WnioskowanieStatystyczne/ Przedziały ufności - Historia wersji

Maciek: /* Przykład z bootstrapem */

2025-04-07T13:46:28Z

Przykład z bootstrapem

Atartas: /* Zadania */

2021-02-18T10:27:38Z

Zadania

Atartas: /* Zadanie */

2021-02-18T10:26:24Z

Zadanie

Atartas: /* Zadanie */

2021-02-18T10:26:17Z

Zadanie

Atartas: /* Zadanie */

2021-02-18T10:26:08Z

Zadanie

Atartas: /* Zadanie */

2021-02-18T10:25:58Z

Zadanie

Jarekz: /* Przykład */

2021-02-03T11:14:25Z

Przykład

Mgalecki: /* Pomiary */

2020-06-02T22:31:40Z

Pomiary

Mgalecki: /* Żywotność baterii */

2020-06-02T22:31:30Z

Żywotność baterii

Mgalecki: /* Bezrobotni */

2020-06-02T22:31:11Z

Bezrobotni

@@ Linia 298: / Linia 298: @@
 szer_binu = (hi-lo)/10
 biny = np.arange(lo-10*szer_binu, hi+11*szer_binu, szer_binu)
-(n,x,patch) = py.hist(A,bins = biny )
+(hn,hx,patch) = py.hist(A,bins = biny )
-py.plot([lo, lo] , [0, np.max(n)] ,'r' )
+py.plot([lo, lo] , [0, np.max(hn)] ,'r' )
-py.plot([hi,hi],[0, np.max(n)],'r')
+py.plot([hi,hi],[0, np.max(hn)],'r')
 py.show()
 </source>

@@ Linia 320: / Linia 320: @@
 : bootstrap: 14,94-16,67.
 <source lang = python>
 import numpy as np
@@ Linia 360: / Linia 361: @@
 py.show()
 </source>
+-->
 === Zawartość aluminium w Tebańskich naczyniach. ===
 Zawartość procentowa aluminium w 18 antycznych naczyniach z Teb była następująca:<br/>
@@ Linia 368: / Linia 369: @@
 ''Odp'':
 :mediana 15,45 i przedział ufności: 14,20 16,70.
+<!--
 <source lang = python>
 import numpy as np
@@ Linia 402: / Linia 403: @@
 </source>
+-->
 === Średnica drzew ===
 Ogrodnik eksperymentuje z nowym gatunkiem drzew. Posadził 20 sztuk i po dwóch latach zmierzył następujące średnice pni (w cm):
@@ Linia 413: / Linia 414: @@
 : mediana 7,15 i przedzial ufnosci dla mediany: [6,50  8,50].
 <source  lang = python>
 import numpy as np
@@ Linia 461: / Linia 463: @@
 py.show()
 </source>
+-->
 === Przedział ufności dla proporcji ===
 W badaniach nad cholesterolem u ludzi stwierdzono, że w grupie 135 badanych z wysokim poziomem cholesterolu 10 osób przeszło zawał serca.
@@ Linia 471: / Linia 473: @@
 ''Odp'': proporcja 10/135 = 0,07 i jej 95% przedział ufności [0,03 0,12].
+<!--
 <source lang =python>
 import numpy as np
@@ Linia 510: / Linia 512: @@
 py.show()
 </source>
+-->
 === Bezrobotni ===
 W próbce 200 osób 7 procent jest bezrobotnych. Określić 95% przedział ufności dla odsetka bezrobotnych w populacji.
 ''Odp'': Średnia 7% i jej 95% przedział ufności [3,50 10,50].
+<!--
 <source lang =python>
 import numpy as np
@@ Linia 552: / Linia 554: @@
 py.show()
 </source>
+-->
 === Żywotność baterii ===
 W próbce 20 testowanych baterii stwierdzono średni czas życia 28,85 miesiąca. Określić 95% przedział ufności dla średniej. Wartości dla badanej próbki były następujące:<br>
@@ Linia 559: / Linia 561: @@
 ''Odp'': Średnia 28,85 i jej 95% przedział ufności [27,65 29,95].
+<!--
 <source lang =python>
 def histfit(x,N_bins):
@@ Linia 584: / Linia 586: @@
 </source>
+<!--
 <source lang =python>
 import numpy as np
@@ Linia 655: / Linia 657: @@
 py.show()
 </source>
+-->
 === Pomiary ===
 Mamy 10 pomiarów pewnej wielkości:<br>
@@ Linia 666: / Linia 668: @@
 ''Wskazówka'': Obliczyć średnie dla 1 000 000 powtórzeń i obejrzeć histogramy dla 10, 20, 30, 100, i 200 przedziałów.
+<!--
 <source lang = python>
 import scipy.stats as st
@@ Linia 705: / Linia 707: @@
 py.show()
 </source>

@@ Linia 232: / Linia 232: @@
 ''Odp'': <math> n = 15,366</math> więc wielkość próby wynosi 16 (zaokrąglamy w górę).
+<!--
 <source lang=python>
 import numpy as np
@@ Linia 262: / Linia 261: @@
 py.show()
 </source>
 == Przykład z bootstrapem ==

@@ Linia 189: / Linia 189: @@
 ''Odp'': [11,759 33,505].
+<!--
 <source lang=python>
 # -*- coding: utf-8 -*-
@@ Linia 207: / Linia 206: @@
 print('przedział ufności: %(d).3f %(g).3f'%{'d':ci_d, 'g':ci_g})
 </source>
 == Rozmiar próby ==

@@ Linia 107: / Linia 107: @@
 ''Odp'': [ 27,76  33,36].
+<!--
 <source lang = python>
 import scipy.stats as st
@@ Linia 154: / Linia 154: @@
 print('Z bootstrapu: ', ci_d, '-', ci_g)
 </source>
 == Przedział ufności dla wariancji ==

@@ Linia 53: / Linia 53: @@
 ''Odp.'': [9,0452 9,5548].
+<!--
 <source lang=python>
 import scipy.stats as st
@@ Linia 69: / Linia 68: @@
 print(st.norm.ppf([alfa/2,1-alfa/2], loc=x_sr, scale=sigma_sr) )
 </source>
 ===Przypadek 2: nieznana wariancja rozkładu ===

@@ Linia 34: / Linia 34: @@
 * Co zrobić aby zmniejszyć obliczony przedział 10-krotnie?
-Korzystając z tablic znajdujemy <math> z_{\alpha/2} = z_{2,5%} = -1,96</math>.
+Korzystając z tablic znajdujemy <math> z_{\alpha/2} = z_{2,5\%} = -1,96</math>.
 : Wartość tą możemy uzyskać wołając w pythonie: