Professional Documents
Culture Documents
Roman J. Nowak
Statystyka matematyczna
Roman J. Nowak
.
!
"#
!
! !
# wyniki i # !$ %&
mathematica.
i
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.
"
#
$
!
Od 8 do 4 po
&
!
Na zachd po
2
&
i czystm
'
Znowu opada
4 rano
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.
< "
!*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
# :!; " 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.
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
! " # 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
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
$ 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
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
# &
& <
porwnanie. I tu, jak na , zbyt wielka liczba informacji zamazuje obraz, dlatego
50
60
40
30
20
99 1 4 99 1 3 99 1 2
sa Kla sa Kla sa Kla
1 0
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
%
- % & 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
$& + o 6, 8, 10,
3,6 3,9
, # &
!
&
, a lub # &
z
* (#
wag. Otrzymany wykres zwany jest histogramem (po lewej). W & jeszcze jednej
% # / 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
&
2,7 kg na histogramie z
0,3 kg.
wykresie po prawej, gdzie wynosi on 0,5 kg $ (w 5
&
## # 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
# # waga ( kilogramach) i mzgu (w gramach). Te dane / 0 + # # # : ? "# / &0 % & mzgu? Czy # / &0 - % # & -
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,
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 !
=
1 NT ln . T N0
+
&
, (= " 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
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 &
(#&
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
(I-3)
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
!
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
# 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
* 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
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
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)
; # ! * & $ &
& #
alkoholu: r = 0,95 ;
& # # silny
a
skutek ,
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
18
prezentowania rezultatw numerycznych uzyskanych w , rysunkowi (po lewej), ktry ilustruje elementy naszej
%
& / 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
!
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
#
$
zwany
lub
, przy czym zakres losowej jest ograniczony:
1
49" 5
(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
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
" -
0!$ "
$ (
x zawarta jest
fk k ,
k =i
normalizacyjny: 1 = fk k
k =1 N
n , 0
k
f z dx = 1 .
lub:
f x dx
! %
=1,
!
$ $ %
" *
$
$ !
$
f(x)
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
,
! ""
#
"
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
F k Pk k = Pi .
Dystrybuanta
F x P x x
x
f x dx ,
%
f(x) :
!
Pk = F k F k 1
f x =
d Fx . dx
(II-3)
"
) "
$ 3
! "
!
"
""
# " t. %"
"
obszarze od zera do czasu = 20
"
"
"
(
24 f t = A t , 0 t ,
"
"$ 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:
&
'
t2
t2 0
t1 0
F t =
2 1
t t 2 2
7
nadmiaru,
!
5
! ""
#
#
"
"(
t,
wynosi:
25
= 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
x 2 + y 2 = R2
R2 x 2 dx =
$%
2 1
x
x + arcsin + x 1 R
R 2
P x x
" "
y - x "
!
!!.$ ?
+ 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
7
$
(
a
.
26
!
="
+"
$ 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).
27 h x = 1 1 , 1 x < 10 . ln 10 x
k +1
" ! !
-! 0
" "
.$ %"
" " " ""
"
J
7"
" "$ %
"
""
7 "
Rocznika
"
"
(
"
$
k =1
/ (
%
( 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
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 ,
&
(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
.
30 Z prawa de Morgana: A B = 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)
N C 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 =
! &
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
$
" 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 =
32
!
$
"
PO1 W0 = PO 0 W1 = .
W1 .
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
>
!
$
""
#
$ = 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
(
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 "$
#
&
( 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
(
$
(
$ $
!&
N
N A NC = N NB
NA NB , NC
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 .
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
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 .
"(
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 .
(
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
$ 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
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
dS = dxdy = rdrd
"
"(
R
1= A
R
x y
2
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
- 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)
)
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
"
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
1=
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=
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
!
v 2 2uv 21 2
" # dv . $
f1 u =
" II.6.b:
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
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
$ $
" *$
(
+
$ 0
( $
"
( $
!
+
+
&"+
#
"
! ! !
" " $ 3 8K
)
"
"
42
+
+
.
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
=
>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
+
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
K
N K k
nk
N
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,
K k N n
Kn k
n! k1 ! n k1 !
(
(
" . k2 (
n k1 wolnych miejsc, a
! n k1 ! k2 ! n k1 k2 !
(" 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
(II-20)
,
y " 7
(
y = F x =
f x dx .
1 ln1 y
.(
46
,
f x dx =
0
f x dx + f x dx .
0
& "
7 g(y. " zmiennej losowej y "
(
g y =
1 1 f y + f y . 2 y
: 1 f x; = 1 + x , 1 x 1 , 1 1, 2
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:
#
$
& 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
(! %
$ ( #
" *
$
&
b
x v y v
$ %
losowych u i v wynosi:
(II-23)
,
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)
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:
x u J= y u
x 1n 1 v = n u n 1v m y 0 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
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
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
.
,
osi x$ " " " E)CF 1].
49 f x = 1 , 0 x 1. x= 1 4 L2 , 2
L = 2 1 x2
dx d
1 L = , 0 L 2. 4 L2 =
dL dL 2 2 4 L2
4
2
3
"
3 , istotnie
4 4
"
" ) 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
3
"
3 , istotnie
1
3 2
dz 1 z
2
2 arcsin z
1 3 2
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 +
$%
!
C
%
$
( !
$
$
'
Carlo, ktra polega na numerycznym modelowaniu badanego zjawiska. II.9.A. Idea symulacji numerycznej
51
$
" #
$
( > ?
w stanie rozkwitu. W
$
(!
$ "
!
$
" #
"
(" * > ?
" <
" C%%
[0; 1],
$
!
$ $
!
$
zaopatrzony w
z kolejnymi liczbami naturalnymi, ktry to cylinder zatrzymywany
Geigera Mllera
" ;
($
(
(" #
$
+ " #
(
m-krotne takiej
$
prosty wzr:
Dla x0 = 1$
dobr parametrw a0,...,ak, b oraz M$
!
$
$ %
" 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
*
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 =
v2 " 1 exp # . 2$ 2 !
z 1 exp 2 2 2 !
2"
#, $
"
"
" "
v, przy czym parametry oraz
"!$ >
" "
# "
!
!
" "
x oraz y, "
"
E9F CG
!
#(
u !
z .
= 2 ln x sin2 y ,
v = 2 ln x cos2 y ,
2"
#= $
x 1 . exp'ln x( = 2 2
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
x oraz y "
" $ 6
"
z "
"
<
$ >
"
"
! ! !
"+ !
parametrach i .
x 2 = 1, 2 x
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,
)
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
" yi !" " " [0; CG$ / 89 -. ! qi
" (
q=
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 *
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=
Ek k k
k =0
kPk ,
(II-27)
" /
( +
= 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
( !
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
E x x x
xf x dx .
(II-28)
!2 .
1 x = 2 1 = 2
x exp
x 2 2
dx = 'z = x ( =
1 2
z + exp
z2 dz = 2 2
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
"
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)
(
$
$
( $ (
& < 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
-
$
dla
, co da
z ( $ $ ( nieznaczne i
! (
oczekiwanej dla populacji. Ilustrujemy to na wykresie " *(!
$ jest
+ !
( !
$ $
!
%"
!
% + %" -
"
$
(
$
" -
$
$ (
"
$
" -
" '(
!$
(
%
;
$
sensie statystycznym.
. Termin estymator
! $
(
$ $
$
(
estymuje.
8
" 4
>H?
$
(
$ (
$ "
" 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:
!&
E
g x gx
+
g x f x dx ,
(II-31)
funkcja g(k) = k, a dla funkcja g(x) = x$ nadziejami matematycznymi) tych zmiennych.
!2 .
:
! 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
Sb
Sb
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
= 2 = b + a2 . 4
(II-32)
x y x
y
f
y x dy =
y
f x, y dy f1 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
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
~ 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
!
(!
#$
" -
(
&
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
I = + exp x dx , =
> "
1 . 2 2
II.6.b
( I = 2 = 2 1 = . 2
+ x
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
61
= =
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
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
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)
= xi x j , xi = xi = = 0, V x = 1 V x . n
(
$
wynosi:
(II-41)
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).
(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)
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
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
&
x x f x , y dxdy =
x x
2
f x , y dy
dx =
x x f1 x dx = V x .
$$
y y f x , y dxdy =
y x
2
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
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 "
(
przy warunku:
wi = 1.
i
wi 1 = 0
i
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
"
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)
"
"
! !"
"
- "
65
2 sw
1
n 1
2
i i
xi xw
i i
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
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 ( <
!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 2 2 2 exp u du = 2
exp u du .
2
2 I= 2
2 2
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
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
$
>
!?
(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)
x
x, y cov x, y
x x y y
x y y f x , y dxdy = xy x y
(II-51)
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
" 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 x n , x2
xn
!2 8
2 21
x x
y y x x
y y + 2 #, x y
x
y
"
$
x
2 x 2 x
y y 1 exp y; y , y = 2 2 2 y y
x
2
69
x y uv exp 2 1 2
cov x, y =
u2 + v 2 2uv 21 2
dudv
2 exp
!
x y 2 4 1 2
exp
21 +
2
2 2 dd 21
exp
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
= x y .
-
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
Vv = v 2 = 1 , covu, v = uv = .
= u 2 + 2 uv + v 2 = 2 + 2 , = u 2 2 uv + v 2 = 2 2 .
-
(
( $
%
$
" ;
! 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
u !v
= ax + by , = cx + dy ,
2
$
( a, b, c i d
$ &
71
!
" 8$
!$
" (
. #
%$
( $
$
'
3"
ad + bc = 0 , !ac + bd = 0 ,
=
=
=
=
=
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
#
$
( " .
$
% $
(
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),
(
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 +
x = x
df x x , dx
f(x)
y = f(x)
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 .
f f f x1 1 + x 2 2 +...+ xn n , x1 x2 xn
y f x1 , x2 ,..., x n
f
f Vx . x
x
2 s 1 R2,1 R n,1
f x
=
f f f , ,, , Vx = n 1 2 x =x
R1, 2 2 s2
R1,n R2,n
2 sn
,
Rn,2
estymatorw wariancji i kowariancji jest symetryczna. W przypadku, gdy macierz V jest diagonalna (pomiary
74 xi
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)
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
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
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
1 1 n 11 1 = k = n n + 1 = n + 1 , n n k =1 n2 2
lub ostatecznie:
k =
1 n + 1 , 2
k 2 = 6 nn + 12n + 1 ,
! (II-37): k =
n2 1 . 12
k =1
!
"
"
"
tym
niektre z
" #
$
I
13
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 =
k p k 1 p 2 2 k k 2 p 1 p 2 k k p 1 p
k n,
p =
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
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
100!
100!
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 !
k =1 k
1!n k !
p k 1 1 q
n 1 !
n k
= np
n 1 !
k =1 k
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)
80
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
%
#$
!
) "
"
"
"
! ( 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 =
:
81
3
!"
5, a ;
-
+
B;1
!
!
"
$ D
!%
p = .
P2 = 1 p p $
2
= 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 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
k, %
" n
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
*:
! '( ) '
*(
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
t n
n Qt; = exp t .
(III-7)
84 zdarzeniami:
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
t ,
&
N0 N0 exp
L
&
1 exp
t .
"
"
II.1.c#
(t; #
&
F t = 1 exp
t .
t t = t ; dt . 0
"
& *!
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
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
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
&
%
1
t ,
%
! !
!
,
q jako funkcji czasu t
!
%
"
"
$ D
"
&
F t
= 1 exp q t
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)
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
ti =
T = ti ,
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 =
87
1 = 2 T2 = 2 n n
2 s =
!" estymatora wariancji. 7 "! : +
? %5 !
! n
!
Erlanga:
1 2 n +1
(III-11)
=
! *
" .
! '
n 1 n 1 = , T nt
(III-12)
2 s
wariancji
n2
n2
2 s =
1 2 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
! " !"!
" ! $ ' 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:
%
@
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 =
,"
&
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
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
1!
" " !
schematu Bernoulliego # ===A dwumianowego, ! $ braku $ !
k $ !" t ) ! n
t *$ k $ n
(III-1):
t
k!
e t .
k n,
p =
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
k n,
p n k e k!
k
t
k!
e t ,
k
k = 0,1,2,... , = t ,
(III-14)
dziennie od i
0 = 10
0 = 10
:
+6
%
" $ )
%
!
#$
!
0,35 0,30
* " ' " ! "!
"
* 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
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
)
&
0,14
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
# ===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
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
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
2! # 2 # 2$ 2% # "
2
$ z;2,
2 % .
93
<
" "
$
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 xi , n i=1
)!
#
&
dla wykorzystywanej tam prbki 1600 pomiarw wynosi 1004,0 hPa
w prbce ma
5,9 hPa. Obok przedstawiony jest wykres
+#
2k
=
4
2 k !
2k k !
2k ,
= 3 4 .
!
!%
:
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 %
2 sx
1 2
2 2 = n 1
1 2n 1
# < " .
! $'
+ n
P n x + n =
1 2
2 x exp dx 2 2
n
= z =
1 x = 2
exp
n
z2 dx 2
<
oczekiwana wynosi zero, a dyspersja # standaryzowanym:
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
95
% !
.
%
"
"
!
"
! $ :
"
$ -
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; , =
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
% !
!
' (
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
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
! "
"
<
"
!
np.
!
* centralnego twierdzenia granicznego, ktre tu
podamy bez dowodu:
#
$
%
#
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
"
"
!
"
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/
/
* 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:
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 ,
x y = x +
x y y . y
standaryzowane zmienne:
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
1 2 2 2 u + v 2uv = C . 1 2 45): 1 u= , 2 1 v= + , 2
2 2
1 1 , = 1+ 1
98
'
Elipsy kowariancji, C = 1
1,0
2 + 2 = C2 ,
= 0,9 = 0,5
"
0,5
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
" "
! !
! <
!
2 (C = 23
w tabeli &
$ !
dyspersji 1 2 3
y
prosta regresji z
* " ! " ! !
y
x
o z
!
" #
!$
!% $ &
' &$
zagadnieniem testowania hipotez.
2
99
1 u
1 1 u exp . 2 2 u x 1 i x2
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:
> /! (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:
4 " ! n, Gaussowskich zmiennych losowych xi
xn n x 1 x2 2 u= 1 + + ... + . 1 2 n
2
"
2 n stopni swobody.
x2
x xn x +...+ .
(III-15)
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%
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
! !
101
23 2
= 2
Gaussa u ; n , 2 n =
:
z=
2 <
praktycznych
" n > 30.
u u u n = . u 2n
! 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
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
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
n
$
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.
4
"
!%
<
. Wynik ten
!
4
II.10.C, a w
! (II-43), ktry
o
! ,acje estymatora wariancji z
estymator ten w
<
$ =
%
K $
& B ; 7,
103
$
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 +
4
"
! "
! "
!%
. Szansa to wynosi 0,00057, co "
+ 0B1 "
$
"
"
! @
%
%
r! !
"
%
F
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 =
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 !%
-
:
r n2
0,65 15 2
my
nie
z
<
! oczekiwanej i wariancji
! w (III-18)$ 2!%
w
"
$
,
&
=
"
<
(z;,) z
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
1 , 1+ t 2
" " *' " " jak i wariancji " 0 + D" '
" " ! a oraz b $ 4 ! 2 jest symetryczny), to i tak !
" zmiennej $'
t
2
b a
1 =
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
# 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
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
'
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 ,
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
!
Fmoda
'
=
natomiast wariancja '
m m2
=
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 ,
'
F przy
" *
n " m , n 2
1n 2
otrzymujemy:
2
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
" " "
!
n
n,
p0
np
n
n
n ,m
m n = const
n =1
! ! " < ! " 4 6"
109
! "
! "
"
"
#
! zawsze zawiera w
$
%
dwumianowego!
&
! '!
( )
!
*
!
!
+
"
"
procesu.
!
!
!
"
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
estymatora
, czyli takiego, dla ktrego: n n .
110
n
f V ; , n =
n2 2 1 n
2
n n
V 2 exp
nV , 2 2
=
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
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
+
"
. Jest
"
!
)
"
"
!
i "
/
! % !
)
4 5
! "
!
! "
Vmin
!
"
"
3 )
" "
! wprowadzimy najpierw tzw.
!
0
xi n
111
#
x; =
f x i ;
i =1 n
k;
= Pki .
i =1
0
"
! )
)
" "
)
"
xi oraz ki
zmiennymi losowymi. Wielokrotnie, w
!
! " xi oraz ki to faktycznie wyniki pomiaru, a !
nie
.
) "
"!
"
"
"
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
)
/
1
+
n
1 n
ln f x; 2
2 f x; 2 ln f x; dx
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
#
"
.
n
.
() o
k
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 %
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
$
ln
= n ln t
n i =1
= n ln nt ,
$
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 -
!
!
)
"
,
!
)
"
.!
jest
parametru, to z rwnania:
= ,
!
) h() po parametrze
!
!
0=
!
"
/
= 0.
8
"
)
/
= h = h .
=
! *
(IV-1)
"
=
"
!
"
funkcji h()
!
.
nie jest !
"
$
) ):
h = h
.
!" # !
" $ %$
Twierdzenie 3.
#! #
&
' przy # !
( !" !
!.
=
3 " !
- ) "
xi :
Lx; = f xi ;
i =1
i = 1,2,..., n 1,
L
/ L , y; = Lx, y ; J , yi +
yi !
"
dla estymatora :
g ; = L , y; dy,
"
"
:
2
=
g ; d .
!
(IV-2)
)
x , y
)
!
!
116
$
" :
=
t2 t
1 n
0
1 n ti n i =1
i =1
2 2 . n n
CD
"
$
"
,
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
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)
#
"
*$ (
2
n 2 , n 1
(IV-3)
"
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).
" .
*
" (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
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
!
>
6 6,6
3 dzieci 4 3,8
4 dzieci 3 3,0
5 dzieci 2 1,9
F
= 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
k 2 3 4 5 + + + e = 1 1 + + e , 2 6 24 120 k =6 k !
ki ,
34
2
2 3 4 5
+ + + e 1 1 + + e . 2 2 6 24 120
$
= 3172 317, , ,
9 !
"
&
"
w
.
118
nasze
o
min
&
"
$
#
poszukiwanego parametru.
. "
&
"
obszarze
$ '
"
" "
+
"
$ )
+
"
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
# +
$ ) ) " $
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
(IV-7)
119
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 =
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
"
" &"
$
" #
*
!
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
!
/
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)
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
!
)
! "
!
!
!
"
)
"
! "
punktw xj
!
) sj .
!
!
" ! )
+
xj
"
"
!
" 3
!
!
zmiennych.
0
% "
!
!
mierzone yj
&
$
)
121
"!
".
IV.3.B. Zastosowanie metody najmniejszych kwadratw w problemach linowych
!
) "
!
sj
) (IV-8)
!
w nieznanych parametrach: + !
"
!
(IV-9)
=
%
(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
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
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
#
"
$
z dodatkowymi informacjami (czwarty punkt, bez 7// mg kofeiny oraz trzy krzywe), ktre teraz omwimy.
'
&
$ 3
#
#
#
#
$ %
%
$
&
'
:
$ B " & &
$ ,
"
&
" $ )
o
#. W .
III.2.e
$ '
&
#
z prze$ " 400 " &- '
x = 0 + 1 x
9
"
!$ B ekstrapolacji wraz z
$ B
modelowe" #
"
=" &
=1 <7F
E
$ 5 # # #
E
liniowa - 5 - G "
#
*. Nie mamy na to zbyt silnych
"
$ .
# &
z
$ B
ktrej
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
*$
#
2 o n < #
$ .
124
125
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 $
7 " liniowego
)
*
Pearsona, ktry wynosi 0,98. Czy, mimo braku informacji o
poszczeglnych pomiarw,
4 -
(IV-11)
!
! )
"
.! si
!
"
/ si = ui, gdzie jest nieznanym, wsplnym
*
%!
wykorzystania informacji o "
U xy
126 min 1 = 2
1 y x
i 0 1 i = 2 min . ui i =1
(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)
!
!
"
/
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
y
x1 , x 2 ,..., x m
x = 0 + i x i .
i =1
minimalna: = yi 0 1 xi = min0 , 1 .
2 i =1 n
(IV-23)
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 '
!
!
"
"
$"
!
!
" '!
!
)
/ 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
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
=
"
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 =
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
x x
2 n 2 2 2 1 x y . = y + n n 3 n3 2 x
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
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
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
.
$ '
"
" "
$
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
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
2 exp = 0,025 , 2
"
/
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; = ,
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 ,
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
=
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
"
,
'
$
z rodziny
'
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 )
& $ %
&
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
,
k n n
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
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; ,
140
Dla przypadku wieloparametrycznego sytuacja zasadniczo nie ulega istotnej zmianie. Musimy
"
)
"
)
7! "
!
6 "
"
! "
&
T
V 1
V 1 = 2 ,1 . m
6
)
&
!
"
tych pomiarw.
-
"
8
"
parametr!
1
V
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
1 2
142
& 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
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 <
1
o
1
!
pochodzi z
liczebn 1
&
/# $$$ -0 dla potrzeb dalszej dyskusji
&
3 !
1
Gaussowskich
3
tego = 0 7
*
" = 0,64. >1
&&
&
6
&
. Hipoteza alternatywna
0. Dalsze
"
1 !
!
1
:
1
"
1
1&
&
7
1
, bo zarwno dodatnie jak i ujemne odchylenie
1 zmianach w komrce, a
o
6
testem dwustronnym, w
testu jednostronnego, kiedy to interesuje nas jedynie szansa
jako tylko mniejszej &5
. ?
1
*
eksperymencie.
czy z
*
*
) (
"
1&
np. 1,2) <
5
= #
$$ %
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
#
B
n 1(t) z n 1
B
*
oczekiwanej 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
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
!" $%& -(' x2 3 s2 dla drugiej grupy to: 5,61 -(& >
!!
3 @
A! ! !
rwno
14
2
--, i (podejrzewamy krla o psucie monety), krytyczna 3 tk tej statystyki
(%, 5
3 statystyki z prbki
3
musimy 3 !
3 ! swej mennicy w @ 6 ! ;
obu prbek z populacji
>
1
1
znormalizowana zmienna Gaussowska: t x y
2 2 sx + sy
146 t=
xy , n+m n 1 2 m 1 2 s + s n+ m2 m 1 n 2
1,875 dla statystyki z
1,852 dla statystyki t
B
& 65 6
3 i prowadzi nas do wniosku: P t t
=
t
1
&
&
!
V.1.b
1
1
& Gaussa
1
1 oczekiwanych ' & &
! III.8.a.
>
6
>
"
F=
2 2 sx nsx = , 2 2 sy msy
t
65 t dt = 0,064 .
Fk
Fk = 4,15.
2 o m stopniach swobody (m liczba wyznaczanych parametrw), co pozwala nam
&
1
D
&
&
1
telomerw
/
10
& 3 znana jest
=
3
1
& & 1
&
1
11 D
& B
(IV-20) i (IV-21) dla
E&
11
& F:
1 T 1 V , m 1
F B
& (m, n m) stopni swobody, gdzie m
&
1
n & 1
=
147
!
&
1 2 3 4 5 6 902 403 106 38 16 4 0,6140 0,2743 0,0722 0,0259 0,0109 0,0027 0,6432 0,2295 0,0819 0,0292 0,0104 0,0058
Suma 1469 1 1
1 !
'&
& & 1&
zmiennej losowej k:
k
5 k =1
p
= p1 p
Pk . 1 q5 5 = q 5 = 1 p , 1 q
>
*
>
& 1
5 "
P 6, p = 1 pq k 1 = 1 p 1 + q + q 2 + q 3 + q 4 = 1 p
"
1 xn , 1 x p
7
*
G
&
*
&
w postaci:
5 5 n6 p1 k =1
ln
=
ln 1
p
p
k 1 nk =
ln p n1
+ n2 + n3 + n4 + n5
1
p
n2 + 2 n3 + 3n4 + 4 n5 + 5 n6
ln p
=
n1
+ n2 + n3 + n4 + n5
&
"
Pk
w &
& NP k #
" eksperymentalnej nk (szary histogram) i obliczonej NPk (punkty)
/ 1 &
jednym samochodzie). Do weryfikacji hipotezy potrzebujemy jeszcze statystyki testowej. Za K. Pearsonem
"
nk
NPk NPk
k =1
NPk
&
/
148
&
& n 1
nk
1
&
1 N 3
z prbki, wtedy
dodatkowo m tych parametrw:
liczba stopni swobody = n m 1.
<
& n = 6 i
/m = 1),
4 7
otrzymujemy 19,43 (szsty wiersz tabeli daje
1 1 0 =
poziom testu wynosi 0,05 & 2 o czterech stopniach swobody znajdziemy jako 9,49
, ktra wpada tym samym w obszar wykluczania. >
0,05 nie mamy statystycznych podstaw do
1 &
1 :
1 ! do opisu liczby
1 >
parametru
0,554,
100
krytycznej statystyki 2 /
0
i
!
testu 2 Neymana Pearsona
&&
&"
N " nk (k = 0, 1,
w n
tak, aby w 2, ... , n$ 5;
!
" " "
, %
ln
= n
n k =0
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 *
'
& # $$$ H
. Niech nk
k-tym przedziale histogramu, k
&
natomiast N & &
>
. Od serii
tej samej liczbie N, liczba nk
a
149 nk N ,
fk = pk n = k . k N k
'
(III-6)
"
1 k
&
#
$$$ 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
0,005 1 62 2,43
8 czwarty to
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
#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 +
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 2 2 2 k 2
< <
1
x 1 exp 2 2 2
1 u2
n1
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
1 2 2 + x 2
P.v.=
ab 0 1
1 n + m 2
1n
m = 1, 2,
n = 1, 2,
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
# ! ! $
"
"
"! 1931 !
3762,5
Ewangelickie
Inne
%
&
"
20670,1
3336,2
835,2
145,4
3113,9
6,8
45,7
(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
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
'
(
pomiarw przyspieszenia ziemskiego w (cm/s2)
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.
Zadania
! )
&
!
4 w materiale
& $
#"
3
567
$ "!
& $ "
"
"
4 2
i w Zakopanem.
"
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
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
2 8 23 18 4 55
Zadanie II.1.1
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 <
Zadania
155
!
: ";!
!
)""!
,
f x; , x
0 x <,
1 x2
2 2 2
, < x < , 1
2
arcsin, Wignera,
k) 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
!
!
!
!
s) Pk n, p 1 p t) k
k
k 1
, k = 1,2,3,..., n
"!
wskazwka:
1 1 1 . = k k + 1 k k + 1
<
!
mgz , 0 z < , kT
z p
m, umieszczonych w
" g! T!
& 4
"
z. Wskazwka
p = nkT
p n
k
T temperatura.
"
4
" "
x liczonej od
A.
Wskazwka
!"
x(t) = Asin(t)
!
x,
156
Zadania
!" )
"# $%&
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
.
>
1 f x a x b a x b , < x < + , a > 0 . e +e 8 4!
&
9"
!
"
!
b.
#
?
" " 1997 r. Narysuj wykres
" $
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
157
Zadanie II.2.2 (zdarzenia elementarne) Zadanie II.2.3 (zdarzenia elementarne) Zadanie II.2.4 (zdarzenia elementarne)
!
,##
'
" " 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
$
Zadania
159
n !
sposb losowy, tzn. ich liczba w
" " "
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 .
b)
#
!
a) b)
" "!
$
.
"!
3
&
!
! "
! "
"
3
&
! "!
!
@$A! "
!
"
!
$
$
""
! "
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"
! " +
" "
Zadania
#
! $ !
"
"!
"
" # "
"
"! ""
" )" "
" <
!
" ! " " "
+ ! "
"
" 3$
" <
! "
"
+ 5"
! " " n "
"+
161
Zadanie II.4.7 (twierdzenie Bayesa) Zadanie II.4.8 (twierdzenie Bayesa) Zadanie II.4.9 (twierdzenie Bayesa)
)
" " !
" "! $ " #
" <
!
z ( ! (
! (
"! "
"+ )
-
!
im dwa ! ) "
"
z $! "
9 ! "
"
!
+ <
$ H5I " 97% przypadkw osb
" $
0,4% przypadkw. Jakie
! $ H5I 4 ! "
0,5% " +
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
!
- "! "
" !
162
!
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
$
+
"
!
! $ "
! E
"$ p, przy czym fakt
" "$ 4 <
!
X oraz Y
+
Rodzina ma tr
) 8 "
"! $
4
. "
- rodzina ma dzieci obu i
.
"
!
"
0,5.
8
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
&
!
-
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
#
a 0.
*
!
$ "
)
-
$
!
G
!
8
!
! $
!
$ ! $
8 ! "
!
'
"
164
Zadania
'
(
'
a) b) c) d) e)
)
"
" "
p. 5"
" zapasie,
?
' ! ,## ' ' ,##
! ! $
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
!
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 !
! " "
! $ "
'
,##
1 x, y +1 3
&
$ x oraz y!
$
'
9
" " 3
$ skanych w ten $
$
"
" 3
&
!
$
$
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
166
'
#
Zadania
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?
! $
+ .
!
!
!
"
)
100 ! 98
!
4 3
losowo 2 <
!
+ <
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
"
$ !
! $
!
+
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
167
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)
#
" "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)
$ " ) " !
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
168
Zadania
= + 2
1
) ! , , ) ' , , ) ( , , ) ) , , ) * , ,
9
L
"
" x od jednego $
#
! 4 $
3
&
" S $
G !
z
$
) 4
" z zadanej pierwiastkiem z sumy kwadratw zmiennych x i y.
i P &$
$ )
" h
&$
"! $
!
$
3
&
$ 'x, y(
)
+ ,
, )
,
, )
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 ,
Zadania
169
8
"
!
" 9 ! $ "
*
$
f x = 1 A2 x 2
[0; 1]
3
& "
"
"
"
"
, A x A.
Zadanie II.9.3 (metody Monte Carlo) Zadanie II.9.4 (metoda Monte Carlo)
n+1 n
Zaproponuj generator: x = ax Zadanie II.9.5 (metoda Monte Carlo)mod(15), ktry przebiegnie 15 liczb nim wrci do punktu startu.
.
!
! "
"
!
@ "A "
.
!
@ "A "
"
3
&
!
"
0,1136 oraz 0,8864
"
" F " 8
z parametrem = 1 <" !
)
E "! " $ 4 .
+
#
Zna
&
$
"
#
?
170
Zadania
"
" $ " $ "
- z domu do pracy mam 1 . 5km/godz
12 minut na dotarcie do pracy ?
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.
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 "! ! "
P E; T exp
E , E 0. kT
E!
v wynosi: En = nhv
(n = 0, 1, 2, ...) 3
&
"$
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?
*
"
"
!
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.
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.
!
" $ " 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.
! + &.
#
$ - 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
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]
" .
-
! 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
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
+
+
Twarde
!
! ! ! ! !
!
! ! ! "! !
E &!
&! !
+ +
&
&
+
)" x1, x2, ... , xn, xn +1, ... , xn + m " "! "
o
3
& $ "
- u = x1 + x2 + ... + xn oraz v = x1 + ... + xn + xn + 1 + xn + 2 + ... + xn + m.
+ !
2
#"
.
56 "
$!
& $ "
"
!
"
'"$ ( $ $ %
=1 g. Student A
#
"
$ " "! "
$! $
"
"!
%
1 !
!
"!
" $
Zadania
175
+ !! &
-
Zadanie II.10.56 (momenty funkcji zmiennych losowych)
S
" 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%!
& "
$ "
.
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 ! "
Zadania
+ '+ ,
&
,
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
i =1
Wskazwka
Pi
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
177
G
.
"
! , !
sumy?
)
#
*
#
"
$ 1""!
zmiennych: k1, k2, k3
"+ < n zmiennych ki! " " $
$
$ ile wynosi wariancja takiej
+
#
#
#
9"
! " "
4 "
Oto liczba
4
= 3,14159265358979323846264338327950288419726939937510 .
178
#
#
Zadania
! 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
(
#
)
#
*
#
50% albo 40% wszystkich kul. Wykonano stukrotne losowanie jednej kuli z urny ze zwracaniem i stwierdzono,
)
" 9
"! "
"
% 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.
+
#
#
!
"
$
"
"
"
! $
$ "
<"
10 ! " "
! 10%
$! " $
"
!
poprawnie na 5 " + <"
!
#
Zadania
179
(
" ( 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
!
#
/
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
14488 3907
&$
$ )
" h
&$
"! $
!
$
3
&
$ % $
n zarejestrowanych punktw, k " R! $
"
&$
3
&
" h
&$
5" + !
*
#
/
,
&
)!
)
#
/
Stara Nowa
20395 1975
18831 4029
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
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
*
"
$
46 $ )
$!
$ "!
46 chromosomw jest tworzony i przekazywany $ "
)
!
! " !
$ $ <" " $ $ $
" m! "
" " <"
$ $ $! $
" 3
&
" $
$ < " " $+
z
3
&
"
$o.
+
Zadania
181
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- "
" !
"
'
,
5
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
$ # 5
5
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 " $
184
Zadania
w ""
"
9
!
134 dni, w ktrych bud 4 5"! , !
! w $ 4
+ < +
3$
"
! $ ! "
+ 5 /
+
5 /
+
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
( 5 / .
) 5
3
&
5"
Zadania
185
"
" " $ |x| = 0,675 i |y| = 0,675 3
&
4
)
! "
!
z
90%
"
trzech jednostek.
!
.
$ $ 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.
) .
" 56
$
"
8 " "
"
"
0 + <
4 !
"+
! ! ! ' ! ( ! ) ! *
y
3
&
(0,0) &
! " "!
99,7%
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 !
.
EL""
3
i
!
0
W pewnym gatunku burakw cukrowy 10,5%. Cztery prbki $
"$
10,6, 11,0, 11,5 i 12,0% < $! "
+
Pok!
"
"
2! $
FWHM (full width at half maximum) czyli
w miejsce odchylenia
3
&
>)HE!
"
0 dla
1 F )
188
Zadania
Zmienna losowa x
"
1 F ) M i 3
&
Niech F
"
"
%
(n, m) stopniach swobody. ! 1/F
"
%
(m, n) stopniach swobody.
-
" "
!
! "
! " ! #"
$
$
$
!
(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
" +
< 4 ! " $
z
"+
:
< 4 ! " $
z
"+ .
4
=
1 1 1 2 1 + 2 +...+ n 1 + n , n +1 n +1 n +1 n +1
&
:
%
$& :
%
$&
) .
" 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
:
!
%
$&
:
(
%
$& :
)
%
$&
:
*
%
$&
:
+
%
$& /
:
%
$& :
%
$&
f x: =
" n $ "
-
&
$ !
"
" $ x 0
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.
$ !
"
" $
:
3
" !
"
" ' (
"
% '- .! 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
" "
" $ " < " "
x oraz y "
0 x 1, 0 y 1: f x, y x + y 2 , 0 x, y 1.
2
3
&
8
"
"
t trwania
v=
" "
+
at 2 , 1 + bt 2
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
$
x 9
"
!
" "
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
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, ... .
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
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 .
zmiennej y "
x.
3
&
'
/2(
x "
y oraz
3
&!
4
parametru
"
" x postaci:
f x; =
1 x +1, 1 1.
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
&
Zadania
193
" $
$ tych estymatorw jest najefektywniejszy?
" $ G
" "! $
"
"!
&
4 0,95 dla nieznanego parametru
= 0! ! 4
+
! " $
! "
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.
)
.
I
5
" 4
$ 0$ 5
4
"
$
1 uzyskanego
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 '
$ $( %
&
" " $
&
$ $ dzieci, zgromadzono dane (Frankl, S. N. i Alman, J. E., J. Oral Therapeut. Pharmacol., 4, 443, 1968) przedstawione "
& 0,01 4"44
$
" ' (
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
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 < "+
:
$& / :
$&
:
$& / :
!
angielski statystyk W. F. R. )"
26 306 razy dwunastoma kostkami do gry,
W jednym ze swych
"
'
-
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
:
( $& / 4$
:
) $& / 4$
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,
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
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
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
............................................. 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
L
)
*
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
............................................. 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
.......................... 123
................................................. 15, 110, 112 kwadratowe....................................... 62, 109, 114 od dopasowanej prostej.................................. 124
............................................................. 7
......................................................... 13, 15 opinia publiczna ....................................................... 80
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
"
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
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 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
.......... 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
#
#
#................................. 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
................................... 66
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
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
#
# ............................. 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