Analiza Danych. Jerzy Stefanowski. Wykład dla kierunku Informatyka (1wsze spotkanie) Poznań, 2006/7
|
|
- Liliana Wójtowicz
- 7 lat temu
- Przeglądów:
Transkrypt
1 Analiza Danych Jerzy Stefanowski Instytut Informatyki Politechniki Poznańskiej Tel CW - 8 Wykład dla kierunku Informatyka (1wsze spotkanie) Poznań, 2006/7
2 Wykład nr 1 Wprowadzenie do Analizy Danych oraz Statystyka Opisowa część 1 1. Uwagi wstępne 2. Cel przedmiotu 3. Statystyka opisowa i wnioskowanie statystyczne 4. Pomiar cech i skale pomiarowe 5. Opracowywanie materiału statystycznego (szeregi ) 6. Graficzne przedstawianie danych 7. Podsumowanie
3 Wprowadzenie Po co analiza danych? Rozwój technologii informatycznych. Posiadanie dużych ilości danych nie jest równoznaczne z ich użytecznością. Potrzeba inteligentnego przetwarzania zebranych informacji. Konieczna jest ocena jakości danych, ich analiza oraz uproszczenie opisu tak, aby można ułatwić interpretacje zjawisk, wyciągnąć użyteczne wnioski i podejmować lepsze decyzje. Stosowane metody: 1. Metody statystyczne (tradycyjne rozumienie terminu analiza danych), 2. Metody eksploracji baz danych w celu poszukiwania użytecznej "wiedzy" (techniki data mining wywodzące się ze sztucznej inteligencji, systemy maszynowego uczenia się,...) Dostępność wielu pakietów statystycznych (SAS, Statistica, SPSS, ).
4 Literatura Statystyka praktyczna, Starzyńska Wacława, PWN, Statystyka dla studentów kierunków technicznych i przyrodniczych, Koronacki Jacek, Mielniczuk Jan, WNT, Statystyka w zarządzaniu, Aczel A. PWN. Przystępny kurs statystyki, Stanisz A., Po prostu statystyka, Clegg F., Metody statystyczne w badaniach sondażowych rynku, Kowal J., Plan wykładów 1. Statystyka opisowa (przedstawianie danych, miary tendencji centralnej i rozproszonej). 2. Od rachunku prawdopodobieństwa do wnioskowania statystycznego (zmienne losowe i rozkłady; estymacja parametrów). 3. Weryfikacja hipotez statystycznych (testy parametryczne dla jednej zbiorowości, dla dwóch prób; testy nieparametryczne). 4. Analiza zależności między zmiennymi (korelacja, regresja, ).
5 Statystyka i pojęcia z nią związane Co to jest statystyka? Zjawiska masowe procesy powtarzające się dużą ilość razy. Przykłady: Procesy gospodarcze (produkcja, konsumpcja, marketing, ), Zjawiska demograficzne (urodzenia, starzenie się ludności, ), Społeczne (preferencje polityczne, ). Statystyka dyscyplina nauki zajmująca się metodami zbierania, opracowywania i analizy danych o zjawiskach masowych.
6 Statystyka opisowa a wnioskowanie statystyczne Statystyka opisowa prezentacja danych w sposób uporządkowany, prosty z wykorzystaniem, np., miar tendencji centralnej i miar rozproszenia. Pomagają one w redukcji dużej liczby danych do zbioru bardziej zwięzłych i "pojemnych" miar. Wnioskowanie statystyczne pozwala ustalać prawidłowości i podejmować decyzje na podstawie zredukowanej liczby danych (próby) przy zastosowaniu rachunku prawdopodobieństwa. Rachunek prawdopodobieństwa możliwe jest określenie jak błąd popełnia się uogólniając wyniki z próby na całą zbiorowość. WS pełni funkcje wyjaśniające i prognostyczne (predykcja i przewidywanie).
7 Przykład 1. Statystyka opisowa przykłady Dysponujemy informacjami o realizacji należności z tytułu sprzedaży produktów pewnego przedsiębiorstwa z różnymi terminami płatności: Analiza pojedynczych zapisów transakcji? Dane pogrupowane w tabeli (szereg rozdzielczy): Terminy płatności % sprzedaży w latach - sprzedaż za gotówkę z terminem płatności 30-dni z terminem płatności 60-dni z terminem płatności 90-dni z terminem płatności 120-dni
8 Przykład 2. Rejestracja ruchu samochodowego na autostradzie w oparciu o zapis z punktów pobierania opłat. Różne formy prezentacji danych: Tablice dzienne, tygodniowe, Lecz także inaczej? Typowa, przeciętna liczba samochodów w danym okresie. Na autostradę wjeżdża średnio około 100 samochodów na godzinę średnia miara tendencji centralnej około rozrzut / rozproszenie rozkładu wartości wokół wartości średnich.
9 Wnioskowanie statystyczne przykłady Badania marketingowe nowego produktu wśród konsumentów: wybór grupy osób; ocena i porównanie z dotychczasowymi produktami, obserwowane różnice oceny produktu, czy można postawić ogólniejsze wnioski wobec zbiorowości wszystkich klientów. Inne przykłady: Badania preferencji wyborczych na podstawie reprezentatywnej próby losowej. Badanie skuteczności nowego leku.
10 Zbiorowość, populacja i próba Zbiorowość statystyczna - zbiór elementów (osób, obserwacji, przedmiotów,...) podobnych do siebie pod względem określonych cech (ale nie identycznych) i objętych badaniem statystycznym. Jednorodność badanej grupy - składa się z jednostek, które nie różnią się od siebie z punktu widzenia celu badania. Populacja - zbiór elementów obejmujący wszystkie jednostki będące przedmiotem badań. Badanie pełne vs. częściowe. Próba - podzbiór populacji, obejmujący część jej elementów wybranych w określony sposób (losowy lub celowy). Reprezentatywność badanie, które przeprowadza się na części danych, może być również odniesione wszystkich elementów, które nie są badane. Cechy statystyczne - obiekty (jednostki statystyczne, elementy zbiorowości) podlegające badaniu posiadają własności: wspólne stałe dla wszystkich obiektów, zmienne takie, które różnicują obiekty między sobą.
11 Pomiar cech i skale pomiarowe Model pominięcie części cech rzeczywistych badanego zdarzenia oraz akcentowanie tych aspektów, które są szczególnie użyteczne dla celu badania. Pomiar wybranych zmiennych niezbędnym aspektem definiowania modelu. Pomiar - przyporządkowanie liczb lub odpowiednich symboli obiektom zgodnie z określonymi regułami w taki sposób, aby odzwierciedlały one relacje zachodzące między tymi obiektami. Mierzenie zmiennych Rodzaje zmiennych: 1. Liczba obiektów lub zdarzeń 2. Natężenie lub intensywność występowania pewnej właściwości, którą wykazuje obiekt lub zdarzenie. 3. Częstość (lub częstotliwość) występowania właściwości lub zdarzeń. Obiekty podlegające badaniu mają cechy/właściwości: jakościowe (nominalne), porządkujące i ilościowe.
12 Typy skal pomiarowych Skale metryczne i niemetryczne Wyróżnia się cztery podstawowe skale pomiarowe: 1. nominalna, 2. porządkowa, 3. przedziałowa, 4. ilorazowa.
13 Przykład różnych skal pomiarowych Dostępne są dane o pracownikach pewnej uczelni. Pracowni k Specjalność Płeć Wiek Znajomoś ć j. ang. Stanowisko A bazy danych M 45 b.dobra profesor B zarządzanie K 39 dobra adiunkt C marketing M 41 dobre profesor D matematyka M 47 słaba wykładowc a E sieci komp. K 29 b.dobra asystent F j.program. M 36 dobra adiunkt G ekonomia M 34 słaba adiunkt
14 Skala nominalna - zbiór dwóch lub więcej kategorii jakościowych, które umożliwiają zupełną i rozłączną klasyfikację wyników. Relacje między kategoriami- równość i różność. Liczby przypisywane kategoriom - nie mają innego znaczenia niż odróżnienie jednej kategorii od drugiej. Nie są możliwe działania arytmetyczne na danych w tej skali. Skalowanie binarne - cecha występuje 1, w przeciwnym przypadku 0. Skalowanie trychotomiczne (tak, nie, nie wiem). Przykłady pomiarów wyrażonych w skali nominalnej: płeć, status małżeński, marka handlowa, gatunek towaru, typ posiadanej własności, branża przemysłowa, rodzaj lub profil firmy, rodzaj usług, typ potencjalnego klienta.
15 Skala porządkowa - wyznaczona przez relację porządkującą niektóre lub wszystkie elementy zbioru wyników. Skala ta pociąga za sobą porządkowanie lub szeregowanie wartości zmiennej, np. uporządkowanie różnych marek handlowych: A, B, C, D. 1 - najbardziej preferowana marka D, 2 - C i 3 -B marki preferowane w dalszej kolejności, 4 - marka A najmniej preferowana. --D----C B A- Pomiar porządkowy nie daje informacji o wielkości kolejnych różnic między elementami; nie można porównywać odległości ani dokonywać operacji arytmetycznych. Przykłady: niektóre skale szacunkowe lub pozycyjne, status zawodowy, upodobanie do marki handlowej, gatunku towarów, itp. siły reakcji konsumentów na różne bodźce.
16 Skale metryczne Skala przedziałowa (interwałowa, równomierna) spełnia własności uporządkowania a ponadto zakłada, że porządkowany zbiór wartości cech składa się z liczb rzeczywistych. Skalę określa się wskazując stała jednostkę miary i relację przyporządkowującą każdemu wynikowi obserwacji liczbę (zero przyjęte arbitralnie ). Działania arytmetyczne, takie jak dodawanie i odejmowania są możliwe. Przykłady: temperatura w skali Celsjusza, wynik finansowy, czas kalendarzowy. Skala ilorazowa posiada własności skali przedziałowej; ponadto pomiary charakteryzują się stałymi stosunkami oraz istnieniem bezwzględnego zera (niearbitralnego). Pomiary określane są na osi R+ wraz z zerem. Każdemu wynikowi obserwacji można przyporządkować liczbę o stałym ilorazie. Można wykonywać operacje arytmetyczne (w tym mnożenie i dzielenie). Przykłady: wiek, dochody, cena towaru, wielkość sprzedaży, upływający czas.
17 Prezentacja tabelaryczna materiału statystycznego Zmienna skokowa Przykład: W stu kolejnych rzutach kostką otrzymano następujące wyniki: ---- przykład z wykładu Jak opisać powyższą próbę wyników? Podajmy rozkład wartości jakie cecha przyjmuje w próbie. Rozkład liczby oczek w próbie: Wartość (liczba oczek) Liczność (liczba wystąpień) Częstość 0,16 0,19 0,09 0,17 0,25 0,14
18 Prezentacja tabelaryczna materiału statystycznego Przykład 4 Rejestrujemy wiek 20 pracowników zgłaszających się na okresowe badania w pewnym zakładzie pracy. Zaobserwowane wielkości (w latach): 36, 41, 33, 34, 38, 26, 33, 36, 30, 48, 39, 31, 35, 36, 38, 37, 22, 31, 25, 32 Szereg uporządkowany: 22, 25, 26, 30, 31, 31, 32, 33, 33, 34, 35, 36, 36, 36, 37, 38, 38, 39, 41, 48 Liczba różnych wartości w próbie 16. Agregacja danych grupowanie obserwacji z wykorzystaniem przedziałów klasowych.
19 Przykład 5 cd. Rozpatrzmy następujące przedziały wiekowe: [20,25), [25,30), [30,35), [35,40), [40,45), [45,50). Przedział Klasa Liczność klasy Częstość [20,25) /20=0,05 [25,30) 25,26 2 2/20=0,1 [30,35) 30,31,31,32,33,33,34 7 7/20=0,35 [35,40) 35,36,36,36,37,38,38,39 8 8/20=0,4 [40,45) /20=0,05 [45,50) /20=0,05 9 Histogram (wzrost pracowników) Liczba obs [20,25) [25,30) [30,35) [35,40) [40,45) > 45 wiek (lata)
20 Wykresy dla danych ilościowych Uporządkowany szereg wartości cechy: x 1, x 2,, x k (x 1 < x 2 < < x k ; k n) Rozkład wartości: (x 1,n 1 ), (x 2,n 2 ), (x k,n k ) Histogram wykres słupkowy umieszczony w układzie współrzędnych; oś rzędnych reprezentuje częstości / liczności a oś odciętych różne wartości zmiennej, wysokość słupków jest proporcjonalna do częstości. Przykłady: Rozkład liczby oczek w próbie: Wartość (liczba oczek) Liczność (liczba wystąpień) Częstość 0,16 0,19 0,09 0,17 0,25 0,14 Diagram liczebności wystąpień oczek Liczba oczek
21 Szeregi statystyczne Grupowanie obserwacji przedziały klasowe. Jak dobierać przedziały klasowe? Przedziały o równej szerokości: Rozpiętość przedziału: h = x max k x min gdzie: x max i x min maksymalna i minimalna wartość cechy, k ustalona wcześniej liczba przedziałów. Ale, skąd wiemy.? Różne techniki heurystyczne, np.: liczba obserwacji niewielka nie więcej niż 5 przedziałów, wielkość przedziału (Koronacki,Malenczuk str. 24). 1 3 h o = 2,64 IQR n (IQR rozstęp międzykwartylowy), Pojęcia powiązane: środek przedziału klasowego x i. Rozkład liczności zbiór wartości zmiennej (lub jej wariantów) oraz liczba przypadków przyjmujących te wartości. Liczności bezwzględne, częstości względne, częstości procentowe, Częstości skumulowane suma częstości wszystkich poprzednich przedziałów aż do danego przedziału włączenie.
22 Graficzne przedstawianie danych Jeden rysunek jest więcej wart niż 100 słów. Wykresy statystyczne służą do bardziej skondensowanego i poglądowego, w porównaniu do szeregów przedstawienia wyników. Wykresy dla danych jakościowych: Przykład 7: W poniższej tabeli przedstawiono dane dotyczące polskiego importu-eksportu w latach wyrażone w mln dol. USA (Źródło: Rocznik Statystyczny, 1996, s. 467). Pozycja Import 1531,2 1837,9 1876,4 2339,2 Eksport 1665,7 1409,8 1735,5 2100,1 Obrót 3169,9 3247,7 3611,9 4439,3 Przykłady prezentacji za pomocą wykresów statystycznych: Histogram słupkowy dla danych ekonomicznych z 1992 roku (w mln dol USA) Import Eksport Obrót
23 Inne formy prezentacji wykresów statystycznych Histogram słupkowy dla danych ekonomicznych o wymianie z zagranicą Import Eksport Obrót Wykres kołowy dla danych z 1992 roku 1531,2 3169,9 Import Eksport Obrót 1665,7 Wykres liniowy Import Eksport Obrót
24 Zadanie domowe: Za książką Koronacki, str 14 = dane dotyczące składu wyznaniowego ludności Warszawy w latach 1864 i Kategoria Rok 1864 Rok 1917 wyznanowiona Liczebność % Liczebność % Katolicy , ,2 Prawosławni , ,5 Ewangelicy , ,5 Żydzi , ,3 Inne wyznania 287 0, ,5 Proszę przedstawić graficzne powyższe dane. Wykres słupkowu składu wyznaniowy ludności Warszawy w roku 1864 Liczebność Katolicy Prawosławni Ewangelicy Żydzi Inne wyznania
25 Podsumowanie Omówiono: 1. Pojęcia związane ze statystyczną analizą danych, w tym: cel i zakres badań statystycznych rozróżnienie metod na statystykę opisową i wnioskowanie statystyczne, zbiorowość, populacja, próba, cechy statystyczne. 2. Pomiar cech i skale pomiarowe. 3. Opracowywanie danych w postaci szeregów statystycznych, metody doboru przedziałów klasowych 4. Podstawowe wykresy do graficznego przedstawiania danych. Więcej o wizualizacji danych: późniejsze wykłady + literatura. Warto rozszerzyć wiedzę, np. zapoznać się z zagadnieniami gromadzenia danych i metodyce prowadzenia badań statystycznych, tworzeniem prób,
26 Wykład nr 2 Statystyka opisowa część 2 Plan wykładu 1. Uwagi wstępne 2. Miary tendencji centralnej 2.1. Wartości średnie 2.2. Miary pozycyjne 2.3. Dominanta 3. Miary rozproszenia 4. Miary asymetrii 5. Miary koncentracji 6. Podsumowanie
27 Statystyka opisowa Cel zwięzłe przedstawienie ogólnej charakterystyki istotnych właściwości badanej zbiorowości. Podstawowe zadania: 1. Określenie przeciętnej wielkości i rozmieszczenia wartości zmiennej miary położenia / tendencji centralnej. 2. Określenie granic zmienności wartości zmiennej miary rozproszenia (zmienności, dyspersji). 3. Określenie parametrów rozkładu wartości zmiennej miary asymetrii i koncentracji rozkładu oraz podobieństwa struktury. 4. Ocena zmienności zjawisk w czasie. 5. Określenie współzależności zmiennych. Statystyki opisowe w odniesieniu do skal pomiarowych
28 Średnia arytmetyczna Stosowane dla skal metrycznych Średnia arytmetyczna definiowana jako 1 n x = i = 1xi n gdzie x i wartość i-tego pomiaru, a n liczebność populacji. Przykład: W pewnym doświadczeniu medycznym bada się czas snu (w minutach) pacjentów. Zmierzono u n = 12 losowo wybranych pacjentów czas: 435, 389, 533, 324, 561, 395, 416, 500, 499, 397, 356 i 398. Średni czas K+ 398 x = =? 12 Własności średniej arytmetycznej: n ( x i x) i= 1 inne (mniej dogodne później)
29 Inne rodzaje średnich arytmetycznych Średnia ważona (w i to tzw. wagi): x = n w i i= 1 n w i= 1 x Przykład testu psychologicznego: i i A co z szeregami rozdzielczymi? Średnia szeregu punktowego: Jeśli wartości wyników, jakie przybiera zmienna w próbie x 1, x 2,, x k występują z licznością n 1, n 2,, n k, to średnia arytmetyczna jest zdefiniowana jako: k ni xi x = i= 1, n gdzie k jest liczbą różnych wartości zmiennej, a n = k n i i= 1.
30 Średnia arytmetyczna dla szeregu rozdzielczego przedziałowego zdefiniowana jako: ni x& i x = i= 1, n gdzie k jest liczbą różnych wartości zmiennej, n i liczność i-tego przedziału klasowego, k x& i wartość środkowa (średnia) i-tego przedziału klasowego. Komentarz jest to przybliżony sposób obliczeń. Przykład 4. Czy dotychczasowe sposoby wyznaczania średniej są zawsze właściwe? Ograniczenia średniej arytmetycznej: wartości skrajne mają silny wpływ na jej wartość, średniej arytmetycznej nie można policzyć, gdy skrajne przedziały szeregu są rozwarte, traci swoją wartość poznawczą w przypadku rozkładów silnie asymetrycznych i wielomodowych, nieadekwatna dla niemetrycznych skal, prób małolicznych.
31 Przykład obliczenia średniej z szeregu Rozważmy rozkład miesięcznych zasadniczych wynagrodzeń pracowników zatrudnionych w pewnej firmie. 6 pracowników ma wynagrodzenie 2500 zł, 6 ma 3000 zł, zł, zł, zł, zł a jeden zarabia zł. Oblicz średnie wynagrodzenie pracownika z wyższym wykształceniem. 1 x = ( K ) 31 Czy to jest wiarygodna informacja? Np. dla kandydata zgłaszającego się do pracy =? Sprawdźmy jak wygląda histogram częstości?
32 Inne rodzaje średnich Średnia ucinana (z parametrem k) : x = 1 n k = tk n 2 k x i i k + 1 Średnie dla analizy dynamik zjawisk i stosowane dla skal ilorazowych Średnia geometryczna stosowana dla oceny średniego tempa zmian zjawiska w czasie (oraz gdy w szeregu występują znaczne różnice między obserwacjami; mniej wrażliwa na krańcowe obserwacje odstające ). Zdefiniowana jako: x = x x K n G 1 2 x n Średnie harmoniczne: Używana, gdy wartości zmiennej podane są w jednostkach względnych, np. przeciętna szybkość (w km/godz), przeciętna cena towarów (wyrażona w liczbie jednostek za jednostkę pieniężną), gęstość zaludnienia (os/km 2 ). Średnia harmoniczna prosta zdefiniowana jako x h = n n i = 1 1 x i
33 Miary pozycyjne Określają pozycję pewnego (typowego) przypadku w stosunku do innych przypadków (ze względu na ich położenie w zbiorowości). Mediana (wartość środkowa) próby Jest to wartość, dla której dokładnie połowa wyników w próbie jest od niej mniejsza lub równa, a druga połowa jest od niej większa lub równa. Jak wyznaczać medianę? x med = x( ( n+ 1) 2) 0,5 ( x( n 2) + x( n 2+ 1) ) gdy n jest nieparzyste gdy n jest parzyste Przykład 9. Zapytano 7 osób o wiek i otrzymano następujące odpowiedzi: 18, 21, 43, 27, 51, 35, 29 lat. Wyznacz medianę.
34 Wyznaczenie mediany z szeregu rozdzielczego: h0 n x med = x0 + ( F 1 ) n0 2 gdzie: x 0 dolna granica przedziału klasowego, który zawiera pierwszych 50% skumulowanych częstości. h 0 rozpiętość przedziału klasowego zawierającego medianę. n 0 częstość odpowiadająca przedziałowi klasowemu zawierającego medianę. n ogólna liczna obserwacji. F -1 częstość skumulowana przedziału poprzedzającego przedział klasowego, który zawiera pierwszych 50% skumulowanych częstości. Przykład obliczeń:
35 Kwantyle (decyle, kwartale, percentyle) Wartości cechy (mierzonej na skali, co najmniej porządkowej), które dzielą próbę na określone części pod względem liczby obserwacji. Najczęściej stosowane: kwartale (podział na 4 części), decyle (podział na 10 części), percentyle (podział na 100 części), Ilustracja graficzna:
36 Dominanta (wartość modalna, moda) Definicja: jest to ta kategoria zmiennej nominalnej (lub porządkowej czy wartość liczbowa), która występuje najczęściej. Przykład. Zbadano marki komputerów, które używa 10 osób. Są one następujące: HP, Del, Cm, HP, IBM, Cm, Cm, No, Cm, IBM. Wyznaczyć wartość modalną. Wyniki pomiarów powinny być wcześniej pogrupowane w odpowiednie szeregi. Wyznaczanie dominanty jest dopuszczalne, gdy rozkład zmiennej jest, jednomodalny a jego asymetria jest umiarkowana. Jeśli zbiorowość jest niejednorodna, a rozkład zmiennej ma 2,3 lub więcej szczytów to mówimy o rozkładach binominalnych, trimodalnych, itd.
37 Wyznaczenie dominanty z szeregu rozdzielczego: n0 n x 1 mod = x0 + h0 ( n0 n 1) + ( n0 n+ 1) gdzie: x 0 dolna granica przedziału klasowego z największą częstością. h 0 rozpiętość przedziału klasowego zawierającego dominantę n 0 częstość odpowiadająca przedziałowi klasowemu z największą częstością. n -1 częstość odpowiadająca przedziałowi poprzedzającemu. n +1 częstość odpowiadająca przedziałowi następnemu. Przykład:
38 Miary rozproszenia Nazywane także miarami zmienności lub dyspersji. Służą do oceny czy wartości cechy są bardzo rozproszone lub skoncentrowane wokół wartości przeciętnej. Miary rozproszenia są zależne od skali pomiarowej. Skala przedziałowa Rozstęp (różnica między pomiarem najwyższym i najniższym). Odchylenie średnie R = x max x min D m n = i = 1 x n i x Wariancja i odchylenie standardowe: wariancja w próbie n ( ) 2 1 = = x x s i i n 1 odchylenie standardowe s pierwiastek z wariancji 2 n ( x x) i s = i= 1 n 1 Różnice w obliczaniu dla próby i populacji --- n vs. (n 1) 2
39 Przykład: W dwóch grupach chorych zmierzono ciśnienie skurczowe krwi. Otrzymano następujące wyniki: (Grupa-1 145, 125, 130, 155, 140, 150, 135) (Grupa-2 115, 150, 100, 180, 140, 165, 130). Oblicz podstawowe miary tendencji centralnej i rozproszenia. Własności odchylenia standardowego: jest tym większe, im większy jest rozrzut wokół średniej, gdyby wszystkie pomiary były sobie równe, odchylenie standardowe również byłoby równe zero, w przypadku rozkładu normalnego obowiązuje tzw. reguła trzech sigm. Inne komentarze: żaden wskaźnik rozproszenia nie powinien zmieniać swej wartości, gdy do wszystkich elementów próby zostanie dodana ta sama liczba (dodatnią lub ujemną), pomnożenie każdego elementu próby przez tę samą liczbę powinno prowadzić do pomnożenia wskaźnika przez wartość bezwzględną tej liczby, wskaźniki rozproszenia nie są odporne na wartości odstające w próbie.
40 Inne miary rozproszenia Skala nominalna miary informacji (np. entropia rozkładu danych). Skala porządkowa rozstęp międzykwartylowy - ćwiartkowy (przedział między kwartylem pierwszym a trzecim). IQR = Q 3 Q 1 Skala ilorazowa tzw. względne miary zróżnicowania Współczynnik zmienności: s V s = x Stosowany w porównywania siły dyspersji: kilku zbiorowości pod względem tej samej zmiennej, jednej zbiorowości, ale ze względu na kilka różnych zmiennych. Przykład:
41 Miary asymetrii Po co są potrzebne? Przykład ilustracyjny Badano czas reakcji (w minutach) na lek w trzech grupach 100- osobowych. Dane przedstawiono w poniższej tabeli Czas reakcji Grupa 1 Grupa 2 Grupa 3 10, , , , , Średnia arytmetyczna i wariancja są jednakowe dla wszystkich grup i wynoszą x =35 oraz s 2 =120. Ale czy grupy są identyczne? A co z wizualizacją rozkładów? Wykonajmy histogramy!
42 Grupa1 liczba osób ,20 20,30 30,40 40,50 50,60 Czas reakcji na lek (min) Grupa2 Liczba osób ,20 20,30 30,40 40,50 50,60 Czas reakcji na lek (min) Grupa3 liczba osób ,20 20,30 30,40 40,50 50,60 Czas reakcji na lek (min) Dokonaj interpretacji!
43 Podsumowanie 1. Kompleksowe podejście do analizy danych przy pomocy miar statystyki opisowej polega na wyznaczeniu, o ile to możliwe, wszystkich niezbędnych rodzajów średniej, przynajmniej jednej miary rozproszenia oraz miar skośności rozkładu. 2. Warto wykonać i analizować graficzne kształty rozkładów wartości zmiennej w próbie. 3. Wybór miar położenia i rozproszenia jest zależny od rodzaju skali pomiarowej i specyfiki rozkładów wartości. 4. Podczas wykładu omówiono przede wszystkim: miary średnie (różnego rodzaju) miary pozycyjne i dominantę, podstawowe miary rozproszenia dla skal przedziałowej i porządkowej, zjawiska asymetrii i zmiany koncentracji rozrzutu wartości. Nie omówiono wszystkich miar stosowanych w statystyce opisowej! Warto rozszerzyć wiedzę, np. wskaźnikami stosowanymi do analizy dynamiki zjawisk, w szczególności, tzw. metody indeksowe stosowane do analizy szeregów czasowych, Warto samodzielnie czytać książki NAPRAWDE WARTO!
Analiza Danych. Jerzy Stefanowski
Analiza Danych Jerzy Stefanowski Instytut Informatyki Politechniki Poznańskiej Tel. 8782376 Jerzy.Stefanowski@cs.put.poznan.pl http://www-idss.cs.put.poznan.pl/~stefan Wykład dla kierunku Informatyka Poznań,
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoPodstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na
Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które
Bardziej szczegółowoPlan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii
Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:
Bardziej szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoPodstawowe 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 szczegółowoPopulacja 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 szczegółowoParametry statystyczne
I. MIARY POŁOŻENIA charakteryzują średni lub typowy poziom wartości cechy, wokół nich skupiają się wszystkie pozostałe wartości analizowanej cechy. I.1. Średnia arytmetyczna x = x 1 + x + + x n n = 1 n
Bardziej szczegółowoStatystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA
Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoStatystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt
Statystyka matematyczna dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Zasady zaliczenia przedmiotu: część wykładowa Maksymalna liczba punktów do zdobycia 40. Egzamin będzie
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna
Bardziej szczegółowo-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ (II rok WNE)
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ (II rok WNE) Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 1 1 / 33 Warunki zaliczenia 1 Ćwiczenia OBOWIĄZKOWE (max. 3 nieobecności) 2 Zaliczenie
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
Bardziej szczegółowoStatystyka. Podstawowe pojęcia: populacja (zbiorowość statystyczna), jednostka statystyczna, próba. Cechy: ilościowe (mierzalne),
Statystyka zbiór przetworzonych i zsyntetyzowanych danych liczbowych, nauka o ilościowych metodach badania zjawisk masowych, zmienna losowa będąca funkcją próby. Podstawowe pojęcia: populacja (zbiorowość
Bardziej szczegółowoWydział 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 szczegółowoStatystyka. Opisowa analiza zjawisk masowych
Statystyka Opisowa analiza zjawisk masowych Typy rozkładów empirycznych jednej zmiennej Rozkładem empirycznym zmiennej nazywamy przyporządkowanie kolejnym wartościom zmiennej (x i ) odpowiadających im
Bardziej szczegółowoWykład 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 szczegółowoStatystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl
Statystyka i opracowanie danych W5: Wprowadzenie do statystycznej analizy danych Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoStatystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl
Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych
Bardziej szczegółowoSTATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE
STATYSTYKA IV SEMESTR ALK (PwZ) STATYSTYKA OPISOWA RODZAJE CECH W POPULACJACH I SKALE POMIAROWE CECHY mogą być: jakościowe nieuporządkowane - skala nominalna płeć, rasa, kolor oczu, narodowość, marka samochodu,
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
STATYSTYKA OPISOWA Literatura A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34
Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/
Bardziej szczegółowoPozyskiwanie wiedzy z danych
Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy
Bardziej szczegółowoSTATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;
STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; - badanie skuteczności nowego leku; - badanie stopnia zanieczyszczenia gleb metalami
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoĆwiczenia 1-2 Analiza rozkładu empirycznego
Ćwiczenia 1-2 Zadanie 1. Z kolokwium z ekonometrii studenci otrzymali następujące oceny: 5 osób dostało piątkę, 20 os. dostało czwórkę, 10 os. trójkę, a 3 osoby nie zaliczyły tego kolokwium. Należy w oparciu
Bardziej szczegółowo1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:
Wariancja z populacji: Podstawowe miary rozproszenia: 1 1 s x x x x k 2 2 k 2 2 i i n i1 n i1 Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel: 1 k 2 s xi x n 1 i1 2 Przykład 38,
Bardziej szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Dla opisania rozkładu badanej zmiennej, korzystamy z pewnych charakterystyk liczbowych. Dzielimy je na cztery grupy.. Określenie przeciętnej wartości
Bardziej szczegółowoElementy 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 szczegółowoWykład 2. Statystyka opisowa - Miary rozkładu: Miary położenia
Wykład 2 Statystyka opisowa - Miary rozkładu: Miary położenia Podział miar Miary położenia (measures of location): 1. Miary tendencji centralnej (measures of central tendency, averages): Średnia arytmetyczna
Bardziej szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 27 lutego Magdalena Alama-Bućko Statystyka 27 lutego / 39
Statystyka Wykład 2 Magdalena Alama-Bućko 27 lutego 2017 Magdalena Alama-Bućko Statystyka 27 lutego 2017 1 / 39 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: https://bdl.stat.gov.pl/
Bardziej szczegółowoMIARY 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 szczegółowoPo co nam charakterystyki liczbowe? Katarzyna Lubnauer 34
Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41
Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.
Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw
Bardziej szczegółowoAgata Boratyńska. WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne.
1 Agata Boratyńska WYKŁAD 1. Wstępna analiza danych, charakterystyki opisowe. Indeksy statystyczne. Agata Boratyńska Wykłady ze statystyki 2 Literatura J. Koronacki i J. Mielniczuk Statystyka WNT 2004
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoStatystyczne metody analizy danych
Statystyczne metody analizy danych Statystyka opisowa Wykład I-III Agnieszka Nowak - Brzezińska Definicje Statystyka (ang.statistics) - to nauka zajmująca się zbieraniem, prezentowaniem i analizowaniem
Bardziej szczegółowoLaboratorium 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 szczegółowoOpisowa analiza struktury zjawisk statystycznych
Statystyka Opisowa z Demografią oraz Biostatystyka Opisowa analiza struktury zjawisk statystycznych Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoPOJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.
[1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej
Bardziej szczegółowoStatystyka. 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 szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Statystyka zbiór przetworzonych i zsyntetyzowanych danych liczbowych, nauka o ilościowych metodach
Bardziej szczegółowo1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:
Wprowadzenie Statystyka opisowa to dział statystyki zajmujący się metodami opisu danych statystycznych (np. środowiskowych) uzyskanych podczas badania statystycznego (np. badań terenowych, laboratoryjnych).
Bardziej szczegółowoMiary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej
Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich
Bardziej szczegółowoAnaliza struktury i przeciętnego poziomu cechy
Analiza struktury i przeciętnego poziomu cechy Analiza struktury Pod pojęciem analizy struktury rozumiemy badanie budowy (składu) określonej zbiorowości, lub próby, tj. ustalenie, z jakich składa się elementów
Bardziej szczegółowoWykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Bardziej szczegółowoPodstawy statystyki opisowej
Podstawy statystyki opisowej JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Aktualizacja 2017 Literatura Podstawowa: Statystyka dla studentów kierunków technicznych i przyrodniczych, Koronacki
Bardziej szczegółowoSCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
Bardziej szczegółowoMiary 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 szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 2 1 / 20 MIARY ROZPROSZENIA, Wariancja Wariancją z próby losowej X
Bardziej szczegółowoStatystyka. Wykład 5. Magdalena Alama-Bućko. 26 marca Magdalena Alama-Bućko Statystyka 26 marca / 40
Statystyka Wykład 5 Magdalena Alama-Bućko 26 marca 2018 Magdalena Alama-Bućko Statystyka 26 marca 2018 1 / 40 Uwaga Gdy współczynnik zmienności jest większy niż 70%, czyli V s = s x 100% > 70% (co świadczy
Bardziej szczegółowoStatystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28
Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoGraficzna 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 szczegółowoWykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
Bardziej szczegółowoYou 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 szczegółowoWykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle.
Wykład 3. Opis struktury zbiorowości 1. Parametry opisu rozkładu badanej cechy. 2. Miary połoŝenia rozkładu. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. W praktycznych zastosowaniach bardzo często
Bardziej szczegółowoWprowadzenie Pojęcia podstawowe Szeregi rozdzielcze STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP.
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 18 września 2017 1 Wprowadzenie 2 Pojęcia podstawowe 3 Szeregi rozdzielcze Zwykle wyróżnia się dwa podstawowe działy statystyki: statystyka
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoStatystyczne metody analizy danych. Agnieszka Nowak - Brzezińska
Statystyczne metody analizy danych Agnieszka Nowak - Brzezińska SZEREGI STATYSTYCZNE SZEREGI STATYSTYCZNE odpowiednio usystematyzowany i uporządkowany surowy materiał statystyczny. Szeregi statystyczne
Bardziej szczegółowoPodstawowe funkcje statystyki: informacyjna, analityczna, prognostyczna.
Podstawy Podstawowe funkcje statystyki: informacyjna, analityczna, prognostyczna. Funkcja informacyjna umożliwia pełny i obiektywny obraz badanych zjawisk Funkcja analityczna umożliwia określenie czynników
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych.
Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 2 marca 2009 Populacja i próba Populacja- zbiorowość skończona lub nieskończona, w stosunku do której mają być formułowane wnioski.
Bardziej szczegółowoWykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy)
Wykład 3. Metody opisu danych (statystyki opisowe, tabele liczności, wykresy ramkowe i histogramy) Co na dzisiejszym wykładzie: definicje, sposoby wyznaczania i interpretacja STATYSTYK OPISOWYCH prezentacja
Bardziej szczegółowoSTATYSTYKA wykłady. L.Gruszczyński Elementy statystyki dla socjologów Dr. Pactwa pon. i wtorek 09:30 11:00 (pok. 217) I. (08.X)
STATYSTYKA wykłady L.Gruszczyński Elementy statystyki dla socjologów Dr. Pactwa pon. i wtorek 09:30 11:00 (pok. 17) I. (08.X) 1. Statystyka jest to nauka zajmująca się metodami ilościowymi badania prawidłowości
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4
KARTA KURSU (do zastosowania w roku ak. 2015/16) Nazwa Statystyka 1 Nazwa w j. ang. Statistics 1 Kod Punktacja ECTS* 4 Koordynator Dr hab. Tadeusz Sozański (koordynator, wykłady) Dr Paweł Walawender (ćwiczenia)
Bardziej szczegółowoMiary w szeregach. 1 Miary klasyczne. 1.1 Średnia Średnia arytmetyczna
Miary w szeregach 1 Miary klasyczne 1.1 Średnia 1.1.1 Średnia arytmetyczna Zad. 1 średnia dla szeregu rozdzielczego punktowego W tabeli zestawiono wyniki badań czasu wykonania 15 detali. Jest to szereg
Bardziej szczegółowoStatystyka 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 szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Statystyka to nauka zajmująca się badaniem prawidłowości w procesach masowych, to jest takich, które realizują się na dużą skalę (np. procesy
Bardziej szczegółowoMiary zmienności STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 6 marca 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 6 marca 2018 1 MIARY ZMIENNOŚCI (inaczej: rozproszenia, rozrzutu, zróżnicowania, dyspersji) informuja o zróżnicowaniu jednostek zbiorowości
Bardziej szczegółowoStatystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński
Statystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński Opracowanie materiału statystycznego Szereg rozdzielczy częstości
Bardziej szczegółowoBiostatystyka, # 1 /Weterynaria I/
Biostatystyka, # 1 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoSposoby prezentacji problemów w statystyce
S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki
Bardziej szczegółowoStatystyka Opisowa WK Andrzej Pawlak. Intended Audience: PWR
Statystyka Opisowa WK1.2017 Andrzej Pawlak Intended Audience: PWR POJĘCIA STATYSTYKI 1. Zbiór danych liczbowych pokazujących kształtowanie się określonych zjawisk i procesów (roczniki statystyczne). 2.
Bardziej szczegółowoTypy zmiennych. Zmienne i rekordy. Rodzaje zmiennych. Graficzne reprezentacje danych Statystyki opisowe
Typy zmiennych Graficzne reprezentacje danych Statystyki opisowe Jakościowe charakterystyka przyjmuje kilka możliwych wartości, które definiują klasy Porządkowe: odpowiedzi na pytania w ankiecie ; nigdy,
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY Liczebności i częstości Liczebność liczba osób/respondentów/badanych, którzy udzielili tej konkretnej odpowiedzi. Podawana w osobach. Częstość odsetek,
Bardziej szczegółowoPodstawy statystyki opisowej
Podstawy statystyki opisowej JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Aktualizacja 2015/16 Literatura Podstawowa: Statystyka dla studentów kierunków technicznych i przyrodniczych,
Bardziej szczegółowoBadania Statystyczne
Statystyka Opisowa z Demografią oraz Biostatystyka Badania Statystyczne Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoTablica 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 szczegółowoMatematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013
0,KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Matematyka stosowana w geomatyce Nazwa modułu w języku angielskim Applied Mathematics in Geomatics Obowiązuje od roku akademickiego 2012/2013 A.
Bardziej szczegółowoAnaliza zróżnicowania, asymetrii i koncentracji
Analiza zróżnicowania, asymetrii i koncentracji Miary zróżnicowania Miary średnie, chociaż reprezentują wszystkie jednostki badanej zbiorowości, nie dają wyczerpującej charakterystyki szeregu statystycznego,
Bardziej szczegółowoAnaliza statystyczna w naukach przyrodniczych
Analiza statystyczna w naukach przyrodniczych Po co statystyka? Człowiek otoczony jest różnymi zjawiskami i próbuje je poznać, dowiedzieć się w jaki sposób funkcjonują, jakie relacje między nimi zachodzą.
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoStatystyka. Wykład 1. Magdalena Alama-Bućko. 20 lutego Magdalena Alama-Bućko Statystyka 20 lutego / 19
Statystyka Wykład 1 Magdalena Alama-Bućko 20 lutego 2017 Magdalena Alama-Bućko Statystyka 20 lutego 2017 1 / 19 Wykład : 30h Laboratoria : 30h (grupa B : 14:00, grupa C : 10:30, grupa E : 12:15) obowiazek
Bardziej szczegółowoDane i ich struktura Skale pomiarowe i ich przekształcanie. Mariusz Dacko
Dane i ich struktura Skale pomiarowe i ich przekształcanie Mariusz Dacko Zjawisko masowe staje się widoczne w dużej liczbie obserwacji (lecz jest niewidoczne w obserwacji pojedynczej) Zjawisko masowe jest
Bardziej szczegółowoStatystyka. Tematyka wykładów. Przykładowe pytania. dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl. wersja 20.01.2013/13:40
Statystyka dr Tomasz Giętkowski www.krajobraz.ukw.edu.pl wersja 20.01.2013/13:40 Tematyka wykładów 1. Definicja statystyki 2. Populacja, próba 3. Skale pomiarowe 4. Miary położenia (klasyczne i pozycyjne)
Bardziej szczegółowo4.2. Statystyczne opracowanie zebranego materiału
4.2. Statystyczne opracowanie zebranego materiału Zebrany i pogrupowany materiał badawczy należy poddać analizie statystycznej w celu dokonania pełnej i szczegółowej charakterystyki interesujących badacza
Bardziej szczegółowoStatystyki opisowe i szeregi rozdzielcze
Statystyki opisowe i szeregi rozdzielcze - ćwiczenia ĆWICZENIA Piotr Ciskowski ramka-wąsy przykład 1. krwinki czerwone Stanisz W eksperymencie farmakologicznym analizowano oddziaływanie pewnego preparatu
Bardziej szczegółowo