Badania marketingowe 2013_14. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
|
|
- Ewa Dąbrowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Badania marketingowe 2013_14 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
2 Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja badań rynkowych 3. Proces badań marketingowych i jego fazy 4. Zbieranie danych wtórnych 5. Pozyskiwanie danych syndykatywnych 6. Pozyskiwania danych pierwotnych - badania jakościowe 7. Pozyskiwanie danych pierwotnych: badania ilościowe - obserwacja 8. Pozyskiwanie danych pierwotnych: badania ilościowe - ankiety i wywiady 9. Pozyskiwanie danych pierwotnych: badania eksperymentalne 10. Budowa instrumentu pomiarowego kwestionariusz ankietowy 11. Próba badawcza, jej liczebność, struktura i techniki doboru 12. Badania marketingowe w Internecie 13. Metody oceny potencjalnego i prognozowania przyszłego popytu 14. Analiza danych badawczych 15. Prezentacja i wykorzystanie wyników badań
3 Podstawowe etapy analizy danych Redukcja danych Redagowanie danych Kodowanie danych Zliczanie i tabulacja Wstępna analiza statystyczna Złożona analiza statystyczna
4 Redukcja danych Maksymalizacja dokładności danych wymaga redukcji błędów popełnionych w procesie badawczym. Redukcja jest procesem przystosowania danych surowych do ich analizy. Dane surowe trzeba przygotować do dalszej analizy pod względem tak formalnym, jak też technicznym. Jaką postać mają dane surowe? Wypełnione kwestionariusze Dzienniczki panelowe Zapisy z pomiaru obserwacji Wyniki eksperymentów
5 Redukcja danych W procesie redukcji dane surowe są: Kontrolowane Redagowane Wprowadzane Kodowane Klasyfikowanie Zliczane Podawane tabulacji i agregacji Wynikiem czynności redukcyjnych jest uporządkowanie i wstępna prezentacja danych w postaci opisowej, tabelarycznej i graficznej.
6 Redukcja danych Redukcja danych rozpoczyna się od kontroli pomiaru. Procedura kontroli pomiaru uwzględnia możliwość identyfikacji osoby, miejsca, czasu trwania, przedmiotu oraz innych elementów procesu pomiaru. Wybrane metody kontroli pomiaru to: Ukryte podwójne pytania kontrolne zawarte w kwestionariuszu Sprawdzenie za pomocą telefonów, maili oraz sms Działalność kontrolerów
7 Redukcja danych Przykładowe kwestie które powinny zostać rozstrzygnięte w wyniku kontroli: Czy wszyscy respondenci dobrani do próby byli faktycznie pytani przez naszych ankieterów? Czy wywiady zostały przeprowadzone we właściwy sposób? Czy wywiady zostały przeprowadzone w uprzednio wyznaczonym miejscu? Czy ankieterzy przeprowadzili pełne wywiady? Czy ankieter był uprzejmy? Czy ankieter umiał nawiązać kontakt z respondentem? Czy nie pojawiły się wątpliwości odnośnie celu badań i zasadności uzyskania danych osobistych? Jakie negatywne opinie o ankieterach wypowiadali respondenci? Celem procesu kontroli pomiaru jest uzyskanie pewności, że cały proces badania, a zwłaszcza pomiar danych, został zorganizowany i przeprowadzony należycie.
8 Redukcja danych Redagowanie danych polega na sprawdzeniu otrzymanych narzędzi badawczych (np. kwestionariuszy) pod względem czytelności danych, kompletności, spójności i prawdziwości odpowiedzi oraz tam gdzie to możliwe wprowadzenie uzupełnień i poprawek. Sprawdzanie pozyskanych danych (rodzaje błędów i braków w kwestionariuszach): Pomiar fikcyjny Błędne dane Sprzeczności i niezgodności Odpowiedzi niekompletne Odpowiedzi niejednoznaczne Odpowiedzi nieadekwatne Brak odpowiedzi
9 Redukcja danych Zasady wprowadzania poprawek i uzupełnień: Wyniki pomiaru należy poddać redakcji natychmiast po zakończeniu pomiaru. W przypadku większej liczby redaktorów należy opracować instrukcję redagowania danych. Nie należy wymazywać danych oryginalnych. Poprawki i uzupełnienia powinny być nanoszone innym kolorem, aby je wyróżnić. Sprzeczne lub niezgodne dane należy zmienić (jeśli jest to możliwe) lub odrzucić. Redaktor może określić odpowiedź respondenta przy jej braku, jeśli jest to możliwe na podstawie innych odpowiedzi tego samego respondenta. Tam gdzie to konieczne, redaktor może wstawić dane szacunkowe. W przypadkach szczególnie istotnych redaktor podejmuje próbę ponownego kontaktu z respondentem, aby uzupełnić bądź dokonać weryfikacji danych. Tam gdzie zawiodą wszystkie poprzednio umówione metody pozostawia się pytanie bez odpowiedzi lub gdy liczba takich pytań jest duża taki kwestionariusz eliminujemy z badan. W wyniku redakcji otrzymuje się dane sprawdzone i wyselekcjonowane do dalszej ich analizy.
10 Redukcja danych Maksymalizacja dokładności danych wymaga redukcji błędów popełnionych w procesie badawczym. Istnieją trzy podstawowe podejścia w programie redukcji błędów: Redukcja poszczególnych rodzajów błędów Redukcja całkowitego błędu badania Redukcja przez pomiar lub oszacowanie pozostałych błędów
11 Redukcja danych Redukcja poszczególnych rodzajów błędów: Błędy popełniane w trakcie badań: 1. Błędy doboru próby wytypowanie niewłaściwej populacji generalnej wytypowanie niewłaściwego wykazu populacji badanej błędy losowego doboru próby błędy nielosowego doboru próby błędy niewłaściwego stosowania próby 2. Pozostałe błędy błędy problemu badawczego błędy pomiaru błędy zbierania danych błędy redukcji danych błędy analizy i interpretacji danych błędy prezentacji i oceny danych
12 Redukcja danych Redukcja poszczególnych rodzajów błędów: Alternatywne techniki redukcji błędu doboru próby: Zwiększenie wielkości próby, ale rosną koszty badania Zmiana metody doboru próby np. z losowania prostego na losowanie systematyczne lub dobór kwotowy
13 Redukcja danych Redukcja całkowitego błędu badania: Alternatywne techniki redukcji błędu braku odpowiedzi: Metoda przypominania Dodatkowe wysyłki kwestionariuszy ankietowych Zamiana formy pomiaru na wywiad telefoniczny
14 Redukcja danych W celu przeprowadzenia nawet najprostszych operacji statystycznych wymagane jest przełożenie odpowiedzi respondentów na ciąg symboli (najczęściej cyfr). Procedura kodowania jest zróżnicowana w zależności od rodzaju pytań. Pytania zamknięte: W przypadku pytań zamkniętych, kodowanie polega na podporządkowanie każdemu wariantowi odpowiedzi danego symbolu cyfrowego. Wówczas kodowanie może być prowadzone w dowolnej fazie badań. Począwszy od momentu zbierania danych aż do fazy obliczeń. Wyróżniamy dwa rodzaje systemów kodowania: Kod arytmetyczny Kod geometryczny
15 Kodowanie danych Kod arytmetyczny (przykład): Którą z poniższych marek samochodów osobowych uważa Pan (i) za symbol luksusu? (proszę wybrać tylko jedną z poniższych odpowiedzi). a) Volvo 01 b) Mercedes 02 c) Audi 03 d) BMW 04 e) Inne (jakie?) 05 Gdy respondent wybierze odpowiedź b) Mercedes odpowiedź jest kodowana za pomocą symbolu 02.
16 Kodowanie danych Kod geometryczny (przykład): Którą z poniższych marek samochodów osobowych uważa Pan (i) za symbol luksusu? (proszę wybrać co najwyżej dwie z poniższych odpowiedzi). a) Volvo 01 b) Mercedes 02 c) Audi 04 d) BMW 08 e) Inne (jakie?) 16 Gdy respondent wybierze odpowiedź b) Mercedes i d) BMW odpowiedź jest kodowana za pomocą symbolu 10.
17 Kodowanie danych Pytania otwarte: Procedura kodowania stosowana w przypadku pytań otwartych jest bardziej skomplikowana. Po pierwsze, należy dokładnie przestudiować odpowiedzi na pytania otwarte. Po drugie należy dokonać podziału uzyskanych odpowiedzi na pewne klasy. Po trzecie, trzeba przypisać do tych klas odpowiedzi konkretnych respondentów jeżeli zbyt duża liczba odpowiedzi nie mieści się w tych klasach, to należy wrócić do punktu 2. Po czwarte, przypisujemy poszczególnym klasom symbole cyfrowe najczęściej znajduje zastosowanie kod geometryczny. W przypadku dłuższych kwestionariuszy pomocne jest opracowanie specjalnej instrukcji kodowej.
18 Kodowanie danych Analiza pytań otwartych: - oryginalne odpowiedzi respondentów. Dlaczego nie bierze Pan (i) pod uwagę kupna nowego samochodu w ciągu następnych 2 lat? 1. Mój obecny samochód jest niezawodny. 2. Nie mogę sobie pozwolić na zakup nowego samochodu. 3. Tracą one szybko na wartości, a mój obecny samochód dobrze się sprawuje. 4. Moje sprawy zawodowe wydają się być niepewne. 5. Mamy kilka psów i zniszczą one mój nowy samochód. 6. Mieszkamy tylko we dwoje i nie potrzebujemy nowego samochodu. 7. Myślę, że w przyszłości będą większe obniżki. 8. Być może dostanę nowy samochód w pracy. 9. Naprawdę nie wiem.
19 Kodowanie danych Analiza pytań otwartych:- zmodyfikowane odpowiedzi respondentów. Dlaczego nie bierze Pan (i) pod uwagę kupna nowego samochodu w ciągu następnych 2 lat? Kod Grupa odpowiedzi Respondenci zaliczani do grupy 1 Zadowolenie z obecnie posiadanego samochodu 1,5,6,3 2 Kwestie finansowe 2,3,7 3 Niepewność związana z pracą 4 4 Możliwość otrzymania samochodu firmowego 8 5 Respondenci nie wiedzą dlaczego 9
20 Klasyfikowanie danych Po zakończeniu redakcji dane są klasyfikowane oraz zliczane w ramach poszczególnych klas. Dane segreguje się według kryteriów zgodnych z celami badawczymi. W celu ułatwienia segregacji danych stosuje się statystyczne formularze zbiorcze, zaś w przypadku pomiaru źródeł pierwotnych klasyfikacja jest przeprowadzona w instrumentach pierwotnych. Korzyści z tytułu klasyfikacji: Redukcja liczby pozycji podlegających analizie; ograniczenie pracochłonności badań; Możliwość zastosowania metod ilościowych do analizy danych jakościowych; sposobność porównywania lub obliczania tendencji Ułatwianie zliczania danych
21 Klasyfikowanie danych Reguły przy klasyfikacji danych uzyskanych z odpowiedzi na pytania otwarte: (1) Wielostopniowość klasyfikacji (2) Poprawność logiczna (zasada zupełności i nierozłączności klasyfikacji) (3) Dostosowanie do sytuacji (kategorie mają najlepiej odzwierciedlać dany problem) (4) Dostosowanie do układu odniesienia (niewłaściwe postrzeganie problemu lub błędna ocena badanego zjawiska)
22 Zliczanie i tabulacja danych Zakodowane dane mogą być następnie poddane procesowi tabulacji. Ma ona na celu zestawienie częstości występowania wartości poszczególnych zmiennych i zrelatywizowania ich w formie procentowanej. Wyróżnia się trzy rodzaje tabel: Tabele jednodzielne (przedstawiają tylko jedną zmienną) Tabele dwudzielne (ukazują jednocześnie rozkład dwóch niezależnych zmiennych) Tabele wielodzielne (konstruowane w oparciu o rozkłady trzech lub większej liczby zmiennych).
23 Zliczanie i tabulacja danych Tabulacja prosta (jednodzielna) rozkład miesięcznych dochodów sprzedawców firmy ABC Dochody sprzedawców Bezwzględna liczba sprzedawców Względna liczba sprzedawców (%) Szereg kumulacyjny i więcej Razem X
24 Zliczanie i tabulacja danych Tabulacja złożona (wielodzielna) miesięczny rozkład dochodów i stażu pracy sprzedawców firmy ABC Dochody sprzedawców Staż pracy i więcej Ogółem Szereg kumulacyjny 0-6 miesięcy miesięcy miesięcy miesięcy 24 i więcej miesięcy Ogółem
25 Analiza danych Jakie jest prawdopodobieństwo, że kupi Pan (i) nowy samochód w ciągu następnych dwóch lat? (wszyscy respondenci) Prawdopodobieństwo zakupu Ilość odpowiedzi (w %) Bardzo duże 25 Całkiem duże 40 Ani duże, ani małe 14 Raczej małe 18 Bardzo małe 3 Razem 100 Podstawa próby 200
26 Analiza danych Prawdopodobieństwo zakupu nowego samochód w ciągu następnych dwóch lat? (posiadacze samochodów firmowych) Prawdopodobieństwo zakupu Ilość odpowiedzi (w %) Bardzo duże 40 Całkiem duże 0 Ani duże, ani małe 25 Raczej małe 30 Bardzo małe 5 Razem 100 Podstawa próby 100
27 Analiza danych Prawdopodobieństwo zakupu nowego samochodu można przedstawić dla kilku kategorii respondentów wyznaczonych według takich kryteriów demograficznych jak wiek, płeć czy przynależność do grupy o określonych dochodach. Analiza krzyżowa może zostać przeprowadzona na podstawie odpowiedzi na dowolne z pytań zawartych w kwestionariuszu- nie można jednak dokonywać klasyfikacji danych według kryterium nie poruszonego w ankiecie lub według prawdopodobnych odpowiedzi na pytanie, które nie zostało respondentom zadane. Warto zatem pamiętać, aby planowanie analizy danych rozpocząć na etapie projektowania kwestionariusza!.
28 Analiza danych Prawdopodobieństwo zakupu nowego samochodu w ciągu następnych dwóch lat? (użytkownicy samochodów firmowych oraz prywatnych) analiza krzyżowa Prawdopodobieństwo zakupu Razem (w %) Użytkownicy samochodów firmowych (w %) Właściciele samochodów prywatnych (w %) Bardzo duże Całkiem duże Ani duże, ani małe Raczej małe Bardzo małe Razem Podstawa próby
29 Analiza danych W prezentowanych danych wykorzystujemy pytania skalarne. Rezultaty opracowane na podstawie odpowiedzi na tego rodzaju pytania przedstawia się zazwyczaj w postaci wyników uśrednionych. Każdy wynik opracowuje się licząc średnią ważoną tzn. mnożymy liczbę respondentów, którzy udzielili danej odpowiedzi, przez odpowiednią wagę przypisaną do danej opcji. Wyniki uśrednione pozwalają oszacować prawdopodobieństwo nabycia nowego samochodu przez wszystkich członków grupy, jak również odrębnie dla każdej z jego podgrup. Jednakże wyciąganie wniosków jedynie na podstawie uśrednionych wyników może być dosyć ryzykowne!. Średnia ważona jest tylko jednym ze sposobów ustalania uśrednionych wartości, czyli opisywania rozmieszczenia poszczególnych wartości za pomocą jednej zmiennej lokalizacyjnej.
30 Analiza danych Wskaźnikiem najczęściej wykorzystywanym w tym celu jest standardowe odchylenie umożliwiające dokonanie oceny rozproszenia danych zebranych w ramach populacji, z której została dobrana próba, czyli obliczenia błędu standardowego, na podstawie którego można oszacować margines błędu lub sprawdzić różnicę między dwoma wynikami (na przykład z dwóch grup). Istnieje możliwość, z zachowaniem reprezentatywności próby, uwzględnienia udziału jej poszczególnych komponentów w populacji generalnej.
31 Analiza danych Prawdopodobieństwo zakupu nowego samochodu w ciągu następnych dwóch lat? (użytkownicy samochodów firmowych oraz prywatnych) analiza krzyżowa Prawdopodobieństwo zakupu Razem (w %) Użytkownicy samochodów firmowych (w %) Właściciele samochodów prywatnych (w%) Bardzo duże (+2) Całkiem duże (+1) Ani duże, ani małe (0) Raczej małe (-1) Bardzo małe (-2) Razem Przeciętne wyniki +0,66 +0,40 +0,95 Odchylenie standardowe 1,14 1,39 0,59 Błąd standardowy 0,08 0,14 0,06 Podstawa próby
32 Analiza danych Wariancja to w statystyce klasyczna miara zmienności. Intuicyjnie utożsamiana ze zróżnicowaniem zbiorowości jest średnią arytmetyczną kwadratów odchyleń (różnic) poszczególnych wartości cechy od wartości oczekiwanej. Wariancja zmiennej losowej X zdefiniowana jest wzorem: Var {X} = E (X-u)2 gdzie E jest wartością oczekiwaną zmiennej losowej. Innym, często prostszym sposobem wyznaczania wariancji jest wzór: D2(X) = E(X2) [E(X)]2. Wariancja jest momentem centralnym drugiego rzędu zmiennej losowej. Pierwiastek kwadratowy z wariancji definiujemy jako odchylenie standardowe. Pierwiastek z estymatora nieobciążonego wariancji jest często używany jako estymator odchylenia standardowego, jednak jest wówczas obciążony! (zobacz odchylenie standardowe).
33 Analiza danych Analiza pytań otwartych:- Rozkład % odpowiedzi Powody, dla których zakup nowego samochodu nie jest brany pod uwagę? (osoby niebiorące pod uwagę kupna nowego samochodu). Udzielano wieloznacznych odpowiedzi i dlatego podsumowanie kolumny z odpowiedziami nie wynosi 100*. N = 70 Przyczyna Odpowiedzi (w %) Wysokie ceny/brak możliwości finansowych 55 Zadowolenie z obecnego samochodu 35 Znaczny spadek wartości/wysokie składki na ubezpieczenie 21 Niepewna praca 15 Respondent nie podał lub nie zna przyczyny 10 Razem *
34 Analiza danych Analiza krzyżowa umożliwia porównywanie dwóch elementów bądź dwóch wymiarów sytuacji rynkowej na przykład prawdopodobieństwa zakupu nowego samochodu a statusu dotychczas użytkowanego pojazdu. Wykorzystanie do porównań większej liczby czynników wymaga użycia metod analiz wieloczynnikowej. Są to odpowiednio: analiza wskaźnikowa oraz analiza grupowa. Główne zastosowania analizy wieloczynnikowej to: Segmentacja rynku Pozycjonowanie produktów
35 Analiza danych Metody analizy wieloczynnikowej - analiza wskaźnikowa: Koncentruje się na wykorzystaniu zgromadzonych danych do identyfikacji najważniejszych czynników (zwanych też czynnikami składowymi) wpływających w sposób wzajemnie zależny na nastawienie konsumenta do firmy bądź produktu. Metody analizy wieloczynnikowej - analiza grupowa: Analiza grupowa koncentruje się na respondentach, a badani są dzieleni na w miarę jednorodne grupy. Kryterium podziału może być opinia względem produktu.
36 Analiza danych Poniższa mapa percepcji marek przedstawia pozycjonowanie (względne położenie) 4 marek produktowych z punktu widzenia 6 czynników (wymiarów): Niezawodności Dostępności Wygody Przyjazności Relacji jakości do ceny Każdy z powyższych wymiarów znajduje swoje odbicie w kwestionariuszu.
37 Analiza danych Niezawodna Przykład mapy percepcji marek Korzystna relacja jakości do ceny Łatwo dostępna A B Innowacyjna Wygodna C Przyjazna D
38 Wstępna analiza statystyczna Sumaryczne wskaźniki statystyczne Wskaźniki struktury i natężenia Miary tendencji centralnej Miary dyspersji
39 Wstępna analiza statystyczna Wskaźniki struktury i natężenia Wskaźniki struktury Proporcje Odsetki Wskaźniki natężenia Stosunki Stop Tempo wzrostu
40 Wstępna analiza statystyczna Miary dyspersji Odchylenie standardowe Obszar zmienności
41 Wstępna analiza statystyczna Miary tendencji centralnej Średnie klasyczne Arytmetyczna Geometryczna Harmoniczna Kwadratowa Średnie pozycyjne Mediana Dominanta Kwartyle
42 Złożona analiza statystyczna Metody testowania hipotez Dane z pomiaru nominalnego Dane z pomiaru porządkowego Dane z pomiaru przedziałowego
43 Złożona analiza statystyczna Weryfikacja danych z pomiaru nominalnego Dane z jednej próby Dane z dwu lub więcej prób Test chi-kwadrat Próby niezależne Próby zależne Test dwumianowy Test chi-kwadrat Test McNemara Test Fishera Test Q (Cochrana)
44 Złożona analiza statystyczna Weryfikacja danych z pomiaru porządkowego Dane z jednej próby Dane z dwu lub więcej prób Test K-S Próby niezależne Test Manna-Whitneya Test mediany Test K-S Test Kruskala-Wallisa (ANOVA-pojedynczy) Próby zależne Test znaków Test Wilcoxona Test Friedmana (ANOVA podwójny)
45 Złożona analiza statystyczna Weryfikacja danych z pomiaru przedziałowego Dane z jednej próby Test Z (n>30) Test t (n<30) Dane z dwu lub więcej prób Próby niezależne Test Z (n>30) Test t (n<30) Test ANOVA pojedynczy Próby zależne Test tr Test tr dla wszystkich par
46 Złożona analiza statystyczna Metody analizy wielowymiarowej: Analiza współzależności Analiza zależności
47 Złożona analiza statystyczna Metody analizy zależności Jedna zmienna zależna Dwie lub więcej zmiennych zależnych Tabulacja wielodzielna Wielowymiarowa analiza wariancji i kowariancji Analiza wariancji i kowariancji Korelacja kanoniczna Regresja wieloraka Wielowymiarowa analiza dyskryminacyjna Dwugrupowa analiza dyskryminacyjna Analiza wieloczynnikowa
48 Złożona analiza statystyczna Metody analizy współzależności Współzależność zmiennych Podobieństwo między obiektami Analiza czynnikowa Analiza grupowa wiązana Skalowanie wielowymiarowe
49 Zalecana literatura 1. Churchill G.A., Badania marketingowe. Podstawy metodologiczne, PWN, Warszawa 2002 ss Hague P.,Hague N., Morgan C.A., Badania rynkowe w praktyce, Wyd. Helion 2005 rozdział Hague P., Badania marketingowe. Planowanie, metodologia i ocena wyników, Wyd. Helion 2006 rozdział Kaczmarczyk St., Badania marketingowe. Metody i techniki, PWE, Warszawa 2002, rozdział Rószkiewicz M., Metody ilościowe w badaniach marketingowych, PWN, Warszawa 2002, rozdział Strzyżewska M., Rószkiewicz M., Analizy marketingowe,diffin Warszawa 2002, Aneks.
Badania marketingowe 2013_2. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_2 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoBadania marketingowe 2013_3. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_3 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoCZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH. 1.2.1. Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających
Badania marketingowe. Podstawy metodyczne Autor: Stanisław Kaczmarczyk Wstęp CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH Rozdział 1. Badania marketingowe a zarządzanie 1.1. Rozwój praktyki i teorii
Bardziej szczegółowoBadania rynkowe 2013_4. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania rynkowe 2013_4 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoBadania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011
Badania marketingowe : podstawy metodyczne / Stanisław Kaczmarczyk. - wyd. 4. Warszawa, 2011 Spis treści Wstęp 13 CZĘŚĆ I. Przygotowanie procesu badań marketingowych 17 Rozdział 1. Badania marketingowe
Bardziej szczegółowoBadania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk
Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk Badania marketingowe stanowią jeden z najważniejszych elementów działań marketingowych w każdym przedsiębiorstwie. Dostarczają decydentom
Bardziej szczegółowoBadania marketingowe 2013_7. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_7 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoBadanie opinii Omniwatch. Oferta badawcza
Badanie opinii Omniwatch Oferta badawcza Kim jesteśmy? SW Research Agencja badań rynku i opinii Rok założenia 2011 Wizerunek Firma oferująca profesjonalne rozwiązania badawcze, usługi analityczne i doradcze.
Bardziej szczegółowoPlan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii
Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:
Bardziej szczegółowoSTATYSTYKA - 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 szczegółowoSZKOLENIE ILOŚCIOWE BADANIA MARKETINGOWE KLUCZEM DO SKUTECZNYCH DECYZJI MARKETINGOWYCH
SZKOLENIE ROZWIĄZANIA W ZAKRESIE ROZWOJU KAPITAŁU LUDZKIEGO PRZEDSIĘBIORSTW ILOŚCIOWE BADANIA MARKETINGOWE KLUCZEM DO SKUTECZNYCH DECYZJI MARKETINGOWYCH TRENER Violetta Rutkowska Badacz rynku, doradca,
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 szczegółowoPodstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak
Podstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak Autor prezentuje spójny obraz najczęściej stosowanych metod statystycznych, dodatkowo omawiając takie
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 szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej 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 szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4
KARTA KURSU (do zastosowania w roku ak. 2015/16) Nazwa Statystyka 1 Nazwa w j. ang. Statistics 1 Kod Punktacja ECTS* 4 Koordynator Dr hab. Tadeusz Sozański (koordynator, wykłady) Dr Paweł Walawender (ćwiczenia)
Bardziej szczegółowoBadania eksperymentalne
Badania eksperymentalne Analiza CONJOINT mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu w schematach
Bardziej szczegółowoTREŚCI NAUCZANIA z przedmiotu pracowania ekonomiczno - informatyczna na podstawie programu nr 341[02]/MEN/2008.05.20. klasa 3 TE
TREŚCI NAUCZANIA z przedmiotu pracowania ekonomiczno - informatyczna na podstawie programu nr [0]/MEN/008.05.0 klasa TE LP TREŚCI NAUCZANIA NAZWA JEDNOSTKI DYDAKTYCZNEJ Lekcja organizacyjna Zapoznanie
Bardziej szczegółowoBadanie opinii Warsaw Watch. Oferta badawcza
Badanie opinii Warsaw Watch Oferta badawcza Kim jesteśmy? SW Research Agencja badań rynku i opinii Rok założenia 2011 Wizerunek Firma oferująca profesjonalne rozwiązania badawcze, usługi analityczne i
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoBadania marketingowe 2013_9. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_9 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoBadania marketingowe
Wiesz już co chcesz osiągnąć w badaniu marketingowym i jak to (idealnie) zorganizować. Ale jakimi metodami? Skąd pewność, że będą efektywne? Ćwiczenie: jaką metodą zbadasz co koledzy/koleżanki na sali
Bardziej szczegółowoBadania marketingowe 2016_1. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2016_1 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja
Bardziej szczegółowoStatystyka 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 szczegółowoPodstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na
Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które
Bardziej szczegółowoBadania marketingowe 2014_15. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2014_15 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej 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 szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej 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 szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoLogistyka I stopień Ogólnoakademicki. Stacjonarne Zarządzanie logistyczne Katedra Ekonomii i Zarządzania dr Ilona Molenda-Grysa
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-LOG-0239 Badania rynkowe i marketingowe Market and marketing research
Bardziej szczegółowoSTATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 STATYSTYKA
Bardziej szczegółowoBadania marketingowe. - Konspekt wykładowy
Badania marketingowe - Konspekt wykładowy Badania marketingowe w logistyce Zakres materiału do egzaminu: 1. Wprowadzenie do przedmiotu - istota, przesłanki oraz użyteczność badań marketingowych 2. Informacja
Bardziej szczegółowoStatystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA
Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:
Bardziej 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 szczegółowoMiary statystyczne w badaniach pedagogicznych
Miary statystyczne w badaniach pedagogicznych Szeregi statystyczne Szczegółowy - gdzie materiał uporządkowany jest rosnąco lub malejąco Rozdzielczy - gdzie poszczególnym wariantom zmiennej przyporządkowane
Bardziej szczegółowoKARTA 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 szczegółowoMETODOLOGIA 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 szczegółowoPozyskiwanie wiedzy z danych
Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata
Bardziej szczegółowoBadania sondażowe. Wprowadzenie. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badania sondażowe Wprowadzenie Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa 1 Zasady zaliczenia części Badania sondażowe: 3 prace zaliczeniowe wysyłane
Bardziej szczegółowoMIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy
MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji
Bardziej szczegółowoEkonomia I stopień Ogólnoakademicki. Stacjonarne Wszystkie Katedra Ekonomii i Zarządzania dr Ilona Molenda-Grysa
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-EKO-239 Badania rynkowe i marketingowe Market and marketing research
Bardziej szczegółowoMARKETINGOWY SYSTEM INFORMACJI
MARKETINGOWY SYSTEM INFORMACJI INFORMACJA MARKETINGOWA...... (jako specyficzny rodzaj informacji zarządczej) to wszelka informacja wykorzystywana w procesie marketingowego zarządzania przedsiębiorstwem,
Bardziej szczegółowoTestowanie hipotez statystycznych
Testowanie hipotez statystycznych Hipotezą statystyczną jest dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia
Bardziej szczegółowoData wydruku: 23.01.2016. Dla rocznika: 2015/2016. Opis przedmiotu
Sylabus przedmiotu: Specjalność: Badania marketingowe Zarządzanie technologią Data wydruku: 23.01.2016 Dla rocznika: 2015/2016 Kierunek: Wydział: Zarządzanie i inżynieria produkcji Inżynieryjno-Ekonomiczny
Bardziej szczegółowoStatystyka. Opisowa analiza zjawisk masowych
Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im
Bardziej szczegółowodr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę.
dr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę. Statistics in academic papers, what to avoid and what to focus on. Uniwersytet Medyczny im. Piastów Śląskich
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/201 WydziałPsychologii i Nauk Humanistycznych Kierunek studiów:
Bardziej szczegółowoSPIS TREŚCI CZĘŚĆ I : PRZEZNACZENIE, PROCES I PODSTAWY METODOLOGICZNE BADAŃ MARKETINGOWYCH...17
SPIS TREŚCI WSTĘP..13 CZĘŚĆ I : PRZEZNACZENIE, PROCES I PODSTAWY METODOLOGICZNE BADAŃ MARKETINGOWYCH...17 1. TREŚĆ, PRZEZNACZENIE I PROCES BADAŃ MARKETINGOWYCH....19 1.1. Dlaczego badania marketingowe
Bardziej szczegółowoPrzedmiot specjalnościowy Obowiązkowy polski Semestr VII
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-LOGN1-0239 Badania rynkowe i marketingowe Market and marketing research
Bardziej szczegółowoZałącznik Nr 5 do Zarz. Nr 33/11/12 KARTA PRZEDMIOTU. 2. Kod przedmiotu ZP-Z1-19
Załącznik Nr 5 do Zarz. Nr 33/11/12 (pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: BADANIA MARKETINGOWE 3. Karta przedmiotu ważna od roku akademickiego: 2014/2015
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoKsięgarnia PWN: George A. Ferguson, Yoshio Takane - Analiza statystyczna w psychologii i pedagogice
Księgarnia PWN: George A. Ferguson, Yoshio Takane - Analiza statystyczna w psychologii i pedagogice Przedmowa do wydania polskiego Przedmowa CZĘŚĆ I. PODSTAWY STATYSTYKI Rozdział 1 Podstawowe pojęcia statystyki
Bardziej szczegółowoBadania Statystyczne
Statystyka Opisowa z Demografią oraz Biostatystyka Badania Statystyczne Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowolaboratoria 24 zaliczenie z oceną
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Niestacjonarne
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoWykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
Bardziej szczegółowoMETODY 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 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 szczegółowoBadania marketingowe
Badania marketingowe Dr hab. prof. SGH Katedra Rynku i Marketingu SGH teresataranko@o2.pl Konsultacje pokój 302 Madalińskiego 6/8 Wtorek -15.00-16.00 Struktura problematyki 1. Definicja i funkcje badań
Bardziej szczegółowoPo co nam charakterystyki liczbowe? Katarzyna Lubnauer 34
Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja
Bardziej szczegółowoBadania marketingowe. Omówione zagadnienia. Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania
Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie Badania marketingowe Wykład 5 Opracowanie: dr Joanna Krygier 1 Omówione zagadnienia Ograniczenia wtórnych źródeł informacji
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoKolejna z analiz wielozmiennowych Jej celem jest eksploracja danych, poszukiwanie pewnych struktur, które mogą utworzyć wskaźniki
Analiza czynnikowa Kolejna z analiz wielozmiennowych Jej celem jest eksploracja danych, poszukiwanie pewnych struktur, które mogą utworzyć wskaźniki Budowa wskaźnika Indeks był banalny I miał wady: o Czy
Bardziej szczegółowoMetody doboru próby do badań. Dr Kalina Grzesiuk
Metody doboru próby do badań Dr Kalina Grzesiuk Proces doboru próby 1. Ustalenie populacji badanej 2. Ustalenie wykazu populacji badanej 3. Ustalenie liczebności próby 4. Wybór metody doboru próby do badań
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015
Tryb studiów Stacjonarne Nazwa kierunku studiów Finanse i Rachunkowość Poziom studiów Stopień pierwszy Rok studiów/ semestr II/ Specjalność Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoStatystyka opisowa SYLABUS A. Informacje ogólne
Statystyka opisowa SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowoW2. Proces badawczy 1
W2. Proces badawczy 1 Pojęcia BADANIA RYNKU to kompleks procedur analitycznych i badawczych umoŝliwiających poznanie genezy, aktualnego kształtu i tendencji rozwojowej zjawisk i procesów rynkowych Badania
Bardziej szczegółowoWykład 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 szczegółowoTABELE WIELODZIELCZE
TABELE WIELODZIELCZE W wielu badaniach gromadzimy dane będące liczebnościami. Przykładowo możemy klasyfikować chore zwierzęta w badanej próbie do różnych kategorii pod względem wieku, płci czy skali natężenia
Bardziej szczegółowoWykład 1: O statystyce i analizie danych
Wykład 1: O statystyce i analizie danych wykładowca: dr Marek Sobolewski konsultacje: poniedziałek 10.30-12.00, czwartek 9.00-10.30 (p. L-400) strona internetowa: www.msobolew.sd.prz.edu.pl prowadzący
Bardziej szczegółowoBadania marketingowe. Omówione zagadnienia. Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania
Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie Badania marketingowe Wykład 9 Opracowanie: dr Joanna Krygier 1 Omówione zagadnienia Instrumenty pomiarowe wykorzystywane w
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -
Bardziej szczegółowoBadania marketingowe. Omówione zagadnienia
Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie Badania marketingowe Wykład 4 Opracowanie: dr Joanna Krygier 1 Omówione zagadnienia Informacje wtórne definicja Pojęcie wtórnych
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 01/01 Wydział Prawa, Administracji i Stosunków Miedzynarodowych Kierunek
Bardziej szczegółowoKierunki rozwoju firmy Decyzje o wyborze rynków Decyzje inwestycyjne Rozwój nowych produktów Pozycjonowanie. Marketing strategiczny
Badania marketingowe dr Grzegorz Mazurek Istota badań Podejmowanie decyzji odbywa się na bazie doświadczenia, wiedzy oraz intuicji. Podejmowanie decyzji wiąże się automatycznie z ryzykiem poniesienia porażki
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowoI. 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 szczegółowoStatystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt
Statystyka matematyczna dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Zasady zaliczenia przedmiotu: część wykładowa Maksymalna liczba punktów do zdobycia 40. Egzamin będzie
Bardziej szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 4
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 Inne układy doświadczalne 1) Układ losowanych bloków Stosujemy, gdy podejrzewamy, że może występować systematyczna zmienność między powtórzeniami np. - zmienność
Bardziej szczegółowoStatystyka 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 szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Bardziej szczegółowoElementy 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 szczegółowoMatematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013
0,KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.
Bardziej szczegółowo1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:
Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).
Bardziej szczegółowo