Moduł ilościowy Testu SGH – zakres, wzory i pułapki

SGH opisuje moduł ilościowy jako „praktyczne, życiowe kompetencje” z zakresu wprowadzenia do analizy danych, logiki formalnej, pomiaru, wizualizacji i podstaw metod ilościowych. Poniżej zestawiliśmy wszystkie siedem obszarów z najczęstszą pułapką w każdym z nich.

Oficjalny opis obejmuje zapis zdań matematycznych, operatory logiczne (koniunkcja, alternatywa, implikacja, równoważność), kwantyfikatory oraz zasady zaprzeczania zdań. W pytaniach pojawiają się zdania z życia („Karol uprawia piłkę lub koszykówkę”), które trzeba ocenić albo zaprzeczyć.

Pytania opierają się na krótkich tekstach praktycznych: rozkładzie jazdy, regulaminie, opisie procedury. Test sprawdza, czy odróżniasz informację jawną (napisaną wprost) od domyślnej (wynikającej z tekstu) i czy potrafisz odpowiedzieć bez nadinterpretacji.

1. Ustal, jaki dzień, godzinę i warunek dotyczą pytania; resztę potraktuj jako szum.
2. Zaznacz wyjątki (szczyt, weekend, ostatni kurs) i sprawdź, czy dotyczą Twojego przypadku.
3. Odpowiadaj tylko na podstawie tekstu: jeśli czegoś nie ma w opisie, nie możesz tego założyć.
4. W pytaniach „na pewno wynika” odrzucaj odpowiedzi, które są prawdopodobne, ale nie pewne.

Procent a punkt procentowy

Gdy stopa bezrobocia rośnie z 5% do 6%, zmiana wynosi +1 punkt procentowy (6 − 5), ale względnie +20% ((6 − 5) / 5). Błędna baza (6 zamiast 5) daje 16,7% – to częsty dystraktor. Ta sama zasada dotyczy stóp procentowych, udziałów w rynku i inflacji.

Dynamika: r/r, m/m, indeksy

Zmiana rok do roku (r/r) porównuje ten sam okres z dwóch lat, m/m – sąsiednie miesiące. Indeks o podstawie stałej (np. 2020 = 100) pozwala porównywać szeregi, ale efekt bazy sprawia, że wzrost z niskiego poziomu wygląda imponująco.

Wartości realne i nominalne

Symbol n oznacza nominalną zmianę (np. płac), a π – inflację. Jeśli ceny podwoiły się (+100%), a płace wzrosły o 50%, to realnie płace spadły o 25% (1,5 / 2 = 0,75).

Wartości przedziałowe i niepewność pomiaru

• Suma przedziałów: [a, b] + [c, d] = [a + c, b + d].
• Różnica przedziałów: [a, b] − [c, d] = [a − d, b − c] (odejmujesz „najgorszy z najlepszym”).
• Szersze przedziały oznaczają większą niepewność, ale bezpieczniejsze wnioski.

Typy danych i braki danych

Dane mogą być nominalne (kategorie), porządkowe (kolejność), przedziałowe i ilorazowe; nie każde działanie ma sens (średnia z kodów pocztowych jest bez znaczenia). Brakujące wartości można uzupełnić imputacją średnią lub medianą. Mediana jest odporna na wartości odstające, a imputacja średnią zaniża zmienność (wariancję) i może zniekształcić korelacje.

SGH wymienia wektory, tablice, obrazy, ciągi znaków i tokenów, pojęcie wielowymiarowości, własności miar (symetria, nierówność trójkąta) oraz sześć konkretnych miar. Obiekty (klienci, teksty, obrazy) zapisuje się jako wektory cech, a ich „bliskość” liczy odpowiednim wzorem.

Własności metryki: nieujemność, d(x, x) = 0, symetria d(x, y) = d(y, x) oraz nierówność trójkąta d(x, z) ≤ d(x, y) + d(y, z). Miara 1 − cos θ jest często używana jako „odległość kosinusowa”, ale nierówności trójkąta nie spełnia. Korelacja Pearsona to kosinus między wektorami po odjęciu średniej. Przed liczeniem odległości cechy o różnych skalach zwykle się normalizuje, bo inaczej dominuje cecha o największych wartościach.

Dużą rolę grają skale osi: ucięta oś Y wyolbrzymia różnice, skala logarytmiczna zamienia stałe tempo wzrostu w linię prostą, a dwa panele z różnymi skalami utrudniają porównanie. W pytaniach pytają zwykle o to, który szereg „zmienił się bardziej” albo co wynika z kształtu wykresu.

Prognoza punktowa to jedna liczba, przedziałowa – zakres, w którym wartość znajdzie się z określonym prawdopodobieństwem (np. 90%). Szerszy przedział daje większą pewność, ale mniejszą precyzję. Prognoza ex-ante powstaje przed poznaniem wartości rzeczywistej, ex-post to ocena prognozy po jej poznaniu (błąd faktyczny).

Niech yₜ oznacza wartość rzeczywistą, a ŷₜ prognozę. Klasyczne miary jakości prognoz:

• ME pokazuje obciążenie (systematyczne zawyżanie lub zaniżanie), ale błędy dodatnie i ujemne się znoszą. Błędy +2, −2, +2, −2 dają ME = 0.
• RMSE ≥ MAE, a równość zachodzi wtedy i tylko wtedy, gdy wszystkie błędy mają taki sam moduł. RMSE mocniej karze duże błędy.
• MAPE nie zależy od skali danych, ale rozpada się, gdy wartość rzeczywista jest bliska zera.
• Źródła błędów prognoz: szoki losowe, zła specyfikacja modelu, niestabilność relacji, błędy danych, zbyt długi horyzont.

Najczęstsze zadanie to ocena zdań o tabeli, np. „które zdanie jest błędne”. Kluczowe jest rozróżnienie odsetka w wierszu, w kolumnie i od ogółu: „wśród psów 61% adoptowano” to inne zdanie niż „wśród adoptowanych 41% to psy”. Kto porównuje liczby bezwzględne zamiast odsetków, wpada w pułapkę.

Analiza asocjacyjna wyszukuje przedmioty, które często występują razem (np. w koszykach zakupowych). Podejście item-to-item poleca produkty podobne do tych, które kupił klient, na podstawie wspólnych klientów (np. miarą Jaccarda lub kosinusową).

Lift większy od 1 oznacza, że A i B występują razem częściej, niż wynikałoby z przypadku. Warto znać też paradoks Simpsona: zależność widoczna w każdej podgrupie może odwrócić się po zsumowaniu danych.

1. Zacznij od oficjalnych 7 pytań ilościowych z PDF SGH i dla każdego zapisz, który obszar sprawdza i jaka była pułapka.
2. Obszary 1–3 opanuj w pierwszej kolejności – to najtańsze punkty, bo znasz materiał ze szkoły.
3. Obszary 4–7 ucz się wzorami i małymi liczbami: licz Hamminga, Jaccarda, ME/MAE/RMSE na trzech–pięciu liczbach, w pamięci.
4. Do każdego wykresu zadaj sobie pytanie: „jak ta forma może mnie oszukać?”.
5. Trenuj tempo: zadania tego typu mają mieścić się w 1–3 minutach.

Pojęcia z tej strony znajdziesz w słowniku pojęć Testu SGH, a przykładowe zadania z rozwiązaniami w artykule Przykładowe pytania Testu SGH.