Zadanie 1. Za pomocą analizy rzetelności skali i wspólczynnika Alfa- Cronbacha ustalić, czy pytania ankiety stanowią jednorodny zbiór.

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zadanie 1. Za pomocą analizy rzetelności skali i wspólczynnika Alfa- Cronbacha ustalić, czy pytania ankiety stanowią jednorodny zbiór."

Transkrypt

1 L a b o r a t o r i u m S P S S S t r o n a 1 W zbiorze Pytania zamieszczono odpowiedzi 25 opiekunów dzieci w wieku 8. lat na następujące pytania 1 : P1. Dziecko nie reaguje na bieżące uwagi opiekuna gdy jest czymś zainteresowane, P2. Dziecko jest nadmiernie aktywne, wyjątkowo żywe, P3. Dziecko we wszystko się wtrąca, wszędzie jest go pełno, P4. Dziecko porusza się szybko, raczej biega niż chodzi, P5. Dziecko chce być w centrum uwagi, nie dopuszcza innych do głosu, P6. Dziecko przerywa zabawę innym dzieciom, a dorosłym rozmowę, nawet jeśli nie ma do tego powodu. Odowiedzi zostały udzielone w skali 0d 0 do 4 wyrażacej natężenie skali zjawiska. Zadanie 1. Za pomocą analizy rzetelności skali i wspólczynnika Alfa- Cronbacha ustalić, czy pytania ankiety stanowią jednorodny zbiór. Dla stwierdzenia czy w analizowanej ankiecie nie znajdują się pytania, dla których odpowiedzi budzą wątpliwości, należy przeprowadzić Analizę Rzetelności (w oknie Skalowanie). Analiza rzetelności pozwala na badanie właściwości skal pomiarowych oraz tworzących je pozycji. Procedura analizy rzetelności umożliwia obliczenie liczby zwykle używanych miar skali rzetelności oraz dostarcza informacji na temat związków między pojedynczymi pozycjami na skali. Współczynniki korelacji wewnątrz klasowej mogą być wykorzystane do obliczenia oceny rzetelności dla ankieterów. Do najczęściej używanych miar rzetelności należy alfa- Cronbacha oparta na wartościach korelacji pomiędzy pozycjami. Alfa Cronbacha jest najpopularniejszą metodą analizy rzetelności danych skal. Jest to miara określająca spójność pozycji wchodzących w skład danej skali, czyli określa to, na ile pozycje wchodzące w skład danego czynnika, skali są do siebie podobne, czy badają te same zjawisko, ten sam konstrukt teoretyczny? Alfa Cronbacha, jako wskaźnik rzetelności, informuje jedynie o tym, czy sposób udzielania odpowiedzi na poszczególne pytania był podobny. Jeżeli tak, pytania są do siebie podobne i można założyć, że badają podobne do siebie zjawisko. Co więcej, dzięki wskaźnikowi Alfa-Cronabacha jesteśmy w stanie wyodrębnić te pytania ze skali, które zaniżają rzetelność. To znaczy, że jeżeli usunęlibyśmy daną pozycję ze skali, to czy skala uzyskałaby wyższy wskaźnik Alfa-Cronbacha, czy niższy. Jeżeli wyższy oznacza to, że dana pozycja zaniża wskaźnik rzetelności całej skali. Alfa-Cronbacha przyjmuje wartości od 0 do 1. Im większa wartość tym większa rzetelność skali. Przyjmuje się, że wartości powyżej 0,7 oznaczają prawidłową rzetelność skali. Gdy wartość współczynnika Alfa-Cronbacha jest niższa należy zastanowić się nad poszczególnymi pytaniami, które z nich zaniżają wartość bądź też przeprowadzić analizę czynnikową. Być może badana skala zawiera pytania dotyczące kilku konstruktów. Ankietę uznajemy za rzetelną jeśli wartość współczynnika alfa - Cronbacha > 0,7. Wartości niższe wskazują, że wśród pytań znajdować się mogą pytania na, które odpowiedź sprawia respondentom kłopot. Powodować to może złe sformułowanie pytania lub zbyt mała rozpiętość skali. Powodem też może być niejednorodność zbioru pytań 1 Przykład został zaczerpnięty z pracy: Anny Malarskiej- Statystyczna analiza danych.

2 L a b o r a t o r i u m S P S S S t r o n a 2 Jako model wybierzemy Alfa (Alfa Cronbacha). Otrzymujemy raport. Statystyki rzetelności Alfa Cronbacha Alfa Cronbacha na podstawie pozycji standaryzowanych Liczba pozycji,331,348 6 Jak widać wartość współczynnika Alfa-Cronbacha jest niewielka ( 0,331) zatem istnieje przypuszczenie, że wśród pytań znajdują się pytania z nierzetelnymi odpowiedziami lub zbiór pytań nie jest jednorodny. Aby znaleźć takie pytania należy eliminować kolejno pytania. Zacznijmy od analizy rzetelności po wyeliminowaniu ze zbioru pytania pierwszego. Statystyki rzetelności Alfa Cronbacha Liczba pozycji,584 5 Wynika stąd, że po wyeliminowaniu pytania pierwszego wartość współczynnika wzrosła. Po wyeliminowaniu pytań p1,p2,p4 współczynnik Alfa-Cronbacha przyjmuje wartość 0,75. Wynika stąd, że pytania nie stanowią jednorodnego zbioru. Dlatego w dalszym etapie dla wykonania podziału zbioru pytań na ewentualne części należy przeprowadzić analizę czynnikową.

3 L a b o r a t o r i u m S P S S S t r o n a 3 Zadanie 2. Na podstawie wyników ankiety ustalić jednorodne grupy pytań i podać interpretację merytoryczną. Dla wszystkich testów przyjąc poziom istotności 0,05. Analiza czynnikowa Analiza czynnikowa wykorzystywana jest do redukcji liczby wymiarów oraz ujawniania niejawnych związków w zbiorze danych. Krok1 ( Wstępny). Ustalimy pierwszy wstępny podział pytań na grupy. Macierz korelacji p1 p2 p3 p4 p5 p6 Korelacja p1 1,000 -,354 -,070 -,345 -,050 -,052 p2 -,354 1,000 -,089,773 -,138 -,071 p3 -,070 -,089 1,000,106,452,743 p4 -,345,773,106 1,000,116 -,110 p5 -,050 -,138,452,116 1,000,311 p6 -,052 -,071,743 -,110,311 1,000

4 L a b o r a t o r i u m S P S S S t r o n a 4 Istotność (jednostronna) p1,041,370,046,407,403 p2,041,336,000,255,368 p3,370,336,307,012,000 p4,046,000,307,290,301 p5,407,255,012,290,065 p6,403,368,000,301,065 Na podstawie macierzy współczynników korelacji oraz istotności tych współczynników utworzymy grafy powiązań korelacyjnych pomiędzy poszczególnymi pytaniami. Macierz składowych a Składnik 1 2 p3,788,467 p6,787,340 p5,582,339 p4 -,395,816 p2 -,543,727 p1,191 -,602 Metoda wyodrębniania czynników - Głównych składowych. a. 2 liczba wyodrębnionych składowych. Na podstawie Macierzy składowych głównych zaliczymy poszczególne pytania do jednej z wyodrębnionych grup i podamy jeśli to możliwe merytoryczną interpretację wyodrębnionych grup. Grupa1 Grupa2 p3 p6 p5 p4 p2 p1

5 L a b o r a t o r i u m S P S S S t r o n a 5 Testy Kaisera-Mayera-Olkina i Bartletta Miara KMO adekwatności doboru próby,453 Test sferyczności Bartletta Przybliżone chi-kwadrat 53,227 df 15 Istotność,000 Test sferyczności Bartletta bada istotność współczynników korelacji Pearsona pomiędzy parami zmiennych. Ho: wszystkie współczynniki korelacji ( oprócz współczynników pomiędzy tymi samymi zmiennymi) są nieistotne statystycznie ( statystycznie równe 0), H1: ~Ho. Z testu Bartletta wynika, że αspss< 0,05, a zatem hipotezę Ho odrzucamy i jako prawdziwą przyjmujemy H1. Istnieją związki pomiędzy pytaniami zatem warto przeprowadzić analizę czynnikową w celu wyodrębnienia grup pytań. Miara KMO (Kaisera-Mayera-Olkina) służy do sprawdzenia na ile badana próba odpowiada wymaganiom analizy czynnikowej. Zakłada się, że KMO powinno być nie mniejsze niż 0,5. Jeżeli KMO < 0,5 wyniki analizy czynnikowej mogą nie spełnić postawionych przed nimi zadań. W naszym przykładzie KMO = 0,453 zatem mogą pojawić się problemy jednoznacznym rozwiązaniem zadania za pomocą analizy czynnikowej. Następny raport podaje wartości całkowitej wyjaśnionej wariancji. Składnik Całkowita wyjaśniona wariancja Początkowe wartości własne Ogółem w przeglądzie % wariancji % skumulowany 1 2,066 34,441 34, ,006 33,440 67,881 3,781 13,011 80,893 4,737 12,291 93,183 5,294 4,893 98,076 6,115 1, ,000 Metoda wyodrębniania czynników głównych składowych. Widzimy, że jeśli uwzględnimy w analizach tylko dwie grupy pytań, wyjaśnią one około 67,88% całkowitej zmienności. Gdyby utworzyć trzy grupy to wyjaśnią one już 81,89%, natomiast cztery grupy 93,08% co jest wielkością zadowalającą. Widać to na wykresie zwanym osypiskiem.

6 L a b o r a t o r i u m S P S S S t r o n a 6 Utwórzmy zatem trzy grupy. Składnik trzeci ma wartość własna równą 0,781, a więc aby utworzyć trzy grupy należy podać w tabeli Wyodrębnianie Wartości własne wartość mniejszą od 0,781. Wpiszmy zatem Otrzymujemy raport.

7 L a b o r a t o r i u m S P S S S t r o n a 7 Macierz składowych a Składnik p3,788,467 p6,787,340 -,350 p4 -,395,816,274 p2 -,543,727 p1,191 -,602,440 p5,582,339,618 Metoda wyodrębniania czynników - Głównych składowych. a. 3 liczba wyodrębnionych składowych. Na podstawie Macierzy składowych głównych zaliczymy poszczególne pytania do jednej z wyodrębnionych grup i podamy jeśli to możliwe merytoryczną interpretację wyodrębnionych grup. Grupa p3 p6 p4 p2 p1 p5 Metoda wyodrębniania czynników - Głównych składowych. a. 3 liczba wyodrębnionych składowych. Utwórzmy teraz cztery grupy. Składnik czwarty ma wartość własna równą 0,737, a więc aby utworzyć cztery grupy należy podać w tabeli Wyodrębnianie Wartości własne wartość mniejszą od 0,737. Wpiszmy zatem 0.73.

8 L a b o r a t o r i u m S P S S S t r o n a 8 Macierz składowych a Składnik p3,788,467,167 p6,787,340 -,350,235 p4 -,395,816,274,168 p2 -,543,727,293 p5,582,339,618 -,366 p1,191 -,602,440,637 Metoda wyodrębniania czynników - Głównych składowych. a. 4 liczba wyodrębnionych składowych. Na podstawie Macierzy składowych głównych zaliczymy poszczególne pytania do jednej z wyodrębnionych grup i podamy jeśli to możliwe merytoryczną interpretację wyodrębnionych grup. grupa p1 p2 p3 p4 p5 p6 Metoda wyodrębniania czynników - Głównych składowych. Podsumowanie. Na podstawie przeprowadzonych analiz merytorycznej i statystycznej wyodrębniono.. grupy jednorodnych pytań.

Kolejna z analiz wielozmiennowych Jej celem jest eksploracja danych, poszukiwanie pewnych struktur, które mogą utworzyć wskaźniki

Kolejna z analiz wielozmiennowych Jej celem jest eksploracja danych, poszukiwanie pewnych struktur, które mogą utworzyć wskaźniki Analiza czynnikowa Kolejna z analiz wielozmiennowych Jej celem jest eksploracja danych, poszukiwanie pewnych struktur, które mogą utworzyć wskaźniki Budowa wskaźnika Indeks był banalny I miał wady: o Czy

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie 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 szczegółowo

Inżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych. Laboratorium VIII: Analiza kanoniczna

Inżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych. Laboratorium VIII: Analiza kanoniczna 1 Laboratorium VIII: Analiza kanoniczna Spis treści Laboratorium VIII: Analiza kanoniczna... 1 Wiadomości ogólne... 2 1. Wstęp teoretyczny.... 2 Przykład... 2 Podstawowe pojęcia... 2 Założenia analizy

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Przykład. Producent pewnych detali twierdzi, że wadliwość jego produkcji nie przekracza 2%. Odbiorca pewnej partii tego produktu chce sprawdzić, czy może wierzyć producentowi.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

WALIDACJA SKALI OCENY NADMIERNEGO KORZYSTANIA Z SIECI SPOŁECZNOŚCIOWYCH (SONKSS)

WALIDACJA SKALI OCENY NADMIERNEGO KORZYSTANIA Z SIECI SPOŁECZNOŚCIOWYCH (SONKSS) WALIDACJA SKALI OCENY NADMIERNEGO KORZYSTANIA Z SIECI SPOŁECZNOŚCIOWYCH (SONKSS) dr hab. Paweł Izdebski prof. nadzw. mgr Martyna Kotyśko Instytut Psychologii Uniwersytet Kazimierza Wielkiego Grant: Osobowościowe

Bardziej szczegółowo

Statystyka 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. 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 szczegółowo

Metody statystyczne w pedagogice Kod przedmiotu

Metody statystyczne w pedagogice Kod przedmiotu Metody statystyczne w pedagogice - opis przedmiotu Informacje ogólne Nazwa przedmiotu Metody statystyczne w pedagogice Kod przedmiotu 05.9-WP-PEDD-MS-L_pNadGen0DXUI Wydział Kierunek Wydział Pedagogiki,

Bardziej szczegółowo

MODELE LINIOWE. Dr Wioleta Drobik

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności. TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Badanie zależności pomiędzy zmiennymi

Badanie zależności pomiędzy zmiennymi Badanie zależności pomiędzy zmiennymi Czy istnieje związek, a jeśli tak, to jak silny jest pomiędzy np. wykształceniem personelu a jakością świadczonych usług? Ogólnie szukamy miary zależności (współzależności),

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Projekt 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 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 szczegółowo

WNIOSKOWANIE STATYSTYCZNE

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

Bardziej szczegółowo

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

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

Bardziej szczegółowo

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna

Bardziej szczegółowo

PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2014/2015 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW IV ROKU STUDIÓW

PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2014/2015 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW IV ROKU STUDIÓW PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2014/2015 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW IV ROKU STUDIÓW 1. NAZWA PRZEDMIOTU : BIOSTATYSTYKA 2. NAZWA JEDNOSTKI (jednostek

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

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

Bardziej szczegółowo

Statystyka SYLABUS A. Informacje ogólne

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

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

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

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

Bardziej szczegółowo

Analiza korespondencji

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

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka 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 szczegółowo

Model procesu dydaktycznego

Model procesu dydaktycznego Model procesu dydaktycznego w zakresie Business Intelligence Zenon Gniazdowski 1,2), Andrzej Ptasznik 1) 1) Warszawska Wyższa Szkoła Informatyki, ul. Lewartowskiego 17, Warszawa 2) Instytut Technologii

Bardziej szczegółowo

dr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę.

dr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę. dr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę. Statistics in academic papers, what to avoid and what to focus on. Uniwersytet Medyczny im. Piastów Śląskich

Bardziej szczegółowo

Szukając rzetelności skali decydujące starcie

Szukając rzetelności skali decydujące starcie analiza rzetelności Szukając rzetelności skali decydujące starcie Anna Huculak Predictive Solutions Witam wszystkich Państwa, którzy nadal chcą zgłębiać tajniki analizy rzetelności. W poprzednim artykule

Bardziej szczegółowo

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY

Bardziej szczegółowo

Badanie opinii Warsaw Watch. Oferta badawcza

Badanie opinii Warsaw Watch. Oferta badawcza Badanie opinii Warsaw Watch Oferta badawcza Kim jesteśmy? SW Research Agencja badań rynku i opinii Rok założenia 2011 Wizerunek Firma oferująca profesjonalne rozwiązania badawcze, usługi analityczne i

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych

Bardziej szczegółowo

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych

Bardziej szczegółowo

Kilka uwag o testowaniu istotności współczynnika korelacji

Kilka uwag o testowaniu istotności współczynnika korelacji 341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

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

Bardziej szczegółowo

TECHNIKA DRZWI ZATRZAŚNIĘTE PRZED NOSEM

TECHNIKA DRZWI ZATRZAŚNIĘTE PRZED NOSEM Badanie pilotażowe TECHNIKA DRZWI ZATRZAŚNIĘTE PRZED NOSEM Czy łatwa prośba etyczna zostanie spełniona istotnie częściej jeśli poprzedzi się ją nieetyczną prośbą trudną? H0 nie, H1 tak. Schemat eksperymentu

Bardziej szczegółowo

Właściwości psychometryczne Kwestionariusza. do Badania Zaburzeń Odżywiania u Kobiet.

Właściwości psychometryczne Kwestionariusza. do Badania Zaburzeń Odżywiania u Kobiet. ORIGINAL PAPER Właściwości psychometryczne Kwestionariusza do Badania Zaburzeń Odżywiania u Kobiet (KBZOK) Psychometric properties of the Women's Eating Disorder Questionnaire Beata Pawłowska 1 A,B,D,F,G,

Bardziej szczegółowo

Małgorzata Rószkiewcz * Marianna Strzyżewska **

Małgorzata Rószkiewcz * Marianna Strzyżewska ** Małgorzata Rószkiewcz * Marianna Strzyżewska ** Zależność między zaangażowaniem w internacjonalizację oraz we współpracę gospodarczą a zmianami w poziomie rentowności sprzedaży polskich przedsiębiorstw.

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Dwuczynnikowa analiza wariancji (2-way

Bardziej szczegółowo

ANALIZY WIELOZMIENNOWE

ANALIZY WIELOZMIENNOWE ANALIZY WIELOZMIENNOWE ANALIZA REGRESJI Charakterystyka: Rozszerzenie analizy korelacji o badanie zależności pomiędzy wieloma zmiennymi jednocześnie; Podstawowe zastosowanie (ale przez nas w tym momencie

Bardziej szczegółowo

Elżbieta Jasińska Katedra Informacji o Terenie, Akademia Górniczo-Hutnicza w Krakowie

Elżbieta Jasińska Katedra Informacji o Terenie, Akademia Górniczo-Hutnicza w Krakowie ZASTOSOWANIE ANALIZY CZYNNIKOWEJ W SZACOWANIU NIERUCHOMOŚCI Elżbieta Jasińska Katedra Informacji o Terenie, Akademia Górniczo-Hutnicza w Krakowie 1 WPROWADZENIE Niezależnie od przyjętego sposobu wyceny,

Bardziej szczegółowo

Trafność egzaminów w kontekście metody EWD

Trafność egzaminów w kontekście metody EWD Trafność egzaminów w kontekście metody EWD Aleksandra Jasińska (a.jasinska@ibe.edu.pl) Tomasz Żółtak (t.zoltak@ibe.edu.pl) Instytut Badań Edukacyjnych ul. Górczewska 8 01-180 Warszawa JESIENNA SZKOŁA EWD

Bardziej szczegółowo

Badanie opinii Omniwatch. Oferta badawcza

Badanie opinii Omniwatch. Oferta badawcza Badanie opinii Omniwatch Oferta badawcza Kim jesteśmy? SW Research Agencja badań rynku i opinii Rok założenia 2011 Wizerunek Firma oferująca profesjonalne rozwiązania badawcze, usługi analityczne i doradcze.

Bardziej szczegółowo

Raport Końcowy z ewaluacji w projekcie: Droga do bezpiecznej służby

Raport Końcowy z ewaluacji w projekcie: Droga do bezpiecznej służby Raport Końcowy z ewaluacji w projekcie: Droga do bezpiecznej służby 1.10.2011-30.04.2013 WYKONAWCA: HABITAT SP. Z O.O. UL. 10 LUTEGO 37/5 GDYNIA SPIS TREŚCI Sprawozdanie z działań ewaluacyjnych... 3 1.

Bardziej szczegółowo

R-PEARSONA Zależność liniowa

R-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 szczegółowo

Statystyczny drogowskaz 1

Statystyczny drogowskaz 1 Statystyczny drogowskaz 1 Praktyczne wprowadzenie do wnioskowania statystycznego Pod redakcją Sylwii Bedyńskiej i Moniki Książek Warszawa, 2012 Wydawca: Bożena Kućmierowska Recenzenci: prof. dr hab. Magdalena

Bardziej szczegółowo

A N K I E T A. Zalety i wady ankiety. wielka możliwość nieszczerych odpowiedzi przy posyłaniu ankiet pocztą wiele z nich nie wraca

A N K I E T A. Zalety i wady ankiety. wielka możliwość nieszczerych odpowiedzi przy posyłaniu ankiet pocztą wiele z nich nie wraca A N K I E T A 1 Badania ankietowe stosuje się najczęściej w celu szybkiego przebadania bardzo licznych populacji. Jest to najbardziej oszczędny sposób zbierania danych. 2 Zalety i wady ankiety zalety wady

Bardziej szczegółowo

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów 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 szczegółowo

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

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

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady 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 szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

Analiza zależności liniowych

Analiza zależności liniowych Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala

Bardziej szczegółowo

Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych

Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych kod modułu: 2BL_02 1. Informacje ogólne koordynator

Bardziej szczegółowo

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 czerwiec 2013 Zadanie 1 Poniższe tabele przestawiają dane dotyczące umieralności dzieci

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych

Bardziej szczegółowo

Współliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady.

Współliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady. Współliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady. Przykład: Test Walda a test Studenta w badaniu istotności zmiennych objaśniających.

Bardziej szczegółowo

laboratoria 24 zaliczenie z oceną

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

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Testowanie hipotez statystycznych Hipotezą statystyczną jest dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia

Bardziej szczegółowo

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności

Wyniki 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 szczegółowo

ZMIDEX analiza zdolności prognostycznej

ZMIDEX analiza zdolności prognostycznej ZMIDEX analiza zdolności prognostycznej 1 KURS ZAMKNIECIA WIG 40000 45000 50000 55000 ZMIDEX, a poziom indeksu ZMIDEX vs. WIG Regresja Liniowa (KMRL) Istotny dodatni związek ZMIDEX-u ze wszystkimi badanymi

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

XXII Konferencja Psychologii Rozwojowej Uniwersytet Gdański, 27-29 V 2013. Polska adaptacja

XXII Konferencja Psychologii Rozwojowej Uniwersytet Gdański, 27-29 V 2013. Polska adaptacja XXII Konferencja Psychologii Rozwojowej Uniwersytet Gdański, 27-29 V 2013 Polska adaptacja Reasons Kwestionariusza behind motivation Motywów Rodzicielskich to have a child: Is a second child wanted Warrena

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

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

Bardziej szczegółowo

MATERIAŁY SZKOLENIOWE PSYCHOLOGIA ZARZĄDZANIA 2013 DR HAB. PROF UWR ANNA OLESZKOWICZ

MATERIAŁY SZKOLENIOWE PSYCHOLOGIA ZARZĄDZANIA 2013 DR HAB. PROF UWR ANNA OLESZKOWICZ MATERIAŁY SZKOLENIOWE PSYCHOLOGIA ZARZĄDZANIA 2013 DR HAB. PROF UWR ANNA OLESZKOWICZ TEMAT ZAJĘĆ ETAPY PROCESU BADAWCZEGO CELE ZEWNĘTRZNE NAUKI 1. OPIS FUNKCJA DESKRYPTYWNA 2. WYJASNIANIE FUNKCJA EKSPLANACYJNA

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

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

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces modelowania zjawiska handlu zagranicznego towarami Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie

Bardziej szczegółowo

Źródło informacji - Stan Zdrowia Ludności Polski w 2009 r. (GUS 2011)

Źródło informacji - Stan Zdrowia Ludności Polski w 2009 r. (GUS 2011) Źródło informacji - Stan Zdrowia Ludności Polski w 2009 r. (GUS 2011) Nie istnieje jedna, powszechnie uznana definicja niepełnosprawności. Definicja stosowana przez WHO przyjmuje, że do osób niepełnosprawnych

Bardziej szczegółowo

H3: Interakcje z otoczeniem wpływają dodatnio na zdolność absorpcyjną. H4: Projekty edukacyjne wpływają dodatnio na zdolność absorpcyjną.

H3: Interakcje z otoczeniem wpływają dodatnio na zdolność absorpcyjną. H4: Projekty edukacyjne wpływają dodatnio na zdolność absorpcyjną. Streszczenie pracy doktorskiej napisanej pod kierunkiem naukowym prof. nadzw. dr. hab. Wojciecha Czakona Zdolność absorpcyjna organizacji uczącej się mgr Regina Lenart Praca doktorska podejmuje problematykę

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka matematyczna Test χ 2. Wrocław, 18.03.2016r

Statystyka matematyczna Test χ 2. Wrocław, 18.03.2016r Statystyka matematyczna Test χ 2 Wrocław, 18.03.2016r Zakres stosowalności Testowanie zgodności Testowanie niezależności Test McNemara Test ilorazu szans Copyright 2014, Joanna Szyda ZAKRES STOSOWALNOŚCI

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Analiza wariancji. dr Janusz Górczyński

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

Bardziej szczegółowo

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH. 1.2.1. Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH. 1.2.1. Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających Badania marketingowe. Podstawy metodyczne Autor: Stanisław Kaczmarczyk Wstęp CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH Rozdział 1. Badania marketingowe a zarządzanie 1.1. Rozwój praktyki i teorii

Bardziej szczegółowo

TABELE WIELODZIELCZE

TABELE WIELODZIELCZE TABELE WIELODZIELCZE W wielu badaniach gromadzimy dane będące liczebnościami. Przykładowo możemy klasyfikować chore zwierzęta w badanej próbie do różnych kategorii pod względem wieku, płci czy skali natężenia

Bardziej szczegółowo

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Wykład 4: Wnioskowanie statystyczne Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Idea wnioskowania statystycznego Celem analizy statystycznej nie jest zwykle tylko

Bardziej szczegółowo

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015 Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20

Bardziej szczegółowo

Typowe błędy w analizie rynku nieruchomości przy uŝyciu metod statystycznych

Typowe 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 szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich

Bardziej szczegółowo

Pytanie: Kiedy do testowania hipotezy stosujemy test F (Fishera-Snedecora)?

Pytanie: Kiedy do testowania hipotezy stosujemy test F (Fishera-Snedecora)? Pytanie: Kiedy do testowania hipotezy stosujemy test F (Fishera-Snedecora)? Gdy: badana cecha jest mierzalna (ewentualnie policzalna); dysponujemy dwoma próbami; chcemy porównać, czy wariancje w tych próbach

Bardziej szczegółowo

DETERMINANTY WYBORU FUNDUSZY INWESTYCYJNYCH

DETERMINANTY WYBORU FUNDUSZY INWESTYCYJNYCH Sylwester Białowąs Katedra Badań Marketingowych Akademia Ekonomiczna w Poznaniu DETERMINANTY WYBORU FUNDUSZY INWESTYCYJNYCH Najważniejszym elementem zachowań człowieka jest podejmowanie decyzji, odnosi

Bardziej szczegółowo

Jaki jest odbiór raportu z ewaluacji zewnętrznej prowadzonej w przedszkolach, szkołach i placówkach oświatowych?

Jaki jest odbiór raportu z ewaluacji zewnętrznej prowadzonej w przedszkolach, szkołach i placówkach oświatowych? Jaki jest odbiór raportu z ewaluacji zewnętrznej prowadzonej w przedszkolach, ch i placówkach oświatowych? W dniach 9-14 października 2011 roku przeprowadzono badanie dotyczące odbioru badań ewaluacyjnych

Bardziej szczegółowo

hipotez statystycznych

hipotez statystycznych Weryfikacja hipotez statystycznych Przykład. Producent pewnych detali twierdzi, że wadliwość jego produkcji nie przekracza 2%. Odbiorca pewnej partii tego produktu chce sprawdzić, czy może wierzyć producentowi.

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

ANALIZA STATYSTYCZNA POMIARÓW MORFOLOGICZNYCH CZASZEK U NIEMOWLĄT

ANALIZA STATYSTYCZNA POMIARÓW MORFOLOGICZNYCH CZASZEK U NIEMOWLĄT Aktualne Problemy Biomechaniki, nr 6/2012 105 Małgorzata OTRĘBSKA 1, Marek GZIK 2, Wojciech WOLAŃSKI 2, Edyta KAWLEWSKA 2, Piotr JANOSKA 3, Marek MANDERA 4 1 Studenckie Koło Naukowe Biomechatroniki Biokreatywni,

Bardziej szczegółowo

ETAPY PROCESU BADAWCZEGO. wg Babińskiego

ETAPY PROCESU BADAWCZEGO. wg Babińskiego ETAPY PROCESU BADAWCZEGO wg Babińskiego NA ZACHĘTĘ Ludowe porzekadło o mówi: m CIEKAKAWOŚĆ TO PIERWSZY STOPIEŃ DO PIEKŁA. ale BEZ CIEKAWOŚCI I CHĘCI CI POZNANIA NIE MA Nauki Badań Rozwoju I jeszcze kilku

Bardziej szczegółowo

ANALIZA WARIANCJI - KLASYFIKACJA WIELOCZYNNIKOWA

ANALIZA WARIANCJI - KLASYFIKACJA WIELOCZYNNIKOWA ANALIZA WARIANCJI - KLASYFIKACJA WIELOCZYNNIKOWA Na poprzednich zajęciach omawialiśmy testy dla weryfikacji hipotez, że kilka średnich dla analizowanej zmiennej grupującej mają jednakowe wartości średnie.

Bardziej szczegółowo

Pomiary urodzeń według płci noworodka i województwa.podział na miasto i wieś.

Pomiary urodzeń według płci noworodka i województwa.podział na miasto i wieś. Pomiary urodzeń według płci noworodka i województwa.podział na miasto i wieś. Województwo Urodzenia według płci noworodka i województwa. ; Rok 2008; POLSKA Ogółem Miasta Wieś Pozamałżeńskie- Miasta Pozamałżeńskie-

Bardziej szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. Wprowadzenie. Statystyka opisowa W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15 Sylabus do programu kształcenia obowiązującego od roku akademickiego 0/5 () Nazwa Rachunek prawdopodobieństwa i statystyka () Nazwa jednostki prowadzącej Wydział Matematyczno - Przyrodniczy przedmiot ()

Bardziej szczegółowo

Analiza statystyczna. Ogólne własności funkcji. Funkcja liniowa. Równania i nierówności liniowe

Analiza statystyczna. Ogólne własności funkcji. Funkcja liniowa. Równania i nierówności liniowe Analiza statystyczna Ogólne własności funkcji. Funkcja liniowa. Równania i nierówności liniowe Dokument zawiera opracowanie wyników analizy statystycznej e-sprawdzianu Edyta Landkauf, Zdzisław Porosiński

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE 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 szczegółowo

ANALIZA SYSTEMU POMIAROWEGO (MSA)

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

Bardziej szczegółowo

Warszawa, grudzień 2012 BS/173/2012 WIZERUNEK NAUCZYCIELI

Warszawa, grudzień 2012 BS/173/2012 WIZERUNEK NAUCZYCIELI Warszawa, grudzień 20 BS/17/20 WIZERUNEK NAUCZYCIELI Znak jakości przyznany przez Organizację Firm Badania Opinii i Rynku 11 stycznia 20 roku Fundacja Centrum Badania Opinii Społecznej ul. Żurawia 4a,

Bardziej szczegółowo