Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

STATISTIKA 1 RNDr. M. Žambochová, Ph.D. (KMS, M308) zápočet.

Podobné prezentace


Prezentace na téma: "STATISTIKA 1 RNDr. M. Žambochová, Ph.D. (KMS, M308) zápočet."— Transkript prezentace:

1 STATISTIKA 1 RNDr. M. Žambochová, Ph.D. (KMS, M308) zápočet

2 KONZULTACE „Není hanba, že nevíš, ale že se neptáš.“ (Turecké přísloví)

3 STATISTIKA Činnost vedoucí k získávání dat Činnost vedoucí k získávání dat Instituce zajišťující tuto činnost Instituce zajišťující tuto činnost Jakákoli shromažďovaná data Jakákoli shromažďovaná data Údaje získané výpočtem z dat Údaje získané výpočtem z dat Matematická teorie o chování dat Matematická teorie o chování dat

4 STATISTIKA DESKRIPCE (popis) ANALÝZA (modely, odhady, testy)

5 Základní pojmy STATISTICKÁ JEDNOTKA = STATISTICKÁ JEDNOTKA = = na kom (čem) zjišťujeme STATISTICKÉ ŠETŘENÍ = STATISTICKÉ ŠETŘENÍ = = jak zjišťujeme STATISTICKÁ VELIČINA = STATISTICKÁ VELIČINA = = co zjišťujeme

6 STATISTICKÁ JEDNOTKA nutno jednoznačně definovat: věcně místně místněčasově např. každý(á)obyvatel rodina územní celek - obec; - region; - země firma výrobek …

7 STATISTICKÉ ŠETŘENÍ ÚPLNÉ  ÚPLNÉ  informace od všech stat.jednotek (od celé populace) VÝBĚROVÉ  VÝBĚROVÉ  informace od vybraných stat. jednotek (od „výběru“) informace od vybraných stat. jednotek (od „výběru“) nevýhody versus výhody výběru? nevýhody versus výhody výběru? * neúplnost informace * neúplnost informace * rychlejší a levnější informace * rychlejší a levnější informace

8 VÝBĚROVÉ ŠETŘENÍ - výběr zcela náhodný zcela náhodný systematický systematický stratifikovaný (oblastní) stratifikovaný (oblastní) skupinový skupinový vícestupňový vícestupňový

9 VÝBĚROVÉ ŠETŘENÍ - průběh anketa anketa řízený rozhovor řízený rozhovor vyplnění dotazníku … vyplnění dotazníku …

10 Jak jinak získat data (např. k BP)? JIŽ „HOTOVÁ“ (tj. sebraná), NAPŘ OD: ČSÚ (www stránky) ČSÚ (www stránky) Eurostatu (www stránky) Eurostatu (www stránky) úřadů státní (samo)správy úřadů státní (samo)správy firem (?) … firem (?) …

11 Zpracování dat a) „ručně“ b) pomocí SW MS Excel MS Excel STATISTICA, SPSS, … STATISTICA, SPSS, … freeware (R-project) freeware (R-project)

12 DOTAZNÍK pro zaměstnance firmy JMÉNO DOBA ÚKOL POHLAVÍ VZDĚLÁNÍ VĚK POBOČKA POČET DĚTÍ

13 DOTAZNÍK pro zaměstnance firmy JMÉNOidentifikátor DOBA veličina (značena např. X) ÚKOL veličina (značena např. Q) POHLAVÍ… VZDĚLÁNÍ… VĚK… POBOČKA… POČET DĚTÍ veličina (značena např. Y)

14 DOTAZNÍK pro zaměstnance firmy možné hodnoty : JMÉNO textový řetězec DOBA 1,2,…(počet dní proškolení) ÚKOL ano / ne (splněn nový úkol?) POHLAVÍ m / z VZDĚLÁNÍ z, s, v (nejvyšší dosažené) VĚK v rocích POBOČKA a,b,c (1 ze 3 poboček firmy) POČET DĚTÍ 0,1,2,…

15 DOTAZNÍK - příklad vyplnění (1. statistická jednotka) JMÉNO Frank Frank DOBA ÚKOL ne ne POHLAVÍ m VZDĚLÁNÍ z VĚK POBOČKA a POČET DĚTÍ 1

16 DOTAZNÍK data (začátek)

17 DOTAZNÍK data (dokončení)

18 Značení dat (pozorování) Např. veličina X – DOBA: 1. pozorování: x 1 =14 2. pozorování: x 2 =29 … n. (poslední) pozorování: x n = x 25 = 8 n značí počet pozorování (rozsah souboru), zde n=25

19 DOTAZNÍKY - značení a data

20 TYPY VELIČIN (X, Y,…) (proměnných; znaků) KATEGORIÁLNÍ nominální (slovní – neuspořádané ) nominální (slovní – neuspořádané ) má smysl pouze porovnání rovno – není rovno má smysl pouze porovnání rovno – není rovno např. POBOCKA (a, b, c) alternativní (2 možnosti: 0-1) alternativní (2 možnosti: 0-1) např. POHL (m/z), UKOL (splněn: ano/ne) ordinální (slovní – uspořádané) ordinální (slovní – uspořádané) má smysl srovnání menší-větší, lepší-horší, … např. VZDEL (z < s < v) např. VZDEL (z < s < v) kardinální (číselné - diskrétní) kardinální (číselné - diskrétní) má smysl počítání (sčítání, násobení, …) např. DETI (počet dětí) např. DETI (počet dětí)

21 TYPY VELIČIN (X, Y,…) (proměnných; znaků) NEKATEGORIÁLNÍ kardinální (číselné - spojité) kardinální (číselné - spojité) má smysl počítání (sčítání, násobení, …) nabývá širokého spektra hodnot, nevytváří skupiny objektů se stejnými hodnotami např. DOBA (počet dní výcviku), VĚK (v letech), HMOTNOST (kg), PLAT (tis.Kč)… v příkladech je údaj vlastně zaokrouhlen, záleží na zvolené přesnosti; v příkladech je údaj vlastně zaokrouhlen, záleží na zvolené přesnosti; lze převést na kategoriální typ (jak, jaký?)

22 DOTAZNÍKY – příklad zpracování (Y) POZOR NA PODOBNÉ ZNAČENÍ! a) pro jednotlivá pozorování veličiny Y bylo y 1 =1, y 2 =3, …, y 25 =0 (n =25) b) pro kategorie veličiny Y bylo y 1 =0, y 2 =1, …, y 6 =5 (K=6) V praxi je rozdíl v použití jasný z kontextu.

23 ČETNOSTI ABSOLUTNÍ n i … počet výskytů i-té kategorie, i=1…K Σ n i = n RELATIVNÍ p i … rel. výskyt i-té kategorie, i=1…K p i = n i /n Σ p i =1 p i = (n i /n)·100% Σ p i =100 (%) Oba typy lze určit u každé kategoriální veličiny (K=počet kategorií).

24 ČETNOSTI Příklad 1. Y - známky žáka. Popořadě: 3, 4, 2, 3, 2, 3, 3, 3. i123suma yiyiyiyi234xxx nininini2518 pipipipi0,2500,6250,1251,000 Tabulka četností:

25 GRAFICKÉ ZNÁZORNĚNÍ DAT

26 Kategoriální veličiny - graf četností (vel. DETI): Kategoriální veličiny - graf četností (vel. DETI): KRUHOVÝ (výsečový, HISTOGRAM „koláčový“) GRAF

27 ČETNOSTI MODUS Je (jsou) kategorie s největší četností Značen ŷ (se stříškou). Lze určit u každé kategoriální veličiny. Příklad 1 – pokračování: ŷ =3 (druhá kategorie se vyskytla nejčastěji, a to pětkrát; nejčastější známkou byla trojka)

28 ČETNOSTI KUMULOVANÉ ABSOLUTNÍ n i * … počet výskytů do i-té kategorie včetně, n i * = n 1 +…+n i KUMULOVANÉ RELATIVNÍ p i * … rel. výskyt do i-té kategorie včetně, p i * = p 1 +…+p i p i * = n i * /n Oba typy mají smysl jen u veličin ordinálních či diskrétních.

29 ČETNOSTI Příklad 1 - pokračování. i123suma yiyiyiyi234xxx nininini2518 pipipipi0,2500,6250,1251,000 ni*ni*ni*ni*278xxx pi*pi*pi*pi*0,2500,8751,000xxx

30 DISTRIBUČNÍ FUNKCE Slouží k popisu rozdělení (distribuce) číselných dat Slouží k popisu rozdělení (distribuce) číselných dat F(y) = p(Y ≤ y) F(y) = p(Y ≤ y) F(y) … udává podíl pozorování s hodnotou nejvýše y, viz graf pro data z příkladu 1: F(y) … udává podíl pozorování s hodnotou nejvýše y, viz graf pro data z příkladu 1:

31 F(y) = p(Y ≤ y) F(-20) = p(Y ≤ 20) = 0 F(2,6) = p(Y ≤ 2,6) = 0,25 F(0) = p(Y ≤ 0) = 0 F(3) = p(Y ≤ 3) = 0,875 F(0,4) = p(Y ≤ 0,4) = 0 F(3,4) =p(Y ≤ 3,4)= 0,875 F(1,9) = p(Y ≤ 1) = 0 F(4) = p(Y ≤ 4) = 1 F(2) = p(Y ≤ 2) = 0,25 F(50) = p(Y ≤ 50) = 1 F(y) = p(Y ≤ y) F(-20) = p(Y ≤ 20) = 0 F(2,6) = p(Y ≤ 2,6) = 0,25 F(0) = p(Y ≤ 0) = 0 F(3) = p(Y ≤ 3) = 0,875 F(0,4) = p(Y ≤ 0,4) = 0 F(3,4) =p(Y ≤ 3,4)= 0,875 F(1,9) = p(Y ≤ 1) = 0 F(4) = p(Y ≤ 4) = 1 F(2) = p(Y ≤ 2) = 0,25 F(50) = p(Y ≤ 50) = 1

32 KVANTILY Udávají pro číselnou veličinu Y hodnotu y, pod níž leží požadovaný podíl pozorování Udávají pro číselnou veličinu Y hodnotu y, pod níž leží požadovaný podíl pozorování Značíme ỹ 100 p, kde p je onen podíl (údaj mezi 0 – 1) Značíme ỹ 100 p, kde p je onen podíl (údaj mezi 0 – 1) p=0,5 … 50% kvantil – medián p=0,5 … 50% kvantil – medián (odděluje polovinu nižších od zbytku vyšších pozorování; značen obvykle jen ỹ ) p=0,25 … 25% kvantil – dolní kvartil ỹ 25 p=0,25 … 25% kvantil – dolní kvartil ỹ 25 p=0,75 … 75% kvantil – horní kvartil ỹ 75 p=0,75 … 75% kvantil – horní kvartil ỹ 75

33 KVANTILY 1. Určení pomocí distribuční funkce Najdeme bod y, v němž poprvé F(y) dosáhne úroveň p. Příklad 1 – pokračování: Nalezněte medián známek žáka. Medián…tj. p=0,5. Kde poprvé příslušná F(y) dosáhla úroveň 0,5? Podle grafu je mediánem hodnota ỹ =3. Interpretace: Polovina známek měla hodnotu nejvýše 3 (tj. 3 nebo nižší)

34 KVANTILY 2. Určení přímo pomocí dat a) Data uspořádáme vzestupně dle velikosti b) Nalezneme celočíselné z vyhovující nerovnicím: n·p < z < n·p +1 c) Hledaným kvantilem je hodnota s pořadovým číslem z. Příklad 1 – pokračování: Nalezněte 60% kvantil známek žáka. Známky seřadíme: 2, 2, 3, 3, 3, 3, 3, 4. Jelikož n=8 a p=0,6, vyjde n·p=4,8, takže hledáme z : 4,8 < z < 5,8 Tudíž z=5, aneb hledaným kvantilem je 5. známka, čili trojka: ỹ 60 =3.

35 KVANTILY Příklad 1 – pokračování: Interpretujte nalezený výsledek: ỹ 60 =3. Znamená to, že 60 % zjištěných známek mělo hodnotu nejvýše 3 (tj. 3 nebo nižší). Podobně interpretujte to, kdyby pro veličinu plat měl např. horní kvartil hodnotu 32 tis. Kč: Znamenalo by to, že 75 % zjištěných platů mělo hodnotu nejvýše 32 tis. Kč (tj. zbylých 25 % platů bylo jakých?)

36 KVANTILY 2. Určení přímo pomocí dat – možný problém a) Data uspořádáme vzestupně dle velikosti b) Nenalezneme celočíselné z vyhovující nerovnicím: n·p < z < n·p +1 Stane se to tehdy, když obě hodnoty (n·p ; n·p+1) vyjdou přesně celočíselně. c) Nalezneme hodnotu s pořadovým číslem n·p a s následujícím pořadovým číslem n·p+1. d) Za hledaný kvantil prohlásíme průměr obou nalezených hodnot.

37 KVANTILY 2. Určení přímo pomocí dat – možný problém Příklad 1 – pokračování: Nalezněte medián známek žáka. Známky seřadíme: 2, 2, 3, 3, 3, 3, 3, 4. Jelikož n=8 a p=0,5, vyjde n·p =4, takže hledáme z : 4 < z < 5 (neexistuje) Najdeme tedy jak 4., tak 5. známku. Jelikož jsou obě trojky, jejich průměrem je také trojka a to je hledaný medián: ỹ=3.

38 KVANTILY Poznámka 1: Není chybou, že nám pro tato data vyšly 50% a 60% kvantil shodně (=3), ale na druhou stranu to není pravidlo. Pro jiná data můžou tyto kvantily vyjít různě – v takovém případě pak ale určitě bude ỹ < ỹ 60. Poznámka 2: Může se stát, že postup pomocí distribuční funkce a postup přímo z dat skončí různými výsledky (v případě problému s neexistencí z, a to kdyby se hodnoty s pořadím n·p a n·p+1 lišily). Rozdíl však obvykle bývá zanedbatelný.


Stáhnout ppt "STATISTIKA 1 RNDr. M. Žambochová, Ph.D. (KMS, M308) zápočet."

Podobné prezentace


Reklamy Google