Protokol č. 5. Vytyčovací údaje zkusných ploch
|
|
- Rudolf Jelínek
- před 5 lety
- Počet zobrazení:
Transkript
1 Protokol č. 5 Vytyčovací údaje zkusných ploch Zadání: Ve vybraném porostu bylo prováděno zjišťování zásob za použití reprezentativní metody kruhových zkusných ploch. Na těchto zkusných plochách byl zjišťován objem hroubí kmene všech dřevin. Vypočtěte průměrnou hektarovou zásobu a zásobu celého porostu. Vyjádřete chyby těchto odhadů a porovnejte je s maximální tolerovanou chybou z Vašeho zadání. Odhadněte počet zkusných ploch a intenzitu výběru nutné pro dosažení požadované přesnosti stanovení zásob. Zhodnoťte rentabilitu a spolehlivost metody při daném počtu zkusných ploch. Je zadáno: S - výměra porostu [ha] h - hustota porostu [stromů/ha] n - průměrný počet stromů na zkusné ploše E - tolerovaná 95 % mezní chyba porostní (hektarové) zásoby [%] k - počet zkusných ploch průzkumného výběru zjištěná zásoba (m 3 ) na 15 zkusných plochách Výpočet základních vytyčovacích veličin. Základem metody kruhových zkusných ploch jako jedné z reprezentativních, matematicko statistických metod je teorie náhodného výběru a odhadu statistických charakteristik základního souboru pomocí zmíněných charakteristik výběru. Patří k často používaným metodám v praxi. Obvykle používaná přesnost zjišťování zásob metodou kruhových zkusných ploch je ± 10%.
2 p - velikost zkusné plochy [ha] se spočítá jako průměrný počet stromů na zkusné ploše n / hustota porostu h Např.: 19 / 410 = 0,05 ha V závislosti na hustotě porostu se volí různá velikost kruhů zkusných ploch tak, aby se v kruhu nacházelo obvykle průměrně stromů. Tento počet je nejvhodnější s ohledem na ekonomičnost provádění a požadovanou přesnost měření. P - celková výměra zkusných ploch [ha] se spočítá jako velikost zkusné plochy p * počet zkusných ploch průzkumného výběru k Např.: 0,046 * 15 = 0,70 ha
3 i(%) - intenzita výběru [%] se spočítá jako celková výměra zkusných ploch P / výměra porostu S * 100 Např.: 0,70 / 13 * 100 = 5,35 % Jedná se o procento výměry kruhových zkusných ploch z plochy celého porostu.
4 Poznámka: Pokud má být výsledek v procentech, můžeme ho obdržet místo násobením 100 i úpravou formátu buněk na procenta.
5 Do buňky klikneme pravým tlačítkem myši, vybereme Formát buněk
6 Vybereme Procenta a klikneme na OK
7 Výsledek se objeví v procentech Pokud je formát buněk nastaven v procentech, objeví se v buňce spolu s výsledkem %. Pokud jsme procenta obdrželi vynásobením vzorce * 100, výsledek je také v procentech, ale % se spolu s výsledkem v buňce neobjeví. d - odstupová vzdálenost středů zkusných ploch[m] se spočítá jako ODMOCNINA (výměra porostu S / počet zkusných ploch průzkumného výběru k) * 100 Např.: ODMOCNINA (13 / 15) * 100 = 93,09 m Zkusné plochy jsou v porostu s ohledem na jeho charakter (nepravidelnosti hustoty porostu a zastoupení dřevin v jeho různých částech) rozmístěny zhruba schematicky, a to rovnoměrně dle čtvercové nebo obdélníkové sítě nebo nerovnoměrně dle jiné sítě.
8 Zásoba na hektar. V prům/ha - průměrná hektarová zásoba na zkusné ploše [m 3 ] se spočte jako (PRŮMĚR (označené všechny zjištěné zásoby na zkusných plochách)) / velikost zkusné plochy p Např.: (PRŮMĚR (označené zásoby ze zkusných ploch)) / 0,05 = 645,79 m 3 Místo funkce průměr můžeme provést sumu zásob na zkusných plochách, kterou vydělíme počtem zkusných ploch.
9 Pro výpočet S vi/ha - směrodatná odchylka hektarové zásoby na zkusné ploše [m 3 ] zadáme SMODCH.VÝBĚR (označená veškerá zjištěná zásoba ze zadaných 15 zkusných ploch) / velikost zkusné plochy p Např.: SMODCH.VÝBĚR (označené zjištěné zásoby na zkusných plochách) / 0,05 = 210,55 m 3 Rozměr směrodatné odchylky je stejný jako rozměr veličiny. Používá se hlavně pro popis souborů.
10 Var vi/ha (%) - variační koeficient hektarové zásoby na zkusné ploše [%] se spočítá jako podíl S vi/ha / V prům/ha * 100 S% S x 100 Např.: 210,55 / 645,79 = 32,60 % Variační koeficient je relativní mírou variability, používá se k vzájemnému porovnání variability různých souborů.
11 S ha - směrodatná odchylka odhadu průměrné hektarové zásoby [m 3 ] se spočítá jako S vi/ha / ODMOCNINA z počtu zkusných ploch průzkumného výběru k Např.: 210,55 / ODMOCNINA z 15 = 54,36 m 3
12 E ha - vypočtená 95% absolutní mezní chyba odhadu průměrné hektarové zásoby [m 3 ] se spočítá jako TINV ( prst = α = 0,05; volnost = n-1 = 15-1 = 14) * S ha Pozn. α = 0,05 pro 95 % pravděpodobnost, riziko chyby je 5 %. Volnost je počet zkusných ploch snížen o 1, tj = 14. Např.: TINV (0,05; 14) * 54,36 = 116,60 m 3 E ha (%) - vypočtená 95% relativní mezní chyba odhadu průměrné hektarové zásoby [%] se spočítá jako podíl E ha a V prům/ha * 100 Např.: 116,60 / 645,79 * 100 = 18,05 %
13 Zásoba celého porostu. V porost - zásoba celého porostu [m 3 ] se spočítá jako V prům/ha * výměra porostu S Např.: 645,79 * 13 = 8395,22 m 3 Pro zjištění zásoby porostu vynásobíme známou hektarovou zásobu počtem hektarů celého porostu.
14 S porost - směrodatná odchylka odhadu zásoby porostu [m 3 ] spočteme jako S ha * výměra porostu S Např.: 54,36 * 13 = 706,72 m 3
15 E porost - vypočtená 95% absolutní mezní chyba odhadu zásoby porostu [m 3 ] se spočítá jako TINV ( prst = α = 0,05; volnost = n-1 = 15-1 = 14) * S porost Např.: TINV (0,05; 14) * 706,72 = 1515,75 m 3
16 E porost (%) - vypočtená 95% relativní mezní chyba odhadu zásoby porostu [%] se spočítá jako E porost / V porost * 100 Např.: 1515,75 / 8395,22 * 100 = 18,5 % Vypočtený počet zkusných ploch, intenzita výběru. K - vypočtený počet zkusných ploch o dané velikosti potřebný k dosažení požadované přesnosti stanovení zásoby spočteme jako TINV (prst = α = 0,05; volnost = n-1 = 15-1 = 14) ^ 2 * (Var vi /ha (%) ^2 / E ^ 2) Pozn. α = 0,05 pro 95 % pravděpodobnost. Např.: TINV (0,05; 14) ^ 2 * (32,60 (%) ^2 / 15 (%) ^ 2) = 21,73 Počet zkusných ploch je minimální potřebný počet ploch pro stanovení zásoby s požadovanou přesností. V komentáři je třeba počet zkusných ploch zaokrouhlit na celé číslo nahoru.
17 I (%)- intenzita výběru pro potřebný počet zkusných ploch [%] se spočítá jako K * p / S * 100 Např. 21,73 * 0,05 / 13 * 100 = 7,75 % Je to procento výměry kruhových zkusných ploch z plochy celého porostu.
18
19 Výsledky okomentujeme:
Protokol č. 2. základní taxační veličiny. Vyplňte zadanou tabulku na základě měření tlouštěk a výšek v porostu.
Protokol č. 2 základní taxační veličiny Zadání: Vyplňte zadanou tabulku na základě měření tlouštěk a výšek v porostu. Je zadána výměra porostu, věk, zjištěná zásoba a naměřené výšky a tloušťky dřevin.
VíceProtokol č. 8. Stanovení zásoby relaskopickou metodou
Protokol č. 8 Stanovení zásoby relaskopickou metodou Zadání: Pro zadané dřeviny stanovte zásobu pomocí relaskopické metody. Součástí protokolu bude vyplněný protokol podle relaskopického formuláře (provedení
VíceProtokol č. 7. Jednotné objemové křivky. Je zadána výměra porostu, výška dřevin a počty stromů v jednotlivých tloušťkových stupních.
Protokol č. 7 Jednotné objemové křivky Zadání: Pro zadané dřeviny stanovte zásobu pomocí JOK tabulek. Součástí protokolu bude tabulka obsahující střední Weisseho tloušťku, Weisseho procento, číslo JOK,
VíceProtokol č. 1. Tloušťková struktura. Zadání:
Protokol č. 1 Tloušťková struktura Zadání: Pro zadané výčetní tloušťky (v cm) vypočítejte statistické charakteristiky a slovně interpretujte základní statistické vlastnosti tohoto souboru tloušťek. Dále
VíceSpeciální metody dendrometrie
Speciální metody dendrometrie Úvod - Přechod od klasické dendrometrie ke speciálním metodám Zdeněk Adamec Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018
VíceProtokol č. 3. Morfologie ležícího kmene
Protokol č. 3 Morfologie ležícího kmene Zadání: Stanovte vhodný analytický tvar morfologické křivky kmene včetně výpočtu parametrů, dále stanovte postupnou a celkovou sbíhavost kmene. Měřené a modelové
VíceProtokol č. 10. Odhad zásoby pomocí růstových tabulek
Protokol č. 10 Odhad zásoby pomocí růstových tabulek Zadání: Pro zadané dřeviny stanovte AVB, tabulkovou a skutečnou zásobu/ha, tabulkový a skutečný CBP pro periodu 5 let a PMP pro věk 100 roků. Je zadána
VíceÚstav pro hospodářskou úpravu lesů Brandýs nad Labem. Mrtvé dříví NIL2
Ústav pro hospodářskou úpravu lesů Brandýs nad Labem Mrtvé dříví NIL2 Ing. Miloš Kučera, Ph.D, Ing. Radim Adolt, Ph.D., Ing. Ivo Kohn, Mgr. Klára Piškytlová, Ing. Lukáš Kratěna, Ing. Jiří Fejfar, Ph.D.,
VíceAplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář
Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceSimulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
VíceProtokol č. 6. Objemové tabulky
Protokol č. 6 Objemové tabulky Zadání: Pro zadané dřeviny stanovte zásobu pomocí objemových tabulek. Součástí protokolu bude tabulka obsahující parametry výškové funkce, objem středního kmene a střední
VíceUKAZATELÉ VARIABILITY
UKAZATELÉ VARIABILITY VÝZNAM Porovnejte známky dvou studentek ze stejného předmětu: Studentka A: Studentka B: Oba soubory mají stejný rozsah hodnoty, ale liší se známky studentky A jsou vyrovnanější, jsou
VíceInferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů
Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že
VíceNadzemní biomasa a zásoba uhlíku
Nadzemní biomasa a zásoba uhlíku V poslední době vzniká velice aktuální potřeba kvantifikace množství biomasy a uhlíku především ze dvou důvodů. Prvním je požadavek stanovení množství uhlíku vázaného v
VíceStatistika. Teorie odhadu statistická indukce. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .
Statistika Teorie odhadu statistická indukce Intervalový odhad µ, σ 2 a π Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika
VíceMODELY HOSPODÁŘSKÝCH LESŮ IV. Postup výpočtu etátu
MODELY HOSPODÁŘSKÝCH LESŮ IV. Postup výpočtu etátu Obecný postup výpočtu etátu A) TĚŽBA MÝTNÍ Stanovení těžebních procent pro zadaný hospodářský soubor (dále jen HS) podle parametrů u - obmýtí a o - obnovní
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření Počet stran: 10 Datum odevzdání: 13. 5. 2016 Pavel Kubát Obsah Úvod... 3 1 Charakterizujte
VíceROZDĚLENÍ NÁHODNÝCH VELIČIN
ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
VíceMATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ
MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),
VíceTAJGA - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI
TAJGA - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Oddělení ekologie lesa, Výzkumný ústav Silva Taroucy pro
VícePracovní list č. 3 Charakteristiky variability
1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte
VíceČíselné charakteristiky
. Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch
VíceKLEŤ - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI
KLEŤ - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Oddělení ekologie lesa, Výzkumný ústav Silva Taroucy pro
VíceEXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek
EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceKOSTELECKÉ BORY MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI
KOSTELECKÉ BORY MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Oddělení ekologie lesa, Výzkumný ústav Silva Taroucy
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VícePrvní výsledky NIL2. 7. října Ústav pro hospodářskou úpravu lesů Brandýs nad Labem. Forest Management Institute, Czech Republic
První výsledky NIL2 7. října 2015 Základní pojmy Ústav pro hospodářskou úpravu lesů Brandýs nad Labem Statistická inventarizace lesů: - zjišťování stavu a vývoje lesů na základě výběrového šetření - zaznamenání
VíceZadání Máme data hdp.wf1, která najdete zde: Bodová předpověď: Intervalová předpověď:
Predikce Text o predikci pro upřesnění pro ty, které zajímá, kde se v EViews všechna ta čísla berou. Ruční výpočty u průběžného testu nebudou potřeba. Co bude v závěrečném testu, to nevím. Ale přečíst
VíceBonita stanoviště a bonita porostu
Bonita stanoviště a bonita porostu aneb přístupy hodnocení produkce lesa Jan Kadavý Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Základní
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceStřední průmyslová škola, Karviná. Protokol o zkoušce
č.1 Stanovení dusičnanů ve vodách fotometricky Předpokládaná koncentrace 5 20 mg/l navážka KNO 3 (g) Příprava kalibračního standardu Kalibrace slepý vzorek kalibrační roztok 1 kalibrační roztok 2 kalibrační
VíceObr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel. Výpočet budeme demonstrovat
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceLIBICKÝ LUH HAVRANY MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU
LIBICKÝ LUH HAVRANY MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Oddělení ekologie lesa, Výzkumný ústav Silva
VíceStěžejní funkce MS Excel 2007/2010, jejich ovládání a možnosti využití
Stěžejní funkce MS Excel 2007/2010, jejich ovládání a možnosti využití Proč Excel? Práce s Excelem obnáší množství operací s tabulkami a jejich obsahem. Jejich jednotlivé buňky jsou uspořádány do sloupců
VíceOdhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára
Odhady parametrů základního souboru Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára Motivační příklad Mám průměrné roční teploty vzduchu z 8 stanic
VíceMatematika PRŮŘEZOVÁ TÉMATA
Matematika ročník TÉMA 1-4 Operace s čísly a - provádí aritmetické operace v množině reálných čísel - používá různé zápisy reálného čísla - používá absolutní hodnotu, zapíše a znázorní interval, provádí
VíceVýrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy
Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream
VícePřílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat
VíceLOVĚTÍNSKÁ ROKLE - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI
LOVĚTÍNSKÁ ROKLE - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Oddělení ekologie lesa, Výzkumný ústav Silva
VíceČíselné charakteristiky a jejich výpočet
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky
VícePosouzení přesnosti měření
Přesnost měření Posouzení přesnosti měření Hodnotu kvantitativně popsaného parametru jakéhokoliv objektu zjistíme jedině měřením. Reálné měření má vždy omezenou přesnost V minulosti sloužila k posouzení
VíceSTATISTICA Téma 7. Testy na základě více než 2 výběrů
STATISTICA Téma 7. Testy na základě více než 2 výběrů 1) Test na homoskedasticitu Nalezneme jej v několika submenu. Omezme se na submenu Základní statistiky a tabulky základního menu Statistika. V něm
VíceSemestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2
Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality
VícePROTOKOL. č. C2858c. Masarykova univerzita PF Ústav chemie Chemie konzervování a restaurování 1 POPIS PRAKTICKÉHO CVIČENÍ. 1.
PROTOKOL č. C2858c Masarykova univerzita PF Ústav chemie Chemie konzervování a restaurování Předmět: Znehodnocování a povrchové úpravy materiálů - cvičení Datum: Téma: Kvantifikace koroze a stanovení tolerancí
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VícePOPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
VíceSTATISTICKÉ ZJIŠŤOVÁNÍ
STATISTICKÉ ZJIŠŤOVÁNÍ ÚVOD Základní soubor Všechny ryby v rybníce, všechny holky/kluci na škole Cílem určit charakteristiky, pravděpodobnosti Průměr, rozptyl, pravděpodobnost, že Maruška kápne na toho
VíceHEDVÍKOVSKÁ ROKLE - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU
HEDVÍKOVSKÁ ROKLE - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Oddělení ekologie lesa, Výzkumný ústav Silva
VíceŠkody zvěří na lesních porostech
Škody zvěří na lesních porostech Odhady zastoupení jedinců poškozených zvěří byly získány na základě dat pozemního šetření druhého cyklu Národní inventarizace lesů. Šetření bylo provedeno na počtu 7 772
VíceVYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STAVEBNÍ ROZPTYL GEOMETRICKÝCH PARAMETRŮ OTEVŘENÝCH VÁLCOVANÝCH PROFILŮ SVOČ 2002
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STAVEBNÍ ROZPTYL GEOMETRICKÝCH PARAMETRŮ OTEVŘENÝCH VÁLCOVANÝCH PROFILŮ SVOČ 22 Vypracoval: Stanislav Vokoun Konzultant: Doc. Ing. Petr Janas CSc.
VíceUniverzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Seminární práce 1 Brno, 2002 Ing. Pavel
VíceSAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY
SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim
VíceFrantišek Hudek. květen 2012
VY_32_INOVACE_FH07 Jméno autora výukového materiálu Datum (období), ve kterém byl VM vytvořen Ročník, pro který je VM určen Vzdělávací oblast, obor, okruh, téma Anotace František Hudek květen 2012 8. ročník
VíceDetailní porozumění podstatě měření
Nejistoty Účel Zjištění intervalu hodnot okolo výsledku měření, který lze přiřadit k hodnotě měřené veličiny Nejčastěji X X [%] X U X U [%] V roce 1990 byl vydán dokument WECC 19/90, který představoval
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký
VíceJednovýběrové testy. Komentované řešení pomocí MS Excel
Jednovýběrové testy Komentované řešení pomocí MS Excel Vstupní data V dalším budeme předpokládat, že tabulka se vstupními daty je umístěna v oblasti A1:C23 (viz. obrázek) Základní statistiky vložíme vzorce
VícePraktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
VíceSystém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška
Systém rizikové analýzy při sta4ckém návrhu podzemního díla Jan Pruška Definice spolehlivos. Spolehlivost = schopnost systému (konstrukce) zachovávat požadované vlastnos4 po celou dobu životnos4 = pravděpodobnost,
VíceKAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM
KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM CÍLE KAPITOLY Využívat pokročilé možnosti formátování, jako je podmíněné formátování, používat vlastní formát čísel a umět pracovat s listy. Používat
VíceSTATISTICA Téma 6. Testy na základě jednoho a dvou výběrů
STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů 1) Test na velikost rozptylu Test na velikost rozptylu STATISTICA nemá. 2) Test na velikost střední hodnoty V menu Statistika zvolíme nabídku Základní
VíceMatematické modelování dopravního proudu
Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení
VíceMgr. et Mgr. Jan Petrov, LL.M. Ph.D. BYZNYS A PRÁVO
BYZNYS A PRÁVO Byznys a právo OBSAH ZÁKLADNÍ FUNKCE EXCELU... 2 FUNKCE ODMOCNINA A ZAOKROULIT... 4 FORMÁT A OBSAH BUNĚK... 5 RELATIVNÍ ODKAZY... 9 ABSOLUTNÍ ODKAZY... 11 Byznys a právo ZÁKLADNÍ FUNKCE
VíceVE STUDENÉM MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI
VE STUDENÉM MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Odbor ekologie lesa, Výzkumný ústav Silva Taroucy
VíceVýpočet pravděpodobností
Výpočet pravděpodobností Pravděpodobnostní kalkulátor v programu STATISTICA Cvičení 5 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen 2016 Ambrožová Klára Trocha teorie Náhodné jevy mají
VíceI. Kalkulátor Rebell SC2040 manuál s příklady Tlačítko: MODE CLR
I. Kalkulátor Rebell SC2040 manuál s příklady Tlačítko: MODE CLR Toto tlačítko je velmi důležité pro volbu pracovního režimu. 1 stisknutí: 1 (COMP) - běžné výpočty SD, REG statistické výpočty 2 stisknutí
VíceMann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.
VíceSTATISTICKÉ CHARAKTERISTIKY
STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VíceSTANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák
STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.
VíceVYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření
VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ # Nejistoty měření Přesnost měření Klasický způsob vyjádření přesnosti měření chyba měření: Absolutní chyba X = X M X(S) Relativní chyba δ X = X(M) X(S) - X(M) je naměřená hodnota
VíceParametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =
Příklad 1 Metodou nejmenších čtverců nalezněte odhad lineární regresní funkce popisující závislost mezi výnosy pšenice a množstvím použitého hnojiva na základě hodnot výběrového souboru uvedeného v tabulce.
VíceStatistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni
Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Kvantifikace dat Pro potřeby statistického zpracování byly odpovědi převedeny na kardinální intervalovou
VíceSTANOVENÍ PROPUSTNOSTI OBALOVÝCH MATERIÁLŮ PRO VODNÍ PÁRU
STANOVENÍ PROPUSTNOSTI OBALOVÝCH MATERIÁLŮ PRO VODNÍ PÁRU Úvod Obecná teorie propustnosti polymerních obalových materiálů je zmíněna v návodu pro stanovení propustnosti pro kyslík. Na tomto místě je třeba
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
VíceZákladní vzorce a funkce v tabulkovém procesoru
Základní vzorce a funkce v tabulkovém procesoru Na tabulkovém programu je asi nejzajímavější práce se vzorci a funkcemi. Když jednou nastavíte, jak se mají dané údaje zpracovávat (některé buňky sečíst,
VíceInduktivní statistika. z-skóry pravděpodobnost
Induktivní statistika z-skóry pravděpodobnost normální rozdělení Z-skóry umožňují najít a popsat pozici každé hodnoty v rámci rozdělení hodnot a také srovnávání hodnot pocházejících z měření na rozdílných
VíceIII) Podle závislosti na celkovém ekonomickém vývoji či na vývoji v jednotlivé firmě a) systematické tržní, b) nesystematické jedinečné.
Měření rizika Podnikatelské riziko představuje možnost, že dosažené výsledky podnikání se budou kladně či záporně odchylovat od předpokládaných výsledků. Toto riziko vzniká např. při zavádění nových výrobků
VíceODBĚR, PŘÍPRAVA, PŘEPRAVA A UCHOVÁVÁNÍ VZORKŮ
ODBĚR, PŘÍPRAVA, PŘEPRAVA A UCHOVÁVÁNÍ VZORKŮ Základní pojmy Obecná pravidla vzorkování Chyby při vzorkování, typy materiálů Strategie vzorkování Plán vzorkování Základní způsoby odběru Vzorkovací pomůcky
VíceKombinatorika, pravděpodobnost a statistika, Posloupnosti a řady
Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník 3 hodiny týdně PC a dataprojektor Kombinatorika Řeší jednoduché úlohy
VíceIndexy, analýza HDP, neaditivnost
Indexy, analýza HDP, neaditivnost 1.) ŘETĚZOVÉ A BAZICKÉ INDEXY 1999 2000 2001 2002 Objem vkladů (mld. Kč) 80,8 83,7 91,5 79,4 a) určete bazické indexy objemu vkladů (1999=100) Rok 1999=100 báze. Pro rok
VíceKomplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady
Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice
VíceDOUTNÁČ - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI
DOUTNÁČ - MONITORING LOKALITY PONECHANÉ SAMOVOLNÉMU VÝVOJI David Janik *, Dušan Adam, Pavel Unar, Tomáš Vrška, Libor Hort, Pavel Šamonil, Kamil Král Oddělení ekologie lesa, Výzkumný ústav Silva Taroucy
Více676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368
Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540
VíceP ílohy. P íloha 1. ešení úlohy lineárního programování v MS Excel
P ílohy P íloha 1 ešení úlohy lineárního programování v MS Excel V této p íloze si ukážeme, jak lze ešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat
Více3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT
PROKAZOVÁNÍ SHODY VÝROBKŮ část 3, díl 8, kapitola 4, str. 1 3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT Vyjadřování standardní kombinované nejistoty výsledku zkoušky Výsledek zkoušky se vyjadřuje v
VíceEkonomika lesního hospodářství
Ekonomika lesního hospodářství Cvičení Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Oceňování škod a újem v LH Ekonomika lesního hospodářství
VíceStatistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
Více23. Matematická statistika
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti
VíceSoubor map - Porostní charakteristiky horských smr in na trvalých zkusných plochách v lokalit Calimani v Rumunsku
Soubor map - Porostní charakteristiky horských smrin na trvalých zkusných plochách v lokalit Calimani v Rumunsku Autoi: Ing. Pavel Janda, Ph.., oc., Ing. Miroslav Svoboda, Ph.., Ing. Radek Bae, Ph.. Tento
VíceDendrometrie pro účel oceňování dřevin rostoucích mimo les dle metodiky AOPK
Dendrometrie pro účel oceňování dřevin rostoucích mimo les dle metodiky AOPK Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Dendrometrie
VíceVNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách
ROZKLAD ROZPTYLU ROZKLAD ROZPTYLU Rozptyl se dá rozložit na vnitroskupinový a meziskupinový rozptyl. Celkový rozptyl je potom součet meziskupinového a vnitroskupinového Užívá se k výpočtu rozptylu, jestliže
Více