Centrum pro zjišťování výsledků vzdělávání CERMAT Jankovcova 933/63, Praha 7, tel.:

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

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

Transkript

1 Analýza výsledků testu - slovníček aktuálních pojmů. Úlohy zařazované do testů jsou různého typu. V uzavřených úlohách a uzavřených podúlohách svazku žák vybírá odpověď z několika nabízených alternativ. Právě jedna z nich (v našich podmínkách) je správná, ostatní jsou nesprávné a nazývají se distraktory. V otevřených úlohách odpověď vytváří žák (číslo, text, nákres apod.). Hodnotitel (komise apod.) za uvedené řešení přidělí body v souladu s pokyny k hodnocení, a to případně i za částečné řešení. Svazek sestavený z několika úloh (v takovém postavení je nazýváme podúlohy) se hodnotí jako celek. Jsou stanovena pravidla pro přidělování počtu bodů za určitý počet správně vyřešených podúloh svazku. Svazkem lze přesněji ohodnotit určitou vědomost či dovednost, navíc jím lze snížit chybu měření způsobenou hádáním. Uspořádací úlohy jsou atraktivní součástí testu a mívají dobré psychometrické vlastnosti. Z formálního hlediska (z hlediska zpracování výsledků) nepředstavují v našich podmínkách zvláštní typ. Můžeme se na ně dívat jako na svazky, kde body jsou přiděleny výhradně za všechny správné odpovědi, tedy za zcela správné řešení. Výsledek řešení úlohy je vždy vyjádřen určitým počtem bodů, které jsou žákovi za vyřešenou úlohu přiděleny. Pravidla pro bodování úlohy jsou obsažena v klíči správných řešení a v otevřených úlohách podrobně popsána v pokynech k hodnocení. Výsledek řešení testu Obvykle, zejména při plošném testování, se přirozeně zajímáme také o celkový výsledek testu. Počítá se a interpretuje: bodový skór, který získáme, sečteme-li u daného žáka získané body za celý test; procentní skór, který získáme, pokud bodový skór vydělíme maximálně dosažitelným počtem bodů a vyjádříme v procentech. Pokud nemůže dojít k nedorozumění, připouštíme, že místo přesnějšího pojmu procentní skór se běžně používá pojem úspěšnost. Cut-off score (hranice úspěšnosti) je limit stanovený pro daný test. Pokud jej žák nedosáhne nebo nepřekročí, v testu neuspěl. Podíl žáků, kteří v testu neuspěli, k celkovému počtu žáků vyjadřujeme v procentech a jde o neúspěšnost (podrobněji viz níže). Rozdělení četností poskytuje kompletní informaci o výsledcích všech žáků v testu. Říká, kterých výsledků bylo dosaženo a kolikrát. Rozdělení četností zobrazí graficky histogram (viz graf vpravo), kde na vodorovné ose jsou možné hodnoty (nebo vhodně zvolené intervaly), svislá osa je vyhrazena právě četnostem či relativním četnostem udávajícím procento celkového počtu žáků, kteří dosáhli konkrétního výsledku. Výsledkem testu může být bodový skór nebo procentní skór.

2 Graf kumulativní četnosti obsahuje ve sloupci procento všech žáků, kteří nedosáhli lepšího výsledku. Průměrná úspěšnost (průměrný procentní skór) je základní charakteristikou při analýze výsledků testu. Vyjadřuje průměrnou úroveň vědomostí, dovedností atd. pro danou množinu žáků (s určitou chybou i pro populaci, z níž by byla tato množina žáků reprezentativním výběrem). V některých analytických výstupech (položková analýza viz níže) se výše definovaná úspěšnost označuje jako čistá (na rozdíl od tzv. hrubé úspěšnosti). Hrubá úspěšnost je pojem, který má specifický význam tehdy, jestliže test obsahuje otevřené úlohy a u nich se hodnotí i částečné řešení. O hrubé úspěšnosti úloh mluvíme tehdy, jestliže ohodnotíme jen úplné a bezchybné řešení. Uvádí tedy procento žáků, kteří úlohu vyřešili bezchybně. Hrubá úspěšnost testu je definována odlišným způsobem, ale pro nás nemá praktický význam. Korigovaná úspěšnost se počítá běžným výše popsaným způsobem, ale pouze z úloh, o kterých se domníváme, že je žák přečetl a začal řešit. Pokud žák může úlohy řešit v libovolném pořadí, má sotva smysl tento ukazatel interpretovat. Medián úspěšnosti (také střední úspěšnost) je výsledek (úspěšnost) prostředního žáka; platí tedy, že počet žáků, kteří mají horší nebo lepší výsledek než medián, je stejný. Variabilita výsledků je jev, o který se vedle úrovně výsledků zajímáme, hledáme-li odpověď na otázku, jak se žáci ve svých výsledcích liší. Zkoumáme-li úroveň znalostí a dovedností v nějaké množině žáků, nemělo by nám být lhostejné, zda daný průměrný skór byl dosažen tím, že jsou všichni průměrní, nebo zda jde o zprůměrovaný skór žáků velmi dobrých a velmi slabých. Pro získání odpovídající informace potřebujeme vhodné míry variability. Směrodatná odchylka je míra variability, která se užívá nejčastěji. Vzorec a způsob výpočtu zde neuvádíme, ale v podstatě si můžeme představit, že vyjadřuje, jak se průměrně liší výsledek jednotlivého žáka od průměru celé množiny žáků (větší směrodatná odchylka ukazuje na větší variabilitu výsledků hodnocené skupiny). Kvantil

3 je hodnota zkoumané veličiny (v našem případě například počtu bodů získaných žákem v testu), která odpovídá určitému umístění v souboru uspořádaném podle výsledků (od nejhoršího k nejlepšímu). Mezi nejdůležitější kvantily pak patří především hodnota uprostřed souboru, tedy medián (viz výše), který můžeme označit za 50. percentil (ten lze interpretovat tak, že 50 % žáků nemá lepší výsledek). Při zkoumání výsledků testu nás mohou zajímat také kvartily, tedy výsledky žáků, kteří se umístí na rozhraní první a druhé čtvrtiny nebo na hranici druhé a třetí třetiny či na hranici třetí a čtvrté čtvrtiny, Decily dělí soubor na deset stejně početných částí atd. Běžně se zjišťují a interpretují percentily, které dělí soubor na sto stejně početných částí. Kvantilové rozpětí se používá jako jednoduchá míra variability. Bylo by přirozené usuzovat o variabilitě jednoduše podle rozpětí mezi minimální a maximální hodnotou, ale to je příliš ovlivněno extrémy. Extrémy je vhodné nějakým způsobem z úvah vyloučit, což právě řeší použití kvantilových charakteristik variability. Decilové rozpětí tak vylučuje 10 % nejnižších a 10 % nejvyšších výsledků, a jde tedy o rozdíl mezi 90. A 10. percentilem. Podobně je definováno kvartilové rozpětí jako rozdíl mezi 75. a 25. percentilem. Percentilové umístění (také percentilové pořadí) je kumulativní relativní četnost (viz výše); při analýze výsledků testů udává pro každého žáka, kolik procent žáků dosáhlo horšího nebo stejného výsledku. Práce s percentilovým umístěním umožňuje za určitých předpokladů srovnávat žáky, kteří řešili různé varianty testu. Vlastnosti úlohy posuzujeme především a priori při sestavování testu, ověřujeme try-outy a pilotážemi, ale také hodnotíme ex post, na základě výsledků testování. Jde zejména o obtížnost úlohy a schopnost diskriminace (citlivost). Diskriminační schopnost (citlivost) úlohy vypovídá o schopnosti úlohy rozlišovat mezi žáky s většími znalostmi a dovednostmi a žáky s menšími znalostmi a dovednostmi. K rozlišení žáků na lepší a slabší se většinou používá jejich celkový výsledek v testu. Vysokou citlivost má taková úloha, kterou řeší lepší žáci podstatně úspěšněji než žáci slabší. V případě, že jsou v řešení úlohy úspěšnější slabší žáci, obsahuje úloha pravděpodobně nějakou konstrukční chybu. Míra diskriminace ULI (upper-lower index) je často využívána pro svou jednoduchost. Jde o rozdíl v průměrném procentním skóru mezi nejlepšími a nejslabšími žáky, v našich podmínkách jde konkrétně o čtvrtinu nejlepších a nejslabších. Diskriminační schopnost souvisí s ostatními charakteristikami testové úlohy, například s obtížností. Při interpretaci je proto nutné vzít v úvahu i další psychometrické charakteristiky úlohy. Jednoduše platí, že zařazování úloh s velmi nízkou, nebo dokonce zápornou diskriminací je nevhodné. Korelace RIR (korelační koeficient item-rest) je další psychometrickou charakteristikou, kterou využíváme při analýze výsledků testu. Vypočítá se jako korelační koeficient mezi skórem dosaženým v dané testové úloze a celkovým skórem testu při vyloučení dané úlohy. Nabývá hodnot od -1 do 1. Čím blíže je hodnota krajním pólům intervalu <-1;1>, tím silnější je vzájemný vztah mezi úspěšností v dané úloze a úspěšností ve zbytku testu. Záporné hodnoty znamenají, že žáci, kteří správně řešili danou testovou úlohu, dosáhli spíše nízkého celkového skóre ve zbytku testu, a naopak. Kladné hodnoty svědčí o tom, že žáci úspěšní v řešení dané úlohy byli rovněž úspěšní při řešení ostatních úloh, tj. celého testu. Zjistíme tak, zda úloha tematicky, svým zaměřením a obsahem patří do testu. Často však víme předem, že test se zaměřuje na odlišná témata, odlišné kompetence atd., a je tedy namístě určitá zdrženlivost při interpretaci.

4 Graf průběhu úspěšnosti (diskriminační křivka) znázorňuje úspěšnost žáků v testové úloze v závislosti na jejich celkovém výsledku. Při vytváření grafu se postupuje následujícím způsobem: žáci se uspořádají podle skóru v testu do pořadí od nejlepších po nejslabší, rozdělí se na několik (například deset) stejně početných skupin, pro každou skupinu se vypočítá průměrná úspěšnost žáků v řešení dané testové úlohy a průměrné úspěšnosti se nanesou do grafu. Propojením bodů vyjadřujících průměrné úspěšnosti žáků jednotlivých skupin v řešení úlohy vznikne diskriminační křivka. Položková analýza je komplexní metoda vyhodnocení realizovaného testu, obsahuje detailní výsledky pro každou úlohu (také svazek a jeho podúlohy) a souhrnné výsledky za celý test. Jde o hodnoty vhodných statistických a testologických charakteristik, zmíněných výše, doplněné přehlednými grafy. V našich podmínkách vytváří položkovou analýzu program Restan a výsledky shrnuje navazující program Gepard. Souhrnné výsledky plošného testování mají poskytnout komplexní pohled na vědomosti a dovednosti testovaných žáků. Pro plošné testování (mj. maturitní zkouška) je charakteristický předem stanovený cut-off score. Testování předchází proces přihlašování. Existuje množina žáků, kteří byli ke zkoušce přihlášeni, ale test nekonali, což je také pro hodnocení významné. Proto se v souhrnných výsledcích, kromě výše popsaných statistických charakteristik, uvádějí ukazatele neúspěšnosti. Počítáme: podíl žáků s výsledkem nedosahujícím cut-off score k počtu žáků konajících test, což je čistá neúspěšnost; podíl neúspěšných žáků (kteří zkoušku nekonali nebo ji konali neúspěšně) k počtu všech přihlášených žáků, což je hrubá neúspěšnost. Komplexní zkouška je složena z několika dílčích zkoušek (v našich podmínkách zkouška z českého jazyka a literatury a zkouška z cizího jazyka je složena z didaktického testu, písemné zkoušky a ústní zkoušky). Požadujeme-li celkové hodnocení za komplexní zkoušku, musíme stanovit: pravidlo pro rozhodnutí o neúspěšnosti v komplexní zkoušce (pro maturitu aktuálně platí, že neúspěšný je ten žák, který nevykonal úspěšně všechny dílčí zkoušky, nemusí však opakovat celou zkoušku, ale jen tu dílčí zkoušku, ve které neuspěl; počítání opravných pokusů se však vždy vztahuje k celé zkoušce, nikoli samostatně k dílčím zkouškám); pravidlo pro zapracování procentních skórů dosažených v dílčích zkouškách do celkového procentního skóru zkoušky; je nutné rozhodnout o vahách dílčích zkoušek (např. u MZ z cizích jazyků pro DT:PP:UZ jsou stanoveny váhy 2:1:1 (DT zahrnuje dva subtesty), u MZ z českého jazyka a literatury jsou váhy 1:1:1). Podezřelé úlohy Abychom poskytli objektivní základ pro rozhodování ex-post o kvalitě a přípustnosti úloh v testu, označujeme zcela formálně s využitím položkové analýzy jako podezřelé ty úlohy, které se nějakým způsobem vymykají obvyklým nebo požadovaným vlastnostem úloh. Považujeme za podezřelé, nikoliv však nutně za vadné: příliš snadné úlohy (vyřešilo více než 95 % žáků); příliš obtížné úlohy (vyřešilo méně než 20 % žáků); špatně rozlišující úlohy (míra diskriminace ULI menší než 20 %);

5 úlohy vymykající se zaměření testu (korelační koeficient RIR menší než 0,2); uzavřené úlohy, v nichž žáci dali přednost některému distraktoru před správným řešením; uzavřené úlohy, v nichž nejlepší žáci (čtvrtina s nejlepším výsledkem daného testu jako celku) dali přednost některému distraktoru před správným řešením. Formální charakteristiky úloh ovlivňuje jak kvalita úloh, tak i kvalita testovaného souboru. Např. při podzimních maturitách převažují velmi slabí žáci, kteří jsou v jarních maturitách naopak zastoupeni v menší míře. Proto se na podzim značně snižuje očekávaná úspěšnost úloh, výrazně se snižuje i jejich diskriminační schopnost, některé běžně opomíjené distraktory se stávají velmi přitažlivými, RIR může významně klesat apod.

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

Statistika pro gymnázia

Statistika pro gymnázia Statistika pro gymnázia Pracovní verze učebního textu ZÁKLADNÍ POJMY Statistika zkoumá jevy (společenské, přírodní, technické) ve velkých statistických souborech. Prvky statistických souborů se nazývají

Více

Číselné charakteristiky a jejich výpočet

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

Více

Souhrnné výsledky za školu

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

Více

ŠKOLNÍ ZPRÁVA O VÝSLEDCÍCH SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

ŠKOLNÍ ZPRÁVA O VÝSLEDCÍCH SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY ŠKOLNÍ ZPRÁVA O VÝSLEDCÍCH SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY LISTOPAD 2014 1 ÚVODEM Školní zpráva o výsledcích maturitní zkoušky je dokumentem, prostřednictvím kterého chceme vedení škol, vedoucím předmětových

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

Maturita 2013_podzim Výsledky a závěrečné dokumenty

Maturita 2013_podzim Výsledky a závěrečné dokumenty Maturita 2013_podzim Výsledky a závěrečné dokumenty Písemné zkoušky společné části v podzimním zkušebním období maturitní zkoušky 2013 skončily. Je proto účelné připomenout důležitá pravidla předávání

Více

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2 Statistika jako obor Statistika Statistika je vědní obor zabývající se zkoumáním jevů hromadného charakteru. Tím se myslí to, že zkoumaný jev musí příslušet určité části velkého množství objektů (lidí,

Více

TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2012/2013 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA

TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2012/2013 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2012/2013 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA Ve zprávě komentujeme výsledky testování 8. a 9. ročníků základních škol a odpovídajících ročníků víceletých gymnázií. Toto testování

Více

KEA 2007/2008-6. A. Analýza dovedností a tematických částí - ČJ

KEA 2007/2008-6. A. Analýza dovedností a tematických částí - ČJ Analýza dovedností a tematických částí - ČJ třída 6. A ZŠ 1 9 8 7 69 71 64 66 67 průměrný percentil 6 5 4 58 3 2 1 46 45 46 42 46 44 Celek Mluvnice Sloh a literatura Znalost Porozumění Aplikace Poznámka:

Více

Výsledky základní statistické charakteristiky

Výsledky základní statistické charakteristiky Výsledky základní statistické charakteristiky (viz - Vyhláška č. 343/2002 Sb. o průběhu přijímacího řízení na vysokých školách a Vyhláška 276/2004 Sb. kterou se mění vyhláška č. 343/2002 Sb., o postupu

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

Průměrné percentily - OSP

Průměrné percentily - OSP ZŠ Průměrné percentily - OSP GYM ZŠ 1 9 8 7 průměrný percentil 6 5 4 3 2 1 31 33 46 9. A 9. B 9. C Poznámka: Graf znázorňuje průměrné celkové percentily všech tříd vaší školy. Zároveň je zde pro porovnání

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

PLATOVÁ STUDIE PRO FINANČNÍ POZICE 2013. Vyhodnocení průzkumu

PLATOVÁ STUDIE PRO FINANČNÍ POZICE 2013. Vyhodnocení průzkumu PLATOVÁ STUDIE PRO FINANČNÍ POZICE 2013 Vyhodnocení průzkumu Česká asociace pro finanční řízení (CAFIN) si jako jeden ze svých cílů klade pomoc při rozvoji finanční profese. Zajímají nás aktuální trendy

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce Seminarni prace Popisná statistika, data nesmí být časovou řadou Zkoumat můžeme třeba mzdy, obraty atd. (takže možná QA?) Formát pdf, poslat nejpozději den před zkouškou. Podrobnější informace jsou na

Více

Základní analýza dat. Úvod

Základní analýza dat. Úvod Základní analýza dat literatura: Hendl, J. 2006: Přehled statistických metod zpracování dat. Analýza a metaanalýza dat. Praha: Portál. Macháček, J. 2001: Studie k velkomoravské keramice. Metody, analýzy

Více

Informace k maturitní zkoušce ve školním roce 2014/2015

Informace k maturitní zkoušce ve školním roce 2014/2015 Informace k maturitní zkoušce ve školním roce 2014/2015 MATURITNÍ ZKOUŠKA 2014 JARNÍ TERMÍN REKAPITULACE MINULOSTI Statistické údaje - ve 4. ročníku studovalo celkem 55 žáků; - z toho u druhé povinné výběrové

Více

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

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

Více

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

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

Více

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

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

Více

Příloha č. 1 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

Příloha č. 1 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY Ministerstvo školství, mládeţe a tělovýchovy Sdělení MŠMT čj.: MSMT-10054/2012-23 Příloha č. 1 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ 1.1 ZPŮSOB VÝPOČTU A VYJÁDŘENÍ VÝSLEDKU

Více

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

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

Více

Písemná práce k modulu Statistika

Písemná práce k modulu Statistika The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem

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

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

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

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

Více

S D Ě L E N Í 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

S D Ě L E N Í 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY V Praze dne 19. března 2013 Č. j.: MSMT-10139/2013-211 S D Ě L E N Í V souladu s 22, odst. 1 vyhlášky č. 177/2009 Sb., o bližších podmínkách ukončování vzdělávání ve středních školách maturitní zkouškou,

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

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

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

PŘEPOČET VÝSLEDKŮ ZÁKLADNÍ A VYŠŠÍ ÚROVNĚ OBTÍŽNOSTI DIDAKTICKÝCH TESTŮ DLE PRAVDĚPODOBNOSTNÍHO MODELU INDEX 11

PŘEPOČET VÝSLEDKŮ ZÁKLADNÍ A VYŠŠÍ ÚROVNĚ OBTÍŽNOSTI DIDAKTICKÝCH TESTŮ DLE PRAVDĚPODOBNOSTNÍHO MODELU INDEX 11 PŘEPOČET VÝSLEDKŮ ZÁKLADNÍ A VYŠŠÍ ÚROVNĚ OBTÍŽNOSTI DIDAKTICKÝCH TESTŮ DLE PRAVDĚPODOBNOSTNÍHO MODELU INDEX 11 PRO PŘEDMĚTY: ČESKÝ JAZYK A LITERATURA MATEMATIKA ANGLICKÝ JAZYK Jak bych dopadl, kdybych

Více

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

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

Více

Třídění statistických dat

Třídění statistických dat 2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.

Více

Střední odborná škola a Střední odborné učiliště Praha 10, Weilova 4. www.skolahostivar.cz

Střední odborná škola a Střední odborné učiliště Praha 10, Weilova 4. www.skolahostivar.cz Střední odborná škola a Střední odborné učiliště Praha 10, Weilova 4 www.skolahostivar.cz Maturitní zkouška školní rok 2010/2011 Nová maturitní zkouška se skládá ze dvou částí: společné (státní) a profilové

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

Společná část 2013. 3 povinné zkoušky:

Společná část 2013. 3 povinné zkoušky: Maturitní model Nová maturitní zkouška se skládá ze dvou částí společné (státní) a profilové (školní). Aby žák uspěl u maturity, musí úspěšně složit povinné zkoušky obou těchto částí. Zavedení společné

Více

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost 1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost Ve světě kolem nás eistují děje, jejichž výsledek nelze předem jednoznačně určit. Například nemůžete předem určit, kolik

Více

2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka

2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka 2. Statistická terminologie a vyjadřovací prostředky 2.1. Statistická terminologie Statistická jednotka Statistická jednotka = nositel statistické informace, elementární prvek hromadného jevu. Příklady:

Více

Testování hypotéz a měření asociace mezi proměnnými

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

Více

Prezentace dat. Grafy Aleš Drobník strana 1

Prezentace dat. Grafy Aleš Drobník strana 1 Prezentace dat. Grafy Aleš Drobník strana 1 8.3 GRAFY Užití: Grafy vkládáme do textu (slovního popisu) vždy, je-li to vhodné. Grafy zvýší přehlednost sdělovaných informací. Výhoda grafu vůči tabulce či

Více

Maturitní zkoušk a ve školním roce 2012/2013. Podávám přihlášku k maturitě podzim 2013

Maturitní zkoušk a ve školním roce 2012/2013. Podávám přihlášku k maturitě podzim 2013 Maturitní zkoušk a ve školním roce 2012/2013 Podávám přihlášku k maturitě podzim 2013 p r ů v o d c e ž á k a p ř i h l a š o v á n í m k p o d z i m n í m at u r i t n í z k o u š c e 2 0 1 3 Vážená maturantko,

Více

Pracovní list č. 3 Charakteristiky variability

Pracovní list č. 3 Charakteristiky variability 1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru

Více

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

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

Více

Zpráva z evaluačního nástroje Klima školní třídy. Testovací škola NUOV CKK, Ostrava třída 12. SEMDIF

Zpráva z evaluačního nástroje Klima školní třídy. Testovací škola NUOV CKK, Ostrava třída 12. SEMDIF KLIMA ŠKOLNÍ TŘÍDY Zpráva z evaluačního nástroje Klima školní třídy Testovací škola NUOV CKK, Ostrava třída 12. SEMDIF Celkový počet Počet vyplňených Návratnost dotazníků Počet žáků ve třídě 1 7 700 %

Více

Souhrnné výsledky za školu

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

Více

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

Credit scoring. Libor Vajbar Analytik řízení rizik. 18. dubna 2013. Brno

Credit scoring. Libor Vajbar Analytik řízení rizik. 18. dubna 2013. Brno Credit scoring Libor Vajbar Analytik řízení rizik 18. dubna 2013 Brno 1 PROFIL SPOLEČNOSTI Home Credit a.s. přední poskytovatel spotřebitelského financování Úvěrové produkty nákup na splátky u obchodních

Více

Souhrnné výsledky za školu

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

Více

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

zcela převažující druh průměru, který má uplatnění při řešení téměř všech úloh statistiky široké využití: v ekonomických

zcela převažující druh průměru, který má uplatnění při řešení téměř všech úloh statistiky široké využití: v ekonomických STŘEDNÍ HODNOTY VÝZNAM Rozdělení četností poskytuje užitečnou informaci a přehled o zkoumaném statistickém souboru. Porovnávat několik souborů pomocí tabulek rozděleni četností by však bylo.a. Proto se

Více

EXPLORATORNÍ ANALÝZA DAT. 7. cvičení

EXPLORATORNÍ ANALÝZA DAT. 7. cvičení EXPLORATORNÍ ANALÝZA DAT 7. cvičení Teorie pravděpodobnosti x Statistika Teorie pravděpodobnosti popisuje zákonitosti týkající se náhodných jevů, používá se k modelování náhodností a neurčitostí, které

Více

Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin

Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin doc. Ing. Martin Štroner, Ph.D. Fakulta stavební ČVUT v Praze 1 Úvod Při přesných inženýrsko geodetických

Více

ZPRÁVA PRO ŠKOLY VEKTOR 1

ZPRÁVA PRO ŠKOLY VEKTOR 1 Tento materiál obsahuje stručnou charakteristiku projektu, souhrnné výsledky a návod ke studiu tabulek a grafů z ostatních zpráv v rámci projektu Vektor 1. ZPRÁVA PRO ŠKOLY VEKTOR 1 16. září - 25. října

Více

Souhrnné výsledky za školu

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

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

Maturitní model Nová maturitní zkouška se skládá ze dvou částí společné (státní) a profilové (školní). Aby žák uspěl u maturity, musí úspěšně složit povinné zkoušky obou těchto částí. Zavedení společné

Více

1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY V Praze dne 11. března 2015 Č. j.: MSMT-6626/2015-1 SDĚLENÍ V souladu s 22, odst. 1 vyhlášky č. 177/2009 Sb., o bližších podmínkách ukončování vzdělávání ve středních školách maturitní zkouškou, ve znění

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

Bohemius, k.s. www.bohemius.cz

Bohemius, k.s. www.bohemius.cz Bohemius, k.s. Je vývoj výsledků provozoven závislý na konkrétním zaměstnanci? Je to náhoda, nebo úmysl? Umíme předpovědět vývoj dat v našich podmínkách? Jaké mohu očekávat výkyvy? Jaké je tedy riziko

Více

výška (cm) počet žáků

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

Více

Gymnázium F. X. Šaldy, Liberec 11, Partyzánská 530, příspěvková organizace. Maturity 2015. Společná část maturitní zkoušky

Gymnázium F. X. Šaldy, Liberec 11, Partyzánská 530, příspěvková organizace. Maturity 2015. Společná část maturitní zkoušky Gymnázium F. X. Šaldy, Liberec 11, Partyzánská 530, příspěvková organizace Maturity 2015 Maturitní zkouška se skládá ze společné a profilové části. Žák získá střední vzdělání s maturitní zkouškou, jestliže

Více

9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI

9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI Statistické třídění, intervalové rozdělení četnosti Aleš Drobník strana 1 9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI Problematiku třídění podle jednoho spojitého

Více

Oběžný majetek. Peníze Materiál Nedokončená výroba Hotové výrobky Pohledávky Peníze. Plánování a normování materiálových zásob.

Oběžný majetek. Peníze Materiál Nedokončená výroba Hotové výrobky Pohledávky Peníze. Plánování a normování materiálových zásob. Součástí oběžného majetku jsou: zásoby oběžný finanční majetek pohledávky Oběžný majetek Charakteristickým rysem oběžného majetku je jednorázová spotřeba, v procesu výroby mění svoji formu. Tato změna

Více

průměrný percentil za části testu odchylka skóre analytická verbální směrodatná

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

Více

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

ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 2004. ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 04 Marie Budíková Katedra aplikované matematiky, Přírodovědecká fakulta, Masarykova

Více

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy

Více

Investiční instrumenty a portfolio výnos, riziko, likvidita Úvod do finančních aktiv. Ing. Gabriela Oškrdalová e-mail: oskrdalova@mail.muni.

Investiční instrumenty a portfolio výnos, riziko, likvidita Úvod do finančních aktiv. Ing. Gabriela Oškrdalová e-mail: oskrdalova@mail.muni. Finanční trhy Investiční instrumenty a portfolio výnos, riziko, likvidita Úvod do finančních aktiv Ing. Gabriela Oškrdalová e-mail: oskrdalova@mail.muni.cz Tento studijní materiál byl vytvořen jako výstup

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

6. Lineární regresní modely

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

Více

Maturitní zkoušky. Soukromá střední škola a jazyková škola s právem státní jazykové zkoušky Č. Budějovice, s.r.o.

Maturitní zkoušky. Soukromá střední škola a jazyková škola s právem státní jazykové zkoušky Č. Budějovice, s.r.o. Maturitní zkoušky Soukromá střední škola a jazyková škola s právem státní jazykové zkoušky Č. Budějovice, s.r.o. 2015 Přihlašování žáků Přihlášky obdrží žáci od TU. Přihlašování žáků pro jarní zkušební

Více

STONOŽKA 2014/15 6. ROČNÍKY modul KEA

STONOŽKA 2014/15 6. ROČNÍKY modul KEA Škola: Název: Obec: ADHN ADHN Církevní základní škola, Česká Církevní 4787 základní škola, Česká 4787 Zlín Zlín STONOŽKA 14/15 6. ROČNÍKY modul KEA ČESKÝ JAZYK Výsledky Vaší školy v českém jazyce jsou

Více

Pokyn k maturitním zkouškám pro školní rok 2011/2012

Pokyn k maturitním zkouškám pro školní rok 2011/2012 Tento pokyn je vydán v souladu s vyhláškou č. 177/2009 Sb., o bližších podmínkách ukončování vzdělávání ve středních školách maturitní zkouškou ve znění pozdějších předpisů. Čl. 1. Přihlašování k maturitní

Více

Příručka k měsíčním zprávám ING fondů

Příručka k měsíčním zprávám ING fondů Příručka k měsíčním zprávám ING fondů ING Investment Management vydává každý měsíc aktuální zprávu ke každému fondu, která obsahuje základní informace o fondu, jeho aktuální výkonnosti, složení portfolia

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

BIUS 2 BIUS 3. Bohemius k.s.

BIUS 2 BIUS 3. Bohemius k.s. Máš chybu na pojistném? Jak ale zjistit vyměřovací základ, když zaokrouhlujeme na Kč nahoru, nebo třeba na stokoruny? Jak zjistit výši původní chyby? Bohemius k.s. BIUS 2 BIUS 3 www.bohemius.cz O PRODUKTU

Více

Korelační a regresní analýza

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

Více

Tvorba a analýza didaktických testů

Tvorba a analýza didaktických testů Tvorba a analýza didaktických testů povinně volitelný kurz z bloku didaktické aspekty vzdělávání pro studenty navazujícího magisterského studia rozsah kurzu: 1/1 výuka: čtvrtek 16:15-17:45, výuka odpadá

Více

Porada ředitelů základních škol Pardubický kraj

Porada ředitelů základních škol Pardubický kraj Porada ředitelů základních škol Pardubický kraj Pilotní ověřování organizace přijímacího řízení s využitím centrálně zadávaných jednotných testů 27. listopadu 2014 Ústupky u Seče hotel Jezerka Centrum

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem)

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14. 6. 2000,

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

2.1.17 Parametrické systémy lineárních funkcí II

2.1.17 Parametrické systémy lineárních funkcí II .1.17 Parametrické sstém lineárních funkcí II Předpoklad: 11 Pedagogická poznámka: Celá hodina vznikla na základě jednoho příkladu ze sbírk úloh od Jindr Petákové. S příkladem mělo několik generací studentů

Více

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo a

Více

WIDA Standard. Česká republika. 1. Září 2011. Knihovník(-ice) Oblast povolání Cizí jazyky, knihovny, archívy, muzea

WIDA Standard. Česká republika. 1. Září 2011. Knihovník(-ice) Oblast povolání Cizí jazyky, knihovny, archívy, muzea Analýza mezd na jedné pracovní pozici WIDA Standard Knihovník(-ice) Oblast povolání Cizí jazyky, knihovny, archívy, muzea 1. Září 2011 Česká republika Koupí tohoto produktu podporujete transparentnost

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

MATEMATIKA. Třída: IX.

MATEMATIKA. Třída: IX. Výsledky testování třídy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 MATEMATIKA Základní škola, Mateřská škola, Školní jídelna

Více

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

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

Více

Obsah. Funkce grafu Zdrojová data pro graf Typ grafu Formátování prvků grafu Doporučení pro tvorbu grafů Zdroje

Obsah. Funkce grafu Zdrojová data pro graf Typ grafu Formátování prvků grafu Doporučení pro tvorbu grafů Zdroje Grafy v MS Excel Obsah Funkce grafu Zdrojová data pro graf Typ grafu Formátování prvků grafu Doporučení pro tvorbu grafů Zdroje Funkce grafu Je nejčastěji vizualizací při zpracování dat z různých statistik

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

Jméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: 20. 8. 2012 Číslo DUM: VY_32_INOVACE_16_FY_A

Jméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: 20. 8. 2012 Číslo DUM: VY_32_INOVACE_16_FY_A Jméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: 20. 8. 2012 Číslo DUM: VY_32_INOVACE_16_FY_A Ročník: I. Fyzika Vzdělávací oblast: Přírodovědné vzdělávání Vzdělávací obor: Fyzika Tematický okruh: Mechanika

Více

Grafické znázorňování

Grafické znázorňování Grafické znázorňování Grafy a grafická znázorňování umožňují přehlednou orientaci a větší názornost. Nevýhodou je určité zjednodušení a menší přesnost, zároveň i obtížnost zpracování. Grafické prostředky

Více

KEA 2009/2010-9. ROČNÍKY

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

Více

Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015

Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015 Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015 V souladu s Plánem hlavních úkolů České školní inspekce na školní rok 2014/2015 a v rámci zákonem definovaných úkolů získávat a analyzovat informace

Více

Maturitní zkouška se v oboru vzdělání 43-41-M/01 Veterinářství skládá:

Maturitní zkouška se v oboru vzdělání 43-41-M/01 Veterinářství skládá: Základní informace k maturitní zkoušce Zpracováno dle ustanovení zákona č. 561/2004 Sb., o předškolním, základním, středním, vyšším odborném a jiném vzdělávání (školský zákon) ve znění pozdějších novel

Více