dr hab. Dariusz Piwczyński

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

ESTYMACJA PRZEDZIAŁOWA
Wnioskowanie statystyczne CZEŚĆ II
Testy sekwencyjne Jan Acedański.
Estymacja. Przedziały ufności.
Wykład 5 Standardowy błąd a odchylenie standardowe
Analiza wariancji jednoczynnikowa
Skale pomiarowe – BARDZO WAŻNE
BUDOWA MODELU EKONOMETRYCZNEGO
Estymacja przedziałowa
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Wnioskowanie statystyczne CZEŚĆ III
hasło: student Joanna Rutkowska Aneta Arct
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
BIOSTATYSTYKA I METODY DOKUMENTACJI
Analiza korelacji.
Wykład 6 Standardowy błąd średniej a odchylenie standardowe z próby
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 5 Przedziały ufności
Wykład 3 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 11 Analiza wariancji (ANOVA)
Wykład 4 Przedziały ufności
Metody Przetwarzania Danych Meteorologicznych Wykład 4
Test t-studenta dla pojedynczej próby
Wzory ułatwiające obliczenia
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Wykład 4. Rozkłady teoretyczne
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Estymacja przedziałowa i korzystanie z tablic rozkładów statystycznych
Rozkład t.
Hipotezy statystyczne
Konstrukcja, estymacja parametrów
Analiza współzależności cech statystycznych
Hipotezy statystyczne
Elementy Rachunku Prawdopodobieństwa i Statystyki
Rozkłady wywodzące się z rozkładu normalnego standardowego
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
na podstawie materiału – test z użyciem komputerowo generowanych prób
Elementy Rachunku Prawdopodobieństwa i Statystyki
Hipotezy statystyczne
Elementy Rachunku Prawdopodobieństwa i Statystyki
Seminarium licencjackie Beata Kapuścińska
Testowanie hipotez statystycznych
Co to jest dystrybuanta?
Ekonometryczne modele nieliniowe
Wnioskowanie statystyczne
Metoda reprezentacyjna i statystyka małych obszarów z SAS Instytut Statystyki i Demografii SGH dr Dorota Bartosińska Zajęcia 4 Wnioskowanie statystyczne.
STATYSTYKA Pochodzenie nazwy:
Statystyka medyczna Piotr Kozłowski
Wykład 5 Przedziały ufności
Weryfikacja hipotez statystycznych
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
Testowanie hipotez Jacek Szanduła.
Model trendu liniowego
STATYSTYKA – kurs podstawowy wykład 5 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
ze statystyki opisowej
Rozkłady statystyk z próby dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
Estymacja parametrów populacji. Estymacja polega na szacowaniu wartości parametrów rozkładu lub postaci samego rozkładu zmiennej losowej, na podstawie.
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Rozkład z próby Jacek Szanduła.
Statystyka matematyczna
Statystyka matematyczna
Statystyka matematyczna
Jednorównaniowy model regresji liniowej
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
Zapis prezentacji:

dr hab. Dariusz Piwczyński Teoria estymacji dr hab. Dariusz Piwczyński 2017-03-28

Estymacja to postępowanie statystyczne zmierzające do oszacowania parametrów populacji generalnej (, ) na podstawie statystyk (estymatorów) uzyskanych z populacji próbnej. 2017-03-28

Estymatory a Parametry Sx POPULACJA PRÓBNA POPULACJA GENERALNA Parametry ():  – przeciętna w populacji  – odchylenie standardowe w populacji Estymatory: , Sx, 2017-03-28

Cechy dobrego estymatora to Nieobciążoność. Estymator nazywamy nieobciążonym, gdy jego wartość oczekiwana jest równa parametrowi populacji generalnej, czyli E(Tn)= . Efektywność. Estymator efektywny, to taki, którego wariancja jest najmniejsza. Zgodność. Estymator nazywamy zgodnym, jeżeli wraz ze wzrostem liczebności próby jego wartość zbliża się do szacowanego parametru. 2017-03-28

Rodzaje estymacji punktowa przedziałowa 2017-03-28

Estymacja punktowa polega na uznaniu estymatora z próby losowej, jako wartości parametru. Powyższemu stwierdzeniu towarzyszy dodatkowo podanie błędu oszacowania. Średni błąd średniej arytmetycznej: 2017-03-28

Błąd średniej Jeżeli względny błąd estymatora nie przekracza 7,5%, to można uznać, iż wynik estymacji jest wysoce precyzyjny. Jeśli przyjmuje wartości z przedziału 7,5%-15%, to dopuszczalny, a powyżej – nie jest do przyjęcia. 2017-03-28

Estymacja przedziałowa polega na wyznaczeniu przedziału liczbowego, który z określonym prawdopodobieństwem zawiera szacowany parametr. Końce przedziału zależą od wartości estymatora. 2017-03-28

Przedział ufności to losowy przedział, który z określonym prawdopodobieństwem określa wartość parametru. To inaczej przedział liczbowy, w którym znajduje się prawdziwa, lecz nieznana wartość parametru . Przedział (g1,g2) jest przedziałem ufności parametru , określonym na poziomie ufności 1-, jeżeli prawdopodobieństwo, że  leży w tym przedziale jest równe 1-. 2017-03-28

Poziom ufności 1 –  jest prawdopodobieństwem, że  leży w przedziale (g1,g2). Jeżeli  = 0,05, to 1-  =0,95 oznacza to, że średnio na każde 100 przedziałów ustalonych na 100 prób losowych, w 95 przypadkach prawdziwa wartość parametru  znajduje się wewnątrz przedziału, natomiast w 5 przypadkach znajduje się poza przedziałem. 2017-03-28

Przedział ufności dla średniej Stosowany wtedy, gdy mamy do czynienia z rozkładem normalnym (N(, )),  jest znane. u - wartość zmiennej standaryzowanej U (U=(X-)/) o normalnym rozkładzie 2017-03-28

Wartości krytyczne Wartości krytyczne są to takie wartości danej statystyki u, że prawdopodobieństwo, iż zmienna losowa przyjmie wartość większą od u lub mniejszą od u wynosi . 2017-03-28

Wartości krytyczne rozkładu normalnego  0,1 0,05 0,02 0,01 0,001 u 1,645 1,960 2,326 2,576 3,291 2017-03-28

Przedział ufności dla średniej Stosowany wtedy, gdy mamy do czynienia z rozkładem normalnym lub innym,  jest nieznane, próba duża > 30. u - wartość zmiennej standaryzowanej U (U=(X-)/) o normalnym rozkładzie 2017-03-28

Przykład Kontrolowano masę ciała 115 ślimaków winniczków. Średnia masa wyniosła 16,165 g, zaś odchylenie standardowe 6,103 g. Oszacuj 95% przedział ufności dla tej cechy. Nie znamy , nie znamy rozkładui, próba jest duża. 2017-03-28

Rozwiązanie Oszacowany przedział ufności to: (15,05; 17,28). 2017-03-28

Przedział ufności dla średniej 1 Stosowany wtedy, gdy mamy do czynienia z rozkładem normalnym, ale nie znamy  i próbie małej, tj. poniżej 30 elementów. (w mianowniku wzoru na odchylenie standardowe znajduje się „/n”). t - odczytujemy z tabeli testu t-Studenta dla liczby stopni swobody równej n-1 i odpowiedniego poziomu ufności. 2017-03-28

Rozkład t-Studenta Załóżmy, że jeżeli z populacji o jakimkolwiek rozkładzie ze średnią  i odchyleniem standardowym  pobieramy próby o dużej liczebności N, to rozkład średnich z tych prób będzie rozkładem normalnym o średniej  i odchyleniu 2017-03-28

Rozkład t-Studenta Jeżeli z populacji o rozkładzie normalnym pobieramy próby N - elementowe, to dla każdej próby możemy obliczyć statystykę t. 2017-03-28

Rozkład t-Studenta Wartości krytyczne są to takie wartości danej statystyki t, że prawdopodobieństwo, iż zmienna losowa przyjmie wartość większą od t lub mniejszą od t wynosi . 2017-03-28

Wartości krytyczne t 2017-03-28 Rozkład dwuśladowy =ROZKŁAD.T.ODW(a, st.swobody) st.swob. 0.5 0.1 0.05 0.02 0.01 0.001 1 1.000 6.314 12.706 31.821 63.657 636.619 2 0.816 2.920 4.303 6.965 9.925 31.599 3 0.765 2.353 3.182 4.541 5.841 12.924 4 0.741 2.132 2.776 3.747 4.604 8.610 5 0.727 2.015 2.571 3.365 4.032 6.869 6 0.718 1.943 2.447 3.143 3.707 5.959 7 0.711 1.895 2.365 2.998 3.499 5.408 8 0.706 1.860 2.306 2.896 3.355 5.041 9 0.703 1.833 2.262 2.821 3.250 4.781 10 0.700 1.812 2.228 2.764 3.169 4.587 11 0.697 1.796 2.201 2.718 3.106 4.437 12 0.695 1.782 2.179 2.681 3.055 4.318 13 0.694 1.771 2.160 2.650 3.012 4.221 14 0.692 1.761 2.145 2.624 2.977 4.140 15 0.691 1.753 2.131 2.602 2.947 4.073 2017-03-28

Przedział ufności dla średniej Stosowany wtedy, gdy mamy do czynienia z rozkładem normalnym, ale nie znamy  i próbie tj. poniżej 30 elementów. (w mianowniku wzoru na odchylenie standardowe znajduje się „/n-1”). t - odczytujemy z tabeli testu t-Studenta dla liczby stopni swobody równej n-1 i odpowiedniego poziomu ufności. 2017-03-28