12/13/2015 ANALIZA DANYCH ILOŚCIOWYCH KWANTYFIKACJA DANYCH METODY BADAŃ SPOŁECZNYCH WYKŁAD 11: ANALIZA I PREZENTACJA DANYCH ILOŚCIOWYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "12/13/2015 ANALIZA DANYCH ILOŚCIOWYCH KWANTYFIKACJA DANYCH METODY BADAŃ SPOŁECZNYCH WYKŁAD 11: ANALIZA I PREZENTACJA DANYCH ILOŚCIOWYCH"

Transkrypt

1 METODY BADAŃ SPOŁECZNYCH WYKŁAD 11: ANALIZA I PREZENTACJA DANYCH ILOŚCIOWYCH dr Agnieszka Kacprzak ANALIZA DANYCH ILOŚCIOWYCH KWANTYFIKACJA DANYCH Aby możliwe było poddanie danych analizie ilościowej konieczna jest ich kwantyfikacja, czyli przekształcenie w format czytelny dla komputerowych programów statystycznych Wszystkim zmiennym należy przypisać odpowiedniki liczbowe (np. kobieta - 1, mężczyzna 2) 1

2 KODOWANIE ODPOWIEDZI NA PYTANIA OTWARTE W przypadku pytań otwartych konieczne jest kodowanie odpowiedzi np. Jaki jest Pan/i zawód? Trzeba wybrać schemat kodowania: kierownicze i niekierownicze, wykwalifikowane i niewykwalifikowane, umysłowe i fizyczne, zależnie od sektora gospodarki (przemysł, handel, służba zdrowia, edukacja itd.) KODOWANIE ODPOWIEDZI NA PYTANIA OTWARTE Jaki jest największy problem na twojej uczelni? Za wysokie czesne Za mało miejsc parkingowych Kadra nie wie, co się dzieje Kierownicy studiów są nieosiągalni Za mało wykładów do wyboru Karaluchy w akademikach Zbyt wysokie wymagania Niedobre jedzenie na stołówce Za drogie książki Za mało stypendiów KODOWANIE ODPOWIEDZI NA PYTANIA OTWARTE Za wysokie czesne Za mało miejsc parkingowych Kadra nie wie, co się dzieje Kierownicy studiów są nieosiągalni Za mało wykładów do wyboru Karaluchy w akademikach Zbyt wysokie wymagania Niedobre jedzenie na stołówce Za drogie książki Za mało stypendiów finansowe pozafinansowe 2

3 KODOWANIE ODPOWIEDZI NA PYTANIA OTWARTE akademickie pozaakademickie Za wysokie czesne Za mało miejsc parkingowych Kadra nie wie, co się dzieje Kierownicy studiów są nieosiągalni Za mało wykładów do wyboru Karaluchy w akademikach Zbyt wysokie wymagania Niedobre jedzenie na stołówce Za drogie książki?? Za mało stypendiów KODOWANIE ODPOWIEDZI NA PYTANIA OTWARTE Za wysokie czesne Za mało miejsc parkingowych Kadra nie wie, co się dzieje Kierownicy studiów są nieosiągalni Za mało wykładów do wyboru Karaluchy w akademikach Zbyt wysokie wymagania Niedobre jedzenie na stołówce Za drogie książki Za mało stypendiów akademickie administracja infrastruktura KSIĄŻKA KODOWA Jest to dokument, który opisuje pozycje zmiennych i wymienia kody przyporządkowane wartościom składającym się na zmienne. Pomaga w procesie kodowania i później w interpretowaniu kodów podczas analizy. 3

4 WPROWADZANIE DANYCH W przypadku papierowych ankiet: wpisujemy dane do arkusza w Ecelu lub pliku źródłowego SPSS W przypadku ankiet z pytaniami zamkniętymi możliwe jest użycie skanera z odpowiednim programem W wywiadzie telefonicznym wspomaganym komputerowo: dane już podczas ich gromadzenia są wprowadzane do komputera W ankietach internetowych: otrzymujemy od razu gotową bazę danych ANALIZA JEDNOZMIENNOWA Najprostsza forma analizy ilościowej, polegająca na opisywaniu pojedynczej zmiennej, ze szczególnym uwzględnieniem rozkładu jej wartości Rozkład wartości: Jak często odwiedzasz galerie handlowe? Wartość Częstość Procent Procent skumulowany Codziennie 6 8 3% razy w tygodniu % 23 Raz w tygodniu % razy w miesiącu % 74 Raz w miesiącu % 86 Rzadziej niż raz w miesiącu % 100 ogółem % 100 % ANALIZA JEDNOZMIENNOWA Miary tendencji centralnej pozwalają sprowadzić wszystkie dane na temat zmiennej do pojedynczej liczby Średnia arytmetyczna Domiananta (wartość występująca najczęściej) Mediana ( wartość środkowa) Średnia jest bardzo podatna na oddziaływanie wartości skrajnych np. średnia wartość majątku mieszkańca Redmond w stanie Waszyngton to milion dolarów ale zameldowany jest tam Bill Gates. 4

5 ANALIZA JEDNOZMIENNOWA Miary rozproszenia odnoszą się do rozkładu wartości wokół wartości centralnej, takiej jak przeciętna Zakres odległość między najwyższa a najniższą wartością Odchylenie standardowe wskaźnik poziomu zmienności (im wyższe tym bardziej rozproszone dane) ZMIENNE CIĄGŁE I DYSKRETNE Zmienna ciągła wzrasta stale w minimalnych przedziałach np. wiek, dochód, wzrost zmienne ilorazowe Zmienna dyskretna - przeskakuje z jednej kategorii do drugiej (np. częstotliwość wizyt w centrach handlowych, płeć, rok studiów, zawód) zmienne nominalne i porządkowe Zamienne nominalne i porządkowe dominanta Zmienne interwałowe mediana Zmienne ilorazowe - średnia SCALANIE KATEGORII ODPOWIEDZI Często, aby wyciągnąć odpowiednie wnioski z analizy warto scalić kategorie odpowiedzi PRZYKŁAD: Jak ONZ radzi sobie z rozwiązywaniem problemów, przed którymi staje? Bardzo dobrze Niemcy Wielka Brytania Francja Japonia USA 2% 7% 2% 1% 5% Dobrze 46% 39% 45% 11% 46% Źle 21% 28% 22% 43% 27% Bardzo źle 6% 9% 3% 5% 13% Nie wiem 26% 17% 28% 41% 10 % 5

6 SCALANIE KATEGORII ODPOWIEDZI Bardzo dobrze lub dobrze Źle lub bardzo źle Niemcy Wielka Brytania Francja Japonia USA 48% 46% 47% 12% 51% 27% 37% 25% 48% 40% Nie wiem 26% 17% 28% 41% 10 % JAK POSTĘPOWAĆ Z KATEGORIĄ NIE WIEM? Znaczny udział odpowiedzi nie wiem lub nie mam zdania może zafałszować wyniki Bardzo dobrze lub dobrze Źle lub bardzo źle Niemcy Wielka Brytania Francja Japonia USA 65 % 55% 65% 20% 57% 35% 45% 35% 80% 44% ANALIZA DWUZMIENNOWA O ile analiza jednozmiennowa używana jest do celów opisowych, tak analiza dwuzmiennowa do celów wyjaśniających (określenie zależności między zmiennymi) PRZYKŁAD: Jak często uczestniczysz w obrzędach religijnych? Co tydzień lub częściej Rzadziej niż co tydzień Dane dla USA, 2000 Mężczyźni Kobiety 25 % 33 % 75 % 67% Zmienna płeć ma wpływ na zmienną uczestniczenie w obrzędach religijnych 6

7 ANALIZA DWUZMIENNOWA Analiza zależności: Test chi kwadrat dla zmiennych nominalnych i porządkowych Jednoczynnikowa analiza wariancji jedna zmienna porządkowa a druga ilorazowa Współczynnik korelacji dla zmiennych ilorazowych pow. 0,7 bardzo silna korelacja 0,5-0,7 silna korelacja 0,3-0,5 średnia korelacja 0,1-0,3 słaba korelacja KORELACJA NIE ZAWSZE OZNACZA WSPÓŁZALEŻNOŚĆ! PREZENTACJA DANYCH ILOŚCIOWYCH WIZUALIZACJA DANYCH Nie każdy rodzaj wykresu nadaje się do określonego rodzaju danych. Do prezentowania wartości: wykresy słupkowe i kolumnowe WYKRES KOLUMNOWY WYKRES SŁUPKOWY 7

8 WIZUALIZACJA DANYCH Wykresy skumulowane do pokazywania struktury wartości WYKRES KOLUMNOWY SKUMULOWANY WYKRES SŁUPKOWY SKUMULOWANY WIZUALIZACJA DANYCH Wykresy liniowe do prezentowania zmian wartości w czasie Wartość sprzedaży WIZUALIZACJA DANYCH Wykresy kołowe do prezentowania proporcji (tylko dla jednej serii danych) 8

9 WIZUALIZACJA DANYCH Wykres warstwowy- pokazuje proporcje oraz ich zmiany w czasie WIZUALIZACJA DANYCH Wykres bąbelkowy pozwala pokazać zestaw 3 wartości na jednym wykresie (np. liczbę produktów, sprzedaż i udział w rynku) Rozmiary bąbelków udział w rynku Oś liczba produktów Os y wartość sprzedaży WIZUALIZACJA DANYCH Wykres radarowy porównuje zagregowane wartości kilku serii danych Analiza wartości odżywczych trzech posiłków 9

10 JAK PISAĆ RAPORTY Z BADAŃ? UKŁAD PRACY MAGISTERSKIEJ Tytuł Streszczenie (800 znaków) Spis treści Wstęp (2-3 strony) Przegląd literatury przedmiotu (ok stron) Rozdział metodologiczny (2-3 strony) Rozdział analityczny (ok stron) Podsumowanie (2-3 strony) Bibliografia Spis Tabel i Spis Rysunków (osobno; wykres jest rysunkiem) Ewentualnie: załączniki (np. scenariusz wywiadu, kwestionariusz ankiety) dr Agnieszka Kacprzak TYTUŁ Na początek: krótki tytuł roboczy Najważniejszy jest PROBLEM badawczy a nie tytuł Tytuł nadajemy po ukończeniu pracy W trakcie pisania warto się jednak nad nim zastanawiać i zapisywać pomysły Tytuł powinien przykuć uwagę czytelnika i być adekwatny do zasadniczego wątku pracy dr Agnieszka Kacprzak 10

11 STRESZCZENIE Powinno zawierać: Problem badawczy Uzasadnienie problemu (podanie przyczyn dla których warto go badać) Zastosowane metody badawcze Główne wyniki przeprowadzonego badania Implikacje (konsekwencje dla praktyki gospodarczej) i ograniczenia badania (co można było zrobić lepiej, jakie są słabości pracy np. niereprezentatywna próba badawcza) A to wszystko w słowach (800 znaków) dr Agnieszka Kacprzak SPIS TREŚCI Bardzo ważny element pracy: od niego recenzent zaczyna jej lekturę Musi być logiczny i pokazywać, że struktura pracy jest przejrzyście uporządkowana Musi ułatwiać czytelnikowi poruszanie się między rozdziałami pracy i znajdowania zagadnień, które go interesują Od strony technicznej: najlepiej skorzystać z dostępnej w Wordzie funkcji automatycznego wstawiania spisu treści dr Agnieszka Kacprzak 11

12 dr Agnieszka Kacprzak WSTĘP Dlaczego wybrałeś ten właśnie temat? (np. nie był dotychczas opracowany, nie w ten sposób, nie od tej strony itd.) Dlaczego ten temat cię interesuje? Z jakiego podejścia badawczego/ z dorobku jakiej dyscypliny naukowej będziesz korzystać? Jakie problemy badawcze formułujesz? Ostatni akapit: opisuje, co znajduje się w kolejnych rozdziałach pracy Objetość:2-3 strony PRZEGLĄD LITERATURY PRZEDMIOTU Co powinien zawierać? Co już wiemy o wybranym problemie Czy ktoś wcześniej zajmował się dokładnie tym samym zagadnieniem W jakich aspektach jego badania były podobne do twoich Po jego przeczytaniu czytelnik powinien być przekonany, że nasze badanie jest potrzebne i rozwinie wiedzę z danej dziedziny Może składać się z dwóch rozdziałów ich tytuły powinny odzwierciedlać zawartość, a nie nazywać się jak tytuł tego slajdu Teorię prezentujemy od ogółu do szczegółu np. teorie motywacji pracowników teoria Herzberga specyfika wykorzystania teorii Herzberga w branży 12

13 ROZDZIAŁ METODOLOGICZNY Rozdział metodologiczny w pracy empirycznej ma składać się z następujących podrozdziałów: Problem i hipotezy badawcze przy badaniach ilościowych lub problem i cele (pytania) szczegółowe przy badaniach jakościowych z ich uzasadnieniem- 1 str. Procedura badania (kiedy było prowadzane i jak przebiegało badanie) 0,5 str. Opis narzędzia badawczego 1 str. (zależnie od metody: omawiamy każde pytanie kwestionariusza ankiety lub scenariusza wywiadu, opisujemy kartę do kodowania lub scenariusz obserwacji) ROZDZIAŁ METODOLOGICZNY Opis próby badawczej 0,5-1 str. (najlepiej z tabelką przedstawiającą charakterystyki demograficzne próby przy badaniu ilościowych lub charakterystyki uczestników badania jakościowego i przypisane im kody) Wykorzystane narzędzia analizy statystycznej danych (z jakich technik i testów statystycznych korzystasz? Jak się je liczy?) 1 str. (tylko w przypadku badań ilościowych) ROZDZIAŁ ANALITYCZNY BADANIA ILOŚCIOWE Weryfikacja naszych hipotez badawczych na podstawie przeprowadzonych badań Wyniki analizy statystycznej danych, czyli: tabele, wykresy, rysunki. Muszą być ponumerowane, podpisane (np. Tabela nr 3 Wyniki analizy korelacji między Źródło: opracowanie własne) i do każdego musi być odwołanie w tekście: np. jak widać w tabeli nr 5 (patrz: rysunek nr 3) ) 13

14 ROZDZIAŁ ANALITYCZNY BADANIA ILOŚCIOWE Rozdział ten powinien być podzielony na tyle podrozdziałów, ile było hipotez badawczych/ pytań badawczych Nie omawiamy pytań z kwestionariusza ankiety po kolei, tylko dopasowujemy je do podrozdziałów dotyczących konkretnych hipotez Każdy podrozdział ma się kończyć wnioskiem o przyjęciu/odrzuceniu hipotezy Ewentualnie może pojawić się jeden dodatkowy podrozdział na dane nieobjęte hipotezami/ pytaniami badawczymi ROZDZIAŁ ANALITYCZNY BADANIA JAKOŚCIOWE Uporządkowany według szczegółowych celów badawczych lub zagadnień wyodrębnionych na podstawie analizy zebranego materiału Ilustrowany bezpośrednimi cytatami z przeprowadzonych wywiadów Każdy cytat podpisujemy kodem respondenta lub jego charakterystykami OSTATNI ROZDZIAŁ - PODSUMOWANIE Przypominamy problem i hipotezy lub pytania badawcze Podsumujemy wnioski wyciągnięte z przeprowadzonego badania Podkreślamy ich wagę i znaczenie dla rozwoju całej dyscypliny oraz IMPLIKACJE dla praktyki Pokazujemy najważniejsze OGRANICZENIA naszej pracy (okoliczności, które spowodowały, że nasze uogólnienia i wnioski są ograniczone) Sugerujemy DALSZE KIERUNKI BADAŃ w obrębie tematyki naszej pracy, zwłaszcza takie, w których wyniki naszych badań mogłyby być inspiracją dla kogoś 14

ANALIZA I PREZENTACJA DANYCH ANALIZA DANYCH JAKOŚCIOWYCH METODY BADAŃ SPOŁECZNYCH WYKŁAD 6

ANALIZA I PREZENTACJA DANYCH ANALIZA DANYCH JAKOŚCIOWYCH METODY BADAŃ SPOŁECZNYCH WYKŁAD 6 METODY BADAŃ SPOŁECZNYCH WYKŁAD 6 dr Agnieszka Kacprzak ANALIZA I PREZENTACJA DANYCH ANALIZA DANYCH JAKOŚCIOWYCH Analiza jakościowa nieliczbowe badanie i interpretacja obserwacji Metody jakościowe zakładają

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

Krakowska 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 2012/2013 Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/201 WydziałPsychologii i Nauk Humanistycznych Kierunek studiów:

Bardziej szczegółowo

Badanie zależności skala nominalna

Badanie zależności skala nominalna Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność

Bardziej szczegółowo

Ć w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1

Ć w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1 Ć w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1 Zadanie 1. Tworzenie wykresów zmiennych jakościowych wyrażonych w skali nominalnej i porządkowej. Utworzyć wykres

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

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA 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 szczegółowo

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Prezentacja materiału statystycznego Szeroko rozumiane modelowanie i prognozowanie jest zwykle kluczowym celem analizy danych. Aby zbudować model wyjaśniający relacje pomiędzy różnymi aspektami rozważanego

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

laboratoria 24 zaliczenie z oceną

laboratoria 24 zaliczenie z oceną Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Niestacjonarne

Bardziej szczegółowo

STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;

STATYSTYKA 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 szczegółowo

Z poprzedniego wykładu

Z poprzedniego wykładu PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne

Bardziej szczegółowo

Graficzna prezentacja danych statystycznych

Graficzna prezentacja danych statystycznych Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych Katowice, 12 i 26 czerwca 2014 r. Dopasowanie narzędzia do typu zmiennej Dobór narzędzia do

Bardziej szczegółowo

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy

Wykład 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 szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki

Bardziej szczegółowo

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Przykład 2 Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Sondaż sieciowy analiza wyników badania sondażowego dotyczącego motywacji w drodze do sukcesu Cel badania: uzyskanie

Bardziej szczegółowo

Statystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA

Statystyka 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 szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby 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 szczegółowo

STANDARDY PRZYGOTOWANIA PRACY DYPLOMOWEJ W WSHE

STANDARDY PRZYGOTOWANIA PRACY DYPLOMOWEJ W WSHE STANDARDY PRZYGOTOWANIA PRACY DYPLOMOWEJ W WSHE Temat pracy Problemowe ujęcie tematu pracy Nowatorski charakter Oryginalność ujęcia tematu Powiązanie tematu pracy z problematyką stażu, praktyk, realnym

Bardziej szczegółowo

studiów Podstawy Statystyki TR/2/PP/STAT 7 3

studiów Podstawy Statystyki TR/2/PP/STAT 7 3 kod nr w planie ECTS Przedmiot studiów Podstawy Statystyki TR/2/PP/STAT 7 3 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

Próba własności i parametry

Próba 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 szczegółowo

KARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4

KARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4 KARTA KURSU (do zastosowania w roku ak. 2015/16) Nazwa Statystyka 1 Nazwa w j. ang. Statistics 1 Kod Punktacja ECTS* 4 Koordynator Dr hab. Tadeusz Sozański (koordynator, wykłady) Dr Paweł Walawender (ćwiczenia)

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Podstawowe pojęcia statystyczne

Podstawowe pojęcia statystyczne Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk

Bardziej szczegółowo

4,5. Dyskretne zmienne losowe (17.03; 31.03)

4,5. Dyskretne zmienne losowe (17.03; 31.03) 4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie

Bardziej szczegółowo

Dyskretne zmienne losowe

Dyskretne zmienne losowe Dyskretne zmienne losowe dr Mariusz Grządziel 16 marca 2009 Definicja 1. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która

Bardziej szczegółowo

Wykład 5: Statystyki opisowe (część 2)

Wykład 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 szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Wydział Nauk Ekonomicznych UW Warszawa, 28 października 2014 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Kryteria przyczynowości

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka

Bardziej szczegółowo

Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego

Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego Metody Analiz Przestrzennych Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego mgr Marcin Semczuk Zakład Przedsiębiorczości i Gospodarki Przestrzennej Instytut

Bardziej szczegółowo

Wykład 4: Statystyki opisowe (część 1)

Wykład 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 szczegółowo

Przygotowanie danych

Przygotowanie danych 2 Przygotowanie danych 2 Przygotowanie danych Przed opracowaniem statystycznym należy uporządkować dane. Czynność ta ułatwia opracowywanie danych. Od czasu, kiedy pojawiły się komputery, procedury porządkowania

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH:

WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH: WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH: Zasada podstawowa: Wykorzystujemy możliwie najmniej skomplikowaną formę wykresu, jeżeli to możliwe unikamy wykresów 3D (zaciemnianie treści), uwaga na kolory

Bardziej szczegółowo

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z

Bardziej szczegółowo

Ankieta. Informacje o uczestniku. Imię i nazwisko: Stanowisko : Warsztat Innowacyjne metody dydaktyczne (np. learning by doing, design thinking)

Ankieta. Informacje o uczestniku. Imię i nazwisko: Stanowisko : Warsztat Innowacyjne metody dydaktyczne (np. learning by doing, design thinking) Szanowni Państwo, w związku z uruchomieniem szkoleń w ramach projektu Rozwój kompetencji kadry akademickiej Wyższej Szkoły Menedżerskiej zwracamy się z prośbą o wypełnienie niniejszej ankiety. Ankieta

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.

Bardziej szczegółowo

Wydział Inżynierii Produkcji. I Logistyki. Statystyka opisowa. Wykład 3. Dr inż. Adam Deptuła

Wydział Inżynierii Produkcji. I Logistyki. Statystyka opisowa. Wykład 3. Dr inż. Adam Deptuła 12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa Wykład 3 Dr inż. Adam Deptuła METODY OPISU DANYCH ILOŚCIOWYCH SKALARNYCH Wykresy: diagramy, histogramy, łamane częstości, wykresy

Bardziej 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

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

Importowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22

Importowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22 Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach

Bardziej szczegółowo

Zadania ze statystyki, cz.6

Zadania ze statystyki, cz.6 Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Statystyka. 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 szczegółowo

Zmienne zależne i niezależne

Zmienne zależne i niezależne Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }

Bardziej szczegółowo

CZEŚĆ PIERWSZA. Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III I. POTĘGI

CZEŚĆ PIERWSZA. Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III I. POTĘGI Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III CZEŚĆ PIERWSZA I. POTĘGI Zamienia potęgi o wykładniku całkowitym ujemnym na odpowiednie potęgi o wykładniku naturalnym. Oblicza wartości

Bardziej szczegółowo

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34

Statystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34 Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/

Bardziej szczegółowo

Technologia informacyjna. Semestr zimowy 2017/2018 Zajęcia nr 8 (LibreOffice)

Technologia informacyjna. Semestr zimowy 2017/2018 Zajęcia nr 8 (LibreOffice) Technologia informacyjna Semestr zimowy 2017/2018 Zajęcia nr 8 (LibreOffice) Zadanie domowe Dokończ grę Mysz i ser w labiryncie. Arkusz kalkulacyjny z Wikipedii Arkusz kalkulacyjny program komputerowy

Bardziej szczegółowo

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na

Podstawowe 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

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.

Bardziej szczegółowo

1. OGÓLNE INFORMACJE O BADANIU

1. OGÓLNE INFORMACJE O BADANIU 1. OGÓLNE INFORMACJE O BADANIU 1.1. Cele badania Główne cele przeprowadzonego badania zostały określone następująco: Zdobycie wiarygodnych i wyczerpujących informacji o zasięgu, oddziaływaniu i znaczeniu

Bardziej szczegółowo

Instytut Prawa i Administracji Państwowa Wyższa Szkoła Informatyki i Przedsiębiorczości w Łomży

Instytut Prawa i Administracji Państwowa Wyższa Szkoła Informatyki i Przedsiębiorczości w Łomży Instytut Prawa i Administracji Państwowa Wyższa Szkoła Informatyki i Przedsiębiorczości w Łomży Wymogi, dotyczące prac licencjackich i magisterskich Założenia wstępne: 1. Praca licencjacka powinna być

Bardziej szczegółowo

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014 Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014 WydziałPrawa, Administracji i Stosunków Miedzynarodowych

Bardziej szczegółowo

METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych

METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych tematów zadanie: opracowanie własnego projektu badawczego przygotowanie konspektu pracy (max

Bardziej szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 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 szczegółowo

Standardy pracy licencjackiej

Standardy pracy licencjackiej Standardy pracy licencjackiej Praca licencjacka jest pracą dyplomową studenta studiów pierwszego stopnia, korespondującą z sylwetką absolwenta określoną w standardach nauczania i programach studiów na

Bardziej szczegółowo

CELEM NAPISANIA PRACY MAGISTERSKIEJ JEST WYKAZANIE, ŻE STUDENT: 1. POTRAFI POSŁUGIWAĆ SIĘ NABYTĄ WIEDZĄ 2.ROZSZERZYŁ SWOJĄ WIEDZĘ O OPISYWANYM W

CELEM NAPISANIA PRACY MAGISTERSKIEJ JEST WYKAZANIE, ŻE STUDENT: 1. POTRAFI POSŁUGIWAĆ SIĘ NABYTĄ WIEDZĄ 2.ROZSZERZYŁ SWOJĄ WIEDZĘ O OPISYWANYM W CELEM NAPISANIA PRACY MAGISTERSKIEJ JEST WYKAZANIE, ŻE STUDENT: 1. POTRAFI POSŁUGIWAĆ SIĘ NABYTĄ WIEDZĄ 2.ROZSZERZYŁ SWOJĄ WIEDZĘ O OPISYWANYM W PRACY ZAGADNIENIU 3.DOSTRZEGA PRAWIDŁOWOŚCI WYSTĘPUJĄCE

Bardziej szczegółowo

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe) Proces badawczy schemat i zasady realizacji Agata Górny Demografia Wydział Nauk Ekonomicznych UW Warszawa, 4 listopada 2008 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Badania eksploracyjne

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Przedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii

Przedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane

Bardziej szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. 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 szczegółowo

Jak korzystać z arkusza kalkulacyjnego?

Jak korzystać z arkusza kalkulacyjnego? Jak korzystać z arkusza kalkulacyjnego? Arkusz kalkulacyjny do ankiety Warunki Pracy opracowany jest w formie arkusza programu Microsoft Office Excel. Budowa arkusza pozwala na generowanie zestawień i

Bardziej szczegółowo

Raport Końcowy z ewaluacji w projekcie: Droga do bezpiecznej służby

Raport Końcowy z ewaluacji w projekcie: Droga do bezpiecznej służby Raport Końcowy z ewaluacji w projekcie: Droga do bezpiecznej służby 1.10.2011-30.04.2013 WYKONAWCA: HABITAT SP. Z O.O. UL. 10 LUTEGO 37/5 GDYNIA SPIS TREŚCI Sprawozdanie z działań ewaluacyjnych... 3 1.

Bardziej szczegółowo

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy MIARY POŁOŻENIA Opisują średni lub typowy poziom wartości cechy. Określają tą wartość cechy, wokół której skupiają się wszystkie pozostałe wartości badanej cechy. Wśród nich można wyróżnić miary tendencji

Bardziej szczegółowo

ANALIZA JEDNOZMIENNOWA. podstawowe pojęcia

ANALIZA JEDNOZMIENNOWA. podstawowe pojęcia ANALIZA JEDNOZMIENNOWA podstawowe pojęcia DZISIAJ Krótka retrospekcja przypomnienie typów w zmiennych O obliczaniu znanych juŝ wartości: średniej mediany mody Ćwiczenia praktyczne, czyli liczenie zadań

Bardziej szczegółowo

10/24/2015 CELE ZAJĘĆ PLAN ZAJĘĆ METODY BADAŃ SPOŁECZNYCH WYKŁAD 1

10/24/2015 CELE ZAJĘĆ PLAN ZAJĘĆ METODY BADAŃ SPOŁECZNYCH WYKŁAD 1 METODY BADAŃ SPOŁECZNYCH WYKŁAD 1 dr Agnieszka Kacprzak CELE ZAJĘĆ Jak w poprawnie metodologiczny sposób rozwiązywać problemy pojawiające się w nauce i w biznesie? Jak definiować problemy badawcze? Jakie

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W 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 szczegółowo

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. laboratoria 30 zaliczenie z oceną

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. laboratoria 30 zaliczenie z oceną Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Stacjonarne

Bardziej szczegółowo

Wykład ze statystyki. Maciej Wolny

Wykład ze statystyki. Maciej Wolny Wykład ze statystyki Maciej Wolny T1: Zajęcia organizacyjne Agenda 1. Program wykładu 2. Cel zajęć 3. Nabyte umiejętności 4. Literatura 5. Warunki zaliczenia Program wykładu T1: Zajęcia organizacyjne T2:

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy 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 szczegółowo

Pisanie tekstów naukowych. John Slavin

Pisanie tekstów naukowych. John Slavin Pisanie tekstów naukowych John Slavin Zanim zaczniemy pisać Do kogo skierowany jest tekst? (czytelnik modelowy) Co chcę powiedzieć? (przesłanie) W jaki sposób ustrukturyzuję materiał? (spis treści) Czy

Bardziej szczegółowo

Przedmiot kod nr w planie ECTS studiów PODSTAWY STATYSTYKI TR/2/PP/STAT 6 3

Przedmiot kod nr w planie ECTS studiów PODSTAWY STATYSTYKI TR/2/PP/STAT 6 3 Przedmiot kod nr w planie ECTS studiów PODSTAWY STATYSTYKI TR/2/PP/STAT 6 3 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr I I/I Typ przedmiotu (obowiązkowy/fakultatywny) Obowiązkowy

Bardziej szczegółowo

Doświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia

Doświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia Doświadczalnictwo leśne Wydział Leśny SGGW Studia II stopnia Treści i efekty kształcenia Treści: Statystyka matematyczna, planowanie eksperymentu Efekty kształcenia: student potrafi opisywać zjawiska za

Bardziej szczegółowo

Podstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica

Podstawowe 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 szczegółowo

CELEM NAPISANIA PRACY MAGISTERSKIEJ JEST WYKAZANIE, ŻE STUDENT: 1. POTRAFI POSŁUGIWAĆ SIĘ NABYTĄ WIEDZĄ 2. UMIE STOSOWAĆ METODY PRACY NAUKOWEJ 6

CELEM NAPISANIA PRACY MAGISTERSKIEJ JEST WYKAZANIE, ŻE STUDENT: 1. POTRAFI POSŁUGIWAĆ SIĘ NABYTĄ WIEDZĄ 2. UMIE STOSOWAĆ METODY PRACY NAUKOWEJ 6 CELEM NAPISANIA PRACY MAGISTERSKIEJ JEST WYKAZANIE, ŻE STUDENT: 1. POTRAFI POSŁUGIWAĆ SIĘ NABYTĄ WIEDZĄ 2.ROZSZERZYŁ SWOJĄ WIEDZĘ O OPISYWANYM W PRACY ZAGADNIENIU 3.DOSTRZEGA PRAWIDŁOWOŚCI WYSTĘPUJĄCE

Bardziej szczegółowo

Stochastyczne Metody Analizy Danych. PROJEKT: Analiza kluczowych parametrów turbin wiatrowych

Stochastyczne 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 szczegółowo

Opis przedmiotu zamówienia

Opis przedmiotu zamówienia Załącznik nr 1 do SIWZ Znak sprawy : MCPS.ZP/KBCH/351-16/2019/U Opis przedmiotu zamówienia Przedmiotem zamówienia jest przygotowanie i przeprowadzenie badania społecznego dla Mazowieckiego Centrum Polityki

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:

Bardziej szczegółowo

STATYSTYKA OPISOWA. Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych;

STATYSTYKA OPISOWA. Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych; STATYSTYKA OPISOWA Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych; - badanie stanu zdrowia w pewnej miejscowości; - badanie stopnia zanieczyszczenia gleb metalami ciężkimi

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA 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 szczegółowo

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013

Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 0,KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.

Bardziej szczegółowo

Wykład z dnia 8 lub 15 października 2014 roku

Wykład z dnia 8 lub 15 października 2014 roku Wykład z dnia 8 lub 15 października 2014 roku Istota i przedmiot statystyki oraz demografii. Prezentacja danych statystycznych Znaczenia słowa statystyka Znaczenie I - nazwa zbioru danych liczbowych prezentujących

Bardziej szczegółowo

Miary statystyczne w badaniach pedagogicznych

Miary statystyczne w badaniach pedagogicznych Miary statystyczne w badaniach pedagogicznych Szeregi statystyczne Szczegółowy - gdzie materiał uporządkowany jest rosnąco lub malejąco Rozdzielczy - gdzie poszczególnym wariantom zmiennej przyporządkowane

Bardziej szczegółowo

Informatyka Arkusz kalkulacyjny Excel 2010 dla WINDOWS

Informatyka Arkusz kalkulacyjny Excel 2010 dla WINDOWS Wyższa Szkoła Ekologii i Zarządzania Informatyka Arkusz kalkulacyjny Excel 2010 dla WINDOWS cz.4 Slajd 1 Excel Slajd 2 Wykresy Najlepszym sposobem prezentacji danych jest prezentacja graficzna. Z pomocą

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33 Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,

Bardziej szczegółowo

SPIS TREŚCI. Do Czytelnika... 7

SPIS TREŚCI. Do Czytelnika... 7 SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................

Bardziej szczegółowo

Laboratorium 3 - statystyka opisowa

Laboratorium 3 - statystyka opisowa dla szeregu rozdzielczego Laboratorium 3 - statystyka opisowa Agnieszka Mensfelt 11 lutego 2019 dla szeregu rozdzielczego Statystyka opisowa dla szeregu rozdzielczego Przykład wyniki maratonu Wyniki 18.

Bardziej szczegółowo

Makroekonomia 1 - ćwiczenia. mgr Małgorzata Kłobuszewska Zajęcia 5

Makroekonomia 1 - ćwiczenia. mgr Małgorzata Kłobuszewska Zajęcia 5 Makroekonomia 1 - ćwiczenia mgr Małgorzata Kłobuszewska Zajęcia 5 Plan Kartkówka Praca pisemna wszystko, co chcielibyście wiedzieć Jak pisać? Jak pokazywać dane? Zadania do rozwiązania w grupach Praca

Bardziej szczegółowo

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne Nazwa modułu: Moduł B - Statystyka z elementami matematyki Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów

Bardziej szczegółowo

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

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

ZASADY PRZYGOTOWANIA PRAC LICENCJACKICH W INSTYTUCIE NEOFILOLOGII W CHEŁMIE

ZASADY PRZYGOTOWANIA PRAC LICENCJACKICH W INSTYTUCIE NEOFILOLOGII W CHEŁMIE ZASADY PRZYGOTOWANIA PRAC LICENCJACKICH W INSTYTUCIE NEOFILOLOGII W CHEŁMIE Przedstawione poniżej zalecenia dotyczą zasad realizacji prac licencjackich na kierunku Filologia oraz Stosunki Międzynarodowe

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

Ćwiczenia 1-2 Analiza rozkładu empirycznego

Ćwiczenia 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 szczegółowo

Wykład 3: Prezentacja danych statystycznych

Wykład 3: Prezentacja danych statystycznych Wykład 3: Prezentacja danych statystycznych Dobór metody prezentacji danych Dobór metody prezentacji danych zależy od: charakteru danych statystycznych (inne metody wybierzemy dla danych przekrojowych,

Bardziej szczegółowo