KLASYCZNA I PROBABILISTYCZNA TEORIA TESTU ANALIZA PORÓWNAWCZA

Wielkość: px
Rozpocząć pokaz od strony:

Download "KLASYCZNA I PROBABILISTYCZNA TEORIA TESTU ANALIZA PORÓWNAWCZA"

Transkrypt

1 BARBARA C,).2:,&= Instytut Pedagogiki, Akademia Bydgoska, Bydgoszcz KLASYCZNA I PROBABILISTYCZNA TEORIA TESTU ANALIZA PORÓWNAWCZA (J]DPLQ\]HZQWU]QHNWyUHRGNLONXODWVWDá\VLWUZDá\PHOHPHQWHPSRl- VNLHJRV\VWHPXNV]WDáFHQLDVSRZRGRZDá\]QDF]Q\Z]Uost zainteresowania testami ]DUyZQR ZUyG EDGDQ\FK MDN L RVyE EDGDMF\FK RVLJQLFLD XF]QLyZ NaXF]\FLHORZL SU]\JRWRZXMFHPX WHVW\ V]F]HJyOQLH WH Z\NRU]\VW\ZDQH SU]H] CenWUDOQ.RPLVM(J]DPLQDF\MQ SRWU]HEQD MHVW ZLHG]D WHRUHW\F]QD QD WHPDW ich konstrukcji i analizy. Powszechnie stosowane procedury szacowania rzetelno- FLRUD]RFHQ\ZáDFLZRFLSR]\FMLWHVWRZ\FKVZ\SURZDG]DQHJáyZQLH]NODsycznej teorii testu 1.,QQ\PSRGHMFLHPWHRUHW\F]Q\PMHVWWHRULDRGSRZLDGDQLDQDSR]\FMHWHVWX (ang. Item Response Theory IRT). Wskutek popularyzacji komputerów wzrasta ]DLQWHUHVRZDQLHWWHRULMHGQDNOLF]EDMHM]DVWRVRZDQDGDOQLHMHVWLPSRQXMFD 1LHZWSOLZ\PXWUXGQLHQLHPZMHMXSRZV]HFKQLHQLXMHVW]DUyZQRGX*DOLF]HEQRü próby konieczna do jej stosowania, jak potrzeba wykorzystania profesjonalnych aplikacji do przeprowadzania analiz 2. :SRQL*V]\PRSUDFRZDQLXSU]HGVWDZLSRUyZQDQLHZ\QLNyZDQDOL]\WHVWX uzyskanych w efekcie zastosowania klasycznej i probabilistycznej teorii. Obliczenia wykonano wykorzystxmf RGSRZLHGQLR PRGXá $QDOL]D U]HWHOQRFL i pozycji) pakietu Statistica 7 oraz program RUMM Niemierko B., 7HVW\RVLJQLüV]NROQ\FK, WSiP, Warszawa 1975; Magnuson D., Wprowadzenie do teorii testów3:1:duv]dzd%u]h]lvnl-(ohphqw\phwrgrorjlledgdsv\- chologicznych, PWN, Warszawa Baker F.B., The basic of item response theory, NH: Heinemann. Portsmouth 1985; Hambleton R., Swaminathan H., Rogers H., Fundamental of Item Response Theory, SAGE Publications

2 Klasyczna i probabilistyczna teoria testu analiza porównawcza Podstawy teoretyczne Klasyczna teoria testu (KTT) SU]\MPXMH *H QD Z\QLN RWU]\PDQ\ WHVWX VNáDGD VL Z\QLN SUDZG]LZ\ L EáG SRPLDUX 3RQDGWR ]DNáDGD RQD *H PLG]\ Z\QLNLHPSUDZG]LZ\PLRWU]\PDQ\PMHVW]DOH*QRüSURVWROLQLRZDREFL*RQDWHM VDPHMZLHONRFLEáGHPGODFDáHJR]DNUHVXZ\QLNyZ5]HWHOQRüSRPLDUXGHIiniowana jako stosunek wariancji wyników prawdziwych do wariancji wyników RWU]\PDQ\FK PR*H E\ü V]DFRZDQD QD ZLHOH VSRVREyZ 1DMF]FLHM VWRVRZDQ PHWRG MHM V]DFRZDQLD MHVW EDGDQLH ]JRGQRFL ZHZQWU]QHM 8*\ZDQ\ Z QLHM ZVSyáF]\QQLN α CronEDFKD MHVW SRZV]HFKQLH Z\NRU]\VW\ZDQ\P ZVND(QLNLHP U]HWHOQRFL:\OLF]DQHVUyZQLH*SDUDPHWU\SRV]F]HJyOQ\FKSR]\FMLWUXGQRü i PRFUy*QLFXMFDNWyUHZSá\ZDMQDU]HWHOQRüRUD]EáGVWDQGDUGRZ\SRPLaru 4. Teoria odpowiadania na pozycje testu (IRT) pozwala przypou]gnrzdü ND*GHPXEDGDQHPXZ\QLNXPR*OLZLDMF\XPLHV]F]HQLHJRQDVNDOLFHFK\QLHRbserwowalnej (ODWHQWQHM VWDQRZLFHM NRQWLQXXP SR]LRPX XPLHMWQRFL SU]e- G]LDáRG- GR 0R*OLZHMHVWZy]QDF]HQLHSUDZGRSRGRELHVWZDSUDZLGáRZHM RGSRZLHG]L QD NRQNUHWQH S\WDQLH >3@ GOD ND*GHM ZDUWRFL XPLHMWQRFL =ZL]HN PLG]\ SR]LRPHP XPLHMWQRFLDSUDwdopodobiestwem udzielenia SRSUDZQHMRGSRZLHG]LQDSR]\FMQD]\ZDQ\MHVWZ,57NU]\ZFKDUDNWHU\VW\Fz- Q SR]\FML Westowej (ang. item characteristic curve,&& 2NUHORQH IXQNFMH PDWHPDW\F]QHVWRVRZDQHGRRSLVXNV]WDáWX,&&LPSOLNXMZ\VWSRZDQLHUy*nych PRGHOLZ,57U\V:SUDNW\FHF]VWRVWRVRZDQ\MHVWPRGHOORJLVW\F]Q\Zy- VWSXMF\ZWU]HFKZDULDQWDFKMDNRMHGQR-, dwu - i trójparametryczny 5. Do opisu ICC w trójparametrycznym modelu stosowana jest funkcja postaci: P i i () θ = ci+ (1 ci) ( ) e 1+ e D a ( θ b) D a θ b gdzie: a i PRFUy*QLFXMFDG\VNU\PLQDF\MQDSR]\FMLWHVWX b i WUXGQRüSR]\FMLWHVWX c i ZVSyáF]\QQLN]JDG\ZDQLD D VWDáDPDNV\PDOL]XMFDGRSDVRZDQLHNU]\ZHMORJLVW\F]QHMGRRJLZ\ UR]NáDGXQRUPDOQego (D = 1,7). Model dwuparametryczny otrzymujemy, prz\mpxmfzsrz\*szym równa- QLX]DáR*eQLHR]HURZHMZDUWRFLF i -HOLSRQDGWRSU]\Mü*HD i PRFUy*QLFXMFD wszystkich pozycji testowych jest równa i ma warwrü ZyZF]DV RWU]\PDP\ model jednoparametryczny. 7UXGQRüSR]\FMLWHVWRZHME i MHVWZDUWRFLFHFK\ODWHQWQHMGODNWórej prawdopogrelhvwzrsudzlgárzhmrgsrzlhg]lqdgdqsr]\fm>3@mhvwuówne i i 4 5 1LHPLHUNR%RSFLWWHQ*H3RPLDUZ\QLNyZNV]WDáFenia, WSiP, Warszawa Hambleton R., Swaminathan H., Rogers H., op. cit.

3 466 Barbara &L*NRZLF] 3R]\FMDMHVWW\PWUXGQLHMV]DLPZ\*V]DZDUWRüE i 6 7UXGQRüF]\OLPHGLDQD poziomu cechy latentnej dla pozycji, informuje, w którym miejscu ndvndolgdqd SR]\FMD QDMOHSLHM Uy*QLFXMH EaGDQ\FK àdwzh SR]\FMH GREU]H Uy*QLFXM RVRE\ o QLVNLFKXPLHMWQoFLDFKWUXGQH RZ\VRNLFK7HRUHW\F]Q\]DNUHV]PLHQQRFL WHJRSDUDPHWUXREHMPXMHSU]HG]LDá- MHGQDNZDUWRFLW\SoZHRJUDQLF]DM VLGRSU]HG]LDáX-3 ; +3). 0RFUy*QLFXMFDSR]\FMLWHVWRZHMD i MHVWSURSRUFMRQDOQDGRNWDQDFK\OHQLD,&&ZSXQNFLHSU]HJLFLD,QIRUPXMHRQDZMDNLPVWRSQLXSR]\FMDSR]ZDODURz- Uy*QLüEDGDQ\FKRSR]LRPLHXPLHMWQRFLQL*V]\PRGWUXGQRFLSR]\FMLE i ) od tych,xnwyu\fksr]lrpwhqmhvwz\*v]\0rfg\vnu\plqdf\mqdmhvww\pzlnv]d LPZ\*V]ZDUWRüSU]\MPXMHSDUametr a i :DUWRFLWHRUHW\F]QHD i PRJ]DZLHUDü VLZSU]HG]LDOHRG- GR 3UDNW\F]Q\]DNUHVPLeFLVLPLG]\-2,8 a +2,8 7. 8MHPQDZDUWRüWHJRSDUDPHWUX]ZL]DQD]PDOHMF\PSU]HELHJLHP,&&R]Qa- F]DZ\VRNLHSUDZGRSRGRELHVWZRZ\QLNXSRSUDZQHJRXRVyERQLVNLPSoziomie 2F]\ZLFLHSR]\FMHRXMHPQ\PZVSyáF]\QQLNXD i nie powinny wystsrzdü w SUDZLGáRZRIXQNFMRQXMF\PWHFLH :VSyáF]\QQLN]JDG\ZDQLa c i LQIRUPXMHMDNLHMHVWSUDZGRSRGRELHVWZRX]y- VNDQLDSUDZLGáRZHMRGSRZLHG]LW\ONRSU]H]]JDG\ZDQLH3DUDPHWUF i nie zmienia VLZUD]]IXQNFMXPLHMWQRFL0DRQVWDáZDUWRüFRR]QDF]D*HEDGDQLSo- VLDGDMWVDPV]DQVX]\VNDQLDQLH]HURZHJRZ\QLNXQLH]DOH*QLHRGUHSUH]Hn- WRZDQHJR SU]H] QLFK SR]LRPX 7HRUHW\F]QLH F i PR*H SU]\MPRZDü ZDUWRFL ] SU]HG]LDáX MHGQDNQDMF]FLHMPLHFLVLZ]DNUHVLH 0,4) 8 3R*Ga- QHVMDNQDMQL*V]HZDUWRFLWHJRZVSyáczynnika.,ORFLRZDDQDOL]DWHVWX 3RQL*HMSU]HGVWDZLRQRSRUyZQDQLHZ\QLNyZDQDOL]\WHVWXSU]HSURZadzonej ]JRGQLH]NODV\F]QWHRULL,57:,57]DVWRVRZDQRGZXSDUametryczny model ORJLVW\F]Q\2SUDFRZDQLHQLH]DZLHUDSHáQHMV\VWHPatycznej analizy wyników, a jedynie pewne jej elementy mr*olzhgrsorównania w obu teoriach. Obliczenia SU]HSURZDG]RQRQDSU]\NáDG]LHZ\QLNyZWHVWXGREDGDQLDZ\XF]RQHMEH]UDGQo- FL 9 7HVWHPVNáDGaMF\PVL]SR]\FMLSXQNWRZDQ\FK SU]HEDGDQRSUyE 100 osób. 7UXGQRüLPRFUy*QLFXMFDMDNRZVND(QLNLFKDUDNWHU\]XMFHSR]\FMZy- VWSXM]DUyZQRZNODV\F]QHMMDNSUREDELOLVW\F]QHMWHRULLWHVWX-HGQDNLQIRUPa- FMH MDNLH PR*QD X]yVNDü R ZáDFLZRFLDFK SR]\FML Z REX WHRULDFK V LVWRWQLH Baker F.B., Methodology review: Item parameter estimation under the one-, two- and three-- parameter logistic models, Applied Psychological Measurement 1987, 11, s Baker F.B., The basic of item response theory, op. cit., s. 2. Hornowska E., Testy psychologiczne. Teoria i praktyka, Wydawnictwo Naukowe SCHOLAR, Warszawa 2001, s &L*NRZLF]%2FHQ\V]NROQHDEH]UDGQRüLQWHOHNWXDOQD>Z@%1LHPLHUNR-%U]GNUHG Dwa rodzaje oceniania szkolnego, Katowice 2002.

4 Klasyczna i probabilistyczna teoria testu analiza porównawcza 467 Uy*QH Przewaga krzywych ICC nad klasyczq\pl ZVND(QLNDPL GREURFL SR]\FML WHVWRZ\FKSROHJDQDW\P*HQDLFKSRGVWaZLHPR*QDRNUHOLü]DOH*QRüPLG]\ SUDZGRSRGRELHVWZHP SoSUDZQHM RGSRZLHG]L QD NRQNUHWQ SR]\FM WHVWRZ a Uy*Q\PL ZDUWRFLami cechy latentnej 10 0LPR L* WUXGQRü SR]\FML WHVWRZHM w,57]rvwdád]ghilqlrzdqdmdnrmhdna liczba (mediana θ), to krzywa charakterystyczna pozwaodxvwdolümdnlhmhvwsudzgrsrgrelhvwzrsudzlgárzhmrgsrzlhg]l MDNWUXGQDMHVWGDQDSR]\FMDGODEDGDQHJRRNRQNUHWQ\PSR]LRPLHXPLHMtQRFLθ. 3URJUDP5800Z\]QDF]DNV]WDáWRUD]SDUDPHWU\NU]ywej charaktery- VW\F]QHMGODND*GHMSR]\FMLWHVWX5\VSU]HGVWDZLD,&&GODSR]\FMLQU]DQDOi- ]RZDQHJRWHVWXEH]UDGQRFL7HVWVWDW\VW\F]Q\χ 2 stosowany jest jako miara dobroci dopasowania krzywej teorew\f]qhmgrsxqnwyzhpslu\f]q\fk-holsr]lrp ivwrwqrflχ 2 MHVWZLNV]\RGGRSDVRZDQLHNU]\ZHMPR*QDX]QDü]D]DGRZa- ODMFH 11. Wyliczana trudqrüsr]\fmlr]qdf]dsr]lrpxplhmwqrflθ, dla którego prawdopodoelhvwzr XG]LHOHQLD SRSUDZQHM RGSRZLHG]L QD GDQ SR]\FM MHVW równe 0,5. Na wykresie podandmhvwwh*prfuy*qlfxmfdsr]ycji. Rys. 1. Krzywa charakterystyczna pozycji nr 3 testu (ICC) gdzie: Location WUXGQRüSR]\FML Slope PRFUy*QLFXMFD Chi Sq Prob SR]LRPLVWRWQRFLWHVWXVWDW\VW\F]QHJRχ 2. W celu porównania wyników analizysr]\fmlx]\vndq\fkzgzyfkuy*q\fk SRGHMFLDFKWHRUHW\F]Q\FK]HVWDZLRQRZWDESDUDPHWU\Z\]QDF]RQHZSDNLecie Statistica (klasyczna teoria) i w programie RUMM2010 (IRT). W KTT trud- QRüSR]\FMLTMHVWGRSHáQLHQLHPGRMHGQRFLVWRVXQNXVXP\SXQNWyZuzyskanych przez wszystnlfkedgdq\fk]dwsr]\fmgrpdnv\pdoqhmolf]e\sxqnwyz MDNPRJOL]DQL X]\VNDü 0LDUPRF\Uy*QLFXMFHMSozycji wielopunktowych w NODV\F]QHMWHRULLWHVWXMHVWZVSyáF]\QQLNNRUHODFMLU3HDUVRQDPLG]\Z\QLNLHP rozpatrywanej pozycji a wynikiem testu Hornowska E., op. cit., s Baker F.B., Kim S., Item Response Theory. Parameter Estimation Techniques, Marcel Dekker, Inc., N. Y Magnuson D., op. cit.

5 468 Barbara &L*NRZLF] Nr poz. Tab.1. Parametry pozycji testu w klasycznej i probabilistycznej teorii Klasyczna teoria IRT Nr Klasyczna teoria IRT poz. q r Locat Slope q r Locat Slope P1 0,47 0,38-0,09 0,70 P9 0,53 0,39 0,29 0,77 P2 0,34 0,48-0,86 0,62 P10 0,47 0,57-0,05 0,66 P3 0,54 0,40 0,29 0,82 P11 0,46 0,60-0,03 0,53 P4 0,53 0,48 0,34 0,69 P12 0,54 0,30 0,54 0,60 P5 0,50 0,50 0,08 0,72 P13 0,55 0,42 0,34 0,88 P6 0,52 0,48 0,26 0,66 P14 0,53 0,32 0,32 0,73 P7 0,68 0,51 0,02 0,65 P15 0,54 0,47 0,39 0,75 P8 0,46 0,42-0,19 0,79 P16 0,21 0,39-1,64 0,64 q, Locat WUXGQRüSR]\FMLWHVWXRGSRZLHGQLRZNODV\F]QHMWHRULLLZ,57 r, Slope PRFUy*QLFXMFDSR]\FMLWHVWXRGSRZLHGQLRZNODV\F]QHMWHRULLLZ,57 3RQLHZD* ZDUWRFL SDUDPHWUyZ Z REX SRGHMFLDFK WHRUHW\F]Q\FK V QLe- ZVSyáPLHUQH REOLF]oQR ]DOH*QRü PLG]\ WUXGQRFLDPL SR]\FML RUD] PRFDPL Uy*QLFXMF\PLZ\]QDF]RQ\PLZ.77LZ,578*\W\GRWHJRFHOXZVSyáF]\QQLN U3HDUVRQDSU]\MáRGSRZLHGQLRZDUWRFLU xy = 0,993 i r xy = -0,354. NiemaOSHáQD ]DOH*QRüPLG]\WUXGQRFLDPLZVND]XMH*H]DGDQLDWUXdQHZ,57RND]Dá\VL UHODW\ZQLHWUXGQHUyZQLH*ZSRGHMFLXNODV\F]Q\P:SU]\SDGNXPRF\Uy*QLFu- MFHM]DOH*QRü MHVW XMHPQD SU]HFLWQD:L*H VL WR] LQQ\P]QDF]HQLHP W\FK parametrów w obu poghmfldfk:nodv\f]qhmwhrullzvnd(qlnprf\uy*qlfxmfhm LQIRUPXMH F]\ SR]\FMD WHVWX GREU]H F]\ (OH Uy*QLFXMH EDGDQ\FK R Z\VRNLFK i QLVNLFKZ\QLNDFKZWHFLHQDWRPLDVWZ,57SRND]XMHRQMDNGREU]HUR]G]LHOD EDGDQ\FKRSR]LRPLHXPLHMWQRFLθ) równym tuxgqrfldqdoizowanej pozycji.,57xpr*olzldwdn*hdqdol]ur]nádgxsudzgrsrgrelhvwzdnd*ghjrz\qi- NXPR*OLZHJRGRX]\VNDQLD]DGDQSR]\FM:UR]SDWU\ZaQ\PSU]\NáDG]LHVWR ZDUWRFLL8NáDGSURJyZF]\OLPLHMVFZNWyU\FKQDVWSXMHSU]HFLFLHVL NU]\Z\FKSUDZGRSRGRELHVWZDSR]ZDODRFHQLüF]\VSRVyESXQNWRZDQLDSR]y- FMLMHVWORJLF]QLHVSyMQ\1DU\VSU]HGVWDZLRQRUR]NáDG\SUDZGRSRGRELHVWZD PR*OLZ\FKGRX]\VNDQLDZ\QLNyZ]DSR]\FMZ]DOH*QRFLRGSR]LRPXXPLHMt- QRFLθ. Dla niskich wartrfl]plhqqhmθ najbardziej prawdopodobne jest uzyska- QLHSXQNWyZNU]\ZDPDOHMFDD*GRPLHMVFDZNWyU\PθRVLJQLHZDUWRü- F]\OLGRSU]HFLFLDVLWHMNU]\ZHM]NU]\ZSU]HGVWDZLDMFUR]NáDGSUDw- GRSRGRELHVWZDX]\VNDQLDSXQNWyZNU]\ZDURVQFD0LHjVFDSU]HFLFLDVL NU]\Z\FKZ\]QDF]DMSURJLGODSR]\FMLQU3URJLVQLHZáDFLZLHXSRU]GNo- ZDQH D SUDZGRSRGRELHVWZR SRMDZLHQLD VL Z\QLNX NU]\ZD V\PHWU\Fzna) QLJG\QLHRVLJDZDUWRFLQDMZ\*szej. Na rys. 3. przedstawiono progi dla poz\fmlnwyu\fkxár*hqlhmhvwsudzi- GáRZH 2VRE\RQLVNLPSR]LRPLHXPLHMWQRFLθ < -X]\VNXM]QDMZLk- V]\P SUDZGRSRGRELHVWZHP SXQNWyZ ]D SR]\FM 'OD Z\*V]\FK ZDUWRFL (-0,67 < θ < 0,50) maksymalnie prawdopodobne jest uzyskanie 1 punktu, a dla

6 Klasyczna i probabilistyczna teoria testu analiza porównawcza 469 θ!qdmedug]lhmsudzgrsrgreq\vwdmhvlz\qln7uxgqrüsr]\fmlqumhvw QLH]QDF]QLHQL*V]DRGUHGQLHJRSR]LRPXXPLHMWQRFLEDGDQ\FKWHVWHP/RFation = -.U]\ZDFKDUDNWHU\VW\F]QDMHVWGREU]HGRSDVRZDQDUy*QLFHPL G]\NU]\ZDSXQNWDPLHPSLU\F]Q\PLVQLeistotne: Chi Sq Prob = 0,333). 5\V3URJLGODSR]\FMLQUUR]NáDGSUDZGRSRGRELHVWZZ\QLNyZ 5\V3URJLGODSR]\FMLQUUR]NáDGSUDZGRSRGRELHVWZZ\QLNyZ 3RQL*HM SRGGDQR DQDOL]LH QLH]PLHQQLF]Rü SDUDPHWUyZ SR]\FML WHVWRZ\FK =DVDGQLF] ]DOHW,57 MHVW IDNW*H SDUDPHWU\ SR]\FML WHVWRZ\FK V ZáDVQRFL VDPHMSR]\FMLLQLH]DOH*DQLRGSUyE\EDGDQ\FKDQLRGSUyE\SR]\FML]NWyU\PL ZVSyáWZRU]WHVW2F]\ZLFLH QLH R]QDF]D WR UyZQRFL OLF]ERZ\FK ZDUWRFL estymowanych parametrów 13. :FHOXVSUDZG]HQLDQLH]PLHQQLF]RFLHVW\PDWRUyZSDUDPHWUyZNRQNUHWQHM SR]\FML Z]JOGHP ]ELRUX SR]\FML ] NWyU\PL WZRU]\ RQD WHVW SU]HSURZDG]RQR REOLF]HQLDGODWU]HFKSRGWHVWyZ2WU]\PDQRMHSRSU]H]Z\FLFLH]WHMsamej ma- FLHU]\Z\QLNyZRGSRZLHGQLRSLHUZV]\FKRVWDWQLFKRUD]URGNRZ\FK SR]\FML ] ] NWyU\FK VNáDGD VL WHVW EHzUDGQRFL :\QLNL GRW\F]FH W\ONR ZVSyOQHMF]FL]ELRUyZSR]\FML]estawiono w tab Baker, F., The Basics of Item Response Theory. ERIC Clearinghouse on Assessment and Evaluation, University of Maryland, College Park, MD 2001.

7 470 Barbara &L*NRZLF] Nr poz. Tab.2. Parametry pozycji w wydzielonych podtestach 7UXGQRüSR]\FMLZSRGWHVWDFK 0RFUy*QLFXMFDSR]\FMLZSRGWestach Poz Poz Poz Poz Poz Poz ,08-0,01-0,72 0,72-6 0,26 0,20 0,08 0,66 0,66 0,66 7 0,02-0,06-0,17 0,65 0,66 0,66 8-0,19-0,28-0,38 0,79 0,80 0,79 9 0,29 0,24 0,12 0,77 0,76 0, ,05-0,13-0,24 0,66 0,68 0, ,03-0,09-0,22 0,53 0,53 0, ,54 0,48 0,36 0,60 0,61 0, ,34 0,26 0,13 0,88 0,88 0, ,32 0,25 0,13 0,73 0,72 0, ,39 0,33 0,21 0,75 0,75 0, ,64-1,77-0,64 0,63 - (VW\PDWRU\WUXGQRFLWHMVDPHMSR]\FML]PLHQLDMVLQLHFRZ]DOH*QRFLRG SRG]ELRUXSR]\FML]NWyU\PLZVSyáSUDFXMH$QDOL]XMFZLHONRFLUy*QLFPLG]\ HVW\PDWRUDPL WUXGQRFL GOD WHM VDPHM SR]\FML Z WU]HFK SRGWestach (od 0,09 do RUD]ELRUFSRGXZDJZDUWRüEáGXVWDQGDUGoZHJRSRSHáQLDQHJRSU]\LFK V]DFRZDQLXNWyU\PLHFLVLZSU]HG]LDOH PR*QDX]QDü*HUy*QLFHV QLHLVWRWQH 1LH]PLHQQLF]Rü PRF\ Uy*QLFXMFHM NRQNUHWQHM SR]\FML Z]JOGHP Uy*Q\FKJUXSSR]\FML]NWóU\PLZVSyáWZRU]\WHVWMHVWZ\UD(QD-HOLZ\VWSXM MDNLHNROZLHNUy*QLFHWRRVLJDMPDNV\PDlQZDUWRüSRUWDE,QDF]HMSU]HGVWDZLDVLV\WXDFMDZNODV\F]QHMWHRULLWHVWX=GHILQLFMLSDUa- PHWUyZZ\QLNDLFK]DOH*QRüRGSUyE\RVyEQDSRGVWDZLHNWóUHMVZ\]QDF]DQH. 1D WUXGQRü SR]\FML QLH PRJ PLHü UyZQLH* ZSá\ZX SR]RVWDáH SR]\FMH WHVWX MHGQDNPRJRQH]PLHQLDüPRFUy*QLFXMF Po przeprowadzeniu analizy charakterystyk poszczególnych pozycji testu, w GDOV]HMF]FLSU]HGVWDZLRQH]RVWDQZ\QLNLWHVWXMDNRFaáRFL 1D U\V SRND]DQR Z\]QDF]RQ SU]H] SURJUDP 5800 ]DOH*QRü PLG]\ Z\QiNDPL VXURZ\PL WHVWX D SR]LRPHP XPLHMWQRFL θ). Wykres ten XPR*OLZLD RNUHOHQLH SR]LoPX FHFK\ ODWHQWQHM RVRE\ NWyUD Z WHFLH X]\VNDáD RNUHORQOLF]ESXQNWyZ0R*QDUyZQLH*RGSRwieG]LHüQDS\WDQLHLOHSXQNWyZ SRZLQQDX]\VNDüRVREDXNWyUHMFHFKDODWHQWQDMHVWQDRNUHORQ\PSR]LRPLH" =DOH*QRüPLG]\Z\QLNDPLVXURZ\PLLSR]LRPHP]PLHQQHMθ w IRT ma NV]WDáWNU]\ZROLQLRZ\LEH]Z]JOGXQDZ\QLNLZSUyELHMHVWHNVWUDSRORZDQDQD cdá\]dnuhv]plhnqrflqdu]g]ld:nodv\f]qhmwhrullwhvwx]doh*qrüz\qlnyz VXURZ\FKLZDUWRFLVWDQGDUGRZHM(z)MHVWSURVWROLQLRZDLRJUDQLF]RQDZDUWRFLami minimalnego i maksymalnego wyniku w próbie (rys. 5.).

8 Klasyczna i probabilistyczna teoria testu analiza porównawcza 471 Z\QLNVXURZ\ WKHWD Rys. 4. Wynik surowy testu DSR]LRPXPLHMWQRFL Z\QLNL VXURZH ] 5\V:\QLNLVXURZHDZDUWRüVWDQGDUGRZDz 1DOH*\]ZUyFLüXZDJQDUy*QLFHZUHODFMDFKPLG]\Z\QLNLHPRWU]\Pa- Q\PZWHFLHDZDUWRFLDPLRGSRZLHGQLRz i θ. :XMFLXNOasycznej teorii, osobie, NWyUD X]\VNDáD RNUHORQ OLF]E SXQNWyZ Z WHFLH EG]LH SU]\SRU]GNRZDQD ]DZV]HWDVDPDZDUWRü]PLHQQHMVWDQGDUGowej (z):,57wdndmhgqr]qdf]qrü SU]\SRU]GNRZDQLDRERZL]XMHW\ONRZSU]\SDGNXMHGQRSDUDPHWU\F]QHJRPRGelu Rascha. Jest to konsenzhqfmd SU]\MWHJR Z W\P PRGHOX ]DáR*HQLD R VWDáHM UyZQHM ZDUWRFL PRF\ Uy*QLFXMFHM ZV]\VWNLFK SR]\FML : PRGHOX GZXi WUyMSDUDPHWU\F]Q\PSR]LRPXPLHMWQRFLEDGDQHJR]DOH*\QLHW\ONRRGOLF]E\ SXQNWyZX]\VNDQ\FKZWHFLHDOHLRGVSHF\ILNLUR]NáDGXRGSowiedzi na pozycje. Oznacza to,*h GZyP RVRERP NWyUH X]\VNDá\WVDPLORüSXQNWyZZWHFLH PR*H]RVWDüSU]\SLVDQ\LQQ\SR]LRPFHFK\Oatentnej Baker F.B., Kim S., op. cit.

9 472 Barbara &L*NRZLF] : FHOX VSUDZG]HQLD MDNLH V UHODFMH PLG]\ XV\WXRZDQLHP EDGanych na skali zmiennej standardowej z (klasyczna teoria) oraz na skali cechy latentnej θ,57su]hgvwdzlrqrz\qlnlqdz\nuhvlhu\v:v]\vwnlhsxqnw\xár*\á\vl QD JáDGNLHM NU]\ZHM FR XSUDZQLD GR VWZLHUG]HQLD *H ]DOH*QRü MHVW IXQNFM NU]\ZROLQLRZ8SRU]GNRZDQLHEDGDQ\FKQDREXVNDODFKMHVWWDNLHVDPRMHd- QDN RGOHJáRFLQLHV]achowane. Jest to szczególnie widoczne przy wynikach QDMQL*V]\FKLQDjZ\*V]\FK WKHWD Z\QLN VWDQGDUGRZ\ ] 5\V=DOH*QRüWKHW\RG]GODSR]\FML 16 1D U\V SU]HGVWDZLRQR UR]NáDG\ Z\QLNyZ WHVWX F]ü JyUQD Z\NUHVX RUD]WUXGQRFL]DGDF]üGROQDZ\NUHVXZ\UD*RQHQDVWDndaryzowanej skali θ RRGFLW\FK;8WZRU]RQRSU]HG]LDáyZRV]eURNRFL2U]GQ\FK< z OHZHMVWURQ\GRW\F]\OLF]QRFL ZJyUQHMF]FLMHVWWROLF]EDRVyEZGROQHM OLF]ED]DGDZWHFLH3RSUDZHMVWURQLHR<]oVWDáDZ\VNDORZDQDZSURFHQWDFK 3RGDQDMHVWWH*RJyOQDOLF]EDEDGDQ\FKXPLHV]F]RQ\FKQDUR]NáDG]LH1RUHdni wynik testu w próbie (Mean) oraz dyspersja wyników testu mierzona odchyleniem standardowym (SD).,QWHUHVXMF\GODNRQVWUXNWRUDWHVWXMHVWUR]NáDG]DGD:DQDOi]RZDQ\PWHFLH VNáDGaMF\PVL]SR]\FMLWUXGQRü]QLFKPLHFLVLZSU]HG]LDOHθ <0,5. W przedziale -0,5 < θ]qdmgxmhvlqdvwsq\fk]dgd%lrufsrgxzdjghii- QLFM WUXGQRFL L PRF\ Uy*QLFXMFHM PR*QD SRZLHG]LHü *H Z W\P REV]DU]H WHVW GREU]HUy*QLFXMHEDGDQ\FK:REV]DU]Hθ < -Z\VWSXMW\ONRWUXGQRFL]DGD =ZD*\ZV]\QDOLFzERVyENWyU\FKFHFKDODWHQWQDθ < -PR*QDVWZLHUG]Lü*H WHVWWHQQLHUy*QLFXMHZVSRVyE]DGRZDODMF\RVyERQLVNLPSR]LoPLHEH]UDGQRFL,QIRUPDFMHRWUXGQRFLLPRF\Uy*QLFXMFHMSR]\FMLWHVWXZ,57SR]ZDODM tak dobieudümhgrnrqvwuxrzdqhjrqdu]g]lde\zvsrvyeuyzqrplhuq\srnu\ü FDá\REV]DU]PLHQQoFLEDGDQHMFHFK\ODWHQWQHM7DNLFKLQIRUPDFMLQLHGRVWDUF]D analiza prowadzona w ramach klasyczqhm WHRULL 8PR*OLZLD RQD VSRU]G]HQLH UR]NáDGXZ\QLNyZWHVWXGODEaGDQ\FKMHGQDNQLHGDMHUR]NáDGyZSR]\FML

10 Klasyczna i probabilistyczna teoria testu analiza porównawcza 473 5\V5R]NáDG\Z\QLNyZWHVWXLWUXGQRFL]DGDZXMFLX,57 Wnioski :\GDMH VL *H Z SHáQL NRPSHWHQWQD RFena zastosowania teorii powinna REHMPRZDüWU]\Z\PLDU\3LHUZV]\]QLFKWRVWRVRZDQ\ZND*dej teorii aparat matematyczny. Jest on stosunkozr SURVW\ Z NODV\F]QHM ]D VNRPSOLNRZDQ\ w SUREDELOLVW\F]QHMWHRULL6]F]HJyOQLHZD*QHVPHWRG\HVW\PDFMLLZLDGRPRü NRQVHNZHQFMLLFKVWRVRZDQLD'UXJLZ\PLDUGRW\F]\RFHQ\MDNRFLDSOLNDFMLSUogramowych, których instrukfmhgrvwduf]dqhx*\wnrzqlnrzlzfdohqlhvf]\whoqh Trzeci wymiar to praktyczne zastosowania i konsekwencje wyboru teorii dla ja- NRFL RWU]\P\ZDQ\FK QDU]G]L EDGDZF]\FK: WDE ]evwdzlrqr GRVWU]H*RQH ZDG\L]DOHW\GZyFKPR*OLZ\FKGRVWRVRZDQLDWHRULLWHVWX Klasyczna teoria testu 1. Próba niewielka 2. Prosty aparat matematyczny do oszacowania parametrów 1LHVNRPSOLNRZDQHREOLF]HQLDPR*OLZH do przeprowadzenia nawet w Excelu,QWXLF\MQLH]UR]XPLDáDLQWHUSUHWDFMDZ\Qików =ZL]HNPLG]\Z\QLNLHPRWU]\PDQ\P a wynikiem prawdziwym jest prostoliniowy. 3DUDPHWU\]DGDWUXGQRüLPRFUy*QiFXMFD ]DOH*RGSUyE\QDSRGVWDZLHNWyUHME\á\ szacowane. 7UXGQRüSR]\FMLLWHVWXRGQRVLVL do przeflwqhjr ucznia. Tab. 3. Zalety i wady KTT i IRT Zalety Probabilistyczna teoria testu 3DUDPHWU\SR]\FMLWHVWXLEáGXVWDQGDUGRwego poplduxvqlh]doh*qhrgsuye\ 7UXGQRüpozycji i poziom cechy latentnej Z\UD*RQHVZW\FKVDP\FKMHdnostkach. 3. Krzywa charakterystyczna pozwala oszaco- ZDüSR]LRPFHFK\ODWHQWQHMθ) na podstawie ND*GHMSR]\FMLWHVWRZHM Wady &KDUDNWHU\VW\NLSR]\FMLSRZLQQ\E\üRWUzy- P\ZDQHQDSRGVWDZLHGX*HMSUyE\SRZ\*HM 1000 jednostek). 2. Iteracyjne dobieranie parametrów ICC do danych empirycznych wymaga zastosowania profesjonalnych aplikacji. 3RMFLDQLH]DZV]HLQWXLF\MQLH]UR]uPLDáH

11 474 Barbara &L*NRZLF]

SYSTEM OCENIANIA NAUCZYCIELI BIOLOGII

SYSTEM OCENIANIA NAUCZYCIELI BIOLOGII MARIA PEDRYC-WRONA ELWIRA SAMONEK-MICIUK Pracownia Metodyki Nauczania Biologii, UMCS Lublin SYSTEM OCENIANIA NAUCZYCIELI BIOLOGII :VWS 8PLHMWQRü SRPLDUX RVLJQLü XF]QLyZ L LFK RFHQLDQLH WR WUXGQ\LRGSowiedzialny

Bardziej szczegółowo

o partnerstwie publiczno-prywatnym.

o partnerstwie publiczno-prywatnym. SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 20 czerwca 2005 r. Druk nr 984 0$56=$à(. 6(-08 RZECZYPOSPOLITEJ POLSKIEJ Pan Longin PASTUSIAK 0$56=$à(. 6(1$78 RZECZYPOSPOLITEJ POLSKIEJ =JRGQLH

Bardziej szczegółowo

Oszacowanie umiejętności teta oraz wyskalowanie osi w metodzie IRT dla potrzeb obliczania parametrów zadań

Oszacowanie umiejętności teta oraz wyskalowanie osi w metodzie IRT dla potrzeb obliczania parametrów zadań Sławomir Sapanowski Okręgowa Komisja Egzaminacyjna w Łodzi Oszacowanie umiejętności teta oraz wyskalowanie osi w metodzie IRT dla potrzeb obliczania parametrów zadań W ostatnim czasie wśród ekspertów zajmujących

Bardziej szczegółowo

1. PARAMETRY TECHNICZNE WAG NAJAZDOWYCH.

1. PARAMETRY TECHNICZNE WAG NAJAZDOWYCH. .ZLHFLH 2 1. PARAMETRY TECHNICZNE WAG NAJAZDOWYCH. Typ wagi 2EFL*HQLH maksymalne Max [kg] WPT/4N 400H WPT/4N 800H WPT/4N 1500H 400 800 1500 2EFL*HQLH PLQLPDOQH Min [kg] 4 10 10 'RNáDGQRü RGF]\WX d [g]

Bardziej szczegółowo

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 3 sierpnia 2005 r. Druk nr 1074

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 3 sierpnia 2005 r. Druk nr 1074 SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 3 sierpnia 2005 r. Druk nr 1074 PREZES RADY MINISTRÓW Marek BELKA Pan Longin PASTUSIAK 0$56=$à(. 6(1$78 RZECZYPOSPOLITEJ POLSKIEJ 6]DQRZQ\ 3DQLH

Bardziej szczegółowo

Jan Bień. Modelowanie obiektów mostowych w procesie ich eksploatacji

Jan Bień. Modelowanie obiektów mostowych w procesie ich eksploatacji Jan Bień Modelowanie obiektów mostowych w procesie ich eksploatacji Oficyna Wydawnicza Politechniki Wrocławskiej Wrocław 2002 63,675(&, 1. SYSTEMOWE WSPOMAGANIE EKSPLOATACJI OBIEKTÓW MOSTOWYCH... 7 1.1.

Bardziej szczegółowo

,1)<1,(56.,(%$=<'$1<&+'/$0$à<&+35=('6, %,2567: ENGINEERING DATA BASES FOR SMALL ENTERPRISES

,1)<1,(56.,(%$=<'$1<&+'/$0$à<&+35=('6, %,2567: ENGINEERING DATA BASES FOR SMALL ENTERPRISES 53 M>D J. Wróbel Institute of Machine Design Fundamentals, Warsaw University of Technology, Poland,1)

Bardziej szczegółowo

Piotr 7U\EDáD. Leasing 3RUDGQLN3U]HGVLELRU \

Piotr 7U\EDáD. Leasing 3RUDGQLN3U]HGVLELRU \ Piotr 7U\EDáD Leasing 3RUDGQLN3U]HGVLELRU \ Autor Piotr 7U\EDáD Redakcja i korekta Ewa Skrzypkowska Copyright by 3ROVND $JHQFMD 5R]ZRMX 3U]HGVLELRUF]RFL Projekt serii Tadeusz Korobkow 3URMHNW RNáDGNL Andrzej

Bardziej szczegółowo

Latentna moc różnicująca zadań z testów matematycznych dla młodzieży uzdolnionej

Latentna moc różnicująca zadań z testów matematycznych dla młodzieży uzdolnionej XVI Konferencja Diagnostyki Edukacyjnej, Toruń 200 Elżbieta Ostaficzuk Mazowieckie Samorządowe Centrum Doskonalenia Nauczycieli Grażyna Śleszyńska Mazowieckie Samorządowe Centrum Doskonalenia Nauczycieli

Bardziej szczegółowo

Spis treœci WSTÊP... 3 KLUCZ ODPOWIEDZI... 138 BIBLIOGRAFIA... 210

Spis treœci WSTÊP... 3 KLUCZ ODPOWIEDZI... 138 BIBLIOGRAFIA... 210 Spis treœci WSTÊP... 3 I. 8NáDG NU*HQLD L XNáDG RGSRUQRFLRZ\ F]áRZLHND poziom podstawowy... 9 II. 8NáDG NU*HQLD L XNáDG RGSRUQRFLRZ\ F]áRZLeka poziom rozszerzony... 14 III. 8NáDG QHUZRZ\ F]áRZLHND poziom

Bardziej szczegółowo

: Autor: Ks. Wojciech Cichosz. 2. 7\WXá:\FKRZDQLHFKU]HFLMDVNLHZREHFSRVWPRGHUQLVW\F]QHMSURZRNDFML. 3. 'UyGáR*GDVN

: Autor: Ks. Wojciech Cichosz. 2. 7\WXá:\FKRZDQLHFKU]HFLMDVNLHZREHFSRVWPRGHUQLVW\F]QHMSURZRNDFML. 3. 'UyGáR*GDVN 1. Autor: Ks. Wojciech Cichosz 2. 7\WXá:\FKRZDQLHFKU]HFLMDVNLHZREHFSRVWPRGHUQLVW\F]QHMSURZRNDFML 3. 'UyGáR*GDVN :67 3 =DZV]HWDNLH5]HF]\SRVSROLWHEG MDNLHLFKPáRG]LH*\FKRZDQLH (J. Zamoyski =DPRüU OHG]FRJURPQHG]LHG]LFWZRLERJDFWZRNXOWXU\áDWZRGRVWU]HF*HZFHQWUXP

Bardziej szczegółowo

Spis treœci :VWS... 5. Poziom podstawowy... 9. Poziom rozszerzony... 61. 5R]ZL]DQLD... 95 6áRZQLF]HN... 125 Literatura... 127

Spis treœci :VWS... 5. Poziom podstawowy... 9. Poziom rozszerzony... 61. 5R]ZL]DQLD... 95 6áRZQLF]HN... 125 Literatura... 127 Spis treœci Twoja matura Geografia :VWS... 5 Poziom podstawowy... 9 I. 3RGVWDZ\ NRU]\VWDQLD ] Uy*QRURGQ\FK (UyGHá LQIRUPDFML JHRJUaficznej... 9 II. Funkcjonowanie systemu przyrodniczego Ziemi... 16 III.

Bardziej szczegółowo

5. WNIOSKOWANIE PSYCHOMETRYCZNE

5. WNIOSKOWANIE PSYCHOMETRYCZNE 5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania

Bardziej szczegółowo

O CZYM MÓWI EFEKT STANDARDOWY?

O CZYM MÓWI EFEKT STANDARDOWY? EWA 67)(..(àyG( O CZYM MÓWI EFEKT STANDARDOWY? W prawozdaniu Centralnej Komiji Egzaminacyjnej Sprawdzian 004 zavwrvrzdqrzvnd(qln]zdq\hihnwhpvwdqgdugrz\pgodsruyzqdqldz\qlnyz uzykanych przez uczniów w gminach

Bardziej szczegółowo

WYKORZYSTANIE MODELU DIALOGICZNEGO OCENIANIA W KOMUNIKOWANIU WYNIKÓW EGZA0,18=(:1 75=1(*2

WYKORZYSTANIE MODELU DIALOGICZNEGO OCENIANIA W KOMUNIKOWANIU WYNIKÓW EGZA0,18=(:1 75=1(*2 KRZYSZTOF BEDNAREK CEZARY LEMPA 5HJLRQDOQ\2URGHN'RVNRQDOHQLD1DXF]\FLHOLÄ:20 Z.DWRZLFDFK WYKORZYSTANIE MODELU DIALOGICZNEGO OCENIANIA W KOMUNIKOWANIU WYNIKÓW EGZA0,18=(:1 75=1(*2 :5R]SRU]G]HQLX0LQLVWUD(GXNDFML1DURGRZHML

Bardziej szczegółowo

NA TROPACH NAUCZYCIELSKICH SYSTEMÓW.6=7$à&(1,$&=</,2&ENIANIE WIELOKRYTERIALNE NA PODSTAWIE ANALIZY WYNIKÓW SPRAWDZIANÓW Z MATEMATYKI

NA TROPACH NAUCZYCIELSKICH SYSTEMÓW.6=7$à&(1,$&=</,2&ENIANIE WIELOKRYTERIALNE NA PODSTAWIE ANALIZY WYNIKÓW SPRAWDZIANÓW Z MATEMATYKI E/)%,(7$JAWORSKA E/)%,(7$OSTAFIZUK Doradcy metodyczni m. st. Warszawy NA TROAH NAUZYIELSKIH SYSTEMÓW.6=7$à&(1,$&=

Bardziej szczegółowo

320,$580,(- 712&,PRZYRODNICZYCH 8&=1,Ï:6=.2à<32'67AWOWEJ =$3202&=$'$35$.TYCZNYCH

320,$580,(- 712&,PRZYRODNICZYCH 8&=1,Ï:6=.2à<32'67AWOWEJ =$3202&=$'$35$.TYCZNYCH IWONA MAJCHER 8QLZHUV\WHW*GDVNL 320,$580,(- 712&,PRZYRODNICZYCH 8&=1,Ï:6=.2à

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Ewolucyjna optymalizacja wielokryterialna

Ewolucyjna optymalizacja wielokryterialna Algorytmy genetyczne (seminarium) SURZDG]F\ GULQ*+DOLQD.ZDQLFND termin: URGD 15 13 00 data: 2000.05.10 autor: 0DUFLQ:FLXELDN nr ind. 82443 informatyka, semestr 6. Ewolucyjna optymalizacja wielokryterialna

Bardziej szczegółowo

Początki. Items Response Theory (IRT) [Teoria Odpowiedzi na Zadania Testowe] Lata 50 XX wieku równolegle wymyślili: psychometra Frederic M.

Początki. Items Response Theory (IRT) [Teoria Odpowiedzi na Zadania Testowe] Lata 50 XX wieku równolegle wymyślili: psychometra Frederic M. PAZUR 205 Items Response Theory (IRT) [Teoria Odpowiedzi na Zadania Testowe] dr Paweł Kleka Instytut Psychologii UAM 205.04.24 Początki Lata 50 XX wieku równolegle wymyślili: psychometra Frederic M. Lord

Bardziej szczegółowo

STACJE ELEKTROENERGETYCZNE

STACJE ELEKTROENERGETYCZNE :$/'(0$5'2à *$ STACJE ELEKTROENERGETYCZNE 2),&

Bardziej szczegółowo

Zapis stenograficzny (1653) 27. posiedzenie Komisji Spraw Unii Europejskiej w dniu 25 lutego 2005 r.

Zapis stenograficzny (1653) 27. posiedzenie Komisji Spraw Unii Europejskiej w dniu 25 lutego 2005 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1653) 27. posiedzenie Komisji Spraw Unii Europejskiej w dniu 25 lutego 2005 r. V kadencja Zapis stenograficzny jest tekstem nieautoryzowanym.

Bardziej szczegółowo

Psychometria PLAN NAJBLIŻSZYCH WYKŁADÓW. Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. TEN SLAJD JUŻ ZNAMY

Psychometria PLAN NAJBLIŻSZYCH WYKŁADÓW. Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. TEN SLAJD JUŻ ZNAMY definicja rzetelności błąd pomiaru: systematyczny i losowy Psychometria Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. rozkład X + błąd losowy rozkład X rozkład X + błąd systematyczny

Bardziej szczegółowo

Zapis stenograficzny (1537) 188. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 30 listopada 2004 r.

Zapis stenograficzny (1537) 188. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 30 listopada 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1537) 188. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 30 listopada 2004 r. V kadencja 3RU]GHN REUDG,QIRUPDFMD QD WHPDW SUREOHPX

Bardziej szczegółowo

KORELACJA WYNIKÓW POMIARÓW

KORELACJA WYNIKÓW POMIARÓW PIOTR MACIEJ S.2583,6., Warszawa KORELACJA WYNIKÓW POMIARÓW W 897 r. ZWRPLHUHQRPRZDQHJRSHULRG\NX]DáR*RQHJRZU Królewskiego Towarzystwa w Londynie (Royal Society of London) Karl Pearson (857 RNUHOLáNRUHODFMQDVWSXMFRPowLDGDVL*HGZDRUJDQ\XWHM

Bardziej szczegółowo

Zapis stenograficzny (1532) 187. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 25 listopada 2004 r.

Zapis stenograficzny (1532) 187. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 25 listopada 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1532) 187. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 25 listopada 2004 r. V kadencja 3RU]GHN REUDG 1. Rozpatrzenie ustawy

Bardziej szczegółowo

Założenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW

Założenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW Założenia do analizy wariancji dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Zagadnienia 1. Normalność rozkładu cechy Testy: chi-kwadrat zgodności, Shapiro-Wilka, Kołmogorowa-Smirnowa

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

ćwiczenia 30 zaliczenie z oceną

ćwiczenia 30 zaliczenie z oceną Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Krzysztof Fronczyk Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Stacjonarne

Bardziej szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami

Bardziej szczegółowo

Wielogrupowy Model IRT Analizy Symulacyjne

Wielogrupowy Model IRT Analizy Symulacyjne dr Artur Pokropek Instytut Badań Edukacyjnych Zespół EWD Regionalne i lokalne diagnozy edukacyjne Wielogrupowy Model IRT Analizy Symulacyjne Wstęp Każdy model statystyczny zawiera szereg założeń, niekiedy

Bardziej szczegółowo

Irena Zubel..V]WDáWRZDQLHVWUXNWXUSU]HVWU]HQQ\FK w krzemie PHWRGWUDZLHQLDDQL]RWURSRZHJR GR]DVWRVRZDZPLNURHOHNWUonice

Irena Zubel..V]WDáWRZDQLHVWUXNWXUSU]HVWU]HQQ\FK w krzemie PHWRGWUDZLHQLDDQL]RWURSRZHJR GR]DVWRVRZDZPLNURHOHNWUonice Irena Zubel.V]WDáWRZDQLHVWUXNWXUSU]HVWU]HQQ\FK w krzemie PHWRGWUDZLHQLDDQL]RWURSRZHJR GR]DVWRVRZDZPLNURHOHNWUonice Oficyna Wydawnicza Politechniki WURFáDZVNLHM WURFáDZ 2004 Recenzenci Keshra Sangwal Jerzy

Bardziej szczegółowo

ZADANIA ROZRYWAJĄCE W TESTACH. 1. Co to jest zadanie rozrywające?

ZADANIA ROZRYWAJĄCE W TESTACH. 1. Co to jest zadanie rozrywające? Ewa Stożek OKE Łódź ZADANIA ROZRYWAJĄCE W TESTACH Na podstawie analizy danych empirycznych ze sprawdzianu i roku wyodrębniono zadania odpowiedzialne za dwumodalność rozkładu wyników tych testów. Takie

Bardziej szczegółowo

ODWODNIENIA BUDOWLI KOMUNIKACYJNYCH

ODWODNIENIA BUDOWLI KOMUNIKACYJNYCH ZBIGNIEW SZLING, EMI/3$&=(1,$ ODWODNIENIA BUDOWLI KOMUNIKACYJNYCH :URFáDZ4 40 SU]HSá\Z PLDURGDMQ\ REOLF]D VL PHWRG SRUHGQL QD SRGVWDZLH QDMZLNV]HJR RSDGX GHV]F]X QDZDOQHJR R RNUHORQ\P F]DVLH MHJR WUZDQLD

Bardziej szczegółowo

Porównywalne między latami wyniki egzaminacyjne

Porównywalne między latami wyniki egzaminacyjne Porównywalne między latami wyniki egzaminacyjne ZESPÓŁ ANALIZ OSIĄGNIĘĆ UCZNIÓW Instytut Badań Edukacyjnych Plan prezentacji 1. Zrównywanie wyników egzaminacyjnych w innych krajach 2. Po co nam zrównywanie

Bardziej szczegółowo

Zadania rozrywające w testach

Zadania rozrywające w testach Ewa Stożek Okręgowa Komisja Egzaminacyjna w Łodzi Zadania rozrywające w testach Na podstawie analizy danych empirycznych ze sprawdzianu i roku wyodrębniono zadania odpowiedzialne za dwumodalność rozkładu

Bardziej szczegółowo

miary jakości zadania testowego ~ mi W ( możliwości

miary jakości zadania testowego ~ mi W ( możliwości Marek Kryniewski Zespół Szkół Energetycznych w Gdańsku Klasyczne i probabilistyczne miary jakości zadania testowego ~ mi W ( możliwości Omówienie klasycznej teorii testu Zalety klasycznej teorii testu

Bardziej szczegółowo

Porównywalne między latami wyniki sprawdzianu

Porównywalne między latami wyniki sprawdzianu Porównywalne między latami wyniki sprawdzianu ZESPÓŁ ANALIZ OSIĄGNIĘĆ UCZNIÓW Instytut Badań Edukacyjnych Plan prezentacji 1.Po co nam zrównywanie wyników pomiędzy latami? 2.W jaki sposób przeprowadzono

Bardziej szczegółowo

WYKORZYSTANIE PROBABILISTYCZNYCH MODELI ZADANIA TESTOWEGO DO ZRÓWNYWANIA WYNIKÓW SPRAWDZIANU I BUDOWANIA BANKU ZA'$

WYKORZYSTANIE PROBABILISTYCZNYCH MODELI ZADANIA TESTOWEGO DO ZRÓWNYWANIA WYNIKÓW SPRAWDZIANU I BUDOWANIA BANKU ZA'$ HENRYK SZALENIEC OKE Kraków WYKORZYSTANIE PROBABILISTYCZNYCH MODELI ZADANIA TESTOWEGO DO ZRÓWNYWANIA WYNIKÓW SPRAWDZIANU 2003 2005 I BUDOWANIA BANKU ZA'$ :VWS -HGQ\P]FHOyZZSURZDG]HQLDHJ]DPLQyZ]HZQWU]Q\FKE\áRRF]HNLZDQLH

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

INSTRUKCJA OBSŁUGI I INSTALOWANIA ZMYWARKI DO NACZYŃ MODEL: STX2C

INSTRUKCJA OBSŁUGI I INSTALOWANIA ZMYWARKI DO NACZYŃ MODEL: STX2C INSTRUKCJA OBSŁUGI I INSTALOWANIA ZMYWARKI DO NACZYŃ MODEL: STX2C Wyłączny Przedstawiciel na Polskę: DOM BANCO Sp. z o.o., al. Krakowska 5, 05-090 Raszyn k/warszawy Tel.: 0 22 720 11 99, fax: 0 22 720

Bardziej szczegółowo

Opis systemu. BillNet S.A. 1

Opis systemu. BillNet S.A. 1 Opis systemu BillNet S.A. 1 6SLVWUHFL 1. OPIS SYSTEMU BILLNET...3 1.1 U)

Bardziej szczegółowo

Analiza niepewności pomiarów

Analiza niepewności pomiarów Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej

Bardziej szczegółowo

Rozdział 14 Zastosowanie modelu Rascha na przykładzie testu inteligencji 1

Rozdział 14 Zastosowanie modelu Rascha na przykładzie testu inteligencji 1 Rozdział 14 Zastosowanie modelu Rascha na przykładzie testu inteligencji 1 Anna Hawrot, Instytut Badań Edukacyjnych Teoria odpowiedzi na pozycje testowe (item response theory, IRT) jest w Polsce niezbyt

Bardziej szczegółowo

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. laboratoria 30 zaliczenie z oceną

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. laboratoria 30 zaliczenie z oceną Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Stacjonarne

Bardziej szczegółowo

Work Extrinsic and Inrinsic Motivation Scale

Work Extrinsic and Inrinsic Motivation Scale Psychologia Spoeczna 2016 tom 11 3 (38) 339 355 Skala motywacji zewntrznej i wewntrznej do pracy Work Extrinsic and Inrinsic Motivation Scale Instytut Psychologii, Uniwersytet lski w Katowicach Work Extrinsic

Bardziej szczegółowo

KWIT WYWOZOWY/PODWOZOWY (KW)

KWIT WYWOZOWY/PODWOZOWY (KW) KWIT WYWOZOWY/PODWOZOWY (KW).ZLW Z\ZR]RZ\SRGZR]RZ\ MHVW GRNXPHQWHP VWDQRZLF\P SRGVWDZ SU]HPLHV]F]HQLD Z\URELRQ\FKLRGHEUDQ\FKPDWHULDáyZGU]HZQ\FKSU]\X*\FLXNRQQ\FKLPHFKDQLF]Q\FKURGNyw WUDQVSRUWRZ\FKDSRSRGSLVDQLXSU]H]RGELRUFVWDQRZLGRZyGGRVWDZ\RNUHORQHMZQLPPDV\

Bardziej szczegółowo

LABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej

LABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

laboratoria 24 zaliczenie z oceną

laboratoria 24 zaliczenie z oceną Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Niestacjonarne

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Zapis stenograficzny (1530) 162. posiedzenie.rplvml6dpru]gx7hu\wruldoqhjr i AdmiQLVWUDFML3DVWZRZHM w dniu 25 listopada 2004 r.

Zapis stenograficzny (1530) 162. posiedzenie.rplvml6dpru]gx7hu\wruldoqhjr i AdmiQLVWUDFML3DVWZRZHM w dniu 25 listopada 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1530) 162. posiedzenie.rplvml6dpru]gx7hu\wruldoqhjr i AdmiQLVWUDFML3DVWZRZHM w dniu 25 listopada 2004 r. V kadencja 3RU]GHN REUDG 5R]SDWU]HQLH

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Dziennik Ustaw Nr 152 10299 Poz. 1476 ROZPORZÑDZENIE MINISTRA FINANSÓW 1) z dnia 26 sierpnia 2003 r.

Dziennik Ustaw Nr 152 10299 Poz. 1476 ROZPORZÑDZENIE MINISTRA FINANSÓW 1) z dnia 26 sierpnia 2003 r. Dziennik Ustaw Nr 152 10299 Poz. 1476 1476 ROZPORZÑDZENIE MINISTRA FINANSÓW 1) z dnia 26 sierpnia 2003 r. w sprawie okreêlenia wzoru zg oszenia rejestracyjnego w zakresie podatku od towarów i us ug oraz

Bardziej szczegółowo

NOWY EGZAMIN MATURALNY W REPUBLICE CZESKIEJ

NOWY EGZAMIN MATURALNY W REPUBLICE CZESKIEJ IVANA R#ä.29È, JANA KOLÍNSKÁ, URŠULA DRAHNÁ ÚIV CERMAT Praga NOWY EGZAMIN MATURALNY W REPUBLICE CZESKIEJ 3UDFH QDG UHIRUP HJ]DPLQX PDWXUDOQHJR Z &]HFKDFK WUZDM RG U kiedy to po raz pierwszy przeprowadzono

Bardziej szczegółowo

Psychometria. Psychologia potoczna. Psychometria (z gr. psyche dusza, metria miara) Plan wykładów. Plan wykładów. Wprowadzenie w problematykę zajęć

Psychometria. Psychologia potoczna. Psychometria (z gr. psyche dusza, metria miara) Plan wykładów. Plan wykładów. Wprowadzenie w problematykę zajęć Psychometria Wprowadzenie w problematykę zajęć W 1 Psychologia potoczna potoczne przekonanie dotyczące natury ludzkiego zachowania wyrażające się w zdroworozsądkowych, intuicyjnych twierdzeniach. dr Łukasz

Bardziej szczegółowo

Kontekstowe wskaźniki efektywności nauczania - warsztaty

Kontekstowe wskaźniki efektywności nauczania - warsztaty Kontekstowe wskaźniki efektywności nauczania - warsztaty Przygotowała: Aleksandra Jasińska (a.jasinska@ibe.edu.pl) wykorzystując materiały Zespołu EWD Czy dobrze uczymy? Metody oceny efektywności nauczania

Bardziej szczegółowo

3URMHNWRZDQLHVFKHPDWyZ UHODF\MQ\FKED]GDQ\FK± 1RUPDOL]DFMD. =E\V]NR.UyOLNRZVNL ,QVW\WXW,QIRUPDW\NL3ROLWHFKQLNL3R]QDVNLHM 3R]QDXO3LRWURZR

3URMHNWRZDQLHVFKHPDWyZ UHODF\MQ\FKED]GDQ\FK± 1RUPDOL]DFMD. =E\V]NR.UyOLNRZVNL ,QVW\WXW,QIRUPDW\NL3ROLWHFKQLNL3R]QDVNLHM 3R]QDXO3LRWURZR 3URMHNWRZDQLHVFKHPDWyZ UHODF\MQ\FKED]GDQ\FK± 1RUPDOL]DFMD =E\V]NR.UyOLNRZVNL,QVW\WXW,QIRUPDW\NL3ROLWHFKQLNL3R]QDVNLHM 3R]QDXO3LRWURZR HPDLO=E\V]NR.UyOLNRZVNL#FVSXWSR]QDSO 1LHZáDFLZH]DSURMHNWRZDQLHVFKHPDWyZ

Bardziej szczegółowo

1 Estymacja przedziałowa

1 Estymacja przedziałowa 1 Estymacja przedziałowa 1. PRZEDZIAŁY UFNOŚCI DLA ŚREDNIEJ (a) MODEL I Badana cecha ma rozkład normalny N(µ, σ) o nieznanym parametrze µ i znanym σ. Przedział ufności: [ ( µ x u 1 α ) ( σn ; x + u 1 α

Bardziej szczegółowo

Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2

Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2 Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2 Dr hab. inż. Agnieszka Wyłomańska Faculty of Pure and Applied Mathematics Hugo Steinhaus Center Wrocław University of Science and

Bardziej szczegółowo

Monte Carlo, bootstrap, jacknife

Monte Carlo, bootstrap, jacknife Monte Carlo, bootstrap, jacknife Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej: http://www.ssc.wisc.edu/~bhansen/econometrics/ Monte Carlo: rozdział 8.8, 8.9 Bootstrap: rozdział

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Zastosowanie teorii odpowiadania na pozycje testowe (IRT) do tworzenia skróconych wersji testów i kwestionariuszy psychologicznych

Zastosowanie teorii odpowiadania na pozycje testowe (IRT) do tworzenia skróconych wersji testów i kwestionariuszy psychologicznych Uniwersytet im. A.Mickiewicza Wydział Nauk Społecznych Instytut Psychologii UAM Paweł Kleka Zastosowanie teorii odpowiadania na pozycje testowe (IRT) do tworzenia skróconych wersji testów i kwestionariuszy

Bardziej szczegółowo

ZAMIERZONE I NIEZAMIERZONE SKUTKI LEKCEWA)(1,$%à '8320,$58 1$35=<.àA'=,(0$785<=Ä- =<.A POLSKIEGO

ZAMIERZONE I NIEZAMIERZONE SKUTKI LEKCEWA)(1,$%à '8320,$58 1$35=<.àA'=,(0$785<=Ä- =<.A POLSKIEGO ROMAN SOKULSKI Olsztyn ZAMIERZONE I NIEZAMIERZONE SKUTKI LEKCEWA)(1,$%à '8320,$58 1$35=

Bardziej szczegółowo

5. Model sezonowości i autoregresji zmiennej prognozowanej

5. Model sezonowości i autoregresji zmiennej prognozowanej 5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =

Bardziej szczegółowo

Kognitywistyka II r. Terminy wykładów. Literatura - psychometria. Teorie inteligencji i sposoby jej pomiaru (1)

Kognitywistyka II r. Terminy wykładów. Literatura - psychometria. Teorie inteligencji i sposoby jej pomiaru (1) Kognitywistyka II r Teorie inteligencji i sposoby jej pomiaru (1) Terminy wykładów 13. 03. 2008 27. 03. 2008 03. 04. 2008 17. 04. 2008 24. 04. 2008 08. 05. 2008 15. 05. 2008 29. 05. 2008 05. 06. 2008 12.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

Wykład 12 ( ): Testy dla dwóch prób w rodzinie rozkładów normalnych

Wykład 12 ( ): Testy dla dwóch prób w rodzinie rozkładów normalnych Wykład 12 (21.05.07): Testy dla dwóch prób w rodzinie rozkładów normalnych Przykład Rozważamy dane wygenerowane losowo; ( podobne do danych z przykładu 7.2 z książki A. Łomnickiego) n 1 = 9 poletek w dąbrowie,

Bardziej szczegółowo

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA SPRAWOZDANIE. KOMISJI 867$:2'$:67:$,35$:25='12&, oraz KOMISJI SPRAW ZAGRANICZNYCH

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA SPRAWOZDANIE. KOMISJI 867$:2'$:67:$,35$:25='12&, oraz KOMISJI SPRAW ZAGRANICZNYCH SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 19 maja 2004 r. Druk nr 675 S SPRAWOZDANIE KOMISJI 867$:2'$:67:$,35$:25='12&, oraz KOMISJI SPRAW ZAGRANICZNYCH RSURMHNFLHXVWDZ\R]PLDQLHXVWDZ\RZVSyáSUDF\5DG\0LQLVWUyZ]6HMPHPL6HQDWHP

Bardziej szczegółowo

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora

Bardziej szczegółowo

Trafność testów egzaminacyjnych. Artur Pokropek, Tomasz Żółtak IFiS PAN

Trafność testów egzaminacyjnych. Artur Pokropek, Tomasz Żółtak IFiS PAN Trafność testów egzaminacyjnych Artur Pokropek, Tomasz Żółtak IFiS PAN Plan prezentacji EWD i trafność testów egzaminacyjnych Pięć postulatów trafności dla skal pomiarowych Wskaźniki egzaminacyjne a wyniki

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 2 1 / 20 MIARY ROZPROSZENIA, Wariancja Wariancją z próby losowej X

Bardziej szczegółowo

Inżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT

Inżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI Opracował: mgr inż. Przemysław Pardel v1.01 2010 Inżynieria oprogramowania Część 8: Metoda szacowania ryzyka - PERT ZAGADNIENIA DO ZREALIZOWANIA (3H) PERT...

Bardziej szczegółowo

ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ

ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ Dopasowanie rozkładów Dopasowanie rozkładów- ogólny cel Porównanie średnich dwóch zmiennych 2 zmienne posiadają rozkład normalny -> test parametryczny (t- studenta) 2

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

Metacognitive Awarness Inventory. Kwestionariusz metapoznania The Metacognitive Questionnaire

Metacognitive Awarness Inventory. Kwestionariusz metapoznania The Metacognitive Questionnaire Psychologia Spo eczna 2016 tom 11 4 (39) strony 509 526 Instytut Psychologii, Uniwersytet Gda ski metapoznawcze Ja odchylenia od racjonalno ci narz dzie do pomiaru MJ MJ-24 Metacognitive Awarness Inventory

Bardziej szczegółowo

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:

Bardziej szczegółowo

Zastosowanie analizy rozkładu punktów (Point Pattern Analisys) w badaniach osadniczych. Jarosław Jasiewicz Iwona Holdebrandt-Radke

Zastosowanie analizy rozkładu punktów (Point Pattern Analisys) w badaniach osadniczych. Jarosław Jasiewicz Iwona Holdebrandt-Radke Zastosowanie analizy rozkładu punktów (Point Pattern Analisys) w badaniach osadniczych Jarosław Jasiewicz Iwona Holdebrandt-Radke Typy rozkładu punktów regularny losowy skupiony regularny: efekt świadomego

Bardziej szczegółowo

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

8&+:$à$15;;;,,, RADY MIASTA TYCHY z dnia 31 marca 2005 r.

8&+:$à$15;;;,,, RADY MIASTA TYCHY z dnia 31 marca 2005 r. 8&+:$à$15;;;,,, RADY MIASTA TYCHY z dnia 31 marca 2005 r. ZVSUDZLHSU]\MFLDUHJXODPLQXXG]LHODQLDSRPRF\PDWHULDOQHMRFKDUDNWHU]H VRFMDOQ\PGODXF]QLyZ]DPLHV]NDá\FKQDWHUHQLH0LDVWD7\FK\ Na postawie art. 18 ust.2

Bardziej szczegółowo

Wykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym

Wykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym Wykład 3 Testowanie hipotez statystycznych o wartości średniej i wariancji z populacji o rozkładzie normalnym Wrocław, 08.03.2017r Model 1 Testowanie hipotez dla średniej w rozkładzie normalnym ze znaną

Bardziej szczegółowo

0HWRG\HNVSORUDFMLGRVWSQHZ2UDFOHi Data Mining

0HWRG\HNVSORUDFMLGRVWSQHZ2UDFOHi Data Mining Ä,QWHJUDFMDWHFKQLNHNVSORUDFMLGDQ\FK]V\VWHPHP]DU]G]DQLDED]GDQ\FKQDSU]\NáDG]LH2UDFOHL'DWD0LQLQJ 37 Wprowadzenie (NVSORUDFMDGDQ\FK]ZDQDWDN*HRGNU\ZDQLHPZLHG]\ZED]DFKGDQ\FKdata mining, knowledge discovery in

Bardziej szczegółowo

Estymacja parametrów rozkładu cechy

Estymacja parametrów rozkładu cechy Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Wykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji

Wykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 4/18/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.4.48 WIESŁAWA MALSKA Wykorzystanie testu Levene a i testu Browna-Forsythe

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss

Bardziej szczegółowo

Testy dla dwóch prób w rodzinie rozkładów normalnych

Testy dla dwóch prób w rodzinie rozkładów normalnych Testy dla dwóch prób w rodzinie rozkładów normalnych dr Mariusz Grządziel Wykład 12; 18 maja 2009 Przykład Rozważamy dane wygenerowane losowo; ( podobne do danych z przykładu 7.2 z książki A. Łomnickiego)

Bardziej szczegółowo

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści

Bardziej szczegółowo

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych

Bardziej szczegółowo

Porównywalne między latami wyniki egzaminacyjne

Porównywalne między latami wyniki egzaminacyjne Porównywalne między latami wyniki egzaminacyjne ZESPÓŁ ANALIZ OSIĄGNIĘĆ UCZNIÓW Instytut Badań Edukacyjnych Henryk Szaleniec, Bartosz Kondratek Plan prezentacji 1.Po co nam zrównywanie wyników pomiędzy

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych 9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :

Bardziej szczegółowo

3ODQZ\QLNRZ\]SURMHNWX.20387(52:(232:,(&,NODV\,9±9,V]NRá\SRGVWDZRZHM. 1 3.RPSXWHUQDU]G]LHP pracy

3ODQZ\QLNRZ\]SURMHNWX.20387(52:(232:,(&,NODV\,9±9,V]NRá\SRGVWDZRZHM. 1 3.RPSXWHUQDU]G]LHP pracy PLAN WYNIKOWY QDXF]DQLDLQIRUPDW\NLZNODVDFK,9±9,V]NRá\SRGVWDZRZHM RSUDFRZDQ\QDSRGVWDZLHSURJUDPXHGXNDFMLLQIRUPDW\F]QHM.20387(52:(232:,(&,'.26 RUD]SRGUFzQLND.20387(52:(232:,(&,GODVWDUV]\FKNODVV]NRá\SRGVWDZRZHM

Bardziej szczegółowo