Narzędzia.

Slides:



Advertisements
Podobne prezentacje
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Advertisements

BADANIE KORELACJI ZMIENNYCH
Ocena wartości diagnostycznej testu – obliczanie czułości, swoistości, wartości predykcyjnych testu. Krzywe ROC. Anna Sepioło gr. B III OAM.
PODZIAŁ STATYSTYKI STATYSTYKA STATYSTYKA MATEMATYCZNA STATYSTYKA
Reinhard Kulessa1 Wykład Środek masy Zderzenia w układzie środka masy Sprężyste zderzenie centralne cząstek poruszających się c.d.
Szereg rozdzielczy Szereg rozdzielczy jest zestawieniem, w którym wartości badanej cechy statystycznej rozdzielone są na określone grupy (klasy), a każdej.
W dalszej części zajęć wyróżniać będziemy następujące
Analiza współzależności zjawisk
Obserwowalność System ciągły System dyskretny
Analiza wariancji jednoczynnikowa
WYKŁAD 6 ATOM WODORU W MECHANICE KWANTOWEJ (równanie Schrődingera dla atomu wodoru, separacja zmiennych, stan podstawowy 1s, stany wzbudzone 2s i 2p,
Podsumowanie wykładu 1. Najpełniejszą charakterystyką wybranej zmiennej jest jej rozkład.
Budżetowanie kapitałów
Elementy Modelowania Matematycznego
Jak mierzyć asymetrię zjawiska?
Graficzna prezentacja danych Wykład 2 dr Małgorzata Radziukiewicz
Właściwości średniej arytmetycznej
Analiza współzależności
ANALIZA STRUKTURY SZEREGU NA PODSTAWIE MIAR STATYSTYCZNYCH
Analiza współzależności
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Statystyka w doświadczalnictwie
(dla szeregu szczegółowego) Średnia arytmetyczna (dla szeregu szczegółowego) Średnią arytmetyczną nazywamy sumę wartości zmiennej wszystkich jednostek.
BIOSTATYSTYKA I METODY DOKUMENTACJI
Korelacje, regresja liniowa
Analiza współzależności dwóch zjawisk
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Hipotezy statystyczne
Analiza wariancji jednoczynnikowa
Konstrukcja, estymacja parametrów
Rachunek kosztów zmiennych
Seminarium 2 Krzywe kalibracyjne – rodzaje, wyznaczanie, obliczanie wyników Równanie regresji liniowej Współczynnik korelacji.
Analiza współzależności cech statystycznych
Elementy Rachunku Prawdopodobieństwa i Statystyki
Analiza wariancji jednoczynnikowa.
„Człowiek - najlepsza inwestycja”
Elementy Rachunku Prawdopodobieństwa i Statystyki
Hipotezy statystyczne
1. ŁATWOŚĆ ZADANIA (umiejętności) 2. ŁATWOŚĆ ZESTAWU ZADAŃ (ARKUSZA)
Statystyka ©M.
Podstawy statystyki, cz. II
FUNKCJE Opracował: Karol Kara.
Regresja wieloraka.
FUNKCJE Pojęcie funkcji
Co to jest dystrybuanta?
Rozwiązywanie układów równań liniowych różnymi metodami
METODY WYODRĘBNIANIA KOSZTÓW STAŁYCH I ZMIENNYCH
Podstawowe pojęcia i terminy stosowane w statystyce
Wykresy – różne typy oraz wykresy funkcji
Statystyczna analiza danych w praktyce
Jak mierzyć asymetrię zjawiska? Wykład 5. Miary jednej cechy  Miary poziomu  Miary dyspersji (zmienności, zróżnicowania, rozproszenia)  Miary asymetrii.
Statystyczna analiza danych
Statystyczna analiza danych
Statystyczna analiza danych
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
ze statystyki opisowej
SKALA CIĄGŁA I SKOKOWA.
Grupowanie danych statystycznych „ Człowiek – najlepsza inwestycja”
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Halina Klimczak Katedra Geodezji i Fotogrametrii Akademia Rolnicza we Wrocławiu WYKŁAD 2 ZMIENNE GRAFICZNE SKALA CIĄGŁA I SKOKOWA.
Matematyka przed egzaminem czyli samouczek dla każdego
Radosław Hołówko Konsultant: Agnieszka Pożyczka
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Analiza współzależności zjawisk
MIARY STATYSTYCZNE Warunki egzaminu.
Analiza kanoniczna - stanowi uogólnienie liniowej regresji wielorakiej na dwa zbiory zmiennych tzn. dla zmiennych zależnych i niezależnych. Pozwala badać.
Zapis prezentacji:

Narzędzia

Histogram według normy ISO 9004-4 inna nazwa: diagram słupkowy, diagram kolumnowy, wzorzec zmienności odchyleń Histogram służy do graficznego przedstawienia określonych wyników. Pokazuje rozkład częstości danych oraz ilustruje ich zmienność. W ujęciu normatywnym histogram stosowany jest do: pokazania przebiegu zmian, wizualnego przedstawienia informacji o przebiegu procesu, podejmowania decyzji dotyczących wyboru miejsc, w których należy skupić wysiłki związane z doskonaleniem procesu.

Histogram Histogram zbudowany jest z ciągu prostokątów o równych podstawach odpowiadających przedziałom określonych podczas grupowania danych i określania liczby klas. Wysokość prostokątów uwarunkowana jest wartością danych w określonym przedziale. Analizując wysokości poszczególnych prostokątów uzyskujemy obraz rozkładu wartości danych.

Histogram Procedura sporządzania histogramów jest następująca: zebrać wartości danych, ustalić zakres danych, ustalić liczbę przedziałów, wykreślić skalę wartości danych i częstości zdarzeń, narysować wysokość każdego przedziału.

Zebranie wartości danych oznacza określenie obszaru danych poddawanych analizie. Oznacza to zbudowanie szeregu strukturalnego, który ma na celu przedstawienie struktury badanej zbiorowości z punktu widzenia danej cechy w ściśle określonym czasie. Ustalenie zakresu danych dotyczy obliczenia rozstępu, który jest różnicą pomiędzy wartością największą i najmniejszą badanej zbiorowości.

W przypadku, gdy dany szereg zawiera bardzo dużą liczbę danych, jego scharakteryzowanie nastręcza trudności. Należy zbudować szereg rozdzielczy, czyli dokonać podziału na klasy, dzieląc obszar zmienności cechy na przedziały klasowe, określone przez ich dolną i górną granicę. Ustalenie szerokości każdego przedziału polega na wyznaczeniu ilorazu zakresu danych do ustalonej liczby przedziałów. Do wyznaczenia liczby przedziałów stosuje się odpowiedni aparat statystyczny. Jako regułę można przyjąć, że liczba przedziałów wynosi N = 1+3.3 logn, gdzie (n) oznacza liczbę obserwacji. Niemniej jednak ujęcie normatywne zaleca ustalenie liczby przedziałów od 6 do 12.

Następnie buduje się tabelę częstotliwości, na podstawie której: ustala się liczebność danych zawartych w poszczególnych przedziałach i oblicza się częstość występowania w poszczególnych przedziałach; wykreśla się histogram.

Rysowanie histogramu polega na zbudowaniu osi współrzędnych Rysowanie histogramu polega na zbudowaniu osi współrzędnych. Na odciętej nanosi się wartości danych, na rzędnej zaś częstość ich wystąpienia (w wartościach względnych lub bezwzględnych). Następnie rysuje się wysokość każdego przedziału równą liczbie wartości danych, które odpowiadają danemu przedziałowi. Otrzymany histogram należy zinterpretować. Proces ten, generalnie rzecz ujmując, polega na określeniu czy histogram prezentuje rozkład normalny (symetryczny), czy też cechuje się skośnością i modalnością.

Przedsiębiorstwo (1): 22 26 27 27 9 11 29 33 27 28 30 31 14 33 30 16 20 18 34 33 34 30 29 24 29 29 27 42 54 60 39 40 36 50 44 33 31 42 49 32 36 41 32 48 31 26 36 38 37 38

Przedsiębiorstwo (2): 38 44 37 22 31 64 39 30 26 40 42 46 41 27 34 39 16 46 60 37 36 30 26 36 51 27 32 26 20 41 27 40 44 26 19 18 54 49 28 42 43 38 38 41 50 24 33 38 36 18 53 50 59 40 36 16 36 39 48 46 58 33 43 37 44

Diagram korelacji według normy ISO inna nazwa: wykres rozrzutu, wykres korelacji Diagram korelacji służy do graficznego przedstawienia relacji między dwiema zmiennymi (cechami). Stanowi więc zbiór punktów na płaszczyźnie, odpowiadający zbiorowi par liczb (xi; yi,), gdzie xi, oznacza i -tą obserwację zmiennej niezależnej X, yi oznacza i-tą obserwacje zmiennej zależnej Y.

Na istnienie korelacji zmiennych (cech) wskazuje ich wzajemny związek, który oznacza, że zmienne wpływają na siebie. Diagram korelacji nie bada natomiast związku przyczynowo-skutkowego zachodzącego między zmiennymi, a mówi jedynie o tym, że istnieje pewien związek między dwiema zmiennymi.

Diagram korelacji używany jest do: Stwierdzenia istnienia zależności pomiędzy zmiennymi, na przykład: czy istnieje związek pomiędzy rodzajem tworzywa a szybkością jego utylizacji? Stwierdzenia kierunku związku, na przykład: czy dany skład tworzywa przyspieszy proces jego utylizacji? Pokazania siły związku, na przykład: jak silny jest związek pomiędzy danym rodzajem tworzywa a szybkością jego utylizacji?

Procedura sporządzania diagramu korelacji jest następująca: zebrać dwie pary danych, należących do dwóch zbiorów danych, których związek ma być analizowany, oznaczyć osie X i Y, znaleźć wartości minimum i maksimum dla x i y oraz użyć tych wartości do liniowego wyskalowania osi poziomej (x) i osi pionowej (y), nanieść pary danych, zbadać kształt rozmieszczenia punktów w celu wykrycia rodzaju i siły zależności.

Otrzymane rozmieszczenie punktów na osiach współrzędnych powin­ny być poddane analizie. Korelacja między danymi może mieć różnorodny charakter: pozytywny, negatywny lub obojętny (pozostawać bez związku).

O pozytywnej korelacji pomiędzy zmiennymi mówimy wówczas, gdy równocześnie wzrost zmiennej (x) powoduje wzrost zmiennej (y). Negatywna korelacja występuje wówczas, gdy wzrost jednej zmiennej powoduje jednoczesny spadek drugiej zmiennej. Jeżeli natomiast wzrost jednej zmiennej nie powoduje zmian drugiej zmiennej, wówczas mamy do czynienia z brakiem korelacji pomiędzy zmiennymi. Badanie siły zależności pomiędzy zmiennymi dotyczy analizy rozpro­szenia reakcji poszczególnych par zmiennych. Wyróżniamy następujące rodzaje sił: silna, słaba, umiarkowana.