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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego, szeregu rozdzielczego punktowego oraz szeregu przedziałowego. Na wstępie przypomnijmy i usystematyzujmy wiedzę dotyczącą zasad budowy szeregu rozdzielczego przedziałowego. Poszczególne etapy budowy szeregu rozdzielczego omówimy na przykładzie. Załóżmy, że dysponujemy danymi pochodzącymi z pewnej obserwacji: 96, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,397 91, , , , , , , , , , , , , , , , , ,58853 W pierwszym kroku należy wyznaczyć wartość najmniejszą oraz największą występujące wśród naszych obserwacji. Przy pomocy popularnego arkusza kalkulacyjnego Excel możemy tego dokonać za pomocą funkcji min max. W naszym przypadku, mamy x min =10,76849 x max =108,7026. W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

2 Ewentualnie można wykorzystać pomocniczą tabelkę: liczba obserwacji (N) liczba przedziałów (k) W rozważanym przez nas przypadku n=120. Mamy zatem kilka możliwości na ustalenie liczby przedziałów: Natomiast na podstawie tabelki liczba przedziałów powinna być pomiędzy 9 a 12. Wybierzmy zatem, że k=10. Po ustaleniu liczby przedziałów należy obliczyć rozpiętość danych W celu zwiększenia przejrzystości zapisu, możemy dokonać pewnych drobnych modyfikacji, a mianowicie, przyjmiemy, że rozpiętość wynosi 100, natomiast x min =10. Dzięki tej drobnej modyfikacji otrzymamy całkowitoliczbowe końce przedziałów, co w znaczący sposób uprości nam obliczenia. Dysponując rozpiętością r oraz liczbą przedziałów k możemy wyznaczyć długość poszczególnych przedziałów Zazwyczaj długości poszczególnych przedziałów są takie same. W szczególnych przypadkach skrajne przedziały mogą mieć inną ( większą) długość niż pozostałe. Możemy już teraz określić końce przedziałów oraz zliczyć ile elementów znajduje się w każdym z przedziałów. Otrzymujemy następującą tabelkę:

3 przedział n i Do obliczania liczby wystąpień w programie Excel można wykorzystać funkcję macierzową częstość. Pierwszą z rozpatrywanych przez nas miar będzie wskaźnik struktury jest to stosunek liczby jednostek o danej wartości do wszystkich obserwacji W rozważanym przez nas przypadku mamy przedział n i /120=0, /120=0, /120=0, /120=0, , /120=0, /120=0, /120=0, /120=0, /120=0,1 Jest oczywiste, że wskaźniki struktury powinny sumować się do jedności.

4 Miary przeciętne (położenia) charakteryzują zbiorowość statystyczną niezależnie od różnic występujących między poszczególnymi jednostkami wchodzącymi w jej skład. Dokonują one charakterystyki podobieństw zbiorowości ze względu na wyróżnioną cechę zmienną. Podział miar położenia: klasyczne o średnia arytmetyczna (zwykła, ważona), o średnia chronologiczna, o średnia harmoniczna, o średnia geometryczna, pozycyjne o dominanta, o kwantyle, kwartyle (kwartyl pierwszy, mediana, kwartyl trzeci), decyle, percentyle (centyle). Średnie klasyczne obliczane są na podstawie wartości wszystkich jednostek badawczych, ukazując średni poziom cechy w zbiorowości. Spełniają on następującą zależność i nie muszą (choć mogą) pokrywać się w pewną wartością badanej cechy. Najbardziej popularna jest średnia arytmetyczna. Charakteryzuje ona średni (przeciętny) poziom cechy zmiennej w zbiorowości. Robi to tym lepiej, im mniejsze jest zróżnicowanie między wartościami badanej zmiennej (wartości skrajne mogą bowiem zniekształcić rezultat obliczeń). Sposób obliczania średniej arytmetycznej jest uzależniony od sposobu prezentacji danych W przypadku szeregu prostego (wyliczającego) mamy W przypadku szeregu punktowego wzór ten przyjmuje postać W przypadku szeregu przedziałowego mamy

5 gdzie oznacza środek i-tego przedziału. Średnia chronologiczna stosowana jest dla szeregów momentów, tzn. do wyznaczania przeciętnego poziomu zjawiska obserwowanego w różnych momentach czasu i dana jest wzorem Średnia harmoniczna z dodatnich liczb zadana jest wzorem Średnia geometryczna dana jest wzorem Średnie pozycyjne (miary pozycyjne) oparte są na wartościach cechy zmiennej wybranych jednostek zbiorowości charakteryzujących się szczególnym położeniem. Można je dokładnie wyznaczyć w szeregach prostych (wyliczających) i rozdzielczych jednostopniowych punktowych), natomiast w szeregach rozdzielczych wielostopniowych (przedziałowych) można wskazać jedynie przedział, w którym znajduje się przeciętna pozycyjna, a następnie oszacować jej wartości przy wykorzystaniu wzoru interpolacyjnego. Dominanta to wartość cechy zmiennej, która występuje najczęściej w badanej zbiorowości (wartość dominująca). Sposób wyznaczania dominanty: szereg prosty (wyliczający) wyznaczenie dominanty polega na wskazaniu najczęściej powtarzającej się wartości cechy zmiennej, szereg rozdzielczy jednostopniowy (punktowy) wyznaczenie dominanty polega na wskazaniu wartości cechy zmiennej, której odpowiada maksymalna liczebność, szereg rozdzielczy wielostopniowy (przedziałowy) wyznaczenie dominanty

6 polega na wskazaniu przedziału, w którym znajduje się dominanta (przedział o największej liczebności), a następnie oszacowaniu jej wartości w oparciu o wzór interpolacyjny gdzie lewy koniec przedziału zawierającego dominantę liczebność przedziału z dominantą liczebność przedziału poprzedzającego przedział z dominantą liczebność przedziału następującego po przedziale z dominantą długość przedziału z dominantą. Kwartyle Kwantyle to wartości cechy zmiennej, które dzielą badaną zbiorowość na określone części pod względem liczby jednostek. Wyróżnia się kwartyle dzielące zbiorowość na cztery części, decyle dzielące zbiorowość na 10 części oraz percentyle (centyle) dzielące zbiorowość na 100 części. Mediana (kwartyl drugi) to wartość cechy zmiennej, która dzieli badaną zbiorowość na dwie części w taki sposób, że połowa jednostek zbiorowości charakteryzuje się wartościami nie wyższymi, a połowa nie niższymi od mediany. Sposoby wyznaczania mediany: W szeregu prostym (wyliczającym) { ( ) ( ) ( ) gdzie oznacza k-ty wyraz w uporządkowanym niemalejąco ciągu obserwacji. Powyższy wzór pozostaje również słuszny dal szeregu rozdzielczego punktowego. W przypadku szeregu przedziałowego mamy nieco bardziej skomplikowany wzór: gdzie

7 lewy koniec przedziału z medianą numer przedziału z medianą liczebność przedziału z medianą długość przedziału z medianą. W analogiczny sposób wyznacza się kwartyle, w tym wypadku dla szeregu przedziałowego mamy wzory gdzie lewy koniec przedziału z kwartylem pierwszym liczebność przedziału z kwartylem pierwszym numer przedziału z kwartylem pierwszym długość przedziału z kwartylem pierwszym lewy koniec przedziału z kwartylem trzecim liczebność przedziału z kwartylem trzecim numer przedziału z kwartylem trzecim długość przedziału z kwartylem trzecim Miary zmienności Miary zmienności (dyspersji) charakteryzują zbiorowość statystyczną, uwzględ-niając różnice między poszczególnymi jednostkami wchodzącymi w jej skład. Dokonują one charakterystyki stopnia zróżnicowania zbiorowości ze względu na wyróżnioną cechę zmienną. Podział miar zmienności: klasyczne: o wariancja, o odchylenie standardowe, o typowy obszar zmienności, o klasyczny współczynnik zmienności;

8 pozycyjne: o rozstęp, o odchylenie ćwiartkowe, o kwartylowy obszar zmienności, o kwartylowy współczynnik zmienności. Klasyczne miary zmienności liczone są na podstawie wartości cechy zmiennej wszystkich jednostek badanej zbiorowości, ukazując jednocześnie różnice między wartościami badanej cechy dla poszczególnych jednostek, a wartością centralną (zazwyczaj średnią arytmetyczną). Wariancja (drugi moment centralny) Wariancja to średnia arytmetyczna z kwadratów odchyleń poszczególnych wartości cechy od średniej arytmetycznej tej cechy. Jest ona stosowana przy konstrukcji wielu parametrów, ale jej wyniku nie interpretuje się. Sposób obliczania wariancji: Szereg prosty: Szereg rozdzielczy punktowy: Szereg przedziałowy: Odchylenie standardowe jest bezwzględną miarą zróżnicowania, która informuje, o ile przeciętnie poszczególne jednostki badanej zbiorowości różnią się pod względem cechy zmiennej (in plus lub in minus) od średniej arytmetycznej tej zmiennej. Odchylenie jest pierwiastkiem kwadratowym z wariancji. Typowy obszar zmienności. Jeżeli rozkład cechy w zbiorowości jest normalny, to w granicach typowego obszaru zmienności mieści się około 2/3 jednostek badanej zbiorowości.

9 Klasyczny współczynnik zmienności Klasyczny współczynnik zmienności jest względną miarą zróżnicowania, która informuje o sile zróżnicowania badanej zbiorowości pod względem cechy zmiennej oraz umożliwia ocenę średniej arytmetycznej. Im wartość współczynnika jest wyższa, tym zróżnicowanie jest silniejsze, i odwrotnie. Pozycyjne miary zmienności oparte są na wartościach cechy zmiennej wybranych jednostek zbiorowości charakteryzujących się szczególnym położeniem. Zazwyczaj są obliczane wtedy, gdy niemożliwe lub niewskazane jest wykorzystanie miar klasycznych. Rozstęp (empiryczny obszar zmienności) Rozstęp określa całkowitą zmienność wartości badanej cechy i tym samym służy wstępnej ocenie dyspersji gdzie: x min minimalna wartość cechy zmiennej, x max maksymalna wartość cechy zmiennej. Odchylenie ćwiartkowe jest bezwzględną miarą zróżnicowania, która określa przeciętne zróżnicowanie połowy jednostek zbiorowości jednostek środkowych, czyli skupionych wokół mediany (po odrzuceniu 25% jednostek o najniższych wartościach cechy zmiennej i 25% jednostek o wartościach najwyższych) gdzie: Q 1 kwartyl pierwszy, Q 3 kwartyl trzeci. Kwartylowy obszar zmienności W granicach kwartylowego obszaru zmienności mieści się 50% jednostek badanej zbiorowości

10 Kwartylowy współczynnik zmienności Kwartylowy współczynnik zmienności jest względną miarą zróżnicowania, która informuje o sile zróżnicowania badanej zbiorowości pod względem cechy zmiennej oraz umożliwia ocenę mediany. Im wartość współczynnika jest wyższa, tym zróżnicowanie jest silniejsze, i odwrotnie.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych

Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych Dorota Pekasiewicz Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych Dorota

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

Rozdział 1. Analiza Struktury. Jan Żółtowski. Problem 1.1. Lp. Pytanie Odpowiedź

Rozdział 1. Analiza Struktury. Jan Żółtowski. Problem 1.1. Lp. Pytanie Odpowiedź Rozdział 1 Analiza Struktury Jan Żółtowski Problem 1.1 Kuratorium w Łodzi postanowiło ocenić wpływ warunków szkolnych i pozaszkolnych na wyniki uczniów piszących próbną EMaturę z matematyki 1. W badaniu

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

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

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

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

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

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

Rozkład łatwości zadań

Rozkład łatwości zadań Klasa 3a średnia klasy: 22.52 pkt średnia szkoły: 21.93 pkt średnia ogólnopolska: 14.11 pkt Rozkład łatwości zadań 1 0.9 0.8 0.7 0.6 łatwość 0.5 0.4 0.3 0.2 0.1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

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

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

Statystyczna analiza danych

Statystyczna analiza danych Statytyka. v.0.9 egz mgr inf nietacj Statytyczna analiza danych Statytyka opiowa Szereg zczegółowy proty monotoniczny ciąg danych i ) n uzykanych np. w trakcie pomiaru lub za pomocą ankiety. Przykłady

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

ANALIZA SPRZEDAŻY: - rozproszenia

ANALIZA SPRZEDAŻY: - rozproszenia KOŁO NAUKOWE CONTROLLINGU UNIWERSYTET ZIELONOGÓRSKI ANALIZA SPRZEDAŻY: - rozproszenia - koncentracji - sezonowości Spis treści Wstęp... 3 Analiza rozproszenia sprzedaży... 4 Analiza koncentracji sprzedaży...

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

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

Statystyczna analiza danych

Statystyczna analiza danych Statystyczna analiza danych Marek Ptak 21 października 2013 Marek Ptak Statystyka 21 października 2013 1 / 70 Część I Wstęp Marek Ptak Statystyka 21 października 2013 2 / 70 LITERATURA A. Łomnicki, Wprowadzenie

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

1 Praktyczne metody wyznaczania podstawowych miar przy zastosowaniu programu EXCEL

1 Praktyczne metody wyznaczania podstawowych miar przy zastosowaniu programu EXCEL Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 9.03.2014-3 godziny ćwiczeń autor: Adam Kiersztyn 1 Praktyczne metody wyznaczania podstawowych miar

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

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

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

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -

Bardziej szczegółowo

Statystyka opisowa w Excelu dla szkó³. Æwiczenia praktyczne

Statystyka opisowa w Excelu dla szkó³. Æwiczenia praktyczne IDZ DO PRZYK ADOWY ROZDZIA KATALOG KSI EK ZAMÓW DRUKOWANY KATALOG TWÓJ KOSZYK CENNIK I INFORMACJE ZAMÓW INFORMACJE O NOWOŒCIACH ZAMÓW CENNIK CZYTELNIA SPIS TREŒCI KATALOG ONLINE DODAJ DO KOSZYKA FRAGMENTY

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

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

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

SYLABUS. Nazwa jednostki prowadzącej przedmiot Wydział Socjologiczno-Historyczny Katedra Politologii

SYLABUS. Nazwa jednostki prowadzącej przedmiot Wydział Socjologiczno-Historyczny Katedra Politologii Rzeszów, 1 październik 014 r. SYLABUS Nazwa przedmiotu Statystyka i demografia Nazwa jednostki prowadzącej przedmiot Wydział Socjologiczno-Historyczny Katedra Politologii Kod przedmiotu MK_8 Studia Kierunek

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

MIARY NIERÓWNOŚCI. 6. Miary oparte na kwantylach rozkładu dochodu

MIARY NIERÓWNOŚCI. 6. Miary oparte na kwantylach rozkładu dochodu MIARY NIERÓWNOŚCI Charakterystyka miar nierówności 2 Własności miar nierówności 3 Miary nierówności oparte o funkcję Lorenza 3 Współczynnik Giniego 32 Współczynnik Schutza 4 Miary nierówności wykorzystujące

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

KARTA INFORMACYJNA PRZEDMIOTU

KARTA INFORMACYJNA PRZEDMIOTU Uniwersytet Rzeszowski WYDZIAŁ KIERUNEK Matematyczno-Przyrodniczy Fizyka techniczna SPECJALNOŚĆ RODZAJ STUDIÓW stacjonarne, studia pierwszego stopnia KARTA INFORMACYJNA PRZEDMIOTU NAZWA PRZEDMIOTU WG PLANU

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

Klasa 1 LO. Wymagania wraz z przykładowymi zadaniami na ocenę dopuszczającą

Klasa 1 LO. Wymagania wraz z przykładowymi zadaniami na ocenę dopuszczającą Klasa LO Wymagania wraz z przykładowymi zadaniami na ocenę dopuszczającą ZBIÓR I PODZBIOR DZIAŁANIA NA ZBIORACH I W ZBIORACH Przykładowe zadania: potrafi określić rodzaj liczby (N, C, W, NW, R) ) Ze zbioru

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

MATeMAtyka 3. Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony

MATeMAtyka 3. Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony Agnieszka Kamińska, Dorota Ponczek MATeMAtyka 3 Propozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych Zakres podstawowy i rozszerzony Wyróżnione zostały następujące wymagania

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

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

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

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

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU Katedra Technik Wytwarzania i Automatyzacji METROLOGIA I KONTKOLA JAKOŚCI - LABORATORIUM TEMAT: STATYSTYCZNA KONTROLA PROCESU 1. Cel ćwiczenia Zapoznanie studentów z podstawami wdrażania i stosowania metod

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Wydział Badań i Ewaluacji CKE. Warszawa, listopad 2007. Wydanie 2., uzupełnione

Wydział Badań i Ewaluacji CKE. Warszawa, listopad 2007. Wydanie 2., uzupełnione ANALIZA I INTERPRETACJA WYNIKÓW OCENIANIA I EGZAMINOWANIA Wydział Badań i Ewaluacji CKE Warszawa, listopad 7 Wydanie., uzupełnione ANALIZA I INTERPRETACJA WYNIKÓW OCENIANIA I EGZAMINOWANIA Opracowanie:

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

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

Test lewostronny dla hipotezy zerowej:

Test lewostronny dla hipotezy zerowej: Poznajemy testowanie hipotez statystycznych w środowisku R Zajęcia z dnia 11 maja 2011 roku Najpierw teoria TESTY ISTOTNOŚCI WARTOŚCI ŚREDNIEJ W POPULACJI GENERALNEJ gdy znana jest wariancja!!! Test prawostronny

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

Statystyczne sterowanie procesem

Statystyczne sterowanie procesem Statystyczne sterowanie procesem SPC (ang. Statistical Process Control) Trzy filary SPC: 1. sporządzenie dokładnego diagramu procesu produkcji; 2. pobieranie losowych próbek (w regularnych odstępach czasu

Bardziej szczegółowo

DZIAŁ I: LICZBY I DZIAŁANIA Ocena dostateczna. Ocena dobra. Ocena bardzo dobra (1+2) (1+2+3+4) Uczeń: (1+2+3) Uczeń: określone warunki

DZIAŁ I: LICZBY I DZIAŁANIA Ocena dostateczna. Ocena dobra. Ocena bardzo dobra (1+2) (1+2+3+4) Uczeń: (1+2+3) Uczeń: określone warunki MATEMATYKA KLASA I I PÓŁROCZE -wyróżnia liczby naturalne, całkowite, wymierne -zna kolejność wykonywania działań -rozumie poszerzenie osi liczbowej na liczby ujemne -porównuje liczby wymierne -zaznacza

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

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

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Metody statystyki medycznej stosowane w badaniach klinicznych

Metody statystyki medycznej stosowane w badaniach klinicznych Metody statystyki medycznej stosowane w badaniach klinicznych Statistics for clinical research & post-marketing surveillance część I Program szkolenia część I Wprowadzenie Podstawowe pojęcia statystyczne

Bardziej szczegółowo

GIMNAZJUM WYMAGANIA NA POSZCZEGÓLNE OCENY Z MATEMATYKI

GIMNAZJUM WYMAGANIA NA POSZCZEGÓLNE OCENY Z MATEMATYKI GIMNAZJUM WYMAGANIA NA POSZCZEGÓLNE OCENY Z MATEMATYKI Klasa I Liczby i działania wskazać liczby naturalne, całkowite, wymierne zaznaczyć liczbę wymierną na osi liczbowej podać liczbę przeciwną do danej

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

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

RAPORT WYNIKÓW MATURALNYCH PRZEDMIOTY OBOWIĄZKOWE. szkoła województwo okręg kraj 59,46% 46,27% 45,33% 48% Średni wynik procentowy

RAPORT WYNIKÓW MATURALNYCH PRZEDMIOTY OBOWIĄZKOWE. szkoła województwo okręg kraj 59,46% 46,27% 45,33% 48% Średni wynik procentowy RAPORT WYNIKÓW MATURALNYCH PRZEDMIOTY OBOWIĄZKOWE 1. matematyka- 2014 2. 178 os. 3. Wyniki szkoły na tle: Wynik procentowy Wynik staninowy szkoła województwo okręg kraj 59,46% 46,27% 45,33% 48% 5 5/6?

Bardziej szczegółowo

O ŚREDNIEJ STATYSTYCZNEJ

O ŚREDNIEJ STATYSTYCZNEJ O ŚREDNIEJ STATYSTYCZNEJ Ryszard Zieliński XII Międzynarodowe Warsztaty dla Młodych Matematyków Rachunek Prawdopodobieństwa i Statystyka Kraków, 20 26 IX 2009 r. WYNIKI OBSERWACJI X 1, X 2,..., X n WYNIKI

Bardziej szczegółowo

Myszyniec, dnia 27.10.2014 r.

Myszyniec, dnia 27.10.2014 r. Myszyniec, dnia 27.10.2014 r. Analiza wyników egzaminu gimnazjalnego w części matematyczno-przyrodniczej z zakresu matematyki przeprowadzonego w roku szkolnym 2013/2014 w Publicznym Gimnazjum w Myszyńcu

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

WYMAGANIA EDUKACYJNE Z MATEMATYKI / POZIOM PODSTAWOWY /

WYMAGANIA EDUKACYJNE Z MATEMATYKI / POZIOM PODSTAWOWY / WYMAGANIA EDUKACYJNE Z MATEMATYKI / POZIOM PODSTAWOWY / Wymagania konieczne (K) dotyczą zagadnień elementarnych, stanowiących swego rodzaju podstawę, zatem powinny być opanowane przez każdego ucznia. Wymagania

Bardziej szczegółowo

Temat: Arkusze kalkulacyjne. Program Microsoft Office Excel. Podstawy

Temat: Arkusze kalkulacyjne. Program Microsoft Office Excel. Podstawy Temat: Arkusze kalkulacyjne. Program Microsoft Office Excel. Podstawy Arkusz kalkulacyjny to program przeznaczony do wykonywania różnego rodzaju obliczeń oraz prezentowania i analizowania ich wyników.

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

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

Raport Testy Trenerskie. Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów

Raport Testy Trenerskie. Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów Raport Testy Trenerskie Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów W trakcie zgrupowań Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów, poddano zawodników Testom Trenerskim.

Bardziej szczegółowo

PODSTAWA PROGRAMOWA PRZEDMIOTU MATEMATYKA IV etap edukacyjny: liceum Cele kształcenia wymagania ogólne

PODSTAWA PROGRAMOWA PRZEDMIOTU MATEMATYKA IV etap edukacyjny: liceum Cele kształcenia wymagania ogólne PODSTAWA PROGRAMOWA PRZEDMIOTU MATEMATYKA IV etap edukacyjny: liceum Cele kształcenia wymagania ogólne ZAKRES PODSTAWOWY ZAKRES ROZSZERZONY I. Wykorzystanie i tworzenie informacji. Uczeń używa języka matematycznego

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

STATYSTYKA W ADMINISTRACJI

STATYSTYKA W ADMINISTRACJI STATYSTYKA W ADMINISTRACJI Andrzej Malinowski Warszawa 2015 Stan prawny na 12 listopada 2014 r. Wydawca: Izabella Małecka Redaktor prowadzący: Joanna Ośka Opracowanie redakcyjne: Joanna Ośka Redakcja

Bardziej szczegółowo

OKRĘGOWA KOMISJA EGZAMINACYJNA W ŁODZI INFORMACJE O WYNIKACH UCZNIÓW ROZWIĄZUJĄCYCH ARKUSZE NIESTANDARDOWE

OKRĘGOWA KOMISJA EGZAMINACYJNA W ŁODZI INFORMACJE O WYNIKACH UCZNIÓW ROZWIĄZUJĄCYCH ARKUSZE NIESTANDARDOWE OKRĘGOWA KOMISJA EGZAMINACYJNA W ŁODZI INFORMACJE O WYNIKACH UCZNIÓW ROZWIĄZUJĄCYCH ARKUSZE NIESTANDARDOWE SPRAWDZIAN W ROKU 2009 SPIS TREŚCI 1. DANE STATYSTYCZNE UCZNIÓW ROZWIĄZUJĄCYCH DOSTOSOWANE ARKUSZE

Bardziej szczegółowo

Zarządzanie jakością ćwiczenia

Zarządzanie jakością ćwiczenia Zarządzanie jakością ćwiczenia mgr inż. Anna Wąsińska Zakład Zarządzania Jakością pok. 311 B1, tel. 320-42-82 anna.wasinska@pwr.wroc.pl Statystyczne sterowanie procesami SPC kontrolna Konsultacje: SO 13:00

Bardziej szczegółowo

Nowa podstawa programowa z matematyki ( w liceum od 01.09.2012 r.)

Nowa podstawa programowa z matematyki ( w liceum od 01.09.2012 r.) IV etap edukacyjny Nowa podstawa programowa z matematyki ( w liceum od 01.09.01 r.) Cele kształcenia wymagania ogólne ZAKRES PODSTAWOWY ZAKRES ROZSZERZONY I. Wykorzystanie i tworzenie informacji. Uczeń

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

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

Wymagania edukacyjne z matematyki

Wymagania edukacyjne z matematyki Wymagania edukacyjne z matematyki Klasa I - program Matematyka z plusem" Dział: LICZBY I DZIAŁANIA Poziom konieczny - ocena dopuszczająca porównywać liczby wymierne, zaznaczać liczby wymierne na osi liczbowej,

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

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007 Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja

Bardziej 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

Egzamin gimnazjalny 2015 część matematyczna

Egzamin gimnazjalny 2015 część matematyczna Egzamin gimnazjalny 2015 część matematyczna imię i nazwisko Kalendarz gimnazjalisty Tydz. Dział start 22.09 29 26.09 Przygotowanie do pracy zapoznanie się z informacjami na temat egzaminu gimnazjalnego

Bardziej szczegółowo

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2 Instytut Matematyczny Uniwersytet Wrocławski Zakres egzaminu magisterskiego Wybrane rozdziały anazlizy i topologii 1 i 2 Pojęcia, fakty: Definicje i pojęcia: metryka, iloczyn skalarny, norma supremum,

Bardziej szczegółowo

Ćwiczenia Skopiować do swojego folderu plik cwiczenia-kl.ii.xls, a następnie zmienić jego nazwę na imię i nazwisko ucznia

Ćwiczenia Skopiować do swojego folderu plik cwiczenia-kl.ii.xls, a następnie zmienić jego nazwę na imię i nazwisko ucznia Temat 23 : Poznajemy podstawy pracy w programie Excel. 1. Arkusz kalkulacyjny to: program przeznaczony do wykonywania różnego rodzaju obliczeń oraz prezentowania i analizowania ich wyników, utworzony (w

Bardziej szczegółowo

Wymagania edukacyjne klasa pierwsza.

Wymagania edukacyjne klasa pierwsza. Wymagania edukacyjne klasa pierwsza. TEMAT WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ 1. LICZBY I DZIAŁANIA Liczby Rozwinięcia dziesiętne liczb wymiernych Zaokrąglanie liczb. Szacowanie wyników Dodawanie

Bardziej szczegółowo

Wymagania eduka cyjne z matematyki

Wymagania eduka cyjne z matematyki Wymagania eduka cyjne z matematyki Klasa I - program Matematyka z plusem" Dział: LICZ B Y I DZIAŁANIA porównywać liczby wymierne, zaznaczać liczby wymierne na osi liczbowej, zamieniać ułamki zwykłe na

Bardziej szczegółowo