Professional Documents
Culture Documents
Quantitative Data Analysis HRM 20 M
Quantitative Data Analysis HRM 20 M
Анализ на
количествени данни
Цели
Да се предвидят основните въпроси,
които могат да възникнат при работа с
количествени данни
Да се разпознават видовете данни и
влиянието им върху последващ анализ
Да се подготвят данните за компютърен
анализ
Да се разберат основните статистики за
оценка на данните
Да се разбере представянето на данните
чрез таблици и схеми
Суровите данни изискват обработка, за
да имат смисъл
Прости Статистически
таблици за връзки между
честоти променливи,
сложни модели
Подготовка, вкарване и проверка
на данните
◦ Номинални (nominal)
– приписване на
числа, кодове –
например ЕГН, пол и пр.
Вид на данните:
Категориални (categorical)
◦ Ординални (ordinal, ranked)
подредени по ранг, приоритет, ред
Вид на данните:
Цифрови (numerical)
◦ Отношения (ratio) – има абсолютна нула (кг, см,
време, доходи)
Вид на данните:
Цифрови (numerical)
◦ Интервални (interval)
Вид на данните:
Цифрови (numerical)
◦ Непрекъснати, постоянни (continuous)
Вид на данните:
Цифрови (numerical)
◦ Отделни, несвързани (discrete)
Подготовка, вкарване и проверка
на данните
Формат на данните:
Variables Променлива Променлива Променлива
1 2 3
Cases
Иван 13 20 1
Драган 11 18 1
Петкан 15 17 1
Подготовка, вкарване и проверка
на данните
Кодиране на данните:
Категориални данни
Цифрови данни
Липсващи данни
Проучване и представяне на
данните
Проучване и представяне на индивидуални
променливи
Индивидуални променливи и техните
компоненти:
◦ Конкретни стойности
◦ Най-високи и най-ниски стойности
◦ Трендове
◦ Пропорции
◦ Разпределения на стойностите
Проучване и представяне на
данните
Сравняване на променливи:
◦ Показване на конкретни стойности и
зависимости
◦ Сравняване на най-високи и ниски стойности
◦ Сравняване на пропорции
◦ Сравняване на трендове
◦ Сравняване на пропорции и суми
◦ Сравняване на разпределения на стойности
◦ Показване на отношения между случаите
спрямо променливите
Визуализиране на резултатите
Визуализиране и представяне на
данните
Проектиране на схеми и таблици
И за двете:
Източник: http://unwincingly1.rssing.com/chan-1886550/all_p137.html
Bar chart
Хистограма с натрупване
Stacked bar chart
Stacked bar chart
Оценки
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50
5,00
1
Семинарът беше добре организиран и структуриран
5,00
2
Целите на семинара бяха ясни
4,94
3
Целите на семинара бяха изпълнени
4,94
4
Наученото би ми послужило в бъдещ ата работа
5,00
Въпроси
6
Учебните материали са
5,00
Пиктограма
Pictogram
Линейна графика
Линейна графика
Източник: EMI
Линейна графика
и хистограма
Line graph
Честотен полигон
Честотен полигон
Сравнителна оценка на
елементите на екипната работа
Сравнение спрямо най-високи и най-ниски оценки
20.00
19.00
18.00
17.00
16.00
Оценка
15.00
14.00
13.00
12.00
11.00
Споделено Умения за Принос на
Климат Сплотеност
10.00 лидерство работа в група членовете
1 2 3 4 5
3.00
2.88
2.80
2.75 2.75
2.75
Оценки
2.60
2.50 2.50 2.50 2.50 2.50 2.50 2.50
2.40
2.20 2.25 2.25
Твърдения
Кръгова диаграма
Pie chart
Contingency table
Описание на данните чрез
статистика
Описателна статистика:
◦ Централна тенденция
Мода – стойността, която се среща с най-голяма
честота
Медиана – средната, която се получава след
ранжиране на стойностите – разделя извадката
на две равни части по обем
Средна аритметична – сумата на всички
стойности, разделена на броя им (обема на
извадката). Това е центърът на
разпределението на стойностите, около който
са групирани всички вариации (само за числови
данни)
Нормалност на разпределението
Описание на данните чрез
статистика
Описателна статистика:
◦ Дисперсия – мярка за вариране на
стойностите около средната аритметична
(разпределение на стойностите около
централната тенденция)
◦ Стандартно отклонение от средната – оценка
за вариацията (разпръснатостта) на
наблюденията
◦ Обхват на различията (range) – в интервали от
по 10%
◦ Коефициент на вариация - процент на
стандартното отклонение от средната
аритметична
Стил на учене - норми