Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)

Rozměr: px
Začít zobrazení ze stránky:

Download "Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)"

Transkript

1 Pozámk k tématu Koelace a jedoduchá leáí egee (Téma eí ve kptech) Mějme data, ),...,(, ), kteá jou áhodým výběem z ějaké populace. Data ted pokládáme za ezávlé ealzace dvojce áhodých velč ( X, Y ). Půmě a měodaté odchlk dat jou x, a. x, Kovaace mez oběma velčam v oubou je defováa jako cov, ) = ( x x) ( ). = Rozptl (vaace) je kovaace velč e ebou amou. Kovaace záví a jedotkách, v jakých jou data vjádřea. Koelačí koefcet (též Peaoův koelačí koefcet) dotaeme z kovaace zomováím : cov, ) =. x Koelačí koefcet je bezozměý a abývá hodot od do +. (Neí defovaý, pokud ěkteá ze měodatých odchlek ve jmeovatel je ulová, tj. kdž jeda z velč je v oubou kotatí.) Hodot ebo + koelačí koefcet abývá pouze v případě, že všecha data (př zobazeí pomocí x-bodového gafu) leží přeě a přímce. (Zaméko koelačího koefcetu pak záví a tom, jetl přímka má kladý, ebo zápoý klo.) Koelačí koefcet je míou kocetace dat kolem přímk (kokétě kolem egeí přímk taoveé metodou ejmeších čtveců vz dále) ebo jým lov míou (leáí) závlot mez velčam. Příklad: Data (=) koelačím koefcetem,99; -,9; -,7; -,5; -,5; ; +,5; +,5; +,7; +,9; +,

2 V Excelu počítají Peaoův koelačí koefcet fukce CORREL a PEARON a také átoj Aalýza dat. Koelačí koefcet vpočteý z empckých dat je apoxmací (bodovým odhadem) ezámého koelačího koefcetu ρ mez týmž velčam v populac. Čato e tetuje ulová hpotéza H : ρ =, tj. hpotéza, že tudovaé velč jou tzv. ekoelovaé. (Ne zcela přeě e říká, že jou ezávlé. Nezávlé velč jou vžd také ekoelovaé, ale obáceě to platt emuí. Jemotm jako je ozdíl mez ezávlotí a ekoelovaotí e ovšem ebudeme podobě zabývat.) Podíváme e a oboutaý tet alteatví hpotéza je H A : ρ a ulová hpotéza e zamítá př velké kladé zápoé koelac. (Extují také jedotaé tet.) Tetová tattka má tva T =. Pokud tudovaé velč mají omálí ozděleí, má tetová tattka T za předpokladu platot ulové hpotéz tudetovo ozděleí t tup volot. Nulová hpotéza e poto a hladě výzamot α zamítá (tj. koelačí koefcet e pohláí za tattck výzamě odlšý od ), pokud abolutí hodota T překočí ktckou hodotu ( α / ) -kvatl ozděleí t. (Po α =, 5 e jedá o 97,5% kvatl, kteý e po velké blíží,9.) Příklad - hlad mléčé kel (v mg a ml) v kv matek a dětí: matka dítě Vchází =,95 a odtud T = 5,7. Ktcká hodota a hladě α =, 5 je,975-kvatl ozděleí t, tj.,78 (vpočte e apř. pomocí excelovké fukce TINV). Můžeme případě (apř. v Excelu pomocí fukce TDIT) vpočítat p-hodotu tetu (doažeou hladu výzamot) vchází p =,. Koelace mez hladou mléčé kel u matk a dítěte je ted a hladě 5 % ( %) tattck výzamě odlšá od ul (tučěj: koelace je tattck výzamá). Ve tattckých tabulkách e dají ajít také ktcké hodot přímo po př ůzém počtu dat ( e př použtí takových tabulek emuí přepočítávat a T). Tak po = e uvádí po ktcká hodota,8. (Koelace,95 v ašem příkladu tuto hac překačuje.) Po větší je ktcká hodota daleko žší, apř. po = 5 je koelace tattck výzamá a hladě 5 % jž př >,79. Tetováí, jetl koelace eí ulová, eí zdaleka jedá úloha o koelačích koefcetech, kteou umí tattka řešt dá e apř. tetovat ulová hpotéza, že koelace ρ je ova ějaké eulové kotatě ebo lze po ρ etojt kofdečí teval. Těmto dalším úloham e však zabývat ebudeme. Peaoův koelačí koefcet ěkd eí deálím átojem po všetřováí íl závlot mez velčam. Důvod mohou být áledující: tudovaé velč emají omálí ozděleí. V datech jou odlehlé hodot (přdáí č odtaěí jedého odlehlého pozoováí může apoto změt). Mez tudovaým velčam lze předpokládat vztah, kteý je ce mootóí (čím větší x, tím většou větší ; popř. aopak), ale e leáí ( datový oblak je kocetovaý kolem křvk, kol přímk). Data jou vou povahou odálí. (Peaoův koelačí koefcet pak emá dobý ml.) V takových tuacích e hodí použít peamaův (pořadový) koelačí koefcet (říká e také peamaův koefcet koelace pořadí). Te e vpočte tak, že e původí data (zvlášť x a

3 zvlášť ) ahadí pořadím podle velkot (př hodě dvou č více hodých datech e pořadí způměuje) a z takto zíkaých dat (pořadí) e vpočte Peaoův koelačí koefcet. V předchozím příkladu b to vpadalo takto: matka pořadí mez matkam dítě pořadí mez dětm peamaův koelačí koefcet mez hladou mléčé kel matk a dítěte dotaeme jako občejý (Peaoův) koelačí koefcet mez. a. loupcem tabulk. Vchází =,9. Hpotéza, že koelace pořadí je (v populac) ulová, e tetuje jým (ložtějším) způobem ež aalogcká hpotéza o Peaoově koelačím koefcetu. Pokud emáme k dpozc pogam, kteý vpočte p-hodotu, dají e po malé použít tabulk ktckých hodot po. Po áš případ = uvádějí tabulk ktckou hodotu po a hladě 5 % ovou,89 (míto,8 po ). Po větší ěkd e dopoučuje už od =, učtě po e ale ktcké hodot po a lší velm málo (apř. př = je o cca,), takže tet po lze, až bchom e doputl velké chb, povádět úplě tejě jako tet po. Excel pecálí átoj a výpočet emá. počítat pořadí podle velkot (v ašem příkladu. a. loupec tabulk) e dá pomocí fukce RANK alepoň v případě, že ve loupc dat ejou žádé dvě hodot tejé. (Pokud b e apř.. a. ejmeší čílo hodovalo, potřebujeme oběma čílům přřadt pořadí,5, ale fukce RANK učí po obě číla pořadí. Evetuálí hod je třeba vhledat a pořadí vpočteé fukcí RANK upavt.) Dále e a vpočteé pořadí použje fukce po výpočet Peaoova koelačího koefcetu. Koelačí koefcet vjadřuje, jak těý je (leáí) vztah mez dvěma velčam, ale eříká, jaká je kokétí podoba takového vztahu, apř. jaká hodota zhuba příluší daé hodotě x. Takovým úloham e ve tattce zabývá egeí aalýza. Všmeme je ejjedodušší úloh egeí aalýz, tzv. jedoduché leáí egee. Ta e týká leáí závlot jedé poměé tzv. závle poměé (též vvětlovaé poměé, egeadu aj.) a jedé ezávle poměé (též vvětlující poměé, egeou atp.). V úloze jedoduché leáí egee chceme data, ),...,(, ) položt egeí přímkou tvau = a + b x, ted ajít pávé hodot koefcetů a, b takové přímk. Koefcet a e azývá úek a oe, popř. tecept, koefcet b je klo (popř. měce) egeí přímk. (Aglck e těmto koefcetům říká tecept a lope.) Data, jakým e v medcíě etkáváme, zpavdla umožňují vjádřt závlot a x pomocí přímk pouze přblžě. Pacujeme poto obvkle egeí ovcí = a + b x + e, kde komě dat a koefcetů egeí přímk fguuje také chba e. Chbu e lze zapat také jako e = a + b x ). Odtud vdíme, že vjadřuje, o kolk e egeí přímka etefla do bodu (, ) o kolk výše ebo íže egeí přímka pobíhá. (Vzdáleot mez bodem a přímkou e v tomto případě měří ve vlém měu e tak, jak jme zvklí apř. ze tředoškolké geomete, tj. ve měu kolmce puštěé z bodu a přímku.) O chbách e, e, K, e e obvkle předpokládá, že jou hodotam (ealzacem) ezávlých áhodých velč, kteé mají vemě omálí ozděleí ulovou tředí hodotou a ezámým ozptlem σ. Co jou pávé hodot koefcetů a, b, bchom mohl defovat ejůzějším způob, a každé takové defc b odpovídala ějaká přímka položeá dat. Nejběžější způob

4 pokládáí přímk dat ovšem předtavuje metoda ejmeších čtveců: Každá volba číel a, b učuje (po kokétí data x, ),...,(, ) ) -tc chb e, e, K, e, a té odpovídá oučet ( čtveců chb e. Metoda ejmeších čtveců volí ze všech možých hodot koefcetů a, b = takové, kteé dávají ejmeší možý oučet čtveců chb. To, že používáme metodu ejmeších čtveců, aštětí ezameá, že bchom kutečě muel ložtě řešt optmalzačí úlohu mmalzace oučtu čtveců chb. Z ktéa ejmeších čtveců e dají matematck odvodt jedoduché vzoce, do kteých tačí jeom doadt. Použjeme-l tejé začeí půměů, měodatých odchlek a koelace vpočteých z dat, ),...,(, ) jako v předcházejícím textu, dá e klo egeí přímk taoveé metodou ejmeších čtveců vjádřt vzocem b =. x Vzoec po a pak lze pamatovat podle toho, že egeí přímka pochází bodem, ) : a = b x. V Excelu tto vzoce ealzují apř. fukce LOPE a INTERCEPT ebo átoj Aalýza dat, popř. lze ovc egeí přímk zobazt jako oučát x-bodového gafu. Po dříve uvedeá data (hlad mléčé kel v kv matek a dětí), máme (x je hlada u matk, u dítěte) x =,5, = 5,, = 7,, = 5, 9 a =,95, takže dotáváme 5,9 b =,95 =,85, a = 5,,85,5 =,. 7, Gaf z Excelu dat a egeí přímkou může vpadat áledově: x Kocetace kel mléčé v kv matk a dítěte 5 =,85x -,8 dítě 5 7 matka Čato e tetuje hpotéza, že klo egeí přímk v populac (mohl bchom ho začt apř. B; koefcet b je jeho bodovým odhadem) je ulový (tj. že závle poměá a x faktck ezáví). Tetová tattka tohoto tetu e v lteatuře zapuje v ůzém tvau, ale důležté je, že koefcet b je tattck výzamě odlšý od ul pávě tehd, kdž je tattck výzamě od Je po zajímavot: Extují jé možot ež metoda ejmeších čtveců. V ěkteých aplkacích e apř. používá egeí přímka taoveá tak, ab bl ejmeší možý medá abolutích hodot chb. Výhodou takové egeí přímk obecě odlšé od přímk etojeé metodou ejmeších čtveců je to, že a její půběh emají velký vlv odlehlá pozoováí. Výpočet koefcetů takové egeí přímk je dot áočý, ale a ozdíl od dob před ěkolka deítkam let e a oučaých počítačích paktck povét dá.

5 ul odlšý (a téže hladě výzamot) koelačí koefcet. tačí ted tetovat výzamot. Případě e dá použít také opačý tk tetovat koelac pomocí egee. Např. átoj Aalýza dat v Excelu, zvolíme-l koelac, je počítá koelačí koefcet, ale epovede žádý tet. Zvolíme-l ovšem míto koelace ege, dotaeme tet hpotéz o ulovém klou egeí přímk, jehož výledek (kde e ajde: vz dokumet o výpočtech) e vztahuje a koelac. V čát tohoto textu věovaé koelačímu koefcetu blo bez hlubšího zdůvoděí řečeo, že koelačí koefcet je míou kocetace dat kolem (egeí) přímk. Toto tvzeí e dá v kotextu leáí egee zdůvodt áledujícím způobem. Předtavme, že máme data, ),...,(, ), po kteá e hodí model jedoduché leáí egee. Kdž potřebujeme tpout hodotu u ějakého objektu, o kteém c evíme (pecálě ezáme hodotu velč x), ezbude ám c lepšího ež použít půmě. Čím větší je ozptl, tím mlhavější fomac o kokétí hodotě u daého objektu půmě podává. Jým lov, emáme-l žádou pomocou fomac, kteá b o hodotě ěco apověděla, je míou ejtot o. Kdbchom u ového objektu zal x a opět měl hodotu tpovat, mohl bchom jako odhad použít a + b x. Tetokát b míou ejtot o už ebl celkový ozptl, ale ozptl chb (ebol egeích ezduí) e,, e K, e, tzv. ezduálí ozptl. ouvlot mez kocetací dat kolem egeí přímk a ezduálím ozptlem je evdetí. Co to má polečého koelací? Mez celkovým ozptlem, ezduálím ozptlem a koelačím koefcetem platí vztah e =, což e také dá zapat jako e =. Čtatel zlomku a levé taě e říká ozptl vvětleý vaabltou ebo tučěj vvětleý ozptl. Vvětleý ozptl udává, o kolk e zmeší ejtota o tím, že záme x. Duhá moca koelačího koefcetu, tzv. koefcet detemace, tak říká, jak velká čát celkového ozptlu závle poměé e dá vvětlt (ep. odtat) a základě zalot hodot ezávle poměé x. Lze to vjádřt gafck (dole je uvedeo, jakou čát celkového ozptlu jedotlvé ložk předtavují ): e celkový ozptl vvětleý ozptl ezduálí ozptl V čeké vez Excelu je to je jeda z mohých překladatelkých peel e míto koefcet detemace říká polehlvot. Kdo e ebojí vzoců, může všmout, že pomě délek dvou čátí úečk má moho polečého tetovou tattkou T uvedeou a. taě tohoto textu.

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor 1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců

Více

Dvourozměrná tabulka rozdělení četností

Dvourozměrná tabulka rozdělení četností ANALÝZA ZÁVILOTÍ - zouáí závlot dvou evet více poěých, ěřeí íl této závlot, atd - cíle je hlubší vutí do podtat ledovaých jevů a poceů, přblížeí tzv příčý ouvlote Dvouozěá tabula ozděleí četotí - je eleetáí

Více

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení. MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je

Více

Téma 3: Popisná statistika

Téma 3: Popisná statistika Popá tatta Téma : Popá tatta Předáša 7 Záladí tattcé pojmy Pojem a úoly tatty Statta je věda, teá e zabývá zíáváím, zpacováím a aalýzou dat po potřeby ozhodováí. Zoumá tav a vývoj homadých jevů a vztahů

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

Interval spolehlivosti pro podíl

Interval spolehlivosti pro podíl Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

Obr. DI-1. K principu reverzibility (obrácení chodu paprsků).

Obr. DI-1. K principu reverzibility (obrácení chodu paprsků). Učebí text k předášce UFY8 Dvojvzková tererece teké vrtvě Dvojvzková tererece teké vrtvě Předpokládejme, vl o mpltudě dvou delektrk tk, že mpltud održeé vly bude o dexu lomu bude t (vz obr. DI-1). v protředí

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Aktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.)

Aktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.) Aktvta Semář základů tattky a workhop (Prof. Ig. Mla Palát, CSc., Ig. Krta Somerlíková, Ph.D.) Stattcké tříděí Základí metoda tattckého zpracováí. Sekupováí hodot proměé, které jou z hledka klafkačího

Více

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY Statitické metody ve veřejé právě ŘEŠENÉ PŘÍKLADY Ig. Václav Friedrich, Ph.D. 2013 1 Kapitola 2 Popi tatitických dat 2.1 Tabulka obahuje rozděleí pracovíků podle platových tříd: TARIF PLAT POČET TARIF

Více

FINANČNÍ MATEMATIKA- INFLACE

FINANČNÍ MATEMATIKA- INFLACE ojekt ŠABLONY NA GVM Gymázum Velké Mezříčí egstačí číslo pojektu: CZ..7/.5./34.948 V- ovace a zkvaltěí výuky směřující k ozvoj matematcké gamotost žáků středích škol FNANČNÍ MATEMATA- NFLACE Auto Jazyk

Více

INŽENÝRSKÁ GEODÉZIE I

INŽENÝRSKÁ GEODÉZIE I VYSOKÉ UČENÍ TECHNICKÉ V RNĚ FKULT STVENÍ OTKR ŠVÁENSKÝ LEXEJ VITUL JIŘÍ UREŠ INŽENÝRSKÁ GEODÉZIE I GE6 MODUL 0 ZÁKLDY INŽENÝRSKÉ GEODÉZIE STUDIJNÍ OPORY PRO STUDIJNÍ PROGRMY S KOMINOVNOU FORMOU STUDI

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

Beta faktor a ekvitní prémie z cizího trhu: přenositelnost a statistická spolehlivost

Beta faktor a ekvitní prémie z cizího trhu: přenositelnost a statistická spolehlivost Beta fakto a ekvtí péme z czího thu: přeostelost a statstcká spolehlvost Veze 15. 4. 014 chal Dvořák Abstakt Cílem textu je lustovat že český buzoví th eobsahuje dostatečý počet ttulů ke koektímu staoveí

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

Téma 5: Analýza závislostí

Téma 5: Analýza závislostí Aalýza závlotí Téma 5: Aalýza závlotí Předáša 5 Závlot mez ev Záladí pom Předmětem této aptol ude zoumáí závlotí ouvlotí mez dvěma a více ev. Jedá e o proutí do vztahů mez ledovaým ev a tím přlížeí tzv.

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot

Více

11 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ

11 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ Pojmem tetováí tatitických hypotéz ozaujeme ozhodováí o pavdivoti paametických, ep. epaametických hypotéz o populaci. V tomto ozhodovacím poceu opoti ob tojí ulová a alteativí

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

a) Hypotézy o parametru jedné populace (o stední hodnot, mediánu, rozptylu, relativní

a) Hypotézy o parametru jedné populace (o stední hodnot, mediánu, rozptylu, relativní TESTOVÁNÍ HYPOTÉZ a ke tudu kaptoly: 8 mut Cíl Po protudováí tohoto odtavce budete: zát základí pojmy a prcpy tetováí hypotéz zát kocepc klackého tetu umt rozhodovat pomocí tého tetu výzamot umt pooudt

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

stavební obzor 1 2/2014 11

stavební obzor 1 2/2014 11 tavebí obzor /04 Exploratorí aalýza výběrového ouboru dat pevoti drátobetou v tlau Ig. Daiel PIESZKA Ig. Iva KOLOŠ, Ph.D. doc. Ig. Karel KUBEČKA, Ph.D. VŠB-TU Otrava Faulta tavebí Věrohodé vyhodoceí experimetálích

Více

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl: 9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí

Více

Univerzita Karlova Přírodovědecká fakulta Katedra analytické chemie

Univerzita Karlova Přírodovědecká fakulta Katedra analytické chemie Uivezit ov Příodovědecká fkut ted ytické chemie Sttitické vyhodoceí výedků Picip: Výedky opkových zkoušek, kteé jou ztížey áhodými chybmi, mjí učité ozděeí (ditibuci). Rozděeím e zde ozumí záviot pvděpodoboti

Více

3. cvičení 4ST201. Míry variability

3. cvičení 4ST201. Míry variability cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry varablty

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru www.czso.cz jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky 10.10. V kapitole 7. Idexy

Více

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá Statitická šetřeí a zpracováí dat Statitika e věda o metodách běru, zpracováí a vyhodocováí tatitických údaů. Statitika zkoumá polečeké, přírodí, techické a. evy vždy a dotatečě rozáhlém ouboru údaů. Matematická

Více

a 1 = 2; a n+1 = a n + 2.

a 1 = 2; a n+1 = a n + 2. Vyjářeí poloupoti Poloupot můžeme určit ěkolik růzými způoby. Prvím je protý výčet prvků. Npříkl jeouchá poloupot uých číel by e výčtem l zpt tkto:,, 6,,... Dlší možotí je vzorec pro tý čle. Stejá poloupot

Více

Základy optického zobrazení

Základy optického zobrazení Základy optickéo zobazeí. Zákoy geometické optiky Záko odazu větla (ob. ) ři dopadu věteléo papku a ozaí dvou ůzýc potředí dojde k jejic čátečému ebo úplému odazu. dažeý papek zůtává v oviě dopadu (oviě

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Jednoduchá lineární závislost

Jednoduchá lineární závislost Jedoduchá leárí závlot Regreí fuce: ),...,, ( 0 m f Předpolad: Fuce je leárí v parametrech: ) (... ) 0 ( 0 f f m m f 0 ()... f m () regreor 0... m regreí parametr určujeme METODOU NEJMENŠÍCH ČTVERCŮ Regreí

Více

Geometrická optika. Optická soustava

Geometrická optika. Optická soustava Optcká outv Geometcká optk oubo optckýc pvků (čoček, olů, zcdel, plplelíc deek, dělčů vzku, dkčíc jýc pvků), kteé jou vzájem upořádáy učtým způobem tk, by optcká outv plňovl dé yzkálí geometcké poždvky

Více

10 - Přímá vazba, Feedforward

10 - Přímá vazba, Feedforward 0 - Přímá vazba, Feedforward Michael Šebek Automatické řízeí 03 4--3 Motivace (FF podle Atroma) Automatické řízeí - Kberetika a robotika Už máme avržeu zpětovazebí čát Chceme zajitit přeo referece rový

Více

1 STATISTICKÁ ŠETŘENÍ

1 STATISTICKÁ ŠETŘENÍ STATISTICKÁ ŠETŘENÍ Záladem aždého tattcého zoumáí jou údaje (data). Lze je zíat v záadě dvěma způoby. Buď je převzít z ějaého zdroje ebo je am zjtt. Seudárí data údaje, teré převezmeme z růzých zdrojů;

Více

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č. Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x) 9 REGRESE A KORELACE Slovo regrese oecě zmeá poh zpět ústup ávrt regresví = ustupující Opčým termíem je progrese pokrok postup šířeí růst Pojem regrese l do sttstk zvede kocem 9 století rtským učecem Frcsem

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

Jednoduchá lineární regrese

Jednoduchá lineární regrese Jedoduchá leárí regrese Motvace: Cíl regresí aalýz - popsat závslost hodot velč Y a hodotách velč X. Nutost vřešeí dvou problémů: a) jaký tp fukce se použje k popsu daé závslost; b) jak se staoví kokrétí

Více

Elektrotechnické materiály a výrobní procesy Příklady z části Materiály v elektrotechnice

Elektrotechnické materiály a výrobní procesy Příklady z části Materiály v elektrotechnice Útav elektotechologie FEKT VT v Bě Akademický ok 004/005 Bakalářký tudijí ogam,. očík Elektotechické mateiály a výobí ocey Příklady z čáti Mateiály v elektotechice A. Vybaé kotaty c,998.0 8 m. - ychlot

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 OBSAH: ÚVOD... 4. CO JE STATISTIKA?... 4. STATISTICKÁ DATA... 5.3 MĚŘENÍ

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT (OPRAVENÁ VERZE 006) Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 Obsah: Úvod... 3 Programové prostředky pro statstcké výpočty... 4. Tabulkový

Více

ZÁKLADY AUTOMATIZACE

ZÁKLADY AUTOMATIZACE VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta trojího ižeýrtví Iva Švarc ZÁKLADY AUTOMATIZACE Učebí tet pro kombiovaou formu bakalářkého tudia Určeo pro bakalářké tudium: Obor tudia: -7-7 Aplikovaá iformatika

Více

Téma 11 Prostorová soustava sil

Téma 11 Prostorová soustava sil Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

FLUORIMETRIE. Jan Fähnrich. Obecné základy

FLUORIMETRIE. Jan Fähnrich. Obecné základy FLUORIMETRIE Ja Fährch Obecé základ Fluormetre je aaltcká metoda vužívající schopost ěkterých látek vsílat (emtovat) po předchozím převedeí do vzbuzeého (exctovaého) stavu fluorescečí zářeí v ultrafalové

Více

Soustava kapalina + tuhá látka Izobarický fázový diagram pro soustavu obsahující vodu a chlorid sodný

Soustava kapalina + tuhá látka Izobarický fázový diagram pro soustavu obsahující vodu a chlorid sodný Soustv kpl + tuhá látk Izobrcký fázový dgrm pro soustvu obshující vodu chlord sodý t / o C H 2 O (s) + esyceý roztok 30 20 10 0-10 -20 t I t II esyceý roztok 2 1 p o NCl (s) + syceý roztok eutektcký bod

Více

Zpracování a prezentace výsledků měření (KFY/ZPM)

Zpracování a prezentace výsledků měření (KFY/ZPM) Jihočká uivrzita Pdagogická fakulta katdra fyziky Zpracováí a prztac výldků měří (KFY/ZPM) tručý učbí tt Pavl Kříž Čké Budějovic 005 Úvod Přdmět Zpracováí a prztac výldků měří (ZPM) volě avazuj a přdmět

Více

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určté předpoklady (hypotézy) o základím souboru STATISTICKÁ HYPOTÉZA předpoklad (tvrzeí) o parametru G základího

Více

7.Vybrané aplikace optimalizačních modelů

7.Vybrané aplikace optimalizačních modelů 7.Vybraé aplkace optmalzačích modelů V této kaptole se budeme věovat dvěma typům úloh, pro echž řešeí se využívaí optmalzačí prcpy. Jedá se o modely aalýzy obalu dat, které se využívaí pro hodoceí relatví

Více

Testy statistických hypotéz

Testy statistických hypotéz Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč

Více

UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA

UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA UNIVERZIT PLCKÉHO V OLOMOUCI PŘÍROOVĚECKÁ FKULT KTER LGEBRY GEOMETRIE OSVĚTLENÍ VE STŘEOVÉM PROMÍTÁNÍ LINEÁRNÍ PERSPEKTIVĚ Bakalářká práce Vedoucí práce: RNr. Leka Juklová, Ph.. Rok odevdáí 202 Vypracovala:

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více

Fakulta elektrotechniky a informatiky Statistika STATISTIKA

Fakulta elektrotechniky a informatiky Statistika STATISTIKA Fakulta elektrotechky a formatky TATITIKA. ZÁKLADNÍ OJMY. Náhodý pokus a áhodý jev NÁHODNÝ OKU proces realzace souboru podmíek kde výsledek emůžeme předem ovlvt. - výsledek áhodého pokusu. - jev, který

Více

Univerzita Tomáše Bati ve Zlíně

Univerzita Tomáše Bati ve Zlíně Univerzita Tomáše Bati ve líně LABORATORNÍ CVIČENÍ YIKY II Název úloh: Měření ohniskové vzdálenosti čočk Jméno: Petr Luzar Skupina: IT II/ Datum měření:.listopadu 007 Obor: Informační technologie Hodnocení:

Více

Základní princip regulace U v ES si ukážeme na definici statických charakteristik zátěže

Základní princip regulace U v ES si ukážeme na definici statických charakteristik zátěže Regulace apětí v ES Základí pricip regulace v ES si ukážeme a defiici statických charakteristik zátěže Je zřejmé, že výko odebíraý spotřebitelem je závislý a frekveci a apětí a přípojicích spotřebitelů.

Více

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK

STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK 04 prof. Ig. Bohuml Mařík, CSc. STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH.

Více

TERMODYNAMICKÁ ROVNOVÁHA

TERMODYNAMICKÁ ROVNOVÁHA TERMODYNAMICÁ ROVNOVÁHA odíky saovolost evatost pocesů a podíky ovováhy V ovováze pobíhají pouze vaté pocesy Systé zolovaý [q,v,w ], adabatcký [q] V toto systéu etope stoupá př evatých dějích ds> a dosahuje

Více

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu):

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu): Pricip matematické idukce PMI) se systematicky probírá v jié části středoškolské matematiky. a tomto místě je zařaze z důvodu opakováí matka moudrosti) a proto, abychom ji mohli bez uzarděí použít při

Více

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

Více

š č š ě Ú č ě ú š č Úň ě ž Ú ě ň ž ň ě Ý š ů š ž úč č Š ň ď Ž č š ě ň ů č Ž č Ž ú ň č š ž Ž ů č ů Š ú š ě č š ě ů š ů ě šť ě š š Ž č ě ě š ď Š ž ď ě š ě ě š ě ě š š ě Ě č ó ů ě ů ů ě š ě ů č ž š č Š ó

Více

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde POLYNOM Zákldí pojmy Polyomem stupě zveme fukci tvru y ( L +, P + + + + kde,,, R,, N Čísl,,, se zývjí koeficiety polyomu Číslo c zveme kořeem polyomu P(, je-li P(c výrz (-c pk zýváme kořeový čiitel Vlstosti

Více

ď ž Č č č ě Ů š ž Ů Ů Ů ě Ů Ů ě ů Úč ě ě š Š ů Ů ú Ů ěž Ů ě ě Ů č ě Ů ÚČ Č ě č Úč č č š ě Ů ě ě úč č š č Č č Ů č č ÚČ ž š č ů č č Ž ň ž č ě ž ÚČ Č č č č š č ě Ú úč Ů ž ě š Ů ě Ů č š Ů č Í Ů č Ů ě č č ů

Více

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů Techologe skla 00/03 C V I Č E N Í 4. Představeí rmy pltex Czech. Vlastost skla a sklovy 3. Adtvta 4. Příklady výpočtů Hospodářská akulta. Představeí rmy pltex Czech a.s. [,] Frma pltex Czech je součástí

Více

Kapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů

Kapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů - 12.1 - Přehled Ifomace po odhad ákladů Míy po áklady dotazu Opeace výběu Řazeí Opeace spojeí Vyhodocováí výazů Tasfomace elačích výazů Výbě pláu po vyhodoceí Kapitola 12: Zpacováí dotazů Základí koky

Více

8.2.2 Vzorce pro aritmetickou posloupnost Předpoklady: Př. 1: Př. 2: Př. 3:

8.2.2 Vzorce pro aritmetickou posloupnost Předpoklady: Př. 1: Př. 2: Př. 3: 8 Vzoce po itmeticou poloupot Předpoldy: 80 Př : Po itmeticou poloupot pltí 5 ; d Uči čle iž by učovl Mohli bychom pomocí vzoce po -tý čle učit čle p pomocí tejého vzoce učit i Teto potup zzuje zdáí příldu

Více

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1 Středí hodoty. Artmetcký průměr prostý Aleš Drobík straa 0. STŘEDNÍ HODNOTY Př statstckém zjšťováí často zpracováváme statstcké soubory s velkým možstvím statstckých jedotek. Např. soubor pracovíků orgazace,

Více

2. Směsi, směšování a ředění roztoků, vylučování látek z roztoků

2. Směsi, směšování a ředění roztoků, vylučování látek z roztoků 2. Sě ěšováí a ředěí roztoů vyučováí áte z roztoů Sožeí ě áte ůžee vyadřovat poocí hototích zoů edotvých áte (ože ě). Hototí zoe -té ožy e defová ao poěr eí hotot hotot ě : (2) Pode záoa zachováí hotot

Více

Fraktálová komprese. Historie

Fraktálová komprese. Historie Fraktálová komprese Hstore Prví zmíky o tzv. fraktálové kompres jsem ašel kdys v bezvadé a dodes aktuálí kížce!! Grafcké formáty (Braslav Sobota, Já Mlá, akl. Kopp), kde však šlo spíše o adšeý úvod a pak

Více

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se

Více

2.9.14 Věty o logaritmech I

2.9.14 Věty o logaritmech I .9.1 Věty o itmech I Předpokldy: 910 Pedgogická poznámk: Tto náledující hodin e djí tihnout njednou, pokud oželíte počítání v tbulce někteé příkldy n konci příští hodiny. Přijde mi to tochu škod, nžím

Více

Exponenciální výrazy a rovnice

Exponenciální výrazy a rovnice Epoeciálí výzy ovice Epoeciálí výzy ovice - jou ovice výzy ezáou v epoetu = 7 + + + + = 7 = 6 + + 6 Pvidl po počítáí ocii Při úpvě výzů ocii řešeí epoeciálích ovic je tře dodžovt áledující pvidl (jou uvede

Více

Pojem času ve finančním rozhodování podniku

Pojem času ve finančním rozhodování podniku Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé

Více

elektrické filtry Jiří Petržela základní pojmy

elektrické filtry Jiří Petržela základní pojmy Jiří Petržela základí ojmy základí ojmy z oblati elektrických filtrů základí ojmy elektrický filtr je lieárí dvojbra, který bez útlumu roouští je určité kmitočtové ložky, které obahuje vtuí igál rouštěé

Více

PRACOVNÍ SEŠIT ALGEBRAICKÉ VÝRAZY. 2. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online

PRACOVNÍ SEŠIT ALGEBRAICKÉ VÝRAZY. 2. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT. temtický okruh: ALGEBRAICKÉ VÝRAZY vtvořil: RNDr. Věr Effeberger epertk olie příprvu SMZ z mtemtik školí rok 04/05

Více

Ě Ů Ý Ů Á ý ě č č š š ý č ý ý č č Ú ě č ů ů Ú ý č ý ý ě ů č č š ě ů ý č ý č č č č Ř š ě ů ě ů ěž ý š ě ě ů ž ě Ř ů ě ž č ů ě ů ů č č ý Ú ů ě Ú Ú Ú Ž ž ů č Č ý š úč Ú úč Ú ů ů Ú Ú ě ž Ú š ě ž ž č č ě ě

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

Více