STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA Sylabus pro předmět STATISTIKA Pomůcky... 7

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7"

Transkript

1 Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA Sylabus pro předmět STATISTIKA Pomůcky

2 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru Podnikové informační systémy vyučoval dosud ve dvou částech. V zimním semestru se vyučoval kurz STA1 a v letním semestru kurz STA2. V kurzu STA1 se vyučovaly oblasti Popisná statistika, Pravděpodobnost, Matematická statistika bodové a intervalové odhady. Kurz STA2 plynule navazoval na kurz STA1 a výuka se zaměřovala na testování hypotéz, analýzu závislostí, časové řady a indexní analýzu. Jelikož na každý kurz připadalo 14 výukových týdnů, látka byla probírána do hloubky, studenti se naučili počítat různé variety příkladů a i se důkladně seznámili s používáním statistických vzorců, tabulek, statistických funkcí a nástrojů analýzy dat. Inovace předmětu Statistika spočívá v tom, že dojde ke spojení kurzů STA1 a STA2 a současně se tak zredukuje zejména obsah procvičované látky. Základní oblasti statistiky zůstanou zachovány Popisná statistika, Pravděpodobnost, Matematická statistika, Analýza závislostí, Časové řady a Indexní analýza, dojde pouze k zúžení rozsahu praktické výuky na základní minimum. Na cvičeních se studenti seznámí se základními typy příkladů v jednotlivých oblastech statistiky a současně se naučí práci se statistickými vzorci a tabulkami. Výuka bude probíhat v programu MS Excel, ve kterém se studenti naučí používat základní statistické vzorce a základní nástroje analýzy dat, zejména kontingenční tabulku a regresní a korelační analýza. Vytvořením nového redukovaného kurzu došlo i ke změně sylabu, který je uveden v kapitole 2. Kapitola 3 obsahuje seznam výukových pomůcek, které byly navrženy speciálně pro tento předmět statistické vzorce, statistické tabulky a soubor prezentací na cvičení. 2

3 2. Sylabus pro předmět STATISTIKA Forma a rozsah výuky: Prezenční výuka Přednáška (90 min. týdně) Cvičení (90 min. týdně) 7 kreditů ECTS (1 ECTS kredit = 26 hodin studijní zátěže) Typ a ročník studia: Povinný kurz pro bakalářský obor Podnikové informační systémy; 3. resp. 4 semestr studia Pro zápis předmětu nejsou stanovena žádná omezení, není požadována žádná výchozí praxe. Cíl předmětu: Objasnit studentům význam a pojetí moderní statistiky, základní statistické pojmy a přiblížit studentům možnosti prezentace statistických dat a způsoby jejich analýzy. Studenti se seznámí se základními oblastmi statistiky popisná statistika, pravděpodobnost, matematická statistika, regresní a korelační analýza, analýza časových řad a indexní analýza. Studenti se naučí aplikovat základní statistické postupy a správně interpretovat výsledky. Výsledky učení: Po úspěšném absolvování kurzu budou studenti schopni porozumět statistickým datům, aplikovat základní statistické postupy a správně interpretovat výsledky. Současně se naučí pracovat se základními statistickými funkcemi a nástroji analýzy dat v programu MS Excel a interpretovat příslušné statistické výstupy. Probíraná látka: 1. Popisná statistika typy proměnných, elementární zpracování statistických údajů, míry polohy, míry variability 2. Pravděpodobnost náhodný jev a definice pravděpodobnosti, náhodná veličina a její rozdělení, charakteristiky náhodných veličin 3. Matematická statistika druhy statistických zjišťování, bodové a intervalové odhady, testování hypotéz 4. Analýza závislosti test nezávislosti v kontingenčních tabulkách, analýza rozptylu, regresní a korelační analýza 5. Analýza časových řad druhy časových řad, elementární charakteristiky, modelování časových řad 6. Indexní analýza typy a vlastnosti ukazatelů; individuální, složené a souhrnné indexy 3

4 Probíraná témata: Kurz je rozdělen na 6 částí. První část kurzu je zaměřena na problematiku popisné statistiky. Student se zde mimo jiné naučí pracovat se základními statistickými funkcemi programu MS Excel. Druhá část se soustředí na pravděpodobnost, zejména náhodnou veličinu a její charakteristiky a rozdělení. Student zde bude aktivně využívat nejen statistické vzorce a funkce v programu MS Excel, ale naučí se pracovat i se statistickými tabulkami. Problematika matematické statistiky bude rozvíjena ve třetí části. Student se seznámí se smyslem matematické statistiky, typy výběrových šetření a naučí se zpracovávat data z výběrových zjišťování. Čtvrtá část kurzu se soustředí na analýzu závislosti mezi různými druhy statistických proměnných. Student zde bude aktivně využívat panel nástrojů Analýzy dat programu MS Excel a naučí se orientovat ve statistických výstupech a jejich interpretaci v praxi. Problematika časových řad bude probírána v páté části kurzu. Student se seznámí s druhy časových řad, jejich jednotlivými složkami, očišťováním a modelováním. Závěrečná šestá část kurzu je zaměřena na indexní analýzu, která má svůj význam především v oblasti statistického srovnávání. I. Popisná statistika I.I Základní statistické pojmy a typy proměnných I.II Zpracování statistických údajů statistické grafy, tabulka rozdělení četností I.III Míry polohy aritmetický průměr, harmonický průměr, kvadratický průměr, geometrický průměr; modus; medián; kvantily I.IV Míry variability variační rozpětí, rozptyl, směrodatná odchylka, variační koeficient; rozklad rozptylu II. Pravděpodobnost II.I Náhodný jev, definice pravděpodobnosti II.II Náhodná veličina základní formy popisu zákona rozdělení, spojitá a diskrétní náhodná veličina, charakteristiky náhodné veličiny II.III Diskrétní rozdělení náhodné veličiny Alternativní rozdělení, Binomické rozdělení, Poissonovo rozdělení, Hypergeometrické rozdělení II.IV Spojitá rozdělení náhodné veličiny Normální rozdělení, Normované normální rozdělení III. Matematická statistika III.I Statistické zjišťování a jeho druhy 4

5 III.II Bodové a intervalové odhady střední hodnota, rozptyl, relativní četnost, určení minimálně nutného rozsahu výběru III.III Testování statistických hypotéz parametrické testy: střední hodnota, rozptyl, relativní četnost III.IV Testování statistických hypotéz neparametrické testy: chí-kvadrát test dobré shody, Kolmogorov-Smirnovův test IV. Analýza závislosti IV.I Chí-kvadrát test nezávislosti v kontingenční tabulce IV.II Analýza rozptylu IV.III Regresní a korelační analýza přímková regrese V. Analýza časových řad V.I Druhy časových řad, elementární charakteristiky časových řad průměry hodnot, diference, tempa a průměrná tempa růstu V.II Dekompozice časové řady V.III Popis trendové složky odhad lineárního trendu V.IV Vyrovnávání časové řady klouzavé průměry VI. Indexní analýza VI.I Typy a vlastnosti ukazatelů VI.II Indexy a absolutní rozdíly jako nástroj srovnání jednoduché individuální indexy, složené individuální indexy, souhrnné indexy VI.III Indexy a absolutní rozdíly jako nástroj analýzy metoda postupných změn Požadavky na úspěšné absolvování předmětu: Aktivní účast na přednáškách/cvičeních. V průběhu semestru dva průběžné testy. Předmět zakončen zkouškou ve formě písemného testu. Způsoby a kritéria hodnocení: Druh Prezenční studium Aktivní účast na přednáškách/cvičeních 10 % Absolvování průběžných testů 40 % Absolvování zkouškového testu 50 % 5

6 Celkem 100 % Studenti v průběhu semestru absolvují dva průběžné testy. Z každého průběžného testu bude možné získat max. 20 bodů, v součtu tedy 40 bodů. Celková váha absolvovaných průběžných testů k celkovému hodnocení je 40 %. Za aktivní účast na přednáškách/cvičeních může student dosáhnout 10 bodů. Podmínkou připuštění k závěrečné zkoušce je získání minimálně 50 % bodů z průběžných testů a aktivní účasti na přednáškách/cvičeních (tj. celkem 25 bodů). Při nesplnění této podmínky není student připuštěn ke zkoušce a je hodnocen známkou Nevyhověl. Závěrečná zkouška je formou písemného testu. Student z tohoto zkouškového testu může získat max. 50 bodů, tj. 50 % k celkovému hodnocení předmětu. Klasifikace: Rozsah bodů Hodnocení % Výborně % Velmi dobře % Dobře 59 % a méně Nevyhověl Vyučující: prof. Ing. Richard Hindls, CSc., dr. h. c. (přednášející) Ing. Věra Jeřábková, Ph.D. (cvičící) Ing. Adam Čabla (cvičící) Studijní zátěž (počet hodin): Účast na přednáškách Účast na cvičeních Příprava na přednášky Příprava na cvičení Příprava na průběžné testy Příprava na závěrečný test Studijní zátěž celkem 28 h 28 h 14 h 14 h 30 h 68 h 182 h Literatura: Druh lit. ISBN Název knihy Autoři Rok vydání 6

7 Z Statistika pro ekonomy Hindls, R Z Statistika v příkladech Marek, L D Příklady k předmětu Statistika A Arltová, M D Elementární statistická analýza Cyhelský, L., Kahounová, J., Hindls, R. D Metody statistické analýzy pro ekonomy Hindls, R., Hronová, S., Novák, I D Počet pravděpodobnosti v příkladech Hebák, P., Kahounová, J D D D Předpokládané vydání podzim 2014 Praktikum k výuce matematické statistiky. II. Testování hypotéz Metody statistického srovnávání IASTAT interaktivní učebnice statistiky Hebák, P., Bílková, D., Svobodová, A Petkovová L., Jeřábková, V., Schwarzová, P. 3. Pomůcky Statistické vzorce pro předmět Statistika - obor Podnikové informační systémy Statistické tabulky pro předmět Statistika obor Podnikové informační systémy Prezentace na cvičení pro předmět Statistika 1. až 14. cvičení 7

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D.

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. STATISTIKA LS 2013 Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. Cvičící: Ing. Ondřej Grunt RNDr. Pavel Jahoda, Ph.D. Ing. Kateřina Janurová Mgr. Tereza

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem 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

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu cvičící 1. cvičení 4ST201 Informace o kurzu Popisná statistika Úvod do SASu Obsah: Vysoká škola ekonomická 1 Vyučující: Základní informace:» Konzultační hodiny: pátek 9:00 11:00» Místnost: JM317» Email:

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

Simulace. Simulace dat. Parametry

Simulace. 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,

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Aplikovaná 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 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

Více

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Statistika nuda je, má však cenné údaje. Neklesejme na mysli, ona nám to vyčíslí. Z pohádky Princové jsou na draka Populace (základní

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

Číselné charakteristiky a jejich výpočet

Číselné 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

Více

Písemná práce k modulu Statistika

Písemná práce k modulu Statistika The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008)

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Ing. Vratislav Horálek, DrSc., předseda TNK 4 při ČNI 1 Terminologické normy [1] ČSN ISO 3534-1:1994 Statistika Slovník

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

Třídění statistických dat

Třídění statistických dat 2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.

Více

Zhodnocení dopadů inovace na studijní výsledky

Zhodnocení dopadů inovace na studijní výsledky Zhodnocení dopadů inovace na studijní výsledky Zpracoval: doc. Ing. Josef Weigel, CSc. hlavní řešitel projektu Hodnocené studijní programy: - Bakalářský studijní program Geodézie a kartografie v prezenční

Více

Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (AKADEMIE)

Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (AKADEMIE) V rámci projektu OPVK CZ.1.07/2.2.00/28.0021 Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (AKADEMIE) se v roce 2015

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem)

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14. 6. 2000,

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D. Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní

Více

Vysoká škola báňská Technická univerzita Ostrava TEORIE ÚDRŽBY. učební text. Jan Famfulík. Jana Míková. Radek Krzyžanek

Vysoká škola báňská Technická univerzita Ostrava TEORIE ÚDRŽBY. učební text. Jan Famfulík. Jana Míková. Radek Krzyžanek Vysoká škola báňská Technická univerzita Ostrava TEORIE ÚDRŽBY učební text Jan Famfulík Jana Míková Radek Krzyžanek Ostrava 2007 Recenze: Prof. Ing. Milan Lánský, DrSc. Název: Teorie údržby Autor: Ing.

Více

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

Více

ADZ základní statistické funkce

ADZ základní statistické funkce ADZ základní statistické funkce Základní statistické funkce a znaky v softwaru Excel Znak Stručný popis + Sčítání buněk - Odčítání buněk * Násobení buněk / Dělení buněk Ctrl+c Vyjmutí buňky Ctrl+v Vložení

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

ROZDĚLENÍ 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)

Více

Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost

Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost (dále jen společnost) stanoví k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost (dále jen osvědčení) následující

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka

2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka 2. Statistická terminologie a vyjadřovací prostředky 2.1. Statistická terminologie Statistická jednotka Statistická jednotka = nositel statistické informace, elementární prvek hromadného jevu. Příklady:

Více

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce Seminarni prace Popisná statistika, data nesmí být časovou řadou Zkoumat můžeme třeba mzdy, obraty atd. (takže možná QA?) Formát pdf, poslat nejpozději den před zkouškou. Podrobnější informace jsou na

Více

Národníinformačnístředisko pro podporu jakosti

Národníinformačnístředisko pro podporu jakosti Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov

Více

SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE

SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast Autor CZ.1.07/1.5.00/34.0797 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT 2M3 Slovní

Více

Pracovní list č. 3 Charakteristiky variability

Pracovní 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

Více

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2 Statistika jako obor Statistika Statistika je vědní obor zabývající se zkoumáním jevů hromadného charakteru. Tím se myslí to, že zkoumaný jev musí příslušet určité části velkého množství objektů (lidí,

Více

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ 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

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

Více

Statistické metody uţívané při ověřování platnosti hypotéz

Statistické metody uţívané při ověřování platnosti hypotéz Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy

Více

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok IES FSV UK Domácí úkol Pravděpodobnost a statistika I Cyklistův rok Radovan Fišer rfiser@gmail.com XII.26 Úvod Jako statistický soubor jsem si vybral počet ujetých kilometrů za posledních 1 dnů v mé vlastní

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

65-42-M/01 HOTELNICTVÍ A TURISMUS PLATNÉ OD 1.9.2012. Čj SVPHT09/03

65-42-M/01 HOTELNICTVÍ A TURISMUS PLATNÉ OD 1.9.2012. Čj SVPHT09/03 Školní vzdělávací program: Hotelnictví a turismus Kód a název oboru vzdělávání: 65-42-M/01 Hotelnictví Délka a forma studia: čtyřleté denní studium Stupeň vzdělání: střední vzdělání s maturitní zkouškou

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

Základy pracovního práva II

Základy pracovního práva II Vysoká škola Karlovy Vary, obecně prospěšná společnost SYLABUS PŘEDMĚTU Anglicky Identifikace Typ předmětu Základy pracovního práva II Labour law II PRP II povinný ECTS kredity 4 Forma studia kombinovaná

Více

Ekonomické modelování pro podnikatelskou praxi

Ekonomické modelování pro podnikatelskou praxi pro podnikatelskou praxi Ing. Jan Vlachý, Ph.D. vlachy@atlas.cz Dlouhý, M. a kol. Simulace podnikových procesů Vlachý, J. Řízení finančních rizik Scholleová, H. Hodnota flexibility: Reálné opce Sylabus

Více

6.06. Matematika - MAT

6.06. Matematika - MAT 6.06. Matematika - MAT Obor: 36-47-M/01 Stavebnictví Forma vzdělávání: denní Počet hodin týdně za dobu vzdělávání: 12 Platnost učební osnovy: od 1.9.2008 1) Pojetí vyučovacího předmětu a) Cíle vyučovacího

Více

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI Josef Křepela, Jiří Michálek OSSM při ČSJ Červen 009 Hodnocení způsobilosti atributivních znaků jakosti (počet neshodných jednotek) Nechť p je pravděpodobnost

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

Základy obchodního práva

Základy obchodního práva Vysoká škola Karlovy Vary, obecně prospěšná společnost SYLABUS PŘEDMĚTU Anglicky Identifikace Typ předmětu Základy obchodního práva Principles of Commercial Law ZOP povinný ECTS kredity 4 Forma studia

Více

Statistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing.

Statistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing. 1.2 Prezentace statistických dat Statistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing. Jan Spousta Co se dozvíte Statistické ukazatele.

Více

Cvičení z matematiky jednoletý volitelný předmět

Cvičení z matematiky jednoletý volitelný předmět Název předmětu: Zařazení v učebním plánu: Cvičení z matematiky O8A, C4A, jednoletý volitelný předmět Cíle předmětu Obsah předmětu je zaměřen na přípravu studentů gymnázia na společnou část maturitní zkoušky

Více

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13 Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test

Více

Případové studie v mezinárodním podnikání (anglicky)

Případové studie v mezinárodním podnikání (anglicky) 3MA663 Případové studie v mezinárodním podnikání (anglicky) Česky Anglicky Německy Forma výuky Úroveň studia Případové studie v mezinárodním podnikání (anglicky) International Business Case Studies Geschäftsfällestudios

Více

Testování hypotéz Biolog Statistik: Matematik: Informatik:

Testování hypotéz Biolog Statistik: Matematik: Informatik: Testování hypotéz Biolog, Statistik, Matematik a Informatik na safari. Zastaví džíp a pozorují dalekohledem. Biolog "Podívejte se! Stádo zeber! A mezi nimi bílá zebra! To je fantastické! " "Existují bílé

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

Vícerozměrné statistické metody

Vícerozměrné statistické metody Vícerozměrné statistické metody Smysl a cíle vícerozměrné analýzy dat a modelování, vztah jednorozměrných a vícerozměrných statistických metod Jiří Jarkovský, Simona Littnerová Průběh výuky 13 přednášek

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem

Více

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Co je to statistika? teoretická disciplína, která se zabývá metodami sběru a analýzy dat Jak získat data?

Více

E-LEARNINGOVÁ OPORA PŘEDMĚTU PROGRAMOVÉ VYBAVENÍ ORDINACE ZUBNÍHO LÉKAŘE Kateřina Langová, Jana Zapletalová, Jiří Mazura

E-LEARNINGOVÁ OPORA PŘEDMĚTU PROGRAMOVÉ VYBAVENÍ ORDINACE ZUBNÍHO LÉKAŘE Kateřina Langová, Jana Zapletalová, Jiří Mazura E-LEARNINGOVÁ OPORA PŘEDMĚTU PROGRAMOVÉ VYBAVENÍ ORDINACE ZUBNÍHO LÉKAŘE Kateřina Langová, Jana Zapletalová, Jiří Mazura Anotace Příspěvek popisuje novou koncepci výuky předmětu Programové vybavení ordinace

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

Obsah. 3 Testy 31 3.1 z test... 32 3.2 z test 2... 33 3.3 t test... 34 3.4 t test 2s... 35

Obsah. 3 Testy 31 3.1 z test... 32 3.2 z test 2... 33 3.3 t test... 34 3.4 t test 2s... 35 Obsah 1 Popisná statistika 4 1.1 bas stat........................................ 5 1.2 mean.......................................... 6 1.3 meansq........................................ 7 1.4 sumsq.........................................

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro střední odborné školy s humanitním zaměřením (6 8 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

PSY117/454 Statistická analýza dat v psychologii Přednáška 10 PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot

Více

Obchodní právo v praxi II

Obchodní právo v praxi II Vysoká škola Karlovy Vary, obecně prospěšná společnost SYLABUS PŘEDMĚTU Anglicky Identifikace Typ předmětu Obchodní právo v praxi II Commercial Law in practice II OPP II povinný oborový ECTS kredity 6

Více

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN? NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU

Více

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách

VNITROSKUPINOVÝ 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

Projekt z předmětu Statistika

Projekt z předmětu Statistika Projekt z předmětu Téma: Typologie hráče české nejvyšší hokejové soutěže VŠB-TU Ostrava:Fakulta Elektrotechniky a informatiky jaro 2011 Martin Dočkal doc068 dockal.martin@gmail.com 1 Obsah 2 Zadání...

Více

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve Příklady k procvičení k průběžnému testu: 1) Při zpracování studie o průměrné výši měsíčních příjmů v České republice jsme získali data celkem od 8 tazatelů. Každý z těchto pěti souborů dat obsahoval odlišný

Více

Žádost o prodloužení akreditace studijního oboru Statistika a ekonometrie

Žádost o prodloužení akreditace studijního oboru Statistika a ekonometrie Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Žádost o prodloužení akreditace studijního oboru Statistika a ekonometrie akreditovaného v rámci studijního programu Kvantitativní metody

Více

výchovy a sportu v testu 12minutového plavání

výchovy a sportu v testu 12minutového plavání Zpracovala: Pokorná Jitka Katedra plaveckých sportů UK FTVS Výkonnost studentů 1.. ročník níků Fakulty tělesné výchovy a sportu v testu 12minutového plavání Irena Čechovská, Barbora Čechovská, Gabriela

Více

Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK

Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK 1. Na základě údajů uvedených v tabulce rozhodněte, zda existuje závislost mezi roky a počtem firem ve Šluknovském výběžku, které zaměstnávaly osoby zdravotně

Více

Výsledky základní statistické charakteristiky

Výsledky základní statistické charakteristiky Výsledky základní statistické charakteristiky (viz - Vyhláška č. 343/2002 Sb. o průběhu přijímacího řízení na vysokých školách a Vyhláška 276/2004 Sb. kterou se mění vyhláška č. 343/2002 Sb., o postupu

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

Více

Úvod. Struktura respondentů

Úvod. Struktura respondentů Výsledky pilotního průzkumu postojů studentů Policejní akademie ČR v Praze k problematice zálohování dat Ing. Bc. Marek Čandík, Ph.D. JUDr. Štěpán Kalamár, Ph.D. The results of the pilot survey of students

Více

Analýza dat s využitím MS Excel

Analýza dat s využitím MS Excel Analýza dat s využitím MS Excel Seminář aplikované statistiky Martina Litschmannová Několik fíglů na úvod Absolutní vs. relativní adresování změna pomocí F4 =$H$20 =H$20 =$H20 =H20 Posun po souvislé oblasti

Více

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra matematiky STATISTIKA V SPSS Jana Borůvková, Petra Horáčková, Miroslav Hanáček 2014 Jana Borůvková, Petra Horáčková, Miroslav Hanáček STATISTIKA V SPSS 1. vydání

Více

Kurz SPSS: Jednoduchá analýza dat. Jiří Šafr

Kurz SPSS: Jednoduchá analýza dat. Jiří Šafr Kurz SPSS: Jednoduchá analýza dat Jiří Šafr vytvořeno 29. 6. 2009 Dva základní typy statistiky 1. Popisná statistika: metody pro zjišťování a sumarizaci informací grfy, tabulky, popisné chrakteristiky

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo a

Více

Cronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické

Cronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické Československá psychologie 0009-062X Metodologické požadavky na výzkumné studie METODOLOGICKÉ POŽADAVKY NA VÝZKUMNÉ STUDIE Výzkumné studie mají přinášet nová konkrétní zjištění získaná specifickými výzkumnými

Více

MATEMATIKA Tematické okruhy ke státní maturitní zkoušce Obor: mechanik elektronik

MATEMATIKA Tematické okruhy ke státní maturitní zkoušce Obor: mechanik elektronik MATEMATIKA Tematické okruhy ke státní maturitní zkoušce Obor: mechanik elektronik R4 1. ČÍSELNÉ VÝRAZY 1.1. Přirozená čísla počítání s přirozenými čísly, rozlišit prvočíslo a číslo složené, rozložit složené

Více

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA Osmileté studium 1. ročník 1. Opakování a prohloubení učiva 1. 5. ročníku Číslo, číslice, množiny, přirozená čísla, desetinná čísla, číselné

Více

SYLABUS BAKALÁŘSKÁ PRÁCE A PRAXE

SYLABUS BAKALÁŘSKÁ PRÁCE A PRAXE SYLABUS MODULU BAKALÁŘSKÁ PRÁCE A PRAXE František Prášek Ostrava 2011 : Sylabus modulu Bakalářská práce a praxe Autoři: Ing. František Prášek Vydání: první, 2011 Počet stran: 15 Tisk: Vysoká škola podnikání,

Více

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení Přednáška 9 Testy dobré shody Grafická analýza pro ověření shody empirického a teoretického rozdělení χ 2 test dobré shody ověření, zda jsou relativní četnosti jednotlivých variant rovny číslům π 01 ;

Více

Modul Základní statistika

Modul Základní statistika Modul Základní statistika Menu: QCExpert Základní statistika Základní statistika slouží k předběžné analýze a diagnostice dat, testování předpokladů (vlastností dat), jejichž splnění je nutné pro použití

Více

Úvod do práva sociálního zabezpečení II

Úvod do práva sociálního zabezpečení II Vysoká škola Karlovy Vary, obecně prospěšná společnost SYLABUS PŘEDMĚTU Anglicky Identifikace Typ předmětu Úvod do práva sociálního zabezpečení II Social insurance law II PSZ II povinný oborový ECTS kredity

Více

Bohemius, k.s. www.bohemius.cz

Bohemius, k.s. www.bohemius.cz Bohemius, k.s. Je vývoj výsledků provozoven závislý na konkrétním zaměstnanci? Je to náhoda, nebo úmysl? Umíme předpovědět vývoj dat v našich podmínkách? Jaké mohu očekávat výkyvy? Jaké je tedy riziko

Více