Enhancement of the Altman approach using multiple discrimination analysis
|
|
- Renáta Matějková
- před 8 lety
- Počet zobrazení:
Transkript
1 Enhancement of the Altman approach using multiple discrimination analysis Bc. Radek Mitáček, department of statistics and operational research, Faculty of business and economics, Mendel university in Brno, Abstrakt Nosnou myšlenkou práce je testování nového přístupu k vytvoření tzv. Altmanova modelu, jenž se hojně využívá při finanční analýze a to na reálných datech. Prostředkem k tomuto je vytvoření 2. lineární diskriminační funkce za účelem lepšího rozlišení dat, která nejsou klasickou lineární diskriminační funkcí rozlišována jasně. Využití metody vedlo k významnému zlepšení celkových výsledků u klasifikační i predikční schopnosti konečného modelu, významně tedy zlepšilo jeho schopnost rozlišovat bankrotní a bonitní společnosti. Vzhledem k experimentální povaze přístupu je i přes poměrně jasnou logiku přístupu doporučeno k výsledkům přistupovat opatrně a provést testování a opakování metody na dalších souborech dat. Klíčová slova Finanční analýza, bankrotní model, vícerozměrná diskriminační analýza Abstract The main aim of this paper is to exam a new approach to the creation of Altman model, which is widely used for the financial analysis using real data. The main way to do this is to set up a second canonical discriminant function in order to improve distinction of the data which was not distinguished properly at first time. Using of this approach lead to significant improvement of results in terms of the classification and prediction capability of the model. This means it better understood which firms were going to bankrupt and which are not. Due to the experimental nature of this approach, is it recommended to be cautious when interpreting the results and to do few more tests using different data even though the logic of the approach is easy to use and understand. Key Words Financial analysis, bankruptcy model, multivariate discrimination analysis
2 Úvod Finanční analýza je již poměrně dlouhou dobu jednou ze základních metod zkoumání bonity podniku. Je často využívána mnohými zájmovými skupinami pocházejícími jak z vnitřního prostředí, tedy ze samotné společnost (management, vlastníci, ), tak i z prostředí vnějšího (věřitelé, dodavatelé, ). Prvním významným počinem na poli výzkumu byl článek zabývající se využitím diskriminační analýzy k určování bonity firem (Altman, 1968). Díky vysoké přesnosti predikce se článek setkal se velkým ohlasem a na jeho základě bylo napsáno mnoho článků zabývajících se rozšířením modelu, případně ověřováním na datech z jiných trhů či doby (Altman, Haldeman, Narayanan, 1977). S ohledem na dynamiku současného tržního a prostředí a rozdíly v jednotlivých zemích je nutno neustále přehodnocovat stávající modely a v rozpětí několika let je aktualizovat. To vede ke tvorbě modelů s různou mírou přesnosti. Pro srovnání je možno vzít modely IN zkonstruované na Českou republiku (Vochozka, 2011). Cíle a metodologie Cílem příspěvku je tedy otestovat metodu, díky níž by se zvýšila kvalita modelu bez ohledu na povahu dat, ze kterých bude konstruován. Ke tvorbě modelu a následnému zlepšování budou použita data získaná z databáze Amadeus. Jedná se o české výrobní akciové společnosti. Soubor dat byl rozdělen na 2 části, trénovací a testovací. Trénovací data slouží k vybudování modelu, testovací k otestování schopnosti predikce. Data musela být očištěna o velké množství pozorování vzhledem k jejich extrémnímu charakteru, tj. příliš vysoké či nízké oproti průměru skupiny. Celkem bylo k trénování vybráno 54 pozorování, u kterých je a priori známý jejich stav a pro něž které bylo z finančních výkazů spočítáno 22 převážně poměrových ukazatelů. Ty byly vybrány na základě odborné literatury (Kislingerová, 2008). Metodou pro tvorbu bankrotního modelu byla diskriminační analýza (Hebák, 2007). Data byla zpracována v softwaru STATISTICA. Výsledky Na data byla aplikována diskriminační analýza a byl vytvořen model sestávající z níže popsaných proměnných: Debt Ratio I Rentabilita tržeb ROE Mzdová náročnost tržeb
3 Finanční páka Doba inkasa pohledávek Pro určení klasifikace modelu byla určena data, z nich byl model vystavěn. Pro určení testování úspěšnosti predikce aneb schopnosti určovat firmy, u nichž není původně známo, zdali zbankrotují či nikoliv bylo vybráno 42 společností, z toho 17 bankrotních a 25 bonitních. Úspěšnost klasifikace byla zjištěna 92,59 %. Úspěšnost predikce byla zjištěna 47,62 %. Nyní se pokusíme kvalitu modelu zlepšit. Použijeme k tomu níže nastíněných teoretických předpokladů, které se pak budeme pokoušet demonstrativně předvést, popřípadě prokázat. Základem je alespoň elementární znalost principů diskriminační analýzy. S ohledem na způsob výpočtu kanonické diskriminační funkce, který je realizován prostřednictvím minimalizováním vnitroskupinové variability a maximalizováním variability meziskupinové, tzn. hledáním shluků bodů, které jsou projekcí bodů reprezentujících jednotlivá pozorování na přímku, lze předpokládat, že můžou nastat případy, kdy se proměnné, které se při daném množství pozorování jeví významnými pro diskriminaci, při významně odlišném počtu pozorování stanou zcela nevýznamnými a naopak. To je dáno změnou proměnných, díky kterým se data v m-rozměrném prostoru shlukují (m je počet proměnných). Na základě tohoto předpokladu se pokusíme namodelovat 2. lineární diskriminační funkci, která nám pomůže v lepším rozhodování, nazvěme ji diskriminací 2. úrovně a původní diskriminaci diskriminací 1. úrovně. Pozorování, která jsme úspěšně určili pomocí 1. úrovně diskriminace, nás již nemusejí zajímat. Zaměříme se pouze na pozorování, která se umístila v šedé zóně. Možným postupem je v tomto případě neúspěšně klasifikovaných pozorování je potom aplikace další diskriminační analýzy za účelem doklasifikace. V případě, že bychom chtěli modelovat lineární diskriminační funkci pouze za účelem klasifikace stávajících případů, můžeme ignorovat uměle vytvořenou šedou zónu, všech-na správně klasifikovaná pozorování z prvního kroku se odeberou a LDA se provádí pouze na skutečně špatně klasifikovaných pozorováních. Nezřídka lze pak zkombinováním těchto dvou diskriminačních funkcí dosáhnout modelu s klasifikační schopností 100 %. To je možné díky již předem známému zařazení firem. Jsme si jisti, která pozorování v případě nutnosti nechat diskriminovat modelem na hlubší úrovni (v případě nutnosti je možné namodelovat velmi mnoho úrovní, u modelů na hlubších úrovních by ale zřejmě velmi snadno docházelo přinejmenším k porušování před-pokladů s ohledem na nižší počet pozorování).
4 V případě, že bychom od modelu očekávali i predikční schopnost, nelze využít diskriminační funkce 2. řádu vytvořenou pouze pomocí špatně klasifikovaných pozorování z tréninkové množiny. Nemáme totiž předem informaci o tom, do které množiny, pozorování ze souboru, který nebyl použit pro vytvoření rozhodovací-ho pravidla, spadá. Po vypočítání skóre a následném zařazení si tudíž nejsme vědomi toho, jestli bylo pozorování na první úrovni určeno dobře či ne, proto nemůžeme rozhodnout o případném využití další LDF. Pokud se rozhodneme, že chceme používat model i pro predikce, musíme pro vytvoření lineární diskriminační funkce 2. řádu použít všechna pozorování, která se nacházejí v tzv. šedé zóně". Ta je konstruována na základě pozorování, u nichž při klasifikaci došlo k chybám I. či II. typu. Krajními body intervalu jsou hraniční body intervalů bezchybné klasifikace. Použití LDF 2. řádu k predikci je pak založeno na výše popsané hypotéze, že firmy neznámého původu z dané množiny (bonitní, bankrotní), jejichž Z skóre náleží do šedé zóny, trpí stejnými problémy s hodnotami proměnných jako firmy, na kterých bylo pravidlo vytvářeno. To znamená, že by s nimi tvořili stejné shluky dle příslušnosti a jsou dobře diskriminovatelné danou funkcí. Podmínkou jsou nesystémové změny ve struktuře firem, kvůli nimž by poměrové ukazatele nabývaly extrémních hodnot. Před samotnou predikcí je tudíž nutné srovnat hodnoty u zkoumaných firem například s intervaly příslušných proměnných, na kterých byl model vybudován. V případě zjištění extrémů je pravděpodobné, že model nebude u těchto firem predikovat správně, stejně jako u modelu na první úrovni diskriminace. Na druhou stranu nepoužitelnost těchto dat náš už sama o sobě varuje, že se jedná o firmu v nestandardní situaci. Abychom mohli využít výše popsaný princip v praxi, je nutné určit šedou zónu původního modelu. Do ní v našem případě spadá z původního trénovacího souboru 14 firem, 8 bankrotních a 6 bonitních. Na základě těchto dat byl vytvořen model 2. řádu, ve kterém figurují proměnné: ROA (VH za účetní období/akt) Pracovní kapitál na aktiva Doba obratu aktiv (tržby výrobky+ služby) Můžeme vidět, že model byl skutečně postaven na základě jiných proměnných než model původní. Mohli bychom tedy prohlásit, že data se skutečně mohou shlukovat prostřednictvím různých proměnných při různých množství pozorování. Za účelem verifikace úspěšnosti byla určena klasifikační matice, která určila správně 100 % pozorování. Z testovacích dat spadalo do šedé zóny u prvního modelu 13 pozorování, 10 bonitních a 3 bankovní. Tato data byla
5 užita ke zjištění kvality predikce, modelu 2. úrovně. Správně bylo určeno 38,46 % firem. Tato úspěšnost je však pouze na 2. úrovni modelu. Celkovou úroveň predikce analýzy musíme určit jako spojení úspěšnosti na první i druhé úrovni s ohledem na data, která propadla šedou zónou napoprvé. Celkem bylo správně určeno 25 pozorování z celkových 42, kombinovaná úspěšnost je tedy ve výši 59,52 %. Diskuze Za účelem validace naší myšlenky byl vybudován 2. diskriminační model. Jeho zobecnitelnost je diskutabilní s ohledem na velmi nízký počet pozorování použitých k modelování. Výsledky, které nám nabízí, jsou velmi zajímavé. Dvouúrovňový model má klasifikační schopnost 100 %. Predikční schopnosti se nám zvýšily téměř o 11,9 %. Model 2. úrovně byl vystavěn pomocí jiných proměnných, čímž se nám potvrdila hypotéza o rozdílném shlukování. Zajímavým by bylo srovnání efektivnosti této metody s metodami jinými, zejména těmi, které se zabývají transformací dat (Vaníček, 2011). Její nespornou výhodou je jednoduchost v logice i aplikaci, nenarušení vztahů mezi proměnnými a podle prvních, zdaleka tedy ne úplně průkazných pokusů, i velká účinnost. Nevýhodou pak může být právě nízký počet pozorování, která případně zbydou při pokusu o další modelování a počtem proměnných, které by měly vstupovat do modelování. Čím více nekorelovaných proměnných, tím větší šance vytvoření rozdílných shluků. U velkých datových souborů by v případě bylo možné zkonstruovat i více než dvě kanonické diskriminační funkce, využití této metody by mohlo společně s kombinací metod dalších vést k velmi zajímavým výsledkům. Ani tato metoda však nezabrání dalším problémů, které se dotýkají dat, ale jsou poněkud jiného charakteru. Hlavním z nich je nejspíše stacionarita poměrových ukazatelů, kdy se v čase mění jejich charakter a model tak ztrácí na důvěryhodnosti. Závěr Konečná úspěšnost predikce dosáhla díky využití inovativního přístupu na číslo 59,22 %. Hlavním přínosem práce je otestování použitelnosti výše zmíněného postupu, který predikci zlepšil o 11,9 %. Klasifikační schopnost modelu byla dokonce zlepšena na 100 %, což je nevídaný výsledek, zvláště když předpoklady modelu nebyly splněny optimálně. Tento postup čeká ještě mnoho dalších testů a zkoumání, velmi zajímavé by bylo jej porovnat s jinými metodami zlepšování vlastností modelů, případně jej s nimi zkombinovat.
6 Literatura ALTMAN, E. (Sep., 1968), Financial ratios, discriminant analysis and the prediction of corporate Bankruptcy, The journal of finance, Vol. 23, No. 4 pp ALTMAN,E. I. HALDEMAN, R. G.; NARAYANAN, P., 1977: ZETA analysis: A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance, Vol. 1, No. 1pp HEBÁK, PETR A KOL, 2007: Vícerozměrné statistické metody (1). Praha: Informatorium, 256 s. ISBN KISLINGEROVÁ, EVA A JIŘÍ HNILICA. 2008: Finanční analýza: krok za krokem. 2. vyd. Praha: C.H. Beck, xiii, 135 s. C.H. Beck pro praxi. ISBN VANÍČEK, ROMAN. 2011: Zlatá pravidla financování a tvorba diskriminační funkce. Brno, Diplomová práce. Masarykova Univerzita, Ekonomicko-správní fakulta VOCHOZKA, MAREK. 2011: Metody komplexního hodnocení podniku. 1. vyd. Praha: Grada Publishing, 246 s. Finance (Grada). ISBN
Přednáška: P10 Predikce finanční tísně I modely
Poznámky k výuce předmětů MPF_FAAP a MKF_FAAP Finanční analýza a plán ve školním roce 2013/2014 - výstupy projektu Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)
VícePoužitelnost Altmanova Z-modelu v podmínkách ČR (empirický důkaz)
Použitelnost Altmanova Z-modelu v podmínkách ČR (empirický důkaz) 1. Uvažovaná stanoviska Zastánci: (Blaha Jindřichovská, 1994, s. 82), (Blaha Jindřichovská, 1994, s. 83), (Blaha Jindřichovská, 1994, s.84-85),
VícePŘEDMLUVA 1 PŘEDMĚT A CÍL FINANČNÍ ANALÝZY 3 METODY FINANČNÍ ANALÝZY 7
OBSAH III PŘEDMLUVA 1 PŘEDMĚT A CÍL FINANČNÍ ANALÝZY 3 METODY FINANČNÍ ANALÝZY 7 2.1 Fundamentální analýza podniku 7 2.2 Technická analýza podniku 9 Kritéria srovnatelnosti podniků 10 HORIZONTÁLNÍ ANALÝZA
VíceHODNOCENÍ PROSPERITY PODNIKU. Ing. Marie Vejsadová Dryjová. Úvod
HODNOCENÍ PROSPERITY PODNIKU Ing. Marie Vejsadová Dryjová Úvod Podnikovou prosperitu lze mimojité posuzovat také podle vývoje finančního zdraví podniku odrážejícího současný stav podnikových financí, které
VíceObsah. Seznam obrázků... XV. Seznam tabulek... XV
Obsah Seznam obrázků... XV Seznam tabulek... XV 1. Úvod.... 1 1.1 Benchmarking, benchmarkingové modely... 3 1.1.1 Teorie benchmarkingu... 4 1.1.2 Základní typy benchmarkingu a jeho další modifikace...
VícePREDIKCE FINANČNÍ TÍSNĚ
PREDIKCE FINANČNÍ TÍSNĚ Účelový výběr ukazatelů cílem je sestavit takové výběry ukazatelů, které by dokázaly kvalitně diagnostikovat finanční situaci firmy (finanční zdraví), resp. predikovat její krizový
VícePROJEKT BAKALÁŘSKÉ PRÁCE. Ivo Štěpánek,
PROJEKT BAKALÁŘSKÉ PRÁCE Ivo Štěpánek, 390691 Téma bakalářské práce Finanční analýza podniku Představení podniku - ANVIS AVT s.r.o. - Sídlo: Vsetín, Česká republika - Společnost má v současné době přibliţně
Vícesoubor činností, jejichž cílem je zjistit a vyhodnotit komplexně finanční situaci podniku Systematický rozbor dat, získaných především z účetních
Soňa Bartáková soubor činností, jejichž cílem je zjistit a vyhodnotit komplexně finanční situaci podniku Systematický rozbor dat, získaných především z účetních výkazů posouzení základních vývojových tendencí
VíceSTRATEGICKÉ FINANČNÍ PLÁNOVÁNÍ VČETNĚ PROJEKTOVÉ STUDIE
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE FAKULTA PROVOZNĚ EKONOMICKÁ OBOR VEŘEJNÁ SPRÁVA A REGIONÁLNÍ ROZVOJ STRATEGICKÉ FINANČNÍ PLÁNOVÁNÍ VČETNĚ PROJEKTOVÉ STUDIE TEZE Jméno diplomanta: Vedoucí diplomové
VícePřehled vybraných predikčních modelů finanční úrovně
Obr.1 Přehled vybraných predikčních modelů finanční úrovně PREDIKČNÍ MODELY HODNOCENÍ FINANČNÍ ÚROVNĚ Bankrotní Ratingové Altmanův model Tamariho model Taflerův model Kralickuv Quick-test Beaverův model
VíceVyužití predikčních bankrotních a bonitních modelů v dodavatelské síti
The International Scientific Conference INPROFORUM 2013, 233-238, ISBN 978-80-7394-440-7 Využití predikčních bankrotních a bonitních modelů v dodavatelské síti Jaroslava Pražáková,1Pavel Fára 2 Abstrakt:
VíceČeská zemědělská univerzita v Praze. Provozně ekonomická fakulta. Katedra ekonomiky
Česká zemědělská univerzita v Praze Provozně ekonomická fakulta Katedra ekonomiky Teze diplomové práce ROZBOR HOSPODAŘENÍ PODNIKU MEZIPODNIKOVÉ SROVNÁNÍ Bc. Petr Koten 2011 ČZU v Praze Souhrn Předmětem
VícePREDIKCE FINANČNÍ TÍSNĚ
PREDIKCE FINANČNÍ TÍSNĚ možnosti předvídání finanční tísně podniků byly vždy předmětem zájmu a výzkumu mnohým by velmi vyhovovalo, kdyby bylo možné prohlásit, že se podnik během jednoho roku dostane do
VíceAGRO PODLUŽAN, A.S. REPORT FINANČNÍCH UKAZATELŮ
AGRO PODLUŽAN, A.S. REPORT FINANČNÍCH UKAZATELŮ 2007-2011 Obsah Finanční analýza společnosti Agro Podlužan... 3 Ukazatele rentability... 4 Ukazatele aktivity... 5 Ukazatele likvidity... 7 Ukazatele zadluženosti...
Více7.5 Závěry pro všechny metody hodnocení efektivnosti investic Příklady 86 8 MAJETKOVÁ STRUKTURA FIRMY Definice a obsah pojmů 88 8.
OBSAH PŘEDMLUVA 9 1 ÚVOD DO PODNIKOVÝCH FINANCÍ A FINANČNÍHO ŘÍZENÍ PODNIKU 11 1.1 Pojem, funkce a struktura podnikových financí a finančního řízení. 11 1.2 Finanční cíle podnikání, finanční politika podniku
Vícefinanční zdraví firmy (schopnost hradit krátkodobé i dlouhodobé závazky, schopnost zhodnotit vložené prostředky, silné a slabé stránky firmy)
FINANČNÍ ANALÝZA Cíle a možnosti finanční analýzy finanční zdraví firmy (schopnost hradit krátkodobé i dlouhodobé závazky, schopnost zhodnotit vložené prostředky, silné a slabé stránky firmy) podklady
VíceVYSOKÁ ŠKOLA HOTELOVÁ V PRAZE 8, SPOL. S R. O.
VYSOKÁ ŠKOLA HOTELOVÁ V PRAZE 8, SPOL. S R. O. Návrh konceptu konkurenceschopného hotelu v době ekonomické krize Diplomová práce 2013 Návrh konceptu konkurenceschopného hotelu v době ekonomické krize Diplomová
VíceEkonomická analýza stavebního podniku ve fázi založení a růstu. Autor: Karel Košař Vedoucí práce: Ing. Jiří Richter
Ekonomická analýza stavebního podniku ve fázi založení a růstu Autor: Karel Košař Vedoucí práce: Ing. Jiří Richter Vybraný podnik ROCKNET s.r.o. Sídlo Předmět podnikání Počet zaměstnanců Málkov 37, Chomutov,
VíceMENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA V BRNĚ PROVOZNĚ EKONOMICKÁ FAKULTA ÚSTAV PODNIKOVÉ EKONOMIKY
MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA V BRNĚ PROVOZNĚ EKONOMICKÁ FAKULTA ÚSTAV PODNIKOVÉ EKONOMIKY Analýza finanční situace podniku Pivovar a sodovkárna Jihlava, a.s. Bakalářská práce Martin Šebesta
Více1 ÚVOD DO PODNIKOVÝCH FINANCÍ A FINANČNÍHO ŘÍZENÍ PODNIKU 1.1 Pojem a funkce podnikových financí a finančního řízení 1.2 Finanční cíle podnikání,
1 ÚVOD DO PODNIKOVÝCH FINANCÍ A FINANČNÍHO ŘÍZENÍ PODNIKU 1.1 Pojem a funkce podnikových financí a finančního řízení 1.2 Finanční cíle podnikání, finanční politika podniku 1.3 Zdroje financování podnikatelských
VíceSOFTWARE STAT1 A R. Literatura 4. kontrolní skupině (viz obr. 4). Proto budeme testovat shodu středních hodnot µ 1 = µ 2 proti alternativní
ŘEŠENÍ PRAKTICKÝCH ÚLOH UŽITÍM SOFTWARE STAT1 A R Obsah 1 Užití software STAT1 1 2 Užití software R 3 Literatura 4 Příklady k procvičení 6 1 Užití software STAT1 Praktické užití aplikace STAT1 si ukažme
VíceÚvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
VíceEFFECT OF MALTING BARLEY STEEPING TECHNOLOGY ON WATER CONTENT
EFFECT OF MALTING BARLEY STEEPING TECHNOLOGY ON WATER CONTENT Homola L., Hřivna L. Department of Food Technology, Faculty of Agronomy, Mendel University of Agriculture and Forestry in Brno, Zemedelska
VíceFINANCE PODNIKU A FINANČNÍ PLÁNOVÁNÍ 2
Anotace: Cíle předmětu FINANCE PODNIKU A FINANČNÍ PLÁNOVÁNÍ 2 (Verze 04/05) Předmět navazuje na předmět Podnikové finance a finanční plánování 1, kde se student seznámil se základy podnikového financování
Více(CELO) ŽIVOTNÍ HODNOTA ZÁKAZNÍKA
(CELO) ŽIVOTNÍ HODNOTA ZÁKAZNÍKA Ing. Martin Bárta Vysoké učení technické v Brně, Kolejní 2906/4 Brno 612 00, barta@fbm.vutbr.cz Abstract The aim of the work CUSTOMER LIFE-TIME VALUE" is the formulation
VíceLiquidity management in a small or medium enterprise
Liquidity management in a small or medium enterprise Řízení likvidity v malém a středním podniku Dana Kubíčková, Marcela Vančatová 1 Abstract Liquidity management in a small or medium enterprise is in
VíceSoustavy poměrových ukazatelů
4.přednáška Soustavy poměrových ukazatelů Jednotlivé pom. ukazatele jeden rys, jedna oblast - hodnocení mohou vycházet různá snahy sloučit všechna hodnocení do soustav ukazatelů - mnoha druhů a popisujících
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DAT RNDr. Eva Janoušová INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ HODNOCENÍ ÚSPĚŠNOSTI KLASIFIKACE A SROVNÁNÍ KLASIFIKÁTORŮ ÚVOD Vstupní data Subjekt Objem hipokampu Objem komor Skutečnost
VíceFinanční výkonnost mikro, malých a středních podniků. The financial performance of micro, small and mediumsized
Finanční výkonnost mikro, malých a středních podniků The financial performance of micro, small and mediumsized enterprises Radek ZDENĚK Abstrakt: Cílem příspěvku je vyhodnotit vztah ekonomické přidané
VíceMetodické listy pro kombinované studium předmětu. Podnikové finance a finanční plánování 2. Metodický list č. 1
Metodické listy pro kombinované studium předmětu Podnikové finance a finanční plánování 2 Metodický list č. 1 Druhy financování podniku Co rozumíme financováním a jaké jsou úkoly finančního managementu.
VíceUKAZATELE RENTABILITY A AKTIVITY
UKAZATELE RENTABILITY A AKTIVITY 1. Ukazatele rentability, výnosnosti, ziskovosti (profitability ratios) poměřují zisk dosažený podnikáním s výší zdrojů podniku, jichž bylo užito k jeho dosažení. Ukazatele
VíceObsah: OBSAH:...2 1 ÚVOD...3 2 FINANČNÍ ANALÝZA...4
Seminární práce ze Základů firemních financí Téma: Finanční analýza podniku Zpracovali: Vidlák Tomáš Zlámalová Věra Sedlák Michal Datum prezentace: 21. 4. 2005 V Brně dne...... P o d p i s Obsah: OBSAH:...2
VíceMetodické listy pro kombinované studium předmětu FINANČNÍ ANALÝZA PODNIKU (FAP) (aktualizovaná verze 01-09)
Metodické listy pro kombinované studium předmětu FINANČNÍ ANALÝZA PODNIKU (FAP) (aktualizovaná verze 01-09) Přednášející: Ing. Jana Kotěšovcová Způsob zakončení předmětu: Zápočet formou zápočtového testu
VíceMajetková a kapitálová struktura firmy
ČVUT v Praze fakulta elektrotechnická Katedra ekonomiky, manažerství a humanitních věd Majetková a kapitálová struktura firmy Podnikový management - X16PMA Doc. Ing. Jiří Vašíček, CSc. Podnikový management
VíceVYSOKÁ ŠKOLA HOTELOVÁ V PRAZE 8, SPOL.S R. O.
VYSOKÁ ŠKOLA HOTELOVÁ V PRAZE 8, SPOL.S R. O. Mgr. Evgeniya Pavlova Rozvojová strategie podniku ve fázi stabilizace Diplomová práce 2013 Rozvojová strategie podniku ve fázi stabilizace Diplomová práce
VíceSouběžná validita testů SAT a OSP
Souběžná validita testů SAT a OSP www.scio.cz 15. ledna 2013 Souběžná validita testů SAT a OSP Abstrakt Pro testování obecných studijních dovedností existuje mnoho testů. Některé jsou všeobecně známé a
VíceUni- and multi-dimensional parametric tests for comparison of sample results
Uni- and multi-dimensional parametric tests for comparison of sample results Jedno- a více-rozměrné parametrické testy k porovnání výsledků Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Universita
VíceŘÍZENÍ CENY KAPITÁLU CENTRÁLNÍ BANKOU JAKO KYBERNETICKÝ PROCES COST OF CAPITAL MANAGEMENT BY CENTRAL BANK LIKE THE CYBERNETIC PROCESS
ŘÍZENÍ CENY KAPITÁLU CENTRÁLNÍ BANKOU JAKO KYBERNETICKÝ PROCES COST OF CAPITAL MANAGEMENT BY CENTRAL BANK LIKE THE CYBERNETIC PROCESS František KALOUDA MASARYKOVA UNIVERSITA, Ekonomicko-správní fakulta,
VíceStatistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ
Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ Ing. Dana Trávníčková, PaedDr. Jana Isteníková Funkční gramotnost je používání čtení a psaní v životních situacích. Nejde jen o elementární
VícePoužitelnost Altmanova modelu v podmínkách ČR (empirický důkaz) František Kalouda Roman Vaníček
Použitelnost Altmanova modelu v podmínkách ČR (empirický důkaz) František Kalouda Roman Vaníček Úvod ACADEMICIANS SEEM to be moving toward the elimination of ratio analysis.. in assessing the performance
VíceHlavní rizikové oblasti používání ukazatele rentability vložených prostředků při rozhodování #
Hlavní rizikové oblasti používání ukazatele rentability vložených prostředků při rozhodování # Marie Míková * Článek navazuje na článek Harmonizace účetního výkaznictví z pohledu finanční analýzy se zaměřením
VíceBankrotní modely. Rating a scoring
Bankrotní modely Rating a scoring Bankrotní modely Posuzují celkovou finanční výkonnost podniku Jsou složeny z několika finančních ukazatelů Mají syntetický charakter Nejznámější modely: Altmanův index
Víceanalýzy dat v oboru Matematická biologie
INSTITUT BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Komplexní přístup k výuce analýzy dat v oboru Matematická biologie Tomáš Pavlík, Daniel Schwarz, Jiří Jarkovský,
VíceMetodický list č. 1 PODNIK, MAJETKOVÁ A KAPITÁLOVÁ STRUKTURA PODNIKU
Metodický list č. 1 PODNIK, MAJETKOVÁ A KAPITÁLOVÁ STRUKTURA PODNIKU Úvod do předmětu, podnik, cíle podniku, okolí podniku, podstata podniku a podnikání, založení podniku, zakladatelský rozpočet, majetková
VíceVícerozměrné metody. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Schematický úvod
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Vícerozměrné metody Schematický úvod Co je na slově statistika tak divného, že jeho vyslovení tak často způsobuje napjaté ticho? William Kruskal
VíceIII. Tržby z prodeje dlouhodobého majetku a materiálu III. 1 Tržby z prodeje dlouhodobého majetku
Výkaz zisku a ztráty - vertikální analýza TEXT řádku v tis. Kč Celkový obrat = Tržby za prodej zboží + Tržby za prodej vlastních výrobků a služeb A. Náklady vynaložené na prodané zboží 2 B. + Obchodní
Více1. Přednáška. Ing. Miroslav Šulai, MBA
N_OFI_2 1. Přednáška Počet pravděpodobnosti Statistický aparát používaný ve financích Ing. Miroslav Šulai, MBA 1 Počet pravděpodobnosti -náhodné veličiny 2 Počet pravděpodobnosti -náhodné veličiny 3 Jevy
VíceMOŽNOSTI VYUŽITÍ SHLUKOVÉ ANALÝZY V Q-METODOLOGII
MOŽNOSTI VYUŽITÍ SHLUKOVÉ ANALÝZY V Q-METODOLOGII CHRÁSKA Miroslav, CZ Resumé Příspěvek seznamuje s možnostmi využití shlukové analýzy při zpracování výzkumu provedeného pomocí Q-metodologie. Ve výzkumu
VícePeněžní toky v podniku
Financování podniku Financování podniku a úkoly FM Druhy financování podniku Běžné (krátkodobé) financování Řízení cash flow Hodnocení finanční výkonnosti podniku finanční analýza Finanční plánování Peněžní
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceODPOVĚDNOST STATUTÁRNÍHO ORGÁNU PODLE INSOLVENČNÍHO PRÁVA
ODPOVĚDNOST STATUTÁRNÍHO ORGÁNU PODLE INSOLVENČNÍHO PRÁVA JAKUB JUŘENA Faculty of Law, Masaryk University, Czech Republic Abstract in original language Tento příspěvek si klade za cíl čtenáře seznámit
Více3. Přednáška Bankovní bilance, základní zásady řízení banky, vybrané ukazatele činnosti banky
3. Přednáška Bankovní bilance, základní zásady řízení banky, vybrané ukazatele činnosti banky Bilance banky, výkaz zisků a ztrát, podrozvahové položky Bilance banky - bilanční princip: AKTIVA=PASIVA bilanční
VíceDETAILY OBJEDNÁVKY REŠERŠOVANÁ SPOLEČNOST. DETAILY OBJEDNÁVKY: Zákazník: Coface Czech Credit Management Services, spol. s r.o.
Kreditní informace Coface Czech Credit Management Services, spol. s r.o. email: info-cz@coface.com 30.03.2015 12:15 document id: 1741187-3-P01-1.12.6-16244 DETAILY OBJEDNÁVKY DETAILY OBJEDNÁVKY: Zákazník:
VíceK možnostem krátkodobé předpovědi úrovně znečištění ovzduší statistickými metodami. Josef Keder
K možnostem krátkodobé předpovědi úrovně znečištění ovzduší statistickými metodami Josef Keder Motivace Předpověď budoucí úrovně znečištění ovzduší s předstihem v řádu alespoň několika hodin má význam
VíceBANKROTNÍ A BONITNÍ MODELY PŘI HODNOCENÍ PRAVDĚPODOBNOSTI ÚPADKU FIRMY. Ing. Jana Kotěšovcová, Ing. Václav Leinweber, PhD., MBA
BANKROTNÍ A BONITNÍ MODELY PŘI HODNOCENÍ PRAVDĚPODOBNOSTI ÚPADKU FIRMY Ing. Jana Kotěšovcová, Ing. Václav Leinweber, PhD., MBA Hlavní cíle zkoumání, výběr metodologie Hlavní cíle zkoumání: Cílem výzkumné
VícePoznámky k současné situaci podniku
Poznámky k současné situaci podniku Název podniku: Plzeňský Prazdroj, a.s. OKEČ: Rozvaha v plném rozsahu (k 31.12. v tis. Kč ) AKTIVA 2000 2001 2002 2003 2004 2005 2006 2007 AKTIVA CELKEM 0 0 0 15,170,444
VíceAnalysis of the personal average tax rate evolution at the selected taxpayers in the Czech Republic during the years of 1993-2011
VŠB-TU Ostrava, faculty of economics,finance department 6 th 7 th September 11 Abstract Analysis of the personal average tax rate evolution at the selected taxpayers in the Czech Republic during the years
VíceFAKULTA EKONOMICKÁ. Analysis of dependency rates of indicators in default models
ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA EKONOMICKÁ Bakalářská práce Analýza těsnosti vztahů ukazatelů v bankrotních modelech Analysis of dependency rates of indicators in default models RNDr. Jan Krtička
VíceUkazatele rentability
Poměrové ukazatele Členění ukazatelů ukazatele rentability ukazatele aktivity (efektivnosti) ukazatele finanční závislosti (zadluženosti) ukazatele likvidity (platební schopnosti) ukazatele tržní hodnoty
VíceDiskriminační analýza hodnocení rozdílů mezi 2 nebo více skupinami objektů charakterizovanými více znaky
Diskriminační analýza hodnocení rozdílů mezi 2 nebo více skupinami objektů charakterizovanými více znaky Interpretují rozdíly mezi předem stanovenými třídami Cílem je klasifikace objektů do skupin Hledáme
VíceZNALOSTI A DOVEDNOSTI ČESKÝCH ŽEN V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY
ZNALOSTI A DOVEDNOSTI ČESKÝCH ŽEN V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY Knowledge and skills of Czech women in the field of information security - the results of statistical analysis
VíceNávrh a implementace algoritmů pro adaptivní řízení průmyslových robotů
Návrh a implementace algoritmů pro adaptivní řízení průmyslových robotů Design and implementation of algorithms for adaptive control of stationary robots Marcel Vytečka 1, Karel Zídek 2 Abstrakt Článek
VícePražská vysoká škola psychosociálních studií
Pražská vysoká škola psychosociálních studií Stres u mužů v pomáhajících profesích a jeho zvládání pomocí extrémních sportů Martin Balej Vedoucí práce: MUDr. Olga Dostálová, CSc. Praha 2014 Prague college
VíceProfilování vzorků heroinu s využitím vícerozměrné statistické analýzy
Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování
VícePROBLEMATIKA BROWNFIELDS Z POHLEDU JEJICH BEZPEČNOSTNÍCH RIZIK PRO ÚZEMNÍ ROZVOJ
PROBLEMATIKA BROWNFIELDS Z POHLEDU JEJICH BEZPEČNOSTNÍCH RIZIK PRO ÚZEMNÍ ROZVOJ THE ISSUE OF BROWNFIELDS IN TERMS OF THEIR SAFETY RISKS FOR REGIONAL DEVELOPMENT Bc. Eliška Vítková vitkova.e@centrum.cz
VíceMODEL KAMF PRO HODNOCENÍ BONITY MUNICIPÁLNÍ FIRMY
MODEL KAMF PRO HODNOCENÍ BONITY MUNICIPÁLNÍ FIRMY Ivana Kraftová Ústav ekonomie, Univerzita Pardubice, Fakulta ekonomicko-správní Abstract: The syntetical indicators of the financial analysis are standardly
VíceFinanční řízení podniku
Finanční řízení podniku Finanční řízení Základním úkolem je zajištění kapitálu a koordinace peněžních toků podnikání s cílem dosáhnout co nejlepšího zhodnocení kapitálu při zachování platební schopnosti
Vícepro platební neschopnost dostát splatným pro předlužení, kdy hodnota závazků převzetím (takeover)
6. přednáška Predikce finanční tísně Zabývá se rizikem úpadku hrozí: pro platební neschopnost dostát splatným závazkům pro předlužení, kdy hodnota závazků převyšuje hodnotu aktiv (avizuje chronická ztrátovost)
Více5 INVESTIČNÍ RIZIKO, ČISTÝ PRACOVNÍ KAPITÁL A STRATEGIE FINANCOVÁNÍ, FINANČNĚ-ANALYTICKÁ KRITÉRIA VÝKONNOSTI PODNIKU
5 INVESTIČNÍ RIZIKO, ČISTÝ PRACOVNÍ KAPITÁL A STRATEGIE FINANCOVÁNÍ, FINANČNĚ-ANALYTICKÁ KRITÉRIA VÝKONNOSTI PODNIKU 5.1 Investiční riziko (měření a ochrana) 5.1.1 Měření investičního rizika Definovat
VíceVÝVOJ PLODNOSTI VE STÁTECH A REGIONECH EVROPSKÉ UNIE PO ROCE 1991
UNIVERZITA KARLOVA V PRAZE PŘÍRODOVĚDECKÁ FAKULTA KATEDRA DEMOGRAFIE A GEODEMOGRAFIE VÝVOJ PLODNOSTI VE STÁTECH A REGIONECH EVROPSKÉ UNIE PO ROCE 1991 Seminář mladých demografů Proměny demografického chování
VíceFinanční analýza podniku Financial Analysis
Masarykova univerzita Ekonomicko-správní fakulta Studijní obor: Podnikové hospodářství Finanční analýza podniku Financial Analysis Diplomová práce Vedoucí diplomové práce: Doc. Ing. Petr Suchánek, Ph.D.
VíceFinance a řízení. Posouzení finanční situace zvolené průmyslové společnosti
Finance a řízení Posouzení finanční situace zvolené průmyslové společnosti Autor: Zdeňka Blahová, DiS. Vedoucí práce: Ing. Petra Létalová, PhD. 2012 Anotace Bakalářská práce je zaměřena na finanční analýzu
VíceBankrotní modely v podmínkách České republiky
Bankrotní modely v podmínkách České republiky Marek Vochozka, Petr Mulač Vysoká škola technická a ekonomická v Českých Budějovicích Abstrakt Příspěvek se zabývá bankrotními modely, které vznikly pomocí
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE
v návaznosti na předmět PE_925 Podniková ekonomika 1. Předmět, metody a historie podniku a podnikového hospodářství. Vývoj v Evropě a ve světě. Specifikujte hlavní závěry ve vazbě na Vaši doktorskou práci.
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VíceSTUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI. Pavel Praks, Zdeněk Boháč
STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI Pavel Praks, Zdeněk Boháč Katedra matematiky a deskriptivní geometrie, VŠB - Technická univerzita Ostrava 17. listopadu
VíceAlgoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně
Aplikace UNS v biomedicíně aplikace v medicíně postup při zpracování úloh Aplikace UNS v medicíně Důvod: nalezení exaktnějších, levnějších a snadnějších metod určování diagnóz pro lékaře nalezení šetrnějších
VíceSegmentace návštěvníků
angl. visitor segmentation je marketingový proces v cestovním ruchu, ve kterém se potenciální návštěvníci rozdělují do stejnorodých, avšak od sebe se lišících skupin, dle určitých kritérií tvořící tzv.
VíceMETODY PREDIKCE FINANČNÍ TÍSNĚ U ZEMĚDĚLSKÝCH PODNIKŮ PREDICTION METHODS OF FINANCIAL HEALTH FOR AGRICULTURAL FIRMS
METODY PREDIKCE FINANČNÍ TÍSNĚ U ZEMĚDĚLSKÝCH PODNIKŮ PREDICTION METHODS OF FINANCIAL HEALTH FOR AGRICULTURAL FIRMS KOPTA Daniel, (ČR) ABSTRACT In this entry possibilities of use of financial health indicators
VíceANALÝZA FAKTORŮ OVLIVŇUJÍCÍCH CENU ZDROJŮ FINANCOVÁNÍ ČINNOSTI V ODVĚTVÍ ZEMĚDĚLSTVÍ ČESKÉ REPUBLIKY
ANALÝZA FAKTORŮ OVLIVŇUJÍCÍCH CENU ZDROJŮ FINANCOVÁNÍ ČINNOSTI V ODVĚTVÍ ZEMĚDĚLSTVÍ ČESKÉ REPUBLIKY FACTORS ANALYSIS, WHICH ARE INFLUENCING PRICE OF FINANCING RESOURCES OF ACTIVITY IN CZECH REPUBLIC AGRICULTURE
VíceDOTAZNÍK MĚŘENÍ A ŘÍZENÍ VÝKONNOSTI PODNIKŮ - ZÁVĚREČNÁ ZPRÁVA
Projekt Tvorba modelu pro měření a řízení výkonnosti podniků byl podpořen Grantovou agenturou ČR, reg. č. projektu 402/09/1739 DOTAZNÍK MĚŘENÍ A ŘÍZENÍ VÝKONNOSTI PODNIKŮ - ZÁVĚREČNÁ ZPRÁVA ZÁKLADNÍ CHARAKTERISTIKY
Vícepoložky rozvahy a výsledovky obsahují stejné číselné údaje jako účty 702 a 710
22. ÚČETNÍ ZÁVĚRKA A FINANČNÍ ANALÝZA na základě účetní uzávěrky se sestavuje účetní závěrka, která podle zákona o účetnictví zahrnuje: rozvahu (bilanci) výkaz zisku a ztráty (výsledovka) příloha, jejíž
VíceCíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR
Cíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR Data Obce ČR 2011 (Veřejná databáze ČSÚ) SPSS IBM, ArcGIS Proměnné: intenzita migračního
VícePrávní formy podnikání v ČR
Bankovní institut vysoká škola Praha Právní formy podnikání v ČR Bakalářská práce Prokeš Václav Leden, 2009 Bankovní institut vysoká škola Praha Katedra Bankovnictví Právní formy podnikání v ČR Bakalářská
VíceValue at Risk. Karolína Maňáková
Value at Risk Karolína Maňáková Value at risk Historická metoda Model-Building přístup Lineární model variance a kovariance Metoda Monte Carlo Stress testing a Back testing Potenciální ztráta s danou pravděpodobností
Více1 Finanční analýza. 1.1 Poměrové ukazatele
1 Finanční analýza Hlavním úkolem finanční analýzy, jako nástroj řízení společnosti, je komplexní posouzení současné finanční a ekonomické situace společnosti za pomoci specifických postupů a metod. Finanční
VíceCan the same indicators serve for the prediction of bankruptcy in a different environment?
th International Scientific Conference Managing and Modelling of Financial Risks Ostrava VŠB-TU of Ostrava, Faculty of Economics, Finance Department th 9 th September 4 Can the same indicators serve for
VíceUSING VIDEO IN PRE-SET AND IN-SET TEACHER TRAINING
USING VIDEO IN PRE-SET AND IN-SET TEACHER TRAINING Eva Minaříková Institute for Research in School Education, Faculty of Education, Masaryk University Structure of the presentation What can we as teachers
VíceNeuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
VíceEKONOMICKÁ ANALÝZA CHEMICKÉHO PRŮMYSLU. JOSEF KRAUSE a JINDŘICH ŠPIČKA. 1. Úvod klasifikace ekonomických činností
EKONOMICKÁ ANALÝZA CHEMICKÉHO PRŮMYSLU JOSEF KRAUSE a JINDŘICH ŠPIČKA Katedra podnikové ekonomiky, Fakulta podnikohospodářská, Vysoká škola ekonomická v Praze, nám. W. Churchilla 4, 130 67 Praha 3 josef.krause@vse.cz,
VíceBenchmarking. Rentabilita
Benchmarking - 1 - Benchmarking Testované společnosti prošly testem, již každá z nich byla okomentovaná v kapitole věnované právě jí, mohli jsme tam najít i malé srovnaní s ostatníma společnostmi. Podrobnější
VíceNěkteré potíže s klasifikačními modely v praxi. Nikola Kaspříková KMAT FIS VŠE v Praze
Některé potíže s klasifikačními modely v praxi Nikola Kaspříková KMAT FIS VŠE v Praze Literatura J. M. Chambers: Greater or Lesser Statistics: A Choice for Future Research. Statistics and Computation 3,
VíceMetodologie řízení projektů
Metodologie řízení projektů Petr Smetana Vedoucí práce PhDr. Milan Novák, Ph.D. Školní rok: 2008-09 Abstrakt Metodologie řízení projektů se zabývá studiem způsobů řešení problémů a hledání odpovědí v rámci
VíceObsah předmětu (přehled hlavních témat a jejich obsahové náplně)
Anotační list k předmětu Řízení a ekonomika malých firem (REMF) Kód předmětu: Název v jazyce výuky: Název česky: Název anglicky: Způsob ukončení a počet kreditů: Forma výuky/rozvrhovaná výuka: Jazyk výuky:
Vícekompoziční data s aplikací v metabolomice
Metoda dílčích nejmenších čtverců pro kompoziční data s aplikací v metabolomice Karel Hron a,b, Peter Filzmoser c, Lukáš Najdekr d a Katedra matematické analýzy a aplikací matematiky b Katedra geoinformatiky
VícePREDIKCE DÉLKY KOLONY V KŘIŽOVATCE PREDICTION OF THE LENGTH OF THE COLUMN IN THE INTERSECTION
PREDIKCE DÉLKY KOLONY V KŘIŽOVATCE PREDICTION OF THE LENGTH OF THE COLUMN IN THE INTERSECTION Lucie Váňová 1 Anotace: Článek pojednává o předpovídání délky kolony v křižovatce. Tato úloha je řešena v programu
VíceVyužití shlukové analýzy při vytváření typologie studentů
Miroslav CHRÁSKA, Milan KLEMENT Univerzita Palackého v Olomouci, Česká republika Využití shlukové analýzy při vytváření typologie studentů 1. Cíl výzkumu Cílem výzkumu bylo rozdělit české a polské vysokoškolské
VíceTestování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry
Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet
VíceObsah Podnikové účetnictví Hlavní účetní pojmy Typy a obsah fi nančních výkazů iii
Obsah Jak pracovat s elektronickou aplikací.................................................... ix Předmluva............................................................................ xiii Úvod................................................................................
Více1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
Více