STRESZCZENIE Pierwsze, nieoficjalne zawody triathlonowe odbyły się we Francji w latach dwudziestych. Sportowcy rywalizowali ze sobą łącząc pływanie,
|
|
- Irena Bednarek
- 5 lat temu
- Przeglądów:
Transkrypt
1 STRESZCZENIE Pierwsze, nieoficjalne zawody triathlonowe odbyły się we Francji w latach dwudziestych. Sportowcy rywalizowali ze sobą łącząc pływanie, jazdę na rowerze oraz bieg pod nazwą Les trois sport (Fourny i wps. 2011). Pierwsze oficjalne zawody w triathlonie zorganizowano 25 września 1974 r. pod nazwą Mission Bay Triathlon w San Diego w Kalifornii (USA) na dystansie 500 jardów (457,2 metra) pływania, 5 mil (8,047 kilometra) jazdy rowerem i 6 mil (9,656 kilometra) biegu. W roku 1989 Międzynarodowa Federacja Triathlonu (ITU) zorganizowała pierwszy kongres we Francji, który ukształtował zasady rywalizacji w triathlonie na świecie. Szybka popularyzacja dyscypliny w latach dziewięćdziesiatych sprawiła, że już od początku jego rozgrywania na Mistrzostwach Świata w 1989 roku zyskał aprobatę środowska sportowców zarówno kobiet, jak i mężczyzn oraz licznej grupy kibiców. Triathlon rozgrywany jest obecnie na wielu dystansach, jednak najbardziej uznaną z punktu widzenia mistrzostwa sportowego jest triathlon na dystansie Standard (1,5 km pływania 40 km jazdy rowerem 10 km biegu). Technika, jaką prezentują sportowcy w triathlonie oraz pośrednio w składowych konkurencjach traitahlonu nie odbiega znacznie od techniki, jaką reprezentują czołowi zawodnicy wymieniowych wyżej dyscyplin indywidualnie. Dzięki temu triathlon uważany jest za jedną z najbardziej złożonych dyscyplin na świecie pod każdym względem. Nie można również pominąć roli taktyki rozgrywania triathlonu na dystansie składającym się z trzech kolejno następujących po sobie konkurencji, która ma znamienny wpływ na kształtowanie zdolności i umiejętności zawodnika. Czas zmian jednej konkurencji na kolejną wlicza się w czas końcowy, co jest niezmiernie ważnym elementem mającym wpływ na rezultat końcowy. Obecnie tylko szczegółowa analiza i pomiary wszystkich parametrów poszczególnych konkurencji wchodzących w skład triathlonu oraz interpratacja wyników analiz dla potrzeb procesu treningowego daje szansę na dalszą poprawę wyników. Nowoczesny trening coraz częściej korzysta z technologii informacyjnej oraz nowoczesnych narzędzi analitycznopredykcyjnych. Jednak to, co oferuje nam nauka w aspekcie standardowych środków poznawczych nie daje nam wystarczającej wiedzy do dalszego rozwoju. W procesie treningowym pomija się lub nie wykorzystuje analiz trendów w dynamice wyników w poszczególnych konkurencjach, a także analiz prognozujących wyniki. Wartość informacji dla podjęcia prowidłowej decyzji w procesie selekcji oraz strategia rozwoju zawodnika nie jest uwzględniana, być może z powodu małej wiedzy o możliwościach innowacyjnych narzędzi informatycznych. Podejście to w kolejnych latach zostanie zweryfikowane przez osiągnięcia czołowych triathlonistów w odniesieniu do metod i środków jakimi trenują. 1
2 Zważywszy na to, że na dynamikę zmian wyników sportowych w triathlonie wpływa wiele czynników, najlepszym sposobem na otrzymanie wiarygodnych wyników analiz jest jest analiza składowych konkurencji dyscypliny w funkcji czasu. Otrzymamy w ten sposób dane mogące pomóc w prognozowaniu przyszłych wyników i dynamikę ich zmian oraz wyznaczyć jej trendy liniowe. Pośrednio będzie można wskazać przyczyny zmieności zjawiska, ze względu na to, że od początku rozgrywania zawodów triathlonowych walka o medale rozgrywa się na dwóch płaszczyznach. Jedna z nich związana jest z wysiłkiem fizycznym, a druga z wyścigiem technologicznym, który nierozerwalnie towarzyszy każdej konkurencji wchodzącej w skład triathlonu. Triathlon jest specyficzną dyscypliną, a uzyskane rezultaty są zależne od wielu czynników. Oznacza to, że w badaniach nad predykcją oraz dynamiką zmieności światowych wyników w triathlonie, które mają ustalić trendy rozwoju, najwygodniej jest się posłużyć analizą wyników obejmującą długi okres. Najodpowiedniejszym materiałem badawczym okazały się bazy danych dotyczące wyników trzydziestu najlepszych zawodników i zawodniczek Mistrzostw Świata (MŚ) w triathlonie olimpijskim na dystansie Standard od roku Z tej grupy do analiz wyodrębniono dziesięciu najlepszych triathlonistów i triathlonistek na Mistrzostwach Świata (MŚ). Analizowano wyniki uzyskane w dyscyplinie oraz poziom wyników w jej trzech składowych konkurencjach: w pływaniu, w jeździe na rowerze i w biegu na 10 km oraz czasy przebierania się (2x). Ponieważ triathlon obejmuje obecnie dużą liczbę konkurencji, w pracy ograniczono się do przeanalizowania wyników tzw. triathlonu olimpijskiego na dystansie standard. Większość badaczy dynamikę kształtowania się wyników sportowych analizowało biorąc pod uwagę rozwój rekordów światowych lub europejskich w wektorze czasowym oraz trzech najlepszych zawodników podczas Igrzysk olimpijskich i Mistrzostw Świata (Ważny i Sozański 1980; Einmahl i Magnus 2008). Ze względu na rozmaitość przypadkowych i niewymiernych czynników jakie wpływają na rekordowe osiągnięcia, jednoznacznie wykazano, że dokładniejsze wyniki tendencji rozwojowych poszczególnych dyscyplin lub konkurencji można uzyskać przez badanie szeregów najlepszych wyników opierających się na wartościach średnich arytmetycznych od dziesięciu do trzydzistu najlepszych osiągnięć na świecie w kolejnych latach. Najlepszą metodą okazała się tutaj analiza matematyczna z użyciem nowoczesnych narzędzi. Prac z tej dziedziny jest niewiele, a te, które są dostępne, traktują problem wybiórczo. Brakuje prac zajmujących się zmianami wyników sportowych wśród kobiet i mężczyzn we wszystkich konkurencjach składowych wchodzących w skład triathlonu, strafach zmian i wyników końcowych oraz porównujących je z wynikami modeli prognostycznych. Analiza 2
3 prognostyczna wydaje się być ciekawym narzędziem, a przemyślany i odpowiednio przeprowadzony nabór i selekcja procesu szkolenia sportowego przynosi wymierne rezultaty w postaci progresji wyników. Aby zjawisko zaistniało, musi zostać przeprowadzona optymalizacja wyników na poziomie decyzyjnym. Zakłada ona nabór zawodnika poprzez przeanalizowanie indywidualnego procesu szkolenia, jego struktury i wielkości obciążeń wykonywanych na treningach oraz wskaźników testowych w składowych konkurencjach i triathlonie. Jednoczesnym ustaleniu podlega optymalne tempo rozwoju drogi do mistrzostwa sportowego oraz jego powtarzalności w kolejnych etapach i latach szkolenia (Nieverkovitch 2003; Bottoni i wsp. 2012; Kovarova 2012). Praca zawiera dwa zasadnicze etapy odnoszące się do każdej z omawianych konkurencji. Pierwszy z nich dotyczy analizy uzyskanych wyników sportowyc w poszczególnych konkurencjach składowych oraz jako dyscypliny podczas MŚ z wykorzystaniem funkcji czasu ( ). Drugi natomiast odnosi się do modelowania predykcyjnego tych wyników na kolejne 5 lat. Zasadniczym celem pierwszej części jest określenie siły i kierunku dynamiki zmienności wyników w omawianym okresie, oddzielnie dla kobiet i mężczyzn. Dodatkowo utworzone tym sposobem zbiory danych zostały przeanalizowane pod kątem występowania różnic ze względu na płeć. Wiodącym celem drugiej części jest budowa modeli predykcyjnych pozwalających na wyznaczenie prognoz wyników sportowych dla poszczególnych konkurencji oraz całej dyscypliny z uwzględnieniem płci na kolejne lata. Celem pracy nie jest zatem określenie przyczyn zmienności wyników, nie można ich bowiem przeprowadzić bez analizy wszystkich predyktorów każdej z konkurencji składowych oraz dodatkowych predyktorów wejściowych wynikających ze specyfiki dyscypliny. Praca skupia się na przedstawieniu dynamiki zmian rezultatów sportowych MŚ w triathlonie oraz wyznaczeniu wartości predykcyjnych na podstawie uzyskanych wyników. Cele tej pracy eksplikowały zatem do uzyskania odpowiedzi na następujące pytania badawcze o charakterze analitycznym: 1. Jaki był kierunek wyznaczonych trendów zmian średnich najlepszych światowych wyników kobiet i mężczyzn w triathlonie w poszczególnych konkurencjach składowych w omawianym okresie? 2. Czy zaistniały podstawy do zastosowania w analizach funkcji trendu łamanego w następstwie zmian technologicznych w określonych przedziałach czasowych? 3
4 3. W których okresach dynamika zmian wyników sportowych w ujęciu wartości indeksacyjnych była najwyższa, a w których najniższa? 4. Jaka jest prognoza zmian wyników w triathlonie oraz poszczególnych konkurencjach składowych, w następnych okresach? 5. Które z modeli prognostycznych uzyskały najwyższe wskaźniki dopasowania (R 2 i ϕ 2 ) do danych empirycznych? 6. Czy w najbliższych latach nastąpi przyspieszenie czy też spowolnienie dynamiki zmienności wyników kobiet i mężczyzn? W celu operacjonalizacji problematyki badawczej, zbudowano następujące hipotezy badawcze: H 1 : Możliwe jest wyznaczenie specyficznych okresów w odniesieniu do funkcji czasu oraz trendów wzrostowych lub spadkowych opisujących zmienność wyników finalistów MŚ w triathlonie, charakteryzujących się trendem łamanym, wynikającym z uwarunkowań niezwiązanych z rozwojem zawodniczym triathlonistów i triathlonistek. H 2 : Możliwe jest zbudowanie modeli predykcyjnych wyniku sportowego w triathlonie z wykorzystaniem danych z lat oraz eksperymentalnego modelu weryfikacyjnego dla wyników MŚ w 2015 rok, na lata W pracy uzyskano odpowiedź na wszystkie postawione pytania badawcze o charakterze analitycznym oraz odpowiedziano na dwie hipotezy badawcze co pozwoliło na przedstawienie dynamiki zmian rezultatów sportowych MŚ w triathlonie oraz wyznaczenie wartości predykcyjnych na podstawie uzyskanych wyników. W pracy przeprowadzona została komplementarna analiza danych statystycznych oraz predykcja danych wyjściowych (modelowych). Materiał badawczy opracowano powszechnie stosowanymi metodami statystyki opisowej. Wyniki i dane wsadowe przedstawiono w postaci wartości średnich rekordy w macierzy tablicowej. W pierwszym etapie badań empirycznych, w celu zbadania dynamiki zjawiska, wykorzystany został szereg czasowy (dynamiczny), w którym rozpatrywane są poziomy zmiennej - wynik sportowy jako funkcja czasu (Sobczyk 2002). Do analizy zmienności dynamiki zjawiska wykorzystane zostały indeksy o podstawie zmiennej (łańcuchowej) oraz stałej. Wielkość i kierunek trendu wyznaczono z zastosowaniem średniej ruchomej. Wyznaczone zostały punkty przecięcia linii 4
5 trendu przez krzywe zmienności zjawiska (wyniki sportowe). Na podstawie średnich ruchomych określona została i wybrana funkcja trendu liniowego lub trendu łamanego dla pływania. Przed sporządzeniem prognozy wielkości badanego zjawiska, w okresach następnych, sprawdzony został stopień dopasowania funkcji trendu do danych empirycznych. W drugim etapie badań poświęconym predykcji w oparciu o opracowane dane zbudowane zostały modele predykcyjne. Wyznaczanie i budowa modeli wartości predykcyjnych rozpoczęta została od szeregów czasowych okresów. Jako metoda prognoz przyjęta została predykcja średniej ruchomej. Każdorazowo kontrolowana była wartość współczynnika zmienności. W następnej kolejności zbudowane zostały modele regresyjne (nieliniowe), w postaci tablicowej z wykorzystaniem arkusza kalkulacyjnego Excel, z pakietu Microsoft Office oraz programu STATISTICA. Prognozowanie modeli regresyjnych zostało oparte na metodzie potęgowej oraz wygładzania wykładniczego. Modele regresyjne wyznaczone zostały zatem z wykorzystaniem funkcji regresji i funkcji tablicowych. Jednoczynnikowa analiza wariancji ANOVA pozwoliła sprawdzić, czy przeanlizowane czynniki różnicują obsewowane wyniki. Wykonana została procedura testu post-hoc Tukey a wszystkich różnic porównywanych średnich. Wyniki przedstawione w pracy opierają się na analizie danych uzyskiwanych przez nalepszych triathlonistów i traithlonistki świata w okresie od 1989 do 2015 roku oraz prognozowanie ich wartości w okresie od 2016 do 2020 roku. Wyniki badań pozwalają na sformuowanie następujących wniosków i jednocześnie udzielenie odpowiedzi na postawione wcześniej pytania badawcze: 1. Kierunki trendów zmian średnich najlepszych światowych wyników kobiet i mężczyzn w triathlonie w poszczególnych konkurencjach składowych w omawianym okresie od roku roku przyjmując za 100% dane z 1989 roku, przedstawia się następująco: w pływaniu wśród kobiet i mężczyzn długookresowy kierunek trendu światowych wyników był ujemny (poprawa wyników). U kobiet wynik poprawił się o 39,2%, a u mężczyzn o 39%. w jeździe na rowerze wśród kobiet długookresowy trend dynamiki światowych wyników był ujemny, wynik poprawił się o 2,6%, u mężczyzn był zaś dodatni, wynik pogorszył sie o 0,1%. 5
6 w biegu wśród kobiet i mężczyzn długookresowy trend dynamiki światowych wyników był ujemny, a wynik poprawił sie o 9,3% u kobiet i o 10,7% u mężczyzn. w strefie zmian T1 wśród kobiet długookresowy trend dynamiki światowych wyników był ujemny wynik poprawił się o 1,8%, natomiast u mężczyzn trend dynamiki był dodatni, wynik pogorszył się o 8,4%. w strefie zmian T2 wśród kobiet i mężczyzn długookresowy trend dynamiki światowych wyników był ujemny, a wynik poprawił się odpowiednio o 38,9% i 40,2%. W wyniku końcowym bez stref zmian wśród kobiet i mężczyzn długookresowy trend dynamiki światowych wyników był ujemny, wynik poprawił się o 12,2%. w wyniku końcowym w triathlonie wśród kobiet i mężczyzn długookresowy trend dynamiki światowych wyników był ujemny, wynik poprawił się odpowiednio u kobiet i mężczyzn o 12,8% i 12,2%. 2. W następstwie zmian technologicznych zaistniała potrzeba zastosowania analizy trendu łamanego, Jednakże jedynie w konkurencji pływania. Analizę przeprowadzono oddzielnie dla kobiet i mężczyzn w przedziale czasowym , oraz (predykcja). W obu analizowanych przypadkach analiza trendu łamanego wyjaśnia większy procent badanego zjawiska niż model liniowy, co daje podstawy do zastosowania go w analizach. W przypadku kobiet model zbudowany w oparciu o trend łamany z R 2 =,749 wyjaśnia większy procent badanego zjawiska niż model liniowy z R 2 =,654. Podobnie parametry strukturalne przedstawionych modeli liniowego oraz łamanego mężczyzn, dają podstawy do stwierdzenia, że model zbudowany w oparciu o trend łamany wyjaśnia większy procent badanego zjawiska niż model liniowy (odpowiednio R 2 =,647 i R 2 =,598). 3. Analiza wyników kobiet i mężczyzn z wykorzystaniem szeregów czasowych wykazała bardzo dużą dynamikę zmienności w poszczególnych konkurencjach składowych triathlonu oraz w samej dyscyplinie. Szczegółowe dane dotyczące uzyskanych wyników przedstawione zostały poniżej: Pływanie: U kobiet największe spadki wartości indeksowych o podstawie stałej w wynikach sportowych (czyli poprawa wyników) zanotowano w latach: 2007 (40,7%), 2008 (41,7%) oraz 2010 (40,7%). Natomiast 6
7 wzrostów indeksów o podstawie stałej (pogorszenie się wyników) nie odnotowano. W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1990 (poprawa wyniku o 27,9%), 1995 (pogorszenie o 14,5%), 1996 (poprawa o 32,6%), 2010 (poprawa o 36,2%). W grupie mężczyzn największe spadki indeksów o podstawie stałej wyników sportowych (czyli poprawę wyników) miały miejsce w latach: 2006 (39%), 2007 (39,3%), 2008 (40,7%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1990 (29,1%), 1995 (25,2%), 2002 (31,4%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1990 ( poprawa o 29,1%), 1991 (pogorszenie o 25,4%), 1995 (pogorszenie o 17,1%), 1996 (poprawa o 26,3%). Jazda na rowerze: u kobiet największe spadki indeksów wyników sportowych (czyli poprawę wyników) zanotowano w latach: 1996 (17,9%), 2004 (13,6%), 2010 (16,4%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1993 (4,9%), 1998 (5,2%), 2012 (10,7%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1997 (pogorszenie o 28,5%), 1999 (poprawa o 26,5%), 2000 (pogorszenie o 31,8%), 2004 (poprawa o 38,3%). W badanej grupie mężczyzn największe spadki indeksów wyników sportowych (czyli poprawę wyników) miały miejsce w latach: 1996 (17,2%), 2004 (14,5%), 2010 (11,1%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 2002 (13,3%), 2003 (7,4%), 2012 (18,5%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1997 (pogorszenie o 31,2%), 2002 (pogorszenie 26%), 2003 (poprawa o 24,6), 2013 (34,6%). Bieg: u kobiet największe spadki indeksów wyników sportowych (czyli poprawę wyników) zanotowano w latach: 2000 (11,7%), 2007 (11,6%), 2013 (11,8%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1990 (2%), 1992 (1,8%), 1993 (0,6%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1996 (pogorszenie o 12,7%), 1997 (poprawa o 11,4%), 2008 (pogorszenie o 11,2%), 2009 (poprawa poprawa o 13%). W badanej grupie mężczyzn największe spadki indeksów wyników sportowych (czyli poprawę wyników) miały miejsce w latach: 1997 i 2011 (11,6%), 2009 (13,0%), 2013 (12,7%), 7
8 natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1990 (0,1%), 1993 (1,5%), 1995 (3,9%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1993 (pogorszenie o 12,3%), 1994 (poprawa o 15,5%), 2005 (pogorszenie o 14,2%), 2009 (poprawa o 12,9%). Strefa zmian T1: u kobiet największe spadki indeksów wyników sportowych (czyli poprawę wyników) zanotowano w latach: 1996 (45,5%), 1999 (43,1%), 2009 (58,7%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1995 (99,5%), 1998 (40,3%), 2004 (19,1%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1995 (pogorszenie o 145,5%), 1996 (poprawa o 205,5%), 2010 (pogorszenie o 158,6%), 2011 (poprawa o 148,3%). W badanej grupie mężczyzn największe spadki indeksów wyników sportowych (czyli poprawę wyników) miały miejsce w latach: 1993 (39,7%), 1996 (38,6%), 2009 (59,1%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1998 (46,1%), 2004 (12,7%), 2012 (19,3%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 2010 (pogorszenie o 142,3%), 2011 (poprawa o 127,1%), 2012 (pogorszenie o 116,7%), 2013 (poprawa o 128,3%). Strefa zmian T2: u kobiet największe spadki indeksów wyników sportowych (czyli poprawę wyników) zanotowano w latach: 2007 (46,7%), 2009 (50,3%), 2010 (42,1%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1995 (22%), 1997 (35,5%), 1998 (35,3%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1996 (poprawa o 63,3%), 1997 (pogorszenie o 130%), 1998 (poprawa o 88,9%), 2008 (pogorszenie o 54,9%). W badanej grupie mężczyzn ajwiększe spadki indeksów wyników sportowych (czyli poprawę wyników) miały miejsce w latach: 2007 (50%), 2008 (43,7%), 2009 (52,8%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1992 (24,5%), 1993 (29,2%), 1998 (29,2%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1995 (pogorszenie o 75,5%), 1999 (poprawa o 45,3%), 2003 (pogorszenie o 61,5%), 2004 (poprawa o 73,2%). 8
9 Wynik w triathlonie bez stref zmian: u kobiet największe spadki indeksów wyników sportowych (czyli poprawę wyników) zanotowano w latach: 1996 (17,7%), 2004 (18,4%), 2010 (20%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1993 (5,2%), 2003 (6%), 2012 (5,8%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1999 (poprawa o 16,3%), 2004 (poprawa 22,6%), 2005 (pogorszenie o 20,9%), 2011 (pogorszenie o 15,8%). W badanej grupie mężczyzn największe spadki indeksów wyników sportowych (czyli poprawę wyników) miały miejsce w latach: 1996 (18,4%), 2004 (18,7%), 2010 (17,4%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 2002 (1,7%), 2003 (6,1%), 2012 (1,9%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1997 (pogorszenie o 17,5%), 2003 (poprawa o 17,3%), 2005 (pogorszenie 23,4%), 2013 (23,2%). Wynik w triathlonie wraz z czasami stref zmian: u kobiet największe spadki indeksów wyników sportowych (czyli poprawę wyników) zanotowano w latach: 1996 (17,9%), 2004 (18%), 2010 (20%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1993 (5,2%), 2003 (6,1%), 2012 (5,8%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1999 (poprawa o 17,5%), 2004 (poprawa o 22,2%), 2005 (pogorszenie o 20,1%), 2008 (pogorszenie 15,8%). W badanej grupie mężczyzn największe spadki indeksów wyników sportowych (czyli poprawę wyników) miały miejsce w latach: 1996 (18,3%), 2004 (18,4%), 2010 (17,5%), natomiast najniższe wartości indeksacyjne uzyskiwanych wyników odnotowano w latach: 1993 (7%), 2002 (2%), 2012 (1,9%). W przypadku indeksów o podstawie zmiennej największe zmiany miały miejsce w latach: 1997 (pogorszenie o 17,6%), 2003 (poprawa o 16,9%), 2005 (pogorszenie o 22,8%), 2013 (poprawa o 23,8%). 4. Prognoza wyników na rok 2020 w strosunku do rzeczywistego wyniku osiagniętego w roku 2015 wyznacza następujące predykcyjne wartości modelowe: w pływaniu poprawę wyników u kobiet o 5,6% dla regresji nieliniowej (RN) oraz 8,4% dla szeregu czasowego (SC), a u mężczyzn o 3,7% (RN) i 6,2% (SC), 9
10 w jeździe na rowerze pogorszenie wyników u kobiet o 3,8% dla regresji nieliniowej (RN) oraz 4,2% dla szeregu czasowego (SC), a u mężczyzn o 6,2% (RN) i 6,7% (SC), w biegu poprawę wyników u kobiet o 2% dla regresji nieliniowej (RN) oraz 2,2% dla szeregu czasowego (SC), a u mężczyzn o 0,3% (RN) i 0,5% (SC), w pierwszej strefie zmian (T1) poprawę wyników u kobiet o 15,7% dla regresji nieliniowej (RN) oraz 15,8% dla szeregu czasowego (SC), a u mężczyzn o 30,9% (RN) i 37,2% (SC), w drugiej strefie zmian (T2) poprawę wyników u kobiet o 26% dla regresji nieliniowej (RN) oraz 30,2% dla szeregu czasowego (SC), a u mężczyzn o 29,9% (RN) i 37,8% (SC), w wyniku końcowym bez stref zmian T1 i T2 poprawę wyników u kobiet o 0,4% dla regresji nieliniowej (RN) oraz 0,3% dla szeregu czasowego (SC), a u mężczyzn o 2,1% (RN) i 2,1% (SC), w wyniku końcowym wraz ze strefami zmian T1 i T2 poprawę wyników u kobiet o 0,1% dla regresji nieliniowej (RN) oraz 0% dla szeregu czasowego (SC), a u mężczyzn o 1,6% (RN) i 1,6% (SC). Najwyższy wskaźnik dopasowania do danych empirycznych z wykorzystaniem współczynnika zbieżności dla szeregów czasowych (ϕ 2 ), oraz współczynnika determinacji dla modeli regresyjnych (R 2 ) zostały wyznaczone następująco: pływanie - u kobiet tylko 5% zjawiska nie zostało wyjaśnione modelem szeregów czasowych (7% w przypadku modelu regresyjnego), tym samym ten model okazał się lepiej dostosowany do analizy danych empirycznych. W przypadku mężczyzn zarówno model szeregów czasowych jak i regresyjny wykazały 5% dopasowania do danych empirycznych. jazda na rowerze - u kobiet tylko 9% zjawiska nie zostało wyjaśnione modelem szeregów czasowych (13% w przypadku modelu regresyjnego), tym samym ten model okazał się lepiej dostosowany do analizy danych empirycznych. W przypadku mężczyzn zarówno model szeregów czasowych jak i regresyjny wykazały 9% dopasowania do danych empirycznych. bieg - u kobiet tylko 4% zjawiska nie zostało wyjaśnione modelem szeregów czasowych i modelem regresyjnym, tym samym obydwa modele jednakowo dostosowały się do danych empirycznych. W przypadku mężczyzn tylko 8% 10
11 zjawiska nie zostało wyjaśnione modelem szeregów czasowych (9% w przypadku modelu regresyjnego), tym samym ten model okazał się lepiej dostosowany do danych empirycznych. pierwsza strefa zmian (T1) - u kobiet i mężczyzn tylko 9% zjawiska nie zostało wyjaśnione modelem szeregów czasowych i modelem regresyjnym, tym samym obydwa modele jednakowo dostosowały się do danych empirycznych. druga strefa zmian (T2) - u kobiet tylko 6% zjawiska nie zostało wyjaśnione modelem szeregów czasowych (8% w przypadku modelu regresyjnego), tym samym ten model okazał się lepiej dostosowany do danych empirycznych. W przypadku mężczyzn tylko 5% zjawiska nie zostało wyjaśnione modelem szeregów czasowych (6% w przypadku modelu regresyjnego), tym samym ten model okazał się lepiej dostosowany do danych empirycznych. wynik w triathlonie bez stref zmian T1 i T2 - u kobiet zarówno model szeregów czasowych jak i regresyjny wykazały 8% dopasowania do danych empirycznych. W przypadku mężczyzn tylko 9% zjawiska nie zostało wyjaśnione modelem szeregów czasowych (10% w przypadku modelu regresyjnego), tym samym ten model okazał się lepiej dostosowany do danych empirycznych wynik w triathlonie wraz ze strefami zmian T1 i T2 u kobiet zarówno model szeregów czasowych jak i regresyjny wyakazały 8% dopasowanie do danych empirycznych. W przypadku mężczyzn tylko 9% zjawiska nie zostało wyjaśnione modelem szeregów czasowych (10% w przypadku modelu regresyjnego), tym samym ten model okazał się lepiej dostosowany do danych empirycznych 5. Analiza uzyskanych wartości predykcyjnych na lata dla mężczyzn i kobiet w pływaniu, biegu, drugiej strefie zmian, wyniku bez stref zmian oraz wyniku końcowym ze strefami zmian wykazuje, że w kolejnych latach nastapi polepszenie wyników. Natomiast analiza porównawcza uzyskanych wyników predykcyjnych dla jazdy rowerem i dla pierwszej strefy zmian różnicuje wynikowe wartości predykcyjne ze względu na płeć. Kobiety poprawią swoje wyniki zarówno w jeździe rowerem, jak i w pierwszej strefie zmian. Natomiast u mężczyzn nastąpi pogorszenie wyników jazdy rowerem oraz w pierwszej strefie zmian. 6. Otrzymane wyniki analiz oraz wyniki badań innych autorów pozwalają stwierdzić, że dalsza poprawa wyników sportowych w konkurencjach składowych triathlonu i w traithlonie będzie możliwa dzięki: 11
12 optymalizacji obciążeń dzięki analizom i modelowaniu matematycznemu, poprawie selekcji sportowej, doskonaleniu techniki, udoskonaleniu sprzętu i obiektów, 12
ANALIZA I PREDYKCJA DYNAMIKI ZMIENNOŚCI NAJLEPSZYCH ŚWIATOWYCH WYNIKÓW W BIEGACH NA KRÓTKICH I ŚREDNICH DYSTANSACH W LATACH
ANALIZA I PREDYKCJA DYNAMIKI ZMIENNOŚCI NAJLEPSZYCH ŚWIATOWYCH WYNIKÓW W BIEGACH NA KRÓTKICH I ŚREDNICH DYSTANSACH W LATACH 1976 2016 Streszczenie Lekkoatletyka jest najdłużej znaną dyscypliną sportową.
Bardziej szczegółowoSzczegółowy 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 szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoEtapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Bardziej szczegółowoSzczegółowy 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 szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoNazywam się Daniela Kamińska, urodziłam się 21 czerwca 1993 roku. W wieku siedmiu lat rozpoczęłam moją przygodę sportową. Z początku trenowałam tylko
DANIELA KAMIŃSKA Nazywam się Daniela Kamińska, urodziłam się 21 czerwca 1993 roku. W wieku siedmiu lat rozpoczęłam moją przygodę sportową. Z początku trenowałam tylko pływanie. Wygranie szkolnych zawodów
Bardziej szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoTeoretyczne 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 szczegółowoWPŁYW MOCY KOŃCZYN DOLNYCH NA SZYBKOŚĆ STARTOWĄ I ABSOLUTNĄ PIŁKARZY NOŻNYCH NA POSZCZEGÓLNYCH ETAPACH SZKOLENIA SPORTOWEGO
mgr Paweł Grycmann Promotor pracy: prof. dr hab. Adam Maszczyk Streszczenie rozprawy doktorskiej pt. WPŁYW MOCY KOŃCZYN DOLNYCH NA SZYBKOŚĆ STARTOWĄ I ABSOLUTNĄ PIŁKARZY NOŻNYCH NA POSZCZEGÓLNYCH ETAPACH
Bardziej szczegółowoEkonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006
Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap
Bardziej szczegółowoStatystyka 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 szczegółowoPrognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
Bardziej szczegółowoArkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw
Arkadiusz Manikowski Zbigniew Tarapata Prognozowanie i symulacja rozwoju przedsiębiorstw Warszawa 2002 Recenzenci doc. dr. inż. Ryszard Mizera skład i Łamanie mgr. inż Ignacy Nyka PROJEKT OKŁADKI GrafComp,
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoAnaliza 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 szczegółowoZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Bardziej szczegółowoEstymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Bardziej szczegółowoModelowanie glikemii w procesie insulinoterapii
Dawid Kaliszewski Modelowanie glikemii w procesie insulinoterapii Promotor dr hab. inż. Zenon Gniazdowski Cel pracy Zbudowanie modelu predykcyjnego przyszłych wartości glikemii diabetyka leczonego za pomocą
Bardziej szczegółowoO LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW
Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana
Bardziej szczegółowoXXI Otwarte Mistrzostwa Warszawy Masters. 3-4 grudnia 2016, Park Wodny Warszawianka
XXI Otwarte Mistrzostwa Warszawy Masters 3-4 grudnia 2016, Park Wodny Warszawianka WARSAW MASTERS TEAM Warsaw Masters Team jest największym w Polsce klubem pływackim, zajmującym się organizacją treningów
Bardziej szczegółowoANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoStatystyka. 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 szczegółowoMonitoring wyników krajowych i światowych, badanie relacji pomiędzy nimi, jest ważnym zadaniem szkoleniowców.
Teoria treningu 31 Monitoring wyników krajowych i światowych, badanie relacji pomiędzy nimi, jest ważnym zadaniem szkoleniowców. Ryszard Karpiński, Wojciech Rejdych Poziom osiągnięć czołowych pływaków
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowoRok 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 szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoNatalia Gorynia-Pfeffer STRESZCZENIE PRACY DOKTORSKIEJ
Natalia Gorynia-Pfeffer STRESZCZENIE PRACY DOKTORSKIEJ Instytucjonalne uwarunkowania narodowego systemu innowacji w Niemczech i w Polsce wnioski dla Polski Frankfurt am Main 2012 1 Instytucjonalne uwarunkowania
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoStreszczenie projektu badawczego
Streszczenie projektu badawczego Dotyczy umowy nr 2014.030/40/BP/DWM Określenie wartości predykcyjnej całkowitej masy hemoglobiny w ocenie wydolności fizycznej zawodników dyscyplin wytrzymałościowych Wprowadzenie
Bardziej szczegółowoStatystyka 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 szczegółowoZagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA
Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zadanie 1 (Plik danych: Transport w Polsce (1990-2015)) Na
Bardziej szczegółowoStruktura rzeczowa treningu sportowego
Selekcja sportowa Struktura rzeczowa treningu sportowego zbiór informacji o zawodniku, planowanie, kształtowanie sprawności motorycznej, kształtowanie techniki, kształtowanie taktyki, przygotowanie psychiczne
Bardziej szczegółowoNa 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 szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Bardziej szczegółowoCo to jest analiza regresji?
Co to jest analiza regresji? Celem analizy regresji jest badanie związków pomiędzy wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą), która musi mieć charakter liczbowy. W
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Bardziej szczegółowoSPOSÓB POSŁUGIWANIA SI
SPOSÓB POSŁUGIWANIA SIĘ TABELAMI SŁUŻĄCE DO UPROSZCZONEJ OCENY SPRAWNOŚCI FIZYCZNEJ OPARTEJ NA PRÓBACH MINI TESTU. 1. SPOSÓB POSŁUGIWANIA SIĘ TABELAMI Na stronach Animatora Sportu (animatorsdim.szs.pl)
Bardziej szczegółowoIndeksy dynamiki (o stałej i zmiennej podstawie)
Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy
Bardziej szczegółowoMetody statystyki medycznej stosowane w badaniach klinicznych
Metody statystyki medycznej stosowane w badaniach klinicznych Statistics for clinical research & post-marketing surveillance część III Program szkolenia część III Model regresji liniowej Współczynnik korelacji
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PROGNOZOWANIE Z WYKORZYSTANIEM SYSTEMÓW INFORMATYCZNYCH Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU
Bardziej szczegółowoStatystyka. 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 szczegółowoWykład 1. Statystyka międzynarodowa - wprowadzenie Rynek pracy w Unii Europejskiej
Wykład 1 Statystyka międzynarodowa - wprowadzenie Rynek pracy w Unii Europejskiej Informacje o przedmiocie prowadzący: strona internetowa: wykład ćwiczenia forma zaliczenia: dr Marek Sobolewski www.msobolew.sd.prz.edu.pl
Bardziej szczegółowoWSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA
WSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA Janusz Wątroba i Grzegorz Harańczyk, StatSoft Polska Sp. z o.o. Zakres zastosowań analizy danych w różnych dziedzinach działalności biznesowej i
Bardziej szczegółowoSpis treści. Analiza i modelowanie_nowicki, Chomiak_Księga1.indb :03:08
Spis treści Wstęp.............................................................. 7 Część I Podstawy analizy i modelowania systemów 1. Charakterystyka systemów informacyjnych....................... 13 1.1.
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analizę wariancji, często określaną skrótem ANOVA (Analysis of Variance), zawdzięczamy angielskiemu biologowi Ronaldowi A. Fisherowi, który opracował ją w 1925 roku dla rozwiązywania
Bardziej szczegółowoAnaliza Statystyczna
Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza
Bardziej szczegółowoRaport Testy Trenerskie. Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów
Raport Testy Trenerskie Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów W trakcie zgrupowań Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów, poddano zawodników Testom Trenerskim.
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 32 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 11 21 BARBARA BATÓG JACEK BATÓG Uniwersytet Szczeciński Katedra Ekonometrii i Statystyki ANALIZA ZBIEŻNOŚCI STRUKTUR
Bardziej szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R
Bardziej szczegółowoWARSZAWSKI UNIWERSYTET MEDYCZNY
WARSZAWSKI UNIWERSYTET MEDYCZNY WYDZIAŁ LEKARSKO-DENTYSTYCZNY KATEDRA PROTETYKI STOMATOLOGICZNEJ ANALIZA ZMIAN WARTOŚCI SIŁY RETENCJI W TRÓJELEMENTOWYCH UKŁADACH KORON TELESKOPOWYCH Rozprawa na stopień
Bardziej szczegółowoSPIS TREŚCI. Do Czytelnika... 7
SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................
Bardziej szczegółowoWprowadzenie 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 szczegółowoSterowanie 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 szczegółowoTeoria treningu. Projektowanie. systemów treningowych. jako ciąg zadań optymalizacyjnych. Jan Kosendiak. Istota projektowania. systemów treningowych
Teoria treningu 77 Projektowanie procesu treningowego jest jednym z podstawowych zadań trenera, a umiejętność ta należy do podstawowych wyznaczników jego wykształcenia. Projektowanie systemów treningowych
Bardziej szczegółowoBadania marketingowe 2016_12. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2016_12 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja
Bardziej szczegółowoPorównanie 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 szczegółowoSzukanie struktury skali mierzącej problematyczne zachowania finansowe.
Szukanie struktury skali mierzącej problematyczne zachowania finansowe. Celem poniższej analizy było stworzenie skali mierzącej problematyczne zachowania finansowej. Takie zachowania zdefiniowano jako
Bardziej szczegółowoPRZEWODNIK 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 szczegółowoW statystyce stopień zależności między cechami można wyrazić wg następującej skali: n 1
Temat: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00 0,20) Słaba
Bardziej szczegółowoZespół Szkoleniowy do spraw 5-boju (młodzieżowiec, senior): - Janusz Peciak (imprezy rangi seniorów)
Polski Związek Pięcioboju Nowoczesnego Regulamin powoływania zawodników do reprezentacji Polski na Mistrzostwa Świata i Europy w roku 2019 Powołania zawodników do reprezentacji Polski na imprezy mistrzowskie
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka
Bardziej szczegółowoDodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?
Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak
Bardziej szczegółowoMetodologia badań psychologicznych
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania
Bardziej szczegółowoOpis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA
Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów
Bardziej szczegółowoMetodologia badań psychologicznych. Wykład 12. Korelacje
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Wykład 12. Korelacje Korelacja Korelacja występuje wtedy gdy dwie różne miary dotyczące tych samych osób, zdarzeń lub obiektów
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoPRZYKŁADY BUDOWY MODELI REGRESYJNYCH I KLASYFIKACYJNYCH. Wprowadzenie do problematyki modelowania statystycznego
PRZYKŁADY BUDOWY MODELI REGRESYJNYCH I KLASYFIKACYJNYCH Janusz Wątroba, StatSoft Polska Sp. z o.o. Tematyka artykułu obejmuje wprowadzenie do problematyki modelowania statystycznego i jego roli w badaniu
Bardziej szczegółowoProjekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Bardziej szczegółowoPAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH
PROGNOZA WIELKOŚCI ZUŻYCIA CIEPŁA DOSTARCZANEGO PRZEZ FIRMĘ FORTUM DLA CELÓW CENTRALNEGO OGRZEWANIA W ROKU 2013 DLA BUDYNKÓW WSPÓLNOTY MIESZKANIOWEJ PRZY UL. GAJOWEJ 14-16, 20-24 WE WROCŁAWIU PAWEŁ SZOŁTYSEK
Bardziej szczegółowoWYŻSZA 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 szczegółowoCzęść 2. Teoretyczne i praktyczne aspekty wybranych metod analiz ilościowych w ekonomii i zarządzaniu
Spis treści Część 1 Analiza procedur wyznaczania i wykorzystania rozwiązań uogólnionych wybranej klasy nieliniowych modeli optymalizacyjnych we wspomaganiu procesów decyzyjnych (Jerzy Mika) Wprowadzenie.
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoZatoń K., Jaszczak M.: Science in swimming II. AWF, Wrocław 2008:
Zatoń K., Jaszczak M.: Science in swimming II. AWF, Wrocław 2008: 114-121. Marcin Siewierski Zakład Teorii Sportu, Akademia Wychowania Fizycznego w Warszawie Periodyzacja treningu oraz dobór obciążeń treningowych
Bardziej szczegółowoZajęcia 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 szczegółowoMicrosoft Excel 2016 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, Spis treści
Microsoft Excel 2016 : analiza i modelowanie danych biznesowych / Wayne L. Winston. Warszawa, 2017 Spis treści Wstęp O autorze xiii xviii 1 Podstawowe modelowanie arkusza 1 Odpowiedzi na pytania z początku
Bardziej szczegółowoMODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY
MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY WYKORZYSTANIU METOD STATYSTYCZNYCH mgr Małgorzata Pelczar 6 Wprowadzenie Reforma służby zdrowia uwypukliła problem optymalnego ustalania kosztów usług zdrowotnych.
Bardziej szczegółowoPrognoza sprawozdania finansowego Bilans
Prognoza sprawozdania go Bilans 31.12.24 31.12.25 31.12.26 Wartości niematerialne i prawne Rzeczowe aktywa trwałe Długoterminowe Zapasy Należności Inwestycje 594 3474 3528 954 52119 54 12 759 693 2259
Bardziej szczegółowoXXIII Otwarte Mistrzostwa Warszawy w Pływaniu Masters
XXIII Otwarte Mistrzostwa Warszawy w Pływaniu Masters SPONSORZY PARTNERZY WARSAW MASTERS TEAM - organizator Warsaw Masters Team jest największym w Polsce klubem pływackim, zajmującym się organizacją treningów
Bardziej szczegółowoStatystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści
Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, 2018 Spis treści Przedmowa 13 O Autorach 15 Przedmowa od Tłumacza 17 1. Wprowadzenie i statystyka opisowa 19 1.1.
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoZjawisko dopasowania w sytuacji komunikacyjnej. Patrycja Świeczkowska Michał Woźny
Zjawisko dopasowania w sytuacji komunikacyjnej Patrycja Świeczkowska Michał Woźny 0.0.0 pomiar nastroju Przeprowadzone badania miały na celu ustalenie, w jaki sposób rozmówcy dopasowują się do siebie nawzajem.
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoPrzykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku
Przykład 2 Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Sondaż sieciowy analiza wyników badania sondażowego dotyczącego motywacji w drodze do sukcesu Cel badania: uzyskanie
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoPrzykład 1 ceny mieszkań
Przykład ceny mieszkań Przykład ceny mieszkań Model ekonometryczny zaleŝności ceny mieszkań od metraŝu - naleŝy do klasy modeli nieliniowych. - weryfikację empiryczną modelu przeprowadzono na przykładzie
Bardziej szczegółowoEKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.
EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji
Bardziej szczegółowoTest wskaźnika C/Z (P/E)
% Test wskaźnika C/Z (P/E) W poprzednim materiale przedstawiliśmy Państwu teoretyczny zarys informacji dotyczący wskaźnika Cena/Zysk. W tym artykule zwrócimy uwagę na praktyczne zastosowania tego wskaźnika,
Bardziej szczegółowo