III. CVIENÍ ZE STATISTIKY

Rozměr: px
Začít zobrazení ze stránky:

Download "III. CVIENÍ ZE STATISTIKY"

Transkript

1 III. CVIENÍ ZE STATISTIKY Vážení studenti, úkolem dnešního cviení je nauit se analyzovat data pomocí chí-kvadrát testu, korelaní a regresní analýzy. K tomuto budeme používat program Excel 2007 MS Office, v jehož prostedí jste již pracovali a který je pro Vás snadno dostupný. Co potebujete umt? Pedpokládám, že umíte pracovat se základními nástroji programu Excel 2007 a že jste se v prvním cviení ze statistiky nauili vytváet kontingenní tabulky. Peji Vám mnoho úspch se studiem této kapitoly. Cíl dnešního cviení je nauit se analyzovat data pomocí chí-kvadrát testu, korelaní a regresní analýzy. K tomuto budeme používat program Excel 2007 MS Office, v jehož prostedí jste již pracovali a který je pro Vás snadno dostupný. 1. Co je chí-kvadrát test a k emu jej mžete použít? V úvodu si jen strun pipomeneme základní fakta z teorie testování hypotéz. Chí-kvadrát test chí-kvadrát test je statistická neparametrická metoda, která se používá k zjištní, zda mezi dvma znaky existuje prokazatelný výrazný vztah. Znaky mohou být: kvalitativní (kategoriální) diskrétní kvantitativní spojité kvantitativní, ale s hodnotami slouenými do skupin. Data uspoádáme do kontingenní tabulky. Kategorie jednoho znaku urují ádky a kategorie druhého znaku sloupce. Jednotlivá pozorování jsou zaazena do píslušné buky kontingenní tabulky podle hodnot daných dvou znak. Pokud jeden ze znak má r kategorií a druhý znak má s kategorií, dostáváme kontingenní tabulku typu r x s. Nejmenší tabulku typu 2 x 2, kterou získáme v pípad, že každý znak má pouze dv kategorie, nazýváme typolní tabulka. Kontingenní tabulky umožují testování rzných hypotéz. Ti obvykle testované hypotézy jsou: 1 Test homogenity Test nezávislosti Test dobré shody Test homogenity slouží pro porovnání rozložení (distribuce) kvalitativní veliiny ve dvou nebo více populacích.

2 Test nezávislosti používá se k posouzení závislosti dvou kvalitativních veliin mených na prvcích téhož výbru. Test dobré shody - zjišuje, zda sledovaná veliina má rozdlení pravdpodobnosti uritého typu. Základní myšlenka chí-kvadrát testu spoívá v porovnání pozorovaných a oekávaných etností. Pozorované etnosti zjistíme z kontingenní tabulky. Oekávané etnosti je nutné vypoítat. Pi výpotu vycházíme z pedpokladu, že platí nulová hypotéza. Tedy provádíme-li test homogenity, pedpokládáme, že rozložení hodnot sledované kategoriální veliiny je ve všech populacích shodné. Pokud provádíme test nezávislosti, nulová hypotéza pedpokládá, že mezi dvma kvalitativními veliinami není žádná závislost. V pípad testu dobré shody pedpokládáme, že sledovaná veliina má rozložení daného typu. Velikost rozdíl mezi pozorovanými a oekávanými etnostmi posuzujeme pomocí testové statistiky χ 2, její pesný tvar naleznete ve výukových textech. Na základ pravdpodobnostního rozložení chí-kvadrát se vypoítá pravdpodobnost výskytu takovéto nebo ješt extrémnjší hodnoty. Tato pravdpodobnost se nazývá dosažená hladina významnosti statistického testu (p-hodnota). Pokud je menší než 0,05, nulovou hypotézu zamítáme. Znamená to, že pravdpodobnost, že by pozorované rozdíly i závislosti vznikly pouze náhodou, je menší než 5 %. 2. Jak provést chí-kvadrát test v programu Excel 2007? V této kapitole si ukážeme postup, který nám umožní testování hypotéz pomocí chí-kvadrát testu. Abychom mohli k analyzování dat použít výpoetní techniku, je teba mít data uložená v databázi. Nejbžnjší je uložení dat v souboru programu Excel. Data pro naše cviení jsou uložena na diskové jednotce F: ve složce SOFTWARE. Celá cesta je F:/SOFTWARE/biostatistika/data/analýza dat.xls Excelovský sešit má 6 list. První list má název chí-kvadrát test. Najdete v nm data, která byla zjištna pi preventivní prohlídce 584 zamstnanc nemocnice. V prvním sloupci (A) íslo zamstnance je uvedena identifikace zamstnance. Druhý sloupec (B) Pohlaví udává pohlaví zamstnance (M muž, Ž žena), tetí sloupec (C) Kouení obsahuje informaci o tom, zda zamstnanec aktuáln kouí i ne, ve sloupci (D) ischemie je zadáno, zda sledovaný jedinec trpí ischemickou chorobou srdení, ve sloupci (E) hypertenze zda trpí zvýšeným krevním tlakem ili hypertenzí, sloupec (F) BMI udává hodnocení zamstnance z hlediska body mass indexu rozlišujeme zde ti kategorie norma, nadváha, obezita. Zadání úkolu Vaším úkolem bude provit závislost mezi pohlavím zamstnanc a kouením, výskytem hypertenze resp. výskytem nadváhy i obezity. Jinými slovy se ptáme, zda podíl kuák je stejný i muž i u žen, zda podíl osob s hypertenzí je stejný u obou pohlaví i zda muži i ženy trpí nadváhou a obezitou ve stejné míe. 2

3 Stanovíme nulové a alternativní hypotézy: 1. Nulová hypotéza: Podíl kuák je stejný u muž i žen. Alternativní hypotéza: Podíl kuák u muž a u žen se liší. 2. Nulová hypotéza: Výskyt hypertenze nezávisí na pohlaví. Alternativní hypotéza: Výskyt hypertenze závisí na pohlaví. 3. Nulová hypotéza: Rozdlení zamstnanc podle BMI je stejné u muž i žen. Alternativní hypotéza: Rozdlení zamstnanc podle BMI není stejné u muž i žen. Postup ovení první hypotézy: Je zejmé, že oba znaky (tj. Kouení, Pohlaví) jsou kvalitativní povahy. Vhodnou metodou pro ovení hypotézy je tedy chí-kvadrát test. 1. Vytvote kontingenní tabulku. Umístte ji na nový list. Do ádk tabulky vložte znak Pohlaví, do sloupc znak Kouení. Použijte postup, který jste se nauili na 1. cviení ze statistiky. Z tabulky je možno vyíst, že v souboru je 396 muž, z toho 119 kuák, což je 30,1 %. Žen je v souboru pouze 188 a z nich je 66 kuaek, což je 35,1 %. Vidíme, že podíl kuák je o nco vyšší u žen. Zda je tento rozdíl statisticky významný je teba ovit chí-kvadrát testem. Jinak eeno, budeme zkoumat, zda tento rozdíl je pouze vcí náhody, i zda zde existuje skutený rozdíl. 3

4 2. Pozorované absolutní etnosti opište pod kontingenní tabulku: 3. Vypoítejte oekávané etnosti. Pro výpoet použijte pravidlo: oekávaná etnost = souet v sloupci / celkový poet * souet v ádku Tedy oekávané etnosti jsou: = 399/584*396=270,55 = 185/584*396=125,45 = 399/584*188=128,45 = 185/584*188=59,55 Tyto výpoty provete pod tabulku Pozorované etností: Šipka naznauje, že do bunk mžete vkládat pímo výpoty. Buky s píslušnými daty vyberte kliknutím myši. 4

5 4. K výpotu dosažené hladiny statistické významnosti, neboli signifikance (tzv. p-hodnoty), použijeme funkci CHITEST. Kliknte do buky, kam chcete umístit hodnotu signifikance (nap. do buky E21). Z ádkového menu zvolte Vzorce a kliknte na ikonu Vložit funkci. Otevete dialogové okno Vložit funkci. V poli Vybrat kategorii vyberte Statistické, ze seznamu vyberte funkci CHITEST. Otevete dialogové okno Argumenty funkce. Do pole Aktuální zadejte adresu oblasti bunk s pozorovanými etnostmi C13:D14 (pouze tyi hodnoty!). 5

6 Do pole Oekávané zadejte adresu oblasti bunk s vypoítanými oekávanými etnostmi C18:D19 (také tyi hodnoty). Kliknte na OK. Tabulky s výslednou hodnotou signifikance: Ped vypoítanou hodnotu (nap. do buky A21) napište text Signifikance chí-kvadrát testu: Hodnotu signifikance zaokrouhlete na 3 desetinná místa. Funkce chí-kvadrát test v Excelu nezobrazuje hodnotu testového kritéria χ 2, zobrazí pouze p-hodnotu. 6

7 5. Výsledek, tedy dosaženou hladinu statistické významnosti, porovnáme s hodnotou 0,05. Je-li dosažená hladina statistické významnosti menší než 0,05, nulovou hypotézu zamítáme, v opaném pípad nulovou hypotézu zamítnout nemžeme. V tomto píkladu p = 0,220, nulovou hypotézu tedy zamítnout nemžeme. Závr testování zní: Podíl kuák je stejný v populaci muž i žen. Postup ovení druhé hypotézy: Nulová hypotéza: Výskyt hypertenze nezávisí na pohlaví. Alternativní hypotéza: Výskyt hypertenze závisí na pohlaví. Postup bude obdobný jako v prvním píkladu: 1. Vytvote kontingenní tabulku. Do ádk tabulky vložte znak Pohlaví, do sloupc znak Hypertenze. Tabulku umístte na nový list. Kontingenní tabulka: Z tabulky je možno vyíst, že v souboru je zahrnuto 394 muž, z nichž 33 (t.j. 8,4 %) trpí hypertenzí, žen je v souboru 188, hypertenzí trpí 13 (t.j.6,9 %) žen. Vidíme, že rozdíl ve výskytu hypertenze u muž a u žen je malý. 2. Pozorované absolutní etnosti opište pod kontingenní tabulku a spoítejte oekávané etnosti: 7

8 K výpotu dosažené hladiny statistické významnosti opt použijte funkci CHITEST (Použijte píkaz Vzorce a zvolte Vložit funkci.) 3. Pokud jste postupovali správn, dostanete tento výsledek: 4. Dosažená hladina signifikance p = 0,541, nulovou hypotézu tedy zamítnout nemžeme. Závr testování zní: Výskyt hypertenze nezávisí na pohlaví. Postup ovení tetí hypotézy: Nulová hypotéza: Rozdlení zamstnanc podle BMI je stejné u muž i žen. Alternativní hypotéza: Rozdlení zamstnanc podle BMI není stejné u muž i žen. Postup: 1. Vytvote kontingenní tabulku. Do ádk tabulky vložte znak Pohlaví, do sloupc znak BMI hodnocení. Tabulku umístte na nový list. Kontingenní tabulka: 8

9 Dostanete tabulku, která má 2 ádky a 3 sloupce. Kategorie uvedené ve sloupcích jsou uspoádány abecedn: nadváha, norma, obezita. Vzhledem k tomu, že BMI hodnocení je ordinální znak, mly by kategorie být logicky správn uspoádány: tedy norma, nadváha, obezita. Uspoádání mžete zmnit, vyberte položku nadváha a kliknte pravým tlaítkem myši, v místní nabídce vyberte píkaz Pesunout a Pesunout položku nadváha vpravo. 2. Pozorované absolutní etnosti opište pod kontingenní tabulku a spoítejte oekávané etnosti: 3. K výpotu dosažené hladiny statistické významnosti opt použijte funkci CHITEST (Použijte píkaz Vzorce a zvolte ikonu Vložit funkci.) 9

10 4. Pokud jste postupovali správn, dostanete tento výsledek: Dosažená hladina signifikance p = 3,1*10-8 je podstatn menší než 0,05, nulovou hypotézu mžeme zamítnout a pijmout její alternativu. Závr testování zní: Rozdlení zamstnanc podle BMI není stejné u muž i žen. 41,7 % muži trpí nadváhou, ženy trpí nadváhou mén asto pouze v 17,6 % pípad. Obezitou trpí muži a ženy stejn. Úkol k samostatnému ešení: Otevete list onkologická léba. Zde jsou data pacient, kteí podstoupili onkologickou lébu. V sloupci B je uvedena diagnóza pacient, rozlišujeme dv diagnózy: rakovinu jazyka a rakovinu spodiny ústní. Ve sloupcích C a D jsou informace o tom, zda pacienti mají polykací potíže pi pození tuhé stravy i zda trpí pocitem pálení v dutin ústní. 1. Ovte následující hypotézu: Nulová hypotéza: Výskyt polykacích potíží nezávisí na sledovaných diagnózách. Alternativní hypotéza: Výskyt polykacích potíží závisí na sledovaných diagnózách. Návod: 10

11 Vytvote kontingenní tabulku, do ádk vložte znak Diagnóza, do sloupc znak Polykací potíže pi pození tuhé stravy. Spoítejte oekávané etnosti a použijte funkci CHITEST. 2. Ovte následující hypotézu: Nulová hypotéza: Výskyt pálení v dutin ústní nezávisí na sledovaných diagnózách. Alternativní hypotéza: Výskyt pálení v dutin ústní závisí na sledovaných diagnózách. Návod: Vytvote kontingenní tabulku, do ádk vložte znak Diagnóza, do sloupc znak Pocit pálení v dutin ústní pi jídle. Spoítejte oekávané etnosti a k výpotu signifikance použijte funkci CHITEST. 3. Jak mžeme analyzovat závislost mezi kvantitativními znaky? V kapitole 3 si ukážeme, jakým zpsobem analyzujeme závislost mezi daty kvantitativní povahy. Krátce si pipomeme základní fakta ze statistické teorie. 1. Korelaní analýza Posuzuje vzájemné vztahy pomocí rzných mr závislosti, vtšinou pomocí rzných korelaních koeficient. Nejpoužívanjší mírou tsnosti vztahu dvou spojitých znak je Pearsonv korelaní koeficient. Je mírou linearity vztahu (jak tsn se body pimykají k pímce). Pearsonv korelaní koeficient se znaí r a vzorec pro pesný výpoet najdete ve výukových textech. Pro hodnoty r platí: -1 r 1. Hodnoty ± 1 nabývá tehdy, když veliiny jsou absolutn závislé, tzn. pokud sestrojíme bodový graf dvojice zkoumaných veliin, všechny body leží na pímce. Pokud r = 0 (nebo nabývá hodnoty blízké nule), veliiny jsou nezávislé. Kladné hodnoty korelaního koeficientu znamenají pozitivní závislost, ob veliiny zárove rostou nebo klesají. Záporné hodnoty korelaního koeficientu znamenají negativní závislost, jedna veliina roste, zatímco druhá klesá. Míru závislosti podle absolutní hodnoty Pearsonova korelaního koeficientu obvykle interpretujeme: 0,1 0,3 korelace slabá 0,4 0,6 korelace stední 0,7 0,8 korelace silná nad 0,9 korelace velmi silná. Data, se kterými budete pracovat, naleznete opt v souboru F://SOFTWARE/biostatistika/data /analýza dat.xls. Otevete list Korelace. 11

12 Na listu Korelace jsou data 600 zamstnanc nemocnice. Ve sloupci A íslo zamstnance je uvedena identifikace. Druhý sloupec (B) Vk poskytuje informaci o vku zamstnance v letech, sloupce C až F obsahují výsledky test lipidového profilu v mmol/l (celkový cholesterol, LDL, HDL, Triglyceridy). Úkol: U každého sledovaného znaku urete jeho typ. Návod: Rozlišujte znaky kvalitativní a kvantitativní. Zadání úkolu Vaším úkolem bude analyzovat míru závislosti namených parametr. Postup K výpotu Pearsonova korelaního koeficientu použijeme analytický nástroj Korelace. Tento nástroj je obsažen v položce Analýza dat. (Analýzu dat nastavte stejným zpsobem jako pi použití nástroje Popisná statistika kliknte na ikonu, otevete Možnosti aplikace Excel, vyberte položku Doplky, nastavte Analytické nástroje jako Aktivní doplnk k dispozici a kliknte na tlaítko Pejít. Zaškrtnte Analytické nástroje a potvrte OK. Vyberte položku Data a v hlavním menu se Vám objeví nová položka Analýza dat: 1. Kliknte na Analýza dat ze seznamu analytických nástroj vyberte položku Korelace. 12

13 Vyplte dialogové okno Korelace. 2. Do pole Vstupní oblast zadejte adresu celých sloupc B až F, které obsahují data týkající se lipidového profilu a vku zamstnanc. Data jsou sdružena ve sloupcích, zatrhnte položku Popisky v prvním ádku. 3. Do pole Výstupní oblast zadejte adresu buky H1. Potvrte tlaítkem OK. Dostanete korelaní matici: 13 V ádcích i ve sloupcích jsou uvedeny všechny zkoumané znaky, ísla uvnit matice jsou hodnoty Pearsonova korelaního koeficientu pro danou dvojici znak. Je zejmé, že nejsilnjší pozitivní závislost je mezi celkovým cholesterolem a LDL cholesterolem r = 0,915, naopak tém nulová korelace, tedy nezávislost byla zjištna mezi celkovým cholesterolem a HDL cholesterolem r = 0,035. Slabá negativní korelace byla zjištna mezi triglyceridy a HDL, r = -0,342.

14 2. Regresní analýza Metoda regresní analýzy hledá matematické vyjádení vztahu mezi znaky (lineární, kvadratický, exponenciální ) a dává odpov na otázku, zda lze znak Y odhadnout na základ jiného nebo jiných znak a s jakou chybou. Postup regresní analýzy lze shrnout do tchto bod: 1. Sestrojení bodového grafu a jeho posouzení. 2. Volba typu regresní kivky a výpoet jejich koeficient. 3. Hodnocení kvality nalezeného ešení. Poznámka: V ad pípad lze vztah popsat pímkou. Nalezením koeficient této pímky se zabývá tzv. lineární regresní analýza. Zadání úkolu Korelaní analýzou bylo zjištno, že nejsilnjší závislost mezi veliinami zkoumanými na listu Korelace je mezi celkovým cholesterolem a LDL. Provete regresní analýzu tchto veliin. Postup 1. Sestrojte bodový graf zkoumaných veliin. Pomocí myši vyberte všechny hodnoty sloupc C (cholesterol) a D (LDL). 2. Kliknte na píkaz Vložení a vyberte položku Bodový ze skupiny Grafy, vyberte první typ z nabízených typ bodových graf. 14

15 Graf upravte do následující podoby: Volba typu závislosti a výpoet koeficient regresní kivky 3. Kliknte pravým tlaítkem myši na graf mezi modré znaky a vyvolejte místní nabídku: 4. Kliknte na položku Pidat spojnici trendu, oteve se Vám dialogové okno Formát spojnice trendu. 5. Vyberte Lineární trend a zatrhnte možnosti Zobrazit rovnici regrese a Zobrazit hodnotu spolehlivosti. 15

16 Pokud máte správn vyplnno, zavete dialogové okno. Do grafu se vloží regresní rovnice v našem pípad se jedná o rovnici pímky: LDL = 0,8*Celkový cholesterol 1,1 Zobrazí se také hodnota spolehlivosti R 2 =0,

17 6. Hodnocení kvality nalezeného ešení. Hodnota spolehlivosti, tj. koeficient determinace R 2, udává procento, jakým je rozptyl hodnot závisle promnné veliiny Y (LDL) vysvtlen zmnami hodnot nezávisle promnné veliiny X (Celkový cholesterol). Koeficient nabývá hodnot od 0 do 1. ím je vyšší, tím je nalezený model kvalitnjší. V pípad lineární regrese je koeficient determinace roven druhé mocnin Pearsonova korelaního koeficientu. (Ovte: 0,915 2 = 0,837225) V našem pípad je hodnota R 2 = 0,837 pomrn vysoká, lineární model byl vhodn zvolen. Zadání úkolu k samostatnému ešení Na listu Regresní analýza naleznete data týkající se teploty a dynamické viskozity vody. Metodou regresní analýzy analyzujte závislost viskozity vody na teplot. Návod: 1. Sestrojte bodový graf, osa X pedstavuje teplotu, osa Y dynamickou viskozitu. 2. Zvolte nejvhodnjší typ regresní kivky a najdte její rovnici. 3. Pomocí koeficientu determinace zhodnote kvalitu nalezeného ešení. 17

Úvod do statistiky (interaktivní učební text) - Řešené příklady. Martina Litschmannová

Úvod do statistiky (interaktivní učební text) - Řešené příklady. Martina Litschmannová Vysoká škola báňská Technická univerzita Ostrava Západočeská univerzita v Plzni Úvod do statistiky (interaktivní učební text) - Řešené příklady Martina Litschmannová 1. strana ze 159 1 Explorační analýza

Více

Švédští demokraté: analýza teritoriální a voliské základny krajní pravice v souasném Švédsku

Švédští demokraté: analýza teritoriální a voliské základny krajní pravice v souasném Švédsku Švédští demokraté: analýza teritoriální a voliské základny krajní pravice v souasném Švédsku The Sweden Democrats: An analysis of the far-right territorial and voter base in contemporary Sweden Autor:

Více

Vzdlávání manažer ve stedn velké spolenosti

Vzdlávání manažer ve stedn velké spolenosti UNIVERZITA TOMÁŠE BATI VE ZLÍN FAKULTA HUMANITNÍCH STUDIÍ Institut mezioborových studií Brno Vzdlávání manažer ve stedn velké spolenosti DIPLOMOVÁ PRÁCE Vedoucí diplomové práce: JUDr. Jan Hubáek Vypracoval:

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

Nesprávná užívání statistické významnosti a jejich možná řešení*

Nesprávná užívání statistické významnosti a jejich možná řešení* Nesprávná užívání statistické významnosti a jejich možná řešení* Petr Soukup** Institut sociologických studií Fakulta sociálních věd, Univerzita Karlova v Praze Improper Use of Statistical Significance

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

28. Základy kvantové fyziky

28. Základy kvantové fyziky 8. Základy kvantové fyziky Kvantová fyzika vysvtluje fyzikální principy mikrosvta. Megasvt svt planet a hvzd Makrosvt svt v našem mítku, pozorovatelný našimi smysly bez jakéhokoli zprostedkování Mikrosvt

Více

Srovnatelnost skupin pacientů v observačních a klinických studiích Bakalářská práce

Srovnatelnost skupin pacientů v observačních a klinických studiích Bakalářská práce MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA STUDIJNÍ PROGRAM: EXPERIMENTÁLNÍ BIOLOGIE Srovnatelnost skupin pacientů v observačních a klinických studiích Bakalářská práce Adéla Šenková VEDOUCÍ PRÁCE: RND

Více

Vaše uživatelský manuál CANON FAX-JX510P http://cs.yourpdfguides.com/dref/2378843

Vaše uživatelský manuál CANON FAX-JX510P http://cs.yourpdfguides.com/dref/2378843 Můžete si přečíst doporučení v uživatelské příručce, technickém průvodci, nebo průvodci instalací pro. Zjistíte si odpovědi na všechny vaše otázky, týkající se v uživatelské příručce (informace, specifikace,

Více

Rámcový vzd lávací program pro základní vzd lávání

Rámcový vzd lávací program pro základní vzd lávání Rámcový vzd lávací program pro základní vzd lávání Pomůcka na pomoc učitelům (aktuální znění k 1. 9. 2010) Tento dokument neprošel jako celek v tomto znění schvalovacím řízením MŠMT Auto i Rámcový vzd

Více

Základy MS Excelu 2007 jednoduše

Základy MS Excelu 2007 jednoduše Základy MS Excelu 2007 jednoduše Učební texty jsou určeny pro všechny, kteří nechtějí studovat tlusté příručky a přitom se chtějí snadněji orientovat v tabulkovém editoru MS Excel. Právě stručný text,

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobnost a matematická statistika Mirko Navara Centrum strojového vnímání katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://cmp.felk.cvut.cz/ navara/mvt http://cmp.felk.cvut.cz/

Více

Cronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické

Cronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické Československá psychologie 0009-062X Metodologické požadavky na výzkumné studie METODOLOGICKÉ POŽADAVKY NA VÝZKUMNÉ STUDIE Výzkumné studie mají přinášet nová konkrétní zjištění získaná specifickými výzkumnými

Více

Informatika B Píklad 05 MS Excel

Informatika B Píklad 05 MS Excel Informatika B Píklad 05 MS Excel TÉMA: Vytváení vzorc, pojmenování oblastí Sekretáka spolenosti Naše zahrada, a.s. dostala za úkol provést urité výpoty v sešit se seznamy zboží. Práci si usnadnila pojmenováním

Více

PRVKY KOVOVÝCH KONSTRUKCÍ

PRVKY KOVOVÝCH KONSTRUKCÍ VYSOKÉ UENÍ TECHNICKÉ V BRN FAKULTA STAVEBNÍ PROF. ING. JINDICH MELCHER, DrSc. DOC. ING. MIROSLAV BAJER, CSc. PRVKY KOVOVÝCH KONSTRUKCÍ MODUL BO02-M01 MATERIÁL A KONSTRUKNÍ PRVKY OCELOVÝCH KONSTRUKCÍ STUDIJNÍ

Více

Žákovský (roníkový projekt)

Žákovský (roníkový projekt) Žákovský (roníkový projekt) Ko(08) Roník: 3 Zaazení: ODBORNÝ VÝCVIK (PROFILOVÝ ODBORNÝ PEDMT) Vzdlávací program: Mechanik opravá 23-66-H/001 Elektriká 26-51-H/001 Truhlá 33-56-H/001 Operátor skladování

Více

Základy programování v GNU Octave pro předmět PPAŘ

Základy programování v GNU Octave pro předmět PPAŘ Základy programování v GNU Octave pro předmět PPAŘ Introduction to programing in Octave for subject denoted as Computer Aires Automation Control Jaroslav Popelka Bakalářská práce 2008 UTB ve Zlíně, Fakulta

Více

Analýza celoživotního dopadu. veřejného důchodového pojištění. v České republice

Analýza celoživotního dopadu. veřejného důchodového pojištění. v České republice Analýza celoživotního dopadu veřejného důchodového pojištění v České republice Závěrečná výzkumná zpráva grantového projektu č. 402/07/0823 financovaného GA ČR Stanislav Klazar Barbora Slintáková Katedra

Více

GRAMATICKÝ PEHLED OBSAH

GRAMATICKÝ PEHLED OBSAH GRAMATICKÝ PEHLED OBSAH Pízvuk Výslovnost Pehled pravopisných pravidel Samohlásky Souhlásky Podstatná jména Rod podstatných jmen íslo podstatných jmen Životná a neživotná podstatná jména Pády a pádové

Více

Ω = 6 6 3 = 1 36 = 0.0277,

Ω = 6 6 3 = 1 36 = 0.0277, Příklad : Házíme třemi kostkami. Jaká je pravděpodobnost, že součet bude roven 5? Jev A značí příznivé možnosti: {,, 3}; {,, }; {, 3, }; {,, }; {,, }; {3,, }; P (A) = A Ω = 6 6 3 = 36 = 0.077, kde. značí

Více

ON-LINE ZMNA PROGRAMU

ON-LINE ZMNA PROGRAMU ON-LINE ZMNA PROGRAMU ON-LINE ZMNA PROGRAMU 2. vydání - bezen 2008 OBSAH 1. ÚVOD...3 1.1. Základní princip innosti...3 1.2. Možnosti on-line zmn...3 1.3. Zapnutí podpory on-line zmn v prostedí Mosaic...4

Více

FAKULTA ELEKTROTECHNICKÁ

FAKULTA ELEKTROTECHNICKÁ ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA ELEKTROTECHNICKÁ Měření zpoždění mezi signály EEG Ondřej Drbal Vedoucí diplomové práce: Doc. Ing. Roman katedra Teorie obvodů rok obhajoby 24 Čmejla, CSc. Zadání diplomové

Více

PROJEKT LIGOVÉ STADIONY 2012

PROJEKT LIGOVÉ STADIONY 2012 PROJEKT LIGOVÉ STADIONY 2012 Upraveno podle stavu k 11.05.2007. PROJEKT LIGOVÉ STADIONY 2012 Upravené znní materiálu pro jednání Výkonného výboru MFS, O B S A H 1. Prvodní zpráva 2. Projekt ligové stadiony

Více

MRP Základ vizuálního systému

MRP Základ vizuálního systému MRP - Soubor účetních agend MRP Základ vizuálního systému P. O. BOX 35 76315 Slušovice telefon: +420 577 001 258 telefax: +420 577 059 250 internet: http://www.mrp.cz průvodce uživatele programem MRP

Více

platnost od 10. 9. 2012

platnost od 10. 9. 2012 P latnost od 3. 9. 2012 platnost od 10. 9. 2012 Obsah Úvod...... 4 Průvodce nastavením e-shopu... 5 Výkladový slovník... 9 Přihlášení... 11 Odhlášení... 13 ThemeCentrik - objednávka grafické šablony...

Více

Studie pro energetické využití odpad ve Zlínském kraji

Studie pro energetické využití odpad ve Zlínském kraji Studie pro energetické využití odpad ve Zlínském kraji Zpracovali: Mgr. Jakub Bucek, Ing. Pavel Cetl, Ing. Dita Janeková, Ing. Jaromír Pokoj, Ing. Ladislav Vondráek, Mgr. Jana Viarová Enving s.r.o. Kvten

Více

POKYNY PRO ŽADATELE A PŘÍJEMCE DOTACE Z PROGRAMU INOVACE Inovační projekt VÝZVA IV II. prodloužení

POKYNY PRO ŽADATELE A PŘÍJEMCE DOTACE Z PROGRAMU INOVACE Inovační projekt VÝZVA IV II. prodloužení Ministerstvo průmyslu a obchodu České republiky Sekce fondů EU Řídící orgán OPPI POKYNY PRO ŽADATELE A PŘÍJEMCE DOTACE Z PROGRAMU INOVACE Inovační projekt VÝZVA IV II. prodloužení Praha - únor 2013-1 -

Více

Výpočtový program armatur DiVent

Výpočtový program armatur DiVent Obsah Výpočtový program armatur DiVent Instalace a první kroky KAPITOLA 1...2 Úvod...2 1.1 Návrh regulační armatury...2 KAPITOLA 2...3 Instalace a první spuštění...3 2.1 Instalace programu DiVent...3 2.2

Více

StatSoft Úvod do neuronových sítí

StatSoft Úvod do neuronových sítí StatSoft Úvod do neuronových sítí Vzhledem k vzrůstající popularitě neuronových sítí jsme se rozhodli Vám je v tomto článku představit a říci si něco o jejich využití. Co si tedy představit pod pojmem

Více

O S T R A V S K Á U N I V E R Z I T A. Cvičení z biostatistiky Základy práce se softwarem R. Pavel Drozd

O S T R A V S K Á U N I V E R Z I T A. Cvičení z biostatistiky Základy práce se softwarem R. Pavel Drozd O S T R A V S K Á U N I V E R Z I T A Přírodovědecká fakulta Cvičení z biostatistiky Základy práce se softwarem R Pavel Drozd OSTRAVA 007 ISBN 978-80-7368-433-4 Odborná recenze: RNDr. PaedDr. Hashim Habiballa,

Více