Badania sondażowe. Schematy losowania. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Badania sondażowe. Schematy losowania. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa"

Transkrypt

1 Badania sondażowe Schematy losowania Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa 1

2 Próba jako miniatura populacji CELOWA subiektywny dobór jednostek do badania LOSOWA schemat losowy doboru jednostek do badania (wnioski z badania wyciągane są dla populacji, jednak reprezentatywności próby nie można udowodnić) (wnioski z badania wyciągane są dla populacji, a reprezentatywność próby można naukowo udowodnić) 2

3 Cechy doboru losowego W czasie losowania elementy populacji nie przemieszczają się Dostęp do każdego elementu populacji jest jednakowy Elementy populacji są wymieszane, lub kryteria ich uporządkowania są znane, a zmienne porządkujące są zawarte w operacie Próba ma charakter losowy gdy: przyjęte kryterium doboru jednostek jest niezależne od badanych cech każda jednostka zbiorowości ma różne od zera prawdopodobieństwo znalezienia się w próbie 3

4 Techniki losowania 4

5 Metoda reprezentacyjna Metoda reprezentacyjna zajmuje się badaniami statystycznymi, w których zamiast populacji bada się próbę, której reprezentatywność można naukowo uzasadnić. Obejmuje między innymi: Techniki losowania Estymację parametrów za pomocą których jesteśmy w stanie opisać populację Estymację błędów losowych szacowanych parametrów 5

6 Schemat losowania Schemat losowania (plan losowania) to sposób postępowania prowadzący przy użyciu określonych technik losowania do wyboru losowego jednostek do badania. Wybór schematu losowania zależy od: Posiadanych informacji o populacji Kosztów badania Warunków organizacyjno - technicznych 6

7 Kryteria sposobów losowania Kryterium 1 - indywidualne jednostka losowania to konkretna osoba z którą przeprowadzony zostanie wywiad - zespołowe jednostka losowania to grupa osób, z którymi przeprowadzony zostanie wywiad PRZYKŁAD: losowanie indywidualne dla sklepów, zespołowe dla klientów tych sklepów Kryterium 2 - niezależne (ze zwracaniem) proste prawdopodobieństwo wylosowania każdej jednostki jest identyczne - zależne (bez zwracania) prawdopodobieństwo wylosowania maleje w miarę losowania kolejnych jednostek Kryterium 3 - z jednakowymi prawdopodobieństwami wyboru - z różnymi prawdopodobieństwami wyboru PRZYKŁAD: losowanie szpitali z prawdopodobieństwem proporcjonalnym do liczby pacjentów Kryterium 4 - nieograniczone (jednostki pobierane równocześnie z całej zbiorowości losowanie proste) - ograniczone (jednostki pobierane są z części zbiorowości losowanie warstwowe, systematyczne) Kryterium 5 - jednostopniowe - wielostopniowe PRZYKŁAD: losowanie komisów samochodowych w 3 etapach województwa powiaty komisy 7

8 Próba prosta Próba, o której była mowa na statystyce to tzw. próba prosta, która powstała w wyniku losowania: jednostopniowego indywidualnego nieograniczonego niezależnego (ze zwracaniem) z jednakowym prawdopodobieństwem wyboru każdej jednostki Schematy losowania stosowane w badaniach ekonomiczno społecznych to modyfikacje tego losowania. Otaczająca rzeczywistość ma złożoną strukturę i dlatego są potrzebne adekwatne do niej schematy losowania. 8

9 Techniki losowania Dobór losowy bez zwracania Dobór losowy ze zwracaniem Losowanie nieograniczone wylosowanie do próby pewnych jednostek nie ogranicza wylosowania innych jednostek Dobór systematyczny Dobór warstwowy Dobór zespołowy Losowanie ograniczone wylosowanie do próby pewnych jednostek ogranicza wylosowanie innych jednostek Dobór wielostopniowy Losowanie z jednakowym prawdopodobieństwem wyboru: tzw. próby samoważące się Losowanie z różnymi prawdopodobieństwami wyboru: konieczność konstrukcji wag w dalszym etapie analiz 9

10 Dobór losowy Dobór losowy ze zwracaniem Dobór losowy bez zwracania (efektywniejszy) Stosowany, gdy: Brak jakichkolwiek informacji o populacji Populacje nie są zbyt liczne Przebiega przy użyciu tablic liczb losowych lub generatora liczb losowych Zalety Próby wyważone automatycznie Proste metody obliczania precyzji Łatwy w realizacji Wady Dogodny tylko dla małych populacji Wymaga operatu losowania 10

11 Dobór systematyczny Wybór co k-tej jednostki zbiorowości generalnej Jednostka wyjściowa jest losowana. k = N n Zalety Można stosować gdy jest dostępny operat lub go brak Łatwe wyznaczany jest tylko punkt startowy i interwał Jest tak samo efektywna jak próba prosta lub efektywniejsza Stosowany, gdy: Populacja jest bardzo liczna Populacja jest homogeniczna Wady Wymaga wymieszania listy jeśli istnieje Układ elementów może być poza kontrolą badacza może wystąpić ukryty podział na warstwy Próba uzyskana w wyniku losowania systematycznego może być bardziej efektywna (dawać większą precyzję oszacowań) od losowania prostego, gdy jednostki posortowane zostaną wg pewnych kryteriów (skorelowanych z cechą badaną) równomierniej od innych schematów losowania pokrywa populację generalną i analiza przebiega wtedy jak dla losowania warstwowego z proporcjonalną do wielkości warstwy liczbą jednostek w próbie. 11

12 Dobór warstwowy Stosowany, gdy: Istnieją dodatkowe informacje o populacji Populacje są bardzo liczne Aby być pewnym, że grupy składające się na populacje są właściwie reprezentowane w próbie Zalety Wady Bardziej efektywne niż losowanie proste W każdej warstwie można stosować inną technikę losowania Warstwowanie można przeprowadzić po wylosowaniu próby Ułatwia organizację badania Wymagana jest znajomość struktury populacji Jest tym efektywniejsze im mniejsze jest zróżnicowanie cechy wewnątrz warstw Wymaga operatu losowania Dzieląc populację na warstwy musimy dążyć do tego, aby cechy warstwujące wykazywały: znaczną jednorodność cechy badanej wewnątrz warstw oraz znaczną różnorodność między warstwami! 12

13 Dobór warstwowy Populacja Podział na warstwy Losowanie z warstw

14 Dobór warstwowy czemu służy? Zagrożenia w doborze losowym: Nadreprezentatywność: gdy do małej próby wejdą jednostki nietypowe, które nie powinny się tam znaleźć zaburzają bowiem ocenę parametru Niedoreprezentatywność: gdy w dużej próbie nie pojawi się taki element (nietypowy), którego brak istotnie wpłynie na wartość szacowanego parametru PRZYKŁAD REGON (wielkość zatrudnienia wpływa na cechę badaną) Firmy małe 0-9 zatrudnionych tys. 100,0% 91,6% małe Firmy średnie Firmy duże zatrudnionych 250+ zatrudnionych 160 tys. 4 tys. 80,0% 60,0% 40,0% 64% średnie duże 28% 20,0% 8,1% 0,2% 8% Eliminacja tych zagrożeń odbywa się poprzez warstwowanie (stratyfikację) oraz odpowiednią alokację próby w warstwach. 0,0% liczba zatrudnionych liczba telefonów komórkowych 14

15 Jednostka losowania Może być tożsama z jednostką badania, np.: Osoba indywidualna Gospodarstwo domowe Przedsiębiorstwo Instytucja Może zawierać kilka jednostek badania tworząc zespół, np.: Szkoły (w przypadku badania uczniów) Szpitale (w przypadku badania pacjentów) Sklepy (w przypaku badania klientów) 15

16 Dobór zespołowy Stosowany, gdy: Populacje są bardzo liczne Istnieją informacje o podgrupach (zespołach) gdy brak jest jakichkolwiek informacji o jednostkach populacji Zalety Umożliwia ograniczenie operatu tylko do listy zespołów Generuje mało rozproszone terytorialnie próby ułatwia organizację badania Obniża koszty badania Wady Złożony schemat losowania na ogół dwustopniowy: zespoły i jednostki Zazwyczaj zmniejsza efektywność badania Efektywny tylko gdy w próbie znajdzie się duża liczba zespołów o małych rozmiarach każdy Dzieląc populację na zespoły musimy dążyć do tego, aby zespoły wykazywały: znaczną różnorodność cechy badanej w zespołach oraz jednorodność cechy badanej między zespołami 16

17 Dobór zespołowy Populacja Podział na zespoły Losowanie zespołów I rejon stat. II rejon III rejon IV rejon V rejon

18 Dobór proporcjonalny z różnym prawdopodobieństwem wyboru Stosowany, gdy: Populacje są bardzo liczne Istnieją zespoły o zdecydowanie różnych rozmiarach Zalety Można stosować gdy istnieje operat ograniczony tylko do zespołów Uwzględnia strukturę populacji Wady Wymaga znajomości struktur populacji Wykorzystuje informacje z przeszłości Może wymagać przeważenia danych 18

19 Dobór wielostopniowy Stosowany gdy zbiorowości są złożone i bardzo duże. Populacja Podział na zespoły I rejon stat. II rejon III rejon IV rejon V rejon Podział na warstwy Losowanie zespołów Losowanie z warstw

20 Dobór wielostopniowy PRZYKŁAD: Szacowany jest odsetek sklepów odzieżowych w Polsce reklamujących swoje towary w prasie. Losowanie dwustopniowe: ETAP I: Operat 1: ZESPOŁY lista powiatów (379) losowanie z różnym prawdopodobieństwem wyboru jednostki do próby w zależności od liczby sklepów w powiecie ETAP II: PODZIAŁ NA WARSTWY: 5 warstw wg poziomu sprzedaży za ubiegły rok Operat 2: JEDNOSTKI BADANE lista sklepów losowanie w warstwach proporcjonalne do wielkości warstwy UWAGA! Tak skonstruowana próba wymaga ważenia. 20

21 SPSS: Complex Samples 21

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

Rodzaje badań statystycznych

Rodzaje badań statystycznych Rodzaje badań statystycznych Zbieranie danych, które zostaną poddane analizie statystycznej nazywamy obserwacją statystyczną. Dane uzyskuje się na podstawie badania jednostek statystycznych. Badania statystyczne

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Recenzenci: 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 szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. Wprowadzenie. Statystyka opisowa W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład

Bardziej szczegółowo

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

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

Bardziej szczegółowo

Badania sondażowe. Dobór próby do badania Rodzaje błędów w badaniach. Agnieszka Zięba

Badania sondażowe. Dobór próby do badania Rodzaje błędów w badaniach. Agnieszka Zięba Badania sondażowe Dobór próby do badania Rodzaje błędów w badaniach Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa 1 Konstrukcja próby badawczej 2 Dobór

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Badania marketingowe. Omówione zagadnienia. Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania

Badania 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 szczegółowo

Badania rynkowe 2016_4. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski

Badania rynkowe 2016_4. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Badania rynkowe 2016_4 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja oraz

Bardziej szczegółowo

DOBÓR PRÓBY. Czyli kogo badać?

DOBÓR PRÓBY. Czyli kogo badać? DOBÓR PRÓBY Czyli kogo badać? DZISIAJ METODĄ PRACY Z TEKSTEM I INNYMI Po co dobieramy próbę? Czym różni się próba od populacji? Na czym polega reprezentatywność statystyczna? Podstawowe zasady doboru próby

Bardziej szczegółowo

Statystyczno ekonometryczna analiza danych ekonomicznych

Statystyczno ekonometryczna analiza danych ekonomicznych Wroclaw Univesity of Economics From the SelectedWorks of Józef Z. Dziechciarz 2014 Statystyczno ekonometryczna analiza danych ekonomicznych Jozef Z. Dziechciarz, ed., Wroclaw Univesity of Economics Alicja

Bardziej szczegółowo

Statystyka 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 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 szczegółowo

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Recenzenci: 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 szczegółowo

WYKŁAD 5 TEORIA ESTYMACJI II

WYKŁAD 5 TEORIA ESTYMACJI II WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak

Bardziej szczegółowo

Przedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii

Przedmowa 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 szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

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

Bardziej szczegółowo

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

Metoda reprezentacyjna

Metoda reprezentacyjna Metoda reprezentacyjna Stanisław Jaworski Katedra Ekonometrii i Statystyki Zakład Statystyki Populacja, cecha, parametr, próba Metoda reprezentacyjna Przedmiotem rozważań metody reprezentacyjnej są metody

Bardziej szczegółowo

Próbkowanie. Wykład 4 Próbkowanie i rozkłady próbkowe. Populacja a próba. Błędy w póbkowaniu, cd, Przykład 1 (Ochotnicy)

Próbkowanie. Wykład 4 Próbkowanie i rozkłady próbkowe. Populacja a próba. Błędy w póbkowaniu, cd, Przykład 1 (Ochotnicy) Wykład 4 Próbkowanie i rozkłady próbkowe µ = średnia w populacji, µ=ey, wartość oczekiwana zmiennej Y σ= odchylenie standardowe w populacji, σ =(Var Y) 1/2, pierwiastek kwadratowy wariancji zmiennej Y,

Bardziej szczegółowo

Wagi poststratyfikacyjne w Europejskim Sondażu Społecznym:

Wagi poststratyfikacyjne w Europejskim Sondażu Społecznym: Metodologiczne Inspiracje 2014 Badania ilościowe w naukach społecznych Wyzwania i problemy Wagi poststratyfikacyjne w Europejskim Sondażu Społecznym: możliwości i ograniczenia prawidłowego wykorzystania

Bardziej szczegółowo

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

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

Bardziej szczegółowo

Importowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22

Importowanie 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 szczegółowo

Opinia na temat rynku telekomunikacyjnego i ocena UKE w 2011 roku Klienci instytucjonalni

Opinia na temat rynku telekomunikacyjnego i ocena UKE w 2011 roku Klienci instytucjonalni Opinia na temat rynku telekomunikacyjnego i ocena UKE w 2011 roku Klienci instytucjonalni Raport z badania konsumenckiego przeprowadzonego przez PBS DGA sp. z o.o. i CBM INDICATOR sp. z o.o. grudzień 2011

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka opisowa. Wykład I. Elementy statystyki opisowej

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

Bardziej szczegółowo

Badania marketingowe

Badania 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 szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

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

Bardziej szczegółowo

Badania marketingowe. Omówione zagadnienia

Badania 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 szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

Badania eksperymentalne

Badania eksperymentalne Badania eksperymentalne Pomiar na skali porządkowej mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis 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 szczegółowo

Agata Miszczak, Joanna Walasek Techniki wyboru próby badawczej

Agata Miszczak, Joanna Walasek Techniki wyboru próby badawczej Agata Miszczak, Joanna Walasek Techniki wyboru próby badawczej Obronność - Zeszyty Naukowe Wydziału Zarządzania i Dowodzenia Akademii Obrony Narodowej nr 2(6), 100-108 2013 AUTORZY mgr Agata Miszczak agata_miszczak@wp.pl

Bardziej szczegółowo

Badania marketingowe. Przegląd technik gromadzenia danych w badaniach sondażowych Sposoby doboru jednostek badawczych do próby

Badania marketingowe. Przegląd technik gromadzenia danych w badaniach sondażowych Sposoby doboru jednostek badawczych do próby Badania marketingowe Przegląd technik gromadzenia danych w badaniach sondażowych Sposoby doboru jednostek badawczych do próby 1 Klasyfikacja metod sondażowych ze względu na techniki gromadzenia danych

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

Podstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak

Podstawy 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 szczegółowo

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

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

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom

Bardziej szczegółowo

SEMINARIUM DYPLOMOWE dr hab., prof. nzw. Janusz Gierszewski ZAGADNIENIE:

SEMINARIUM DYPLOMOWE dr hab., prof. nzw. Janusz Gierszewski ZAGADNIENIE: SEMINARIUM DYPLOMOWE dr hab., prof. nzw. Janusz Gierszewski ZAGADNIENIE: 1 DOBÓR PRÓBY MINIMALNEJ : Reprezentatywność: Próbę uznamy za reprezentatywną dla populacji, z której została dobrana, jeśli zagregowane

Bardziej szczegółowo

Agnieszka MISZTAL Inż. Syst. Projakośc. Kontrola jakości. INŻYNIERIA SYSTEMÓW PROJAKOŚCIOWYCH Wykład 2 Kontrola jakości

Agnieszka MISZTAL Inż. Syst. Projakośc. Kontrola jakości. INŻYNIERIA SYSTEMÓW PROJAKOŚCIOWYCH Wykład 2 Kontrola jakości INŻYNIERI SYSTEMÓW PROJKOŚIOWYH Wykład 2 Kontrola jakości KONTROL - działanie takie jak: zmierzenie, zbadanie, oszacowanie lub sprawdzenie jednej lub kilku właściwości obiektu oraz porównanie wyników z

Bardziej szczegółowo

Zadania ze statystyki cz.8. Zadanie 1.

Zadania ze statystyki cz.8. Zadanie 1. Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

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

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

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

Bardziej szczegółowo

Badania eksperymentalne

Badania 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 szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów

Bardziej szczegółowo

Dorota Pekasiewicz ILORAZOWE TESTY SEKWENCYJNE DLA FRAKCJI DLA PRÓB NIEPROSTYCH

Dorota Pekasiewicz ILORAZOWE TESTY SEKWENCYJNE DLA FRAKCJI DLA PRÓB NIEPROSTYCH A C T A U I V E R S I T A T I S L O D Z I E S I S FOLIA OECOOMICA 162, 2002 Dorota Pekasiewicz ILORAZOWE TESTY SEKWECYJE DLA FRAKCJI DLA PRÓB IEPROSTYCH STRESZCZEIE. Ilorazowe testy sekwencyjne mogą służyć

Bardziej szczegółowo

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0 Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy

Bardziej szczegółowo

Charakterystyka liczbowa opisującą właściwości zbioru danych (np. średnia, mediana, odchylenie standardowe)

Charakterystyka liczbowa opisującą właściwości zbioru danych (np. średnia, mediana, odchylenie standardowe) Dyscyplina naukowa zajmująca się sposobami (metodami i narzędziami) gromadzenia i opisywania danych ilościowych oraz wyprowadzania na ich podstawie wniosków odnoszących się do procesów masowych Charakterystyka

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW

ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW POPULACJI Szkic wykładu Wprowadzenie 1 Wprowadzenie 2 3 4 Przypomnienie dotychczasowych rozważań Przedziałem ufności nazywamy przedział losowy, o którym przypuszczamy

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Badania Statystyczne

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

Bardziej szczegółowo

Szczegółowy opis badania - badanie CAPI na ogólnopolskiej próbie stowarzyszeń i fundacji

Szczegółowy opis badania - badanie CAPI na ogólnopolskiej próbie stowarzyszeń i fundacji Zapytanie ofertowe Stowarzyszenie Klon/Jawor od 2002 roku prowadzi ogólnopolski projekt badawczy dotyczący funkcjonowania organizacji pozarządowych. W ramach tego przedsięwzięcia, w regularnych odstępach

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

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.

Bardziej szczegółowo

Badania 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 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 szczegółowo

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28 Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych

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

CAŁA POLSKA CZYTA DZIECIOM raport

CAŁA POLSKA CZYTA DZIECIOM raport CAŁA POLSKA CZYTA DZIECIOM raport Przygotowany dla Fundacji ABC XXI 30 października 2006 Metodologia Zbiorowość badana: Ludność Polski w wieku 15 i więcej lat Metoda doboru próby: Próba losowo-kwotowa:

Bardziej szczegółowo

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1. Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej

Bardziej szczegółowo

Wydział Matematyki. Testy zgodności. Wykład 03

Wydział Matematyki. Testy zgodności. Wykład 03 Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy

Bardziej szczegółowo

Wykład 2. Wpływ stałej (odejmujemy 20) Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd.

Wykład 2. Wpływ stałej (odejmujemy 20) Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Wykład Zmiana wartości wynikająca ze zmiany jednostek dana jest zwykle funkcją liniową: y = ay + c Wpływ przekształceń Co się stanie ze średnią i odchyleniem standardowym, gdy zmienimy jednostki? Przykłady:

Bardziej szczegółowo

Testowanie hipotez statystycznych

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

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie 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 szczegółowo

Metody Statystyczne. Metody Statystyczne.

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

Bardziej szczegółowo

Wykład z analizy danych: estymacja punktowa

Wykład z analizy danych: estymacja punktowa Wykład z analizy danych: estymacja punktowa Marek Kubiak Instytut Informatyki Politechnika Poznańska Cel wykładu Model statystyczny W pewnej zbiorowości (populacji generalnej) obserwowana jest pewna cecha

Bardziej szczegółowo

ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI

ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji

Bardziej szczegółowo

Statystyka Małych Obszarów w badaniach próbkowych

Statystyka Małych Obszarów w badaniach próbkowych Statystyka Małych Obszarów w badaniach próbkowych Łukasz Wawrowski l.wawrowski@stat.gov.pl Urząd Statystyczny w Poznaniu SKN Estymator, UEP 5.03.2012 1 Wprowadzenie Podstawowe pojęcia Badanie 2 Estymator

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

R-PEARSONA Zależność liniowa

R-PEARSONA Zależność liniowa R-PEARSONA Zależność liniowa Interpretacja wyników: wraz ze wzrostem wartości jednej zmiennej (np. zarobków) liniowo rosną wartości drugiej zmiennej (np. kwoty przeznaczanej na wakacje) czyli np. im wyższe

Bardziej szczegółowo

Wykład 10. Wpływ stałej (odejmujemy 20) Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd.

Wykład 10. Wpływ stałej (odejmujemy 20) Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Liniowa transformacja zmiennych, cd. Wykład 10 Wpływ przekształceń Co się stanie ze średnią i odchyleniem standardowym gdy zmienimy jednostki? stopnie Celsiusza stopnie Fahrenheita dolary 1,000 dolarów wartość faktyczna odległość od minimum

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

Polacy 88 : dynamika konfliktu a szansa reform. Zespół aut.: Władysław Adamski i in. Warszawa 1989 ANEKSY CHARAKTERYSTYKA PRÓBY

Polacy 88 : dynamika konfliktu a szansa reform. Zespół aut.: Władysław Adamski i in. Warszawa 1989 ANEKSY CHARAKTERYSTYKA PRÓBY ANEKSY Andrzej Jawłowski CHARAKTERYSTYKA PRÓBY Wstęp W tym rozdziale zaprezentowane zostana informacje na temat doboru prób do kolejnych badań (Polacy 80-81 - 84-88) i podstawowe charakterystyki przebadanych

Bardziej szczegółowo

Dorota Witkowska. Metody ilościowe w badaniach społeczno-ekonomicznych

Dorota Witkowska. Metody ilościowe w badaniach społeczno-ekonomicznych Dorota Witkowska Metody ilościowe w badaniach społeczno-ekonomicznych Badanie statystyczne i jego organizacja Materiały dydaktyczne Katedra Finansów i Strategii Przedsiębiorstwa Wydział Zarządzania Uniwersytet

Bardziej szczegółowo

Dokładne i graniczne rozkłady statystyk z próby

Dokładne i graniczne rozkłady statystyk z próby Dokładne i graniczne rozkłady statystyk z próby Przypomnijmy Populacja Próba Wielkość N n Średnia Wariancja Odchylenie standardowe 4.2 Rozkład statystyki Mówimy, że rozkład statystyki (1) jest dokładny,

Bardziej szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

WYKŁAD 8 ANALIZA REGRESJI WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej

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

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

Estymacja parametrów rozkładu cechy

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

Bardziej szczegółowo

EWALUACJA WEWNĘTRZNA:

EWALUACJA WEWNĘTRZNA: Opracowały: Izabela Kazimierska, Indira Lachowicz, Laura Piotrowska EWALUACJA WEWNĘTRZNA: WYKORZYSTANIE W PODSUMOWANIU RPW Publikacja powstała w ramach programu System doskonalenia oparty na ogólnodostępnym

Bardziej szczegółowo

Pisanie prace magisterskich SPIS ZAGADNIEŃ Więcej informacji i materiałów dydaktycznych na temat pisania prac magisterskich i

Pisanie prace magisterskich SPIS ZAGADNIEŃ Więcej informacji i materiałów dydaktycznych na temat pisania prac magisterskich i SPIS ZAGADNIEŃ 1. Podstawowe pojęcia dotyczące statystyki w kontekście badań statystycznych.2 3. Źródła danych statystycznych...4 4. Badanie częściowe...5 5. Organizacja badania statystycznego...10 6.

Bardziej szczegółowo

METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II

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

Bardziej szczegółowo

Wykład 2. Transformacje (przekształcenia) danych

Wykład 2. Transformacje (przekształcenia) danych Wykład 2 Transformacje (przekształcenia) danych Problem: Co się stanie ze średnią i odchyleniem standardowym, gdy zmienimy jednostki? Przykłady: stopnie Celsiusza stopnie Fahrenheita dolary 1,000 dolarów

Bardziej szczegółowo

Wykład 2. Standaryzacja: Przykład: wpływ stałej addytywnej: odejmujemy 20. Liniowa transformacja zmiennych. Liniowa transformacja zmiennych, cd.

Wykład 2. Standaryzacja: Przykład: wpływ stałej addytywnej: odejmujemy 20. Liniowa transformacja zmiennych. Liniowa transformacja zmiennych, cd. Wykład 2 Transformacje (przekształcenia) danych Problem: Co się stanie ze średnią i odchyleniem standardowym, gdy zmienimy jednostki? Przykłady: stopnie Celsiusza stopnie Fahrenheita dolary 1,000 dolarów

Bardziej szczegółowo

Warszawa, 17 maja 2010r. Zmiany w treści Zapytania Ofertowego nr postępowania POKL1.18/WRZOS/1/2010

Warszawa, 17 maja 2010r. Zmiany w treści Zapytania Ofertowego nr postępowania POKL1.18/WRZOS/1/2010 Warszawa, 17 maja 2010r. Zmiany w treści Zapytania Ofertowego nr postępowania POKL1.18/WRZOS/1/2010 Dotyczy postępowania o udzielenie zamówienia publicznego, prowadzonego z zachowaniem zasady konkurencyjności

Bardziej szczegółowo

Podstawowe pojęcia statystyczne

Podstawowe pojęcia statystyczne Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk

Bardziej szczegółowo

Ustalanie mocy testu i optymalnej wielkości próby

Ustalanie mocy testu i optymalnej wielkości próby Warsztaty szkoleniowe z zakresu oceny oddziaływania instrumentów aktywnej polityki rynku pracy Ustalanie mocy testu i optymalnej wielkości próby Piotr Ćwiakowski, Kraków, 7 czerwca 2017 r. Plan wykładu

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

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD STATYSTYK Z PRÓBY

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD STATYSTYK Z PRÓBY WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD STATYSTYK Z PRÓBY Próba losowa prosta To taki dobór elementów z populacji, że każdy element miał takie samo prawdopodobieństwo znalezienia się w próbie Niezależne

Bardziej szczegółowo

Badania panelowe osiągnięd edukacyjnych uczniów szkół podstawowych i gimnazjów a rozwój wskaźnika EWD

Badania panelowe osiągnięd edukacyjnych uczniów szkół podstawowych i gimnazjów a rozwój wskaźnika EWD Centralna Komisja Egzaminacyjna Badania panelowe osiągnięd edukacyjnych uczniów szkół podstawowych i gimnazjów a rozwój wskaźnika EWD Doniesienie badawcze Zofia Lisiecka Zespół EWD Centralna Komisja Egzaminacyjna

Bardziej szczegółowo

Statystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14

Statystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14 Statystyka #6 Analiza wariancji Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2015/2016 1 / 14 Analiza wariancji 2 / 14 Analiza wariancji Analiza wariancji jest techniką badania wyników,

Bardziej szczegółowo

Statystyka opisowa. Wykład VI. Analiza danych jakośiowych

Statystyka opisowa. Wykład VI. Analiza danych jakośiowych Statystyka opisowa. Wykład VI. e-mail:e.kozlovski@pollub.pl Spis treści Rangowanie 1 Rangowanie 3 Rangowanie Badaniu statystycznemu czasami podlegają cechy niemierzalne jakościowe), np. kolor włosów, stopień

Bardziej szczegółowo