Posouzení vlivu vybraných makroekonomických veličin na vývoj systému sociálního zabezpečení

Rozměr: px
Začít zobrazení ze stránky:

Download "Posouzení vlivu vybraných makroekonomických veličin na vývoj systému sociálního zabezpečení"

Transkript

1 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září 5 Poouzeí vlvu vraých makroekoomckých velč a vývoj tému ocálího zaezpečeí Jaa Zahálková Atrakt Přípěvek e zaývá poouzeím závlot fačího vývoje alda tému ocálího zaezpečeí v ČR a vývoj ěkterých makroekoomckých velč (míra ezamětaot, tempo růtu HDP, průměré tempo růtu reálé mzd). Nejdříve je věováa pozorot matematckému vmezeí víceáoé regreí a korelačí aalýz, která je používáa k popu tattckých závlotí. Dále jou aplkováa kutečá data. Zjštěé výledk jou áledě zázorě a terpretová. Klíčová lova Stém ocálího zaezpečeí, míra ezamětaot, tempo růtu HDP, průměré tempo růtu reálých mezd, regreí a korelačí aalýza, vvětlující proměá, vvětlovaá proměá.. Úvod Stém ocálího zaezpečeí, a zvláště pak ocálího důchodového pojštěí, e v poledích letech potýká edotatkem fačích protředků pro krtí vých potře. Jým lov výdaje z tohoto tému začíají převšovat příjm do tému. Socálí důchodové pojštěí je v Čeké repulce facováo průěžě, čl PAYG metodou (pa-a-ou-go tém), která je založea a mezgeeračí oldartě a redtruc. To zameá, že geerace ekoomck aktvích ldí platí přípěvk a ocálí zaezpečeí, ze kterých e vplácejí důchod a dávk pro geerac oučaých peztů. Až e deší ekoomck aktví ldé dotaou do důchodového věku, udou jejch peze hraze z přípěvků geerace deších dětí atd. Výhodou těchto témů je jž zmíěá oldarta mez geeracem, dále pak účější oraa prot flac a oprot fodovým témům e emuí čekat a akumulac kaptálu. Velkou evýhodou těchto témů však předtavuje lá závlot a přízvém demografckém a ekoomckém vývoj. Hlaví příča arůtajících chodků tému důchodového pojštěí je patřováa především v populačím tárutí. ČR de patří k populačě ejtarším zemím Evrop. Na každou žeu v reprodukčím věku přpadá méě ež, žvě arozeých dětí, což je hodota hluoko pod úroví potřeou k proté reprodukc ovateltva. Zlepšující e zdravotí péče, žující e úmrtot, kleající porodot prodlužuje očekávaou délku žvota a v koečém důledku vede ke tárutí populace. Průěžě facovaý tém je ovlvě eje populačím tárutím, ale vývojem makroekoomckých velč. Cílem přípěvku je poouzeí závlot fačího vývoje alda tému ocálího zaezpečeí a vývoj tempa růtu HDP, mír ezamětaot a tempa růtu reálé mzd. Ig. Jaa Zahálková, katedra Fací, Ekoomcká fakulta VŠ-TU Otrava, Sokolká, Otrava 7, jaa.zahalkova.ekf@v.cz. 497

2 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září Metodologcká čát K pozáí a matematckému popu tattckých závlotí louží metod regreí a korelačí aalýz. Regreí aalýza e zaývá jedotraým závlotm, to zameá, že e zkoumají oecé tedece ve změách vvětlovaých proměých (závle proměé ) vzhledem ke změám vvětlujících proměých (ezávle proměé ). Korelačí aalýza e zaývá vzájemým závlotm. Větší důraz je klade a teztu vzájemého vztahu mez velčam ež a poouzeí příčé závlot. Pro vtžeí vývoje závle proměé je v tomto přípěvku použta mohoáoá leárí regree. Závlot lze charakterzovat rovcí ε η +, () kde je -tá hodota vvětlovaé proměé, η je -tá hodota teoretcké regreí fukce a ε jou áhodé odchlk (odchlka od η ), které lze terpretovat jako důledek půoeí áhodých vlvů včetě evetuálí edokoalot zvoleé regreí fukce. Teoretcká regreí fukc η lze vjádřt ve tvaru, β β β β η () kde β, β, β, β jou ezámé parametr,,, jou vvětlující proměé. Odhadutou regreí fukc Y lze zapat ve tvaru Y () Parametr,, jou dílčí regreí koefcet. Udávají, jak e změí závle proměá př jedotkové změě vvětlující proměé před tečkou za předpokladu, že proměé uvedeé za tečkou zůtávají eměé. A odhadutá regreí fukce co ejlépe vthovala daou závlot, je zavede požadavek a mmalzac oučtu čtverců ch 4 ε, platí ted ( ) m... Q η ε. (4) Doadíme-l do podmík (4), dotaeme ( )....m Q, (5) kde předtavuje počet pozorováí. Hodota Q (5) je mmálí, jetlže jou všech parcálí dervace podle jedotlvých parametrů rov ule. Po převodu ormálích rovc do matcového tvaru (6) Př použtí mohoáoé leárí regreí fukce platí, že závle proměá je leárě závlá a každém z vvětlujících proměých a všech tto proměé jou vzájemě ezávlé eo alepoň ovlvňují změ závle proměé všech jedím měrem. Teoretcká vmezeí jou vztažea a vvětlující proměé vktující e v přípěvku. 4 Tzv. metoda ejmeších čtverců.

3 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září 5 lze zíkat odhad parametrů řešeím outav rovc (apř. použtím Cramerova pravdla 5 ). Pro účel rováí a poouzeí dvduálího vlvu jedotlvých vvětlujících proměých a závle proměou lze použít také ormalzovaé regreí koefcet, tzv. - koefcet. Platí vztah, (7) kde,,, jou měrodaté odchlk jedotlvých proměých. Velkot dílčích regreích koefcetů je ovlvěa volou měré jedotk. Naprot tomu -koefcet předtavují ezrozměré čílo, tím je možé jejch vzájemé rováí, které louží především k určeí tezt vlvů jedotlvých vvětlujících proměých a závle proměou. Dále je ezté propočt doplt o de determace I (8) a o párové korelačí koefcet r (9), které měří těot závlot popaé leárí regreí fukcí. Z toho vplývá, že zjštěé párové korelačí koefcet, podoě jako -koefcet, pomohou rozhodout o vhodot zavedeí jedotlvých velč do regreího modelu. ( Y ) I (8) ( ) r (9) V případě, že -koefcet a párové korelačí koefcet poktují odlšé výledk týkající e vhodot zavedeí velč do modelu, je ezté prozkoumat multkoleartu. Multkolearta předtavuje závlot mez vvětlujícím proměým a formace o í lze čerpat z matce korelačích koefcetů R. Př pouzováí je důležtá hodota determatu. Jou-l všech dvojce vvětlujících proměých párově ekorelovaé, je determat korelačí matce rove jedé a arůtající multkoleartou e přlžuje ule. V záadě platí, že multkolaerta je škodlvá, pokud ěkterý z koefcetů korelačí matce překročí hodotu zhrua,75. Eaktěj to lze zjtt protředctvím Farrarova-Glauerova tetu. Tetovým krtérem je výraz ( ) ( p + 5) l R 6, () D 5 Dílčí regreí koefcet jou rov podílu, kde D je determat matce a pravé traě D rovce (6) (matce A) a D je determat matce, která vzke z matce A výměou -tého loupce za loupec levé tra rovce. 499

4 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září 5 kde je rozah výěru, p je počet vvětlujících proměých zařazeých do modelu a R je determat korelačí matce. Tetové krtérum má rozděleí χ [p(p-)/] tup volot. Hpotéza H zameá ezávlot vvětlujících proměých, H závlot vvětlujících proměých. Krtckým oorem jou t hodot tetového krtéra, které překročí přílušý kvatl rozděleí χ, tj. χ α [ p( p ) ], () v tomto případě la jž multkolearta považováa za tattck výzamou a zařazeí velč do modelu elo vhodé.. Vužtí regreí a korelačí aalýz ke zjštěí vlvu vraých makroekoomckých ukazatelů a vývoj tému ocálího zaezpečeí Vtupí údaje l zíká z weových tráek Čekého tattckého úřadu a ze tattckých ročeek za jedotlvé rok (Ta. č.). Data jou za po oě jdoucích let ( ), počíaje rokem Sm ol Položka Příjm a ocálí zaezpečeí (ml. Kč) Dávk ocálího zaezpečeí (ml. Kč) SALDO (ml. Kč) Míra ezaměta ot (%) 4,% 4,% 4,%,9% 4,8% 6,5% 8,7% 8,8% 8,% 7,% 7,8% Tempo růtu HDP (%), reálě,%,% 5,9% 4,% -,7% -,%,%,9%,6%,5%,7% Průměré tempo růtu reálé mzd (%) 7,6% 7,8% 8,7% 8,7%,% -,% 6,%,4%,8% 5,4% 6,7% Ta.č.:Vtupí údaje 6 V předcházejících letech la metodka výpočtu příjmové a výdajové tra ocálího zaezpečeí odlšá. 5

5 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září 5 Y Y ( ) Y () () () () (4) (5) (6) (7) (8) (9) () -8,4,,76-57,4-8, -6,7-4,6-49,7 67-5,4,,78-5,8-77,7-75, -485,8-44,77 489,8-656,4,59,87-6,4-8,7-57,7 56,5-688, ,9,4,87 84,9 876, ,76 669, ,48 -,, -66, 96,59-79,4-9,5-4484, ,65 -, -, -7 89, -84,4 5646, ,87,, ,7 997, ,88,9, ,5-6,58 76, , 9-98,8,6, , -5,77 69, -79,7,5, ,9-85, ,78,7, ,6-6558, ,685,5, Ta.č.:Výpočtová taulka ,8E Hodot alda tému ocálího zaezpečeí odhaduté tímto modelem lze alézt v 8. loupc taulk č.. Důležtý je loupec 9, kde jou zachce odchlk od kutečot. Odhadutou regreí fukc Y () lze ted zapat ve tvaru Y 796, ,8 + 48, , , 8 48, 8 657, 58, 97 Ta.č.: Vpočteé hodot, 9, 7, 8695 r, r, r, 46, 698 R, , , 979 I 79,9% [ ] χ 7, 847 Řešeím ormálích rovc l vpočte tto dílčí regreí koefcet: 796,6 ml.kč , což zameá, že zvýší-l e míra ezamětaot o %, % íží e aldo tému ocálího zaezpečeí o ml. Kč, jetlže vloučíme vlv tempa růtu HDP a tempa růtu reálé mzd. Saldo je rozdílem mez příjm a výdaj, žující e velkot tohoto ukazatele ted evědčí c poztvího, je to áledek žujících e příjmů a/eo zvšujících e výdajů. ml.kč 996,8 udává, že zvýší-l e tempo růtu HDP o %, zvýší e aldo % tému ocálího zaezpečeí o 9 96,8 ml. Kč za předpokladu, že e ezměí a tempo růtu mezd, a míra ezamětaot..95 5

6 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září 5 ml.kč 48,8 udává, že jetlže e zvýší průměré tempo růtu reálých % mezd o %, vzrote aldo tému ocálího zaezpečeí o 4 8,8 ml. Kč, pokud e míra ezamětaot tempo růtu HDP ezměí. Ide determace I dle (8) všel 79,9%, což zameá, že daý model vthuje závlot z téměř 8 % (8 % rozptlu zaku je způoeo vlvem,, ), zlých % dperze zaku je způoeo áhodým vlv. Vývoj alda tému ocálího zaezpečeí kutečého zjštěého pomocí odhaduté regreí fukce ukazuje or. č.. Or.č. : Saldo tému ocálího zaezpečeí kutečot a odhadutá regreí fukce ml. Kč Saldo tému ocálího zaezpečeí Odhadutá regreí fukce Dle (7) lze vpočít -koefcet, ,8695, 657,58,9 996,8,698, 657,58,7 48,8, ,58 Zatímco dílčí regreí koefcet jme vzájemě emohl rovávat, vpočteé - koefcet jž rovatelé jou. Výledk ukazují, že a aldo tému ocálího zaezpečeí ejvíce půoí míra ezamětaot, tempo růtu HDP má výrazě meší vlv. Z výledku dále vplývá, že tempo růtu reálé mzd a aldo tému ocálího zaezpečeí téměř epůoí, emá v modelu výzam, vz or. č.. Hodot párových korelačích koefcetů zjštěých dle (9) potvrdl, tak jako - koefcet, vhodot zavedeí mír ezamětaot do modelu a poměrě malý výzam tempa růtu HDP v modelu (vz or. č. ). 5

7 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září 5 Or.č. : Podlí vlvu vraých makroekoomckých velč a vývoj tému ocálího zaezpečeí (dle - koefcetů) -koefcet Míra ezamětaot Temporůtu HDP Průměré temporůtu reálé mzd Or.č. : Podlí vlvu vraých makroekoomckých velč a vývoj tému ocálího zaezpečeí (dle párových korelačích koefcetů) Párové korelačí koefcet Míra ezamětaot Temporůtu HDP Průměré temporůtu reálé mzd -koefcet ukázal velm malý výzam průměrého tempa růtu reálých mezd, což je však poěkud v rozporu e zjštěím, které poktl párové korelačí koefcet. Z doažeých dat eí možé rozhodou o vhodot zavedeí daé vvětlující proměé do modelu. Řešeí tohoto prolému lze alézt po prozkoumáí multkoleart. Matce korelačích koefcetů je,87,466 R,87,699, (),466,699 determat korelačí matce je R, Žádý z koefcetů korelačí matce vvětlujících proměých epřekročl hodotu,75, je možé e ted domívat, že multkolearta eí v modelu škodlvá. Eaktější zjštěí přáší Farrarův-Glauerův tet. Dle () je ( ) ( + 5) l, , Krtcká hodota χ [] 7,

8 5. mezárodí koferece Fačí řízeí podku a fačích ttucí Otrava VŠ-TU Otrava, Ekoomcká fakulta, katedra Fací září 5 Protože 5,997 < 7, 847, to zameá, že tetové krtérum e ealézá v krtckém ooru, přjímáme hpotézu H o ezávlot vvětlujících proměých a a 5% hladě výzamot epovažujeme multkoleartu za tattck výzamou. Zařazeí proměé (průměré tempo růtu reálých mezd) do modelu je ted vhodé. 4. Závěr Přípěvek e zaýval poouzeím vlvu vývoje mír ezamětaot, tempa růtu HDP a tempa růtu reálých mezd a vývoj alda tému ocálího zaezpečeí. Závlot la ledováa protředctvím regreí a korelačí aalýz. la zvolea leárí regreí fukce, která podle deu determace vthuje ledovaé závlot z 8%, takže e dá hovořt o poměrě těé závlot. Doažeé výledk ukázal, že tém ocálího zaezpečeí je ejvíce ovlvě mírou ezamětaot (př vzrůtu mír ezamětaot o % aldo tému poklelo o téměř 78 ml. Kč). Tempo růtu HDP ovlvňuje aldo tému ocálího zaezpečeí meší měrou. Saldo tému je ejméě ovlvěo změam tempa růtu reálých mezd. Původí doměku o evhodot zařazeí velč do modelu vvrátl Farrarův-Glauerův tet, který vhodot zařazeí této velč do modelu prokázal. Lteratura [] EZDĚK, V. Pezjí tém oecě v kotetu čeké ekoomk (oučaý tav a potřea reforem). ČN, Sekce měová, Praha,. [] GRIFFITH JONES, S. et al. Reform of the peo tem ad atoal avg. Czech Natoal ak, Prague, 998. [] HINDLS, R., HRONOVÁ, S., SEGER, J.: Stattka pro ekoom. Profeoal pulhg, Praha,. [4] KRES, V a kol. Socálí poltka. ASPI Pulhg,.r.o., Praha,. [5] Stattcká ročeka Čeké repulk. Čeký tattcký úřad, Praha, 99. [6] [7] Summar Eamato of the fluece of elected macroecoomc quatte upo ocal ecurt tem developmet The artcle deal wth a revew of the depedace of the facal developmet of the Socal ecurt tem the Czech Repulc o ome macroecoomc varale (the uemplomet rate, the GDP growth rate, the average real wage growth rate). Frt the atteto pad to the mathematcal defto of the multple regreo ad correlato aal whch ued for a decrpto of the tattcal depedece. Further there are real date appled. Fdg reult are demotrated ad terpreted. 54

Odhady a testy hypotéz o regresních přímkách

Odhady a testy hypotéz o regresních přímkách Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží

Více

} kvantitativní znaky

} kvantitativní znaky Měřeí tattcké závlot, korelace, regree Obecé prcpy závlot vzájemá ouvlot měřeých zaků Prof. RNDr. Jaa Zvárov rová,, DrSc. fukčí závlot x tattcká závlot átroje pro měřeí závlot leár rí regree korelace }

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor 1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců

Více

Korelační analýza. sdružené regresní přímky:

Korelační analýza. sdružené regresní přímky: Koelčí lýz - ooutá závlot dvou tttckých zků; - hodot jou zíká pozoováím, ez možot ovlvěí; - eí možo ozlšt závle ezávle poměou; - hlvím átojem je ze metod ejmeších čtveců; - kždou z oou možých závlotí vthuje

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

Téma 5: Analýza závislostí

Téma 5: Analýza závislostí Aalýza závlotí Téma 5: Aalýza závlotí Předáša 5 Závlot mez ev Záladí pom Předmětem této aptol ude zoumáí závlotí ouvlotí mez dvěma a více ev. Jedá e o proutí do vztahů mez ledovaým ev a tím přlížeí tzv.

Více

9. REGRESNÍ A KORELAČNÍ ANALÝZA

9. REGRESNÍ A KORELAČNÍ ANALÝZA Pravděpodobot a tattka 9. REGRESNÍ A KORELAČNÍ ANALÝZA Průvodce tudem V předchozí kaptole jme uvedl způob, jak popat leárí závlot mez dvěma argumety a její míru. Užtím korelačích poměrů je možé zjtt, zda

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu Vědeckotechcký sorík ČD č. 3/0 Leka Zahradíková Model poptávky po železčí osoí dopravě Českých drah, a. s. a tuzemském přepravím trhu Klíčová slova: poptávka, osoí doprava, České dráhy, regresí aalýza,

Více

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení. MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

Měření závislostí. Statistická závislost číselných znaků

Měření závislostí. Statistická závislost číselných znaků Měřeí závslostí Statstcká závslost číselých zaků - závslost dvou velč lze vádřt ako ech fukčí vztah vzorcem, taulkou hodot příslušé fukce eo grafck; - mez zak zkoumaých evů zšťueme estec příčé (kauzálí

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

Aktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.)

Aktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.) Aktvta Semář základů tattky a workhop (Prof. Ig. Mla Palát, CSc., Ig. Krta Somerlíková, Ph.D.) Stattcké tříděí Základí metoda tattckého zpracováí. Sekupováí hodot proměé, které jou z hledka klafkačího

Více

Téma 4: Výběrová šetření

Téma 4: Výběrová šetření Výběrová šetřeí Téma : Výběrová šetřeí Předáška Výběrové charaktertky a jejch rozděleí Výzam a druhy výběrového šetřeí tattcké šetřeí úplé vyčerpávající eúplé výběrové výběrové šetřeí aha o to aby výběrový

Více

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI 8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI Ča ke tudiu kapitoly: 60 miut Cíl: Po protudováí tohoto odtavce budete umět: charakterizovat další typy pojitých rozděleí: χ, Studetovo, Ficher- Sedocorovo -

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Spojité (kontinuální) - nap. podle vykázaného zisku, tržeb, náklad Nespojité (diskrétní) - nap. podle potu len v rodin

Spojité (kontinuální) - nap. podle vykázaného zisku, tržeb, náklad Nespojité (diskrétní) - nap. podle potu len v rodin Aktvta 3 Semá základ tattk a workhop (Prof. Ig. Mla Palát, CSc., Ig. Krta Somerlíková, Ph.D.) Stattcké tídí Základí metoda tattckého zpracováí. Sekupováí hodot promé, které jou z hledka klafkaího zaku

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)

Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech) Pozámk k tématu Koelace a jedoduchá leáí egee (Téma eí ve kptech) Mějme data, ),...,(, ), kteá jou áhodým výběem z ějaké populace. Data ted pokládáme za ezávlé ealzace dvojce áhodých velč ( X, Y ). Půmě

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

Jednoduchá lineární závislost

Jednoduchá lineární závislost Jedoduchá leárí závlot Regreí fuce: ),...,, ( 0 m f Předpolad: Fuce je leárí v parametrech: ) (... ) 0 ( 0 f f m m f 0 ()... f m () regreor 0... m regreí parametr určujeme METODOU NEJMENŠÍCH ČTVERCŮ Regreí

Více

Momenty a momentové charakteristiky

Momenty a momentové charakteristiky Lekce 3 Momety a mometové charaktertky Pokud jme e v předešlém výkladu zmňoval o ěkteré tattcké charaktertce, zpravdla jme rověž uváděl, zda j řadíme mez více ebo méě důležté. A byly to právě artmetcký

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

Kapitola 9.: Jednoduchá lineární regresní analýza

Kapitola 9.: Jednoduchá lineární regresní analýza Katola 9: Jedoduchá leárí regreí aalýza Cíl katoly Po rotudováí této katoly udete umět - metodou emeších čtverců odhadout arametry regreí fukce - kotruovat tervaly olehlvot ro regreí arametry - tetovat

Více

Statistické charakteristiky (míry)

Statistické charakteristiky (míry) Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

K čemu slouží regrese?

K čemu slouží regrese? REGRESE K čemu slouží regrese? C = Ca + c. Y C = 00 + 0,6. Y + e Budeme zjišťovat jak jeda proměá (ezávislá) Ovlivňuje jiou proměou (závislou) C Y 950 1000 910 150 1130 1500 1150 1750 1475 000 1550 50

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

Charakteristiky úrovně

Charakteristiky úrovně Charaterty úrově Měřeí úrově Úroveň (poloha) je jedou ze záladích vlatotí tattcých dat, v úrov e mohou tattcá data lšt ebo aopa hodovat. Výzačé hodoty varačí řady ejou ctlvé a změu jedotlvých hodot Medá

Více

SP2 Korelační analýza. Korelační analýza. Libor Žák

SP2 Korelační analýza. Korelační analýza. Libor Žák Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet

Více

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod . egresí aalýza Čas ke studu kaptoly: 6 mut Cíl Po prostudováí tohoto odstavce udete umět vysvětlt pojem oecý leárí model prcp leárího regresího modelu používat výsledky regresí aalýzy verfkovat regresí

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

Testování statistických hypotéz

Testování statistických hypotéz Tetováí tatitických hypotéz CHEMOMETRIE I, David MILDE Jedá e o jedu z ejpoužívaějších metod pro vyloveí závěrů o základím ouboru, který ezkoumáme celý, ale pomocí áhodého výběru. Př.: Je obah účié látky

Více

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3 Př 7: S 95% polehlivotí odhaděte variabilitu (protředictvím odhadu měrodaté odchylky) a tředí hodotu obahu vitamíu C u rajčat. Záte-li výledky rozboru 0-ti vzorků rajčat: 3 4 5 6 7 8 9 0 9,6 3,4 30 3,6

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x) 9 REGRESE A KORELACE Slovo regrese oecě zmeá poh zpět ústup ávrt regresví = ustupující Opčým termíem je progrese pokrok postup šířeí růst Pojem regrese l do sttstk zvede kocem 9 století rtským učecem Frcsem

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

Úvod do zpracování měření

Úvod do zpracování měření Úvod do zpracováí měřeí Teore chb Opakujeme-l měřeí téže fzkálí velč za stejých podmíek ěkolkrát za sebou, dostáváme zpravdla růzé hodot. Měřeé velčě přísluší však jedá správá hodota. Každou odchlku aměřeé

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tty - NOV NOV tty provádí pomocí aalýzy rozptylů NOV ouhré tty pro víc ěž dva výběry. NOV paramtrcká ttováí charaktrtk z zámých rozdělí pokud

Více

Interval spolehlivosti pro podíl

Interval spolehlivosti pro podíl Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této

Více

METHOD OF THE URBAN MASS TRANSPORTATION QUALITY EVALUATION

METHOD OF THE URBAN MASS TRANSPORTATION QUALITY EVALUATION Ročík., Číslo II., 009 METODA HODNOCENÍ KVALITY MĚTKÉ HROMADNÉ DOPRAVY METHOD OF THE URBAN MA TRANPORTATION QUALITY EVALUATION Ivaa Olvková Aotace: Čláek se zabývá problematkou hodoceí kvalt městské hromadé

Více

9.3.5 Korelace. Předpoklady: 9304

9.3.5 Korelace. Předpoklady: 9304 935 Koelace Předpoklad: 9304 Zatím jsme se zabýval vžd pouze jedím zakem, ve statstckém výzkumu jsme však u každého jedotlvce (statstcké jedotk) sledoval zaků více Učtě spolu ěkteé zak souvsí (apříklad

Více

Metoda nejmenších čtverců a její aplikace

Metoda nejmenších čtverců a její aplikace Metoda ejmeších čtverců a její aplkace Leat qare method ad t applcato Motvace Reálé rozdělovací fkce e více č méě odlšjí od deál ormálí fkce Má to více příč a Na rozdíl od ormálího rozděleí e v reálých

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

Kvantitativní popis diverzifikace, Quantitative Description of Diversification

Kvantitativní popis diverzifikace, Quantitative Description of Diversification Bue & IT / Kvattatví pop dverzfkace, Quattatve Decrpto of Dverfcato Mlolav Malec Lukáš Malec Rotlav Tomeš btrakt: V čláku jou popáy základí metody kvattatvího a grafckého popu dverzfkace. Jou uvedey kotrukce

Více

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy Měřeí statistické závislosti, korelace, regrese Prof. RNDr. Jaa Zvárov rová,, DrSc. MĚŘENÍZÁVISLOSTI Cílem statistické aalýzy vepidemiologii bývá eje staovit, zda oemocěí závisí a výskytu rizikového faktoru,

Více

KVALITA REGRESNÍHO MODELU Radek Fajfr

KVALITA REGRESNÍHO MODELU Radek Fajfr UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ KVALITA REGRESNÍHO MODELU Radek Fajfr Bakalářská práce 00 Prohlášeí Tuto prác jsem vypracoval samostatě. Veškeré lterárí pramey a formace, které jsem v

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

Obr. DI-1. K principu reverzibility (obrácení chodu paprsků).

Obr. DI-1. K principu reverzibility (obrácení chodu paprsků). Učebí text k předášce UFY8 Dvojvzková tererece teké vrtvě Dvojvzková tererece teké vrtvě Předpokládejme, vl o mpltudě dvou delektrk tk, že mpltud održeé vly bude o dexu lomu bude t (vz obr. DI-1). v protředí

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DA prof. Ig. Jří Holčík, CSc. INVESICE Isttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. LINEÁRNÍ KLASIFIKACE pokračováí Isttut bostatstky a aalýz (SUPPOR VECOR MACHINE SVM) SEPARABILNÍ

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Téma 1: Pravděpodobnost

Téma 1: Pravděpodobnost ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00

Více

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY Statitické metody ve veřejé právě ŘEŠENÉ PŘÍKLADY Ig. Václav Friedrich, Ph.D. 2013 1 Kapitola 2 Popi tatitických dat 2.1 Tabulka obahuje rozděleí pracovíků podle platových tříd: TARIF PLAT POČET TARIF

Více

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY 7 VYUŽITÍ METOD OERAČNÍ ANALÝZY V TECHNOLOGII DORAVY Operačí aalýza jao jeda z oblatí apliovaé matematiy achází vé široé uplatěí v průmylových a eoomicých apliacích. Jedím z oborů, ve teré hraje ezatupitelou

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

Mendelova univerzita v Brně

Mendelova univerzita v Brně Medelova uverzta v Brě Provozě ekoomcká fakulta Ústav statstky a operačího výzkumu Vývoj objemu vložeých fačích prostředků do pezjích fodů jejch klety v letech 995 008 Dplomová práce Vedoucí práce: Mgr.

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

Vyjadřování nejistot měření při kalibracích

Vyjadřování nejistot měření při kalibracích Acta Motatca Slovaca Ročík 0 (005), čílo, 5-57 Vjadřováí ejtot měřeí př kalbracích Leka Líková The determato of meauremet ucertate for calbrato The paper decrbe ome metrolog problem ad ther applcato urveg

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá Statitická šetřeí a zpracováí dat Statitika e věda o metodách běru, zpracováí a vyhodocováí tatitických údaů. Statitika zkoumá polečeké, přírodí, techické a. evy vždy a dotatečě rozáhlém ouboru údaů. Matematická

Více

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc.

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc. Metody statstcké aalýzy doc. Ig. Dagmar Blatá, CSc. Bakoví sttut vysoká škola, a.s. Praha 0 METODY STATISTICKÉ ANALÝZY Autor: Recezet: Vydal: Tsk: Vydáí: doc. Ig. Dagmar Blatá, CSc. doc. Ig. Jří Trešl,

Více

VaR analýza citlivosti, korekce

VaR analýza citlivosti, korekce VŠB-TU Ostrava, Ekoomická fakulta, katedra fiací.-. září 008 VaR aalýza citlivosti, korekce Fratišek Vávra, Pavel Nový Abstrakt Práce se zabývá rozbory citlivosti ěkterých postupů, zahrutých pod zkratkou

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

Univerzita Pardubice. Fakulta ekonomicko-správní

Univerzita Pardubice. Fakulta ekonomicko-správní Uverzta Pardubce Fakulta ekoomcko-správí Regresí aalýza vývoje mě Vsegrádské čtyřky vůč euru od roku 993 Pavel Šálek Bakalářská práce 00 Prohlašuj: Tuto prác jsem vypracoval samostatě. Veškeré lterárí

Více

Závislost slovních znaků

Závislost slovních znaků Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ

Více

Jednoduchá lineární regrese

Jednoduchá lineární regrese Jedoduchá leárí regrese Motvace: Cíl regresí aalýz - popsat závslost hodot velč Y a hodotách velč X. Nutost vřešeí dvou problémů: a) jaký tp fukce se použje k popsu daé závslost; b) jak se staoví kokrétí

Více