M. Litschmannová: Scénař videa Analýza závislosti kvantitativní proměnné na proměnné kategoriální příklad
|
|
- Vít Vávra
- před 8 lety
- Počet zobrazení:
Transkript
1 Úkol: S využitím popisné statistiky analyzujte vliv proměnné vekkat na proměnnou bmi (body mass index). (Datový soubor biometrie.csv - Úlohu si rozdělíme do několika podúkolů: 1. Import dat (ve standardním datovém formátu) do RkWardu. 2. Vizualizace sledované závislosti (vícenásobný krabicový graf) + překódování ordinální proměnné do číselných kódů. 3. Identifikace odlehlých pozorování a deklarování proměnné bez odlehlých pozorování. 4. Vizualizace sledované závislosti a výpočet významných výběrových charakteristik pro data bez odlehlých pozorování. 5. Příprava souhrnné zprávy. Řešení: 1. Nejdříve data importujeme do RkWardu záložka File/Import/Import format/import Text / CSV data. 1
2 2. Pro danou analýzu nás budou zajímat pouze proměnné: index tělesné hmotnosti - body mass index (bmi) a věková kategorie pacienta (vekkat). Abychom si udělali představu o analyzované závislosti, data vizualizujeme. Sledujeme vliv kategoriální (ordinální) proměnné na proměnnou numerickou. Vhodným grafem tedy bude vícenásobný krabicový graf. Zvolíme záložku Plot/Box Plot. Všimněte si, že vzhled grafu není optimální. Chybí popis vertikální osy a vzhledem k tomu, že faktor, jehož vliv na proměnnou bmi sledujeme, je ordinální, uvítali bychom, kdyby pořadí krabicových grafů odpovídalo seřazeným variantám proměnné vekkat, tj. aby se změnilo pořadí prvních dvou krabicových grafů. Pro snadnější zpracování analýzy si kategoriální proměnnou vekkat překódujeme na číselné kódy. Zvolme záložku Data/Recode Categorical Data. 2
3 Nyní můžeme pravidla pro překódování potvrdit tlačítkem Submit. V datovém souboru biometrie můžeme vidět, že překódování proběhlo. 3
4 Nyní vytvoříme vícenásobný krabicový graf tak, aby odpovídal naším požadavkům včetně popisu os. 4
5 3. Nyní je grafická prezentace analyzované závislosti v pořádku a my se můžeme pustit do identifikace odlehlých pozorování. Připomeňme si, že způsob vypořádání se z odlehlými hodnotami by měl být v praxi vždy založen na konzultaci se zadavatelem analýzy a měl by být zmíněn v souhrnné zprávě o datové analýze. My odlehlá pozorování stanovíme metodou vnitřních hradeb a následně je z další analýzy odstraníme. Označíme-li si pozorované hodnoty závislé proměnné x i, i = 1, 2,, n, kde n je rozsah výběru, pak jako odlehlá pozorování označíme hodnoty, pro které platí: (x i < x 0,25 1,5 IQR(x)) (x i < x 0,75 + 1,5 IQR(x)). Zjednodušeně, v souvislosti s krabicovým grafem, řečeno odlehlé hodnoty jsou hodnoty, které jsou od krabice vzdálenější než 1,5 násobek interkvartilového rozpětí. Meze x 0,25 1,5 IQR(x) a x 0,75 + 1,5 IQR(x) označujeme jako vnitřní hradby. 5
6 Jak nalézt vnitřní hradby? S využitím R Console: # uložení výběrových charakteristik proměnné biometrie$bmi pro seskupení dle proměnné biometrie$vekkat do proměnné souhrn > souhrn<-tapply(biometrie$bmi,biometrie$vekkat,summary) # uložení interkvartilových rozpětí proměnné biometrie$bmi pro seskupení dle proměnné biometrie$vekkat do proměnné ir > ir<-tapply(biometrie$bmi,biometrie$vekkat,iqr) # uložení vnitřních hradeb proměnné biometrie$bmi pro seskupení dle proměnné biometrie$vekkat do proměnných dolni.mez, horni.mez > horni.mez<-c(souhrn$'1'[5]+1.5*ir[1], souhrn$'2'[5]+1.5*ir[2], souhrn$'3'[5]+1.5*ir[3]) > horni.mez<-c(souhrn$'1'[5]+1.5*ir[1], souhrn$'2'[5]+1.5*ir[2], souhrn$'3'[5]+1.5*ir[3]) # zjednodušení pojmenování proměnných biometrie$bmi a biometrie$vekkat > bmi<-biometrie$bmi > vekkat<-biometrie$vekkat # vytvoření proměnné biometrie$bmi.out, v níž budou uloženy hodnoty bmi bez odlehlých pozorování > biometrie$bmi.out=bmi # nahrazení odlehlých pozorování symbolem NA (not available) ( OR = ;AND= & ) > biometrie$bmi.out[((bmi<dolni.mez[1] bmi>horni.mez[1]) & vekkat==1) ((bmi<dolni.mez[2] bmi>horni.mez[2]) & vekkat==2) ((bmi<dolni.mez[3] bmi>horni.mez[3]) & vekkat==3)]<-na 6
7 V datovém souboru biometrie můžeme zkontrolovat, jak odstranění odlehlých pozorování proběhlo. 4. Na závěr vizualizujeme sledovanou závislost na základě dat bez odlehlých pozorování a určíme významné výběrové charakteristiky. Pro vizualizaci využijeme postup, který byl popsán v řešení podúkolu 2. Na grafu opět vidíme odlehlé pozorování. Nejedná se však o odlehlé pozorování z původního datového souboru, další úpravu datového souboru proto již neprovádíme. Pomocí R Console převedeme data ze standardního datového formátu do datové matice a následně využijeme záložku Summary/Numerical Variable. # převod dat ze standardního datového formátu do datové matice > data.matrix<-split(biometrie$bmi.out,biometrie$vekkat) 7
8 Všechny výstupy potřebné pro učinění závěrů o sledované závislosti máme připraveny a tak zbývá poslední krok tvorba souhrnné zprávy, tj. grafická prezentace sledované závislosti, správné zaokrouhlení výběrových charakteristik, jejich přehledná prezentace a v neposlední řadě jejich správná smysluplná interpretace. To již zcela jistě zvládnete samostatně 8
VŠB Technická univerzita Ostrava BIOSTATISTIKA
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Zadání 11 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1: DOMÁCÍ ÚKOL
VíceVŠB Technická univerzita Ostrava
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Domácí úkoly Zadání 21 DATUM ODEVZDÁNÍ
VíceÍ Č ú Č Š Í Á É Č Č ú š š Ž ž š Ť Ť Ž ž Ó ó Ž ž ž Í ú ž Ť ž ž š ň ž š š Í ž Í ň Ž ň š ó š Ž Ž Í Š ú Í ž ž Í š ž ž Ť š š Ž Ž Á ž ó ž Ť š ž ť š Í ň ť ž Ž ž Ž ž Ť ž šť š ž Ž ň ú ž š ž ú ú ť Ž ň ú š ú ž Ž
VíceDobývání znalostí z databází (MI-KDD) Přednáška číslo 9 Využití doménových znalostí
Dobývání znalostí z databází (MI-KDD) Přednáška číslo 9 Využití doménových znalostí (c) prof. RNDr. Jan Rauch, CSc. KIZI, Fakulta informatiky a statistiky VŠE zimní semestr 2011/2012 Evropský sociální
VíceZaokrouhlování: Směrodatná odchylka se zaokrouhluje nahoru na stanovený počet platných cifer. Míry
Červenou barvou jsou poznámky, věci na které máte při vypracovávání úkolu myslet. Úkol 1 a) Pomocí nástrojů explorační analýzy analyzujte kapacity akumulátorů výrobce A po 5 a po 100 nabíjecích cyklech.
VíceZískávání znalostí z dat
Získávání znalostí z dat Informační a komunikační technologie ve zdravotnictví Získávání znalostí z dat Definice: proces netriviálního získávání implicitní, dříve neznámé a potencionálně užitečné informace
VíceUniverzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy
VíceVzdělávání v egoncentru ORP Louny
Zpracováno v rámci projektu č. CZ.1.04/4.1.00/40.00067 Vzdělávání v egoncentru ORP Louny Město Louny Obsah 1. Databáze... 4 2. Třídění pomocí filtrů... 5 3. Ukotvení a uvolnění příček... 6 3.1 Ukotvení
VíceVzorová prezentace do předmětu Statistika
Vzorová prezentace do předmětu Statistika Popis situace: U 3 náhodně vybraných osob byly zjišťovány hodnoty těchto proměnných: SEX - muž, žena PUVOD Skandinávie, Středomoří, 3 západní Evropa IQ hodnota
VíceNávrhy dalších možností statistického zpracování aktualizovaných dat
Návrhy dalších možností statistického zpracování aktualizovaných dat Při zjišťování disparit ve fyzické dostupnosti bydlení navrhuji použití těchto statistických metod: Bag plot; Krabicové grafy a jejich
VíceIBM SPSS Decision Trees
IBM Software IBM SPSS Decision Trees Jednoduše identifikujte skupiny a predikujte Stromově uspořádané postupné štěpení dat na homogenní podmnožiny je technika vhodná pro exploraci vztahů i pro tvorbu rozhodovacích
VíceStručný obsah. K2118.indd 3 19.6.2013 9:15:27
Stručný obsah 1. Stručný obsah 3 2. Úvod 11 3. Seznamy a databáze v Excelu 13 4. Excel a externí data 45 5. Vytvoření kontingenční tabulky 65 6. Využití kontingenčních tabulek 81 7. Kontingenční grafy
VíceLaboratorní cvičení - Integrální počet v R
Laboratorní cvičení - Integrální počet v R POZOR! Maple neuvádí ve výsledcích neurčitých integrálů integrační konstantu. Maple počítá integrály v oboru komplexních čísel. Neurčitý integrál Neurčitý integrál
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceTvorba grafů v programu ORIGIN
LICENČNÍ STUDIUM GALILEO STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Tvorba grafů v programu ORIGIN doc.dr.ing.vladimír Pata Univerzita Tomáše Bati ve Zlíně Fakulta technologická Ústav výrobních technologií
VíceAnalýza dat s využitím MS Excel
Analýza dat s využitím MS Excel Seminář aplikované statistiky Martina Litschmannová Několik fíglů na úvod Absolutní vs. relativní adresování změna pomocí F4 =$H$20 =H$20 =$H20 =H20 Posun po souvislé oblasti
Více2 Spojité modely rozhodování
2 Spojité modely rozhodování Jak již víme z přednášky, diskrétní model rozhodování lze zapsat ve tvaru úlohy hodnocení variant: f(a i ) max, a i A = {a 1, a 2,... a p }, kde f je kriteriální funkce a A
VíceVŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky PRAVDĚPODOBNOST A STATISTIKA Zadání 1 JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL
Více8. Posloupnosti, vektory a matice
. jsou užitečné matematické nástroje. V Mathcadu je často používáme například k rychlému zápisu velkého počtu vztahů s proměnnými parametry, ke zpracování naměřených hodnot, k výpočtům lineárních soustav
Více+ ω y = 0 pohybová rovnice tlumených kmitů. r dr dt. B m. k m. Tlumené kmity
Tlumené kmit V praxi téměř vžd brání pohbu nějaká brzdicí síla, jejíž původ je v třecích silách mezi reálnými těles. Matematický popis těchto sil bývá dosti komplikovaný. Velmi často se vsktuje tzv. viskózní
VíceKORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VícePREZENTACE PRÁVNÍCH SLUŽEB POSKYTOVANÝCH NA ÚZEMÍ ČESKÉ REPUBLIKY A SLOVENSKÉ REPUBLIKY
PREZENTACE PRÁVNÍCH SLUŽEB POSKYTOVANÝCH NA ÚZEMÍ ČESKÉ REPUBLIKY A SLOVENSKÉ REPUBLIKY O nás Advokátní kancelář Vozáb & Co. poskytuje právní služby klientům na území České republiky a Slovenské republiky
VíceVŠB Technická univerzita Ostrava BIOSTATISTIKA
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Domácí úkoly Zadání 5 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1:
VíceNovinky v programu Účtárna 2.05
Novinky v programu Účtárna 2.05 Podpora pro export do CSÚIS ve výkazech lez provést export dat do účetního systému CSÚIS. Umístění: tlačítko Různé - Export do CSÚIS. Výkazy a rozpočty. kap. 8.2 Tisk a
VíceCentrální databáze nežádoucích událostí
Centrální databáze nežádoucích událostí srovnání zdravotnických zařízení 4.čtvrtletí 2009 Kabinet veřejného zdravotnictví 3.lékařská fakulta Univerzity Karlovy v Praze Obsah Centrální databáze nežádoucích
VíceKorelace. Komentované řešení pomocí MS Excel
Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne
VíceVerifikační systémy na cestě časem praktické zkušenosti
Verifikační systémy na cestě časem praktické zkušenosti Richter V., Plačková E. Krajská nemocnice Liberec, a.s. Obsah prezentace: Úvod Historie verifikačních systémů v KNL Zkušenosti s verifikačními systémy
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Př. : Stanovte jednotlivé četnosti a číselné charakteristiky zadaného statistického souboru a nakreslete krabicový graf:, 8, 7, 43, 9, 47, 4, 34, 34, 4, 35. Statistický soubor seřadíme vzestupně podle
VícePomůcka pro cvičení: 3. semestr Bc studia
Pomůcka pro cvičení: 3. semestr Bc studia Statistika Základní pojmy balíček: Statistics Pro veškeré výpočty je třeba načíst balíček Statistic. Při řešení můžeme použít proceduru infolevel[statistics]:=1,
VíceTEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT
EXPLORAČNÍ ANALÝZA DAT TEST Z TEORIE 1. Test ze Statistiky píše velké množství studentů. Představte si, že každý z nich odpoví správně přesně na polovinu otázek. V tomto případě bude směrodatná odchylka
VíceNejčastější chyby v explorační analýze
Nejčastější chyby v explorační analýze Obecně doporučuju přečíst přednášku 5: Výběrová šetření, Exploratorní analýza http://homel.vsb.cz/~lit40/sta1/materialy/io.pptx Použití nesprávných charakteristik
VíceObr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.
Řešení příkladu - klasifikace testovacího subjektu pomocí Bayesova klasifikátoru: ata si vizualizujeme (Obr. ). Objem mozkových komor 9 8 7 6 5 pacienti kontroly testovací subjekt 5 6 Objem hipokampu Obr.
Více10. Seznam příloh. 1. Seznam zkratek 2. Seznam tabulek 3. Seznam grafů 4. Úvod k dotazníkům 5. Žádost o dotazníkovou činnost 6.
10. Seznam příloh 1. Seznam zkratek 2. Seznam tabulek 3. Seznam grafů 4. Úvod k dotazníkům 5. Žádost o dotazníkovou činnost 6. Dotazník Příloha č. 1 Seznam zkratek: BMI Body mass index CNS Centrální nervový
VíceSkalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech.
Kapitola 9 Skalární součin Skalární součin je nástroj, jak měřit velikost vektorů a úhly mezi vektory v reálných a komplexních vektorových prostorech. Definice 9.1 Je-li x = (x 1,..., x n ) T R n 1 reálný
VícePRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) Reprezentativní náhodný výběr: 1. Prvky výběru x i jsou vzájemně nezávislé. 2. Výběr je homogenní, tj. všechna x i jsou ze stejného
VíceVŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý
VíceStatSoft Jak vyzrát na datum
StatSoft Jak vyzrát na datum Tento článek se věnuje podrobně možnostem práce s proměnnými, které jsou ve formě datumu. A že jich není málo. Pokud potřebujete pracovat s datumem, pak se Vám bude tento článek
VíceDYNAMICKÉ PROGRAMOVÁNÍ A PROBLÉM BATOHU
ČVUT V PRAZE FAKULTA INFORMAČNÍCH TECHNOLOGIÍ JAN SCHMIDT A PETR FIŠER MI-PAA DYNAMICKÉ PROGRAMOVÁNÍ A PROBLÉM BATOHU EVROPSKÝ SOCIÁLNÍ FOND PRAHA A EU: INVESTUJEME DO VAŠÍ BUDOUCNOSTI Dynamické programování
Vícerůzné typy přehledových studií integrativní typ snaha o zobecnění výsledků z množství studií
Meta-analýza přehledové studie, definice postup meta-analýzy statistické techniky ověření homogenity studií, agregace velikosti účinku, moderující proměnné, analýza citlivosti, publikační zkreslení přínosy
VíceMicrosoft Excel 2007 pokročilé metody a funkce
Microsoft Excel 2007 pokročilé metody a funkce Cíl semináře: Vysoce interaktivní seminář je určen pro zkušené uživatele tabulkového procesoru, kteří chtějí využít speciální nástroje, postupy, metody a
VíceOPTIMALIZACE VIRTUÁLNÍHO PROTOTYPU PRŮMYSLOVÉ PŘEVODOVKY
Středoškolská technika 2013 Setkání a prezentace prací středoškolských studentů na ČVUT OPTIMALIZACE VIRTUÁLNÍHO PROTOTYPU PRŮMYSLOVÉ PŘEVODOVKY Michal Gryga Střední průmyslová škola, Praha 10, Na Třebešíně
VíceZápadočeská univerzita v Plzni. Fakulta aplikovaných věd Katedra matematiky. Geometrie pro FST 1. Pomocný učební text
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky Geometrie pro FST 1 Pomocný učební text František Ježek, Marta Míková, Světlana Tomiczková Plzeň 29. srpna 2005 verze 1.0 Předmluva
VíceDodávka CNC frézky s vysokofrekvenčním vřetenem pro projekt CENTEM
Název veřejné zakázky: Dodávka CNC frézky s vysokofrekvenčním vřetenem pro projekt CENTEM Odůvodnění vymezení technických podmínek podle 156 odst. 1 písm. c)zákona č. 137/2006 Sb., o veřejných zakázkách
VíceMicrosoft Excel 2010 pokročilé metody a funkce
Microsoft Excel 2010 pokročilé metody a funkce Cíl semináře: Vysoce interaktivní seminář je určen pro zkušené uživatele tabulkového procesoru, kteří chtějí využít speciální nástroje, postupy, metody a
VíceWOOW OFFICE. www.formdesign.cz. řada kancelářského nábytku
OFFICE Kancelářsky nábytek vznikl z požadavku řešit interiéry kanceláří vzdušně, moderně, s barevnou Kancelářsky nábytek vznikl z požadavku řešit interiéry kanceláří vzdušně, moderně, s barevnou vizualizace
VíceKTE / PPEL Počítačová podpora v elektrotechnice
KTE / PPEL Počítačová podpora v elektrotechnice 22.12.2010 Ing. Lenka Šroubová, Ph.D. email: lsroubov@kte.zcu.cz http://home.zcu.cz/~lsroubov Příklad: Obvod RLC v sérii R=200 Ω L=0,5 H C=5. 10-6 F U 0
VíceRegulární matice. Věnujeme dále pozornost zejména čtvercovým maticím.
Regulární matice Věnujeme dále pozornost zejména čtvercovým maticím. Věta. Pro každou čtvercovou matici A = (a ij ) řádu n nad tělesem (T, +, ) jsou následující podmínky ekvivalentní: (i) Řádky matice
VíceÚKOL 2 1886 22 5,77 5,00 5 2,531,003,056 -,869,113
ÚKOL 2 Jméno a příjmení: UČO: Imatrik. ročník: Úkol 2.1: V souboru EVS99_cvicny.sav zjistěte, zdali rozložení názoru na to, kdo by měl být odpovědný za zajištění bydlení (proměnná q54h), je normální. Řešte
VíceStatistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika
Statistika Cvičení z matematické statistiky na PřF Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy léto 2012 Základní dělení popisná (deskriptivní)
VíceHledání závislostí technologických a nákladových charakteristik při tavení oceli na elektrických obloukových pecích
Hledání závislostí technologických a nákladových charakteristik při tavení oceli na elektrických obloukových pecích Firková, L. 1), Kafka, V. 2), Figala, V. 3), Herzán, M. 4), Nykodýmová, V. 5) 1) VŠB
VíceStručný manuál k ovládání programu STATISTICA. Mgr. Petra Beranová Ing. Miloš Uldrich
Stručný manuál k ovládání programu STATISTICA Mgr. Petra Beranová Ing. Miloš Uldrich Copyright StatSoft CR s.r.o. 2011 StatSoft CR s.r.o. Ringhofferova 115/1 155 21 Praha 5 Zličín tel.: +420 233 325 006
VíceJak pracovat s absolutními hodnotami
Jak pracovat s absolutními hodnotami Petr Matyáš 1 Co to je absolutní hodnota Absolutní hodnota čísla a, dále ji budeme označovat výrazem a, je jeho vzdálenost od nuly na ose x, tedy je to vždy číslo kladné.
VíceLINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VíceAnalýza rozptylu dvojného třídění
StatSoft Analýza rozptylu dvojného třídění V tomto příspěvku si ukážeme konkrétní práci v softwaru STATISTICA a to sice při detekci vlivu jednotlivých faktorů na chování laboratorních krys v bludišti.
VíceVýukový modul SKOOOL FOOTBALL obsahuje řadu poutavé výuky. Aktivity jsou vložené do dvou hlavních částí:
SKOOOL FOOTBALL Výukový modul SKOOOL FOOTBALL obsahuje řadu poutavé výuky. Aktivity jsou vložené do dvou hlavních částí: 1. Develop your team Body mass index Injuries Nutrition Fitness testing Heart rates
VíceZpracování 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
VíceDiferenciální počet funkcí jedné proměnné
Diferenciální počet funkcí jedné proměnné 1 3. Limita funkce 3.2. Limita funkce v nevlastním bodě 2 Limita funkce v nevlastním bodě Ukážeme, že je možné definovat limitu funkce i pro x +, x - Uvažujme
VíceElektronická Kniha jízd. www.knihajizd.info
Elektronická Kniha jízd www.knihajizd.info Jak to funguje O produktu Aplikace elektronické Knihy jízd Patriot Vám s využitím systému GPS (Global Positioning System) umožní jednoduše a spolehlivě sledovat
VíceSTATISTIKY ČSÚ
Realitní statistiky: pravda, růžové sny nebo lež? 7. 10. 2010 STATISTIKY ČSÚ Statistika bytové výstavby Statistika cen nemovitostí Sčítání lidu, domů a bytů Registr sčítacích obvodů a budov (RSO) Na závěr
VíceAutorem materiálu a všech jeho částí, není-li uvedeno jinak, je Kateřina Raichová. Materiál je publikován pod licencí Creative Commons.
ze sady: 2 tematický okruh sady: Tabulkový editor ze šablony: 07 Kancelářský software určeno pro: 3. ročník vzdělávací obor: vzdělávací oblast: číslo projektu: anotace: metodika: 18-20-M/01 Informační
VíceAnalýza dat na PC I.
Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Základy programu STATISTICA IBA výuka 2008/2009 StatSoft, Inc., http://www.statsoft.com/, http://www.statsoft.cz Verze pro
VíceKonstrukce robota s mechanickým převodem II. Tematický celek: Pohyb těles. Úkol:
Název: Konstrukce robota s mechanickým převodem II. Tematický celek: Pohyb těles Úkol: 1. Upravte robota z předchozí úlohy rvs_i_09 tak, že budete postupně měnit převodový poměr. 2. Určete průměrnou rychlost
VíceSYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ
SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ FIGALA V. a), KAFKA V. b) a) VŠB-TU Ostrava, FMMI, katedra slévárenství, 17. listopadu 15, 708 33 b) RACIO&RACIO, Vnitřní
VíceMarketingový výzkum turistické oblasti Opavské Slezsko 2014. Dotazování provozovatelů zařízení
Marketingový výzkum turistické oblasti Opavské Slezsko 2014 Dotazování provozovatelů zařízení Obsah 1 Úvod... 3 2 Metodika výzkumu... 4 2.1 Seznam oslovených zařízení... 5 2.1.1 Zařízení zahrnutá ve výzkumu...
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VíceTextové popisky. Typ dat
Textové popisky Newsletter Statistica ACADEMY Téma: Možnosti softwaru, datová reprezentace Typ článku: Tipy a triky Máte ve svých datech kategorie ve formě textu? Víme, že někdy není úplně jasné, jak Statistica
VíceUkázka knihy z internetového knihkupectví www.kosmas.cz
Ukázka knihy z internetového knihkupectví www.kosmas.cz Excel Vladimír Bříza Podrobný průvodce 2007 Excel 2007 podrobný průvodce Vladimír Bříza Vydala Grada Publishing, a.s. U Průhonu 22, Praha 7 jako
VíceNávod k obsluze hořáku Ferroli SUN 7, SUN 12
Návod k obsluze hořáku Ferroli SUN 7, SUN 12 Popis displeje: 1 - Nastavení vnitřních hodin 2 - Krátkým stlačením se převádí hořák podle způsobu regulace. Potřebujeme mít v horním pravém rohu ON bez budíčku
Víceý úí ď ý Č Í š Ú ÚŘ Ú Í Í ý úř ý úř úř ř š ý ú ř š ř ů ř š ý Íď š ř ů ř Ž ú ř ř ň ý Í ú ň ř ů ů ů ú ó ž ň š šú ú ř ř š ř ů ú ř ř ň ý ď ú ň ď ú ř ů ů ů ř ř ň ú ň ú Ž ň ó ó ý ýš ý ř š ř ř š ú š Š Í ň š Ž
VíceMarketingová komunikace. 2. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph)
Marketingová komunikace Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph) 2. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Minulé soustředění úvod
VíceOrganizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?
Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/
Víceš š Ť ř ň š ú ř ý ž š ř ě Š ě š ř ň š ú ř ý ž ř ý ě ř š ř ň š ú ý ř ý ž ě ě š š ě ě ě ž ž š ě ř ý ěž ů ň ů ý š ř ý ř ě ž ř ě ž ý ž ý ř š ř š ě ř ý š ý ě ž ř ě ž ě ř ěž ř ž ř ň ř ý ý š ě ě ž ň ř ý ř ě ý
VíceAnalýza spolehlivosti tlakové nádoby metodou Monte Carlo
Analýza spolehlivosti tlakové nádoby metodou Monte Carlo Jakub Nedbálek Abstrakt: Cílem práce je ukázat možnost využití Monte Carlo simulace pro studium úloh z oblasti spolehlivosti. V našem případě máme
VíceUživatelská příručka. Software DataPlot nástroj pro vizualizaci csv dat
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta stavební Katedra betonových a zděných konstrukcí Uživatelská příručka Vytvořeno v rámci grantu Grantové agentury České republiky GA16-18448S a grantu Studentské
VíceMendelova zemědělská a lesnická univerzita v Brně
Mendelova zemědělská a lesnická univerzita v Brně Bobtnání dřeva Fyzikální vlastnosti dřeva Protokol č.3 Vypracoval: Pavel Lauko Datum cvičení: 24.9.2002 Obor: DI Datum vyprac.: 10.12.02 Ročník: 2. Skupina:
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceZákladní charakteristiky zdraví, nemocnosti a úmrtnosti (Tabulka 5)
Základní charakteristiky zdraví, nemocnosti a úmrtnosti (Tabulka 5) Zdroj: Úmrtnostní tabulky a demografická statistika ČSÚ, SILC; ÚZIS ČR, EUROSTAT Střední délka života ve zdraví při narození data z Eurostatu
VíceStatistické metody v ekonomii. Ing. Michael Rost, Ph.D.
Statistické metody v ekonomii Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Cíle kurzu: seznámit posluchače s vybranými statistickými metodami, které jsou aplikovatelné v ekonomických
Více31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
VíceVýskyt nadváhy a obezity
Výskyt nadváhy a obezity u českých dětíd MUDr. Hana Cabrnochová Předsedkyně OSPDL ČLS JEP 19.4.2006 1 Nová reprezentativní data Studie Životní styl a obezita 2005 Výzkum proběhl koncem roku 2005 Reprezentativní
VíceJasné definování dodávky / služby / stavebních prací tzn. jasný popis, specifikace toho, co se má v rámci zakázky realizovat.
Asociace pro rozvoj regionů o.s. VÝBĚROVÁ ŘÍZENÍ Říčany Veřejná zakázka Jedná se o nákup zboží, služby, zadání práce apod. ze strany veřejného subjektu (např. obec, kraj, stát), ale i případně jiné subjekty,
VíceNadváha a obezita, PaedDr. & Mgr. Hana Čechová
Nadváha a obezita, věčné téma PaedDr. & Mgr. Hana Čechová I u štíhlého člověka může v určitém období dojít k postupnému přibývání na váze. Základní problém spočívá v tom, že výživa je nejčastěji nadměrná
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 4. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 27 Množiny Zavedení pojmu množina je velice
VíceVeřejné zakázky, veřejné rozpočty, vlastnické struktury a anonymní vlastnictví
Veřejné zakázky, veřejné rozpočty, vlastnické struktury a anonymní vlastnictví Jana Chvalkovská, Jiří Skuhrovec Centrum aplikované ekonomie o.s. zindex.cz Obsah prezentace Veřejné zakázky proč a jak jsme
VícePREZENTACE DAT: JEDNODUCHÉ GRAFY
PREZENTACE DAT: JEDNODUCHÉ GRAFY V tabulce 8.1 uvádíme přehled některých ukazatelů fiktivní firmy Alfa Blatná. Tabulka 8.1 je prostá, je v ní navíc časové srovnání hodnot v roce 2011 a v roce 2012. a)
VíceStatistika. Zpracování informací ze statistického šetření. Roman Biskup
Statistika Zpracování informací ze statistického šetření Třídění statistického souboru Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 20. února 2012
VíceDODATEČNÉ INFORMACE dle 49 zákona č. 137/2006 Sb., o veřejných zakázkách
DODATEČNÉ INFORMACE dle 49 zákona č. 137/2006 Sb., o veřejných zakázkách Zadavatel tímto poskytuje dodavatelům v souladu s 49 odst. 4 zákona o veřejných zakázkách dodatečné informace k veřejné zakázce
Víceeeebid.com Inc. Elektronické aukce jako nástroj snižování nákupních cen a nákladů firmy
eeebid.com Inc. Elektronické aukce jako nástroj snižování nákupních cen a nákladů firmy www.eeebid.com Ing. Pavel Mysík, Key Account Manager, eeebid.com Group pavel.mysik@eeebid.com Tel: 222 231 307 Společnost
VícePříklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy
Příklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy Zadání: Deponie nadložních jílových sedimentů SHP byla testována za účelem využití v cihlářské výrobě. Z deponie bylo odebráno
VíceSoftware laktát technická a funkční specifikace
Software laktát technická a funkční specifikace Určení aplikace: Cílem je vytvoření software (dále také aplikace ) k vyhodnocování a interpretaci vyšetření tzv. laktátové křivky zobrazující koncentraci
VícePrincip gradientních optimalizačních metod
Princip gradientních optimalizačních metod Tomáš Kroupa 20. května 2014 Tento studijní materiál je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Obsah Úkol a základní
VícePOLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.
POLYNOMICKÁ REGRESE Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými. y = b 0 + b 1 x + b 2 x 2 + + b n x n kde b i jsou neznámé parametry,
VíceZadání semestrální práce IKTZ 2 letní semestr 2009/2010
Zadání semestrální práce IKTZ 2 letní semestr 2009/2010 Obecné zadání Dle zadání zpracujte data ze studie STULONG (soubory Entry a Contr). Práce je rozdělena do tří částí, které se řeší odděleně. Výstupem
VíceEvropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Index tělesné hmotnosti, fyzická aktivita, spotřeba ovoce a zeleniny
Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 22. 12. 2010 70 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Index tělesné hmotnosti, fyzická aktivita,
VíceKlíčení obilek pro všechny úlohy společné
Klíčení obilek pro všechny úlohy společné Laboratorní průvodce Úloha Nechte si naklíčit obilky kukuřice. Po 7 dnech by měly být klíční rostliny připraveny k zasazení do experimentálních podmínek. Také
Více4.4 Exploratorní analýza struktury objektů (EDA)
4.4 Exploratorní analýza struktury objektů (EDA) Průzkumová analýza vícerozměrných dat je stejně jako u jednorozměrných dat založena na vyšetření grafckých dagnostk. K tomuto účelu se využívá různých technk
VíceInformace ze zdravotnictví Karlovarského kraje
Informace ze zdravotnictví Karlovarského kraje Ústavu zdravotnických informací a statistiky České republiky Karlovy Vary 1 19.4.2006 Lázeňská péče v Karlovarském kraji v roce 2005 Balneologic Care in the
Více2. Numerické výpočty. 1. Numerická derivace funkce
2. Numerické výpočty Excel je poměrně pohodlný nástroj na provádění různých numerických výpočtů. V příkladu si ukážeme možnosti výpočtu a zobrazení diferenciálních charakteristik analytické funkce, přičemž
VícePříprava dat a) Kontrola dat
Příprava dat a) Kontrola dat 2 Sběr data? Příprava dat Předpoklady o datech Software obsahuje nástroje pro: Detekci chybějících dat a dat mimo stanovených rozsah Detekci odlehlých a extrémních hodnot Překodování
Více