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

Save this PDF as:
 WORD  PNG  TXT  JPG

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.

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

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

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

, 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

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

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

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

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

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

BIVŠ. Pravděpodobnost a statistika

BIVŠ. Pravděpodobnost a statistika BIVŠ Pravděpodobost a statstka Úvod Skrpta Pravděpodobost a statstka jsou učebím tetem pro stejojmeý kurz magsterského studa Bakovího sttutu vysoké školy Kurzy Pravděpodobost a statstka a avazující kurz

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

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

Využití účetních dat pro finanční řízení

Využití účetních dat pro finanční řízení Využtí účetích dat pro fačí řízeí KAPITOLA 4 V rác této kaptoly se zaěříe a časovou hodotu peěz (a to včetě oceňováí ceých papírů), která se prolíá celý vestčí rozhodováí, dále a fačí aalýzu (vycházející

Více

Nepředvídané události v rámci kvantifikace rizika

Nepředvídané události v rámci kvantifikace rizika Nepředvídaé událost v rác kvatfkace rzka Jří Marek, ČVUT, Stavebí fakulta {r.arek}@rsk-aageet.cz Abstrakt Z hledska úspěchu vestce ohou být krtcké právě ty zdroe ebezpečí, které esou detfkováy. Vzhlede

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC Jří HŘEBÍČEK, Mchal HEJČ, Jaa SOUKOPOVÁ ECO-Maagemet,

Více

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006 8 ELEKTRCKÉ STROJE TOČVÉ říklad 8 Základí veličiy Určeo pro poluchače akalářkých tudijích programů FS Aychroí motory g Vítězlav Stýkala, hd, úor 006 Řešeé příklady 3 fázový aychroí motor kotvou akrátko

Více

3.3 Soustavy sil a silových momentů. soustava sil a momentů = seskupení sil a momentů sil působících na těleso

3.3 Soustavy sil a silových momentů. soustava sil a momentů = seskupení sil a momentů sil působících na těleso 3.3 Soustav s a sových oetů soustava s a oetů sesupeí s a oetů s působících a těeso váští případ: svae s (paps všech s soustav se potíají v jedo bodě) soustava ovoběžých s (paps všech s soustav jsou aváje

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

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ 4 DOPADY ZPŮSOBŮ FACOVÁÍ A VESTČÍ ROZHODOVÁÍ 77 4. ČSTÁ SOUČASÁ HODOTA VČETĚ VLVU FLACE, CEOVÝCH ÁRŮSTŮ, DAÍ OPTMALZACE KAPTÁLOVÉ STRUKTURY Čistá současá hodota (et preset value) Jedá se o dyamickou metodu

Více

Statistická analýza dat

Statistická analýza dat INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Statstcká aalýza dat Učebí texty k semář Autor: Prof. RNDr. Mla Melou, DrSc. Datum: 5.. 011 Cetrum pro rozvoj výzkumu pokročlých řídcích a sezorckých techologí CZ.1.07/.3.00/09.0031

Více

ÚVOD DO PRAKTICKÉ FYZIKY I

ÚVOD DO PRAKTICKÉ FYZIKY I JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost

Více

Ý ÚŘ Č Ý Č É Ý ó Ě Ř Ř Ý é Ú ú Č é é ě ě š ů Ú Í ů ů ě ě š ů ú é é é ě ň ě é ú ě é ě ě ů Š ú Ú Ž Č é ě ě ě é é Ú ů ě ů ě Ú Ó ě ú é ň é Ú ě ě é ů ě ě ě Í ň Ú ů ů Š š ě ě Š Ů š ě é é Ž ě š ě Ů ť Š ě é ž

Více

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti 1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto

Více

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR Středí hodoty Artmetcý průměr vážeý ze tříděí Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR Výzam a užtí vážeého artmetcého průměru uážeme a ásledujících příladech Přílad 0 Ve frmě Gama Blatá máme soubor

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

Planimetrie. Přímka a její části

Planimetrie. Přímka a její části Planimetie Přímka a její části Bod - značí se velkými tiskacími písmeny - bod ozděluje přímku na dvě opačné polooviny Přímka - značí se malými písmeny latinské abecedy nebo AB, AB - přímka je dána dvěma

Více

Zobrazení čísel v počítači

Zobrazení čísel v počítači Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke

Více

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový příklad na rozhodování BPH_ZMAN Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha

Více

Měření na D/A a A/D převodnících

Měření na D/A a A/D převodnících Měřeí a D/A a A/D převodících. Zadáí A. Na D/A převodíku ealizovaém pomocí MDAC 8: a) Změřte závislost výstupího apětí převodíku v ozsahu až V a zvoleé vstupí kombiaci sousedích kódových slov. Měřeí poveďte

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

Energie elektrického pole

Energie elektrického pole Energe elektrckého pole Jž v úvodní kaptole jsme poznal, že nehybný (centrální elektrcký náboj vytváří v celém nekonečném prostoru slové elektrcké pole, které je konzervatvní, to znamená, že jakýkolv jný

Více

ě ě ú ě ě ě ě ě ň ě ň ů ě ů Ý ě ě ů ň ě Í ě ň ě ě Ž ě ň ě ě ú ů ú ě ě ě ú ě ě ě ě ě ě ů ě ů ě ě ú ů ě ě ě Ž ů ě ě ú Ž Ž Ú ě ě ě ě Ž Ž ě ť Ž Í ě Ž ě Ž Ž ů ěž ů ěž ě Í Ú ů ě ů ě Ž Ž Ž ě ě ě ů ě ě ě ě ě ů

Více

ř ú ú Š Í Á É ř ř ř é é ř ř š é ř ř š ř é ž é ž š é š é é ř ů ž ž ř é ř ů é é ž é ř é é ř é ú é é ž é é š ň é ř š é š é Ť é ř ů ž ž ď ř é é é ž ř é Š ů é ř é ř é Š ú ř Í ž ž ř ř Í é š ž é ř Ť š ř ř ř š

Více

ň ý ě ý ý ý ě ň ý ě ý Ú ú ň ň ý ě ý ó ž ý ň ě ě ě ú ú Ř ň ň ý ě ý ě ě ž ý ž ě ý ě ý ě ě ů ě Ů Č Í Ě Á Á Í ě ě ě ě Ž Ů ú ě ě ě Ú ě ů ě ý ě ě ú ň ý ě Ů ž ů ž ě ý ý ý ý ě Č Č ě Č ě ů ý ě ý ý ž ě ě ž ů ž ě

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.

Více

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications)

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications) Základy datové aalýzy, modelového vývojářství a statistického učeí (Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applicatios) Lukáš Pastorek POZOR: Autor upozorňuje, že se jedá

Více

9.1.12 Permutace s opakováním

9.1.12 Permutace s opakováním 9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.

Více

Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Vyšší odborná škola informačních služeb v Praze. Lukáš Kleňha

Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Vyšší odborná škola informačních služeb v Praze. Lukáš Kleňha Vysoká škola ekoomcká v Praze Fakulta formatky a statstky Vyšší odborá škola formačích služeb v Praze Lukáš Kleňha egresí aalýza acetovy rogrese o rví hostalzac s CHOPN 0 Prohlášeí Prohlašuj, že jsem

Více

PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online.

PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. 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: ČÍSELNÉ OBORY vytvořil: RNDr. Věr Effeberger expertk olie příprvu SMZ z mtemtiky školí rok 204/205

Více

9.1.13 Permutace s opakováním

9.1.13 Permutace s opakováním 93 Permutace s opakováím Předpoklady: 906, 9 Pedagogická pozámka: Obsah hodiy přesahuje 45 miut, pokud emáte k dispozici další půlhodiu, musíte žáky echat projít posledí dva příklady doma Př : Urči kolik

Více

SPOŘENÍ. Spoření krátkodobé

SPOŘENÍ. Spoření krátkodobé SPOŘENÍ Krátkodobé- doba spořeí epřesáhe jedo úrokové období (obvykle 1 rok). Úroky jsou přpsováy a koc doby spořeí. Jedotlvé složky jsou úročey a základě jedoduchého úročeí. Dlouhodobé doba spořeí bude

Více

Matematicko-fyzikální fakulta Univerzita Karlova. Diplomová práce. Renata Sikorová

Matematicko-fyzikální fakulta Univerzita Karlova. Diplomová práce. Renata Sikorová Matematicko-fyzikálí fakulta Uiverzita Karlova Diplomová práce e Reata Sikorová Obor: Učitelství matematika - fyzika Katedra didaktiky matematiky Vedoucí práce: RNDr. Jiří Kottas, CSc. i Prohlašuji, že

Více

É č š ó š ý ž č ý ý ó ó ó ó ě ó ě č ó č ě č ž ý č ý ý ž č ó š č ý Ý ý š š š č Ň š ý Ě ň ó ý ž ó ž Ť Ť ó ý ý ý Ť ý Ú ý ý č č ě ý š ý ž ž č č ó ž šš č ě ě ě ó ž Ý ý ý ó ě č š ě ý č ž š ý č ý š ě ý š ě ý

Více

7. P o p i s n á s t a t i s t i k a

7. P o p i s n á s t a t i s t i k a 7. P o p i s á s t a t i s t i k a 7.. Pozámka: Při statistickém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákoitosti, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

Autor: PaedDr. Jiří Wojnar

Autor: PaedDr. Jiří Wojnar I N E S T I C E D O R O Z O J E Z DĚL Á Á N Í Soubor laboratorích prací pro fyziku a tředích školách Autor: PaedDr. Jiří Wojar Zde e etkáváte ávrhe 0 laboratorích prací i protokoly. Tyto protokoly jou

Více

Číselné řady. 1 m 1. 1 n a. m=2. n=1

Číselné řady. 1 m 1. 1 n a. m=2. n=1 Číselé řady Úvod U řad budeme řešit dva typy úloh: alezeí součtu a kovergeci. Nalezeí součtu (v případě, že řada koverguje) je obecě mohem těžší, elemetárě lze sečíst pouze ěkolik málo typů řad. Součet

Více

Í Ý é Č Ú Č Í Ý úč č ž ě é č ě é ů é č Ý Á É Č Ž ě ž č č é č é ň ěž é é č ě č ě é ů é ž é ú ě č ž č ěž č ěž č ěž ů ěž ů é Í é ú č č ě ž é é š š é š ú ů Č Ú č úč ů č č é ů č ě ž é Ž ž é é č č č é ú é žň

Více

- 1 - Ekonomicko-matematické metody II Rozhodování a rozhodovací modely

- 1 - Ekonomicko-matematické metody II Rozhodování a rozhodovací modely Ekoomicko-matematické metody II Rozhodováí a ozhodovací modely Vybaé aplikace - Řízeí a všech jeho úovích - Zemědělství - Hazadí hy - Běžá každodeí ozhodutí Poblém k zamyšleí - Lze systematicky bohatout

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C) Přijímací řízeí pro akademický rok 24/ a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata C) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

STATISTIKA PRO EKONOMY

STATISTIKA PRO EKONOMY EDICE UČEBNÍCH TEXTŮ STATISTIKA PRO EKONOMY EDUARD SOUČEK V Y S O K Á Š K O L A E K O N O M I E A M A N A G E M E N T U Eduard Souček Statistika pro ekoomy UČEBNÍ TEXT VYSOKÁ ŠKOLA EKONOMIE A MANAGEMENTU

Více

8. Základy statistiky. 8.1 Statistický soubor

8. Základy statistiky. 8.1 Statistický soubor 8. Základy statistiky 7. ročík - 8. Základy statistiky Statistika je vědí obor, který se zabývá zpracováím hromadých jevů. Tvoří základ pro řadu procesů řízeí, rozhodováí a orgaizováí, protoţe a základě

Více

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák Zálad eore chb a zpracováí zálích měřeí Jří ová Teo e je zamýšle jao pomůca pro vpracováí laboraorích úloh z z Je urče pouze pro sudjí účel a jeho účelem je objas meod zpracováí měřeí Chb měřeí Druh chb

Více

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

DLUHOPISY. Třídění z hlediska doby splatnosti

DLUHOPISY. Třídění z hlediska doby splatnosti DLUHOISY - dlouhodobý obchodovatelý ceý papír - má staoveou dobu splatost - vyadřue závaze emteta oblgace (dlužía) vůč matel oblgace (věřtel) Tříděí z hledsa doby splatost - rátodobé : splatost do 1 rou

Více

ů Ť ě Á Ř ž ó ě Ž ž ž ž ě ě ž ě ž ž ě ě ž Č ůž ě ě ž ě ů ě ě ú ú ě ě ě ž ě ě ž ě ž Š Č ů ž ó ž ů ě ů ž ů ž ů ů ž ž ě ů ě ž ů ž ů ů ž ě ů Ž ž Ž ě ě ě Š ě ó ě ě ě ě ě ě ů ů Š ě Ó ú Ť ě ěž ž ě ú ěž úě ěž

Více

Š Ž Ř ň Š č č ř ř ů ř Ž ě ě č ý úř ň Ž ř ř š ý úř č č š ě č š ě ě ě ý ů ě č ř ě ě š ř ů č ř ě ě š ř ů ř č ř ě ě š ř ů ě č Ž ě ě č č Ž ě č č Ž č Ž š ř ř ů ž ý ý ě ý Úř ň Ž ř ý Úř ř š ý úř č č Š ě č š ě

Více

Newtonův gravitační zákon Gravitační a tíhové zrychlení při povrchu Země Pohyby těles Gravitační pole Slunce

Newtonův gravitační zákon Gravitační a tíhové zrychlení při povrchu Země Pohyby těles Gravitační pole Slunce Gavitační pole Newtonův gavitační zákon Gavitační a tíhové zychlení při povchu Země Pohyby těles Gavitační pole Slunce Úvod V okolí Země existuje gavitační pole. Země působí na každé těleso ve svém okolí

Více

Úvod do analýzy časových řad

Úvod do analýzy časových řad Úvod do aalýz časových řad Doc.Ig. Jaa Hačlová, CSc. Kaedra maemaických meod v ekoomice Ig. Lubor Tvrdý Kaedra regioálí ekoomik Ekoomická fakula, VŠB-TU Osrava Osrava, 003 - - Úvod do aalýz časových řad

Více

8 Průzkumová analýza dat

8 Průzkumová analýza dat 8 Průzkumová aalýza dat Cílem průzkumové aalýzy dat (také zámé pod zkratkou EDA - z aglického ázvu exploratory data aalysis) je alezeí zvláštostí statistického chováí dat a ověřeí jejich předpokladů pro

Více

PRACOVNÍ SEŠIT POSLOUPNOSTI A FINANČNÍ MATEMATIKA. 5. tematický okruh:

PRACOVNÍ SEŠIT POSLOUPNOSTI A FINANČNÍ MATEMATIKA. 5. tematický okruh: Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT 5. temtický okruh: POSLOUPNOSTI A FINANČNÍ MATEMATIKA vytvořil: RNDr. Věr Effeberger expertk olie příprvu SMZ z

Více

(způsobený emisí nových peněz). To znamená, že stát na aukci přichází s

(způsobený emisí nových peněz). To znamená, že stát na aukci přichází s ažebé ve pojité čae Petr ach, yoá šola eooicá Toáš Hazá, ateatico-fyziálí faulta Uiverzity Karlovy Úvod Jedí ze způobů zíáí veřejého příju je eie ově vytištěých peěz Protože eií peěz edochází tvorbě bohattví,

Více