Documente Academic
Documente Profesional
Documente Cultură
Statistica
1
Variabile de selecie t Funcia frecvenelor cumulate t t Valori caracteristice Reprezentari grace Exemple Teoria estimaiei t Metoda momentelor t Metoda verosimilitaii maxime Intervale de ncredere Intervale de ncredere pentru medie. Intervale de incredere pentru dispersie Teste de concordana t
Statistica
Selecii t
Colectivitatea statistica este o multime de obiecte (indivizi) la care se studiaza o caracteristica ce poate evaluata numeric. Aceasta marime supusa ntmplarii este o variabila aleatoare notata X pe care o vom numi variabila teoretica. Selecia (e antion, sondaj) este o colectivitate pariala. t s t Numarul de elemente ale seleciei se nume te volumul t s seleciei. t Selecia repetata ( cu repunere) presupune repunerea ecarui t individ in colectivitate, nainte de extragerea urmatorului; selecia nerepetata in caz contrar. t
Statistica
Selecii t
Colectivitatea statistica este o multime de obiecte (indivizi) la care se studiaza o caracteristica ce poate evaluata numeric. Aceasta marime supusa ntmplarii este o variabila aleatoare notata X pe care o vom numi variabila teoretica. Selecia (e antion, sondaj) este o colectivitate pariala. t s t Numarul de elemente ale seleciei se nume te volumul t s seleciei. t Selecia repetata ( cu repunere) presupune repunerea ecarui t individ in colectivitate, nainte de extragerea urmatorului; selecia nerepetata in caz contrar. t
Statistica
Selecii t
Colectivitatea statistica este o multime de obiecte (indivizi) la care se studiaza o caracteristica ce poate evaluata numeric. Aceasta marime supusa ntmplarii este o variabila aleatoare notata X pe care o vom numi variabila teoretica. Selecia (e antion, sondaj) este o colectivitate pariala. t s t Numarul de elemente ale seleciei se nume te volumul t s seleciei. t Selecia repetata ( cu repunere) presupune repunerea ecarui t individ in colectivitate, nainte de extragerea urmatorului; selecia nerepetata in caz contrar. t
Statistica
Selecii t
Colectivitatea statistica este o multime de obiecte (indivizi) la care se studiaza o caracteristica ce poate evaluata numeric. Aceasta marime supusa ntmplarii este o variabila aleatoare notata X pe care o vom numi variabila teoretica. Selecia (e antion, sondaj) este o colectivitate pariala. t s t Numarul de elemente ale seleciei se nume te volumul t s seleciei. t Selecia repetata ( cu repunere) presupune repunerea ecarui t individ in colectivitate, nainte de extragerea urmatorului; selecia nerepetata in caz contrar. t
Statistica
Serii statistice
Mulimea datelor de selecie t t x1 , x2 , x3 , , xn formeaza o serie statistica. Acestor date li se asociaza variabilele aleatoare, notate Xi , cu acea i repartiie data de variabila aleatoare teoretica. s t Daca selecia este repetata atunci variabilele asociate sunt t independente. Rezultatele experientelor sunt considerate ca repetate, deci variabilele Xi sunt independente si presupuse cu aceea i repartiie. s t
Statistica
Serii statistice
Mulimea datelor de selecie t t x1 , x2 , x3 , , xn formeaza o serie statistica. Acestor date li se asociaza variabilele aleatoare, notate Xi , cu acea i repartiie data de variabila aleatoare teoretica. s t Daca selecia este repetata atunci variabilele asociate sunt t independente. Rezultatele experientelor sunt considerate ca repetate, deci variabilele Xi sunt independente si presupuse cu aceea i repartiie. s t
Statistica
Serii statistice
Mulimea datelor de selecie t t x1 , x2 , x3 , , xn formeaza o serie statistica. Acestor date li se asociaza variabilele aleatoare, notate Xi , cu acea i repartiie data de variabila aleatoare teoretica. s t Daca selecia este repetata atunci variabilele asociate sunt t independente. Rezultatele experientelor sunt considerate ca repetate, deci variabilele Xi sunt independente si presupuse cu aceea i repartiie. s t
Statistica
Frecvene t
Fie k numarul datelor distincte ale seleciei. Notam cu ni t frecvena absoluta a datei t
k
xi , i = 1, k (n =
i=1
ni ).
fi = 1)
i=1
Statistica
Frecvene t
Fie k numarul datelor distincte ale seleciei. Notam cu ni t frecvena absoluta a datei t
k
xi , i = 1, k (n =
i=1
ni ).
fi = 1)
i=1
Statistica
Aceasta se mai nume te variabila simpla. s Daca volumul seleciei este mare se aleg k intervale t (l0 , l1 ], (l1 , l2 ], , (lk 1 , lk ] n care se repartizeaza datele. Fie li + li1 , i = 1, , k (2) 2 iar frecvena relativa este numarul de date cuprinse n interval. t xi =
Statistica
Aceasta se mai nume te variabila simpla. s Daca volumul seleciei este mare se aleg k intervale t (l0 , l1 ], (l1 , l2 ], , (lk 1 , lk ] n care se repartizeaza datele. Fie li + li1 , i = 1, , k (2) 2 iar frecvena relativa este numarul de date cuprinse n interval. t xi =
Statistica
Aceasta se mai nume te variabila simpla. s Daca volumul seleciei este mare se aleg k intervale t (l0 , l1 ], (l1 , l2 ], , (lk 1 , lk ] n care se repartizeaza datele. Fie li + li1 , i = 1, , k (2) 2 iar frecvena relativa este numarul de date cuprinse n interval. t xi =
Statistica
Aceasta se mai nume te variabila simpla. s Daca volumul seleciei este mare se aleg k intervale t (l0 , l1 ], (l1 , l2 ], , (lk 1 , lk ] n care se repartizeaza datele. Fie li + li1 , i = 1, , k (2) 2 iar frecvena relativa este numarul de date cuprinse n interval. t xi =
Statistica
Expresia funciei frecvenelor cumulate (1) este t t 0, x < x1 ... i fj , xi1 x < xi , i = 2, . . . k . Fs (x) = j=1 ... 1, x xk
(3)
Statistica
Expresia funciei frecvenelor cumulate (1) este t t 0, x < x1 ... i fj , xi1 x < xi , i = 2, . . . k . Fs (x) = j=1 ... 1, x xk
(3)
Statistica
Funcia frecvenelor cumulate ata ata repartiiei (1) unde t t s t valorile variabilei sunt date de (2) este 0, ... i j=1 ... 1, x < l0 fj + x li fi+1 , li x < li+1 , i = 1, 2, . . . k 1. li+1 li x lk (4)
F (x) =
Statistica
Valori caracteristice
Parametrii tendinei centrale t media moda mediana t Parametrii variabilitaii: dispersia de selecie t asimetria excesul
Statistica
Valori caracteristice
Parametrii tendinei centrale t media moda mediana t Parametrii variabilitaii: dispersia de selecie t asimetria excesul
Statistica
Valori caracteristice
Parametrii tendinei centrale t media moda mediana t Parametrii variabilitaii: dispersia de selecie t asimetria excesul
Statistica
Valori caracteristice
Parametrii tendinei centrale t media moda mediana t Parametrii variabilitaii: dispersia de selecie t asimetria excesul
Statistica
Valori caracteristice
Parametrii tendinei centrale t media moda mediana t Parametrii variabilitaii: dispersia de selecie t asimetria excesul
Statistica
Valori caracteristice
Parametrii tendinei centrale t media moda mediana t Parametrii variabilitaii: dispersia de selecie t asimetria excesul
Statistica
Valori caracteristice
Parametrii tendinei centrale t media moda mediana t Parametrii variabilitaii: dispersia de selecie t asimetria excesul
Statistica
Momente statistice
Momentul iniial de selecie de ordinul r t t
r mr = M[Xs ] =
1 n
ni xir =
i=1 i=1
fi xir
(5)
ni xi =
i=1 i=1
fi xi
(6)
Mediana mparte volumul de selecie n doua pari egale. Se t t obi nuie te s s me = xk +1 n = 2k + 1 . xk sau xk +1 n = 2k (7)
Momente statistice
Momentul iniial de selecie de ordinul r t t
r mr = M[Xs ] =
1 n
ni xir =
i=1 i=1
fi xir
(5)
ni xi =
i=1 i=1
fi xi
(6)
Mediana mparte volumul de selecie n doua pari egale. Se t t obi nuie te s s me = xk +1 n = 2k + 1 . xk sau xk +1 n = 2k (7)
Momente statistice
Momentul iniial de selecie de ordinul r t t
r mr = M[Xs ] =
1 n
ni xir =
i=1 i=1
fi xir
(5)
ni xi =
i=1 i=1
fi xi
(6)
Mediana mparte volumul de selecie n doua pari egale. Se t t obi nuie te s s me = xk +1 n = 2k + 1 . xk sau xk +1 n = 2k (7)
Momente statistice
Momentul iniial de selecie de ordinul r t t
r mr = M[Xs ] =
1 n
ni xir =
i=1 i=1
fi xir
(5)
ni xi =
i=1 i=1
fi xi
(6)
Mediana mparte volumul de selecie n doua pari egale. Se t t obi nuie te s s me = xk +1 n = 2k + 1 . xk sau xk +1 n = 2k (7)
Dispersia
Momentul centrat de selecie de ordin r este t 1 r = M[(Xs M[Xs ]) ] = n
r k k
ni (xi x) =
i=1 i=1
ni (xi x) =
i=1 i=1
fi (xi x)2
(9)
ni (xi x)2
i=1
Statistica
(10)
Dispersia
Momentul centrat de selecie de ordin r este t 1 r = M[(Xs M[Xs ]) ] = n
r k k
ni (xi x) =
i=1 i=1
ni (xi x) =
i=1 i=1
fi (xi x)2
(9)
ni (xi x)2
i=1
Statistica
(10)
Dispersia
Momentul centrat de selecie de ordin r este t 1 r = M[(Xs M[Xs ]) ] = n
r k k
ni (xi x) =
i=1 i=1
ni (xi x) =
i=1 i=1
fi (xi x)2
(9)
ni (xi x)2
i=1
Statistica
(10)
Statistica
Exces; asimetrie
Excesul este dat de formula E= 4 3. s4 (12)
- Daca E > 0 poligonul frecvenelor este mai ascuit dect cel t t corespunzator repartiiei normale. t - Daca E < 0, curba este mai turtita dect cea normala. - Daca E = 0 curba poate considerata normaa. Asimetria este data de 3 . s3 - Daca A > 0 repartiia are asimetrie pozitiva. t - Daca A < 0 repartiia are asimetrie negativa. t A=
Statistica
(13)
Exces; asimetrie
Excesul este dat de formula E= 4 3. s4 (12)
- Daca E > 0 poligonul frecvenelor este mai ascuit dect cel t t corespunzator repartiiei normale. t - Daca E < 0, curba este mai turtita dect cea normala. - Daca E = 0 curba poate considerata normaa. Asimetria este data de 3 . s3 - Daca A > 0 repartiia are asimetrie pozitiva. t - Daca A < 0 repartiia are asimetrie negativa. t A=
Statistica
(13)
Exces; asimetrie
Excesul este dat de formula E= 4 3. s4 (12)
- Daca E > 0 poligonul frecvenelor este mai ascuit dect cel t t corespunzator repartiiei normale. t - Daca E < 0, curba este mai turtita dect cea normala. - Daca E = 0 curba poate considerata normaa. Asimetria este data de 3 . s3 - Daca A > 0 repartiia are asimetrie pozitiva. t - Daca A < 0 repartiia are asimetrie negativa. t A=
Statistica
(13)
Exces; asimetrie
Excesul este dat de formula E= 4 3. s4 (12)
- Daca E > 0 poligonul frecvenelor este mai ascuit dect cel t t corespunzator repartiiei normale. t - Daca E < 0, curba este mai turtita dect cea normala. - Daca E = 0 curba poate considerata normaa. Asimetria este data de 3 . s3 - Daca A > 0 repartiia are asimetrie pozitiva. t - Daca A < 0 repartiia are asimetrie negativa. t A=
Statistica
(13)
Reprezentari grace
- Reprezentarea n batoane se folose te daca variabila este s data sub forma (1). - Histograma se folose te atunci cnd valorile se grupeaza n s date.
Statistica
Reprezentari grace
- Reprezentarea n batoane se folose te daca variabila este s data sub forma (1). - Histograma se folose te atunci cnd valorile se grupeaza n s date.
Statistica
Exemplu
La un examen 200 de studeni au obinut urmatoarele note: t t Nota 1 2 3 4 5 6 7 8 9 Numar de studenti 1 7 15 18 24 50 35 30 17 t Determinai variabila aleatoare de selecie cu reprezentare t t graca n batoane, funcia de repartiie de selecie cu t t t reprezentare graca, asimetria si excesul. Variabila aleatoare asociata este 1 2 3 4 5 6 1/200 7/200 15/200 18/200 24/200 50/200 7 8 9 10 35/200 30/200 17/200 3/200
Statistica
10 3
Xs =
Exemplu
La un examen 200 de studeni au obinut urmatoarele note: t t Nota 1 2 3 4 5 6 7 8 9 Numar de studenti 1 7 15 18 24 50 35 30 17 t Determinai variabila aleatoare de selecie cu reprezentare t t graca n batoane, funcia de repartiie de selecie cu t t t reprezentare graca, asimetria si excesul. Variabila aleatoare asociata este 1 2 3 4 5 6 1/200 7/200 15/200 18/200 24/200 50/200 7 8 9 10 35/200 30/200 17/200 3/200
Statistica
10 3
Xs =
Valorile caracteristice sunt x = 6, 1, s2 = 2, 91, 3 = 2, 23, 4 = 33, 75, E = 0, 98, A = 0, 4. Determinam expresia analitica a funciei de repartiie. t t 0 x <1 1/200 1 x2 8/200 2x <3 23/200 3 x < 4 41/200 4 x < 5 65/200 5 x < 6 Fs (x) = 115/200 6 x < 7 150/200 7 x < 8 180/200 8 x < 9 197/200 0 x < 10 1 x 10
Statistica
Exemplu
O caracteristica numerica este masurata printr-o metoda de precizie. Abaterile de la valoarea nominala sunt 1, 75/1, 1/1, 3/ 0, 2/ 1, 7/ 0, 75/0, 77/0, 9/ 0, 8/ 0, 9/ 0/0, 3/ 0, 3/ 0, 4/0, 4/ 0, 3/0, 1/0, 75/0, 8/1, 2 1, 7/0, 9/1/ 0, 6/ 1, 4/ 1/1, 6/1, 8/0, 25/0, 3/. t Formai variabila de selecie prin mparirea datelor n 5 clase t t (2, 5; 1, 5], (1, 5; 0, 5], (0, 5; 0, 5], (0, 5; 1, 5], (1, 5; 2, 5]. si reprezentai histograma. Calculai media, mediana, dispersia t t de selecie, momentele centrate de ordin 3 si 4, asimetria si t excesul. Reprezentai funcia frecvenelor cumulate. t t t
Statistica
Exemplu
O caracteristica numerica este masurata printr-o metoda de precizie. Abaterile de la valoarea nominala sunt 1, 75/1, 1/1, 3/ 0, 2/ 1, 7/ 0, 75/0, 77/0, 9/ 0, 8/ 0, 9/ 0/0, 3/ 0, 3/ 0, 4/0, 4/ 0, 3/0, 1/0, 75/0, 8/1, 2 1, 7/0, 9/1/ 0, 6/ 1, 4/ 1/1, 6/1, 8/0, 25/0, 3/. t Formai variabila de selecie prin mparirea datelor n 5 clase t t (2, 5; 1, 5], (1, 5; 0, 5], (0, 5; 0, 5], (0, 5; 1, 5], (1, 5; 2, 5]. si reprezentai histograma. Calculai media, mediana, dispersia t t de selecie, momentele centrate de ordin 3 si 4, asimetria si t excesul. Reprezentai funcia frecvenelor cumulate. t t t
Statistica
Obinem urmatoarele valori t 2 = 1, 02, x = 0, 1, s 3 = 0, 39, 4 = 2, 31 Pentru funcia frecvenelor cumulate folosim formula (4). t t x < 2, 5 0 (x + 2, 5)2/30 2, 5 x < 1, 5 2/30 + (x + 1.5)7/30 1, 5 x < 0, 5 9/30 + (x + 0, 5)10/30 0, 5 x < 0, 5 Fs (x) = 19/30 + (x 0, 5)8/30 0, 5 x < 1, 5 27/30 + (x 1, 5)3/30 1, 5 x < 2, 5 1 x 2, 5
Statistica
Obinem urmatoarele valori t 2 = 1, 02, x = 0, 1, s 3 = 0, 39, 4 = 2, 31 Pentru funcia frecvenelor cumulate folosim formula (4). t t x < 2, 5 0 (x + 2, 5)2/30 2, 5 x < 1, 5 2/30 + (x + 1.5)7/30 1, 5 x < 0, 5 9/30 + (x + 0, 5)10/30 0, 5 x < 0, 5 Fs (x) = 19/30 + (x 0, 5)8/30 0, 5 x < 1, 5 27/30 + (x 1, 5)3/30 1, 5 x < 2, 5 1 x 2, 5
Statistica
Obinem urmatoarele valori t 2 = 1, 02, x = 0, 1, s 3 = 0, 39, 4 = 2, 31 Pentru funcia frecvenelor cumulate folosim formula (4). t t x < 2, 5 0 (x + 2, 5)2/30 2, 5 x < 1, 5 2/30 + (x + 1.5)7/30 1, 5 x < 0, 5 9/30 + (x + 0, 5)10/30 0, 5 x < 0, 5 Fs (x) = 19/30 + (x 0, 5)8/30 0, 5 x < 1, 5 27/30 + (x 1, 5)3/30 1, 5 x < 2, 5 1 x 2, 5
Statistica
Estimari
Fie x1 , x2 , , xn o selecie repetata; o funcie t t = (x1 , x2 , , xn ) se nume te funcie de selecie sau s t t statistica. Presupunem ca variabila aleatoare teoretica are repartiie t cunoscuta, dar depinde de un parametru necunoscut, pe care l notam . Aproximarea = (x1 , x2 , , xn ) (14) se nume te estimare punctuala. s Estimarea este absolut corecta daca au loc condiiile t M[(x1 , x2 , , xn )] = D 2 [(x1 , x2 , , xn )] 0, n .
Statistica
(15) (16)
Estimari
Fie x1 , x2 , , xn o selecie repetata; o funcie t t = (x1 , x2 , , xn ) se nume te funcie de selecie sau s t t statistica. Presupunem ca variabila aleatoare teoretica are repartiie t cunoscuta, dar depinde de un parametru necunoscut, pe care l notam . Aproximarea = (x1 , x2 , , xn ) (14) se nume te estimare punctuala. s Estimarea este absolut corecta daca au loc condiiile t M[(x1 , x2 , , xn )] = D 2 [(x1 , x2 , , xn )] 0, n .
Statistica
(15) (16)
Estimari
Fie x1 , x2 , , xn o selecie repetata; o funcie t t = (x1 , x2 , , xn ) se nume te funcie de selecie sau s t t statistica. Presupunem ca variabila aleatoare teoretica are repartiie t cunoscuta, dar depinde de un parametru necunoscut, pe care l notam . Aproximarea = (x1 , x2 , , xn ) (14) se nume te estimare punctuala. s Estimarea este absolut corecta daca au loc condiiile t M[(x1 , x2 , , xn )] = D 2 [(x1 , x2 , , xn )] 0, n .
Statistica
(15) (16)
Estimari
Fie x1 , x2 , , xn o selecie repetata; o funcie t t = (x1 , x2 , , xn ) se nume te funcie de selecie sau s t t statistica. Presupunem ca variabila aleatoare teoretica are repartiie t cunoscuta, dar depinde de un parametru necunoscut, pe care l notam . Aproximarea = (x1 , x2 , , xn ) (14) se nume te estimare punctuala. s Estimarea este absolut corecta daca au loc condiiile t M[(x1 , x2 , , xn )] = D 2 [(x1 , x2 , , xn )] 0, n .
Statistica
(15) (16)
Metoda momentelor
Daca variabila aleatoare are densitatea de probabilitate f (x, 1 , , s ) cu 1 , , s parametrii necunoscui, facem selecia repetata t t x1 , x2 , , xn . Fie Xs variabila de selecie. t Soluia sistemului t
r M[X r ] = M[Xs ], r = 1, , s
(17)
Statistica
Metoda momentelor
Daca variabila aleatoare are densitatea de probabilitate f (x, 1 , , s ) cu 1 , , s parametrii necunoscui, facem selecia repetata t t x1 , x2 , , xn . Fie Xs variabila de selecie. t Soluia sistemului t
r M[X r ] = M[Xs ], r = 1, , s
(17)
Statistica
Metoda momentelor
Daca variabila aleatoare are densitatea de probabilitate f (x, 1 , , s ) cu 1 , , s parametrii necunoscui, facem selecia repetata t t x1 , x2 , , xn . Fie Xs variabila de selecie. t Soluia sistemului t
r M[X r ] = M[Xs ], r = 1, , s
(17)
Statistica
Exemplu
Estimai parametrii variabilei uniform distribuite pe intervalul t (a, b) folosind statistica 3,1; 0,2; 1,6; 5,2; 2,1. Stim ca media teoretica a variabilei X este M(X ) = iar momentul iniial de ordin 2 t M(X 2 ) = a2 + ab + b2 . 3 a+b 2
Statistica
Exemplu
Estimai parametrii variabilei uniform distribuite pe intervalul t (a, b) folosind statistica 3,1; 0,2; 1,6; 5,2; 2,1. Stim ca media teoretica a variabilei X este M(X ) = iar momentul iniial de ordin 2 t M(X 2 ) = a2 + ab + b2 . 3 a+b 2
Statistica
Exemplu
Estimai parametrii variabilei uniform distribuite pe intervalul t (a, b) folosind statistica 3,1; 0,2; 1,6; 5,2; 2,1. Stim ca media teoretica a variabilei X este M(X ) = iar momentul iniial de ordin 2 t M(X 2 ) = a2 + ab + b2 . 3 a+b 2
Statistica
Statistica
Daca variabila aleatoare are densitatea de probabilitate f (x, 1 , , s ), cu i parametri necunoscui, t facem selecia repetata x1 , x2 , , xn t si e Xs variabila de selecie. t Funcia de verosimilitate este data de t V (x1 , , xn , 1 , , s ) = f (x1 , 1 , , s ). f (xn , 1 , , s )). (18)
Statistica
Daca variabila aleatoare are densitatea de probabilitate f (x, 1 , , s ), cu i parametri necunoscui, t facem selecia repetata x1 , x2 , , xn t si e Xs variabila de selecie. t Funcia de verosimilitate este data de t V (x1 , , xn , 1 , , s ) = f (x1 , 1 , , s ). f (xn , 1 , , s )). (18)
Statistica
Daca variabila aleatoare are densitatea de probabilitate f (x, 1 , , s ), cu i parametri necunoscui, t facem selecia repetata x1 , x2 , , xn t si e Xs variabila de selecie. t Funcia de verosimilitate este data de t V (x1 , , xn , 1 , , s ) = f (x1 , 1 , , s ). f (xn , 1 , , s )). (18)
Statistica
Daca variabila aleatoare are densitatea de probabilitate f (x, 1 , , s ), cu i parametri necunoscui, t facem selecia repetata x1 , x2 , , xn t si e Xs variabila de selecie. t Funcia de verosimilitate este data de t V (x1 , , xn , 1 , , s ) = f (x1 , 1 , , s ). f (xn , 1 , , s )). (18)
Statistica
O estimare este data de soluia care maximizeaza sistemul, t adica soluia sistemului t ln V (x1 , , xn , 1 , , s ) = 0, i = 1, , s i pentru care matricea ln V (x1 , , xn , 1 , , s ) i j este negativ denita. , i, j = 1, , s (19)
Statistica
Sa estimam m, daca variabila aleatoare X este repartizata normal N(m, 2 ). Funcia de verosimilitate este, daca presupunem cunoscut t
n
V (m, x1 , , xn ) =
i=1
1 2
(xi m)2 2 2
ln V =
1 2 2
n i=1
Sa estimam m, daca variabila aleatoare X este repartizata normal N(m, 2 ). Funcia de verosimilitate este, daca presupunem cunoscut t
n
V (m, x1 , , xn ) =
i=1
1 2
(xi m)2 2 2
ln V =
1 2 2
n i=1
Sa estimam m, daca variabila aleatoare X este repartizata normal N(m, 2 ). Funcia de verosimilitate este, daca presupunem cunoscut t
n
V (m, x1 , , xn ) =
i=1
1 2
(xi m)2 2 2
ln V =
1 2 2
n i=1
Observaii t
ntr-o selecie repetata media de selecie x si dispersia t t modicata sunt estimari absolut corecte ale mediei si dispersiei teoretice.
Statistica
Intervale de ncredere
Variabila teoretica este presupusa cunoscuta, dar expresia ei depinde de parametrul necunoscut. Data statistica x1 , x2 , , xn consideram doua funcii de selecie t t 1 (x1 , x2 , , xn ) si 2 (x1 , x2 , , xn ) ce satisfac condiia t 1 (x1 , x2 , , xn ) 2 (x1 , x2 , , xn ). Deniia t Daca P (1 (x1 , x2 , , xn ) < < 2 (x1 , x2 , , xn )) = , (0, 1) spunem ca intervalul (1 (x1 , x2 , , xn ), 1 (x1 , x2 , , xn )) este interval de incredere pentru cu nivelul de ncredere .
Statistica
Intervale de ncredere
Variabila teoretica este presupusa cunoscuta, dar expresia ei depinde de parametrul necunoscut. Data statistica x1 , x2 , , xn consideram doua funcii de selecie t t 1 (x1 , x2 , , xn ) si 2 (x1 , x2 , , xn ) ce satisfac condiia t 1 (x1 , x2 , , xn ) 2 (x1 , x2 , , xn ). Deniia t Daca P (1 (x1 , x2 , , xn ) < < 2 (x1 , x2 , , xn )) = , (0, 1) spunem ca intervalul (1 (x1 , x2 , , xn ), 1 (x1 , x2 , , xn )) este interval de incredere pentru cu nivelul de ncredere .
Statistica
Intervale de ncredere
Variabila teoretica este presupusa cunoscuta, dar expresia ei depinde de parametrul necunoscut. Data statistica x1 , x2 , , xn consideram doua funcii de selecie t t 1 (x1 , x2 , , xn ) si 2 (x1 , x2 , , xn ) ce satisfac condiia t 1 (x1 , x2 , , xn ) 2 (x1 , x2 , , xn ). Deniia t Daca P (1 (x1 , x2 , , xn ) < < 2 (x1 , x2 , , xn )) = , (0, 1) spunem ca intervalul (1 (x1 , x2 , , xn ), 1 (x1 , x2 , , xn )) este interval de incredere pentru cu nivelul de ncredere .
Statistica
X m
n
< t
= .
Statistica
X m
n
< t
= .
Statistica
X m
n
< t
= .
Statistica
X m
n
< t
= .
Statistica
Condiia revine la t 2(t ) = . Din tabelele funcie Laplace determinam t , iar intervalul de t ncredere este X t < m < X + t . n n (21) (20)
Statistica
Condiia revine la t 2(t ) = . Din tabelele funcie Laplace determinam t , iar intervalul de t ncredere este X t < m < X + t . n n (21) (20)
Statistica
Variabila X este oarecare, dar n > 30. Din teorema limita centrala, intervalul se determina cu acelea i condiii (20) si (21). s t
Statistica
< t
= .
Statistica
< t
= .
Statistica
< t
= .
Statistica
< t
= .
Statistica
< t
= .
Statistica
Cu t determinat din tabelele legii Student, obinem intervalul t s s X t < m < X + t . n n (22)
Statistica
Statistica
Statistica
Statistica
Statistica
Exemplu
Se masoara capacitatea a 20 de condensatori si se obin t datele, masurate n picofarazi:
4, 4/4, 31/ 4, 4/ 4, 4/ 4, 65/ 4, 56/ 4, 71/ 4, 54/ 4, 36/ 4, 56/ 4, 31/ 4, 42/ 4, 6/ 4, 35/ 4, 5/ 4, 4/ 4, 43/ 4, 48/ 4, 42/ 4, 45. Presupunnd ca X , capacitatea este repartizata normal N(m, 0, 09) sa determinam un interval de ncredere pentru medie cu nivelul 0,99. Calculam x = 4, 4625, (s )2 = 0, 01221. Din condiia 2(t ) = 0, 99 obinem t = 1, 96 si intervalul de t t ncredere 4, 331 < m < 4, 5940.
Statistica
Exemplu
Se masoara capacitatea a 20 de condensatori si se obin t datele, masurate n picofarazi:
4, 4/4, 31/ 4, 4/ 4, 4/ 4, 65/ 4, 56/ 4, 71/ 4, 54/ 4, 36/ 4, 56/ 4, 31/ 4, 42/ 4, 6/ 4, 35/ 4, 5/ 4, 4/ 4, 43/ 4, 48/ 4, 42/ 4, 45. Presupunnd ca X , capacitatea este repartizata normal N(m, 0, 09) sa determinam un interval de ncredere pentru medie cu nivelul 0,99. Calculam x = 4, 4625, (s )2 = 0, 01221. Din condiia 2(t ) = 0, 99 obinem t = 1, 96 si intervalul de t t ncredere 4, 331 < m < 4, 5940.
Statistica
Exemplu
Se masoara capacitatea a 20 de condensatori si se obin t datele, masurate n picofarazi:
4, 4/4, 31/ 4, 4/ 4, 4/ 4, 65/ 4, 56/ 4, 71/ 4, 54/ 4, 36/ 4, 56/ 4, 31/ 4, 42/ 4, 6/ 4, 35/ 4, 5/ 4, 4/ 4, 43/ 4, 48/ 4, 42/ 4, 45. Presupunnd ca X , capacitatea este repartizata normal N(m, 0, 09) sa determinam un interval de ncredere pentru medie cu nivelul 0,99. Calculam x = 4, 4625, (s )2 = 0, 01221. Din condiia 2(t ) = 0, 99 obinem t = 1, 96 si intervalul de t t ncredere 4, 331 < m < 4, 5940.
Statistica
Exemplu
Se masoara capacitatea a 20 de condensatori si se obin t datele, masurate n picofarazi:
4, 4/4, 31/ 4, 4/ 4, 4/ 4, 65/ 4, 56/ 4, 71/ 4, 54/ 4, 36/ 4, 56/ 4, 31/ 4, 42/ 4, 6/ 4, 35/ 4, 5/ 4, 4/ 4, 43/ 4, 48/ 4, 42/ 4, 45. Presupunnd ca X , capacitatea este repartizata normal N(m, 0, 09) sa determinam un interval de ncredere pentru medie cu nivelul 0,99. Calculam x = 4, 4625, (s )2 = 0, 01221. Din condiia 2(t ) = 0, 99 obinem t = 1, 96 si intervalul de t t ncredere 4, 331 < m < 4, 5940.
Statistica
Statistica
Statistica
Statistica
Punem condiiile t ns2 1+ > 2 ) = 1 2 2 2 P( ns > 2 ) = 1 2 2 2 P( Intervalul de ncredere are forma ns2 ns2 < 2 < 2 . 2 1 2 (24)
(23)
Statistica
Punem condiiile t ns2 1+ > 2 ) = 1 2 2 2 P( ns > 2 ) = 1 2 2 2 P( Intervalul de ncredere are forma ns2 ns2 < 2 < 2 . 2 1 2 (24)
(23)
Statistica
Variabila teoretica X cu repartiie cunoscuta are funcia de t t repartiie notata F necunoscuta. t Facem o selecie repetata x1 , , xn si e Fs funcia de t t repartiie de selecie. Vericam ipoteza t t (H0 ) : F = Fs (25)
cu pragul de semnicaie (0, 1). t reprezinta probabilitatea de a respinge o ipoteza adevarata (eroare I). Numarul = 1 se nume te nivel de ncredere. s Puterea unui test (0, 1) este probabilitatea de a accepta o ipoteza falsa (eroare II).
Statistica
Variabila teoretica X cu repartiie cunoscuta are funcia de t t repartiie notata F necunoscuta. t Facem o selecie repetata x1 , , xn si e Fs funcia de t t repartiie de selecie. Vericam ipoteza t t (H0 ) : F = Fs (25)
cu pragul de semnicaie (0, 1). t reprezinta probabilitatea de a respinge o ipoteza adevarata (eroare I). Numarul = 1 se nume te nivel de ncredere. s Puterea unui test (0, 1) este probabilitatea de a accepta o ipoteza falsa (eroare II).
Statistica
Variabila teoretica X cu repartiie cunoscuta are funcia de t t repartiie notata F necunoscuta. t Facem o selecie repetata x1 , , xn si e Fs funcia de t t repartiie de selecie. Vericam ipoteza t t (H0 ) : F = Fs (25)
cu pragul de semnicaie (0, 1). t reprezinta probabilitatea de a respinge o ipoteza adevarata (eroare I). Numarul = 1 se nume te nivel de ncredere. s Puterea unui test (0, 1) este probabilitatea de a accepta o ipoteza falsa (eroare II).
Statistica
Variabila teoretica X cu repartiie cunoscuta are funcia de t t repartiie notata F necunoscuta. t Facem o selecie repetata x1 , , xn si e Fs funcia de t t repartiie de selecie. Vericam ipoteza t t (H0 ) : F = Fs (25)
cu pragul de semnicaie (0, 1). t reprezinta probabilitatea de a respinge o ipoteza adevarata (eroare I). Numarul = 1 se nume te nivel de ncredere. s Puterea unui test (0, 1) este probabilitatea de a accepta o ipoteza falsa (eroare II).
Statistica
Variabila teoretica X cu repartiie cunoscuta are funcia de t t repartiie notata F necunoscuta. t Facem o selecie repetata x1 , , xn si e Fs funcia de t t repartiie de selecie. Vericam ipoteza t t (H0 ) : F = Fs (25)
cu pragul de semnicaie (0, 1). t reprezinta probabilitatea de a respinge o ipoteza adevarata (eroare I). Numarul = 1 se nume te nivel de ncredere. s Puterea unui test (0, 1) este probabilitatea de a accepta o ipoteza falsa (eroare II).
Statistica
H1 adevarata eroare II
Statistica
Testul 2
Presupunem ca variabila aleatoare teoretica are repartiie t necunoscuta; notam cu F funcia de repartiie. t t Fie x1 , , xn o selecie fara ntoarcere si e Fs funcia de t t repartiie de selecie. Testam ipoteza (25) cu pragul de t t semnicaie . t
Statistica
Testul 2
Presupunem ca variabila aleatoare teoretica are repartiie t necunoscuta; notam cu F funcia de repartiie. t t Fie x1 , , xn o selecie fara ntoarcere si e Fs funcia de t t repartiie de selecie. Testam ipoteza (25) cu pragul de t t semnicaie . t
Statistica
Cazul 1.
Repartiia teoretica este discreta t X = Repartiia de selecie are forma t t Xs = Condiia (25) devine t pi = fi . (26) xi fi . xi pi .
Statistica
Cazul 1.
Repartiia teoretica este discreta t X = Repartiia de selecie are forma t t Xs = Condiia (25) devine t pi = fi . (26) xi fi . xi pi .
Statistica
Cazul 1.
Repartiia teoretica este discreta t X = Repartiia de selecie are forma t t Xs = Condiia (25) devine t pi = fi . (26) xi fi . xi pi .
Statistica
Cazul 2.
Repartiia teoretica are densitatea de probabilitate f . t Presupunem datele de selecie grupate n intervalele t (l0 , l1 ], (l1 , l2 ], , (lk 1 , lk ] si e (H) pi = P{li1 < X < li } = F (li ) F (li1 ), i = 1, , n (27)
Statistica
Cazul 2.
Repartiia teoretica are densitatea de probabilitate f . t Presupunem datele de selecie grupate n intervalele t (l0 , l1 ], (l1 , l2 ], , (lk 1 , lk ] si e (H) pi = P{li1 < X < li } = F (li ) F (li1 ), i = 1, , n (27)
Statistica
Cazul 2.
Repartiia teoretica are densitatea de probabilitate f . t Presupunem datele de selecie grupate n intervalele t (l0 , l1 ], (l1 , l2 ], , (lk 1 , lk ] si e (H) pi = P{li1 < X < li } = F (li ) F (li1 ), i = 1, , n (27)
Statistica
(28)
Teorema Variabila U(n) are urmatoarea comportare limita 1. Daca F are parametri cunoscui, atunci daca pentru n t U(n) 2 , cu k 1 grade de libertate (29)
(30)
Consecina t
Statistica
TESTUL 2
1. Date de intrare xi , i = 1, , n, , pi 2. Estimam cei r parametri necunoscui ai variabilei t aleatoare teoretice. 3. Calculam U(n) cu formula (28). 4. Din tabelele legii 2 cu k r 1 grade de libertate determinam 2 5. Testare. 1. Daca U(n) 2 , acceptam ipoteza (H). 2. Daca U(n) 2 , respingem ipoteza (H).
Statistica
TESTUL 2
1. Date de intrare xi , i = 1, , n, , pi 2. Estimam cei r parametri necunoscui ai variabilei t aleatoare teoretice. 3. Calculam U(n) cu formula (28). 4. Din tabelele legii 2 cu k r 1 grade de libertate determinam 2 5. Testare. 1. Daca U(n) 2 , acceptam ipoteza (H). 2. Daca U(n) 2 , respingem ipoteza (H).
Statistica
TESTUL 2
1. Date de intrare xi , i = 1, , n, , pi 2. Estimam cei r parametri necunoscui ai variabilei t aleatoare teoretice. 3. Calculam U(n) cu formula (28). 4. Din tabelele legii 2 cu k r 1 grade de libertate determinam 2 5. Testare. 1. Daca U(n) 2 , acceptam ipoteza (H). 2. Daca U(n) 2 , respingem ipoteza (H).
Statistica
TESTUL 2
1. Date de intrare xi , i = 1, , n, , pi 2. Estimam cei r parametri necunoscui ai variabilei t aleatoare teoretice. 3. Calculam U(n) cu formula (28). 4. Din tabelele legii 2 cu k r 1 grade de libertate determinam 2 5. Testare. 1. Daca U(n) 2 , acceptam ipoteza (H). 2. Daca U(n) 2 , respingem ipoteza (H).
Statistica
TESTUL 2
1. Date de intrare xi , i = 1, , n, , pi 2. Estimam cei r parametri necunoscui ai variabilei t aleatoare teoretice. 3. Calculam U(n) cu formula (28). 4. Din tabelele legii 2 cu k r 1 grade de libertate determinam 2 5. Testare. 1. Daca U(n) 2 , acceptam ipoteza (H). 2. Daca U(n) 2 , respingem ipoteza (H).
Statistica
Exemplu
O linie tehnologica folose te 4 dispozitive de acela i tip si s s folosite n acelea i condiii. Urmarind defeciunile de-a lungul s t t unei perioade de timp obinem t dispozitiv 1 2 3 4 Total numar defeciuni ni 46 33 39 50 168 t Sa se decida cu nivelul de ncredere = 0, 05 daca diferenele t dintre numerele de defeciuni este ntmplatoare sau exprima t prezena unor defeciuni sistematice care trebuie remediate. t t
Statistica
Exemplu
O linie tehnologica folose te 4 dispozitive de acela i tip si s s folosite n acelea i condiii. Urmarind defeciunile de-a lungul s t t unei perioade de timp obinem t dispozitiv 1 2 3 4 Total numar defeciuni ni 46 33 39 50 168 t Sa se decida cu nivelul de ncredere = 0, 05 daca diferenele t dintre numerele de defeciuni este ntmplatoare sau exprima t prezena unor defeciuni sistematice care trebuie remediate. t t
Statistica
Exemplu
O linie tehnologica folose te 4 dispozitive de acela i tip si s s folosite n acelea i condiii. Urmarind defeciunile de-a lungul s t t unei perioade de timp obinem t dispozitiv 1 2 3 4 Total numar defeciuni ni 46 33 39 50 168 t Sa se decida cu nivelul de ncredere = 0, 05 daca diferenele t dintre numerele de defeciuni este ntmplatoare sau exprima t prezena unor defeciuni sistematice care trebuie remediate. t t
Statistica
2
33 168
3
39 168
4
50 168
Statistica
2
33 168
3
39 168
4
50 168
Statistica
2
33 168
3
39 168
4
50 168
Statistica
U(n) =
i=1
Determinam 2 din tabelul H(3, 1) si obinem 2 = 7.8. t Deoarece 4.04 < 7.8, acceptam ipoteza H, deci defeciunile t sunt ntmplatoare.
Statistica
U(n) =
i=1
Determinam 2 din tabelul H(3, 1) si obinem 2 = 7.8. t Deoarece 4.04 < 7.8, acceptam ipoteza H, deci defeciunile t sunt ntmplatoare.
Statistica
U(n) =
i=1
Determinam 2 din tabelul H(3, 1) si obinem 2 = 7.8. t Deoarece 4.04 < 7.8, acceptam ipoteza H, deci defeciunile t sunt ntmplatoare.
Statistica