SPRAWDZIAN NR 1 ROBERT KOPERCZAK, ID studenta : k4342
|
|
- Jacek Witkowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 TECHNIKI ANALITYCZNE W BIZNESIE SPRAWDZIAN NR 1 Autor pracy ROBERT KOPERCZAK, ID studenta : k4342 Kraków, 22 Grudnia 2009
2 2 Spis treści 1 Zadanie Szereg rozdzielczy wag kobiałek Histogram szeregu rozdzielczego wag kobiałek Dystrybuanta empiryczna (względna częstość skumulowana) Wnioski wynikające z analizy rozkładu danych Miary położenia i rozrzutu Wnioski dla plantatora Zadanie Prawdopodobieństwo pracy po rozpoczęciu konferencji Prawdopodobieństwo awarii w trakcie konferencji Prawdopodobieństwo pracy po zakończeniu konferencji Wyznacz µ, aby niezawodność w trakcie konferencji była > 95% Zadanie Wykaz źródeł... 10
3 3 1 Zadanie 1 W sezonie truskawkowym właściciele plantacji sprzedają truskawki na kobiałki, zakładając, Ŝe kobiałka truskawek waŝy mniej więcej 2 kg. Pewien młody plantator postanowił sprawdzić, ile w rzeczywistości waŝą sprzedawane przez jego pracowników truskawki. Oto wyniki zwaŝenia przypadkowych kobiałek : a) Sporządź (wykorzystując funkcję CZĘSTOŚĆ) szereg roździelczy wag kobiałek truskawek, a następnie utwórz histogram oraz dystrybuantę empiryczną, przedstawiając graficznie rozkład danych. Skomentuj otrzymane wyniki. b) Wyznacz bezpośrednio z danych, a następnie z szeregu rozdzielczego, miary połoŝenia i rozrzutu dla badanych danych. Porównaj i skomentuj wyniki otrzymane z bezpośrednich danych z wynikami otrzymanymi z szeregu rozdzielczego. c) Biorąc pod uwagę, Ŝe właściciel planuje zebrać z pola tonę truskawek, przedstaw wnioski wynikające z przeprowadzonej analizy statystycznej.
4 4 1.1 Szereg rozdzielczy wag kobiałek. Aby utworzyć szereg rozdzielczy wag kobiałek, naleŝy najpierw wyznaczyć liczbę k ilości przedziałów, taką, by 2^k była większa od ilości próbek N. Najmniejszą liczbą k, gdzie 2^k > 60 jest k=8 (2^8=64 > 60). PoniewaŜ rozstęp próbki wynosi 365, najpraktyczniej będzie, aby pierwszy przedział klasowy rozpoczynał się na 1800 gram i miał szerokość 50 gram, kaŝdy kolejny równieŝ miałby szerokość 50 gram, ostatni przedział kończyłby się na 2200 gram. W ten sposób 8 przedziałów obejmuje wszystkie próbki 1. Przedziały wagowe kobiałek [gram] większa od.. mniejsza lub równa od.. Częstość Tabela nr 1 : Częstość próbek w poszczególnych przedziałach klasowych szeregu roździelczego 1.2 Histogram szeregu rozdzielczego wag kobiałek 25 Histogram szeregu roździelczego wag kobiałek Częstość Wykres nr 1 : Histogram szeregu roździelczego 1 Wyliczenie danych w tabelce arkusz Excel
5 5 1.3 Dystrybuanta empiryczna (względna częstość skumulowana) Przedziały wagowe kobiałek [gram] większa od.. mniejsza lub równa od.. Częstość skumulowana Dystrybuanta empiryczna [%] ,7% ,3% ,7% ,0% ,3% ,0% ,3% ,0% Tabela nr 2 : Dystrybuanta empiryczna (względna częstość skumulowana) szeregu rozdzielczego wag kobiałek 100,0% 90,0% 80,0% 70,0% 60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0% Względna częstość skumulowana[%] szeregu roździelczego wagi kobiałek Dystrybuanta empiryczna [%] Wykres nr 2 : Dytrybuanta empiryczna szeregu rozdzielczego wag kobiałek. 1.4 Wnioski wynikające z analizy rozkładu danych. Najogólniejszym wnioskiem jest fakt, Ŝe w zwaŝonej próbce 40% kobiałek ma wagę poniŝej normy 2 kg, a 60% ma wagę powyŝej normy. W grupie kobiałek poniŝej normy zaledwie 3,3% ma wagę poniŝej 1900 gram, czyli nie powinno być wiele reklamacji ze względu na zaniŝoną
6 6 wagę. Z kolei w grupie powyŝej normy aŝ 20% kobiałek przekracza wagę 2100 gram, co oznacza, ze plantator moŝe nie osiągnąć planowanego zysku (przy załoŝeniu, Ŝe sprzedaje truskawki na kobiałki ). Niestety nie wiadomo, czy waga została wytarowana przed dokonaniem waŝenia. Jeśli nie została wytarowana, to fakt, Ŝe średnia waga jest wyŝsza od normy moŝe zostać zinterpretowana jako udział tary w pomiarze. Jest jeszcze jedno moŝliwe wytłumaczenie takiego stanu rzeczy być moŝe plantator zakłada pewne ubytki wagowe i jakościowe (np. przykład podczas transportu i przechowywania) i świadomie zalecił pracownikom lekkie przewaŝanie kobiałek. Jeśli tak, to wyniki rozkład częstości wagi w poszczególnych przedziałach klasowych wagi kobiałek pokazują, Ŝe zalecenia plantatora zostały wykonane prawidłowo. 1.5 Miary położenia i rozrzutu. Najpierw dokonano wyliczeń pomocniczych dla szeregu rozdzielczego (szczegóły w arkuszu Excel). Podsumowanie wyliczeń przedstawia się następująco 2 Miary położenia [gram] Wyliczona z danych Wyliczona z szeregu roździelczego Średnia 2 033, ,3 Mediana 2 013,5 I kwartyl (Q1) 1 990,0 III kwartyl 2 080,0 Moda 1 990,0 Miary rozrzutu Rozstęp 365,0 350,0 Odchylenie stand. (populacja) Odchylenie stand. (próbka) 65,8 69,4 66,4 70,0 Tabela nr 3 : Miary połoŝenia i rozrzutu(z danych i szeregu roździeczego) dla analizowanych danych Średnia waga dla próbki wyliczona dla wszystkich elementów próbki wynosi 2033,1 gram, i jest ok. 5 gram niŝsza od średniej wyliczonej z szeregu rozdzielczego. Rozstęp wyliczony ze średnich dla skrajnych przedziałów jest z kolei o 15 gram wyŝszy dla wszystkich elementów próbki niŝ dla szeregu rozdzielczego. JeŜeli chodzi o wartości odchyleń standardowych (zarówno liczonych jak dla próbki oraz jak dla populacji) jest większy o 3,6 gram w przypadku wyliczenia dla szeregu rozdzielczego w stosunku do wyliczeń bezpośrednio z danych. Występujące róŝnice biorą się stąd, Ŝe elementy wchodzące w skład poszczególnych przedziałów klasowych nie są równomiernie rozłoŝone w ramach przedziału. 2 Wyliczenie danych w tabelce arkusz Excel
7 7 1.6 Wnioski dla plantatora. ZałoŜenie do poniŝszych wniosków jest takie, Ŝe waga była przed dokonaniem waŝenia wytarowana, więc pomiary dotyczą wyłącznie wagi owoców. Zakładamy teŝ, Ŝe rozkład wag kobiałek jest rozkładem normalnym N(µ,σ) o wartości oczekiwanej µ=2033,1 gram i odchyleniu standardowym σ (liczonym jak dla próbki) 66,4 gram. Jeśli plantator zamierza sprzedać 1000 kg truskawek, oznacza to Ŝe musi zebrać 500 kobiałek. Pierwszy wniosek jest taki, Ŝe średnia waga 1 kobiałki wyniesie 2,0331kg, co oznacza, Ŝe plantator faktycznie zbierze 500 * 2,0331 kg = 1016,55 kg. Czyli plantator straci na transakcji 1,65%. MoŜna teŝ wyliczyć prawdopodobieństwo, Ŝe plantator nie poniesie straty. NaleŜy w tym celu wyliczyć prawdopodobieństwo, Ŝe średnia waga nie przekroczy 2000 gram. W tym celu naleŝy najpierw wystandaryzować rozkład N według wzoru : z = (x µ) / σ = - 0,498, gdzie x = P ( Z < - 0,498 ) = P( Z > 0,498 ) = 30,9%. Zatem plantator moŝe liczyć tylko na 30,9 % prawdopodobieństwo, Ŝe nie straci na sprzedaŝy, jeśli nie zmieni standardu napełniania kobiałek truskawkami. Innym wnioskiem, ilościowym, jest to, Ŝe 68,2 % kobiałek, czyli 341 kobiałek będzie zawierało się w przedziale : < 2033,1-66,4 ; 2033,1 + 66,4 > czyli od 1966,7 do 2099,4 gram. W przedziale wyznaczonym przez 2 * σ, czyli od 1900,4 do 2165,8 gram będzie znajdować się 95,4%, czyli 477 kobiałek. W przedziale wyznaczonym przez 3 * σ, czyli od 1834 do 2232,1 gram będzie znajdować się 99,7%, czyli 499 kobiałek. 2 Zadanie 2 Czas pomiędzy kolejnymi awariami serwera internetowego utrzymującego łączność firmy ze światem tworzy rozkład wykładniczy. Awarie średnio zdarzają się co 1200 godzin. Ostatnia awaria miała miejsce około miesiąca temu (720 godzin). Aktualnie rozpoczyna się wideokonferencja z uŝyciem tego serwera. Będzie ona trwała 6 dni (6x24 godziny). a) Jakie jest prawdopodobieństwo pracy serwera po momencie rozpoczęcia konferencji? b) Jakie jest prawdopodobieństwo awarii serwera w czasie trwania video konferencji? c) Jakie jest prawdopodobieństwo bezawaryjnej pracy serwera po zakończeniu wideokonferencji? d) Jaki powinien być średni odstęp czasu pomiędzy awariami, Ŝeby mieć 95% pewności, Ŝe serwer nie zepsuje się w czasie konferencji?
8 8 2.1 Prawdopodobieństwo pracy po rozpoczęciu konferencji Wskaźnik awaryjności serwera λ wynosi 1 na 1200 godzin, czyli λ = 1/1200 = 0, Prawdopodobieństwo pracy po czasie t = 720 godzin (inaczej niezawodność po czasie 720 godzin) liczymy jako : R (720) = P (T>720) = e λ * t = e 0, * 720 = e 0,6 = 54,9% Prawdopodobieństwo awarii w trakcie konferencji Prawdopodobieństwo awarii w czasie od 720-ej do 864-ej godziny pracy wyznaczymy jako róŝnicę pomiędzy niezawodnością R (720) i R (864). Zatem P (awaria_konf) = R (720) R (864) = e 0, * e 0, * 864 = = 54,88% 48,68% = 6,2% Prawdopodobieństwo pracy po zakończeniu konferencji NaleŜy wyznaczyć niezawodność po czasie zakończenia konferencji, czyli R ( *24) czyli R (864). R (864) = P (T>864) = e λ * t = e 0, * 864 = e 0,72 = 48,7% Wyznacz µ, aby niezawodność w trakcie konferencji była > 95% Niezawodność, czyli prawdopodobieństwo prawidłowej pracy serwera w czasie od 720 do 864 godziny to odwrotność prawdopodobieństwa awarii, które wyznaczono w punkcie powyŝej. Zatem przed optymalizacją, R (720 ; 864) = 1 6,2% = 93,8% Aby znaleźć µ, dla którego R (720;864) = 95% uŝyłem funkcji Analiza symulacji / szukaj wyniku programu Excel MoŜna było równieŝ przekształcić równanie poprzez zlogarytmowanie obu stron. Po dokonaniu symulacji µ = Odpowiedź : Aby mieć 95% pewności, Ŝe serwer nie zepsuje się w trakcie konferencji, średni czas pomiędzy awariami powinien wynosić co najmniej godzin 3 Wyliczenia w arkuszu Excel 4 Wyliczenia w arkuszu Excel 5 Wyliczenia w arkuszu Excel
9 9 3 Zadanie 3 Podaj niezawodność układów A i B. Wszystkie elementy układów działają niezaleŝnie, a ich niezawodności wynoszą odpowiednio: X = 0,86; Y = 0,93; Z = 0,92 X Z X Z Y Y X Układ A Dokonajmy najpierw wydzielenia : Podukład A1 szeregowe połączenie elementów X,Z,X,Z Podukład A2 szeregowe połączenie elementów Y,Y Podukład A3 równoległe połączenie podukładów A1 i A2 Niezawodność układu A obliczymy jako niezawodność szeregowego połączenia podukładu A3 i elementu X R(A1) = R(X)^2 * R(Z)^2 = 0,86^2 * 0,92^2 = 0,626 R(A2) = R(Y)^2 = 0,8649 R(A3) = 1 (1 - R(A1)) * (1 R(A2)) = 0,9495 R(A) = R(A3) * R(X) = 81,65% Z Y Y X X X Układ B Podukład B1 szeregowe połączenie elementów Y,Y Podukład B2 szeregowe połączenie elementów X,X,X
10 10 Niezawodność układu B obliczymy jako niezawodność równoległego połączenia podukładu B1, podukładu B2 i elementu Z R(B1) = R(Y)^2 = 0,8649 R(B2) = R(X)^3 = 0,63606 R(B) = 1 (1 - R(B1)) * (1 R(B2)) * (1 R(Z)) = 0, Wykaz źródeł 1. Podręcznik WSZ POU Techniki Analityczne w Biznesie (Warszawa 2009, wyd. PRET S.A.)
SPRAWDZIAN NR 2 ROBERT KOPERCZAK, ID studenta : k4342
TECHNIKI ANALITYCZNE W BIZNESIE SPRAWDZIAN NR 2 Autor pracy ROBERT KOPERCZAK, ID studenta : k4342 Kraków, 22 Grudnia 2009 2 Spis treści 1 Zadanie 1... 3 1.1 Uszkodzi się tylko pierwsza maszyna.... 3 1.2
Bardziej szczegółowoStatystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść
Bardziej szczegółowoWykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle.
Wykład 3. Opis struktury zbiorowości 1. Parametry opisu rozkładu badanej cechy. 2. Miary połoŝenia rozkładu. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. W praktycznych zastosowaniach bardzo często
Bardziej szczegółowoZmienne losowe zadania na sprawdzian
Zmienne losowe zadania na sprawdzian Zad. 1. Podane poniżej dane dotyczą zawartości suchej masy (w %) i sosu (w %) w 24 konserwach ze śledzia w pomidorach: Zawartość suchej masy: 12,0 13,0 14,5 14,0 12,0
Bardziej szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
Bardziej szczegółowoĆwiczenia 1-2 Analiza rozkładu empirycznego
Ćwiczenia 1-2 Zadanie 1. Z kolokwium z ekonometrii studenci otrzymali następujące oceny: 5 osób dostało piątkę, 20 os. dostało czwórkę, 10 os. trójkę, a 3 osoby nie zaliczyły tego kolokwium. Należy w oparciu
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej 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 szczegółowoPo co nam charakterystyki liczbowe? Katarzyna Lubnauer 34
Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY Liczebności i częstości Liczebność liczba osób/respondentów/badanych, którzy udzielili tej konkretnej odpowiedzi. Podawana w osobach. Częstość odsetek,
Bardziej szczegółowoPlan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii
Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:
Bardziej szczegółowoWykład 2. Statystyka opisowa - Miary rozkładu: Miary położenia
Wykład 2 Statystyka opisowa - Miary rozkładu: Miary położenia Podział miar Miary położenia (measures of location): 1. Miary tendencji centralnej (measures of central tendency, averages): Średnia arytmetyczna
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoELEMENTY STATYSTYKI 1. DANE
ELEMENTY STATYSTYKI 1. DANE W badaniach statystycznych populacją nazywamy grupę osób, zwierząt, roślin lub przedmiotów badanych. Interesują nas przy tym pewne wybrane cechy tych populacji. Takie cechy
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
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 szczegółowoAnaliza i monitoring środowiska
Analiza i monitoring środowiska CHC 017003L (opracował W. Zierkiewicz) Ćwiczenie 1: Analiza statystyczna wyników pomiarów. 1. WSTĘP Otrzymany w wyniku przeprowadzonej analizy ilościowej wynik pomiaru zawartości
Bardziej szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34
Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/
Bardziej szczegółowo-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Bardziej szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
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 szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoOdchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
Bardziej szczegółowog) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K.
TEMAT 1: WYBRANE ROZKŁADY TYPU SKOKOWEGO ROZKŁAD DWUMIANOWY (BERNOULLIEGO) Zadanie 1-1 Prawdopodobieństwo nieprzekroczenia przez pewien zakład pracy dobowego limitu zużycia energii elektrycznej (bez konieczności
Bardziej szczegółowoA B. 2 5 8 18 2 x x x 5 x x 8 x 18
Narzędzia modelowania niezawodności 1 Arkusz kalkulacyjny - jest to program zbudowany na schemacie relacyjnych baz danych. Relacje pomiędzy dwiema (lub więcej) cechami można zapisać na kilka sposobów.
Bardziej szczegółowoTemat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
Bardziej szczegółowoSTATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;
STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; - badanie skuteczności nowego leku; - badanie stopnia zanieczyszczenia gleb metalami
Bardziej szczegółowoMiary zmienności STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 6 marca 2018 1 MIARY ZMIENNOŚCI (inaczej: rozproszenia, rozrzutu, zróżnicowania, dyspersji) informuja o zróżnicowaniu jednostek zbiorowości
Bardziej szczegółowoURZĄD MARSZAŁKOWSKI WOJEWÓDZTWA OPOLSKIEGO DEPARTAMENT POLITYKI REGIONALNEJ I PRZESTRZENNEJ Referat Ewaluacji
URZĄD MARSZAŁKOWSKI WOJEWÓDZTWA OPOLSKIEGO DEPARTAMENT POLITYKI REGIONALNEJ I PRZESTRZENNEJ Referat Ewaluacji Ocena efektu makroekonomicznego Regionalnego Programu Operacyjnego Województwa Opolskiego na
Bardziej szczegółowoCzęsto spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:
Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ (II rok WNE)
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ (II rok WNE) Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 1 1 / 33 Warunki zaliczenia 1 Ćwiczenia OBOWIĄZKOWE (max. 3 nieobecności) 2 Zaliczenie
Bardziej szczegółowoLaboratorium nr Wyznaczyć podstawowe statystyki (średnia, mediana, IQR, min, max) dla próby:
Laboratorium nr 1 CZĘŚĆ I : STATYSTYKA OPISOWA : 1. Wyznaczyć podstawowe statystyki (średnia, mediana, IQR, min, max) dla próby: 6,9,1,2,5,2,6,2,1,0,1,4,5,6,3,7,3,2,2,3,8,5,3,4,8,0,8,0,5,1,6,4,8,0,3,2
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM PRZYPOMNIENIE ROZKŁAD NORMALNY http://www.zarz.agh.edu.pl/bsolinsk/statystyka.html
Bardziej szczegółowoStatystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl
Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
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 szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoPorównaj płace pracowników obu zakładów, dokonując kompleksowej analizy struktury. Zastanów się, w którym zakładzie jest korzystniej pracować?
1 Zadanie 1.1 W dwóch zakładach produkcyjnych Złomex I i Złomex II, należących do tego samego przedsiębiorstwa Złomowanie na zawołanie w ostatnim miesiącu następująco kształtowały się wynagrodzenia pracowników.
Bardziej szczegółowoStatystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA
Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:
Bardziej szczegółowoMATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ
MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści
Bardziej szczegółowoMiary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej
Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich
Bardziej 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 szczegółowoPARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV
Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
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 szczegółowoEgzamin ze statystyki, Studia Licencjackie Stacjonarne. TEMAT C grupa 1 Czerwiec 2007
Egzamin ze statystyki, Studia Licencjackie Stacjonarne TEMAT C grupa 1 Czerwiec 2007 (imię, nazwisko, nr albumu).. Przy rozwiązywaniu zadań, jeśli to konieczne, naleŝy przyjąć poziom istotności 0,01 i
Bardziej szczegółowoNiezawodność i diagnostyka projekt. Jacek Jarnicki
Niezawodność i diagnostyka projekt Jacek Jarnicki Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór tematów, organizacja
Bardziej szczegółowoAnaliza wyników sprawdzianu w województwie pomorskim latach
Barbara Przychodzeń Analiza wyników sprawdzianu w województwie pomorskim latach 2012-2014 W niniejszym opracowaniu porównano uzyskane w województwie pomorskim wyniki zdających, którzy rozwiązywali zadania
Bardziej szczegółowoStatystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40
Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna
Bardziej szczegółowoAnaliza wyników egzaminu gimnazjalnego w województwie pomorskim w latach
Barbara Przychodzeń Analiza wyników egzaminu gimnazjalnego w województwie pomorskim w latach 2012-2013 W 2012 roku po raz pierwszy został przeprowadzony egzamin gimnazjalny według nowych zasad. Zmiany
Bardziej szczegółowoĆwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy
Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoStatystyka. Podstawowe pojęcia: populacja (zbiorowość statystyczna), jednostka statystyczna, próba. Cechy: ilościowe (mierzalne),
Statystyka zbiór przetworzonych i zsyntetyzowanych danych liczbowych, nauka o ilościowych metodach badania zjawisk masowych, zmienna losowa będąca funkcją próby. Podstawowe pojęcia: populacja (zbiorowość
Bardziej szczegółowoStatystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl
Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata
Bardziej szczegółowoEgzamin ze Statystyki, Studia Licencjackie Stacjonarne czerwiec 2007 Temat A
(imię, nazwisko, nr albumu).. Przy rozwiązywaniu zadań, jeśli to konieczne, naleŝy przyjąć poziom istotności 0,01 i współczynnik ufności 0,95. Zadanie 1 W 005 roku przeprowadzono badanie ankietowe, którego
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa
STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem
Bardziej szczegółowo1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:
Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).
Bardziej szczegółowoAgata Boratyńska. WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne.
1 Agata Boratyńska WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne. Agata Boratyńska Wykłady ze statystyki 2 Literatura J. Koronacki i J. Mielniczuk Statystyka WNT 2004
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 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 szczegółoworok 2006/07 Jacek Jarnicki,, Kazimierz Kapłon, Henryk Maciejewski
Projekt z niezawodności i diagnostyki systemów cyfrowych rok 2006/07 Jacek Jarnicki,, Kazimierz Kapłon, Henryk Maciejewski Cel projektu Celem projektu jest: 1. Poznanie metod i napisanie oprogramowania
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Statystyka to nauka zajmująca się badaniem prawidłowości w procesach masowych, to jest takich, które realizują się na dużą skalę (np. procesy
Bardziej szczegółowoZad. 1. Wartość pożyczki ( w tys. zł) kształtowała się następująco w pewnym banku:
Zad. 1. Wartość pożyczki ( w tys. zł) kształtowała się następująco w pewnym banku: Kwota Liczba pożyczek pożyczki 0 4 0 4 8 8 12 40 12 16 16 Zbadać asymetrię rozkładu kwoty pożyczki w tym banku. Wynik
Bardziej szczegółowoRozkład zajęć, statystyka matematyczna, Rok akademicki 2015/16, semestr letni, Grupy dla powtarzających (C15; C16)
Rozkład zajęć, statystyka matematyczna, Rok akademicki 05/6, semestr letni, Grupy powtarzających (C5; C6) Lp Grupa C5 Grupa C6 Liczba godzin 0046 w godz 600-000 C03 0046 w godz 600-000 B05 4 6046 w godz
Bardziej szczegółowoMIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy
MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji
Bardziej szczegółowoStatystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28
Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39
Statystyka Wykład 2 Magdalena Alama-Bućko 27 lutego 2017 Magdalena Alama-Bućko Statystyka 27 lutego 2017 1 / 39 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: https://bdl.stat.gov.pl/
Bardziej szczegółowoXi B ni B
Zadania ze statystyki cz.2 I rok Socjologii lic. Zadanie 1 Ustal dla danych zawartych w tabelach poniżej, prezentujących rozkład liczebności (ni) różnej wielkości gospodarstw domowych w dwóch populacjach,
Bardziej szczegółowoWyniki egzaminu maturalnego z matematyki jako przedmiotu obowiązkowego (MMA_PP)
Barbara Przychodzeń Okręgowa Komisja Egzaminacyjna w Gdańsku Analiza wyników egzaminów maturalnych z matematyki oraz fizyki i astronomii w województwie pomorskim w latach - z uwzględnieniem płci zdających
Bardziej szczegółowoRozkład normalny, niepewność standardowa typu A
Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy
Bardziej szczegółowoStochastyczne Metody Analizy Danych. PROJEKT: Analiza kluczowych parametrów turbin wiatrowych
PROJEKT: Analiza kluczowych parametrów turbin wiatrowych Projekt jest wykonywany z wykorzystaniem pakietu statystycznego STATISTICA. Praca odbywa się w grupach 2-3 osobowych. Aby zaliczyć projekt, należy
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoPytanie 2. Co to są ciągi i do czego służą?
TECHNIKI ANALITYC ZNE W BIZNESIE 0 pytań do specjalisty Pytanie. Czy TECHNIKI ANALITYCZNE W BIZNESIE są częścią jakiegoś przedmiotu wykładanego na innych uczelniach? W zasadzie nie ma takiego jednego przedmiotu
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych 1 Zmienne losowe dyskretne 1.1 Rozkład dwumianowy Zad.1.1.1 Prawdopodobieństwo dziedziczenia pewnej cechy wynosi 0,7. Jakie jest prawdopodobieństwo, że spośród pięciu potomków
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości
Bardziej szczegółowoAnaliza zróżnicowania, asymetrii i koncentracji
Analiza zróżnicowania, asymetrii i koncentracji Miary zróżnicowania Miary średnie, chociaż reprezentują wszystkie jednostki badanej zbiorowości, nie dają wyczerpującej charakterystyki szeregu statystycznego,
Bardziej szczegółowoI. Struktura sprawdzianu matematycznego Po gimnazjum 2010
Wyniki sprawdzianu matematycznego Po gimnazjum 2010 przeprowadzonego 23 września 2010 w klasach pierwszych ponadgimnazjalnych www.polowadrogi.mscdn.pl luty 2011 1 I. Struktura sprawdzianu matematycznego
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoKLASYFIKACJI I BUDOWY STATKÓW MORSKICH
PRZEPISY KLASYFIKACJI I BUDOWY STATKÓW MORSKICH ZMIANY NR 3/2012 do CZĘŚCI IX MATERIAŁY I SPAWANIE 2008 GDAŃSK Zmiany Nr 3/2012 do Części IX Materiały i spawanie 2008, Przepisów klasyfikacji i budowy statków
Bardziej szczegółowoStatystyka opisowa- cd.
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa- cd. Wykład 4 Dr inż. Adam Deptuła HISTOGRAM UNORMOWANY Pole słupka = wysokość słupka x długość przedziału Pole słupka = n i n h h,
Bardziej szczegółowoPozyskiwanie wiedzy z danych
Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy
Bardziej szczegółowoZarządzanie procesami
Metody pomiaru stosowane w organizacjach Zarządzanie procesami Zakres Rodzaje pomiaru metod pomiaru Klasyczne metody pomiaru organizacji Pomiar całej organizacji Tradycyjny rachunek kosztów (np. ROI) Rachunek
Bardziej szczegółowoI jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek
ZADANIA statystyka opisowa i CTG 1. Dokonano pomiaru stężenia jonów azotanowych w wodzie μg/ml 1 0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.50 0.47 0.51 0.52 0.53 0.48 0.59 0.50 0.52 0.49 0.49 0.50 0.49
Bardziej szczegółowoProgram DSA Monitor - funkcje
Program DSA Monitor - funkcje Program DSA Monitor przeznaczony jest do wczytania i obróbki danych pomiarowych pochodzących z mierników poziomu dźwięku produkcji SONOPAN (DSA-50, DLM-101/102, DD-40/41),
Bardziej szczegółowoPodstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na
Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które
Bardziej szczegółowoParametry statystyczne
I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n
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 szczegółowoLISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów
LISTA 4 1.Na pewnym obszarze dokonano 40 pomiarów grubości warstwy piasku otrzymując w m.: 54, 58, 64, 69, 61, 56, 41, 48, 56, 61, 70, 55, 46, 57, 70, 55, 47, 62, 55, 60, 54,57,65,60,53,54, 49,58,62,59,55,50,58,
Bardziej szczegółowoANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012
ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.
Bardziej szczegółowoStatystyczne metody analizy danych. Agnieszka Nowak - Brzezińska
Statystyczne metody analizy danych Agnieszka Nowak - Brzezińska SZEREGI STATYSTYCZNE SZEREGI STATYSTYCZNE odpowiednio usystematyzowany i uporządkowany surowy materiał statystyczny. Szeregi statystyczne
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 szczegółowoWykład 7. Opis współzaleŝności zjawisk. 1. Wprowadzenie.
Wykład 7. Opis współzaleŝności zjawisk 1. Wprowadzenie. 2. Prezentacja materiału statystycznego. Rodzaje współzaleŝności zjawisk 1. WspółzaleŜność funkcyjna określonym wartościom jednej zmiennej jest ściśle
Bardziej szczegółowo