Testowanie hipotez statystycznych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Testowanie hipotez statystycznych"

Transkrypt

1 Testowanie hipotez statystycznych Hipotezą statystyczną jest dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na podstawie wyników próby losowej Testem statystycznym nazywamy regułę postępowania, która każdej możliwej próbie przyporządkowuje decyzję przyjęcia (!!!) lub odrzucenia hipotezy

2 Testowanie hipotez statystycznych Testy statystyczne dzielimy na: Parametryczne, czyli dotyczące wartości parametrów statystycznych populacji, takich jak np. średnia Nieparametryczne, czyli dotyczące postaci rozkładu zmiennej lub losowości próby Hipotezę, która podlega weryfikacji nazywamy hipotezę zerową (H 0 ) a jej przeciwieństwo hipotezę alternatywną (H 1 ).

3 Testowanie hipotez statystycznych Przykład: Wprowadzono na rynek nową markę piwa. Producent twierdzi, że to piwo jest najlepsze. Przeprowadzono eksperyment, w wyniku, którego uzyskano wyniki liczbowe dotyczące jakości tego piwa. Producentowi zależy, żeby udowodnić stawiane przez niego twierdzenie. Stawiamy hipotezy: (H 0 : μ 1 = μ 2 ) (H 1 : μ 1 < μ 2 ) μ 1 - średnia jakość starego piwa, μ 2 -średnia jakość nowego. Jeżeli test statystyczny doprowadzi do odrzucenia hipotezy zerowej to wynik dla producenta jest zadowalający.

4 Testowanie hipotez statystycznych Poziom istotności: - maksymalne ryzyko błędu jakie badacz jest skłonny zaakceptować - prawdopodobieństwo odrzucenia hipotezy zerowej gdy jest ona prawdziwa

5 Testowanie hipotez statystycznych Hipoteza zerowa prawdziwa fałszywa Test potwierdził H 0 Test obalił hipotezę zerową Przyjęto hipotezę alternatywną (Błąd I rodzaju ) Test potwierdził H 0 (błąd II rodzaju) Test obalił hipotezę zerową Przyjęto hipotezę alternatywną

6 Testowanie hipotez statystycznych Testy istotności Podejmuje się decyzję o odrzuceniu hipotezy zerowej bądź stwierdza, że brak jest podstaw do jej odrzucenia Nie można natomiast podjąć decyzji o przyjęciu H 0 (jest tu zabezpieczenie przed popełnieniem błędu II rodzaju)

7 p-value (p-wartość) pakiety statystyczne podają prawdopodobieństwo P-value (krytyczny (graniczny) poziom istotności; prawdopodobieństwo testowe). jest to najmniejszy poziom istotności przy którym dla zaobserwowanej wartości statystyki testowej odrzucilibyśmy hipotezę zerową. Hipotezę zerową odrzucamy, gdy wyliczone prawdopodobieństwo testowe ( p) okaże się nie większe od przyjętego przez nas poziomu istotności (zwykle 0,05). Użycie unormowanej wielkości, w przeciwieństwie do różnorodnych statystyk testowych (z, F, t, Chi-kwadrat, D Kołmogorowa-Smirnowa) pozwala bezpośrednio ocenić wiarygodność hipotezy, a także zastosować klasyczną procedurę (testu statystycznego) poprzez proste porównanie p-wartości z poziomem istotności, np. 0,05.

8 Ocena normalności rozkładu Założeniem do wielu analiz statystycznych jest zgodność rozkładu badanej cechy rozkładem normalnym (symetrycznym). Rozkład normalny jest jednym z najważniejszych rozkładów w biologii. Rozwiązanie wielu zagadnień statystycznych jest "prostsze", jeśli analizowana cecha ma rozkład normalny. Wiele analiz statystycznych i testów wymaga też założenia o normalności rozważanej zmiennej (testy t-studenta, analiza wariancji, analiza regresji, analiza kanoniczna itd.). Dlatego musimy przeprowadzić weryfikację charakteru rozkładu, ilekroć chcemy zastosować analizy statystyczne, które wymagają danych o określonym rozkładzie.

9 Ocena normalności rozkładu Normalność rozkładu można ocenić na podstawie: wykresów, np.: histogramów (np. Wykres/Histogramy.../ z zaznaczoną opcją Dopasuj: Normalny na karcie Podstawowe) wykresów prawdopodobieństwa -wykresów normalności (np. Wykresy/Wykresy 2W/ Wykresy normalności) testów, np.: - testu Chi-kwadrat - testu Lillieforsa - testu normalności Kołmogorova-Smirnova - testu W Shapiro-Wilka preferowany ze względu na dużą moc (np. opcja na karcie Podstawowe przy wykresach normalności)

10 Testy parametryczne Czyli dotyczące wartości parametrów statystycznych populacji, takich jak np. średnia (często w naukach przyrodniczych)

11 Testy parametryczne - test t dla pojedynczej próby Wykonując to zadanie pamiętajmy o tym: Jaka jest hipoteza zerowa? Jaki jest wynik testu w sensie statystycznym? Jak interpretować wynik testu (o czym świadczy średnia błędów różniąca się od zera). H 0 : μ = 0 H 1 : μ 0 pvg brak podstaw do odrzucenia H 0 pvg_czuraja odrzucamy H 0 Gdy średnia błędów różni się istotnie od zera (pvg_czuraja to mamy błąd systematyczny)

12 Testy parametryczne - różnice między średnimi z dwóch prób niezależnych Testy różnic między średnimi z dwóch prób. Testy te weryfikują hipotezę zerową o równości średnich w dwóch grupach. Przypuśćmy, że podajemy dwa leki nasenne dwóm różnym grupom (18 osobom tworzącym grupę A i 24 w grupie B). Który z tych leków jest skuteczniejszy. Wykorzystujemy testy dla różnic między średnimi z dwóch prób dla zmiennych niezależnych, najczęściej test t Studenta ( w Statistice test t).

13 Testy istotności różnic dla prób zależnych (powiązanych)

14 Testy istotności różnic dla prób zależnych (powiązanych) Ten rodzaj testów stosujemy, gdy rozpatrujemy tę samą grupę, ale badaną dwukrotnie w czasie. Na przykład oznaczamy poziom parametru biochemicznego w grupie pacjentów przed wprowadzeniem leku (pomiar początkowy) i powtórnie po podaniu leku. Test t Studenta (test t) Warunki stosowania testu t-studenta dla zmiennych zależnych są identyczne jak dla zmiennych niepowiązanych, z jedną tylko różnicą - nie musimy sprawdzać jednorodności wariancji.

15 Testy nieparametryczne

16 Testy nieparametryczne Testy te nie zależą od pewnych parametrów rozkładu populacji. Możemy je stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy nasze dane można uporządkować według określonych kryteriów oraz dla grup o małej liczebności. Siła testów nieparametrycznych jest jednak mniejsza niż siła testów parametrycznych. Stosujemy je więc tylko wówczas, gdy nie możemy się posłużyć testem parametrycznym.

17 Testy nieparametryczne Grupa testów będących nieparametrycznymi odpowiednikami testu t-studenta: test serii Walda i Wolfowitza test U Manna i Whitneya test Kołmogorowa - Smirnowa Testy te służą do weryfikacji hipotezy, że dwie analizowane próby pochodzą z różnych populacji. Wymagają one założenia, że analizowane zmienne mogą być uporządkowane od wartości najmniejszej do wartości największej.

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

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

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;

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

Weryfikacja hipotez. Etap I. Formułowanie hipotezy zerowej H 0 oraz związanej z nią hipotezy alternatywnej H 1.

Weryfikacja hipotez. Etap I. Formułowanie hipotezy zerowej H 0 oraz związanej z nią hipotezy alternatywnej H 1. Weryfikacja hipotez Każde badanie naukowe rozpoczyna się od sformułowania problemu badawczego oraz najbardziej prawdopodobnego (na gruncie wiedzy badającego) ogólnego rozwiązania, czyli hipotezy badawczej.

Bardziej szczegółowo

Spis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych

Spis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych 1 Laboratorium III: Testy statystyczne Spis treści Laboratorium III: Testy statystyczne... 1 Wiadomości ogólne... 2 1. Krótkie przypomnienie wiadomości na temat testów statystycznych... 2 1.1. Weryfikacja

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

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

Bardziej szczegółowo

ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ

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

Bardziej szczegółowo

Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich

Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Nazwa

Bardziej szczegółowo

dr 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. 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 szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka. Tematyka wykładów. Przykładowe pytania. dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl. wersja 20.01.2013/13:40

Statystyka. Tematyka wykładów. Przykładowe pytania. dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl. wersja 20.01.2013/13:40 Statystyka dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl wersja 20.01.2013/13:40 Tematyka wykładów 1. Definicja statystyki 2. Populacja, próba 3. Skale pomiarowe 4. Miary położenia (klasyczne i pozycyjne)

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

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 wariancji. dr Janusz Górczyński

Analiza wariancji. dr Janusz Górczyński Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik

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

Test lewostronny dla hipotezy zerowej:

Test lewostronny dla hipotezy zerowej: Poznajemy testowanie hipotez statystycznych w środowisku R Zajęcia z dnia 11 maja 2011 roku Najpierw teoria TESTY ISTOTNOŚCI WARTOŚCI ŚREDNIEJ W POPULACJI GENERALNEJ gdy znana jest wariancja!!! Test prawostronny

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

Statystyka i Analiza Danych

Statystyka 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 szczegółowo

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów

Bardziej szczegółowo

W tym rozdziale książka opisuje kilka podejść do poszukiwania kolokacji.

W tym rozdziale książka opisuje kilka podejść do poszukiwania kolokacji. 5 Collocations Związek frazeologiczny (kolokacja), to często używane zestawienie słów. Przykłady: strong tea, weapons of mass destruction, make up. Znaczenie całości wyrażenia, nie zawsze wynika ze znaczeń

Bardziej szczegółowo

WSPOMAGANIE STATYSTYCZNEJ ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W STATISTICA 9

WSPOMAGANIE STATYSTYCZNEJ ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W STATISTICA 9 WSPOMAGANIE STATYSTYCZNEJ ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W STATISTICA 9 Janusz Wątroba, StatSoft Polska Sp. z o.o. Badania empiryczne to proces wieloetapowy. Dla poprawnej ich realizacji badacz musi

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

STATYSTYKA wykład 5-6

STATYSTYKA wykład 5-6 TATYTYKA wykład 5-6 Twierdzenia graniczne Rozkłady statystyk z próby Wanda Olech Twierdzenia graniczne Jeżeli rozpatrujemy ciąg zmiennych losowych {X ; X ;...; X n }, to zdarza się, że ich rozkłady przy

Bardziej szczegółowo

Testy zgodności 9 113

Testy zgodności 9 113 Testy zgodności 9 3 9. TESTY ZGODNOŚCI 9. Różne sytuace praktyczne W praktyce badań statystycznych, ak uż poprzednio stwierdzono, cały proces analizy statystyczne dzielimy na dwa etapy: formułowanie hipotezy

Bardziej szczegółowo

kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2

kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia

Bardziej szczegółowo

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki

Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);

Bardziej szczegółowo

ZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III

ZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III ZALICZENIA W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III 1 Wariant I. PROBLEM WŁASNY Sformułować własne zadanie statystyczne związane z własną pracą badawczą

Bardziej szczegółowo

1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:

1. 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

MODELOWANIE ZMIENNOŚCI I RYZYKA INWESTYCJI W ZŁOTO. Celina Otolińska

MODELOWANIE ZMIENNOŚCI I RYZYKA INWESTYCJI W ZŁOTO. Celina Otolińska MODELOWANIE ZMIENNOŚCI I RYZYKA INWESTYCJI W ZŁOTO Celina Otolińska PLAN: 1. Rynek złota-krótka informacja. 2. Wartość zagrożona i dlaczego ona. 3. Badany szereg czasowy oraz jego własności. 4. Modele

Bardziej szczegółowo

Zadania o numerze 4 z zestawów licencjat 2014.

Zadania o numerze 4 z zestawów licencjat 2014. Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...

Bardziej szczegółowo

ANALIZA KORELACJI Korelacja między zmiennymi X i Y jest miarą siły liniowego związku między tymi zmiennymi.

ANALIZA KORELACJI Korelacja między zmiennymi X i Y jest miarą siły liniowego związku między tymi zmiennymi. ANALIZA KORELACJI Większość zjawisk w otaczającym nas świecie występuje nie samotnie a w różnorodnych związkach. Odnosi się to również do zjawisk biologiczno-medycznych. O powiązaniach między nimi mówią

Bardziej szczegółowo

Statystyczna analiza danych

Statystyczna analiza danych Statytyka. v.0.9 egz mgr inf nietacj Statytyczna analiza danych Statytyka opiowa Szereg zczegółowy proty monotoniczny ciąg danych i ) n uzykanych np. w trakcie pomiaru lub za pomocą ankiety. Przykłady

Bardziej szczegółowo

S t a t y s t y k a, część 3. Michał Żmihorski

S t a t y s t y k a, część 3. Michał Żmihorski S t a t y s t y k a, część 3 Michał Żmihorski Porównanie średnich -test T Założenia: Zmienne ciągłe (masa, temperatura) Dwie grupy (populacje) Rozkład normalny* Równe wariancje (homoscedasticity) w grupach

Bardziej szczegółowo

ISSN 1425-7351 PL9701513 INSTYTUT CHEMII I TECHNIKI JĄDROWEJ INSTITUTE OF NUCLEAR CHEMISTRY AND TECHNOLOGY WARSZAWA 7BM 1

ISSN 1425-7351 PL9701513 INSTYTUT CHEMII I TECHNIKI JĄDROWEJ INSTITUTE OF NUCLEAR CHEMISTRY AND TECHNOLOGY WARSZAWA 7BM 1 ISSN 1425-7351 PL9701513 INSTYTUT CHEMII I TECHNIKI JĄDROWEJ INSTITUTE OF NUCLEAR CHEMISTRY AND TECHNOLOGY WARSZAWA 7BM 1 RAPORTY IChTJ. SERIA B nr 2/96 TEST KOMETKOWY. 2. ANALIZA STATYSTYCZNA WYNIKÓW

Bardziej szczegółowo

STATYSTYKA zadania do ćwiczeń. Weryfikacja hipotez część I.

STATYSTYKA zadania do ćwiczeń. Weryfikacja hipotez część I. STATYSTYKA zadania do ćwiczeń Weryfikacja hipotez część I Zad 1 W pewnej firmie postanowiono zbadać staż pracy pracowników W tym celu wylosowano prostą próbę losową z populacji pracowników i otrzymano,

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces modelowania zjawiska handlu zagranicznego towarami Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie

Bardziej szczegółowo

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2 Instytut Matematyczny Uniwersytet Wrocławski Zakres egzaminu magisterskiego Wybrane rozdziały anazlizy i topologii 1 i 2 Pojęcia, fakty: Definicje i pojęcia: metryka, iloczyn skalarny, norma supremum,

Bardziej szczegółowo

1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane

1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane Kod przedmiotu:. Pozycja planu: B.1., B.1a 1.INFORMACJE O PRZEDMIOCIE A. Podstawowe dane Nazwa przedmiotu Metody badań na zwierzętach Kierunek studiów Poziom studiów Profil studiów Forma studiów Specjalność

Bardziej szczegółowo

PRZYKŁAD AUTOMATYZACJI STATYSTYCZNEJ OBRÓBKI WYNIKÓW

PRZYKŁAD AUTOMATYZACJI STATYSTYCZNEJ OBRÓBKI WYNIKÓW PRZYKŁAD AUTOMATYZACJI STATYSTYCZNEJ OBRÓBKI WYNIKÓW Grzegorz Migut, StatSoft Polska Sp. z o.o. Teresa Topolnicka, Instytut Chemicznej Przeróbki Węgla Wstęp Zasady przeprowadzania eksperymentów zmierzających

Bardziej szczegółowo

Wykład 10 Zrandomizowany plan blokowy

Wykład 10 Zrandomizowany plan blokowy Wykład 10 Zrandomizowany plan blokowy Staramy się kontrolować efekty zróżnicowania badanych jednostek eksperymentalnych poprzez zapewnienie ich ``jednorodności wewnątrz każdej grupy zabiegowej. Dzielimy

Bardziej szczegółowo

WSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA

WSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA WSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA Janusz Wątroba i Grzegorz Harańczyk, StatSoft Polska Sp. z o.o. Zakres zastosowań analizy danych w różnych dziedzinach działalności biznesowej i

Bardziej szczegółowo

Oszacowanie i rozkład t

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Statystyka. pojęcia podstawowe. Maciej Kostrubiec MD, PhD Klinika Chorób Wewnętrznych i Kardiologii

Statystyka. pojęcia podstawowe. Maciej Kostrubiec MD, PhD Klinika Chorób Wewnętrznych i Kardiologii Statystyka pojęcia podstawowe Maciej Kostrubiec MD, PhD Klinika Chorób Wewnętrznych i Kardiologii Statystyka "Są trzy rodzaje kłamstw: kłamstwa, bezczelne kłamstwa i statystyka. Mark Twain lub brytyjski

Bardziej szczegółowo

PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2014/2015 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW IV ROKU STUDIÓW

PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2014/2015 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW IV ROKU STUDIÓW PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2014/2015 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW IV ROKU STUDIÓW 1. NAZWA PRZEDMIOTU : BIOSTATYSTYKA 2. NAZWA JEDNOSTKI (jednostek

Bardziej szczegółowo

Statystyka Opisowa z Demografią oraz Biostatystyka. Aleksander Denisiuk. denisjuk@euh-e.edu.pl

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

Bardziej szczegółowo

Przykłady bloków: Przykład. Przyporządkowanie. Wykład 9 Zrandomizowany plan blokowy

Przykłady bloków: Przykład. Przyporządkowanie. Wykład 9 Zrandomizowany plan blokowy Wykład 9 Zrandomizowany plan blokowy Staramy się kontrolować efekty zróżnicowania badanych jednostek eksperymentalnych poprzez zapewnienie ich ``jednorodności wewnątrz każdej grupy zabiegowej. Dzielimy

Bardziej szczegółowo

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna

Bardziej szczegółowo

Cechy X, Y są dowolnego typu: Test Chi Kwadrat niezależności. Łączny rozkład cech X, Y jest normalny: Test współczynnika korelacji Pearsona

Cechy X, Y są dowolnego typu: Test Chi Kwadrat niezależności. Łączny rozkład cech X, Y jest normalny: Test współczynnika korelacji Pearsona Badanie zależności między cechami Obserwujemy dwie cechy: X oraz Y Obiekt (X, Y ) H 0 : Cechy X oraz Y są niezależne Próba: (X 1, Y 1 ),..., (X n, Y n ) Cechy X, Y są dowolnego typu: Test Chi Kwadrat niezależności

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test

Bardziej szczegółowo

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Zadanie Zbadano satysfakcję z życia w skali 1 do 10 w dwóch grupach rodziców: a) Rodzice dzieci zdrowych oraz b) Rodzice dzieci z niepełnosprawnością

Bardziej szczegółowo

Metody statystyki medycznej stosowane w badaniach klinicznych

Metody statystyki medycznej stosowane w badaniach klinicznych Metody statystyki medycznej stosowane w badaniach klinicznych Statistics for clinical research & post-marketing surveillance część I Program szkolenia część I Wprowadzenie Podstawowe pojęcia statystyczne

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

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYCZNA ANALIZA DANYCH Nazwa w języku angielskim STATISTICAL DATA ANALYSIS Kierunek studiów (jeśli dotyczy):

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

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

Bardziej szczegółowo

Analiza Statystyczna

Analiza Statystyczna Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza

Bardziej szczegółowo

Statystyczna analiza danych

Statystyczna analiza danych Statystyczna analiza danych Marek Ptak 21 października 2013 Marek Ptak Statystyka 21 października 2013 1 / 70 Część I Wstęp Marek Ptak Statystyka 21 października 2013 2 / 70 LITERATURA A. Łomnicki, Wprowadzenie

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2011/2012

Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2011/2012 Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Karta Instytut Pedagogiczny obowiązuje studentów rozpoczynających studia w roku akademickim 011/01 Kierunek studiów: Matematyka Profil: Ogólnoakademicki Forma

Bardziej szczegółowo

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze

Bardziej szczegółowo

LEKCJA 3 ostatnia lekcja statystyki :) (część 1/3)

LEKCJA 3 ostatnia lekcja statystyki :) (część 1/3) LEKCJA 3 ostatnia lekcja statystyki :) (część 1/3) Gdy umiemy już (z grubsza) wszystkie wykresy i wzory z poprzednich lekcji, możemy przystąpić do ostatniej lekcji nauczyć się testów (kiedy jaki się stosuje),

Bardziej szczegółowo

Piotr Jerzy Durka. statystyki

Piotr Jerzy Durka. statystyki Piotr Jerzy Durka Wstęp do współczesnej statystyki Redakcja: Beata Bednarczuk, Witold Mizerski Projekt okładki: Paweł Łukomski Ilustracja na okładce: c zefa/henryk T. Kaiser Książkę złożył Autor za pomocą

Bardziej szczegółowo

Janusz Woch Instytut Transportu Politechniki Śląskiej w Katowicach. Statystyka procesów transportowych

Janusz Woch Instytut Transportu Politechniki Śląskiej w Katowicach. Statystyka procesów transportowych Janusz Woch Instytut Transportu Politechniki Śląskiej w Katowicach Statystyka procesów transportowych Katowice maj 2000 Wstęp 2 SPIS TREŚCI 2 WSTĘP 4 1. Zakres Statystyki Procesów Transportowych 13 1.1

Bardziej szczegółowo

Statystyczne sterowanie procesem

Statystyczne sterowanie procesem Statystyczne sterowanie procesem SPC (ang. Statistical Process Control) Trzy filary SPC: 1. sporządzenie dokładnego diagramu procesu produkcji; 2. pobieranie losowych próbek (w regularnych odstępach czasu

Bardziej szczegółowo

Szkolenie Analiza przeżycia

Szkolenie Analiza przeżycia Analiza przeżycia program i cennik Łukasz Deryło Analizy statystyczne, szkolenia www.statystyka.c0.pl Analiza przeżycia - program i cennik Analiza przeżycia Co obejmuje? Analiza przeżycia (Survival analysis)

Bardziej szczegółowo

O NIEWŁAŚCIWYM STOSOWANIU METOD STATYSTYCZNYCH

O NIEWŁAŚCIWYM STOSOWANIU METOD STATYSTYCZNYCH O NIEWŁAŚCIWYM STOSOWANIU METOD STATYSTYCZNYCH Andrzej Sokołowski Akademia Ekonomiczna w Krakowie, Katedra Statystyki; StatSoft Polska Sp. z o.o. Inspiracją do przygotowania tego opracowania była książka

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 1 i 2

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 1 i 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 1 i 2 Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Słowo statystyka pochodzi od łacińskiego słowa status, które oznacza

Bardziej szczegółowo

KARTA PRZEDMIOTU / SYLABUS

KARTA PRZEDMIOTU / SYLABUS Załącznik nr 5b do Uchwały nr 21/2013 Senatu KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna

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

Sterowanie jakością badań i analiza statystyczna w laboratorium

Sterowanie jakością badań i analiza statystyczna w laboratorium Sterowanie jakością badań i analiza statystyczna w laboratorium CS-17 SJ CS-17 SJ to program wspomagający sterowanie jakością badań i walidację metod badawczych. Może działać niezależnie od innych składników

Bardziej szczegółowo

MATERIAŁY SZKOLENIOWE PSYCHOLOGIA ZARZĄDZANIA 2013 DR HAB. PROF UWR ANNA OLESZKOWICZ

MATERIAŁY SZKOLENIOWE PSYCHOLOGIA ZARZĄDZANIA 2013 DR HAB. PROF UWR ANNA OLESZKOWICZ MATERIAŁY SZKOLENIOWE PSYCHOLOGIA ZARZĄDZANIA 2013 DR HAB. PROF UWR ANNA OLESZKOWICZ TEMAT ZAJĘĆ ETAPY PROCESU BADAWCZEGO CELE ZEWNĘTRZNE NAUKI 1. OPIS FUNKCJA DESKRYPTYWNA 2. WYJASNIANIE FUNKCJA EKSPLANACYJNA

Bardziej szczegółowo

Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych

Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych Dorota Pekasiewicz Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych Dorota

Bardziej szczegółowo

Analiza statystyczna rozkładów cech determinujących rozwój sektora kreatywnego w powiatach. Polska (na podstawie danych 2009-2012)

Analiza statystyczna rozkładów cech determinujących rozwój sektora kreatywnego w powiatach. Polska (na podstawie danych 2009-2012) Analiza statystyczna rozkładów cech determinujących rozwój sektora kreatywnego w powiatach. Polska (na podstawie danych 2009-2012) Część I. Opis bazy danych. Podstawą analizy zmian były dane statystyczne

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

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo

Często spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:

Często spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k: Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,

Bardziej szczegółowo

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński Zarządzanie ryzykiem Opracował: Dr inŝ. Tomasz Zieliński I. OGÓLNE INFORMACJE O PRZEDMIOCIE Cel przedmiotu: Celem przedmiotu jest zaprezentowanie studentom podstawowych pojęć z zakresu ryzyka w działalności

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu Statystyka w analizie i planowaniu eksperymentu Wprowadzenie Prowadzący zajęcia: dr Janusz Piechota Zakład Biofizyki Kierownik zajęć: dr Paweł Błażej Zakład Genomiki Na zajęciach przydają się: dobre chęci,

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

1. Projektowanie badania. 2. Dobór próby. 3. Dobór metody i budowa instrumentu. 4. Pomiar (badanie) 5. Redukcja danych. 6.

1. Projektowanie badania. 2. Dobór próby. 3. Dobór metody i budowa instrumentu. 4. Pomiar (badanie) 5. Redukcja danych. 6. 1. Projektowanie badania 2. Dobór próby 3. Dobór metody i budowa instrumentu badawczego 4. Pomiar (badanie) 5. Redukcja danych 6. Analiza danych 7. Przygotowanie raportu (prezentacja wyników) Określenie

Bardziej szczegółowo

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008 Redaktor: Alicja Zagrodzka Korekta: Krystyna Chludzińska Projekt okładki: Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008 ISBN 978-83-7383-296-1 Wydawnictwo Naukowe Scholar

Bardziej szczegółowo

Analiza wpływu zmian poziomu wody gruntowej na stabilność anteny stacji permanentnej Wrocław

Analiza wpływu zmian poziomu wody gruntowej na stabilność anteny stacji permanentnej Wrocław XX JUBILEUSZOWA JESIENNA SZKOŁA GEODEZJI im. Jacka Rejmana WSPÓŁCZESNE METODY POZYSKIWANIA I MODELOWANIA GEODANYCH Analiza wpływu zmian poziomu wody gruntowej na stabilność anteny stacji permanentnej Wrocław

Bardziej szczegółowo

I. Oprogramowanie sieciowe do prowadzenia analiz statystycznych wyników badań naukowych

I. Oprogramowanie sieciowe do prowadzenia analiz statystycznych wyników badań naukowych Załącznik nr 1 do siwz Znak sprawy: ZP-PNK/D/2013/9/87 (nazwa wykonawcy) SPECYFIKACJA PRZEDMIOTU ZAMÓWIENIA w postępowaniu powaniu o udzielenie zamówienia publicznego prowadzonym w trybie przetargu nieograniczonego

Bardziej szczegółowo

Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl

Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych

Bardziej szczegółowo

METODY PROBABILISTYCZNE I STATYSTYKA

METODY PROBABILISTYCZNE I STATYSTYKA METODY PROBABILISTYCZNE I STATYSTYKA SYLLABUS Opracował: prof. nadzw. dr hab. inŝ. Marek Cieciura Rozkład jazdy w zaświaty zawsze jest niedogodny - Jan Czarny, polski poeta, fraszkopisarz, prozaik, satyryk,

Bardziej szczegółowo

Gimnastyka artystyczna

Gimnastyka artystyczna Gimnastyka artystyczna Zbadano losową próbę N=40 dziewcząt i chłopców z klas o profilu ogólnym i sportowym pod kątem ich ogólnej sprawności fizycznej ocenianej na skali Hirscha (od 0 do 20 pkt.), gdzie

Bardziej szczegółowo

Analiza ankiet badawczych przeprowadzonych wśród studentów w Polsce

Analiza ankiet badawczych przeprowadzonych wśród studentów w Polsce Analiza ankiet badawczych przeprowadzonych wśród studentów w Polsce Szczecin, wrzesień 2012 Spis treści 1 Wprowadzenie... 3 2 Opis badania... 3 2.1 Przedmiot badania... 3 2.2 Cele badania... 3 2.3 Narzędzia

Bardziej szczegółowo

Statystyczne metody analizy danych

Statystyczne metody analizy danych Statystyczne metody analizy danych Statystyka opisowa Wykład I-III Agnieszka Nowak - Brzezińska Definicje Statystyka (ang.statistics) - to nauka zajmująca się zbieraniem, prezentowaniem i analizowaniem

Bardziej szczegółowo

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi

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

SPIS TREŚCI. Do Czytelnika... 7

SPIS TREŚCI. Do Czytelnika... 7 SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................

Bardziej szczegółowo

Sylabus. Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data

Sylabus. Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data Sylabus Nazwa przedmiotu (w j. polskim i angielskim) Nazwisko i imię prowadzącego (stopień i tytuł naukowy) Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data dr Veslava

Bardziej szczegółowo

Modelowanie ekonometryczne

Modelowanie ekonometryczne Barbara Gładysz Jacek Mercik Modelowanie ekonometryczne Studium przypadku Wydanie II Oficyna Wydawnicza Politechniki Wrocławskiej Wrocław 007 Recenzent Paweł DITTMANN Opracowanie redakcyjne i korekta Alina

Bardziej szczegółowo

NARZĘDZIA STATYSTYKI MATEMATYCZNEJ WYKORZYSTYWANE W BADANIACH INNOWACYJNOŚCI PRZEDSIĘBIORSTW

NARZĘDZIA STATYSTYKI MATEMATYCZNEJ WYKORZYSTYWANE W BADANIACH INNOWACYJNOŚCI PRZEDSIĘBIORSTW NARZĘDZIA STATYSTYKI MATEMATYCZNEJ WYKORZYSTYWANE W BADANIACH INNOWACYJNOŚCI PRZEDSIĘBIORSTW Bożena KACZMARSKA, Artur MACIĄG Streszczenie: W pracy przedstawiono narzędzia statystyki matematycznej możliwe

Bardziej szczegółowo

Praktyczne aspekty doboru próby. Dariusz Przybysz Warszawa, 2 czerwca 2015

Praktyczne aspekty doboru próby. Dariusz Przybysz Warszawa, 2 czerwca 2015 Praktyczne aspekty doboru próby Dariusz Przybysz Warszawa, 2 czerwca 2015 Określenie populacji Przed przystąpieniem do badania, wybraniem sposobu doboru próby konieczne jest precyzyjne określenie populacji,

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo