Zagadnienie klasyfikacji (dyskryminacji)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zagadnienie klasyfikacji (dyskryminacji)"

Transkrypt

1 Zagadnienie klasyfikacji (dyskryminacji) Przykład Bank chce klasyfikować klientów starających się o pożyczkę do jednej z dwóch grup: niskiego ryzyka (spłacających pożyczki terminowo) lub wysokiego ryzyka Obserwując pewne cechy charakteryzujące klienta należy skonstruować regułę postępowania klasyfikującą ewentualnych pożyczkobiorców do jednej z dwóch wymienionych grup Populacje: π 1,, π k Obiekt: X = (X 1,, X p ) Zadanie Przypisać obiekt do jednej z populacji π 1,, π k W Z Statystyka 121

2 Rozwiązanie: podział zbioru R p na takie obszary R 1,, R p, że k R i = R p, i=1 R i R j =, i j Reguła klasyfikacyjna (dyskryminacyjna) Jeżeli X R i, to obiekt zaliczamy do π i Problem: znaleźć zbiory R i Kryterium P {X R i obiekt pochodzi z populacji π i } = max! Rozwiązanie zagadnienia Założenia 1 Dla populacji π i : X N p (µ i, Σ i ) 2 Σ 1 = = Σ k = Σ 3 P {obiekt pochodzi z π i } = 1/k W Z Statystyka 122

3 Klasyfikacja dla dwóch populacji k = 2 Idea: obserwacja X pochodzi z tej populacji, dla której odległość obserwacji od wektora średnich jest mniejsza Formalnie: Niech W (X) = ( X 1 X 2 ) C 1 X 1 2 ( X 1 X 2 ) C 1 ( X 1 + X 2 ) Reguła klasyfikacyjna X zaklasyfikować do populacji π 1, jeżeli W (X) > 0 X zaklasyfikować do populacji π 2, jeżeli W (X) < 0 Funkcja W (X): funkcja dyskryminacyjna W Z Statystyka 123

4 Klasyfikacja dla wielu populacji k > 2 Idea: obserwacja X pochodzi z tej populacji, dla której odległość obserwacji od wektora średnich jest najmniejsza Formalnie: Niech W ij (X) = ( X i X j ) C 1 X 1 2 ( X i X j ) C 1 ( X i + X j ) Reguła klasyfikacyjna obserwację X zaklasyfikować do populacji π i, jeżeli W ij (X) > 0 dla wszystkich i j Funkcje W ij funkcje dyskryminacyjne W Z Statystyka 124

5 Przykład W celu oceny stopnia ryzyka udzielanych kredytów bankowych, wybrano losowo 26 klientów i 12 z nich oceniono jako klientów o niskim stopniu ryzyka (klienci spłacali pożyczki w terminie), zaś 14 klientów z wylosowanej grupy oceniono jako klientów o wysokim stopniu ryzyka (klienci ci nie spłacali pożyczek w terminie) Przyjmując, że spłata pożyczek w terminie jest funkcją następujących cech: X 1 płeć, X 2 okres współpracy z bankiem, X 3 liczba posiadanych dzieci, X 4 wielkość dochodu X 5 zaakceptowane oprocentowanie pożyczek, skonstruować funkcję pozwalającą na ocenę czy ubiegający się o pożyczkę i posiadający określone cechy należy do grupy niskiego ryzyka, czy też należy do grupy wysokiego ryzyka π 1 grupa niskiego ryzyka π 2 grupa wysokiego ryzyka Nowy klient: X = (X 1,, X 5 ) W Z Statystyka 125

6 Funkcja dyskryminacyjna: W (X) = X X X X X 5 Jeżeli W (X) < 0, to klasyfikujemy klienta X do π 1 Jeżeli W (X) > 0, to klasyfikujemy klienta X do π 2 Wniosek kredytowy złożył bezdzietny (X 3 = 0) mężczyzna (X 1 = 0) współpracujący z bankiem jeden rok (X 2 = 1) deklarujący uzyskiwany dochód na poziomie 500 złotych (X 4 = 5) oraz akceptujący 4% jako tygodniowe oprocentowanie pożyczki (X 5 = 4) Wartość funkcji dyskryminacyjnej W = = Ponieważ jest to wartość ujemna, więc klienta klasyfikujemy do grupy małego ryzyka W Z Statystyka 126

7 Przykład Przykład pochodzi od Fishera i przeszedł do klasyki przykładów analizy dyskryminacji Badano trzy populacje kwiatów: Iris virginica, Iris versicolor oraz Iris setosa Dla każdego kwiatu mierzono długość i szerokość działki kielicha (SL i SW ) oraz długość i szerokość płatka (P L i P W ) Zadanie: na podstawie czterech pomiarów zaklasyfikować nowy kwiat do jednej z trzech populacji Dla każdej z populacji dokonano po 50 obserwacji i uzyskano następujące średnie próbkowe Iris SL SW P L P W Virginica Versicolor Setosa Macierz średnich kwadratów i iloczynów ma postać: C = W Z Statystyka 127

8 Dwie funkcje dyskryminacyjne: W 12 = 3246SL 3391SW P L P W W 13 = 11076SL 19916SW P L P W Reguła klasyfikacyjna ma postać: Zaklasyfikować kwiat Iris o obserwacji X jako virginica, jeżeli W 12 (X) > 0 i W 13 (X) > 0 versicolor, jeżeli W 12 (X) < 0 i W 13 (X) > W 12 (X) setosa, jeżeli W 12 (X) < 0 i W 13 (X) < 0 W Z Statystyka 128

9 Analiza skupień X 1,, X n p wymiarowe obserwacje jednostek Założenie Przyjmujemy, że obserwacje X 1,, X n z nieznanej liczby k populacji pochodzą Zadanie Oszacować liczbę k populacji oraz rozpoznać, które obserwacje pochodzą z kolejnych populacji Grupy obserwacji uznane za pochodzące z tych samych populacji nazywane są skupieniami lub segmentami (ang cluster) Techniki analizy skupień zwane są procedurami segmentacji lub aglomeracji Idea Dwie obserwacje uznajemy za pochodzące z tej samej populacji, jeżeli są dostatecznie blisko siebie W Z Statystyka 129

10 Techniki segmentacji techniki hierarchiczne techniki optymalnego podziału techniki natężenia techniki grupowania Metody hierarchiczne Macierz odległości [d ij ] między obiektami i skupieniami Odległość d ij między obiektami X i = (X i1,, X ip ) X j = (X j1,, X jp ) d ij = p (X il X jl ) 2 l=1 W Z Statystyka 1210

11 Zasada działania metod hierarchicznych 1 zakładamy, że każdy z obiektów tworzy jednoelementowe skupienie 2 w macierzy odległości między skupieniami szukamy takiej pary skupień q i r (q < r) dla której odległość jest najmniejsza: d qr = min i<j d ij 3 łączymy obiekty q i r w jedno skupienie, nadajemy mu numer q i wyznaczamy nową macierz odległości 4 powyższe kroki powtarzamy aż do uzyskania jednego skupienia Metoda najbliższego sąsiedztwa d q t = min t q,r {d qt, d rt } Metoda najdalszego sąsiedztwa d q t = max t q,r {d qt, d rt } W Z Statystyka 1211

12 Przykład Badano 22 samochody różnych marek pod względem czterech cech: ceny (X 1 ), przyspieszenia (X 2 ), hamowania (X 3 ), trzymania się drogi (X 4 ) oraz zużycia paliwa (X 5 ) X 1 X 2 X 3 X 4 X 5 Acura Audi BMW Buick Corvette Chrysler Dodge Eagle Ford Honda Isuzu Mazda Mercedes Mitsub Nissan Olds Pontiac Porsche Saab Toyota VW Volvo W Z Statystyka 1212

13 W Z Statystyka 1213

14 Metoda k średnich X 1,, X n p wymiarowe obserwacje jednostek Założenie Przyjmujemy, że obserwacje X 1,, X n pochodzą z k populacji J = {I 1,, I k }: podział zbioru {1,, n} na rozłączne podzbiory X j = 1 n j i I j X i D(J ) = k i=1 i I j (X i X j ) 2 Znaleźć takie J, że D(J ) = min D(J ) W Z Statystyka 1214

15 Przykład (cd) Cecha Średnie X X X X X W Z Statystyka 1215

16 Grupa 1: Acura Buick Chrysler Dodge Honda Mitsub Nissan Olds Pontiac Saab Toyota VW Volvo Grupa 2: Audi BMW Corvette Ford Mazda Mercedes Porsche Grupa 3: Eagle Isuzu W Z Statystyka 1216

Hierarchiczna analiza skupień

Hierarchiczna analiza skupień Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym

Bardziej szczegółowo

PODSTAWY STATYSTYCZNEJ ANALIZY DANYCH

PODSTAWY STATYSTYCZNEJ ANALIZY DANYCH Wykład 3 Liniowe metody klasyfikacji. Wprowadzenie do klasyfikacji pod nadzorem. Fisherowska dyskryminacja liniowa. Wprowadzenie do klasyfikacji pod nadzorem. Klasyfikacja pod nadzorem Klasyfikacja jest

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

opis sprzęgło alternatora zastosowanie: OPEL opis sprzęgło alternatora zastosowanie: FORD opis sprzęgło alternatora zastosowanie: FORD opis

opis sprzęgło alternatora zastosowanie: OPEL opis sprzęgło alternatora zastosowanie: FORD opis sprzęgło alternatora zastosowanie: FORD opis 09-001 55381 535017210 OPEL 1204412 09-002 55297 535007030 YC1T-10A352-AC 09-003 55297 535007030 YC1T-10A352-AC 09-004 56535 535007210 VOLVO 9459747 09-005 55886 535006310 77362721 09-006 55284 535008710

Bardziej szczegółowo

Co to jest grupowanie

Co to jest grupowanie Grupowanie danych Co to jest grupowanie 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Szukanie grup, obszarów stanowiących lokalne gromady punktów Co to jest grupowanie

Bardziej szczegółowo

ALGORYTM RANDOM FOREST

ALGORYTM RANDOM FOREST SKRYPT PRZYGOTOWANY NA ZAJĘCIA INDUKOWANYCH REGUŁ DECYZYJNYCH PROWADZONYCH PRZEZ PANA PAWŁA WOJTKIEWICZA ALGORYTM RANDOM FOREST Katarzyna Graboś 56397 Aleksandra Mańko 56699 2015-01-26, Warszawa ALGORYTM

Bardziej szczegółowo

Analiza Skupień - Grupowanie Zaawansowana Eksploracja Danych

Analiza Skupień - Grupowanie Zaawansowana Eksploracja Danych Analiza Skupień - Grupowanie Zaawansowana Eksploracja Danych JERZY STEFANOWSKI Inst. Informatyki PP Wersja dla TPD 2013 Część II Organizacja wykładu Przypomnienie wyboru liczby skupień Studium przypadku

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

Klasyfikator. ˆp(k x) = 1 K. I(ρ(x,x i ) ρ(x,x (K) ))I(y i =k),k =1,...,L,

Klasyfikator. ˆp(k x) = 1 K. I(ρ(x,x i ) ρ(x,x (K) ))I(y i =k),k =1,...,L, Klasyfikator Jedną z najistotniejszych nieparametrycznych metod klasyfikacji jest metoda K-najbliższych sąsiadów, oznaczana przez K-NN. W metodzie tej zaliczamy rozpoznawany obiekt do tej klasy, do której

Bardziej szczegółowo

Porównanie wielu rozkładów normalnych

Porównanie wielu rozkładów normalnych Porównanie wielu rozkładów normalnych Założenia:. X i N(µ i, σi 2 ), i =,..., k 2. X,..., X k są niezależne Czy µ = = µ k? Czy σ 2 = = σ 2 k? Próby: X i,..., X ini, i =,..., k X i, varx i, s 2 i = varx

Bardziej szczegółowo

ABARTH ACURA ACURA SIP22 HON49, HON37, HON38 HON66

ABARTH ACURA ACURA SIP22 HON49, HON37, HON38 HON66 ABARTH ACURA ACURA 2 HON49,, HON38 HON66 1 2 1 ST A-19-103 A-19-108 2 2 2 ST P-19-111 P-19-160 3 2 3 ST P-19-112 1 POŁÓWKA P-19-161 4 2 4 ST P-19-113 2 POŁÓWKA P-19-162 A 2 A ST B 2 B ST C 2 C ST D 2 D

Bardziej szczegółowo

Agnieszka Nowak Brzezińska

Agnieszka Nowak Brzezińska Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia

Bardziej szczegółowo

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu

Bardziej szczegółowo

Inteligentna analiza danych

Inteligentna analiza danych Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki

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

Klasyfikacja metodą Bayesa

Klasyfikacja metodą Bayesa Klasyfikacja metodą Bayesa Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski warunkowe i bezwarunkowe 1. Klasyfikacja Bayesowska jest klasyfikacją statystyczną. Pozwala przewidzieć prawdopodobieństwo

Bardziej szczegółowo

Ekonometria Analiza dyskryminacyjna

Ekonometria Analiza dyskryminacyjna Ekonometria Analiza dyskryminacyjna Paweł Cibis pawel@cibis.pl 11 maja 2007 A dlaczego Power Point? a tak dla odmiany ;-); Wielowymiarowa analiza porównawcza Dyscyplina naukowa zajmująca się porównywaniem

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO

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

Bardziej szczegółowo

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

F-01049 POMPA 11 x 25 x 6,4/6,4 1PM RYS.1 przeciwkurzowy z jedną sprężynką BMW serie 3 2009, Peugeot Boxer

F-01049 POMPA 11 x 25 x 6,4/6,4 1PM RYS.1 przeciwkurzowy z jedną sprężynką BMW serie 3 2009, Peugeot Boxer F-01049 POMPA 11 x 25 x 6,4/6,4 1PM RYS.1 przeciwkurzowy z BMW serie 3 2009, Peugeot Boxer F-01027 POMPA 13 x 22 x 8,5 1PM RYS.1 przeciwkurzowy z Mercedes S-Class 500 F-01026 POMPA 13 x 23 x 8 1PM RYS.1

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

rolka prowadząca paska rozrządu CHRYSLER rolka prowadząca paska pomocniczego FIAT, LANCIA rolka prowadząca paska pomocniczego AUDI, VW, SEAT, SKODA

rolka prowadząca paska rozrządu CHRYSLER rolka prowadząca paska pomocniczego FIAT, LANCIA rolka prowadząca paska pomocniczego AUDI, VW, SEAT, SKODA 03-200 58601 532022710 CHRYSLER 4777394 03-201 FIAT, LANCIA 55874 532043610 VKM32243 46537101 03-202 AUDI, VW, SEAT, SKODA 55434 532033010 VKM31002 38145276 03-203 ALFA ROMEO, FIAT, LANCIA 55872 534010120

Bardziej szczegółowo

Elementy statystyki STA - Wykład 5

Elementy statystyki STA - Wykład 5 STA - Wykład 5 Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 ANOVA 2 Model jednoczynnikowej analizy wariancji Na model jednoczynnikowej analizy wariancji możemy traktować jako uogólnienie

Bardziej szczegółowo

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4. Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 3. DRZEWA DECYZYJNE. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 3. DRZEWA DECYZYJNE. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 3. DRZEWA DECYZYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska BUDOWA DRZEW DECYZYJNYCH Drzewa decyzyjne są metodą indukcyjnego

Bardziej szczegółowo

CLUSTERING. Metody grupowania danych

CLUSTERING. Metody grupowania danych CLUSTERING Metody grupowania danych Plan wykładu Wprowadzenie Dziedziny zastosowania Co to jest problem klastrowania? Problem wyszukiwania optymalnych klastrów Metody generowania: k centroidów (k - means

Bardziej szczegółowo

STATYSTYKA

STATYSTYKA Wykład 1 20.02.2008r. 1. ROZKŁADY PRAWDOPODOBIEŃSTWA 1.1 Rozkład dwumianowy Rozkład dwumianowy, 0 1 Uwaga: 1, rozkład zero jedynkowy. 1 ; 1,2,, Fakt: Niech,, będą niezależnymi zmiennymi losowymi o jednakowym

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

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

Grupowanie danych. Wprowadzenie. Przykłady

Grupowanie danych. Wprowadzenie. Przykłady Grupowanie danych str. 1 Wprowadzenie Celem procesu grupowania jest podział zbioru obiektów, fizycznych lub abstrakcyjnych, na klasy obiektów o podobnych cechach, nazywane klastrami lub skupieniami Klaster

Bardziej szczegółowo

Tabela Zaleceń Motul 2008. Oleje do samochodów osobowych i dostawczych

Tabela Zaleceń Motul 2008. Oleje do samochodów osobowych i dostawczych Tabela Zaleceń Motul 2008 Oleje do samochodów osobowych i dostawczych Spis treści Samochody osobowe Pojazdy użytkowe Alfa Romeo 6 Maserati 51 Citroen 100 Objaśnienia Aston Martin 8 Audi 8 Mazda 51 Mercedes

Bardziej szczegółowo

Czym jest analiza skupień?

Czym jest analiza skupień? Statystyczna analiza danych z pakietem SAS Analiza skupień metody hierarchiczne Czym jest analiza skupień? wielowymiarowa technika pozwalająca wykrywać współzależności między obiektami; ściśle związana

Bardziej szczegółowo

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy grudniowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF

Bardziej szczegółowo

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18 Eksploracja Danych wykład 4 Sebastian Zając WMP.SNŚ UKSW 10 maja 2017 Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja 2017 1 / 18 Klasyfikacja danych Klasyfikacja Najczęściej stosowana (najstarsza)

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO

STATYSTYKA I DOŚWIADCZALNICTWO STATYSTYKA I DOŚWIADCZALNICTWO Wykład 9 Analiza skupień wielowymiarowa klasyfikacja obiektów Metoda, a właściwie to zbiór metod pozwalających na grupowanie obiektów pod względem wielu cech jednocześnie.

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

Jądrowe klasyfikatory liniowe

Jądrowe klasyfikatory liniowe Jądrowe klasyfikatory liniowe Waldemar Wołyński Wydział Matematyki i Informatyki UAM Poznań Wisła, 9 grudnia 2009 Waldemar Wołyński () Jądrowe klasyfikatory liniowe Wisła, 9 grudnia 2009 1 / 19 Zagadnienie

Bardziej szczegółowo

V 1963. Zestaw do testowania ciśnienia w chłodnicy i zestaw do wytwarzania próżni w chłodnicy (25 części) Instrukcja stosowania

V 1963. Zestaw do testowania ciśnienia w chłodnicy i zestaw do wytwarzania próżni w chłodnicy (25 części) Instrukcja stosowania PL Instrukcja stosowania V 1963 Zestaw do testowania ciśnienia w chłodnicy i zestaw do wytwarzania próżni w chłodnicy (25 części) 1. ZASTOSOWANIE ZESTAWU DO TESTO- WANIA CIŚNIENIA W CHŁODNICY 2. OPIS ZESTAWU

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

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy kwietniowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF

Bardziej szczegółowo

Metrologia: powtarzalność i odtwarzalność pomiarów. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: powtarzalność i odtwarzalność pomiarów. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: powtarzalność i odtwarzalność pomiarów dr inż. Paweł Zalewski Akademia Morska w Szczecinie Definicje: Pojęciami związanymi z metodami diagnozowania procesów i oceny ich bezpieczeństwa oraz

Bardziej szczegółowo

Zestawienie sporządzono według danych na dzień 21.09.2009 r.

Zestawienie sporządzono według danych na dzień 21.09.2009 r. Przegląd rynku bankowych produktów detalicznych Prezentujemy wrześniowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF

Bardziej szczegółowo

Citroen C5 FV23%! PLN netto Al. Krakowska S sz06

Citroen C5 FV23%! PLN netto Al. Krakowska S sz06 Samochód Cena Lokalizacja Stanowisko Volvo XC60 Salon Polska! Automat! Pierwszy właściciel! FV23%! Diesel D5!, 2009 BMW SERIA 5 525 218KM* Bezwypadek* 1 WŁ* Fvat23%* 64 900 PLN netto Al. Krakowska 178

Bardziej szczegółowo

Samochód Cena Lokalizacja Stanowisko

Samochód Cena Lokalizacja Stanowisko Samochód Cena Lokalizacja Stanowisko Ford S-MAX 100% Serwisowany! Zadbany! Po wymianie rozrządu!, 2006 Ford FOCUS Salon Polska! Pierwsza Rej. 12.2009! Lift! Zadbany!, 2009 Honda CRV 4x4, Bezwypadkowy,

Bardziej szczegółowo

Data Mining Wykład 6. Naiwny klasyfikator Bayes a Maszyna wektorów nośnych (SVM) Naiwny klasyfikator Bayesa.

Data Mining Wykład 6. Naiwny klasyfikator Bayes a Maszyna wektorów nośnych (SVM) Naiwny klasyfikator Bayesa. GLM (Generalized Linear Models) Data Mining Wykład 6 Naiwny klasyfikator Bayes a Maszyna wektorów nośnych (SVM) Naiwny klasyfikator Bayesa Naiwny klasyfikator Bayesa jest klasyfikatorem statystycznym -

Bardziej szczegółowo

SRL - NAJLEPSZY NA RYNKU STOSUNEK JAKO

SRL - NAJLEPSZY NA RYNKU STOSUNEK JAKO OFERTA NA MECHANIKĘ SRL - NAJLEPSZY NA RYNKU STOSUNEK JAKOŚCI DO CENY OD LUTEGO 2013: CENY SPECJALNE TYLKO W AUTO-ELEMENTS tu lista wahaczy SRL, stan magazynowy z 11 lutego 2013 auto-elements.pl Nasi klienci

Bardziej szczegółowo

Nowa funkcja dodana w wersji R3-2011

Nowa funkcja dodana w wersji R3-2011 Licencja MAX podsumowanie aktualizacji oprogramowania Rozszerzenie bazy pojazdów 2009 R1 do2011 R2 Wersja 1 2009 14 producentów 98 modeli pojazdów aktualizacja roczników1995-2009! Wersja 2 2009 17 producentó

Bardziej szczegółowo

OPEL FORD FORD VOLVO FIAT

OPEL FORD FORD VOLVO FIAT 09-001 55381 535017210 OPEL 1204412 09-002 55297 535007030 FORD YC1T-10A352-AC 09-003 55297 535007030 FORD YC1T-10A352-AC 09-004 56535 535007210 VOLVO 9459747 09-005 55886 535006310 FIAT 77362721 09-006

Bardziej szczegółowo

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy majowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF Kredyty

Bardziej szczegółowo

Scoring kredytowy w pigułce

Scoring kredytowy w pigułce Analiza danych Data mining Sterowanie jakością Analityka przez Internet Scoring kredytowy w pigułce Mariola Kapla Biuro Informacji Kredytowej S.A. StatSoft Polska Sp. z o.o. ul. Kraszewskiego 36 30-110

Bardziej szczegółowo

Samochody w Polsce posiadanie, plany zakupu

Samochody w Polsce posiadanie, plany zakupu IMAS International Wrocław Samochody w Polsce posiadanie, plany zakupu Wrocław, październik 2008 IMAS International Polska, 53-238 Wrocław, ul. Ostrowskiego 30, tel.: 071 339 04 31 imas@imas.pl, www.imas.pl

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Test zgodności i analiza wariancji Analiza wariancji Test zgodności Chi-kwadrat Sprawdza się za jego pomocą ZGODNOŚĆ ROZKŁADU EMPIRYCZNEGO Z PRÓBY Z ROZKŁADEM HIPOTETYCZNYM

Bardziej szczegółowo

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy marcowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF Indeks

Bardziej szczegółowo

Gdy n jest duże, statystyka ta (zwana statystyką chikwadrat), przy założeniu prawdziwości hipotezy H 0, ma w przybliżeniu rozkład χ 2 (k 1).

Gdy n jest duże, statystyka ta (zwana statystyką chikwadrat), przy założeniu prawdziwości hipotezy H 0, ma w przybliżeniu rozkład χ 2 (k 1). PRZYKŁADY TESTÓW NIEPARAMETRYCZNYCH. Test zgodności χ 2. Ten test służy testowaniu hipotezy, czy rozważana zmienna ma pewien ustalony rozkład, czy też jej rozkład różni się od tego ustalonego. Tym testem

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich

Bardziej szczegółowo

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy lutowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF Kredyty

Bardziej szczegółowo

Zestaw do testowania ciśnienia w chłodnicy i zestaw do wytwarzania próżni w chłodnicy (25 części)

Zestaw do testowania ciśnienia w chłodnicy i zestaw do wytwarzania próżni w chłodnicy (25 części) Instrukcja stosowania V 1963 Zestaw do testowania ciśnienia w chłodnicy i zestaw do wytwarzania próżni w chłodnicy (25 części) 1. ZASTOSOWANIE ZESTAWU DO TESTOWANIA CIŚNIENIA W CHŁODNICY 2. OPIS ZESTAWU

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

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy listopadowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF

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

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy czerwcowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF

Bardziej szczegółowo

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier wstęp 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier zajmuje się logiczną analizą sytuacji, gdzie występują konflikty interesów, a także istnieje możliwość kooperacji. Zakładamy zwykle,

Bardziej szczegółowo

INFORMACJA PRASOWA EMBARGO NA PUBLIKACJĘ DANYCH DO DNIA 31.12.2010 GODZ. 00:01 Warszawa, 30 grudnia 2010

INFORMACJA PRASOWA EMBARGO NA PUBLIKACJĘ DANYCH DO DNIA 31.12.2010 GODZ. 00:01 Warszawa, 30 grudnia 2010 Rejestracje i sprzedaż MOTOCYKLI i MOTOROWERÓW w ZIE 2010 roku PZPM na podstawie danych CEP (MSWiA) i firm członkowskich W listopadzie 2010 roku zarejestrowano w Polsce 3 766 nowych i używanych jednośladów.

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

Samochód Cena Lokalizacja Stanowisko PLN netto Al. Krakowska C

Samochód Cena Lokalizacja Stanowisko PLN netto Al. Krakowska C Samochód Cena Lokalizacja Stanowisko Nissan SUNNY 1.4 75 KM benzyna, symboliczny przebieg, welur, radiomagnetofon, metalik, kamera cofania, 1992 Volkswagen PASSAT 4Motion! Salon Polska! ALLTRACK! Pierwszy

Bardziej szczegółowo

BIZNES I RYZYKO NA RYNKU CONSUMER FINANCE

BIZNES I RYZYKO NA RYNKU CONSUMER FINANCE BIZNES I RYZYKO NA RYNKU CONSUMER FINANCE dr Mariusz Cholewa Prezes Zarządu BIK S.A. Grudzień 2016 GRUPA BIK NAJWIĘKSZA BAZA O ZOBOWIĄZANIACH FINANSOWYCH W POLSCE Klienci Indywidualni Przedsiębiorcy Rejestr

Bardziej szczegółowo

SE - Bruksanvisning i original NO - Bruksanvisning i original PL - Instrukcja obsługi w oryginale EN - Operating instructions in original

SE - Bruksanvisning i original NO - Bruksanvisning i original PL - Instrukcja obsługi w oryginale EN - Operating instructions in original 033-191 Bruksanvisning för oljefilteravdragare Bruksanvisning for oljefilteravdrager Instrukcja obsługi klucza do filtra oleju User instructions for oil filter puller SE - Bruksanvisning i original NO

Bardziej szczegółowo

b) wykonanie dokumentacji fotograficznej polegającej na wykonaniu fotografii następujących elementów/części pojazdu i dokumentów:

b) wykonanie dokumentacji fotograficznej polegającej na wykonaniu fotografii następujących elementów/części pojazdu i dokumentów: Fragment instrukcji zawierania ubezpieczeń komunikacyjnych Pakiet W drodze I. Inspekcja pojazdu (oględziny pojazdu) przed zawarciem umowy ubezpieczenia autocasco i umowy ubezpieczenia szyb Informacje podstawowe

Bardziej szczegółowo

Sieci Kohonena Grupowanie

Sieci Kohonena Grupowanie Sieci Kohonena Grupowanie http://zajecia.jakubw.pl/nai UCZENIE SIĘ BEZ NADZORU Załóżmy, że mamy za zadanie pogrupować następujące słowa: cup, roulette, unbelievable, cut, put, launderette, loveable Nie

Bardziej szczegółowo

PIERWSZE REJESTRACJE NOWYCH SAMOCHODÓW OSOBOWYCH I DOSTAWCZYCH DO 3,5T 2012 Lut. 2011 Lut

PIERWSZE REJESTRACJE NOWYCH SAMOCHODÓW OSOBOWYCH I DOSTAWCZYCH DO 3,5T 2012 Lut. 2011 Lut Pierwsze rejestracje samochodów osobowych i dostawczych do 3,5t w lutym analizy PZPM na podstawie wstępnych danych Centralnej Ewidencji Pojazdów (MSWiA) Na rynku nowych i używanych samochodów osobowych

Bardziej szczegółowo

Rozpoznawanie obrazów

Rozpoznawanie obrazów Rozpoznawanie obrazów Ćwiczenia lista zadań nr 5 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie

Bardziej szczegółowo

Nr katalogowy. Miejsce montau. Marka Model Rocznik. Lp.

Nr katalogowy. Miejsce montau. Marka Model Rocznik. Lp. Lp. Nr katalogowy Marka Model Rocznik Miejsce montau 1. 854193 Acura TSX Sport Wagon 1),2) 2011-2012 centralny 2. 853581 Acura TSX 1) 2004-2008 centralny 3. 854193 Acura TSX 1),2) 2009-2012 centralny 4.

Bardziej szczegółowo

Analiza Skupień - Grupowanie Zaawansowana Eksploracja Danych. JERZY STEFANOWSKI Inst. Informatyki PP Wersja dla TPD 2009

Analiza Skupień - Grupowanie Zaawansowana Eksploracja Danych. JERZY STEFANOWSKI Inst. Informatyki PP Wersja dla TPD 2009 Analiza Skupień - Grupowanie Zaawansowana Eksploracja Danych JERZY STEFANOWSKI Inst. Informatyki PP Wersja dla TPD 29 Poprawiona 22 Organizacja wykładu Wprowadzenie i możliwe zastosowania Podstawy (odległości,

Bardziej szczegółowo

Strona 1 Numer Techline 36,00 43,20 6,30 7,90 5,08 9. Renault Laguna 1,9 DTI 101KM 101-103 Volvo S40 102KM GT1549S 35,20 41,50 7,30 7,90 5,08 9

Strona 1 Numer Techline 36,00 43,20 6,30 7,90 5,08 9. Renault Laguna 1,9 DTI 101KM 101-103 Volvo S40 102KM GT1549S 35,20 41,50 7,30 7,90 5,08 9 Garrett Strona 1 101-101 VW / Audi / Ford GT1749V 1,9 TDI 110/130 KM GT1549V BMW 2,0 136KM 36,00 43,20 6,30 7,90 5,08 9 VW / Audi / Ford / Seat 101-102 1,9 TDI 110/130 KM (stara zmienna) GT1749V 36,00

Bardziej szczegółowo

BANKI SPÓŁDZIELCZE NA RYNKU KREDYTOWYM. Rafał Bednarek Wiceprezes Zarządu BIK S.A. 24 czerwca 2015r.

BANKI SPÓŁDZIELCZE NA RYNKU KREDYTOWYM. Rafał Bednarek Wiceprezes Zarządu BIK S.A. 24 czerwca 2015r. BANKI SPÓŁDZIELCZE NA RYNKU KREDYTOWYM Rafał Bednarek Wiceprezes Zarządu BIK S.A. 24 czerwca 2015r. AGENDA Dane analityczne Grupy BIK Jakie mamy źródła informacji? Jakie wolumeny danych są w bazach? Kredyty

Bardziej szczegółowo

KULA TYP S kula stała, przykręcana na dwie śruby M12. KULA TYP V kula wypinana pionowo za pomocą dźwigni

KULA TYP S kula stała, przykręcana na dwie śruby M12. KULA TYP V kula wypinana pionowo za pomocą dźwigni MIŁA ORAZ FACHOWA OBSŁUGA KLIENTA: Julia Zabłocka 533-353-811 j.zablocka@autohak.pl Agnieszka Łuszczyńska 533-353-812 a.luszczynska@autohak.pl OFERTA WAŻNA OD: 13.10.2015 Ewelina Janus 533-353-813 e.janus@autohak.pl

Bardziej szczegółowo

Kredytum.pl Oferta współpracy kredyty bankowe

Kredytum.pl Oferta współpracy kredyty bankowe Kredytum.pl Oferta współpracy kredyty bankowe Oferta największych banków w jednym miejscu! Oraz kolejne banki, które pojawią się już wkrótce! Dlaczego akurat Kredytum.pl? JAKO JEDYNI NA POLSKIM RYNKU USŁUG

Bardziej szczegółowo

Opis. 25 g. Masa. Kaseta diagramu. Art. 912 007 00. Wąż ciśnieniowy SPCS - 50. Art. 912 002 00. Art. 912 502 00. Art. 912 202 00.

Opis. 25 g. Masa. Kaseta diagramu. Art. 912 007 00. Wąż ciśnieniowy SPCS - 50. Art. 912 002 00. Art. 912 502 00. Art. 912 202 00. Końcówki pomiarowe zastępujące rozpylacz we wtryskiwaczach silników Diesel a. KOŃCÓWKA E Art. 0 00 Końcówka pomiarowa zastępująca rozpylacz we wtryskiwaczach silników Diesel a. Przystosowana do próbnika

Bardziej szczegółowo

NOWOŚCI 03/2017 WYDECH

NOWOŚCI 03/2017 WYDECH NOWOŚCI 03/2017 WYDECH Czosnów 31.03.2017r. ZDJĘCIE INDEKS OPIS TECHNICZNY PRODUCENT REKOMENDOWANA CENA BRUTTO 0219-01-10063P HYUNDAI GETZ 1.1/1.3/1.4 09.02-12.10 0219-01-17327P OPEL ZAFIRA A 2.0D/2.2D

Bardziej szczegółowo

Szukasz przyrządu z obsługą samochodów azjatyckich? To narzędzie spełni Twoje oczekiwania.

Szukasz przyrządu z obsługą samochodów azjatyckich? To narzędzie spełni Twoje oczekiwania. Indeks: 0XNTCSLTB Koreańska firma Nextech, producent testerów Carmanscan, od wielu lat znajduje się w czołówce światowych producentów narzędzi diagnostycznych. W produkcji testerów do samochodów japońskich

Bardziej szczegółowo

Tab.1: LISTA NAJWIĘKSZYCH FIRM DEALERSKICH W POLSCE 2013* (lista nie uwzględnia salonów dealerskich należących do producentów samochodów)

Tab.1: LISTA NAJWIĘKSZYCH FIRM DEALERSKICH W POLSCE 2013* (lista nie uwzględnia salonów dealerskich należących do producentów samochodów) Tab.1: LISTA NAJWIĘKSZYCH FIRM DEALERSKICH W POLSCE 2013* (lista nie uwzględnia salonów dealerskich należących do producentów samochodów) Firma/grupa dealerska 1 Polska Grupa Dealerów 2 Grupa Krotoski

Bardziej szczegółowo

Standardowy europejski arkusz informacyjny dotyczący kredytu konsumenckiego

Standardowy europejski arkusz informacyjny dotyczący kredytu konsumenckiego Standardowy europejski arkusz informacyjny dotyczący kredytu konsumenckiego 1. Dane identyfikacyjne i kontaktowe dotyczące kredytodawcy/pośrednika kredytowego. Kredytodawca: Adres: Novum Bank Limited Nr

Bardziej szczegółowo

13 999 zł Al. Krakowska 178 - E. 9 145 zł Ostrobramska 73 - B. 19 935 zł Al. Krakowska 178 - C. 12 274 zł Al. Krakowska 178 - A

13 999 zł Al. Krakowska 178 - E. 9 145 zł Ostrobramska 73 - B. 19 935 zł Al. Krakowska 178 - C. 12 274 zł Al. Krakowska 178 - A Volkswagen TOUAREG 3.0 Diesel! Wersja Individual! Pneumatyka! Nawigacja! Zadbany!, 2008 BMW SERIA 5 520D 177KM F.VAT23% AUTOMAT, 2008 Audi Q7 Bezwypadkowy, napęd 4x4, gwarancja, serwisowany!, 2007 Porsche

Bardziej szczegółowo

Zasady kategoryzacji Klienta w OPERA Domu Maklerskim Sp. z o.o.

Zasady kategoryzacji Klienta w OPERA Domu Maklerskim Sp. z o.o. Zasady kategoryzacji Klienta w OPERA Domu Maklerskim Sp. z o.o. W związku z wejściem w życie nowelizacji Ustawy z dnia 29 lipca 2005 r. o obrocie instrumentami finansowymi (Dz.U. z 2005 r., Nr 183, poz.1538

Bardziej szczegółowo

INFORMACJA PRASOWA. PIERWSZE REJESTRACJE NOWYCH SAMOCHODÓW OSOBOWYCH I DOSTAWCZYCH DO 3,5T 2012 Sty Sty

INFORMACJA PRASOWA. PIERWSZE REJESTRACJE NOWYCH SAMOCHODÓW OSOBOWYCH I DOSTAWCZYCH DO 3,5T 2012 Sty Sty Pierwsze rejestracje samochodów osobowych i dostawczych do 3,5t w styczniu 2012 analizy PZPM na podstawie wstępnych danych Centralnej Ewidencji Pojazdów (MSWiA) Nie najgorszy styczeń rozpoczął nowy rok,

Bardziej szczegółowo

DOBÓR DYSZ. W przypadku uszkodzeń STAG-200 z powodu współpracy z listwami gazowymi o rezystancji 1Ω, reklamacje nie będą uwzględniane.

DOBÓR DYSZ. W przypadku uszkodzeń STAG-200 z powodu współpracy z listwami gazowymi o rezystancji 1Ω, reklamacje nie będą uwzględniane. DOBÓR DYSZ UWAGA!!! STAG-200 NIE WSPÓŁPRACUJE Z WTRYSKIWACZAMI GAZOWYMI O REZYSTANCJI 1Ω! Wszystkie listwy wtryskowe RAIL mają większą wydajność w porównaniu do listwy VALTEK, natomiast porównywalną z

Bardziej szczegółowo

System bonus-malus z mechanizmem korekty składki

System bonus-malus z mechanizmem korekty składki System bonus-malus z mechanizmem korekty składki mgr Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny dr hab. Wojciech Bijak, prof. SGH Ubezpieczeniowy Fundusz Gwarancyjny, Szkoła Główna Handlowa Zagadnienia

Bardziej szczegółowo

Pierwsze rejestracje MOTOCYKLI i MOTOROWERÓW w w STYCZNIU 2015 roku Analizy PZPM na podstawie danych CEP (MSW)

Pierwsze rejestracje MOTOCYKLI i MOTOROWERÓW w w STYCZNIU 2015 roku Analizy PZPM na podstawie danych CEP (MSW) Pierwsze rejestracje MOTOCYKLI i MOTOROWERÓW w w STYCZNIU 2015 roku Analizy PZPM na podstawie danych CEP (MSW) W styczniu br. zarejestrowano 1 383 nowe jednoślady. Pierwszy miesiąc przygotowania do sezonu

Bardziej szczegółowo

Projektowanie rozmieszczenia stanowisk roboczych

Projektowanie rozmieszczenia stanowisk roboczych Projektowanie rozmieszczenia stanowisk roboczych Metoda trójkątów Schmigalli Metoda trójkątów Schmigalli Dane wejściowe: - liczba rozmieszczonych stanowisk - macierz powiązań transportowych Metoda trójkątów

Bardziej szczegółowo

ANALIZA STRUKTURY WIEKOWEJ ORAZ PŁCIOWEJ CZŁONKÓW OFE Z WYKORZYSTANIEM METOD TAKSONOMICZNYCH

ANALIZA STRUKTURY WIEKOWEJ ORAZ PŁCIOWEJ CZŁONKÓW OFE Z WYKORZYSTANIEM METOD TAKSONOMICZNYCH Sugerowany przypis: Chybalski F., Analiza struktury wiekowej oraz płciowej członków OFE z wykorzystaniem metod taksonomicznych [w:] Chybalski F., Staniec I. (red.), 10 lat reformy emerytalnej w Polsce.

Bardziej szczegółowo

Cologne Classic Cars - Concept

Cologne Classic Cars - Concept Cologne Classic Cars Concept Herzlich Willkommen auf der Homepage der Agentur - Cologne Classic Cars - Concept. Wir vermitteln und suchen für Sie die schönsten Classic - Cars in Germany, Holland, Belgien,

Bardziej szczegółowo

Lista marek i modeli:

Lista marek i modeli: Lista marek i modeli dostępnych w ofercie " leasing z pełnym odliczeniem podatku VAT" na dzień 30.12.2013 opublikowanych przez Instytut Badań Rynku Motoryzacyjnego SAMAR. Lista marek i modeli: Audi 1.

Bardziej szczegółowo

Automobile Prix Localisation Numéro de clé

Automobile Prix Localisation Numéro de clé Automobile Prix Localisation Numéro de clé Volkswagen TOUAREG 3.0 Diesel! Wersja Individual! Pneumatyka! Nawigacja! Zadbany!, 2008 BMW SERIA 5 520D 177KM F.VAT23% AUTOMAT, 2008 Audi Q7 Bezwypadkowy, napęd

Bardziej szczegółowo

Przegląd rynku bankowych produktów detalicznych

Przegląd rynku bankowych produktów detalicznych Przegląd rynku bankowych produktów detalicznych Prezentujemy czerwcowy zbiór indeksów produktów bankowych przygotowany przez Portfel.pl. Lokaty terminowe Klientów indywidualnych Lokaty terminowe w CHF

Bardziej szczegółowo

Wykład 8 Dane kategoryczne

Wykład 8 Dane kategoryczne Wykład 8 Dane kategoryczne Wrocław, 19.04.2017r Zmienne kategoryczne 1 Przykłady zmiennych kategorycznych 2 Zmienne nominalne, zmienne ordynalne (porządkowe) 3 Zmienne dychotomiczne kodowanie zmiennych

Bardziej szczegółowo

Авто Ціна Місцезнаходження місце. 30 999 zł брутто Jana Pawła II 69 - A a10. 16 999 zł нетто Al. Krakowska 178 - D r17

Авто Ціна Місцезнаходження місце. 30 999 zł брутто Jana Pawła II 69 - A a10. 16 999 zł нетто Al. Krakowska 178 - D r17 Авто Ціна Місцезнаходження місце Volkswagen TOUAREG 3.0 Diesel! Wersja Individual! Pneumatyka! Nawigacja! Zadbany!, 2008 BMW SERIA 5 520D 177KM F.VAT23% AUTOMAT, 2008 Audi Q7 Bezwypadkowy, napęd 4x4, gwarancja,

Bardziej szczegółowo

Komplety os on przegubów CV boot kits

Komplety os on przegubów CV boot kits Komplety os on przegubów CV boot kits 2014 SPIS TRE CI / CONTENTS Spis tre ci / Contents... 3... 4 Katalog / Catalog... 5 Alfa Romeo... 5 Audi...... 11 Autobianchi... 32 Bedford... 33 BMW... 34 Chevrolet...

Bardziej szczegółowo

MEODY GRUPOWANIA DANYCH

MEODY GRUPOWANIA DANYCH Sztuczna inteligencja 9999 pages 17 MEODY GRUPOWANIA DANYCH PB 1 CWICZENIE I 1. Ze zbioru danych iris.tab wybra nastepuj ce obiekty: ID SL SW PL PW C 1 5.1 3.5 1.4 0.2 Iris-setosa 2 4.9 3.0 1.4 0.2 Iris-setosa

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

Bardziej szczegółowo