Indeksy dynamiki (o stałej i zmiennej podstawie)
|
|
- Jan Jasiński
- 7 lat temu
- Przeglądów:
Transkrypt
1
2 Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy o zmiennej podstawie. Indeksy o stałej podstawie wyznacza się na podstawie wzoru: Indeks (dla okresu t) = Wartość w okresie t / Wartość w okresie bazowym I t/t = Y t / Y T * 100 Indeksy o zmiennej podstawie wyznacza się na podstawie wzoru: Indeks (dla okresu t) = Wartość w okresie t / Wartość w okresie poprzednim I t/t-1 = Y t / Y t-1 * 100
3 Indeksy dynamiki (zastosowanie) Dzięki wyznaczeniu indeksów dynamiki można: porównać tempo zmian szeregów czasowych wyrażonych w zupełnie innych jednostkach (np. tempo zmian cen benzyny i zarobków Polaków); porównać tempo zmian tej samej cechy dla różnych obiektów (np. liczba ofiar wypadków drogowych w Polsce, Niemczech i we Francji); lepiej poznać wewnętrzną strukturę danych np. stałe indeksy dynamiki w ujęciu rok do roku świadczą o tym, że mamy do czynienia z trendem wykładniczym.
4 Przygotowanie arkusza danych w EXCELU Przykład będzie dotyczył danych o liczbie wypadków drogowych w Polsce, we Francji, Niemczech i w Wielkiej Brytanii w latach Analizą obejmiemy jednak tylko dane z lat Krok 1 wybór odpowiednich danych Za pomocą polecenia Dane / Podzbiór tworzymy nowy arkusz zawierający dane z interesujących nas państw Krok 2 kopiowanie danych z programu STATISTICA do Excela Obliczenia łatwiej będzie wykonać w programie Excel. Zaznaczamy interesujący nas zakres danych (od 2000 roku) i kopiujemy za pomocą polecenie Edycja / Kopiuj z nagłówkami. Wklejamy dane w nowym arkuszu programu Excel.
5 Indeksy dynamiki o stałej podstawie Wyznaczanie indeksu o stałej podstawie polega na odniesieniu wartości z danego roku do wartości roku bazowego (a następnie pomnożeniu przez 100). Wartości indeksów względem 2000 roku przedstawiono poniżej. Zastosowanie narzędzia Formatowanie warunkowe pozwala przedstawić dane w interesujący sposób. =B2/B$2*100 Zastosowanie narzędzie Formatowania warunkowego, dostępnych w programie Excel, pozwala w ciekawy sposób przedstawić zmiany skutków wypadków drogowych w postaci mapy kolorów Przykładowe wnioski: W całym badanym okresie nastąpił spadek liczby ofiar wypadków drogowych we wszystkich krajach. Największy we Francji niemal dwukrotny (dokładnie o 49,1%), podobnie w Niemczech i Wielkiej Brytanii. W Polsce liczba ofiar wypadków drogowych spadła w 2011 roku w stosunku do roku 2011 o jedną trzecią (33,4%).
6 Indeksy dynamiki o zmiennej podstawie Wyznaczanie indeksu o zmiennej podstawie polega na odniesieniu wartości z danego roku do wartości z roku poprzedniego (a następnie pomnożeniu przez 100). Wartości indeksów względem w ujęciu rok do roku przedstawiono poniżej. =B3/B2*100 Przykładowe wnioski: Odejmując od indeksów dynamiki wartość 100 otrzymujemy zmiany procentowe. Zmiany liczby ofiar wypadków drogowych w Niemczech były bardzo systematyczne, dopiero w roku 2011 zanotowano wzrost w stosunku do roku W Polsce, okresy spadkowe, były przeplatane latami, w których liczba wypadków wzrastała.
7 Prezentacja graficzna indeksów dynamiki Krok 1 kopiowanie danych z Excela do programu STATISTICA Po zaznaczeniu odpowiedniego obszaru danych w arkuszu Excela wklejamy je do programu STATISTICA wykorzystując polecenie Edycja / Wklej z nagłówkami / i w zależności od tego, czy dane posiadają nazwy przypadków i/lub zmiennych wskazujemy odpowiednią opcję. Krok 2 wykorzystanie wykresów liniowych lub wykresów słupkowych (z poziomem odchyleń) Wyniki można przedstawić w formie wielokrotnego wykresu liniowego (lepsza opcja dla indeksów o stałej podstawie) lub wykresu słupkowego (lepsza opcja dla indeksów o zmiennej podstawie)
8 Prezentacja graficzna indeksów dynamiki (1)
9 Prezentacja graficzna indeksów dynamiki (2)
10 Indeksy złożone Indeksy złożone (agregatowe) pozwalają ocenić tempo i kierunek zmian wartości kombinacji wielu zmiennych jednocześnie. Do najczęściej stosowanych (ale nie tylko) indeksów złożonych należą formuły wiążące ilość towarów i ich ceny. Takie indeksy stosowane do pewnego koszyka dóbr służą między innymi do szacowania poziomu inflacji. Jako przykład indeksu agregatowego omówiony zostanie indeks Laspeyresa w indeksie tym odnosi się sumaryczną wartość koszyka dóbr w danym okresie do wartości tego samego koszyka dób w okresie bazowym. Indeks Laspeyresa = p i q p q Oznaczenia: p i ceny poszczególnych dóbr, q i ilości poszczególnych dóbr 0 0
11 Analiza i przekształcenia szeregów czasowych w programie STATISTICA Specjalistyczne narzędzia poświęcone analizie struktury szeregów czasowych i prognozowaniu zebrane są w programie STATISTICA w module Szeregi czasowe i prognozowanie (STATYSTYKA / Zaawansowane modele liniowe i nieliniowe). Znajdują się tam narzędzia pozwalające dokonywać różnych przekształceń szeregów czasowych, co pozwala na lepsze poznanie ich struktury. Zestaw takich podstawowych narzędzi jest dostępnych po wybraniu polecenia OK (przekształcenia, autokorelacje, ).
12 Operacje na danych czasowych - przegląd danych Na każdym etapie pracy z szeregiem czasowym użytkownik ma możliwość przeglądnięcia (w formie wykresu lub tabeli) wyjściowego szeregu czasowego wraz z jego przekształceniami. Służy do tego zakładka Przegląd. W zakładce tej ustalamy też sposób opisywania kolejnych obserwacji na wykresach i w tabelach. Lista zmiennych i ich przekształceń Możliwość wyświetlania w formie tabeli lub wykresu jednej lub kilku zmiennych i ich przekształceń Sposób opisywania danych w tabeli lub na wykresie
13 Operacje na danych czasowych - różnicowanie Wyznaczenie różnic pomiędzy kolejnymi wartościami szeregu czasowego, pozwala lepiej wejrzeć w jego strukturę. Zagadnienie jest bardzo szerokie i skomplikowane, ale pewne spostrzeżenia są dosyć oczywiste: analiza różnic pomiędzy kolejnymi wartościami pozwala odkryć strukturę szeregu, która dla danych oryginalnych może być zaburzona przez występowanie np. trendu; jeżeli uda nam się sporządzić prognozę dla szeregu różnic, tym samym możemy też prognozować kolejne wartości oryginalnego szeregu; po zróżnicowaniu danych charakteryzujących się trendem liniowym, otrzymujemy szereg o wahaniach losowych, po zróżnicowaniu trendu kwadratowego otrzymujemy trend liniowy, etc. Różnicując dane możemy odejmować nie tylko sąsiednie obserwacje na przykład, aby wyeliminować sezonowość miesięczną, należałoby zastosować opóźnienie równe 12. Po wykonaniu różnicowania, przekształcona zmienna może być dalej analizowana. W przypadku bardziej złożonych, nieliniowych trendów, dane można różnicować wielokrotnie.
14 Operacje na danych czasowych - wygładzanie średnią ruchomą (1) Kolejną, dość często stosowaną operacją dokonywaną na szeregach czasowych jest wyliczanie tzw. średniej ruchomej. Średnia ruchoma może być wyznaczana z dowolnej liczby kolejnych obserwacji, przy czym wynik może być przypisany do obserwacji środkowej lub ostatniej. Dla przykładu, podano wzory pozwalające na wyznaczenie średniej ruchomej 5-okresowej, której wyniki są przypisane do środkowej: i ostatniej obserwacji: Y i * = (Y i-2 + Y i-1 + Y i + Y i+1 + Y i+2 )/5 Y i * = (Y i-4 + Y i-3 + Y i-2 + Y i-1 + Y i )/5 Wyznaczenie średniej ruchomej pozwala na zniwelowanie wahań przypadkowych, z drugiej strony powoduje jednak zmniejszenie liczby obserwacji w szeregu.
15 Operacje na danych czasowych - wygładzanie średnią ruchomą (2) W programie STATISTICA wyliczenie i przedstawienie średniej ruchomej w formie arkusza danych bądź wykresu jest bardzo łatwe, w tym celu w oknie Przekształcenia zmiennych należy wybrać zakładkę Wygładzanie. Istnieje możliwość wyliczenia średniej ruchomej z dowolnej liczby okresów, może to być średnia z obserwacji poprzedzających, można też dowolnie przypisać wagi kolejnym obserwacjom. Na wykresie przedstawiono oryginalny szereg i szereg wygładzony średnią ważoną 5-okresową liczby wypadków w Niemczech w latach
16 Operacje na danych czasowych - opóźnianie Kolejną ważną operacją, wykonywaną często na danych czasowych jest ich opóźnianie. W ten sposób, tworząc przesuniętą kopię oryginalnego szeregu czasowego można na przykład dokonać porównania wartości aktualnych i historycznych. Na przykład, opóźnienie szeregu o jeden okres to wyznaczenia tak zwanej prognozy naiwnej. Opóźnienie szeregu średnich ruchomych o jeden okres pozwala na wyznaczenie prognozy będącą średnią poprzednich obserwacji. W programie STATISTICA opóźnienie szeregu czasowego może być wykonane w zakładce Przesunięcie / Przesuń szereg w przód.
17 Prognoza naiwna i za pomocą średniej ruchomej - konstruowanie Za pomocą narzędzi analizy szeregów czasowych w programie STATISTICA sporządzona zostanie prognoza liczby wypadków w Niemczech przy zastosowaniu dwóch metod: metody naiwnej; średniej ruchomej 5-okresowej; Wartości zmiennej oryginalnej i prognozowanej zostały następnie wyświetlone w nowym arkuszu programu STATISTICA. W tym celu wykorzystano możliwość wyliczania średniej ruchomej z poprzednich obserwacji oraz opóźniania szeregu. Fragment arkusza wyników przedstawiono poniżej. Prognozy na 2012 rok wyróżniono kolorem żółtym.
18 Błędy prognozy (1) - dwie filozofie wyznaczania Zawsze podczas wyznaczania prognozy powstaje kwestia jej wiarygodności, bowiem nikt nie spodziewa się, iż każda prognoza będzie w 100% sprawdzalna (a doświadczenie uczy, że jest raczej zupełnie odwrotnie). Optymalna byłaby możliwość podania prognozowanej wartości wraz ze spodziewanym błędem. Niestety, jest to zadanie bardzo trudne, gdyż sprowadza się do konieczności sporządzenia kolejnej prognozy, tym razem dla błędu prognoz. W praktyce, rozwiązuje się to najczęściej w ten sposób, iż wyznacza się błędy prognoz wygasłych, czyli dla wszystkich poprzednich obserwacji wyznacza się wartości prognozowane, oblicza odpowiednie miary błędu, uśrednia i podaje jako błąd prognozy. Zakłada się potem, że błąd faktycznie przeprowadzanej prognozy będzie zbliżony od uśrednionych wartości wcześniejszych błędów.
19 Błędy prognozy (2) - rodzaje Istnieje wiele rodzajów błędów prognoz. Wszystkie one bazują oczywiście na porównywaniu wartości obserwowanych i dopasowanych na podstawie wybranego modelu zjawiska. Oto najczęściej spotykane z mierników błędów prognoz: Błąd średni (ME) jest to średnia arytmetyczna wartości reszt (błędu), przy czym znaczenie tej miary jest ograniczone przez fakt, że dodatnie i ujemne wartości błędu znoszą się nawzajem. Średni błąd bezwzględny (MAE) jest to dużo lepszy miernik dopasowania modelu, gdyż obliczany jest jako średnia wartości bezwzględnych reszt. Wartość średniego błędu bezwzględnego równa zero oznacza, że model jest idealnie dopasowany do danych. Średni błąd kwadratowy (MSE) charakteryzuje się podobnymi własnościami jak średni błąd bezwzględny, ponadto jest bardziej wrażliwy na wartości odstające. Średni błąd procentowy (MPE) błąd procentowy dla danego okresu czasowego wyliczany jest jako iloraz reszty (błędu) i wartości obserwowanej wyrażony w procentach. Średnia arytmetyczna procentowych błędów prognozy jest często bardziej przydatna niż błąd średni, gdyż pokazuje względne niedopasowanie modelu. Wspólna jest wada obu tych miar czyli znoszenie się nawzajem odchyleń o różnych znakach. Średni bezwzględny błąd procentowy (MAPE) najdoskonalsza ze wszystkich wymienionych charakterystyk, jest łatwo interpretowalna i kumuluje w sobie zalety wszystkich wyszczególnionych wcześniej miar.
20 Błędy prognozy (3) - wyznaczanie w arkuszu programu STATISTICA Dla prognoz liczby wypadków drogowych w Niemczech wyznaczonych za pomocą metody naiwnej i średniej ruchomej wyznaczone zostaną reszty obu modeli a następnie błędy prognoz typu MAE i MAPE. W tym celu wykorzystane zostaną formuły arkusza danych programu STATISTICA a następnie wartości z kolumn MAE i MAPE zostaną uśrednione np. za pomocą podręcznych statystyk opisowych. Prognoza za pomocą średniej ruchomej: MAE = 1099 MAPE = 18,8% Prognoza naiwna: MAE = 401 MAPE = 6,3%
21 Błędy prognozy (4) - KOMENTARZ Zarówno na podstawie błędów typu MAE jak i MAPE stwierdzamy, iż prognoza za pomocą średniej ruchomej 5-okresowej daje dużo gorsze wyniki, niż prognoza za pomocą metody naiwnej. Może być to zaskakujące, metoda średniej ruchomej wydaje się brać pod uwagę większą ilość informacji, więc można byłoby się spodziewać lepszych wyników. Jak się okazuje, w przypadku gdy w szeregu występują wyraźne trendy, metody średnich ruchomych nie mogą być stosowane. Gwoli ścisłości, także prognoza skonstruowana za pomocą metody naiwnej daje duże błędy. Zadanie do samodzielnego rozwiązania: Proszę skonstruować prognozę za pomocą modelu trendu liniowego i obliczyć mierniki prognoz MAE i MAPE. Wyniki należy porównać z błędami prognoz metody naiwnej oraz 5-okresowej średniej ruchomej.
Wykład 5: Analiza dynamiki szeregów czasowych
Wykład 5: Analiza dynamiki szeregów czasowych ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie tego procesu
Bardziej szczegółowoWykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki
Wykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie
Bardziej szczegółowoAnaliza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny
Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoZagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA
Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zadanie 1 (Plik danych: Transport w Polsce (1990-2015)) Na
Bardziej szczegółowoWykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Bardziej szczegółowoNa poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy
Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND Finanse i Rachunkowość rok 2 Analiza dynamiki Szereg czasowy: y 1 y 2... y n 1 y n. y t poziom (wartość) badanego zjawiska w
Bardziej szczegółowo( 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 szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoWykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
Bardziej szczegółowoCo to jest analiza regresji?
Co to jest analiza regresji? Celem analizy regresji jest badanie związków pomiędzy wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą), która musi mieć charakter liczbowy. W
Bardziej szczegółowoZapraszamy do współpracy FACULTY OF ENGINEERING MANAGEMENT www.fem.put.poznan.pl Agnieszka Stachowiak agnieszka.stachowiak@put.poznan.pl Pokój 312 (obok czytelni) Dyżury: strona wydziałowa Materiały dydaktyczne:
Bardziej szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
Bardziej szczegółowoStatystyka. Wykład 11. Magdalena Alama-Bućko. 22 maja Magdalena Alama-Bućko Statystyka 22 maja / 41
Statystyka Wykład 11 Magdalena Alama-Bućko 22 maja 2017 Magdalena Alama-Bućko Statystyka 22 maja 2017 1 / 41 Analiza dynamiki zjawisk badamy zmiany poziomu (tzn. wzrosty/spadki) badanego zjawiska w czasie.
Bardziej szczegółowoAnaliza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie szeregów czasowych i ich składowych SZEREGIEM CZASOWYM nazywamy tablicę, która zawiera ciag wartości cechy uporzadkowanych
Bardziej szczegółowoZajęcia 1. Statystyki opisowe
Zajęcia 1. Statystyki opisowe 1. Znajdź dane dotyczące liczby mieszkańców w polskich województwach. Dla tych danych oblicz: a) Średnią, b) Medianę, c) Dominantę, d) Wariancję, e) Odchylenie standardowe,
Bardziej szczegółowo4. Średnia i autoregresja zmiennej prognozowanej
4. Średnia i autoregresja zmiennej prognozowanej 1. Średnia w próbie uczącej Własności: y = y = 1 N y = y t = 1, 2, T s = s = 1 N 1 y y R = 0 v = s 1 +, 2. Przykład. Miesięczna sprzedaż żelazek (szt.)
Bardziej szczegółowoPraktyczny Excel. Wykresy i grafika. w Excelu krok po kroku
Praktyczny Excel Wykresy i grafika w Excelu krok po kroku 5 1 NUMER PRAWNICZY przygotowany przez + OCHRONA DANYCH OSOBOWYCH profesjonalnie i kompleksowo 1 2 + GRATIS 20% GRATIS 30%, tel. 22 518 29 29,
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowoPraktyczny Excel. Wykresy i grafika. w Excelu krok po kroku
Praktyczny Excel Wykresy i grafika w Excelu krok po kroku 5 1 NUMER PRAWNICZY przygotowany przez + OCHRONA DANYCH OSOBOWYCH profesjonalnie i kompleksowo 1 2 + GRATIS 20% GRATIS 30%, tel. 22 518 29 29,
Bardziej szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Prezentacja materiału statystycznego Szeroko rozumiane modelowanie i prognozowanie jest zwykle kluczowym celem analizy danych. Aby zbudować model wyjaśniający relacje pomiędzy różnymi aspektami rozważanego
Bardziej szczegółowoWydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas
Wydatki [zł] Zestaw zadań z Zastosowania metod progn. Zadanie 1 Dany jest następujący szereg czasowy: t 1 2 3 4 5 6 7 8 y t 11 14 13 18 17 25 26 28 Dokonaj jego dekompozycji na podstawowe składowe. Wykonaj
Bardziej szczegółowoEkonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej
Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Paweł Cibis pawel@cibis.pl 23 lutego 2007 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36
Statystyka Wykład 13 Magdalena Alama-Bućko 18 czerwca 2018 Magdalena Alama-Bućko Statystyka 18 czerwca 2018 1 / 36 Agregatowy (zespołowy) indeks wartości określonego zespołu produktów np. jak zmianiała
Bardziej szczegółowoEkonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006
Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 2 1 / 20 MIARY ROZPROSZENIA, Wariancja Wariancją z próby losowej X
Bardziej szczegółowoWykład 2: Arkusz danych w programie STATISTICA
Wykład 2: Arkusz danych w programie STATISTICA Nazwy przypadków Numer i nazwa zmiennej Elementy arkusza danych Cechy statystyczne Zmienne (kolumny) Jednostki statystyczne Przypadki (wiersze) Tworzenie
Bardziej szczegółowoMicrosoft PowerPoint Poziom Zaawansowany PROGRAM SZKOLENIOWY. Plan szkolenia zawiera: Microsoft Excel Poziom Zaawansowany
Microsoft PowerPoint Poziom Zaawansowany PROGRAM SZKOLENIOWY Plan szkolenia zawiera: Microsoft Excel Poziom Zaawansowany Program szkoleniowy Microsoft Excel Poziom Zaawansowany 16 h dydaktycznych (12 h
Bardziej szczegółowoWprowadzenie do MS Excel
Wprowadzenie do MS Excel Czym jest Excel? Excel jest programem umożliwiającym tworzenie tabel, a także obliczanie i analizowanie danych. Należy do typu programów nazywanych arkuszami kalkulacyjnymi. W
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoAnaliza Zmian w czasie
Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Zmian w czasie Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoPROGRAM SZKOLENIA. Excel w Analizach danych.
PROGRAM SZKOLENIA Excel w Analizach danych SZKOLENIE JEST DLA OSÓB, KTÓRE: znają podstawy programu Microsoft Excel, w codziennej pracy wykorzystują Excel jako narzędzie analizy danych i chcą zgłębić posiadaną
Bardziej szczegółowoAnaliza zależności liniowych
Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala
Bardziej szczegółowonajlepszych trików Excelu
70 najlepszych trików W Excelu 70 najlepszych trików w Excelu Spis treści Formatowanie czytelne i przejrzyste zestawienia...3 Wyświetlanie tylko wartości dodatnich...3 Szybkie dopasowanie szerokości kolumny...3
Bardziej szczegółowoPrzewodnik dla każdego po: Dla każdego coś miłego Microsoft Excel 2010
Przewodnik dla każdego po: Dla każdego coś miłego Microsoft Excel 2010 Czym jest Excel 2010 Excel jest programem umożliwiającym tworzenie tabel, a także obliczanie i analizowanie danych. Należy do typu
Bardziej szczegółowoPROGRAM SZKOLENIA. Excel w logistyce.
PROGRAM SZKOLENIA Excel w logistyce SZKOLENIE JEST DLA OSÓB, KTÓRE: znają podstawy programu Microsoft Excel, pracują lub zarządzają działami sprzedaży lub logistyki, chcą zoptymalizować czas przygotowywania
Bardziej szczegółowoEkonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007
Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja
Bardziej szczegółowoMS Excel. Podstawowe wiadomości
MS Excel Podstawowe wiadomości Do czego służy arkusz kalkulacyjny? Arkusz kalkulacyjny wykorzystywany jest tam gdzie wykonywana jest olbrzymia ilość żmudnych, powtarzających się według określonego schematu
Bardziej szczegółowoPraktyczny Excel. 50 praktycznych formuł na każdą okazję
Praktyczny Excel 50 praktycznych formuł na każdą okazję 3 1 NUMER PRAWNICZY przygotowany przez + OCHRONA DANYCH OSOBOWYCH profesjonalnie i kompleksowo 1 2 + GRATIS 20% GRATIS 30%, tel. 22 518 29 29, email:
Bardziej szczegółowoStatystyki opisowe i szeregi rozdzielcze
Statystyki opisowe i szeregi rozdzielcze - ćwiczenia ĆWICZENIA Piotr Ciskowski ramka-wąsy przykład 1. krwinki czerwone Stanisz W eksperymencie farmakologicznym analizowano oddziaływanie pewnego preparatu
Bardziej szczegółowoWykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy)
Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy) Co na dzisiejszym wykładzie: definicje, sposoby wyznaczania i interpretacja STATYSTYK OPISOWYCH prezentacja
Bardziej szczegółowoPrognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoWykład 3: Statystyki opisowe - miary położenia, miary zmienności, miary asymetrii
Wykład 3: Statystyki opisowe - miary położenia, miary zmienności, miary asymetrii Wprowadzenie W przypadku danych liczbowych do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą
Bardziej szczegółowoStatystyka. Wykład 10. Magdalena Alama-Bućko. 15 maja Magdalena Alama-Bućko Statystyka 15 maja / 32
Statystyka Wykład 10 Magdalena Alama-Bućko 15 maja 2017 Magdalena Alama-Bućko Statystyka 15 maja 2017 1 / 32 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoZadanie Tworzenie próbki z rozkładu logarytmiczno normalnego LN(5, 2) Plot Probability Distributions
Zadanie 1. 1 Wygenerować 200 elementowa próbkę z rozkładu logarytmiczno-normalnego o parametrach LN(5,2). Utworzyć dla tej próbki: - szereg rozdzielczy - histogramy liczebności i częstości - histogramy
Bardziej szczegółowoWykład 2: Grupowanie danych (szeregi statystyczne) + porady dotyczące analizy danych w programie STATISTICA
Wykład 2: Grupowanie danych (szeregi statystyczne) + porady dotyczące analizy danych w programie STATISTICA Dobór metody prezentacji danych Dobór metody prezentacji danych zależy od: charakteru danych
Bardziej szczegółowoStatystyka. Wykład 12. Magdalena Alama-Bućko. 29 maja Magdalena Alama-Bućko Statystyka 29 maja / 47
Statystyka Wykład 12 Magdalena Alama-Bućko 29 maja 2017 Magdalena Alama-Bućko Statystyka 29 maja 2017 1 / 47 Analiza dynamiki zjawisk badamy zmiany poziomu (tzn. wzrosty/spadki) badanego zjawiska w czasie.
Bardziej szczegółowoProgram szkolenia EXCEL OD PODSTAW POPOŁUDNIOWY (WIECZOROWY)
Program szkolenia EXCEL OD PODSTAW POPOŁUDNIOWY (WIECZOROWY) SZKOLENIE JEST DLA OSÓB, KTÓRE: nie znają programu Microsoft Excel lub znają go w nieznacznym stopniu, chcą nauczyć się podstawowych poleceń
Bardziej szczegółowoExcel zadania sprawdzające 263
Excel zadania sprawdzające 263 Przykładowe zadania do samodzielnego rozwiązania Zadanie 1 Wpisać dane i wykonać odpowiednie obliczenia. Wykorzystać wbudowane funkcje Excela: SUMA oraz ŚREDNIA. Sformatować
Bardziej szczegółowoStatystyka. Wykład 11. Magdalena Alama-Bućko. 21 maja Magdalena Alama-Bućko Statystyka 21 maja / 31
Statystyka Wykład 11 Magdalena Alama-Bućko 21 maja 2018 Magdalena Alama-Bućko Statystyka 21 maja 2018 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoPorównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Bardziej szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoPROGRAM SZKOLENIA. Excel Średniozaawansowany z wprowadzeniem do tabel przestawnych i makr.
PROGRAM SZKOLENIA Excel Średniozaawansowany z wprowadzeniem do tabel przestawnych i makr SZKOLENIE JEST DLA OSÓB, KTÓRE: znają podstawy programu Microsoft Excel, chcą przyspieszyć i usprawnić pracę oraz
Bardziej szczegółowoPodstawy obsługi arkusza kalkulacyjnego Excel
Podstawy obsługi arkusza kalkulacyjnego Excel Informacje o usłudze Numer usługi 2016/11/16/5015/23696 Cena netto 570,00 zł Cena brutto 701,10 zł Cena netto za godzinę 47,50 zł Cena brutto za godzinę 58,43
Bardziej szczegółowoROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. LICZBA TEMAT GODZIN LEKCYJNYCH Potęgi, pierwiastki i logarytmy (8 h) Potęgi 3 Pierwiastki 3 Potęgi o wykładnikach
Bardziej szczegółowoTP1 - TABELE PRZESTAWNE od A do Z
TP1 - TABELE PRZESTAWNE od A do Z Program szkolenia 1. Tabele programu Excel 1.1. Wstawianie tabeli 1.2. Style tabeli 1.3. Właściwości tabeli 1.4. Narzędzia tabel 1.4.1. Usuń duplikaty 1.4.2. Konwertuj
Bardziej szczegółowoABC 2002/XP PL EXCEL. Autor: Edward C. Willett, Steve Cummings. Rozdział 1. Podstawy pracy z programem (9) Uruchamianie programu (9)
ABC 2002/XP PL EXCEL Autor: Edward C. Willett, Steve Cummings Rozdział 1. Podstawy pracy z programem (9) Uruchamianie programu (9) Obszar roboczy programu (10) o Pasek tytułowy (10) o Przyciski Minimalizuj
Bardziej szczegółowoProgram Szkolenia. Excel Podstawowy. COGNITY praktyczne, skuteczne szkolenia i konsultacje
Program Szkolenia Excel Podstawowy Proces szkoleniowy Analiza potrzeb szkoleniowych Jeśli masz życzenie dotyczące programu szkolenia, przeprowadzimy dla Ciebie analizę potrzeb szkoleniowych, która będzie
Bardziej szczegółowoProgram szkoleniowy. 16 h dydaktycznych (12 h zegarowych) NAZWA SZCZEGÓŁY CZAS. Skróty dostępu do narzędzi
Program szkoleniowy Microsoft Excel Poziom Podstawowy 16 h dydaktycznych (12 h zegarowych) NAZWA SZCZEGÓŁY CZAS 1. Skróty klawiszowe Skróty do przeglądania arkusza Skróty dostępu do narzędzi Skróty dotyczące
Bardziej szczegółowoŻurek INFOBroker. Szkolenia warsztaty konsultacje MS Excel. www.excel.jzurek.com. tel. 601 517 216
Żurek INFOBroker Szkolenia warsztaty konsultacje MS Excel www.excel.jzurek.com tel. 601 517 216 MS Excel szkolenie dla początkujących i laików (program ramowy): o zastosowanie i budowa programu - do czego
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoRegresja linearyzowalna
1 z 5 2007-05-09 23:22 Medycyna Praktyczna - portal dla lekarzy Regresja linearyzowalna mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie Data utworzenia:
Bardziej szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30
Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na
Bardziej szczegółowoECDL zaawansowany, moduł EXCEL
ECDL zaawansowany, moduł EXCEL Szkolenie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Czas trwania szkolenia - 20h (3 dni szkoleniowe) Grupa- 10 osób Terminy - 18-20
Bardziej szczegółowoStruktura terminowa rynku obligacji
Krzywa dochodowości pomaga w inwestowaniu w obligacje Struktura terminowa rynku obligacji Wskazuje, które obligacje są atrakcyjne a których unikać Obrazuje aktualną sytuację na rynku długu i zmiany w czasie
Bardziej szczegółowoTREŚCI NAUCZANIA z przedmiotu pracowania ekonomiczno - informatyczna na podstawie programu nr 341[02]/MEN/2008.05.20. klasa 3 TE
TREŚCI NAUCZANIA z przedmiotu pracowania ekonomiczno - informatyczna na podstawie programu nr [0]/MEN/008.05.0 klasa TE LP TREŚCI NAUCZANIA NAZWA JEDNOSTKI DYDAKTYCZNEJ Lekcja organizacyjna Zapoznanie
Bardziej szczegółowoBudowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego
Metody Analiz Przestrzennych Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego mgr Marcin Semczuk Zakład Przedsiębiorczości i Gospodarki Przestrzennej Instytut
Bardziej szczegółowoProgram szkolenia MS Excel - Poziom Zaawansowany 30 godz. (wymagana znajomość obsługi programu w zakresie średnio zaawansowanym)
Program szkolenia MS Excel - Poziom Zaawansowany 30 godz. (wymagana znajomość obsługi programu w zakresie średnio zaawansowanym) Skróty klawiszowe Skróty do poruszania się po arkuszu. Skróty do przeglądania
Bardziej szczegółowoW tym celu korzystam z programu do grafiki wektorowej Inkscape 0.46.
1. Wprowadzenie Priorytetem projektu jest zbadanie zależności pomiędzy wartościami średnich szybkości przemieszczeń terenu, a głębokością eksploatacji węgla kamiennego. Podstawowe dane potrzebne do wykonania
Bardziej szczegółowoSCENARIUSZ 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 szczegółowoExcel 2007 PL. Pierwsza pomoc
. Pierwsza pomoc Autor: Bartosz Gajda ISBN: 978-83-246-1095-2 Format: A5, stron: 92 Kto w dzisiejszych zwariowanych czasach chcia³by traciæ cenne godziny na robienie papierowych sprawozdañ i zestawieñ?
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoRok akademicki: 2012/2013 Kod: JFM s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne
Nazwa modułu: Statystyka inżynierska Rok akademicki: 2012/2013 Kod: JFM-1-210-s Punkty ECTS: 3 Wydział: Fizyki i Informatyki Stosowanej Kierunek: Fizyka Medyczna Specjalność: Poziom studiów: Studia I stopnia
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoStatystyka 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 szczegółowoKolumna Zeszyt Komórka Wiersz Tabela arkusza Zakładki arkuszy
1 Podstawowym przeznaczeniem arkusza kalkulacyjnego jest najczęściej opracowanie danych liczbowych i prezentowanie ich formie graficznej. Ale formuła arkusza kalkulacyjnego jest na tyle elastyczna, że
Bardziej szczegółowoANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012
ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.
Bardziej szczegółowoPODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA
PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA Krzysztof Suwada, StatSoft Polska Sp. z o.o. Wstęp Wiele różnych analiz dotyczy danych opisujących wielkości charakterystyczne bądź silnie
Bardziej szczegółowoW.Stachowski Wielkości w analizie kosztowej Strona 1
W.Stachowski Wielkości w analizie kosztowej Strona 1 BKPH Opis Pole BKPH (budżetowy koszt pracy według harmonogramu) zawiera skumulowane okresowe koszty według planu bazowego, poniesione do daty stanu
Bardziej szczegółowoSpis treści Szybki start... 4 Podstawowe informacje opis okien... 6 Tworzenie, zapisywanie oraz otwieranie pliku... 23
Spis treści Szybki start... 4 Podstawowe informacje opis okien... 6 Plik... 7 Okna... 8 Aktywny scenariusz... 9 Oblicz scenariusz... 10 Lista zmiennych... 11 Wartości zmiennych... 12 Lista scenariuszy/lista
Bardziej szczegółowoWprowadzenie 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 szczegółowoProgram szkolenia EXCEL W ANALIZACH DANYCH.
Program szkolenia EXCEL W ANALIZACH DANYCH SZKOLENIE JEST DLA OSÓB, KTÓRE: znają podstawy programu Microsoft Excel, w codziennej pracy wykorzystują Excel jako narzędzie analizy danych i chcą zgłębić posiadaną
Bardziej szczegółowo