Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1
|
|
- Weronika Piekarska
- 4 lat temu
- Przeglądów:
Transkrypt
1 Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t
2 Plan wykªadu 1 Podstawowe informacje o przedmiocie 2 Wst p do pakietu R Tomasz Suchocki, Modele liniowe... Wykªad 1 2/36
3 Plan wykªadu 1 Podstawowe informacje o przedmiocie 2 Wst p do pakietu R Mo»na (a nawet trzeba) przerywa i zadawa pytania! Tomasz Suchocki, Modele liniowe... Wykªad 1 2/36
4 Podstawowe informacje o przedmiocie Model statystyczny hipoteza lub ukªad hipotez, sformuªowanych w sposób matematyczny (odpowiednio w postaci równania lub ukªadu równa«), który przedstawia powi zania wyst puj ce pomi dzy rozpatrywanymi zjawiskami rzeczywistymi. Tomasz Suchocki, Modele liniowe... Wykªad 1 3/36
5 Podstawowe informacje o przedmiocie Model statystyczny hipoteza lub ukªad hipotez, sformuªowanych w sposób matematyczny (odpowiednio w postaci równania lub ukªadu równa«), który przedstawia powi zania wyst puj ce pomi dzy rozpatrywanymi zjawiskami rzeczywistymi. Modele statystyczne dzielimy na: liniowe np. regresja liniowa, ANOVA; nieliniowe. Tomasz Suchocki, Modele liniowe... Wykªad 1 3/36
6 Podstawowe informacje o przedmiocie - Wykªady Wykªad 1 Wprowadzenie do pakietu R Wykªad 2 Analiza regresji liniowej w pakiecie R Wykªad 3 Analiza wariancji w pakiecie R Wykªad 4 Porównywanie modeli przy pomocy kryterium informacyjnych Wykªad 5 Modele mieszane w pakiecie R Wykªad 6 Estymacja parametrów wariancji w pakiecie R Wykªad 7 Porównywanie modeli mieszanych oraz testowanie istotno±ci ich parametrów wariancji Wykªad 8 Prezentacje studentów Tomasz Suchocki, Modele liniowe... Wykªad 1 4/36
7 Podstawowe informacje o przedmiocie - wiczenia wiczenia 1 Wprowadzenie do pakietu R wiczenia 2 Analiza regresji liniowej w pakiecie R wiczenia 3 Analiza wariancji w pakiecie R wiczenia 4 Porównywanie modeli przy pomocy kryterium informacyjnych wiczenia 5 Kolokwium wiczenia 6 Modele mieszane w pakiecie R wiczenia 7 Estymacja parametrów wariancji w pakiecie R wiczenia 8 Prezentacje studentów Tomasz Suchocki, Modele liniowe... Wykªad 1 5/36
8 Podstawowe informacje o przedmiocie - Terminy Wykªady: wtorek 16:00 17:30 sala 8W wiczenia: pi tek 8:30 10:00 pi tek 10:00 11:30 pi tek 11:30 13:00 Tomasz Suchocki, Modele liniowe... Wykªad 1 6/36
9 Podstawowe informacje o przedmiocie - Terminy Terminy wykªadów i wicze«: i i i i i i i i i Tomasz Suchocki, Modele liniowe... Wykªad 1 7/36
10 Podstawowe informacje o przedmiocie - Oceny Warunki zaliczenia: kolokwium 16 punktów projekt (grupy 4-o osobowe) 16 punktów Tomasz Suchocki, Modele liniowe... Wykªad 1 8/36
11 Podstawowe informacje o przedmiocie - Oceny Warunki zaliczenia: kolokwium 16 punktów projekt (grupy 4-o osobowe) 16 punktów 16 punktów daje ocen pozytywn Tomasz Suchocki, Modele liniowe... Wykªad 1 8/36
12 Podstawowe informacje o przedmiocie - Oceny Warunki zaliczenia: kolokwium 16 punktów projekt (grupy 4-o osobowe) 16 punktów 16 punktów daje ocen pozytywn poprawki? Tomasz Suchocki, Modele liniowe... Wykªad 1 8/36
13 Podstawowe informacje o przedmiocie - Oceny Warunki zaliczenia: kolokwium 16 punktów projekt (grupy 4-o osobowe) 16 punktów 16 punktów daje ocen pozytywn poprawki? aktywno± Tomasz Suchocki, Modele liniowe... Wykªad 1 8/36
14 Podstawowe informacje o przedmiocie - Oceny Warunki zaliczenia: kolokwium 16 punktów projekt (grupy 4-o osobowe) 16 punktów 16 punktów daje ocen pozytywn poprawki? aktywno± obecno± Tomasz Suchocki, Modele liniowe... Wykªad 1 8/36
15 Podstawowe informacje o przedmiocie - Kontakt Gdzie mo»na mnie znale¹ : Katedra Genetyki (pokój 23) tomasz.suchocki@up.wroc.pl Konsultacje: wtorek 13:00 15:00 Katedra Genetyki (pokój 23) termin ustalany indywidualnie z prowadz cym Tomasz Suchocki, Modele liniowe... Wykªad 1 9/36
16 Podstawowe informacje o przedmiocie - Tomasz Suchocki, Modele liniowe... Wykªad 1 10/36
17 Wprowadzenie do R Tomasz Suchocki, Modele liniowe... Wykªad 1 11/36
18 Wprowadzenie do R Co to wogóle jest R? pakiet statystyczny mo»liwo±ci s jednak znacznie wi ksze! DARMOWY! zarówno w edukacji jak i biznesie Tomasz Suchocki, Modele liniowe... Wykªad 1 12/36
19 Wprowadzenie do R - Instalacja Tomasz Suchocki, Modele liniowe... Wykªad 1 13/36
20 Wprowadzenie do R - Instalacja Tomasz Suchocki, Modele liniowe... Wykªad 1 14/36
21 Wprowadzenie do R - Instalacja Tomasz Suchocki, Modele liniowe... Wykªad 1 15/36
22 Wprowadzenie do R - Instalacja Tomasz Suchocki, Modele liniowe... Wykªad 1 16/36
23 Wprowadzenie do R - Instalacja Tomasz Suchocki, Modele liniowe... Wykªad 1 17/36
24 Wprowadzenie do R - Korzystanie z pomocy Tomasz Suchocki, Modele liniowe... Wykªad 1 18/36
25 Wprowadzenie do R - Wczytywanie danych read.table("±cie»ka",header={f,t},sep={";","\t"},ll={f,t}) ±cie»ka np.: "d:/inf/dane.txt" header czy wyst puje nagªówek w danych sep czym s oddzielane kolumny ll czy s "brakuj ce"dane setwd("±cie»ka") zmieniamy katalog roboczy (setwd("d:/inf/")) Jakie s zalety uzywania ramki danych? Tomasz Suchocki, Modele liniowe... Wykªad 1 19/36
26 Wprowadzenie do R - Wczytywanie danych Jak wczyta takie dane? Tomasz Suchocki, Modele liniowe... Wykªad 1 20/36
27 Wprowadzenie do R - Wczytywanie danych read.fwf("±cie»ka",header={f,t},width=c(n 1,..., n k )) ±cie»ka np.: "d:/inf/dane.txt" header czy wyst puje nagªówek w danych width dªugo± (ilo± znaków) kolejnych zmiennych Jakie s zalety uzywania ramki danych? Tomasz Suchocki, Modele liniowe... Wykªad 1 21/36
28 Wprowadzenie do R - Zapisywanie danych write.table(zmienna,"±cie»ka",col.names={f,t},row.names={f,t}, sep={";","\t"},quote={f,t}) zmienna któr zmienn chcemy zapisa col.names czy zapisa nazwy kolumn row.names czy zapisa nazwy wierszy quote zaznacza tryb znakowy czy nie Tomasz Suchocki, Modele liniowe... Wykªad 1 22/36
29 Wprowadzenie do R - Zapisywanie danych cat(zmienna,"±cie»ka",append={f,t},sep={";","\t"}) zmienna któr zmienn chcemy zapisa append dopisa wyniki do istniej cego pliku, czy stworzy nowy i nadpisa stary Tomasz Suchocki, Modele liniowe... Wykªad 1 23/36
30 Wprowadzenie do R - typy zmiennych Typ liczbowy (is.numeric(), as.numeric()) Typ czynnikowy (is.factor(), as.factor()) Typ znakowy (is.character(), as.character()) Typ logiczny (is.logical(), as.logical()) Wektor elementów Lista Macierz Ramka danych Tomasz Suchocki, Modele liniowe... Wykªad 1 24/36
31 Wprowadzenie do R - Kalkulator Tomasz Suchocki, Modele liniowe... Wykªad 1 25/36
32 Wprowadzenie do R - Kalkulator Inne przydatne funkcje: pierwiastek kwadratowy: sqrt(x) zaokraglanie liczby do k znaków: round(x,digits=k) funkcje trygonometryczne: sin(x), cos(x), tan(x) warto± bezwzgl dna: abs(x) Tomasz Suchocki, Modele liniowe... Wykªad 1 26/36
33 Wprowadzenie do R - Wektory Tomasz Suchocki, Modele liniowe... Wykªad 1 27/36
34 Wprowadzenie do R - Macierze Tomasz Suchocki, Modele liniowe... Wykªad 1 28/36
35 Wprowadzenie do R - Macierze Tomasz Suchocki, Modele liniowe... Wykªad 1 29/36
36 Wprowadzenie do R - Indeksy Tomasz Suchocki, Modele liniowe... Wykªad 1 30/36
37 Wprowadzenie do R - Indeksy Tomasz Suchocki, Modele liniowe... Wykªad 1 31/36
38 Wprowadzenie do R - Wykresy wykres plot y Tomasz Suchocki, Modele liniowe... Wykªad 1 32/36 x
39 Wprowadzenie do R - Wykresy wykres hist Frequency a Tomasz Suchocki, Modele liniowe... Wykªad 1 33/36
40 Wprowadzenie do R - Wykresy Tomasz Suchocki, Modele liniowe... Wykªad 1 34/36
41 Wprowadzenie do R - Programowanie Czy w pakiecie R mo»na tworzy wªasne programy? function for while if... else ) Tomasz Suchocki, Modele liniowe... Wykªad 1 35/36
42 Dzi kuj za uwag Tomasz Suchocki, Modele liniowe... Wykªad 1 36/36
Informatyka w selekcji - Wykªad 1
Informatyka w selekcji - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu 1 Podstawowe informacje o przedmiocie 2 Wst p do pakietu
Bardziej szczegółowoWprowadzenie do Pakietu R dla kierunku Zootechnika. Dr Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu
Wprowadzenie do Pakietu R dla kierunku Zootechnika Dr Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu Instalacja Pakietu R www.r-project.org wybór źródła wybór systemu operacyjnego:
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Analiza wariancji
Bardziej szczegółowoInstalacja Pakietu R
Instalacja Pakietu R www.r-project.org wybór źródła wybór systemu operacyjnego: Download R for Windows opcja: install R for the first time opcja: Download R 3.3.3 for Windows uruchomienie R-3.3.3-win MAGDA
Bardziej szczegółowoPakiety statystyczne - Wykªad 8
Pakiety statystyczne - Wykªad 8 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne
Bardziej szczegółowoPodstawy statystycznego modelowania danych - Wykªad 7
Podstawy statystycznego modelowania danych - Wykªad 7 Tomasz Suchocki ANOVA Plan wykªadu Analiza wariancji 1. Rys historyczny 2. Podstawy teoretyczne i przykªady zastosowania 3. ANOVA w pakiecie R Tomasz
Bardziej szczegółowoModele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6
Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6 Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Model mieszany
Bardziej szczegółowoModelowanie rynków finansowych z wykorzystaniem pakietu R
Modelowanie rynków finansowych z wykorzystaniem pakietu R Wprowadzenie do pakietu R Mateusz Topolewski woland@mat.umk.pl Wydział Matematyki i Informatyki UMK Plan działania 1 Co i dlaczego...? 2 Przechowywanie
Bardziej szczegółowoPodstawy statystycznego modelowania danych Analiza prze»ycia
Podstawy statystycznego modelowania danych Analiza prze»ycia Tomasz Suchocki Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu 1. Wprowadzenie 2. Hazard rate
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Bardziej szczegółowoKARTA PRZEDMIOTU. w języku polskim Statystyka opisowa Nazwa przedmiotu USYTUOWANIE PRZEDMIOTU W SYSTEMIE STUDIÓW. dr Agnieszka Krzętowska
KARTA PRZEDMIOTU Kod przedmiotu E/O/SOP w języku polskim Statystyka opisowa Nazwa przedmiotu w języku angielskim Statistics USYTUOWANIE PRZEDMIOTU W SYSTEMIE STUDIÓW Kierunek studiów Forma studiów Poziom
Bardziej szczegółowoMatematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej
Matematyka wykªad 1 Macierze (1) Andrzej Torój Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej 17 wrze±nia 2011 Plan wykªadu 1 2 3 4 5 Plan prezentacji 1 2 3 4 5 Kontakt moja strona internetowa:
Bardziej szczegółowo7. OPRACOWYWANIE DANYCH I PROWADZENIE OBLICZEŃ powtórka
7. OPRACOWYWANIE DANYCH I PROWADZENIE OBLICZEŃ powtórka Oczekiwane przygotowanie informatyczne absolwenta gimnazjum Zbieranie i opracowywanie danych za pomocą arkusza kalkulacyjnego Uczeń: wypełnia komórki
Bardziej szczegółowoInformatyka w selekcji - Wykªad 4
Informatyka w selekcji - Wykªad 4 Plan wykªadu SAS 1. Praca z programem 2. Edycja danych 3. Procedury graczne 4. Analiza w pakiecie SAS na»ywo, Wykªad 5 2/36 Praca z programem, Wykªad 5 3/36 Praca z programem
Bardziej szczegółowoMetody statystyczne w biologii - Wykªad 8. Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t
Metody statystyczne w biologii - Wykªad 8 Uniwersytet Przyrodniczy we Wrocªawiu Katedra Genetyki i Ogólnej Hodowli Zwierz t Plan wykªadu Regresja logistyczna 1. Podstawy teoretyczne i przykªady zastosowania
Bardziej szczegółowoGNU Octave (w skrócie Octave) to rozbudowany program do analizy numerycznej.
1 GNU Octave GNU Octave (w skrócie Octave) to rozbudowany program do analizy numerycznej. Octave zapewnia: sporą bibliotęke użytecznych funkcji i algorytmów; możliwośc tworzenia przeróżnych wykresów; możliwość
Bardziej szczegółowoMatlab Składnia + podstawy programowania
Matlab Składnia + podstawy programowania Matlab Matrix Laboratory środowisko stworzone z myślą o osobach rozwiązujących problemy matematyczne, w których operuje się na danych stanowiących wielowymiarowe
Bardziej szczegółowoEkonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria
Bardziej szczegółowoBash i algorytmy. Elwira Wachowicz. 20 lutego
Bash i algorytmy Elwira Wachowicz elwira@ifd.uni.wroc.pl 20 lutego 2012 Elwira Wachowicz (elwira@ifd.uni.wroc.pl) Bash i algorytmy 20 lutego 2012 1 / 16 Inne przydatne polecenia Polecenie Dziaªanie Przykªad
Bardziej szczegółowoPakiety Matematyczne - R Zestaw 2.
Pakiety Matematyczne - R Zestaw 2. Część przykładów pochodzi z helpa do R i z książki: R.Biecek, Przewodnik po pakiecie R, GIS 2014, strona www: http://www.biecek.pl, Instrukcje warunkowe Składnia instrukcji
Bardziej szczegółowoPakiety Matematyczne - R Zestaw 1.
Pakiety Matematyczne - R Zestaw 1. Zadania z kasynem pochodzą ze strony datacamp.com Instalacja pakietu R Strona główna projektu: http://www.r-project.org/ Instalacja: http://r.meteo.uni.wroc.pl/ (jedno
Bardziej szczegółowoEKONOMETRIA dr inż.. ALEKSANDRA ŁUCZAK Uniwersytet Przyrodniczy w Poznaniu Katedra Finansów w i Rachunkowości ci Zakład Metod Ilościowych Collegium Maximum,, pokój j 617 Tel. (61) 8466091 luczak@up.poznan.pl
Bardziej szczegółowoMathematica - podstawy
Mathematica - podstawy Artur Kalinowski Semestr letni 2011/2012 Artur Kalinowski Mathematica - podstawy 1 / 27 Spis tre±ci Program Mathematica 1 Program Mathematica 2 3 4 5 Artur Kalinowski Mathematica
Bardziej szczegółowoSpis tre±ci. 1 Podstawy termodynamiki - wiczenia 2. 2 Termodynamika - wiczenia 4. 3 Teoria maszyn cieplnych - wiczenia 6
Spis tre±ci 1 Podstawy termodynamiki - wiczenia 2 2 Termodynamika - wiczenia 4 3 Teoria maszyn cieplnych - wiczenia 6 4 Przenoszenie ciepªa/wymiana ciepªa i wymienniki - wykªad 7 5 Wymiana ciepªa i wymienniki
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA PRZEDMIOT : : LABORATORIUM PODSTAW AUTOMATYKI 1. WSTĘP DO
Bardziej szczegółowoPRZYKŁADOWE SKRYPTY (PROGRAMY W MATLABIE Z ROZSZERZENIEM.m): 1) OBLICZANIE WYRAŻEŃ 1:
PRZYKŁADOWE SKRYPTY (PROGRAMY W MATLABIE Z ROZSZERZENIEM.m): 1) OBLICZANIE WYRAŻEŃ 1: clear % usunięcie zmiennych z pamięci roboczej MATLABa % wyczyszczenie okna kom % nadanie wartości zmiennym x1 i x2
Bardziej szczegółowoWprowadzenie do pakietu STATA
Wprowadzenie do pakietu Ma lgorzata Kalbarczyk-Stȩclik Uniwersytet Warszawski mkalbarczyk@wne.uw.edu.pl Październik 02, 2014 Plan 1 Podstawowe informacje o kursie Warunki zaliczenia Prezentacje Zaliczenie
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 2: Bayesowska estymacja równania ze staª. Elementy j zyka R (2) Ekonometria Bayesowska / 24 Plan wykªadu Model ze staª 2 Podstawy j zyka R 3 Bayesowska analiza modelu ze staª
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoUkªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Bardziej szczegółowoINFORMATYKA W SELEKCJI
INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI - zagadnienia 1. Dane w pracy hodowlanej praca z dużym zbiorem danych (Excel) 2. Podstawy pracy z relacyjną bazą danych w programie MS Access 3. Systemy statystyczne
Bardziej szczegółowoWst p i organizacja zaj
Wst p i organizacja zaj Katedra Ekonometrii Uniwersytet Šódzki sem. letni 2014/2015 Literatura Ocena osi gni Program zaj Prowadz cy Podstawowa i uzupeªniaj ca Podstawowa: 1 Gruszczy«ski M. (2012 / 2010),,
Bardziej szczegółowo01.Wprowadzenie do pakietu MATLAB
01.Wprowadzenie do pakietu MATLAB 1. Typy i formaty danych: Informacje o typach danych dost pnych w MATLABie uzyskuje si m: help datatypes, a sposoby ich wy±wietlania m help format. Do podstawowych typów
Bardziej szczegółowo-Instalacja R: -Instalacja RStudio:
Rachunek Prawdopodobieństwa i Statystyka lab 1. Kaja Chmielewska (Kaja.Chmielewska@cs.put.poznan.pl) 1. Krótko o R R jest wolnym (otwartym i darmowym), zaawansowanym środowiskiem oraz językiem programowania.
Bardziej szczegółowowiczenie 1 Podstawy j zyka Java. Instrukcje warunkowe
wiczenie 1 Podstawy j zyka Java. Instrukcje warunkowe 1 Wprowadzenie 1.1 rodowisko programistyczne NetBeans https://netbeans.org/ 1.2 Dokumentacja j zyka Java https://docs.oracle.com/javase/8/docs/api/
Bardziej szczegółowoPrzykładowo, jeśli współrzędna x zmienia się od 0 do 8 co 1, a współrzędna y od 12 co 2 do 25, to punkty powinny wyglądać następująco:
Informatyka I Przypomnienie wiadomości z poprzednich zajęć: Kolokwium!!! II Nowe wiadomości: 1 Funkcje trójwymiarowe Wykresy trójwymiarowe tworzone są na podstawie funkcji dwóch zmiennych Wejściem takich
Bardziej szczegółowoUniwersytet Przyrodniczy we Wrocławiu nie ponosi żadnych kosztów związanych z odbywaniem praktyk przez studentów.
Regulamin odbywania praktyk studenckich na kierunku Bioinformatyka (studia dzienne pierwszego stopnia) na Wydziale Biologii i Hodowli Zwierząt Uniwersytetu Przyrodniczego we Wrocławiu 1. Obowiązujące praktyki
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Analityczne techniki zarządzania Analytical techniques of management Zarządzanie i Inżynieria Produkcji Management and Engineering of Production Rodzaj przedmiotu: Specjalnościowy
Bardziej szczegółowoR dla każdego : zaawansowane analizy i grafika statystyczna / Jared P. Lander. Warszawa, Spis treści
R dla każdego : zaawansowane analizy i grafika statystyczna / Jared P. Lander. Warszawa, 2018 Spis treści Słowo wstępne Wprowadzenie xi xii 1 Poznajemy R 1 1.1 Pobieranie R 1 1.2 Wersja R 2 1.3 Wersja
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowoMatlab Składnia + podstawy programowania
Matlab Składnia + podstawy programowania Matlab Matrix Laboratory środowisko stworzone z myślą o osobach rozwiązujących problemy matematyczne, w których operuje się na danych stanowiących wielowymiarowe
Bardziej szczegółowoLiniowe zadania najmniejszych kwadratów
Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e
Bardziej szczegółowoPrzetwarzanie sygnałów
Spis treści Przetwarzanie sygnałów Ćwiczenie 1 Wprowadzenie do programu Octave 1 Operatory 1 1.1 Operatory arytmetyczne...................... 1 1.2 Operatory relacji.......................... 1 1.3 Operatory
Bardziej szczegółowoInformatyka 1. Plan dzisiejszych zajęć. zajęcia nr 1. Elektrotechnika, semestr II rok akademicki 2008/2009
Informatyka 1 zajęcia nr 1 Elektrotechnika, semestr II rok akademicki 2008/2009 mgr inż.. Paweł Myszkowski Plan dzisiejszych zajęć 1. Organizacja laboratorium przedmiotu 2. Algorytmy i sposoby ich opisu
Bardziej szczegółowoModele wielorównaniowe. Estymacja parametrów
Modele wielorównaniowe. Estymacja parametrów Ekonometria Szeregów Czasowych SGH Estymacja 1 / 47 Plan wykªadu 1 Po±rednia MNK 2 Metoda zmiennych instrumentalnych 3 Podwójna MNK 4 Estymatory klasy k 5 MNW
Bardziej szczegółowoWYMAGANIA EDUKACYJNE I KRYTERIA OCENIANIA Z PRZEDMIOTU PROGRAMOWANIE APLIKACJI INTERNETOWYCH
WYMAGANIA EDUKACYJNE I KRYTERIA OCENIANIA Z PRZEDMIOTU PROGRAMOWANIE APLIKACJI INTERNETOWYCH Klasa: 3TIR - Technik informatyk Program: 351203 Wymiar: 4 h tygodniowo Podręcznik: Kwalifikacja E.14 Programowanie
Bardziej szczegółowoLab. 02: Algorytm Schrage
Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z
Bardziej szczegółowoLaboratorium metod numerycznych numer 1
Laboratorium metod numerycznych numer 1 Dla grup:wszystkich (Dated: 27 II 2013) I. WST P Na laboratoriach z metod numerycznych b dziemy posªugiwali si pakietem Octave, który jest darmow alternatyw dla
Bardziej szczegółowoPrzetwarzanie i analiza danych w języku Python / Marek Gągolewski, Maciej Bartoszuk, Anna Cena. Warszawa, Spis treści
Przetwarzanie i analiza danych w języku Python / Marek Gągolewski, Maciej Bartoszuk, Anna Cena. Warszawa, 2016 Spis treści Przedmowa XI I Podstawy języka Python 1. Wprowadzenie 3 1.1. Język i środowisko
Bardziej szczegółowo1 Programowanie w matlabie - skrypty i funkcje
1 Programowanie w matlabie - skrypty i funkcje 1.1 Skrypty Skrypt jest plikiem tekstowym z rozszerzeniem *.m zawierającym listę poleceń do wykonania. Aby utworzyć skrypt w matlabie wybierz File New Script,
Bardziej szczegółowoLaboratorium Algorytmy Obliczeniowe. Lab. 9 Prezentacja wyników w Matlabie
Laboratorium Algorytmy Obliczeniowe Lab. 9 Prezentacja wyników w Matlabie 1. Wyświetlanie wyników na ekranie: W Matlabie możliwe są następujące sposoby wyświetlania wartości zmiennych: a. wpisując w programie
Bardziej szczegółowoLABORATORIUM 3 ALGORYTMY OBLICZENIOWE W ELEKTRONICE I TELEKOMUNIKACJI. Wprowadzenie do środowiska Matlab
LABORATORIUM 3 ALGORYTMY OBLICZENIOWE W ELEKTRONICE I TELEKOMUNIKACJI Wprowadzenie do środowiska Matlab 1. Podstawowe informacje Przedstawione poniżej informacje maja wprowadzić i zapoznać ze środowiskiem
Bardziej szczegółowoPrzetwarzanie sygnaªów
Przetwarzanie sygnaªów Laboratorium 1 - wst p do C# Dawid Poªap Przetwarzanie sygnaªów Pa¹dziernik, 2018 1 / 17 Czego mo»na oczekiwa wzgl dem programowania w C# na tych laboratoriach? Dawid Poªap Przetwarzanie
Bardziej szczegółowoKarta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017. Forma studiów: Stacjonarne Kod kierunku: 11.
Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017 Kierunek studiów: Informatyka Profil: Praktyczny
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowoMatlab MATrix LABoratory Mathworks Inc.
Małgorzata Jakubowska Matlab MATrix LABoratory Mathworks Inc. MATLAB pakiet oprogramowania matematycznego firmy MathWorks Inc. (www.mathworks.com) rozwijany od roku 1984 język programowania i środowisko
Bardziej szczegółowoKurs z matematyki - zadania
Kurs z matematyki - zadania Miara łukowa kąta Zadanie Miary kątów wyrażone w stopniach zapisać w radianach: a) 0, b) 80, c) 90, d), e) 0, f) 0, g) 0, h), i) 0, j) 70, k), l) 80, m) 080, n), o) 0 Zadanie
Bardziej szczegółowoElementy metod numerycznych - zajęcia 9
Poniższy dokument zawiera informacje na temat zadań rozwiązanych w trakcie laboratoriów. Elementy metod numerycznych - zajęcia 9 Tematyka - Scilab 1. Labolatoria Zajęcia za 34 punktów. Proszę wysłać krótkie
Bardziej szczegółowoNazwa przedmiotu: PODSTAWY TEORII ZBIORÓW ROZMYTYCH I ARYTMETYKI PRZEDZIAŁOWEJ Foundations of fuzzy set theory and interval arithmetic Kierunek:
Nazwa przedmiotu: PODSTAWY TEORII ZBIORÓW ROZMYTYCH I ARYTMETYKI PRZEDZIAŁOWEJ Foundations of fuzzy set theory and interval arithmetic Kierunek: Forma studiów: Informatyka Stacjonarne Rodzaj przedmiotu:
Bardziej szczegółowo1. Wprowadzenie do C/C++
Podstawy Programowania - Roman Grundkiewicz - 013Z Zaj cia 1 1 rodowisko Dev-C++ 1. Wprowadzenie do C/C++ Uruchomienie ±rodowiska: Start Programs Developments Dev-C++. Nowy projekt: File New Project lub
Bardziej szczegółowoSTOSUNKI MIĘDZYNARODOWE
Karta przedmiotu STOSUNKI MIĘDZYNARODOWE Studia pierwszego stopnia/ ogólnoakademicki Przedmiot: Międzynarodowe stosunki kulturalne Kod przedmiotu: Przedmiot w języku angielskim: The International Cultural
Bardziej szczegółowoPAKIETY STATYSTYCZNE JOANNA SZYDA TOMASZ SUCHOCKI
PAKIETY STATYSTYCZNE JOANNA SZYDA TOMASZ SUCHOCKI WSTĘP 1. Katedra Genetyki 2. Pracownia biostatystyki - projekt 3. Charakterystyka przedmiotu 4. Kontakt 5. Literatura Copyright 2017 Joanna Szyda KATEDRA
Bardziej szczegółowoOpis efektów kształcenia dla modułu zajęć
Nazwa modułu: Wprowadzenie do analizy danych Rok akademicki: 2012/2013 Kod: IET-2-303-SU-s Punkty ECTS: 2 Wydział: Informatyki, Elektroniki i Telekomunikacji Kierunek: Elektronika i Telekomunikacja Specjalność:
Bardziej szczegółowoMATLAB - podstawy użytkowania
MATLAB - podstawy użytkowania Zbigniew Rudnicki (dr inż) MATLAB (MATrix LABoratory) - pakiet oprogramowania matematycznego firmy MathWorks Inc. (od roku 1984) to język i środowisko programowania do obliczeń
Bardziej szczegółowodo MATLABa programowanie WYKŁAD Piotr Ciskowski
Wprowadzenie do MATLABa programowanie WYKŁAD Piotr Ciskowski instrukcje sterujące instrukcja warunkowa: if instrukcja wyboru: switch instrukcje iteracyjne: for, while instrukcje przerwania: continue, break,
Bardziej szczegółowoPodstawy Programowania C++
Wykład 3 - podstawowe konstrukcje Instytut Automatyki i Robotyki Warszawa, 2014 Wstęp Plan wykładu Struktura programu, instrukcja przypisania, podstawowe typy danych, zapis i odczyt danych, wyrażenia:
Bardziej szczegółowoEKONOMETRIA II SYLABUS A. Informacje ogólne
EKONOMETRIA II SYLABUS A. Informacje ogólne Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Rok studiów /semestr Wymagania wstępne (tzw. sekwencyjny system zajęć
Bardziej szczegółowoĆwiczenie 1. Wprowadzenie do programu Octave
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 1. Wprowadzenie do programu Octave Mimo że program Octave został stworzony do
Bardziej szczegółowoMathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje
Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA. Dariusz Gozdowski. Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW
Statystyczna analiza danych w programie STATISTICA ( 4 (wykład Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Regresja prosta liniowa Regresja prosta jest
Bardziej szczegółowoPrzykład 1 -->s="hello World!" s = Hello World! -->disp(s) Hello World!
Scilab jest środowiskiem programistycznym i numerycznym dostępnym za darmo z INRIA (Institut Nationale de Recherche en Informatique et Automatique). Jest programem podobnym do MATLABa oraz jego darmowego
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2013/2014
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Mechaniczny obowiązuje studentów rozpoczynających studia w roku akademickim 2013/2014 Kierunek studiów: Informatyka Stosowana Forma
Bardziej szczegółowostudia stacjonarne w/ćw zajęcia zorganizowane: 30/15 3,0 praca własna studenta: 55 Godziny kontaktowe z nauczycielem akademickim: udział w wykładach
Nazwa jednostki prowadzącej kierunek: Nazwa kierunku: Poziom kształcenia: Profil kształcenia: Moduły wprowadzające / wymagania wstępne: Nazwa modułu (przedmiot lub grupa przedmiotów) Osoby prowadzące:
Bardziej szczegółowoZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia
ZP/ITS/11/2012 Załącznik nr 1a do SIWZ ZMODYFIKOWANY Szczegółowy opis przedmiotu zamówienia Przedmiotem zamówienia jest: Przygotowanie zajęć dydaktycznych w postaci kursów e-learningowych przeznaczonych
Bardziej szczegółowoSpis treści. Przedmowa. Podstawy R
Spis treści Przedmowa Podstawy R 1. Środowisko R i program RStudio 1.1. Cechy języka R 1.2. Organizacja pracy w R i RStudio 1.2.1. Konsola R 1.2.2. Program RStudio 1.2.3. Pierwsze kroki w trybie interaktywnym
Bardziej szczegółowoElementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13
Elementarna statystyka Wnioskowanie o regresji (Inference for regression) Alexander Bendikov Uniwersytet Wrocªawski 2 czerwca 2016 Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for
Bardziej szczegółowoĆwiczenie 1. Wprowadzenie do programu Octave
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 1. Wprowadzenie do programu Octave Mimo że program Octave został stworzony do
Bardziej szczegółowoPODSTAWY INFORMATYKI 1 MATLAB CZ. 3
PODSTAWY INFORMATYKI 1 MATLAB CZ. 3 TEMAT: Program Matlab: Instrukcje sterujące, grafika. Wyrażenia logiczne Wyrażenia logiczne służą do porównania wartości zmiennych o tych samych rozmiarach. W wyrażeniach
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 01/013 Wydział Prawa, Administracji i Stosunków Miedzynarodowych
Bardziej szczegółowoRozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE 6. Ćwiczenia komputerowe Ćwiczenie 6.1
Bardziej szczegółowoPodstawy Programowania
Podstawy Programowania dr Elżbieta Gawrońska gawronska@icis.pcz.pl Instytut Informatyki Teoretycznej i Stosowanej dr Elżbieta Gawrońska (ICIS) Podstawy Programowania 14 1 / 9 Plan wykładu 1 Sesja egzaminacyjna
Bardziej szczegółowoPrzewodnik po pakiecie R / Przemysław Biecek. Wyd. 4 rozsz. Wrocław, Spis treści
Przewodnik po pakiecie R / Przemysław Biecek. Wyd. 4 rozsz. Wrocław, 2017 Spis treści 1. Wprowadzenie 1 1.1. Data science, czyli dlaczego warto poznać R 1 1.2. Jak wygląda praca z programem R 4 1.2.1.
Bardziej szczegółowoPROGRAM NAUCZANIA INFORMATYKA
PROGRAM NAUCZANIA INFORMATYKA KLASA VI Program nauczania: DKOS 5002 38/05 Podręcznik: Informatyka Europejczyjka. Wydawnictwo HELION Lp. Temat lekcji podstawowe Wymagania programowe ponadpodstawowe 1 Lekcja
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Interpolacja PWSZ Gªogów, 2009 Interpolacja Okre±lenie zale»no±ci pomi dzy interesuj cymi nas wielko±ciami, Umo»liwia uproszczenie skomplikowanych funkcji (np. wykorzystywana
Bardziej szczegółowoPascal - wprowadzenie
Pascal - wprowadzenie Ogólne informacje o specyfice języka i budowaniu programów Filip Jarmuszczak kl. III c Historia Pascal dawniej jeden z najpopularniejszych języków programowania, uniwersalny, wysokiego
Bardziej szczegółowoMetody Numeryczne. Laboratorium 1. Wstęp do programu Matlab
Metody Numeryczne Laboratorium 1 Wstęp do programu Matlab 1. Wiadomości wstępne liczby, format Program Matlab używa konwencjonalną notację dziesiętną, z kropka dziesiętną. W przypadku notacji naukowej
Bardziej szczegółowoUkªady równa«liniowych - rozkªady typu LU i LL'
Rozdziaª 9 Ukªady równa«liniowych - rozkªady typu LU i LL' W tym rozdziale zapoznamy si z metodami sªu» cych do rozwi zywania ukªadów równa«liniowych przy pomocy uzyskiwaniu odpowiednich rozkªadów macierzy
Bardziej szczegółowoWektory w przestrzeni
Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem
Bardziej szczegółowoElementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Bardziej szczegółowoZadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006
Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ Marek Majewski Aktualizacja: 1 pa¹dziernika 006 Spis tre±ci 1 Macierze dziaªania na macierzach. Wyznaczniki 1 Macierz odwrotna. Rz d macierzy
Bardziej szczegółowoEkonometria. wiczenia 13 Metoda ±cie»ki krytycznej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
wiczenia 13 Metoda ±cie»ki krytycznej Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Plan wicze«1 Przykªad: ubieranie choinki 2 3 Programowanie liniowe w analizie czasowej i czasowo-kosztowej projektu
Bardziej szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji
Bardziej szczegółowoKLASYCZNE ZDANIA KATEGORYCZNE. ogólne - orzekaj co± o wszystkich desygnatach podmiotu szczegóªowe - orzekaj co± o niektórych desygnatach podmiotu
➏ Filozoa z elementami logiki Na podstawie wykªadów dra Mariusza Urba«skiego Sylogistyka Przypomnij sobie: stosunki mi dzy zakresami nazw KLASYCZNE ZDANIA KATEGORYCZNE Trzy znaczenia sªowa jest trzy rodzaje
Bardziej szczegółowowiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
Bardziej szczegółowoStatystyczne systemy uczące
Statystyczne systemy uczące Tomasz Górecki Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza W ciągu ćwiczeń zostaną przeprowadzone 2 kolokwia. Na każdym znichbędziedozdobycia25punktów.od25punktówbędzie
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Technologie Walcowania Wyrobów Płaskich Rolling technology for flat products Kierunek: Kod przedmiotu: Zarządzanie i Inżynieria Produkcji ZiIP.G.D1.2. Management and Production Engineering
Bardziej szczegółowoCw.12 JAVAScript w dokumentach HTML
Cw.12 JAVAScript w dokumentach HTML Wstawienie skryptu do dokumentu HTML JavaScript jest to interpretowany, zorientowany obiektowo, skryptowy język programowania.skrypty Java- Script mogą być zagnieżdżane
Bardziej szczegółowo1. Wprowadzenie do C/C++
Podstawy Programowania :: Roman Grundkiewicz :: 014 Zaj cia 1 1 rodowisko Dev-C++ 1. Wprowadzenie do C/C++ Uruchomienie ±rodowiska: Start Programs Developments Dev-C++. Nowy projekt: File New Project lub
Bardziej szczegółowo