Stat. Matem. Przyklady Spec. Stat. Mat. Home Page Title Page Page 1 of 20 Go Back Full Screen Close Quit Specjalność STATYSTYKA MATEMATYCZNA na kierunku MATEMATYKA Instytut Matematyki i Informatyki Politechnika Wroclawska Opracowal zespól: prof. dr hab. Ryszard Magiera, dr Alicja Jokiel-Rokita, dr hab. Maciej Wilczyński
20
Embed
Specjalność STATYSTYKA MATEMATYCZNA na kierunku ...
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Stat. Matem.
Przykłady
Spec. Stat. Mat.
Home Page
Title Page
JJ II
J I
Page 1 of 20
Go Back
Full Screen
Close
Quit
SpecjalnośćSTATYSTYKA MATEMATYCZNA
na kierunku MATEMATYKA
Instytut Matematyki i InformatykiPolitechnika Wrocławska
Opracował zespół: prof. dr hab. Ryszard Magiera, dr Alicja Jokiel-Rokita,
1. Statystyczna analiza danych i statystyka mate-matyczna
Można przytoczyć niezliczoną liczbę przykładów świadczących o tym,że
statystyczne planowanie eksperymentu i ana-liza statystyczna danych eksperymentalnychsą podstawowymi narzędziami badań w wieludziedzinach nauki i techniki.
Statystyczne planowanie zbierania danych poprzez wybór od-powiedniej metody pobierania próby jest również podstawą m.in.takich badań jak badania opinii publicznej, badania marketingowei społecze.
Niektóre z przykładów zstosowań statystyki matematycznej przed-stawimy w następnej części prezentacji.
Wykorzystanie statystyki jako klucza do po-dejmowania decyzji jest powszechną cechąwspółczesnej nauki i zarządzania.
Te trzy części przedmiotu są wzajemnie powiązane, ale statystykamatematyczna dotyczy głównie trzeciej części . Rodzaj eks-perymentu i sposób zbierania danych mają wpływ na model sta-tystyczny, którego dotyczy wnioskowanie. Model ten formułowanyjest zwykle w terminach matematycznych, co umożliwia stosowanieaparatu matematycznego w teorii wnioskowania statystycznego.Statystyka matematyczna jest teorią umożliwiającą właściwe in-terpretowanie danych.
Część wyrobów schodzących z linii produkcyjnej jest wadliwa. Możeto wynikać z czynników losowych lub zakłóceń w przebiegu procesuprodukcji. Całkowite wyeliminowanie pojawiania się wyrobów wa-dliwych nie jest możliwe. Można jednak zmniejszyć częstość wy-stępowania „braków“ projektując procesy produkcyjne, w którychsterowanie oparte jest na statystycznej analizie ich przebiegu. Sta-tystyczna kontrola jakości opiera się na metodzie kart kontrolnych,zaproponowanej przez Waltera Shewarta. Najprostsza wersja tejmetody polega na tym, że w równych odstępach czasu sprawdzasię jakość kilku kolejnych wyrobów schodzących z taśmy. Następ-nie, na podstawie otrzymanych wyników, podejmuje się decyzjęczy wstrzymać produkcję w celu jej skorygowania, czy też nie.
2.2. Zastosowania statystyki w badaniach medycznych
2.2.1.
Oto niektóre przykłady zastosowań statystyki matematycznej wbadaniach medycznych:
• szacowanie średniego czasu życia, np. po zabiegu,
• badanie skuteczności leczenia,
• porównanie efektywności dwóch metod leczenia.O szacowaniu średniego czasu życia dowiesz się z części Metody
analizy funkcji przeżycia �ZobaczDo badania skuteczności leczenia i porównania efektywności
dwóch metod leczenia może być zastosowany między innymi tzw.test sekwencyjny �Zobacz
2.2.2.
W latach 70-tych ubiegłego stulecia Administracja Weteranów wUSA prowadziła badania nad skutecznością metod leczenia wrzodudwunastnicy. Gdy konieczny był zabieg operacyjny, rozpoczynano
go od otwarcia jamy brzusznej pacjenta i stwierdzenia, które z czte-rech znanych technik operacyjnych mogłyby być zastosowane w da-nym przypadku. Po ustaleniu tego, chirurg otwierał kopertę przy-gotowaną przez statystyka i znajdował tam instrukcję określającą,która z możliwych technik operacji ma być zastosowana. Postę-pując zgodnie z instrukcją statystyków chirurdzy mogli zapewnićpełnowartościowe wyniki badań, nie zniekształcone subiektywnymidecyzjami i czynnikami zewnętrznymi.
2.2.3. Paradoks Simpsona
Oto wydruk z pakietu komputerowego:Badania wśród kobiet i mężczyzn
Liczba wyn. Liczba wyn.Metoda negatywnych pozytywnych Razem
2.3. Zastosowania statystyki w przemyśle farmaceutycznym
2.3.1.
Wprowadzenie na rynek nowego leku musi być poprzedzone wy-kazaniem, że nie wywołuje on poważnych skutków ubocznych. Wtym celu, na losowo wybranej grupie pacjentów, przeprowadza siętesty statystyczne, mające wykryć niepożądane działanie specy-fiku. Wyniki tych badań wykorzystuje się do wnioskowania o ca-łej populacji osób, które będa zażywać lekarstwo, o ile zostanieono wprowadzone do obiegu. Procedury statystyczne muszą byćtak dobrane, by zminimalizować szanse dopuszczenia do sprzedażyleku o niekorzystnym działaniu.
2.3.2.
W roku 1976 wycofano z użytku w USA najczęściej stosowany tamczerwony barwnik spożywczy Red 2 jako potencjalny czynnik rako-twórczy. Decyzja Administracji Żywności i Leków oparta była naanalizie statystycznej wyników doświadczenia, w którym różne ilo-ści tego barwnika podawane były pięciu grupom szczurów. Liczba
złośliwych guzów stwierdzonych w grupie szczurów spożywającychwięcej barwnika była istotnie wyższa od liczby zaobserwowanychprzypadków raka wśród szczurów otrzymujących niższe dawki Red2.
2.4. Zastosowania statystyki w badaniach rynku
2.4.1. Segmentacja rynku
Za pomocą odpowiednich procedur statystycznych można dokonaćsegmentacji rynku, tzn. jego podziału na względnie jednorodne, zewzględu na popyt, grupy konsumentów. Wykorzystanie segmenta-cji pozwala zwiększyć sprzedaż, na przykład, poprzez skierowanieinformacji o produkcie do grupy (segmentu) o dużym popycie lubodpowiednie zareklamowanie produktu w segmencie, w którym tenpopyt nie jest wysoki.
2.4.2. Badanie skuteczności reklamy
W badaniach rynku często jesteśmy zainteresowani analizą skutecz-ności reklamy. Statystyczna analiza danych dotyczących wielkości
sprzedaży przed i po akcji reklamowej, np. radiowej, umożliwiaocenę korzyści z danego typu reklamy i podjęcie decyzji o jej kon-tynuacji lub wycofaniu.
2.5. Zastosowania statystyki w bankach
Wśród osób korzystających z kredytów przeważającą większośćstanowią klienci „dobrzy“, spłacający raty terminowo. Niestety,zdarzają się również klienci „źli“, spóźniający się z uiszczaniem ko-lejnych rat lub przestający je spłacać. Statystyczna analiza danychumożliwia znalezienie cech, odróżniających klientów „dobrych“ od„złych“. Znajomość tych cech pozwala na stworzenie modelu mate-matycznego, za pomocą którego można podjąć decyzję czy osobie,która złożyła wniosek kredytowy udzielić go czy nie.
2.6. Zastosowania statystyki w ocenie kondycji finansowej firmy
Edward Altman wykorzystując statystyczną wielowymiarową ana-lizę dyskryminacji, skonstruował (w 1968 r.) model pozwalającyokreślić poziom zagrożenia upadłością danej firmy. W najprost-szej wersji tego modelu, ocena kondycji firmy jest podejmowanana podstawie wartości wskaźnika
Z = 1, 2x1 + 1, 4x2 + 3, 3x3 + 0, 6x4 + 0, 999x5,
gdzie
• x1 = kapitał obrotowy/aktywa ogółem,
• x2 = zysk netto/aktywa ogółem,
• x3 = zysk przed opodatkowaniem/aktywa ogółem,
• x4 = rynkowa wartość kapitału akcyjnego/aktywa ogółem,
W ubezpieczeniach, np. życiowych, metody statystyczne umożli-wiają oszacowanie średniego czasu życia klienta w zależności odjego cech takich jak wiek, płeć, przebyte choroby i ustaleniu odpo-wiedniej dla niego stawki ubezpieczenia.
3.1. Wiedza ogólna zdobywana na Specjalności Statystyka Ma-tematyczna
W ramach tej specjalności• będziesz miał możliwość poznania współczesnej teorii
statystyki matematycznej, jak również wielu jej zasto-sowań,
• nauczysz się wykorzystywać pakiety komputerowe bę-dące standardami światowymi,
• zapoznasz się z szerokimi możliwościami wykorzystaniametod statystycznych m.in. w badaniach niezawodno-ści, badaniach medycznych, badaniach opinii publicz-nej, badaniach rynku finansowego.
Jednym z najprostszych przykładów zastosowań sekwencyjnychdecyzji statystycznych jest statystyczna kontrola jakości. Metodawnioskowania dotycząca oceny procentowej wadliwości produko-wanych wyrobów i optymalna liczba obserwacji mogą być opisanełącznie przez narysowanie dwóch barier na wykresie liczby sukce-sów (sztuk wadliwych) jako funkcji liczby wykonanych obserwacji.
Dopóki błądzenie losowe pozostaje między tymi barierami, na-leży kontynuować badanie. Jeśli trajektoria przetnie górną barierę(za dużo sukcesów – za dużo wykrytych elementów wadliwych), za-kończymy eksperyment i podejmiemy decyzję o odrzuceniu partiiproduktów. Gdy zostanie przecięta dolna bariera (za mało sukce-sów), zakończymy eksperyment i podejmiemy decyzję o zaakcep-towaniu danej partii.