🎓 ALK · Studia Anny alk.fajnedziecko.pl

📊 Statystyka w zarządzaniu (dr Katarzyna Piotrowska)

Wejściówki (mini-sprawdziany), ściągi z wykładów i tablicy, trener RStudio oraz kreator Projektu cz. I na piątek 6.11.

0Rozwiązanych pytań
0Aktualna seria ✅
0Do powtórki

🎯 Symulator Wejściówek (Mini-sprawdziany na początek zajęć)

Wybierz tryb sprawdzianu. Po każdej odpowiedzi od razu zobaczysz wyjaśnienie krok po kroku, a każde pytanie z pomyłką automatycznie trafi do zakładki „Powtórka moich błędów”.

✍️ Trener Rachunkowy i Pisania Komend w R (wpisywanie odpowiedzi)

Ćwicz liczenie (dokładnie jak na tablicy z zajęć) oraz pisanie komend w RStudio z pamięci.

📝 Zadanie 1: „Projekt grupowy – cz. I – temat i zmienne” (termin: piątek 6.11, godz. 21:00)

Poniżej masz opracowane 3 kompletne propozycje tematów badania (w pełni zgodne z wytycznymi dr Katarzyny Piotrowskiej z Blackboarda), gotowe pliki Word (.docx) do pobrania oraz interaktywny konfigurator, w którym możesz dostosować wybrany temat i pobrać własny plik Word.

5 punktów kontrolnych prowadzącej (dlaczego te propozycje są bezpieczne na 100% punktów):
  1. Populacja z Waszego otoczenia: badacie osoby ze swojego otoczenia (np. pracujących studentów ALK i współpracowników), a nie „młodych ludzi w Polsce” (zgodnie z ostrzeżeniem z instrukcji).
  2. Konceptualizacja = definicja + wskaźniki: w punkcie 1 jest precyzyjna definicja głównego zjawiska oraz wypunktowane wskaźniki (po czym poznajemy jego poziom) i pytania badawcze („czego chcemy się dowiedzieć”).
  3. Min. 2 zmienne na skalach słabszych (nominalna + porządkowa) mające ≥3 warianty: w materiałach prowadzącej zmienna z 2 odpowiedziami (tak/nie) to zmienna dychotomiczna, a nie skala nominalna/porządkowa — dlatego każda nasza zmienna słabsza ma 5–7 kategorii rozłącznych i wyczerpujących.
  4. Min. 2 zmienne na skalach mocniejszych (interwałowa 0–10 + ilorazowa): zmienne ilorazowe pytają o dokładną liczbę (minut, dni, zł), a nie o przedziały (bo przedziały zdegradowałyby skalę ilorazową do porządkowej!).
  5. Łatwe do policzenia w R w dalszej części semestru: respondenci odpowiedzą na te pytania w 2 minuty, a Wy bez trudu policzycie z nich w R średnie, mediany, tabele częstości, wykresy słupkowe i histogramy.

Wybierz jeden z 3 gotowych wariantów (kliknij, aby załadować do edytora poniżej lub od razu pobierz plik .docx):

⭐ Wariant A (Rekomendowany): Praca zdalna/hybrydowa a Work-Life Balance

Najbardziej uniwersalny temat z zarządzania. Wykorzystuje czas dojazdu w minutach (dokładnie z PDF-a prowadzącej o konceptualizacji!).

⬇️ Pobierz .docx

🤖 Wariant B: Narzędzia generatywnej AI w pracy i na studiach

Świetny, aktualny temat bliski Twoim zainteresowaniom. Mierzy czas pracy z AI w minutach, wydatki w zł, weryfikację błędów i ocenę 0–10.

⬇️ Pobierz .docx

📱 Wariant C: Wieczorna higiena cyfrowa (smartfon przed snem) a sen

Bezpośrednie rozwinięcie przykładu dr Piotrowskiej ze skryptu 3.10.R (czas_bez_tel_sen i jakie_urzadzenie_najcz).

⬇️ Pobierz .docx

🛠️ Edytor i Konfigurator Waszego Projektu cz. I (możesz dowolnie zmienić tekst i pobrać gotowy plik do Worda)

ASkale pomiarowe — jak rozpoznać w 5 sekund i co wolno liczyć

1. NominalnaTylko: takie samo czy inne?
= ≠ · brak jednostki
2. Porządkowa+ co jest wyżej / niżej?
< > · rangi, przedziały
3. Interwałowa+ o ile się różnią?
+ − · zero względne (umowne)
4. Ilorazowa+ ile razy więcej?
× ÷ · zero absolutne (0 = brak)
DRZEWKO DECYZYJNE (3 pytania w tej kolejności): 1. Czy warianty da się ułożyć w naturalnej kolejności (od najmniejszego do największego)? ├─ NIE (nazwy, marki, działy, kody województw 1–16, PESEL) ──────────► NOMINALNA └─ TAK → 2. Czy odstępy między wariantami są równe i wyrażone liczbą? ├─ NIE (słowa „rzadko/często”, wykształcenie, przedziały kwot) ─► PORZĄDKOWA └─ TAK → 3. Czy 0 oznacza całkowity BRAK zjawiska (i ma sens „2 razy więcej”)? ├─ NIE (°C, rok założenia/urodzenia, IQ, skala 0–10) ─► INTERWAŁOWA └─ TAK (zł, minuty, wiek w latach, m², sztuki, %) ────► ILORAZOWA
SkalaDominanta ($Mo$) i %Mediana ($Me$) i rangiŚrednia ($\bar{x}$) i odch. std.Stosunek („ile razy”)Typowe przykłady z wykładu
nominalna✅ TAK❌ NIE❌ NIE❌ NIEkolor oczu, grupa krwi, rodzaj umowy, marka auta, numer bloku, województwo (nawet zakodowane 1–16!)
porządkowa✅ TAK✅ TAK❌ NIE❌ NIEwykształcenie, zadowolenie słowne, klasa pralki A–G, wielkość miejscowości, wydatki w przedziałach (<20, 20–50, >50 zł)
interwałowa✅ TAK✅ TAK✅ TAK❌ NIEtemperatura w °C, IQ Wechslera, rok założenia firmy, godzina rozpoczęcia pracy, ocena na skali 0–10 lub 1–7
ilorazowa✅ TAK✅ TAK✅ TAK✅ TAKdochód w zł, wiek w latach, czas w minutach, metraż mieszkania, liczba pracowników, liczba wizyt

BPojęcia podstawowe, klasyfikacja cech oraz Konceptualizacja vs Operacjonalizacja

Statystyka opisowa vs Wnioskowanie

  • Opis statystyczny (statystyka opisowa): formułujemy wnioski wyłącznie o zbadanych jednostkach (np. badanie pełne całej populacji albo nielosowa próba znajomych).
  • Wnioskowanie statystyczne (statystyka indukcyjna/matematyczna): uogólniamy wyniki z próby na całą populację ($\mu, \sigma$) — możliwe tylko wtedy, gdy próba jest właściwie (losowo/reprezentatywnie) dobrana.

Konceptualizacja (CO?) vs Operacjonalizacja (JAK?)

  • Konceptualizacja: zdefiniowanie pojęcia (co dokładnie przez nie rozumiemy) oraz wskazanie jego wskaźników (zaobserwowalnych przejawów). Złożone pojęcie wielowymiarowe (np. zaangażowanie w pracę: vigor, dedication, absorption) to konstrukt.
  • Operacjonalizacja: zaprojektowanie konkretnego pytania kwestionariuszowego, kafeterii odpowiedzi i sposobu przypisania wartości każdej jednostce.
KLASYFIKACJA CECH STATYSTYCZNYCH (slajd 34–36): ├── CECHY STAŁE (wspólne dla wszystkich w populacji: rzeczowe CO?, przestrzenne GDZIE?, czasowe KIEDY?) │ ⚠️ UWAGA: Cechy stałe NIE podlegają badaniu statystycznemu! └── CECHY ZMIENNE (różnicują jednostki — to je badamy!) ├── NIEMIERZALNE (jakościowe) — wyrażone słownie lub kodem (skala nominalna i porządkowa) └── MIERZALNE (ilościowe) — wyrażone liczbami mianowanymi z jednostką: ├── skokowe (dyskretne) — przeliczalne na sztuki (liczba dzieci, aut, pracowników, dni urlopu) ├── ciągłe — dowolne wartości rzeczywiste (wiek, czas dojazdu, waga, spalanie na 100 km) └── quasi-ciągłe — z natury skokowe (do 1 gr), ale przez ogrom wariantów traktowane jak ciągłe (płaca, obrót, dywidenda)

C5 kryteriów podziału badań statystycznych + 4 etapy badania

KryteriumRodzajePo czym poznać na wejściówce (słowa-klucze)
1. Cel badaniaeksploracyjne · opisowe · wyjaśniającenowy temat / rozpoznanie → eksploracyjne; „jaki jest rozkład / ile %” → opisowe; „dlaczego / czy X wpływa na Y / teoria i hipoteza” → wyjaśniające
2. Zakres (zasięg)pełne · częściowewszystkie jednostki (np. spis powszechny) → pełne (opis); wylosowana próba → częściowe (wnioskowanie)
3. Źródło danychpierwotne (field) · wtórne (desk)zbieramy sami do tego badania → pierwotne; gotowe bazy GUS, Eurostat, raporty → wtórne
4. Technika zbieraniaobserwacja · wywiad · ankieta · sondażbadacz patrzy i notuje → obserwacja; ankieter pyta → wywiad; badany sam wypełnia → ankieta; badanie opinii dużej grupy → sondaż
5. Czas trwaniaciągłe · okresowe · doraźnestała rejestracja (USC, kasa fiskalna) → ciągłe; powtarzane co kwartał/rok/10 lat → okresowe; jednorazowe → doraźne

4 etapy badania statystycznego (slajd 53): 1. Projektowanie badania → 2. Zbieranie i zliczanie danych (w tym badanie pilotażowe sprawdzające narzędzie, kontrola i kodowanie) → 3. Prezentacja i analiza danych (tabele częstości, tabele krzyżowe/kontyngencji, wykresy) → 4. Podsumowanie i dyskusja.

DZ tablicy (`3.10_1.jpeg`): Średnia (3 sposoby), Mediana, Dominanta i Tabela częstości

Dane z tablicy: zmienna $X$ = środki wolne do dyspozycji (w tys. zł) u $N = 10$ osób: 1, 1, 2, 2, 3, 3, 6, 6, 6, 10 (suma $\sum x_i = 40$).

  • Średnia ($\bar{x} = M = \mu = E(X)$) — 3 wzory dające ten sam wynik $4\text{ tys. zł}$:
    1. Z surowych danych: $\bar{x} = \frac{\sum x_i}{N} = \frac{40}{10} = 4$
    2. Z tabeli liczebności ($n_i$): $\bar{x} = \frac{\sum x_i \cdot n_i}{N} = \frac{1\cdot2 + 2\cdot2 + 3\cdot2 + 6\cdot3 + 10\cdot1}{10} = \frac{40}{10} = 4$
    3. Z częstości względnych ($n_i' = P(X=x_i)$): $\bar{x} = \sum x_i \cdot n_i' = 1\cdot0{,}2 + 2\cdot0{,}2 + 3\cdot0{,}2 + 6\cdot0{,}3 + 10\cdot0{,}1 = 4$ (tu nie dzielisz przez $N$!)
  • Mediana ($Me = 3\text{ tys. zł}$): dane rosnąco; dla $N=10$ (parzyste) bierzemy średnią z pozycji $5.$ i $6.$: $(3+3)/2 = 3$. Interpretacja: „Połowa badanych ma nie więcej niż 3 tys. zł wolnych środków, a połowa nie mniej niż 3 tys. zł.”
  • Dominanta ($Mo = D = 6\text{ tys. zł}$): wartość o największej liczebności ($n_i = 3$). Częstość dominanty: $P(X = Mo) = 3/10 = 0{,}3$ (30% badanych ma 6 tys. zł).
Zdjęcie tablicy z zajęć 3.10

Kliknij zdjęcie tablicy, aby otworzyć w pełnej rozdzielczości.

💻 R i RStudio od zera — pełny rozbiór skryptu z zajęć (3.10.R)

4 okna RStudio i skróty na Macu

  • Lewy górny (Source / Skrypt): tu piszesz kod w pliku .R. Uruchamiasz linijkę skrótem Cmd + Enter (Mac) / Ctrl + Enter (Win).
  • Lewy dolny (Console): tu R wykonuje kod i wypisuje wynik ([1] ... oznacza początek 1. elementu wyniku).
  • Prawy górny (Environment): podgląd zapisanych zmiennych (np. kasa, t).
  • Prawy dolny (Plots / Help): narysowane wykresy i pomoc.
  • Skrót na strzałkę <-: Option + - (Mac) / Alt + - (Win).

5 żelaznych zasad składni R

  1. Kropka w ułamkach dziesiętnych (1.5), przecinek rozdziela kolejne elementy (c(1, 2, 3)).
  2. Tekst i kolory zawsze w cudzysłowie: "smartfon", "blue".
  3. Nawiasy okrągłe ( ) = funkcja (mean(kasa)); nawiasy kwadratowe [ ] = wyciągnij pozycję z wektora (kasa[3]).
  4. W R pozycje numerujemy od 1 (a nie od 0).
  5. Do prop.table() i barplot() podajemy tabelę table(kasa), a do hist() surowy wektor kasa!

Cały skrypt z zajęć (3_10.docx) z komentarzem:

# 1. Wektor liczbowy i operacje na całym wektorze ----
czas_bez_tel_sen <- c(10, 10, 15, 90, 20)
mean(czas_bez_tel_sen)          # średnia -> [1] 29
czas_bez_tel_sen / 60           # dzieli każdą z 5 liczb przez 60 -> [1] 0.1666667 0.1666667 0.25 1.5 0.3333333

# 2. Wektor tekstowy i wyciąganie pozycji nawiasem [ ] ----
jakie_urzadzenie_najcz <- c("smartfon", "laptop", "komputer", "tablet", "inne")
jakie_urzadzenie_najcz[3]       # 3. element -> [1] "komputer"
jakie_urzadzenie_najcz[c(1, 3)] # 1. i 3. element -> [1] "smartfon" "komputer"

# 3. Dane z tablicy (kasa) — średnia, mediana, rozkład liczebności i częstości ----
kasa <- c(1, 1, 2, 2, 3, 3, 6, 6, 6, 10)
mean(kasa)                      # średnia -> [1] 4
median(kasa)                    # mediana -> [1] 3

table(kasa)                     # rozkład liczebności (n_i): górny wiersz wartości (1 2 3 6 10), dolny liczebności (2 2 2 3 1)
prop.table(table(kasa))         # rozkład częstości względnych (n_i'): dolny wiersz (0.2 0.2 0.2 0.3 0.1)

t <- table(kasa)                # zapisanie tabeli liczebności do zmiennej t
prop.table(t)                   # rozkład częstości z tabeli t

# 4. Wykresy: słupkowy (z tabeli t) vs histogram (z wektora kasa) ----
barplot(t)                      # wykres słupkowy z tabeli t
hist(kasa)                      # histogram z surowego wektora kasa
hist(kasa, main="wolne środki miesięcznie u 10 osób", xlab="kwota w tys zł", col="blue", border="green")

🃏 Fiszki do szybkiej powtórki (kliknij kartę, aby odwrócić)

Przejrzyj wszystkie 24 karty przed wejściówką — kliknięcie obraca kartę między pojęciem a wyjaśnieniem.