Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
PODSTAWY WNIOSKOWANIA
STATYSTYCZNEGO cześć I
¸
Agnieszka Rossa
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Szkic wykładu
1
Przykład wprowadzający
2
Prawo wielkich liczb Bernoulliego i centralne tw.
graniczne
3
Podstawowe pojęcia wnioskowania statystycznego
4
Podstawy estymacji
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład wprowadzający
W Polsce różne głosowania odbywają się co kilka lat,
a pytanie o preferencje wyborcze jest jednym z często
zadawanych w badaniach sondażowych.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład wprowadzający
W Polsce różne głosowania odbywają się co kilka lat,
a pytanie o preferencje wyborcze jest jednym z często
zadawanych w badaniach sondażowych.
Sondaż PGB przeprowadzony wśód 1018 osób tuż przed
wyborami parlamentarnymi w 2007 r. wskazywał m.in., że
na kandydatów PiS głosować będzie 35% wyborców.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład wprowadzający
W Polsce różne głosowania odbywają się co kilka lat,
a pytanie o preferencje wyborcze jest jednym z często
zadawanych w badaniach sondażowych.
Sondaż PGB przeprowadzony wśód 1018 osób tuż przed
wyborami parlamentarnymi w 2007 r. wskazywał m.in., że
na kandydatów PiS głosować będzie 35% wyborców.
Zgodnie z oficjalnymi wynikami wyborów, rzeczywisty
odsetek głosów oddanych na PiS w tych wyborach był
równy 32,11%.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład wprowadzający
W Polsce różne głosowania odbywają się co kilka lat,
a pytanie o preferencje wyborcze jest jednym z często
zadawanych w badaniach sondażowych.
Sondaż PGB przeprowadzony wśód 1018 osób tuż przed
wyborami parlamentarnymi w 2007 r. wskazywał m.in., że
na kandydatów PiS głosować będzie 35% wyborców.
Zgodnie z oficjalnymi wynikami wyborów, rzeczywisty
odsetek głosów oddanych na PiS w tych wyborach był
równy 32,11%.
Wynik sondażu był zatem zbliżony do rzeczywistego pomi-
mo, że próba 1018 respondentów była relatywnie bardzo
mała wobec populacji ponad 30,6 mln osób uprawnionych
do głosowania (czy też ok. 16,5 mln faktycznie głosują-
cych).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Uwagi do przykładu
Uwaga 1: Wylosowana próba respondentów nie daje peł-
nej gwarancji, że udział głosów na daną partię w tej próbie
będzie taki sam, jak w całej populacji. Istnieje jednak pew-
na zależność między licznością próby a dokładnością
oszacowania danego wskaznika, do czego wrócimy.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Uwagi do przykładu
Uwaga 1: Wylosowana próba respondentów nie daje peł-
nej gwarancji, że udział głosów na daną partię w tej próbie
będzie taki sam, jak w całej populacji. Istnieje jednak pew-
na zależność między licznością próby a dokładnością
oszacowania danego wskaznika, do czego wrócimy.
Uwaga 2: Wskazane byłoby, aby oprócz pojedycznej licz-
by podać także średni błąd oszacowania lub też podać
przedział liczbowy, który zawierałby, ze znanym prawdopo-
dobieństwem, rzeczywistą wartość szukanego wskaznika.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Uwagi do przykładu
Uwaga 1: Wylosowana próba respondentów nie daje peł-
nej gwarancji, że udział głosów na daną partię w tej próbie
będzie taki sam, jak w całej populacji. Istnieje jednak pew-
na zależność między licznością próby a dokładnością
oszacowania danego wskaznika, do czego wrócimy.
Uwaga 2: Wskazane byłoby, aby oprócz pojedycznej licz-
by podać także średni błąd oszacowania lub też podać
przedział liczbowy, który zawierałby, ze znanym prawdopo-
dobieństwem, rzeczywistą wartość szukanego wskaznika.
Uwaga 3: Zauważymy, że gdybyśmy osobom głosującym
na PiS przyporządkowali wartość 1, a pozostałym wartość
0, to udział głosujących na tę partię będzie równy średniej
arytmetycznej ze zbioru zer i jedynek (taką średnią może-
my zdefiniować zarówno dla próby, jak i dla populacji).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Prawo wielkich liczb i centralne twierdzenie graniczne
W dalszych rozważaniach przedstawimy słabe prawo wielkich
liczb, będące jednym z podstawowych zasad rachunku prawdo-
podobieństwa oraz centralne twierdzenie graniczne, które wy-
korzystamy w zagadnieniach szacowania nieznanych wskaz-
ników (parametrów) populacji.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Prawo wielkich liczb i centralne twierdzenie graniczne
W dalszych rozważaniach przedstawimy słabe prawo wielkich
liczb, będące jednym z podstawowych zasad rachunku prawdo-
podobieństwa oraz centralne twierdzenie graniczne, które wy-
korzystamy w zagadnieniach szacowania nieznanych wskaz-
ników (parametrów) populacji.
Prawo wielkich liczb zostało sformułowane po raz pierwszy
przez Jakuba Bernoulliego, żyjącego na przełomie XVII i XVIII
wieku, ale opublikowane zostało dopiero w 1913 r., tj. 200 lat po
śmierci jego twórcy. Bernoulli nazwał je złotym twierdzeniem .
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Prawo wielkich liczb i centralne twierdzenie graniczne
W dalszych rozważaniach przedstawimy słabe prawo wielkich
liczb, będące jednym z podstawowych zasad rachunku prawdo-
podobieństwa oraz centralne twierdzenie graniczne, które wy-
korzystamy w zagadnieniach szacowania nieznanych wskaz-
ników (parametrów) populacji.
Prawo wielkich liczb zostało sformułowane po raz pierwszy
przez Jakuba Bernoulliego, żyjącego na przełomie XVII i XVIII
wieku, ale opublikowane zostało dopiero w 1913 r., tj. 200 lat po
śmierci jego twórcy. Bernoulli nazwał je złotym twierdzeniem .
Z prawdopodobieństwem dowolnie bliskim 1 można się spo-
dziewać, iż przy dostatecznie wielkiej liczbie powtórzeń ekspe-
rymentu losowego, z których każdy kończy się sukcesem lub
porażką, częstość wystąpienia sukcesu w serii eksperymentów
będzie się dowolnie mało różniła od jego prawdopodobieństwa.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Prawo wielkich liczb Bernoulliego
Przykład.
Załóżmy, że przeprowadzamy serię eksperymentów pole-
gajÄ…cych na rzucaniu monetÄ….
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Prawo wielkich liczb Bernoulliego
Przykład.
Załóżmy, że przeprowadzamy serię eksperymentów pole-
gajÄ…cych na rzucaniu monetÄ….
Niech sukcesem będzie wyrzucenie orła w pojedynczym
rzucie. Jeśli moneta jest symetryczna, to prawdopodo-
1
bieństwo sukcesu w każdym eksperymencie wynosi .
2
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Prawo wielkich liczb Bernoulliego
Przykład.
Załóżmy, że przeprowadzamy serię eksperymentów pole-
gajÄ…cych na rzucaniu monetÄ….
Niech sukcesem będzie wyrzucenie orła w pojedynczym
rzucie. Jeśli moneta jest symetryczna, to prawdopodo-
1
bieństwo sukcesu w każdym eksperymencie wynosi .
2
Załóżmy, że po każdym rzucie obliczamy częstość wyrzu-
conych orłów w serii dotychczas wykonanych rzutów (czyli
iloraz liczby orłów do liczby rzutów).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Prawo wielkich liczb Bernoulliego
Przykład.
Załóżmy, że przeprowadzamy serię eksperymentów pole-
gajÄ…cych na rzucaniu monetÄ….
Niech sukcesem będzie wyrzucenie orła w pojedynczym
rzucie. Jeśli moneta jest symetryczna, to prawdopodo-
1
bieństwo sukcesu w każdym eksperymencie wynosi .
2
Załóżmy, że po każdym rzucie obliczamy częstość wyrzu-
conych orłów w serii dotychczas wykonanych rzutów (czyli
iloraz liczby orłów do liczby rzutów).
Prawo Bernoulliego mówi, że szansa na to, by obliczona
1
częstość była bardzo bliska prawdopodobieństwu
2
(a dokładniej aby różniła się od niego dowolnie mało),
zmierza do 1 wraz ze zwiększaniem liczby rzutów.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
SÅ‚abe prawo wielkich liczb
Podobne prawo można także sformułować w odniesienu do
średniej z próby losowej (w szczególnym przypadku, częstość
wystąpienia sukcesu w serii n eksperymentów możemy trak-
tować jak średnią z n-elementowej próby składającej się z zer
i jedynek zob. Uwaga 3). Prawo to nazywamy słabym
prawem wielkich liczb:
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
SÅ‚abe prawo wielkich liczb
Podobne prawo można także sformułować w odniesienu do
średniej z próby losowej (w szczególnym przypadku, częstość
wystąpienia sukcesu w serii n eksperymentów możemy trak-
tować jak średnią z n-elementowej próby składającej się z zer
i jedynek zob. Uwaga 3). Prawo to nazywamy słabym
prawem wielkich liczb:
Jeśli z dowolnej populacji wylosuje się próbkę o liczności n
i jeśli dla takiej próbki obliczy się średnią arytmetyczną, to
prawdopodobieństwo tego, że średnia próbkowa będzie różnić
się dowolnie mało od średniej dla całej populacji, zbliża się do 1
wraz ze wzrostem n.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
SÅ‚abe prawo wielkich liczb
Podobne prawo można także sformułować w odniesienu do
średniej z próby losowej (w szczególnym przypadku, częstość
wystąpienia sukcesu w serii n eksperymentów możemy trak-
tować jak średnią z n-elementowej próby składającej się z zer
i jedynek zob. Uwaga 3). Prawo to nazywamy słabym
prawem wielkich liczb:
Jeśli z dowolnej populacji wylosuje się próbkę o liczności n
i jeśli dla takiej próbki obliczy się średnią arytmetyczną, to
prawdopodobieństwo tego, że średnia próbkowa będzie różnić
się dowolnie mało od średniej dla całej populacji, zbliża się do 1
wraz ze wzrostem n.
Jest to tzw. zbieżność wg prawdopodobieństwa. Mówiąc
w uproszczeniu, zwiększanie liczebności próby, zwiększa
szansę, że średnia z takiej próby trafi w średnią z populacji.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Gdybyśmy posiadali wiele n-elementowych próbek, to histogram
średnich z tych próbek przybliżałby tzw. rozkład średniej z próby.
Przykład histogramu dla 1000 próbek (każda o liczności n = 150)
przybliżającego rozkład średniej z próby przedstawia wykres.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Jeśli zwiększymy liczebność każdej próbki, np. do n = 1000,
wówczas histogram średnich obliczonych z tych próbek będzie
bardziej skupiony wokół średniej z populacji (tu średnia z
populacji= 0,32). Histogram poniżej wykonano dla 1000 próbek.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Załóżmy teraz, że n = 5000. Koncentracja średnich z próbek wokół
średniej z populacji jest tu jeszcze bardziej wyrazna. W tym
przypadku średnie dla większości próbek są bardzo bliskie war-
tości średniej dla całej populacji (równej nadal 0,32).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne ilustracja na przykładzie
Wróćmy do wykresu histogramu średnich z próbek
liczących po n = 1000 elementów.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne ilustracja na przykładzie
Wróćmy do wykresu histogramu średnich z próbek
liczących po n = 1000 elementów.
Na wykresie tym na osi pionowej odłożone są liczby
próbek, dla których średnie należały do poszczególnych
podprzedziałów liczbowych, każdy o długości 0,01
(podprzedziały te są określone przez podstawy słupków).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne ilustracja na przykładzie
Wróćmy do wykresu histogramu średnich z próbek
liczących po n = 1000 elementów.
Na wykresie tym na osi pionowej odłożone są liczby
próbek, dla których średnie należały do poszczególnych
podprzedziałów liczbowych, każdy o długości 0,01
(podprzedziały te są określone przez podstawy słupków).
Wykreślimy teraz podobny histogram, odkładając na osi
pionowej liczebności względne, przeliczone na jednostkę
długości przedziałów (tj. częstości podzielone przez dłu-
gości podprzedziałów).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne ilustracja na przykładzie
Wróćmy do wykresu histogramu średnich z próbek
liczących po n = 1000 elementów.
Na wykresie tym na osi pionowej odłożone są liczby
próbek, dla których średnie należały do poszczególnych
podprzedziałów liczbowych, każdy o długości 0,01
(podprzedziały te są określone przez podstawy słupków).
Wykreślimy teraz podobny histogram, odkładając na osi
pionowej liczebności względne, przeliczone na jednostkę
długości przedziałów (tj. częstości podzielone przez dłu-
gości podprzedziałów).
Na tym samym wykresie umieśćmy dodatkową krzywą,
który przybliża kształt histogramu sporządzonego na
podstawie średnich z bardzo wielu próbek (w tym przy-
padku z 1000 próbek, zob. następny wykres).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Zauważymy, że wykreślona krzywa przypomina krzywą gęstości
rozkładu normalnego. Wykres ten ilustruje w uproszczeniu sens
centralnego twierdzenia granicznego przedstawionego dalej.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne
Centralne twierdzenie graniczne jest kolejnym, ważnym
twierdzeniem rachunku prawdopodobieństwa.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne
Centralne twierdzenie graniczne jest kolejnym, ważnym
twierdzeniem rachunku prawdopodobieństwa.
W skócie mówi ono, iż rozkład standaryzowanej średniej
arytmetycznej z próby dąży do rozkładu normalnego N(0, 1),
gdy liczebność n próby dąży do nieskończoności (o standa-
ryzacji była mowa przy okazji omawiania rozkładów).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne
Centralne twierdzenie graniczne jest kolejnym, ważnym
twierdzeniem rachunku prawdopodobieństwa.
W skócie mówi ono, iż rozkład standaryzowanej średniej
arytmetycznej z próby dąży do rozkładu normalnego N(0, 1),
gdy liczebność n próby dąży do nieskończoności (o standa-
ryzacji była mowa przy okazji omawiania rozkładów).
Upraszczając nieco, możemy powyższe sformułowanie wy-
jaśnić następująco. Jeśli wylosujemy z populacji bardzo wiele
n-elementowych próbek i obliczymy dla każdej z nich średnią
arytmetycznÄ… to:
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Centralne twierdzenie graniczne
Centralne twierdzenie graniczne jest kolejnym, ważnym
twierdzeniem rachunku prawdopodobieństwa.
W skócie mówi ono, iż rozkład standaryzowanej średniej
arytmetycznej z próby dąży do rozkładu normalnego N(0, 1),
gdy liczebność n próby dąży do nieskończoności (o standa-
ryzacji była mowa przy okazji omawiania rozkładów).
Upraszczając nieco, możemy powyższe sformułowanie wy-
jaśnić następująco. Jeśli wylosujemy z populacji bardzo wiele
n-elementowych próbek i obliczymy dla każdej z nich średnią
arytmetycznÄ… to:
histogram liczebności względnych (w przeliczeniu na jed-
nostkę długości) dla średnich próbkowych będzie przybie-
rać kształt zbliżony do krzywej gęstości rozkładu
normalnego, o ile liczności n próbek będą duże.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych
W uzupełnieniu do przedstawionego wyjaśnienia warto jeszcze
przedstawić dwie własności średnich próbkowych, z których
korzysta się m.in. przy standaryzacji średniej arytmetycznej
z próby (o czym jest mowa w centralnym tw. granicznym):
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych
W uzupełnieniu do przedstawionego wyjaśnienia warto jeszcze
przedstawić dwie własności średnich próbkowych, z których
korzysta się m.in. przy standaryzacji średniej arytmetycznej
z próby (o czym jest mowa w centralnym tw. granicznym):
Własność 1. Gdybyśmy wylosowali bardzo dużo n-ele-
mentowych próbek (teoretycznie zakłada się nieskończ-
nie wiele próbek losowanych z nieskończonej populacji)
i obliczyli dla każdej z nich średnią arytmetyczną, czyli
średnie próbkowe, a następnie średnią ze średnich, to
okazałoby się, że wielkość ta jest równa średniej badanej
cechy w całej populacji.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych
W uzupełnieniu do przedstawionego wyjaśnienia warto jeszcze
przedstawić dwie własności średnich próbkowych, z których
korzysta się m.in. przy standaryzacji średniej arytmetycznej
z próby (o czym jest mowa w centralnym tw. granicznym):
Własność 1. Gdybyśmy wylosowali bardzo dużo n-ele-
mentowych próbek (teoretycznie zakłada się nieskończ-
nie wiele próbek losowanych z nieskończonej populacji)
i obliczyli dla każdej z nich średnią arytmetyczną, czyli
średnie próbkowe, a następnie średnią ze średnich, to
okazałoby się, że wielkość ta jest równa średniej badanej
cechy w całej populacji. Średnią dla populacji będziemy
dalej oznaczać przez µ.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych
W uzupełnieniu do przedstawionego wyjaśnienia warto jeszcze
przedstawić dwie własności średnich próbkowych, z których
korzysta się m.in. przy standaryzacji średniej arytmetycznej
z próby (o czym jest mowa w centralnym tw. granicznym):
Własność 1. Gdybyśmy wylosowali bardzo dużo n-ele-
mentowych próbek (teoretycznie zakłada się nieskończ-
nie wiele próbek losowanych z nieskończonej populacji)
i obliczyli dla każdej z nich średnią arytmetyczną, czyli
średnie próbkowe, a następnie średnią ze średnich, to
okazałoby się, że wielkość ta jest równa średniej badanej
cechy w całej populacji. Średnią dla populacji będziemy
dalej oznaczać przez µ.
W języku formalnym przedstawioną własność zapisujemy:
Å»
E(X ) = µ.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych c.d.
Druga własność średnich próbkowych brzmi następująco:
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych c.d.
Druga własność średnich próbkowych brzmi następująco:
Własność 2. Gdybyśmy, mając nieskończenie wiele
n-elementowych próbek, obliczyli wariancję średnich
próbkowych, to okazałoby się, że jest ona n razy mniej-
sza niż wariancja w populacji.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych c.d.
Druga własność średnich próbkowych brzmi następująco:
Własność 2. Gdybyśmy, mając nieskończenie wiele
n-elementowych próbek, obliczyli wariancję średnich
próbkowych, to okazałoby się, że jest ona n razy mniej-
sza niż wariancja w populacji. Wariancję w populacji
oznaczać bÄ™dziemy dalej przez Ã2.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych c.d.
Druga własność średnich próbkowych brzmi następująco:
Własność 2. Gdybyśmy, mając nieskończenie wiele
n-elementowych próbek, obliczyli wariancję średnich
próbkowych, to okazałoby się, że jest ona n razy mniej-
sza niż wariancja w populacji. Wariancję w populacji
oznaczać bÄ™dziemy dalej przez Ã2. W zapisie formalnym
Ã2
Å»
własność ta ma postać: D2(X ) = .
n
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Własności średnich próbkowych c.d.
Druga własność średnich próbkowych brzmi następująco:
Własność 2. Gdybyśmy, mając nieskończenie wiele
n-elementowych próbek, obliczyli wariancję średnich
próbkowych, to okazałoby się, że jest ona n razy mniej-
sza niż wariancja w populacji. Wariancję w populacji
oznaczać bÄ™dziemy dalej przez Ã2. W zapisie formalnym
Ã2
Å»
własność ta ma postać: D2(X ) = .
n
Ponieważ w mianowniku po prawej stronie występuje n,
więc wynika stąd wniosek, że zwiększając liczność n
wszystkich próbek, zmniejszamy tym samym zmienność
średnich wyznaczonych z takich próbek. Wyjaśnia to m.in.
dlaczego wraz ze wzrostem n obserwowaliśmy rosnącą
koncentrację histogramów średnich próbkowych wokół
średniej z populacji (zob. wcześniejsze wykresy).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podsumowanie rozważanych przykładów
Dotychczasowe rozważania pokazują, że możliwe jest
przybliżanie rzeczywistych wartości pewnych wskazników
(parametrów) populacji na podstawie próby losowej.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podsumowanie rozważanych przykładów
Dotychczasowe rozważania pokazują, że możliwe jest
przybliżanie rzeczywistych wartości pewnych wskazników
(parametrów) populacji na podstawie próby losowej.
Prawdopodobieństwo trafienia w prawdziwą wartość
parametru jest tym większe, im większa jest liczność n
próby.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podsumowanie rozważanych przykładów
Dotychczasowe rozważania pokazują, że możliwe jest
przybliżanie rzeczywistych wartości pewnych wskazników
(parametrów) populacji na podstawie próby losowej.
Prawdopodobieństwo trafienia w prawdziwą wartość
parametru jest tym większe, im większa jest liczność n
próby.
Jeśli szukanym parametrem jest średnia określonej cechy
w populacji i jeśli dysponujemy dużą próbą (często
wystarczy n e" 30), wówczas możemy odwołać się do
własności rozkładu normalnego, w celu wyznaczenia
oszacowania szukanej średniej.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podsumowanie rozważanych przykładów
Dotychczasowe rozważania pokazują, że możliwe jest
przybliżanie rzeczywistych wartości pewnych wskazników
(parametrów) populacji na podstawie próby losowej.
Prawdopodobieństwo trafienia w prawdziwą wartość
parametru jest tym większe, im większa jest liczność n
próby.
Jeśli szukanym parametrem jest średnia określonej cechy
w populacji i jeśli dysponujemy dużą próbą (często
wystarczy n e" 30), wówczas możemy odwołać się do
własności rozkładu normalnego, w celu wyznaczenia
oszacowania szukanej średniej.
Przybliżanie (estymowanie) nieznanych parametrów popu-
lacji na podstawie danych z próby losowej jest zadaniem
teorii estymacji, szerzej wnioskowania statystycznego.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Przypuśćmy, że chcemy zbadać np. wartość średnią lub
inne charakterystyki pewnej cechy X (zmiennej losowej)
w populacji generalnej.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Przypuśćmy, że chcemy zbadać np. wartość średnią lub
inne charakterystyki pewnej cechy X (zmiennej losowej)
w populacji generalnej.
W tym celu przeprowadzamy eksperyment losowy
polegajÄ…cy na n-krotnym losowaniu ze zwracaniem
elementów z tej populacji (tzw. losowanie niezależne)
oraz rejestrowaniu wartości badanej cechy w kolejnych
losowaniach.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Przypuśćmy, że chcemy zbadać np. wartość średnią lub
inne charakterystyki pewnej cechy X (zmiennej losowej)
w populacji generalnej.
W tym celu przeprowadzamy eksperyment losowy
polegajÄ…cy na n-krotnym losowaniu ze zwracaniem
elementów z tej populacji (tzw. losowanie niezależne)
oraz rejestrowaniu wartości badanej cechy w kolejnych
losowaniach.
Oznaczmy przez Xi potencjalny wynik pomiaru badanej
cechy, jaki może pojawić się u i-tego elementu.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Przypuśćmy, że chcemy zbadać np. wartość średnią lub
inne charakterystyki pewnej cechy X (zmiennej losowej)
w populacji generalnej.
W tym celu przeprowadzamy eksperyment losowy
polegajÄ…cy na n-krotnym losowaniu ze zwracaniem
elementów z tej populacji (tzw. losowanie niezależne)
oraz rejestrowaniu wartości badanej cechy w kolejnych
losowaniach.
Oznaczmy przez Xi potencjalny wynik pomiaru badanej
cechy, jaki może pojawić się u i-tego elementu.
Przed wykonaniem eksperymentu wynik pomiaru Xi jest
zmienną losową, ponieważ nie wiemy, jaki element
zostanie wylosowany w i-tej kolejności, a tym samym jaki
będzie wynik pomiaru dla tego elementu.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Po wylosowaniu i dokonaniu pomiaru uzyskujemy
konkretną wartość xi, tj. pojedyczną realizację zmiennej Xi.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Po wylosowaniu i dokonaniu pomiaru uzyskujemy
konkretną wartość xi, tj. pojedyczną realizację zmiennej Xi.
Ponieważ losowanie z populacji jest niezależne, więc
zmienne:
X1, X2, . . . , Xn
są także niezależne i mają taki sam rozkład jak rozkład
badanej cechy X .
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Po wylosowaniu i dokonaniu pomiaru uzyskujemy
konkretną wartość xi, tj. pojedyczną realizację zmiennej Xi.
Ponieważ losowanie z populacji jest niezależne, więc
zmienne:
X1, X2, . . . , Xn
są także niezależne i mają taki sam rozkład jak rozkład
badanej cechy X .
Przedstawiony ciÄ…g zmiennych losowych nazywamy
n-elementową próbą losową (prostą).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Po wylosowaniu i dokonaniu pomiaru uzyskujemy
konkretną wartość xi, tj. pojedyczną realizację zmiennej Xi.
Ponieważ losowanie z populacji jest niezależne, więc
zmienne:
X1, X2, . . . , Xn
są także niezależne i mają taki sam rozkład jak rozkład
badanej cechy X .
Przedstawiony ciÄ…g zmiennych losowych nazywamy
n-elementową próbą losową (prostą).
Realizacją próby losowej jest ciąg konkretnych wartości
x1, x2, . . . , xn
zaobserwowanych w trakcie pomiaru badanej cechy.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Niech X1, X2, . . . , Xn będzie n-elementową próbą losową.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Niech X1, X2, . . . , Xn będzie n-elementową próbą losową.
Statystyką nazywamy zmienną losową Tn będącą dowolną
funkcją próby losowej, co zapisujemy ogólnie w postaci:
Tn = f (X1, X2, . . . , Xn).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Niech X1, X2, . . . , Xn będzie n-elementową próbą losową.
Statystyką nazywamy zmienną losową Tn będącą dowolną
funkcją próby losowej, co zapisujemy ogólnie w postaci:
Tn = f (X1, X2, . . . , Xn).
Przykładami statystyk są: średnia arytmetyczna z próby oraz
odchylenie standardowe z próby, zdefiniowane wzorami:
n n
1 1
Å» Å»
X = Xi, S = (Xi - X)2.
n n
i=1 i=1
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Teoretyczne podejście do zagadnień wnioskowania
Niech X1, X2, . . . , Xn będzie n-elementową próbą losową.
Statystyką nazywamy zmienną losową Tn będącą dowolną
funkcją próby losowej, co zapisujemy ogólnie w postaci:
Tn = f (X1, X2, . . . , Xn).
Przykładami statystyk są: średnia arytmetyczna z próby oraz
odchylenie standardowe z próby, zdefiniowane wzorami:
n n
1 1
Å» Å»
X = Xi, S = (Xi - X)2.
n n
i=1 i=1
Zauważymy, że zarówno średnia arytmetyczna, jak i odchy-
lenie standardowe są tu oznaczone dużymi literami, dla pod-
kreślenia, iż nie są to pojedyncze liczby, ale zmienne losowe,
ponieważ dotyczą losowej próby.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Wnioskowanie statystyczne
Wnioskowaniem statystycznym nazywamy zbiór reguł
uogólniania wyników z próby losowej na populację
generalnÄ….
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Wnioskowanie statystyczne
Wnioskowaniem statystycznym nazywamy zbiór reguł
uogólniania wyników z próby losowej na populację
generalnÄ….
W ramach wnioskowania statystycznego wyróżniamy:
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Wnioskowanie statystyczne
Wnioskowaniem statystycznym nazywamy zbiór reguł
uogólniania wyników z próby losowej na populację
generalnÄ….
W ramach wnioskowania statystycznego wyróżniamy:
estymacjÄ™,
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Wnioskowanie statystyczne
Wnioskowaniem statystycznym nazywamy zbiór reguł
uogólniania wyników z próby losowej na populację
generalnÄ….
W ramach wnioskowania statystycznego wyróżniamy:
estymacjÄ™,
weryfikacjÄ™ hipotez statystycznych.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Wnioskowanie statystyczne
Wnioskowaniem statystycznym nazywamy zbiór reguł
uogólniania wyników z próby losowej na populację
generalnÄ….
W ramach wnioskowania statystycznego wyróżniamy:
estymacjÄ™,
weryfikacjÄ™ hipotez statystycznych.
Teoria estymacji zajmuje siÄ™ metodami szacowania
(estymacji) nieznanego rozkładu lub nieznanych
parametrów rozkładu badanej cechy X w populacji
generalnej.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Wnioskowanie statystyczne
Wnioskowaniem statystycznym nazywamy zbiór reguł
uogólniania wyników z próby losowej na populację
generalnÄ….
W ramach wnioskowania statystycznego wyróżniamy:
estymacjÄ™,
weryfikacjÄ™ hipotez statystycznych.
Teoria estymacji zajmuje siÄ™ metodami szacowania
(estymacji) nieznanego rozkładu lub nieznanych
parametrów rozkładu badanej cechy X w populacji
generalnej.
Teoria weryfikacji hipotez zajmuje siÄ™ metodami
testowania dowolnego przypuszczenia dotyczÄ…cego
nieznanego rozkładu lub nieznanych parametrów rozkładu
badanej cechy X w populacji generalnej.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Rodzaje estymacji
Wyróżniamy:
1. estymacjÄ™ parametrycznÄ…,
2. estymacjÄ™ nieparametrycznÄ….
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Rodzaje estymacji
Wyróżniamy:
1. estymacjÄ™ parametrycznÄ…,
2. estymacjÄ™ nieparametrycznÄ….
Inny podział na:
1. estymacjÄ™ punktowÄ…,
2. estymację przedziałową.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Rodzaje estymacji
Wyróżniamy:
1. estymacjÄ™ parametrycznÄ…,
2. estymacjÄ™ nieparametrycznÄ….
Inny podział na:
1. estymacjÄ™ punktowÄ…,
2. estymację przedziałową.
Estymacja parametryczna zajmuje siÄ™ szacowaniem
parametrów rozkładu populacji w przypadku, gdy znamy
klasę rozkładów, do której należy rozkład badanej cechy X
(np. wiemy, że jest to rozkład normalny, ale nie znamy jego
parametrów µ i Ã, które estymujemy).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Rodzaje estymacji
Wyróżniamy:
1. estymacjÄ™ parametrycznÄ…,
2. estymacjÄ™ nieparametrycznÄ….
Inny podział na:
1. estymacjÄ™ punktowÄ…,
2. estymację przedziałową.
Estymacja parametryczna zajmuje siÄ™ szacowaniem
parametrów rozkładu populacji w przypadku, gdy znamy
klasę rozkładów, do której należy rozkład badanej cechy X
(np. wiemy, że jest to rozkład normalny, ale nie znamy jego
parametrów µ i Ã, które estymujemy).
Jeżeli nie znamy klasy rozkładów, do której należy rozkład
badanej zmiennej X , to estymacjÄ™ nazywamy niepara-
metrycznÄ….
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja punktowa
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja punktowa
Estymacja punktowa polega na podaniu jednej wartości
(względnie wektora wartości) będącej oszacowaniem
nieznanego parametru (względnie wektora parametrów).
IlustracjÄ… takiego sposobu estymacji jest oszacowanie
udziału głosów na PiS (0,35 lub zamiennie 35%)
przedstawione w przykładzie wprowadzającym.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja punktowa
Estymacja punktowa polega na podaniu jednej wartości
(względnie wektora wartości) będącej oszacowaniem
nieznanego parametru (względnie wektora parametrów).
IlustracjÄ… takiego sposobu estymacji jest oszacowanie
udziału głosów na PiS (0,35 lub zamiennie 35%)
przedstawione w przykładzie wprowadzającym.
Określenie estymacja punktowa bierze się stąd, że dla
każdego parametru populacji znajdujemy jedną liczbę (na
podstawie realizacji próby), w taki sposób, aby była ona
możliwie najlepszym przybliżeniem nieznanego parametru.
Jest to tzw. ocena punktowa parametru.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja punktowa
Estymacja punktowa polega na podaniu jednej wartości
(względnie wektora wartości) będącej oszacowaniem
nieznanego parametru (względnie wektora parametrów).
IlustracjÄ… takiego sposobu estymacji jest oszacowanie
udziału głosów na PiS (0,35 lub zamiennie 35%)
przedstawione w przykładzie wprowadzającym.
Określenie estymacja punktowa bierze się stąd, że dla
każdego parametru populacji znajdujemy jedną liczbę (na
podstawie realizacji próby), w taki sposób, aby była ona
możliwie najlepszym przybliżeniem nieznanego parametru.
Jest to tzw. ocena punktowa parametru.
Ocena punktowa jest wyznaczana na podstawie wartości
pewnej statystyki, o własnościach upoważniających nas do
szacowania za jej pomocÄ… danego parametru.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja punktowa
Estymacja punktowa polega na podaniu jednej wartości
(względnie wektora wartości) będącej oszacowaniem
nieznanego parametru (względnie wektora parametrów).
IlustracjÄ… takiego sposobu estymacji jest oszacowanie
udziału głosów na PiS (0,35 lub zamiennie 35%)
przedstawione w przykładzie wprowadzającym.
Określenie estymacja punktowa bierze się stąd, że dla
każdego parametru populacji znajdujemy jedną liczbę (na
podstawie realizacji próby), w taki sposób, aby była ona
możliwie najlepszym przybliżeniem nieznanego parametru.
Jest to tzw. ocena punktowa parametru.
Ocena punktowa jest wyznaczana na podstawie wartości
pewnej statystyki, o własnościach upoważniających nas do
szacowania za jej pomocÄ… danego parametru.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Statystyka taka nosi nazwÄ™ estymatora.
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Należy zaznaczyć, że ocena punktowana na ogół nie pokrywa
się z prawdziwą wartością parametru. Na rozważanych
wcześniej histogramach można było zauważyć, że dla pewnej
części próbek wartości średnie odbiegały w mniejszym lub
większy stopniu od średniej w populacji (zob. wykres poniżej).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja przedziałowa
W praktyce mamy tylko jedną próbę, zatem nie mamy
pewności, jak bardzo wartość obliczona z dostępnej próby
różni się od szukanego parametru.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja przedziałowa
W praktyce mamy tylko jedną próbę, zatem nie mamy
pewności, jak bardzo wartość obliczona z dostępnej próby
różni się od szukanego parametru.
Bardziej realistyczne, zamiast oceny punktowej, wydaje siÄ™
skonstruowanie przedziału, który z zadanym z góry
prawdopodobieństwem, bliskim jedności, pokrywałby
nieznaną wartość tego parametru. Jest to zadanie
estymacji przedziałowej.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja przedziałowa
W praktyce mamy tylko jedną próbę, zatem nie mamy
pewności, jak bardzo wartość obliczona z dostępnej próby
różni się od szukanego parametru.
Bardziej realistyczne, zamiast oceny punktowej, wydaje siÄ™
skonstruowanie przedziału, który z zadanym z góry
prawdopodobieństwem, bliskim jedności, pokrywałby
nieznaną wartość tego parametru. Jest to zadanie
estymacji przedziałowej.
Przedział taki nosi miano przedziału ufności.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Estymacja przedziałowa
W praktyce mamy tylko jedną próbę, zatem nie mamy
pewności, jak bardzo wartość obliczona z dostępnej próby
różni się od szukanego parametru.
Bardziej realistyczne, zamiast oceny punktowej, wydaje siÄ™
skonstruowanie przedziału, który z zadanym z góry
prawdopodobieństwem, bliskim jedności, pokrywałby
nieznaną wartość tego parametru. Jest to zadanie
estymacji przedziałowej.
Przedział taki nosi miano przedziału ufności.
Konstrukcja przedziału ufności jest równoznaczna z po-
daniem jego dwóch krańców. Ponieważ krańce te są
zależnego od wyników w losowej próbie, więc cały
przedział ma także charakter losowy.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji na podstawie dużej
próby
Do budowy przedziaÅ‚u ufnoÅ›ci dla wartoÅ›ci Å›redniej µ w
populacji wykorzystamy wnioski płynące z centralnego tw.
granicznego, w tym także własności 1 i 2 (będziemy zakła-
dać, że dysponujemy odpowiednio dużą próbą).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji na podstawie dużej
próby
Do budowy przedziaÅ‚u ufnoÅ›ci dla wartoÅ›ci Å›redniej µ w
populacji wykorzystamy wnioski płynące z centralnego tw.
granicznego, w tym także własności 1 i 2 (będziemy zakła-
dać, że dysponujemy odpowiednio dużą próbą).
Wyprowadzimy wzór na przedział, który z prawdopodo-
bieÅ„stwem 1 - Ä… " (0, 1) zawierać bÄ™dzie Å›redniÄ… µ.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji na podstawie dużej
próby
Do budowy przedziaÅ‚u ufnoÅ›ci dla wartoÅ›ci Å›redniej µ w
populacji wykorzystamy wnioski płynące z centralnego tw.
granicznego, w tym także własności 1 i 2 (będziemy zakła-
dać, że dysponujemy odpowiednio dużą próbą).
Wyprowadzimy wzór na przedział, który z prawdopodo-
bieÅ„stwem 1 - Ä… " (0, 1) zawierać bÄ™dzie Å›redniÄ… µ.
Liczbę 1 - ą nazywamy poziomem ufności. Przyjmuje się
z reguły, że jest on równy 0,9 lub 0,95 (niekiedy 0,99).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji na podstawie dużej
próby
Do budowy przedziaÅ‚u ufnoÅ›ci dla wartoÅ›ci Å›redniej µ w
populacji wykorzystamy wnioski płynące z centralnego tw.
granicznego, w tym także własności 1 i 2 (będziemy zakła-
dać, że dysponujemy odpowiednio dużą próbą).
Wyprowadzimy wzór na przedział, który z prawdopodo-
bieÅ„stwem 1 - Ä… " (0, 1) zawierać bÄ™dzie Å›redniÄ… µ.
Liczbę 1 - ą nazywamy poziomem ufności. Przyjmuje się
z reguły, że jest on równy 0,9 lub 0,95 (niekiedy 0,99).
Do wyznaczenia przedziału ufności wystarczą nam dane
z jednej próbki. W przypadku, gdy jej liczność jest duża
(często wystarczy n e" 30), wówczas przyjmujemy, że roz-
Ã
Å»
"
kÅ‚ad Å›redniej X z próbki jest zbliżony do rozkÅ‚adu N(µ, ).
n
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji w przypadku dużej
próby c.d.
Å»
Skoro X ma w przypadku dużej próby rozkład zbliżony do
Ã
"
rozkÅ‚adu N(µ, ), to zmienna losowa:
n
Å»
X - µ
U =
Ã
"
n
ma rozkład zbliżony do rozkładu N(0, 1) (o tym mniej
więcej mówi centralne twierdzenie graniczne).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji w przypadku dużej
próby c.d.
Å»
Skoro X ma w przypadku dużej próby rozkład zbliżony do
Ã
"
rozkÅ‚adu N(µ, ), to zmienna losowa:
n
Å»
X - µ
U =
Ã
"
n
ma rozkład zbliżony do rozkładu N(0, 1) (o tym mniej
więcej mówi centralne twierdzenie graniczne).
Ustalmy poziom ufności 1 - ą. Niech uą będzie kwantylem
Ä…
rzędu 1 - rozkładu N(0, 1).
2
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji w przypadku dużej
próby c.d.
Å»
Skoro X ma w przypadku dużej próby rozkład zbliżony do
Ã
"
rozkÅ‚adu N(µ, ), to zmienna losowa:
n
Å»
X - µ
U =
Ã
"
n
ma rozkład zbliżony do rozkładu N(0, 1) (o tym mniej
więcej mówi centralne twierdzenie graniczne).
Ustalmy poziom ufności 1 - ą. Niech uą będzie kwantylem
Ä…
rzędu 1 - rozkładu N(0, 1).
2
Wówczas dla wyżej zdefiniowanej zmiennej U zachodzi:
P(|U| < uÄ…) = P(-uÄ… < U < uÄ…) H" 1 - Ä….
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji w przypadku dużej
próby c.d.
Å»
X -µ
Po podstawieniu w miejsce zmiennej U wyrażenia i po
Ã
"
n
dokonaniu kilku przekształceń, otrzymujemy:
à Ã
Å» Å»
P(X - uÄ… " < µ < X + uÄ… " - Ä…,
) H" 1
n n
co oznacza, iż z prawdopodobieństwem równym w przy-
bliżeniu 1 - ą możemy oczekiwać, iz przedział o podanych
poniżej kraÅ„cach zawiera nieznany parametr µ:
à Ã
Å» Å»
"
X - uÄ… · , X + uÄ… · "
n n
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Podstawy estymacji
Wyprowadzenie przedziału ufności dla średniej w populacji w przypadku dużej
próby c.d.
Å»
X -µ
Po podstawieniu w miejsce zmiennej U wyrażenia i po
Ã
"
n
dokonaniu kilku przekształceń, otrzymujemy:
à Ã
Å» Å»
P(X - uÄ… " < µ < X + uÄ… " - Ä…,
) H" 1
n n
co oznacza, iż z prawdopodobieństwem równym w przy-
bliżeniu 1 - ą możemy oczekiwać, iz przedział o podanych
poniżej kraÅ„cach zawiera nieznany parametr µ:
à Ã
Å» Å»
"
X - uÄ… · , X + uÄ… · "
n n
Uwaga: JeÅ›li nie znamy także parametru populacji Ã,
wówczas zastępujemy go przybliżeniem z próby, tj.
statystykÄ… S.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
W ramach ilustracji, wyznaczymy przedział, który zawierał-
by rzeczywisty udział wyborców głosujących na PiS w wy-
borach 2007 r. (zob. przykład wprowadzający).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
W ramach ilustracji, wyznaczymy przedział, który zawierał-
by rzeczywisty udział wyborców głosujących na PiS w wy-
borach 2007 r. (zob. przykład wprowadzający).
Ä…
Niech 1 - ą = 0, 95, wówczas ą = 0, 05, = 0, 025,
2
Ä…
a stąd 1 - = 0, 975. Kwantyl rzędu 0, 975 rozkładu
2
N(0, 1) jest równy 1, 96 (zob. tablice dystrybuanty N(0, 1)).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
W ramach ilustracji, wyznaczymy przedział, który zawierał-
by rzeczywisty udział wyborców głosujących na PiS w wy-
borach 2007 r. (zob. przykład wprowadzający).
Ä…
Niech 1 - ą = 0, 95, wówczas ą = 0, 05, = 0, 025,
2
Ä…
a stąd 1 - = 0, 975. Kwantyl rzędu 0, 975 rozkładu
2
N(0, 1) jest równy 1, 96 (zob. tablice dystrybuanty N(0, 1)).
Mamy na podstawie danych z próby (dane z sondażu):
Å»
n = 1018, x = 0, 35, s H" 0, 48.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
W ramach ilustracji, wyznaczymy przedział, który zawierał-
by rzeczywisty udział wyborców głosujących na PiS w wy-
borach 2007 r. (zob. przykład wprowadzający).
Ä…
Niech 1 - ą = 0, 95, wówczas ą = 0, 05, = 0, 025,
2
Ä…
a stąd 1 - = 0, 975. Kwantyl rzędu 0, 975 rozkładu
2
N(0, 1) jest równy 1, 96 (zob. tablice dystrybuanty N(0, 1)).
Mamy na podstawie danych z próby (dane z sondażu):
Å»
n = 1018, x = 0, 35, s H" 0, 48.
Krańce przedziału ufności dla szukanego wskaznika to:
0, 48 0, 48
0, 35 - 1, 96 · " ; 0, 35 + 1, 96 · "
1018 1018
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
W ramach ilustracji, wyznaczymy przedział, który zawierał-
by rzeczywisty udział wyborców głosujących na PiS w wy-
borach 2007 r. (zob. przykład wprowadzający).
Ä…
Niech 1 - ą = 0, 95, wówczas ą = 0, 05, = 0, 025,
2
Ä…
a stąd 1 - = 0, 975. Kwantyl rzędu 0, 975 rozkładu
2
N(0, 1) jest równy 1, 96 (zob. tablice dystrybuanty N(0, 1)).
Mamy na podstawie danych z próby (dane z sondażu):
Å»
n = 1018, x = 0, 35, s H" 0, 48.
Krańce przedziału ufności dla szukanego wskaznika to:
0, 48 0, 48
0, 35 - 1, 96 · " ; 0, 35 + 1, 96 · "
1018 1018
Otrzymujemy przedział [0, 32; 0, 38]. Możemy więc ocze-
kiwać z prawdopodobieństwem 0, 95, że w przedziale tym
znalazł się rzeczywisty udział głosów oddanych na PiS.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
Komentarze do przykładu
1. W tym przykładzie szacowanym wskaznikiem był udział
(lub zamiennie odsetek) głosujących na PiS.
Uzyskaliśmy 95-procentowy przedział ufności [0, 32; 0, 38]
lub zamiennie [32%, 38%].
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
Komentarze do przykładu
1. W tym przykładzie szacowanym wskaznikiem był udział
(lub zamiennie odsetek) głosujących na PiS.
Uzyskaliśmy 95-procentowy przedział ufności [0, 32; 0, 38]
lub zamiennie [32%, 38%].
2. Zgodnie z Uwagą 3, ten wskaznik możemy traktować także
jako średnią w populacji składającej się z jedynek (np. gdy
wyborca popiera PiS) i zer (w innych przypadkach).
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
Komentarze do przykładu
1. W tym przykładzie szacowanym wskaznikiem był udział
(lub zamiennie odsetek) głosujących na PiS.
Uzyskaliśmy 95-procentowy przedział ufności [0, 32; 0, 38]
lub zamiennie [32%, 38%].
2. Zgodnie z Uwagą 3, ten wskaznik możemy traktować także
jako średnią w populacji składającej się z jedynek (np. gdy
wyborca popiera PiS) i zer (w innych przypadkach).
3. Innymi słowy, badaną cechą w populacji była tu pewna
cecha zero-jedynkowa, a nasze zadanie polegało na
estymacji przedziałowej wartości średniej tej cechy.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Przykład wprowadzający
Prawo wielkich liczb Bernoulliego i centralne tw. graniczne
Podstawowe pojęcia wnioskowania statystycznego
Podstawy estymacji
Przykład zastosowania przedziału ufności dla średniej populacji
Komentarze do przykładu
1. W tym przykładzie szacowanym wskaznikiem był udział
(lub zamiennie odsetek) głosujących na PiS.
Uzyskaliśmy 95-procentowy przedział ufności [0, 32; 0, 38]
lub zamiennie [32%, 38%].
2. Zgodnie z Uwagą 3, ten wskaznik możemy traktować także
jako średnią w populacji składającej się z jedynek (np. gdy
wyborca popiera PiS) i zer (w innych przypadkach).
3. Innymi słowy, badaną cechą w populacji była tu pewna
cecha zero-jedynkowa, a nasze zadanie polegało na
estymacji przedziałowej wartości średniej tej cechy.
4. Jeśli chcemy w tym zadaniu skorzystać z wyprowadzonego
wzoru na przedział ufności, należy takie oszacowanie
oprzeć na próbie liczącej co najmniej 100 elementów.
Agnieszka Rossa PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO cześć I
¸
Wyszukiwarka
Podobne podstrony:
podstawy wnioskowania cz IIBiologiczne podstawy zachowań cz I Psychologia N 2012 2013Materiały do terminologii więźb dachowych podstawowe pojęcia, cz 1Silniki krokowe od podstaw 2c cz 1Podstawy Matlaba cz 2Podstawy informatyki Cz IMateriały do terminologii więźb dachowych podstawowe pojęcia, cz 2Podstawy elektroniki cz 1Silniki krokowe od podstaw 2c cz 3więcej podobnych podstron