STRATEGIE MYŚLENIA W ZŁOŻONYCH SYTUACJACH GRY W SZACHY

Wielkość: px
Rozpocząć pokaz od strony:

Download "STRATEGIE MYŚLENIA W ZŁOŻONYCH SYTUACJACH GRY W SZACHY"

Transkrypt

1 STRATEGIE MYŚLENIA W ZŁOŻONYCH SYTUACJACH GRY W SZACHY Badania eksperymentalne nad wnioskowaniem przez analogię Jan Przewoźnik, Lublin, 5 III 2014 Promotor: Prof. dr hab. Adam Biela KATOLICKI UNIWERSYTET LUBELSKI

2 I. WPROWADZENIE

3 I. WPROWADZENIE PLAN PREZENTACJI II. KONTEKST CYFROWY III. METODA IV. PROBLEMY BADAWCZE V. WYNIKI VI. PERSPEKTYWY

4

5

6

7 II. KONTEKST CYFROWY

8 MEMENTO W CYFROWEJ ERZE NICOLAS CARR: Płytki umysł. Jak Internet wpływa na nasz mózg? MANFRED SPITZER: Cyfrowa demencja. GARY SMALL, GIGI VORGAN: imózg. Jak przetrwać technologiczną przemianę współczesnej umysłowości. SZYMON WÓJCIK: Problem nadużywania Internetu. W: Nadmierne korzystanie z komputera i Internetu przez dzieci i młodzież.

9 MEMENTO W CYFROWEJ ERZE 7 godzin dziennie Komórki, komputery, TV, video, surfowanie KŁOPOTY Z KONCENTRACJĄ CORAZ KRÓTSZE I UBOŻSZE WYPOWIEDZI PROBLEMY Z PRZYSWAJANIEM DŁUGICH TEKSTÓW PŁYTKIE MYŚLENIE

10 MEMENTO W CYFROWEJ ERZE Wspólna samotność w sieci Mniej snu, mniej kontaktów bezpośrednich WYZWANIE DLA PSYCHOLOGII KOGNITYWNEJ W XXI WIEKU DVD Baby - Einstein Maszyny udaremniające uczenie się

11 JAK PODEJMUJEMY DECYZJE MAŁO INFORMACJI ZBIERANYCH WIELE INFORMACJI ZBIERANYCH JEDNA OPCJA STYL STANOWCZY STYL HIERARCHICZNY KILKA OPCJI STYL ELASTYCZNY STYL INTEGRUJĄCY Wg: K. Brousseau, M. Driver, G. Hourihan, R. Larsson, 2006

12 III. METODA

13 TRZY WAŻNE POJĘCIA METODA GŁOŚNEGO MYŚLENIA DZIEWIĘĆ WSKAŹNIKÓW DRZEWA DECYZYJNEGO WNIOSKOWANIE PRZEZ ANALOGIĘ A : B :: C : D

14 ADRIAAN DE GROOT PSYCHOLOGIA MYŚLENIA Thought and Choice in Chess (1965)

15 32 OSOBY BADANE Gr. kontrolna = 16 osób 4 zadania 64 protokoły Gr. eksperymentalna = 16 osób 4 zadania 64 protokoły stron protokołów Arcymistrzowie, mistrzowie międzynarodowi, mistrzowie, kandydaci na mistrzów

16 GŁÓWNA METODA: NAGRYWANIE GŁOŚNEGO MYŚLENIA Sprawozdania słowne

17 PROTOKOŁY GŁOŚNEGO MYŚLENIA H:h8 Wb5 2.b4 W:b4+ 3.a:b4 H:b4+ 4.Ka1 Ha3+ 5.Kb1 Ha2 mat 2.Ka1 W:b2 3.c4 Hb3 i czarne wygrywają 1.H:h8 Wb5 2.Wce1 W:b2+ 3.Kc1 Wb1+ 4.Kd2 Ha5 i przegrywam 1.H:h8 Wb5 i znowu czarne wygrywają

18 DRZEWA DECYZYJNE

19

20 DRZEWA DECYZYJNE

21 DRZEWA DECYZYJNE

22 STRATEGIA Strategia poznawcza to charakterystyczny dla osoby badanej sposób przetwarzania danych i docierania do takich informacji, których poznanie ostatecznie warunkuje, zdaniem decydenta, wykonanie złożonego zadania lub rozwiązanie aktualnie stojącego przed nim problemu. Zamiennie używany był termin strategia myślenia.

23

24 J. P. Guilford DZIEWIĘĆ WSKAŹNIKÓW

25

26 DRZEWO DECYZYJNE Proponują kartę Payback Przyjmuję i otrzymuję punkty Za punkty otrzymuję zniżki Widzę, że nieco oszczędzam! Oni otrzymują informacje o mnie Dopasowują reklamy do moich nawyków zakupowych Reklama działa wydaję więcej pieniędzy!

27 WNIOSKOWANIE PRZEZ ANALOGIĘ A : B :: C : D

28 WNIOSKOWANIE PRZEZ ANALOGIĘ 2 : 6 :: 3 : x

29 WNIOSKOWANIE PRZEZ ANALOGIĘ Tak jak zasypiamy : Tak się budzimy ATENAGORAS :: Tak gdy umieramy : Zmartwychwstajemy

30 WNIOSKOWANIE PRZEZ ANALOGIĘ MICROSOFT : Kanibalizm zrezygnować z systemu DOS, zainwestować w Windows :: MOJA FIRMA : A B C D?

31 WNIOSKOWANIE PRZEZ ANALOGIĘ MOŻE BYĆ ZAWODNE ALINA JANOWSKA : MĘŻA CODZIENNIE RANO PRAĆ PO PYSKU :: ŻONA GOŁOTY : A B C D?

32 WARIANTY ANALOGII W POZYCJACH SZACHOWYCH AS = AR = AS = AR = ANALOGIA STRUKTURY ANALOGIA ROZWIĄZANIA BRAK ANALOGII STRUKTURY BRAK ANALOGII ROZWIĄZANIA

33 I. A I. B AS AR Gr. kontrolna Gr. eksperymentalna Gr. eksperymentalna

34 II. A II. B AS AR Gr. kontrolna Gr. eksperymentalna Gr. eksperymentalna

35 III. A III. B AS AR Gr. kontrolna Gr. eksperymentalna Gr. eksperymentalna

36 IV. A IV. B AS AR Gr. kontrolna Gr. eksperymentalna Gr. eksperymentalna

37 DZIEWIĘĆ WSKAŹNIKÓW

38 1.H:h8 Wb5 1.H:h8 Wb5 2.b4 W:b4+ 3.a:b4 H:b4+ 4.Ka1 Ha3+ 5.Kb1 Ha2 mat 1.H:h8 2.Ka1 W:b2 3.c4 Hb3 + 1.H:h8 Wb5 2.Wce1 W:b2+ 3.Kc1 Wb1+ 4.Kd2 Ha5 + 1.H:h8 Wb5 + 1.H:h8 Wb5 + 1.H:h8 Wb5 2.Wce1 W:b2+ 3.Kc1 Wb1+ 4.Kd2 + 1.He5 1.Hf4 1.Hg3 1.W:f7 DRZEWO DECYZYJNE

39 M ILOŚĆ POSUNIĘĆ

40 d 1.H:h8 Wb5 d 1.H:h8 Wb5 2.b4 W:b4+ 3.a:b4 H:b4+ 4.Ka1 Ha3+ 5.Kb1 Ha2 mat d 1.H:h8 2.Ka1 W:b2 3.c4 Hb3 + d 1.H:h8 Wb5 2.Wce1 W:b2+ 3.Kc1 Wb1+ 4.Kd2 Ha5 + d 1.H:h8 Wb5 + d 1.H:h8 Wb5 + d 1.H:h8 Wb5 2.Wce1 W:b2+ 3.Kc1 Wb1+ 4.Kd2 + b 1.He5 e 1.Hf4 f 1.Hg3 a 1.W:f7 Dmax = 10 pół-posunięć = najdłuższy wariant

41 Samoloty to interesujący wynalazek, ale pod względem militarnym bezwartościowy. Ferdinand Foch, Marszałek Francji, 1911

42 Nie ma żadnego powodu, by ludzie używali komputerów w domu. Kenneth Olsen, Prezes firmy Digital Equipment, 1977

43 d 1.H:h8 Wb5 d 1.H:h8 Wb5 2.b4 W:b4+ 3.a:b4 H:b4+ 4.Ka1 Ha3+ 5.Kb1 Ha2 mat d 1.H:h8 2.Ka1 W:b2 3.c4 Hb3 + d 1.H:h8 Wb5 2.Wce1 W:b2+ 3.Kc1 Wb1+ 4.Kd2 Ha5 + d 1.H:h8 Wb5 + d 1.H:h8 Wb5 + d 1.H:h8 Wb5 2.Wce1 W:b2+ 3.Kc1 Wb1+ 4.Kd2 + b 1.He5 e 1.Hf4 f 1.Hg3 a 1.W:f7 N = 11 GAŁĘZIE DRZEWA DECYZYJNEGO

44 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA PRZYKŁAD d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a

45 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a A = 5 OPCJE

46 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a N = 53 GAŁĘZIE DRZEWA DECYZYJNEGO

47 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a Pmax = 29 NAJCZĘŚCIEJ ROZPATRYWANA OPCJA

48 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a P ser = 25 OPCJA ROZPATRYWANA W JEDNEJ, NAJDŁUŻSZEJ SERII

49 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a nn = 8 PRZEJŚCIA OD JEDNEJ OPCJI DO DRUGIEJ

50 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a T = 320 CZAS

51 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a W = 0 lub 1 WARTOŚĆ POSUNIĘCIA

52 FORMUŁA SUKCESYWNYCH PROPOZYCJI ROZWIĄZANIA d-d-d-d-d-d-d-d-b-e-f-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-a-aa-a-a-a-a-b-b-b-b-b-b-b-b-b-b-b-b-a-b-a-a-a PODSUMOWANIE WSKAŹNIKÓW M N A D max nn P max P ser T W

53 IV. PROBLEMY BADAWCZE

54 PROBLEMY BADAWCZE 1) Czy ranking szachistów istotnie koreluje ze strategią ich myślenia podczas rozwiązywania złożonych problemów szachowych? 2500 pkt pkt pkt. M nn N A D max T P max P ser W

55 PROBLEMY BADAWCZE RANKING WSKAŹNIKI 2500 pkt pkt pkt. M nn N A D max T P max P ser W

56 PROBLEMY BADAWCZE 2) Czy szachiści o różnych kategoriach szachowych różnią się między sobą strategiami myślenia? AM + MM KM M nn N A D max T P max P ser W

57 PROBLEMY BADAWCZE KATEGORIA WSKAŹNIKI AM + MM KM M nn N A D max T P max P ser W

58 PROBLEMY BADAWCZE 3) Czy szachiści, którzy wybrali dobre, albo złe rozwiązanie, różnią się strategiami myślenia? 0 1 M nn N P max A P ser D max T W

59 PROBLEMY BADAWCZE WARTOŚĆ WSKAŹNIKI 0 1 M nn N P max A P ser D max T W

60 PROBLEMY BADAWCZE 4) Czy grupa eksperymentalna, mająca wcześniejsze doświadczenia z ekspozycją bodźca analogicznego w sytuacji źródłowej, w sytuacji docelowej różni się istotnie strategiami myślenia od grupy kontrolnej, która takiego bodźca nie miała? M nn N P max A P ser D max T W

61 PROBLEMY BADAWCZE BODZIEC WSKAŹNIKI M nn N P max A P ser D max T W

62 PROBLEMY BADAWCZE 5) Czy strategie myślenia szachistów przy wyborze pierwszego posunięcia różnią się istotnie od strategii myślenia przy wyborach następnych posunięć? M nn N A D max T P max P ser W

63 PROBLEMY BADAWCZE posunięcie WSKAŹNIKI M nn N A D max T P max P ser W

64 PROBLEMY BADAWCZE 6) Czy strategie myślenia szachistów i szachistek, rozwiązujących problemy szachowe, istotnie różnią się między sobą? M nn N P max A P ser D max T W

65 PROBLEMY BADAWCZE MĘŻCZYŹNI / KOBIETY WSKAŹNIKI M nn N P max A P ser D max T W

66 PROBLEMY BADAWCZE 7) Czy szachiści i szachistki różnią się subiektywnym stopniem pewności dokonywanych wyborów?

67 PROBLEMY BADAWCZE STOPIEŃ PEWNOŚCI WYBORÓW

68 V. WYNIKI

69 1. WYNIKI: RANKING 2500 pkt pkt pkt.

70 M1 N1 P max 1 P ser D max T

71 Pos. 2. i / 18 Wartość ujemna

72 N1 M1 Dmax1 Pser1 Pmax1 Czas1 RANKING Korelacja Pearsona Istotność (dwustronna),276(**),284(**),002,001,304(**),216(*),262(**),188(*),000,014,003,034 Korelacja rankingu z wybranymi wskaźnikami myślenia szachistów. N = 32

73 RANKING Strategia silniejszych szachistów: Maksimum operacji na wejściu minimum na wyjściu M1 N1 P max 1 P ser D max T 1. pos. 2. pos. 3. pos.

74 2. WYNIKI: KATEGORIE SZACHOWE ARCYMIMISTRZOWIE MISTRZOWIE MIĘDZYNARODOWI vs. KANDYDACI NA MISTRZÓW

75 W grupie kobiet brak różnic. KATEGORIE SZACHOWE Grupa Silniejsza AM + MM Słabsza KM Średnia Wskaźnik A rozważane opcje Odchylenie standardowe Błąd standardowy średniej 5,00 2,140,378 3,97 1,787,316 Mężczyźni. Porównanie grupy silniejszej (AM + MM) i słabszej (KM). F = 0,493; istotność = 0,485; t = 2,092; df = 62; poziom istotności = 0,041.

76 KATEGORIE SZACHOWE Strategia silniejszych szachistów: Patrzeć szerzej A1

77 3. WYNIKI: SKUTECZNOŚĆ 0 1

78 Dmax Najdłuższy obliczony wariant ŚREDNIA DŁUGOŚĆ NAJDŁUŻSZEGO OBLICZANEGO WARIANTU GRUPA NIESKUTECZNA (0) 12,73 pos. GRUPA SKUTECZNA (1) 10,98 pos.

79 Wskaźnik myślenia Dmax1 a wartość posunięcia (0 lub 1). Dmax1 Test t równości średnich t df Istotność (dwustronna, założono równość wariancji) 2, ,040 Wskaźnik myślenia Dmax1 a wartość posunięcia (0 lub 1). N = 32. Dla skuteczności myślenia w złożonej sytuacji gry w szachy nie jest istotna umiejętność dalekiego obliczania wariantów (Dmax). Mogę być sprawny w dalekim liczeniu wariantu, ale kierunek może być mylny.

80 GRUPA KOBIET SKUTECZNYCH WARTOŚĆ POSUNIĘCIA = 1

81 Grupa kobiet, które wybrały najsilniejsze posunięcie (wartość = 1), różnice między grupą eksperymentalną i kontrolną. Wskaźniki t df Istotność (dwustronna) RAN 1,290 20,212 M1* 2,964 16,884,009 Pser1* 2,486 19,784,022 Dmax1 2,644 20,016 Czas1 2,054 20,053 Istotność różnic dla grupy kobiet, które wybrały najsilniejsze posunięcie (wartość = 1), grupa eksperymentalna i kontrolna. N = 22 pozycje.

82 Statystyczna istotność różnic dla grupy kobiet, które wybrały najsilniejsze pierwsze posunięcie wskaźniki ich strategii poszukiwania informacji przy wyborze trzeciego posunięcia, różnice między grupą eksperymentalną i kontrolną. Wskaźniki t df Istotność (dwustronna) N3* -2,940 9,401,016 A3-3,472 20,002 nn3-4,009 20,001 M3-3,143 20,005 Pser3-2,367 20,028 Pmax3-2,277 20,034 Czas3-3,515 20,002

83 GRUPA KOBIET SKUTECZNYCH WARTOŚĆ POSUNIĘCIA = 1 Strategia grupy eksperymentalnej oparta jest na większej ilości przetwarzanych danych w pierwszym posunięciu. W trzecim posunięciu pracowitsza staje się grupa kontrolna w siedmiu wskaźnikach przewyższa grupę eksperymentalną! Większa aktywizacja grupy kontrolnej przy wyborze trzeciego posunięcia

84 4. WYNIKI: GRUPA EKSPERYMENTALNA GRUPA KONTROLNA

85 200,00 M - Ilość wszystkich rozpatrywanych posunięć (średnia) 180,00 160,00 140,00 120,00 163,58 100,00 80,00 112,92 60,00 40,00 20,00 0,00 Grupa eksperymentalna Grupa kontrolna

86 70,00 N - Ilość gałęzi w drzewie decyzyjnym (średnia) 60,00 50,00 57,94 40,00 30,00 44,05 20,00 10,00 0,00 Grupa eksperymentalna Grupa kontrolna

87 Dmax - Nadłuższy rozpatrywany wariant (średnia) ,14 10, Grupa eksperymentalna Grupa kontrolna

88 45,00 Pmax - Najczęściej rozpatrywana opcja (średnia) 40,00 35,00 41,17 30,00 25,00 20,00 26,66 15,00 10,00 5,00 0,00 Grupa eksperymentalna Grupa kontrolna

89 35,00 Pser - Najdłużej rozpatrywana opcja (średnia) 30,00 25,00 29,17 20,00 15,00 18,50 10,00 5,00 0,00 Grupa eksperymentalna Grupa kontrolna

90 1 000,00 Czas1 - Średnia (sek.) 900,00 800,00 864,05 700,00 600,00 500,00 608,41 400,00 300,00 200,00 100,00 0,00 Grupa eksperymentalna Grupa kontrolna

91 Statystyki dla wskaźników myślenia w grupie eksperymentalnej (E) i kontrolnej (K) w pierwszym posunięciu ogółem, mężczyźni i kobiety, N = 32. Test t równości średnich Wskaźniki t df Istotność (dwustronna) M1 3, ,002 N1 2, ,010 Pmax1 3, ,000 Pser1 3, ,001 Dmax1 2, ,008 Czas1* 3, ,185,001 Grupa E: rozpatrywała więcej posunięć (M1), analizowała więcej gałązek drzewa gry (N1), potrafiła dalej policzyć wariant (Dmax1), dłużej i częściej koncentrowała się nad wybranym posunięciem (Pser1, Pmax1), dłużej zastanawiała się na wyborem (Czas1).

92 Strategia grupy eksperymentalnej oparta jest na większej ilości przetwarzanych danych. W trzecim posunięciu pracowitsza staje się grupa kontrolna we wszystkich ośmiu wskaźnikach przewyższa grupę eksperymentalną! Większa aktywizacja grupy kontrolnej przy wyborze trzeciego posunięcia REGUŁA WZAJEMNOŚCI?

93 GRUPA KOBIET: PORÓWNANIE GRUPY EKSPERYMENTALNEJ I KONTROLNEJ Wskaźniki t df Istotność (dwustronna) RAN,164 62,870 M1* 3,432 54,830,001 N1* 2,931 51,420,005 A1-2,153 62,035 nn1-1,050 62,298 Pmax1* 4,196 44,383,001 Pser1* 4,267 42,276,001 Dmax1 2,883 62,005 Czas1* 2,616 52,266,012 Statystyczna istotność wskaźników myślenia kobiet porównanie grupy eksperymentalnej i kontrolnej. N = 16. Grupa Średnia Błąd standardowy średniej A1 E 4,66 2,223 K 5,72 1,689

94 KOBIETY Z GRUPY EKSPERYMENTALNEJ Strategia kobiet z grupy eksperymentalnej: Intensywniej badać rzeczywistość. KOBIETY M 1 N 1 Dmax Z GRUPY KONTROLNEJ Strategia kobiet z grupy kontrolnej: Szukać szerzej rozwiązań. A1

95 5. WYNIKI: Sekwencja trzech posunięć

96 70,00 60,00 50,00 40,00 30,00 20,00 10,00 0,00 N1 N2 N3 Mężczyźni Kobiety M N Dmax T

97

98

99

100

101

102

103 GENERALNA STRATEGIA GRADIENT CELU Gradient celu. Wzmożona aktywność eksploracyjna 1. posunięcie 3. posunięcie Wzmożona aktywność eksploracyjna Obniżona aktywność eksploracyjna 2. posunięcie

104 6. WYNIKI: MĘŻCZYŹNI KOBIETY

105 Statystyczna istotność różnic pomiędzy wskaźnikami myślenia mężczyzn i kobiet przy wyborze pierwszego posunięcia ogółem. N = 32. Wskaźniki t df Istotność (dwustronna) M1 3, ,003 N1 2, ,005 A1-1, ,052 Pmax1 2, ,003 Pser1 2, ,008 Dmax1 4, ,001

106 Statystycznie istotne różnice pomiędzy mężczyznami i kobietami przy wyborze trzeciego posunięcia. N = 32. Wskaźniki t df Istotność (dwustronna) A3-2, ,037 nn3-2, ,004

107 Statystycznie istotne różnice pomiędzy mężczyznami i kobietami w grupie kontrolnej przy wyborze pierwszego posunięcia. N = 16. Wskaźniki t df Istotność (dwustronna) M1* 2,991 50,509,004 N1* 2,915 48,487,005 A1-3,684 62,001 nn1-2,046 62,045 Pmax1* 3,634 43,702,001 Pser1* 4,291 47,140,001 Dmax1 3,659 62,001

108 MĘŻCZYŹNI KOBIETY Ranking: Kobiety 2248 Mężczyźni 2213 Kobiety A = 5,28 Mężczyźni A = 4,00 F (jednorodność wariancji) = 0,319, p.i. (F) = 0,576, t=2,71, df=62, p 0,009.

109 KOBIETY Z GRUPY EKSPERYMENTALNEJ Strategia kobiet z grupy eksperymentalnej: Intensywniej badać rzeczywistość. KOBIETY M 1 N 1 Dmax Z GRUPY KONTROLNEJ Strategia kobiet z grupy kontrolnej: Szukać szerzej rozwiązań. A1

110 MĘŻCZYŹNI Dmax STRATEGIE KOBIETY A

111 MĘŻCZYŹNI - KOBIETY Mężczyźni: zmiana trendu od wstępnej aktywności do wyciszenia informacyjnego. Wzmożona aktywność eksploracyjna 1. posunięcie Obniżona aktywność eksploracyjna 3. posunięcie 2. posunięcie MUHAMMAD YUNUS? Kobiety: Aktywność eksploracyjna w kształcie litery U. Wzmożona aktywność eksploracyjna 1. posunięcie 3. posunięcie Wzmożona aktywność eksploracyjna Obniżona aktywność eksploracyjna 2. posunięcie

112 7. WYNIKI: PEWNOŚĆ WYBORU Stopień pewności dokonanych wyborów posunięć i ocen w ujęciu mężczyzn i kobiet. N = 32. t df Istotność (dwustronna) Stopień pewności badanego, że to jest najlepsze posunięcie w tej pozycji posunięcie 1. -2, ,596,020

113 WYNIKI: SKALOWANIE WIELOWYMIAROWE

114 Wymiar 1: Czynności eksploracyjne Czynności porządkujące. Wymiar 2: Poszukiwanie w głąb Poszukiwanie wszerz.

115 Wymiar Wymiar 1: Czynności eksploracyjne Czynności porządkujące M, N, Dmax, Pmax, Pser A, nn Wszyscy badani 1. posunięcie Dmax1 A1 Pser1 nn1 M1 Pmax1 N1 Czas Wymiar 1

116 Wymiar Wymiar 2: Poszukiwanie w głąb Poszukiwanie wszerz Dmax N Wszyscy badani 1. posunięcie Dmax1 A1 Pser1 nn1 M1 Pmax1 N1 Czas Wymiar 1

117 Wymiar Wszyscy badani 1. posunięcie Dmax1 A1 Pser1 nn1 M1 Pmax1 N1 Czas Wymiar 1

118 Wymiar Wymiar Wskaźniki myślenia skalowanie wielowymiarowe dla pierwszego posunięcia grupa mężczyzn i kobiet. Mężczyźni 1. posunięcie Kobiety 1. posunięcie N1 Czas1 Pmax1 Pser1 Czas1 M1 A1 nn1 M1 nn1 N1 Dmax1 Pmax1 Dmax1 A1 Pser Wymiar Wymiar 1

119 Wymiar Mężczyźni 1. posunięcie N1 Czas1 Pmax1 Pser1 M1 A1 nn1 Dmax Wymiar 1

120 Wymiar Kobiety 1. posunięcie Czas1 M1 nn1 N1 Dmax1 Pmax1 A1 Pser Wymiar 1

121 VI. PERSPEKTYWY

122 DZIEWIĘĆ WSKAŹNIKÓW

123

124 NOWE NURTY BADAŃ PSYCHOLOGIA MYŚLENIA W SZACHACH DZISIAJ (DZIECI, MŁODZIEŻ I DOROŚLI) MYŚLENIE NA SKRÓTY METODY: BADANIE RUCHÓW GAŁEK OCZNYCH REAKCJA SKÓRNO GALWANICZNA (ROLA EMOCJI) NEUROOBRAZOWANIE

125 WDZIĘCZNOŚĆ

126 DZIĘKUJĘ!

WARTOŚCI EDUKACYJNE I WYCHOWAWCZE NAUCZANIA GRY W SZACHY

WARTOŚCI EDUKACYJNE I WYCHOWAWCZE NAUCZANIA GRY W SZACHY WARTOŚCI EDUKACYJNE I WYCHOWAWCZE NAUCZANIA GRY W SZACHY GORZÓW WLKP. ZIELONA GÓRA 2015 Jan Przewoźnik I CHARAKTERU POSTULAT SZACHY SZKOŁĄ MYŚLENIA PLAN SPOTKANIA I. MEMENTO W CYFROWEJ ERZE II. NEURODYDAKTYKA

Bardziej szczegółowo

TRENING MISTRZOSTWA OSOBISTEGO KURS INSTRUKTORA SPORTOWEGO

TRENING MISTRZOSTWA OSOBISTEGO KURS INSTRUKTORA SPORTOWEGO TRENING MISTRZOSTWA OSOBISTEGO KURS INSTRUKTORA SPORTOWEGO Jan Przewoźnik TRENING MISTRZOSTWA OSOBISTEGO Pojęcie, metodyka zajęć i zasób ćwiczeń w zakresie techniki gry Jan Przewoźnik XABCDEFGHY 8-+-+-+-+(

Bardziej szczegółowo

EFEKTYWNY TRENING SZACHOWY. Jan Przewoźnik

EFEKTYWNY TRENING SZACHOWY. Jan Przewoźnik EFEKTYWNY TRENING SZACHOWY Jan Przewoźnik I. WPROWADZENIE PRZEWIDYWANIE! Samoloty to interesujący wynalazek, ale pod względem militarnym bezwartościowy. Ferdinand Foch, Marszałek Francji, 1911 Nie ma

Bardziej szczegółowo

MISTRZOWSKIE WARSZTATY SZACHOWE. Jan Przewoźnik

MISTRZOWSKIE WARSZTATY SZACHOWE. Jan Przewoźnik MISTRZOWSKIE WARSZTATY SZACHOWE Jan Przewoźnik I. WPROWADZENIE PRZEWIDYWANIE! Samoloty to interesujący wynalazek, ale pod względem militarnym bezwartościowy. Ferdinand Foch, Marszałek Francji, 1911 Nie

Bardziej szczegółowo

WYBRANE ZAGADNIENIA PSYCHOLOGII SZACHÓW

WYBRANE ZAGADNIENIA PSYCHOLOGII SZACHÓW WYBRANE ZAGADNIENIA PSYCHOLOGII SZACHÓW PUŁAWY 2015 Jan Przewoźnik i Specjaliści na sali WPROWADZENIE CZTERY INSPIRACJE I. MOTYWACJA NEURODYDAKTYKA MANFRED SPITZER MARZENA ŻYLIŃSKA II. PERCEPCJA III. MISTRZOSTWO

Bardziej szczegółowo

SZKOŁA MYŚLENIA PODKARPACKIE CENTRUM DOSKONALENIA NAUCZYCIELI

SZKOŁA MYŚLENIA PODKARPACKIE CENTRUM DOSKONALENIA NAUCZYCIELI Królewska gra SZACHY Dlaczego warto wprowadzać szachy do szkół SZKOŁA MYŚLENIA PODKARPACKIE CENTRUM DOSKONALENIA NAUCZYCIELI dr Jan Przewoźnik WPROWADZENIE ZAKTYWIZUJ W SOBIE WEWNĘTRZNE DZIECKO Rodzic

Bardziej szczegółowo

TRENING MISTRZOSTWA OSOBISTEGO

TRENING MISTRZOSTWA OSOBISTEGO TRENING MISTRZOSTWA OSOBISTEGO KURS INSTRUKTORA SPORTU SZACHOWEGO Jan Przewoźnik TRENING MISTRZOSTWA OSOBISTEGO WPROWADZENIE Jan Przewoźnik DOŚWIADCZENIA Psychologia biznesu i sportu 22 (34) lata na rynku

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane

Bardziej szczegółowo

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy

Bardziej szczegółowo

Jak wybrać 45 najlepszych prezentacji na FORUM?

Jak wybrać 45 najlepszych prezentacji na FORUM? Być data driven company w erze Big Data. Jak wybrać 45 najlepszych prezentacji na FORUM? Doświadczenia z budowy platformy do prowadzenia na dużą skalę eksperymentów A/B Joanna Radosław Komuda, Kita, IAB

Bardziej szczegółowo

Prof. dr hab. Mariusz Jędrzejko Szkoła Główna Gospodarstwa Wiejskiego Mazowieckie Centrum Profilaktyki Uzależnień. Small and Big Digital Native

Prof. dr hab. Mariusz Jędrzejko Szkoła Główna Gospodarstwa Wiejskiego Mazowieckie Centrum Profilaktyki Uzależnień. Small and Big Digital Native Prof. dr hab. Mariusz Jędrzejko Szkoła Główna Gospodarstwa Wiejskiego Mazowieckie Centrum Profilaktyki Uzależnień MCPU Small and Big Digital Native Program badawczy Small Digital Native 70 60 50 40 30

Bardziej szczegółowo

Wpływ ekranów na rozwój dzieci. opracowanie: psycholog szkolny Judyta Janic

Wpływ ekranów na rozwój dzieci. opracowanie: psycholog szkolny Judyta Janic Wpływ ekranów na rozwój dzieci opracowanie: psycholog szkolny Judyta Janic Z badań wynika, że coraz młodsze dzieci mają kontakt z Internetem 20% dzieci w wieku 1-2 lat miało kontakt z Internetem (lub 40%

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( 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 szczegółowo

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1. Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA 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 szczegółowo

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej.

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Temat: WYKRYWANIE ODCHYLEO W DANYCH Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Przykładem Box Plot wygodną metodą

Bardziej szczegółowo

Wykład 9 Wnioskowanie o średnich

Wykład 9 Wnioskowanie o średnich Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i

Bardziej szczegółowo

Akademia Młodego Ekonomisty

Akademia Młodego Ekonomisty Akademia Młodego Ekonomisty Strategie inwestycyjne na rynku kapitałowym Inwestowanie na rynku Bartek Majewski Szkoła Główna Handlowa w Warszawie 11 października 2011 r. JAK POMNAŻAĆ BOGACTWO? Oszczędzanie

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

ZMIDEX analiza zdolności prognostycznej

ZMIDEX analiza zdolności prognostycznej ZMIDEX analiza zdolności prognostycznej 1 KURS ZAMKNIECIA WIG 40000 45000 50000 55000 ZMIDEX, a poziom indeksu ZMIDEX vs. WIG Regresja Liniowa (KMRL) Istotny dodatni związek ZMIDEX-u ze wszystkimi badanymi

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 5 Anna Skowrońska-Szmer lato 2016/2017 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją jako prawdziwą

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne Czyli jak bardzo jesteśmy pewni że parametr oceniony na podstawie próbki jest

Bardziej szczegółowo

Spis 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. 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 szczegółowo

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY

Bardziej szczegółowo

MATRYCA EFEKTÓW KSZTAŁCENIA

MATRYCA 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 szczegółowo

TRENING MISTRZOSTWA OSOBISTEGO KURS INSTRUKTORA SPORTOWEGO

TRENING MISTRZOSTWA OSOBISTEGO KURS INSTRUKTORA SPORTOWEGO TRENING MISTRZOSTWA OSOBISTEGO KURS INSTRUKTORA SPORTOWEGO Jan Przewoźnik TRENING MISTRZOSTWA OSOBISTEGO ZAGADNIENIA PSYCHOLOGICZNE 1. Psychologiczne koncepcje człowieka PSYCHOLOGIA... PODEJŚCIE NOMOTETYCZNE

Bardziej szczegółowo

Żródło:

Żródło: Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Test

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych

Bardziej szczegółowo

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA 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 szczegółowo

Wszystkie wyniki w postaci ułamków należy podawać z dokładnością do czterech miejsc po przecinku!

Wszystkie wyniki w postaci ułamków należy podawać z dokładnością do czterech miejsc po przecinku! Pracownia statystyczno-filogenetyczna Liczba punktów (wypełnia KGOB) / 30 PESEL Imię i nazwisko Grupa Nr Czas: 90 min. Łączna liczba punktów do zdobycia: 30 Czerwona Niebieska Zielona Żółta Zaznacz znakiem

Bardziej szczegółowo

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

weryfikacja 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 szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE

Bardziej szczegółowo

Kierunki rozwoju firmy Decyzje o wyborze rynków Decyzje inwestycyjne Rozwój nowych produktów Pozycjonowanie. Marketing strategiczny

Kierunki rozwoju firmy Decyzje o wyborze rynków Decyzje inwestycyjne Rozwój nowych produktów Pozycjonowanie. Marketing strategiczny Badania marketingowe dr Grzegorz Mazurek Istota badań Podejmowanie decyzji odbywa się na bazie doświadczenia, wiedzy oraz intuicji. Podejmowanie decyzji wiąże się automatycznie z ryzykiem poniesienia porażki

Bardziej szczegółowo

Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości

Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości Informatyka 007 009 aktualizacja dla 00 JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Plan wykładu. Przypomnienie testu dla

Bardziej szczegółowo

Zastosowanie Excela w matematyce

Zastosowanie Excela w matematyce Zastosowanie Excela w matematyce Komputer w dzisiejszych czasach zajmuje bardzo znamienne miejsce. Trudno sobie wyobrazić jakąkolwiek firmę czy instytucję działającą bez tego urządzenia. W szkołach pierwsze

Bardziej szczegółowo

Statystyka 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 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 szczegółowo

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 3

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 3 Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 3 Konrad Miziński, nr albumu 233703 26 maja 2015 Zadanie 1 Wartość krytyczna c, niezbędna wyliczenia mocy testu (1 β) wyznaczono za

Bardziej szczegółowo

Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich

Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Nazwa

Bardziej szczegółowo

Zadania ze statystyki cz.8. Zadanie 1.

Zadania ze statystyki cz.8. Zadanie 1. Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,

Bardziej szczegółowo

12/30/2018. Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie. Estymacja Testowanie hipotez

12/30/2018. Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie. Estymacja Testowanie hipotez Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie Wyznaczanie przedziału 95%CI oznaczającego, że dla 95% prób losowych następujące nierówności są prawdziwe: X t s 0.025 n < μ < X + t s

Bardziej szczegółowo

Sylabus. Zaawansowana analiza danych eksperymentalnych (Advanced statistical analysis of experimental data)

Sylabus. Zaawansowana analiza danych eksperymentalnych (Advanced statistical analysis of experimental data) Sylabus Nazwa przedmiotu (w j. polskim i angielskim) Nazwisko i imię prowadzącego (stopień i tytuł naukowy) Rok i semestr studiów Zaawansowana analiza danych eksperymentalnych (Advanced statistical analysis

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją

Bardziej szczegółowo

Analiza wariancji. dr Janusz Górczyński

Analiza wariancji. dr Janusz Górczyński Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -

Bardziej szczegółowo

Badania marketingowe. - Konspekt wykładowy

Badania marketingowe. - Konspekt wykładowy Badania marketingowe - Konspekt wykładowy Badania marketingowe w logistyce Zakres materiału do egzaminu: 1. Wprowadzenie do przedmiotu - istota, przesłanki oraz użyteczność badań marketingowych 2. Informacja

Bardziej szczegółowo

8.1. Syndrom wypalenia zawodowego a dopasowanie do środowiska pracy - analiza korelacji. Rozdział 8. Dane uzyskane w badaniach

8.1. Syndrom wypalenia zawodowego a dopasowanie do środowiska pracy - analiza korelacji. Rozdział 8. Dane uzyskane w badaniach W tej części pracy przedstawione zostały dane zebrane w badaniach wraz z ich statystycznym opracowaąiem mającym na celu zbadanie, czy zachodzą zależności pomiędzy dopasowaniem do środowiska pracy a wypaleniem

Bardziej szczegółowo

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem

Bardziej szczegółowo

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Zadanie Zbadano satysfakcję z życia w skali 1 do 10 w dwóch grupach rodziców: a) Rodzice dzieci zdrowych oraz b) Rodzice dzieci z niepełnosprawnością

Bardziej szczegółowo

NADUŻYWANIE INTERNETU Szymon Wójcik

NADUŻYWANIE INTERNETU Szymon Wójcik NADUŻYWANIE INTERNETU Szymon Wójcik Szymon.wojcik@fdds.pl Materiał filmowy: Reklama Windows Phone Really? https://www.youtube.com/watch?v=55kophd64r8 Panika moralna? Plan prezentacji Definicja zjawiska

Bardziej szczegółowo

Percepcja profilaktyki szkolnej i domowej wśród nastolatków Mira Prajsner

Percepcja profilaktyki szkolnej i domowej wśród nastolatków Mira Prajsner OFERTA BADAWCZA Percepcja profilaktyki szkolnej i domowej wśród nastolatków Mira Prajsner Konsultacja Naukowa: dr Ewa Stępień Kontakt telefoniczny: 0 604 634 580 Kontakt mailowy: mirabo@mirabo.pl; miraprajs@o2.pl

Bardziej szczegółowo

Projekt: Wielowymiarowy analityczny trening w edukacji

Projekt: Wielowymiarowy analityczny trening w edukacji Projekt: Wielowymiarowy analityczny trening w edukacji MULTIDIMENSIONAL ANALYTICAL TRAINING in EDUCATION (MATE) ZAPROSZENIE DO WSPÓŁPRACY Projekt MATE realizowany w ramach programu Erasmus + Partnerstwa

Bardziej szczegółowo

Badania marketingowe 2016_12. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski

Badania marketingowe 2016_12. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Badania marketingowe 2016_12 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 9 i 10 Magdalena Alama-Bućko 14 i 21 maja 2018 Magdalena Alama-Bućko Statystyka matematyczna 14 i 21 maja 2018 1 / 25 Hipotezy statystyczne Hipoteza statystyczna nazywamy

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA 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 szczegółowo

"Edukacyjne ferie z CENem"

Edukacyjne ferie z CENem Umiejętność sprawnego posługiwania się TIK jako kompetencja kluczowa XXI wieku SEMINARIUM "Edukacyjne ferie z CENem" Zdzisław Babicz Białystok, 28.01.2014 Plan wystąpienia Jak uczymy? Kogo uczymy? Czego

Bardziej szczegółowo

Cechy dobrego negocjatora NEGOCJACJE

Cechy dobrego negocjatora NEGOCJACJE NEGOCJACJE AGENDA 1. Istota negocjacji wprowadzenie 2. Konflikty i ich uwarunkowania 3. Style i strategie negocjacyjne 4. Proces i reguły negocjacji 5. Komunikacja w negocjacjach 6. Trudne sytuacje negocjacyjne

Bardziej szczegółowo

Znaczenie więzi w rodzinie

Znaczenie więzi w rodzinie Znaczenie więzi w rodzinie Instytut Psychologii KUL Dagmara Musiał WPROWADZENIE Na proces budowania więzi w rodzinie można spojrzeć z wielu perspektyw naukowych Użytecznym paradygmatem jest paradygmat

Bardziej szczegółowo

Pozyskiwanie wiedzy z danych

Pozyskiwanie 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 szczegółowo

Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści

Statystyka 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 szczegółowo

Wydział Nauk o Zdrowiu. Kierunek: Zdrowie Publiczne. Poziom studiów: drugi. Profil: ogólny

Wydział Nauk o Zdrowiu. Kierunek: Zdrowie Publiczne. Poziom studiów: drugi. Profil: ogólny LISTA PRZEDMIOTÓW, KTÓRE MOGĄ BYĆ UZNANE NA PODSTAWIE OCENY EFEKTÓW UCZENIA SIĘ ZDOBYTYCH NA DRODZE EDUKACJI POZAFORMALNEJ I NIEFORMALNEJ NA ROK AKADEMICKI 2016/2017 Wydział Nauk o Zdrowiu Kierunek: Zdrowie

Bardziej szczegółowo

Statystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35

Statystyka. 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 szczegółowo

Zawartość. Zawartość

Zawartość. Zawartość Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH Co to są hipotezy statystyczne? Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej. Dzielimy je

Bardziej szczegółowo

Badania marketingowe

Badania marketingowe Badania marketingowe Dr hab. prof. SGH Katedra Rynku i Marketingu SGH teresataranko@o2.pl Konsultacje pokój 302 Madalińskiego 6/8 Wtorek -15.00-16.00 Struktura problematyki 1. Definicja i funkcje badań

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

Bardziej szczegółowo

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X

Bardziej szczegółowo

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9 Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli

Bardziej szczegółowo

Zjawisko dopasowania w sytuacji komunikacyjnej. Patrycja Świeczkowska Michał Woźny

Zjawisko dopasowania w sytuacji komunikacyjnej. Patrycja Świeczkowska Michał Woźny Zjawisko dopasowania w sytuacji komunikacyjnej Patrycja Świeczkowska Michał Woźny 0.0.0 pomiar nastroju Przeprowadzone badania miały na celu ustalenie, w jaki sposób rozmówcy dopasowują się do siebie nawzajem.

Bardziej szczegółowo

Projekt: Wielowymiarowy analityczny trening w edukacji

Projekt: Wielowymiarowy analityczny trening w edukacji Projekt: Wielowymiarowy analityczny trening w edukacji MULTIDIMENSIONAL ANALYTICAL TRAINING in EDUCATION (MATE) ZAPROSZENIE DO WSPÓŁPRACY Projekt MATE realizowany w ramach programu Erasmus + Partnerstwa

Bardziej szczegółowo

Przedsiębiorczość i Podejmowanie Ryzyka. Zajęcia 1

Przedsiębiorczość i Podejmowanie Ryzyka. Zajęcia 1 Przedsiębiorczość i Podejmowanie Ryzyka Zajęcia 1 Zaliczenie Obecność Reguły gry: - Obecność obowiązkowa - kartkówki tylko w nagłych wypadkach (w wypadku niepożądanej aktywności) - Prace domowe (oddawane

Bardziej szczegółowo

REGRESJA (postać liniowa funkcji) - ROZWIĄZANIA Komentarze kursywą, rozwiązania oraz treści zadań pismem prostym.

REGRESJA (postać liniowa funkcji) - ROZWIĄZANIA Komentarze kursywą, rozwiązania oraz treści zadań pismem prostym. REGRESJA (postać liniowa funkcji) - ROZWIĄZANIA Komentarze kursywą, rozwiązania oraz treści zadań pismem prostym. Zadanie 1 W celu ustalenia zależności między liczbą braków a wielkością produkcji części

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Dwuczynnikowa analiza wariancji (2-way

Bardziej szczegółowo

Analiza wyników sprawdzianu szóstoklasistów w roku szkolnym 2013/2014

Analiza wyników sprawdzianu szóstoklasistów w roku szkolnym 2013/2014 Analiza wyników sprawdzianu szóstoklasistów w roku szkolnym 2013/2014 CHARAKTERYSTYKA SPRAWDZIANU Sprawdzian w klasie VI bada osiągnięcia uczniów kończących szkołę podstawową w zakresie czytania, pisania,

Bardziej szczegółowo

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania

Bardziej szczegółowo

UNIWERSYTET MEDYCZNY W LUBLINIE. Wydział Nauk o Zdrowiu. Mariola Kicia

UNIWERSYTET MEDYCZNY W LUBLINIE. Wydział Nauk o Zdrowiu. Mariola Kicia UNIWERSYTET MEDYCZNY W LUBLINIE Wydział Nauk o Zdrowiu Mariola Kicia OCENA POZIOMU LĘKU I STRESU W GRUPIE KOBIET HOSPITALIZOWANYCH Z POWODU PORONIENIA Rozprawa na stopień doktora nauk o zdrowiu Promotor:

Bardziej szczegółowo

Świadomość emerytalna. Jak żyć, aby otrzymać adekwatną emeryturę?

Świadomość emerytalna. Jak żyć, aby otrzymać adekwatną emeryturę? Świadomość emerytalna. Jak żyć, aby otrzymać adekwatną emeryturę? Alicja Jajko-Siwek Konferencja Naukowa EDUKACJA FINANSOWA Warszawa 28.09.2017 Wprowadzenie Adekwatne świadczenie emerytalne a świadomość

Bardziej szczegółowo

KARTA 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) 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 szczegółowo

EGZAMIN GIMNAZJALNY 2012 W SZKOŁACH DLA DOROSŁYCH W WOJEWÓDZTWIE ŚLĄSKIM. sesja wiosenna

EGZAMIN GIMNAZJALNY 2012 W SZKOŁACH DLA DOROSŁYCH W WOJEWÓDZTWIE ŚLĄSKIM. sesja wiosenna EGZAMIN GIMNAZJALNY 2012 W SZKOŁACH DLA DOROSŁYCH W WOJEWÓDZTWIE ŚLĄSKIM sesja wiosenna Jaworzno 2012 SPIS TREŚCI 1. WPROWADZENIE... 3 2. WYNIKI SŁUCHACZY GIMNAZJÓW DLA DOROSŁYCH DOTYCZĄCE STANDARDOWYCH

Bardziej szczegółowo

Analiza Statystyczna

Analiza 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 szczegółowo

Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,

Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej, Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (estymacja punktowa, przedziałowa)

Bardziej szczegółowo

kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2

kod 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 szczegółowo

Rola czytania w edukacji

Rola czytania w edukacji Rola czytania w edukacji 1 Formy doskonalenia w I semestrze 2017 r. Temat Termin Prowadzący KD-9 Gry literackie w szkole 18.11.2017r., 2.12.2017, godz.9.00 mgr Olga Topolewska W-49 Wykorzystanie lapbooka

Bardziej szczegółowo

A N K I E T A. Zalety i wady ankiety. wielka możliwość nieszczerych odpowiedzi przy posyłaniu ankiet pocztą wiele z nich nie wraca

A N K I E T A. Zalety i wady ankiety. wielka możliwość nieszczerych odpowiedzi przy posyłaniu ankiet pocztą wiele z nich nie wraca A N K I E T A 1 Badania ankietowe stosuje się najczęściej w celu szybkiego przebadania bardzo licznych populacji. Jest to najbardziej oszczędny sposób zbierania danych. 2 Zalety i wady ankiety zalety wady

Bardziej szczegółowo

Joanna Konieczna Repetytorium ze statystyki opisowej (materiał roboczy)

Joanna Konieczna Repetytorium ze statystyki opisowej (materiał roboczy) 1. Dana jest niekompletna macierz danych surowych zawierająca informację o zmiennych X i Y oraz rozkłady zmiennych X i Y. Uzupełnij macierz tak, aby zmienne X i Y miały w tej populacji taki rozkład, jak

Bardziej szczegółowo

Streszczenie pracy doktorskiej Autor: mgr Wojciech Wojaczek Tytuł: Czynniki poznawcze a kryteria oceny przedsiębiorczych szans Wstęp W ciągu

Streszczenie pracy doktorskiej Autor: mgr Wojciech Wojaczek Tytuł: Czynniki poznawcze a kryteria oceny przedsiębiorczych szans Wstęp W ciągu Streszczenie pracy doktorskiej Autor: mgr Wojciech Wojaczek Tytuł: Czynniki poznawcze a kryteria oceny przedsiębiorczych szans Wstęp W ciągu ostatnich kilku dekad diametralnie zmienił się charakter prowadzonej

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18

Rachunek 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 szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

Żródło: https://scepticemia.com/2012/09/21/william-gosset-a-true-student/

Żródło: https://scepticemia.com/2012/09/21/william-gosset-a-true-student/ Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Test

Bardziej szczegółowo

Zadanie 1. Za pomocą analizy rzetelności skali i wspólczynnika Alfa- Cronbacha ustalić, czy pytania ankiety stanowią jednorodny zbiór.

Zadanie 1. Za pomocą analizy rzetelności skali i wspólczynnika Alfa- Cronbacha ustalić, czy pytania ankiety stanowią jednorodny zbiór. L a b o r a t o r i u m S P S S S t r o n a 1 W zbiorze Pytania zamieszczono odpowiedzi 25 opiekunów dzieci w wieku 8. lat na następujące pytania 1 : P1. Dziecko nie reaguje na bieżące uwagi opiekuna gdy

Bardziej szczegółowo

RAPORT ZBIORCZY z diagnozy umiejętności matematycznych

RAPORT ZBIORCZY z diagnozy umiejętności matematycznych RAPORT ZBIORCZY z diagnozy umiejętności matematycznych przeprowadzonej w klasach szóstych szkół podstawowych Analiza statystyczna Wskaźnik Wartość wskaźnika Wyjaśnienie Liczba uczniów Liczba uczniów, którzy

Bardziej szczegółowo