Optimalizace portfolia

Rozměr: px
Začít zobrazení ze stránky:

Download "Optimalizace portfolia"

Transkript

1 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 pravděpodobostí lze ovlvt skladbou portfola. Základím problémem v optmalzačích úvahách e alezeí kompromsu mez vysokou středí hodotou výosu a malým rzkem, s vestováím spoeým. Rzko se přtom obvykle kvatfkue velkostí rozptylu ebo směrodaté odchylky výosu. METODIKA Fačí vestováí podku Na fačích trzích se obchodue s peěz a růzým ceým papíry. Úkolem fačích trhů e přemsťovat peěží prostředky od růzých subektů, které maí přebytek peěz, k subektům, které ch maí edostatek. Účastíc fačích trhů Účastíc těchto trhů sou podky, domácost, stát a zahračí. Hlavím představtelem poptávky po peěžích prostředcích a fačím trhu sou podky, hlavím představtelem abídky volých fačích prostředků sou domácost, ech úspory. Výzam účast podků a fačích trzích Účast a fačích trzích umožňue: - efektvě alokovat volé peěží prostředky - získat peěží prostředky od subektů, které echtěí vestovat do hmotých a ehmotých vestc - dosahovat vyšší produktvty a efektvost podkatelské čost - zašťovat optmálí stupeň lkvdty podku Dverzfkace vestc a rzkovost portfola Podky domácost vestuí své volé peěží prostředky do růzých druhů hmotého, ehmotého a fačího vestčího maetku, tedy dverzfkuí své vestčí vklady. Dverzfkace vestc e dáa také sahou získat maxmálí výosost z celého portfola vestc a co evíce sížt rzkovost vestc. Problematka dverzfkace vestc a rzkovost portfola se týká všech druhů vestc, evíce však vystupue do popředí u fačích vestc do ceých papírů. Rzko portfola e rzko spoeé s vestováím do souboru fačího, hmotého č ehmotého vestčího maetku. Př volbě optmálě dverzfkovaého portfola e třeba uvážt, že výosy akcí a rzko kolísaí edak v důsledku výkyvů v prospertě celého árodího hospodářství

2 (systematcké rzko), edak v důsledku hospodařeí emteta (esystematcké rzko). Nelépe lze časové řady využít k dverzfkac portfola. Markowczův model optmalzace portfola H. M. Markowcz e ostelem Nobelovy cey za ekoom v oblast podkových fací, zeméa v oblast teore portfola. Předpokládeme potecálí vestčí soubor, sestaveý z ttulů pracově očíslovaých,, 3,,, a předpokládeme, že máme k dspozc pro každý z těchto ttulů údae o výosech akcí a ech kurzech za posledích T let. Ozačme symbolem v podíl výosu z akce ttulu za rok ku středímu kurzu této akce za rok. K dspozc máme M peěžích edotek, které chceme vestovat do optmálě dverzfkovaého portfola. Částku M e uté rozdělt a ezáporých položek x, x,,x udávaící za kolk e třeba akoupt akce edotlvých podků. Základím ukazatelem výše výosu z edé vestovaé peěží edotky e středí hodota m : m = ( v + v v T ) / T Základím ukazatelem rzka e rozptyl těchto výosů a odhad tohoto rozptylu e dáa výrazem: s = (( v m ) + (v m ),, (v T m ) )/ T Nakoupíme-l akce podle rozpsu x, x,,x, kde x + x +...+x = M, x 0, kde celkový výos z provestovaé částky e áhodou velčou, která e leárí kombací áhodých ezávslých velč reprezetuících výosy z edotlvých akoupeých akcí, kde koefcety áhodých kombací vestovaé částky x, x,,x. Středí hodota celkového výosu e leárí kombací středích hodot edotlvých kombovaých položek, zatímco rozptyl celkového výosu e leárí kombací rozptylů kombovaých položek, kde však koefcety z původí kombace vystupuí ve druhých mocách. Středí hodota z provestovaé částky M: x m + x m + +x m a () Rozptyl z provestovaé částky M : x s + x +.+x s () Kdybychom chtěl maxmalzovat výos bez přhlédutí k rzku, určíme rozps částky M tak, že vyřešíme maxmalzačí úlohu leárího programováí s účelovou fukcí () a

3 omezuícím podmíkam. V případě, že edým omezeím sou pouze blačí rovce a podmíky ezáporost, e řešeí akoupt za celou částku M akce s evětším středím výosem a vestovaou peěží edotku. Pokud bychom chtěl mmalzovat rzko bez přhlédutí k výš výosu, určíme rozděleí částky M tak, že mmalzueme kvadratckou rovc (), omezuící podmíky sou opět blačí rovce a podmíky ezáporost. Cílem optmalzace portfola e alezeí vhodého kompromsu mez výší výosu a malým rzkem. Výpočet vedoucí k alezeí kompromsího řešeí lze založt a předpokladu, že estota spoeá s vestováím sžue očekávaou výš výosu. Pro vlastí rozhodutí e pak směrodatá výše čstého výosu, tedy středího výosu sížeého o pealzačí čle úměrý výš rzka. Př maxmalzac rozdílů fukcí () a () by bylo velm obtížé terpretovat ekoomcký výzam takovéto maxmalzace, eboť středí hodota e udáa v peěžích edotkách, kdežto rozptyl sou kvadratcké odchylky peěžích edotek od průměrů. Abychom obě velčy přetrasformoval do srovatelých edotek, vydělíme fukc () maxmem této fukce a obdobě fukc () vydělíme mmem této fukce, obě př stávaících omezeích. Tím se z obou fukcí staou fukce bezrozměrých hodot s tím, že př steých subektvích vahách kladeých a výš výosů a velkost rzka, abude rozdíl obou fukcí hodoty 0 v tom případě, že exstue rozps x, x,,x, který současě maxmalzue výosy a mmalzue rzko. Jak e hodota rozdílu záporá a čím e meší, tím více e saha o maxmalzac výosů v rozporu se sahou o mmalzac rzka. Ozačíme-l W maxmum fukce () a w mmum fukce () př steých omezeích, ademe tedy optmálí rozps vestc vyřešeím úlohy maxmalzovat [ / W ] α[ ( x s + x xs )/ w] ( )( x m + x m x m ) α (3) Koefcet α e koefcet vestčí opatrost. Je to zvoleé číslo z tervalu 0,. Je-l α = 0, maxmalzueme výos bez přhlédutí k rzku, e-l α =, mmalzueme rzko bez přhlédutí k výš výosů. Vyvážeý komproms e α = 50%. Korelace výosů Ve výše uvedeém Markowczově modelu esou bráy v úvahu korelace mez edotlvým druhy vestc v portfolu. Skutečost, zda vestce zvyšue č sžue rzko celého podkáí, závsí a vztahu příslušé vestce k ostatím vestcím. Z tohoto hledska rozezáváme tř typy vzáemých vztahů mez vestcem:. Ivestce s poztví závslostí (poztvě korelovaé) výosost akcí v rámc časového období se vyvíí steým směrem, takto dverzfkovaé vklady esžuí rzko celkového podkáí. Ivestce s egatví závslostí (egatvě korelovaé) akce, echž výosost se v určtém časovém období vyvíí protchůdě, takto dverzfkovaé vklady zašťuí pokles rzka 3. Ivestce s ulovou závslostí (ekorelovaé) akce esou vzáemě závslé, čím více e vestc s ulovou závslostí, tím větší e možost částečého vyrováí přízvých a epřízvých faktorů.

4 Vztah mez vestčím proekty s růzou mírou závslost se dá matematcky vyádřt koefcetem korelace. Teto koefcet měří rozsah, ve kterém očekávaá výosost edoho vestčího proektu e závslá a očekávaých výosech druhého proektu. U korelovaých vestc se blíží +, u egatvě korelovaých vestc. takto: Koefcet korelace KA,B výosost podku B s výosostí podku A se určí K A, B V V V A B A B = (4) σ Aσ B V kde K A,B = koefcet korelace výosost podků, = počet sledovaých období výosost, V A = výosost podku A, V B = výosost podku B, σ A = směrodatá odchylka výosost podku A, σ B = směrodatá odchylka výosost podku B. Výosost celého portfola se spočítá ako vážeý artmetcký průměr výosost edotlvých vestc v portfolu, vaham sou podíly edotlvých vestc v portfolu: P V = V P =, P = 0 P, (5) kde V P = výosost portfola vestc, V = výosost edotlvých druhů vestc v portfolu, P = podíl edotlvých druhů vestc a celkovém výda, = počet vestc v portfolu. Rzko vestce do takovéhoto portfola e směrodatá odchylka portfola, která se vypočítá podle ásleduícího vztahu: σ = P P K σ σ, (6) p = = kde σ P = směrodatá odchylka výosost portfola, P, P = podíl edotlvých druhů vestc v celém portfolu, σ σ = směrodatá odchylka výosost edotlvých druhů vestc, K, = korelačí koefcet mez -tou a -tou vestcí v portfolu, = celkový počet vestc v portfolu. Pokud tedy hledáme optmálí portfolo pro daou úroveň vestčí opatrost a chceme respektovat vzáemé korelace mez akcem, musíme modfkovat vztah (3) ásleduícím způsobem

5 ( α) z = max = = PV α p PV p m = = = = PP K σ σ PP Kσ σ (7) kde z chápeme ako účelovou fukc ež pro zvoleé α maxmalzueme.

2. Vícekriteriální a cílové programování

2. 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

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

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 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

, 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

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

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

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

Jednokriteriální rozhodování za rizika a nejistoty

Jednokriteriální rozhodování za rizika a nejistoty Jeokrterálí rozoováí za rzka a estoty U eokrterálíc úlo e vžy pouze eo krtérum optmalty, a to buď maxmalzačí ebo mmalzačí. araty rozoováí sou zaáy mplctě - pomíkam, které musí být splěy (vz úloy leárío

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ 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

12. N á h o d n ý v ý b ě r

12. 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

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová 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.

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

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ 4 DOPADY ZPŮSOBŮ FACOVÁÍ A VESTČÍ ROZHODOVÁÍ 77 4. ČSTÁ SOUČASÁ HODOTA VČETĚ VLVU FLACE, CEOVÝCH ÁRŮSTŮ, DAÍ OPTMALZACE KAPTÁLOVÉ STRUKTURY Čistá současá hodota (et preset value) Jedá se o dyamickou metodu

Více

I. Výpočet čisté současné hodnoty upravené

I. Výpočet čisté současné hodnoty upravené I. Výpočet čisté současé hodoty upraveé Příklad 1 Projekt a výrobu laserových lamp pro dermatologii vyžaduje ivestici 4,2 mil. Kč. Předpokládají se rovoměré peěží příjmy po zdaěí ve výši 1,2 mil. Kč ročě

Více

Pojem času ve finančním rozhodování podniku

Pojem času ve finančním rozhodování podniku Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé

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

7.Vybrané aplikace optimalizačních modelů

7.Vybrané aplikace optimalizačních modelů 7.Vybraé aplkace optmalzačích modelů V této kaptole se budeme věovat dvěma typům úloh, pro echž řešeí se využívaí optmalzačí prcpy. Jedá se o modely aalýzy obalu dat, které se využívaí pro hodoceí relatví

Více

Aspects of Intangible Property Valuation in Intragroup Financial Management. Aspekty ocenění nehmotného majetku ve vnitroskupinovém finančním řízení

Aspects of Intangible Property Valuation in Intragroup Financial Management. Aspekty ocenění nehmotného majetku ve vnitroskupinovém finančním řízení 6 th Iteratoal Scetfc Coferece Maagg ad Modellg of Facal Rsks Ostrava VŠB-TU Ostrava, Faculty of Ecoomcs,Face epartmet 0 th th September 202 Aspects of Itagble Property Valuato Itragroup Facal Maagemet

Více

DLUHOPISY. Třídění z hlediska doby splatnosti

DLUHOPISY. Třídění z hlediska doby splatnosti DLUHOISY - dlouhodobý obchodovatelý ceý papír - má staoveou dobu splatost - vyadřue závaze emteta oblgace (dlužía) vůč matel oblgace (věřtel) Tříděí z hledsa doby splatost - rátodobé : splatost do 1 rou

Více

Téma 6: Indexy a diference

Téma 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 -

Více

Statistika - vícerozměrné metody

Statistika - 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

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

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

Nepředvídané události v rámci kvantifikace rizika

Nepředvídané události v rámci kvantifikace rizika Nepředvídaé událost v rác kvatfkace rzka Jří Marek, ČVUT, Stavebí fakulta {r.arek}@rsk-aageet.cz Abstrakt Z hledska úspěchu vestce ohou být krtcké právě ty zdroe ebezpečí, které esou detfkováy. Vzhlede

Více

SPOŘENÍ. Spoření krátkodobé

SPOŘENÍ. Spoření krátkodobé SPOŘENÍ Krátkodobé- doba spořeí epřesáhe jedo úrokové období (obvykle 1 rok). Úroky jsou přpsováy a koc doby spořeí. Jedotlvé složky jsou úročey a základě jedoduchého úročeí. Dlouhodobé doba spořeí bude

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ 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

Více

DURACE A INVESTIČNÍ HORIZONT PŘI INVESTOVÁNÍ DO DLUHOPISŮ

DURACE A INVESTIČNÍ HORIZONT PŘI INVESTOVÁNÍ DO DLUHOPISŮ DURACE A INVESTIČNÍ HORIZONT PŘI INVESTOVÁNÍ DO DLUHOPISŮ Ivestičí horizot IH: doba, po kterou má ivestor v daé ivestici vázáy své peíze. Při ivestici do dluhopisu jsme vystavei riziku změy výosů Uvažujme

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

EFEKTIVNOST ENVIRONMENTÁLNÍCH INVESTIC

EFEKTIVNOST ENVIRONMENTÁLNÍCH INVESTIC EFEKTIVNOST ENVIRONMENTÁLNÍCH INVESTIC Marcela Kožeá Uiverzita Pardubice, Fakulta ekoomicko-správí, Ústav ekoomiky a maagemetu Abstract: Ivestmet decisio makig belogs to the most importat decisio of eterprise

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

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B) Přijímací řízeí pro akademický rok 24/5 a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata B) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY

VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY Záklaí pom Rozhoutí výběr eé ebo více varat z mož všech přípustých varat. Rozhoovatel subekt, který má za úkol učt rozhoutí. V úlohách vícekrterálí aalýz varat

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Srovnání kapitálového požadavku na kreditní riziko dle NBCA s ekonomickým kapitálem dle CreditMetrics

Srovnání kapitálového požadavku na kreditní riziko dle NBCA s ekonomickým kapitálem dle CreditMetrics Srováí kaptálového požadavku a kredtí rzko dle NBCA s ekoomckým kaptálem dle CredtMetrcs Josef Novotý 1 Abstrakt Příspěvek je věová popsu a aplkac dvou základích metod, které určují kaptálový požadavek

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

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

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č. Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

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

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

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru www.czso.cz jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky 10.10. V kapitole 7. Idexy

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

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

DISTRIBUČNÍ ÚLOHY (Speciální úlohy LP)

DISTRIBUČNÍ ÚLOHY (Speciální úlohy LP) DISTRIBUČNÍ ÚLOHY (Specálí úlohy L) Forulace dstrbučí (dopraví) úlohy: Je dáo dodavatelů se záý počte edotek určtého produktu a ( =,,, ) a spotřebtelů, kteří požaduí teto produkt v ožství b edotek ( =,,,

Více

Princip tržního odstupu v ocenění nehmotného majetku #

Princip tržního odstupu v ocenění nehmotného majetku # Úvod Prcp tržího odstupu v oceěí ehmotého maetku # Jří Jakoubek * Teto čláek, zaměřeý a problematku podkových uskupeí a ceotvorbu ve specfckém, resp. specfcky utvořeém prostředí, s klade za cíl rozkrýt

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík

UČEBNÍ 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...

Více

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1 Středí hodoty. Artmetcký průměr prostý Aleš Drobík straa 0. STŘEDNÍ HODNOTY Př statstckém zjšťováí často zpracováváme statstcké soubory s velkým možstvím statstckých jedotek. Např. soubor pracovíků orgazace,

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

ANALÝZA 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 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,

Více

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b Najděte itu Poslouposti a číselé řady ) + Protože + = + x ) + + =, je + + + + ) + = = 0 + + Najděte itu 3 si! + Protože je si! a 3 = 0, je 3 si! = 0 Najděte itu + a + a + + a + b + b, a

Více

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu ÚROKVÁ SAZBA A VÝPOČET BUDOUÍ HODNOTY. Typy a druhy úročeí, budoucí hodota ivestice Úrok - odměa za získáí úvěru (cea za službu peěz) Ročí úroková sazba (míra)(i) úrok v % z hodoty kapitálu za časové období

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Evropský socálí fod Prh & EU: Ivestuee do vší udoucost eto terál vkl díky Operčíu progru Prh dptlt CZ..7/3..00/3354 Mžerské kvtttví etody II - předášk č. - eore her eore her 96 vo Neu, Morgester kldtelé

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový 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

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C) Přijímací řízeí pro akademický rok 24/ a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata C) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 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,

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

Statistická analýza dat

Statistická 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

Více

b c a P(A B) = c = 4% = 0,04 d

b c a P(A B) = c = 4% = 0,04 d Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá

Více

Využití účetních dat pro finanční řízení

Využití účetních dat pro finanční řízení Využtí účetích dat pro fačí řízeí KAPITOLA 4 V rác této kaptoly se zaěříe a časovou hodotu peěz (a to včetě oceňováí ceých papírů), která se prolíá celý vestčí rozhodováí, dále a fačí aalýzu (vycházející

Více

Testy statistických hypotéz

Testy statistických hypotéz Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč

Více

Finanční řízení podniku. Téma: Časová hodnota peněz

Finanční řízení podniku. Téma: Časová hodnota peněz Fiačí řízeí podiku Téma: Časová hodota peěz Faktor času se ve fiačím řízeí uplatňuje a) při rozhodováí o ivesticích b) při staoveí trží cey majetku podiku c) při ukládáí volých peěžích prostředků d) při

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

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

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika 9 Kombatora, teore pravděpodobost a matematcá statsta Te, do argumetue průměrým platem, e s velou pravděpodobostí vysoce adprůměrý vůl s hluboce podprůměrým vzděláím (Mloslav Drucmüller) 9. Kombatora Kombatora

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT (OPRAVENÁ VERZE 006) Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 Obsah: Úvod... 3 Programové prostředky pro statstcké výpočty... 4. Tabulkový

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určté předpoklady (hypotézy) o základím souboru STATISTICKÁ HYPOTÉZA předpoklad (tvrzeí) o parametru G základího

Více

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů Techologe skla 00/03 C V I Č E N Í 4. Představeí rmy pltex Czech. Vlastost skla a sklovy 3. Adtvta 4. Příklady výpočtů Hospodářská akulta. Představeí rmy pltex Czech a.s. [,] Frma pltex Czech je součástí

Více

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika) Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.

Více

Základní požadavky a pravidla měření

Základní požadavky a pravidla měření Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu

Více

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika Co e to statistika? Statistické hodoceí výsledků zkoušek Petr Misák misak.p@fce.vutbr.cz Statistika e ako bikiy. Odhalí téměř vše, ale to edůležitěší ám zůstae skryto. (autor ezámý) Statistika uda e, má

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

Opakování. Metody hodnocení efektivnosti investic. Finanční model. Pravidla pro sestavení CF. Investiční fáze FINANČNÍ MODEL INVESTIČNÍHO ZÁMĚRU

Opakování. Metody hodnocení efektivnosti investic. Finanční model. Pravidla pro sestavení CF. Investiční fáze FINANČNÍ MODEL INVESTIČNÍHO ZÁMĚRU Metody hodoceí efektvost vestc Opakováí Typy vazeb v uzlové síťové grafu K čeu slouží stude využtelost Fačí odel vestčího záěru Časová hodota peěz Metody vyhodoceí Napšte strukturu propočtu Fačí odel FINANČNÍ

Více

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový 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

Více

Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv

Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv 3. meziárodí koferece Řízeí a modelováí fiačích rizik Ostrava VŠB-U Ostrava, Ekoomická fakulta, katedra Fiací 6.-7. září 006 tegrace hodot Value-at-Risk lieárích subportfolií a bázi vícerozměrého ormálího

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

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

APLIKACE 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

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

Fakulta elektrotechniky a informatiky Statistika STATISTIKA

Fakulta elektrotechniky a informatiky Statistika STATISTIKA Fakulta elektrotechky a formatky TATITIKA. ZÁKLADNÍ OJMY. Náhodý pokus a áhodý jev NÁHODNÝ OKU proces realzace souboru podmíek kde výsledek emůžeme předem ovlvt. - výsledek áhodého pokusu. - jev, který

Více

BIVŠ. Pravděpodobnost a statistika

BIVŠ. Pravděpodobnost a statistika BIVŠ Pravděpodobost a statstka Úvod Skrpta Pravděpodobost a statstka jsou učebím tetem pro stejojmeý kurz magsterského studa Bakovího sttutu vysoké školy Kurzy Pravděpodobost a statstka a avazující kurz

Více

Rotační šroubové kompresory se vstřikem chladiva. řady R 55-75 kw

Rotační šroubové kompresory se vstřikem chladiva. řady R 55-75 kw Rotačí šroubové kompresory se vstřkem chladva řady R 55-75 kw Nová úroveň spolehlvost, účost a produktvty Vzduchové kompresory s rotačím šrouby Igersoll Rad řady R poskytují to ejlepší z dlouhodobě osvědčeých

Více

4. Strojové učení. 4.1 Základní pojmy

4. Strojové učení. 4.1 Základní pojmy 4. Stroové učeí 4. Základí pomy Důležtou vlastostí žvých orgasmů e schopost přzpůsobovat se měícím se podmíkám (adaptovat se), evetuálě se učt a základě vlastích zkušeostí. Schopost učt se bývá ěkdy dokoce

Více

ÚVOD DO PRAKTICKÉ FYZIKY I

ÚVOD DO PRAKTICKÉ FYZIKY I JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost

Více

VŠB Technická univerzita Ostrava DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK

VŠB Technická univerzita Ostrava DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK VŠB Techcká uverzta Ostrava Fakulta elektrotechky a formatky DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK Dzertačí práce Studjí obor: Školtel: Doktoradka: Výpočetí a aplkovaá matematka

Více

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G.

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G. SÍŤOVÁ ANALÝZA Využívá grafcko-analytcké metody pro plánování, řízení a kontrolu složtých návazných procesů. yto procesy se daí rozložt na dílčí a organzačně spolu souvseící čnnost. yto procesy se nazývaí

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

ŘADY Jiří Bouchala a Petr Vodstrčil

ŘADY Jiří Bouchala a Petr Vodstrčil ŘADY Jiří Bouchala a Petr Vodstrčil Text byl vytvoře v rámci realizace projektu Matematika pro ižeýry 2. století (reg. č. CZ..07/2.2.00/07.0332), a kterém se společě podílela Vysoká škola báňská Techická

Více

FLUORIMETRIE. Jan Fähnrich. Obecné základy

FLUORIMETRIE. Jan Fähnrich. Obecné základy FLUORIMETRIE Ja Fährch Obecé základ Fluormetre je aaltcká metoda vužívající schopost ěkterých látek vsílat (emtovat) po předchozím převedeí do vzbuzeého (exctovaého) stavu fluorescečí zářeí v ultrafalové

Více

ÚROKOVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY

ÚROKOVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY ÚROKOVÁ SAZBA A VÝPOČET BUDOUÍ HODNOTY 1. Typy a druhy úročeí, budoucí hodota ivestice Úrok - odměa za získáí úvěru (cea za službu peěz) Ročí úroková sazba (míra)(r) úrok v % z hodoty kapitálu za časové

Více

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy

UNIVERZITA 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

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více