wyklad 2 Prezentacja danych PL

background image

Wykład 2: Prezentacja danych

Biometria i

Biostatystyka

background image

Analiza danych

Strategie

Niezależna analiza każdej ze zmiennych

Poszukiwanie relacji między zmiennymi

Analiza wielowymiarowa

Statystyki opisowe oraz reprezentacje
graficzne są najlepszym sposobem
prezentacji danych

background image

Wykresy zmiennych typu
kategorie

Dystrybucja zmiennych typu
kategorie

Prezentacja:

Ilościowa

Procentowa

Wykresy słupkowe

Wykresy kołowe

background image

background image

background image

Wykresy „łodygowe” (stem-
leaf)

Obrazują kształt rozkładu,
jednocześnie ukazując na wykresie
wartości numeryczne.

Są najbardziej odpowiednie dla
niewielkiej liczby dodatnich
obserwacji.

background image

Rysowanie wykresu
łodygowego

Podziel każdy wynik na łodygę (stem) i

listek (leaf).

Łodyga: tyle cyfr ile potrzeba

Listek: pojedyncza cyfra

Wypisz łodygi w pionowej kolumnie

rosnąco w dół. Narysuj pionową linię po

prawej stronie.

Wypisz każdy listek w wierszu po prawej

stronie od jego łodygi, w porządku

rosnącym.

background image

Liczba odwiedzin dziennie

54

59

35

41

46

25

47

60

54

46

49

46

41

34

22

background image

54

59

35

41

46

25

47

60

54

46

49

46

41

34

22

background image

Porównywanie dwóch
rozkładów

Wykresy o
wspólnym
pniu

background image

Wykresy „łodygowe”, cd.

Są nieodpowiednie dla dużych zestawów

danych

Każda łodyga musi zawierać dużą ilość listków

Warianty:

Podzielić każdą łodygę na dwie, np.:

Jedna z liśćmi od 0 do 4

Druga z liśćmi od 5 do 9

Zadanie: zobrazować kształt rozkładu

Zasady:

dzielić jeśli jest mniej niż 5 łodyg

łączyć jeśli wiele łodyg ma po 1 liściu (lub wcale)

background image

background image

Badanie rozkładu

Należy zwrócić uwagę na ogólny wzorzec

oraz na odstępstwa od niego.

Pomocne określenia

Kształt

Środek

Rozrzut

Ważnym rodzajem odstępstwa jest

wielkość odstająca - niezależna wartość,

która wyraźnie odstaje od ogólnego

wzorca.

background image

Badanie rozkładu, cd.

Punkt środkowy

Opisuje środek rozkładu

Połowa obserwowanych wartości jest mniejsza
od niego, druga połowa ma wartości większe

Zakres - różnica największej i
najmniejszej wartości

Opisuje rozrzut/zmienność rozkładu

Wykres łodygowy

Obrazuje kształt rozkładu

background image

Badanie rozkładu, cd.

Moda

Szczyt wykresu dystrybuanty

Unimodalne rozkłady mają jeden szczyt

Rozkład symetryczny

Wartości po jednej stronie mediany są
lustrzanym odbiciem wartości po drugiej
stronie

Rozkład skośny

Jeden koniec wykresu jest dłuższy niż drugi

background image

Histogramy

Nie mają takich ograniczeń jak
wykresy łodygowe

Dzielą zakres obserwowanych wartości
na przedziały, pokazując jedynie
liczności lub udział procentowy
obserwacji w danym przedziale

Można wybrać dowolną liczbę
przedziałów równej szerokości

background image

Rysowanie histogramu

1.

Podziel zakres zmienności danych
na przedziały o równej szerokości.

2.

Zlicz liczbę obserwacji w każdym
przedziale. Zrób tabelę częstości
wystąpień.

3.

Narysuj histogram.

background image

background image

background image

Histogramy, cd.

Częstości względne

Ułamek lub procent obserwacji, które
przypadają na poszczególne przedziały

Poprawnie oznacz „liczba” lub „procent”.

Właściwy wybór przedziałów:

Za mało: wszystkie wartości tylko w kilku
przedziałach

Za dużo: dużo przedziałów ma 1 lub mniej
wyników

background image

Histogramy, cd.

Wzór heurystyczny do oszacowania szerokości

przedziału:

Jeśli szerokość przedziału jest za mała lub za

duża, można ją skorygować przez pomnożenie

lub podzielenie przez a = 1.2 ÷1.5

Sprawdza się przy rozkładach zbliżonych do

rozkładu normalnego oraz przy względnie

dużych n (liczność próby)

3

1

n

IQR

64

.

2

h

0

background image

Histogramy, cd.

Jest kilka innych wzorów pomocnych
przy poszukiwaniu liczby przedziałów.
Kilka przykładów:

Żeby znaleźć szerokość, wystarczy
podzielić zakres przez k.

)

n

(

log

3

.

3

1

k

n

k

)

n

(

log

5

k

10

10

background image

Histograms, cont.

93

.

5

h

14

k

0

background image

Histograms, cont.

40

.

3

h

24

k

0

background image

Histograms, cont.

11

.

4

h

20

k

0

background image

Histograms, cont.

12

.

10

h

8

k

0

background image

Histograms, cont.

background image

Histogramy, cd.

Wiele zależy od Twojej decyzji odnośnie
szerokości przedziałów.

Pole pod krzywą zmienia się w zależności od h i
jest równe:

Żeby otrzymać eksperymentalną funkcję gęstości
prawdopodobieństwa, musimy sprowadzić pole
powierzchni S do 1. Ponieważ h nie może być
zmienione, musimy skorygować jednostkę na osi
OY.

n

*

h

S

background image

Histogramy, cd.

background image

Opisywanie rozkładów
liczbami

Miary położenia

Wartość średnia

Mediana

Miary rozrzutu

Odchylenie standardowe

Kwartyle

Metoda pięciu liczb

Wykresy ramkowe

Poszukiwanie wielkości odstających

background image

Opisywanie rozkładów

Krótki opis

Kształt (np.: symetryczny, skośny)

Określony dzięki

Wykresom stem-leaf

Histogramom

Miary liczbowe

Środek

Rozrzut

background image

Przykład - wzrost

Średni wzrost = 176,13 cm

Czy widać wielkości odstające?

Wady średniej jako miary położenia:

Dla małych prób - wrażliwość na
wielkości odstające

Dla dużych prób - słabo reaguje na
zmiany w kilku wynikach, nieważne jak
wielkie zmiany to są.

background image

Miary położenia, cd.

Mediana

Formalne określenie punktu
środkowego, ze specyficzną metodą
obliczania

M

Punkt środkowy: taka wartość, że
połowa wyników jest od niego
mniejsza, a druga połowa większa

background image

Obliczanie mediany

1.

Uporządkuj wszystkie pomiary
rosnąco

2.

Jeśli n (liczba pomiarów) jest
nieparzyste, M to środkowy
pomiar na liście

3.

Jeśli n jest parzyste, M jest średnią
dwóch środkowych pomiarów

background image

Przykład

Znajdź medianę liczby mil na galon
benzyny samochodów klasy kabriolet

Uporządkuj dane w rosnącym
porządku

13 13 16 19 21 21 23 23 24 26
26 27 27 27 28 28 30 30 68

Nieparzyste n, więc mediana jest
środkiem listy, czyli 26

background image

Mediana

Jeśli N jest parzyste, wynik powyżej
mógłby nie być liczbą całkowitą. To
wskazuje na to, że nie ma jednej
wartości środkowej, za to są dwie
takie, a medianę definiuje się jako
średnią z tych dwóch:

2

/

)

(

1

2

2

N

N

X

X

M

background image

Mediana

Kiedy wyniki obserwacji się
powtarzają, mogą się pojawić
problemy w szukaniu mediany.
Obliczanie mediany jest
trudniejsze, ponieważ wiele
wartości leży w tym samym
przedziale (klasie) co mediana i
mają to samo oznaczenie klasy.

background image

Przykład

Dane są w formie rozkładu
częstości z powodu dużej
ilości obserwacji w
doświadczeniu

Mediana dla zestawionej
tabeli jest (n+1)/2 wartością.
Tutaj n=9465 więc szukamy
4733-ciej obserwacji.

4733-ci wynik jest w klasie
107.5, czyli gdzieś między
103.5 a 115.5. Ta klasa
zawiera 2240 wyników, a
wynik 4733 jest 4733-
3049=1684-tym wynikiem w
klasie.

Klasa

wagowa

Częstość f

Kumulatywne f

59.5

2

2

67.5

6

8

75.5

39

47

83.5

385

432

91.5

888

1320

99.5

1729

3049

107.5

2240

5289

115.5

2007

7296

123.5

1233

8529

131.5

641

9170

139.5

201

9371

147.5

74

9445

155.5

14

9459

163.5

5

9464

171.5

1

9465

Wagi chińskich noworodków w
uncjach

background image

Przykład

Przyjmując rozkład
równomierny w klasie,
wartość nr 4733 będzie w:

całego przedziału klasy lub w
75.18% odległości między
dolną a górną granicą
przedziału.

Ponieważ przedział każdej
klasy to 8 oz, wartość
medianowa to 0.7518 x 8.0
= 6.014 oz powyżej dolnej
granicy klasy (103.5 oz); czyli
mediana wag noworodków
wynosi 103.5 + 6.014 =

109.514

oz.

Klasa

Licznosc f

Licznosc

skumulowana F

59.5

2

2

67.5

6

8

75.5

39

47

83.5

385

432

91.5

888

1320

99.5

1729

3049

107.5

2240

5289

115.5

2007

7296

123.5

1233

8529

131.5

641

9170

139.5

201

9371

147.5

74

9445

155.5

14

9459

163.5

5

9464

171.5

1

9465

Wagi chińskich noworodków w
uncjach

7518

.

0

2240

1684

background image

Porównanie średniej i
mediany

Mediana jest bardziej odporna niż
średnia.

Rozkłady symetryczne

Mediana i średnia są blisko siebie

Rozkłady skośne

Obie są na dłuższym końcu, ale
średnia jest nieco dalej od szczytu niż
mediana

background image

Punkty odstające

Mogą być wynikiem błędu
aparatury albo błędu pomiarów

Możemy wyeliminować obserwacje
z błędem aparatury

Możemy poprawić błędy pomiarów

Kiedy nie znamy powodu, musimy
osądzić sami

background image

Detekcja punktów
odstających

1.

Znajdź punkty odstające i zbadaj
dlaczego istnieją.

2.

Użyj takich metod, żeby punkty
odstające miały mały wpływ na
wnioski z doświadczenia.

background image

Miary rozrzutu: Kwartyle

podanie jedynie miary położenia może być
niewystarczające i mylące.

Najprostsze opisy liczbowe rozkładów
składają się z miar zarówno położenia jak i
rozrzutu.

p-ty percentyl: wartość, poniżej której jest
jest dokładnie p procent innych wartości

Najbardziej popularna: Mediana = 50-ty percentyl

Drugie popularne: Kwartyle

background image

Inne kwartyle

Mediana to tylko jedna z rodziny
statystyk porządkowych, dzielących
wyniki na części. Dzieli zbiór na dwie
równoliczne części. Z kolei

kwartyle

to

punkty w 25%, 50%, i 75% zbioru –
które dzielą rozkład na pierwszą,
drugą, trzecią i czwartą ćwiartkę. Są
zwykle opisywane symbolami Q

1

(dolny kwartyl), M (mediana), Q

3

(górny kwartyl).

background image

Inne statystyki
porządkowe

Istnieją także kwintyle, decyle i
percentyle, dzieląc rozkład na
odpowienio 5, 10, i 100 równych
części.

Ogólny termin dla tych wszystkich
to

kwantyle

.

background image

Przykład

Znajdź Q1, M, i Q3.
13 13 16 19 21 21 23 23 24

26 26 27 27 27 28 28 30 30

Znajdź Q1, M, i Q3.
13 13 16 19 21 21 23 23 24

26 26 27 27 27 28 28 30

background image

Metoda pięciu liczb

Obejmuje najmniejszą obserwację,
pierwszy kwartyl, medianę, trzeci
kwartyl i największą obserwację,
napisane od najmniejszego do
największego:

Minimum Q1 M Q3
Maksimum

background image

Metoda pięciu liczb, cd.

Dostarcza w miarę pełnej informacji
o położeniu i rozrzucie.

Położenie

Mediana

Rozrzut

rozrzut środkowej połowy pomiarów
(od 25% do 75%) ukazują kwartyle

Min i max pokazują pełny rozrzut

background image

Wykresy ramkowe

Wykres metody pięciu liczb

Centralna ramka obejmuje Q1 i Q3

Linia w pudełku to M

Linie wychodzące z ramki dochodzą
do największej i najmniejszej wartości
wśród pomiarów

background image

background image

Wykresy ramkowe, cd.

Przedstawiają mniej informacji niż

histogramy i wykresy łodygowe

Używane do porównania więcej niż

jednej serii pomiarów

Analiza wykresu

Znajdź medianę (środek)

Określ rozrzut (między Q1 i Q3;

między min i max)

background image

Co z punktami
odstającymi?

Odległość między kwartylami = zakres
połowy danych = przedział
międzykwartylowy = IQR

IQR = Q3 – Q1

IQR jest odporny na zmiany na końcach
dystrybucji zmiennej losowej.

Wynik może być punktem odstającym,
jeśli ma wartość powyżej Q3+1.5 x IQR
lub poniżej Q1-1.5 x IQR.

background image

Example: % Hispanics
data

Q1 = 2.0, Q3 = 7.0

IQR = 7.0 – 2.0 = 5.0

Wszystkie wartości poniżej 2.0 – 1.5*5.0 = -5.5 lub

ponad 7.0 + 1.5*5.0 = 14.5 są oznaczone jako

możliwe punkty odstające. Jest 7 takich obserwacji.

To nie zwalnia od własnego osądu – trzeba zerknąć

na dystrybucje i podjąć decyzję o pozostawieniu lub

usunięciu pomiaru z dalszej analizy.

Wygodne narzędzie do oceny dużych zbiorów

danych.

background image

Zmodyfikowany wykres
ramkowy

Zaznacz każdy punkt odstający osobno
używając symboli typu ‘*’ lub ‘o’.

Linie od „pudełka” prowadzą tylko do
największych i najmniejszych pomiarów,
które pozostały po usunięciu punktów
odstających.

background image

background image

Przykład - wzrost

Liczność próbki N = 582

Wartość średnia = 176.16 cm

Mediana = 177 cm

Zakres = 82 cm

Q1 = 170 cm; Q3 = 183 cm

IQR = 13 cm

Odchylenie standardowe = 9.86 cm

background image

Przykład - wzrost

Dwie wielkości odstające
210 cm i 125 cm

background image

Kształt histogramu

Skośność (asymetria) oznacza że jeden koniec

jest dłuższy niż drugi.

Możemy obliczyć skośność przez:

Krzywe nazywamy skośnymi w prawo (g1>0)

lub w lewo (g1<0), zależnie od tego, który

koniec jest dłuższy.

3

3

i

i

1

s

*

)

2

n

)(

1

n

(

)

X

X

(

n

n

g

background image

Kształt histogramu

Przykład - wzrost: skośność =
-0.26

background image

Kształt histogramu

Inny rodzaj odstępstwa od normalności to kurtoza, jest to

bardziej skomplikowana zmiana w kształcie dystrybucji.

Jeśli symetryczny rozkład ma środek, dwa ramiona i dwa

końce, kurtoza opisuje stosunek między częścią środkową

i końcami w odniesieniu do ramion.

O leptokurtozie mówimy, gdy krzywa ma więcej

obserwacji blisko środka i na końcach a mniej w

ramionach w porównaniu do rozkładu normalnego, z tą

samą średnią i wariancją.

Platykurtoza - ma mniej elementów w środku, za to

więcej w ramionach.

background image

Kształt histogramu

Możemy obliczyć kurtozę ze wzoru:

Ujemne g

2

wskazuje na platykurtozę,

zaś dodatnie g

2

mówi leptokurtozie.

4

2

2

4

1

)

1

(

2

)

3

)(

2

(

)

(

3

)

(

s

n

n

X

X

X

X

g

i

i

n

n

n

background image

Kształt histogramu

Przykład - wzrost: kurtoza = 3.65

background image

Ocena skośności i kurtozy za
pomocą kwantyli

Oznaczając i-ty kwartyl jako Q

i

, możemy

zdefiniować współczynnik skośności
Bowley’a (Bowley, 1920):

1

3

2

1

3

2

Q

Q

Q

Q

Q

skewness

wartość, która może przyjmować wartości od
-1 dla rozkładu ekstremalnie lewoskośnego,
przez 0 dla rozkładu symetrycznego, do 1 dla
rozkładu prawoskośnego

background image

Ocena skośności i kurtozy za
pomocą kwantyli

Pomiar kurtozy (wyostrzenia) na podstawie
oktyli O

i

(12.5%, 25%, 37.5% itd.) został

zaproponowany przez Moors’a w 1988

1

3

1

3

5

7

)

(

)

(

Q

Q

O

O

O

O

kurtosis

Dla skrajnie spłaszczonego rozkładu ta
wartość wynosi 0; 1.233 dla normalnego;
nieskończoność dla skrajnie wyostrzonego.

background image

Pomiar rozrzutu:
odchylenie standardowe

Najpopularniejszy opis liczbowy
rozkładu składa się ze średniej i
odchylenia standardowego

Odchylenie standardowe s mówi,
jak obserwacje są oddalone od ich
średniej

background image

Odchylenie standardowe

Wariancja s

2

to suma kwadratów

odchyleń obserwacji od ich średniej
podzielona przez n-1.

Odchylenie standardowe s to dodatni
pierwiastek kwadratowy z wariancji s

2

.

1

)

(

)

(

)

(

2

2

2

2

1

2

n

x

x

x

x

x

x

s

n

background image

Odchylenie standardowe,
cd.

Duże, jeśli obserwacje są mocno

rozrzucone wokół średniej; Małe, jeśli

wszystkie obserwacje są blisko średniej

Własności

Mierzy rozproszenie i i powinno być używane

tylko wtedy, gdy jako miara położenia jest

wybrana średnia

Równe 0, gdy zupełnie nie ma rozrzutu

(wszystkie obserwacje mają tą samą wartość)

Nie jest odporne - kilka punktów odstających

może diametralnie zwiększyć s.

background image

Wybór miar położenia i
rozrzutu

Stosuj średnią i odchylenie
standardowe dla symetrycznych
rozkładów, bez punktów
odstających

Stosuj przedstawienie w postaci 5
liczb (Min Q1 M Q3 Max) kiedy
opisujesz rozkłady silnie skośne z
dalekimi punktami odstającymi.

background image

Rozkłady normalne

Krzywe gęstości

Miary położenia i rozrzutu

Rozkłady normalne

Właściwości

Standardowy rozkład normalny

Obliczenia

Wykresy kwantylowe

Standaryzowanie obserwacji

background image

Krzywe gęstości

Krzywe, które

Są zawsze na lub nad osią poziomą

Mają pole pod sobą równe dokładnie 1

Opisują cały kształt rozkładu

Pole pod krzywą, powyżej

dowolnego zakresu wartości, jest

relatywną częstością wszystkich

obserwacji z tego zakresu.

background image

background image

background image

background image

Miary położenia i rozrzutu
dla krzywych gęstości

Moda

Punkt szczytowy krzywej

Miejsce gdzie krzywa jest najwyższa

Mediana krzywej gęstości

Punkt, który dzieli pole pod krzywą na dwie
połowy

Średnia krzywej gęstości

Gdyby wykonano kształt z litego materiału zgodny
z obserwowanym rozkłądem, średnia byłaby
punktem podparcia, dla którego bryła balansuje.

background image

Miary położenia i rozrzutu
dla krzywych gęstości

Dla symetrycznych krzywych gęstości,

średnia = mediana (są na środku)

Dla skośnych krzywych, średnia jest

odsunięta dalej od mediany, w stronę

dłuższego ogona.

Kwartyle

Można je znaleźć przez dzielenie powierzchni pod

krzywą na ćwiartki

IQR

Odległość (rozstęp) między pierwszym i trzecim

kwartylem

background image

background image

- średnia

background image

background image

Krzywe gęstości

Wyidealizowany matematyczny
model rozkładu danych

Symetryczny

Teoretyczny vs. empiryczny

i s

μ i σ

x

background image

Rozkłady normalne

Krzywe normalne to takie krzywe
gęstości, które:

Są symetryczne

Są jednomodalne

Mają dzwonowaty kształt

Opisują rozkłady normalne

Rozkłady normalne mają ten sam kształt

Odpowiednia krzywa opisana przez średnią i
odchylenie standardowe.

background image

background image

Odchylenie standardowe
dla krzywych normalnych

Kontroluje rozrzut

Lokalizacja odchylenia
standardowego

punkt przegięcia ramion krzywej

background image

background image

Rozkłady normalne, cd.

Wysokość krzywej gęstości

Znaczenie w statystyce

Dobry opis niektórych rozkładów danych

rzeczywistych

Dobre przybliżenie dla różnych oszacowań

prawdopodobieństw obserwowanych wyników

Wiele z procedur wnioskowania statystycznego

stworzonych przy założeniu normalności

rozkładów, jest odpowiednich również dla innych,

w przybliżeniu symetrycznych, rozkładów.

2

2

1

2

1

x

e

background image

Reguła trzech sigm 68-95-
99.7

W rozkładzie normalnym z wartością

oczekiwaną μ i odchyleniem

standardowym σ

Około 68% obserwacji leży w odległości

mniejszej lub równej σ od średniej μ.

Około 95% obserwacji leży w odległości

mniejszej lub równej 2σ od średniej μ.

Około 99.7% obserwacji leży w odległości

mniejszej lub równej 3σ od średniej μ.

background image

background image

background image

Oznaczenie rozkładów
normalnych

Rozkład normalny ze średnią μ i
odchyleniem σ zapisujemy
skrótowo jako N(μ, σ).

background image

Standaryzacja obserwacji

Standaryzując pomiar, odejmij
średnią i podziel przez odchylenie
standardowe

Jeśli x jest obserwacją z rozkładu o
średnią μ i odchyleniu
standardowym σ,
standardyzowaną wartością x jest

x

z

background image

Z-scores

Mówią nam ile krotności
odchylenia standardowego
obserwacje leżą od średniej i w
którym kierunku

Mogą być dodatnie lub ujemne

Kiedy?

background image

Standardowy rozkład
normalny

N(0,1)

Średnia = 0

Odchylenie standardowe = 1

Jeśli zmienna X ma dowolny rozkład
normalny N(μ, σ), wtedy zmienna losowa

ma standardowy rozkład normalny N(0,1).

X

Z

background image

background image

Dystrybuanta standardowego
rozkładu normalnego – tabela.
Przykład 1

Jaka część obserwacji
standardowej zmiennej normalnej
Z przyjmuje wartości mniejsze niż
1.4?

background image

background image

Znajdź część obserwacji ze
standardowego rozkładu
normalnego które są większe niż –
2.15.

Dystrybuanta standardowego
rozkładu normalnego – tabela.
Przykład 2

background image

background image

Rozkłady normalne –
przykład obliczeniowy

NCAA wymaga 820 punktów zdobytych w

trakcie egzaminu SAT. Rozkład liczby

punktów w 2000r był w przybliżeniu

rozkładem N(1019, 209).

Jaki procent wszystkich studentów miał

liczbę punktów SAT co najmniej 820?

X = punkty z egzaminu SAT

X należy do rozkładu N(1019, 209)

Znajdź Z (standardowe).

Z = (820 – 1019)/209 = -0.95

P(Z > -0.95) = 1 – 0.1711 = 0.8289

background image

background image

background image

background image

Normalny wykres
kwantylowe

Rozkłady normalne

Dobre modele dla niektórych rozkładów

rzeczywistych danych

Rozkłady niektórych zmiennych są skośne i

dalekie od normalnych

Należy przejrzeć dane!

Sposoby sprawdzenia normalności

Histogramy

Wykresy łodygowe

Normalne wykresy kwantylowe

background image

Konstrukcja normalnego wykresu
kwantylowego

1.

Uporządkuj zaobserwowane dane w porządku

malejącym. Zapisz jakim percentylem danych

jest każda wartość.

2.

Przeprowadź obliczenia dla normalnego rozkładu

żeby znaleźć punkty standardowe z tych

percentyli.

3.

Zaznacz każdy punkt x w zależności od z. Jeśli

rozkład danych jest w przybliżeniu standardowy

normalny, narysowane punkty będą leżały blisko

prostej x=z. Jeśli rozkład danych jest bliski do

innego dowolnego rozkładu normalnego, punkty

będą leżały blisko innej linii, także prostej.

background image

Normalny wykres
kwantylowy

Linia prosta

Dane pochodzą z rozkładu normalnego

Systematyczne odchylenia od linii

prostej

Dane nie pochodzą z rozkładu

normalnego

Punkty odstające ujawniają się jako

punkty leżące daleko od ogólnego

kształtu wykresu.

background image

background image

background image

background image


Document Outline


Wyszukiwarka

Podobne podstrony:
Wyklad 2 Prezentacja danych
http, www strefawiedzy edu pl file php file= 28 Wyklady Bazy danych3
Wykład 3 Określenie danych wyjściowych do projektowania OŚ
Wyklad I prezentacja
ssciaga, Studia PŚK informatyka, Semestr 4, Bazy Danych 2, Bazy Danych Zaliczenie Wykladu, Bazy Dany
Wykład X fizjo antastic pl
Wykład 6 fizjo antastic pl
Wykład II antastic pl
02 PREZENTACJA DANYCH STATYSTYCZNYCH
BO wyklad prezentacja
wykład 8 fizjo antastic pl
Finanse przedsiębiorstw wykłady (prezentacje + testy) FP testy
Wykład 6 dobrostan antastic pl

więcej podobnych podstron