ANALÝZA KATEGORIÁLNÍCH DAT PROBLÉM VÍCENÁSOBNÉ VOLBY V ODPOVĚDI. Julie Rendlová. Robust, Jeseníky,
|
|
- Ladislav Soukup
- před 4 lety
- Počet zobrazení:
Transkript
1 ANALÝZA KATEGORIÁLNÍCH DAT PROBLÉM VÍCENÁSOBNÉ VOLB V ODPOVĚDI Juli Rndlová Katdra matmatické analýzy a aplikací matmatiky, Přírodovědcká fakulta, Univrzita Palackého v Olomouci Robust, Jsníky,
2 Motivac Způsob hodnocní katgoriálních vličin jdn objkt v víc katgoriích (data z ČSFD) Dotazníky možnost víc odpovědí zárovň Přvládající nvhodné přístupy: Logistická rgrs zandbání korlací Analýza sumarizační tulky pouz jdna z marginálií
3 Katgoriální proměnné s vícnásobnou volbou v odpovědi MRCV závislost mzi itms => každé pozorování j st korlovaných binárních odpovědí Itm-rspons tulka, sub-tulky Itms otázky J Itms otázky n () n () n (J) n (J) n () n () n (J) n (J) I n (I) n (I) n (IJ) n (IJ) n (I) n (I) n (IJ) n (IJ)
4 Log-linární modly pro MRCV: modl za platnosti SPMI 2 Upravná Parsonova statistika pro - tst o SPMI: 2 S I J i j 2 S, i, j Rozdělní? => Rao-Scottovy korkc, bootsrap Log-linární modl: log i X j y log pro y =,, 2, : f ( y, ), Log-linární modl za platnosti SPMI: p, i =,, n y! j log( ( ) ) a( ) b( ), i =,, I, j =,, J, a, b =,
5 Log-linární modly pro MRCV: význam paramtrů v modlu za platnosti SPMI Sub-tulka k itm rspons tulc s odhadnutými čtnostmi ˆ Σ ˆ( ) m ˆ ˆ( ) ( ) ( ) m ˆ ˆ ˆ ˆ.) změna 2.) změna 3.) změna ) ( () Σ m m m.) Σ 2.) Σ 3.) Σ m () m () m m () m () m m () m () m m () m () m m () m () m m () m () m Σ m m m Σ m m m Σ m m m
6 Log-linární modly pro MRCV: poměry šancí v modlu za platnosti SPMI Za platnosti SPMI poměr šancí rovn Pro jdnu sub-tulku: ) log( ) log( ) log( ) log( log log OR
7 Log-linární modly pro MRCV: další asociační stupně log( ( ) ) a( ) b( ) log( log( log( ( ) ) a( ) b( ) ( j) ( ) ) a( ) b( ) ( i) ( ) ) a( ) b( ) ( i) ( j) log( ( ) ) a( ) b( ) ( i) ( j) ( ) i =,, I, j =,, J, a, b =, Další paramtry v modlu: ( j) : homognita konstantní poměry šancí,, : částčná homognita konstantní v rámci ( i) ( i) ( j) j / i / mzi dvěma itms proměnné při změně itms proměnné
8 Log-linární modly pro MRCV: tstování podmodlů Upravná Parsonova statistika pro tstování podmodlů: () () 2 ( ˆ ˆ ( ) ( ) ) 2 M ) ˆ() a, b, i, j ( ), ˆ(, ˆ() očkávané čtnosti v M a M ( ) ( ) Rozdělní? => Rao-Scottovy korkc, Gang bootsrap Standardizovaná Parsonova rzidua v každé buňc: ( ) n ( i) n n n ( ) ( j) n n ( i) n( j) n ( i) n n ( j) n, i =,, I, j =,, J
9 Dotazník o studních návycích Jaké matriály obvykl využívát k studiu na zkoušky? Kdo podporuj Vaš studia finančně? Abyst si rozšířili znalosti v Vašm oboru studia, z ktrých dalších oborů si aktivně vyhldávát informac? Hypotézy o SPMI srovnání zmí a pohlaví, srovnání. a 2. otázky
10 Litratura Bildr, C. R., Loughin, T. M., Modling Association Btwn Two or Mor Catgorical Varils that Allow for Multipl Catgory Choics, Communications in Statistics Thory and Mthods, Vol. 36, 27, Agrsti, A., Liu, I.-M., Modling a Catgorical Varil Allowing Arbitrarily Many Catgory Choics, Biomtrics, Vol. 55, 999, Rndlová, J., Analýza katgoriálních dat problém vícnásobné volby v odpovědi, diplomová prác, Univrzita Palackého v Olomouci, 25 Agrsti, A., Catgorical Data Analysis, scond dition, John ily & Sons, Inc., 22 McCullagh, P., Nldr, J. A., Gnralizd Linar Modls, scond dition, London; Nw ork: Chapman and Hall, 989
Alternativní přístup k analýze vícefaktorových dat
Alternativní přístup k analýze vícefaktorových dat Kamila Fačevicová 1, Peter Filzmoser 2, Karel Hron 1 1 Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta Univerzity Palackého
VíceFunkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina
Přdnáša č 6 Náhodné vličiny pro analyticou statistiu Při výpočtch v analyticé statistic s používají vhodné torticé vličiny, tré popisují vlastnosti vytvořných tstovacích charatristi Mzi njpoužívanější
VíceLineární a logistická regrese
Lineární a logistická regrese Martin Branda Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Výpočetní prostředky finanční a pojistné matematiky
VíceAplikace T -prostorů při modelování kompozičních časových řad
Aplikace T -prostorů při modelování kompozičních časových řad P. Kynčlová 1,3 P. Filzmoser 1, K. Hron 2,3 1 Department of Statistics and Probability Theory Vienna University of Technology 2 Katedra matematické
VíceSROVNÁNÍ KOLORIMETRICKÝCH ZKRESLENÍ SNÍMACÍCH SOUSTAV XYZ A RGB Jan Kaiser, Emil Košťál xkaiserj@feld.cvut.cz
SROVNÁNÍ KOLORIMETRICKÝCH ZKRESLENÍ SNÍMACÍCH SOUSTAV XYZ A RGB Jan Kaisr, Emil Košťál xkaisrj@fld.cvut.cz ČVUT, Fakulta lktrotchnická, katdra Radiolktroniky Tchnická 2, 166 27 Praha 6 1. Úvod Článk s
VíceSTUDIUM DEFORMAČNÍCH ODPORŮ OCELÍ VYSOKORYCHLOSTNÍM VÁLCOVÁNÍM ZA TEPLA
STUDIUM DEFORMAČNÍCH ODPORŮ OCELÍ VYSOKORYCHLOSTNÍM VÁLCOVÁNÍM ZA TEPLA Martin Radina a, Ivo Schindlr a, Tomáš Kubina a, Ptr Bílovský a Karl Čmil b Eugniusz Hadasik c a) VŠB Tchnická univrzita Ostrava,
VíceMATEMATIKA II V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TEHNIKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA II V PŘÍKLADEH VIČENÍ Č. Ing. Ptra Schribrová, Ph.D. Ostrava Ing. Ptra Schribrová, Ph.D. Vsoká škola báňská Tchnická univrzita
Vícečást 8. (rough draft version)
Gntika v šlchtění zvířat TGU 006 9 Odhad PH BLUP M část 8. (rough draft vrsion V animal modlu (M s hodnotí každé zvíř samostatně a současně v závislosti na užitkovosti příbuzných jdinců hodnocné populac.
VícePostup tvorby studijní opory
Postup tvorby studijní opory RNDr. Jindřich Vaněk, Ph.D. Klíčová slova: Studijní opora, distanční studium, kurz, modl řízní vztahů dat, fáz tvorby kurzu, modl modulu Anotac: Při přípravě a vlastní tvorbě
Vícedat Robust ledna 2018
Analýza prostorově závislých funkcionálních dat V. Římalová, A. Menafoglio, A. Pini, E. Fišerová Robust 2018 25. ledna 2018 Motivace Data a náhled lokace Měsíční měření (březen-říjen 2015 a 2016) 5 chemických
VíceTestování změn v binárnách autoregresních modelech Šárka Hudecová 1/ 36
Testování změn v binárnách autoregresních modelech Šárka Hudecová KPMS MFF UK ROBUST 2012 Němčičky 9. 14.9.2012 Testování změn v binárnách autoregresních modelech Šárka Hudecová 1/ 36 Uvažovaná situace
VíceCvičení 12: Binární logistická regrese
Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena,
Více8 Coxův model proporcionálních rizik I
8 Coxův model proporcionálních rizik I Předpokládané výstupy z výuky: 1. Student umí formulovat Coxův model proporcionálních rizik 2. Student rozumí významu regresních koeficientů modelu 3. Student zná
VíceEva Fišerová a Karel Hron. Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci.
Ortogonální regrese pro 3-složkové kompoziční data využitím lineárních modelů Eva Fišerová a Karel Hron Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci
VíceDokážete si vybrat správnou nemocnici? aneb Ministr zdravotnictví ML varuje Martina Litschmannová
Dokážete si vybrat správnou nemocnici? aneb Ministr zdravotnictví ML varuje Martina Litschmannová ŠKOMAM 2013 Pán Úzkostný onemocněl chorobou Moribundus. V blízkosti jeho bydliště jsou dvě nemocnice Dolní
VíceAsociační i jiná. Pravidla. (Ch )
Asociační i jiná Pravidla (Ch. 14 +...) Učení bez učitele Nemáme cílovou třídu Y, G; máme N pozorování což jsou p-dimenzionální vektory se sdruženou pravděpodobností chceme odvozovat vlastnosti. Pro málo
VíceKontingenční tabulky. (Analýza kategoriálních dat)
Kontingenční tabulky (Analýza kategoriálních dat) Agenda Standardní analýzy dat v kontingenčních tabulkách úvod, KT, míry diverzity nominálních veličin, některá rozdělení chí kvadrát testy, analýza reziduí,
VíceADDS cvičení 7. Pavlína Kuráňová
ADDS cvičení 7 Pavlína Kuráňová Analyzujte závislost věku obyvatel na místě kde nejčastěji tráví dovolenou. (dotazník dovolená, sloupce Jaký je Váš věk a Kde nejčastěji trávíte dovolenou) Analyzujte závislost
VíceČasopis pro pěstování matematiky
Časopis pro pěstování matmatiky Miroslav Brdička Užití tnsorové symboliky v lasticitě Časopis pro pěstování matmatiky, Vol. 77 (1952), No. 3, 311--314 Prsistnt URL: http://dml.cz/dmlcz/117036 Trms of us:
VíceANALÝZA ZÁVISLOSTI. Martina Litschmannová
ANALÝZA ZÁVISLOSTI Martina Litschmannová Obsah přednášky Analýza závislosti dvou kategoriálních proměnných Analýza závislosti v kontingečních tabulkách Analýza závislosti v asociačních tabulkách Simpsonův
VícePSY117/454 Statistická analýza dat v psychologii Přednáška 10
PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VíceDefinice analytické chemie
Klinická a farmacutická analýza PřF UK, ZS 08/09. Základní analtické pojm Dfinic analtické chmi Analtical chmistr is what analtical chmists do. C. N. Rill (9 98) A scintific disciplin that dvlops and applis
VíceANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII
ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII Tomáš Katrňák Fakulta sociálních studií Masarykova univerzita Brno ÚVOD DO LOGLINEÁRNÍHO MODELOVÁNÍ historie - až do 60. let se k analýze kontingenčních tabulek
VíceAnalýza rozptylu. Podle počtu analyzovaných faktorů rozlišujeme jednofaktorovou, dvoufaktorovou a vícefaktorovou analýzu rozptylu.
Analýza rozptylu Analýza rozptylu umožňuje ověřit významnost rozdílu mezi výběrovými průměry většího počtu náhodných výběrů, umožňuje posoudit vliv různých faktorů. Podle počtu analyzovaných faktorů rozlišujeme
VíceFisherův exaktní test
Katedra pravděpodobnosti a matematické statistiky Karel Kozmík Fisherův exaktní test 4. prosince 2017 Motivace Máme kontingenční tabulku 2x2 a předpokládáme, že četnosti vznikly z pozorování s multinomickým
VíceTepelné soustavy v budovách - Výpočet tepelného výkonu ČSN EN 12 831 Ing. Petr Horák, Ph.D.
Tplné soustavy v budovách - Výpočt tplného výkonu ČSN EN 12 831 Ing. Ptr Horák, Ph.D. Platnost normy ČSN 060210 - Výpočt tplných ztrát budov při ústřdním vytápění Pozbyla platnost 1.9 2008. ČSN EN 12 831
VíceIng. Ondrej Panák, ondrej.panak@upce.cz Katedra polygrafie a fotofyziky, Fakulta chemicko-technologická, Univerzita Pardubice
1 ěřní barvnosti studijní matriál Ing. Ondrj Panák, ondrj.panak@upc.cz Katdra polygrafi a fotofyziky, Fakulta chmicko-tchnologická, Univrzita Pardubic Úvod Abychom mohli či už subjktivně nbo objktivně
Vícezákladní pojmy základní pojmy teorie základní pojmy teorie základní pojmy teorie základní pojmy teorie
Tori v strojírnské tchnologii Ing. Oskar Zmčík, Ph.D. základní pojmy používaná rozdělní vztahy, dfinic výpočty základní pojmy žádnou součást ndokážm vyrobit s absolutní přsností při výrobě součásti dochází
VíceProstorová variabilita
Prostorová variabilita prostorová závislost (autokorelace) reprezentuje korelaci mezi hodnotami určité náhodné proměnné v místě i a hodnotami téže proměnné v jiném místě j; prostorová heterogenita je strukturální
VíceAnalýza rozptylu. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Srovnávání více než dvou průměrů
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Analýza rozptylu Srovnávání více než dvou průměrů If your experiment needs statistics, you ought to have done a better experiment. Ernest Rutherford
VíceUniverzita Tomáše Bati ve Zlíně
Univrzita omáš Bati v Zlíně LABORAORNÍ CVIČENÍ Z FYZIKY II Názv úlohy: Voltampérová charaktristika polovodičové diody a žárovky Jméno: Ptr Luzar Skupina: I II/1 Datum měřní: 14.listopadu 7 Obor: Informační
VícePřednáška 10. Analýza závislosti
Přednáška 10 Analýza závislosti Analýza závislosti dvou kategoriálních proměnných Analýza závislosti v kontingečních tabulkách Analýza závislosti v asociačních tabulkách Simpsonův paradox Analýza závislosti
VíceVztah mezi obtěžováním hlukem a vybranými ukazateli zdravotního stavu. MUDr. Zdeňka Vandasová Mgr. Ondřej Vencálek Ph.D.
Vztah mezi obtěžováním hlukem a vybranými ukazateli zdravotního stavu MUDr. Zdeňka Vandasová Mgr. Ondřej Vencálek Ph.D. Zkoumání vztahů mezi hlukem a jeho zdravotními účinky Vztah mezi hlukem a výskytem
VíceSTATISTIKA 1. RNDr. K. Hrach, Ph.D. Zápočet: 75% docházka na cvičení. + odevzdání seminární práce (úkoly na PC)
STATISTIKA 1 RNDr. K. Hrach, Ph.D. Zápočet: 75% docházka na cvičení + odevzdání seminární práce (úkoly na PC) Zkouška: písemná (bez kalkulačky, bez vzorců) KONZULTACE Není hanba, že nevíš, ale že se neptáš.
VíceModely přidané hodnoty škol
Modely přidané hodnoty škol Adéla Drabinová, Patrícia Martinková 25.1.2018, Robust Katedra pravděpodobnosti a matematické statistiky, Matematicko-fyzikální fakulta, Univerzita Karlova Oddělení statistického
VíceProblematika analýzy rozptylu. Ing. Michael Rost, Ph.D.
Problematika analýzy rozptylu Ing. Michael Rost, Ph.D. Úvod do problému Již umíte testovat shodu dvou středních hodnot prostřednictvím t-testů. Otázka: Jaké předpoklady musí být splněny, abyste mohli použít
VíceStatistické metody v marketingu. Ing. Michael Rost, Ph.D.
Statistické metody v marketingu Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Úvodem Modelování vztahů mezi vysvětlující a vysvětlovanou (závisle) proměnnou patří mezi základní aktivity,
VícePříklad: Test nezávislosti kategoriálních znaků
Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a
VícePředzpracování kompozičních dat
Předzpracování kompozičních dat Karel Hron Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta Univerzity Palackého, Olomouc Robust 2012, Němčičky, 10. září 2012 Karel Hron (UP) Předzpracování
VíceKlasická a robustní ortogonální regrese mezi složkami kompozice
Klasická a robustní ortogonální regrese mezi složkami kompozice K. Hrůzová, V. Todorov, K. Hron, P. Filzmoser 13. září 2016 Kompoziční data kladná reálná čísla nesoucí pouze relativní informaci, x = (x
VíceIMITANČNÍ POPIS SPÍNANÝCH OBVODŮ
IMITANČNÍ POPIS SPÍNANÝCH OBVODŮ Doc. Ing. Dalibor Biolk, CSc. K 30 VA Brno, Kounicova 65, PS 3, 6 00 Brno tl.: 48 487, fax: 48 888, mail: biolk@ant.f.vutbr.cz Abstract: Basic idas concrning immitanc dscription
VíceMETODA ROZHOVORU V RÁMCI DOPRAVNĚPSYCHOLOGICKÉHO VYŠETŘENÍ. Bc. Kateřina Böhmová
METODA ROZHOVORU V RÁMCI DOPRAVNĚPSYCHOLOGICKÉHO VYŠETŘENÍ Bc. Kateřina Böhmová OBSAH Úvod Problematika rozhovoru z pohledu teorie a praxe Cíle práce Výsledky výzkumu (popis a interpretace) Závěr a diskuze
VícePřednáška X. Testování hypotéz o kvantitativních proměnných
Přednáška X. Testování hypotéz o kvantitativních proměnných Testování hypotéz o podílech Kontingenční tabulka, čtyřpolní tabulka Testy nezávislosti, Fisherůvexaktní test, McNemarůvtest Testy dobré shody
VíceRekurzivní delta identifikace mnoharozměrového systému
MODELLING, SIMULAION, AND IDENIFIAION OF PROESSES Rkurzivní dlta idntifikac mnoharozměrového systému Radk Dokoupil, Ptr Dostál Abstrakt Příspěvk rozbírá postup při sstavní algoritmu pro rkurzivní idntifikaci
VíceVícerozměrné metody. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Schematický úvod
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Vícerozměrné metody Schematický úvod Co je na slově statistika tak divného, že jeho vyslovení tak často způsobuje napjaté ticho? William Kruskal
VíceModelování sesuvu svahu v Halenkovicích pomocí metody kriging
Modelování sesuvu svahu v Halenkovicích pomocí metody kriging Robert Zůvala, Eva Fišerová Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci ROBUST
Vícekompoziční data s aplikací v metabolomice
Metoda dílčích nejmenších čtverců pro kompoziční data s aplikací v metabolomice Karel Hron a,b, Peter Filzmoser c, Lukáš Najdekr d a Katedra matematické analýzy a aplikací matematiky b Katedra geoinformatiky
VíceČVUT FAKULTA DOPRAVNÍ
ČVUT FAKULTA DOPRAVNÍ 2011-2012 STATISTICKÝ PROJEKT STATISTICKÉ ZPRACOVÁNÍ DOTAZNÍKU 2 40 ROMAN VOKÁČ VALERIYA SIMBAEVA Obsah 1. Úvod...1 2. Plány studentů po maturitě...2 3. Volba vysoké školy...3 4.
Vícehledané funkce y jedné proměnné.
DIFERCIÁLNÍ ROVNICE Úvod Df : Občjnou difrniální rovnií dál jn DR rozumím rovnii, v ktré s vsktují driva hldané funk jdné proměnné n n Můž mít pliitní tvar f,,,,, n nbo impliitní tvar F,,,,, Řádm difrniální
VíceSEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKY
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA DOPRAVNÍ SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKY Facebook vs. studium Vypracovali: Martina Grivalská Nikola Karkošiaková Barbora Brůhová Obsah 1. Úvod 2. Dotazník 3.
VíceMATEMATICKÝ MODEL POHODLÍ CESTUJÍCÍCH NA LINCE VEŘEJNÉ HROMADNÉ DOPRAVY
MATEMATICKÝ MODEL POHODLÍ CESTUJÍCÍCH NA LINCE VEŘEJNÉ HROMADNÉ DOPRAVY Jaroslav Klprlík 1 Anotac: Článk uvádí algoritmus pro přiřazní dopravních prostřdků na linky s cílm dosáhnout maximální pohodlí cstujících.
VíceANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz PŘEHLED TESTŮ rozdělení normální spojité alternativní / diskrétní
VíceStatistika I (KMI/PSTAT)
Statistika I (KMI/PSTAT) Cvičení první aneb Sumační symbolika, úvod do popisné statistiky Statistika I (KMI/PSTAT) 1 / 15 Obsah hodiny Po dnešní hodině byste měli být schopni: správně používat sumační
VíceRobust 2014, 19. - 24. ledna 2014, Jetřichovice
K. Hron 1 C. Mert 2 P. Filzmoser 2 1 Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta, Univerzita Palackého, Olomouc 2 Department of Statistics and Probability Theory Vienna University
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
Více7 Regresní modely v analýze přežití
7 Regresní modely v analýze přežití Předpokládané výstupy z výuky: 1. Student rozumí významu regresního modelování dat o přežití 2. Student dokáže definovat pojmy poměr rizik a základní riziková funkce
Více4. PRŮBĚH FUNKCE. = f(x) načrtnout.
Etrém funkc 4. PRŮBĚH FUNKCE Průvodc studim V matmatic, al i v fzic a tchnických oborch s často vsktn požadavk na sstrojní grafu funkc K nakrslní grafu funkc lz dns většinou použít vhodný matmatický softwar.
VíceElectron Density. One-el. Functions. Traditional Ab initio. Model of independent electrons. Electron correlation neglected
CCSD(T) Stationary Schrödingr quation H Ψ = EΨ MP Elctron corrlation Expansion ovr Slatr dt. Φ= C0Ψ 0 + CSΨ S + CDΨ D + Non-rlativistic Hamiltonian Born-Oppnhimr approximaion occ Elctron Dnsity ρ( r) ϕ
VíceImputace nulovy ch hodnot v metabolomice
Imputace nulovy ch hodnot v metabolomice Alz be ta Gardloa, Matthias Templb, Karel Hronc, Peter Filzmoserb alzbetagardlo@gmail.com a Laborator metabolomiky, U stav molekula rnı a translac nı medicı ny,
VíceEKONOMICKÁ APLIKACE KOMPOZIČNÍHO REGRESNÍHO MODELU
EKONOMICKÁ APLIKACE KOMPOZIČNÍHO REGRESNÍHO MODELU Klára Hrůzová 1,2, Karel Hron 1,2 1 Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, Univerzita Palackého v Olomouci 2 Katedra
Více11. AGREGÁTNÍ NABÍDKA A PHILLIPSOVA KŘIVKA. slide 0
11. AGREGÁTNÍ NABÍDKA A PHILLIPSOVA KŘIVKA slid 0 Přdmětm přdnášky jsou tři modly agrgátní nabídky, v ktrých v krátkém období výstup pozitivně závisí na cnové hladině. Krátkodobý invrzní vztah mzi inflací
VíceCronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické
Československá psychologie 0009-062X Metodologické požadavky na výzkumné studie METODOLOGICKÉ POŽADAVKY NA VÝZKUMNÉ STUDIE Výzkumné studie mají přinášet nová konkrétní zjištění získaná specifickými výzkumnými
VíceH - Řízení technologického procesu logickými obvody
H - Řízní tchnologického procsu logickými ovody (Logické řízní) Tortický úvod Součástí řízní tchnologických procsů j i zjištění správné posloupnosti úkonů tchnologických oprcí rozhodování o dlším postupu
Víceodpovídá jedna a jen jedna hodnota jiných
8. Regresní a korelační analýza Problém: hledání, zkoumání a hodnocení souvislostí, závislostí mezi dvěma a více statistickými znaky (veličinami). Typy závislostí: pevné a volné Pevná závislost každé hodnotě
VíceJarqueův a Beryho test normality (Jarque-Bera Test, JB test)
Jarqueův a Beryho test normality (Jarque-Bera Test, JB test) Autoři: Carlos M. Jarque and Anil K. Bera Předpoklady: - Výběrová data mohou obsahovat chybějící pozorování (chybějící hodnoty) vhodné zejména
VíceVariabilita měření a statistická regulace procesu
Variabilita měří a statistická rgulac procsu Ig. Darja Noskivičová, CSc. Katdra kotroly a řízí jakosti, VŠB-TU Ostrava Abstrakt: Efktivost využití statistických mtod pro aalýzu a řízí procsů j odvislá
VíceANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII
ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII Tomáš Katrňák Fakulta sociálních studií Masarykova univerzita Brno SOCIOLOGIE A STATISTIKA nadindividuální společenské struktury podmiňují lidské chování (Durkheim)
VíceJednovýběrové testy. Komentované řešení pomocí MS Excel
Jednovýběrové testy Komentované řešení pomocí MS Excel Vstupní data V dalším budeme předpokládat, že tabulka se vstupními daty je umístěna v oblasti A1:C23 (viz. obrázek) Základní statistiky vložíme vzorce
VíceStudie Hluk a zdraví sledování zdravotních účinků hluku. MUDr. Zdeňka Vandasová
Studie Hluk a zdraví sledování zdravotních účinků hluku MUDr. Zdeňka Vandasová Účinky hluku na člověka Orgánové účinky Sluchový aparát: akustické trauma (120 140 db), poruchy sluchu (70 db) Kardiovaskulární
Víceor11013 První otázka z tematického bloku věnovaného vysokoškolskému vzdělávání se zaměřila na mínění českých občanů o tom, zda je v České republice ka
or11013 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 2 0 129 E-mail: milan.tuček@soc.cas.cz Občané o možnostech a motivaci ke studiu na vysokých
Více02 Systémy a jejich popis v časové a frekvenční oblasti
Modul: Analýza a modlování dynamických biologických dat Přdmět: Linární a adaptivní zpracování dat Autor: Danil Schwarz Číslo a názv výukové dnotky: Systémy a ich popis v časové a frkvnční oblasti Výstupy
VíceDesign Experimentu a Statistika - AGA46E
Design Experimentu a Statistika - AGA46E Czech University of Life Sciences in Prague Department of Genetics and Breeding Summer Term 2015 Matúš Maciak (@ A 211) Office Hours: T 9:00 10:30 or by appointment
VíceMETODA ROZHOVORU V RÁMCI DOPRAVNĚPSYCHOLOGICKÉHO VYŠETŘENÍ. Bc. Kateřina Böhmová
METODA ROZHOVORU V RÁMCI DOPRAVNĚPSYCHOLOGICKÉHO VYŠETŘENÍ Bc. Kateřina Böhmová OBSAH Úvod Teoretická část Problematika rozhovoru z pohledu teorie a praxe Výzkumná část Výsledky výzkumu (popis a interpretace)
VíceÚVOD MODELY STÁRNUTÍ (1)
lktrické a kombinované stárnutí izolačních matriálů P. Trnka Katdra tchnologií a měřní, Fakulta lktrotchnická, ZČU v Plzni, Univrzitní 26, Plzň -mail : pavl@kt.zcu.cz Anotac: Diagnostika stavu zařízní,
VíceModely veličin spojitých v čase funkce spojité v čase Binární matematické operace konvoluce a korelace
Modly vličin spojiých v čas funkc spojié v čas Binární mamaické oprac konvoluc a korlac Základní informac Na konvoluci lz nahlíž jako na nudnou mamaickou opraci mzi dvěma funkcmi s jjími vlasnosmi a zákoniosmi.
VíceObr.1 Schéma tvaru haly a jejího umístění v terénu
Příklad P1.4 - Zatížní větrm Zadání příkladu Stanovt atížní větrm působící na výrobní halu s plochou střchou. Výška haly h= m, šířka b=18m, délka l=7 m. Hala j umístěna v svažitém trénu u hřbn v okolí
VíceUplatnitelnost absolventů studijního oboru andragogika a personální řízení Filozofické fakulty Univerzity Karlovy
7 Přílohy Příloha A: Dotazník : Uplatnitelnost absolventů studijního oboru andragogika a personální řízení Filozofické fakulty Univerzity Karlovy Uplatnitelnost absolventů studijního oboru andragogika
VíceKVADRATICKÁ KALIBRACE
Petra Širůčková, prof. RNDr. Gejza Wimmer, DrSc. Finanční matematika v praxi III. a Matematické modely a aplikace 4. 9. 2013 Osnova Kalibrace 1 Kalibrace Pojem kalibrace Cíle kalibrace Předpoklady 2 3
VíceMetodologie Kinantropologie
Metodologie Kinantropologie Sbírka studijních materiálů Mgr. Martin Sebera, Ph.D. Fakulta sportovních studií MU 2012 Doporučená literatura a zdroje Disman, M. Jak se vyrábí sociologická znalost. Eco, U.
VíceFormální konceptuální analýza
moderní metoda analýzy dat 14. října 2011 Osnova Informatika 1 Informatika 2 3 4 Co je to informatika? Co je to informatika? Computer science is no more about computers than astronomy is about telescopes.
VíceAVDAT Geometrie metody nejmenších čtverců
AVDAT Geometrie metody nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model klasický lineární regresní model odhad parametrů MNČ y = Xβ + ε, ε
VíceStatistické metody v marketingu. Ing. Michael Rost, Ph.D.
Statistické metody v marketingu Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Regresní analýza doplnění základů Vzhledem k požadavku Vašich kolegů zařazuji doplňující partii o regresní
VíceUniverzita Karlova v Praze. Filozofická fakulta. tabulek. Katedra psychologie
Univerzita Karlova v Praze Filozofická fakulta BAKALÁŘSKÁ PRÁCE Filip Děchtěrenko Analýza vícerozměrných kontingenčních tabulek Katedra psychologie Vedoucí práce: Studijní program: Petr Boschek, RNDr.,
VícePearsonůvχ 2 test dobré shody. Ing. Michal Dorda, Ph.D.
Ing. Michal Dorda, Ph.D. Př. : Ve vjezdové skupině kolejí byly sledovány počty přijíždějících vlaků za hodinu. Za 5 dní (tedy 360 hodin) přijelo celkem 87 vlaků. Výsledky sledování jsou uvedeny v tabulce.
VíceExponenciální funkce a jejich "využití" - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu.
Josf PUNČOCHÁŘ: Epociálí fukc a ich "využití" ld Epociálí fukc a ich "využití" - A (Tato doplňková pomůcka můž v žádém případě ahradit systmatickou matmatickou přípravu. Epociálí fukc dfiováa obcě vztahm
VíceEkonometrická analýza panelových dat s aplikací na vybavenost domácností
Ekonomtrcká analýza panlových dat s aplkací na vybavnost domácností Ekonomtrcká analýza panlových dat s aplkací na vybavnost domácností # Zuzana Fíglová Úvod Panlová data přdstavují spcfcký typ pozorování,
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceAnihilace pozitronů v pevných látkách
Anihilac pozitronů v pvných látkách Jakub Čížk katdra fyziky nízkých tplot Tl: 1 912 788 jakub.cizk@mff.cuni.cz http://www.kfnt.mff.cuni.cz výuka Anihilac pozitronů v pvných látkách Doporučná litratura:
VíceAplikace 2: Hledání informativních příznaků pro rozpoznávání
Aplikace : Hledání informativních příznaků pro rozpoznávání Sonogram štítné žlázy v podélném řezu zdravá lymfocitická thyroitida Zajímá nás, kolik se lze z dat dozvědět o třídě c a kde ta informace je.
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA ELEKTROTECHNICKÁ Katedra mikroelektroniky SEMESTRÁLNÍ PROJEKT X34BPJ
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA ELEKTROTECHNICKÁ Katdra mikrolktroniky SEESTRÁLNÍ PROJEKT X34PJ 0 Ptr Koukal X34PJ Pag ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA ELEKTROTECHNICKÁ Katdra mikrolktroniky Optické
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2014/15 Cvičení 5: Vícenásobná regrese, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE DIPLOMOVÁ PRÁCE. 2008 Bc. Pavel Hájek
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE DIPLOMOVÁ PRÁCE 8 Bc. Pavl Hájk ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta stavbní, Katdra spciální godézi Názv diplomové prác: Vbudování, zaměřní a výpočt bodového
VíceTestování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina
Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi
VíceStatistika. Testování hypotéz - statistická indukce Parametrické testy. Roman Biskup
Statistika Testování hypotéz - statistická indukce Parametrické testy Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 1. února 01 Statistika by Birom
VíceStatgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
Více1. PŘÍPRAVA A ZADÁNÍ DIPLOMOVÉ PRÁCE
Diplomová práce 1. PŘÍPRAVA A ZADÁNÍ DIPLOMOVÉ PRÁCE VÝBĚR TÉMATU DIPLOMOVÉ PRÁCE zájem o danou problematiku, odbornost školitele Vnese má diplomová práce do dané problematiky něco nového? Přemýšlejte
VíceNávod na vypracování semestrálního projektu
Návod na vypracování semestrálního projektu Následující dokument má charakter doporučení. Není závazný, je pouze návodem pro studenty, kteří si nejsou jisti výběrem dat, volbou metod a formou zpracování
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu
VíceMetody ešení. Metody ešení
Mtod šní z hldiska kvalit dosažného výsldku ) p ř sné mtod p ř ímé ř šní difrnciálních rovnic, většinou pro jdnoduché konstrukc nap ř. ř šní ohbu prutu p ř ímou intgrací ) p ř ibližné mtod náhrada hldané
Více