Analiza wielowymiarowa sytuacji ekonomicznej Polski oraz krajów Azji i Europy Wschodniej
|
|
- Halina Domańska
- 8 lat temu
- Przeglądów:
Transkrypt
1 Analiza wielowymiarowa sytuacji ekonomicznej Polski oraz krajów Azji i Europy Wschodniej Wstęp Anna Żemojtel Leszek Boguszewski Koło Naukowe Metod Ilościowych przy Katedrze Statystyki Wydziału Zarządzania Uniwersytetu Gdańskiego Przeprowadzone badanie przedstawia ocenę sytuacji ekonomicznej Polski na tle wybranych krajów Azji i Europy Wschodniej. Sytuacja ekonomiczna utożsamiana jest często z sytuacją finansową danego kraju, jego zdolnościami płatniczymi i odpowiednim, niskim poziomem zadłużenia. Ponadto bezpośrednio wpływa ona na poziom życia społeczeństwa oraz jego zamożność. Jednak jako zjawisko wielowymiarowe, sytuacja ekonomiczna determinowana jest również przez szereg innych zmiennych, niekoniecznie o charakterze finansowym. Wiele informacji o sytuacji danego kraju dostarcza analiza zjawiska bezrobocia 1, głównie stopy bezrobocia. Stopa bezrobocia to relacja pomiędzy liczbą zarejestrowanych osób bezrobotnych a liczbą osób czynnych zawodowo (zdolnych do podjęcia pracy), wyrażona procentowo. W odniesieniu do wielu państw stopa bezrobocia jest indykatorem gospodarki, wskaźnikiem jej kondycji. Aby określić sytuację ekonomiczną danego kraju niezbędna jest wielowymiarowa analiza zmiennych, istotnych z punktu widzenia aspektu ekonomicznego. Celem niniejszych badań jest przedstawienie statystycznych metod analizy wielowymiarowej służących obiektywnej ocenie kondycji ekonomicznej wybranych państw Azji i Europy Wschodniej oraz Polski. Dodatkowym celem jest pogrupowanie państw w jednorodne podzbiory ze względu na kondycję ekonomiczną, oraz wskazanie państwa o najlepszej i najgorszej kondycji ekonomicznej. W pierwszej części referatu przedstawione zostaną zagadnienia metodologiczne opracowane na podstawie literatury przedmiotu, w dalszej części omówione zostaną metody 1 Jest to pozostawanie poza zatrudnieniem w okresie badanym osób aktywnie poszukujących pracy, które są gotowe do podjęcia pracy w badanym tygodniu i następnym, (definicja GUS oparta na standardach międzynarodowych). 1
2 badawcze, takie jak analiza głównych składowych, analiza skupień oraz porządkowanie liniowe, połączone z badaniem empirycznym. Zarys teoretyczny Analiza głównych składowych W analizie wielowymiarowej danych statystycznych podstawowe badania mają na celu wskazanie istotnych zależności, jakie zachodzą między zmiennymi opisującymi zjawiska wielowymiarowe. Obiektem poddanym analizie w naszej pracy jest sytuacja ekonomiczna, którą ze względu na swą niejednorodną naturę należy rozpatrywać na wielu płaszczyznach, uwzględniając szereg współtworzących ją elementów (cech, zmiennych). W badaniach tych szczególnie przydatna, a niekiedy niezbędna, jest redukcja wymiaru przestrzeni cech; zwykle bowiem wymiar ten jest większy od 2. Dotyczy to głównie możliwości przybliżonego przedstawienia obserwacji wielowymiarowych na płaszczyźnie, służącemu lepszemu zrozumieniu badanego zjawiska. Zmniejszaniu wymiaru przestrzeni danych służy analiza głównych składowych, (ang. principal components analysis). Metoda ta polega na ortogonalnym (prostopadłym) przekształceniu p-wymiarowego układu zmiennych opisujących obserwację wielowymiarową na nowy układ zmiennych nieskorelowanych, tzw. głównych składowych, o wymiarze mniejszym od p. Redukcja wymiaru przestrzeni cech, uporządkowanie ich na podzbiory (główne składowe) jest przydatna głównie ze względu na możliwość zinterpretowania relacji między składowymi, graficznej prezentacji konfiguracji porównywanych zmiennych, a wreszcie uporządkowania tych zmiennych według przyjętych cech. Następne kroki prowadzą do zmniejszenia udziału wariancji kolejnych głównych składowych w całkowitej zmienności obserwacji wielowymiarowych. Fakt, że pierwsza główna składowa ma największą wariancję, znajduje odzwierciedlenie w stwierdzeniu, że największy procent całkowitej wariancji cech opisujących dane zjawisko wielowymiarowe jest wyjaśniony właśnie przez tę składową, zaś kolejne główne składowe wyjaśniają już coraz mniejszy procent całkowitej zmienności 2. 2 Więcej na ten temat: Manly B.F.J. (1994), Multivariate statistical methods, Chapman & Hall/ CRC, s Morrison D.F. (1990), Wielowymiarowa analiza statystyczna, PWN, Warszawa, s
3 Analiza skupień Przez skupienie rozumie się na ogół zbiór obserwacji podobnych do siebie, przy czym obserwacje należące do dwóch różnych skupień powinny różnić się między sobą w sposób istotny. Celem analizy skupień (ang. cluster analysis) jest organizowanie obserwowanych danych w sensowne struktury lub grupy poprzez analizę podobieństw w obszarach poddanych badaniu. Podobieństwa pomiędzy obiektami zostają wyznaczone na podstawie odpowiedniego wskaźnika lub miary podobieństwa czy też odległości. Posługując się tego rodzaju analizą będziemy dążyć do utworzenia grup obiektów, których elementy pod względem wybranych cech będą do siebie jak najbardziej podobne i jednocześnie maksymalnie różne niż w pozostałych grupach. Jeżeli w grupie skupiona jest mała liczba elementów (skrajnie 1), to skupienie takie będzie nazywane słabym. Jeżeli natomiast w grupie znajdzie się duża liczna elementów to mamy do czynienia z silnym skupieniem 3. Porządkowanie liniowe Analizy omówione wcześniej nie prowadzą do jednoznacznego określenia, które państwa mają najlepszą sytuację ekonomiczną, a które najgorszą. Analiza skupień pozwoliła na wyznaczenie pewnych ośrodków grawitacyjnych, wokół których skupiają się poszczególne państwa. Niemniej odległości między skupieniami nie pozwalają prowadzić rozważań na temat lepszej lub gorszej sytuacji ekonomicznej bądź lepszego czy gorszego rozwoju kraju. Aby móc dokonać takiej oceny, należy uporządkować te obiekty ze względu na wszystkie obserwowalne cechy. Można wówczas stwierdzić, że dane państwo mające wyższą pozycję w uporządkowanym zbiorze charakteryzuje się najlepszą sytuacją ekonomiczną. Przeprowadzana przez nas analiza wielowymiarowa zmierza do uporządkowania obiektów wielocechowych oraz odnalezienia obiektu pierwszego i ostatniego 4. 3 Więcej na ten temat: Marek T. (1989), Analiza skupień w badaniach empirycznych. Metody SAHN, PWN, Warszawa, s Zagadnienie porządkowania liniowego dokładniej omówione jest w książce: Ostasiewicz W. (1998), Statystyczne metody analizy danych, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław, s
4 Badanie empiryczne Wybór cech diagnostycznych Pierwszym krokiem w wyborze zmiennych była wstępna analiza korelacji, która umożliwiła nam odrzucenie części zmiennych i pozostawienie tych, które mają istotny wpływ na badane zjawisko, a jednocześnie nie są ze sobą silnie skorelowane. W rezultacie do zasadniczej analizy pozostawiliśmy 10 zmiennych objaśniających: X1 - Import- cif (ceny bieżące) na 1 mieszkańca w $ USA, X2 - Eksport- fob (ceny bieżące) na 1 mieszkańca w $ USA, X3 - Wydatki w % PKB, X4 - Rezerwy dewizowe w mln $ USA, X5 - Długi zagraniczne na 1 mieszkańca w $ USA, kraje powyżej 10 mld $ USA, X6 - Zagraniczne inwestycje bezpośrednie w kraju w mln $ USA, X7 - Krajowe inwestycje bezpośrednie za granicą w mln $ USA, X8 - PKB na 1 mieszkańca w $ USA, X9 - Procent bezrobotnych mających wykształcenie wyższe, X10 - Pracujący w pośrednictwie finansowym i innych usługach (w tys.) /ogół pracujących. Analiza głównych składowych Analiza głównych składowych umożliwia uporządkowanie cech charakteryzujących zmienność rozwoju sytuacji ekonomicznej w poszczególnych państwach. Poniższe obliczenia zostały przeprowadzone na podstawie zestandaryzowanych danych macierzy obserwacji, wykorzystując procedury metody głównych składowych zawarte w pakiecie statystycznym Statistica. W wyniku otrzymano wektory wartości własnych λ j, j =1,2, 3 oraz wartości w j mówiące o tym, jaki procent wariancji cech składowych wyjaśniają cztery (spośród możliwych 10) główne składowe. Pozostawione przez nas główne składowe łącznie wyjaśniają ponad 82 % całkowitej zmienności porównywanych cech, co prezentuje poniższa tablica. 4
5 Tablica 1. Wartości własne λ l. Wartość % ogółu Skumulowana Skumulowany własna wyjaśnionej wariancji wartość własna % ogółu wyjaśnionej wariancji X1 3, ,9249 3, ,9249 X2 1, ,6873 5, ,6121 X3 1, ,8177 7, ,4299 X4 1, ,9701 8, ,3999 X5 0,8568 8,5680 9, ,9679 X6 0,3882 3,8816 9, ,8495 X7 0,2707 2,7072 9, ,5567 X8 0,2031 2,0311 9, ,5878 X9 0,0375 0,3748 9, ,9625 X10 0,0038 0, , ,0000 Źródło: Opracowanie własne- Statistica 6.0 Pozostawiliśmy 4 główne składowe, gdyż celem tej analizy jest wyjaśnienie jak największej części zmienności przez jak najmniejszą liczbę składowych. Ilustracją istotności głównych składowych jest wykres osypiska. Wykres 1. Wykres osypiska 4,5 4,0 3,5 39,92% Wartości własne macierzy korelacj Tylko zmienne aktywne 3,0 Wartość własna 2,5 2,0 1,5 1,0 0,5 18,69% 12,82% 10,97% 8,57% 3,88% 2,71% 2,03%,37%,04% 0,0-0, Numer wart. własnej Źródło: Opracowanie własne - Statistica
6 Następnym etapem w analizie głównych składowych jest obliczenie współczynników korelacji j-tej zmiennej z l-tą składową główną, co pokazuje poniższa tablica. Tablica 2. Wyniki analizy głównych składowych po dokonaniu normalizacji. ZMIENNE ŁADUNKI SKŁADOWE w1 w2 w3 w4 KORELACJE MIĘDZY ZMIENNYMI A SKŁADOWYMI X1 0,4830-0,0649 0,0383-0,0229 0,9652-0,0887 0,0434-0,0240 X2 0,4779 0,0516 0,0444 0,1749 0,9549 0,0706 0,0503 0,1832 X3 0,2179-0,1314-0,4276-0,4725 0,4354-0,1796-0,4841-0,4949 X4 0,1085 0,6348-0,0809 0,0683 0,2167 0,8677-0,0916 0,0716 X5 0,0467-0,1821-0,4051 0,7768 0,0932-0,2489-0,4587 0,8136 X6 0,1963-0,4344 0,1990-0,2251 0,3922-0,5938 0,2253-0,2358 X7 0,4054-0,1985 0,2152 0,2351 0,8100-0,2713 0,2436 0,2463 X8 0,3230 0,5283-0,1344-0,0987 0,6453 0,7221-0,1521-0,1034 X9 0,0802 0,1481 0,7193 0,1075 0,1603 0,2024 0,8144 0,1126 X10 0,4040-0,1035-0,1472-0,1017 0,8073-0,1415-0,1667-0,1065 Wartości własne λ l 3,9925 1,8687 1,2818 1,0970 % całkowitej zmienności 39, , , ,9701 Skumulowany % całkowitej 39, , , ,3999 zmienności Źródło: Obliczenia własne. Pierwsza składowa ma wysoką wagę względem importu- cif (ceny bieżące) na 1 mieszkańca w $ USA, eksportu- fob (ceny bieżące) na 1 mieszkańca w $ USA, krajowych inwestycji bezpośrednich za granicą w mln $ USA oraz pracujących w pośrednictwie finansowym i innych usługach (w tys.) /ogół pracujących. Na drugą składową w największym stopniu wpływają rezerwy dewizowe w mln $ USA, PKB na 1 mieszkańca w $ USA oraz zagraniczne inwestycje bezpośrednie w kraju w mln $ USA. Dwie kolejne składowe wyjaśniają łącznie 23,78 % zmienności w, związku z czym ich waga w wyjaśnianiu analizowanego zjawiska jest dosyć mała. Wartość trzeciej składowej najsilniej determinuje odsetek bezrobotnych mających wykształcenie wyższe, natomiast na wartość czwartej składowej najsilniej wpływają wydatki w % PKB. 6
7 Analiza skupień W następnym kroku pogrupowano 5 państwa ze względu na 10 zmiennych obserwowalnych. W procedurach grupowania, czyli sekwencyjnego zmniejszania liczby obiektów poprzez łączenie ich w grupy wyższego rzędu, istnieje możliwość graficznego przedstawienia wyników grupowania w postaci dendrogramu. Drzewko połączeń ilustruje kolejne połączenia skupień coraz to wyższego rzędu. Uzyskana hierarchia pozwala na określenie wzajemnego położenia skupień i obiektów w nich zawartych. Wykres 2. Dendrogram Diagram drzewa Metoda Warda Kwadratowa odl. euklidesowa Białoruś Indie Chiny Tajlandia Indonezja Pakistan Rosja Litwa Łotwa Polska Turcja Estonia Izrael Malezja Republika Korei Japonia Odległość wiąz. Źródło: Opracowanie własne - Statistica 6.0. Jak widać na wykresie 2, możemy zaobserwować 4 skupiska oraz jeden obiekt odbiegający, wyraźnie różniący się od innych (ang. outlier). Obiektem tym jest Japonia, która zdecydowanie różni się od innych przebadanych państw. Z kolei duże podobieństwo wykazują grupami: 5 W naszej analizie będziemy posługiwać się hierarchiczną metodą poszukiwania skupień, polegającą na takim formowaniu zespołów, że na każdym poziomie łączenia obiektów tworzone skupisko składa się z grup otrzymanych w poprzednich krokach. Wykorzystaliśmy metodę Warda dla kwadratowych odległości euklidesowych. 7
8 Grupa 1: Malezja i Republika Korei, Grupa 2: Estonia i Izrael, przy czym oba skupiska są dość podobne względem siebie, Grupa 3: Litwa, Łotwa (bardzo zbliżone), Turcja oraz Polska, Grupa 4: Indonezja, Pakistan (bardzo podobne), Rosja, Białoruś, Indie, Chiny oraz Tajlandia. W celu sprawdzenia trafności otrzymanych skupień posłużyliśmy się inną metodą grupowania, k-średnich. Grupowanie wydaje się mocniejsze, gdyż wyniki potwierdziły się, przy grupowaniu na pięć skupisk otrzymaliśmy identyczne zespoły, jak przy wykorzystaniu metody hierarchicznej. Wykres średnich dostarcza ciekawych informacji, jakimi wartościami zmiennych charakteryzują się poszczególne grupy. Wykres 3. Wykres średnich 5 Wykr. średnich każd. skupienia Skupien.1 Skupien.2 Skupien.3 Skupien.4 outlier Zmienne Źródło: Opracowanie własne - Statistica 6.0 Możemy zauważyć, że Japonia zdecydowanie przewyższa pozostałe kraje poziomem rezerw dewizowych oraz PKB, ale jednocześnie ma niski poziom zagranicznych inwestycji. Skupisko trzecie, w którym znajduje się Polska, charakteryzuje się niskim udziałem bezrobotnych mających wykształcenie wyższe, poza tym nie wyróżnia się niczym szczególnym, przyjmując przeciętne wartości innych zmiennych. Co ciekawe, z największym obciążeniem z powodu zadłużenia borykają się społeczeństwa Malezji i Republiki Korei. 8
9 Porządkowanie liniowe Kolejnym etapem analizy sytuacji ekonomicznej państw jest porządkowanie liniowe. Jest ono swego rodzaju podsumowaniem całego badania, pozwala na całościowe ujęcie analizowanego zjawiska, oceniając poziom każdego państwa na tle innych. Otrzymany ranking (przeprowadzony metodą wzorca rozwoju 6 ) przedstawia się następująco: Tablica 3. Porządkowanie liniowe Pozycja Kraj Miara rozwoju 1 Japonia Izrael Estonia Malezja Republika Korei Łotwa Polska Litwa Turcja Chiny Tajlandia Rosja Pakistan Indonezja Białoruś Indie Źródło: opracowanie własne przy pomocy Excel. Wyniki potwierdzają obiegową opinię, że krajem o najwyższej pozycji ekonomicznej jest Japonia, za nią plasują się Izrael i Estonia oraz Malezja z Republiką Korei. Polska zajmuje miejsce w środkowej części klasyfikacji (siódma pozycja) wraz z Litwą, Łotwą i Turcją. Tablicę zamykają Białoruś i Indie. Wyniki uzyskane dzięki porządkowaniu liniowemu kolejny raz potwierdzają wnioski z wcześniejszych analiz. Nie bez przyczyny Japonia nie 6 Kierując się wskazówkami zaczerpniętymi z literatury tematu długi zagraniczne oraz stopa bezrobocia osób z wyższym wykształceniem uznane zostały za destymulanty. 9
10 pasowała do żadnego powstającego skupienia, a kolejne państwa tworzyły grupy ze swoimi sąsiadami z porządkowania liniowego. Potwierdza to także wykres średnich każdego skupienia, widzimy wyraźnie, że grupa 4 (m.in. Białoruś i Indie) przyjmuje zdecydowanie najmniejsze wartości większości badanych cech. Z kolei skupienie polskie to typowy średniak (zielona linia). Analizując wyniki badania należy pamiętać, że są one oparte na dziesięciu wyselekcjonowanych zmiennych. Te z kolei są wypadkowymi w pewnej mierze subiektywnego wyboru oraz dostępności danych. Także lista badanych państw została zawężona do znaczących reprezentantów regionów. Przypuszczalnie dodając bądź odejmując jakąś zmienną otrzymalibyśmy nieco inne wyniki. Nie ujmuje to wszakże wartości tego badania jako naszej oceny sytuacji ekonomiczno-gospodarczej Polski na tle wybranych krajów Azji oraz Europy wschodniej. W wyniku przeprowadzonych analiz wykazano, że państwa wcale nie różnią się tak bardzo (dla przykładu Polska znalazła się w tej samej grupie, co Turcja), co powinno zachęcać nas do współpracy ekonomicznej i być może do czerpania z niektórych krajów wzorców do naśladowania. Literatura: 1. Manly B.F.J. (1994), Multivariate statistical Methods, Chapman & Hall/ CRC, 2. Marek T. (1989), Analiza skupień w badaniach empirycznych. Metody SAHN. PWN, Warszawa, 3. Morrison D.F. (1990) Wielowymiarowa analiza statystyczna PWN, Warszawa, 4. Ostasiewicz W. (1998), Statystyczne metody analizy danych. Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław, 5. Rocznik Statystyki Międzynarodowej (2004), GUS Praca napisana pod naukową opieką dr hab. Andrzeja Balickiego, prof.. UG, Kierownika Katedry Statystyki oraz dr Kamili Najman i dr Krzysztofa Najmana z Katedry Statystyki, Wydziału Zarządzania, Uniwersytetu Gdańskiego. 10
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 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 szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 9 Analiza skupień wielowymiarowa klasyfikacja obiektów Metoda, a właściwie to zbiór metod pozwalających na grupowanie obiektów pod względem wielu cech jednocześnie.
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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 746 EKONOMICZNE PROBLEMY USŁUG NR 101 2012 RAFAŁ KLÓSKA Uniwersytet Szczeciński REGIONALNE ZRÓŻNICOWANIE POZIOMU ROZWOJU SPOŁECZNO-GOSPODARCZEGO W POLSCE
Bardziej szczegółowoHierarchiczna analiza skupień
Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym
Bardziej szczegółowoStatystyczna analiza poziomu rozwoju społeczno-gospodarczego w Polsce - w ujęciu regionalnym
Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu Nr 42/2012 Rafał Klóska Uniwersytet Szczeciński Statystyczna analiza poziomu rozwoju społeczno-gospodarczego w Polsce - w ujęciu regionalnym Streszczenie.
Bardziej szczegółowoAnaliza składowych głównych
Analiza składowych głównych Wprowadzenie (1) W przypadku regresji naszym celem jest predykcja wartości zmiennej wyjściowej za pomocą zmiennych wejściowych, wykrycie związku między wielkościami wejściowymi
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 szczegółowoWielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce
Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce Mgr inż. Agata Binderman Dzienne Studia Doktoranckie przy Wydziale Ekonomiczno-Rolniczym Katedra Ekonometrii i Informatyki SGGW Opiekun
Bardziej szczegółowoElementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Bardziej szczegółowoWykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Bardziej szczegółowoStatystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński
Statystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński Opracowanie materiału statystycznego Szereg rozdzielczy częstości
Bardziej szczegółowoAnaliza 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 szczegółowo10. Redukcja wymiaru - metoda PCA
Algorytmy rozpoznawania obrazów 10. Redukcja wymiaru - metoda PCA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. PCA Analiza składowych głównych: w skrócie nazywana PCA (od ang. Principle Component
Bardziej szczegółowoSposoby prezentacji problemów w statystyce
S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki
Bardziej szczegółowoPODOBIEŃSTWA RYNKÓW PRACY W GRUPIE KRAJÓW UE-28
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 289 2016 Uniwersytet Ekonomiczny w Katowicach Wydział Ekonomii Katedra Analiz i Prognozowania Rynku Pracy jaroslaw.wasowicz@ue.katowice.pl
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoANALIZA CZYNNIKOWA Przykład 1
ANALIZA CZYNNIKOWA... stanowi zespół metod i procedur statystycznych pozwalających na badanie wzajemnych relacji między dużą liczbą zmiennych i wykrywanie ukrytych uwarunkowań, ktore wyjaśniają ich występowanie.
Bardziej szczegółowoWIELOWYMIAROWA ANALIZA STATYSTYCZNA POZIOMU ROZWOJU DEMOGRAFICZNEGO SZCZECINA NA TLE INNYCH MIAST WOJEWÓDZKICH W POLSCE
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 529 EKONOMICZNE PROBLEMY USŁUG NR 30 2009 RAFAŁ KLÓSKA, RAFAŁ CZYŻYCKI WIELOWYMIAROWA ANALIZA STATYSTYCZNA POZIOMU ROZWOJU DEMOGRAFICZNEGO SZCZECINA NA TLE
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Test niezależności chi-kwadrat (χ 2 ) Cel: ocena występowania zależności między dwiema cechami jakościowymi/skategoryzowanymi X- pierwsza cecha; Y druga cecha Przykłady
Bardziej szczegółowoBudowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego
Metody Analiz Przestrzennych Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego mgr Marcin Semczuk Zakład Przedsiębiorczości i Gospodarki Przestrzennej Instytut
Bardziej szczegółowoMetody klasyfikacji i klasteryzacji obiektów wielocechowych.
Metody klasyfikacji i klasteryzacji obiektów wielocechowych Zakres szkolenia Podstawowe pojęcia związane z klasyfikacją wielocechową Proste metody porządkowania liniowego (ratingu) Metody grupowania (klasteryzacji)
Bardziej szczegółowoPOJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.
[1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej
Bardziej szczegółowoINFORMACJA O SYTUACJI NA RYNKU PRACY W POWIECIE OPOLSKIM I MIEŚCIE OPOLU ZA ROK 2002
POWIATOWY URZĄD PRACY W OPOLU ul. mjr Hubala 21, 45-266 Opole tel. 44 22 929, fax 44 22 928, e-mail: opop@praca.gov.pl INFORMACJA O SYTUACJI NA RYNKU PRACY W POWIECIE OPOLSKIM I MIEŚCIE OPOLU ZA ROK 2002
Bardziej szczegółowoWykład 3: Prezentacja danych statystycznych
Wykład 3: Prezentacja danych statystycznych Dobór metody prezentacji danych Dobór metody prezentacji danych zależy od: charakteru danych statystycznych (inne metody wybierzemy dla danych przekrojowych,
Bardziej szczegółowoWykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.
Bardziej szczegółowo1.3. Geografia społeczno-ekonomiczna ogólna i polityczna
102 Egzamin maturalny. Geografia. Poziom rozszerzony. Zbiór zadań 1.3. Geografia społeczno-ekonomiczna ogólna i polityczna 1.3.1. Klasyfikacja państw świata Zadanie 179. W tabeli przedstawiono wartości
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoZadanie 1. Za pomocą analizy rzetelności skali i wspólczynnika Alfa- Cronbacha ustalić, czy pytania ankiety stanowią jednorodny zbiór.
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
Bardziej szczegółowoMetody statystyczne wykorzystywane do oceny zróżnicowania kolekcji genowych roślin. Henryk Bujak
Metody statystyczne wykorzystywane do oceny zróżnicowania kolekcji genowych roślin Henryk Bujak e-mail: h.bujak@ihar.edu.pl Ocena różnorodności fenotypowej Różnorodność fenotypowa kolekcji roślinnych zasobów
Bardziej szczegółowoI. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy
1.1.1 Statystyka opisowa I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE STATYSTYKA OPISOWA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: P6 Wydział Zamiejscowy w Ostrowie Wielkopolskim
Bardziej szczegółowoBadanie zróżnicowania krajów członkowskich i stowarzyszonych Unii Europejskiej w oparciu o wybrane zmienne społeczno-gospodarcze
Barbara Batóg Jacek Batóg Uniwersytet Szczeciński Badanie zróżnicowania krajów członkowskich i stowarzyszonych Unii Europejskiej w oparciu o wybrane zmienne społeczno-gospodarcze W 2004 roku planowane
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja
Bardziej szczegółowoSprawozdanie z działalności Miejskiego Urzędu Pracy w Lublinie - I półrocze 2011 r. -
Miejski Urząd Pracy w Lublinie ul. Niecała 14, 20-080 Lublin www.mup.lublin.pl Sprawozdanie z działalności Miejskiego Urzędu Pracy w Lublinie - I półrocze 2011 r. - Lublin, wrzesień 2011 Spis treści 1.
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoAnaliza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Bardziej szczegółowo1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:
Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,
Bardziej szczegółowoW A R S Z A W A
W A R S Z A W A 2 0 3 0 PRACA ANALIZA NA POTRZEBY OPRACOWANIA DIAGNOZY STRATEGICZNEJ Urząd m.st. Warszawy sierpień 2016 Opracowanie przygotowane na potrzeby aktualizacji Strategii Rozwoju m.st. Warszawy
Bardziej szczegółowoAnaliza skupień. Analiza Skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania
Analiza skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania Analiza Skupień Elementy składowe procesu grupowania obiekt Ekstrakcja cech Sprzężenie zwrotne Grupowanie klastry Reprezentacja
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowoNawroty w uzależnieniach - zmiany w kontaktach z alkoholem po zakończeniu terapii
Sabina Nikodemska Rok: 1998 Czasopismo: Świat Problemów Numer: 6 (68) Celem niniejszego opracowania jest próba przyjrzenia się populacji tych pacjentów, którzy zgłaszają się do ambulatoryjnych placówek
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoPodstawowe pojęcia statystyczne
Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk
Bardziej 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 szczegółowoSTATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE
STATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE CECHY mogą być: jakościowe nieuporządkowane - skala nominalna płeć, rasa, kolor oczu, narodowość, marka samochodu,
Bardziej szczegółowoSzukanie struktury skali mierzącej problematyczne zachowania finansowe.
Szukanie struktury skali mierzącej problematyczne zachowania finansowe. Celem poniższej analizy było stworzenie skali mierzącej problematyczne zachowania finansowej. Takie zachowania zdefiniowano jako
Bardziej szczegółowoData Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu
Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu
Bardziej szczegółowoNaszym zadaniem jest rozpatrzenie związków między wierszami macierzy reprezentującej poziomy ekspresji poszczególnych genów.
ANALIZA SKUPIEŃ Metoda k-means I. Cel zadania Zadaniem jest analiza zbioru danych, gdzie zmiennymi są poziomy ekspresji genów. Podczas badań pobrano próbki DNA od 36 różnych pacjentów z chorobą nowotworową.
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 szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoKlasyfikatory: k-nn oraz naiwny Bayesa. Agnieszka Nowak Brzezińska Wykład IV
Klasyfikatory: k-nn oraz naiwny Bayesa Agnieszka Nowak Brzezińska Wykład IV Naiwny klasyfikator Bayesa Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną
Bardziej szczegółowoBadanie rozwoju społeczno-gospodarczego województw - wpływ metodyki badań na uzyskane wyniki
Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu Nr / Rafał Czyżycki Uniwersytet Szczeciński Badanie rozwoju społeczno-gospodarczego województw - wpływ metodyki badań na uzyskane wyniki Streszczenie,
Bardziej szczegółowo3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach Opis danych statystycznych
3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach 1995-2005 3.1. Opis danych statystycznych Badanie zmian w potencjale opieki zdrowotnej można przeprowadzić w oparciu o dane dotyczące
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoINNOWACYJNOŚĆ WOJEWÓDZTW W POLSCE
Rafał Klóska INNOWACYJNOŚĆ WOJEWÓDZTW W POLSCE 1. Wstęp Tematyka konferencji wydaje się szczególnie ważna i interesująca, tym bardziej, że innowacyjność jest stymulanta rozwoju społeczno-gospodarczego,
Bardziej szczegółowoAnaliza 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 szczegółowoANALIZA STRUKTURY WIEKOWEJ ORAZ PŁCIOWEJ CZŁONKÓW OFE Z WYKORZYSTANIEM METOD TAKSONOMICZNYCH
Sugerowany przypis: Chybalski F., Analiza struktury wiekowej oraz płciowej członków OFE z wykorzystaniem metod taksonomicznych [w:] Chybalski F., Staniec I. (red.), 10 lat reformy emerytalnej w Polsce.
Bardziej szczegółowoZachowania odbiorców. Grupa taryfowa G
Zachowania odbiorców. Grupa taryfowa G Autor: Jarosław Tomczykowski Biuro PTPiREE ( Energia elektryczna luty 2013) Jednym z założeń wprowadzania smart meteringu jest optymalizacja zużycia energii elektrycznej,
Bardziej szczegółowoRegresja logistyczna (LOGISTIC)
Zmienna zależna: Wybór opcji zachodniej w polityce zagranicznej (kodowana jako tak, 0 nie) Zmienne niezależne: wiedza o Unii Europejskiej (WIEDZA), zamieszkiwanie w regionie zachodnim (ZACH) lub wschodnim
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoWydział Inżynierii Produkcji. I Logistyki. Statystyka opisowa. Wykład 3. Dr inż. Adam Deptuła
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa Wykład 3 Dr inż. Adam Deptuła METODY OPISU DANYCH ILOŚCIOWYCH SKALARNYCH Wykresy: diagramy, histogramy, łamane częstości, wykresy
Bardziej szczegółowoRYNEK PRACY/ADAPTACYJNOŚĆ ZASOBÓW PRACY W WOJEWÓDZTWIE DOLNOŚLĄSKIM
RYNEK PRACY/ADAPTACYJNOŚĆ ZASOBÓW PRACY W WOJEWÓDZTWIE DOLNOŚLĄSKIM Urząd Statystyczny we Wrocławiu 50-950 Wrocław, ul. Oławska 31, tel. 71 371 63 00, fax 71 371 63 60 PLAN PREZENTACJI Wprowadzenie Województwo
Bardziej szczegółowoKOBIETY I MĘŻCZYŹNI NA RYNKU PRACY
KOBIETY I MĘŻCZYŹNI NA RYNKU PRACY Dane prezentowane w niniejszym opracowaniu zostały zaczerpnięte z reprezentacyjnego Badania Aktywności Ekonomicznej Ludności (BAEL), z rejestrów bezrobotnych prowadzonych
Bardziej szczegółowoRozdział 4. Profile regionalne małych i średnich przedsiębiorstw. Województwo dolnośląskie
Melania Nieć, Joanna Orłowska, Maja Wasilewska Rozdział 4. Profile regionalne małych i średnich przedsiębiorstw Województwo dolnośląskie Struktura podmiotowa przedsiębiorstw aktywnych W 2013 r. o ponad
Bardziej szczegółowoDziałalność badawcza i rozwojowa w Polsce w 2012 r.
GŁÓWNY URZĄD STATYSTYCZNY Urząd Statystyczny w Szczecinie Warszawa, październik 2013 r. Informacja sygnalna WYNIKI BADAŃ GUS Działalność badawcza i rozwojowa w Polsce w 2012 r. Wprowadzenie Niniejsza informacja
Bardziej szczegółowo2. Tabela przedstawia najczęściej używane języki świata wg liczby ludności na co dzień posługującej się danym językiem.
1. W tabeli zestawiono wybrane państwa, w których zamieszkuje ludność pochodzenia polskiego. Określ dla każdej grupy państw najważniejszą przyczynę istnienia na ich terytoriach znacznych skupisk ludności
Bardziej szczegółowoCELE ANALIZY CZYNNIKOWEJ
ANALIZA CZYNNIKOWA... stanowi zespół metod i procedur statystycznych pozwalających na badanie wzajemnych relacji między dużą liczbą zmiennych i wykrywanie ukrytych uwarunkowań, ktore wyjaśniają ich występowanie.
Bardziej szczegółowoSprawozdanie z działalności Miejskiego Urzędu Pracy w Lublinie - I półrocze 2015 r. -
Miejski Urząd Pracy w Lublinie ul. Niecała 14, 20-080 Lublin www.mup.lublin.pl Sprawozdanie z działalności Miejskiego Urzędu Pracy w Lublinie - I półrocze 2015 r. - Lublin, sierpień 2015 r. Spis treści
Bardziej szczegółowoGospodarki krajów wschodzących po kryzysie. 14/03/2011 Jakub Janus
Gospodarki krajów wschodzących po kryzysie 14/03/2011 Jakub Janus 1 Plan prezentacji 1. Wzrost gospodarczy po kryzysie w perspektywie globalnej 2. Sytuacja w głównych gospodarkach 1. Chiny 2. Indie 3.
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoPoziom wiedzy konsumenta a jego zachowania na rynku usług finansowych. Iwona Olejnik
Poziom wiedzy konsumenta a jego zachowania na rynku usług finansowych Iwona Olejnik Konferencja: Edukacja finansowa SGH, Warszawa, 28.09.2017 Cel Próba określenia zależności między poziomem wiedzy a zachowaniami
Bardziej szczegółowoSCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
Bardziej szczegółowoWYNAGRODZENIA W POLSCE NA TLE ZAROBKÓW W STANACH ZJEDNOCZONYCH
16.10.2017 Informacja prasowa portalu WYNAGRODZENIA W POLSCE NA TLE ZAROBKÓW W STANACH ZJEDNOCZONYCH Pytania i dodatkowe informacje: tel. 509 509 536 media@sedlak.pl W czasach głębokiego PRL-u wyjazd do
Bardziej szczegółowoWykład 1. Statystyka międzynarodowa - wprowadzenie Rynek pracy w Unii Europejskiej
Wykład 1 Statystyka międzynarodowa - wprowadzenie Rynek pracy w Unii Europejskiej Informacje o przedmiocie prowadzący: strona internetowa: wykład ćwiczenia forma zaliczenia: dr Marek Sobolewski www.msobolew.sd.prz.edu.pl
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
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 szczegółowoStatystyki opisowe i szeregi rozdzielcze
Statystyki opisowe i szeregi rozdzielcze - ćwiczenia ĆWICZENIA Piotr Ciskowski ramka-wąsy przykład 1. krwinki czerwone Stanisz W eksperymencie farmakologicznym analizowano oddziaływanie pewnego preparatu
Bardziej szczegółowoIdea. Analiza składowych głównych Analiza czynnikowa Skalowanie wielowymiarowe Analiza korespondencji Wykresy obrazkowe.
Idea (ang. Principal Components Analysis PCA) jest popularnym używanym narzędziem analizy danych. Na metodę tę można spojrzeć jak na pewną technikę redukcji wymiarowości danych. Jest to metoda nieparametryczna,
Bardziej szczegółowoBadanie zależności skala nominalna
Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność
Bardziej szczegółowoMAZOWIECKI RYNEK PRACY I KWARTAŁ 2015 I KWARTAŁ 2015 NAJWAŻNIEJSZE INFORMACJE
MAZOWIECKI RYNEK PRACY I KWARTAŁ 2015 I KWARTAŁ 2015 NAJWAŻNIEJSZE INFORMACJE Na Mazowszu nie pracowało 43,2% ludności w wieku 15 lat i więcej co oznacza poprawę sytuacji w ujęciu rocznym. W województwie
Bardziej szczegółowoRóżnice w wydatkach na zagospodarowywanie czasu wolnego między młodymi i starszymi. Marlena Piekut
Różnice w wydatkach na zagospodarowywanie czasu wolnego między młodymi i starszymi Marlena Piekut Cel Przedstawienie oraz ocena różnic w wydatkach na rekreację i kulturę oraz gastronomię i zakwaterowanie
Bardziej szczegółowoJoanna Muszyńska, Ewa Zdunek Uniwersytet Mikołaja Kopernika w Toruniu. Ekonometryczna analiza upadłości przedsiębiorstw w Polsce w latach 1990-2005
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika
Bardziej szczegółowoPROPOZYCJA WYKORZYSTANIA METOD ANALIZY WIELOWYMIAROWEJ DO DOBORU ZMIENNYCH W BADANIU STOPNIA INTEGRACJI RYNKÓW UBEZPIECZENIOWYCH
Tomasz Jurkiewicz Ewa Wycinka Katedra Statystyki Uniwersytet Gdański PROPOZYCJA WYKORZYSTANIA METOD ANALIZY WIELOWYMIAROWEJ DO DOBORU ZMIENNYCH W BADANIU STOPNIA INTEGRACJI RYNKÓW UBEZPIECZENIOWYCH 1.
Bardziej szczegółowoPoziom życia ludności Polski i pozostałych krajów Unii Europejskiej analiza taksonomiczna
Rozdział i Poziom życia ludności Polski i pozostałych krajów Unii Europejskiej analiza taksonomiczna Katarzyna Warzecha 1 Streszczenie Artykuł prezentuje rezultaty porównania poziomu życia ludności Polski
Bardziej szczegółowo1. Udział dochodów z działalności rolniczej w dochodach gospodarstw domowych z użytkownikiem gospodarstwa rolnego w 2002 r.
1 UWAGI ANALITYCZNE 1. Udział dochodów z działalności rolniczej w dochodach gospodarstw domowych z użytkownikiem gospodarstwa rolnego w 2002 r. W maju 2002 r. w województwie łódzkim było 209,4 tys. gospodarstw
Bardziej szczegółowoBadania marketingowe 2016_12. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2016_12 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja
Bardziej szczegółowo2. DZIAŁANIA NA WIELOMIANACH
WIELOMIANY 1. Stopieo wielomianu. Działania na wielomianach 2. Równość wielomianów. 3. Pierwiastek wielomianu. Rozkład wielomianu na czynniki 4. Równania wielomianowe. 1.STOPIEŃ WIELOMIANU Wielomian to
Bardziej szczegółowo, , OPINIE O KIERUNKACH WSPÓŁPRACY POLSKI Z INNYMI KRAJAMI WARSZAWA, SIERPIEŃ 97
CBOS CENTRUM BADANIA OPINII SPOŁECZNEJ SEKRETARIAT ZESPÓŁ REALIZACJI BADAŃ 629-35 - 69, 628-37 - 04 621-07 - 57, 628-90 - 17 UL. ŻURAWIA 4A, SKR. PT.24 00-503 W A R S Z A W A TELEFAX 629-40 - 89 INTERNET:
Bardziej szczegółowoRegresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).
Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych
Bardziej szczegółowoAnaliza współzależności dwóch cech I
Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoStatystyczna analiza rozwoju społeczeństwa informacyjnego województw Polski w latach 2008 i 2012
Małgorzata Kobylińska Wydział Nauk Ekonomicznych Uniwersytet Warmińsko-Mazurski w Olsztynie Statystyczna analiza rozwoju społeczeństwa informacyjnego województw Polski w latach 2008 i 2012 1. Wstęp Jednym
Bardziej szczegółowoWykład Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych.
Wykład 2. 1. Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych. 3. Wykresy: histogram, diagram i ogiwa. Prezentacja materiału statystycznego Przy badaniu struktury zbiorowości punktem
Bardziej szczegółowoKlasyfikacja województw według ich konkurencyjności przy pomocy metod taksonomicznych oraz sieci neuronowych.
Klasyfikacja województw według ich konkurencyjności przy pomocy metod taksonomicznych oraz sieci neuronowych. Krzysztof Karpio, Piotr Łukasiewicz, rkadiusz Orłowski, rkadiusz Gralak Katedra Ekonometrii
Bardziej szczegółowoKierunek 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 szczegółowoEmerytury nowosystemowe wypłacone w grudniu 2018 r. w wysokości niższej niż wysokość najniższej emerytury (tj. niższej niż 1029,80 zł)
Emerytury nowosystemowe wypłacone w grudniu 18 r. w wysokości niższej niż wysokość najniższej emerytury (tj. niższej niż 9,8 zł) DEPARTAMENT STATYSTYKI I PROGNOZ AKTUARIALNYCH Warszawa 19 1 Zgodnie z art.
Bardziej szczegółowo