Testowanie oprogramowania. Wykład 11 inżynieria jakości oprogramowania cz. I podstawy teorii pomiarów metryki rozmiaru: LOC metryki rozmiaru: FP

Wielkość: px
Rozpocząć pokaz od strony:

Download "Testowanie oprogramowania. Wykład 11 inżynieria jakości oprogramowania cz. I podstawy teorii pomiarów metryki rozmiaru: LOC metryki rozmiaru: FP"

Transkrypt

1 Testowanie oprogramowania Adam Roman Instytut Informatyki UJ Wykład 11 inżynieria jakości oprogramowania cz. I podstawy teorii pomiarów metryki rozmiaru: LOC metryki rozmiaru: FP 1/50

2 Zagadnienia inżynierii jakości INŻYNIERIA JAKOŚCI OPROGRAMOWANIA 1. podstawy teorii pomiarów 2. metryki wolumenowe 3. metryki złożoności 4. estymacja pracochłonności 5. defekty i metryki defektów 6. pomiar i predykcja niezawodności oprogramowania 7. czas odpowiedzi i dostęność 8. pomiar postępu 9. benchmarking 10. efektywne prezentowanie dla managementu 2/50

3 Wstęp do inżynierii jakości 3/50

4 Raport CHAOS 2012 statystyki dla projektów IT 4/50

5 Potrzeby Inżynierowie oprogramowania muszą posiadać umiejętności estymacji i pomiaru, tzn.: rozumieć czynności i ryzyka w rozwoju oprogramowania przewidywać i kontrolować działania zarządzać ryzykami dostarczać niezawodności zarządzać proaktywnie aby uniknąć kryzysów Aby przewidywać i dobrze kontrolować musisz mierzyć Aby rozumieć postęp w rozwoju musisz mierzyć Aby zrozumieć i ocenić jakość musisz mierzyć 5/50

6 Co mierzyć? (1) Istnieje wiele charakterystyk oprogramowania. Należy zdefiniować program metryk. Aby to zrobić, należy odpowiedzieć sobie na następujące pytania: kto jest klientem dla tych metryk? jakie są cele klientów dotyczące mierzonego produktu, procesu, zasobów? jakie metryki pokażą czy cel został osiągnięty? 6/50

7 Co mierzyć? (2) Metoda 1: Goal Question Metric (GQM) Metoda podana przez Basiliego (2002), podejście top-down GOAL (cel) zidentyfikuj cel dla produktu / procesu / zasobu. Ten cel chce osiągnąć klient. QUESTION (pytanie) określ pytanie/pytania, które scharakteryzują metodę osiągnięcia celu METRIC (metryka) zdefiniuj metrykę/metryki, które dostarczą ilościowej odpowiedzi na pytanie 7/50

8 Co mierzyć? (3) Metoda 1: Goal Question Metric (GQM) - przykład GOAL (cel) dostarczyć produkt który spełni oczekiwania klienta co do funkcjonalności QUESTION (pytanie) jak bardzo dostarczony program odchyla się od wymagań klienta? METRIC (metryka) liczba defektów polowych, albo: satysfakcja klienta (ankieta) 8/50

9 Co mierzyć? (4) Metoda 1: Goal Question Metric (GQM) rozszerzenie GOAL QUESTION METRIC MECHANISM (mechanizm) kto odpowiedzialny za zbieranie danych i raportowanie, jak często, jaka infrastruktura będzie do tego potrzebna? 9/50

10 Co mierzyć? (5) Metoda 2: Decision Maker Model metoda skupia się na podejmowaniu decyzji projektowych klientem jest osoba podejmująca decyzje określa się potrzeby osoby podejmującej decyzje (mogą się zmieniać w czasie) metoda zgodna z GQM potrzeby informacyjne DECYZJE PROJEKTOWE MIARY PROJEKTOWE produkty informacji (dane) 10/50

11 Co mierzyć? (6) Metoda 3: Metryki oparte na standardach Istnieje wiele generycznych standardów inżynierii oprogramowania dla zbiorów metryk Np. model dojrzałości SEI wykorzystuje metryki: rozmiar systemu czas trwania projektu wysiłek defekty produktywność Inne przykładowe standardy: TL9000 dla telekomunikacji, EIC 60880: dla elektrowni jądrowych itd. Wiele organizacji posiada swoje własne programy metryk (Motorola, IBM). 11/50

12 Dlaczego pomiary są trudne? Modele pomiarów 12/50

13 Dlaczego pomiary są trudne ile linii kodu ma poniższy program? /* Strncat() appends up to count characters from string src to string dest, and then appends a terminating null character. If copying takes place between objects that overlap, the behavior is undefined. */ char *strncat(char *dest, const char *src, size_t count) { char *temp = dest; if (count) { while (*dest) dest++; while ((*dest++ = *src++)) { if (--count == 0) { *dest = \0 ; break; } } } return temp; } 13/50

14 Dlaczego pomiary są trudne ile linii kodu ma poniższy program? /* Strncat() appends up to count characters from string src to string dest, and then appends a terminating null character. If copying takes place between objects that overlap, the behavior is undefined. */ char *strncat(char *dest, const char *src, size_t count) { char *temp = dest; if (count) { while (*dest) zwykle dest++; while ((*dest++ = *src++)) { rozrzut if (--count == 0) { pomiędzy *dest = \0 ; break; 11 a 19 } } } return temp; } 14/50

15 Wyzwania pomiarów wiele rzeczy które chcemy mierzyć wydają się niemierzalne Jak zmierzyć złożoność programu? Co w ogóle oznacza złożoność? Jak zmierzyć produktywność? Jeśli ktoś napisze 100 linii kodu w 2 godziny ale program ma 5 defektów, czy to jest rozsądna produktywność? Czym jest produktywność? A jeśli ktoś ten sam program napisze w jednej linijce, w jedną godzinę, jaka jest jego produktywność? Czyja produktywność jest lepsza? 15/50

16 Modele pomiarów (1) klucz do mierzenia niemierzalnego Model = abstrakcja realnego obiektu badań Typy modeli: tekstowe (słowa) diagramatyczne (rysunki) algorytmiczne (liczby) 16/50

17 Modele pomiarów (2) modele tekstowe Najmniej efektywne, ale najpowszechniejsze. Przykład model rozwoju oprogramowania: wysiłek czas wymagany dla rozwoju produktu, wyrażony jako wzrost czasu rozwoju (np. staff months/hours); generalnie wysiłek jest funkcją rozmiaru i skutkuje kosztem cechy wymagania produktu do stworzenia rozmiar wielkość tworzonego produktu; generalnie rozmiar jest funkcją cech defekty niekompletność produktu; są funkcją rozmiaru i harmonogramu harmonogram łączny czas tworzenia; czasy zakończenia dla głównych kamieni milowych; harmonogram jest funkcją wysiłku i zasobów zasoby liczba deweloperów przydzielonych do rozwoju produktu Każdy element jasny i łatwy do zrozumienia Trudno zwizualizować zależności pomiędzy nimi 17/50

18 Modele pomiarów (3) modele diagramatyczne Mogą być bardzo potężne. Pozwalają modelować encje, zależności między nimi i ich dynamikę. Przykład (prostego) modelu diagramatycznego dla modelu rozwoju oprogramowania: Koszt Cechy Zasoby Wysiłek Rozmiar Harmonogram Defekty 18/50

19 Modele pomiarów (4) modele algorytmiczne Zwane też parametrycznymi. Zwykle bardzo potężne, gdyż w jasny sposób wyrażają ilościowe relacje pomiędzy encjami. Przykłady: Wysiłek = Czas * Zasoby % Defektów Znalezionych w Jednym Cyklu = 30% defektów pozostałych w produkcie Wysiłek = A * (RozmiarProgramu) B + C, gdzie A, B, C to empirycznie wyznaczone stałe 19/50

20 Meta-model dla metryk KONCEPT abstrakcja DEFINICJA świat empiryczny DEFINICJA OPERACYJNA RZECZYWISTY POMIAR 20/50

21 Meta-model dla metryk abstrakcja KONCEPT DEFINICJA czas odpowiedzi średni czas odpowiedzi systemu na wejście świat empiryczny DEFINICJA OPERACYJNA RZECZYWISTY POMIAR średnia z (czas początku odpowiedzi czas naciśnięcia klawisza Enter) średnia z typowej godziny (czas transmisji + czas na serwerze + czas do wyświetlenia) 21/50

22 Wstęp do teorii pomiaru 22/50

23 Wprowadzenie do teorii pomiaru Teoria pomiaru pozwala poprawnie definiować pomiary i metryki oraz używać analizy statystycznej na zmierzonych danych Przykład: wyniki ankiety satysfakcji klienta dotyczącej wsparcia klienta. Możliwe odpowiedzi: 1 bardzo zadowolony 2 zadowolony 3 średnio zadowolony 4 niezadowolony 5 bardzo niezadowolony Średnia = 3.0. Czy to oznacza, że mamy dobre wsparcie klienta? Czy wystarczy poprawić je tylko trochę? 23/50

24 Wprowadzenie do teorii pomiaru Teoria pomiaru pozwala poprawnie definiować pomiary i metryki oraz używać analizy statystycznej na zmierzonych danych Przykład: wyniki ankiety satysfakcji klienta dotyczącej wsparcia klienta. Wyniki ankiety: 1 bardzo zadowolony 10 odpowiedzi (50%) 2 zadowolony 0 odpowiedzi (0 %) 3 średnio zadowolony 0 odpowiedzi (0 %) 4 niezadowolony 0 odpowiedzi (0 %) 5 bardzo niezadowolony 10 odpowiedzi (50%) Średnia = 3.0. Czy to oznacza, że mamy dobre wsparcie klienta? Czy wystarczy poprawić je tylko trochę? Nie. Tu branie średniej nie ma sensu. Teoria pomiaru pozwala zrozumieć wariancję, zakresy, typy błędów itd. używając narzędzi statystycznych 24/50

25 Skale pomiarowe (1) Która waga jest lepsza? 25/50

26 Skale pomiarowe (1) Która waga jest lepsza? Żadna. Każda mierzy INACZEJ (łazienkowa ma skalę absolutną, ale na większy błąd pomiaru) 26/50

27 Skale pomiarowe (2) 1. Skala nominalna 2. Skala porządkowa bardzo zadowolony zadowolony średnio zadowolony niezadowolony bardzo niezadowolony 3. Skala interwałowa 4. Skala stosunkowa 27/50

28 Miary tendencji centralnej Miary tendencji centralnej: średnia (μ) suma pomiarów dzielona przez ich liczbę (I, S) mediana wartość dzieląca posortowany zbiór na połowy (P, I, S) moda wartość występująca najczęściej (N, P, I, S) X = {1, 2, 2, 2, 3, 3, 5, 10} średnia ze zbioru X = ( )/8 = 3.5 mediana = 2.5 moda = 2 mediana to inaczej 50-ty percentyl albo 2-gi kwartyl inna nazwa mody: dominanta, wartość dominująca 28/50

29 Miary zmienności Miary zmienności: rozstęp różnica między wartością największą a najmniejszą odchylenie odległość od średniej wariancja miara rozproszenia, Var = (Deviations 2 )/N odchylenie standardowe (sd) pierwiastek z wariancji indeks wariancji (IV) opisuje pewność pomiaru, IV = sd/μ Moduł A: 10 KLOC, B: 24 KLOC, C: 50 KLOC Rozstęp = (50 10) KLOC = 40 KLOC Odchylenia: 84/3 KLOC = 28 KLOC. Dla A: 18, dla B: 4, dla C: 22 Wariancja = ( )/3=275. Odch std = 16.6 KLOC Indeks wariancji = 16.6/28 = 0.59 Im niższy IV, tym mniejsza wariancja (większa pewnośc pomiaru) 29/50

30 Wariancja przykład częstość rozkład X z mniejszą wariancją rozkład X z większą wariancją 30/50

31 Odpowiedniość i spójność pomiaru 31/50

32 Błąd losowy pomiaru mały błąd losowy duży błąd losowy 32/50

33 Błąd systematyczny pomiaru z błędem systematycznym bez błędu systematycznego 33/50

34 Błąd pomiaru - podsumowanie wartość rzeczywista średnia bias błąd losowy 34/50

35 Pomiar rozmiaru oprogramowania 35/50

36 Po co mierzyć rozmiar programu? Jak duży jest program? Jak duży jest w porównaniu do innych programów? Jak wiele wysiłku musimy włożyć, aby zbudować program? Jak jakość naszego programu wypada na tle innych projektów? Jak produktywni jesteśmy w porównaniu do innych projektów? 36/50

37 Dwa rodzaje rozmiaru oprogramowania ROZMIAR OPROGRAMOWANIA FIZYCZNY FUNKCJONALNY 37/50

38 Pomiar fizyczny LOC (1) Metoda prosta i niezawodna Wspierana narzędziami SEI opublikowało listę kontrolną pozwalającą precyzyjnie opisać metodę zliczania linii kodu Organizacje używają różnych wersji tej metryki, np.: NKLOC (non-commented thousand LOC LLOC (logical lines of code) 38/50

39 Pomiar fizyczny LOC (2) współczynnik produktywności języka Język QSM SLOC/FP min średnia mediana max Access David Consulting Group Assembler C C C# Fortran 210 J2EE Java Powerbuilder SQL /50

40 Pomiar fizyczny LOC (3) reużywany i refaktorowany kod Aby poprawnie mierzyć (i porównywać) produktywność i gęstość defektów, należy określić rozmiar kodu, który jest reużywany i refektorowany Np. klasyfikacja NASA: kod reużyty w sensie dosłownym kod lekko zmodyfikowany (<25%) kod silnie zmodyfikowany (>25%) kod nowy 40/50

41 Pomiar fizyczny LOC (4) długość specyfikacji i projektu Kusząca jest hipoteza, wg której rozmiar dokumentacji jest predyktorem rozmiaru kodu (a więc i wysiłku) Fenton & Pfleeger: korelacja zależy silnie od organizacji Miary: liczba stron liczba shalls ( system powinien ) 41/50

42 Pomiar funkcjonalny FP (1) pośrednia miara rozmiaru funkcjonalnego oprogramowania Problem z LOC: nie ma wiele wspólnego z tym, co program robi; klienta interesuje rozwiązanie, nie język/technologia Pomysł: mierzyć system wg tego co robi, a nie jak wewnętrznie to robi Co można mierzyć? wejścia wyjścia interfejsy bazy danych zapytania METODA PUNKTÓW FUNKCYJNYCH 42/50

43 Pomiar funkcjonalny FP (2) zliczanie punktów funkcyjnych wg IFPUG Adjusted FP Unadjusted FP Value Adjustment Factor AFP = UFP * ( *VAF) Cmpnt Smpl Avg Cplx Input Output Data file Interface Inquiry (0-5) No. Charakterystyka 1 Komunikacja danych 2 Rozproszone dane/przetwarzanie 3 Cele wydajnościowe 14 Łatwość zmian 0 brak wpływu, 5 znaczny wpływ 43/50

44 Pomiar funkcjonalny FP (3) przykład: system bezpieczeństwa dla domu System składa się z 5 kontrolerów (dla: alarmów drzwi i okien; detektorów ruchu; panic buttons ; detektorów ognia; włącznika światła), kontrolera/monitora dla urządzenia (on-off) oraz bezprzewodowego urządzenia z kontrolerem Oszacować wysiłek dla budowy systemu. Załóż produktywność 10 FP/osobomiesiąc z odchyleniem std ±1 osobomiesiąc 44/50

45 Pomiar funkcjonalny FP (4) przykład: system bezpieczeństwa dla domu c.d. Panic button controler Door/Window Alarm 1 input 1 input System Config 1 internal file Main Processor 1 input 1 input 1 output Motion Detector Controller Fire Detector Controller 1 output 1 input/output Wireless Dial-out Device Controller Key Device Controller Light Activator/ Deactivator Ctrlr 45/50

46 Pomiar funkcjonalny FP (5) przykład: system bezpieczeństwa dla domu c.d. Simple Input = 5 Simple Output = 2 Simple Internal Database = 1 Medium Output (to Dial-out Controller) = 1 UFP = 3*5 + 4*2 + 7*1 + 5*1 = = 35 VAF = = 33 AFP = 35*( ) = 35*0.98 = 34.3 Liczba osobomiesięcy = 34.3/10 = 3.4 sd ±1 osobomiesięcy: 34.3/9 = 3.81, 34.3/11 = 3.12 Odpowiedź: Oczekiwany wysiłek: między 3.12 a 3.81 osobo/mc-y 46/50

47 Pomiar funkcjonalny FP (6) konwersja Punktów Funkcyjnych na rozmiar fizyczny Wykorzystuje współczynniki produktywności języka Np.: w przykładzie mieliśmy 35 FP. Ile linii kodu będzie miał program napisany w Javie? (średni SLOC/FP = 60) Odpowiedź: 60*35 = 2100 (2.1 KLOC) Pytanie który współczynnik produktywności wybrać? Np. QSM oparte o większą liczbę danych i nowsze niż te z David Consulting Group 47/50

48 Pomiar funkcjonalny FP (7) szacowanie czasu i zasobów na podstawie FP Modele wg. Jonesa: Czas = FP 0.4 [m-cy kalendarzowych] Zasoby = FP/150 (zasoby = deweloperzy, testerzy, QA, dokumentaliści, project managerowie, administratorzy baz danych) Wysiłek = Czas * Zasoby Dla czasu wykładnik przybiera postać od 0.32 dla prostych projektów do 0.45 dla skomplikowanych projektów. Wartość to czas od wymagań do dostarczenia oprogramowania 48/50

49 Pomiar funkcjonalny FP (8) szacowanie czasu i zasobów na podstawie FP c.d. Dla wcześniejszego przykładu (FP = 35): Czas = = 3.12 m-cy Zasoby = 35/150 = 0.23 osób (!!!) Wysiłek = 3.12 * 0.23 = 0.72 osobomiesiąca Ad. zasoby: dobry przykład szacowań inżynierskich i estymacji Reguła dla zasobów zwykle nie działa dla małych projektów Ale i tak dobra metoda jako punkt wyjścia! 49/50

50 KONIEC 50/50

Pozyskiwanie wiedzy z danych

Pozyskiwanie wiedzy z danych Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy

Bardziej szczegółowo

Zasady organizacji projektów informatycznych

Zasady organizacji projektów informatycznych Zasady organizacji projektów informatycznych Systemy informatyczne w zarządzaniu dr hab. inż. Joanna Józefowska, prof. PP Plan Definicja projektu informatycznego Fazy realizacji projektów informatycznych

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

Metodologia badań psychologicznych

Metodologia badań psychologicznych Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania

Bardziej 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

Testowanie oprogramowania

Testowanie oprogramowania Testowanie oprogramowania Adam Roman Instytut Informatyki UJ Sprawy organizacyjne organizacja zajęć program kursu informacja o egzaminie 1/17 Informacje kontaktowe Adam Roman Instytut Informatyki UJ pokój

Bardziej szczegółowo

Tematy seminariów wg Roger S. Pressman, Praktyczne podejście do oprogramowania, WNT, 2004. Zofia Kruczkiewicz

Tematy seminariów wg Roger S. Pressman, Praktyczne podejście do oprogramowania, WNT, 2004. Zofia Kruczkiewicz Tematy seminariów wg Roger S. Pressman, Praktyczne podejście do oprogramowania, WNT, 2004 Zofia Kruczkiewicz 1. Przedstaw znaczenie oprogramowania we współczesnym świecie 2. Jaki wpływ na ludzi, komunikację

Bardziej szczegółowo

Wykład 1 Inżynieria Oprogramowania

Wykład 1 Inżynieria Oprogramowania Wykład 1 Inżynieria Oprogramowania Wstęp do inżynierii oprogramowania. Cykle rozwoju oprogramowaniaiteracyjno-rozwojowy cykl oprogramowania Autor: Zofia Kruczkiewicz System Informacyjny =Techniczny SI

Bardziej szczegółowo

Temat: SZACOWANIE NIEPEWNOŚCI POMIAROWYCH

Temat: SZACOWANIE NIEPEWNOŚCI POMIAROWYCH Temat: SZCOWNIE NIEPEWNOŚCI POMIROWYCH - Jak oszacować niepewność pomiarów bezpośrednich? - Jak oszacować niepewność pomiarów pośrednich? - Jak oszacować niepewność przeciętną i standardową? - Jak zapisywać

Bardziej szczegółowo

ANALIZA SYSTEMU POMIAROWEGO (MSA)

ANALIZA SYSTEMU POMIAROWEGO (MSA) StatSoft Polska, tel. 1 484300, 601 414151, info@statsoft.pl, www.statsoft.pl ANALIZA SYSTEMU POMIAROWEGO (MSA) dr inż. Tomasz Greber, Politechnika Wrocławska, Instytut Organizacji i Zarządzania Wprowadzenie

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i

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

ANALIZA SPRZEDAŻY: - struktura

ANALIZA SPRZEDAŻY: - struktura KOŁO NAUKOWE CONTROLLINGU UNIWERSYTET ZIELONOGÓRSKI ANALIZA SPRZEDAŻY: - struktura - koncentracja - kompleksowa analiza - dynamika Spis treści Wstęp 3 Analiza struktury 4 Analiza koncentracji 7 Kompleksowa

Bardziej szczegółowo

Statystyka SYLABUS A. Informacje ogólne

Statystyka SYLABUS A. Informacje ogólne Statystyka SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Dziedzina

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl

Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych

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

Z-ZIPN1-004 Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki Niestacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta

Z-ZIPN1-004 Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki Niestacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta KARTA MODUŁU / KARTA PRZEDMIOTU Z-ZIPN-004 Statystyka Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Statistics Obowiązuje od roku akademickiego 0/04 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin. Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw

Bardziej szczegółowo

SCRUM niełatwe wdrażanie metodyki w praktyce. Adam Krosny

SCRUM niełatwe wdrażanie metodyki w praktyce. Adam Krosny SCRUM niełatwe wdrażanie metodyki w praktyce Adam Krosny 1 Czym się zajmujemy Realizujemy projekty informatyczne średniej wielkości Ilość osób w projekcie 10-50 Architektura SOA, EBA Wiele komponentów

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

Wprowadzenie do analizy korelacji i regresji

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

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów

Bardziej szczegółowo

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Sposoby opisu i modelowania zakłóceń kanałowych

Sposoby opisu i modelowania zakłóceń kanałowych INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Podstawy Telekomunikacji Sposoby opisu i modelowania zakłóceń kanałowych Warszawa 2010r. 1. Cel ćwiczeń: Celem ćwiczeń

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

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa

Bardziej szczegółowo

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne Czyli jak bardzo jesteśmy pewni że parametr oceniony na podstawie próbki jest

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

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 matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

Zarządzanie testowaniem wspierane narzędziem HP Quality Center

Zarządzanie testowaniem wspierane narzędziem HP Quality Center Zarządzanie testowaniem wspierane narzędziem HP Quality Center studium przypadku Mirek Piotr Szydłowski Ślęzak Warszawa, 17.05.2011 2008.09.25 WWW.CORRSE.COM Firma CORRSE Nasze zainteresowania zawodowe

Bardziej szczegółowo

Procesowa specyfikacja systemów IT

Procesowa specyfikacja systemów IT Procesowa specyfikacja systemów IT BOC Group BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management Office

Bardziej szczegółowo

Parametry statystyczne

Parametry statystyczne I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n

Bardziej szczegółowo

Zakład Języków Programowania Instytut Informatyki Uniwersytet Wrocławski

Zakład Języków Programowania Instytut Informatyki Uniwersytet Wrocławski INŻYNIERIA OPROGRAMOWANIA wykład 7: MIARY OPROGRAMOWANIA ( na podstawie wykładów prof. dr hab. K. Subiety, Instytut Informatyki PAN ) dr inż. Leszek Grocholski Zakład Języków Programowania Instytut Informatyki

Bardziej szczegółowo

Oszacowanie pracochłonności wykonania systemu metodą punktów funkcyjnych

Oszacowanie pracochłonności wykonania systemu metodą punktów funkcyjnych Oszacowanie pracochłonności wykonania systemu metodą punktów funkcyjnych Data sporządzenia: 29.11.2007 Przygotowana przez: Radosław Hęś, Krzysztof Fligiel 1 1. Wprowadzenie W dokumencie użyto następujących

Bardziej szczegółowo

Wstęp do zarządzania projektami

Wstęp do zarządzania projektami Wstęp do zarządzania projektami Definicja projektu Projekt to tymczasowe przedsięwzięcie podejmowane w celu wytworzenia unikalnego wyrobu, dostarczenia unikalnej usługi lub uzyskania unikalnego rezultatu.

Bardziej szczegółowo

Z poprzedniego wykładu

Z poprzedniego wykładu PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne

Bardziej szczegółowo

Wykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania.

Wykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania. Wykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania. Przykładowa RBD o schematach relacji (tzw. płaska postać RBD): N(PRACOWNICY) = {ID_P, IMIĘ,

Bardziej szczegółowo

Programowanie obiektowe

Programowanie obiektowe Programowanie obiektowe Wykład 13 Marcin Młotkowski 27 maja 2015 Plan wykładu Trwałość obiektów 1 Trwałość obiektów 2 Marcin Młotkowski Programowanie obiektowe 2 / 29 Trwałość (persistence) Definicja Cecha

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

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

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład ze statystyki. Maciej Wolny

Wykład ze statystyki. Maciej Wolny Wykład ze statystyki Maciej Wolny T1: Zajęcia organizacyjne Agenda 1. Program wykładu 2. Cel zajęć 3. Nabyte umiejętności 4. Literatura 5. Warunki zaliczenia Program wykładu T1: Zajęcia organizacyjne T2:

Bardziej szczegółowo

Wymiarowanie projektu informatycznego

Wymiarowanie projektu informatycznego Kiedy możesz zmierzyć coś o czym mówisz, i wyrazić to w liczbach, wtedy wiesz coś o tym, ale kiedy nie możesz tego zmierzyć, nie możesz wyrazić tego w liczbach, wtedy twoja wiedza jest skąpa i niesatysfakcjonująca.

Bardziej szczegółowo

Analiza statystyczna w naukach przyrodniczych

Analiza statystyczna w naukach przyrodniczych Analiza statystyczna w naukach przyrodniczych Po co statystyka? Człowiek otoczony jest różnymi zjawiskami i próbuje je poznać, dowiedzieć się w jaki sposób funkcjonują, jakie relacje między nimi zachodzą.

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

Modelowanie i Programowanie Obiektowe

Modelowanie i Programowanie Obiektowe Modelowanie i Programowanie Obiektowe Wykład I: Wstęp 20 październik 2012 Programowanie obiektowe Metodyka wytwarzania oprogramowania Metodyka Metodyka ustandaryzowane dla wybranego obszaru podejście do

Bardziej szczegółowo

Web frameworks do budowy aplikacji zgodnych z J2EE

Web frameworks do budowy aplikacji zgodnych z J2EE Web frameworks do budowy aplikacji zgodnych z J2EE Jacek Panachida promotor: dr Dariusz Król Przypomnienie Celem pracy jest porównanie wybranych szkieletów programistycznych o otwartym kodzie źródłowym

Bardziej szczegółowo

Monitoring procesów z wykorzystaniem systemu ADONIS

Monitoring procesów z wykorzystaniem systemu ADONIS Monitoring procesów z wykorzystaniem systemu ADONIS BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management

Bardziej szczegółowo

Statystyka opisowa SYLABUS A. Informacje ogólne

Statystyka opisowa SYLABUS A. Informacje ogólne Statystyka opisowa SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok

Bardziej szczegółowo

AskAnything 5.06.2006. Plan Przedsięwzięcia Plan Testów

AskAnything 5.06.2006. Plan Przedsięwzięcia Plan Testów AskAnything Plan Przedsięwzięcia Plan Testów Rzut oka na harmonogram Organizacja Rozwijanie aplikacji Zespół deweloperski 6 osób w zespole koordynator projektant i programista WWW projektant baz danych

Bardziej szczegółowo

Jakość jest najważniejszym kryterium oceny przydatności produktów dla klienta, a to właśnie klient umożliwia funkcjonowanie wytwórcy tych produktów

Jakość jest najważniejszym kryterium oceny przydatności produktów dla klienta, a to właśnie klient umożliwia funkcjonowanie wytwórcy tych produktów Inżynieria oprogramowania Wykład 11: Zapewnienie jakości oprogramowania i metryki oprogramowania Marek Krętowski pokój 206 e-mail: m.kretowski@pb.edu.pl http://aragorn.pb.bialystok.pl/~mkret Wydział Informatyki

Bardziej szczegółowo

INFORMATYKA W SELEKCJI

INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI - zagadnienia 1. Dane w pracy hodowlanej praca z dużym zbiorem danych (Excel) 2. Podstawy pracy z relacyjną bazą danych w programie MS Access 3. Systemy statystyczne

Bardziej szczegółowo

WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS

WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS WYŻSZA SZKOŁA MENEDŻERSKA W WARSZAWIE WYDZIAŁ ZARZĄDZANIA W CIECHANOWIE KARTA PRZEDMIOTU - SYLABUS Nazwa przedmiotu: Statystyka opisowa Profil 1 : ogólnoakademicki Cel przedmiotu: Zapoznanie studentów

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

laboratoria 24 zaliczenie z oceną

laboratoria 24 zaliczenie z oceną Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Niestacjonarne

Bardziej szczegółowo

Sterowanie procesem i jego zdolność. Zbigniew Wiśniewski

Sterowanie procesem i jego zdolność. Zbigniew Wiśniewski Sterowanie procesem i jego zdolność Zbigniew Wiśniewski Wybór cech do kart kontrolnych Zaleca się aby w pierwszej kolejności były brane pod uwagę cechy dotyczące funkcjonowania wyrobu lub świadczenia usługi

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

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

Wszystkie problemy leżą w testach. ForProgress spółka z ograniczoną odpowiedzialnością sp.k.

Wszystkie problemy leżą w testach. ForProgress spółka z ograniczoną odpowiedzialnością sp.k. Wszystkie problemy leżą w testach O czym będziemy rozmawiać Coś nie wyszło Jak wygląda proces wytwórczy Każdy widzi to inaczej Jakie wnioski wyciągamy z testów Analiza problemów Możliwe rozwiązania O czym

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

1. szereg wyliczający (szczegółowy) - wyniki są uporządkowane wyłącznie według wartości badanej cechy, np. od najmniejszej do największej

1. szereg wyliczający (szczegółowy) - wyniki są uporządkowane wyłącznie według wartości badanej cechy, np. od najmniejszej do największej 1 Statystyka opisowa Statystyka opisowa zajmuje się porządkowaniem danych i wstępnym ich opracowaniem. Szereg statystyczny - to zbiór wyników obserwacji jednostek według pewnej cechy 1. szereg wyliczający

Bardziej szczegółowo

Zarządzanie projektami zadaniowymi w oparciu o metodykę PMI

Zarządzanie projektami zadaniowymi w oparciu o metodykę PMI Zarządzanie projektami zadaniowymi w oparciu o metodykę PMI Opis Zarządzanie przedsięwzięciami należy do jednych z najefektywniejszych metod organizacyjnych operowania zasobami firmy. Jest jednocześnie

Bardziej szczegółowo

Wyznaczanie minimalnej odważki jako element kwalifikacji operacyjnej procesu walidacji dla wagi analitycznej.

Wyznaczanie minimalnej odważki jako element kwalifikacji operacyjnej procesu walidacji dla wagi analitycznej. Wyznaczanie minimalnej odważki jako element kwalifikacji operacyjnej procesu walidacji dla wagi analitycznej. Andrzej Hantz Dyrektor Centrum Metrologii RADWAG Wagi Elektroniczne Pomiary w laboratorium

Bardziej szczegółowo

Co to jest jest oprogramowanie? 8. Co to jest inżynieria oprogramowania? 9. Jaka jest różnica pomiędzy inżynierią oprogramowania a informatyką?

Co to jest jest oprogramowanie? 8. Co to jest inżynieria oprogramowania? 9. Jaka jest różnica pomiędzy inżynierią oprogramowania a informatyką? ROZDZIAŁ1 Podstawy inżynierii oprogramowania: - Cele 2 - Zawartość 3 - Inżynieria oprogramowania 4 - Koszty oprogramowania 5 - FAQ o inżynierii oprogramowania: Co to jest jest oprogramowanie? 8 Co to jest

Bardziej szczegółowo

Projektowanie oprogramowania

Projektowanie oprogramowania Wrocław, 27.09.2010 1. Warunki wstępne Projektowanie oprogramowania Warunkiem uczestnictwa w zajęciach jest zaliczenie przedmiotu: Podstawy inżynierii oprogramowania (ćwiczenia) Zajęcia składają się z

Bardziej szczegółowo

Sterowanie jakością badań i analiza statystyczna w laboratorium

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

Bardziej szczegółowo

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

08. Normalizacja wyników testu

08. Normalizacja wyników testu 08. Normalizacja wyników testu q Pojęcie normy q Rodzaje norm q Znormalizowana skala ciągła ( z ) q Znormalizowane skale skokowe q Kryteria wyboru właściwej skali standardowej vpojęcie normy Norma -wzór,

Bardziej szczegółowo

Badania marketingowe. Badania marketingowe. Materiały do wykładu 120110-0186. Prowadzący: dr Krzysztof Hejduk Szkoła Główna Handlowa w Warszawie

Badania marketingowe. Badania marketingowe. Materiały do wykładu 120110-0186. Prowadzący: dr Krzysztof Hejduk Szkoła Główna Handlowa w Warszawie Badania marketingowe Materiały do wykładu 120110-0186 Prowadzący: dr Krzysztof Hejduk Szkoła Główna Handlowa w Warszawie Witam serdecznie: poznajmy się! Cel zajęć 1) Przedstawienie i analiza roli, funkcji,

Bardziej szczegółowo

MATEMATYKA3 Mathematics3. Elektrotechnika. I stopień ogólnoakademicki. studia stacjonarne. Katedra Matematyki dr Zdzisław Piasta

MATEMATYKA3 Mathematics3. Elektrotechnika. I stopień ogólnoakademicki. studia stacjonarne. Katedra Matematyki dr Zdzisław Piasta KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 MATEMATYKA3 Mathematics3 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek

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

Monitoring procesów z wykorzystaniem systemu ADONIS. Krok po kroku

Monitoring procesów z wykorzystaniem systemu ADONIS. Krok po kroku z wykorzystaniem systemu ADONIS Krok po kroku BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management Office

Bardziej szczegółowo

Inżynieria Programowania Zarządzanie projektem

Inżynieria Programowania Zarządzanie projektem Inżynieria Programowania Zarządzanie projektem Katedra Informatyki, Politechnika Świętokrzyska w Kielcach Kielce, 12 października 2015 Plan wykładu 1 2 3 4 5 Plan wykładu 1 2 3 4 5 Plan wykładu 1 2 3 4

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

4.2. Statystyczne opracowanie zebranego materiału

4.2. Statystyczne opracowanie zebranego materiału 4.2. Statystyczne opracowanie zebranego materiału Zebrany i pogrupowany materiał badawczy należy poddać analizie statystycznej w celu dokonania pełnej i szczegółowej charakterystyki interesujących badacza

Bardziej szczegółowo

Projektowanie systemów pomiarowych. 02 Dokładność pomiarów

Projektowanie systemów pomiarowych. 02 Dokładność pomiarów Projektowanie systemów pomiarowych 02 Dokładność pomiarów 1 www.technidyneblog.com 2 Jak dokładnie wykonaliśmy pomiar? Czy duża / wysoka dokładność jest zawsze konieczna? www.sparkfun.com 3 Błąd pomiaru.

Bardziej szczegółowo

ANALIZA WYNIKÓW EGZAMINU MATURALNEGO Z INFORMATYKI /przedmiot dodatkowy/

ANALIZA WYNIKÓW EGZAMINU MATURALNEGO Z INFORMATYKI /przedmiot dodatkowy/ ANALIZA WYNIKÓW EGZAMINU MATURALNEGO Z INFORMATYKI /przedmiot dodatkowy/ Razem Liczba unieważnień. Podstawowe dane statystyczne Egzamin maturalny z informatyki na Mazowszu odbył się w szkołach. Liczba

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

Zarządzanie zadaniami w projektach informatycznych na przykładzie systemu Trac. Integracja z Eclipse.

Zarządzanie zadaniami w projektach informatycznych na przykładzie systemu Trac. Integracja z Eclipse. Zarządzanie zadaniami w projektach informatycznych na przykładzie systemu Trac. Integracja z Eclipse. Adam Szarecki, Przemysław Wesołek Instytut Informatyki Politechnika Poznańska 2008 Podstawowe problemy

Bardziej szczegółowo

Państwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu

Państwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu Załącznik nr 1 do Uchwały nr 9/12 Rady Instytutu Inżynierii Technicznej PWSTE w Jarosławiu z dnia 30 marca 2012r Państwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu EFEKTY KSZTAŁCENIA DLA KIERUNKU

Bardziej szczegółowo

AMBITNYCH RZECZOZNAWCÓW

AMBITNYCH RZECZOZNAWCÓW ADRESACI APLIKACJI. TO NIE JEST APLIKACJA DLA WSZYSTKICH. TA APLIKACJA JEST KIEROWANA DO AMBITNYCH RZECZOZNAWCÓW, KTÓRZY MAJĄC RZETELNĄ INFORMACJĘ PROWADZĄ PROCES WYCENY NIERUCHOMOŚCI W OPARCIU O PRZESŁANKI

Bardziej szczegółowo

STATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki

STATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 STATYSTYKA

Bardziej 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

InPro BMS InPro BMS SIEMENS

InPro BMS InPro BMS SIEMENS InPro Siemens OPC InPro BMS Produkt InPro BMS jest w sprzedaży od 2000 roku. W ostatnich kilku latach staliśmy się liderem wśród dostawców informatycznych rozwiązań dla systemów bezpieczeństwa. Oferowane

Bardziej szczegółowo

Kurs wybieralny: Zastosowanie technik informatycznych i metod numerycznych w elektronice

Kurs wybieralny: Zastosowanie technik informatycznych i metod numerycznych w elektronice Kurs wybieralny: Zastosowanie technik informatycznych i metod numerycznych w elektronice Opis kursu Przygotowanie praktyczne do realizacji projektów w elektronice z zastosowaniem podstawowych narzędzi

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

Koniec problemów z zarządzaniem stacjami roboczymi BigFix. Włodzimierz Dymaczewski, IBM

Koniec problemów z zarządzaniem stacjami roboczymi BigFix. Włodzimierz Dymaczewski, IBM Koniec problemów z zarządzaniem stacjami roboczymi BigFix Włodzimierz Dymaczewski, IBM Dlaczego zarządzanie stacjami roboczymi sprawia tyle problemów? Na ogół duŝa ilość Brak standardu konfiguracji Wielka

Bardziej szczegółowo

Efekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA

Efekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA Symbol Efekty kształcenia dla kierunku studiów INFORMATYKA, specjalność: 1) Sieciowe systemy informatyczne. 2) Bazy danych Absolwent studiów I stopnia kierunku Informatyka WIEDZA Ma wiedzę z matematyki

Bardziej szczegółowo

Etapy życia oprogramowania. Modele cyklu życia projektu. Etapy życia oprogramowania. Etapy życia oprogramowania

Etapy życia oprogramowania. Modele cyklu życia projektu. Etapy życia oprogramowania. Etapy życia oprogramowania Etapy życia oprogramowania Modele cyklu życia projektu informatycznego Organizacja i Zarządzanie Projektem Informatycznym Jarosław Francik marzec 23 Określenie wymagań Testowanie Pielęgnacja Faza strategiczna

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

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY Liczebności i częstości Liczebność liczba osób/respondentów/badanych, którzy udzielili tej konkretnej odpowiedzi. Podawana w osobach. Częstość odsetek,

Bardziej szczegółowo

Dzisiejszy wykład. Wzorce projektowe. Visitor Client-Server Factory Singleton

Dzisiejszy wykład. Wzorce projektowe. Visitor Client-Server Factory Singleton Dzisiejszy wykład Wzorce projektowe Visitor Client-Server Factory Singleton 1 Wzorzec projektowy Wzorzec nazwana generalizacja opisująca elementy i relacje rozwiązania powszechnie występującego problemu

Bardziej szczegółowo