STATYSTYKA MATEMATYCZNA

Przez zmienną losową rozumiemy zmienną, która w wyniku doświadczenia może przyjąć
wartość z pewnego zbioru liczb rzeczywistych i to z określonym prawdopodobieństwem.
Zmienną losową nazywamy każdą funkcję mierzalną określoną na przestrzeni zdarzeń
elementarnych E i przybierającą wartość ze zbioru liczb rzeczywistych.
Zmienne skokowe:
Rozkład prawdopodobieństwa dla tej zmiennej:

P ( X  xi )  pi ,  p i  1
i 1

xi – punkty skokowe
pi – skoki
Dystrybuanta zmiennej losowej X:
F(x) = P(X<x)
Dystrybuanta zmiennej skokowej:
F ( x)   p i , i  1,2..
xi  x

Parametry rozkładu zmiennej losowej:

- parametry informujące o rozrzucie zmiennej losowej (wariancja)
-parametry reprezentujące przeciętną (średnią) wielkość zmiennej losowej (najczęściej
Nadzieja matematyczna – Wartość oczekiwana EX)

Wartością oczekiwaną zmiennej losowej X typu skokowego nazywamy liczbę E(X) określ.
wzorem:
n
E ( X )   xi p i
i 1
Wariancją zmiennej losowej typu skokowego nazywamy liczbę określoną wzorem:
n
D 2 ( X )   [ xi  E ( X )]2 pi  E[ X  E ( X )]2
i 1
lub
D 2 ( X )  E ( X 2 )  [ E ( X )]2
Pierwiastek kwadratowy z wariancji nosi nazwę odchylenia standardowego zm. losowej:
D( X )  D2 (X )

Zmienne ciągłe
Funkcja gęstości prawdopodobieństwa zmiennej losowej X :
P( x  X  x  x)
lim  f ( x)
x 0 x
Prawdopodobieństwo przyjęcia przez zmienną losową typu ciągłego wartości z przedziału
(a,b):
b
P( a  X  b)   f ( x) dx
a

Prawdopodobieństwo przyjęcia przez zm. los . typu ciągłego konkretnej wartości liczbowej:
b
P ( X  a)   f ( x)dx  0
a

Dystrybuanta dla zmiennej losowej typu ciągłego:

 x
F ( x)  P( X  x)   f ( x)dx


ze wzoru wynika zależność:

dF ( x )
f ( x)   F ( x)
dx
Wartość oczekiwana zmiennej losowej ciągłej:

E( X )   xf ( x)dx


Wariancja zmiennej losowej ciągłej:


D2 (X )  [X

 E ( X )] 2 f ( x ) dx

Rozkład normalny (Gaussa – Laplace’a):

 ( x m )2
1
f ( x)  e 2 2
,xR
 2
m = E(X)
  D( X )
e = 2,1718

Standaryzacja zmiennych losowych:

X m
Z


PODSTAWY TEORETYCZNE STATYSTYKI MATEMATYCZNEJ

Przedmiotem zainteresowań statystyki matem. są zasady i metody uogólniania wyników z
próby losowej na całą populację generalną, z której ta próba została pobrana. Ten typ
postępowania nosi nazwę wnioskowania statystycznego. W ramach wnioskowania
statystycznego wyróżnia się dwa zasadnicze działy:
1) estymację czyli szacowanie wartości parametrów lub postaci rozkładu zmiennej
losowej w populacji generalnej, na podstawie rozkładu empirycznego uzyskanego dla
próby
2) weryfikację (testowanie) hipotez statystycznych, czyli sprawdzanie określonych
przypuszczeń (założeń) wysuniętych w stosunku do parametrów (lub rozkładów)
populacji generalnej na podstawie wyników z próby
Podstawowe rozkłady statystyk z próby:
Średnia arytmetyczna:
1 n
X   Xi
n i 1
Wariancja z próby:
1 n
S 2   ( X i  X )2
n i 1
Rozkład średniej arytmetycznej z próby:
1 n 1 n
E( X )  E(  X i )   E( X i )
n i 1 n i 1
1 n
1 n 1 2
D 2 ( X )  D 2 (  X i )  2  D 2 ( X i )  2 n 2 
n i 1 n i 1 n n
 
D( X ) 
n
Średnia arytmetyczna z próby ma więc rozkład normalny ze średnią m i odchyleniem
 
standardowym , co zapisujemy jako X : N (m, ) . Wynika stąd że nadzieja
n n
matematyczna średniej arytmetycznej z próby jest równa wartości oczekiwanej badanej
zmiennej w populacji.

Standaryzacja (przekształcona statystyka X ):

X m
Z  n, N(0,1)

Studentyzacja (statystyka t studenta) – stosujemy ją gdy nieznane jest odchylenie
standardowe w populacji i występują małe próby:
X m
t n 1
S
gdzie S jest odchyleniem standardowym z próby:
1 n
S 
n i 1
( X i  X )2

Liczba stopni swobody jest jedynym parametrem rozkładu Studenta; jest ona równa liczbie
n 1
niezależnych obserwacji określających statystykę t. Przyjmuje się że E(t)=0 i D (t )  ,
n3
dla n >3.

Rozkład wariancji z próby:

1 n
S 2   ( X i  X ) 2 , to przy wnioskowaniu o wariancji  2 w populacji posługujemy się
n i 1
wzorem:
nS 2
2  2 *

Statystyka ta ma rozkład Chi – kwadrat o n-1 stopniach swobody.
W sposób bardziej ogólny rozkład  2 definiuje się jako rozkład statystyki:
n
   X i2
2

i 1
Statystyka * ma wartość oczekiwaną równą n-1 i wariancję 2(n-1) czyli:
nS 2 2 nS
2
E (  )  E ( 2 )  n  1 oraz D ( 2 )  2( n  1)
2

 
Można też wyznaczyć wartość oczekiwaną oraz wariancję statystyki S 2 z próby
pochodzącej z populacji o rozkładzie normalnym:
n 1 2
E (S 2 )  
n
2(n  1) 4
D 2 (S 2 )  
n2
Porównywanie wariancji: (rozkład Sanecora):
Sˆ 2
F  12 , w liczniku zawsze większa wariancja!!!
Sˆ 2
 1 n1
S1   ( X 1i  X 1 ) 2
ˆ 2

n1 i 1
n2
1
Sˆ 22 
n2
(X
i 1
2i  X 2 )2

Estymator Z parametru Q nazywamy nieobciążonym jeżeli jego wartość oczekiwana jest

równa szacowanemu parametrowi :
E(Z) = Q

ESTYMACJA PRZEDZIAŁOWA
 Przedział ufności dla średniej m populacji normalnej ze znanym odchyleniem
standardowym:
 
P{ X  u  m  X  u }
n n
 Przedział ufności dla średniej m populacji normalnej z nieznanym odchyleniem
standardowym i małej populacji <30

S S
P{X  t ,n1  m  X  t ,n1
n 1 n 1
lub

Sˆ Sˆ
P{X  t ,n1  m  X  t ,n1
n n
1
( Sˆ ) 2 
n 1
 ( X i  X )2
 Przedział ufności dla średniej m populacji normalnej z nieznanym odchyleniem
standardowym i dużej populacji >30
S S
P{ X  u  m  X  u }
n n

 Przedział ufności dla wariancji dla populacji małej <30

nS 2 nS 2
P{ 2  }
c2 c1
c1   2  odczytujemy z tablic
1 , n 1
2

c 2   2
, n 1
2

 Przedział ufności dla odchylenia standardowego dla populacji dużej >30

S S
P{S  u    S  u }
2n 2n
Dla wariancji wynik do kwadratu
 Przedział ufności dla odsetka (wskaźnik struktury) p̂ :
 pˆ (1  pˆ ) pˆ (1  pˆ )
P{ pˆ  u  p  pˆ  u }
n n
m p (1  p )
pˆ  D 2 ( pˆ ) 
n n
p(1  p )
D( pˆ ) 
n

Oszacowanie odsetka z uwzględnieniem błędu statystycznego d:

a) gdy bazujemy na wynikach losowania:
pˆ (1  pˆ )
u  d
n
b) bez losowania wstępnego:
m m
u 2 d  [ (1  )]
n n n
2
d
m m
Gdy nie mamy informacji ani o p ani o wskaźniku struktury to w miejsce
n n
wstawiamy 0,5.!!!!!