PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr l TAKSONOMIA li Klasyfikacja i analiza danych- teoria i zastosowania
|
|
- Sylwester Czajka
- 7 lat temu
- Przeglądów:
Transkrypt
1 PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr l TAKSONOMIA li Klasyfikacja i analiza danych- teoria i zastosowania Marek Walesiak Akademia Ekonomiczna we Wrocławiu UOGÓLNIONA MIARA ODLEGLOŚCI DLA OBIEKTÓW OPISANYCH ZMIENNYMI Z RÓŻNYCH SKAL POMIARU- OPROGRAMOW ANIE KOMPUTEROWE l. Wstęp W pracy Walesiaka 12002a] zaproponowano uogólnioną miarę odległości GDM (Tite Generalised Disrance Measure), w konstrukcji której wykorzystano ideę uogólnionego współczynnika korelacji obejmującego współczynnik korelacji liniowej Pearsona i współczynnik korelacji tau Kendalla (zob. [Kendall, Buckland 1986, s. 266: Kendall 1955, s. 19]): ". Ił "' L:2:w1 a~ L:L:w,b~ J l /-1 l l l l gdzie: dij; (s,k) -miara odległości (podobieństwa) nilędzy obieklamią,ą l ' (l) (sit E [-1; l]). w - wagaj-tej zmiennej spełniająca warunki 1 : w,. E (0; m), ~"' w 1. = 1n, l ~jw l i,k,l = J....,n -numer obiektu, j = l,...,m -numer zmiennej. Szczegółową charakterystykę miary (l) oraz rezultaty eksperymentów symulacyjnych pozwalających ocenić zachowanie się uogólnionej miary odległości GDM przy różnych strukturach danych zawierają prace: [Walesiak 2002b; Walesiak. Bąk, Jajuga 2002: Jajuga, Walesiak, Bąk Motliwe jest stosowanie wag spełniających warunki: w 1 e (O; l). " w 1 = l. L-,,,. 250
2 Stosowanie konkretnych konstrukcji miar odległości (l) jest uzależnione od skal pomiaru zmiennych. Dla zmiennych mierzonych na skali ilorazowej i (lub) interwałowej w fonnule (1) stosowane Jest podstawienie: aw = xv -.x.pj dla p= k. l (2) bl;rj = x*' -xti dla r =i, l gdzie: xil (x 9,x 11 ) -i-ta (k-ta, l-ta) obserwacja naj-tej zmiennej Zasób infonnacji skali porządkowej jest nieporównanie mmejszy. Jedyną dopuszczalną operacją empiryczną na skali porządkowej jest zliczanie zdarzeń (tzn. wyznaczanie liczby relacji większości, mniejszości i równości). W związku z tym w konstrukcji miernika odległości musi być wykorzystana infonnacja o relacjach, w jakich pozostają porównywane obiekty w stosunku do pozostałych obiektów ze zbioru A. Dla zmiennych mierzonych na skali porządkowej w fonnule (l) stosuje s1ę podstawienie [Walesiak 1993, s ]: li dla xi/ > xl'l (x.~;~ > x1 ) a~(b1ti)= O dla xil=xp 1 (x 41 =x, 1 },dlap=k,/; r=i.l. (3) - l d) a Xq < X Pi (X"q < Xlj) Wtedy w mianownik'"ll wzoru (l) p1erwszy czynnik oznacza hczbę relacji większości i mniejszości określoną dla obiektu i, czynnik drugi zaś hczbę relacji większości i mniejszości określoną dla ob1ektu k. Zasób infonnacji skali nominalnej zezwala na zliczanie zdarzeń. tzn. wyznaczanie liczby relacji równości i różności. W związku z tym w konstrukcji miernika odległości mus1 być wykorzystana tego typu infonnacja. W mianowniku wzoru (l) czynniki iloczynu oznaczają liczbę relacji równości i różności określoną dla obiekm n "' n tu i oraz k, zatem l: L w 1 a! =L: L: w1 i l l l i-1 l l b~ = m(n l). Dla zmiennych mierzonych na skal i nominalnej w fonnule (l) stosuje się podstawienia (zob. fwalesiak 2003]): a) dla porównywanych obiektów i, k l dla x" =xą a b - IQ tv - [ - l dla XiJ -.e XAI ' b) dla pozostałych obiektów (l= I,...,n;l = i,k) l dla (4) (5) 251
3 Jeśl i w zbiorze znajdują się tylko zmienne nominalne wielostanowe, formuła (l) z podstawienirum (4) i (5) przyjmuje postać: gdzie: djj 1 okreś lone wzorem: d C/l Ił - O ~., w.d 111 ~"' w d 111 LJ j-j J Ił = LJ j l j fł L:7 1 wj m gdy m iędzy obiektami dla wyników pomiaru na zmiennejj-tej zachodzi relacja równości gdy między obiektami dla wyników pomiaru na zmiennej j-tej zachodzi relacja różności (6) (7) 2. Miara odległości GDM dla obiektów opisanych zmiennymi z różnych skał pomiaru Konstrukcja miary odległości dił., która umożliwia uwzględmenie w badaniach zmiennych mierzonych na skalach ilorazowej (R). przedzia łowej (!), porządkowej (0) oraz nominalnej (N), bazuje na propozycji zawanej w pracy [Bock, Diday i in. 2000, s. 152]: w 1 dij.v + w2d~ + K)d~ + w.a~ d 11 (8) "'J + w 2 + w 3 + w~ gdzie: N (0, l, R) - podzbiór zmiennych nominalnych (porządkowych. przedziałowych, ilorazowych), d:. d~ - miara odległości (l) z podstawieniem (2), d,~ -miara od ległości (l) z podstawieniem (3), d: - miara od l eg łości (l) z podstawieniami (4) i (5). w 1 (w 2, wjt w 4 ) -wagi przypisane odległościom wyznaczonym na podstawie zmiennych nominalnych (porządkowych, przedzia łowych, ilorazowych), w 1 w 2, w 1, w 4 E (O, m); w, + w 2 + w 3 + w 4 = m (liczba zmiennych). Wagi w" w 2 w 3, w 4 mogą oznaczać l iczbę zmiennych w poszczególnych podzbiorach lub merytoryczną ważność poszczególnych podzb1orów zmiennych w wyznaczeniu miary odległości d,t: o postaci (8). Formuła o postaci (8) uśrednia odległości cząstkowe wyznaczone na podstawie poszczególnych podzbiorów zmiennych (nominalnych, porządkowych. interwałowych i ilorazowych). Miara odległości diic o postaci (8): - może być stosowana w sytuacji. gdy obiekty opisane są zmiennymi mierzonymi na skali ilorazowej. interwałowej, porządkowej oraz nominalnej, 252
4 przybiera wanośc1 z przedziału [0; lj. Waność O oznacza. że dla porównywanych obiektów i, k między odpowiadającymi sobie obserwacjami na zmiennych zachodzą tylko relacje równoścl -spełnia warunki: nieujemności, zwrotności. symetryczności (dla wszystkich i,k = l,...,n). - IstnieJe przynajmniej jedna para obiektów w zbiorze badanych obiektów A, dla której obserwacje na zmiennych nie są identyczne (dla u niknięcia zera w mianowniku d,~, d,~. d:), -nie zmienia wartości w wyniku transformacji wartości zmiennych za pomocą dozwolonego na danej skali przekształcenia matematycznego (na skali nominalnej: funkcja wzajemnie jednoznaczna: na skali porządkowej: dowolna śc i ś le monotonicznie rosnąca funkcja; na skali interwałowej: funkcja liniowa; na skali ilorazowej: funkcja liniowa jednorodna). 3. Charakterystyka programu komputerowego dla uogólnionej miary odległości GDM Program komputerowy GDM2 dla uogólnionej miary odległości. napisany w języku C++, pracuje w systemie operacyjnym Windows 95/98/ME/2000/XP. Dostępna jest polska oraz angielska wersja językowa programu GDM. W wersji 2.0 program GDM umoż.liwia realizację następujących zadań obliczeniowych; -obliczenie macierzy odległości między obiektami opisanymi zmiennymi tylko z jednej skali pomiaru lub z różnych skal pomiaru (rezultatem jest symetryczna macierz od ległości), -obliczenie macierzy odległości między obiektami ze specjalnymi polami wymaganymi w programie SPSS oraz obliczenie macierzy od ległości między obiektami w formacie programu S-PLUS (program GDM umożliwia więc współpracę, w trybie off-line, z pakietem statystycznym SPSS i S-PLUS), - liniowe uporządkowan ie obiektów (rezultatem jest wektor odległości obiektów od wzorca). - uwzględnienie skal pomiaru zmiennych (nominalna, porządkowa, przedziałowa, ilorazowa), -normalizację zmiennych dla skali prledziałowej oraz ilorazowej. -definiowanie wag zmiennych (jednakowych i zróżnicowanych). - definiowanie współrzędnych wzorca (z uwzględnieniem zmiennych o charakterze stymulant, destymułant i nominant) w przypadku liniowego porządkowania obiektów. : Koncepcja programu GDM została opracowana przel M. Walesiaka i A. Bąka. Autorem podstawowego kodu programu w języku c-jest A. Bąk. 253
5 Program korzysta z danych zapisanych w plikach (tabelach) baz danych standardu DBF (dbase, FoxPro) łub DB (Paradox). Dane do obliczeń mogą być czytane z plików DBF lub DB, natomiast wszystkie wyniki obliczeń oraz nowo tworzone tabele danych są zapisywane w fonnacie DBF 5. W celu przeniesienia wyników obliczeń z programu GDM do innych programów (np. Microsoft Word 97/ 2000/2002; Microsoft Exceł 97/2000/2002) należy zastosować następujące postępowanie: l) plild zapisane w programie GDM najeży otworzyć w programie Microsoft Access 2000/2002, 2) w programie Microsoft Access 2000/2002 z listy poleceń Plik należy wybrać Pobierz dane zewnętrzne. a następnie Importuj, 3) zaimportowany plik z programu GDM można w programie Microsoft Access 2000/2002 wyeksportować (Piik l Eksportuj...) w jednym z oferowanych formatów, a następnie odczytać w odpowiednim programie. Istnieje też możliwość przeniesienia (skopiowania) zawartości pliku z programu Microsoft Access 2000/2002 do innego programu za pomocą Schowka Windows. Po uruchomieniu programu GDM wyświetjane jest okno główne, w k1órym dostępne są listy poleceń: Plik, Edycja, Odległości, Okno i Pomoc. W celu rozpoczęcia pracy z programem należy otworzyć plik zawierający dane lub utworzyć nową tabelę, do której dane zostaną wprowadzone. Gdy obiekty opisane są zmiennymi mierzonymi na różnych skałach pomiaru, najeży z listy poleceń Odległości wybrać moduł obliczeniowy Między obiektami l Zmienne z różnych skal (zob. rys. l). Rys. l. Olcno dialogowe Odległości między obiektami- zmienne z różnych skal 254
6 W oknie tym dostępne są następujące zestawy opcji słu1.ące do skonfigurowania sposobu obliczania macierzy odległości według wzoru (8): Skale pomiaru zmiennych. Zestaw ten umożliwia zaklasyftkowanie zmiennych do odpowiednich skal pomiaru; Wagi zmiennych. Zestaw ten umożliwia wybór sposobu ważenia zmiennych. Istnieje możliwość zdefiniowania wag jednakowych i zrótnicowanych dla poszczególnych zmiennych; Normalizacja zmiennych. Zestaw ten umożliwia przeprowadzenie normalizacji wartości zmiennych w celu sprowadzenia ich do porównywalności. Transformację normalizacyjną stosuje się wówczas. gdy zmienne mierzone są na skali przedziałowej i ilorazowej. W odniesieniu do skali nominalnej i porządkowej nie zachodzi potrzeba normalizacji. na ich wartościach bowiem nie wyznacza się ani relacji równości różnic i przedziałów. ani stosunków; Wagi odległości. Zestaw ten umożliwia wybór sposobu ważenia odległości wyznaczonych na podstawie poszczególnych podzbiorów zmiennych z różnych skal pomiaru (zob. wyjaśnienia do wzoru (8)); Macierz odległości zapisz w pliku - pole wyboru umożliwiające zapisanie w pliku macierz} odległości wyznaczonej za pomocą miary GDM o postaci (8). 4. Uwagi koń cowe W artykule scharakteryzowano uogólnioną miarę odległości GDM (The Generalised Disrance Measure), która umożliwia uwzględnienie w badaniach zmiennych mierzonych na skalach ilorazowej, przedziajowej, porządkowej 1 nominalnej. Następnie zaprezentowano wersję miary GDM umotliwiającą pomiar podobieństwa obiektów opisanych zmiennymi mierzonymi na różnych skalach pomiaru. Dodatkowo w prezentowanym opracowaniu scharakteryzowano możliwości programu komputerowego GDM w wersji 2.0 oraz zaprezentowano opis tej części programu komputerowego, który pozwala obliczać macierz odległości między obiektami opisanymi zmiennymi z rótnych skal pomiaru według wzoru (8). Program dostępny jest na stronie: http: l /www. a.e. jgora.. pllkei i/ forml. htrnl. Literatura Bock H.H.. Diday E. (Eds.), Analysis of Symbolic DaJ a, Springer-Verlag, Berlin, Heidelberg Jajuga, K. Walesiak, M., Bąk. A., On rhe Generał Disrance Measure, [In:] M. Schwaiger, O. Opitz (Eds.), Exploratory Data Analysis in Empirical Research, Springer-Verlag, Berlin, Heidelberg s
7 Kendall M.G., Rank Correlation Methods, Gńffin, London Kenelali M.G.. Buckland W.R., Słownik terminów statystyczj~ych, PWE, Warszawa Walesiak M. StatystycVta anali~a wielowymiarowa w badaniach marketingowych. Prace Naukowe Akademit Ekonomicznej nr 654, Sena: Monografie i Opracowania nr 101, AE, Wrocław Walesiak M. Propozycja uogólnionej miary odległości w statystycznej analizie wielowymiarowej, (w:] Statystyka regionalna w służbie samorządu Lokalnego i biznesu, red. J. Paradysz, Internetowa Oficyna Wydawnicza, CenLrum Statystyki Regionalnej, Akademia Ekonomiczna, Poznań 2002(a), s Walesiak M., Uogólniona miara odległości w statystycznej analizie wielowymiarowej. Akademia Ekonomiczna, Wrocław 2002(b). Walesiak M.. Miara odległości obiektów opisanych vniemtymi mierzonymi na różnych skalach pomiaru, XXXIX Konferencja Ekonometryków, Statystyków i Matematyków Akademii Ekonomicznych Wrocławia, Krakowa i Katowic. Lądek Zdrój, 2-5 marca Akademia Ekonomiczna, Wrocław Walesiak M., Bąk A., ODMfor Windows. Version 2.0, Walesiak M., Bąk A., Jajuga K., Uogólniona miara odległosci - badania symula C)~ne. Prace Naukowe Akademii Ekonomicznej nr 942, AE, Wrocław s A GENERAL DISSIMILARITY MEASURE OF OBJECTS BASED ON DIFFERENT MEASUREMENT SCALES OF V ARIABLES - THE CHARACTERISTICS OF COMPUTER PROGRAM Summary In lhe paper of Walesiak [2002] the proposal of the generalised distance measure GDM is given. This measure can be used for data measured on ratio, interval, and ordinal scale. In the paper of Walesiak [2003] the widen version of GDM, contains possibilily of application of data measured on nominal scale, and lhe construction of generał dissimilarity measure of objecls based on different measurement scales of variables, is discussed. In article new extensions of GDM for Windows compuler program are discussed.
Zastosowania statystyki i matematyki w ekonomii. Marek Walesiak. Akademia Ekonomiczna we Wrocławiu. 1. Wstęp
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 1006 2003 Zastosowania statystyki i matematyki w ekonomii Marek Walesiak Akademia Ekonomiczna we Wrocławiu MIARA ODLEGŁOŚCI OBIEKTÓW OPISANYCH ZMIENNYMI
Bardziej szczegółowostrona 1 / 11 Autor: Walesiak Marek Subdyscyplina: Klasyfikacja i analiza danych Publikacje:
Autor: Walesiak Marek Subdyscyplina: Klasyfikacja i analiza danych Publikacje: 1. Autorzy rozdziału: Borys Tadeusz; Strahl Danuta; Walesiak Marek Tytuł rozdziału: Wkład ośrodka wrocławskiego w rozwój teorii
Bardziej szczegółowostrona 1 / 12 Autor: Walesiak Marek Publikacje:
Autor: Walesiak Marek Publikacje: 1. Autorzy rozdziału: Borys Tadeusz; Strahl Danuta; Walesiak Marek Tytuł rozdziału: Wkład ośrodka wrocławskiego w rozwój teorii i zastosowań metod taksonomicznych, s.
Bardziej szczegółowoUOGÓLNIONA MIARA ODLEGŁOŚCI -BADANIA SYMULACYJNE 1. l. Wprowadzenie 2
PRCE NUKOWE KDEMII EKONOMICZNEJ WE WROCŁWIU Nr 942 2002 TKSONOMI 9 Klasyfikacja i analiza danych. Teoria i zastosowania Marek Walesiak, ndrzej ąk, Krzysztof Jajuga kademia Ekonomiczna we Wrocławiu UOGÓLNION
Bardziej szczegółowoWYKAZ PRAC PUBLIKOWANYCH
Dr hab. Andrzej Bąk Prof. nadzw. AE WYKAZ PRAC PUBLIKOWANYCH I. Publikacje zwarte I.1. KsiąŜki 1. Walesiak M., Bąk A. [1997], Realizacja badań marketingowych metodą conjoint analysis z wykorzystaniem pakietu
Bardziej szczegółowoSTRA TEGIE POSTĘPOWANIA W BADANIACH STATYSTYCZNYCH W PRZYPADKU ZBIORU ZMIENNYCH MIERZONYCH NA SKALACH RÓŻNEGO TYPU**
BADANIA OPERACYJNE I DECYZJE Marek WALESIAK* STRA TEGIE POSTĘPOWANIA W BADANIACH STATYSTYCZNYCH W PRZYPADKU ZBIORU ZMIENNYCH MIERZONYCH NA SKALACH RÓŻNEGO TYPU** Omówiono strategie postępowania w badaniach
Bardziej szczegółowoL: Wjaikjbkij +L:L: wjaiijbkjj j=1 j=1 1=1
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCLAWIU Nr 988 2003 TAKSONOMIA lo Klasyfikacja i analiza danych - teoria i zastosowania Marek Walesiak Akademia Ekonomiczna we Wrocławiu UOGÓLNIONA MIARA ODLEGLOŚCI
Bardziej szczegółowoBadanie rozwoju społeczno-gospodarczego województw - wpływ metodyki badań na uzyskane wyniki
Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu Nr / Rafał Czyżycki Uniwersytet Szczeciński Badanie rozwoju społeczno-gospodarczego województw - wpływ metodyki badań na uzyskane wyniki Streszczenie,
Bardziej szczegółowoWykład 10 Skalowanie wielowymiarowe
Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów
Bardziej szczegółowoRecenzenci Stefan Mynarski, Waldemar Tarczyński. Redaktor Wydawnictwa Anna Grzybowska. Redaktor techniczny Barbara Łopusiewicz. Korektor Barbara Cibis
Komitet Redakcyjny Andrzej Matysiak (przewodniczący), Tadeusz Borys, Andrzej Gospodarowicz, Jan Lichtarski, Adam Nowicki, Walenty Ostasiewicz, Zdzisław Pisz, Teresa Znamierowska Recenzenci Stefan Mynarski,
Bardziej szczegółowoMETODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH
Marcin Pełka Akademia Ekonomiczna we Wrocławiu METODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH 1. Wprowadzenie Metody skalowania wielowymiarowego obiektów symbolicznych, podobnie jak w przypadku
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 szczegółowoL Wjailgbkij +I I wjajljbklj j=1 j=i/=]
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCł"AWIU Nr981 ---------------------------------------------- Ekonometria II 2003 Marek Walesiak OBSZARY ZASTOSOWAŃ UOGÓLNIONEJ MIARY ODLEGŁOŚCI GDM W STATYSTYCZNEJ
Bardziej szczegółowoPodejścia w skalowaniu wielowymiarowym obiektów symbolicznych
Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Katedra Ekonometrii i Informatyki Podejścia w skalowaniu wielowymiarowym obiektów symbolicznych 1. Wprowadzenie Metody skalowania wielowymiarowego obiektów
Bardziej szczegółowoBadania eksperymentalne
Badania eksperymentalne Analiza CONJOINT mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu w schematach
Bardziej szczegółowoWYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH
Prof. dr hab. Marek Walesiak Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH 1. Walesiak M.
Bardziej szczegółowoWYKAZ PUBLIKACJI UWAGA! Kolor czerwony oznacza dostępność pełnej wersji publikacji
Prof. dr hab. Marek Walesiak Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ PUBLIKACJI UWAGA! Kolor czerwony oznacza dostępność pełnej
Bardziej szczegółowoTRZYDZIEŚCI KONFERENCJI TAKSONOMICZNYCH KILKA FAKTÓW I REFLEKSJI 1 THIRTY TAXONOMIC CONFERENCES SOME FACTS AND REFLECTIONS
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 468 2017 Taksonomia 28 ISSN 1899-3192 Klasyfikacja i analiza danych teoria i zastosowania e-issn
Bardziej szczegółowoPrzypomnienie: Ćwiczenie 1.
Strona1 Przypomnienie: Zmienne statystyczne można podzielić na: 1. Ilościowe, czyli mierzalne (przedstawiane liczbowo) w tym: skokowe inaczej dyskretne (przyjmują skończoną lub co najwyżej przeliczalną
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 746 EKONOMICZNE PROBLEMY USŁUG NR 101 2012 RAFAŁ KLÓSKA Uniwersytet Szczeciński REGIONALNE ZRÓŻNICOWANIE POZIOMU ROZWOJU SPOŁECZNO-GOSPODARCZEGO W POLSCE
Bardziej szczegółowoWYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH
Prof. dr hab. Marek Walesiak Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ REFERATÓW WYGŁOSZONYCH NA KONFERENCJACH 1. Walesiak M.
Bardziej szczegółowoDOPUSZCZALNE DZIAŁANIA NA LICZBACH W BADANIACH MARKETINGOWYCH Z PUNKTU WIDZENIA SKAL POMIAROWYCH * 1. Rola skal pomiarowych w badaniach marketingowych
PRACE NAUKOWE AKADEMll EKONOMCZNEJ WE WROCŁAWU Nr 718 1996 nł"or:rnatyka i Ekono:rnet:ria 1 Marek Walesiak DOPUSZCZALNE DZAŁANA NA LCZBACH W BADANACH MARKETNGOWYCH Z PUNKTU WDZENA SKAL POMAROWYCH * 1.
Bardziej szczegółowof) Różne konstrukcje SMR przedstawiono m. in. w pracach [1], [3], [4], [9], [13].
PRZEGLĄD STATYSTYCZNY R. XL - z.eszyl l - 1993 MAREK WALESIAK ZAGADNIENIE OCENY PODOBIEŃSTWA ZBIORU OBIEKTÓW W CZASIE W SYNTETYCZNYCH BADANIACH PORÓWNAWCZYCH Ocenę podobieństwa zbioru obiektów w czasie
Bardziej szczegółowoWYBÓR GRUP METOD NORMALIZACJI WARTOŚCI ZMIENNYCH W SKALOWANIU WIELOWYMIAROWYM
PRZEGLĄD STATYSTYCZNY R. LXIII ZESZYT 1 2016 MAREK WALESIAK 1 WYBÓR GRUP METOD NORMALIZACJI WARTOŚCI ZMIENNYCH W SKALOWANIU WIELOWYMIAROWYM 1. WPROWADZENIE Normalizację przeprowadza się dla macierzy danych
Bardziej szczegółowoSPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD
Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości
Bardziej szczegółowoZASTOSOWANIE UOGÓLNIONEJ MIARY ODLEGŁOŚCI DO PODEJMOWANIA DECYZJI WIELOKRYTERIALNYCH
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 364 2018 Uniwersytet Szczeciński Wydział Nauk Ekonomicznych i Zarządzania Instytut Ekonometrii i Statystyki
Bardziej szczegółowoBadanie zależności skala nominalna
Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność
Bardziej szczegółowoI. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy
1.1.1 Statystyka opisowa I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE STATYSTYKA OPISOWA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: P6 Wydział Zamiejscowy w Ostrowie Wielkopolskim
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 szczegółowoOCENA WYBRANYCH PROCEDUR ANALIZY SKUPIEŃ DLA DANYCH PORZĄDKOWYCH. 1. Wstęp
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU Nr 47 009 TAKSONOMIA 16 Klasyfikacja i analiza danych teoria i zastosowania Uniwersytet Ekonomiczny we Wrocławiu OCENA WYBRANYCH PROCEDUR ANALIZY SKUPIEŃ
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoSymscal: metoda skalowania wielowymiarowego obiektów symbolicznych
Andrzej Dudek, Marcin Pełka Akademia Ekonomiczna we Wrocławiu Symscal: metoda skalowania wielowymiarowego obiektów symbolicznych 1. Wprowadzenie Ideą skalowania wielowymiarowego obiektów symbolicznych
Bardziej szczegółowoWYKAZ PUBLIKACJI I. Artykuły Ia. Opublikowane przed obroną doktorską
Dr Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ PUBLIKACJI I. Artykuły Ia. Opublikowane przed obroną doktorską 1.
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 szczegółowoFILTROWANIE ZBIORU OFERT NIERUCHOMOŚCI Z WYKORZYSTANIEM INFORMACJI O PREFERENCJACH 1
Tomasz Bartłomowicz Uniwersytet Ekonomiczny we Wrocławiu FILTROWANIE ZBIORU OFERT NIERUCHOMOŚCI Z WYKORZYSTANIEM INFORMACJI O PREFERENCJACH 1 Streszczenie. Punktem wyjścia artykułu jest spostrzeżenie,
Bardziej szczegółowoRozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE 6. Ćwiczenia komputerowe Ćwiczenie 6.1
Bardziej szczegółowoOperacjonalizacja zmiennych
Metodologia badań naukowych - wykład 2 Operacjonalizacja zmiennych Pojęcie zmiennej Definiowanie zmiennych w planie badania Mierzenie. Skale mierzenia Pojęcie wskaźnika. Dobór wskaźnika dla zmiennej Kryteria
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE. Statystyka opisowa. Zarządzanie. niestacjonarne. I stopnia. dr Agnieszka Strzelecka. ogólnoakademicki.
Politechnika Częstochowska, Wydział Zarządzania PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu Kierunek Forma studiów Poziom kwalifikacji Rok Semestr Jednostka prowadząca Osoba sporządzająca Profil Rodzaj
Bardziej szczegółowoJak ciężka jest masa?
"Masa jest nie tylko miarą bezwładności, posiada również ciężar". Co oznacza, że nie tylko wpływa na przyspieszenie pod wpływem siły, ale powoduje, że gdy znajduje się w polu grawitacyjnym Ziemi, doświadcza
Bardziej szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoRok akademicki: 2030/2031 Kod: ZZP MK-n Punkty ECTS: 3. Poziom studiów: Studia II stopnia Forma i tryb studiów: Niestacjonarne
Nazwa modułu: Komputerowe wspomaganie decyzji Rok akademicki: 2030/2031 Kod: ZZP-2-403-MK-n Punkty ECTS: 3 Wydział: Zarządzania Kierunek: Zarządzanie Specjalność: Marketing Poziom studiów: Studia II stopnia
Bardziej szczegółowoWIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Bardziej szczegółowoANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza
ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego
Bardziej szczegółowoSTATYSTYKA REGIONALNA
AKADEMIA EKONOMICZNA W POZNANIU STATYSTYKA REGIONALNA w służbie samorządu lokalnego i biznesu Redaktor naukowy: Jan Paradysz INTERNETOWA OFICYNA WYDAWNICZA CENTRUM STATYSTYKI REGIONALNEJ POZNAŃ 2002 Projekt
Bardziej szczegółowoPodstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak
Podstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak Autor prezentuje spójny obraz najczęściej stosowanych metod statystycznych, dodatkowo omawiając takie
Bardziej szczegółowoMetody klasyfikacji i klasteryzacji obiektów wielocechowych.
Metody klasyfikacji i klasteryzacji obiektów wielocechowych Zakres szkolenia Podstawowe pojęcia związane z klasyfikacją wielocechową Proste metody porządkowania liniowego (ratingu) Metody grupowania (klasteryzacji)
Bardziej szczegółowoRozdział 1 PROGRAMOWANIE LINIOWE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując
Bardziej szczegółowoĆwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide.
Ćwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide. 1. Załóż we własnym folderze podfolder o nazwie cw2 i przekopiuj do niego plik
Bardziej szczegółowoAnaliza. danych jakoêciowych i symbolicznych z wykorzystaniem programu R. Eugeniusz Gatnar Marek Walesiak. Redakcja naukowa
Analiza danych jakoêciowych i symbolicznych z wykorzystaniem programu R Redakcja naukowa Eugeniusz Gatnar Marek Walesiak Analiza danych jakoêciowych i symbolicznych z wykorzystaniem programu R Autorzy:
Bardziej szczegółowoEkonometria. Zastosowania Metod Ilościowych 30/2011
Wroclaw Univesity of Economics From the SelectedWorks of Józef Z. Dziechciarz 2011 Ekonometria. Zastosowania Metod Ilościowych 30/2011 Jozef Z. Dziechciarz, Wroclaw Univesity of Economics Available at:
Bardziej szczegółowoY = α 1 Z α k Z k + e. (1) (k 1)[ktrA2 (tra) 2 ] (4) d = 1 k. (por. np. Kolupa, 2006). Wówczas jak to wynika ze wzorów (2) i (3) mamy:
PRZEGLĄD STATYSTYCZNY R. LVIII ZESZYT 3-4 2011 MICHAŁ KOLUPA, JOANNA PLEBANIAK KILKA UWAG O WARTOŚCIACH WŁASNYCH MACIERZY KORELACJI W niniejszej pracy, w nawiązaniu do pracy Kolupa, 2006, podajemy konstrukcję
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowoĆwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Podstawowa charakterystyka statystyczna
Ćwiczenie: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Podstawowa charakterystyka statystyczna 1. Załóż we własnym folderze podfolder o nazwie cw2 i przekopiuj do niego plik babulice100.xls
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 szczegółowoPrzewodnik Szybki start
Przewodnik Szybki start Program Microsoft Access 2013 wygląda inaczej niż wcześniejsze wersje, dlatego przygotowaliśmy ten przewodnik, aby skrócić czas nauki jego obsługi. Zmienianie rozmiaru ekranu lub
Bardziej szczegółowoTYTUŁ PRACY LICENCJACKIEJ/MAGISTERSKIEJ
UNIWERSYTET EKONOMICZNY W KATOWICACH NAZWA WYDZIAŁU NAZWA KIERUNKU IMIĘ I NAZWISKO AUTORA TYTUŁ PRACY LICENCJACKIEJ/MAGISTERSKIEJ (W JĘZYKU POLSKIM) TYTUŁ PRACY LICENCJACKIEJ/MAGISTERSKIEJ (W JĘZYKU ANGIELSKIM)
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowoMULTICRITERIA EVALUATION OF MINING ENTERPRISE
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Katarzyna JAKOWSKA-SUWALSKA Politechnika Śląska Wydział Organizacji i Zarządzania WIELOKRYTERIALNA OCENA PRZEDSIĘBIORSTW
Bardziej szczegółowoDoświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia
Doświadczalnictwo leśne Wydział Leśny SGGW Studia II stopnia Treści i efekty kształcenia Treści: Statystyka matematyczna, planowanie eksperymentu Efekty kształcenia: student potrafi opisywać zjawiska za
Bardziej szczegółowoHierarchiczna analiza skupień
Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym
Bardziej szczegółowoTemat: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide.
Temat: Wprowadzenie do obsługi programu statystycznego SAS Enterprise Guide. Statystyka opisowa w SAS Enterprise Guide. Zadania: I. 1. Załóż we własnym folderze podfolder o nazwie cw2 i przekopiuj do niego
Bardziej szczegółowoNa komputerach z systemem Windows XP zdarzenia są rejestrowane w trzech następujących dziennikach: Dziennik aplikacji
Podgląd zdarzeń W systemie Windows XP zdarzenie to każde istotne wystąpienie w systemie lub programie, które wymaga powiadomienia użytkownika lub dodania wpisu do dziennika. Usługa Dziennik zdarzeń rejestruje
Bardziej szczegółowoWYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY CZWARTEJ H. zakres rozszerzony. Wiadomości i umiejętności
WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY CZWARTEJ H. zakres rozszerzony Funkcja wykładnicza i funkcja logarytmiczna. Stopień Wiadomości i umiejętności -definiować potęgę
Bardziej szczegółowoStatystyczna analiza poziomu rozwoju społeczno-gospodarczego w Polsce - w ujęciu regionalnym
Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu Nr 42/2012 Rafał Klóska Uniwersytet Szczeciński Statystyczna analiza poziomu rozwoju społeczno-gospodarczego w Polsce - w ujęciu regionalnym Streszczenie.
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)
ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest
Bardziej szczegółowoStatystyka opisowa. Wykład VI. Analiza danych jakośiowych
Statystyka opisowa. Wykład VI. e-mail:e.kozlovski@pollub.pl Spis treści Rangowanie 1 Rangowanie 3 Rangowanie Badaniu statystycznemu czasami podlegają cechy niemierzalne jakościowe), np. kolor włosów, stopień
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 szczegółowoEkonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej
Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej Paweł Cibis pawel@cibis.pl 23 lutego 2007 1 Regresja liniowa 2 wzory funkcje 3 Korelacja liniowa
Bardziej szczegółowoFunkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska
Funkcje liniowe i wieloliniowe w praktyce szkolnej Opracowanie : mgr inż. Renata Rzepińska . Wprowadzenie pojęcia funkcji liniowej w nauczaniu matematyki w gimnazjum. W programie nauczania matematyki w
Bardziej szczegółowoKLASYFIKACJA SPEKTRALNA A SKALE POMIARU ZMIENNYCH 1 1. WPROWADZENIE 2. TYPY SKAL POMIAROWYCH I ICH CHARAKTERYSTYKA
PRZEGLĄD STATYSTYCZNY R. LIX ZESZYT 1 2012 MAREK WALESIAK KLASYFIKACJA SPEKTRALNA A SKALE POMIARU ZMIENNYCH 1 1. WPROWADZENIE Analiza skupień bazująca na dekompozycji spektralnej (spectral clustering)
Bardziej szczegółowoCHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
Bardziej szczegółowoDokąd on zmierza? Przemieszczenie i prędkość jako wektory
A: 1 OK Muszę to powtórzyć... Potrzebuję pomocy Dokąd on zmierza? Przemieszczenie i prędkość jako wektory Łódź żegluje po morzu... Płynie z szybkością 10 węzłów (węzeł to 1 mila morska na godzinę czyli
Bardziej szczegółowoPracownia internetowa w każdej szkole (edycja Jesień 2007)
Instrukcja numer D2/10_03/Z3 Pracownia internetowa w każdej szkole (edycja Jesień 2007) Opiekun pracowni internetowej cz. 2 ISA Server - miejsca w sieci Internet (D2) Zadanie 3 Automatyczne definiowanie
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 szczegółowoP: Czy studiujący i niestudiujący preferują inne sklepy internetowe?
2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoPrzyjmuje dowolne wartości z określonego przedziału (skończonego lub nie). Zmienne ciągłe: wzrost, czas rozwiązana testu, kwota dochodu
cecha (właściwość), którą posiadają jednostki badanej zbiorowości, przyjmującą co najmniej dwie wartości. Zmienna to właściwość pod względem której elementy zbioru różnią się między sobą Przyjmuje dowolne
Bardziej szczegółowoMathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje
Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje
Bardziej 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 szczegółowoKrótka instrukcja instalacji Adobe Acrobat Reader
Krótka instrukcja instalacji Adobe Acrobat Reader Program Adobe Acrobat Reader jest niezbędny do otwarcia dokumentu e-faktury tp. Jeżeli nie posiadają go Państwo w swoim komputerze, należy go zainstalować.
Bardziej szczegółowo1. PODSTAWY TEORETYCZNE
1. PODSTAWY TEORETYCZNE 1 1. 1. PODSTAWY TEORETYCZNE 1.1. Wprowadzenie W pierwszym wykładzie przypomnimy podstawowe działania na macierzach. Niektóre z nich zostały opisane bardziej szczegółowo w innych
Bardziej szczegółowoANALIZA DANYCH PIERWOTNYCH mgr Małgorzata Kromka
ANALIZA DANYCH PIERWOTNYCH mgr Małgorzata Kromka Wprowadzenie do SPSS PRACA SOCJALNA Rok 1 Czym jest SPSS? SPSS to bardzo rozbudowany program. Pozwala sprawnie pracować ze zbiorami danych, analizować własne
Bardziej szczegółowoKierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych
Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych kod modułu: 2BL_02 1. Informacje ogólne koordynator
Bardziej szczegółowoĆwiczenie 2 GEODA i5 ogólne informacje i obliczanie statystyki Morana
Teoria Procesów Przestrzennych Prowadzący: Krzysztof Janc Ćwiczenie 2 GEODA 0.9.5-i5 ogólne informacje i obliczanie statystyki Morana N ZAKŁAD ZAGOSPODAROWANIA PRZESTRZENNEGO I STYTUT GEOGRAFII I ROZWOJU
Bardziej szczegółowoEkonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007
Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja
Bardziej szczegółowoetrader Pekao Podręcznik użytkownika Strumieniowanie Excel
etrader Pekao Podręcznik użytkownika Strumieniowanie Excel Spis treści 1. Opis okna... 3 2. Otwieranie okna... 3 3. Zawartość okna... 4 3.1. Definiowanie listy instrumentów... 4 3.2. Modyfikacja lub usunięcie
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 szczegółowoARKUSZ KALKULACYJNY MICROSOFT EXCEL cz.1 Formuły, funkcje, typy adresowania komórek, proste obliczenia.
Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii Instrukcja do pracowni z przedmiotu Podstawy Informatyki Kod przedmiotu: ENS1C 100 003 oraz ENZ1C 100 003 Ćwiczenie pt. ARKUSZ KALKULACYJNY
Bardziej szczegółowoWstęp... 9. Podstawowe oznaczenia stosowane w książce... 13
Spis treści Wstęp... 9 Podstawowe oznaczenia stosowane w książce... 13 1. PODEJŚCIE SYMBOLICZNE W BADANIACH EKONOMICZ- NYCH... 15 1.1. Uwagi dotyczące przyjętych w rozdziale konwencji nomenklaturowych.
Bardziej szczegółowo(C. Gauss, P. Laplace, Bernoulli, R. Fisher, J. Spława-Neyman) Wikipedia 2008
STATYSTYKA MATEMATYCZNA - dział matematyki stosowanej oparty na rachunku prawdopodobieństwa; zajmuje się badaniem zbiorów na podstawie analizy ich części. Nauka, której przedmiotem zainteresowania są metody
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Statystyka komputerowa Computer statistics Zarządzanie i Inżynieria Produkcji Management and Engineering of Production Rodzaj przedmiotu: Fakultatywny - oferta Poziom studiów:
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 I DOŚWIADCZALNICTWO
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 9 Analiza skupień wielowymiarowa klasyfikacja obiektów Metoda, a właściwie to zbiór metod pozwalających na grupowanie obiektów pod względem wielu cech jednocześnie.
Bardziej szczegółowoStatystyka społeczna. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 15. niestacjonarne: Wykłady: 9 Ćwiczenia: 9
Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Statystyka społeczna Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu polski
Bardziej szczegółowoKlasyfikatory: k-nn oraz naiwny Bayesa. Agnieszka Nowak Brzezińska Wykład IV
Klasyfikatory: k-nn oraz naiwny Bayesa Agnieszka Nowak Brzezińska Wykład IV Naiwny klasyfikator Bayesa Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną
Bardziej szczegółowoBadania eksperymentalne
Badania eksperymentalne Pomiar na skali porządkowej mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu
Bardziej szczegółowo