Ponovitev prejšnjega predavanja Množico vseh možnih izidov poskusa, ki ustreza celotemu vzorčnemu prostoru S imenujemo populacija X. Izbrano podmnožic

Podobni dokumenti
1. Kako opišemo povezano in pogojno verjetnost dogodkov A in B? Kdaj sta dogodka A in B statistično povezana in kdaj neodvisna? Kaj je popolna verjetn

MATEMATIKA – IZPITNA POLA 1 – OSNOVNA IN VIŠJA RAVEN

Četrta vaja iz matematike 1 Andrej Perne Ljubljana, 2006/07 zaporedja Zaporedje je predpis, ki vsakemu n N priredi a n R. Monotonost zaporedij: Zapore

Bivariatna analiza

FORMULE 1. Pravokotni koordinatni sistem v ravnini, linearna funkcija 2 2 Razdalja dveh točk v ravnini: d( A, B) ( x2 x1) ( y2 y1) y2 y1 Linearna funk

PowerPointova predstavitev

O EKSPONENTNI FUNKCIJI Martin Raič Jesen 2013

Slide 1

vaja4.dvi

Vsebinska struktura predmetnih izpitnih katalogov za splošno maturo

Informativni test

Microsoft PowerPoint _SPO-UPES_05_Racunovodsko-financna_funkcija.ppt

Osme vaje

6.6 Simetrični problem lastnih vrednosti Če je A = A T, potem so lastne vrednosti realne, matrika pa se da diagonalizirati. Schurova forma za simetrič

glava.dvi

PRIPRAVA NA 1. Š. N.: KVADRATNA FUNKCIJA IN KVADRATNA ENAČBA 1. Izračunaj presečišča parabole y=5 x x 8 s koordinatnima osema. R: 2 0, 8, 4,0,,0

Mrežni modeli polimernih verig Boštjan Jenčič 22. maj 2013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posamezni segmenti p

POPOLNI KVADER

Microsoft Word - Anketa-zaposleni-2014.doc

POMEN IN PROBLEMI RAZDELITVE DOHODKA

1

Metodologija za določanje bonitetnih ocen gospodarskih družb (podjetij, zadrug in zavodov) ter samostojnih podjetnikov (S.BON AJPES model) Kratek opis

Smernice za mikrobiološko varnost živil, ki so namenjena končnemu potrošniku (Različica 2019) Pripravili: NLZOH, Center za mikrobiološke analize živil

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6. julij 2018 Navodila Pazljivo preberite be

Namesto (x,y)R uporabljamo xRy

UDK 669.3:537.24:621.7 ISSN Izvirni znanstveni ~lanek MTAEC9, 39(4)107(2005) L. GUSEL, M. BREZO^NIK: GENETSKO MODELIRANJE ELEKTRI^NE PREVODN

Statistika, Prakticna matematika, , izrocki

3. Preizkušanje domnev

Organizacija, letnik 43 Razprave številka 4, julij-avgust 2010 Vpliv pro jekt ne zre lo sti or ga ni za ci je na us pe šnost pri pra ve evrop skih pro

Microsoft Word - SERUGA-SUZANA.doc

2. Model multiple regresije

MERE SREDNJE VREDNOSTI

PowerPoint Presentation

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-avgust-17.dvi

OSNOVE UMETNE INTELIGENCE

UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Katja Ciglar Analiza občutljivosti v Excel-u Seminarska naloga pri predmetu Optimizacija v fina

DOLŽNIK: MARJAN KOLAR - osebni steč aj Opr. št. St 3673/ 2014 OSNOVNI SEZNAM PREIZKUŠENIH TERJATEV prij ava terjatve zap. št. št. prij. matič na števi

UNIVERZA V MARIBORU EKONOMSKO-POSLOVNA FAKULTETA Delo diplomskega projekta AKTUARSKI PRISTOP K ODPLAČEVANJU KREDITOV Avgust, 2017 Tina Cvitanič

PRILOGA 2 Minimalni standardi kakovosti oskrbe za izbrane dimenzije kakovosti oskrbe in raven opazovanja posameznih parametrov kakovosti oskrbe 1. NEP

Microsoft Word - M docx

Poslovilno predavanje

fm

FGG13

Verjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC

C:/Users/Matevz/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-januar-februar-15.dvi

1 Merjenje sil in snovnih lastnosti 1.1 Merjenje sil z računalnikom Umeritev senzorja Senzor za merjenje sile pretvarja silo v električno napetost. Si

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5. februar 2018 Navodila Pazljivo preberite

Microsoft Word - UP_Lekcija04_2014.docx

NAVADNA (BIVARIATNA) LINEARNA REGRESIJA O regresijski analizi govorimo, kadar želimo opisati povezanost dveh numeričnih spremenljivk. Opravka imamo to

resitve.dvi

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 31. avgust 2018 Navodila Pazljivo preberite

Microsoft Word - M docx

CelotniPraktikum_2011_verZaTisk.pdf

MAGIČNI KVADRATI DIMENZIJE 4n+2

Microsoft Word - SI_vaja1.doc

EKVITABILNE PARTICIJE IN TOEPLITZOVE MATRIKE Aleksandar Jurišić Politehnika Nova Gorica in IMFM Vipavska 13, p.p. 301, Nova Gorica Slovenija Štefko Mi

Podatkovni model ER

2. izbirni test za MMO 2017 Ljubljana, 17. februar Naj bosta k 1 in k 2 dve krožnici s središčema O 1 in O 2, ki se sekata v dveh točkah, ter

Microsoft Word - 04 Inferencna statistika - Katja

Ime in priimek

PowerPoint Presentation

KOTNE FUNKCIJE Kotne funkcije uporabljamo le za pravokotni trikotnik! Sinus kota α je enak razmerju dolžin kotu nasprotne katete in hipotenuze. sin α

Univerza v Ljubljani Fakulteta za gradbeništvo in geodezijo Jamova Ljubljana, Slovenija telefon (01) faks (01)

RAČUNALNIŠKA ORODJA V MATEMATIKI

CA IZRAČUN KAPITALA IN KAPITALSKE ZAHTEVE Oznaka vrstice Postavka 1 SKUPAJ KAPITAL (za namen kapitalske ustreznosti) = =

Kazalo 1 DVOMESTNE RELACIJE Operacije z dvomestnimi relacijami Predstavitev relacij

Univerza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in računalništvo Enopredmetna matematika IZPIT IZ VERJETNOSTI IN STA

Osnove verjetnosti in statistika

Kinematika

Osnove matematicne analize 2018/19

Microsoft Word - 9.vaja_metoda porusnih linij.docx

Georitem qxd

Svet elektronika 205.indd

1 Diskretni naklju ni vektorji 1 1 Diskretni naklju ni vektorji 1. Dopolni tabelo tako, da bosta X in Y neodvisni. X Y x x x x x

Delavnica Načrtovanje digitalnih vezij

Analiza anket o šolski prehrani Učenci Analiza anket o šolski prehrani OŠ Medvode za učence 3. Ali doma zajtrkuješ? Razred DA, vsak dan NE, nikoli OBČ

STAVKI _5_

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-junij-17.dvi

IZDANI CERTIFIKATI O SKLADNOSTI SISTEMA KONTROLE PROIZVODNJE IN NADZORA NAD NJO (PO SISTEMU 2+)

Microsoft Word - Objave citati RIF in patentne prijave za MP.doc

Velika logična pošast Eulerjeva metoda reševanja diofantskih enačb Dana je diofantska enačba ax+by=c. Enačbo rešujemo samo v primeru, če sta a in b me

s = pot /m

Microsoft Word - Povzetek revidiranega letnega porocila 2006.doc

Microsoft Word - KRI-ZRN-3 splet.doc

24. državno prvenstvo iz gradbene mehanike za 3. letnike 16. maj naloga Med dve enakostranični prizmi s stranico a postavimo valj s polmerom r

Predmetnik dvopredmetnega pedagoškega študijskega programa 2. stopnje Slovenski jezik in književnost Predmetnik je sestavljen iz: obveznih predmetov (

Brexit_Delakorda_UMAR

PREDMETNIK : S P L O Š N A G I M N A Z I J A

Univerza v Ljubljani Fakulteta za matematiko in fiziko Verjetnost v fiziki 2012/13 tutorstvo #1 Kombinatorika Avtorja: Peter Ferjančič, Boštjan Kokot

LaTeX slides

Transkripcija:

oovtev prejšjega predavaja Možco vseh možh zdov posusa, ustreza celotemu vzorčemu prostoru meujemo populacja. Izbrao podmožco zdov z populacje meujemo vzorec: V,, K, ) ( V prmeru, o so posameze aljuče spremeljve, astopajo v vzorcu medsebojo eodvse majo sto porazdeltev f(x), predstavlja vzorec V (,, K, ) aljuč vzorec. Osova aloga statste je a osov zbraega aljučega vzorca V (,, K, slepat a statstče lastost obravavae populacje. Hstogram Vzorec s ) ( x, x,, ) K x tatstčo slepaje x x m opulacja tatste, se uporabljajo za oceo parametrov θ populacje a osov aljučega vzorca V meujemo cele. r tem je v splošem statsta Z opredeljea s poljubo merljvo fucjo aljučega vzorca V. Z Z V ) Z(,,..., ( ) Da eo statsto Z Θˆ uporabmo ot celo za parametra θ morajo vredost statste θˆ Θˆ (V) met lastost: [ ˆ θ θ < C] lm jer je C zbraa poztva ostata. ) Dosledost cele: [ ˆ θ < ε ] lm θ Vzorča relatva freveca dogoda A ) Neprstraost cele Θˆ [ Θˆ ] θ 3) Asmptotsa eprstraost cele lm [ Θˆ ] lm ( ˆ θ + O( ) ) θ ( A) p( A) je eprstrasa dosleda cela verjetost dogoda A. Vzorčo povprečje [ ] m m je eprstraa dosleda cela povpreče vredost populacje

Vzorča varaca s ( ) je asmptotso eprstrasa med tem o je popravljea vzorča varaca ( ) eprstrasa dosleda cela varace populacje V splošem je statsta Z opredeljea s poljubo merljva fucja Z aljučega vzorca V. Z Z V ) Z(,,..., ( tatsta Z je aljuča spremeljva. Kar pome, da ma Z zalogo vredost eo porazdeltev verjetost F Z (z). ) 9.3. orazdeltev statste vzorčega povprečja Vzorčo povprečje aljučega vzorca smo opredell z: Z r tem so statstčo eodvse majo eao gostoto porazdeltve: f ( x) f ( x) j Cetral lmt teorem: Če vzorčmo z populacje z ezao porazdeltvjo verjetost bo porazdeltev vzorčega povprečja prblžo ormala z sredjo vredostjo varaco: [ ] m Var( ) Ozroma če je aljuč vzorec velost zbra z poljube populacje z: če je statste: V,,..., ) [ ] m ( Var( ) vzorčo povprečje potem porazdeltev Z / m z lmtra stadard ormal porazdeltv. 9.3. H-vadrat porazdeltev Imamo populacjo z ormalo porazdeltvjo, ma: [ ] m 0 Var( ) Zama as gostota porazdeltve aljuče spremeljve ozroma statste Z opredeljea z: Z

pozavajem gostote verjetost f Z (z) uporabe ovolucje laho določmo gostoto verjetost vsote dveh vadratov Z f f Z Z ( z) fz ( z) fz ( z x) d x π z x / ( zx) / e e / 0 x z x ( ) ( z) 0, / 0 z e Γ( / ), z / z > 0 z 0 d x pomočjo popole matematče ducje laho poažemo da velja: ( ) z / z e, z > 0 / Γ( / ) fz ( z) 0, z 0 Dobljea gostota verjetost za se meuje h-vadrat z prostostm stopjam. Naljuča spremeljva opredeljea z vsoto vadratov stadardzrah ormalh spremeljv ma h-vadrat porazdeltev gostote verjetost. rmer grafov h vadrat porazdeltve v odvsost od : Adtva lastost porazdeltve h-vadrat 5 0 [ Z ] Var ( Z ) x max, Naj bodo Y, Y,..., Y, h-vadrat eodvse aljuče spremeljve s prostostm stopjam,,...,. Y Y + Y + L+ Y Vredost ostalh začlh parametrov porazdeltve : r [ Z ] m ( + ) L( + r ) g / g / r je h-vadrat aljuča spremeljva z prostosto stopjo: rmer spremeljv z porazdeltvjo. oljub ormal porazdelje spremeljv z: [ ] m Var( ) laho prredmo stadard odm od sredje vredost Z : m Z z: [ Z] m 0 Z Var( Z) Z Vzorč drug momet spremeljve Z opredelje z: m, Z m ma porazdeltev z prostostm stopjam. 3

. Za poljubo ormalo spremeljv z: je z [ ] m Var( ) poda odm od vzor. povprečja 3. Z uporabo spremeljve laho zrazmo vzorč varac: ( ) s Na osov odma vpeljemo spremeljvo: ( ) ( ) ma porazdeltve z - prostostm stopjam. mata porazdeltve z - prostostm stopjam. Vredost porazdeltvea fucja so podae tabelarčo. Tabela podaja verjetost:, ( ) f ( z) z, Z d, Kjer je ozačuje vredost h-vadrat spremeljve z prostostm stopjam, pr ater je: 9.3.3 tudetova porazdeltev t Vzorčmo z ormale populacje z: [ ] m Var( ) ( ), (z) f Z, z Vzorčo povprečje porazdeltev z: populacje ma ormalo [ ] m Var( ) Na osov cetralega lmtega teorema ma statsta ozroma aljuča spremeljva: Z ( m ) / stadardo ormalo porazdeltev. redpostavmo, da varace populacje e pozamo. Kaj se zgod z porazdeltvjo spremeljve Z če v jej adomestmo z vzorčo varaco : T ( m ) / V splošem laho poažemo, da: Če je Z ormala spremeljva V h-vadrat spremeljva z prostostm stopjam če sta Z V statstčo eodvs, potem ma spremeljva: gostoto verjetost: f T [( + ) / ] Z V / Γ t) t + π Γ( / ) T ( [( ) ] ( ) < <, / t / + se meuje tudetova al t porazdeltev z prostostm stopjam. 4

rmer grafov tudetove gostote verjetost: f T () t 0 t Vredost ostalh začlh parametrov: r 3L [ ] ( r ) T m r 0 [ N(0,) ] g 0 g 3 3, 4 > ( )( 4) L( r) 4 [ T ] 0 Var( ) /( ) T t max 0 r V ašem prmeru mamo spremeljvo: Kjer je m ormala h-vadrat spremeljva z - prostostm stopjam, sta statstčo eod- vs. Zato ma gorja statsta T tudetovo ozroma t porazdeltev z - prostostm stopjam: f T Γ t) π ( m ) ( m ) / / [( ) / ] Γ( ( ) / ) t /( ) T ( [( ) + ] ( )/ tudetova porazdeltev je podaa v tabel, podaja:, T t, ( t ) f ( t)d z T t t,, oglavje 0 Osove teorje cel 0. Točovo ocejevaje parametrov a od poglavth alog statste je določtev porazdeltve verjetost opazovae aljuče spremeljve. r tem prvzamemo, da je opazova pojav možo opsat z eo od pozah teoretčh porazdeltve. Izbraa porazdeltev je opsaa z eo fucjo F (x,, je v splošem odvsa še od abora začlh parametrov q. Naša aloga je določt abor parametrov q a osov vzorca V, predstavlja podmožco populacje. Hstogram s Vzorec V tatstčo slepaje x x m r tem parameter q ocemo s pomočjo ustreze statste Z ozroma cele. opulacja 5

0.. Metode za določaje cel Metoda mometov orazdeltvea fucja F (x, aljuče spremeljve je v splošem odvsa od parametrov q. Od parametrov q so odvs tud momet m aljuče spremeljve : [ ] x d F ( x, x f ( x, ) d x m ( q Na osov daega vzorca v ( x, x, K, x) vredost mometov m, ocemo z vzorčm povprečj: m, m, so doslede eprstrase cele mometov m ( Z zeačejem: m m (,,,K x, dobmo sstem eačb, z aterega določmo q : q q ( m,, m,, K) q ( V ) rmer : Naljuča spremeljva je eaomero porazdeljea a tervalu z ezama rajščema a b. a b želmo ocet z vzorca. Gostota porazdeltve spremeljve je podaa z: /( b a), f ( x; a, b) 0, za drugod a x b Z uporabo mometov: b b a m x d x a b b a a b a + b 3 3 b a a m x d x a b 3 ( b a) a m zapšemo sstem dveh eačb: x f ( x) d x + ab + b 3 Z vpeljavo zraza za cetral mometa v sstem eačb: Var( ) μ m m ( b a) Laho reštve sstema zapšemo v obl: a m 3μ b m + 3μ Cel za a b dobmo z zamejav mometov m μ z ustrezma vzorčma mometoma: aˆ s 3 b ˆ + s 3 Metoda ajvečje zaesljvost e zaže za zaesljvejšo pr majhh vzorch V. Imamo aljučo spremeljvo, j prpada gostota porazdeltve f (x,, je odvsa od parametrov q. Imamo aljuč vzorec V (,,..., ) aterega ompoete so statstčo eodvse majo eao gostoto verjetost f (x,. 6

Gostota verjetost aljučega vzorca V je opredeljea z fucjo: L( V, f (, f (, L f (, jo meujemo fucja zaesljvost vzorca ozačuje verjetost, da pr vzorčeju dobmo vzorec V. r vzorčeju zberemo vzorec v(x,x,...,x ). r predpostav, da smo vzorec v(x,x,...,x ) zbral er je bl ajbolj verjete določmo parametre q, am pr daem vzorcu masmrajo fucjo zaesljvost vzorca. tem prevedemo ocejevaje ezah parametrov q a problem saja masmuma fucje: L( v, f ( x, f ( x, L f ( x, v odvsost od q. r tem je L pr zbraem vzorcu v odvsa samo še od q. rmer : Vzorčeje treh zdelov s teočega trau poaže dva dobra eega slabega Določmo celo ozroma oceo verjetost za pojav dobrega zdela. Opravt mamo z Berouljevo spremeljvo. orazdeltev verjetost je podaa z: f p, za ( dober) ( x, p) p, za 0 ( slab) Vzorec s aterm razpolagamo je: v (x, x, x 3 )(,, 0) prpadajoča fucja zaesljvost: L(v,p)f(,p) f(,p) f(0,p)p (-p) Masmum zaesljvost L dobmo v toč jer je zpolje pogoj: Reštve eačbe : ( p ( p) ) p 3 0 L d p d p d x d sta pr : p/3 p0. p 3p 0 L ma masmum pr p/3 ar je reštev. rmer : premeljva ma ormalo porazdeltev s parametroma m. osusom smo dobl vzorec v(x,x,...,x ). Ocemo parametra m, da bo verjetost vzorca v masmala. Fucja zaesljvost je podaa z: L( v, f ( x, f ( x, L f ( x, ma pr ormal porazdeltv oblo: L ( x ) m ( v; m, ) exp / ( π ) Z logartmrajem fucje zaesljvost dobmo: l L( v; m, ) l π l Iz pogoja za estrem dobmo eačb: L m L + ( x m) 0 ( x m) 0 3 ( x m) 7

Reštev dobljeega sstema eačb je poda z: m x ( x m) ( x ) s Ocea za je prstrasa. Do sth cel prdemo tud z metodo mometov. V splošem dobmo z obema metodama razlče rezultate. Ozroma potrebe lastost cel (dosledost, eprstraost) za oce parametra q v splošem laho zpoljuje več razlčh statst Z. rmer: Za ocea sredje vredost pr ormal porazdeltv laho uporabmo vzorčo povprečje, medao,.. Za prmerjavo cel vpeljemo povprečo vadratčo apao : M( Z) [( Z ] Var( Z) O jer smo upošteval, da za eprstraso celo velja: ter da velja eaost: [ Z ] q + O [ Z ] Var( Z) + [ Z ] pomočjo M vpeljemo relatvo učovtost dveh cel parametra q, Z Z ot vocet: Če je u < je: M( Z) u M( Z ) M( Z ) < M( Z) laho zaljučmo, da je Z v smslu povpreče vadratče apae boljša cela parametra q. Ko sta Z Z eprstras cel parametra q velja: [ Z ] [ Z ] q M( Z ) Var( Z) M( Z ) Var( Z) orazdeltev Z orazdeltev Z rmer o je Z prstrasa Z eprstrasa cela parametra [ Z ] q + O [ Z ] q orazdeltev Z orazdeltev Z Za Var( Z ) < Var( Z) je u < po eeačb Čebševa: Var ( Z q ε ) ε ( Z ) ( Z q ε ) > ( Z q ε ) q M( Z + O ) Var( Z) M( Z ) Var( Z) Var( Z ) << Var( Z) u q [ Z ] M( Z ) M( Z ) < 8

0. Itervalo ocejevaje parametrov tatste, jh uporabljamo za oceo parametrov so aljuče spremeljve. Ocea parametra q s pomočjo statste Z se od ------ -----vzorca do vzorca razluje. o od merl atačost zaesljvost ocee je varaca cele. Bolj podrobo oceo podamo, če a osov statstčh lastost cele Z podamo terval (l z u) ool ocejee vredost z q z l u v aterem z določeo verjetostjo : ( l z u) prčaujemo, da lež prava vredost parametra q. Oceje terval (l z u) meujemo terval zaupaja - stopjo zaupaja tvegaje Obravavajmo ormalo populacjo z zao stadardo devacjo ezao sredjo vredostjo m. Zarad ormale porazdeltve ool m : Naj bo V(,,..., ) aljuč vzorec populacje. / / Vzorčo povprečje porazdeljeo z : m ormale populacje je ormalo velja: t / ( m ) e d t Φ( ) π m jer je ormalzra odlo Φ() Laplaceova fucja. Za vpeljavo razlago pojma terval zaupaja verjetost dogoda: zapšemo v obl: ( m ) Φ( ) ( ) m ( + ) Φ( ) V zrazu: ( ) m ( + ) Φ( ) je m dolčea determstča vredost zraz e podaja verjetost za astop m v tervalu ±. r zbraem vzorcu v je tud določea olča, je verjetost, da se m ahaja v tervalu ( ) m ( + )), za m ± 0, za m ± 9

V splošem je fucja aljučega vzorca V. ± m ± predstavlja tervalo oceo parametra m, določa da terval šre ± z verjetostjo Števla vzorca v (( ) m ( + )) Φ( ) določa verjetost, da aljuč terval porva (vsebuje) m. ± (( ) m ( + )) Φ( ) ozroma stopjo zaupaja porva (vsebuje) m. Če želmo določt velost terval zaupaja (l,u) (-, ) moramo ajprej zbrat stopjo zaupaja -. (( ) m ( + )) Φ( ) ovezava med stopjo zaupaja šro tervala je podaa tabelarčo: - 0.5 0.69 0.80 0.90 0.95 0.98 0.99 0.997 0.67.00.8.65.00.33.58 3.00 mej vredost tervala (l,u) (-, ) al mej zaupaja sta tem bolj araze čm majše je tvegaje. šrjejem tervala zaupaja arašča verjetost, da terval vsebuje ozroma porva pravo vredost parametra m. Na drug stra, šrš o je terval maj formacje ozroma maj atačo oceo mamo o prav vredost parametra m. V pras težmo, da stopj zaupaja pr čm majš šr tervala. Šra tervala je podaa z: x ± ± Na šro laho vplvamo z velostjo vzorca Itervala ocea sredjo vredost ormale populacje z ezao stadardo devacjo. V prejšjem prmeru smo uporabl ormalo statsto: Z ( m ) / V prmeru, o e pozamo stadarde devacje jo ocemo s popravljeo vzorčo varaco: I za tervalo oceo povprečja m populacje uporabmo statsto: T ( m ) / ma tudetovo t porazdeltev z - prostostm stopjam: f T ( t) ( x ) / t, / t, / / 0

Iz grafa porazdeltve po aalogj s prejšjm prmerom laho zapšemo: f T () t / / ačbo: m ( t ; / t ; / ) preuredmo v terval: / t, / t, / ( t ) ; / T t ; / t ; / m + t ; / al: m ( t ; / t ; / ) / podaja tervalo oceo povprečja m populacje z stopjo zaupaja - ostras terval zaupaja ogosto as pr oce tervala zama samo ea meja medtem, o je druga laho poljuba al podaa v aprej. Zato amesto dvostraega tervala zaupaja: t ; / m + t ; / Če as zama zgorja meja podamo eostrasega: m + t ; V prmeru spodje pa: t ; m rmer: tervala ocea zgorje meje je varace ormale spremeljve. Vzorčo varaco laho zrazmo z : ( ) Kjer ma spremeljva h-vadrat porazdeltev z - prostostm stopjam. Kot statsto za tervalo oceo varace uporabmo: Iz grafa porazdeltve ( /, / ( ) sled:, / / ; / ; / ) Z upoštevajem: dobmo : ( ( ) ( ) ; / ; / ) ar preuredmo v oceo tervala zaupaja za : ( ) ( ) ; / ; /

Iz tervale ocee: led, da je tervala ocea zgorje meje za podaa z: ( ) ( ) / ; / ; ( ) ;