Statystyka. Wykład 10. Magdalena Alama-Bućko. 15 maja Magdalena Alama-Bućko Statystyka 15 maja / 32

Wielkość: px
Rozpocząć pokaz od strony:

Download "Statystyka. Wykład 10. Magdalena Alama-Bućko. 15 maja Magdalena Alama-Bućko Statystyka 15 maja / 32"

Transkrypt

1 Statystyka Wykład 10 Magdalena Alama-Bućko 15 maja 2017 Magdalena Alama-Bućko Statystyka 15 maja / 32

2 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary zmienności miary asymetrii miary koncentracji. Analiza współzależności zjawisk. Analiza dynamiki zjawisk. Magdalena Alama-Bućko Statystyka 15 maja / 32

3 Za pomoca analizy struktury zbiorowości opisywaliśmy pojedyncze cechy (różne miary dla pojedynczych cech). Za pomoca analizy współzależności zjawisk badaliśmy i opisywaliśmy zależność między dwiema cechami. Za pomoca analizy dynamiki zjawisk możemy zbadać zmiany poziomu (tzn. wzrosty/spadki) badanego zjawiska w czasie. Magdalena Alama-Bućko Statystyka 15 maja / 32

4 Analiza dynamiki zjawisk (zagadnienia do omówienia): metody indeksowe wskaźniki natężenia i struktury, przyrosty absolutne i względne indywidualne indeksy dynamiki agregatowe indeksy dynamiki: wartości, ilości i cen dekompozycja szeregu czasowego Magdalena Alama-Bućko Statystyka 15 maja / 32

5 Szereg dynamiczny (czasowy) - ciag wartości badanego zjawiska obserwowanego w kolejnych jednostkach czasu zmienna niezależna : czas t zmienna zależna : X, Y,... y t oznacza wartość zjawiska Y w czasie t jak często można dokonywać odczytu wartości zjawiska? rok, półrocze, kwartał, miesiac, dekada, tydzień, dzień, godzina.. najczęściej przez y t oznaczamy poziom zjawiska w t-tym momencie pomiarowym jeśli mamy n wyróżnionych momentów pomiarowych: 1, 2,..., n to kolejne wartości pomiarów oznaczamy: y 1, y 2, y 3,..., y n. Magdalena Alama-Bućko Statystyka 15 maja / 32

6 Momenty a okresy pomiarowe moment to określony dzień w roku, w miesiacu itp.w którym badamy poziom danego zjawiska (czyli stan na ten określony "moment") liczba ludności na dzień 31 XII liczba samochodów osobowych zarejestrowanych według stanu na dzień 31XII w latach okres to pewien odcinek czasu, w którym wyznaczamy łaczn a wartość badanego zjawiska, wartość sprzedaży w kwartałach danego roku liczba urodzeń w kolejnych miesiacach roku 2016 liczba samochodów osobowych wyprodukowanych rocznie w latach Magdalena Alama-Bućko Statystyka 15 maja / 32

7 Ze względu na przedziały czasowe, jakich dotycza odczyty danej wartości cechy wyróżniamy następujace rodzaje szeregów czasowych: szeregi czasowe momentów: dla zjawisk które zmieniaja się wolno; wartości w pewnych określonych momentach stan na dany dzień lub dana godzinę np. liczba ludności na dany dzień szeregi czasowe okresów zawieraja informację o rozmiarach zjawiska w pewnych okresach czasowych np. miesiac, kwartał, półrocze, rok np. wielkość produkcji, sprzedaży w kolejnych miesiacach Magdalena Alama-Bućko Statystyka 15 maja / 32

8 Przykład 1 Liczba statków do przewozu ładunków stałych w latach (stan na 31 XII) [szt]: Liczba statków szereg czasowy momentów Magdalena Alama-Bućko Statystyka 15 maja / 32

9 Przykład 2 Liczba zgonów z powodu nowotworów w powiatach bydgoskim i toruńskim w latach : powiat bydgoski powiat toruński szereg czasowy okresów (okres=rok) Magdalena Alama-Bućko Statystyka 15 maja / 32

10 Przykład 3 Średnie ceny skupu pszenicy za 1dt w latach w województwie kujawsko-pomorskim: rok cena w zł , , , , , , , , , , , , , , , , ,16 1 decytona [dt] = 0,1 tony [t] = 1 kwintal = 100 kg Magdalena Alama-Bućko Statystyka 15 maja / 32

11 Średni poziom zjawiska y 1, y 2,..., y n - poziom badanego zjawiska w kolejnych momentach (okresach) Dla szeregów czasowych momentów: wyliczamy za pomoca tzw. średniej chronologicznej, tzn. y ch = 1 ( y1 + y 2 n 1 2 = 1 n 1 + y 2 + y y ) n 1 + y n 2 ) ( 1 2 y 1 + y 2 + y y n y n Dla szeregów czasowych okresów: wyliczamy za pomoca średniej arytmetycznej, o ile tylko długości okresów pomiarów sa takie same y = 1 n y i. n Magdalena Alama-Bućko Statystyka 15 maja / 32 i=1

12 Przykład 1 Liczba statków do przewozu ładunków stałych w latach : Liczba statków szereg dynamiczny momentów n = 6 y ch = 1 ( 1 n 1 2 y 1 + y 2 + y y n ) 2 y n y 1 = 91 (wartość w 1-szym badanym momencie czyli 31XII 2011) y 2 = 93 (wartość w 2-gim badanym momencie czyli 31XII 2012)... y ch = 1 5 ( ) 2 75 = 85, 6 Magdalena Alama-Bućko Statystyka 15 maja / 32

13 Przykład 2 Liczba zgonów z powodu nowotworów w powiatach bydgoskim i toruńskim w latach : powiat bydgoski powiat toruński szereg dynamiczny okresów dla równych okresów pomiarowych stosujemy wzór : y = 1 n y i. n dla powiatu bydgoskiego : x = 1 n x i = 1 ( ) = 231. n 9 i=1 dla powiatu toruńskiego : y = 1 n y i = 1 ( ) = 219, n 9 i=1 Magdalena Alama-Bućko Statystyka 15 maja / 32 i=1

14 Wnioskowanie na podstawie szeregów czasowych jest możliwe wtedy, gdy poszczególne wyrazy szeregu albo szeregów spełniaja warunki: sa wyrażone w tych samych jednostkach miar w szeregach okresów: przedziały czasowe powinny być jednakowe tzn. ta sama liczba dni określa każdy kwartał, rok, itp. dane zjawiska dotycza tego samego obszaru terytorialnego tzn. w międzyczasie nie następiła zmiana granic państwa, województwa itp. Uwaga Można porównywać z soba dwa szeregi czasowe okresów (momentów), o ile dotycza tych samych okresów (momentów). Magdalena Alama-Bućko Statystyka 15 maja / 32

15 Ponieważ miesiace maja różne liczby dni, to w zwiazku z tym liczba dni w kwartałach jak i latach moga się między soba różnić. Wzór na sprowadzenie wartości badanego zjawiska do okresów porównywanych (tzn. o tej samej liczbie dni): gdzie y t0 = y t t 0 z y t wielkość zjawiska w okresie t (obserwowana) y t0 wielkość zjawiska przy założeniu, że wszystkie jednostki czasu sa jednakowej długości t 0 liczba dni "standardowych" (np. "standardowy" miesiac to 30 dni, rok to 365 dni) z liczba dni w danym (obserwowanym) okresie czasu Magdalena Alama-Bućko Statystyka 15 maja / 32

16 Zatem jeśli jakieś zjawisko zostało zbadane dla miesiaca 30 dniowego to wartość odpowiednia do porównań 31 dniowego to wartość należy proporcjonalnie "zmniejszyć" 28 dniowego to wartość należy proporcjonalnie "zwiększyć" Przykład Jeżeli pomiar nastapił w miesiacu o 31 dniach, to y t0 = y t 30 31, a jeżeli pomiar nastapił w miesiacu o 28 dniach, to y t0 = y t Oczywiście jeśli pomiar następił w miesiacu o 30 dniach, to y t0 = y t = y t Magdalena Alama-Bućko Statystyka 15 maja / 32

17 Przykład 4 źródło: KGP, BIURO RUCHU DROGOWEGO, "Wypadki drogowe w Polsce w 2016 roku" str.11 Bezpośrednio nie powinno porównywać się z soba różnych miesięcy, bo miesiace moga mieć różna liczbę dni (a tutaj każdy dzień to w zależności od miesiaca około wypadków) Miesiac Wypadki liczba dni Proporcjonalna [szt] w miesiacu liczba wypadków Styczeń (1) = 1966 (1) 31 Luty (3) = 2197 (3) 29 Marzec (2) = 2030 (2) 31 Kwiecień (4) (4) Maj (8) = 3027 (8) 31 Czerwiec (10) (11) Lipiec (11) = 3202 (10) 31 Sierpień (12) = 3259 (12) 31 Wrzesień (9) (9) Październik (7) = 2983 (7) 31 Listopad (5) (5) Grudzień (6) = (6) Magdalena Alama-Bućko Statystyka 15 maja / 32

18 Uwagi do tabelki w kolumnach drugiej i czwartej wyniki zostały uporzadkowane ( tzn. ponumerowane) od najmniejszej do największej po przeliczeniu w miesiacach o liczbie dni różnej od 30 proporcjonalnej liczby wypadków przypadajacej na okres 30 dni swoja kolejność zmieniły tylko czerwiec i lipiec (zamieniły się miejscami) stosunkowo duża różnica wartości pomiędzy poszczególnymi miesiacami przeliczenie niewiele zmieniło jeżeli wyniki w poszczególnych miesiacach byłyby bardziej zbliżone, każdy dzień odgrywałby istotna rolę w porównywaniu miesięcy z soba. Magdalena Alama-Bućko Statystyka 15 maja / 32

19 Przyrosty absolutne Dwie liczby a i b można z soba porównywać za pomoca ich odejmowania (w jednostkach danej cechy) b a albo dzielenia b a. Magdalena Alama-Bućko Statystyka 15 maja / 32

20 Przyrosty absolutne: pomiary danego zjawiska w dwóch momentach porównujemy z soba za pomoca ich odejmowania. Zatem jeśli przyrost ma dodatni znak, to nastapił wzrost wartości zjawiska ujemny znak, to nastapił spadek wartości danego zjawiska. Przyrosty absolutne sa wartościami mianowanymi wyrażonymi w jednostkach, w jakich wyrażona jest dana cecha. W zależności od wartości zjawiska do którego odnosimy pozostałe pomiary ( czyli punktu odniesienia) wyróżniamy następujace rodzaje przyrostów absolutnych: przyrosty absolutne o podstawie stałej przyrosty absolutne o podstawie zmiennej (łańcuchowej) Przyrosty absolutne oznaczamy: y t/s = y t y s Magdalena Alama-Bućko Statystyka 15 maja / 32

21 Przyrosty absolutne o podstawie stałej : to przyrost danego zjawiska w dowolnym momencie względem jednego określonego okresu (momentu) (np. do pewnego zerowego pomiaru y 0 ). y t/0 = y t y 0 : o ile różni się wartość cechy w momencie t względem wartości w pewnym momencie "zerowym" y 1/0 = y 1 y 0, y 2/0 = y 2 y 0,... y n 1/0 = y n 1 y 0, y n/0 = y n y 0. Magdalena Alama-Bućko Statystyka 15 maja / 32

22 Przyrosty absolutne o podstawie zmiennej (łańcuchowej): to przyrost danego zjawiska w dowolnym momencie względem okresu (momentu) stale zmieniajacego się (np. do pomiaru poprzedniego) y t/t 1 = y t y t 1 o ile różni się wartość cechy w momencie t względem wartości w poprzednim momencie, czyli t 1. zmiana miesiac do miesiaca, rok do roku,... y 2/1 = y 2 y 1, y 3/2 = y 3 y 2,... y n 1/n 2 = y n 1 y n 2, y n/n 1 = y n y n 1 Magdalena Alama-Bućko Statystyka 15 maja / 32

23 Przyrosty względne Przyrost względny to iloraz przyrostu absolutnego (o podstawie stałej albo zmiennej) do jego poziomu w okresie (momencie) przyjętym za podstawę porównań, czyli y t/s y s = y t y s y s. przyrosty względne nazywane sa również wskaźnikami tempa wzrostu Magdalena Alama-Bućko Statystyka 15 maja / 32

24 przyrosty względne jednopodstawowe : czyli: y 1/0 y 0 = y 1 y 0 y 0, y t/0 y 0 = y t y 0 y 0 = y t y 0 1, y 2/0 y 0 = y 2 y 0 y 0,..., y n/0 y 0 = y n y 0 y 0. przyrosty względne łańcuchowe: czyli : y t/t 1 y t 1 = y t y t 1 y t 1 = y t y t 1 1, y 2,1 y 1 = y 2 y 1 y 1, y 3,2 y 2 = y 3 y 2 y 2,..., y n,n 1 y n 1 = y n y n 1 y n 1 Magdalena Alama-Bućko Statystyka 15 maja / 32

25 Przyrosty względne: można wyrazić w procentach, np. y t y 0 y 0 100% = ( y t y 0 1) 100% informuja, o ile niższy albo wyższy jest poziom badanego zjawiska w danym okresie w stosunku do okresu porównanawczego do pewnego określonego stałego okresu (dla przyrostów stałych) do okresu poprzedzajacego (dla przyrostów łańcuchowych) moga być dodatnie, ujemne albo mieć wartość zero > 0 gdy wzrost poziomu zjawiska względem okresu porównawczego < 0 gdy spadek poziomu zjawiska względem okresu porównawczego = 0 gdy brak zmiany zjawiska Magdalena Alama-Bućko Statystyka 15 maja / 32

26 Przykład 1 : Liczba statków do przewozu ładunków stałych w latach Liczba statków lata liczba przyrosty absolutne przyrosty względne sztuk jednopod- łańcuchowe jednopod- łańcuchowe stawowe (2011) stawowe (2011) , , 022 0, , 033 0, , 077 0, , 121 0, , 176 0, 063 Magdalena Alama-Bućko Statystyka 15 maja / 32

27 lata liczba przyrosty absolutne przyrosty względne sztuk jednopodstawowe jednopodstawowe , , , , , , 176 tylko w roku 2012 nastapił wzrost liczby statków w stosunku do roku 2011 : o 2 sztuki co stanowi wzrost 2, 2% w latach następował spadek liczby statków w stosunku do roku 2011 największy spadek liczby statków w stosunku do roku 2011 nastapił w roku 2016 i w stosunku do 2011 roku był to spadek o 17, 6% Magdalena Alama-Bućko Statystyka 15 maja / 32

28 lata liczba przyrosty absolutne przyrosty względne sztuk łańcuchowe łańcuchowe , , , , , 063 Jeżeli za podstawę porównań przyjmujemy stan z roku poprzedniego, to : tylko w roku 2012 nastapił wzrost liczby statków w stosunku do roku 2011 : o 2 sztuki co stanowi wzrost o 2, 2% w latach następował spadek liczby statków w stosunku do roku poprzedniego (porównywalna wartość spadku) największy spadek do roku poprzedniego (procentowy) miał miejsce w roku 2016 i wynosił 6, 3% Magdalena Alama-Bućko Statystyka 15 maja / 32

29 Przykład 2 Liczba zgonów z powodu nowotworów w powiatach bydgoskim i toruńskim w latach : powiat bydgoski powiat toruński Powiat bydgoski lata liczba przyrosty absolutne przyrosty względne zgonów jednopod- łańcuchowe jednopod- łańcuchowe stawowe (2007) stawowe (2007) , ,055 0, , 051 0, , 055 0, , 130 0, , 032 0, , 074 0, , 148 0, , 079 0, 060 Magdalena Alama-Bućko Statystyka 15 maja / 32

30 Powiat bydgoski lata liczba przyrosty absolutne przyrosty względne zgonów jednopod- jednopodstawowe (2007) stawowe (2007) , , , , , , , , , 079 w latach nastapiła większa niż w 2007 liczba zgonów największy wzrost liczby zgonów względem roku 2007 wyniósł 32 i nastapił w roku 2014 (co stanowi wzrost o 14, 8%) najmniejszy wzrost liczby zgonów względem roku 2007 wyniósł 7 i nastapił w roku 2012 (co stanowi wzrost tylko o 3, 2%) Magdalena Alama-Bućko Statystyka 15 maja / 32

31 Powiat bydgoski lata liczba przyrosty absolutne przyrosty względne zgonów łańcuchowe łańcuchowe , , , , , , , , 060 największy wzrost względem roku poprzedniego wyniósł 16 przypadków i nastapił w roku 2011 (co stanowi wzrost o 7%) i w roku 2014 ( wzrost o 6, 9%) największy spadek liczby zgonów względem roku poprzedniego wyniósł 21 przypadków i nastapił w roku 2012 (co oznaczało spadek o 8, 6%) Magdalena Alama-Bućko Statystyka 15 maja / 32

32 Dziękuję za uwagę! Magdalena Alama-Bućko Statystyka 15 maja / 32

Statystyka. Wykład 11. Magdalena Alama-Bućko. 21 maja Magdalena Alama-Bućko Statystyka 21 maja / 31

Statystyka. Wykład 11. Magdalena Alama-Bućko. 21 maja Magdalena Alama-Bućko Statystyka 21 maja / 31 Statystyka Wykład 11 Magdalena Alama-Bućko 21 maja 2018 Magdalena Alama-Bućko Statystyka 21 maja 2018 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary

Bardziej szczegółowo

Statystyka. Wykład 10. Magdalena Alama-Bućko. 14 maja Magdalena Alama-Bućko Statystyka 14 maja / 31

Statystyka. Wykład 10. Magdalena Alama-Bućko. 14 maja Magdalena Alama-Bućko Statystyka 14 maja / 31 Statystyka Wykład 10 Magdalena Alama-Bućko 14 maja 2018 Magdalena Alama-Bućko Statystyka 14 maja 2018 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary

Bardziej szczegółowo

Statystyka. Wykład 11. Magdalena Alama-Bućko. 22 maja Magdalena Alama-Bućko Statystyka 22 maja / 41

Statystyka. Wykład 11. Magdalena Alama-Bućko. 22 maja Magdalena Alama-Bućko Statystyka 22 maja / 41 Statystyka Wykład 11 Magdalena Alama-Bućko 22 maja 2017 Magdalena Alama-Bućko Statystyka 22 maja 2017 1 / 41 Analiza dynamiki zjawisk badamy zmiany poziomu (tzn. wzrosty/spadki) badanego zjawiska w czasie.

Bardziej szczegółowo

Statystyka. Wykład 12. Magdalena Alama-Bućko. 29 maja Magdalena Alama-Bućko Statystyka 29 maja / 47

Statystyka. Wykład 12. Magdalena Alama-Bućko. 29 maja Magdalena Alama-Bućko Statystyka 29 maja / 47 Statystyka Wykład 12 Magdalena Alama-Bućko 29 maja 2017 Magdalena Alama-Bućko Statystyka 29 maja 2017 1 / 47 Analiza dynamiki zjawisk badamy zmiany poziomu (tzn. wzrosty/spadki) badanego zjawiska w czasie.

Bardziej szczegółowo

Statystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38

Statystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38 Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33 Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,

Bardziej szczegółowo

Analiza szeregów czasowych

Analiza szeregów czasowych Statystyka Wykład 5. Analiza szeregów czasowych michal.trzesiok@ue.katowice.pl Uniwersytet Ekonomiczny w Katowicach Katedra Analiz Gospodarczych i Finansowych 9 listopada 2015 r. Plan Szeregi czasowe wprowadzenie

Bardziej szczegółowo

Statystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35

Statystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35 Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28 Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym

Bardziej szczegółowo

Analiza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018

Analiza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018 STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie szeregów czasowych i ich składowych SZEREGIEM CZASOWYM nazywamy tablicę, która zawiera ciag wartości cechy uporzadkowanych

Bardziej szczegółowo

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31 Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34 Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Statystyka. Wykład 7. Magdalena Alama-Bućko. 3 kwietnia Magdalena Alama-Bućko Statystyka 3 kwietnia / 36

Statystyka. Wykład 7. Magdalena Alama-Bućko. 3 kwietnia Magdalena Alama-Bućko Statystyka 3 kwietnia / 36 Statystyka Wykład 7 Magdalena Alama-Bućko 3 kwietnia 2017 Magdalena Alama-Bućko Statystyka 3 kwietnia 2017 1 / 36 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Analiza współzależności zjawisk

Analiza współzależności zjawisk Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41 Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna

Bardziej szczegółowo

Statystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26

Statystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26 Statystyka Wykład 5 Magdalena Alama-Bućko 20 marca 2017 Magdalena Alama-Bućko Statystyka 20 marca 2017 1 / 26 Koncentracja Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności

Bardziej szczegółowo

Statystyka. Wykład 1. Magdalena Alama-Bućko. 26 lutego Magdalena Alama-Bućko Statystyka 26 lutego / 34

Statystyka. Wykład 1. Magdalena Alama-Bućko. 26 lutego Magdalena Alama-Bućko Statystyka 26 lutego / 34 Statystyka Wykład 1 Magdalena Alama-Bućko 26 lutego 2018 Magdalena Alama-Bućko Statystyka 26 lutego 2018 1 / 34 Wykład : 30h Laboratoria : 30h egzamin w sesji letniej (po uprzednim zaliczeniu ćwiczeń)

Bardziej szczegółowo

Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy

Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne

Bardziej szczegółowo

Analiza Zmian w czasie

Analiza Zmian w czasie Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Zmian w czasie Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka

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

Statystyka. Wykład 6. Magdalena Alama-Bućko. 9 kwietnia Magdalena Alama-Bućko Statystyka 9 kwietnia / 36

Statystyka. Wykład 6. Magdalena Alama-Bućko. 9 kwietnia Magdalena Alama-Bućko Statystyka 9 kwietnia / 36 Statystyka Wykład 6 Magdalena Alama-Bućko 9 kwietnia 2018 Magdalena Alama-Bućko Statystyka 9 kwietnia 2018 1 / 36 Krzywa koncentracji Lorenza w ekonometrii, ekologii, geografii ludności itp. koncentrację

Bardziej szczegółowo

Analiza dynamiki. Sesja Cena akcji 1 42,9 2 41, ,5 5 41, , ,5

Analiza dynamiki. Sesja Cena akcji 1 42,9 2 41, ,5 5 41, , ,5 Analiza dynamiki Zadanie 1 Dynamikę produkcji samochodów osobowych przez pewną fabrykę w latach 2007-2013 opisuje następujący ciąg indeksów łańcuchowych: 1,1; 1,2; 1,3; 1,4; 0,8; 0,9. a) Jak zmieniała

Bardziej szczegółowo

Statystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40

Statystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40 Statystyka Wykład 9 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka 7 maja 2018 1 / 40 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary

Bardziej szczegółowo

Statystyka. Wykład 1. Magdalena Alama-Bućko. 20 lutego Magdalena Alama-Bućko Statystyka 20 lutego / 19

Statystyka. Wykład 1. Magdalena Alama-Bućko. 20 lutego Magdalena Alama-Bućko Statystyka 20 lutego / 19 Statystyka Wykład 1 Magdalena Alama-Bućko 20 lutego 2017 Magdalena Alama-Bućko Statystyka 20 lutego 2017 1 / 19 Wykład : 30h Laboratoria : 30h (grupa B : 14:00, grupa C : 10:30, grupa E : 12:15) obowiazek

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ANALIZA SZEREGÓW CZASOWYCH I INDEKSY STATYSTYCZNE INDEKSY STATYSTYCZNE Absolutny przyrost t = y t y t 1 Względny przyrost δ t = t y t Indeks indywidualny jednopodstawowy

Bardziej szczegółowo

Statystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36

Statystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36 Statystyka Wykład 13 Magdalena Alama-Bućko 18 czerwca 2018 Magdalena Alama-Bućko Statystyka 18 czerwca 2018 1 / 36 Agregatowy (zespołowy) indeks wartości określonego zespołu produktów np. jak zmianiała

Bardziej szczegółowo

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr

Bardziej szczegółowo

Statystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40

Statystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40 Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy

Bardziej szczegółowo

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30 Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na

Bardziej szczegółowo

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34 Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/

Bardziej szczegółowo

Statystyka opisowa. Wykład I. Elementy statystyki opisowej

Statystyka opisowa. Wykład I. Elementy statystyki opisowej Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o

Bardziej szczegółowo

Statystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39

Statystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39 Statystyka Wykład 2 Magdalena Alama-Bućko 27 lutego 2017 Magdalena Alama-Bućko Statystyka 27 lutego 2017 1 / 39 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: https://bdl.stat.gov.pl/

Bardziej szczegółowo

Agata Boratyńska. WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne.

Agata Boratyńska. WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne. 1 Agata Boratyńska WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne. Agata Boratyńska Wykłady ze statystyki 2 Literatura J. Koronacki i J. Mielniczuk Statystyka WNT 2004

Bardziej szczegółowo

Wykład 4: Statystyki opisowe (część 1)

Wykład 4: Statystyki opisowe (część 1) Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można

Bardziej szczegółowo

Analiza współzależności dwóch cech I

Analiza współzależności dwóch cech I Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Wskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii

Wskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii Miary asymetrii Miary asymetrii (skośności) określają kierunek rozkładu cech zmiennych w zbiorowości (rozkład może być symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopień odchylenia

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

ORGANIZATOR SPORTU DZIECI I MŁODZIEŻY W ŚRODOWISKU WIEJSKIM

ORGANIZATOR SPORTU DZIECI I MŁODZIEŻY W ŚRODOWISKU WIEJSKIM Imię i nazwisko PLAN ZADAŃ NA MIESIĄC styczeń 2015 1. Zorganizowanie imprez (podać planowany termin, miejsce, liczbę osób) 2. Prowadzenie zajęć pozalekcyjnych, treningów dla dzieci i młodzieży 3. Współpraca

Bardziej szczegółowo

Parametry statystyczne

Parametry statystyczne I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n

Bardziej szczegółowo

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu

Bardziej szczegółowo

2017 r. STOPA BEZROBOCIA r. STOPA BEZROBOCIA

2017 r. STOPA BEZROBOCIA r. STOPA BEZROBOCIA 2017 r. STOPA BEZROBOCIA GUS dokonał korekty stopy bezrobocia za okres od grudnia 2016 r. do sierpnia 2017 r., wynikającej na podstawie badań prowadzonych przez przedsiębiorstwa według stanu na 31 grudnia

Bardziej szczegółowo

STATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP

STATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 12 listopada 2017 1 Analiza współzależności dwóch cech 2 Jednostka zbiorowości - para (X,Y ). Przy badaniu korelacji nie ma znaczenia, która

Bardziej szczegółowo

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji SZEREG CZASOWY Y zjawisko badane w różnch okresach lub momentach czasu. Dnamika zjawiska to zmiana zjawiska w czasie. Przkład. Y średni kurs akcji firm OPTMUS na giełdzie Okres: notowania od 1.03.2010

Bardziej szczegółowo

ODCZYT STANU WODY NA RZECE DRWĘCY mierzone dla posterunku Nowe Miasto Lubawskie

ODCZYT STANU WODY NA RZECE DRWĘCY mierzone dla posterunku Nowe Miasto Lubawskie 598 3 grudnia 2010r. - 239 597 2 grudzień 2010r. - 236 596 1 grudzień 2010r. - 238 595 30 listopad 2010r. - 242 594 29 listopad 2010t. - 265 593 28 listopad 2010r. - 256 592 27 listopad 2010r. - 251 591

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin. Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów: Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

Rok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -

Rok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: - Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I

Bardziej szczegółowo

Statystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA

Statystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:

Bardziej szczegółowo

Analiza Współzależności

Analiza Współzależności Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Współzależności Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka

Bardziej szczegółowo

Wymiar czasu pracy w kwartałach 2018r. pełny etat

Wymiar czasu pracy w kwartałach 2018r. pełny etat Informacja o ze w 2018r. Warszawski Uniwersytet Medyczny poszczególnych ów etatów Zgodnie z Instrukcją w sprawie zasad ewidencjonowania i rozliczania (załącznik nr 1 do Zarządzenia Kanclerza nr 380/2013

Bardziej szczegółowo

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,

Bardziej szczegółowo

Miary asymetrii STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018

Miary asymetrii STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018 STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 6 marca 2018 1 pozwalaja określić, czy jednostki zbiorowości maja tendencje do skupiania się przy niskich wartościach cechy (tzw. asymetria

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 429 EKONOMICZNE PROBLEMY TURYSTYKI NR 7 2006 RAFAŁ CZYŻYCKI, MARCIN HUNDERT, RAFAŁ KLÓSKA STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004

Bardziej szczegółowo

Wykład 5: Statystyki opisowe (część 2)

Wykład 5: Statystyki opisowe (część 2) Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz

Bardziej szczegółowo

Średnie. Średnie. Kinga Kolczyńska - Przybycień

Średnie. Średnie. Kinga Kolczyńska - Przybycień Czym jest średnia? W wielu zagadnieniach praktycznych, kiedy mamy do czynienia z jakimiś danymi, poszukujemy liczb, które w pewnym sensie charakteryzują te dane. Na przykład kiedy chcielibyśmy sklasyfikować,

Bardziej szczegółowo

Październik Data Dzień tygodnia Szczęśliwy numerek [Wybierz inny miesiąc]

Październik Data Dzień tygodnia Szczęśliwy numerek [Wybierz inny miesiąc] Szczęśliwe numerki 2014/2015 Wybierz miesiąc: Wrzesień Październik Listopad Grudzień Styczeń Luty Marzec Kwiecień Maj Czerwiec Wrzesień 10 wrzesień 2014 Środa 16 11 wrzesień 2014 Czwartek 17 12 wrzesień

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości

Bardziej szczegółowo

Wprowadzenie Pojęcia podstawowe Szeregi rozdzielcze STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP.

Wprowadzenie Pojęcia podstawowe Szeregi rozdzielcze STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 18 września 2017 1 Wprowadzenie 2 Pojęcia podstawowe 3 Szeregi rozdzielcze Zwykle wyróżnia się dwa podstawowe działy statystyki: statystyka

Bardziej szczegółowo

Podstawowe pojęcia statystyczne

Podstawowe 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 szczegółowo

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:

Bardziej szczegółowo

Wymiar czasu pracy w kwartałach 2018r. pełny etat

Wymiar czasu pracy w kwartałach 2018r. pełny etat Informacja o ze w 2018r. Warszawski Uniwersytet Medyczny poszczególnych ów etatów Zgodnie z Instrukcją w sprawie zasad ewidencjonowania i rozliczania (załącznik nr 1 do Zarządzenia Kanclerza nr 380/2013

Bardziej szczegółowo

Emerytury nowosystemowe wypłacone w grudniu 2018 r. w wysokości niższej niż wysokość najniższej emerytury (tj. niższej niż 1029,80 zł)

Emerytury nowosystemowe wypłacone w grudniu 2018 r. w wysokości niższej niż wysokość najniższej emerytury (tj. niższej niż 1029,80 zł) Emerytury nowosystemowe wypłacone w grudniu 18 r. w wysokości niższej niż wysokość najniższej emerytury (tj. niższej niż 9,8 zł) DEPARTAMENT STATYSTYKI I PROGNOZ AKTUARIALNYCH Warszawa 19 1 Zgodnie z art.

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

Bardziej szczegółowo

Statystyka opisowa SYLABUS A. Informacje ogólne

Statystyka opisowa SYLABUS A. Informacje ogólne Statystyka opisowa SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8

Bardziej szczegółowo

Pojazdy zarejestrowane w Polsce w 2014 r.

Pojazdy zarejestrowane w Polsce w 2014 r. Pojazdy zarejestrowane w Polsce w 2014 r.! Poniższe statystyki przedstawiają liczbę zarejestrowanych po raz pierwszy na terenie Polski pojazdów w 2014 r. Dane zawarte w tabelach z poszczególnych miesięcy

Bardziej szczegółowo

GŁÓWNY URZĄD STATYSTYCZNY Departament Badań Społecznych. Wykorzystanie bazy noclegowej 1 w 2008 roku

GŁÓWNY URZĄD STATYSTYCZNY Departament Badań Społecznych. Wykorzystanie bazy noclegowej 1 w 2008 roku GŁÓWNY URZĄD STATYSTYCZNY Departament Badań Społecznych Materiał na konferencję prasową w dniu 25 czerwca 2009 r. Notatka Informacyjna WYNIKI BADAŃ GUS Wykorzystanie bazy noclegowej 1 w 2008 roku Zgodnie

Bardziej szczegółowo

4.2. Statystyczne opracowanie zebranego materiału

4.2. Statystyczne opracowanie zebranego materiału 4.2. Statystyczne opracowanie zebranego materiału Zebrany i pogrupowany materiał badawczy należy poddać analizie statystycznej w celu dokonania pełnej i szczegółowej charakterystyki interesujących badacza

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 3 Hipotezy statystyczne Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza

Bardziej szczegółowo

Wolumen - część II Budynki Urzędu Gminy Kulesze Kościelne i Ochotniczej Straży Pożarnej Grodzkie Nowe w grupie taryfowej G

Wolumen - część II Budynki Urzędu Gminy Kulesze Kościelne i Ochotniczej Straży Pożarnej Grodzkie Nowe w grupie taryfowej G Wolumen opracowany na podstawie faktur z ostatnich 12 miesięcy Tabela nr 1 Styczeń 2016 G11 2 całodobowo 1,661 2 Zużycie energii 1,661 Tabela nr 2 Luty 2016 G11 2 całodobowo 1,459 2 Zużycie energii 1,459

Bardziej szczegółowo

Badania Statystyczne

Badania 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 szczegółowo

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Wiadomości ogólne o ekonometrii

Wiadomości ogólne o ekonometrii Wiadomości ogólne o ekonometrii Materiały zostały przygotowane w oparciu o podręcznik Ekonometria Wybrane Zagadnienia, którego autorami są: Bolesław Borkowski, Hanna Dudek oraz Wiesław Szczęsny. Ekonometria

Bardziej szczegółowo

Wymiar czasu pracy w kwartałach 2018r. pełny etat

Wymiar czasu pracy w kwartałach 2018r. pełny etat Informacja o ze w 2018r. Warszawski Uniwersytet Medyczny poszczególnych ów etatów Zgodnie z Instrukcją w sprawie zasad ewidencjonowania i rozliczania (załącznik nr 1 do Zarządzenia Kanclerza nr 380/2013

Bardziej szczegółowo

WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS

WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS Nazwa przedmiotu: Statystyka opisowa Profil 1 : ogólnoakademicki Cel przedmiotu: Zapoznanie studentów

Bardziej szczegółowo

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące

Bardziej szczegółowo

Współczynniki korelacji czastkowej i wielorakiej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Współczynniki korelacji czastkowej i wielorakiej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 18 listopada 2017 1 Regresja krzywoliniowa 2 Model potęgowy Model potęgowy y = αx β e można sprowadzić poprzez zlogarytmowanie obu stron równania

Bardziej szczegółowo

Miary zmienności STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018

Miary zmienności STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018 STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 6 marca 2018 1 MIARY ZMIENNOŚCI (inaczej: rozproszenia, rozrzutu, zróżnicowania, dyspersji) informuja o zróżnicowaniu jednostek zbiorowości

Bardziej szczegółowo

ROK 2007 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2007 - - - - - - - - - -

ROK 2007 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2007 - - - - - - - - - - ROK Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń - - - - - - - - - - - ukończenia / lat - powyżej roku życia - powyżej roku życia - powyżej roku życia - - - - - - - - - - Luty - - - - - - - -

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND Finanse i Rachunkowość rok 2 Analiza dynamiki Szereg czasowy: y 1 y 2... y n 1 y n. y t poziom (wartość) badanego zjawiska w

Bardziej szczegółowo

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski STATYSTYKA OPISOWA Literatura A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu

Bardziej szczegółowo

Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy)

Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy) Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy) Co na dzisiejszym wykładzie: definicje, sposoby wyznaczania i interpretacja STATYSTYK OPISOWYCH prezentacja

Bardziej szczegółowo

IV SEKTOR - HARMONOGRAM WYWOZU ODPADÓW WIELKOGABARYTOWYCH Z BUDYNKÓW WIELORODZINNYCH NA 2015 ROK

IV SEKTOR - HARMONOGRAM WYWOZU ODPADÓW WIELKOGABARYTOWYCH Z BUDYNKÓW WIELORODZINNYCH NA 2015 ROK STYCZEŃ 1 2 3 4 5 6 7 8 9 10 11 12 13 Żydowce 14 Śmierdnica,Zdunowo 15 16 17 18 19 20 21 22 23 24 25 26 27 Żydowce 28 Śmierdnica,Zdunowo 29 30 31 LUTY 1 2 3 4 5 6 7 8 9 10 Żydowce 11 Śmierdnica,Zdunowo

Bardziej szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. 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 szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

Wykład ze statystyki. Maciej Wolny

Wykład 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 szczegółowo

PRZEWODNIK PO PRZEDMIOCIE. Statystyka opisowa. Zarządzanie. niestacjonarne. I stopnia. dr Agnieszka Strzelecka. ogólnoakademicki.

PRZEWODNIK PO PRZEDMIOCIE. Statystyka opisowa. Zarządzanie. niestacjonarne. I stopnia. dr Agnieszka Strzelecka. ogólnoakademicki. Politechnika Częstochowska, Wydział Zarządzania PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu Kierunek Forma studiów Poziom kwalifikacji Rok Semestr Jednostka prowadząca Osoba sporządzająca Profil Rodzaj

Bardziej szczegółowo

Zajęcia 1. Statystyki opisowe

Zajęcia 1. Statystyki opisowe Zajęcia 1. Statystyki opisowe 1. Znajdź dane dotyczące liczby mieszkańców w polskich województwach. Dla tych danych oblicz: a) Średnią, b) Medianę, c) Dominantę, d) Wariancję, e) Odchylenie standardowe,

Bardziej szczegółowo

ROK 2004 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2004 - - - - - - - - - -

ROK 2004 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2004 - - - - - - - - - - ROK 2 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2 - - - - - - - - - - 22 2 2 2 (w tym): - ukończenia / lat 2 2 2 2 2 2 2 2 2 2 2 2 Bezrobotni w wieku -2 lata ogółem 2 222 2 2 Bezrobotni w

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

Rachunki narodowe ćwiczenia, 2015

Rachunki narodowe ćwiczenia, 2015 Obliczanie (zmian) wolumenów (na przykładzie PKB). Przykład opracowany na podstawie Understanding, ćwiczenie 3, str. 40. PKB, podobnie jak wiele innych wielkości makroekonomicznych, może być przedstawiany

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

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Ekonomika Transportu Morskiego wykład 04ns

Ekonomika Transportu Morskiego wykład 04ns Ekonomika Transportu Morskiego wykład 04ns dr Adam Salomon, Katedra Transportu i Logistyki Wydział Nawigacyjny, Uniwersytet Morski w Gdyni Wykład 4ns : tematyka 1. Rodzaje kosztów w TM. 2. Metody szacowania

Bardziej szczegółowo

Wykład 4. Informatyka Stosowana. Magdalena Alama-Bućko. 25 marca Magdalena Alama-Bućko Wykład 4 25 marca / 25

Wykład 4. Informatyka Stosowana. Magdalena Alama-Bućko. 25 marca Magdalena Alama-Bućko Wykład 4 25 marca / 25 Wykład 4 Informatyka Stosowana Magdalena Alama-Bućko 25 marca 2019 Magdalena Alama-Bućko Wykład 4 25 marca 2019 1 / 25 Macierze Magdalena Alama-Bućko Wykład 4 25 marca 2019 2 / 25 Macierza wymiaru m n

Bardziej szczegółowo