piątek, 11 kwietnia 2014

Zaliczenia przedmiotu Statystyka opisowa 2014

Zbiory danych przekrojowych na zaliczenie przedmiotu Statystyka opisowa: tutaj. Co należy wykonać opisane jest szczegółowo tutaj

Wyjazdy posłów 7 kadencji tutaj

środa, 10 kwietnia 2013

Introduction to LaTeX

Short introduction

LaTeX differs significantly from Office like editors (based on the principle of ``What You See Is What You Get'' or WYSIWYG), see detailed comparison: Word vs. LaTEX .

A short introduction to basic concepts of the system: LaTeX/Introduction.

Installation

LaTeX is an open source software. It runs on many computer platforms (Windows, Mac, Linux). Recommended version (called distribution) for MS Windows is MiKTeX. To edit a document use TeXworks (included with MiKTeX distribution).

Start working with LaTeX

Best way is to watch some videos:-)

Compilation of the 1st document (also shows how to recover from an error):

Font changing commands:

Watch other mathteacher1729's tutorials...

Manuals

Homework

Prepare a document (preferably in your native language; 12--15 pages long) with LaTeX. The subject is irrelevant but the document should contains: title page, sectioning commands, footnotes, figures, tables and bibliography.

Questions?

Ask.

wtorek, 9 kwietnia 2013

Zaliczenia przedmiotu Statystyka opisowa 2013

Zaliczenia przedmiotu Statystyka opisowa 2013

Warunkiem zaliczenia przedmiotu Statystyka opisowa jest przygotowanie w grupie maksimum 4 osób pracy, w której:

  • Należy wszechstronnie porównać rozkład cechy dla dwóch (lub więcej) różnych zbiorowości wykorzystując niżej podane zbiory danych.

oraz

  • Przeprowadzić analizę dynamiki szeregu czasowego.

Uwaga ważne: należy wykonać niezbędne obliczenia za pomocą arkuszy OOCalc (zalecany) lub MS Excel a opis i interpretację uzyskanych wyników opisać w dokumencie w formacie OOWriter/MS Word. Opis powinien bezwzględnie zawierać stronę tytułową z tytułem pracy oraz  nazwiskami i imionami autorów.

Oba pliki (arkusz+opis) należy wysłać elektronicznie na wiadomy adres. Dodatkowo proszę o wydrukowanie i dostarczenie opisu w formie papierowej. Sam plik arkusza bez niezbędnego opisu/interpretacji nie wystarczy do uzyskania zaliczenia.

Zbiory danych przekrojowych

Proszę każdą grupę o wybranie zbioru i niezwłoczne poinformowanie mnie o tym fakcie (wysyłając email). Każda grupa powinna wybrać inny zbiór (co wydaje się oczywiste). Proszę nie zaczynać pracy bez upewnienia się, czy inna grupa już pracuje z tym samym zbiorem danych.

Zbiory oznaczone przez przekreślenie zostały już przez kogoś wybrane.

Zbiory są porównywalne pod względem pracochłonności.

W razie trudności/problemów proszę o kontakt.

Uwaga: ponieważ pojawiły się problemy z dostępem do danych umieściłem je dodatkowo pod innym adresem (ten dodatkowy link jest umieszczony pod zestawieniem).

  1. Puchar Świata w Rugby. Porównać wagę i/lub wzrost zawodników w rozgrywkach z 2007 i 2011. Albo porównać wagę zawodników z drużyn Europejskich vs Australia i Oceania (Nowa Zelandia, Australia, Samoa Zachodnia, Fiji, Tonga). # | #

  2. Polska liga piłkarska. Porównać wiek zawodników w 1 i drugiej lidze. # | # | # | #

  3. Posłowie na Sejm. Porównać wiek posłów dwóch kadencji (np. 7. i 4.) #

  4. Działanie niemieckich łodzi podwodnych w 2 Wojnie Światowej. Porównać zatopienia i liczbę patroli łodzi typu VII i IX. Pominąć łodzie, które nie odbyły żadnego patrolu bojowego. #

    Zmiennie: typ -- typ łodzi; numer -- numer; patrole -- liczba patroli bojowych; statki -- liczba zatopionych statków; tonaz -- tonaż zatopionych statków (BRT); okrety -- liczba zatopionych okrętów; okrety.tonaz -- tonaż zatopionych okrętów

  5. Ludność wg powiatów. Porównać rok 2012 i 2005 (lub inny). Uwaga: dane trzeba przepisać z pliku PDF (ale nie jest aż tak pracochłonne, jak się wydaje na pierwszy rzut oka:-). # | # | #

  6. Bezrobotni/stopa bezrobocia wg. powiatów. Porównać rok 2012 i 2005 (lub inny). # | #

  7. Ważniejsze dane o stanie zagrożenia i ochronie środowiska. Porównać rok 2011 oraz 2007 (albo 2009). Klikamy w poniższy link, w plikach o nazwach zawierających ochrona_srodowiska szukamy tabeli pn. WAŻNIEJSZE DANE O STANIE, ZAGROŻENIU I OCHRONIE ŚRODOWISKA WEDŁUG POWIATÓW. | #

    Uwaga: dane trzeba przepisać z pliku PDF (ale nie jest aż tak pracochłonne, jak się wydaje na pierwszy rzut oka:-).

  8. Wypadki rowerowe w UK wg. okręgów wyborczych (constituency). Porównać 2 wybrane lata, np. 2010 oraz 2005. # | #

  9. Bezrobocie w UK wg. okręgów wyborczych (constituency). Porównać dwa okresy czasu. # | #

  10. Odsetek ludzi z nadwagą wg krajów świata. Porównać kobiety vs mężczyźni lub dwa okresy czasu. # | #

Dodatkowe linki do danych (jeżeli powyższe nie działają): Sejm | Liga polska | PŚ w Rugby | Wypadki w UK | U-booty | Dane z GUSu (pkt 5--7).

Szeregi czasowe

Proszę wybrać szereg/szeregi spośród danych publikowanych w Biuletynie Statystycznym GUS:

Biuletyn Statystyczny -- Archiwum

Proszę upewnić się, że inna grupa już pracuje z tym samym zbiorem danych.

poniedziałek, 14 stycznia 2013

wtorek, 4 grudnia 2012

Esej na zaliczenie przedmiotu Ekonometria I -- 2012/2013

Esej powinien składać się z 4 części:

I. część makroekonomiczna -- krótki opis znaczenia wybranej kategorii makroekonomicznej na podstawie podręczników makroekonomii max 3--4 strony

II. Opis dynamiki szeregu z uwzględnieniem wahań sezonowych, wyznaczenie trendu metodą mechaniczną -- średnia ruchoma

III. Ekonometryczny model tendencji rozwojowej -- zastosować 2--3 postacie funkcji trendu (liniowa, kwadratowa, sprowadzana do liniowej), pełna diagnostyka modelu -- Mfit lub gretl.

IV. Wyznaczyć oraz porównać prognozy na 3 okresy uzyskane na podstawie: a) trendu mechanicznego b) modelu tendencji rozwojowej

Proponowana punktacja -- max 40 pkt. I. 9, II. 8 III. 15, IV. 8. Razem 40 pkt.

Uwaga: część I oraz II--IV nie muszą dotyczyć tego samego, tzn. opis kategorii nie musi dotyczyć danych wykorzystywanych w punktach II--IV.

Do analiz empirycznych proszę wykorzystać dane zawarte w pliku: https://docs.google.com/spreadsheet/ccc?key=0ApoiGfoEdPRCdG44dmt4N2prWUVybmg0ZVFVNTBMelE

Dane są w formacie Google Spreasheet. W razie problemów (których nie powinno być) proszę o kontakt.

wtorek, 12 czerwca 2012

Analiza zależności zmiennych ilościowych: regresja liniowa

Badamy jednostki statystyczne pod kątem dwóch różnych cech oznaczanych jako $X$ oraz $Y$. Symbolem $X$ oznaczamy zmienną objaśniającą (przyczynę) a symbolem $Y$ -- zmienną objaśnianą (skutek). Postulowana zależność pomiędzy $X$ oraz $Y$ może mieć różnoraki charakter. W najprostszym przypadku może to być zależność liniowa, którą można opisać równaniem: $$Y = \alpha + \beta X + \xi$$ gdzie: $Y$ --zmienna objaśniana; $X$ -- zmienna objaśniająca (w modelu bardziej ogólnym może być więcej niż jedna zmiennych objaśniających) $\alpha$, $\beta$ -- parametry; $\xi$ -- składnik losowy.

Czyni się dodatkowe założenia odnośnie rozkładu $\xi_i$ (które tutaj pominiemy).

Zadanie polega na wyznaczeniu parametrów $\alpha$, $\beta$ w oparciu o $n$-elementową próbę tj: $$y_i = \alpha + \beta x_i$$ gdzie: $y_i$ -- $i$-ta obserwacja na zmiennej objaśnianej ($i=1...n$); $x_i$ -- $i$-ta obserwacja na zmiennej objaśniającej ($i=1...n$) $\alpha$, $\beta$ -- parametry.

Zmienne $y_i$/$x_i$ mogą być szeregiem czasowym lub przekrojowym.

Metoda najmniejszych kwadratów (MNK) polega na wyznaczeniu takich ocen parametrów $\alpha$, $\beta$, aby suma kwadratów odchyleń zaobserwowanych wartości zmiennej objaśnianej ($y_i$) od jej wartości teoretycznych wyznaczonych przez funkcję regresji osiągnęła minimum. Można to zapisać: $$\Omega = \sum_{i=1}^n (y_i - (\alpha + \beta x_i))^2 \to \min$$

Rozwiązanie polega na porównaniu do zera pierwszych pochodnych cząstkowych funkcji $\Omega$ względem $\alpha$ i $\beta$ (wyprowadzenie pomijamy): $$ \begin{aligned} \hat \beta &= \frac{\sum_{i=1}^n (y_i -\bar y)(x_i - \bar x) }{ \sum_{i=1}^n (x_i - \bar x)^2 } \\ \hat \alpha &= \bar y - \bar \beta x \end{aligned} $$

Regresja przykład 2
Rysunek 1: Linia regresji może być lepiej lub gorzej dopasowana do danych empirycznych. Przykład dobrego dopasowania linii regresji do danych. Czerwone punkty mają współrzędne ($x_i, y_i$).
Regresja przykład 1
Rysunek 2: Linia regresji może być lepiej lub gorzej dopasowana do danych empirycznych. Przykład kiepskiego dopasowania linii regresji do danych. Czerwone punkty mają współrzędne ($x_i, y_i$). Wyrażenie widać, że ,,chmura punktów'' na rys. 1 zdecydowania bardziej układa się wzdłuż prostej niż na rys. 2.

Ocena jakości dopasowania linii regresji

Resztą nazywamy różnicę: $e_i = y_i - \hat y_i$, gdzie $\hat y_i = \alpha + \beta x_i $ (tzw. wartość teoretyczna zmiennej objaśnianej).

Standardowe odchylenie składnika resztowego: $$ s_{\xi} = \sqrt { \frac{1}{n-2} \sum_{i=1}^n (y_i - \hat y_i)^2 } $$ Zwane także błędem standardowym reszt. Interpretacja: ,,przeciętne odchylenie wartości teoretycznych od empirycznych zmiennej objaśnianej''.

Przykładowo dla linii regresji na rys 1 $s_{\xi}=1.21$, a na rys. 2 -- $s_{\xi}=2.77$. Jest to obiektywne i ścisłe potwierdzenie ,,wrażenia'', że jedna linia regresji jest zdecydowanie bliżej ,,chmury punktów'' niż druga. Jeżeli jednostką, w której wyrażona jest wartość $Y$ jest przykładowo hektar, to ,,przeciętne odchylenie wartości teoretycznych od empirycznych wynosi 1.21 hektara'' (dla linii regresji z rysunku 1).

Ocena przeciętnego błędu popełnianego przy szacowaniu prawdziwych wartości $\beta$ i $\alpha$. Odchylenie ocen parametrów (błąd standardowy oceny): $$ \begin{aligned} s(\beta) &= \sqrt { \frac{ s_{\xi}^2 }{\sum_{i=1}^n (x_i -\bar x)^2} } \\ s(\alpha) &= s_{\xi} \sqrt { \frac{\sum_{i=1}^n x_i^2}{n \sum (x_i -\bar x)^2} } \end{aligned} $$ Interpretacja: szacując prawdziwe wartości $\beta$ i $\alpha$ na podstawie próby losowej mylimy się przeciętnie (odpowiednio) $\pm s(\beta)$ oraz $\pm s(\alpha)$.

Przykładowo dla linii regresji z rys. 1 $s(\beta)=0.18$ a dla linii regresji z rys. 2 -- $s(\beta)=0.32$. Przeciętny błąd wynosi zatem odpowiednio około 26% wielkości ocen parametru ($s(\beta)/\beta\cdot100 \approx26$% lub $105$% ($0.32/0.303$). Kolejne potwierdzenie, że linia regresji z rys. 1 jest lepiej dopasowana.

Istotność parametrów strukturalnych ($H_0: \beta=0$). Statystyka: $$T_{n-2} = \frac{\hat \beta}{ s(\beta) } $$ ma rozkład $t$-Studenta z $n-2$ stopniami swobody. W modelu poprawnym hipoteza $H_0: \beta=0$ powinna zostać odrzucona (albo inaczej: brak podstaw do odrzucenia $H_0$ dyskwalifikuje model, bo $Y = 0 \cdot X + \alpha = \alpha$ -- zmienne $X$ i $Y$ nie są ze sobą związane)

Błąd standardowy oceny parametru $\beta$ winien być możliwie mały, i mniejszy tym lepiej. Zwróćmy uwagę, że niskim wartościom statystyki $T_{n-2}$ (co oznacza brak podstaw do odrzucenia $H_0$ -- a zatem brak podstaw do odrzucenia hipotezy o nieistotności parametru $\beta$) odpowiada sytuacja, kiedy wartość błędu standardowego oceny jest duża (względem oszacowanej wartości $\hat \beta$).

Ogólna ocena modelu -- Współczynnik zbieżności: $$ \phi^2 = \frac{\sum_{i=1}^n (y_i -\hat y_i)^2 }{ \sum_{i=1}^n (y_i -\bar y_i)^2 } \cdot 100% \quad 0\leq \phi^2 \leq 100 $$ Im $\phi^2$ jest bliższy 0, tym dopasowanie jest lepsze. Wartość $\phi^2$ interpretuje się jako ,,procent zmienności zmiennej $y$ nie objaśniony przez model regresji liniowej pomiędzy $y$ a $x$.''

Współczynnik determinacji $R^2=100-\phi^2$ interpretuje się jako ,,procent zmienności zmiennej $y$ objaśniony przez model regresji liniowej pomiędzy $y$ a $x$.''

Przykładowo dla linii regresji z rys. 1 $R^2=73$% (73% zmienności zmiennej $y$ jest objaśnione przez model regresji liniowej) a dla linii regresji z rys. 2 $R^2=46$%. Linia regresji z rys. 1 jest lepiej dopasowana.

Wyznaczenie parametrów linii regresji w arkuszu OpenOffice.org Calc

Do obliczania współczynników regresji liniowej oraz miar dopasowania w programach MS Excel oraz OpenOffice.org Calc służy polecenie REGLINP, którego składania jest następująca:


REGLINP(zakres-Y;zakres-X,1,1)

Jeżeli zmienna $x$ zapisana jest (przykładowo) w komórkach A2:A8, a zmienna $y$ w komórkach B2:B8, to wywołanie funkcji będzie miało postać:


REGLINP(B2:B8;A2:A8,1,1)

Funkcja REGLINP (w wersji OpenOffice) zwraca obszar o wielkości 5 wierszy na 2 kolumny. Poszczególne komórki tego obszaru zawierają co następuje:

$\beta$ $\alpha$
$s(\beta)$ $s(\alpha)$
$R^2$ $s_{\xi}$

Zawartość wierszy 4 i 5 nie interesuje nas....

Uwaga: funkcja REGLINP jest specjalna (bo zwraca obszar): po jej wpisaniu do komórki należy nacisnąć Ctrl-Shift-Enter a nie zwyczajne Enter.

Przykład

Przykładowy arkusz w formacie OOCalc zawiera 5 kolumn (por. tutaj: STATE -- kod stanu; TAX -- podatek od benzyny (centy/galon); INC -- dochód per capita (tysiące USD); ROAD -- długość dróg (thousands of miles of federal-aid primary highways in 1971); DLIC -- mieszkańcy stanu posiadający prawo jazdy (w procentach); FUEL -- przeciętne zużycie benzyny (gallons per person) w stanie.

Interesują nas tylko zmienne DLIC oraz FUEL.

Zależność pomiędzy przeciętnym zużyciem benzyny na mieszkańca a odsetkiem kierowców w stanie można zapisać jako: $$\mathit{FUEL} = \alpha + \beta \mathit{DLIC} + \xi$$

Oszacowana linia regresji dana jest równaniem: $$\mathit{FUEL} = 14,01 \cdot \mathit{DLIC} - 227,31$$ Zwiększenie o 1% odsetka mieszkańców posiadających prawo jazdy przeciętnie zwiększy zużycie na głowę o 14,01 galona.

Ocena dopasowania: $s_\xi=80.88$, Przeciętne odchylenie wartości teoretycznych od empirycznych wynosi 80.88 galona ($s_\xi$ jest zawsze mianowane w jednostkach zmiennej $Y$). Współczynnik zbieżności $R^2=48.9$% oznacza, że 48.9% zmienności zużycia benzyny na głowę jest objaśnione przez model regresji liniowej pomiędzy zużyciem benzyny na głowę a odsetkiem mieszkańców posiadających prawo jazdy.

Odchylenie ocen parametrów: $s(\beta)=2.13$ oraz $s(\alpha)=121.9$. Już na pierwszy rzut oka widać, że parametr $\beta$ jest istotny ($H_0: \beta=0$ należy odrzucić) ponieważ przeciętny błąd $s(\beta)$ stanowi zaledwie $15$% oceny parametru. Dokładniej: $T_{n-2} = 6.577$ (wartość krytyczna na poziomie istotności $\alpha=0.05$ dla $49-2 = 47$ stopni swobody wynosi $\approx 2.7$).

Przykładowy arkusz w formacie OOCalc jest tutaj.

Resztę proszę sobie doczytać ze slajdów....