I WYKŁAD STATYSTYKA. 5/03/2014 B8 sala 0.10B Godz. 15:15
|
|
- Zuzanna Baranowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 I WYKŁAD STATYSTYKA 5/03/2014 B8 sala 0.10B Godz. 15:15
2 STATYSTYKA WYKŁAD I 1. Organizacja zajęć 2. Wstęp do statystyki Prowadzący: Wykłady: 1.prof. Mieczysław Rękas - A-3 IV p. p. 404; rekas@agh.edu.pl Laboratorium: 1. Prof. Mieczysław Rękas - A-3 IV p. p. 404 rekas@agh.edu.pl 2. Dr Małgorzata Dziubaniuk - A-3 IVp ; p.406 dziubaniuk@o2.pl 3. Mgr inż. Agata Smalec - A-3 IV p. p. 416a smalec.agata@gmail.com 4. Mgr inż Małgorzata Wolska A-3 IV p. p. 405 wolska.malgorzata@op.pl 5. Mgr inż. Leszek Cabaj A-3 IV p. p. 415 leszek.cabaj@gmail,com
3 1.Wstęp 2. Cel przedmiotu 3. Organizacja zajęć: STATYSTYKA A) Wykłady (obecność nieobowiązkowa) środy 15:15-16:45, B8 0.10B B) Laboratorium (obecność obowiązkowa) B6 IV p. 404 a) W semestrze 5 kolokwiów, każde na 0-20 punktów b) Warunek zaliczenia przedmiotu: minimum 50 % (50 pkt) Na następne zajęcia laboratoryjne należy przynieść dysk CD lub pen-drive do wielokrotnych nagrywań
4 STATYSTYKA LABORATORIUM 1.Podział na grupy w każdej grupie liczba studentów winna wynosić najwyżej 24. Wszelkie zmiany przynależności w poszczególnych grupach mogą zachodzić na drodze pojedynczych (parami) wymian. 2. Organizacja ćwiczeń (laboratorium): Każdy student ma dostarczyć CD ( do wielokrotnego nagrywania) do zapisu rozwiązań zadań (podpisany niezmywalnym pisakiem). Po każdych zajęciach dyski te pozostają pod opieką prowadzących laboratorium. Przeciętnie co 2 gi -3 ci tydzień odbędzie się kolokwium obejmujące samodzielne rozwiązywanie zadań przez studentów z zakresu omawianego na wykładach. Planowane jest 5 kolokwiów w semestrze. Podczas kolokwium dozwolone jest korzystanie z notatek (ściąg), podręczników. Natomiast zabronione są rozmowy z sąsiadami i telefoniczne oraz korzystanie z internetu. Każde kolokwium będzie ocenione w skali od 1 do 20 pkt, ocena pozytywna minimum 10 pkt. Warunkiem uzyskania zaliczenia jest uzyskanie minimum 50 % punktów, tj. : 10* liczba kolokwiów
5 STATYSTYKA LABORATORIUM (c.d) Nie ma możliwości odrabiania zajęć. Tylko usprawiedliwione nieobecności stanowią podstawę do osiągnięcia wymaganej liczby punktów (osoby te będą dopuszczone do kolokwium zaliczeniowego ). Nieobecności należy usprawiedliwiać bezpośrednio po pierwszym pojawieniu się na zajęciach. Wszelkie reklamacje będą rozpatrywane tylko na podstawie zapisu na CD, brak zapisu na CD jest równoznaczny z oceną: 0 pkt ( studenci muszą zadbać by właściwe zapisy znalazły się na CD!!). 3. Sprawy bieżące można załatwiać następująco: Na zajęciach Po wykładzie Na konsultacjach.
6 STATYSTYKA LABORATORIUM (c.d) 4. Zajęcia laboratoryjne odbywać się będą w podanych na harmonogramie terminach w sali 404, Bud. B6 5. Wymagana jest od studentów umiejętność posługiwania się komputerem w tym program EXCEL oraz wiedza z zakresu statystyki prezentowana na wykładach. 6. Zadania na kolokwium obejmują : zakres materiału z wykładów, które odbyły się minimum 5 dni wcześniej oraz materiał przerabiany na wcześniejszych ćwiczeniach.
7 Cel przedmiotu pomoc w opracowaniu wyników pomiarów Erare humanum est (łac) czyli: Błądzić jest rzeczą ludzką, ale ale do tego, żeby naprawdę solidnie naknocić, potrzebny jest komputer
8 C.d. Człowiek wciąż jest najbardziej niezwykłym ze wszystkich komputerów John F. Kennedy
9 WYKŁAD 1 1. Przedmiot statystyki 2. Graficzna prezentacja danych typy danych, szereg rozdzielczy, histogram, poligon, częstość skumulowana (dystrybuanta empiryczna) 3. Numeryczne parametry opisowe- miary położenia i rozproszenia
10 LITERATURA Literatura zalecana: 1. J.Godziszewski, R.Mania, R.Pampuch. Zasady planowania doświadczeń i opracowywania wyników pomiarów, Skrypt uczelniany nr 1093, wyd. II, Wydawnictwo AGH, Kraków John R.Taylor, Wstęp do analizy błędu pomiarowego, PWN Warszawa L.Gajek, M.Kałuszka, Wnioskowanie statystyczne WNT Warszawa C. Gren, Statystyka matematyczna. Modele i zadania, PWN Warszawa G. Keller, B. Warrack, H. Bartel, Statistics for menagement and economics Duxbury Press, Belmont California 1994
11 Przedmiot statystyki Statystyka zajmuje się metodami zbierania informacji (liczbowych) oraz ich analizą i interpretacją. STATYSTYKA OPISOWA- ANALIZA DANYCH (DESCRIPTIVE STATISTICS) ORGANIZACJA DANYCH PODSUMOWANIE DANYCH PREZENTACJA DANYCH DEDUKCYJNA- MODELOWANIE STOCHASTYCZNE (INFERENTIAL STATISTICS) Podaje metody formułowania wniosków dotyczącej obiektu badań (populacji generalnej) w oparciu o mniej liczny zbiór (próbę) GRAFICZNA NUMERYCZNA
12 Przedmiot statystyki (c.d) Statystyka opiera się na dziale matematyki zwanym RACHUNKIEM PRAWDOPODOBIEŃSTWA Aktualnie (nie historycznie) rachunek prawdopodobieństwa traktuje się jako część statystyki. Pokrewne przedmioty: MECHANIKA STATYSTYCZNA (zajmuje się licznymi zbiorami takich obiektów jak: cząsteczkami, elektronami, cząstkami elementarnymi itp.) KLASYCZNA (obiekty są rozróżnialne) ROZKŁAD MAXWELLA-BOLTZMANNA KWANTOWA (obiekty są nierozróżnialne) ROZKŁAD FERMIEGO DIRACA ( dla fermionów, podlegających zakazowi Pauliego) ROZKŁAD BOSEGO-EINSTEINA (dla bosonów, niepodlegających zakazowi Pauliego) TERMODYNAMIKA STATYSTYCZNA opiera się na postulacie Boltzmanna, nadający sens fizyczny entropii: S= k ln W
13 KONIEC Części I
14 Graficzna prezentacja danych TYPY DANYCH ILOŚCIOWE (QUANTITATIVE, NUMERICAL) Przykłady: Zbiór ludzi: wiek, wzrost, waga, wysokość zarobków (wartości liczbowe) Obliczanie pewnych parametrów jak np. średnia arytmetyczna ma sens JAKOŚCIOWE (QUALITATIVE, CATEGORICAL) Przykłady: Zbiór ludzi: płeć, stan cywilny ( poszczególnym cechom można arbitralnie przypisać wartości liczbowe) Obliczanie parametrów nie ma sensu, można jedynie podawać np. udział procentowy
15 JAKOŚCIOWE x częstość bezwzględna częstość względna /23 = 0,1304 5/23 = 0, /23=0,4348 4/23= 0,1739 1/23= 0,0435 1,0000
16 ILOŚCIOWE Wyniki 34 pomiarów (np. wielkość ziaren w [nm], temperatura w kolejnych dniach o godz. 11:00 w [deg.c], czas rozmów telefonicznych w [min] itp. 3,6 11,2 10,2 5,5 13,5 15,3 4,8 12,3 9,1 16,6 15,3 11,7 6,2 9,6 6,2 15,3 8,9 8,3 6,8 6,2 6,2 12,1 8,1 15,3 18,7 15,3 19,5 11,8 8,5 10,4 11,4 7,2 8,2 2,3 Tak podane wartości są mało czytelne!!
17 HISTOGRAM Sporządzanie wykresu (histogramu): 1. Uporządkować zbiór wg. rosnących (lub malejących ) wartości program Exel ma taką opcję. 2. Wyniki próby (o liczebności n ) stanowią zbiór n-liczb ( niekoniecznie różniących się od siebie). Celem ich ilustracji dzieli się je na klasy, tworząc tzw. szereg rozdzielczy. 3. Szerokość poszczególnych klas nie musi być taka sama, chociaż zwykle stosuje się klasy o tej samej szerokości. 4. Ilość klas nie może być zbyt mała (rys a, b) ani też zbyt liczna (rys c). Najbardziej optymalną liczbę klas, k, określa reguła Sturge sa : n=34 => k= Liczebność próbki, n Poniżej Powyżej Liczba klas, k
18 HISTOGRAM -PRZYKŁADY
19 HISTOGRAM -PRZYKŁADY
20 HISTOGRAM -PRZYKŁADY
21 HISTOGRAM -PRZYKŁADY
22 HISTOGRAM -PRZYKŁADY
23 HISTOGRAM -PRZYKŁADY reguła Sturge sa : Pierwotny zbiór (nieuporządkowany) 3,6 11,2 10,2 5,5 13,5 12,3 9,1 16,6 15,3 11,7 6,2 15,3 8,9 8,3 6,8 12,1 8,1 15,3 18,7 15,3 8,5 10,4 11,4 7,2 8,2 4,8 9,6 6,2 2,3 11,8 15,3 6,2 6,2 19,5 n=34 => k= K L A S Y cz.bezwzgl cz.wzgl od do nk nk/34 Zbiór uporządkowany 2,3 3,6 4,8 5,5 6,2 6,2 6,2 6,2 6,8 7,2 8,1 8,2 8,3 8,5 8,9 9,1 9,6 10,2 10,4 11,2 11,4 11,7 11,8 12,1 12,3 13,5 15,3 15,3 15,3 15,3 15,3 16,6 18,7 19, , , , , , ,059
24 HISTOGRAM -PRZYKŁADY reguła Sturge sa n=34 => k=
25 HISTOGRAM Drugi Przykład Przykład 2 ( wyniki x przyjmują wartości całkowite) Wyniki x [kg] z 18 pomiarów (n=18): 20, 19, 16, 18, 24, 18,19, 21,19, 22, 18, 19, 19, 20, 19, 20, 21, 20 Porządkujemy (np. rosnąco): 16, 18,18,18, 19,19,19,19,19,19, 20,20,20, 20,21,21,22,24 W Tabeli zestawiamy różne wartości x k podając liczbę n k określającą, ile razy występuje dana wartość: Tabela 1 Różne wartości x k Krotności ich występowania n k Częstości w k 0,056 0,000 0,167 0,333 0,222 0,111 0,056 0,000 0,056
26 HISTOGRAM Drugi Przykład (c.d) Sporządzamy wykres w k = f(x k ) HISTOGRAM SŁUPKOWY
27 HISTOGRAM Wyznaczanie średniej z szeregu rozdzielczego Średnią arytmetyczną wyników można obliczać następująco: w k częstość wyniku k, łatwo zauważyć: - warunek normalizacji
28 HISTOGRAM Trzeci Przykład (c.d) Przykład3 Wyniki x [m] z 10 pomiarów (n=10): 26,4; 23,9; 25,1; 24,6; 22,7; 23,8; 25,1; 23,9; 25,3 25,4 Wyniki dzielimy na przedziały (komórki). Szerokość k-tej komórki oznaczamy przez Δ k ( szerokości te nie muszą być sobie równe). Ilość przedziałów ani zbyt mała, ani też zbyt duża. Jeżeli zdarzy się, że wartość leży dokładnie na granicy pomiędzy dwoma komórkami, to należy przypisać połowy pomiaru do każdej komórki (oznacza to, że n k nie musi być całkowite!) Przedział Liczba pomiarów w przedziale, n k Szerokość komórki, Δ k Częstość pomiarów w przedziale, w k =n k /n 0,1 0,3 0,1 0,4 0,1 0,0 Wysokość prostokąta, f k =w k / Δ k 0,1 0,3 0,1 0,4 0,1 0,0
29 HISTOGRAM Trzeci Przykład HISTOGRAM KOMÓRKOWY
30
31
32 ROZKŁAD GRANICZNY
33 ROZKŁAD NORMALNY
34 Rys. 5 Rozkład Gaussa dla X=4, σ=2 : N(4,2)
35 POLIGON od do n k f k x srodkowy ,088 3, ,206 6, ,265 9, ,206 12, ,176 15, ,059 18,5
36 POLIGON
37 POLIGON &HISTOGRAM
38 DYSTRYBUANTA EMPIRYCZNA od do n k f k x srodkowy Σf k ,088 3,5 0, ,206 6,5 0, ,265 9,5 0, ,206 12,5 0, ,176 15,5 0, ,059 18,5 1,000
39 DYSTRYBUANTA EMPIRYCZNA
40 Stem and leaf display (Pokaz pnia i liści) Przykład: roczne zarobki 30 pracowników [k$] STEM- cyfry przed przecinkiem, LEAF- cyfry po przecinku, np. dla 3 pierwszych pozycji: INCOME STEM LEAF Dla wszystkich danych: STEM LEAF
41 Stem and leaf display dla: 1-ego przykładu (histogram) Wyniki 34 pomiarów 3,6 11,2 10,2 5,5 13,5 15,3 4,8 12,3 9,1 16,6 15,3 11,7 6,2 9,6 6,2 15,3 8,9 8,3 6,8 6,2 6,2 12,1 8,1 15,3 18,7 15,3 19,5 11,8 8,5 10,4 11,4 7,2 8,2 2,3 STEM LEAF
42 NUMERYCZNE MIARY OPISOWE MIARY (PARAMETRY) OPISOWE POŁOŻENIA ŚREDNIA MEDIANA MODA ROZPROSZENIA WARIANCJA (ODCHYLENIE STANDARDOWE) ROZSTĘP
43 NUMERYCZNE MIARY OPISOWE Średnia Arytmetyczna A) Parametry położenia x i elementy zbioru n-elementowego (niekoniecznie różnych). Jeśli wiele elementów w zbiorze ma tę samą wartość, wówczas dzieląc zbiór na klasy zawierające identyczne elementy o liczebnościach n k mamy: gdzie:, p liczba klas (p n) łatwo zauważyć: jest to tzw. warunek normalizacji
44 NUMERYCZNE MIARY OPISOWE Srednia arytmetyczna c.d Przykład 1: Średnia ze zbioru 6-ciu pomiarów (n=6) : 7, 3, 9, -2, 4, 6 wynosi: Przykład 2: Średnia z pomiarów zestawionych w tabeli: x k n k f k 11,3 1 0, ,5 3 0, ,7 2 0, , ,9 4 0, ,1 1 0, ,4 2 0, ,9 2 0, ,1 1 0, ,5 1 0,04545 Suma
45 NUMERYCZNE MIARY OPISOWE Mediana, Moda Mediana uporządkowanego zbioru n- pomiarów jest to wartość środkowa. Gdy n jest nieparzyste to mediana jest równa wartości środkowej x k, dla n parzystego jest średnią dwu środkowych wartości x. Przykład 1. Dla zbioru: 26, 26, 28, 29, 30, 32, 60 mediana= 29 Przykład 2: Dla zbioru: 26, 26, 28, 29, 30, 32 mediana =(28+29)/2 = 28,5 Moda zbioru pomiarów jest to wartość, która pojawia się najczęściej (gdy na wykresie częstości : f k = f(x k ) pojawiają się 2 maxima zbiór dwumodalny, itd
46 NUMERYCZNE MIARY OPISOWE A) Parametry położenia
47 NUMERYCZNE MIARY OPISOWE B) Parametry rozproszenia DUŻE ROZPROSZENIE NISKIE ROZPROSZENIE
48 NUMERYCZNE MIARY OPISOWE B) Parametry rozproszenia- rozstęp ROZSTĘP = x max - x min
49 NUMERYCZNE MIARY OPISOWE B) Parametry rozproszenia ROZSTEP = x max - x min
50 NUMERYCZNE MIARY OPISOWE B) Parametry rozproszenia- wariancja Wariancja z próby (n- elementowej): Wariancja z populacji (N- elementowej): µ -średnia z populacji (wartość oczekiwana) Pożyteczny wzór:
51 NUMERYCZNE MIARY OPISOWE B) Parametry rozproszenia-odchylenie standardowe Odchylenie standardowe próby Lub: Błąd standardowy Odchylenie standardowe (populacji)
52 FUNKCJE STATYSTYCZNE EXCEL EXCEL Formuły Wstaw funkcję Statystyczne MEDIANA MAX MIN ROZSTĘP= MAX-MIN ODCH.STANDARDOWE ŚREDNIA WARIANCJA
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 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 szczegółowoMatematyka 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 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 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 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 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 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 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 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 szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);
Bardziej szczegółowoprzedmiot podstawowy obowiązkowy polski drugi
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 07/08 IN--008 STATYSTYKA W INŻYNIERII ŚRODOWISKA Statistics in environmental engineering
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 szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
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 szczegółowoLABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.
LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja
Bardziej szczegółowoMatematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
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 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 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 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 szczegółowodr Jerzy Pusz, st. wykładowca, Wydział Matematyki i Nauk Informacyjnych Politechniki Warszawskiej B. Ogólna charakterystyka przedmiotu
Kod przedmiotu TR.SIK303 Nazwa przedmiotu Probabilistyka I Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów Stacjonarne
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 szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych.
Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 23 lutego 2009 Przedmiot statystyki Statystyka dzieli się na trzy części: -zbieranie danych; -opracowanie i kondensacja danych
Bardziej szczegółowoOpis przedmiotu: Probabilistyka I
Opis : Probabilistyka I Kod Nazwa Wersja TR.SIK303 Probabilistyka I 2012/13 A. Usytuowanie w systemie studiów Poziom Kształcenia Stopień Rodzaj Kierunek studiów Profil studiów Specjalność Jednostka prowadząca
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 szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
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 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 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 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 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 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 szczegółowoLiteratura. Podgórski J., Statystyka dla studiów licencjackich, PWE, Warszawa 2010.
Metody statystyczne Literatura Podgórski J., Statystyka dla studiów licencjackich, PWE, Warszawa 2010. Stąpor K. Wykłady z metod statystycznych dla informatyków z przykładami w języku R. Wydawnictwo Politechniki
Bardziej szczegółowoOpis przedmiotu. Karta przedmiotu - Probabilistyka I Katalog ECTS Politechniki Warszawskiej
Kod przedmiotu TR.NIK304 Nazwa przedmiotu Probabilistyka I Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów Niestacjonarne
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 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 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 szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
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 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 szczegółowoS 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 szczegółowoWykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
Bardziej szczegółowoSTATYSTYKA 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 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 szczegółowoMATEMATYKA3 Mathematics3. Elektrotechnika. I stopień ogólnoakademicki. studia stacjonarne. Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 MATEMATYKA3 Mathematics3 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek
Bardziej szczegółowoZ-0033z Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki. Stacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Z-0033z Statystyka Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Statistics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoSTATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 STATYSTYKA
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 szczegółowoStatystyka SYLABUS A. Informacje ogólne
Statystyka SYLABUS A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Język Rodzaj Dziedzina
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 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 szczegółowolaboratoria 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 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 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 szczegółowoInżynierskie zastosowania statystyki Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.
Inżynierskie zastosowania statystyki Czyli co i jak 2018 andrzej.rusiecki@pwr.edu.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest nabycie wiedzy na temat metod
Bardziej szczegółowoRok akademicki: 2012/2013 Kod: JFM s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne
Nazwa modułu: Statystyka inżynierska Rok akademicki: 2012/2013 Kod: JFM-1-210-s Punkty ECTS: 3 Wydział: Fizyki i Informatyki Stosowanej Kierunek: Fizyka Medyczna Specjalność: Poziom studiów: Studia I stopnia
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 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 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 szczegółowozbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne)
STATYSTYKA zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne) DANYCH STATYSTYKA MATEMATYCZNA analiza i interpretacja danych przy wykorzystaniu metod
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 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 szczegółowoGenerowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport
Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport Michał Krzemiński Streszczenie Projekt dotyczy metod generowania oraz badania własności statystycznych ciągów liczb pseudolosowych.
Bardziej szczegółowoWYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO
Zał. nr 4 do ZW WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA STOSOWANA Nazwa w języku angielskim APPLIED STATISTICS Kierunek studiów (jeśli dotyczy): Specjalność
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 szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej 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 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 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 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 szczegółowoZ-LOG-033I Statystyka Statistics
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOG-033I Statystyka Statistics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoZ-ZIPN1-004 Statystyka. Zarządzanie i Inżynieria Produkcji I stopień Ogólnoakademicki Niestacjonarne Wszystkie Katedra Matematyki dr Zdzisław Piasta
KARTA MODUŁU / KARTA PRZEDMIOTU Z-ZIPN-004 Statystyka Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Statistics Obowiązuje od roku akademickiego 0/04 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
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 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 szczegółowoKARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański
KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół
Bardziej szczegółowoWykład: 20 godz., ćwiczenia: 20 godz. Zasady zaliczenia: zaliczenie ćwiczeń na ocenę, zaliczenie wykładu - egzamin (pisemne).
Tematy: Statystyka opisowa. rozproszenia. WSTĘP Miary tendencji centralnej i Doświadczenia losowe. Aksjomaty teorii prawdopodobieństwa. Własności prawdopodobieństwa. Klasyczna definicja prawdopodobieństwa.
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 szczegółowoKARTA INFORMACYJNA PRZEDMIOTU
Uniwersytet Rzeszowski WYDZIAŁ KIERUNEK Matematyczno-Przyrodniczy Fizyka techniczna SPECJALNOŚĆ RODZAJ STUDIÓW stacjonarne, studia pierwszego stopnia KARTA INFORMACYJNA PRZEDMIOTU NAZWA PRZEDMIOTU WG PLANU
Bardziej szczegółowoOpis programu studiów
IV. Opis programu studiów Załącznik nr 9 do Zarządzenia Rektora nr 35/19 z dnia 1 czerwca 019 r. 3. KARTA PRZEDMIOTU Kod przedmiotu I-IŚ-103 Nazwa przedmiotu Statystyka w inżynierii środowiska Nazwa przedmiotu
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 szczegółowoKARTA KURSU. Kod Punktacja ECTS* 1
KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci
Bardziej szczegółowoPROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2015/2016 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW I ROKU STUDIÓW
PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2015/2016 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW I ROKU STUDIÓW 1. NAZWA PRZEDMIOTU : BIOSTATYSTYKA Z ELEMENTAMI INFORMATYKI
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 szczegółowoInżynieria danych I stopień Praktyczny Studia stacjonarne Wszystkie specjalności Katedra Ekonomii i Finansów Dr Katarzyna Brzozowska-Rup
KARTA MODUŁU / KARTA PRZEDMIOTU Z-ID-104 Elementy rachunku prawdopodobieństwa i sta- Kod modułu Nazwa modułu tystyki Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2015/2016 Elements
Bardziej szczegółowoZ-LOGN1-006 Statystyka Statistics
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOGN-006 Statystyka Statistics Obowiązuje od roku akademickiego 0/0 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Kierunek
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i
Bardziej szczegółowoTransport II stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) Studia stacjonarne (stacjonarne / niestacjonarne)
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Metody probabilistyczne w transporcie Nazwa modułu w języku angielskim Probabilistic
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 szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 1 Statystyka Nazwa pochodząca o łac. słowa status stan, państwo i statisticus
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 szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej 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 szczegółowoKARTA PRZEDMIOTU / SYLABUS
Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi
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 szczegółowoCZEŚĆ 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 szczegółowoWykład Ćwiczenia Laboratorium Projekt Seminarium 30
Zał. nr 4 do ZW WYDZIAŁ CHEMICZNY KARTA PRZEDMIOTU Nazwa w języku polskim Wstęp do statystyki praktycznej Nazwa w języku angielskim Intriduction to the Practice of Statistics Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowo