Vzájemné vzdálenosti planetek
|
|
- Kryštof Pokorný
- před 5 lety
- Počet zobrazení:
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 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
VíceAstronomie 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,
VíceZÁPADOČESKÁ 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
VíceZápočtová 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
VícePopisná 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
VíceSTATISTICKÉ 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)
Více23. 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
VíceKontrola: 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 =
VíceFunkce 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
VíceAnalýza 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
VíceNejčastější 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
VíceZáklady 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
VíceMinimální 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
VíceTabulka 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
Víceveličin, 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
VíceTECHNICKÁ 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
VíceDeskriptivní 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,
Více2. 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
VíceRegistrační 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
VíceEXPERIMENTÁLNÍ 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,
VíceZŠ 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
VíceCharakteristika 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
VíceMetoda 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
VícePočítání 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
VíceVýrobní 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
Vícepřesné 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
VíceZpracování 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
VíceČíselné 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
VíceZŠ 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
VíceVÝUKA 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,
VíceKombinatorika, 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
Více7.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
VíceMatematika 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,
VícePříloha 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,
VíceFORMÁTOVÁNÍ 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
VíceMetodologie 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
VíceVytváření 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
VíceZáklady 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
VíceKapitola 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
VíceAstronomie, 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
VíceTEMATICKÝ 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
VíceAnalýza 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
Vícepracovní 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
VíceZákladní statistické charakteristiky
Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické
VíceStatistika - 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
VíceMatematické 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
VíceSEZNAM 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
VíceKategorická 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
Vícemezi 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.
VíceZÁKLADNÍ 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
VíceElektronické 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...
VíceSimulace. 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,
VíceFilip 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.
VíceChyby 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
VíceStatistika. 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
VíceSAMOSTATNÁ 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
VíceNáhodná 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
VíceStatistické 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
VíceHODNOCENÍ 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 (%)
VíceStatistika, 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
VíceDigitální 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
VíceKomplexní 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
VíceObsah. 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
VíceNabídka 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
VíceLaboratorní 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.
VíceVY_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
VíceStatistika 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
VíceAplikovaná 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
VícePopisná 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,
VíceZákladní 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
VíceRenáta 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
VícePraktická 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
VíceŠkály 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?
VíceČasové 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
VíceManuál 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...........................................
VíceChyby 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
VíceMatematická 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
Více7. 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,
VíceNíže 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
VíceŘešení. 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
VíceASTRONOMICKÉ 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
VíceExcel 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,
VíceTECHNICKÁ 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,
VíceZáklady 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
VíceNáhodné 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.
Více2. 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,
VíceOvládání 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
VíceÚvod 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
Více22. Pravděpodobnost a statistika
22. Pravděpodobnost a statistika Pravděpodobnost náhodných jevů. Klasická pravděpodobnost. Statistický soubor, statistické jednotky, statistické znaky. Četnosti, jejich rozdělení a grafické znázornění.
VíceData 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)
VícePravděpodobnost 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,
VíceProtokol 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
VíceSTATISTICA 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
VíceProtokol 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
VíceFrantišek 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.
VíceUNIVERZITA 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
VíceGymnázium 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