Vzájemné vzdálenosti planetek

Rozměr: px
Začít zobrazení ze stránky:

Download "Vzájemné vzdálenosti planetek"

Transkript

1 Vzájemné vzdálenosti planetek OTA KÉHAR, MICHAELA NETRVALOVÁ Fakulta pedagogická, Západočeská univerzita v Plzni Správné představy o nepředstavitelných vzdálenostech objektů ve sluneční soustavě je nejenom pro žáky a studenty komplikovaná záležitost. Ukazují to nepovzbudivé výsledky dotazníkové šetření provedeného mezi 47 žáky gymnázia v Ostrově. Příspěvek by měl napomoci vylepšit naši představu o vzájemných vzdálenostech vybrané skupiny planetek ve sluneční soustavě. V příspěvku jsou popsány různé způsoby (kvalifikovaný odhad, statistické analýzy dat), jak dojít k hodnotám vzdáleností mezi analyzovanými objekty. Vzdálenosti ve sluneční soustavě Zpracování tohoto tématu předcházely dvě situace. Jedna spočívala v položení dotazu posluchače při semináři, který se věnoval využití dat z astronomických katalogů. Dotaz při ukázce obrázku znázorňující aktuální polohy planetek skupiny Jupiterových Trojanů ve sluneční soustavě [1] zněl: Jaká je vzájemná vzdálenost planetek v této skupině? Tehdy jsem musel jako přednášející přiznat, že správnou odpověď neznám. Druhá se týkala výsledků dotazníkového šetření věnovaného představám žáků o vzdálenostech těles ve sluneční soustavě. Jak zmiňuje Netrvalová [3], žáci mají tendenci odhadovat vzdálenosti planet rovnoměrně, aniž by si uvědomovali, že mohou být planety ve sluneční soustavě rozloženy jinak. Zarážející jsou i odpovědi, kdy byl Uran či Neptun umístěn do vzdálenosti menší než zadaná hodnota vzdálenosti Saturnu. Vždyť seřazení planet sluneční soustavy podle jejich vzdálenosti od Slunce je učivo nižšího stupně základní školy. Při vytváření skriptu pro tvorbu obrázků znázorňující aktuální polohy planetek ve sluneční soustavě bylo nutné zvolit velikost bodu, který by představoval jednu planetku. Obr. 1: Aktuální polohy planetek skupiny Jupiterových Trojanů ve sluneční soustavě pro , průmět do roviny ekliptiky; jeden bod znázorňující jednu planetku je o velikosti 2 2 pixely (vlevo) a 1 1 pixel (vpravo) 121

2 Vzhledem k tomu, že obrázek reprezentuje standardně situaci v ploše, přičemž v základním nastavení zobrazuje polohy planetek v rovině ekliptiky, nabízelo se, aby bod byl odlišen barvou podle toho, zda se planetka nachází nad ekliptikou (modrá tečka) či pod ekliptikou (červená tečka). Velikost bodu byla stanovena na 2 2 obrazové pixely. Polohu planetek skupiny Jupiterových Trojanů je pro datum znázorněn na obr. 1 vlevo. Nutno dodat, že vzdálenosti objektů jsou v měřítku; velikosti planet, Slunce a planetek nikoli. Jeden obrazový pixel představuje vzdálenost odpovídající deseti vzdálenostem Země Měsíc. Pokud by se pro jednu planetku zvolil bod o velikosti 1 1 obrazový pixel, výsledný obrázek by pro stejnou skupinu planetek a stejný den vypadal tak, jak je znázorněno na obr. 1 vpravo. Naši představivost o vzájemných vzdálenostech planetek ovlivní obrázek aktuálních poloh planetek, pokud se na vybranou skupinu planetek podíváme zboku (obr. 2). Obr. 2: Pohled na aktuální polohy planetek skupiny Jupiterových Trojanů zboku Obr. 3: Grafické zpracování výsledků dotazníkového šetření (zúčastnilo se ho v roce 2018 celkem 47 žáků dvou kvint gymnázia v Ostrově) týkající se představ vzdálenosti planet ve sluneční soustavě; velikost kolečka představuje četnost odpovědí; modrou šipkou je znázorněna správná vzdálenost planety od Slunce 122

3 Němečtí astronomové Titius a Bode vytvořili v druhé polovině 18. století model sluneční soustavy z tehdy známých planet tak, že rozdělili vzdálenost mezi Sluncem a Saturnem na 100 stejných dílků. Ve škole můžeme podobný model vyrobit pomoci nitě, na které bude navlečeno 100 korálků, vždy po 9 korálcích stejné barvy bude jeden korálek jiné barvy pro oddělení desítek. Vzdálenosti ostatních planet v tomto měřítku jsou Jupiter (52), Mars (16), Země (10), Venuše (7), Merkur (4), přičemž se může jednat o úkol pro žáky, kteří budou tyto vzdálenosti tipovat, odhadovat. Ve 21. století lze doplnit i vzdálenosti pro planety Uran (201) a Neptun (316), tyto planety byly postupně objeveny v roce 1781 a Polohy planetek ve sluneční soustavě Obrázek, který znázorňuje aktuální polohy vybraných skupin planetek ve sluneční soustavě, je k dispozici na stránkách Astronomia již od roku Nachází se na stránce astronomia.zcu.cz Planety Planetky Analýza parametrů planetek: část Export dat / Speciální. V roce 2018 byla tato část výrazně rozšířena. Přibyla možnost zvolit konkrétní datum, pro který se mají aktuální polohy planetek ve sluneční soustavě vypočítat; je ovšem nutné dát pozor na skutečnost, že aplikace při výpočtech nebere v potaz průběžné ovlivňování dráhových elementů jednotlivých planetek, takže polohy planetek se mohou pro vzdálenější časové okamžiky lišit. Mezi další změny patří možnost uložit aktuální polohy vybraných planetek do textového souboru pro jejich následné zpracování v tabulkovém procesoru (obr. 5). Obr. 4: Část Speciální pro Export dat u Analýzy parametrů planetek, vybrané jsou planetky patřící do skupiny Jupiterových Trojanů, aplikace se pokouší odhadnout velikost výsledného textového souboru (zde zhruba 0,2 MiB) astronomia.zcu.cz/planety/planetky/2381-analyza-parametru-planetek Aby bylo možné uložit či dále zpracovávat pouze část vybraných planetek, umožňuje aplikace omezit zobrazenou oblast. Děje se tak nastavením souřadnic od do u jednotlivých os ve třetím (spodním) řádku začínajícím slovy omezit oblast. Jaká část je nebo není uvažována, lze zobrazit přepnutím na formát výstupu PNG a kliknutím na Zobrazit, ukázka je na obr. 5 vlevo. Kromě zobrazení v rovině ekliptiky (pohled = shora), je možné použít i jiný pohled z boku osy x, z boku osy y. Do výsledného textového souboru lze zahrnout i vy- 123

4 kreslení oběžných drah jednotlivých planet, případně oběžnou dráhu osobního automobilu Tesla Roadster vypuštěného do vesmíru v únoru 2018 raketou Falcon Heavy. Obr. 5: Vlevo: Zobrazení poloh vybrané skupiny planetek ve sluneční soustavě včetně šedě zvýrazněné oblasti, která se nebude pro export uvažovat, tuto oblast je možné nastavit zvolením souřadnic (od do) u jednotlivých os nástrojem dostupným na obr. 4 v řádku začínajícím textem omezit oblast ; vpravo: Ukázka textového souboru otevřeného v tabulkovém procesoru se souřadnicemi poloh jednotlivých planetek; sloupec ID obsahuje číselné označení planetky, v následujících třech sloupcích jsou souřadnice x, y, z v astronomických jednotkách (au) První odhad vzdálenost (přes objem) Vzájemnou vzdálenost vybrané skupiny planetek lze v prvním přiblížení odhadnout přes objem, který daná skupina planetek zaujímá, a počtu planetek ve skupině. Textový soubor získaný ze stránek Astronomia obsahuje prostorové souřadnice (x, y, z) planetek. Pomocí funkcí tabulkového procesoru (dále bude uvažován MS Excel) lze získat maximální (MAX) a minimální (MIN) hodnotu na jednotlivých osách x, y a z. Absolutní hodnota rozdílu minimální a maximální hodnoty min osa max osa pro každou osu odpovídá rozměrům (stranám) prostoru, ve kterém se planetky nacházejí. Tento prostor má tvar kvádru a jeho objem vypočítáme jako součin jeho stran. Jestliže budeme předpokládat (byť realita tomu neodpovídá, jak ukazuje obr. 6), že jsou planetky v tomto prostoru rozloženy rovnoměrně, můžeme při znalosti objemu celého prostoru a počtu planetek v něm obsaženém vypočítat objem krychle, která odpovídá prostoru, který připadá na jednu planetku. Odhad vzájemné vzdálenosti planetek nakonec vypočítáme jako stranu této krychle. Pro skupinu planetek Jupiterových Trojanů, které následují planetu Jupiter, byla dne situace následující: Minimální hodnoty: na ose x = 6,1 au, na ose y = 1,8 au, na ose z = 2,8 au; Maximální hodnoty: na ose x = 3,1 au, na ose y = 4,5 au, na ose z = 3,4 au; Strany kvádru: a = 3,0 au, b = 6,3 au, c = 6,2 au; Objem kvádru: V = abc = 120 au 3 ; Počet planetek: n ~ 1700; Objem prostoru okolo jedné planetky: V k = V / n = 120 / 1700 au 3 = 0,07 au 3 (do tohoto objemu by se vešlo 166 tisíc Sluncí); Odhad vzdálenosti planetek (strana krychle): V k = d 3 d ~ 0,4 au (střední vzdálenost Merkuru od Slunce). Výsledek jistě překvapí, mezi planetkami je obrovské množství prázdného prostoru. Samotná planetka může 124

5 mít průměr až 100 km. V porovnání se vzdáleností 0,4 au, což je téměř 60 miliónů kilometrů, se jedná o zanedbatelný rozměr. Obr. 6: Rozložení vybrané skupiny planetek (Jupiterovy Trojané následující Jupiter) na jednotlivých osách x, y, z ukazuje, že planetky nejsou ve skupině rozloženy rovnoměrně Soubor se vzdálenostmi planetek Export dat umožňuje i výpočet a uložení vzájemných vzdáleností vybrané, případně vhodně omezené (viz obr. 5 vlevo) skupiny planetek. K tomuto je určen přepínač ano/ne na obr. 4 v části analyzovat vzdálenosti. V závorce lze zvolit, jaké vzdálenosti požadujeme vypsat vzájemné / nejmenší / 10 % nejbližších. Ukázka souboru obsahujícího vzájemné vzdálenosti planetek otevřeného v tabulkovém procesoru je na obr. 7. Soubor se vzájemnými vzdálenostmi může mít oproti souboru obsahujícím pouze souřadnice planetek mnohem větší velikost, několik desítek až stovek MiB, záleží na počtu planetek, protože množství hodnot (vzdáleností) roste s druhou mocninou počtu planetek. Aplikace se podle nastavení snaží velikost souboru odhadnout a uvést pod tlačítkem Uložit. Obr. 7: Část textového souboru se vzájemnými vzdálenostmi planetek; v prvních sloupcích (např. zde A až W) jsou jednotlivé vzdálenosti, v dalších sloupcích (např. zde Y a dále) jsou číselná označení planetek, kterým příslušná vzdálenost přísluší, např. planetky (617) Patroclus a (884) Priamus (údaj v buňce Y1704) jsou od sebe ve vybraný den vzdáleny 2,4867 au (údaj v buňce A1704) 125

6 Druhý odhad vzdálenosti (statistické analýzy) Vzájemné vzdálenosti vybrané skupiny planetek získané v textovém souboru je možné statisticky zpracovat. K tomu se hodí použití tabulkových procesorů, které obsahují vhodné funkce. Některé výstupy jsou ovšem k dispozici pouze v novějších verzích MS Excel, např. histogram se zde vyskytuje až od verze U histogramu ovšem pozor na data, která se nacházejí ve více sloupcích, toto MS Excel neumí zpracovat do jednoho histogramu. Pro starší verze či pro obejití technického omezení s histogramem je nutné použít kontingenční tabulku nebo použít funkci COUNTIFS s podmínkou od-do pro zjištění četnosti dat v závislosti na vzdálenosti. Obr. 8: Histogram vzájemných vzdáleností vybrané skupiny planetek (Jupiterovy Trojané následující Jupiter) pro ; vodorovná osa obsahuje vzdálenost v au, na svislé ose je vynesena četnost; celkem je pro planetek k dispozici vzdáleností U každého souboru dat lze zkoumat řadu statistické vlastnosti. Pro určení typu rozdělení pravděpodobnosti spojité náhodné veličiny zjistíme koeficient šikmosti, který popisuje nesymetrii rozdělení náhodné veličiny. V MS Excel použijeme funkci SKEW. Pro vzdálenosti z obr. 8 vyjde SKEW = 0,55. Můžeme tak vyloučit normální rozdělení, pro které by musel být koeficient šikmosti nulový. U log-normálního rozdělení je první podmínkou, aby byl koeficient šikmosti větší než nula. Toto je splněno, viz výše. Druhá podmínka říká, že náhodná veličina X má takovou vlastnost, že náhodná veličina ln X odpovídá normálnímu rozdělení, tzn. SKEW (ln X) = 0. Pro data z obr. 8 vyjde SKEW (ln X) = 0,85. Tím lze vyloučit i log-normální rozdělení. S největší pravděpodobností jde o Weibullovo rozdělení s parametrem tvaru k = 2 a parametrem měřítka λ =

7 Kromě histogramu lze zjišťovat další základní statistické veličiny: Minimální hodnota: minimální hodnota z celého souboru dat, v MS Excel se použije funkce MIN(rozsah); MIN = 0,01 au (odpovídá vzdálenosti mezi planetkami s číselnými označeními a ); Maximální hodnota: maximální hodnota z celého souboru dat, v MS Excel se použije funkce MAX(rozsah); MAX = 6,55 au (mezi planetkami a ); Aritmetický průměr: součet všech hodnot dělený počtem hodnot, v MS Excel se použije funkce PRŮMĚR(rozsah); = 2,07 au; Směrodatná odchylka: odmocnina z rozptylu, což je proměnlivost rozdělení hodnot kolem střední hodnoty, vypočte se jako aritmetický průměr druhých mocnin odchylek jednotlivých hodnot od aritmetického průměru, v MS Excel se použije funkce SMODCH.P(rozsah); σ = 1,01 au. Modus: hodnota, která je v souboru dat nejčastěji zastoupena, v MS Excel se použije funkce MODE.SNGL(rozsah). Tato funkce platí pro verze 2013 a vyšší, ve starších se používala funkce MODE. S ohledem na velké množství dat, zejména u vzájemných vzdáleností všech planetek v souboru, může trvat nalezení nejčastější hodnoty delší dobu několik minut, ale na méně výkonných počítačích i desítek minut. Dobu analýzy lze výrazně zkrátit, pokud by se hodnota vzdálenosti, která je standardně počítána na 4 desetinná místa, zaokrouhlila na 2 desetinná místa. Tím ovšem mohu získat nepatrně jinou hodnotu, ale přesnost na 2 desetinná místa je více než dostačující. Mod(x na 4 des. místa) = 1,7222 au (hodnota se v souboru objevuje 85krát), Mod(x na 2 des. místa) = 1,53 au (hodnota se v souboru objevuje 5920krát). Medián: hodnota, která se nachází v polovině vzestupně seřazeného souboru dat, v MS Excel se použije MEDIAN(rozsah). Pokud má soubor dat lichý počet hodnot, použije se hodnota uprostřed souboru dat. Pokud má soubor dat sudý počet hodnot, vypočítá se medián jako aritmetický průměr hodnot nacházejících se uprostřed souboru dat. Med(x) = 1,95 au. Variační koeficient: vyjadřuje míru kvality průměru, vypočítá se jako podíl směrodatné odchylky a aritmetického průměru v x = σ /. Na základě velmi hrubého pravidla prozrazuje variační koeficient s hodnotami vyššími než 50 % silnou nesourodost souboru dat, použití aritmetického průměru je pak na hranici oprávněnosti. v x = 49 %. 127

8 Obr. 9: Histogram minimálních vzdáleností vybrané skupiny planetek (Jupiterovy Trojané následující Jupiter) pro ; vodorovná osa obsahuje vzdálenost v au, na svislé ose je vynesena četnost; celkem je pro planetek k dispozici vzdáleností Podobnou statistickou analýzu je možné provést pro nejmenší vzdálenosti vybrané skupiny planetek, stačí v aplikaci na Astronomia zvolit v části analyzovat vzdálenosti variantu nejmenší (obr. 4). V tomto případě je výsledný soubor se vzdálenostmi podstatně menší, obsahuje pouze 1742 hodnot (o jednu méně, než je počet planetek ve skupině, protože se jedná o nejmenší vzájemné vzdálenosti). Minimální hodnota: 0,01 au mezi planetkami a Maximální hodnota: 0,77 au mezi planetkami (5144) Achates a Aritmetický průměr: 0,14 au Směrodatná odchylka: 0,08 au Modus: 0,10 au Medián: 0,12 au Variační koeficient: 55 % 128

9 Obr. 10: Histogram 10 % nejbližších vzdáleností ve vybrané skupině planetek (Jupiterovy Trojané následující Jupiter) pro ; vodorovná osa obsahuje vzdálenost v au, na svislé ose je vynesena četnost; celkem je pro planetek k dispozici vzdáleností Analyzovat je možné i určité procento nejbližších vzdáleností vybrané skupiny planetek. V aplikaci na Astronomia je nastavena možnost 10 % nejbližších vzdáleností. Výsledný soubor má zhruba 6 MiB a obsahuje vzdáleností. Histogram těchto vzdáleností je k dispozici na obr. 10. Základní statistické hodnoty jsou: Minimální hodnota: 0,01 au mezi planetkami a Maximální hodnota: 2,38 au mezi planetkami a Aritmetický průměr: 0,69 au Směrodatná odchylka: 0,32 au Modus: 0,574 au 549krát Medián: 0,63 au Variační koeficient: 46 % 129

10 Obr. 11: Vývoj statistických parametrů (minimální hodnota černím puntíkem, maximální hodnota černým puntíkem, aritmetický průměr červeným puntíkem, směrodatná odchylka znázorněna žlutým obdélníkem) pro různá procenta nejbližších vzdáleností ve vybrané skupině planetek (Jupiterovy Trojané následující Jupiter) Závěr Různými způsoby lze dospět ke konkrétním hodnotám vzdáleností, které jsou mezi planetkami nacházející se ve vybrané skupině, v tomto případě byla pro jeden okamžik analyzována skupina Jupiterových Trojanů následující planetu Jupiter. Následnými analýzami se ukazuje, že výsledky pro jiný den či skupinu Trojanů předcházející planetu Jupiter budou srovnatelné s těmi, co jsou uvedeny v tomto příspěvku. Samotné výsledky ovšem přinášejí další otázky, na které se ještě nepodařilo najít uspokojivé odpovědi. Např. která hodnota je ta správná minimální vzdálenost, maximální vzdálenost, průměrná hodnota spolu se směrodatnými odchylkami (zde je ovšem nutné podotknout, že variační koeficient dosahuje hodnoty, která vypovídá o jisté nesourodosti statistických dat, a proto je použití aritmetického průměru diskutabilní záležitost). Otázkou i je, zda vzít k analýze všechny vzájemné vzdálenosti nebo jen ty nejmenší. Případně jaké procento nejbližších vzdáleností bude ideální pro utvoření správných představ o vzájemných vzdálenostech planetek. Ukazuje se, že naše představy mohou být zkresleny pohledem na obrázky, které nejsou (a ani nemohou být) ve správném měřítku. Toto je nutné žákům a studentům neustále připomínat, aby se v nich nevytvořily různé miskoncepce. Vzdálenosti mezi planetkami jsou obrovské (obr. 12). Planetky jsou objekty o velikostech maximálně několik set kilometrů, nicméně mezi nimi jsou prostory prázdnoty, jejich vzdálenosti jsou srovnatelné se vzdáleností Venuše od Slunce (0,7 au ~ 100 miliónů kilometrů), případně Země na své oběžné dráze mezi místy, kdy je v přísluní a odsluní (2 au ~ 300 miliónů kilometrů). 130

11 Obr. 12: Vypovídající ilustrace o vzájemných vzdálenostech mezi planetkami Jak píše Netrvalová ve své diplomové práci [3], toto téma lze využít nejenom pro statistické analýzy většího množství dat, ale i pro tvorbu příkladů na výpočet gravitační síly mezi vybraným planetkami. Literatura [1] Astronomia [online]. Plzeň: Fakulta pedagogická Západočeské univerzity v Plzni [cit ]. Dostupné z: astronomia.zcu.cz [2] KÉHAR, O. Katalogy astronomických objektů na webových stránkách Astronomia a jejich použití ve školách. Plzeň, Disertační práce. Fakulta pedagogická Západočeské univerzity v Plzni. Školitel RNDr. Miroslav Randa, Ph.D. [3] NETRVALOVÁ, M. Statistický rozbor vzdálenosti planetek dané skupiny a možnost jeho využití ve výuce. Plzeň, Diplomová práce. Fakulta pedagogická Západočeské univerzity v Plzni. Vedoucí práce PhDr. Ing. Ota Kéhar, Ph.D. 131

Statistika pro geografy

Statistika pro geografy Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických

Více

Astronomie z papíru. OTA KÉHAR Fakulta pedagogická Západočeské univerzity v Plzni. HR diagram

Astronomie z papíru. OTA KÉHAR Fakulta pedagogická Západočeské univerzity v Plzni. HR diagram Astronomie z papíru OTA KÉHAR Fakulta pedagogická Západočeské univerzity v Plzni Příspěvek obsahuje ukázku několika zajímavých pomůcek pro výuku astronomických poznatků (např. HR diagram, Kirkwoodovy mezery,

Více

ZÁPADOČESKÁ UNIVERZITA V PLZNI

ZÁPADOČESKÁ UNIVERZITA V PLZNI ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA APLIKOVANÝCH VĚD KATEDRA MATEMATIKY STATISTICKÝ ROZBOR VZDÁLENOSTI PLANETEK DANÉ SKUPINY A MOŽNOST JEHO VYUŽITÍ VE VÝUCE DIPLOMOVÁ PRÁCE Bc. Michaela Netrvalová Katedra

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

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

STATISTICKÉ CHARAKTERISTIKY

STATISTICKÉ CHARAKTERISTIKY STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

23. Matematická statistika

23. Matematická statistika Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti

Více

Kontrola: Sečteme-li sloupec,,četnost výskytu musí nám vyjít hodnota rozsahu souboru (našich 20 žáků)

Kontrola: Sečteme-li sloupec,,četnost výskytu musí nám vyjít hodnota rozsahu souboru (našich 20 žáků) Základní výpočty pro MPPZ Teorie Aritmetický průměr = součet hodnot znaku zjištěných u všech jednotek souboru, dělený počtem všech jednotek souboru Modus = hodnota souboru s nejvyšší četností Medián =

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

Analýza dat na PC I.

Analýza dat na PC I. CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika

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

Základy popisné statistiky

Základy popisné statistiky Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2

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

Tabulka 1. Výběr z datové tabulky

Tabulka 1. Výběr z datové tabulky 1. Zadání domácího úkolu Vyberte si datový soubor obsahující alespoň jednu kvalitativní a jednu kvantitativní proměnnou s alespoň 30 statistickými jednotkami (alespoň 30 jednotlivých údajů). Zdroje dat

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

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

Deskriptivní statistika (kategorizované proměnné)

Deskriptivní statistika (kategorizované proměnné) Deskriptivní statistika (kategorizované proměnné) Nejprve malé opakování: - Deskriptivní statistika se zabývá popisem dat, jejich sumarizaci a prezentací. - Kategorizované proměnné jsou všechny proměnné,

Více

2. Poloměr Země je 6 378 km. Následující úkoly spočtěte při představě, že kolem rovníku nejsou hory ani moře. a) Jak dlouhý je rovníkový obvod Země?

2. Poloměr Země je 6 378 km. Následující úkoly spočtěte při představě, že kolem rovníku nejsou hory ani moře. a) Jak dlouhý je rovníkový obvod Země? Astronomie Autor: Miroslav Randa. Doplň pojmy ze seznamu na správná místa textu. seznam pojmů: Jupiter, komety, Merkur, měsíce, Neptun, planetky, planety, Pluto, Saturn, Slunce, Uran, Venuše, Země Uprostřed

Více

Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost

Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost Projekt je realizován v rámci Operačního programu Vzdělávání pro konkurence

Více

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 Úvodní obrazovka Menu Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 1 (pro 9-12 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu témat (horní

Více

Charakteristika datového souboru

Charakteristika datového souboru Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex

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

Počítání ve sluneční soustavě

Počítání ve sluneční soustavě Číslo klíčové aktivity III/2, Matematika ZŠ Nepomuk Počítání ve sluneční soustavě Znáš naše nejbližší vesmírné sousedy? Co o nich víš? Láká tě vesmír? Každý kosmonaut i astronom musí umět mnoho věcí. Bez

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

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

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

Číselné charakteristiky

Číselné charakteristiky . Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 Úvodní obrazovka Menu Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 2 (pro 9-12 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu témat (horní

Více

VÝUKA ASTRONOMIE NA ZŠ A SŠ S VYUŽITÍM STRÁNEK ASTRONOMIA.ZCU.CZ

VÝUKA ASTRONOMIE NA ZŠ A SŠ S VYUŽITÍM STRÁNEK ASTRONOMIA.ZCU.CZ VÝUKA ASTRONOMIE NA ZŠ A SŠ S VYUŽITÍM STRÁNEK ASTRONOMIA.ZCU.CZ Miroslav Randa, Ota Kéhar Oddělení fyziky Katedry matematiky, fyziky a technické výchovy ZČU v Plzni Abstrakt: V příspěvku se zabýváme,

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

7.Vesmír a Slunce Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky

7.Vesmír a Slunce Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Planeta Země 7.Vesmír a Slunce Planeta Země Vesmír a Slunce Autor: Mgr. Irena Doležalová Datum (období) tvorby: únor 2012 červen 2013 Ročník: šestý Vzdělávací oblast: zeměpis Anotace: Žáci se seznámí se

Více

Matematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,

Více

Příloha podrobný výklad vybraných pojmů

Příloha podrobný výklad vybraných pojmů Příloha podrobný výklad vybraných pojmů 1.1 Parametry (popisné charakteristiky) základního souboru 1.1.1 Míry polohy (střední hodnoty) Aritmetický průměr představuje pravděpodobně nejznámější střední hodnotou,

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

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

Vytváření grafů v aplikaci Helios Red

Vytváření grafů v aplikaci Helios Red Vytváření grafů v aplikaci Helios Red Grafy jsou v Helios Red součástí generátoru sestav a jsou tedy dostupné ve všech modulech a výstupech, kde je k dispozici generátor sestav. Největší použití mají v

Více

Základy popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

Základy popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních

Více

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2.

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2. Kapitola 2 Přímková a rovinná soustava sil 2.1 Přímková soustava sil Soustava sil ležící ve společném paprsku se nazývá přímková soustava sil [2]. Působiště všech sil m i lze posunout do společného bodu

Více

Astronomie, sluneční soustava

Astronomie, sluneční soustava Základní škola Nový Bor, náměstí Míru 128, okres Česká Lípa, příspěvková organizace e mail: info@zsnamesti.cz; www.zsnamesti.cz; telefon: 487 722 010; fax: 487 722 378 Registrační číslo: CZ.1.07/1.4.00/21.3267

Více

TEMATICKÝ PLÁN. září říjen

TEMATICKÝ PLÁN. září říjen TEMATICKÝ PLÁN Předmět: MATEMATIKA Literatura: Matematika doc. RNDr. Oldřich Odvárko, DrSc., doc. RNDr. Jiří Kadleček, CSc Matematicko fyzikální tabulky pro základní školy UČIVO - ARITMETIKA: 1. Rozšířené

Více

Analýza dat s využitím MS Excel

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

Více

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

Základní statistické charakteristiky

Základní statistické charakteristiky Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické

Více

Statistika - charakteristiky variability

Statistika - charakteristiky variability Škola: Gymnázium, Brno, Slovanské náměstí 7 Šablona: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název projektu: Inovace výuky na GSN prostřednictvím ICT Číslo projektu: CZ.1.07/1.5.00/34.0940

Více

Matematické modelování dopravního proudu

Matematické modelování dopravního proudu Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení

Více

SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE

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

Více

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze

Více

mezi studenty. Dále bychom rádi posoudili, zda dobrý výsledek v prvním testu bývá doprovázen dobrým výsledkem i v druhém testu.

mezi studenty. Dále bychom rádi posoudili, zda dobrý výsledek v prvním testu bývá doprovázen dobrým výsledkem i v druhém testu. Popisná statistika Slovní popis problému Naším cílem v této úloze bude stručně a přehledně charakterizovat rozsáhlý soubor dat - v našem případě počty bodů z prvního a druhého zápočtového testu z matematiky.

Více

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY zhanel@fsps.muni.cz ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické

Více

Elektronické zpracování dotazníků AGEL. Verze 2.0.0.1

Elektronické zpracování dotazníků AGEL. Verze 2.0.0.1 Elektronické zpracování dotazníků AGEL Verze 2.0.0.1 1 Obsah 2 Přihlášení do systému... 1 3 Zápis hodnot dotazníků... 2 3.1 Výběr formuláře pro vyplnění dotazníku... 2 3.2 Vyplnění formuláře dotazníku...

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

Filip Hroch. Astronomické pozorování. Filip Hroch. Výpočet polohy planety. Drahové elementy. Soustava souřadnic. Pohyb po elipse

Filip Hroch. Astronomické pozorování. Filip Hroch. Výpočet polohy planety. Drahové elementy. Soustava souřadnic. Pohyb po elipse ÚTFA,Přírodovědecká fakulta MU, Brno, CZ březen 2005 březnového tématu Březnové téma je věnováno klasické sférické astronomii. Úkol se skládá z měření, výpočtu a porovnání výsledků získaných v obou částech.

Více

Chyby měření 210DPSM

Chyby měření 210DPSM Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů

Více

Statistika. zpracování statistického souboru

Statistika. zpracování statistického souboru Statistika zpracování statistického souboru statistický soubor zkoumaná skupina znaky zkoumané informace 1 vyjádřen číslem a jednotkou = kvantitativní znak 2 není = kvalitativní znak statistická jednotka

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

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

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Kvantifikace dat Pro potřeby statistického zpracování byly odpovědi převedeny na kardinální intervalovou

Více

HODNOCENÍ VÝUKY STUDENTY PEDF UK ZS 2016/2017

HODNOCENÍ VÝUKY STUDENTY PEDF UK ZS 2016/2017 HODNOCENÍ VÝUKY STUDENTY PEDF UK ZS 216/217 1 Vývoj počtu zúčastněných studentů od roku 21/211 Počet studentů ROK SEMESTR 21 211 212 213 214 215 216 DRUH FORMA ZS LS ZS LS ZS LS ZS (% 1 ) LS (%) ZS (%)

Více

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Projekt Šablona CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) DUM č. VY_32_INOVACE_CH29_2_18 ŠVP Podnikání RVP 64-41-L/51

Více

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice

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

Nabídka vybraných pořadů

Nabídka vybraných pořadů Hvězdárna Valašské Meziříčí, p. o. Vsetínská 78 757 01 Valašské Meziříčí Nabídka vybraných pořadů Pro 1. stupeň základních škol Pro zvídavé školáčky jsme připravili řadu naučných programů a besed zaměřených

Více

Laboratorní práce č. 1: Měření délky

Laboratorní práce č. 1: Měření délky Přírodní vědy moderně a interaktivně FYZIKA 3. ročník šestiletého a 1. ročník čtyřletého studia Laboratorní práce č. 1: Měření délky G Gymnázium Hranice Přírodní vědy moderně a interaktivně FYZIKA 3.

Více

VY_32_INOVACE_FY.20 VESMÍR II.

VY_32_INOVACE_FY.20 VESMÍR II. VY_32_INOVACE_FY.20 VESMÍR II. Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Jiří Kalous Základní a mateřská škola Bělá nad Radbuzou, 2011 Galaxie Mléčná dráha je galaxie, v níž se nachází

Více

Statistika pro gymnázia

Statistika pro gymnázia Statistika pro gymnázia Pracovní verze učebního textu ZÁKLADNÍ POJMY Statistika zkoumá jevy (společenské, přírodní, technické) ve velkých statistických souborech. Prvky statistických souborů se nazývají

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

Popisná statistika. Komentované řešení pomocí MS Excel

Popisná statistika. Komentované řešení pomocí MS Excel Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,

Více

Základní jednotky v astronomii

Základní jednotky v astronomii v01.00 Základní jednotky v astronomii Ing. Neliba Vlastimil AK Kladno 2005 Délka - l Slouží pro určení vzdáleností ve vesmíru Základní jednotkou je metr metr je definován jako délka, jež urazí světlo ve

Více

Renáta Bednárová STATISTIKA PRO EKONOMY

Renáta Bednárová STATISTIKA PRO EKONOMY Renáta Bednárová STATISTIKA PRO EKONOMY ZÁKLADNÍ STATISTICKÉ POJMY Statistika Statistický soubor Statistická jednotky Statistický znak STATISTIKA Vědní obor, který se zabývá hromadnými jevy Hromadné jevy

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

Škály podle informace v datech:

Škály podle informace v datech: Škály podle informace v datech: Různé typy dat znamenají různou informaci, resp. různé množství informace Data nominální Rovná se? x 1 = x 2 Data ordinální Větší, menší? x 1 < x 2 Data intervalová O kolik?

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

Manuál pro zaokrouhlování

Manuál pro zaokrouhlování Manuál pro zaokrouhlování k předmětu Pravděpodobnost a Statistika (PS) Michal Béreš, Martina Litschmannová 19. března 2019 Obsah 1 Úvod 2 2 Obecné poznámky 2 2.1 Typy zaokrouhlování...........................................

Více

Chyby nepřímých měření

Chyby nepřímých měření nepřímé měření: Chyby nepřímých měření chceme určit veličinu z hodnot jiných veličin na základě funkční vztahu máme změřené veličiny pomocí přímých měření (viz. dříve) včetně chyb: x±σ x, y±σ y,... známe

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

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

Níže uvedená tabulka obsahuje technické údaje a omezení aplikace Excel (viz také článek Technické údaje a omezení aplikace Excel (2007).

Níže uvedená tabulka obsahuje technické údaje a omezení aplikace Excel (viz také článek Technické údaje a omezení aplikace Excel (2007). Níže uvedená tabulka obsahuje technické údaje a omezení aplikace - (viz také článek Technické údaje a omezení aplikace Excel (). otevřených sešitů a systémovými prostředky a systémovými prostředky a systémovými

Více

Řešení. Označme po řadě F (z) Odtud plyne, že

Řešení. Označme po řadě F (z) Odtud plyne, že Úloha Nechť ~ R(, ) a Y = Jinak řečeno, Y je odmocnina čísla vybraného zcela náhodně z intervalu (, ) Popište rozdělení veličiny Y a určete jeho modus, medián, střední hodnotu a rozptyl Řešení Označme

Více

ASTRONOMICKÉ ÚLOHY A WEBOVÉ ONLINE APLIKACE NA ASTRONOMIA

ASTRONOMICKÉ ÚLOHY A WEBOVÉ ONLINE APLIKACE NA ASTRONOMIA ASTRONOMICKÉ ÚLOHY A WEBOVÉ ONLINE APLIKACE NA ASTRONOMIA Ota Kéhar Oddělení fyziky Katedry matematiky, fyziky a technické výchovy ZČU v Plzni Abstrakt: V příspěvku představím několik webových online aplikací

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

TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání

TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření školní zadání Skupina: 51 Vypracovaly: Pavlína Horná, Nikola Loumová, Petra Mikešová,

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

Náhodné chyby přímých měření

Náhodné chyby přímých měření Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.

Více

2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat

2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat 2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi,

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

Úvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost

Úvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Úvod do kurzu Moodle kurz (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Výpočty online: www.statisticsonweb.tf.czu.cz Začátek výuky posunut

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

Data v počítači. Informační data. Logické hodnoty. Znakové hodnoty

Data v počítači. Informační data. Logické hodnoty. Znakové hodnoty Data v počítači Informační data (elementární datové typy) Logické hodnoty Znaky Čísla v pevné řádové čárce (celá čísla) v pohyblivé (plovoucí) řád. čárce (reálná čísla) Povelová data (instrukce programu)

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika Teorie pravděpodobnosti popisuje vznik náhodných dat, zatímco matematická statistika usuzuje z dat na charakter procesů, jimiž data vznikla. NÁHODNOST - forma existence látky,

Více

Protokol č. 5. Vytyčovací údaje zkusných ploch

Protokol č. 5. Vytyčovací údaje zkusných ploch Protokol č. 5 Vytyčovací údaje zkusných ploch Zadání: Ve vybraném porostu bylo prováděno zjišťování zásob za použití reprezentativní metody kruhových zkusných ploch. Na těchto zkusných plochách byl zjišťován

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

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

František Hudek. červenec 2012

František Hudek. červenec 2012 VY_32_INOVACE_FH14 Jméno autora výukového materiálu Datum (období), ve kterém byl VM vytvořen Ročník, pro který je VM určen Vzdělávací oblast, obor, okruh, téma Anotace František Hudek červenec 2012 8.

Více

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

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

Více

Gymnázium Dr. J. Pekaře Mladá Boleslav. Zeměpis I. ročník PLANETY SLUNEČNÍ SOUSTAVY. Jméno a příjmení: Martin Kovařík. David Šubrt. Třída: 5.

Gymnázium Dr. J. Pekaře Mladá Boleslav. Zeměpis I. ročník PLANETY SLUNEČNÍ SOUSTAVY. Jméno a příjmení: Martin Kovařík. David Šubrt. Třída: 5. Gymnázium Dr. J. Pekaře Mladá Boleslav Zeměpis I. ročník PLANETY SLUNEČNÍ SOUSTAVY Jméno a příjmení: Martin Kovařík David Šubrt Třída: 5.O Datum: 3. 10. 2015 i Planety sluneční soustavy 1. Planety obecně

Více