Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?
|
|
- Aneta Doležalová
- před 9 lety
- Počet zobrazení:
Transkript
1 Organizační pokyny k přednášce Matematická statistika Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz hudecova přednáškové slidy na adrese hudecova k dispozici před přednáškou, může docházet k úpravám studijní literatura konzultace zkouška písemná (důraz na pochopení látky, aplikace na reálné příklady) cvičení nepovinné Matematická statistika Šárka Hudecová 1/ 55 Matematická statistika Šárka Hudecová 2/ 55 Přehled témat Co je statistika? Co je statistika? úvod (co je to statistika, motivační příklady z chemie) popisná statistika (popis výsledku experimentálního měření) základ pravděpodobnosti (pravděpodobnost, náhodné veličiny, jejich charakteristiky, nezávislost) principy statistické indukce principy testování hypotéz vybrané statistické testy Statistika = věda o získávání, zpracování a interpretaci informace obsažené v empirických pozorováních skutečného světa (v naměřených datech, průzkumech apod.) Statistika = věda o zkoumání reality na základě napozorovaných dat Cíl přednášky= porozumět základním principům statistických metod a pochopit řešení vybraných jednoduchých problémů. (Důležité je osvojení si hlavních principů, pojmů, základních metod. Nikoliv učení se vzorečků.) Matematická statistika Šárka Hudecová 3/ 55 Matematická statistika Šárka Hudecová 4/ 55
2 Co je statistika? Základní dělení statistiky Co je statistika? Kde, kdy a proč se používá statistika? popisná (deskriptivní) popis konkrétních dat několika čísly a obrázky stručně vystihnout důležité závěry pouze o daných datech, nelze zobecňovat induktivní (konfirmatorní) na základě dat umožňuje odpovídat na obecné otázky o populaci závěry lze zobecnit odhady populačních parametrů předpoklady, znalost statistických metod důležitá je interpretace Zkoumáme složitý systém nelze jednoduše pochopit nebo popsat pouze na základě teorie (tj. potřebujeme empirické zkušenosti) za stejných nebo podobných podmínek se může projevovat odlišným způsobem náhoda příklady: vědecký experiment (měření), lidská společnost, ekonomika, lidské tělo, ekosystém, sport,... chceme odhalit souvislosti, zákonitosti, systematické chyby atd. Matematická statistika Šárka Hudecová 5/ 55 Matematická statistika Šárka Hudecová 6/ 55 Co je statistika? Oblasti aplikace statistiky Přírodní vědy biologie, chemie, fyzika, meteorologie, klimatologie, environmentální vědy medicína, genetika, farmakologie Ekonomie makro & mikroekonomie, bankovnictví, pojišťovnictví,... Technické vědy telekomunikace, doprava, počítače, strojírenství, kontrola jakosti, řízení a organizace výroby,... Společenské vědy sociologie, behaviorální vědy, archeologie, lingvistika, antropologie... A mnoho dalších (sport, marketing, průzkum veřejného mínění... ) Co je statistika? Druhy statistických úloh (úlohy statistické indukce) odhady parametrů výpočet číselných charakteristik testování hypotéz ověřování pravdivosti výroků predikce předpovědi optimalizace hledání optimálních parametrů Matematická statistika Šárka Hudecová 7/ 55 Matematická statistika Šárka Hudecová 8/ 55
3 Co je statistika? Příklad Statistika v chemii Statistika v chemických oborech Na základě údajů z předchozích let lze usuzovat že by tu dnes mělo být 60 % žen a 40% mužů přítomné studentky budou v průměru 168 cm vysoké, s hmotností 60 kg a velikostí bot asi 38,5 přítomní studenti budou v průměru 183 cm vysocí s hmotností 76 kg a velikostí bot asi 43 přes 30 % přítomných bude z Prahy, kolem 11 % ze středočeského kraje a jen velmi málo studentů bude ze Slovenska a Moravy (statisticky významně méně než např. na MFF) Optimalizace: změna posluchárny z M1 na M2 Experiment důležitý nástroj výzkumu složité fyzikálně-chemické modely experimentální zjištění, ověření prakticky veškerý moderní výzkum statistické zpracování výsledků Chyby měření náhodné chyby omezená přesnost měřících přístrojů, proměnlivost podmínek,... kolísají náhodně kolem skutečné hodnoty systematické chyby Matematická statistika Šárka Hudecová 9/ 55 Matematická statistika Šárka Hudecová 10/ 55 Statistika v chemii Statistické úlohy Statistika v chemii Příklady plánování experimentů detekce systematických chyb kalibrační přímka analytická chemie optimalizace průmyslová výroba: kontrola kvality, atd. mnohorozměrná data (obor chemometrie) další: porovnání různých laboratoří, přístrojů, podmínek atd. Kontrola čistoty (kvality) chemikálie Porovnání dvou (nebo více) metod měření koncentrace oxidu fosforečného v hnojivu využití citronanu nebo využití kyseliny sírové stanovení obsahu dinitrokresolu v postřikovacím přípravku polarografická metoda (pracná) nebo titrační stanovení (levnější, rychlejší) stanovení zlata v klenotnických slitinách Porovnání výtěžku z chemické reakce za různých podmínek Porovnání čistoty vody na různých místech řeky Vliv různých hnojiv na růst rostlin... Matematická statistika Šárka Hudecová 11/ 55 Matematická statistika Šárka Hudecová 12/ 55
4 Statistika v reálném životě Statistika v reálném životě volební průzkumy, průzkumy veřejného mínění volba prezidenta: určení platných podpisů zprávy v médiích ( američtí vědci prokázali..., globální oteplování, procenta) statistika v medicíně (klinické studie, prevence, prenatální diagnostika, kouření,... )... Reálný život studenta PřF UK odborné články (pojmy: p-hodnota, statistická významnost, interval spolehlivosti atd.) pravděpodobnostní modely ve fyzice (kinetická teorie plynů apod.) Matematická statistika Šárka Hudecová 13/ 55 experimentální měření data chceme popsat výsledek měření stručně a výstižně číselné charakteristiky, obrázky závislost mezi měřenými veličinami deskriptivní charakter (popisuje pouze daný vzorek) za dodatečných předpokladů slouží jako odhady a lze je zobecnit (statistická indukce) popis konkrétního datového souboru je nedílnou součástí každé analýzy Matematická statistika Šárka Hudecová 14/ 55 Data Data Data Příklad datového souboru výsledek pozorování (měření) pozorování provádíme na nezávislých subjektech chemické vzorky, osoby, státy, pacienti, rostliny, opakování měření... měříme (zjišťujeme) hodnoty znaků (veličin, vlastností) koncentrace určité látky, hmotnost, teplota, zabarvení... na jednom subjektu můžeme měřit více znaků datová tabulka (např. Excel): pozorování na jednotlivých subjektech jsou většinou v řádcích, jednotlivé měřené veličiny ve sloupcích statistická analýza pomocí specializovaných statistických softwarů (např. program R, Statistica, SPSS, SAS atd.) Matematická statistika Šárka Hudecová 15/ 55 id pohl vyska vaha n.sour v.ot v.mat bydliste Vysočina Jižní Morava Karlovy Vary Praha Matematická statistika Šárka Hudecová 16/ 55
5 Data Měřítka, na kterých měříme znaky Data Jiné dělení měřítek nominální hodnoty jsou pouze označení různých kategorií pohlaví, politický názor, barva, odrůda,... ordinální uspořádané nominální hodnoty vzdělání, spokojenost v práci (stupnice 1 až 5), stupeň bolesti,... intervalové lze uvažovat jejich rozdíly, ale nelze se ptát kolikrát např. rok narození, teplota ve stupních Celsia,... poměrové většina veličin, které měříme hmotnost, koncentrace, velikost, čas, suma v Kč... kvalitativní kategoriální faktory jen několik možných hodnot (kategorií) zajímají nás četnosti jednotlivých kategorií uvažovat charakteristiky jako průměr nemá smysl kvantitativní spojité hodnoty jsou čísla zajímají nás charakteristiky polohy (průměr), variability atd. odlišné metody pro popis kvalitativních a kvantitativních veličin Zařazení daného znaku nemusí být jednoznačné (např. počet sourozenců) Matematická statistika Šárka Hudecová 17/ 55 Matematická statistika Šárka Hudecová 18/ 55 Kvalitativní veličiny Kvalitativní veličiny Kvalitativní veličiny Kvalitativní veličiny Příklad Politický názor před 2. kolem prezidentských voleb průzkum u 11 náhodně vybraných osob: S, S, Z, N, S, Z, Z, N, S, Z, Z Vhodné grafické znázornění sloupcový graf (obdelníkový diagram, barplot) koláčový graf (výsečová diagram, pieplot) Vhodné popisné charakteristiky tabulka četností jednotlivých kategorií tabulka relativních četností jednotlivých kategorií modus = nejčastější hodnota Tabulka četností Tabulka relativních četností S Z N celkem S Z N celkem N S Z S Z N Politicky nazor Politicky nazor Matematická statistika Šárka Hudecová 19/ 55 Matematická statistika Šárka Hudecová 20/ 55
6 Kvalitativní veličiny Kvalitativní veličiny Kvantitativní veličiny Stejný průzkum na jiném místě ČR: Z,Z,N,Z,S,Z,S,N,Z,Z,S,Z Tabulka četností Tabulka relativních četností S Z N celkem S Z N celkem S N Z N S Z Politicky nazor jinde v CR Politicky nazor jinde v CR Matematická statistika Šárka Hudecová 21/ 55 Příklad Experimentální měření koncentrace alkoholu ve 30 různých vzorcích vína: 13.20, 13.16, 14.37, 13.24, 14.20, 14.39, 14.06, 14.83, 13.86, 14.10, 14.12, 13.75, 14.75, 14.38, 13.63, 14.30, 13.83, 14.19, 13.64, 14.06, 12.93, 13.71, 12.85, 13.50, 13.05, 13.39, 13.30, 13.87, 14.02, Chceme výstižně popsat výsledek měření míry polohy charakteristika úrovně jakých hodnot veličina nabývá? míry variability jak velmi se liší hodnoty veličiny u jednotlivých vzorků? grafické znázornění Matematická statistika Šárka Hudecová 22/ 55 průměr Varianční řada Pozorujeme hodnoty x 1,..., x n průměr minimum, maximum x = x x n n V některé aplikacích (ne velmi časté): = 1 n n i=1 x i původní hodnoty x 1,..., x n varianční řada x (1) x (2) x (n) neklesající posloupnost vytvořená z naměřených hodnot x (1) je minimum, x (n) je maximum důležitý rozdíl mezi x i a x (i) vážený průměr: nezáporné váhy w i n i=1 x W = w ix i n i=1 w i příklad: vážený průměr známek (váhy = kredity) Příklad: Naměřená data: 5,3,2,7,10 Varianční řada: 2,3,5,7,10 Matematická statistika Šárka Hudecová 23/ 55 Matematická statistika Šárka Hudecová 24/ 55
7 medián Průměr vs. medián (Výběrový) medián x Příklad: dělí data na dvě poloviny: polovina je menší (nebo rovna) než x a polovina větší (nebo rovna) než x prostřední hodnota výpočet x = 5,3,2,7,10 x = 5 x ( n ,3,2,7,10,1 x = 4 2 ) je-li n liché ( ) x ( n 2 ) + x ( n 2 +1) je-lin sudé Matematická statistika Šárka Hudecová 25/ 55 ČSÚ: medián platů v ČR, nikoliv průměrný plat Příklad: plat 5 osob (v tis. Kč) 18, 23, 35, 28, 21, pak průměr x = 25, medián x = 23 Navíc jedna úspěšná osoba: 18, 23, 35, 28, 21, 160, pak průměr x = 47.5, medián x = 25.5 Matematická statistika Šárka Hudecová 26/ 55 kvantily kvantily (Výběrové) kvantily (percentily): α 100% kvantil je hodnota taková, že α 100% hodnot v datech je menší nebo rovno a zbytek je větší nebo rovno např. 50 % kvantil je medián (polovina pod a polovina nad) dolní kvartil Q 1 = 25% kvantil čtvrtina hodnot je menších (nebo rovných) a tři čtvrtiny jsou větší (nebo stejné) horní kvartil Q 3 = 75% kvantil tři čtvrtiny hodnot jsou menší (nebo rovné) a čtvrtina je větší (nebo stejná) Příklady využití: na VŠ budou brát pouze 10 % nejlepších studentů kolik musíte dosáhnout bodů v testu, abyste byli přijati? jaký obsah vápníku v krevním séru se považuje za nízký (výskyt max u 5 % u zdravých lidí)? růstové křivky u dětí není dítě extrémně malé nebo extrémně velké? jak silné srážky lze očekávat v 1% extrémních případů? Matematická statistika Šárka Hudecová 27/ 55 Matematická statistika Šárka Hudecová 28/ 55
8 Výpočet kvantilů Příklad víno pouze pro zajímavost více možných definic (např. v R devět různých metod výpočtu) průměr x = Hledáme α 100% kvantil q(α) označíme n α = 1 + (n 1)α, k = n α (k je dolní celá část z n α ) α 100% kvantil leží mezi x (k) a x (k+1), spočítáme jej lineární interpolací q = n α n α, q(α) = (1 q)x (k) + qx (k+1) příklad: 30 pozorování, chceme 10% kvantil logicky bychom chtěli vzít 1 + (30 1) 0.1 = 3.9-tý člen varianční řady vezmeme vážený průměr ze třetího a čtvrtého s vahami 0.1 a 0.9 Matematická statistika Šárka Hudecová 29/ 55 varianční řada 12.85, 12.93, 13.05, 13.16, 13.20, 13.24, 13.30, 13.39, 13.50, 13.63, 13.64, 13.71, 13.73, 13.75, 13.83, 13.86, 13.87, 14.02, 14.06, 14.06, 14.10, 14.12, 14.19, 14.20, 14.30, 14.37, 14.38, 14.39, 14.75, minimum 12.85, maximum medián x = kvartily 5% kvantil je % kvantil Q 1 = 13.47, Q 2 = Matematická statistika Šárka Hudecová 30/ 55 Příklad hmotnost studentů v minulých letech Data z let : 269 pozorování, 2 studenti hmotnost neuvedli průměrná hmotnost 66.2 kg, medián 64 kg, minimum 43 kg, maximum 113 kg 5% kvantil 50 kg, 95% kvantil 90 kg Studenti: 109 hodnot a 1 chybějící průměrná hmotnost 76 kg, medián 75 kg, minimum 56 kg, maximum 113 kg 5% kvantil 60 kg, 95% kvantil 94 kg Studentky: 158 hodnot a 1 chybějící průměrná hmotnost 59.5 kg, medián 59 kg, minimum 43 kg, maximum 85 kg Matematická statistika 5% kvantil 49.9 kg, 95% kvantil 71 kg Šárka Hudecová 31/ 55 Vlastnosti charakteristik polohy míry polohy charakterizují úroveň měřené spojité veličiny přičteme-li ke všem hodnotám stejnou konstantu a (posunutí) změní se stejně i charakteristika polohy vynásobíme-li všechny hodnoty konstantou b > 0 charakteristika polohy se zvýší b-krát je-li m(x) míra polohy, pak pro a R, b > 0. m(a + x) = a + m(x), m(b x) = b m(x) Matematická statistika Šárka Hudecová 32/ 55
9 měří rozptýlení (variabilitu, nestejnost) (Výběrový) rozptyl průměrný čtverec vzdálenosti od průměru ( s 2 = 1 n n ) (x i x) 2 = 1 xi 2 n x 2 n 1 n 1 i=1 i=1 v jednotkách 2 (Výběrová) směrodatná odchylka odmocnina z rozptylu s = s 2 = 1 n 1 n (x i x) 2 i=1 stejný fyzikální rozměr jako původní data Matematická statistika Šárka Hudecová 33/ 55 Matematická statistika Šárka Hudecová 34/ 55 Další míry variability Příklad víno rozpětí x (n) x(1) mezikvartilové rozpětí R = Q 3 Q 1 Vlastnosti charakteristik variability posunutím se míra variability nezmění (nezávisí na poloze) s(a + x) = s(x) reaguje na vynásobení kladnou konstantou s(b x) = b s(x), b > 0. Matematická statistika Šárka Hudecová 35/ 55 rozptyl a tedy 30 i=1 x 2 i = , x 2 = s 2 = 1 ( ) = směrodatná odchylka s = = rozpětí x (30) x (1) = = 1.98 mezikvartilové rozpětí Q 3 Q 1 = = 0.67 Matematická statistika Šárka Hudecová 36/ 55
10 Příklad hmotnost studentů Poznámky Charakteristika Studenti Studentky rozptyl [kg 2 ] směrodatná odchylka [kg] rozpětí [kg] mezikvart. rozpětí [kg] existuje řada dalších popisných charakteristik (šikmost, špičatost, specializované popisné statistiky... ) ve statistické indukci slouží popisné statistiky jako odhady neznámých parametrů uvidíme později (je zavést předpoklady, zvážit reprezentativnost atd.) Matematická statistika Šárka Hudecová 37/ 55 Matematická statistika Šárka Hudecová 38/ 55 popisné statistiky Histogram Frequency histogram krabicový diagram (boxplot) Histogram of vino vino dává nahlédnout, jak jsou jednotlivé hodnoty znaku v našich datech rozloženy (které hodnoty se objevují často a které ojediněle) interval I = [a, b] pokrývá celé rozmezí dat rozdělíme jej na K navazujících stejně velkých podintervalů A k, k = 1,..., K, všechny délky h = b a K (bereme např. zprava uzavřené s výjimkou prvního) n k počet pozorování, které padly do A k histogram = grafické znázornění intervalových četností n k : každému A k odpovídá obdelník, jehož výška je rovna n k Matematická statistika Šárka Hudecová 39/ 55 Matematická statistika Šárka Hudecová 40/ 55
11 Příklad víno 12.85, 12.93, 13.05, 13.16, 13.20, 13.24, 13.30, 13.39, 13.50, 13.63, 13.64, 13.71, 13.73, 13.75, 13.83, 13.86, 13.87, 14.02, 14.06, 14.06, 14.10, 14.12, 14.19, 14.20, 14.30, 14.37, 14.38, 14.39, 14.75, Zvolíme a = 12.5, b = 15, K = 5 h = 0.5 k interval A k četnost n k 1 [12.5, 13] 2 2 (13, 13.5] 7 3 (13.5, 14] 8 4 (14, 14.5] 11 5 (14.5, 15] 2 Frequency Histogram of vino vino Matematická statistika Šárka Hudecová 41/ 55 Matematická statistika Šárka Hudecová 42/ 55 Histogram Histogram Histogram se může lišit podle volby K Normovaná verze histogramu (plocha =1) Histogram of vino Histogram of vino Histogram of vino Frequency vino Frequency vino Density Sturgesovo pravidlo: K 1 + log 2 n vino Matematická statistika Šárka Hudecová 43/ 55 Matematická statistika Šárka Hudecová 44/ 55
12 Histogram Krabicový diagram Hmotnost studentů Density Muzi Density Zeny nemá úplně závaznou definici (může se lišit v různých programech obvykle zakreslen výběrový medián a kvartily krabice: horní a dolní okraj určují výběrové kvartily Q 1 a Q 3 uprostřed čára určující výběrový medián vousy ukazují rozmezí dat od kvartilu k minimu/maximu (není-li odlehlé) odlehlé pozorování je dál než 3/2 (Q 3 Q 1 ) od bližšího kvartilu vmuzi vzeny Matematická statistika Šárka Hudecová 45/ Matematická statistika Šárka Hudecová 46/ 55 Krabicový diagram Popis závislosti dvou veličin Hmotnost studentů jednou ze základních otázek je vyšetřování závislosti (vztahu) dvou veličin na každém subjektu měříme dva znaky statistická indukce: testování nezávislosti, modelování závislosti atd. první krok = popisná statistika metody závisí na měřítkách znaků zena Matematická statistika Šárka Hudecová 47/ 55 muz Matematická statistika Šárka Hudecová 48/ 55
13 Vztah kategoriální a spojité veličiny Příklad: vztah hmotnosti a pohlaví číselný popis ve skupinách porovnání odlišnosti svědčí pro závislost znaků zena muz Matematická statistika Šárka Hudecová 49/ 55 Vztah dvou spojitých veličin Příklad: Vztah mezi výškou a hmotností bodový graf číselný popis tzv. korelace (korelační koeficient) bude později regresní přímka (kalibrace) bude později (?) vyska vaha Matematická statistika Šárka Hudecová 50/ 55 Vztah dvou kategoriálních veličin Příklad: Používání bezpečnostních pásů a charakter zranění (výzkum z roku 1988 na Floridě) Zranění Bezpečnostní pás fatální nefatální celkem ne ano celkem Matematická statistika Šárka Hudecová 51/ 55 Relativní četnosti I Zranění Bezpečnostní pás fatální nefatální celkem ne 0.98 % % 100 % ano 0.12 % % 100 % fatal non fatal NE fatal non fatal ANO Matematická statistika Šárka Hudecová 52/ 55
14 Relativní četnosti I Relativní četnosti II Zranění Bezpečnostní pás fatální nefatální Pocty 0e+00 1e+05 2e+05 3e+05 4e+05 NE ANO Relativni pocty NE ANO NE fatal ne % % ano % % celkem 100 % 100 % non fatal NE ANO ANO Matematická statistika Šárka Hudecová 53/ 55 Matematická statistika Šárka Hudecová 54/ 55 Relativní četnosti II Pocty 0e+00 1e+05 2e+05 3e+05 4e+05 fatal non fatal Relativni pocty fatal non fatal Matematická statistika Šárka Hudecová 55/ 55
Statistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika
Statistika Cvičení z matematické statistiky na PřF Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy léto 2012 Základní dělení popisná (deskriptivní)
Organizační pokyny k přednášce. Matematická statistika. Co je statistika? Přehled témat
Organizační pokyny k přednášce Matematická statistika MS710P05 Zdeněk Hlávka (Šárka Hudecová, Michal Kulich) Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hlavka@karlin.mff.cuni.cz
Základy 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
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
Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1
? Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1? Statistika = věda o získávání, zpracování a interpretaci informace obsažené v
letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika
Šárka Hudecová Katedra pravděpodobnosti a matematické Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 1 Založeno na materiálech doc. Michala Kulicha Opakování populace a výběr z populace
ANALÝZA 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
Statistika. 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
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
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
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
Základy popisné statistiky
Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2
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
letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika
Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 1 Založeno na materiálech doc. Michala Kulicha Organizační pokyny k přednášce přednáškové
KGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 1. Úvod, základní pojmy Mgr. David Fiedor 16. února 2015 Osnova 1 Úvod - organizace výuky 2 3 Struktura přednášek Úvod, základní pojmy Popisná statistika Teoretická rozdělení
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Informační technologie a statistika 1
Informační technologie a statistika 1 přednášející: konzul. hodiny: e-mail: Martin Schindler KAP, tel. 48 535 2836, budova G po dohodě martin.schindler@tul.cz naposledy upraveno: 21. září 2015, 1/33 Požadavek
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
Základní statistické charakteristiky
Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické
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
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
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
Metodologie pro ISK II
Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech
Statistika. 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
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.
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
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
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
Analýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
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
Základy popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních
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
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Statistické metody. Martin Schindler KAP, tel , budova G. naposledy upraveno: 9.
Statistické metody Matematika pro přírodní vědy přednášející: konzul. hodiny: e-mail: Martin Schindler KAP, tel. 48 535 2836, budova G po dohodě martin.schindler@tul.cz naposledy upraveno: 9. ledna 2015,
Statistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
Popisná 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
marek.pomp@vsb.cz http://homel.vsb.cz/~pom68
Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové
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
Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
Me neˇ nezˇ minimum ze statistiky Michaela S ˇ edova KPMS MFF UK Principy medicı ny zalozˇene na du kazech a za klady veˇdecke prˇı pravy 1 / 33
1 / 33 Méně než minimum ze statistiky Michaela Šedová KPMS MFF UK Principy medicíny založené na důkazech a základy vědecké přípravy Příklad Studie syndromu náhodného úmrtí dětí. Dvě skupiny: Děti, které
Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích
Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích Nedostatešný popis systému a jeho modelu vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělit fyzickou nebo
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
Pojem a úkoly statistiky
Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby
Praktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí
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)
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi,
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
Základy pravděpodobnosti a statistiky. Popisná statistika
Základy pravděpodobnosti a statistiky Popisná statistika Josef Tvrdík Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace v úterý 14.10 až 15.40 hod. Příklad ze života Cimrman, Smoljak/Svěrák,
Obsah. Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku
Obsah Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
TEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT
EXPLORAČNÍ ANALÝZA DAT TEST Z TEORIE 1. Test ze Statistiky píše velké množství studentů. Představte si, že každý z nich odpoví správně přesně na polovinu otázek. V tomto případě bude směrodatná odchylka
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
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
MATEMATICKÁ 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
Charakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a
Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
Statistika s Excelem aneb Máme data. A co dál? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava
Statistika s Excelem aneb Máme data. A co dál? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava ŠKOMAM 2016 Jak získat data? Primární zdroje dat Vlastní měření (fyzika, biologie,
3. Základní statistické charakteristiky. KGG/STG Zimní semestr Základní statistické charakteristiky 1
3. charakteristiky charakteristiky 1 charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme charakteristiky 2 charakteristiky Dva hlavní
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
Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář
Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru
Poznámky k předmětu Aplikovaná statistika, 9.téma
Poznámky k předmětu Aplikovaná statistika, 9téma Princip testování hypotéz, jednovýběrové testy V minulé hodině jsme si ukázali, jak sestavit intervalové odhady pro některé číselné charakteristiky normálního
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
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení ze 4ST201. Na případné faktické chyby v této prezentaci mě prosím upozorněte. Děkuji Tyto slidy berte pouze jako doplňkový materiál není v nich obsaženo
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
Statistická analýza volebních výsledk
Statistická analýza volebních výsledk Volby do PSP R 2006 Josef Myslín 1 Obsah 1 Obsah...2 2 Úvod...3 1 Zdrojová data...4 1.1 Procentuální podpora jednotlivých parlamentních stran...4 1.2 Údaje o nezamstnanosti...4
Aplikovaná statistika v R
Aplikovaná statistika v R Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 15.5.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 15.5.2014 1 / 15 Co bude náplní našich
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
VŠB 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
PROJEKT DO STATISTIKY PRŮZKUM V TECHNICKÉ MENZE
PROJEKT DO STATISTIKY PRŮZKUM V TECHNICKÉ MENZE Náplní tohoto projektu byl prvotní průzkum, následné statistické zpracování dat a vyhodnocení. Data jsme získaly skrze internetový dotazník, který jsme rozeslaly
IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok
IES FSV UK Domácí úkol Pravděpodobnost a statistika I Cyklistův rok Radovan Fišer rfiser@gmail.com XII.26 Úvod Jako statistický soubor jsem si vybral počet ujetých kilometrů za posledních 1 dnů v mé vlastní
Dynamické metody pro predikci rizika
Dynamické metody pro predikci rizika 1 Úvod do analýzy časových řad Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých časových intervalech okamžikové např
LISTOPAD 2009 PŘIPRAVENO PRO. ri. Heřmanova 22, 170 00 PRAHA 7 Tel.: +420 220 190 580, Fax: +420 220 190 590. E-Mail: INBOX@MARKENT.
MOŽNOSTI REALIZACE ZAŘÍZENÍ PRO ENERGETICKÉ VYUŽITÍ ODPADU NA ÚZEMÍ STŘEDOČESKÉHO KRAJE ZÁVĚREČNÁ ZPRÁVA Z VÝZKUMU VEŘEJNÉHO MÍNĚNÍ LISTOPAD 9 PŘIPRAVENO PRO Heřmanova, 7 PRAHA 7 Tel.: +4 9 58, Fax: +4
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.
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.
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
(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
Třídění statistických dat
2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.
Metodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Úvod do teorie pravděpodobnosti Náhoda a pravděpodobnost, náhodný jev, náhodná veličina rozdělení pravděpodobnosti
V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více
9 Vícerozměrná data a jejich zpracování 9.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat, hledáme souvislosti mezi dvěmi, případně více náhodnými veličinami. V praxi pracujeme
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@niax.cz Pravděodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, tyy dat, variabilita, frekvenční analýza
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,
Úvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost
Úvod do kurzu Moodle kurz (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Výpočty online: www.statisticsonweb.tf.czu.cz Začátek výuky posunut
UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
Prognóza 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
KALIBRACE. Definice kalibrace: mezinárodní metrologický slovník (VIM 3)
KALIBRACE Chemometrie I, David MILDE Definice kalibrace: mezinárodní metrologický slovník (VIM 3) Činnost, která za specifikovaných podmínek v prvním kroku stanoví vztah mezi hodnotami veličiny s nejistotami
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.
Kontingenční tabulky v Excelu. Představení programu Statistica
ASTAc/01 Biostatistika 2. cvičení Kontingenční tabulky v Excelu Základní popisné statistiky Představení programu Statistica Import a základní popis dat ve Statistice, M. Cvanová I. Kontingenční tabulky
VYSOK 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
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
4ST201 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
1. Úvod do studia statistiky. 1.1. Významy pojmu statistika
1. Úvod do studia statistiky Andrew Lang o politikovi: Používá statistiku jako opilý člověk pouliční lampu spíš na podporu než na osvětlení. Benjamin Disraeli o lži: Jsou tri stupně lži - lež, nehanebná
Pořízení licencí statistického SW
Pořízení licencí statistického SW Zadavatel: Česká školní inspekce, Fráni Šrámka 37, 150 21 Praha 5 IČO: 00638994 Jednající: Mgr. Tomáš Zatloukal Předpokládaná (a maximální cena): 1.200.000 vč. DPH Typ