Wykrywalność ptaków: metody szacowania i czynniki na nią wpływające

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wykrywalność ptaków: metody szacowania i czynniki na nią wpływające"

Transkrypt

1 Wykrywalność ptaków: metody szacowania i czynniki na nią wpływające Przemysław Chylarecki Pracownia Badań Ornitologicznych MiIZ PAN Zadanie realizowane w ramach umowy nr OR z dnia 18 maja 2015 ze Skarbem Państwa Dyrekcją Generalną Lasów Państwowych

2 Oceny liczebności populacji ptaków Ekologia nauka o zależnościach kształtujących rozmieszczenie i liczebność organizmów Ptaki: dane o rozmieszczeniu i liczebności zbierane często przez nie-profesjonalnych ornitologów dobra znajomość kryteriów identyfikacji gatunków słabsza znajomość metodyki wnioskowania naukowego słaba znajomość literatury naukowej (nowości, teoria) statystyka i modelowanie traktowane jako niepotrzebne mącenie

3 Liczyć każdy umie Ocena liczebności populacji Bezproblemowe liczenie, gdy można wykryć każdego osobnika (gniazdo, obiekt) Prawdopodobieństwo wykrycia=1,00

4 Liczyć każdy umie??

5 Niepełna wykrywalność Z reguły jednak prawdopodobieństwo wykrycia osobnika w warunkach terenowych < 1,00 nieobecny na powierzchni próbnej w danej chwili terytorium większe od powierzchni kontrolowanej obecny na pow. próbnej, ale nie wykryty większość ptaków wykrywana tylko po śpiewie/głosie god. samice nie wykrywane w ogóle Ćwiczenia z rzutu monetą jeśli zaśpiewa wykryty nie zaśpiewa nie ma nie wykryty, fałszywa absencja

6 Kontrola powierzchni próbnej 9 osobników obecnych

7 Kontrola powierzchni próbnej 9 osobników, p=0,50

8 Kontrola powierzchni próbnej 9 osobników, p=0,50

9 Kontrola powierzchni próbnej 9 osobników, p=0,50

10 Liczenia osobników w terenie Równanie podstawowe C = p * N Wynik liczenia Prawdopodobieństwo wykrycia Rzeczywista liczba osobników na powierzchni Wynik liczenia (C) jest zmienną losową

11 Realizacja zmiennej losowej 20 osobników, p=0,50; 1000 symulowanych kontroli Frekwencja Liczba stwierdzonych osobników

12 Realizacja zmiennej losowej 20 osobników, p=0,50; 1000 symulowanych kontroli Frekwencja Liczba stwierdzonych osobników

13 Realizacja zmiennej losowej 20 osobników, p=0,50; 1000 symulowanych kontroli Frekwencja Liczba stwierdzonych osobników

14 Realizacja zmiennej losowej 20 osobników, p=0,50; 1000 symulowanych kontroli Frekwencja Liczba stwierdzonych osobników

15 Wykrywalność: 2 znaczenia Wykrywalność osobnicza (p) Prawdop. wykrycia osobnika obecnego na powierzchni próbnej Wykrywalność gatunku (K) [wykrywalność na powierzchnię ] Prawdop. wykrycia przynajmniej 1 osobnika danego gatunku obecnego na powierzchni próbnej Powiązane ze sobą, ale nie tożsame K = 1 (1-p) N gdzie N = liczba osobników na powierzchni

16 Czynniki wpływające na wykrywalność Założenie: ta sama wielkość powierzchni termin kontroli pora dnia długość kontroli sposób poruszania się obserwatora doświadczenie obserwatora stymulacja głosowa pogoda gatunek

17 Co z tym robić? Czy interesuje nas bezwzględna liczebność populacji? nie (np. trendy liczebności) stablizacja wykrywalności tak (demografia, planowanie ochrony) maksymalizacja wykrywalności (p 1) obliczanie wykrywalności z pomocą modeli statystycznych

18 Stabilizacja wykrywalności Bezwzględna liczebność populacji nie jest przedmiotem zainteresowania Stabilizacja p poprzez standaryzację protokołu prac terenowych pozwala przyjąć, że p jest stałe i umożliwia wyliczanie trendów z jego pominięciem stabilny i rygorystyczny protokół prac terenowych

19 Stabilizacja wykrywalności Bezwzględna liczebność populacji nie jest przedmiotem zainteresowania Stabilizacja p poprzez standaryzację protokołu prac terenowych pozwala przyjąć, że p jest stałe i umożliwia wyliczanie trendów z jego pominięciem stabilny i rygorystyczny protokół prac terenowych

20 Maksymalizacja wykrywalności Ptaki lęgowe, populacja zamknięta demograficznie Wielokrotne kontrole wymaga wielokrotnych kontroli tej samej powierzchni w krótkich odstępach czasu dużo kontroli: kumulatywne p 1 brak modelowania statystycznego milczące założenie przy stosowaniu metody kartograficznej

21 Skumulowane p wykrycia Maksymalizacja wykrywalności Skumulowana wykrywalność 1,1 1 p=0.95 0,9 0,8 p=0.60 0,7 0,6 0,5 0,4 0,3 p=0.16 0,2 0, Liczba kontroli

22 Modelowanie wykrywalności Ptaki lęgowe, populacja zamknięta demograficznie Wielokrotne kontrole wymaga wielokrotnych kontroli tej samej powierzchni w krótkich odstępach czasu 3-4 kontrole wystarczą, ale im więcej tym lepiej wymaga modelowania statystycznego metodyka rozwijana od 2002, głównie po 2005 standard we współczesnych badaniach ilościowych ptaków p wyliczane z informacji zawartej w liście obecności 11101, pozwala oszacować bezwzgl. liczebność osobników darmowe oprogramowanie do analiz

23 Główne podejścia metodyczne populacja zamknięta demograficznie wielokrotne kontrole wielokrotne liczenia tej samej powierzchni (spotmapping) liczenia punktowe w pasach odległości liczenia transektowe w pasach odległości liczenia jednoczesne przez 2 obserwatorów (double observer) liczenia w rozbiciu na interwały czasu (removal methods)

24 Wykrywalność ptaków leśnych ten projekt p wykrycia osobnika w 1 kontroli powierzchni średnia = 0.32 max = 0.66 Frekwencja Wykrywalność/1 kontrola

25 Wykrywalność ptaków leśnych z reguły spada wraz z postępem sezonu Mysikrólik Drozd śpiewak Dzięcioł duży

26 Wykrywalność ptaków leśnych z reguły spada wraz z postępem sezonu Bogatka Zięba Kowalik

27 Wnioski Wykrywalność ptaków leśnych jest niska, niekiedy bardzo niska Gatunki osiadłe bardziej aktywne na początku sezonu Gatunki wędrowne wymagają kontroli późnych Oceny liczebności bezwzględnej wymagają stosowania technik pozwalających uwzględnić niepełną wykrywalność planowanie liczeń analiza wyników ten projekt wykorzystuje takie metody

28 Dziękuję za uwagę

Metody badań terenowych i zebrane dane

Metody badań terenowych i zebrane dane Metody badań terenowych i zebrane dane Wpływ prowadzonej gospodarki leśnej na populacje wybranych gatunków ptaków interioru leśnego w lasach nizinnych Polski Tomasz Chodkiewicz Zadanie realizowane w ramach

Bardziej szczegółowo

Właściwy dobór metod obserwacji i wskaźników w ocenie wpływu farm wiatrowych na bioróżnorodność ptaków i nietoperzy

Właściwy dobór metod obserwacji i wskaźników w ocenie wpływu farm wiatrowych na bioróżnorodność ptaków i nietoperzy Właściwy dobór metod obserwacji i wskaźników w ocenie wpływu farm wiatrowych na bioróżnorodność ptaków i nietoperzy Marek Ksepko Badania monitoringowe zagadnienia podstawowe (Wytyczne: PSEW 2008, GDOŚ

Bardziej szczegółowo

Atlas ptaków lęgowych i zimujących Polski południowo-wschodniej

Atlas ptaków lęgowych i zimujących Polski południowo-wschodniej Atlas ptaków lęgowych i zimujących Polski południowo-wschodniej 2014-2018 Powołanie zespołu autorskiego Zespół autorów tego opracowania książkowego zawiązuje się już teraz w celu sprawnego zbierania i

Bardziej szczegółowo

Jak policzyć łosie w Polsce? Sugestie pod rozwagę

Jak policzyć łosie w Polsce? Sugestie pod rozwagę Jak policzyć łosie w Polsce? Sugestie pod rozwagę Przemysław Chylarecki Fundacja Greenmind Muzeum i Instytut Zoologii PAN Policzyć łosie Nie da się policzyć wszystkich łosi w Polsce Potrzeba zastosowania

Bardziej szczegółowo

Zawartość raportu OOŚ. Przemysław Chylarecki

Zawartość raportu OOŚ. Przemysław Chylarecki Zawartość raportu OOŚ Przemysław Chylarecki Raport OOŚ część ornitologiczna Kompromis pomiędzy Czytelną syntezą danych Dokumentacją dla potrzeb weryfikacji Dokument powstający w warunkach konfliktu interesów

Bardziej szczegółowo

Z poprzedniego wykładu

Z poprzedniego wykładu PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne

Bardziej szczegółowo

Puszcza Białowieska: ptaki, skarby i mity. Przemysław Chylarecki Muzeum i Instytut Zoologii PAN

Puszcza Białowieska: ptaki, skarby i mity. Przemysław Chylarecki Muzeum i Instytut Zoologii PAN Puszcza Białowieska: ptaki, skarby i mity Przemysław Chylarecki Muzeum i Instytut Zoologii PAN Tomasz Wesołowski Pracownia Badań Lasu, Uniwersytet Wrocławski Awifauna PB: podstawowe fakty Kompleks leśny

Bardziej szczegółowo

10 lat Monitoringu Pospolitych Ptaków Lęgowych

10 lat Monitoringu Pospolitych Ptaków Lęgowych lat Monitoringu Pospolitych Ptaków Lęgowych Tomasz Chodkiewicz, Przemysław Chylarecki, Barbara Archita cel programu wiarygodne dane wspomagające ochronę ptaków i ich siedlisk 3 główne produkty : Wskaźnik

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y

Bardziej szczegółowo

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 Regresja wielokrotna Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X 1, X 2, X 3,...) na zmienną zależną (Y).

Bardziej szczegółowo

Wnioski dla praktyki i gospodarki leśnej

Wnioski dla praktyki i gospodarki leśnej Wnioski dla praktyki i gospodarki leśnej Grzegorz Neubauer, Tomasz Chodkiewicz, Przemysław Chylarecki, Arkadiusz Sikora, Tomasz Wilk, Zbigniew Borowski Zadanie realizowane w ramach umowy nr OR.271.3.12.2015

Bardziej szczegółowo

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja) PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na

Bardziej szczegółowo

Zadania aktywizujące dzieci i młodzież: 2. Natura 2000

Zadania aktywizujące dzieci i młodzież: 2. Natura 2000 Zadania aktywizujące dzieci i młodzież: 2. atura 2000 2A. ZADAIE AKTywIZUjĄCE: Obserwacje ornitologiczne zajęcia terenowe Program atura 2000 w szczególny sposób chroni gatunki ptaków. Dlatego istotne jest,

Bardziej szczegółowo

Doświadczenia z PZO obszarów ptasich

Doświadczenia z PZO obszarów ptasich Doświadczenia z PZO obszarów ptasich Przemysław Chylarecki Muzeum i Instytut Zoologii PAN Ogólnopolskie Towarzystwo Ochrony Ptaków Co ja tutaj robię? Moje związki z PZO PZO dla OSO Puszcza Białowieska

Bardziej szczegółowo

Państwowy monitoring ptaków szponiastych metodyka oceny liczebności i rozpowszechnienia na rozległych powierzchniach próbnych

Państwowy monitoring ptaków szponiastych metodyka oceny liczebności i rozpowszechnienia na rozległych powierzchniach próbnych Państwowy monitoring ptaków szponiastych metodyka oceny liczebności i rozpowszechnienia na rozległych powierzchniach próbnych Zdzisław Cenian Komitet Ochrony Orłów GIOŚ Wyniki projektu realizowanego na

Bardziej szczegółowo

Wyniki inwentaryzacji awifauny na terenach pod liniami elektroenergetycznymi i na przylegających obszarach leśnych

Wyniki inwentaryzacji awifauny na terenach pod liniami elektroenergetycznymi i na przylegających obszarach leśnych inwentaryzacji awifauny na terenach pod liniami elektroenergetycznymi i na przylegających obszarach leśnych Zbigniew Borowski IBL, Roman Stelmach BULiGL, Przemysław Chylarecki MiZ PAN Wstęp Napowietrzne

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

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

Bardziej szczegółowo

Opinia ornitologiczna dotycząca planowanej budowy elektrowni wiatrowych w gminie Osiek Jasielski.

Opinia ornitologiczna dotycząca planowanej budowy elektrowni wiatrowych w gminie Osiek Jasielski. PARUS PRACOWNIA EKSPERTYZ ŚRODOWISKOWYCH ul. Heweliusza3/35 60-281 Poznań NIP: 781-175-36-42 REGON: 301577956 Tel. +48 607-781-904 Opinia ornitologiczna dotycząca planowanej budowy elektrowni wiatrowych

Bardziej szczegółowo

Monitoring poinwestycyjny wnioski w zakresie metodyki prowadzenia prac. Dariusz Wysocki Katedra Anatomii i Zoologii Kręgowców Uniwersytet Szczeciński

Monitoring poinwestycyjny wnioski w zakresie metodyki prowadzenia prac. Dariusz Wysocki Katedra Anatomii i Zoologii Kręgowców Uniwersytet Szczeciński Monitoring poinwestycyjny wnioski w zakresie metodyki prowadzenia prac Dariusz Wysocki Katedra Anatomii i Zoologii Kręgowców Uniwersytet Szczeciński Plan wystąpienia: 1. Monitoring ptaków lęgowych 2. Monitoring

Bardziej szczegółowo

Rozmieszczenie ptaków lęgowych w Karkonoszach 2012

Rozmieszczenie ptaków lęgowych w Karkonoszach 2012 Zał. 1 Rozmieszczenie ptaków lęgowych w Karkonoszach 2012 METODYKA Dane, które zostaną zawarte w nowym atlasie ptaków, będą pozyskiwane trzema różnymi sposobami, dla jasności nazwanymi mapowaniem, liczeniem

Bardziej szczegółowo

STATYSTYKA OPISOWA. Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych;

STATYSTYKA OPISOWA. Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych; STATYSTYKA OPISOWA Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych; - badanie stanu zdrowia w pewnej miejscowości; - badanie stopnia zanieczyszczenia gleb metalami ciężkimi

Bardziej szczegółowo

Metody Statystyczne. Metody Statystyczne.

Metody Statystyczne. Metody Statystyczne. gkrol@wz.uw.edu.pl #4 1 Sprawdzian! 5 listopada (ok. 45-60 minut): - Skale pomiarowe - Zmienne ciągłe i dyskretne - Rozkład teoretyczny i empiryczny - Miary tendencji centralnej i rozproszenia - Standaryzacja

Bardziej szczegółowo

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 22 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa

1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji

Ćwiczenie: 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 Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1

Bardziej szczegółowo

METODY STATYSTYCZNE. Studia stacjonarne, semestr zimowy 2017/2018. Motto III: In God we trust. All others must bring data (z internetu)

METODY STATYSTYCZNE. Studia stacjonarne, semestr zimowy 2017/2018. Motto III: In God we trust. All others must bring data (z internetu) METODY STATYSTYCZNE Studia stacjonarne, semestr zimowy 017/018 Motto I: Prawie każdy jest statystykiem ale niewielu o tym wie (inspiratorzy: Molier i Joseph Schumpeter) Motto II: Statystyka jest bodajże

Bardziej szczegółowo

STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;

STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; - badanie skuteczności nowego leku; - badanie stopnia zanieczyszczenia gleb metalami

Bardziej szczegółowo

Nocne migracje ptaków i ich obserwacje za pomocą radaru ornitologicznego

Nocne migracje ptaków i ich obserwacje za pomocą radaru ornitologicznego Nocne migracje ptaków i ich obserwacje za pomocą radaru ornitologicznego Marek Ksepko Krzysztof Gajko Źródło: Swiss birdradar The history http://www.swiss-birdradar.com 3BirdRadarSystem detekcja obiektów

Bardziej szczegółowo

Zarządzanie populacjami zwierząt. Parametry genetyczne cech

Zarządzanie populacjami zwierząt. Parametry genetyczne cech Zarządzanie populacjami zwierząt Parametry genetyczne cech Teoria ścieżki zależność przyczynowo-skutkowa X p 01 Z Y p 02 p 01 2 + p 02 2 = 1 współczynniki ścieżek miary związku między przyczyną a skutkiem

Bardziej szczegółowo

Biopaliwa a ptaki Przemysław Chylarecki

Biopaliwa a ptaki Przemysław Chylarecki Biopaliwa a ptaki Przemysław Chylarecki Muzeum i Instytut Zoologii PAN Dlaczego ptaki? Dobre wskaźniki różnorodności biologicznej Szczytowe ogniwa łańcucha troficznego integrują informację z niższych szczebli

Bardziej szczegółowo

Inwentaryzacja zasobów drzewnych w IV rewizji urządzania lasu

Inwentaryzacja zasobów drzewnych w IV rewizji urządzania lasu Inwentaryzacja zasobów drzewnych w IV rewizji urządzania lasu - ogólnie Obecnie obowiązuje statystyczna metoda reprezentacyjnego pomiaru miąższości w obrębie leśnym. Metoda reprezentacyjna oznacza, iż

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Prognoza demograficzna dla gmin województwa dolnośląskiego do 2035 roku

Prognoza demograficzna dla gmin województwa dolnośląskiego do 2035 roku Prognoza demograficzna dla gmin województwa dolnośląskiego do 2035 roku Stanisława Górecka Robert Szmytkie Samorządowa Jednostka Organizacyjna Województwa Dolnośląskiego 1 UWAGI WSTĘPNE Prognoza została

Bardziej szczegółowo

Wykład z dnia 8 lub 15 października 2014 roku

Wykład z dnia 8 lub 15 października 2014 roku Wykład z dnia 8 lub 15 października 2014 roku Istota i przedmiot statystyki oraz demografii. Prezentacja danych statystycznych Znaczenia słowa statystyka Znaczenie I - nazwa zbioru danych liczbowych prezentujących

Bardziej szczegółowo

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)

Bardziej szczegółowo

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Przedstawienie wstępnych wyników inwentaryzacji obszaru Natura 2000 Ostoja Biebrzańska i wstępnych propozycji kierunków niezbędnych działań

Przedstawienie wstępnych wyników inwentaryzacji obszaru Natura 2000 Ostoja Biebrzańska i wstępnych propozycji kierunków niezbędnych działań Przygotowanie planów zadań ochronnych dla obszarów Natura 2000: SOO Dolina Biebrzy i OSO Ostoja Biebrzańska. Przedstawienie wstępnych wyników inwentaryzacji obszaru Natura 2000 Ostoja Biebrzańska i wstępnych

Bardziej szczegółowo

Ekspertyzy ornitologiczne i chiropterologiczne oraz nadzór

Ekspertyzy ornitologiczne i chiropterologiczne oraz nadzór Ochrona siedlisk zwierząt w miastach Ekspertyzy ornitologiczne i chiropterologiczne oraz nadzór przyrodniczy Dorota Łukasik Generalna Dyrekcja Ochrony Środowiska Efekt wykonania ekspertyzy Koszt wykonania.

Bardziej szczegółowo

Przemysław Wylegała. Farmy wiatrowe a ochrona ptaków

Przemysław Wylegała. Farmy wiatrowe a ochrona ptaków Przemysław Wylegała Farmy wiatrowe a ochrona ptaków Oddziaływanie na ptaki Śmiertelność na skutek kolizji z siłowniami oraz elementami infrastruktury towarzyszącej Utrata i fragmentacja siedlisk Zaburzenia

Bardziej szczegółowo

Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka

Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka Jakub S. Prauzner-Bechcicki Grupa: Chemia A Kraków, dn. 7 marca 2018 r. Plan wykładu Rozważania wstępne Prezentacja wyników

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

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

Bardziej szczegółowo

Baza pokarmowa: ocena dostępności ofiar wilka i rysia

Baza pokarmowa: ocena dostępności ofiar wilka i rysia Baza pokarmowa: ocena dostępności ofiar wilka i rysia Jakub Borkowski Katedra Leśnictwa i Ekologii Lasu Uniwersytet Warmińsko-Mazurski Warszawa, 28 czerwca 2017 r. Fot. Jolanta Jurkiewicz Zdjęcie z fotopułapki,

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO

STATYSTYKA I DOŚWIADCZALNICTWO STATYSTYKA I DOŚWIADCZALNICTWO dla studiów magisterskich kierunku ogrodnictwo Wykład 1 Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Słowo statystyka pochodzi

Bardziej szczegółowo

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1 Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie

Bardziej szczegółowo

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY

Bardziej szczegółowo

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład

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

Testowanie hipotez statystycznych

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

Bardziej szczegółowo

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.

Bardziej szczegółowo

METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II

METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II Podział zmiennych Zmienne zależne zmienne, które są przedmiotem badania, których związki z innymi zmiennymi chcemy określić Zmienne

Bardziej szczegółowo

Genetyka populacji. Analiza Trwałości Populacji

Genetyka populacji. Analiza Trwałości Populacji Genetyka populacji Analiza Trwałości Populacji Analiza Trwałości Populacji Ocena Środowiska i Trwałości Populacji- PHVA to wielostronne opracowanie przygotowywane na ogół podczas tworzenia planu ochrony

Bardziej szczegółowo

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

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

Bardziej szczegółowo

POJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.

POJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. [1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej

Bardziej szczegółowo

I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy

I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy 1.1.1 Statystyka opisowa I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE STATYSTYKA OPISOWA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: P6 Wydział Zamiejscowy w Ostrowie Wielkopolskim

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych

Bardziej szczegółowo

Czynniki środowiskowe mające znaczenie w życiu ptaków leśnych

Czynniki środowiskowe mające znaczenie w życiu ptaków leśnych Ekologia i ochrona ptakó ptaków leś leśnych w świetle problemó problemów gospodarki leś leśnej, obowią obowiązują zującego ustawodawstwa oraz zmian klimatycznych Rysunki E. Grzędzicka Emilia Grzę Grzędzicka

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

Trudności i ograniczenia w analizie danych uzyskanych metodą pędzeń próbnych

Trudności i ograniczenia w analizie danych uzyskanych metodą pędzeń próbnych Trudności i ograniczenia w analizie danych uzyskanych metodą pędzeń próbnych na przykładzie inwentaryzacji łosia w RDLP Lublin Przemysław Chylarecki Muzeum i Instytut Zoologii PAN Geneza projektu Postulaty

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

Wykorzystanie obrączkowania w dydaktyce przedszkolnej i szkolnej

Wykorzystanie obrączkowania w dydaktyce przedszkolnej i szkolnej Wykorzystanie obrączkowania w dydaktyce przedszkolnej i szkolnej Piotr Piliczewski Katedra Zoologii Kręgowców i Antropologii, Uniwersytet Szczeciński epicrates@wp.pl Barbara Kornecka Edward Domnick Ośrodek

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

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne)

zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne) STATYSTYKA zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne) DANYCH STATYSTYKA MATEMATYCZNA analiza i interpretacja danych przy wykorzystaniu metod

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW STATYSTYKA to nauka, której przedmiotem

Bardziej szczegółowo

Rozkłady statystyk z próby. Statystyka

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

Bardziej szczegółowo

Sprawozdanie z kontroli stanowisk kraski Coracias garrulus na Nizinie Północnopodlaskiej w 2010 roku

Sprawozdanie z kontroli stanowisk kraski Coracias garrulus na Nizinie Północnopodlaskiej w 2010 roku Sprawozdanie z kontroli stanowisk kraski Coracias garrulus na Nizinie Północnopodlaskiej w 2010 roku Grzegorz Grygoruk, Tomasz Tumiel Białystok, 2010 r. Wstęp Kraska jest gatunkiem, którego liczebność

Bardziej szczegółowo

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Paweł Szymański

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Paweł Szymański METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH Paweł Szymański Dobry plan badań to podstawa!!! Manipulacja czy korelacja? Pomiar czynników lub cech i sprawdzenie czy są one ze sobą powiązane. korelacja Zmiana

Bardziej szczegółowo

Modelowanie statystyczne siedlisk ptaków leśnych w OSO Lasy Puszczy nad Drawą

Modelowanie statystyczne siedlisk ptaków leśnych w OSO Lasy Puszczy nad Drawą Modelowanie statystyczne siedlisk ptaków leśnych w OSO Lasy Puszczy nad Drawą Michał Żmihorski, Klub Przyrodników, Muzeum i Instytut Zoologii PAN zmihorski@miiz.waw.pl Plan ochrony Drawieńskiego Parku

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

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE CECHY ILOŚCIOWE PARAMETRY GENETYCZNE Zarządzanie populacjami zwierząt, ćwiczenia V Dr Wioleta Drobik Rodzaje cech Jakościowe o prostym dziedziczeniu uwarunkowane zwykle przez kilka genów Słaba podatność

Bardziej szczegółowo

Estymacja parametrów rozkładu cechy

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

Bardziej szczegółowo

ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 listopada 2010 r.

ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 listopada 2010 r. Dziennik Ustaw Nr 222 15439 Poz. 1453 1453 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 listopada 2010 r. w sprawie wzorów wniosków przedkładanych w związku z badaniem klinicznym, wysokości opłat za złożenie

Bardziej szczegółowo

Instrukcja metodyczna inwentaryzacji awifauny lęgowej terenów otwartych w Karpatach

Instrukcja metodyczna inwentaryzacji awifauny lęgowej terenów otwartych w Karpatach Instrukcja metodyczna inwentaryzacji awifauny lęgowej terenów otwartych w Karpatach Opracowanie: Rafał Bobrek i Tomasz Wilk (wersja 1, luty 2018) Cel liczeń Określenie liczebności i rozmieszczenia terytoriów

Bardziej szczegółowo

Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw

Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw dr Karolina Borowiec-Mihilewicz Uniwersytet Ekonomiczny we Wrocławiu Zastosowania

Bardziej szczegółowo

Wykład 1 BIOMATEMATYKA DR WIOLETA DROBIK

Wykład 1 BIOMATEMATYKA DR WIOLETA DROBIK Wykład 1 BIOMATEMATYKA DR WIOLETA DROBIK SPRAWY ORGANIZACYJNE Konsultacje: czwartek 12-14, pokój 33 Email: wioleta.drobik@gmail.com, wioleta_drobik@sggw.pl Wykład 30 h (10 x 3 h w tygodniu) Ćwiczenia 15

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

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

Bardziej szczegółowo

PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść I

PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść I PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść I Szkic wykładu 1 Przykład wprowadzajacy 2 Prawo wielkich liczb Bernoulliego i centralne tw. graniczne 3 4 Przykład wprowadzajacy W Polsce różne głosowania odbywaja

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

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

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO

STATYSTYKA I DOŚWIADCZALNICTWO STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Test niezależności chi-kwadrat (χ 2 ) Cel: ocena występowania zależności między dwiema cechami jakościowymi/skategoryzowanymi X- pierwsza cecha; Y druga cecha Przykłady

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Ćwiczenie: 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 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

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

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZA 1. Wykład wstępny. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. ajczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 1 Statystyka Nazwa pochodząca o łac. słowa status stan, państwo i statisticus

Bardziej szczegółowo

Metody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis

Metody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod przedmiotu Język przedmiotu Rodzaj przedmiotu Dziedzina i dyscyplina

Bardziej szczegółowo

Wyniki inwentaryzacji kulika wielkiego w kluczowych ostojach gatunku w Polsce w roku 2013

Wyniki inwentaryzacji kulika wielkiego w kluczowych ostojach gatunku w Polsce w roku 2013 Wyniki inwentaryzacji kulika wielkiego w kluczowych ostojach gatunku w Polsce w roku 2013 Opracowanie Przemysław Chylarecki opracowano na potrzeby projektu POIS.05.01.00-00-380/12 "Ochrona kulika wielkiego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Narodowego Funduszu Ochrony Środowiska i Gospodarki Wodnej.

Narodowego Funduszu Ochrony Środowiska i Gospodarki Wodnej. Raport uproszczony nr 1, zawierający informacje o ptakach wędrownych, bytujących i lęgowych na odcinku 488-538 Wisły, zebrane w trakcie liczeń transektowych w miesiącach marzec-maj 217 Monitoring został

Bardziej szczegółowo

IV WYKŁAD STATYSTYKA. 26/03/2014 B8 sala 0.10B Godz. 15:15

IV WYKŁAD STATYSTYKA. 26/03/2014 B8 sala 0.10B Godz. 15:15 IV WYKŁAD STATYSTYKA 26/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 4 Populacja generalna, próba, losowanie próby, estymatory Statystyka (populacja generalna, populacja próbna, próbka mała, próbka duża, reprezentatywność,

Bardziej szczegółowo

Teledetekcyjna metoda oceny liczebności dużych ssaków kopytnych. Henryk Okarma Instytut Ochrony Przyrody PAN Antoni Łabaj SmallGIS Kraków

Teledetekcyjna metoda oceny liczebności dużych ssaków kopytnych. Henryk Okarma Instytut Ochrony Przyrody PAN Antoni Łabaj SmallGIS Kraków Teledetekcyjna metoda oceny liczebności dużych ssaków kopytnych Henryk Okarma Instytut Ochrony Przyrody PAN Antoni Łabaj SmallGIS Kraków Założenia techniczne: (1) Rejestracja zwierząt w świetle dziennym

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 7

Stanisław Cichocki Natalia Nehrebecka. Wykład 7 Stanisław Cichocki Natalia Nehrebecka Wykład 7 1 1. Metoda Największej Wiarygodności MNW 2. Założenia MNW 3. Własności estymatorów MNW 4. Testowanie hipotez w MNW 2 1. Metoda Największej Wiarygodności

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

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

MATEMATYKA3 Mathematics3. Elektrotechnika. I stopień ogólnoakademicki. studia stacjonarne. Katedra Matematyki dr Zdzisław Piasta

MATEMATYKA3 Mathematics3. Elektrotechnika. I stopień ogólnoakademicki. studia stacjonarne. Katedra Matematyki dr Zdzisław Piasta KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 MATEMATYKA3 Mathematics3 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek

Bardziej szczegółowo

Arkusz inwentaryzacji zwierzyny przeprowadzonej

Arkusz inwentaryzacji zwierzyny przeprowadzonej Arkusz inwentaryzacji zwierzyny przeprowadzonej w dniu na rok gospodarczy.../... Dane ogólne 1. Obwód łowiecki nr... powierzchnia... ha, w tym powierzchnia gruntów leśnych... ha, powierzchnia po wyłączeniach,

Bardziej szczegółowo