Professional Documents
Culture Documents
Statystyka W Zarządzaniu
Statystyka W Zarządzaniu
Statystyka W Zarządzaniu
0,5
.l
0,45
l
l
o
o,ai
;t
o u,J c l
.q
os
l
T VZ1
=
o1s-
o
o- 01
0
o
-
-|_-.- i>
0't
234
|lo rrebli
ja niejszych
Rys. l. l ||,lkres
funkcji
pralldopodobiesilla
z pr:yk adu
],1
Funkcj pr.arvdopodobicristrva
dla zlnieltnyclr
o skoczonej liczbie rvarto ci przed-
starvia si rrvnic czsto w postaci
tabcli. onlarr'iane dane rv postaci tabc|arycznej wy-
gldaj nastpujco:
Zdefiniujerny
te raz dysh.ybuant tego rozk,ladu. Zgodnie ze wzoret]l ( l.8) dystrybtr-
anta ma oosta:
F(x)
=
0
I
I 820
49
I 820
445
I 820
t325
I 820
I 820
I 820
dlax<0
dla0<.rcl
dlal<.r<2
dla2<,r<3
clla3<;u<4
dlax>4
0
0,0005
0,027
0,24
0,73
1
dla.r<0
dla0<.r<l
dlal<.r<2
dla2<x<3
dla3<x<4
dlax>4
Tabcla 1.1
495
I 820
396
r 820
Wvkles tcj lirnkcji przcdstarviony jcst
na ry'suuku 1.2
ZrvleruruR LosoWA IJ EJ RozKAD
x
LL
1
0,9
0,8
a7
0,6
0,4
^
0,2
0,1
-rrr
-
dladowolnycha<b.
wazlla w asno funkcji gSto ci:
2
x
Rys. I 2 lt'ykres
funkcji
d1'.st4'[111,rsY pr:vkludtt l 1
d
Dla zrrriennej |osorvej rypil cig' ego nie da si okre |i funkcji prarr,dopo-
dobieristrva. gdy na ogl prau'dopodobieristrvo osigrlicia przez t ztlrietln
korlkretllej. pojedynczej rvao ci
jest
rrvne zero i nlona co najwyzej nllvic o
prarvdopodobielistrvie, Ze Ztl]iellna losolva nalezy do pervnego przedzia tr. Dla-
tego definirrje si tzw. ftrnkcj gsto ci prarvdopodobiestlva.
Funkcj gsto ci prarvdopodobiestr 'a zmiennej losorvej typrr c ig,lego
llazywanly firnkcj/. ), okre lon na zbiorze 1iczb rzeczy'rvistych i spe rliajc
rlastpujce warunki:
"f
(,)> 0 dla kadego x e
'R,
( l.lt
)
( 1.12
)
h
I r, r ,
)IG)ar=P(a<x<b)
Z poir1,zr."idefi nicj i ny' i ka
ll\x)a;=1.
Frrnkcj gsto ci prarvdopodobielistrva moe b1,{ zatenl kazda funkcja ca -
kor'va|na o lvarto ciach nietljenrnych i spe niajca rvarullek ( 1 .13).
Graficzna interpretacja rvarunku (1.12)
jest
taka, ze prawdopodobieristwo
osignicia przez nllienn X rvarto ci z przedzia u (a,b>
jest
rwne poIu pod
lrykresettl funkcji gsto ci na odcinku (c,>.
( 1.13
)
to Et-Elr,teruly RAcHUN KU PRAWDoPoDoBlesrw
Przyklad 1.5
RozpatrzIny tcraz dalte z prz1'kladLr ].] C). Zbudt1cnl1. ftrnkcj gsto ci prarr,dopo-
dobiestrr'a przy za oeniu, c kazcla \\3rtosc kLrrstr.jcst
jcdllakorr'o
prarvdopodoblla".
Przyjnlijnly llp', c bierya
\\artoSc ktll'stl itltcrcstr.ja.clch nas akcjix6
jest
rrrtla l0'
Wobec tego lrloilirve r 'ar1o ci zIllicllll.-,j lc.sorl't-.j llalc do przcdzia tl < 9,l 1>' Dla
rvszystkich.T spoza poclancgo pr.zt-dzillltr tirnkcja gstosci lnusi b1''c zatent rrvlla zeru.
natomiast rvtyrn przedziale-. rtobcc zalozcnia
.jcdnakoucgo
prawdopodobictistrva, po-
rviIlna olla b1' frrnkc.j stal czr'li
"/
(.r.)
=
c' dla kazdcgo -T < 9,1 1>. Warto c obli-
czylny korzystajc z rr'lasIlo ci (l.l3):
+t) 9 ]l +c 9 || +
1=
Ifiu)ctx= lltx)c)x+ If@)dx+ I/G)dx= J odx
+
J cdx+ lodx=
_
9 l|
-.n
9 ll
=
0 + c.rl; + 0
=
c(l | - 9)
=2c.
1
zate|n c
=
-
. ogllla postac ftlnkcji gsto ci przedstarvia si nastpu
jco:
Io
ala r<9,
lr
/(.r) ={_
c||a 9 'r' l l,
l)
l0
dla r>ll.
Wvkrs tcj ftrllkc.ji pt.zcdstarr,iolly
jcst
na rysulrkLr 1.3
)
:
I
T
I
o J ...-......- l
10 t1 12 13
R-t,s' 1'J l|,),kres
J ilttltcji
gsto ci z
\lrzyklaclu
],5
e
Dystrybuant zlniennej losorvej typu cig.tego okre linly
jako
funkcj
F(x)
=
P(x x)
=
_l
71al
c1la kaidego x e R .
1
s
os
..
.l.o
nieuzasadnione za oenie prz1,jnlu.jenll, oczyrr.i cie dla uproszczenia przyk|adu
( r.14)
ZMlENNA LosoWA l J EJ RoZKAD
Podobnie
jak
dystlybuanta znliennej losorvej skokorvej, dystrybuanta znriennej
losolvej cig,Iej:
> 0 F(x) 1 d|a kazdego x, ( l.l5
)
'
|im F(x)
=
Q, |irlr F(x)
=
l, (
l.16
)
.>
F(x)
jest
t.unkcj nienlalejc i cigl.
r.a podstawie dystrybuanty n1oZlla t. ob|iczy pr.arvdopodobielistwo,
ze
x e (a,b >:
P(a<xb)=
ha
=P(X
)-P(X<a7=
lfQ)dx- I.fG)a*=
(l.l7)
=
F(b)- F(o).
Przvklarl 1.6
okre linly dystrybrrant dla firnkcji gsto ci
z prz1'kladu
l.5. Zgodnie z definicj:
17
,I
F(x)
=
I
"f
(,)a,
=
'[o
at
.,,,n,*ila,
dla9 li
=
'
.!)
-@
e" lll
'-
)0dt+ )_c t* ))dt
d|ar>lI
--,
9J ll
dlax<9
[o ,
dlar<9
[,0
dla.t<e
=
1o*(,-9)
dla9.Tl1
=
1'('-9)
dla9'r. 1l
[o+t+0
dla-r>li
I
t dla-r>ll
Wykres tcj funkcji zosta przcdstarviony'rra rys. l.4.
18 Ei.Etr,lEnry RACH UNKU PRAWDoPoDoBlEstwR
,it
1r
-
x
rl
Rys. l .J l|,l,kres dystry"bttctnt.l, t|ltt ro:k atltt :
1lr1'klaclu
l'6
Zla1c dvstrr,brrarrt lnoenrv oblicz1' prarr'dopodobicristr,vo
tego. e lval-to
zn)ienncj losorvej osignie zaloony
l)fzez
|tas pozioll1' Sprbujrny'policzyc np. prarr,do.
podobiestu,o tego,
a) kurs akcjirvzro nic o pottad
50.tztl. osignic rtartoc porrad
10.5:
P(x > 10,5)
=
1
-
P(;r l0,5)
=
1
-
r(l 0'5;
=
1
_
;
(10,5
_
9)
=
1
-
0,75
=
0,25
,
b) cena akcji llic bdzie u1'sza ni 9.8, tzn. kurs w1'niesie o<l 0 do 9,8:
P(0 < x
<
9'8)
=
P(x 9.8)
-
P(x 0)
=
F(9,8)
-
F(0)
=;(9,8
-
9)
_
0
=
0,4,
c) rvarto akcji zmicni si o nlniej ni3u, tzn' prz1'jmic u'ar1o zprzedzia v
(9,7;10.3):
P(9,7 <r < 10,3)
=
P(9,7 <.t
<
10,3)
-
P(r
=
10,3)
:
P(9,7 <.r
<
10,3)
-0
=
=
P(x
<
l0,3)
-
P('r 9.7)
=
F(l0,3)
_
F(9,7)
=
1r
=-(10,3
-9)--(9^7 -9)=0,65-0.35=0.3.
C
1.2.3. Parametry rozk adu zmiennej losowej
Rozk ad ztniennej losorvej
jest
charakteryzo\\any przez pewne parametly.
PrzcdstarviIll1' tu tt.z1
]
|)o(|Sta\\
o\\ e - rr arto oczekiu all. rr ariartcj
i odchylenie standardorve. Podobrrie
jak
fullkcje okre lajce rozk ad' parallletry
te definiuje si osobrlo dla zmienn1'.'-' 1o'o1r,ych skokowych i cig,lych.
Warto cir1 oczekirvan (nad
ziej
lnatenratyczn, rvarto ci przecitn)
ztttiennej losolvej,Yri'pu skokowego |1azywalrly rval.to :
11
1a
IJ 14
Mclitra rvynrieni rrr'Iliez In|le \\razne paranletr)'rozkladu.
takie
jak
pafallletr\'poz5,c1jne'
rrro.
lnenty zrr'1,kIe icentralne' rr.sp czvrrnik asr,Illctrii iinne. Cz z nich bdzie onlrviona'jako
l)aran]etlY
zbiororvo ci statr'st1'cznej, z illnr,Ini nloie si Cz1'teIlrik zapozln rr, pracach
S.ZuLlrz5,cki[1966]s'125-l30.Z.IIe)Ivig
Il980/s.
lI5-I63,J ,J lviak,J 'PodgrskiIl995J
s'.{-56'
Ztr.tl Et.t t.tR LosoWA I J EJ RoZKAD
10
E(X)_ ,,,,
dla znlientlych osigajcych skoriczorl liczb lvafto ci oraz:
E(X)
=Zr,
p,
( r.r8)
( 1. re)
,=1
d la zmiennych osigaj
c1,ch
przel iczaln l iczb lvaft o c i.
Dla ztrrienltej losorvej L,v-pu cig ego zdefinitrjenry rvafto oczekir'van
ja-
ko:
E(X)
=
Ir7"(t),Lr
Wano l.,.ki''u'.,a odzrriel.ciedla przecitn1 pozioIlt osigalrr, przez
ztlrienn losorv. Niekonieczrrie rt'afto c ta
jest
najbardziej prarvdopodobna,
llatollliast
jest
to rednia warto c znliennej losorvej r -vnikajca z
jej
rozkladu.
Warro oczekirt.aIra posiada pewne wlasno ci, ktre sfornru owane zosta])'
rr' postaci porriszy,ch trvierdzeli':
l . Nadzieja I-tlatetrrat-yczna
(rvarto
oczekirvana) sta ej ru'na si tej sta ej.
cz.vli:
E(c)=. ( l.2l)
]. Warto przecitna sumy drr'ch zIlliellnych losor,vy,ch X i }'rrvna si sllnric
rvarto ci przecitnych tych zrlrieIln1,ch:
( r .20)
/ I aa\
\
r.!L)
losorvych X i )'
( 1.24)
E(X + Y)
=
E(X) + E(Y) .
3. Wafto przecitna iloczynu dwch niezaleny,'ch ztniennych
rrvlla si iloczyrlorvi rvalto ci przecitnych tych znlietlnych:
E('YY)
=
E(X)' E(Y)
( 1.23)
Pozostale drva paranretry: lvariancja i odchylenie standardowe S trriaratlri
zrtlicorvatlia (t.ozrztrttr) rozk adu' Inr ich lvafto ci s nlniejsze, tynl rozklad
jest
bardziej skupiony rvokI rvafto ci oczekirvaIlej.
Wa ria n cj 11 zttr i e n tl ej lo sorvej,Y tt azYrr,anly'nvafi o c :
D2
6) =
E(X
-
E(X))',
=
I
(.r,
-
E(X))', p,
dla znriennych losorvych typu skoko\vego oraz:
..[rrierdzeIri teorazichdorvodynla|e,nloinalll'in.wpracyZ.
IlelIrvigII980],s. l0.1-l06
20
tLEMENTY RAcHUNKU PR'AWDoPoDoBIESTWA
Dt (x)
=
E(,y- t(-y)):
=
-i,r
-
r(.r'))t./ (r)1Lr
dla znriennyclt losorr.rch t}ptl cigle-so.
WariaIlcj lllozl]a rri.nie obliczyc
jako:
Dt('Y)
=
E(X:)-Er(X).
SfbrnlLr'lujenly, podobrlie jak
dIa rvafto ci
oczekiwanej,
wyc h trr,i erdzeli(' dotyczcyc h lvari aIlcj i.
l . WariaIrcja
sta ej rrr.Ila si zertl:
D21c;
=
g
.
( 1.25)
( 1.2"r)
si stltltie
kilka podstar.vo-
2' Wariancja iloczytltt
sta ej c przez zrnienn losorv X rr'vna si
krvadratu tej sta ej przezwariatlcj
znliennej losorvej
X
D2
1cxy=
c2 D2
(X)
.
( 1.26)
iloczynou'i
3. Wariancja Sumy dlvch ltiezalertyclr
znriennych loso*ych rrvtra
wariancj i tych znriennych :
nt (x +Y)= n'6)+
n2
gy
( 1.28)
3. Wariancja rnicy
dr,r,ch lliezalelych znriennych
losorwch r,,vna
si sr:-
lllie wariancji
tych znliennl'ch:
n. (X
-
},)
=
D. (X) + n2
r1.
(
l .29)
J ako ze satna rvariatlcja
llie posiada rv asnej inter.pretacji,
definiuje si na
-i
ej podstarvi
e odcllylen i e standardou'e znl i ennej .
Odchylenicm
standardowym D(X) zn.ennej losotvej
X nazyrvamy pier-
wiastek krvadratorvy
z rvariallcj
i:
( r.30)
Przyklad
1.7
obliczyrny rvarto oczekilr'an. rr'ariancj i odcltylenie
staIldat.dorvc clla dallr,ch
z przy k adtI l .3.
Rozrvizani
W przyk adzie
tyln znrienlla losorva X (ilo
krzesc )
osiga
.rvao
0, |, 2, 3' 4
odpor,viednio z prarvdopodobiestr'varlri
0,00055, O,026, 0,22, 0,48 i 0,27. Nadzie
|a
ma-
telnatycz|la liczby krzesc rvynosi rvic:
D(,Y)
=
^J o'6)
.frr'ierdzenia
i ich <J orvody z.rla|ec Iliozna ttl.in. \\,p|ac-\,
Z. He||rvig
Il980]
s' l l3.l 15
Zt''tleunR LosoWA IJ EJ RoZKAD
a4
1l
5
t('Y)
=
Z',=,',1',
:
0 ' 0'00055 + 1 0,026 + 2'0,22 + 3 ' 0,48 + 4 '0,2'7
=3 '
Wariancja tcj zrnicnnej uynosi zatcrn:
D)
6)=t(.r, -3)r/,,
=
(0-3)r
.0.00055+
(l
-3)2
.0,026+
.; r))
.0,22+
+(3
-
3)2
.
0.48 + (4
-
3)2
.0,2i
=
=
0,6.
odchyIenie standardorve
jest
ru'nc:
D(X)=J 0,6
=
0,7716.
J cSt to warto stanolr'ica ok.f6, rr,arto ci oczckirr,anj. co nic.iest zbyt du;,ln odchv-
lellictrr' zatcIlr rvao ci bardzo odlegle od 3 s stosunkolvo lna o pr.arr'dopodobne . e
Przyklad 1.8
obliczlny rvaIto oczekirvatl kursu akcji rla podstarvic f-ullkc.ii prarvdopodobieri.
stwa wvznaczonej rv przykladzie 1.5:
+@ 9 lL
l
+
l
1
^Ill
.E(-Y)=
j,"/ttl,i.r=
I*.0r/r+ J x
.;ttr
+
J r"0rlr=0+;
;...t1
* O=
=i.,,r*srrlro
L
tt
L
'
te
4
Wariancja tego rozkladu rrlnosi
+,
D= (x
y
=
J {.r
-
l o)r./(.r),Lr'
=
;- ll l +
rz ,^
1
''
'^'
!d**
i(..-10)t.0,1r.=
=
J (l'-lU)-.Udt-J (1-lU)- -) J
=0*;
(
'.
-'o'-100")|'
*o=}i:;;
|-.zsi=!,
natolniast odclrylellie Standardo\ .e
F
D(X7
=./:
=
0.5773.
t:
Bardzo nta a lv stostttrku do w'artoci oczckilvanej
(ok.
6%) rvarto odclr;,lenia
standardorvego
jest
tynr raze nl spo\\.odorr.ana ograniczolrylll przcdzia}eln u'atto ci
zlniennej losorvej. 13iorc pod urr,ag dlugo c przedzia v
<9.
ll> wystporrallia zllriennej
losorvej odchylenie standardowe rr1'nosi ok.29o, tej d ugo ci. e
E t. Et',l
p
ll ry RAC H U N K U P RA\ill D o P o D o B I E STWA
'1.2.4. Zmienna losowa dwuwymiarowa
W rvieltr gaIziach Stat\ St\ ki. zrr laszcza ll atlalizie lvsp zalezno ci zja-
'u1.
11,ykorz1'sttrje si pojcic \\ ie]t)\\\.llliat.tlrre-i zIrrieIlnej losorvej' J est to, po-
dobnie
jak
rv przlpadku znricnncj Iosoucj
jedno*1'nriarorvej (onrarvianej
do-
tychczas). firnkcja okre lotla Ila zbitlrzc zclarzeti elctnetltarIlych. J ednak rv rversji
lr-rvynliarorr,ej kazdetliLt zdarzcIlitt pI'zr pclrzi1c1kou uje si i liczb rzeczyrvist1'c|t.
Przedstalvirny teraz blie.i pojcie zrllieIlllc.j drr.ttlir.nliarorvej,.
Drl'urvvmiirrorr'l1 zmiettlt losclrr,
(,\,
)'l rlazy'rvarrr1, funkcj. przyporzd.
korvujc kazdenlu zdarzeIlil-l eletuetltat.llelllLl ., pa| |iczb rzeczyrvist1,ch
(x,y).
Zntienn losorv drvurvyltiiaroli
(,\i}) rllozcltl1, tr.aktorva rw,niez
jako
iloczyll kartezjaliski drvoch zllliellll1.ch losorrr,ch,\ i }., okre |onych na tytll Sa.
nlynr zbiorz zdarze eletrrentarnyclr f).
Drvuwyntiaro.ul,a zttlielllra losorva
jest
'pu
skokorvego.
je li
przyjnlrrje
skoriczon lub przeliczaln liczb rvafto ci (.t,,.r,,), i:l,2,.... Zlnienna |osolva
('{
},)
jest
pu
skokolvego,
je li
tn'orzce
j
zIriienne - i I s obie typLr skoko-
rvego' odpolviedlrio. drv'urv-vtlliarorva ztrlietltra losorva
jest
'pu
ciglcgo,
jeeli
obie zlllieIltte losolve'{ i I st1'pu cig ego'
Rozk ad znliennej losorve.j lv przypadku clrvuwytlriarow),l-n okr.e lany
jest
tak sanro,
jak
rv
jednowynriarowynl,
to znaczy przy pomocl' tirnkcji prarvdopo-
dobiestrva lub dystrybLranty dla znliennej skokolvej oraz filnkcjarli gsto ci
prarvdopodobieristrva i dystrybuarlt dla znlienIlej ciglej, Poniej podanry r'r\'-
mien i orte def i n icj e d la przypad ku drvurvynr iarowego.
Funkcj pralvr|opodobieIistrva zmiennej |osolr'ej tlrr,ulv1'miarorr'ej
(.{
}) ty pu skokorv e go 11 az}'\\,allly przy,porzd korvatr i e
(x'.y,)
P,l
=
P('Y
=
x,.I
=];,)
dla i.7
=1,2,...
( l.3l)
W postaci tabelarycznej fuIlkcj pr.arr.dopodobieristri,a znriennej losotvej drr.u-
uynr i ar.olvej lllozn a przed stalv i c li a st p Llj
co
:
7
o rvieIolq'nriarorr,5,ch znlienn1,cll losorr'r,ch IrloIra
fl
9751 s. 14-45. S. Zubrz;'oki
!9661
s. 208-215.
przeczrta *, pracach A. A. Bororr'liori,
ZH,tlEllrun
LosoWA IJ EJ RoZKAD
ZJ
Tabcla 1.2
Fu'kc.ia pra*'dopodotrielist*'a
dla znriennej rosowej
drvurvyuriar.ou.ej
_x -
-\--
t't.
- L- Il tj
.T1
X2
X1,
Ptt
Ptz
Ptt
Ptt
P:t
pzt
Ptt
Pt:.
ptt
Pr
Pz.
P t..
k
n
--\-
-
.l'oy
- L Ira P P.z
P.t
KI
Y^
-\-,.
*r
LPto
- LIr.1-
t
t=l
t=l
Zbir rvar1o ci
p,.
=,,, ,
i:|,2,''.,k
nazywa|l-ly
rozk|adem
brzegolvvm
dla znlierlnej
losorvej
X J est to
jednorv.v-rniaro\Vy
rozk ad
Znliennej
X rozpatry-
wally w oderwaniu
od znlienno ci
zmiennej |osorvej
Natonriast
zbir wafto ci
p.1,j:1.
2,...,/jest
rozkladenl
brzegowynr
dla zrniennej
L
Dystrybuant
zntiennej
losolvej
thvurvymiaro}Yej
C(
}] typu skokorve-
go tlazywallry
fullkcj:
F(-t,v):I
Zp, (1.j2)
J ' 'Y'l/<}]
Funkcj gsto ci prawdopo(|obielistrr, r
drvurvl'miarorvej
zmicnnej
|o-
sowej (X
]) typu cig|ego
nazywamy
fllnkcj
f(.r.l;=
liln
P(r<X<.r-+l..
l<
)'< y + A_1,)
Zrdlo:
opracort'anie rr'lasne
r+0,A1.+0
t.Av
Funkcj
a gsto ci
lna nastpuj
ce
rv.lasno c
i :
}
/(.r"",y)>0
dlax,y4,
+@ +r
z
J J J
6,1')d-rrlt'=
l.
;:'-
.F
.
J J .l
r''
y)d.tdy
=
P(r:t <
't
-r-2,
}l
<.l,
J ,] )
.
'rt .l l
(
1.33)
( r .34)
( l.3s)
( 1.36)
24 ELEMENTY RACHUNKU PRAWDoPoDoBiESTWA
Lczna dystrr'buantlt ztllienIllch
'\-
i )'nla nastptljcpostac:
F(r,),)=P(.Y
<,r.)'<f
)=
.J
ll(rr.r')cirr,/r'
( 1.37)
1.3. Rozk ady teoretyczne zmiennych losowych
Plzedstarvinry teraz rr'aznicjsze teort\'czl]e rozk ad-v ztlliennej losorvej
jed-
norvynliarorvej. Zacznienly od rozk adrv zniieIlnej skokorvej: zero.
jedynkorvego,
dr'vulllialrowego i Poissona. a llastpnie onrrr.itlly u' skr.cie rr1,.
brane t1.py rozk adrv znriellnej cig'Iej: prostoktny, norlrla|ny, t-Studenta, chi.
krvadrat i Fisllera-Snedecora.
1.3.1. Rozktad dwupunktowy i zero-jedynkowy
Z rozkladem dwupunktowynt lnalny do czvnienia tvrr,czas, gdy
r,r, wyniku do rviadczenia nloellly tlzyska tylko
jedn
z drvclr r'vao ci zt-trien.
nej losorvej: r:1 lubx2 z prarvdopodobietistrvarni odporviednio p oraz 1.p' onl.
lr'inry ten rozkIad szerzej dIa
jego
szczeglnego przypadktl' Zwanego rozk|ac|enl
zcro-jcdynkolvym, potliervaz
ztllielrtla losorva osiga rv trinl r'varto ci 0 lub l.
Funkcja prarvdopodobielistrva lr,tyt-ll rozk]adzie Illa oczyrvi cie postac
Tabcla 1.3
Podobnie atrvo
jest
\\yznaczyc d1,str)'buatlt dla tego rozk'ladu:
f
o dla,,r<0.
f(.i)=1,_, dla0 x<l.
L
I dla.r->1.
Warto oczekirr'ana ztnicnrle.j rr't.ozkladzie zer.o-.jedynkowyll] rlrytlosi:
6(,Y)=0 (l-p)+l't')=t), (1.39)
llatol'nrast wailancJ a:
D=(X)= (0*p)t
.(1
-
p)+ (l
-7;)r
.
p
--
p(t
-
p)
( r.38)
(r40)
Rozrmov re oRETyczNE z[,4tENNycH LosowycH 25
Przyklad 1.9
Klicntarni sklcpu z u'yposaenierl wtltrz s kobiety i l.l^tzczytli.
70% kuptljcych. W opisanvnl pr.zy'padku llrozna zdeflniorva znlienn
na poprrlacji klicntrv sklcpLI, np. prz1,jnltrjc:
rl,
jccli
klicntcln
jcst
kobicta.
x:0'
jceli
klicntcnl
jcst
lnzczyzna.
Tak zdcfiniorvana zl.uiellna nia rozklad zero-jedy'nkot*y z p:0,7 .
podobicIistlva tej zrrriennej Wyraza si rvzorenr
[0,:
dlar=0,
P(X
=
k\:1
| 0.7 dla r'
=
l.
J cj r,i1'krcs zosta przedstarviony na rysrrnku l.5.
Kobicty stanorvi
losorv okrelon
Funkcja prar.r'do-
1i'
nq
0,8
0,7
0,6
0,4
0,3
?
0,2'l
0,1
l
-----0+--
0
1,s. 1. 5 P r:yk ad ov,y lD)kre s
.f
ltlkc
'
,
pravtlo;;odobie s Iv a d la ro:klad u :e ro-jeclvttkoltego
Dystrybuanta rv op i sylr'an1,m przyk]lad zie
j
est r.lvna :
Io
dla.'r'<0,
I
F(x)= o.: ctlu0<x<1'
I
[1
dlax>l
ijest przedstar.viona na rl,sunku I .6.
-l
zo ELEtvlErury RAcHUNKU PRAWDoPoDoBIESTWA
-1tt12
;
s. l 6 P rz y k l a tl ov v lt,
1.
k r e s t,,s t rl, Ll u a n t
7-
tl l u r o: k l ad u : e r o -'j e c|y n k ov e g o
1.3.2. Rozk ad dwumianowy (BernouIliego)
Rozk- ad drvttnriallorry wystpuje rvtvczas, gdy przeprol'vadzanry ll
jedna-
kow1,ch do wiadczeri, z ktrych kade trloze zakoczy si
jednym
z dwch
rvynikrv:
,,sukcesen1''
z prawdopodobieI,lstrvetll p lub
,.porak''
zprawdopodobieristrvel-n l-1r. Znrietln losorv X ul tytll eksper1'tnencie
jest
liczba sukcesrv rv ir probach' atrvo zattlvaiyc, e rnoe ona prz5,jtllorva lvar-
to ci z przedzia|u
(0,n}.
Funkcja prar,vdopodobieristrva
rv rozk adzie Bernoulliego
jest
okre loIla
\\rzorelt-l:
( 1 .41)
Dystrylbuant, podobnie
jak
poprzedllio, lr,yznacza si rr.g rvzoru ( 1 .8).
Warto oczekirvatla i lvariancja rv rozk adzie drvunlianowytrr s rrr,tle:
E(X)= np, (
r.42)
n'6)
=
np(r
-
p) . ( 1.43)
Przyklad 1.10
Pclvien aklvizytor prorvadzc1' sprzcdaz kalkuIatoriv kontaktuje si z l 0 kliclltalni
dzicnnie. Z do rviadczcnia ri.iadonlo, ze prarvdopodobieristlvo zakrrpu kalkulatora przcz
klinta rt1'nosi 0,2. J aki
jcst
rozk ad praivdopodobicst\\'a liczby sprzcdanyclr kalkulato-
riv? obl iczr'c
.j
cgo paramctr.1,'.
RozKADY TEoRETYCZNE zMlENNYcH Losow/cH
Rozrviazanie
Znricrln losorv rv tynr przykladzic
jcst
liczba sprzedatr;'clr przez sprzedarvc cg.
zenp|arzy rv cigtr
jednego
dnia. Ma ona rozk,lad dlvttlniano*y z n:10 i p=o,z. Ftrnkcja
pralvdopodobistlva, obliczona wg wzoru ( l .4 l)' przy.imtrje rvarto ci:
l0l
p(-y
=0) =
'"'
(0.2)0
.(0.g)rn
=
0.107374 .
0!.1 0t
'
co oznacza' e akrvizlor nie spr.zeda zadnego kalkulatora z prarvdopodobieIlstrvenr 0. l,
t0l
P(X
=
1;
=
.J -10.2)'
.(o.s)o
0,268435
'
l!.9!
'
cz1'li prar.vdopodobieristrvo sprzedania
jcdnego
kalkulatora ri1'nosi 0,3 itd.
Wykrcs tcj frrnkcji przedstart,ia si
jak
na rys. l .7:
0,3
^)
0,2
0,1 5
0,1
0,05
0 -, o_'=,r=>
10 11 zJ +col/Y
Liczba sukcesw
(sprzedanych
sztuk)
Rys.1.7 Pr:vklatlotty wykres./ilnkc:ji prav'dopotlobictishra :ntiennej o ro:klatlzie Rernoulliego
Warto c oczekirvana liczby sukcesrv rv opisan1,nr do lviadczeniu rryIiosi:
E(X)=rtp=10'0,2=2.
Wariancja
jcst
rlvna:
D= (X)
=
np(l
-
p)
=
10' 0,2 ' 0,8
=
1,6,
natomiast odchylenie standardowe:
D('Y)
=,1;\x)
=1,26 '
1.3.3. Rozk ad Poissona
Rozklad Poissona
jest
rozk adenl znliennej losor,vej skokorvej, z ktrynl
lllallly do czynienia w przypadkLt okre |allia prarvdopodobietistr,r,a zajscia zda-
27
E
a
.c
.9
o
;
o
o-
0
28 ELerueNry RAcHU NKU PRAWDoPoDoBlESTWA
rzeri stosunkolvo rzadkich. takrcll
-jak
liczba Ltsterck ri'produkorvanej paftii ma-
teria u. Iiczba zg oszeri szkd. liczba czi1steczr-.k I.aclioakt1'lvnych cnritorratt1'ch
przez substarlcj rr'klcitkilll okr.csi it1l' J est to rozklad, rv ktrym poszczeglne
zdarzenia s niezalezlle cld siebie i pralrclopodobielistr,vo
zaj cia pojedynczego
zdarzenia
1est
takie salllo dla lvszr'stkich przedzialrv
o sta ej rozpito ci'
Rozk' ad Poissona
jest
przr'blietlielll rozk adLr Bernou||iego dla duych
prob (ll>1000)
i
Pt.z1'
'-'.'.',.'-''
pralvdopodobielistr,vie
zaj cia zdarzenia (.'strkce-
su") - prakn cznie p<0.1 .
FLrrlkc.ja prawdopodobieristrva rr. rozk adzie Poissotla o paranletrze i
jest
clatra u'zorer.n:
P('Y
=o,=*,
dla = 0,1,2,,,,' ( 1.44)
Zarrvki
arrvek
gclzie:
e - podstarva logarytrlrv naturalllych,
)" - sta|a, ktra
jest
rvafto ci oczekirvall i rrr'nocze nie
.ivariancj
|oZ-
kladu, czyli:
E(f)= n21X1=tr.
PrzS'klad l.l 1
W zak adzie rrytrvarzajcynr arrvki lvadliu'o produkcji rvynosi 40'
pakorvaIle s rv paczki po 50 szttrk. WyzItaczy rozk ad Iiczby rvadlirv1'ch
( r.4s)
w paczce.
ZIlricllrla Iosorva Iiczb1, u,adlirr1'clr lrrr'ck l.rra rozklad Poissona. Warto oczcki-
rvana uvnosi:
E(X)
=
)"
=
1P= 50. 0,04
:
2 .
Funkcja prarr.dopodobicst*'a
|lla Zatclll posta:
)^
-)
l'( .\
-
Kl---c
-
K|.
i dIa kolcjllvch prz1jlnLrIe rr,ar1o ci:
)0
P(X
=O)=:-e_)
0,135335,
0!
co
jcst
to w'arto ci prarr'dopodobicstrva,
ie w paczce rvszystkie arrvki s dobrcj
jako-
ci,
)r
P(X
=
1)
=
1-
u-:
=
0,21067 I
II
- prarr,dopodobieristir.o.
ie \v paczcc nla|azla si
jcdlla
rvadlirr'a ar.rr'ka. i dalc'i
RozxrRoy TEoRETYczNE ZMIENNYcH LosoWYcH 29
P(X
=U=+,
=0,2'706J 1.,
)3
P(X
=3)=1_e_J
0'l80447,.''
W.vkres tej funkcjiprzcdstarviony zostal na rysunku
(1.8):
0.3
.j
OO
0,05
l-,=-__---- ?
.
.--a*-+-o
l-.-.'r-.-o-. -e-o->
0 1 2 3 4 5 6 7 8 9 1011121314151617181920
Liczba w ad|wych arw ek W
paczce
.t1.s. 1'8 Pr:1,kladowy llykres
'l^
tltk.
.'
J rav.tlr4lotlobielistta
dla ro:kladtt Pr;issrltltt
Na portyszyrn rrykrcsic latrvo zaurr.az1uc, e najcz ciej (z pr.arvdopodobie-
stweItl 0,27) w paczce zrlajdtrj si 2 ltrb 3 arlvki rr'adlilvc. c
1.3.4. Rozk ad
prostoktny
Uednostajny)
J est to najprostszy Z rozk adw Zlniennej losorvej ciglej. Matlly Z I-linl do
czynietlia rvtedy,, gdy prarr,dopodobieristrvo za.i cia zc|arzelia
jest
stale
\\'pervrlym przedziale
<a,b>.
Przypadek opisany rv przyktadach 1.5 i 1.6 doty-
czy rv 'a n ie rozk adu
j
ednostaj nego'
3
^^ a
u.z
.c
.9
o o 1
O -"-
o-
o
3 nl
6'"
I
a
a
30 Eleveruty RAcHUNKU PRAWDoPoDoBlESTWA
Funkcja gsto ci tego rozk-ladu
jest
daIla \\,Zorel]l
I
o dla ..r.- < c,
l1
"f(x)=i;-
d|a<x<b,
lD-o
[
0 dlax>'
od
jej
rv a rrie ksztattu
(patrz
rysunek l.3) bierze llaz\r rozklad pr.ostoktIr1'.
Dystrybrranta znliellrlej losorr'ej o rozk adzie
jedlrostajnynr
rvyraa si rvzo.
renl:
( 1.46)
( |.47)
Io
I
lx-7
l (x;
=
1
'
lD-a
L1
Warto oczek
rrvne odporviedrrio:
+
?
E(x)
=
)xJ
Q
dlax<a.
d|aa<x<,
dlar.
irvana
)dx =
i rvariarlcja zrlliellnej o I.ozk adzie prostoktnynl s
.
^
|
l
^
+b
U+
l.r-t/.Y+U3-.
)
b-a 2
( r.4B)
(
r.4e)
1.3.5. Rozk ad normalny
Najcz ciej spotykall1,'nl \\' natufze rozkladenl ztniennej |osor,vej ciglej
jest
rozl< :rd normalny, Zwall\, rozkIadcnl Gaussa-Laplace'a. Cigla ztll ietrna Iosowa
X lrla rozklad tlonllalny (co oznaczanlr
'\
-
i'(l,. o)).
.ie li
jej
ftrnkcja gsto ci
.
okre lona dla wsz-vstkich rzeczl,rr'ist1'clt ri'arto ci r da si przedstalvi za pomo-
c wzortl:
[
(.-r,)t
)
r^,-.\_
I
-[-;]-l
"/(.r)= t^
e'
O.,l flT
gdzie:
x (_
-;+.o),
ll:E6.)
- rvarto c oczekirvana,
o:DlX) - odchylenie standardou'e,
tr:3
-141
59 .
(
r.s0)
Rozxrnov TEoRETYCZNE ZMIENNYCH LOSOWYCH
Przyk ady firnkcji gsto ci dla rznych rvafto ci paranletrrv p
i o
przed-
starviono na r1's. 1.9:
-r-_N(oJ
I
Rys. l.9 Funkcje gsto ci rozklatlu nornnlnego dla r:n1''ch lt,ttrlo ci
!
i a
w arktlszLt kalkrrlacyjn5,rtr EXCEL rvystpuje funkcja
ROZKAD.NORMALNY - daje otla tV lvyniku normalny rozk ad czny dla
darlej redniej i odchyletria starldardowego.
Skladnia:
ROZKAD.NoRMALNY (x,' r e d ni a, s t a ncla rcl
_odc
h, s ku nl ul
),
gdzie:
J - argullrellt funkcji gSto ci lub dystrybuanty,
reclnia - rvarto oczekirvana rozk,ladu,
stndard_odc - odchylerlie staItdardowe rozktadu,
skuntul - rvafto logicztra' ktra okre la rodzaj firnkcji. Iee|i skunnil na
rvarto PRAWDA' rvrvczas firnkcja ROZKLAD'NoRMAt,NY
daje rv l,ytliktr czrl funkcj rozk adtl - dystrybrrarlt. a
je li
FAsZ, rr'rvczas frrnkcja ta daje rv ltyniku funkcj gsto ci
prarvdopodobiIistrva'
Natomiast firnkcja ROZKAD.NORMALNY.ODW oblicza rvao funkcji
od rvrotnej sku nru lorvan e go rozk ad rt nortrra l tr e go,
Sk adrlia:
ROZKAD.NoRMALNY.oDW(praw clop, redni a, s t andard
-odc
h)
gdzie:
pruwdop -
jest
to prarvdopodobieristwo odpolviadajce rozktadorvi nor-
malnenlu.
31
i
l
I
ELrtr,leruTy RACH UNKU Pr nWDoPoDoslEstwR
rednia -
jest
to redrria arytnlct} cZna rozkladLl.
statldrd*odc -
jest
to standardorr'e odchylerrie rozk,ladrr.
Charaktcrystyki liczbotrc zrllienncj Itlso\rlj ,Y
-
.V(7l.o) s rlastpujce:
p_E(Xl
- rvafto oczekirr'ana'
V(.n:d - uaria-nc.ia.
)v[e:p - l'nediana",
Ir4o:trt - uroda.
FLrnkcja
.f('r)
rtra nastpLrjce wlasno ci:
_
vtasno C Synrctlyc:no ci -
jest
syrlletryczrla w'zgldenl prostej
"\:l/,
co
oznacza, e speln iona
jest
zalezno :
P(Xrp)=P(,Y<tr)=0.5. (1.51)
-
y' asno
jec nomodalntl ci
- rv pLrllkcie
"t:1l
osiga rvafto nlaksynlal-
ll. ktra rv1'llosi:
J 6=-+,
(r
s2)
6^,t zft
_
vl'sno' :tlliettno' ci - rallliona
f"r)
lna.j punkt1' przegicia dla
x=
/!-O
orazI-
lt+
o' W|asno ta rvize si z tzrv. rcgul trzech
sigm, u'g ktrej przyjlrlLrje si, ze realizacje znrieIltrej Iosorvej cig,l'ej X
nie bd si rzrliI1
(irl plus. ill nlirlirs) od rvarto ci oczekirr'anej rvicej
ni otrzy odch1,Icrlia stanclardorte (rys.l.l0) rr,ytlosi lv przvblieniu l.
czyli:
PU,
_3o
< X <
1t
+3o)i= 0.9973
l . (1.s3)
R1,s. }.l0 l!ustracjtl gra.fic:tn regul tr:ech signl
8
Mediuna inloda snriaralui redlriIlri, o ktr;,cIl szczeg orr,o lllrvic bclziellll, lv Rozdziale lll
RoZKADY TEoRETYCzNE ZMlENNYCH LoSoWYcH
-
yv osno
okre lotlo ci - ksztah fLrnkcji gSto ci za|e od rvarto ci
drvch paranretrrv.'
1t
i o. Paratrretr
7l
decvduje o przestttliciu krzy.
rvej, ttatom iast paratlett. o dec1'drrj e o ..snruk o ci''
krzyrr,ej.
Przy rvykorzystaniu krzyrvej nornralnej r,v procedurze u,nioskor'vania staty-
St}.czllego celorv
jest
takie przeksztalceIlie
jej
rr'vnaIlia, ab1, [1,1" ona niezalez-
lla od paratrletrrr.' Naley rvic prz1'jc, e zanliast obserrvorvanej znriellne.i
losolvej cig]lej X lr,prolvadzal-try tzrv. zmienn starrd:rryzorvan U
-
^"(0'l)'
ktra
iest
zdefiniorr'atla
jako:
(
l.s4)
o
Wl,korlanie statldar1'zacj i dla lvielLr ztrrientrr.clr
jest
ircilirve. dlatego te Micro-
soft EXCE'L prz1,'szed |lall Z poll-loc i rv5'stptr
je
w t.lil.tl f unkcja
NoRMALIZUJ (x'. rednia,' standcu.d-ot|ch';, ktra daje standaIyzolvanrvarto c
znlienrlej losorvej o rozk]adzie Ilort-llalIlvl-tl rv stosunku do r.ozk adu charaktery-
Zowallego przez argllll,lenty rednia i sttldard odch, \Y skladni tej funkcji nla-
rlry:
x - rvarto c" ktr chcenl1' statrdat.1,zorr,ac'
r e d ni - red n i a ilrvtll]etycZna r.ozk ad Lr.
,s l a nd ur tl
-otlc
- od chy I ell ie standardolr'e rozk,lad Ll'
Fr.rnkcja gsto ci rozkladtr ztlliellnc'i standat.yzolvane.l (tj. rozk adu nol-
ma|nego standaryzorvancgo) o paf ulit-t|ach E(L):0 i o(L;):1 prz1,imuje po-
sta:
r
-l
,,:
f
(,)
=
n
',,
(1.55)
ltn
Wal.to ci liczborr,e fLrnkcji
f(u)
s zestarviolle rv specjaln1'ch tablicach Stat\'-
stycznyche.
F rrnkcj a ROZKLAD.NORMALN Y' S obl icza prar 'dopodobielistrvo standa-
ryzowallego rozk ad rr llot.tlral Ilego
l o.
S k ad'l i a f Ll nkcj i :
ROZKLAD.NORMALN Y. S(z)
gdzie:
: -
jest
to rvat.to c, dla ktore.i chcellly okre li prarr'dopodobieristr,vo'
Wano funkcji gsto ci dIa standarvzowallego rozk adLl llornralttego l-lrona
uzyskac przy polxocy fornlu y
n
Tablice statyStYcZI)e podstirlr,orr1'ch rozk adri' zattlieszcztltlo rr
l.'
Poru'na.j N,I. Praiilslia. J . PraIiriski: I]atlania s'!(1!1,,sl.,,L,:ne :
Warszarva 2001. s. 107- I ll.
koIicori.e.j cz ci ksiki.
excelettt, Wrdiirvniotrvo SGCW.
J .+ ElevEnlv RACH u NKU
pRA'v^/DopoDoBrEr'rsrwA
ROZKAD'NORN'IALN\:(1,
1/ l. liLls:.)
Fullkcja ROZ-KLADN()I{\l,'\l-\\..S oD\\j daje rr' rr1,ltiku tilnkc.j od-
wfolll do d-".str.1'buantr stltll,.illI.\ Z(
)\\
llllclo t.oz-kladlt Ilorllraltlego' tZI-l. poda.jc
rr,arto pt.au'dopot1obic-listrt;t l-l-tclclllr tltt.zr Illa. dla
jakie.|
rr,arto ci .I
jeSt
ol)a
os i-caIl a. S k'I acl Il i a :
I{oZK -A D'N O R \'I,'\ l,N \.' S. o D \\ (1l t. t tlt' t| c, p)
gdzie
Pl.(lvL op
- prirrr clrl;li.lcltlbictlstri o |)rl})o\\ iadl1ce tiot.ttraltlcIntt rozk adorvi.
Prz1'k :rd 1.12
Czas dokonania pl'zclcn'u finansoucgo nli konto Lrankolr'c (rv
dniacli) llla rozklad
ltortrralIll' (7:2)
'
okre li:
a.
jakic jest
prarvdopodobiestir'o tlzr'sklllie picnidzi' lla kolrcic rr' czasic lric
d uszvnl llii 3 dni od zleccliia crperac.ji?
b.
jaki
plocent zlcceri zostiurie zlcalizouanvch * czasic od 10 do 14 dni?
Rozrviazan ic:
Czas dokorrania pl.zclcrl'lt jcst
zlnietllla losorr' o r.ozkladzic X
-
]lrQ:2). Zatcnl,
rr,arto oczekilr,aIla czastt dokotrania przclc*tr
'"wnosi
7 clrii. a oclclr1'lcnic stirtrdarciolr'e
L Znricnnu staudar)ro\\ana 11
=
+
-
'V(O:t).
(
v-t r-z\
a' P(x 3)=Pl
= 1+
l=p(,,
_f)
Korz1,'stajc z rvlasltrl ci
n,.),'aioaor,,.,u.-1
n.,a,rlv P(it
_2)
=o(-
2)
Ponicrva lr,tablicach nlatrlr'ptlil nc rral.toci Lllstrrbtrantv Lozklaclrr Iltlrlllalllego standa.
ryzow.a|lego ti.lko dla ri.arto ci dodatnich. Zateln nrttsinly skorz)'stac z rv,lasllcl ci st,rn-
tr1'czllo ci rozkIadu not.tllalllcgo:
*/
^\
-/
-\-r
D!,,.)\-l
,/'(
<-l)=
P( >:t-,
-r
\.,' -/-'
O(l)
odczytu
jc
rvar1os z tab
jic
stalldart zcltr.ancgo rozkladtl llorlllalllcgo lllaln\':
o(2)= 0,9772.sta
/tr-1-\
I A
-
I 1- / I
r(, .s 3)= Pl
+ + l=
P(,,
-2)=
l-o(2)
=|-0.9712=
0.0]]8
\Llj
Pr.arr.dopodobieIistlr'o Ltzr,skariia picllidz1'na kottcic iv czasic nic dlrrisz-r'ln lliz
j
dni od zlcccnia opcracj ijest rriunc 0.0228.
b. P(l0 X <I4)=
"(Y
=, =u )=
P(l'5 < 3'5)
Rozxr,cov rEoRETyczNE zMtENNycH LosowycH
7 rr' asIlo ci prarr'dopodobiestrr'a lnal11\':
P(l.5 tt
<3.5)
=
P(tt< 3.5)- P(z < l,5).
I)ollicrr,a rozklad nornlallll'
jest
lozkladcll cig,li,ln w,ic P(u
=
l,5)= 9 Zatcrtl
P(L <1,5)= P(r, < 1,5).
Std
/, ,
(ro-7
^--1
r4-i) ,
r(lo <.r 11)- Pl
\2
2 2)
:
P(tt 3'5)- P(, < l.5)= o(3.5)- o(l's)
=
0.99976]
-
0.9332
=
0.0665
6,650 z|ccti zostanic zI'ca|izoir'alll'ch u.czasic od l0 do l. dni.
c
1.3.6. Rozktad chi-kwadrat
J eeli rozpatrznly'cig niezaIenych znrienIlych losorvych r1. 12,..',-T,,'
Z ktr1'gh kada rtra r.clz-klacl Ilorttraltly'' ,V/l'o) oraz cig ztnielltt;.,ch Standaryzo-
ri,atlych Ll1,L
l... )L!]1
o rozk'laclzie ry10: l
)'
to ztllielrnl Iosort a
f
(chi-klvadrag
.jcst
stttll krvadr.atrr, zlllienllej losorr'ej L,
^tzll'.'
z.
= ,,.. =
(',
-J ,).
.
/=l t=l O-
przy czyur zmienna losorva y2 (tlla
I'rO)
podobicI.lstrva okre lorly wzorenl :
r(z')=tr*t-
(r..)"'"-'
,-(t'5/
,
(1.s7)
gdzie:
k - liczba stopni su'oboclr'lt
.
f (0'5 ) - funkcja ga|lll)la o argttIneIlcie 0,5 :
r(o.s )
=-1,,,',o',
n-,,l, .
0
Ztllicllna losorr,a
i
prz1,jrnttje rr,aIto ci cloclatllie
okre lony przez |iczb stopni srvobod1' /r. Rozk ad ten
oraz odclrvletl i statldat.dou,e rlvnc:
( r .5e)
.'
Stopicri srr,clb6d.- to Iiczba niezaIenr'clt rr,1'nikrr obser*ac.ji ponlniejszona o Iiozb zlvizkrr,.
kttire cz-il rr1niki obser.rr'ac.ji ze sob11.
35
( l .5)
llla rozk}ad ftlnkcji gsto ci prarvdo.
(1.s8)
i rtta rozklad calkou icie
tria u'arto oczel<irvall
EI-El','lrxry RACHU NKU PRAWDoPoDoBlESTWA
D|a ,t:1 oraz k:2 rozk ad
72
jest
rozk aclerll skrajIlie asyn]etryczlll'Ill; dla
/r:3 rozk ad
jest jeszcze
siltlie asyntetf)cZll\
'
Pt.zr rvzrastajcej liczbie stoprri
srr'obody staje si bardziej Syn]etf}'czll}'. dla /r>j0 rozklad
jest
szy'bko zbieinly
do rozk adtr norrllaltlcgo' Wykres ftrrlkc.ji
.tsto ci
rozkladu
7'
d1a rnej liczby
stopni su'obod1' przedstarviono na rysutiku I .I L
ti, tli
,'s'
}. } } |I.vkrts
/itnkt'ji
g(s1ol.ci ro:kladtt clti.hyaclrut
Rozk ad
7 3"'t
stablicorvany dla 30 lv ten sposb, e d|a okre lonej
liczby stopni slvobod1.t iustalollej rr'aIto ci a(gdzie 0<a<l) odc;rytarre rvarto.
ci
7ir
spellliaj relacj P]z' >
z-.r,l=
a, czy|i
f:,.k
jest
tak rr,ar.to ci
ztlliennej
z),
d|a ktcirej pole pocl kl.zrrr gsto ci - l.}a prawo od te.i u.arto ci -
jest
rrvrre a, J ee|i /..>30, korz1'Sta Si tablic rozkladu llornralnego.
Chcc
policzy, rvarto prarr'dopodobietistrv'a lLrb znliennej chi-krvadrat
trrotra rr.ykorzystac arkttsz kalku lacy'.1 rrr, E XC E L.
FLrrlkcja RoZI(tAD.Ct{I podaje itarto
jedtlostrotttlego
prarvclopodo-
bielistu,a rozklaclu
7r 1poclaje
wal1o c a).Sk]aclnia:
ROZKAD.CHI(x, s topn i c
-sll
o b ody)
gdzie:
't
- rvarto , przy' ktrej nale4, oclczyta prarvdopodobietistrvo,
stctpnie_stt,obody
- liczba stopni sw'obody.
lrLrnkcja ROZKLAD.CIlI.oD\\, podaje rvarto fLlnkcji odrvrotllej do pra-
rvostronnej, skttnrulorr'aIlej firnkcji gsto ci prar,vdopodobieristrva rozkJ adu
7r'
Podaje rvar1o
f",
. Sk adnia:
I{oZKAD.CH l. o DWQ, r alt' cl o7: o d o b i e s hl o, s l oplt i e sv, o b o dy
),
Rozxt,oy lroRETYczNE ZMIENNYCH LoSoWYcH
gozre:
pralrdopodobialis^l,o
- prawdopodobieristlvo
zlvizatte zt.ozk|ac1erll
72
,
slopnie_sv,obody - liczba stopni slr,obody.
Przyk ad 1.13
Zlnicnna ]osorva ,Y lna rozk ad clli-krvadrat z 10 stopnianri su'obod.v. PoIicz1'c
prau'dopodob ieristl'a:
a) P(' ' > 3,940)
,
,
P(X <13,442),
Podaj rr'arto xo lr,icdzc. c:
c; P(X
t
"o
)=
0,9
,
d) P(x < .ro
)=
0.1 .
Prz1.klady b, c. d sdo rozrr,izalliaprzy
u1,ciu pakictu konlputt.'t.orr'ego. np. Excc|.
Rozrviazan ic
a) Warto P(x
'
3.910)
=
,(,;n > 3.940) |nozcl11\. bezpo r.cclIrio oclczr,tac
z tablic. W rviersztr
o litllllcrzc rrvlrvnr l0 stopnionr sri'obod1'oi1najdujelny,
liczb 3.9. 0.
Liczba ta znajcirrjc si rr. kolunlnic dla ktrej cr:O,95. J Vlalll1' zatelll:
P(X ,3,940)
=
pki,
> 3.9. o):o,o.;.
Korzysta.jc z arkusza kalku|acyjnego
na|cv tlzv funkcji
ROZKLAD.CHI(3.940;
l 0)' ktra dir rrr'rlic trr.nik 0.9'5'
,
b) Korz5,,stajc zc ztlanr'ch u'lasno ci prarrdopodobicIistiva
l11ocl-tl}, zapisa
P(X .13,442)= l_P(.\- > 1j.112) i z tablic nlozIla oc.lcz1,ta rr'arto prarr,dopcldo.
biell'strr.a P(X >13,442). W1,nosiona zz:0.r. T.ak ll,ic
p(x
.i3,442)=l
-
p(x
>13,442)=r-
p(22
> I
j.442)
=
t
-
0.2
=
0.8.
,
W tyrn przypadktr
arkLrsz kaIkuIac1'jnr';nozc
b; przl,cJ atll1'tylko
clo policzcllia
P(.r > 13,412).
c) W celu zllalczicllia rvarto
-xo spelniajccj rr.arr'rnek P(x >
"Io ) =
0,9 sztlkalnr,
rr' tablicach ivarto ci nn pl.zecicirt ir
jcl.sza
odpori,iadajccgo
l0 .stopnioln srl,obody
i kolrrrlrnv odporviadajccj prarl.dopodobieIistrr.u q':0'9.
Warto
"ro .jcst
rrr.na 4,86.52.
W1'korzystujc EXCEL w 1}'nl prz1'padku
nale1'
u' filnkcii
ROZI(LAD.C l-l LOD\\/(0.9: I 0).
37
d) Prati' stro|1 podallego
rri'Ilania lllozelny zapisa
jako:
p(x.xu)=l
-p(x>,tn).
cz;,li l-p(X>.ro)=0,1.
Zatent
P(-Y >.Io
)=
0.9
- co przcds1arr'iollo
rr,pLrrrkcie
c.) lliiriejszcgo pr.zrk aclu.
Arkusz kaIku-
iac/rly lllozIla rr,1'kcll.z1''sta juz
po przcksztalcclliach.
;
-..
ON
>,5'
'J 1
\
.:
-
-
c
=
>,-
2 ,
l
- -
G
T
a
--,
L!
z,
t
N:1
N=
-=
!
! .-
-
C
.7
t
-5
;c*
-
A>
-
.2
a
.2>
!.4
2=
-')
'')
I
:J :i x
.
'-
_
'/
*=
N
-
N.'
=
7,i
\:
a-;
|
r
-
a
F
\..
N
F:J
a
\
-
!
c-
-o
E
1:
^
4
l, 3, 3, s,6,1,9
rvartoci czlvac-
u'
Krr,artyle nie sjedIlak ttriaraIrli tendencjicentr.alnei. bo nie rr1'raaj rvar.to ci pl.zee itrrei z.jarri-
ska. Zostal1,tu zaniieszczcllle ze ivzg|du na podobieristw'o raclrunkcllve rr'stosunktt dtl Illcdiallr,.
o
ANALIZA sTRUKTURY ZBIoRowocl
W przypadku
liczebnie
dtrej zbiororvo ci, trjtej rv Szereg rozdzie|czy,
przy poszukiwanitl
nlediany r,r,ykorzystLrje
si szereg skunlulorvallych
liczebno-
ci' Mediana zrlajdLrje si rvrvczas rv
{rupie' u'ktrej
skttt-tlltIorvalle
liczebno ci
przekr.aczaj
ltlb co llajmnie.j
osigaj tltlllel.kolejlry jechrostki
roc|korvej. Wy-
znaczanie nrediany kompliktrje
si.
je li
lvarto ci cechy s przedstarvione
tv przedzia ach
klasorv1'ch,
Za pomoc
kunrtrIacji
lnoellly LrstaIic. rr' ktry,Ill
przedziale
znajdLrje
si rodkorva.iedllostka,
llatonliast trudno
jest
tlstaIi, ktra
z rvarto ci
tego przedzia u jest
nlediaIl'
W sposb przy-blizony
obliczaIny nle.
dian opierajc si na \\,Zorze iltterpolacrjn1'rn:
lv[c
=
x,, *
L(x
,," -
tt,^.,)
t1,
gdz|:
X11 -
dolna granica przedziah"r
nlediany,
hn - rozpito przedzialu
nledially,
n0 - liczebno przedzialtr
lllediarl1',
1V,17, - nut)ter nlediany,
i?J '.l -
Sullla Iiczebno ci rvszystkich przedzia1rv
klasorvl'ch poprzedzaj-
cr ch przedziarl
nrecliany.
Warto ci pozosta r'cIl
krrartr'li dla szer.egu rozdzielczych
r,v'vznaczallly
odporr'iec1liio
z rlastptrji1cr ch ir zclru :
It
?,
=-r,
-
---1.\ ' rr
r
)
1,.
lt
9,
=
-T,, +
f
('\-
,, -
r,,,.,
) (3 9)
tl,,
gdzie ozrtaczenia s analogiczIte
jak
r,(3.7)'
Wzory (3 . 7)-(3 .9) daj 11 prz5,b l i otte lr'arto ci tych ztrr ien ll\'ch'
Przyk ad
3.1
\\,r'zllaczlllr' rlledian dla dalli,cli z tabcli 2.9, tv ktrej \\,yzllacZotlo ju
liczcbno ci
skttt rulorr'alre.
(3.7)
(3 B)
MtRRy oplsuLcE PRZEClTNY PoZlo|\4 ZJ AWISKA 87
Tabclu 3.11
Nrrme r
k I asr'
Poli'iel.zcIlnia sprzeda
(rn-.)
,t;
Liczba ptulktrr,
^.---^i,-+.,
5Pl ZUttJ )
1,
Liczebnosci sku-
nrulou,ane
l1
sk
1 0-50 ]]-
11,1
2 50
- 100 l4{ 368
J 100 - I _i0 5l 120
A
150
- 200 I1 +) I
5 200 - 800 51 49
Zrdlo: danc u|l)o\\ |]e'
Rozpocznijnry od \\'')'z|laczcnia ntuncItt nlr-diall1' rrr'tlego nlZ.: 24,7 , Zatnl nlcdia-
na znajdujc si rv drtrgiIn przedzialc klasorrr,nl. Rozpito tego przcdzialu lv;-riosi 50,
liczebrlo
- l4;1. liczbr1o szcregtl skuttlttlorvattego, poprzedzajcego plzcdzia media-
ny \\ynosi 224. Podstari'ia.ic tc dane do lvzortr (3.7)'
otrzylntljclny:
tra=50*
50
(z,.l-
2]4)=50+
50']3
=:o*
l l50
=5.1,99,
l4. . l.]] l44
czyli rncdiana \V)/zllaczo|1a dla pol.icrzchni sprzcdaz1' placriek handlorr',vch rv Lodzi
\\'ynosi 58 ln2. co Qz|l^cza, Zc w bada|lcj zbioI.oirclci polo\\,a ptrnktri'splzcdai}'nlia a
powierzchni lnnic.jsz lub r.ll.IlokoIcl 58 lll-. a ptliolr'a rr.iksz ltlll rlulltc.| lr'arto ci"
Przyklnd 3.17
Dla porrvllania podajlny, zc nlcdiatla \\\Z|liIcZollll dla dall1'cli z taLlcli 2.8 rvynosi:
'Vc=50-
.5
. 241
_:2]\_50
-
ij_50-
i75=55.]8.
I 05
'
10.i 105
czyli
jest
n iczllaczll ie nlsza'
Przl'lilad 3.18
Przeprorr,iidzono badania psychologiczrlc, ktrych celeIn b;,lo strvicrdzenic rr'1''st-
porr,ania zdolno ci przy'ri.dczych u dzieci i nllodziezy'. W lr'y'niku przcprowadzonych
tcstrv strviet.dzono, c takie zdolno ci ri.y,kazLrjc 30 trczestlriklv badania. Kolcjlry'nl
etapeln analiz bl'lo badarlic stt.ttktul.r, rr,y'rnioncj grtrp1,' pod rvzgldenr rvieku' Danc
zarvicra tabcla. oblicz lednia rvieku.
e
88 Annrtzn sTRUKTURY zsloRowoct
Tabela J .l2
r.r'iek u' latach liczcbrlos 11,t
Donizci 4
od4do(r ) 6
od6do8
.l
l0
odSdo12 o to
od 12 do 18 5 2l
noulzci
I 8 9 30
suttlA 30
Zrdlo' dlrne tllno\\ |le
Rozri'iazan ie:
Nic nloIia policz1' rcdIricj ar1'tnlet1,cznej. ponicrva przcdzialy klasorve s otwar-
te, n ierllal 3 096 oirscrrvacj i zari,iera s i il' ostatll iIll przcdziale.
Mozna policzy
|ncdian z \\,Zoru (3.7)' ktrcj llulrlcr \\\,nosi i17": l5.
4
Mc
=B-
-
(15- l0)
=
8+0.2-s.5
lo
J cdyn redni.
jak
nlozclll1' \\\znacz)'c
.i09 uczcstIlikll'badallia nta co tla.iIntlic.i 9 lat.
Przvklad 3.19
\\'r'znacznrv rtartosci knarty'la pierirszcto itrzccicgo dla danych z tabcli 2.8. Nu-
ttter krr,artl'la pict.rrszct]o rr'l'llosi: N(,] - l]. . czr,li znajdujc si on rv drugiln przcdzialc
klasoll.l,llt. l'tr.cgo rozpito rl}'llosi 25. a Iiczcbllo l3l. Z kolci liczebno skttmuIo-
rl'alra
1lrzedziaIu
poprzcdza.|ocgo przedziat, rr'ktrynl zrrajdtrjc si
9r,
lvy,llosi 93. Pod-
starvia.jc do w,zoru (3.8) maIn1':
-
9 ?5
=
I
\v t)'n1 prz)'padku,
jcst
mcdiana. Zatcm
a przvnajrrrnicj
507o co naj*ycj 9 |at'
?5
0,
=
l-s +
--
(l2t
-
93)
tal
lJ t
25.i I
'715
=l-i__=l-i__=-i0gl
.
lil l3l
co oZ|]acza. e 25o/o badally'ch obiektlr, halidlotl'y'ch charaktcryzorr'a a porvierzchnia nie
rviksza ni 3l llr2. a 750 posiadalo polvierzchlli nie nlnicjsz od 3l ln2. Z kolei dIa
krvar1r,Ia tt.zecicgc-l 03, ktrcgo |)Llt-ncI w\.tlosi t\p: = 37l, otrzylllrrjcrnv:
/1
Q,
=
l0O +
u3ll-368)
=
100+1.6
=
101.6,
co rl'iadczv o t1'nr. e 75o obiektri'hallc1low'ych llia o porvicrzc|ini nie rviksz od
l02 nlr, a pozostale 259 pori'icrzchlli nie nniejszIri l02 lu2.
c
.Iak rr'ida z p|Z\:toczoll)lc1.,
o'.zr'*'adrv,
przedSta\viollc nriary nlog by'
Llzyw ]lle do charakter1'sty'ki zbiororvo ci tra rlr'tri z inItvtlli Iniarallri, nlaj bo-
MlARY oPIsUJ ACE PRZEclTNY PozloM ZJ AWIsKA
rr'ietn lvyra ny SellS logicznl'. Ponadto nlog byc zastosolvane przy ltrierzcttitt
dyspersji i asynletrii, o czYnl bdzic |llowa rv dalszej cz ci.
Najpopularrliejsz rv r.d ttliar przecittlvch pozr,'c1,jnych jest
dornillanta.
Zwat]a niekiedy r,vafto ci
donlintr
jc,
tllodaln (nlod)'
DonlittaItt |]azv\Va|]-ly
tak rvafto c zlllicntlej. ktrej odporl.iacla rla.jlviksza Iiczba spostrzezeIi, czyli
1est
ona najcz cie.j rvystpLrjc rvarto ci ztnienne.j, reprezcIltLljce.j okre lorly,
lr'ariatrt badanej cechy. DotllillaIlta
jest
rr'1'godrl charakter1,sty'k zbioror'vo ci.
Mozlla
j
stosorva zarrvllo do cech tlietnierzaltlvch, jak
i tllierzalnvch. Majc
zbir indyrvidtralnych infbrlnacji. Iatrr.o tllozl-la wyzllacz},c donlinatlt przz
zliczellie
jednostek
o danej rvafto ci cechy. Wariarrt cech1', ktry lna najrviksz
czstotl irvo .
jest
dollt illarll.
J eeli dyspolltliellll' szeregiellt z.
1lrzedzialranli
klasorv.,,nli, nroeltly rvrv-
czas
' atu'o
dostrzec, ktry przedzial tlla doIninLljc liczebno ' W celLl wyzna-
czetria prz1'.blizone.j lvarto ci donlillatlty Ila podstarvie
szeregtt rozdzielczego
o przedzialach
klasorvych lvielojednostkorqlch
kor.z,vsta si z rlastptIjcego
wzot'u:
Do=xr*
n._-11 ,
h,,
(3. r0)
(n,,-r-.')+(r,,
-
r.,r)
"
gozre:
x6 - dolna granica przedzialil clontinant_r'.
np - liczebIlo przedzialu
c]olllinaIltr .
.1
.
l iczebno przec1zialr'r poprzcdzajcego
1lrzedzia
doIllitlallty,
l11 - Iiczebno c przedzialtr rlastptl'jccgo po przedziale
doIllinarl|y,
/r9 - rozpito przedzia tt
dotlliIlanty.
Dla cechy cig ej clotrlitriuita porvillna by raczej \\yzllaczal]a
z danycIl po-
gruporvanych.
Nalezy podkre Ii,
e dotninant l]lozlla rr,1,zllaczy
t1'lko lvtecly,
jc li
s
spe rl ione pon isze lvaruIrkias:
i rozklad nrtlsi nlie
jeden
lvyra nie zaznaczon1, o rodek dominu.jcy (rvyra Ile
skrrpienie najrvikszej cz ci
jednostek
rvok
jednej
rvarlo ci),
jee|i
rvarto ci cechy s podarle w przedzia1ach
k|asorvyclt' to przyna.jmniej
przedzia
donlirlanty i dlva z llinl bezpo r.edrrio ssiadujce przedzia,lv
rnusz
by
jednakolr,e.j
rozpito ci (a pozostale przedzia y nie porr'inny lllie rozpi-
to ci nniejszej).
t
szereg lrie nloze byc skrajnie asynretr)'czuy ze skrajnynl przedzialent
clonti-
ntrjc1'm (ostatninl
lub pier.lvszr''nl w Sze|egtl).
.o
Poru,rlaj prac: lt' Kassyk - Rokicka.
Il991].
s.36.
AnRltzR STRUKTURY ZBIoRoWoCl
Przyklad 3.20
Wl'znacznrv dorninant dla danych z tabcli 2.8. J ak rr.ida rr. rd badallycIr
jcdno-
stek, najcz ciej sptltykane s obickt1.handlorr.e o porr'ierzchlri zarviclajccj si
rv pr.zedzialc 25
.
50 ln:. Std tc tcn przcdziaIjcst przcdziale lrl <iolnitrallty,
jcgo
rozpi-
to rv1'nosi 25, liczeblto - 131. Liczcbllo pI.zcdzia u poprzedzajccgo przedzia
donlinant1'rr 'llosi 93, a przedzialu llastpujccgo - l05. Podstari.iajc tc ll'arto ci do
rvzoru (3. l0) otrzy'rnujcmy:
l3l-e3
Do=25+
(l3l-93)+(i3l-105)
.25
=25.
rr}u
25
=25*:rs =
3s,84.
Mozna zatcnl porviedzie, zc lv b^adancj zbiororvo ci najcz ciej r.v1,stpqj
sprzcda1, o porvict.zchni okoIo 40 llr..
Przyk ad 3'2l
Dla danl'ch zau'artvch rv tabcli 3.1 u znaczcnic dolninan$'
jcst
naty,chmiastotvc,
botvieln odczytujclny lvarto c tego pa|a|nctl.u bczpo rcdllio z szcrcgtt rozdzie lczcgo dia
rr'arialrtu zrriicltnej o najri.ikszcj liczebllo ci n,. czyli l2 obscrrtacji. Zatcn rv rd sttr-
dcntiv donrinu
jc
rvick 20 lat'
.
I2
2 !\) \2 t2 I t2
J fI 6 0 0 0 U 0
/1
22
-)
J J
f L) J 2
1 A
J
t2
6
),1
J J J 9
o
21
x Srrnla i0 36 66
obszar zIllicnlloci
jcst
idcllt5czlly
jak
rv popl.zcdniIn przr,kladzie. Natolttiast ko-
rzystajc z rr'r Iiczcti zallrieszczclllt'ch u'tabcli 3. t7 odch1'lcnic przecitlle \WzllacZatn},ze
rvzoru (3.
I 3) i otrzl"niujcrny:
,1,.
= =1.2
'
'30
a odchylcnic stalrdardorl,c \\tzllacZonc lla podstari'ie re lacji (3.l) rvynosi:
l a)f)
S
=./- =
^l.2:
=
1.48.
Y
'rU
obic lniary lv\,raonc s rv latach i s ideIrt1czrlc
jak
rr.poprzedrlinl prz1,kladzic. gd;'i
ri'obLl prz),kladach rrystpui dokladnic tc saltic uarianty cechy, a liczcbno ci Szercgu
z tabeli 3.l8 s rvilokrotno ci (polrrllozo|1c p|.zcz 3) liczcbno ci z tabeli 3.l7.
e
Przyklad 3.30
W1,znaczlllv Irliar;' rozrzutir dla dallr.ch ivr'stptljcyclt rr' szercgu rozdzielcz'"'nr
z prz1.kIadu 3.5, zaokl.ula.jc rrar.to rcdllicj ar1'tlrlctrczllcj dcl pclrl1'ch jcdrlostck,
czvli
r
=
I l0in
l.
MtnRv ovspERsLt 99
Tabela 3.19
ln
Wariant
cechy (rv rn2)
,r/
Srodki
prze-
dzialrv
i
Licze
brloci
tl,
t.-l
I'r'
-
rl
I't,
-
rln
i)
(.r,
-
.r
)'
/?
0-50 l5
.)-)
-85
S5 l90. 0 1225 l6 l8. 00
2 50 - 100 15 l. 4 -35
i5 5040 t225 l76. 00
J r00 - 150 125 )l l5 l5 780 225 I 1700
1 i50 - 200 175 t7 5 65 I 105 4225 210125
5 200 - 800 500 51 390 390 22230 152100 3669700
X Surna 494 x 48195 t01 46925
Dia powyszego szercgu rozstp wyllosi 800 nl2, Maksyrrlalnie Zlninno c tej cechy
tnow},nosic800In2. odchylrlieprzecitnejestrrr'ne: .'.=.:]:'=9J ,56n
'
49.1
natolniast odchylenie standardo\\'e rvynosi :
^
/l
0716915
\
-
l-
-
u
-
1l
v
494
:
147,50
=
148r
r
.
oznacza to. e por,vierzchnia badanych sklepr,v rlri si p|Zecitnie od l- 8 llr.. J ak
latrvo zauway, odchylenia od redrriej ary,tmet.vcznej S bardzo \\'vsokie. co rt,iadczv
o malej przydatno ci tej nliary rednie.j w analiZach badanej zbiororvo ci p|o\\'adzonych
z punktu rvidzcnia por,vierzchrri
SprzedaZ}'. W;.nika to Z 1aktLl. c ri' pieru'szy'ch dwch
przedzia ach Z|1a|az|o si prali.ie 759'i,
jednostck,
e
Pozycyjn bezrvzgldna lllia| d;spers.ii
jest
otlchr|cttic rvi:rrtkorr'e
Q.
bdce po ow rznicy nlrdz1' kri.artvlenl trze.citll a ku'artvleln pierrvszyttt :
Q- -Q,
2
Z uwagi na to' e klr,artyl pierwszy oddzieIa czwan cz
jednostek
o warto ciach najniszych, a kr,vartyl trzeci - Czwal1 cZ
jednostek
o warto ciach najwyszych, odchylenie rviankowe lllierz}' rozpito po,lowy
najbardziej typorvych
jedrrostek
zbiororvo ci',. Miar t StoSujellly wwczas,
gdy do opisu tendencji centralnej Zastosowano lTledian, SZcZeglnie,
jeze|i
roz-
k 'ad cechy
jest
Slffajnie asyll1etryczliy lub wystpllj obserwacje nietypowe.
5]
oclchylenie cwialtko',ve nazvwane by'rt,a czasell-t oclchy'Ienierrl pr.atvclopoclobnylll, co oz|lacza, e
z prarvdopodobielistrveln rurlynl 0.5 tI.afianl'"- na tvarto ci
jedrlostek
zbiororvo ci zarvarte nli.
dz1. pierwszynl i trzecinl krvartyIenl, porrvna.j K. Zajc
I
l991l, s' 2l7.
(3.20)
'100
ArunltzR STRUKTURY zBloRoWocl
Przyklad 3.31
Wyznaczrrry odclivlrrie u'iafikolve dla obliczonyclr w plz.vk adzi 3.19 krvali:
Ql
:30,92
i
Q]:10l,6.
Korz1'stajc z lelacji
(3.21)' lllamy:
.
r0 1,6
-
30,9t 70,68
v =
_-__--_.-
=
))) ttt-
,
!L
co oznacza. ie porvierzchlria obiektrv harrdlor,vycll redrrio rini si od rnediarr1'ru,nej
57.99 m. o 35'3'1 rll.. J est to rvci dua di,sper.sja' chocia nrniejsza rii lv prz1,padktr
odchyle od redniej arytll]etyczne.i.
Potrrilrro tego, Ze odcliylenie rt,iartkowe, standardowe i przecitne S cztl-
lytli ltliaratlri rozproszenia rvarto ci znlietrnej, tlie ltrog byc one uywane do
porwnail rozk adrv drvu roinych cech. gcly ich warto ci uzaletlione s nr.in'
od absoltrttlyclr u'ielko ci obserrr,acji. przy c ll] S otle llliaratrri tlriatlolt'atly llri.
wyrazanyllli w tvch
jednostkaclr
tniaty co lvat1o ci ztttiennvch' W celrr orrrini-
cia tych trudno ci Stosde si r,vzgldne Iniary rozrzutLt, spo rd ktrych najcz-
ciej stosowane S tzrr,. rr'splcz"vnlliki zmicnno ci. Definirrje si
je
.iako
stosu-
ltek warto ci bezrvz-eldllej nliar1,dyspersji do redniej wyznaczonej dla badanej
zbiorowo ci i r,r'1,korz1'stu-je do porr'vn1'rr,alria dlvu lub kilku zbiorowo ci. Naj-
popularniejsze z nich to rvsp czytlnik znliennosci V,,. opartv Ila odchyleniu
przecitnyllr postac i :
d
I/
r,t,
_ _ij
,r
oraz wsp czyllnik
(3.21)
znrienno ci tr/. opart1, na odchylelliu standardort'ym postaci:
,,
.s
),ll)
.ri
Wsp czynnik zrnienno ci oblicza si rrvrriez dla odchylerlia crviafikorve-
(3.23)
go:
I
.
;(%-Q1'
"
"'=
lt,
'
i
W prz.vpadku' gdy \V szeregu wystpuj due odch1,,letlia rvarto ci kstre-
nrallrych lub
jezeli
nie chcenly pos ugirva
si redni tlloenry pos u1,'c si tak
Zlvallyl}l rvsplczynnilricm wiartkorvynr obliczanynr z nastpujcego wzorll:
_. o.
-o,
/
,,
-
-
"
Q.+Q,
(3.24)
MIARY DYSPERSJ I
Wsp czyllrliki znrienno ci charakteryzuj stosunek nasilenia prz>c7ryn
ubocznyclr do przyczyn g rvn1,ch. .lako liczby nienrianowane u atr,viaj porw-
nywanie znrienno ci rv zbiororvo ciaclr. rv ktrych rvielko ci cech s wyrazolle
w rznych
jednostkach
i irrforrlltrj o
jednorodno ci
zbiorowo ci statystycznej'
Ich rvafto c, wyraona w procentach, zawiera si zlvykle w granicaclr |5 - 35 %.
J ezli war1o wsp czynnika ztllienrlo ci osiga 607o' lnrvitl.ty, e ztlrienno c
jest
ogronrna' co zwykle oznacza, ii lllatlry do czynierlia ze zbiorowo ci
wzgldnie niejednorodn (ale tloe tez oZnaCZaC nla redrri, np. tenrperatura
lub przyrost
_
tlrozliwe s warto ci Lrjenlrre) z punktu r,vidzelria badanej cechy',.,
Duza rznica midzy klasyczIlymi a pozycyjnymi lniaratni oznacza zazwy-
czaj, e poprawrriejszymi (lepiej odzwierciedlajcymi struktur) niiaratni s
ruriary pozycyjne.
Przyk ad 3.32
Korzystajc z relacji (3,2?) 1 (3.23) obliczi,nry wspIczynniki zInienno ci dla abso-
lutrrych nliar dyspersji rv-vznaczonych w prz;lk adach 3.28 i 3.29, czy|i:
1 2
l.. 8
y.,
-
21=
0.057 oraz V,.
21 2l
Oznacza to, e rv przedstarvionvch szeregach zlllienno c
jest
lriervieika i rvynosi 5,1o d|a
odclrylenia przecitnego oraz,79/o dIa odchr,leIlia staIldardorr'ego. Nlozna zaterrl trvierdzi,
ze w tyn] przypadku rednia ary'tlllet\'czlla.jest dobr lniar charaktcrrztljc
1rr.zecitrly
wik student'"v
Przyklad 3.33
Wyznaczone rv przyk,ladzie 3'30 odchylenia uznane zosta y zabardzo rvysokie, co
potlvierdzaj obliczone wsp cz,vnrliki znlienrio ci' ktre \ ynoSz odpowiednio:
(7.:0,887
oraz V,,: l'34l . Dua rnica rnidzy rymi wskanikarni praktycznie dys-
kwalifikuje redrri al}tmery'czn,
jako
miar przecitnego poziomu badanego zjarviska.
e
Przyklad 3.34
Wyznacznry zateln wzgldne Iniary rozrzutu na podstawie danych z prvk adrv
3.19 i 3'3l, korzystajc z relacji (3.21) i (3.25). Manly wic:
35,34
..
10r,6-30,91 70,68
,
t' =- =U.OJ /
OIAZ l,
)r/)r
=- =U.)jj
-'
55.48
Y':'
101,6-i0,92 1i2,52
Wprawdzie oba rvsp czynniki zniienno ci przekrocz'v y 50o, co rviadczy o bardzo
duzynr zrnicowaniu badanej zbiorolvo ci,
jednakze
s one znaczt.ie nisze ni dla
101
..
Porrvnaj prac: K. Za1c,|1994|, s. l99
.
20l.
102 At{,c|.tZA STRUKTU RY ZBIoRowocI
rednlej af).tnletyczne.i. oznacza to, e lvprawdzie istnieje duze zrznico'"varlie po.
rvierzchni sprz'eday rv badanych obiektach harldIolvych,
jednak
nrediana
jest
poprarr'n
nliar opisujc przecitny poziorn zjalviska. e
Przyklad 3.35
Wyznacznly rozstp ol.az odchl'leIlia przecitne i standardolve dla darrycIl
z przykladu
3.27 .
I{ozrviazanie:
ZaurvaIny',, ze dla obtr szel.eg.,v zrnicowanie
jest
iderr"czne, bot\,iem dla szere.
gu A: 1l:9-l
-S
olaz dla szeregLr B: R-c)-l-S. W t;rbcli 3.16 przcdstarviorlo obliczcnia
niezbdne do wyznaczeIlia odchylenia przecitnego i starrdardorvego dla obu szeregw.
Tabcl.r 3.20
Szerec A l'r,
-
il ( ,
-
i)
Szerec B
x,
-r
l't,
*
il
(r,
-
i)t
-4
.
t6 1
--+
l
2 -J J 9 J -) 2
3
) )
-l
-)
f
)
-t
J I ll 0 0 0
5 00 ) 0 U 0
) 0 0
(
0
l I 0 0
1 J
l
2
.
8 J J 9 7
)
l
tl
9 -t
l 9 ". I t6
Sunra 0 20 60 S unra 0 t6 J 8
Zrcidlo: obliczenia tr lasne.
oclchylenie przecitne *1rlosi ./
=
=
|O oraz o
,.
=
=, '
Odcltylertie stattdcrdo\\'e
rr-trnci .
--
@
-
''
E
: rir'Ilosi
'
=
r/
=
].45 oraz
''
=
r/
=
).|9
'
Wsplczynrliki zrztlicou'ania d]a obu szeregrv wynosz odpor'viednio:
) 45 r lq
L,
,
=:=" =
0,49
=
490 oraz L,,,
=
1?
=
0'438
=
43,8% .
))
jak
wida szereg A
jest
bardziej zrrricowany ni szereg B o czynl rviadcz warto ci
rvzgidIrr,ch llriar rozt.zutu
e
MTARY ASYMETRtI
3.4. Miary asymetrii
W wilu sytuacjach badarrie redniego pozioll,lu cech1, i rozproszellia
jej
warto ci nie wskazuje na istnienie rnic nlidzy badan1'nii zbiorowo ciarlri,
a obserwacja roz]< 'adrt, empit1'cznych t1,ch cech u,yklttcza podobieristwa bada-
llych zbiorolvo ci. W tynl prz;-padl<u cellnyll1 narzdzienr analizry mogby tzw.
nriar1' asymetrii (sko no ci). ktre rviz si z tliaranli rozproszellia.
Pomiar as1''llretrii lllozna oprze lla Spostrzezeniu, ze w Szeregu syl-}1etry'cz.
nynr (porwnaj
ry.sunek
3.l) rednia arytmetyczna, dotninanta inlediana s
identycztre tzl. r
=
NIe= 1)o. tlatotliast w Szeregu asvlnetryczllyll-} kszta tuj
si one na rnytll poziontie. Inl rviksz sko no ci charakteryzuje si szereg.
tyrlr wiksze s rztrice lnidzy rv1,ej rvytllietliotl1,llli llliarallli' Pozycja dorni-
Ilallty w Szeregu nie
jest
sta a' Mediarra zajrrruje sta e nriejsce w Szeregu' a red-
nia aryitnletyczna pozostaje pod r'vp ywern rt'afto ci sltrajnych. Fakty'te zosta 'y
wykorzystane clo okre lenia kierullku isi 1,asYnretrii. ktr tlotla lllierzy'c np,
jal<o
rznic ponridzy, redni arvtlllet\'cZll a rvarto ci nlodaln. J est to na.j-
proStSZa tlriat.a as,vtlletrii Ilazr lr atra lr.ska -nikicnr lrsr'metrii:
,\1,=:--Do (i.l
s)
:
-**ffi
Wartoc cechYx
8 9 10 11
,s.
3'2 Ptl,k ad s-eregu S'nle|f.|,c:l1ego
Wska njk asytnetrii (zwany rr,vniez lliernikietn sko no ci) dla szeregu
sytletryczlego
jest
rwny zero. W szeregach asymetrycznvch nrlernik sko no ci
nroe by rvikszy lub mniejszy od zera, nrwiIny wrvczas o as1,rnetrii pra\Vo-
stronnej (dodatniej)
lub asymetrii lervostronnej (ujernnej).
W szeregu
o sko no ci prawostronlle.j rvarto ci slira.ine po ozotre
s z pralvej strony red-
niej' Powoduje to przesunicie redniej arytnletyczl]ej w kierurlku prawynl lv
103
:
I
l
12
't
0
I
6
4
104 ANRllz sTRUKTURY ZBIoRoWocI
stosunku do donritlatrt1,' i median;'. W szere-9u o sko no ci lervostrolltlej wyst-
puje sytuacja odwrotna.
Illna tlliara skono ci zosta a skotlstrrtort'ana dziki spostrzeeniu. i
w szeregu S},lnetr,\,cznytn rznica ponlidzy kwafiylenr trzecinr a Iledian
jest
taka sal-na,
jak
rznica poniidzy, lrredian a kwattylenl pierwszynr. W szeregu
asyllletrYczllyl obie rznice bd niiaiy irrn war1o . Wsplczynnik sko no ci
okre la zarwno lrierullek,
jak
i si} asyrrretrii i rvyztlacza si go na podstarvie
relacj i :
(Q,- A.Ie)-(tu{e-Q,)
'
(Q.
-
Afc) + (i\4e
- Q,)
Istniei rwlliez wsp czynnik sko rro ci
klasycznych, czyli:
n'
-
i-Do
(3,.2'7)
lrrb w oparciu o odchyIenie przecitI.le, czy|i:
I.t,'
-
i-Do
(3 28)
Wsp czy rniki as;,Illetrii (3.27) i (3'28) inl.orllrrrj o tyll1 Salllym, dlatego na|eiy
je
traktolr'ac
jako
rr'zajerllrlie ir''y.klttczajce si,*.
Wsplcz1 rlriiki sko llo ci s llliaratni niemianowanyIrri i unortltott'anytni,
co utnozlir'via porlvnl'rr'atrie asytl etrii rznych rozk adw. Poza przypadkanri
skrajnej as),ll1etrii, rvar.to ci wsp czynnikw asynletrii I,V,, A, nalez do
do przedzia u
<-l,
l>, w prz;'.padku szeregu Syn]etlycznego przyjlllrtj olle rvar-
to zero'
charal(terystyce literaturze podstawowe paralnetry opisowe zbiorowo ci
okre lane s nlianeIl lnot-nentr,v centralnych:
-
rednia arytmetyczna to nrontetrt centralny l-rzdul
-
rvariancja to lrrolllent centralny II.rzdLr,
-
sko llo c to nlol]lent ceIltraIny lll-rzdu.
Klasyczrry wsp cvnn ik sko no ci wyznaczany przez pakiety kotllputero-
we iest okre lanv wzorelll:
,t-
,_
(3.26)
wyznaczany na podstalvie nriar
5a
Porrvtlaj prac: M. Sobcz1k
Il995l,
s.53
(3.2e)
MIARY ASYMETRil
Wsp czynnik sko no ci charal<teryztrje stopieIi asyrnetrii rozk adu lvok
jego
redniej. Dodatni wsplczynnik sko rro ci o 1acza rozk ad
z asytlretryczt1ylll ogonenr rozcigajcynl si rv kierunku lvat1o ci dodatnich.
Ujemn5l lvsplczynnik sko no cl ozllacza rozk ad Z asylnetr\,czllylll ogonern
rozcigajcyln si w kierunku wartosci trjenlnych.
Przyklad 3.36
Wyznaczrny nliary asynletrii dla szregu opisujcego lviek studentw (dane
wprzykIadach: 3.2. 3.2l' 3.28' 3'29). J ak lvidac rv tabeli3.l7 war.to cidomiriujcjest
20 lat, rodkow (rrledian) i rvarto ci redIriej arytrnetycznej
jest
2l Iat, zatetn
I > Me), Drl
,
a na llloc\, (3'26)
Ms: 1, tnanlY lvic do czynienia z asy'rnctri pra\Vo.
stronn' Warto ci wsplczynnikrv sko no ci, wyznaczone na podstarvie reIac.ii (3.28)
i
(3
'29)'
wynoszc odpo.'viednio:
?l-tn lr_)n
tll,
=# =0.83
dlc odchy|erlia przecitrlcgo i lV'
-..---:'=0.68
dla odchy.
'
1,2 l.4B
lenia standardowego mrvi o istotnej asymetr.ii szeregu lvokl redniej opisujcego wiek
sttrdentrv' J ak rvida na
rysunku
3.2. szereg terr
jest
w1'raznie asylxett}czn)1 prawostron.
nie, borvielrr wafto redniej arytnletycznej zna|az a si na prar'vo od dotnirtarltv'
20 21 22
Wiek (w latach)
24
105
z3
Rys 33
Dla porrvnania
kolurnnowego na
rys.
arytlxef}czn - 2l lat.
IL\. kr e s l. n' ow.y s: e r e gu r esl r e: e n t Lg
c
e go vl i e k s t u c{e n t v
z rysunkieur 1.3, te same dane przedstarviono u, tbntrie wykresu
3.4, na ktrym u1'taIlie wida dorninaIlt rlvn 20 lat, redni
^
I
l
tuo AlRltzR sTRUKTURY zBIoRoWoCI
""-l
.o
'a
c
-o
0)
N
.9
)
/
1-l
|..:::".'.:-
tl
s-
| |
tl
|l
zt
| |
tttl
1r---lllll
0
L_J L_t Ll n n _ n_--
19 20 21 22 23 24
W iek
(lata)
Rr's-
']'/
I|,ykras l.oluntt1()| ego S:eragu rcpre:entttf rpego iek stut etltlr
e
I'rzvlilad 3.37
Korzl,sta.ja.c Zc rlzot.rr (j.]7)
.
(3.29) rvlznacznry'rvs1l czilnrliki sko nosci dla
.1.". ,'l' n,'r. .- ,^' .'1l'.^,, ;
"",
'1.,.;
'.''. '
1
",
,
-
- -i<
!''
l'U\tl!lZ!lIllt
\lJ llru!t/-\
.. pl.zrkIld\\:
j'-i,.. j.l. j.lc)
i 3
j0).
Z rcluc.ji
(
i.l7 )
ot|r) nru-i(nr\ :
(||;||^_i J sl_' j..-l
S ]0..l]l -+6.1].
]].5() ]l.5
-t
= : :,
'
-----:-
I
:t,-.,,\-
'
(l0l'36
_.55..18)f
(5-5,. 8-30'92)
46,I2+24.56 70'68
a z rclacji (3.28) i (3.29) rnanry odporviednio:
I t0,07
-
j9.8J
70,ti
I|--=:-:.-=U./]d|aodcn\.|en|al)rZec|tl.lc:.lo
'
9l,56 91,56
oraz
| 10.07
-
j9,81
70.:i
II
=
'
147,5 141,5
obliczyli In.v dwa rr'skazniki tyIko rv ceIach d1,dakcznvclr. generalnie poda.1e si
tylko
jeden
z nich.
Szereg reprezentujcy por,vierzchni sprzedazy
jest
as1'nletr1,czny dodatnio, przy
czylll \varto c rniernika sko no ci opatlego tra tniarach poz1,cyjny,ch
jest
niska, podczas
gdl dIa tltial. budowlllr ch r ' oparciu o redlli al\'tt]]et\'cz|]
.jcst
zllacznie ri\ sza.
awar1o ci rvsplcz;',nnika IV' zale od u,te.j lriirry l.ozrzutu zIrrieIlIlej. Na rvykresie
..
W obliczeniach przy,jto. ze rednia ary,t|lletycz|la \V)/Znaczona dla szeregu danego ri' tablicy 2.8
jesf
rwna redniej rr'vznaczone.j dla szeregu Zagregowanego podanego rv tablic1'2.9.
MIARY ASYMETRII 107
przedstawicnyln na
rySunku
3.4, wartoci zrniennej reprezentuj rodki przedzia rv
klasowy'ch. J ak rtynika z rvvkresu (o
czyrll by a rivniez lnowa prz}/ analizie rt'skazlrikrt.
strtrktury), najrvicej obserwacji skupialo si rv drvch pierrvszyclr przedzia ach, std
nliary pozycyjrrie dobrze opisuj przecitrr porvier.zchni sprzeday badanych placrvek
handlowych, a rvic rvyznaczona na ich podstarvie warto tlliaw asylletrii ,4,
jest
niska'
Wynika to z faktu, e w
..ogonie'.
znalaz}.v si warto ci o stosunkor'i'o nla ej czstotliu,o.
ci rrystpolr.arria, ktre
jednak
rv istotny sposb odczia uj na rednia1 alJ tlnet-Yczn,
czego wyrazetn s ztlacztlie ltryisze rvaffo ci rvsp czyrlnikrv sko no ci obliczonych rla
jc.i
podstarvie' Dotltitiatlta \\.\'znacZoIla dIa tego Szercgu rt'vnosi
j9.E-
lllr. rllediaIla 55.8-
nl2, a rednia przekracza l00rnr, co rvskazLtje na pfawostronn asyrnctri.
150
|9 nn
|vv
E
!
0)
J
300 450
D-.r iorznhni: /Ln, m?\
1,'s.
3'.i I|,'l,'kra,s'linio .l'1'ltl ier:c|ltti
'spt.:,,lu-.l
lt!utlt,: tl|,.cli )',\)
Porrvnujc rvykres 3.5 z
ry'sunkienr
3.j trr'razllie rr'idnc. e tlba szeregi s silnie
asymetryczne prawostronnie, chociaz..o-qon1l,nlaj inne ksztir ty. Przy tyrrr szereg1)re.
zentowanv r1a
rysunku
3.5. zawiera w "ogonie" relatywnie nrliej obserrvacji
i charakteryzuje si znacznie wiksz dyspersj std lvyznaczotre r'varto ci wsplczvnni-
kw sko no ct If, sdla tego szeregu nisze niZ dla szeregr-r przedsta\\,ionego na ltykre-
sie 3.3.
Przyk ad 3.3tl
J ak
juz
Zostclo powiedziane rv poprzedllirl rozdziale. sposb klasyfikolvania
i gruporvania danych statystyczn.Ych, a r,vic budolva przedzialw klasoltych. ma istotti1'
rvp yrv na analiz badanego zjawiska, w t\'m na rvarto ci paranletrrv je
opisujc1'ch.
Wystarczy chociazby porrvna prz1'k ady 3.l6 i 3.l7, rv ktrych przedstarviono r,varto ci
lllediany \\'}Znaczoll dla dany,ch zar'vart1,ch iv tablicach 2'.9 i 2'8 oraz przyklad 3.5
''-
nlaczania redniej ar1tniecznej dla szeregu zagregowanego i dla danych Z szeregu
prostego' Dla zobrazorvar-ria tego problenltt przedstaivilny rvy'kres ilustrujcy Zagrego\\.a.
ne dane
prezentowane
w tabeli 2.9.
108 ANRLtzn sTRUKTURY ZBloRoWocl
250
)
l
200
r
.3
rn ]
R rno l
J l
50l
100 200 300
Powierzchnia
(w
m2)
400 500
Rys 3.6 ll'y'kres linicnttt pott'ier:cltni spr:eda:y (danc : tabeli 2.9.)
Przeclstarvionv na n,sunku
j.6
I.ozk ad l-tosi nazrv lozkladtl siod owego56. Rtvrlie
na
rys.
3.6
"vidoczna
jest
asl,tnetria prawostronna
e
Przyklad 3.39
W tabeli 3.3J przt.clstariitltlo
trlt.zr'k ad
szet.cc.|'l charakterr'zLljcego si u.ierlln asy-
metri. W celu s1lrart'dzerlil. cZ}'tilk
jcst
r.zec4'lvi cie' lvystarczy r,vyznaczy, lrliaty red-
11ie. tz|l. re dni ar\,tIl]et)'cZn oIaZ |lledian i dorllinant. ktry.ch rvyznaczellie
jest
lla-
"chnliastorr'e,
bolvienl przedzial-v klasolve s
jednojednostkorve.
Tabcla 3.21
Wariant cechy.r/ Liczebno ll Liczebrro
skurnulowaua
x
il'l t
I 1 1
2 1 z z
1
4 1 4
z o 10
o z 8 12
11
a1
zl
8 5
tn
40
9 19 27
10 z zl 20
Sunla 21 140
Zrd o: Dalle unlo\\|lc
56
Porrr'naj prac M. Sobcz1,k
Il995l,
s.28.29
MlnRv Rsvlr,telRlt
Dla niniejszego przyk adr.r donlinanta r'v1,nosi 8 (borviellr dla tego wariantu cech1' li-
czbno
jest
najlviksza i wyrrosi 5), rnediana prz1jrnuje rvarto 7 (nunrer lnediany
rvynosi 1l)' a rednia arytnletyczna
jest
rrvna 6,61. Zachodzi rvic relacja:
i < 1t4e < Do, co wiadczy o
'l1l,
Ze przedstarviony rv tabeli 3.19 szereg
jest
asyIne-
tryczn;' le'"vostronnie, co
jest
rvidoczne na ponizszvnr rv,vkresie.
'--->
10 4567
Warianty cechy
Rys' 3.7 l|/ ,kres ttnych:ttlvtlrhlc|t tabeli 3.l9
109
6
'9
o
Xc
0)
N
.YZ
J
1
n
Przyklad 3.40
Wykre lrny dane zirw'artc lv tabcli 2'6 clot1'czacc ccc|lr'
ocena lokalizacji punktu sprzedaz1'(porrrlla.; przrkiacl ].9). \\
dzono, ze dom inu.j
c1'nr
lvariantelll cech1'
"i
est ocerl n
lrl.ZL-c
it|l il.
250 t
0
przecitna
Oceny
200
.o
'3
rso
c
!' .
^^
ij
rvv
-J
n
c
niclllicrzalne'i.
jak
by a
przy kladzie 3.22 str.vier-
zta
R'rr. J '8 I]1'kres littiott. ,- occnv lokclli:acji r'lbiektv hundlolt,vclt
b. dobra
110 ANAL|ZA sTRUKTURY ZBIoRoWocI
l.\a podstarvie w;,,kresu 3.8 lnozna b-v"loby twierdzic. e przedstarvia orr szereg asy-
lnetryczny lrvostrolrnie. J edltake rantujc oceny respondentw, to znacZ\, zasteptrjc
je
ocenami lv skaIi od l do 5 i analizLr|c rt1'kres koltttnnorvv dla tych sanrych darlych stat-r'.
Sn,czl)ych uporzdkou.an1,ch rv tcn sallr sposb. r'vy,l.aznie rvida, c redrlia a|.\t|net\'cZna
bdzie si znajdowa a l1a pfawo od dolrlinallty. atlr'o bowienl policzyc (odporviednie
datie r'l'tabeli 3'20), ze dla liczbou'o w\'razoIl)'ch rval.iantrv occn. rednia ar\tllle1vczna
rvlnosi
3,j7. donrinanta
jest rr,
|rnl prz;,k adzic r.rvrla ocrrie
j
ijest to
jedrrocze nie
rodkol 'a rval1o Szefegu, czr,li lllediana
1ktlej
nunler
''vynosi
247). odchylelrie prze-
citne rr'vIle
jest
r/':0.73'
'[abcla
3.22
Ocenl' Liczebno ci Liczcbno ci
skumulorvane
.Y,i/
l-t,
-
tl
lx,
-
Fln,
I 20 20 l0 2.31 17.t0
2 4t 61 8l r.37 56,1 7
J 213 211 39 0,3 7 78.81
4 178
lil
112 0.6i l l]. I-
5
,1)
494 2r0 1,6i 68.16
Suma 494 1-] 3 2.98
Tak rr,ic \\' 1\,ll) przrpadkLr zachodzi I > Nle
=
Do, co
jcst rt,idoczne na w1'kr.esie
kcllltntnou vrtr.
250
200
150
100
50
n
Ocena
R1,.,;. 3'9 IIi.kres koluntnovv')
()('c|1l'
lolrali:acji tlbiektw lruntllovych
Nalezy zatetrr stlvierdzi, ze ttie zart'sze lllozna
jednoznacznie
ocni kierunek
as;-nletrii lra podstarvie San]ego ri.yklesu rozkladtr obserrvacji' Warto
jest
pr'najlllnie.;
porwna ze sob rrriary rednie i dopiero na ich podsta''vie Inona co porviedzie
o kierunku as1,nletrii, a wyznaczajc rr,splcz1'rlrriki sko no ci rr,vnie o
jej
sile.
Biorc pod urvag rvar1o ci fall{l wyznilczone dla otnarvianej cechy tlrozna zatl\\,x-
y,, e nltnler pierrvszego klr'avla rvynosi |2, . a r,vic krvat11'Ie piervr'szy i drugi s
.(.)
'a
o
E
o
OJ
N
.o
J
MrARY ASYMETRII
sobi rrvri (i wynosz 3). z kolei rvar1o krvart1'la trzeciego
jest
rlvna 4. W zrvizktr z
tym wsp czyIttiik sko nosci rlynosi l.' = l. Ilatolniast obliczona na podstawie odchyle-
nia przecitnego rvar1o W,
jest
rrvna:
j.37
-
j.00
It'=-'
=0.51.
'
0,73
a wyznaczona na podstalvie odchvlenia standardorvcqo rl'arto I{' bl'laby
jeszcze
tnniejsza. Naley oczyrvicie palnita. e rozpatl1'wanaprzez rras cecha
jest jako ciorva,
std war.to ci lvszystkich nliar staSl),czn1'clt s uzaleliione od rvarto ci liczborvych,
nadanych poszczeglnyn rvariantotn tej cechy. Niernniej
jednak ju
satna analiza rvykre-
stt kolutrlnorveeo (ry's.3.8) rvskazLrje. ze rednia arytlnetvczrta
(niezalenie
od przyjtych
rvar-to ci rangLrjc;'clr rvarianty cechy o ile tvlko przyjIrliemy, e irn lvyzsza ocena
b/n1
wysza rvartoc liczborva) leii, po prarvej stronie dornirranty.
W zasadzie dla cecli nienrierzalnych r.angol 'an,vch nie polvinno iicz1' si miar
klasycznych.
C
Warto przy tylll ZaLIwazyc, e w przypadku analizy cech l1iel.nierzalnych
najcz ciej poprzestajelny na analizie lvskanikl,l, struktury i skunri'rlowanyclt
czsto ci wzgldrr1 cIl oIAZ lla l ,yzttaczetliil najcz ciej w5'stptljcego wariaIlttt
cechy, czyli dorrrinatlcie, co oczywi cie nie rvy'klucza nrozlirvo ci graficznej
prezentacj i danych statysty'cznych.
ocen asymetrii uZL|pelllia tzlt'. rr,vkres pttdelltor 'r'. sk ada si on
z prostokta, ktrego ri'y'solto c rr'r,znaczaj pafallletr\' krrartl'li
Q1
i
Q2.'.
We-
wntrz pude ka zaznacz.a si Illediall' \\. roz]i aclzie sr'tlletrr.cZI1),l1l lnediana
dzieli pude}ko dok adnie lla pl. Gd1 as1llle[r.ia.jest
1lrerroStroll1la'
to odleglo
lllidzy lrzecil]l krr artr'Ietll
jcst ri ikszll tl iz
1rg111jqJ zr
krr at.tr lelll piertt s4 tll
a nediatl. W przypadku as1'nletrii leu'ostrollej tllalll), odwrotn SytLlacj. Do-
datkorvo na wykr.esie zaznac7'a si rvar'to ci:
111
Ql -3Q
je li
-t,..,,.
.
Q,
_3Q
Q:
+3Q
je li
.r',',''' >
Q;
+3Q
obserrvacj e Spehiaj
ce
warullek:
xi <Qt-3plub x,>Qr+3Q
nav\,va si rv statystyczrlej korrtrolijako ci duymi b danli
(3.30)
(3.31)
(3.3f)
57
Szeroko pucle ka.jest dorvolna
112
ANALlZA sTRUKTURY ZBIoRoWocI
Przyklad 3.41
Dla danych z tabell 2.8 nlediana lv1'nosi 55,48. krvayl
Qr=30.92'
a
Q3:l01,6.
Mi-
nitnaIna rvarto c Zero, a nraksynlalna 800. odchylenie rviartko.uve rv1'nosi 35.34- oce
asy'nretri rozk adu przy' lvykorzy,staIliu rvykresLr pudelkowego.
Rozrviazanie:
Spralvdzanly rvarunek (3.30)
i(3.3l)' Ponierva
'Tn'iu =0
>Ql_3Q=-75,l rvic
na rvykresie zaznaczytny ruininrun.r. Natomiast ru,o*
=800>0r
+3Q=2()'7,62
zatent na
rvvkresie
anjdzie si warto c 20.7,62
_
wszystkie rt'arto ci po\lyej
s uznal]e za
jed-
nostki nietl'porve. Wvkres pudelkowv przedstar.viono
na rysunku.
101,6
55,48
30,92
R.l.,rtt let 3' I0' ||,l'krcs pttdelkoltl. dla Lkttlr,c|t : tteli 2.8
ivlanlv do czrynienia Z $J .razn
as1'Illetl.i prawostronn, Co oznacza znacznprze.
rvat punktrv sprzedai1, o lllnic.jszej porr.ierzchni.
d
I(urtoza charakter'v-zu
je
rvzglcln spiczasto ltrb plasko
rozk adu
w porwnanitt
z rozk adent tlortllalrlym' Dodatnia kurtoza oznacza rozk acl
o stosunkolvo duzej Spiczasto ci. Ujertlrla kufioza oz:rlacza rozk ad stosunkorvo
plaski.
Klasyczny rvsplczynnik l<trr1oz5l obIiczan1'
jest
wedlrrg wzoru:
n(n+t)
s.
(.r,
-.t)'
3
(ir-t)'
\J .J J )
'
\
("-l)lr-2)fu-3)j
s*' (n-z)(,r-3)
MIARY ASYMETRII
Przy unliarkowanej kur-tozie przyjmuje on warto ci liczbolve zprzedzia1tt
(-:;3). Gdy
jest
nrrriejszy niz
*3.
wystprrje n1ac7'Ce sp aszczenie rozk adu
enrpirycznego, natonliast dla rvarto ci rviksz1'ch od 3 rvystpuje znaczca spi-
czasto c tego rozk adtt. Kurioza rwna Zero oZnaCZa rozk ad nonnalny. Zatern
rozk ad o kuftozie rvikszej od zera
jest
rozk adell bardziej wysrlruk yll ni
rozk ad nortlraltty -charakteryzuj
cy
nr si ivikszyrl skupien ienr
j
ednostek rvo.
k redniej. Natotliast rozklad o ku. zie rrlniejszej od zera
jest
rozk adenr
bardziej sp aszczotlynr od rozk adu nor llalllego, czyli charakteryzuje si zltacz-
l-}yln rozproSzeniem
j
ednostek r,vok I
-.drri
ej .
Przyklad 3.,12
Wy'znaczrlly' klas1,czrly r'vsp cz;-llnik asyrnetrii i kurtoz dla danvch z prz1''k adu
3.28.
Rozu'iazanie-
Wyznaczrny
(r,
-i)'
oraz
1.v. -i)'
.
Tabel:r 3.23
Warto cechy -r:,
(x
-r)
(-.,
-,T)'
(.r,
-
r)'
19
-) -8
l6
20
2A
20
20
21 0 0 0
21 0 0 0
22
!) 2 8 l6
.A
J 21 8t
Suma
n
24 il8
Wiedzc, e wariancja nieobcizona lvvnosi .S
*.
=]!2.2=z,us
wzoru
(3.29)
I tJ
(
'S*
=
\E/l5
=
l,56
)
obliczarny rvsp czynnik asyrnetrii z
r0 )4
A,
=
-:
:=
=
0,812 . Kurtoz obliczanly z
.
9.8 l.5.
10.11 il8 3.9'
-
_n n.)c)
9.8.7 t.56' 8.7
Wiek studentw charakteryzuje si siln i istotrlq asymetri
uIniarkowan kur1oz.
\,vzoru (3.33)
prawoStronn oraz
e
114
At.tRltzR sTRUKTURY
zBIoRoWocI
3.5. Praktyczne
wykorzystanie
analizy struktury
zbiorowo ci
Przedstarviorre
do tej pory rozwazania
by y prorvadzone w odrliesieniu do
pojedyncvch nriar opisujcych
zbiorowo c statystyczn.
Rozpatrvnly
ZatelTl
ki lka przyk adw koIn p I eksou'ej ana|izy danyclr.
Przyklad 3.43
Na rrylosowanej niezalenie
grupie 2000 pracorvnikw zatrudnionych
''v
rzn1,clr
zakladach
przenryslo*,1'ch
przeprolvadzono
badania ankietorve, z ktrych otrzymano
nastpujce dane:
-
|260 pracownikrv
nie posiadalo zadrrego rodka lokolnocji,
_
3 l 5 pracorvnikw
posiada o nrotoc1'kl lub Skuter,
_
425 pracownik.'v
posiada o sanrochd.
Scharakteryzuj
wybran grup praco\\.nikw
pod wzgldenr
posiadanego rodka loko-
mocj i wykor.zystujc odporviednie
nriary.
I{oziviazanie:
Ba<lana cecha: posiadarrie rodka lokonrocji
jest
cech niernierzaln
(ako ciow)
i wystpu.je w trzech wariantacll:
-
brak rodka lokornocji.
-
posiadatlic niotoru lub skutera,
-
posiaclaniesanlochodu.
Zatnr nlozetlly schar.akte
IJ 'Zowac t grup pracou'nikw pod rvzgldenl posiadania
rodka lokonlocji
przi,' uy'ciu donlinanry, i rvskanikw struktury.
W badanej
grupie pracownikrv najlvicej
jest
osob' ktr.e rrie posiadaj adnego
rodka lokolllocji
(tetrlu rvariantorvi ceclry odporviada najwiksza liczebrro ).
Pracownicy
ktrzy nie posiadaj rvlasnego rodka lokornocji Sta lowi:
,,,
=P60 =
0,3
=
63% analizorvanej
prby.
'
2000
Pracow.nicy
posiadajc-v lv asny rnotor lub skuter stanowi;
,u.
=
3l5
=0,l575 =|5,.l5,,,o
respondentw.
'
2000
Pracorvnicy
posiadaj
cy
rv asny samochd stanowi
:
,,',
=ffi=0,2125
=21.25%
badanych
PR xrycznr WYKoRZYSTANIE ANAL|ZY sTRUKTURY ZBloRoWoc| 115
Przyklad 3.44
Dokonaj ana|izy struktury zbioror,vo ci z ptrrrktu rvidzenia kadej
Z ZaprZentowanych cech klierltrv dokonujcych zakup.'v w
jednyrn
z osiedlorvych
skleprv rv odzi. Dane na tenat 20 klierrtrv przedstarviorro rv tabeli.
Tabela 3.2;{
Rozi'vizanie:
W tvm pt.zypadku rnaIny do czyrrielria z
jedn
cech riiernierzaln
jak jest
p e
oraz czterelra cechanri mierzalnyr.ni.
Cecha
jako ciowa
przyjrnuje dlva rvarianty: kobieta l mczyzna, ZateIn
jest
zlnieIr-
rr dwuwarlo ciorv. Szereg rozdzie|czy dla tej cech przedstarviono w tabeli 3.25.
P,}e Miesicznie w-vdat-
kowana kwota [r'v z l
Wiek kupujce.
so lrv latach]
Liczba osb
rv rodzinie
Liczba rozpoznanych
lnarek oroduktw
kobieta !) | 20
)
20
|izczyn1a t3l l5 I t2
kobieta I6 20
)
4
|11zCZyzna 208 ?.5 J 4
|nzczyzoa 240 l8 I t2
|1zczy^)a :+) 20 2 20
InZCzyA1a
')/<
l9 2 43
kobieta 201 f) J 36
kobieta 203 40 55
kobita
-J
t8
)
22
kobieta 205 30 J 36
kobieta 204 25 2 39
kobieta 204 40 4
1:1
kobieta 208 50 5 22
kobieta f4o l8
,1
:)
n1Czyn)a
)t1
l J
1A
|11CZyzna 2il t0
)
20
|71'Zczyzna 233 l5 t2
kobita 2r6 l0
) A
kobieta 208 25 J 4
116 An rlz STRUKTURY ZBIoRoWocI
Tabcla J .25
p e
11, V"
kobieta t2 0.(r
,nzczyn1a 8 0,4
Surna calkorvita 20
Zri] o: obliczeIl ia rr lasltc
Kobiet-v Stanowi 60o, badany,ch klientrv' a fiCzyni 40%' W rd l.spondentw
dominu.1 kobie'.
Analizolvatre cch nlierzaln to:
o n1iesicznie rr'ydatkoil'ana k\l',ota
_
cecha ci-t a,
o wiek kupujcego
-
cecha cig a, reprezIltowalla prZZ Zlnienn dyskretn
o liczba osb rv rodzinie cecha skoko\\'a.
o liczba znan),ch nl|k krajo\\,ych i irnportowallyc l- ceclia skokorva'
Dane zaprezento\,Vane s w postaci szeregu szczcglo\\'ego i obliczenie rvszystkich
charakterysvk pozostarvianly rv laltrach rviczeri Czytelnikor,vi. W obliczeniach tnona
skorzrvstac z Excela, ktry rv ratnach dodatku anali:tt tlunych Wyznacza sta|ystyki opiso-
lve. Wydruk z Excela przedst'ai,viono w tabli'
Tabcla 3.26
W tabeli 3'27 opisano,
jak
nalezy |ozullii kadz zaprZellto\Vanych charaktety-
styk.
Charakte rr.'stvka i\{ iesiczrl ie ri'r dat-
kou ana ku ota
Wiek kLr-
pLr
j
c
ego
Liczba osb lv
rodzini
Liczba rozpozna-
nvch nrarek
Sledn ia 1r1.08 Ii.95
?
21,8
B d stand
j.98
l.l 0.25
Mediana 22 3,5 20 2 2l
Tryb 208 20
)
4
Odchylenie
stand.
17.81 9,31 1.09 r.t, I 9
Wariancja i 17,i5 87
'71
r.l9 20 r
,43
Kurtoza t,615 2.25 -0.15 0,0-s
Sko no
n?l
t.5
0 i1
0.65
Zakles 5l i5
_51
Minirnum 203 l5 I
.i
lvlaksinrurn 50 5 ))
Zrdlo: obliczetlia ri,lasne na podstau'ie Exccla
PRAKTYcZNE WYKoRZYSTANIE ANALlzY sTRUKTURY zBloRoWoCl 117
Tabela 3.27
Sre dnia Podajc rvat1o c redniej ar1,tmecznej
(3.2)
Bld standar-
do\\,y
B d standardorvy redniej ary,trnetycznej \Wznaczony Za po|lloc wzo-
oS
ru
#:
-p
jest
on *ykorzystywan)'w procesic estynracji i rverl'fika-
1n 1t1
cii o ktnrn bdzie nrolva rv dalszei cz ci
pracy
Mediana Podaje rvarto rnediany . J est ona dla szere-qu szczeg olvego o parv.
stej liczebno ci obliczana
jako
rednia arytlnelyczna z dwch rodko-
rwch elenlentrv.
Trvb Podaic
ri arto dolrrinanty
Odchylenie
standardowe
Podaje lvarto odchylenia star-rdardowego
(3. 1 6)
Wariancja
orbki
Podaje wafto c nieobciione.i wariancji (3.20)
Kurtoza Podaje warto klasyczne-o rvsplczynnika kurtozy, (3.33)
Sko rlo Podajc warlo klasyczncgo rvsplc'nnika sko no ci (3.29)
Zakres Podaje wao rozstptt (3.1 1)
Minirnum Podaie war1o lrrilliInaIn
Maksirnum Poda1e rvarto nraksyInaln
Zr(rdlo. Obliczertiir ulasnc lra podstarvie pontoc\
(lo progrttrltl I;rccl
Dokonajnry interpretacji \\'\'Zl1Acf oll\'ch charaktcrr'str k dla poszczegln1'ch cech.
Klienci dokonujcy zakttpciu' ll'sklcpiktr tlsiccllorlr'tll rrr'kaz'ali si pr.zecitrlie zlla-
jorrlo ci
22 tllarek produktrr. 509o klicIlttilr'roz1ltlzIla.jc co rra.jlllll1ej 2l lnarek. a 50-o/o
co na.jrv,viej 2l lnarek' Najczciej klicIlci r.oz1lozIlajil
.
lllarki produktlr'. Liczba t.ozpo-
znanvch nlarek plzez klierltlr' dokonujcy,ch zltkuprr rv sklepiku osiedlorv1'rrl rni si
przecitnie od redniej o l. . oclch1'leIlie standardorr'e stanorvi 65% rednij zatetn zroi.
nicorvanie liczby rozpozlrarr'anvch lnarek
jest
bardzo lt1,sokie
-
rednia nie
jest
d|a tej
cechy dobr miar, gdyz
jest
ona wyl.aznie niejednorodna
(program oblicza rvszystkie
charaktery'styki nie zwraca.|c urvagi na charakter danych). Rozk ad |iczby rozpoznanych
tnarck przez klientrv oznacza si nisk i dodatIli as1,llletri. co oznacza przwag Zna-
jorno ci
nniejszej liczby rnarek. Bardzo niska i dodatnia kuoza oZnaCZa unriarkor 'anY
stopieri skupienia |iczby rc:lzpoznan1'ch nlarek przez klienta wok redniej. Dane dor'v-
czce liczby rozpoznany,cIt lrlarek przez klierrt'"v przedstarviono r,vtabeli 3'28 w postaci
szeregu lozdzielczego punktorvego.
118 ANALIZA STRUKTURY zBroRowoscl
Tabeh 3.28
Liczba rozpoznan,vch
rrlarek
produktrv
NI
4 4
12 J
l0 )
2)
)
:)
.)
2
i6 l
ia
I
+J I
55 I
sr.lntA 20
7'rd tl' O[ll tcz-cllilt rl lastlc'
W tyrn przypadkrr klasvczlle lniarr,nie lnlrjzastosorvania ( rednia idonrinarlta nie
powinny byc obliczarle oraz nie rna.j tt| Zastoso\\,.inia kIasy'czrie rnierniki asymetrii
i kurtozy)' gd;'z rv1,stptl.|.icdnostki nic$.porve za ktre nale1, uzna klientrv rozpozna-
jcy'ch
dok adnie 4 rrlarki oraz porr'1,zej 36 lnarek produktw.
Przecitna rr.ielktl gospoda|st\!'a donlolvego klientw dokonujc1,ch zakuprv
r,l'sklepiku
osiedlorr''u"nl rr'r,ttosi 3 osoby. 50o' klientrv pochodzi z co najrnniej 2-
osobowych rodzin, a 50o z co najrv1,zej 2-osoborvi,,ch rodzin. Najcz ciej klienci po-
chodz z dwuosobolvych gospodarstlv donlorvvch. Liczba osb lv gospodafst\\'ach do-
lnort'ych klierrtrv dokonujcych zakuprv rv sklepiku osiedlo''vynr rni si przecitnie
od redniej o.iedn osob. odchylenie standar.dorve stanorvi
..l3%
redniej zatern n.ni-
colvani.jest \tv}Sokie. Rozk ad liczby. osb w rodzinie klientrv oznacza si nisk i clo-
datni asynretl.i co oz.nacza przewag rodzin o nrniejsze.i liczbie osb. Niska i ujeInna
kufioza oziacza raczej niski stopieli skrrpienia si liczby osb w rodzinie klienta wokl
redniej. Dane dolvczce rvielko ci gospodarst''va dornowego klientrv przedstawiono
rv tabeli 3.29 w postaci szeregu rozdzielczego punktorvego. W r-vni przypadku mamy do
czynienia z
jednorodn
cech.
PRAKTYCZNE WYKORZYSTANIE ANALIZY STRUKTURY ZBIOROWOSCI
ttJ
Tlbela 3.29
Liczba osb w rodzinie nl
J
2 8
J 5
4 J
5
sulna 20
Zrd o: oblicze nia rr'|asnc'
Klinci dokonujcy Zakupw w sklepikLr osiedlorv1,rn niaj przecitnie 24 lata.
50% klientrv lna co llajl11l-riej 20 lat, a 50% co najrvy'iej 20 lat. Najcz ciej klienci tnaj
20 lat. Wiek klientrv zaopatru.jcych si w sklepiku osiedlorv-vrn rni si przecitnie od
r.edniej o 9 lat. odchylerrie standardow.e Stanowi
, 0%
redniej zat|nztonicorvanie
jest
wysokie
_
miaty klasyczne ni powinny by stosowarre w tyll] przypadku. Rozk ad wieku
oznacza si utrriarkorvan i dodatni asymetri co oznacza przewag rn odsvch klien-
tr,v. Urnialkorvana i dodatnia kurtoza oznacza umiarkowany stopie skupienia wieku
ivok redniej. J eieli dane dotyczce rvieku klientrv dokonujcyc 1 zakupw przedSta-
winry lv postaci szeregu rozdzielczego pr-rnktorvego (porwnaj tabela 3.30) to r,vyranie
wida, ie lllallry do czy'nienia Ze Zbiorowo ci niejednorodn pod wzgldenr wieku.
J ednostki niety'powe to klienci porv1,ej 25 roku )'cia'
Tabela 3.30
Zrdlo' obI iczellia rr' asnc'
Przecitnie kliellci w1,datkuj miesicznie lv sklepiku osiedlowyrn 224,08 z't' 50,
klintrv r'vydaje co najnrnie.| 223,50 z|, a 50o co najwyej 223,50 z . Najwiksza liczba
klientw rniesiczrrie wydaje lv sklepiku osiedlowyrn oko o 208 z' och (rv tym przypad.
ku rlalaloby oblicv przyblion rvao dorninanr;- dla clanych pogrupowanych).
Miesiczne wydatki klieritrv rv sklepiku osiedlouyrn rni si przecitrlie od redniej
o l7'81 z , stanowi to 8% redniej zatemzron,tcorvanie
jest
niskie' Rozk ad rniesicznie
rv,vdatkorvanej krvoty oznacza si nisk i dodatni asymetri czyli w rd badarrych rvy-
\\'iek klicntrt lll
l5 )
l
l8 J
20
25 1
40 J
50
sul-na 20
120
ANAL|ZA sTRUKTURY zBIoRowocI
Tabela 3.31
.Y n1
l0i,0c
8
) 15
-71
2t 8,5( 2
228,5(
I t | 1(
5
I1l t(
254,0(
ulna
20
ZrdIo: obI iczellia rvlasltc.
Na podstaw'ie
Szercgll rozdzielczego przedzia owego
wida, e
J eSt
to szereg
o skrajllvln przedziale
dolllinantv
i dlatego nie pow'inna
by ona wyznaczana.
e
stpu.je przewaga
nizszvch rvydatklv'
Ujernna kuftoza oZnaCZa niski stopierl skupienia
poszczeglnych
uydatkrv rvokl ich redniego poZiolllu.
Sti,vrznry dla miesiczrrie wydatkolt'anej
krvoty szeregrozdzielczy
o przedzia ach
klasor 1'ch'
Liczba klas zgodnie z
jedn
Z teorii polvinna
by z przedzia\u
O,5^l; < k ,l;. Szereg zarviera 20 obserrvacji zatenl t e (z,z ; , .l) . Poniewa Iiczba
klas nlusi by' liczb ca kolvit wic ,t
=3v
k
=
4. Przyjmrjmy t:4 . Rozpito tej
cechy wynosi 5l zl. zatem rozpito przedzia u
klasowego bdzie rrynosi
|2,75z '
Otrzvnrany
szeregrozdzielczy
o przedzialach
klasowych przedstatviono
rv tabeli 3.3 l.
4. Aru l|zA Ws P ozALEzrvoc l zJ AWls K
Dotychczas zajrllorr,ali nly si opisetll zbiot.olvo ci statyst1'cnlej z punktu
rvidzetria kadej z cech. W t.zecz'vll'isto ci czsto |llalrr}'c1o cz1'nietlia z cechatrti.
ktorych rvarto ci s rvza.iemnie zalelle' \Vtedy z'azlvyczaj illtereslrje tlas charak-
ter isila te.i zalezno ci. W t1.rrl lozdziale zqnlienly si sposolalllijej nrierzenia
dla dlvch cech statystycztly.clt.
4.1. Rozk ad dwuwymiarowy, brzegowy' warunkowy;
tablica korelacyjna
Punktetll rq'i ciorvynl do badania u'splzaleztlo ci cech s dane. 'nv ktrych
dla kadej
jednostki
Statystvcznej okre lono rvatto ci drvclr cech:-Y i f. Mamy
wic zbir ll
jednostek
i przyporzdkou'alle inr pary cech (x,,
.l',),
i: 1,2'
'.,
n.
Manrv zateur szeres:
Trbe Ia 4. I
Szereg szczeglorr'l, dIa d*,ch obserrvorr,an1''clt ceclt
Zrdlo:
()pracL,ri
altic u Ia:llc
.Ieeli liczebno zbioroiro ci.jcst cluza i zachodzi potrzeba poqrttpotraIlia
datirch rv szeI.egi t.ozdzicIcze. lo 7-c \\zgl.lLI tla dtr'a rztle rr1tniar..r.gt.tt1loriatlia
- ria k rvat.iaIltrv clIa cech1
'\
i / lialialltrr' cechy, }', otrz1'nltrjeIrly ,t,l rvarl"clsci
ll,,
.liczebno ci
klas clIa i-tego rvariallttt ceclly X (i_1,2,.'.' ) i1-tego rvat.iallttt
cechy f (J :I,2,
''''l).
opisane przypo|Zdkorvanie llazywalll\i dlvulvymiaro-
rvl'm rozkladem empir)'czn1'm cech
(d))
dla danej popLrlacji. Dane pogrupo-
lvatle u trl ies zcza si zrl'l'k l e \\' tzw. ta b |icy ko relacyj nej'o :
58
1y prz1'paclku cech.iako ciorvr'ch. clanych syruboIicznych lnrvi si rvicej tabIicach kontygencji
122 At.t t-lz,c WsPoZALEZNocl zL wlsx
Tabela 4.2
'l'abl
ica korelacy'jna
X
It,t
-
!tx ),zl
-
1 '., !t,t- !t,3 Y,,
-,,
r=l
'l
I(l
.
lo
11
tt
/l
r:
11
tt
ll
t
-Y:l
- r.zu 11:t lltt lltt llt
"Tl,t
- Xr,o llkj Ilt Il
*t
llt
Y,,
=,,
'=l
ll.
t
11.
t
11.
t
L,
,=l
=Y,, =,,
L
.l
l=
I
S,vrlbole
'T,.l,
.I,g ol.oZ
}i. ) E
oZ|1ACza.j odporviednio doln i grn grallic
przedzialu klasou,ego dla cech X i Y. W ostatninr \\'ierszLl tablicy korelacyjnej
l'lll]ieszczone Zosta'ly Stlll]y liczebno ci wszystkich klas cech}, x dla danego wa-
rialltu Ioznaczonego przez lll, twol.Zce rozk ad empiryczlly cechy
yrv
badane.i
zbiorolvo ci' nazywallv tLrtaj rozk|aclem brzego}YYm te.i cechy. Podobnie rv
ostatniej kolurnnic tablicl,
llo\\'staje
lozklad blzcsorrr ccchy -Y, oznaczony
jako
l,.
Mozcttlr te rozpatr\\\ac rozk ad
jedrrc.j
ccchv prz)' LlStalonej \\'arto ci
drugiej. lll]. clla cZe ci popt|lac.ji
;losiada.jcc'j
cech J lr' pierrr'sZ}/ll] \Varial1cie
ri.i -
-Tt
(ll'. jedrlostek)
nlanl1 rozk ad:
Tabeln 4.3
Wariant f Liczebno c klas
Yt,t
-
!ts
)):,t
-
lzl
lu
-
)'tv
Taki rozk ad naVwamy rozkladenr \Yarunko\YYm cechy Y. Zatern
\Vwiefszach tablic,v korelacy'jnej l]]anly rozklady wa|tlnko\\re dla cechy
4.2.
Za|ezno
stochastyczna
i kore|acyjna
Zatlu'ar'li rlly jtrz.
ze t1ri ic (lLrLl rr icej)
cecIr1, rrtog \\,}'Stpo\\la
rv sposb
niezalezIll'ocl
siebie lub przeciiitlic,
ttarto jcclne.j
cech. nioze rr,1l1vr,r,ac
lla
drug. Wsplzalezno
rv1,stprrjca
nridzy
cechalni ,nz"
by, clrl,ojakiego
ro0z ll tl:
.
funkcyjlra (dok adna),
kiedy zlniatla rvafto cijednej
cechy poci4ga
za sob
kotlkrettr
znlian
drLlgiej, czy|i
.v-:J ix).
gdzie
r,
'y
- tvarto ci
cech.
l
- svrllbol
pel'nej
firnkcj i,
r
stochastYczna
(probabilis'czlla)'
gd.v
rzI-l1,t.ll lvarialltollr.iednej
cechy
od-
porviadaj
rlle rozk'lady
drugie.i
cechy' Przecirvllie, jeeli
clIa llrycil u,a-
riantrv
jcdrlej
ceclty druga llla stale taki sattl rozkIad,io
cech\.sa
lliezalene
stochust;cznic.
Szczeglrlyln przypadkicnl
zaleno ci
stochastycznej jest
zaIeno
kore-
Iacy'jna (sta'st1'czna).
l\4rvirllv.
ze iJ rvie cechr,
s zo|"i,",e kor.elac1,jrtie, jezeli
rn5'nr \\.ariallto|ll jedllej
cechl' odporviac1aj
rne reclnie rr'aruIlkowe
drir-uiej'
SredIlie u'arullkorr,e
to s rednie liczone
cjla rozk aclrv lvar'llkorvych.
Ze zv'iiyzkarni
frrrikcyjnr,'nli
nlanry niekiedy clo cz.l,niclia rv pr.zvrodzie
i technice.
np' pole
krvadratu
1.
jest
firnkcj
dltrgo ci jego
boku ... .,1,ii
.,,:',.
Natonliast
rv naukac|r
spoleczIu,gh
rv rvikszo .i
p'.y,p".lrrv
spotykarny
si z
zaleztto ciatni
stochasty'czlly,tlti
i clla nich rvl'a rlie pizec1starvinly,
portizej pod-
starvorve
nriary.
ZnlEznoc sTocHASTYczNA I KoRELACYJ NA
Datle przedstar'"'iolle rv prz1,k adzie 4'l zdaj si by za|e'ne zarrv-
no stochastvcznie,
jak
i korelacyjnie. Widac bou'ierl, ze nlniej liczne lodziny
zarllieszkuj na ogol nllliejsze lnieszkatlia' Mona sobie
jednak
lvvobrazic cechy
za|en kore|acyjnie, alc nieza|eztre stochastycznie' tzll' posiadajce sta red-
tlilvarttItkorv lllinro istotrlie rznych rozk]adlv tr,artttrkorv1'ch. llp. pod w,zgl-
detrl rvariatrcji - dla rn.r'cll u,ariantlrv
jedllej
ceclry lnoetny otrzynryrr'a roz-
k-lady bardziej rrr'rlonliertle lub bardziej skotrcetltrorvaIle. chociai posiadajce
wci t satll redrti. J eclrlak rla og pojcia zaleno ci stochastvczlre.i i kore.
lacyjllej s ze sob zlvizane. W dalszej cz ci zajnlienly si rrtierzenienl sily,
rr solzaleIlo ci cech.
4.3. Podstawowe miary wsp zaleno ci cech
Podanr1, teraz kilka llajcz ciej stosorr.alt;'ch rvskaztlikrv tllierzcr.clr sil
korelacji drvch cech
(usplczytlnik
korelacji liniorr'ej Pearsona, stosultek kot.e-
Iacji, r.'.spo cz5,'tllrik kor.elacji rang Spearnlana) oraz tlliar zaIezno ci stocha-
sczltej - u,sp czynrlik zbiezno ci Czuprorva.
Prz1' badanitt rr'splzaIeno ci ceclr prz1'jnluje si zrvykIe
jedn
cech za
niezalen. ktrej zrllicllrlo
jest
ttlvartttlkorvana cz1'tlllikatni zerr lltrzItt'llli,
a dr.trg z.a za|e.nz1. tz-ll.
.iE
rrahallia
1;l.cibtrje
si rrr'ia lli (prz1rtajIulliu'.1
cz-
c iorvo) znl ietlno ci cech1' rl iezalerle.j'
Najcz ciej Stoso\\ atlr'tll llticI.tlikieIli li sp zaIeztltl ci cccIl rllierzaln1'ch
(ilo ciorr.yclr)
jest
rr.sp|czr'Irnik kore lacji Iiniolr ej Pearsona okre lany rv
literatttrze rrvnie
jako
rrspIcz1'nllik ktlrt-'lac.ji p|ostolillio\\ej. Wsp c4rlrlik
ten
jest
oparq'lla pojciLr |irrrr'ariancji. kt.ir clIa szeregu szczeg orvego
(tab.
4.l
)
ri,vznacza si rvedlt|g \vzortl:
|
]t
covrr.
=-f
(.r,
-rlf
t,
-l)
.
Il
r=l
lttb rrvtrorr,aznie
lr/
's
cov,.,
=_).y,1.,_.r.)
It
i=l
oraz dIa Szeregu pogrtlpo\\'a|lego w tablicy korelacyjnej (tab. 4.2) r yznacza si
ze wzoru:
125
co\\)
=;iI(r,-i)r
j,,-
),,,,
(
4 1)
(
4.2)
lub
(13)
tzo At.t t.lz,q WsPoZALEzNocl z.l wlsx
1Kt
cov.,
=:tt.t,
i, ,,
-r
v
.tJ ,1l/1lIj
tt
t=l
!=l
Wsp czyllllik korelacji linioivej darry
jest
wzorelll:
(
4.4)
(
4.5)
cov.\1.
,'=l'=-
'.r,r '
tr\
SrS,.
'
gdzie S,, ,S, ozttaczaj odclrylenia standardorve zrrliennych X i
Wspo czy,nllik korelacji liniolvej
jest
nliar symetlyczll i przyjlnuje wa|to.
ci zprzedzialLr
<-l,l>.
IIlfol.lltrje o sile oraz kierunku koreIacji liniorvej l1lidzy
zur ienny'nr i.
aa0aa
05101520
a
Rvs.
-l.2
Brak:ale:no ci kore R),s. ], 3 Zale:tlo 'futlkc.tjtta kr:tltolinio-
\.o
t
l
30.
25
ot
'o
)
..t
15
]
^.
lacl,j ne
j
-1
i.
:1."f
.r
-o
lo
10
30 10
on
Rys' 1,4 Zale:lto liniolva ttfenuta
,R.l,s.
./.5
Zale:lto liniou,a dodtttnia
PoDSTAWoWE MIARY WSPozALEZNoCl CECH 127
i16r
11
10
6
2
0
I?y s. 1. 6 Za l e : n o k o re l a c
y,1
n tt u nl i a r k otl'' a-
na dodatnia
0 5 10 15 20
Rys' 1.7 Zalezno korelacvjna untiar-
kowana ujentna
a
0 6 8i
Wafto rvsp'lczy_nnika kore|acji PearsoIra r'.: 0 (por. rys.4.2 i 4.3) lviadczy o
braku korelacji liniorvej midz1.badanynli cechanli (mozlirve, ze istnieje midzy
ninli korelacj a krzl,lvol iniorval
).
War.to rvsp czyntlika korelacji Pearsotra rviksza od zera (l..'> 0) intbr.
llluje nas, Ze lllal-n)l do czynierlia z korelacjdodatni(rvraz ze wzrosteln lvat1o-
cijednej cechy wzraSta r.edlliir rr'artttlkou a drLrgiej). Porrr na.i
ry.s.
. ..1
i 4'6.
Warto rvspIczl'tlttika korelac.; i PearsoIla lllrlicjsza ocl zera (l..,'< 0) in.
fornluje llas' Ze korelacja
jest
trjellllla (rr.zrostori i rrarto ci
.iednej
ceclty torva.
rzyszy spadek drugiej). Porounaj
rys.
-1.5
i
-1.7.
Przy r,n: 1 |trb -l nla|ll)' liniori' zalezno tilllkc1jrl. ll. y:ax+b'
Przyklad 4.2
W..Gazccic Motoryzac1jlrcj,, 12197 zllajdq si nastpujce dane o celrach sanro-
clrodrv per,vnej lrrarki:
Tabela 4'
Wiek rv latach
3
7
t0
4
2
3
27
t'7
8
f6
35
)/
a
ZrdIo: Dane u|llow|lc
128 ANAL|zA WsPoZALEzNocI ZJ AW|sK
ob l iczvnly rvsp lczynltik kor.clacj i l i n iori'cj d la podany'cIl
podarlo dane dla ll = 6 satllocllodrv. Srcdni u,ick sanloc|todu
ri,r,nosila 2. . 17 t1.s.
cech. W tym przy,k.ladzic
to 4.83 lata. l.eclnia ccna
Tabeln
.{.7
Wiek
(.t7
Cena (r'7 * _;
)', - )'
(.r,
-r)(1, -r)
(.r,
.r
)-
(.r',
i)r
J
7
l0
-l
2
J
f7
t7
8
f6
i5
3?
1.83
z,t7
5. t7
0.u3
r
R]
1.83
2.83
-'7
l'1
-16.17
1,83
10.83
7.83
-5,t9
15.53
83.53
- I 5t
] 0,9
11.16
3,36
1.69
2(r.69
0.69
8,03
3.3
(r
8,03
5I.3
2 l'.j
3'3
I 17.3(r
6l.
j
Y
t..t5 X 150.8-l 16.8-j 501.83
J ak lr'ida rv tabe li
. .7,
otrz)'Inano:
tq
t= =4,83'
o
1J 5
,
== =
l"r.l7.
t)
-r5n
8t
L('\fl
-- ----'.1{.
()
r-
^
/+o.aiJ
\
=
l-
=
'
/\,
".\
1l .
lo
Std
't{
I I
r.,,
=-=*0.98.
'.' 17c)'kqli
a to ozllacza, Zc poda|le ccchy s lrardz<-l silnic skorclorr,ane.
Wick saluochodrr
jcst
rrjelnnic skorclotvaltl' z
jcgo
cclr. tzn. llllodszc saniochodr, s
droszc. Zalczrro ta
jcst
bardzo silrla i linioil'a.
e
Przyk ad 4.3
oblicz1.lnv tcraz rr'splczlrllrik korelac.ji liniorl'e'j dla danych Z prz\'k adtl 4.l.
.ta-
blica korclacljna. uzupelniona o danc koniccznc do obliczcnia S,, S, oraz cov.,, zostala
przcdstarviona rv tabeli 4.8.
Slednie arytrnctycznc cech ua podstawic przedstawionych danych obliczarny
jako:
PoDSTAWoWE M|ARY WsPoZALEiNocI cECH tzY
Y",,
L"
t" 1'
I R?f)
f
='='
n30
Y,, ,,
l/ 1'...l
.-_/=l _9_,"'
---
|
-t
-
n 3\)
Kowariancja zosta a ob]iczona \\.g wzoru (4.4):
61R0
coV,,
=- ,"-60.67
3,:7
=ll.-19
30
Tabcla 4.8
x, \
y,
I f l J )
,Ti
-
-T
,.
-.]
(.\-ry
,.
-'?
0l
.If/ .
40
0
80
100
30-50
50-70
70-90
90-l l0
J 4
I
I
32
323
ll)
3l
L2
9
5
.180
540
400
100
-f0.6'1
-0,6'7
19.33
39.33
1?-7
,t
1
0.44
3 73.78
1 547.1 l
5 125.33
4,00
1 868.89
6l 88.4'1
T,.
3
(
1 o 30 I 820 l31 8.67
)'
in' i
3
ll t1 i0 98
,' _n
-2.27 -t.27 -0.17 0.73 1.73
(
l ,
-
r')-
5.11 t.6 0.07 0.5-l i
,
-'f
0'1-)')-n
1
15.:l 9.63 0.49 4.3 l8 17,8',7
k
Ii,,,
t-l
I 20 300 380 580 4l()
k
I i,n,ry.,
120 600 1r40 f320 220( 63 80
odchylenia standardorv obliczanl1'. podobnie
jak
rednie. na podstawie rozk adrv
warunko\wch:
,s=
-_t
=20.9'7.
F7.Bj
1:o
l3 r 86.67
I wreszcie wsp czynnik korelacji liniowej
jest
rwn1,:
a2n
At.t t-lzn WsPoZALEzNocl zJ AWlsK
cov,,
| 4,49
s .s 20,91
.t.26
Manly rv tyrn przypadku cechy wyra nie skorelowane, cho nie tak silnie.
jak
rv poprzednirn przykladzie.
Porvierzchnia rrrieszkania
jest
dodatnio skorelorvana z |iczb zarnieszkujcych j
osb. tzn. rv mieszkaniach o rvikszej porvierzchni rniszka wicej osb.
Przyklad 4.4
Kowariancja nridzy wydatkanli rra reklarn i wielko^ ci sprzedaiy pelvnego przed-
sibiorstwa wynosi a rv ostatniIn okresi 0 000 000 zl'. Cz,v za|eno lnidzy tymi
wielko ciami
jest
silrla? Wiadonlo. e rozk|ad rvilko ci rniesicznej sprzedazy tego
przedsibiorstwa w ostatnirri okrsie by nastpujcy:
Tabela
,{.9
Wilko sprzeda
(rr,lrrln
z )
Liczba lniesicy z tak
wielko cia slrzedai^]
3.5-4
4-4.5
l<
5-6
2
n
T
5
J
J
T,rtidlo: Dane !u tlowllc.
znany
jest
rozk]ad rniesicznych wy'datkrv na reklame w tvrn saltlvln
Tabela,l.l0
Wielko rtydatkrv
na reklarn
(w
fvs z )
Liczba lniesicy z tak
rvielko cia rwdatkw
o.|
7-I
c)
q-)
1
I
/1
6
n
2
Zrdlo: Dane uI-nowtle
'
Rozrviazanie:
Nale oblicz;' odchylenia Standardowe wielko ci sprzeday i wielko ci wydat.
kw na reklam. W tyln clu konieczna
jest
znajorno warto ci rdnich arytlntycz.
nych. W tabelach 4.1| i 4'12 podane s obliczenia czstkowe.
J ednocze nie
okresie:
Poosrnwowe M|ARY WsPozALEZNocI cEcH
444
Tabela
,{.1
I
Wielko sprzeday
-{;
.T/
Liczba luisicv
nr
x,fr,
?i-15
3 2 f) 1.2941 3.3495
3,5-4 3.75
'1
l) -0.54'tl l. I 843
4-4.5
.t 1i
5 21.25 -0.0441 0.0097
,{<<
3
lrt ?i
0'- 559 0.6235
5- 5.5 J 16.5 1.2059 1^3625
Surna t7 73 9.529412
Zgodnie ze rvzorern (3.. )
i
=:
=
4.f941 .
l'7
natotniast z wzorl (3.l7) otrzyrnujerny
6;?q.l r ?
.S
=
./-'"-'
"-
=
0 74870lrrrln zl. *Y
1
tz
Analogicznie dla lvydatkw na reklatrl lnatny
Tabela 4.12
Wydatki na reklarn
v.
!,
Liczba nriesicy
n,
! ifr,
v
-r:
l-l 5
1.25 -0.5706 0.3256
t{t7
l.o 4 o.4 -0.220 0. l 946
I 7-l
q
1.8 o I 0.8 -0.0206 0.0025
lq-?t
2 4 8 0 r79.1 0. r 288
')')<
2.t 5
")
1.5 U.. ]9- 0.3 688
Suma ti 3 0.95 r.020294
Odpowiednio
-
30,95
^
/r
.0202e-+
=
1.820588. .S,
=./-_--_ =
0.24-198-lrj,s. zl.
-
17
\l
t7
obliczymy teraz rvartoc r'vsplczynnika korelacji liniorvej
jako
rniernika sity
i kierunku zaleno ci liniorvej rvielko ci sprzedav od wydatkw r-ra rekIattr w badanyrrr
przedsibiorstwie. Zgodnie ze rvzorem (.1.5)
60000000
^
1._
'rl
7-t87ol.241.98.1
Mozna zatenr stwierdzic. e istnieje niezbyt silna zaleno dodatnia midzy rvy.
datkami na reklarn a wielko ci rniesicznej sprzeda. e
Kwadrat wsp czynnika korelacji liniowej R'
=
i
=
r,,,, naz,vwac bdzierny
lYsplczYnnikiem t|eterminacji |iniorvej. ktry podaje,
jaka
cz Znienno ci
|z ANAL|ZA WsPoZALENocl zJ AWlsK
cec|1.y za|enej
jest
wyja niona zmienno ci ceclry niezalenej. Podobnie wpro-
wadzirrry poj
cie
wsp|czynniI<a ind eterminacj i liniorr'ej
j
ako :
Q =
L- K-^
(
4.6)
ktry wyraa.
jaka
cz c ztnienno ci ztniennej zalerrej nie zosta]la wyja niorra.
W przykladzie 4.3 mamy Zatel-n
l..:
0'55]= O.30 i q: 0.70 co oznacza, ie
rvielko c nrieszkania. tlrierzona
jego
powierzchni zostalo w 30Yo wyja niona
liczbzamieszkujcych
je
osb. a lv 700 przez inlle przyczy|1y.
Ittn nriar korelacji
jest
stosunek koreIacji (rvska nik sily koreIacji) Pe-
arsona c,,. i
g'',,
nazywany tez wsp czr''nnikiellr korelacji nielirriorvej. poniewaz
mier;ry on si korelacji cech niezaleznie od ksztahu tej za|ezno ci' Mierzy si
go dla darryc t pogrupowanych, przy czyllr cecha za|ena rlrusi byc ceclr lnie.
rza|nco ozllacza. ze cecha trrierzalna moze byc ilo ciorva lub
jako cior'va.
Sto.
sunek korelacji Persona cechy )'doX
jest
dany rvzoren'l
r=
lJ ,':,
P
=
l-
']:r
1l
2
t
'''
^)
gdzie S':,
jest
rvariancj rednich rvarunkowych cechy Y. czy|i
-
1A
s;
=:Ltt, -1=)rir,..
.\]
|.-.
l
rt
,-1
natotrliast
1,.
jest
redni rvarunkolv cechy ), dla i-tego wariaItttt
czyli
I
Zt',,,
il.
=
'-' i=1.2,...k
/t
ll,.
S'2
.1est
wariancj og|n cechy f.
Analogicznie konstruuje si stosunek e*'' korelacji X do Y,
( 4.7)
( 4.8)
cechy
{
(4e)
Przyklad
,1.5
W pewnyrn przedsibiorstrvie istnieje zrvizek potnidzy rvielko ci partii wyro-
bw gotowych a kosztenl
jednostkowyrn
pLodukcji. Na podstau'ie obserrvacji Z ostatnich
kilku nliesic,v stwierdzono. e dla partii rv1'robw'rvielko ci l0.20 sztuk rdni koszt
jednostkouy
lvynosi 4,3 z , d|a paii 20-50 sztuk rdni koszt wynosi 3,2 z , w partiach
o wielko ci 50.100
-2.3
zI. rv partiach l00.l50 szt.-2,l z-l' a rv partiach najlvikszych.
Poosrnwowe
MlARY WsPoZALEZNoscI
cEcH
Wielko oar1ii(szt.)
Liczba
partii
o tej
rvielko ci
i 0,20
5
20-5i)
l5
50- I 00
f0
100-150
l)
I 50-200
l0
Zrrid o: Dane u|Io\\T]e'
okre lic sil zrvizku rnidzy rvie]ko ci
partii wyroblv gotowych a kosztem
jed.
llostkow)'tn
produkcj i.
Rozwiazanie:
obliczyrny
rvielko stosunku korelrcji. redni
rvarunkow kosztu
jednostkowego
dane s w tre ci zadania. Na ich podstar,vie l-llozna tei obliczy redni ogln
jako
red-
lrl wazo11:
5
Y t,'
/)''
t
't'
-tl
Y=
-':
=
Y,'
/-!
t'
,_]
4.3.5 +3.4.l5+ 2.3'2()+ 2.l l5+ 2 10
5+15+20+15+10
Wariancj rednich
warunkow.vch obliczy,rn}
'
zgodnie ze wzoletll (4'7)'
jako:
-)
I.|-
-.1
si,
=-uL0,,_y)..=
uJ ,-l
= -!-
(,
o. :
-
z s
zr
s +
1
:,.t
-
z
s
7
2
t s +
1zt -
zs
Vt
zo*
(Zt
- Zs V2
1 5 +
1z -
fs
1'
1 o
=
65'
=1.zs,q:sa
G0.44520'/
65
Stosunk korelacj i
j
est zatenl llvn.v.
Mozna w tym prz}padku nlwic o \ Traznyln, cho niezbyt silnyrn zwizku korela-
1?
l50-200 sztuk rvyrobw redni kosztjednostkowy
wynosi 2 zl. Wiadonlo
ponadto. ie
odchylenie standardow
kosztu
jednostkolvego rv badarlyln okresi rvynosi o 2,f z|.
Rozklad liczby par1ii o poszczeglnych liczebrrociach
podano w poniszej tabeli:
Tabela 4.13
167
_
=
:.) tT,
5
cyJ nyln
134 ANt t-lz,c WsPozALENocl ZJ AW|sK
Stosunek korelacji nroe przyjrnowac r,vafio cl zprzedzia u
<0,1>.
Na og
jest
to miara niesymetryczna. tzn. e
,\+
e.r,\ poza dwoma
przypadkami'. e.,,: e.,*: 0
(brak korelacj i) oraz 9'q': ?1;1: 1
(za|einos funkcyjrra nridzy Y a X).
Istrrieje za|eno c midzy e..'' i /.,.,:
I
r,,.| e,,,.
ktra sta a si podstarv do utworzenia tlriary krzywoliniowo ci zwizku zlrrien-
nych' tzw. nriertlika krzyrvoIiniolvoci:
ffiv=e-,'-1,-'
i oczywi cie, przy badaniu za|ezno ci cechy X od Y:
fl
I, ,Ix
=
e;v
_
r;v ,
40.3+0.0+80.0+l00,0
=40
40.4+60'1+80.1+100.0
(
4.10)
( 4.1 l)
( 4.1f)
Przyklad 4.6
Zbada. czy za|eno mld' powierzchni tnieszkania a liczb zamieszkujcych
je
osb zprzvk adu 4.3 rrrozna uzna za liniow.
Rozwizanie;
oblicvrn.v stosunck korelacji nieliniorvej e,,,
-
za|eno ci porvierzchni lnieszkania
od liczby czlonkiv gospodarstrva domowego, a nastpnie wielko rnirnika krzywoli-
niowoci
(irn
jego
rt,afto c
jest
rtrniejsza. tyln hardziej
zalerroc llrolla uzna za linio.
!v).
Na podstarvie tabli 4.l] rnona obliczy rt,arto ci rednich warunkorrrych cechy
't-
powierzchni lniszkania dla poszczeglrrych rvariantrv cechy
y
-
|iczby osb' I tak,
w grupie gospodarstw
jednoosobolvy.ch
s. tylko trz,v
jednostki
i rvszystkie rnaj po-
wierzchni nrieszka w przedziale 30-50 ln.. zatern
'1
Ytr.
/.'I''II
-
,
-]
11
.l
W nastpnej grupie
_
gospodarstlv drvuosobow1'ch rednia por'vierzc rnia ntieszka
wynosi
.l
\at .
)
X, .|,l
4 ''
x2
=-
n.2
i analogicznie:
i:
=
54,28571, x1
=
72,5
,i5 =
73.3333 .
Ponierva obliczona w przyk adzi 4.3 rednia wynosi 60'6./
'
zatm wariancj
rednich warunkowych obliczamy
jako
Poosrnwowe M|ARY WsPoZALENocI cEcH
1?
s;
=
lirr
1
-if
n.,
=
' n-
.l=l
=
*(oo
-
60,6Dr. 3 + (50
-
60,6'D2
.
6 +
(54,28571
-
60.67)2
.
7 +
30
''
+ (72.5
-
60,6D2
.8
+ (73,3333
-
60.67)2
.6)=
=
a
1rzsr.::
3 + 682,666i +285,0r 59+ | l2o.2fz+ 962.6667)
:
30'
=
144.3968
Wariancja cechy i' na podstarvie
'"z
-
|3l86'7
=9.5551
.Zatnstosunek
-
30
ru (4.6) jest
rwny:
oblicze z prz.y-k adu
4.3 lvynosi
korelacji nieliniowej analogicznie do wzo-
natoln iast nl i ern ik krzy,rvo l in i orvo c i rv-vnos i :
11
r 1,
=
ei,,
_f.u,=
0.33-0.30=
0.03
i poniervaz jest
to rt'arto c
bardzo biiska zera. zalenosc z prz;,kladu 4.3 Inona
uzna za liniow.
W tyn przypadku
tnalnl' dcl cz1'nieniir z dti'iellla cccltalni rnierzainyrli.wic jest
m ol i lvo lv,- znaczenia rrvn iez rvs p cz1,nn i ko c''. .
Dla;r;: 60 su'.'-lu
)},
'nii
=|.0+2.l+3.3
+1'2+5.3=34 i rednia warun-
11
korva v,
=:-: =
3.78 .
9
Wariancjawarunkorva wynosi s:
=
2l'01
=
0.'767 .
-
_:
_10
ln 1A1
Stosunek korelacji ,,,
=
^l+
=
./o,. zos
=
0,69
'
I
r.o
Prz1'poInrrijnry,, e rvsp czynnik koreIacji liniorr'ej Pearsona wynis dIa tego prv-
k adu
1',
:
0,55, czy|i zachodzl relacja
h* |
.
"'-
Zauwarny, i zachodzi relacja; ,., * ,'.. Miemik krzFvoliniowoci rv-vnosi:
e
nl,,
=
:
_
rjr
=(o,o$'
- 0,30= 0,1,/ 61.
tJ o ANRt-tze WsPoZALEZNocl ZJ AWISK
Kolejn tniar korelacji, wygodrl i uzyteczn dla niezbyt d ugich Szere-
gow Szczeg owych z drviema cecilanri tllierzalnynri
(lub przynajnlniej posiada-
jcynli
pewien naturalny porzdek pozwalajcy na ustawienie warto ci rosnco
lub nlalejco),
jest
rvsp|czynnik kore|acji kolcjno ciorvej (rang) Spearmana
D
N^
62rl;
p
-p -t-'r
1\\.1
-
t\lf
-
r
\
.
tl
-
,t
gdzie d, s rznicami nlidzy kolejnylri ttutlreratni (ranganri), nadawan1rrri
lv kolejno ci nierrralejcej (lub nierosncej) osobtto dla kadej cechy od l do n'
J ezeli kilka elementw w Szeregu llla tak salrr
lvao
jeclnej
cechy, to nadaje
irn si rangi bdce redni arytl1letyczll (pr4,padajcYclr na te elernetlty) rang'
Warto R.-' naley do przedzia u
<-l,l>
inrlvi o sile oraz kierunku kore-
lacj i.
Przyklad 4.7
Pror,vadzcy zajcia Ze statystyki Zaproponowa konkurs, w ktryIn rlagrodarni byl-v
zwolnienia z za|tczenia i egzarninu ze statyski. W konkursi zdecydorvalo si wzi
udzia l4 studerrtii'. Prorvadzt1c;, postanowil zbadac, czy istnieje zwizek rnidzy wyni-
kanri konkursLr a redni ocen studenta' W
ry*m
celu zrobi zestar,vienie:
Tabcla.l.l{
(4 13)
Inli i llazlr'isko
stttdnta
Mit-jsce u'konkursie
statYstvcznVnr
Srednia ocen
J an Korvalski
Erva Kowalska
J akub Korvalski
Zofia Kowalska
Irna Kowalska
Zbigniew Korvalski
Anna Kowalska
Adam Kowalski
Wojciech Korvalski
Eryk Kowalski
J erzy Kowalski
Stefan Kowalski
Witold Kowalski
Piotr Korvalski
4,4
J '
4,0
)
3,8
A1
1R
4,1
,
C)
Z-rd o: Dane umowne
PoosrRwowp tvllRRy wsprzRLEf Nocl cEcH 137
Zbada, czy zwizek pornidzy wynikami przedstawionyrni w tabeli istnieje,
je li
tak, to o
jakirn
kierunku i sile.
Rozwizanie:
Cech
.'niejsce
w konkursie'' oznaczy|11y prZZ
J /,
cech redrria
-
przZ x.
W przypadku cechy nyrazonej,
jak
w powyiszym zadaniu, w skali punktorvej (miejsce rv
konkursie), w a ciwsze
jest
pos ugiwanie si tniaraltli pozycyjnyrni i takiIni te n-rienri-
karni korelacji. Zastosujerny zateln rvsp czynnik korelacji rang SpearInana.
Naley zwrcic uwag' ie rniejsca osigane przez studentrv lv konkursie nie bd
dok adnie rwne rangotll prz1,pisall1'ln tr'nl Illiejscotn, ponielt'a war.to ci rang s przypi-
svwane od i do liczby elementw w prbie, czyli l. . lratonliast miejsca by y przyznane
od 1 do9.
W zwizku Z powyzsz)llli ulr,aganli lrsplczr'nnik koreIacji oblicz1'rny
jako:
Zrdlo: Danc ut}lo\\Te.
Dwoje studentw Zna|az|o Si razelll na nliejscu 2, zatenl przrypadajna
nich rarrgi
druga i trzecia, zatern oboje otrzynluj rang (2+3)/2=2.5.
Analogicznie ranga Czwarta,
pita i szsta przypadaj na studentrv z rniejscern 3' zatetn otrzynlr'rj oni rang rwn
redniej arytmetycznej przypadajcyclr
na nich rang, czyli (4+5+6y3:5
itd'
Zgodnie z obliczniami w tabeli
6.658
1(,.
=t------=-0,446.
14'-14
Tabcla 4.15
Imi inazwi-
sko
Miejsce
w konkursie
(r,)
Srednia
ocen
(l
i)
Rangi dla,r
(dx,)
Rangi
dla.r'
(dv,)
Rznica
rang (rf)
d,2
J . Kowalski
E. Kowalska
J . Kowalski
Z. Kowalska
I. Korvalska
Z. Korvalski
A. Kowalska
A. Kowalski
W. Kowalski
E. Kowalski
J . Kowalski
S. Korvalski
W. Korvalski
P. Kowalski
I
2
f
3
3
3
A
5
5
5
6
7
8
o
4,4
3,8
40
45
4)
3,8
A1
3,8
4,1
'lo
)-z
I
)5
.7
u
9
o
1l
t')
1
l{
IJ
6
9
14
3
I 1,5
6
I 1,5
2
6
l0
8
4
I
ta
-65
_t)
f
1
1<
'7
3
I
A
o
t44
1) )S
t) )\
8l
4
) )s
I
49
9
I
to
8l
t69
Surna 658
1?R
ANAL|ZA WsPoZALEZNocl ZJ AW|sK
Istnieje zatetn rtyra ny zrvizek rnidzy badanymi cchaIni: iIn lvysza redrria, tynl
wysze nliejsce w korrkursie, co oznacza' e irn rr.iksza liczba oznacza1ca redni tyn
nrniejsza liczba oznaczajca miejsce
-
dlatego wsp czynnik korelacji
jest
ujelllny.
e
Przyklad 4.8
W rd ll studntrv kirr:nktr Zarzdz-anie i Marketing przeprowadzono drva ro-
dzaje testw na inteligencj i uzyskano nastpujce wyniki;
Ustal czy istnieje rvsl
Rozwizarrie:
W pierwszym kroku
najniszej liczbv punktw
porzdkujerny obie cechy rosnco i nadajenry irn rangi
*
dla
ranga rvynosi l, dla najurysze.j ranga wr,'nosi l l
'
Tabcla
;1.16
rvsp zalcno rnidzy wynikanli obu testw.
Wynikitestu II
PoosrRwowe M|ARY WsPozALEZNocl cEcH
'139
Tabela 4.17
Symbol
studenta
Cecha
x
Ranga
dx
Cecha
))
Rattga
d),
di=d(x,)-d(1,,)
d;
AA 44 8 36 7 1
AI' 30 2 22 I I
AC 38
L5
32
ta ))5
BA 36 3 27
J )
-0.5 0.25
BB 28 I l-5 : 1
BC 50 l0 t0 0 0
BD 41 7 4l 9
a
A
56 ll 50 1t 0 0
CB 46 9 37 8 I
CC 38 29 J -0,5
n t{
39 o 27
?{
Suma X I7
Zauwanly, e w przypadku cechy x dwch studentw osign o idenfyczne wyniki
tj. po 138 pkt., ktry to wynik daje tyrn studentotn niejsce eX quo 4.te i 5.te, std obu
wynikom przypisano rarlgi bdce redni alyhntyczn obu rniejsc rv rankingu, czry|i d1
:4,5'
Podobrra sytuacja ma tniejsce dla w1tikrv z II testu, ale dla rniejsc 3.ciego i4-
tego.
W drugim etapie
'"'"yznaczatnv
rvarto wsp cz.r,'nnika korelacji rang Speannana
lIt
6'I ,/-
I
R,,''
=
l
-_5!-- =' -
u '
=
0,922
r''
nt-tt
(ll)r-ll
Warto wsp c4'nnika korelacjijest bliska l, co wiadczy o silnej wsp zaleno.
ci wynikw obu testrv.
Urvaga: lnozna uporzdkowa wyniki rnalejco i rvtedy najrviksza liczba uzyska-
nych przez studntw prrriktw bdzie nlia a rang l, a najnisza l l.
Gdyby wyniki testw uporzdkorva rnalejco tj. najwiksza liczba punktw daje I
rniejsce w rankingu, otrzylnalny:
140
ANAL|ZA WsPozALEzNocI
ZJ AW|sK
T:rbcla J .l8
Synbol
Rangi dla x c/(" ') Rangi dla y
r//yi)
d,
=
d(x,)-d(l,i)
.12
AA
4
5
I
I
AB
l0
lt
I
I
AC
7.5
6 t5
))s
BA
9
8,5
0,5 o
r5
BB
ll
10
I
BC
2
2
0
0
BD
5
3
2 4
CA
n
0
CB
J
t
CC
7
0,5
0.25
CD
6 x\
6.25
Sulna
X
X
t7
Z url.agi na fakt, e przy,uporzdkow'aniu
Ina|ejcy,nl
\\,arto
sumy
!d,?
=
17
tzn'.jest taka sallla.jak prz},
uporzdkori.alliu
rosnc1,nr.
to rvar1o
wsplczynnika
kore-
lacji rang-jest
idenqczna.
e
ostatnia Z przedsta\\,ian1ch
tu tlliar. wsplczvnnik
zbieno ci
Czuprowa
jest
nliar zalezno ci
Stochast\.czllej
cech' Porwnttje
on bowiell
dwuwylriaro-
wy rozklad
elnpiryczny
z rozk' adenr
uzyskanyIlr
rra podstawie
rozk adrv
brze-
got,vych
cech i przy
za\oelliu
niezaleno ci
cech (tzn.
rwnomierlro
rozk a-
dw warunkowyclr).
Konstruuje
si go w oparciu o rvarto
testu niezaleno ci59
f
w postaci:
k I
,.- :,
'2
,,1
-
\a \r
\rrl/ -
/ril
,
/:
- /./
------^-,
i=l
i=l
" t.l
^
ll
t.ll. I
gdzle llll jest
liczebrro ci
klasy (ij) przy
teoretycznyn
za oeniu
nie-
t'l
za|ezlo ci
cech X,Y.
Wsplczynnik
zbieno ci
Czuprorva
jest
dany wzorelll
'r..1 -
t,lr
( 4.14)
59
wicej o testach zla1dzie Czytelnik rv kolejnych
rozdzia ach,
( 4.1 5)
PoosrRwowg lill Ry wsprznlrzruocl cecH
J est to nriara czsto Stosowana dla cech nietnierza|nych, dla ktrych trltdtlo
by oby nrierzy za|eno korelac1,jn.
Wyznaczenie wspl'czynnika T-
Czuprowa w)'l.naga danych pogrupowanych, a lvar1o ci wsp czyrrnika zbieno-
ci nale do przedzialu I e (0:l) .
Przyklad 4.9
Zbadano 360
punktw sprzeday na terellie wojei,vdztwa dzkiego pocl ktetn
drvch cech:
rodzajlr punktu sprzedaz.v
(, w1'stpujcego lv i,t'ariantach:
a) hurlorvnia specjalisryczna,
b) hurtownia wielobranzou'a,
c) specjalistyczny
punkt sprzedazy detalicznej,
d) rvi e lobran on-nl punkt sprzed aiy detal iczrrej'
e) stoisko rv dolnu handlowyrn,
l) inne.
*
typu w asno ci
()], w1,stptrjcego \\' warialltach:
a) spldzielczy,
b) spIka Z o' o.,
c) sp ka akcyjna,
d) splka cyrvilna,
e) finna prywatna,
l) t-inna ptyrvatna-rodzinna.
Po uporzdkorr'aniu
rv tablicy korelac1jIlej dane te tnaja. posta;
Tabcla J .l9
Zrdlo. D. Witkorrska' .I. Witkoivski
Il997].
s' 3l l-323
Zbada si zaleznoci nridzy badanynli cechalni.
Rozrviazanie
Baclarre cechy s nietrrierzalne, zatem
jed)'n
rrriar
jak
cla si zastosowac do ba-
darria zalezno ci,
jest
rvsplcz;-nnik zbieno ci Czuprorva.
141
r;\ c b c d f II,
a 0 0 6 U 8 l5
b 0 0
U 2 4
c 27
,
0 38 135 210
3l 8 0 l2 f7 49 t21
I 0 0 0 0 I 2
I 0 0 0 0 0
)
2
11. t 60 l2 I 25 5 t97 30
lqz ANAL|ZA WSPoZALEZNocl ZJ AW|sK
W pierwszyln rzdzie nalezy obliczy teoret}'czne liczebno ci klas
jako
^
|1i. 1.1
l,t
=
'
zatell
'11
^
nt.nd 15.60
/, J OU
rt, n
^
li'lr
,.
=E-'"
..
_0.5
itd.
,' J OU
Tabela liczebno ci it,, zosta|a uzupe niona poniej:
Tabela 4.20
Do obliczenia warto ci testrr
f
naIczy
.iSzcze
obliczy rvafto ci
Qt,,
_
,,)f
l
tj
czyli kolejno:
(ll.,
-rr)r
_
(l
_2.5)j
=
2'25
=0.9.
,, 2.5 2.5
(ll',
-,:):
-
(0_0.5)]
_?
itd.
firr. 0,5
Nastpnie, sumtrjc obliczone rvarto ci wg wzoru
(4.9) otrvtnujemy
trz =151,2
'
a std wsplczynnik zbiezno ci Czuprorvajest rrvny
'r',
\,
)
d
h
c d f
a
)5 05
I
1t
25 65
;
19',7
2J
l5
b
:
;
2
l)
I
% t8
1i
l8
t9
q0
4
35 7
7
12
175
n
+)
n
I 379
l2
210
d
t21
:
127
;-
127
3 6t)
63
72
t65 l
n
15019
:]()
tz7
1
I
f
I
I fto
5
;
1l 9
80
2
I
-
I
1\
I
18{r
)
;
1l
-io
9
80
2
n 60 I2 I 25 65 197 360
Poosrnwowe MARY WsPozALENocI
cEcH
143
=
0,29
,
Zateln istnije do s aba za|eno midzy rodzajeIn ptrnktu
sprzeda,a rypem w' asno-
ci w badanej populacji.
&
4.4. Praktyczne
Wykorzystanie
anatizy wsp zale.
noci zjawisk
Przyklad 4.10
J eeli dla cech ilo ciowych
z przyk adu
3.40 wykorz;-staIny
rnodu ana|jza danl.ch
rv Excelu otrzylnan.ly tablice korelacyjn przedstawion
poniej. Macierz zawiera rvalto-
ci wsp czynnika
korelacji liniowej nierzonego ponlidzy poszczeglnyrni
ccharl-ri.
Tabcla
,1.21
Miesicznie wydatkorvana
kwota
jest
ujenlnie i uIniarkorvanie
skorelorvana
z rvikiern
kupujcego i liczb osb w
jego
rodzinie. Zaten tnoiel]ly si spodziewa' e
wiksze lniesiczne
kwoty rvy'datkowane
bd przez ln odsze osoby oraz mniej liczne
rodziny'
S aba i ujernna za|rto c w),stpuj rwnie
nlidv rvyclatkorvan
krvot
a liczb zrranych tnarek przez
klienta, czyli wzrostowi r5-datkowanej przez
klienta kwo.
cie towarzyszy przecitny
spadek liczby znanych przez
niego nlarek. Natomiast wiek
kttpujcego jest
silnie i dodatnio uzaleniony
od liczby osb w rodzini. Zatetrr wzrost
wieku kupujcych jest
zwian,- z przecitny'nl lvzrosteIn
liczby osb w rodzirrie. Rlv-
nie rr'ik kupujcego jest
dodatnio' ale r-rIniarkolvanie
zrr,izarty z |iczbzt.tan7,ch
przez
klienta tnarek, rvic starsi klierrci znaj przecitnie
wicej tnarek. Liczbaosb
w rodzinie
jest
dodatnio i unliarkor,vanie
zwizana z|iczbznanych
przez klierlta lnarek. rvic licz-
niejsze rodziny rozpoznajprzecitnie
wicej nrarek,
Pojcie nla ej i duzej prby.iest [|lllo\\,ne l z'a|e'y nridzy inrr1'rli ocl celu badania. Dla nie.
kt<it1,clr du prb.jest plba ponad 30 - eIerrlelltorra' dla innych
(.()-cio
ltib rlicej' Dla ustalenia
uu.agi lv tynl podrczniku
bdzierll1, urraza prb przynajnlniej 30-e|enlentow Za du.
o
\! ll
Esrym c'tR PoDsTAWoWYcH PARAMETRoW ZBloRowocI STATYSTYCZNEJ 155
Przypadek ||. Przedzia ufno ci d|a warto ci oczekiwanej,
gdy
(s.11)
gazte:
s
- odchylerlie stattdardorve obliczone dla l-elenlentor,vej prby na pod-
stawie
jednej
z relacj i (3.1 5) - (3. l7),
/o - lvatto znlieIlnej t odczrytana z tablicy rozk adu t-Studenta dla li-l
stopni srvobody rv taki sposb' aby spe,lniony byt lvarLrncli:
(rr|<t,,)=I_o
(5.
r 2)
Rys. 5.2 Przed:ial tflto ci:l ttdo ant'v clpttrc'itt o ro:k!ud t-,\tttdenta tlla ptl:irlntu uflto ci l-a
Korzystaj
c
z lr' asno c i pralr.d opodob ieri s1rr a tll oe trl.v zap i sa :
p(ul=/,)=l-r(ul>r")
Podstarviajc do relacji (5.12) otrzynrujemy r(l'| >t")=a i rv a nie tak r.ela.
cj podaj tablice rozk 'adr-r t-Studenta'
Przedzia| ufllo ci dIa rvar1o ci redniej nra posta:
(-
.s
-
.r
)
!!c'\'-l
-'
1'!t
-
''-['
".,n^'^r,_t)
nieznana
jest
wariancja
(ma a prba)
J e li nranly do czynienia z rna prb
populacj i generalnej, rvrvczas estytllator
a przedzia ufno ci
jest
postaci:
_.s_,1
x-t"
f ,
(lll{,t+t"
f ,
1t1-l v//-r
losow oraz z l]|eznan warlal]cJ
redniej ma rozk,lad t-Studenta,
(s. r 3)
Z prarvdopodobieristrr,eI-n |-a |l1ozlla trr'ierdzi, ze rv obliczonynr przedzia.
|e znajdtrje si nieznatla rvafto c redniej. PrzV szacorvanitt rvao ci przecitnej
trl
nraksynralny bld szacunktt
(
jest
rrvny po orvie dlLrgo ci przedzialtr ufho-
ci. a zatetn rvynosi:
,s
.l
-
t
-
r,
111
-t
(s. l4)
Estyti.tp'c.lR PARAM ETRW ZB |oRoWocI G E NERALN EJ
Przyklad 5.3
W lv1'niku badariia przcprorvadzoncgo
na 26-elenrcntorr,ej prbic ]osorvo rvy,bra-
ll1'ch dzkich rodziIl, dotyczccgo rvydatklv lia artykuly' luksusorvc okaza o si. c
przccitna
sulna rr.y-datkowalla
w cigu t1,godnia to i
=
l20z . Wiadolllo, Ze rr,icIko
ta
Ina o|la rozk ad llornlalnr.. W rvy.rriku tcgo badania stlr,ierdzono' e zronicolyallic sunr
rvy'datkorr.anyc|r lllierzonc rvs1llcz1'nnikienl
zltlicnllo ci r,lyllosilo lv bac1allcj prbic 89
rcdlricj. Z ri'iary,godllo ci
95% rvyzrlacz1. przcdzia u1llo ci <1la recllricj rv1.datkrv
lta
an1,ku y luksusolve rr' rd rodzin dzkich.
Rozrviazan ie
Z uwagi na to, ie rvylosolvano Ina prb (n:26)
oraz odclrylerlie standardotvc
rvpoptrlacji
icst
nieznane. rvic przcdzia ufllo ci \!yzl)acza|lly Zc wzortl (5.l3). Korz1'-
staJ c Zc \\'zoru na rvsplczr'llnik
zmicltllo ci nlozcmy rlyznaczy
odchylenic standardo-
tt'e prby,
czy'li:
\
V,
=
=
|00o
\
8%=
,100%
120
,\
=
9.6 zL
/.. odczl'tujclnv z tablic I.ozkladu t-studcnta
o 25 stopniach srvclbody i a=0,05. Okazujc
si, c /.,-2.0(l. Podstalriajc otrzr,lllatlc daIlc do (5.l3).
otrz1,lntrjclny'
120-3,96 <
trt
<120+3,96
116,04 < p<123,9(:
Z prarvdopodobicIistrrenr
0.95 nrona zatcln tu'ierdzi, c przccitnc
t1'godniorr'e
ir,r,datki
lla al.t1'kul ' lttkstrsori'e zarricr j si rv przedzialc ocl l l6,04 z| do |23.9(l z|'
Nlaksylrrallry bld szacurrklt rr'yIrosi
3,96 z|,
c
Przypadek |||. Przedzia ufno ci dla warto ci oczekiwanej, gdy
nieznana
jest
wariancja (dua prba69)
W tvnr przypadktl
Sf\'nlator f llla rozk'lad nortrlaltrv
'
Przedzia] ufho ci
\ry'Zllaczallly
Ze \VZortt (5.9)' rv ktrl.nr lv tniejsce lliezllallego
odchylenia starr-
dardowego rv poprrlacj
i owstawiall-ly oszacowali z prbl' rvar.to S:
,, a( ,
-r,
^'
.-
(''
''u
()
*.-,-.
" l
. ''.
-r
lI_-
]
!r? 1tl )
",Dla
tego konkretnego przlpadktr
A. l-uszrrieri,icz
Il9!)4].
s.
(ll
postuILrje prb n>l2()
(s. r 5)
EsryN,tRc.lRPoDsTAWoWYcHPARAMETRowzalonowocISTATYSTYCZNEJ 157
Prz-vklad 5.4
Na podstawie danych zawarwch lv tabeli 2'9 wynlacz przecitn powierzclini
punktw sprzeda rv I,odzi z prau'dopodobieristu'enl rvytloszcynr 957o'
Rozrviazani
Liczebno prby wyllosi 49. . Sr.edlli 3l.}'tnle 'czn dla badanej prby policzollo
rv przykladzie 3.5 i ivyrlosi ona r
=
1 10,07 rnr. a ocichy'lenie stanclardowe policzone
w przyk adzie 3.l 7 rr'ylrosi S= l47.50 llr.' DIr poziottiu ufno ci 95o l,t,, odczytane
z tablic dystrybuanty standaryzorvaneeo rozk adu nonllalnego przyjnluje watto
ttc
=
l,96 . Zaten poszukiivana lvarto przecitna spelnia nierwno :
| 47 .50 | 17.50
ll0.07_ l.96.--= <
1t
<| |0.07+l.c).L
.ls
"!1%
I 10,07-13,01 <
1t
<110,07 +13.01
91,06<p<123,08
Z pralvdopodobieristrr'enr 0,95, przecitna porvierzchllia punktlv sprzeday
rv ocjzi za'"viera si lv prze<1ziale ocl 97.06 lllr clo |23.08 rlr.. ]Vlaks''-'.'ralni' bld Szacull-
l
ku
iest
rrt'tly lj.0l llt-.
e
gdzie:
p - frakcja w popLrlacji generalnej
,
ll - liczebtlo badanej prby'
t/a - warto c odczytana z tablic dystr-vbuanty statlclatyzowanego rozk adu
5.2.2. Przedzia ufno ci dla wska nika struktury
W badaniach statyst)'czn)'cl.). zu'laszcza. kiedv urarlrv do czynienia
Z cechami
jako ciolv1rlli.
itlteI.estrjce
jest
strt'ierdzellie.
jaki
Lrdzia
jednostek
populacji generalnej charaktenzlr.1e si okre lon1.ln rvariantetrr baclanej cechy.
S uzy temu estvtllacja lr'skaz-rlika Struktury' (frakcj i).
Gdy prba losolt'a
jest
bardzo duza'.,. a populacja nra rozk ad dwupunkto-
Wy. przedzia ufllo ci dla 1iakcji Wyznaczallly Ze wzoru:
p(
,,_,,..E-t;T
@)
_1
fr
(
"!
;-1P1tt'*""1-T)='-"
(s'16)
70
lrorrr'naj
j.
Gre
[l968]
s.33
158
EsrvuRcL
PARAMETRoW
zB|oRowocl
GENERALNEJ
tlorlrralnego
pr, pozionrie rrtho ci
1-a, dla ktrej
o(rr"
)=|-+
(porwrraj rys. 5. l
).
n,
)[,
=:
- rrarcja
jedrrostek z wyrozlrionym
\ ariantetrr
cechy
w badanej
t?
prbie'
Pr;ry szacor,vaniu
lvafto ci
wskaznika struktury
nlaks1,nlalny
b d szacunku
(
jest
rowny
po owie cltugo ci
prz-edzia u
trfrro ci.
a Zatell,l rvvnosi:
c
=
Lla
(s.1 7)
Przyklad
5.5
Wcelttprzeprowadzeniaanaliz-vkosztwprodtrkcjiwpwnymprzedsibiorstwie
rvylosowano
w sposb
niezalciny
l00 sztuk
produkor'van1,ch
artyku lv
i otl.z>,trlano
nastpujce
dane:
Tabela 5.1
koszt
iec'irlostkortr
ri zl
i]o c
prodtrkttv
T.5
- 21 .5
l0
27.5
- 32.5
20
32.5
- 37.5
40
37
(
/') <
20
42.5 - 7.5
l0
ZrdIo: Dane t|tllo\\ne
Na
podstau,ie tych danyclr oszacowac udziat
rryrobrv, ktrych koszt przekroczy
32'5 z .
Rozwiazarrie
Liczbno
prby to n:l00 sztLrk, a |iczba
r'rryrobw,
ktryclr koszt
przekroczy
32,5 z urynosi
n,:40+20+|0=70'
|v{ona zatern
przyj do celw esmacji'
e popula-
cjatrrarozk addwupunktowyzdu,onrawariantanlicechy:x<32,5oraz,v>32,5.
Udzia llyrobw,ktrychkosztprzekroczy 32,5z|wprbie\ yl]osl
'70
,,'
=
=
0,7
'
natotniast
frakcj
rv populacji szacowac
bdziemy
za pon,}oc wzoru
'
r00
(5. l 6).
Przyjmijrnypoziornufno cirr,vrry0,99.Takwicztablicstandaryzowangoroz-
k adu norlrralnego
odc'trrien-ry
takr ,arto
r/o
,
eb)'
(,,)
fflrrl< u,'1=l-a=0'99
EstvtvlRc.lRPoDsTAWoWYcHPARAMETRoWzB|oRoWoCIsTATYsTYczNEJ 159
Zatn
O1-)
=l-9=0,995.
"2
Std iv przyblieniu L,la
=2,5B
.
Podstawiajc do nirwno ci nrarny
0,7-0,1f<p<0,7+0]2
0,58 < p <0,82
Z prawdopodobistwerl 0,99 rnoemy uznac. e rv tylrr przedsibiorstwie Lrdzial
rtyrobw. kttyclr koszt przekroczy 32,5 z , zalryira si w przedziale od 58% do 82%.
Maksyrnalny b d szacunku wynosi l2%.
5.2.3. Przedzia y ufno ci dla miar dyspersji
Przedzia ufno ci dla wariancji
J eeli liczebno prby losorvej
jest
nralarl i poptrlacja geIreralna ll]a roz.
k ad normal tly,. N11.,,o7, to dla oszacor,vania przedzia owego niezIianej warto ci
wariancji korzystamy ze wzoru:
(
^, ^,r
I rr\' ,r\_ |
P1-:, <o'<
"";
l=l-a
lx;
x;
)
(s. I 8)
gdzie: s is- - patrz przyk ad 5.l, a
zi
'
zi
odcz,r'tujellly,,ztablic rozk adv
i
d|a
ll-1 stoprri swobody lvten sposb, aby spe nia y (dla zadanego pozionru ufno ci
i -a) rwno ci:
p(z'
.
xi)=Z
(s. r e)
P(r'
=
z:)=+tub
P(1')
,-
/-i)=r -
P(r'
1|
I,rzy du.ej liczebno ci prby estynlujenly zwykle odch,vlenie standardorve lvg procedur.l opisa.
_-
nej ponizej"
',
Dla irlnych rozk adw nie da si wy 1acz)-c tego przedzialu u|no ci.
< rl\=t-!
,':,
)
160 EsTYMAcJ A PARAMETRoW ZBIoRoWocl GENERALN EJ
't! '"'r
,l.t rr.1
,I?r's
j
J Pr:etl:ial uJ ito ci :bttdov'attl, v oParciu o ro:kltld
)
dla po:ionu ttfilo ci l-a
Przedzia ellr ufno ci dla parallretru d
jest
zatentprzedzia
,
(.S'rrS'J , l1-l).S'
(-l).S"\,
o'e
'i-:
:: .lLrbo
e
*,
.
(5.20)
\x,
z; i
\..
r; /:
/
kt11' z dokladrio ci l -a po|irr u a I)icZlleIla \\ afto c paI alliet,rll o- .
Prz--vhlnd 5.6
W),konano pclIlliarr lllicsiecznr ch rrr clatkri' na kosllretyki rv rd losorvo
''v;'bra.
n1'ch kobict rrzrsku.ja.c urniki
tri zJ l: E7: l0l: llt): 8l: 97; 93; 100; 99; 100: ll3; ll4;
93:95: 8.5: |2]. 99' ZalzInr. ze lrla.j olle rozk acl rtorllla|ny. DIa |-o=0.9 A1a|e.C prze.
dzial ufllo ci dla irarianc.ji ltlicsiczllr'ch r1,datkrt na kosrnet;-ki lr rd kobit.
Rozrviazanie
Obliczarny
r
=
l00 z . Sr
=
lf
r'
-')'
=
l34.2 .
l6
='
\\/.vkorz1'stL1c tablicc rozk adu
7'.
dla I5 stopni srr'obody, oclczytrrjellty
Il
=25,Zi=7,2s.Przedzia u1llo ci
cllarvariancji\VyzliaczalnyZwzoru(5.20):
16.t34,2
'
1'l34.]
t5 7,16
85,76 < o' <296.76
Std dla odchy,lenia standardoli'ego otrrytllujetlry 9,3<o,<1 7.2.
Gdyby lny obliczyli
r
r,'
l
s''
=
+t
(.'
-
r)
=
l1i.t8
l<4"
I J
l=l
i podstar,vili do
.'vzoru
(5.20).
otrzynraliby nr;. ident.vczne uyniki.
Z pl.alvdopodobicristrr'enr 0,9 rnoerny. sdzi, i rvariancja nliesicznr'ch u'ydat.
k''vnakosnletyki rv rdkobietzarvierasirvprzedzialeod85.7 do296,76.d
Esrvrulec.lRPoDsTAWoWYcHpRRnverRwzatoRowoc|sTATYSTYcZNEJ 161
Przedzla ufno ci dla odchy|enia standardowego
J eeli posiadanry du prb losorv4 to przedzia ufrlo ci dla nieznanej
warto c i odc hy| en i a stan dardowe go \\ry A1aCZa|ny Za pomoc wzoru,
-'
:
ft
t^^l
Pl
't
.o-.
t
l=r-".
(5.2t)
luul
llr
't
l-
"
I
I
J t
^{r,,)
gdzie u, odczytrrjemy ztab|ic rozk adu ttonna|nego dla przyjtego poziotllu
ufno ci 1-a' aby spe niona b.vta relacja ,(,,")=|
-;
,
Przedzia enr ufuo ci dla paranletru ojest przedzia :
(l
-.
's
-s
i
ottr*
".t--t-1L
i
I
rT--- r-
\
,{
"i
l
15
1f\
ktry z prawdopodobietlstli etll l-a pokn.rr,a tlieznana lvao c paraItletru d".
Przyklad 5.7
Spo rd lvszystkich
.l.osobori.r'ch
tjdzkich rodzirr u1.loso\\'allo \\, sposb nieza-
lezny l00 rodzirl iotrzytnano dane. na podsta\'ic ktry,ch strl.ierdzono. ze dla tej prby
rednia klvar1alna rvydatkrv na art-v.ku A lr1'nosiia l80 z . a odch1,lenie standardowe 50
z ' Zak|adajc, z rozk ad rv1'datkrr'jest zblizony do rozk adu tlonnalnego. oszacowa
na poziorrrie ufno ci 0.95 zrznicorvanie rednich krvar.talnych wydatkr,v rla artyku A rv
populacji 4 - osoborvy'ch rodzin lv odzi.
Rozwizanie
Dysponujeny l00-elernntorv prb. Do oszacowania zl.nicolvania rednich
krvartalnych u1datkrv na ar.tyku A rv populacji 4-osobowych rodzin lv Lodzi wykorzy-
stalny wzr (5.22).
Pozionl ufno ci wYnosi 0.95. Zatrll
,,
J ezeli J (l,x,,...,r,,
jest
cigiem niezalenych znliennych Iosowycli, z ktrych kazda nra rozk ad
zb|izol.ly do rozk adu non-nalnego I(p.o), to odch1,leItie standardou'e nla rozk ad as\,n1ptotycz-
,(
o
)
IlIe |)orlnalny lv1 o.-
|
\ 1/.11 )
7a
Krysicki w'
Il986],
s'l5 - podaje inny przerlzia, '
162
Esrvrul c.lR PARAMETRoW zatoRowocl GENERALNEJ
P(l< tt,,)=I*a=0.95.
Korzystajc z otnwionych rt'cze niej w asno ci
standaryzowanego rozk aclu nor-
nralnego i dla a= 0,05 rnan.ry:
o(',.,)= 1
-
A
=l
-
o.o2s
=
0,91 s .
Std po
odczytaniu z tablic dystl-vbuanty standaryzowarrego rozk adu noIrnalIlego
t!
o
=
|,) 6' Pod stawi aj
c
otrzJ -n]all wanosc otrzylnuj elny :
50 50
l+0,139 l-0.139
43,9<o<58,0
Z prarvdopodobiestwerrr
0'95 lloelny sdzi, zroricoyyani
rednich kwar-
talnych r,vydatkrv
na artyku A Inierzone odchyleniem standardoltyrn rv zbiorort'o ci 4-
osobow1'ch rodzin r'v odzi naleir'do przedzialtr
od 43,9 zl clo 58 z .
e
Przl'klad 5.8
W yznacz z prarr'dopodobieIlstlveIlr
0.9.5 21$2111qorvanie porvierzcIrni punktrv
sprzeday lv odzi na podstarr'ie
danych rv tabeli 2.9.
Rozr.viazanie
Liczebno c prby przedstarvione.j rv tabcli 2.9 uynosi tt=494. Zronicowanie rnie-
rzone odchy'leniern
standardorvylll zosta o policzone rv pr k adzie 3.l 7 i lvynosi
s:l47,50 rn.. Dla pozionlu
ufnoci |-crO,95 Warto oclczytana z tablic dystrybuanty
standaIyzorvanego
rozk adu nonnalnego rvynosi t,tu
=
|,96 , Z'alen zrnicorvanie purrk.
tw sprzedazy lv odzi wyznaczanly
z nierrvno ci:
147,50
t47.50
--_.-_*
\v\_
l,
l.9
,
l.9
lT-_-
l-=
J ].49{
J ]." 9.|
Std odchylenie standardowe naleiy do przedzialu:
138,84 <6<157,3
z95% prarvdopodobietistlvellr
tnotra sdzi. i zrrlicorvanie powierzchni punk-
trv sprzeday w odzi nale do przedzialu od l 39, l 5 m2 do l 56,92 nr2'
c
5.3. Wyznaczenie
niezbdnej
liczebno ci prby
Praktyczla
uz1'teczno
wyznaczonyclr przedzia r,v
tlflro ci za|ezy od
maksynlalrrego
b du szacunku,
a wic po owy
d ugo ci
tego r' przedzia,lt.
WYzNAczANIE NIEzBDNEJ LIczEBNocI PRoBY
Z kolei d}rrgo przedzialu
jest
funkcj lvsp czynnika ufno ci 1-a oraz |i-
czebno ci prby li. Mozna zatem porviedziec, ze w ce|u zapewnienia odpo-
wiedniej dok adno ci estynlacji. przy zadanym poziomie ufno ci. istnieje ko-
nieczno obliczania niezbdnej liczebno ci prby ll dla przedzia rr' ufno ci
konstruorvanych dIa redniej i fl.akc.ii'..
Ulyaga:
J e lin nie
jest
Iiczbnatura|npo dokonaniu obliczeli, to zaokrglamy n w gr.
Przypadek l. Minima|na liczebno prby
dla estymacji redniej
w
populacji
o rozk adzie normalnym przy
znanym o
W prrypadku rozk adu norlnalnego N(p,o) (bd zb|i'onego do nonnaltle-
go) i dla znanej warto ci odch-vlenia standardowego niezbcln liczebno c prby
dla oszacor,vania nieznanej rvarto ci redniej populacji p\y>,Znaczal]ly Ze wzorll:
ut o'
,=-;,
(s.23)
gone:
ao -wafto ztlriennej rozk adu normalnego
^(0.1)
odcz,v-tana ztablic
dystrybuanty standaryzowanego rozk adu lrorlltalneqo dla 1-a, tak,
aby spe niona by a relacja P|ll| < tt,)
=
1
_
o (patrz rys. 5. l
@(",)= r-*t,
:
d -
dopuszczalnv. ustalony' z gr1. lllaksr'tnalIll' b d szacunku redrriej
7l
(tj. po orr,a dlugo ci przedzialLr Lrfno ci).
Przyklad 5.9
Na pozionrie ufnoci 0,98 oszacorr,ac liczebno prby dla przyk adu 5'2,
jee|i
dopuszczalny bld szacunku ma wynosi 5 zl.
Rozrviazanie
odchylenie standardorve ltynosi 50 z , a dopuszczalny b d r/:5 z . wic rriezbd.
n liczebno prby szacujemy ze rvzoru (5.23)
Korzystajc z onlwionych wcze rliej rv-lasno ci
standaryZowanego rozk adu nor-
rnalnego dla a
=
0,02 rnarny:
,.'
W przypadku szacorr,ania nliar dyspersji liczebno ci prby nie da si lv1,znaczy za ponloci1
przekszla ce rvzorrv na przedzia y
ufiro ci (porrvnaj J . Gre
[
l 984] s. 46).
toJ
t04 Esrvl,lncln PARAMETRoW zBloRowoci GENERALNEJ
r/
tD( ,.
)=
I
-:
=
I
-
0.01
=
0.99.
Z
Zatem po odcaniu z tablic dystry'buanty standaryzowarrego rozk adu norlnal.
rrego rvietny. e uo
=/,33.
Podstarviajc dar-re do wzoru otrzyniujeIny:
(
z.:: so)'
,,
=1,ffJ =
(z:,:)t
=
542,89
x
513
,/
Spo rd wszystkiclt 4-osoborv1'ch rodzin zalnieszkujcych
yv
odzi nalezy wylo-
sorva u, sposb niezalerry 543 rodziny'. abv dopuszczalny b d szacunku rednich krvar-
talny,ch r,tvdatkw na artyku A nie przekroczy 5 z ' z prar'vdopodobiestlvem
98%.
e
Przypadek ll. Minimalna liczebno prby
dla estymacji red-
niej w
popuIacji
o rozk adzie normalnym przy
nieznanym
o
J eeli populacja
ma rozk ad norlnalny N(p,o) przy nieznanynr odchyleniu
standardorvvrrl (ale
znana
jest
warto odchylenia standardolvego S otr4,tnana
znla ej prby o liczebno ci llg), niezbdrr |iczebno c prby
dla oszacorvarria
nieznanej rr'arto ci
redniej populacji p\\|yA1aCZaL11y
Ze wzorLl:
,l
L1
(s.24)
on71P'.
f'
',.
c
=
l- Y l.-
-
r,
)
lub *'yznaczouv zostanie na podstawie jednej
zrelacji '-
\
n,,
a'"
(3.15-3,17),
/o - rr'at1o c zrriennej odczytana z tablic t-Studenta dla 1-a illn.1 stoprli
sr,r,obody, aby spe niona by a relacja r(< t,)= t
_
o (patrz
rys.5.2),
r/ - dopuszczalny, ustalony z gry lnaksyrrralny b d szacunku redniej p
(tj' po owa
d ugo ci przedzia u ufno ci).
J ee|i n_ t,,, to liczebno c n., prby jest
lvystarczajca, gdy za n>n,.trzeba
jesz-
cze dolosowa tt.ttn elementw'
Przyk ad 5.l0
Dla prz1k adu 5.3 wyznaczy mininraln liczebno prby
do oszacowania prze-
citnych wydatkrv na ar|yku y luksusowe rv rd rodzirt dzkich zak adajc
dopuszczal-
ny b d szacunku 2 z .
Wyzn cznnle NlEZBDNEJ t-lczraNocl
pnogy
165
Rozwiazani
Wyznaczone w przyk adzie 5.3 odchylerr.ie standardowe wynosi S:9,6 z ' odczy-
tana z tablic t-Studenta warto l
":2,06,
a zak adany rnaksyrnalny b d szacunku d:2 z .
N'linirnaln liczbno prby rvyznaczamy z relacji (5.24):
2,062
.9,62
tt
=-*
+1
=
98,78
=
99
2'
Poniewa prba, rla podstawie ktrej poIlczono odchylenie standardowe rnia a li-
czebno ng:26, a wic nale doda do prby
J sZCze
73 rodziny dzkie lv celu uzy-
skania dopuszcza|nego b du szacunku r,tydatkw na ar1yku luksusowe w wysoko ci 2
z , z prawdopodobiestweln
95%o'
Przypadek lll' Minimalna Iiczebno
prby przy
estymacji frak.
cji dla duej
prby
J eeli rlrarriy do czynierria zbardzo du prb to w przypadku szacolvania
wskanika struktury niezbdn (minirnalnq)
liczebno c prby wyzrraczan1y Ze
wzoru:
gs e:
1
l
W,
=_!_
- rvsltaznik Struk1ur\, policzoIlr'
dla prbr' //0-elelllentowej - po-
11o
rlvnaj wzr (5. l 6)
_
iv przypadkll braku takiej prby nrozn a przyj
I
'
2'
ng- |iczebno prby,
uo-warto c zmiennej rozk adLr nonnalnego 1(0,l) odczytana ztablic
dystrybuanty standaryzowanego rozk adu nonnalnego dla /-a, tak
aby spe rliorla byla re|acja (lr| < u,)= |
-
a (patrzrys. 5.1),
d - dopuszczalny, ustalony z gry nraksylr-ralny btd szacunku frakcji p
(tj' po owa d ugo ci przedziatu ufno ci)'
Przyk ad 5.11
okre l nrininlalrl liczno prby w przyk adzie 5.5, aby dopuszczalny b d sza-
cunku udzia u rtyrobrv. ktryclr koszt przekro czy 32,5 z wynosi 6%.
Rozwizanie
Prba zawiera l00 elernentrv' wskazrrik struktury policzony dla lt1,robw' kt-
/s
15\
too EsryuRc.t PARAMETRoW ZBIoRoWocI GENERALNEJ
ryclr koszt przekroc4,' 32'5 z| r'v-vnis w,_0,7 . Warto L
o
odczytana z tablic dystrybu-
ant}' standaryZowanL-go rozk adu nornlalnego
jest
rrt'na 2,58. Minilnaln liczebno
prby yzrracza|ny Z relacji (5.25):
2,58'
.0,7 .
0,3
,
=T =
i88,2e
=
38e .
Prb nale' poiviks4 o 289 artykrrl{1r' produkorvanyclr przez to przedsibior-
strvo, aby dopuszczalrry bld szacunku nie przekroczy 60 z prarvdopodobiestrt.enr
99%. e
Przyklad 5.12
Dla przykladu 5.4 rvyztlacz nrinitnaln liczebno c prby, aby dopuszczalny b d
szacunku nie przekroczyl | 0 rnt.
Rozr.r,iazanie
Liczebno badanej prby r vnosila 494' odch1'lenie standardowe policzone
zprby
'S=l47'50
nl.' Wartosc l/.1 odcz)'talla z tab]ic d}'stry,buanty standal}Zowaliego
rozkladu nonnaltrcso przy'pozionrie ulhosci 0.95 urnosi 1,96.
NiczLldrl licz.bno c prtibl lir,znacZalll}' z rclacji
(5'23).
tylko zauliast odclt.vle-
nia standardorvego populacji li'staw'ittl1' odch1 leIlie standardorve policzorie dla pt.by:
1,9c
.147.,i0r
n=----=t=835.78=816
10'
Plynie std wniosek, e nalezaloby do prby dolczy
jeszcze
342 prrnkty sprze.
daz1,' rv odzi. aby dopuszczalny bld szacunku przecitnej por,vierzclirri sprzedazy nie
przekroczy 10 tnz z prawdopodobielistrvenl 0'95.
5.4. Estymacja
parametrw koreIacji i regresji linio.
wej
W rozdziale 4 zostaly przedstawione zagadtrierria rvsp za|eno ci wyst-
pujcej rnidzy dwienra cechallri pozostajcytlli ze sobt1w nvizku stochastycz-
nyrl. Przedstawione rozrvazania dotyczy'iy zaleztlo ci lvystpujcych midzy
badanyrrri cechal]1i Statyst},czllyllli. W tyln podrozdziale zajnrieIlly si nrozlirvo.
cianri dokonyrvania uoglllie wnioskw wynikajcyclr z badari cz ciowyclr
na ca populacj generaltt oraz est},llacj paranretrw furrkcji regresji.
Esrylut cJ PARAMETRoW
KoRELACJ I I REGREsJ l LINloWEJ
5.4.1. Estymacja Wsp czynnika kore|acji liniowej
Prowadzc badanie cz ciorve lrlozelll)l okre lic kierunek i si' zrvizku
rv1'stpujcego nlidzy dwienla cechanli Za ponloc rvsplczyrrnika korelacji
liniorvej'o. Wsplczynnik korelacji liniolr,ej l.-'. z prby
jest
est,vnlatorenr
para-
lnetru
p.,.,.
:
E(t'rl .Rozk.lad teoret),cznY i'.,,,
jest
zaleitly od poziomu parantetrtt
p.',,' Przyjlntrje si, e
je li
rvarto oczekirvalra Erl..,/
jest
bIiska zer.a (lv prakty-
ce zprzedziahr
(-0,5;0,5), to rozk'lad esb'nratora
jest
nolnraltry
^'(p.:,.o,,,
)
sdzie
=
s,.,
(s.26)
Przypadek l' Dua
prba
Motl a lvprorvad zi ztlr ien n
statld atyzorr,an
:
o rozkladzie lV(0,1),
(s.f7)
liniouej
\\)znaczar))v
Przedzial ufrlo ci dla tr,spt-llczr ntlika korelacji
ze wzofll:
167
<I(r'.)<l.', tt -1*ct
(s.28)
Przypadek ll' Ma a
prba
Znlienna standar1'zorval]a
nla \V tylll przypadku posta:
'u
w tynl podrozdziaIe za.inlienly si est1'.lnac.j tylko dla r,rsp cz-ynnika kor.elacji IiIriorr.ej, cho
mozlla estynlorva takie pozostale rniary' rvsplzaleno ci. I tak' nieobciZoliynl estyltlatorelrl
rvarto ci oczekirt,ane.j rv populacji E(llr,)
jest
stosunek korelac.ii nieliniorvej e
,,'
z'prob'l,
( :7- stosunek kore|acji nie|iniorvej rv popuIacji). Mo'na rrr'niez estyn)o\\'ac r(R''
)
prz5'
poulocy estyurarora R_., o rozkladzie uonnalnynr z oclchylenierrl startclardowlnl
I
D(p )=
'
!n-r
'{""-
"'
[,-l
/'-'',
ltt
168 EsTYMAcJ A PARAMETRoW zBIoRoWocI GENERALNEJ
o rozktadzie l Studenta
i analo-licznie przedzia uflro ci wyznacza|ny na podstawie
.fn
"i."'
r----
t"
'
\
n*
(s.2e)
(s.30)
Dla duzych co do wafto ci bezwzgldnej E(r,,) rozk ad estylnaiora l.,'
jest
corazbardziej skrajnie asymetrycZny itrudno zna|e c zadowalajce metody
jego
estymacji.
5.4.2. Analiza regresji
Badanie r'vsp zalezno ci
cech ilo ciowych n]ozl]a przeprowadzi
za po-
moc tzw. analizy regresji. ktra s uzy do badania relacji nridzy tzw. cech
zalenl i cechalrli niezaleiItvttli. W rozrr,azaniach or1raniczytlly si do Iirriowej
postaci
te.j f.Lrnkcji. ktr nroztla z'apisac lr, nastpu
jcej
postaci:
(5.3
l
)
gdzle:
1;,
- i-la obsenl'acja zntiennej zaleznej
1'.
x,t,xi2,...,x
tk
- i-te obserrvacje poczynione
dla ,t zntiennych niezaleznyclt
Xy, Xtr,,,, X1,
e, - sk adnik losowy,
dg,d1,d2,...,G - paralletry
strukturalne rwllania regresji.
Przedstawiony zapis oznacza, ze zosta o wyrniorrych t cech nrierzalnyclr'
opisanyclr Za potl1oc zllienny,clt nieza|eztt)'clr (x|,
't2'...,
;r1), ktre nraj rr,p|yw
na kszta towanie
si zrniennej za\enej v charakteryzujcej
interesujc nas ce-
ch ilo ciow'
Przyklad 5.13
w badaniach popytu pewnego
dobra (zrnienna
zalezna) podstawowyrni
znrienny-
mi wp ywajcymi na
jego
wielko s dochody potencjalnych
nabywcrv oraz cena ana-
lizorvanego dobra (zIrlienne
niezalezne). lnnyIni s owy popyt y,,
czy|i znrienna obja.
niarra funkcj regresji (5.3l)'
zosta aby rv tvllr rwnaniu opisana Za polnoc
dochociw
x,, i cen x,'
,
ktre pelni yby rol zrniennych obja niajcvch, czyli:
(-
I 17- r'"
P1,',,
-
t,.,,_z1l---)- < E(/.,,
)
< !..t, + r
a.,,_z
I
t
tt-:
Esryu c.lR PARAMETRoW KoRELAcJ l I REGREsJ l L|N|oWEJ
li=do
+d,f
i|
+ Q.2Xi) + i
e
Wystpuj
ce
w zj aw i skach spo ecznyclr zal en o ci nl aj
zazw y czaj charak-
ter stochastyczny, co dla przytoczonego przyk adu bada popytu oznacza, ize
nie kady potencjalny nabywca z
jednakorv
si bdzie bra pod uwag lvyt.-
nione przez nas cechy oraz, ie niektrzy nabyrvcy w swych decyzjach rlog si
kierowa inrrymi kryteriarni wyboru (np' przyzwyczajeniern do pewnych dbr),
to Znaczy nrog bra pod uwag inne znienne' czasell nietnierzaltte, ktryclr rrie
uwzg|dniollo w relacji (5'3l). Moze rwnie okaza si, ze clrarakter analizo-
wanego zwizku nlidzy wyrzniorrymi cechanri nie
jest
liniowy. Std obecno c
w rwnaniu regresji (5'3l) sktadnika losowego e,, ktry nr.in' odzwierciedla
fakt' ze nie kady l-ty nabywca zachowuje si tak sanro. PrzyjInuje si, ie
sk adnik losowy ma rozk ad nornralny o zerowej wano ci oczekiwarrej i sta ej
wariancji.
Parametry funkcji regresji a
,
(i
=0,1,2,...,k)
nie s ztlane (obserrvowane).
podobnie
jak
sk adnik |osowy ,(i=1,2,,,,,n), dlatego rwnanie (5'3l) jest
rwnaniem stochastycztlyrn. W ce|u zbadania wpwu rvyrznionych znrien-
nych obja niajcych na ztnienn obja rriarr na|ey oszacowac paranretry struk-
turalne rwnania regresji (5.3l). Dokonrrje sie tego na podstawie danych stat1.
stycznych dotyczcych ztlliennej zaleztlej i zllliennr'ch niezalezIl1'clr, Za orny,
ze posiadatrry l obserri'acj i odllo tlie do ri'szr stkich rr'r'rtliotlr,'ch rv (5.3 l)
ztltiennyclt. Wygodnie
jest je
zapisec ri posteci lllacierzoriej. prz;jrlltl.;c rlast-
pujce oznaczenja'.
(s.3 2)
gdzie:
y - oznacza wektor
fnxl]
n obserrvacji dla znrierrnej obja nianej
(za|e.
nei),
X -
jest
tlacierz
fnx(/c+l)]
obserwacji dla zrrrienrrych obja niajcych
(niezaleznyclr)' przy czym pierwsza kolutnna sk ada si z samych
je-
dynek, co oZnaCZa, e wprowadzili m1, do nracierzy obserwacji dodat-
kow znrienn ktra
jest
tozsanro ciowo rwna
jeden,
a lvic stojc
[,'']
it, I
v=1"'l'
x=
L,;"1
,
o=
Ll:l[i;]
170 Estyt',t c.l PAMMETRoW ZeloRowocl G EN ERALNEJ
przy pararue trze a0 daje wy,raz r,volnyT;
,
a - jest
wektoreIn
[(t+
l)x l
],
zawierajc1,In (t+ l) nieznanych paranretrw
strukturalnyclr odpowiadajcych ztniennym niezalenyrr oraz wyra-
zowi wolner.nu a,,,
a-
jest
wektorem
[nx1]
sk adrrikw Iosowych.
Stosujc oznaczenia (5'32)
trrona uk ad n
(i:
1,f,..., rl) rwnati (5.3l)
za-
pisa
jako
rwnanie trracierzorve:
Y=Xa+s
W wyniku estymacji paratnetrw regresji
otrzymuj enry nastpuj
c
e rwnan i e lltac ierzowe :
f=Xa
|ub odpowiadajcy tnu uk ad n rwnati skalarnych:
i,
=
ao + a,|xi1 a.X11 +...+ ctkxlk
(s.33)
rwnania (5,33)
lub (5.3
|)
(5.34)
r5 1 .\
gdzie:
t
=
[i, ]
-
jest
wektorenr
[nx
1] tzw' wafio ci teoretycznycl.t. wyznaczonych
na podstawie rr'vnali (5.34)
lub
(5'35),
a
=
|o
',]
-
jest
rt'ektoretlr
[(t+
l)x l
]
ocen estynratorw nieznanyclr parame.
trr'v strukturaltl1'c}r a
=|a
'
],
pozosta e
oznaczenia
jak
poprzednio.
oceny estytrratorrt'paratlretrrv
l.Lrnl<cji regresji c ,(f: |,2,',., k) infornruj
jak jednostkorva
ztrriatla.7-tej zlnienrlej obja niajcej wp ynie na warto c zmien-
nej obja nianej przy za ,oeniv, e pozosta e ztrrientle pozostan na tyn] Samyln
poziotnie. Innyrli s owy,
jezeli
rvarto c znriennej r, wzro trie o
jeclnostk
to,
pr,ry za ozeniu sta ego poziomu pozosta ych zInienIlych obja niajcych, warto c
znriennej za|enej y wzro nie (lub
zmaleje) rednio o a1, Wyrazu wolnego ao
czSto si nie interpretuje' chyba ze mona go traktowa
jako
pewien pocztko-
wy stan badanej zniennej za|einej tj' pozionl,
jaki
przyj aby ta zttrieIltla przy
zerowyclr waft o c iach ztrr i en nych obj a n iaj
cych.
J ak atwo zauwazy, w oszacowanych rwnaniach (5'34)
i (5.35)
brak
jest
sk adnika losowego. Wynika to z faktu, Ze oSZacowane rwnania s rr'vnanianli
deterrrrinistycznyrri.
opisuj bowiem za|eno c funkcyjn wystpujc midzy
ztniennylri obja niajcyllri .r'1, X],'..,
'\/.'
a warto ci teoretyczn zrniennej obja.
nianej y za potnocwyzna:Zonych (w procesie estynracji) ocen paranretrw
77
Wprorvadzenie dodatkorve.i kolunlny do nlacierzy obserwacji X rvynika z uproszczenia zapisu
Esrvuecln
pARRMETRow
KoRELAcJ T r REGRESJ T LrNlowEJ
0g, a1, Q2,,',, CI1., Mona Zatem powiedzie, irc Szacujc parall]etry stocl.lastyczne-
go rwnania regresji postaci (5.3l)
lub
(5.33)' rv lvyniku estyrnac.ii otrzyrnujemy
rwnanie deternlinistyczne
(5.34) lub (5.35)' r,v ktrynr Znal]e S paranletry (b-
dce ocenatni estylratorw nieznanych paratnetrl ,) i zaleno c
jest
tirrrkcyjna'
jednak
po lewej stronie rrvllania nie tl.1,stpLlj zaobserlvo\Vane lvafio ci
zlriennej obja nianej
(zaleinej)
r'. ale
jej
ri,arto ci teoret\'czlle i,. lvvnikajce z
oszacowanego rwnania detertllitlistliczllego
(5'3. )
i (5.35).
oczywiste
jest,
e przyllajnlniej dla kiIku obserir.acji (': l.2..... i?) \\,ano-
ci teoretyczne y, bd si rni -v od lt.arto ci Zaobserwo\ 'anych
.l,
.
chociaby
dlatego, z zttrienne obja niane generowane sprzez procesy losowe (stocha-
styczne) nie nrog Zatem byc opisane rwnanienr determirristyczn1rn''. Rnic
nlidzy war.to ciarni teoretycz'l}'llli i eInpirycznynri nazywac bdzienly reszt
empiryczn i bdzie olta tniernikienl b du'
jaki
pope nianry stosujc do opistr
stochastyczrej relacji postaci (5'31) lub (5.33) zalezno c funkcyjn (5.3a) lub
(5.35).
Reszty etllpiryczne wyznacza si dla kazdej obserrvacjijako:
i=!i_!i (s.36)
i s one traktowane
jako
oceny estyn]atora sk adnika losowego a, .
W procesie estynracji podstawowym problenteln
jest
zdefiniowanie odpo-
wiedniego estyn,latora nieznanych paranretrw rwnania regres.ii. Za polnoc
ktrego wyznaczac si bdzie r,varto ci ocell rl/
'
Najcz ciej Stosowan nretod
estyrllacji
jest
metoda najnrniejszy'ch krt'adratlv (MNK), u podstaw ktrej leiy
nrininralizacja sullly kwadratw b c1rv c,
,
Std llazwa tej nretody' Innytrri s o.
wy' w tlretodzie tej poszukuje si takich estyllli]torw nieznanych paranretrw
Strukturalnych, aby uzyska
jak
najrltniejsze b dy' czyli wyznacza si takie
wafio ci [Ig, a1,0l,.'.. ut, d\a ktry'ch osignie nrininrutll funkcja postaci:
i'u|
= 0,,
-y,),
=i|y,
_(ao
+ cr)xi| + a)x!2 +,.'+ aox,))1
r=l t=l t=l
lub alternatyr,vrrie w zapis ie mac ierzo r'ytrr :
ete
=
(y
-i)t
(y
*r,)
=
(y
-
Xu)t (y
-
Xa)
gdzie e
=[e,]
jest
wektorem reszt etnpirycznych, a pozosta e oznaczenia
jak
poprzedrrio. W relacjaclr (5'37) i (5.38)
skorzy'stano z rwnania opisujcego
warto ci teoretyczne ztlriennej obja rrianej postaci odporviednio (5.35) i (5.34).
7E
Wystpowarrie rnic nridzy rvarto cianri teoretyczllynri i empirvczn5rrli znlietrnej za|e'tle1
wynika rrvnie z innych przyczyn'
o ktrych szczeg'lorvo porvienly w podrozdzia|e 7 .2,
171
(s.37)
(s.3 8)
172 Esryt',tnclR PARAMETRoW zB]oRoWocl GENERALN EJ
Rozwizujc zadanie poszukiwania
nrinitnum funkcji (5.37)
wzgldenl niewiadonlyclr zawaftych lv wektorze
^,
otrzy|nujerny
rozwizanie:
2
=
1X/
X)-rX/ y
lub (s.38)
nastpujce
(s.3e)
prry za ozeniu, ie istnieje macierz odlvrotna (x'X)_'
.
Tak wic w celu oszacorr'atlia estytnatorw MNI( paranretrw
rwnania
regresji, wystarczy wyznaazyc wafto ci elelnentw r,vektora a, na podstarvie
r
obserwacji poczynionych
dla zmiennych obja niajcych i obja rrianej. Mozna
udowodnic, ir'e
jeeli
spe nione sza oenia o sk adniku losowytn t
i
'
Iz|1.lla on
rozk ad nortlalny oraz E(e,)=0,D2 (,,)=62,
to estylnatory MNK s zgodne,
nieobcizone i najbardziej efektyr,vne, a wic spehiajwarunki
dobrych estylla-
torw'
Oprocz ocen estymatorw paratnetrw
r,t, szactlje si tzw, standardowe
b -
dy szacunku
,
czy\i rednie b dy estymatora S(a,
)
na podstawie
relacj i:
S( ,
) =
(s.40)
gozle:
(x'x)l|',*'
-
jest
7*/-y'nl
eletlreIltenl leicytn Ila przektnej
rllacierzy
(X'X)-'.
ktra tna rvyllriar1'
[( +l)x( +l)],
a
( +l) jest
liczb
SZacowal]yCh paraIlletru
.
S"2 - nazywane
jest
wariancj resztow ijest nieobcionyl eStymatorem
wariancji sk adnika losowego, awyraza si wzorem:
"ltl
1n-I
S.
:
_
I(;., - i,)t
=-
,^I.;
=
] ::
",.
(5.41)
//-\^-rlr/_l
n-l(+t)t=t tt_(/(+l)
c4-li:
^l
S.i
=--='
^
(yty*otXty)
n-(t+l)
Standardowy
bl'd szacunku S(a,) infornluje o rednim odchyleniu wafto-
ci oszacowanej oceny estyllatora
a, od rzeczywistej (nieznanej)
warto ci pa-
rametru strukturalnego dL. Na
jego
podstawie
szacuje si przedzia
ufno ci
nieznanych paratnetrw funkcji regresji postaci:
P(a
i
_
S(a').t,, 1&
l
<a
i
S(ai). to.)=l_ a (5.42)
gdzie to - warto c statystyki /-Studenta
o n-(k+ l) stopniach swobody.
(xtx),]
EsryunclR
pARAMETRow
KoRELAcJ I I REGREsJ t LlNlowEJ
173
Nasuwa
si pytanie,
z
jak
dok adno ci
oszacowane
rrvtlatlia (5.34)
i
(5'35)
wyja niaj
za|eno c
rnidzy zlnienn obja nian
a zrriennytni
obja nia-
jcynli.
Mierzeniu
tej dok adno ci
s uiy rvsplczynlrik
detcrminacji79
y,,o-
czanv
iako:
oz_atX/v- 1.1
)r
-----l------- r
Y'Y -
/?(']'')-
co
jest
rwnowazne
relacji:
(5
4i)
ll
T/i.
-
i\r
L)\) i -t
,
R2-i=l
-l
n
Y/,,
-
i;tl
L\.'t ,Y )
r=l
gdzie:
\-,1
/ L.
=l-
J
\-t
r'
-.rl
|,
=t-ez
(s.44)
y - jest
redni arytmetyczl
wyzllaczoll
dla zrlrierlIiej
zaleznej,
,r2
r
-J est
tztv. wsp|czynnikicm
zbieno ci.
kt11. okre la. rr
jakitll
stop-
niu zrrienno zrniennej
obja nianej
nie zosta a rvv1a niona
za po-
lTloc oszacowanej
furrkcji
regresji. Irrnymi
s owy okre la
on rvp ylv
(na
zmienn
zalezn) tych czynnikw,
ktre rv ntodlu ree'resii nie
zosta y uwzqldIl
ione'
Analizujc
relacj (5.44)
atwo
zaurvayc, ie okre la ona stosunel<
kwadratw
rrric
wyja nionych
rr,vnanietn regresji,
czyli
t
j,,
-'). ,
my kwadratw
cznych
odchyleri zaobserr'vowanyclr
r'varto ci y,
od ich
sulxy
do su-
pozio-
rri,'nan i a redn i e.i arr'ttnetycznej
(5.15
I do kri adlatrr i zsurlrorvaniu
(s.4s)
zmiennej
zalez-
po
I oraz zasto-
nlu redriiego
.l].
cvli
t.",
-r).
. w relacji (5.44)
zastosowano proste prze-
kszta cenie
postaci:
),i
=i,i
e,
ktre po odjciu
od obu stroll
nej
t,
podniesieniu
obu stron
sowaniu relacji (5.36)
daje:
I
('l',
- r)'
, ,
Wsplcz1,nnik
ten zosta .ju zdefiniorr,any rv rozdziale lV.
174 Esryn, Rc.lR PARAMETRoW zBloRowocI GENERALNEJ
ilil
r, r/^
i\2 +y,,1
_
L\y,
- 1')- =
/\),t
- .'
,
'/.
!
l=l i=l t=l
nil
=t(i,
-y)'
*zo,-i)'
(s.46)
Zgodnie z relacj(5'46) og1rla suma klvadratr,v odclr1,le poszczegln1'ch
obserrvacji od rednie.j ary'tllletvczllej zrrlierrnej za|eznej (t.i' lerva Strona rr,vlla.
nia), czyli ca korvita zmienno
J ,,
rv prbie,
sk ada si z drvch cz ci. Pierrv-
sza sk adowa po prarvej stronie znaktt rrr,t-to ci rtazywana.jest lvyja nion sun
kr ,adratw odchyleIi oraz cz ci drrrgie.j ztr.attej feszto\\' stttn krvadratrv,
ktra nie zostala lv1,ja rriona (opisana) rrvnanietn regresji. W zlvizktr z ty|11,
iIn lvr'zsza rvarto c, zarvierajca si rv przedziale8o
<0'
l>, rvsp'lczynnika de.
terminacji, tym liniort,a filnkcja regresji lepiej opisu'je badan zalezno c. Nato-
rniast rvsp czynnik zbieno ci p: illforlllLlje, rv.jakitn stopniu tnodel regresji
ll ie lv1,i a n i l znrian zachodzcr'cIr u. znr i ellttej zale'nej,
W omalvianych nlodelach regresji liniorvej zak adali my rvvstporvanie
w}'raztl rr.oltrego. Takie zaloenie
.jest
poprx\\ lle i rr,.r'godne, chociaz
rv praktr.czIl1'ch zastosori'alliach. zri. aszcza kied1.
.jest
to uzasadnione pewn
teori czaselll przr.inlt1e si. -c rrarto c \\'\.faZL| llolIle-t{o
jest
z defillicji rrvrla
zero iszactrje si t.ou'tralrie regresj i bez te.uo parallletrtl' Wrr.czas szactrjemy
jedynie
paratrtetr.u nlodeltt, a u ic relacj
(5'3 l) zapistrje si
jako:
!i
=
&lXit + G)Xi2 +...+ Akxtk + ti
a rnacierz obserwacji zmiennvch niezaleznych (5.32)
jest
postaci:
(s.47)
^i
l
.!
2l
^-lI
Xnt Xn2 Xr-l Xnk
(s.48)
W zrvizku z tym relacja (5
'3
5)
jest
rwrazona wzoreIn:
30
w pl.akt;.czn)'ch z'astosolr'aniach, kiedy zaklada si, e rr,1'raz lr'oln1'.iest rw'ny zero, zdarza.isi
prz1'padki ujernnr'ch tvano ci rr'splczr'rrnika deternriIrac.ji. ocz-l'rviste
jest,
-e rv takie.j s},ttlac.ii
oszacowa|le rrvnanie regles-ji zarviera b|dy, tzn. zlnietrlre ob.|a niaice zosta y'|e okre lone i
naley zlnienic zbir zInienn1,ch ob.jania.ic1,ch lub przyna.jnlnie.| do|cz;- do rrvnania rvyt.az
rvolnr'.
f,=
'Tt i 'rt t
.T2:l .tz
J :: xzt
175
EsrvvncJ n
PARAMETRow
KoREucJ l
I REGRESJ I
},
=
alX,,
*
(71Xi: +.,,+ C kxtk
(5.49)
a relacja
(5.41)
jest
Postaci:
s:
=
-ltyty
-o'Xty)
.
(5'50)
'
n-K
Przedstau,iony
w zapisie
nracierzolv\,nl
lvzr
(5.39) pozwalajc1,
\ryZlla-
czyocen1,estylrratorrvnieznanychpalatltetl.rvftrnkcjiregresji,dladrvch
znriennyclrniezalenychbezw.yrazu.,rvolnegot-l-tonazapisaskalarnie
rv odniesieniu
do postczegolnl'ch
czynnikon
tej relacji'
Miano$'icie:
f,,ul
l
"l
I','',,. i ,--, l ''.,',,, l
(x'x)=l
,,E
,,
,,''.,
l,
(x'v)=l
|
ts.stl
l
'*,.*,.
I*;
l
Li.',.).,.]
l;
i=l
-l
gdzie
11
- '
de(X?x)-r =Ir;It;,
-tlr
r','l-
+u
Natomiast
r"
orryonl*"
tl'ruro"ti'atria
*'1'raztt
zt-nietrn
n iezalezIl
r7 l1lolllYi
fn-l i
L,
Y*.r
lLy,
I
u
l-..,1I I
(Xi
X)=l
,:'
l.
tX'1)=l ,i-'
'
lf.', i.;l lI'',','
l:
"
; I L,=r
Lt_,
std:
rr olnego.
rv
(s.52)
(s.s3)
rrvnaniu
z
jedn
(s.s4)
(s.ss)
-
'''',.l
'=,',"1
r'i
]
-i",'l
,=rr,
]
(xtx)-'
[
-.
|
\ I',,'
(x, x)_'
=;.(i'x)]
-
' 1='
176 Esryu cl PARAMETRoW zatoRowocl GEN ERALNEJ
Przvk ad 5.14
Badajc za|el.lo c nlidzy r,rydatkanli na produkty A i B rv 20 przebadarlych go.
spodarstrvach dolnorv-vch uzyskano nastpujce ku'oty rvydatkrv w z :
ZrdIo: Danc u|llL]\\'ne
Korzystajc z ana|iz'v rcgr.csji zbadaj, czy r ystpuje zrvizck lirriorvy rnidzy rv.v-
datkami na oba dobra.
Rozrviazanie
W celtr rv.vzttaczeltia paratnetrrv ftrnkcji rcgrcsji, ozlracza.jc przcz xl rq'datki
na dobro A oraz przez
t,i
lq'datki na dobro B, nalezy obliczyc zgodnic z(5.55):
(XtX)*'oraz
X7'y co przcdstarviono rv tabcli 5.3.
W rvyniku oblicze ttzyskano:
r
[;
l7
-
7jll 94
i
l
[
29798
-
28321-l
t
|l+l ] [t,. o]
.l
-
-i
-
_t
r
-
| |
-
r0nL*7i ru
_l
-rss_
l0nl-oso: +ii60.]- rolIsls-]-[o.so_]
co oznacza, ze oszacowalla linia rcgresj i-jcst postaci:
"v,
=l,4+0.89x,
gdzie:
j,,
- onlacza rvar1o ci teoretyczlle dla lvydatkll'na dobro B'
x, - nydatki na dobro A.
Na podstarvic oszacorvanej fbnkcji rcgresji rnozna strvierdzic, ie wzrost wldat-
krv Ita zakr'rp dobra A o z otrvk sporr,odtlie \\,Zrost \\)jdatkw na zakttp dobra B o 89
groszy. Podstarviajc ztnienn x, do oszacowa|tcgo rlvnallia regresji otrz;'lrlalrry rvarto-
ci teorety,czrledlaznlienne.iza|encj
i,,
orazrcsztyenlpirycz|1e e1,cozapisanorvtabcli
5.3. Na tcj podstarvie nlozlla rry-znacz1, rr.ariarrcj resztorv zgodIrie z relacj (5'40)
jako:
s'=-,l-
rIy,'-
o,Zy
-u,I.r,.v,=--=I.,'=
31rr
=
'.n,.
'
u
-1k
+l)
a tt
-(k
+l)a
'
18
a rv dalszyrn postpo\\,aniu wvznacza|Iy standardou.e bld1,szacLrnku (5.40) jako:
Tabela 5.2
)
2
)
J J 3 3
,1
4 4
A
a
A
5 ) 6 o 7
B J
)
3 4 I J o 1 J 4 5 ) o 7 6 7 6 7 7
-
.!ojow
=
o,tt
LSTYMACJ A PARAMETROW KORELACJ I I REGRESJ I LINIOWEJ 177
0,03 78 S(rr,
)
= -
n lo
Tabela 5.3
-T/ I
(.\',.r
;,
L (a
,)
)',
- -Y
,
_. )
(.),,
-
-y)-
I I 2.t 5
-l.rf i.8225 )- | Ij.9
3 I J r.i 5 C5 0.ltt 5 t.1 2.89
) 2 4 4 3.21 ,,2'4 r
.537 6 2.i
'7 1(')
f 3
,1
) -:-+
-0.11
0.0 576 1.7 t.89
f 4 4 I 3
^21
0.76 0.517 6
-0.7
0.49
3 2
q
6 4.13
.? |,
4.5369
)'l 7)q
3 J
o
q
. .lj
-1.13 t.2169 t.1 2.89
3 o
o
l8 4.li 1.87 3.4969 1.3 1.69
J 1 2l 4.1 3 2.87 8.2369 2.3 5.19
4 J 6 t2 5.02 -2.02 4.0804 1.1 2.89
4 I 6 t6 5.02 1.02 1.0404 -0;7 0".19
4 5 6 l0
i01
-0.02 0.0001 0,3 0.09
J
5 6
,-0
\ tt /
-0.02
0.0004 0.3 0.09
.
6
).1
5.02 0.9 8 0.9(l0- t.l 1.69
4
1
la
28 5.01 1.98 3.9t01 2.i 5.29
5 6 25 30 5.91 0.09 0.008l l.l I.69
5 7 25 i5 5.91 1.09 l. I s8 r t.i 5:.9
6
6
i6 36 6.8
-0.8
0.6" 1.3 r.69
o
'7
l6 1) 6.8 0.2 0.0.t 2.3 529
7 1 19
to
7,69
-0,69
0,4761 L,) 5.29
Suntct 73
QJ
3t7 J 88 34,320 I
1t')
Zrdlo: obliczetlia lv|asne
Morra zatenl t\\'icrdzi. ic przy.jrurrjc occn est,\j|llqtor^ \\:}'faz[l rvcrlIlcuo lra po-
zionlic l.46 (iako rr'at1o szaco\\'anego paranlL-tltl) rcdnio ln1lIj','-'' si o 0.77. Natonriast
przyjnlujc ocen 0,89 clla paranrctrtl stojccgo
prz1'rv1,datkach na dobr.o A pope,lnianl;.
rcdni b d rv rrysoko ci 0'l9. Wiedzc, zc rcdnia arytlnctycZna r'v1'datkrv lla dobro B
u,ynosi
Y''
L/l
9
.*- .--
,rl
_ _ | 1
-
-
-
!r /
r
'n20
nlozl]a \,ztlaczy rvarto rvsp<i czynnika dcternlinacj i z (5.44'):
178 Esryvl c.lR PARAMETRoW zatoRowocl GENERALNEJ
1l
Y ',
-
i.\]
L\)t
)tl
ol
-r
r=l
/\
-
|
-
n
Yrr'-
jt'l
L2'/
l
,=|
Wy'znaczony wsp cz}'tlllik detcrlnirracji infornrujc, e zIniall1' rv1.datklr lla do-
bro A lv 54% obja niaj Ztnially lv rv1'datkach rla dobro B. Co ozrlacza, e 460/o znian
rviclko ci wydatkrv na dobro B nie zosta o rryja niolre przez oszacowan Iilri rcgresji.
Nalezy si rvic spodziewa, ie r'vydatki na dobr.o B za|ez rrr,niez od innych czylllli-
krv' ktre w'll-todclrt regrcsji llic zosta 1' tlwzgldnione.
Na podstarr'ic danych zarvartych rr'tabcli 5.2 nlolla lvyznaczy rlr,nic zalcnoc
przeci\\11 zakl'adajc. c rv1'datki na dobro A zalcz od rr1'datkrr' lla dobro B. ntanr1,
zatern:
l
[5I6 -91-1[
73.l
l
[3768
_36112)
l
Il
196-]
|o,stl
a=-l ll l=-l l=-l l=l lczYlt
1484L-94 20
-]L388'j
l481L-682 +.7160.] l484L-898]
L0'6l]
oszacowalra funkcja regresii
jest
postaci:
i,
=
0,81 + 0.61,Y, .
a rvsp czynnik detcl.rniIlnc-ji obIiczonr dla i
=
3.65 il1,nosi:
.
13.-10
R-=I
50.55
lczlloci pl.zccilr,llcj' clrociir rlarto c.i occ|) pafall]etrlv a, s innc.
ozllaczajc oszaco\\'a|le dia obu produktrv A i B rrr,nania rcgrcsjijako:
.i,=ao
+.7l-Yl oraz i,
=o
+,'V' lllolta atrvosprarrdzi,zc
R1
=lbl =0,89.0,6l=0.542910,54
.
e
Zavyvazone w pow),Zszynl przyk adzie za|ezllo ci lvynikaj z faktu, e d|a
Szacowal1ej f.unkcji regreSji z
jedn
ztllienn niezalen poStaci:
i,=art+cltxt,
(s.s6)
dla ktrej nlozlla uyzIlaczy oszacowania przeciwnej ftlllkcji regresji poslaci:
a a
=
I
-:--::
-
I
-0,J 6
=
0,51.
71.20
i,
=bn+brt,,
zacliodzi llastpujca z-aleno (porwnaj (3.35)):
R2
=lbl ='.]'=,,1.,
gdzre :
,'tl
=
rl'' - rvsplczyllrliki
koreIacji IiIriorrej.
Przedstau,ionr' rr' prz1.k adzie 5.l4 pLoblelu esllracji paral1letrw fLrnkcji
(s.s 7)
(s.s8)
TSTYMACJ A PAMIMETROW KORELACJ I I REGRESJ I LINIOWEJ
regresji mozna ru'niez rozlvizac rvykorzvstrrjc w t}'lll celtt dostpn
lvpakiecie EXCEL flnkcj REGLINP(rl..Yn,' Xl,'Xtt,. p^av,cltt'. prnt,dct) gdzie
Y]''Yn oraz Xl,.Xt oz:mczaj obserrr'acje odpor,viednio dla znriennej za|e-nej
izrrrienIlej niezaleznej. W r'vyrliku otrzynluje si tabel lr,ynikou'. ktra
jest
postaci:
'Iabela
5.4.
opis tabeli rvy'Ilikrv po zreaIizo*'aniu f unkcji REGI-lNP
Ocena
pararnctnt
nr Occna
parat'nett'tt
ao
Standardorr'r' b|d szacrrllku S( cl Standardorr1 bltd szacunku .S(.r,,)
Wsplczyllrlik dctcrlnilracji R- Statldardorrr' bld occlll'
.t
War1o statystyki F o ktrej
bdzie nrorr,a lv kolcjnym roz'dzia-
t^
Liczba stopni srvobody: ri-(t+l)
Regresyj lla sunla kr'vadratrv:
l1
c.tP=Yri
-"rl
r=l
Resztor,va sttnla krvadratr'v:
ll
s
-
.)
J J = )
(r.'_l.')-
\r l
,-t
Zr<idlo' opracorr'an i rr'lasne
Przyklad 5.15
Na podstarvie danych z prz;,k adtr 5.14 oszactr.j firrlkc.jc rcgrcsji trykorzy''strrjc
pakict EXCEL. W ty'nl cclu uproiiadzanrv do arkusze danc statlstvcznc \\r kolurnnie A
dla popytu na dobr.o A, a rr'koltrnlIlie |J - lla dobro B' Chcc oszacorr'a lini regresji.
rv ktrej ZIllielltra za|ena oz|lacZa pop\1 na dobro B zapisujclll1': REGLINP(B/..B20,.
'41
'',20;
prav,tlu'. prtlrda) i otrzr'lntrjclul rrr'lliki przcdstall'iotlc rv tabcli 5.5.
T'abela 5.5
W5'niki lealizac.ii linkc.i i REGLINP
0,888229 1,457962
0,194208 0,773182
0,537487 1,380791
20,91779 18
39,8815 34,3185
Zrdlrl: ob] iczclt ia rvlasne'
Zkolei chccoszacowaza|cino przccirvnnlanlyREGL|NP(A1,.A20,.Bl..820;
prau,cl a'. pr awc: a) i uz1'skujcnly:
Tabela 5.6
Wy'niki realizacji tbnkc.ii REGt,INP
0,605121 0,80593
0,1 32308 0,672039
179
180 ESTYMAoJ A PARAMETRoW ZB|oRowoc| GENERALNEJ
0,537487 1.1 39689
20,91779 |
27,16994 23,3800a
ZrdIo: obI iczclliu iv ttsltc
Przyklad 5.16
W pclvnej firnric harrdlos'cj sk adajcej si z 10 skleporv postallowio|to zbadac
czy rr-vstpujc za|ezno nridzy dzicnn rvar1o ci sprzeday
(rv
tys. z ), a liczb zatrud.
nionr'ch
(x1,)
oraz Iiczb akcji pronroc1jny.ch odb1,lr.ajcyclr si rv darr1'nr sklcpic ('r;,)'
obscrrvacje dotyczce rvao ci sprzcdazy, liczby zatrtrdnionych oraz rcklant zalrriesz.
czono w tabeli 5.6:
Tabel 5.6
Zrdlo: Dalte tIl1lo\\.llL.
o Oszacu.l i zintcrpretuj paranrr-tl) Inodclu.
o Cz'.r, nlodcl
jcst
akceptorr'aln;' pod rvzgldc|n lner}1ory,czl)vl11 (ekononriczrryllr)?
odporr.ied tlzasadnij.
o W
jakinr
stoprlitr obja niona zosta a zrnienrlo rvao ci sprzeda1,?
Rozrvizanie:
Zacznicny od oszaco\Vallia paranletrrv lnodelu. Trvorzym1, lllacicrz X i rvk.
tor y. Wszystkie obliczenia por.nocniczc przcdstalviono rv ponizszej tabeli.
Yi
xri
ll 3 5
6
1
3
li J 7
J 4 2
16.5 ) 9
7 o 4
1.5
.I
3
l2 4
3
J 4
5 5
EsrytMAcJ A
pARAMETRow
KoRELAcJ T I REGRESJ T LrNrowEJ 181
T:rbela 5.6
trt! -rl r t
ll J 9 25 l5 J -) 55 l2l 2.. t} 5.76
z 6 z l
.l
9 tf l8 36 t26 1.59
3 t3 J 9 19 zl 39 91 r69 085 0.71
4 3 4
)
lo
.
I2 6 9 {),59
0.15
5 16.5 ) 9 25 8t
l f
82.5 l. 8.5 272.25 0. r8 0.0i
6
'l
6 1
-36
t6
4,1 11
28 49 -0.76
0.5 8
'7
/.f 1 3 49 I 1 r 7.5 7.5 6.f5 -3.80 |
. .46
8 1Z 1 J l6 9 t2
,18
36 l4. .6] 1+.02
s l I
r
|
..1
3 12 9
-3.20
t0.15
l0 5 I fJ 5 5 25 25 -2.97 8.85
SUNlA 19 3 4) l6 L+ -) l6l f91 4f7 8' 0.5 0.00 ti6.2
Zrtidlo: obI iczetria rr, asne
W rv; niku obliczcn otrzvnlu
jcrn.v:
['o
36 45
I
x'x=l;o \66 r6rl
L
4i i61 lJ l
I
Wr,zllacznik tcj lnacicrzr rrl'I-li.,si ]J 7
j].
zat!-lll lllallll' dil czr'nictlilt z nlacierz
n ieosoblirr
.
Dla tak skotlstruorratlcj ltlacicrzr
[3r3]
Irrlcicrz trzLtpclIlicti bdzie postaci:
It+lu -l:Uj
_l()7-l'
o=l-rso; roi ro
1l
[-
t6z. 1 0 361
]
Zatenr rnacie rz odu lcrtna
jest
postaci:
I
o.rs
*
o.r
-
o,l 1l
I .,. \.r I I
(x'x/
=I-o.r
o.o3 o.oor
|.
[-
o.r r o.oo r o.rs
]
Kolejny etap to wyznaczenic iloczvnu:
Irol
XTY
= Iz,l|,
ll
L42t )
Moern.rl przcj do oszacorr'atria paramctrlv rl'cktora a, ktr.e po rvy'kollallirr od.
powiedn ich obl iczc \\}-l1osz:
182 E srYl'l cln PARA.METRoW zB IoRoWocl G EN ERALN E J
[-r.z ]
a:| 0.3 12
1
.
1t,713 )
Wyznaczrny
jeszcze
odchy'lenic resztorve nrode lLr:
S"2: 12.374
S": 3,5 1 77
odchylenia dla poszczeglnvch paraInetr'v nlodclu \!ynosz odporviednio:
S(an)= 3,4799
S(ay):0,5833
S(a:)= 0,5529
Na konicc oszacuiruv R::
R2= 0,5997
W uyniku oblicze otrzynlali Inv lnodcl postaci:
i,
=
*1,2
+0,3 l2.r-,, +1.773x1,
(:'' s) (o.;s) (o.l:)
Z oszacolr'allego rrl'tlallia rcr:rcs.ji rvrllika. zc.jc li Iiczba zatruclrlionych R,Zrasta
o
jedn
osob. to dzierlIla \\aftosc
spt.zcclazr rrzro Ilic
o 3l2 zl.. przv niezrnicnioncj
liczbie prolrlocji li lnicsii1ctt. Natotniast.jcli Iiczba clnisji reklanl telclvizyjnyclr rv mie-
sicu rr'zro nie o
jedllostk.
tJ . o.jcc1Il clnisj. to clzielua lr'arto c sprzeday rvzro ni cl
|
'773
ty,s. z '
Modcljest akceptor,l.allly pod rr'zgldcIll
|ncr}'torvczll1'nl. gdy' z logicznego ptrnk-
ttt r,i,idzenia
zrr,ikszellie zatrudnienia iemisji reklam telcrviz1,jnych (do pelvltego
lno-
nrentu
)
porvod
trj e rvzrost rvarto c i sprze da5l .
Wyznaczona rvar1o lvsplczvnnika dcternrinacji illformujc, e n.rlial'ty rr.dzien-
nej rvarto ci sprzcda, s lv 607o rqja nione znrianarni rv liczbic zatruclnionych
oraz
zInianaIni rv liczbie ellitorr'aIl\'ch
nricsicznie reklaln telervizy'jnvc|i. Inltvlni s otr1'"l0%
znlialt llic zostalo u,yjaniollych za po|llocoszacou'ancj
firnkc.ji rcgrcsji. Moe to rv-r'ni-
ka z:
-
przyCzyl1 losor,vych. tzll. znlianv rvat1o ci sprzcda'v s przl'padkorr'c.
-
czynnikrr' niclosoliycIl, ktre llie zostaI-v urvzgldniollc rr'przedstarvionyln
rrvIraniu (np. zrniana liczby klientrv dokonujcych zaktlplv, dochocly klien-
trv itp.).
Przyklad 5.17
PrzYjlnijrn1', c przcdstarl'ione
rv przr'k adzie
5.l3 badallic rvnku dotl'czylo pop;--
tu Ila satl-tochody pcrrilej lnarki. a oSZaco\\'alle rrvlrallie rcgresjijcst postacl:
i,
=9237,77
+1153,65x,t
_
2760.7fx,,
,
R2
=
0,g9,
ISTYMACJ A PARAMETROW KORELACJ I I REGRESJ I LINIOWEJ
gozle:
j//
.
zaobser$'o\\,ana rviclko popytu na sanlochodv badanc.j marki lv z .,
.x,. - rcdnic dochody nab1'u'crv sanlochodw rv t1's. z .,
X,1 - CCIId sanrclchodu rv tys. z .
Z oszacorvanego rtilr,nania rcgrcsji ri,vnika. c
je li
dochod1,' nabyr'vclr' tvzroslt
ojednostk, czyli o t1'sic zlotyclt rniesicznie, to popyt na sanrochodv rvzro nic
o l45].65 z .' natonriastje Ii cena samochodu'rvzro llie ojednostk, tj. tysic z .. to
pop}t na rrie spadnic o 2160.72 z , Wynlaczona u,atto rvsp czynnika deternrinacji
irrforlnuje, ie nnian.r,u'uicIko ci pop1'tu tra sanrochody analizorvanej nlarki s rr'89%
rqlja nione zmiallanli rr doc|lodacli liabyrr'crv ot.az zl-nianattri ccn. Innynri s ort;v ll0%
zmian nie zosta o rrljaslliollr'ch Za po|lloc oszacolr'atlcj funkc.ii rcgrcsji. Moze to r'vy'Ili-
ka z:
-
pt.zycz'\'11 |osoirrch. tzll. zltlialtr' pop)tu s prz1'padkorvc,
-
czynniklr. tlielostlrlrcil. kttlr.c nit. zosta11' trlr'z.tldnione rr'przedstarvionynr
rlt'natliu (Ilp. dzia alIlos kollkLtt.ctlc.ji propoIltricc.| sanroc|rod1'podobnej kla.
sy. e|ekt pt.orr'adzr..llia
1lrzcz
tirI lc- L]zilIllllo ci rcklanlou,cj. szy'bkcl rosIlcc cc.
ny palin' itp.).
*
nieprarvid orr.cj postaci ftlIlkcji rcgrcsji. borr iclll allaliztrjit.c zalcino midz'"-
uylnienionr'lni znliennr'tni za oz1'Ii rlll . c Il.t..t tlllA ullaI.akte.r lillioiir''.
c
W przypadku gdy marn)/ do czynienia z ntodelauri legres-ii rvielorakiej
zamiast R2 uyznacza Si tzw. skorygorvany,u,sp czyrlnik R] rrccl ug \\'Zoru:
183
(
s.5e)
Ma on t istotn rv asno . e
jest
niezalen1,od liczby zmientlyclr w modeltl
oraz liczby obserrr.acji. J est r,vykorz}'St}'$'any do sprarvdzenia. czy naley doda-
wa (tlsuwa) znlienne Z nlodeltl. J eeli po dodaniu (trsuniciLl)
znlielltle.j rvar-
to skorygowat1ego rvsp czynnika R. ro llie (nlaIeje),
to ozrlacza, ze rta|ey
doda (usuIlc)
t Zlltie|]t'l.
Przyklad 5.18
Dla przyk adu 3.44 u'r,,znaczmy prost regresji przy'jmujc, e znlienn za|en
jest
nliesicznic nydatkou'alla krr'ota rv z (t,). a ztnieIlne nizalne to rviek klienta rv
latach ('t7), liczba osb rv r.odzinie (x) oraz liczba znany'ch prz'cz niego lnarck (.r3J '
Rozrvizanie:
Wykorzystuj
c
ftrnkcj
Excela Regl inp otl.zr,ln trj clny:
R:
=r-(l-R')
";1
.-
..''l,-( *l)
184
EsryuRcLR PAMNIETRW ZBloRowocl GENERALNEJ
Tabela 5.6
0,17 4.t6 1.',79
)5a 11
4,66
n {5
8.8 r
0.52 13.50
5,'70 16.00
3113,89 29 r 5.',79
Zatenr otrzynrallc oszaco\Vania pararnetrr'v
lnodc u nlocnry zapisa w postaci:
i
_252,]
l
-l,79't,
+4,I6x, +0'l7-v.
R2
=
52o
(s,sr) (o,ss) (,r,oo) (o,z:)
s"
=
r3,s
Wsplczylnik lr.
=l-(1*0,52.)
'o;'
. =0.4258 =42'57o/a.
20-(3+l)
Moielny' strvicrdzi, e nlicsicznc \\)/datki kl ierlta:
.
nlalej przccitnic
o 1,,79 z przy nieznricIlionej liczbic osb lv
jcgo
rodzi.
lri oraz liczbie rozpoznan;'ch przcz
niego niarck
jeeli
rviek klierlta wzl.asta
o rok:
.
wzrastaj o 4'16 zI przl'niezllliclliotir'tn
rricku kIienta i liczbie rozpoz|7a-
llr'ch przcz
nicgo lnarck.
edr
liczba osb rr,rodzinie klienta wzrasta o
ie.
dc n:
.
\\'Zfastaj
o i7
groszl'
przr' nicznlienioll1,ni rvieku klienta i Iiczbie osb
rv
jego
l'odzirtic. gd,t liczba znanvch przez
niego rnarck rvzrasta o
jcdcn.
ZIlrialr1, rnicsiczn1'ch rr1'clatkli,
rv skIcpiku osicdIorvynr su, 42,57Yo rr1,ja lriane
przcz ztniaIry.r,v r,vicktt klicntrv. staltic osobow"rnl ich r.odzin oraz liczbie rozpoznan\,ch
przez lrich nlalck.
SzacLrjc na podstarvie tcgo nlodelu, wydatki klicrrtrv rv sklepiku osiedlorvym
nrylinry si przecitnie
o l3,5 z .
&
6. WeRvpIKAcJ A HIPoTEZ STATYSTYczNYcH
Weryfikacja hipotez
.iest
drrrginl zasadtlic,'nl dzialeln lvnioskor,r.allia
StatystycZnego i stallow'i prb oceny prZ),pttszczeli dotyczcych popLlIacji
gen eralnej, sfornru olvanych na podstalvie rvvn i krv badali cz c i olrych.
6.1. Podstawowepojcia
Weryfikrcja hipotcz statystvcznychsr ura l1A celu sprarvdzenie
sfort-lrtt orvany'ch hipotez StatyStyczllych, c'li pocljcie okre lonyclr dec5,zji
statystyczllych.
Hipotcza statvstYczna to Sd
(pr.zr,puszczellie)
odlloszc1' Si do
nieznanego poziomu paranretrow lub do nieznanej postaci rozk.ladu zmiennych
losorvv,ch rv zbiororvo ci gener.alnej. Hipotezy dzielinly tla drvie grllpy:
-
hipotczY
1rararrlctr}'czne'
tzn. sdy dot1,czce paI.anletrrv rozkladtl cechy
w populacj i generahlej,
_
|ripotezy niepar:rmetryczne, tzt.t. Sd)' dotyczce ksztaltr'r rozk adtr
populacji generalnej lub |osor,vo ci proby.
Niekiedy hipotezy paranletlycztle i llieparanletryczne trroenr1.fonlrulor,va
zanlietttlie rv zaletio ci od ceItr altaliz'r' statyst\'czne.i. Celenr rr'ervfikacj i hipotez
pafanletryczny,clt jest
SpI.eC} z.ori'atlit- lr arto ci paral]]et|tl r.ozklaclu populacj i
gerrcralnej Z|lanego
ptl.
ltltotlliast celetlr rr'cn'fikac.j i hipotezy
nieparaIlrettvcznej
jest
spt.ec1'zorr lrtlic- t-vptr rozk adtr ccchl \\' okre lorlej
populacji generalnej.
Procedura rver1'fikacji hipotez stflt}'St}'cZl1\.cIl opiera si zarvsze na clrvch
lripotezach: zerorr,ej i altertla1lrrne.1 . IIipotcZil zcro\\'il (FI.)
jest
podstarr.orr.
hipotez statyst1''czIlt1. ktra
.;est
przedllliotellt rvery'fikacj i' tzn. proceS
rveryfikacji nloze doprolradzi do.jcj odrzLrcenia bdz do strvierdzenia. e nie
tlla podstarr,' by
j
oclrzuci' Zak ada si rv lliej, ze rozklad posiada pewn
rv asno (ltp. rvarto c paratlletru
jest
rrvna okre lonej liczbie. rozk, ad llla
okre lony ksztirlt, dlva rozk'lad1, nlaj identycztte parall]ctry itp.) Hipoteza ta
jest
fortlrtlIorvalla rv taki sposb (czaselll rr'brelv rozsdkorvi), aby nloztla
j
b;'lo
- atrvo
odrzuci. Hipoteza alternatYlyna (H')
to hipoteza konkttI.ettc1,jna
rv stosttnktt do hipotez1' zerolvej. J est oIla forllrLt orvaIra
jako
prz}'ptlszczenie' ze
rozk]ad nie posiada lv asno ci okre lollej rr, hipotezie zerorvej (posiada
j
lv innynr r'variancie). J e liodrzuca si lripotez Zerow to prz1,jnrLrje
si hipotez
altelttaq,rvn
'
Trzeba p rz1'
'nr
rozrztl ic nas t p rr.1
ce
S\'tu acje :
slPoclstarrr,teot.ii
rr,err'fikacii stojce.i tla grttlrcie irrter.pletac.ji pr.arvr!opodobielistrva podal rv Iatach
trzl'dziesty'ch polski uczony J . Ney lnan.
186 WERYFTKACJ A HrporEZ srATysryczNycH
-
jee|i
hipoteza Zerowa
jest
paraIlret|yczna, to hipotez alterna'wl,l nrozl]a
sformulolva drvustroIlnie
(tzrr.,jest rzne''), prau'ostt.onnie (tzn'.jest
rviksze od'') lrrb lelvostronnie (tzn'.jest rllniejsze od''). przy czy-nr sposb
fortrrtt owatria hipotezy za|ezy nie t1lko od celLt badania, al rwllie od
rodzaju infornacji Statyst'vcznych uzyskattych z prby losorr'ej,
-
jeeli
hipoteza Zerowa
jest
nicparanletryczna, to hipoteza a|tertlatyrvlta
jest
fortrlu orvalra r'vy cznie rv postaci
,jest
rzne'' i zrlika problerrr oclnriennego
podej cia do r,veryfikacji hipotezy zerorvej.
Hipotezy Statystyczne r,ver1'fikuje si za pomoc testrv statvstycznvch,
pt.zy czym rv zalezno ci od r.odzaju hipotez.v rozrilliatle s tes|.v-
1rarametryczne
(s|u do lverytikacj i h ipotez pararnetrycznych)
inieparamctryczne (nr.in. tesfy zgodno ci, losolvo ci - s uz do rver1'fikacji
h i potez n iepararlretrycznych).
Przy rveryfikacji hipotez statysrycznych rvazny
jest
tzr'v. pozionr istotno ci
a. oraz tzrv. obszary odrzuceuia hipotez zerou'vch (oznaczane przez ll). Oba te
pojcia rvi si ztcori b' drv pope lliall1'clr przy podejnrolvaniu decyzji
lv procesach rveryfikacji Ilipotez Stan'S$.Cz|-l\'ch. W1,nika to std' ze lla
podstarr'ie proby nigd1'Ilie llla ca kclrritej intbrmacji ozbiorowo ci, zktrej
zos1a a ona pobratra. Tak liic uerrf-iktrjc Ili1lotez Zerow mozenly pod.i
decyzj popra\\,ll ltrb popc Ili bld. Rtlz'roltiaIny dlva rodzaje bldrv, ktre
lvystpuj
z okre l otll.llr prair d o
1lotl
ob i e ti strr'eIll :
-
bltl I rodzaju. ptllega.icv tla odrzttcettitr lripotezy zerorv'ej rvtedy' gdy
jest
olla rv rzeczvrr,isto ci prarr'dzirva.
jego
pralvdopodobieristli,o bdzienry
oznaczac ptzez a
(rv
stat5lst1,cznej kolltroli
jako ci
.iest
ollo okre lane
jako
ryzy'ko producenta),
-
b tl II rodzaju, poIega na przyjcirr hipotezy zerorvej r'''tedy gdy'
jest
ona
rv rze.cz},lr,isto ci falsz1'rva, czr'li
jeli jest
prarvdzil'u.il hipoteza alternatylvlra,
jego
prar,vdopodobielistrt'o bdzierlly oznaczac ptzez
p
(rv
statystycznej
korltroIijako ci
'jest
ono okre larte
jako
ryz-v-ko odbiorcy).
Tabcla 6.1
Zrdlo: opracorvanie li.lasne rvedlug Kr1 sickiego
[
1 986l. s. 79
Prarvdopodobitistrvo pope]lnienia b du l rodzaju (a7
trstalone
jest
z gr1,
"iako
dowolnie niskie prau'clopodobieristwo odrzucenia prarvdzirvej hipotezy
B dy popelniane prZ)'' lr,er1,{ikac.ii lripotez stat),stycZ|1}'ch
Decvzia I Iipotcza H6
prart
dzil a l{ipotcza Hn ta szl lv'a
Prz1j rveryfikorvan
hipotez lJ r,
dccyz-ja popra\\ila dccyzja bldna. b d II
rodzaiu
Odrzuc
h
c wcry'likor'l,an
potcz
H6
decyzja b dlla
-
bld
I rodzaiu
dccyz.ja popralvr.la
Poosrwowr PoJ c|A
zerorvej i nazu,ane
jest
poziomem istotno ci. W naukach ekononricznych
prarvdopodobieristwo bldu I rodzaju przyjnruje si zazwyczaj zprzedzia u
<0,00l;0.l>.
przy czytn llajcz ciej a=0.05.
War1o p
jest
to nlitlinraltra rvaI1o c a poziollltt istotlro ci. dIa ktrego
rrroze by odrzucotla hipoteza I.I0 Ila podstarvie lvvrlikrt'prby. Zatetlr H6
odrzucanry,
gdy p<a82.
Tcst statyst1'czny'. to regu a postporr,arlia,
z prby tlla doprorvadzic do odrzuceltia - lub
stat-YSt) czneJ .
Najcz ciej uz1,rvanynli w prakt-vce s tzu'. testy istotno ci, ktre
umolirviaj odrzucenie hipotezy z r1.zykienl rrvnynr poziottrorvi istotno ci a,
bez ulvzgldniania prarvdopodobielistrva popelnierria b du drugiego r.odza.irr.
Stosujc testy istotno ci podejmuje si decyzj odrlo nie do odrzucerlia hipotezy
zerorvej na rzecz hipotezy alternatyrr.tlej. albo deci,,,zj o braktt podstarv do
odrzucenia hipotezy'zerorvej. co llie
jest
rlvnozl]aczne z
1ej
przy,jcienr.
W zwizku Z tynl w przypadku testrv istotrlo ci hipotez Zero\\' staratlly' si
sfbrnru orva lv taki sposb, aby n-rozna.j b1' o stosulrkorvo atrvo odrzuci.
obustronn1' (drvttstronIly) obszar odrzuccniao. Iripotczy, ktry
jest
budorr'atl5'. gdy Hl
jest
starviatra dr'vttstrotlllie, to zbir rvszystkich lvarto ci
zmiellnej losolvej rl takich, 'e
|u|>ll.. '
gdzie zio - ll,aI1o krr't1,czlta odczyI,anaz
tablic dla tlstalotlcgo z gn
1loziotlttl
isrotrlo ci u takl. z.. |(',| >,,,,)= o .
J ednostronn--v obszar odrzuccnirr hipotezr'
lest
budoriany, gdy Hr
-iest
stawiana
.jednostrollttie;
to zbitir ri szr stkich riarto ci znlienncj losou'ej ll taka'
ie u) ut
(prarvostronnv
obszar oclrztrcenia) lub
<
rr' (lervostlonlry' obszar
odrzucellia), gdzie I |.l|) - rvarto ci krr'tt czIle dla z gry zadanego poziotlltt
istotno ci cr takie, 'e P(tt lr.
)=
cl d|a
prawostrorlllego lub P( t
<
lt,
)=
a dla
lelvostronnego obszaru odrzucen ia .
Sprarvdzian testu
(statystyka testtr) to znrittna losorva o okre lonynr
rozkladzie z prb1.' Warto krv'czna tcstu to rr,.arto znrienllej losorvej
o okre |on},nl rozk adzie. ktra przy danynr a Stal]owi koltiec pr.zedzia1u
odrzucenia.
'.
Programy stat)'st\,czne rv1''znacza.jp z inrrynli rwnikanli testu stat},stycznego.
33
PorrvIta.j J .E. Freund
It97ll
s. 24 l.215.
sa
Por. Iincy'klopedia szkolna - lvlatenratyka. W-rva 1988, s. 309.
187
ktra na podstawie rvynikw
nie - posluu ioncj lripotezy
188 WeRyrtx,c.l HIPoTEz STATYSTYcZNYcH
Moc testu8-. nazvwalll)/ prarvdopodobieristr'vo podjcia s usznej c|ecyzji,
polegajcej na odrzucetliu rveryfikolvanej hipotezy lvtedy, gdy
jest
oIta fa szywa.
Wynlacza si
jjako
M:r-p (
6.1)
gdzie
p
- prarvdopodobietistlvo pope,lniellia b' dLr II rodzaju'
Przyklad 6.1
ZmienlraXrna rozklad N(p,2),prz'v czy|11 rviadonro. ie
1l
noe nrie tylko.iedrl
z drvclr rvarto ci: 8 lub ll. Zrvcryfikrrj hipotez H6, ie lvartoc przecitna
jest
rrvna 8
rvobcc hipotezy H1, c rvarto przccitna rrvna si l l. Przy,jmujenly tak regul
postporvania, ie hipotez H6 odrzucalny, gd1' f - obliczolrc na podstarvic prby
czteroe lclrrelltorvej bdzie lviksze od 10. oblicz prarvdopodobicIistrvo pope nienia
bldtr I i ll rodzaju oraz podaj interprctacj graficzn.
Rozrviazanie
Starviamy' hipotezy:
H6:
4:8:
H1:61l.
obIiczaln1'pralvdopodobictistrlo popc Ilicriia bldu i rodzaju. Skoro znricnna
losorr'a X
-
(8:2). to I.cdllia af\t|nct\'czlla policzona na podstarvie
cztcroelelnentowcj prb1' ltla rozk ad tlortllalny
'T -
N[8'+
l=
1/(8;1). Zatem
\ V'tl
prarvdopodobiestwo pope rlienia bldu I rodzaju u1,nosi
a
=
p(r>r0)=.[:.!,'0,
o]=.f t, 8
rz)=r
-r[U<2)=
tr
r
) \1 / \1 )
=
1
-
O(2)
=
|
-
0,97'7
=
0,023
obliczlny prarvdopodobiestrr,o popelnienia bldu II rodzaju. Polricrva .r
-
l'l(l l:2). to
rednia af)'tlnetycZna policzona na podstarvie czteroeltncntorve.i prby lna rozk ad
(
t \
tlornralny'
.-
1i| ll,
l
=
(t l;1). zatcm
(
{1 )
p
=
P(i l0)=,i,+='o
l''.]=.['J ''
=-l..l=o(-
r)= l_o(l)=
\1
r
) \r )
=l-0.84l=0. 59
o'
Por. Dolrraski C.
Il990l.
s. 2l. Prz-y'k|ady obliczanil nlocy testu Inoina zna|e w pracv
Krysickiego W.
[1986],
s. 82.
Poosrnwowe PoJ c|A
Prarvdopodobietistrvo popelnicllia b dLr
pierw'szcgo rodzaju rvvnosi 0.023. a bldu
drugiego rodzaju 0. l 59. ]VIoc tcsttt u'er1,fif,ujccgo rr1'llosi l
-p:0'81
l. Iltrstracj
graficzn a i
p
przedstarvia rysunck 6. l
\
T,,i/l 1 t\
|e 13
'|
l .1s' . I Relacje mid:.t, pralt,clopodobiestvonti u i
p
Pozdane
jest'
bv prar'vdopodobieristrva b drv obLl rodzajW Llcz}'ni
moliwie rrrale. Nic llloina
jednak
zrllrlic.iszy
.jednocze nie
obydrvtr r.odzajrv
bldrv przy ustalollej liczebrlo ci prclb1'' Z t.r'sltttktt 6.l rr,r.raztlie lvidac, e
zlvikszerrie a porr'odLrje zlllllie.jszctlie
/.
a zrllllicjszellie r,r zrr'ikszellie
p'
W procesie rr,crr'fikac.j i hipotez stat\ St\ cZll} ch llroztla ii'yrni kilka
etaprr,:
l) s|ornru orvarlie hipotez1'zerorr,ej (H.1)oraz ltipotez.v aIter.natyrvnej (H'),
2) u1'br testu statl,st\,czIlego s ua.cego do rr'eI1'fikacji hipotezy zerorvej'
3) wyzllaczelrie rraI1o ci spralvdzialltl teSttl,
4) ustalenie poziolllu istotllo ci (a) oraz rtyznaczcltie obszarlt odrztlcenia
hipotezy zcronr-j.
5
)
podjcie decyz.i i z okre lollylrt pratr'dopodobietistlverrr b dLr.
6.2. Testy nleparametryczne
Testy niepafan]etrycztle nlaj nlniejsZ nloc od testrv paranretry,cznyclr,
jednak
icll zaletjeSt prostota budow1''
Testy lrieparanrettvczIle dotycz kszta|tu rozk adu popLr|acji generalnej.
Wyr.znia si ich poclstarvorve trzy grt|py:
l. testy losorvo ci, t.i. testy lveryfikujce hipotez, ze prba nla charakter
losorvy, z ktr}'clr onttvilny test ntedianorvy,
189
l:l,,1
ar a'
8,2
rl,1
190 WERvnxRc.l,c H I
porEz
srATysryczNyc H
2. testy zgodno ci, po|egajape na spralvdzettiu' czy prba pochodzi z popLrlacji
o rozk adzie zgodIlynl z za oollyt^ll rozk-ladenl teoretyczllynl lrrb czy drvie
prby pochodzz popLr|acji o tynl Salllyn] rozk|adzie nl.itl' nalezdo nich test
zgodno ci chi-krr,ac|rat (f
l'
test serii. zllakr,v i nrediany.
3. testy niezaleno ci i
jednorodno ci,
rver1fiktlice hipotezy o nieza|eno ci
lrrb
jednorodno ci
badanych prb, z ktlych najbardziej popularny.jest test
rlieza|ello ci
72
,
6.2.1. Testy weryfikujce hipotez o losowo ci
prby
jak
ju
zostal'o porviedziane. w przypadkrr badari cz ciolr,ych podstarvow
krvesti
jest
Iosor'vo repr.ezelltatywIlej prby stafysfyczrlej. Istnieje lviele
testlv trnlolirviajcych weri'fikacj hipotezy, ze kollkretna prba
jest
losorva.
Nalezdo nich np. testy serii. rv rd nich test nredianorvy' ktrv onlr ''inly.
Test medianowy dla losowo ci
prby
Niech bdzie dana plba zali ieI.ajca ll obserrvacji o rvafto ciach
X,
,.T1 ,.'.,I,,
pobrana u' peu ie tl okre Iclnr sposb z populac.j i o dorvolIiynl
rozk adzie . Chccnr1. zlr.et.r f.ikoii ac ltipotez Zero\\':
Hr: pLciba nre charakter loso*y,
rvobcc llipotczr altcnratvu ne-j
H': prba ttie llla charakteru losorvego'
Test rllediattorv1,polega na ZastoSo\\artitl tlastptrjcego postporvatlia:
_
wyn)aczeniu nlediatly z prby'
_
przyporzdko'uvaniu kazdeIntt eletrrelrto''vi prby xi, rvedlr.rg kolejno ci
pobierania eleIlteIttrv do badania. syrllbolu a
- je |i
x,<Me^ bd syrrrboltr b.
je |i
x,>Me; rvy'niki x,=Me lllozna porllinc; z cigu synboli a i b
\\yznaczalny ogln liczb serii8r' t.
-
.vqy taczeniu
obszaru odrzucenia:
Rozklad stary,styki k prz7, zaloenilr prarvdzirvo ci hipotez1, H6
iest
znany'
istablicorvany. Na podstawie rozk adu liczby serii budrrje si drvtlstronny
obszar odrzucenia rv ten sposb, e d.Ia przyjtego poziollttt istotno ci d oraz
|1L i n2 (|iczebno ci
sytttboIi a i b)o' odcz1'trrje si lv tablicaclr rozkladu
.uvarttllkorvego
liczby selii takie drr,'ie r,vafto ci klyt'vczrle t' i k2
,
aby
zachodzilv relacie;
ru
Przezscri roz-unlielrll'cig obset.lrac.ji o t1'nr sanlt'nr synlboIu'
"' Ponielvai rozklad serii.iest rozk adeItl synletr},czn)'n], ri'ic nie Illl zllaczellia, czv ll7
jest
Iiczb
svnrboli a czy b.
TEstY NlrpnR fu1ETRYczNE 191
p{r
=
o,\
=+.o
. *(. I
I
t P1k< .i=,-zo (6 f)
20830
bab
Flipotez H0 odrzttcatlly l]a rz'cz hipotezy alternatyrvnej LI',
jeeli
t e (0;t'
)u
( .;-).
lv przecirvn1,nr pr,padkLr tzn. gdy tc e(tr,; .
),
nie Ina
podstaw do odrzucenia hipotezy zerorvej H,,. Zateur dla testll nreclianor,vego
obszaretrr oclrztrcenia
jest
zbir
y,v
=
(O:k,)
u
( .
;-)
.
Przyklad 6.2
Przcprorvadzajc badanie pracorr'nikrv pc\\l)ego zak adu plodukc1jncgo z ptlnktu
u,idzenia stau pracy, otrz\/n]a|to rlastpujce rr'arto ci tej cechy,
(rv latach) dla koIcjIlo
lvy-braIly'c|r pracowrrikrv:5'.7'4,9, ll, l' lti' l8' 3. l0.6' 22, \3,23,3'2,2,9, ||'4,
20' 8' 30. Sprarvdzi' cZY otrzyma|la pr.ba
jcst
prb losorr. na pozionlic istotno ci
0.05.
Rozrviazan ie
Starvianr1, hipotcz :
H(): poblana prba lna char.aktcr- losorlr'.
rvobcc hipolczv altcrnetr rrncj:
Hl: pobrana prba nic
jcst
prb losori'.
Zadany pozionr istotno ci to C[=0.05.
WyzIlaczanly nrcdiall z
1lrb1
: rr tr'lll ccltt ptlrzqdkLrjcrny'ciig lliclllalcjco, cz1'.li
1,2,2,3, 3, 4, 4, 5, 6,7, 8, 9, 9, 10, 11, 11, 13, 18 18,20,22,23, 30.
Liczcbllo prby ll:23. a rric
a mcdiana: Me
=
xc
=
9 .
War.to cecily x1:9 ponrijalny, zateln |nam)' prb n=2 l-clementorv. Kadej
rvarto ci prby
-Ii
rrcdlug kolcjnoci pobicrania clctrrclttrv do badania
przyporzdkorvujemy s1,mbol a -
jc li
x,<Me^ bd s'".lnbol b'
jc li
x,>l|:[e. otrzymtrjemy
nastptUc)" clg:
5',l 4 il 1 l8 l8 3 10 6 22 13 23 3 2 2 n 4
a a a b a b b a b a b b b a a a b a
Liczcbno sy'nlboli a rvynosi 1=l l' natollliast sllllboli b - 2=16.
Z cigu synlboli a i b rr.yznaczallr1'og|ll liczb scrii :
aaa b a bb a b a bbb aaa b a b a b
l 2
j .l
5 7 E 9 ]0 l| 12 13 l.1
Zatem liczba scrii u'vnosi k=14, Z tablic rozklaclu rvamnkor.vcgo liczby scrii
odcz1'ttrje nly takie drvic rvarto ci kr1'tyczne k| i kf
'
aby'' zachodzily rcIacje (6.2).
)7
lttttrlernledialtyrl'r'llosi N',,
=a=
l1,5
l2,
f
192 WrRyrlr cL HtPoTEZ STATYSTYCZNYCH
odczytanc rr'arto ci ztablic \!}|'loSZ odporvicdrlio k;6' akz=Is. Wl'znaczoIla
p|zez nas liczba serii rrvrla si k
=|111'=(o16)
u(to;.o) . arr.ic llie llla podstarv do
odrztrccnia hipotez1' Hg o losorvo ci prbr'. c
6.2.2. Test zgodno ci rozk adu
i
J edllynl Z podstawo\\'ych zagadnieli
jest
rveryfikacja hipotezy o zgodno ci
rozk,ladu enlpirycznego Z pe\\rny|lt rozk adem teoreczllytn. SltIy telrlu tlr.itl,
test zgodrlo ci
f
.
Niech popLrlacja generallla tlla dorvolIl'n, rozk ad o okre loIl1,rtt kszta,lcie
postaci ftrnkc5jrlej dystr1.buallt-r' (nlcle to b1'c zarrl'Ilo rozklad cig
jak
iskokolry).Danajestduaprbaorr,arto ciach r'
,x.-..'.'r71 ,ktrwylosorvano
rv sposb niezalezny z popLrlacji gelleralllej (prba nrusi byc na tyle duza, aby
nrona by o skonstruou,a z nicj szet.eg rozdz.ielczy dla badanej ceclry)' Na
podstarvie eletrrctrtrr' te'
j
prb1 zuerr'fikLr;elltr hipotez Zel.ow:
It., : tr(-r)-,('r). czi li ze rozk acl elllpiry.czlly badanej populacji F(r)
pokrr rr a si z pcii tl1 lll t.tlzk adcIll teofetyczl.l'\'llr F6(.r),
rvobec hillotczr altcrnrt; rr nej
I-{' : tr('r)=tru(.r.). czyli e lozklad etttpir1'cztlt' badanej popLrIacji F(r)
jest
riny od rozkladu teoretycznego
,(t)'
gdzie:
F(x)-d1'strybuatlta rozk adrr etllpiry'czrlego badarlej cechy,
F6('t)-okre l o11 a poStac teoretycztl a dy stry'buan ty'
Celem spran'clzenia hipotezy zefowej F{n nalezy:
-
podzielic rvyniki prby na l. rozlczIlvclr klas o liczebIlo ciach li
(i:l'2,3,...l.) w'kadej klasie. przy cz)1nl tl|+t,t1 .,.* l
,.
=
17,
-
obliczyc prarvdopodobietistrr'o
/l
tego. ie zllrienlra |osorva o dystr5,$ungi
('t.)
przyjnlie rvafto ci naIezce clo i
-tej klasy (i
:l,2....l),
gdzie:
p1 +
l).+...+
p,.
=
I,
-
obliczy stastyk
r rl
,t -;\tt'
-
tt?')
.
^A,p,
gdzie:
II, - |iczebno c r-tej klasy,
( 6.3)
I ESry NIEPARAMETRYCZNE
ttp, - |iczebno tcoretycnla i-tej klasy, tzn. liczebno c i-tej k|asy przy
za ozeniu prarr,dzirvo ci hipotezy H0.
J eeli rver1fil<o'uvana hipotcza
jest
pr.alvdzirva, to statystyka y2 rl,la przt,
_>"o rozklad
r.
o (l.s-l)
stopniaclt slvobod1', gclzie s
jest
liczb szacorvall1,clr
paratrletrlv rozk 'ad u z pr.b1..
Ze lvzgldLr lla asy|llptotl'czlly' rozklad zIlliellIlej losorve.j Iliotra korzvsta
ztego rozk' acltr.
je li
rednia rt'arto ll, nie
jest
tllnie.jsza od l 0 i liczba klas l. nie
jest
nrnie.jsza od 5. obszar odt.zucenia tt'tvIl] te cie budLrje si prarr,ostrollllie.
Przy zadanynr pozionlie istotIlo ci odczvtr1elny ztabIic rozk aclLl
f
rvarto
kr1tyczn
7)
an (r-.s-l)
stoprti srvoboc|y. porrvrlaj r1's. 6.2.
R1,s.6.2 ohs:ar odr:ttc,ettitt ly te cie:piodtlo t,i
7
dltt po:iotlttl isIottlOSCt CI
Zaterrt obszar oclrzttcetlia llla
1losta
fi.
= (z.,:z).
Tlt-.,licc. rozkladLr
f
s
tak skorlstrtlowa|]e. ic poda.1 r|z ,
z,.,)
=
o dla okre |orlej liczby Stopni
sr,vobod1,' rvic
7"r.,.jest
rrarto ci bczpo recltlio oclczy,tatlz tablic
J eie|i
72
e ilz,
to hi1;otc.z H6 oclrzttcanl}'lla rzecz ltipotezy alternatyrvne.i.
rv przecirvllynr przl,padktt. tzll. gdy
tr2
ltl ,
nie nla podstarv do odl.zttcenia
hipotezy l-ls.
Przyklad 6.3
Struktura pracow'ltikrv przcdsibiorstrva X rvedlug rviektr.jcst rrastpujca:
Tabcla 6.2
\\/iek
pr.acorr
n ikrr, [,ldzial
procerrtorr,v (9,)
l8 - 20 )
20- 30 t0
30-10 l5
40- 50 20
50-0 20
0-65 30
Zrotllo: Dane unlo\\'rle
193
194
WERyFTKACJ A H tporEz srATysryczNycH
Do bada rr'ylosolvalro prb, dla ktrcj otrzr,lnano riastptl.jc;' rozklacl rvicktl:
Tubela 6.3
Struktura pracorr'niklv rv rr.1 |osorr ltne.j pllbie
Wick
nracorr'llikrt' [-iczcbrlo tt' \l,t.losotl'anci
prbic
18 - 20
l0
20-30
15
30-40
25
40- 50
60
50- 60
50
60-65
' 0
Zrdlo: Dane u|llo\\ |,lc
Sprarrdz, czy r.ozklad rwlosou'ancj prb1
Lni si istotnic ocl rozklaclu populacji
1ltacorr'nikrv
rvcd lu g w'icktr.
Rozrviazanie
Star.viarnl' hipotezy .
H6: I.ozklad rr'l'Iosou'anc.j pI.bl nic rzlli si istotnic od rozk adu poptrlac.|i
pracorvIlikrr' ll.cd ltrg \\ icktl.
Il
1:
rozklad rr'l losorrallc.1 prbr rzlli si istotlric od rozklacJ u popuIac.ji
pracorl'nik(lrr' rr cd ttg rl icktt'
W)'lliki otrz\ ll)allc z pr(tbr poclzicIoIlc
Zostal)' lla r-6 rozlcznr,c|t kIas
o liczebrio ciac|t
ll.>l0. Liczcbllo c prbr ulrlosi tr20O,
'|rr'ot.z1'tlll'tabcl
robocz:
Tabcla 6.,1
Ponlocnicza tabela do obliczenia statvstl'ki
1:
Wiek
pracorr'll
iklr,
% ll
t
pi nPi ntnpt 2
(
n
i-nP i)
(,,,
*
,p,)'
np,
I f + 5 6 7
8
18 - 20 ) l0 0.05 l0
n
0
(t
20-30 l0 l5 0.1 20 5 25
I ?{
30 -
,10
l5 25 0.r5 30 25
0.81
40-50 20 60 0.2 40 20 400 l0
50-0 20 50 0.2 40 t0 r00
f.s
60-65 30
:10
0.3 60 -20
400 o.o /
Razcrn 100 200 200
X 2t.23
Zrdlo: obI iczcllia rrJ aslle
Picrrvsze drvic koItrnllly tabcli 6.4 zaivicraj dalle z tabcIi 6.2. a kolulntla 3 c]allc
z prb1'.
W kolurnllic 4 rr,\,znaczclllo prarrdopodobiellstir.o.
z.iakirn pracorvnicy'
ca' cgo
przcdsibiorstrl,a
znajd si u,i-tc.j grupic lvickorvcj. bolvicnr
jc li
np. 59u pracou.niklr,
firrnV bvlo rv rr'iektr I 8-20. to odpoir'icdnic pla*dopodobicristu'o
u,yllosi p,-0.05.
W koltrnlltic 5 rr1'zIlaczollo tzrv. liczcbno ci tcoretyczlrc llpl, lz|1..' iIu pracorvnikrv
z 200
I ESTY NIEPARAMETRYCZNE
cle|ncl1to\\'cj prb1,' porr'inno zllalcz si ri' konkretncj grtrpie rr.ickorve.i. zakladajc
prarvdzirr.o hipotczy zcrorr'cj' Zatcllt skclro prarr.dopodobicstrvcl
zrlalczicIlia si
rv grtrpic lvickorvc.j 50-60 lat ri.y,nosi dIa calcgo zakladtl
P,-0'2
i rozklad prbv llic rni
si cld rozk- adrr popuIac.ii gencralllc.j. to rr'1lrlbic porr'itllto znzl|cc si llp,:Z00*0,2:.10
pracorr'll ikiv.
w kolcjncj kolunlnie 6 rr'vznacza si rzIlic
jaka
rr'1,stptrjc midz1,
liczcbrro cianri teorctr'cztlt'tni ll7,l, oI.az Iiczcbno ciaIlli ctll1lirr,cztll.nli ll,. Natolniast
ostatllie clrr,ic kolunrll1.tabcli 6.;l sltr do lr,r,zllaczcllia wal.to ci s1lrali,dziantt tcstu
(.3)
x2
--
2t.23 .
Z urr'agi na fakt. zc llic szacoll,ali lli1,adllcgo z paralttctrlrr'rozkladu. rvic s=0,
z tablic rozkladtr
f
oclcz1'tt{elny ll,al.to rJ Ia pclziolntr
istot|lo ci a
=
0.05
''
idla 6-0.
l:5 stopni srvobodv. ktra.jcst rrrll
7;
=
| ].07.
Zatclll
Z2
=
21.f3 e II,
=
(l l.07;".,; . cz1.li oclrzucatnr, hiporez H6 l.lil rzecz
hipotezy' alternaty* llr--i H
I.
N{ona zatclrl tlr'icrdzic zaklada.jc 5.f, bld I
prby istotnie rni si od lozkladtl pracorlrlikrv
calcgo przcdsibior.strr
a.
Przyklad 6..1
W perule.j fir.Inic przcprorr'adzolltl badaIlit. llrajce occlri rozkIad rr'ieIko ci
sprzcday lr'poszczclllly'ch dlliach. \\'cia-l.ltl oStattlicqo roktl (300 dni sprzcdazr')
uzr'skatto nastpuj
ce
u'l.rl ik i :
Tabc|a .5
0 - 100
100 - 150
I 50 200
200 - 250
250 - 300
300 350
pott'yej
350
l5
.10
5
1,1
o/
J r./
9
\\'iclko sprzcclar.
(t:s.
z .) Liczba dni
Zrdlo: obI iczcllia rl'lasnc
Czv lnona sdzi, zc rozk ad
jest
norlllallly? Przy,1c pozionl istotno ci 0,0l .
s3
J e |i brak illlbrnlac.ii rv zadaniu o ri,ielko ci bIdu o, lrlc'rlr, pr.z1,jnlorr,a bdziertl1 zarr'sze
tloziolll
istotIlo ci 0.05.
195
rodzaju. c rozklad rr1'|osolr'anc.i
rvcdlug l'icku ulzltaczoncgo dla
c
'196
WERYFIKACJ A HIPOTEZ STATYSTYCZNYCH
Rozrviazanie
:
Ab1. porrrna poii1'zszy rozkIad cIllpirr'czn1. z plb1, do
1leri.nego
rozkladu
tlol.lrralIlcgo. nalczv oszacorr.a.icgo
paraInctr\,- lvarto oczckirvan i odch'v-lcllic
standardoive. W ty'rn ccltt nalczr'najpicl.rv donlknc ulllorl.nie ostatIli przcdzial, rl1l. do
400 trs. zl.
War1o ci poIlrocIriczc do obliczcnia
paralne trrr, podanc s rv tabeli 6.6 i ponizc.|.
Tabc|ll 6.
I,,/
-'Y,g
,T/ l x 1
0 - 100
r00 - 150
r50 - 200
200 - 250
f50 - 300
300 - 350
350 400
50
t25
t75
ll)
215
3f5
315
l5
40
65
.7
61
30
9
750
5000
r 1375
l(l50
l8" 25
9750
3i75
122t0A.91
3,+4102.5 0
I r 8791.56
3 889,63
2 r 9596.69
345 076.fi8
222548.06
Surna 30n 65i15 l 76 l 06.25
Zlirrllir
(ll.ltezcnlli
\ l!:nc
Z obliczeri
\\' tabcli lr nikn
\-
t 1 ,,
11\ r'f
lC .f
=- =ll/,1)
OfAZ
ir 300
Nas(pllic bdzicnr1,
prz)'pt|s7.czilc. z'c
.jc li
populircja ll1a rozklad t)orn'}alll},' to
jcgo
parallctr}' s zblionc do oszacoir'al]\'c|l \\artoSci z prb1 . Zatetn starviaIlr1, hipotcz1,:
IIs:.Y
-
N (f11,75.74,75).
H1:nicplarvda. zc-\--' i\ (2 17,751 11.15).
Nalc1' teraz oblicz1'
prari.dopoclobicstrra
p|z},t]alCno ci clo poszczcglIl1.ch
klas zniieIlncj o rozkladzic N,(21].15
^
11'75) oraz tcorct},czlic liczcbno ci prby.
Warto ci te. po rvystandal.r'zorr,aniu kraticrv przcdzialrv, odcz}'tanl)'lr'tablicy
clvstr1,btrarlty rozkladrr norlllallrcgcl. I,o.|alr ia si
jcszczc jcdlla
lvtpIirro rozklad
trortrralIly
.jcst
okrc lorl1, dla rr'szr'stkich liczb rzccz1'rr istl,ch. a l1aSZa ztlrictllta prz5jntrjc
rvafto ci od 0 do 400. Dla picr\Vszego przcdziaItt tnocnr1,' Zapisa, Zc:
P(0 <
-Y
< t00)
=
P(-a < X < 100)
=
f
('i' . I OO)
.
a dla ostatnicgo: P(350<X <400)= P(350<'\'<,t)= P(.Y >350).
Stcl rr1znaczollc prarvdopodobicristrr'o dIa picrrvszcgo przcdzialu rrr'llosi:
(x-211,75
100-217.75)
P(X<100)=/l
\
71.75 7 4,15
)
=
PQt <-1,575)
=
O(-1,575)
=
I
-O(1,575) =
0,058
Trsrv I TepRRAMETRYczNE
a dla drugicgo przcdzialu:
/roo-
2I'r.15 x-2Ii.i5 ti0-217.75)
f(100<.Y<150)- P
'
<-:j--=--jr-:r=P(-1.575<ir<-0.183-l)
[
74,75 71.'/s 74,7s
)
=
o(-0.1 82)
-o(-1,j75)
=
I
-rl.t(0,1
82)
-l
+O(1.57i9)
=
0,125
Pozostale rvarto ci podallc s rv tabcli :
Tabcla 6,7
197
x,,!
/(
r-
-
/ | / I /\
" ltl
74rt
r,,,
-2Il.J 5
7 1.1)7 5
Qt(u,
1
O(rr,*
P,
ltl)t n
f
nl),
(u,
-
ttpi)'
ttpt
100
150
200
250
300
350
100
t50
200
250
300
350
co
_a)
-0,906
-0,23',7
0,43 l
1.100
t.769
- r
.575
-0.906
-0.237
0.43 r
I .100
|
,169
0.000
0.05 8
0.1 82
0.. 06
0.667
0.84
0.962
0,05 8
0,r82
0..r06
0.667
0,861
0.962
1.000
0"05 8
0,1 25
o )1J
0,26 r
0.1 97
0.097
0.038
t].28
37,13
67, t.{
78.2'
59.25
29.1 5
I 1.53
2,28
flt
| 1t
+.L
t./)
0,8t
0.3 00
0.l7
0,068
0.22e
1.015
0.025
0.5 5.1
Sunra 3 00.00 2.36'7
ZrclIo. obI iczcltiir rt'|astte
Zate m w'at1o sprarvdziaIiLt tcsttt
)
^ "..
y
=
/ 111 |
obszar.odrzuccnia
jcst
prallostl.olltly. a
'jc-uo
rrarto gr.aniczn rvobec 7 klas
ztniennc.i' 2 szacolr'alll.ch pnralnctrri, rozkladtl odcz;''taIn1. d|a 1-2-|:1 stopIri slr,obody
i zadancgo poziornil a=0.01 . Zatcnl
lV
=.
Xi.n, a,+co)
=1
13.277'.+.r:) .
obliczolla lr'alto sprarr'dzianu testtt Itie naley do obszartt odrztlccllia, llie llla
zatern podstarv, by sdzic' ze r.ozk ad
popuIacji rni si istotlric od rozkladLl
norurahlego. e
6.2.3. Testy zgodno ci dwch rozk adW empirycznych
Weryfikacja h ipotez dotyczcych zgodno ci dlr'ch rozk,ladrv
ernpirvczn.vch ma na celu:
sprawdzellie, czy nla|]ly do cz1'nienia Z prballli pochodzcynli Z
jedllej
popLr lacj i generalncj.
cz1' popLllacje z ktrych pochodz prby s takie satrle pod rvzglderll
rozk adu badanej cech)'.
zbadanie. czy analizo\\,anap|ZeZ nas Zbiorowo zrlliellila si.
We rvszystkich prz1'padkach odrzucenie hipote _ o Zgodno ci r.ozk, acltr
aznacza wystpowallie istotnych rnic rv badatly'ch zbioror'vo ciach. Tak rr'ic
198 WeRyr lxRcL HIPoTEZ STATYSTYcZNYcH
lllozellly tlvierdzi, ze nie llalez one clo tej salrlej poptrlacji generalnej lub. ze
tl.ystpily Znaczce zllriany lv atralizorvallej (llp. rv' clrvch rztl),ch okt.esac|r
czastt) zbiororvo ci. Do rr'er.y'likacji hipotez1'o zgodllo ci rvvkorzy'sttrje si rzne
testr'. r,v rod ktrych olrrlvitll\,test ser.ii, InecJ iatlv i zIlakw.
Test serii d|a dwch
popu|acji
Niech bd dane dlr.ie po1ltrlacje getteralne o dorr.oltlyclr postaciach
dystrybuant F,(x) i F26), z ktry,cll rvylosorvatlo drvie prby o liczebno ciach
odporviedrlio rw,tlych tt, i t . opierajc si na rvyrlikach obu prob chcetlty
zrveryfi korva h i potez :
FIo: drr'ie prby pocIrodzzpopulacji ojedltakowyn roz'kladzie, co
n]ozna zapisa rv postaci F,(x):F2(x),
rvobec Ilipotezy' altelnaty\ Dej
l_l': dvr'ie prby rrli si istotnie rozkladeIli. a lvic F
16) I-)(s).
Werr,fikacja hipotez1 H., testeIll opar1) nl lla rozk, adzie liczb5, serii
przcbiega IraSt[)(l
ico:
1. rr'vniki clbu prob pclrzc1kLrjclllr rr
.]ccle'tl
ciu ri.edltrg rosIlcych rval.to ci,
2. przr,porzdktlrl.ltjetllr' e-lclllcIlto|ll tegt-l cigu s1'rllbol a.
.|e Ii
pochodz
z piel.lvszej
1lrb1
. a
1lozostlilltll
b i rrzrskrrjcll)\ \\ ten sposob liczb seriit,
3. dIa ustaloticgo ptlziolllLl isttltllo ci u oraz clla odpolviednich llI i n,
(liczebrlo ci prLl) oclcZ}ttlj!'|]1\, z tablic rozk adtr serii tak wartosc
kt.yt5,g711 k*by zachodzila rorrtlo
pk
< k.)
=
o,
4. obszar odrzucenia
jest
yy
=(|:k,,).
Hipotez lJ o odrztlcallly |la fzecz
lripotezy alterttatylt'ttej.
sd.Y
tlz\,skalla liczba serii k z dartego ciegu nale1' do
przedzia 'u
(t. "). Natonliast gd}' k e(k";*), Itie nla podstalv c|o
odrzucetlia hipotezy YI,.,, e rozklady' badarlych populacji sjednakorve.
Urvaga!
J ezeli ta salrla rvarto ceclry X rvy'stpLrje w obu prbach' rla|ei:y przyj takie
uporzdkowanie synrboli a i b, pr.z1' ktr1.lll liczba seriijest rnrliejsza.
Przyklad 6.5
Korzy'stajc z BiuIefyllu Stat1''stycznego z |Y'97 otl.zvn]a|lo nastpujce dane
dotyczce spoz1'.cia rvb (*.kgiosob) rr,rrvlosorr'atrl'cli rodzinaclr zanlieszkrrjcr'ch:
lniasta: 4,5; 8.2; 3,2: 6,6:5'8; 9,. ; 9,8; 5,6; 7,2;7,8:,4; 8'4 oraz
tercrry'u'iejskie:2,2;0,8; 2.6; 1,4: l,-5; 3,9; 4.6; 3.0.
Tesry NIepnRRMETRYCZNE
Sprarr'dzi na poziolllic istotno ci 0.025. czy rozklad spoi1'cia r1''[r rr' rcl rodzin
zanlicszktrjcyclr nliasta i ri,sic istotllic rlti si.
Roz*'iazanie
Stau'ianry' h ipotczr' :
H9: rozklad spozr.cia rr,b rr' rd rodzill zalnicszkLl.jc1,c|r lniasta iu'sie nic rlli
si istotnie,
H1: I.ozklad spor'cia ryb rv rd rodzitt zalnicszkujc1'c|t lniasta irr'sic istotllic
rcini si.
Podarle r''.arto ci porzdktrjcnr1' rr. szercg IiicrllaIc1jc1. i pod kad dalr
oZl1acZalll\'. z ktrej prillrr pochodzi (a
.lniasto.
b- lvic ):
0'B l'4 1,5 2,2 2.6 3
-].2
3.9 4,5 4,6 5,6 5'8 6'4 66 7,2 7'8
&2 &4
9'1
8
b b b b bba b a b a a a a a a a a a a
obliczanly' liczb scrii
bbbbbb a b
l2-l
Manly zatcIll /c scrii.
Na pozionlic istotlro ci a=0,025 i dIa liczebnoci prb lt;|2 i n1=8 rr,'arto
odczy,tana z tabIic rozk'ladtr scrii rr'ynosi k,,
=
s, LY
=
(l;6)
'
Natez)- zatctn odrztrci
hipotcz l{o lla rfccz hipotczv altcrllatl,rr'nc.i I{t Spor,cie r) b li' rd rodzitl
zanricszktlicvch lniasta i lrsic l.tiilri si istotrlic przr.2.59il bldzic I roclzajtr.
c
Test mediany d|a dwch populacji
Z drl'ch popLrlac.i i gcl]cl.alll\ch tl tlouoltll'ch dlstI.1'bLtatltach rozkladlv
F161 i F,ftl \\'\'loSo\\atltl tlrric
1ll
r,bl tl liczebtlo ciacIr odporviecltlio rlrttyclt
n, i n2. opiera.jc si lll rrrrlikach clbtl
l;rb
chcellll' zrr'etyfikorva hipotez
dot1'czc zgod n o c i r.tlzk I ad ti tlbu popLr lac.j i :
H,,'. F, l.t' t =-f
-.r
1
r.
t1': F,(x1 F.r11,
Wer1'fikacja hi1ltltcz1, H., za polnoc testtl nlediany przebiega
llastptrjco:
1. Z $)'|)ikw obLl
1;r.cilr
nalezy Llt\\'orZ\, cig nierllalejcy i Z tego cigu
rr'yztlaczy lncc1 ian
(1'1c).
2. lr'sz1,stkie obserrr,ac.jc Ilalez1, ZgIt|po\\'a rv tablic czteropolorv:
199
k"
ab
J 5
aaaaaaaaaa
6
200 WERyFTKAcJ A HlporEz srATysrYCZNYcH
Tllbeh .8
CZteropoIo\\'a tabl ica wr'korzyst)'\\'aIla lv tecie Ined ianY
Obscni'ac ic
Prba l Prba lI Razenr
'lvlc
ntl 11
t
tl
t
\_lvltr
11:l 11:
Razern t1.l t1.2
I1
3. tablic t nalezy potraktowa
jak
tablic
rv-Vkorzystyu'ari w te cie
tliezalezno ci
72
i wy,zllaczy r'varto c sta,styki
;r
,
tak
jak
nla to nliejsce
rr'
te cie lliezalezno ci
7r
(porrvrlaj 6.2'.1); statys,ka ta nla przy za|oenirt
prarvclzir ,o ci lripotezy H6 asyrllptotyczIty rozklad
7r
o
jcclnr'nr
stopniLr
srvobody,
z tablic rozk,ladu
7)
d|a ttstalotlego poziotllu istotno ci ijednego stopllia
slt,obod1 odcz1rtr1erny \\al.to c krr(r.cztl
7: ,,
|ak. ie P(x. >
x,.,)=
o
(rys. 6.2).
lt
5. IV
=
\/.,.
cn)
.
lripotez [ l., odrzttcatllr lll] l.ZecZ hipotez1' alternat1.rvnej.
jeze|i
7)
"(;.,:).r.
1lrzcciriIlr.tll 1lI.zlpadktt.
tzrl. gdy
z,.\O;7,;)
nie
ma podsta*, do oclrzuce nia hipotczv H,,
Przyk ad 6.
Z l i ll roktr studirv u,1',losorr.ano po l l studctltrv i okrc lono liczb zaj
obou'izkorlych, ktr kady z llich oprr cil ri'cigtr l.oktt:
l r.oktl: 3. l0.6' 5. 6, |2'6,4.8. l0. l
II roku:
'7
.
6,9, I 4. I 0. 9. 5, 9. I 2. 6, 3.
Na pozionlic istotllo ci 0,05 stwicrdzi, czy studcllci I ill roku rzni si istotllie
pod rvzgldelll liczby opuszczonych zajc oborr'ipkorvy'ch rv cigu t.crktt.
Roz,tviazanie
Starviarny hipotezl.':
t{g: studenci I iII rokLr nie rni si istotnic pod r .zgldt.lll optlszczaIlia
oborvizkorq.ch zaj;
t{1: studenci l i II roku rzni si istotnie pod lvzuldcllt opttszczanie
obort'izkorrych zaj;
TrakttIjc dalle z I i II roktl
.jako
jedcn
cig obliczalny lrrediall. W tynr celtr
rr porzd korvuj enrv danc rr' c ig n ic nlal ej
c1.
:
3,3,4,5,5,6,6,6,6,6,6,7,8,9,9,9, 1 0, 1 0, 1 0,12,12,1 4
I ESTY NIEPARAIVETRYCZNE
Ponierva n:| |+| I:22, czyIi /V,,n"
=
?
=
,,
,
rr,ic tllediana lvr.llosi
2
Me--x,
=6.
DIa danyc|r z przvk adu t\Vorzv|.nv tablic czteropololv:
T be|a 6.9
Obse rrvacie
II
Razcm
>6
A
1
tl
\--()
7 4 lt
Razenl ll ll 22
Zrtitllo: Obliczcnia u lasnc
Wcrr'ntrz tabcIi .9 podalro Iiczb studcIltrv liII roku. ktrzy optr cili
odporvicdriio mnic.i i riiccj zajc ni u1'nika to zc rcdltie.i
(ri'-v-zriacz<ncj
z |t[e).
W daIszyln postpo\\a|lit| t\\'orzv|tl\' tablic liczebllo ci teoretr'czll1.ch. tak
jak
rv prz1,padku tablic1 rlr korzl'stl'il'ancj \\, tc cic niezaleIro ci
z.
. l,iczcLrlltlci
teorctyczne obliczanll' zc \\'zoru (6.5). Zatcm:
Tabe|a .l0
Obs.'ttt rtcic il Raze rn
6 f.) ).)
-
).) l1
[{azcnl 1l I]
))
Zrridlo:
(
)bi lczenrir rr liL:na
Przy,kladorvo dla strrdt.rltclrr Il l.oku. ktilrzl- opu cili Innicj ni
1lrzccitna
liczba
zaj. rnanly:
^
rtt.n, ll.ll
"l: -
n
,,
Trvorzvnrl, tabIic. rr kt(lrcj zanliast liczcbno ci ulnieszczall-tv rlricc polnidz1'
liczebllo ciallri ctllpirr,cznllni. a liczcbno cianli tcorct;'czllvnti. tzt.l. 11
,,
_
,,.,
Tabela 6.1I
Obscr*'acic II Razcrlr
>6
1.5 t.5 0
<=6
t.5 r.5 0
Razcnl 0 0 0
Z-rdlo' obIiczcrlia rvlasnc
201
?o2 WERYFIKACJ A HIPOTEZ STATYSTYCZNYCH
\.koIcjllcj tabcli
pornidzy liczcbno cianl r
r tl
ltt.
-
ti
I
\ '/
'tl
IZll.
------:
11,i
r=l
i=l
tl
Dla pozionlrr istotno.ci a
-0.U-i
prz\
odczytalra z tablic rr'r'llosi
z,
=
3.s- l .
w'ic podstail,do cldrzuccllia hipotcz1' H0
stlr'icr.dzic. zc studctrci I i lI roku rzni
przcz liic|t oborvizkoli,y ch zaj.
zaIrliast liczcbno ci utllieszczanrv ilor.az krr,adl.atu rzllicy
cmpirr.czny'tll i. a tcolet,'.cznvnli przcz l iczebllo tco|ct},cz|l
Wr'zllaczona ri tcn s1losb stat)'st}.ka (6.) liyrlosi
rrl\l
'r
=Y5-
Vlli
-ll,,/
-
l.]
t
- /../
t1
jcdrl1nl
stoprlitr srrobody'' lt.arto c rozkladu
f
Zatcl.ll
x2
=1.61
trI,'
=
(3,84]1co),
llie llla
Na poziolnic istolno ci 0.05 rlie lnozlla zatctl.l
si stat1'styczllic pod rvzl|dcnl oPuszcza
Test znakw
Niech bd dan drvie popllIacje ge|]err|ne o ci.ql1'ch rozklac|ach
dystrybuarlt /.'r'rl i F,(x), z ktry'ch \Vylosowal.Io
jedllakorv
liczb paranli
odporviada.jcych sobie n elelllentrv. oznacza to, Ze rvarto ci obu prb s
vr,'zajenltlie
1lor'l'izane,
gdyz odnosz si do eIenlentrv polczollvcll pararlli.
opierajc si na tych rv1'rlikach nalezy zrr.ery-fikorva hipotez
Hu: drvie prby pochodz z poprrlacji o
jedllakolvyl])
roz'k adzie, tzll.
F,(x):F2(x),
wobec h i potezy alternarr'nej
H,: du'ic prby rzlli si istotllie pod rr,z.uldetlt postaci r.ozkladu.
Wery'fikacja hipotezy I{., testcIt't zltakrv przebiega nastprr
jco:
l. badarrly znak rzllicy pal. rvyniklv tr, obtt prbach i znajdrrjemy liczb t1,ch
znakw' ktrych
iest
rnniej (e li S rv prbie pary o iclerltyczrryclt
lvarto ciach, to nie fozwaallly ich lt.te cie),tzn.r:tttitl(l-,r+), gdziel.- il.-
Tabela 6.12
Obscrrvac
ic
I II Razenr
>6
0.41 0.41 0.82
<=6
0.41 0.41 0.82
Razcln 0.82 0,82 t,64
Ztdlo:
()bIiczcrlta
rrIltsltc
TEsty t'l l rp R, METRYcZ N E
203
oznaczaj odporviednio liczb znakrv trjenlIlych i doclatnich rrlic
rozwaza|lych par lvyll i krr,,
2. ztab|ic rozkladtr Iiczby'zrlakrv odczrtr"rjerlly,dla 1;.7|1l par rq,nikrv
,l o|.az
prz1'itego
1loziotlltl
istotllo ci u tak rr,ao
kl-rt1'czIll1 t,a ze
P(,'< ru)=o,
3. obszar odrzucenia nra postac LIt
=
(O:r,),
4.
jeeIi
r eLI/
,
to odrzttcatn1, hipotcz Hn tta rzecz hipotezy altcrrlatvlr.nej.
rv przecirvtlynr prz1'padku
tzn. g<|y,
r
e
V brak podstarv do odrztlcenia
lripotezy' ie obie prby pochodzz jednej
populacji.
Przyklad 6.7
Tabcla 6.l3 zari'icra dallc doty'czcc Iiczby dctali rwkonanvch przez ty'ch salnr,ch
pracow'rtikrr'lv
czasic prac)'
|la dwch rznr,ch ztniallach:
Tabela 6. l3
W5,da.ino pracorvnikrv pracu
jcych
lrit dlvrt rnl,ch znlianach
Zrtiijlcl: Dane t|nlo\\'I1
Na poziolnie istotno ci 0,05 sprarvdzi.
zmianach
jest jcdnakou'a.
Rozrviazanie
Starr ianly lripotczy'
czy rvydajllo c pracorr'llikrr.
lia obu
H0: \ydajno c pracorrtrikrv
na obu znrianac|t
jest.jednakou,a;
IJ
1
: rrydajno pracotr'niklv
na obu zlliianach
iest
lna
Lo. Pienvsza zrtrialta Dlrrga znriarra
24
t4
2
I.t
/a
I5
J 03 05
09 U)
5 0l 95
6
3 i20
7 91 96
8 06
03
9 05 0-s
0 06 00
il 08
2 l0 04
J lo l0
4
98
90
00 9
Lp Picnvsza zlllialla Druga znrialla
6 l,s il
7 20
06
3 0-1 05
09
0l
t0 0i
02
2l )2
00
')l
]J
l0
ti ll
08
),1
!a l6
l8
25 05
03
lo
08 05
21 IO
00
28 0.1 95
29 90 90
i0 03 100
204 WeRyrlx, c.l H IPoTEZ sTATYsTYcZNYcH
Lp. Picnvsza
zlnrana
Dluga
znriana
Rcjnica
I 2A l4 l0
2
1
t l5
J 0i 05
_)
I
09 05 1
) 0l 95 6
6 36 t20 l6
'7
91 96
')
8 06 UJ J
o
05 U) 0
0 06 00 6
l1 08 J
)
l0 0.1
J l t0
1 98 90 I
5 100 9.1
Y.' 7
L'tt 'o
t
./(')
=
r=l
I t,tl
, t '-' ,
K
Y., T
L'01'01
'I
=l
_
wed Lrg forrlu y Paaschego:
k
Y.' 7
L'ty 't1
/L-l
i,/,."
=- \1.2)\
\',,
,t
L'0
t,
tt
'J =l
Wplyw zurian czasu pfzepracowauego (strLrktLrry zatrudnienia) na wydaj-
no ogln allalizuje Si Za pollloc fbrl]lLl}:
-
Laspel'rcsa:
kk
\-'' T \-. 1
L,at, t L_,
,
,tl
.l
="
]'^'\Ir.
k
\.,.-')
tr t
L'll \)
|
t=l
r=l
Paaschego:
kk
\-., r \-,, z-
L't1'ty L'tl'0t
,-t , r
t,I.,tr
=?:-
*-.
(7.24)
\-1n \-'n
/,,ll L'At
.t=l /=
I
Nal ey pr4' tym ZIU\Y o. v- C, ze zac|l odzre l acj e :
/(--)- 7(') r
-
r(,) t
r
t,
-
!.
)
t' I'
r
.ytr.
-
l'L t' l.
I
\tr
('7
'25)
Przyklad 7.11
Badajc wydajnoc pracy w pe\Vll)l,ll zak adzi, przeprowadzono
odpo\\'icdnie
badania w trzech wydzialach tego zak adtr i otr.zytnano nastpujc lv),niki:
I NDEKSY AGREGAToWE (zEsPooWE) zo
Tabcla 7.1 I
Dane o liczbie zatt.udnionvch i w'ielko ci produkc.ji rr, lrybranynr zakladzie
Wydzial Liczba zatrudnionvch Wielko c
produkcii
na zatfLld11ionego
I 970 l 99 l9'70 1996
100 90
tn )')
II 40 50
),.1
2_s
IIi ll0 100 25 22
Zrtidlo: Dane unl(r\\nc
Na podstar,vic t.vch darr1'ch przepro\\.adzic wszechStronn analiz rr1da.ino ci pra-
\V t},ln Zak adzie.
Rozr.viazanie
Sporzdzalll1' tabel lobocz:
'labcla
7.12
W1,dzia Liczba zatrud-
nionvclr
WieIko c pr.odtrkcj i
na zatruclniorteqo
Tg Tr \'() rt
''tTt
\,070 t'tTa vo'ft
l0L) 90 20 22 I 980 2000 2200 1 800
II 40 50
')
.l
l5 I 250 960 I 000 I 200
III ll0 r00
))
2100 ]6. 0 2.{20 1400
o'rlenl 2_50 210 543 0 5600 5620 5100
obIiczIll1' indeks ii'ydajno ci pracy rvg relacji (7.l9):
.{-r
5430 _i600
1,-,_-:
=
1.003
'
240 250
Zespolorv,v indeks wydajno ci pracy wroku 1996 lvstosunku do roku 1970
r'vzrs o 0,8%. t.l.a
ri'ielko
t nia 'y rvplyw zniiany' rv rvr,da.ino ciach czstkort1'cll oraz
zrlliany lv struktttrz zatrudnicn ia.
oblicznr}' indeks1, it'i;dajno ci cz ciorr,ej (7.20) i (1 .2|):
,(,I
5610
,
rI,'=
r,004=|00,40
5600
Przr' zaloeniu. ze zatrudllienie bv o z|9]0, a tr,vdajno c z|996 roku lnoenly
powiedziec, e rvp|yrv na \\,Zrost il.yda.jno ci zespolort'e.j lnia'l r,vzrost wydajno ci czst-
kowych o 0,4o,
5410
,,
/l'',
= ? =
l,00
=
l 00.9,o
5400
Przy za|oenitl. e zatrudnienie by,lo z 1996' a rv1'dajrlo z |970 roku llroemY
powiedzie. ze wp -vrv na wzrost rvvdajno ci zespo orvej tnia r,vzrost rvydajrloci czst-
korvych o 0,6%.
Obliczamy indeksy str-uktur)' zatrudnienia
(7
.22) i
(1
.23),
.
5400 5600
I
I.,,.
=
:----
=
l.004=|00.. 0
240 lso
Przy za oeniu, z zatrudIlienie by o z 19,70, a wydajno z 1996 rokll n]ozetny
powiedzie, Ze wp-lyw na wzrost wydajno ci zespo owj lnia a znliana st|uktutJ zat|L|d-
nierlia o 0'5 9.
54iO i6)0
,,1.,, =
240 2s0
Przy za o'eniu, zatrudrlienie b,vlo z 1996' a lr.ydajno z |970 roku nloiellty
polviedzie, e lvplyrv na wzrost uydajrro ci zespo orve.j rniata znriana struktury Zatrtld-
nie nia o 0,.'l 7o. e
264 At{ l.tz,q DYNAMIKl ZJ AWISK
7.4. Indeksy
gie dowe
W zwizkrr z potrzeb ocelly SytLlacji na rvtrnynr rynku papierw warto-
ciorvych tzn. na gieldzie i r , obrocie pozagieldowynl pojarvi a si konieczno c
okre larria dla kadego
ry'rlku
sy'ntet\cZllego r .skaznika. ktry odzlvierciedlaIby'
ztrriany cen akcji na daIle.i ses.ji. Na4rva si go lvskaztlikienl ry,Ilktt. indeksent
gie dy bdz wskazrlikienl gie d,l, (allu. tllarket index).
Irrdeksy gie dorve \\' S),|ltet\'cZtl-r i ii'r'tllierrly, sposb przedstawiaj tendelr-
cje rvystpujce lla gieldach papierw rvarto ciorvyclr. S olle r,vskazIlikatlri
znrian
''v
redniej war1o ci wybranej grupy papierw wafto ciolvycli' Indeksy
gie 'dowe obliczarle s dla kadej sesji
gie dou.e'i i za|ezod ztltian1, l<ursrv pa-
pierw rvarto ciolt'y'ch' Dziki nitlr trlozlla olce lic, czy w dany'lll okresie rt.yst-
ptrje tendencja spadkorvu
'..1,
2u,yzkor,r'a kursrv akcji. Indel<sy gie dorve r,v1,ko.
rzystywane sprzez osoby starajce si okre lic prognozy kursw akcji i przez
inwestorrvl07'
Sz,vbki 'ur,zrost
warto ci i rdeksu oznacza' ze rra gieldzie lnatlty do czynierlia
z lross czyli sytuacj w ktrej ktlrsy rvikszo ci papierw rt'arto ciorvych id
w gr. S1ladek lvarto ci wskaziika
jest
cllaraktery'Styczny dla bessy, czy|i sytu-
acji odwrotnej.
KlasycznyIll przyk adenr indeksu l-lloze b.vc wskaznik Dow-J otlesa,
o ktry'll czSto wspon i naj
serrv is1,' i tl fbnllacy
i
lle
l.]s.
l07
Por'uvnaj Reil|y F., Brorr,n K.
[2001l,
s. f2|.221,
l08
Zostal o|l stwol.zon)/ pl-zez Char.lesa Il. Dorva (picrrvszego rvl.darvc slyIlnej gazeti''Wall
Street
J our.rlal,) i D, J onesa. ktrzy rv latach 80-t1,clr XIX rr'iektr zaczii na podstarvie kursrv najri'a.
lliejszr.cll splek notoir,aIl1'ch na gie dzie llorvojorskie.| licz1. przecitlry,kut.s odztvierciedIajc;-
tendencj gie dorv. Na pocztek zsttt-tlorvali kursy l2 lirnl i r'vynik podzieliIi przez |f
'
INDEKSY GIEDoWE 265
Wikszo c indeksw gieldowych to agregatowe indeksy r'var1o ci (czaseIlr
w pewien sposb znlodyfikowane), reprezerltujce zllian rvafio ci rynl<owej
pewnego koszyka akcji gie 'dowych w por.uvtlaniu do pewnej rvarto ci bazowej
(z poprzedniej sesji lub rv stosunkrr do pert'nej lvarto ci pocztkowej).
Incleksy gie dort,e pe}n i
n astpuj
ce
tunkc.j e
l 09
:
s wska rrikallri koIliunktury na danej gie dzie.
u atrv iaj
trrot-l i torowatl ie ztll i an u.arto c i kap ital rr tla lrynku.
s odbicienl tenderlcj i charaliter),Ztr
ja.c1ch
dallii gospodark'
wyl<orzystywalle S do pro gll ozott,an i a trell drv.
indeks gie d1' nroe bl'c traktorvaliv rrvnie
jako
instrutnent fitratlsor,vy, co
ma znaczenie przv opcjach i instnrnrentach pochodnych.
Dobry indelis gieldolvy' porvinien spelniac nastpujce warunki:
wskazywac
jakie
zasz 1' zllriatly lv cenaclr akcji (papierw r,varto ciorvyclr)
na gie dzie rr' dalll'trr drliu w porwnaniu do pewnego okresu podstalr.owego
tzl]. rosnC. gd1' rosn ceny wikszo ci akcji. a spaclac. gdy spadaj ceny
wikszo ci akcj i'
opierac si na stosttnkorvo dLrej liczbie akcji, reprezentujcych przewai.
ccz akcji. ktr-r.'rlri obraca si rra danej gie dzie Iub sektor charakteryzo-
wany przez c1arr1, illdeks (np' dla indeksorv branowyclr),
nie za|eec oci salny''cll rvafio ci akcji. a
jedynie
od znrian rvarto ci.
uwzgldniac udzia11'akcji danej splki w zbiorze rt,szystkich akcji, ktrynli
si obraca lla dalle.j gie dzie.
Indeks gieldou'1 nroe tlu'zgldniac r,vszystkie lub cz al<cji notou.atl1,ch
rrr oicldzie rrrr
wIG i WIRI{- uu.zgldrriaj wszystkie akcje rynku'
WIG 20 rrr,i'zgldnia tylko pervn liczb wybranych sp ek rynku podsta-
wowego,
NYSE (Nerv Yorli) urvzgldnia r'vszystkie akcje gieldy rrorvojorskiej, czy|i
oko o 2300 alicji.
DJ IA
(Dorv
J ones) Z l\ve\\' York ulvzgldnia 30 sp ek przemysl,owych,
S&P 500 zNelv York rrrvzgldnia 500 akcji.
IrTSE (Finansal Tennes.s) 100 z gie d1' lond1,riskiej ur,vzgldlria l00 akcji,
Wilshire 5000 Equity Index urvzeldnia lrsz'"-stkie akcje znajdujce si
lv obrocie w USA.
Wyrnianly nastprrjce sposob1' rvaenia akcji w indeksie:
waenie rvar1o ci
rynltorv
spo ki (kapitalizacj - np. WIG. S&P 400.
DJ WSI
-
Dow J ones World Stock Index, MSCI
-Morgan
Stanley Capital
""'
K. J a.luga
[2002],
s. 96
266 At{ t-tz,c DYNAMlKI ZJ AW|SK
International lndex. TechWlG, WIRR). W tak konstnrorvanynl indcksie
r,vikszy- r 'p ylv Ila tr,atto c indeksu nrajspIki rviksze, cry"Iite o rviksze.i
tr.arto ci ryrlkou ej.
rvaiellie cenakcji spllti (np. DJ IA-Dorvn J otres Incitlstrial Average, NIF),
jedllakolva
r,vaga niezaIezllie od rvarto ci spoIki lub akcji np. Tok1,o Itldus-
trials, Tokyo Rails.
Na Warszalvskiej Gieldzie Papierorv Warto ciorvych
I |0
rvr'korzysttlje si
kilka
plv
indeksrv gie dorr1'ch: WlG' wIG20, MIDWIG'WIRR, MIDwlG,
TechWIG. NIF itd.
Najstarszynr i najbardziej zuany'nr indekscnr rvarszanskiej gieldy.iest WIG,
czy,li Warszarvski Indeks Gieldowl, uvliczan)'od pierrvszej ses.ji, czl'li od l6
krvietnia l99l rokLr. .Iego lvarto okre la si rra podstarvie cerr akcji splek,
trotorvatll,ch lla rvllktt podstarvorr'\'nl (za rr.yjtkierlr Narodorvyclt Futtdttsz-1' In-
\\'Stycyjn)'ch)
-
jest
to rvic tak zrr'an1'' illdeks szeroki (rynkow,y). obecnie rvar-
to c indeksu WIG
.jest
obliczana rla biezco. W drliu, rv ktryln odbyu,aj si
notorvania, o godzinie l0 rarto
1lodarvalla
jest
tak Zwal]a rr'arto otrvarcia. rv
ci-lLr sesji illdeks
jest
obliczally co nlintlt lla podstarvie zarvierally'ch transakcji'
Po zakoliczeniLr sesji obliczany
jest
kurs zanrknicia.
I(ole-jny szeroko znany indeks to WIG20. W sklad porlfela te_qo indeksu
rvchodzi du'aclzie cia na.irvikszych sp|ek. llotorvan1'ch lla gieldzie (akcji
o
najrvyzszej p vnno ci)
-
jcst
to rr,ic illc|eks u'ski (cenorvy')' Z ttlvagi na fakt, e
odrvzorolvttje otl zac|lor,r'allie tla.irrazllie.jsz1'ch akcji,
jego
ztltiany s pilnie ob-
serwowane przez n'nek. Incleks ten.jcst ponaclto tzn'. instrunrentcl)r bazowl,nr
(podstarv rvyliczeli) dla kontlaktrv terllrinorq'ch. Warto c WIG20
jest
oblicza-
na od 16 krvietnia l994 rokLr. Podobnie
jak
w prz1,1ladkLr WIG, rvarto irldcksu
WIG20
jest
podarvana t]a pocztkLl illa koricu sesji
(tzri'' u,arto otrvarcia iza-
rrlkIlicia). W trakcie sesji rvao c tego irldeksu
jest
obIiczana co 30 sekulld.
MlDWIG
jest
to iIldeks, odrvzororvujcy zachorvallie 40 akcji rcdrlich
sp|ek,
jego
rvao
jest
rv1'liczatra od 3l grtrdnia l997 roktr. Warto illdekstr
jest
podarvalla na pocztktr i na kolicu sesji, rv trakcie tlotolvati zlllietlia si co
nriltttt. J est to rrvniez przyk ad indekstr ce|lo\vego (wskiego).
wIRR to indeks ryttktt rr.',rtoleglego' obliczaIry' na podstarr'i cCll 11oto\\'a-
llych tatn spo ek
-
jest
to rvic rvska Ilik typtl szerokiego (dochodorvego)' War-
to indeksrr WIRR
jest
obliczarla od 3l grLrdnia l994 roku. W dniu sesji rt'ar-
to iIldeksu podarvatla
jest
drr,ukrotnie: o godzinie 11.30 (po
tzrv.
1rierrvszy'rlt
fixingu,
jest
to lvarto c otrvarcia) oraz po zakoriczeniLrses.ji (kurs zarllknicia)'
NIF
jest
itldekserll' ktry pokazuje znriany cen akcji Narodorv-vclt FuIlduszy
Inrvestycyjrlych,
jego
rvar1o
jest
obliczaIla od l2 czerlvca 1997 roku. Codzien-
]l0
Porrr,Ila.j prace pod red' Nolr'aka D.
Il994]'
s.234
ANALtzA szEREGow czAsowYcH 267
nie podawana
jeSt
\\.arto c otwarcia
(po godz. l0) oraz rvarto zarnknicia (po
zakoticzenitr sesji). W trakcie sesji warto c tego irldekstr
jest
obIiczalla co plto.
rej rniuutv.
TechWIG to indeks opisujcy tZ\\'. Segnle|lt [nIlolvacy'inych Techrlolo-qii
(SI.fech), czyli zachorvanie akc.ii sp]lek, zaliczany'ch do sektortr,: tlledialtlego,
inforurafycznego i telekornunikacy,jnego. TechWIG
jest
ponadto
-
podobnie.jak
WIG20
-
illstrulllentellr bazorvynl dla koIltaktrr' tertttiIlorvych. TechWIG.jest
obliczany od 31 grLrdrlia 1999 roktl' rv dniach ses1jnych
1lodarr.atle
s koIe.jno:
warto otrvarcia,lvarto ci biece rv trakcie tlotorvati (obIiczane co p IniIluty)
oraz kurs zanlknicia.
obok rvynlienion1'cll l1'ej indeksrv, giclda oblicza rrvrlie lvarto c in-
deksrv sektororvl,clt (subillcleksy sektororve) obraztrjce zntiatly cen akcji spl-
ek z rzllyclr segIlctrtrv gospodarki. Akttralnie obliczane s u,arto ci olrr'arcia i
zarnkIricia nastpujcych indeksrv: WIG-ballki. WlG-btrdo''vnictrvo. WIG-
irlfornlatyka, W l G -spoy\vcz}/ oraz W IG-tel ekorll Ll n i kacj a.
W tej pracy otllrvinly tylko tv celach illfor.nracyjrlych konstrtrkcj indeksu
WIG' gdyz rvszystkie pozostale s konstrtlorval]e lla poclobnej zasadzie]ll.
''.
Wszyscy chtIli nlog si zapoznac z konstrtrkcj indeksll'na stl.otrie http://rr'rr.rv.gprv.conl.pI
268 ANALtzA DYNAT\,4tKI zJ AWtsK
Tabelu 7.13
Wa rszarvski Indel<s Gielclolvv WIG
Nazu,a indcksu
\\,arsz;rrr ski Indeks CieIdorvv \ 'IG
Tr.n indcksrr
Indeks dochodow'y. obe.jnlu.jc1, dr*'idendi,,. i prarva poboru.
Liczba sple k
I I I (u dniu 22 pazdziernika 2004)
Krytcria selckcji
S1lIki Irotclrr'atle lta r1'trku podstarr,oil,1'Itr (nie trczestnicz fuIldusze
inrreslr'cvIlle oraz stl|ki llraicc srr siedz-ib
lloz.a
granicanli
PoIski).
Udzialy rv indcksic
Indeks iraiony ri'ar.to ci 11'nkorr lrotorr,aIly'cIl akc.ii' Udzia po.ied5,,Il-
czej splki
jest
ograniczall1, do l09' ajednego sektora do 307o rvar.to.
ci
portl.ela
indeksu.
Data bazorva
Piet.rr,sza sesja cie ld;- Warszarlskie.j rr,clniu l klrietnia l991 l.oku.
\\/arto bazorr a
I 000.t) pkt
Kaoitalizacia bazoua
57 140 000 zl
Obliczanic indeksu
['odczus krzdej ses.ii rra podstarvie kursu.jednolitego.
lndcks ptrblikuj CetlLrlit cic dr. \\' r.szarrskiej. Reuters. J IooIllberg. TeIerate' I}ridge,
Telctekst
(TVl'
l. TVI'l r
-l-ele*izia
Polonia).
Folnrula rrl,\
tt't]tt\=
"l'1
,t,(r) Iooo
,\/(0)
gdzie:
l/(,r-kapitalizac.ia porrlcla inilcksu na sesji
"1"
.
1///\-\-,,' /)
["tt
'tt '
t=l
|vI1)-kapita|izac.ia por.tl|a indeksLr rr'dttiu bazorrl,nr ( l6 krt,ictnia 9l),
5
,r r/n\
-
\',,,
p
|,tllttl,
t=l
K(|-rvsplczl'nnik ktlr'1,gu.jc1' na sesji
..l..,
I.. Iicz-ba iir.lrr urrzg|rIlliarl1cil rr' indeksie.
1l,,7,
'l|)6
- |iczba akc.ii i.tej 1ll.nlr'zIlajdu.jcych si na rvnktl odpo.
rvieclnio l'badanrnt i bazoulnl okresie,
t,,,
'
l,,tl. cena akc'ji i.tej lirnll zlrrrjdtljcych si na rr'Ilku odpori,ied.
nio rv Lratlarrr.'m ilrazorrrnr ohlesic.
Fonnula uproszczona
W s1tuac.ii' gd1'nie rv1 stpu.j Itiel.r'llkorve znlianv kapitalizac.ii port1'e.
la indekstl do obliczania ri.al.to ci iIlrleksu lllona Stoso\\llc ul]|.oszczo-
,,|'\
rlq lbI.IrluIq
1lrzr1:
ll /G(t)=
_:)!!l_4
il,lG1t
_
|\
'
:\/(t
-
|
|
ANALIzA SZEREGoW cZAsoWYcH zoY
c.d.]'abcli 4.17
Wsp cz1,nnik
r1''gujcy K[/
ko-
ZadaIrieru rvsp|czvnllili'a kory'gtrjcego K(tl
.iest
elinliIlacja lr,pl1,ry11
nielvnkos'r'ch znlian kapitalizac.ii na pozionl indeksu.
KlOt =. K(16.04.91)
:
I
A( l6.0l.9fl) - 0,02908i I
,1 tI t I
d(r+l)=
"')'1
x(r)
,l/v')
,,,., r1(r')= r1(1)- D(1)*
O(/) -vv)
gdzie:
r./,\_ \-
(f(l./)-
/'(r..'r))
r /;\
,
\t !
- /
-----;;-.
i--.-'
.'
\r /.
,\l/t+ I
D//l-rlat1cl:c tlrliJ r.tlcl. dtl ktiirrch prawo od|czono po ses.ii
''l..(re.
car(1-diric ).
I'l//-\\llrtosa lerlrel\clnli
Pril
pobtrrrr noto*anrch po raz ostatni na
sc:ji l"
Irre(l
odli.t.renicnl
irul
od akc'ii (r'ecord-date): dot1,czy,
tr lk.. .r1Lllrcii. g.l) te')|('l.\(,,11:t
tr.tIlrl c
lllil\\
p\]boIU
.iest
doclatIlia
iccnl
cnrisy.lna.jest nizsza ocl krrrsLr Llleldo*cuo),
()/1/-\a|tL) c
rrtlkorra akc.ji lrprtlriadzalrrch (+).
bd rwlczan1',ch (.) z
lro|tlcla
iIldeksu pcr ses.ji
../..:
dotrcz-r' to zarrrncl zri,ikszania pa-
kiettirr akc.ji sp|ek lrcze Ilie.i uczesttticzip1'clr rr, indeksie'
.iak
l.rr n iez sp|ek.|eszcze n ie r'lczes1n iczi1cl clt.
Prl,rr-kurs.iednolil) akc.ii
"i"
na se s.ji
"1".
I)
(
i' t t l t )
-cen,a lrou'e.| enl isj i ob.jte.j pralr erll pobortr.
,Stll-liczba prau,niezbdna do ob.|cia l ali.c.ji norre.j elllis.ji.
'\,/il.
I iczba akc
i
i
.'
l.' w
port
l.eI L| inrleksu
(rl,ieIko
t;ali
icttr).
Ks'altalne korekt Po zakoczcniu kaclego klrartalLl akc.je norr'r'clt splIek r:ieIdorr'r,ch i
no*rch ernis.ji *plo*'adzorlrch do obrolu gieldorvego rv zakoriczouvnr
.jLrz
klrartaIe s rr|czane tio portl.eIa irldelrsu. J ednoczc nie p|Zepro\\.a-
dzalla.jest operac.ja ogranicz'ellia Lrdzilltl po.iedvncze.j sp|ki rv indeksie
do l09. a alicjiz
jednego
sektclt.a c.|o 309'o bieiqcei kapita|izacii
portl.ela.
Zrdlo: Strona Il]1.rl1cto\\ a
(iP\\' (rr
rr.rv' gpu co|ll'p..
/
7.5. Analiza szeregW czasowych
Analiza Szere'q\\. czaso\q'ch po|ega na okre lerliu i rvyodrblliel]itl Z SZe-
regu \\'ystptrjcy'ch \\'lli|l1 pra\Vidlo\\'o ci' tendencjiot.az tra oddzieleniLr ich od
niesystenrafvcZIl\ ch. pr.Z},padko\\1'ch rvaltari' W szeregach czasow},ch wYrnia
si Zatelll drvie sk adoii c:
.
skladolv S\'Stnlat\'czn, bdc efektenr oddzia, yrvali stalego zesta-
wtt CZ\'l-lIlik\\, |la SZe|eq czaSowy oraz
.
sk adorv prz).padko\\' (Z\Van czSto sk'ladnikienl losolv;-tll lub lva-
lraniarlri pr'padko\V)'|ll i).
270 AN Uz,q DYNAMlKI zJ AWlsK
Sklador,va Systenlatyczl]a Sze|egu tlroze lllie posta
jcdnego
ILrb zloenia kilktl
spo rd eIenretttlv:
.
tendencji rozrvojor"ej (trendu),
.
stale-9o (przecitnego) poziotlltr Szeregtl'
'
sk,ladorvej okresorvej
(skladorr,ej periodyczrle.|)' ktra lvystptlie rv po-
staci rvahari cyklicznych lub sezonouy.'ch"-.
Z'atern rozrt,j zjarviska rv czasie lnoe by' lv1,nikietll nak,ladaIlia si lla sie-
bie llastpuj
cy,ch
czyrln iklv:
trend
-
d ugookresorva sklontlo c do
jc-dlltlkier.tlnkorwch
znlian
(rvzrostLl
ltrb spadku) rvar1o ci badanej zltienllej.
jcst
roz1latrr'rr'anv
.iako
koIrsekl'n'elt-
cja dzia arria stalego ZeSta\\,Ll czynrlikrt,, takiclr
jak
np. rv prz1,padktl Sprzc-
dtl"v
-
wzroSttl liczby potencjalll1,ch klielltlv, znliaIl rr,technologii czy ple-
1.e rencj ach ko ll s lt nletltrr,.
rrahirnia sezono}ve
-
re.ttlarlre odchr'lenia od trstalorlego
1loziollltt
]ub od
lillii trendu, lllajce sk onrlo c do porvtarzania si rv okre lonyIll czasie. llie
przekraczajcynr
jednego
roku' odzlvierciedlaj w'pl1,lv pogody Ittb ''kalclr-
darza'' rla dzia al rlo c gospoclarcz.
rvahania c1'k|iczne wyraaj si rv postaci dlugookrcsorr'ych. rytrrlicznych
rvahali rvarto ci ztnietlnej u'okl teIlc1cncji rozrr.ojorvej lub stalego (przecit-
nego) poziontu te.j znlienncj, rv ekononlii Sone na ogl zrvizalle z cykleln
kon iunkturalnvnl,
rvahania przvpadkorve
-
rvszvstkie znrialty o charaktcrze nieregulam)u'l z
punktu u'idzenia przebiegrr szeregu.
Idcntyfikacj poszczeglnych skladorr'vch szeregtl cZaSo\Vego konkretllej
ztrlientlej rrrnolirvia - rv u,ieltl przy,,padkacll
.
ocella rl,zrokorr.a spot.zdzotleuo
r,rykrcstl. Wy'kres Sz!-regtl czasowcgo l"ttllolirt,ia polladto w1'kr1,cic obser.lvacji
nietvporr1,ch oraz pLtnktrv zrtrotnych,'''.
7 .5.1. Szereg czasowy bez sk adowej systematycznej
Szereg czasow.Y bez sklarlorr.ej systenrat1'cznejll] charaktel.1'zrljc si za-
zlvyczaj tlieregularnyltl oscylorvaniellt rvafto ci zjarviska rvokl
l)ewllego
stalego
pozionttt. Nie obserwu
jenly
tu systenratyczny'clt znlian rv czasie ani regularnl,clr
oc1ch1'leri, nlaj rlliejsce rry,. cznie
oclchylenia
przypadkowe.
Nie lllona przervi-
ll]
[,orstla.j M. Cie |ak
Il996l.
s. 7.1.7tl.
,,.,
\\,
1lttnktttc,lt:lrro|nrlt
llastptlig zIlriaIra kic'rttttktl tellclencji rozri'o.jorre.i
(ze
rrzrtlstow'e.j do
spadkclrve.j' iodil'r.otlrie) bi1d zIniana tenlpa wzl.()Stu Iub spadku rvarto ci znlienne.i. W1stpo-
rr'alric punktrr' zrrt.otnl'ch, rr,1lll,rr'a.jce \\ istot|1)'s1losb na
1lrzebieg
pt.ocesu p|.og|lozo\\,a-
' ' '
nil. nloe lrr'tnaga u cia okre |oll1ch luetod
1;roglltlz'oriallia'
.'"
\V. Starz)'ska
[2000]'
s' l17.
ANALIZA SZEREGoW cZAsoWYcH
clziec losorvyclt r,r'ahaIi szeregtt.''. Dobr nletod okre lenia przelvidyrr,anej rr,ar-
to c zjatr iska
jest
rr'r,znaczetlie redIliej ar)'tllletyczncj z rvar1o ci zaobserrvolva-
Ilyc|r rv przeszlo ci.
Przylilarl 7.12
W tabcli 7'7 pl.zcdstarr'iono Iiczb sprzedirnyclr satltocltod*'nlarki oPEL
r'r,odzi u,koicjnr'ch trgodIliach. oszacLlj liczb sprzcdan1,c|l satlroc|rodlv ri' ll t)'go.
dniu.
Rozu'iazalr ic:
Aby sprari dzic.
z tabcli 7. l. lla t.r,sttllktt
z
.!akim
szercgiern tnanry do czynicnia, przcdstarvianrv danc
1 .1.
'''
Nalczr'jednak parrlita. e rrart<l ci szcregtt rrlog zlleze nie tl,lko od
jego
rvltrtoci
1rrze-
szlych' aIe cZsto s zrr,izirne z
1lerr'll1,,nri
cz1nllikanli zerr'tltrznr'Illi i rrrvczas nlozria przerri.
d1'rra rrartoci sz-eregtr trrrz.gldniljc te czr,rlniki (llp' pr.z-r,rvykorz'1'stanitr lllodeli opisorrrch
regres.i i, porlr'rla.j rozdzia 5
).
271
Tabclr 7.1J
Nr t1'goc1rlia
1
Liczba sprzcdarr,altr,ch sanroclrodw \V szt.
r t5
..
i
l IJ
4
I
A
l0
I
Razc'rn r50
7'rdIo' Danc tllllo\\'llc
272 ANALIZA DYNAMTKI ZJ AWISK
2A
;
18
j.-
I
ro
El
a i.
o
to
c
:
0
56
Nr tygodnia
l l,suttek 7' }. llustt.ocju era.fit':ln clatl.l,clt: lallali
Z rystlnktl \\'idac, c p|zcdsta\\,io|lc
liczby, sprzcdanvch sanlochodrr'
w poszczcglnych
tvgodlliach osc1'lLrj lr'ok l5 szt bcz lvidoczn;,ch rcgularnr,cll te n.
dcncji. IVloina zatc|l] tlzniic. c.jcst to szcr.cg bcz skladorvej systcmatyczncj. Aby zapro-
gnozorva liczb sprzcdanych sallrochodllv rv l l tygodnitt, rvyznacz1,nly
rcdni ar1,t.
_ 150
n)ctYczrla
1=-=l)szt.
10
7.5.2. Szereg czasowy z trendem
Szereg czaso}l'y z trendem
jest
to SZereg, rv ktryIll obserrvujenly Systen]a-
t1'czne zllriany lv czasie o stalylll charakterze (trend) oraz to\Val.Zyszce illr
znriany przypadkorve.
Na rysunku 7.2 plzedstarviono przyklad takiego szeregu,
dla ktrego zllliany nla
j
charakter rosncy i r,lzgldllie liniorvy, zak,lcatly przez
rvahan ia przypadkorve.
ANALIZA SZEREGOW CZASOWYCH 273
25
20
tc
10
5
0
516
] .l'y t t t t c k 7' 2 l, l. :.l' kl a d'y : e |. c g|t C : a', Ou' e go : ! r e n d e ilI
W1'odrbniellie trelldu lr ie si Z tzw. \Yyg|adzaniem Szeregu. J est to tak-
Ze czSto pierrvszr' krok rv allalizie Szeregu czasowego z rr,iksz liczb sk ado.
lr,\'cl1. Szereg w}'g adzony pozrvala obserwowac dane z porllirricienl \\rahali
krtkookresorvvch, zlv|aszcza rvahati prz1'padkolr'ych i sezonorrr'ch. Najcz ciej
stoso\\'ane nletody uIgladzania szeregu czaso\vego to:
mechaniczna - redrlia rtlcho|lla,
analiczna - ltrnkcja trendtt
-
pros'nlodel regresyjny', lv ktr1'lrl Znri|lll
tliczalen
jest
czas.
Najprostsz z ttletod rr.y'g adzania ll1ecllanicznego
jest
rednia ruc|roma.
cvli kroczca. J est to redrlia arytlllet),czlla w}'Znaczona z /c kolejrly'ch eleIlen-
trv szeregu, zazlvyczaj bezpo rednio poprzedzcy'ch IllollleIlt obserrvacji /
(r>
k):
(7.26)
I
gdzie:
/i -
wao znriennej rr. lllollleIlcie
(okrcsie) i,
t
-
stala rvygladzania, krok lr,r'gladzaniii.
Wielko krokLr lvygladzallia k za|ey od stopnia
uzyska. lnl rr,iksze t, tynl bardziej rr'.ygladzony
reg j/, .
rvl,gladzenia,
jaki
chcenil'
bdzie przeksztalcon)' SZe-
274 At'tRl-lzR DYNAMtKt zJ AWlsK
Przyklad 7.13
Wy'znacztll1, r.edni kroczca prost l5-okrcsolv dla ktrrsrv akcji splki oko.
cinr S.A. notowanych rla Gicldzie Papicr.ri' War1o ciollych rv Warszarvic rv okresie od
l3.02.l992r. do t4.ll.l995r'
(645
obscr.tvacji) i porrr.najm1,
je
z dany'nli rzcczyrr'ist1.-
nri.
Rozrviazanic:
rednia kroczca'l5.okresowa
stedna
--ku.
akc|
j
Rl'sunek 7'3 I,clrtt,,tlcl tie htrsv akcji Okocint i . rcdniej ntchonej prostej I5-olt.,''rt cj
e
Sredlria rllchollla |tloe b\,c rvykot.zystyu'al1a tak
.jako
prosta lnctoda pro-
gllozowania p|Z)'SZl},'ch rr,arto ci SZe|egLl czasowego. Przy
jej
ttvcitt przervidrrje
si, e warto
]l/ w |lloll]ellcie r bdzie r\Vtra u'afto ci redniej ruchonlej
li
.
J est to tlletoda progllozowaIlia skttteczna dla niektrvclr szeregrv,
jednak
rvad
redrliej rLtchonlej (zrt'laszcza dla duego /r. np. :l5)
jest
prz1,pisyrvallie takiego
Sal]lego znaczenia obserrvacjonl odleglr,In i rlajnorvszyrll. W celu trlr,zgldrlienia
1losttllatu
rv'ikszego
.rr'plvrvtt
na redIli obserrvacji najnorvsz1.ch stosLtje si tzrv'
redni rvaon |iniorvo. ktra
jest
nastptljcej postaci:
Czas
AruelrzR szEREGow czAsowYcH 275
f-l
T,
=
Z1,rt',
r-{+r (7.27)
gdzie:
l|)i-t
k t
\\aga lladatla iiar.to cioIll ztllic-rlllej w okresie i,
k
0 < rt,l < ]t'r <...< rt^
l t)l.llz
)
r,,
=
l
.
t=l
Na|ey zaL|wa4,C. e tetl roclzaj redniej
jest
celorv1,i pl.z1,datny tylko rv przv-
padku zttlietiltych. ktcirych lratto ci zrllierlia.j si etr,olucr,jnie bez grvaItorr'nych
wahati i odc| 1,lell,
Przyklad 7.1-l
Dla dan1.clr przcdstarr,ionych lr'tabcli 7.l5 ri1,znaczono lr,afto ci redllicj krocz.
ccj rvazorrcj dla :3 oraz przyjtych lvag: ll,7 = 0'2. lr,2 = 0.3 iu:: = 0'5.
Tabch 7.15
obliczanie l.edrlie.j rvaone.i i prostej
Nr obscnvacic
\\ agl \\'agt wagr redn ia \\'aZo|)a
l-)',
"',
Zv,
rcdnia
f s-,,
. L-Yt
J
)
0.2
2 3
0.i 0.2
3.8 0 .].J J
J )
0.5 0.3 0.2
5.6 ) 5.00
4
'7
0.2 0.5 0,3
1.6 ) i.00
5
U.J 0.1 0.5
41
+ 4"61
6 4
0.5 0.3 0.1
6,3 6 5.3 3
l 9
0.1 0.5 0.3 45
) 5.00
8 f
0._l 0.1 0.5
1.9
4
1.61
9 J
0.5 0.i 0.1
3.8 i.3 3
0 5
0.1 0.5 0.1
1.6 3.61
I 3
0.i 0.1 0.5
),'.,
a
4"00
f
/l
0.5 0._l 0.1
5. tt ) 5.00
8
0.i 0.1
A1
4
4.61
4 z
0.5
4.3 3
276
ANALtzA DYNAtvltKt zJ AWlsK
Po|ownan'e itednlch Itoc.cych
/?],srlircli
i'1 ||,'l,gla,1:onic s:cl.lgll :0 p()DIO('LL rednit,|t lrrt c:t1ty'cll
prr>Slej i\ra:ontj
atrr,o zaurr,a5', c dla rcdllic.i \\.aollcj tlz\'skallo bardzicj
rr1'gladzony, szcrcg
niz dla zrv1'k{ej rc<lrricj ruchon1cj. a prz1'tvnr zaclrorr'atta
jest
dlrrgookrcsorra tcttclctlcja
n1,stptrjca r,,s,er..gu.
\l Ix
LCL
=
tr, -,,,
1n
UCL
=
p +3+
"'l
tt
(8.2)
Wienly' z teoriiI25, i prarvdopodobieristwo. e ztrrieIlna losorva o rozk adzie
n orl1laln)'n] przekroc zy trzykrotn war1o odclryl en i a stan dardou'e go oddal aj
c
si od rvafto ci redniej, rvynosi 0,0026
(sprarvd w tablicy rozk adu
nornralnego Uo
=3 ).
Tak wic przedzia,l(8'1) por,vinien za-wierac oko o99,74a
warto ci redrrich
prby. W fynl prvpadku linie kontroltr bdzierny
wn1aczane
z rvzorrv:
(8.3
)
LCL
= ,u -3+
",ln
J ako estynlator redniej przyjrlujerrty redni obliczon ze rednich
uzyskanych dIa poszczeglnych prb ( prb o liczebno ciach n) w prbie
n
L"!
pi|otaowej p
=t:-
K
Aby es''tllou,ac parametl o korzystamy z charakterystyki s, czy|i
z odclrylenia standardorvego wszystkiclr obserrvacji prby. Ten estyInator
jest
jednak
dobry tylko dla duych prb, przy n>30. W odniesieniu do mniejszych
prb stosujenly procedur alternatywtl: bierzerrry pod u.rvag zah.es warto ci
(rozstp)
rr, kazde.j prbie uzywanej do obIiczenia redniej. Nastpnie
u redniamy te zakresy otrvmujc [oZrZUt redni R . Korzystatrly z nlozlirvo ci
szacowania odchylen i a standardorvego na podstarvie zalezno ci :
l25
Porrrrtaj Rozdzia l
300 STATYSTYCZNA KONTROLA J AKOSCI
s'=
F
CI
,
gdzie: 1l;
-
rozfzL|t l-tej prby,,
k
Yp
4
p
=
::!-
5'..6,-'. l.ozstp lr prb o liczebno ciaclr n lv prbie
1
K
pilotaolvej,
rd, - rvsp|czyrlnik Hatlcy'a12.
Na podstawie za|ello ci (8.2) manly:
o/?
('t(L=/.!+Il
.=ll:llu , r
1
lI CI
),at
11
6 R
(8'5)
LCL=
lt -tt,,
r=
lt-rt,,-;--T
\l il L;l
,1Il
Dla r,tcze niej stosorvallcj rr'at.to ci Uu
=
3 otrzytnanly
11 3R :
Lt*
. r=--:;=l,R
(8.6)
d
,,1
11 d,,i 11
Elelncntarrri karty korltrolIlcj rvartoci rcdnicj procesu s:
"
^L"i
-
liniacetltrallta -
P
=
-:+,
K
_
LILL'=
trt+,1^R
-
LCL=trt_.^R
gdzie:
-
liczba prb. kazda z nic|r o roz-tlliarze ll.
-
rvarto redrria l-tc.i prby.
k
fn,
R,-rozrztttl-tc.j prby n
=
u;
l2 -sta a odczylana z tablic.
(B 4)
'.u
TaL-'lice paranletrrv kart kontroIny'ch podano ri tablicaclt na kolicu ksiiki
STATYSTYCZNA KONTROLA J AKOSCI
Linie kontroll. gor.no idolna lla karcie kontrolllej ograniczajobszar. tzrv.
przedzia| ufllo ci'-'. rv ktry''In, o ile
jest
spe nione zalozellie o dzialaniu na
proces
.jedynie
stalego ''ZeSta\Vu'' czvtlniklr' natirralrlych, zrla1dzie si rr'arto
rednia probki z pralvdopodobielistrr.ettr 0,9973. Zatern poza liniami
kontrolnyllli nloze si znale c
jedynie
l na okolo 370 redniclr z pobranych
prbek.
Przyk ad 8.2
Rcstatrracja Eskupudu szcz'vci si rvprorvadzcllicllr zaa\\'ansowa|lcgo syStcltttl
kontroli
jako ci
zarrrtlo y'tl,no ci..jak i tlslu-u. Poniej podano czas oczckirvania tla
obs rrg lv
jcdllcj
z rcstatlrac"ji nalcc1.ch do tcj sicci rv sobotlli, rrla.iorv;,' rr'ieczr (czas
oczekirr'ania liczon1.
jcst
rv Illilttttaclr od nlolllelttu tl'cj cia kIicllta do restatrracji do
|,no|llc|ltu pojarr,icrlia si kclncla): 5.'1.,4: |2:4,2,5; 5:6: 6;12.2;5l;l:
zl.5:
6.5; 4:
l: 2: 3.
Pogrupu
j
dallc po cztcr1' i skonstrtluj kar1 kontroln rr'ar1o ci rcdnic.i procesu' Cz\,
czas oczekirvania u, restauracji
jcst
ustabilizorianl''/
Rozlviazan ic:
Minlo, i kart1,kolltrolnc ltalc szaco\'\.ilc |la co lrajrlnicj l00 elenrclltach. alc
rv prz1''k'ladach zlaIllicnll' to za ozcnic zc rvzg|du ttpt.t'lszczellia obliczc.
20 dan1'ch u.rupLrjclll1' kolcjllo rr prbr, czteroclcIllcntolr'c. czyli otrzvnlanr1' :5
prb. Dla kazdc.i prbl'obliczIu1'u,ao
rcdlli iroZstp. obliczcIlia tc ir'vy'niki
grupou'ania przcclstau iono rv tabcli ti.3.
Tabela 8.3
i\'r prrib.t' ) J J ,) Sttttta
DLttte 5
.
6 ) 4
1 2 6 + I
J
5 12 f
l2 5
)
6.-s 3
Stttn 28 l6 26 f0 10
Sredniu
'7
1 6,5 f,
t<
25
ltIilt t2 ) t2 +
\t in J
2
)
4 I
Ro:stp 8 t0
)<
J ,! o,J
Z-rorllo. Obliczcnia tr lu:nc
301
l]7
Pol.rvna.| Roztlzia V
STATYSTYCZNA KONTROLA J AKOSCI
it
L),)
Zatetn warto rcdrlia procesu
,"q,nosi
l
=
).
=
+
=
5,a redni rorzut
))
5
\-p
L'.,
)6 5
R
-
-=|-
= : =
5,3. Wsplczynnik Hart|eya llyllosi d.
=
2,059. Std
5s
1p .s1
A.R
=
-:>
=
-:-:::
-:
3.86.
-
d,,^ln 2,059"1 4
Zatelrl linie kontrolne bd postaci:
-
ULC
=i
+ A.R
=
5 +3.86
=
8,86
_
LCL
=i
-
A.R
=
5
-3,8
=
l.l4
Przedstawiarny uzy'skane uyniki na rys 8.5.
R.r,s. 8 5 Kar|a x tllu danych z prryk adu 8'2'
Na podstawie uzyskanyclr u'-vlrikrv lnoemy stwierdzi, ze czas oczekirvania na
obs ug
jest
proceseln ustabilizowanyln. e
Karta R
Kar.ty kontro|rre R operuj na rrrat-vclr prbach (n
12). W tym przypadku
rozstp
jest
lepszynr estynratorem rozproszenia ni odchylenie standardorve,
std cz ciej Stosuje si kart1, kontroln rozstpu ni odchylenia s(andardowego.
Po ozenie granic korrtrolrrych dla kaft R
jest
ob|iczan Ze rvzorw:
|J CL
=
D,_,1,R
LCL
=
D,tR
(8'7)
10
B
7
6
5
3
1
0
sTATYsTYczNA KoNTRoLA J AKocI
gozre:
D,; D,.,1,,,,,,,,,,,,,,,,- s liczbami spe niajcymi nastpujce rvarunki:
p(n
=
D,
,F)=
/,
orazr(n < D,F)=
%
Rozk ad rozstpLl za|ezry take od liczebno ci prby i dlatego liczby
D?, i DV/
r:8s
funkcjii.
E|ementami karlv R s..
linia centralna R
,
dolna granica kontlolna D, R .
grIla gI.allica kolltroltla D, R
'
gdzie:
Fn
,L"1
R
-
rednia rozstprv prb R
=.-
D: i Dl - sta|e' ktIych war1o ci lllozna zna|e c rv tablicach.
Przyk ad 8.3
Pogrupuj dane z przyk adu 8.2 po cztery i skonstrrtuj ka kontroll-r rozrzuttl
procesu. Czy rozrzttt czasu obslugi rv restauracji
jest
ustabilizowany?
Rozlvizanie:
Podobnie
jak
lv przyk adzic 8.2 20 danych grupujem1' kolejno rv prby
cztroeletnentolt'e. czvli otrzylnalny F5 prb' Dla kadcj prb1, obliczmy rvarto
rozstpu. obliczenia tc i rlyniki gruporvania prb przedstarviotlo rv tabeIi 8.4.
'28WnornriePN.ISo82-58+ACl
liczbytesoznaczanejakoD3iDl
(niepodajesidlajakiego
pozionlu istotno ci), p|.zy czym d|a n
16,
D"
=
0 .
304
STATYSTYCZNA KoNTRoLA J AKoc I
Tabcla 8.4
Zrridlo: Obliczcnia *lasne.
o
L,*,
26.5
Zatclrr rr,arto rcdrlia
redrlia rorzutu rq'llosi 1l
:
-|-
:
T
=
5,3
))
odcz1tane rvar1o ci z tablic dla prb cztcroe|elllentorvvclt to: D-.
=
0' D.t
=
2,282 .
Zatern linie kolltroIne bd postaci:
-
ULC
=
D.,/?
=
0.5
=
0
-
LCL
=
D1R
=
2.282.-5.j
=
12.09
PIzdstawianry
uz1,skalrc wyliki na ri,s 8.6.
R-l''r' E. Kur|u R dla dany'ch : pr 'klacltt
8.2'
J ak rvida z rv-vnikrv przedsta\\'ionych
na rys. 8.6, tlic llra podstaw
do odrzttcenia
hipotczy, e rozrz,.tt czasu obslttgi rr'rcstattracji
nlolta Uzna Za proccs ustabilizclrranv.
Nr
urbv I 2
3 1 J Suttta
Dane 4 o
5 4
7
)
o 4 I
4
t2
A<
2
t2 5
,')
f!\
3
tr{ax 12
5 t2
!\
4
i[,lin 1
)
2 J
I
Ro:,ste u 8 3 10
'
26,5
IJ
12
11
10
v
7
6
5
3
,
1
0
STATYSTYCZNA KONTROLA J AKOSCI
305
8.2.2. Karty kontro|ne d|a cech
jako ciowych
Dla cech oceniatl.vch
alternaty,rr.nie S Stoso\\'ane w pr.akt-vce tlastpu.1ce
rodzaje kartr2e:
- liczby
jedrtostek
niczgodItr'ch
u prbce o stalej liczebIlo ci
- kar1y
.pu
l1;,
- frakcji
(udzialu)
je-dnostek
niez,godrrvch
- katla tipu
p
Qr-
stost"lrrek liczbv
jednostek
niezgodnvch
rr prbce clo Iiczebno ci prbki
- liczebllo c
prbki
nie nlusi by sta a).
- liczby niezgoclno ci lra
jedrlostk
rrr obtt - katta t),ptl c (c - stosutlek
liczb5'
niezgodrto ci
rt'prbce clo liczebrlo.ci
prbki - liczcllrlo c
pLbki ttie ntusi
by stala).
Lirrie kontrollle tla kaI.cie cech tltet.llatvrvll1'ch oblicza si - dla
prz1.jtego
poziot,tll't istotno ci
.
jako granice dr'n.'.tstroIrnego obszat.u kryt1,g711go
rv te cie
istotno ci
rr'ar1o ci redrriej danej charakteryst1'ki.
Warto redrli
rr'y'ztlacza si
rr' prbie pilotolvej lub rta podstarvic. historii rrryniklv kontroli. Wszystkie
wzory obliczeniorve
stoso\\'alte
pr4 projektorvaltirt kart alternatvu'llvch oraz
ztraczenie
poszczeglnycIl
lviellio ci zebrano
lt' tabIic1' 8.5.
':"
J . S. Oakln'rd. R. S. Follorvell
[19901.
J UO STATYSryCZNA KONTROLA J AKOSCI
Tabela 8.5
Kafta Wi|ko
korrfrolowana
Wano
centra lna
Po oenie lirrii
kontrolnvch
Urvagi
np np-liczba
jednostek
niczgodnych w
prbce o
liczebno ci r
,-
/r"
1p
=
_--
L
np x3^lnp\t- p
r.liczcbno prbki;
n,l -liczba
jednostek
niezgodnych rv
prbce i (i:l
.,k)
k - |iczba prbek
p-frakcja
jednostck
niezgodnych
p p-fiakcja
(proccntorw
udzia )
jednostck
niezgodnych rv
prbce o
liczebno ci l
k
Y.*.
^,,
,
P =
--'t--
Y"
'..l
k
Y,,
.L)"
1
rI
-
-
k
,]+1
r
--
n' -liczbajcdnostek
niezgodnych rv
prbce i(i:1,..k)
n,
.liczebno
prbki
i
D - rdrria Iiczebno
prbki
p - redni
procentou,v udzial
jednostck
niezgodnvch
c c- liczba
niezgodrro ci na
jednostk
wyrobu
k
\--
).
L-t
I
K
-,^t=
C
-f
J NC
c;liczba
lliezgodno ci rv
prbce i (i:1,.,k)
d - rednia liczba
niegodno ci rv prbce
lo: A. Hanrrol. W. Mantura Zarzdzanie iko cia. Teoria i nraktvka' PWN
,
W. Mantura Zarzdzanie
jako ci.
Teoria i praktyka,
Warszar ,a i Pozna l998. s^ 280.
Karto kontrolno p
-
karta kontrolnc
frakcji
sztuk wadliwyclt
W tynl przypadku testowatla
jest
.
tla poziolTie istotno ci a
.
lripoteza
Zerowa' e frakcja u,7 z prbki pochodzi Z procesu o frakcj i p:
Ho: lt,,
=
p (fl.akcja procesu nie uleg a Znlianie)
przecirvko hipotezie alternatywnej :
I{1: }|, ;t p(frakcja procesu zmieni'la si - rv stosunku do fl"akcji' ktra na
poziomie istotno ci ajest wao ci istotn)
STATYSTYCZNA KoNTRoLA J AKocI
W tym przypadku sprawdzian testu
jest
opisany wzorern (6.14) postaci
,
=
!.
J e li ceclra kontrolorvaIra
jest
testorvana dlvustrorltlie, to aby
I
pl-p)
1r
lnozna by o strvierdzl, e nie ma podstarv do odrzucetria hipotezy zerowej
z prawdopodobiest*'enl 0,9974, frakcja prbki wi nlusi Si znajdolva
rv obszarze krytyczrlyrn \\Yznaczolly |T, przez r,val1o c i :
_3u3
(8
8)
p-3
<tv <
p-3
gs e:
p - frakcja rv populacji,
n - rvielko prbki,
J e li nie ma podstaw do odrzucenia hipotezy H11, oZ|1&CZd to, ze rv chwi|i
pobierania prbki na proces dzia a itlne czytniki poza sta ynr zestalveIrr
czynnikrv naturalnyclr' J e li zostarrie przyjta hipoteza alternatyrvna oznacza
to, ze do czynnikrv naturalnych prarvdopodobnie do}czy czynnik specjalny,
ktry sporvodorva trlva a znrian fr.akcji proceSu,
Zaten.l gdy proces
jest
nieustabilizorvany, frakcja produktw rvadliw;'c|r rv
prbie bdzie d1' a do przekroczenia grnej granicy kafty kontrolnej. Dolna
granica czasem rlvna
jest
zertt, gdy p
jest
dostateczni mate' osi4gnicie okolic
zerorvej dolnej granicy frakcji rvadlirvych r,vyrobrv
jest'
oczy,rvi cie, bardzo
pozdanyln przypadkienl.
307
p\t
-
p)
n
E'lemntami karfy kontrolnej frakcji procesu S:
linia centralna zr
dolna granica kontrolna p
-
3
grna granica korrtrolna p * 3
gdzie:
n iest liczba elenrentrv w kazdej prbie;
rvad|iwyclr rv sumie rvszystkich prb.
p(l- p)
n
p(l- p)
n
jest
frakcjliyrobw
308
STATYSTYCZNA
KONTROLA J AKOSCI
Przyklad 8.4
|.irma BASF- Polska pro<lukujc dyskictki l'4.1 MB do PC. ln)'nier kontrolijako ci
rv zakladzie
produkc;,jn1'mr testujc partie cly'skietek
po 50 sztuk za kazdynl razcrn i rvstrje
fiakcjc rvadlirvl,sh d1'skie tck lta karcic kontrolncj.
Picnvsze l0 panii dirskictck
tlvoricy.cIl kar1 zalvicralo nastpujce liczby rl'adliwyclt dy,skietck: 8.7,6,7,8' 4' 3,5,
5, 8' Skonstrtruj kar.t i zintcrprctuj rr5niki.
Rozrvizanie:
W tabcli 8.6 przcdstarviono Iiczb sztuk lvadlirr'vch rv przcanalizorr.aIlych
prbach
i frakcjc dla kazdej z prb.
Tabela [i.6
Nr
prbv
)
J 5 6 7 8 9 10 Calo
Liczba sztuk
rvadliwvch
8 7 6 7 8 4 3 5 5 8 6l
Irrakc i a 0, r6 0. ll 0.12 0.1.1 0.l 0.08 0.06 0,1 0,1 0,16
|0.l]2
Znjd o' ObIicze ltia rr.lllslrc'
Dla kadej z prb rv1'znacz)'Ii nli'liakcj
i1,,. Frakcja dIa
przedstarvionej populacji
jest
estynlo.,r,ana
przez iloraz liczb1' rr.sz;'stkich rradlirv1'ch dyskietck
przez zbadan
6l
liczb clcnrerltrv, czyli 50* l0. zatcnr rr\-I-tosi
1,
:
5o. 1 0
=
U^| f !
'
Std
LCL=p-3
1(f
=
p+3
0,166
=
0.078
p(I- p)
=o,lff
+3
0.17
u,to
0,15
0,14
0,13
0,12
0,1 1
0,10
0,09
0,08
0,0 7
0,06
0.0 5
+- .
.
L
10
0,1f2(1
-0,1f2)
0,122(l
-
0,122)
R1s .9 i Kurta p dla tlanl.c'h:
pl.:1,kludu 8'.
STATYSTYCZNA KONTROLA J AKOSCI 309
J ak rvida lla r\,s. 8.7. liakcia 7 prby |e1, poza granic LCL. Alc llic lllant1'
podstarv do odrzttcctlia hipotcz1'zcrolr.e.j. gdyz grna lilria kontro[na nic zostala
rv adnyln przypadku przckt.oczoIla. Nloeln-r' sdzi. e proccs
jcst
ustabilizorr'any. Dla
produccnta to duo lc1lic. zc dolIla linia kolltro|a zostala przekroczotla. ozllacza to, zc
proceS rna sk onno c do
}-rrodtlko\\'ania
lnllic'iszcj liczby lr'ad - wskazniki struktLrry d
do zera.
I(artu kontrolttu c
W czasie produkcji czSto zdarza si. ze cllcctllr' kolltrolorvac liczb
dafektlv |ub nicclo'skona cl ci nu cg:clltpIrtr: tt.I'robtt, Na przr k ad gdl' rvvrobenl
jest
tkanina. przcdnliotelll Zailltercsorr'atlia llloze b) Iiczba plalll
prz1'padaj
cych
na llletr lllaterialu'
ZtriieIrtla losorva reprezentujca Iiczb bldrv rr.l,stpLtjcr'ch rr' ttstalotlr.lrr
odcinku czasu lub lta ustalonytlt odcirlktt przestrzeIli cZsto
jest
nlodelowal]a Zil
pon]oc rclzk ctclu Poisson. Tego tttodelu uzyrva si rrvIlir;z lv kaftaclt
kontrolr-ryclr. Wienly
ju.e
u'rozk, adzie Poissotla zarlvlto lvafto rednia.
jak
i rr'ariancja rrr,lla.i si telllu sa11]clllt| pilrall'lctfo\Vilr.,. Parallletr teIt nazrvietll1,r..
a t]aSZ kart rvy'raajc liczb rvad na
jednostk
lr,yrobu- ktrtc1 c..fa kaI1a
jest
rr,1,kreseIlr znliellnej losorvej: liczba def-cktrv tra sztuk. Est-vrnujelllv
lvarto C przez c
.
redrli rvarto c def.ektrv na
jedrtostk
lvvrobtt obliczon
.iako
iIoraz sunr1'def-ektll,iliczb1,rvszYstkich-eezetnpIarzy. odchylellie
standardor've tej znlienrlej losoll'ej
jest
lr,ic r.rvne
r/c
.
E'lelllentaIlli kar!. c s:
linia centralna c,
LCL: c
_
3^li
UCL: a + 3,^li
gdzie: c
jest
redni liczb rvad lLrb lliedoskonalo ci
rvlrobu (lub
jednostk
porvierzchlli' rozIniat.u itp.).
na
jednostk
lr(,Porrr'naj
Rozdzia| l' Rozklad Poissonn nloe br' aproks-"-nrorr,aIl1,roz-kladenl nornlaInynl clIa
dur'cIl nrb.
e
310 STATYSTYCZNA KONTROLA J AKOSCI
Przyklad 8.5
Fabryka satnoclrodrv w Bilsku-Bia ej lryznacza a rv nlaju liczb plam na
karoserii no*ych samochodw i uzyskano nastpujce rtyniki: l2' 8' l3' 12,5'f. |0,7,
5,4, 12.4,6.9.8. 9, 7. 6. 8, 6.
Skonstruuj ka dla tego procesu lakicrowania i sprarvd , czy ismiej potvod1', aby
proces produkcji uzna za nieustabilizowany.
Rozwiazanie:
Suma wszystkich defektrv w
przeanalizolvanych prob by o 20, zatem
przeanalizorvanych prbach wynosi l53'
t53
c
=
-=
/.65. Odchylcnic star)dardowc lej
f0
oo
a
0
10
Rl'r 8.8. Karta c dla dan),clt
zprzykludu
8.5.
J ak rvida t,la rys. 8'8 liczba planr na karoserii nouyclr salnochodw Ie
w grarlicach LCL i UCL. Zatern ni Ina podstar'v do odrzucenia hipotcz1, zerorr'ej. e
ploces
jest
ustabilizowany. e
charakterystykijest rwne
"li =
"l1.65
=f,J 7 '
Std
LCL
=
c 4",1;
=
J ,65
-3.fJ 7
= -0,65
(J LC
=
c +3"1 c
:
7,65 + 3.f,11
:
I 5,95
Ponierva lvarto LCL < 0 ,
a z tak s1tuacj nigdy si nie spotkamy, wic
przyjmujemy LCL=0.
ULC
14)
ta I
tzl
^
rvI
8l
ol
41
21
Literatura
l. Abt S.: Mtenatyczno - st)styczne podstatu1l analizy
rynku,
PWE, Warszawa'
1972.
2. Abt S.: ||Ietody analizy stcltyst),c:nej, Akadrnia Ekonorrriczna rv Poznaniu, Pozna
1999.
3. Aczel Arnir D.: Con,tplete Bttssines Sttistics, IRWIN Hornewood Illinois,
Boston MA.1989.
4. Aczel Arnir D,: Statystyka w zarzdzania, PWN Warszawa 2000.
5' Borowkow A, A.: Rchunekprav,dopodobie'sn ,,ct, PWN, Warszarva 1975.
6. Bukiefyski W., Hellwig Z.' Krlik U., Srnoluk A' 199.
7, Cie lak M. (red); Progtlozowanie gospodarc:e, Wydarvnictwo Akademii
Ekonomicznej irn. oskara Langego we Wroc awiu, Wroc aw 1996.
8. Cie lak M,: Prognozowanie gospodarcze, Metod1; izclstosownia, PWN, Warszawa
1997.
9. Corchan: W.G Sampling techniqttcs, J ohn Wiley&Sons, Nerv York 1977.
10. Dietl J .; Metod1; budtt socjologiczny,fu, Warszar'va' 1965.
1 |. Domaski Cz', Pruska K. : Nieklasyczne metody Statystyczne PWE, Warszawa
2000.
12, Dornaski Cz': Testy Stat),styczne, PWE, Warszarva, 1990.
13. Dorlaski Cz': Zbir:ada ze stailsryki, Uniwersy,tet dzki' d.,1993.
I4' Dziubiski I.(red.). Srvitkorvski T.(red.): Pordnik natematyczt.ly cz. 2, PWN,
Warszawa, 1985.
l5' Fisz M': Rachunek praludopodobiestwa i Statystyka n,ltem:1t))czn, PWN'
Warszawa, 1967.
16. Freund J ,E; Podstaw1, nowoczesnej Sttys\,ki, PWE, Warszaiva, 197l.
1.| , Gajda : Ekonontetri prakq,111, d', |996.
18. Gajda J . B.: |Vie|orrhynnio ,e modele ekonontettryczne. Es macja, ,s1;n1yl61gj,
sterotvanie, PWN, Warszawa, 1988.
19. Garbarski L., Rutkorvski I., Wrzosek W .: lvlarketing, PWE, W-wa, 1994.
20' Garbarski L.: Metody badania postaw nabyuctr',.,Reklama''' 1989.
21 . Gotyl A.' J drzejcz-vk Z., Kuku a K., osiervalski J ., Walkosz A': lIlprolvadzenie do
ekonontetrii w pr4lk aduch i zadniach' PwN, Warszawa 1996.
22. Gre J .: Modele i zdani statystyki matenlacznej' PWN, Warszawa, 1'972.
23. Gr J .; Staq;sry| matem(1l!^czna, PWN, Warszawa, 1970.
24. Hellwig Z,: Elementy rachunku prav,dopodobieshl,a i stast1,ki natematycznej,
PWN, Warszarva 1987.
312
f5. J zrviak J ., Podgrski J ..' S|utt,,s^;ka od poclstttlt,. PWE, Warszarva, l995.
26, l(. J ajuga: PoJ sIult,y, itllt'estr'llyttia ttct t\,nku pupiel.lv
y,ttt'ttl. cirllt,).c ,
CPW
Warszawa 2002.
21 . Kacztnarczyk S; Buduniu ntarketingotvc. PWE. Warszarva, 1995.
28. Kacznrarczyk S': Pontiur , l clniacll ntat.ke!ingow1,c/i, Uniw'ersytet cdariski,
Gdask" l 987.
29. Kassy,k - Rokicka H' Stt},st.l,ku nia
jast
!rttctlta. Ivlierniki statysh.czne, PWE,
Warszalva, 199; .
30. Kinnear T. C.. Root A.: Sin'c.l oJ ' lvlarketing Reseot'ch, Chicago, Aulerican
Marketing Association, I 988.
31. Kinnear T. C.,
-I.aylor
J ,R': l,|rketing Researcl,t.
'n
Applied
'4pproaclt,
Ner,v York.
I 987.
32. K1ein L.R'' II/1,k 6; z ekoltotttcll.li. P\\/E, Warszarva, 1982.
33' Ktysicki W., Bar1os J ., Dy'czka W.. l(rlikorr,ska K., Wasilelvski \': Rclltnlek
pravc|opoclobiestw i slcttl,,s!.y,ku n(llcntotyc:nu w zutlniuclt, cz. I i II' PwN,
Warszawa 1986.
34. Krzysztofiak M., Urbanek D.: il.letody stal.y;,s1yrrrn, PWN. Warszar.va 1975.
35. Krzysztofiak M.,, Stats'stvk cll vlzs:l,cll zalyocttnvyc,lt stuclitjw ekottolnic:tl.l'ch'
PWN. Warszau,a. 1976.
3. Kukuta K^ : Elunent1l
'sta!.)ls,ki
w zdaniach, PWN Warszalva l998'
37 . Lanc G. N. i Willianls W. T. I967.
38. Lange O., Banasiriski A.: Teoriu stalystyki, PWE, Warszawa, 1968.
39. Larrdaliski L. M.: St,st-l;k ogolttu: clctttenInti stcttl'sty,ki )nG|enlQlyc:ne.i,
Wydawnictwo Pasti'vorvej Wyiszej Szko y Zau,odowej w J aros arviu, J aros'larv
2000.
10. Leszcz1,ski Z.: Anoli:u dyskn,minaaj ltl lt, przev,icbnyniu bnkruchra
J irnty,
..Eksper1''
nr 3/l99. , s.
j3.
4l
'
Luszniervicz A'' S aby T
':
Stat1'st-l,ku SlosoI|,uttLt, PWE, Warszarva, l997.
42' Luszniervicz A.: Statys;ku nic
.jest
tt,udna. A]etodl, wnioskoll''uniu
,slul\':il.j,c:nego. PWE, Warszarva, I 994.
43. Luszniervicz A.', Stalyst|;ka oglnu, Warszarva, l987.
41. Lut.vIiski J ,.. LI/1.lt.iucl klrcs!ittttt.itts:olt'\, unk'etu' ossolinetttrr. Wroc.lalv, l983'
45. Magnusson D.: |Ijlrrnvutl:enie tlo teorii lestw, Warszawa, I98l.
46, Malarska A., I\1ikulska H.:
'Vrrlr.sr)'
w zadLr]1iach ltie
,lko
ctla ps1.chologilu
i pcclugogv,, Wy,dawnictrvo Ullirvers1'tetu dzkiego
,
d' |999
'
LITERATURA
4.7' Mazur A.: Stut.l,st.l.c:na anuIiza sieci c| stl1,hucji towal.lv chentii gospodarczej
i ,spt.lzl,lt,c-cj 11d tct.ct,lie ocl:i' ptaca nragistcrska napisana rv Unirversytecie
dzkinr pod kierurlkiem D. Witkou.skiej. Ld 1996.
48. Michalski E,,, Bu |ullitt t..l,nku v pr:ed';ibiol'stlt,ie pl.:en\,'slou.},nt i llanclltllt,vnt^
PWN. Warszaria. 1971.
49. Michalski T.: .Slul,r'-irl,1rl. W.',d31vn1.,\!a Szkolue i Pedagogiczne. Warszau'a 1996.
50. Milo W.: Buclullitt akotlt,llttcIt.l.c:tlc::s|o',O|runient ntikrokontputcrv,. Pot|s!ulr!;
ntetodologic:llc. Wr'darr'llictu.o Utrirr'ers1'tetu Ldzkiego' Lod. 1997.
51. Morrison D.l.'. II'ialrtt'ttuittt'ottu ttttuli:u,\lu!.r,.\l.r'c:nu, Warszarva, PWN 1990.
52' Mynarski S.: lIetod.t'hlt|uti ttturkc1111,1rllr.t.clt. AE w'Krakowie. KLaklv, l986.
53. Nierzlvicki W. (r.ed): Zul.:l:uttic
luko c'it1'
II.l'l'lruttc:ttgudllianio'
o rodek
Doradztrva i doskonalenia Kadr Sp. z o.o.. Gclarisk i999.
54. Nonlly: PN-ISo 353: -2: l99.
(,S/rl1.l..r/-t.c'--lic
s!arrllrutlia
juko ci'
St|l,stykct
Terntinologia). PN-lSO 82-58+ACi 1996
(Kurty
kotttt'oltte Sltetyhurta), PN-
tso8258+AC l.
55. Nor,vak E'''. tr.Iotanat\,ku i Statys!),ku.finunsolt,u, Fundacja Rozrvojtr Rachunkorvo ci
w Polsce, Warszawa 1994.
56. Norvak E.'. iv'letody /aksonontic:ne v klu,s\fikacji obiektriv .spolec:no-go,spodu-
l.c )ch, PWE' Warszawa 1990.
5"]. Nowak S' | 4etody' budu socjologic:nl,c-h, Wybr tekstrv, Warszarva, l965.
58. oak]and J . S.' Followell R. S': Stti'yticI Prrlce'gs Colttro|,' Flinenlan Nervnes-
Oxford Lonclon 1990.
59. Ostasiervicz S.
(red.):
S!ulr,.vt);c:ne tttetoch,, anali:1; dont'ch, Wydarvnictrvo Akadertiii
E,konomicznej t'e Wroclar.viu, Wroclarv 1 999.
0. ostasie''vicz S.. Ronka-Chrnielorviec W,: i\,Ietody ,statYSt\|ki ubc:pieczenirnre.j,
Wydarvnictrr'o Akademiii Ekonornicznej iItl. oskara Langego rve Wroc' arvitr,
Wroc art' l994.
6l. Ostasiervicz S., Rusnak 2., Siedlecka U.. Staq,st.y,ka. Elententy teorii i:atlania,
W1'darr'nictw'o Akaderllii Ekonolrriczrrej im, o. Lange, Wroc arv l997.
62' ostasiervicz W. (red): Stal1,s,cznc ntetoclv anoli:y dalry:fu, Wydarvnictwo
Akademii EkonoIniczne.j rve Wroc arviLr, Wroc arv l999'
63. Palirvoda S. J .: Lir lg u ]\Ittil
Ques!it'ltlaire
us C Rescurch Tool,..TIie
Quarterly,
Revierv of Marketins. 1981.
64. Parasuraman A.. Ilurketittg Rc.search, Cambridge. Mass, 1986.
65. Parvlorvski 2., Progno:t,ekonontelryc: c, PWN Warszarva I973.
66. Paw owski Z'', I|/,stp do
'stcttl;'st) ki
illCltenyt\'c:nci, PWN, Warszarva, l969.
67. Pieriegudolv W
':
A[cttlt|a najntniejs:l,c:h klydrtv,, i
je.j
zt stostlrr,rlric. PWN.
Warszar.va. 1967.
314
68' Pociecha J . Metody Stcltystyczne w badaniach marketingoluyc , PWN, Warszawa
t996.
69. Praiska M., Praliski J .: Badani s|atyst1 g211 z excelem, Wydawnictwo SGGW,
Warszawa 2003.
'10.
Puchalski T.: Sttty,styka opisov'a, PWN, Warszawa, 1979.
71. Rehkugler H., Schrnidt-von Rhein A. 1993.
72. Reilly F., Brown K... Anli:a inwestycji i :arzdzania pot.tfelenl, /. 1, PwE
Warszawa 2001 .
73. Rocznik statystyczryt 1997, GUS,Warszawa 1997.
74. Rolnaniuk K... Staty*sq,czna analiz struktu,.y zjawi,sk ekononticzn),ch, PWE''
Warszavva 1972.
,75.
Sadowski W
'.'
Mala enqlkl6p4io Sta,,S|ki, PWE, Warszawa, 19.|6'
16. Sobczyk M.: Statystyka, PWN, Warszawa, 1995.
.7.1
. Starzyska W', Michalski T.: Metody statystyczne w bizne,sie, Absolwent, d
1996.
78' Starzyska W,: Statystyka praktyczna, PWN Warszawa 2000.
79' Ston R.: Matemtvka v nukch spo ecznych. PWE, Warszawa, |970.
80. Strza a K., Przchlervski T.: Ekonometria inaczej. Wydawnictrvo Uniwersytetu
Gdaskiego' Gdalisk l 995.
81. Szaniawski K (red): Metody statystycne w socjologii, PWN Warszawa 1968.
8f
'
Tarczyski W.: Analiza dl,sktyntinaqljna na gie dzie papierlt varlo ciowych,
..Przegld
Statystyczny'', zesz>\. 1-2l|996, s' 49.
83. Theil H., Zasady ekononetrii, PWN Warszawa 1979.
84. Urbank D.' Krz,vsztofiakM,: ]t,Ietodl',
'statysD,c2ne'
PWN' Warszarva' l979.
85. Welf W'
(red.):
Kwartalry; n1a1u1 gospodarki Polski' Stntktur i w asno ci,
Wydzia Nauk Spolecznych PAN' Sta{sryka i Ekonometria, Warszarva l995.
86. Welfe W', Ekonontettyczne ntodele gospodarki nrodolyej Polski, PWE, Warszawa
1992.
87' Welf W', Welfe A.: Ekonontetria sloso|un, PWE, Warszawa l996'
88. Witkowska D,, Przyk ad1, Plikcji sieci netu.onowych v ekononii' Materia y XV
oglnopolskiej Konferencji Polioptymalizacja i Konlputerowe Wspotnaganie
Projektowania, Mielno'97, Wydawnictrvo Politechniki Koszaliskiej,
Koszalin-Milno, l 997, s. 30 l-308'
89. Witkowska D.' Witkowski J ', Analiz,sieci dystr1;bucji produktw chenlii
gospodarczej i spozy;lvg2ej v od:i' Studia Prawno - Ekonorniczne. Tom LV' l997'
s. 241 -259 .
LITERATURA
1
90. Witkowska D', Witkowski !.,' Anliz sieci d.v-strylbyji produkt , spozywcry,cll
i chenlic:ry,ch w nlistch wojel 'dzhta ldzkiego
(be:
od:i)
,
Studia Prawno-
Ekononriczne, Torn LVl, 1997, s.3ll
-323.
91. Witkorvska D', l|1lkgy21,5tnie ninimodeIu gospodarki polskiej do anali:y przemian
zachodzq;ch v, procesie transfornlacji, Zeszy Naukorve Politeclrniki dzkiej.
organizacj a l Zarzdzanie 29' s. 8 5 -99, d 1 997,
92, ZajcK,: Zar1,5 n1u1o4
'ta:styg2n,.h,
PWE, Warszawa, 1994.
93. Zaspa R: Bdnia stctt1;5|1;gin ntetod reprezentacyjn, PWN, Warszawa.
1962.
94, Zawadzki J ., Babis H,., Prba zastosolt'ctlti anttli4, dyskn,nli lttc\,jnej do badania
kon,cjifinansolvej przed,sibiorshr,
''Taksononria',
Zeszyt3l1996, s' 1l9.
95. Zbroek J : Ranking wybranych Tolt'arzysttu ubezpieczenioll],ch
yy
a,spekcie
ubezpie c:e kontttnikany,cfu, praca magisterska porvsta a w Instucie
Zarzdzania pod kierunkietn naukortyn dr in' Iwony Staniec, d,2004'
96. Zieliski Z':Tab|ic sta|ystyczne, PWN. Warszawa, 1972,
97
'
Zubrzycki S.: Wyk a, z rachunku pratvclopodobiesht, i statystyki mcttenatycznej,
PWN. Warszawa. 1966.
|o
31'7
TRsLrcE srATYsrYczNE
Tablica 1
\\'arto ci krYtvcznc rozkIadu t-Studcnta
r'-tlt-'.
-
n/
| \ itl.J
''r
'--"
|
-\-'--
.r
'..--l_T..
|
-t-ri.--..-
-Ir''.h
0
t.'r,r
n(ltl> t
*.r)
=
a
(k-liczba
stopni s\\obod))
X
0.2 0. I
().05
0.()l 0.0 | 0.002 0.00I
7,
I
2
3
.l
5
6
,7
8
9
l0
ll
II
t1
t3
l1
l5
l
t'7
l8
l9
20
40
(r0
120
1l
!l
ff
!)
") ,l
25
26
27
28
29
30
.078
.tt8
.63 8
.533
,4'76
,140
.415
.397
.3 83
.3'72
. -)
o.)
,3
56
,3
50
tJ 5
.341
.J ) /
.333
.33 0
.328
.325
.321
"319
.3 18
.3 l6
.315
.3 l.
.J I J
,31
I
.3 l0
.303
.296
.f89
.282
.3l4 |f
,,7()6
3 l.82l 6j.6
.920 1.303 .9(l5 9.925
.353 3.r82
.t.5ll
5.8.11
.132 2.'776 3.7J 7 l.(r04
.0l5 2.5.7 | 3..-j5 1.032
.94i 2.14'7 3.1.13 3.707
.895 2.365 2.998 3..199
.80 2.306 2.896 3.35.s
.833 2.262 2.82 r 3.250
.8l2 2'228 2'761 3.l9
.'t96 2.201 2.'7 t8 3. r06
.182 2,t'79 2.681 3.055
.77
| 2. 160 2.650 3.012
.'76t 2. r.15 2.6f4 )..977
.'753 2.r3r f.60f 2.94'7
.'716 2.120 2"583 2.921
,'710 2,1r0 2.56'/ 2.898
.731 2.1 0 1 2,552 2.878
.'729 2.093 f
.539
2.86 r
.725
2.086 2.528 2.815
.72| 2.080 2.5 8 2.83l
.'t t7 f .0'/ 4 2.508 2.8 I 9
.'7 t1 f .069 2.500 f .807
.'7 | | 2.0(r.l 2.49? 2.797
.708 2.060 2'. 85 2.787
.706 2,056 2.479 2.779
.703 2.052 2.173 2.'711
.701 2.048 2.16't 2.'763
.699 2.015 2.162 2."/ 56
.69'7 2.012 2.157 2.'7 50
.8.l
2.02l 2.423 2'104
.67
| 2.000 2.390 2.660
.658 r.9fr0 2.358 2.617
.15 l.960 f
,3f6
2.576
3 1 8.29 63.58
22.328 31.600
10.214 12.92't
7.173 8. l0
5.894 .869
5.208 5.959
1.7U5 5.408
.1.501
5.011
1.297
,1.78
I
4.114 4.587
4.025 1.137
3.930 4.318
3.8i2 4.221
3.78'7 1. I 40
3.733 4.0'.73
3.(ltt 4'0l5
3.616 3.95
3. l0 3.922
3.5'7 e 3.88 3
3.55f 3.850
3.527 3.8 r9
3.505 3.792
3.485 3.78
3 .167 3 .715
3,150 3.'725
3.435 3.70'7
3.42 r 3.689
3.108 3.6'71
3.-'r96 3.660
3.3 8 5 3.6'16
3.307 3.55 r
3,232 3,4(r0
3.1(r0 3.373
3.090 3.290
I
2
3
tt
5
(':
7
8
9
l0
ll
t2
l3
l.l
l5
t6
t'7
l8
t9
20
al
f2
/)
25
f6
2'1
28
f9
30
40
60
120
d,\
318
i _li+ |^\oro.o\
-''|m<f,
.
r
T
A
o
|
o\ r
.-
c- o\ - o\.l o.
-
O n r- c\
|^
n lt
-
t- r| t
|^
|
*
r\
- c. r-
_ l^
c.l
ln
or
-
\o co o
-
'n
n \o \o \c
a- F- F- oo co 0o 0o o\ o. c\
didc<t ioooo oo'dio
6.
t+
o.+ O ct \o'n
o^ o r- c.| \.
-
_O
oo -f o.
_
ol c\o o^
-
o. \o
r, F-
_
+ co
-
|^
co
-
o n o .
_
r
n
l \o \' \c F- r- F- oo 0o @ oo oo o\ o\
6' c t- \c t c O F* O o F- |
F- t- \o.+
O r) 0o rt.f, t= 5 oo o\
..l \? c
=J .
c
*
r.- O r
|n
r\ o\
_
ol
'n
n \O \O \c) C- f- f- rc OO oO OO 0O O\ O\
-'.:;-::
:
^.^':-{
-'^^-::;
cr\c\c\.N r *_'n oN-6
.. rl O t.- 6l
ln
\D h
-
n t\ \c r r-
l \c o r-
-
r.. o c.} n rt o\
*
e]
|
'
\c \o !o t.- r- F- cc oo oo c. o. o\
o1 \D F- c
\c co c\i
:f, . c\
_
o\
!f,
n n
o.1 6c..'r cc.|.{oo t:t-\o
* l
c\ F- O.+ tr- O oi
l.
F- o'
-
l
|^ l | \. \o r-t.- c- oo o. co o\ o.
cr--c -f o.+' coo\'no\-
\o'n :+
o
ln
o. o o\ \'c
o c l o\ n
*
n 5 c- o F- o\ |' |- o\ o c|
..n .1
\..
to.
o.. oo"
q
o F' o
l.
o\.- F- oc
|
r- N \.
|
* ..
or rD
-
n F- \o o c. o o
*
n c.\ l \o <)..
\o
o\ l
tf,
tt- o\ O c]
|n |r ln \o \o
r-
(t-
.- t.- oo o. o. o\ o\
o oo
_'n
o.
|
i o. o
-
rc oo \c cJ
co r- F-
|n.]
@.{. r
-
ro
@ ao \D l
o oo c.|
\o
o\
\c
o\..| t
\o co O rl
|n |n |n
\. \o \o
.'- t-- .- oo c. co o\ .
:;;-::
-: -t^'.{-{ -i^'-::-:
o co cj t.-.
_
O
- -
c)
\o oo'n o. . t.t
T--_5 nc-_..'c\5-tc
o <| co c'l'n o\ l
\o
o.
_ :f,
\c c) cl
n
rn In
\o \c \o r- r r- m oo oo 0o o\ c\
c ca.a o\
nf, rn
c- c
-
o\ r r o\ ot N
co\c\r'
-'.c.
ln *.:!. ,o\
c r F
_'
o\ .|'^ c4
-
\c cc c
-
'^
l lr
\o \D \o
r- |-- F- c co co o. o\
_|..rrl'\.r-...
-N-$
N
F
ot)
N
o
N
N
I
VI
il
\7
319
-;
r
c.)
..--\ct^ ts-o\-9 o.-oo r)+c'r
AJ aooo r-c-0o oc_ -m
-Ft'n
-r; o
-+\oF-t-lc
c.l \o.- oaoo- v
- - -N
d .. ..
q
?
ccodo
ddodd o oioo ooooc
o4'- O\cF-- 9o.o.oco noo1'-o\o
-iaX'^\'
lt+c\c x.ooonn r<f c'<
x
'9
99.i."
j..P"l- jo.r
j..f.{.s;oJ -
."*. o=;\o -<
coodd
ddiio
: iSii doooc
T \c N a.
-
\o .o
.-l
-
co
5
\o oo'.
-,^;.f
o-c.lc'^ c.\:o.- N-r|.
x # 5.:.
j.
.:n.9.-^o.9c -?o..|.-.?.-.{\ '-oo
.o i] s
<
o. 5. c-.'5'5
5'5'5'5'5
'5'b'.'b
5
?'b-a-o*c
ccoO
dcdii
-
=oc5
5oooc
M-+--+ ct--'^-
-)x
ottc
-c\-+\cc
-;-cl
c| cl c|^ 5\c] cir='^=
4
_
-,
.+
\' r r c/o c .] \. r- c. o.
*
=t
r
a-:-
-.'
.. .. .r r r t
coood
dcioi c oooo oiicc
+l^M _rc
-ool--
ro+)o F-o\\o6o
-a+ A+\cc.
\oo.Oco=f oo0oc.]o\o{ o\orOc
i^..o
c o^^ct
'n F- t- oo
-
n |- oooo
-
.
\(
c "5t. ..t.t.t. t..b..b..b"?}
.b'.b.oo.oo.oo
-cO
OOOOo cOOOO oocOC
!l^-F Mrn)ro
\o'nr \c
c'l'nN-o\ o.+on
iziax;
^;il\c
c.o\F-o 'noooo o\ccoc.o
+\c oo.^P^il
'n\or-oo oo- 'nF- 0oooor'.
o.
o."5 " .
t. t. t..5.
.5.b..t..}..b. .b'.b.oo'oo.oo
eoo
ocooo oooo<) coocc
-+
A| + A! M +
-
O V) or F-
-
co \c * \o oo .-l c. l o\
l/
; ; !H ; ; N
-.+
.- \c F- c! \oo\ o\ n n F
;-i;\]ii< ;;cc|
!+h
\o.-oo co-r|n\o F-coo'/
{
o^.5 ^5
t. t. . t. t. t..b.?..b.b.
.t..b..o.t..13
VOO
OOOOO OOOOO OOCCC
N+!! -xa.t o c'n \co\or- r.J .t
i^ N x ; x G ;i c.l
*
\c F- \o
l t- o\
|n |r
ca oo
ln
o
|/
;+ i^.H i-: F: ;;; ;l
t+ tn \cF- o. oc O
ln \o F-o. o r V
.5
.5.t't.b
t.%.?..b.%.
"b'.b.oo.oo'oo
--c
oooco coo-o ooooc
r^+ r!+ta6|
\or--fct6
c\ \or6
\c.-\o'
J G+: <xo o\\cn* \o\rrr-
r- c\od
;;'x G x
yi
; ;..|
.
|n \c F-o c o n \o
.- oo c. '/
i
b.
b .t.t.:5t. b.b..."b.b. ?..b....o.oo
-"o
oO-o cOcQo oooo<
NN _
-ac
o\ r
'.Nr-r.--c.l\oo
.n=- snooioo
F-'o<t- \ol.--ro ro. olt--
'.\c t.. F-
-
co co^:-
r|
\o
F- c. 0o c '^\o r- cooo l V
. . t.z..5.. t."..b.t..b. ?..b'%..o.
--C
CCCOO CCCOO OO-OC
+lr\or-
n\cF-F-
c\|lao\-
r| .. .l o\
\o
'.\c\oF-
co
rn \.c .a \o
-N-C\rn
n\c\.r-
\D|\oc
C-Oca'^
!f, r/)
\t \O t.-
ll
\t
a-
ll
\J
\i
320
I
2
3
5
6
'7
8
9
IO
ll
t2
l3
l4
15
l6
l7
l8
l9
20
2l
2f
!)
11
2.5
26
27
28
29
30
40
50
0
70
80
90
t00
.t
I rt'---
1../
---\___r.-
'-x
...,
=
-------------='
J .e
p(r.
Z|, t)
=
a
t).975
0.95
().9
\\' rto ci krvtycznc
0.999i 0.999 0.995 0.99
0.06-193
o.o: I o0
0.0 r 53
0.0(.l-19
0.1 58 1
0.0'157
0.02200
0.02+3
0.0908
0.2 l0l
0.0j3 93
0.0100
0.0717
0.2070
0.l l l8
0.:e9.1 0.381t)
0.1819 0.5985
0.7 1 01 0.857 |
0.97lti t.15t9
l.l(r-5 I I.l7lJ 7
1.5870 1.SiSlJ
1.9-.1-15 2.1 l1 I
2.i019 2.6172
2.6966 3.0107
3,1()7-r 3.1825
3.5-357 3.911'7
3.9800 1,1t62
4.4391 4.9048
1.9125
5.107
5.3978 5.92 I 0
'5.895.
6^416.7
.104l 6.9829
6.92.10 7.5291
7.1528 8.0817
7.9905 8.6494
8. s3 74 9.?"222
9.0929 9.S029
9.j58 l 0.3907
10.22(16 10.9861
10.8010 I 1.5876
0.020 I
0.I 118
0.2971
0.5 513
0.675'7 0.S7t I
0.9893 1.2t90
l.
j.1.l
l.6465
i.7l19 2.()879
]. |55s 2-. jll2
1.60i2 3.0-il5
3.0738 3.57{J
3,5650 4. l()(r9
1,0.7 47 1.601
.1.6009
5.2291
5. I J 22 5.3 I 22
5.973 6,1()77
6.248 7'0 l 19
.ti139
.].63f7
7.1338 8.201
8.0j3 8.897]
8_6127 9.5125
9.2604 |0.r957
9.l]862 l0.tj.i3
10.5 l9(r I 1.52J 0
I I.1 602 1 2.1 982
I 1.8077 I 2.S785
l2.'{6l3 l3.517
l3.l2l l l1.2j1
13.7867 1.1.9_j-15
20.'/066
27.9908
3 5.5344
13.27i3
5 t. t7l9
59. l 93
2f .1642
29.'1067
_l7.-ttJ ltt
45.1117
5 3.5.100
1.7540
t57 0.0,9 t2 0,0'39i
0.050
0.2158
0.4 8.11
0.8i l2
0. I 026
().3518
0.1t07
t. I t55
0.0158
0.2107
0.58-l"l
l.()36
l . l0]
1.23.73 l.35.t 2.2()] |
|.899 2.1673 2.8.-i3 l
).1797 2.',7326 3,4895
2.70()]
3.325l
.1.l
E2
i.lJ 70 i.9l()3 1.8651
3.rJ 157 4.5718 5.57711
1.1038
5.2260 6.3038
5.0087 5.8919 7.04l5
5.(1287 6.570 7.7895
6.f62| 7
'2609
8.5- (18
6.9t)7'1
'/.9616
9.3122
1.5642 8.67 t8 t0.0it52
8.2307 9.390.l l0.819
8.9065 10.ll70 ll,j09
9.5908 10.8508 12.1J 2(,
l0.2829 l l.' 9l3 I3.2396
10.982i 12,1380 11.0t l5
l 1.8ti5 l3.0905 l1.8.t80
12.101 I 13.81ti1 15.65ti7
13.1 I97 14.6t l4 16.4731
13.8439 t5.3792 1'7.2919
l1.57j.l l6' l5l. Il.i. l l39
15.3079 l(t.92'79 18.9192
l.017l l7.7081 |9,i677
l.7908 lti..l927 20.5992
21.1331
32.3571
" 0.18l7
I 8.75 75
57. r 532
65.6166
'71.2219
26.5093
31,7 612
43. I 880
5 r.7393
60.3915
9. l 260
29.050_5
3 7'6lt8
1..{5 89
5i.i 2 ri9
64.2778
73.29 t 1
r6.9058
23..l | l
30.3393
37
^16'7
|
41.',19t7
52.2'768
t'/ .9 | 66
f4,6'736
31.7381
3 9.03 58
46.519'7
5.1.1559
61.9182 67.317 70 Ofi50
71
158 I
321
Tablica 3
rozkladu
12
0,I 0,05 0,025 0.0 r 0.005 0.001 0.0005
1',7 .27 50 t9.67 52
18.5493 ft,0f6l
19.81 l9 f2.3620
2t,064t 23.6848
ff
.30't1
f4.9958
23.5-118
24.7690
25.989.
2'/.2036
28,4120
29'l5l
30.8 I 33
3f.0069
33.1962
34.38 r 6
35,5632 38,8851
36."t412 40.1133
3'7 .9159 4t.3372
39.0875 42.5569
40.f560 43.7',730
26,f96f 28.8453
f7
,58',1
| 30. l9 r 0
28.8693 3 1.5264
30,1435 32.8523
31,4104 34.1696
3f .6706 3 5,4789
33.9245 36.?807
35.1',725 38.0756
36'4l50 39.31l
37.65f5 40.6165
6.6349
'/.8791
9.2 t04 r 0.5965
I I,3.149 12.8i8 I
13.f'767 14.8602
t 5.0863 t6_'7496
16.81l9 18.5,{75
18,4753 20.2'77',7
20.0902 ft.9549
2 l.660 23.5893
f3.f093 25. r 88 r
21.'7f50 26.'7569
26.2t',/0 28.299'/
27.688f 2e.8193
29.1412 3 1.3194
30,5780 32.80r 5
31,9999 31.?611
33.4087
-l5.7
I 84
34.8052 37.l51
36. r 908 38.582 r
3'7.5663 39.9969
38,932f 41.1009
10.289'1 12.7957
4r,6383 44,r8t4
42,9'798 15,5584
44.3 l40
, '9280
45.64 I 6 48.2898
4.928 49.6150
48.2782 50.9936
49,5878 52.1355
50.8922 53.6-t19
3.6908
(16'.7660
7' l 538 79.4898
88.3794 9r.95l8
I 00.425 I I 04.2 148
112.3288 il6.3209
1f4.t162 128.2987
135.809 l.l0. l697
f .'7055
4,6052
'25 l4
7.7'.791
9.2363
10.6446
12.01 70
i3,36r6
l4'837
t5.98',72
51.8050
63,16',7 |
'7
4,3970
85.5270
96^5782
1 07.550
1 18.4980
3.84 r 5 5.0239
5.9915 1.3'7't8
7.8147 9.3484
9,487'7 lt.t133
I 1,0705 12.8325
lf
.5916
14,4494
14'0671 l.0l28
I 5.5073 I 7,5315
r 6.9 r 90 r 9.0228
18.3070 20.4s32
24,1016
26,0t79
f7.86'7 4
29.6669
3 r.4195
33, I 382
34.82 r l
3.4768
38.1085
39.'t 173
21.9200
23,336'7
24.'1356
26.1 1 89
27.4881
41.9231
13, I 915
44.4608
t5 1))1
46.9792
59.34 r7
'/
t.4202
83.29'77
95.023 I
l 0.285
r r8.r359
19.
22.t05
1t.30't'7
42.8808
14.433'7
45.973
,la
49
50,5 r
51.9995
53.4'71
54,94'/
5.4
57.85 56
59.f990
60'73.
62.1
I 0.8271
13.8 r 50
16.266t\
l8.462
20.5147
7? J iTS
24.3f13
f6.1239
f't,8767
29.58',79
3 r.263i
32.909f
34.5f74
36.t239
37.6978
39.25 l8
40,79t I
42.31 l9
43.8 I 94
45.3 142
46.'7963
48.2676
49.72't6
51,r790
5f
.618'l
54,05 I I
5.89 l 8
5 8.300
59.7022
'13.1029
86'603
99.6078
112.316'7
r 24,8389
t3'7.2082
I 49.4488
r2.l 153
15.2014
t7.73t I
I
2
3
1
5
6
7
8
9
l0
12
13
l4
l5
l
t'7
l8
l9
f0
2l
22
23
24
25
5 5,75 85
7'5048
79.0820
90.53 r 3
10 r,879_5
I 13,1452
76.0963
89.5597
102.6971
l l 5.576
t28,2636
r 10.7804
r 53. l 638
26
27
28
29
30
40
50
60
't0
80
90
100 t24.3421 t29.561
3ff
Warto ci krytyczne
P(F>Fo.,.,.,.)=a
39.86 49.50
8,53 9.00
5.5. 5'46
4,54 4.32
4,06 3,78
3,78 3,46
3.59 3,26
3.46 3, il
3,36 3,0 r
1?g )q)
3,23 2,86
3,l8 2.81
3,l4 2.'16
3, 1 0 2.'13
3.07 2,'10
3,05 2,67
3,03 ?,64
3,01 2.62
2,99 2.61
)q] 75q
7q
1i?
2.95 2.56
f.94 2.55
7q] 7SJ
)9) ?51
7ql )5t
f
.90
2.51
2,89 2.50
2.89 2.50
2,88 f .49
2.84 2.44
2,J 9 f
,39
) 15 2 15
f .7 | 2.30
53,59 55.83
9.16 9.21
5.39 5.31
4,t9 4,1 1
16) ?S)
3,29 3, r8
3.07 2.96
7
q]
7 Rl
2,8 r 2.69
2.73 2.61
2.66 2.s4
2.61 2.18
f,56 2.43
2.52 2,39
f .49 f .36
2.46 2,33
) t!.
a
11
) .11 I lo
z'cl 2l
2.38 2.25
)76 ))\
2.35 2,22
]
. d
).,|
) 11 7 rg
f .32 2.18
2,31 2.t7
2.30 f .t]
2.29 2.t6
2,28 2.15
2.f8 2.t4
57.24 58,20
9^29 9.33
5.31 5,28
4.05 4.01
3.45 3..10
3. I I 3.05
2.88 2,83
2,13 2,67
f
,61
2.55
)i) )t6
)4< )14
2.39 2.33
2.35 f
,?8
2.3t 2.24
f .f'7 f .21
))4 7 rR
2,fz z.l s
2.20 2,13
2.18 f,tl
f
,t6
f .09
2. l. 2.08
2,13 2,06
2.1 I 2.05
2.t0 2.0.1
2.09 2,02
2.08 2.01
2.07 2.00
2.06 2.00
2.06 1.99
2,05 r.98
58,91 59.44 59.86
9,3s 9,37 9,38
5.f'7 5,25 5,24
3.98 3,95
-1.9'1
t 1/ 114 1 1/
3.01 2.98 2.96
2.78 f .'7s 2.72
)6) ? q
1
2,51 f
.17 2.41
2.11 2.38 2.35
2,34 2,30 2,2'l
2,28 2.24 2.fl
2,23 2,20 2.t6
f
,19
2.t5 2,12
2.16 f
,t2
2.09
2,l3 2,09 2.06
2. l0 2,06 2.03
2.08 2,01 2,00
2.06 2.02 r,98
2,04 2.00 1,96
2,0f 1.98 1,95
2,01 1,97 1.93
r
,99
1 .95 |,9f
l,98 1.94 l,9l
1.97 r.93 1,89
r .96 t.92 1,88
r.95 l.9l 1.87
1.94 1,90 1.87
l .93 l .89 l.8
r,93 r,88 1.85
7lR
2.09
2.04
r.99
2,00
tqi
r.90
1,93
1.87
r.82
1.87
I,82
t,17
l.'tf
1.83
1.77
l1)
1.79
|'75
l.8
1.63
I
2
3
A
5
6
7
8
9
l0
lt
tf
t3
l4
l5
l
t1
l8
t9
20
2l
f2
23
)4
25
26
2'7
l
29
30
10
60
120
f 91 7',| l-o/
323
rozkladu F-Snedecor , a=0, l
60. t 9 60.71
9.39 9,1r
'1
i
))
3,92 3.90
2^91 f
,90
2,70 2,6'7
2.5'1 2,50
2.42 2.38
f .3f 2.28
7 75 ) )1
) lq 7li
f
,14
f
,10
2. 10 2.05
f .06 f
,02
2,03 I,99
2,00 1.96
I
,98
1,93
1,96 1"9 r
1.94 1 .89
1.92 1.87
1.90 1.86
1.89 1.84
1,88 1.83
1.87 1.82
I,86 l,81
1.85 1,80
1,84 |.'79
1.83 I
,78
I,82 1,77
t.'76 |,71
|
'7I
l.
l.5 1,0
1.60 1.55
6t .ff 61 .'7 4
9.4f 9,11
5.20 5.18
3,87 3,84
3.21 3.21
f .87 2,8'1
) 1 ? iC)
2.46 f
,42
2,34 2,30
))t 740
2.17 f .lf
f
.10
2,06
2,05 2,01
f
,01
l.9
1,97 1.92
r.94 r.89
1.91 I
,86
1,89 I,84
1.86 r,8 r
1.84 1.79
r,83 1.78
l.8l l.'76
1 .80 1,7 4
I .78 1.73
|.'77 |,72
t.'76 1,71
t.'75 l,'10
|..74 l'9
|
'73
l .8
t.'/2 1.6'7
l.66 l. l
1.60 1.54
t.55 1.18
1.49 |
"4f
62.00 62.f6
9.'15 9.16
5.1ti 5.17
3.8 3.82
3.19 3.t'/
2.82 2.80
2.58 2,56
2.40 2.38
2.28 2.25
2.18 f
,16
2.10 2.08
f
,04
2.01
1,98 1.96
1,94 l,9l
1.90 1.87
1.87 1,84
1.84 I
,8
I
l.8l 1.78
t."t9 L,'76
1,77 1.',74
1,75 t.72
1
,13
1.70
l,'7f 1.69
1.70 1,6'7
l
'69
l .6
l.8 l.65
t,67 r
,64
|,66 l .3
1,65 t.62
1.64 l,6l
62.53 62,79
9.1',7 9.47
5.16 5.15
3.80 3.'79
3.1 6 3.1 4
2.78 2.76
) < | 1 <r
2.36 2.34
) )7 ) )l
f
,13
2.1 I
2,05 2.03
1,99 r.96
1.93 1.90
1.89 l
'8
r,85 1,82
1.81 1.78
1.78 l.'75
1,'75 1.',|f
1,73 1"70
|'7| l'8
1,69 1,66
1,67 1,64
1,66 t,62
1,64 1'1
1.63 1.59
l. l l.58
I
,60
|,57
l'59 l
'5
I,58 1,55
1,57 I,54
l.5 t t.4'7
I,44 1,40
|.37 |,32
1.30 1.24
63,06 66.33
9,48 9,49
5,14 5.1 3
3.78 3,'7 6
3,t2 3. r0
Trblica 4
2.72
"\ 1
f.
f .l(;
f .06
r.'/2
l
'9
l.
l,3
l.6l
t.
t5
tz0 0
. 0
+ f0 l5
ta
l0
-0
a 1l
2.49
2,32
2.18
2.08
2,00 1.97
1.93 1.90
1,88 I
.85
r,83 1.80
t.'79 1.76
| /\
11)
1.69
|.6',7
1,64
1,6f
r,60
1.59
1.57
l.5
1.55
| \{
1.52
1.5'7
1.5 I
1.45
1.38
1,54 1.50
1.53 1.49
t.52 1.48
l,5l t.1'7
1.50 1,46
t.4f I,38
I,35 t.f9
t.26 I, t 9
1.17 1.00
I
f
3
4
5
6
1
8
9
l0
ll
t2
l3
l4
l5
l6
t7
l8
l9
20
fl
2?
!-)
f4
25
26
f7
28
f9
30
40
60
120
32
Warto ci krytyczne
lr.,
l/
\- {t
tl
*---/_
r
rcn,fl,E
)
161.45 t99.50
18.5 t 19.00
r0. r 3 9.55
'7.7',t
6,91
6,61 5,',79
5
gc)
s t4
5.59 4.'7 4
5.32
. .4(l
5.12 1,26
4.96 1.10
4.84 3.98
4,75 3.89
4,6'.7 3.81
'1.60
3.'7 4
4.51 3.8
4'19 3.3
. .45
3.59
J 4l 1 i
1.38
3.52
4.35
3.49
+,)z J .{ /
1.30 3.44
4.28 3.12
4.26 3,40
4.24 3.39
+.iJ J .J /
J
'|
i. i
4.20 3.3,1
4.18 3.33
215,7 | 2f4.58
19.16 19.25
9.28 9.12
6,59
(r.39
5,4 I 5, l9
4.'76 4.53
4.35 4.tf
4.07 3.81
3.86 3.63
3.7 | 3.18
3.59 3.3(r
3,49 3.26
3.. l 3.l8
3.34 3.1 I
3.29 3,06
3.21 l,0l
170
1Qr.
3. 16 2.93
3, 13 f .90
3. r0 2,87
3.07 2.84
irli )R)
3,03 2.80
3.01 2.'78
2,99 2,76
2.98 2.71
2.96 2,-/3
2.95 2.7 |
2,93 2.70
)q) )69
230.16 233.99
19.i0 t9.33
9.01 8.94
6.26 6.16
5.05 1.95
4,39 4.28
3.97 3.87
3.9 3.58
3.18 3.37
3.20 3.09
-l.l
l 3.00
-1.03
2.92
?.96 2.85
f .90 2.79
2.85 2.'/4
2.81 f .70
2.7'7 2.66
!- t + l..oJ
2.'.7 | 2.60
2.68 2.51
/
l\lr
'
al
1
l'rJ ? i1
2.62 2.51
2.(r0 2.49
1.59 f .1't
f .5'7 2.46
f
,56
2.45
7 i5 7 J
2.53 2.42
2..r5 2.34
2.37 2.25
2.29 2.18
2.2t 2.10
236,77 238.88
1 9,3 5 19 .3',7
8.89 8,85
.09 6.01
4.88 4.82
4.21 4.15
3.79 3,'t3
3.50 3.14
12q 111
3. 14 3.07
3,01 2,95
2.91 2.85
7 Rl )
'7'1
2.76 2.70
f .'7 | 2,64
2.66 2,59
2.61 2.55
2.58 2.51
2,51 2..18
2.51 2.45
240.54
19.38
8.8 t
6.00
| 11
4,l0
3.8
3.39
3, r8
3.02
2.90
2.80
2.11
l.o)
2 q
1<t
f .49
2.46
2.42
t 10
)J 0
)t1 )17
2.16 f .10 2.34
1.14
)11 )1)
)J ) )1/- t1{)
2'40 2.3. 2.28
tic) ti) )1'1
)11
)lt
)ts
)^lA lto ))n
2.35 2.28 2.f2
2.33 2.2'r 2.21
.r.08
.1.00
3.9f
3.81
3.07
2.81
2,76
2,68
2. 1
J .+)
2.25
) t'7
2.09
2,l8 2.12
2.10 2.04
2.0f 1.96
I .91 1.88
P(F
>-
Fo.,,.,,)
=
a
I
2
3
,1
5
6
7
8
9
t0
l1
t2
l3
t4
l5
16
11
l8
l9
20
2l
2f
23
11
25
z\)
27
28
29
30
40
60
120
00
')
f .3'7 2.0
325
rozkladu F-Snedecora, a=0,05
t2 t20 60 40 30
1t
20 l0
Tnblica 5
25'1.3
19.
24 l
.88
243,90
r9,40 19.41
8,79 8.74
5.96 5.91
4.7 4 4.68
4'0 4'00
3.64 3.5'7
3.35 3.28
3, l4 3.07
2,98 2.91
2,85 2,'79
2.75 2.69
2,6'7 2,60
2,60 2^53
2,54 2.48
)49 ),!)
2.45 2,38
2,4t 2,34
2.38 2.31
f .35 2.28
2,32 2.25
'
() ))1
2,2'7 2,f0
2,25 2.18
2.24 2.16
f .22 2.15
))n ) lr
2.t9 2.12
2, I 8 2.10
f
,16
f
.09
245.95 218.0f
19..13 r9,45
8.70 8.6
5.8 5'80
4.6f 4.56
3.94 3.87
3.5 I 3.44
1))
,
l5
3.01 2,91
2,85 2.7'7
)'7) )65
2.62 2.54
2.53 f .46
2.16 2.39
2.10 2.33
2.35 2.28
f .31 f .23
2.2'7 f .19
t )l ) t6
f,20 2,12
2.18 2.r0
f .t5 2,07
2.13 2,05
2,I I 2,03
2.09 2,01
2.0'7 t.99
2.06 1,97
2.04 t.96
2.03 1.9,1
2.01 1.93
1.92 I,84
1.84 1.75
1.75 1,66
| .67 1.5 7
249.05 250, I 0
I 9,45 19,46
8.1 8.62
5.'7't 5.75
J it J 50
3.84 3.8 r
3.41 3.38
3. I 2 3.08
2.90 2,86
2,74 2.10
2.61 2.5'7
7 5t
1!'l
f .4f 2.38
715 7 tl
2.29 2.25
) )! ) lr)
z.tL) 2,15
f
,15
2.1 I
f,n f.07
2,08 f .04
2,05 2.01
f
,03
1.98
2.0 r 1.96
1,98 1.94
1
,96
1.92
1.95 1.90
1.93 1,88
I .91 r
.87
1.90 1.85
I,89 1.84
1,'79 1.74
1,70 1.65
l. l l.55
t.5f I .46
t5t 14 ?517n t517i
t9.47 19,48 r 9.19
8,59 8.57 8.s5
5..72 5.9 5.6
4.46 4.43 4.10
8.53
5.3
l.
4,
3.'1'7 3.74 3.70 3.67
3.34 3.30 3.2'/ 3.23
3.04 3.01 2.97 f,93
2.83 f .79 2.75 2,'71
f .66 2.6f 2.58 2,54
2.53 2.49 2.45 2,40
f .43 2.38 2.31 2.30
2,3-l 2.i0 1.25 2.21
2.27 2.22 2.18 2.13
2.f0 2.16 2.t | 2.07
f .t5 2.tI 2.06 2,01
2. 10 2.06 2.0 I I
.96
2.06 f.Of |
^9'/
1,9f
2.03 r.98 t.93 1.88
1.99 1.95 1,90 l,84
1 .9(r l.9f 1
.87
1
,8
1
1.91 1.89 I,84 r,78
1.9l i.8 1'81 |'76
I .89 I .81 t,'79 1
,73
1.87 r.82 |.77 1.7 |
t,85 1.80 1.75
1"8,1 l,'19 l.'73
I .82 t,7'7 1.'7 1
l.8l 1,75 1.70
|.79 t.74 1.68
t.69 1.64 r,58
1.59 1.53 |.4',7
r.50 r,43 1.35
1.39 1.32 t.2f
t,6'7
l.5
1.6,1
l.ol
2,08
I,99
1.91
2.00
1.92
1.83
I
2
3
4
5
6
7
8
9
l0
ll
I2
l3
l*
t0
1'7
l8
l9
20
fl
ff
z3
/-+
25
26
2'7
28
f9
30
40
60
tf0
t.75
3f6
Warto ci krytyczne
647,.|9 799,48 84.l5
38.5 r 39.00 39.17
i 7.. 4 l6.0.l l5.44
12.22 r 0.65 9.98
I 0.0 l 8.43 1 ,'7 6
8.8l
.7.26
6.0
8.07 .5.1 5.89
7,57 6.0 5.12
'7
.21 5.71 5.()8
6.94 5.1
.l.83
6,.72 5.26 4.3
.55 5.l0 4., 7
6.11 1.91 4.35
6,30 4.86 4.24
6.20 4.17 4.15
6,t2 1.69 4.08
6,04 4,62 4.01
5.98 4.56 3.95
5,92
.1,51
3,90
5'87 4,46 3.8
5.83 4.42 3.82
5.'t9 4.38 3.78
5.75
' '35
3.75
5.72 4,32 3.72
5'9 4'29 3.69
5.6 1.?./ 3.67
5.63 4.24 3.65
5. l 1,22 3.3
5.59 4.20 3.61
5.57 4,1 8 3.59
5.12 4.05 3.-16
5.29 3.93 3.3'l
5. r5 3.80 3.23
5.02 3.9 3.l2
899.0 92l.83
39,25 39.30
r5,10 14.88
9.0 9.36
'7.39
7.15
6.23 5.99
5.52 5.29
5.05
.1.82
1../2 1." 8
1.11 4.21
'1.28
4,01
4.12 3.89
4.00 3.'/7
3.89 3.66
3.80 3.58
3.73 3.50
3.6 3.14
3.6 r 3.38
3.5 3.j3
3,51 3.29
3.48 3.25
J .++ J . !:
3.11 3.18
3.38 3. I 5
3.35 3. r3
3.33 3.10
3.31 3.08
3^29 3.06
3.27 3,01
3.25 3.03
937.r r 948.20
39'33 39.3
11.'73 t4.62
9,f0 9.07
6.98 6.85
5.82 5.70
5. 12 4.99
.1,(r5
4.53
4.32 4.20
4.07 3.95
3.88 3.76
3,73 3.6 r
3,60 3.4rJ
3.50 3.38
3.4 I 3,29
I 1.1 1 t1
3,28 3.16
3.22 3.10
3.1'/ 3.05
3.13 3.01
3.09 2.97
i.05 2.9i
3,0f 2.t)0
2.99 f .87
2,97 2.85
tgJ
)R)
2.92 2.80
2.90 2.78
2.88 2.'t6
rR7
)7i
)]J )a
2.63 2.5 r
7 i) 7 io
2.4 r 2.f9
956'4 963.28
39,37 39.39
14.54 t4.47
8.98 8.90
6.76 6.68
5.60 5,52
4.90 4.82
4.43 4,36
4. i 0 4.03
3.85 3,78
3. 3.59
3,51 3,41
J .J Y J .J I
3.2g 3,2 I
3.20 3, r2
3, r2 3.05
3.06 2.98
3.01 f .t)3
f .96 2.88
2,9 r 2.84
2.87 2.80
2.84 2,16
2.81 2.73
2.'.78 2.',10
2,'75 2,68
2;13 2.65
2,',1| 2.63
2.69 2.6r
1 (,,1
) c)
r.o) f .) /
2.90
2.'79
t.o /
3. l3
3.01
2.89
f
^41
) 1r)
f .19
")
l<
f .33,
2.?2
P(F > Fo.,,,,,): o
l0
tl
l2
l4
l5
l
l'7
l8
l9
f0
lo
27
28
29
30
" 0
0
t20
)
5'7
3?'7
Tablicn 6
rozkladu F-Snedecora, c0,025
l5 120 60 10 30
)l
20 t2 l0
968.3 976'72
39,40 39.41
t4,42 14.34
8.84 8.75
6.62 6.52
5,46 5.3'7
4.76 1.67
4,30 4.20
3.96 3.87
3.'71 3.6f
3.53 3,,13
3.37 3.28
1)i 1l{
3. 1 5 3,05
3'0 f .96
f .99 2.89
2.92 f .82
2.87 2,77
)R) )7)
2.',77 2,68
2.73 2.64
f
^70
f
,60
f
,6'7
f
.57
2.61 2,54
2.61 2.51
2.59 f .49
ri7
)t'l
2.55 2.4s
2.53 2.43
251 )J 1
t1q
))q
2^21 2.t7
2. t 2.05
2.05 r.94
981.87 993.08
39.13 39.45
14,25 14.1'.7
8'6 8.56
6.41 6.33
5.21 5. I 7
t.57 1.1'7
1.10 4.00
3.77 3.6'7
1 ) 1J )
3.3-t 3,f3
3.18 3.07
3.05 2.95
2.95 2.84
2.E 2..76
2,',79 2.68
2.72 2.62
2.67 2,56
)
(-1
t il
?.5'7 2.16
2.53 2.42
2.50 2.39
2.1't 2.36
2.4t 2.30
2.39 f .28
2.16 2.25
a
tl ) ?1
t l) ) )l
t 1l ) )o
2.l8 2.07
2.0 l.91
l.9l 1.82
1.8-l l.'71
99'7.27 1001.10
39.46 39,16
11.12 1.r.08
8.5l 8.'l
'28 6.23
5.12 5.07
1.1l 4.3
3.95 3.89
3.61 3.5
J .J / J .J I
3.1 7 3.1 2
3.02 ).96
2.89 2.81
?.79 2.73
2.70 2.64
? 1 ) i1
] /.
)50
2,50 2.44
2.. 5 2.39
2.4 t 2.-r5
) 71 ) tl
2.33 2,f7
2.30 2.21
))'1 ))l
2,24 2.18
))1
'l
16
2.19 2.13
2.17 2,I I
2.t5 2.09
2.14 2.07
2.01 l
.94
1.88 1.82
t.'7 6 l .69
1.64 1.57
i.06 3.00 2"94
2.91 2.85 2.',79
2,18 ).1f f .66
2.67 2.(r I 2.55
2.59 2.52 2,46
2,51 2.45 2.38
2.44 2.38 2.32
2.38 2.3f 2,26
2.33 2.2'7 2.20
rlq
))) flA
2.09 2.0-l 1.95
f .0'7 2.00 1.93
2.05 r.98 l.9 r
2.03 l .9 l.89
2.01 1.94 1.87
1.88 1.80 l.'72
t.71 1.6'7 1.58
l.6l r.53 1.13
1.48 1.39 1.2'7
2.25
f .19
2. l-l
2.09
2.25 2.18 2.1 I 2.04
2.2t 2. 11 2.08 2.00
2.18 2.ll f.01 1.9'7
2.15 2.08 2.01 l.9J
2,12 2.05 1,98 1.9 I
1.83
1.85
r.83
l.8l
l005.0 l009.79 l0l4.0.l l0l8
39.17 39.48 39.49 39.50
14.04 1i.99 13.95 13.90
8.4 r 8.36 8.3 r 8.26
.l8 6.|2 6.0.7 .02
5.0l 1.96 4.90
. .85
-1.3
I 1.25 4,20
.:1.14
3,84 3.78 3.73 3.6'l
3"i I 3.45 3.39 3._13
3.26 ,1.20 3.11 3.08
2.88
f .i2
2.6t
2.
)
)1)
t.7
1.64
1.18
l.i l
I
2
3
.l
5
6
7
ti
9
t0
lt
t2
l3
l.
l5
l
1'7
l8
l9
20
2l
22
ZJ
z1
25
26
27
28
29
30
40
0
120
6
328
Warto ci krytyczne
P(F > Fo.,,
,,)
=
a
4052.18 4999.34
98,50 99,00
31,t2 30,82
2t,20 18,00
16.26 13,27
13,75 10.9f
t 7
15 q
Ss
11.26 8.65
l0'5 8.02
10.0.1 7.56
9.5
./'2|
9.33 6.93
9.0"/ 6.70
8'8 6.5l
8'8 6,36
8.53 6.23
8.40 6.1 I
8.29 '0l
8. I 8 5,93
8. l0 5,85
8.02 5.78
7qi 11)
7.tt8 5.
7.82 5,61
7,7'7 5,57
/ t/ \ \{
7.68 5,19
'7,64
5,45
7.60 5,42
1.56 5,39
5103.53 5624.f6
99,l6 99.f5
29.46 28.',7 |
t6,69 15,98
12.06 I 1,39
9.78 9,l5
8.45 7.85
7.59 7,0 r
6.99 6.42
h la \
rr(,
(r.il
l-O /
5
q5
i J l
5.'11 5.2 |
5.56 5.01
5.42 4,89
5.f9 4.'77
5.19 1.6'.7
5,09 1.58
5.01 4.50
4,94 1.43
4.87 1.37
4,82 4,31
4.'/ 6 4.26
J '7) 4 ))
4,68 4.ltl
4.64 4, l"l
4.60
'1,
I I
4,57 4.07
4.54 4,04
1,51 4.02
4.31 3.8i
4, r 3 3.65
3.95 3,48
3.78 3.32
5763,96 5858.95
99.30 99,33
79, )A )1
rrl
15 5t t5 )l
10.97 10,67
8.75 8,47
7.46 7.t9
6.63 6,37
6.0 5.80
5,64 5.3 9
5,3 2 5.0 7
5.06 4.82
1.86 1.2
4.9 4,16
.l.5
4,32
4.44 1,20
4.34 4.l0
1.25 4,01
4.t'7 3.91
4.10 3,87
4.04 3.81
3,99 3,7 6
3.94 3,71
3.90 3,67
3.85 3,63
3,82 3.59
3.78 3,56
/1 { \{
3.'73 3,50
3.70 3' .']
5928,33 5980.95 60f2.10
99.36 99,38 99,39
27.67 21.49 27.34
I 4.98 I 4,80 14,66
l0.46 10.29 l0. l
8.26 8,l0
'/,98
6'99 '84 6'.12
.l8 6'03 5'9l
5.61 5.17 5..' 5
5.20 5.0 4.91
4.89
4.64
1.44
47R
1. l4
4.03
3.93
3.84
3_77
3.70
4;7 4 4.63
.t.50
4,39
4,30 4.19
1,14 4,03
4.00 3.89
3,89 3,78
3,19 3.(r8
3
,7
1 3,0
3'3 3.52
3'56 3'4
3.64 3,51 3,10
3.59 3,45 3,35
3.54 3.41 3.30
3'50 3'3 3,26
3,46 3.32 3,22
3,42 3.29 3.18
3.39 3.26 3. 15
3.3 3
'23
3,|2
3,33 3.f0 3,09
3,30 3.t7 3,07
7.31
7,08
6,85
5,18
4,98
4,'19
.t.6
1
3.5 t
3.34
3.17
3.02
J ,l'
)96
3.12
2.95
2.79
7qg
2,82
f .66
2,89
)
'7)
a rl
I
2
3
4
5
6
7
8
9
l0
ll
l2
l3
l4
t5
t6
t7
l8
l9
20
2l
22
:-)
21
25
26
f7
28
29
30
40
60
t20
6
2.51
329
Tnblica 7
rozkladu F-Snedecora, a=0,01
l5
6055.93 6l0.68
99.. 0 99.12
2',7.23 2't.05
1.1,55 11.3'.7
10.05 9.89
1.87 1.'.7f
6.6f 6.4'/
5.81 5.67
5.2
j.l
t
4.85 4.'7 |
,1,54
4.'10
4.30 4. l
. .l0
3'96
3.94 3.80
3,80 3.67
3,69 3.55
3.59 3.46
i 5l ]7
3,43 3.30
3,31 3.1',7
3.21 3,07
3,17 3.03
3,l3 2.99
3.09 2,96
3.0 2'93
3.03 2.90
3,00 2.87
2.98 2.81
6|56.9.7 208.6 6234,27
c)9..1.r
99.45 99.16
].87 26'69 2.0
l. .](l l].02 l3.93
9.'72 9.55 9.4,1
7.56
',7.10
7.31
,3 l 6.16 6.07
5 52 5.36 5.28
4.96 4.81 4.'73
4.5
. .4l
4.3.]
4,25 4. l0 1.02
1.0l 3.8 3.78
3.82 3.66 3.59
3.66 3.51 3.43
3.52 3.17 3.2e
3.1l 3'2 3' l8
3.3 l 3.l 3.08
3.23 3.08 3.u0
3,l5 3.00 f .9f
3.09 2.91 2,86
3,03 2,88 2.80
2.98 2,83 2..75
2.93 f .78 2,70
2.Ee 2.71 2.66
r.85 2.'t0 2.62
]'8l 2. 2.58
r.78 l.6i 2,55
2.75 2,60 2,52
2.7 3 2.57 2.49
2.'70 2.55 2.47
2.52 2.37 f
,f9
715 ))0
'rt)
:. t9 1.03 1.95
f .04 1.88 1.79
(l260.35
286.43
99.4'7 99.48
2.50 26.4|
r3.81 r 3.75
9,38 9.29
1.f3 1.14
5.99 5.91
5.20 5. t2
4.5 4.57
4.25 4,t'7
3.94 3,8
3.70 3,62
3,51 3.43
3.35 3.f'l
3,2t 3. 13
3.1 0 i.02
3,00 2.92
2,92 2.84
2.84 f ."76
f ;78 f
.69
f
.'72
2,61
2,67 2.58
f .62 2.51
2.58 2,49
)5J )4:
75n )4)
2,47 2,38
2.41 2.35
2,1t f
,33
2.39 2.30
f,20 2,l I
f
,03
1,9.1
1.8 |,76
1.70 1.59
6312.97 6339.51
99.48 99.49
26.32 26.22
l3'65 l3.5
9.20 9.t r
3.78 3.9
t5J tJ 5
3.34 3.25
3.18 3,09
3.05 2.96
2.93 2,8-l
2.83 2,',7 5
2.75 2.66
) 6'1
1
5R
f
^6t
f .52
'7.06
6.91 6.88
5R7 57J 5r\S
5,03 4,95 4.86
1.18
-1.10
1.31
4,08 4.00 3.91
3
'0
3.3
3. l7
120 60 40 30
1.1
20 tf l0
()
99.
f6.t3
tl
9.02
3.
2.87
2.7s
75
!..) t
L.L]
I l')
2.80
1 (.1
', n1
2.66
2.50
)14
2.r8
2,55 2,46 2^36
2.50 2.40 2.31
2.15 2.35 f.26
)J 0 ?1r ))1
2.36 2,2'7 2.17
2.29 2^20 2. r0
2.f6 2.t7 2.06
2,f3 2^14 2.03
2.f1 2.1I 2,Ol
2,02 1
.92 r.80
l
'84
|,73 l
'0
1.66 r .53 1 .3 8
1.4't 1.32 1.00
I
2
3
4
5
6
7
8
9
l0
ll
t2
IJ
l4
l5
l6
t7
l8
la
20
2l
22
a)
a
25
26
2'7
28
f9
30
40
60
120
2.32
330
Tablica 8
Warto ci krytyczne rozk|adu serii
P(k ko,,,,,,,.)
=,
u=0.05
x
2 3 4 5 6 7 8 9 t0 ll t2 13 t4 t5 t6 t7 t8 19 20
0
I
?
3
,
5
'7
8
9
0
f
22 3
f 3 3 4 4
22 3 3 14 5
22 3 14 5 5
(r
23 3 4 5 5 6 6 6
23 3 4 5 5 6 6 7 7
23 4 4 5
(r
6'7 7 8 8
23 4 4 5 6 618
8 9 9
2 3 4 5 5 7
.7
8 8 9 9 10
f 3 4 5 6 6 7 8 8 9 9 l0 l0 ll
23 4 5 6 6 7 8 8 9 l0 l0 il il il
2 3 4 5 6 7 7 8 9 9 l0 l0 Il ll 12. 12
2 3 4 5 6 7 8 8 9 l0 l0 lt II 12 12 l3 13
2 3 4 5 6
'7
8 8 9 l0 l0 ll 12 12 13 li 14 14
2 3 4 5 6 7 8 9 9 l() ll ll t2 t2 13 13 l4 14 t5
c=0.95
X
2 3 4 5 6 7 8 9 l0 il 12 13 14 15 t6 t'7 18 19 20
2
3
4
5
7
8
9
l0
ll
l1
l3
l1
l)
l6
t'7
l8
l9
20
4
56
56
)1
)/
5'7
5'7
57
57
5'.7
)/
57
)/
57
57
57
)t
51
5',l
7
8
8
8
9
9
9
9
9
9
9
9
9
9
9
9
8
9
9
0
U
0
t,
I
I
I
2
2
2
?
3
3
3
3
3
l
2
l
J
J
3
3
4
.t
I
.
1
I
2
3
3
1
A
5
5
5
5
5
6
3
1 15
4 15 l
5 l 16 17
5 16 t'7 t7 l8
616t7181919
617l8t8192020
6 1'l l8 19 2() 20 2l 22
6t718t9202t2t2223
'7
t8 19 20 20 21 22 f3 23 24
7 l8 t9 20 2t 22 22 f3 21 21 25
7 t8 19 20 21 22 23 21 21 25 f6 26
i:
i
.i,
t:,,1 {l,i"i
l
:.. :
..:..; .-
..
l;.1,
,j
)'a:.,l
J J I
cd. Tablicy 8
rr=0.025
x
2 3 1 5 6 1 8 9 l0 lt 1f 13 14 15 16 l'l l8 19 20
U
I
2
3
4
5
6
7
8
,9
)/l
22
:lJ J
:l-lJ -)
233344
2334155
233. 555(l
234,1 55661
f2 3 4 1 5 6 6'7'7 7
f2 3 4 5 5 6 6't't 8 8
22 3 4 5 5 6 7 7 8 8 9 I
2 3 3 4 5 6 7
.7
8 8 9 9 l0
2 3 4
.
5
(l
6
,7
8 8 9 9 l0 l0 l1
f 3 4 4 5 7 7 8 9 9 l0 l0 ll ll ll
2 3
:l
5 5 6 7 I 8 9 9 l0 l0 ll ll 12 12
f 3
.
5 6 6 7 8 8 9 l0 l0 ll 11 12 12 lj 13
1
',l
..r { A t 7
p
o o ln to r) t) 11 l'l 11 t'l t/1,
rr=0.97S
x
2 3 4 5 6 7 8 9 r0 ll 12 l3 11 15 16 11 l8 19 20
l0
il
t2
t3
l1
l5
l6
t7
l8
t9
)o
4
5
57 8
57 8
5'7 8
57 9
57 9
5'7 9
5'7 9
5'7 9
5'7 9
57 9
57 9
57 9
57 9
5'7 9
5'7 9
5'7 9
9
9
0
0
0
I
I
f
/.
2
2
3
J
J
J
3
J
J
f
f
,j
3
3
J
1
1
.
5
5
5
5
3
3
.
4
5
5
5
5
o
6
6
6
r,
4
5
5
5
6
6
7
'7
7
7
'7
1
f
616
6 t'7 l8
7 l8 t8 19
7 l8 19 19 20
7t819202tfl
8 19 20 20 ft f2 22.
819202122222321
81920212223212425
ef02t2222f32125f526
o
'n
)1 )) ?1 ),1 )l' ) )(, 1A )
J )L
Tablicn 9
Warto ci krytyczne rozk|adu znakw
n
o,
tl
ct
0.0 I 0.05 0. I 0.2 5 0.01 0.05 0.1 0.2s 0.01 0.05 0.1 0.15
I
f
3
4
5
6
7
8
9
l0
il
l2
l3
l4
l5
l6
t1
l8
l9
20
fl
22
f3
a/
f5
26
2'1
28
29
30
0
0
U
I
I
3
4
1
4
5
'7
7
I
8
9
0
0
0
3
3
J
0
I
I
I
I
3
.
5
)
5
6
o
6
6-7
67
78
78
79
89
8 l0
9 l0
9 l0
l0 ll
0
3
I
I
2
2
2
J
3
3
.1
4
0lf
I2f
rf3
tf3
f33
+f
.45
46
56
l/
6
6
6
7
7
3l
)!
3l
J +
i5
36
37
38
39
40
4l
t1
.1i
4.
! 6
)1
48
49
50
56
57
58
59
60
5l
52
53
55
15 l8
16 18
16 18
t7 19
t7 19
l9 20
19 21
f0 21
20 ff
20 22
7 9 r0 ll
8 9 t0 tz
8 r0 lt t2
9l0il13
9ill213
9 l1 t2 14
l0 12 13 14
l0 12 13 14
11 12 t_'r 15
ill31115
ll 13 11 16
12 lL 15 16
12 l:l 15 11
13 15 16 t1
13 15 16 18
13 15 | 18
l. l |7 19
14 l 1'7 19
15 t7 t8 t9
15 t1 l8 20
l'7 f0 2t f3
18 20 2t 23
l8 2l ff 21
19 2t f2 24
19 2t 23 25
t
6f
63
4
65
66
67
8
69
'70
7I
72
73
71
75
76
7'7
78
79
80
8l
82
83
85
86
87
8rJ
89
90
20 f2
20 f2
20 23
I I J -1
) l )
22
22
22
z-)
30 33
31 33
3l 31
3t 34
ll
-1)
fJ ll
f4 25
24 26
24 26
25 21
f4 25 27
25 26 28
25 26 28
25 27 f9
26 27 f9
21 26 28 30
f4 27 28 30
25 2.1 28 3l
25 28 f9 3t
25 28 29 32
26 28 i0 32
).6 ?L) 30 32
f7 29 3t 33
f7 30 31 33
28 30 3f 31
28 3t 3f 11
28 31 33 35
29 32 33 35
f9 3f 33 36
l0 32 31 36
34 37
J )
-t
/
35 i8
36 38
36 39
Dla n>90 przyblion warto ci graniczn
jest
najwiksza |iczba calkowita
1
mniejsza t'iz
!(n
-
1)
-
k.{n + l. gdzie t odporviednio
r
dla cr:0,0l
;
0.05. 0, l0, 0,25
jest
rrvne 1,28,79 0.9800, 0,8224
'
O,5] 52.
333
Warto ci krytyczne rozk| tlu Durbina-Watsona
Tablica |0
Hipoteza alternatyrvn a p> 0, gdzie k oznacz.a liczb znliennych
nieza|enlych lv rrvtlatriu regresji (bez rvvrazu rvolnego).
/r- J
c 1 rlt tlt d, cl,,
1.97 0.56 2.21
|.93 0.2 2.l5
1.90 0.6'/ 2.10
t.87 0.7 | 2.06
l.ri5 0.75 2.02
1.83
().79
| .99
l.8l 0.83 1.96
1.80 0.86 t.91
|.79 0.90 1.92
1.78 0.93 1.90
|.7',7 0.95 t.89
1.76 0.98 r.88
|.76 l.0l |.8
1.75 1.03 1.85
1 .'14 I .05 I .84
1.71 1.07 1.83
l.'t4 1.09 1.83
1.73 l.l I 1.82
t,73 l.t3 1.81
1.'73 t. l 5 l,8 r
l.73 l. l l.80
r.73 r. r8 1.80
t.72 l. t9 1.80
| .72 l,2l |,"/9
1 .72 1.22 | .79
| .72 I .23 |.79
t.72 1.29 1.78
| .'72 t.31 |.1']
1.72 l.-38 1.77
1.73 l.4l 1.77
t,'73 1"11 1.7'7
|.74 l.4 |..1./
t.74 t .49 t.'77
1.71 1.5 I 1.'71
|75 | ? |1.7
r.75 r.51 1.78
1.75 1.56 1.78
1.71 | 59
.'76 1,57 1.78
dl
l5 1.08
t6 l.l0
l'7 l.l3
l8 l. l(r
19 l.l8
20 1.20
)1 1)1
ff |.24
f3 t.f6
)J | )7
t\ | )a
26 r.30
f7 l.iz
28 l.33
29 1.34
30 1.35
3l 1.3(r
)z l --1 /
33 1.38
3'l 1,39
35 r.40
1.36 0.95
l .3 7 0.98
1.38 1,02
1.39 1.0_5
r..10 t.08
l.. l l.l0
|.42 l.l3
1.43 l.l5
I .44 1.t7
1.15 l. 19
1.,15 1.2 I
I .16 |.2?
t.4't t.f1
l.. 8 |,26
I .18 1
^27
|
"49
1.28
1.50 t.30
1.50 I,3 I
1.5 I I .32
l.5l 1.33
1.52 1.34
r.52 r.35
r.53 t.36
1.5.1 1.37
1.51 1.38
1.54 1.39
t.57 t.l3
1.59 I .16
l.60 l.. 9
t.62 l.5l
l .3 l.54
r.o+ t.))
1.65 1.57
l.6 l'59
|.6'/ 1.60
1.68 l.6l
I .69 t.62
1.69 1.63
1.51 0.82
l.51 0.8
1.5-l 0.9()
1.53 0.91
I .5 3
().97
1.54 l.(x)
1.51 1,03
1.5.1 1.05
l
'5.
l.08
1.55 l. l0
l.-55 I .12
1.55 l.l1
1.56 l.16
1.56 l. | 8
l.5 |,2()
1.57 1.2 I
I.57 1.23
t57 lal
1.58 t.26
I .58 1.27
r.58 1.28
t5q |tq
1.59 l._l I
I ic) I i]
1.60 1,33
1.60 1,34
1.62 r.38
l.3 l.12
l.61 l.. 5
l.5 l.4tl
1.66 1.50
1,6'7 |,5f
1.68 1.54
I .69 1.56
1,70 I.57
1,70 I.59
t.'7 | 1.60
1.'/f l.(r I
l.75 0.9
t.'73 0-'7 4
1.71 0.78
l.9 0.t]2
l.8 0.86
|.8 0.90
1.6't 0,93
1.66 0.96
1.66 0.99
l.(16 1.0 I
l.6 l'04
1.65 1.06
r.65 r,08
r.65 l.l0
l.5 l.l2
l.5 l.l4
r.65 t.l6
1.65 l.l8
l.5 l.l9
l .65 t.2l
1.65 |
.ff
l.5 |
'24
l.6 l.25
l.6 1.26
1,66 1.2'l
l.6 |.29
1^61 1.31
t,67 l._r8
l.8 l.1l
t.69 1.41
1.70 1.4'7
t,'70 1.19
t^7t l.5t
1;72 1.53
l t/ t\\
| 71 l 57
t.73 1.58
d,, d,
J o
3'/
38
39
40
4)
50
55
60
5
70
75
80
85
90
95
l.4l
lJ a
l.. 3
l.. 3
t.44
1.48
r.50
r.53
I 55
|.5'7
r.58
l-0
l.6l
1.62
1.6_l
1.64
.65
334
L.
!
\
N
^' \
tr-
^t
ca
r-
(t.
N
oo
ry
N
(..l
-
cl
\n-
N
co co
r-
c-
tr-
C..l
oo
N
t--
co
aa
c.J
c\
A
oo
J .
a.)
.v
o\
$
a
i:
\)<
-l
=f
a
co r--
c.l
.T
tr-
oo
ca tr-
^
00
r-
oo
Y
co
co
ca
N
I
^l
vrl
(^.l
l
i-l
-al
-l
I
I
c*
c-
i
rn
oo
Y
i
.$
ca
r-
c1
c-
ca
.1
co
aa
aa
c'.l
cr
i<
=-:
I t \\
*=
X'i
DI\
)
c..l
c.j
cl
ca
c\
.v
ca
vl
c\
=f,
t-r
a'l
r-
?
c.l
c-
c.t
oo
r-
..i
cl
r-
<f
tn
ca
t--
a.)
.':
p>
:"4
iix
U\
!
c..t ca
rd-
r-- ca
a.l
z
a
c
E
E
E
=
p
;
!
.N
Q
I
F
tsBN
g3-92,i1{6-1-3