Statistika 1 SEMESTRÁLNÍ PRÁCE. Studenti a alkohol

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Statistika 1 SEMESTRÁLNÍ PRÁCE. Studenti a alkohol"

Transkript

1 Vysoká škola Báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Statistika 1 SEMESTRÁLNÍ PRÁCE Studenti a alkohol Jméno: Kopecký Ondřej Login: KOP 205 Skupina: LB252 Datum:

2 Obsah Úvod: Analyzovaná data: Explorační analýza dat: Muži Rozdělení oblíbenosti piva podle stupně Rozdělení oblíbenosti piva podle druhu (typu) Rozdělení oblíbenosti piva podle značky Rozdělení podle vypitých piv Rozdělení podle věku Odlehlá pozorování věk, muži Ženy Rozdělení oblíbenosti piva podle stupně Rozdělení oblíbenosti piva podle druhu (typu) Rozdělení oblíbenosti piva podle značky Rozdělení podle vypitého objemu Rozdělení podle vypitých piv Odlehlá pozorování, ženy Porovnání mezi muži a ženami Porovnání oblíbenosti jednotlivých stupňů piv Porovnání oblíbenosti jednotlivých druhů (typů) piva Porovnání oblíbenosti jednotlivých značek Porovnání věku Porovnání vypitých piv Statistická indukce Muži - jednoduchá regrese řešení závislostí Závislost mezi počtem vypitých piv a ročníkem Závislost mezi počtem vypitých piv a věkem Ženy Závislost mezi počtem vypitých piv a ročníkem Závislost mezi počtem vypitých piv a věkem Závěr:...24 Použitá literatura a materiály...25

3 Úvod: Vybral jsem si trochu netradiční téma alkoholických nápojů, protože si myslím, že bude velice zajímavé zjistit jak na tom vlastně studenti jsou, jaké mají preference, tzn. kolik toho vypijí, jaké mají rádi značky apod. Vzhledem k tomu, že jedu na víkendovou akci, pořádanou vysokoškolskými studenty, budu mít k tomuto výzkumu výbornou příležitost. Data se pokusím získat pomocí dotazníku. Vybrané osoby oslovím a data za ně doplním. Na akci se chystá přes 100 studentů. Studentů však bylo nakonec poněkud méně a málo z nich bylo ochotno se dělit o tyto informace, byť jsou zpracovány anonymně. Toto se týkalo převážně slečen, které se snažily dost často infomace zkreslovat tím, že uvedly méně než vypily. To samé mi však dělali muži, kteří pro změnu přeháněli. Získaná data tak trpí menším zkreslením, které se pohybuje v rozmezí +,- 2 sklenice piva.

4 1. Analyzovaná data: DOTAZNÍK MUZI Obecné informace: Pivní preference: Číslo: Věk: Ročník / vzdělání: Značka: Stupňů Počet ks běžně za večer Posledne ks: Objem (litr) Preferovaný typ: Radegast ,5 rezane Plzen , Braník , Holba , Radegast , Radegast , Plzen , Starobrno ,5 rezane Plzen , Budvar , Kozel , Kozel , Radegast , Radegast , Primator ,5 tmave tmave special DOTAZNÍK ZENY Obecné informace: Pivní preference: Číslo: Věk: Ročník / vzdělání: Značka: Stupňů Počet ks běžně za večer Posledne ks: Objem: ( litr ) preferovaný typ: Starobrno , Ostravar ,3 special Holba , Holba , Radegast , Radegast , Plzen , Starobrno ,5 rezane Radegast , Kozel ,3 tmave Radegast , Ostravar , Ostravar , Radegast , Radegast ,5

5 2. Explorační analýza dat: 2.1 Muži V této části porovnáme a rozebereme základní parametry získaných dat. Nejprve se podívejme na četnosti výskytu dat, tj. kolikrát se daná hodnota vyskytovala v souboru získaných dat Rozdělení oblíbenosti piva podle stupně Platí, že čím více chmelového extraktu je v pivu obsaženo, tím více stupňů má. Se zvyšujícím se stupněm se také zvyšuje obsah sladu. Skutečně sladší se ale zdají být spíše více jak 12 piva. Kolikatistupňová piva jsou oblíbenější se dozvíme z následujícího histogramu a koláčového grafu (obr.1 a obr.2). Obr.1 Histogram- stupeň piva Obr.2 Koláčový graf- stupeň piva Z výše uvedených grafů vyplývá, že nejvíce je u dotazovaných oblíbená tzv. dvanáctka, nebo-li pivo s dvanácti procentním obsahem chmelového extraktu. Tento druh piva je zvláště rozšířen ve velkých městech. Je chuti plnější oproti slabší desítce. Obsahuje však více alkoholu než druhá nejoblíbenější desetistupňová piva, ale méně než 14 piva, které tu máme v 7% zastoupení. Jejich oblíbenost je dle mého názoru přímo úměrná rozšířenosti. Nyní si uvědomuji nedostatečnost v mém dotazníku. Zjištěním místa bydliště u dotazovaných by nám mohlo prozradit, zda většina dotazovaných bydlí nebo se vyskytuje v okolí velkých měst, či přímo v nich. Tato skutečnost by nám pak prozradila zda-li je opravdu její oblíbenost přímo úměrná výskytu a rozšířenosti v daném místě. Jedenácti stupňová piva jsou kompromisem mezi 10 a 12 pivy. Nejsou příliš rozšířena, nejsou ale ani takovou vzácností jako piva 14. Dají se sehnat jak točené tak lahvové. Čtrnáctistupňová piva jsou více méně určena k svátečnímu popíjení. Předurčuje je k tomu vysoký obsah alkoholu v obj., vysoký obsah sladu či jiných sladidel (nejčastěji karamelu u tmavých piv) a neméně i dostupnost vícestupňových speciálů. Dají se sehnat jak točené (v Ostravě například Ostravar Strong a speciál od Budvaru), tak lahvové (např. Primátor Mušketýr, Primátor Weizenbier, apod.). Vícestupňové speciály můžeme potkat i v různých variantách (kvasnicové, nefiltrované, nepasterované- nepasterizace však není výsadou vícestupňových piv, atd.).

6 Obr.3 Krabicový graf stupeň piva Krabicový graf (obr.3) jsem si nechal jako perličku. Jasně je na něm vidět obliba piv mezi 11 a 12 stupni. Minimum jsou desetistupňová piva a odlehlým pozorováním 14 piva. Odlehlé pozorování bychom za normálních okolností chtěli vypustit, jenže v tomto případě se nejedná o hodnotu rušivou. Poukazuje na fakt, že se nevyrábí piva 13. Existuje tato stupnice 4,6,8,10,11,12,14,16,18, ale pak až 21 a 24. Se čtyřmi až osmistupňovými pivy se téměř nesetkáváme. Všimněme si stupňového rozdílu mezi 10,11,12 a opět větších skoků (násobků dvou) u více stupňů. Dotazovaní preferovali pouze úzký profil nejrozšířenějších druhů piv. Většího spektra bychom se z největší pravděpodobností dočkali jen dotazováním degustátorů a opravdových znalců piva.

7 2.1.2 Rozdělení oblíbenosti piva podle druhu (typu) Piva se nerozdělují jen podle stupňů, ale i podle druhů. Pro zjednodušení jsem kategorie rozdělil pouze na světlá, tmavá a speciální. Mezi světlá piva patří všechny běžné výčepní piva (10, 11 ) a ležáky (12 ). Není rozdíl jestli čepované nebo lahvové. Tmavá piva jsou převážně dobarvovaná karamelem (např. Krušovice, Zubr...). Jejich výroba je mírně rozdílná od světlých piv (hlavně v použití jiných teplot při zrání). Černá piva byla ještě do konce 2.sv. války v tuzemsku nejoblíbenější, pak se začaly prosazovat světlá piva německého typu a dnes ovládají 90% trhu. Kompromisem a příjemným zpestřením může být kombinace obou druhů- řezané pivo. K řezu nedochází při výrobě, ale až u výčepu. Nakonec jsem všechny jiné druhy (kvasnicové -např. Kvasar od Černé hory, vícestupňové -např. Strong od Ostravaru, pšeničné a další) spojil do jedné kategorie speciál. Tato piva hrála druhou basu vedle dříve oblíbených piv černých. V celé republice existovalo přes 200druhů. Každé město mělo své vytříbené speciály a jejich výrobu si přísně tajily. Historické kořeny můžeme dohledat k dobám kdy ke každému městu patřil měšťanský pivovar a sládci byli váženými měšťany. Jaká je tedy situace dnes? Která piva jsou nejoblíbenější? To nám názorně ukáže následující histogram (obr.4) a koláčový graf (obr.5). Obr.4 Histogram druh piva Obr.5 Koláčový graf druh piva Jak vidíme, opravdu jsou nejoblíbenější světlá piva, což jde nejlépe vidět na histogramu. 66% není již zmiňovaných devadesát a to nejspíš z toho důvodu, že celkové výsledky vycházejí z prodeje všech piv v tuzemsku, kdežto mé údaje vychází jen z malého počtu respondentů. Druhé místo obsadily řezané a tmavé piva a jen malé procento studentů pije speciály. Znovu bych vysvětlení viděl převážně v rozšířenosti světlých piv. Osobně neznám žádnou hospodu v Ostravě, která by čepovala více druhů piv, protože úspěchem je už najít alespoň jednu, která má v nabídce černé pivo. Může to být také tím, že Moravskoslezskému kraji kralují dvě značky a to Radegast a Ostravar. Ani jedna nemá ve standardní nabídce speciální piva. Speciály tedy pije jen malé procento fajnšmejkrů, kteří si své oblíbené dokáží nalézt.

8 2.1.3 Rozdělení oblíbenosti piva podle značky A jsme u toho... Kterou značku naši studenti mají nejradši? Budou převažovat piva místní? Nebo jsem oslovil studenty ze všech koutů republiky a skóre bude vyrovnané? Opět histogram (obr.6) a koláčový graf (obr.7). Obr.6 Histogram značka piva Obr.7 Koláčový graf značka piva Grafy ukazují na vysokou oblíbenost nošovického Radagastu a plzeňského Pilsneru Urquellu. Znovu bych se nebál říct, že jde ruku v ruce s oblíbeností světlých piv. Prvenství Radegastu bych směle přirovnal ke kontumačnímu a geografickému. Myslím si že pořadí by bylo obrácené v případě že bych oslovil studenty z ČVUT. Třetí místo Kozla by mohlo odpovídat oblíbenosti černého a řezaného druhu piva, protože právě Kozel je v Moravskoslezském kraji nejčastěji čepovaným černým pivem. Zbylé značky by mohly specifikovat bydliště nebo jiné preference dotazovaných. Například Holba je nejvíce rozšířena na Jesenicku. Starobrno okolí Olomouce a Brna (včetně). Budvar a Primátor vyrábí hodně speciálních piv a se speciály se můžeme často setkat právě s těmito značkami. Překvapuje mě absence Černé hory jakožto specialistu na vícedruhové piva Rozdělení podle vypitých piv Podíváme se na to, kolik respondenti uvedli že vypijí za večer a kolik naposled. Výsledky porovnáme (statistickým porovnáním závislosti mezi oběma hodnotami se budu věnovat dále v kapitolách 3.x). Hodnoty obvykle a posledně se na první pohled liší. Obvykle muži vypijí 4-6 piv, kdežto naposled si pamatují že vypili 5-7piv. Hodně mužů uvedlo vypití do dvou piv na poslední akci, ale obvykle jich je 2-4 či 6-8. V představách o vypitém objemu se muži příliš nemýlí a ani neuvádí nepravdivé údaje. Těch 5-6 piv ví, že obvykle vypijí a také že jo... Zdá se vám to hodně? Přesnější by bylo, kdybych tyto Obr.8 Histogram- obvyklý počet vypitých piv Obr.9 Histogram- počet piv vypitých naposled hodnoty rozdělil na obvyklý počet 10 a 12, protože je jasné, že 10 piv se kvůli nižšímu obsahu alkoholu dá vypít více než 12 piv. Ovšem není tomu tak. Jestliže vedle sebe posadíme dva konzumenty, jednoho zvyklého na desítky a jednoho na dvanáctky, vypijí zhruba stejně, protože každý z nich je zvyklý na to svoje. Toto je zkušenost nejen má.

9 Obr. Histografické porovnání obyklého množství vypitých piv a posledně vypitého množství Použití názornějšího srovnání v jednom grafu je nasnadě. Spodní část vyjadřuje posledně vypitá piva, horní obvykle. Obr. Krabicový graf - porovnání obyklého množství vypitých piv a posledně vypitého množství Podobně využijeme srovnání dvou hodnot tentokrát krabicovými grafy. Pod sebou je lze lépe porovnat. Vidíme, že spektrum vypitých piv se rozšířilo pokud jde o akci poslední. Muži přibližně ví, kolik v průměru vypijí.

10 2.1.5 Rozdělení podle věku Věkové rozložení studentů mužského pohlaví nám představí následující histogram (obr.10) a krabicový graf (obr.11). Obr.10 Histogram věk, muži Obr.11 Krabicový graf věk,muži Histogram nám příliš neprozradil, protože jeho x osa nemá dostatečně jemné rozlišení kvůli existenci jednoho či více studentů vyššího věku. Dotazovaní měli tedy převážně let. Krabicový graf je v tomto případě přesnější ve vyjadřování a rovnou z něj můžeme vyčíst, že nejmladší měl 21 let, nejčastěji měli studenti mezi lety, našel se nějaký 28 letý, kterého bychom mohli spolu s 39letým považovat za odlehlé pozorování (tudíž hodnotu, která by nám další rozbory mohla zkreslovat). Na toto podezření se ještě dále znovu podíváme (část 2.1.5). Porovnejme krabicový graf mužů bez odstraněných vzdálených pozorování (obr.12) a po odstranění (obr.13). Obr.12 Krabicový graf- věk s odlehlým pozorováním Obr.13 Krabicový graf- věk bez odlehlých pozorování Nemění se hodnoty, jen měřítko. Po odstranění jedné odlehlé hodnoty se nám stále jako odlehlá nabízí ta s 28letým studentem. Dále viz následující kapitola.

11 2.1.5 Odlehlá pozorování věk, muži V předchozích podkapitolách jsme narazili na menší problém v podobě odlehlých pozorování. Jediné hodnoty ze všech zkoumaných, u kterých má smysl odlehlá pozorování hledat a odstraňovat, je věk. Pokud bychom hodnoty odlehlých pozorování ponechali, mohlo by při dalších rozborech dojít k rozmazání či zkreslení výsledků. Jestliže budeme třeba sledovat závislost mezi věkem a počtem vypitých piv (další kapitoly 3.x.x), student který má 39 let by nám rozmazal sledované spektrum dalších 13 studentů, v rozmezí let. Proč? Student čtyřicátník je příliš vzdálen věkem od nejpočetnější skupiny respondentů a abychom danou závislost mezi věkem a počtem vypitých piv našli (při ponechání odlehlých pozorování), museli bychom zjistit tuto závislost pro dalších x lidí ve věku mezi lety. Pro zajímavost jsem v dalších kapitolách porovnal výsledky s odlehlými pozorováními i bez nich. Pro nalezení těchto abnormalit slouží funkce ve Statgraphicsu Outlier identification. Co nám tedy Statgraphics nalezl? Obr.14 Odlehlá pozorování, muži Obr.15 Tabulka odlehlá pozorování, muži Z obr.10 vidíme naprosto jasně že jsou zde dvě hodnoty, které se poněkud vzdalují hlavní linii hodnot (okolo nuly, dle označení y-osy, popisky napravo, což je 0-4 * směrodatná odchylka). Avšak pouze jediná hodnota je vzdálena více než třínásobek směrodatné odchylky, což ji identifikuje jako odlehlé pozorování. Tento fakt nám potvrzuje i tabulka (obr.15). Pro lepší přehlednost jsem zakroužkoval hodnotu označenou Statgraphicsem jako odlehlé pozorování. Na obr.16, tedy krabicovém grafu, lze odlehlé pozorování jasně vidět. Pro jednodušší nalezení a zvýraznění jsem jej zakroužkoval. Obr.16 Krabicový graf odlehlá pozorování, muži

12 2.2 Ženy Nyní nás čeká rozebrání základních dat pro ženskou část populace. Vzhledem k tomu, že jsem se u mužů rozepsal a všechny podrobnosti uvedl k nim, zde se budu zabývat již pouze rozebráním výsledků. Porovnání s muži se bude věnovat samostatná kapitola Rozdělení oblíbenosti piva podle stupně Obr.17 Histogram stupeň piva Obr.18 Koláčový graf stupeň piva Ženy jasně preferují 12 piva. Tento poznatek je pro mne poněkud překvapující. Vždyť takto silné pivo s nimi musí docela zamávat. Pijí ho tedy méně? Méně kusů, nebo preferují převážně malá piva? Nechme se překvapit, třeba na to přijdeme v některé z dalších kapitol. Jedním z prvních důvodů, které mě hned napadnou, je již dříve zmíněná vyšší sladovost, jenže pokud by záviselo na ní, preferovaly by ženy piva tmavá, řezaná nebo speciální. Tmavá piva jsou 10, či 11 a speciální (například sladší a krémovější kvasnicová piva) zase více než 12, o pivech s lavinovým efektem, které jsou taktéž většinou méně hořká (např. Maestro, Velvet) nemluvě, protože ty se dělají jen v 11 variantě. Všimněme si, že na rozdíl od mužů ani jediná žena neuvedla vícestupňové pivo jako své oblíbené. Dalším důvodem může být stále zmiňovaná rozšířenost hlavně 12 piv (toto se týká Ostravy). Hlavním důvodem ale nejspíš bude v dnešní době velmi nízká chuťová kvalita 10 piv, která platí daň za rychlou produkci (piva nestačí zrát a jejich zrání je různými způsoby urychlováno). Tudíž ženám hořká a odbytá desítka nechutná a uchylují se k pití 12 kousků. Ženy věčně bojují se svou váhou (ať už pomyslnou nebo reálnou) a 12 piva jim kvůli své kaloričnosti rozhodně na kráse nepřidají... Nechme soudů, třeba to vědí:) Obr.19 Krabicový graf- stupeň piva Krabicový graf je už jen takovým zpestřením. Minimum ukazuje správně na 10, maximum taktéž. Žádná odlehlá pozorování se nekonají a zjišťování mediánu je v případě přesně definované stupnice piv bezpředmětné. Jeho vypovídací hodnota je nízká, přesto kdybychom z něj chtěli něco vyčíst, pak je to soubor hodnot začínajících přibližně na 11, končící maximem. Piva nabývající ve stupních těchto hodnot budou ženám lahodit.

13 2.2.2 Rozdělení oblíbenosti piva podle druhu (typu) Takže jak to tedy je? Mají rády 12 piva, ale jestli uvedou jako nejoblíbenější piva tmavého typu, budou si protiřečit. Nechť promluví histogram a koláčový graf. Obr.20 Histogram- typ piva Obr.21 Koláčový graf- typ piva Teď už je jasné, že ženy nelhaly a neprotiřečily si. Dotazované studentky nejsou ani v nejmenším mlsné jazýčky. Naprosto jasně se ukazuje, že preferují světlý typ piva. Tmavé, řezané i speciální typy piva jsou hluboce utopeny v řece světlých piv. Je to překvapivé zjištění.

14 2.2.3 Rozdělení oblíbenosti piva podle značky Opět se dostáváme k tomu nejzajímavějšímu. Co nám řekne histogram a koláčový graf? Obr.22 Histogram- značka piva Obr.23 Koláčový graf- značka piva Radegast vítězí na celé čáře (znovu bych zmínil souvislost s 12 pivem a Ostravou), na druhém místě Ostravar, jehož druhé místo je vzhledem k původu piva nepochopitelným (z hlediska četnosti výskytu a chuti už je to pochopitelnější). Starobrno a Holba svorně na třetím místě a tentokrát bych teorii domova (respondentů) zdůraznil. Holba Jesenicko, Starobrno jižní Morava, popř. Olomoucký kraj. Většinu respondentek jsem neznal, ale hodně mých známých ženského pohlaví z Ostravy pochází právě z těchto končin. Na jejich preferencích jsem pak založil svou teorii Rozdělení podle vypitého objemu Ani jeden dotazovaný muž nepije malé piva, proto je tato kapitola věnována pouze ženám. Histogram a koláčový graf napoví více. Obr.24 Histogram- objem sklenice Obr.25 Koláčový graf- objem sklenice Histogram (obr.24) napovídá, že 11 piv z 15 vypitých jsou velké, tedy o objemu sklenice 0,5l. I koláčový graf (obr.25) naznačuje velikou převahu vypitých půllitrů oproti třetinkám.

15 2.2.5 Rozdělení podle vypitých piv Podíváme se na to, kolik respondentky uvedly že vypijí za večer a kolik naposled. Výsledky porovnáme (statistickým porovnáním závislosti mezi oběma hodnotami se budu věnovat dále v kapitolách 3.x). Obr. 26 Histogram- počet vypitých piv obvykle, ženy Obr.27 Histogram počet vypitých piv posledně, ženy Porovnáme-li jednotlivé histogramy, už je nám na první pohled jasný rozdíl. Ženy uvedly, že obvykle vypijí piv méně než jich naposledy vypily. Mezi dvěma až pěti pivy se sice shodují, ale jinak buď nedokáží přesně odhadnout, kolik běžně vypijí nebo nechtějí, nebo měly posledně všechny dámskou jízdu. Vzhledem k vysokému počtu piv bych se nedivil, kdyby spíše informace o počtu vypitých kousků schválně snižovaly. Obr.28 Krabicový graf obvyklý počet vypitých piv, ženy Obr.29 Krabicový graf posledně vypito, ženy Krabicové grafy (obr.28,29) jsou už jen lepším grafickým srovnáním. Posuďte sami o kolik se posunulo spektrum vypitých piv směrem doprava, tedy k vyšším hodnotám. Zajímavé je, že průměrně jsou to stále 4 piva, které ženy vypijí. Kdybychom chtěli tyto naměřené hodnoty srovnat s lékařskými doporučeními, pak ženy překračují o 3 piva MDDD (Maximální Doporučenou Denní Dávku).

16 2.2.6 Rozdělení podle věku Obr.30 Histogram- věk, ženy Obr.31 Krabicový graf- věk, ženy Nejpočetnější skupinou jsou přibližně leté studentky. Porovnáme- li to s muži, měl jsem si dávat větší pozor při výběru respondentů, ať mám alespoň přibližně stejně početné skupiny. Krabicový graf jasně naznačuje která skupina, přesně, je nejpočetnější (ženy ve věku let) a nenalézáme v něm žádná odlehlá pozorování Odlehlá pozorování, ženy Pro jistotu jsem i ženy otestoval na odlehlá pozorování přímo funkcí k tomu určenou v programu Statgraphics. Obr.32 Odlehlá pozorování, ženy Ani z tabulky ani z krabicového grafu nemáme žádné podezření na vzdálené pozorování. Prozkoumáme-li tento graf, můžeme si všimnout jediné hodnoty, která výrazněji uniká od ostatních a je těsně nad linií +2 * směrodatná odchylka. Program ji však jako vzdálené pozorování neidentifikoval, protože by musela překročit hodnotu 3 * sm. odch. Tuto hodnotu ponecháme na svém místě a budeme s ní nadále počítat.

17 2.3 Porovnání mezi muži a ženami V této části porovnáme jednotlivé kategorie mezi muži a ženami. Nejzajímavější bude jistě srovnání počtu vypitých piv (kdopak víc pije?:) Někdy použiji k porovnání raději histogram někdy koláčový graf a to podle toho, kde se zrovna budou víc hodit Porovnání oblíbenosti jednotlivých stupňů piv Obr.33 Histogram- stupeň piva, muži Obr.34 Histogram- stupeň piva, ženy Zde není příliš co porovnávat. U obou pohlaví vítězí 12 piva. Někteří muži si ještě navíc oblíbili 14 pivní speciály. Muži neopovrhují 10 ani 11 pivem a častěji jej uvedli jako své oblíbené oproti ženám, které mají stejně jako muži oblíbené jen 10 pivo. Z patnácti vypitých připadají tři z nich na 10. O 11 příliš zájem nemají, nebo o něm neví. Poměr 12 ku ostatním je vyšší u žen. Dá se tedy tvrdit, že ženy mají 12 pivo ještě raději než muži Porovnání oblíbenosti jednotlivých druhů (typů) piva Obr.35 Koláčový graf- typ piva, muži Obr.36 Koláčový graf- typ piva, ženy Zde je opravdové překvapení. Muži v porovnání s ženami uvedli vyšší oblibu tmavých piv, pod které spadají i řezané. Buďto se se zvyšující se cenou stávají z mužů labužníci, nebo se zženšťují a přebírají chutě po ženách. Ženy pak přesně naopak zmužněly a raději než riskovat sáhnou po osvědčené dvanáctce. Možná je v tom ale jen ženská důmyslnost. Osobně bych očekával grafy přesně opačně.

18 2.3.3 Porovnání oblíbenosti jednotlivých značek Obr.37 Histogram- značky piv, muži Obr.38 Histogram- značky piv, ženy Radegast vítězí u obou pohlaví. Muži uvedli více značek než ženy. Plzeň je u mužů oblíbenější než u žen a vzhledem k tomu, že muži více pijí černá piva tak je i Kozel u mužů úspěšnější než-li u žen. Zaráží mě naprostá absence Ostravaru u mužů. Zřejmě jsem oslovil spíše přespolňáky, tedy ne Ostraváky Porovnání věku Obr.39 Krabicový graf- věk, muži Obr.40 Krabicový graf- věk, ženy U mužů jsem použil data bez odlehlých pozorování, ať máme data pěkně přehledná. Je vidět moje nevšímavost k správnému věkovému rozložení, kde jsem více hleděl na další data než na věk. Nejmladší muž má 21 let, kdežto žena 20. Hlavní věková skladba u mužů je posunuta doprava od žen tedy od 22 do 24 let, kdežto ženy mi odpovídaly převážně mladší a to od 21 do 23 let. Uvidíme, zda se nám to nějak promítne do výsledků v dalších kapitolách mé práce.

19 2.3.5 Porovnání vypitých piv grafy. Vypijí více muži nebo ženy? Kdo má větší přehled o tom kolik vypije? Více následující histogramy a krabicové Obr. Histogram porovnání mezi obvykle a posledně, muži Obr. Histogram porovnání mezi obvykle a posledně, ženy V přímém porovnání žasnu. Muži jsou vesměs přesní ve znalosti své průměrné spotřeby. Nadhodnocují ale obvyklé čísla. Ženy mají histogram vyrovnaný. Jsou si přibližně vědomy kolik vypijí a také tolik vypijí, větší počty vypitých piv, však nepřiznávají a možná záměrně tají. Obr. Krabicový graf - porovnání mezi obvykle a posledně, muži Obr. Krabicový graf porovnání mezi obvykle a posledně, ženy Krabicové grafy nám umožňují lépe prozkoumat posuvy zkoumaných spekter a jejich vzájemným porovnáním zjišťujeme u mužů větší rozptyl počtu vypitých piv posledně, ale přibližně stejnou průměrnou hodnotu. U žen je patrný posuv celého spektra doprava.

20 3. Statistická indukce 3.1 Muži - jednoduchá regrese řešení závislostí V této části nalezneme konečné odpovědi na otázky, které nám v počátku práce vrtaly hlavou a nad kterými jsem spíše polemizoval. Nacházíme se v kapitolách zabývajících se pokročilou statistikou Závislost mezi počtem vypitých piv a ročníkem Obr.41 Simple regression souvislost mezi ročníkem a poč. piv, muži Graf jednoduché regrese (obr.41) by snad nějakou závislost naznačoval. Vyplývá z něj přibližně fakt, že studenti nižších ročníků pijí více, okolo třetího ročníku (tedy bakalářských zkoušek) studenti spotřebu zredukují a hodnoty by se měly dle zúžených mezí ustálit okolo pěti piv. Od třetího ročníku se meze opět rozjíždějí a počet vypitých je různorodější. Ačkoliv nám stále modrá naznačuje nepatrný růst v celém průběhu studia, děje se tak jen v řádu desetin. Obr.42 Tabulka ANOVA Z tabulky ovšem jasně vyplývá nezávislost našich dvou zkoumaných hodnot. Statgraphics vypočítal hodnotu P-value, která vyjadřuje míru závislosti dvou zkoumaných hodnot. Vyjde-li číslo vyšší než 0,05, můžeme s 95% pravděpodobností tvrdit, že mezi těmito dvěma hodnotami neexistuje žádná závislost. Nám vyšlo velmi vysoké číslo.

21 3.1.2 Závislost mezi počtem vypitých piv a věkem Porovnejme nejprve tyto dva grafy. Obr.43 je zatížen chybou ze vzdáleného pozorování, kdežto obrázek 44 není. Vidíte rozdíl? (najděte alespoň 2 :) Závislost počítaná z prvního obrázku nebere příliš v úvahu studenty nižšího věku i když na druhou stranu na něm můžeme sledovat vyváženost a spíše klesající tendece spotřeby piv. Jenže jak můžeme vědět, že hodnoty odpovídají pravdě a že by opravdu lidé seděli na vypočtenou regresi? Nemůžeme. Proto je vypovídací hodnota naprosto nicotná. Obr.43 Simple regression, počet vypitých piv na věk, muži Obr.44 Simple regression, počet piv na věk, bez odlehlých pozorování, muži Z obr.44 můžeme vyčíst stoupající tendence počtu vypitých piv a to dokonce větší než nám vyšlo u porovnávání s ročníkem. Ale i tak nese tento graf s předcházejícím porovnáváním (obr.41) podobné znaky. Ve věku kdy skládá student bakalářské zkoušky, ustálí se jeho spotřeba na pěti pivech, v nižším věku pije přibližně stejně ale spektrum počtu vypitých piv se různí a stejně tak v pozdějším věku. Jak vidíme, je to pouze předpověď, protože program neměl k dispozici žádné údaje. Obr.45 Tabulka ANOVA, s odlehlým pozorováním Obr.46 Tabulka ANOVA, bez odlehlých pozorování Porovnáním P- value obou tabulek zjistíme obrovský skok v hodnotě ošetřené od vzdáleného pozorování. Přesto ani jedna nesplňuje podmínku 0,05, abychom mohli prohlásit, že závislost existuje.

22 3.2 Ženy Závislost mezi počtem vypitých piv a ročníkem Obr. 47 Simple regression, závislost mezi vypitými pivy a ročníkem Je jasně naznačená klesající tendence. Zřejmě si ženy více uvědomují obtížnost bakalářských zkoušek, možná stárnutím raději sáhnou po nealku, možná po víně (to by bylo zajímavé zjistit). Spektrum vypitých piv není příliš rozkolísané po celý čas. Obr. 48 Tabulka ANOVA, poč. vypitých piv s ročníkem, ženy P- value je nižší než 0,05 a proto můžeme s 95% pravděpodobností tvrdit, že existuje závislost mezi počtem vypitých piv a ročníkem. Obr.49 Výpis ze statgraphics, potvrzená závislost, důležité pasáže jsou zvýrazněny

23 3.2.2 Závislost mezi počtem vypitých piv a věkem Obr.50 Simple regression, závislost mezi pivem a věkem, ženy Opět klesající tendence, ne však tak výrazná jako u porovnávání s ročníkem. Zpočátku velký rozptyl vypitých kusů piv, v období bakalářských zkoušek útlum a urovnání na cca 4 pivech, opětovný rozptyl ve vyšším věku. Závislost tentokrát nebyla nalezena, P-Value přesahuje o řád hodnotu 0,05. S 95% pravděpodobností můžeme tvrdit že souvislost s věkem neexistuje.

24 4. Závěr: Zkoumal jsem a vyhodnocoval ze všech možných úhlů. Snažil jsem se o věrné popsání skutečnosti. Jestli jsem uspěl, jste mohli posoudit sami. Zjistil jsem tedy následující poznatky. U obou pohlaví boduje 12 pivo. Muži si více vybírají a hledají i nepříliš rozšířené produkty. Ženy si nevybírají a o speciální piva neprojevily mé respondentky zájem. Ani se nepotvrdila fáma, že by ženy více pily tmavé pivo než světlé, naopak jej spíše pijí muži. Nedávají mu ale přednost před světlým. Ženy pijí spíše z půllitrů, ale najde se i pár žen, které raději malé pivo. Muži malá piva nepijí vůbec. Objevil jsem pouze jedinou závislost mezi dvěma hodnotami (jedné dvojice ze zkoumaných čtyř - suma obou pohlaví) a to souvislost s počtem vypitých piv a studovaným ročníkem. Tato závislost se potvrdila pouze u žen. Všechny grafy zkoumaných dvojic měly nějakou vypovídací hodnotu. Zjistili jsme tak, že v období bakalářských zkoušek se počet piv ustálí na přibližně pěti u mužů a čtyřech u žen. Celková tendence vypitých piv je u mužů stoupající a u žen klesající.

25 Použitá literatura a materiály návod k použití programu Statgraphics, autorka Lenka Šimonová skripta do předmětu Statistika 1, autorka Martina Litschmannová

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

Statistika. Semestrální projekt

Statistika. Semestrální projekt Statistika Semestrální projekt 18.5.2013 Tomáš Jędrzejek, JED0008 Obsah Úvod 3 Analyzovaná data 4 Analýza dat 6 Statistická indukce 12 Závěr 15 1. Úvod Cílem této semestrální práce je aplikovat získané

Více

Technické parametry výzkumu

Technické parametry výzkumu TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: jiri.vinopal@soc.cas.cz K některým aspektům výběru piva českými konzumenty

Více

VINOTÉKA na Krátké, Ostopovice Nabídka sudového piva.

VINOTÉKA na Krátké, Ostopovice Nabídka sudového piva. číslo katalogové číslo: VINOTÉKA na Krátké, Ostopovice Nabídka sudového piva. Vratná cena celkem popis KEG specifikace zálohamnožství s DPH 21% 1 11407 STAROBRNO ležák 12, plochá 30L Tento symbol českého

Více

Pivo, víno a lihoviny v české společnosti v roce 2012

Pivo, víno a lihoviny v české společnosti v roce 2012 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: +420 210 310 584 E-mail: jiri.vinopal@soc.cas.cz Pivo, víno a lihoviny v české společnosti v

Více

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Spotřeba alkoholu. European Health Interview Survey in CR - EHIS CR Alcohol consumption

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Spotřeba alkoholu. European Health Interview Survey in CR - EHIS CR Alcohol consumption Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 13. 9. 2010 57 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Spotřeba alkoholu European Health Interview

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

Technické parametry výzkumu

Technické parametry výzkumu TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: jiri.vinopal@soc.cas.cz Pivní kultura v České republice podle hodnocení

Více

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

PIVOVAR LITOVEL a.s.

PIVOVAR LITOVEL a.s. PIVOVAR LITOVEL a.s. Pivovar Litovel byl založen r. 1893 jako Rolnický akciový pivovar se sladovnou v Litovli. Ve svém podtextu měl ještě přívlastek ryze český vlastenecký. Je pokračovatelem tradic vaření

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

STULONG. Datamining. zápočtová analýza č. 1

STULONG. Datamining. zápočtová analýza č. 1 STULONG Datamining zápočtová analýza č. 1 Zpracovali: Robert Poch, Pavel Petřek Cvičící: Mgr. Tomáš Karban Zdrojová data: http://euromise.vse.cz/stulong Použitý software: MS Access, 4ftMiner 1. Obsah 1.

Více

Technické parametry výzkumu

Technické parametry výzkumu TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: jiri.vinopal@soc.cas.cz Oblíbené typy restauračních zařízení v roce 2011

Více

Technické parametry výzkumu

Technické parametry výzkumu TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: +420 210 310 584 E-mail: jiri.vinopal@soc.cas.cz Výběr piva českými konzumenty v roce 2013 Technické

Více

Biostatistika Cvičení 7

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

Více

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

NETMONITOR CONSUMER 8. VLNA

NETMONITOR CONSUMER 8. VLNA NETMONITOR CONSUMER 8. VLNA Internetoví uživatelé v ČR a jejich zvyky Doplňkový marketingový výzkum k projektu NetMonitor Témata výzkumu: využívání jednotlivých druhů pojištění způsob platby při online

Více

HISTORIE "Brauerei von Mullschitzký & Comp. zu Hannsdorf - Halbseit" Pivovar Holba a.s.

HISTORIE Brauerei von Mullschitzký & Comp. zu Hannsdorf - Halbseit Pivovar Holba a.s. HISTORIE Již více než 136 let vyrábí pivovar Holba v překrásném prostředí Jeseníků ryzí pivo z hor, známé doma i v zahraničí. Zkušenosti sládků se v pivovaru předávají z generace na generaci od doby, kdy

Více

STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005

STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005 VYSOKÁ ŠKOLA BÁŇSKÁ - TECHNICKÁ UNIVERZITA OSTRAVA Hornicko-geologická fakulta institut geoinformatiky STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005 Speciální metody

Více

Ad 1: Jednotky hořkosti piva (EBU)

Ad 1: Jednotky hořkosti piva (EBU) 4 6 Berliner Weisse (berlínské bílé) 6 12 Biere blanche (witbier) 6 18 Weissbier Ad 1: Jednotky hořkosti piva (EBU) Weissbier 8 16 American lager 12 24 Trapistická piva 16 24 Ležák 16 35 Kölsch 18 24 Tmavé

Více

Česká veřejnost o tzv. Islámském státu únor 2015

Česká veřejnost o tzv. Islámském státu únor 2015 pm50 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: +40 86 840 9 E-mail: jan.cervenka@soc.cas.cz Česká veřejnost o tzv. Islámském státu únor 05

Více

Statistika Mládež a drogy 2012

Statistika Mládež a drogy 2012 Statistika Mládež a drogy 2012 Jihomoravský kraj Vypracovaly A Kluby ČR o.p.s. JMK 2012 dotazníkový průzkum mezi žáky a studenty jihomoravských škol Cílem průzkumu bylo zjistit stav zneužívání návykových

Více

Informace o produktech Pivovarů Staropramen s.r.o., Nádražní 84, Praha, ČR

Informace o produktech Pivovarů Staropramen s.r.o., Nádražní 84, Praha, ČR Informace o produktech Pivovarů Staropramen s.r.o., Nádražní 84, Praha, ČR Tento dokument obsahuje informace pro spotřebitele vyžadované zákonem č. 110/1997 Sb., o potravinách a tabákových výrobcích a

Více

Index očekávání firem: výhled na 1Q 2015 a dál

Index očekávání firem: výhled na 1Q 2015 a dál Index očekávání firem: výhled na 1Q 2015 a dál Petr Manda výkonný ředitel útvaru Firemní bankovnictví ČSOB Martin Kupka hlavní ekonom ČSOB Index očekávání firem S jakou náladou vstupují firmy do nového

Více

NEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011

NEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011 NEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011 Markéta Nesrstová Abstrakt Nezaměstnanost vždy byla, je a bude závažným problémem. Míra nezaměstnanosti v České republice se v současné době

Více

StatSoft Jak se pozná normalita pomocí grafů?

StatSoft Jak se pozná normalita pomocí grafů? StatSoft Jak se pozná normalita pomocí grafů? Dnes se podíváme na zoubek speciální třídě grafů, podle názvu článku a případně i ilustračního obrázku vpravo jste jistě již odhadli, že půjde o třídu pravděpodobnostních

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

Statistika Mládež a drogy

Statistika Mládež a drogy Statistika Mládež a drogy Brněnské školy Vypracoval: A Kluby ČR o.p.s. 1 Statistika Mládež a drogy 2014 dotazníkový průzkum mezi žáky a studenty brněnských škol Cílem průzkumu bylo zjistit stav zneužívání

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

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky STATISTIKA I.

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky STATISTIKA I. Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky STATISTIKA I. pro kombinované a distanční studium Radim Briš Martina Litschmannová

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

Vzorové rešení. Statistika Mládež a drogy 2013. Brněnské školy. Vypracovaly A Kluby ČR o.p.s.

Vzorové rešení. Statistika Mládež a drogy 2013. Brněnské školy. Vypracovaly A Kluby ČR o.p.s. Statistika Mládež a drogy 2013 Brněnské školy Vypracovaly A Kluby ČR o.p.s. Statistika Mládež a drogy 2013 dotazníkový průzkum mezi žáky a studenty brněnských škol Cílem průzkumu bylo zjistit stav zneužívání

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

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

Které faktory Vás motivují, nebo by Vás motivovaly, ke studiu technického oboru na SŠ, popř. v budoucnu na VŠ? 10% 41% 18% 33%

Které faktory Vás motivují, nebo by Vás motivovaly, ke studiu technického oboru na SŠ, popř. v budoucnu na VŠ? 10% 41% 18% 33% ANALÝZA POTŘEB ŽÁKŮ STŘEDNÍCH ŠKOL Analýza potřeb žáků SŠ uvádí přehled vyhodnocení vybraných otázek z dotazníkového šetření provedeného u žáků SŠ technického směru a všeobecných gymnázií v Moravskoslezském

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

Rakovina není náhoda

Rakovina není náhoda Rakovina není náhoda Výsledky průzkumu rizikových onkologických faktorů mezi studenty středních škol Agentura J.L.M. VII/2011 Výsledky průzkumu mezi studenty středních škol v rámci osvětové akce Rakovina

Více

Statistika Mládež a drogy 2013

Statistika Mládež a drogy 2013 Statistika Mládež a drogy 2013 JMK 2013 Vypracovaly A Kluby ČR o.p.s. Statistika Mládež a drogy 2013 dotazníkový průzkum mezi žáky a studenty jihomoravských škol Cílem průzkumu bylo zjistit stav zneužívání

Více

Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK

Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK 1. Na základě údajů uvedených v tabulce rozhodněte, zda existuje závislost mezi roky a počtem firem ve Šluknovském výběžku, které zaměstnávaly osoby zdravotně

Více

Česká veřejnost o tzv. Islámském státu březen 2015

Česká veřejnost o tzv. Islámském státu březen 2015 pm TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: + E-mail: jan.cervenka@soc.cas.cz Česká veřejnost o tzv. Islámském státu březen 05 Technické parametry

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení

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

OBČANÉ STÁLE VÍCE PREFERUJÍ SOCIÁLNÍ POLITIKU

OBČANÉ STÁLE VÍCE PREFERUJÍ SOCIÁLNÍ POLITIKU INFORMACE Z VÝZKUMU STEM TRENDY 11/214 vydáno dne. 11. 214 OBČANÉ STÁLE VÍCE PREFERUJÍ SOCIÁLNÍ POLITIKU ZAMĚŘENOU NA ROZŠIŘOVÁNÍ SOCIÁLNÍCH SLUŽEB, NIKOLI NA ZVYŠOVÁNÍ FINANČNÍCH DÁVEK Více než polovina

Více

Prezentace pro výklad látky a opakování učiva

Prezentace pro výklad látky a opakování učiva Název školy Název projektu Číslo projektu Odborné učiliště a Praktická škola, Plzeň, Vejprnická 56, 318 00 Plzeň Digitalizace výuky CZ.1.07/1.5.00/34.0977 Číslo šablony VY_32_inovace_ZB45 Číslo materiálu

Více

StatSoft Jak poznat vliv faktorů vizuálně

StatSoft Jak poznat vliv faktorů vizuálně StatSoft Jak poznat vliv faktorů vizuálně V tomto článku bychom se rádi věnovali otázce, jak poznat již z grafického náhledu vztahy a závislosti v analýze rozptylu. Pomocí následujících grafických zobrazení

Více

Morálka politiků očima veřejnosti - březen 2015

Morálka politiků očima veřejnosti - březen 2015 pd15002 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 80 129 E-mail: nadezda.cadova@soc.cas.cz Morálka politiků očima veřejnosti - březen

Více

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách ROZKLAD ROZPTYLU ROZKLAD ROZPTYLU Rozptyl se dá rozložit na vnitroskupinový a meziskupinový rozptyl. Celkový rozptyl je potom součet meziskupinového a vnitroskupinového Užívá se k výpočtu rozptylu, jestliže

Více

Inovace cílené na nové spotřebitele

Inovace cílené na nové spotřebitele Inovace cílené na nové spotřebitele Luboš Kastner 12.4.2012 1 Agenda 1. Trendy pivní kategorie 2. Jak vrátit spotřebitele do provozoven? 2 Současní spotřebitelé Jejich chuťové preference se mění, nejen

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

Názor na devizové intervence České národní banky

Názor na devizové intervence České národní banky TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: martin.durdovic@soc.cas.cz Názor na devizové intervence České národní

Více

Spokojenost s životem červen 2015

Spokojenost s životem červen 2015 ov150730 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 840 129 E-mail: jan.cervenka@soc.cas.cz Spokojenost s životem červen 2015 Technické

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

TISKOVÁ ZPRÁVA. Centrum pro výzkum veřejného mínění CVVM, Sociologický ústav AV ČR, v.v.i.

TISKOVÁ ZPRÁVA. Centrum pro výzkum veřejného mínění CVVM, Sociologický ústav AV ČR, v.v.i. TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel./fax: 286 80 29 E-mail: jan.cervenka@soc.cas.cz Názory občanů na drogy Technické parametry Výzkum:

Více

2. místo Extra Pivní pečeť 2014 (pořadí mez vítězi všech kategorií), odborná degustace Tábor

2. místo Extra Pivní pečeť 2014 (pořadí mez vítězi všech kategorií), odborná degustace Tábor Ocenění za rok 2014: 1. místo Zlatá Pivní pečeť 2014, odborná degustace Tábor 2. místo Extra Pivní pečeť 2014 (pořadí mez vítězi všech kategorií), odborná degustace Tábor Kvasničák 1. místo Zlatá Pivní

Více

Krajské volby 2012 PLZEŇSKÝ KRAJ

Krajské volby 2012 PLZEŇSKÝ KRAJ Krajské volby 2012 zpráva z předvolebního výzkumu veřejného mínění pro PLZEŇSKÝ KRAJ období sběru dat: 7. 9. 2012 9. 9. 2012 SC & C a STEM/MARK pro Českou televizi září 2012 Strana 1 Zadavatel výzkumu

Více

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D.

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. STATISTIKA LS 2013 Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. Cvičící: Ing. Ondřej Grunt RNDr. Pavel Jahoda, Ph.D. Ing. Kateřina Janurová Mgr. Tereza

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

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

ANALÝZA POPTÁVKY PO PIVU NA ZÁKLADĚ RODINNÝCH ÚČTŮ. D. Žídková katedra zemědělské ekonomiky, PEF Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol

ANALÝZA POPTÁVKY PO PIVU NA ZÁKLADĚ RODINNÝCH ÚČTŮ. D. Žídková katedra zemědělské ekonomiky, PEF Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol ANALÝZA POPTÁVKY PO PIVU NA ZÁKLADĚ RODINNÝCH ÚČTŮ. D. Žídková katedra zemědělské ekonomiky, PEF Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol Anotace: Příspěvek charakterizuje poptávku po pivu v domácnostech

Více

A7B39TUR Úloha B Kvantitativní testování ZS 2013/2014 Software MS Office Word a Open Office Writer

A7B39TUR Úloha B Kvantitativní testování ZS 2013/2014 Software MS Office Word a Open Office Writer A7B39TUR Úloha B Kvantitativní testování ZS 2013/2014 Software MS Office Word a Open Office Writer Vypracoval: Peter Šourek ( sourepet@fel.cvut.cz ) Obsah 1Úvod...3 1.1Cíl testování...3 1.2Proměnné...3

Více

České vysoké učení technické. Fakulta dopravní. Vztah Čechů k zahraničním studentům

České vysoké učení technické. Fakulta dopravní. Vztah Čechů k zahraničním studentům České vysoké učení technické Fakulta dopravní Semestrální práce z předmětu statistika Téma Vztah Čechů k zahraničním studentům Autoři Abramova Karina Zhakupova Altynay Praha 2011 2012 Úvod My jsme si vybrali

Více

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok IES FSV UK Domácí úkol Pravděpodobnost a statistika I Cyklistův rok Radovan Fišer rfiser@gmail.com XII.26 Úvod Jako statistický soubor jsem si vybral počet ujetých kilometrů za posledních 1 dnů v mé vlastní

Více

Využití Oborové brány TECH

Využití Oborové brány TECH Využití Oborové brány TECH ve sledovaném období 1.9.2008 31.12.2008 Vypracováno v Oddělení speciálních služeb STK Průzkum vedla Andrea Kučerová Obsah Obsah... 2 Kvantitativní ukazatele návštěvnosti Oborové

Více

Půjčovat si peníze nebo pořizovat věci na dluh je. vždy rizikem. půjčovat si peníze nebo pořizovat věci na dluh je v dnešní době přirozenou

Půjčovat si peníze nebo pořizovat věci na dluh je. vždy rizikem. půjčovat si peníze nebo pořizovat věci na dluh je v dnešní době přirozenou TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 86 840 19 E-mail: jana.novakova@soc.cas.cz Názory obyvatel na přijatelnost půjček leden 014

Více

Experimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký. www.vf.

Experimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký. www.vf. Experimentáln lní měření průtok toků ve VK EMO XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký Systém měření průtoku EMO Měření ve ventilačním komíně

Více

Míra přerozdělování příjmů v ČR

Míra přerozdělování příjmů v ČR Míra přerozdělování příjmů v ČR Luboš Marek, Michal Vrabec Anotace V tomto článku počítají autoři hodnoty Giniho indexu v České republice. Tento index je spočítán nejprve za celou ČR, poté pro skupinu

Více

Co se hodí vědět při propadu akcií a dluhopisů

Co se hodí vědět při propadu akcií a dluhopisů Co se hodí vědět při propadu akcií a dluhopisů Rizikovost investice lze ukázat v grafu, který informuje o tom, jak hluboko dokázaly akcie a dluhopisy v minulosti klesnout z předchozího maxima a jak dlouho

Více

Výběr kandidátů na finanční pozice (dotazníkové šetření)

Výběr kandidátů na finanční pozice (dotazníkové šetření) Výběr kandidátů na finanční pozice (dotazníkové šetření) Vytvořil: Distribuce dokumentu: Česká asociace pro finanční řízení elektronicky na členy asociace a vybrané manažery Datum: 7. 12. 2012 31. 1. 2013

Více

TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: milan.tucek@soc.cas.cz Prestiž povolání červen 2013 Technické parametry Výzkum:

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

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

SISP - charakteristika výběrového souboru

SISP - charakteristika výběrového souboru SISP - charakteristika výběrového souboru Výběr osob ve Studii individuální spotřeby potravin reprezentuje populaci České republiky dle Výsledků sčítání lidu, domů a bytů, 21. Šetření se zúčastnilo 259

Více

Výsledky voleb do EP jsou velmi nejisté, ANO 2011 by ovšem jasně vyhrálo

Výsledky voleb do EP jsou velmi nejisté, ANO 2011 by ovšem jasně vyhrálo V Praze 16.5.2014 Výsledky voleb do EP jsou velmi nejisté, ANO 2011 by ovšem jasně vyhrálo Tisková zpráva Předpokládaná účast ve volbách do EP činí 29,6 %. Pětiprocentní hranici nutnou pro přidělení mandátů

Více

CELEBRITY MONITOR PODZIM

CELEBRITY MONITOR PODZIM CELEBRITY MONITOR PODZIM 2014 VÝZKUM ZNALOSTI A POPULARITY OSOBNOSTÍ ČESKÉHO KULTURNÍHO, SPOLEČENSKÉHO A SPORTOVNÍHO ŽIVOTA Katedra marketingu Fakulty podnikohospodářské Vysoké školy ekonomické v Praze

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

StatSoft Jaký je mezi nimi rozdíl?

StatSoft Jaký je mezi nimi rozdíl? StatSoft Jaký je mezi nimi rozdíl? GAINS ROC X P okud se zabýváte klasifikačními úlohami, pak většinou potřebujete nějakým způsobem mezi sebou porovnat kvalitu vyprodukovaných modelů. Mezi základní pomůcky

Více

Anketa pro zjištění spokojenosti a přání klientů ze dne 5.1.2014

Anketa pro zjištění spokojenosti a přání klientů ze dne 5.1.2014 Anketa pro zjištění spokojenosti a přání klientů ze dne 5.1.2014 Cíle: zjistit přání klientů kvůli studeným/teplým večeřím zjistit, po jakých jídlech touží prostor pro další podněty Metoda: Osobní rozhovor

Více

VEKTOR 4 SCIO 2014. Oktaváni skládali testy z českého jazyka, matematiky, obecných studijních předpokladů, německého jazyka a anglického jazyka.

VEKTOR 4 SCIO 2014. Oktaváni skládali testy z českého jazyka, matematiky, obecných studijních předpokladů, německého jazyka a anglického jazyka. VEKTOR 4 SCIO 2014 Žáci oktáv absolvovali v říjnu 2014 testy Vektor, které vypovídají o jejich pozici mezi žáky jiných škol. Škola obdržela celkové výsledky tříd. Společnost Scio zpracovala také individuální

Více

Informace, statistiky a zajímavosti z oblasti prodeje ojetých vozidel

Informace, statistiky a zajímavosti z oblasti prodeje ojetých vozidel Informace, statistiky a zajímavosti z oblasti prodeje ojetých vozidel Společnost Cebia Vám opět přináší čtvrtletní bulletin o trhu s ojetými vozidly. Naše společnost se v oboru profiluje 22. rokem a ročně

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

Jednotlivci využívající vybrané informační a komunikační technologie

Jednotlivci využívající vybrané informační a komunikační technologie Mobilní telefon Jednotlivci využívající vybrané informační a komunikační technologie Mobilní telefon v roce 2012 nepoužívaly pouze 4 % osob starších šestnácti V roce 2007, to bylo 14 procent české populace.

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

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 8. 2009 40 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví European

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

VOLEBNÍ PROGNÓZA 16. 10. 2013

VOLEBNÍ PROGNÓZA 16. 10. 2013 VOLEBNÍ PROGNÓZA 16. 10. 2013 HLAVNÍ ZÁVĚRY Volby by vyhrála ČSSD, druhou nejsilnější stranou by bylo ANO 2011, třetí pak KSČM. Do Poslanecké sněmovny by se dostaly strany TOP 09, Úsvit přímé demokracie

Více

OBSAH DOTAZNÍKOVÉHO ŠETŘENÍ

OBSAH DOTAZNÍKOVÉHO ŠETŘENÍ VYHODNOCENÍ DOTAZNÍKOVÉHO ŠETŘENÍ Z VELETRHU PRACOVNÍCH PŘÍLEŽITOSTÍ JOBCHALLENGE 2012 OBSAH DOTAZNÍKOVÉHO ŠETŘENÍ struktura respondentů pohlaví aktuální stav účastníků dle zaměstnání či studií studenti

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

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

Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. ANALÝZA POTŘEB STUDENTŮ VYSOKÉ ŠKOLY BÁŇSKÉ TECHNICKÉ UNIVERZITY OSTRAVA Analýza potřeb studentů VŠ uvádí přehled vyhodnocení vybraných otázek z dotazníkového šetření provedeného u studentů VŠ technického

Více

Co vás napadne, když se řekne voda? Zapisujte do paprsků. voda. Přečtěte si následující text a poodtrhněte to, co jste již věděli

Co vás napadne, když se řekne voda? Zapisujte do paprsků. voda. Přečtěte si následující text a poodtrhněte to, co jste již věděli Pracovní list Název projektového úkolu: Voda Třída: 8. Název společného projektu: Voda, základ života Název pracovního týmu: Členové pracovního týmu: Co vás napadne, když se řekne voda? Zapisujte do paprsků

Více

Jezdit bez povinného ručení je hazard! Statistiky a grafy

Jezdit bez povinného ručení je hazard! Statistiky a grafy Statistiky a grafy 1 A. Celkový počet nepojištěných škod a jejich vztah k pojištěným škodám (POV = pojištění odpovědnosti z provozu vozidla) kalendářní rok evidované nepojištěné škody počet evidovaných

Více

Názory občanů na sociální zabezpečení v ČR listopad 2013

Názory občanů na sociální zabezpečení v ČR listopad 2013 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel./fax: 86 840 9 E-mail: jana.novakova@soc.cas.cz Názory občanů na sociální zabezpečení v ČR listopad

Více

Administrativní pracovník, referent Administrativa

Administrativní pracovník, referent Administrativa Administrativní pracovník, referent Administrativa COPYRIGHT 2010 PROFESIA Obsah Úvod Struktura celého vzorku Výsledky Všeobecné Poskytování finančních a nefinančních benefitů Metodika průzkumu platů Autor

Více

Komunitní plánování sociálních služeb v Plzni. Anketa. pro rodiče dětí od 1 do 3 let. Vyhodnocení

Komunitní plánování sociálních služeb v Plzni. Anketa. pro rodiče dětí od 1 do 3 let. Vyhodnocení Komunitní plánování sociálních služeb v Plzni Anketa pro rodiče dětí od 1 do 3 let Vyhodnocení Vyhodnocení zpracovalo: CpKP západní Čechy Americká 29 301 38 Plzeň Tel./fax: +420 / 377 329 558 Mobil: +420

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

MEZIROČNÍ POSUN VE ZNALOSTECH ŽÁKŮ 2005/06 2011/12

MEZIROČNÍ POSUN VE ZNALOSTECH ŽÁKŮ 2005/06 2011/12 MEZIROČNÍ POSUN VE ZNALOSTECH ŽÁKŮ /06 /12 Zhoršují se znalosti českých žáků? Testování Stonožka v 9. ročnících se v letošním roce neslo na vlně očekávání výsledků, které nám mají říct, jak si současní

Více

Reprodukční záměry mladých lidí 1

Reprodukční záměry mladých lidí 1 Reprodukční záměry mladých lidí 1 Petra Šalamounová, Gabriela Šamanová Úvodem Jednou z nejžhavějších demografických otázek současnosti jsou příčiny poklesu úrovně plodnosti. V zásadě lze říci, že existují

Více

INDEXY TRHU PRÁCE V DOPRAVĚ

INDEXY TRHU PRÁCE V DOPRAVĚ INDEXY TRHU PRÁCE V DOPRAVĚ INSTITUT SILNIČNÍ DOPRAVY ČESMAD Bohemia s.r.o. www.truckjobs.cz 2013 Výsledky průzkumu za rok 2013 1 S t r á n k a INSTITUT SILNIČNÍ DOPRAVY ČESMAD Bohemia s.r.o. první specializovaná

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