Eksploracja Danych. wykład 3. Sebastian Zając. 5 kwietnia 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

Wielkość: px
Rozpocząć pokaz od strony:

Download "Eksploracja Danych. wykład 3. Sebastian Zając. 5 kwietnia 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21"

Transkrypt

1 Eksploracja Danych wykład 3 Sebastian Zając WMP.SNŚ UKSW 5 kwietnia 2017 Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

2 Struktura Danych Rozpatrzmy zbiór danych: Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

3 Cechy Jakościowe Pleć, grupa zawodowa - atrybuty nominalne (jakościowe) Nie można z nich policzyć wartości średniej, min, max Nie można uporządkować wartości w takim zbiorze. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

4 Cechy Ilościowe Wzrost, waga, dochód, liczba godzin - atrybuty ilościowe (numeryczne) Można z nich policzyć wartości średniej, min, max Można uporządkować wartości w takim zbiorze. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

5 Typy danych Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

6 Typy danych Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

7 Cecha objaśniana i objaśniająca Cecha objaśniana - jej wartość próbujemy określić na podstawie cech objaśniających Cecha objaśniająca - opisuje obserwacje w zbiorze. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

8 Opis Danych Metody statystyczne opisu danych : Opisowe statystyki: średnia, mediana, min, max, moda, odchylenie standardowe, wariancja, kurtoza... Graficzne metody: box plot, histogram, Scatter Plots Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

9 Statystyka opisowa O czym mówi wartość średnia? Ile zarabiają dyrektorzy w działach sprzedaży? Średnia zarobków dyrektorów sprzedaży wynosi PLN Czy można określić ile zarabia konkretny dyrektor? Czy dyrektorzy to bogaci ludzie? Czy można obliczyć średnią pleć dyrektorów? Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

10 Statystyka opisowa O czym mówi mediana? W jakim przedziale mieszczą się zarobki większości dyrektorów?(mediana) Ile zarabia przeciętny dyrektor (mediana nie!!! - bycie w środku nie oznacza przeciętnego.) Moda - najczęściej występujący. Czy prawie wszyscy dyrektorzy to bogaci ludzie (nie! nie wiemy nic o całości badanej grupy)? Czy większość dyrektorów to bogaci ludzie? (mediana) Jakie zarobki są najczęstsze wśród dyrektorów? (moda! mediana - nie! ) Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

11 Kwartet Anscombe a Francis Anscombe - angielski statystyk. Studiował w Yale i Princeton. Pionier analizy wizualnej - podkreślał istotność wizualizacji danych. Stworzył tzw kwartet Anscombe a. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

12 Statystyki opisowe Kwartetu Anscombe a Zad. 1 - Znajdź, załaduj i oblicz statystyki opisowe! Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

13 Graficzny opis danych Histogramy i wykresy częstości wykresy rozrzutu (scatterplots) wykresy pudełkowe (boxplot) Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

14 Histogramy Histogram - graficzny sposób przedstawiania rozkładu empirycznego cechy Złożony z szeregu prostokątów umieszczonych na osi współrzędnych Na osi x mamy przedziały klasowe wartości cechy a na osi y liczebność tych przedziałów Porządkuje wiedzę o danych analizowanych pokazują odchylenia w danych pokazują dane dominujące w zbiorze używane dla danych jakościowych Najpopularniejsza statystyka graficzna. Domyślnie w funkcji hist liczba kubełków dobierana jest w zależności od liczby obserwacji jak i ich zmienności Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

15 Histogram Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

16 Wykres punktowy - ScatterPlot Scatter Plot - jeden z najprostszych wykresów korelacyjnych między parą cech. Pomaga w diagnostyce powiązań - ogólny charakter i kierunek. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

17 Scatter Plot Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

18 Box Plot Wykres przedstawia medianę (środek pudełka), kwartyle (dolna i górna granica pudełka), obserwacje odstające (zaznaczone kropkami) oraz maksimum i minimum po usunięciu obserwacji odstających. BoxPlot jest bardzo popularną metodą prezentacji zmienności pojedynczej zmiennej. Wykres można wyznaczyć dla pojedynczej zmiennej, dla kilku zmiennych oraz dla pojedynczej zmiennej w rozbiciu na grupy. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

19 Box Plot Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

20 Przygotowanie danych do Analizy Techniki preprocesingu stosowane są w celu poprawienia jakości analizowanych danych. 1 Czyszczenie danych aby pozbyć się szumu w danych i poprawić nieścisłości. 2 Integracja danych łączy dane z wielu źródeł - (Patrz Hurtownie Danych) 3 Transformacja danych - normalizacja może poprawić dokładność i efektywność algorytmów data mining - szczególnie gdy stosujemy miarę odległości w danych. 4 Redukcja danych - agregacje, grupowanie - zredukowanie rozmiaru danych 5 Dyskretyzacja Można stosować wszystkie techniki jednocześnie! Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

21 Możliwe problemy w danych Dane są przeważnie: Niedorobione, Niekompletne, Zaszumione Koniecznie trzeba je przeczyścić i przekształcić danych. Np. Baza danych zawiera pola przestarzałe lub zbędne, brakuje wartości w rekordach, punkty oddalone, niewłaściwy format Czyszczenie danych i ich przekształcanie ma na celu realizację zadania nazywanego często: Minimalizacją GIGO Garbage-in Garbage-out Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 5 kwietnia / 21

Statystyka BioStatystyka

Statystyka BioStatystyka Wykłady Statystyka nauka, której przedmiotem zainteresowania są metody pozyskiwania i prezentacji, a przede wszystkim analizy danych opisujących zjawiska, w tym masowe. BioStatystyka nauka, której przedmiotem

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

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

1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć: Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).

Bardziej szczegółowo

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

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

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

Materiał dotyczy generowania różnego typu wykresów w środowisku R.

Materiał dotyczy generowania różnego typu wykresów w środowisku R. Materiał dotyczy generowania różnego typu wykresów w środowisku R. Pamiętajmy, że niektóre typy wykresów są dedykowane do pewnych typów danych. Na potrzeby ćwiczeń początkowych załadujemy sobie zbiór danych

Bardziej szczegółowo

Ć w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1

Ć w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1 Ć w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1 Zadanie 1. Tworzenie wykresów zmiennych jakościowych wyrażonych w skali nominalnej i porządkowej. Utworzyć wykres

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

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

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

Bardziej szczegółowo

Analiza Statystyczna

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

Bardziej szczegółowo

Statystyczne metody analizy danych przy użyciu środowiska R

Statystyczne metody analizy danych przy użyciu środowiska R Statystyczne metody analizy danych przy użyciu środowiska R Agnieszka Nowak - Brzezińska Instytut Informatyki, Uniwersytet Śląski Wybrane zagadnienia Plan wystąpienia 1. Wprowadzenie. 2. Środowisko R.

Bardziej szczegółowo

Technikum Ekonomiczne Klasa II Wymiar godzin: 2 godziny tygodniowo Nr programu nauczania: 2302/T-5/SP/MEN/1998.02.24 (technik ekonomista)

Technikum Ekonomiczne Klasa II Wymiar godzin: 2 godziny tygodniowo Nr programu nauczania: 2302/T-5/SP/MEN/1998.02.24 (technik ekonomista) Plan pracy dydaktycznej (jest to wstępna wersja planu, który będzie doskonalony) STATYSTYKA Technikum Ekonomiczne Klasa II Wymiar godzin: 2 godziny tygodniowo Nr programu nauczania: 2302/T-5/SP/MEN/1998.02.24

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład z dnia 8 lub 15 października 2014 roku

Wykład z dnia 8 lub 15 października 2014 roku Wykład z dnia 8 lub 15 października 2014 roku Istota i przedmiot statystyki oraz demografii. Prezentacja danych statystycznych Znaczenia słowa statystyka Znaczenie I - nazwa zbioru danych liczbowych prezentujących

Bardziej szczegółowo

TREŚCI 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 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 szczegółowo

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

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

Bardziej szczegółowo

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

Podstawowe definicje statystyczne

Podstawowe definicje statystyczne Podstawowe definicje statystyczne 1. Definicje podstawowych wskaźników statystycznych Do opisu wyników surowych (w punktach, w skali procentowej) stosuje się następujące wskaźniki statystyczne: wynik minimalny

Bardziej szczegółowo

Plan wynikowy i przedmiotowy system oceniania

Plan wynikowy i przedmiotowy system oceniania Plan wynikowy i przedmiotowy system oceniania Przedmiot: Pracownia ekonomiczna Klasa II Technikum Ekonomiczne Nr programu nauczania: 341[02]/MEN/2008.05.20 (technik ekonomista) Podręcznik: R. Seidel, S.

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie

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

Bardziej szczegółowo

Analiza Współzależności

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

Bardziej szczegółowo

Statystyczną ideę szacowania wskaźników EWD dobrze ilustrują dwa poniższe wykresy:

Statystyczną ideę szacowania wskaźników EWD dobrze ilustrują dwa poniższe wykresy: 1 Metoda EWD (edukacyjna wartość dodana) to zestaw technik statystycznych pozwalających zmierzyć wkład szkoły w wyniki nauczania. By można ją zastosować, potrzebujemy wyników przynajmniej dwóch pomiarów

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

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu

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

Analiza korespondencji

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

Bardziej szczegółowo

Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś

Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś Materiały reklamowe ZAWAM-Marek Zawadzki Wybór wielokryterialny jako jadna z metod

Bardziej szczegółowo

Podstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica

Podstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica Podstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica 1. Zarządzanie danymi. Pierwszą czynnością w pracy z pakietem Statistica jest zazwyczaj wprowadzenie danych do arkusza. Oprócz możliwości

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Rozkłady zmiennych losowych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyczne metody analizy danych

Statystyczne metody analizy danych Statystyczne metody analizy danych Statystyka opisowa Wykład I-III Agnieszka Nowak - Brzezioska Podstawowe pojęcia STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów)

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF 120 I. Ogólne informacje o przedmiocie Cel przedmiotu: Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod statystycznych.

Bardziej szczegółowo

ZAŁOŻENIA DO PLANU RALIZACJI MATERIAŁU NAUCZANIA MATEMATYKI W KLASIE II ( zakres podstawowy)

ZAŁOŻENIA DO PLANU RALIZACJI MATERIAŁU NAUCZANIA MATEMATYKI W KLASIE II ( zakres podstawowy) 1 ZAŁOŻENIA DO PLANU RALIZACJI MATERIAŁU NAUCZANIA MATEMATYKI W KLASIE II ( zakres podstawowy) Program nauczania: Matematyka z plusem Liczba godzin nauki w tygodniu: 3 Planowana liczba godzin w ciągu roku:

Bardziej szczegółowo

PRZYKŁAD AUTOMATYZACJI STATYSTYCZNEJ OBRÓBKI WYNIKÓW

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

Bardziej szczegółowo

Otwórz R. Zmień katalog roboczy za pomocą File/Change Dir. Wczytaj plik przypisując go obiektowi o nazwie students:

Otwórz R. Zmień katalog roboczy za pomocą File/Change Dir. Wczytaj plik przypisując go obiektowi o nazwie students: 1. Wczytywanie danych do programu R Otwórz R. Zmień katalog roboczy za pomocą File/Change Dir. Wczytaj plik przypisując go obiektowi o nazwie students: > students

Bardziej szczegółowo

XIV Sympozjum Onkologia w Otorynolaryngologii

XIV Sympozjum Onkologia w Otorynolaryngologii ul. Bytkowska 1B,40-955 Katowice, POLSKA tel.: +48 / / 25 98 399, fax: +48 / / 78 99 273 email: altasoft@altasoft.pl www.altasoft.pl XIV Sympozjum Onkologia w Otorynolaryngologii 22-24.09.2011 Podsumowanie

Bardziej szczegółowo

Podstawy eksploracji danych wykład I. Agnieszka Nowak - Brzezioska

Podstawy eksploracji danych wykład I. Agnieszka Nowak - Brzezioska Podstawy eksploracji danych wykład I Agnieszka Nowak - Brzezioska Plan wykładu Podstawowe pojęcia Możliwości eksploracji danych Metody eksploracji danych Zadania dotąd niezrealizowane w ramach eksploracji

Bardziej szczegółowo

Analiza wariancji. dr Janusz Górczyński

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

Bardziej szczegółowo

ELEMENTY STATYSTYKI 1. DANE

ELEMENTY STATYSTYKI 1. DANE ELEMENTY STATYSTYKI 1. DANE W badaniach statystycznych populacją nazywamy grupę osób, zwierząt, roślin lub przedmiotów badanych. Interesują nas przy tym pewne wybrane cechy tych populacji. Takie cechy

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 DOŚWIADCZALNICTWO Wykład 1 i 2

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

klasa III technikum I. FIGURY I PRZEKSZTAŁCENIA Wiadomości i umiejętności

klasa III technikum I. FIGURY I PRZEKSZTAŁCENIA Wiadomości i umiejętności I. FIGURY I PRZEKSZTAŁCENIA - zna i rozumie pojęcia, zna własności figur: ogólne równanie prostej, kierunkowe równanie prostej okrąg, równanie okręgu - oblicza odległość dwóch punktów na płaszczyźnie -

Bardziej szczegółowo

Sylabus. Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data

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

Bardziej szczegółowo

SCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY.

SCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY. SCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY. SPIS TREŚCI: I. Wprowadzenie. II. Części lekcji. 1. Część wstępna. 2. Część realizacji. 3. Część podsumowująca.

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

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński

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

Bardziej szczegółowo

Badania Statystyczne

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

Bardziej szczegółowo

Opisowa analiza struktury zjawisk statystycznych

Opisowa analiza struktury zjawisk statystycznych Statystyka Opisowa z Demografią oraz Biostatystyka Opisowa analiza struktury zjawisk statystycznych Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2

Bardziej szczegółowo

2. Reprezentacje danych wielowymiarowych sposoby sobie radzenia z nimi. a. Wprowadzenie, aspekt psychologiczny, wady statystyki

2. Reprezentacje danych wielowymiarowych sposoby sobie radzenia z nimi. a. Wprowadzenie, aspekt psychologiczny, wady statystyki 1. Wstęp 2. Reprezentacje danych wielowymiarowych sposoby sobie radzenia z nimi a. Wprowadzenie, aspekt psychologiczny, wady statystyki b. Metody graficzne i. Wykres 1.zmiennej ii. Rzut na 2 współrzędne

Bardziej szczegółowo

Kalkulator EWD 100 co warto wiedzieć? materiały Pracowni EWD

Kalkulator EWD 100 co warto wiedzieć? materiały Pracowni EWD Kalkulator EWD 100 co warto wiedzieć? materiały Pracowni EWD Struktury danych Podstawowa struktura danych szkoła-rocznik-klasauczeń-cecha Podstawowa struktura danych szkoła-rocznik-klasauczeń-cecha cechy

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie

Bardziej szczegółowo

Statystyka matematyczna w Excelu dla szkó³. Æwiczenia praktyczne

Statystyka matematyczna w Excelu dla szkó³. Æwiczenia praktyczne IDZ DO PRZYK ADOWY ROZDZIA SPIS TRE CI KATALOG KSI EK KATALOG ONLINE ZAMÓW DRUKOWANY KATALOG Statystyka matematyczna w Excelu dla szkó³. Æwiczenia praktyczne Autor: Andrzej Obecny ISBN: 83-7197-711-5 Format:

Bardziej szczegółowo

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć Katalog wymagań programowych na poszczególne stopnie szkolne Matematyka. Poznać, zrozumieć Kształcenie w zakresie podstawowym. Klasa 3 Poniżej podajemy umiejętności, jakie powinien zdobyć uczeń z każdego

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

Analiza wyników egzaminu maturalnego z matematyki na poziomowe podstawowym

Analiza wyników egzaminu maturalnego z matematyki na poziomowe podstawowym Analiza wyników egzaminu maturalnego z matematyki na poziomowe podstawowym Do egzaminu maturalnego w II Liceum Ogólnokształcącego im. Mikołaja Kopernika w Cieszynie z matematyki na poziomie podstawowym

Bardziej szczegółowo

Analiza wyników egzaminacyjnych 2013

Analiza wyników egzaminacyjnych 2013 Analiza wyników egzaminacyjnych 2013 z wykorzystaniem wskaźników edukacyjnej wartości dodanej (EWD) 1. Zestawienie ogólne wskaźników EWD dla egzaminu 2013 Wskaźniki EWD dla tegorocznego egzaminu gimnazjalnego

Bardziej szczegółowo

Gimnastyka artystyczna

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

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)

Bardziej szczegółowo

SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Pojęcie i metody badań statystycznych PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY W LUBLINIE WYŻSZA

Bardziej szczegółowo

Ćwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide.

Ćwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide. Ćwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide. 1. Załóż we własnym folderze podfolder o nazwie cw2 i przekopiuj do niego plik

Bardziej szczegółowo

Analiza wyników egzaminu gimnazjalnego 2013 r. Test matematyczno-przyrodniczy (matematyka) Test GM-M1-132

Analiza wyników egzaminu gimnazjalnego 2013 r. Test matematyczno-przyrodniczy (matematyka) Test GM-M1-132 Analiza wyników egzaminu gimnazjalnego 2013 r. Test matematyczno-przyrodniczy (matematyka) Test GM-M1-132 Zestaw zadań z zakresu matematyki posłużył w dniu 24 kwietnia 2013 roku do sprawdzenia u uczniów

Bardziej szczegółowo

WSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA

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

Bardziej szczegółowo

Statystyka opisowa. dr inż. Aleksandra Czupryna-Nowak 1

Statystyka opisowa. dr inż. Aleksandra Czupryna-Nowak 1 Statystyka opisowa Zad 1 Obliczyć średnią wydajność robotnika, jeżeli wiadomo że: a) pracował 40 minut z wydajnością 90 szt/h oraz 20 minut z wydajnością 120 szt/h, b) wyprodukował 30 detali z wydajnością

Bardziej szczegółowo

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych

Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Zakład Ubezpieczeń Społecznych Departament Statystyki i Prognoz Aktuarialnych Struktura wysokości emerytur i rent wypłacanych przez ZUS po waloryzacji w marcu 2014 roku. Warszawa 2014 Opracowała: Ewa Karczewicz

Bardziej szczegółowo

Wykrywanie nietypowości w danych rzeczywistych

Wykrywanie nietypowości w danych rzeczywistych Wykrywanie nietypowości w danych rzeczywistych dr Agnieszka NOWAK-BRZEZIŃSKA, mgr Artur TUROS 1 Agenda 1 2 3 4 5 6 Cel badań Eksploracja odchyleń Metody wykrywania odchyleń Eksperymenty Wnioski Nowe badania

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Tytuł: GRAPHER Podręcznik użytkownika ISBN: 9788393908806 Autor: Zbigniew Galon Rok wydania: 2014 Stron: 500 Wydawca: Gambit COiS Sp. z o.o.

Tytuł: GRAPHER Podręcznik użytkownika ISBN: 9788393908806 Autor: Zbigniew Galon Rok wydania: 2014 Stron: 500 Wydawca: Gambit COiS Sp. z o.o. Tytuł: GRAPHER Podręcznik użytkownika ISBN: 9788393908806 Autor: Zbigniew Galon Rok wydania: 2014 Stron: 500 Wydawca: Gambit COiS Sp. z o.o. GRAPHER. Podręcznik użytkownika Spis treści: GRAPHER. Podręcznik

Bardziej szczegółowo

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.)

Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. 2 godz. = 76 godz.) Rozkład materiału z matematyki dla II klasy technikum zakres podstawowy I wariant (38 tyg. godz. = 76 godz.) I. Funkcja i jej własności.4godz. II. Przekształcenia wykresów funkcji...9 godz. III. Funkcja

Bardziej szczegółowo

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń

Bardziej szczegółowo

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74 3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0 ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0 Przeznaczenie Sylabusa Dokument ten zawiera szczegółowy Sylabus dla modułu ECDL/ICDL Użytkowanie baz danych. Sylabus opisuje zakres wiedzy

Bardziej szczegółowo

Zamiana reprezentacji wektorowej na rastrową - rasteryzacja

Zamiana reprezentacji wektorowej na rastrową - rasteryzacja MODEL RASTROWY Siatka kwadratów lub prostokątów stanowi elementy rastra. Piksel - pojedynczy element jest najmniejszą rozróŝnialną jednostką powierzchniową, której własności są opisane atrybutami. Model

Bardziej szczegółowo

Tom 4 Prace analityczne

Tom 4 Prace analityczne Diagnostyka Stanu Nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 15 czerwca 2012 Historia dokumentu Nazwa dokumentu Nazwa pliku Tom 4 Prace analityczne,, Diagnostyka Stanu Nawierzchni

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Plan wynikowy klasa 3

Plan wynikowy klasa 3 Plan wynikowy klasa 3 Przedmiot: matematyka Klasa 3 liceum (technikum) Rok szkolny:........................ Nauczyciel:........................ zakres podstawowy: 28 tyg. 3 h = 84 h (78 h + 6 h do dyspozycji

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

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

Bardziej szczegółowo

STATYSTYKA. Poziom podstawowy

STATYSTYKA. Poziom podstawowy STATYSTYKA Poziom podstawowy Zadanie (8 pkt.) Histogram obrazuje utarg stacji benzynowej w ciągu tygodnia. a) Którego dnia stacja była zamknięta? b) Którego dnia sprzedano więcej benzyny niż w czwartek?

Bardziej szczegółowo

KOMPUTEROWO WSPOMAGANA ANALIZA JAKOŚCI WYROBÓW NA PRZYKŁADZIE MASZYN TECHNOLOGICZNYCH

KOMPUTEROWO WSPOMAGANA ANALIZA JAKOŚCI WYROBÓW NA PRZYKŁADZIE MASZYN TECHNOLOGICZNYCH KOMPUTEROWO WSPOMAGANA ANALIZA JAKOŚCI WYROBÓW NA PRZYKŁADZIE MASZYN TECHNOLOGICZNYCH Józef GAWLIK, Anna KIEŁBUS Streszczenie: Ciągłe doskonalenie i dopasowywanie się do oczekiwań jakościowych klientów

Bardziej szczegółowo

Matlab, zajęcia 3. Jeszcze jeden przykład metoda eliminacji Gaussa dla macierzy 3 na 3

Matlab, zajęcia 3. Jeszcze jeden przykład metoda eliminacji Gaussa dla macierzy 3 na 3 Matlab, zajęcia 3. Pętle c.d. Przypomnijmy sobie jak działa pętla for Możemy podać normalnie w Matlabie t=cputime; for i=1:20 v(i)=i; e=cputime-t UWAGA: Taka operacja jest bardzo czasochłonna i nieoptymalna

Bardziej szczegółowo

BUDOWA MODELU SCORINGOWEGO DO E-POŻYCZKI Z WYKORZYSTANIEM NARZĘDZI STATISTICA

BUDOWA MODELU SCORINGOWEGO DO E-POŻYCZKI Z WYKORZYSTANIEM NARZĘDZI STATISTICA BUDOWA MODELU SCORINGOWEGO DO E-POŻYCZKI Z WYKORZYSTANIEM NARZĘDZI STATISTICA Kamila Karnowska i Katarzyna Cioch, SKOK im. Franciszka Stefczyka Wykorzystanie metod scoringowych do oceny punktowej klientów

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

ANALITYK DANYCH Kto to jest analityk danych? Na czym polega praca analityka danych?

ANALITYK DANYCH Kto to jest analityk danych? Na czym polega praca analityka danych? ANALITYK DANYCH Kto to jest analityk danych? Współczesny świat oraz nowoczesna gospodarka bazują w znacznej mierze na umiejętności analizy i opracowywania napływających danych. Działania te są niezbędne

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

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

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

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

Bardziej szczegółowo

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą

WYMAGANIE EDUKACYJNE Z MATEMATYKI W KLASIE II GIMNAZJUM. dopuszczającą dostateczną dobrą bardzo dobrą celującą 1. Statystyka odczytać informacje z tabeli odczytać informacje z diagramu 2. Mnożenie i dzielenie potęg o tych samych podstawach 3. Mnożenie i dzielenie potęg o tych samych wykładnikach 4. Potęga o wykładniku

Bardziej szczegółowo

ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ

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

Bardziej szczegółowo

Planimetria 1 12 godz.

Planimetria 1 12 godz. Planimetria 1 1 godz. Funkcje trygonometryczne kąta ostrego 1 definicje funkcji trygonometrycznych kąta ostrego wartości funkcji trygonometrycznych kątów 30º, 45º, 60º Trygonometria zastosowania Rozwiązywanie

Bardziej szczegółowo

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się.

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się. 1 Wstęp Będziemyrozważaćgeneratorytypux n+1 =f(x n,x n 1,...,x n k )(modm). Zakładamy,żeargumentamifunkcjifsąliczbycałkowitezezbioru0,1,...,M 1. Dla ustalenia uwagi mogą to być generatory liniowe typu:

Bardziej szczegółowo

Studia podyplomowe w zakresie przetwarzanie, zarządzania i statystycznej analizy danych

Studia podyplomowe w zakresie przetwarzanie, zarządzania i statystycznej analizy danych Studia podyplomowe w zakresie przetwarzanie, zarządzania i statystycznej analizy danych PRZEDMIOT (liczba godzin konwersatoriów/ćwiczeń) Statystyka opisowa z elementami analizy regresji (4/19) Wnioskowanie

Bardziej szczegółowo

ANALIZA WYNIKÓW EGZAMINU GIMNAZJALNEGO w GIMNAZJUM nr 1 KWIECIEŃ 2012. WYNIKI ZESTAWU W CZĘŚCI matematycznej

ANALIZA WYNIKÓW EGZAMINU GIMNAZJALNEGO w GIMNAZJUM nr 1 KWIECIEŃ 2012. WYNIKI ZESTAWU W CZĘŚCI matematycznej ANALIZA WYNIKÓW EGZAMINU GIMNAZJALNEGO w GIMNAZJUM nr 1 KWIECIEŃ 2012 WYNIKI ZESTAWU W CZĘŚCI matematycznej Dane statystyczne o uczniach (słuchaczach) przystępujących do egzaminu gimnazjalnego Liczbę uczniów

Bardziej szczegółowo

System dokładnosci (ISO/DIS 15197) (wg miedzynarodowych standardow)

System dokładnosci (ISO/DIS 15197) (wg miedzynarodowych standardow) IDT-1245-IE -- CareSens N (A) vs. YSI 2300 -- Dokument: 1245_A_CareSensN_Sys_acc2_Y_130325.xls acc_report System dokładnosci (ISO/DIS 15197) (wg miedzynarodowych standardow) System testowany: System odniesienia:

Bardziej szczegółowo

TABELE I WYKRESY W EXCELU I ACCESSIE

TABELE I WYKRESY W EXCELU I ACCESSIE TABELE I WYKRESY W EXCELU I ACCESSIE 1. Tabele wykonane w Excelu na pierwszych ćwiczeniach Wielkość prób samce samice wiosna/lato 12 6 jesień 6 7 zima 10 9 Średni ciężar osobnika SD ciężaru osobnika samce

Bardziej szczegółowo