Professional Documents
Culture Documents
Definicje Pojęć Statystycznych
Definicje Pojęć Statystycznych
terminy
związane
z
metodyką
Six
Sigma
Zebrał
i
opracował:
Łukasz
Kubacki,
lukasz.kubacki@octigo.pl
Six Sigma
BPMS
BPMS
(Business
Process
Management
System)
to
zbiór
zasad
umożliwiających
skuteczne
zaplanowanie
i
monitorowanie
krytycznych
dla
firmy
procesów,
które
wymagają
współdziałania
pomiędzy
różnymi
funkcjami
i
szczeblami
w
organizacji,
czyli
• jednoznaczne, zgodne ze stanem faktycznym, graficzne opisanie zakresu i przebiegu procesu,
Mapa
procesu
Graficzne
przedstawienie
przebiegu
procesu
zgodnie
z
chronologią
czynności.
Zależnie
od
szczegółowości
opisu
określany
jest
poziom
mapy
0,
1,
2,
3
itd.
Poziom
0
i
1
to
poziomy
łańcucha
wartości.
Zmienność
“Zmienność,
to
ruch!
Można
ją
określić
jako
różnicę
między
faktycznymi
wynikami,
czyli
wykresami
danych,
a
porównanymi
z
nimi
limitami
lub
istotnymi
standardami”.
Zmienność,
to
“głos
procesu”
–
do
jego
zrozumienia
używane
są
karty
kontrolne.
Wszelkie
policzalne
różnice
w
indywidualnych
pomiarach,
będące
wynikiem
przyczyn
zwykłych
i
szczególnych
Stabilny proces to taki w którym zmienność jest wynikiem wyłącznie przyczyn zwykłych
Limity
kontrolne
Definiowane
w
oparciu
o
wyniki
procesu
(+/-‐
3
obliczone
odchylenie
standardowe
od
średniej).
Pomagają
ustalić,
czy
proces
jest
“pod
kontrolą”
(bez
zmienności
przyczyny
szczególnej).
Naniesione
na
wykresy
kontrolne.
Zmieniają
się,
gdy
nastąpi
sprawdzona
i
istotna
zmiana
procesu.
• przetestowania
• skalibrowania
Powstaje ewolucyjnie.
DPU/DPO/DPMO
DPU
(defects
per
unit)
–
współczynnik
liczby
wszystkich
błędów
do
liczby
analizowanych
przypadków
Przykład:
ile
wynosi
DPU
jeżeli
znaleziono
55
błędów
w
220
dostarczonych
wnioskach
kredytowych?
DPU=55/220=0,04
DPO
(defects
per
opportunity)
–
współczynnik
liczby
defektów
do
wszystkich
możliwości
ich
popełnienia.
Przykład:
ile
wynosi
DPO
jeżeli
w
każdym
wniosku
istnieje
20
możliwości
popełnienia
błędu?
DPO=55/(220x20)=
Histogram
Wykres
słupków
przylegających
do
siebie
prezentujący
graficznie
rozkład
częstości.
Przedstawiony
w
postaci
histogramu
wykres
prezentuje
rozkład
zmiennej
Y(
efekt
procesu)
z
uwzględnieniem
frekwencji
czyli
częstości
występowania.
Wykres kontrolny
Sigma
Symbol
odchylenia
standardowego;
dystans
pomiędzy
średnią
a
wartością
1
sigma
po
obu
stronach
średniej
odpowiada
68,26%
rozkładu,
pomiędzy
średnią
a
2
sigma
odpowiada
95,44%,
pomiędzy
średnią
a
3
sigma
odpowiada
99,73%,
pomiędzy
średnią
a
4
sigma
odpowiada
99,9%.
Poziom
sigma
–
statystyczne
oszacowanie
błędowości
procesu
Właściciel
Procesu
W
fazie
przygotowania
BPMS
jest
odpowiedzialny
za
terminowe
uruchomienie
pomiarów
i
prezentację
dashboardów.
Ustala
na
podstawie
VOC
założenia
dotyczące
całego
procesu
(end-‐to-‐
end)
z
punktu
widzenia
Klienta
oraz
definiuje
zakres
podprocesów
-‐
pełni
funkcję
ambasadora
klienta.
Jest
odpowiedzialny
za
optymalizowanie
procesu
poprzez:
• upraszczanie,
• standaryzację,
• automatyzację.
Zespół
Procesowy
Analizuje
dane.
Podejmuje
działania
usprawniające.
Przygotowuje
sprawozdania
z
przeprowadzonych
działań
(usprawnień).
Egzekwuje
wyznaczone
zadania
Black
Belt
pełni
wiodącą
rolę
w
przygotowaniu
dashboardu
w
okresie
pierwszych
trzech
miesięcy
od
wdrożenia
BPMS.
Po
tym
okresie
stopniowo
przekazuje
realizację
członkom
zespołu
procesowego.
Średnia arytmetyczna
Średnia
arytmetyczna
jest
właśnie
tym,
co
w
potocznym
języku
określa
się
mianem
średniej.
Można
ją
również
określić
jako
średnią
potęgową
rzędu
1.
Na
przykład
średnią
liczb
-‐5,-‐3,
0
i
12
jest
Średnia
arytmetyczna
jest
jedną
z
najbardziej
intuicyjnych
miar
oceny
populacji,
stosowanych
często
w
codziennym
życiu
–
przykładem
może
być
średnia
ocen
z
matematyki
ucznia
szkoły
podstawowej,
który
otrzymał
następujące
noty:
2,
4,
4,
5,
6.
W
podobny
sposób
można
mówić
o
średniej
płacy
w
danej
firmie,
średniej
cenie
pomarańczy
na
targowiskach
w
lipcu
2004
roku
czy
średnim
wzroście
poborowych
w
danym
roczniku.
Średnia
arytmetyczna
jest
dobrą
miarą
położenia
rozkładu
i
jednocześnie
miarą
tendencji
centralnej.
Jest
to
miara
klasyczna
rozkładu,
czyli
każda
zmiana
dowolnego
elementu
badanego
zbioru
pociąga
za
sobą
zmianę
wartości
średniej.
Średnia harmoniczna
Średnia geometryczna
Kwartyl
Kwartyl -‐ jest jedną z miar położenia obserwacji (z dokładnością +/-‐1).
• pierwszy
kwartyl
(notacja:
Q1)
=
kwartyl
rzędu
1/4
=
pierwszy
kwartyl
=
dolny
kwartyl
=
25%
obserwacji
jest
położonych
poniżej
=
25.
procent
• drugi kwartyl (notacja: Q2) = mediana = kwartyl rzędu 1/2 = dzieli zbiór obserwacji na połowę = 50. procent
• trzeci
kwartyl
(notacja:
Q3)
=
górny
kwartyl
=
kwartyl
rzędu
3/4
=
dzieli
zbiór
obserwacji
na
dwie
część
odpowiednio
po
75%
położonych
poniżej
tego
kwartyla
i
25%
położonych
powyżej
=
75.
procent
Różnica
między
trzecim
i
pierwszym
kwartylem
to
tzw.
rozstęp
kwartylny,
zaś
jego
połowa
to
odchylenie
ćwiartkowe.
Dominanta
• w zbiorze {jabłko, gruszka, jabłko, pomarańcza, gruszka, banan, jabłko} dominantą jest jabłko;
Dominanta
jest
niedoceniana
w
zagadnieniach
społecznych
czy
ekonomicznych
np.
przy
analizowaniu
zagadnień
płacowych
gdyż
lepiej
od
powszechnie
stosowanego
średniego
wynagrodzenia
oddaje
strukturę
wynagrodzeń.
Np.
w
sklepie
pracuje
5
osób:
kierownik
z
wynagrodzeniem
10000
zł;
zastępca
7000
zł
i
trzech
sprzedawców
po
1000
zł
-‐
średnie
wynagrodzenie
to
4
tysiące
a
najczęstsze
(dominanta)
to
1000
złotych.
Rozstęp
to
różnica
między
największą
i
najmniejszą
wartością
cechy
statystycznej
w
zbiorze
(lub
różnica
między
najwyższą
i
najniższą
zaobserwowaną
wartością
zmiennej).
Rozstęp
jest
najprostszą
z
miar
rozrzutu,
mało
precyzyjną,
gdyż
opiera
się
tylko
na
dwu
zaobserwowanych
wartościach
zmiennej,
a
pozostałe
wartości
nie
mają
wpływu
na
jej
wielkość.
Przykład
zastosowania:
w
pedagogice
w
analizie
ilościowej
wyników
egzaminowania
rozstęp
bywa
obliczany
dla
uzyskania
wstępnej
orientacji
co
do
rezultatów
egzaminowania
albo
wtedy,
gdy
chodzi
wyłącznie
o
krańcowe
wyniki.
Odchylenie standardowe
Odchylenie
standardowe
–
klasyczna
miara
zmienności,
obok
średniej
arytmetycznej
najczęściej
stosowane
pojęcie
statystyczne.
Intuicyjnie
rzecz
ujmując,
odchylenie
standardowe
mówi,
jak
szeroko
wartości
jakiejś
wielkości
(takiej
jak
np.
[1]
wiek,
inflacja,
kurs
akcji
itp.)
są
rozrzucone
wokół
jej
średniej .
Im
mniejsza
wartość
odchylenia
tym
obserwacje
są
bardziej
skupione
wokół
średniej.
• odchylenie
standardowe
zmiennej
losowej,
będące
właściwością
badanego
zjawiska.
Daje
się
ono
obliczyć
[3]
na
podstawie
ścisłych
informacji
o
rozkładzie
zmiennej
losowej .
Rozkład
ten
w
praktycznych
badaniach
nie
jest
zwykle
znany.
• odchylenie
standardowe
w
populacji,
które
jest
liczbą
dającą
się
obliczyć
dokładnie,
jeśli
znane
byłyby
wartości
zmiennej
dla
wszystkich
obiektów
populacji;
odpowiada
odchyleniu
zmiennej
losowej,
której
rozkład
jest
identyczny
z
rozkładem
w
populacji.
Wariancja
Wariancja
to
w
statystyce
klasyczna
miara
zmienności.
Intuicyjnie
utożsamiana
ze
zróżnicowaniem
zbiorowości;
jest
średnią
arytmetyczną
kwadratów
odchyleń
(różnic)
poszczególnych
wartości
cechy
od
wartości
oczekiwanej.
Mediana
(zwana
też
wartością
środkową,
wartością
przeciętną
lub
drugim
kwartylem)
–
w
statystyce
wartość
cechy
w
szeregu
uporządkowanym,
powyżej
i
poniżej
której
znajduje
się
jednakowa
liczba
obserwacji.
Mediana
spełnia
następujący
warunek:
jeśli
szukamy
liczby
takiej,
że
średnia
modułów
odchyleń
wartości
dla
wszystkich
obserwacji
od
niej
byłaby
najmniejsza,
to
liczbą
tą
jest
właśnie
mediana.
Dzięki
temu
mediana
ma
interpretację
jako
optymalne
przewidywanie
wartości
za
pomocą
jednej
liczby,
jeśli
przyjętą
funkcją
błędu
przewidywania
jest
moduł
odchylenia
(różnicy).
obserwacji numer ). Jeśli natomiast n jest parzyste, wynikiem jest średnia arytmetyczna między dwiema
• Wersja,
w
której
dla
parzystego
n
zamiast
średniej
arytmetycznej
losuje
się
jedną
z
wartości
dla
dwóch
obserwacji:
numer
n/2
lub
n/2+1.
Taka
mediana
nie
wyprowadza
wyniku
poza
zbiór
dotychczasowych
wartości.
Znajduje
zastosowanie
szczególnie
przy
obróbce
dwubarwnych
map
bitowych.
Klasyczna
mediana
wymagałaby
wówczas
wprowadzenia
obok
istniejących
kolorów
białego
i
czarnego
także
koloru
szarego.
• Mediana
ważona
w
której
każda
obserwacja
ma
przypisaną
wagę
.
Jeśli
są
liczbami
naturalnymi,
jej
obliczenie
sprowadza
się
do
obliczenia
klasycznej
mediany,
w
której
obserwacja
jest
wzięta
pod
uwagę
razy.
• Przyjąć
można
również,
iż
jeśli
n
jest
parzyste,
to
medianą
może
być
równie
dobrze
każda
liczba
z
przedziału
od
wartości
dla
obserwacji
numer
n/2
do
wartości
obserwacji
n/2+1.
Każda
z
tych
liczb
spełnia
bowiem
warunek
minimalizacji
średniej
z
modułów
odchyleń.
Mediana
znalazła
szerokie
zastosowanie
w
statystyce
jako
średnia
znacznie
bardziej
odporna
na
elementy
odstające
niż
średnia
arytmetyczna.
Używana
jest
także
w
grafice
komputerowej
i
cyfrowym
przetwarzaniu
sygnałów
w
celu
odszumiania
-‐
na
obrazie
zachowuje
ona
ostre
krawędzie
przy
jednoczesnym
usunięciu
szumów.
Mediana
z
próby
jest
zgodnym
i
asymptotycznie
nieobciążonym
estymatorem
wartości
oczekiwanej
w
populacji
dla
dowolnego
rozkładu.
Odporność
na
elementy
odstające
jest
na
ogół
zaletą,
jednak
czasem
może
być
uważana
za
wadę
—
nawet
olbrzymie
zmiany
skrajnych
obserwacji
nie
wpływają
na
jej
wartość.
Stąd
pojawiły
się
propozycje
pośrednie
pomiędzy
nimi,
takie
jak
średnia
ucinana,
stosowana
na
przykład
w
konkursach
tańca
na
lodzie.
Współczynnik zmienności
Współczynnik
zmienności
to
klasyczna
miara
zróżnicowania
rozkładu
cechy.
W
odróżnieniu
od
odchylenia
standardowego,
które
określa
bezwzględne
zróżnicowanie
cechy,
współczynnik
zmienności
jest
miarą
względną,
czyli
zależną
od
wielkości
średniej
arytmetycznej.
Definiowany
jest
wzorem:
gdzie
gdzie
Jest
to
dla
dowolnego
rozkładu
estymator
zgodny,
jednak
w
ogólnym
przypadku
jest
obciążony
(również
asymptotycznie).
Współczynnik
zmienności
jest
stosowany
najczęściej
przy
porównywaniu
zróżnicowania
cechy
w
dwóch
różnych
rozkładach.
Wskaźnik skośności
Współczynnik skośności rozkładu to miara asymetrii rozkładu wyznaczana według jednego ze wzorów:
gdzie
–
średnia
arytmetyczna,
–
mediana,
–
dominanta
(moda),
–
odchylenie
standardowe,
Współczynnik
skośności
przyjmuje
wartość
zero
dla
rozkładu
symetrycznego,
wartości
ujemne
dla
rozkładów
o
lewostronnej
asymetrii
(wydłużone
lewe
ramię
rozkładu)
i
wartości
dodatnie
dla
rozkładów
o
prawostronnej
asymetrii
(wydłużone
prawe
ramię
rozkładu).
Nie ma gwarancji, że powyższe wzory będą miały ten sam znak.
Jeśli
funkcja
gęstości
prawdopodobieństwa
(dla
rozkładów
ciągłych)
lub
funkcja
masy
prawdopodobieństwa
(dla
rozkładów
dyskretnych)
po
prawej
stronie
swojego
maksimum
(mody)
maleje
wolniej
niż
po
lewej
stronie
(rozkład
ma
"prawy
ogon
dłuższy"),
to
rozkład
nazywamy
prawostronnie
skośnym,
dodatnio
skośnym,
prawostronnie
asymetrycznym
lub
o
prawostronnej
asymetrii.
Rozkład
taki
ma
wartość
oczekiwaną
(średnią)
większą
od
mediany.
Kurtoza
Kurtoza -‐ jedna z miar spłaszczenia rozkładu wartości cechy. Definiuje się ją następującym wzorem:
Prawdopodobieństwo
Rozkład normalny
Rozkład
normalny,
zwany
też
rozkładem
Gaussa
–
jeden
z
najważniejszych
rozkładów
prawdopodobieństwa.
Odgrywa
ważną
rolę
w
statystycznym
opisie
zagadnień
przyrodniczych,
przemysłowych,
medycznych,
społecznych
itp.
Wykres
funkcji
prawdopodobieństwa
tego
rozkładu
jest
krzywą
dzwonową.
Przyczyną
jego
znaczenia
jest
częstość
występowania
w
naturze.
Jeśli
jakaś
wielkość
jest
sumą
lub
średnią
bardzo
wielu
drobnych
losowych
czynników,
to
niezależnie
od
rozkładu
każdego
z
tych
czynników,
jej
rozkład
będzie
zbliżony
do
normalnego,
stąd
można
go
bardzo
często
zaobserwować
w
danych.
Ponadto
rozkład
normalny
ma
interesujące
właściwości
matematyczne,
dzięki
którym
oparte
na
nim
metody
statystyczne
są
proste
obliczeniowo.
Przedziały ufności
Niech
cecha
X
ma
rozkład
w
populacji
z
nieznanym
parametrem
θ.
Z
populacji
wybieramy
próbę
losową
(X1,
X2,
...,
Xn).
Przedziałem
ufności
o
współczynniku
ufności
1
−
α
nazywamy
taki
przedział(θ1,
θ2),
który
spełnia
warunek:
gdzie θ1 i θ2 są funkcjami wyznaczonymi na podstawie próby losowej.
Podobnie
jak
w
przypadku
estymatorów
definicja
pozwala
na
dowolność
wyboru
funkcji
z
próby,
jednak
tutaj
kryterium
wyboru
najlepszych
funkcji
narzuca
się
automatycznie
–
zazwyczaj
będziemy
poszukiwać
przedziałów
najkrótszych.
Współczynnik
ufności
1
−
α
jest
wielkością,
którą
można
interpretować
w
następujący
sposób:
jest
to
prawdopodobieństwo
wyznaczenia
takiego
przedziału,
że
rzeczywista
wartość
parametru
θ
w
populacji
znajdzie
się
w
tym
przedziale.
Im
większa
wartość
tego
współczynnika,
tym
szerszy
przedział
ufności,
a
więc
mniejsza
dokładność
estymacji
parametru.
Im
mniejsza
wartość
1
−
α,
tym
większa
dokładność
estymacji,
ale
jednocześnie
tym
większe
prawdopodobieństwo
popełnienia
błędu.
Wybór
odpowiedniego
współczynnika
jest
więc
kompromisem
pomiędzy
dokładnością
estymacji
a
ryzykiem
błędu.
W
praktyce
przyjmuje
się
zazwyczaj
wartości:
0,99;
0,95
lub
0,90,
zależnie
od
parametru.
rodzaju
(zazwyczaj
oznaczane
symbolem
α).
Określa
tym
samym
maksymalne
ryzyko
błędu,
jakie
badacz
jest
skłonny
zaakceptować.
Wybór
wartości
α
zależy
od
badacza,
natury
problemu
i
od
tego,
jak
dokładnie
chce
on
weryfikować
swoje
hipotezy,
najczęściej
przyjmuje
się
α
=
0,05;
rzadziej
0,1,
0,03,
0,01
lub
0,001.
Wartość
założonego
poziomu
istotności
jest
porównywana
z
wyliczoną
z
testu
statystycznego
p-‐wartością
(czasem
porównuje
się
od
razu
wartości
statystyki
testowej
z
wartością
odpowiadającą
danemu
poziomowi
istotności).
Jeśli
p-‐wartość
jest
większa,
oznacza
to,
iż
nie
ma
powodu
do
odrzucenia
tzw.
hipotezy
zerowej
H0,
która
zwykle
stwierdza,
że
obserwowany
efekt
jest
dziełem
przypadku.
Regresja
• konstruowanie
modelu
-‐
budowa
tzw.
modelu
regresyjnego,
czyli
funkcji
opisującej,
jak
zależy
wartość
oczekiwana
zmiennej
objaśnianej
od
zmiennych
objaśniających.
Funkcja
ta
może
być
zadana
nie
tylko
czystym
wzorem
matematycznym,
ale
także
całym
algorytmem,
np.
w
postaci
drzewa
regresyjnego,
sieci
neuronowej,
itp..
Model
konstruuje
się
tak,
aby
jak
najlepiej
pasował
do
danych
zpróby,
zawierającej
zarówno
zmienne
objaśniające,
jak
i
objaśniane
(tzw.
zbiór
uczący).
Mówiąc
o
wyliczaniu
regresji
ma
się
na
myśli
tę
fazę.
• stosowanie
modelu
(tzw.
scoring)
-‐
użycie
wyliczonego
modelu
do
danych
w
których
znamy
tylko
zmienne
objaśniające,
w
celu
wyznaczenia
wartości
oczekiwanej
zmiennej
objaśnianej.
Korelacja
Współczynnik
korelacji
–
liczba
określająca
w
jakim
stopniu
zmienne
są
współzależne.
Jest
miarą
korelacji
dwu
(lub
więcej)
zmiennych.
Istnieje
wiele
różnych
wzorów
określanych
jako
współczynniki
korelacji.
Większość
z
nich
jest
normalizowana
tak,
żeby
przybierała
wartości
od
−1
(zupełna
korelacja
ujemna),
przez
0
(brak
korelacji)
do
+1
(zupełna
korelacja
dodatnia).
H0 i Ha
Hipotezą
statystyczną
nazywamy
każde
przypuszczenie
dotyczące
rozkładu
cechy
w
populacji
generalnej,
czyli
rozkładu
teoretycznego
sformułowane
bez
przeprowadzenia
badania
pełnego
wyłącznie
na
podstawie
danych
z
próby.
Hipotezy
statystyczne
mogą
dotyczyć
parametrów
nieznanego
rozkładu
cech
w
populacji
generalnej,
są
to
w
tedy
hipotezy
parametryczne
np.
wartość
średnia
badanej
cechy
całej
zbiorowości
jest
równa
5.
hipotezy
mogą
też
mówić
jakiego
typu
jest
nieznany
rozkład
teoretyczny,
mogą
dotyczyć
współzależności
cech
badanej
zbiorowości
są
to
w
tedy
hipotezy
nieparametryczne.
Hipotezę
którą
sprawdzamy
nazywamy
hipotezą
zerową
i
oznaczmy
H0.
Hipotezę
alternatywną
oznaczamy
H1
nazywamy
każdą
inną
hipotezę
którą
skłonni
jesteśmy
przyjąć
po
odrzuceniu
hipotezy
zerowej
H0,
decyzję
o
odrzuceniu
lub
przyjęciu
H0
podejmujemy
na
podstawie
wyników
próby
losowej
.
Rodzaje hipotez:
Użycie
unormowanej
wielkości,
pozwala
bezpośrednio
ocenić
wiarygodność
hipotezy.
Jest
to
bardziej
elastyczna
alternatywa
klasycznych
przedziałów
ufności,
gdyż
nie
wymaga
zakładania
z
góry
żadnego
poziomu
ufności.
Istnieją sytuacje w których wniosek do którego prowadzi obliczanie p-‐wartości jest błędny.
Wyobraźmy
sobie
eksperyment
sprawdzający,
czy
moneta
jest
symetryczna
(jednakowa
jest
szansa
otrzymania
orła
jak
i
reszki).
Hipoteza
zerowa
jest
więc
taka,
że
moneta
jest
symetryczna
i
każde
odchylenie
liczby
otrzymanych
orłów
od
liczby
reszek
jest
tylko
przypadkiem.
Przypuśćmy,
że
wyniki
eksperymentu
to
14
orłów
z
20
rzutów.
P-‐wartość
takiego
wyniku
jest
szansą
na
to,
żeby
uczciwa
moneta
dała
przynajmniej
14
orłów
na
20
rzutów
lub
najwyżej
6
reszek
na
20
rzutów.
Prawdopodobieństwo
tego,
że
na
20
rzutów
symetrycznej
monety
otrzymamy
co
najmniej
14
orłów
wynosi
0,0577.
Otrzymujemy
zatem
p-‐wartość
większą
od
konwencjonalnego
poziomu
istotności
0,05,
tak
więc
nie
ma
podstaw
do
podważania
hipotezy
o
tym,
że
moneta
jest
symetryczna.
Źródła:
• http://pl.wikipedia.org/
• http://matematyka.pisz.pl
• http://pl.wikibooks.org/wiki
• http://www.naukowiec.org
O
firmie
Octigo
Octigo
sp.
z
o.o.
specjalizuje
się
w
tworzeniu
i
prowadzeniu
nowoczesnych
szkoleń
wzbogaconych
o
gry
szkoleniowe
i
symulacje.
Nasz misja
Staramy
się
dostarczać
najlepsze
w
swojej
klasie
produkty.
Nasze
szkolenia
były
wielokrotnie
nagradzane
przez
Project
Management
Institute
w
USA
oraz
w
Polsce:
PMI
Award
2007,
2009,
2010,
2013
oraz
PMI
Poland
Chapter
2010
Product
Award,
co
czyni
z
nas
najczęściej
nagradzaną
przez
PMI
firmą
szkoleniową
świecie.
Posiadamy
wiedzę
i
certyfikaty
z
prowadzenia
szkoleń
oraz
zarządzania