na otrzymanie dla statystyki t= 1 r
2
r n2
0,65 15 2
)!
Studenta o

! /19
* " ( D "

1116$ : " !
"
! !% 1;B "
" CB1
"!$

@ "

! %

% "

!$ 2 ,

my
nie

z

< ! oczekiwanej i wariancji
! w (III-18)$ 2!%

w
"

$ , &

1 1+ ln 2 1 ma znacznie bardzie symetryczny
=

"
<

parametrami i zdefiniowanymi przez: 1 1+ + = ln , 2 1 2 n 1 = 1 . n 3
(z;,) z
3 !%

!

& ! < (grubsza linia) dla ! ! $ <
n = B1
% skali rysunku.
dwch
# % % $! &
oczekiwana wynosi: n > 1, natomiast wariancja istnieje dla liczby stopni swobody

4 &

t = 0 ,

'
t =
- % 2 3 4 < (linia gruba). % <. W < Dla parametru n = 1 % Cauchyego:
n , n > 2 . n2
1t = 1
/ ! % Breita

Wignera lub Lorentza: 1 2 f t ; , = . 2 2 + t
2
1 , 1+ t 2
" " *' " " jak i wariancji " 0 + D" '
106 1 tdt , t = t1 t dt = lim a 1+ t2

" " ! a oraz b $ 4 ! 2 jest symetryczny), to i tak !
" zmiennej $'
t
2
b a
1 =
) 8 9 + D" 5

" 5
zmiennych z " & t1 oraz t2 + D" t = t1 + t2 dany jest splotem (II-24):
+
t 2 dt = . 1+ t 2
1 f t = 2
1 du = 2 $1 + t u %$1 + u2 %
" ! / ! & 5 ! !, to otrzymamy:
1 2 , t 2 1+
2
1t = 1
+ D" %! ! + D" + D" # + D" " 1 * II.8.d < + D" # " "
stosunek z = x/y dwch zmiennych losowych, wybranych z dowolnych, nie koniecznie osadzonych na < 1 ! praktyce laboratoryjnej, i " ' 2 s2 s 2 s = z 2 + 2 2 y x
1 , 1+ t 2
% " !

pierwszej chwili i
!
" * < "
"
/
! ! !
! w ! ! < * !
2, Erlanga . 0 ! ! /
!

z /" 4 ! ! z " " " ,
0" ! ! ! " ! "

# losowe: u1 oraz u2 2 u1 n stopniami swobody, a zmienna u2 ma m ! !'
u1 m u1 F= n = . u2 n u2 m Zmienne u1 oraz u2 ! ! (II-15) o postaci: n m 1 1 u u hn ,m u1 , u2 = u1 2 1 exp 1 u2 2 1 exp 2 , 2 2 n n
2 m m
$ 2 % 2 $ % 2

F & '

107 u1 F J= u2 F
n
m u1 F = n u2 v = u2
n u = Fv 1 m u2 = v
u1 n v v = m u2 0 v
n F n m = v, m 1
! / "
v oraz F

' 1
1 n + m 1 2 exp !
gn, m F, v
=

!
n n 2 F v n+ m n m m m 2 2 2
1 n 1
v n " F +1 $. # 2m
'
v 2 23

1 n n2
n, m F =

1 n + m 2 1 n 1 m
m 2 2
F2
n 1 + F
m
1 n + m 2
n, m > 0, F 0 ,
F Snedecora z (n,m) stopniami F.

pewnym zamieszaniu jakie panuje w literaturze w kwestii imienia F Snedecora Fishera
4

" " ! " '
lub nawet F F ' F , konwencjonalnie ! z / ' 1
= ln , <
< + , 2 !! !' z Fishera z (n,m) ! z <.
&
3
: u oraz u s oraz s wariancji dla dwch prostych prbek
normalnej o tej
x y 2 x y 2 2
samej wariancji:
ux = uy =
2
1 n 1 2 sx = 2 2 1 m 1 2 sy = 2 2

xi x
i =1 n i =1
, ,

o n 1 oraz m +
$ 2 !
% " F: "

+#
$ 3

"

! iancji w dwu prostych prbkach wylosowanych z
< $ % "

% !%
III.7.b
! $ 2 (II-42) !%
z ! !
arytmetycznej :
F= m 1 F o (n 1, m o
2 n = n 1 = m1 12 = , 2 2
n 1 2 2
yi y
m 1

F.
* #
2 nsx , 2 msy
!
F ! n 2
Fmoda

'
dla n > 2 w punkcie: m(n 2) = < 1. n( m + 2) dla: m > 2 ,
=
natomiast wariancja '
m m2
=
2 m 2 n + m 2 m > 4 . 2 n m 2 m 4 F w postaci:
0 "
108

1,m F =
1,0 0,8 0,6 0,4 0,2 0,0 0 0,5
2
1 1 + m 1 2 2 1 1 m
m 2 2

1 F 2 1 +
1 F m
1 1+ m 2
1 1 + m 2

ktra po podstawieniu: F = t 1 1 + 2
1 F 2 1 +
m 1 m 2 2
1 F m
1
1 1+ m 2 ,
'
(n,m )= (1,1) (n,m )= (5,1)
m 1 2 2 1+ m m t = 2 , t > 0 , t 1 + m 1 m

m 2 % o liczbie stopni swobody m
=!
F przy
" *
n " m , n 2
1n 2
(n,m )= (10,5) (n,m )= (5,10) 1 1,5
otrzymujemy:

2
n w zmiennej nF, o n stopniach swobody.

2
0
n, m F
n nF =
1 2
nF
1 n 1 2
exp 1 nF , 2
, " !! $ ! F z parametrami n oraz m $ Gaussa. $ ' m przy ustalonym n ' n przy ustalonym m nie
*
Gaussa

" " "
! "# $ %

" #
2
n, m, p i !
!
odpowiednic 3'

n
n,
p0
np

n
n
n ,m

m n = const
n =1
! ! " < ! " 4 6"
, z " !

IV. Oceny - estymacja parametryczna
109

! "

! "

"

"
#

! zawsze zawiera w

$
%

dwumianowego!

&

! '!

( )
!

*

!

!

+ "

"
procesu.

IV. Oceny estymacja parametryczna

! !

!

"

przyjmujemy za oszacowanie nieznanego parametru. Mwimy wwczas o estymacji punktowej ,

, estymacji
. - !

"

"

!
%!

! .
(

n (

!
/
Estymatorem nieznanego parametru

. Jest to oczywisty i nieodzowny

- ! ogle o

0

$1
II.10.B'
!

jest estymatorem zgodnym. -

"!

%
rw, "
!

/ f n , gdzie funkcja f (n)
n % . +
"

"
!

!

"

"
-

serii prb, to jest wskazane, by

%

"

estymatora!

/ =

" n. 2

) f (n) * /

"

" (II-44) jako estymatora wariancji zmiennej losowej w Rozdziale II.10.C!

(III-4) parametru p

" w Rozdziale III.2,

(I-4) korelacji *
III.7.c!

P n > n 0.

n
3 "

1

2 Wiemy,
sx wariancji V(x) z prbki prostej

1 n 2 2 = i n i =1

II.10.C
(II-34): 1 n = i2 . n i=1
pochodzi z populacji normalnej (x;0,! V "
:
estymatora
, czyli takiego, dla ktrego: n n .
110
n

n
f V ; , n =

n2 2 1 n
2
n n
V 2 exp

nV , 2 2
nV/2 "

2 o n # $ %

=

estymatorem dyspersji

n 1 n
2 = 1 n +1 2 2
$ %
zmiennej v: 2 n 2 1 n n 2 1 n n 2 1 n = 2 2 = 2 1 2
2 = 2 1 2
nV 2 = 2 1 2
2 2 2 2 n + 1
2 2 n + 1
n 2 2 2 n + 1
2 "
&
zmiennej o n stopniach swobody wynosi n. '
D= x . ( normalnej (x;0,):

+ +
n 1 V2 2 n n 2 1 n
2 0 n
n2
exp
2 1 n + 1
nV 2 , dV = 2 2 n 1 n
2
1 x
= 2
) #

: 1 n d= xi 2 n i =1

* " n d = 1 xi
= . 2 n i =1 '
:
n d = 2 xi 2n i =1

x2 2 x exp 2 dx = 2 2

0
x2 1 x exp 2 dx = t = x 2 = 2 2

+
0
exp

t dt = 2 2
2 .
2

2 =
n
n n n xi x j 2 = 2 xi2 + xi x j 2 = 2n 2 j ,i =1 2n i =1 i j , j =1

2n 2
i =1
2 xi2 + xi
x j 2 = 2n 2 n 2 + n n 1 2 2 = n
i j , j =1
2 . 2

'+ " do oceny dyspersji

(x;0,!$ ,

Zbadajmy stosunek f ich wariancji: = n 2 1 n 1 2n . 2 f = 2 2 1 n + 1
2 2 '

& n
$ .

#

/012$ )

v #

, a tym samym dostarcza oceny dyspersji mniej

d.
+

"

. Jest

"

!

)

"

"

!

i "

/
! % !

)

4 5
! " !

! "

Vmin

!
"
"

3 )

" "

! wprowadzimy najpierw tzw. ! 0

xi n
111

#
f(x;), gdzie x !

"!

!

"
xi

/

x; =
f x i ;
i =1 n
Podobnie, dla losowej prbki ki (i = 1, 2, ... , n) zmiennych dyskretnych

Pk()!

"! k = 0, 1, 2, ... ! )
" )
/

k;
= Pki .
i =1
0

"
! )
)

" "

)
"
xi oraz ki

zmiennymi losowymi. Wielokrotnie, w

!

! " xi oraz ki to faktycznie wyniki pomiaru, a !
nie

.
) "

"!
"
) " (

!

)
!

od parametru (jednego lub wielu). W

"

tradycja wymiennego stosowania terminu

6
"!

! )
!

L(...) dla ) "
(...) dla funkcji parametru (lub parametrw). ) L, a ) "! "

"

twierdzeniem RaoCramera: 1 min = , 2 ln Lx dx L x i podobnie dla zmiennej dyskretnej: 1 min = , 2 Lk ln Lk
k
"

"

* !

! )
"
f(x;)
7
Pk()

"
"!
"

"

! (
"
(
%

" "

1
(+

/
oczekiwane!

" x lub k

$
[0; ]). Przy takich obostrzeniach matematycznych

1
n Pk k =0
ln Pk
1
n ln Pk

dla zmiennej dyskretnej!

" otrzymujemy: 1 1 + , 2 2 n f x; ln f x ; dx n ln f x;

) /

1
+
n
1 n
ln f x; 2
2 f x; 2 ln f x; dx
8

1
( +

!

"
" )

zentowali. Estymator, dla ktrego wariancja "

!

najefektywniejszym 6

" 9
:

)

W " &

dyspersji (a nie wariancji 2)
* (x;,! #

:
112
min =
1 n 2 ln 2

x; ,
= n 1 2
+
1 2
1 3
x
=
2
exp
4
2 x dx 2 2
2 2n

45

#
"
$ 3 & & w postaci
d jako: 2 min 1 2n = = 0876 , 2 min d 2 2 2n
a dla estymatora v " &

.
n
.
Z 666$7

.
parametrowi $ 3" 4

&- '

$ 8 "

() o
k

Poissona to: ln natomiast jego pochodna wynosi:
k
= ln

k!
e = k ln ln k !,

k ln k = 1. k ln ln k ! = Ostatecznie, minimalna wariancja Rao Cramera zadana jest przez: 1 1 2 2 = = = = . min = 2 2 n n 2 k n 1 k n k k ln k n k k =0 k =0 k =0 .

(II-41) 9
II.10.C!

jest najefektywniejszym estymatorem. Popatrzmy teraz na estymator kwadratu dyspersji: 1 n 2 sk = ( ki k )2 , n 1 i =1 ktrego wariancja II.10.C, wynosi: 2 sk = 1 k k 4 n 3 4 . k n n n 1
" &

"

.
k
= + 3 2 , n 3 2 2 2 = + . n n 1 n n 1
9
5!

2 sk = 1 + 3 2
: & "

min = 2 sk
)
/

$ ;

&

. #
&
"

$
1 n = . 2 2n 2 1+ + n 1 n n 1
+

) 4 5
! 0

%

.

"
$
", geometrycznego, Pascala!
", Poissona, Gaussa (parametru oraz parametru = 2) i binormalnego (z

''

113
1
.;<
)
":

x; =

) "! x

w
!
wyniku pobierania prbki prostej
f(x;). =

!
) " f(x;)

!

! )

"
) " tylko tego parametru. Zgodnie z " # ! , za

"

!
)

" "
i =1
i
f x i ;
maksimum:
x;

= max .
$
.
.
II.7.e o liczbie karpi $ .
#
# N wszystkich karpi w stawie, liczby K
#

zaznaczonych i wpuszczonych do stawu oraz liczby n
#
"
k #

"
#
"
:

k N, K , n
K N K k nk N n
, dla:

.
K = 50, n = 40 oraz k = </$ ' N wszystkich karpi w stawie: Kn 50 40 = = 100. N k 20 %

N = 0,1,2,3,... , K = 0,1,2,3,... , N , n = 0,1,2,3,... , N , 0 k min K , n .

4

& 4 "
" & " parametrw. W
#
"

&
" (N). )
&
" w punkcie N = =//

$ )

N = 100, ktra &
"
9
!

#
"
k (N = 100, K = 50, n = 40), jako
& k, czyli liczby oznakowanych ryb w
" $ ) "

$ k = 20. Wybr estymaty

&
"
hipergeometrycznego = k = 20(N, K = 50, n = 40)

" N$ '

sposobem na uczynienie danych najbardziej prawdopodobnymi.
2

)
"

rwnania:
=

)

"

&

!

)
!

" *
)

"
"

" ! estymator

"

7 bardziej praktycznego rwnania:
n n 2 ln x; = ln f x i ; = 0 ,
2 ln f x i ; < 0 . = i =1 i =1 k Dla oglnego przypadku z k nieznanymi parametrami i n ln x; = ln f x i ; = 0 , j = 1,2,..., k j i =1 j
2 x; = 0
2
x;
=
< 0.

/
!

%/
114
2 ln f xi ; j k i =1
n

$
Znajdziemy estymator

"

" . Niech
n czasw ti $ 3 "
&
" znajdujemy w postaci: n 1 n 1 1 1 nt ti = n exp ti = n exp , t; = exp i =1 i =1 a jej logarytm wynosi: 1 ln = n ln nt . .

#
n 1 ln = + 2 nt = 0 , i znajdujemy estymator: 1 n = i = , n i =1

666$>
parametru $ ? "

" t ; = exp t . 8 "
&
"

ln
= n ln t
n i =1
= n ln nt ,
" #

: n 1 ln = nt = . )
1 = f = = f
, t czyli estymator " &"

"
&

$ ;
"
" wynikiem (III-12)
# asymptotycznie.
$
Znajdziemy estymatory parametru i dyspersji

"
xi o n,
* (x;,!$ @
" dla tej prbki to:

oraz jej logarytm:
x; ,
=
i =1
x 1 exp i 2 2 2
2
=
1 2
n
exp

1 2 2
xi
i =1
2
,
1 n 1 2 x n ln ln 2 . 2 i 2 2 i =1 A
#

, otrzymujemy: 1 n 1 n ln x; , = 2 xi = 0 = i = , i =1 n i =1 ln
x; ,
1 n 1 n 2 n 2 2 ln x; , = 3 xi = 0 2 = i
= . i =1 n i =1 )

, jednak estymator wariancji to kwadrat
" #
" (II-44)

2
(II-39) dyskutowanej w Rozdziale II.10.C. Jak wiemy, estymator a to znika dopiero dla n $ :
# #

" " .
IV.2.b.
,

"

"

jakich dostarcza.

, a
"

)

"

!

*
115 IV.2.b -

!

!
)
"

,

!
)

"

.!
, a nas interesuje pewna funkcja = h(' "
jest
parametru, to z rwnania:
= ,
!
) h() po parametrze
!
!

0=

!

"

/
= 0.
8

"
)
/
= h = h .
=

! *

(IV-1)
IV.2.c

!

"

=
"
! "
2 pierwiastek kwadratowy z uzyskanego estymatora , a wejdziemy w posiadanie estymatora . Wynik (IV-1)

". Musimy

! ! "
! !

funkcji h()

!

.

nie jest !

"
$ ) ):
h = h
estymator parametru " Estymatory

"

!

! ) %!

/

. !" # ! " $ %$ Twierdzenie 3. #! # & ' przy # ! ( !" ! !.
=

3 " !

- ) "
xi :
Lx; = f xi ;
i =1
dokonamy zamiany zmiennych:

= a x ,..., x , n 1 y i = ai x1 ,..., x n ,
)
i = 1,2,..., n 1,
L

/ L , y; = Lx, y ; J , yi +
yi !

"

dla estymatora :
g ; = L , y; dy,
"
"

:
2
=
g ; d .

!

obliczenie z %

5
!

/
= x L x; dx ,

)

(IV-2)

)
ocenianego parametru -

7

x , y
)

!

!

116
$
Wykorzystajmy rezultat (IV-2) do obliczenia wariancji estymatora = t parametru

" :
=
t2 t
1 n
0
1 n ti n i =1
exp i dt1... dtn 2 =

i =1
2 2 . n n
B " #

#
"

(III-10) "

# o #

II.10.C. W celu uzyskania licz

CD
"
$

"
,
szczeglnych wynikw, w tym przypadku (III-11) #
1

! m

*
!

"!

/
i , j = i x i j x j L x;
dx .
(IV-3)
$

dwch parametrw: i
*
W .
IV.2.c

" #

1 n 1 n 2 = xi , oraz: 2 = xi . n i =1 n i =1 Zgodnie z naszymi wzorami, wariancja

dana jest przez:
(x;,).

=

1 1 n n 2 n i =1
xi

exp
i =1

xi
2

2 2
dx =
2 2 . n n
;" # E

" #
$ #

estymatora 2

# 2 n x 2 2n 1 4 2n 1 4 1 1 n 2 . 2 = exp i 2 dx = xi
2 n n 2 n2 n2 i =1 i =1 2 '
"
"
.
III.5.b oraz w (III-16)
w Rozdziale III.6$ .

#

"

*$ (
2

$ %

n 2 , n 1
(IV-3)

"
Czytelnikowi, a tu podamy jedynie ostateczny rezultat:
cov , 2 =

n 2
x 1 n n 1 n 2 xi n xi
2 exp i22 n i =1 i =1 i =1
2

dx = 0 , (II-52).
" .

III.7.c o

*
" (IV-2) oraz (IV-3)

w

!

w
!
, np. symulacji Monte Carlo. Znaczne

! ktrej badana prbka
! "
/ Twierdzenie 4. )$ asymptotycznie przyjmuje, jako funkcja parametru " %$ # $ # Cramera:

max
exp

2
2 min
(IV-4)
117

(IV-4) jako

%

. W schemacie klasycznej statystyki matematycznej, ktra jest "
!

!

!
nie *
, ktra po wykonaniu eksperymentu i podstawieniu "

!

!

()

)
" , ktra ma tylko krzywej Gaussa, bez interpretacji probabilistycznej. >"

(IV-4):
"

"

poszukiwanego estymatora
parametru :
2 ln 2
min

6

"/
V i , j =
2 ln i j =
2 ln = 2

=
.
1
(IV-5)
"

" !

0

! " w praktyce pochodne m

Przejdziemy teraz do
"

$
Przypomn 6$< "
&

9
!
2 1,7 )

& +

dla tych danych, z uwagi Liczba rodzin Oczekiwana liczba rodzin
# "
$ ;

" $ ?

"$ .

.

>
6 6,6
3 dzieci 4 3,8
4 dzieci 3 3,0
5 dzieci 2 1,9
F
zadany jest . Niech P(k > 5) oraz P(k < >!

E F + >$ @
" dla tego przypadku zapiszemy jako:
ki ,
= Pk < 3
3 6 3!
4 4 4!
3 5 5!
2 k P
> 5
=
34
3 2 3! 4 ! 5! 4
P k
< 3
P k > 5
.
.
Pk < 3 = 1 + +

2 e , 2
oraz: Pk > 5 =

k 2 3 4 5 + + + e = 1 1 + + e , 2 6 24 120 k =6 k !
ki ,
e 9 1 + + 4 3 2 3! 4 ! 5!
34
2 2 3 4 5 + + + e 1 1 + + e . 2 2 6 24 120
$
) "

G
$ G
= 3172 317, , ,

(IV-5) znajdujemy: 0,454 0,4 F$ .

9 !

"
&
"
argumentu parametru $ ) & "

= 3,2, co dobrze
"
9

w

max!$ 5 4

"
&
.
118


Dlaczego wybieramy do tego wykresu

"
&
" &
" - .
4 :
7 &
"
a & "

* 4
(IV-4)$ "

: 2 ln ln max 2 min
w argumencie $ .

parametru, ale pozwala
" $ B

" 4
nasze
& 4 =1
o
min
&
"

$
#

przypadkw. Wykres taki dostarcza nam jeszcze &

$

przesuniemy
* /F$ % "

&
" "
poszukiwanego parametru.
. "
&
"

, czy wobec tego
C D

4 /F "
standardowej dla znalezionego estymatora? %

#

#
$ 5

H<1>I >2>J 9 " 4/F! #

20>K
E

* "

obszarze

$ '
" " "
+
0,45

"
(IV-5)$

"

$ )
+
"

o dwie i o 3 dyspersje
"
&
" dwie oraz o cztery i $ '

$ ) pierwszym przypadku odchylenie standardowe /7 "
/F
""
odchylenie standardowe na lewo to dalej 0,4, natomiast na prawo wzrasta do ponad 0,5. Tego typu
#
$ B E
E

. $ . $ .
parametru

E
klas
# $ G
E

# +

$ ) ) " $
ostatnim wierszu tabeli.
IV.3. Metoda najmniejszych kwadratw

W Rozdziale II.10.B *
II.10.B.e

" pierwszego typu (II-32) oraz (II-33) 5 !

%
krzywe regresji drugiego typu. Mamy z nimi do czynienia, gdy poszukujemy zadanej krzywej y = g(x,1,2, ...)

parametrw 1,2, ... ,
"

/
y
g x, 1 , 2 , ...

"

? "
g x , 1 , 2 ,

f x , y dxdy = min1 , 2 ,
(IV-6)
x *
)

"
h y , 0 , 1 , ...
y = g(x,1,2, ...)

"! / " y x = h(y,1,2, ...) zmiennej x " y:
x
h y , 0 , 1 , ... f x, y dxdy = min 0 , 1 ,... .
(IV-7)
119
!

% & * !

metoda pracuje i

" y " x w postaci linii prostej: *

)

"! /
2
y = gx, 0 , 1 = 0 + 1x .
y 0 1x 2 = y y 1x x + y 0 1 x
2

=
2
2 = y y + 1 x x + y 0 1 x 21 y y x x =
= y y
2 + 1 x x
+ y
0 1 x 21 y y x x =
2 2
2 = 2 + 1 2 21 cov x, y + y 0 1 x = y x 2 = 2 + 1 2 21 x y + y 0 1 x = min0 , 1 . y x 2
8

" 1 oraz 0!

/
2 y 0 1x 2 = 21 x 2 x y 2 x y 1 x 0 = 0 , 1 y 0 1x 2 = 2 y 0 1 x = 0 . 0 1 = y x , y x x ,
1
"

%
/
0 = y y

" "" y " x:
y y =
* !

7 " ""
x " y:

/
x x = x = h y = 0 + 1y , x y y y
x x .
/ y y =
-
! " ! "
jest jednostkowy, "!

1
II.10.E!

funkcyjna o liniowym

"!

8

!

!

=

! " !

i

, a
!

1 y x x . x
'

0 1 2 3 4 5 6 7 8 20 30 52 77 135 211 326 550 1052
.

9 dArcy
Thompson, Proc. of Royal Society, Series B, 88, 237, 1914) w tabeli

wodnej umieszczonej w stawie w funkcji

!

"
$ :E
# ktrej wrzucona do wody sadzonka </ $ %

$ A

"
" &" $
" #
IV.3.A. Zasada najmniejszych kwadratw
lub

! y m)!

/
* !

x!

i zbioru m parametrw i (i = 1, 2, ...,
120 x, y; 1 ,..., m = 0 ,
gdzie
)

i . Gdy mamy zadane n par (xj yi )!

i !

%

/ x j , y j ; 1 ,..., m = 0 , dla: j = 1,2,...,n oraz n > m w oglnym przypadku jest sprzeczny. Zasada najmniejszych kwadratw
! i mamy tak

!

/
= 2 x j , y j ; 1 ,..., m = min1 ,..., m ,

j =1

m
%
m
i : n = 2 x j , y j ; 1 ,..., m x j , y j ; 1 ,..., m = 0 , i = 1,2,..., m . i i j =1

*

!

estymatorami metody najmniejszych kwadratw 0

"
!

"

) "

!
jest )
x oraz y

!
"

)

i
W wielu zastosowania

)

/
jest zestaw n punktw kontrolowanych xj!

"

yj (zmienna

)!

j : j = y j

! ! !

j:
xj (IV-8)

i dobieramy tak, by suma kwadratw reszt j = y j f x j ; =

k , j =1
j = f x j ; .

/
y k f xk ; Wkj y j f x j ; = min .

Wkj

"

&

macierz V y kowariancji V(yi, yj) y, wtedy macierz wag
/ W = V 1 y .

" !

!
V jest diagonalna i
sj " yj!

/
f(x;i)
=
j =1
y j f x j ; sj

yj j

!
sj! mierzonej od domniemanej. Istotnym elementem zasady

%

! "
(
!

=
)
f ( x; )

od

x xj

!

matematycznej (

metody najmniejszych kwadratw. xj =

0
!

)

! "
!

!

5 !

"

!
"

)
"

! "
punktw xj

!
) sj .

!

!
" ! )
+
xj

"

"
!

" 3
!

!

x! +

"

"

zmiennych.
0

% "

!

!
mierzone yj
&

$

)
121

"!

".
IV.3.B. Zastosowanie metody najmniejszych kwadratw w problemach linowych
z dyspersjami j. Tym samym minimalizacja

)

!

) " !
sj

) (IV-8)

!

w nieznanych parametrach: + ! "

!

= f x , = 0 + 1 x . uoglnienia na bardziej skomplikowane przypadki o liniowej postaci: = f x , = 11 x + 2 2 x +...+ m m x
(IV-9)
" i (x)

!
)
( " kontrolowanej x =
" +

)
!
!

a x

, !

!

od poszukiwanych parametrw.
=

%
(IV-9)

"
5
! "
)!

) *

!
"

7 /
= a + bt 2 , x = t 2 , 1 1 = a+b , x = , t t 1 1 t , = , z= x= , a + bt z t = ln z , z = ab x , = ln z , z = ae bx , b = ln z , x = ln t . z = at , *
! "
yi
!

!

) /
=
i =1
0 1
yi
Konstruujemy rwnania, zwane normalnymi!

/ = 2
i =1 n n
0 1 xi
= min 1 , 2 . si
n n n y y i 0 1 xi 1 xi i = 2 2 0 2 1 2 = 2 S y 0 S 1S x = 0 2 si i =1 si i =1 si i =1 si

= 2 x i
i =1
"

/
S= 1 2 , i =1 si
n
n n n x y y i 0 1 xi xi x2 = 2 i 2 i 0 2 1 i2 = 2 S xy 0 S x 1S xx = 0 si2 i =1 si i =1 si i =1 si
(IV-10)
Sx =
5

!

! /
0 = Sxx Sy Sx Sxy 1 = SSxy Sx Sy
xi 2 , i =1 si
xi yi 1 = 2 , 2 . SSxx Sx i =1 i =1 si

%

/ 0 oraz 1, ktrego Sy = Sxx = Sxy = . (IV-11)
yi 2 , i =1 si
xi2 , si2
6 )

%
wyznaczonych estymatorw. Problem
!

!

!

(II-47) 1
II.10.C 7 (II-56) 1
II.10.F, a
! / 0 = Sxx ,
1 = S . *

!

7

, definicji (II-51)!

(II-57) 1
II.10.F,
(IV-12)
a otrzymamy:
122
0 , 1 = Sx ,
(IV-13)

(II-54)

/
0 , 1 =
Sx . SSxx
(IV-14)
&

&

!

"
(w !
"

si indywidualnych pomiarw zamiast dyspersji)
&
!

!

.
Uzyskana krzywa najlepszego dopasowania, zwana niekiedy w literaturze poprawionymi pomiarami: = 0 + 1 x ,
! 7

0

x w ktrym

7

/

= 0 + 1x 0 + 1x
2

= 0 0 + 1 1 x
2
1 S 2 + 1 x x . S S
1

! "

/ = 1x, wtedy:
1 =
Sxy Sxx
1 . Sxx
6

!

"

&

$

'

zmiennej kontrolowanej (dyspersja jest
liniowa) i zadana przez:

= 1x 1x
2

= x 1 1
2

,

"

w, nie

, !

!
7
min

" ) &

!
!
)

,

! "

n 1 do n

! min
!

!
=

sytuacja powstaje w ! " yj "

&

. Wtedy nie tylko znalezione estymatory

! statystykami ! &
ale
! min

yi !
o
2 z n m (liczba punktw pomiarowych minus liczba nieznanych parametrw; w przypadku linii
prostej m = 2) stopniami swobody: min = 2 m !
= f x, n
1 2 x . S xx

" -

" *
III.6.a.
'
Przeprowadzono eksperyment (Draper, N. R. and Smith, H., Applied Regression Analysis, John Wiley and Sons B L
=M0=!
" &
elementarnych operacji Dawka
manualnych. Trzydziestu 0 mg 242 245 244 248 247 248 242 244 246 242 244,8 0,76 studentw poinstruowano 100 mg 248 246 245 247 248 250 247 246 243 244 246,4 0,65
200 mg 246 248 250 252 248 250 246 248 245 250 248,3 0,70 jest stukanie palcami po
$ B #
"

kofeiny: 0 mg, 100 mg i 200 mg$ ) " +

# " z $ : wynikw uzyskanych
#

i . Dane te, w
# #

#

$

z dodatkowymi informacjami (czwarty punkt, bez 7// mg kofeiny oraz trzy krzywe), ktre teraz omwimy.
'
& $ 3
#
#
# #
$ %

%
$ &
'
123 x &

= 244,7 0,7 + 0,017 0,005 x .

:

$ B " & & $ ,
" &
" $ )

o

#. W .
III.2.e
$ '

&
#
z prze$ " 400 " &- '

x = 0 + 1 x

,

!$ . #
# #

"

S 2 1 + 1 x x S S <F< =F 9

9
" !$ B ekstrapolacji wraz z

$ B

modelowe" #

"

=" &
=1 <7F
E $ 5 # # #
E

liniowa - 5 - G "
#
*. Nie mamy na to zbyt silnych

"

$ .
# &

z
$ B
ktrej
"

"
"
"
poszczeglne pomiary w # "

" $ przedstawionego w .
III.5.f

" $ Drugim argumentem jest wykres kwantyli. *

* x x . q=
. "

4

empirycznej dystrybuanty, druga linia to

, obliczone ze

"
*

#
dawce 0 mg kofeiny.
F x 0.091 0.182 0.273 0.364 0.455 0.546 0.636 0.727 0.818 0.909 qi -1,335 -0,908 -0,605 -0,349 -0,114 0,114 0,349 0,605 0,908 1,335 0 mg 242 242 242 244 244 245 246 247 248 248 W #

. My

$ 5 # est na

9 ! / " &
=// " &
a
<// " &$ )
+
#

# # #

kwadratw. Postaci tych prostych to: x 244 8 x 2463 x 2483 q0 = , q100 = , q200 = 2 98 251 274 i estymaty
# " naszymi
$ G #
E

*$

#

arytmetycznych /M7 /1M

/01 umiarkowanej zgodzie z
"
#$ ,

"
$
G

&$ G #

min, ktra dla naszych danych wynosi //><$ ) # charakterze Gaussowskim,

2 o n < #
$ .

124
#

=$ 5

min jest - '
E

$ %
2 o jednym stopniu swobody w granicach od 0,032 do E
E 02K$ % 02
# =//
# "
min $ G " $ N
co ten wynik

02K & $ A

E
np. 99%, czyli w tym wypadku o
# 2 ////=F$ '
///1
# "
" $ '
#

w MM
# =//

2 " ////=F$ %

# $

2

E P(2 > min)

$ "
E- :
$ #

#
E P(2 > min) //=$ :
# /=/ //F
//=$ ) 02K
#
# #

& $ B
" &
nie ma statystycznych podstaw do odrzucenia hipotezy ... " $ B " a to z
$ .
"
# & nawet "

$
min, to nigdy "
& i przeprowadzi jej dopasowanie z sukcesem. Z punktu widzenia statystyki, wszystkie te dopasowania z
# +
#
min

$ .
&

#
min

&

#
#
$ 3
"
" & w

, ktrych obecnie $ </
min
7// =<0

E //>K "

$ )
(IV-14) dopasowanymi parametrami wynosi 0,8. ,

pomocy konturw
2, czyli , jak te obok, jako funkcji obu

$ .

&
#
2 9
funkcja

w minimum) &
* # #

"
* (w "
w minimum, to elipsa kowariancji). Z
" .
IV.2.f
$ G
=O< w
*
"
&
" $ 3"

2 = 1 (patrz dyskusja elips kowariancji
"
* w Rozdziale III.5!$

tego parametru. )
4
4 #
2 = 4 oraz 2 = M$ G
" 5
#

#
E$ ) &

2
" dyspersji
*. Z
" #
# # standardowymi, a
# $ '
"

$ 5
& - .

"

+
#
125

1$ . # #

" "
#
$ %

y, czyli parametr 0 "

, jak i sam fakt skorelowania obu parametrw. ) "

wykorzystaniu Pearsona r z prbki & " (I-4) w Rozdziale I.2,
w zagadnieniach oc

$ )
"
# #
# pisanych przez amatorw i
#

#
"

" 9 # #
0,9988) i "

$ B
E

(III-19) w .
III.7.c. Celem niniejszej uwagi nie jest

"
9# !
" 5 "
# tak prostym zagadnieniu jakim jest liniowy model w # # #$ 5 & przypadku $

r $
)* +!*

12,74 13,13 11,51 12,38 12,60 11,13 11,70 11,02 11,42 0,558 0,604 0,441 0,550 0,528 0,418 0,480 0,406 0,467

7 " liniowego

) *

Pearsona, ktry wynosi 0,98. Czy, mimo braku informacji o
poszczeglnych pomiarw,
4 -

(IV-11)
!
! )

"

.! si

!

"
/ si = ui, gdzie jest nieznanym, wsplnym
drewna (w g/cm 3) do oceny

(w kg'

belki wykonanej z tego drewna (Draper, N. R. i Stoneman, D. M., Technometrics, 8, 695, 1966). Punkty

*

%!

wykorzystania informacji o "

czynnikiem skalujacym. Wtedy: 1 n 1 1 1 n xi 1 1 n yi 1 S = 2 2 = 2U , Sy = 2 2 = 2 U y , Sx = 2 2 = 2 U x , i =1 ui i=1 ui i =1 ui 1 n x2 1 1 n xy 1 1 4 = = 4 , S xx = 2 i2 = 2 U xx , S xy = 2 i 2 i = 2 U xy , = 2 2 i =1 ui i =1 ui SS xx S x UU xx U x

!
(IV-11)
""
: U x U xy U Uy 0 = Sxx Sy Sx Sxy = xx 2 2 2 4 = U xxU y U xU xy , 2
(IV-15) Ux Uy 4 1 = SSxy Sx Sy = = UU xy U x U y . 2 2 2 .

(IV-12) i kowariancji (IV-13): 0 = S xx = U xx 4 = U xx 2 , 2 1 = S = U2 4 = U 2 , (IV-16) x 0 , 1 = S x = U 2 4 = U x 2 , "

!

(IV-14) korelacji estymowanymi parametrami: 1 2 Ux Sx Ux 0 , 1 = = = . (IV-17) 1 1 SSxx UU xx U U xx 2 2 Pozostaje on jednak w resztkowej sumie kwadratw:
U 2
U xy
126 min 1 = 2
1 y x i 0 1 i = 2 min . ui i =1

n 2
(IV-18)
5

!

.

,
!

nie " )

!

"
yi oraz przy

!

min jest dobrze
/
min = n m , gdzie, jak poprzednio, n

(xi,yi)!
m to liczba dopasowywanych parametrw (w naszym przypadku linii prostej m = 2' 6
"! !
! (IV-18)
7
parametru 2: 2 min , n2

dopasowanych parametrw: 0 = U xx 2 ,
1 = U2 , 0 , 1 = U x 2 .
(IV-19)
0

/

! " !

jest prawdziwa. &
!

&

!

"

:
t 0 =

8
o n 2 stopniach swobody. &
(IV-8) jest proporcjonalna: = 1x, wtedy:
1 =
0 0 , t1 = 1 1 , U xx U
(IV-20)
U xy U xx
!

! /
, U xx

2 =
1 n yi xi min = u , n 1 n 1 i =1 i
1 1 U xx "

8
z n 1 stopniami swobody.
t1 =
(IV-21)
IV.3.C. Regresja liniowa W Rozdziale II.10.B )

" (II-32) oraz (II-33) pierwszego typu jako

!

! *
II.10.B.e!

&

dwuwymiarowego! funkcjami zmiennej x dla krzywej regresji y " x: y y x = y + x x , x
) y (
" x " y: x y = x + x y y . y 0
1
.;@
" drugiego typu, jako swoiste, w

!
"

)
(IV-6) lub (IV-7)

!

!
"

/
y
x x = 0 + 1 x , y x x = y 1 x . 1 = y x

)
!
0 oraz 1 wybierzemy w postaci:
0 = y
(IV-22)
"
!

&

, to " "" " "
127
Najprostsze zagadnienie regresji (IV-22) "" !

, a
! "

0 oraz 1, a

! prbki prostej n par zmiennych (xi , yi) i = 1, 2, ... n -
! m + 1! (x1, x2, ... xm, y), mwimy wtedy o wielokrotnej! 7 wielorakiej wielowymiarowej regresji linowej:

y
x1 , x 2 ,..., x m
x = 0 + i x i .
i =1
i (z 0'

& -

!

y skojarzonej z tym xi 0

!

i
! w analizie statystycznej danych jest wysoce umowne. Wybr zmiennej
!

!

, jest

#

"
"!

( (

!

0

"

* !

/

"

! !

A
znajdziemy w

!

"

!

" *

"

"

"

!
!
3

" ! "!

. Metoda

" B.B angielskiego matematyka F. Galtona =

=

!

!
wyniku ewolucji

"/
i wielkoludw!

&

&

!
!
! !
(
regres tej

" *
niskich ojcw: ci z

$ "
progresji?). * "
!

!

" !

!

w postaci serii n
(xi , yi ) 3
7 " y " x !

!

x
y x zmiennej y!

x, y x
7
y x = 0 + 1 x . *

9"

:

!
" "
xi w klasy x[k ]

y[x ]

!

0

" !

"!

*
"

)
!
"

wszystkich danych, czyli par (xi, yi) i taki dobr parametrw 0 oraz 1, by resztkowa suma kwadratw
minimalna: = yi 0 1 xi = min0 , 1 .
2 i =1 n
(IV-23)
w

"
! x

) !
0
!

!

"
!
!

!

zadane i ustalone, tak jak tego wymaga

*
!
!
) x a y!

!

y jako funkcji regulowanej zmiennej x. 5

! "
"
"

!

"

!

!

! sekundach, w jakim brytyjski biegacz Colin Jackson
w 1990 roku dystans 110 m z przeszkodami, a
!

!

$

C
pracy:
128

) * ++,

Hitchcock, S., Does wind speed affect times?, Tract. Stats., 31, 19, 1993' 6

"

$ 7 '

!

!
"

"

$"
!

! " '!
!

Wiatr Czas 2,9 13,53 2,0 13,63

1,6 13,39 -!
&
.' 1,4 13,53
!

0,8 13,63 "

warunkach bezwietrznej pogody. 0,4 13,17 0 !

) 0,4 13,25
!

! "

0,2 13,23 x = 0 + 1 x "

!

0,1 13,63

3

%
0,2 13,09

(IV-23) 0,2 13,18 do wyznaczania nieznanych parametrw funkcji i zagadnienia wyznaczania krzywej regresji. 0,5 13,08 1

"

0,5 13,38
!
(IV-15), (IV-16) i (IV-17) uzyskane w Rozdziale 0,8 13,52 IV.3.B!

ui . W wyniku 1,0 13,11 otrzymujemy: n n n n 1,1 13,10 U = n , U x = xi = nx , U y = yi = ny , U xx = xi2 , U xy = xi yi , 1,1 13,20 i =1 i =1 i =1 i =1 1,2 13,23 1 1 1 1 2,2 13,22 = = = n = , 2 2 n 2 UU xx U x nn 1sx 2 2,8 13,14 2 n x i x n x i nx 2,9 13,12 i =1 i =1 gdzie n to liczba par danych, sx $

) zbioru liczb xi . Rwnania normalne (IV-10) w tym przypadku, to: Sy 0 S 1Sx = U y 0U 1U x = 0 , (IV-24) S 0 Sx 1Sxx = U xy 0U x 1U xx = 0 , xy

) / n 1
w zagadnieniu regresji dla takiego przypadku, to informacja o tym, jaka jest typowa
y!
!

x
W "! sposb
U xy nx y
2 n 1s
xi x yi y
i =1 2 n 1s
= y 1 x ,
s R , 2 =r s s
0 =
U xx y xU xy
n 1s
2
"
) (II-55) empirycznej kowariancji R

r korelacji liniowej Pearsona z prbki (I-4)!

sy
yi *
regresji (IV-22)

/ sy = y + 1 x x = y + r x x , sx !

!

"
(IV-22).
8

!

!

estymatorw parametrw 0 i 1:
min = y i i =
i =1 n
yi i =1
y r
sy sx
x
x
= y i y 2r
2 i =1 2
sy sx
xi
x yi
sy y + r xi sx
2
x

= y i y 2r
2 i =1
sy sx
xi x yi
i =1 2
sy n y + r xi sx i=1
2 x = n 1 sy
2
2r
sy
sy R + r sx sx
2 sx =
2 = n 1 sy
2r
sy
sy rsx sy + r sx sx
2 2 sx = n 1sy 1 r 2 ,

129
-
!

warunkowa:

+
2 1
x x x

dla dwuwymiarowego
&

/
y
x
=
1 2 y
y y
x x x
exp
2 2 21 y
2! y y x x " dy x #
= 2 1 2 , y
! $
'

8 estymator wariancji warunkowej, zwany
, wynosi: 2 x
2 = min = n 1 s 1 r 2 , n2 n2 gdzie dzielnik n 2
)

"
! )
!

(IV-23)

n

!
n 2, "

(IV-24). Przy pomocy wariancji

prostej regresji: 2 s2 2 0 = U xx 2 = 1 r n 1 s + x 2 , 2 n 2 s n
1 = U 2 = 1 r
2 s
2 n 2 s
,
2 2 s
x 0 , 1 =
(IV-25)
x . n 1 2 2 s +x n =
"
!
"
! xi
6
!
8
!

"/ 0 0 0 s n2 = t = 0 0 2 0 s 1 r 2 n 1 s + x 2 n oraz: s n2 t = 1 1 = x 1 1 . 1 1 sy 1 r 2
2 n 2 s
0 , 1 = U x 2 = 1 r
*

" !
nym punkcie x: x = 0 + 1 x = y + 1 x x
7

/
x
= 0 + 1 x 0 1 x
0
0 + x 1 1
= 0 + 2 x0 , 1 + x 2 1 .
-

podstawimy ich estymatory, to otrzymamy: 2 s2 2 x
= 0 + 2 x 0 , 1 + x 2 1 = U xx 2 xU x + x 2U 2 = n 1 sx + x x 2 1 r y . n n 2 s2 x 6
/ y + 1 x x x

zmiennej y " zmiennej x. *

"
"

!

!
stopniem

! r
*

1
standardowe sy zmiennej losowej y, ktre przedstawimy w postaci: n 2 1 n 1 n 1 n 2 2 2 2 sy = yi y = n 1 yi i
y i
= n 1 yi i
+ i y
n 1 i =1 i =1 i =1 i =1
!

/
130
n n n

n
yi i
y i
= 1 yi y 1 xi x xi x = 1 xi yi y 1 xi x 1x yi y 1 xi x = 0

%
(IV-24). Pierwsza suma w

standardowego sy to resztkowa suma kwadratw min , !

"

zmiennej losowej y

/ "

: "!
"/
1 n 2 yi i
= n min = sy2 1 r 2 1 n 1 i =1
i =1
i =1
i =1
i =1
1 n 1 n 2 2 i y
= n 1 12 xi x = 12 sx2 = r 2 sy2 . n 1 i =1 i =1 Stosunek tej pierwszej do kwadratu odchylenia standardowego sy

(

) !

"

" sy

(
): 2 r 2 s 2 2 2 2 = 2 = 1 r , = 2 = r 2 2 +2 = 1 . s s
"
!
7

r *

!
"

5 / oraz

!
"
"

regresji.
Gaussa!

$*
III.7.c'

/

sx i sy obu zmiennych losowych x oraz y, a

Pearsona r -
"

", a

sx i sy!

"

". Jest
=

"

! "

%

7

w )
/
f 1 ; x , y , =
y 1 2 n 1
x
1 n
2
1 2
n 1
=
"

tej statystyki:
1 1 =
2 y 1 2 1 2 x
y x

n 2
, < 1 < .
1 =
- !

"!
/
t= x n 1 y 1 2
1
2 1 2 . n 3 2
1 ,

!
"

8
n 1 A
"

"! "

)" t
!

* !

7

"
"!

! statystyki/

x

y

zmiennych: sx, sy oraz r *

%

"!

/
0 = y 1x = y 1x = y 1 x = y
x , y
x x
0
= y

2 1x
y
2 1x
= y

2y 1x
2 + 1x
y
=
2 2
= y
2 y
2 x 1 + 1 x 2 y
*

7

a ":
x x
2 n 2 2 2 1 x y . = y + n n 3 n3 2 x

cov0 , 1 =
131
2 1 2 x . n 3 2
'
T(C) 31,4 22,0 34,1 29,1 27,0 24,0 20,9 27,8 20,8 28,5 26,4 28,1 27,0 28,6 24,6 v(Hz) 20,0 16,0 19,8 18,4 17,1 15,5 14,7 17,1 15,4 16,2 15,0 17,2 16,0 17,0 14,4

n

o
$ B
od dawna doceniali fakt istnienia " cykania a

, w
$ ' (za: Pierce, G. W., The songs of Insects, Harvard University Press, 1949) dla jednego z gatunkw: Nemobius fasciatus fasciatus$ *
P
"

# " # $ .

"

Pearsona r(T,) = 0,89, " "

$ " &/' ;
9 # !

modelowej, liniowej regresji
cykania w ustalonej temperaturze, a

T: = 0 + 1T$ ; &
:

# od prostej
"

& , przedstawiona jest na wykresie danych. Czy uzyskana forma matematyczna
+

- B

"

# #E $ B .
III.7.a

statystyki Studenta: t =
1
T = 0 + 1T = 6,47 1,88 + 0,381 0,070T 6 2 + 0,38 0,07T .
sx n 2 sy 1 r
2
1
1 ,

# 9=F # <

! w miejsce 1 #

$ %
F71$ 5 - '
E
gorszej od 5,47. Musimy

gorszy$ 5 F71. #

"

zera zarwno w
# #

$ %

" F71$ ; " #
;
E //==K$ Gdyby hipoteza o

;

" F71
jednym
=/ ///$ % $ 3"
1

+ $ . o to, czy estymator 0 jest zgodny
"

"
formie bez wyrazu wolnego, a

$ )

#,
"

"
$ ;

statystyki Studenta: t =
0
0 0 0
3,45
Q

1, oznacza
E
///7>

E ///<1
#

*$ .
#
"

"
$ # "
" + o

&

&
T = 0 + 1$ )

# "

132
= 0 + 1T

0 1 = 0 + = 16,982 5,842 + 2,625 0,485 17 6 + 2,6 0,5 . 1 1 1 '
&
"

T=
" "

$ .
"

"

"

" $ ; &

czyli +
T = 0 + 1 = 3,76 5,59 + 183 033 4 6 + 1,8 0,3 ,

parametrami rwnym: 0 , 1 = 0,98 . Obie proste

$

.
II.10.B.e "

= 3,8 + 1,8 oczekiwane
*. Uzyskane tam proste T
"

"
"
liniowej Pearsona zmiennych losowych, w
i

$ ) danych o
#

# r(T,) = 0,89
w # CD

$ )
"

"
wyrazu wolnego jest

"
$ 5 "

- )

T = 17,0 + 2,6
t =
0
0 0

0
0,67

0 = / "
; o =>$ .
E

" 4/21 /F<$ %
;

"
$ ) #

" $ ) "

"

"

" $ : $
"
" = 21 Hz

.
T = 0 + 1 T 34,6 1,6 C . T = 1 160 003
*

"
"

T=
.

$ '
" " " $
IV.4. Metoda momentw
Metoda momentw

-
"

! z /

!

, ... dla zmiennej losowej z

"
o

! a z "
7/ !

z prbki! !
*
!

%

1 !
0 1 + 38,1 4,3 C . 1 1
znajdujemy estymaty tych parametrw. Z teoretyczn"

!

/

!
.
!

*
, za estymator

, czyli parametru !

z prbki -

*
IV.1.c,

*

!
!

jest lepszym estymatorem dla parametru

"

133
w
" " (II-2)!

parametru p :
k = 1

:
1 p 2 p
p=
1 , k
p=
k = 1 2p
p
s2 =
1 + 4s 2 1 . 2 s2

"

" 57
"

"

"

%
!

/
!

!

0

)
%!
dyspersje

*

"

!

! "
#
0

"

!
"

-
!

punktowej. Do tej pory w n

!
!

-

! " !
estymacyjne

!

* ! )

) )

!

)
" 6

8"

!
)

%! !

"

*

! !
k
% "

*
:
k e . k! =

*
!

k = 3

parametru
! a pierwiastek z tej liczby to estymata jego dyspersji

!
60% =

k

"

!

!

wypadkw tej natury, fluktuacje

. !
!

%

! ! 7

% !
!
!

% 0

"
"

!
!
""
"

*
. Minimalna i

! nasz oceniany z prbki parametr,
!

, natomiast procedura

. 8

*

)
o
"
"

-
"

= 5!

k = 3, lub mniejsza
4 *
% P(k 3| = 5) zdarzenia jest rwne:
51 52 53 5 + + e 0,265 , 1! 2 ! 3! 0!
( )
! = 5,

% 3 -! "
! przyjmiemy = 8,
%

/ 80 81 82 83 P k 3 = 8
= + + + e 8 0,042 , 1! 2! 3! 0!

25
!

6

= 12,

% P(k 3| = 12) znajdziemy rwnym 0,002

!

)

=
!
= 12
! P k 3 = 5
= +
50

3
"

"

134
parametru 4

!

3 lub

"

- = 1!

k = 3

/ 10 11 12 P k 3 = 1
= 1 P k < 3 = 1
= 1 + + e 1 0,080 , 0 ! 1! 2 !

! 12
8
%
= 0,5 jest odpowiednio mniejsze i

To czego

!

"

! a

!

w

&

!

!

)

-

) formie !

/
)

95% dla parametru , oparty

k = 3!

0
""
95% +

)

90% lub 99%

to!
!

% 0,95

% 0,10
)

68,3%!
!

1
...D!

!
! gdy zmienna losowa
&

.
*

!

E %

i zarezerwujmy sobie po 2,5%
%

!

)
poziomie 95%

/
Pk 3; + = 1 + + +

2 + 3 + + exp + = 0,025 , 2 6
dla grnej granicy, a otrzymamy + 8,8 oraz: Pk 3; = 1 1 + +

2 exp = 0,025 , 2
dla dolnej granicy, co daje 0,62 -

! k = 30, wtedy analogiczny 95%
)

znajdziemy jako: 21,1 oraz + 42,8

"

"

/
pojedynczej prby.
*

" *

!

x pewnej statystyki x! "

f(x;)
%

"

. *
) [ , +]
) $1 )100% parametru wyznaczony jest przez dwa kwantyle/
1 $
'

oraz +:
x 1 1 = $ f x ; + dx + = F 1 x , , 2 2 x 1 1 P x ; = 1 = $ f x ; dx = F 1 x,1 , 2 2
F

P x ; + =
+
x 1 = f (x; + )dx 2
-
$

' z
%
oraz +
) -

!

*
) )
estymatora

)!
centralnego
Przedstawiany przez nas sposb ustalania
+ 1 = f (x; )dx 2 x

!

"
3

"

% " 9
:
w dowolny sposb, np. tak: P x; + = P x; = ,
, nie jest jedyny. Ma on, bez
135

/ + = !

"

8
!

,

%
i " + "

/ P x x; + = f P x x; = 1 f
f!

+

! +
!
tym

) = u
"

" !

)
"

centralnych.
?
%

)

!
"

! losowymi

.
6

!

/

" i wyk
".
,
.

E .
III.2.e + "

& & MFK

p
"
k = 43 wirw zgodnych z

# "

n = 100 wszystkich wirw.

P 43; p+ , n = 100 = P 43; p , n = 100 =
100 k =0 k

100
43
k p+ 1 p+
100 k
= 0,025 , = 0,025 ,
p 0,332 oraz p + /F>>$ .

p = 0,5, a
&
"

$
100 k k = 43
k p 1 p
100 k
,
.

$ B#
"
# t$ B

P t ; + = 0,025 = P t ; =
t t
dt = 1 exp
exp + + 0 1 t t 0,025 =
dt = exp
exp t
1 +
+ =
t 39,5 t , ln1 0,025
t 0,27 t . ln 0,025 . ""

"
$ ) tym w Rozdziale 666$>
#

&$ . "

E "

znalezienie "
& $ ) +
f, a niech dla ustalenia uwagi = 0,05 #

=
!"

1200 1000

$ B

$ ; 200
f 0,84,

"

0 & 0,2t oraz 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 + 23,3t. f = 0: = 0 f oraz + 19,5t # "

t

$
400
600

800

0,01 0,009 0,008 0,007 0,006 0,005 0,004 0,003 0,002 0,001 0
+ = t
1 1 ln1 f ln 1 f

ln1 f = + ln 1 f

"

!

) 1

"
"

) rwnaniami na kwantyle 0,025 oraz 0,975

"/ t0, 025 = ln 0,975 0,0253 t0, 975 = ln 0,025 3,689 ,
136

%
t: P0,0253 t 3,689 = 0,95 .

! "

i przepisujemy je do formy: t t P0,0253 t 3,689 = P = P 0,3t 39,5t = 0,95 . 3,689 0,0253 ,
! "
NIE oznacza w rozumieniu teorii estymacji parametrycznej. 5/
z eksperymentu dla zmiennej losowej t
t, w ramach klasycznej teorii
%

,
95%
0,3t a 39,5t. 6

"!

! a nie zmienna los

!

)/ * 0,95 (

- (
[ , +] zawiera w

.
/

i

ti do obliczenia granic (i ) oraz (+i ) , to w 95% przypadkw

"

,
Weibulla (III-9)

Rayleigha: f x; = 2x exp x 2 , 0 x , 0 < < , o dystrybuancie:
x
'

$
z rodziny
F x; = 2 x exp x 2 dx = 1 expx 2 .
'
E
& = x. Dolna granica tego

1 1 = F x; = 1 exp x 2 , 2 z ktrego otrzymujemy: = 1 1 ln
. x2 2
.
"
"

i znajdujemy: + =
1 = F x; + = 1 exp + x 2 2 1 1 ln1
. x2 2
)
G 5
$ .

wynosi np. 1 i "

"#

:

! "#$ $%

#
#

i "

+ (+i )
& $ %
1 y = 1 exp x 2 x = ln1 y , 100 liczb xi #

(i )

&
z # "

"
F nawet jest jeden taki, ktry w

$
0

"

= = # 1$ .
#
=/$
wygenerowanych liczb losowych xi, przy poziomie & = = 0,9. Wid
A

"

)
= F" ! "

(Wydawnictwo Naukowe PWN, Warszawa, 1995' 5
7 !
" 30 m

o " 30 cm +

!
" "

137

"

*
)
) -
)
pra % 0,95!
rozmiar chustki do 28,5 m.
Na sznurze, w

8

!
30/3000 = 0,01
!

) 1 ,

!

?

! 7

dla niewielkich prbek.
o
. "
. $ . II.8$ .

,
3
.
$ # #
E
E
. "

wprowadzenia i

& $

losowej k = 30, z

& 21,1 oraz + 42,8. Przyjmiemy tutaj

$ ) parametru
.

>$
# losowych wynosi 10, a

$ '
"

symetryczny charakter ograniczenia. P211 10 42,8 = P2,11 4,28 = 0,95 , ,
,
.

E #

F
# # #
parametru $ ' )

&
" .
IV.5.b.
Poissona. P0,5 3,1 = 0,95 .
brakiem twierdzenia o dodawaniu dla takiej zmiennej. Suma k # # # .
II.8.c "
R
" (II-25): t k 1 k 1 t k 1 t k t; = e t = k e , gdzie: t = ti . k 1 ! k 1! i =1
3
"
#

+

,
centralnego twierdzenia granicznego

,
B# ki

n # #$ ; k = k1 + k2 + ... + kn tych #

n

n$ * " centralnego twierdzenia granicznego "
*

$ @

P 1,96

k n n
" C"D =M2

* 9
666$F!$ G

#

przez pomiar k$ )
uproszczenia oznaczenie z = =M2

w nieco skomplikowanej formie:
k n 1,96
= 0,95 , n
.

" #
. , 9 ! z # # "
"

&
= k 2nk + z 2 4nkz 2 + z 4 2nk 4nkz 2 = kz . n 2n 2n
2nk + z 2 4nkz 2 + z 4 . 2n
138
x sx n

8
o n 1 stopniach swobody, gdzie

&

8

"

)

: x P t t
= 1 , sx n gdzie liczba t > 0
) 1 i w istocie jest to kwantyl 1 /2 (z uwagi

8
, t jest kwantylem '

, !
) [; +] ) 1 / s s ; + = x t x ; x + t x . n n !
!
8

&

, co

!

95%, otrzymamy dla: s s ; + = x 1,96 x ; x + 1,96 x = x 1,96 sx ; x + 1,96s x . n n
*
III.7.a! "

!

!

&

. W

"

*

&

- ! !
!

!
"

"

= 1
...G ! x
Gaussowskich zmiennych losowych, natomiast sx jest estymatorem dyspersji "
$

"
), to zmienna losowa:

&

*

""

"
! "

. Z 1
...H !

:
n 1 sx
2
2
"

o liczbie stopni swobody n 1 - u zaznaczymy, jak poprzednio, kwantyl /2, przez u + kwantyl 1 /2
"
,
)

, wyznaczony /
P u
n 1 s x
2

/
u+
= 1

2 n 1 sx . u
2 ; 2 = +

n 1 s 2
x
+

4 ! /

$
*
III.7.c

"

'!
"

&

!
"

2 o liczbie n 1 stopni !

%

formie iloczynu:
P x

u+
$
"
!

!

' 0!
"

% 1
!

/
P x
x x
= 1 , n
2
2 2 n 1s x n 1sx x x x
P u u+
= 1 , x , u u+
= P x 2 2 n n
P u

n 1sx
=

)!
x

&

, u oraz u+ z
2 o n 1
!

)!

6

otrzymujemy jak poprzednio:
2 ; 2 = +
n 1 s 2
x
u+
= 1 .

:
u+
2 n 1 sx u

2
139 =x
n x x / 2 = , n x2
"
)

- "

"
)

i

$
(

C

' 6

!
)

!

statystyki
&

. W *
IV.2.e

!

$
1
II.10.C oraz III.6!

*
III.5.b): 2 2 2 x = sx , n n 2 = n ( x )2 x 2 2 n 1 4 2 n 1 4 2 4 2 s x = 2 2 s x s x . n n n 2 = (n 1)s 2 u * !

! + x

!

(patrz sx2 1
...D'/ 2 2 = (n 1)s x u+ 2 2 2 2 sx x 2 C = 2 + 2 sx 2 2 x sx n n

-

C!

" wybranym ) 1 !

*

"

)

w

"

! "
graniczne, a
"
)

"

"
"

. Gdy badana prbka
!

*
IV.2.f, logarytm )
" "

"
0

)
!

metody

" 0

!

(przyjmijmy dla ustalenia
"!

' jego estymator !
) = h(), to estymator parametru
)

"

/ = h( ) - "
)
"

) !
) "

!

= gx, , zazwyczaj
!

/
ln
x; =

2
+ const .
Po takiej operacji, wszelkie wnioskowanie o wariancji dla estymatora parametru przeprowadzamy

"
)
"
0,5,

)
) 68,3% * !

1,96

)
95%,

)!
!

&

*

= gx, wynika z )
)
" jako funkcji parametrw oraz : 1 x; = x; g = x; ,

! ) " "
)
"

5

! )

)

(
)
7 )
" "

-

. W sytuacjach patologicznych, " )

" "

"
!

!

"
"
% takich przypadkach

)!

, a

)
" "
0

!

8
!

"

)
"

!

%
! "

140
Dla przypadku wieloparametrycznego sytuacja zasadniczo nie ulega istotnej zmianie. Musimy

"
)
"

)
7! "
!

estymatory poszukiwanych parametrw i estymatory ich wariancji!

)

6 "

"
! "

&

macierzy kowariancji! /

"

T
V 1

2 o liczbie m

2 kwantyl m,1 1
"
!

)

i na ) (1 )100%,

/

T
V 1 = 2 ,1 . m

6

)
&

!

"

tych pomiarw.
-

"

8

"
parametr!

1

IV.3, wzr (IV-20) i (IV-21), z

) 5
!

-
V

(IV-25), to statystyka: 1 T 1 V , F= m gdzie m

! "

F Snedecora o liczbie (m, n m) stopni E

Fm,n m;1 1
"
! !

)

!

dla parametrw , wyznacza rwnanie: Fm.n m;1 = 1 T 1 V . m

V. Wnioski - weryfikacja hipotez
141

, ktrych zadaniem jest generalizowanie faktw statystycznych. W trakcie n

! " a) #
$$ %

& '

" ... dla liczby 1/49 0,020408... ( & & ) b)
#

* 9 nie jest tak samo

&

*
*+ c)
#
!
II.1.e

* # ,
*; d) !
III.1.a

&

&
brytyjskich monarchw; e) czy generator liczb losowych programu Microsoft Excel - . /# $$$ %0
losowych? f) !
III.2.a
&

z
przy nieznanym

p

1

+ g) #
/! III.2.e0

kierunek wiru wodnego w wannie; h) #
$$$ 2 1
1

#

1

!; i) !
III.4.b

#
* 3

! 1

1

a priori; j)

#1

1 !
III.7.c 1

&+ k) !
IV.2.f

Poissona; l) #
$4 2

+

* 11

15

1

1
&

!

3
w kt

1

6

&1 1

1

1 5 1 0,618 . Indianie z plemienia Shoshoni przyozdabiali swoje

& 1 !1 stosunkw bokw dla dwudziestu takich &1 /" 7, ( Lowies Selected Papers in Anthropology, University of California Press, 1960) to: 0,553, 0,570, 0,576, 0,601, 0,606, 0,606, 0,609, 0,611, 0,615, 0,628, 0,654, 0,662, 0,668, 0,670, 0,672, 0,690, 0,693, 0,749, 0,844 i 0,933 $

wynosi: 0,66 0,02. Natychmiast

"
8

8 &

) 7

1 1

$

0 0 0 0

pewnej

'
0

"
wiru & 1

" p = 0,5+
0" 1

#1

1
&

nie czy uzyskane
1 &
9
1

1

!
1&

nazywamy

. 6

1

& 0 0 0
0 *0 0 0 0"
1

1
1

&

* :1

, a sam test nazywamy wtedy testem

V. Wnioski weryfikacja hipotez
1 2
142

$

1

&5 testem nieparametrycznym

& 1

1
6

0

sensu stricte

niekiedy w

&

.

3
*

1

&

Telomery, zwane w skrcie TRF
*
7'; 1 :

DNA w procesie r 1

3

1

1 & 1

komrce nowotworowej istnieje

1

1

7

& /; ( 6 30
i
& kilozasad w parach (kbp). Obok na rysunku (z pracy: Allsopp, C. R. i Harley, C. B., Exp. Cell Research, 219, 130, 1995) przedstawiony jest rezultat eksperymentu, w ktrym hodowano komrki skry ludzkiej i

1

w klonach komrkowych po niewielkie
1
/

0 1
&
/

0 <
prbki &

o . Dla prbki 32 klonw starych komrek otrzymano
&x1

& s1 jako: 7,5 0,4, podczas gdy dla prbki 35 1 1

x2 i s2 to: 8,7 0,5 '&
&

o 1
obu populacji, z 1 & 1 =

1 " = 1,20 0,64

1
5

1

obu
& 1

&

/#

1

II.10.C0 1&

*
" 1
zerem. 6

:

o
1

!

pochodzi z

liczebn 1
&

/# $$$ -0 dla potrzeb dalszej dyskusji

&
3 !
1

Gaussowskich
3

tego = 0 7
*

" = 0,64. >1 &&
&
6

&

. Hipoteza alternatywna

0. Dalsze
"

1 !
!

takiej jak nasza lub ,

1
:

1 "

czy tylko

. W tym drugim pytaniu dopuszczamy . (
) 6

naszym

1

1&

&

7
1

, bo zarwno dodatnie jak i ujemne odchylenie

1 zmianach w komrce, a o

6
testem dwustronnym, w

testu jednostronnego, kiedy to interesuje nas jedynie szansa
jako tylko mniejszej &5 . ?

1

*
eksperymencie.
czy z

*
*

) (
"

1&
np. 1,2) <
5

= #
$$ %

5 (II-1) na takie
$

"

143

@
A 1

1& &&
1 1 de facto

=
1
1 &

&

7

1

=

&

&

zaufanie. & " 1,2 = = 1 875 z= 0 64 i z Gaussa

P(|z| z):
z
1 P z z = 2
gdzie F
& 3
1

100

1

1 1

1,875, z wiekiem 3

& pierwszego rodzaju,

" 6 na 100.

&

*"
zawczasu

& z danych

!

*

: jeden w ktrym akceptujemy

&

!

okolicach 0,1 lub 0,05 a nawet 0,01 1
& >

&

&
z

&

&

!
&

sami z &

/
0 &
z 1

6 & testowej i jej dwa obszary: akceptowania i wykluczania. Wykonujemy eksperyment i z danych obliczamy
B ktrym z obszarw
&

*&
1
&

,&

zwany jest

1

0,1
&

0,05 lub 0,01

6

przed testem

<

*
w &

"

1

1
3 z

= 0,64, 1

1, przeprowadzony
0,05,

>
6

1
& z

P(|z| z)

&
=
1

! III.2.e o wirze !1 III.7.a, III.7.b oraz III.7.c

& 1&

&5

1 7 1

1 *. Ustalamy * 95%
&
*
Gaussa: P 1,96 1,96 = P 1,96 + 1,96 = P 0,05 2,45 = 0,95 . !

* &
& = 0

3
* 90%
1,64, wtedy: P 1,64 1,64 = P 1,64 + 1,64 = P0,05 2,25 = 0,90 .
exp
z2 1 dz + 2 2
exp
z 2 dz = 2 F z 0,061, 2
144
6

= 0

*

nas do odrzucenia naszej hipotezy.
:

1 >
& 1 1

5
& &x w = 7,97 z tych pomiarw i oblicz 2:
=
2
x1
xw
2 s1
x2
xw
2 s2
3,51.

1

& u dla ktrej:
1 2
1 x exp dx = 0,05 u 3,84 2 x
/* 1&

2
+ # $$$ C0 !
statystyka

&

!
0,1 & 2,7, a wtedy

obszarze wykluczania. >1

3

*
* 99,7% &5 0,003. D

& 1"

zdecyduj o jedno ! ! "

x x = sx sx n
#
Przejdziemy teraz do trzech fundamentalnych testw

& 3 <

!
III.7.a

: t=

B
n 1(t) z n 1 B
*
oczekiwanej 3.

Karol Darwin

gatunku Zea mays wyhodowanych z tego samego ziarna, przy czym jedna z
! " #$% #&' $ ' (& ($ )* )& )' )+ &( &+ ,$ $- %, . ! z pracy: Fisher, R. A., The Design of Experiment, Oliver and Boyd, London (+&)/ 0! (1' 2 3 x i 3 sx to: 20,9 +% 4 ! i

3 3 populacji, ! 3 5 6 3"
7 !
! " = 0, co implikuje brak 0
3 8 3 !
9 3 ! :.

Obok podany jest wykres kwantyli normalnych dla tych danych i 3 3 ! 3: 20,9 11,9 w i . Wykres kwantyli w umiarkowanym stopniu potwierdza normalny cha prbka pochodzi z populacji 2 9 = 0, otrzymujemy: x 20,9 = 215 . t= sx 97
145

4 .

/ --, daje nam, przy czternastu stopniach swobody, 3 ! tk = 2,14 5 3 z prbki wypada w obszarze wykluczania i 3 !
!3 Zea mays :
--( 3 ! )+' tym o
t=
7
& 3 ! III.7.b
:
x y n+m n 1 2 m 1 2 s + s n + m 2 m x n y 1

B
& n + m 2
n

1, 1

x, natomiast m

1

y. Statystyka

*
1
1 3 o identycznych wariancjach.

w obu prbkach: 1 = 2. Skorzystamy ze statystyki Studenta: xy 6,74 5,61 472 . = t= n+m n 1 2 m 1 2 16 8 6 2 2 s2 s1 + 0,18 + 0,14 n + m 2 m n 14 7 9
!
43
" 5,9%, 6,2%, 6,4%, 6,6%, 6,8%, 6,9%, 7,0%, 7,2% oraz 7,9%, podczas gdy dla siedmiu: 5,1%, 5,3%, 5,5%, 5,6%, 5,8%, 5,8% oraz 6,2% (Hendy, M. F. i Charles, J. A., Archeometry, 12 (* (+%-/ ?x1 i jej 3 s1 !" $%& -(' x2 3 s2 dla drugiej grupy to: 5,61 -(& > !!
3 @
A! ! !
rwno
; < !

z okresu krla Manuela I (1143=(('-/ >
druga,
14

2 --, i (podejrzewamy krla o psucie monety), krytyczna 3 tk tej statystyki (%, 5
3 statystyki z prbki
3 musimy 3 !
3 ! swej mennicy w @ 6 ! ;
obu prbek z populacji

!

! ! ! . > III.7.b/ @ dane na wykresie kwantyli ./ ; !
! ! 3 Gaussa
3 > na takim wykresie
! . ! 3 !: -$%
-&$ /, 3 ! w 3 !

>
1
1

znormalizowana zmienna Gaussowska: t x y
2 2 sx + sy
1 *

1 eksperymentw, a

3

& * "
146 t=
xy , n+m n 1 2 m 1 2 s + s n+ m2 m 1 n 2

1,875 dla statystyki z 1,852 dla statystyki t
B
& 65 6

3 i prowadzi nas do wniosku: P t t =
t

1
&

&

!
V.1.b
1
1
& Gaussa

1

1 oczekiwanych ' & & ! III.8.a.
> 6 > "
F=
2 2 sx nsx = , 2 2 sy msy
t
65 t dt = 0,064 .
3 n

x i jej sx , natomiast m 3 , z ! y 3 sy . ; ! > V.1.b 3 F )() F o parze liczb stopni swobody (8,6). 4 3 ! Fk statystyki F ,B i jednostronnego testu # !
3
! 3 dla prbki

@

:
P F Fk =
Fk
8,6 F dF = 0,05
Fk = 4,15.

; 3

obu prbkach monet.

!

*

1 metody
1 B
1

1

&

& 3. W #
$4 -

:
2 = V 1 m
T

2 o m stopniach swobody (m liczba wyznaczanych parametrw), co pozwala nam
&

1

D

&
&
1
telomerw

/
10
& 3 znana jest

=

3 1
& & 1
&

1

11 D
& B

(IV-20) i (IV-21) dla
E&
11 & F:
1 T 1 V , m 1

F B

& (m, n m) stopni swobody, gdzie m
&
1

n & 1

=
! 1 1 &

#

i &
.

147
!

&
Zaczniemy od przypadku dyskretnego k nk Fk Pk
osobowe (Tripathi, R. C. i Gupta, R. C., Communication in Statistics, 14, 1770, 19850

jest zmienna losowa k, czyli liczba 42,9 15,3 8,5 1469 obserwowanych osb w samochodzie 944,9 337,1 120,3 NPk /

&0 F n uzyskanych 1,9 12,8 1,7 0,6 0,03 2,4 19,43 zmiennych losowych, czyli liczba klas, na 1

&

6. W

nk

serii N = 1469 pomiarw i w

&

Fk
1 2 3 4 5 6 902 403 106 38 16 4 0,6140 0,2743 0,0722 0,0259 0,0109 0,0027 0,6432 0,2295 0,0819 0,0292 0,0104 0,0058
Suma 1469 1 1

1 !
'&
& & 1&

geometrycznym charakterze (II-2)

k 1
zmiennej losowej k:
k
5 k =1
p
= p1 p
Pk . 1 q5 5 = q 5 = 1 p , 1 q
>

*

> & 1

5 "
P 6, p = 1 pq k 1 = 1 p 1 + q + q 2 + q 3 + q 4 = 1 p

"
1 + x + x 2 + + x n 1 = przy oczywistym warunku: x 1

*
1 xn , 1 x p
7

*

G

&
* &
w postaci:
5 5 n6 p1 k =1
ln
=
ln 1
p
p
k 1 nk =
ln p n1
+ n2 + n3 + n4 + n5
1
p
n2 + 2 n3 + 3n4 + 4 n5 + 5 n6
= n1 + n2 + n3 + n4 + n5 ln p + n2 + 2n3 + 3n4 + 4n5 + 5n6 ln1 p .

#1

"
ln p
=
n1
+ n2 + n3 + n4 + n5
1 1 n2 + 2n3 + 3n4 + 4n5 + 5n6 = 0, 1 p p p=
&
"

n1 + n2 + n3 + n4 + n5 0643 . n1 + 2n2 + 3n3 + 4n4 + 5n5 + 5n6
!& &

Pk

w &
& NP k #
" eksperymentalnej nk (szary histogram) i obliczonej NPk (punkty)

/ 1 &
jednym samochodzie). Do weryfikacji hipotezy potrzebujemy jeszcze statystyki testowej. Za K. Pearsonem
"

nk
NPk NPk
Jest ona zbudowana na wzr statystyki 2 8 1

&

nk

NP , podzielonych przez k

k =1
NPk
&

/

(II-38) !0 <

2 w przypadku asymptotycznym
& N

B

&
nabiera cech zmiennej 2

>

nk przynajmniej 5, a

/ 0 &

nk

:

=

Pk &
/
0

1 prbki, to
148

&

& n 1

nk

1 &
1 N 3

z prbki, wtedy

dodatkowo m tych parametrw:
liczba stopni swobody = n m 1.
<
& n = 6 i

/m = 1),

4 7
otrzymujemy 19,43 (szsty wiersz tabeli daje

1 1 0 =

poziom testu wynosi 0,05 & 2 o czterech stopniach swobody znajdziemy jako 9,49

, ktra wpada tym samym w obszar wykluczania. >

0,05 nie mamy statystycznych podstaw do

1 & 1 : 1 ! do opisu liczby
1 >
parametru
0,554,

100

krytycznej statystyki 2 /

0
i
!
testu 2 Neymana Pearsona

&&

&"

N " nk (k = 0, 1,
w n
tak, aby w 2, ... , n$ 5;

! " " " , %
ln
= n
n k =0
ln Pk 1 , 2 ,..., m gdzie m < n ;
& Pk ;
!
testowej Pearsona :
=
n n k
NPk NPk
;
2
! o liczbie stopni n m ocenionych z prbki " % = n m 1;
#
k =0
M

& &&

o

Ziemi
!
III.3.c. Na histogramie obok podana jest empiryczna
/

0 *

'

& # $$$ H
. Niech nk
k-tym przedziale histogramu, k

&

natomiast N & &
>
. Od serii

tej samej liczbie N, liczba nk

a

dwumianowemu o pewnym nieznanym parametrze pk i

1 N. Z pojedynczej obserwacji

5
(III-4) parametru pk i
fk:


pk =
149 nk N ,
fk = pk n = k . k N k
'

(III-6)
"
1 k
&

#
$$$ 2 1

>

&
: &
&

1. 7

7

&
: suma

&
*
tk tk + 0 200 200 400 400 600 600 800 800 klasy
nk 21 14 10 9 8 62
F =n /N 0,339 0,226 0,161 0,145 0,129 1
k k
1 pk 1 pk N 1
t; = exp t ,
fk = Fk
Pk NPk
0,001694 0,368 22,8 0,14
0,001129 0,232 14,4 0,01
0,000806 0,147 9,1 0,09
0,000726 0,093 5,8 1,81
0,000645 0,160 9,9 0,38
0,005 1 62 2,43
przypadkw w danej klasie,
szary histogram na wykresie. W & dzie umieszczona

8

danej klasie

&

1 & 8

1

w 1 & 8

>1
o 1" 800, zgodnie z
!

5

1 800 dni. :

!

&

Pk: Pk =
tk +
tk

8 czwarty to
t; dt = exp t dt = exp t tk

tk
k
tk +
t +
= 1 exp exp t k ,
gdzie: tk

" tk = 0, 200, 400, 600 oraz 800 dni dla k = 1,2,3 oraz 4, natomiast = 200 dni. 7

& * " P5 = t ; dt = exp t dt = exp t t = expt5 .
t5 t5
4
I budujemy jak poprzednio:

4 n ln = ln Pknk = ln 1 exp k =1 k exp nk t k = nk ln1 exp nk t k .
#1&

, znajdujemy rwnanie na estymator tego parametru: 5 exp 4 ln = nk nk t k = 0 . 1 exp k =1 i =1 #1
&

&"

=
k =1

i =1

k =1
i =1
ln
nk t k
i =1 4 5 k =1
nk +
!&

" = 0,002289

" 437dni. 7&

/

0

: 2,43.

2 0,05 przy trzech / 1

0 7,81

1

>
.
nk t k i =1
150
Dodatek A
151

w 1997 r., GUS, Warszawa, 1998). Wiek 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Wiek ! Kobiet ! Kobiet
100000 98909 98852 98807 98771 98741 98717 98694 98670 98647 98624 98601 98578 98553 98526 98492 98448 98386 98298 98185 98056 97923 97790 97657 97526 97391 97251 97104 96950 96789 96621 96443 96255 96053 95836 95601 95343 95058 94744 94396 94012 93591 93131 92631 92087 91498 90859 90166 89416 88605 87731 100000 99072 99020 98982 98954 98932 98910 98889 98868 98850 98835 98821 98808 98794 98777 98755 98729 98698 98665 98630 98597 98566 98534 98502 98469 98435 98401 98364 98324 98281 98235 98187 98136 98081 98018 97948 97868 97777 97675 97560 97432 97290 97132 96955 96759 96542 96302 96037 95745 95426 95078 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 86793 85791 84722 83586 82377 81090 79718 78256 76699 75045 73295 71452 69517 67491 65373 63165 60868 58486 56026 53498 50907 48259 45560 42819 40045 37250 34447 31644 28852 26082 23356 20704 18166 15777 13558 11535 9686 8018 6537 5243 4131 3193 2418 1791 1295 913 626 417 269 168 94699 94291 93852 93382 92878 92337 91759 91138 90472 89755 88979 88136 87215 86206 85099 83886 82560 81111 79530 77808 75932 73886 71658 69236 66611 63785 60763 57550 54154 50579 46843 42974 39020 35041 31092 27244 23525 19989 16687 13665 10956 8585 6560 4878 3522 2462 1663 1081 675 403
152

n = 1, 2, 0 < p <1

= 0,1,

np1 p
np1 p 2 p 1 p 2 p 1 p p2 n 1 p p2 1 2p 1 6 p1 p np1 p

np
1 p n 1 p
k 1
n! nk pk 1 p k !n k !
, n
0 < p <1 n = 1, 2, 0<< N>0 K = 0,1,..., N n = 0,1,..., N n 1 K N n K K N n 1 N N N 1

1 2

= 1, 2,
k n
p1 p pn 1 p

n1 p 1
k 1!

= n, n + 1,... = 0,1, 2, = 0,1, , m m = minn, K
n 1! k n !

exp k

2 0
2 k 2
p2 6 p + 6 1 p p2 6 p + 6 n1 p 1

0<
< < 0<< 0<< < <
N
n
K N K

k n k

exp x
6 3
6 k
!
0<

"
2
1 exp x 2 k 1 x exp x k 1! 0<< k = 1, 2,
1 2 2 2 k 2

< <
1
x 1 exp 2 2 2
< < 0<<

n = 1, 2, n 0; n > 1 0<< 0<< n = 1, 2,
1 u2
n1
2 0 < 0< < <

< <
1 n+ m 2
1 2 2
1 exp u 2

2n
2 n ;n>2 n2
2 n 2 0; n > 3
12 n 6 6 ; n>4 n4

1 n+1 2
1 exp x x

0<< < <
1 n + 1 t 2 2 1+
n n 1 n 2
Breita Wignera 0 <
1 2 2 + x 2
P.v.=

ab 0 1
1 n + m 2
1n
m = 1, 2,
n = 1, 2,

< a < b <

0<< 0<<
2m2 n + m 2 ;m>4 nm 22 m 4 1 2 b a 12
0
+ + + 1
6 5
Dodatek B

n 2 1 n1 n 1 + F F2 1 1 2 n 2 m m m 1 ba + 1 x 1 x 1
m ; m>2 m2 1 b + a 2 +
Zadania
153
danych, takiego jak np. Microsoft Excel, a przynajmniej dobrego kalkulatora i standardowych tablic
Zadania

z
! " , wymaga komputera wraz z programem analizy statystycznej
# ! ! $
Zadanie I.1.1 (elementarne wykresy)

31915,8
Rz. kat. obrz. . Rz. kat. obrz. gr.
"

"
"! 1931 !

3762,5
Ewangelickie
Inne Inne . .
Inne
%
&
"

20670,1
3336,2
835,2
145,4
3113,9
6,8
45,7
Zadanie I.1.2 (wykres trjwymiarowy)

3 0 8 0 9 3 10 2 11 2 12 9 13 14 11 15 11 16 15 17 16 18 11 19 10 8 20 3 21 5 22 1 23 2 24 3 25 0 26 0 27 0 28 0 29 0 30 0 31 0 32 0 33 0 34 suma 112 4 0 2 5 10 25 76 76 115 149 148 146 117 97 63 42 19 20 10 7 2 0 0 0 0 0 0 0 1129 5 0 2 1 8 17 29 57 79 119 131 132 112 107 93 63 33 23 15 13 7 2 2 0 0 0 0 0 1047
(w latach) w pr$ " 4912 krw (Tocher, J. F., Biometrika, 20B, 106, 1928).
Wiek krowy (w latach)
"
" $
" ' "
(
6 7 8 9 10 11 0 0 0 0 0 1 0 1 0 0 0 0 1 3 0 0 0 0 7 1 0 1 0 2 9 5 4 4 2 1 18 9 2 4 1 1 38 23 9 7 6 4 43 34 24 11 8 4 74 59 23 23 16 9 94 58 34 32 15 12 83 73 49 39 22 17 113 87 51 35 33 11 79 69 51 25 30 13 88 70 49 31 29 9 49 45 32 14 18 10 38 38 27 17 17 12 34 27 19 13 9 3 22 17 20 8 10 3 7 4 15 2 4 2 9 5 5 4 2 0 1 4 2 1 1 2 2 4 1 3 0 3 0 0 2 0 0 2 1 0 0 2 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 812 636 419 276 223 122 12 0 0 0 1 1 1 2 5 7 6 9 10 10 7 3 7 2 4 3 0 0 0 0 0 0 0 0 75 13 0 0 0 0 0 0 3 1 4 5 5 2 3 4 1 1 1 0 1 0 0 0 0 0 0 1 0 32 14 0 0 0 1 0 1 0 2 0 0 1 3 3 0 2 2 0 0 0 0 0 0 0 0 0 0 0 15 15 0 0 0 0 0 0 0 1 0 1 1 1 0 1 0 2 0 0 0 0 0 0 0 0 0 0 0 7 16 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 2 17 0 0 0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 4 18 suma 0 1 0 5 0 13 0 33 0 71 0 151 0 236 0 339 0 499 0 552 0 585 1 586 0 496 0 448 0 284 0 214 0 153 0 112 0 58 0 35 0 13 0 15 0 4 0 5 0 2 0 1 0 1 1 4912
) "
" $
! " $
" W " %
& $rowy wykres
podanych danych. 722,3 827,2 827,7 871,9 877,9 879,5 891,1 906,9 909,1 919,7
Zadanie I.1.3 (budowanie histogramw)

920,4 922,0 932,8 947,1 955,2
957,3 981,1 1014,1 1056,4 960,9 995,6 1016,1 1059,5 964,0 1001,0 1032,6 1070,7 967,9 1002,4 1047,8 1078,2 969,6 1012,7 1049,0 1083,0
1097,0 1104,6 1105,4 1106,0 1107,5
1107,8 1113,9 1115,1 1119,5 1149,6
1149,8 1184,8 1194,3 1213,4 1223,9

'
(
pomiarw przyspieszenia ziemskiego w (cm/s2)

) $

"
! $
$ " $
$ *$
$ " + ,
! $ " "
" +
czasu spadku swobodnego.
154

" '
- . % 1974(
(w C) w $ lski za lata 1881 1930 i 1931 1960 %
&
"

$ +
Miejsce 1881 - 1930 1931-60 Miejsce 1881 - 1930 1931-60 1881 - 1930 1931-60 Miejsce 7,6 7,8 8,3 8,1 8,5 8,2 Kalisz 8,2 8,3 7,7 7,6 8,2 8,6 Zielona Gra /$
& Krakw 7,0 7,3 7,4 7,5 8,6 8,4 Szczecinek Lublin Opole 8,3 8,3 8,7 8,5 7,7 7,3 Szczecin ) 0
7,8 8,1 7,5 7,4 7,2 7,6 Warszawa Kielce Koszalin 5,0 4,9 7,8 7,8 7,0 6,9 Bydgoszcz 1 Zakopane 7,9 8,4 0,1 0,4 2 Gorzw Wlkp.
Zadanie I.1.4 (wykres punktowy korelacja statystyczna)
Zadania
" $

" 2 3 +
Dla danych z Zadania I.1.3 o pomiarze przyspieszenia ziems

&-
!
! oba kwartyle i
! -
! !
"
Zadanie I.2.1 (analiza opisowa)
Zadanie I.2.2 (analiza opisowa dane zgrupowane)

! )
&
!
4 w materiale

& $
w Zadaniu I.1.2? Narysuj stosowne h "
) $ "

" $
" $

#"
3
567
$ "!
& $ "
"

"
4 2
i w Zakopanem.
$ "

# ' "(
9,5 10,0 10,5 9,125 8,875 8,625 8,375 8,125 7,875 7,625 7,375 7,125 6,875 6,625 6,375 Suma 11,0 11,5 12,0 12,5 13,0 13,5 14,0 14,5
"
4

" 9440 ziaren fasoli (Pretorius, S. J., Biometerika, 22, 110 (1930(( 8
! $
3
&
"
z

9"
"
"-
odchylenie standardowe dla
15,0 15,5 16,0 16,5 17,0 Suma 5 48 4 400 2 - 1483 - 2742 - 2579 - 1397 530 170 72 10 4 6 9440
Zadanie I.2.4 (analiza opisowa dane zgrupowane)
1
1
1 1 1 3 1
7
6 7 4 1
18
11 11 13 1 36
4 22 32 12 70
3 27 37 25 21 2 115
3 19 55 78 35 8 1
199
12 89 175 124 28 9 437
9 73 330 361 137 18 1 929
2 56 362 794 469 91 13 1787
23 227 913 871 236 23 1 2294
3 93 574 956 358 65 6 2082
19 156 494 375 81 4 1129
17 101 105 44 7 1 275
2 8 23 18 4 55
Zadanie II.1.1
w " 3 " "

+
3"

" k lub x i
"
$ , , , , p, , M oraz :
! b) x; x1 , x 2 , x1 x x 2 , c) f x; 1 + x , 1 x +1,
"! 2 d) f x; , 1 + x + x , 1 x +1,
"!

iczy, e) x; exp x , 0 x <

8 .

556

"
"
Zadania
155

!
: ";!
!
)""!
f) f x; exp x , x1 x x 2 , g) f x; exp x , < x < , h) x; x i) j) f x;

1
exp x , 0 x < , exp x
,
f x; , x
0 x <,
1 x2
2 2 2
, < x < , 1
2
arcsin, Wignera,
k) x; ,
+ x

, < x < < x < ,

,

1a
l) x; , exp m) f x; , 1 x
2 x , 2 2
ln x 2 exp 2 2

0!
0 < x < ,

"
normalny,
n) f x; , x exp
, 0 < x < , x
exp x o) f x; , 2 , < x < 1 + exp x
x

!

"!
+1
p) f x; , q) f x; ,
, x< 1

!
, < x < , x +e e k 1 r) Pk p 1 p , k = 1,2,3,...,

x

!
!
!
s) Pk n, p 1 p t) k
k
k 1
, k = 1,2,3,..., n
0, 1, 2, ... , 10n 1 "

" 5"

Pk! do zapisu tej liczby potrzebujemy k = 1, 2, ..., n znakw?
3 "

, k = 0,1,2,3,... k! k 1 p u) Pk p , k = 1,2,3,... k 1 , k = 1,2,3,... v) Pk k k + 1

"!
wskazwka:
1 1 1 . = k k + 1 k k + 1
Dana jest dyskretna zmienna losowa k

"
k() z parametrem = 1.
$
+
<

!
! "# $%&

)
.
wzoru barometrycznego: p z = p0 exp

mgz , 0 z < , kT
z p
m, umieszczonych w

" g! T!
& 4

" z. Wskazwka

p = nkT p n

k

T temperatura.
" 4
' "# $%&

3
&

" "
x liczonej od
$! " "

A.
Wskazwka

!"
x(t) = Asin(t)

! x,

156
( "# $%&
Zadania
=$ 4 $ ! " 4$

"
)

4 w 4 $ " i biegunowego 4 3
&

4 $ 1 i porwnaj je z

! $ ! "
z biegunw. .
" x $

" [0; a] i jest dany w postaci: 3 f x; a = 3 x 2 a x a . 2a <

! " x jest mniejsza od a/2? Jakie jest

!
a/4 oraz 3a/4? 0"
$ 3
&

! yku ze

a)

4
! b)

4 $

!" ) "# $%&
Kul

" h i

"

3
&

" z

Wskazwka:

z(t) = h gt2/2

!

z,

* "# $%& + "# $%& Zadanie II.1.11 (dystrybuanta) Zadanie II.1.12 (dystrybuanta)
#
ego logistycznym, zadana jest wzorem: 1 F x ; a, b = , < x < , a > 0, < x < . 1 + exp a x b 8
!
& 4

Zmienna losowa x
1 1 F x = + arctg x , < x < . 2 8 <

- x 1+ 3
& i 4
.
Zadanie II.1.13 (dystrybuanta)
Zadanie II.1.14 (dystrybuanta)
>

1 f x a x b a x b , < x < + , a > 0 . e +e 8 4!
&
9"

! "

!

b.
#
?
" " 1997 r. Narysuj wykres

" $

! # # Zadanie II.1.16 (dystrybuanta)
D

1 x F x; , = arctgh + 1 , < x < , > 0 , < < . 2 8
!
& 4

3
&

$ Zadanie II.1.17 (dystrybuanta) ( Laplacea, b) Weibulla, c) arcsin, d) Breita Wignera.
Czy funkcja F(x, y) = 1 exp( x y) dwch zmiennych losowych 0 x, y <
+ Wskazwka
# $ "
Zadania
Zadanie II.2.1 (zdarzenia elementarne)
157
Wypisz w 4 '

"(

$ $" "
$"
!
"

< "
+ < "
! " " $"+ < " ! "

!
!
"+
Zadanie II.2.2 (zdarzenia elementarne) Zadanie II.2.3 (zdarzenia elementarne) Zadanie II.2.4 (zdarzenia elementarne)
Cztery osoby, opatrzone numerami 1, 2, 3 i 4!

" )
" 3
&

Pk, " k = 0,1,2,3,4 $
@A Ze zbioru liczb 2,4,6,7,8,11,12 i 13 "
$ " <

! " +
.

$ "h rzutach tej samej strony )
"
"

losowania w drugim, trzecim, ... n-tym %
&!

5"

!
" n $+ . zadanie dla przypadku, gdy moneta nie jest rzetelna.

! ,##
'

" " n elementw, a zdarzenie A
m "$ ! "
4

A,
"

"
!

4

4

+
%
4 1,2,3,4 oraz 5
!
4 ) " !

!
&

! a) nieparzysta cyfra zostanie wybrana jako pierwsza; b) nieparzysta cyfra zostanie wybrana jako druga; c) 4 $
B d) 4
&
&
#"
(

$ "

punktw a) ( + )
"
$ (! ( (

P A B = P A + P B P A B .
" " $ (x, y) & i trze kwadratu [0 x 1; 0 y 1]
8

4 a) x2 + y2 1, b) y x2 0, c)
" ( (! d) "
" ( ( 3
!

powierzchni S jest proporcjonalne do tej !
&

(! (! (
( 8 ! $ $" "
a, rzucona jest moneta o promieniu r < a/2 <

!
"+
" " est przez zestaw punktw (x, y) & i
[0 x 1; 0 y 1]
3
!

powierzchni S jest proporcjonalne do tej powierzchni,
&

!
"

" r od wybranego rogu kwadratu.

( $

) $
* $
158
. r " $ 4 " $ k, o
a 3
&

!

" .
$ $!
4 'k = 3, 4 lub 6).
Na odcinku [0; 1] na osi liczbowej umieszczono losowo punkty A i B 9"

! punkt A
" B $

+ $
$

$
$

$
Zadania
)
) " 3
&

!

)
a " 3
&

!
"
"

"
" 3
&

!

R! $"

i

R, w
" 8 " <

! $ ! $ " ! + 9

"
!
" <

!
$
$ + ,
3 $"
17:00 a 18:00 9

15 < !

! " $ 3 ,
" "!
nich w "

+ ) "
C0; TD
. Odbiornik tego
" C0; TD!
czasu 3
&

Urna zawiera 4 3 czarne kule. Niech k
" " " " $
" " 8

k.

! $
' $
( $
) $

* ,##

+ ,##

,##

$
)
m n m " #$ " " " ) ! $ " <

! $ + .
!
" "

z urny i
3 "

1 do 6, wybieramy losowo trzy kule. Niech k
" " $
8

k. %
"
L D "

"
<

!
"! "
"
n
!
d losowych punktach, tzn.

"
" "
" + 3
!
$

! "
" L

!

$
! 4

$
3
&

!

" o L i polu powierzchni poprzecznej S!

! " 4

: $

$
Zadania
159
n ! sposb losowy, tzn. ich liczba w
" " "
3
&
$

! "
! n!

$
W kuli o promieniu R umieszczono w losowych pozycjach N $ 3

&

!
"

"
" r 3

! " "

! n

! ,##
$ " )
" " % " " 3
&

! " " ! " " <"
"! A i B to jego dowolne podzbiory, natomiastA
A, aB
B, to: a) P A + P
A B = P B + P
A B ,

' ,##
P
A B
A B = P A + P B 2 P A B .
#

E !
A "

-
"!
niebieski, natomiast do zacisku B F $
- 9"

! " -
b)

#
!

a) b)

" "!
$

.
"!
3
&

!

! "
! "
"
#

#
)
!
3
&

! "!
!

@$A! "
!
"

!
! #

)! "
pk = 0,49 " ! $

$ f = 0,005 to daltonistki oraz pd = 0,05 "
"!
&

!
$
$
"" ! "

' #

a) b)

!

A, B i C
"
! P A B C = P A B C P B CPC .
9"

! ! $
$
!
$ $! "-
!
$ $

( #

% $

"&$!
32%
! 28% to dwie dziewczynki. Jakie jest

!

"&$!
$
! "
! $

+
) #

,

)

!

< ! " $
+
* #

!

! "
!

+
+ #
Zmienna losowa x
"
1 F ) M = 0 i = 2. Jakie jest
3
&

! "!

@$A! "
! -
160 a) b) c) d) e)
Zadania
#
?
"
" 1997 r. Narysuj "

! ! $
60 "
61, 62, ..., 100 lat.
#

#

@$A!
@$A!

$
@$A!
$

" !
"
wieku t!
4-
E
" ! "

Q(t)

Qt = exp at be ct 1 , a, b, c > 0 , t 0 .

4

t 3
&

!

" " T! "
" t 8 " 4 czasu t <

!
t!
t + T? . "

"
$!
" $

t
" parametrem b = 0. 3

Pdd
$ "

Pbb
$ "

!
&

Pz
Pd

<

! "

+ <

! "

+
#
! "
"
"
A i B zachodzi: P A B = P A B !
"
Ze zbioru liczb 1, 2, ... , n " $ " 9"

! " "

! "
! "
Dane jest n + 1 urn, a w
n "! " " ! w

" n 1 !
" n 2 "

! # ' #
<" A oraz B
"
!
! - P A B + P A B = 1?
#
"# $

"# $ "# $
"# $
" " 3 "

" 5"

! " +
)

N "! $
$ n !
M kul, $
$ m 3 "
"

"
! "
" <

! " +
Z

"
" "

3
&
)

" !

" "
)

"
!
i jedna czarna. Z
" ednej kuli nieznanego koloru, a
<

" " trzeciej urny? #
50 "! $
$ 25 25 < "
! " !

" " "+
! "# $
Zadania
#
! $ !
"
"!
"
" # "

" "! ""
" )" "
" <

!
" ! " " " + ! " "

" 3$
" <

! " " + 5"

! " " n "

"+
Zadanie II.4.6 (twierdzenie Bayesa)
161
Zadanie II.4.7 (twierdzenie Bayesa) Zadanie II.4.8 (twierdzenie Bayesa) Zadanie II.4.9 (twierdzenie Bayesa)
G p = 0,05 $

"! $

"" q = 0,0025 ) & f = 0,2 $ <

!
"

" +
Studentowi zadano pytanie i przedstawiono n "

! $ "
<"

&! ! " " !
F 4 )

!

0,5

& < !

&! " +
)

" " !

" "! $ " #
" <

!
z ( ! (
! (
"! "
"+ )

-

!
im dwa ! ) "

"
z $! "
9 ! "
"

!
+ <
$ H5I " 97% przypadkw osb " $
0,4% przypadkw. Jakie

! $ H5I 4 ! "
0,5% " +
Zadanie II.4.10 (twierdzenie Bayesa)
Zadanie II.4.11 (twierdzenie Bayesa) Zadanie II.4.12 (twierdzenie Bayesa)
poddostawcw. Poddostawca A, u ktrego procent brakw wynosi 2%, zaspakaja potrzeby firmy w 60% wszystkich monitorw, poddostawca B 30%, z czego 3% ma usterki, a reszta otrzymywana jest od poddostawcy C, u ktrego jest 4%
" $ <

! &"
dostarczony przez
A, B lub C?
4
!

8

" $ $ (x,y) ! 0 x,y 1, wybrano losowo punkt (u,v) #" a, zdarzenia u v a i u + v 3a "+ 8

" $ $ (x,y) ! 0 x,y 1, wybrano losowo punkt (u,v) #
- A = u 1 , B = v 1 oraz C = u 1 v 1 0 . 2 2 2 2
Oto (jakoby prawdziwa) historyjka. Dwch studentw w
"

"" " " "!

""

! !
"
!
$
@A )

" " 9

$

8 "
- $ @A+ <
odpowiedzi studentw?
! - !

-
!

- "! "

" !
162
0-

"
! ,! " !
0 - " ! 2, 3, ... ,12 F $
6 wynikw parzystych, a tylko 5
! !
+ 3 K = 100 ! !

n = 120 ! $ ! k = 10 to ryby 9 " N ryb w stawie.
!
Zadania
-
! ! - ! ' - ! ( - ! ) -

X
%

% P1 "
pierwszego wynosi 0,9, natomiast przez drugiego P2 = 0,8 <
$
+

p " "

0,01 3
&

" " " "

A Y X A A A Y
Obo

$
z identycznych elementw A, w ktrych

X oraz Y A A A A 4 54 z

"
!

! ktrej wszystkie " !

"$ i wynosi p! 4
" "$ 4 3
&

!
X oraz Y
+ Dla ktrego z
$

+
! * -

B X A Y D C

"
!

! $ " ! E

"$ p, przy czym fakt
" "$ 4 <

!
X oraz Y
+
Rodzina ma tr
) 8 "
"! $ 4
. "
- rodzina ma dzieci obu i

.

"

!

"
0,5.
z elementw A, B, C, D oraz E, w $

ami XY 4 54 jednego punktu
8

! + - ! - !

- ! - !
-
<" "

" "!
&!
!
$
' " $ (
" $ "
!

$ ( 0,5, b) 0,8, c) 0,9. .
"
<

! " "zb " +

p 4

0,5 )"
3
&

! a)
4 "! b)

4 "! c)

4 "!
d) przynajmniej jedna torpeda trafi w cel, e)

4 "
Zadania
! ! -
163

" 4 ! ' - 3
$ 3 3
&

!
"

" ! ( - Przychodzimy na przestanek, na ktry co 4
" A, a co 6 minut autobus linii B 3
! "
!
&

a)

" A, b)
! ) - 3

! $
n elementw.

" "$ p "
"$
"
a !
to b 3
&

p! $ "

"

! * - )

?
" !
" !

3
&

! 4 "
4
!
+ - E" "
"

P trafienia jest odwrotnie "

" d
"
4 P = (D/d)2, gdzie D E"
!
"
" d = 2D!

" d wynosi 3D itd. a w ! n-ty !

" d wynosi (n + 1)D 3
&

! " 4 "! "
#

! " " n

+
,

! "
!
"
"

p1 trafienia z

" 0,1, z drugiego p2 = 0,2 a z trzeciego p1 = 0,3 3
&
Zdarzenia A oraz B

" "
a) A

B, b)

A oraz zdarzenie B, c)

A i

B, d) zdarzenie A
A i B, e) zdarzenie A
A oraz B?
!
-
Wskazwka:
1 1 1 . = nn + 1 n n + 1
#"
n " " ki! $
ki = 1 lub ki = +1 z

0,5!
& 4
" mn:
!
-
' -&.
n = i .
n i =1
>
$ " -
3
&

5" a, aby zmienne "
"+
Wskazwka
#

f x, y = 1 + ax 1 + ay a exp x y axy , 0 x, y < ,
a 0.
*
!
$ " )

-
$
!

G

!

8

!
! $

!

$ ! $
8 ! "

!

'

"
164
Zadania

' (
'

pierwotnym wyborze? otrzymania: a) na jednej kostce dwch oczek; b) przynajmniej na jednej kostce trzech oczek; c) parzystej sumy oczek; d) sumy oczek podzielnej przez trzy; e)
7; f) sumy oczek mniejszej od 12; g)
"
. "! 9"

'
a) b) c) d) e)
)

"
" "

p. 5"
" zapasie,

?
' ! ,## ' ' ,##
. 4

$ 3
&

! 4 $!
4 '
(
$

$! $ $
!
4 ' ( $
!
$ 4! 4

,##
a bombardier trafi w znaleziony obiekt. Dla nawigatorw n oraz N!

"

pn = 0,9 oraz pN = 0,8. Dla bombardierw b oraz B!

4 w pb = 0,7 oraz pB = 0,6 " '
(

$
1 "

!

!

! ! $
n ! Pn 3
&

!
! 3
> 1! 3 kompleksy genw: A, B oraz O, z ktrych A oraz B

O, A, B i AB 9
$ OO ma krew typu O, o
AO lub AA
! $ " A, przy konfiguracji BO lub BB otrzymujemy krew typu B i w " $ A i B
AB )
! 37% "
" ma krew grupy O oraz A, natomiast 18% ma krew grupy B, a reszta do 100% "
AB,
& $" "$ $
' ( ,## ' ) ,##
$! $
! "
"!
" $

$ 9
! " $" $
< " $

"

+
' * ,##
3
&

! "

"
Niech p

!

F
" F
taka sama jak poprzedniego dnia. Niech P

!

' + ,##
osobie o grupie krwi O! $

37% "
"!

grupie O; osobie o grupie krwi A! $
37% "!
$ A jak i grupy O; osobie o grupie krwi B! $ " 18% $!
B, a krew grupy O; natomiast osobie o grupie krwi AB! 8% "
!

4 "

E" -
Zadania
165
3
&

Pn! n
$& $

<

"! "
! "

Pn dla n. )

$
! 80% owadw ginie
" ! $ !
9

$
"
"
$ z

! 40%
$! $ "!

! " 20%
$ ! $
!
3
&

! a) $ "

! b) $ "

! "
1 T = 30 min
"
)

"

q = 0,3

q i okres czasu T

" ! "
" 9"

!
" 1, 2, 3 lub 4 !

! " "

! $ "

' ,##
'
,##
' $ #

#
f x, y x 2 + y 2
1 x, y +1 3
&
$ x oraz y!
$
'
Dwuwymiarowa zmienna losowa (x,y) 4

F x , y = 1 e ax e by + e ax by , 0 x, y < , a, b > 0.
"
$ #
"+

Wskazwka
# $
' ! $
9

" " 3
$ skanych w ten $
$

"
" 3
&

!
$
$
' ' # ' ( #
Punkt (x,y,z)

4 x2 + y2 + z2 = 1 3
&
pary (x,y)
$
x.
"+
Dwuwymiarowa zmienna losowa (x, y) 4

1 f x, y . 2 1+ x + y2 + x2 y2
"
Wskazwka
#

" !

a = 1 km <

! +
Stoimy nad morzem w miejscu, w $ "i prostej. Wybieramy losowy kierunek, ale taki, ktry nie zaprowadzi nas do wody i wykonujemy w
a = 1 km 8
' ) # ' * # '
+ # '
#
3
&
!
! " p

"
"
"

3
&

" k
"

" n

"
n().
(n,p)! "
k
Niech przy zadanym czasie oczekiwania t, liczba k

"
k(t). 3
&
"
! " t
"

(t;).
166
W trakcie oczekiwania " $! m samochodw. Jakie jest

! $
k
$!
$ ! $ + Dla Abulafii (nazwa komputera, przyp. RJN)
% " &

%
$

% 'kadabra() *

%
z groszami (Umberto Eco, +

,

( 9 $
"

"! o ktrej on wspomina?
'
#
Zadania
Zadanie II.7.1 (kombinatoryka losowanie bez zwracania)
8 $ 30 ! $

Trylogii Sienkiewicza. Jakie jest

! Ogniem i mieczem, Potop i -
+
! + *
$ $
"
$

#8? 5" " $ $+ 8 "4

4 <

! 4 $! " 4 $
+
Zadanie II.7.2 (metody kombinatoryczne) Zadanie II.7.3 (metody kombinatoryczne) Zadanie II.7.4 (metody kombinatoryczne) Zadanie II.7.5 (metody kombinatoryczne) Zadanie II.7.6 (metody kombinatoryczne)
z dwch liter A, jednej litery K, dwch liter S, trzech liter T oraz dwch liter Y! STATYSTYKA?
< !

"!

! "
trjelementowego a, b oraz c 4 "$

"
"4

! $

+ .
!

!

!
"
)

100 ! 98
!

4 3
losowo 2 <

!
+ <
Zadanie II.7.7 (kombinatoryka losowanie ze zwracaniem i bez)
3
& "
$ $

" n "! $ "

! $

3
$! $ "
" ! "
" " i $
)

! $ "! "! $ !
$ "! $ 3
&

Pk! 4 " !
! ! ! k-tej prbie. %
&! "

.

!

" 4
" "! a " ! $
" "

! ! " !

!
" " " " n elementw,
"
$ " k, wynosi 1 (n 1)k/(n)k, podczas gdy przy losowaniu ze

- 1 [(n 1)/n]k. )
$ " 3 "
$ !

! $
!

+
Zadanie II.7.8 (kombinatoryka losowanie ze zwracaniem i bez)
Zadanie II.7.9 (metody kombinatoryczne)
Zadanie II.7.10 (metody kombinatoryczne) Zadanie II.7.11 (metody kombinatoryczne)
5" $ Zadanie (metody

$ II.7.12 kombinatoryczne)
i @$A

"
n $ "$+
. " "!

&

4 @$A! @ A! @$A
Zadania
)
n kul ponumerowanych od jednego do n. Z urny wydobywamy bez zwracania " 3
&

! " " " .
! " "
Zadanie II.8.1 (funkcja zmiennej losowej) Dyskretna zmienna losowa k
- P(k = 2) = 1/4, P(k = 1) = 1/8, P(k = 0) = 1/8 i P(k = 1) = 1/2.

" m = k k. Zadanie II.8.2 (suma zmiennych losowych) #
! " " i oraz k
" jednocyfrowych 0,1,2,...,9 * i + k ! $ 10m + n, gdzie m "
! n "
3
&
" m oraz n. Czy "+ Zadanie II.8.3 (funkcje zmiennych losowych) #

! " "- i oraz j!

kn
2
Zadanie II.7.13 (metody kombinatoryczne)
167
trzeciej i czwartej cyfry?
3
&
"
8

" p = 0,15. Zadanie II.8.4 (suma zmiennych losowych) <

! " $d z czterocyfrowym numerem ! 4 ! $
4 "
$
Zadanie II.8.5 (suma zmiennych losowych)
geometrycznym z tym samym parametrem p: i 1 j 1 Pi p = p1 p ; Pj p = p1 p i, j = 1,2,3,... k=i+j
#
" "owe x oraz y!

[0; 1]. 3
&
" z = x + y 8
3
&
"
" Zadanie II.8.6 (suma zmiennych losowych) Aut

! $ 4 ! ! $

$ 12 minut, a tramwajem 8 minut. Metro i tramwaj
" 8
" t " !

! "
" " Zadanie II.8.7 (funkcje zmiennych losowych) #
"- x oraz x

z
1 2
unormowany.
?
"
D
"
przedziale od a do b. 3
&
V tych kulek. Zadanie II.8.9 (funkcje zmiennych losowych) Na kuli o promieniu R "
$ " 3
&

L %
&!

Zadanie II.8.10 (funkcje zmiennych losowych)
3
& Zadanie II.8.8 (funkcje
" zmiennych losowych)
1 1 , < x < + . f x = 1+ x2 y = (x1 + x2)/2.
$ " ) " !
a = 1 km. Jaki jest

"
+ 8
Zadanie II.8.11 (funkcje zmiennych losowych) " x

[0; 1]

Stoimy nad morzem w miejscu, w ale taki, ktry nie zaprowadzi nas do wody i wykonujemy w d zmiennej losowej a) y = 2x + 1, b) y = ln(1 x).
Zadanie II.8.12 (funkcje zmiennych losowych) Zadanie II.8.13 (funkcje zmiennych losowych)
Zmienna losowa x
x zmiennej losowej a) = , b) y = x2, c) y = 1 exp(x).
"

1 )

"-
168
Zadania
8" " x oraz y

z parametrem 3
&

$ " 9

L = 20 cm
8 !
! "
" x

!

# ! o
x oraz 10 x 3
&

" G !

z
Zadanie II.8.14 (funkcje zmiennych losowych)
= + 2
1
) ! , , ) ' , , ) ( , , ) ) , , ) * , ,
9

L
"
" x od jednego $
# ! 4 $ 3
&
" S $ G !

z
) "

$

3
&

L odcinka, jaki

$

Punkt A "
R
B = (0,b) 3
&

x
! " A

$
) 4

" z zadanej pierwiastkiem z sumy kwadratw zmiennych x i y.
i P &$
$ )
" h
&$
"! $ !
$
3
&
$ 'x, y(

Zmienne losowe x i y

f(x,y) (x2 + y2)3 R
)
+ , , )
, , )
, , )

, , )
, ,
3
&
"

$ " "!

" [0; 1] .

" "
dwch zmiennych.
" "

a!
! $ 3
&

$ $ .

!
a)

&!
o
a b) gdy oba wektory umieszczamy w trjwymiarowej przestrzeni.
3
&

" $ $

" t:
t 2 2 xt + y = 0 ,
" x oraz y " "
przedziale [0; 1]. 3
&

$ " $
" $ "
" t: " " x oraz y " "
przedziale [0; 1]. Wskazwka

"
Wylosuj 1000 $ "
"
" [0; 1]. %
& 4 "! $ " "
" $ t 3 3x 2 t + 3y = 0 ,
Zadanie II.9.1 (metody Monte Carlo)
Zadania
169
8

"
!
" 9 ! $ "
*
$
f x = 1 A2 x 2
[0; 1]
3
& " "

" "
"
, A x A.
Wygeneruj 10 000 "

A = 1

" "
" Wylosuj 1000 par x,y "
" = 0 i = 1. #"
$ - z = x2 + y2 %
& 8

f(z) = 0,5exp(z/2).
Zadanie II.9.3 (metody Monte Carlo) Zadanie II.9.4 (metoda Monte Carlo)
n+1 n
0 t 240 min t f t 480 min t 240 min t 480 min

" " " $ 1 min
# "4
"

= 15 min. < " "
W pewnej instytucji funkcjonuje 200 "4$

"4$

$

4 -
Zaproponuj generator: x = ax Zadanie II.9.5 (metoda Monte Carlo)mod(15), ktry przebiegnie 15 liczb nim wrci do punktu startu.
! " "

"
f(x) 1 + x2, gdzie -1 x +1 0
"

"! " $ !
"

" < 4 + <
"+ < 4 "
!
+ ?"
$ "

8

" )" 10 000 liczb z
" 0 i dyspersji 1
" " "

"
" " 8 " 3
&

"

8
" " "

"

$ zadanie dla czwartego momentu centralnego i
Zadanie II.9.6 (metoda Monte Carlo)
" "4

! 90%+ 3

- " "
" !
" $ "! "
"
parametrem = 200.
.
!

! "
" !
@ "A "
.
!
@ "A "

" 3
&
!
"
0,1136 oraz 0,8864
"
" F " 8

z parametrem = 1 <" !

)
E "! " $ 4 .
!

! "

+ #
+
#
Zna
&

$
"
#
?
170
+ # / 0 1

" 9 "
Zadania
Zadanie II.10.4 (nadzieja matematyczna) Zadanie II.10.5 (nadzieja matematyczna)

!
Wylosuj 20 liczb z

1 F )
= 0 oraz = 2 i narysuj dla
$

"
" $ " $ "

- z domu do pracy mam 1 . 5km/godz 12 minut na dotarcie do pracy ?
Zadanie II.10.6 (nadzieja matematyczna)
z $
10 $ $ $! $
$ "
)

# ruch obrotowy i
z dyskw zatrzymywany jest nieza" " ? $! " !
" !
! 10
100 )
?
! @

A! !

8

! $ 5" +
Zadanie II.10.7 (nadzieja matematyczna) Zadanie II.10.8 (nadzieja matematyczna) Zadanie II.10.9 (nadzieja matematyczna)
3
& 3
&
!
#
?
"
" $

1997 3
&

"

"

geometrycznym.


R.
9

" $

"
L
"
dwch losowo wybranych punktach.
$
&
3
&

!
$
" $
Wskazwka: pole S

a, b i c i obwodzie 2L = a + b + c wynosi: S = L L a L b L c .

=

-
Rzut momentu magnetycznego na kierunek pola magnetycznego o indukcji magnetycznej B, J "! ! "
ge j , j = J , J + 1,..., J 1, J , 2m gdzie g $ ! e F "

! F "! m to masa J E momentu dipolowego w tym polu wynosi: E = B

P(E;T) " " T, w stanie o energii E,
" 4
-
P E; T exp

E , E 0. kT
M = n Zadanie II.10.12 (nadzieja matematyczna)

3
&
>

!

E!

umieszczonego w termostacie o temperaturze absolutnej T!

E P E; T exp , E 0. kT
E $! "

v wynosi: En = nhv
(n = 0, 1, 2, ...) 3
& "$
Funkcja f(x;A)

" " w x "
$! " ' "( 1 f x; A = , A x A, A2 x 2
Zadania
171

" A "

3
& " !
" !
" "
Klasyczny model substancji dielektrycznej zb

momentem dipolowym elektrycznym p ! " P
! "
"
" - P = npcos,
" n "

! p

"! "
! " " E . Energia potencjalna U dipola zadana jest iloczynem skalarnym: U = p E )

f(U;T) " o energii U, umieszczonej w termostacie o temperaturze absolutnej T, dostarcza nam fizyka statystyczna: U f U ; T exp . kT 3
& " P

! n = + a +
Niech n
! $ " n !
b 1 2 + O 3 , n n

" a oraz b "
" $! "
, a przez symbol O " ! n-3 " $

" + 3
& z naszej prbki n $!

n , przez odrzucenie
!
" $ G$ n 1 !

$ !
"
!
a/n. !

! $ " 8

n = nn n 1n 1
$
<" !
"
"
$ <"
$!
k
"
!
k + 1 analiz. < "

" n $! "

"
! "
N

! $ " + < " " k! " N wynosi 50?
badaniu n prbek wymaga przeprowadzenia n
" " E

k
*

"
"

!
Zadanie II.10.17 (nadzieja matematyczna) Zadanie II.10.18 (nadzieja matematyczna) Zadanie II.10.19 (nadzieja matematyczna)
3
& E $

! " 4
E emitowanych neutronw wynosi:
f E; E exp E , E 0 , > 0.
Dwuwymiarowa zmienna losowa (x,y) $ o promieniu R

" "

5"

"+
3
& Zadanie II.10.20 (nadzieja matematyczna)"
"
1 Wignera.
3
&
$ "!
! "
! $ " )
#
?!
& " n "
! $
" k " 8 " 4 " " k.
5"

"! "+ n- +
# &.
+
# &.
172
Zadania
3
&
Zadanie II.10.24 (krzywa regresji pierwszego typu)
f x, y x 2 + y 2
3
&

"
1 x, y +1.
. "

"
4
! "
" " ograniczonych do kwadratu: x,y 1 8 +
! 0 # $ $ # 9" ' (
" z

0 +
' "

0,2 mm, czy 20 $!
z 1 mm? +
( G

Pk(n, p)
! $
" " n zmiennych "!

" p ) 4!
& "

+
) Automat produkuje kulki o
D
"
przedziale od 4,9 mm do 5,1 mm. 3
& V "
+
* 3
& + +
"
" F malnego. 9
$! " " x i y
! - J(x) = 1, E(y) = 2, V(x) = 1 oraz V(y) = 4 3
& - x2 + 2y2 xy 4x + y + 4. + #" " a! J((x a)2) ! " " x +
Zadanie II.10.32 (estymator wariancji) Zadanie II.10.33 (estymator wariancji)
!
" $ " xk (k = 1, 2, ... , n) n 2 1
i j 2nn 1 i, j =1

#
"
" z zjawisko jako z = 1 (model A) oraz z = 2,2 '
" 1( ) " 16 razy otrzymano: z = 1,5 0,3

" i "
+ <

" $ " ! "

pomiarw, odchylenie standardowe pojedynczego pomiaru nie ulega zmianie i jest takie, jakim go uzyskano w serii 16 pomiarw.
! + &.
Dla prbki prostej xi " n!

" 1 n 1 2 i +1 i . 2n 1 i =1
"! "

"

! a
+ ! "
#
$ - xi (i = 1, 2, ... , n) oraz yi (i = 1, 2, ... , m) " !

3
&
"

" $
$

"
$ + ' &. & )& ! nK " 4!

matematycznego, przy pomocy cyfrowego miernika, jakim jest np. stoper w elektronicznym zegarku.
+ ! &.
Zadania
173

!
"!
n
xi (i = 1, 2, ... , n) )"

! $

4 5 ! $ xi 8

x
"

+ 3$ !
!

"

!
! " xi

<
"

"
!
+ #" " A = + p + q, gdzie , oraz ! p i q to nieznane parametry, znaleziono dwa estymatory: A1 = + x1 + y oraz A2 = + x2 + y )" x1 i x2 "

" y i p o identycznej dyspersji x, " y q o dyspersji y # a i b w A* = aA1 + bA2, aby statystyka A* " A o "
najmniejszej dyspersji.
+ ( & -
i otrzymano x1 = 1,0 0,1 oraz x1 = 0,8 0,2: a) gdy pomiary xi o dyspersjach i
! $ " ! a "
" 9 !
" yi = xi + a, gdzie a = 0 "
a = 0,1! "
" xi. b) gdy pomiary xi o dyspersjach i
! $ " umownych
.! "

4

" ! $
" 3 w " !
!
" x
+ ) & -
c)
+ * +

! "
" 9 !
" yi = fxi, gdzie f = 1,0 " ' " jednostki) o dyspersji f = 0,1! "
" xi E " yi
&

4 "! $ "
" gdy pomiary xi o dyspersjach i
! $ " umownych
" ! " skalowanie dokonujemy przy pomocy " $ 9 !
" yi = fxi + a )" f oraz a, o dyspersjach f i a! "
" xi .
#

"- P(k = 1) = 0,2, P(k = 0) = 0,3 oraz P(k = +1) = 0,5. 3
& $
"
3
&
"

" [0; 1]
" .
-
5" + -

"! "+ +
Zadanie II.10.42 (kowariancja) Zadanie II.10.44 (kowariancja)

f x, y
! Zadanie II.10.43 (kowariancja) 4 "- cov(x,y) = cov(y,x). 3
& " x oraz y
"
f x, y x 2 + y 2
0 x, y 1 .
3
& " x oraz y
"
1
2 2
1 + x 2 xy + y 2 2 2
, < x , y < + , 2 2 > 2 .
174
+
P(k,m) m 0 1 -1 0,1 0,2
Zadania
!
k 0 0,2 0,3 Dwuwymiarowa, dyskretna zmienna losowa (k,m) opisana jest +1 0 0,2

" 3
&
"
5" $ "

k oraz m? Podaj

$
&
"
$
9"
"= 2 + 2 . Podaj
+

' (

-
O dwch, statystycznie skorelowanych zmiennych losowych x i y

! - J(x) = 1, E(y) = 2, V(x) = 1, V(y) = 4 oraz (x,y) = 0,5 3
& - x2 + 2y2 xy 4x + y + 4.
+
!

"
"

elemencie dwch cech: A oraz B 8 " p( AB), p( AB), p AB p( AB )

!

A " A przy jednoczesnym braku cechy B

3
& $ "
A oraz B ! " $ $ !
A oraz B " statystycznie. B!

% $ #& 1
&
Twarde
!
! ! ! ! !
!
! ! ! "! !
E &!
&! !
% $ " "4

"

$

& % $! $
" !
p, t, k, f, s, sz, ch, c, cz,
a o $! $

&! $!
& ,ela obok podaje
"

$
&
$ " "
! $
! $

+ +
&
& +
x oraz y x i y, natomiast ich dyspersje to x oraz y 3

& $ "
" u = x + y oraz v = x y.
8"
) *
x, y oraz z x, y oraz z, natomiast ich dyspersje to x, y oraz z 3

& $ "
" u = x + z oraz v = y + z.
, "
+ !+
)" x1, x2, ... , xn, xn +1, ... , xn + m " "! "
o
3
& $ "
- u = x1 + x2 + ... + xn oraz v = x1 + ... + xn + xn + 1 + xn + 2 + ... + xn + m.
+ ! % &
Dana jest n elementowa prbka prosta par (xi ,yi) 3

& $ "
x oraz y 3
&

R z prbki.

+ !
2
#"
.
56 "
$!
& $ "
"

!
"
'"$ ( $ $ %
+ ! % & - + !

Mamy dwie pary prostych zmiennych losowych: (x1,y1),

" $ V (x2,y2) o znanej macierzy wariancji U. Ze zmiennych x1 oraz x2
xw, a ze
y1 oraz y2
yw 3
&
" (xw,yw). Uoglnij uzyskane
n par (xi,yi) o macierzach wariancji Vi .

=1 g. Student A
#
"

$ " "! "
$! $

"
"!

%
1 ! !

"!

" $

Zadania
175
"! $ " G

$!
1 $ "
<

"
i? Ile wynosi $ "

pomiarze?
+ !! & - Zadanie II.10.56 (momenty funkcji zmiennych losowych)
S
)" x i y !

x oraz y " $ " , dwa estymatory parametru # a i b! " z = ax + by ! "
! .

" Q = 1,610-19 C
prostopadle do obszaru jednorodnego pola magnetycznego Z o indukcji B = 1 T D = 1 m, XY " D D pustej przestrzeni po prostej YZ ' ( 3 L,
p ' "
"

(
Y Obszar pola QBD2 p= magnetycznego 2L D prostopad '
:(! S!
p
'$ "!
"

( rysunku X " "& QBD2 L p= S '
%( !

" L oraz S jest taka sama i wynosi s = 0,1 mm, zdecyduj ktrej z
$
" !

8 "

"
#"
!
$

+ )" B, D oraz Q "

) $ " H F "";! $ ! "
L! R!
" cieczy V! $ p, $ " dany jest pR 4 . = 8 LV $ " 4

(w "
( + !
L V zmierzone 2%! "

1%!
& "

$ "
+ !( "# , , / &.
+ !) "# , , / &.
" 4 w $

! " " x oraz y, $2 w = x y 10 + y .
W wyniku pomiaru otrzymano: x = 1,0 0,5 oraz y = 10 1. 3

&

" w $ " ) 1000 par " "
0 1,0
0,5 dla zmiennej losowej x! 10
1 dla zmiennej losowej y. Podstaw otrzymane pary do wzoru,
1000 " w 3
&

"

" % $
" " *$ uzyskanych $
" " w +
+ !* "# , , / &.

G Rx S A x L-x B R
.
nienie pomiaru oporu Rx
); przedstawionego na rysunku obok. Procedura pomiaru, w najprostszej wersji, polega na ustawieniu suwaka S na drucie AB w pozycji, przy ktrej przez galwanometr G

$ ! w warunkach ktrego nieznany opr Rx " $- Rx(L x) = Rx, gdzie L

AB, natomiast x
"
punktu A <
$ R ! "

176 oporu Rx +
Zadania
" "

" 4 " "
"
"
G$"

"
4 f(x) jednej zmiennej losowej x,
,"
$
)& " " 4 sinus
& cyfr 0, 1, 2, ... , 9
"
$" " 4 3
+ '+ , & ,

"

'" "
! 4 cosinus, tangens! ( 3
$ 4 $ " " "+ #

" "! "

3
&
"
standardowe otrzymanej sumy.
Zmienna losowa x
"

" [a; b] 3
&
losowej y = + ln((x a)/(b x)), gdzie i

"
Wskazwka:
#
y = lnx = ln(x1x2...xn) = lnxi .
!
" y zadanej iloczynem n " " x,

" [0; 1] " (lny)n/n!. ," 4
4

$ 4 " "

- (x0, y0) i (x0, y1)
" #" x " 8

L "
3
& 4
! i

"

wynosi? '
!
! S

Pi , i = 1, 2,... , n, zdefiniowana S = Pi ln Pi ,
n
(
"

"

/

0
" Zadanie III.2.1 (schemat Bernoulliego)
i =1
Wskazwka

Pi

. Zadanie III.2.2 "

" (schemat Bernoulliego)
13 4 15 10 22 6 29 5 36 1 43 3
8 1
.

$ " rony )
"
"

Pk losowania w drugim, trzecim, ... k-tym %
&!

5"

!
" n $+ .
zadanie dla przypadku, gdy moneta nie jest rzetelna.
Zadanie III.2.3 (schemat Bernoulliego)
10 4 16 11 23 13 30 34 37 11 44 8
9
3 3 17 4 24 6 31 18 38 2 45 28
10
26 16 18 15 25 2 32 6 39 9 46 20
11
2 10 19 6 26 1 33 3 40 2 47 1
12
6 2 20 2 27 21 34 1 41 1 48 1
13
7 14 21 28 35 42 49
5 6 3 9 8 4 3
Oto tabela (dane za: Mach mit. Das aktuelle Toto-Lotto Magazin, 17/18 luty, 1996(
"

"
" totolotku. Dana 1 ! " '

" $ ( "
!
2! " "

!
3!

< " " + <

"
+
Zadania
Zadanie III.2.4 (schemat Bernoulliego) Zadanie III.2.5 (schemat Bernoulliego)
177
a " ! ) ! 6 $ 3

&

Pk!
k = 0, 1, 2, ... , 5 punktw.
G
. "
! , !
Trzy osoby: A, B i C " ! !

8 A gra z B, podczas gdy C 0 CB w drugiej turze C !

"!

! $ #"
" $ )
"
"! $ +

0,5

3
&

" %
&!

"
<

! $
z $ + .$ $
" "! $ 3
&

uczestnikw. 9

! "
" $
. " !

dowolnej sekundzie wynosi p "

$
!

"
!

9"

Pk!

k = 0, 1, 2, 3, 4
$
" k = 5.
Przeprowadzamy dwie, jedna po drugiej, elementarne prby wg schematu Bernoulliego. W

z $

p * " k! $ 0 (P -123453(!

$
"!
- sukces, sukces lub

,

. Zmiennej losowej k
1 (S SUKCES), gdy w obu prbach $, a
" : sukces,

lub

, sukces 3
&
dwupunktowy zmiennej losowej k! #" " $ 1""
" k1 i k2 "- SS, SP, PS i PP "+ 5" $ "
+ *$ z

+ <" " $ $ n + 1 ! n kolejnych par, a k

" ki
sumy?
Z partii towaru wybrano losowo 1000

!
< "

!

99%?

) #
* #

" $ 1""!

zmiennych: k1, k2, k3
"+ < n zmiennych ki! " " $
$
$ ile wynosi wariancja takiej
! 1% " <

! losowo 1000
$!

+ ! 1% " < "
$ 4 !

95%?
Do porcji ciasta wrzucono 200 rodzynkw, a po rzetelnym wymieszaniu wykonano 100 $ <

! "

+

+ #
#

#
9"

! " "

4 "
Oto liczba

4 = 3,14159265358979323846264338327950288419726939937510 .
178

#

#
Zadania
samochodu przy ich zamykaniu. Gdy zaprezentowano jej 10

&$! "

! 4

&

<

! "

+
+

stosunkiem liczby k przypadkw, w ktrych obrt jest zgodny z kierunkiem ruchu wskazwek zegara do liczby m
$!
$ ! " " " n
)
!
$ " < " f, dana

! # / .
zbankrutuje?
' #
>
n = 10 000 "$ *

1 stycznia
!
!
.

"$ p = 0,006 <

! 4
# !

n $ )

!
" @$A 9"

i narysuj jego wykres dla n = 1, 2, 3, ..., 10.

( #
) #
* #

$ " " 8
! " 50% <

! 4+
50% albo 40% wszystkich kul. Wykonano stukrotne losowanie jednej kuli z urny ze zwracaniem i stwierdzono,
)
" 9

"! " "
Na wsi mieszka 250 $!

$ 5
&

!

! "
$ < ! $
! 100 dni?
% 4 99,5% przechwytywania pociskw balistycznych. a) <

!
" 100 rakiet wystrzelonych przez przeciwnika? b) 5" " !

przynajmniej 50% do celu?
Teatr liczy 200
! $ 5"
szatni, aby 99%
$

"
! w
! $ "+ .

- "

tru a) pojedynczo, b) parami.

+ #
3$ ! "

! " "

! " $ "

Jedna z metod kontroli pr 4 "

$
"
1111111 (siedem jedynek: 127 w dwjkowej reprezentacji) w

$

$ '$(!
ro lub jeden i

! $ !
" !

!
$!
"
bitw wynosi p! $ " "
"
$!
&

!
trakcie 8

4 " p.

#
!
"

$
"
" "

! $
$ "
<"
10 ! " "

! 10%

$! " $
"

!

poprawnie na 5 " + <"

!

#
Zadania
179
" "

! 10% nie przygotowanych osb

75%
& +

# /
! "

$
$ " )

120 dzieci, w drugim 12 ,
"
" $
<

"

"
$ ) $ "
+

# /
( " ( 3
! " " < +
W eksperymencie (Haldane, J. B. S., Biometrika, 42, 519, 1955 muszek Drosphilia dwch typw A i B w jedenastu butelkach: (25;1), (80;15), (38;12), (52;8), (9;0), (21;7), (33;6), (24;2), (30;7), (51;7) i (56;3 A w populacji, z ktrej
W jednym ze swych eksperymentw statystycznych, statystyk angielski W. F. . )"

49 152 $! " $ 25 145 razy (dane za: Kendall, M. G. i Stuart, A., The Advanced Theory of Statistics, Charles Gryffin & Co. Ltd., London, 1958( "

! +

! # /
3
" ! 336 $
"!
" $
$ ! " 4 3 96 osb, $
"! $
! $ " ! "
210 $

4+
wiosny 96 16

' # /

! $ "

" ) "

$ ' (Terapia Liczba zgonw : " Sukces w %
Eksperyment A

( # /

$ " $ "Eksperyment B Stara Nowa 3876 1233
Stara Nowa
16519 742
4343 122
20,8 0,28 14,1 1.10 78,9 0,30 76,0 0,60
9

! <
$
$A+B
14488 3907
&$
$ )
" h
&$
"! $ !
$
3
&
$ % $
n zarejestrowanych punktw, k " R! $
"
&$
3
&
" h
&$
5" + !

* # /
,
&
)!

) # /
Stara Nowa
20395 1975
18831 4029
48,0 0,25 67,1 0,61

p

$
" [0; T] " p = 1 exp(T/), gdzie
) " " "! " n
! ktrych k
przedziale czasu od zera do T.
P!

!
$

" !

" 4
'
"
o

( 9
! $

$ $ ! $ 10 " < "
4"
$ + 5" 4"
" " "
10 ,
"
+
10 19

+ # /
180
Zadania
kul wynosi: Pk = 1/n, k = 1,2, ... , n.
3
& " <
i T, aby "
" "+ <
+ ! czas T " #
)
n "! $
$ m 3
" " k " 3
& " " $! "

k
<

" @$A
190 a 210 dla czterystu $ +
# / . 3!
"
800 $ <"

2400 $!

!

+
# / . ! "
p

k(n,p), jego asymetria i

" " $ n!

0
! # / . H Mathematical Methods of Statistics
4"

liczby 45 682
$ $
$" " 88 273 wszystkich urodzin w 1935 % 3
&
! $

99,73%
"
$
' # / . Z "
" #
? !
"
5" ! 1000
200

# / .
osb?
standardowe.
9"
E " "
< "

" " $+ $

4

) # / 0 1 )&
!
" " $"

" L

a 3 " ! "
$ ) $ ! z

"!

" "!
w
" $
"
[0; ]! " ! @A! $ " $
$. !
!

" 2L/a 9"! " $ " ! " " z

0,1. W jednym z takich eksperymentw wykonanym w 1850 r, szwajcarski statystyk P. Wolf
a = 36mm
"
" L = 45mm! "! prbce 5 000 $!
" 2 532 przypadkach (dane za: M. G. Kendall i P. Moran, Geometrical probability, 1963, rosyjskie, wyd. , 1972( 3
& " uzyskanej w tym eksperymencie i jej odchylenie

( # / 0 1
Zadanie III.2.39 (krzywa regresji pierwszego typu)
*
"
$
46 $ )
$!
$ "!

46 chromosomw jest tworzony i przekazywany $ "

)
!
! " !

$ $ <" " $ $ $ " m! "
" " <"

$ $ $! $
" 3
& " $
$ < " " $+
z
3
&
"
$o.
+
Zadania

181
[tk; tk 1], gdzie tk = tk1 + , t0 = 0, k = 1, 2, ...

k-tym przedziale.
3
"

$

)

"
$! $ "

9
$ 1, a drugiej 2 > 1 <

! $ "
+

$ "

G
"
T i w tym przedziale czasu nie jest w ! "

!
< + 5"
! "
$ "

+ 8

!

3
!

tym samym parametrem ! " ! "
! $ $ ! < "

!

99%? ' 3
&

!
" $
u

!

!
+ ( # $ $
p:q (p + q = 1) dwch $ $ $ $ A oraz B 3
&
"
" $! " 4 $

) 3$ 8" " t1, t2, ..., tn

parametrem 3
&
" t = t1/(t1 + t2 + ... + tn). * 3
&

$

$ "
$ $ " n
! "
. + / . <

0,9 a 1,1 jednostek dla stu $ $
+ -&. & .
t $
"

$

$ J"!
"
< $! "
T
+ ) "

"4! $$ !

! "4
' ( "

!
&
"
" $ "
"4$ <

! !
$+ )&
! " $
" n "
" " "! $ $
!

1 t; = 2 te t , 0 t < , 0 < < .
Oczekujemy na pewne rzadkie wydarzenie przez jeden rok i nie jest nam dana szansa jego
182
Zadania

"

. Jaki jest
+ W sytuacji, gdy prowadzona jes

"! "
$""! n
" $

"

$ <

takiego kompleksu? 8

n " "
" - x1, x2, ... , xn,

" [0; a], gdzie a

> x = x1! !
"
1 n x n fn x = 1 , 0 x a . a a 3
&

!
$ a
! " n "

! " $!
fn(x)

! !
"
fn(x)

Rezultat ten wskazuje n 4- "
" !

"

/ 4
! ,

6,0 102,0 8,0 62,0 77,0 51,0 96,0 63,0 59,0 122,0 34,0 41,5 47,0 2,0 6,5 23,5 47,0 98,0 1,0 21,0 7,0 4,5 87,0 96,0
Tabela obok prezentuje

$ czasowych, zapisanych wierszami i "
" $
!
"
'

- L! . D. i Snell, E. J., Applied Statistics, Chapman and Hall, 1981( %
&
"
"

$+ 42,0 5,5 28,5 52,0 144,0 9,5 0,0 54,0 76,0 28,5 171,0 116,5 80,0 33,5 0,0 23,0 Wylosuj 1001 "

" [0; 1000]
$ 3
& 1000 $

" <
$
" + 8 "

, "
$ " w !
5 "$ ! " " $ !
5 cm3 przynajmniej 90% szans na znalezienie przynajmniej jednej komrki nowotworowej? *

! " ! " "
$ 3
! " k

"
k(), o = 2 <
" ! 10 dni
$ " +
' ,
5

5
) " ! $

! "

9 " "
$! $
!

99%. 9 " "
$!
! $ 100 $!

"

" 99%. ! $

$
!
! $

, !
$

3
&

!

" a) po tym, jak minie go 60 samochodw, b) po jednej godzinie.
5
5
! 5 #
Zadania
9
!
"

! z parametrem ! $
! "&
8 "
! " "
pomiaru z

5%? 3
&
"

"! " "

"
. 3
& 4 "
"
" ! " " "

"
.

t "

z parametrem <

Pk(t,) ! t znajdziemy k = 1, 2, 3, 4, ... ! " "
+ 9

"

! " 1, a przy drugim 2. Jakiemu

" " k "$ ! "

!
$! ! n klientw? :
! $ zadanym przedziale czasu T
"
z parametrem = T <

" "
k! czasie t < T, "
! czasie T

n
+ E
"
t $
"

z
$ J"- 2(t;) = 2texp(t). a)
&
gk(Tk;) sumy Tk = t1 + t2 + ... + tk!

" ti pochodzi z
2(t;), b)

!
&

Pk(t; )! przedziale czasu [0; t] ulegnie przepaleniu k $

!

$ ! " "! " ! "
! c)
&! (
Pk(t; )

! d)
& " k
Pk(t; ) uzyskanego w punkcie b), : "
&$
$ A oraz B M$
"! $ nich dostarcza rozpadw z
A = 1 , natomiast drugie z
B = 1 <
A B

" k " "
$ " w
"
t+ <
+ ! &$
"

183
' 46 5
( 5 ) 5 * 5
+ 5
5

$ # 5

5

o tym samym parametrze .
3$

$
$ "!

! 5 /
5
W 500 " ustalonym przedziale czasu t
! 4 impulsy w t. Ile razy otrzymano 3 zliczenia? W " " ustalonym przedziale czasu t
! 2 zliczenia w tym przedziale czasu. W pomiarowej jedno zliczenie uzyskano 50 9 " $
' 5 /
184

Zadania
( 5 /

4" +
Przy zliczaniu bia

! "

400 takich
)
$ " 300

) 5 /
) " " "!

w ""
"

9

! 134 dni, w ktrych bud 4 5"! , !
! w $ 4

+ < +
* 5 /
3$
"
! $ ! "

o = 51010 lat <

! ! jego okres funkcjonowania wynosi 10 "! $&

+ $
+ E
molowa radu wynosi 226 g/mol.

+ 5 /
+
W sklepie jednego dnia sprzedano 389 $

!

423. Ile wynosi najlepsza

+ <
Wskazwka: zapotrzebowanie to nie wynosi 405,3 6!. Dlaczego?

5 /
+
W sklepie jednego dnia sprzedano 389 $

!

423. Ile wynosi najlepsza

+ <
Wskazwka: zapotrzebowanie to nie wynosi 405,3 6!. Dlaczego?
5 /

+
Sklep sprzedaje typowo 10 $

" 15 $
" <

" "

$+ <
Dokonujemy pomiar

$ $

5 /
"!
"

$
-

chwili t = 0 do chwili t = T
!

" t = 2T. W pierwszym przedziale zarejestrowano k, a w drugim m
$ 3
&
<
" T! "

"+ 5" < " "
" + !
k
oraz m
parametrem 3
&

P(k ; , | k + m = n), gdzie n 0
"
#
! " " !

k

Poissona z parametrem !

"

p
$ 1"" ! "
$ " !

p.

k + m
$
5%?

5

! 5

' 5 / .
1000 140
$ <

!
E
" + 3

+ # +
Zsumowano 100 "!

= 1. Jakie jest

!
90 a 110?

( 5 / .
) 5
3
&

Prz "

!
" x i pionowe y
" "
normalne z " $

8

!

5"
! "

+
Zadania
185
"
" " $ |x| = 0,675 i |y| = 0,675 3
&

4

)

! "
!
z

90%

"
trzech jednostek.
!

Zmienna losowa x

"
*$
- |x| < 0,7 |x| > 0,7 jest bardziej prawdopodobne?
E !

" 10 g!

!
"! $ dyspersja wynosi 0,01 g 3
&

!

0,02 g. !
" $ "

8! 4"
!

" = 10g i = 0,4g. 3$ !
$ w

1000
" 100 zeszytw, a
100, natomiast klient, w $
100 $ 100 )
" !
"
+ ? " " "

" $ ?
" "
"! "
"

"

= 10 cm3 < " ! 1% $! " 1 litr?
! !

! !
! ' ! (

2
.
$ $ T "
"
- exp 2T 25 3
&
$ "
" > 5"
tej skali? Wskazwka * TC

7

TF w stopniach 9 ,

TF = 32 + TC . 5
Zmieszano w proporcji p : q (p + q = 1(
4" .

z $ " " " 1 i 2, oraz dyspersje 1 i 2

4" 3
&

)
" centralnej = 170 cm
= 5cm !
& 160cm 3
&
$
i

"

! " +
" !
- a oraz b
" i
" ! $
"
! ) celu

"
" " parametrw: a = 1,0 0,4 oraz b = 2,3 0,3

"! !
$
"+ 3

" !
& " " " #
" " " 4 w. Student A wynik: wA = 1,0 0,4, a student B: wB = 2,3 0,3 8 !
" ! " " pomiarw i
" - " " 4! stosunek f $ $ !

"! $
Student A "! - fA = wA wB = 0,43 0,18
! $

! ) ! *
! +
!
186
Zadania

"! ! " $ " 4 8 student B "! - fB = wB wA = 2,3 0,97
! "
! z dobrym zapasem, z

"! ! " " 4 9
$
$ rozstrzygnij, $ 9

&
"
$ %4 rezultatem odpowiednio zaprojektowanego obliczenia symulacyjnego Monte Carlo.
Zadanie III.5.12 (wykres kwantyli normalnych)
) .
" 56
$
" 8 " "
"
"
0 + < 4 !
"+
Zadanie III.5.13 (centralne twierdzenie graniczne)

)"
"-
Zsumowano 2048 "!

arcsin z parametrem = 1 <

! !
"
!
32?
Zadanie III.5.14 (centralne twierdzenie graniczne)

f x 1
1 x +1 1 x2 ! $! $! $

" 3

" twierdzenia granicznego.
! ! ! ' ! ( ! ) ! *
y
3
&
(0,0) &

! " "! 99,7%

Niech zmienne losowe x oraz y

"

"!
" $ !
$
! $ "
3
& $ "
x2 oraz y2.
3
&
"

$ " " x oraz y

0
$ " . 3
& "
$ "

!
" i 8

$ " " " "
!

"
"! $

" x #" " ! $

" L " *4

" - x " ! y

x i wybrana jest
" 9 ! $
, o L w !
"

$ ' ( * !
y ' "( 4
postaci: 14,1 MeV y y2 " 3 2 L c exp ! 2 2 3 + 3 2 $ , = L, f , y; L, = z 2 L L L $ p Lr ! #
" p
' MeV/c),
'
(! z
'

" e(! " Lr!

!
a) 3
&
! ! i
! $ "
b) ! "
" y dla dwch !
" L!
x #" !
" L

! $
"

sy ! " ! 4 'sinus, tangens(
Zadania
187
!
+ $
f x, y =
)
! " " " $ "

4" z "
$
"! 4"
$ ! "
L! $ " !

" 4
1 1 1 exp x 2 + y 2 1 + xy exp x 2 + y 2 2 ,
< x , y < , 2 2 ! ! 2

" , !
!
" " "

brzegowe, ale twierdzenie odwrotne nie zachodzi. Spjrzmy n
" 1

)
! t o pewien odcinek $

i w
)

"
" : "; !
&

" t w
" x

!
/ #, 7
Wskazwka 8
xi = xi-1(1 + )

.
)$

"
" : "; !
i-te xi 1 ! "
" !
wyniku: xi = xi 1 + . !

! " " - xi = xi 1(1 + ), gdzie jest "

! natomiast x0 = 3
&
$
" " x
" $
Zadanie !
$ /
' )

2
.
EL""

3

8

'

)
2
m 2 m 2 2 2 " f vx , v y , vz = exp ! v x + v y + v z $ . 2 kT 2 kT # J

4 E = mv2/2 3
&

i

!
0
W pewnym gatunku burakw cukrowy 10,5%. Cztery prbki $

"$
10,6, 11,0, 11,5 i 12,0% < $! " +
( 2# (

2#
Pok!
" "

2! $
5" "

&$

" "

" " 4 cosinus

"
!
"
&$
8
h $ 3
&
"

" w 4
"

$ :
" a
!
$! " "
" stosunku do normalnej do brzegu, ktry w tym obszarze " <
" $ !
$
" "+
( 7 / 8$ (
) "!

7 / 8$
FWHM (full width at half maximum) czyli w miejsce odchylenia

3
&
>)HE!
"
0 dla

1 F )
188
( ! 7 / 8$

Zadania
( ' 1#,9$ : )

2
Zmienna losowa x
"
1 F ) M i 3
&
Niech F
"
"
%
(n, m) stopniach swobody. ! 1/F
"
%
(m, n) stopniach swobody.
Wygeneruj 20 "

;
" " " : ) 2

-

" "
!
! "
! " ! #"
$
$
$
!
(w sekundach) dla pierwszej metody: 27,57, 27,63, 27,66, 27,71, 27,76, 27,78, 27,78, 27,78, 27,81 i 27,89 oraz dla drugiej metody: 27,65, 27,65, 27,68, 27,70, 27,71, 27,71, 27,72, 27,75, 27,76 i 27,82 $ tych metod
" +
: & :

&
Dana jest prbka prosta n elementowa czasw ti

nieznanym czasie 3

kwadratu parametru . Jeden = 2 !

2 = 2 n + 1 ,

- 1 gdzie t
$ ti . Ktry z estymatorw uznajesz za lepszy?
< 4 ! " $
z
"+
Dla prostej prbki losowej xi (i = 1, 2, ... , n), " n 2 1

i j 2nn 1 i, j =1
: &
:
< 4 ! " $
z
"+ .

4 =
1 1 1 2 1 + 2 +...+ n 1 + n , n +1 n +1 n +1 n +1
Dla prbki prostej xi " n! " 1 n 1 2 i +1 i . 2n 1 i =1
&
gdzie zmienne losowe xi "

0 i dyspersji
! 4+
< 4 = 2

"+

"

"
+
W Zadaniu III.2.2
"
" " )

&

geometrycznego, a < + 8uj " 4

: ! &
:
% $& :

% $&
) .
" 556

$ $ "
$ )

&

! 8 " 4
8

"

" .
!

Zadania
:
% $&
Wypadki k * nk 0 1 2 199 124 106 3 65 4 42 5 46 6 36 7 30 8 >8 14 159 te same pytania co w Zadaniu IV.2.2.
189
o
"
$ dalszych czterech latach. Odpowiedz na
9

:

3
$ " xi " n
f(x; a, ):
f x a x
+1
% $&
, 0 < a x < , > 2 .
a 3

&

i jego
:
! % $&
Dana je $ n elementw xi (i = 1, 2, 3, ..., n),

" o $
i "
3
&
. " :

' $

% $&
" !

$
"

) 4!

n $ $ " 2 razy. #

pomiarw jest taka sama, "
!
$
0
! " $ i (i = 1, 2, ... , n(
" $ $!
& " i oraz . < 4 + #
" - c dla cos s dla sin!
0 !
. 3
&

: " Pharbitis nil
! $ A, B, C i D. Jeden z genety
" "

! - pA = 9/16 + , pB = 3/16 , pC = 3/16 oraz pD = 1/16 + , gdzie jest nieznanym parametrem. W eksperymencie (Bailey, N. T. J., Mathematical Theory of Genetic Linkage, Clarendon Press, Oxford, 1961) zbadano 290 " " " "
odmian: nA = 187, nB = 35, nC = 37 oraz nD = 31 9

i jego 3
> 1! 3 kompleksy genw: A, B oraz O, z ktrych A oraz B

O, A, B i AB 9
$ OO ma krew typu O, o
AO lub AA
! $ " A, przy konfiguracji BO lub BB otrzymujemy krew typu B i w " $ A i B
AB )
! 37% "
" ma krew grupy O oraz A, natomiast 18% ma krew grupy B, a reszta do 100% "
AB,
&!

! "$ $ A oraz B
" 4
)

$
f x; !
& ' (
" $
" $
:
( % $& :
) % $&
:
* % $&
:
+ % $& /
:
% $& :

% $&
f x: =

" n $ "
-

& $ ! "

" $ x 0
1 1 + x , 1 x +1, 1 1 2

190
Zadania
oraz x < 0 " A = (n+ n)/n (pomiar asymetrii), gdzie n+ to liczba danych dla ktrych x 0, natomiast n to liczba danych dla ktrych x < 0.
:
% $&

"
&
x0 oraz x < 0 " A = (n+ n)/n (pomiar asymetrii), gdzie n+ to liczba danych dla ktrych x 0, natomiast n to liczba danych dla ktrych x < 0.
$ ! "

" $
n $ "

3 3 3 f x: =
1 + x 2 + x , 1 x +1, 8 4 4

:

% $&
3

" ! "
gwiazd w zada

"
" "

!
&

"
"
!
! ! nK

% )
! $

" ' (
"

% '- .! J!
Astronomia oglna, PWN, 1983): 1,31, 1,32, 1,32, 1,81, 2,32, 2,49, 2,65, 2,65, 2,74, 2,74, 2,9, 3,15, 3,28, 3,31, 3,32, 3,42, 3,42, 3,44, 3,48, 3,48, 3,52, 3,52, 3,55, 3,55, 3,58, 3,66, 3,76, 3,85, 3,91, 3,94, 3,94!
& metody
$ wynikiem

" "
" $ " < " "
Zadanie IV.3.1 (krzywa regresji pierwszego i drugiego typu)

"+ .

$ "
x oraz y "
0 x 1, 0 y 1: f x, y x + y 2 , 0 x, y 1.
2
3
&
8
drugiego typu. Zadanie IV.3.2 (krzywa regresji drugiego typu)

G" $
abolicznej krzywej regresji drugiego typu zmiennej y "

x
"

"
Zadanie IV.3.3 (metoda najmniejszych kwadratw)

!
! " "

! 4
-
t trwania
v=

" " +
a oraz b <

at 2 , 1 + bt 2
Zadanie IV.3.4 (metoda najmniejszych kwadratw problem nieliniowy)

"
problem liniowy? Zadanie IV.3.5 (metoda najmniejszych kwadratw)
= axb + c z nieznanymi parametrami a, b i c
norma 205 215 202 157 223 157 305 98 124 175 205 10% 331 167 175 74 265 251 192 233 309 150 20% 256 305 147 341 373 220 178 290 272 321

$
96 266 142 157 117
Hodowcw drobiu interesuje

x 9
" !
$ $

" "
:
$ ' (

" ' (

10% (drugi wiersz) i 20% ' ( " (dane wg Crowder, J. M. i Hand, D. J., Analysis of repeated measurements, Chapman and Hall, London, 1990( 3
&

$ - = 0 + 1x 8 z " "

"
$ $ "

$ 8 "

& "

na poziomie 0,99! 1 $ 34

" "
Zadania
) .
" 5IN

" "
<
+ < "
" $" " " "+
+ #
$

$ 3
&
$ w minimum i
: ( &. <"
"

$!
" " " "+ Zadanie IV.3.8 (metoda najmniejszych kwadratw) ) .
" 5IN

"
"

9 "
0,51 g/cm <
3
191

" L '
( " "
% @9
A , 1
! "- lnL = a + bn, gdzie n " " " 3
& $ a oraz b. 2" ! , 1
! : + , / . # ) !

" " !
$ " 202 $
<

!
$

180 a 220?
2
oceny? Zadanie IV.3.9 (metoda najmniejszych kwadratw)
Merkury 0,387
Wenus 0,723
Ziemia 1
Mars 1,524
Jupiter Saturn Uran Neptun Pluton 5,204 9,580 19,141 30,198 39,439 L = 0,4 + 0,3n, gdzie n = 0,1,2,4,8,16, ... .
gry, "

! '

(
" %
"
) "

p (w calach Hg) i temperatury T (w F), przy ktrej wrze woda, znalezione przez angielskiego fizyka J. Hookera w czasie jego wycieczki w Himalaje (dane za: Forbes, J. D., Transactions of the Royal Society of Edinburgh, 21, 135, 1857( 8
! " ! "
&

$ " p = f(T; , ... , ) w postaci wielomianu stopnia n # " 9 <

+ )
4
"
"+ Zadanie IV.3.12 (metoda najmniejszych kwadratw) <
(x ,y ) $

" 25
$

$
0 liniowym 5"
"+ Zadanie IV.3.13 (metoda najmniejszych kwadratw) # n pomiarw y !
s ! " = x przy n zmiennej kontrolowanej x #"
(x , y ) w formie: = y /x , a z $

3
& $ metody najmniejszych kwadratw. Ktry z tych $
4+ < ! "

+ Zadanie IV.3.14 (metoda najmniejszych kwadratw) %4

$ "

" sytuacji, w ktrej zmienna " $
0 n i i i i i i i i i i
T 180,6 181,0 181,9 181,9 182,4 183,2 184,1 184,6 184,1 185,6 186,0 p 15,376 15,919 15,928 16,106 16,235 16,385 16,817 16,881 16,959 17,062 17,221 T 185,7 188,8 188,5 189,5 190,6 191,1 191,4 193,6 193,4 195,6 196,3 p 17,267 18,356 18,507 18,869 19,386 19,490 19,758 20,212 20,480 21,605 21,654 T 197,0 196,4 199,5 200,1 200,6 202,5 208,4 210,2 210,8 p 21,892 21,928 23,030 23,369 23,726 24,697 27,972 28,559 29,211 W czasach, gdy nie znano jeszcze manometrw, n
192
Zadania
< 4

!
" " z " + %4

$
"
!

"

"
"
tego punktu od poszukiwanej prostej.
Zadanie IV.3.15 (metoda najmniejszych kwadratw) Zadanie IV.3.16 (metoda najmniejszych kwadratw)
%4

$
"
! $ "
" ! x " gdzie i " "! ! $ xi (i = 0, 1, 2, ... , n) " k =0
= 0 0 x + 11 x +...+m m x ,
i xk j xk = ij ,
i, j = 0,1,2,..., m .
! "

$ 3
& 4 "$
"
!
" - xk+1 = xk + . ) .
" 5IN
!
110 m 3
& " "

"
zawodnika?
Zadanie IV.3.17 (regresja liniowa) Zadanie IV.3.18 (regresja liniowa)
zmiennej y "
x.
Zadanie IV.4.1 (metoda momentw)
3
& '
/2(
x "
y oraz
Zadanie IV.4.2 (metoda momentw) : :
Dana jest prbka x1, x2, ... , xn,

"
+1 f x , 0 < x < , > 1 . x " !
&
$
Dana jest prbka prosta x1, x2, ... , xn,

"
" przedziale [a; b]. 3
&!
$! $
a oraz b.
3
&! 4 parametru
"
" x postaci:
f x; =
/ &

1 2 1 + x ,
1 x +1, 1 1.

$
+
Dana jest prbka prosta xi
" n! "
1 f x; = 1 + x , 1 x 1, 1 1. 2 %
$!
&
!

/ &
3
& $ zliczanie danych dla ktrych x 0 oraz x < 0 " A = (n+ n)/n (pomiar asymetrii), gdzie n+ to liczba danych dla ktrych x 0, natomiast n to liczba danych dla ktrych x < 0 , !

" xi $ 3
&

" $
$ tych estymatorw jest najefektywniejszy?
:
3
& $ zliczanie danych dla ktrych x 0 oraz x < 0 " A = (n+ n)/n (pomiar asymetrii), gdzie n+ to liczba danych dla ktrych x 0, natomiast n to liczba danych dla ktrych x < 0 , !

" xi $ 3
&

Dana jest prbka prosta xi

" n! "
3 3 3 f x; = 1 + x 2 + x , 1 x +1, . 8 4 4 %
$!
&
!

! / &
Zadania
193
" $
$ tych estymatorw jest najefektywniejszy?
: ! #"& # $

" $ G
" "! $

"
"!
&
4 0,95 dla nieznanego parametru

= 0! ! 4

+
Tabela obok przedstawia 1 2 3 4 5 6 7 8 9 10 Pacjent "

D +0,7 1,6 0,2 1,2 0,1 +3,4 +3,7 +0,8 0,0 +2,0 Williama Sealy Gosseta (Studenta) L +1,9 +0,8 +1,1 +0,1 0,1 +4,4 +5,5 +1,6 +4,6 +3,4 w jego badaniach statystycznych (dane L D +1,2 +2,4 +1,3 +1,3 0,0 +1,0 +1,8 +0,8 +4,6 +1,4 Fisz, M., Rachunek
!

, PWN, Warszawa, 1969( 9
"

$

- dextro (wiersz D) i leavo (wiersz L) hydrobromku hioscyjaminy. Liczba ujemna oznacza zmniejszenie przespanej "

$ $ ' L - D( 3
&

! " $ ! "
4 90% p 1""
0,19 a 0,81. $ " ! 0 "

.
555O
< " $ !

4 99% "
" ! "
wanny istotnie preferuje obrt w kierunku zgodnym ze wskazwkami na zegarze i

43% przypadkw?
: !
#"& : ! #"& : !
)
3
III.2.2
&
4 0,6827 dla parametru p
! "

"
$

"
$
: ! ! #"& : ! ' #"& : ! ( #"&
3
!
ono K = 100 ryb. Po pewnym czasie n = 400 ryb, z ktrych k = 20 3
&
4 95%
"
#"&
E

4 " p

k(n,p) przy znanym parametrze n! " $
" n " "
!
do centralnego twierdzenia granicznego.
G
" x1, x2, ... , xn! $
!

" przedziale [ 0,5; + 0,5], "
$ )
"
! " n "
! "
!
& "
4! $

1 zawiera nieznany parametr . )
3
III.2.2
& 4
4 0,6827, 0,9545 oraz 0,9973 dla parametru p
4
Porwnaj uzyskane wyniki
"

"
" !
- a oraz b
" i
" ! $
"
! ) celu
: ! ) #"& "# $& : &; & -

"
" " parametrw: a = 1,0 0,4 oraz b = 2,3 0,3 34
" 0,01 <"

!

"!
& " " "

!
"
" podanymi dyspersjami.
194
:
&
$ "

"
Zadania
: & :
Dla danych z Zadania I.1.4! 4 0,05 1881 - 1930 i 1931 - 1960.
Dla danych z Zadania I.1.4! " "

"
" 1881 - 1930 i 1931 - 1960 $ <
4 o
& " "+ %4
& jej test na 0,05.
&

Shoshoni,
)
.
I
5
" 4
$ 0$ 5

: ! & , ,
Dla danych z Zadania IV.5.1 4! 0,05!

$
$
"
$ "! $ $

4$ ' " "!

$
"
(
: ' & ,

#

$
"
3

4
III.3.15 = 0 + 1x <"

"

!

%
&

4
0,95! 0

<" !
& dopasowanie przy pomocy funkcji = 1x 1

$

$

: ( & , ,
"

$

1 uzyskanego
z metody najmniejszych kwadratw z odchyleniem standardowym z prbki.
Oto dane (za: Kano, Y. i Lttle, B., Int. J. Cancer, 34, 407 (1985)(
"
"
$ przechodzi komrka ludzkiej skry pobranej z
"! $ aprzestanie
"
$! " - 51,6; 54,9; 57,2; 48,9 i 52,9 ' "

$( <"
$

" P!
"
$ - 51,3; 63,0; 61,1; 64,6; 55,8; 59,9; 62,2; 66,3; 55,2; 59,4; 51,0; 54,4; 55,6; 56,8 '
z trzynastu pomiarw); 56,3 '
$(B 61,3; 58,4; 56,4 '
"
trzech pomiarw); 60,0 oraz 57,6 '

$ $( %
&
" " $
&
0,05 " $

" Liczba dzieci 208 201 W trakcie trzyletnich studiw

$ 4"44
'E>(
: ) & , ,

2
" 8
$ $ dzieci, zgromadzono dane (Frankl, S. N. i Alman, J. E., J. Oral Therapeut. Pharmacol., 4, 443, 1968) przedstawione "
& 0,01 4"44
$
Pasta z MPF Kontrola (bez MPF)
ubytkw na dziecko 19,98 22,39
standardowa 0,74 0,84
: * &

9
"

" ' (

v od R
"
" $ '
- :! * R., Astrophysical Formulae, Springer Verlag, 1974( 3
&

$
" "
" 0
! %

&

R (Mps) 8 10 19 63 65 66 88 97 113 175 v (km/s) 437 1464 1141 5321 3606 4373 4800 5460 6645 10737
Tabela obok

"

Zadanie V.1.10
0,05, czy dopuszcza ona prawo Hubbla: v = HR. Ile
" H"
H?
) $
! 4 9
4 1, 2, ... , 9 w "
"4 '.
556(
+ 3
Zadania
195

!

!
& " %
2 4
0,01 o
$
3
III.2.2 na wylosowanie danej liczby w " %
&! $

) $
!
.
556 " " "! " "+ 3

!

!
& " )
" " 1996 r 4- @$A
! @ A 490, czwrek 28 725, a trjek 591 920 "
$ 43 236 185. %
&
0,005

4 < "+
:
$& / :

$&
:
$& / :

Liczba * Liczba sukcesw sukcesw 0 185 4 1 1149 5 2 3265 6 3 5475 7
$& /

*
6114 5194 3067 1331
Liczba * sukcesw 8 403 9 105 10 18 26306 Razem:

!
angielski statystyk W. F. R. )"
26 306 razy dwunastoma kostkami do gry,
W jednym ze swych

"
'
-
G " $

" 9
" tych sukcesw (np. 185
! $

$( %
& "

Kendall, M. G. I Stuart, A., The Advanced Theory of Statistics, Charles Gryffin & Co. Ltd., London, 1958).
:
! $& /
Ocena Liczba uczniw 1 1 2 6 3 18 4 25 5 18 6 5

<
+
:
' $& /
k nk 0 58 1 25 2 13 3 2 4 2 5 1 6 1 7 0 8 1
w
$ 1997r %
&
0,01 " $
9
" "
9
" " "
Helobdella w 103 prbkach wody pobranych ze stawu (Jeffers, J. N. R., An Introduction to System Analysis with Ecological Applications, Edward Arnold, London, 1978( %
&
0,01 "
$

)" "
!
" @

A "
9

' (
" !
"
"

!

'
<E "

( .! $ $
! 4 # tych okresach dnia, kiedy nominalnie metro kursuje co 4 minuty i 30 sekund.
0 20 20 30 30 30 30 50 60 70 80 80 80 90 100 110 110 110 120 130 130 130 140 150 150 150 165 170 170 170 190 200 200 200 200 210 210 210 220 220 220 230 230 230 240 250 250 250 250 250 260 260 270 270 270 280
:
( $& / 4$
: " Pharbitis nil

! $ A, B, C i D. Jeden z
" "

! ci ich - pA = 9/16, pB = 3/16, pC = 3/16 oraz pD = 1/16. W eksperymencie (Bailey, N. T. J., Mathematical Theory of Genetic Linkage, Clarendon Press, Oxford, 1961) zbadano 290 " " " "
odmian: nA = 187, nB = 35, nC = 37 oraz nD = 31. Zweryfikuj
"
0,05
" 5
" "

- pA = 9/16 + , pB = 3/16 , pC = 3/16 oraz pD = 1/16 + , gdzie 9
&!
! $
"
:
) $& / 4$
196
9

" ' (
" %

'dane za: Rybka, E., Astronomia oglna, PWN, 1983): 1,31, 1,32, 1,32, 1,81, 2,32, 2,49, 2,65, 2,65, 2,74, 2,74, 2,9, 3,15, 3,28, 3,31, 3,32, 3,42, 3,42, 3,44, 3,48, 3,48, 3,52, 3,52, 3,55, 3,55, 3,58, 3,66, 3,76, 3,85, 3,91, 3,94, 3,94 !
" !

"

" " "

"! "
4
0,05.
:
* $& / 4$
Zadania
Skorowidz
197
Skorowidz

A
Adam i Ewa ............................................................. 50 akcjonariusz ............................................................ 13 alkohol .............................................................. 17, 67 Anglicy .........................................................15, 16, 20 asymetria ....... 15, 65,
autobus ................................................................... 20
D
dachowiec ............................................................... 13 d'Alambert J. ........................................................... 28
................................................................. 31 Darwin K. .............................................................. 144 de Moivre A. ............................................................ 91 de Morgana prawa..............................................29, 30 decyl ....................................................................... 14 diagonalizacja.......................................................... 69 diesel ...................................................................... 67 dominanta ............................................................... 13

.............................................................. 29 ..................................................32, 51 dyspersja...60, 61, 69, 79, 95, 98, 100, 103, 104, 109, 110, 112, 114, 118, 119, 122, 123, 128, 138, 145, 147
.............................................. 62

.................................. 60 centralne twierdzenie graniczne............................ 96 jako miara rozproszenia ....................................... 60 metoda momentw ............................................ 133 minimalna.......................................................... 116 Rao Cramera .............................................. 111 parametrw linii prostej ...................................... 121 prostej dopasowanej .......................................... 122

.......................................... 62 test

.......................................... 146

#..............103, 145
...............................102, 142 #
# ........................................ 73 z prbki ............................................................... 14 zmiennej losowej chi kwadrat ................................................... 99 dwumianowej ................................................. 148 Gaussa...60, 68, 92, 98, 100, 101, 102, 103, 110, 114, 124, 138 Poissona...................................................60, 133
............................. 142 standaryzowanej Gaussa ................................. 94
..................................................... 86 dystrybuanta.................................................24, 54, 88
....................................... 23 dyskretnej zmiennej losowej ................................. 23 empiryczna ............................................. 14, 54, 123 interpretacja......................................................... 24 konstrukcja
.......................................... 134 z kwantyli......................................................... 54 zmiennej losowej................................. 45, 52, 136
B
bagietka .................................................................. 51 bankier .................................................................... 58 Bayes T................................................................... 31 Bayesa twierdzenie.................................................. 33 Bernoulli J. .............................................................. 76 Bernoulliego schemat ..................... 77, 81, 83, 89, 108 Bertrand J.L.F.................................................... 28, 48 bezrobotni ................................................................. 5 bit...................................................................... 32, 33 drugiego rodzaju ................................................ 143 pierwszego rodzaju ............................................ 143 bocian ..................................................................... 67
..................................................... 39

..................................................... 43 Brachiosaurus ........................................................... 9 Buffon G.L. .............................................................. 51
............................................................. 51

C
Cardano G............................................................... 28 Cauchy A.L............................................................ 105 centralne twierdzenie graniczne...96, 105, 123, 137, 139, 142 chustka.................................................................. 136 .............................................................. 28, 48

......... 20, 23, 57, 61, 62, 93, 94

...............................66, 67, 104, 105, 141 cukier .................................................................... 102 cykanie.................................................................. 131 Czebyszew P.L........................................................ 60 ................................................. 17, 19, 21, 22

.................................. 20
............................................ 131 ................................................................ 21
! .............................................. 148 wymiar ............................................................. 21 kobiety na zakupach ...............................77, 80, 141 liczb w totolotku ............................................19, 141 liczby dzieci ......................................................... 55 ............................................................... 80 rozpadw............................................................. 90 "
................................................. 133 wypadkw............................................................ 20 .................................................... 32, 33 zjawisko losowe ................................................... 86 zjawisko okresowe ........................................83, 106

dwuwymiarowego............................................. 27 Gaussa .....................................................52, 143 Rayleigha ...................................................... 136

....................................................... 24
................................. 24, 45, 83, 84
............................................................. 23
198
Skorowidz
E

........................................................... 110
................................................. 82
elipsa kowariancji...................................... 98, 124, 139 endorfina ........................................................... 15, 18 Erlang A.K. .............................................................. 48 estymacja ................................................. 57, 133, 148 parametryczna ............................................109, 136 ...............................................109, 133 # .......................................... 137 dla niewielkich prbek .................................... 137 elipsa kowariancji ........................................... 139 $ ......................... 138 punktowa....................................................109, 133 estymata ................57, 74, 79, 118, 123, 133, 137, 148 liczby karpi w stawie........................................... 113 metoda momentw ............................................ 132 ekstrapolacja ..................................................122, 123

konstrukcja graficzna...................................... 118 estymator ........................................... 57, 80, 100, 109 a estymata........................................................... 57 dyspersji 2 w konstrukcji zmiennej ................................ 100 zmiennej Gaussa ........................................... 110 konstrukcja zmiennej Studenta ................... 101
....................................................... 110 jako statystyka ..................................................... 57 kowariancji..................................................... 71, 73 macierzy kowariancji ............................................ 73 metoda momentw ............................................ 132 parametr %
........................ 132 parametr
................. 132 parametr p
............. 133 najefektywniejszy ................................ 111, 112, 115 dyspersji zmiennej Gaussa ............................. 111 parametru %
...................... 112 najmniejszych kwadratw............................120, 140
...................................... 126 parametrw linii prostej............................121, 126 ...................................... 122

................................. 113
................................................... 115
...................................................... 115 parametru $ ..............................114, 116
....................114, 149
............................ 114 2 $ .................................... 114 p
........................ 147 transformacja parametru................................. 114 wariancja estymatora...............................115, 117 wariancji parametru %
........ 117
........................................ 114, 115, 139
....................................................... 115

...........62, 71, 79, 86, 87, 109, 129, 140 asymptotycznie ............ 62, 79, 104, 109, 114, 115 notacja ................................................................ 57 o minimalnej wariancji ........................................ 111
........................ 62, 79, 110, 114, 115, 116 parametru $ ......................................... 138 %
....................................... 112
................................. 87
..........................86, 116 p
............................... 79

$ ................. 93
pochodnej............................................................ 74 prosta regresji estymatory parametrw .................................. 128 estymatory wariancji parametrw.................... 129 korelacja ........................................................ 129 ...................................... 130 ................................ 131 wariancja prostej regresji ................................ 129
................................................ 134 punktowy ........................................................... 139 statystyka .......................................................... 109 wariancji ...............62, 74, 93, 95, 100, 102, 107, 109 estymatora parametru
............................. 87
......................87, 116 p
............................ 79

.............................................. 64 wariancji z prbki ............................................. 62 warunkowej.................................................... 129 zmiennej dwumianowej .................................... 79 zmiennej Gaussa ......................................93, 100 zmiennej Poissona ......................................... 112
........................ 56, 57, 61, 100

................................................ 64

korelacji ......................................................... 104 zgodny .......................................................109, 115 Eulera funkcja ....................................................... 48 Europa .................................................................... 67 Excel ................................................................76, 141
F
faktoryzacja ............................................ 39, 40, 59, 68 fasola ...................................................................... 16 fluktuacja... ..8, 19, 21, 74, 79, 80, 93, 94, 102, 133, 135
.................................................... 110 jako rozrzut.......................................................... 60
............................................... 14

.............................................. 13
............................................. 15 statystyczna........................................................... 8
............................................................... 57
" ...................... 33 funkcja " ........ 22, Patrz
&&& .................................. 110, 113, 148 a metoda najmniejszych kwadratw................ 121

.......................................... 139 ................................ 117 " ! ............................. 149 # ................................. 147 $ ......... 114
. 114

...................... 139 liczby karpi w stawie....................................... 113
.................................118, 139 pierwiastek..................................................... 113 w twierdzeniu Bayesa....................................... 32
...................................... 113
....................................................... 116 zmiennej losowej ................................................. 45 funt ......................................................................... 70
G
galon....................................................................... 67
Skorowidz
199
Galton F. ..........................................................91, 127 Galtona deska ......................................................... 91 Gauss C.F. .............................................................. 91 Geigera Mllera licznik .......................................... 51 gejzer ..................................................... 14, 20, 21, 22 generowanie liczb losowych ..................................... 51
............................. 17 .............................................. 22, Patrz drewna .............................................................. 125 masy ................................................................... 22
............................................... 22 Gosset W.S. .......................................................... 101 Grecy .................................................................... 141
J
Jackson C. ............................................................ 127 jakobian ........................................... 47, 48, 53, 69, 89
K
...................................................................... 127
karpie ...............................................................43, 113 katolicy...................................................................... 5 kierowcy .................................................................. 20 klasy danych ................... 7, 8, 118, 127, 147, 148, 149 kobiety ...................................... 10, 31, 43, 77, 79, 141 kofeina .................................................................. 122 ' (&&..................................................... 29 kombinacja .........................................................42, 77 konfucjanizm ............................................................. 5 koniunkcja ............................................................... 29
...................................................44, 81 2 kontur ................................................................ 124 korektorzy............................................... 30, 33, 34, 35 korelacja.............................. 9, 17, 52, 70, 71, 120, 124
............................................17, 67 dodatnia .........................................................17, 67 Jackson Colin .................................................... 127 regresja ............................................................. 127 ujemna ................................................................ 67 #
# ........................................ 74
........... 17, Patrz

............................................. 123 kostka ..........................................................34, 41, 58 kowariancja ...................................68, 73, 74, 116, 128 estymator ............................................................ 71 macierz........... 73, 117, 120, 122, 126, 129, 140, 146 najmniejszych kwadratw parametry linii prostej ..................................... 121 parametrw prostej regresji ................................ 130 zmiennych Gaussa .............................................. 68
.................................. 7, 20, 35, 37, 55, 75, 77 liczb w totolotku ................................................... 19 liczby dzieci ......................................................... 55 ................................................ 147 liczby samochodw.............................................. 90 "
................................................... 27 krlewskie zgony ..................................................... 75

..........................................20, 141 kwantyl............. 14, 54, 85, 94, 123, 134, 135, 138, 140 kwartyl..........................................................14, 53, 54 dolny ..............................................................14, 18 grny..............................................................14, 18 kwintyl ..................................................................... 14
H
hektolitr ................................................................... 67 hektopaskal ............................................ 20, 21, 93, 94 hiperpowierzchnia.................................................. 140 hipoteza.........................................67, 90, 94, 130, 141 alternatywna ...................................................... 142 kierunek wiru ....................................................... 80 nieparametryczna .............................................. 141 parametryczna ................................................... 141 prosta ................................................................ 141
............................... 147 " ! ........................................ 149
.............................. 142

............. 146

.................................. 144
................................ 145 test
............................................ 131

.......................................... 107

#..................... 103
...................................... 102
.................... 129

...................................... 124 zerowa............................................................... 142
.............................................................. 142 histogram... ............................................................... 7 czasu oczekiwania na samochd...............23, 83, 86

! ............... 148 D'Agostiniego....................................................... 96 krlewskich zgonw ............................................. 75 liczb totolotka....................................................... 19 liczb z Excela ....................................................... 76 liczb z Rocznika ................................................... 26 liczby kobiet na zakupach..................................... 77 liczby rozpadw ................................................... 91 liczby samochodw.............................................. 90

.................................. 20, 57, 61, 62 # .......................................... 147 wypadkw kierowcw autobusw ......................... 20
L
)
*
........................................ 64 Laplace P.S............................................................. 91

............................................................. 70 liczby pseudolosowe ................................................ 51 linearyzacja ........................................................73, 74 linia lotnicza............................................................. 78 list ........................................................................... 90 ludolfina .................................................................. 51
I
iloraz inteligencji ...................................................... 59 Indianie ................................................................. 141 inerpolacja liniowa ..........................................................14, 131
..................................................................... 41

........................................................... 83 interpolacja............................................................ 122
200
Skorowidz
M
macierz diagonalna....................................................73, 120 drugich pochodnych ........................................... 117 wag ................................................................... 120 Malthus, T. R. .......................................................... 10 Malthusa prawo ....................................................... 55 Manuel I ................................................................ 145 Mars........................................................................ 75 matematyczna indukcja............................................ 75 mediana ......................................10, 13, 15, 18, 53, 54 liczby dzieci w rodzinie ......................................... 13

.............................13, 14, 15
........................................ 84 wag dzieci............................................................ 13 zastosowanie do obliczania asymetrii ................... 15

............................................ 15 megapaskal ............................................................. 89 metoda eliminacji ............................................................. 52 momentw......................................................... 132 najmniejszych kwadratw............................119, 127

........................... 121

..........................113, 121 metry....................................................................... 70 miara

......................................................... 10 rozproszenia ........................................................ 14 statystyczna......................................................... 15 miernik cyfrowy........................................................ 75 mila ......................................................................... 70 moda................................................ 10, 13, 15, 41, 54 a kwantyl ............................................................. 14 jako parametr pozycyjny....................................... 53 2 .......................................................... 99 $ .................................................. 56 +
........................................... 107
.................................. 54 zastosowanie do obliczania asymetrii ................... 15 model ) ,

# .................... 92 #

# ........................ 73 momenty ..........................................................65, 132 centralne........................................................ 65, 70 mieszane ......................................................... 68 metoda momentw ............................................ 132 zmiennej dwumianowej ................................................... 78 Gaussa ...................................................... 66, 93 dwuwymiarowej ............................................ 97 ............................................................ 76 Poissona...................................................90, 112 Studenta ........................................................ 105
..................................................... 86 moneta ...................23, 27, 28, 30, 34, 41, 76, 145, 146 Monte Carlo............................................................. 50 mzg ......................................................................... 8
dwumian.........................................................43, 47 symbol......................................................43, 77, 95 wzr .................................................................... 78 Neyman J. ............................................................. 148

.....................................................7, 10, 20

&&& .............60, 62, 73, 74, 92, 124, 133, 134 standardowa...14, 16, 17, 53, 57, 59, 63, 66, 67, 72, 73, 74, 80, 93, 94, 100, 104, 109, 112, 118, 120, 122, 123, 124, 125, 126, 128, 130, 132, 133, 140, 142, 144, 149 a dyspersja ...................................................... 60
............................................. 65 ......................................... 142 dopasowanej linii prostej................................. 122 ekstrapolacji................................................... 123 estymator wariancji estymatora wariancji .......... 62

... 62 liczby piorunw .................................................... 133 " !............................................. 148

.........................94, 104

................................. 118

................................ 101

.................................... 15 parametrw linii prostej................................... 125 pojedynczego pomiaru ................ 62, 93, 107, 138 czasu oczekiwania ....................................... 86

........................................57, 93 populacji .......................................................... 59 precyzja zapisu ................................................ 94 procentowa ...................................................... 80
........................................................... 142 stosunku ........................................................ 106 ..................................... 141
............................ 122
......... 62, 64, 101, 107, 123, 144, 145, 146 w badaniach opinii publicznej............................ 80 wagi torebek cukru ......................................... 102

.......................... 123 wyrazu wolnego ............................................. 132
............................................. 144 2 z konturu .................................................... 124

......................................... 15 ........................................... 145
.....................................................73, 106 zmiennej
.............................................. 120

................................................. 120
........................... 62

......................................................... 65
............................................................. 65

.......................................................... 65

- .......................................... 60

..................................................... 81
O
odchylenie... ...................................................142, 147 liczby wirw ......................................................... 80 od linii regresji.................................................... 130
......................................................15, 16
..................................... 102 standardowe.. .....

standardowe...14, 15, 57, 60, 73, 102, 103, 104, 118, 124, 129, 130, 131 a dyspersja ...................................................... 60 prbka z Excela ............................................... 76
............................................................ 62
N
nadmiar ................................................................... 18 nadzieja matematyczna...58, Patrz
Natura ............................................................103, 105
.............................................................. 131 nauczyciel ............................................................... 67 neutron.................................................................... 51 Newtona
Skorowidz
201
prbka...8, 10, 13, 14, 16, 41, 42, 53, 54, 56, 57, 61, 62, 64, 65, 93, 95, 99, 100, 102, 103, 104, 105, 107, 109, 110, 111, 112, 114, 115, 116, 119, 125, 132, 133, 137, 138, 139, 144, 145, 146, 148 centralne twierdzenie graniczne............................ 96

! ............. 149 danych z Excela................................................... 76 telomerw...................................................... 142 karpi .................................................................... 44 liczby dzieci w rodzinie............................................... 13 kobiet............................................................... 77 ..................................................... 147 losowa......................................................9, 44, 110

.........................................21, 93 prosta .....................9, 61, 64, 86, 107, 109, 113, 127 przypadkw Monte Carlo...................................... 52 reprezentatywna .........................................9, 44, 80
.............................. 141 torebek cukru..................................................... 102 .................................................... 12 typowe odchylenie ............................................... 15
................................................... 42 w badaniach opinii publicznej ............................... 80 wag dzieci .................................... 8, 10, 13, 14, 103
# ................................................. 57 Anglikw .......................................................... 15
............................................................. 144 ........................................145, 146

.................................... 62
wagi torebek cukru ......................................... 102

.......................... 123
................................................. 15, 110, 112 kwadratowe....................................... 62, 109, 114 od dopasowanej prostej.................................. 124 ............................................................. 7
......................................................... 13, 15 opinia publiczna ....................................................... 80
..................................................... 16
P
parabola ...........................................................72, 139 Pascal B. ................................................................. 81 Pearson K. .......................................................72, 147 percentyl ................................................................. 14 permutacja .............................................................. 42
#
" .................... 29 pierwotniaki ............................................................. 16 piorun...............................................................27, 133 .................................................. 41, 43, 44, 50, 77 poczta ..................................................................... 84 podpopulacja ........................................................... 31 # .................................... 42
....................................................... 33, 35 Poisson S.D............................................................. 89 polityk...................................................................... 90 Polka....................................................................... 10 pomiary poprawione............................................... 122 populacja............ 9, 10, 12, 17, 31, 41, 55, 59, 103, 107 "
...................... 31 badanie opinii publicznej ...................................... 80 ................................................................. 31 Chin ...................................................................... 5 ............................................ 142 dzieci................................................................. 103 iloraz inteligencji .................................................. 59 jako prbka.......................................................... 61 karpi .................................................................... 43 losowanie bez zwracania...................................... 42 ludzkiej kolonii ..................................................... 50 monet ................................................................ 145 normalna .................................... 109, 110, 123, 144 permutacja populacji ............................................ 42

.................... 57 relacje w populacji.......................................... 9, 127
................................................................. 144 .................................................... 10 wariancja populacji............................................... 62 wynikw rzutw dwch kostek .............................. 34 ................................................................... 76 powtrzenia ....................................................... 41, 77 poziomice .........................................................98, 124 ..................................................................... 127 " ............................................... 29 a posteriori........................................................... 31 a priori ................................................................. 32 absolutne............................................................. 35 definicja aksjomatyczna ................................................. 27 ............................................. 19, 27 geometryczna .................................................. 28 kombinatoryczna .............................................. 41 prawo dodawania ................................................. 20, 29

....................................................... 31
" .......................... 33 warunkowe ..............................31, 32, 33, 34, 35, 87

#.................... 84 procesor .................................................................... 9

"
prbek ............................................................34, 41 "

# ........................................ 27 przyczyna .....................................................17, 31, 33 psycholog................................................................ 59 punkty ..................................................................... 54
Q
quincunex................................................................ 91
R
Rao Cramera twierdzenie.............................111, 116 regresja cechy................................................................. 127 drugiego typu..............................................118, 126 jednokrotna........................................................ 127 jednoraka .......................................................... 127 jednowymiarowa ................................................ 127 liniowa ............................................................... 127 metoda najmniejszych kwadratw ...................... 127
................................................... 129 pierwszego typu............................................59, 126 $ ..................... 59, 97, 98, 118 wielokrotna ........................................................ 127 wieloraka ........................................................... 127 wielowymiarowa................................................. 127
..................................................... 127 #

# ............ 80 ............................................................. 5 reszta ...........................................................14, 16, 51 suma kwadratw.....14, 120, 125, 127, 128, 129, 130 .................................................................... 22
202
Benforda.......................................................27, 141 Bernouliego ......................................................... 76 binormalny..... 97, 112, Patrz Gaussa dwuwymiarowy Breita Wignera ...........................................48, 105 brzegowy .......... 38, 47, 50, 57, 63, 69, 102, 115, 130 Cauchyego.......................................................... 48 Cauchy'ego........................................................ 105 splot............................................................... 106 symetria......................................................... 106 chi kwadrat...99, 102, 103, 106, 107, 108, 110, 122, 124, 138, 140, 144, 146, 147, 148 splot................................................................. 99 symetria....................................................99, 101 .................................................. 22, 47, 56, 83 czasu oczekiwania na poczcie .................................... 84 oczekiwania na samochd............. 23, 83, 90, 141

!...................... 148 ............................................................... 7 skumulowany ................................................... 14 D'Agostiniego....................................................... 96 .............................................................. 48 ..................................................... 16 telomerw ...................................................... 142 dwumianowy...77, 83, 89, 91, 95, 106, 109, 112, 135, 141, 148
$ .................. 82, 92
%
...........82, 90, 91 symetria........................................................... 82 wariancja ......................................................... 79
................................... 78, 83

.......... 95 dwumodalny ........................................................ 14 dwupunktowy....................................................... 76 dyskretny ......................... 19, 23, 38, 46, 56, 75, 147 czasw oczekiwania................................... 23, 81 dystrybuanata ................................................ 23, 27 Erlanga................................ 48, 86, 87, 89, 106, 137
...................... 130 F Snedecora ...............................................107, 146 wariancja ....................................................... 107
....................................... 107 funkcji zmiennych losowych.................................. 45 gamma ................................................................ 48 Gaussa...16, 39, 48, 52, 53, 68, 92, 98, 99, 100, 101, 102, 103, 105, 106, 107, 108, 109, 110, 111, 112, 114, 116, 120, 122, 123, 124, 126, 127, 131, 132, 134, 137, 138, 139, 140, 142, 143, 144, 145, 146 brzegowy ..............................................40, 68, 97 dwuwymiarowy...40, 68, 97, 104, 124, 126, 129, 130 dyspersja ......................................................... 60 korelacja .......................................................... 69 krzywa regresji pierwszego typu ....................... 59

............... 100 moda ............................................................... 56

.............................. 109 porwnanie z 2 .............................................. 100 +
.................................... 105
.............. 105

chi kwadrat.............................................. 101 dwumianowego ............................................ 82 Poissona ................................................ 91, 96
.............................. 105 splot................................................................. 92 standaryzowany ...................... 53, 94, 96, 98, 105 symetria................................................66, 93, 94
Skorowidz

.................................... 100 test

...............................107, 146

# ................. 145
.................................. 144 wariancja ......................................................... 60
......................................... 56 warunek normalizacyjny ................................... 56 warunkowy....................................................... 97
..................................... 66

............................... 66

.......... 93 geometryczny .................... 23, 25, 81, 112, 133, 147 dystrybuanta .................................................... 23 wariancja ......................................................... 81
......................................... 55 ..................................................25, 38 hipergeometryczny........................................44, 113 iloczynu ............................................................... 48 jednorodny .......................................................... 75 jednostajny .......................................................... 75 kombinacji liniowej zmiennych losowych ............... 47 kwadratu zmiennej losowej................................... 46 liczb z Rocznika ................................................... 26 liczby dzieci ....................................................... 117 liniowy ................................................................. 46 logarytmiczno - normalny ..................................... 95 logistyczny........................................................... 54 Lorentza .......................................................48, 105 maksimum ......................................................13, 53 Maxwella ............................................................. 39 moda................................................................... 53

#
# ...........................38, 39, 61 normalny ...........................91, Patrz $

...................................... 26 Pascala ........................................................81, 112
..................................... 26 ....................20, 48, 50, 51, 52, 53, 58, 96, 111 ............................................................... 76 dyskretny ......................................................... 75 Poissona...46, 53, 77, 90, 96, 112, 117, 132, 133, 137, 141, 147, 148
$ ........................ 96

....82, 90, 91 wariancja ......................................................... 60
......................................... 55

&&&47, 93, 96, 137

.............................................. 57 poziomice ............................................................ 98 " ........................................... 19 Rayleigha .......................................................... 136
................................................................. 47
............................................................. 16
........................................................ 16 .........................................................20, 45, 75 standaryzowany................................................... 52 stosunku.............................................................. 48 zmiennych Gaussa....................................48, 106 Studenta...102, 108, 126, 130, 131, 132, 138, 144, 145, 146 symetria......................................................... 138 wariancja ....................................................... 105
....................................... 105 sumy ................................................................... 47 dwch zmiennych Gaussa................................ 92 liczb na dwch kostkach ................................... 35

#
# # .................... 47 zmiennych Poissona ........................................ 46
#
#................................. 47
Skorowidz
203

..................................................................... 89 symetria ........................................... 15, 28, 34, 48, 49

......................................... 118 macierzy kowariancji ............................................ 73

....................................................... 139 osiowa................................................................. 38
.............................................. 137 symulacja ................................................................ 51 szczotka .......................................................30, 34, 35 szczyt komunikacyjny .............................................. 23 szereg geometryczny ...................................................... 23 pozycyjny .................................................13, 14, 54 rozdzielczy..................................................7, 10, 12 sznur do bielizny.................................................... 136
symetria.................................16, 20, 23, 54, 55, 134

#.

.. 104

# - # ,.......................... 106

......................................................... 24, 84 dystrybuanata .................................................. 24
......................................... 56 ujemny dwumianowy............................................ 81 unimodalny .......................................................... 13 wag dzieci.............................................................. 7 warunek unormowania ................................... 20, 22 warunkowy .................................................... 38, 41 Weibulla ......................................... 86, 88, 106, 136

................................... 66
...................................... 104 ......................................... 104 symetria......................................................... 105

&&&24, 45, 84, 89, 90, 112, 114, 116, 132, 135, 137, 149 .................................................... 87 dystrybuanta .............................................. 24, 83 wariancja ......................................................... 86
......................................... 86 (
............................................. 15 z Fishera ........................................................... 107 .................................................................... 14 ........................................................... 14 .......................................... 14, 18

.................................... 15

......................................... 15 rwnania normalne .........................................121, 130 /#
...............................90, 141
.......................................................... 119
S
.................................................................. 16
&&& ................................................ 10, 14, 16, 17 arytmetyczna...10, 12, 14, 15, 16, 17, 53, 55, 56, 57, 59, 61, 63, 66, 67, 71, 86, 95, 96, 100, 101, 102, 103, 104, 106, 107, 109, 112, 122, 123, 127, 130, 132, 142, 144, 145, 146 a liczba stopni swobody..................... 62, 100, 104 a pojedynczy pomiar ........................................ 61

............................................. 64
.................................56, 57 a zagadnienie regresji .................................... 127 centralne twierdzenie graniczne...................... 105

................................... 93 czas oczekiwania na samochd ............................................... 86

! ..................................... 149 ......................................... 142 estymator parametru %
................... 112 parametru
......86, 114
$ ......... 93 fluktuacje ......................................................... 57
............56, 57 jako estymator zgodny.................................... 109 jako statystyka ................................................. 57 liczby dzieci ........................................ 13, 55, 117

.................... 62

........... 100, 101, 130

...............................13, 15 prawo wielkich liczb.....................................56, 95 precyzja zapisu ................................................ 94 prbka z Excela ............................................... 76
....................... 141
.....................122, 123 test

# ................. 145
................... 102, 142, 144 w metodzie momentw................................... 132 wagi dzieci ....................................................10, 103 torebek cukru ............................................. 102

.....................................61, 116 Anglikw ...................................................... 15
.......................................................... 144 endorfiny...................................................... 15 srebra ........................................................ 145 zmiennych Cauchyego ................................................ 106
S
SIRDS................................... 7, 10, 13, 14, 16, 18, 103 skala ............................................................7, 51, 105 logarytmiczna .................................................. 9, 88
..............................................65, 125
................................................................. 15 skutek ..................................................................... 17 Snedecor G.W. ...................................................... 107
...........................................................9, 76, 79 Spearman C. ........................................................... 72 specyfik medyczny............................................... 5, 77 spis powszechny........................................................ 9 splot ..................................................... 47, 92, 99, 106
............................................................ 16 ................................................................ 29
......................................................... 13 stabilizacja............................................................... 19 ........................................................... 84 statystyczna fluktuacja ............................................................... 8

&&&34, 35, 37, 38, 39, 40, 44, 46, 68, 71, 77, 78, 104, 113 statystyka...8, 57, 61, 62, 64, 79, 101, 103, 104, 107, 109, 110, 122, 125, 130, 131, 134, 139, 142, 143, 145, 146, 147 chi kwadrat .............................. 144, 146, 147, 148 F Snedecora ...............................................107, 146 Studenta...101, 102, 103, 104, 126, 129, 131, 132, 140, 144, 145 testowa............................................... 143, 144, 149 Pearsona ................................................147, 148 stawka..................................................................... 58 stopnie swobody .........99, 100, 102, 105, 107, 122, 148 ............................................................... 25, 28 sukces..................................................................... 76
204
dwumianowych............................................. 95 Gaussa .................... 93, 99, 103, 104, 114, 138 geometrycznych ......................................... 133 Poissona .........................................90, 96, 112
# .............................................. 86 geometryczna ................................................ 10, 12 harmoniczna .................................................. 11, 12 ............................................................. 12
............................................... 11
.........................................................64, 144
#
................................................. 110 ...................................................... 56 ............................................................... 16
Skorowidz

....................................................... 66 Colin Jackson .................................................... 127

................................. 20
............................................. 131

...................................... 37 krlewskich zgonw ............................................. 75 liczba dzieci w rodzinie............................13, 55, 117 liczba wypadkw.................................................. 20 par liczb............................................................... 72 .......................................................... 5 $ .................................................... 94 dwuwymiarowy................................................. 98 rozwody............................................................... 11 # .................................................. 147
...................................................... 119 #................................................. 16 stukanie palcami po stole ................................... 122 temperatura ......................................................... 17
!.................................................. 149 ................................................. 8
..................................................... 7

# .............................. 15
...................................................... 88 wyniki totolotka .................................................... 19 wynikw rzutw dwch kostek .............................. 34 takswka ........................................................... 22, 28 tarcza ...........................................................25, 28, 38 telepatia .................................................................. 78 telomer ...........................................................142, 146 temperatura ......................................................17, 131 test dwustronny ........................................................ 142
........................................................... 141
.......................................... 142 jednostronny ...................................................... 142
................................. 147 nieparametryczny............................................... 142 obszar akceptacji ............................................... 143 obszar wykluczania ............................................ 143
............................................... 143
.............................................. 148 prostej hipotezy parametrycznej ......................... 144 " ! ........................................ 148
.............................. 142

.............................................. 146

.................................. 144
................................ 145 statystyka testowa.............................................. 143

.. 146
.............................................. 143
$ ................................ 144
.......................................................... 142
tabela

0 %
........................ 148 totolotek .................................... 19, 20, 27, 44, 75, 141 transformacja danych................................................. 9 transpozycja ............................................................ 73
! ................................................84, 148 tse tse .................................................................. 16 twierdzenie centralne graniczne........ 96, 105, 123, 137, 139, 142 o zamianie zmiennej ............................................ 45 Rao Cramera ...........................................111, 116 tygrys ...................................................................... 13 Tyloch W. .................................................................. 5 typowa " # .................................. 83 fluktuacja ............................................................. 80 " ...................................................... 90

....................................................... 124 ............................................... 12, 14, 59, 79 zmiennej losowej.......................................56, 128 typowy czas oczekiwania................................................. 84 element populacji................................................. 12 wzrost Polki ......................................................... 10
U
granice .............................................................. 133 obszar ........................................................123, 129 .....................................................133, 143 centralny........................................................ 134 losowy ........................................................... 135 unia......................................................................... 29

........................................20, 22
...........7, 12, 13, 14, 41, 42, 43, 54, 72 urna .......................................................................... 9 urodziny .............................................................41, 42

V
Venn J..................................................................... 30 Venna diagram ........................................................ 30 Verhulst, P. F........................................................... 55 von Neumann J. ...................................................... 51
W
waga ................................................................64, 120 ...................................................................... 8 cukru ................................................................. 102 kotw .................................................................. 13 macierz wag ...................................................... 120 mzgu .................................................. 8, 16, 17, 67
.......................... 7, 10, 13, 14, 16, 20, 103 uczennic .............................................................. 67 wariacja................................................................... 42 wariancja...59, 70, 74, 92, 95, 100, 107, 109, 110, 111, 116, 117, 133, 140 .................................... 130 centralne twierdzenie graniczne.......................... 105 estymator wariancji ...................................................62, 109 parametru
............ 87 parametru
............. 86 parametru p
........... 79 zmiennej dwumianowej................................. 79
Skorowidz
205
funkcji zmiennych losowych.............................. 58 ilorazu inteligencji (IQ) ...................................... 59 jako stawka...................................................... 58 kombinacji liniowej ........................................... 62 krzywa regresji pierwszego typu ..................... 126 ................... 65 liczba stopni swobody .................................... 104 liczby wirw ..................................................... 80 metoda momentw......................................... 132 notacja........................................................55, 56 prawo wielkich liczb.......................................... 95 sumy ............................................................... 56 zmiennych dwumianowych ........................... 95 zmiennych Gaussa....................................... 93 zmiennych Poissona..............................96, 137 .................................57, 61 wariancji z prbki ............................................. 61 warunkowa ............................... 58, 127, 129, 132 zmiennej Gaussa ......................................... 97 ......................................................... 56 .................................. 105 ................................. 130 zmiennej Cauchy'ego ................................................ 106 chi kwadrat.........................................99, 110 liczba stopni swobody............................... 99 dwumianowej ....................................78, 83, 92 dwupunktowej .............................................. 76 Erlanga ........................................................ 86 Gaussa...56, 68, 93, 98, 99, 102, 103, 106, 112, 138 liczba stopni swobody............................. 100 ..................................... 138 test 103, 145, 146 ........... 102, 142, 144 geometrycznej.............................................. 55 ........................................................ 75 Poissona..........................55, 96, 112, 132, 137 ..................................... 56 Snedecora ................................................. 107 standaryzowanej ...................................70, 137 Gaussa .................................................... 94 Studenta .................................................... 105 ..........................................86, 116 a jej dyspersja .......................................... 86 stowarzyszona dolna ............................................................... 18 grna ............................................................... 18 typowa................................................................. 56 Weibull W................................................................ 86 wielkoludy ............................................................. 127 ................................................................64, 148 wir...............................................76, 80, 135, 141, 143 ............................................. 130
zmiennej Gaussa.................................100, 114 estymatora......................................................... 115 ..........117, 139 parametru ................ 87 parametru ..........86, 116 parametru p ............... 79 wariancji .............................................62, 93, 112 zmiennej Gaussa.................................100, 116 jako moment centralny ......................................... 65 kombinacji liniowej ......................................... 62, 68 ............................................ 73 minimalna ...................................................110, 111 .............................. 111 parametru ...................... 112 Rao Cramera .............................................. 111 ......................................... 110 pojedynczego pomiaru ................................... 61, 93 prawo wielkich liczb.............................................. 95 prostej dopasowanej .......................................... 122 prostej regresji ................................................... 129 resztkowa ...................................................129, 130 ........................................................... 63, 70 ........................... 103 sumy ................................................................... 70 zmiennych dwumianowych ............................... 95 zmiennych Gaussa........................................... 93 zmiennych Poissona .................................96, 137

%
#

#
# $

zmiennych dwumianowych ............................... 95 zmiennych Gaussa....................................93, 116 zmiennych Poissona .................................96, 112 test ...................................107, 146 ..............145, 146 w metodzie momentw....................................... 132 warunkowa ........................................................ 129 ................................................ 73 ...................................... 105 ..............................128, 130 z prbki.........................................................14, 132 metoda momentw......................................... 132 zmiennej Cauchyego.................................................... 106 chi kwadrat.................................................... 99 dwumianowej ................................................... 79 dwupunktowej .................................................. 76 Gaussa ............................ 60, 66, 69, 93, 138, 139 geometrycznej...........................................81, 133 ............................................................ 75 Poissona...................................................60, 112 Snedecora ..................................................... 107 standaryzowanej .............................................. 70 Studenta ........................................................ 105

arytmetycznej............................................. 61, 63
........................................................... 64
estymator wariancji .......................... 64

#

#

centralna ............................................................. 15 ekstremalna ......................................................... 15 oczekiwana...55, 56, 61, 62, 63, 64, 65, 66, 71, 73, 74, 79, 81, 82, 86, 100, 109, 111 ..............................56, 109 centralne twierdzenie graniczne.................96, 105 ......................................... 142 ........................ 56 estymatora ..................................................... 109 kowariancji ................................................... 71 ........... 79 parametru p wariancji zmiennej Gaussa ......................... 100 .............................................. 65
1

asymetrii............................................. 15, 16, 57, 65 (

.......................................... 16
zmiennej Gaussa ............................................. 66 znak................................................................. 16 kierunkowy ........................................................ 145 korelacji...17, 67, 69, 71, 98, 104, 105, 109, 119, 125, 128, 130, 132 a wariancja resztkowa .................................... 129 ........................................ 130 ................................................. 104 ......................................... 131 dopasowanych parametrw ............................ 122 jednorakiej ..................................................... 130

1

206
prosta regresji drugiego typu........................... 119 prbka z Excela................................................ 76
...................... 104 Spearmana ...................................................... 72 ............................................104, 141 ........................................ 125 2 z konturu .................................................... 124 zmiennej Gaussa dwuwymiarowej .................... 97 znak..........................................................17, 124 regresji ............................................... 127, 130, 131 ......................................... 130
.................................................. 16, 57 zmiennej Gaussa ............................................. 66
.......................................................... 130
.......................................................... 130
.......................................................... 65 wykres dwuwymiarowy .................................................... 37 ............................................................... 5, 6 kwantyli ............................. 54, 85, 89, 123, 144, 145 " ........................................... 54 punktowy ...................................9, 16, 54, 67, 72, 76 ............................................................... 5 trjwymiarowy ........................................................ 6
........................................................... 88 wypadki .......................................... 20, 41, 42, 84, 133 ......................................................... 125 wzrost ..................................................................... 67
Skorowidz
Z

liniowa...13, 17, 23, 41, 46, 54, 70, 72, 73, 88, 115, 119, 121, 122, 123, 124, 125, 126, 127, 131, 146 matematyczna ......17, 58, 70, 72, 119, 126, 131, 142 statystyczna................................................9, 17, 19 zasada najmniejszych kwadratw................................... 120

................................. 113 ...................................................................... 14 zdarzenie 2 .................................................... 41 bagietka............................................................... 51
............................................................. 31 dowolne............................................................... 20
...................................................... 36 dychotomiczne..................................................... 76 dyskretne....................................................... 27, 28 elementarne................................................... 27, 28 ........................................................ 28 iloczyn ........................................................... 31, 33 koniunkcja ........................................................... 35 konstrukcja .......................................................... 29 korektorzy............................................................ 30 linia lotnicza ......................................................... 78 losowe................................................................. 29
..................................................... 29, 34
...................................................... 28 oczekiwanie ......................................................... 83 ................................................... 84 pewne.................................................................. 29
................................................... 33, 35 przeciwne ...................................................... 29, 37 " "

# ....................... 27
.................................................... 28, 29 rozpad ................................................................. 91 rzut dwiema kostkami........................................... 34 .................................................... 28, 41
35, 38 suma ........................................................29, 33, 34

.................................................................. 89 transmisja danych ................................................ 32 uderzenia pioruna .........................................27, 133 warunkowe .......................................................... 31 wir wodny ............................................................ 81 wyczerpywanie .................................................... 33 wykluczanie ..............................................29, 33, 34 wypadki ............................................................... 42
.......................................... 37
............................................................ 28 Zea mays .............................................................. 144
............................................................... 109 Ziemia .................................................. 8, 84, 148, 149
.............................................. 141 zmienna kontrolowana ..................................................... 119 losowa................................................................. 19 asymetria......................................................... 66 bankier ............................................................ 58 Benforda.......................................................... 27 Cauchy'ego.................................................... 106 chi kwadrat.......98, 101, 103, 106, 138, 147, 149 &&&7, 8, 20, 22, 23, 25, 34, 38, 40, 45, 55, 56, 58, 59, 60, 65, 68, 91, 92, 111, 146, 148

................................... 21

............................. 20 ................................................ 48 dwumianowa................................. 77, 92, 95, 106 dwupunktowa................................................... 76 dyskretna...7, 19, 20, 22, 23, 25, 45, 55, 56, 57, 58, 59, 60, 65, 68, 92, 111, 146 dyspersja ......................................................... 60 F Snedecora .................................................. 106 funkcja zmiennej .........................................45, 73 Gaussa...52, 56, 59, 60, 66, 92, 98, 99, 100, 101, 103, 105, 106, 122, 126, 134, 138, 142 dwuwymiarowa..................................40, 69, 97 standaryzowana ....................................98, 145 geometryczna .............................................55, 81 ...............................................25, 39 hipergeometryczna........................................... 44 iloczyn ............................................................. 48 kombinacja liniowa .......................... 47, 62, 63, 68 konstrukcja ...................................................... 76 korelacja ...............................................68, 70, 98 kowariancja...........................................68, 71, 74 krzywa regresji ................................................. 59 kwadrat zmiennej ............................................. 46 momenty.......................................................... 65 notacja............................................................. 19 parametry ........................................................ 53 ............................................. 45, 52, 75, 96 Poissona................................... 55, 60, 77, 89, 96 34 ............................................. 76 Rocznik Statystyczny ....................................... 26
........................................................63, 70 skokowa ............................................................ 7
.................................................... 66 standaryzowana... ........ 53, 69, 70, 94, 97, 99, 101

&&&38, 39, 59, 61, 63, 64, 68, 69, 70, 93, 95, 100 statystyka ...................................................57, 61 stosunek ........................................................ 106 Studenta ........................................................ 101 suma ...................................47, 56, 62, 70, 92, 99 oczek na dwch kostkach ............................. 34 zmiennych Poissona..................................... 46
#
# ............................. 47

.........................34,
Skorowidz
207
wypadki ........................................................... 20 z Fishera........................................................ 107
kwadratowa.................................................. 70 liniowa ....................................................70, 72 zamiana zmiennej .......................................45, 47 matematyczna ................................................19, 57 zmienne biegunowe ..............................39, 40, 53

......................................................... 127
....................................... 119, 127, 132

.......................................... 119, 120, 127
.............................................................. 127
.................................. 17, 67, 127

................................................ 64 totolotek ........................................................... 19 transformacja liniowa........................................ 71
............................................... 38 wariancja ................................................... 59, 63 oczekiwana... .............................. 55, 56, 61, 62 funkcji ...................................................... 58 oczekiwana... funkcji..................................... 58 typowa ......................................................... 56 warunkowa ...................................................... 58
...................................... 69
............................................... 24, 86 Erlanga ........................................................ 89

Nowak - Statystyka Matematyczna

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Nowak - Statystyka Matematyczna

Uploaded by

Copyright:

Available Formats

Statystyka matematyczna

e-mail: rjn@fuw.edu.pl http://info.fuw.edu.pl/~rjn/asd.html

Umberto Eco, Wyspa dnia poprzedniego.

Wapory   

opada Barometr do 10 wieczr

7 godzinie 26 minucie, wapory 

11 wieczr na wschd idzie

Noc pogodna cicha

)  ! *  



stanowi wzrost o 147%. Pokazuje nam to drugi wykres, ktrym

    

Warszawa, 1995; H. Kassyk-Rokicka, Statystyka nie jest trudna 

    6 "    6 *  93   *$

) !  6   *       ,"3        6 "( $

        3   &      6 , 

        - &" ! 3  

  ! *2 

() (t;) (x;,)  (x)  (t) (F)

 #  !   !   6    

# 6       3 

I. Dane - analiza opisowa

I. Dane analiza opisowa

I.1. Prezentacja graficzna

        1      

  *  

      !"   #$ % &' (  )

I. Dane - analiza opisowa

225 260 300

117,5 125 150

235 250 300

* && * &&& %  $

numeryczna, jak np. procentowy wzrost, jako funkcja pewnej

    

* & * && * &&& %  $

50 40 30 20 10 0 1992 1993 1994

       #  &  

prawdziwie trjwymiarowej prezentacji (na prawo),

I. Dane - analiza opisowa

    w      

czym dane o dzieciach ktre

jest np. z lewej strony otwarty, a z prawej   konsekwentnie dalej

wykres stopy zwrotu z akcji).

I. Dane - analiza opisowa

do ktrych wrzucamy wszystkie dane), zamazywana jest

,             

   

spadek, podczas gdy drugi wskazuje najpierw na wzrost, i to

        2 kg,     & 

zera. Zachowanie jakie tu obserwujemy, tj.

intelligence, Academic Press, New York, 1973), gdzie dla

I. Dane - analiza opisowa

Gatunek Bbr Krowa Wilk Koza

   

  

I. Dane - analiza opisowa

I. Dane - analiza opisowa

9    t = T/2- 1  !

1  N  1  NT  T  NT ln = N0 exp ln T

,    

;        $     !

I. Dane - analiza opisowa

I. Dane - analiza opisowa

Wapory

7 godzinie 26 minucie, wapory

) ! *

Warszawa, 1995; H. Kassyk-Rokicka, Statystyka nie jest trudna

6 " 6 93 $

) ! 6 * ,"3 6 "( $

3 & 6 ,

- &" ! 3

!*2

() (t;) (x;,) (x) (t) (F)

# ! ! 6

# 6 3

1

*

!" #$ % &' ( )

&& &&& % $

& && * &&& % $

# &

w

jest np. z lewej strony otwarty, a z prawej konsekwentnie dalej

,

2 kg, &

9 t = T/2- 1 !

1 N 1 NT T NT ln = N0 exp ln T

,

; $ !

,

(n + 1)/4 oraz 3(n + 1)/4

6 $

$ % "&

( 7

przedziale od 1 do +1. : & kolei, im jest on b .

a

#

przyczynowy &

+

#!

'

Wkraczamy z * * -

mediana :

/ 0 # (#

&

& +

#

#

W tabeli

!

Sprbujmy wobec tego

*(! $ fk

fk $ a oraz b$

a oraz b. n

, zmienna losowa a priori ! n

" (

" :

1 q n k q = 1 q n = 1 1 pn . q k =1 k =1 / " " geometrycznym

8 ! F(k)$