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

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

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

Transkript

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

2 CHARAKTERISTIKY VARIABILITY Charakteristika variability se určuje pouze u kvantitativních znaků. Mimo četnost a charakteristiky polohy, které jsme si představovali v minulých lekcích, existují ještě tzv. charakteristiky variability, které jsou v podstatě založeny na vlastnostech charakteristik polohy. Charakteristiky variability nám říkají, jaké hodnoty kolem charakteristik polohy kolísají např. chodí v průměru o pět minut pozdě (charakteristika polohy), + dvě minuty (charakteristika variability).

3 ROZPTYL Základní charakteristikou variability je tzv. rozptyl, značíme s 2 x. Má podobnou funkci jako aritmetický průměr pro charakteristiky polohy. Jejich kombinací hodnotíme vlastnosti většiny statistických souborů. Rozptyl nám přibližuje, jak jsou velké odchylky hodnot souboru od aritmetického průměru. Čím větší hodnotu dostaneme, tím je rozptyl souboru větší. Pokud je hodnota rozptylu nula, mají všechny prvky statistického souboru stejnou hodnotu, rozptyl je tedy nulový. Vztah pro výpočet rozptylu je následující, kde n je počet prvků, kde x prvek souboru a kde x aritmetický průměr: s x 2 = 1 n n i=1 x i x 2 = x 1 x 2 + x 2 x x n x 2 n Podobně jako u aritmetického průměru jej lze zjednodušit: s x 2 = x 1 x 2 k 1 + x 2 x 2 k x r x 2 k r n kde k 1 + k k r = n a r N odpovídá počtu různých prvků.

4 SMĚRODATNÁ ODCHYLKA Směrodatnou odchylku, značíme s x, využijeme v případech, kdy charakterizujeme soubor, v němž se hodnoty měří pomocí fyzikálních veličin. Hodnota rozptylu je totiž v druhých mocninách jednotek, což je pro soubory tohoto typu nevhodné. Díky této hodnotě zjistíme, o kolik jsme se při jednotlivých měřeních průměrně odchýlili, tedy zhodnotí nepřesnost měření. Úpravou vzorce pro rozptyl získáme vztah pro směrodatnou odchylku, kde n je počet prvků, kde x prvek souboru a kde x aritmetický průměr: s x = 1 n x n i=1 i x 2 = x 1 x 2 + x 2 x x n x 2 n Po úpravě: s x = x 1 x 2 k 1 + x 2 x 2 k x r x 2 k r n

5 VARIAČNÍ KOEFICIENT Pokud chceme zjistit přesnost, resp. nepřesnost měření určitého pokusu, je vhodné využít směrodatnou odchylku. Pokud chceme tuto odchylku vyjádřit pomocí procent, je vhodné využít variační koeficient, značíme v x. Znaky souboru, na nějž chceme aplikovat variační koeficient, musí mít nezáporné hodnoty. Vztah pro variační koeficient, kde s x je směrodatná odchylka a kde x je aritmetický průměr: v x = s x x 100%

6 Petr měřil ve stejných intervalech pokojovou teplotu. Během hodiny naměřil tyto hodnoty: 21,3 C, 22,1 C, 21,7 C, 21,9 C, 22 C, 21,5 C, 22,1 C, 21,9 C, 22,3 C a 21,6 C. Urči přesnost jeho měření pomocí směrodatné odchylky a variačního koeficientu. Teplota v C 21,3 21,5 21,6 21,7 21, ,1 22,3 Počet ,3 + 21,5 + 21,6 + 21, , ,1 + 22,3 x = 10 x = 218,4 = 21, s x 2 = s x 2 = 21,3 21, ,5 21, ,6 21, ,7 21, ,9 21, , ,1 21, ,3 21, , , , , , , , , = 0, = 0, 0864 = = Nejprve si určíme tabulku absolutní četnosti. Určíme si aritmetický průměr. Poté aplikujeme vzorec pro výpočet rozptylu. Výsledek použijeme pro zjištění směrodatné odchylky. Hodnotu směrodatné odchylky a aritmetického průměru využijeme pro zjištění variačního koeficientu. s x = 0,0864 = 0, v x = 0, ,84 100% = 1, 35%

7 MEZIKVARTILOVÁ ODCHYLKA Mezikvartilová odchylka, značíme Q x, pohlíží na statistický soubor jinou optikou, podobně jako u charakteristik polohy modus a medián. Její využití záleží na zkušenosti statistika, který určí postup analýzy souboru. Využívá se především v případech, kdy je soubor ovlivněn jednou extrémní hodnotou. Pro zjištění hodnoty mezikvartilové odchylky je potřeba znát tzv. první (Q 1 )a třetí (Q 3 ) kvartil, které získáme tak, že po seřazení prvků podle velikosti, určíme čtvrtinové hodnoty (podobně jako u mediánu hodnotu v polovině). Přesněji je Q 1 mediánem první poloviny souboru, tedy z hodnot x 1 x 2 Med(x), a Q 3 je mediánem druhé poloviny souboru, tedy z hodnot Med x x n 1 x n. Mezikvartilová odchylka je poté určena vztahem: Q x = 1 2 Q 3 Q 1

8 Petr prováděl měření podobně jako v předchozím příkladu. Během hodiny naměřil tyto hodnoty: 21,3 C, 22,1 C, 18 C, 21,9 C, 21,9 C, 21,7 C, 22,1 C, 21,9 C, 22,1 C a 21,9 C. Nechce se mu kvůli jedné nepřesnosti měření opakovat. Pokuste se pomocí mezikvartilové odchylky určit nepřesnost jeho měření. Teplota v C 18 21,3 21,7 21,9 22,1 Počet Med x = x 5 + x 6 2 = 21,9 + 21,9 2 = 21,9 Sestavíme tabulku absolutní četnosti. Určíme medián souboru (je nutné vědět, zda bude tvořen dvěma prvky, nebo pouze jedním). Určíme hodnotu prvního a třetího kvartilu. Zjistíme mezikvartilovou odchylku ,3 21,7 21,9 Med(x) 21,9 22,1 22,1 22,1 Q 1 = x 3 = 21,7 Q 3 = x 8 = 22,1 Q x = Q 3 + Q 1 2 = 22,1 21,7 2 = 0,4 2 = 0, 2

9 ÚKOL ZÁVĚREM 1) Na mistrovství světa ve sportovní střelbě byly jednomu závodníkovi naměřeny tyto hodnoty: 9,7; 9,9; 9,8; 9,4; 9,7; 9,8; 9,5; 9,9; 9,5 a 9,8. Určete jeho průměrné skórování. Určete odchylku jeho průměrného výsledku od reálného skórování (pomocí hodnoty i pomocí procent). 2) Filip se rozhodl udělat průzkum průměrného platu ve své práci a zjistil tyto částky (v Kč): třikrát 15250, osmkrát 17380, šestkrát 18190, pětkrát a jednou Poté si uvědomil, že se mimo dělníky zeptal na plat jednoho manažera, ale nechtěl data falšovat. Vhodným způsobem určete průměrný plat dělníka a jaká je jeho odchylka od platu dělníků.

10 ZDROJE Literatura: Calda, Emil; DUPAČ, Václav. Matematika pro gymnázia: Kombinatorika, pravděpodobnost, statistika. Dotisk 4. vydání. Praha: Prometheus, 2003, 170 s. ISBN

Statistika - charakteristiky variability

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

Více

Matematická statistika

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

Více

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

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

Více

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

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

Více

KGG/STG Statistika pro geografy

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

Více

RNDr. Božena Rytířová. Základy měření (laboratorní práce)

RNDr. Božena Rytířová. Základy měření (laboratorní práce) Autor: Tematický celek: Učivo (téma): Stručná charakteristika: RNDr. Božena Rytířová Základy měření (laboratorní práce) Měření rozměrů tělesa posuvným a mikrometrickým měřidlem Materiál má podobu pracovního

Více

Popisná statistika. Statistika pro sociology

Popisná 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

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.0/1.5.00/4.018 Šablona III/ Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY INOVACE_Hor015 Vypracoval(a), dne Mgr.

Více

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

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

Více

Pan Novák si vždy kupuje boty o velikosti 8,5 a každý den stráví

Pan 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,

Více

23. Matematická statistika

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

Více

TEMATICKÝ PLÁN VÝUKY

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

Více

Některé zákony rozdělení pravděpodobnosti. 1. Binomické rozdělení

Některé 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.

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor017 Vypracoval(a),

Více

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

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

Více

Přednáška 5. Výběrová šetření, Exploratorní analýza

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

Více

Zápočtová práce STATISTIKA I

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

Více

OPERACE S KOMBINAČNÍMI ČÍSLY A S FAKTORIÁLY, KOMBINACE

OPERACE S KOMBINAČNÍMI ČÍSLY A S FAKTORIÁLY, KOMBINACE Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol OPERACE

Více

Číselné charakteristiky

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

Více

MINISTERSTVO 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) 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

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor016 Vypracoval(a),

Více

Popisná statistika kvantitativní veličiny

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

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

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

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

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

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

Více

Cvičení ze statistiky. Filip Děchtěrenko ZS 2012/2013

Cvičení 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)?

Více

Modely diskrétní náhodné veličiny. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.

Modely diskrétní náhodné veličiny. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Po(λ) je možné použít jako model náhodné veličiny, která nabývá hodnot 0, 1, 2,... a udává buď počet událostí,

Více

Příklad 81b. Předpokládejme, že výška chlapců ve věku 9,5 až 10 roků má normální rozdělení N(mi;sig2)

Příklad 81b. Předpokládejme, že výška chlapců ve věku 9,5 až 10 roků má normální rozdělení N(mi;sig2) Příklad 1. Za předpokladu, že výška dětí ve věku 10 let má normální rozdělení s rozptylem 38, určete pravostranný 99% interval spolehlivosti, ve kterém bude ležet neznámá střední hodnota výšky dětí, jestliže

Více

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

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

Více

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

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

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

1.1.7 Rovnoměrný pohyb I

1.1.7 Rovnoměrný pohyb I 1.1.7 Rovnoměrný pohyb I Předpoklady: 116 Kolem nás se nepohybují jenom šneci. Existuje mnoho různých druhů pohybu. Začneme od nejjednoduššího druhu pohybu rovnoměrného pohybu. Př. 1: Uveď příklady rovnoměrných

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor002 Vypracoval(a),

Více

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné

Více

VŠB Technická univerzita Ostrava

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

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Projekt Šablona CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) DUM č. VY_32_INOVACE_CH29_3_07 ŠVP Podnikání RVP 64-41-L/51

Více

LABORATORNÍ CVIČENÍ Elektrotechnika a elektronika

LABORATORNÍ CVIČENÍ Elektrotechnika a elektronika VUT FSI BRNO ÚVSSaR, ODBOR ELEKTROTECHNIKY JMÉNO: ŠKOLNÍ ROK: 2010/2011 PŘEDNÁŠKOVÁ SKUPINA: 1E/95 LABORATORNÍ CVIČENÍ Elektrotechnika a elektronika ROČNÍK: 1. KROUŽEK: 2EL SEMESTR: LETNÍ UČITEL: Ing.

Více

STEREOMETRIE. Vzájemná poloha přímky a roviny. Mgr. Jakub Němec. VY_32_INOVACE_M3r0104

STEREOMETRIE. Vzájemná poloha přímky a roviny. Mgr. Jakub Němec. VY_32_INOVACE_M3r0104 STEREOMETRIE Vzájemná poloha přímky a roviny Mgr. Jakub Němec VY_32_INOVACE_M3r0104 VZÁJEMNÁ POLOHA PŘÍMKY A ROVINY Podobně jako v předchozí lekci bude rozhodovat o vzájemné poloze jednorozměrného a dvourozměrného

Více

Kvadratická rovnice. - koeficienty a, b, c jsou libovolná reálná čísla, a se nesmí rovnat 0

Kvadratická 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

Více

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a rozdělení pravděpodobnosti 3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro

Více

Dodatek č. 3 ke školnímu vzdělávacímu programu. Strojírenství. (platné znění k 1. 9. 2009)

Dodatek 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

Více

České vysoké učení technické v Praze Fakulta dopravní Ústav aplikované matematiky, K611. Semestrální práce ze Statistiky (SIS)

České vysoké učení technické v Praze Fakulta dopravní Ústav aplikované matematiky, K611. Semestrální práce ze Statistiky (SIS) České vysoké učení technické v Praze Fakulta dopravní Ústav aplikované matematiky, K611 Semestrální práce ze Statistiky (SIS) Petr Procházka, Jakub Feninec Skupina: 97 Akademický rok: 01/013 Úvod V naší

Více

FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE

FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE Datum měření: 0520 Jméno: Jakub Kákona Pracovní skupina: 4 Ročník a kroužek: Pa 9:30 Spolupracovníci: Jana Navrátilová Hodnocení: Geometrická optika - Ohniskové vzdálenosti

Více

Biostatistika a matematické metody epidemiologie- stručné studijní texty

Biostatistika 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.

Více

Škola: Střední škola obchodní, České Budějovice, Husova 9 Projekt MŠMT ČR: EU PENÍZE ŠKOLÁM

Škola: Střední škola obchodní, České Budějovice, Husova 9 Projekt MŠMT ČR: EU PENÍZE ŠKOLÁM Škola: Střední škola obchodní, České Budějovice, Husova 9 Projekt MŠMT ČR: EU PENÍZE ŠKOLÁM Číslo projektu: Název projektu školy: Šablona III/2: CZ.1.07/1.5.00/34.0536 Výuka s ICT na SŠ obchodní České

Více

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

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

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

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

Více

Regresní a korelační analýza

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

Více

Minimální hodnota. Tabulka 11

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

Více

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

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

Více

Distribuční funkce je funkcí neklesající, tj. pro všechna

Distribuční 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

Více

Biostatistika Cvičení 7

Biostatistika Cvičení 7 TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,

Více

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

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

Více

Pomůcka pro cvičení: 3. semestr Bc studia

Pomůcka pro cvičení: 3. semestr Bc studia Pomůcka pro cvičení: 3. semestr Bc studia Statistika Základní pojmy balíček: Statistics Pro veškeré výpočty je třeba načíst balíček Statistic. Při řešení můžeme použít proceduru infolevel[statistics]:=1,

Více

S T A T I S T I K A. Jan Melichar Josef Svoboda. U n iverzita Jan a Evangelist y P u rk yn ě v Ústí nad La b em

S T A T I S T I K A. Jan Melichar Josef Svoboda. U n iverzita Jan a Evangelist y P u rk yn ě v Ústí nad La b em U n iverzita Jan a Evangelist y P u rk yn ě v Ústí nad La b em P e d a g o g i c k á f a k u l t a S T A T I S T I K A p ro studium učitelství. stupně z ák l ad ní školy Jan Melichar Josef Svoboda 0 0

Více

1. Alternativní rozdělení A(p) (Bernoulli) je diskrétní rozdělení, kdy. p(0) = P (X = 0) = 1 p, p(1) = P (X = 1) = p, 0 < p < 1.

1. Alternativní rozdělení A(p) (Bernoulli) je diskrétní rozdělení, kdy. p(0) = P (X = 0) = 1 p, p(1) = P (X = 1) = p, 0 < p < 1. 2. Některá důležitá rozdělení Diskrétní rozdělení. Alternativní rozdělení Ap) Bernoulli) je diskrétní rozdělení, kdy náhodná veličina X nabývá pouze dvou hodnot a a pro její pravděpodobnostní funkci platí:

Více

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

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

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor001 Vypracoval(a),

Více

Škola: Střední škola obchodní, České Budějovice, Husova 9 Projekt MŠMT ČR: EU PENÍZE ŠKOLÁM

Škola: Střední škola obchodní, České Budějovice, Husova 9 Projekt MŠMT ČR: EU PENÍZE ŠKOLÁM Škola: Střední škola obchodní, České Budějovice, Husova 9 Projekt MŠMT ČR: EU PENÍZE ŠKOLÁM Číslo projektu: Název projektu školy: Šablona III/2: CZ.1.07/1.5.00/34.0536 Výuka s ICT na SŠ obchodní České

Více

Sada 1 Matematika. 16. Úvod do pravděpodobnosti

Sada 1 Matematika. 16. Úvod do pravděpodobnosti S třední škola stavební Jihlava Sada 1 Matematika 16. Úvod do pravděpodobnosti Digitální učební materiál projektu: SŠS Jihlava šablony registrační číslo projektu:cz.1.09/1.5.00/34.0284 Šablona: III/2 -

Více

Analýza výsledků testu čtenářské gramotnosti v PRO23 2010/11

Analýza výsledků testu čtenářské gramotnosti v PRO23 2010/11 Analýza výsledků testu čtenářské gramotnosti v PRO23 2010/11 Zpracoval: www.scio.cz, s.r.o. (15. 2. 2012) Datové podklady: výsledky a dotazníky z PRO23, test čtenářské gramotnosti, www.scio.cz, s.r.o.

Více

Pracovní list č. 3 Charakteristiky variability

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

Více

STATISTICKÉ CHARAKTERISTIKY

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

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

Slovní úlohy řešené lineární rovnicí. pracovní list. Základní škola Zaječí, okres Břeclav Školní 402, 691 05, příspěvková organizace

Slovní úlohy řešené lineární rovnicí. pracovní list. Základní škola Zaječí, okres Břeclav Školní 402, 691 05, příspěvková organizace Slovní úlohy řešené lineární rovnicí pracovní list Název školy: Číslo projektu: Autor: Základní škola Zaječí, okres Břeclav Školní 402, 691 05, příspěvková organizace CZ.1.07/1.4.00/21.1131 Mgr. Lenka

Více

Statistika I (KMI/PSTAT)

Statistika I (KMI/PSTAT) Statistika I (KMI/PSTAT) Cvičení druhé aneb Kvantily, distribuční funkce Statistika I (KMI/PSTAT) 1 / 1 Co se dnes naučíme Po absolvování této hodiny byste měli být schopni: rozumět pojmu modus (modální

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymázium, Šterberk, Horí ám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šabloa III/2 Iovace a zkvalitěí výuky prostředictvím ICT Ozačeí materiálu VY_32_INOVACE_Hor018 Vypracoval(a), de Mgr. Radek

Více

Úvod do analýzy rozptylu

Úvod do analýzy rozptylu Úvod do analýzy rozptylu Párovým t-testem se podařilo prokázat, že úprava režimu stravování a fyzické aktivity ve vybrané škole měla vliv na zlepšené hodnoty HDLcholesterolu u školáků. Pro otestování jsme

Více

FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE

FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE Datum měření: 19.3.2011 Jméno: Jakub Kákona Pracovní skupina: 2 Hodina: Po 7:30 Spolupracovníci: Viktor Polák Hodnocení: Ohniskové vzdálenosti a vady čoček a zvětšení

Více

CZ.1.07/1.5.00/34.0378 Zefektivnění výuky prostřednictvím ICT technologií III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT

CZ.1.07/1.5.00/34.0378 Zefektivnění výuky prostřednictvím ICT technologií III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT Autor Mgr. Lenka Střelcová Tematický celek Posloupnosti Cílová skupina 3. ročník SŠ Anotace Materiál má podobu výkladového a pracovního listu s úlohami, pomocí nichž si žáci osvojí a procvičí využití geometrické

Více

pravděpodobnost, náhodný jev, počet všech výsledků

pravděpodobnost, náhodný jev, počet všech výsledků Škola: Gymnázium, Brno, Slovanské náměstí 7 Šablona: Název projektu: Číslo projektu: Autor: Tematická oblast: Název DUMu: Kód: III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT Inovace výuky na GSN

Více

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

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

Více

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

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

Více

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

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

Více

Drsná matematika IV 7. přednáška Jak na statistiku?

Drsná 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

Více

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

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

Více

Statistika pro flákače

Statistika pro flákače Statistika pro flákače Úvodem bych asi měla upozornit, ţe se tu nedovíte nic víc neţ co je v originálu statistiky pro flákače ve slovenštině, ptţ je to podstatě doslovný překlad. Přepsala sem to do češtiny

Více

Induktivní statistika. z-skóry pravděpodobnost

Induktivní statistika. z-skóry pravděpodobnost Induktivní statistika z-skóry pravděpodobnost normální rozdělení Z-skóry umožňují najít a popsat pozici každé hodnoty v rámci rozdělení hodnot a také srovnávání hodnot pocházejících z měření na rozdílných

Více

Pracovní list číslo 01

Pracovní list číslo 01 Matematika v jiných předmětech Pracovní list číslo 01 1. Ze vzorce pro výpočet kinetické energie tělesa E = mv. Při tepelné výměně mezi dvěma tělesy platí kalorimetrická rovnice: c 1 m 1 (t 1 -t) = c m

Více

METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání

METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání Jaroslav Švrček a kolektiv Rámcový vzdělávací program pro gymnázia Vzdělávací oblast: Matematika a její aplikace Tematický okruh: Práce s

Více

Robust 2010 31. ledna 5. února 2010, Králíky

Robust 2010 31. ledna 5. února 2010, Králíky Modelování rozdělení ročních příjmů českých domácností J. Bartošová 1 M. Forbelská 2 1 Katedra managementu informací Fakulta managementu v Jindřichově Hradci Vysoká škola ekonomická v Praze 2 Ústav matematiky

Více

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY

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

Více

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky

KOMPLEXNÍ 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

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Popisná statistika. Komentované řešení pomocí MS Excel

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

Více

Využití statistických metod v medicíně (teorie informace pro aplikace VaV, vícerozměrné metody, atd.)

Využití statistických metod v medicíně (teorie informace pro aplikace VaV, vícerozměrné metody, atd.) Operační program Vzdělávání pro konkurenceschopnost Masarykova univerzita Brno Využití statistických metod v medicíně (teorie informace pro aplikace VaV, vícerozměrné metody, atd.) doc. RNDr. PhMr. Karel

Více

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

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

Více

Mendelova 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 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

Více

Funkce a vzorce v Excelu

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

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor012 Vypracoval(a),

Více

Průměr je ve statistice často používaná hodnota, která se počítá jako aritmetický průměr hodnot.

Průměr je ve statistice často používaná hodnota, která se počítá jako aritmetický průměr hodnot. Průměr Průměr je ve statistice často používaná hodnota, která se počítá jako aritmetický průměr hodnot. Co je to průměr # Průměrem se rozumí klasický aritmetický průměr sledovaných hodnot. Můžeme si pro

Více

Téma je podrobně zpracováno ve skriptech [1], kapitola

Téma je podrobně zpracováno ve skriptech [1], kapitola Břetislav Fajmon, UMAT FEKT, VUT Brno Téma je podrobně zpracováno ve skriptech [1], kapitola 6. Základní aproximační úlohu lze popsat následovně: Jsou dány body [x 0, y 0 ], [x 1, y 1 ],..., [x n, y n

Více

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Jiří 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

Více

28.ročník. Milý řešiteli!

28.ročník. Milý řešiteli! 28.ročník 3.leták Milý řešiteli! Máme tady nový rok a s ním i další sérii KOperníkova Korespondenčního Semináře. Chtěli bychom Ti v tomto roce popřát jen to nejlepší, hodně vyřešených matematických úloh

Více

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada

(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

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

Kombinatorika, základní kombinatorická pravidla, pravidlo součtu, pravidlo součinu

Kombinatorika, základní kombinatorická pravidla, pravidlo součtu, pravidlo součinu Škola: Gymnázium, Brno, Slovanské náměstí 7 Šablona: Název projektu: Číslo projektu: Autor: Tematická oblast: Název DUMu: Kód: III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT Inovace výuky na GSN

Více

UKAZATELÉ VARIABILITY

UKAZATELÉ 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

Více

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

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

Více