Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii
|
|
- Paulina Żurawska
- 8 lat temu
- Przeglądów:
Transkrypt
1 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 1/30 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii Kurs letni dla studentów studiów zamawianych na kierunku Matematyka w ekonomii i finansach wykład 5. dr Joanna Karłowska-Pik
2 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 2/30 Wykresy rozrzutu Wykresy rozrzutu (ang. scatter diagrams) służa jednoczesnemu przedstawieniu wartości dwóch zmiennych. Dla danej obserwacji o numerze i w układzie współrzędnych zaznaczamy punkt o współrzędnych(x i,y i ), gdziex i to wartość jednej zmiennej, ay i drugiej,i=1,...,n. Wykres ten pozwala ocenić, czy istnieje zależność między tymi zmiennymi, tzn. czy punkty układaja się wzdłuż jakiejś prostej lub krzywej.
3 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 3/30 Wykresy rozrzutu w PASW Statistics WYKRESY -> WYKRESY TRADYCYJNE -> ROZRZUTU/PUNKTOWY. Zaznaczamy PROSTY i naciskamy DEFINIUJ. Przenosimy jedna ze zmienny do pola OŚ Y, a druga do pola OŚ X.
4 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 4/30 Regresja Definicja: (Tylko na użytek naszych zajęć). Regresja nazywamy wyrażenie zależności wartości jednej zmiennej od drugiej w postaci pewnej prostej funkcji z dopuszczeniem ewentualnych odstępstw. Pierwsze wyniki: Sir Francis Galton Regression towards Mediocrity in Hereditary Stature (Regresja w badaniach nad dziedziczeniem niskiego wzrostu).
5 Regresja liniowa Ang. linear regression. W przypadku, gdy po wykonaniu wykresu rozrzutu obserwujemy, że chmura punktów (x i,y i ) układa się wzdłuż prostej, możemy spróbować wyznaczyć jej równanie. Precyzyjniej: rozważamy tzw. model regresji dla próbki i staramy się tak wyznaczyć współczynnikib 1 ib 0 w układzie równości y i =b 1 x i +b 0 +e i, i=1,...n, by suma wartości bezwzględnych błędówe i była jak najmniejsza. Uwaga: Jeśli rozważamy funkcję liniowa f(x)=b 1 x+b 0, toe i =y i f(x i ). Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 5/30
6 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 6/30 Regresja wykres George A. Ferguson, Yoshio Takane: Analiza statystyczna w psychologii i pedagogice (1997).
7 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 7/30 Metoda średnich połówkowych Sposób na szybkie, przybliżone wyznaczenie równania prostej regresji. Wyznaczamy medianę dla zmiennej z osi OX. Dla obserwacji, dla których wartości tej zmiennej sa mniejsze od mediany i dla tych, dla których sa większe od mediany, wyznaczamy punkty odpowiednio(x 1,y 1 ),(x 2,y 2 ), liczac średnie obu zmiennych (w omówionych podgrupach). Wyznaczamy równanie prostej przechodzacej przez te punkty.
8 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 8/30 Metoda najmniejszych kwadratów Szukamy współczynnikówb 1 ib 0 równania prostej y=b 1 x+b 0. Mamy wartościy 1,...y N zmiennejy oraz wartości hipotetyczneỹ i =f(x i )=b 1 x i +b 0,i=1,...N. Wartościb 1 ib 0 wyznaczamy w ten sposób, aby Ni=1 (y i ỹ i ) 2 była najmniejsza.
9 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 9/30 Wzory na współczynniki b 1 = Ni=1 x i y i N xȳ Ni=1 x 2 i N x 2, b 0=ȳ b 1 x. Analogiczne wzory (wystarczy zamienić x z y) funkcjonuja, gdy wyznaczamy wartości zmiennej x w zależności od y. Otrzymane proste pokrywaja się, gdy badana zależność jest zależnościa funkcyjna i nie ma losowości.
10 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 10/30 Regresja w PASW Statistics ANALIZA -> REGRESJA -> ESTYMACJA KRZYWEJ... Do pola ZMIENNE ZALEŻNE przenosimy zmiennay, a do pola ZMIENNA NIEZALEŻNA zmienna x. Zaznaczamy UWZGLEDNIJ STAŁA W RÓWNANIU oraz GRAFICZNA PREZENTACJA MODELI i wybieramy MODEL LINIOWY. W efekcie otrzymamy parametrb 1 oraz stałab 0 równaniay=b 1 x+b 0. Możliwy jest wybór innych modeli niż liniowy.
11 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 11/30 Przypadki odstajace W celu wykluczenia z analizy przypadków odstajacych, które moga na nia niekorzystnie wpłynać, należy zrobić wykresy skrzynkowe analizowanych zmiennych. Na wykresach tych kółkiem i gwiazdka zaznaczone sa przypadki odstajace, odpowiednio nietypowe i skrajne. Przypadki te sugeruje się usuwać, a w przypadku dużej ich liczby analizować osobno.
12 Współczynnik korelacji liniowej Pearsona Ang. Pearson s (sample) correlation coefficient. Idea Galton (1869), oznaczenie Galton (1888), wzór Karl Pearson (1896). r xy = x y x ȳ s x s y. Przyjmuje wartości z przedziału[ 1, 1]. Dodatnia wartość tego współczynnika oznacza, że wzrost wartości jednej zmiennej generalnie pociaga za soba wzrost wartości drugiej zmiennej; ujemna spadek. r=0, gdy nie ma zwiazku między zmiennymi, r 1, gdy zwiazek jest bardzo silny. Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 12/30
13 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 13/30 Zwiazek regresji i współczynnika Pearsona Współczynnik korelacji jest miara dobroci dopasowania prostej regresji do danych. Im bliższy 1, tym dopasowanie lepsze. Interpretacjar 2 (tzw. współczynnik determinacji): r 2 procent zmienności zmiennejy daje się przewidzieć na podstawie zmienności zmiennej x. Jeżeli proste regresji wyznaczone metoda najmniejszych kwadratów dane sa wzoramiy=ax+b ix=cy+d, tor=ac.
14 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 14/30 Korelacja a przyczynowość Skorelowanie zmiennych nie oznacza zwiazku przyczynowo-skutkowego pomiędzy nimi. Czasem zmienne moga być skorelowane, gdy pozostaja w zwiazku przyczynowym z jakaś trzecia zmienna. Po wyeliminowaniu wpływu tej zmiennej korelacja może zniknać. Czasem występuje korelacja, której nie potrafimy sensownie wytłumaczyć, gdyż jest powodowana głębszymi zmianami ekonomiczno-społecznymi.
15 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 15/30 Ważny przykład John Francis Anscombe ( ), statystyk angielski, podał przykład 4 par zmiennychxiy, dla których otrzymujemy takie same wzory na prosta regresji i taki sam współczynnik dopasowaniar 2, a tylko dla jednej z tych par model jest właściwy. Trzeba zawsze pamiętać o wykonaniu wykresów rozrzutu!
16 Dane Anscombe a x 1 y 1 x 2 y 2 x 3 y 3 x 4 y 4 10,0 8,04 10,0 9,14 10,0 7,46 8,0 6,58 8,0 6,95 8,0 8,14 8,0 6,77 8,0 5,76 13,0 7,58 13,0 8,74 13,0 12,74 8,0 7,71 9,0 8,81 9,0 8,77 9,0 7,11 8,0 8,84 11,0 8,33 11,0 9,26 11,0 7,81 8,0 8,47 14,0 9,96 14,0 8,10 14,0 8,84 8,0 7,04 6,0 7,24 6,0 6,13 6,0 6,08 8,0 5,25 4,0 4,26 4,0 3,10 4,0 5,39 19,0 12,50 12,0 10,84 12,0 9,13 12,0 8,15 8,0 5,56 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 16/30
17 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 17/30 Wskaźnik (indeks) wzrostu Ang. growth rate. Stosowane przede wszystkim do wyrażania zmian cen względem pewnej ceny bazowej. wskaźnik wzrostu= cena aktualna cena bazowa 100. Wskaźniki wzrostu moga służyć do porównywania zmian cen różnych produktów (np. który drożeje w szybszym tempie).
18 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 18/30 Wskaźnik cen towarów i usług konsumpcyjnych W celu otrzymania tego wskaźnika poddaje się badaniu reprezentatywna próbkę populacji, zapisujac wszystkie wydatki w badanych rodzinach w określonym czasie. Następnie klasyfikuje się zakupione towary i przyporzadkowuje wagi proporcjonalne do wyników uzyskanych w badaniu. Ceny towarów w danej klasie moga się zmieniać i sa przeliczane na wskaźniki wzrostu, następnie oblicza się średnia ważona tych różnych wskaźników wzrostu. J. A. Walker, A. A. McLean: Statystyka dla każdego, WSiP. Warszawa (1994)
19 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 19/30 Wskaźnik cen formalnie Wskaźniki cen towarów i usług konsumpcyjnych opracowano na podstawie obserwacji cen reprezentantów towarów i usług konsumpcyjnych (ok w 2008 r.) w 209 rejonach badania cen na terenie kraju. Wskaźniki cen obliczono przy przyjęciu systemu wag opracowanego na podstawie struktury wydatków (bez spożycia naturalnego) poszczególnych grup gospodarstw domowych na zakup towarów i usług konsumpcyjnych z roku poprzedzajacego rok badany, uzyskanej z badania budżetów gospodarstw domowych. Grupowania towarów i usług konsumpcyjnych dokonano na podstawie Klasyfikacji Spożycia Indywidualnego według Celu zaadoptowanej na potrzeby zharmonizowanych wskaźników cen konsumpcyjnych (COICOP/HICP). GUS Wyjaśnienia metodyczne
20 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 20/30 Aktualna wartość wskaźnika W IV kwartale 2008 roku ten wskaźnik wyniósł103,8 w stosunku do analogicznego okresu roku poprzedniego. GUS Wybrane kwartalne wskaźniki makroekonomiczne
21 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 21/30 Szeregi czasowe Szereg czasowy (ang. time series) to ciag informacji uporzadkowanych w czasie, których pomiary wykonywane sa z dokładnym krokiem czasowym (miesiac, kwartał, rok). Wykres czasowy to wykres liniowy szeregu czasowego. Wykresy takie wykazuja często zmienność cykliczna, która maskuje rzeczywisty trend (np. wzrost lub spadek sprzedaży). W celu obserwacji trendu do wykresu dodaje się krzywa trendu, zaznaczajac na wykresie wartości średnich ruchomych.
22 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 22/30 Średnie ruchome Definicja: k-punktowe średnie ruchome (ang. moving averages) z próbkix 1,x 2,...,x N obliczamy ze wzoru x l = l+k 1 i=l x i, l=1,...,n k+1. k k jest liczba jednostek czasu, po upływie którego zaczyna się kolejny cykl (np.k=12, jeśli obserwacji dokonujemy co miesiac, a rok wyznacza nam kolejne cykle). Pierwsza średnia ruchoma zaznacza się w miejscu o indeksie k+1 2, każda następna o 1 dalej.
23 Przykład Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 23/30
24 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 24/30 Wykres J. A. Walker, A. A. McLean: Statystyka dla każdego, WSiP. Warszawa (1994)
25 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 25/30 Parzystopunktowe średnie ruchome Jeśli, tak jak w podanym przykładzie, liczymy średnie ruchome dla k parzystych, to pierwsza taka średnia powinniśmy zaznaczyć w miejscu k+1 2 / Z, czyli pomiędzy numerami k 2 ik Żeby tego unikn ać, średnia zaznacza się w miejscu k 2 +1, a wzór modyfikuje się do postaci x l = x l 2 +x l x l+k 1 + x l+k 2 k, l=1,...,n k.
26 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 26/30 Problem wyboruk Nie ma problemu z wyboremk, gdy dane dotycza np. cen produktu wykazujacego naturalna sezonowość, np. owoców, zużycia pradu itp. Wtedy wybieramyk tak, by odpowiadało 1 rokowi (12 dla miesięcy, 4 dla kwartałów itd.). Jeśli nie wiemy jaka jest naturalna sezonowość, np. ceny akcji giełdowych, to trzeba tak wybraćk, aby nie było zbyt duże (bo przecież dla k 1 2 poczatkowych i k 1 2 końcowych danych nie mamy wyznaczonej średniej ruchomej!), ale by było wystarczajaco duże, żeby wygładzić wykres trendu.
27 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 27/30 Prognozowanie Najprostsza metoda prognozowania jest prognozowanie metoda średnich ruchomych, tzn. średnia ruchoma 5-punktowa z miesięcy luty-czerwiec może prognozować wartość zmiennej w lipcu. Przy gwałtownych zmianach trendu może to jednak dawać błędne wyniki. Dlatego czasem liczy się średnia ważona, dajac większe wagi dla ostatnich obserwacji, tzn. jako prognozę na lipiec bierze się np. 1 luty+2 marzec+3 kwiecień+4 maj+5 czerwiec
28 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 28/30 Średnie ruchome w PASW Statistics PRZEKSZTAŁCENIA -> UTWÓRZ SZEREG CZASOWY... Do pola ZMIENNE WYNIKOWE przenosimy zmienna zawierajac a dane. Jako funkcję wybieramy CENTROWANA ŚREDNIA RUCHOMA. W miejscu ROZPIETOŚĆ wpisujemy k. Klikamy ZMIEŃ i OK. Następnie wykonujemy wykres liniowy wielokrotny, zaznaczajac WARTOŚCI POSZCZEGÓLNYCH OBSERWACJI, dla zmiennej wyjściowej i dla otrzymanych w pliku z danymi średnich ruchomych.
29 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 29/30 Składowe szeregów czasowych Trend (ang. trend). Składowa sezonowa (ang. seasonal variation). Składowa cykliczna (ang. cyclical variation). Składowa losowa (ang. random variation). Dwa modele: addytywny:t+s+c+l, multiplikatywny:t S C L.
30 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 30/30 Literatura Sylwia Bedyńska: materiały z Wiosennych Warsztatów Analitycznych SPSS, Warszawa, maja George A. Ferguson, Yoshio Takane: Analiza statystyczna w psychologii i pedagogice, PWN, Warszawa (1997). D. L. Harnett, A. K. Soni: Statistical Methods for Business and Economics (1991). Graham Upton, Ian Cook: A Dictionary of Statistics, Oxford University Press, New York (2006). James A. Walker, Margaret M. McLean: Statystyka dla każdego, WSiP, Warszawa (1994).
Analiza regresji. Wykład dla stypendystów Krajowego Funduszu na Rzecz Dzieci. dr Joanna Karłowska-Pik
Analiza regresji Wykład dla stypendystów Krajowego Funduszu na Rzecz Dzieci dr Joanna Karłowska-Pik Katedra Teorii Prawdopodobieństwa i Analizy Stochastycznej Wydział Matematyki i Informatyki Uniwersytet
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 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 szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
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 szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoZałóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34
Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoWSHiG Karta przedmiotu/sylabus. Podstawy statystyki. Studia niestacjonarne - 8. Podstawy statystyki
WSHiG Karta przedmiotu/sylabus KIERUNEK SPECJALNOŚĆ TRYB STUDIÓW SEMESTR Turystyka i Rekreacja wszystkie specjalności Stacjonarny / niestacjonarny IV / I stopnia Nazwa przedmiotu Podstawy statystyki Wymiar
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30
Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na
Bardziej szczegółowoZagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA
Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zadanie 1 (Plik danych: Transport w Polsce (1990-2015)) Na
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoWykład 4 Związki i zależności
Wykład 4 Związki i zależności Rozważmy: Dane z dwiema lub więcej zmiennymi Zagadnienia do omówienia: Zmienne objaśniające i zmienne odpowiedzi Wykres punktowy Korelacja Prosta regresji Słownictwo: Zmienna
Bardziej szczegółowoPDF 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 szczegółowoRegresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36
Statystyka Wykład 13 Magdalena Alama-Bućko 18 czerwca 2018 Magdalena Alama-Bućko Statystyka 18 czerwca 2018 1 / 36 Agregatowy (zespołowy) indeks wartości określonego zespołu produktów np. jak zmianiała
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoSTATYSTYKA OD PODSTAW Z SYSTEMEM SAS. wersja 9.2 i 9.3. Szkoła Główna Handlowa w Warszawie
STATYSTYKA OD PODSTAW Z SYSTEMEM SAS wersja 9.2 i 9.3 Szkoła Główna Handlowa w Warszawie Spis treści Wprowadzenie... 6 1. Podstawowe informacje o systemie SAS... 9 1.1. Informacje ogólne... 9 1.2. Analityka...
Bardziej szczegółowoPrognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
Bardziej szczegółowoProjekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Bardziej szczegółowoistocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy
MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoDopasowanie prostej do wyników pomiarów.
Dopasowanie prostej do wyników pomiarów. Graficzna analiza zależności liniowej Założenie: każdy z pomiarów obarczony jest taką samą niepewnością pomiarową (takiej samej wielkości prostokąty niepewności).
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoWprowadzenie do technik analitycznych Metoda najmniejszych kwadratów
Wprowadzenie do technik analitycznych Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wykład 2 Korelacja i regresja Przykład: Temperatura latem średnia liczba napojów sprzedawanych
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40
Statystyka Wykład 9 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka 7 maja 2018 1 / 40 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Bardziej szczegółowoAnaliza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie szeregów czasowych i ich składowych SZEREGIEM CZASOWYM nazywamy tablicę, która zawiera ciag wartości cechy uporzadkowanych
Bardziej szczegółowoStatystyka 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 szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
Bardziej szczegółowoAnaliza współzależności dwóch cech I
Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowo1. 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 szczegółowoAnaliza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
Bardziej szczegółowoWERYFIKACJA MODELI MODELE LINIOWE. Biomatematyka wykład 8 Dr Wioleta Drobik-Czwarno
WERYFIKACJA MODELI MODELE LINIOWE Biomatematyka wykład 8 Dr Wioleta Drobik-Czwarno ANALIZA KORELACJI LINIOWEJ to NIE JEST badanie związku przyczynowo-skutkowego, Badanie współwystępowania cech (czy istnieje
Bardziej szczegółowoSposoby prezentacji problemów w statystyce
S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowo( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoSTATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 12 listopada 2017 1 Analiza współzależności dwóch cech 2 Jednostka zbiorowości - para (X,Y ). Przy badaniu korelacji nie ma znaczenia, która
Bardziej szczegółowoRegresja i Korelacja
Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane
Bardziej szczegółowoPodstawy statystyki i obsługa SPSSa na przykładach z ekonomii
Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii p. 1/36 Podstawy statystyki i obsługa SPSSa na przykładach z ekonomii Kurs letni dla studentów studiów zamawianych na kierunku Matematyka w
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4
KARTA KURSU (do zastosowania w roku ak. 2015/16) Nazwa Statystyka 1 Nazwa w j. ang. Statistics 1 Kod Punktacja ECTS* 4 Koordynator Dr hab. Tadeusz Sozański (koordynator, wykłady) Dr Paweł Walawender (ćwiczenia)
Bardziej szczegółowoANALIZA REGRESJI SPSS
NLIZ REGRESJI SPSS Metody badań geografii społeczno-ekonomicznej KORELCJ REGRESJ O ile celem korelacji jest zmierzenie siły związku liniowego między (najczęściej dwoma) zmiennymi, o tyle w regresji związek
Bardziej szczegółowoĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji
Bardziej szczegółowoWykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoWykład 5: Analiza dynamiki szeregów czasowych
Wykład 5: Analiza dynamiki szeregów czasowych ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie tego procesu
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoAnaliza korelacyjna i regresyjna
Podstawy Metrologii i Technik Eksperymentu Laboratorium Analiza korelacyjna i regresyjna Instrukcja do ćwiczenia nr 5 Zakład Miernictwa i Ochrony Atmosfery Wrocław, kwiecień 2014 Podstawy Metrologii i
Bardziej szczegółowoWykład 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 szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoĆwiczenia 13 WAHANIA SEZONOWE
Ćwiczenia 3 WAHANIA SEZONOWE Wyrównanie szeregu czasowego (wyodrębnienie czystego trendu) mechanicznie Zadanie. Badano spożycie owoców i przetworów (yt) (w kg) w latach według kwartałów: kwartał lata 009
Bardziej szczegółowoAnaliza 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 szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2015/2016
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 015/016 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowoStatystyka. Wykład 10. Magdalena Alama-Bućko. 14 maja Magdalena Alama-Bućko Statystyka 14 maja / 31
Statystyka Wykład 10 Magdalena Alama-Bućko 14 maja 2018 Magdalena Alama-Bućko Statystyka 14 maja 2018 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoW statystyce stopień zależności między cechami można wyrazić wg następującej skali: n 1
Temat: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00 0,20) Słaba
Bardziej szczegółowoRegresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).
Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoNa poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy
Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne
Bardziej szczegółowoWymagania edukacyjne na poszczególne oceny To się liczy! Branżowa Szkoła I stopnia, klasa 1 po szkole podstawowej
Wymagania edukacyjne na poszczególne oceny To się liczy! Branżowa Szkoła I stopnia, klasa 1 po szkole podstawowej Wymagania dostosowano do sześciostopniowej skali ocen. I. Liczby rzeczywiste zna cechy
Bardziej szczegółowoZajęcia 1. Statystyki opisowe
Zajęcia 1. Statystyki opisowe 1. Znajdź dane dotyczące liczby mieszkańców w polskich województwach. Dla tych danych oblicz: a) Średnią, b) Medianę, c) Dominantę, d) Wariancję, e) Odchylenie standardowe,
Bardziej szczegółowoSztuka tworzenia diagramów statystycznych z przykładami w MuPADzie
Sztuka tworzenia diagramów statystycznychz przykładami w MuPADzie p. 1/28 Sztuka tworzenia diagramów statystycznych z przykładami w MuPADzie Joanna Karłowska-Pik Katedra Teorii Prawdopodobieństwa i Analizy
Bardziej szczegółowoProjekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Biotechnologia w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era inżyniera
Bardziej szczegółowoFUNKCJA LINIOWA. A) B) C) D) Wskaż, dla którego funkcja liniowa określona wzorem jest stała. A) B) C) D)
FUNKCJA LINIOWA 1. Funkcja jest rosnąca, gdy 2. Wskaż, dla którego funkcja liniowa jest rosnąca Wskaż, dla którego funkcja liniowa określona wzorem jest stała. 3. Funkcja liniowa A) jest malejąca i jej
Bardziej szczegółowot y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoSpis 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 szczegółowoWydział Inżynierii Produkcji. I Logistyki. Statystyka opisowa. Wykład 3. Dr inż. Adam Deptuła
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa Wykład 3 Dr inż. Adam Deptuła METODY OPISU DANYCH ILOŚCIOWYCH SKALARNYCH Wykresy: diagramy, histogramy, łamane częstości, wykresy
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38
Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoFUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH
FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH PROPORCJONALNOŚĆ PROSTA Proporcjonalnością prostą nazywamy zależność między dwoma wielkościami zmiennymi x i y, określoną wzorem: y = a x Gdzie a jest
Bardziej szczegółowoRozkład materiału nauczania
Dział/l.p. Ilość godz. Typ szkoły: TECHNIKUM Zawód: TECHNIK USŁUG FRYZJERSKICH Rok szkolny 2017/2018 Przedmiot: MATEMATYKA Klasa: III 60 godzin numer programu T5/O/5/12 Rozkład materiału nauczania Temat
Bardziej szczegółowoSpis treści. LaboratoriumV: Podstawy korelacji i regresji. Inżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych
1 LaboratoriumV: Podstawy korelacji i regresji Spis treści Laboratorium V: Podstawy korelacji i regresji...1 Wiadomości ogólne...2 1. Wstęp teoretyczny....2 1.1 Korelacja....2 1.2 Funkcja regresji....5
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoPrognoza terminu sadzenia rozsady sałaty w uprawach szklarniowych. Janusz Górczyński, Jolanta Kobryń, Wojciech Zieliński
Prognoza terminu sadzenia rozsady sałaty w uprawach szklarniowych Janusz Górczyński, Jolanta Kobryń, Wojciech Zieliński Streszczenie. W uprawach szklarniowych sałaty pojawia się następujący problem: kiedy
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoMetodologia badań psychologicznych. Wykład 12. Korelacje
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Wykład 12. Korelacje Korelacja Korelacja występuje wtedy gdy dwie różne miary dotyczące tych samych osób, zdarzeń lub obiektów
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoIstota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ
Istota funkcjonowania przedsiębiorstwa produkcyjnego dr inż. Andrzej KIJ 1 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 q1 D2 q2 Q 2 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 +D2 D1 D2 q1
Bardziej szczegółowoAnaliza zależności cech ilościowych regresja liniowa (Wykład 13)
Analiza zależności cech ilościowych regresja liniowa (Wykład 13) dr Mariusz Grządziel semestr letni 2012 Przykład wprowadzajacy W zbiorze danych homedata (z pakietu R-owskiego UsingR) można znaleźć ceny
Bardziej szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowo