Ing. Radovan Novotný, Ph.D. Doc. Ing. Radek Kuchta, Ph.D., Ing. Jiří Stehlík, Ph.D. Aplikovaná počítačová technika

Rozměr: px
Začít zobrazení ze stránky:

Download "Ing. Radovan Novotný, Ph.D. Doc. Ing. Radek Kuchta, Ph.D., Ing. Jiří Stehlík, Ph.D. Aplikovaná počítačová technika"

Transkript

1 Ing. Radovan Novotný, Ph.D. Doc. Ing. Radek Kuchta, Ph.D., Ing. Jiří Stehlík, Ph.D. Aplikovaná počítačová technika Vysoké učení technické v Brně 2011

2 Tento učební text byl vypracován v rámci projektu Evropského sociálního fondu č. CZ.1.07/2.2.00/ s názvem Inovace a modernizace bakalářského studijního oboru Mikroelektronika a technologie a magisterského studijního oboru Mikroelektronika (METMEL). Projekty Evropského sociálního fondu jsou financovány Evropskou unií a státním rozpočtem České republiky.

3 2 FEKT Vysokého učení technického v Brně Obsah (Styl Nadpis seznamu) 1 ÚVOD VSTUPNÍ TEST POČÍTAČOVÁ PODPORA GRAFICKÉ A NUMERICKÉ ANALÝZY DAT POKYNY K PRÁCI PROCVIČENÍ A OPAKOVÁNÍ PRÁCE V EXCELU Úplný základ Funkce a zadávání vzorců v Excelu Odkazy na buňky PRÁCE S DATY A GRAFICKÁ ANALÝZA DAT V EXCELU Průběhový diagram spojnicový graf Bodový diagram Koláčový graf Sloupcový graf HISTOGRAM KRABICOVÝ GRAF A STATISTICKÉ CHARAKTERISTIKY SHRNUTÍ KAPITOLY KONTROLNÍ OTÁZKY A PŘÍKLADY POČÍTAČOVÁ PODPORA INDUKTIVNÍ STATISTIKY URČOVÁNÍ PRAVDĚPODOBNOSTÍ VÝSKYTU HODNOT U NORMÁLNĚ ROZDĚLENÝCH PROMĚNNÝCH Konfidenční interval pro průměr ROZDÍLY MEZI STŘEDNÍMI HODNOTAMI DVOU ZÁKLADNÍCH SOUBORŮ SHRNUTÍ KAPITOLY KONTROLNÍ OTÁZKY A PŘÍKLADY DATABÁZOVÉ SYSTÉMY SOUBORY, DATABÁZE A DATABÁZOVÉ SYSTÉMY Datové soubory Záznam Pole Datové typy Klíče Manipulace s daty Integrita a konzistence dat Design souborů DATABÁZE A DATABÁZOVÉ SYSTÉMY Návrh databáze Bezpečnost a integrita dat databázových systémů Výkon databází RELAČNÍ MODEL Jazyk relačních dotazů DOTAZOVÝ JAZYK SQL Výběr sloupců Výběr řádku Seřazení výsledků dotazů Spojování tabulek... 55

4 Aplikovaná počítačová technika Klauzule GROUP a HAVING ZMĚNA HODNOT V DATABÁZI Změna hodnot v databázi Vložení nového záznamu Vymazání řádků Použití RollBack, SavePoint a Commit KONTROLNÍ OTÁZKY A PŘÍKLADY NÁSTROJE PRO VYTVÁŘENÍ DOTAZŮ SQL SPOJENÍ S MICROSOFT EXCEL SPOJENÍ S MICROSOFT WORD KONTROLNÍ OTÁZKY A PŘÍKLADY POČÍTAČOVÁ PODPORA MĚŘENÍ A SBĚRU DAT POČÍTAČE PRO ŘÍZENÍ SYSTÉMŮ MĚŘICÍ KARTY DO PC LABORATORNÍ PŘÍSTROJE ŘÍZENÍ MĚŘICÍCH SYSTÉMŮ LABVIEW KONTROLNÍ OTÁZKY A PŘÍKLADY...87

5 4 FEKT Vysokého učení technického v Brně Seznam obrázků OBR. 2.1: EXCEL, PRACOVNÍ LISTY, PEVNÉ HODNOTY A VZTAHY V BUŇKÁCH OBR. 2.2: EXCEL, PRACOVNÍ LISTY, PEVNÉ HODNOTY A VZTAHY V BUŇKÁCH OBR. 2.3: ILUSTROVÁNÍ POSTUPU ZADÁVÁNÍ PŘEDDEFINOVANÝCH VZORCŮ V EXCELU OBR. 2.4: ILUSTROVÁNÍ POSTUPU ZADÁVÁNÍ VZORCŮ V EXCELU OBR. 2.5: RELATIVNÍ KOPÍROVÁNÍ VZORCŮ OBR. 2.6: PŘÍKLAD ABSOLUTNÍHO ODKAZU NA BUŇKU OBR. 2.7: PŘÍKLAD PRŮBĚHOVÉHO (SPOJNICOVÉHO) DIAGRAMU PRO DATA Z TABULKY OBR. 2.8: PŘÍKLAD BODOVÉHO DIAGRAMU PRO HODNOTY ODVOZENÉ Z TABULKY OBR. 2.9: POSTUP VEDOUCÍ K PROLOŽENÍ REGRESNÍ FUNKCE OBR. 2.10: VOLBA K ZOBRAZENÍ REGRESNÍ FUNKCE A KOEFICIENTU DETERMINACE OBR. 2.11: BODOVÝ DIAGRAM S PROLOŽENOU REGRESNÍ PŘÍMKOU OBR. 2.12: ZNÁZORNĚNÍ POSTUPU VYTVOŘENÍ KOLÁČOVÉHO GRAFU V EXCELU OBR. 2.13: PŘÍKLAD KOLÁČOVÉHO GRAFU PODÍLY DĚTÍ NAROZENÝCH V LETECH OBR. 2.14: SLOUPCOVÝ GRAF ZACHYCUJÍCÍ POČTY ŽIVĚ NAROZENÝCH DĚTÍ V LETECH OBR. 2.15: KROKY VYTVOŘENÍ HISTOGRAMU V EXCELU OBR. 2.16: HISTOGRAM PRO DATA UVEDENÁ V TABULCE 1.3 VYTVOŘENÝ V EXCELU OBR. 2.17: HISTOGRAM PRO DATA UVEDENÁ V TABULCE 1.3 VYTVOŘENÝ V PROGRAMU SSP 21 OBR. 2.18: KRABICOVÝ GRAF PRO DATA UVEDENÁ V TABULCE OBR. 2.19: NĚKTERÉ INFORMACE PREZENTOVANÉ KRABICOVÝM GRAFEM OBR. 2.20: VÝBĚROVÉ KVANTILOVÉ CHARAKTERISTIKY VYJÁDŘENÉ KRABICOVÝM GRAFEM 24 OBR. 2.21: DESKRIPTIVNÍ STATISTIKA S POUŽITÍM ANALYTICKÝCH NÁSTROJŮ EXCELU OBR. 2.22: VÝSTUP DESKRIPTIVNÍ STATISTIKY, PRO DATA Z TABULKY 1.3, S POUŽITÍM ANALYTICKÝCH NÁSTROJŮ EXCELU A PŘILOŽENÝ VÝKLAD JEDNOTLIVÝCH PARAMETRŮ. 26 OBR. 2.23: VÝSTUP DESKRIPTIVNÍ STATISTIKY, PRO DATA Z TABULKY 1.3, S POUŽITÍM PROGRAMU SSP OBR. 2.24: VÝSTUP DESKRIPTIVNÍ STATISTIKY, PRO DATA Z TABULKY 1.3, S POUŽITÍM PROGRAMU SSP OBR. 2.25: MOŽNÝ POSTUP STRATIFIKACE DAT V EXCELU OBR. 3.1: OBR. 3.2: OBR. 3.3: OBR. 3.4: URČENÍ PRAVDĚPODOBNOSTI VÝSKYTU HODNOT PRO NORMÁLNĚ ROZDĚLENOU PROMĚNNOU ZÁPIS ARGUMENTŮ FUNKCE PRO ODHAD PRAVDĚPODOBNOSTI, ŽE HODNOTA KAPACITY BUDE MENŠÍ NEŽ 10,5 ΜF ZÁPIS ARGUMENTŮ FUNKCE PRO ODHAD PRAVDĚPODOBNOSTI, ŽE HODNOTA KAPACITY BUDE MENŠÍ NEŽ 10,5 ΜF ZÁPIS ARGUMENTŮ FUNKCE PRO ODHAD 35. PERCENTILU, V PŘÍPADĚ, ŽE JE VÝBĚROVÝ PRŮMĚR 10 A VÝBĚROVÁ SMĚRODATNÁ ODCHYLKA 0, OBR. 3.5: URČENÍ KRITICKÉ HODNOTY Z-ROZDĚLENÍ Z TABULEK KUMULATIVNÍ PRAVDĚPODOBNOSTI NA LEVÉ STRANĚ ROZDĚLENÍ OBR. 3.6: URČENÍ MEZÍ KONFIDENČNÍHO INTERVALU PRO PRŮMĚR NA ZVOLENÉ KONFIDENČNÍ ÚROVNI OBR. 3.7: KRITICKÉ HODNOTY T-ROZDĚLENÍ OBR. 3.8: STANOVENÍ KONFIDENČNÍHO INTERVALU PRO PRŮMĚR V PROGRAMU SSP... 37

6 Aplikovaná počítačová technika 5 OBR. 3.9: PŘÍKLAD ILUSTRUJÍCÍ SITUACI, KDY JE ZAPOTŘEBÍ STATISTICKY TESTOVAT HYPOTÉZU O ROZDÍLU MEZI DVĚMA POPULAČNÍMI PRŮMĚRY...38 OBR. 3.10: VÝSLEDEK T-TESTU PRO PŘÍKLAD Z OBRÁZKU 2.9, PROVEDENÉHO V PROGRAMU SSP 39 OBR. 3.11: NABÍDKA T-TESTU V EXCELU...40 OBR. 3.12: NORMÁLNÍ PRAVDĚPODOBNOSTNÍ GRAFY PRO DATA Z OBRÁZKU 2.9, VYTVOŘENÉ V PROGRAMU NCSS 6.0 JUNIOR...40 OBR. 3.13: KRABICOVÉ GRAFY PRO DATA Z OBRÁZKU 2.9, VYTVOŘENÉ V PROGRAMU NCSS 6.0 JUNIOR...41 OBR. 5.1: OKNO SPRÁVCE ZDROJŮ ODBC...62 OBR. 5.1: VOLNA OVLADAČE PRO ZDROJE ODBC...63 OBR. 5.3: NASTAVENÍ UŽIVATELSKÉHO JMÉNA A HESLA...63 OBR. 5.4: NASTAVENÍ ZÁKLADNÍCH PARAMETRŮ PŘÍSTUPU NA SERVER MS SQL...64 OBR. 5.5: NASTAVENÍ UŽIVATELSKÉHO JMÉNA A HESLA PRO SERVER MS SQL...64 OBR. 5.6: NASTAVENÍ UŽIVATELSKÉHO JMÉNA A HESLA PRO SERVER MS SQL...65 OBR. 5.7: DOKONČENÍ NASTAVENÍ DRIVERU PRO SERVER MS SQL...65 OBR. 5.8: SHRNUTÍ NASTAVENÍ PARAMETRŮ...66 OBR. 5.9: PROGRAM MICROSOFT QUERY, VÝBĚR ZDROJE DAT...66 OBR. 5.10: VOLBA SLOUPCŮ A TABULEK...67 OBR. 5.11: PODMÍNKY DOTAZU...67 OBR. 5.12: VOLBA SLOUPCŮ PRO SEŘAZENÍ VÝSLEDKU...68 OBR. 5.13: VOLBA SLOUPCŮ PRO SEŘAZENÍ VÝSLEDKU...68 OBR. 5.14: OKNO TEXTOVÉHO VYJÁDŘENÍ DOTAZU SQL...69 OBR. 5.15: PŘIDÁNÍ DATABÁZOVÉ TABULKY...69 OBR. 5.16: PŘIDÁNÍ DATABÁZOVÉ TABULKY...70 OBR. 5.17: MENU PRO IMPORT EXTERNÍCH DAT...71 OBR. 5.18: MENU PRO IMPORT EXTERNÍCH DAT...71 OBR. 5.19: VÝSLEDEK SPOJENÍ DATABÁZE S MICROSOFT EXCEL...71 OBR. 5.20: VYTVOŘENÍ DOKUMENTU NA ZÁKLADĚ ŠABLONY...72 OBR. 5.21: MENU PRO HROMADNOU KORESPONDENCI...72 OBR. 5.22: VÝBĚR TYPU DOKUMENTU...73 OBR. 5.23: VÝBĚR DOKUMENTU...73 OBR. 5.24: VÝBĚR ZDROJE DAT...74 OBR. 5.25: SEZNAM PŘÍJEMCŮ OBSAŽENÝCH VE ZDROJI DAT...74 OBR. 5.26: VLOŽENÍ POLOŽEK DO DOKUMENTU...75 OBR. 5.27: VÝSLEDNÝ DOKUMENT...75 OBR. 5.28: DOKUMENT PO SLOUČENÍ...76 OBR. 6.1: PANELY NÁSTROJŮ PRO ČTENÍ DAT Z PŘÍSTROJE AGILENT...78 OBR. 6.2: VYUŽITÍ PANELU NÁSTROJŮ PRO PŘENOS DAT Z MĚŘICÍCH PŘÍSTROJŮ...79 OBR. 6.3: PŘÍKLAD OVLÁDÁNÍ LABORATORNÍCH PŘÍSTROJŮ...80 OBR. 6.4: PŘÍKLAD PROGRAMU VYTVOŘENÉHO V PROGRAMU MICROSOFT VISUAL BASIC81 OBR. 6.5: APLIKACE PRO MĚŘENÍ VLASTNOSTÍ TRANZISTORŮ...82 OBR. 6.6: JEDNODUCHÁ APLIKACE MONITOROVÁNÍ PORTU POČÍTAČE...83 OBR. 6.7: SIMULACE JEDNODUCHÉHO SYSTÉMU S GENERÁTOREM A MULTIMETREM...84 OBR. 6.8: PŘÍKLAD POUŽITÍ PROGRAMU LABVIEW PRO OVLÁDÁNÍ MĚŘICÍHO PŘÍSTROJE HP34401A...85 OBR. 6.9: OVLÁDACÍ PANEL FREKVENČNÍ ANALÝZY PŘÍSTROJE HP 4284A...86 OBR. 6.10: OVLÁDACÍ PANEL FREKVENČNÍ ANALÝZY PŘÍSTROJE HP 4284A...87

7 6 FEKT Vysokého učení technického v Brně Seznam tabulek TAB. 2.1: SEZNAM NĚKTERÝCH PŘEDDEFINOVANÝCH FUNKCÍ V EXCELU TAB. 2.2: TAB. 2.3: POMOCNÁ DATA PRO CVIČENÍ (ZDROJ: ZÁKLADY TEORIE PRAVDĚPODOBNOSTI, CITACE ) BODOVÉ VÝSLEDKY PŮLSEMESTRÁLNÍ ZKOUŠKY KURZU ŘÍZENÍ JAKOSTI V ROCE TAB. 4.1: TABULKA SEZNAMU ZAMĚSTNANCŮ TAB. 4.2: ÚPLNÝ VÝPIS DATABÁZOVÉ TABULKY ZAMESTNANCI TAB. 4.3: ÚPLNÝ VÝPIS DATABÁZOVÉ TABULKY ZARAZENI TAB. 4.4: ÚPLNÝ VÝPIS DATABÁZOVÉ TABULKY ZAMESTNANCI S PLATEM TAB. 4.5: VÝSLEDEK DOTAZU S MATEMATICKOU OPERACÍ TAB. 4.6: VÝSLEDEK DOTAZU S MATEMATICKOU OPERACÍ TAB. 4.7: VÝSLEDEK DOTAZU S FUNKCÍ COUNT TAB. 4.8: VÝSLEDEK DOTAZU S FUNKCÍ MAX TAB. 4.9: VÝSLEDEK DOTAZU S FUNKCÍ AVG TAB. 4.10: VÝSLEDEK DOTAZU S PODMÍNKOU PRO VÝBĚR ŘÁDKŮ TAB. 4.11: VÝSLEDEK DOTAZU S PODMÍNKOU PRO VELIKOST PLATU TAB. 4.12: VÝSLEDEK DOTAZU S PODMÍNKOU PRO VELIKOST PLATU TAB. 4.13: VÝSLEDEK DOTAZU S PODMÍNKOU PRO VELIKOST PLATU V ROZSAHU PARAMETRU BETWEEN TAB. 4.14: VÝSLEDEK DOTAZU S PODMÍNKOU PRO FILTR OBSAHU TAB. 4.15: VÝSLEDEK DOTAZU S PODMÍNKOU PRO DOPLNĚK TAB. 4.16: VÝSLEDEK DOTAZU S PODMÍNKOU PRO NEÚPLNÉ ZADÁNÍ TAB. 4.17: VÝSLEDEK DOTAZU S PODMÍNKOU NAHRAZUJÍCÍ BETWEEN TAB. 4.18: VÝSLEDEK DOTAZU S PODMÍNKOU NAHRAZUJÍCÍ BETWEEN TAB. 4.19: VÝSLEDEK DOTAZU S PODMÍNKOU NAHRAZUJÍCÍ BETWEEN TAB. 4.20: VÝSLEDEK DOTAZU DOPLNĚNÝ O MOŽNOST SEŘAZENÍ VÝSLEDKU TAB. 4.21: VÝSLEDEK DOTAZU DOPLNĚNÝ O MOŽNOST SEŘAZENÍ VÝSLEDKU PODLE NĚKOLIKA SLOUCŮ TAB. 4.22: VÝSLEDEK DOTAZU DOPLNĚNÝ O MOŽNOST SEŘAZENÍ VÝSLEDKU PODLE POČÍTANÉHO POLE TAB. 4.23: VÝPIS DATABÁZOVÉ TABULKY ADRESA TAB. 4.24: VÝSLEDEK SPOJENÍ TABULEK ADRESA A ZAMESTNANCI TAB. 4.25: VÝSLEDEK SPOJENÍ TABULEK ADRESA A ZAMESTNANCI TAB. 4.26: VYUŽITÍ AGREGAČNÍ FUNKCE COUNT TAB. 4.27: VYUŽITÍ AGREGAČNÍ FUNKCE COUNT VE SPOJENÍ S GROUP TAB. 4.28: VYUŽITÍ AGREGAČNÍ FUNKCE COUNT VE SPOJENÍ S GROUP A SEŘAZENÍ VÝSLEDKU TAB. 4.29: DOPLNĚNÍ VÝRAZU PODMÍNKOU HAVING... 58

8 Aplikovaná počítačová technika 7

9 8 FEKT Vysokého učení technického v Brně 1 Úvod Studijní text slouží jako podpůrný studijní materiál kurzu Aplikovaná počítačová technika. Tento kurz je volitelným oborovým předmětem magisterského studijního oboru Mikroelektronika a magisterského studijního oboru Elektrotechnická výroba a management. Předmět je ve studijním programu zařazen v letním semestru a lze jej zvolit v kterémkoli roku studia. Cílem kurzu je v návaznosti na odborné zaměření vést studenta ke zvládnutí různých aplikací podporovaných počítačovou technikou. 1.1 Vstupní test Vzhledem k povaze kurzu není test vstupních znalostí nutný. Úspěšné absolvování kurzu předpokládá znalost práce na počítači, odpovídající absolventovi bakalářského stupně studia vysoké školy.

10 Aplikovaná počítačová technika 9

11 10 FEKT Vysokého učení technického v Brně 2 Počítačová podpora grafické a numerické analýzy dat Cíle kapitoly: cílem kapitoly je zopakovat a procvičit práci v Excelu, zabývat se grafickou a numerickou analýzou dat podporovanou aplikovanou počítačovou technikou. 2.1 Pokyny k práci Předpokladem výukového efektu je postupné pročítání textu a současné řešení jednotlivých cvičení, které jsou zde pro přehlednost zvýrazněny rámečkem. Je ověřeno, že text zabere cca dva výukové bloky o rozsahu hodiny a půl. Postavení výukového textu předpokládá, že příklady budou řešeny postupně, tak jak jdou za sebou. Obr. 2.1: Excel, pracovní listy, pevné hodnoty a vztahy v buňkách

12 Aplikovaná počítačová technika Procvičení a opakování práce v Excelu Tabulkové procesory jsou používány jednak pro uchování dat ve sloupcích a řádcích a jednak k provádění analýz dat. Jedním z nejpoužívanějších tabulkových procesorů je Microsoft Excel (dále jen Excel). Excel poskytuje nástroje pro aplikaci statistických metod a provádění potřebných výpočtů, lze ho využít pro vědecké i inženýrské výpočty. Jelikož je tento učební text určen pro samostudium, je z pedagogického hlediska vhodné začít opakováním. Právě těmito základy se zabývá tato podkapitola. Obr. 2.2: Excel, pracovní listy, pevné hodnoty a vztahy v buňkách Úplný základ K organizaci dat Excel používá pracovní listy, v jednom excelovském souboru může být více pracovních listů (obr. 1.1). Data jsou v pracovních listech uchována v buňkách, v buňce může být obsažena pevná hodnota, nebo zde může být zadán vztah. Pro účinnost práce je vhodné držet se zásady, že názvy buněk se do řádku vzorců zásadně nevypisují ručně (ale vždy kliknutím na příslušnou buňku nebo použitím příslušné funkce).

13 12 FEKT Vysokého učení technického v Brně Funkce a zadávání vzorců v Excelu V Excelu jsou předefinovány funkce, aby uživatel nemusel často opakované vzorce složitě vypisovat. Chceme-li například spočítat průměr pěti hodnot, použije se funkce AVERAGEA. Postupuje se touto posloupností kroků: Vložit Funkce AVERAGEA, viz. obr Obr. 2.3: Ilustrování postupu zadávání předdefinovaných vzorců v Excelu Jakýkoli vzorec lze zadat ručně tak, že se klikne do řádku vzorců a začne sem se začne zapisovat vzorec. Postupuje se tak, že se napíše = a postupně se zadávají potřebné operátory a odkazy na buňky. Odkazy na buňky se nikdy nevypisují ručně, ale pomocí kliknutí na příslušnou buňku, na kterou se chceme odkázat. Příklad je uveden na obrázku 1.4. Obr. 2.4: Ilustrování postupu zadávání vzorců v Excelu Matematické funkce umožňují provádět výpočty, jako je například zaokrouhlování. Soupis některých z dostupných, často používaných, funkcí je uveden v tabulce 1.1.

14 Aplikovaná počítačová technika 13 Tab. 2.1: Seznam některých předdefinovaných funkcí v Excelu Funkce Význam Komentář ZAOKR.NAHORU(číslo, hodnota) Zaokrouhlování nahoru Vypočte číslo zaokrouhlené nahoru o zadaný argument ABS (číslo, hodnota) Absolutní hodnota Vrátí absolutní hodnotu čísla KOMBINACE (počet;kombinace) Kombinace Zjistí počet kombinací zadaného počtu prvků FAKTORIÁL (číslo) Faktoriál čísla Počítá faktoriál zadaného kladného čísla POWER (číslo, mocnina) Mocnina, umocňování Umocní číslo SOUČIN (číslo1, číslo2,..) Součin, násobení Vynásobí zadaná čísla ODMOCNINA (číslo) Odmocnina Zjistí odmocninu čísla SUMA (číslo1, číslo2,..) Suma Spočte hodnotu součtu Obr. 2.5: Relativní kopírování vzorců

15 14 FEKT Vysokého učení technického v Brně Odkazy na buňky Relativní odkaz je odkaz na buňku, která ležela v dané pozici v okamžiku zadávání příkazu. Při kopírování vzorce se odkaz změní. Pokud se má pro více sloupců spočítat například průměr, stačí vzorec zapsat pouze do sloupce prvního a vzorec pro ostatní sloupce zkopírovat, viz. obrázek. CVIČENÍ 2.1: Vytvořte excelovský soubor, který uložte jako a_prijmeni_jmeno, např. a_novotny_radovan. První list (List 1) uloženého excelovského soboru přejmenujte na 1_1. Do Excelu opište tři sloupce dat uvedená na obrázku 1.3. Za pomocí posloupností kroků: Vložit Funkce do řádků pod sloupci dat, podobně jako je uvedeno na obrázku 1.3 vložte vzorce, které spočítají: výběrový(aritmetický) průměr, modus, medián, výběrovou směrodatnou odchylku, maximální hodnotu, minimální hodnotu a rozpětí (pro to zde funkce není, je nutné zadat rozdíl hodnoty maximální a hodnoty minimální. Výsledek u modusu bude vypsán jako N/A, což znamená, že tuto hodnotu pro daný výběr vzorku neexistuje. Kopírováním přeneste vzorce i pro další dva sloupce dat. Na příslušný list to textového pole uveďte, co jednotlivé statistické charakteristiky (průměr, modus,..) znamenají. Absolutní odkaz se odvolává vždy na stejnou buňku, je stálý a nemění se při kopírování vzorce. Absolutní odkazy se používají zejména při odkazování se na neměnné koeficienty, viz. příklad na obrázku. Obr. 2.6: Příklad absolutního odkazu na buňku CVIČENÍ 2.2: List 2 excelovského souboru a_prijmeni_jmeno (založený v předchozím příkladu) přejmenujte na list 1.2. Opište sloupec hodnot napětí U(V) z obrázku 1.6. Do sloupce U(mV) převeďte hodnoty napětí ve V na mv - postupujte podle obrázku 1.6, tj. s pomocí vzorce, absolutního odkazu (viz. komentáře na obr. 1.6) a převodního koeficientu. Táhnutím překopírujte vzorec pro všechny hodnoty.

16 Aplikovaná počítačová technika Práce s daty a grafická analýza dat v Excelu Tabulkový procesor Excel umožňuje pracovat s daty, provádět třídění dat a grafickou analýzu dat. Tab. 2.2: Pomocná data pro cvičení (ZDROJ: Základy teorie pravděpodobnosti, citace ) Rok Počet živě narozených dětí Relativní četnost jevu "narození chlapce" , , , , , , , , , ,5108 Celkem , Průběhový diagram spojnicový graf Průběhový diagram (spojnicový graf, run chart) se s výhodou používá ke grafickému znázornění posloupnosti hodnot sledovaného parametru v čase. Tento diagram dokáže zachytit například posun, trend či sezónní chování. Hodnoty proměnné reprezentující čas je vynášena na horizontální ose, hodnoty sledovaného parametru na ose vertikální. Jednotlivé datové body se propojují čárami, aby se zvýraznil časový průběh. Příklad je uveden na obrázku Počty živě narozených dětí (tis) chlapci dívky Roky

17 16 FEKT Vysokého učení technického v Brně Obr. 2.7: Příklad průběhového (spojnicového) diagramu pro data z tabulky 1.2 CVIČENÍ 2.3: Do excelovského souboru a_prijmeni_jmeno, založeného v prvním cvičení, list 3 přejmenujete na list 1_3. Opište hodnoty uvedené v tabulce 1.2. Z těchto dat vypočtěte potřebné hodnoty a vytvořte průběhový diagram, odpovídající diagramu na obrázku Bodový diagram Bodový diagram (XY diagram, scatter plot) napomáhá k prvotnímu zhodnocení možné závislosti (=korelovanosti) mezi dvěma proměnnými. V pravoúhlé soustavě souřadnic se vynáší na osu x a osu y hodnoty dvou proměnných, typicky na osu x hodnoty nezávisle proměnné a osu y hodnoty závisle proměnné. Příklad tohoto diagramu je uveden na obrázku Počty živě narozených dívek (tis) Počty živě narozených chlapců (tis) Obr. 2.8: Příklad bodového diagramu pro hodnoty odvozené z tabulky 1.2 Obr. 2.9: Postup vedoucí k proložení regresní funkce

18 Aplikovaná počítačová technika 17 Poukáže-li bodový diagram na závislost proměnných, může být cílem tzv. regresní analýzy určit regresní funkci, která dokáže závislost mezi proměnnými aproximovat a popsat vztahem. Bodový diagram na obrázku 1.8 poukazuje na existenci lineární závislosti, kterou je možné popsat prostřednictvím regresní přímky. Přímo v bodovém diagramu je možné v Excelu proložit regresní přímku či křivku, viz. obr. 1.9, 1.10 a Obr. 2.10: Volba k zobrazení regresní funkce a koeficientu determinace Obr. 2.11: Bodový diagram s proloženou regresní přímkou CVIČENÍ 2.4: Do excelovského souboru s vaším jménem a_prijmeni_jmeno vložte nový list. Tento list pojmenujte 1_4 a vytvořte zde bodový diagram. Jako nezávisle proměnnou (na osu x) vyneste počty živě narozených chlapců a jako závisle proměnou (osu y) vyneste počty živě narozených dívek (vypočtenou z tabulky 1.2). Do vyneseného diagramu vyneste regresní přímku, uveďte zde rovnici regresní přímky a koeficient determinace (viz. obr. 1.9a 1.10). Na příslušný list do textového pole cca dvěma větami uveďte, (a) k čemu vaše analýza dospěla a (b) co znamená hodnota koeficientu determinace.

19 18 FEKT Vysokého učení technického v Brně Koláčový graf Koláčový graf napomáhá znázornit relativní (procentuální) podíl kategorií v celku. Podíl zastoupení jednotlivých kategorií je v grafu zachycen pomocí výsečí kruhu, čím větší výseč, tím větší podíl. (2) Vybrat výsečový (2) Vybrat průvodce grafem (1) Vyznačit data Obr. 2.12: Znázornění postupu vytvoření koláčového grafu v Excelu R.Novotný, % 15% 19% 15% % 17% Obr. 2.13: Příklad koláčového grafu podíly dětí narozených v letech CVIČENÍ 2.5: Do excelovského souboru s vaším jménem, na list pojmenovaný 1_5 vytvořte koláčový graf podílu dětí narozených v letech , podobný grafu na obrázku 1.13 (označte příslušná data, VLOŽIT GRAF- VÝSEČOVÝ,..). Na příslušný list do textového pole (a) vynesený graf interpretujte, (b) uveďte, jaké informace poskytuje tento koláčový graf v porovnání se sloupcovými grafem (viz. obrázek 1.14, kde je uvedený sloupcový graf pro stejná data) a (c) uveďte alespoň dvě situace, kdy bude výhodné použít koláčový graf a dvě situace kdy bude výhodné použít sloupcový diagram.

20 Aplikovaná počítačová technika Sloupcový graf Sloupcový graf je pro svou názornost a jednoduchost velmi používaný pro vzájemné srovnání několika samostatných položek. Číselné hodnoty, reprezentující tyto položky, jsou vyjádřeny velikostí obdélníkových sloupců. Pokud má být v v daném znaku srovnáno více souborů, umísťují se do téže třídy více sloupců. Sloupcové grafy někdy bývají používány i pro znázornění a srovnání časového vývoje dosahovaných výsledků. 350 Počty živě narozených dětí Obr. 2.14: Sloupcový graf zachycující počty živě narozených dětí v letech Histogram Histogram je sloupcový graf, který slouží k zobrazení většího souboru dat, která lze považovat za data spojitého typu. Na ose x jsou vynášeny tzv. třídní intervaly a na ose y četnost výskytu hodnot v těchto intervalech. Třídní intervaly představují pomyslné rozsekání intervalu, ve kterém se hodnoty sledované proměnné nacházejí, na několik menších, stejně velkých intervalů (tříd). Histogram zachycuje variabilitu (proměnlivost) dat, polohu (umístění na číselné ose) a tvar rozdělení (při vhodně zvoleném počtu tříd. Histogram je odhadem hustoty. Na základě vytvořeného histogramu lze vizuálně zvážit, zda by bylo možné data považovat za náhodný výběr z normálního rozdělení. Má-li být vytvořen histogram, je tedy zapotřebí: určit maximální a minimální hodnotu souboru (po očištění souboru dat o případné odlehlé hodnoty), stanovit hranice třídních intervalů (= vytvořit několik třídních intervalů), určit četnost výskytu hodnot v jednotlivých třídách, vynést připravená data do sloupcového grafu (na svislou osu četnost výskytu a na osu vodorovnou třídní intervaly). V Excelu lze histogram vytvořit buď výše uvedeným postupem nebo použitím nabídky analytických nástrojů. K této nabídce se lze dostat těmito kroky: Nástroje Data analysis Histogram. Pokud v nabídce Nástroje nabídka Data analysis není, je zapotřebí tento volitelný doplněk Excelu uvést do chodu (někdy je potřeba instalační CD) těmito kroky: Nástroje Doplňky Analysis Toolpack.

21 20 FEKT Vysokého učení technického v Brně Tab. 2.3: Bodové výsledky půlsemestrální zkoušky kurzu Řízení jakosti v roce ,4 (A) 8,6 (B) 13,6 (A) 14,4 (B) 14,2 (A) 9,6 (B) 7 (B) 13,5 (A) 11,1 (A) 9,1(B) 10,5 (B) 16,3 (A) 12,7 (B) 12,7 (B) 11,4 (A) 12,4 (B) 15,8 (A) 13,3 (B) 3,9 (B) 7,2 (B) 11 (A) 14,9 (B) 15,3 (B) 14,2 (A) 14,9 (A) 12,6 (B) 14 (B) 14,6 (B) 11,9 (A) 12,2 (A) 6,6 (A) 8,2 (B) 12,7 (B) 12,6 (A) 12,2 (A) 18 (B) 8,8 (B) 8,3 (A) 15 (A) 12,3 (B) 14,9 (B) 18 (A) Bližší kroky při vytváření histogramu v Excelu jsou uvedeny na obrázku Výsledný histogram pro data uvedená v tabulce 1.3 je uveden na obrázku Obr. 2.15: Kroky vytvoření histogramu v Excelu

22 Aplikovaná počítačová technika 21 Histogram rozdělení bodů v půlsemestrálním testu 25 Počet studentů do 7 bodů do 10 bodů do 13 bodů do 16 bodů do 19 bodů Třída Obr. 2.16: Histogram pro data uvedená v tabulce 1.3 vytvořený v Excelu CVIČENÍ 2.6: Vytvořte excelovský soubor b_prijmeni jmeno (např b_novotny_radovan) a List1 přejmenujte na 1.6. Na tento list umístěte řešení tohoto cvičení. Z tabulky 1.3 do sloupce opište číselná data z tabulky 1.3. Údaje v závorkách u dílčích hodnot v tabulce ukazují, zda se jedná o výsledek dosažený v zadání skupiny A nebo skupiny B. V excelu s použitím posloupnosti příkazů Nástroje Data analysis Histogram a za pomoci pokynů uvedených na obrázku 1.14 vytvořte histogram tak, aby zde bylo minimálně šest třídních intervalů. Výsledný histogram naformátujte do podoby uvedené na obrázku 1.15, přičemž v grafu bude tolik sloupců, kolik tříd jste zvolili. Do textového pole napište, co lze z daného histogramu vyvodit. Jak je to jednoduché, několika pohyby myší vytvářet spousty grafů. Je zajímavé, že často i zkušeného technika toto ohromí natolik, že zapomene popsat osy a shodou okolností se tento graf třeba dostane na nástěnku nebo v horším do diplomové či bakalářské práce. Obr. 2.17: Histogram pro data uvedená v tabulce 1.3 vytvořený v programu SSP

23 22 FEKT Vysokého učení technického v Brně CVIČENÍ 2.7: Vytvořte excelovský soubor b_prijmeni_jmeno (např b_novotny_radovan). Na stránkách <http://www.economics.pomona.edu/statsite/framepg.html> si za účelem procvičení zde probíraných metod stáhněte program SSP (Smith's Statistical Package), který není určen pro komerční účely. V SSP do sloupce Var1 překopírujte data z tabulky 1.3 (máte je přepsána v Excelu na listu 1.6 v souboru b_prijmeni_jmeno). Pozn.: při kopírování je nutné desetinnou čárku nahradit tečkou (je výhodné sloupec dat překopírovat do Wordu a v něm, s pomocí funkce najít a nahradit vyvolané klávesovou kombinací CTRL+F, záložce nahradit, za.. Takto připravený sloupec dat pak vložit do schránky (CTRL+C). Při vkládání musíte dodržet tento postup: klikněte na sloupec Var1, a vložte data (CTRL+V). Potom v žádném případě v průběhu analýzy neklikněte na buňku s nějakou hodnotou, protože takto se po kliknutí na nějakou jinou buňku ořízne desetinné místa a výsledky jsou špatné (jednou si to kliknutí zkuste a uvidíte..). Na to, jak tomu předejít, jsem nepřišel - kdo poradí?. S použitím posloupnosti příkazů DescribingData Histogram vytvořte histogram, který potom upravte do podoby, která se bude maximálně přibližovat histogramu uvedenému na obrázku Vytvořený histogram pomocí klávesy PrintScreen okopírujte a vložte ho do excelovského souboru b_prijmeni_jmeno na List 2, který přejmenujte na "1.7. Do textového pole na tomto listu napište, (a) proč se do histogramu někdy doplňuje křivka ve tvaru zvonu (viz. např. obr. 1.16), (b) zda histogram patří mezi tzv. sedm základních nástrojů jakosti (seven quality tools) a (c) proč je mezi histogramy na obrázcích 1.15 a 1.16 existuje vizuální rozdíl. Zvonová křivka je ze života, není to jen teorie. Můj bývalý šéf Petr Vašina často při řešení problémů říká ona příroda nemá ráda extrémy a vedoucí personálního útvaru firmy Groz-Beckert Michal Šusták normální rozdělení označil jako zákon ošlapaných schodů. Spojím-li tyto dvě myšlenky dohromady, pak jen extrémisté chodí při zdi, průměrný člověk si to šlape prostředkem schodiště. 2.5 Krabicový graf a statistické charakteristiky Krabicový graf (box plot, box and whiskers plot) je metodou grafické analýzy dat, která se rozšířila s rozvojem počítačových aplikací podporujících analýzu dat. Krabicový graf dokáže pomocí krabice a vousů zachytit mnohé vlastnosti datového souboru. Příklad krabicového grafu je uvedený na obrázku Obr. 2.18: Krabicový graf pro data uvedená v tabulce 1.3 Krabicový graf znázorňuje tzv. výběrové kvantily, délka krabice je ohraničena dolním a horním kvartilem, dělící čára uvnitř krabice pak medián. Délka krapice odpovídá tzv. mezikvartilovému rozpětí. Vyčnívající konce (vousy) označují minimální a maximální

24 Aplikovaná počítačová technika 23 hodnotu analyzovaného datového souboru, ale v některých programech (např NCSS) mohou tyto konce představovat hranice, které ze statistického hlediska oddělují odlehlá pozorování. Situace je ilustrována na obrázcích 1.18 a Výběrový α-kvantil je odhadem hodnoty kvantilové funkce F 1 ( α), kde 0 < α < 1. α- kvantil je číslo, pro které platí, že α% dat souboru bude menších. Zvláštními případy kvantilů je výběrový dolní kvartil pro α = 0.25, výběrový medián pro α =0.50 a výběrový horní kvartil α = 0.75, viz. obrázek Rozdíl horního a dolního kvartilu se nazývá mezikvartilové (interkvartilové) rozpětí. Mezikvartilové rozpětí je intervalem, ve kterém se nachází prostředních 50% hodnot uspořádaného výběru x( 1) x(2)... x( n) (data seřazených vzestupně podle velikosti). Výběrový medián je jedním z odhadů střední hodnoty, reprezentuje polohu (umístění na číselné ose). Při lichém počtu pozorování je mediánem prostřední hodnota uspořádaného výběru, má-li datový soubor sudý počet pozorování, je za medián považován průměr dvou prostředních hodnot. Obr. 2.19: Některé informace prezentované krabicovým grafem

25 24 FEKT Vysokého učení technického v Brně Obr. 2.20: Výběrové kvantilové charakteristiky vyjádřené krabicovým grafem CVIČENÍ 2.8: V programu SSP do sloupce Var2 překopírujte data z tabulky 1.3 (máte je přepsána v Excelu na listu 1.6 v souboru b_prijmeni_jmeno). S použitím posloupnosti příkazů DescribingData Box plot vytvořte krabicový graf. Výsledný graf by měl odpovídat grafu uvedenému na obrázku Vytvořený graf za pomocí klávesy PrintScreen okopírujte a vložte ho do excelovského souboru b_prijmeni_jmeno na List 3, který přejmenujte na "1.8. Do textového pole na tomto listu výsledky interpretujte, napište, co všechno graf o výsledcích studenty dosažených bodů vypovídá. Po dokončení této části úkolu si zasloužíte malou přestávku, abyste se plni sil pustili do druhé části tohoto příkladu. V programu SSP, kde máte ve sloupci Var2 data připište jednu hodnotu 100. Považujte tento krok jako fiktivní omyl při přepisování dat, který má ilustrovat, že i když vytváření grafů je jednoduché, náročná je jejich správná interpretace. Při ní je nutné klást si otázky Co? Proč? Jak to? a nedospět ke grafům poukazujícím na šokující skutečnosti (narodí se o 100 tis. více chlapců než dívek). S použitím posloupnosti příkazů DescribingData Box plot vytvořte krabicový graf. Popište osu a vytvořený graf za pomocí klávesy PrintScreen okopírujte a vložte do excelovského souboru b_prijmeni_jmeno na list "1.8. Grafická analýza je jedním ze způsobů popisu vlastností dat. Druhým způsobem je použití statistických charakteristik. Sledované náhodné proměnné mohou být buď diskrétní nebo spojité. Diskrétní (atributivní) náhodná proměnná nabývá konečně nebo spočetně mnoha hodnot, obvykle celočíselných. Příkladem diskrétní proměnné může být zjišťování třídy jakosti výrobku. Mohou být například čtyři třídy jakosti, kódované čísly 1, 2, 3 a 4. Náhodná proměnná jakost pak nabývá tyto čtyři hodnoty. Spojitá náhodná proměnná nabývá mnoha libovolných hodnot v jistém intervalu na číselné ose. Náhodná proměnná elektrického odporu může nabývat reálných hodnot z jistého intervalu určeného minimálně a maximálně možnou hodnotou elektrického odporu. Pro sledovanou náhodnou proměnnou lze stanovit střední, neboli očekávanou hodnotu. Jinými slovy hodnoty, kterých náhodná proměnná nabývá, kolísají kolem jisté úrovně, nazývané střední hodnota. Střední hodnota S patří spolu s kvantity mezi míry polohy. Střední hodnota je definována:

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

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě 31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty

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

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

Zdokonalování gramotnosti v oblasti ICT. Kurz MS Excel kurz 6. Inovace a modernizace studijních oborů FSpS (IMPACT) CZ.1.07/2.2.00/28.

Zdokonalování gramotnosti v oblasti ICT. Kurz MS Excel kurz 6. Inovace a modernizace studijních oborů FSpS (IMPACT) CZ.1.07/2.2.00/28. Zdokonalování gramotnosti v oblasti ICT Kurz MS Excel kurz 6 1 Obsah Kontingenční tabulky... 3 Zdroj dat... 3 Příprava dat... 3 Vytvoření kontingenční tabulky... 3 Možnosti v poli Hodnoty... 7 Aktualizace

Více

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího

Více

Praktická statistika. Petr Ponížil Eva Kutálková

Praktická statistika. Petr Ponížil Eva Kutálková Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo

Více

Porovnání dvou výběrů

Porovnání dvou výběrů Porovnání dvou výběrů Menu: QCExpert Porovnání dvou výběrů Tento modul je určen pro podrobnou analýzu dvou datových souborů (výběrů). Modul poskytuje dva postupy analýzy: porovnání dvou nezávislých výběrů

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

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

marek.pomp@vsb.cz http://homel.vsb.cz/~pom68

marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové

Více

Projekt Využití ICT ve výuce na gymnáziích, registrační číslo projektu CZ.1.07/1.1.07/02.0030. MS Excel

Projekt Využití ICT ve výuce na gymnáziích, registrační číslo projektu CZ.1.07/1.1.07/02.0030. MS Excel Masarykovo gymnázium Příbor, příspěvková organizace Jičínská 528, Příbor Projekt Využití ICT ve výuce na gymnáziích, registrační číslo projektu CZ.1.07/1.1.07/02.0030 MS Excel Metodický materiál pro základní

Více

Předmluva 11 Typografická konvence použitá v knize 12. 1 Úvod do Excelu 2003 13

Předmluva 11 Typografická konvence použitá v knize 12. 1 Úvod do Excelu 2003 13 Předmluva 11 Typografická konvence použitá v knize 12 1 Úvod do Excelu 2003 13 Spuštění a ukončení Excelu 14 Spuštění Excelu 14 Ukončení práce s Excelem 15 Přepínání mezi otevřenými sešity 16 Oprava aplikace

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 MS Excel 2002 Grada - po spuštění je třeba kliknout do středu obrazovky - v dalším dialogovém okně (Přihlášení) vybrat uživatele, zřídit Nového uživatele nebo zvolit variantu Bez přihlášení (pro anonymní

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

Popisná statistika kvantitativní veličiny

Popisná statistika kvantitativní veličiny StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali

Více

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

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru

Více

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník 3 hodiny týdně PC a dataprojektor Kombinatorika Řeší jednoduché úlohy

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

Časové řady - Cvičení

Časové řady - Cvičení Časové řady - Cvičení Příklad 2: Zobrazte měsíční časovou řadu míry nezaměstnanosti v obci Rybitví za roky 2005-2010. Příslušná data naleznete v souboru cas_rada.xlsx. Řešení: 1. Pro transformaci dat do

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

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368 Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540

Více

Ilustrační příklad odhadu LRM v SW Gretl

Ilustrační příklad odhadu LRM v SW Gretl Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná

Více

Stěžejní funkce MS Excel 2007/2010, jejich ovládání a možnosti využití

Stěžejní funkce MS Excel 2007/2010, jejich ovládání a možnosti využití Stěžejní funkce MS Excel 2007/2010, jejich ovládání a možnosti využití Proč Excel? Práce s Excelem obnáší množství operací s tabulkami a jejich obsahem. Jejich jednotlivé buňky jsou uspořádány do sloupců

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

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

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

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

Excel tabulkový procesor

Excel tabulkový procesor Pozice aktivní buňky Excel tabulkový procesor Označená aktivní buňka Řádek vzorců zobrazuje úplný a skutečný obsah buňky Typ buňky řetězec, číslo, vzorec, datum Oprava obsahu buňky F2 nebo v řádku vzorců,

Více

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM CÍLE KAPITOLY Využívat pokročilé možnosti formátování, jako je podmíněné formátování, používat vlastní formát čísel a umět pracovat s listy. Používat

Více

Základy zpracování kalkulačních tabulek

Základy zpracování kalkulačních tabulek Radek Maca Makovského 436 Nové Město na Moravě 592 31 tel. 0776 / 274 152 e-mail: rama@inforama.cz http://www.inforama.cz Základy zpracování kalkulačních tabulek Mgr. Radek Maca Excel I 1 slide ZÁKLADNÍ

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

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Registrační číslo projektu Šablona Autor Název materiálu / Druh CZ.1.07/1.5.00/34.0951 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT

Více

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech.

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech. 3 Grafické zpracování dat Grafické znázorňování je velmi účinný způsob, jak prezentovat statistické údaje. Grafy nejsou tak přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých

Více

Tiskové sestavy. Zdroj záznamu pro tiskovou sestavu. Průvodce sestavou. Použití databází

Tiskové sestavy. Zdroj záznamu pro tiskovou sestavu. Průvodce sestavou. Použití databází Tiskové sestavy Tiskové sestavy se v aplikaci Access používají na finální tisk informací z databáze. Tisknout se dají všechny objekty, které jsme si vytvořili, ale tiskové sestavy slouží k tisku záznamů

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Informační technologie a statistika 1

Informační technologie a statistika 1 Informační technologie a statistika 1 přednášející: konzul. hodiny: e-mail: Martin Schindler KAP, tel. 48 535 2836, budova G po dohodě martin.schindler@tul.cz naposledy upraveno: 21. září 2015, 1/33 Požadavek

Více

Protokol č. 1. Tloušťková struktura. Zadání:

Protokol č. 1. Tloušťková struktura. Zadání: Protokol č. 1 Tloušťková struktura Zadání: Pro zadané výčetní tloušťky (v cm) vypočítejte statistické charakteristiky a slovně interpretujte základní statistické vlastnosti tohoto souboru tloušťek. Dále

Více

Výsledný graf ukazuje následující obrázek.

Výsledný graf ukazuje následující obrázek. Úvod do problematiky GRAFY - SPOJNICOVÝ GRAF A XY A. Spojnicový graf Spojnicový graf používáme především v případě, kdy chceme graficky znázornit trend některé veličiny ve zvoleném časovém intervalu. V

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

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

Naučte se víc... Microsoft Office Excel 2007 PŘÍKLADY

Naučte se víc... Microsoft Office Excel 2007 PŘÍKLADY Naučte se víc... Microsoft Office Excel 2007 PŘÍKLADY Autor: Lukáš Polák Příklady MS Excel 2007 Tato publikace vznikla za přispění společnosti Microsoft ČR v rámci iniciativy Microsoft Partneři ve vzdělávání.

Více

Inovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz

Inovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Sedm základních nástrojů řízení kvality Doc. RNDr. Jiří Šimek,

Více

1/2. pro začátečníky. Ing. Zbyněk Sušil, MSc.

1/2. pro začátečníky. Ing. Zbyněk Sušil, MSc. 1/2 pro začátečníky Ing. Zbyněk Sušil, MSc. Průběh lekce Základní informace Seznamy Formátování buněk Operace s řádky a sloupci Příprava tisku Matematické operace Vzorce Absolutní a relativní adresování

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

Grafy EU peníze středním školám Didaktický učební materiál

Grafy EU peníze středním školám Didaktický učební materiál Grafy EU peníze středním školám Didaktický učební materiál Anotace Označení DUMU: VY_32_INOVACE_IT4.09 Předmět: IVT Tematická oblast: Microsoft Office 2007 Autor: Ing. Vladimír Šauer Škola: Gymnázium,

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

Excel 2007 praktická práce

Excel 2007 praktická práce Excel 2007 praktická práce 1 Excel OP LZZ Tento kurz je financován prostřednictvím výzvy č. 40 Operačního programu Lidské zdroje a zaměstnanost z prostředků Evropského sociálního fondu. 2 Excel Cíl kurzu

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

Obsah. Funkce grafu Zdrojová data pro graf Typ grafu Formátování prvků grafu Doporučení pro tvorbu grafů Zdroje

Obsah. Funkce grafu Zdrojová data pro graf Typ grafu Formátování prvků grafu Doporučení pro tvorbu grafů Zdroje Grafy v MS Excel Obsah Funkce grafu Zdrojová data pro graf Typ grafu Formátování prvků grafu Doporučení pro tvorbu grafů Zdroje Funkce grafu Je nejčastěji vizualizací při zpracování dat z různých statistik

Více

4ST201 STATISTIKA CVIČENÍ Č. 10

4ST201 STATISTIKA CVIČENÍ Č. 10 4ST201 STATISTIKA CVIČENÍ Č. 10 regresní analýza - vícenásobná lineární regrese korelační analýza Př. 10.1 Máte zadaný výstup regresní analýzy závislosti závisle proměnné Y na nezávisle proměnné X. Doplňte

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

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

Excel - pokračování. Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu

Excel - pokračování. Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu Excel - pokračování Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu Př. Analýza prodeje CD základní jednoduché vzorce karta Domů Př. Skoky do dálky - funkce

Více

Evropský zemědělský fond pro rozvoj venkova: Evropa investuje do venkovských oblastí. v cestovním ruchu P3. Pavel Petr Petr.USII@upce.

Evropský zemědělský fond pro rozvoj venkova: Evropa investuje do venkovských oblastí. v cestovním ruchu P3. Pavel Petr Petr.USII@upce. Využití informačních technologií v cestovním ruchu P3 Pavel Petr Petr.USII@upce.cz 1 Obsah kurzu Princip vyhledávání Definování vyhledávacích požadavků Vyhledávací nástroje Zdroje informací Nástroje pro

Více

Inovace výuky prostřednictvím šablon pro SŠ

Inovace výuky prostřednictvím šablon pro SŠ Název projektu Číslo projektu Název školy Autor Název šablony Název DUMu Stupeň a typ vzdělávání Vzdělávací oblast Vzdělávací obor Tematický okruh Inovace výuky prostřednictvím šablon pro SŠ CZ.1.07/1.5.00/34.0748

Více

Obsah. Několik slov o Excelu 2007 a 2010 9. Operace při otvírání a ukládání sešitu 15. Operace s okny 27. Kapitola 1

Obsah. Několik slov o Excelu 2007 a 2010 9. Operace při otvírání a ukládání sešitu 15. Operace s okny 27. Kapitola 1 Obsah Kapitola 1 Několik slov o Excelu 2007 a 2010 9 Nové uživatelské rozhraní 9 Pás karet 10 Panel nástrojů Rychlý přístup 11 Tlačítko Office 11 Pracovní plocha 12 Nápověda 13 Kapitola 2 Operace při otvírání

Více

MS Excel. Upraveno pro verzi 2007. Jana Krutišová. Katedra informatiky a výpočetní techniky Fakulta aplikovaných věd Západočeská univerzita v Plzni

MS Excel. Upraveno pro verzi 2007. Jana Krutišová. Katedra informatiky a výpočetní techniky Fakulta aplikovaných věd Západočeská univerzita v Plzni MS Excel Upraveno pro verzi 2007 Katedra informatiky a výpočetní techniky Fakulta aplikovaných věd Západočeská univerzita v Plzni Charakteristika Zpracování dat uspořádaných do 2D nebo 3D tabulek. Dynamické

Více

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera Výstup RVP: Klíčová slova: pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Mirek Kubera žák diskutuje a kriticky zhodnotí statistické informace a daná statistická sdělení, volí

Více

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel: NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

Dotazy tvorba nových polí (vypočítané pole)

Dotazy tvorba nových polí (vypočítané pole) Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.

Více

FORMÁTOVÁNÍ 2. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika

FORMÁTOVÁNÍ 2. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika Autor: Mgr. Dana Kaprálová FORMÁTOVÁNÍ 2 Datum (období) tvorby: září, říjen 2013 Ročník: sedmý Vzdělávací oblast: Informatika a výpočetní technika 1 Anotace: Žáci se seznámí se základní obsluhou tabulkového

Více

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Seminární práce 1 Brno, 2002 Ing. Pavel

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

Access. Tabulky. Vytvoření tabulky

Access. Tabulky. Vytvoření tabulky Access správa databáze (tabulky, relace, omezující podmínky, data...) uživatelské prostředí pro práci s databází (formuláře, sestavy, datové stránky, makra...) ukázková aplikace Northwind hlavní okno databáze

Více

Přejímka jedním výběrem

Přejímka jedním výběrem Přejímka jedním výběrem Menu: QCExpert Přejímka Jedním výběrem Statistická přejímka jedním výběrem slouží k rozhodnutí, zda dané množství nějakých výrobků vyhovuje našim požadavkům na kvalitu, která je

Více

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že

Více

Excel tabulkový procesor

Excel tabulkový procesor Pozice aktivní buňky Excel tabulkový procesor Označená aktivní buňka Řádek vzorců zobrazuje úplný a skutečný obsah buňky Typ buňky řetězec, číslo, vzorec, datum Oprava obsahu buňky F2 nebo v řádku vzorců,

Více

Ukázka knihy z internetového knihkupectví www.kosmas.cz

Ukázka knihy z internetového knihkupectví www.kosmas.cz Ukázka knihy z internetového knihkupectví www.kosmas.cz U k á z k a k n i h y z i n t e r n e t o v é h o k n i h k u p e c t v í w w w. k o s m a s. c z, U I D : K O S 1 8 1 1 2 8 U k á z k a k n i h

Více

OFFICE MS EXCEL SEZNÁMENÍ S PROGRAMEM

OFFICE MS EXCEL SEZNÁMENÍ S PROGRAMEM Škola: Autor: DUM: Vzdělávací obor: Tematický okruh: Téma: Masarykovo gymnázium Vsetín Mgr. Petr Koňařík MGV_VT_SS_1S2-D12_Z_OFF_EX_UVOD Informatika MS Office MS Excel - úvod OFFICE MS EXCEL SEZNÁMENÍ

Více

Příprava dat v softwaru Statistica

Příprava dat v softwaru Statistica Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,

Více

Nový způsob práce s průběžnou klasifikací lze nastavit pouze tehdy, je-li průběžná klasifikace v evidenčním pololetí a školním roce prázdná.

Nový způsob práce s průběžnou klasifikací lze nastavit pouze tehdy, je-li průběžná klasifikace v evidenčním pololetí a školním roce prázdná. Průběžná klasifikace Nová verze modulu Klasifikace žáků přináší novinky především v práci s průběžnou klasifikací. Pro zadání průběžné klasifikace ve třídě doposud existovaly 3 funkce Průběžná klasifikace,

Více

T6: Program MS Excel II. (standard) Určeno pro získání standardní úrovně znalostí (2 4 hodiny)

T6: Program MS Excel II. (standard) Určeno pro získání standardní úrovně znalostí (2 4 hodiny) T6: Určeno pro získání standardní úrovně znalostí (2 4 hodiny) Co lekce nabízí? Školení je určeno všem uživatelům, kteří chtějí zvládnout standardní úroveň práce s MS Excel. Naučíte se profesionálně vytvářet,

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.2 Inovace a zkvalitnění výuky prostřednictvím ICT Téma III.2.3, pracovní list 1 Technická měření v MS Excel Základy práce s tabulkou Ing. Jiří Chobot VY_32_INOVACE_323_1

Více

Metoda Monte Carlo a její aplikace v problematice oceňování technologií. Manuál k programu

Metoda Monte Carlo a její aplikace v problematice oceňování technologií. Manuál k programu Metoda Monte Carlo a její aplikace v problematice oceňování technologií Manuál k programu This software was created under the state subsidy of the Czech Republic within the research and development project

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

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27 Stručný obsah 1. Stručný obsah 3 2. Úvod 11 3. Seznamy a databáze v Excelu 13 4. Excel a externí data 45 5. Vytvoření kontingenční tabulky 65 6. Využití kontingenčních tabulek 81 7. Kontingenční grafy

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Postupy práce se šablonami IS MPP

Postupy práce se šablonami IS MPP Postupy práce se šablonami IS MPP Modul plánování a přezkoumávání, verze 1.20 vypracovala společnost ASD Software, s.r.o. dokument ze dne 27. 3. 2013, verze 1.01 Postupy práce se šablonami IS MPP Modul

Více

RELAČNÍ DATABÁZE ACCESS

RELAČNÍ DATABÁZE ACCESS RELAČNÍ DATABÁZE ACCESS 1. Úvod... 2 2. Základní pojmy... 3 3. Vytvoření databáze... 5 4. Základní objekty databáze... 6 5. Návrhové zobrazení tabulky... 7 6. Vytváření tabulek... 7 6.1. Vytvoření tabulky

Více

MS EXCEL. MS Excel 2007 1

MS EXCEL. MS Excel 2007 1 MS Excel 2007 1 MS EXCEL Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z informatiky pro gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu

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

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

Microsoft Access. Úterý 26. února. Úterý 5. března. Typy objektů databáze: Vytvoření a návrh nové tabulky

Microsoft Access. Úterý 26. února. Úterý 5. března. Typy objektů databáze: Vytvoření a návrh nové tabulky Úterý 26. února Microsoft Access Databáze je seskupení většího množství údajů, které mají určitou logiku a lze je určitým způsobem vyhodnocovat, zpracovávat a analyzovat Access je jedním z programů určených

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.2 Inovace a zkvalitnění výuky prostřednictvím ICT Téma III.2.3 Technická měření v MS Excel Pracovní list 6 Graf teplot Ing. Jiří Chobot VY_32_INOVACE_323_6 Anotace

Více

Neuronové časové řady (ANN-TS)

Neuronové časové řady (ANN-TS) Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci

Více

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Registrační číslo projektu Šablona Autor Název materiálu / Druh CZ.1.07/1.5.00/34.0951 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT

Více

Úvod do MS Access. Modelování v řízení. Ing. Petr Kalčev

Úvod do MS Access. Modelování v řízení. Ing. Petr Kalčev Úvod do MS Access Modelování v řízení Ing. Petr Kalčev Postup při tvorbě aplikace Vytvoření tabulek Vytvoření relací Vytvoření dotazů Vytvoření formulářů Vytvoření sestav Tabulky Slouží k definování polí,

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

Výukový materiál pro projekt Perspektiva 2010 reg. č. CZ.1.07/1.3.05/11.0019. EXCEL 2007 - příklad. Ing. Jaromír Bravanský, 2010, 6 stran

Výukový materiál pro projekt Perspektiva 2010 reg. č. CZ.1.07/1.3.05/11.0019. EXCEL 2007 - příklad. Ing. Jaromír Bravanský, 2010, 6 stran Výukový materiál pro projekt Perspektiva 2010 reg. č. CZ.1.07/1.3.05/11.0019 EXCEL 2007 - příklad Ing. Jaromír Bravanský, 2010, 6 stran Vytvořte formulář podle předlohy: Vytvořte si soubor EXCEL s názvem

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

FUNKCE 3. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika

FUNKCE 3. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika FUNKCE 3 Autor: Mgr. Dana Kaprálová Datum (období) tvorby: září, říjen 2013 Ročník: sedmý Vzdělávací oblast: Informatika a výpočetní technika 1 Anotace: Žáci se seznámí se základní obsluhou tabulkového

Více

Ovládání Open Office.org Calc Ukládání dokumentu : Levým tlačítkem myši kliknete v menu na Soubor a pak na Uložit jako.

Ovládání Open Office.org Calc Ukládání dokumentu : Levým tlačítkem myši kliknete v menu na Soubor a pak na Uložit jako. Ukládání dokumentu : Levým tlačítkem myši kliknete v menu na Soubor a pak na Uložit jako. Otevře se tabulka, v které si najdete místo adresář, pomocí malé šedočerné šipky (jako na obrázku), do kterého

Více

8 Makra Příklad 4 Excel 2007

8 Makra Příklad 4 Excel 2007 TÉMA: Úprava maker rozhodování, příkaz If..Then..Else Sekretářka společnosti Naše zahrada potřebuje upravit makra vytvořená pomocí záznamu tak, aby vyhovovala jejím požadavkům. Pro úpravy využije Editor

Více

STATISTICA Téma 1. Práce s datovým souborem

STATISTICA Téma 1. Práce s datovým souborem STATISTICA Téma 1. Práce s datovým souborem 1) Otevření datového souboru Program Statistika.cz otevíráme z ikony Start, nabídka Programy, podnabídka Statistika Cz 6. Ze dvou nabídnutých možností vybereme

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

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Registrační číslo projektu Šablona Autor Název materiálu / Druh CZ.1.07/1.5.00/34.0951 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT

Více

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek

Více