1 Miary asymetrii i koncentracji
|
|
- Beata Włodarczyk
- 8 lat temu
- Przeglądów:
Transkrypt
1 Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Podstawy statystyki opisowej Adam Kiersztyn 3 godziny lekcyjne Miary asymetrii i koncentracji Najprostszymi miarami asymetrii sa¾ wskaźniki skośności (W S lub W Q ) dane wzorami W S = X D; W Q = (Q 3 Me) (Me Q 1 ) = Q 3 + Q 1 2 Me oraz wspó czynnik skośności dany wzorem A D = X D : s Ponadto nale zy jeszcze wprowadzić dwa proste wspó czynniki: zmienności v i nierówności H, określone wzorami: v = s X 100%; H = d X 100%: Zanim przystapimy ¾ do omawiania pozosta ych miar asymetrii i koncentracji podamy wzory na momenty zwyk e, absolutne oraz centralne rz ¾edu l: Wzory te podamy w dwóch wersjach, w wariancie dla danych niezgrupowanych oraz w nawiasie w wariancie dla szeregu przedzia owego. Moment zwyk y m l rz¾edu l z próbki x 1 ; x 2 ; : : : ; x n obliczamy ze wzoru! m l = 1 nx x l n i; m k = 1 kx _x l i n i N Moment zwyk y jest, jak atwo zauwa zyć, średnia¾ arytmetyczna¾ l-tych pot¾eg wartości x i : W podobny sposób de niuje si¾e moment absolutny a l rz¾edu l z próbki x 1 ; x 2 ; : : : ; x n. Wyra za si¾e on wzorem! a l = 1 nx jx i j l ; a l = 1 kx j _x i j l n i n N i jest średnia¾ arytmetyczna¾ l-tych pot¾eg modu ów wartości x i : Ponadto rozwa za si¾e moment centralny rz¾edu l zadany wzorem M l = 1 nx x i X l ; Ml = 1 kx _x i X! l ni n N 1
2 oraz centralny moment absolutny rz ¾edu k dany wzorem b l = 1 nx x i X l ; b l = 1 kx _x i X! l n i n N Nale zy w tym miejscu zauwa zyć, ze moment centralny rz ¾edu 2 jest wariancja, ¾ natomiast centralny moment absolutny rz ¾edu 1 jest odchyleniem przeci ¾etnym. Korzystajac ¾ z powy zszych pomocniczych oznaczeń zde niujmy wybrane miary asymetrii i koncentracji. Jednym z najcz ¾eściej stosowanych jest wspó czynnik asymetrii (skośności) dany wzorem g 1 = M 3 s 3 ; gdzie s jest odchyleniem standardowym, podobna¾ postać ma wspó czynnik koncentracji (skupienia) dany wzorem K = M 4 s 4 ; wspó czynnik ten bywa równie z nazywany kurtoza. ¾ W statystyce opisowej rozwa za si ¾e równie z wspó czynnik sp aszczenia (eksces) dany wzorem g 2 = K 3 = M 4 s 4 3: Ponadto nale zy zauwa zyć, ze nie sa¾ to wszystkie sposoby opisu asymetrii i koncentracji. Mo zna tutaj wymienić m.in. krzywa¾ Lorenza czy te z wspó czynnik Giniego. Przyk ad 1 Rozwa zmy cztery szeregi przedzia owe o takich samych przedzia ach i ró znych liczebno sciach poszczególnych klas. srodek przedzia u szereg I szereg II szereg III szereg IV Wyznaczyć srednia¾ arytmetyczna¾ i cztery pierwsze momenty ka zdego typu dla poszczególnych szeregów, a nast ¾epnie obliczyć wprowadzone wcze sniej miary koncentracji i asymetrii. Rozwiazanie: ¾ W kroku pierwszym obliczymy średnia¾ arytmetyczna¾ dla poszczególnych szeregów X 1 = 1 ( ) =
3 X 2 = 1 ( ) = 4 50 X 3 = 1 ( ) = 4 50 X 4 = 1 ( ) = 4 50 Zatem w ka zdym z rozwa zanych przypadków średnia wynosi 4, dzi ¾eki takiemu zbiegowi okoliczności b ¾edzie nam atwiej przeprowadzić dalsza¾ cześć obliczeń. Z uwagi na fakt, ze wszystkie obserwacje sa¾ nieujemny momenty zwyk e i momenty absolutne poszczególnych rz ¾edów sa¾ jednakowe. Zatem nie musimy obliczać momentów absolutnych. Zanim przejdziemy do obliczania wartość poszczególnych momentów dla ka zdego szeregu oddzielnie przygotujmy sobie tabel ¾e zawierajac ¾ a¾ dodatkowe obliczenia (oczywiście tabelk¾e ta¾ wykonujemy w Excelu wszyscy wspólnie krok po kroku) x 2 i x 3 i x 4 i x i X x i X 2 x i X 3 x i X 4 xi X xi X 2 xi X 3 xi X Teraz mo zemy w prosty sposób domna zajac ¾ poszczególne elementy powy zszej tabeli przez odpowiednie liczebności, sumujac ¾ kolumny i dzielac ¾ przez liczebność 3
4 ca kowita¾ otrzymujemy wymagane momenty. Dla pierwszego szeregu mamy: x 2 i n i x 3 i n i x 4 i n i x i X n i x i X 2 ni x i X 3 ni x i X 4 ni suma x i X n i x i X 2 n i x i X 3 n i x i X 4 n i suma Wówczas dla pierwszego szeregu nasze pomocnicze wskaźniki przyjmuja¾ wartości: m 1 = X = 4; m 2 = 872 m 3 = 4064 m 4 = M 1 = 0 50 = 0; M 2 = s 2 = 72 M 3 = 0 50 = 0; M 4 = b 1 = d = 48 b 2 = M 2 = 72 b 3 = 120 b 4 = M 4 = : W analogiczny sposób mo zna wyliczyć powy zsze wskaźniki dla pozosta ych szeregów, mamy wówczas dla drugiego szeregu: m 1 = 4; m 2 = 872 m 3 = 4064 m 4 = M 1 = 0; M 2 = 72 M 3 = 0; M 4 = 408 b 1 = 40 b 2 = 72 b 3 = 160 b 4 = : Natomiast wartości wskaźników dla trzeciego szeregu wynosza¾ m 1 = 4; m 2 = 872 m 3 = 4124 m 4 =
5 M 1 = 0; M 2 = 72 M 3 = 60 M 4 = 288 b 1 = 48 b 2 = 72 b 3 = 132 b 4 = : Dla czwartego szeregu mamy nast ¾epujace ¾ wartości m 1 = 4; m 2 = 872 m 3 = 4004 m 4 = M 1 = 0; M 2 = 72 M 3 = 60 M 4 = 288 b 1 = 48 b 2 = 72 b 3 = 132 b 4 = : Mo zemy teraz przystapić ¾ do obliczania miar i porównania tych wartości dla poszczególnych szeregów. szereg I szereg II szereg III szereg IV mediana M e dominanta D średnia X wariancja s 2 1:44 1:44 1:44 1:44 W S A D g :69 0:69 K 2:08 3:94 2:78 2:78 v 30% 30% 30% 30% H 20% 24% 24% 24% W celu lepszego zrozumienia poszczególny miar przedstawimy jeszcze histogramy poszczególnych szeregów. Ćwiczenie 1 Dokonać analizy wyników uzyskanych w powy zszym przyk adzie. 5
6 2 Wykorzystanie pakietu analiza danych w arkuszu Excel Przejdźmy teraz do przypomnienia sobie mo zliwości jakie daje w zakresie statystyki opisowej arkusz Excel (zak adam, ze korzystali ju z Państwo z tego pakietu i znaja¾ jego podstawowe mo zliwości). Jak wszyscy dobrze wiemy w arkuszu Excel znajduja¾ si ¾e funkcje statystyczne pozwalajace ¾ obliczać podstawowe miary statystyki opisowej. Jednak ze czasami ze wzgl ¾edów praktycznych dobrze jest samemu opracować formu y w analogiczny sposób jak pokazany w przyk adzie z poprzedniego zjazdu. Dzi¾eki tak opracowanym danym mamy wi¾eksza¾ kontrol¾e nad wynikami i mo zemy uniknać ¾ b ¾edów wynikajacych ¾ chocia zby z odstajacych ¾ lub nieprawid owo wprowadzonych wartość liczbowych. Ćwiczenie 2 Przygotować w Excelu skoroszyt, dzi ¾eki któremu b ¾edzie mo zna stworzyć tabel ¾e analogiczna¾ jak w przyk adzie z zesz ego zjazdu. Sprawdzíc poprawno sć wyników a nast ¾epnie zamieníc warto sć x 1 = 5 na warto sć x 1 = 3: Jak zmieni y si ¾e poszczególne wyniki, które miary nie uleg y zmianie? Nale zy w tym miejscu zaznaczyć, ze arkusz Excel posiada wbudowany pakiet analizy danych, w którym mo zemy w jednym miejscu odnaleźć wi ¾ekszość omawianych powy zej miar. W celu skorzystania z pakietu analiza danych nale zy wcześniej do ¾ aczyć odpowiedni dodatek. Ćwiczenie 3 Dla danych z pliku analizadanych.xls wyznaczyć podstawowe miary statystyki opisowej korzystajac ¾ z pakietu analiza danych. 3 Statystyka opisowa w SPSS Do wyznaczania podstawowych charakterystyk statystyki opisowej mo zna wykorzystywać bardziej specjalistyczne narz ¾edzia informatyczne. Podczas tych studiów zapoznamy si¾e z dwoma pakietami statystycznymi, mianowicie z pakietem SPSS oraz programem Statistica. W tym miejscu zapoznamy si ¾e podstawowymi mo zliwościami programu SPSS. Ograniczymy si ¾e tutaj jedynie do wyznaczania statystyk opisowych. Pe niejszej analizy mo zliwości tego pakietu dokonamy na innych przedmiotach. Z uwagi na fakt, i z jest oprogramowanie mniej znane ni z arkusz Excel musimy troch ¾e dok adniej omówić sposób w jaki mo zemy uzyskać podstawowe statystyki opisowe. Po uruchomieniu programu domyślnie pojawia si ¾e 6
7 okno umo zliwiajace ¾ wczytanie pliku na jakim chcemy dokonywać operacji Po wczytaniu interesujacego ¾ nas pliku przykladspss1.sav chcemy wyznaczyć podstawowe statystyki opisowe. W tym celu menu g ównego wybieramy kolejno Analiza/Opis statystyczny/statystyki opisowe tak jak na zamieszczonym 7
8 poni zszej rysunku. Nast ¾epnie wybieramy interesujac ¾ a¾ nas zmienna ¾(wiek) i przechodzimy do opcji, gdzie wybieramy wszystkie dost ¾epne charakterystyki, klikamy przycisk dalej i nast ¾epnie OK. Jako wynik otrzymujemy raport z wartościami wybranych charakterystyk. Oczywiście w pakiecie SPSS mo zna wyznaczyć równie z histogram. W tym celu post¾epujemy w nast¾epujacy ¾ sposób: wybieramy z menu 8
9 wykresy a nast ¾epnie histogram nast ¾epnie wybieramy jako zmienna¾ wiek i klikamy OK Jako wynik otrzymujemy raport zawierajacy ¾ histogram. W tym miejscu pojawia si¾e naturalne pytanie, czy mo zna w jakiś inny sposób wyznaczyć podstawowe statystyki oraz narysować histogram w programie SPSS. 9
10 Odpowiedź na tak postawione pytanie jest twierdzaca. ¾ menu g ównego Analiza/Opis statystyczny/ Cz ¾estości. Wystarczy wybrać z Nast ¾epnie wybieramy interesujac ¾ a¾ nas zmienna. ¾ Klikamy w przyciski statystyki oraz wykresy, gdzie mo zemy wybrać intere- 10
11 sujace ¾ nas statystyki opisowe oraz typ wykresu. Jako ostateczny wynik otrzymujemy raport, w którym jednocześnie mamy wyznaczone podstawowe statystyki oraz narysowany histogram. 11
12 Ćwiczenie 4 Wyznaczyć warto sci podstawowych statystyk dla zmiennej wzrost w pliku przykladspss1.sav. 12
1 Praktyczne metody wyznaczania podstawowych miar bez zastosowania komputerów
Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 8.03.014 - godziny ćwiczeń autor: Adam Kiersztyn 1 Praktyczne metody wyznaczania podstawowych miar
Bardziej szczegółowo1 Rozk ad normalny. Szczególnym przypadkiem jest standardowy rozk ad normalny N (0; 1), wartości
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Podstawy statystyki matematycznej Adam Kiersztyn 2 godziny lekcyjne 2011-10-23 8.20-9.50 1 Rozk ad normalny Jednym z najwa
Bardziej szczegółowo1 Praktyczne metody wyznaczania podstawowych miar przy zastosowaniu programu EXCEL
Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 9.03.2014-3 godziny ćwiczeń autor: Adam Kiersztyn 1 Praktyczne metody wyznaczania podstawowych miar
Bardziej szczegółowo1 Analiza wariancji H 1 : 1 6= 2 _ 1 6= 3 _ 1 6= 4 _ 2 6= 3 _ 2 6= 4 _ 3 6= 4
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Statystyczna analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-02-04 13.00-17.00 1 Analiza wariancji Na wst¾epie zapoznamy
Bardziej szczegółowoPochodne cz ¾astkowe i ich zastosowanie.
Pochodne cz ¾astkowe i ich zastosowanie. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Pochodne cz ¾astkowe i ich zastosowanie. maj 2013 1 / 18 Zanim przejdziemy do omawiania pochodnych funkcji wielu zmiennych
Bardziej szczegółowo1 Rekodowanie w podgrupach i obliczanie wartości w podgrupach
1 Rekodowanie w podgrupach i obliczanie wartości w podgrupach Czasami chcemy rekodować jedynie cz ¾eść danych zawartych w pewnym zbiorze. W takim przypadku stosujemy rekodowanie z zastosowaniem warunku
Bardziej szczegółowo1 Wieloczynnikowa analiza wariancji
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Statystyczna analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-02-04 13.00-17.00 1 Wieloczynnikowa analiza wariancji
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 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 szczegółowoPrzetwarzanie i analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok
Przetwarzanie i analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok Adam Kiersztyn Katedra Teorii Prawdopodobieństwa Wydzia Matematyczno - Przyrodniczy Katolicki Uniwersytet
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 szczegółowo1 Próba a populacja. Nasze rozwa zania zaczniemy od przedyskutowania podstawowych poj ¾eć statystycznych,
Kurs w zakresie zaawansowanych metod komputerowej analizy danych Podstawy statystycznej analizy danych 9.03.04 - godziny konwersatorium autor Adam Kiersztyn Próba a populacja Nasze rozwa zania zaczniemy
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 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 szczegółowoPodstawowe pojęcia: Populacja. Populacja skończona zawiera skończoną liczbę jednostek statystycznych
Podstawowe pojęcia: Badanie statystyczne - zespół czynności zmierzających do uzyskania za pomocą metod statystycznych informacji charakteryzujących interesującą nas zbiorowość (populację generalną) Populacja
Bardziej szczegółowo1 Wieloczynnikowa analiza wariancji ciag ¾ dalszy
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Wielowymiarowa analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-03-18 08.20-12.30 1 Wieloczynnikowa analiza wariancji
Bardziej szczegółowoWielowymiarowa analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok
Wielowymiarowa analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok Adam Kiersztyn Katedra Teorii Prawdopodobieństwa Wydzia Matematyczno - Przyrodniczy Katolicki Uniwersytet
Bardziej szczegółowoStatystyka opisowa. Robert Pietrzykowski.
Statystyka opisowa Robert Pietrzykowski email: robert_pietrzykowski@sggw.pl www.ekonometria.info 2 Na dziś Sprawy bieżące Przypominam, że 14.11.2015 pierwszy sprawdzian Konsultacje Sobota 9:00 10:00 pok.
Bardziej szczegółowoRównania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody".
Równania ró znicowe wg A. Ostoja - Ostaszewski "Matematyka w ekonomii. Modele i metody". Przyk ad. Za ó zmy, ze w chwili t = 0 populacja liczy P 0 osób. Roczny wskaźnik urodzeń wynosi b = 00, a roczna
Bardziej szczegółowoEkstrema funkcji wielu zmiennych.
Ekstrema funkcji wielu zmiennych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Ekstrema funkcji wielu zmiennych. kwiecień 2013 1 / 13 Niech dana b ¾edzie funkcja f (x, y) określona w pewnym otoczeniu punktu
Bardziej szczegółowoWykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy)
Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy) Co na dzisiejszym wykładzie: definicje, sposoby wyznaczania i interpretacja STATYSTYK OPISOWYCH prezentacja
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 szczegółowoInstalacja. Zawartość. Wyszukiwarka. Instalacja... 1. Konfiguracja... 2. Uruchomienie i praca z raportem... 4. Metody wyszukiwania...
Zawartość Instalacja... 1 Konfiguracja... 2 Uruchomienie i praca z raportem... 4 Metody wyszukiwania... 6 Prezentacja wyników... 7 Wycenianie... 9 Wstęp Narzędzie ściśle współpracujące z raportem: Moduł
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 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 szczegółowoStatystyka opisowa. Wykªad II. Elementy statystyki opisowej. Edward Kozªowski.
Statystyka opisowa. Wykªad II. e-mail:e.kozlovski@pollub.pl Spis tre±ci Mediana i moda 1 Mediana i moda 2 3 4 Mediana i moda Median m e (warto±ci ±rodkow ) próbki x 1,..., x n nazywamy ±rodkow liczb w
Bardziej szczegółowoStatystyczna analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok
Statystyczna analiza danych z wykorzystaniem pakietów SPSS i Statistica Skrypt dla studentów 2012 rok Adam Kiersztyn Katedra Teorii Prawdopodobieństwa Wydzia Matematyczno - Przyrodniczy Katolicki Uniwersytet
Bardziej szczegółowoWykład 5. Opis struktury zbiorowości. 1. Miary asymetrii.
Wykład 5. Opis struktury zbiorowości 1. Miary asymetrii. 2. Miary koncentracji. Przykład Zbadano stawkę godzinową (w zł) pracowników dwóch branŝ, otrzymując następujące charakterysty ki liczbowe: Stawka
Bardziej szczegółowoBardzo silnie z poj ¾eciem populacji statystycznej zwiazane ¾ jest poj ¾ecie próby statystycznej.
Próba a populacja Nasze rozwa zania zaczniemy od przedyskutowania podstawowych poj eć statystycznych, poszczególne de nicje zostana wzbogacone o obrazowe przyk ady. Jednym z najistotniejszych poj eć jest
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 szczegółowoWskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii
Miary asymetrii Miary asymetrii (skośności) określają kierunek rozkładu cech zmiennych w zbiorowości (rozkład może być symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopień odchylenia
Bardziej szczegółowoPodstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica
Podstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica 1. Zarządzanie danymi. Pierwszą czynnością w pracy z pakietem Statistica jest zazwyczaj wprowadzenie danych do arkusza. Oprócz możliwości
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoWprowadzenie do analizy dyskryminacyjnej
Wprowadzenie do analizy dyskryminacyjnej Analiza dyskryminacyjna to zespół metod statystycznych używanych w celu znalezienia funkcji dyskryminacyjnej, która możliwie najlepiej charakteryzuje bądź rozdziela
Bardziej szczegółowoWyk ad II. Stacjonarne szeregi czasowe.
Wyk ad II. Stacjonarne szeregi czasowe. W wi ekszości przypadków poszukiwanie modelu, który dok adnie by opisywa zachowanie sk adnika losowego " t, polega na analizie pewnej klasy losowych ciagów czasowych
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 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 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 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 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 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 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 szczegółowoOpis obsługi systemu Ognivo2 w aplikacji Komornik SQL-VAT
Opis obsługi systemu Ognivo2 w aplikacji Komornik SQL-VAT Spis treści Instrukcja użytkownika systemu Ognivo2... 3 Opis... 3 Konfiguracja programu... 4 Rejestracja bibliotek narzędziowych... 4 Konfiguracja
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 szczegółowoWyznaczniki, macierz odwrotna, równania macierzowe
Wyznaczniki, macierz odwrotna, równania macierzowe Adam Kiersztyn Katolicki Uniwersytet Lubelski Jana Paw a II Lublin 013 Adam Kiersztyn (KUL) Wyznaczniki, macierz odwrotna, równania macierzowe marzec
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 szczegółowoLABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
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 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 szczegółowoTabele przestawne tabelą przestawną. Sprzedawcy, Kwartały, Wartości. Dane/Raport tabeli przestawnej i wykresu przestawnego.
Tabele przestawne Niekiedy istnieje potrzeba dokonania podsumowania zawartości bazy danych w formie dodatkowej tabeli. Tabelę taką, podsumowującą wybrane pola bazy danych, nazywamy tabelą przestawną. Zasady
Bardziej szczegółowoINSTRUKCJA OTWIERANIA PLIKU DPT (data point table)
INSTRUKCJA OTWIERANIA PLIKU DPT (data point table) Plik DPT jest tekstowym zapisem widma. Otwarty w notatniku wygląda następująco: Aby móc stworzyć wykres, należy tak zaimportować plik do arkusza kalkulacyjnego,
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 szczegółowoAnaliza Statystyczna
Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza
Bardziej szczegółowoRUCH KONTROLI WYBORÓW. Tabele pomocnicze w celu szybkiego i dokładnego ustalenia wyników głosowania w referendum w dniu 6 września 2015 r.
RUCH KONTROLI WYBORÓW Tabele pomocnicze w celu szybkiego i dokładnego ustalenia wyników głosowania w referendum w dniu września r. Plik zawiera - dwie tabele pomocnicze do zliczania wyników cząstkowych
Bardziej szczegółowoKonkurs Matematyczny, KUL, 30 marca 2012 r.
Konkurs Matematyczny, KUL, 30 marca 01 r. W pustych kratkach obok liter A) B) C) D) nale zy wpisać s owo TAK lub NIE. Zadanie zostanie uznane za rozwiazane, jeśli wszystkie cztery odpowiedzi sa poprawne.
Bardziej szczegółowoStatystyka. Opisowa analiza zjawisk masowych
Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Je zeli ka zdemu punktowi P o wspó rzednych x; y) z pewnego obszaru D na p aszczyźnie R 2 przyporzadkujemy w sposób jednoznaczny liczb e rzeczywista z, to przyporzadkowanie to nazywamy
Bardziej szczegółowoJak sprawdzić normalność rozkładu w teście dla prób zależnych?
Jak sprawdzić normalność rozkładu w teście dla prób zależnych? W pliku zalezne_10.sta znajdują się dwie zmienne: czasu biegu przed rozpoczęciem cyklu treningowego (zmienna 1) oraz czasu biegu po zakończeniu
Bardziej szczegółowoWprowadzenie do MS Excel
Wprowadzenie do MS Excel Czym jest Excel? Excel jest programem umożliwiającym tworzenie tabel, a także obliczanie i analizowanie danych. Należy do typu programów nazywanych arkuszami kalkulacyjnymi. W
Bardziej 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 szczegółowoExcel zadania sprawdzające 263
Excel zadania sprawdzające 263 Przykładowe zadania do samodzielnego rozwiązania Zadanie 1 Wpisać dane i wykonać odpowiednie obliczenia. Wykorzystać wbudowane funkcje Excela: SUMA oraz ŚREDNIA. Sformatować
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
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 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 szczegółowopdfmachine by BroadGun Software
10 ÃWICZENIE 6 ÃWICZENIA W ADRESOWANIU MIESZANYM ÃWICZENIE POKAZOWE nr 6. Oblicz objêtoœã walcó w o promieniu r = 1; 1,5; 2; 7 cm i wysokoœci h = 10; 10,5;..; 18 cm. Wynik podaj w dcm 3 z dokùadnoœci¹
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 szczegółowoPrzewodnik dla każdego po: Dla każdego coś miłego Microsoft Excel 2010
Przewodnik dla każdego po: Dla każdego coś miłego Microsoft Excel 2010 Czym jest Excel 2010 Excel jest programem umożliwiającym tworzenie tabel, a także obliczanie i analizowanie danych. Należy do typu
Bardziej szczegółowoTemat: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide.
Temat: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide. Zadania: I. 1. Załóż we własnym folderze podfolder o nazwie cw2 i przekopiuj do niego
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 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 szczegółowoWykład 2: Grupowanie danych (szeregi statystyczne) + porady dotyczące analizy danych w programie STATISTICA
Wykład 2: Grupowanie danych (szeregi statystyczne) + porady dotyczące analizy danych w programie STATISTICA Dobór metody prezentacji danych Dobór metody prezentacji danych zależy od: charakteru danych
Bardziej szczegółowoStatystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Statystyka Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Statystyka Statystyka: nauka zajmuj ca si liczbowym opisem zjawisk masowych oraz ich analizowaniem, zbiory informacji liczbowych. (Sªownik
Bardziej szczegółowoZałożenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW
Założenia do analizy wariancji dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Zagadnienia 1. Normalność rozkładu cechy Testy: chi-kwadrat zgodności, Shapiro-Wilka, Kołmogorowa-Smirnowa
Bardziej szczegółowoNiestandardowa tabela częstości
raportowanie Niestandardowa tabela częstości Przemysław Budzewski Predictive Solutions Do czego dążymy W Generalnym Sondażu Społecznym USA w 1991 roku badaniu poddano respondentów należących do szeregu
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 szczegółowoUżytkowanie elektronicznego dziennika UONET PLUS.
Użytkowanie elektronicznego dziennika UONET PLUS. Po wejściu na stronę https://uonetplus.vulcan.net.pl/bialystok i zalogowaniu się na swoje konto (przy użyciu adresu e-mail podanego wcześniej wychowawcy
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 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 szczegółowoĆwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide.
Ćwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide. 1. Załóż we własnym folderze podfolder o nazwie cw2 i przekopiuj do niego plik
Bardziej szczegółowoWprowadzenie do równań ró znicowych i ró zniczkowych.
Wprowadzenie do równań ró znicowych i ró zniczkowych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Wprowadzenie do równań ró znicowych i ró zniczkowych. maj 2013 1 / 11 Przyjmijmy nast ¾epuj ¾ace oznaczenia:
Bardziej szczegółowoOpisowa analiza struktury zjawisk statystycznych
Statystyka Opisowa z Demografią oraz Biostatystyka Opisowa analiza struktury zjawisk statystycznych Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2
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 szczegółowoAUTOR MAGDALENA LACH
PRZEMYSŁY KREATYWNE W POLSCE ANALIZA LICZEBNOŚCI AUTOR MAGDALENA LACH WARSZAWA, 2014 Wstęp Celem raportu jest przedstawienie zmian liczby podmiotów sektora kreatywnego na obszarze Polski w latach 2009
Bardziej szczegółowoGrupowanie materiału statystycznego
Grupowanie materiału statystycznego Materiał liczbowy, otrzymany w wyniku przeprowadzonej obserwacji statystycznej lub pomiaru, należy odpowiednio usystematyzować i pogrupować. Doskonale nadają się do
Bardziej szczegółowo1. Korzyści z zakupu nowej wersji... 2. 2. Poprawiono... 2. 3. Zmiany w słowniku Stawki VAT... 2. 4. Zmiana stawki VAT w kartotece Towary...
Forte Handel 1 / 8 Nowe funkcje w module Forte Handel w wersji 2011a Spis treści: 1. Korzyści z zakupu nowej wersji... 2 2. Poprawiono... 2 Nowe funkcje w module Forte Handel w wersji 2011 Spis treści:
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. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoDane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.
STATISTICA INSTRUKCJA - 1 I. Wprowadzanie danych Podstawowe / Nowy / Arkusz Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą
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 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 matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt
Statystyka matematyczna dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Zasady zaliczenia przedmiotu: część wykładowa Maksymalna liczba punktów do zdobycia 40. Egzamin będzie
Bardziej szczegółowoOpracował: mgr inż. Marcin Olech 2010-10-04
Laboratorium 4 Strona 1 z 17 Spis treści: 1. Wielowymiarowa analiza danych w arkusza kalkulacyjnych z wykorzystaniem MS Excel: a. tworzenie tabel przestawnych, b. tworzenie wykresów przestawnych. 2. Praca
Bardziej szczegółowoBiostatystyka, # 1 /Weterynaria I/
Biostatystyka, # 1 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
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 szczegółowoMatlab, zajęcia 3. Jeszcze jeden przykład metoda eliminacji Gaussa dla macierzy 3 na 3
Matlab, zajęcia 3. Pętle c.d. Przypomnijmy sobie jak działa pętla for Możemy podać normalnie w Matlabie t=cputime; for i=1:20 v(i)=i; e=cputime-t UWAGA: Taka operacja jest bardzo czasochłonna i nieoptymalna
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 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 szczegółowoWykład 3: Statystyki opisowe - miary położenia, miary zmienności, miary asymetrii
Wykład 3: Statystyki opisowe - miary położenia, miary zmienności, miary asymetrii Wprowadzenie W przypadku danych liczbowych do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą
Bardziej szczegółowoInżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych. Laboratorium VIII: Analiza kanoniczna
1 Laboratorium VIII: Analiza kanoniczna Spis treści Laboratorium VIII: Analiza kanoniczna... 1 Wiadomości ogólne... 2 1. Wstęp teoretyczny.... 2 Przykład... 2 Podstawowe pojęcia... 2 Założenia analizy
Bardziej szczegółowo