Doświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia

Transkrypt

1 Doświadczalnictwo leśne Wydział Leśny SGGW Studia II stopnia

2 Treści i efekty kształcenia Treści: Statystyka matematyczna, planowanie eksperymentu Efekty kształcenia: student potrafi opisywać zjawiska za pomocą języka matematyki i statystyki, zbudować matematyczny model zjawisk, zaplanować badanie statystyczne oraz zastosować odpowiednie metody statystyczne w praktyce

3 Doświadczalnictwo leśne Wykłady (10 spotkań we wtorki, 16:05-17:35) dr hab. Michał Zasada, prof. SGGW Ćwiczenia (10 spotkań po 2 godz.) dr Robert Tomusiak dr Szymon Bijak dr Rafał Wojtan

4 Doświadczalnictwo leśne Cel zajęć: Dostarczenie praktycznej umiejętności wyboru odpowiednich metod, planowania eksperymentów badawczych oraz wykorzystywania metod statystycznych, szczególnie w kontekście pisania pracy magisterskiej z zakresu leśnictwa Nabycie umiejętności posługiwania się oprogramowaniem statystycznym

5 Wykłady Statystyka opisowa i prezentacja danych Estymacja statystyczna i zagadnienia pokrewne Metoda reprezentacyjna, pobieranie próby Planowanie eksperymentów Regresja Analiza wariancji Metody nieparametryczne Zagadnienia uzupełniające

6 Ćwiczenia Zastosowanie pakietu statystycznego Statistica do przetwarzania danych Statystyka opisowa i prezentacja danych Regresja liniowa, wielokrotna i nieliniowa Analiza wariancji (jednoczynnikowa i wieloczynnikowa) Metody nieparametryczne Zagadnienia bardziej zaawansowane

7 Doświadczalnictwo leśne Materiały do zajęć (zakres / konspekt poszczególnych zajęć, pliki z danymi, zagadnienia do opracowania na zaliczenie przedmiotu - wkrótce na serwerze bądź w ehms Kontakt (pytania, sugestie, problemy): Michal.Zasada@wl.sggw.pl

8 Podstawowe pojęcia

9 Podstawowe pojęcia Badanie statystyczne Populacja, jednostka, cecha Rodzaje zmiennych / cech Skale pomiarowe Graficzna prezentacja danych Miary połoŝenia Miary zmienności

10 Badania statystyczne

11 Badanie statystyczne Eksperymenty planowane / zakładane Oparte na próbie pobieranej z populacji Podstawą zastosowania kaŝdej metody wnioskowania statystycznego jest dokładne zdefiniowanie populacji, jednostki i cech

12 Populacja statystyczna Obiekt badania Zbiór elementów / jednostek (obiektów materialnych lub zjawisk) powiązanych ze sobą logicznie (tzn. posiadających wspólną cechę/cechy stałą/stałe) i jednocześnie nieidentycznych (tzn. róŝniących się ze względu na cechy zmienne) Populacja skończona i nieskończona

13 Jednostka statystyczna Element populacji Źródło cech

14 Cecha Badana własność elementów populacji statystycznej, która róŝnicuje tę populację Cechy mierzalne (ilościowe): moŝliwe do opisania za pomocą liczb ciągłe: przyjmujące dowolne wartości w danym przedziale skokowe: przyjmująca określone wartości w danym przedziale, Cechy niemierzalne (jakościowe): moŝna je jedynie opisać słownie lub za pomocą odpowiednich skal

15 Rodzaje cech ilościowe jakościowe Skale pomiarowe UzaleŜnione są od rodzaju opisywanych zmiennych Determinują, co moŝna zrobić z daną zmienną

16 Skale pomiarowe Zmienne jakościowe Skala nominalna Skala porządkowa (rangowa) Zmienne ilościowe Skala przedziałowe (interwałowa) Skala ilorazowa (stosunkowa)

17 Skala nominalna Pozwala rozpoznawać obiekty jednakowe i róŝne, bez wypowiadania się o relacjach między nimi, np. gatunek, rodzaj drewna, rodzaj zakładu pracy, płeć, itp. Często pomiar na skali nominalnej jest liczbowym etykietowaniem badanych obiektów, np. kody w niektórych bazach danych Bardzo słaba skala pomiarowa Graficzna prezentacja, dominanta

18 Skala porządkowa Dodatkowo wprowadza relację porządku w zbiorze zmiennych jakościowych, np. drewno suche, wilgotne; uszkodzenie słabe, średnie, silne;... Jest skalą mocniejszą niŝ nominalna Powoduje najwięcej problemów i nieporozumień, przedmiot powszechnie popełnianych błędów

19 Skala porządkowa Przykład: skala ocen (ndst, dst, db, bdb) Wszelkiego rodzaju obliczenia są tutaj naduŝyciem: nieznana jest odległość między poszczególnymi ocenami (róŝnica w między róŝnymi stopniami jest róŝna; często mieszane kategorie) MoŜliwe jest jedynie określenie, Ŝe np. silny stopień uszkodzenia jest mocniejszy, niŝ słaby

20 Skala przedziałowa Zachowuje własności skali porządkowej, ale dodatkowo wyposaŝona jest w stałą jednostkę miary i umowne zero MoŜliwy jest pomiar odległości między uporządkowanymi zmiennymi Jest skalą mocniejszą od porządkowej

21 Skala przedziałowa Przykład: skala Celsjusza dla temperatury MoŜliwe jest określenie o ile stopni dana temperatura róŝni się od innej Ale nie moŝna opisać sensownie stosunku dwóch wartości zmiennych Np. średnia temperatura lipca w centralnej Polsce (17C) róŝni się od średniej rocznej temperatury tego obszaru (7C) o 10 stopni, ale nie oznacza to, Ŝe w lipcu jest prawie 2,5 raza cieplej, niŝ średnio w roku

22 Skala ilorazowa róŝni się od skali przedziałowej tym, Ŝe jest posiada zero absolutne, a nie umowne MoŜliwe jest określenie ile razy dana cecha jest większa od innej Jest to najsilniejsza skala pomiarowa

23 Skala ilorazowa Przykład: skala Kelwina Gleba o temperaturze 50C (323K) jest 1.1 raza (czyli o 10%) cieplejsza od gleby o temperaturze 20C (293K) Przykład: liczba kandydatów na studia Na WTD (100) było 5 razy mniej kandydatów na studia, niŝ na WL (500) zerem absolutnym jest tu brak kandydatów na dany kierunek studiów

24 Graficzna prezentacja danych

25 Graficzna prezentacja danych WaŜny element wstępnej analizy danych Nieodzowna ilustracja problemu i uzyskanych wyników Dobór skali i szerokości klas Wybór sposobu prezentowania danych

26 m/histogram/index.html

27 NPK Kontrola NPK Kontrola

28 Bs Bśw BMśw LMśw Lśw 0 Bs Bśw BMśw LMśw Lśw Bs Bśw BMśw LMśw Lśw

29 Bs Bśw BMśw LMśw Lśw

30 Bs Bśw BMśw LMśw Lśw S1 S3 S2

31

32

33 Dziękuję za uwagę!