SADR\AJ. Predgovor. POGLAVLJE 2 Grafičko opisivanje podataka Klasifikacija varijabli 10 Kvalitativne ili numeričke 10 Mjerne skale 11
|
|
- Τρίτων Παπακώστας
- 6 χρόνια πριν
- Προβολές:
Transcript
1 KRATAK SADR\AJ Poglavlje 1 Čemu proučavati statistiku? 1 Poglavlje 2 Grafičko opisivanje podataka 9 Poglavlje 3 Numeričko opisivanje podataka 46 Poglavlje 4 Vjerojatnost 78 Poglavlje 5 Diskretne slučajne varijable i distribucije vjerojatnosti 134 Poglavlje 6 Kontinuirane slučajne varijable i distribucije vjerojatnosti 187 Poglavlje 7 Izbor uzoraka i distribucije njihovih obilježja 232 Poglavlje 8 Procjena pojedinačne populacije 275 Poglavlje 9 Još o procjenama 303 Poglavlje 10 Testiranje hipoteza 330 Poglavlje 11 Testiranje hipoteza II 367 Poglavlje 12 Jednostavna regresija 402 Poglavlje 13 Višestruka regresija 454 Poglavlje 14 Dodatne teme iz regresijske analize 538 Poglavlje 15 Neparametarske statistike 586 Poglavlje 16 Testovi ugođenosti i kontingencijske tablice 612 Poglavlje 17 Analiza varijance 634 Poglavlje 18 Uvod u kvalitetu 677 Poglavlje 19 Analiza vremenskih nizova i predviđanje 710 Poglavlje 20 Još o uzorkovanju 756 Poglavlje 21 Statistička teorija odlučivanja 798 ix
2
3 SADR\AJ Predgovor xix POGLAVLJE 1 Čemu proučavati statistiku? Donošenje odluka u neizvjesnom okružju Uzorkovanje Deskriptivna i inferencijalna statistika 4 Opisivanje podataka 5 Statističko zaključivanje 5 POGLAVLJE 2 Grafičko opisivanje podataka Klasifikacija varijabli 10 Kvalitativne ili numeričke 10 Mjerne skale Grafikoni za opisivanje kvalitativnih varijabli 13 Tablice 13 Stupčani grafikoni i strukturni krugovi 14 Paretovi dijagrami Grafikoni za opisivanje vremenskih nizova Grafikoni za opisivanje numeričkih podataka 23 Distribucije frekvencija 23 Histogrami i ogivalne krivulje 27 Dijagrami stablo-list Tablice i grafikoni za opisivanje odnosa između varijabli 31 Dijagrami raspršenosti podataka 32 Unakrsne tablice Pogreške u prikazivanju podataka 38 Obmanjujući histogrami 38 Obmanjujući grafikoni vremenskih nizova 40 POGLAVLJE 3 Numeričko opisivanje podataka Mjere centralne tendencije 46 Sredina, Medijan, Mod 46 Oblik distribucije Mjere varijabilnosti 51 Rang i interkvartilni rang 52 Varijanca i standardna devijacija 53 Čebiševljev teorem i empirijsko pravilo 55 Koeficijent varijacije Vagana sredina i mjere grupiranih podataka Mjere odnosa između varijabli Utvrđivanje linearnih odnosa između varijabli 70 xi
4 POGLAVLJE 4 Vjerojatnost Slučajni eksperiment, ishodi, događaji Vjerojatnost i njezini zakoni 87 Klasična vjerojatnost 88 Vjerojatnost kao relativna frekvencija 90 Subjektivna vjerojatnost Postulati vjerojatnosti 96 Uvjetna vjerojatnost 99 Statistička nezavisnost Dvomjerne vjerojatnosti 109 Šanse 113 Omjeri upliva Bayesov teorem 120 POGLAVLJE 5 Diskretne slučajne varijable i distribucije vjerojatnosti Slučajne varijable Distribucije vjerojatnosti diskretnih slučajnih varijabli Svojstva diskretnih slučajnih varijabli 140 Očekivana vrijednost diskretne slučajne varijable 140 Varijanca diskretne slučajne varijable 142 Sredina i varijanca linearnih funkcija slučajne varijable Binomna distribucija Hipergeometrijska distribucija Poissonova distribucija vjerojatnosti 160 Poissonova aproksimacija binomne distribucije 163 Usporedba Poissonove i binomne distribucije vjerojatnosti Združeno distribuirane diskretne slučajne varijable 166 Računalne primjene 170 Kovarijanca 170 Korelacija 171 Linearne funkcije slučajnih varijabli 174 Analiza portfelja 176 POGLAVLJE 6 Kontinuirane slučajne varijable i distribucije vjerojatnosti Kontinuirane slučajne varijable 188 Uniformna distribucija Očekivanje kontinuirane slučajne varijable Normalna distribucija vjerojatnosti 197 Grafikoni normalnih distribucija vjerojatnosti Aproksimacija binomne distribucije normalnom distribucijom 210 Proporcijska slučajna varijabla Eksponencijalna distribucija vjerojatnosti Združeno distribuirane kontinuirane slučajne varijable 219 Linearne kombinacije slučajnih varijabli 222 xii
5 POGLAVLJE 7 Izbor uzoraka i distribucije njihovih obilježja Izbor uzoraka iz populacije Distribucije sredina izbora uzoraka 238 Centralni granični teorem 243 Intervali prihvaćanja Distribucije proporcijskih udjela izbora uzoraka Distribucije varijanci izbora uzoraka 260 POGLAVLJE 8 Procjena pojedinačne populacije Svojstva brojčanih procjenitelja 276 Nepristrani procjenitelj 277 Konzistentni procjenitelj 278 Efikasni procjenitelj Intervali pouzdanosti za sredinu populacije u slučaju poznate varijance 282 Intervali, zasnovani na normalnoj distribuciji 284 Smanjenje dopuštene pogreške Intervali pouzdanosti za sredinu populacije u slučaju nepoznate varijance 289 Studentova t-distribucija 289 Intervali, zasnovani na Studentovoj t-distribuciji Intervali pouzdanosti za proporcijske udjele u populaciji (veliki uzorci) 295 POGLAVLJE 9 Još o procjenama Intervali pouzdanosti za razliku između sredina dviju normalnih populacija 304 Međusobno zavisni uzorci 304 Međusobno nezavisni uzorci u slučaju poznatih varijanci populacija Intervali pouzdanosti za razliku između sredina dviju normalnih populacija u slučaju nepoznatih varijanci 309 Međusobno nezavisni uzorci jednakih varijanci populacija 309 Međusobno nezavisni uzorci ne nužno jednakih varijanci populacija Intervali pouzdanosti za razliku između dvaju proporcijskih udjela u dvjema populacijama (veliki uzorci) Intervali pouzdanosti za varijancu normalne distribucije Utvrđivanje veličine uzorka 321 Sredina normalno distribuirane populacije u slučaju poznate varijance 321 Proporcijski udio u populaciji 323 POGLAVLJE 10 Testiranje hipoteza Koncepcije testiranja hipoteza Testovi sredine normalne distribucije u slučaju poznate varijance populacije 337 p-vrijednost 339 Dvosmjerna alternativna hipoteza Testovi sredine normalne distribucije u slučaju nepoznate varijance populacije 348 xiii
6 10.4 Testovi proporcijskog udjela u populaciji (veliki uzorci) Procjenjivanje snage testa 355 Testovi sredine normalne distribucije u slučaju poznate varijance populacije 356 Snaga testova proporcijskih udjela u populaciji (veliki uzorci) 358 POGLAVLJE 11 Testiranje hipoteza II Testovi razlike između sredina dviju populacija 369 Dvije sredine, usklađeni parovi 369 Dvije sredine, nezavisni uzorci, poznate varijance populacija 372 Dvije sredine, nezavisni uzorci, nepoznate, pretpostavljeno jednake varijance populacija 375 Dvije sredine, nezavisni uzorci, nepoznate, ne nužno jednake varijance populacija Testovi razlike između dvaju proporcijskih udjela u populacijama (veliki uzorci) Testovi varijance normalne distribucije Testovi jednakosti varijanci dviju normalno distribuiranih populacija Neki komentari vezani za testiranje hipoteza 393 POGLAVLJE 12 Jednostavna regresija Korelacijska analiza 403 Testiranje hipoteza o korelaciji Linearni regresijski model Procjenitelji koeficijenata metodom najmanjih kvadrata 413 Računanje koeficijenata regresije na računalu Snaga tumačenja linearne regresijske jednadžbe 418 Koeficijent determinacije, R Statističko zaključivanje: Testiranje hipoteza i intervali pouzdanosti 426 Testiranje hipoteza o koeficijentu nagiba regresijske linije populacije uz pomoć F-distribucije Predviđanje i prognoziranje Grafička analiza 441 POGLAVLJE 13 Višestruka regresija Model višestruke regresije 455 Specifikacija modela 456 Razvoj modela 458 Trodimenzionalni grafički prikaz Procjena koeficijenata 463 Procedura najmanjih kvadrata Snaga tumačenja višestruke regresijske jednadžbe Intervali pouzdanosti i testiranje hipoteza o pojedinačnim koeficijentima regresije 477 Intervali pouzdanosti 479 Testiranje hipoteza 481 xiv
7 13.5 Testiranje koeficijenata regresije 490 Testiranje svih koeficijenata regresije 491 Testiranje podskupa koeficijenata regresije 493 Usporedba F- testova i Studentovih t-testova Predviđanje i prognoziranje Transformacije nelinearnih regresijskih modela 500 Kvadratne transformacije 501 Logaritamske transformacije Indikatorske varijable regresijskih modela 509 Razlike u nagibu Procedura primjene višestruke regresijske analize 517 Specifikacija modela 518 Višestruka regresija 520 Učinak isključivanja statistički signifikantne varijable 522 Analiza reziduala 523 POGLAVLJE 14 Dodatne teme iz regresijske analize Metodologija izrade modela 539 Specifikacija modela 539 Procjena koeficijenta 540 Verifikacija modela 541 Interpretacija modela i izvođenje zaključaka o njemu Indikatorske varijable i eksperimentalni dizajn 542 Modeli eksperimentalnog dizajna Zavisne varijable s vremenski pomaknutim vrijednostima kao regresori Pristranost specifikacije Multikolinearnost Heteroskedaktičnost Autokorelirane pogreške 569 Procjenjivanje regresijskih modela s autokoreliranim pogreškama 573 Autokorelirane pogreške u modelima sa zavisnom varijablom s vremenski pomaknutim vrijednostima 577 POGLAVLJE 15 Neparametarske statistike Test predznaka i interval pouzdanosti 587 Test predznaka za uparene ili združene uzorke 587 Normalna aproksimacija 590 Test predznaka za medijan pojedinačne populacije 592 Interval pouzdanosti za medijan Wilcoxonov test predznaka rangova 595 Minitab (Wilcoxonov test predznaka) 596 Normalna aproksimacija Mann Whitneyev U-test Wilcoxonov test sume rangova Spearmanova korelacija ranga 607 POGLAVLJE 16 Testovi ugođenosti i kontingencijske tablice Testovi ugođenosti podataka u distribuciju u slučaju potpuno specificiranih vjerojatnosti 613 xv
8 16.2 Testovi ugođenosti podataka u distribuciju u slučaju nepoznatih parametara populacije 617 Test normalnosti Kontingencijske tablice 622 Računalne primjene 626 POGLAVLJE 17 Analiza varijance Usporedba sredina više populacija Jednofaktorska analiza varijance 637 Populacijski model za jednofaktorsku analizu varijance Kruskal Wallisov test Dvofaktorska analiza varijance u slučaju jednog opažanja po ćeliji i randomiziranih blokova Dvofaktorska analiza varijance u slučaju više opažanja po ćeliji 661 POGLAVLJE 18 Uvod u kvalitetu Važnost kvalitete 678 Lideri kvalitete 678 Varijacije u kvaliteti Kontrolni dijagrami za sredine i standardne devijacije 682 Procjena standardne devijacije procesa 683 Kontrolni dijagrami za sredine 686 Kontrolni dijagrami za standardne devijacije 688 Interpretacija kontrolnih dijagrama Sposobnost procesa Kontrolni dijagrami za proporcijske udjele Kontrolni dijagrami za broj defekata na pojedinačnim stavkama 701 POGLAVLJE 19 Analiza vremenskih nizova i predviđanje Indeksni brojevi 712 Indeks cijena pojedinačne stavke 713 Netežinski skupni indeks cijena 714 Težinski skupni indeks cijena 715 Težinski skupni indeks obujma 717 Promjena baznog perioda Neparametarski test slučajnosti Komponente vremenskog niza Pomični prosjeci 727 Ekstrakcija sezonske komponente vremenskog niza pomoću pomičnih prosjeka Eksponencijalno izglađivanje 736 Holt Wintersov model predviđanja eksponencijalnim izglađivanjem 738 Predviđanje sezonskih vremenskih nizova Autoregresijski modeli Autoregresijski integrirani modeli s pomičnim prosjekom 752 xvi
9 POGLAVLJE 20 Još o uzorkovanju Osnovni koraci studije uzorkovanja Koje informacije treba pribaviti? Što je relevantna populacija i je li dostupan popis njezinih članova? Kako treba birati članove uzorka? Kako od članova uzorka pribaviti nužne informacije? Kako informacije pribavljene iz uzorka iskoristiti za potrebe zaključivanja o populaciji? Što se o populaciji može zaključiti? Pogreške uzorkovanja i druge pogreške Jednostavno slučajno uzorkovanje 763 Analiza rezultata jednostavnog slučajnog uzorkovanja Stratificirano uzorkovanje 769 Analiza rezultata slučajnog stratificiranog uzorkovanja 771 Alokacija uzorkovanja po stratumima Utvrđivanje veličine uzorka 781 Veličina uzorka u slučaju jednostavnog slučajnog uzorkovanja: procjena sredine ili totala populacije 782 Veličina uzorka u slučaju jednostavnog slučajnog uzorkovanja: procjena proporcijskog udjela u populaciji 783 Veličina uzorka u slučaju stratificiranog slučajnog uzorkovanja sa specificiranim stupnjem preciznosti Druge metode uzorkovanja 787 Klasterirano uzorkovanje 787 Dvofazno uzorkovanje 791 Nevjerojatnosne metode uzorkovanja 793 POGLAVLJE 21 Statistička teorija odlučivanja Donošenje odluka u uvjetima neizvjesnosti Rješenja koja ne uključuju specifikaciju vjerojatnosti: kriterij maksimin, minimaksni kriterij žaljenja za propuštenim prilikama 802 Kriterij maksimin 803 Minimaksni kriterij žaljenja za propuštenim prilikama Očekivana novčana vrijednost; programski dodatak TreePlan 807 Stabla odlučivanja 809 Korištenje programskog dodatka TreePlan u rješavanju stabla odlučivanja 811 Analiza osjetljivosti Informacije iz uzorka: Bayesova analiza i vrijednost informacija iz uzorka 818 Korištenje Bayesovog teorema 818 Vrijednost informacija iz uzorka 823 Vrijednost informacija iz uzorka, viđena s motrišta stabala odlučivanja Dopuštanje rizika: Analiza korisnosti 831 Koncepcija korisnosti 832 Kriterij očekivane korisnosti u donošenju odluka 836 xvii
10 DODATAK TABLICE 1. Kumulativna funkcija distribucije standardne normalne distribucije Funkcija vjerojatnosti binomne distribucije Kumulativne binomne vjerojatnosti Vrijednosti funkcije e λ Pojedinačne Poissonove vjerojatnosti Kumulativne Poissonove vjerojatnosti Točke reza (vršne točke) distribucije hi-kvadrat Točke reza (vršne točke) Studentove t-distribucije Točke reza (vršne točke) F-distribucije Točke reza (vršne točke) distribucije obilježja Wilcoxonovog testa Točke reza (vršne točke) distribucije Spearmanova koeficijenta korelacije ranga Točke reza (vršne točke) distribucije Durbin Watsonovog testnog obilježja Faktori kontrolnih dijagrama Kumulativna funkcija distribucije obilježja testa slučajnosti 879 RJEŠENJA PARNO NUMERIRANIH IZABRANIH ZADATAKA 881 KAZALO POJMOVA I-1 xviii
3 Populacija i uzorak
3 Populacija i uzorak 1 3.1 Slučajni uzorak X varijabla/stat. obilježje koje izučavamo Cilj statističke analize na osnovi uzorka izvesti odredene zaključke o (populacijskoj) razdiobi od X 2 Primjer 3.1.
Διαβάστε περισσότεραAutori: Dr Biljana Popović, redovni profesor Prirodno matematičkog fakulteta u Nišu Mr Borislava Blagojević, asistent Gradjevinskog fakulteta u Nišu
Biblioteka: ACADEMIA Autori: Dr Biljana Popović, redovni profesor Prirodno matematičkog fakulteta u Nišu Mr Borislava Blagojević, asistent Gradjevinskog fakulteta u Nišu MATEMATIČKA STATISTIKA SA PRIMENAMA
Διαβάστε περισσότεραIzbor statističkih testova Ana-Maria Šimundić
Izbor statističkih testova Ana-Maria Šimundić Klinički zavod za kemiju Klinička jedinica za medicinsku biokemiju s analitičkom toksikologijom KBC Sestre milosrdnice Izbor statističkog testa Tajna dobrog
Διαβάστε περισσότεραUvod u neparametrijske testove. Usporedba. Neparametrijske inačice t-testa za dva nezavisna uzorka. dr. sc. Goran Kardum
Uvod u neparametrijske testove dr. sc. Goran Kardum 1 Usporedba NACRT ISTRAŽIVANJA PARAMETRIJSKA PROCEDURA NEPARAMETRIJSKA PROCEDURA Dva nezavisna uzorka T-test Mann-Whitney U-test Dva zavisna uzorka T-test
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότεραBILJEŠKE ZA PREDAVANJA (za internu uporabu)
1. Statistika - Nazivlje... 2 2. Statistika podjela statističkih analiza... 2 3. Objekti, varijable, mjerne skale... 3 4. Ekstremne i nedostajuće vrijednosti podaci... 4 5. Ciljevi statističke analize...
Διαβάστε περισσότερα(Hi-kvadrat test) r (f i f ti ) 2 H = f ti. i=1
χ 2 test (Hi-kvadrat test) Jedan od prvih statističkih testova je χ 2 -test. Predložio ga je K. Pearson 900. godine, pa je poznat i pod nazivom Pearsonov test. χ 2 test je neparametarski test. Pomoću χ
Διαβάστε περισσότεραFARMACEUTSKO-BIOKEMIJSKI FAKULTET SVEUČILIŠTA U ZAGREBU. IZVEDBENI PLAN akademska godina 2012./2013. zimski semestar
Naziv kolegija: Matematika sa statističkom analizom Naziv studija: Studij farmacije i medicinske biokemije Godina i semestar studija: Prva, zimski semestar FARMACEUTSKO-BIOKEMIJSKI FAKULTET SVEUČILIŠTA
Διαβάστε περισσότεραUvod u neparametarske testove
Str. 148 Uvod u neparametarske testove Predavač: Dr Mirko Savić savicmirko@ef.uns.ac.rs www.ef.uns.ac.rs Hi-kvadrat testovi c Str. 149 Koristi se za upoređivanje dve serije frekvencija. Vrste c testa:
Διαβάστε περισσότεραPODACI I VRSTE STATISTIČKIH ISTRAŽIVANJA
POSLOVNA STATISTIKA-znanost o metodama koje se koriste za pretvaranje podataka u smislene informacije u poslovnom okruženju sa svrhom stjecanja znanja za uspješnije odlučivanje i prognoziranje u uvjetima
Διαβάστε περισσότεραPočela biostatistike, Poslijediplomski interdisciplinarni doktorski studij Molekularne bioznanosti. Molekularne bioznanosti. Molekularne bioznanosti
Analiza brojčanih podataka Nora Nikolac Klinički zavod za kemiju KB Sestre milosrdnice Kolegij: Počela biostatistike Statistička hipoteza postupak testiranja 1. postavljanje hipoteze: H 0, H 1 2. odabir
Διαβάστε περισσότερα2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)
2.2 Srednje vrijednosti aritmetička sredina, medijan, mod Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 1 2.2.1 Aritmetička sredina X je numerička varijabla. Aritmetička sredina od (1) je broj:
Διαβάστε περισσότεραAnalitička statistika Testiranje hipoteze.
Analitička statistika Testiranje hipoteze www.illustrationsof.com Dijelovi istraživanja Istraživačko pitanje Značenje Ustroj (design) - tip istraživanja Ispitanici Varijable Statistička obrada podataka
Διαβάστε περισσότεραEdukacijsko-rehabilitacijski fakultet Sveučilišta u Zagreb S T A T I S T I K A. Skripta. Pripremio: Branko Nikolić. Zagreb 2015./2016.
Edukacijsko-rehabilitacijski fakultet Sveučilišta u Zagreb S T A T I S T I K A Skripta Pripremio: Branko Nikolić Zagreb 05./06. LITERATURA: Obvezna:. Petz B., Kolesarić, V., Ivanec, D. (0): Petzova statistika.
Διαβάστε περισσότεραREGRESIJSKA ANALIZA zavisnost (korelacija) regresijske tehnike kvantitativno zavisnost (korelaciju) linearna regresija
REGRESIJSKA ANALIZA REGRESIJSKA ANALIZA često imamo dvije ili više varijabli koje su inherentno povezane, odnosno postoji neka zavisnost (korelacija) među njima koju želimo istražiti regresijske tehnike
Διαβάστε περισσότεραFunkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότεραSlučajne varijable. Diskretna slučajna varijabla X je promjenjiva veličina koja poprima vrijednosti iz skupa
Slučajne varijable Statistički podaci su distribuirani po odredenoj zakonitosti. Za matematičko (apstraktno) opisivanje te zakonitosti potrebno je definirati slučajnu varijablu kojoj pripada odredena razdioba
Διαβάστε περισσότερα1 Osnovni pojmovi Tipovi varijabli Skale mjerenja... 3
Sadržaj Predgovor iii 1 Osnovni pojmovi 1 1.1 Tipovi varijabli............................ 2 1.2 Skale mjerenja............................ 3 2 Organizacija i prikazivanje podataka 5 2.1 Sirovi podatci.............................
Διαβάστε περισσότεραSlučajne varijable Materijali za nastavu iz Statistike
Slučajne varijable Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 1 Slučajna varijabla Slučajna varijabla je funkcija X koja elementarnim dogadajima pridružuje
Διαβάστε περισσότεραNeparametarski testovi za dva nezavisna uzorka. Boris Glišić 208/2010 Bojana Ružičić 21/2010
Neparametarski testovi za dva nezavisna uzorka Boris Glišić 208/2010 Bojana Ružičić 21/2010 Neparametarski testovi Hipoteze o raspodeli obeležja se nazivaju neparametarske hipoteze, a odgovarajući testovi
Διαβάστε περισσότεραPISMENI ISPIT IZ STATISTIKE
1. a) Trgovina odjeće prodaje odjeću u tri različite veličine: 32% veličine S, 44% veličine M i ostatak veličine L. Pokazalo se da je postotak odjeće s greškom redom 1%, 5% i 2%. Ako je trgovina ustanovila
Διαβάστε περισσότεραKONTINUIRANE SLUČAJNE VARIJABLE
KONTINUIRANE SLUČAJNE VARIJABLE Kontinuirana slučajna varijabla može poprimiti neprebrojivo (beskonačno mnogo vrijednosti. KONTINUIRANE SLUČAJNE VARIJABLE UVOD Razlike diskretnih i kontinuiranih slučajnih
Διαβάστε περισσότεραSadrˇzaj. Sadrˇzaj 1 9 DVODIMENZIONALNI SLUČAJNI VEKTOR DISKRETNI DVODIMENZIONALNI
Sadrˇzaj Sadrˇzaj DVODIMENZIONALNI. DISKRETNI DVODIMENZIONALNI............................ KONTINUIRANI -dim tko želi znati više.............................. 5. KOVARIJANCA, KORELACIJA, PRAVCI REGRESIJE........
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.
Broj zadataka: 5 Vrijeme rješavanja: 120 min Ukupan broj bodova: 100 Zadatak 1. (a) Napišite aksiome vjerojatnosti ako je zadan skup Ω i σ-algebra F na Ω. (b) Dokažite iz aksioma vjerojatnosti da za A,
Διαβάστε περισσότεραMODEL JEDNOSTAVNE LINEARNE REGRESIJE
SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI Specijalistički diplomski stručni studij građevinarstva Odabrana poglavlja inženjerske matematike MODEL JEDNOSTAVNE LINEARNE REGRESIJE Studenti: Sara
Διαβάστε περισσότεραMašinsko učenje. Regresija.
Mašinsko učenje. Regresija. Danijela Petrović May 17, 2016 Uvod Problem predviđanja vrednosti neprekidnog atributa neke instance na osnovu vrednosti njenih drugih atributa. Uvod Problem predviđanja vrednosti
Διαβάστε περισσότεραMate Vijuga: Rijeseni zadaci iz matematike za srednju skolu
16. UVOD U STATISTIKU Statistika je nauka o sakupljanju i analizi sakupljenih podatka u cilju donosenja zakljucaka o mogucem toku ili obliku neizvjesnosti koja se obradjuje. Frekventna distribucija - je
Διαβάστε περισσότεραTestiranje statističkih hipoteza Materijali za nastavu iz Statistike
Testiranje statističkih hipoteza Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 39 Uvod Osnovna zadaća Statistike je na temelju uzorka ocijeniti kakvu razdiobu
Διαβάστε περισσότεραDefinicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama (najčešće naučnim ili iskustvenim).
Str. 53;76; Testiranje statističkih hipoteza Predavač: Dr Mirko Savić savicmirko@eccf.su.ac.yu www.eccf.su.ac.yu Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama
Διαβάστε περισσότερα4. MJERE DISPERZIJE. Josipa Perkov, prof., pred. 1
4. MJERE DISPERZIJE Josipa Perkov, prof., pred. 1 Kod mnogih mjerenja se može opaziti da se rezultati grupiraju i skupljaju oko jedne srednje vrijednosti Srednja vrijednost dobro reprezentira rezultate
Διαβάστε περισσότεραRegresija i korelacija
Regresija i korelacija Goran Trajković septembar, 008. godine Regresija i korelacija Regresijom i korelacijom analizira se povezanost (asocijacija, odnos) dve ili više varijabli. Korelacija podrazumeva
Διαβάστε περισσότεραSVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI. Specijalistički diplomski stručni studij
SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI Specijalistički diplomski stručni studij Test hipoteze o jednakosti aritmetičkih sredina K osnovnih skupova Seminarski rad Kolegij: Odabrana poglavlja
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA 2. kolokvij lipnja 2016.
Broj zadataka: 5 Vrijeme rješavanja: 0 min Ukupan broj bodova: 50 Zadatak.. kolokvij - 0. lipnja 0. (a Ako su X i Y diskretne slučajne varijable, dokažite da vrijedi formula E [X + Y ] = E [X] + E [Y ].
Διαβάστε περισσότεραKorelacija i regresija seminar
Korelacija i regresija seminar Podsjetnik Doc. dr. sc. Lidija Bilić Zulle, dipl. inž. specijalist medicinske biokemije Zavod za laboratorijsku dijagnostiku KBC Rijeka Katedra za medicinsku informatiku
Διαβάστε περισσότεραStatističke i numeričke metode,
Statističke i numeričke metode Materijali za seminare iz kolegija: Statističke i numeričke metode, Numeričke i statističke metode, Osnove statistike okoliša i numeričke metode. Erna Begović Kovač Miroslav
Διαβάστε περισσότεραAko između tri slučajne varijable postoji veza ζ = f (ξ, η) i ako su poznate sve relevantne gustoće vjerojatnosti, tada je
Višekomponentne slučajne varijable Srednje vrijednosti i momenti Definicija srednje vrijednosti Ako između tri slučajne varijable postoji veza ζ = f (ξ, η) i ako su poznate sve relevantne gustoće vjerojatnosti,
Διαβάστε περισσότεραUvod u neparametarske testove
Str. 644;1;148 Uvod u neparametarske testove Predavač: Dr Mirko Savić savicmirko@eccf.su.ac.yu www.eccf.su.ac.yu Hi-kvadrat testovi χ Str. 646;1;149 Koristi se za upoređivanje dve serije frekvencija. Vrste
Διαβάστε περισσότεραPopulacija Ciljna/uzoračka populacija
Populacija i uzorak Sadržaj predavanja Šta je populacija, šta je uzorak a šta uzorkovanje? Statističko zaključivanje Klasifikacija uzoraka: sa i bez verovatnoće, sa i bez zamenjivanja Uzoračke raspodele
Διαβάστε περισσότεραVjerojatnost i matematička statistika
Vjerojatnost i matematička statistika Ante Mimica Poslijediplomski specijalistički studij aktuarske matematike 29. siječnja 2016. Sadržaj kolegija 1. Opisna analiza podataka 2. Slučajne varijable 3. Funkcije
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
Διαβάστε περισσότεραVJEROJATNOST popravni kolokvij veljače 2017.
Zadatak 1. (20 bodova) (a) (4 boda) Precizno definirajte pojam σ-algebre događaja na nepraznom skupu Ω. (b) (6 bodova) Neka je (Ω, F, P) vjerojatnosni prostor i A, B F događaji. Pomoću aksioma vjerojatnosti
Διαβάστε περισσότεραUVOD DEFINICIJA: Statistika planiranje i provođenje pokusa skupljanje podataka interpretacija
OSNOVE STATISTIKE UVOD DEFINICIJA: Statistika je grana matematike koja obuhvaća sakupljanje, analizu, interpretaciju i prezentaciju podataka te izradu predviđanja koja se temelje na tim podacima. Smatra
Διαβάστε περισσότεραSTATISTIKA. KONCEPTI : POPULACIJA i UZORAK. Primjer: svi glasači, samo neki glasači
STATISTIKA KONCEPTI : POPULACIJA i UZORAK Primjer: svi glasači, samo neki glasači populacija uključuje sve podatke, a uzorak samo dio, slučajno izabranih kako procjeniti reprezentativni element? MJERE
Διαβάστε περισσότεραKorelacijska i regresijska analiza
Korelacijska i regresijska analiza Odnosi među pojavama Odnos među pojavama može biti: deterministički ili funkcionalni i stohastički ili statistički Kod determinističkoga se odnosa za svaku vrijednost
Διαβάστε περισσότερα9. TESTIRANJE HIPOTEZA O PARAMETRU. Josipa Perkov, prof., pred. 1
9. TESTIRANJE HIPOTEZA O PARAMETRU Josipa Perkov, prof., pred. 1 na prethodnom predavanju upoznali smo se s metodom i postupcima koji omogućavaju da se iz dijela populacije, koji je slučajno izabran, procijeni
Διαβάστε περισσότεραOptimalnost u procjeni Nepristran procjenitelj minimalne varijance Cramer-Rao donja granica - ekasnost Konzistentnost. Vjeºbe - Statistika II.
Vjeºbe - Statistika II. dio Optimalnost u procjeni Procjenitelja ima puno, pa treba imati kriterije za usporedbu izmežu njih. Radi jednostavnosti promatramo samo jednodimenzionalne parametre θ Θ R Funkcija
Διαβάστε περισσότεραRegresijska zavisnost. Jednostavna regresija
Regresijska analiza 1 Regresijska analiza Regresijska zavisnost. Jednostavna regresija Regresijska se analiza koristi za donošenje zaključaka o nizu slučajnih varijabli Y 1,...,Y n koje ovise o nezavisnoj
Διαβάστε περισσότεραStr
Str. Testiranje statističkih hipoteza Predavač: Dr Mirko Savić savicmirko@ef.uns.ac.rs www.ef.uns.ac.rs Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama (najčešće
Διαβάστε περισσότεραPopulacija vs. uzorak - Opisivanje, ocenjivanje i testiranje. Jelena Marinković, maj 2012.
Populacija vs. uzorak - Opisivanje, ocenjivanje i testiranje Jelena Marinković, maj 01. Statistika p Nauka o generisanju informacija i znanja kroz prikupljanje, analizu i interpretaciju podataka koji su
Διαβάστε περισσότεραStatističko zaključivanje jedna varijabla
Poglavlje 5 Statističko zaključivanje jedna varijabla 5.1 Procjena distribucije, očekivanja i varijance U prethodnim poglavljima naučili smo da se veličine promatrane na jedinkama obuhvaćenim nekim istraživanjem
Διαβάστε περισσότεραAnaliza varijanse sa jednim Posmatra se samo jedna promenljiva
ANOVA Analiza varijanse (ANOVA) Analiza varijanse sa jednim faktorom Proširena ANOVA tabela 2 Tehnike za analizu podataka Analiza varijanse sa jednim faktorom Posmatra se samo jedna promenljiva Posmatra
Διαβάστε περισσότεραTestiranje statistiqkih hipoteza
Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza je vid statistiqkog zakljuqivanja koji se primenjuje u situacijama: kada se unapred pretpostavlja postojanje određene
Διαβάστε περισσότεραIII VEŽBA: FURIJEOVI REDOVI
III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.
Διαβάστε περισσότεραPRIMJER 3. MATLAB filtdemo
PRIMJER 3. MATLAB filtdemo Prijenosna funkcija (IIR) Hz () =, 6 +, 3 z +, 78 z +, 3 z +, 53 z +, 3 z +, 78 z +, 3 z +, 6 z, 95 z +, 74 z +, z +, 9 z +, 4 z +, 5 z +, 3 z +, 4 z 3 4 5 6 7 8 3 4 5 6 7 8
Διαβάστε περισσότεραProgram testirati pomoću podataka iz sledeće tabele:
Deo 2: Rešeni zadaci 135 Vrednost integrala je I = 2.40407 42. Napisati program za izračunavanje koeficijenta proste linearne korelacije (Pearsonovog koeficijenta) slučajnih veličina X = (x 1,..., x n
Διαβάστε περισσότεραMatematičke metode u marketingu. Generalizirani linearni model. Lavoslav Čaklović PMF-MO
Matematičke metode u marketingu. Generalizirani linearni model Lavoslav Čaklović PMF-MO 2016 Jedan loš linearni model n = 1000, i = 1,..., n { 1 ako yi > 0 y Y = i = 2x i + rnorm(n) 0 inače x i = round(0.001
Διαβάστε περισσότεραOblasti izučavanja. IX.1. Osnove analize podataka. IX. Analiza podataka UVOD U ANALIZU PODATAKA 13/11/15
Oblasti izučavanja UVOD U ANALIZU PODATAKA I. Priroda i obuhvat marketinških istraživanja II. Izvori podataka u marketinškim istraživanjima III. Faze istraživačkog procesa IV. Eksploratorna istraživanja
Διαβάστε περισσότεραBinomna, Poissonova i normalna raspodela
Binomna, Poissonova i normalna raspodela Dejana Stanisavljević januar, 2012. godine Identifikacija empirijske raspodele učestalosti Teorijske raspodele verovatnoća opisuju očekivano variranje ishoda nekog
Διαβάστε περισσότεραBIOSTATISTIKA za studente medicine
1. TEMELJNI STATISTIČKI POJMOVI MEDICINSKI FAKULTET SPLIT Katedra za znanstvenu metodologiju BIOSTATISTIKA za studente medicine 5. izdanje Voditelj Katedre: Prof. dr. Davor Eterović Autori: Davor Eterović,
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότεραZaključivanje o jednakosti distribucija temeljeno na dva uzorka
Zaključivanje o jednakosti distribucija 1 Zaključivanje o jednakosti distribucija temeljeno na dva uzorka Odgovorom na ovako postavljeno pitanje u praksi možemo zaključiti dolazi li do promjene obilježja
Διαβάστε περισσότεραStatističke metode. doc. dr Dijana Karuović
Statističke metode doc. dr Dijana Karuović STATISTIČKE METODE Danas jedan od glavnih metoda naučnog saznanja Najvažnije statističke metode koje se upotrebljavaju: Metod uzorka Metod srednjih vrednosti
Διαβάστε περισσότεραProsta linearna regresija (primer)
STATISTIKA Prosta linearna regresija (primer) Doc. Dr Slađana Spasić E-mail: sladjana.spasic@singidunim.ac.rs Ass. Ana Simićević E-mail: asimicevic@singidunim.ac.rs 7. 6. 010. Beograd Predavanje 15 Regresiona
Διαβάστε περισσότεραMetode prognoziranja na vremenskim nizovima
Metode prognoziranja na vremenskim nizovima Pomoću ovih metoda buduće vrijednosti prognoziraju se na temelju povijesnih podataka. Pravila po kojima se ponašaju podaci iz prošlosti primjenjuje se na buduće
Διαβάστε περισσότεραAnaliza prosječnih vrijednosti
Analiza prosječnih vrijednosti Inferencijalna statistika On-line nastavni materijali 1 METODE INFERENCIJALNE STATISTIKE Inferencijalna statistika donosi zaključke o populaciji na temelju izabranog uzorka
Διαβάστε περισσότεραVerovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića
Verovatnoća i Statistika I deo Teorija verovatnoće zadaci Beleške dr Bobana Marinkovića Iz skupa, 2,, 00} bira se na slučajan način 5 brojeva Odrediti skup elementarnih dogadjaja ako se brojevi biraju
Διαβάστε περισσότεραGRAĐEVINSKI FAKULTET SVEUČILIŠTE U RIJECI. Specijalistički diplomski stručni studij MANN-WHITNEY-WILCOXONOV TEST ZA NEZAVISNE UZORKE.
GRAĐEVINSKI FAKULTET SVEUČILIŠTE U RIJECI Specijalistički diplomski stručni studij MANN-WHITNEY-WILCOXONOV TEST ZA NEZAVISNE UZORKE Seminarski rad Kolegij: Odabrana poglavlja inžinjerske matematike Akademska
Διαβάστε περισσότεραGrafičko prikazivanje atributivnih i geografskih nizova
Grafičko prikazivanje atributivnih i geografskih nizova Biserka Draščić Ban Pomorski fakultet u Rijeci 17. veljače 2011. Grafičko prikazivanje atributivnih nizova Atributivni nizovi prikazuju se grafički
Διαβάστε περισσότερα( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)
A MATEMATIKA (.6.., treći kolokvij. Zadana je funkcija z = e + + sin(. Izračunajte a z (,, b z (,, c z.. Za funkciju z = 3 + na dite a diferencijal dz, b dz u točki T(, za priraste d =. i d =.. c Za koliko
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότεραGRAĐEVINSKI FAKULTET SVEUČILIŠTE U RIJECI. Specijalistički diplomski stručni studij građevinarstva NORMALNA RAZDIOBA.
GRAĐEVINSKI FAKULTET SVEUČILIŠTE U RIJECI Specijalistički diplomski stručni studij građevinarstva NORMALNA RAZDIOBA Seminarski rad KOLEGIJ: Odabrana poglavlja inženjerske matematike AKADEMSKA GODINA: 2016/2017
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότεραStatističko zaključivanje - testiranje hipoteza. Katedra za medicinsku statistiku i informatiku
Statističko zaključivanje - testiranje hipoteza Statističko zaključivanje Ideja moderne statistike je da na osnovu uzorka (dobijenog uzorkovanjem iz osnovnog skupa) donosimo zaključke o populaciji (statističko
Διαβάστε περισσότεραDiskretan slučajni vektor
Sveučilište J J Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Mia Ćurić Diskretan slučajni vektor Završni rad Osijek, 206 Sveučilište J J Strossmayera u Osijeku
Διαβάστε περισσότεραStatistika. 1. Uvodna razmatranja o statistici
Statistika 1. Uvodna razmatranja o statistici ZAŠTO STATISTIKA? Statistički način mišljenja jednog će dana za svakodnevni život građana postati jednako neophodan kao znanje čitanja i pisanja. H. G. Wells(1866-1946).
Διαβάστε περισσότεραProblem procjene parametara u Weibullovom modelu
Sveučilište u Zagrebu Prirodoslovno - matematički fakultet Matematički odjel mr. sc. Darija Marković Problem procjene parametara u Weibullovom modelu Disertacija Voditelj: Suvoditelj: prof. dr. sc. Dragan
Διαβάστε περισσότεραAritmetička sredina Medijan Mod. Harmonijska sredina
MJERE CENTRALNE TENDENCIJE Aritmetička sredina Medijan Mod Geometrijska sredina Harmonijska sredina MJERA CENTRALNE TENDENCIJE ili središnja vrijednost jest brojčana vrijednost koja reprezentira skupinu
Διαβάστε περισσότεραValutni rizik Usporedba VaR i Expected Shortfall metode Martina Samac
Valutni rizik Usporedba VaR i Expected Shortfall metode Martina Samac Zagreb, 06. lipnja 2017. Sadržaj Uvod Definicija rizika Rizici u osiguranju Rizici u bankarstvu Mjere rizika Primjena mjera rizika
Διαβάστε περισσότερα, i = 1, 2, n. Tabela 1 Koeficijent proste korelacije. Standardizovani regresioni koeficijent. Regresioni koeficijent b
Višestruka regresija i korelacija Ako se ispituje zavisnost jedne pojave od dve ili više nezavisnih pojava, onda se govori o višestrukoj ili multiploj regresiji. Zadatak regresije je da otkrije što više
Διαβάστε περισσότεραSlučajni vektor. Poglavlje 3
Poglavlje 3 Slučajni vektor Ukoliko u jednom istraživanju za dani slučajni pokus pratimo nekoliko različitih slučajnih varijabli, moguće veze među njima nećemo dokučiti ako ih proučavamo samo svaku za
Διαβάστε περισσότερα13. TESTIRANJE HIPOTEZE O NEPOZNATIM KARAKTERISTIKAMA POPULACIJE
13. TESTIRANJE HIPOTEZE O NEPOZNATIM KARAKTERISTIKAMA POPULACIJE χ - TEST χ -test je neparametrijski test kojim se vrlo uspješno rješavaju problemi masovnih pojava kao što su: testiranje hipoteze da distribucija
Διαβάστε περισσότεραZBIRKA POTPUNO RIJEŠENIH ZADATAKA
**** IVANA SRAGA **** 1992.-2011. ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE POTPUNO RIJEŠENI ZADACI PO ŽUTOJ ZBIRCI INTERNA SKRIPTA CENTRA ZA PODUKU α M.I.M.-Sraga - 1992.-2011.
Διαβάστε περισσότεραINTELIGENTNO UPRAVLJANJE
INTELIGENTNO UPRAVLJANJE Fuzzy sistemi zaključivanja Vanr.prof. Dr. Lejla Banjanović-Mehmedović Mehmedović 1 Osnovni elementi fuzzy sistema zaključivanja Fazifikacija Baza znanja Baze podataka Baze pravila
Διαβάστε περισσότεραu statistici označava raspodjelu rezultata, odnosno frekvenciju kojom se u nekom skupu rezultata, poredanih po veličini pojavljuju
Distribucije Distribucija u statistici označava raspodjelu rezultata, odnosno frekvenciju kojom se u nekom skupu rezultata, poredanih po veličini pojavljuju pojedini rezultati. Provjera oblika distribucije
Διαβάστε περισσότερα4 Testiranje statističkih hipoteza
4 Testiranje statističkih hipoteza 1 4.1. Statistička hipoteza Promatramo statističko obilježje X. Statistička hipoteza je (bilo koja) pretpostavka o (populacijskoj) razdiobi od X. Kažemo da je statistička
Διαβάστε περισσότεραSTATISTIKA I OSNOVE FIZIKALNIH MJERENJA
STATISTIKA I OSNOVE FIZIKALNIH MJERENJA ŽELJKO SKOKO PREDAVANJA: ČETVRTAK, 12-14 h, F25 VJEŽBE: ČETVRTAK, 14-15 h, F25 MIRKO BAĆANI KONZULTACIJE: PETAK, 11-12.30 h ili prema dogovoru e-mail: zskoko@phy.hr
Διαβάστε περισσότεραSadrˇzaj. Sadrˇzaj MATEMATIČKA STATISTIKA DESKRIPTIVNA STATISTIKA Ponovimo... 15
Sadrˇzaj Sadrˇzaj 1 11 MATEMATIČKA STATISTIKA 3 11.1 DESKRIPTIVNA STATISTIKA..................... 5 11. Poovimo................................. 15 1 Radi materijal Poglavlje 11 MATEMATIČKA STATISTIKA
Διαβάστε περισσότεραNEPARAMETRIJSKE TEHNIKE
NEPARAMETRIJSKE TEHNIKE Neparametrijske tehnike se koriste za obradu podataka dobijenih na nominalnim i ordinalnim skalama. za testiranje značajnosti distribucije frekvencija po kategorijama jedne nominalne
Διαβάστε περισσότεραKvantitativne metode u Industrijskom inženjerstvu
Kvantitativne metode u Industrijskom inženjerstvu sastavna područja Industrijskog inženjerstva (Gavriel Salvendy): Neka područja obuhvaćena pojmom kvantitativnih metoda: Snimanje postojećeg stanja (VSM)
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότερα(BIO)STATISTIKA. seminari. smjer: Prehrambena tehnologija i Biotehnologija. pripremila: dr.sc. Iva Franjić
(BIO)STATISTIKA seminari smjer: Prehrambena tehnologija i Biotehnologija pripremila: dr.sc. Iva Franjić Sadržaj DESKRIPTIVNA STATISTIKA 4. Grafički prikaz podataka..................... 4. Srednje vrijednosti
Διαβάστε περισσότεραOSNOVE STATISTIKE I KINEZIOMETRIJE
OSNOVE STATISTIKE I KINEZIOMETRIJE Statistika se bavi prikupljanjem, sređivanjem, sažimanjem i grafičkim prikazivanjem podataka koji su dobiveni nekim mjerenjem. Kineziometrija (kinezis kretanje, metrija
Διαβάστε περισσότερα1. Pravopis/gramatika 2. Logika znanstvenoga rada
Logičke zakonitosti znastvenog rada Logičke zakonitosti znanstvenog rada Mladen Petrovečki Mladen Petrovečki 1. Pravopis/gramatika 2. Logika znanstvenoga rada 1. uporaba logičkih pravilai logike uopće
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότεραUvod u matematičku statistiku
Uvod u matematičku statistiku Pojam matematičke statistike. Pojednostavljeno rečeno, matematička statistika je znanstvena disciplina koja iz poznavanja određenih svojstava uzorka donosi zaključke o svojstvima
Διαβάστε περισσότεραMetode procjene parametara
Sveu ili²te J. J. Strossmayera u Osijeku Odjel za matematiku Mario Erdeg Metode procjene parametara Diplomski rad Osijek, 2016. Sveu ili²te J. J. Strossmayera u Osijeku Odjel za matematiku Mario Erdeg
Διαβάστε περισσότεραMERE DISPERZIJE ( VARIJABILNOSTI )
MERE DISPERZIJE ( VARIJABILNOSTI ) 1. RASPON VARIJACIJE 2.KVARTILNO ODSTUPANJE 3.PROSEČNO ODSTUPANJE 4.STANDARDNA DEVIJACIJA 5.KORELACIJA 6.STATISTIČKI POSTUPCI PRI BAŽDARENJU MERE DISPERZIJE Pokazatelji
Διαβάστε περισσότερα