DANE PORZĄDKOWE W STATYSTYCZNEJ ANALIZIE WIELO WYMIAROWEJ'
|
|
- Bogumił Wieczorek
- 5 lat temu
- Przeglądów:
Transkrypt
1 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 318 PRACE KATEDRY EKONOMETRII l STATYSTYKI NR MAREK WALESIAK Akademia Ekonomiczna we W ro cł awiu Wy d ział Gospodarki Regionalnej i Turystyki w Jeleniej Górze Katedra Ekonometrii i Informatyhl DANE PORZĄDKOWE W STATYSTYCZNEJ ANALIZIE WIELO WYMIAROWEJ' l. WPROW ADZENIE Metody klasyfikacji, skalowania wielowymiarowego oraz porządkowania liniowego należą do często wykorzystywanych wśród wielowymiarowych statystycznych metod analizy danych. Wykorzystanie tych metod wymaga sformalizowania pojęcia "podobieństwo obiektów". Stopiel'l podobieństwa obiektów kwantyfikuje się za pomocą miar podobiel'lstwa, wśród których wyróżnia się miary odległości oraz bliskości. Stosowanie konkretnych konstrukcji miar podobiel'lstwa jest uzależnione od skal pomiaru zmiennych. W teorii pomiaru rozróżnia się 4 podstawowe skale pomiaru, wprowadzone przez Stevensa [1959], uporządkowane od najsłabszej do najmocniejszej: nominalna, porządkowa (rangowalna), przedziałowa (interwałowa), ilorazowa (stosunkowa). Z typem skali wiąże się grupa przekształcet1, ze względu na które skala zachowuje swe własności. Dopuszczalnymi przekształceniami są więc te, które nie naruszają zasobu informacji zawartej dla mierzonej zmiennej. Skala U 2 jest mocniejsza od skali U 1 wtedy i tylko wtedy, gdy jej dopuszczalne przekształce- 16 finansowanego przez Ko P racę wykonano w ramach projektu badawczego Nr l f f02b O Ił mitet B a d a ń Naukowych w latac h
2 94 Marek Walesiak nie jest zdegenerowanym przypadkiem dopuszczalnego przekształcenia skal i U 1 (por. Walenta [1971], s. 52). Na wartościach poszczególnych skal, ze względu na dopuszczalne przekształcenie. można wyznaczać relacje równości, różności. większości, mniejszości, równości różnic i przedziałów, równości stosunków między poszczególnymi wartościami skali. Podstawowe własności skal pomiaru zawiera tabela l. Typ skali Nominalna Tabela l p o d stawowe w asnosct.. s k ' a l pomtaru Dozwolone przekształ- Dopuszczalne operacje Dopuszczalne relacje cenia matematyczne arytmetyczne z=f(x), f(x) -do- równości ( x A :::; x B ), zliczanie zdarzeń (liczwolne przekształcenie różności ( x A "# x B), ba relacji równości, wzajemnie jednoznaczróżności) n e z:::; f(x). f(x) -do- powyższe oraz więk- zliczanie zdarzeń (licz- Porządkowa wolna ściśle monoto- szości ( x A > x B ) i ba relacji równości, nicznie rosnąca funkcja mniejszości ( x A < x B) Przedziałowa Ilorazowa różności, większości, mniejszości) z:::; bx +a (b> 0). powyższe oraz równo- powyższe oraz dodaz E R dla wszystkich x ści różnic i przedziałów wanie i odejmowanie zawartych w R. (xa -xa = xc -xo) Wartość zerowa na tej skali jest zwykłe przyjmowana arbitra!- nie łub na podstawie konwencji (por. Ackoff [ 1969), s. 240). z= bx (b> 0)' powyższe oraz równo- powyższe oraz mnożez E R + dla wszystkich ści ilorazów nie i dzielenie x zawartych w R +. XA Xc (-=-) xb xo Naturalnym początkiem skali ilorazowej jest wartość zerowa (zero lewostronnie ogranicza zakres skali). Źródło: opracowano na podstawie prac: Stevens [l 959], s ; Adams, Fagot i Robinson (1965); Walesiak [1995), s
3 Dane porządkowe w sratystyc=nej anali=ie wielowymiarowej 95 Typ skali, ze względu na dopuszczalne przekształcenia, determinuje stosowalność rozmaitych technik statystyczno-ekonometrycznych. Technikami statystycznymi dopuszczalnymi dla danego typu skali są takie techniki, które dostarczają wyników (w sensie relacji) niezmiennych względem dopuszczalnych przekształce!l (por. np. Walenta [1971], s. 61). W artykule Handa [1996] dyskutowany jest problem relacji między skalami pomiaru a dopuszczalnymi dla nich technikami statystycznymi. Pokazano w nim przykłady, które są źródłem kontrowersji w przypadku ścisłego stosowania reguł pomiaru. Problem stosowania różnych miar podobieństwa w zasadzie nie występuje wtedy, gdy wszystkie zmienne opisujące badane obiekty są mierzone na skali jednego typu. W literaturze wypracowano wiele propozycji miar podobiellstwa znajdujących przedziałowej Bardzo dobry przegląd zastosowanie do zmiennych mierzonych na skali ilorazowej, i (lub) ilorazowej, nominalnej (w tym dla zmiennych binarnych). różnych typów miar podobieństwa przedstawiono m.in. w pracach: Cormack [1971]; Anderberg [1973]; Everitt [1974]; Kaufman i Rousseeuw [1990]; Cox i Cox [1994], s ; Wedel i Kamakura [1998], s. 47. Podstawową miarą podobier1stwa obiektów, opisanych za pomocą zmiennych mierzonych na skali przedziałowej i (lub) ilorazowej jest odległość Minkowsklego (Anderberg [I 973]). W literaturze dotyczącej analizy statystycznej wypracowano bardzo dużo opisanych wyłącznie wielowymiarowej miar podobiellstwa obiektów za pomocą zmiennych nominalnych binarnych (dwustanowych). Najbardziej znany jest współczynnik Sokala i Michenera (por. Kaufman i Rousseeuw [ 1990], s. 24). Miarę podobiellstwa obiektów wykorzystywaną w sytuacji, gdy są one opisane za pomocą zmiennych nominalnych wielostanowych, zaproponowali Sokal i Michener (por. Kaufman i Rousseeuw [1990], s. 28). Propozycję miary podobier1stwa obiektów, którą można stosować w sytuacji, gdy zmienne mierzone są tylko na skali porządkowej przedstawiono w pracy Walesiaka [ 1993]. W konstrukcji miary odległości zmiennymi porządkowymi wykorzystano ideę obiektów opisanych współczynnika korelacji zmiennych porządkowych! Kendalla (por. Kendall [ 1955], s. 19). Dany jest niepusty zbiór obiektów A opisanych za pomocą m zmiennych porządkowych. Ze względu na to, że na skali porządkowej dopuszczalną operacją empirycznąjest tylko zliczanie zdarzer1 (tzn. wyznaczanie liczby relacji większości, mniejszości i równości), proponuje się (por. Walesiak [1993], s ) konstrukcję miary odległości o postaci:
4 96 Marek Walesiak m m n Laiki bkij +L Lailjbkli j=l j =l 1=1 l;<i,k (l) gdzie: 1, aipj (bkrj )= O, -1, 1 p= k, l; r =i, l; i, k, l =l,..., n- numer obiektu, j =l,..., m- numer zmiennej porządkowej, X; i (xk j, x 1 i ) -i-ta (k-ta, l-ta) obserwacjanaj-tej zmiennej porządkowej, m m n La~ki +L La~i -liczba relacji większości i mniejszości określona dla obiektu i, j=l j =l 1=1 l;<i,k m m n L b ~ii +L L b~u -liczba relacji większości i mniejszości określona dla obiektu k. j=l j =l 1=1 l>' i.k PRZYKŁAD l. ZASTOSOWANIE MIAR Y ODLEGŁOŚCI O POST AC! (l) DO OBUCZENIA ODLEGŁOŚCI OBIEKTÓW OD OBIEKTU WZORCA Nr Notebook Dane Tabela 2 Wydaj- Wyposa- Ergo no- Dokumen- Jakość IlOŚĆ żeni e mi a tac ja l California Access California Access Clevo Mitsu P-96-3R Clevo Mitsu P-98R lo 5 Compaq Armada 1590DT Dell Latitude CP 166ST Digital HiNote VP Digital HiNote Ultra Eurocom ( l~
5 Dane porządkowe w statystycznej analizie wielowymiarowej 97 lo Fujitsu LifeBook 675xCDT Ił Fujitsu LifeBook 765xTCDT Fujitsu LifeBook 985xCDT Ger!Com Overdose Empire T 14 Hyundai HN IDM ThinkPad TP380ED Pablo Toshiba Satellite Pro CDT 18 Toshiba Tecra 750DVD Tulip Motion Line db 5/ Twinhead Aristo FT DSC Twinhead Aristo FT TFT Twinhead Aristo FT -9300T HS LeBook Advance DSC 24 HS LeBook Advance TFf Wzorzec (najkorzystniejsze lo wartości) Źródło: CHIP 1998 nr 4. Wagi l l l l l Odl egłosct ł '. b a d anyc h o b" te k tow ' o d o b" te k tu wzorca Pozycja Notebook Odległość (l) Pozycja Notebook Odległość (l) l 18 0, , , , , , , , , , , , , , Tabela 3
6 98 Marek ll'alesiak l , , , l ZMODYFIKOWANA MIARA ODLEGLOŚCI d,k Miara odległości o postaci (l) wszystkie badane zmienne traktuje jednakowo. Obecnie wprowadzona zostanie miara odległości będąca uogólnieniem miary (l) dla sytuacji w której zmienne otrzymują zróżnicowane wagi. Załóżmy, że wagi w j U = l,..., m) spełniają następujące postulaty: m w J E (0; m), L w j =m. (2) ;=l W literaturze można spotkać trzy sposoby ustalania wag zmiennych. Wagi ustala się albo metodą ekspertów (metoda a priori), albo z użyciem algorytmów obliczeniowych opierających się na informacjach zawartych w danych pierwotnych (surowych). Można też wykorzystać metodę opartą na obu tych ujęciach. Szerzej o zagadnieniu ważenia zmiennych napisano w pracach: Borysa [1984]; Abrahamowicza i Zająca [ 1986]; Milligana [ 1989]; Grabi1'1skiego [ 1992]. Problem "ważenia" zmiennych nie został dotychczas zadowalająco rozwiązany. Williams stwierdza nawet, że ważenie zmiennych jest manipułowaniem wartościami zmiennych (por. Aldenderfer i Blashfield [1984], s. 21). Z tego względu często w badaniach empirycznych zakłada się, że zmienne sąjednakowo ważne z punktu widzenia badanego problemu (takie stanowisko przyjmują m.in. Sneath i S oka! [ 1973]). W sytuacji, gdy uwzględnia się zróżnicowane wagi zmiennych proponowana formuła odległości przyjmuje postać (3). (3) gdzie:
7 Dane por:ądko11 e '" starystyc:nei ana/i;ie H'tl'lull:nniaroH e; 99 w J - wagaj-tej zmiennej porządko,,e.i spełniająca \\arunek (2). W przypadku. gdy wszystkie zmienne otrzymują wagi jednako\\c. formula (3) przyjmuje postać miary odległości o postaci (l). PRZYKŁAD 2. ZASTOSOWANIE MIARY ODLEGLOŚCI O POSTACI (3) DO OBLICZENIA ODLEGLOŚCI OBIEKTÓW OD OBIEKTU WZORCA Tabela 4 w ag1 przyparzą dk owane z1111ennym przez e k spertow czasop1sma CHIP Zmienna Wydajność Wyposażenie Jakość Ergonomia Dokumenlacja Wagi 1.S ,385 l.s Żródło : CHIP 1998, nr 4. Od! e,głosci ł.. b a d anyc h o b' 1e k tow. o d o b' 1e k tu wzorca Pozycja Notebook Odległość (3) Pozycja Notebook l , , s 6 0, s , II 0, , , lo 17 0, li 24 0, , l Tabela 5 Odległość (3) , , , , o.snno 0, , , , , ,8623S7 3. SILNE l SŁABE STRONY MIARY ODLEGŁOŚCI d;l Miara odległości d, 4 : - może być stosowana w sytuacji, gdy obiekty opisane są zmiennymi mierzonymi na skali porządkowej,
8 100 Marek Walesiak wykorzystuje w konstrukcji ideę współczynnika korelacji zmiennych porządkowych 'l Kendalla (por. Kendall [ 1955], s. 19), przybiera wartości z przedziału [O; l]. Wartość O oznacza, że dla po równywanych obiektów i, k między odpowiadającymi sobie obserwa. cjami na zmiennych porządkowych zachodzą tylko relacje równości. kolei wartość l oznacza, że gdy dla porównywanych obiektów i, k mię dzy odpowiadającymi sobie obserwacjami na zmiennych porządkowych zachodzą tylko relacje większości (mniejszości) lub relacje większości. (mniejszości) oraz relacje równości jeżeli relacje te są zachowane w stosunku do pozostałych obiektów (a więc obiektów o numerach l = l,...,n; gdzie I 7' i, k); spełnia warunki: nieujemności dik ~O, zwrotności dii =O, symetryczności d ik = d ki (dla wszystkich i, k = l,..., n), nie zawsze spełnia warunek nierówności trójkąta (potwierdziły ten wniosek przeprowadzone analizy symulacyjne), nie zmienia wartości w wyniku transformacji wartości zmiennych porządkowych za pomocą dowolnej ściśle monotonicznie rosnącej funkcji. z 4. WNIOSKI KOŃCOWE W literaturze nie ma zbyt wielu prac wykorzystujących w badaniach empirycznych zmienne mierzone na skali porządkowej. Wynika to z faktu, że do ich analizy niezbędne są specjalne narzędzia analityczne. Proponowane miary odległości o postaci (l) i (3) pozwalają na stosowanie zmiennych porządkowych. W artykule zaproponowano uogólnienie miary odległości (l). W przypadku, gdy wszystkie zmienne otrzymują wagi jednakowe formuła (3) przyjmuje postać miary odległości o postaci (l). Dodatkowym rezultatem opracowania jest program komputerowy (zob. suplement) ułatwiający stosowanie miary odległości o postaci (3). SUPLEMENT Program pozwalający obliczać odległość za pomocą formuły (3) jest dostępny w Katedrze Ekonometrii i Informatyki Wydziału Gospodarki Regionalnej i Turystyki Akademii Ekonomicznej we Wrocławiu. Umożliwia on obliczanie odległości między obiektami (rezultatem jest symetryczna macierz odległo ści) oraz obliczanie odległości obiektów od wzorca (rezultatem jest wektor odległości). Macierz odległości można wykorzystać w hierarchicznych aglome-
9 Dane porządkowe w statystycznej analizie wielowymiarowej 101 racyjnych metodach klasyfikacji do podziału zbioru obiektów na klasy, np. w programie SPSS for Windows. W programie komputerowym wykorzystywane są pliki formatu DBF, które służą zarówno do dostarczania danych do obliczeń, jak i do przechowywania otrzymanych wyników. Literatura l. Abrahamowicz M., Zając K.: Metoda ważenia zmiennych w taksonomii numerycznej i procedurach porządkowania liniowego, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 328, Ackoff R.L. : Decyzje optymalne w badaniach stosowanych, PWN, Warszawa Adaros E.W., Fagot R.F., Robinson R.E. : A Theory oj Appropriate Statistics, "Psychometrika", 1965, Vol Aldenderfer M.S., Blashfield R.K.: Cłuster Analysis, Sage, Beverly Hills, S. Anderberg M. R.: Cłuster Analysis for Applications, Academic Press, New York, San Francisco, London Borys T.: Kategoria jakości w statystycznej analizie porównawczej, Wrocław : AE 1984, Prace Naukowe AE we Wrocławiu nr 284, Seria: Monografie i opracowania nr Cormack R. M.: A Revżew oj Classification (with Discussion), "Journal of the Royal Statistical Society", Ser. A, (3 ), Cox T.F., Cox M.A.A.: Multidimensional Scaling, Chapmao and Hall, London Everitt B. S.: Cłuster Analysis, Heinemann, London Grabiński T. : Metody!aksonometrii, Kraków, Wydawnictwo Akademii Ekonomicznej, II. Hand D.J.: Statistics and the Theory oj Measurement, "Journal of the Royal Statistical Society", Ser. A, (3), Kaufman L., Rousseeuw P. J.: Finding Groups in Data: an lntroduction to Cłus t e r Analysis, Wiley, New York Kendall M.G.: Rank Correlation Methods, Griffin, London Milligan G.W.: A Validation Srudy oj a Variable Weighting Algorit hm for Cluster Analysis, "Journal of Classification", No.!, 1989.
10 102 Marek Walesiak 15. Sneath P.H.A., Sokal R.R. : Numerical Taxonomy, W.H. Freeman and Co., San Francisco Stevens S.S. : Measurement, Psychophysics and Utility, C.W. CHURCH MAN, P. RATOOSH (eds.), Measurement; Definitions and Theories, Wiley, New York Walenta K.: Podstawowe pojęcia teorii pomiaru. W: J. Kozielecki. Problemy psychologii matematycznej, PWN, Warszawa Walesiak M.: Statystyczna analiza wielowymiarowa w badaniach marketingowych, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 654, Wrocław, Seria: Monografie i Opracowania nr 101, Walesiak M.: T he Analysis o f F actors Influencing t he Choice o f t he M ethods in the Statistical Analysis of Marketing Data, "Statistics in Transition", June, Vol. 2, No. 2, Walesiak M.: Metody analizy danych marketingowych, PWN, Warszawa Walesiak M., Dziechciarz J., Bąk A.: Ordinal Variabies in the Segmentarion of Advertisement Receivers, In: Rizzj, A., Vichi, N., Bock, H.H., Advances in Data Science and Classification, Proc. 6th Conf. International Federatżon of Classification Societies in Rome, Springer, Heidelberg, Wedel M., Kamakura W.A.: Market Segmentation. Conceptual and Methodological Foundations, Kluwer, Boston, Dordrecht, London 1998.
11 Dane porządkowe w statystycznej analizie wielowymiarowej 103 ORDERING DATA IN MULTIVARIATE STATISTICAL ANALYSIS Summary The use of variabies measured on ordinal scaleis relatively rare in the literature. Specific analytical tools are needed for such information. Walesiak [1993], p , gives the propasał of a new measure of objects similarity, which can be applied in the situation when variabies describing objects are measured on the ordinal scal e (see also Walesiak, Dziechciarz and Bąk [ 1998], p ). The distance measure takes care of variabies with equal weights. We shall describe a slight generalisation of this measure, also covering different weights of variables. Translated by Marek Walesiak
Zastosowania statystyki i matematyki w ekonomii. Marek Walesiak. Akademia Ekonomiczna we Wrocławiu. 1. Wstęp
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 1006 2003 Zastosowania statystyki i matematyki w ekonomii Marek Walesiak Akademia Ekonomiczna we Wrocławiu MIARA ODLEGŁOŚCI OBIEKTÓW OPISANYCH ZMIENNYMI
Bardziej szczegółowostrona 1 / 11 Autor: Walesiak Marek Subdyscyplina: Klasyfikacja i analiza danych Publikacje:
Autor: Walesiak Marek Subdyscyplina: Klasyfikacja i analiza danych Publikacje: 1. Autorzy rozdziału: Borys Tadeusz; Strahl Danuta; Walesiak Marek Tytuł rozdziału: Wkład ośrodka wrocławskiego w rozwój teorii
Bardziej szczegółowoSTRA TEGIE POSTĘPOWANIA W BADANIACH STATYSTYCZNYCH W PRZYPADKU ZBIORU ZMIENNYCH MIERZONYCH NA SKALACH RÓŻNEGO TYPU**
BADANIA OPERACYJNE I DECYZJE Marek WALESIAK* STRA TEGIE POSTĘPOWANIA W BADANIACH STATYSTYCZNYCH W PRZYPADKU ZBIORU ZMIENNYCH MIERZONYCH NA SKALACH RÓŻNEGO TYPU** Omówiono strategie postępowania w badaniach
Bardziej szczegółowostrona 1 / 12 Autor: Walesiak Marek Publikacje:
Autor: Walesiak Marek Publikacje: 1. Autorzy rozdziału: Borys Tadeusz; Strahl Danuta; Walesiak Marek Tytuł rozdziału: Wkład ośrodka wrocławskiego w rozwój teorii i zastosowań metod taksonomicznych, s.
Bardziej szczegółowoDOPUSZCZALNE DZIAŁANIA NA LICZBACH W BADANIACH MARKETINGOWYCH Z PUNKTU WIDZENIA SKAL POMIAROWYCH * 1. Rola skal pomiarowych w badaniach marketingowych
PRACE NAUKOWE AKADEMll EKONOMCZNEJ WE WROCŁAWU Nr 718 1996 nł"or:rnatyka i Ekono:rnet:ria 1 Marek Walesiak DOPUSZCZALNE DZAŁANA NA LCZBACH W BADANACH MARKETNGOWYCH Z PUNKTU WDZENA SKAL POMAROWYCH * 1.
Bardziej szczegółowoWYKAZ PRAC PUBLIKOWANYCH
Dr hab. Andrzej Bąk Prof. nadzw. AE WYKAZ PRAC PUBLIKOWANYCH I. Publikacje zwarte I.1. KsiąŜki 1. Walesiak M., Bąk A. [1997], Realizacja badań marketingowych metodą conjoint analysis z wykorzystaniem pakietu
Bardziej szczegółowoPRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr l TAKSONOMIA li Klasyfikacja i analiza danych- teoria i zastosowania
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr l 022 2004 TAKSONOMIA li Klasyfikacja i analiza danych- teoria i zastosowania Marek Walesiak Akademia Ekonomiczna we Wrocławiu UOGÓLNIONA MIARA ODLEGLOŚCI
Bardziej szczegółowoUOGÓLNIONA MIARA ODLEGŁOŚCI -BADANIA SYMULACYJNE 1. l. Wprowadzenie 2
PRCE NUKOWE KDEMII EKONOMICZNEJ WE WROCŁWIU Nr 942 2002 TKSONOMI 9 Klasyfikacja i analiza danych. Teoria i zastosowania Marek Walesiak, ndrzej ąk, Krzysztof Jajuga kademia Ekonomiczna we Wrocławiu UOGÓLNION
Bardziej szczegółowoBadanie rozwoju społeczno-gospodarczego województw - wpływ metodyki badań na uzyskane wyniki
Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu Nr / Rafał Czyżycki Uniwersytet Szczeciński Badanie rozwoju społeczno-gospodarczego województw - wpływ metodyki badań na uzyskane wyniki Streszczenie,
Bardziej szczegółowoPodejścia w skalowaniu wielowymiarowym obiektów symbolicznych
Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Katedra Ekonometrii i Informatyki Podejścia w skalowaniu wielowymiarowym obiektów symbolicznych 1. Wprowadzenie Metody skalowania wielowymiarowego obiektów
Bardziej szczegółowoRecenzenci Stefan Mynarski, Waldemar Tarczyński. Redaktor Wydawnictwa Anna Grzybowska. Redaktor techniczny Barbara Łopusiewicz. Korektor Barbara Cibis
Komitet Redakcyjny Andrzej Matysiak (przewodniczący), Tadeusz Borys, Andrzej Gospodarowicz, Jan Lichtarski, Adam Nowicki, Walenty Ostasiewicz, Zdzisław Pisz, Teresa Znamierowska Recenzenci Stefan Mynarski,
Bardziej szczegółowoMarek Walesiak UOGÓLNIONA MIARA ODLEGŁOŚCI GDM W STATYSTYCZNEJ ANALIZIE WIELOWYMIAROWEJ Z WYKORZYSTANIEM PROGRAMU R
Marek Walesiak UOGÓLNIONA MIARA ODLEGŁOŚCI GDM W STATYSTYCZNEJ ANALIZIE WIELOWYMIAROWEJ Z WYKORZYSTANIEM PROGRAMU R Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2011 Senacka Komisja Wydawnicza
Bardziej szczegółowoTabela 1. Macierz preferencji dotycząca pięciu przykładowych produktów (obiektów) i sześciu respondentów
Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Katedra Ekonometrii i Informatyki ZASTOSOWANIE ANALIZY UNFOLDING W OCENIE PREFERENCJI UCZNIÓW SZKOŁY POLICEALNEJ Streszczenie: W artykule przedstawiono
Bardziej szczegółowoPOMIAR PODOBIEŃSTWA OBIEKTÓW W ŚWIETLE SKAL POMIARU I WAG ZMIENNYCH l
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr950 ------------------------ Ekonoetria 10 2002 Marek Walesiak POMIAR PODOBIEŃSTWA OBIEKTÓW W ŚWIETLE SKAL POMIARU I WAG ZMIENNYCH l 1. Wstęp Wykorzystanie
Bardziej szczegółowoSTATYSTYKA REGIONALNA
AKADEMIA EKONOMICZNA W POZNANIU STATYSTYKA REGIONALNA w służbie samorządu lokalnego i biznesu Redaktor naukowy: Jan Paradysz INTERNETOWA OFICYNA WYDAWNICZA CENTRUM STATYSTYKI REGIONALNEJ POZNAŃ 2002 Projekt
Bardziej szczegółowoWykład 10 Skalowanie wielowymiarowe
Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów
Bardziej szczegółowoMETODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH
Marcin Pełka Akademia Ekonomiczna we Wrocławiu METODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH 1. Wprowadzenie Metody skalowania wielowymiarowego obiektów symbolicznych, podobnie jak w przypadku
Bardziej szczegółowoWYKAZ PUBLIKACJI UWAGA! Kolor czerwony oznacza dostępność pełnej wersji publikacji
Prof. dr hab. Marek Walesiak Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ PUBLIKACJI UWAGA! Kolor czerwony oznacza dostępność pełnej
Bardziej szczegółowoWYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH
Prof. dr hab. Marek Walesiak Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH 1. Walesiak M.
Bardziej szczegółowoWYBÓR GRUP METOD NORMALIZACJI WARTOŚCI ZMIENNYCH W SKALOWANIU WIELOWYMIAROWYM
PRZEGLĄD STATYSTYCZNY R. LXIII ZESZYT 1 2016 MAREK WALESIAK 1 WYBÓR GRUP METOD NORMALIZACJI WARTOŚCI ZMIENNYCH W SKALOWANIU WIELOWYMIAROWYM 1. WPROWADZENIE Normalizację przeprowadza się dla macierzy danych
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoWSTĘP. Uogólniona miara_walesiak_księga1.indb :55:55
WSTĘP Prezentowana książka stanowi podsumowanie rozważań autora zawartych w wielu opracowaniach dotyczących miary odległości, która została w pierwotnej wersji zaproponowana dla zmiennych porządkowych
Bardziej szczegółowoWYKAZ PUBLIKACJI I. Artykuły Ia. Opublikowane przed obroną doktorską
Dr Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ PUBLIKACJI I. Artykuły Ia. Opublikowane przed obroną doktorską 1.
Bardziej szczegółowoOCENA WYBRANYCH PROCEDUR ANALIZY SKUPIEŃ DLA DANYCH PORZĄDKOWYCH. 1. Wstęp
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU Nr 47 009 TAKSONOMIA 16 Klasyfikacja i analiza danych teoria i zastosowania Uniwersytet Ekonomiczny we Wrocławiu OCENA WYBRANYCH PROCEDUR ANALIZY SKUPIEŃ
Bardziej szczegółowoSYMULACYJNA OPTYMALIZACJA WYBORU PROCEDURY KLASYFIKACYJNEJ DLA DANEGO TYPU DANYCH CHARAKTERYSTYKA PROBLEMU
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 450 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 17 2006 MAREK WALESIAK ANDRZEJ DUDEK Akademia Ekonomiczna Wrocław SYMULACYJNA OPTYMALIZACJA WYBORU PROCEDURY
Bardziej szczegółowoSymscal: metoda skalowania wielowymiarowego obiektów symbolicznych
Andrzej Dudek, Marcin Pełka Akademia Ekonomiczna we Wrocławiu Symscal: metoda skalowania wielowymiarowego obiektów symbolicznych 1. Wprowadzenie Ideą skalowania wielowymiarowego obiektów symbolicznych
Bardziej szczegółowoOperacjonalizacja zmiennych
Metodologia badań naukowych - wykład 2 Operacjonalizacja zmiennych Pojęcie zmiennej Definiowanie zmiennych w planie badania Mierzenie. Skale mierzenia Pojęcie wskaźnika. Dobór wskaźnika dla zmiennej Kryteria
Bardziej szczegółowoEksploracja danych - wykład II
- wykład 1/29 wykład - wykład Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Październik 2015 - wykład 2/29 W kontekście odkrywania wiedzy wykład - wykład 3/29 CRISP-DM - standaryzacja
Bardziej szczegółowoPRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński
PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej szczegółowoKilka uwag o testowaniu istotności współczynnika korelacji
341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności
Bardziej szczegółowoWYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH
Prof. dr hab. Marek Walesiak Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH 1. Walesiak M.
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowoGraficzna prezentacja danych statystycznych
Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych Katowice, 12 i 26 czerwca 2014 r. Dopasowanie narzędzia do typu zmiennej Dobór narzędzia do
Bardziej szczegółowoWykład ze statystyki. Maciej Wolny
Wykład ze statystyki Maciej Wolny T1: Zajęcia organizacyjne Agenda 1. Program wykładu 2. Cel zajęć 3. Nabyte umiejętności 4. Literatura 5. Warunki zaliczenia Program wykładu T1: Zajęcia organizacyjne T2:
Bardziej szczegółowoTaksonomia numeryczna co to jest?
dr Ireneusz R. Moraczewski Zakład Systematyki i Geografii Roślin UW Al. Ujazdowskie 4, 00-478 Warszawa e-mail: moraczew@biol.uw.edu.pl Taksonomia numeryczna co to jest? To dziedzina formalna, leżąca na
Bardziej szczegółowoBadania eksperymentalne
Badania eksperymentalne Analiza CONJOINT mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu w schematach
Bardziej szczegółowo1551\1 0324- glrlrs ISSf'J 1501- - 386'
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 1100------------------ Ekonometria 16 2006 Marek Walesiak PRZEGLĄD PODSTAWOWYCH ZASTOSOWAŃ METOD STATYSTYCZNEJ ANALIZY WIELOWYMIAROWEJ W BADANIACH MARKETINGOWYCH
Bardziej szczegółowoAnaliza. danych jakoêciowych i symbolicznych z wykorzystaniem programu R. Eugeniusz Gatnar Marek Walesiak. Redakcja naukowa
Analiza danych jakoêciowych i symbolicznych z wykorzystaniem programu R Redakcja naukowa Eugeniusz Gatnar Marek Walesiak Analiza danych jakoêciowych i symbolicznych z wykorzystaniem programu R Autorzy:
Bardziej szczegółowoZMODYFIKOWANE KRYTERIUM DOBORU ZMIENNYCH OBJAŚNIAJĄCYCH DO LINIOWEGO MODELU EKONOMETRYCZNEGO
PRZEGLĄD STATYSTYCZNY R. XXXIV - zeszyt 1-1987 MAREK WALESIAK ZMODYFIKOWANE KRYTERIUM DOBORU ZMIENNYCH OBJAŚNIAJĄCYCH DO LINIOWEGO MODELU EKONOMETRYCZNEGO Celem prezentowanego artykułu jest zaproponowanie
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 746 EKONOMICZNE PROBLEMY USŁUG NR 101 2012 RAFAŁ KLÓSKA Uniwersytet Szczeciński REGIONALNE ZRÓŻNICOWANIE POZIOMU ROZWOJU SPOŁECZNO-GOSPODARCZEGO W POLSCE
Bardziej szczegółowoTRZYDZIEŚCI KONFERENCJI TAKSONOMICZNYCH KILKA FAKTÓW I REFLEKSJI 1 THIRTY TAXONOMIC CONFERENCES SOME FACTS AND REFLECTIONS
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 468 2017 Taksonomia 28 ISSN 1899-3192 Klasyfikacja i analiza danych teoria i zastosowania e-issn
Bardziej szczegółowoWielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce
Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce Mgr inż. Agata Binderman Dzienne Studia Doktoranckie przy Wydziale Ekonomiczno-Rolniczym Katedra Ekonometrii i Informatyki SGGW Opiekun
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowoEkonometria. Zastosowania Metod Ilościowych 30/2011
Wroclaw Univesity of Economics From the SelectedWorks of Józef Z. Dziechciarz 2011 Ekonometria. Zastosowania Metod Ilościowych 30/2011 Jozef Z. Dziechciarz, Wroclaw Univesity of Economics Available at:
Bardziej szczegółowof) Różne konstrukcje SMR przedstawiono m. in. w pracach [1], [3], [4], [9], [13].
PRZEGLĄD STATYSTYCZNY R. XL - z.eszyl l - 1993 MAREK WALESIAK ZAGADNIENIE OCENY PODOBIEŃSTWA ZBIORU OBIEKTÓW W CZASIE W SYNTETYCZNYCH BADANIACH PORÓWNAWCZYCH Ocenę podobieństwa zbioru obiektów w czasie
Bardziej szczegółowoEKONOMETRYCZNE MODELOWANIE DANYCH FINANSOWO - KSIĘGOWYCH
EKONOMETRYCZNE MODELOWANIE DANYCH FINANSOWO - KSIĘGOWYCH redakcja naukowa EDWARDNOWAK MIROSŁA W URBANEK WYDAWNICTWO UNIWERSYTETU MARII CURIE - SKŁODOWSKIEJ LUBLIN 1997 ZAKŁADSTATYSTYE3IEKONOMETRD ~ZMŁUEKONOMITCZNEGO
Bardziej szczegółowoPRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 780 PROGNOZOWANIE W ZARZĄDZANIU FIRMĄ 1997
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 780 PROGNOZOWANIE W ZARZĄDZANIU FIRMĄ 1997 Marek Walesiak, Józef Dziechciarz, Anna Blaczkowska Akademia Ekonomiczna we Wrocławiu CONJOINT MEASUREMENT
Bardziej szczegółowoDoświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia
Doświadczalnictwo leśne Wydział Leśny SGGW Studia II stopnia Treści i efekty kształcenia Treści: Statystyka matematyczna, planowanie eksperymentu Efekty kształcenia: student potrafi opisywać zjawiska za
Bardziej szczegółowoWIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Bardziej szczegółowoY = α 1 Z α k Z k + e. (1) (k 1)[ktrA2 (tra) 2 ] (4) d = 1 k. (por. np. Kolupa, 2006). Wówczas jak to wynika ze wzorów (2) i (3) mamy:
PRZEGLĄD STATYSTYCZNY R. LVIII ZESZYT 3-4 2011 MICHAŁ KOLUPA, JOANNA PLEBANIAK KILKA UWAG O WARTOŚCIACH WŁASNYCH MACIERZY KORELACJI W niniejszej pracy, w nawiązaniu do pracy Kolupa, 2006, podajemy konstrukcję
Bardziej szczegółowoPEWNE ZASTOSOWANIA TEORII DYSTRYBUCJI I RACHUNKU OPERATOROWEGO W TEORII RÓWNAŃ RÓŻNICZKOWYCH
PEWNE ZASTOSOWANIA TEORII DYSTRYBUCJI I RACHUNKU OPERATOROWEGO W TEORII RÓWNAŃ RÓŻNICZKOWYCH WŁADYSŁAW KIERAT Oliver Heaviside w latach 1893-1899 opublikował trzytomową monografię: Elektromagnetic Theory,
Bardziej szczegółowoWYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU
WYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU Nazwa w języku polskim: Eksploracja Danych Nazwa w języku angielskim: Data Mining Kierunek studiów (jeśli dotyczy): MATEMATYKA I STATYSTYKA Stopień studiów i forma:
Bardziej szczegółowoPodstawowe pojęcia statystyczne
Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk
Bardziej szczegółowoKlasyfikatory: k-nn oraz naiwny Bayesa. Agnieszka Nowak Brzezińska Wykład IV
Klasyfikatory: k-nn oraz naiwny Bayesa Agnieszka Nowak Brzezińska Wykład IV Naiwny klasyfikator Bayesa Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną
Bardziej szczegółowoData Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu
Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu
Bardziej szczegółowoBadanie zróżnicowania krajów członkowskich i stowarzyszonych Unii Europejskiej w oparciu o wybrane zmienne społeczno-gospodarcze
Barbara Batóg Jacek Batóg Uniwersytet Szczeciński Badanie zróżnicowania krajów członkowskich i stowarzyszonych Unii Europejskiej w oparciu o wybrane zmienne społeczno-gospodarcze W 2004 roku planowane
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4
KARTA KURSU (do zastosowania w roku ak. 2015/16) Nazwa Statystyka 1 Nazwa w j. ang. Statistics 1 Kod Punktacja ECTS* 4 Koordynator Dr hab. Tadeusz Sozański (koordynator, wykłady) Dr Paweł Walawender (ćwiczenia)
Bardziej szczegółowoZASTOSOWANIA METOD TAKSONOMICZNYCH W GOSPODARCE
SEKCJA KLASYFIKACJI l ANALIZY DANYCH POLSKIEGO TOWARZYSTWA STATYSTYCZNEGO Zeszyt 1 TAKSONOMIA 1994 ZASTOSOWANIA METOD TAKSONOMICZNYCH W GOSPODARCE Jelenia Góra-Wrocław- Kraków REDAKTORZY NAUKOWI Tadeusz
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoWprowadzenie do badań operacyjnych - wykład 2 i 3
Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j
Bardziej szczegółowoKLASYFIKACJA SPEKTRALNA A SKALE POMIARU ZMIENNYCH 1 1. WPROWADZENIE 2. TYPY SKAL POMIAROWYCH I ICH CHARAKTERYSTYKA
PRZEGLĄD STATYSTYCZNY R. LIX ZESZYT 1 2012 MAREK WALESIAK KLASYFIKACJA SPEKTRALNA A SKALE POMIARU ZMIENNYCH 1 1. WPROWADZENIE Analiza skupień bazująca na dekompozycji spektralnej (spectral clustering)
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoL: Wjaikjbkij +L:L: wjaiijbkjj j=1 j=1 1=1
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCLAWIU Nr 988 2003 TAKSONOMIA lo Klasyfikacja i analiza danych - teoria i zastosowania Marek Walesiak Akademia Ekonomiczna we Wrocławiu UOGÓLNIONA MIARA ODLEGLOŚCI
Bardziej szczegółowoBadania Statystyczne
Statystyka Opisowa z Demografią oraz Biostatystyka Badania Statystyczne Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoPORZĄDKOWANIE LINIOWE BŁĘDY PRZY INTERPRETACJI WYNIKÓW ORAZ SPOSÓB ICH ELIMINACJI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 118 128 PORZĄDKOWANIE LINIOWE BŁĘDY PRZY INTERPRETACJI WYNIKÓW ORAZ SPOSÓB ICH ELIMINACJI Marta Jarocka Katedra Informatyki Gospodarczej
Bardziej szczegółowoModel procesu dydaktycznego
Model procesu dydaktycznego w zakresie Business Intelligence Zenon Gniazdowski 1,2), Andrzej Ptasznik 1) 1) Warszawska Wyższa Szkoła Informatyki, ul. Lewartowskiego 17, Warszawa 2) Instytut Technologii
Bardziej szczegółowoPOMIAR NIERÓWNOŚCI W JAKOŚCI ŻYCIA
Quality of Life - identyfikacja potencjału i zasobów Dolnego Śląska oraz wytyczenie przyszłych kierunków rozwoju. Badania metodami foresight POMIAR NIERÓWNOŚCI W JAKOŚCI ŻYCIA Edyta Mazurek Uniwersytet
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
Zał. nr do ZW /01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Identyfikacja systemów Nazwa w języku angielskim System identification Kierunek studiów (jeśli dotyczy): Inżynieria Systemów
Bardziej szczegółowo5. Analiza dyskryminacyjna: FLD, LDA, QDA
Algorytmy rozpoznawania obrazów 5. Analiza dyskryminacyjna: FLD, LDA, QDA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. Liniowe funkcje dyskryminacyjne Liniowe funkcje dyskryminacyjne mają ogólną
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoFILTROWANIE ZBIORU OFERT NIERUCHOMOŚCI Z WYKORZYSTANIEM INFORMACJI O PREFERENCJACH 1
Tomasz Bartłomowicz Uniwersytet Ekonomiczny we Wrocławiu FILTROWANIE ZBIORU OFERT NIERUCHOMOŚCI Z WYKORZYSTANIEM INFORMACJI O PREFERENCJACH 1 Streszczenie. Punktem wyjścia artykułu jest spostrzeżenie,
Bardziej szczegółowoL Wjailgbkij +I I wjajljbklj j=1 j=i/=]
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCł"AWIU Nr981 ---------------------------------------------- Ekonometria II 2003 Marek Walesiak OBSZARY ZASTOSOWAŃ UOGÓLNIONEJ MIARY ODLEGŁOŚCI GDM W STATYSTYCZNEJ
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoWstęp... 9. Podstawowe oznaczenia stosowane w książce... 13
Spis treści Wstęp... 9 Podstawowe oznaczenia stosowane w książce... 13 1. PODEJŚCIE SYMBOLICZNE W BADANIACH EKONOMICZ- NYCH... 15 1.1. Uwagi dotyczące przyjętych w rozdziale konwencji nomenklaturowych.
Bardziej szczegółowoRok akademicki: 2030/2031 Kod: ZZP MK-n Punkty ECTS: 3. Poziom studiów: Studia II stopnia Forma i tryb studiów: Niestacjonarne
Nazwa modułu: Komputerowe wspomaganie decyzji Rok akademicki: 2030/2031 Kod: ZZP-2-403-MK-n Punkty ECTS: 3 Wydział: Zarządzania Kierunek: Zarządzanie Specjalność: Marketing Poziom studiów: Studia II stopnia
Bardziej szczegółowoBadania sondażowe. Wprowadzenie. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badania sondażowe Wprowadzenie Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa 1 Zasady zaliczenia części Badania sondażowe: 3 prace zaliczeniowe wysyłane
Bardziej szczegółowoANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza
ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego
Bardziej szczegółowoSYMULACYJNA OPTYMALIZACJA WYBORU PROCEDURY KLASYFIKACYJNEJ DLA DANEGO TYPU DANYCH OPROGRAMOWANIE KOMPUTEROWE I WYNIKI BADAŃ
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WR OCŁAWIU Nr 1126 2006 TAKSONOMIA 13 Klasyfikacja i analiza d anych teoria i zasto so wania Marek Walesiak, Andrzej Dudek Akademia Ekonomiczna we Wrocławiu SYMULACYJNA
Bardziej szczegółowoROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH
Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoWYKŁAD 9 METODY ZMIENNEJ METRYKI
WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać
Bardziej szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoPrzyjmuje dowolne wartości z określonego przedziału (skończonego lub nie). Zmienne ciągłe: wzrost, czas rozwiązana testu, kwota dochodu
cecha (właściwość), którą posiadają jednostki badanej zbiorowości, przyjmującą co najmniej dwie wartości. Zmienna to właściwość pod względem której elementy zbioru różnią się między sobą Przyjmuje dowolne
Bardziej szczegółowoKolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w
Metoda Simpleks Jak wiadomo, problem PL z dowolną liczbą zmiennych można rozwiązać wyznaczając wszystkie wierzchołkowe punkty wielościanu wypukłego, a następnie porównując wartości funkcji celu w tych
Bardziej szczegółowoWYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim: STATYSTYKA W MODELACH NIEZAWODNOŚCI I ANALIZIE PRZEŻYCIA Nazwa w języku angielskim: STATISTICS IN RELIABILITY MODELS AND
Bardziej szczegółowoREGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój
1 REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój 2 DOTYCHCZASOWE MODELE Regresja liniowa o postaci: y
Bardziej szczegółowoPRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 433 2016 Gospodarka regionalna w teorii i praktyce ISSN 1899-3192 e-issn 2392-0041 Tomasz Bartłomowicz
Bardziej szczegółowoANALIZA WŁAŚCIWOŚCI FILTRU PARAMETRYCZNEGO I RZĘDU
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 78 Electrical Engineering 2014 Seweryn MAZURKIEWICZ* Janusz WALCZAK* ANALIZA WŁAŚCIWOŚCI FILTRU PARAMETRYCZNEGO I RZĘDU W artykule rozpatrzono problem
Bardziej szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoCONJOINT MEASUREMENT W ANALIZIE DANYCH MARKETINGOWYCH
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCLAWIU Nr 744 1997 Informatyka i Ekonometria 3 Marek Walesiak* CONJOINT MEASUREMENT W ANALIZIE DANYCH MARKETINGOWYCH 1. Wstęp Metoda pomiaru łącznego oddziaływania
Bardziej szczegółowo(C. Gauss, P. Laplace, Bernoulli, R. Fisher, J. Spława-Neyman) Wikipedia 2008
STATYSTYKA MATEMATYCZNA - dział matematyki stosowanej oparty na rachunku prawdopodobieństwa; zajmuje się badaniem zbiorów na podstawie analizy ich części. Nauka, której przedmiotem zainteresowania są metody
Bardziej szczegółowoPrzypomnienie: Ćwiczenie 1.
Strona1 Przypomnienie: Zmienne statystyczne można podzielić na: 1. Ilościowe, czyli mierzalne (przedstawiane liczbowo) w tym: skokowe inaczej dyskretne (przyjmują skończoną lub co najwyżej przeliczalną
Bardziej szczegółowoOpisy przedmiotów do wyboru
Opisy przedmiotów do wyboru moduły specjalistyczne oferowane na stacjonarnych studiach II stopnia (magisterskich) dla 1 roku matematyki semestr letni, rok akademicki 2018/2019 Spis treści 1. Analiza portfelowa
Bardziej szczegółowoPROPOZYCJA PROCEDURY WSPOMAGAJĄCEJ WYBÓR METODY PORZĄDKOWANIA LINIOWEGO
PRZEGLĄD STATYSTYCZNY R. LXII ZESZYT 2 2015 KAROL KUKUŁA 1, LIDIA LUTY 2 PROPOZYCJA PROCEDURY WSPOMAGAJĄCEJ WYBÓR METODY PORZĄDKOWANIA LINIOWEGO 1. WPROWADZENIE Metody porządkowania zbioru obiektów można
Bardziej szczegółowoKierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych
Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych kod modułu: 2BL_02 1. Informacje ogólne koordynator
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowo