KLASYFIKACJA l ANALIZA DANYCH
|
|
- Anatol Szymczak
- 6 lat temu
- Przeglądów:
Transkrypt
1 SEKCJA KLASYFIKACJI l ANALIZY DANYCH POLSKIEGO TOWARZYSTWA STATYSTYCZNEGO Zeszyt 2 TAKSONOMIA 1995 KLASYFIKACJA l ANALIZA DANYCH PROBLEMY TEORETYCZNE Jelenia Góra -Wrcdaw- Kraków
2 REDAKTORZY NAUKOWI Krzysztof Jajuga, Marek Walasiale REDAKTOR WYDAWNICTWA Jolanta Domaradzlca KOREKTOR Maria WiszffWslca-Sroka Tytuł sfinansowano ze środków Ministerstwa Edukacji Narodowej, Akademii Ekonomicznej w Krakowie i Akademii Ekonomicznej we Wrocławiu Copyright by Akademia Ekonomiczna we Wrocław i u Wrocław 1995 ISBN WYDAWNICTWO AKADEMII EKONOMICZNEJ WE WROCŁAWIU Format B-5. Ark. wyd. 6,0. Ark. druk. 6,25. Papier offset. kl. III, 80 g. Zakład Graficzny AE we Wrocławiu. Zam. 127/95.
3 Spis treści Od redakcji Zdzisław Heliwig Stabilność i odporność struktur taksonometrycznych Krzy s z t o f Jaj u g a - O sieciach neuronowych w klasyfikacji i analizie danych Danuta Strahl - Klasyfikacja macierzy na potrzeby badania struktur gospodarczych Edward Nowak- Klasyflkacja i analiza danych finansowo-księgowych 49 Marek Walesiak - Pomiar postaw nabywców Ja n W. O w s i ń ski - Zagadnienie jednoczesnej agregacji i grupowania relacji preferencji: sformułowanie zadania i podstawowe problemy. 65 Grzegorz Kowalewski - Estymatory odporne w regresji liniowej (L-estymatory) Mieczysław Sobczyk - Syntetyczny miernik jakości środowiska przyrodniczego Andrzej Sokołowski - Identyfikacja osi w skalowaniu wielowymiarowym 97
4 SEKC.JA KLASYFIKAC.JI I ANALIZY DANYCH POLSKIEGO TOWARZYSTWA STATYSTYCZNEGO Zeszyt 2 TAKSONOMIA 1995 Marek Walesiak Wydział Akademia Ekonomiczna we Wrocławiu Gospodarki Regionalnej i Turystyki w Jeleniej Górze POMIAR POST A W NABYWCÓW* Marketingowa strategia segmentacji rynku, ocena efektywności kampanii reklamowych czy np. proces wprowadzania nowego produktu na rynek zależą w znacznym stopniu od właściwego zrozumienia postaw nabywców. Pomiar postaw nabywców za pomocą odpowiednich narzędzi odgrywa pierwszoplanową rolę w procesie podejmowania decyzji marketingowych. W wielu przypadkach pomiaru dokonuje się na skali nominalnej i porządkowej. Rzadziej przeprowadza się go na silnych skalach pomiaru, tj. na skali przedziałowej i ilorazowej 1. Skale pomiaru zmiennych mają istotny wpływ na wybór metod analizy danych (por. [10]). Wynika stąd, że wybór skali pomiaru postaw nabywców wpływa na stosowane metody analizy danych. Pomiaru postaw nabywców dokonuje się za pomocą procedur skalowania, wśród których wyróżnia się skalowanie jednowymiarowe i wielowymiarowe. Skalowanie jednowymiarowe, będące przedmiotem opracowania, służy do pomiaru przez respondenta jednej cechy opisującej badane obiekty, natomiast w skalowaniu wielowymiarowym jednoczesnemu pomiarowi przez respondenta poddaje się wiele cech. Pomiaru postaw nabywców dokonuje się na podstawie ich obserwacji oraz bezpośredniej lub pośredniej (listownej, telefonicznej) komunikacji z nimi. Celem procedur skalowania jednowymiarowego jest wyrażenie za pomocą liczb postaw nabywców wobec badanego obiektu, którym może być produkt, producent, sprzedawca, zmienna charakteryzująca produkty, rynek testowy, dom towarowy, koncepcja (idea) produktu, rynek zbytu itd. Pracę wykonano w ramach grantu KBN 1-H02B pt. "Komputerowo wspomagane gromadzenie i analiza danych marketingowych". 1 Szczegółowe omówienie problematyki pomiaru i skal pomiarowych przedstawiono w pracy (10]. 57
5 W literaturze opracowano wiele skal służących do pomiaru postaw nabywców wobec badanych obiektów. Wśród nich wyróżnia się: L Skale podstawowe: a) skalę nominalną. b) skalę pozycyjną (rating scale), c) skalę rangową. d) skalę stałych sum, e) skalę zamiarów zakupu, f) skalę porównywania parami; 2. Skale specyficzne: a) skalę różnicowania słownego (semantyczną), b) skalę Stapela, c) skalę Li.kerta (por. [2, s ; 4, s ; 5, s ; 6, s ; 7, s ; 8, s ]). Skale podstawowe są skalami pojedynczymi, ponieważ odzwierciedlają wartości nadawane przez respondentów ocenianym obiektom. Skala specyficzna jest konstrukcją będącą agregatem wielu skal pojedynczych. Skala nominalna, postawy nabywców klasyfikuje się na niej na dwie lub więcej kategorie, między którymi występują tylko relacje równości i różności. Na przyklad skala nominalna utworzona zostaje z odpowiedzi na pytanie: "Czy jesteś zwolennikiem używania w samochodzie opon radialnych?" - tak, nie, nie mam zdania. Skala pozycyjna (rating scale), respondent wskazuje na niej pozycję badanego obiektu: a) wśród uporządkowanych kategorii - pomiar na skali porządkowej. Dla cechy "zadowolenie respondentów z komfortu jazdy samochodem" można wyróżnić kategorie: bardzo niezadowolony; niezadowolony; ani zadowolony, ani niezadowolony; zadowolony; bardzo zadowolony; b) w pewnym ciągłym przedziale, np. [-20; 20], pomiar taki traktuje się jako przedziałowy 2 Jeśli przedmiotem oceny jest zadowolenie respondentów z komfortu jazdy danego typu samochodem, to wartości ekstremalne oznaczają odpowiednio: bardzo niezadowolony i bardzo zadowolony; c) w zbiorze wartości zawierających się w R+ (istnieje tutaj absolutny - naturalny - punkt zerowy, który oznacza zupełny brak wielkości mierzonej zmiennej) - pomiar na skali ilorazowej. Jeśli przedmiotem oceny jest zadowolenie respondentów z komfortu jazdy danym typem samochodu, to punkt zerowy oznacza: jestem zupełnie niezadowolony, a 100%: jestem całkowicie zadowolony. Skala pozycyjna (rating scale) wykorzystuje oprócz liczbowej i werbalnej (słownej) również graficzną formę prezentacji (por. rys. 1). jednostki Nie jest to pomiar na skali przedziałowej sensu stricto, ponieważ nie można tutaj określić stałej
6 A o Bardzo Ani zadowolony, Bardzo B niezadowolony Niezadowolony ani niezadowolony Zadowolony zadowolony c o o o D o -20 o 20 D Jestem zupełnie Jestem niezadowolony 0% 100% całk:owicie zadowolony A - skala graficzna (obrazkowa) - porządkowa; B - sk:ala werbalna - porządkowa; C - sk.ala graficzna (liczbowa) - przedziałowa ; D - skala graficzna (liczbowa) - ilora.zowa. Rys. l. Ocena zadowolenia z komfortu jazdy samochodem Skala rangowa, jest przykładem skali porządkowej, respondenci są proszeni o uszeregowanie na niej obiektów poprzez nadanie im rang, będących kolejnymi liczbami naturalnymi. Uszeregowanie obiektów oddaje preferencje respondenta w stosunku do poszczególnych obiektów. Respondenci są proszeni np. o uporządkowanie 10 soków owocowych pod względem ich słodkości. Skala stałych sum. Respondent jest proszony o dokonanie podziału stałej sumy punktów (najczęściej 100), procentów lub stałej kwoty pieniędzy zgodnie z jego preferencjami wobec badanych obiektów ze względu na badaną cechę (por. np. [7, s. 157]). W pierwszym przypadku pomiar dokonany jest na skali porządkowej, natomiast w pozostałych dwóch sytuacjach - na skali ilorazowej. Na przykład respondent ma do dyspozycji 100 punktów i dzieli je na 7 napojów, biorąc pod uwagę ich dietetyczność, lub ma do dyspozycji 1000 $ dzieli je na 5 organizacji charytatywnych, biorąc pod uwagę dotychczasową ocenę sposobu wykorzystania pieniędzy przez te organizacje. Częściej wykorzystuje się skalę stałych sum do określania relatywnej ważności poszczególnych zmiennych opisujących badane obiekty. Skala zamiarów zakupu. Pytania zadawane nabywcom w sprawie zamiarów zakupu dotyczą zwykle nowych produktów lub usług oraz ich modyfikacji. Zmienna jest mierzona na skali (por. [9, s ]): a) ilorazowej, gdy respondenci są proszeni o określenie prawdopodobieństw subiektywnych zakupu poszczególnych dóbr lub usług, 59
7 b) przedziałowej, gdy respondenci są proszeni o ocenę poszczególnych produktów lub usług na skali pozycyjnej 3 (wartości tej skali mogą zawierać się np. w przedziale [O; 20], gdzie wartości ekstremalne oznaczają odpowiednio: z pewnością nie kupię i z pewnością kupię), c) porządkowej, gdy respondenci są proszeni o uszeregowanie produktów lub usług według pewności zakupu, np. l z pewnością kupię, 2 bardzo prawdopodobne, że kupię, 3 prawdopodobnie kupię lub nie kupię, 4 bardzo prawdopodobne, że nie kupię, S z pewnością nie kupię. Skala porównywania parami. Technika ta polega na porównywaniu między sobą. ze względu na jedną cechę, wszystkich par obiektów dla danego zbioru obiektów. Dla n obiektów liczbę wszystkich par wyznacza się ze wzoru ~n(n-l). Wyniki porównywania obiektów parami zestawia się w formie macierzy o wymiarach n x n. Dla pojedynczego respondenta jest to np. macierz (1). A B c D E A l o o B o o o o c o (l) l o D o E o gdzie: "1" - w kolumnie macierzy oznacza dominację tego obiektu nad obiektem będącym w wierszu; "0" - w kolumnie macierzy oznacza dominację obiektu będącego w wierszu nad obiektem będącym w kolumnie. Wyniki uzyskane od wszystkich respondentów podlegają agregacji i zestawia się je w macierz n x n, w której elementy k-tej kolumny (i-tego wiersza) oznaczają odsetek lub liczbę respondentów wskazujących dominację obiektu k-tego (i-tego) nad obiektem i-tym (k-tym). Macierz (2) przedstawia metodę porównywania parami 5 czekolad A, B, C, D i E ze względu na ich twardość. Na podstawie średnich wartości z kolumn macierzy (2) otrzymujemy pomiar twardości czekolad na skali ilorazowej. Czekolada B została uznana przez respondentów za najbardziej twardą. Wartość 0,8275 na skali ilorazowej oznacza,, Jw. 60
8 A B c D E A 0,89 0,74 0,09 0,30 B 0,11 0,29 0,03 0,26 c 0,26 0,71 0,15 0,34 D 0,91 0,97 0,85 0,52 E 0,70 0,74 0,66 0,48 (2) S red ni a 0,495 0,8275 0,635 0,1875 0,355 że średnio 82,75% respondentów ocenia wyżej twardość czekolady B od wszystkich pozostałych czekolad Średnia ta jest 2,33 razy wyższa od średniej otrzymanej dla czekolady E. Thurstone (por. np. (3, s ]) zaproponował procedurę pozwalającą przedstawić relację między badanymi obiektami na skali przedziałowej. Podstawowym ograniczeniem tej metody jest liczba badanych obiektów, wraz z jej wzrostem bowiem rośnie gwałtownie liczba porównywanych par obiektów. Macierz będąca wynikiem porównywania obiektów parami ze względu na wiele cech jednocześnie stanowi punkt wyjścia skalowania wielowymiarowego. Skala różnicowania słownego (semantyczna), jej konstrukcja rozpoczyna się od określenia przedmiotu oceny, tj. obiektu badania, którym może być np. firma, produkt, sklep, dom towarowy, reklama. Następnie badacz określa zestaw zmiennych opisujących obiekty badania mierzonych na skali porządkowej (zazwyczaj siedmiostopniowej), dla których określone zostają krańce skal w postaci antonimów, np. tani - drogi, wolny - szybki, przestarzały - nowoczesny itd. Respondenci zgodnie ze swoimi preferencjami oceniają każdy obiekt osobno dla każdej tak wyróżnionej zmiennej porządkowej (por. rys. 2). Sklep A Godny zaufania Miła obsługa Nowoczesny Tani Progresywny X X X X X Niegodny zaufania Niemiła obsługa Staromodny Drogi Regresywny Rys. 2. Przyk.ladowa ocena sklepu A dokonana przez l respondenta Po otrzymaniu wszystkich odpowiedzi od respondentów przyporządkowujemy wyróżnionym kategoriom liczby 7, 6, 5, 4, 3, 2, l lub +3, +2, +l, O, -l, - 2, -3. Następnie dokonujemy agregacji wyników dla każdej skali porządkowej osobno i zestawiamy je w postaci szeregów statystycznych punktowych. Szereg statystyczny punktowy oceny przez 75 respondentów np. lokalizacji banku B według siedmiostopniowej skali przedstawia tabela: 61
9 Kategoria Liczba obserwacji Wartości skumulowane l Dla danych z poszczególnych skal porządkowych wyznaczamy medianę 4 Dla cechy "lokalizacja banku B" medianą jest kategoria 4. Wyznaczenie mediany sprowadza się w tym przypadku do wskazania jednostki środkowej n+l ). d. k.. h d. d.... d ( - - = - - = t o czytama ategoru cec y o powta ającej tej Je nostce. 2 2 Tak otrzymane wyniki mogą stanowić punkt wyjścia zastosowania metod statystycznej analizy wielowymiarowej lub mogą być analizowane za pomocą tzw. metody promowej. Analiza profilowa polega na połączeniu za pomocą linii (dla każdego badanego obiektu o innym kształcie, np. linia ciągła, przerywana, kropkowana) median otrzymanych dla każdej zmiennej porządkowej. Rysunek 3 przedstawia przykładową analizę profilową dla dwóch banków ocenianych przez respondentów. Szybka obsługa 7 2 Wolna obsługa Miła obsługa N i em i ła obsługa Szeroki zakres usług Wąski zakres usług Wysoka stopa procentowa Dogodne godziny otwarcia Niska stopa procentowa Niedogodne godziny otwarcia Dobra lokalizacja Zła lokalizacja Bank A Bank B Rys. 3. Analiza prolilowa oceny dwóch banków 4 W literaturze proponuje się również średnią arytmetyczną ważoną (por. [5, s. 252]). Wymaga to jednak przyjęcia założenia, że wyniki pomiaru pochodzą ze skali co najmniej przedziałowej. 62
10 Z rysunku 3 widać, że wyżej oceniony przez respondentów jest bank A ze względu na szybką obsługę, szeroki zakres usług, wyższą stopę procentową i lokalizację. Bank B oceniono wyżej tylko ze względu na milą obsługę i dogodne godziny otwarcia. Skala Stapela, jest odmianą skali semantycznej. Stanowi jej uproszczenie w tym sensie, że pokazuje intensywność i kierunek postaw oraz do jej budowy wystarczają tylko nazwy zmiennych porządkowych bez konieczności szukania antonimów. Zmienne porządkowe wyrażane są zazwyczaj na 6-10-stopniowej skali, np. +5, +4, +3, +2, +1, -1, -2, -3, -4, -5. Skala Likerta, jest przykładem skali porządkowej. Na wstępie określa się zestaw (na ogół kilkudziesięciu) stwierdzeń o badanym obiekcie. Oceniając piwo A np. można zaproponować stwierdzenia: l. Piwo A jest drogie, 2 Piwo A jest smaczne, 3. Piwo A jest cierpkie, 4. Piwo A jest klarowne, 5. Piwo A jest estetycznie opakowane. Zadaniem respondentów jest ich ocena na skali porządkowej skonstruowanej następująco: 5 Zgadzam się całkowicie, 4 Zgadzam się, 3 Ani się zgadzam, ani się nie zgadzam, 2 Nie zgadzam się, 1 Całkowicie się nie zgadzam. Wyniki uzyskane ze skali Likerta podlegają agregacji i analizie dla poszczególnych respondentów. Szczegółowy opis zastosowania tej skali przedstawiono m.in. w pracy [3, s ]. Podczas konstruowania skal pomiaru postaw powstaje wiele problemów. Wśród nich można wyróżnić takie, jak (por. np. [5, s ]): 1. Liczba kategorii skali. Typowa skala powinna zawierać od 5 do 7 kategorii. Dodatkowa liczba kategorii nie zwiększa na ogół precyzji pomiaru postaw, natomiast decydując się na mniej kategorii, zmniejszamy precyzję pomiaru. 2. Parzysta lub nieparzysta liczba kategorii. W przypadku wyboru nieparzystej liczby kategorii środkowa z nich określa neutralną postawę. Zwolennicy parzystej liczby kategorii uzasadniają, że postawy nie mogą być neutralne, ponieważ są one wygodne dla respondentów, a więc mogą zniekształcić wyniki pomiaru. 3. Skala zrównoważona lub niezrównoważona. Skala zrównoważona ma taką samą liczbę kategorii pozytywnych i negatywnych. Stosowanie skal niezrównoważonych ma swoje uzasadnienie wtedy, gdy w rozkładzie postaw respondentów zdecydowanie dominują oceny, np. pozytywne lub negatywne. 63
11 4. Skale wymuszające lub niewymuszające. Skale wymuszające żądają od respondentów wskazania konkretnej pozycji na skali. W przypadku, gdy respondenci nie mają własnego zdania lub nie dysponują wiedzą o badanym obiekcie, wprowadza się skale niewymuszające zawierające kategorię neutralną, np. nie wiem lub nie mam zdania. 5. Skale z jednostką odniesienia i skale bez jednostki odniesienia. Na skali z jednostką odniesienia respondenci wyrażają swoją postawę np. wobec produktu X, porównując go z produktem idealnym Y, konkurencyjnym Z lub jakimkolwiek innym produktem P. Na przykład respondenci są proszeni o porównanie słodkości 10 produktów z pewnym produktem A, któremu odpowiada wartość 1 na skali pozycyjnej Niesłodki A o +l +10 Słodk.i 6. Forma prezentacji skali. Skala pomiaru postaw może być prezentowana w formie graficznej, werbalnej, liczbowej lub w sposób kombinowany. Wybór formy prezentacji uzależniony jest od typu respondentów (np. dla dzieci stosuje się skale graficzne obrazkowe) oraz od typu skali pomiaru, który chcemy stosować w konkretnym badaniu (czy to ma być skala nominalna, porządkowa, przedziałowa, czy ilorazowa). LITERATURA [l] Bazarnik J., Grabińsk.i T., Kąciak: E, Mynarski S., Sagan A.: Badania marketingowe. Metody i oprogramowanie komputerowe. Warszawa-Kraków: Canadian Consortium of Management Scbools, Akademia Ekonomiczna w Krakowie [2] Garbarski L.: Metody badania postaw nabywców. "Reklama" 1989 nr l. [3] Green P. E, Tull D. S., Albaurn G.: Research for marketing decisions. Englewood Cliffs: Prentice-Hall [4] Kaczmarczyk S.: Badania marketingowe. Metody i techniki. Warszawa: PWE [5] Kinnear T. C, Taylor J. R. : Marketing research. An applied approach. New York:: McGraw-Hill1991. [6] Kramer J. (red.): Badania rynkowe i marketingowe. Warszawa: PWE [7] Luck D. J., Rubin R. S.: Marketing research. Englewood CliJTs : Prentice-Hall [8] McDaniel C., Gates R.: eontemparary marketing research. St. Paul: West Publishing Co [9] Vriens M., Wittink: D. R.: eonjoint analysis in marketing Maszynopis powielony. [10] Walesiak M.: Statystyczna analiza wielowymiarowa w badaniach marketingowych. Prace Naukowe Akademii Ekonomicznej we Wrocławiu 1993 nr 654. Seria: Monografie i opracowania nr 101.
JEDNO- I WIELOWYMIAROWE SKALE POMIAROWE
BADANIA MARKETINGOWE I ANALIZA RYNKU w5 str. 1 JEDNO- I WIELOWYMIAROWE SKALE POMIAROWE Skale do pomiaru postaw Przedmiotem większości pomiarów w badaniach marketingowych są postawy nabywców różnych dóbr.
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 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 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 szczegółowoBadania marketingowe. - Konspekt wykładowy
Badania marketingowe - Konspekt wykładowy Badania marketingowe w logistyce Zakres materiału do egzaminu: 1. Wprowadzenie do przedmiotu - istota, przesłanki oraz użyteczność badań marketingowych 2. Informacja
Bardziej szczegółowoSprowadzenie rzeczywistości do pewnych jej elementów określanych jako zmienne i stałe, razem z relacjami, jakie między tymi elementami zachodzą.
Model: Sprowadzenie rzeczywistości do pewnych jej elementów określanych jako zmienne i stałe, razem z relacjami, jakie między tymi elementami zachodzą. Odwzorowanie rzeczywistości poprzez definiowanie
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 szczegółowoTemat: Badania ankietowe projektowanie kwestionariusza ankietowego
Temat: Badania ankietowe projektowanie kwestionariusza ankietowego Badania ankietowe - metoda gromadzenia informacji pierwotnych przez zbieranie odpowiedzi na przygotowane uprzednio pytania, zadawane wybranym
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 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 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 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 szczegółowoBudowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego
Metody Analiz Przestrzennych Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego mgr Marcin Semczuk Zakład Przedsiębiorczości i Gospodarki Przestrzennej Instytut
Bardziej 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 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 szczegółowoPrzygotowanie danych
2 Przygotowanie danych 2 Przygotowanie danych Przed opracowaniem statystycznym należy uporządkować dane. Czynność ta ułatwia opracowywanie danych. Od czasu, kiedy pojawiły się komputery, procedury porządkowania
Bardziej 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 szczegółowoPrzedmiot specjalnościowy Obowiązkowy polski Semestr VII
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-LOGN1-0239 Badania rynkowe i marketingowe Market and marketing research
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 szczegółowoSTATYSTYKA. dr Agnieszka Figaj
STATYSTYKA OPISOWA dr Agnieszka Figaj Literatura B. Pułaska Turyna: Statystyka dla ekonomistów. Difin, Warszawa 2011 M. Sobczyk: Statystyka aspekty praktyczne i teoretyczne, Wyd. UMCS, Lublin 2006 J. Jóźwiak,
Bardziej szczegółowo1551\1 0324- glrlrs ISSf'J 1501- - 386'
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 1100------------------ Ekonometria 16 2006 Marek Walesiak PRZEGLĄD PODSTAWOWYCH ZASTOSOWAŃ METOD STATYSTYCZNEJ ANALIZY WIELOWYMIAROWEJ W BADANIACH MARKETINGOWYCH
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 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 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 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 szczegółowoBadania marketingowe. wykład 3
Badania marketingowe wykład 3 Etapy procesu badawczego 1. Projektowanie badania 2. Dobór próby 3. Dobór metody i budowa instrumentu badawczego 4. Pomiar 5. Redukcja danych 6. Analiza danych 7. Przygotowanie
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
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 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 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 szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
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 szczegółowoCONJOINT MEASUREMENT W ANALIZIE DANYCH MARKETINGOWYCH
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCLAWIU Nr 744 1997 Informatyka i Ekonometria 3 Marek Walesiak* CONJOINT MEASUREMENT W ANALIZIE DANYCH MARKETINGOWYCH 1. Wstęp Metoda pomiaru łącznego oddziaływania
Bardziej szczegółowoBADANIA MARKETINGOWE
BADANIA MARKETINGOWE BADANIA MARKETINGOWE to gromadzenie i analizowanie informacji niezbędnych do podejmowania decyzji rynkowych w przedsiębiorstwie. Kryteria podziału badań marketingowych: 1.Charakter
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
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 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 tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów
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 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 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 szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoMetodyczne problemy badań preferencji konsumenckich
Anna Szymańska Metodyczne problemy badań preferencji konsumenckich Wstęp Badania preferencji konsumenckich prowadzone są w celu poznania systemu ocen odzwierciedlających potrzeby i upodobania konsumenta,
Bardziej szczegółowoMariola Kajfasz Magdalena Krzak Magda Kaczmarczyk Anna Jabłońska
Mariola Kajfasz Magdalena Krzak Magda Kaczmarczyk Anna Jabłońska Plan prezentacji 1. Podstawowe definicje produkt, marka 2. Dwojakie spojrzenie na markę; 3. Postawa wobec marki; 4. Tożsamość marki 5. Rodzaje
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 szczegółowoANALIZA SPRZEDAŻY: - struktura
KOŁO NAUKOWE CONTROLLINGU UNIWERSYTET ZIELONOGÓRSKI ANALIZA SPRZEDAŻY: - struktura - koncentracja - kompleksowa analiza - dynamika Spis treści Wstęp 3 Analiza struktury 4 Analiza koncentracji 7 Kompleksowa
Bardziej szczegółowoMetodologia badań psychologicznych
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoRodzaje metod, m.in. ankiety, wywiady, panele, obserwacje, eksperymenty, badania symulacyjne, pomiary fizjologiczne, metody projekcyjne.
METODY BADAWCZE Rodzaje metod, m.in. ankiety, wywiady, panele, obserwacje, eksperymenty, badania symulacyjne, pomiary fizjologiczne, metody projekcyjne. ANKIETA Metoda pomiaru pośredniego charakteryzująca
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 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 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 szczegółowoBadania marketingowe 2016_1. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2016_1 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja
Bardziej szczegółowoConjoint analysis jako metoda analizy preferencji konsumentów
Anna Szymańska Dorota Dziedzic Conjoint analysis jako metoda analizy preferencji konsumentów Wstęp Istotnym aspektem, mającym decydujący wpływ na sukcesy rynkowe przedsiębiorstwa jest zrozumienie postępowania
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 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 szczegółowoWykład 3: Prezentacja danych statystycznych
Wykład 3: Prezentacja danych statystycznych Dobór metody prezentacji danych Dobór metody prezentacji danych zależy od: charakteru danych statystycznych (inne metody wybierzemy dla danych przekrojowych,
Bardziej szczegółowoStrategia B. Mapa grup strategicznych
Strategia B. Mapa grup strategicznych W tabeli 1 (12). wypisz nazwy konkurentów działających w sektorze, w którym działa również twoja firma. Jeżeli twoja firma działa w wielu sektorach równolegle to dla
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 szczegółowoSPIS TREŚCI CZĘŚĆ I : PRZEZNACZENIE, PROCES I PODSTAWY METODOLOGICZNE BADAŃ MARKETINGOWYCH...17
SPIS TREŚCI WSTĘP..13 CZĘŚĆ I : PRZEZNACZENIE, PROCES I PODSTAWY METODOLOGICZNE BADAŃ MARKETINGOWYCH...17 1. TREŚĆ, PRZEZNACZENIE I PROCES BADAŃ MARKETINGOWYCH....19 1.1. Dlaczego badania marketingowe
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
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 szczegółowoTabela 1. Macierz preferencji dotycząca pięciu przykładowych produktów (obiektów) i sześciu respondentów
Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Katedra Ekonometrii i Informatyki ZASTOSOWANIE ANALIZY UNFOLDING W OCENIE PREFERENCJI UCZNIÓW SZKOŁY POLICEALNEJ Streszczenie: W artykule przedstawiono
Bardziej szczegółowoOPISU MODUŁU KSZTAŁCENIA (SYLABUS) dla przedmiotu Badania rynku na kierunku Zarządzanie
Poznań, 1.10.2016 r Dr Grzegorz Paluszak OPISU MODUŁU KSZTAŁCENIA (SYLABUS) dla przedmiotu Badania rynku na kierunku Zarządzanie I. Informacje ogólne 1. Nazwa modułu : Badania rynku 2. Kod modułu : 1 BRw
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 szczegółowoPRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 780 PROGNOZOWANIE W ZARZĄDZANIU FIRMĄ 1997
PRACE NAUKOWE AKADEMII EKONOMICZNEJ WE WROCŁAWIU Nr 780 PROGNOZOWANIE W ZARZĄDZANIU FIRMĄ 1997 Marek Walesiak, Józef Dziechciarz, Anna Blaczkowska Akademia Ekonomiczna we Wrocławiu CONJOINT MEASUREMENT
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 I DOŚWIADCZALNICTWO
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Test niezależności chi-kwadrat (χ 2 ) Cel: ocena występowania zależności między dwiema cechami jakościowymi/skategoryzowanymi X- pierwsza cecha; Y druga cecha Przykłady
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 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 szczegółowoZmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka
Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka Jakub S. Prauzner-Bechcicki Grupa: Chemia A Kraków, dn. 7 marca 2018 r. Plan wykładu Rozważania wstępne Prezentacja wyników
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 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 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 szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoAnaliza danych ankietowych. Wykład 1. Projekt badawczy. Rodzaje danych ankietowych. Jerzy Legut
Analiza danych ankietowych Wykład Projekt badawczy. Rodzaje danych ankietowych Jerzy Legut Etapy projektu badawczego. Zdefiniowanie celu badań. Określenie grupy docelowej 3. Wybór metody badań 4. Projekt
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 szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
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 szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoSkalowanie wielowymiarowe idea
Skalowanie wielowymiarowe idea Jedną z wad metody PCA jest możliwość używania jedynie zmiennych ilościowych, kolejnym konieczność posiadania pełnych danych z doświadczenia(nie da się użyć PCA jeśli mamy
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 szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
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 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 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 szczegółowoBadania marketingowe 2013_2. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2013_2 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja
Bardziej szczegółowoSTATYSTYKA OPISOWA. Dr Alina Gleska. 12 listopada Instytut Matematyki WE PP
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 12 listopada 2017 1 Analiza współzależności dwóch cech 2 Jednostka zbiorowości - para (X,Y ). Przy badaniu korelacji nie ma znaczenia, która
Bardziej szczegółowoEkonomia I stopień Ogólnoakademicki. Stacjonarne Wszystkie Katedra Ekonomii i Zarządzania dr Ilona Molenda-Grysa
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-EKO-239 Badania rynkowe i marketingowe Market and marketing research
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 szczegółowoPaweł Tatarzycki STATYSTYKA. Wybrane zagadnienia
Paweł Tatarzycki STATYSTYKA Wybrane zagadnienia ELEMENTARNE ZAGADNIENIA STATYSTYKI Termin statystyka pochodzi od łacińskiego status, co oznacza stan rzeczy. W ujęciu historycznym terminem tym określano
Bardziej szczegółowoRozdział 1. Analiza Struktury. Jan Żółtowski. Problem 1.1. Lp. Pytanie Odpowiedź
Rozdział 1 Analiza Struktury Jan Żółtowski Problem 1.1 Kuratorium w Łodzi postanowiło ocenić wpływ warunków szkolnych i pozaszkolnych na wyniki uczniów piszących próbną EMaturę z matematyki 1. W badaniu
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 szczegółowoBadanie zależności pomiędzy zmiennymi
Badanie zależności pomiędzy zmiennymi Czy istnieje związek, a jeśli tak, to jak silny jest pomiędzy np. wykształceniem personelu a jakością świadczonych usług? Ogólnie szukamy miary zależności (współzależności),
Bardziej szczegółowoESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW
ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW POPULACJI Szkic wykładu Wprowadzenie 1 Wprowadzenie 2 3 4 Przypomnienie dotychczasowych rozważań Przedziałem ufności nazywamy przedział losowy, o którym przypuszczamy
Bardziej szczegółowoAnaliza danych ankietowych. Wykład 1. Projekt badawczy. Rodzaje danych ankietowych. Jerzy Legut
Analiza danych ankietowych Wykład Projekt badawczy. Rodzaje danych ankietowych Jerzy Legut Etapy projektu badawczego. Zdefiniowanie celu badań. Określenie grupy docelowej 3. Wybór metody badań 4. Projekt
Bardziej szczegółowoPozycjonowanie produktu w oparciu o kryteria psychologiczne
Pozycjonowanie produktu w oparciu o kryteria psychologiczne Psychologiczne podstawy marketingu.02.06.2014 Małgorzata Badowska Katarzyna Maleńczyk Aleksandra Tomala Spis treści 1. Definicje 2. Istota pozycjonowania
Bardziej szczegółowoBadania marketingowe
Badania marketingowe Dr hab. prof. SGH Katedra Rynku i Marketingu SGH teresataranko@o2.pl Konsultacje pokój 302 Madalińskiego 6/8 Wtorek -15.00-16.00 Struktura problematyki 1. Definicja i funkcje badań
Bardziej szczegółowoProf. zw. dr hab. inż. dr h.c. Stanisław Urban Uniwersytet Ekonomiczny we Wrocławiu
Prof. zw. dr hab. inż. dr h.c. Stanisław Urban Uniwersytet Ekonomiczny we Wrocławiu Analiza rynku. Badania produktów By decyzje podejmowane na różnych etapach zarządzania produktem były trafne, trzeba
Bardziej szczegółowoKatedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU
Katedra Technik Wytwarzania i Automatyzacji METROLOGIA I KONTKOLA JAKOŚCI - LABORATORIUM TEMAT: STATYSTYCZNA KONTROLA PROCESU 1. Cel ćwiczenia Zapoznanie studentów z podstawami wdrażania i stosowania metod
Bardziej szczegółowo