ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 2004.

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 2004."

Transkript

1 ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 04 Marie Budíková Katedra aplikované matematiky, Přírodovědecká fakulta, Masarykova univerzita Janáčkovo náměstí 2a, 2 00 Brno Abstrakt: Příspěvek si klade za cíl analyzovat obtížnost položek jednotlivých subtestů testu studijních předpokladů, který na Ekonomicko správní fakultě a Právnické fakultě Masarykovy univerzity slouží jako jediný nástroj u přijímací zkoušky. Pomocí krabicových diagramů a dvouvýběrových t-testů je posuzována rozdílnost středních hodnot obtížnosti položek jednotlivých subtestů pro všechny uchazeče o studium na těchto dvou fakultách, dále pro přijaté uchazeče o studium na a a posléze pro přijaté a nepřijaté uchazeče o studium na a studium na. Klíčová slova: test studijních předpokladů, subtest, index obtížnosti, krabicový diagram, dvouvýběrový t-test 1. Úvod Na většině fakult Masarykovy univerzity je v přijímacím řízení již několik let používán test studijních předpokladů (nadále TSP). Test obsahuje osmdesát otázek (položek), rozdělených do osmi okruhů, které se nazývají subtesty. Každý z nich je zaměřen na určitou specifickou oblast. Prověřuje schopnosti myšlení verbálního, numerického, symbolického, analytického, kritického a vědeckého a vedle toho i prostorovou představivost a schopnost úsudků. Univerzitní veřejnost se zamýšlí nad tím, zda v přijímacím řízení na různých fakultách posílit vliv různých subtestů, např. pro přijetí na Přírodovědeckou fakultu zdůraznit subtest Numerické myšlení nebo na Filosofickou fakultu Verbální myšlení. Zajisté tedy bude užitečné posoudit, jak obtížné byly položky v jednotlivých subtestech pro uchazeče o studium na různých fakultách. 2. Základní informace o TSP 2.1. Hrubé skóre a vážené skóre Ke každé z osmdesáti položek existuje právě jedna správná odpověď a čtyři chybné odpovědi (tzv. distraktory). Pokud uchazeč zvolí správnou odpověď, získá za danou položku jeden bod, v opačném případě žádný bod. Celkový počet bodů získaných v TSP (tzv. hrubé skóre - HS) se tedy může pohybovat od 0 do bodů. Na řešení testu mají uchazeči minut. Vzhledem k velkému počtu uchazečů o studium na Masarykově univerzitě nelze konat přijímací zkoušky ve stejnou dobu. Z tohoto důvodu je vždy sestaveno několik variant TSP, přičemž pro každou variantu jsou vytvořeny tři verze lišící se pořadím odpovědí v jednotlivých položkách. Varianty se však poněkud mohou lišit obtížností. Aby se eliminoval vliv varianty, je hrubé skóre v rámci každé varianty přepočteno na výkon na percentilové stupnici (vážené skóre - VS). Vážené skóre umožňuje objektivní porovnání výkonu jedince s výkony ostatních uchazečů. Nabývá hodnot mezi 0 a. Uchazeč je ke studiu přijímán podle hodnot váženého skóre.

2 2.2. Subtesty v testu studijních předpokladů Položky v TSP jsou seskupeny po deseti do tzv. subtestů, které zjišťují schopnost uchazeče řešit úlohy různého typu. Přehled o subtestech podává následující tabulka 1: číslo subtestu název subtestu čísla položek 1 Verbální myšlení 1 2 Numerické myšlení 11 3 Symbolické myšlení 21 4 Prostorová představivost 31 5 Úsudky 41 6 Analytické myšlení 51 7 Základy vědeckého myšlení 61 8 Kritické myšlení 71 Tab. 1: Názvy subtestů v TSP Pro lepší představu o TSP je uvedeno několik ukázek úloh z jednotlivých subtestů. Subtest 1 Verbální myšlení Určete, ve které z následujících dvojic je významový vztah jejích členů vztahem nejpodobnější následující dvojici: redundance: nadbytečnost a) pes: zajíc b) dřevo: pila c) přání: touha d) kutil: mrkev e) krůta: kohout Subtest 2 Numerické myšlení Vyberte nejmenší a největší číslo:,,,,,, a), b), c), d) 3, e), Subtest 3 Symbolické myšlení V níže uvedeném slově zjistěte, v kolika případech má dvojice po sobě následujících písmen (první a druhé, druhé a třetí atd.) pořadí podle abecedy, tj. první písmeno je v abecedě dříve než písmeno následující. Slovo obhospodařovat a) 7 b) 6 c) d) 9 e) 8 Subtest 4 Prostorová představivost Ke které z níže uvedených kostek patří zobrazená síť? (b)

3 Subtest 5 Úsudky Určete větu (z níže uvedených nožností), kterou lze z daných vět zaručeně platně odvodit: Žádné pohrabáče nejsou měkké. Všechny podušky jsou měkké. a) Žádné podušky nejsou pohrabáče. b) Některé podušky nejsou pohrabáče. c) Všechny podušky jsou pohrabáče. d) Podušky jsou příjemnější než pohrabáče. e) Některé podušky jsou pohrabáče. Subtest 6 Analytické myšlení Varování: Nebudeš-li si čistit zuby nebo budeš-li jíst bonbóny, budeš muset k zubaři. Vyberte situaci, která je v rozporu s tímto varováním: a) Alenka nejedla bonbóny a musela k zubaři. b) Nikdo nemusel k zubaři. c) Pepíček si čistil zuby a musel k zubaři. d) Michálek si čistil zuby, nejedl bonbóny a musel k zubaři. e) Frantík si nečistil zuby, jedl bonbóny a nemusel k zubaři. Subtest 7 Základy vědeckého myšlení Galénos z Pergamu je osobnost, kterou spojujeme s dějinami a) astronomie b) teologie c) přirozeného práva d) medicíny e) ekologie Subtest 8 Kritické myšlení Za diskriminaci při přijímání do zaměstnání nelze považovat v běžných situacích (tj. nejde-li o specifická povolání) výběr osoby na základě a) pohlaví b) sexuální orientace c) věku d) odborné způsobilosti e) náboženského přesvědčení 3. Test studijních předpokladů na Ekonomicko správní fakultě a Právnické fakultě 3.1. Výjimečnost a z hlediska TSP V rámci přijímacího řízení na některé fakulty MU nebo studijní obory na fakultách je nutné absolvovat nejenom TSP, ale také odborné testy. K těmto fakultám patří například Lékařská fakulta či Pedagogická fakulta, ke studijním oborům biologie či geografie na Přírodovědecké fakultě. V roce 04 pouze uchazeči o studium na a řešili jen TSP. Při analýze TSP se tedy zaměříme na uchazeče, kteří se hlásili ke studiu na těchto dvou fakultách Informace o přijetí V roce 04 podalo na přihlášku 7446 uchazečů, ke studiu bylo přijato 18 uchazečů (18,9%), nepřijato 38 (81,1%). Na se hlásilo 9448 uchazečů, ke studiu bylo přijato 756 uchazečů (8%), nepřijato 8692 (92%). Testujeme-li na asymptotické hladině významnosti 0,05 hypotézu, že podíly přijatých uchazečů jsou na obou fakultách stejné, poskytne Pearsonův chí-kvadrát test testovou statistiku 443,61 s jedním stupněm volnosti. Odpovídající p-hodnota je velmi blízká nule, tedy hypotézu o shodě podílů zamítáme na asymptotické hladině významnosti 0,05. Podíl šancí na přijetí na je OR = = 2, 68, tedy ucha zeči o studium na mají 2,68 krát vyšší šanci na přijetí než uchazeči o studium na. Na obrázku 1 jsou absolutní a relativní četnosti přijatých a nepřijatých uchazečů znázorněny pomocí výsečových diagramů.

4 prijat; 18; 19% prijat; 756; 8% neprijat; 38; 81% neprijat; 8692; 92% Obr. 1: Výsečové diagramy absolutních a relativních četností přijatých a nepřijatých uchazečů 4. Analýza subtestů z hlediska jejich obtížnosti 4.1. Výpočet indexu obtížnosti n Index obtížnosti položky testu se počítá podle vzorce P = S, kde n S je počet n osob, které danou položku vyřešily správně a n je celkový počet osob. Je-li tedy daná položka obtížná, bude index obtížnosti blízký 0, je-li naopak snadná, bude tento index blízký. Je-li položka správně zkonstruovaná, její index obtížnosti by se měl nacházet v intervalu,. Položky s indexem obtížnosti pod jsou extrémně těžké, naopak položky s indexem obtížnosti nad jsou extrémně snadné. Graf indexů obtížnosti položek na obou fakultách vidíme na obrázku 2: Obr. 2: Průběh indexů obtížnosti položek TSP Lze konstatovat, že v průběhu indexů obtížnosti položek na obou sledovaných fakultách nejsou téměř žádné rozdíly. Tento dojem je podpořen provedením dvouvýběrového t-testu, jehož výsledek vidíme v tabulce 2: t sv p Sm.odch. Sm.odch. F-pomě P,79,75 0, ,98 19,00 19,15 1,0157 Tab. 2: Výsledky dvouvýběrového t-testu pro celý TSP

5 Hodnota testové statistiky pro test hypotézy, že střední hodnota indexů obtížnosti je na obou fakultách stejná, je velmi malá (t = 0,0151), p-hodnota je blízká 1 (p = 0,988), tedy na hladině významnosti 0,05 nulovou hypotézu nezamítáme Obtížnost položek subtestů pro uchazeče o studium na a Zaměříme se nyní na hledání rozdílů v obtížnosti položek jednotlivých subtestů pro všechny uchazeče o studium na a. Obrázek 3 znázorňuje pomocí krabicových diagramů (je použita varianta krabicových diagramů s průměrem, směrodatnou chybou, minimem a maximem) indexy obtížnosti položek v jednotlivých subtestech P_ P_ Obr. 3: Krabicové diagramy obtížnosti položek v osmi subtestech pro a všichni Z těchto krabicových diagramů vyplývá, že první, sedmý a osmý subtest byly snazší pro uchazeče o studium na. Variabilita indexů obtížnosti v jednotlivých subtestech byla na obou fakultách srovnatelná. S výjimkou třetího subtestu vykazují indexy obtížnosti položek v subtestech jen malé odchylky od normálního rozložení, proto na vyhodnocení rozdílů v úrovni obtížnosti položek v subtestech použijeme dvouvýběrový t-test. Výsledky jsou zachyceny v tabulce 3: subtest 1 subtest 2 subtest 3 subtest 4 subtest 5 subtest 6 subtest 7 subtest 8 t sv p Sm.odch. Sm.odch. F-poměr p 77,25 78,38-0, ,5997 5,00 4,44 1,2636 0,7331,48 49,01 0, ,7174 9,12 8,83 1,0669 0,9248,21 78,61 0, , ,83 26,48 1,1373 0, ,97 72,14 0, , ,08 18,55 1,0527 0,93 49,56 48,67 0, , ,81 15,26 1,06 0,91 45,31 44,59 0, ,84 8,18 8, 1,0055 0, ,03 49,99-0, ,4912 9,47 9, 1,0157 0, ,53 64,58-0, ,6346 9,44 9,56 1,0268 0,9692 Tab. 3: Výsledky dvouvýběrového t-testu pro osm subtestů - všichni Ve všech osmi případech jsou p-hodnoty větší než hladina významnosti 0,05, tedy na této hladině nezamítáme hypotézu o shodě středních hodnot indexů obtížnosti položek v jednotlivých subtestech pro uchazeče o studium na a.

6 4.3. Obtížnost položek subtestů pro přijaté uchazeče o studium na a Nyní naše zkoumání omezíme pouze na přijaté uchazeče. Podívejme se na obrázek 4, který znázorňuje krabicové diagramy indexů obtížnosti položek jednotlivých subtestů pro uchazeče, kteří byli přijati ke studiu na či : P P P P Obr. 4: Krabicové diagramy obtížnosti položek v osmi subtestech pro a - přijatí V tomto případě už je situace poněkud odlišná. Jsou pozorovatelné větší rozdíly jak v průměrech, tak ve směrodatných chybách. Testujeme-li pomocí dvouvýběrového t-testu hypotézu, že střední hodnoty indexů obtížnosti položek v jednotlivých subtestech jsou stejné pro uchazeče o studium na sledovaných dvou fakultách, dostaneme výsledky zaznamenané v tabulce 4: subtest 1 subtest 2 subtest 3 subtest 4 subtest 5 subtest 6 subtest 7 subtest 8 t sv p Sm.odch. Sm.odch. F-poměr p 86,16 89,29-1, ,1199 4,79 3, 1,6817 0,47 65,99 71,01-1, ,2666,47 9,03 1,3446 0, ,22 88,93-0, ,86,49 19,37 1,1188 0, ,08 87,34-0, ,89 12, 12,00 1,0842 0,61 69,74 74,74-0, , ,81 11,35 1,48 0,56 67,28 73,48-2, ,0353 6,44 5,71 1,2716 0, ,45 66,98-1, ,2366,67 9,49 1,2627 0, ,45 85,08-1, ,2867 8,05 6,67 1,4566 0,5843 Tab. 4: Výsledky dvouvýběrového t-testu pro osm subtestů - přijatí Všechny subtesty byly snazší pro přijaté uchazeče o studium na. Na hladině významnosti 0,05 se prokázala odlišnost ve střední hodnotě indexů obtížnosti položek šestého subtestu, tj. toho subtestu, který je zaměřen na analytické myšlení. Pro budoucí právníky byl tento subtest výrazně snazší než pro budoucí ekonomy. Získané výsledky ovšem nejsou překvapující, neboť výběr uchazečů na je mnohem přísnější než na.

7 4.4. Obtížnost položek subtestů pro přijaté a nepřijaté uchazeče o studium na a o studium na Nyní prozkoumáme rozdíly mezi přijatými a nepřijatými uchazeči z hlediska obtížnosti jednotlivých subtestů. Obrázek 5 znázorňuje krabicové diagramy obtížnosti položek v subtestech pro přijaté a nepřijaté uchazeče: P N P P P N P P Obr. 5: Krabicové diagramy obtížnosti položek v osmi subtestech pro přijaté a nepřijaté U obou fakult jsou pozorovatelné velmi výrazné rozdíly v obtížnosti položek jednotlivých subtestů pro přijaté a nepřijaté uchazeče. Použijeme dvouvýběrový t-test k testování hypotézy, že střední hodnoty indexů obtížnosti položek v jednotlivých subtestech jsou stejné pro přijaté a nepřijaté uchazeče. Výsledky pro jsou uvedeny v tabulce 5, pro v tabulce 6: subtest 1 subtest 2 subtest 3 subtest 4 subtest 5 subtest 6 subtest 7 nep rijat prijat t sv p Sm.odch. nep rijat Sm.odch. prijat F-poměr 75,17 86,16-4, ,0001 5,15 4,79 1, ,86 65,99-4,4 18 0,0003 8,85,47 1,09 78,57 87,22-0, , ,93,49 1,18 71,15 86,08-2, ,05 19,45 12, 2, ,85 69,74-3, , ,31 13,81 1,2293,18 67,28-7, ,0000 8,59 6,44 1,70 43,66 61,65-3, ,0009 9,24,67 1,3343 Tab. 5: Výsledky dvouvýběrového t-testu pro osm subtestů přijatí a nepřijatí, subtest 1 subtest 2 subtest 3 subtest 4 subtest 5 subtest 6 subtest 7 neprijat prijat t sv p Sm.odch. neprijat Sm.odch. prijat F-poměr 77,43 89,29-6, ,0000 4,55 3, 1, ,09 71,01-5, ,0000 8,82 9,03 1, ,72 88,93-1, , 27,16 19,37 1,9658,82 87,34-2,3 18 0, ,16 12,00 2,54 46, 74,74-4, , ,67 11,35 1,68 42,07 73,48-9, ,0000 8,45 5,71 2,18 48,52 66,98-4, ,0004 9,43 9,49 1,0147 Tab. 6: Výsledky dvouvýběrového t-testu pro osm subtestů přijatí a nepřijatí,

8 Vidíme, že na obou fakultách jsme s rizikem omylu nejvýše 5% prokázali rozdíly ve střední hodnotě indexů obtížnosti položek subtestů číslo 1, 2, 5, 6, 7, 8 pro přijaté a nepřijaté uchazeče, na navíc ještě u subtestu číslo 4. Vzhledem k tomu, že stupně volnosti jsou pro všechny testové statistiky stejné, můžeme vliv jednotlivých subtestů na přijetí uchazeče posuzovat přímo pomocí hodnoty testové statistiky t. Na má největší vliv subtest číslo 6 Analytické myšlení a dále subtest číslo 8 Kritické myšlení. Rovněž na se jako nejvlivnější projevuje subtest číslo 6, na druhém místě se však ocitá subtest číslo 1 Verbální myšlení. Naopak subtesty číslo 3 Symbolické myšlení a číslo 4 Prostorová představivost se pro přijetí uchazečů jeví nejméně vlivné. Na obou fakultách byl pro přijaté uchazeče nejobtížnější subtest číslo 7 Základy vědeckého myšlení, pro nepřijaté uchazeče pak subtest číslo 6 Analytické myšlení. 5. Závěr Zaměřili jsme se analýzu testu studijních předpokladů na Ekonomicko správní fakultě a Právnické fakultě Masarykovy univerzity, přičemž jsme použili údaje z přihlášek z roku 04. Vzhledem k tomu, že uchazeč může podat přihlášku na několik fakult MU současně a přitom řeší TSP pouze jednou, není vyloučeno, že výsledky stejných uchazečů mohou být zahrnuty jak na, tak na. Naším hlavním cílem bylo zkoumání indexů obtížnosti položek v osmi subtestech, které tvoří TSP. S rizikem omylu nejvýše 5% jsme prokázali, že na obou sledovaných fakultách neexistuje rozdíl ve střední hodnotě indexů obtížnosti položek jednotlivých subtestů; pro přijaté uchazeče existuje rozdíl ve střední hodnotě indexů obtížnosti položek šestého subtestu Analytické myšlení, tento subtest byl výrazně snazší pro uchazeče o studium na ; pro přijaté a nepřijaté uchazeče o studium na existuje rozdíl ve střední hodnotě indexů obtížnosti položek subtestů číslo 1, 2, 5, 6, 7, 8, přičemž největší vliv na přijetí vykazují subtesty číslo 6 Analytické myšlení a dále číslo 8 Kritické myšlení ; pro přijaté a nepřijaté uchazeče o studium na existuje rozdíl ve střední hodnotě indexů obtížnosti položek subtestů číslo 1, 2, 4, 5, 6, 7, 8, přičemž největší vliv na přijetí vykazují subtesty číslo 6 Analytické myšlení a dále číslo 1 Verbální myšlení ; pro přijaté uchazeče na obou fakultách byl shodně nejobtížnější subtest číslo 7 Základy vědeckého myšlení, pro nepřijaté uchazeče pak subtest číslo 6 Analytické myšlení. Lze konstatovat, že o přijetí na a se uchází v podstatě stejný typ studentů. Výběr uchazečů o studium na je však přísnější než na (na bylo přijato pouze 8% uchazečů, na téměř 19%), proto jsou na větší rozdíly mezi přijatými a nepřijatými uchazeči než na. Literatura: [1] Anděl, J.: Matematická statistika. SNTL/Alfa Praha [2] Dan, J., Budíková, M.: Test studijních předpokladů TSP 04. Analytická studie. MU Brno 04. [3] STATISTICA for Windows. StatSoft, Inc. 00.

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

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 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

Více

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D. Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní

Více

Test dobré shody v KONTINGENČNÍCH TABULKÁCH

Test dobré shody v KONTINGENČNÍCH TABULKÁCH Test dobré shody v KONTINGENČNÍCH TABULKÁCH Opakování: Mějme náhodné veličiny X a Y uspořádané do kontingenční tabulky. Řekli jsme, že nulovou hypotézu H 0 : veličiny X, Y jsou nezávislé zamítneme, když

Více

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 statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

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

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

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

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

Národníinformačnístředisko pro podporu jakosti

Národníinformačnístředisko pro podporu jakosti Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov

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

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

t-test, Studentův párový test Ing. Michael Rost, Ph.D.

t-test, Studentův párový test Ing. Michael Rost, Ph.D. Testování hypotéz: dvouvýběrový t-test, Studentův párový test Ing. Michael Rost, Ph.D. Úvod do problému... Již známe jednovýběrový t-test, při kterém jsme měli k dispozici pouze jeden výběr. Můžeme se

Více

STATISTICKÉ TESTY VÝZNAMNOSTI

STATISTICKÉ TESTY VÝZNAMNOSTI STATISTICKÉ TESTY VÝZNAMNOSTI jsou statistické postupy, pomocí nichž ověřujeme, zda mezi proměnnými existuje vztah (závislost, rozdíl). Pokud je výsledek šetření statisticky významný (signifikantní), znamená

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

PSY117/454 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

Více

Tomáš Karel LS 2012/2013

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

Více

Tomáš Karel LS 2012/2013

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

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

Semestrální práce z předmětu Matematika 6F

Semestrální práce z předmětu Matematika 6F vypracoval: Jaroslav Nušl dne: 17.6.24 email: nusl@cvut.org Semestrální práce z předmětu Matematika 6F Zádání: Cílem semestrální práce z matematiky 6F bylo zkoumání hudebního signálu. Pluginem ve Winampu

Více

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

průměrný percentil za části testu odchylka skóre analytická verbální směrodatná

průměrný percentil za části testu odchylka skóre analytická verbální směrodatná ZŠ Souhrnné výsledky za školu OSP celkový průměrný výsledek za části testu za dovednosti v testu třída počet žáků skupinový čistá úspěšnost průměrné skóre směrodatná odchylka skóre verbální analytická

Více

Úvod. Struktura respondentů

Úvod. Struktura respondentů Výsledky pilotního průzkumu postojů studentů Policejní akademie ČR v Praze k problematice zálohování dat Ing. Bc. Marek Čandík, Ph.D. JUDr. Štěpán Kalamár, Ph.D. The results of the pilot survey of students

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

Číselné charakteristiky a jejich výpočet

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

Více

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI Josef Křepela, Jiří Michálek OSSM při ČSJ Červen 009 Hodnocení způsobilosti atributivních znaků jakosti (počet neshodných jednotek) Nechť p je pravděpodobnost

Více

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Statistika nuda je, má však cenné údaje. Neklesejme na mysli, ona nám to vyčíslí. Z pohádky Princové jsou na draka Populace (základní

Více

Souhrnné výsledky za školu

Souhrnné výsledky za školu XYZ třída počet žáků percentil skupinový percentil (G4) čistá úspěšnost skóre směrodatná odchylka skóre x geometrie funkce algebra třída počet žáků percentil skupinový percentil (G4) čistá úspěšnost skóre

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

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové

Více

META-ANALÝZA Z POHLEDU STATISTIKA. Medicína založená na důkazu - Modul 3B

META-ANALÝZA Z POHLEDU STATISTIKA. Medicína založená na důkazu - Modul 3B META-ANALÝZA Z POHLEDU STATISTIKA Medicína založená na důkazu - Modul 3B OBSAH: Úvodní definice... 2 Ověření homogenity pomocí Q statistiky... 3 Testování homogenity studií pomocí I 2 indexu... 6 Výpočet

Více

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13 Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test

Více

Studium informatiky: přehled českých vysokých škol

Studium informatiky: přehled českých vysokých škol Živě, 27.02.2012 Studium informatiky: přehled českých vysokých škol [zive.cz; 25/02/2012; David Polesný, Ivan Kvasnica ; Zaradenie: zive.cz] Pokud uvažujete o studiu na vysoké škole, pomalu se vám krátí

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

Více

Souhrnné výsledky za školu

Souhrnné výsledky za školu BDGKM třída počet žáků percentil skupinový percentil (GV) rozšířený percetil o PZ čistá úspěšnost skóre směrodatná odchylka skóre x mluvnice literatura sloh a komunikace třída počet žáků percentil skupinový

Více

Nepodali přihlášku na žádnou školu gymnázium 59 58 3 1 1 obchodní akademie. Podali přihlášku na VŠ. Podali přihlášku na VOŠ

Nepodali přihlášku na žádnou školu gymnázium 59 58 3 1 1 obchodní akademie. Podali přihlášku na VŠ. Podali přihlášku na VOŠ Přehled podaných přihlášek k dalšímu studiu Druh/typ školy Počet absolventů celkem na VŠ na VOŠ na jiný typ školy Nepodali přihlášku na žádnou školu gymnázium 59 58 3 1 1 obchodní akademie 30 19 6 2 6

Více

Základní statistické charakteristiky písemných testů

Základní statistické charakteristiky písemných testů Základní statistické charakteristiky písemných testů Přijímací řízení na Ekonomicko-správní fakultu MU do navazujících magisterských oborů. Studenti byli přijímání na tyto obory: Prezenční magisterské

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Navrhování experimentů a jejich analýza. Eva Jarošová

Navrhování experimentů a jejich analýza. Eva Jarošová Navrhování experimentů a jejich analýza Eva Jarošová Obsah Základní techniky Vyhodnocení výsledků Experimenty s jedním zkoumaným faktorem Faktoriální experimenty úplné 2 N dílčí 2 N-p Experimenty pro studium

Více

ADDS cvičení 7. Pavlína Kuráňová

ADDS 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

Více

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

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

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Testování hypotéz na základě jednoho a dvou výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/004. Testování hypotéz Pokud nás zajímá zda platí, či neplatí tvrzení o určitém parametru,

Více

Tvar dat a nástroj přeskupování

Tvar dat a nástroj přeskupování StatSoft Tvar dat a nástroj přeskupování Chtěli jste někdy použít data v jistém tvaru a STATISTICA Vám to nedovolila? Jistě se najde někdo, kdo se v této situaci již ocitl. Není ale potřeba propadat panice,

Více

STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI. Pavel Praks, Zdeněk Boháč

STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI. Pavel Praks, Zdeněk Boháč STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI Pavel Praks, Zdeněk Boháč Katedra matematiky a deskriptivní geometrie, VŠB - Technická univerzita Ostrava 17. listopadu

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Jindřicha Matiegky Mělník, Pražská Termín

Více

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií Hodina 50 Strana /4 Gymnázium Budějovická Volitelný předmět Ekonomie - jednoletý BLOK ČÍSLO 8 Hodnocení akcií Předpokládaný počet : 9 hodin Použitá literatura : František Egermayer, Jan Kožíšek Statistická

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Fakultní základní škola při Pedagogické fakultě UK, Praha

Více

Pravidla pro přijímací řízení a podmínky přijetí ke studiu denní a dálková forma - 2010/2011 P01/2010. Interní směrnice

Pravidla pro přijímací řízení a podmínky přijetí ke studiu denní a dálková forma - 2010/2011 P01/2010. Interní směrnice Interní směrnice P01/2010 Pravidla pro přijímací řízení a podmínky přijetí ke studiu denní a dálková forma - 2010/2011 Zpracoval: Mgr. Dagmar Vladyková Dokument: IIVOS/ISM/58170 Schválil: Ing. Petra Mansfeldová,

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Bedřicha Hrozného Lysá nad Labem, nám. B.

Více

MATEMATICKÁ BIOLOGIE

MATEMATICKÁ BIOLOGIE INSTITUT BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita MATEMATICKÁ BIOLOGIE Přírodovědecká fakulta Masarykova univerzita, Brno Studijní obor Matematická biologie Masarykova

Více

O nakladatelství. Nakladatelství SOKRATES se specializuje také na odbornou právnickou a ekonomickou literaturu.

O nakladatelství. Nakladatelství SOKRATES se specializuje také na odbornou právnickou a ekonomickou literaturu. Obsah Obsah... 1 O nakladatelství... 2 Nejžádanější publikace z nakladatelství SOKRATES... 3 Kompletní nabídka z edice Přijímací zkoušky na vysoké školy z nakladatelství SOKRATES dle typu VŠ... 4 Právnická

Více

Souhrnné výsledky za školu

Souhrnné výsledky za školu DFGJK třída počet žáků percentil skupinový percentil (GV) čistá úspěšnost skóre směrodatná odchylka skóre x poslech čtení a porozumění textu konverzace gramatika a slovní zásoba komplexní cvičení třída

Více

Centrum pro zjišťování výsledků vzdělávání CERMAT Jankovcova 933/63, 170 00 Praha 7, tel.: +420 224 507 507 www.cermat.cz, www.novamaturita.

Centrum pro zjišťování výsledků vzdělávání CERMAT Jankovcova 933/63, 170 00 Praha 7, tel.: +420 224 507 507 www.cermat.cz, www.novamaturita. Analýza výsledků testu - slovníček aktuálních pojmů. Úlohy zařazované do testů jsou různého typu. V uzavřených úlohách a uzavřených podúlohách svazku žák vybírá odpověď z několika nabízených alternativ.

Více

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na

Více

Pojem a úkoly statistiky

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

Více

IV. CVIENÍ ZE STATISTIKY

IV. CVIENÍ ZE STATISTIKY IV. CVIENÍ ZE STATISTIKY Vážení studenti, úkolem dnešního cviení je nauit se analyzovat data kvantitativní povahy. K tomuto budeme opt používat program Excel 2007 MS Office. 1. Jak mžeme analyzovat kvantitativní

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

Modul Analýza síly testu Váš pomocník při analýze dat.

Modul Analýza síly testu Váš pomocník při analýze dat. 6..0 Modul Analýza síly testu Váš pomocník při analýze dat. Power Analysis and Interval Estimation Analýza síly testu Odhad velikosti vzorku Pokročilé techniky pro odhad intervalu spolehlivosti Rozdělení

Více

Testy dobré shody TESTY DOBRÉ SHODY (angl. goodness-of-fit tests), : veličiny X, Y jsou nezávislé nij eij

Testy dobré shody TESTY DOBRÉ SHODY (angl. goodness-of-fit tests),   : veličiny X, Y jsou nezávislé nij eij Testy dobré shody Máme dvě veličiny a předpokládáme, že jsou nezávislé (platí nulová hypotéza nezávislosti). Často chceme naopak prokázat jejich závislost. K tomu slouží: TESTY DOBRÉ SHODY (angl. goodness-of-fit

Více

65-42-M/01 HOTELNICTVÍ A TURISMUS PLATNÉ OD 1.9.2012. Čj SVPHT09/03

65-42-M/01 HOTELNICTVÍ A TURISMUS PLATNÉ OD 1.9.2012. Čj SVPHT09/03 Školní vzdělávací program: Hotelnictví a turismus Kód a název oboru vzdělávání: 65-42-M/01 Hotelnictví Délka a forma studia: čtyřleté denní studium Stupeň vzdělání: střední vzdělání s maturitní zkouškou

Více

KEA 2009/2010-9. ROČNÍKY

KEA 2009/2010-9. ROČNÍKY Škola: Název: Obec: DEHK DEHK Základní škola, Kvítková 4338 Základní škola, Kvítková 4338 Zlín Zlín KEA 9/1-9. ROČNÍKY ČESKÝ JAZYK Výsledky Vaší školy v českém jazyce jsou špičkové. Vaše škola patří mezi

Více

Projekt z předmětu Statistika

Projekt z předmětu Statistika Projekt z předmětu Téma: Typologie hráče české nejvyšší hokejové soutěže VŠB-TU Ostrava:Fakulta Elektrotechniky a informatiky jaro 2011 Martin Dočkal doc068 dockal.martin@gmail.com 1 Obsah 2 Zadání...

Více

Zpráva o přijímacím řízení na Fakultě elektrotechnické ZČU v Plzni v ak. roce 2013/14

Zpráva o přijímacím řízení na Fakultě elektrotechnické ZČU v Plzni v ak. roce 2013/14 Západočeská univerzita v Plzni Fakulta elektrotechnická Zpráva o přijímacím řízení na Fakultě elektrotechnické ZČU v Plzni v ak. roce 2013/14 Zpracováno dne 1. 11. 2013 Informace o přijímacím řízení na

Více

Výsledky testování školy. Výběrové zjišťování výsledků žáků 2014/2015 9. ročník ZŠ. Školní rok 2014/2015

Výsledky testování školy. Výběrové zjišťování výsledků žáků 2014/2015 9. ročník ZŠ. Školní rok 2014/2015 Výsledky testování školy Výběrové zjišťování výsledků žáků 2014/2015 9. ročník ZŠ Školní rok 2014/2015 Gymnázium, Teplice, Čs. dobrovolců 11, příspěvková organizace Termín akce: 11.05.2015 22.05.2015 Termín

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 12. 2002 60 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Tato

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

Podmínky pro přijímací řízení

Podmínky pro přijímací řízení Podmínky pro přijímací řízení pro akademický rok 2011/2012 Pro akademický rok 2011/2012 jsou přijímány přihlášky ke studiu na níže uvedené akreditované studijní obory. Bakalářské studijní programy: Bez

Více

Společenství prvního stupně ověření norem

Společenství prvního stupně ověření norem Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně. Ověření norem. Denisa Denglerová Praha: Národní ústav

Více

Souhrnné výsledky za školu

Souhrnné výsledky za školu Souhrnné výsledky za školu OSP celkový průměrný výsledek za části testu třída počet žáků percentil skupinový percentil čistá úspěšnost průměrné skóre směrodatná odchylka skóre verbální analytická kvantitativní

Více

Výsledky 1. kola přijímacího řízení pro školní rok 2015/2016 na Střední průmyslovou školu a Obchodní akademii, Bruntál, příspěvkovou organizaci

Výsledky 1. kola přijímacího řízení pro školní rok 2015/2016 na Střední průmyslovou školu a Obchodní akademii, Bruntál, příspěvkovou organizaci 1 148 Informační technologie 45 38 42 125 Přijat. 2 129 Informační technologie 45 32 45 122 Přijat. 3 119 Informační technologie 41 41 39 121 Přijat. 4 112 Informační technologie 43 35 27 105 Přijat. 5

Více

4.9.70. Logika a studijní předpoklady

4.9.70. Logika a studijní předpoklady 4.9.70. Logika a studijní předpoklady Seminář je jednoletý, je určen pro studenty posledního ročníku čtyřletého studia, osmiletého studia a sportovní přípravy. Cílem přípravy je orientace ve formální logice,

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Počítačové cvičení. předmětu M6130 Výpočetní statistika. Marie Budíková

Počítačové cvičení. předmětu M6130 Výpočetní statistika. Marie Budíková Počítačové cvičení předmětu M6130 Výpočetní statistika Marie Budíková 013 Poděkování Tento učební text vznikl za přispění Evropského sociálního fondu a státního rozpočtu ČR prostřednictvím Operačního programu

Více

Podmínky pro přijímací řízení pro akademický rok 2015/16

Podmínky pro přijímací řízení pro akademický rok 2015/16 Podmínky pro přijímací řízení pro akademický rok 2015/16 PROMÍJENÍ PŘIJÍMACÍCH ZKOUŠEK přijímací řízení pro akademický rok 2015/2016 Pro akademický rok 2015/2016 jsou přijímány přihlášky ke studiu na níže

Více

výška (cm) počet žáků

výška (cm) počet žáků Statistika 1) Ve školním roce 1997/119 bylo v Brně 3 základních škol, ve kterých bylo celkem 1 tříd. Tyto školy navštěvovalo 11 5 žáků. Určete a) kolik tříd průměrně měla jedna ZŠ, b) kolik žáků průměrně

Více

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech.

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech. 3 Grafické zpracování dat Grafické znázorňování je velmi účinný způsob, jak prezentovat statistické údaje. Grafy nejsou tak přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých

Více

STONOŽKA 2008/2009-5. TŘÍDY

STONOŽKA 2008/2009-5. TŘÍDY Škola: Název: Obec: BCST Základní škola, Školní Řevnice BCST Základní škola, Školní Řevnice STONOŽKA 8/9-5. TŘÍDY ČESKÝ JAZYK Výsledky Vaší školy v českém jazyce jsou nadprůměrné. Patříte mezi úspěšné

Více

Testování hypotéz a měření asociace mezi proměnnými

Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,

Více

Mannův-Whitneyův(Wilcoxonův) test pořadová obdoba dvouvýběrového t-testu. Statistika (MD360P03Z, MD360P03U) ak. rok 2007/2008

Mannův-Whitneyův(Wilcoxonův) test pořadová obdoba dvouvýběrového t-testu. Statistika (MD360P03Z, MD360P03U) ak. rok 2007/2008 Statistika (MD30P03Z, MD30P03U) ak. rok 007/008 Karel Zvára karel.zvara@mff.cuni.cz http://www.karlin.mff.cuni.cz/ zvara (naposledy upraveno. listopadu 007) 1(4) Mann-Whitney párový Wilcoxon párový znaménkový

Více

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 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

Více

STONOŽKA 2008/2009-9. TŘÍDY

STONOŽKA 2008/2009-9. TŘÍDY Škola: Název: Obec: BCDE BCDE Základní škola, Dambořice č.p. Základní 466 škola, Dambořice č.p. 466 Dambořice Dambořice STONOŽKA 28/29-9. TŘÍDY ČESKÝ JAZYK Výsledky Vaší školy v českém jazyce jsou špičkové.

Více

Testy pro porovnání vlastností dvou skupin

Testy pro porovnání vlastností dvou skupin Testy pro porovnání vlastností dvou skupin Petr Pošík Části dokumentu jsou převzaty (i doslovně) z Mirko Navara: Pravděpodobnost a matematická statistika, https://cw.felk.cvut.cz/lib/exe/fetch.php/courses/a6m33ssl/pms_print.pdf

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera Výstup RVP: Klíčová slova: pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Mirek Kubera žák diskutuje a kriticky zhodnotí statistické informace a daná statistická sdělení, volí

Více

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy Koza se pase na polovině zahrady, Jaroslav eichl, 011 K OZA E PAE NA POLOVINĚ ZAHADY Zadání úlohy Zahrada kruhového tvaru má poloměr r = 10 m. Do zahrady umístíme kozu, kterou přivážeme provazem ke kolíku

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

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

Více

Fakultní školy. Přírodovědecká fakulta. Univerzity Palackého v Olomouci 2. prosince 2013

Fakultní školy. Přírodovědecká fakulta. Univerzity Palackého v Olomouci 2. prosince 2013 Fakultní školy Přírodovědecká fakulta Univerzity Palackého v Olomouci 2. prosince 2013 Fakulta Filozofická Pedagogická Přírodovědecká Tělesné kultury Lékařská Právnická Cyrilometodějská teologická Zdravotnických

Více

PŘIJÍMÁNÍ KE STUDIU A PŘIJÍMACÍ ŘÍZENÍ NA VYSOKÉ ŠKOLE CHEMICKO-TECHNOLOGICKÉ V PRAZE ZE DNE 15. ČERVENCE 2013

PŘIJÍMÁNÍ KE STUDIU A PŘIJÍMACÍ ŘÍZENÍ NA VYSOKÉ ŠKOLE CHEMICKO-TECHNOLOGICKÉ V PRAZE ZE DNE 15. ČERVENCE 2013 Ministerstvo školství, mládeže a tělovýchovy registrovalo podle 36 odst. 2 zákona č. 111/1998 Sb., o vysokých školách a o změně a doplnění dalších zákonů (zákon o vysokých školách), dne 15. července 2013

Více

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Co je to statistika? teoretická disciplína, která se zabývá metodami sběru a analýzy dat Jak získat data?

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

Pravidla pro přijímací řízení a podmínky přijetí ke studiu denní a dálková forma - 2012/2013 P01/2012. Interní směrnice

Pravidla pro přijímací řízení a podmínky přijetí ke studiu denní a dálková forma - 2012/2013 P01/2012. Interní směrnice Interní směrnice P01/2012 Pravidla pro přijímací řízení a podmínky přijetí ke studiu denní a dálková forma - 2012/2013 Zpracovala: Mgr. Dagmar Vladyková Dokument: IIVOS/ISM/76349 Schválila: Ing. Petra

Více

STONOŽKA 2008/2009-9. TŘÍDY

STONOŽKA 2008/2009-9. TŘÍDY Škola: Název: Obec: FIMN FIMN Základní škola, Komenského Základní 828/9 škola, Komenského 828/9 Týniště nad Orlicí Týniště nad Orlicí STONOŽKA 28/29-9. TŘÍDY ČESKÝ JAZYK Výsledky Vaší školy v českém jazyce

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem

Více

Informace o přijímacím řízení a kritéria přijetí pro obory vzdělání zakončené maturitní zkouškou pro školní rok 2015/2016 denní studium

Informace o přijímacím řízení a kritéria přijetí pro obory vzdělání zakončené maturitní zkouškou pro školní rok 2015/2016 denní studium tel.: 374 616 351, 374 723 995 E-mail: info@sps-tachov.cz, www.sps-tachov.cz Informace o přijímacím řízení a kritéria přijetí pro obory vzdělání zakončené maturitní zkouškou pro školní rok 2015/2016 denní

Více

Úvod. Postup praktického testování

Úvod. Postup praktického testování Testování vzorků kalů odebraných v rámci Doškolovacího semináře Manažerů vzorkování odpadů 21. 10. 2014 v ČOV Liberec, akciové společnosti Severočeské vodovody a kanalizace Úvod Společnost Forsapi, s.r.o.

Více

Organizace přijímacího řízení do prvních ročníků vzdělávání ve střední škole a vyhlášení prvního kola přijímacího řízení pro školní rok 2015/2016

Organizace přijímacího řízení do prvních ročníků vzdělávání ve střední škole a vyhlášení prvního kola přijímacího řízení pro školní rok 2015/2016 Organizace přijímacího řízení do prvních ročníků vzdělávání ve střední škole a vyhlášení prvního kola přijímacího řízení pro školní rok 2015/2016 Pokyn ředitele č. 2/2015 V Blatné dne: 19. 1. 2015 Čj.

Více

2015 2016 Pedagogická fakulta Ostravské univerzity v Ostravě. Studijní oblasti. Učitelské studijní obory Neučitelské studijní obory

2015 2016 Pedagogická fakulta Ostravské univerzity v Ostravě. Studijní oblasti. Učitelské studijní obory Neučitelské studijní obory 015 016 Pedagogická fakulta Ostravské univerzity v Ostravě Studijní oblasti Učitelské studijní obory Neučitelské studijní obory Přehled nabízených studijních programů a oborů Bakalářské obory Andragogika

Více