Question |
Answer |
|
start learning
|
|
wariancja;średni kwadrat odchyleń mierzy jak bardzo wartości cechy są rozproszone wokół średniej
|
|
|
|
start learning
|
|
Średnie roczne tempo zmian liczby studentów wynosi 1,0307, czyli populacja rosła średnio o ok. 3,07% rocznie
|
|
|
współczynnik ufności, populacja znamy odchylenie start learning
|
|
populacji rozkład normalny o nieznanej wartości oczekiwanej μ oraz znanym odchyleniu standardowym σ.
|
|
|
współczynnik ufności, populacja, nie znamy nic start learning
|
|
populacji rozkład normalny o nieznanej wartości oczekiwanej μ oraz nieznanym odchyleniu standardowym σ,
|
|
|
współczynnik ufności, jak mamy duże próby start learning
|
|
populacji o liczebności równej przynajmniej 100,
|
|
|
|
start learning
|
|
stosuje się dla próby losowej z populacji generalnej, której cecha ma rozkład normalny o nieznanej wariancji.
|
|
|
|
start learning
|
|
dla dwóch nizależnych prób losowych z w populacji generalnych,
|
|
|
|
start learning
|
|
dla dwóch powiązanych zmiennych np. jedna populacja i po jakimś czasie badamy
|
|
|
|
start learning
|
|
H0: częstości wystąpień badanej cechy są takie same we wszystkich grupach, hipoteza alternatywna H1: przynajmniej w jednej parze grup częstotliwości wystąpienia badanej cechy różnią się między sobą. Test służy do badania związku między
|
|
|
|
start learning
|
|
postaci H0: liczebności obserwowane (otrzymane w wyniku badania) są zgodne z liczebnościami teoretycznymi, hipoteza alternatywna H1: liczebności obserwowane (empiryczne) różnią się od liczebności teoretycznych.
|
|
|
|
start learning
|
|
Pearsona jest miarą siły i kierunku liniowej zależności między dwiema zmiennymi losowymi. Niech X i Y będą zmiennymi losowymi. Niech xi i yi będą elementami prób losowych, gdzie i = 1,2, ..., n.
|
|
|
|
start learning
|
|
Określa on monotoniczną zależność między zmiennymi i stosowany jest w sytuacjach, gdy zależność między cechami nie musi być liniowa lub gdy dane nie spełniają założeń klasycznych metod parametrycznych.
|
|
|
|
start learning
|
|
|
|
|
|
start learning
|
|
|
|
|
|
start learning
|
|
Im mniejszą wartość przyjmuje powyższy parametr, tym lepszą ocenę otrzymuje weryfikowany model.
|
|
|
|
start learning
|
|
W celu określenia dopasowania modelu liniowego do danych empirycznych, oblicza się współczynnik zbieżności
|
|
|
|
start learning
|
|
|
|
|