Upload
luka-gredelj
View
50
Download
9
Embed Size (px)
DESCRIPTION
Osnove statistike
Citation preview
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
PLANIRANJE POKUSA OSNOVE STATISTIKE
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Obrada empirijskih podataka deskriptivna statistika opisivanje podataka iz uzorka ili populacije u formi
osnovnih parametara osnovne vrste podataka po nastanku varijable (upotreba razliitih mjernih
ljestvica) se mogu klasificirati na:1. Kvalitativne: nominalne (Da, Ne, Dobar, Lo...), ordinalne (rangovi)2. Kvantitativne: diskretne (cjelobrojne vrijednosti, pobrojane),
kontinuirane (neprekinute, mjerene)
a) Diskretne varijable nastaju prebrojavanjem
b) Kontinuirane varijable nastaju mjerenjem
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Grafika obrada empirijskih podataka vrste grafikih prikaza:
1. Histogram (bar chart) prikazivanje uestalosti podataka stupiima te povezivanje vrhova u poligon frekvencija
- histogramski prikaz za diskretnu varijablu- direktno oitavanje vjerojatnosti pojave pojedine
vrijednosti varijable
- histogramski prikaz za kontinuiranuvarijablu- prikaz preko razreda podataka po kojima klasificiramo podatke- u tehnici se radi sa razredima jednake veliine (irine)
Primjer:
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
2. Box- whisker prikaz (prikaz kutija brkovi) jedno od najeih prikaza podataka
Primjer:
- box-whisker prikaz za kontinuiranu varijablu- prikaz je mogue kreirati u razliitim verzijama
(sredinja toka medijan/aritmetika sredina,podjela po percentilima/intervalima povjerenja...)
- jednostavna dijagnostika problematinih podataka(ekstrema, outliera)
- mogunost prikazivanja dva ili vie uzoraka paralelno te brzo dijagnosticiranja njihovih relacija ikarakteristika
- kumulanta histogramski prikaz frekvencija koje se kumuliraju od najniega ka najviem razredu
- mogunost prikaza relativnih frekvencija (u %) na ordinati
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
3. Stem-leaf prikaz (prikaz stabljika - list)
Primjer: fi Stem Leaf2 21 0 2
4 22 3 3 4 9
5 23 1 2 5 8 9
4 24 5 6 7 8
2 25 4 8
1 26 4
- prikaz stabljika-list se najee koristi na podacima koji su u decimalnom obliku gdje se znamenka cijelog broja prikazuju kao stabljika a decimalni dio kao list
4. Ostali prikazi: Individual plot, Scatter plot, Line plot, Dot plot , Marginal plot , Area plot, Pie chart Normal probability plot, ...
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Primjer grafike analize podataka: Na jednom uzorku izmjerene su vrijednosti vlane vrstoe are elinog lima (u N/mm2). Nakon mjerenja dobiveni su sljedei podaci: 430, 440, 450, 460, 440, 430, 410, 410
440, 440, 430, 440, 420, 450, 430, 450420, 440, 420, 450, 410, 440, 460, 430
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Numerika obrada empirijskih podataka
aritmetika sredina suma svih elemenata u populaciji podijeljena sa brojem elemenata populacije (teite paralela sa mehanikim modelom)
MJERE POLOAJA
mod podatak(ili razred) koji ima najveu frekvenciju- mod dijeli distribuciju frekvencija na rastuu i padajuu stranu- vrste distribucija s obzirom na mod
najvanije svojstvo aritmetike sredine:
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
medijan 50% podataka je manje, a 50% vee od te vrijednosti
kvantili - vrijednosti numerikog obiljeja koje niz ureen po veliini dijele naq jednakih dijelova
Medijan
Kvartili
Decili
Percentili
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
MJERE RASIPANJA
standardna devijacija prosjeno odstupanje svakog podatka od arit. sredine varijanca 2 prosjeno kvadratno odstupanje svakog podatka od arit. sredine
koeficijent varijacije, V meusobno usporeivanje varijabilnosti pojava ili svojstava - pokazuje koliki odnos vrijednosti aritm. sredine iznosi
vrijednost standardne devijacije (u %)koeficijent varijacije
(relativna mjera rasipanja)
raspon, Rx razlika najvee i najmanje vrijednosti u nekom nizu podataka
nepristrana procjena varijance osnovnog skupa (o2) :
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
MOMENTI STATISTIKIH SKUPOVA
mehaniki model - greda, oslonac i optereenje ( x1,x2, ... jedinine sile)
0
x1 x2 x3 x4 x5 x6 x7
centralni moment r-tog reda moment oko centra (aritmetika sredina):
r=0 M0=1r=1 M1=0r=2 M2=2r=3 M3r=4 M4
varijanca
pomoni moment r-tog reda moment oko toke 0r=0 m0=1r=1 m1= aritmetika sredina
koeficijent asimetrijekoeficijent spljotenosti
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
MJERE OBLIKA STATISTIKOG SKUPA
koeficijent asimetrije (Skewness) mjera nagnutosti distribucije na lijevu ili desnu stranu
svaki |3| : 0 - 0,25 zanemariva asimetrija0,25 0,50 slaba asimetrija0,50 0,75 srednja asimetrija0,75 - + jaka asimetrija
nema asimetrije 3=0pozitivna asimetrije 3>0
negativna asimetrija 3
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
koeficijent spljotenosti (Kurtosis) mjera spljotenosti (zaobljenosti) distribucije
normalna spljotenost 4=3 (4=0) spljotenost 40)
-normiranje na nulu (jednostavnije oitavanje)
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Primjer dva skupa:
a) sa istim oekivanjem a razliitom varijancom
b) sa istim oekivanjem i varijancom ali razliitim elementima
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Primjer 1: Izmjerene su vlane vrstoe jednog elinog lima u N/mm2 (tablica). Potrebno je odrediti sve osnovne statistike parametre te ih grafiki prikazati u odgovarajuim prikazima.
410 410 410 410 420 420 420 430 430 430
430 430 430 440 440 440 440 440 440 440
440 440 440 450 450 450 450 450 460 460
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Razredi TABLICA FREKVENCIJAApsolutna
frek.Kumulativna
frek.
405=
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Primjer 2: Rad jednog automata kontrolira se uzorcima od 15 proizvoda. U svakom uzorku se ustanovljuje broj defektnih proizvoda. Budui da je uzeto 200 uzoraka, dobiveni podaci su u sljedeoj tablici. Potrebno je izraunati osnovne statistike parametre te grafiki prikazati podatke u odgovarajuim prikazima. x 0 1 2 3 4 5 6
fi 77 81 31 7 2 1 1
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
grafiki prikazi podataka:
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
Primjer 3: Sljedei podaci prezentiraju temperature O-ring brtvi raketnog motora prilikom testiranja sustava paljenja: 84, 49, 61, 40, 83, 67, 45, 66, 70, 69, 80, 58, 68, 60, 67, 72, 73, 70, 57, 63, 70, 78, 52, 67, 53, 67, 75, 61, 70, 81, 76, 79, 75, 76, 58, 31. Potrebno je odrediti sve osnovne statistike parametre i grafiki prikazati podatke.
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
OPI SLUAJ ZA DISKRETNE I KONTINUIRANE VARIJABLE
diskretne varijable:
oekivanje
varijanca
funkcija distribucije F(x) diskretne varijable (kumulanta):
vjerojatnost diskretne varijable:
uestalostvjerojatnost
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
zbrajanja frekvencija (kumuliranje)
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
kontinuirane varijable:
funkcija gustoe vjerojatnosti (kontinuirana varijabla):
oekivanje
varijanca
oekivanje
svojstva f.g.v. :
1.
2.
3.
Zagreb, rujan 2009.H. CajnerOptimiranje i planiranje pokusa 2013.
funkcija distribucije vjerojatnosti (kontinuirana varijabla):
povezanost f.g.v. i funkcije distribucije