TECHNIKI DOBORU PRÓBY (SAMPLING)
|
|
- Maria Czech
- 8 lat temu
- Przeglądów:
Transkrypt
1 TECHNIKI DOBORU PRÓBY (SAMPLING) 1
2 DOBÓR PRÓBY (sampling) Etap badania obejmujący proces wyboru odpowiednich (moŝliwie jak najbardziej reprezentatywnych) elementów populacji do badań pozwalający na generalizowanie z wystarczająco wysoką pewnością uzyskanych wyników na całą populację, bez konieczności badania wszystkich jej desygnatów. Procedura doboru próby odejmuje następujące kroki: 1. zdefiniowanie populacji 2. zdefiniowanie zakresu doboru próby 3. określenie techniki doboru próby 4. określenie wielkości próby 5. dobór elementów próby 6. zebranie danych wyznaczonych elementów 2
3 KIEDY STOSUJEMY DOBÓR PRÓBY? Nie jesteśmy w stanie przebadać całości stanowiącej jednostkę badań MoŜemy przebadać całość, ale jest to postępowanie nieefektywne lub nieekonomiczne (zbyt wysoki koszt badań) Gdy zaleŝy nam na wyraźnym określeniu pewności i dokładności naszych wyników, gdy chodzi nam o osiągnięcie reprezentatywności statystycznej Niekiedy sama metoda wymaga zastosowania doboru próby nie moŝna przeprowadzić sensownych badań eksperymentalnych bez doboru porównywalnych prób Niektóre rodzaje badań zakładają wielokrotny kontakt z jednostką badań. Wówczas by nie męczyć zbiorowości moŝemy dobierać z niej kilka porównywalnych prób 3
4 TERMINOLOGIA ZWIĄZANA Z DOBOREM PRÓBY Element: obiekt o którym zbieramy informacje i który dostarcza podstaw do analiz. W badaniach sondaŝowych to najczęściej ludzie lub typy ludzi (np. robotnicy), ale mogą być nimi takŝe rodziny, firmy, stowarzyszenia, tytuły prasowe itp. (np. Polacy, studenci UAM w Poznaniu) Populacja (Theoretical population): określony teoretycznie zbiór elementów badania wykazujących określone cechy; zbiór lub grupa na temat której chcemy generalizować (np. zbiorowość wszystkich ludzi mieszkających w Polsce; zbiorowość studentów socjologii UAM) Populacja badana (Study population): zbiór elementów, z którego próba jest faktycznie pobrana; Najczęściej jest to zbiór elementów o do których moŝemy zdobyć dostęp (np. osoby figurujące w spisach meldunkowych/ ksiąŝkach telefonicznych; lista studentów socjologii UAM Lista/operat (The Sampling Frame): lista dostępnej części populacji, z której jest pobierana próba (np. spis telefonów w ksiąŝce telefonicznej w przypadku sondaŝowych wywiadów telefonicznych) Próba (The Sample): część zbiorowości, której elementy dobierane są przy zachowaniu określonych zasad warunkujących zarówno liczbę owych elementów, jak i relację występującą pomiędzy próbą a populacją. Elementy wybrane do danych badań. Jednostka doboru próby: pojedynczy obiekt z populacji, z której będzie pobierana próba. Uwaga: obiekt nie zawsze równy jest osobie np. rodziny wielkomiejskich robotników, województwa, szkoły, gminy, gospodarstwa domowe. 4
5 RODZAJE DOBORU PRÓBY Probabilistyczny/ losowy - bardziej reprezentatywny niŝ inne rodzaje doboru próby - reprezentatywność statystyczna (oszacowana na podstawie rachunku prawdopodobieństwa) = moŝliwość matematycznego obliczenia poziomu błędu i poziomu dokładności oszacowań - wymaga wiedzy i kwalifikacji - stosunkowo wysokie koszty Nieprobabilistyczny/ nielosowy - mniejsza reprezentatywność niŝ przy doborze losowym - reprezentatywność typologiczna = niemoŝliwość matematycznego obliczenia poziomu błędu i poziomu dokładności oszacowań. Nigdy nie wiadomo w jakim stopniu skonstruowana próba odzwierciedla skład populacji. - łatwy do przeprowadzenia - stosunkowo niski koszt 5
6 NAJWAśNIEJSZE RODZAJE PRÓB NIEPROBABILISTYCZNYCH 1. dobór oparty na dostępności danych/ dobór wg wygody/ próba łatwego dostępu/próba wygodnościowa (accidental, haphazard or convenience sampling) 2. dobór kwotowy/udziałowy próba kwotowa (quota sampling); 3. dobór celowy (purposive sampling) 4. dobór ekspercki/ dobór próby złoŝonej z sędziów kompetentnych (export/judgemental sampling) 5. metoda kuli śnieŝnej (snowball sampling) 6. dobór parami 6
7 Ad.1. Dobór oparty na dostępności danych Dobór próby poprzez np. zatrzymywanie ludzi na ulicy lub w innym miejscu Uzasadniona gdy chcemy zbadać cechy osób przechodzących w określonych porach w danych miejscach lub gdy nie ma innych moŝliwości doboru jednostek badanych. Zalety: poręczność; niskie koszty realizacji Słabość: brak kontroli nad reprezentatywnością, nigdy nie mamy dowodu Ŝe próba jest reprezentatywna dla populacji 7
8 Ad 2.Dobór kwotowy/udziałowy Bierzemy pod uwagę kilka wybranych cech społecznodemograficznych i/lub konsumenckich głównie tych które znamy, do których moŝemy dotrzeć (najczęściej płeć, wiek, miejsce zamieszkania, wykształcenie). Tworzymy macierz/tabele uwzględniającą odpowiednie kwoty próby, proporcjonalne do rozkładu tych cech w zbiorowości generalnej. Gdy uwzględnia się kilka cech jednocześnie muszą być one poszukiwane w formie wiązanej KaŜda potencjalna osoba, która spełnia wyznaczone kryteria moŝe stać się respondentem. WaŜne - ankieter sam szuka osób, które odpowiadają załoŝonej konfiguracji cech (nie ma losowania!) Reprezentatywność doboru kwotowego nie jest mierzona poziomem istotności ani przedziałem ufności Słabe strony: osoby badane najczęściej pochodzą ze środowiska społecznego, z którego pochodzi ankieter; problem niedoborów przy tym doborze próby raczej nie ma niedoborów; cechy na podstawie których dokonano podziału kwotowego mogą być powiązane z przedmiotem badania tylko pośrednio 8
9 Ad.3.Dobór celowy/arbitralny Dopuszczalny gdy prowadzi się badania wybranych indywidualnych przypadków Nie musi być zachowany wymóg reprezentatywności; nierzadko poszukuje się jednostek/zbiorowości nietypowych w celu poznania ich problemów i faktów. Powinien być jednak znany stopień nietypowości badanych obiektów Badana zbiorowość powinna tworzyć całość społeczną, nie moŝe to być luźny agregat jednostek/grup Zbiorowość ta winna być takŝe względnie izolowana, samodzielna, pełna. Badanie winno określić stopień jej typowości 9
10 Ad.4. Dobór ekspercki Idea doboru próby podobna do doboru celowego Stosujemy przy niektórych odmianach FGI oraz przy tworzeniu narzędzi badawczych, np. skali Thurstone a. Istnieją zasadniczo dwa powody dla których wybieramy ten rodzaj doboru próby: 1. gdy chcemy poznać punkt widzenia jednostek posiadających doświadczenie i wiedzę w interesującej nas sferze 2. gdy chcemy dokonać oceny wiarygodności i trefności zastosowanej techniki lub narzędzia badawczego 10
11 Ad.5.Metoda kuli śniegowej Stosuje się ją przy badaniu sieci powiązań relacji międzyludzkich, tworzenia i funkcjonowania więzi sąsiedzkich towarzyskich oraz innych układów nieformalnych. Dopuszczalna, gdy trudno odszukać przedstawicieli jakiejś specyficznej populacji (np. bezdomni, nielegalni emigranci, homoseksualiści) Polega na realizacji wywiadów w poszczególnych badanych grupach, gdzie uzyskuje się informacje o innych respondentach wchodzących w skład sieci społecznych (kaŝda odszukana osoba podaje kolejne) Poznaje się wtedy naturalne kręgi, powiązania między jednostkami Wymaga dokładnej wiedzy o badanej populacji Dobór próby jest równoznaczny z samą realizacją badań 11
12 Rzadko stosowany Ad 6.Dobór parami Technika stosowana w badaniach eksperymentalnych oraz porównawczych Wybieramy dwie próby: eksperymentalną i kontrolną lub próby z dwóch zbiorów, pomiędzy którymi dokonuje się porównań ZróŜnicowanie wewnętrzne prób(proporcje) zaleŝy tutaj od zróŝnicowania populacji bądź celu badań 12
13 PROBABILISTYCZNY DOBÓR PRÓBY ZASADY I ZAŁOśENIA 1. Próba jest losowa gdy: a. kaŝda jednostka skończonej populacji generalnej niezaleŝnie od posiadanych cech - ma równą, dającą się obliczyć szansę na znalezienie się w próbie. b. próba posiada taką samą zmienność jak populacja 2. Jakość próby zaleŝna jest od jakości listy (operatu) z którego próba jest losowana 3. Prawidłowo wylosowana nieobciąŝona próba moŝe być reprezentatywna w róŝnym stopniu z powodu statystycznych fluktuacji. Skład próby nie odzwierciedla nigdy ściśle charakterystyki całej populacji. W doborze losowym moŝemy jednak obliczyć prawdopodobieństwo popełnienia błędu wynikającego z losowej natury próby. 13
14 RACHUNEK PRAWDOPODOBIEŃSTWA A DOBÓR LOSOWY PRÓBY Parametr: syntetyczny opis jakiejś zmiennej w populacji (np. rozkład wykształcenia Polaków lub miesięczna średnia zarobków dla jednego członka rodziny). Estymator parametru z populacji: jest to wielkość, dzięki której moŝna szacować rozkład danej cechy w populacji generalnej Statystyka z próby: rozkład cechy interesującej badacza, której wynik otrzymujemy po realizacji badań z przykładowo dobranej cechy (zmiennej); syntetyczny opis zmiennej w próbie. 14
15 Wiele tak dobranych prób tworzy rozkład zbliŝony do rozkładu normalnego: 15
16 Rachunek prawdopodobieństwa 1. mówi nam, Ŝe statystyki z prób są rozproszone wokół parametru w pewien znany sposób; prawdziwa wartość jest w pobliŝu 50% 2. Dostarcza wzoru dla oszacowania na ile blisko statystyki z określonych prób są skupione wokół prawdziwej wartości = pozwala oszacować tzw. błąd losowy z próby/ błąd statystyczny/ błąd standardowy/odchylenie standardowe rozkładu z prób 16
17 Ad1. Pewne frakcje estymatorów mieszczą się w określonych odległościach w 68% prób estymatory odchylają się +/- o 1 błąd statystyczny 95% prób mieści się w granicach +/- 2 błędów standardowych 99,7 % prób mieści się +/- w granicach 3 błędów standardowych 17
18 Ad2.Wzór na błąd losowy z próby σx odchylenie standardowe, które oblicza się wg następującego wzoru: x średnia parametru w próbie σ 2 rozproszenie populacji generalnej (wariancja) N - liczebność populacji generalnej n - liczebność próby 18
19 Z tego wzoru wynika, Ŝe wielkość błędu z próby jest funkcją parametru populacji i wielkości próby: σx jest tym większe, im większe σ 2. Im większa zgodność w populacji (brak zmienności) tym bardziej otrzymujemy takie same wartości estymatorów z kaŝdej próby. σx jest tym mniejsze im większe jest n, czyli gdy wielkość próby rośnie, próby skupiają się bliŝej prawdziwej wartości. By błąd z próby zmalał o połowę, trzeba 4 krotnie zwiększyć wielkość próby W przypadku kiedy próba stanowi małą część badanej zbiorowości wartości pod 2 pierwiastkiem moŝna pominąć 19
20 W przypadku wystarczająco licznej próby odpowiednią wartością szacunkową rozproszenia zbiorowości generalnej moŝe być rozproszenie w próbie 20
21 W przypadku cech dychotomicznych. rozproszenie z próby wynosi: s 2 = p (1-p) = p x q Przy czym p oznacza udział jednej wartości danej cechy, q udział drugiej wartości; σ p wynosi wówczas UWAGA: Wobec zmiennych jakościowych przyjmujących więcej niŝ dwie wartości stosuje się dychotomizację i wówczas p oznacza udział jednej wartości, q udział wszystkich pozostałych wartości 21
22 PRZYKŁAD 1 W reprezentatywnej próbie mieszkańców Poznania stwierdzamy, Ŝe średnia liczba lat nauki w szkole x wynosi 12, rozproszenie zaś s = 16, zatem po podstawieniu do wzoru σx = 0,1. Jest to szacunkowa wartość odchylenia dla wszystkich moŝliwych prób. Na tej podstawie moŝemy powiedzieć, Ŝe wartość rzeczywista z prawdopodobieństwem 68,3% mieści się w granicach 12 +/- 1x 0,1 a więc między 11,9 a 12,1, lub z prawdopodobieństwem 95,5% między 12 +/- 2 x 0,1 czyli pomiędzy 11,8 a 12,2, lub z prawdopodobieństwem 99,7% między 12 +/- 3 x 0,1 czyli pomiędzy 11,7 a 12,3. 22
23 PRZYKŁAD 2 ZałóŜmy, Ŝe poszukując odpowiedzi na pytanie, jaki procent ludności Wielkopolski woli szkoły publiczne, jaki zaś szkoły prywatne, posłuŝyliśmy się próbą n=100 i Ŝe 80 osób w tej próbie opowiedziało się za szkołami publicznymi, a 20 za szkołami prywatnymi. Wówczas: p = 0,8 q = 0,2 s 2 = p q = 0,16 PoniewaŜ z racji wielkości zbiorowości generalnej czynnik korygujący moŝna pominąć, więc σ p= 0,04. Z prawdopodobieństwem 99,9% moŝna więc stwierdzić, Ŝe rzeczywisty udział zwolenników szkół publicznych waha się w granicach 0,8 +/- 3 x 0,04, a więc między 68% a 92%. Przedział ufności jest tak wielki, poniewaŝ próba n=100 jest relatywnie mała. Przy próbie wynoszącej n=1600 udział ten moŝna z tym samym prawdopodobieństwem określić jako wahający się między 77% a 83%. 23
24 Jak obliczać niezbędną wielkość próby 24
25 We wzorze tym: n = poszukiwana wielkość próby t = współczynnik będący funkcją odpowiedniego poziomu istotności współczynnika ufności. Dla prawdopodobieństwa = 0,95 t=1,96 dla prawdopodobieństwa = 0,99 t=2,58. p = oszacowanie frakcji osób w danej populacji posiadających daną cechę 1-p = oszacowanie frakcji osób w danej populacji, nie posiadających danej cechy d = półprzedział ufności, a więc dopuszczalna przez nas róŝnica między parametrem populacji a statystyką próby (róŝnicę tę wyraŝamy w % lub 25 ułamkach np. 3% lub 0,03).
26 Przykład 3 Jak wielka powinna być próba, aby frakcje z niej uzyskane mogły być uogólnione na populację z prawdopodobieństwem 0,95 nie popełniania błędu większego niŝ +/- 3%? Tak więc próba niezbędna dla takich badań winna liczyć teoretycznie 1066 osób, zaś w praktyce winna ona się mieścić w przedziale od 1000 do 1100 osób. 26
27 Tablica niezbędnych wielkości próby przy p=0,50 dla współczynnika ufności 0,95.. Wielkość półprzedziału ufności d= Wielkość próby n przy współczynniku ufności = 0,95 (t=1,96 1% % % % 600 5% 384 6% 260 7% 244 8% 196 9% % 96 27
28 Tablica niezbędnych wielkości próby przy p=0,50 dla współczynnika ufności 0,99.. Wielkość półprzedziału ufności d= Wielkość próby n przy współczynniku ufności = 0,99 (t=2,58) 1% % % % % 666 6% 430 7% 340 8% 205 9% %
29 RODZAJE PROBABILISTYCZNEGO DOBORU PRÓBY A1. prosty dobór losowy (simple random sampling) A2. dobór systematyczny (systematic random sampling) A3. dobór warstwowo-losowy (stratificated random sampling) A4. dobór grupowy/gronowy/wiązkowy (cluster sampling) A5. losowanie wielostopniowe (multistage sampling) 29
30 A1.Prosty dobór losowy Dobry do badań masowych postaw, opinii, cech indywidualnych pobierany przy niewielkiej wiedzy o rzeczywistości badanej. Jest to sytuacja najbardziej poprawna statystycznie ( tylko wtedy moŝna stosować bez zastrzeŝeń reguły wnioskowania statystycznego) moŝe być stosowany nawet wówczas gdy dysponujemy jedynie wiedzą o liczebności populacji stosujemy wówczas kiedy mamy przekonanie o jednorodności badanej populacji ujmuje jednostki niepowiązane z sobą, wyrwane ze społecznego kontekstu wyłania mniej reprezentatywne próby niŝ dobory zwarstwowane; dokładność pomiaru zawsze zaleŝna od przedziału ufności +/- 2 błędy standardowe. Próba losowana z ponumerowanego operatu przy uŝyciu tablic liczb losowych lub komputera 30
31 Tablice liczb losowych 31
32 Przykład Dla populacji 100 osób zarejestrowanych w urzędzie bezrobotnych próba ma wynosić 10 osób Numerujemy owe osoby na operacie losowym od 001 do 100 i następnie wybieramy osoby posługując się zredukowaną tablicą liczb losowych Potem wybieramy poszukiwane 10 osób według schematu: * * * 010* * * * 053* * 007(2. raz) * 32
33 A.2. Dobór systematyczny dobór jej polega na włączeniu do badań co k-tej jednostki. Interwał losowania (k) uzyskuje się z ilorazu N/n, gdzie N jest równe liczebności populacji generalnej a n odpowiada wielkości próby. nie jest tutaj konieczne kolejne ponumerowanie operatu pierwszy element wybierany z uŝyciem tablic liczb losowych! próba taka jest najbardziej adekwatna w sytuacji, gdy operat jest uporządkowany według kryteriów nieznanych badaczowi łatwiejsza od losowej prostej (z tablic korzysta się tylko raz) próba jest rozłoŝona równomiernie wzdłuŝ całej populacji, co moŝe poprawiać reprezentatywność o ile cecha wg której uporządkowana jest lista ma związek z badaniem MoŜliwość wystąpienia zniekształceń, gdy 1. uporządkowanie jednostek w operacie wykazuje pewien trend; 2. interwał losowania współgra z cyklicznością ułoŝenia operatu 33
34 A3.Dobór warstwowo-losowy Stosujemy wówczas gdy populacja badana jest heterogeniczna dzieli się na wyraźnie wyodrębnione podzbiory Podzbiory te wydziela się w taki sposób, by elementy naleŝące do jednej grupy były do siebie bardziej podobne niŝ elementy naleŝące do populacji jako całości Celem badań jest przeprowadzenie analizy porównawczej miedzy warstwami i wyjaśnienie zaobserwowanych róŝnic Gdy badana zbiorowość jest wyraźnie zróŝnicowana i gdy jednocześnie niewielka uprzednia wiedza o badanej zbiorowości nie pozwala przeprowadzić bardziej skomplikowanych zabiegów przygotowawczych, poza jej podziałem na warstwy śadna z interesujących badacza grup nie zostanie pominięta KaŜda z grup będzie reprezentowana w próbie w sposób reprezentatywny Reprezentatywność próby przy uzasadnionym merytorycznie podziale na warstwy - będzie większa niŝ w prostej próbie losowej Istnieje moŝliwość nadreprezentacji wybranych warstw losowanie warstwowe z nierównym prawdopodobieństwem. Pamiętać trzeba jednak na poziomie analizy o zwaŝeniu uzyskanych odpowiedzi. Dobór warstwowo-losowy stanowi najskuteczniejsze narzędzie zmniejszania błędu statystycznego. W szerszym stopniu moŝliwe są teŝ analizy porównawcze 34
35 A3.a. Próba warstwowo-losowa z alokacja optymalną Liczebności jednostek losowanych z poszczególnych warstw są proporcjonalne do wewnętrznego zróŝnicowania tychŝe warstw. Zalety: Zwiększa się reprezentatywność próby Zmniejsza się liczebność próby Pozwala na wyodrębnienie frakcji o znanym wewnętrznie zróŝnicowaniu Pozwala na przeprowadzenie uzasadnionych analiz porównawczych 35
36 A4. Dobór grupowy/ gronowy/wiązkowy Podział populacji na szereg grup i losowanie spośród tych grup. Nie losujemy jednostek badania, ale losujemy grupy takich jednostek Następnie badamy wszystkie jednostki w wybranych grupach (d. g. jednostopniowy) lub dalej losujemy subgrupy (d.g.wielostopniowy) Celem jest by osoby naleŝące do tej samej próby miały większe szanse znalezienia się razem w próbie niŝ osoby z innych grup 36
37 GŁÓWNE TRUDNOŚCI SPOTYKANE PRZY DOBORZE PRÓBY 1. Nieaktualne i niekompletne operaty 2. Imienna próba osób, adresowa próba osób, grupa gospodarstw - róŝnice 3. Dopuszczalne przyczyny niezrealizowania wywiadu 4. Kategorie osób wykluczonych z badań kwestionariuszowych 5. WaŜenie odpowiedzi 37
38 Próba imienna osób Znane są dane personalne konkretnych osób z próby, wskazane jednoznacznie. Nie moŝna na jej miejsce wybrać kogoś innego Jeśli wylosowana osoba nie mieszka pod wskazanym adresem ankieter na własną rękę podejmuje próbę ustalenia aktualnego adresu. JeŜeli badany mieszka w rejonie badań ankietera, wówczas przeprowadza z nim wywiad; jeśli mieszka w innym rejonie, ankieter informuje instytut badawczy o tym a ten zleca wykonanie badania innemu ankieterowi 38
39 2 fazy doboru próby: 1. losowanie adresów gospodarstw domowych (realizuje instytut bad.) Próba adresowa osób 2. wybór respondenta spośród członków danego gospodarstwa domowego wg ustalonej z góry procedury (realizuje ankieter, ale jego rola jest bierna) * Wylosowanej osoby nie moŝna zastąpić inną. Procedury doboru w 2. fazie Formularz składu gospodarstwa domowego: Ankieter wpisuje rozpoczynając od osoby najstarszej, nadając im odpowiednie numery porządkowe. Za pomocą tablicy liczb losowych lub tzw. tablic Kischa zamieszczonych w formularzu dokonuje wyboru osoby. Wymóg ułoŝenia osób w formularzu wg instrukcji! Reguła ustalenia płci i wieku osób, spośród których wylosowany będzie badany. Wybór wg reguły decyzji np. jeśli respondenta wybieramy spośród 2 osób, 2 K- starsza K, 1 M i 1K K; 2 M młodszy M. RóŜni ankieterzy otrzymują róŝne wytyczne Reguła wyboru osoby która ostatnio obchodziła urodziny 39
40 Próba gospodarstw Jednostkami losowania nie osoby ale gospodarstwa domowe Czynna rola ankietera w doborze osób do badania Dopuszczalna zastępowalość osób spełniających kryteria doboru przez osoby spełniające je w mniejszym stopniu! Dobór wg wytycznych, np.: * głowa gospodarstwa * osoba dokonująca zakupów dóbr codziennego uŝytku * róŝne bloki pytań dla róŝnych osób (kompetencja w danej kwestii) * dowolna osoba z gospodarstwa domowego 40
41 Metoda ustalonej ścieŝki (random route) SłuŜy odnalezieniu mieszkania/domu z którego zostanie dobrany respondent do badań Punkt wyjścia ankieter posiada konkretny adres ( adres startowy ), na podstawie którego szukać będzie innego adresu wg ustalonej z góry procedurym np. do adresu startowego (ul. Jaśminowa 7) doliczyć 2 kolejne adresy (Jaśminowa 8 i 9) i pod drugim ustalonym adresem dobrać respondenta zgodnie z wytycznymi zapisanymi kwestionariuszu rekrutacyjnym. KaŜdy ankieter stosując się do wyznaczonej procedury powinien dobrać badanego pod tym samym adresem docelowym. Ankieterowi nie wolno zmieniać zasad doboru w trakcie realizacji badania. 41
42 Ad 3.DOPUSZCZALNE PRZYCZYNY NIEZREALIZOWANIA WYWIADU Nieistniejący adres wylosowanej osoby/gospodarstwa Błędne dane personalne wylosowanej osoby Wylosowana osoba nie Ŝyje Wylosowana osoba nie naleŝy do badanej zbiorowości Niedostępność badanej osoby w terminie realizacji badania Wyczerpanie wymaganej liczby prób skontaktowania się z wylosowaną osobą Odmowa uczestnictwa w badaniu 42
43 AD.4. KATEGORIE OSÓB WYKLUCZONYCH Z BADAŃ KWESTIONARIUSZOWYCH Osoby, których wykonywany zawód i prowadzona działalność kolidują z tematyką badań Osoby pracujące dla konkurencji Osoby które w ostatnim czasie uczestniczyły (z reguły 6 miesięcy) juŝ w innych badaniach 43
W8. Metody doboru próby w badaniach rynkowych
W8. Metody doboru próby w badaniach rynkowych 1 Wielkość próby a błąd pomiaru Statystyka matematyczna Centralne twierdzenie graniczne-średnia wielkość błędu estymacji jest odwrotnie proporcjonalna do pierwiastka
Bardziej szczegółowoMetody doboru próby do badań. Dr Kalina Grzesiuk
Metody doboru próby do badań Dr Kalina Grzesiuk Proces doboru próby 1. Ustalenie populacji badanej 2. Ustalenie wykazu populacji badanej 3. Ustalenie liczebności próby 4. Wybór metody doboru próby do badań
Bardziej szczegółowoDOBÓR PRÓBY. Czyli kogo badać?
DOBÓR PRÓBY Czyli kogo badać? DZISIAJ METODĄ PRACY Z TEKSTEM I INNYMI Po co dobieramy próbę? Czym róŝni się próba od populacji? Na czym polega reprezentatywność statystyczna? Podstawowe zasady doboru próby
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoBadania sondażowe. Schematy losowania. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badania sondażowe Schematy losowania Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa 1 Próba jako miniatura populacji CELOWA subiektywny dobór jednostek
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoZadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoStatystyka 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 szczegółowoRodzaje badań statystycznych
Rodzaje badań statystycznych Zbieranie danych, które zostaną poddane analizie statystycznej nazywamy obserwacją statystyczną. Dane uzyskuje się na podstawie badania jednostek statystycznych. Badania statystyczne
Bardziej szczegółowoSEMINARIUM DYPLOMOWE dr hab., prof. nzw. Janusz Gierszewski ZAGADNIENIE:
SEMINARIUM DYPLOMOWE dr hab., prof. nzw. Janusz Gierszewski ZAGADNIENIE: 1 DOBÓR PRÓBY MINIMALNEJ : Reprezentatywność: Próbę uznamy za reprezentatywną dla populacji, z której została dobrana, jeśli zagregowane
Bardziej szczegółowoWeryfikacja 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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoCz. II. Metodologia prowadzonych badań. Rozdz. 1. Cele badawcze. Rozdz. 2. Metody i narzędzia badawcze. Celem badawczym niniejszego projektu jest:
Cz. II. Metodologia prowadzonych badań Rozdz. 1. Cele badawcze Celem badawczym niniejszego projektu jest: 1. Analiza zachowań zdrowotnych, składających się na styl życia Wrocławian: aktywność fizyczna,
Bardziej szczegółowoPraktyczne aspekty doboru próby. Dariusz Przybysz Warszawa, 2 czerwca 2015
Praktyczne aspekty doboru próby Dariusz Przybysz Warszawa, 2 czerwca 2015 Określenie populacji Przed przystąpieniem do badania, wybraniem sposobu doboru próby konieczne jest precyzyjne określenie populacji,
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoBadania marketingowe
Wiesz już co chcesz osiągnąć w badaniu marketingowym i jak to (idealnie) zorganizować. Ale jakimi metodami? Skąd pewność, że będą efektywne? Ćwiczenie: jaką metodą zbadasz co koledzy/koleżanki na sali
Bardziej szczegółowoDOBÓR PRÓBY. Czyli kogo badać?
DOBÓR PRÓBY Czyli kogo badać? DZISIAJ METODĄ PRACY Z TEKSTEM I INNYMI Po co dobieramy próbę? Czym różni się próba od populacji? Na czym polega reprezentatywność statystyczna? Podstawowe zasady doboru próby
Bardziej szczegółowoBadania marketingowe. Omówione zagadnienia. Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania
Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie Badania marketingowe Wykład 5 Opracowanie: dr Joanna Krygier 1 Omówione zagadnienia Ograniczenia wtórnych źródeł informacji
Bardziej szczegółowo1. Projektowanie badania. 2. Dobór próby. 3. Dobór metody i budowa instrumentu. 4. Pomiar (badanie) 5. Redukcja danych. 6.
1. Projektowanie badania 2. Dobór próby 3. Dobór metody i budowa instrumentu badawczego 4. Pomiar (badanie) 5. Redukcja danych 6. Analiza danych 7. Przygotowanie raportu (prezentacja wyników) Określenie
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoZadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.
Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoSTATYSTYKA INDUKCYJNA. O sondaŝach ach i nie tylko
STATYSTYKA INDUKCYJNA O sondaŝach ach i nie tylko DWA DZIAŁY ESTYMACJA Co na podstawie wyników w z próby mogę powiedzieć o wynikach w populacji? WERYFIKACJA HIPOTEZ Czy moje przypuszczenia uczynione przed
Bardziej szczegółowoTestowanie hipotez statystycznych
Temat Testowanie hipotez statystycznych Kody znaków: Ŝółte wyróŝnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Idea i pojęcia teorii testowania hipotez
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych
STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoWYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład
Bardziej szczegółowoTypowe błędy w analizie rynku nieruchomości przy uŝyciu metod statystycznych
Typowe błędy w analizie rynku nieruchomości przy uŝyciu metod statystycznych Sebastian Kokot XXI Krajowa Konferencja Rzeczoznawców Majątkowych, Międzyzdroje 2012 Rzetelnie wykonana analiza rynku nieruchomości
Bardziej szczegółowoMatematyka z el. statystyki, # 6 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoMETODY 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 szczegółowoCzy, jak i właściwie dlaczego można badać opinię publiczną?
Czy, jak i właściwie dlaczego można badać opinię publiczną? Instytut Socjologii UO// Kształtowanie i badanie opinii publicznej // lato 2013/14 dr Magdalena Piejko Jak badać opinię publiczną? Co to jest
Bardziej szczegółowoStatystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść
Bardziej szczegółowoStatystyka 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 szczegółowozbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne)
STATYSTYKA zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne) DANYCH STATYSTYKA MATEMATYCZNA analiza i interpretacja danych przy wykorzystaniu metod
Bardziej szczegółowoEstymacja parametro w 1
Estymacja parametro w 1 1 Estymacja punktowa: średniej, odchylenia standardowego i frakcji µ - średnia populacji h średnia z próby jest estymatorem średniej populacji = - standardowy błąd estymacji średniej
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoWydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
Bardziej szczegółowoTestowanie hipotez statystycznych
Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD stycznia 2010
STATYSTYKA MATEMATYCZNA WYKŁAD 14 18 stycznia 2010 Model statystyczny ROZKŁAD DWUMIANOWY ( ) {0, 1,, n}, {P θ, θ (0, 1)}, n ustalone P θ {K = k} = ( ) n θ k (1 θ) n k, k k = 0, 1,, n Geneza: Rozkład Bernoulliego
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Bardziej szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoDoświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia
Doświadczalnictwo leśne Wydział Leśny SGGW Studia II stopnia Treści i efekty kształcenia Treści: Statystyka matematyczna, planowanie eksperymentu Efekty kształcenia: student potrafi opisywać zjawiska za
Bardziej szczegółowoBadania rynkowe 2016_4. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania rynkowe 2016_4 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja oraz
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoWykład 2: Tworzenie danych
Wykład 2: Tworzenie danych Plan: Statystyka opisowa a wnioskowanie statystyczne Badania obserwacyjne a eksperyment Planowanie eksperymentu, randomizacja Próbkowanie z populacji Rozkłady próbkowe Wstępna/opisowa
Bardziej szczegółowoJeśli powyższy opis nie jest zrozumiały należy powtórzyć zagadnienie standaryzacji zanim przejdzie się dalej!
CO POWINNIŚMY WIEDZIEĆ (I ROZUMIEĆ) ZABIERAJĄC SIĘ DO CZYTANIA 1. Jeśli mamy wynik (np. z kolokwium) podany w wartościach standaryzowanych (np.: z=0,8) to wiemy, że aby ustalić jaki był wynik przed standaryzacją
Bardziej szczegółowoIV WYKŁAD STATYSTYKA. 26/03/2014 B8 sala 0.10B Godz. 15:15
IV WYKŁAD STATYSTYKA 26/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 4 Populacja generalna, próba, losowanie próby, estymatory Statystyka (populacja generalna, populacja próbna, próbka mała, próbka duża, reprezentatywność,
Bardziej szczegółowoW1. 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 szczegółowoBadania marketingowe. Omówione zagadnienia
Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie Badania marketingowe Wykład 4 Opracowanie: dr Joanna Krygier 1 Omówione zagadnienia Informacje wtórne definicja Pojęcie wtórnych
Bardziej szczegółowoZagadnienia: wprowadzenie podstawowe pojęcia. Doświadczalnictwo. Anna Rajfura
Zagadnienia: wprowadzenie podstawowe pojęcia Doświadczalnictwo 1 Termin doświadczalnictwo Doświadczalnictwo planowanie doświadczeń oraz analiza danych doświadczalnych z użyciem metod statystycznych. Doświadczalnictwo
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Wydział Nauk Ekonomicznych UW Warszawa, 28 października 2014 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Kryteria przyczynowości
Bardziej szczegółowoPrzedwyborcze sondaŝe telefoniczne Fakty i mity
Przedwyborcze sondaŝe telefoniczne Fakty i mity Marketing polityczny, sondaŝ i manipulacja Konferencja, WyŜsza Szkoła Promocji, 27.09.2010 Kuba Antoszewski, Millward Brown SMG/KRC KaŜdy się myli Błąd pomiaru
Bardziej szczegółowoWeryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,
Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (punktowa, przedziałowa) Weryfikacja
Bardziej szczegółowo166 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 szczegółowoWykorzystanie Propensity Score do poprawy wnioskowań z wyników badań marketingowych.
SESJA: II Respondent jako dobro rzadkie. TEMAT Wykorzystanie Propensity Score do poprawy wnioskowań z wyników badań marketingowych. OPRACOWANY PRZEZ LILIANĘ STOŁOWSKĄ LECHA KOMENDANTA WŁODZIMIERZA DAAB
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoKARTA 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 szczegółowoWyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Bardziej szczegółowoPodstawowe 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 szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoZadania ze statystyki cz.8. Zadanie 1.
Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): II stopnia
Bardziej szczegółowoBadania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)
Proces badawczy schemat i zasady realizacji Agata Górny Demografia Wydział Nauk Ekonomicznych UW Warszawa, 4 listopada 2008 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Badania eksploracyjne
Bardziej szczegółowoWnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 8 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka matematyczna 7 maja 2018 1 / 19 Przypomnijmy najpierw omówione na poprzednim wykładzie postaci przedziałów
Bardziej szczegółowoSpis 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 szczegółowoCharakterystyka liczbowa opisującą właściwości zbioru danych (np. średnia, mediana, odchylenie standardowe)
Dyscyplina naukowa zajmująca się sposobami (metodami i narzędziami) gromadzenia i opisywania danych ilościowych oraz wyprowadzania na ich podstawie wniosków odnoszących się do procesów masowych Charakterystyka
Bardziej szczegółowoMetody Statystyczne. Metody Statystyczne.
gkrol@wz.uw.edu.pl #4 1 Sprawdzian! 5 listopada (ok. 45-60 minut): - Skale pomiarowe - Zmienne ciągłe i dyskretne - Rozkład teoretyczny i empiryczny - Miary tendencji centralnej i rozproszenia - Standaryzacja
Bardziej szczegółowo4. NA CZYM POLEGA PRACA ANKIETERA? PRZYGOTOWANIE DO PRACY W CHARAKTERZE ANKIETERA - Franciszek Sztabiński
WPROWADZENIE - Zbigniew Sawiński, Paweł B. Sztabiński 1. RYNEK BADAŃ - Zbigniew Sawiński 1.1 Rodzaje badań 1.2 Instytuty badawcze 1.3 Metody jakościowe i ilościowe 1.4 Projekty badawcze 1.5 Wielkość i
Bardziej szczegółowoStatystyka 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 szczegółowoPrawdopodobieństwo i statystyka
Wykład VIII: Przestrzenie statystyczne. Estymatory 1 grudnia 2014 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji r(x, Z) = 0, 986 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji
Bardziej szczegółowoKontekstowe wskaźniki efektywności nauczania - warsztaty
Kontekstowe wskaźniki efektywności nauczania - warsztaty Przygotowała: Aleksandra Jasińska (a.jasinska@ibe.edu.pl) wykorzystując materiały Zespołu EWD Czy dobrze uczymy? Metody oceny efektywności nauczania
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoWyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 Anna Skowrońska-Szmer lato 2016/2017 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją jako prawdziwą
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoBadania sondażowe. Dobór próby do badania Rodzaje błędów w badaniach. Agnieszka Zięba
Badania sondażowe Dobór próby do badania Rodzaje błędów w badaniach Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa 1 Konstrukcja próby badawczej 2 Dobór
Bardziej szczegółowoSTATYSTYKA INDUKCYJNA. O sondażach i nie tylko
STATYSTYKA INDUKCYJNA O sondażach i nie tylko DWA DZIAŁY ESTYMACJA Co na podstawie wyników z próby mogę powiedzieć o wynikach w populacji? WERYFIKACJA HIPOTEZ Czy moje przypuszczenia uczynione przed badaniami
Bardziej szczegółowoR-PEARSONA Zależność liniowa
R-PEARSONA Zależność liniowa Interpretacja wyników: wraz ze wzrostem wartości jednej zmiennej (np. zarobków) liniowo rosną wartości drugiej zmiennej (np. kwoty przeznaczanej na wakacje) czyli np. im wyższe
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją
Bardziej szczegółowoLABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.
LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja
Bardziej szczegółowoWykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów
Bardziej szczegółowoTeoria błędów pomiarów geodezyjnych
PodstawyGeodezji Teoria błędów pomiarów geodezyjnych mgr inŝ. Geodeta Tomasz Miszczak e-mail: tomasz@miszczak.waw.pl Wyniki pomiarów geodezyjnych będące obserwacjami (L1, L2,, Ln) nigdy nie są bezbłędne.
Bardziej szczegółowoStatystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde
Bardziej szczegółowoSzczegółowy opis badania - badanie CAPI na ogólnopolskiej próbie stowarzyszeń i fundacji
Zapytanie ofertowe Stowarzyszenie Klon/Jawor od 2002 roku prowadzi ogólnopolski projekt badawczy dotyczący funkcjonowania organizacji pozarządowych. W ramach tego przedsięwzięcia, w regularnych odstępach
Bardziej szczegółowoWnioskowanie bayesowskie
Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,
Bardziej szczegółowoWeryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,
Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (estymacja punktowa, przedziałowa)
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka
Bardziej szczegółowo