Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu
|
|
- Veronika Kadlecová
- před 7 lety
- Počet zobrazení:
Transkript
1 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, korelačí aalýza, ojem přepravy, cea Úvod Sahou každého sujektu zaývajícího se jakoukolv ekoomckou čostí je získávat formace o poptávce po svém zoží č služách. Poptávka, jako jeda straa trhu, má svůj velký výzam př řízeí ekoomckých sujektů a je v zájmu těchto sujektů charakterzovat poptávku co možá ejpřesěj, ať jž matematcky, grafcky eo verálě. Cílem tohoto čláku je charakterzovat poptávku v dopravě, a to kokrétě poptávku po osoí dopravě Českých drah, a. s. Poptávka v dopravě je totožá s teoretckým vyjádřeím oecé poptávky pouze s tím rozdílem, že jsou zde přímo kokretzováy pojmy aplkovaé a olast dopravy. Poptávka po dopravích služách vzká a dopravím trhu, kde je vyvoláa přepravc k uspokojeí svých potře ve formě časovém a prostorovém přemístěí. Příspěvek vzkl a základě dplomové práce zpracovaé a Dopraví fakultě Jaa Perera Uverzty Parduce.. Metody modelace poptávky Poptávku je vhodé vyjádřt pomocí matematckého modelu. Metody zjšťováí formací pro potřey sestaveí modelu se provádějí pomocí průzkumů eo výpočtů ze statstckých dat. V tomto případě jsou formace zjšťováy pomocí výpočtů, př kterých se vycházelo ze statstckých dat Ročeek a Výročích zpráv Českých drah, a. s. Souhrá data potřeá k výpočtu jsou uvedea ve 3. kaptole v taulce č.. K sestaveí matematckého modelu je využta korelačí a regresí aalýza a aalýza časových řad. Jejch úkolem je pops průěhů závslostí a jejch tezty mez staoveým proměým ovlvňující průěh poptávky. Regresí aalýza je založea a zjšťováí závslostí mez jedotlvým proměým. Př této metodě se vychází z předpokladu rozděleí proměých do dvou základích skup, a to a vysvětlující () a vysvětlovaé (y) proměé. Př zkoumáí vztahů mez více proměým se používá víceásoá regresí aalýza. Př výpočtu se vychází z defovaých parametrů regresí fukce, které jsou ozačey jako β 0, β,..., β p. Ig. Leka Zahradíková, arozea r. 983, asolvetka Dopraví fakulty Jaa Perera Uverzty Parduce v roce 00, oor Dopraví maagemet, marketg a logstka. V současé doě zaměstaá a pozc seor účetí v mezárodí společost.
2 Vědeckotechcký sorík ČD č. 3/0 ( β, β β ) η,..., f ; 0 a hypotetcké regresí fukce, která má tvar: (, ) Y f,..., ; 0 p p Odhady parametru regresí fukce se provádějí a základě ěkolka metod. Nejěžější z ch je metoda ejmeších čtverců. Tato metoda je založea a odhadech mmalzujících součet čtvercových odchylek. S ( y Y ) ( y β β β... β ) 0 0 m m m Po úpravě předchozích rovc jsou odvozey vzorce, které slouží k výpočtům parametrů regresí fukce popsující závslost mez dvěma proměým vysvětlovaé proměé (y) a vysvětlující proměé (). Pro regresí přímku mají tvar: 0 y y ( ) y Korelačí aalýza také slouží k pozáí vztahů mez velčam, ale jejím hlavím cílem je zjštěí tezty eo-l síly těchto vztahů. Rozlšují se jedoduché leárí korelace a víceásoé korelace. Jedoduchá leárí korelace vychází ze dvou proměých a. Tyto proměé lze vyjádřt pomocí sdružeých regresích přímek, které mají ásledující tvar: y y α α + β + β + ε + ε Odhady regresích koefcetů sdružeých regresích přímek se provádějí pomocí metody ejmeších čtverců. Pomocí této metody lze odvodt ásledující rovce pro jejch výpočet:
3 Vědeckotechcký sorík ČD č. 3/0 a a ( ) ( ) Pro měřeí těsost závslost jedotlvých proměých se využívá korelačí koefcet, který aývá hodot z tervalu <-; >. Pro výpočet těsost závslost se používá výěrový korelačí koefcet, který je odovým odhadem korelačího koefcetu. Vztah pro výpočet je ásledující: r [ ( ) ] ( ) [ ] Jelkož a vysoká hodota korelačího koefcetu emusí zameat příčou závslost mez proměým, ozvlášť u souorů malého rozsahu, provádí se test výzamost korelačího koefcetu. Je testováa ulová hypotéza o ulové hodotě korelačího koefcetu, která dokazuje leárí ezávslost proměých a. Testovací krtérum má rozděleí t s (-) stup volost. Aalýza časových řad je zaměřea a pops tedece vývoje aalyzovaé časové řady. K charakterstce tredu časové řady se používá její vyrováí tredovou fukcí. Touto metodou jsou získáváy parametry tredových fukcí, kterým mohou ýt leárí eo paraolcké tredové fukce. Pro další zhodoceí vývoje dat se využívá korelace mez časovým řadam, pomocí které lze zjšťovat estec souvslostí a vaze, které mohou vysvětlt změy v jedé časové řadě změam v časové řadě druhé. K ověřeí zjštěých souvslostí a vaze lze využít ěkolk testů mez které patří apříklad zamékový test, test odů oratu a Dur-Watsoův test autokorelace.. Návrh modelu poptávky po osoí dopravě ČD, a. s. Model poptávky je sestave a základě vlvu jedotlvých druhů ce a ojem přepravy, mez tyto cey řadíme: skutečá cea (příjmová saza) tržy osoí dopravy/přepraví výko ákladová cea áklady osoí dopravy/přepraví výko ekoomcká cea áklady a osoí dopravu/místo-km Data pro výpočet jsou uvedea v taulce č.. 3
4 Vědeckotechcký sorík ČD č. 3/0 Taulka č. : Statstcká data pro výpočet regresí fukce Rok Ojem přepravy (v ml.os) Přepraví výko (v ml. oskm) Naízeá kapacta (v ml.místokm) Tržy (v ml. Kč) Náklady (v ml. Kč) C S C N C E ,3 6 09, , ,58,55 0, , 6 85, , ,6,5 0, ,5 6 5, , ,63,55 0, , , , ,64,53 0, , , , ,69,69 0, ,7 6 83, ,4 34 0,7 3,5 0,75 Zdroj: Zpracoval autor a základě Statstckých ročeek a Výročích zpráv ČD, a. s. C S... skutečá cea - příjmová saza (v Kč/oskm) C N... ákladová cea (v Kč/oskm) C E... ekoomcká cea (v Kč/místokm) K výpočtu se využje vztah pro víceásoý leárí regresí model, jehož úpravou dostaeme odhadutou víceásoou regresí fukc ve tvaru: y + kde y je závsle proměá (počet cestujících) (skutečá cea), (ákladová cea) a 3 (ekoomcká cea) jsou ezávsle proměé 0,,, 3 jsou parametry zvoleé regresí fukce Po provedeí příslušých výpočtů je staovea víceásoá regresí fukce, která má tvar: Y 40, , ,6 39, 98 Z výsledé fukce lze provést ásledující závěry: 3 počet přepraveých cestujících př ulových ceách je rove 40,99 ml. oso za rok pokud skutečá cea vzroste o jedotku a ostatí cey zůstaou ezměěy, dojde k průměrému árůstu cestujících o 66,04 ml. oso za rok v případě změy ákladové cey dojde k poklesu cestujících o 34,6 ml. oso za rok př změě ekoomcké cey vzroste počet cestujících o 39,98 ml. oso za rok S využtím dalších výpočtů lze zjstt apříklad teztu závslost mez proměým, a to pomocí koefcetu determace, který je v tomto případě 0,9997. Lze tedy s 99,97 % jstotou říc, že odhadutá regresí fukce je spolehlvá a kvalta odhadutého modelu je vysoká. Další možostí ověřeí odhadutého modelu je zjštěí vlvu vysvětlujících proměých a vysvětlovaou proměou y. K tomu lze využít dvduálí t-test a F-test. V ásledující taulce jsou uvedey výsledky dvduálího t-testu, kterým ylo zjštěo, že jedotlvé druhy ce emají žádý vlv 4
5 Vědeckotechcký sorík ČD č. 3/0 a výš přepraveých oso. Následujícím celkovým F-testem však ylo dokázáo, že alespoň jede z parametrů modelu (ce) má v modelu výzam. Taulka č. : Výsledky dvduálího t-testu regresí fukce j t Operátor t 0,975 () Hypotéza H 0 s ( ) j t 0 4,56 > 4,307 zamítuta t,47484 < 4,307 přjata t -,308 < 4,307 přjata t 3,4056 < 4,307 přjata Zdroj: Zpracoval autor a základě vlastích výpočtů Jelkož jsou jž popsáy vztahy mez staoveým ceam a počtem přepraveých oso, lze přstoupt k charakterstce tezty těchto vztahů. K tomu je použta korelačí aalýza. Z výsledků provedeé korelačí aalýzy lze usuzovat, že vzájemý vztah mez počtem přepraveých oso a skutečou ceou je přímá leárí závslost, protože koefcet korelace se líží k. Mez počtem přepraveých cestujících a ákladovou a ekoomckou ceou je epřímá fukčí leárí závslost, eoť koefcet korelace se líží k -. Závslost jedotlvých druhů ce a ojemu přepravy se pohyují kolem uly, tudíž se jedá o volější závslost mez proměým. Vypočteé hodoty jsou uvedey v taulce č. 3. Koefcety korelace však emusí jedozačě zameat slaou závslost mez proměým. Proměé mohou ýt slě závslé, e však leárě. Taulka č. 3: Výsledky korelačí aalýzy vlv ce Ojem přepravy Skutečá cea Nákladová cea Ekoomcká cea Ojem přepravy Skutečá cea 0, Nákladová cea -0, , Ekoomcká cea -0, , , Zdroj: Zpracoval autor a základě vlastích výpočtů Vyjádřeí o teztě vztahu mez proměým je závslé a výsledku výpočtu korelačího koefcetu. Může astat stuace, kdy se koefcet pohyuje okolo hodot 0,5 eo -0,5. Záleží pak a sujektvím rozhodutí osoy provádějící výpočty, ke které hodotě se přkloí. Zda se hodota líž k 0 eo (0 eo -). V takových případek, kdy je výsledek ejedozačý, lze využít testovací hypotézu korelačího koefcetu o jeho ulové hodotě. Pomocí tohoto testu lze provést rozhodutí o teztě závslost proměých. Dalším krokem př modelováí poptávky je zjštěí korelace mez časovým řadam, kdy se zjšťují závslost mez dvěma časovým řadam. Pomocí grafckého zorazeí hodot, sledovaé proměé v čase, lze odhadout tredovou fukc příslušé časové řady, od které se odvíjí další výpočty. Pro ojem přepravy yla vyráa paraola a staovea tredová fukce ve tvaru 5
6 Vědeckotechcký sorík ČD č. 3/0 Y,396t + 8,639t + 63,0. Tredovou fukc lze využít k odhadu udoucího vývoje ojemu přepravy. 3. Využtí výsledků modelace poptávky Na základě zjštěých formací o poptávce lze provádět kvalfkovaá rozhodutí př řízeí ekoomckých sujektů a využívat je k předvídáí udoucího vývoje. Budoucím vývojem se zaývá progostka, která využívá velkou řadu metod a postupů k modelováí udoucost. V této olast je zapotřeí odorých zalostí a programového vyaveí. Cílem tohoto čláku eí progózovat udoucí vývoj ojemu přepravy v osoí dopravě Českých drah, a. s., ale provést přlžý odhad tohoto vývoje. Pro zjštěí, kolk ude přepraveo cestujících v udoucost, lze využít model víceásoé leárí regrese eo tredové fukce uvedeé v kaptole č. 3. Model víceásoé leárí regrese je použtelý pouze v případě, že je jž záma změa ve výš cey eo je cea staovea a základě epermetů pro zmapováí reakcí cestujících a růzé změy ce. Za předpokladu, že se cey v roce 009 změí ásledově: skutečá cea se zvýší o 0,03 Kč/oskm, tz. a 0,74 Kč/oskm ákladová cea se zvýší o 0, Kč/oskm, tz. a 3,73 Kč/oskm ekoomcká cea se zvýší o 0,0 Kč/místokm, tz. a 0,77 Kč/místokm a po dosazeí do rovce Y 40, ,04 34,6 + 39, 983, lze očekávat počet přepraveých oso ve výš 70, ml. cestujících. V takovém případě y došlo k poklesu počtu přepraveých cestujících o,5 ml. oprot roku 008. V opačém případě, pokud y došlo ke sížeí ce o ty samé hodoty, ojem přepravy y vzrostl a 75 ml. oso, tj. o,3 ml. oprot roku 008. Nuté je však podotkout, že výše ce má a rozhodováí potecálích zákazíků vlv je do určté výše. S určtostí lze předpokládat, že př sžováí ce vzroste poptávka, ale pouze k určté hrac, kde se její růst zpomalí eo zastaví eo aopak zače klesat. Př postupém dosazováí do regresí rovce růzé výše ce s klesající tedecí, ude ojem přepravy klesat. Což je také a prví pohled zřejmé ze staoveé rovce. Parametr 0 regresí fukce udává, jaká je výše ojemu přepravy př ceách rovajících se ule. Z toho je patré, že přes ulové cey je ojem přepravy mohem žší ež jedotlvé hodoty za celé sledovaé odoí. Pro odhad ojemu přepravy pomocí tredové fukce je a základě grafckého zorazeí statstckých dat vyráa jako ejvhodější tredová fukce paraola ve tvaru: Y,396t + 8,639t + 63, 0. Dosazeím hodot t 7, 8 a 9, které reprezetují roky 009, 00 a 0, do rovce, lze vypočítat velkost ojemu přepravy v těchto letech. Př odhadu se epředpokládá žádá změa podmíek půsoících a velkost zjšťovaých dat, tz. že udou stejé podmíky v udoucost ez jakýchkolv změ. Odhad udoucího vývoje je zázorě a orázku č., z kterého je patré, že vývoj časové řady má klesající tedec. Velký vlv a stálém poklesu má vývoj 6
7 Vědeckotechcký sorík ČD č. 3/0 časové řady v mulost a malý rozsah pozorováí. Odhadutá fukce pouze kopíruje vývoj v mulost. Od roku 006 počet přepraveých cestujících výrazě klesal. 85,0 80,0 75,0 Ojem přepravy 70,0 65,0 60,0 55,0 50,0 67,6 59, 48,4 ojem přepravy tredová fukce 45,0 40, Čas (t) Orázek č. : Odhad udoucího vývoje ojemu přepravy ČD, a. s. a základě tredové fukce Zdroj: Zpracoval autor a základě vlastích výpočtů Předpověď, která je zázorěa v grafu, je tzv. etrapolací tredové paraoly a hodoty pro rok 009, 00 a 0 jsou odové předpověd. Pro větší spolehlvost předpověd je možé staovt předpovědí terval, který udává alteratví možost udoucího vývoje. Meze, mez kterým se může ojem přepravy pohyovat. Grafcké zázorěí předpovědího tervalu je uvedeo a orázku č. se staoveou úroví spolehlvost 95 %. Ojem přepravy 35,0 0,0 05,0 90,0 75,0 60,0 45,0 30,0 5,0 00,0 85,0 70,0 6, 04,7 96,6 67,6 59, 48,4 38,6 3,5 80, Čas (t) ojem přepravy tredová fukce dolí mez tervalu horí mez tervalu Orázek č. : Odhad udoucího vývoje ojemu přepravy ČD, a. s. a základě paraolckého tredu s předpovědím tervaly Zdroj: Zpracoval autor a základě vlastích výpočtů 7
8 Vědeckotechcký sorík ČD č. 3/0 Pokud se porovají dosažeé výsledky odových předpovědí pro rok 009 a 00 s aktuálím daty ze Statstcké ročeky ČD, a. s., je zřejmé, že yly přlžě z 96 % přesé. Skutečá hodota přepraveých cestujících pro rok 009 je 60,95 ml. oso a 60,35 ml. oso pro rok 00. Jelkož yl k výpočtům použt malý rozsah dat, je velká přesost odového odhadu způsoea podoým vývojem hodot ve sledovaých letech ez výrazých výkyvů. Malý rozsah dat eo špatě zvoleé proměé ve většě případů začě zkreslují dosažeé výsledky. Odhad předpovědího tervalu je jž méě přesý. Pro rok 009 je rozsah tervalu mez 38,6 a 96,6 ml. oso. Iterval má velký rozsah a s postupem do udoucost jeho spolehlvost samozřejmě ještě klesá. Závěr Modelace poptávky je důležtou, ale začě složtou čostí. Velký důraz je klade a správý výěr proměých. V tomto případě se pracuje s ěkolka proměým, kdy lze výpočet provést pomocí ěžých pomůcek, jako je základí programové vyaveí MS Offce Ecel eo kalkulačka a data jsou malého rozsahu. Ve většě případů však estuje velké možství proměých se složtým vazam a data jsou rozsáhlá. Modely se tak stávají mohem složtějším, ale zároveň př kvaltím vypracováí mají větší vypovídací schopost a mohou tak velkou měrou přspět k poztvímu vývoj ekoomckého sujektu. Použtá lteratura: [] POJKAROVÁ, Kateřa. Ekoometre a progostka v dopravě. Parduce: Uverzta Parduce, 006. ISBN [] Výročí zprávy 004, 005, 006, 007, 008 [ole]. Praha: České dráhy, 008 [ct ]. Dostupý a WWW: < [3] Statstcká ročeka 003, 004, 005, 006, 007, 008 [ole]. Praha: České dráhy, 008 [ct ]. Dostupý a WWW: < [4] ZAHRADNÍKOVÁ, Leka. Model poptávky po osoí železčí dopravě Českých drah, a. s. a tuzemském přepravím trhu. Dplomová práce. Parduce: Uverzta Parduce, 00. Praha, září 0 Lektoroval: doc. Ig. Rudolf Kampf, Ph.D. Uverzta Parduce, Dopraví fakulta Jaa Perera 8
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
VícePRAVDĚPODOBNOST 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
Více1.1 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
VíceÚvod 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
Více9. 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, 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,
Vícea 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
VíceTento 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
VíceOdhady 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
VíceNejistoty 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
VíceMěření 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
VíceSpolehlivost 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
Více11. 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
VíceMendelova 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
VíceOdhady 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
VíceTestování 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
VíceChyby 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,
VíceLineární 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
VíceRegresní 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
VíceGenerování 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
Více8 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
Více1 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
Více11. 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
Více3. 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
VíceOdhady 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:
Více6 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
VíceMetody 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,
Více4.2 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.
VíceP1: Úvod do experimentálních metod
P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu
VíceČasová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad
Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.
VíceČESKÉ 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
VícePřednáška 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
VíceIlustrativní 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
VíceTECHNICKÁ 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
VíceKVALITA 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
VíceOptimalizace 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
VíceÚvod 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
VíceTest 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
VíceTéma 6: Indexy a diference
dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -
VíceIlustrativní 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
VíceČasové řady, regresní analýza, finanční ukazatele, náklady, výnosy, zisk
- - Tato verze dplomové práce je zkráceá (dle Směrce děkaky č. /00). Neobsahuje detfkac subjektu, u kterého byla dplomová práce zpracováa (dále je dotčeý subjekt ) a dále formace, které jsou dle rozhodutí
VíceUNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy
UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ
Více12. Neparametrické hypotézy
. Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,
VícePODNIKOVÁ EKONOMIKA 3. Cena cenných papírů
Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý
Více[ 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
Více14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat
4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto
VícePRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady
SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc
VíceZávislost 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
VíceEKONOMETRIE 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
VíceB a k a l ářská práce
Vysoká škola ekoomcká v Praze Fakulta maagemetu v Jdřchově Hradc B a k a l ářská práce Iveta Doležalová 007 Vysoká škola ekoomcká v Praze Fakulta maagemetu v Jdřchově Hradc Katedra maagemetu formací Katedra
Více} 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 }
Vícejsou 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
VíceSP2 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
VíceZáklady statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková
Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují
VíceZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
VíceRegrese. 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 =
VíceDeskriptivní 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
Více1. 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} 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,
VíceSTATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK
STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK 04 prof. Ig. Bohuml Mařík, CSc. STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH.
VíceJednoduchá 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
Více1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE
ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE V této kaptole se dozvíte: jak je oecě defováa kolmost (ortogoalta) vektorů; co rozumíme ortogoálí a ortoormálí ází; co jsou to tzv relace ortoormalty a Croeckerovo delta;
VíceVýukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT
Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí
Vícev. 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
VíceMETHOD 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
Více1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
Více5.5. 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
VícePRAVDĚPODOBNOST 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
VíceČasové řady, regresní analýza, finanční ukazatele, náklady, výnosy, zisk, OTIS, a.s.
- - - - - 3 - ABSTRAKT Dplomová práce se zabývá problematkou souhrého hodoceí současé fačí stuace v akcové společost OTIS. Výkoost podku je staovea a základě výstupů dostupých z účetích výkazů. Po detfkac
VíceVzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha
VíceTento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/
Teto projekt je spolufiacová Evropským sociálím fodem a Státím rozpočtem ČR IoBio CZ..07/2.2.00/28.008 Připravil: Ig. Vlastimil Vala, CSc. Metody zkoumáí ekoomických jevů Kapitola straa 3 Metoda Z řeckého
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS POSOUZENÍ FINANČNÍ VÝKONNOSTI FIRMY JMP,
VíceANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC
ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC Jří HŘEBÍČEK, Mchal HEJČ, Jaa SOUKOPOVÁ ECO-Maagemet,
VícePRAVDĚPODOBNOST 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
VícePRAVDĚPODOBNOST 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,
VíceVYSOCE 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,
VíceAPLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU
VíceDoc. Ing. Dagmar Blatná, CSc.
PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj
VíceÚvod 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
Více11. Popisná statistika
. Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př
VíceAPLIKOVANÁ STATISTIKA
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4
VíceVY_52_INOVACE_J 05 01
Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí
VíceTéma 11 Prostorová soustava sil
Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra
VícePřednáška č. 2 náhodné veličiny
Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující
VíceStatistika - vícerozměrné metody
Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé
Více12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
Více8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
VíceLineární regresní model (VJ REGMOD-2)
eárí regresí model (VJ REGOD-) Základí formace V rámc této výukové jedotky s adefujeme leárí regresí model a sezámíme se s typy proměých využtelých jako predktory (vysvětlující proměé) v takovém modelu.
VíceLABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:
VíceMATICOVÉ 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
VíceStatistická analýza dat
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Statstcká aalýza dat Učebí texty k semář Autor: Prof. RNDr. Mla Melou, DrSc. Datum: 5.. 011 Cetrum pro rozvoj výzkumu pokročlých řídcích a sezorckých techologí CZ.1.07/.3.00/09.0031
Více2. Vícekriteriální a cílové programování
2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě
VíceInterpolační 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
VíceLogistic regression a tool for discrimination in surgery
VŠB Techcká uverzta Ostrava Fakulta elektrotechky a formatky Katedra aplkovaé matematky Logstcká regrese jako ástroj pro dskrmac v lékařských aplkacích Logstc regresso a tool for dscrmato surgery 9 Pavlía
VíceP2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
VíceRekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě
Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá
VíceStatistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).
Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké
Více9.3.5 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
VíceUČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...
VícePRAVDĚPODOBNOST A STATISTIKA
SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty
Více