Jak kriticky myslet? Kamil

Rozměr: px
Začít zobrazení ze stránky:

Download "Jak kriticky myslet? Kamil Gregor @kamilgregor"

Transkript

1 Jak kriticky myslet? Kamil

2 Inspirace Petr Ludwig Zlin.barcamp.cz

3 Dva díly Jak se to nemá dělat (tinyurl.com/gregor-plzen) Jak se to má dělat 2 min

4 Jak na to?

5 Tvrzení Základem je správná formulace tvrzení Musí být pravdivé nebo nepravdivé Musí být konkrétní Mimozemšťané existují x Mimozemšťané existují a jsou přítomní na Zemi Rusové jsou špatní x Rusko dodává vojenskou techniku povstalcům v Doněcku Romové jsou líní x Nezaměstnanost mezi Romy je vyšší než nezaměstnanost mezi ostatními lidmi Očkování škodí zdraví x Podání [vakcíny] zvyšuje u člověka pravděpodobnost vzniku autismu

6 Tvrzení Při posuzování pravdivosti tvrzení je třeba vzít do úvahy všechny jeho alternativy

7 Tvrzení Při posuzování pravdivosti tvrzení je třeba vzít do úvahy všechny jeho alternativy Kouření způsobuje rakovinu

8 Tvrzení Při posuzování pravdivosti tvrzení je třeba vzít do úvahy všechny jeho alternativy Kouření způsobuje rakovinu Kouření léčí rakovinu

9 Tvrzení Při posuzování pravdivosti tvrzení je třeba vzít do úvahy všechny jeho alternativy Kouření způsobuje rakovinu Kouření léčí rakovinu Kouření nehraje při výskytu rakoviny žádnou roli 5 min

10 Důkaz a doklad Rozhodování na základě důkazů Co to je důkaz Důkaz versus doklad

11 Důkaz (proof) Formulujeme dvě vyčerpávající a vzájemně neslučitelná tvrzení A a A Důkaz pro tvrzení A je pravdivé tvrzení o existenci jevu, který může nastat tehdy a jen tehdy, pokud je tvrzení A pravdivé, a s jistotou nemůže nastat, pokud je tvrzení A pravdivé Přítomnost důkazu pro tvrzení A vylučuje možnost pravdivosti tvrzení A

12

13

14

15 Doklad (evidence) Málokdy máme důkaz Obvykle máme pouze doklady Doklad je slabší ekvivalent důkazu

16 Doklad (evidence) Formulujeme dvě vyčerpávající a vzájemně neslučitelná tvrzení A a A Doklad pro tvrzení A je pravdivé tvrzení o existenci jevu, jehož výskyt je pravděpodobnější, pokud je tvrzení A pravdivé, a méně pravděpodobný, pokud je tvrzení A pravdivé Doklad pro tvrzení A nevylučuje možnost pravdivosti tvrzení A, ale činí ji méně pravděpodobnou

17

18 Doklad (evidence) Jak poznat, jak je něco pravděpodobné Ideálně to změřit Pokud to nemůžeme změřit, musíme to odhadnout Nebojte se odhadovat, stejně se většinou nic lepšího nedá dělat

19 Doklad (evidence) Lidi odhadují pravděpodobnosti pořád, jazyk implicitně operuje s pravděpodobnostmi pokaždé téměř vždycky někdy občas skoro nikdy zřídka nikdy 10 min

20 Doklad (evidence) I tvrzení, které je pravděpodobně pravdivé, může být pořád nepravdivé! Odhadem pravděpodobnosti nezjišťujeme, co je pravda. Zjišťujeme jenom, co je pravděpodobně pravda. Ale to je to nejlepší, co se dá dělat

21 Doklad (evidence) Naše závěry musí být vždy provizorní, musíme být připraveni je kdykoli přehodnotit Kdykoli se totiž můžeme dozvědět něco, co změní náš odhad pravděpodobnosti pravdivosti tvrzení

22 Doklad (evidence) Musíme být neustále připraveni se mýlit Pochybnost je našim největším přítelem, jistota je našim nejlepším nepřítelem Nejhorší nebezpečí je přesvědčit se o tom, že co si myslíme, že je pravdivé, pravdivé skutečně je, a že se v tom naprosto nemůžeme mýlit Pokud se totiž opravdu mýlíme, ztratíme možnost se o tom dozvědět

23 Absence dokladu Absence dokladu není dokladem absence (Absence of evidence is not an evidence of absence)

24 Absence dokladu Absence dokladu není dokladem absence

25 Absence dokladu Absence dokladu není dokladem absence Absence dokladu je dokladem absence

26 Absence dokladu Absence dokladu není dokladem absence Absence dokladu je dokladem absence tam, kde bychom existenci dokladu čekali

27 Příklad: Yetti Absence dokladu

28 Yetti Stovky pozorování yettiho v Severní Americe

29

30 Yetti Stovky pozorování yettiho v Severní Americe Srovnáním s jinými druhy zvířat lze odhadnout, že i kdyby jen malá část těchto pozorování byla legitimních, populace yettiho by musela být velká (tisíce jedinců) Problém je v tom, že neexistují žádné jiné doklady o yettiho existenci než pozorování

31 Yetti Absence dokladu: Kdyby populace yettiho skutečně existovala, čekali bychom existenci dalších dokladů kromě pozorování (stopy, chlupy, trus, kosterní pozůstatky, mrtvá těla) A nejen to! Očekávali bychom existenci těchto dokladů ve velkém množství (v množství odpovídajícím velikosti populace)

32 Odhadovat pravděpodobnost pravdivosti tvrzení na základě důkazů a dokladu nestačí Proč?

33

34 Mimořádná tvrzení vyžadují mimořádně dobré doklady ( Extraordinary claims require extraordinary evidence ) Christopher Hitchens

35 A: Včera jsem viděl Nicolase Cage B: Důkaz?

36

37 A: Včera jsem viděl mimozemšťany B: Důkaz?

38

39 V obou případech fotografie nemusí být doklad (může být podvržená) Ale v prvním případě by většině lidí asi stačila, aby přijali tvrzení jako pravdivé Ve druhém případě ale ne Jak je možné, že úplně stejná kvalita a kvantita dokladu v jednom případě stačí a ve druhém případě ne? 15 min

40 Ne všechna tvrzení jsou si rovna Některá tvrzení jsou mimořádná, vymykají se naší každodenní zkušenosti (extraordinary doslova mimo to, co je běžné ) Pro taková tvrzení bychom měli požadovat mimořádně dobré doklady

41 Protože první tvrzení ( potkal jsem Nicolase Cage ) je sice mimořádné (nestává se to denně), ale ne zase tak moc Druhé tvrzení ( potkal jsem mimozemšťany ) je ale velmi mimořádné Proto bychom měli ve druhém případě požadovat mnohem více dokladů než v prvním případě Míra dokladů by měla být přímo úměrná mimořádnosti tvrzení

42 Pojďme to dát dohromady

43 Recept na kritické myšlení Dobře formulované tvrzení

44 Recept na kritické myšlení Dobře formulované tvrzení + zahrnutí všech alternativních tvrzení

45 Recept na kritické myšlení Dobře formulované tvrzení + zahrnutí všech alternativních tvrzení + důkazy a doklady

46 Recept na kritické myšlení Dobře formulované tvrzení + zahrnutí všech alternativních tvrzení + důkazy a doklady + absence důkazů a dokladů

47 Recept na kritické myšlení Dobře formulované tvrzení + zahrnutí všech alternativních tvrzení + důkazy a doklady + absence důkazů a dokladů + mimořádnost tvrzení

48 Recept na kritické myšlení Dobře formulované tvrzení + zahrnutí všech alternativních tvrzení + důkazy a doklady + absence důkazů a dokladů + mimořádnost tvrzení = Bayesovské usuzování

49

50

51 Příklad

52 Příklad A: Abrahám Lincoln existoval (je to historická osoba) A: Abrahám Lincoln nikdy neexistoval (je to fiktivní postava) e: Doklady (evidence) fotografie, novinové články, volební výsledky, hrob b: Výchozí znalosti (background knowledge) Všechno, co vím o světě, co se toho týká

53 1. Stanovení apriorní pravděpodobnosti Jak je pravděpodobné, že Lincoln byl historická osoba vzhledem k tomu, co vím o světě a bez ohledu na doklady? Jak je pravděpodobné, že je fiktivní postava vzhledem k tomu, co vím o světě a bez ohledu na doklady?

54 1. Stanovení apriorní pravděpodobnosti Jak je pravděpodobné, že Lincoln byl historická postava vzhledem k tomu, co vím o světě a bez ohledu na doklady? Ještě se nestalo, že by se ukázalo, že někdo, o kom jsme si mysleli, že byl americký prezident, byl fiktivní postava Jak je pravděpodobné, že Lincoln je fiktivní postava vzhledem k tomu, co vím o světě a bez ohledu na doklady? Zatím se zdá, že každý, o kom si myslíme, že byl americký prezident, opravdu existoval 20 min

55 1. Stanovení apriorní pravděpodobnosti Tvrzení, že Lincoln je fiktivní postava je mimořádné, neobvyklé tvrzení -> apriorní pravděpodobnost, že je pravdivé, je nízká. Neznamená to, že není pravdivé. Znamená to jen, že nejspíš pravdivé není

56 2. Stanovení podmíněné pravděpodobnosti Jak je pravděpodobné, že by doklady pro Lincolnovu historicitu existovaly, kdyby existoval? Jak je pravděpodobné, že by doklady pro Lincolnův myticismus existovaly, kdyby nikdy neexistoval?

57 2. Stanovení podmíněné pravděpodobnosti Jak je pravděpodobné, že by doklady pro Lincolnovu historicitu existovaly, kdyby existoval? Je velmi vysoká - Pokud Lincoln existoval, zanechal po sobě důkazy Jak je pravděpodobné, že by doklady pro Lincolnův myticismus existovaly, kdyby nikdy neexistoval? Je velmi nízká Někdo mohl všechny důkazy padělat, ale to není moc pravděpodobné

58 2. Stanovení podmíněné pravděpodobnosti Jaké další doklady by měly existoval, kdyby Lincoln byl historická osoba, a neexistují? Skoro žádné máme všechno, co bychom očekávali, že budeme mít Jaké další doklady by měly existoval, kdyby Lincoln byl fiktivní postava, a neexistují? Pokud někdo padělal všechny doklady ve prospěch existence Lincolna, bylo by do toho zapojeno velké množství lidí. Někdo z nich by se dříve nebo později prozradil

59 3. Stanovení aposteriorní pravděpodobnosti Nízká apriorní pravděpodobnost + nízká podmíněná pravděpodobnost = nízká aposteriorní pravděpodobnost Tvrzení, že Lincoln je fiktivní postava, je velmi neobvyklé + existují doklady pro to, že byl historická osoba a neexistují očekávané doklady pro to, že je fiktivní postava = Lincoln nejspíš skutečně existoval

60 3. Stanovení aposteriorní pravděpodobnosti Pravděpodobnost, že doklady ve prospěch pravdivosti tvrzení budou existovat, pokud je tvrzení pravdivé, musí být dostatečně vysoká, aby překonala apriorní pravděpodobnost Pokud je apriorní pravděpodobnost vysoká, stačí nám jen málo dokladů Pokud je apriorní pravděpodobnost nízká, potřebujeme hodně dokladů 25 min

61 3. Stanovení aposteriorní pravděpodobnosti I nízkou apriorní pravděpodobnost lze překonat, pokud máme dostatečně kvalitní doklady Aposteriorní pravděpodobnost je pořád jen pravděpodobnost můžeme se mýlit. Čím vyšší je ale apriorní pravděpodobnost a/nebo čím lepší máme doklady, tím více si můžeme být jistí, že se nemýlíme

62 Bayesovské usuzování Je pravděpodobnostní Můžeme se mýlit Závěry jsou provizorní Stupeň jistoty závěrů zohledňuje Neobvyklost tvrzení Sílu důkazů Stupeň jistoty závěrů můžeme aktualizovat pomocí nových informací

63 Problémy Odhad pravděpodobnosti je obvykle subjektivní a nepřesný To ale platí pro každé usuzování Bayesovské usuzování alespoň podporuje transparentní diskuzi (deklarujeme otevřeně apriorní, podmíněné a aposteriorní pravděpodobnosti)

64 Problémy Závislost na výchozí znalosti Pokud už věřím na zázraky, nasadím jim vysokou apriorní pravděpodobnost a spíše dostanu vysokou aposteriorní pravděpodobnost. Každý potvrzený zázrak mi navíc zvýší apriorní pravděpodobnost pro příště Řešení: Nespoléhejte se jen na sebe, zohledňujte interpersonální odhady ve společnosti (implicitní konsensus o pravděpodobnosti jevů mezi lidmi) Život není fér

65 Problémy Bayesovské usuzování nenahrazuje neznalost faktů Prověřuji pravdivost tvrzení Rusko dodává vojenskou techniku povstalcům v Doněcku Závěr: Co já vím?! Diskuze není boxerský zápas. Nebojte se říct já si to půjdu promyslet a pak se vrátím

66 Problémy Potvrdil jsem si to Bayesovským usuzováním, takže to musí být pravda Nejdůležitější lekce: Naše závěry jsou provizorní Bayesovské usuzování slouží k dodatečné modifikaci pravděpodobnosti pravdivosti tvrzení na základě nové informace Tak to taky dělejte!

67 Děkuji za pozornost Kamil Video z první přednášky na tinyurl.com/gregor-plzen

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E

Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E Testování statistických hypotéz z a analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Epidemiologické ukazatele Rizikový faktor Populace Přítomen Nepřítomen Celkem Nemocní a b a+b Kontroly

Více

OBSAH: ÚVOD... 1. iii. kapitola 1 TYPY A CÍLE PORAD... 3. Základní koncept řízení porad... 3. Operativní porada... 4. Výrobní porada...

OBSAH: ÚVOD... 1. iii. kapitola 1 TYPY A CÍLE PORAD... 3. Základní koncept řízení porad... 3. Operativní porada... 4. Výrobní porada... OBSAH: ÚVOD............................................................ 1 kapitola 1 TYPY A CÍLE PORAD............................................... 3 Základní koncept řízení porad................................................

Více

ETIKA. Benedictus de SPINOZA

ETIKA. Benedictus de SPINOZA ETIKA Benedictus de SPINOZA Ukázka knihy z internetového knihkupectví www.kosmas.cz Benedictus de Spinoza ETIKA ETIKA Benedictus de SPINOZA ETIKA Translation Karel Hubka, 1977 Czech edition dybbuk, 2004

Více

Testování hypotéz testy o tvaru rozdělení. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Testování hypotéz testy o tvaru rozdělení. 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 Statistickou hypotézou se rozumí určité tvrzení o parametrech rozdělení zkoumané náhodné veličiny (µ, σ 2, π,

Více

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. 1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový

Více

Teorie her a ekonomické rozhodování. 7. Hry s neúplnou informací

Teorie her a ekonomické rozhodování. 7. Hry s neúplnou informací Teorie her a ekonomické rozhodování 7. Hry s neúplnou informací 7.1 Informace Dosud hráči měli úplnou informaci o hře, např. znali svou výplatní funkci, ale i výplatní funkce ostatních hráčů často to tak

Více

Ing. Michael Rost, Ph.D.

Ing. Michael Rost, Ph.D. Úvod do testování hypotéz, jednovýběrový t-test Ing. Michael Rost, Ph.D. Testovaná hypotéza Pokud nás zajímá zda platí, či neplatí tvrzení o určitém parametru, např. o parametru Θ, pak takovéto tvrzení

Více

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické

Více

Kognitivní restrukturalizace. MUDr. Petr Možný

Kognitivní restrukturalizace. MUDr. Petr Možný Kognitivní restrukturalizace MUDr. Petr Možný Edukace klienta Co jsou to emoce Pojmenování emocí Vztah mezi emocemi a myšlenkami Myšlenky automatické a volní Myšlenky primární a sekundární Myšlenky chladné

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz 1 Testování statistických hypotéz 1 Statistická hypotéza a její test V praxi jsme nuceni rozhodnout, zda nějaké tvrzeni o parametrech náhodných veličin nebo o veličině samotné

Více

Matematické důkazy Struktura matematiky a typy důkazů

Matematické důkazy Struktura matematiky a typy důkazů Matematické důkazy Struktura matematiky a typy důkazů Petr Liška Masarykova univerzita 18.9.2014 Motto: Matematika je tvořena z 50 procent formulemi, z 50 procent důkazy a z 50 procent představivostí.

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

Více

OPAKOVÁNÍ- STAVBA A VÝVOJ ZEMĚ, GEOLOGICKÉ VĚDNÍ OBORY. PRAVDA NEBO LEŽ? Co už vím o vzniku Země a geologických oborech.

OPAKOVÁNÍ- STAVBA A VÝVOJ ZEMĚ, GEOLOGICKÉ VĚDNÍ OBORY. PRAVDA NEBO LEŽ? Co už vím o vzniku Země a geologických oborech. OPAKOVÁNÍ- STAVBA A VÝVOJ ZEMĚ, GEOLOGICKÉ VĚDNÍ OBORY PRAVDA NEBO LEŽ? Co už vím o vzniku Země a geologických oborech. Urči, zda jsou následující tvrzení pravdivá či nepravdivá. Pravdivá tvrzení označ

Více

Rychlokurz forenzní DNA statistiky Anastassiya Žídková

Rychlokurz forenzní DNA statistiky Anastassiya Žídková Rychlokurz forenzní DNA statistiky 21.10.2011 Anastassiya Žídková anastazie.d@gmail.com Úvod První část Program dnešního kurzu Základní zákony pravděpodobnosti Druhá část Bayesovavěta Zásady při interpretaci

Více

Vysoká škola zemědělská Praha, Provozně ekonomická fakulta, Katedra zemědělské ekonomiky, 165 21 Praha 6 - Suchdol tel. 02_3382297, fax.

Vysoká škola zemědělská Praha, Provozně ekonomická fakulta, Katedra zemědělské ekonomiky, 165 21 Praha 6 - Suchdol tel. 02_3382297, fax. HODNOCENÍ INVESTIČNÍCH PROJEKTů PRO TRVALE UDRŽITELNÝ ROZVOJ Helena Sůvová Vysoká škola zemědělská Praha, Provozně ekonomická fakulta, Katedra zemědělské ekonomiky, 165 21 Praha 6 - Suchdol tel. 02_3382297,

Více

-Můžete si přečíst: 20.6.2012

-Můžete si přečíst: 20.6.2012 -Můžete si přečíst: str. 1 Redakční rada str. 2 Co připravujeme str. 3 Fotografie z dílen str. 4 Gabrielle Lord str. 5, 6 Tajemný koutek str. 7 Nové knihy str. 8, 9, 10, 11 O chodícím stromu... str. 12,

Více

Program péče o velké šelmy

Program péče o velké šelmy Program péče o velké šelmy Petr Koubek, Jarmila Krojerová, Miroslava Barančeková Ústav biologie obratlovců AV ČR, v.v.i. Příprava Programů péče o velké šelmy je evropským tématem již celá desetiletí. Na

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY Statistická hypotéza je určitá domněnka (předpoklad) o vlastnostech ZÁKLADNÍHO SOUBORU. Test statistické hypotézy je pravidlo (kritérium), které na základě

Více

Jak je to s obleky na míru? Exklusivně s Jaroslavem Mejtou

Jak je to s obleky na míru? Exklusivně s Jaroslavem Mejtou Jak je to s obleky na míru? Exklusivně s Jaroslavem Mejtou Menstyle»Móda a styl Jaroslav Mejta, foto:robert Vano 30.09.2011 10:38 Michaela Lejsková S Jaroslavem Mejtou jsem měla několikrát příležitost

Více

LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR

LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR Ve většině případů pracujeme s výběrovým souborem a výběrové výsledky zobecňujeme na základní soubor. Smysluplné

Více

Jana Vránová, 3.lékařská fakulta UK, Praha. Hypotézy o populacích

Jana Vránová, 3.lékařská fakulta UK, Praha. Hypotézy o populacích Jana Vránová, 3.lékařská fakulta UK, Praha Hypotézy o populacích Příklad IQ test: Předpokládejme, že z nějakého důvodu ministerstvo školství věří, že studenti absolventi středních škol v Hradci Králové

Více

Informační a znalostní systémy

Informační a znalostní systémy Informační a znalostní systémy Teorie pravděpodobnosti není v podstatě nic jiného než vyjádření obecného povědomí počítáním. P. S. de Laplace Pravděpodobnost a relativní četnost Pokusy, výsledky nejsou

Více

Plánovánízaměřenéna člověka jako nástroj zvyšováníkvality života

Plánovánízaměřenéna člověka jako nástroj zvyšováníkvality života Plánovánízaměřenéna člověka jako nástroj zvyšováníkvality života Konference Pro změnu 2009 Praha 2.10.2009 Rela Chábová Dana Kořínková Podle: http://helensandersonassociates.co.uk Tříděnítoho, co je důležitépro

Více

I. JAK SI MYSLÍM, ŽE MOHU BÝT PRO TÝM PROSPĚŠNÝ:

I. JAK SI MYSLÍM, ŽE MOHU BÝT PRO TÝM PROSPĚŠNÝ: Test týmových rolí Pokyny: U každé otázky (I - VII), rozdělte 10 bodů mezi jednotlivé věty podle toho, do jaké míry vystihují vaše chování. V krajním případě můžete rozdělit těchto 10 bodů mezi všechny

Více

V každém kroku se a + b zmenší o min(a, b), tedy vždy alespoň o 1. Jestliže jsme na začátku dostali 2

V každém kroku se a + b zmenší o min(a, b), tedy vždy alespoň o 1. Jestliže jsme na začátku dostali 2 Euklidův algoritmus Doprovodný materiál pro cvičení Programování I. NPRM044 Autor: Markéta Popelová Datum: 31.10.2010 Euklidův algoritmus verze 1.0 Zadání: Určete největšího společného dělitele dvou zadaných

Více

Statistické metody uţívané při ověřování platnosti hypotéz

Statistické metody uţívané při ověřování platnosti hypotéz Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy

Více

Metody sociálního a sociologického výzkumu kvantitativní metodologie. PhDr. Eva Křížová, PhD. evakriz@centrum.cz

Metody sociálního a sociologického výzkumu kvantitativní metodologie. PhDr. Eva Křížová, PhD. evakriz@centrum.cz Metody sociálního a sociologického výzkumu kvantitativní metodologie PhDr. Eva Křížová, PhD. evakriz@centrum.cz Témata kvantitativní části a zakončení kurzu Východiska, hodnoty a pravidla vědecko-výzkumné

Více

nití či strunou. Další postup, barevné konturování, nám napoví mnoho o skutečném tvaru, materiálu a hustotě objektu.

nití či strunou. Další postup, barevné konturování, nám napoví mnoho o skutečném tvaru, materiálu a hustotě objektu. Úvodem Již na počátku své dlouhé a strastiplné cesty lidé naráželi na záhadné a tajemné věci nebo úkazy, které nebyli schopni pochopit. Tak vzniklo náboženství a bohové. Kdo ale ti bohové byli ve skutečnosti?

Více

Sociálně ekonomické determinanty zdraví mezisektorová spolupráce k snižování zdravotních nerovností

Sociálně ekonomické determinanty zdraví mezisektorová spolupráce k snižování zdravotních nerovností Sociálně ekonomické determinanty zdraví mezisektorová spolupráce k snižování zdravotních nerovností Hana Janatová Státní zdravotní ústav This work is part of EQUITY ACTION which has received funding from

Více

Kogn ogn t i ivn vn rest s ruk u t k ur u ali al z i ace

Kogn ogn t i ivn vn rest s ruk u t k ur u ali al z i ace Kognitivní restrukturalizace MUDr. Petr Možný Úvod - edukace klienta Co jsou to emoce Pojmenování emocí Vztah mezi emocemi a myšlenkami Myšlenky automatické a volní Myšlenky primární a sekundární Myšlenky

Více

Místopředsedkyně Senátu PČR paní dr. Alena Gajdůšková: Vážený pane předsedo, vážená paní předsedkyně Poslanecké sněmovny, vážené dámy, vážení pánové!

Místopředsedkyně Senátu PČR paní dr. Alena Gajdůšková: Vážený pane předsedo, vážená paní předsedkyně Poslanecké sněmovny, vážené dámy, vážení pánové! Místopředsedkyně Senátu PČR paní dr. Alena Gajdůšková: Vážený pane předsedo, vážená paní předsedkyně Poslanecké sněmovny, vážené dámy, vážení pánové! Od hostů se očekává zdravice. Jsem velmi ráda, že vás

Více

Přednáška 4 B104KRM Krizový management. Ing. Roman Maroušek, Ph.D.

Přednáška 4 B104KRM Krizový management. Ing. Roman Maroušek, Ph.D. Přednáška 4 B104KRM Krizový management Ing. Roman Maroušek, Ph.D. 5/Procesní charakter krize, potenciální, latentní a akutní fáze. 6/Krizové plánování, odlišnosti, metody. 7/ Struktura krizového plánu

Více

Kouření vonných listů, kořeníči drog se vyskytuje v lidské společnosti tisíce let. Do Evropy se tabák dostal po roce 1492 v té době byl považován za

Kouření vonných listů, kořeníči drog se vyskytuje v lidské společnosti tisíce let. Do Evropy se tabák dostal po roce 1492 v té době byl považován za Mgr. Jakub Dziergas Střední škola, Havířov-Šumbark, Sýkorova 1/613, příspěvková organizace Tento výukový materiál byl zpracován v rámci akce EU peníze středním školám - OP VK 1.5. Výuková sada OBČANSKÁ

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2014/15 Cvičení 6: Dummy proměnné, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Pokračování z minula:

Více

Pravděpodobně skoro správné. PAC učení 1

Pravděpodobně skoro správné. PAC učení 1 Pravděpodobně skoro správné (PAC) učení PAC učení 1 Výpočetní teorie strojového učení Věta o ošklivém kačátku. Nechť E je klasifikovaná trénovací množina pro koncept K, který tvoří podmnožinu konečného

Více

Volba střední školy jak to vidí osmáci

Volba střední školy jak to vidí osmáci Volba střední školy jak to vidí osmáci Studie občanského sdružení Než zazvoní 2. června 2014 Studie o výběru školy Tento dokument je veřejnou součástí širší dlouhodobé studie občanského sdružení Než zazvoní,

Více

8 rad, jak se nenechat napálit e-shopem

8 rad, jak se nenechat napálit e-shopem 8 rad, jak se nenechat napálit e-shopem Nákup Vánočních dárků přes internet bezesporu přináší spoustu výhod. Můžete nakupovat z pohodlí domova, mít na sobě třeba pyžamo, nemusíte čekat ve frontách, zboží

Více

Sociálně ekonomické determinanty zdraví spolupráce k snižování zdravotních

Sociálně ekonomické determinanty zdraví spolupráce k snižování zdravotních Sociálně ekonomické determinanty zdraví spolupráce k snižování zdravotních nerovností Hana Janatová Státní zdravotní ústav This work is part of EQUITY ACTION which has received funding from the European

Více

8 NEZAMĚSTNANOST. 8.1 Klíčové pojmy

8 NEZAMĚSTNANOST. 8.1 Klíčové pojmy 8 NEZAMĚSTNANOST 8.1 Klíčové pojmy Ekonomicky aktivní obyvatelstvo je definováno jako suma zaměstnaných a nezaměstnaných a míra nezaměstnanosti je definovaná jako procento ekonomicky aktivního obyvatelstva,

Více

Worklife balance. Projekt "Nastavení rovných příležitostí na MěÚ Slaný, CZ.1.04/3.4.04/88.00208

Worklife balance. Projekt Nastavení rovných příležitostí na MěÚ Slaný, CZ.1.04/3.4.04/88.00208 Worklife balance Projekt "Nastavení rovných příležitostí na MěÚ Slaný, CZ.1.04/3.4.04/88.00208 Tento projekt je financováno z Evropského sociálního fondu prostřednictvím Operačního programu Lidské zdroje

Více

mluviti, mlčeti (uvažování nad argumentací ke svobodě slova)

mluviti, mlčeti (uvažování nad argumentací ke svobodě slova) mluviti, mlčeti (uvažování nad argumentací ke svobodě slova) (Maminka se zvedá z lavičky a míří k pískovišti. Čas jít domů. Ale dítě vůbec nechápe, proč je zrovna teď ta pravá chvíle jít domů a proč by

Více

Statistické metody v medicíně II. - p-hodnota

Statistické metody v medicíně II. - p-hodnota Statistické metody v medicíně II. - p-hodnota Martin Hynek Gennet, Centre for Fetal Medicine, Prague EuroMISE Centre, First Faculty of Medicine of Charles University in Prague p-hodnota p-value (p-level)

Více

Možnosti e-learningu v IS MU a ukázky tvorby multimediálních učebnic

Možnosti e-learningu v IS MU a ukázky tvorby multimediálních učebnic Možnosti e-learningu v IS MU a ukázky tvorby multimediálních učebnic Ľuboš Kohút etech@fi.muni.cz Filip Daněk servistech@fi.muni.cz Jitka Daňková servistech@fi.muni.cz Projekt Hlavní cíle projektu: tvorba

Více

STATISTIKA jako vědní obor

STATISTIKA jako vědní obor STATISTIKA jako vědní obor Cílem statistického zpracování dat je podání informace o vlastnostech a zákonitostech hromadných jevů. Statistika se zabývá popisem hromadných jevů - deskriptivní, popisná statistika

Více

Vztah limity k aritmetickým operacím a uspořádání

Vztah limity k aritmetickým operacím a uspořádání Vztah limity k a uspořádání Miroslav Hušek UJEP Prohlížení Celý text je nejlépe čitelný v celoobrazovkovém módu. Toho docílíte stiskem kláves CTRL L. Doprovodný text V textu se užívají definice dle obvyklých

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1 Testování statistických hypotéz Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Statistickou hypotézou rozumíme hypotézu o populaci (základním souboru) např.: Střední hodnota základního souboru je rovna 100.

Více

O čem je řeč v partikulárních větách

O čem je řeč v partikulárních větách O čem je řeč v partikulárních větách Stanislav Sousedík Univerzita Karlova, Praha V časopisu Organon F si vyměňuje již déle než rok několik autorů názory na problematiku intencionálních jsoucen. Pokusím

Více

ARI-CACE: STANOVISKO K ADJUDIKACI RADÁM PRO ŘEŠENÍ SPORŮ

ARI-CACE: STANOVISKO K ADJUDIKACI RADÁM PRO ŘEŠENÍ SPORŮ ARI-CACE: STANOVISKO K ADJUDIKACI RADÁM PRO ŘEŠENÍ SPORŮ Praha, 24. listopadu 2014 Asociace pro rozvoj infrastruktury (ARI) a Česká asociace konzultačních inženýrů (CACE) vydávají toto společné stanovisko

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz. Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2015/2016 Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz Jan Kracík jan.kracik@vsb.cz Obsah: Výběrová rozdělení

Více

Jak si stanovit osobní vizi

Jak si stanovit osobní vizi Action Academy Jak si stanovit osobní vizi ebook Blanka 2014 Jak si stanovit osobní vizi Osobní vize je jasná, konkrétní, působivá a aktivující představa budoucího stavu dosažených výsledků, postavení

Více

Miroslav Adamec, ARAS: JUDr. Jiří Srstka, DILIA:

Miroslav Adamec, ARAS: JUDr. Jiří Srstka, DILIA: Miroslav Adamec, ARAS: A poprosím pana doktora Srstku, aby nám vysvětlil, jak je nebezpečný nechráněný styk námětu s Českou televizí. (Smích.) Jsme malinko v časovém skluzu. Pane doktore, dobrý den. Než

Více

MÁM HLAD, MÁM CHUŤ. CUKROVKA A JÍDLO

MÁM HLAD, MÁM CHUŤ. CUKROVKA A JÍDLO MÁM HLAD, MÁM CHUŤ. CUKROVKA A JÍDLO K Výtvarné soutěži s Novo Nordiskem Postřehy dětí z různých věkových kategorií na téma jídlo v rámci letního tábora Štědronín 2015 Dívka, 10 let Mám hlad, mám chuť

Více

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci Zpracování dat v edukačních vědách - Testování hypotéz Kamila Fačevicová Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci Obsah seminářů 5.11. Úvod do matematické

Více

POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ

POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ ON MENTAL MODELS FORMALIZATION THROUGH THE METHODS OF PROBABILISTIC LINGUISTIC MODELLING Zdeňka Krišová, Miroslav

Více

Asociační pravidla (metoda GUHA)

Asociační pravidla (metoda GUHA) Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Asociační pravidla (metoda GUHA) Ing. Michal Burda () Získávání znalostí z dat Brno, 27. ledna

Více

Rozhovor, pozorování, dokumenty sociometrie VY_32_INOVACE_ZSV3r0109 Mgr. Jaroslav Knesl

Rozhovor, pozorování, dokumenty sociometrie VY_32_INOVACE_ZSV3r0109 Mgr. Jaroslav Knesl Sociologický výzkum III. Rozhovor, pozorování, dokumenty sociometrie VY_32_INOVACE_ZSV3r0109 Mgr. Jaroslav Knesl Rozhovor Umožňuje i sledování a zaznamenání neverbálních reakcí Zásady vedení rozhovoru

Více

ZDRAVOTNÍ RIZIKA Z VENKOVNÍHO OVZDUŠÍ VÝVOJ 2006-2010. B. Kotlík, H. Kazmarová, CZŢP, SZÚ Praha

ZDRAVOTNÍ RIZIKA Z VENKOVNÍHO OVZDUŠÍ VÝVOJ 2006-2010. B. Kotlík, H. Kazmarová, CZŢP, SZÚ Praha ZDRAVOTNÍ RIZIKA Z VENKOVNÍHO OVZDUŠÍ VÝVOJ 2006-2010 Ochrana ovzduší ve státní správě - Teorie a praxe VII. 8. aţ 10. 11. 2011 B. Kotlík, H. Kazmarová, CZŢP, SZÚ Praha HODNOCENÍ ZDRAVOTNÍCH RIZIK 2 Riziko

Více

Šiřte dále to jim přece zase nemůže projít

Šiřte dále to jim přece zase nemůže projít ...a pojďme si říci, co se nového "profláklo". Máme zde věc, o které se vůbec nemluví, jako by se nikdy nestala... evidentně si stávající vedení církví velmi přeje, aby se tu skutečnost veřejnost nikdy

Více

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems Statistika Jindřich Soukup 2013-07-24 University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems Statistika umí: Předpovídat budoucnost? "...

Více

1. Matematická logika

1. Matematická logika MATEMATICKÝ JAZYK Jazyk slouží člověku k vyjádření soudů a myšlenek. Jeho psaná forma má tvar vět. Každá vědní disciplína si vytváří svůj specifický jazyk v úzké návaznosti na jazyk živý. I matematika

Více

SITUACE 1 PŘÍBĚHY JEDNOHO ZÁZRAKU. Co víte o Janu Palachovi? Co víte o Josefu Toufarovi? PÁTRÁNÍ PO STOPÁCH MINULOSTI

SITUACE 1 PŘÍBĚHY JEDNOHO ZÁZRAKU. Co víte o Janu Palachovi? Co víte o Josefu Toufarovi? PÁTRÁNÍ PO STOPÁCH MINULOSTI SITUACE 1 2:00 (úvod, diskuze nad fotografií) Co víte o Janu Palachovi? Co víte o Josefu Toufarovi? PÁTRÁNÍ PO STOPÁCH MINULOSTI Na počátku si každý vybere jedno povolání. Zvolené povolání určí jeho roli

Více

12 HRY S NEÚPLNOU INFORMACÍ

12 HRY S NEÚPLNOU INFORMACÍ 12 HRY S NEÚPLNOU INFORMACÍ 543 Ne v každé hře mají všichni hráči úplné informace o výplatních funkcích ostatních. Ve skutečnosti je většina situací s informací neúplnou. Například: V aukcích zpravidla

Více

Náhodný jev a definice pravděpodobnosti

Náhodný jev a definice pravděpodobnosti Náhodný jev a definice pravděpodobnosti Obsah kapitoly Náhodný jev. Vztahy mezi náhodnými jevy. Pravidla pro počítání s pravděpodobnostmi. Formule úplné pravděpodobnosti a Bayesův vzorec. Studijní cíle

Více

Úvod do matematiky. Mgr. Radek Horenský, Ph.D. Důkazy

Úvod do matematiky. Mgr. Radek Horenský, Ph.D. Důkazy Úvod do matematiky Mgr. Radek Horenský, Ph.D. Důkazy Matematika a matematické chápání jako takové je založeno na logické výstavbě. Základními stavebními prvky jsou definice, věty a důkazy. Definice zavádějí

Více

Úvod do testování hypotéz

Úvod do testování hypotéz Úvod do testování hypotéz Tato kapitola se zabývá rozhodováním o platnosti statistických hypotéz na základě vybraného pravděpodobnostního modelu chování náhodné veličiny a pozorovaných dat. Statistické

Více

TEORIE ROKU 2012. Miroslav Jílek

TEORIE ROKU 2012. Miroslav Jílek TEORIE ROKU 2012 Miroslav Jílek 3 TEORIE ROKU 2012 Miroslav Jílek 1. vydání, 2011 Fotomaterial.cz 110 00 Praha 1, Jungmannova 28/747 Tel: +420 720 536 530 E-mail: info@fotomaterial.cz www.fotomaterial.cz

Více

Ranní úvahy o statistice

Ranní úvahy o statistice Ranní úvahy o statistice Neúplný návod ke čtení statistických výsledků Dušan Merta květen 2016 Co nás čeká 1 Základní pojmy 2 Testování hypotéz 3 Confidence interval 4 Odds ratio 2 / 26 Základní pojmy

Více

http://www.utia.cas.cz/vomlel 6. prosince 2011 J. Vomlel (ÚTIA AV ČR) Aplikace bayesovských sítí 6. prosince 2011 1 / 3

http://www.utia.cas.cz/vomlel 6. prosince 2011 J. Vomlel (ÚTIA AV ČR) Aplikace bayesovských sítí 6. prosince 2011 1 / 3 Příklady aplikací bayesovských sítí Jiří Vomlel ÚTIA, Akademie věd ČR http://www.utia.cas.cz/vomlel 6. prosince 2011 J. Vomlel (ÚTIA AV ČR) Aplikace bayesovských sítí 6. prosince 2011 1 / 3 Jednoduchý

Více

BAYESOVSKÉ ODHADY. Michal Friesl V NĚKTERÝCH MODELECH. Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni

BAYESOVSKÉ ODHADY. Michal Friesl V NĚKTERÝCH MODELECH. Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni BAYESOVSKÉ ODHADY V NĚKTERÝCH MODELECH Michal Friesl Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Slunce Řidiči IQ Regrese Přežití Obvyklý model Pozorování X = (X 1,..., X

Více

Nové aspekty očkování v ordinaci PLDD VIII.Hradecké vakcinologické dny 5.10.2012

Nové aspekty očkování v ordinaci PLDD VIII.Hradecké vakcinologické dny 5.10.2012 Nové aspekty očkování v ordinaci PLDD VIII.Hradecké vakcinologické dny 5.10.2012 MUDr.Hana Cabrnochová Nové aspekty očkování Legislativa: vymahatelnost povinného očkování, zákon o zdravotních službách,

Více

Zařazování dětí mladších tří let do mateřské školy. Vyhodnocení dotazníkového šetření. Příloha č. 1

Zařazování dětí mladších tří let do mateřské školy. Vyhodnocení dotazníkového šetření. Příloha č. 1 Příloha č. 1 Zařazování dětí mladších tří let do mateřské školy Vyhodnocení dotazníkového šetření Pro dotazníkové šetření bylo náhodným výběrem zvoleno 1500 mateřských škol (MŠ) ze všech krajů České republiky,

Více

Formálnílogickésystémy pro aplikaci v informatice Martin Žáček

Formálnílogickésystémy pro aplikaci v informatice Martin Žáček ZVYŠOVÁNÍODBORNÝCH KOMPETENCÍAKADEMICKÝCH PRACOVNÍKŮ OSTRAVSKÉUNIVERZITY V OSTRAVĚ A SLEZSKÉ UNIVERZITY V OPAVĚ Formálnílogickésystémy pro aplikaci v informatice Martin Žáček PŘEDMĚTY NA OU Logické základy

Více

Testování hypotéz Biolog Statistik: Matematik: Informatik:

Testování hypotéz Biolog Statistik: Matematik: Informatik: Testování hypotéz Biolog, Statistik, Matematik a Informatik na safari. Zastaví džíp a pozorují dalekohledem. Biolog "Podívejte se! Stádo zeber! A mezi nimi bílá zebra! To je fantastické! " "Existují bílé

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování 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

Více

Komunikativní K řešení problému Sociální a personální

Komunikativní K řešení problému Sociální a personální Název programu Název cyklu Svět (des)informací Dům plný informací Vypracoval (a) Anotace Cílová skupina Časová dotace Potřebné čtenářské dovednosti (porozumění textu, rychlost) Osnova programu Vzdělávací

Více

REGISTR RIZIK REGISTR RIZIK - STAVBA BOURACÍ PRÁCE. společnost: Zpracoval: Podpis: Datum: Schválil: Podpis: Datum:

REGISTR RIZIK REGISTR RIZIK - STAVBA BOURACÍ PRÁCE. společnost: Zpracoval: Podpis: Datum: Schválil: Podpis: Datum: REGISTR RIZIK - hodnocení rizik možného ohrožení bezpečnosti a zdraví zaměstnanců včetně identifikace nebezpečí, hodnocení a řízení rizik pro: STAVBA BOURACÍ PRÁCE společnost: Hřbitovní 15, 312 00 Plzeň

Více

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. 3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.

Více

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení Přednáška 9 Testy dobré shody Grafická analýza pro ověření shody empirického a teoretického rozdělení χ 2 test dobré shody ověření, zda jsou relativní četnosti jednotlivých variant rovny číslům π 01 ;

Více

Možnosti modelování a řešení konfliktů v environmentálních dohodách

Možnosti modelování a řešení konfliktů v environmentálních dohodách Možnosti modelování a řešení konfliktů v environmentálních dohodách Co to je konflikt? Konflikt mezi firmami a občany patří mezi zásadní problémy současnosti Největším nebezpečím je zneužití této situace

Více

Problémy integrace dynamického modelování do rozhodovacích procesů podniku

Problémy integrace dynamického modelování do rozhodovacích procesů podniku 2002, Leopold Kostal GmbH & Co. KG. Contents and presentations are protected world-wide. Any kind of using, copying etc. is prohibited without prior permission. All rights - incl. industrial property rights

Více

Test obsahoval 7 otevřených otázek a 2 uzavřené alternativní otázky s možností volby ano, ne.

Test obsahoval 7 otevřených otázek a 2 uzavřené alternativní otázky s možností volby ano, ne. ! Cílem vysílání v rámci projektu ŠIK je také předávání praktických informací z oblasti rizikového chování. Vycházíme z přesvědčení, že člověk, který má dostatek pravdivých informací, má také větší "#$%&&%

Více

jeho hustotě a na hustotě tekutiny.

jeho hustotě a na hustotě tekutiny. 9-11 years Mat Vzdělávací obsah: Člověk a příroda / fyzika Klíčové pojmy: Aby těleso plovalo, měl by být poměr mezi jeho hmotností a objemem menší než poměr mezi hmotností a objemem kapaliny. jeho hustotě

Více

Statistické metody v ekonomii. Ing. Michael Rost, Ph.D.

Statistické metody v ekonomii. Ing. Michael Rost, Ph.D. Statistické metody v ekonomii Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Test χ 2 v kontingenční tabulce typu 2 2 Jde vlastně o speciální případ χ 2 testu pro čtyřpolní tabulku.

Více

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND. Pravděpodobnostn podobnostní charateristiy diagnosticých testů, Bayesův vzorec Prof.RND RND.Jana Zvárov rová,, DrSc. Náhodný pous, náhodný n jev Náhodný pous: výslede není jednoznačně určen podmínami,

Více

Sylogistika. (FLÚ AV ČR) Logika: CZ.1.07/2.2.00/ / 16

Sylogistika. (FLÚ AV ČR) Logika: CZ.1.07/2.2.00/ / 16 (FLÚ AV ČR) Logika: CZ.1.07/2.2.00/28.0216 2013 1 / 16 Výstavba logické teorie Sylogistika 1) Syntax základní symboly (logické, mimologické) gramatická pravidla (pojem formule) 2) Sémantika pojem interpretace

Více

Marie Duží

Marie Duží Marie Duží marie.duzi@vsb.cz Učební texty: http://www.cs.vsb.cz/duzi Tabulka Courses, odkaz Mathematical Učební texty, Presentace přednášek kursu Matematická logika, Příklady na cvičení + doplňkové texty.

Více

Společné slyšení dítěte při rodinných rozchodech. Řešení s ohledem na ochranu dítěte

Společné slyšení dítěte při rodinných rozchodech. Řešení s ohledem na ochranu dítěte Společné slyšení dítěte při rodinných rozchodech Řešení s ohledem na ochranu dítěte Marc Juston, prezident soudu Grande Instance, Tarascon, Francie Shrnutí: Výslech či slyšení dítěte se schopností uvažování

Více

Název: Kutálení plechovek

Název: Kutálení plechovek Název: Kutálení plechovek Výukové materiály Téma: Elektrostatika Úroveň: 2. stupeň ZŠ, popř. i SŠ Tematický celek: Vidět a poznat neviditelné Předmět (obor): Doporučený věk žáků: Doba trvání: Specifický

Více

Příspěvek k diskuzi o Ski areálu Smrk.

Příspěvek k diskuzi o Ski areálu Smrk. Příspěvek k diskuzi o Ski areálu Smrk. Po účasti na setkání ve Frýdlantě a hodinovém setkání v Lázních Libverda (musel jsem dřív odejít) jsem na stránkách www.prvo.cz četl zápisy z obou vystoupení. S překvapením

Více

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých

Více

Co Češi skutečně vědí o očkování? , Praha, CZ/PHCA/0033/16

Co Češi skutečně vědí o očkování? , Praha, CZ/PHCA/0033/16 Co Češi skutečně vědí o očkování? 23. 11. 2016, Praha, CZ/PHCA/0033/16 METODOLOGIE Sběr dat byl realizován prostřednictvím internetového dotazníku (CAWI) na internetovém panelu agenturou STEM/MARK Terénní

Více

Komunikace v ochraně přírody

Komunikace v ochraně přírody Komunikace v ochraně přírody Zkušenosti z vládní sféry Mgr. Jakub Kašpar, Přírodovědecká fakulta UK, Praha, 13. září 2016 O lektorovi 1995 2002 novinář, šéfredaktor Ekolist.cz 2002 2009 ředitel odboru

Více

FILOSOFIE ČLOVĚKA a VĚDY

FILOSOFIE ČLOVĚKA a VĚDY FILOSOFIE ČLOVĚKA a VĚDY Filosofie.. Vznik v antickém Řecku - KRITICKÉ, SAMOSTATNÉ myšlení - V SOUVISLOSTECH - sobě vlastní otázky, které neřeší speciální vědy - člověk ve VZTAHU k přírodě, společnosti

Více

MÍSTNÍ AKČNÍ SKUPINA SEVERNÍ CHŘIBY A POMORAVÍ, Z.S.

MÍSTNÍ AKČNÍ SKUPINA SEVERNÍ CHŘIBY A POMORAVÍ, Z.S. Analýza rizik Název rizika Nevyčerpá naplánované alokace programových rámců Typ rizika Hodnoce rizika Pravděpo Dopa dobnost d P Finanč 3 5 15 D významnosti Celkem V = P x D Opatře k říze rizika Rozděle

Více

MEZINÁRODNÍ AUDITORSKÝ STANDARD ISA 805 OBSAH. Datum účinnosti... 4 Cíl... 5 Definice... 6 Požadavky

MEZINÁRODNÍ AUDITORSKÝ STANDARD ISA 805 OBSAH. Datum účinnosti... 4 Cíl... 5 Definice... 6 Požadavky MEZINÁRODNÍ AUDITORSKÝ STANDARD ZVLÁŠTNÍ ASPEKTY AUDITY JEDNOTLIVÝCH ÚČETNÍCH VÝKAZŮ A SPECIFICKÝCH PRVKŮ, (Účinný pro audity účetních závěrek sestavených za období počínající 15. prosincem 2009 nebo po

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení

Více

Řízení rizik. Analýza a ovládání rizik v průběhu misí v procesu ochrany, velení a řízení vojsk

Řízení rizik. Analýza a ovládání rizik v průběhu misí v procesu ochrany, velení a řízení vojsk Řízení rizik Analýza a ovládání rizik v průběhu misí v procesu ochrany, velení a řízení vojsk Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu

Více