Wejściówki (mini-sprawdziany), ściągi z wykładów i tablicy, trener RStudio oraz kreator Projektu cz. I na piątek 6.11.
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”.
Ćwicz liczenie (dokładnie jak na tablicy z zajęć) oraz pisanie komend w RStudio z pamięci.
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.
.docx):Najbardziej uniwersalny temat z zarządzania. Wykorzystuje czas dojazdu w minutach (dokładnie z PDF-a prowadzącej o konceptualizacji!).
Świetny, aktualny temat bliski Twoim zainteresowaniom. Mierzy czas pracy z AI w minutach, wydatki w zł, weryfikację błędów i ocenę 0–10.
Bezpośrednie rozwinięcie przykładu dr Piotrowskiej ze skryptu 3.10.R (czas_bez_tel_sen i jakie_urzadzenie_najcz).
= ≠ · brak jednostki< > · rangi, przedziały+ − · zero względne (umowne)× ÷ · zero absolutne (0 = brak)| Skala | Dominanta ($Mo$) i % | Mediana ($Me$) i rangi | Średnia ($\bar{x}$) i odch. std. | Stosunek („ile razy”) | Typowe przykłady z wykładu |
|---|---|---|---|---|---|
| nominalna | ✅ TAK | ❌ NIE | ❌ NIE | ❌ NIE | kolor oczu, grupa krwi, rodzaj umowy, marka auta, numer bloku, województwo (nawet zakodowane 1–16!) |
| porządkowa | ✅ TAK | ✅ TAK | ❌ NIE | ❌ NIE | wykształcenie, zadowolenie słowne, klasa pralki A–G, wielkość miejscowości, wydatki w przedziałach (<20, 20–50, >50 zł) |
| interwałowa | ✅ TAK | ✅ TAK | ✅ TAK | ❌ NIE | temperatura w °C, IQ Wechslera, rok założenia firmy, godzina rozpoczęcia pracy, ocena na skali 0–10 lub 1–7 |
| ilorazowa | ✅ TAK | ✅ TAK | ✅ TAK | ✅ TAK | dochód w zł, wiek w latach, czas w minutach, metraż mieszkania, liczba pracowników, liczba wizyt |
| Kryterium | Rodzaje | Po czym poznać na wejściówce (słowa-klucze) |
|---|---|---|
| 1. Cel badania | eksploracyjne · opisowe · wyjaśniające | nowy temat / rozpoznanie → eksploracyjne; „jaki jest rozkład / ile %” → opisowe; „dlaczego / czy X wpływa na Y / teoria i hipoteza” → wyjaśniające |
| 2. Zakres (zasięg) | pełne · częściowe | wszystkie jednostki (np. spis powszechny) → pełne (opis); wylosowana próba → częściowe (wnioskowanie) |
| 3. Źródło danych | pierwotne (field) · wtórne (desk) | zbieramy sami do tego badania → pierwotne; gotowe bazy GUS, Eurostat, raporty → wtórne |
| 4. Technika zbierania | obserwacja · wywiad · ankieta · sondaż | badacz patrzy i notuje → obserwacja; ankieter pyta → wywiad; badany sam wypełnia → ankieta; badanie opinii dużej grupy → sondaż |
| 5. Czas trwania | ciągłe · okresowe · doraźne | stała 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.
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 $\sum x_i = 40$).
3.10.R).R. Uruchamiasz linijkę skrótem Cmd + Enter (Mac) / Ctrl + Enter (Win).[1] ... oznacza początek 1. elementu wyniku).kasa, t).<-: Option + - (Mac) / Alt + - (Win).1.5), przecinek rozdziela kolejne elementy (c(1, 2, 3))."smartfon", "blue".( ) = funkcja (mean(kasa)); nawiasy kwadratowe [ ] = wyciągnij pozycję z wektora (kasa[3]).prop.table() i barplot() podajemy tabelę table(kasa), a do hist() surowy wektor kasa!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")
Przejrzyj wszystkie 24 karty przed wejściówką — kliknięcie obraca kartę między pojęciem a wyjaśnieniem.
.docx)