mirror of
https://github.com/kuhyx/WUT_Computer_Science.git
synced 2026-07-04 16:03:11 +02:00
74 lines
3.4 KiB
TeX
74 lines
3.4 KiB
TeX
\documentclass[12pt]{article}
|
|
\usepackage[utf8]{inputenc}
|
|
\usepackage{amsmath}
|
|
\usepackage{graphicx}
|
|
\usepackage[utf8]{inputenc}
|
|
\usepackage[T1]{fontenc}
|
|
\usepackage{natbib}
|
|
\usepackage{soul}
|
|
|
|
\title{Analiza statystyczna przyznawania funduszy UE gminom}
|
|
\author{Krzysztof Rudnicki, Michał Sar}
|
|
\date{\today}
|
|
|
|
\begin{document}
|
|
|
|
\maketitle
|
|
|
|
\tableofcontents
|
|
|
|
\begin{abstract}
|
|
This is a brief summary of your study, its results, and major conclusions.
|
|
\end{abstract}
|
|
|
|
|
|
\section{Wstęp}
|
|
\subsection{Kontekst}
|
|
W 2024 mija 20 lat od wstąpienia Polski do Unii Europejskiej \cite{1}. Od tamtej pory bilans Polski w stosunku do Brukseli wynosi 175 miliardów euro na plus dla Polski \cite{2} W samym 2023 roku Polska otrzymała z UE prawie 3.5 miliarda złotych, wpłacająć niecały miliard złotych \cite{3} W naszej pracy ponawiamy analizę statystyczną wykonaną sprzed 7 lat, na nowych danych, od początku roku 2014 do końca roku 2023
|
|
\subsection{Cel}
|
|
Celem pracy jest sprawdzenie jakie dane na temat gminy najbardziej korelują z liczbą przyznanych funduszy Unii Europejskiej danej gminy
|
|
\subsection{Hipoteza}
|
|
\ul{Gęstość zaludnienia jest \textbf{najważniejszym} czynnikiem wpływającym na przyznanie środków unijnych} \\
|
|
\subsection{Metoda badawcza}
|
|
\begin{enumerate}
|
|
\item Zebrać dane UE
|
|
\item Zebrać dane gmin
|
|
\item Połączyć dane po numerze TERYT
|
|
\item Przeanalizować dane
|
|
\item Wyświetlić wyniki
|
|
\end{enumerate}
|
|
\subsection{Wyniki}
|
|
|
|
\section{Omówienie rozdziałów}
|
|
Na początku artykułu przedstawiamy czemu wybraliśmy taki temat, co chcemy osiągnąć naszą pracą, w jaki sposób chcemy to osiągnąć i jaki rezultat ostatecznie udało nam się pokazać \\
|
|
Następnie opisujemy istniejącą literaturę na temat środków Unijnych z którą się zapoznaliśmy i przedstawiamy w czym różni się nasza praca od istniejących \\
|
|
Potem tłumaczymy nasz proces badawczy, w jaki sposób zbieraliśmy i łączyliśmy dane, jak je analizowaliśmy i jak przedstawialiśmy wyniki \\
|
|
Kontynując, pokazujemy co otrzymaliśmy ostatecznie w wyniku naszej pracy \\
|
|
Przedostatni rozdział zajmuje się dyskusją wyników, przedstawiamy co udało nam się osiągnać i dlaczego, czego nie udało nam się osiągnąć i dlaczego oraz przede wszystkim konfrontujemy wynik z naszą hipotezą \\
|
|
Na końcu podsumowujemy całą pracę i przedstawiamy spis literatury z której korzystaliśmy
|
|
|
|
\section{Opis literatury}
|
|
\subsection{Decision trees: from efficient prediction to responsible AI \cite{4}}
|
|
Artykuł poświęcony jest omówieniu drzew decyzyjnych, rozpoczyna od zdefiniowania czym drzewo decyzyjne jest, jakie są jego unikalne cechy, gdzie jest stosowane, jakie ma wady i potencjalne zagrożenia oraz jak można je zminimalizować \\
|
|
Wybraliśmy ten artykuł gdyż opisuje jedną z głównych metod którą zamierzamy stosować w naszym procesise badawczym do przeanalizowania danych
|
|
\subsection{Application of Successful EU Funds Absorption Models to Sustainable Regional Development \cite{5}}
|
|
Artykuł wykorzystał ankiety pytając ankietowanych o to jak efektywnie wykorzystywane były fundusze UE w Polsce, Słowenji, Węgrzech i Chorwacji pod względe,
|
|
\section{Proces badawczy}
|
|
\subsection{Zbieranie danych}
|
|
\subsection{Analiza danych}
|
|
\subsection{Przedstawienie wyników}
|
|
|
|
\section{Wyniki}
|
|
|
|
|
|
\section{Dyskusja}
|
|
|
|
|
|
\section{Konkluzja}
|
|
|
|
|
|
\bibliographystyle{plain}
|
|
\bibliography{references}
|
|
|
|
\end{document}
|