Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 1. Analiza danych. (Skrypt na rok studiów 2006/2007) Literatura podstawowa
|
|
- Amelia Szydłowska
- 8 lat temu
- Przeglądów:
Transkrypt
1 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 1 P. D. Kluge / S. Andracki Analiza danych (Skrypt na rok studiów 2006/2007) Literatura podstawowa Kluge, P.D. et al.: Skrypty do przedmiotów Rachunkowość, Podstawy controllingu, Systemy informatyczne zarządzania oraz Controlling w systemach ERP Kluge, P.D. / Kużdowicz, P. / Orzeszko, P.: Controlling wspomagany komputerowo z wykorzystaniem systemu ERP, r. 3, Zielona Góra 2005 Opis funkcji systemu ProALPHA Programy do planowania w EXCEL-u Baza danych systemu ProALPHA- Info-Datenbank Lehre Baza danych modułu Analyzer Spis treści 1. Wprowadzenie 2. Wskaźniki i zależności pomiędzy wskaźnikami 3. Porównanie wskaźników 4. Drążenie danych Materiał do ćwiczeń opiera się głównie na materiałach z wykładów oraz na uzupełnieniach i wiadomościach dodatkowych pochodzących z ćwiczeń laboratoryjnych. Powyższy wykaz literaturowy powinien być wykorzystany do studiów własnych oraz jako materiał do przygotowania do egzaminu. 1. Wprowadzenie
2 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 2 Analizy danych wykorzystywane są na różne wewnętrzne i zewnętrzne potrzeby; przykłady: Analizy można przeprowadzić tylko na podstawie dostępnych danych: Dane takie są także w małych przedsiębiorstwach w coraz większym stopniu przechowywane w elektronicznych archiwach danych. Już przed kilkoma laty dostępne były z góry zaprogramowane moduły i funkcje służące do analizy danych; były one elementem tych systemów standardowych, które wykorzystywane były do tworzenia archiwów danych. Przykłady dla systemu proalpha: Głównymi wadami tego typu technologii są: Ograniczenia związane z polami podlegającymi analizie oraz z kombinacjami analiz; ograniczenia związane z wykorzystywanymi matematyczno-statystycznymi narzędziami wykorzystywanymi do analiz W celu ograniczenia tych wad, w latach 90-tych dołączano do funkcji podstawowych systemów coraz więcej interfejsów pozwalających na eksport danych (szczególnie do EXCEL-a). Przykłady przydatnych funkcji arkusza EXCEL służących do analizowania danych: Niektóre ograniczenia jednak nadal występują, np.:: Struktura bazy danych (i tabel) występująca w systemie eksportującym dane; ograniczenia związane z ilością rekordów, które mogą być analizowane w jednym arkuszu EXCEL-a
3 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 3 W ostatnich latach producenci systemów standardowych coraz częściej wykorzystują technologię OLAP 1, która powstała także w latach 90-tych i służy do tworzenia modułów na potrzeby analiz i eksportu danych. Najważniejszymi cechami tej technologii są: W systemie proalpha rozwiązano to za pomocą dołączenia modułu Analyzer. Najważniejszymi funkcjami tego modułu są: Por. materiały szkoleniowe do systemu proalpha; przykłady jako podstawy do zajęć laboratoryjnych - wybór źródła danych (folia 7) - różne punkty spojrzenia (folie 8do 16) - proste możliwości sortowania (folie 18 do 22) - proste możliwości klasyfikacji ( funkcja Ampel, folia 29-30) - wprowadzanie atrybutów funkcji (folie 31do 32) - podstawy analizy wielowymiarowej ( kostka, folia 34) - niektóre narzędzia do raportowania (folie 35 do 37) - Wskazówki dotyczące możliwości eksportu i importu danych (folia 38) Mająca na uwadze taki rozwój tego tematu, nie jest sprawą dziwną, iż centrale zewnętrznych kredytodawców (np. banki i instytucje finansowe) w ramach zarządzania ryzykiem (np. 1 On-Line Analytical Processing
4 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 4 Basel II, Międzynarodowe Standardy Rachunkowości) - stawiają coraz większe wymagania związane z dostępnością danych. Poza tym coraz częściej można zaobserwować, że przedstawiciele kredytodawców zajmujący się analizami w MSP, tylko formalnie spełnia wymagania swojej centrali. W związku z tym, prawdopodobieństwo podjęcia błędnej decyzji (najczęściej obciążającej kredytobiorcę) jest stosunkowo wysokie. W ramach samego przedsiębiorstwa coraz częściej doceniana jest wartość archiwum danych do celów analiz. W patriarchalnie zarządzanych firmach wymagania stawiane są przez szefa często jednak w zależności od danej sytuacji (na przykład trudna do wyjaśnienia zmiana wskaźników księgowych lub procesów wytwarzania świadczeń). Na przedmiocie Analiza danych omówione zostaną klasyczne oraz nowoczesne metody analiz. Celem jest określenie roli MSP w procesach decyzyjnych zewnętrznych kredytodawców oraz opisanie analitycznych zadań stojących przez MSP związanych z wykorzystaniem archiwów danych. Logika przyjęta w poszczególnych rozdziałach: Główną podstawą analiz są wskaźniki (wynikające z danych pierwotnych) oraz związki pomiędzy wskaźnikami. Omówione zostaną one w rozdziale 2 jako częściowe powtórzenie wiedzy pochodzącej z innych przedmiotów. Proces analizy polega no porównywaniu; w związku z tym w rozdziale 3 omówione zostaną rodzaje oraz metody porównań. Także tutaj przypomniane zostaną wiadomości, które były omawiane wcześniej. Głównym tematem rozdziału 4. jest sprawdzenie praktycznych możliwości wykorzystania nowoczesnych narzędzi Data Mining w warunkach typowych dla MSP. Główne tematy ćwiczeń laboratoryjnych do rozdziału 1: Omówienie demonstracyjnej bazy danych wykorzystywanej na ćwiczeniach; Funkcje analityczne arkusza EXCEL; Funkcjonalność modułu Analyzer 2. Wskaźniki i zależności pomiędzy wskaźnikami 2.1. Rodzaje wskaźników W ramach przedmiotu Podstawy controllingu (rozdział 2) przedstawiony został przegląd matematycznych i rzeczowych struktur wskaźników. Struktury rzeczowe zorientowane były dotychczas prawie tylko na wskaźniki wartościowe (w powiązaniu z danymi z rachunkowości finansowej). Także obecnie ma to swoje odbicie w dominacji takich wskaźników w analizach zewnętrznych (np. analizy bankowe w ramach Basel II). W takim przypadku wykorzystywana jest tylko część danych dostępnych w przedsiębiorstwie. Sposób myślenia oparty na wielkościach odniesienia pochodzący z rachunkowości zarządczej jest pierwszym etapem przejścia do wskaźników ilościowych i czasowych. Możliwości zapisu takich wskaźników są
5 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 5 podstawą ich praktycznego wykorzystania w zintegrowanym planowaniu działalności oraz w opartych na planowaniu analizach odchyleń. Przykłady wskaźników ilościowych i czasowych: Przykłady określania tego typu wskaźników w systemie proalpha: a. z góry zdefiniowane analizy w Info-Systemie: b. wykorzystanie z góry zdefiniowanych analiz w module Analyzer: c. wykorzystanie generatora raportów w powiązaniu z modułem Analyzer: 2.2. Czynniki wpływające na wskaźniki Do określenia czynników wpływających na wskaźniki dostępne są zasadniczo dwie możliwości: - według definicji (z wykorzystaniem logiki ekonomicznej) - na podstawie hipotez. Typowymi przykładami określania czynników według definicji są systemy wskaźników: Główną zaleta tej metody jest jej prostota. Jednakże oddziaływania na wskaźniki podstawowe system pozostają czarnej skrzynce. Nie jest także jasne, w jaki sposób te same wielkości wpływają na różne wskaźniki podstawowe. Przykłady takich oddziaływań w zintegrowanym planowaniu produkcji (Podstawy controllingu, rozdział 3): Najważniejsze przykłady określania czynników wpływających na podstawie hipotez: Rozdzielenie rodzajów kosztów na część stałą i zmienną z wykorzystaniem wielkości odniesienia ( sterowniki kosztów ):
6 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 6 Przykłady określania tego typu podziałów w systemie proalpha: A. z góry zdefiniowane analizy w Info-Systemie: B. wykorzystanie z góry zdefiniowanych analiz w module Analyzer: C. wykorzystanie generatora raportów w powiązaniu z modułem Analyzer: Określenie dynamiki (ekonomicznej) wraz z szeregami czasowymi: Przykłady określania tego typu szeregów czasowych w systemie proalpha: D. z góry zdefiniowane analizy w Info-Systemie: E. wykorzystanie z góry zdefiniowanych analiz w module Analyzer: F. wykorzystanie generatora raportów w powiązaniu z modułem Analyzer: Inne (deterministyczne) zależności ekonomiczne; przykłady: Przykłady przygotowania danych na potrzeby sprawdzenia tego typu zależności w systemie proalpha: G. z góry zdefiniowane analizy w Info-Systemie: H. wykorzystanie z góry zdefiniowanych analiz w module Analyzer:
7 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 7 I. wykorzystanie generatora raportów w powiązaniu z modułem Analyzer: Określenie oddziaływania struktur: Przykłady prezentacji podziałów empirycznych z wykorzystaniem modułu Analyzer: Wszystkie z tych możliwości opracowania hipotez mają charakter modelowy, tzn. przedstawiają uproszczony obraz rzeczywistości. Ponieważ wiele obliczeń planistycznych bazuje na tego rodzaju elementach modelowych, fakt ten należy w szczególny sposób uwzględnić przy analizach odchyleń plan/jest! 2.3. Możliwości określenia ilościowych zależności pomiędzy wskaźnikami Po określeniu czynników wpływających na wskaźniki, należy odpowiedzieć sobie na pytania ilościowe. Także one mogą być podzielone na dwie grupy:: - wyznaczenie typów funkcji (jedna lub kilka niezależnych zmiennych; liniowo lub nieliniowo; ciągły lub dyskretny; deterministyczny lub stochastyczny ); - ilościowe określenie parametrów funkcji. W odniesieniu do wyznaczenia typów funkcji, w praktyce gospodarczej, znaczenie mają przede wszystkim trzy aspekty: Nakłady poniesione na określenie parametrów funkcji: Rzeczowe i logiczne możliwości interpretacji przebiegu funkcji: Rzeczowe i logiczne możliwości interpretacji parametrów funkcji:
8 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 8 Przy ilościowym określaniu parametrów funkcji wykorzystywane są z reguły dane statystyczne. Dominują przy tym narzędzia matematyczne i statystyczne. W dalszej części omówionych zostanie kilka przykładów uwzględniających możliwości ich wykorzystania: Wybór bazy danych: Wykorzystanie parametrów i typów rozkładów Obliczenie ilości wraz ze sprawdzeniem zależności przy wykorzystaniu rachunku regresji i korelacji: Zastosowanie metod specjalnych (wygładzanie wykładnicze; analiza czynników; HAVANA; sieci neuronowe; drzewa decyzyjne):
9 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 9 Koncepcja ZCIE dla algorytmu uczącego się mająca na celu poprawę akceptacji: Wykorzystanie tej koncepcji w celu ulepszenia procesu kalkulacji w małych przedsiębiorstwach: Główne tematy zajęć laboratoryjnych do rozdziału 2: Praca ze standardowymi funkcjami analiz w systemie proalpha (por. opis funkcji w \\Proalpha\forstd): Funkcje analiz w MIS; analizy na obszarze planowania i płynności finansowej; wskaźniki i raporty do wskaźników; wprowadzanie systemu wskaźników RoI. Testowanie zależności z wykorzystaniem bazy danych systemu proalpha- Demo- Datenbank Lehre ; opracowanie i test programu w EXCEL-u służącego do wygładzanie wykładniczego oraz porównanie wyników z wynikami pochodzącymi z prognozy sprzedaży opracowanej w systemie proalpha. 3. Porównanie wskaźników 3.1. Zewnętrzne bazy porównania Benchmarking Normy handlowe
10 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) 10 Normy techniczne 3.2. Wewnętrzne bazy porównania Wartości planowane Granice dla ostrzeżeń 3.3. Proste porównanie wskaźników Zobacz Podstawy controllingu, rozdział 5.1.
11 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) Porównanie wskaźników kilku jednostek gospodarczych Porównanie wskaźników kilku jednostek gospodarczych jest niezbędne w celu opracowania zewnętrznego Benchmarkingu, ale także potrzebne jest wewnętrznie w dużych przedsiębiorstwach składających się z porównywalnych oddziałów. Porównanie ta bazują na filozofii rachunku prawdopodobieństwa i statystyki matematycznej: pojedyncze prawdopodobieństwa interpretowane są jako eksperymenty przypadkowe. Należy tutaj przeanalizować, w jakim stopniu te próby losowe należą do ogółu prawdopodobieństwa porównawczego. Metody statystyki matematycznej nie mogą być w tym przypadku bezpośrednio zastosowane, ponieważ próba losowa obejmuje tylko obserwacje. Dlatego też w literaturze opisanych jest wiele specjalnych narzędzi, z których klika zostanie w dalszej części przedstawionych przede wszystkim z punktu widzenia ich filozofii oraz możliwości praktycznego wykorzystania: Pierwszy krok powinien zabezpieczyć porównywalność. Ponieważ wszystkie metody statystyczne bazują na teorii próbki losowej, musi zostać zagwarantowane to, aby porównywane dane były statystyczną całością, to znaczy były homogeniczne w odniesieniu do najważniejszych cech. W tym celu dostępne są różne metody tworzenia grup. Z punktu widzenia przedsiębiorstwa średniej wielkości powinno być wystarczającym zdefiniowanie cech i obszarów cech, które odnoszą się do obiektów porównywanych. Przy wyborze cech jesteśmy jednak ograniczeniu dostępnymi danymi. Najczęściej dostępne są grupy produktów / branż, wskaźniki zakładowe oraz dane pierwotne z bilansu i rachunku wyników (np. środki trwałe służące do oceny porównywalności technologicznej w branży produkcyjnej). W opisywanym przykładzie, w ten sposób wybrano 10 przedsiębiorstw (np. z pomocą banku w ramach rankingu Basel II) jako podstawa porównania przy ocenie wniosków kredytowych. W tabeli UZ_Abweichung.xls zebrane zostały najważniejsze dane z bilansu i rachunku wyników z uwzględnieniem podziału zgodnego z system wskaźników RoI. Z punktu widzenia statystycznego, dane dla każdego wskaźnika (podstawowego) interpretowane są jako rozkład ogółu. Na krok drugi składają się obliczenia wskaźników rozkładu (np. kwantyle, wartości średnie, wariancje, odchylenia standardowe, współczynniki korelacji). Zaleca się stosowanie tych czterech ostatnich wskaźników, ponieważ mają one duże znaczenie zarówno w teorii próbek losowych, jak również w porównaniu typów rozkładów. W kroku trzecim ma miejsce przyporządkowanie porównywanych obiektów do rozkład oraz ich ocena. W tym celu mogą być wykorzystane różne wskaźniki odchyleń. Najbardziej obrazowymi wskaźnikami są te wskaźniki, które wykorzystują odchylenia standardowe; na przykład pomiar odchylenia w jednostkach odchylenia standardowego (nazywane także normalizacją lub standaryzacją; rozkład pierwotny przeliczany jest faktycznie na rozkład tego samego typu z wartością średnią 0 i odchyleniem standardowym 1). Tego typu odchylenia mogą służyć także do przeliczenia w prawdopodobieństwa pewności i błędu (np. przy wykorzystaniu rozkładu normalnego lub nierówności Czebyszewskiego) oraz do porównania odchyleń kilku wskaźników (łącznie z ich prezentacją na siatce ).
12 Kluge: Skrypt do przedmiotu Analiza danych (rok studiów 2006/2007) Porównanie plan/jest wraz z opisem przyczyn Zobacz Podstawy controllingu, rozdział 5.2. oraz Controlling logistyczny, rozdział 4. Główne tematy zajęć laboratoryjnych do rozdziału 3: Obliczenie i interpretacja wskaźników na podstawie bazy danych systemu proalpha- Demo-Datenbank Lehre Analiza odchyleń na bazie gotowego planu produkcji (w arkuszu EXCEL) oraz powiązanej z tym planem demonstracyjnej bazy danych systemu proalpha - Demo-Datenbank Lehre.
2. Ogólne narzędzia controllingowe
Kluge et al.: Arbeitsmaterial Controlling w zintegrowanych systemach zarzadzania 1 Prof. dr hab. Paul-Dieter Kluge Dr inż. Krzysztof Witkowski Mgr. inż. Paweł Orzeszko Controlling w zintegrowanych systemach
Bardziej szczegółowo5. Analiza odchyleń plan - wykonano
Kluge P.D. et al.: Skrypt do przedmiotu Podstawy controllingu 38 5. Analiza odchyleń plan - wykonano Zgodność pomiędzy danymi rzeczywistymi a zaplanowanymi występuje rzadko (także przy konsekwentnym wykorzystywaniu
Bardziej szczegółowoControlling wspomagany komputerowo. Doswiadczenia z zastosowan w średnich przedsiebiorstwach
P. D. Kluge Controlling wspomagany komputerowo. Doswiadczenia z zastosowan w średnich przedsiebiorstwach (PTE Zielona Góra; 24.09.05) Controlling naleŝy do młodych dziedzin związanych z organizacją i zarządzaniem.
Bardziej szczegółowoCONTROLLING W ZINTEGROWANYCH SYSTEMACH ZARZADZANIA ROZDZIAŁ CZWARTY. SYSTEMY ERP DEDYKOWANE DLA MSP
Kluge P.D. et al.: Skrypt do przedmiotu Controlling w Zintegrowanych systemach zarządzania 1 Prof. dr habil. PaulDieter Kluge Dr inż. Krzysztof Witkowski Mgr inż. Paweł Orzeszko CONTROLLING W ZINTEGROWANYCH
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoInformatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoS YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy
S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne Nazwa modułu: Moduł B - Statystyka z elementami matematyki Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoprzedmiot podstawowy obowiązkowy polski drugi
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 07/08 IN--008 STATYSTYKA W INŻYNIERII ŚRODOWISKA Statistics in environmental engineering
Bardziej szczegółowoWYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO
Zał. nr 4 do ZW WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA STOSOWANA Nazwa w języku angielskim APPLIED STATISTICS Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoOpis przedmiotu. Karta przedmiotu - Probabilistyka I Katalog ECTS Politechniki Warszawskiej
Kod przedmiotu TR.NIK304 Nazwa przedmiotu Probabilistyka I Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów Niestacjonarne
Bardziej szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowodr Jerzy Pusz, st. wykładowca, Wydział Matematyki i Nauk Informacyjnych Politechniki Warszawskiej B. Ogólna charakterystyka przedmiotu
Kod przedmiotu TR.SIK303 Nazwa przedmiotu Probabilistyka I Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów Stacjonarne
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoMetody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis
Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod przedmiotu Język przedmiotu Rodzaj przedmiotu Dziedzina i dyscyplina
Bardziej szczegółowoKIERUNEK: FINANSE I RACHUNKOWOŚĆ ZAGADNIENIA NA EGZAMIN DYPLOMOWY LICENCJACKI
KIERUNEK: FINANSE I RACHUNKOWOŚĆ ZAGADNIENIA NA EGZAMIN DYPLOMOWY LICENCJACKI Studia stacjonarne i niestacjonarne I stopnia realizowane według planu studiów nr I Zagadnienia kierunkowe 1. Proces komunikacji
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
WYDZIAŁ GEOINŻYNIERII, GÓRNICTWA I GEOLOGII KARTA PRZEDMIOTU Nazwa w języku polskim: Statystyka matematyczna Nazwa w języku angielskim: Mathematical Statistics Kierunek studiów (jeśli dotyczy): Górnictwo
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): II stopnia
Bardziej szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowoHURTOWNIE DANYCH I BUSINESS INTELLIGENCE
BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej
Bardziej szczegółowostudia stacjonarne w/ćw zajęcia zorganizowane: 30/15 3,0 praca własna studenta: 55 Godziny kontaktowe z nauczycielem akademickim: udział w wykładach
Nazwa jednostki prowadzącej kierunek: Nazwa kierunku: Poziom kształcenia: Profil kształcenia: Moduły wprowadzające / wymagania wstępne: Nazwa modułu (przedmiot lub grupa przedmiotów) Osoby prowadzące:
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoAnaliza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU
Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoSTATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 STATYSTYKA
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoPROGRAM STUDIÓW ZINTEGROWANE SYSTEMY ZARZĄDZANIA SAP ERP PRZEDMIOT GODZ. ZAGADNIENIA
PROGRAM STUDIÓW ZINTEGROWANE SYSTEMY ZARZĄDZANIA SAP ERP PRZEDMIOT GODZ. ZAGADNIENIA Zarządzanie zintegrowane Zintegrowane systemy informatyczne klasy ERP Zintegrowany system zarządzania wprowadzenia System,
Bardziej szczegółowoOpis przedmiotu: Probabilistyka I
Opis : Probabilistyka I Kod Nazwa Wersja TR.SIK303 Probabilistyka I 2012/13 A. Usytuowanie w systemie studiów Poziom Kształcenia Stopień Rodzaj Kierunek studiów Profil studiów Specjalność Jednostka prowadząca
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
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 szczegółowoSPIS TREŚCI. Do Czytelnika... 7
SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoUczestnicy: Pracownicy działów controllingu, najwyższa kadra zarządzająca, kierownicy centrów odpowiedzialności
Opis szkolenia Dane o szkoleniu Kod szkolenia: Temat: Budżetowanie - najlepsze praktyki. 30 Styczeń - 3 Luty Gdańsk, Centrum miasta, Kod szkolenia: Koszt szkolenia: 1990.00 + 23% VAT Program Cykl dwóch
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): I stopnia
Bardziej szczegółowoOpis programu studiów
IV. Opis programu studiów Załącznik nr 9 do Zarządzenia Rektora nr 35/19 z dnia 1 czerwca 019 r. 3. KARTA PRZEDMIOTU Kod przedmiotu I-IŚ-103 Nazwa przedmiotu Statystyka w inżynierii środowiska Nazwa przedmiotu
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 szczegółowoMatematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
Bardziej szczegółowoRachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18
Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Rachunek prawdopodobieństwa Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu
Bardziej szczegółowoRok akademicki: 2012/2013 Kod: JFM s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne
Nazwa modułu: Statystyka inżynierska Rok akademicki: 2012/2013 Kod: JFM-1-210-s Punkty ECTS: 3 Wydział: Fizyki i Informatyki Stosowanej Kierunek: Fizyka Medyczna Specjalność: Poziom studiów: Studia I stopnia
Bardziej szczegółowoSylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15
Sylabus do programu kształcenia obowiązującego od roku akademickiego 0/5 () Nazwa Rachunek prawdopodobieństwa i statystyka () Nazwa jednostki prowadzącej Wydział Matematyczno - Przyrodniczy przedmiot ()
Bardziej szczegółowoMATRYCA EFEKTÓW KSZTAŁCENIA
ZAŁĄCZNIK NR 2 MATRYCA EFEKTÓW KSZTAŁCENIA Studia podyplomowe ZARZĄDZANIE FINANSAMI I MARKETING Przedmioty OPIS EFEKTÓW KSZTAŁCENIA Absolwent studiów podyplomowych - ZARZĄDZANIE FINANSAMI I MARKETING:
Bardziej szczegółowoKARTA KURSU. Elementy statystyki matematycznej. Mathematical statistics
KARTA KURSU Nazwa Nazwa w j. ang. Elementy statystyki matematycznej Mathematical statistics Kod Punktacja ECTS* 5 Koordynator Dr Ireneusz Krech Zespół dydaktyczny: Dr Ireneusz Krech Dr Grażyna Krech Opis
Bardziej szczegółowoAnkieta. Informacje o uczestniku. Imię i nazwisko: Stanowisko : Warsztat Innowacyjne metody dydaktyczne (np. learning by doing, design thinking)
Szanowni Państwo, w związku z uruchomieniem szkoleń w ramach projektu Rozwój kompetencji kadry akademickiej Wyższej Szkoły Menedżerskiej zwracamy się z prośbą o wypełnienie niniejszej ankiety. Ankieta
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański
KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół
Bardziej szczegółowoMatematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.
Bardziej szczegółowoDostawa oprogramowania. Nr sprawy: ZP /15
........ (pieczątka adresowa Oferenta) Zamawiający: Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu, ul. Staszica,33-300 Nowy Sącz. Strona: z 5 Arkusz kalkulacyjny określający minimalne parametry techniczne
Bardziej szczegółowoModel Matematyczny Call Center
OFERTA SZKOLENIOWA Model Matematyczny Call Center TELEAKADEMIA to profesjonalne centrum szkoleniowe mające swoją siedzibę w Pomorskim Parku Naukowo-Technologicznym w Gdyni. TELEAKADEMIA realizuje szkolenia
Bardziej szczegółowoJerzy Berdychowski. Informatyka. w turystyce i rekreacji. Materiały do zajęć z wykorzystaniem programu. Microsoft Excel
Jerzy Berdychowski Informatyka w turystyce i rekreacji Materiały do zajęć z wykorzystaniem programu Microsoft Excel Warszawa 2006 Recenzenci prof. dr hab. inż. Tomasz Ambroziak prof. dr hab. inż. Leszek
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowoInformacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów
Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowostudiów Podstawy Statystyki TR/2/PP/STAT 7 3
kod nr w planie ECTS Przedmiot studiów Podstawy Statystyki TR/2/PP/STAT 7 3 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy
Bardziej szczegółowoZ-ZIPN1-004 Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki Niestacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Z-ZIPN-004 Statystyka Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Statistics Obowiązuje od roku akademickiego 0/04 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014 WydziałPrawa, Administracji i Stosunków Miedzynarodowych
Bardziej szczegółowoLOGISTYKA. Zapas: definicja. Zapasy: podział
LOGISTYKA Zapasy Zapas: definicja Zapas to określona ilość dóbr znajdująca się w rozpatrywanym systemie logistycznym, bieżąco nie wykorzystywana, a przeznaczona do późniejszego przetworzenia lub sprzedaży.
Bardziej szczegółowoStatystyka SYLABUS A. Informacje ogólne
Statystyka SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Dziedzina
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: FINANSE I RACHUNKOWOŚĆ STUDIA DRUGIEGO STOPNIA
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: FINANSE I RACHUNKOWOŚĆ STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Finanse i Rachunkowość pytania podstawowe 1. Miernik dobrobytu alternatywne
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział: Matematyki Kierunek studiów: Matematyka i Statystyka (MiS) Studia w j. polskim Stopień studiów: Pierwszy (1) Profil: Ogólnoakademicki (A) Umiejscowienie kierunku
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 szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA (EiT stopień) Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoSterowanie jakością badań i analiza statystyczna w laboratorium
Sterowanie jakością badań i analiza statystyczna w laboratorium CS-17 SJ CS-17 SJ to program wspomagający sterowanie jakością badań i walidację metod badawczych. Może działać niezależnie od innych składników
Bardziej szczegółowoSTATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
Bardziej szczegółowoAlgorytmy i bazy danych (wykład obowiązkowy dla wszystkich)
MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na
Bardziej szczegółowoMatematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013
0,KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu WydziałZdrowia i Nauk Medycznych obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 014/015 Kierunek studiów: Pielęgniarstwo
Bardziej szczegółowoStatystyka opisowa SYLABUS A. Informacje ogólne
Statystyka opisowa SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok
Bardziej szczegółowoZ-0033z Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki. Stacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Z-0033z Statystyka Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Statistics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoControlling operacyjny i strategiczny
Controlling operacyjny i strategiczny dr Piotr Modzelewski Katedra Bankowości, Finansów i Rachunkowości Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego Plan zajęć 1, 2. Wprowadzenie do zagadnień
Bardziej szczegółowoZ-LOGN1-006 Statystyka Statistics
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOGN-006 Statystyka Statistics Obowiązuje od roku akademickiego 0/0 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek
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 szczegółowoImię, nazwisko i tytuł/stopień KOORDYNATORA (-ÓW) kursu/przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, mgr
SYLLABUS na rok akademicki 010/011 Tryb studiów Studia stacjonarne Kierunek studiów Ekonomia Poziom studiów Pierwszego stopnia Rok studiów/ semestr /4 Specjalność Bez specjalności Kod katedry/zakładu w
Bardziej szczegółowoNarzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoMATEMATYKA3 Mathematics3. Elektrotechnika. I stopień ogólnoakademicki. studia stacjonarne. Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 MATEMATYKA3 Mathematics3 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek
Bardziej szczegółowokod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2
kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia
Bardziej szczegółowoOpis efektów kształcenia dla modułu zajęć
Nazwa modułu: Wprowadzenie do analizy danych Rok akademicki: 2012/2013 Kod: IET-2-303-SU-s Punkty ECTS: 2 Wydział: Informatyki, Elektroniki i Telekomunikacji Kierunek: Elektronika i Telekomunikacja Specjalność:
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza
Bardziej szczegółowoWykład Ćwiczenia Laboratorium Projekt Seminarium 30
Zał. nr 4 do ZW WYDZIAŁ CHEMICZNY KARTA PRZEDMIOTU Nazwa w języku polskim Wstęp do statystyki praktycznej Nazwa w języku angielskim Intriduction to the Practice of Statistics Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoDefinicja testu psychologicznego
Definicja testu psychologicznego Badanie testowe to taka sytuacja, w której osoba badana uczestniczy dobrowolnie, świadoma celu jakim jest jej ocena. Jest to sytuacja tworzona specjalnie dla celów diagnostycznych,
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4
KARTA KURSU (do zastosowania w roku ak. 2015/16) Nazwa Statystyka 1 Nazwa w j. ang. Statistics 1 Kod Punktacja ECTS* 4 Koordynator Dr hab. Tadeusz Sozański (koordynator, wykłady) Dr Paweł Walawender (ćwiczenia)
Bardziej szczegółowoOpis efektów kształcenia dla modułu zajęć
Nazwa modułu: Metody matematyczne w elektroenergetyce Rok akademicki: 2013/2014 Kod: EEL-2-101-n Punkty ECTS: 5 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Elektrotechnika
Bardziej szczegółowoStatystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści
Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, 2018 Spis treści Przedmowa 13 O Autorach 15 Przedmowa od Tłumacza 17 1. Wprowadzenie i statystyka opisowa 19 1.1.
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 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 szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
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 szczegółowo