Články

9.3E: CVIČENIA


Cvičenie ( PageIndex {1} ): Pravda alebo nepravda?

1. Ak je vektorové pole ( vecs {F} ) v otvorenej a spojenej oblasti konzervatívne D, potom riadkové integrály ( vecs {F} ) sú na ceste nezávislé D, bez ohľadu na tvar D.

2. The Funkcia (r (t) = a + t (b − a) ), kde (0≤t≤1 ), parametrizuje úsečku od a do b.

3. Vpole ector ( vecs {F} (x, y, z) = (y sinz) , hat { mathbf i} + (x sinz) , hat { mathbf j} + (xy cosz) , hat { mathbf k} ) je konzervatívny.

4. Pole Vector ( vecs {F} (x, y, z) = y , hat { mathbf i} + (x + z) , hat { mathbf j} −y , klobúk { mathbf k} ) je konzervatívny.

Odpoveď

1. T, 3. T

Cvičenie ( PageIndex {2} ): Čiara integrálna nad vektorovým poľom

5. Zdôvodnite základnú vetu lineárnych integrálov pre ( int _C vecs {F} · vecs {dr} ) v prípade, keď ( vecs {F} (x, y) = (2x + 2y) , hat { mathbf i} + (2x + 2y) , hat { mathbf j} ) a (C ) je časť pozitívne orientovaného kruhu (x ^ 2 + y ^ 2 = 25 ) od ((5, 0) ) do ((3, 4). )

Odpoveď

( int _C vecs {F} · vecs {dr} = 24 )

6. [T] Nájdite ( int _C vecs {F} · vecs {dr}, ) kde ( vecs {F} (x, y) = (ye ^ {xy} + cos (x)) , hat { mathbf i} + (xe ^ {xy} + dfrac {1} {y ^ 2 + 1}) , hat { mathbf j} ) a (C ) je časť krivky

(y = sinx ) od (x = 0 ) do (x = dfrac {π} {2} ).

7. [T] Vyhodnoťte riadok integrál ( int _C vecs {F} · vecs {dr} ), kde ( vecs {F} (x, y) = (e ^ xsiny − y) , hat { mathbf i} + (e ^ xcosy − x − 2) , hat { mathbf j} ) a (C ) je cesta daná

(r (t) = (t ^ 3sin dfrac {πt} {2}) , hat { mathbf i} - ( dfrac {π} {2} cos ( dfrac {πt} {2} + dfrac {π} {2})) , hat { mathbf j} ) pre (0≤t≤1 ).

Odpoveď

( int _C vecs {F} · vecs {dr} = e− dfrac {3π} {2} )

Cvičenie ( PageIndex {3} )

V nasledujúcich cvičeniach zistite, či je vektorové pole konzervatívne, a ak je, nájdite potenciálnu funkciu.

8. ( vecs {F} (x, y) = 2xy ^ 3 , hat { mathbf i} + 3y ^ 2x ^ 2 , hat { mathbf j} )

9. ( vecs {F} (x, y) = (- y + e ^ xsiny) , hat { mathbf i} + [(x + 2) e ^ xcosy] , hat { mathbf j} )

Odpoveď

Nie konzervatívny

10. ( vecs {F} (x, y) = (e ^ {2x} siny) , hat { mathbf i} + [e ^ {2x} útulný] , hat { mathbf j} )

11. ( vecs {F} (x, y) = (6x + 5y) , hat { mathbf i} + (5x + 4y) , hat { mathbf j} )

Odpoveď

Konzervatívny, ( vecs {F} (x, y) = 3x ^ 2 + 5xy + 2y ^ 2 )

12. ( vecs {F} (x, y) = [2xcos (y) −ycos (x)] , hat { mathbf i} + [- x ^ 2sin (y) −sin (x)] , hat { mathbf j} )

13. ( vecs {F} (x, y) = [ye ^ x + sin (y)] , hat { mathbf i} + [e ^ x + xcos (y)] , hat { mathbf j} )

Odpoveď

Konzervatívny, ( vecs {F} (x, y) = ye ^ x + xsin (y) )

Cvičenie ( PageIndex {4} )

V nasledujúcich cvičeniach zhodnoťte lineárne integrály pomocou Základnej vety o lineárnych integráloch.

14. (∮_C (y , hat { mathbf i} + x , hat { mathbf j}) · dr, ) kde (C ) je ľubovoľná cesta z ((0, 0 ) ) až (((2, 4) )

15. (∮_C (2ydx + 2xdy), ) kde (C ) je úsečka od (0, 0) do (4, 4)

Odpoveď

(∮_C (2ydx + 2xdy) = 32 )

16. [T] (∮_C [arctan dfrac {y} {x} - dfrac {xy} {x ^ 2 + y ^ 2}] dx + [ dfrac {x ^ 2} {x ^ 2 + y ^ 2} + e ^ {- y} (1 − y)] dy ), kde (C ) je ľubovoľná hladká krivka od ((1, 1) ) do ((- 1,2) )

17. Nájdite konzervatívne vektorové pole pre potenciálnu funkciu

( vecs {F} (x, y) = 5x ^ 2 + 3xy + 10y ^ 2. )

Odpoveď

( vecs {F} (x, y) = (10x + 3y) i + (3x + 10y) j )

Cvičenie ( PageIndex {5} )

V nasledujúcich cvičeniach zistite, či je vektorové pole konzervatívne, a ak áno, vyhľadajte potenciálnu funkciu.

18. ( vecs {F} (x, y) = (12xy) , hat { mathbf i} +6 (x ^ 2 + y ^ 2) , hat { mathbf j} )

19. ( vecs {F} (x, y) = (e ^ xcosy) , hat { mathbf i} +6 (e ^ xsiny) , hat { mathbf j} )

Odpoveď

F nie je konzervatívny.

20. ( vecs {F} (x, y) = (2xye ^ {x ^ 2y}) , hat { mathbf i} +6 (x ^ 2e ^ {x ^ 2y}) , hat { mathbf j} )

21. (F (x, y, z) = (ye ^ z) , hat { mathbf i} + (xe ^ z) , hat { mathbf j} + (xye ^ z) , hat { mathbf k} )

Odpoveď

F je konzervatívny a potenciálna funkcia je (f (x, y, z) = xye ^ z ).

22. (F (x, y, z) = (siny) , hat { mathbf i} - (xcosy) , hat { mathbf j} + , hat { mathbf k} )

23. (F (x, y, z) = ( dfrac {1} {y}) , hat { mathbf i} + ( dfrac {x} {y ^ 2}) , hat { mathbf j} + (2z − 1) , hat { mathbf k} )

Odpoveď

F je konzervatívny a potenciálna funkcia je (f (x, y, z) = z. )

24. (F (x, y, z) = 3z ^ 2 , hat { mathbf i} −cosy , hat { mathbf j} + 2xz , hat { mathbf k} )

25. (F (x, y, z) = (2xy) , hat { mathbf i} + (x ^ 2 + 2yz) , hat { mathbf j} + y ^ 2 , hat { mathbf k} )

Odpoveď

F je konzervatívny a potenciálna funkcia je (f (x, y, z) = x ^ 2y + y ^ 2z. )

Cvičenie ( PageIndex {6} )

V nasledujúcich cvičeniach zistite, či je dané vektorové pole konzervatívne, a nájdite potenciálnu funkciu.

26. ( vecs {F} (x, y) = (e ^ xcosy) , hat { mathbf i} +6 (e ^ xsiny) , hat { mathbf j} )

27. ( vecs {F} (x, y) = (2xye ^ {x ^ 2y}) , hat { mathbf i} +6 (x ^ 2e ^ {x ^ 2y}) , hat { mathbf j} )

Odpoveď

( vecs {F} ) je konzervatívny a potenciálna funkcia je (f (x, y) = e ^ {x ^ 2y} )

Cvičenie ( PageIndex {7} )

V nasledujúcich cvičeniach zhodnoťte integrál pomocou základnej vety lineárnych integrálov.

28. Vyhodnoťte ( int _C vecs {∇f} · vecs {dr} ), kde (f (x, y, z) = cos (πx) + sin (πy) −xyz ) a (C ) je ľubovoľná cesta, ktorá začína na ((1,12,2) ) a končí na ((2,1, -1) ).

29. [T] Vyhodnoťte ( int _C vecs {∇f} · vecs {dr} ), kde ( vecs {F} (x, y) = xy + e ^ x ) a (C ) je a priamka z ((0,0) ) na ((2,1) ).

Riešenie: ( int _C vecs {F} · vecs {dr} = e ^ 2 + 1 )

30. [T] Vyhodnoťte ( int _C vecs {∇f} · vecs {dr}, ) kde ( vecs {F} (x, y) = x ^ 2y − x ) a (C ) sú ľubovoľné cesta v rovine od (1, 2) do (3, 2).

31. Vyhodnoťte ( int _C vecs {∇f} · vecs {dr}, ) kde (f (x, y, z) = xyz ^ 2 − yz ) a (C ) majú začiatočné bod (1, 2) a koncový bod (3, 5).

Odpoveď

( int _C vecs {F} · vecs {dr} = 41 )

Cvičenie ( PageIndex {8} )

V nasledujúcich cvičeniach zhodnoťte integrál pomocou základnej vety lineárnych integrálov.

28. Vyhodnoťte ( int _C vecs {∇f} · vecs {dr}, ) kde (f (x, y, z) = xyz ^ 2 − yz ) a (C ) majú začiatočné bod (1, 2) a koncový bod (3, 5).

Odpoveď

( int _C vecs {F} · vecs {dr} = 41 )

Cvičenie ( PageIndex {9} )

Pri nasledujúcich cvičeniach nechajme ( vecs {F} (x, y) = 2xy ^ 2 , hat { mathbf i} + (2yx ^ 2 + 2y) , hat { mathbf j} ) a (G (x, y) = (y + x) , hat { mathbf i} + (y − x) , hat { mathbf j} ) a nech (C_1 ) je krivka pozostávajúca z kruhu s polomerom 2, vystredená na počiatku a orientovaná proti smeru hodinových ručičiek, a (C_2 ) je krivka pozostávajúca z úsečky od (0, 0) do (1, 1), za ktorou nasleduje úsečka z (1, 1) až (3, 1).

32. Vypočítaj integrál priamky F nad (C_1 ).

33. Vypočítaj integrál priamky G nad (C_1 ).

Riešenie: (∮_ {C_1} bf {G} · bf {dr} = - 8π )

34. Vypočítaj integrál priamky F nad (C_2 ).

35. Vypočítaj integrál priamky G nad (C_2 ).

Riešenie: (∮_ {C_2} F · dr = 7 )

36. [T] Nech (F (x, y, z) = x ^ 2 , hat { mathbf i} + zsin (yz) j + ysin (yz) k ). Vypočítajte (∮_CF · dr ), kde (C ) je cesta od (A = (0,0,1) ) do (B = (3,1,2) ).

37. [T] Nájdite integrál line (∮_CF · dr ) vektorového poľa (F (x, y, z) = 3x ^ 2z , hat { mathbf i} + z ^ 2 , hat { mathbf j} + (x ^ 3 + 2yz) , hat { mathbf k} ) pozdĺž krivky (C ) parametrizované pomocou (r (t) = ( dfrac {lnt} {ln2}) , hat { mathbf i} + t ^ {3/2} , hat { mathbf j} + tcos (πt) , hat { mathbf k}, 1≤t≤4. )

Riešenie: ( int _C vecs {F} · vecs {dr} = 150 )

Odpoveď

Sem pridajte texty. Najskôr tento text neodstraňujte.

Cvičenie ( PageIndex {10} )

V nasledujúcich cvičeniach ukážte, že nasledujúce vektorové polia sú pomocou počítača konzervatívne. Vypočítajte ( int _C vecs {F} · vecs {dr} ) pre danú krivku.

38. ( vecs {F} = (xy ^ 2 + 3x ^ 2y) , hat { mathbf i} + (x + y) x ^ 2 , hat { mathbf j} ); (C ) je krivka pozostávajúca z úsečiek od (1,1) do (0,2) do (3,0).

39. ( vecs {F} = dfrac {2x} {y ^ 2 + 1} , hat { mathbf i} - dfrac {2y (x ^ 2 + 1)}} {(y ^ 2 + 1) ^ 2} , hat { mathbf j} ); (C ) je parametrizovaný znakom (x = t ^ 3−1, y = t ^ 6 − t, 0≤t≤1. )

Riešenie: ( int _C vecs {F} · vecs {dr} = - 1 )

40. [T] ( vecs {F} = [cos (xy ^ 2) −xy ^ 2sin (xy ^ 2)] , hat { mathbf i} -2x ^ 2ysin (xy ^ 2) , hat { mathbf j} ); (C ) je krivka ((e ^ t, e ^ {t + 1}), - 1≤t≤0 ).

Odpoveď

Sem pridajte texty. Najskôr tento text neodstraňujte.

Cvičenie ( PageIndex {11} )

41. Hmotnosť Zeme je približne (6 × 10 ^ {27} g ) a hmotnosť Slnka je 330 000-krát vyššia. Gravitačná konštanta je (6,7 × 10 ^ {- 8} cm ^ 3 / s ^ 2 · g ). Vzdialenosť Zeme od Slnka je asi (1,5 × 10 ^ {12} cm ). Približne vypočítajte prácu potrebnú na zväčšenie vzdialenosti Zeme od Slnka o 1 cm.

Riešenie: (4 × 10 ^ {31} erg )

42. [T] Nech ( vecs {F} = (x, y, z) = (e ^ xsiny) , hat { mathbf i} + (e ^ xcosy) , hat { mathbf j} + z ^ 2 , hat { mathbf k} ). Vyhodnoťte integrál ( int _C vecs {F} · vecs {ds} ), kde (C (t) = ( sqrt {t}, t ^ 3, e ^ { sqrt {t}} ), 0≤t≤1. )

43. [T] Nech (c: [1,2] → ℝ ^ 2 ) je dané (x = e ^ {t − 1}, y = sin ( dfrac {π} {t}) ). Použite počítač na výpočet integrálu ( int _CF · ds = int _C2xcosydx − x ^ 2sinydy ), kde ( vecs {F} = (2xcosy) i− (x ^ 2siny) j. )

Riešenie: ( int _CF · ds = 0,4687 )

44. [T] Pomocou počítačového systému algebry nájdite hmotnosť drôtu, ktorý leží pozdĺž krivky (r (t) = (t ^ 2−1) , hat { mathbf j} + 2t , hat { mathbf k} , 0≤t≤1 ), ak je hustota ( dfrac {3} {2} t ).

45. Nájdite cirkuláciu a tok poľa ( vecs {F} = - y , hat { mathbf i} + x , hat { mathbf k} ) okolo a cez uzavretú polkruhovú cestu, ktorá pozostáva polkruhového oblúka (r_1 (t) = (acost) , hat { mathbf i} + (asint) , hat { mathbf j}, 0≤t≤π ), za ktorým nasleduje segment úsečky ( r_2 (t) = t , hat { mathbf i}, - a≤t≤a. )

Riešenie: (obeh = πa ^ 2 ) a (tok = 0 )

46. ​​Vypočítať ( int _C cosxcosydx − sinxsinydy, ) kde (C (t) = (t, t ^ 2), 0≤t≤1. )

47. Vyplňte doklad o

Poznámka

tým, že ukážeme, že (f_y = Q (x, y). )

Odpoveď

Sem pridajte texty. Najskôr tento text neodstraňujte.


9.3: Výsledky a chyby typu I a typu II

  • Prispeli Barbara Illowsky a amp. Susan Dean
  • Štatistiky na De Anza College
  • Zdroj od OpenStax

Keď vykonáte test hypotézy, existujú štyri možné výsledky v závislosti od skutočnej pravdy (alebo nepravdivosti) nulovej hypotézy (H_ <0> ) a rozhodnutia odmietnuť alebo nie. Výsledky sú zhrnuté v nasledujúcej tabuľke:

AKCIA (H_ <0> ) je v skutočnosti pravda (H_ <0> ) je v skutočnosti nepravdivé
Neodmietajte (H_ <0> ) Správny výsledok Chyba typu II
Odmietnuť (H_ <0> ) Chyba typu I. Správny výsledok

V tabuľke sú možné štyri výsledky:

  1. Rozhodnutie je neodmietnuť (H_ <0> ) keď (H_ <0> ) je pravdivé (správne rozhodnutie).
  2. Rozhodnutie je odmietnuť (H_ <0> ) keď (H_ <0> ) je pravda (nesprávne rozhodnutie známe ako chyba typu I).
  3. Rozhodnutie je neodmietnuť (H_ <0> ) keď v skutočnosti (H_ <0> ) je nepravdivé (nesprávne rozhodnutie známe ako chyba typu II).
  4. Rozhodnutie je odmietnuť (H_ <0> ) keď (H_ <0> ) je nepravdivé (správne rozhodnutie ktorej pravdepodobnosť sa nazýva Moctestu).

Každá z chýb sa vyskytuje s určitou pravdepodobnosťou. Grécke písmená ( alpha ) a ( beta ) predstavujú pravdepodobnosti.

  • ( alpha = ) pravdepodobnosť chyby typu I (= P ( text) = ) pravdepodobnosť odmietnutia nulovej hypotézy, keď je nulová hypotéza pravdivá.
  • ( beta = ) pravdepodobnosť chyby typu II (= P ( text) = ) pravdepodobnosť neodmietnutia nulovej hypotézy, keď je nulová hypotéza nepravdivá.

( alpha ) a ( beta ) by mali byť čo najmenšie, pretože ide o pravdepodobnosť chýb. Zriedka sú nulové.

The Sila testu je (1 - beta ). V ideálnom prípade chceme vysoký výkon, ktorý je čo najbližšie k jednej. Zväčšenie veľkosti vzorky môže zvýšiť výkonnosť testu. Nasledujú príklady chýb typu I a II.

Príklad ( PageIndex <1> ): Chyby typu I vs. typu II

Predpokladajme, že nulová hypotéza (H_ <0> ) je: Frankove horolezecké vybavenie je bezpečné.

  • Chyba typu I.: Frank si myslí, že jeho horolezecké vybavenie nemusí byť bezpečné, aj keď v skutočnosti je skutočne bezpečné.
  • Chyba typu II: Frank si myslí, že jeho horolezecké vybavenie môže byť bezpečné, aj keď v skutočnosti nie je bezpečné.

( alpha = ) pravdepodobnosť že Frank si myslí, že jeho horolezecké vybavenie nemusí byť bezpečné, aj keď v skutočnosti je skutočne bezpečné.

( beta = ) pravdepodobnosť že Frank si myslí, že jeho horolezecké vybavenie môže byť bezpečné, aj keď v skutočnosti nie je bezpečné.

Všimnite si, že v tomto prípade je chybou s väčším dôsledkom chyba typu II. (Ak si Frank myslí, že jeho horolezecké vybavenie je bezpečné, môže ho začať používať.)

Predpokladajme, že nulová hypotéza (H_ <0> ) je: krvné kultúry neobsahujú stopy patogénu (X ). Uveďte chyby typu I a typu II.

  • Chyba typu I.: Vedec si myslí, že krvné kultúry obsahujú stopy patogénu (X ), aj keď v skutočnosti nie.
  • Chyba typu II: Vedec si myslí, že krvné kultúry neobsahujú stopy patogénu (X ), hoci v skutočnosti áno.

Predpokladajme, že nulová hypotéza (H_ <0> ) je: Obeť autonehody je nažive, keď dorazí na pohotovosť v nemocnici.

  • Chyba typu I.: Posádka záchrannej služby si myslí, že obeť je mŕtva, keď je v skutočnosti nažive.
  • Chyba typu II: Posádka záchrannej služby nevie, či je obeť nažive, keď je v skutočnosti mŕtva.

( alpha = ) pravdepodobnosť že posádka záchrannej služby si myslí, že obeť je mŕtva, keď je v skutočnosti skutočne nažive (= P ( text)).

( beta = ) pravdepodobnosť že pohotovostná posádka nevie, či je obeť nažive, keď je v skutočnosti mŕtva (= P ( text)).

Chyba s väčším dôsledkom je chyba typu I. (Ak si posádka záchrannej služby myslí, že obeť je mŕtva, nebude s ním zaobchádzať.)

Predpokladajme, že nulová hypotéza (H_ <0> ) je: pacient nie je chorý. Ktorý typ chyby má väčšie následky, typ I alebo typ II?

Chyba s väčším dôsledkom je chyba typu II: pacient bude mať dobrý pocit, keď je v skutočnosti chorý, takže nebude mať ošetrenie.

Spoločnosť Boy Genetic Labs tvrdí, že dokáže zvýšiť pravdepodobnosť, že tehotenstvo bude mať za následok narodenie chlapca. Štatistici chcú tvrdenie otestovať. Predpokladajme, že nulová hypotéza (H_ <0> ) je: Je to Boy Genetic Labs, nemá žiadny vplyv na výsledok pohlavia.

  • Chyba typu I.: To vznikne, keď je odmietnutá skutočná nulová hypotéza. V súvislosti s týmto scenárom by sme tvrdili, že sme presvedčení, že genetické laboratóriá spoločnosti It & rsquos ovplyvňujú výsledok pohlavia, aj keď to v skutočnosti nemá žiadny vplyv. Pravdepodobnosť výskytu tejto chyby je označená gréckym písmenom alfa, ( alpha ).
  • Chyba typu II: To vznikne, keď nedokážeme odmietnuť falošnú nulovú hypotézu. V kontexte by sme tvrdili, že It & rsquos a Boy Genetic Labs nemá vplyv na rodový výsledok tehotenstva, keď to v skutočnosti má. Pravdepodobnosť výskytu tejto chyby je označená gréckym písmenom beta, ( beta ).

Chyba s väčším dôsledkom by bola chyba typu I, pretože páry by používali produkt It & rsquos a Boy Genetic Labs v nádeji, že zvýšia šance na narodenie chlapca.

& ldquoČervený príliv & rdquo je kvet rias produkujúcich jed & ndasha niekoľko rôznych druhov z triedy planktónu nazývaných dinoflageláty. Ak tieto kvitnutia spôsobujú poveternostné a vodné podmienky, u mäkkýšov, ako sú škeble žijúce v tejto oblasti, sa vytvára nebezpečná hladina toxínu vyvolávajúceho paralýzu. V Massachusetts sleduje divízia morského rybolovu (DMF) hladinu toxínu v mäkkýšoch pravidelným odberom vzoriek mäkkýšov pozdĺž pobrežia. Ak priemerná hladina toxínu v škeblech prekročí v ktorejkoľvek oblasti 800 & hrnček (mikrogramov) toxínu na kg mäsa škeble, je tam výlov mušle zakázaný, až kým nedoznie kvitnutie a hladiny toxínu v škeblech neustúpia. V tejto súvislosti popíšte chybu typu I aj typu II a uveďte, ktorá chyba má väčší dôsledok.

V tomto scenári by vhodná nulová hypotéza bola (H_ <0> ): priemerná hladina toxínov je najviac (800 mu text), (H_ <0>: mu_ <0> leq 800 mu text).

Chyba typu I.: DMF verí, že hladiny toxínov sú stále príliš vysoké, keď v skutočnosti sú hladiny toxínov najviac (800 mu text). DMF pokračuje v zákaze ťažby. Chyba typu II: DMF verí, že hladiny toxínov sú v prijateľných hodnotách (sú minimálne 800 & mug) keď sú hladiny toxínov v skutočnosti stále príliš vysoké (viac ako (800 mu text))). DMF ruší zákaz ťažby. Táto chyba môže byť najvážnejšia. Ak sa zákaz zruší a mušle budú stále toxické, mohli by spotrebitelia pravdepodobne jesť špinavé jedlá. Stručne povedané, najnebezpečnejšou chybou by bolo spáchanie chyby typu II, pretože táto chyba spočíva v dostupnosti poškvrnených mušlí na konzumáciu.

Určitý experimentálny liek vyžaduje mieru vyliečenia najmenej 75% u mužov s rakovinou prostaty. Popíšte chyby typu I aj typu II v kontexte. Ktorá chyba je závažnejšia?

  • Typ I.: Pacient s rakovinou je presvedčený, že miera vyliečenia lieku je nižšia ako 75%, keď v skutočnosti predstavuje aspoň 75%.
  • Typ II: Pacient s rakovinou je presvedčený, že experimentálna droga má najmenej 75% mieru vyliečenia, ak má mieru vyliečenia nižšiu ako 75%.

V tomto scenári obsahuje chyba typu II závažnejší následok. Ak je pacient presvedčený, že liek účinkuje najmenej 75% času, bude to s najväčšou pravdepodobnosťou mať vplyv na výber pacienta (a lekára), či bude liek používaný ako liečebná možnosť.

Určte chyby typu I aj typu II pre nasledujúci scenár:

Predpokladajme nulovú hypotézu (H_ <0> ), ktorá uvádza, že percento dospelých s pracovnými miestami je najmenej 88%. Z týchto štyroch výrokov identifikujte chyby typu I a typu II.

  1. Nezavrhujem nulovú hypotézu, že percento dospelých, ktorí majú zamestnanie, je najmenej 88%, keď je toto percento skutočne nižšie ako 88%
  2. Nezavrhujem nulovú hypotézu, že percento dospelých, ktorí majú zamestnanie, je najmenej 88%, keď percento je v skutočnosti najmenej 88%.
  3. Odmietnite nulovú hypotézu, že percento dospelých, ktorí majú zamestnanie, je najmenej 88%, keď percento je v skutočnosti najmenej 88%.
  4. Odmietnite nulovú hypotézu, že percento dospelých, ktorí majú zamestnanie, je najmenej 88%, keď je toto percento skutočne nižšie ako 88%.

9.3E: Distribúcia potrebná na testovanie hypotéz (cvičenia)

Ktoré dve distribúcie môžete použiť na testovanie hypotéz k tejto kapitole?

Normálna distribúcia alebo Student's rsquos t-distribúcia

Aké rozdelenie používate, keď testujete priemernú hodnotu populácie a je známa štandardná odchýlka? Predpokladajme, že veľkosť vzorky je veľká.

Aké rozdelenie používate, keď štandardná odchýlka nie je známa a testujete jednu strednú hodnotu populácie? Predpokladajme, že veľkosť vzorky je veľká.

Použite distribúciu Student & rsquos (t )

Priemerná populácia je 13. Priemerná hodnota vzorky je 12,8 a štandardná odchýlka vzorky sú dve. Veľkosť vzorky je 20. Aké rozdelenie by ste mali použiť na vykonanie testu hypotézy? Predpokladajme, že podkladová populácia je normálna.

Priemerná populácia bola 25 a štandardná odchýlka päť. Priemer vzorky je 24 a veľkosť vzorky je 108. Aké rozdelenie by ste mali použiť na vykonanie testu hypotézy?

normálne rozdelenie pre jednu populáciu priemer

Existuje názor, že 42% respondentov v teste chuti by uprednostnilo značku A. V konkrétnom teste 100 ľudí uprednostnilo značku 39% A. Aké rozdelenie by ste mali použiť na vykonanie testu hypotézy?

Vykonávate test hypotézy jednej strednej hodnoty populácie pomocou distribúcie Student & rsquos (t ). Čo musíte predpokladať o distribúcii údajov?

Musí byť približne normálne distribuované.

Vykonávate test hypotézy jednej strednej hodnoty populácie pomocou distribúcie Student & rsquos (t ). Údaje nepochádzajú z jednoduchej náhodnej vzorky. Dokážete presne vykonať test hypotézy?

Vykonávate test hypotézy jedného podielu populácie. Čo musí byť pravda o množstvách (np ) a (nq )?

Musia byť väčšie ako päť.

Vykonávate test hypotézy jedného podielu populácie. Zistíte, že (np ) je menej ako päť. Čo musíte urobiť, aby ste mohli vykonať platný test hypotézy?

Vykonávate test hypotézy jedného podielu populácie. Údaje pochádzajú z ktorej distribúcie?


Cvičenie SPSS

SPSS má samostatný postup navrhnutý špeciálne na vytvorenie tabuliek medzi tabuľkami. Nazýva sa krížová metóda a nájdete ju pod Deskriptívna štatistika v Analyzovať Ponuka (Analýza, popisná štatistika, krížové tabuľky). Dialógové okno pre krížové tabuľky vyžaduje, aby sme zadali ako premennú, ktorá bude definovať riadky, tak aj tú, ktorá definuje stĺpce tabuľky. Budeme skúmať vzťah medzi dôležitosťou kresťanstva, aby bol človek skutočne Američanom (AMCHRSTN), a postojmi k homosexualite (HOMOSEX). Ako premennú stĺpca vyberte AMCHRSTN a ako premennú riadok HOMOSEX.

SPSS štandardne zobrazuje počet v každej bunke tabuľky. Klikni na Bunky tlačidlo na vyžiadanie percenta (Obrázok 9.1). Ako obvykle, percentuálne hodnotíme tabuľku na základe nezávislej alebo predikčnej premennej, ktorou je náboženská príslušnosť. Nezávislá premenná je umiestnená v stĺpcoch, zatiaľ čo závislá premenná je umiestnená v riadkoch. Kliknutím na začiarkavacie políčko „Stĺpec“ tabuľku percentuálne upravíme podľa AMCHRSTN. (Upozorňujeme, že položka „Pozorované“ je už v predvolenom nastavení začiarknutá v časti Počty. V časti Noninteger Weights je predvolene začiarknutá možnosť „Počet okrúhlych buniek“.)

Kliknite na ďalejpotom Ok, aby sme získali tabuľku uvedenú na obrázku 9.2. SPSS zobrazuje počet aj percento stĺpcov v každej bunke. V ľavom hornom rohu tabuľky sú zobrazené štítky „Počet“ a „% v rámci AMCHRSTN“ ako pripomienka toho, čo SPSS umiestnil do každej bunky. Súčty riadkov a súčty stĺpcov sa dodávajú automaticky, rovnako ako celkový súčet (na obe otázky odpovedalo platne 339 respondentov).

Pri kontrole tabuľky si všimnite, aké sú vyššie percentuálne podiely v opačných rohoch tabuľky. V riadku „vždy zlé“ pre HOMOSEX - respondenti, ktorí sa domnievajú, že byť kresťanom je „veľmi dôležité“ alebo „dosť dôležité“, si s väčšou pravdepodobnosťou myslia, že homosexuálne vzťahy sú „vždy nesprávne“ (69% a 51,4%) v porovnaní s tí, ktorí veria, že byť kresťanom, nie sú „veľmi dôležití“ (38,6%) alebo „nie sú vôbec dôležití“ (10,7%). Ako by ste opísali výsledky pre riadok „vôbec sa mýli“ pre HOMOSEX? Aký je vzťah medzi AMCHRSTN a HOMOSEX?

Obrázok 9.1. Krížové tabuľky: Dialógové okno Zobrazenie bunky

Obrázok 9.2. Výstup krížovej tabuľky: AMCHRSTN a HOMOSEX

Ukážka 2: Produkcia tabuliek s premennou riadenia

Ako sme videli v tejto kapitole, analýza údajov sa zdokonalí, keď sa do dvojrozmernej tabuľky pridá tretia premenná - kontrolná premenná. V procedúre Krížové tabuľky je tretia premenná pridaná do sekcie Vrstva v hlavnom dialógovom okne (Obrázok 9.3). (Toto políčko je označené ako „vrstva 1 z 1“, pretože je možné mať ďalšie úrovne kontroly, ku ktorým získate prístup kliknutím na ikonu Ďalšie tlačidlo.) HOMOSEX a AMCHRSTN nezmeníme, ale pridáme SEX ako riadiacu premennú. Nie je potrebné meniť čísla zobrazené v bunkách: Pozorovaný počet a percentuálne hodnoty stĺpcov sú stále správnymi voľbami. Obrázok 9.4 zobrazuje dvojrozmerné tabuľky pre mužov a ženy osobitne.

Obrázok 9.3. Dialógové okno Krížové tabuľky

Obrázok 9.4. Výstup krížovej tabuľky: AMCHRSTN od spoločnosti HOMOSEX Controlling for SEX

Vzťah, ktorý sme sledovali v pôvodnej tabuľke (obrázok 9.2), je prítomný v tejto analýze - ak sa respondenti domnievajú, že byť kresťanom je pre Američana dôležité, je pravdepodobnejšie, že naznačujú, že homosexualita je vždy nesprávna. Ale pri kontrole sexu si všimnite, ako väčšina mužov verí, že homosexualita je „vždy nesprávna“ (tri zo štyroch režimov AMCHRSTN - 75%, 60% a 48,1% - sú v kategórii HOMOSEX „vždy nesprávne“). Naproti tomu pre ženy sú režimy AMCHRSTN rozdelené do dvoch kategórií HOMOSEX -vždy zle (66,2% a 41,2%) a vôbec sa nemýli (72,2% a 86,3%). Zdá sa, že vzťah medzi AMCHRSTN a HOMOSEXOM je pre ženy o niečo silnejší. V nasledujúcej kapitole použijeme tlačidlo Štatistika v dialógovom okne Krížové tabuľky, aby sme si vyžiadali ďalší výstup pre ďalšiu interpretáciu a vyhodnotenie dvojrozmerných tabuliek.

U ukážok 3 a 4 prepnite na ikonu [GSS14SSDS-A] Súbor údajov

Demonštrácia 3: Vytvorenie štatistiky χ 2 pre krížové tabuľky

Procedúru SPSS Crosstabs možno tiež použiť na výpočet hodnoty χ 2 pre dvojrozmernú tabuľku.

Kliknite na Analyzovať, Deskriptívna štatistikaa Krížové tabuľky, potom na Štatistika tlačidlo. Uvidíte dialógové okno zobrazené na obrázku 9.5. Ak chcete požiadať o štatistiku χ 2, kliknite na políčko Chi-square v ľavom hornom rohu. Očakávané frekvencie môžete požadovať aj pomocou tlačidla Bunky.

Obrázok 9.5. Dialógové okno Krížové štatistiky

Kliknite na Ďalej. Na tejto ukážke sa pozrieme na vzťah medzi vzdelaním (DEGREE) a politickými názormi (POLVIEWS). Do poľa Riadky vložte POLVIEWY a do poľa Stĺpce STUPEŇ. Potom kliknite na Ok spustiť postup.

Výsledný výstup obsahuje štatistiku χ 2, ako je znázornené na obrázku 9.6. SPSS produkuje pomerne veľa výstupu, možno viac, ako sa očakáva. Zameriame sa na prvý rad informácií, Pearson’s χ 2.

Pearson’s χ 2 má hodnotu 53,733 s 24 stupňami voľnosti. SPSS vypočítava význam tohto χ 2 na hodnotu 0,000. Vzdelanie a politické názory spolu súvisia. Konkrétne s rastúcim vzdelaním (dosiahnutým vzdelaním) sa ukazuje, že muži a ženy majú väčšiu pravdepodobnosť hlásenia, že sú „extrémne liberálni“.

Obrázok 9.6. χ 2 Testovací výstup pre STUPEŇ podľa POLVIEWS

Posledná časť výstupu zo SPSS nám umožňuje skontrolovať predpoklad, že všetky očakávané hodnoty v každej bunke tabuľky sú 5 alebo väčšie. Výstup naznačuje, že dve bunky alebo 5,7% majú hodnotu menšiu ako 5. Je to nižšia hodnota ako je náš prah 20%.

Demonštrácia 4: Vypracovanie nominálnych a ordinálnych mier asociácie pre dvojrozmerné tabuľky

Na výpočet asociačných mier je možné použiť aj postup SPSS Crosstabs. Začneme skúmaním vzťahu medzi vierou v Bibliu (BIBLIA) a podporou legálnych potratov pre ženy z akýchkoľvek dôvodov (ABANY).

Kliknite na Analyzovať, Deskriptívna štatistikapotom Krížové tabuľky sa dostanete do dialógového okna Krížové tabuľky. Do poľa Riadky vložte ABANY a do poľa Stĺpce BIBLIA. Potom kliknite na tlačidlo Štatistika. Dialógové okno Štatistika (Obrázok 9.5) obsahuje asi tucet štatistík, z ktorých si môžete vybrať. Upozorňujeme, že štyri štatistické údaje sú uvedené v samostatných kategóriách pre „nominálne“ a „ordinálne“ údaje. λ je uvedený v prvom zozname a γ a Kendall’s τ-b v tom druhom. Cramer’s V. sa dajú ľahko získať kontrolou Phi a Cramer’s V. box. Ostatné asociačné opatrenia, ako napríklad Somer’s d a φ, nebudeme v tejto učebnici pojednávať.

Pretože obe premenné sú nominálne, začiarknite políčko λ. Je veľmi dôležité, aby sme ako používatelia štatistických programov pochopili, ktorú štatistiku je možné zvoliť v ľubovoľnom postupe. SPSS, rovnako ako väčšina programov, nám nemôže pomôcť s výberom vhodnej štatistiky pre analýzu. Teraz kliknite na Pokračovať a potom na OK a vytvorte tabuľku.

Prvá tabuľka je Súhrn spracovania prípadov, v ktorej je uvedený počet platných a chýbajúcich prípadov (tu sa nezobrazuje). Druhá tabuľka by mala byť dvojrozmernou tabuľkou našich dvoch premenných (nezobrazené). Nižšie je uvedená tabuľka s názvom „Smerové opatrenia“ (Obrázok 9.7). Zatiaľ sa budeme zaoberať iba prvými dvoma stĺpcami. λ je uvedená v troch hodnotách. Dozvedeli sme sa, že hodnota λ závisí od toho, ktorá premenná sa považuje za závislú premennú. V našom príklade je postoj k umelému prerušeniu tehotenstva z akéhokoľvek dôvodu závislý, takže λ je 0,216. To naznačuje slabý vzťah medzi týmito dvoma premennými. Môžeme dospieť k záveru, že poznanie viery respondenta v Bibliu zvyšuje schopnosť predpovedať jeho potratový postoj iba o 21,6%.

SPSS tiež počíta symetrické λ pre tie tabuľky, kde neexistuje žiadna nezávislá alebo závislá premenná. Tento výpočet presahuje rámec tejto knihy. Okrem toho SPSS poskytuje štatistiku Goodman a Kruskal, ďalšie nominálne meradlo asociácie, aj keď to nebolo požadované. Tieto opatrenia sa vyhotovia vždy, keď sa požaduje λ.

Keby sme skontrolovali φ a Cramerove V. v dialógovom okne Štatistika by mala byť do výstupu zahrnutá tabuľka Symetrické miery (Obrázok 9.7).

Obrázok 9.7. Opatrenia asociácie pre BIBLU a ABANY

Cramer’s V. je 0,338, čo naznačuje miernu súvislosť medzi vierou v Bibliu a podporou legálnych potratov pre ženy z akýchkoľvek dôvodov.

Rovnaké postupy môžeme použiť aj na výpočet γ pre ordinálne miery. Na tejto ukážke preskúmame vzťah medzi dosiahnutým vzdelaním (DEGREE) a postojmi k manželstvám osôb rovnakého pohlavia (MARHOMO). Respondenti boli požiadaní, či by homosexuáli mali mať právo na manželstvo (rozhodne súhlasím, súhlasím, nesúhlasím, dôrazne nesúhlasím). Obe premenné sú ordinálne merania.

Kliknite na Analyzovať, Deskriptívna štatistikapotom Krížové tabuľky sa dostanete do dialógového okna Krížové tabuľky. Do poľa Riadky vložte MARHOMO a do poľa Stĺpce DEGREE. Potom kliknite na tlačidlo Štatistika. Dialógové okno Štatistika obsahuje asi tucet štatistík, z ktorých si môžete vybrať. Kliknite na γ a Kendall's τ-b uvedené v radovej kolónke. SPSS produkuje dve samostatné tabuľky (iné ako Case Processing Summary), prvá je dvojrozmerná tabuľka medzi MARHOMO a DEGREE a druhá je tabuľka symetrických mier γ a ​​Kendall’s τ-b, ktoré sme požadovali (obrázok 9.8).

Obrázok 9.8. Výstup SPSS zobrazujúci vzťah medzi DEGREE a MARHOMO

The Kendall’s τ-b štatistika je v prvom riadku pod stĺpcom s názvom „Hodnota“, za ktorým nasleduje štatistika γ. Pre túto dvojrozmernú tabuľku sú obidve Kendallove τ-b štatistika (–219) a štatistika γ (–299) naznačujú slabý negatívny vzťah medzi úrovňou vzdelania a postojmi k manželstvám osôb rovnakého pohlavia. Používanie Kendallinho τ-b, môžeme znížiť asi 22% našej chyby v predpovedaní postojov k manželstvám osôb rovnakého pohlavia pomocou informácií o vzdelaní respondenta. Použitím γ by sa znížilo asi 30% chyby v predpovedaní postojov k manželstvám osôb rovnakého pohlavia, keby sme mali informácie o dosiahnutom vzdelaní respondenta. Všimnite si, že vzhľadom na to, ako je MARHOMO kódovaný, záporné γ naznačuje, že s pribúdajúcim stupňom je pravdepodobnosť, že respondenti silnejšie súhlasia / súhlasia s tým, že homosexuáli by mali mať právo uzavrieť manželstvo.

Problémy so SPSS [GSS14SSDS-B]

1. Súbor údajov GSS obsahuje odpovede na otázky týkajúce sa stavu vlastníctva domu respondenta (DWELOWN) a jeho subjektívnej identifikácie triedy (TRIEDA). Analyzujte vzťah medzi odpoveďami na tieto dve otázky pomocou postupu SPSS Crosstabs, ktorý požaduje počty a príslušné percentuálne hodnoty buniek. (Kliknite na Analyzovať, Deskriptívna štatistikaa Krížové tabuľky začať.)

a. Koľko percent skupiny robotníkov odpovedalo, že „platia nájom?“

b. Koľko percent z nižšej triedy tvorili vlastníci domu?

c. Koľko percent z tých, ktorí boli majiteľmi domov, bolo tiež zo strednej a vyššej triedy?

d. Existuje vzťah medzi vnímanou triedou a vlastníctvom domu? Ak existuje vzťah, opíšte ho.

e. Znova spustite analýzu, tentokrát pridajte RASU ako kontrolnú premennú. Existuje rozdiel vo vzťahu medzi vnímanou triedou a vlastníctvom domu pre bielych a čiernych?

2. Respondenti GSS boli požiadaní, aby oznámili, za akého kandidáta hlasovali v prezidentských voľbách v roku 2012 (PRES12). Preskúmajte vzťah medzi PRES12, CLASS a SEX. Použite SEX ako kontrolnú premennú. Líši sa prezidentské hlasovanie podľa sociálnej triedy a pohlavia? Vysvetlite.

3. V tomto cvičení testujeme vzťah medzi volebnými voľbami prezidenta 2008 - 2012 (PRES08 a PRES12) a pocitmi respondentov z Biblie (BIBLIA).

a. Ktorú premennú treba definovať ako závislú premennú? Vysvetli svoju odpoveď.

b. Pomocou krížových tabuliek SPSS vytvorte dve tabuľky s BIBLE a každou z premenných PRES. Explain the relationship between the two variables for 2008 and 2012. (When you discuss your findings, exclude those respondents who did not vote.) If the respondent believes the Bible is the word of God, how did the respondent vote in 2008 or 2012?

c. Examine the relationship between BIBLE and one of the PRES variables with a control variable of your choice.

4. Describe the relationship between PRES12 and agreement to the statement, “America should exclude illegal immigrants” (EXCLDIMM). Define PRES12 as the dependent variable.

For Exercises 5–9, Switch to the [GSS14SSDS-A] Data Set

5. Does marital happiness vary by respondent’s sex?

a. Use SPSS to investigate the relationship between SEX and HAPMAR (happiness of marriage). Create a bivariate table and ask for appropriate percentages and expected values. Does the table have a large number of cells with expected values less than 5? Are there any surprises in the data?

b. Have SPSS calculate χ 2 for the table.

c. Test the null hypothesis at the .05 significance level. What do you conclude?

d. Select another demographic variable (DEGREE or CLASS) and investigate its relationship with HAPMAR.

6. Investigate the relationship between social class (CLASS) and general happiness rating (HAPPY). Does money buy happiness? Have SPSS calculate the cross-tabulation, along with χ 2 (set α at .05). What can you conclude?

7. Examine the relationships between respondent’s health (HEALTH) and educational degree (DEGREE). Define DEGREE as your independent variable.

a. Request the appropriate measures of association to describe the relationship between these two variables. Interpret your measures of association.

b. Calculate the χ 2 for the table. Test the null hypothesis at the .05 level. What do you conclude?

8. Reexamine the relationship between the importance of being a Christian in order to be truly American (AMCHRSTN) and attitudes toward homosexuality (HOMOSEX) which we first explored in chapter 9’s SPSS Demonstration. Use the GSS14SSDS-B data set.

a. Which variable is the dependent variable? Explain.

b. Identify and calculate the appropriate measure of association to describe the relationship between the two variables.

c. Add SEX as a control variable and calculate the γ for each partial table. Is the relationship stronger for women or men? Can you think of reasons why this might be so?


A concentric contraction is a type of muscle contraction in which the muscles shorten while generating force, overcoming resistance. For example, when lifting a heavy weight, a concentric contraction of the biceps would cause the arm to bend at the elbow, lifting the weight towards the shoulder. Cross-bridge cycling occurs, shortening the sarcomere, muscle fiber, and muscle.

An eccentric contraction results in the elongation of a muscle while the muscle is still generating force in effect, resistance is greater than force generated. Eccentric contractions can be both voluntary and involuntary. For example, a voluntary eccentric contraction would be the controlled lowering of the heavy weight raised during the above concentric contraction. An involuntary eccentric contraction may occur when a weight is too great for a muscle to bear and so it is slowly lowered while under tension. Cross-bridge cycling occurs even though the sarcomere, muscle fiber, and muscle are lengthening, controlling the extension of the muscle.

Types of Muscle Contraction: An isotonic concentric contraction results in the muscle shortening, an isotonic eccentric contraction results in the muscle lengthening. During an isometric contraction the muscle is under tension but neither shortens nor lengthens.


Exercises - 9. evaluation techniques

(i) The participants.
(ii) The technique used.
(iii) Representative tasks to be examined.
(iv) Measurements that would be appropriate.
(v) An outline plan for carrying out the evaluation.

(a) You are at an early stage in the design of a spreadsheet package and you wish to test what type of icons will be easiest to learn.
(b) You have a prototype for a theatre booking system to be used by potential theatre-goers to reduce queues at the box office.
(c) You have designed and implemented a new game system and want to evaluate it before release.
(d) You have developed a group decision support system for a solicitor's office.
(e) You have been asked to develop a system to store and manage student exam results and would like to test two different designs prior to implementation or prototyping.

Note that these answers are illustrative there are many possible evaluation techniques that could be appropriate to the scenarios described.


Series¶

Two important data types defined by pandas are Series and DataFrame .

You can think of a Series as a “column” of data, such as a collection of observations on a single variable.

A DataFrame is an object for storing related columns of data.

Here you can imagine the indices 0, 1, 2, 3 as indexing four listed companies, and the values being daily returns on their shares.

Pandas Series are built on top of NumPy arrays and support many similar operations

But Series provide more than NumPy arrays.

Not only do they have some additional (statistically oriented) methods

But their indices are more flexible

Viewed in this way, Series are like fast, efficient Python dictionaries (with the restriction that the items in the dictionary all have the same type—in this case, floats).

In fact, you can use much of the same syntax as Python dictionaries


Features

  • Pre-exercise ‘Building Understanding’ questions immediately after ‘Key Ideas’ to promote class discussion and to help consolidate the fundamental skills and concepts needed for the topic.
  • ‘Now You Try’ questions added to every worked example to give students immediate practice at applying what they’ve learned before they get to the exercise.
  • A set of graded and scaffolded ‘Applications and Problem-solving’ activities allowing students to investigate practical applications of the knowledge and skills developed throughout the chapter.
  • Learning Intentions at the start of each lesson and Success Criteria at the end of each chapter to help students keep track of their progress.

Additional features in the Interactive Textbook and Online Teaching Suite, powered by Cambridge HOTmaths:


PDF 2015 – ISBN-10: 1285452348 – Information Technology Project Management (8 edition) By Kathy Schwalbe # 4542


Gain a strong understanding of IT project management as you learn to apply today’s most effective project management tools and techniques with the unique approach found in INFORMATION TECHNOLOGY PROJECT MANAGEMENT, 8E. This book emphasizes the latest developments and skills to help you prepare for the Project Management Professional (PMP) or Certified Associate in Project Management (CAPM) exams. While this edition reflect content from the latest the PMBOK® Guide, it goes well beyond the Guide to provide a meaningful context for project management. Hundreds of timely examples highlight IT projects, while quick quizzes, discussion questions, exercises, and ongoing cases reinforce your learning. Time-saving template files assist in completing tasks. Examples from familiar companies featured in today’s news, an Agile case, MindView software, and a guide to using Microsoft Project 2013 help you master IT project management skills that are marketable around the globe.

Preface xix

Introduction to Project Management 1

The Project Management and Information Technology Context 43

The Project Management Process Groups: A Case Study 79

Project Integration Management 137

Project Scope Management 183

Project Time Management 221

Project Cost Management 263

Project Quality Management 299

Project Human Resource Management 343

Project Communications Management 389

Project Risk Management 425

BRIEF CONTENTS

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

Project Procurement Management 465

Project Stakeholder Management 495

Guide to Using Microsoft Project 2010 A.1

Glosár G.1

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Chapter 1 Introduction to Project Management 1

1.2a Examples of IT Projects 4

1.2c Project Constraints 7

1.3 What Is Project Management? 9

1.3a Project Stakeholders 10

1.3b Project Management Knowledge Areas 11

1.3c Project Management Tools and Techniques 12

1.4 Program and Project Portfolio Management 17

1.4b Project Portfolio Management 18

1.5 The Role of the Project Manager 22

1.5a Project Manager Job Description 22

1.5b Suggested Skills for Project Managers 23

1.5c Importance of People Skills and Leadership Skills 25

1.5d Careers for IT Project Managers 27

1.6 The Project Management Profession 28

1.6a History of Project Management 28

1.6b The Project Management Institute 32

1.6c Project Management Certification 33

1.6d Ethics in Project Management 34

1.6e Project Management Software 35

Chapter 2 The Project Management and Information Technology Context 43

2.1 A Systems View of Project Management 45

2.1a What Is a Systems Approach? 45

2.1b The Three-Sphere Model for Systems Management 46

TABLE OF CONTENTS

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

2.2 Understanding Organizations 47

2.2a The Four Frames of Organizations 47

2.2b Organizational Structures 49

2.2c Organizational Culture 51

2.3 Focusing on Stakeholder Needs 52

2.3a The Importance of Top Management Commitment 54

2.3b The Need for Organizational Commitment to Information Technology 55

2.3c The Need for Organizational Standards 56

2.4 Project Phases and the Project Life Cycle 57

2.4a Product Life Cycles 59

2.4b The Importance of Project Phases and Management Reviews 62

2.5 The Context of Information Technology Projects 64

2.5a The Nature of IT Projects 64

2.5b Characteristics of IT Project Team Members 64

2.5c Diverse Technologies 65

2.6 Recent Trends Affecting Information Technology Project Management 65

2.6d Agile Project Management 69

2.6e The Manifesto for Agile Software Development 69

2.6g Agile, the PMBOK® Guide, and a New Certification 71

Chapter 3 The Project Management Process Groups: A Case Study 79

3.1 Project Management Process Groups 80

3.2 Mapping the Process Groups to the Knowledge Areas 85

3.3 Developing an It Project Management Methodology 86

3.4 Case Study 1: JWD Consulting’s Project Management Intranet Site Project

3.4a Project Pre-Initiation and Initiation 89

3.4b Pre-Initiation Tasks 90

3.4e Project Execution 107

3.4f Project Monitoring and Controlling 111

3.5 Case Study 2: JWD Consulting’s Project Management Intranet Site Project

3.5a Scrum Roles, Artifacts, and Ceremonies 118

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

3.5b Project Pre-Initiation and Initiation 121

3.5e Monitoring and Controlling 124

3.6 Templates by Process Group 126

Chapter 4 Project Integration Management 137

4.1 What is Project Integration Management? 138

4.2 Strategic Planning and Project Selection 141

4.2a Strategic Planning 141

4.2b Identifying Potential Projects 143

4.2c Aligning IT with Business Strategy 144

4.3 Methods for Selecting Projects 146

4.3a Focusing on Broad Organizational Needs 146

4.3b Categorizing IT Projects 146

4.3c Performing Financial Analyses 147

4.3d Using a Weighted Scoring Model 152

4.3e Implementing a Balanced Scorecard 154

4.4 Developing a Project Charter 155

4.5 Developing a Project Management Plan 158

4.5a Project Management Plan Contents 158

4.5b Using Guidelines to Create Project Management Plans 161

4.6 Directing and Managing Project Work 162

4.6a Coordinating Planning and Execution 163

4.6b Providing Strong Leadership and a Supportive Culture 163

4.6c Capitalizing on Product, Business, and Application Area Knowledge 164

4.6d Project Execution Tools and Techniques 165

4.7 Monitoring and Controlling Project Work 166

4.8 Performing Integrated Change Control 168

4.8a Change Control on IT Projects 169

4.8b Change Control System 169

4.9 Closing Projects or Phases 172

4.10 Using Software to Assist in Project Integration Management 172

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

Chapter 5 Project Scope Management 183

5.1 What Is Project Scope Management? 184

5.2 Planning Scope Management 186

5.3 Collecting Requirements 188

5.5 Creating the Work Breakdown Structure 194

5.5a Approaches to Developing Work Breakdown Structures 199

5.5b The WBS Dictionary 203

5.5c Advice for Creating a WBS and WBS Dictionary 204

5.7a Suggestions for Improving User Input 208

5.7b Suggestions for Reducing Incomplete and Changing Requirements 209

5.8 Using Software to Assist in Project Scope Management 210

Chapter 6 Project Time Management 221

6.1 The Importance of Project Schedules 222

6.2 Planning Schedule Management 225

6.3 Defining Activities 225

6.4 Sequencing Activities 228

6.5 Estimating Activity Resources 232

6.6 Estimating Activity Durations 233

6.7 Developing the Schedule 234

6.7b Adding Milestones to Gantt Charts 236

6.7c Using Tracking Gantt Charts to Compare Planned and Actual Dates 237

6.7d Critical Path Method 238

6.7e Calculating the Critical Path 239

6.7f Growing Grass Can Be on the Critical Path 240

6.7g Using Critical Path Analysis to Make Schedule Trade-Offs 240

6.7h Using the Critical Path to Shorten a Project Schedule 242

6.7i Importance of Updating Critical Path Data 243

6.7j Critical Chain Scheduling 243

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

6.7k Program Evaluation and Review Technique (PERT) 247

6.7l Agile and Time Management 248

6.8 Controlling the Schedule 248

6.8a Reality Checks on Scheduling and the Need for Discipline 249

6.9 Using Software to Assist in Project Time Management 250

Words of Caution on Using Project Management Software 251

Chapter 7 Project Cost Management 263

7.1 The Importance of Project Cost Management 264

7.1b What Is Project Cost Management? 266

7.2 Basic Principles of Cost Management 266

7.3 Planning Cost Management 270

7.4a Types of Cost Estimates 271

7.4b Cost Estimation Tools and Techniques 273

7.4c Typical Problems with IT Cost Estimates 274

7.4d How to Develop a Cost Estimate 275

7.5 Determining the Budget 281

7.6a Earned Value Management 282

7.6b Project Portfolio Management 288

7.7 Using Project Management Software to Assist in Project Cost Management 289

Chapter 8 Project Quality Management 299

8.1 The Importance of Project Quality Management 300

8.2 What Is Project Quality Management? 302

8.3 Planning Quality Management 304

8.4 Performing Quality Assurance 306

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

8.5 Controlling Quality 307

8.6 Tools and Techniques for Quality Control 308

8.6a Statistical Sampling 314

8.7 Modern Quality Management 322

8.7a Deming and His 14 Points for Management 322

8.7b Juran and the Importance of Top Management Commitment to Quality 323

8.7c Crosby and Striving for Zero Defects 323

8.7d Ishikawa’s Guide to Quality Control 324

8.7e Taguchi and Robust Design Methods 324

8.7f Feigenbaum and Workers’ Responsibility for Quality 325

8.7g Malcolm Baldrige National Quality Award 325

8.8 Improving It Project Quality 326

8.8b The Cost of Quality 327

8.8c The Impact of Organizational Influences, and Workplace Factors on Quality 329

8.8d Expectations and Cultural Differences in Quality 329

8.9 Using Software to Assist in Project Quality Management 333

Chapter 9 Project Human Resource Management 343

9.1 The Importance of Human Resource Management 344

9.1a The Global IT Workforce 344

9.1b Implications for the Future of IT Human Resource Management 345

9.2 What is Project Human Resource Management? 347

9.3 Keys to Managing and Leading People 348

9.3a Motivation Theories 349

9.3b Influence and Power 353

9.3c Covey and Improving Effectiveness 355

9.3d Emotional Intelligence 357

9.4 Developing the Human Resource Plan 359

9.4a Project Organizational Charts 360

9.4b Responsibility Assignment Matrices 362

9.4c Staffing Management Plans and Resource Histograms 363

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

9.5 Acquiring the Project Team 364

9.5a Resource Assignment 364

9.5c Resource Leveling 367

9.6 Developing the Project Team 369

9.6b Team-Building Activities 371

9.6c Reward and Recognition Systems 375

9.7 Managing the Project Team 375

9.7a Tools and Techniques for Managing Project Teams 376

9.7b General Advice on Managing Teams 378

9.8 Using Software to Assist in Human Resource Management 379

Chapter 10 Project Communications Management 389

10.1 The Importance of Project Communications Management 390

10.2 Keys to Good Communications 392

10.2a Focusing on Group and Individual Communication Needs 392

10.2b Formal and Informal Methods for Communicating 394

10.2c Distributing Important Information in an Effective and Timely Manner 395

10.2d Setting the Stage for Communicating Bad News 395

10.2e Determining the Number of Communication Channels 396

10.3 Planning Communications Management 398

10.4 Managing Communications 399

10.4a Using Technology to Enhance Information Creation and Distribution 400

10.4b Selecting the Appropriate Communication Methods and Media 401

10.4c Reporting Performance 403

10.5 Controlling Communications 404

10.6 Suggestions for Improving Project Communications 405

10.6a Developing Better Communication Skills 405

10.6b Running Effective Meetings 406

10.6c Using E-Mail, Instant Messaging, Texting, Kanban Boards, and

Collaborative Tools Effectively 408

10.6d Using Templates for Project Communications 411

10.7 Using Software to Assist in Project Communications 414

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

Chapter 11 Project Risk Management 425

11.1 The Importance of Project Risk Management 426

11.2 Planning Risk Management 433

11.3 Common Sources of Risk on IT Projects 434

11.4 Identifying Risks 438

11.4a Suggestions for Identifying Risks 439

11.4b The Risk Register 440

11.5 Performing Qualitative Risk Analysis 442

11.5a Using Probability/Impact Matrixes to Calculate Risk Factors 443

11.5b Top Ten Risk Item Tracking 444

11.6 Performing Quantitative Risk Analysis 447

11.6a Decision Trees and Expected Monetary Value 447

11.6c Sensitivity Analysis 451

11.7 Planning Risk Responses 452

11.8 Controlling Risks 454

11.9 Using Software to Assist in Project Risk Management 455

Chapter 12 Project Procurement Management 465

12.1 The Importance of Project Procurement Management 466

12.2 Planning Procurement Management 471

12.2a Types of Contracts 471

12.2b Tools and Techniques for Planning Procurement Management 476

12.2c Procurement Management Plan 477

12.2d Statement of Work 478

12.2e Procurement Documents 478

12.2f Source Selection Criteria 481

12.3 Conducting Procurements 481

12.4 Controlling Procurements 483

12.5 Closing Procurements 484

12.6 Using Software to Assist in Project Procurement Management 485

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

Chapter 13 Project Stakeholder Management 495

13.1 The Importance of Project Stakeholder Management 496

13.2 Identifying Stakeholders 498

13.3 Planning Stakeholder Management 502

13.4 Managing Stakeholder Engagement 503

13.5 Controlling Stakeholder Engagement 506

13.6 Using Software to Assist in Project Stakeholder Management 508

Appendix A Guide to Using Microsoft Project 2013 A.1

Project Management Software Reviews A.3

Basic Features of Project Management Software A.6

What’s New in Project 2013 A.7

Using the 60-Day Trial of Project 2013 A.8

Overview of Project 2013 A.9

Exploring Project 2013 Using an Existing File A.15

Creating a New File and Entering Tasks in a Work Breakdown Structure A.23

Creating a New Project File A.23

Creating a Work Breakdown Structure Hierarchy A.25

Creating Summary Tasks A.26

Saving Project Files Without a Baseline A.28

Developing the Schedule A.29

Entering Task Durations A.34

Establishing Task Dependencies A.38

Gantt Charts, Network Diagrams, and Critical Path Analysis A.43

Copyright 2016 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).

Editorial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.

Project Cost and Resource Management A.46

Entering Fixed and Variable Cost Estimates A.46

Entering Baseline Plans, Actual Costs, and Actual Times A.52

Viewing Earned Value Management Data A.56

Integrating Project 2013 with Other Applications and Apps for Office A.57


How to Lose Weight Just by Exercising

This article was co-authored by Julian Arana, M.S.eD., NCSF-CPT. Julian Arana is a Personal Trainer and the Founder of B-Fit Training Studios, a personal training and wellness set of studios based in Miami, Florida. Julian has over 12 years of personal training and coaching experience. He is a certified personal trainer (CPT) by the National Council on Strength and Fitness (NCSF). He has a BS in Exercise Physiology from Florida International University and an MS in Exercise Physiology specializing in strength and conditioning from the University of Miami.

There are 17 references cited in this article, which can be found at the bottom of the page.

wikiHow marks an article as reader-approved once it receives enough positive feedback. In this case, 100% of readers who voted found the article helpful, earning it our reader-approved status.

This article has been viewed 304,717 times.

Weight loss doesn’t have to be complicated: if you burn more calories than you consume, you’ll lose weight! However, you don’t have to go on a strict diet or count every calorie to be successful in weight loss. If you create an active lifestyle and make exercise a habit, you’ll be able to lose weight.


Pozri si video: Come nascondere app su iPhone senza jelibreak ios e (November 2021).