Matematická statistika
|
|
- Marie Hájková
- před 8 lety
- Počet zobrazení:
Transkript
1 Matematická statistika Daniel Husek Gymnázium Rožnov pod Radhoštěm, 8. A8 Dne v Rožnově pod Radhoštěm
2 Osnova Strana 1) Úvod 3 2) Historie matematické statistiky 4 3) Základní pojmy matematické statistiky 5-8 4) Grafické znázornění 9 5) Charakteristiky polohy znaku Aritmetický průměr Geometrický průměr 13 Harmonický průměr 14 6) Charakteristiky variability znaku Rozptyl Směrodatná odchylka 21 Variační koeficient 22 7) Příklad ) Závěr 26 9) Zdroje
3 Úvod Téma pro seminární práci do Semináře matematiky ve školním roce 2010/2011 jsem vybíral vzhledem k jeho užitkové hodnotě v mém budoucím studiu. Protože se chystám studovat ekonomii, za téma jsem si nakonec vybral právě statistiku. Od práce očekávám především vytvoření a osvojení si základů statistiky pro usnadnění dalšího prohlubování znalostí v dané oblasti. Práce nemá ambice vytvořit předlohu pro vysokoškolskou přednášku, ale zato se snaží o přehlednou pomůcku při zopakování středoškolské matematiky. V práci se snažím objasnit etymologii statistiky a základní statistické pojmy včetně jejich použití. Zabývám se také zjednodušováním ručních výpočtů a grafickým zobrazováním výsledků statistické analýzy. Pro vysvětlení základních pojmů statistiky používám za zdroj především učebnice Zbierka úloh z pravdepodobnosti a matematickej štatistiky od autora R. Potockého a učebnici Matematika pro gymnázia - Kombinatorika, pravděpodobnost, statistika od autorů Emila Caldy a Václava Dupače. Všechny početní příklady budu vymýšlet sám
4 Definice a historie statistiky Na úvod je třeba odlišit dva druhy statistiky, se kterými se můžeme setkat. Jedná se o statistiku popisnou a statistiku matematickou. V seminární práci se budu zabývat pouze matematickou statistikou. Hlavním rozdílem, kterým se popisná statistika odlišuje od té matematické je její funkce zajišťování a poskytování informací. Zatímco matematická statistika se zabývá zpracováváním informací a jejich vyhodnocováním. Jedná se o vědeckou disciplínu, která se zabývá studiem dat popisujících vlastnosti hromadných jevů a hodnotí hypotézy, které tato data vysvětlují. Původ pojmu statistika nalézáme v latinském slově status, které znamená stav. Původně se jednalo pouze o stav nějaké země či státu a statistikou se tedy rozuměla pouze činnost spočívající ve zjišťování tohoto stavu. Později se ale pole působnosti statistiky značně rozšířilo. Dnes tato nauka zahrnuje velmi širokou škálu kvantitativních metod umožňujících zjišťovat stav věcí a poměrů v rozličných strukturách. Kromě přírodních, společenských a hospodářských poměrů v daném státě lze zjišťovat např. hospodářské poměry v nějaké firmě, stav zásob v obchodním domě, stav vody na českých tocích nebo stav lesů v České republice apod. Metody matematické statistiky pronikly během 20. století prakticky do všech empirických vědních disciplín a dokonce i k humanitním vědám. Významný vliv mají statistické metody v některých oblastech matematické fyziky, zejména statistické fyziky. O statistické metody se opírá i moderní matematická lingvistika, demografie a ekonometrie stejně jako epidemiologie či biostatistika. Poznatky z matematické statistiky se dále propojují s informatikou a jinými obory například v robotice
5 Základní statistické pojmy Statistická analýza prvotně vyžaduje pochopení statistických pojmů. Proto nejdříve definuji ty nejzákladnější. Základním pojmem matematické statistiky je statistický soubor. Jedná se o konečnou neprázdnou množinu prvků (předmětů nebo jednotek), které mají z daného hlediska určité společné vlastnosti. Počet všech prvků statistického souboru se nazývá rozsah souboru a označujeme ho písmenem n. Prvky statistického souboru poté označujeme jako statistické jednotky. Na těchto prvcích souboru sledujeme různé znaky, tedy společné vlastnosti statistických jednotek, které značíme jako x. Rozlišujeme kvalitativní znak, například národnost, pohlaví a znak kvantitativní - hmotnost, délka, věk. Hodnoty znaku, tedy jednotlivé údaje znaku, značíme x 1, x 2,, x n. Pokud jsou některé hodnoty znaku x 1, x 2,..., x n shodné, má význam je napsat do tabulky četností. Kde n j (n 1, n 2,..., n k ) značí četnost hodnot znaků x j (x 1, x 2,, x k ). x j x 1 x 2... x i... x k n j (x) n 1 n 2... n i... n k Pro absolutní četnost n j, tedy četnost celočíselně označující počet výskytu hodnoty jednotlivého znaku, platí, že součet jednotlivých absolutních četností je roven počtu všech jednotek souboru. Relativní četnost relativních četností je roven jedné. značí, jaká část souboru má určitou hodnotu znaku x i. Součet Relativní četnost se často uvádí v procentech, jehož hodnotu získáme vynásobením výsledného bezjednotkového čísla 100. Vyjde-li tedy, procentuelní hodnota bude - 5 -
6 Kumulativní četnost je dána částečnými součty četností. Kumulativní relativní četnost je dána podílem jednotlivých kumulativních četností a rozsahu souboru, viz tabulka č.1: Tab. 1 Hodnota znaku x x 1 x 2... x i... x k Četnost n 1 n 2... n i... n k Relativní četnost Kumulativní četnost Kumulativní relativní četnost n 1 n 1 + n 2... n n i... n 1 + n n k Tzv. třídní četnosti se používají, je-li rozsah statistického souboru velký a hodnoty znaku jsou sobě příliš blízké. Pro zvýšení přehlednosti lze tak hodnoty uspořádat do skupin, intervalů, které by byly charakterizovány středem intervalu. Počet těchto intervalů k by měl odpovídat rozsahu souboru. Pro stanovení ideálního počtu intervalů lze využít některé z pravidel. Jedno z nich je Sturgesovo pravidlo: Délka intervalu h je přibližně daná vzorcem: - 6 -
7 Příklad 1: Použití výše uvedeného principu je na místě, rozebíráme-li například následující statistické měření, kde jsou statistickým souborem obyvatelé panelového domu a zkoumaným znakem je výška obyvatel v krocích po jednom centimetru. Rozsah souboru n = 305 osob. Tab. 2 Výška Četnost Výška Četnost Výška Četnost V takovémto množství hodnot je velice snadné se ztratit, a tak pro zpřehlednění využijeme intervalové rozdělení. Počet skupin je podle vzorce daným Sturgesovým pravidlem: Ideální počet intervalů je tedy 9. Z toho vyplývající délka intervalu pro nejmenší hodnotu = 157 a nejvyšší =
8 Zde jsou vzniklé intervaly a střední hodnoty intervalů dané průměrem jeho krajních hodnot. Z důvodu zaokrouhlení mají tři z intervalů rozsah hodnot 4cm na rozdíl od ostatních, které mají ideální 3cm. Interval Charakteristický střed intervalu ,5 177,5 181,5 185 Výsledná tabulka intervalů, absolutních četností, relativních četností, kumulativních četností a kumulativních relativních četností pro dané intervaly hodnot výšek v cm vypadá takto: Tab. 3 Výška ,5 177,5 181,5 185 Četnost Relativní četnost Kumulativní četnost Kumulativní relativní četnost 1% 3,9% 6,6% 15,7% 15,4% 36,7% 17,1% 3.3% 0,3% % 4,9% 11,5% 27,2% 42,6% 79,3% 96,4% 99,7% 100% Z tabulky četností můžeme vyčíst, že je naprostá většina obyvatel domu je vysoká od 167 do 177,5cm
9 Grafy Některé zjištěné (resp. vypočítané) hodnoty mohou být znázorněny graficky. Každý graf vyjadřuje vzájemný vztah mezi statistickými znaky pomocí přehledných grafických symbolů (čáry, barvy nebo jejich odstíny, apod.) Ke zobrazení rozdělení četností jsou jako základní používány grafy sloupcové nebo výsečové. V prvním případě výška sloupce představuje absolutní četnost hodnoty znaku, případně jeho relativní četnost. Ve druhém případě je k dispozici kruh rozdělený na výseče v poměru, v jakém se nacházejí četnosti jednotlivých hodnot znaků. Někdy je kruh kreslen s otvorem uprostřed, pak se graf nazývá prstencový. Grafickým vyjádřením rozdělení četností v intervalech hodnot je tzv. histogram. Na rozdíl od sloupcového grafu, v němž jsou, při zobrazování četnosti hodnoty jednoho znaku, kresleny sloupce odděleně, jsou v histogramu sloupce umístěny těsně vedle sebe, aby byla znázorněna návaznost intervalů. Grafy četností hodnot statistických jednotek z příkladu 1 tedy mohou vypadat například takto: 35 Graf absolutních četností - sloupcový Četnost 5 0 Graf třídních relativních četností - výsečový 17% 37% 3% 0% 1% 4% 7% 16% 15% 158cm 161cm 164cm 167cm 170cm 173,5cm 177,5cm 181,5cm 185cm - 9 -
10 Charakteristika polohy znaku Chceme-li zaznamenat úplnou statistickou informaci o znaku x (v našem případě výška osob) pomocí jediného čísla, použijeme tzv. charakteristiku polohy znaku. Aritmetický průměr Nejčastěji užívanou charakteristikou polohy znaku x je aritmetický průměr značený, tj. podíl součtu hodnot znaku všech jednotek souboru a rozsahu souboru. V případě, že se četnosti jednotlivých hodnot znaku liší od jedné, rovnice vypadá takto: Dosazením hodnot z tabulky č.2 do vzorce získáme aritmetický průměr Jde o jisté těžiště hodnot, což vyplývá hned z první z vlastností aritmetického průměru, které nám v mnoha situacích dokáží ulehčit jeho výpočet
11 Vlastnosti aritmetického průměru součet odchylek, tj. rozdíl hodnot x i a průměru, je roven nule. Kladné a záporné odchylky se kompenzují. Podrobíme-li hodnoty znaku x i lineární transformaci, podrobí se této transformaci i aritmetický průměr, který se mění stejným způsobem jako se mění jednotlivé hodnoty znaku. přičteme-li k jednotlivým hodnotám znaku konstantu (tj. změna o aditivní konstantu), zvýší se o tuto konstantu i aritmetický průměr: násobíme-li jednotlivé hodnoty znaku konstantou (tj. multiplikativní konstanta), je touto konstantou násoben i průměr: je-li statistický soubor tvořen k soubory o rozsazích s dílčími průměry, pak celkový průměr je:
12 Příklad 2: Zjistíme-li tedy například, že byl měřící přístroj, kterým jsme prováděli zjišťování výšky osob z příkladu 1 nepřesný z důvodu chybějícího měřítka v intervalu 0-10cm, tedy měřící přístroj začínal měření nikoli od 1cm ale až od 11cm a zadavatel analýzy vyžaduje znát pouze aritmetický průměr, nemusíme měření provádět znovu. Nemusíme dokonce ani ke každé naměřené hodnotě připisovat chybějících 10 cm, ale postačí využít vlastnost aritmetického průměru hovořící o změně souboru o aditivní konstantu. Příklad 3: Pokud shledáme jednotky měřícího přístroje např. nepřesné vůči normě, tedy pro příklad 1cm na měřítku přístroje je normovaných 0,9cm, použijeme vlastnost aritmetického průměru o násobení multiplikační konstantou, která je v našem případě rovna 0,9 (= 0,9 1). Příklad 4: Máme-li zjistit průměrnou hodnotu výšek osob v celé ulici a známe průměrnou výšku osob v každém z domů, (např. 168,4cm, 172,6cm a 142,1cm) spolu s počtem obyvatel každého z domů (12, 9 a 4), není již potřeba při výpočtu celkového průměru získávat data o jednotlivých obyvatelích, použijeme totiž vzorec pracující s dílčími průměry. 165,7cm Někdy je aritmetický průměr při použití dané vlastnosti nazýván váženým průměrem, který zobecňuje aritmetický průměr a poskytuje charakteristiku statistického souboru v případě, že hodnoty v tomto souboru mají např. různou důležitost, různou váhu. V matematické statistice se setkáváme i s jinými průměry než je ten aritmetický
13 Geometrický průměr Geometrický průměr z kladných hodnot znaku je definován jako n-tá odmocnina ze součinu hodnot znaku. Používá se při průměrování růstových, časově provázaných veličin, kdy je celková relativní změna dané veličiny v čase dána jako součin jejich dílčích změn sledovaného intervalu. Setkáme se s ním například v analýze hospodářského růstu země nebo výrobní produkce společnosti v závislosti na letech. Příklad 5: Vypočtěte průměrný koeficient růstu produkce jednoho podniku za celý rok, jestliže v jednotlivých čtvrtletích byl koeficient růstu následující: 0,98 1,02 1,12 1,05 Výsledkem je bezrozměrné číslo, které nazýváme koeficientem růstu, může nabývat všech nezáporných hodnot
14 Harmonický průměr Harmonický průměr z nenulových hodnot statistického souboru je definován jako podíl rozsahu souboru a součtu převrácených hodnot znaků. Slouží k průměrování poměrných čísel, vahou je veličina z čitatele zlomku. Používá se tedy např. při výpočtu průměrné rychlosti dosažené na úsecích o různé délce. Používá se, jsou-li hodnoty znaku nerovnoměrně rozloženy kolem aritmetického průměru, nebo když jsou hodnoty extrémně nízké či vysoké. Pro různé četnosti hodnot znaku upravíme vzorec na: Příklad 6: Z definice harmonický průměr použijeme například při výpočtu průměrné rychlosti autobusu, který jede: 2 km rychlostí 55 km/hod 3 km rychlostí 65 km/hod 1 km rychlostí 80 km/hod
15 Modus Modus je označení hodnoty znaku s největší, tzv. maximální četností x m. V našem příkladu č. 1 nabývá podle tabulky č. 2 maximální četnosti hodnota 173cm, tj. modus 173cm. Získali jsme tedy pouze jeden modus, ve zvláštních případech jich může být až počet odpovídající rozsahu souboru n. Medián Medián je prostřední hodnota znaku, jsou-li hodnoty x 1, x 2,, x n uspořádány podle velikosti, tj.: Potom tedy, je-li n liché, platí: Je-li n sudé, platí: V příkladu č. 1 má statistický soubor rozsah 305 znaků, jde tedy o liché číslo. Pro stanovení Mediánu použijeme příslušný vzorec. Medián je tedy hodnota, které nabývá 153. člen souboru seřazeného od nejmenšího po největší. Medián Medián je vhodné stanovit za střední hodnotu místo aritmetického průměru v tom případě, když jsou hodnoty souboru výrazně odlišné. Například zjišťujeme-li průměrnou výši měsíčního platu ve vedení společnosti, kde generální ředitel je ohodnocen několikanásobně vyšším platem ve srovnání se všemi ostatními, kteří naopak vůči sobě dostávají platy podobné
16 Charakteristiky variability Za předpokladu, že charakteristiku polohy chápeme jako číselnou hodnotu, okolo které hodnoty znaku kolísají, pak velikost tohoto kolísání vyjadřují právě charakteristiky variability. Je-li charakteristikou polohy aritmetický průměr, za charakteristiku variability zpravidla volíme rozptyl. Rozptyl Rozptyl, někdy nazýván též variance, se značí resp. var X. Je definovaný jako průměr druhých mocnin odchylek od aritmetického průměru. Proto někdy hovoříme o rozptylu jako o charakteristice měřítka. Vzorec pro něj zní: Při uspořádání údajů do tabulky rozdělení četností používáme váženou formu rozptylu: Pro ruční počítání používáme spíše tvar, který získáme provedením naznačeného umocnění dvojčlenu: Resp. při počítání s četnostmi:
17 Příklad 7: Využitím upraveného vzorce pro ruční výpočet rozptylu vypočítáme rozptyl z hodnot v příkladu č. 1. Vlastnosti rozptylu Při výpočtu rozptylu využíváme jeho následující vlastnosti: je vždy nezáporný je-li vypočítán z konstantních hodnot znaku, pak je roven 0 přičteme-li k jednotlivým hodnotám znaku konstantu (tj. změna o aditivní konstantu), rozptyl se nezmění: násobíme-li jednotlivé hodnoty znaku konstantou (tj. multiplikativní konstanta), pak je rozptyl násoben čtvercem této konstanty: Známe-li rozptyly dílčích souborů s dílčími průměry a rozsahy, celkový rozptyl je součtem dvou složek popisujících variabilitu uvnitř dílčích souborů a mezi dílčími soubory. velikosti variability uvnitř souborů je vnitroskupinová variabilita, velikosti variability dílčích souborů kolem společného průměru je rovna meziskupinové variabilitě
18 Platí tedy: Příklad 8: Jak se změní rozptyl ze zadaných hodnot v příkladu č. 1, přičteme-li ke všem hodnotám jednotek statistického souboru hodnotu 10 obdobně jako u příkladu č. 2, tedy navýšíme-li všem měřeným osobám výšku o 10cm? Zadání vypočítám obecně, abych dokázal vlastnost rozptylu při změně hodnot, které jej definují, o tzv. aditivní konstantu. Po umocnění se hodnoty a navzájem vyruší a získáme základní vzorec pro výpočet rozptylu. Přičtení libovolné hodnoty k hodnotám jednotek souboru se tedy na hodnotě rozptylu neodrazí a jeho hodnota zůstane rovna
19 Příklad 9: Jak se změní rozptyl ze zadaných hodnot v příkladu č. 1, vynásobíme-li všechny hodnoty jednotek statistického souboru hodnotou 0,9 obdobně jako u příkladu č. 3, tedy vynásobíme-li všechny výšky měřených osob hodnotou 0,9? Zvolím stejný postup jako u předešlého příkladu, tedy dokážu vlastnost rozptylu hovořící o změně o tzv. multiplikativní konstantu. Po vynásobení všech členů statistického souboru hodnotou k se tedy změní hodnota rozptylu vynásobením o k 2. Výsledný rozptyl se bude tedy rovnat k 2 násobku původního rozptylu :
20 Příklad 11: Jsou dány dva statistické soubory, první o rozsahu n 1 =120, aritmetickém průměru = 124,7 a rozptylu = 45,6 a druhá o rozsahu n 2 = 95, průměru = 65,7 a rozptylu =164,2. Vypočítejte společný rozptyl obou souborů. K vyřešení příkladu použiji znalost vlastnosti o dílčích rozptylech. Základem je výpočet vnitroskupinové variability a meziskupinové variability. Výsledný rozptyl, který označím s 2, je dán součtem obou variabilit. Nejdříve vypočítáme vnitroskupinovou variabilitu. Jde o vážený aritmetický průměr dílčích rozptylů a popisuje variabilitu uvnitř dílčích souborů. Je rovna: Pro výpočet meziskupinové variability potřebujeme prvotně stanovit celkový aritmetický průměr statistických souborů, který zjistíme pomocí probrané znalosti o váženém průměru. Ten použijeme z důvodu rozdílného rozsahu souborů, a tedy i rozdílných vah. Meziskupinová variabilita je rozptylem dílčích průměrů kolem celkového průměru a popisuje variabilitu mezi aritmetickými průměry dílčích souborů: Celkový rozptyl dvou statistických souborů je tedy roven hodnotě 106,
21 Směrodatná odchylka Směrodatná odchylka je druhou odmocninou z rozptylu: Na rozdíl od rozptylu má směrodatná odchylka tu výhodu, že charakterizuje variabilitu znaku ve stejných jednotkách měření jako jsou udány hodnoty znaku, zatímco rozptyl je vyjádřen v druhých mocninách těchto jednotek. Chceme-li charakterizovat variabilitu znaku bezrozměrným číslem, použijeme variační koeficient. Příklad 8: Vypočítejte směrodatnou odchylku ze zadaných hodnot příkladu č. 1. Pokud známe rozptyl hodnot z příkladu č. 1, směrodatnou odchylku získáme odmocněním tohoto rozptylu. Platí tedy:
22 Variační koeficient Variační koeficient je podílem směrodatné odchylky a aritmetického průměru: Jedná se tedy o relativní míru variability. Má smysl tehdy, nabývá-li znak pouze nezáporných hodnot. Výsledek uvádíme v procentech. Příklad 9: Určete směrodatnou odchylku ze zadání příkladu č. 1 a vyjádřete ji v procentech. Variační koeficient je užitečnou mírou relativního rozptýlení dat, často se používá při statistické kontrole kvality laboratorních testů
23 Příklad 10: Mějme statistický soubor středoškolské třídy o rozsahu 24 studentů. Podle následující tabulky statisticky zpracujte kvantitativní znak vzdálenost bydliště studentů od školní budovy, který je uveden v kilometrech. Zpracujte s přesností na stovky metrů. Martina Michaela Kateřina Ondřej Mirek Dan Josef Bára Josefína Marek Tomáš Iveta 0,5 2,4 6 1,2 0,9 0,9 3,5 8,1 19,4 2,4 0,9 1,1 Klára Aneta Magdaléna Jitka Petra Petr Kristýna Otakar Štěpán Jakub Hynek Jan 0,2 2,7 0,9 14,4 32,8 3,4 2,2 7 4,1 4,2 3,9 0,2 Nejdříve ze všeho si seřadím hodnoty znaku od nejmenší po největší. Získám tabulku: Jan Klára Martina Magdaléna Mirek Tomáš Dan Iveta Ondřej Kristýna Michaela Marek 0,2 0,2 0,5 0,9 0,9 0,9 0,9 1,1 1,2 2,2 2,4 2,4 Aneta Petr Josef Hynek Štěpán Jakub Kateřina Otakar Bára Jitka Josefína Petra 2,7 3,4 3,5 3,9 4,1 4, ,1 14,4 19,4 32,8 Kdybychom chtěli hodnoty rozdělit do počtu skupin daným Sturgesovým pravidlem, vznikne nám 6 skupin o přibližné délce intervalu skupiny: Protože by nám ale vznikla jak 1 skupina s vysokým počtem obsažených znaků, tak i skupiny prázdné, použití Sturgesova pravidla by správně nevystihlo regresi počtu docházejících studentů s narůstajícími kilometry
24 Z tohoto důvodu pro rozdělení souboru do tříd použijeme jiné pravidlo, kde počet tříd k se stanoví podle přibližného vzorce, kde ( představuje člen o nejvyšší a o nejnižší hodnotě) a délka intervalu d je rovna od 0,08R do 0,12R. Získáme tak 11 tříd o délce intervalu d=3. Vzdálenost Méně než 3 3 až 6km 6 až 9km 9 až 12km 12 až 15km 15 až 18km 18 až 21km 21 až 24km 25 až 27km 27 až 30km Více než 30 Četnost Graf četnosti studentů v závislosti na jejich vzdálenosti bydliště od školy Z grafu lze vyčíst, že naprostá většina studentů bydlí ve vzdálenosti do 6km od školy a může tedy docházet pěšky a šetřit životní prostředí. Průměrná hodnota vzdáleností je dána aritmetickým průměrem hodnot, tedy: Modus je zde roven 0,9 km a Median = 2,55 km
25 Rozptyl Směrodatná odchylka Variační koeficient Tak vysoký variační koeficient poukazuje na nesourodost statistického souboru, která je zřetelná již z grafu třídních četností a rozdílu mezi aritmetickým průměrem a mediánem. Znamená to tedy, že se některá hodnota enormně vychyluje z hodnot běžných nebo je statistický soubor příliš malý
26 Závěr S výběrem tématu seminární práce jsem spokojen. Mohu říct, že splnila svůj předpoklad a já si osvojil použití statistických pojmů a poznal jejich vzájemnou souvislost. Vybrané zdroje hodnotím pro mé účely jako zcela vhodné. Nejsou příliš složité na pochopení a navzájem se doplňují. Kdybych psal práci znovu, nezměnil bych asi nic jiného než samotné příklady, které bych se snažil čerpat z učebnic, abych měl kontrolu nad jejich výsledky. Nejtěžší na práci totiž bylo nekonečné přepočítávání výsledků a kontrola chyb. Věřím, že v práci žádné nezůstaly a doufám, že práce najde své využití
27 Zdroje Primární zdroje: Stephen M. Stigler - The history of statistics: the measurement of uncertainty before 1900 R. Potocký a kolektiv Zbierka úloh z pravdepodobnosti a matematickej štatistiky Karel Zvára a Josef Štěpán Pravděpodobnost a matematická statistika Emil Calda a Václav Dupač Matematika pro gymnázia - Kombinatorika, pravděpodobnost, statistika Hana Řezanková, Luboš Marek, Michal Vrabec - Interaktivní učebnice statistiky Sekundární zdroje: Jaroslav Michálek Pravděpodobnost a statistika
KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA. Charakteristiky variability. Mgr. Jakub Němec. VY_32_INOVACE_M4r0120
KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Charakteristiky variability Mgr. Jakub Němec VY_32_INOVACE_M4r0120 CHARAKTERISTIKY VARIABILITY Charakteristika variability se určuje pouze u kvantitativních znaků.
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
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
VíceStatistika 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
VíceSemestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2
Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality
VícePan Novák si vždy kupuje boty o velikosti 8,5 a každý den stráví
Číselné obory Seznamte se s jistým panem Novákem z Prahy. Je mu 48 let, má 2 děti a bydlí v domě s číslem popisným 157. Vidíte, že základní informace o panu Novákovi můžeme sdělit pomocí několika čísel,
VíceRegresní a korelační analýza
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Regresní analýza Cíl regresní analýzy: stanovení formy (trendu, tvaru, průběhu)
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
VíceČíselné charakteristiky a jejich výpočet
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky
VícePopisná statistika. Statistika pro sociology
Popisná statistika Jitka Kühnová Statistika pro sociology 24. září 2014 Jitka Kühnová (GSTAT) Popisná statistika 24. září 2014 1 / 31 Outline 1 Základní pojmy 2 Typy statistických dat 3 Výběrové charakteristiky
VíceMINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (13 15 hodin týdně celkem)
MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (13 15 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14.června
VíceDistribuční funkce je funkcí neklesající, tj. pro všechna
Téma: Náhodná veličina, distribuční funkce a její graf, pravděpodobnostní funkce a její graf, funkce hustoty pravděpodobnosti a její graf, výpočet střední hodnoty a rozptylu náhodné veličiny 1 Náhodná
VíceOrganizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?
Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/
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
VícePřednáška 5. Výběrová šetření, Exploratorní analýza
Přednáška 5 Výběrová šetření, Exploratorní analýza Pravděpodobnost vs. statistika Výběrová šetření aneb jak získat výběrový soubor Exploratorní statistika aneb jak popsat výběrový soubor Typy proměnných
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
VíceKOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky
KOMPLEXNÍ ČÍSLA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceZákladní statistické charakteristiky
Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické
VíceDodatek č. 3 ke školnímu vzdělávacímu programu. Strojírenství. (platné znění k 1. 9. 2009)
Střední průmyslová škola Jihlava tř. Legionářů 1572/3, Jihlava Dodatek č. 3 ke školnímu vzdělávacímu programu Strojírenství (platné znění k 1. 9. 09) Tento dodatek nabývá platnosti dne 1. 9. 13 (počínaje
VíceMatice se v některých publikacích uvádějí v hranatých závorkách, v jiných v kulatých závorkách. My se budeme držet zápisu s kulatými závorkami.
Maticové operace Definice Skalár Představme si nějakou množinu, jejíž prvky lze sčítat a násobit. Pěkným vzorem jsou čísla, která už známe od mala. Prvky takové množiny nazýváme skaláry. Matice Matice
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
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
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí
VíceJiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou
VíceStatistika. Počet přestupků. 1 2 3 4 5 6 7 8 9 10 11 12 počet odebraných bodů za jeden přestupek. Statistický soubor 1
Statistika Statistický soubor 1 Při měření výšky u žáků jedné třídy byly zjištěny tyto údaje (v cm): 1,176,17,176,17,17,176,17,17,17. a) Objasněte základní pojmy (stat. soubor, rozsah souboru, stat. jednotka,
VíceANALÝZA DAT V R 2. POPISNÉ STATISTIKY. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 2. POPISNÉ STATISTIKY Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz CO SE SKRÝVÁ V DATECH data sbíráme proto, abychom porozuměli
VíceP ř e d m ě t : M A T E M A T I K A
04-ŠVP-Matematika-P,S,T,K strana 1 (celkem 11) 1. 9. 2014 P ř e d m ě t : M A T E M A T I K A Charakteristika předmětu: Matematika vytváří postupným osvojováním matematických pojmů, útvarů, algoritmů a
VíceKód uchazeče ID:... Varianta: 14
Fakulta informačních technologií ČVUT v Praze Přijímací zkouška z matematiky 2013 Kód uchazeče ID:.................. Varianta: 14 1. V lednu byla zaměstnancům zvýšena mzda o 16 % prosincové mzdy. Následně
VíceStatistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
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
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)
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
VíceTEMATICKÝ PLÁN VÝUKY
TEMATICKÝ PLÁN VÝUKY Studijní obor: 23-41 - M/1 Strojírenství Zaměření: Předmět: Matematika Ročník: 4. Počet hodin týdně: 4 Počet hodin celkem: Tento plán vychází z rámcového vzdělávacího programu pro
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
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
VíceVŠB Technická univerzita Ostrava
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Domácí úkoly Zadání 21 DATUM ODEVZDÁNÍ
Více(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada
(Auto)korelační funkce 1 Náhodné procesy Korelace mezi náhodnými proměnnými má široké uplatnění v elektrotechnické praxi, kde se snažíme o porovnávání dvou signálů, které by měly být stejné. Příkladem
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
VícePythagorova věta Pythagorova věta slovní úlohy. Mocniny s přirozeným mocnitelem mocniny s přirozeným mocnitelem operace s mocninami
Vyučovací předmět: Matematika Ročník: 8. Vzdělávací obsah Očekávané výstupy z RVP ZV Školní výstupy Učivo užívá různé způsoby kvantitativního vyjádření vztahu celek část (procentem) řeší aplikační úlohy
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
VíceNěkteré zákony rozdělení pravděpodobnosti. 1. Binomické rozdělení
Přednáška 5/1 Některé zákony rozdělení pravděpodobnosti 1. Binomické rozdělení Předpoklady: (a) pst výskytu jevu A v jediném pokuse P (A) = π, (b) je uskutečněno n pokusů, (c) pokusy jsou nezávislé, tj.
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
VíceMATEMATIKA Charakteristika vyučovacího předmětu 2. stupeň
MATEMATIKA Charakteristika vyučovacího předmětu 2. stupeň Obsahové, časové a organizační vymezení Předmět Matematika se vyučuje jako samostatný předmět v 6. až 8. ročníku 4 hodiny týdně, v 9. ročníku 3
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,
VíceVZDĚLÁVACÍ OBLAST: MATEMATIKA A JEJÍ APLIKACE VZDĚLÁVACÍ OBOR: MATEMATIKA A JEJÍ APLIKACE PŘEDMĚT: MATEMATIKA 8
VZDĚLÁVACÍ OBLAST: MATEMATIKA A JEJÍ APLIKACE VZDĚLÁVACÍ OBOR: MATEMATIKA A JEJÍ APLIKACE PŘEDMĚT: MATEMATIKA 8 Poznámky Opakování-číselné obory N, Z Opakování-číselné obory Q Opakování-jednotky Opakování-poměr,
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 1: Opakování ze statistiky LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Z čeho studovat 1) Z KNIHY Krkošková,
VíceUNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE
UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE Testy dobré shody Vedoucí diplomové práce: RNDr. PhDr. Ivo
VícePythagorova věta Pythagorova věta slovní úlohy
Vyučovací předmět: Matematika Ročník: 8. Vzdělávací obsah Očekávané výstupy z RVP ZV Školní výstupy Učivo provádí početní operace v oboru celých a racionálních čísel, užívá ve výpočtech druhou mocninu
VíceMendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií
Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií STATISTIKA pro TZP Modul : Pravděpodobnost a náhodné veličiny Prof
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
VíceZákladní škola Moravský Beroun, okres Olomouc
Charakteristika vyučovacího předmětu matematika Vyučovací předmět má časovou dotaci čtyři hodiny týdně v prvním ročníku, pět hodin týdně ve druhém až pátém ročníku, pět hodin týdně v šestém ročníku a čtyři
VícePravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n
Více4ST201 STATISTIKA CVIČENÍ Č. 8
4ST201 STATISTIKA CVIČENÍ Č. 8 analýza závislostí kontingenční tabulky test závislosti v kontingenční tabulce analýza rozptylu regresní analýza lineární regrese Analýza závislostí Budeme ověřovat existenci
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceÚloha č. 1 Rozměry fotografie jsou a = 12 cm a b = 9 cm. Fotografii zvětšíme v poměru 5 : 3. Určete rozměry zvětšené fotografie.
Slovní úlohy - řešené úlohy Úměra, poměr Úloha č. 1 Rozměry fotografie jsou a = 12 cm a b = 9 cm. Fotografii zvětšíme v poměru 5 : 3. Určete rozměry zvětšené fotografie. Každý rozměr zvětšíme tak, že jeho
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
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
VícePracovní list č. 3 Charakteristiky variability
1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte
VíceUKAZATELÉ VARIABILITY
UKAZATELÉ VARIABILITY VÝZNAM Porovnejte známky dvou studentek ze stejného předmětu: Studentka A: Studentka B: Oba soubory mají stejný rozsah hodnoty, ale liší se známky studentky A jsou vyrovnanější, jsou
VíceAdriana Vacíková. Adriana Vacíková. Adriana Vacíková. Adriana Vacíková. Adriana Vacíková. Adriana Vacíková. Adriana Vacíková
VY_42_INOVACE_MA1_01-36 Název školy Základní škola Benešov, Jiráskova 888 Číslo projektu CZ.1.07/1.4.00/21.1278 Název projektu Pojďte s námi Číslo a název šablony klíčové aktivity IV/2 Inovace a zkvalitnění
VícePožadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků
Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy
VícePopisná statistika. Jaroslav MAREK. Univerzita Palackého
Popisná statistika Jaroslav MAREK Univerzita Palackého Přírodovědecká fakulta Katedra matematické analýzy a aplikací matematiky Tomkova 40, 779 00 Olomouc Hejčín tel. 585634606 marek@inf.upol.cz pondělí
VíceAlgebraické výrazy - řešené úlohy
Algebraické výrazy - řešené úlohy Úloha č. 1 Určete jeho hodnotu pro =. Určete, pro kterou hodnotu proměnné je výraz roven nule. Za proměnnou dosadíme: = a vypočteme hodnotu výrazu. Nejprve zapíšeme rovnost,
VícePrognóza poruchovosti vodovodních řadů pomocí aplikace Poissonova rozdělení náhodné veličiny
Prognóza poruchovosti vodovodních řadů pomocí aplikace Poissonova rozdělení náhodné veličiny Ing. Jana Šenkapoulová VODÁRENSKÁ AKCIOVÁ SPOLEČNOST, a.s. Brno, Soběšická 156, 638 1 Brno ÚVOD Každé rekonstrukci
Více4.3.8 Vzorce pro součet goniometrických funkcí. π π. π π π π. π π. π π. Předpoklady: 4306
..8 Vzorce pro součet goniometrických funkcí Předpoklady: 06 Vzorce pro součet goniometrických funkcí: sin + sin y = sin cos sin sin y = cos sin cos + cos y = cos cos cos cos y = sin sin Na první pohled
VíceMATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)
MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo
VíceBiostatistika a matematické metody epidemiologie- stručné studijní texty
Biostatistika a matematické metody epidemiologie- stručné studijní texty Bohumír Procházka, SZÚ Praha 1 Co můžeme sledovat Pro charakteristiku nebo vlastnost, kterou chceme sledovat zvolíme termín jev.
VíceStatistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability
I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry
VíceUrčete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.
3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její
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,
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.
VíceTrojčlenka přímá úměra. Trojčlenka přímá úměra. Trojčlenka nepřímá úměra. Trojčlenka nepřímá úměra. Matematická vsuvka I.
Matematická vsuvka I. trojčlenka Trojčlenka přímá úměra Pokud platí, že čím více tím více, jedná se o přímou úměru. Čím více kopáčů bude kopat, tím více toho vykopají. Čím déle necháme čerpadlo čerpat,
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
VíceZáklady statistiky pro obor Kadeřník
Variace 1 Základy statistiky pro obor Kadeřník Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz 1. Aritmetický průměr
VíceDrsná matematika IV 7. přednáška Jak na statistiku?
Drsná matematika IV 7. přednáška Jak na statistiku? Jan Slovák Masarykova univerzita Fakulta informatiky 2. 4. 2012 Obsah přednášky 1 Literatura 2 Co je statistika? 3 Popisná statistika Míry polohy statistických
VíceA0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly
Matice Matice typu (m, n) je uspořádaná m-tice prvků z řádky matice.. Jednotlivé složky této m-tice nazýváme Matice se zapisují Speciální typy matic Nulová matice všechny prvky matice jsou nulové Jednotková
VíceUčební plán 4. letého studia předmětu matematiky. Učební plán 6. letého studia předmětu matematiky
Učební plán 4. letého studia předmětu matematiky Ročník I II III IV Dotace 3 3+1 2+1 2+2 Povinnost povinný povinný povinný povinný Učební plán 6. letého studia předmětu matematiky Ročník 1 2 3 4 5 6 Dotace
VíceFinanční. matematika pro každého. f inance. 8. rozšířené vydání. věcné a matematické vysvětlení základních finančních pojmů
Finanční matematika pro každého 8. rozšířené vydání J. Radová, P. Dvořák, J. Málek věcné a matematické vysvětlení základních finančních pojmů metody pro praktické rozhodování soukromých osob i podnikatelů
VíceCvičení ze statistiky. Filip Děchtěrenko ZS 2012/2013
Cvičení ze statistiky Filip Děchtěrenko ZS 2012/2013 Cvičení ze statistiky Pondělí 16:40, C328 http://www.ms.mff.cuni.cz/~dechf7am Praktické zaměření Proč potřebuji statistiku, když chci dělat (doplň)?
VíceGymnázium Jiřího Ortena, Kutná Hora
Předmět: Náplň: Cvičení z matematiky geometrie (CZMg) Systematizace a prohloubení učiva matematiky Planimetrie, Stereometrie, Analytická geometrie, Kombinatorika, Pravděpodobnost a statistika Třída: 4.
VíceMATEMATIKA 1 4 A B C D. didaktický test. Zadání neotvírejte, počkejte na pokyn! Krok za krokem k nové maturitě Maturita nanečisto 2006
Krok za krokem k nové maturitě Maturita nanečisto 2006 MA1ACZMZ06DT MATEMATIKA 1 didaktický test Testový sešit obsahuje 18 úloh. Na řešení úloh máte 90 minut. Úlohy řešte v testovém sešitu. Odpovědi pište
VíceZlatý řez nejen v matematice
Zlatý řez nejen v matematice Zlaté číslo a jeho vlastnosti In: Vlasta Chmelíková author): Zlatý řez nejen v matematice Czech) Praha: Katedra didaktiky matematiky MFF UK, 009 pp 7 Persistent URL: http://dmlcz/dmlcz/40079
VíceSkalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )
LINEÁRNÍ ALGEBRA Úvod vektor Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) Kartézský souřadnicový systém -je taková soustava
VíceTen objekt (veličina), který se může svobodně měnit se nazývá nezávislý.
@001 1. Základní pojmy Funkce funkční? Oč jde? Třeba: jak moc se oblečeme, závisí na venkovní teplotě, jak moc se oblečeme, závisí na našem mládí (stáří) jak jsme staří, závisí na čase jak moc zaplatíme
VíceKvadratická rovnice. - koeficienty a, b, c jsou libovolná reálná čísla, a se nesmí rovnat 0
Kvadratické rovnice Kvadratická rovnice a + b + c = 0 a, b, c R a 0 - koeficienty a, b, c jsou libovolná reálná čísla, a se nesmí rovnat 0 - pokud by koeficient a byl roven nule, jednalo by se o rovnici
VícePožadavky k opravným zkouškám z matematiky školní rok 2013-2014
Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,
VíceVŠB Technická univerzita Ostrava BIOSTATISTIKA
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Zadání 11 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1: DOMÁCÍ ÚKOL
Více1.3. Cíle vzdělávání v oblasti citů, postojů, hodnot a preferencí
1. Pojetí vyučovacího předmětu 1.1. Obecný cíl vyučovacího předmětu Základním cílem předmětu Matematický seminář je navázat na získané znalosti a dovednosti v matematickém vzdělávání a co nejefektivněji
Více8. ročník - školní kolo
PVTHAGORIÁDA 2012/2013 8. ročník - školní kolo ZADÁNí 1) Které číslo nepatří mezi ostatní? 225; 168; 144; 289; 324; 196; 121; 361 2) Tyč byla rozříznuta na poloviny, poté jednu část dále rozřízli na dva
VíceVYSOK A ˇ SKOLA POLYTECHNICK A JIHLAVA Katedra matematiky Statistick a anal yza a ˇ casov e ˇ rady v pˇ r ıkladech Stanislava Dvoˇ r akov a 2015
VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra matematiky Statistická analýza a časové řady v příkladech Stanislava Dvořáková 2015 Stanislava Dvořáková STATISTICKÁ ANALÝZA A ČASOVÉ ŘADY V PŘÍKLADECH 1. vydání
VíceJak pracovat s absolutními hodnotami
Jak pracovat s absolutními hodnotami Petr Matyáš 1 Co to je absolutní hodnota Absolutní hodnota čísla a, dále ji budeme označovat výrazem a, je jeho vzdálenost od nuly na ose x, tedy je to vždy číslo kladné.
VíceZákladní statistické pojmy
POPISNÁ STATISTIKA Základní statistické pojmy Jev hromadný Hromadná pozorování výsledek hromadný jev soustředění se na určitou vlastnost(i) ukáže po více pokusech Zjistit souvislosti v prostoru a čase
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
VíceMgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu
Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech
VíceTeoretická rozdělení
Teoretická rozdělení Diskrétní rozdělení Obsah kapitoly Studijní cíle Doba potřebná ke studiu Pojmy k zapamatování Úvod Některá teoretická rozdělení diskrétních veličin: Alternativní rozdělení Binomické
VícePřijímačky nanečisto - 2011
Přijímačky nanečisto - 2011 1. Vypočtěte: 0,5 2 + (-0,5) 2 (- 0,1) 3 = a) 0,001 b) 0,51 c) 0,499 d) 0,501 2. Vypočtěte: a) 0,4 b) - 0,08 c) 2 3 d) 2 3. Určete číslo s tímto rozvinutým zápisem v desítkové
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
VíceSYLABUS PŘEDNÁŠKY 6a Z INŽENÝRSKÉ GEODÉZIE (Polohové vytyčovací sítě) 4. ročník bakalářského studia studijní program G studijní obor G
SYLABUS PŘEDNÁŠKY 6a Z INŽENÝRSKÉ GEODÉZIE (Polohové vytyčovací sítě) 4. ročník bakalářského studia studijní program G studijní obor G říjen 2014 1 7. POLOHOVÉ VYTYČOVACÍ SÍTĚ Vytyčení je součástí realizace
VíceZáklady popisné statistiky
Základy popisné statistiky V této kapitole se seznámíme se základy popisné statistiky, představíme si základní pojmy a budeme si je ilustrovat na praktických příkladech. Kapitola je psána formou volného
Více