Simulace odbavení cestujících na fiktivním letišti

Rozměr: px
Začít zobrazení ze stránky:

Download "Simulace odbavení cestujících na fiktivním letišti"

Transkript

1 ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Katedra letecké dopravy Semestrální práce: Předmět: Vybrané statistické metody Vyučující: Mgr. Šárka Voráčová, Ph.D. Simulace odbavení cestujících na fiktivním letišti Jiří Mošnička Skupina: 1-87, 2011

2 1. Úvod do tématu Pro svou semestrální práci jsem si zvolil simulaci letištního odbavovacího procesu, kterým musí projít každý cestující před nástupem do letadla. V nedávné době jsem při letu přes nejmenované letiště zažil nepříjemnou situaci, která nastala po zavedení systému selfcheck-in. Po zprovoznění třech těchto počítačových terminálů došlo k situaci, kdy se většina lidí potřebujících odbavení hromadila ve frontě kolem nich a na check-in přepážkách, kterých bylo pro dané odbavení otevřeno 10, byli vytíženi tři až čtyři check-in agenti. Pokud někdo přišel k volné přepážce a chtěl se odbavit, byl odmítnut a poslán zpět s tím, že nejdříve musí provést selfcheck-in a až poté se může vrátit zpět na přepážku a odbavit si zavazadla. Vzhledem k tomu, že většina cestujících si nevěděla s elektronickým odbavením rady, stál u terminálů zaměstnanec, který jednotlivým cestujícím pomáhal, čímž se značně prodloužila doba, kterou ve frontě na terminál cestující strávil. Je jasné, že do budoucna se jedná o krok správným směrem a může některým cestujícím značně urychlit odbavení, zvláště těm co cestují pouze s příručním zavazadlem a nepotřebují tak vůbec k přepážce pro odbavení kufrů. Toho se ovšem docílí až tehdy, kdy si cestující zvyknou na elektronické odbavení a budou ho umět rychle bez pomoci ovládat. Co Pro firmu zajišťující odbavení cestujících je ovšem neméně důležitý fakt, že tyto terminály mohou značně snížit náklady na tento proces potřebné a to v momentě, kdy dojde k optimalizaci počtu terminálů a počtu otevřených přepážek a tím k optimalizaci počtu placených zaměstnanců. Cílem mojí práce je určit potřebný počet terminálů a otevřených přepážek na fiktivním letišti tak, aby během určeného času došlo k odbavení všech cestujících (daného počtu), kteří potřebují odletět. Pokud by docházelo k odbavení všech cestujících za dobu kratší než požadovanou, je systém zbytečně předimenzovaný a náklady na jeho provoz tudíž vyšší. Ideálního stavu je možno docílit vícero kombinacemi počtu terminálů a přepážek. Cílem ovšem je určit nejnižší počet potřebných otevřených přepážek a k tomu potřebný počet terminálů tak, aby se využil potenciál snížení nákladů a zároveň se zachoval počet odbavených cestujících.

3 2. Popis navrženého systému po jednotlivých sekcích Simulační model začíná vstupem do odbavovací haly letiště (viz obrázek 1), kde je pro simulaci zvoleno 400 cestujících, které by fiktivní letiště potřebovalo odbavit ideálně během 240 minut. Jako první zamíří cestující na terminály self check-in. V původním návrhu se skládá ze třech samoobslužných počítačů. Doba cestujícího u terminálu je dána exponenciálním rozdělením s parametrem l= 2-3 (pro potřeby simulace bráno jako 2 až 3 minuty). Podle Kendallovi klasifikace je zařazení systému M/M/3/400. Od self check-inu přechází cestující přes frontu k check-in přepážkám, kde zaměstnanec odbavovací společnosti zkontroluje dokumenty a odbaví cestujícím kufry. V některých případech je cestující poslán zpět na self check-in, například pokud udělal chybu u odbavovacího terminálu. Pokud cestující nemá zavazadla k odbavení, může pokračovat přímo do fronty na kontrolu dokumentů. Odtud může být navrácen zpět na check-in přepážky, například z důvodů nadměrné velikosti příručních zavazadel která jsou potřeba odbavit do zavazadlového prostoru letadla. Doba strávená u check-in přepážky je dána exponenciálním rozdělením s parametrem l= 2-4 minuty a kendallova klasifikace je M/M/10/400. Obrázek 1

4 Obrázek 2 Následně prochází cestující přepážkami na kontrolu dokumentů, kde se zároveň od sebe oddělují cestující letící do Schengenského prostoru od cestujících letících do Non- Schengenských destinací. Odtud pokračují k daným gejtům, kde prochází bezpečnostní kontrolou. Pokud je při průchodu rámem detekována přítomnost kovového předmětu je cestující vrácen zpět pro opětovnou kontrolu a to někdy i vícekrát. Jako poslední je kontrola palubních vstupenek a celá simulace je zakončena nástupem do letadel. Doba odbavení v jednotlivých částech gejtů je v simulaci brána jako kratší než jednu minutu a proto jsou přechody v těchto částech nastaveny jako Immediate. Popis jednotlivých bloků dle Kendallova rozdělení je: Kontrola dokumentů Schengenský prostor M/M/4/400

5 Kontrola dokumentů Non-Schengen M/M/2/400 Gate A M/D/3/400 Gate B M/D/2/400 Frontový režim celé simulace se dá považovat za SJF (shortest job first), protože nezáleží na pořadí, v jakém do procesu cestující vstoupí, ale na době kterou mu celé odbavení bude trvat. Cestující, kteří přišli později mohou předběhnout ty, kteří se zpozdili například navrácením na terminál self check-in z důvodů nesprávného odbavení, nebo ty kteří ztratili čas opakovanou kontrolou na rámových detektorech kovů. Naopak ti bez zavazadel k odbavení mohou některé cestující předběhnout. Samozřejmě záleží také na čase stráveném u jednotlivých přepážek. Vzhledem k tomu, že všichni cestující se potřebují dostat do letadel, jedná se o systém beze ztrát. Celkový model je samozřejmě pro účely simulace značně zjednodušen oproti reálnému provozu na letištích a z hlediska optimalizace se soustředí pouze na první dva bloky check-in odbavení. 3. Popis řešení problému Provedl jsem tři optimalizace původního modelu, které spočívaly ve změně počtu otevřených self check-in terminálů a check-in přepážek a to takto: Původní návrh: 3 x self check-in a 10 x check-in přepážka Optimalizace 1: 4 x self check-in a 4 x check-in přepážka (Obrázek 3) Optimalizace 2: 4 x self check-in a 7 x check-in přepážka (Obrázek 4) Optimalizace 3: 5 x self check-in a 5 x check-in přepážka (Obrázek 5) (viz obrázky na další straně) U každé varianty jsem provedl 30 simulací. Dosažené výsledky jsou obsažené v tabulce 3.1 tabulka získaných hodnot na straně 7.

6 Obrázek 3 Obrázek 4 Obrázek 5

7 3.1. Tabulka hodnot získaných simulacemi: Číslo simulace Původní návrh Optimalizace 1. Optimalizace 2. Optimalizace 3. Čas potřebný k odbavení (min) Čas potřebný k odbavení (min) Čas potřebný k odbavení (min) Čas potřebný k odbavení (min)

8 3.2. Graf dosažených časů doby odbavení: Doba odbavení (min) Původní návrh Optimalizace 1 Optimalizace 2 Optimalizace Počet cyklů

9 4. Statistické výpočty Původní návrh Charakteristika polohy dat Aritmetický průměr doby odbavení 323, Modus 326 Medián 325 Charakteristika variability Rozptyl 58, Směrodatná odchylka 7, Variační koeficient 0, Variační rozptyl 29 0,35 Histogram relativní četnosti - Původní stav 0,3 y = -0,0405x 2 + 0,2195x -0,0133 0,25 0,2 0,15 Relativní četnost 0,1 0,

10 Optimalizace 1 Charakteristika polohy dat Aritmetický průměr doby odbavení 268,2 Modus 265 Medián 268 Charakteristika variability Rozptyl 24, Směrodatná odchylka 4, Variační koeficient 0, Variační rozptyl 25 T-Test (porovnání vůči původní variantě) 4,0204E-26 0,5 Histogram relativní četnosti - Otimalizace 1 0,45 0,4 0,35 0,3 0,25 0,2 y = -0,0833x 2 + 0,49x -0,3533 Relativní četnost 0,15 0,1 0,

11 Optimalizace 2 Charakteristika polohy dat Aritmetický průměr doby odbavení 232,2 Modus 230 Medián 231 Charakteristika variability Rozptyl 22, Směrodatná odchylka 4, Variační koeficient 0, Variační rozptyl 20 T-Test (porovnání vůči původní variantě) 1,31198E-29 0,4 Histogram relativní četnosti - Otlimalizace 2 0,35 0,3 y = -0,0238x 2 + 0,0962x + 0,1733 0,25 0,2 0,15 Relativní četnost 0,1 0,

12 Optimalizace 3 Charakteristika polohy dat Aritmetický průměr doby odbavení 233, Modus 229 Medián 232,5 Charakteristika variability Rozptyl 22, Směrodatná odchylka 4, Variační koeficient 0, Variační rozptyl 19 T-Test (porovnání vůči původní variantě) 9,5125E-33 0,35 Histogram relativní četnosti - Optimalizace 3 0,3 y = -0,0405x 2 + 0,2729x -0,1733 0,25 0,2 0,15 Relativní četnost 0,1 0,

13 5. Závěr Pomocí jednostranného rozložení párovaného T-testu, který nám vrací pravděpodobnost odpovídající Studentovu rozdělení, jsem zjistili že u třetí varianty je dosaženo nejlepší optimalizace (čím menší hodnota tím lepší). Závěrem je možné říci, že požadované doby odbavení jsem dosáhl ve dvou konfiguracích: 4 self check-iny a 7 check-in přepážek v optimalizaci 2 5 self check-in terminálů a 5 check-in přepážek v optimalizaci 3. Pro provozovatele odbavovacích služeb je samozřejmě výhodnější druhá varianta, protože jednorázové pořizovací náklady na počítačové terminály jsou výhledově do budoucna levnější než náklady na zaměstnance na přepážce.

14 Příloha: Celkový pohled na simulační model

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Simulace příletů cestujících na schengenský terminál letiště Praha - Ruzyně a jejich přestupů na navazující lety SEMESTRÁLNÍ PRÁCE Vybrané statistické

Více

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily Testování hypotéz Testování hypotéz jsou klasické statistické úsudky založené na nějakém apriorním předpokladu. Vyslovíme-li předpoklad o hodnotě neznámého parametru nebo o zákonu rozdělení sledované náhodné

Více

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2 Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality

Více

KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA. Charakteristiky variability. Mgr. Jakub Němec. VY_32_INOVACE_M4r0120

KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA. Charakteristiky variability. Mgr. Jakub Němec. VY_32_INOVACE_M4r0120 KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Charakteristiky variability Mgr. Jakub Němec VY_32_INOVACE_M4r0120 CHARAKTERISTIKY VARIABILITY Charakteristika variability se určuje pouze u kvantitativních znaků.

Více

SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ

SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ FIGALA V. a), KAFKA V. b) a) VŠB-TU Ostrava, FMMI, katedra slévárenství, 17. listopadu 15, 708 33 b) RACIO&RACIO, Vnitřní

Více

Statistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability

Statistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry

Více

Statistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika

Statistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika Statistika Cvičení z matematické statistiky na PřF Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy léto 2012 Základní dělení popisná (deskriptivní)

Více

Vybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací

Vybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE, Fakulta dopravní Ústav aplikované matematiky K611 Vybrané statistické metody Simulace pokladen supermarketu Albert na Spojovací 1 85 Jakub Ondřich 2010/2011 85101910/0040

Více

Statistika. Počet přestupků. 1 2 3 4 5 6 7 8 9 10 11 12 počet odebraných bodů za jeden přestupek. Statistický soubor 1

Statistika. Počet přestupků. 1 2 3 4 5 6 7 8 9 10 11 12 počet odebraných bodů za jeden přestupek. Statistický soubor 1 Statistika Statistický soubor 1 Při měření výšky u žáků jedné třídy byly zjištěny tyto údaje (v cm): 1,176,17,176,17,17,176,17,17,17. a) Objasněte základní pojmy (stat. soubor, rozsah souboru, stat. jednotka,

Více

Základy pravděpodobnosti a statistiky. Popisná statistika

Základy pravděpodobnosti a statistiky. Popisná statistika Základy pravděpodobnosti a statistiky Popisná statistika Josef Tvrdík Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace v úterý 14.10 až 15.40 hod. Příklad ze života Cimrman, Smoljak/Svěrák,

Více

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika? Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/

Více

VŠB Technická univerzita Ostrava

VŠB Technická univerzita Ostrava VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Domácí úkoly Zadání 21 DATUM ODEVZDÁNÍ

Více

Odbavení zavazadel na letišti. Semestrální práce Vybrané statistické metody

Odbavení zavazadel na letišti. Semestrální práce Vybrané statistické metody České vysoké učení technické v Praze Fakulta Dopravní Ústav letecké dopravy Odbavení zavazadel na letišti Semestrální práce Vybrané statistické metody Bc. Marek Slavíček Praha 2011 1. Úvod Leteckou dopravu

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ. Semestrální práce. Z předmětu Teorie hromadné obsluhy (THRO) Jan Čáslava.

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ. Semestrální práce. Z předmětu Teorie hromadné obsluhy (THRO) Jan Čáslava. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Semestrální práce Z předmětu Teorie hromadné obsluhy (THRO) Jan Čáslava Skupina 1 57 Simulace fiktivní čerpací stanice 2011 1 Obsah 1. Popis situace...

Více

22. Pravděpodobnost a statistika

22. Pravděpodobnost a statistika 22. Pravděpodobnost a statistika Pravděpodobnost náhodných jevů. Klasická pravděpodobnost. Statistický soubor, statistické jednotky, statistické znaky. Četnosti, jejich rozdělení a grafické znázornění.

Více

Mnohorozměrná statistická data

Mnohorozměrná statistická data Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém

Více

NĚKTERÉ ZÁVĚRY Z ÚVODNÍ NÁKLADOVÉ ANALÝZY VÝROBY TEKUTÉHO KOVU V ŠESTI SLÉVÁRNÁCH. Václav Figala a Sylvie Žitníková b Václav Kafka c

NĚKTERÉ ZÁVĚRY Z ÚVODNÍ NÁKLADOVÉ ANALÝZY VÝROBY TEKUTÉHO KOVU V ŠESTI SLÉVÁRNÁCH. Václav Figala a Sylvie Žitníková b Václav Kafka c NĚKTERÉ ZÁVĚRY Z ÚVODNÍ NÁKLADOVÉ ANALÝZY VÝROBY TEKUTÉHO KOVU V ŠESTI SLÉVÁRNÁCH Václav Figala a Sylvie Žitníková b Václav Kafka c a) VŠB-TU Ostrava, FMMI, Katedra slévárenství, 17. listopadu 15, 708

Více

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

ANALÝZA DAT V R 2. POPISNÉ STATISTIKY. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.

ANALÝZA DAT V R 2. POPISNÉ STATISTIKY. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK. ANALÝZA DAT V R 2. POPISNÉ STATISTIKY Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz CO SE SKRÝVÁ V DATECH data sbíráme proto, abychom porozuměli

Více

Kendallova klasifikace

Kendallova klasifikace Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Příloha P.1 Mapa větrných oblastí

Příloha P.1 Mapa větrných oblastí Příloha P.1 Mapa větrných oblastí P.1.1 Úvod Podle metodiky Eurokódů se velikost zatížení větrem odvozuje z výchozí hodnoty základní rychlosti větru, definované jako střední rychlost větru v intervalu

Více

VŠB Technická univerzita Ostrava BIOSTATISTIKA

VŠB Technická univerzita Ostrava BIOSTATISTIKA VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Zadání 11 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1: DOMÁCÍ ÚKOL

Více

Teorie hromadné obsluhy (Queuing Theory)

Teorie hromadné obsluhy (Queuing Theory) Teorie hromadné obsluhy (Queuing Theory) Mgr. Šárka Voráčová, Ph.D. Katedra aplikované matematiky voracova @ fd.cvut.cz http://www.fd.cvut.cz/department/k611/pedagog/k611tho.html Literatura Š. Voráčová,

Více

Katedra geotechniky a podzemního stavitelství

Katedra geotechniky a podzemního stavitelství Katedra geotechniky a podzemního stavitelství Modelování v geotechnice Stochastické modelování (prezentace pro výuku předmětu Modelování v geotechnice) doc. RNDr. Eva Hrubešová, Ph.D. Inovace studijního

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Matematický model kontrolního stanoviště montážní linky RNDr. Jiří Michálek, CSc CQR při ÚTIA AVČR Motivace Tvorba modelu je motivována výrobou zdravotnické

Více

Pořízení licencí statistického SW

Pořízení licencí statistického SW Pořízení licencí statistického SW Zadavatel: Česká školní inspekce, Fráni Šrámka 37, 150 21 Praha 5 IČO: 00638994 Jednající: Mgr. Tomáš Zatloukal Předpokládaná (a maximální cena): 1.200.000 vč. DPH Typ

Více

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

MATEMATICKÁ STATISTIKA.   Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým

Více

SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE

SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Series B The Jan Perner Transport Faculty 18 (2012) SIMULAČNÍ MODUL PROCESU ODBAVENÍ A BEZPEČNOSTNÍ KONTROLY CESTUJÍCÍCH V TERMINÁLU LETIŠTĚ Jaromír ŠIROKÝ,

Více

Teorie hromadné obsluhy (Queuing Theory)

Teorie hromadné obsluhy (Queuing Theory) Teorie hromadné obsluhy (Queuing Theory) Mgr. Šárka Voráčov ová, Ph.D. Katedra aplikované matematiky voracova @ fd.cvut..cvut.czcz http://www.fd fd.cvut.cz/department/k611/pedagog/k611tho. /department/k611/pedagog/k611tho.html

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika Diskrétní rozdělení Vilém Vychodil KMI/PRAS, Přednáška 6 Vytvořeno v rámci projektu 2963/2011 FRVŠ V. Vychodil (KMI/PRAS, Přednáška 6) Diskrétní rozdělení Pravděpodobnost a

Více

Zápočtová práce STATISTIKA I

Zápočtová práce STATISTIKA I Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru

Více

Mnohorozměrná statistická data

Mnohorozměrná statistická data Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná

Více

Mendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č.

Mendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č. Mendelova zemědělsá a lesnicá univerzita Provozně eonomicá faulta Výpočet charateristi ze tříděných údajů Statistia I. protool č. 2 Jan Grmela, 2. roční, Eonomicá informatia Zadání 130810, supina Středa

Více

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream

Více

PROJEKT DO STATISTIKY PRŮZKUM V TECHNICKÉ MENZE

PROJEKT DO STATISTIKY PRŮZKUM V TECHNICKÉ MENZE PROJEKT DO STATISTIKY PRŮZKUM V TECHNICKÉ MENZE Náplní tohoto projektu byl prvotní průzkum, následné statistické zpracování dat a vyhodnocení. Data jsme získaly skrze internetový dotazník, který jsme rozeslaly

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí

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

Hodnocení efektivity sociálních služeb pro duševně nemocné

Hodnocení efektivity sociálních služeb pro duševně nemocné Hodnocení efektivity sociálních služeb pro duševně nemocné Konference AKTUÁLNÍ OTÁZKY SOCIÁLNÍ POLITIKY 2011 TEORIE A PRAXE Pardubice 5. 5. 2011 Petr Hejzlar¹², Martin Halíř¹, Hana Herelová¹ ¹občanské

Více

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení?

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? Otázky k měření centrální tendence 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? 2. Určete průměr, medián a modus u prvních čtyř rozložení (sad dat): a.

Více

Minimální hodnota. Tabulka 11

Minimální hodnota. Tabulka 11 PŘÍLOHA č.1 Výsledné hodnoty Výsledky - ženy (SOŠ i SOU, maturitní i učební obory) Aritmetický průměr Maximální hodnota Minimální hodnota Medián Modus Rozptyl Směrodatná odchylka SOM 0,49 2,00 0,00 0,33

Více

Funkce a vzorce v Excelu

Funkce a vzorce v Excelu Funkce a vzorce v Excelu Lektor: Ing. Martin Kořínek, Ph.D. Formátování tabulky V této kapitole si vysvětlíme, jak tabulku graficky zdokonalit, jak změnit nastavení šířky a případně výšky sloupců, jak

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

PRŮMYSLOVÉ INŽENÝRSTVÍ 2015 studentská vědecká konference

PRŮMYSLOVÉ INŽENÝRSTVÍ 2015 studentská vědecká konference studentská vědecká konference Ostrava 8.-10. října 2015 Vážené dámy, vážení pánové, Tímto bychom Vás rádi pozvali na konferenci Průmyslové inženýrství 2015 konající se ve dnech v Ostravě. Pořádaná konference

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství 1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí

Více

(Nelegislativní akty) NAŘÍZENÍ

(Nelegislativní akty) NAŘÍZENÍ 1.3.2012 Úřední věstník Evropské unie L 59/1 II (Nelegislativní akty) NAŘÍZENÍ PROVÁDĚCÍ NAŘÍZENÍ KOMISE (EU) č. 173/2012 ze dne 29. února 2012, kterým se mění nařízení (EU) č. 185/2010, pokud jde o vyjasnění

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

Teorie hromadné obsluhy

Teorie hromadné obsluhy ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopravní Semestrální práce z předmětu Teorie hromadné obsluhy Porovnání způsobů obsluhy v restauraci McDonald s SAVARIN v Praze Jméno: Bc. Jana Jirků Akademický

Více

Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích

Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích Nedostatešný popis systému a jeho modelu vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělit fyzickou nebo

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

Časovézměny velikostního rozložení částic a jejich depozice vdýchacím traktu. Josef Keder keder@chmi.cz

Časovézměny velikostního rozložení částic a jejich depozice vdýchacím traktu. Josef Keder keder@chmi.cz Časovézměny velikostního rozložení částic a jejich depozice vdýchacím traktu Josef Keder keder@chmi.cz Data Stanice AIM Ostrava-Fifejdy analyzátor GRIMM, PM10, meteorologie Grimm a meteo 31.5.13 28.2.14

Více

1.3. Cíle vzdělávání v oblasti citů, postojů, hodnot a preferencí

1.3. Cíle vzdělávání v oblasti citů, postojů, hodnot a preferencí 1. Pojetí vyučovacího předmětu 1.1. Obecný cíl vyučovacího předmětu Základním cílem předmětu Matematický seminář je navázat na získané znalosti a dovednosti v matematickém vzdělávání a co nejefektivněji

Více

VYMEZENÍ A POROVNÁNÍ PARAMETRŮ NÁVRHOVÉHO POMALÉHO VOZIDLA DLE NORMY ČSN 736101

VYMEZENÍ A POROVNÁNÍ PARAMETRŮ NÁVRHOVÉHO POMALÉHO VOZIDLA DLE NORMY ČSN 736101 VŠB-Technická univerzita Ostrava Fakulta stavební Studentská vědecká odborná činnost školní rok 2005-2006 VYMEZENÍ A POROVNÁNÍ PARAMETRŮ NÁVRHOVÉHO POMALÉHO VOZIDLA DLE NORMY ČSN 736101 Předkládá student

Více

TEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT

TEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT EXPLORAČNÍ ANALÝZA DAT TEST Z TEORIE 1. Test ze Statistiky píše velké množství studentů. Představte si, že každý z nich odpoví správně přesně na polovinu otázek. V tomto případě bude směrodatná odchylka

Více

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a

Více

Pracovní list č. 3 Charakteristiky variability

Pracovní list č. 3 Charakteristiky variability 1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte

Více

1.1 Zátěžové testování

1.1 Zátěžové testování 1.1 Zátěžové testování Předpokladem pro toto stádium testování je ukončení funkčních testů a zamražení systému pro zátěžové testování. Toto stádium testování má podpořit systémové testování a poukázat

Více

Přednáška 5. Výběrová šetření, Exploratorní analýza

Přednáška 5. Výběrová šetření, Exploratorní analýza Přednáška 5 Výběrová šetření, Exploratorní analýza Pravděpodobnost vs. statistika Výběrová šetření aneb jak získat výběrový soubor Exploratorní statistika aneb jak popsat výběrový soubor Typy proměnných

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

Ochrana ovzduší ve státní správě. Sezimovo Ústí, 14. - 16. listopadu 2006

Ochrana ovzduší ve státní správě. Sezimovo Ústí, 14. - 16. listopadu 2006 Ochrana ovzduší ve státní správě Sezimovo Ústí, 14. - 16. listopadu 2006 Emise škodlivých látek kog. jednotek při spalování alternativních paliv Ing. Jiří Štochl TEDOM-VKS s.r.o. KVET = kombinovaná výroba

Více

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1 Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT. Všichni žijeme v matrixu.

PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT. Všichni žijeme v matrixu. PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT Všichni žijeme v matrixu. V minulých dílech jsme viděli/y: Frekvence = četnosti Procenta =

Více

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami. 3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její

Více

Diskrétní rozdělení Náhodná veličina má diskrétní rozdělení pravděpodobnosti, jestliže existuje seznam hodnot

Diskrétní rozdělení Náhodná veličina má diskrétní rozdělení pravděpodobnosti, jestliže existuje seznam hodnot Rozdělení Náhodná veličina Náhodná veličina je vyjádření výsledku náhodného pokusu číselnou hodnotou. Jde o reálnou funkci definovanou na množině. Rozdělení náhodné veličiny udává jakých hodnot a s jakou

Více

Návrh a vyhodnocení experimentu

Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav

Více

Třídění statistických dat

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

Více

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost

Více

Příloha č. 1 Odpovědi na anketní otázku

Příloha č. 1 Odpovědi na anketní otázku Příloha č. 1 Odpovědi na anketní otázku Plné porozumění Střední lesnická škola v Hranicích vyrábění telefonů = továrny, znečišťování ovzduší. Příliš mnoho odpadu nový toho moc neovlivní, zásadní je likvidace

Více

Matematická statistika

Matematická statistika Matematická statistika Daniel Husek Gymnázium Rožnov pod Radhoštěm, 8. A8 Dne 12. 12. 2010 v Rožnově pod Radhoštěm Osnova Strana 1) Úvod 3 2) Historie matematické statistiky 4 3) Základní pojmy matematické

Více

Kapitola III. Emise rtuti stacionárních zdrojů

Kapitola III. Emise rtuti stacionárních zdrojů Kapitola III řešitel Ing. Jan Velíšek Obsah 1. ÚVOD... 4 2. MĚŘENÍ KONCENTRACÍ RTUTI V EMISÍCH STACIONÁRNÍCH ZDROJŮ... 4 3. INFORMACE O ZDROJÍCH... 5 3.1 ENERGETIKA... 5 3.2 SPALOVNY... 6 3.3 TECHNOLOGIE...

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY DIPLOMOVÁ PRÁCE. 2006 Kateřina Slámová

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY DIPLOMOVÁ PRÁCE. 2006 Kateřina Slámová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY DIPLOMOVÁ PRÁCE 2006 Kateřina Slámová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Hlavní specializace: Matematické

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

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

Metodologie pro ISK II

Metodologie pro ISK II Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech

Více

Počítačové modelování a statistická analýza rozdělení příjmů

Počítačové modelování a statistická analýza rozdělení příjmů Počítačové modelování a statistická analýza rozdělení příjmů Autor: Vedoucí práce: RNDr. Jiří Škvor, Ph.D. Přírodovědecká fakulta Univerzita Jana Evangelisty Purkyně v Ústí nad Labem 27. května 213 Reálná

Více

Nejčastější chyby v explorační analýze

Nejčastější chyby v explorační analýze Nejčastější chyby v explorační analýze Obecně doporučuju přečíst přednášku 5: Výběrová šetření, Exploratorní analýza http://homel.vsb.cz/~lit40/sta1/materialy/io.pptx Použití nesprávných charakteristik

Více

METODY DESKRIPTIVNÍ STATISTIKY

METODY DESKRIPTIVNÍ STATISTIKY zhanel@fsps.muni.cz MĚŘENÍ A ŠKÁLY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické parametrické statistické

Více

Přidělování CPU Mgr. Josef Horálek

Přidělování CPU Mgr. Josef Horálek Přidělování CPU Mgr. Josef Horálek Přidělování CPU = Přidělování CPU je základ multiprogramového OS = pomocí přidělování CPU různým procesům OS zvyšuje výkon výpočetního systému; = Základní myšlenka multiprogramování

Více

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

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

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Př. : Stanovte jednotlivé četnosti a číselné charakteristiky zadaného statistického souboru a nakreslete krabicový graf:, 8, 7, 43, 9, 47, 4, 34, 34, 4, 35. Statistický soubor seřadíme vzestupně podle

Více

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý

Více

Statistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!

Statistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací! Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00

Více

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

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

Více

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

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

Více

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Spolehlivost a bezpečnost staveb, 4. ročník bakalářského studia (všechny obory) Cvičení 3 Posudek únosnosti ohýbaného prutu Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Katedra stavební

Více

Regresní a korelační analýza

Regresní a korelační analýza Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Regresní analýza Cíl regresní analýzy: stanovení formy (trendu, tvaru, průběhu)

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 8 Statistický soubor s jedním argumentem Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola

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

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy: Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie

Více

TEMATICKÝ PLÁN VÝUKY

TEMATICKÝ PLÁN VÝUKY TEMATICKÝ PLÁN VÝUKY Studijní obor: 23-41 - M/1 Strojírenství Zaměření: Předmět: Matematika Ročník: 4. Počet hodin týdně: 4 Počet hodin celkem: Tento plán vychází z rámcového vzdělávacího programu pro

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový

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

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar

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