ANALIZA PODOBIEŃSTWA CECH
|
|
- Bronisław Wilczyński
- 8 lat temu
- Przeglądów:
Transkrypt
1 Ćwiczenie nr 5: ANALIZA PODOBIEŃSTWA CECH Celem ćwiczenia jest dalsza analiza podobieństwa cech (czyli zmiennych), która została rozpoczęta na poprzednich zajęciach. Dotychczas zostały zbadane jedynie korelacje w parach zmiennych. Do tego celu posłużyły: macierz współczynników korelacji liniowej oraz determinacji, a także wykresy korelacyjne. W trakcie niniejszego ćwiczenia, badanie podobieństwa cech stanie się o wiele bardziej atrakcyjne dzięki spojrzeniu na wszystkie zmienne jednocześnie. Do analizy podobieństwa wszystkich cech jednocześnie zostanie wykorzystane podejście geometryczne. W wielowymiarowej przestrzeni cech, każda zmienna może być przedstawiona w postaci wektora, przy czym wszystkie wektory zmiennych mają wspólny początek. Miarą podobieństwa zmiennych są zatem relacje pomiędzy kierunkami wyznaczanymi przez ich wektory. I. ODLEGŁOŚCI TANGENSOWE POMIĘDZY ZMIENNYMI. Liczbową miarą relacji pomiędzy kierunkami wektorów zmiennych I oraz J może być np. wartość bezwzględna tangensa kąta między tymi wektorami. Miara ta nazywana jest tangensową miarą odległości zmiennych i dana jest wzorem: gdzie r I,J jest znanym już Studentowi współczynnikiem korelacji liniowej pomiędzy zmiennymi I oraz J. Obliczenia odległości tangensowych można więc dokonać, wykorzystując przygotowaną na poprzednich zajęciach macierz współczynników korelacji liniowej: W X Y Z W r W,W = 1 r X,W r Y,W r Z,W X r W,X r X,X = 1 r Y,X r Z,X Y r W,Y r X,Y r Y,Y = 1 r Z,Y Z r W,Z r X,Z r Y,Z r Z,Z = 1 poprzez przekształcenie jej w macierz odległości, zgodnie z podanym powyżej wzorem: W X Y Z W d T W,W = 0 d T X,W d T Y,W d T Z,W X d T W,X d T X,X = 0 d T Y,X d T Z,X Y d T W,Y d T X,Y d T Y,Y = 0 d T Z,Y Z d T W,Z d T X,Z d T Y,Z d T Z,Z = 0 29
2 Zmienne, których wektory w wielowymiarowej przestrzeni cech są równoległe (r = 1) lub antyrównoległe (r = -1) niosą dokładnie tę samą informację i ich odległość tangensowa jest równa 0. Zmienne, których wektory są ortogonalne (prostopadłe do siebie; r = 0), niosą całkowicie różne informacje i mają odległość tangensową równą nieskończoności. Dla wszystkich pozostałych przypadków; tj. dla zmiennych, których wartość współczynnika korelacji liniowej jest większa od -1 i mniejsza od 0 lub większa od 0 i mniejsza od 1, tangensowa miara odległości przyjmuje wartości od 0 do nieskończoności; przy czym: im większa jest odległość między zmiennymi, tym mniej wspólnej informacji one niosą. Przygotowana w ten sposób macierz odległości tangensowych posłuży jako podstawa do zastosowania dwóch graficznych metod analizy podobieństwa cech: analizy wiązkowej oraz metody graficznej Czekanowskiego. Zaczniemy od tej pierwszej. II. ANALIZA WIĄZKOWA CECH. W zależności od tego, jaki problem został postawiony do rozwiązania, można zastosować jedną z dwóch wersji analizy wiązkowej. Jeżeli intencją Studenta jest pokreślenie podobieństw między cechami, powinien zastosować tzw. metodę najbliższego sąsiada; jeżeli zaś Jego celem jest podkreślenie różnic pomiędzy cechami powinien zastosować tzw. metodę najdalszego sąsiada. Wybór metody powinien zostać dokonany w sposób świadomy, ponieważ poszczególne wersje analizy wiązkowej dają przeważnie różne wyniki dla tych samych danych. Metody najbliższego i najdalszego sąsiada różnią się jednym szczegółem, który opiszemy za chwilę. Uwaga praktyczna: w metodzie analizy wiązkowej najwygodniej pracuje się na jednym z trójkątów macierzy odległości (na przykład: dolnym), nie zaś na pełnej macierzy kwadratowej. Algorytm przeprowadzenia analizy wiązkowej zaprezentujemy na przykładzie zestawu MIECZE. Do dzieła! 1) W trójkątnej macierzy odległości tangensowych poszukuje się wartości najmniejszej (oczywiście z pominięciem przekątnej, na której wszystkie wartości wynoszą 0) i sprawdza się, pomiędzy którymi zmiennymi ona występuje. DC* 0,000 DG* 0,294 0,000 DR 0,917 1,466 0,000 M 0,437 0,522 1,082 0,000 SM 0,871 0,936 1,267 0,695 0,000 T 0,487 0,652 1,039 0,522 0,952 0,000 CR* 2,976 2,828 3,503 3,878 9,497 3,487 0,000 DC* DG* DR M SM T CR* 30
3 W omawianym przykładzie (zestaw MIECZE) jest to odległość między zmiennymi DG* oraz DC* (zacienione pole macierzy). W odległości 0,294 tworzą one skupienie, które nazwijmy A. Należy teraz pozbyć się tych dwóch zmiennych z macierzy odległości oraz umieścić w niej skupienie A. 2) Aby umieścić w macierzy skupienie A, postępuje się według podanego poniżej algorytmu: i. Zaznacza się odległości każdej z pozostałych zmiennych od dwóch usuwanych zmiennych (dla danej zmiennej te dwie wartości zwykle się różnią). Większą z tych dwóch odległości dla danej zmiennej wyróżnia się np. kursywą, a mniejszą - np. przez podkreślenie. Odległości zmiennej SM od zmiennych DC* i DG* wynoszą odpowiednio: 0,871 i 0,936. Ponieważ odległość SM-DC* jest mniejsza, niźli odległość SM-DG*, wartość 0,871 podkreślamy, zaś wartość 0,936 wyróżniamy kursywą. Ostatecznie, po zaznaczeniu wszystkich wymaganych odległości, macierz prezentuje się następująco: DC* 0,000 DG* 0,294 0,000 DR 0,917 1,466 0,000 M 0,437 0,522 1,082 0,000 SM 0,871 0,936 1,267 0,695 0,000 T 0,487 0,652 1,039 0,522 0,952 0,000 CR* 2,976 2,828 3,503 3,878 9,497 3,487 0,000 DC* DG* DR M SM T CR* ii. Należy teraz skopiować tabelę i zamienić nazwę pierwszej z dwóch zmiennych 11, które uległy połączeniu, na nazwę skupienia, zaś etykiety drugiej zmiennej usunąć z tabeli. Dotyczy to zarówno wierszy, jak i kolumn. W omawianym przykładzie, nazwę zmiennej DC* zmieniamy na nazwę skupienia A, zaś nazwę zmiennej DG* usuwamy: A 0,000 0,294 0,000 DR 0,917 1,466 0,000 M 0,437 0,522 1,082 0,000 SM 0,871 0,936 1,267 0,695 0,000 T 0,487 0,652 1,039 0,522 0,952 0,000 CR* 2,976 2,828 3,503 3,878 9,497 3,487 0,000 A DR M SM T CR* 11 Pod pojęciem "pierwszej z dwóch zmiennych" rozumiemy tę zmienną, której nazwa w kolumnie etykiet wierszy znajduje się wyżej. 31
4 iii. a) W przypadku korzystania z metody najbliższego sąsiada, należy zamienić miejscami wartości podkreślone i pisane kursywą w taki sposób, aby w wierszu/kolumnie skupienia znalazły się tylko wartości podkreślone. b) W przypadku korzystania z metody najdalszego sąsiada, należy zamienić miejscami wartości podkreślone i pisane kursywą w taki sposób, aby w wierszu/kolumnie skupienia znalazły się tylko wartości pisane kursywą. W metodzie najbliższego sąsiada, operacja sprowadza się do zamiany miejscami wartości 2,976 i 2,828 w obrębie wiersza zmiennej CR*. Dzięki temu w kolumnie A znajdą się wyłącznie wartości podkreślone. A 0,000 0,294 0,000 DR 0,917 1,466 0,000 M 0,437 0,522 1,082 0,000 SM 0,871 0,936 1,267 0,695 0,000 T 0,487 0,652 1,039 0,522 0,952 0,000 CR* 2,828 2,976 3,503 3,878 9,497 3,487 0,000 A DR M SM T CR* Gdybyśmy korzystali z metody najdalszego sąsiada, naszym zadaniem byłoby wypełnienie kolumny/wiersza A wartościami pisanymi kursywą, czyli należałoby zamienić miejscami wyróżnione wartości w wierszach DR, M, SM oraz T. Efekt końcowy byłby następujący: A 0,000 0,294 0,000 DR 1,466 0,917 0,000 M 0,522 0,437 1,082 0,000 SM 0,936 0,871 1,267 0,695 0,000 T 0,652 0,487 1,039 0,522 0,952 0,000 CR* 2,976 2,828 3,503 3,878 9,497 3,487 0,000 A DR M SM T CR* iv. Niezależnie od wybranej wersji analizy wiązkowej, następnym krokiem jest usunięcie z macierzy kolumny oraz wiersza, które pozbawione są etykiet. Dla metody najbliższego sąsiada otrzymujemy: A 0,000 DR 0,917 0,000 M 0,437 1,082 0,000 SM 0,871 1,267 0,695 0,000 T 0,487 1,039 0,522 0,952 0,000 CR* 2,828 3,503 3,878 9,497 3,487 0,000 A DR M SM T CR* zaś dla metody najdalszego sąsiada: 32
5 A 0,000 DR 1,466 0,000 M 0,522 1,082 0,000 SM 0,936 1,267 0,695 0,000 T 0,652 1,039 0,522 0,952 0,000 CR* 2,976 3,503 3,878 9,497 3,487 0,000 A DR M SM T CR* v. Na końcu należy pozbawić komórki macierzy odległości wszelkich wyróżnień (podkreśleń/kursywy) i odnotować, co się stało: zmienne DC* i DG* utworzyły skupienie A w odległości 0,294. 3) Kroki 1) i 2) powtarza się, aż w macierzy pozostaną tylko dwie zmienne. Poniżej przedstawiliśmy przykład takiego postępowania dla danych MIECZE i metody najbliższego sąsiada. A 0,000 DR 0,917 0,000 M 0,437 1,082 0,000 SM 0,871 1,267 0,695 0,000 T 0,487 1,039 0,522 0,952 0,000 CR* 2,828 3,503 3,878 9,497 3,487 0,000 A DR M SM T CR* B 0,000 DR 0,917 0,000 SM 0,695 1,267 0,000 T 0,487 1,039 0,952 0,000 CR* 2,828 3,503 9,497 3,487 0,000 B DR SM T CR* Ze skupienia A i zmiennej M powstało skupienie B w odległości 0,437. B 0,000 DR 0,917 0,000 SM 0,695 1,267 0,000 T 0,487 1,039 0,952 0,000 CR* 2,828 3,503 9,497 3,487 0,000 B DR SM T CR* C 0,000 DR 0,917 0,000 SM 0,695 1,267 0,000 CR* 2,828 3,503 9,497 0,000 C DR SM CR* 33
6 Ze skupienia B i zmiennej T powstało skupienie C w odległości 0,487. C 0,000 DR 0,917 0,000 SM 0,695 1,267 0,000 CR* 2,828 3,503 9,497 0,000 C DR SM CR* D 0,000 DR 0,917 0,000 CR* 2,828 3,503 0,000 D DR CR* Ze skupienia C i zmiennej SM powstało skupienie D w odległości 0,695. D 0,000 DR 0,917 0,000 CR* 2,828 3,503 0,000 D DR CR* E 0,000 CR* 2,828 0,000 E CR* Ze skupienia D i zmiennej DR powstało skupienie E w odległości 0,917. Gdy spojrzymy na powyższą macierz, natychmiast możemy podać informację finałową: Ze skupienia E i zmiennej CR* powstało skupienie F w odległości 2,828; nastąpiło połączenie wszystkich cech w jedno skupienie. Zbierzmy zatem wszystkie informacje, konieczne do sporządzenia diagramu wiązkowego: i. zmienne DC* i DG* tworzą skupienie A w odległości 0,294; ii. skupienie A i zmienna M tworzą skupienie B w odległości 0,437; iii. skupienie B i zmienna T tworzą skupienie C w odległości 0,487; iv. skupienie C i zmienna SM tworzą skupienie D w odległości 0,695; v. skupienie D i zmienna DR tworzą skupienie E w odległości 0,917; vi. skupienie E i zmienna CR* tworzą skupienie F w odległości 2,
7 Utworzenie diagramu wiązkowego polega na odłożeniu na osi OX nazw cech (w odpowiedniej kolejności, o czym za chwilę), zaś na osi OY odległości, przy których powstają poszczególne skupienia; a następnie: na graficznym przedstawieniu łączenia się kolejnych skupień i cech. UWAGA!!! Odległości na osi OY należy odkładać zawsze od 0 nie zaś od poprzedniego połączenia! Kolejność nazw cech na osi OX wymaga odpowiedniego zaplanowania należy ułożyć je tak, aby linie łączące poszczególne cechy i skupienia nie krzyżowały się. Trzeba zatem dokładnie przestudiować, jakie cechy się łączą i w jakiej kolejności. W omawianym powyżej przykładzie szczęśliwie złożyło się, iż za każdym razem świeżo upieczone skupienie za chwilę tworzyło kolejne zaplanowanie kolejności cech na osi OX było zatem bardzo proste. Zalecamy jednak dodatkowo przyjrzeć się przykładom omówionym w podręczniku stopień ich skomplikowania bywa dużo większy. Przykład: Dla zestawu MIECZE, diagram wiązkowy uzyskany metodą najbliższego sąsiada prezentuje się następująco: Nie ulega wątpliwości, że nasze zmienne nie tworzą zbioru jednorodnego. Zmienna CR* wyraźnie odbiega od pozostałych. 35
8 Na tym etapie warto pokusić się o interpretację otrzymanego obrazu. Długość całkowita miecza (DC*) jako zmienna znajduje się najbliżej długości główni (DG*), czyli ostrza. Wynik logiczny i sensowny. Te dwie zmienne dość szybko łączą się z masą miecza (M), a za chwilę z jego typem (T; jedno-; półtora-; dwuręczny). Nieco dalej znajduje się odległość środka masy miecza (SM) od końca rękojeści (co zrozumiałe), stosunkowo blisko SM, ale daleko od całej reszty długość rękojeści (DR). Najmniej wspólnego ze wszystkimi zmiennymi ma cena repliki (CR*). Wynik taki nie powinien dziwić, ponieważ cena prawdopodobnie zależy również od innych parametrów, jak np. rodzaju użytego metalu, sposobu wykonania czy też kunsztu kowala, które trudno ująć w postaci liczbowej. Excel nie posiada narzędzia dedykowanego do tworzenia diagramu wiązkowego 12 najlepiej wykonać go w programie przeznaczonym do tworzenia grafiki wektorowej (CorelDRAW, Adobe Illustrator, AutoCAD). Prowadzący zajęcia będą oczywiście honorowali zeskanowany rysunek odręczny - ocenie podlega bowiem nie umiejętność obsługi procesorów grafiki wektorowej, lecz zrozumienie tematu. III. METODA GRAFICZNA CZEKANOWSKIEGO. Nieco łatwiejszą w wykonaniu metodą graficznego przedstawienia podobieństwa pomiędzy cechami jest tzw. diagram Czekanowskiego. Wymaga on skorzystania z pełnej (czyli kwadratowej) macierzy odległości. Zasada metody polega na przypisaniu poszczególnym wartościom odległości pomiędzy zmiennymi symboli graficznych. Dokonuje się tego według własnego uznania jest to zatem metoda bardzo subiektywna. Po przypisaniu wartościom symboli graficznych, otrzymuje się tzw. nieuporządkowany diagram Czekanowskiego. Jego porządkowanie polega na synchronicznej zamianie wierszy i kolumn (tj. zamieniając wiersz, na przykład, trzeci z piątym, natychmiast zamienia się również miejscami kolumnę trzecią i piątą) tak, aby symbole odpowiadające najmniejszym odległościom znalazły się jak najbliżej przekątnej. Uporządkowany diagram Czekanowskiego ujawnia podobieństwa między cechami, a także zaprasza do dalszych rozważań. Dość teorii, przejdźmy do praktyki. W trakcie studiowania algorytmu tworzenia diagramu Czekanowskiego ponownie odwołamy się do macierzy odległości cech zestawu MIECZE. 1) Na początek, należy przyjąć kryteria przypisania symboli graficznych do wartości w macierzy odległości (według własnego uznania). 12 Możliwe jest stworzenie diagramu wiązkowego w Excelu przy pomocy odpowiedniego rodzaju wykresu (diagram zaprezentowany powyżej został stworzony w taki właśnie sposób) wymaga to jednak sporej dozy cierpliwości. 36
9 DC* 0,000 0,294 0,917 0,437 0,871 0,487 2,976 DG* 0,294 0,000 1,466 0,522 0,936 0,652 2,828 DR 0,917 1,466 0,000 1,082 1,267 1,039 3,503 M 0,437 0,522 1,082 0,000 0,695 0,522 3,878 SM 0,871 0,936 1,267 0,695 0,000 0,952 9,497 T 0,487 0,652 1,039 0,522 0,952 0,000 3,487 CR* 2,976 2,828 3,503 3,878 9,497 3,487 0,000 DC* DG* DR M SM T CR* Dla omawianego przykładu przyjmujemy następujące kryteria: i. wartości od 0 do 0,5 oznaczamy jako #; ii. wartości od 0,5 do 1 oznaczamy jako +; iii. wartości od 1 do 2 oznaczamy jako :; iv. wartości powyżej 2 nie oznaczamy w ogóle tj. zostawiamy puste miejsca. 2) Dzięki temu, tworzy się nieuporządkowany diagram Czekanowskiego. DC* # # + # + # DG* # # : DR + : # : : : M # + : # + + SM + + : + # + T # + : + + # CR* # DC* DG* DR M SM T CR* 3) Należy teraz uporządkować diagram Czekanowskiego. Celem jest uzyskanie obrazu, w którym symbole odpowiadające najmniejszym odległościom znajdują się jak najbliżej przekątnej. Zanim zaczniemy, przyjrzyjmy się diagramowi nieuporządkowanemu. Najwięcej "bliskich znajomych" ma długość całkowita miecza (DC*), dlatego będziemy dążyli do umieszczenia symboli # DC*-T oraz # DC*-M bliżej przekątnej. Nieco uwagi poświęcimy również symbolom + zmiennej DG*. i. Zamieńmy miejscami zmienne DC* oraz DR (wiersze oraz kolumny!). 37
10 DR # : + : : : DG* : # # DC* + # # # + # M : + # # + + SM : # + T : + # + + # CR* # DR DG* DC* M SM T CR* Nastąpiła pewna poprawa. Nadal jednak # DC*-T jest zbyt daleko od przekątnej. ii. Zamieńmy miejscami zmienne DC* oraz SM. DR # : : : + : DG* : # + + # + SM : + # M : + + # # + DC* + # + # # # T : # # CR* # DR DG* SM M DC* T CR* # DG*-DC* oddalił się od przekątnej. Porządkujmy dalej. iii. Zamieńmy miejscami zmienne DG* oraz SM. DR # : : : + : SM : # DG* : + # + # + M : + + # # + DC* + + # # # # T : # # CR* # DR SM DG* M DC* T CR* Wyraźny postęp. Zobaczmy jeszcze, czy da się poprawić lokalizację # DG*-DC*. 38
11 iv. Zamieńmy miejscami zmienne DC* oraz M. DR # : : + : : SM : # DG* : + # # + + DC* + + # # # # M : + + # # + T : + + # + # CR* # DR SM DG* DC* M T CR* Uzyskaliśmy zasadniczo ten sam obraz; dalsza zamiana zmiennych nie przynosi jego poprawy. DR # : : + : : SM : # DG* : + # # + + DC* + + # # # # M : + + # # + T : + + # + # CR* # DR SM DG* DC* M T CR* Uznajemy powyższy diagram za uporządkowany. Przyjrzyjmy się informacjom, jakie niesie: 1) długość całkowita (DC*) jest związana z największą liczbą parametrów miecza, co absolutnie zgadza się ze zdrowym rozsądkiem; 2) zmienne DG* (długość głowni), DC*, M (masa) oraz T (typ) tworzą duże skupisko zmiennych skorelowanych; 3) zmienna SM (odległość środka masy od końca rękojeści) jest nieco słabiej związana ze skupiskiem opisanym w punkcie 2); 4) zmienna DR (długość rękojeści) jest słabo związana z pozostałymi cechami (wykazuje związek jedynie z długością całkowitą repliki); 5) cena repliki (CR*) nie zdradza żadnego podobieństwa do pozostałych cech. 39
12 Skonfrontujmy te wyniki z diagramem wiązkowym, zaprezentowanym obok diagramu Czekanowskiego. Wyniki obydwu analiz doprowadziły do podobnych wniosków. IV. SPRAWOZDANIE. W sprawozdaniu Student powinien umieścić macierz odległości tangensowych pomiędzy cechami, a także wykonać analizę wiązkową oraz diagram Czekanowskiego dla swoich zmiennych. Prosimy o umieszczenie w sprawozdaniu wszystkich kroków analizy wiązkowej, nieuporządkowanego oraz uporządkowanego diagramu Czekanowskiego oraz wniosków końcowych. 40
13 Ćwiczenie nr 6: ANALIZA PODOBIEŃSTWA OBIEKTÓW Celem ćwiczenia jest wykonanie wstępnej analizy podobieństwa obiektów. W wielowymiarowej przestrzeni cech obiekty reprezentowane są w postaci punktów; miarą podobieństwa obiektów mogą być zatem odległości pomiędzy tymi punktami w omawianej przestrzeni. Powszechnie przyjętą miarą odległości punktów jest tzw. odległość euklidesowa (patrz: sekcja II). Wykonanie wstępnej analizy podobieństwa obiektów rozpoczyna się od z tzw. autoskalowania (standaryzacji) danych. Następnie, używa się metod analogicznych do tych, które zostały wykorzystane na zajęciach poprzednich w celu wykonania analizy podobieństwa cech, czyli: najpierw oblicza się macierz odległości obiektów, później zaś - sporządza jej reprezentację graficzną. I. AUTOSKALOWANIE DANYCH. Aby przystąpić do obliczania odległości euklidesowych między obiektami, zmienne należy najpierw poddać transformacji zwanej autoskalowaniem, czyli standaryzacją. Polega ona na takiej transformacji wartości w obrębie każdej zmiennej, aby - po transformacji - wartość średnia każdej ze zmiennych była równa 0, zaś odchylenie standardowe każdej zmiennej było równe 1. Efekt taki można uzyskać stosunkowo łatwo, stosując dla każdej wartości w tabeli danych następującą transformację: gdzie: z AX - standaryzowana wartość cechy X dla obiektu A; x AX - oryginalna 13 wartość cechy X dla obiektu A; m X - wartość średnia zmiennej X; s X - odchylenie standardowe populacji zmiennej X. Celem autoskalowania danych jest uczynienie poszczególnych zmiennych współmiernymi, albo, inaczej mówiąc: uczynienie współmiernymi wszystkich wymiarów w wielowymiarowej przestrzeni cech. Poszczególne zmienne w postaci "oryginalnej" mają bowiem swoje indywidualne skale i przedziały zmienności, które należałoby "ujednolicić" w celu zapewnienia jednakowego wpływu wszystkich cech na wartości odległości euklidesowych. Autoskalowanie zapewnia jednocześnie: centrowanie danych, współmierność zmiennych i uniezależnienie się od stosowanych jednostek. 13 Jeżeli zmienna X była wcześniej transformowana - w miejscu x AX podstawia się wartości zmiennej po transformacji. 41
14 Należy zatem stworzyć macierz danych autoskalowanych. Powstanie ona z macierzy danych wejściowych: W X Y Z A x AW x AX x AY x AZ B x BW x BX x BY x BZ C x CW x CX x CY x CZ D x DW x DX x DY x DZ : m m W m X m Y m Z s s W s X s Y s Z przy pomocy podanego powyżej wzoru: W X Y Z A z AW z AX z AY z AZ B z BW z BX z BY z BZ C z CW z CX z CY z CZ D z DW z DX z DY z DZ : m m W = 0 m X = 0 m Y = 0 m Z = 0 s s W = 1 s X = 1 s Y = 1 s Z = 1 W celu kontroli poprawności wykonania procesu autoskalowania należy obliczyć wartości średnie oraz odchylenia standardowe poszczególnych zmiennych standaryzowanych. W przypadku otrzymania, odpowiednio, 0 oraz 1, uzyskuje się pewność poprawności transformacji 14. Powyższa macierz będzie stanowiła punkt wyjścia do wszystkich, kolejnych analiz podobieństwa obiektów. Od tego momentu obliczenia będą wykonywane wyłącznie na danych autoskalowanych 15. II. MACIERZ ODLEGŁOŚCI EUKLIDESOWYCH. W trakcie analizy podobieństwa cech, przeprowadzonej na poprzednich zajęciach, wykorzystana została tzw. tangensowa miara odległości pomiędzy zmiennymi. W przypadku analizy podobieństwa obiektów, definicja odległości pomiędzy nimi jest dużo prostsza. W zdecydowanej większość przypadków, stosuje się euklidesową miarę odległości pomiędzy obiektami: 14 W nielicznych przypadkach, niektóre wersje Excela zwracają wartość średnią dla danych autoskalowanych rzędu np Zjawisko takie wynika ze skończonej długości rozwinięć dziesiętnych, które Excel jest w stanie zapamiętać. W takich przypadkach wolno, z czystym sumieniem, zaokrąglać takie wartości do zera. 15 Macierz danych autoskalowanych dla omawianego zestawu MIECZE znajduje się w Dodatku B, na końcu niniejszej instrukcji. 42
15 gdzie: k - poszczególne zmienne; m - liczba zmiennych. Euklidesowa miara odległości obiektów I oraz J jest zatem pierwiastkiem z sumy kwadratów różnic wartości wszystkich zmiennych dla obiektów I oraz J. Kluczowym aspektem stosowania tej miary odległości jest korzystanie z macierzy danych autoskalowanych, nie zaś - danych oryginalnych, w celu zapewnienia jednakowego wpływu wszystkich zmiennych na wartość odległości dwóch obiektów. A teraz - po polsku. Wykorzystując przykładową macierz danych autoskalowanych: W X Y Z A z AW z AX z AY z AZ B z BW z BX z BY z BZ C z CW z CX z CY z CZ D z DW z DX z DY z DZ oblicza się wartość odległości euklidesowej obiektów A oraz B, co sprowadza się do działania: zaś dla obiektów B oraz D: Wykonanie serii analogicznych obliczeń dla wszystkich możliwych par obiektów, a następnie zestawienie ich w postaci tabeli, prowadzi do utworzenia macierzy odległości euklidesowych: A B C D A d AA = 0 d AB d AC d AD B d BA d BB = 0 d BC d BD C d CA d CB d CB = 0 d CD D d DA d DB d DC d DD = 0 Podobnie, jak macierz odległości tangensowych, macierz odległości euklidesowych również jest symetryczna względem przekątnej złożonej z samych zer, ponieważ odległość euklidesowa obiektu od niego samego wynosi 0. 43
16 Wykonanie macierzy odległości euklidesowych będzie jedną z najbardziej niewdzięcznych czynności, o wykonanie której Student zostanie poproszony w trakcie zajęć z chemometrii - pod warunkiem, że nie skorzysta z "dolarów", stosowanych do blokowania adresów komórek w programie MS Excel. Ich odpowiednie wykorzystanie radykalnie skraca czas przygotowania tabeli 16. Do przeprowadzenia dalszych analiz, które będą - analogicznie do wykonywanej poprzednio analizy podobieństwa cech - oparte na metodach graficznych, niezbędne będzie wykorzystanie kwadratowej macierzy odległości euklidesowych. III. DENDRYT OBIEKTÓW. Dendryt obiektów koncepcyjnie przypomina nieco analizę wiązkową, jest jednak prostszy w wykonaniu dla dużych zbiorów, ponieważ nie wymaga iteracyjnego pomniejszania macierzy odległości. Nie trzeba również kłopotać się wyborem wersji metody, ponieważ dendryt korzysta wyłącznie z metody najbliższego sąsiada. Uzyskana przed chwilą macierz odległości euklidesowych pomiędzy obiektami stanowi komplet danych, niezbędnych do wykonania dendrytu. Podobnie, jak w przypadku analizy wiązkowej, algorytm wykonania dendrytu zaprezentujemy na przykładzie zestawu MIECZE. Do dzieła! 1) W kwadratowej macierzy odległości euklidesowych pomiędzy obiektami poszukuje się wartości najmniejszych w obrębie każdej kolumny (bądź wiersza) - pomijając, naturalnie, przekątną złożoną z zer 17. Odnalezione wartości należy wyróżnić. Pełna tabela wartości odległości euklidesowych dla omawianego przykładu znajduje się w dalszej części instrukcji (tabela VI.2.). 2) Następnie, wykonuje się spis par obiektów, pomiędzy którymi wystąpiły najmniejsze odległości. Zdarzające się powtórzenia par należy wyeliminować. Po eliminacji, warto posortować listę alfabetycznie względem jednej z kolumn etykiet obiektów (najlepiej tej, w której występuje więcej powtórzeń nazw obiektów). 16 Po szczegóły zapraszamy do Dodatku B, znajdującego się na końcu instrukcji. 17 W gotowej macierzy odległości euklidesowych można usunąć wartości z komórek przekątnej, a następnie użyć funkcji =MIN(zakres_komórek_kolumny) dla każdej z kolumn. Excel nie oburzy się brakiem wartości w jednym polu i poda prawdziwy wynik. 44
17 Przykład: biekt: Sąsiad: Odległość: AER SIH 1,653 AND ORK 4237 AZU HUR 0,899 BAL JOY 0,596 DUR JOY 0,423 EXC ORK 0,512 GLA EXC 0,930 GOL GWY 2,397 GRA DUR 0,907 GUR EXC 1,006 GWY AZU 1,332 HER HUR 0,879 HUR HER 0,879 JOY DUR 0,423 LOD GRA 1,064 ORK EXC 0,512 SIH GLA 1,048 UMB URI 2,619 URI UMB 2,619 ZAD AZU 2,033 Obiekt: Sąsiad: Odległość: GWY AZU 1,332 ZAD AZU 2,033 GRA DUR 0,907 GLA EXC 0,930 GUR EXC 1,006 SIH GLA 1,048 LOD GRA 1,064 GOL GWY 2,397 AZU HUR 0,899 HER HUR 0,879 BAL JOY 0,596 DUR JOY 0,423 AND ORK 4,237 EXC ORK 0,512 AER SIH 1,653 UMB URI 2,619 Tabela VI.1. Wszystkie obiekty omawianego przykładu, wraz z wartościami odległości euklidesowych do najbliższego sąsiada; po lewej - tabela surowa; po prawej - tabela po eliminacji powtórzeń i uporządkowaniu względem drugiej kolumny. 3) Przyglądając się otrzymanym parom, należy utworzyć tzw. skupienia pierwotne poprzez poszukiwanie w uporządkowanej tabeli VI.1. łańcuchów połączeń między obiektami, w myśl starożytnej a pięknej zasady, iż "przyjaciele naszych przyjaciół są naszymi przyjaciółmi". Przykład, c.d.: 1) AZU tworzy pary z GWY, HUR i ZAD; badamy zatem te trzy obiekty. GWY tworzy dodatkową parę z GOL, HUR z HER, zaś ZAD nie tworzy już żadnej, innej pary. GOL i HER nie łączą się już dalej z innymi obiektami. Otrzymaliśmy zatem pierwsze skupienie pierwotne: AZU, GOL, GWY, HER, HUR, ZAD. 2) DUR tworzy pary z GRA i JOY; badamy zatem te dwa obiekty. GRA tworzy parę z LOD, JOY tworzy parę z BAL. LOD ani BAL nie tworzą dodatkowych par. Otrzymaliśmy zatem drugie skupienie pierwotne: BAL, DUR, GRA, JOY, LOD. 3) EXC tworzy pary z GLA, GUR oraz ORK; badamy zatem te trzy obiekty. GLA tworzy parę z SIH, GUR dodatkowej pary nie tworzy, ORK tworzy parę z AND. SIH tworzy parę z AER, AND dodatkowej pary nie tworzy. AER również dodatkowej pary nie tworzy. Otrzymaliśmy trzecie skupienie pierwotne: AER, AND, EXC, GLA, GUR, ORK, SIH. 45
18 4) UMB tworzy parę z URI. URI nie tworzy innych par, otrzymaliśmy zatem czwarte skupienie pierwotne: UMB, URI. Wszystkie obiekty zostały wykorzystane. Po utworzeniu skupień pierwotnych, w macierzy odległości obiektów należy wyróżnić (np. szarą czcionką) odległości wewnątrz utworzonych skupień. Na przykład: Ponieważ drugie skupienie pierwotne składa się z obiektów BAL, DUR, GRA, JOY oraz LOD, w macierzy odległości szarą czcionką wyróżniamy odległości: BAL-BAL, BAL-DUR, BAL-GRA, BAL-JOY, BAL- LOD, DUR-BAL, DUR-DUR, DUR-GRA, DUR-JOY, DUR-LOD, GRA-BAL, GRA- DUR, GRA-GRA, GRA-JOY, GRA-LOD, JOY-BAL, JOY-DUR, JOY-GRA, JOY- JOY, JOY-LOD, LOD-BAL, LOD-DUR, LOD-GRA, LOD-JOY, LOD-LOD. 4) Po otrzymaniu skupień pierwotnych, przystępuje się do tworzenia skupień wyższych rzędów. Polega to na iteracyjnym poszukiwaniu w tabeli odległości najmniejszej możliwej odległości między obiektami, które należą do dwóch różnych skupień niższych rzędów. Oznacza to, iż należy poszukiwać najmniejszej liczby w obrębie całej macierzy odległości, z pominięciem odległości wyróżnionych szarą czcionką 18. Przykład, c.d.: Opisane wyżej postępowanie zostało (dla zestawu MIECZE) zilustrowane kolejnymi tabelami. Z przyczyn czysto technicznych (rozmiar strony) każdą tabelę podzieliliśmy na dwie części - część dolna w rzeczywistości powinna znajdować się po prawej stronie części górnej. 18 Aby wyżej opisane poszukiwanie było wydajne, można np. usunąć wymienione wartości z komórek macierzy, a następnie zastosować funkcję: =MIN(zakres_komórek_całej_tabeli). 46
19 AER 0,000 5,444 2,951 3,053 2,753 2,050 2,120 3,064 2,961 2,296 AND 5,444 0,000 6,116 5,545 5,271 4,339 4,510 6,631 4,858 4,550 AZU 2,951 6,116 0,000 1,054 1,173 2,904 3,000 2,498 1,824 2,342 BAL 3,053 5,545 1,054 0,000 0,737 2,938 2,861 3,272 1,516 2,349 DUR 2,753 5,271 1,173 0,737 0,000 2,365 2,321 3,052 0,907 1,919 EXC 2,050 4,339 2,904 2,938 2,365 0,000 0,930 3,245 1,961 1,006 GLA 2,120 4,510 3,000 2,861 2,321 0,930 0,000 3,866 1,933 1,108 GOL 3,064 6,631 2,498 3,272 3,052 3,245 3,866 0,000 3,316 3,309 GRA 2,961 4,858 1,824 1,516 0,907 1,961 1,933 3,316 0,000 1,576 GUR 2,296 4,550 2,342 2,349 1,919 1,006 1,108 3,309 1,576 0,000 GWY 2,025 5,917 1,332 1,481 1,401 2,687 2,763 2,397 2,080 2,470 HER 3,611 5,963 1,205 1,317 1,674 3,293 3,365 3,167 2,028 2,530 HUR 2,897 5,860 0,899 1,274 1,441 2,840 3,007 2,487 1,867 2,240 JOY 2,968 5,127 1,370 0,596 0,423 2,567 2,478 3,352 0,999 2,049 LOD 3,050 5,512 1,808 1,696 1,365 2,313 2,065 3,578 1,064 1,654 ORK 2,101 4,237 3,243 3,207 2,598 0,512 0,967 3,510 2,189 1,451 SIH 1,653 4,239 3,091 2,792 2,386 1,375 1,048 3,890 2,197 1,536 UMB 6,388 4,798 8,018 7,948 7,394 5,330 5,750 7,332 6,775 6,063 URI 4,201 4,591 6,220 6,211 5,645 3,378 3,640 5,774 5,132 4,169 ZAD 4,462 7,629 2,033 2,658 3,115 4,722 4,855 3,314 3,762 4,053 AER AND AZU BAL DUR EXC GLA GOL GRA GUR AER 2,025 3,611 2,897 2,968 3,050 2,101 1,653 6,388 4,201 4,462 AND 5,917 5,963 5,860 5,127 5,512 4,237 4,239 4,798 4,591 7,629 AZU 1,332 1,205 0,899 1,370 1,808 3,243 3,091 8,018 6,220 2,033 BAL 1,481 1,317 1,274 0,596 1,696 3,207 2,792 7,948 6,211 2,658 DUR 1,401 1,674 1,441 0,423 1,365 2,598 2,386 7,394 5,645 3,115 EXC 2,687 3,293 2,840 2,567 2,313 0,512 1,375 5,330 3,378 4,722 GLA 2,763 3,365 3,007 2,478 2,065 0,967 1,048 5,750 3,640 4,855 GOL 2,397 3,167 2,487 3,352 3,578 3,510 3,890 7,332 5,774 3,314 GRA 2,080 2,028 1,867 0,999 1,064 2,189 2,197 6,775 5,132 3,762 GUR 2,470 2,530 2,240 2,049 1,654 1,451 1,536 6,063 4,169 4,053 GWY 0,000 2,201 1,502 1,631 2,245 2,888 2,525 7,610 5,723 2,935 HER 2,201 0,000 0,879 1,605 1,881 3,692 3,403 8,164 6,539 2,102 HUR 1,502 0,879 0,000 1,508 1,798 3,224 2,935 7,715 6,027 2,269 JOY 1,631 1,605 1,508 0,000 1,421 2,802 2,457 7,482 5,795 3,174 LOD 2,245 1,881 1,798 1,421 0,000 2,621 2,381 7,200 5,405 3,559 ORK 2,888 3,692 3,224 2,802 2,621 0,000 1,371 5,116 3,116 5,112 SIH 2,525 3,403 2,935 2,457 2,381 1,371 0,000 5,735 3,696 4,897 UMB 7,610 8,164 7,715 7,482 7,200 5,116 5,735 0,000 2,619 9,706 URI 5,723 6,539 6,027 5,795 5,405 3,116 3,696 2,619 0,000 7,949 ZAD 2,935 2,102 2,269 3,174 3,559 5,112 4,897 9,706 7,949 0,000 GWY HER HUR JOY LOD ORK SIH UMB URI ZAD Tabela VI.2. Macierz odległości obiektów dla przykładu MIECZE, z wyróżnionymi poprzez zaciemnienie najmniejszymi wartościami w obrębie każdej kolumny. Z odnalezionych par obiektów tworzymy skupienia pierwotne. 47
20 AER 0,000 5,444 2,951 3,053 2,753 2,050 2,120 3,064 2,961 2,296 AND 5,444 0,000 6,116 5,545 5,271 4,339 4,510 6,631 4,858 4,550 AZU 2,951 6,116 0,000 1,054 1,173 2,904 3,000 2,498 1,824 2,342 BAL 3,053 5,545 1,054 0,000 0,737 2,938 2,861 3,272 1,516 2,349 DUR 2,753 5,271 1,173 0,737 0,000 2,365 2,321 3,052 0,907 1,919 EXC 2,050 4,339 2,904 2,938 2,365 0,000 0,930 3,245 1,961 1,006 GLA 2,120 4,510 3,000 2,861 2,321 0,930 0,000 3,866 1,933 1,108 GOL 3,064 6,631 2,498 3,272 3,052 3,245 3,866 0,000 3,316 3,309 GRA 2,961 4,858 1,824 1,516 0,907 1,961 1,933 3,316 0,000 1,576 GUR 2,296 4,550 2,342 2,349 1,919 1,006 1,108 3,309 1,576 0,000 GWY 2,025 5,917 1,332 1,481 1,401 2,687 2,763 2,397 2,080 2,470 HER 3,611 5,963 1,205 1,317 1,674 3,293 3,365 3,167 2,028 2,530 HUR 2,897 5,860 0,899 1,274 1,441 2,840 3,007 2,487 1,867 2,240 JOY 2,968 5,127 1,370 0,596 0,423 2,567 2,478 3,352 0,999 2,049 LOD 3,050 5,512 1,808 1,696 1,365 2,313 2,065 3,578 1,064 1,654 ORK 2,101 4,237 3,243 3,207 2,598 0,512 0,967 3,510 2,189 1,451 SIH 1,653 4,239 3,091 2,792 2,386 1,375 1,048 3,890 2,197 1,536 UMB 6,388 4,798 8,018 7,948 7,394 5,330 5,750 7,332 6,775 6,063 URI 4,201 4,591 6,220 6,211 5,645 3,378 3,640 5,774 5,132 4,169 ZAD 4,462 7,629 2,033 2,658 3,115 4,722 4,855 3,314 3,762 4,053 AER AND AZU BAL DUR EXC GLA GOL GRA GUR AER 2,025 3,611 2,897 2,968 3,050 2,101 1,653 6,388 4,201 4,462 AND 5,917 5,963 5,860 5,127 5,512 4,237 4,239 4,798 4,591 7,629 AZU 1,332 1,205 0,899 1,370 1,808 3,243 3,091 8,018 6,220 2,033 BAL 1,481 1,317 1,274 0,596 1,696 3,207 2,792 7,948 6,211 2,658 DUR 1,401 1,674 1,441 0,423 1,365 2,598 2,386 7,394 5,645 3,115 EXC 2,687 3,293 2,840 2,567 2,313 0,512 1,375 5,330 3,378 4,722 GLA 2,763 3,365 3,007 2,478 2,065 0,967 1,048 5,750 3,640 4,855 GOL 2,397 3,167 2,487 3,352 3,578 3,510 3,890 7,332 5,774 3,314 GRA 2,080 2,028 1,867 0,999 1,064 2,189 2,197 6,775 5,132 3,762 GUR 2,470 2,530 2,240 2,049 1,654 1,451 1,536 6,063 4,169 4,053 GWY 0,000 2,201 1,502 1,631 2,245 2,888 2,525 7,610 5,723 2,935 HER 2,201 0,000 0,879 1,605 1,881 3,692 3,403 8,164 6,539 2,102 HUR 1,502 0,879 0,000 1,508 1,798 3,224 2,935 7,715 6,027 2,269 JOY 1,631 1,605 1,508 0,000 1,421 2,802 2,457 7,482 5,795 3,174 LOD 2,245 1,881 1,798 1,421 0,000 2,621 2,381 7,200 5,405 3,559 ORK 2,888 3,692 3,224 2,802 2,621 0,000 1,371 5,116 3,116 5,112 SIH 2,525 3,403 2,935 2,457 2,381 1,371 0,000 5,735 3,696 4,897 UMB 7,610 8,164 7,715 7,482 7,200 5,116 5,735 0,000 2,619 9,706 URI 5,723 6,539 6,027 5,795 5,405 3,116 3,696 2,619 0,000 7,949 ZAD 2,935 2,102 2,269 3,174 3,559 5,112 4,897 9,706 7,949 0,000 GWY HER HUR JOY LOD ORK SIH UMB URI ZAD Tabela VI.3. Macierz odległości obiektów na etapie skupień pierwotnych. Odległości między obiektami należącymi do tego samego skupienia zostały wyróżnione szarą czcionką. Wartości tych nie uwzględniamy w trakcie konstruowania skupień drugiego rzędu. Najmniejszą odnalezioną wartością jest odległość AZU-BAL, równa 1,054 (wyróżniona ciemnym tłem). Oznacza to, iż pierwsze i drugie skupienia pierwotne łączą się w jedno skupienie drugiego rzędu, w którego skład wchodzą obiekty: AZU, BAL, DUR, GOL, GRA, GWY, HER, HUR, JOY, LOD, ZAD. 48
21 AER 0,000 5,444 2,951 3,053 2,753 2,050 2,120 3,064 2,961 2,296 AND 5,444 0,000 6,116 5,545 5,271 4,339 4,510 6,631 4,858 4,550 AZU 2,951 6,116 0,000 1,054 1,173 2,904 3,000 2,498 1,824 2,342 BAL 3,053 5,545 1,054 0,000 0,737 2,938 2,861 3,272 1,516 2,349 DUR 2,753 5,271 1,173 0,737 0,000 2,365 2,321 3,052 0,907 1,919 EXC 2,050 4,339 2,904 2,938 2,365 0,000 0,930 3,245 1,961 1,006 GLA 2,120 4,510 3,000 2,861 2,321 0,930 0,000 3,866 1,933 1,108 GOL 3,064 6,631 2,498 3,272 3,052 3,245 3,866 0,000 3,316 3,309 GRA 2,961 4,858 1,824 1,516 0,907 1,961 1,933 3,316 0,000 1,576 GUR 2,296 4,550 2,342 2,349 1,919 1,006 1,108 3,309 1,576 0,000 GWY 2,025 5,917 1,332 1,481 1,401 2,687 2,763 2,397 2,080 2,470 HER 3,611 5,963 1,205 1,317 1,674 3,293 3,365 3,167 2,028 2,530 HUR 2,897 5,860 0,899 1,274 1,441 2,840 3,007 2,487 1,867 2,240 JOY 2,968 5,127 1,370 0,596 0,423 2,567 2,478 3,352 0,999 2,049 LOD 3,050 5,512 1,808 1,696 1,365 2,313 2,065 3,578 1,064 1,654 ORK 2,101 4,237 3,243 3,207 2,598 0,512 0,967 3,510 2,189 1,451 SIH 1,653 4,239 3,091 2,792 2,386 1,375 1,048 3,890 2,197 1,536 UMB 6,388 4,798 8,018 7,948 7,394 5,330 5,750 7,332 6,775 6,063 URI 4,201 4,591 6,220 6,211 5,645 3,378 3,640 5,774 5,132 4,169 ZAD 4,462 7,629 2,033 2,658 3,115 4,722 4,855 3,314 3,762 4,053 AER AND AZU BAL DUR EXC GLA GOL GRA GUR AER 2,025 3,611 2,897 2,968 3,050 2,101 1,653 6,388 4,201 4,462 AND 5,917 5,963 5,860 5,127 5,512 4,237 4,239 4,798 4,591 7,629 AZU 1,332 1,205 0,899 1,370 1,808 3,243 3,091 8,018 6,220 2,033 BAL 1,481 1,317 1,274 0,596 1,696 3,207 2,792 7,948 6,211 2,658 DUR 1,401 1,674 1,441 0,423 1,365 2,598 2,386 7,394 5,645 3,115 EXC 2,687 3,293 2,840 2,567 2,313 0,512 1,375 5,330 3,378 4,722 GLA 2,763 3,365 3,007 2,478 2,065 0,967 1,048 5,750 3,640 4,855 GOL 2,397 3,167 2,487 3,352 3,578 3,510 3,890 7,332 5,774 3,314 GRA 2,080 2,028 1,867 0,999 1,064 2,189 2,197 6,775 5,132 3,762 GUR 2,470 2,530 2,240 2,049 1,654 1,451 1,536 6,063 4,169 4,053 GWY 0,000 2,201 1,502 1,631 2,245 2,888 2,525 7,610 5,723 2,935 HER 2,201 0,000 0,879 1,605 1,881 3,692 3,403 8,164 6,539 2,102 HUR 1,502 0,879 0,000 1,508 1,798 3,224 2,935 7,715 6,027 2,269 JOY 1,631 1,605 1,508 0,000 1,421 2,802 2,457 7,482 5,795 3,174 LOD 2,245 1,881 1,798 1,421 0,000 2,621 2,381 7,200 5,405 3,559 ORK 2,888 3,692 3,224 2,802 2,621 0,000 1,371 5,116 3,116 5,112 SIH 2,525 3,403 2,935 2,457 2,381 1,371 0,000 5,735 3,696 4,897 UMB 7,610 8,164 7,715 7,482 7,200 5,116 5,735 0,000 2,619 9,706 URI 5,723 6,539 6,027 5,795 5,405 3,116 3,696 2,619 0,000 7,949 ZAD 2,935 2,102 2,269 3,174 3,559 5,112 4,897 9,706 7,949 0,000 GWY HER HUR JOY LOD ORK SIH UMB URI ZAD Tabela VI.4. Macierz odległości obiektów na etapie poszukiwania skupień trzeciego rzędu. Najmniejszą odnalezioną wartością okazuje się odległość GRA-GUR, równa 1,576 (wyróżniona ciemnym tłem). 49
22 AER 0,000 5,444 2,951 3,053 2,753 2,050 2,120 3,064 2,961 2,296 AND 5,444 0,000 6,116 5,545 5,271 4,339 4,510 6,631 4,858 4,550 AZU 2,951 6,116 0,000 1,054 1,173 2,904 3,000 2,498 1,824 2,342 BAL 3,053 5,545 1,054 0,000 0,737 2,938 2,861 3,272 1,516 2,349 DUR 2,753 5,271 1,173 0,737 0,000 2,365 2,321 3,052 0,907 1,919 EXC 2,050 4,339 2,904 2,938 2,365 0,000 0,930 3,245 1,961 1,006 GLA 2,120 4,510 3,000 2,861 2,321 0,930 0,000 3,866 1,933 1,108 GOL 3,064 6,631 2,498 3,272 3,052 3,245 3,866 0,000 3,316 3,309 GRA 2,961 4,858 1,824 1,516 0,907 1,961 1,933 3,316 0,000 1,576 GUR 2,296 4,550 2,342 2,349 1,919 1,006 1,108 3,309 1,576 0,000 GWY 2,025 5,917 1,332 1,481 1,401 2,687 2,763 2,397 2,080 2,470 HER 3,611 5,963 1,205 1,317 1,674 3,293 3,365 3,167 2,028 2,530 HUR 2,897 5,860 0,899 1,274 1,441 2,840 3,007 2,487 1,867 2,240 JOY 2,968 5,127 1,370 0,596 0,423 2,567 2,478 3,352 0,999 2,049 LOD 3,050 5,512 1,808 1,696 1,365 2,313 2,065 3,578 1,064 1,654 ORK 2,101 4,237 3,243 3,207 2,598 0,512 0,967 3,510 2,189 1,451 SIH 1,653 4,239 3,091 2,792 2,386 1,375 1,048 3,890 2,197 1,536 UMB 6,388 4,798 8,018 7,948 7,394 5,330 5,750 7,332 6,775 6,063 URI 4,201 4,591 6,220 6,211 5,645 3,378 3,640 5,774 5,132 4,169 ZAD 4,462 7,629 2,033 2,658 3,115 4,722 4,855 3,314 3,762 4,053 AER AND AZU BAL DUR EXC GLA GOL GRA GUR AER 2,025 3,611 2,897 2,968 3,050 2,101 1,653 6,388 4,201 4,462 AND 5,917 5,963 5,860 5,127 5,512 4,237 4,239 4,798 4,591 7,629 AZU 1,332 1,205 0,899 1,370 1,808 3,243 3,091 8,018 6,220 2,033 BAL 1,481 1,317 1,274 0,596 1,696 3,207 2,792 7,948 6,211 2,658 DUR 1,401 1,674 1,441 0,423 1,365 2,598 2,386 7,394 5,645 3,115 EXC 2,687 3,293 2,840 2,567 2,313 0,512 1,375 5,330 3,378 4,722 GLA 2,763 3,365 3,007 2,478 2,065 0,967 1,048 5,750 3,640 4,855 GOL 2,397 3,167 2,487 3,352 3,578 3,510 3,890 7,332 5,774 3,314 GRA 2,080 2,028 1,867 0,999 1,064 2,189 2,197 6,775 5,132 3,762 GUR 2,470 2,530 2,240 2,049 1,654 1,451 1,536 6,063 4,169 4,053 GWY 0,000 2,201 1,502 1,631 2,245 2,888 2,525 7,610 5,723 2,935 HER 2,201 0,000 0,879 1,605 1,881 3,692 3,403 8,164 6,539 2,102 HUR 1,502 0,879 0,000 1,508 1,798 3,224 2,935 7,715 6,027 2,269 JOY 1,631 1,605 1,508 0,000 1,421 2,802 2,457 7,482 5,795 3,174 LOD 2,245 1,881 1,798 1,421 0,000 2,621 2,381 7,200 5,405 3,559 ORK 2,888 3,692 3,224 2,802 2,621 0,000 1,371 5,116 3,116 5,112 SIH 2,525 3,403 2,935 2,457 2,381 1,371 0,000 5,735 3,696 4,897 UMB 7,610 8,164 7,715 7,482 7,200 5,116 5,735 0,000 2,619 9,706 URI 5,723 6,539 6,027 5,795 5,405 3,116 3,696 2,619 0,000 7,949 ZAD 2,935 2,102 2,269 3,174 3,559 5,112 4,897 9,706 7,949 0,000 GWY HER HUR JOY LOD ORK SIH UMB URI ZAD Tabela VI.5. Macierz odległości obiektów na etapie poszukiwania skupień czwartego rzędu. Najmniejszą odnalezioną wartością jest odległość ORK-URI, równa 3,116 (wyróżniona ciemnym tłem). Oznacza to jednocześnie, że do skupienia czwartego rzędu należą wszystkie obiekty zbioru danych. Połączenie wszystkich obiektów kończy procedurę tworzenia dendrytu. 50
23 Po otrzymaniu finałowego skupienia wszystkich obiektów, należy zebrać wszystkie wyróżnione w kolejnych tabelach wartości, a następnie zaprezentować graficznie odległości pomiędzy obiektami w postaci dendrytu. Sens tej metody opiera się na następującym założeniu: długości linii łączących poszczególne obiekty muszą być proporcjonalne do wielowymiarowych odległości euklidesowych pomiędzy nimi. Na koniec jesteśmy zmuszeni do postawienia dodatkowych wymagań: dendryt należy odpowiednio rozplanować - linie łączące poszczególne obiekty nie mogą się krzyżować. Należy również pamiętać, że dendryt powinien być wynikiem kompromisu pomiędzy przejrzystością a informacją, którą niesie jego idealna konstrukcja polega bowiem na tym, aby odległości obiektów niepołączonych również, przynajmniej z grubsza, pokrywały się z wartościami odległości euklidesowych pomiędzy nimi. Przykład, c.d.: Oto dendryt, stworzony na podstawie zestawu MIECZE: IV. METODA GRAFICZNA CZEKANOWSKIEGO. Ideologia oraz sposób wykonania diagramu Czekanowskiego dla obiektów jest identyczna, jak diagramu dla cech, który został wykonany w trakcie poprzedniego ćwiczenia; jedyna różnica polega na fakcie, iż korzysta się z macierzy odległości euklidesowych, nie zaś tangensowych. 1) Dysponując kwadratową macierzą odległości euklidesowych pomiędzy obiektami (tabela VI.2.), ustala się przykładowe przedziały wartości i odpowiadające im symbole graficzne. 51
24 # dla przedziału: 0,000-1,000; + dla przedziału: 1,000-2,000; : dla przedziału: 2,000-3,000; dla wartości wyższych niż 3,000. 2) W efekcie powyższych ustaleń powstaje nieuporządkowany diagram Czekanowskiego. Przykład: AER # : : : : : : : : : : + AND # AZU : # + + : : : + : + + # + + : BAL + # # : : + : # + : : DUR : + # # : : # # + : : EXC : : : : # # + + : : : : # + GLA : : : : # # + + : : : # + GOL : # : : GRA : + + # + + # + : : + # + : : GUR : : : # : : : : GWY : : : : : : # : + + : : : : HER : : : # # + + : HUR : # + + : : + : + # # + + : : JOY : + # # : : # : # + : : LOD : : + + : # : : ORK : : # # : + : : : # + SIH + : : + + : + : : : : + # UMB # : URI : # ZAD : : : : : # AER AND AZU BAL DUR EXC GLA GOL GRA GUR GWY HER HUR JOY LOD ORK SIH UMB URI ZAD 52
25 3) Następnie, należy uporządkować diagram Czekanowskiego według znajomych już reguł. Przykład, c.d.: LOD # : : : : : GRA + # # + # : + : + + : + + : : JOY + # # # # : : : : : : BAL + + # # # : : : : : DUR + # # # # : : : : : GWY : : # + : + : : : : : : : : AZU # + # : : : : : : HER + : : + # # : : HUR # # # : : : : : : GUR + + : : + : : : : # : SIH : : : : : : : + # GLA : + : : : : : + + # # # : EXC : + : : : : : : + + # # # : ORK : : : : : + + # # # : AER : : : : : : : + : : : # ZAD : : : : : # GOL : : : # UMB # : URI : # AND # LOD GRA JOY BAL DUR GWY AZU HER HUR GUR SIH GLA EXC ORK AER ZAD GOL UMB URI AND 4) Po uporządkowaniu diagramu, należy zinterpretować otrzymany obraz, a następnie porównać go z dendrytem. Przykład, c.d.: Obiekty LOD, GRA, JOY, BAL, DUR, GWY, AZU, HER oraz HUR tworzą dużą i zwartą grupę obiektów, do której powinowactwo wykazują również obiekty: ZAD (czterech sąsiadów, ale stosunkowo dalekich) oraz GOL (trzech dalekich sąsiadów). Drugą zwartą grupę tworzą obiekty: GUR, SIH, GLA, EXC, ORK oraz AER, przy czym ten ostatni znajduje się nieco dalej od pozostałych. Daleko od pozostałych, ale stosunkowo blisko siebie znajdują się obiekty UMB oraz URI, które tworzą trzecią grupę. Obiekt AND wykazuje cechy pustelnicze. Spójrzmy teraz na dendryt, który przygotowaliśmy wcześniej. Czyż informacje w nim zawarte nie pokrywają się z powyższą interpretacją diagramu Czekanowskiego? 53
26 V. SPRAWOZDANIE. W sprawozdaniu Student powinien umieścić tabelę danych autoskalowanych, macierz odległości euklidesowych pomiędzy obiektami, a także wykonać dendryt oraz diagram Czekanowskiego dla swoich obiektów. Prosimy o umieszczenie w sprawozdaniu wszystkich kroków tworzenia dendrytu, nieuporządkowanego oraz uporządkowanego diagramu Czekanowskiego oraz wniosków końcowych. 54
27 Dodatek B: Tworzenie macierzy odległości euklidesowych w Excelu. "Dolary, dolary, dodajcie mi wiary - od razu chce mi się żyć!" Marek Kondrat Macierz odległości euklidesowych pomiędzy obiektami zbudujemy na przykładzie omawianego zestawu danych, opisujących repliki starożytnych i niekoniecznie historycznie prawdziwych mieczy. W celu ułatwienia sobie życia użyjemy przede wszystkim "dolarów" 19 ; jednakże postaramy się wykorzystać również inne, przydatne funkcje, które oferuje MS Excel. Do dzieła! I. Do tworzenia macierzy odległości euklidesowych przystępujemy, kopiując przygotowaną tabelę danych autoskalowanych do nowego arkusza. A B C D E F G H 1 DC* DG* DR M SM T CR* 2 AER 0,378 0,506-0,364 0,261-1,429 0,544 0,943 3 AND 1,483 0,913 1,971 1,361 1,311 1,905-2,554 4 AZU -0,943-0,759-0,501-1,022-0,646-0,816-0,167 5 BAL -0,613-0,491-0,639-0,655-0,646-0,816-1,048 6 DUR -0,303-0,116-0,501-0,655-0,254-0,816-0,682 7 EXC 0,415 0,399 0,048 0,078 0,528 0,544 0,547 8 GLA 0,415 0,662-0,776 0,261 0,528 0,544 0,259 9 GOL -0,390-0,898 1,147-1,205-1,037-0,816 1, GRA -0,135 0,003-0,364-0,289 0,528-0,816-0, GUR -0,218-0,116-0,364 0,078 0,528 0,544 0, GWY -0,261-0,116-0,364-0,563-1,429-0,816 0, HER -1,091-1,581-0,501-0,472-0,254-0,816-0, HUR -0,847-1,190-0,227-0,289-0,646-0,816-0, JOY -0,390-0,176-0,501-0,472-0,254-0,816-1, LOD -0,752-0,176-1,051 0,078 0,528-0,816-0, ORK 0,774 0,764 0,048 0,078 0,528 0,544 0, SIH 0,525 0,662-0,501 0,811-0,254 0,544-0, UMB 2,261 2,002 3,069 2,643 2,485 1,905 1, URI 1,718 1,803 1,009 1,727 1,311 1,905 1, ZAD -2,027-2,095-0,639-1,755-1,429-0,816-0, Pieniądze (niestety) otwierają wiele drzwi. 55
28 II. Następnie, przygotowujemy szkielet macierzy odległości euklidesowych pomiędzy obiektami. Poniżej, z powodu znacznych rozmiarów takiej tabeli, prezentujemy tylko jej fragment: A B C D E F G H I J K L 24 AER AND AZU BAL DUR EXC GLA GOL GRA GUR GWY 25 AER 26 AND 27 AZU 28 BAL 29 DUR 30 EXC 31 GLA 32 GOL 33 GRA 34 GUR 35 GWY III. W komórce B25 definiujemy odległość euklidesową obiektu A od obiektu A w następujący sposób: =PIERWIASTEK(($B2-$B$2)^2+($C2-$C$2)^2+($D2-$D$2)^2+($E2- $E$2)^2+($F2-$F$2)^2+($G2-$G$2)^2+($H2-$H$2)^2) Jeżeli poprawnie wpisaliśmy formułę, powinniśmy otrzymać 0. A B C D E F G H I J K L 24 AER AND AZU BAL DUR EXC GLA GOL GRA GUR GWY 25 AER 0, AND 27 AZU 28 BAL 29 DUR 30 EXC 31 GLA 32 GOL 33 GRA 34 GUR 35 GWY 56
29 IV. Formułę zdefiniowaną w komórce B25 przeciągamy w dół aż do ostatniego obiektu. A B C D E F G H I J K L 24 AER AND AZU BAL DUR EXC GLA GOL GRA GUR GWY 25 AER 0, AND 5, AZU 2, BAL 3, DUR 2, EXC 2, GLA 2, GOL 3, GRA 2, GUR 2, GWY 2,025 V. Zaznaczamy komórki od B26 do B44; kopiujemy je do schowka; przechodzimy do komórki C25; klikamy Wklej specjalnie ; wybieramy Wszystko i zaznaczamy opcję Transpozycja. A B C D E F G H I J K L 24 A B C D E F G H I J K 25 A 0,000 5,444 2,951 3,053 2,753 2,050 2,120 3,064 2,961 2,296 2, B 5, C 2, D 3, E 2, F 2, G 2, H 3, I 2, J 2, K 2,025 VI. Zaznaczamy komórki od C25 do U25; z paska menu wybieramy opcję Edycja, a w niej pole Zamień (lub naciskamy Ctrl+H); w polu Znajdź: wpisujemy $2; w polu Zamień na: wpisujemy 2 i klikamy Zamień wszystko. Operacja ta usuwa znak $ sprzed 2 w formułach komórek. VII. Zaznaczamy komórkę C25. Będzie w niej widniała formuła: =PIERWIASTEK(($B3-$B2)^2+($C3-$C2)^2+($D3-$D2)^2+($E3- $E2)^2+($F3-$F2)^2+($G3-$G2)^2+($H3-$H2)^2) Jeżeli wszystko się zgadza, zaznaczywszy komórkę C25, naciskamy Ctrl+H; w polu Znajdź: wpisujemy 3; w polu Zamień na: wpisujemy $3 i klikamy Zamień (nie: Zamień wszystko!). Operacja ta wstawia $ przed 3 w formule komórki C25. W wyniku naszych działań, formuła komórki C25 powinna wyglądać następująco: 57
30 =PIERWIASTEK(($B$3-$B2)^2+($C$3-$C2)^2+($D$3- $D2)^2+($E$3-$E2)^2+($F$3-$F2)^2+($G$3-$G2)^2+($H$3- $H2)^2) VIII. Postępujemy analogicznie z komórkami od D25 do U25. Na przykład, formuła komórki M25 wygląda następująco: =PIERWIASTEK(($B13-$B2)^2+($C13-$C2)^2+($D13- $D2)^2+($E13-$E2)^2+($F13-$F2)^2+($G13-$G2)^2+($H13- $H2)^2) Po operacjach: zaznaczenie komórki M25; Ctrl+H; Znajdź: 13; Zamień na: $13; Zamień; formuła komórki M25 powinna przyjąć postać: =PIERWIASTEK(($B$13-$B2)^2+($C$13-$C2)^2+($D$13- $D2)^2+($E$13-$E2)^2+($F$13-$F2)^2+($G$13-$G2)^2+($H$13- $H2)^2) Reguła postępowania dla komórek od C25 do U25 jest zatem następująca: wstawiamy znak $ przed numerem wiersza w adresach komórek, od których odejmujemy. IX. Po edycji formuł komórek od C25 do U25, zaznaczamy je wszystkie i przeciągamy w dół. Owocuje to poprawnym wypełnieniem macierzy odległości euklidesowych pomiędzy obiektami. A B C D E F G H I J K L 24 A B C D E F G H I J K 25 A 0,000 5,444 2,951 3,053 2,753 2,050 2,120 3,064 2,961 2,296 2, B 5,444 0,000 6,116 5,545 5,271 4,339 4,510 6,631 4,858 4,550 5, C 2,951 6,116 0,000 1,054 1,173 2,904 3,000 2,498 1,824 2,342 1, D 3,053 5,545 1,054 0,000 0,737 2,938 2,861 3,272 1,516 2,349 1, E 2,753 5,271 1,173 0,737 0,000 2,365 2,321 3,052 0,907 1,919 1, F 2,050 4,339 2,904 2,938 2,365 0,000 0,930 3,245 1,961 1,006 2, G 2,120 4,510 3,000 2,861 2,321 0,930 0,000 3,866 1,933 1,108 2, H 3,064 6,631 2,498 3,272 3,052 3,245 3,866 0,000 3,316 3,309 2, I 2,961 4,858 1,824 1,516 0,907 1,961 1,933 3,316 0,000 1,576 2, J 2,296 4,550 2,342 2,349 1,919 1,006 1,108 3,309 1,576 0,000 2, K 2,025 5,917 1,332 1,481 1,401 2,687 2,763 2,397 2,080 2,470 0,000 X. Gotowe! Przekątna macierzy składa się z samych zer, zaś sama macierz jest symetryczna względem przekątnej. Z dolarami od razu chce się żyć! 58
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 szczegółowoFORMUŁY AUTOSUMOWANIE SUMA
Wskazówki do wykonania Ćwiczenia 1, ocena sprawdzianu (Excel 2007) Autor: dr Mariusz Giero 1. Pobierz plik do pracy. W pracy należy wykonać obliczenia we wszystkich żółtych polach oraz utworzyć wykresy
Bardziej szczegółowo1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:
Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane
Bardziej szczegółowoPracownia Informatyczna Instytut Technologii Mechanicznej Wydział Inżynierii Mechanicznej i Mechatroniki. Podstawy Informatyki i algorytmizacji
Pracownia Informatyczna Instytut Technologii Mechanicznej Wydział Inżynierii Mechanicznej i Mechatroniki Podstawy Informatyki i algorytmizacji wykład 1 dr inż. Maria Lachowicz Wprowadzenie Dlaczego arkusz
Bardziej szczegółowo; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze...
Tekst na niebiesko jest komentarzem lub treścią zadania. Zadanie. Dane są macierze: A D 0 ; E 0 0 0 ; B 0 5 ; C Wykonaj poniższe obliczenia: 0 4 5 Mnożenia, transpozycje etc wykonuję programem i przepisuję
Bardziej szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoSzukanie rozwiązań funkcji uwikłanych (równań nieliniowych)
Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości
Bardziej szczegółowoW naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora.
1. Podstawy matematyki 1.1. Geometria analityczna W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora. Skalarem w fizyce nazywamy
Bardziej szczegółowoMetody numeryczne Wykład 4
Metody numeryczne Wykład 4 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Metody skończone rozwiązywania
Bardziej szczegółowoArkusz kalkulacyjny EXCEL
ARKUSZ KALKULACYJNY EXCEL 1 Arkusz kalkulacyjny EXCEL Aby obrysować tabelę krawędziami należy: 1. Zaznaczyć komórki, które chcemy obrysować. 2. Kursor myszy ustawić na menu FORMAT i raz kliknąć lewym klawiszem
Bardziej szczegółowoRys.1. Technika zestawiania części za pomocą polecenia WSTAWIAJĄCE (insert)
Procesy i techniki produkcyjne Wydział Mechaniczny Ćwiczenie 3 (2) CAD/CAM Zasady budowy bibliotek parametrycznych Cel ćwiczenia: Celem tego zestawu ćwiczeń 3.1, 3.2 jest opanowanie techniki budowy i wykorzystania
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 szczegółowoDodawanie grafiki i obiektów
Dodawanie grafiki i obiektów Word nie jest edytorem obiektów graficznych, ale oferuje kilka opcji, dzięki którym można dokonywać niewielkich zmian w rysunku. W Wordzie możesz zmieniać rozmiar obiektu graficznego,
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoEXCEL Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący
EXCEL Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący Laboratorium 3: Macierze i wykresy Cel: wykonywanie obliczeń na wektorach i macierzach, wykonywanie wykresów Czas wprowadzenia 25 minut,
Bardziej szczegółowoWyŜsza Szkoła Zarządzania Ochroną Pracy MS EXCEL CZ.2
- 1 - MS EXCEL CZ.2 FUNKCJE Program Excel zawiera ok. 200 funkcji, będących predefiniowanymi formułami, słuŝącymi do wykonywania określonych obliczeń. KaŜda funkcja składa się z nazwy funkcji, która określa
Bardziej szczegółowoWykład 2: Arkusz danych w programie STATISTICA
Wykład 2: Arkusz danych w programie STATISTICA Nazwy przypadków Numer i nazwa zmiennej Elementy arkusza danych Cechy statystyczne Zmienne (kolumny) Jednostki statystyczne Przypadki (wiersze) Tworzenie
Bardziej szczegółowoZadanie Wstaw wykres i dokonaj jego edycji dla poniższych danych. 8a 3,54 8b 5,25 8c 4,21 8d 4,85
Zadanie Wstaw wykres i dokonaj jego edycji dla poniższych danych Klasa Średnia 8a 3,54 8b 5,25 8c 4,21 8d 4,85 Do wstawienia wykresu w edytorze tekstu nie potrzebujemy mieć wykonanej tabeli jest ona tylko
Bardziej szczegółowoĆwiczenia Skopiować do swojego folderu plik cwiczenia-kl.ii.xls, a następnie zmienić jego nazwę na imię i nazwisko ucznia
Temat 23 : Poznajemy podstawy pracy w programie Excel. 1. Arkusz kalkulacyjny to: program przeznaczony do wykonywania różnego rodzaju obliczeń oraz prezentowania i analizowania ich wyników, utworzony (w
Bardziej 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 szczegółowonajlepszych trików Excelu
70 najlepszych trików W Excelu 70 najlepszych trików w Excelu Spis treści Formatowanie czytelne i przejrzyste zestawienia...3 Wyświetlanie tylko wartości dodatnich...3 Szybkie dopasowanie szerokości kolumny...3
Bardziej szczegółowoExcel zadania sprawdzające 263
Excel zadania sprawdzające 263 Przykładowe zadania do samodzielnego rozwiązania Zadanie 1 Wpisać dane i wykonać odpowiednie obliczenia. Wykorzystać wbudowane funkcje Excela: SUMA oraz ŚREDNIA. Sformatować
Bardziej szczegółowoEkonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej
Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Paweł Cibis pawel@cibis.pl 23 lutego 2007 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa
Bardziej szczegółowoPo naciśnięciu przycisku Dalej pojawi się okienko jak poniżej,
Tworzenie wykresu do danych z tabeli zawierającej analizę rozwoju wyników sportowych w pływaniu stylem dowolnym na dystansie 100 m, zarejestrowanych podczas Igrzysk Olimpijskich na przestrzeni lat 1896-2012.
Bardziej szczegółowoMS Excel. Podstawowe wiadomości
MS Excel Podstawowe wiadomości Do czego służy arkusz kalkulacyjny? Arkusz kalkulacyjny wykorzystywany jest tam gdzie wykonywana jest olbrzymia ilość żmudnych, powtarzających się według określonego schematu
Bardziej szczegółowoRozwiązywanie problemów z użyciem Solvera programu Excel
Rozwiązywanie problemów z użyciem Solvera programu Excel Podstawowe czynności: aktywować dodatek Solver oraz ustawić w jego opcjach maksymalny czas trwania algorytmów na sensowną wartość (np. 30 sekund).
Bardziej szczegółowoSpis treści Szybki start... 4 Podstawowe informacje opis okien... 6 Tworzenie, zapisywanie oraz otwieranie pliku... 23
Spis treści Szybki start... 4 Podstawowe informacje opis okien... 6 Plik... 7 Okna... 8 Aktywny scenariusz... 9 Oblicz scenariusz... 10 Lista zmiennych... 11 Wartości zmiennych... 12 Lista scenariuszy/lista
Bardziej szczegółowoRys. 1. Zestawienie rocznych kosztów ogrzewania domów
:: Trik 1. Wykres, w którym oś pozioma jest skalą wartości :: Trik 2. Automatyczne uzupełnianie pominiętych komórek :: Trik 3. Niestandardowe sortowanie wg 2 kluczy :: Trik 4. Przeliczanie miar za pomocą
Bardziej szczegółowoInstrukcja właściwego wykonania wykresów na zajęcia dydaktyczne.
Instrukcja właściwego wykonania wykresów na zajęcia dydaktyczne. 1. Wstęp Opracował: Michał Dyjak, Fizyka II r. Instrukcja dla studentów, opisująca krok po kroku jak prawidłowo sformatować wykres na potrzeby
Bardziej szczegółowoO MACIERZACH I UKŁADACH RÓWNAŃ
O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a
Bardziej szczegółowoPrzykłady zastosowań funkcji tekstowych w arkuszu kalkulacyjnym
S t r o n a 1 Bożena Ignatowska Przykłady zastosowań funkcji tekstowych w arkuszu kalkulacyjnym Wprowadzenie W artykule zostaną omówione zagadnienia związane z wykorzystaniem funkcji tekstowych w arkuszu
Bardziej szczegółowoRozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych
Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 13 stycznia 2012 P. Modliński, GiK PW Rozw.
Bardziej szczegółowoLEGISLATOR. Data dokumentu:17 września 2012 Wersja: 1.3 Autor: Paweł Jankowski
LEGISLATOR Dokument zawiera opis sposobu tworzenia tabel w załącznikach do aktów prawnych Data dokumentu:17 września 2012 Wersja: 1.3 Autor: Paweł Jankowski Zawartość Wprowadzenie... 3 Strukturalizowanie
Bardziej szczegółowoFunkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.
Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy
Bardziej szczegółowooperacje porównania, a jeśli jest to konieczne ze względu na złe uporządkowanie porównywanych liczb zmieniamy ich kolejność, czyli przestawiamy je.
Problem porządkowania zwanego również sortowaniem jest jednym z najważniejszych i najpopularniejszych zagadnień informatycznych. Dane: Liczba naturalna n i ciąg n liczb x 1, x 2,, x n. Wynik: Uporządkowanie
Bardziej szczegółowodolar tylko przed numerem wiersza, a następnie tylko przed literą kolumny.
Wskazówki do wykonania Ćwiczenia 0, przypomnienie (Excel 2007) Autor: dr Mariusz Giero 1. Pobieramy plik z linku przypomnienie. Należy obliczyć wartości w komórkach zaznaczonych żółtym kolorem. 2. Obliczenie
Bardziej szczegółowoPrzewodnik dla każdego po: Dla każdego coś miłego Microsoft Excel 2010
Przewodnik dla każdego po: Dla każdego coś miłego Microsoft Excel 2010 Czym jest Excel 2010 Excel jest programem umożliwiającym tworzenie tabel, a także obliczanie i analizowanie danych. Należy do typu
Bardziej szczegółowoĆwiczenie 1 - Arkusze kalkulacyjne
Ćwiczenie 1 - Arkusze kalkulacyjne 1. Uruchomić program Excel, utworzyć plik o nazwie Ćwiczenia_excel.xls, a następnie zapisać go na dysku D w swoim folderze. 2. Ćwiczenia wstępne Zaznaczyć pojedynczą
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
Bardziej szczegółowoFunkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki
Bardziej szczegółowoRozwiązywanie układów równań liniowych
Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy
Bardziej szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoARKUSZ KALKULACYJNY komórka
ARKUSZ KALKULACYJNY Arkusz kalkulacyjny program służący do obliczeń, kalkulacji i ich interpretacji graficznej w postaci wykresów. Przykłady programów typu Arkusz Kalkulacyjny: - Ms Excel (*.xls; *.xlsx)
Bardziej szczegółowoArkusz kalkulacyjny MS EXCEL ĆWICZENIA 4
Arkusz kalkulacyjny MS EXCEL ĆWICZENIA 4 Uwaga! Każde ćwiczenie rozpoczynamy od stworzenia w katalogu Moje dokumenty swojego własnego katalogu roboczego, w którym będziecie Państwo zapisywać swoje pliki.
Bardziej szczegółowoTABELE I WYKRESY W EXCELU I ACCESSIE
TABELE I WYKRESY W EXCELU I ACCESSIE 1. Tabele wykonane w Excelu na pierwszych ćwiczeniach Wielkość prób samce samice wiosna/lato 12 6 jesień 6 7 zima 10 9 Średni ciężar osobnika SD ciężaru osobnika samce
Bardziej szczegółowoMathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje
Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje
Bardziej szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c = a
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.
Bardziej szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c,
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \
Bardziej szczegółowoĆwiczenia nr 4. Arkusz kalkulacyjny i programy do obliczeń statystycznych
Ćwiczenia nr 4 Arkusz kalkulacyjny i programy do obliczeń statystycznych Arkusz kalkulacyjny składa się z komórek powstałych z przecięcia wierszy, oznaczających zwykle przypadki, z kolumnami, oznaczającymi
Bardziej szczegółowoExcel formuły i funkcje
Excel formuły i funkcje Tworzenie prostych formuł w Excelu Aby przeprowadzić obliczenia w Excelu, tworzymy formuły. Każda formuła rozpoczyna się znakiem równości =, a w formułach zwykle używamy odwołania
Bardziej szczegółowoSposób tworzenia tabeli przestawnej pokażę na przykładzie listy krajów z podstawowymi informacjami o nich.
Tabele przestawne Tabela przestawna to narzędzie służące do tworzenia dynamicznych podsumowań list utworzonych w Excelu lub pobranych z zewnętrznych baz danych. Raporty tabeli przestawnej pozwalają na
Bardziej szczegółowoAnaliza głównych składowych- redukcja wymiaru, wykł. 12
Analiza głównych składowych- redukcja wymiaru, wykł. 12 Joanna Jędrzejowicz Instytut Informatyki Konieczność redukcji wymiaru w eksploracji danych bazy danych spotykane w zadaniach eksploracji danych mają
Bardziej szczegółowoWprowadzenie do MS Excel
Wprowadzenie do MS Excel Czym jest Excel? Excel jest programem umożliwiającym tworzenie tabel, a także obliczanie i analizowanie danych. Należy do typu programów nazywanych arkuszami kalkulacyjnymi. W
Bardziej szczegółowoPraktyczne wykorzystanie arkusza kalkulacyjnego w pracy nauczyciela część 1
Praktyczne wykorzystanie arkusza kalkulacyjnego w pracy nauczyciela część 1 Katarzyna Nawrot Spis treści: 1. Podstawowe pojęcia a. Arkusz kalkulacyjny b. Komórka c. Zakres komórek d. Formuła e. Pasek formuły
Bardziej szczegółowoFUNKCJA KWADRATOWA. Zad 1 Przedstaw funkcję kwadratową w postaci ogólnej. Postać ogólna funkcji kwadratowej to: y = ax + bx + c;(
Zad Przedstaw funkcję kwadratową w postaci ogólnej Przykład y = ( x ) + 5 (postać kanoniczna) FUNKCJA KWADRATOWA Postać ogólna funkcji kwadratowej to: y = ax + bx + c;( a 0) Aby ją uzyskać pozbywamy się
Bardziej szczegółowo4.Arkusz kalkulacyjny Calc
4.Arkusz kalkulacyjny Calc 4.1. Okno programu Calc Arkusz kalkulacyjny Calc jest zawarty w bezpłatnym pakiecie OpenOffice.org 2.4. Można go uruchomić, podobnie jak inne aplikacje tego środowiska, wybierając
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 szczegółowoTemat: Arkusze kalkulacyjne. Program Microsoft Office Excel. Podstawy
Temat: Arkusze kalkulacyjne. Program Microsoft Office Excel. Podstawy Arkusz kalkulacyjny to program przeznaczony do wykonywania różnego rodzaju obliczeń oraz prezentowania i analizowania ich wyników.
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowoMicrosoft PowerPoint Poziom Zaawansowany PROGRAM SZKOLENIOWY. Plan szkolenia zawiera: Microsoft Excel Poziom Zaawansowany
Microsoft PowerPoint Poziom Zaawansowany PROGRAM SZKOLENIOWY Plan szkolenia zawiera: Microsoft Excel Poziom Zaawansowany Program szkoleniowy Microsoft Excel Poziom Zaawansowany 16 h dydaktycznych (12 h
Bardziej szczegółowoŁączenie liczb i tekstu.
Łączenie liczb i tekstu. 1 (Pobrane z slow7.pl) Rozpoczynamy od sposobu pierwszego. Mamy arkusz przedstawiony na rysunku poniżej w którym zostały zawarte wypłaty pracowników z wykonanym podsumowaniem.
Bardziej szczegółowoWYMAGANIA KONIECZNE - OCENA DOPUSZCZAJĄCA:
WYMAGANIA KONIECZNE - OCENA DOPUSZCZAJĄCA: zna pojęcie liczby naturalnej, całkowitej, wymiernej rozumie rozszerzenie osi liczbowej na liczby ujemne umie zaznaczać liczbę wymierną na osi liczbowej umie
Bardziej szczegółowoEXCEL. Diagramy i wykresy w arkuszu lekcja numer 6. Instrukcja. dla Gimnazjum 36 - Ryszard Rogacz Strona 20
Diagramy i wykresy w arkuszu lekcja numer 6 Tworzenie diagramów w arkuszu Excel nie jest sprawą skomplikowaną. Najbardziej czasochłonne jest przygotowanie danych. Utworzymy następujący diagram (wszystko
Bardziej szczegółowoTEMAT : Przykłady innych funkcji i ich wykresy.
Elżbieta Kołodziej e-mail: efreet@pf.pl matematyka, informatyka Gimnazjum Nr 5 37-450 Stalowa Wola ul. Poniatowskiego 55 SCENARIUSZ LEKCJI PRZEPROWADZONEJ W KLASIE III TEMAT : Przykłady innych funkcji
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
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 szczegółowoWymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE
Wymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE podaje przykłady liczb: naturalnych, całkowitych, wymiernych, niewymiernych, pierwszych i złożonych oraz przyporządkowuje
Bardziej szczegółowoW jakim celu to robimy? Tablica Karnaugh. Minimalizacja
W jakim celu to robimy? W projektowaniu układów cyfrowych istotne jest aby budować je jak najmniejszym kosztem. To znaczy wykorzystanie dwóch bramek jest tańsze niż konieczność wykorzystania trzech dla
Bardziej szczegółowoWEKTORY I MACIERZE. Strona 1 z 11. Lekcja 7.
Strona z WEKTORY I MACIERZE Wektory i macierze ogólnie nazywamy tablicami. Wprowadzamy je:. W sposób jawny: - z menu Insert Matrix, - skrót klawiszowy: {ctrl}+m, - odpowiedni przycisk z menu paska narzędziowego
Bardziej szczegółowoWprowadzenie *** "Chemometria praktyczna zinterpretuj wyniki swoich pomiarów". Mądrego (WNT, Warszawa 2000). 3
1 Podręcznik akademicki współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego, Program Operacyjny Kapitał Ludzki, nr umowy UDA-POKL 04.01.02.-00-033/09-00 Zwiększenie
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 szczegółowo2. Układy równań liniowych
2. Układy równań liniowych Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 2. Układy równań liniowych zima 2017/2018 1 /
Bardziej szczegółowoMetoda eliminacji Gaussa
Metoda eliminacji Gaussa Rysunek 3. Rysunek 4. Rozpoczynamy od pierwszego wiersza macierzy opisującej nasz układ równań (patrz Rys.3). Zakładając, że element a 11 jest niezerowy (jeśli jest, to niezbędny
Bardziej szczegółowoPrzykład 1. (Arkusz: Sortowanie 1 )
Przykład 1. (Arkusz: Sortowanie 1 ) W poniższej tabeli znajduje się 10 nazwisk pracowników pewnej firmy, ich miesięczna płaca oraz roczna premia jaką otrzymali. Osoby te chcielibyśmy posortować wg nazwisk
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowoKolumna Zeszyt Komórka Wiersz Tabela arkusza Zakładki arkuszy
1 Podstawowym przeznaczeniem arkusza kalkulacyjnego jest najczęściej opracowanie danych liczbowych i prezentowanie ich formie graficznej. Ale formuła arkusza kalkulacyjnego jest na tyle elastyczna, że
Bardziej szczegółowoExcel 2007 PL. Pierwsza pomoc
. Pierwsza pomoc Autor: Bartosz Gajda ISBN: 978-83-246-1095-2 Format: A5, stron: 92 Kto w dzisiejszych zwariowanych czasach chcia³by traciæ cenne godziny na robienie papierowych sprawozdañ i zestawieñ?
Bardziej szczegółowo1. LICZBY DZIAŁ Z PODRĘCZNIKA L.P. NaCoBeZu kryteria sukcesu w języku ucznia
L.P. DZIAŁ Z PODRĘCZNIKA NaCoBeZu kryteria sukcesu w języku ucznia 1. LICZBY 1. Znam pojęcie liczby naturalne, całkowite, wymierne, dodatnie, ujemne, niedodatnie, odwrotne, przeciwne. 2. Potrafię zaznaczyć
Bardziej szczegółowoDZIAŁ I: LICZBY I DZIAŁANIA Ocena dostateczna. Ocena dobra. Ocena bardzo dobra (1+2) (1+2+3+4) Uczeń: (1+2+3) Uczeń: określone warunki
MATEMATYKA KLASA I I PÓŁROCZE -wyróżnia liczby naturalne, całkowite, wymierne -zna kolejność wykonywania działań -rozumie poszerzenie osi liczbowej na liczby ujemne -porównuje liczby wymierne -zaznacza
Bardziej szczegółowoArkusz kalkulacyjny Excel
Arkusz kalkulacyjny Excel Ćwiczenie 1. Sumy pośrednie (częściowe). POMOC DO ĆWICZENIA Dzięki funkcji sum pośrednich (częściowych) nie jest konieczne ręczne wprowadzanie odpowiednich formuł. Dzięki nim
Bardziej szczegółowob) bc a Rys. 1. Tablice Karnaugha dla funkcji o: a) n=2, b) n=3 i c) n=4 zmiennych.
DODATEK: FUNKCJE LOGICZNE CD. 1 FUNKCJE LOGICZNE 1. Tablice Karnaugha Do reprezentacji funkcji boolowskiej n-zmiennych można wykorzystać tablicę prawdy o 2 n wierszach lub np. tablice Karnaugha. Tablica
Bardziej szczegółowostr. 1 Excel ćwiczenia 1 Podstawy użytkowania komputerów
Excel ćwiczenia 1 Rozdział 1 Zapoznanie się z arkuszem kalkulacyjnym Program Excel służy do tworzenia elektronicznego arkusza kalkulacyjnego, który umożliwia dokumentowanie i analizę danych numerycznych.
Bardziej szczegółowoDodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?
Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak
Bardziej szczegółowoEGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015
EGZAMIN MATURALNY W ROKU SZKOLNYM 0/0 FORMUŁA OD 0 ( NOWA MATURA ) MATEMATYKA POZIOM PODSTAWOWY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MMA-P CZERWIEC 0 Egzamin maturalny z matematyki nowa formuła Klucz
Bardziej szczegółowoObliczenia iteracyjne
Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej
Bardziej szczegółowoW wielu obliczeniach w matematyce bądź fizyce wykonanie niektórych kroków zależy od spełnienia warunku.
W wielu obliczeniach w matematyce bądź fizyce wykonanie niektórych kroków zależy od spełnienia warunku. Nie wolno dzielić przez zero i należy sprawdzić, czy dzielna nie jest równa zeru. W dziedzinie liczb
Bardziej szczegółowoGeometria analityczna
Geometria analityczna Paweł Mleczko Teoria Informacja (o prostej). postać ogólna prostej: Ax + By + C = 0, A + B 0, postać kanoniczna (kierunkowa) prostej: y = ax + b. Współczynnik a nazywamy współczynnikiem
Bardziej szczegółowoTematy lekcji informatyki klasa 4a styczeń 2013
Tematy lekcji informatyki klasa 4a styczeń 2013 temat 7. z podręcznika (str. 70-72); sztuczki 4. i 5. (str. 78); Narysuj ikony narzędzi do zaznaczania i opisz je. 19 Zaznaczamy fragment rysunku i przenosimy
Bardziej szczegółowoPrzenoszenie, kopiowanie formuł
Przenoszenie, kopiowanie formuł Jeżeli będziemy kopiowali komórki wypełnione tekstem lub liczbami możemy wykorzystywać tradycyjny sposób kopiowania lub przenoszenia zawartości w inne miejsce. Jednak przy
Bardziej szczegółowoNOWA FORMUŁA EGZAMIN MATURALNY Z MATEMATYKI POZIOM PODSTAWOWY MMA 2019 UZUPEŁNIA ZDAJĄCY. miejsce na naklejkę UZUPEŁNIA ZESPÓŁ NADZORUJĄCY
Arkusz zawiera informacje prawnie chronione do momentu rozpoczęcia egzaminu. MMA 2019 KOD UZUPEŁNIA ZDAJĄCY PESEL miejsce na naklejkę EGZAMIN MATURALNY Z MATEMATYKI POZIOM PODSTAWOWY DATA: 20 sierpnia
Bardziej szczegółowoKrystalochemia białek 2016/2017
Zestaw zadań 4. Grupy punktowe. Składanie elementów symetrii. Translacyjne elementy symetrii grupy punktowe, składanie elementów symetrii, translacyjne elementy symetrii: osie śrubowe, płaszczyzny ślizgowe
Bardziej szczegółowoMatematyka licea ogólnokształcące, technika
Matematyka licea ogólnokształcące, technika Opracowano m.in. na podstawie podręcznika MATEMATYKA w otaczającym nas świecie zakres podstawowy i rozszerzony Funkcja liniowa Funkcję f: R R określoną wzorem
Bardziej szczegółowoWstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe. P. F. Góra
Wstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Co można zrobić z układem równań... tak, aby jego rozwiazania się nie zmieniły? Rozważam
Bardziej szczegółowoFUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci
Bardziej szczegółowoPodstawy obsługi arkusza kalkulacyjnego Excel
Podstawy obsługi arkusza kalkulacyjnego Excel Informacje o usłudze Numer usługi 2016/11/16/5015/23696 Cena netto 570,00 zł Cena brutto 701,10 zł Cena netto za godzinę 47,50 zł Cena brutto za godzinę 58,43
Bardziej szczegółowoRozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowoKRYTERIA OCENIANIA Z MATEMATYKI W OPARCIU O PODSTAWĘ PROGRAMOWĄ I PROGRAM NAUCZANIA MATEMATYKA 2001 DLA KLASY DRUGIEJ
KRYTERIA OCENIANIA Z MATEMATYKI W OPARCIU O PODSTAWĘ PROGRAMOWĄ I PROGRAM NAUCZANIA MATEMATYKA 2001 DLA KLASY DRUGIEJ TREŚCI KSZTAŁCENIA WYMAGANIA PODSTAWOWE WYMAGANIA PONADPODSTAWOWE Liczby wymierne i
Bardziej szczegółowoWord. Korespondencja seryjna
1 (Pobrane z slow7.pl) Korespondencja seryjnajestto taki sposób utworzenia jednolitego dokumentu, który będzie różnił się jedynie zawartością wybranych pól. Pola te będą automatycznie wypełniane przez
Bardziej szczegółowoInformatyka dla klas I wykresy funkcji
2013 mgr Jerzy Wałaszek I LO w Tarnowie Informatyka dla klas I wykresy funkcji Prezentowane materiały są przeznaczone dla uczniów szkół ponadgimnazjalnych. Autor artykułu: mgr Jerzy Wałaszek, wersja1.0
Bardziej szczegółowo