5. Odhady parametrů. KGG/STG Zimní semestr

Podobné dokumenty
charakteristiky KGG/STG Zimní semestr Základní statistické charakteristiky, Teoretická rozdělení 1

6. Testování statistických hypotéz. KGG/STG Zimní semestr 6. Testování statistických hypotéz

KGG/STG Statistika pro geografy

Tomáš Karel LS 2012/2013

Statistika. Teorie odhadu statistická indukce. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .

STATISTICKÉ ZJIŠŤOVÁNÍ

1. (18 bod ) Náhodná veli ina X je po et rub p i 400 nezávislých hodech mincí. a) Pomocí ƒeby²evovy nerovnosti odhadn te pravd podobnost

Charakteristika datového souboru

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

na za átku se denuje náhodná veli ina

PSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D.

Statistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead

Testování statistických hypotéz. Obecný postup

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

ÚVOD DO TEORIE ODHADU. Martina Litschmannová

Pearsonůvχ 2 test dobré shody. Ing. Michal Dorda, Ph.D.

TESTOVÁNÍ HYPOTÉZ STATISTICKÁ HYPOTÉZA Statistické testy Testovací kritérium = B B > B < B B - B - B < 0 - B > 0 oboustranný test = B > B

Intervalové Odhady Parametrů II Testování Hypotéz

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

STATISTICKÉ ODHADY Odhady populačních charakteristik

Cvičení ze statistiky - 8. Filip Děchtěrenko

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

Pravděpodobnost a aplikovaná statistika

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

12. cvičení z PST. 20. prosince 2017

Testování statistických hypotéz

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára

15. T e s t o v á n í h y p o t é z

LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

Intervalové Odhady Parametrů

Regulační diagramy (RD)

Výběrové charakteristiky a jejich rozdělení

Definice spojité náhodné veličiny zjednodušená verze

4EK211 Základy ekonometrie

You created this PDF from an application that is not licensed to print to novapdf printer (

Testy. Pavel Provinský. 19. listopadu 2013

Cvi ení 7. Docházka a testík - 15 min. Distfun 10 min. Úloha 1

Úvod do problematiky měření

7. Analýza rozptylu.

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

STATISTICKÉ HYPOTÉZY

Zápočtová práce STATISTIKA I

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Normální (Gaussovo) rozdělení

Pravdepodobnosť. Rozdelenia pravdepodobnosti

Testování hypotéz testy o tvaru rozdělení. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

AVDAT Klasický lineární model, metoda nejmenších

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení

IDENTIFIKACE BIMODALITY V DATECH

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

6. ZÁKLADY STATIST. ODHADOVÁNÍ. Θ parametrický prostor. Dva základní způsoby odhadu neznámého vektoru parametrů bodový a intervalový.

Pravděpodobnost, náhoda, kostky

TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání

Aktualizace modelu vlastnosti materiálu. Stanovení vlastností materiálů

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Testování statistických hypotéz

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

Biostatistika Cvičení 7

Regresní analýza 1. Regresní analýza

Odhad parametrů N(µ, σ 2 )

Deskriptivní statistické metody II. Míry polohy Míry variability

Charakterizují kvantitativně vlastnosti předmětů a jevů.

Náhodné veličiny, náhodné chyby

Základy teorie odhadu parametrů bodový odhad

Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin

Odhad parametrů N(µ, σ 2 )

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

Manuál pro zaokrouhlování

Ing. Michael Rost, Ph.D.

11. cvičení z PSI prosince hodnota pozorovaná četnost n i p X (i) = q i (1 q), i N 0.

PRAVDĚPODOBNOST A STATISTIKA

Pravděpodobnost a matematická statistika

7. cvičení 4ST201. Úvod: bodový a intervalový odhad

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Základní statistické modely Statistické vyhodnocování exp. dat M. Čada ~ cada

y = 0, ,19716x.

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

= = 2368

Obecné, centrální a normované momenty

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci

Náhodné chyby přímých měření

Národní informační středisko pro podporu kvality

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

Normální (Gaussovo) rozdělení

Cvičení ze statistiky - 7. Filip Děchtěrenko

Transkript:

Základní soubor Výběr, výběrový (statistický) soubor Náhodný výběr

Princip Odhad neznámých parametrů základního souboru na základz kladě charakteristik výběru. Přecházíme z části na celek, zevšeobec eobecňujeme závěry (statistická indukce).

Princip Neznámé charakteristiky základnz kladního souboru odhadujeme pomocí příslušných výběrových charakteristik s určitou přesnostp esností a spolehlivostí. Přesnost odhadu dané charakteristiky je určena násobkem středn ední výběrov rové chyby, kterou je směrodatn rodatná odchylka příslup slušné charakteristiky ze všech teoreticky možných. Spolehlivost odhadu je dána d pravděpodobnost podobností,, se kterou je možné určitý odhad považovat ovat za správný.

Princip Určen ení přesnosti a spolehlivosti odhadu předpokládá znalost rozdělen lení výběrových charakteristik. Rozlišujeme výběry s malým a velkým rozsahem (hranice n = 30). U velkých výběrů se výběrov rové rozdělen lení aproximuje většinou v normáln lním rozdělen lením.

Princip Reprezentativnost výběru dosahujeme nejčast astěji náhodným výběrem. Náhodný výběr r s opakováním x bez opakování

Výběr x základní soubor a i µ σ - i-tý prvek základnz kladního souboru - aritmetický průměr r základnz kladního souboru - směrodatn rodatná odchylka základnz kladního souboru

Výběr x základní soubor x i x s - i-tý výběrový prvek - výběrový aritmetický průměr - výběrov rová směrodatn rodatná odchylka

Výběr x základní soubor Průměr r výběrových průměrů µ X 1 r = r i= 1 x i

Výběr x základní soubor Směrodatn rodatná odchylka výběrových průměrů σ x = r i= 1 ( x ) 2 i µ x r

Bodové odhady µ σ

Bodové odhady Pro bodový odhad směrodatn rodatné odchylky platí: n 1 ( ) 2 σ = x x n 1 i i= 1

Bodové odhady n 1 σ = ( x x) 2 n 1 i i= 1 Bodový odhad směrodatn rodatné odchylky Směrodatn rodatná odchylka n 1 s = ( x x) 2 i n i = 1

Bodové odhady Pro bodový odhad směrodatn rodatné odchylky výběrových průměrů platí : σ = x σ n σ s σ = x n = n 1

Bodové odhady Bodový odhad aritmetického průměru: ru: µ 1 n = n i= 1 x i

Bodové odhady Dohromady: Charakteristiky základnz kladního souboru jsme odhadovali pomocí jedné hodnoty.

Intervalové odhady Princip: Určujeme interval, v němžn bude ležet et parametr.

Z teorie normáln lního rozdělen lení: V intervalu: µ ± σ µ ± 2σ µ ± 3σ leží 68,28 % všech hodnot leží 95,45 % všech hodnot leží 99,73 % všech hodnot

Z teorie normáln lního rozdělen lení: Naopak: 95 % hodnot odpovídá intervalu µ ± 1,65σ 99 % hodnot odpovídá intervalu µ ± 2,58σ

Intervaly, meze spolehlivosti µ ± σ µ ± 2σ µ ± 3σ

Intervaly, meze spolehlivosti Kritický obor Oblast zamítnut tnutí

Nejčast astěji používan vané intervaly spolehlivosti Násobky směrodatné odchylky Přijetí Předem určená oblast Zamítnutí ±1,960 95 % 5 % ±2,576 99 % 1 % ±3,291 99,9 % 0,1%

Intervalové odhady velké rozsahy výběru Předpoklad: Rozdělen lení výběrových průměrů lze považovat ovat za normáln lní. µ σ µ x x x 2,576. x + 2,576. σ x

Intervalové odhady velké rozsahy výběru Nahradíme me-li násobek n směrodatn rodatné odchylky hodnotou u p, kde index p vyjadřuje pravděpodobnost, podobnost, s nížn náhodná veličina ina překrop ekročí kritickou hodnotu 0,01 =±2,576, dostaneme : u 0,01 µ u σ µ x u. x +. σ p x x p x

Intervalové odhady velké rozsahy výběru Po dosazení: u σ µ µ u. x +. p n p σ n

Intervalové odhady velké rozsahy výběru Řešením m předchozp edchozí nerovnosti dostaneme: x u σ µ u. x +. p n p σ n

Intervalové odhady velké rozsahy výběru Protože e hodnotu směrodatn rodatné odchylky obvykle neznáme, nahradíme ji jejím m odhadem a pracujeme s výběrovými charakteristikami. Dostaneme: s s x u. µ x + u. p p n 1 n 1

Intervalové odhady velké rozsahy výběru x s s u. µ x + u. p n 1 p n 1 Tento interval se nazývá INTERVAL SPOLEHLIVOSTI

Intervalové odhady malé rozsahy výběru Kritické hodnoty normáln lního rozdělen lení nahradíme kritickými hodnotami t rozdělen lení: x s s t. µ x + t. p n 1 p n 1

Intervalový odhad parametru σ Odhadujeme pomocí σ 2

Intervalový odhad parametru σ Předpoklad: Odhadovaná veličina ina mám rozdělen lení chí kvadrát s n-1 stupni volnosti. χ 2 1 0,5 p 2 ns 2 σ 2 0,5 p 2 ns σ 2 Výrazy na levých stranách jsou kritické hodnoty náhodné veličiny chí kvadrát s n-1 stupni volnosti. χ

Intervalový odhad parametru σ Po vyjádřen ení dostaneme: ns χ 2 2 2 ns σ 2 χ 2 0,5 p 1 0,5 p

Příklad: Stanovit intervalový odhad průměru ru a směrodatn rodatné odchylky základnz kladního souboru pro 95% a 99% interval spolehlivosti. Výběrový soubor průměrn rné roční teploty v letech 1771 1970. x = = 9,42 C s = 0,92 C

x s s u. µ x + u. p n 1 p n 1 ns 2 2 2 ns σ χ 2 χ 2 0,5 p 1 0,5 p