STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ

Rozměr: px
Začít zobrazení ze stránky:

Download "STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ"

Transkript

1 Prof. Ig. Albert Bradáč, DrSc. STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ Příspěvek vazuje publikovaý čláek Studie metodiky zleckého výpočtu ekoomického ájemého z bytu a ěkterých pricipů při staoveí obvyklého ájemého z bytu část 1 (kolektiv autorů, Soudí ižeýrství č. 2/2004), v ěmž byl demostrová způsob výpočtu ekoomického ájemého z bytu. V této druhé části je rozvede pricip zjištěí ájemého obvyklého. včetě případé altertiví, tržě koformí metodiky odvozeí ájemého z cey bytu. V závěru pak je stíě možost využití této metodiky pro přechodou etapu deregulace ájemého. Příspěvek byl z velké části předese kofereci zlců v Brě de Autor si ečií árok defiitiví řešeí problému, příspěvek považuje za ámět k případé další diskusi o této problematice. 1. OBVYKLÉ NÁJEMNÉ Defiice obvyklé cey majetku ebo služby je dá v 2 odst. 1 záko č. 151/1997 Sb., o oceňováí majetku: Obvyklou ceou se pro účely tohoto záko rozumí ce, která by byla dosaže při prodejích stejého, popřípadě obdobého majetku ebo při poskytováí stejé ebo obdobé služby v obvyklém obchodím styku v tuzemsku ke di oceěí. Přitom se zvažují všechy okolosti, které mají ceu vliv, avšak do její výše se epromítají vlivy mimořádých okolostí trhu, osobích poměrů prodávajícího ebo kupujícího ai vliv zvláští obliby. Mimořádými okolostmi trhu se rozumějí příklad stav tísě prodávajícího ebo kupujícího, důsledky přírodích či jiých kalamit. Osobími poměry se rozumějí zejmé vztahy majetkové, rodié ebo jié osobí vztahy mezi prodávajícím a kupujícím. Zvláští oblibou se rozumí zvláští hodota přikládaá majetku ebo službě vyplývající z osobího vztahu k im. Je zřejmé, že v daém případě bude rozhodující ceové porováí (srováí, komparace) s ájemým sjedým u stejých ebo podobých bytů. Metody ceového porováí jsou dvě: porováí přímé, přímo mezi jiými srovtelými projímaými byty a bytem, jehož ájemé staovujeme, ebo epřímé soubor údajů o projímaých bytech a jejich ájemém je zpracová průměrý, základí, stadardí byt (etalo) a s tímto etaloem a jeho ájemým je pak porovává byt posuzovaý. Hlavím problémem tohoto postupu je staoveí kriterií srovtelosti a jejich relativí váhy při posuzováí. Vždy je třeba respektovat případé odlišosti a tak respektovat, co je uvedeo výše v defiici: Přitom se zvažují všechy okolosti, které mají ceu vliv,. Tato věta je pohled obecá, ale v důsledku velmi důležitá. Jako výzmá pomůcka pro staoveí idexu odlišosti jedotlivých bytů může sloužit příklad tabulka č. 3 přílohy č. 17 vyhlášky č. 540/2002 Sb. ( Charakteristika kvalitativích pásem hodoceých zků u bytů oceňovaých porovávacím způsobem ). Dosahovaé ájemé je důležitým podkladem pro ceové porováí. Údaje o skutečé výši dosahovaého ájemého jsou však prakticky edostupé, víc mohou být při adresém zjišťováí zatížey řadou zkresleí. Realití izerce, pokud jsme si vědomi jejích specifik, je proto také jedím ze spolehlivých objektivích podkladů pro ceové porováí při zjišťováí obvyklého ájemého. Zejmé je důležité uvědomit si, že cey izerovaé jsou zpravidla mírě vyšší, ež jaké budou koec dosažey. Je však možo uvažovat s kriteriem, že staoveé ájemé z posuzovaého bytu emůže být větší ež ájemé stejého bytu izerovaého k proájmu. Z izerce je třeba vzít v úvahu co ejvíce dostupých iformací, u co ejvětšího počtu objektů. Prof. Ig. Albert Bradáč, DrSc., ÚSI VUT, Údolí 53, Bro. 56

2 2. ZPRACOVÁNÍ DATABÁZÍ NÁJEMNÉHO Základí problémy při staoveí obvyklého ájemého jsou: jaký je dostatečý počet porovtelých případů (srovávacích bytů), ásledě jaké je ejpravděpodobější ájemé, případě jaké je rozmezí výsledku při určité požadovaé pravděpodobosti. Pokud má být matematický model (v šem případě postup staoveí ájemého) použit pro objektiví posouzeí, musí být zámo, s jakou přesostí byly získáy vstupí veličiy, dosazovaé do výpočtu, a jaká je z těchto chyb výsledá chyba, resp. rozptyl výsledku. Při pozorováí a hodoceí máme teoreticky možost mít k dispozici všechy hodoty, které existují příklad ájemé všech bytů 2+1, projatých v daém místě a čase. Teto úplý soubor se zývá základí soubor. Nejpravděpodobější hodotou cey zde pak bude středí hodota aritmetický průměr zjištěých hodot. Ve skutečosti však zpravidla ebudeme mít možost zjistit všechy hodoty, resp. průběžé zjišťováí všech hodot by bylo velmi pracé a eekoomické. Pak pracujeme je s částí základího souboru tzv. výběrovým souborem. Průměr tohoto výběrového souboru se však již emusí shodovat s průměrem souboru základího; je potom třeba zát, jaká je ejmeší velikost výběrového souboru, aby dostatečě reprezetoval soubor základí (tedy aby byl v ekoomicky přijatelých mezích objektiví). Obrázek zázorňuje základí soubor a možé výběrové soubory růzí zlci mohou pracovat s jiými získaými databázemi, ěkteré se mohou prolít ap. Základí soubor a výběrové soubory Jako charakteristika přesosti souboru se zpravidla používá směrodatá odchylka σ (též: středí kvadratická chyba, středí chyba, středí chyba metody měřeí, základí středí chyba, středí kvadratická odchylka ap.), což je odmoci z průměru druhých moci (čtverců) lieárích odchylek: Směrodatá odchylka i= 1 σ =± Â( x - x) 2 i U výběrového souboru se vypočte výběrová směrodatá odchylka s, která je vždy o ěco vyšší ež směrodatá odchylka, s rostoucím počtem hodot se rozdíl zmešuje: Výběrová směrodatá odchylka s =± Â( x - x) 2 i i= 1-1 Pozámka: v tabulkovém kalkulátoru MS Excel se počítá pomocí tzv. výpočtových vzorců (dávají stejé výsledky): Směrodatá odchylka: =SMODCH() σ = Výběrová směrodatá odchylka: =SMODCH.VÝBĚR() s = Â ( Â ) 2 2 x - x 2 2 Â - ( Â ) ( - 1) 2 x x Při slovím vyjádřeí stupě pravděpodobosti se v právické literatuře rozlišuje: 0 % emožost, aby děj stal, do 50 % možost, že děj stal, % pravděpodobost, že děj stal, % převažující pravděpodobost, že děj stal, % velká (vysoká) pravděpodobost, že děj stal, 85 97(99) % velmi vysoká pravděpodobost, že děj stal, 97(99) % a více pravděpodobost hraičící s jistotou, 100 % jistota, že děj stal, Podstatě vyšší pravděpodobost výskytu je v souboru u hodot, jež se blíží průměru (středí hodotě), podstatě meší pak u těch, jež jsou od průměru dále čím vzdáleější, tím je pravděpodobost ižší. U tzv. ormálího rozděleí pravděpodobosti je grafickým vyjádřeím této skutečosti zámá Gaussova křivka ormálího rozděleí. U ormálího rozděleí pravděpodobosti platí, že v itervalu kolem středí hodoty (průměru) x ±1 σ je 68,27 % všech měřeých hodot ±1,5 σ 86,64 % ±2 σ 95,45 % ±2,5 σ 98,76 % ±3 σ 99,73 % Za obvyklý iterval spolehlivosti v techických discipliách (tzv. techická jistota) je bráo ±2 až 3 σ. V daém případě odhadu hodoty emovitostí se ovšem autor domívá (a i literatura to potvrzuje), že za přijatelý iterval pro vyhodoceí souboru dat o ceách emovitostí za účelem odhadu lze považovat ± 1 σ, což reprezetuje pravděpodobost 68,27 % (slovím vyjádřeím pravděpodobost převažující až velká). Z pravidel matematické statistiky a počtu pravděpodobosti vyplývá, že porováí je tím věrohodější, čím větší je použitý soubor. Za statisticky výzmý lze v šem případě považovat soubor, jež obsahuje alespoň 15 až 17 prvků; stále ovšem platí, že čím více, tím je výsledek spolehlivější. Čím budou srovávaé objekty vzájemě odlišější, tím více hodot by mělo být pro porováí k dispozici. Postup při získáí a zpracováí porovávací databáze bude tedy ásledující: 57

3 získáí dat o projímaých srovtelých bytech ve srovtelých lokalitách, případě rozděleí byty v ovostavbách, po GO, rekostruovaé, byty bez stavebích úprav, budovy zděé paelové, úprava ájemého o případé započteé ikaso resp. projaté vybaveí bytu (uto vždy očistit ájemé čisté), úprava ce zámé odlišosti, kotrola databáze a očištěí od extrémě malých ebo velkých ce, výpočet průměré cey ájemého jako ejpravděpodobější, ev. výpočet směrodaté odchylky a ásledě pravděpodobého rozsahu. 3. ALTERNATIVNÍ METODIKA ZJIŠTĚNÍ OBVYKLÉHO NÁJEMNÉHO Ne ve všech lokalitách je možo získat vypovídající databázi o ájemém. Pak se bízí jako spolehlivější áhradí metodika výpočet základě závislosti mezi ájemým a obvyklou trží ceou bytů. Z alýz prováděých v ČR i v zahraičí je zámo, že tato poměrě úzká závislost existuje eregulovaé ročí ájemé se pohybuje okolo 6 až 8 % z trží obvyklé cey bytu v závislosti výši rizika spojeého s proájmem, s průměrou hodotou 7 %. Pro podmíky ČR ověřovala uvedeou závislost studetka doktorského studijího programu Ig. Barbora Dokládalová (podrobější výsledky její práce budou zveřejěy samostatě). Pro město Bro v průměru vycházejí ásledující hodoty eregulovaého ájemého (v % z trží cey bytu): byty cca 6,0 %, byty cca 6,4 %, byty cca 7,4 %, byty cca 8,0 %, velké byty v ovostavbách, v lukrativích oblastech, zejmé cetra velkých měst... až 12 %. Pro další oblasti ČR probíhá v současé době ÚSI další ověřováí. Postup při altertiví metodice staoveí obvyklého ájemého z bytu by tedy byl ásledující: zjistit trží (obvyklou) ceu kokrétího bytu, příslušým procetem odvodit ročí ájemé. 4. NÁVRH VYUŽITÍ ALTERNATIVNÍ METODIKY PRO PŘÍPADNÝ POSTUP DEREGULACE NÁJEMNÉHO V současé době probíhá vzrušeá diskuse okolo velmi ožehavého tématu deregulace ájemého. Jak bylo publikováo ve sdělovacích prostředcích, je v ČR bytů s původě regulovaým ájemým okolo Pokud předpokládáme v každém z těchto bytů odhadem průměrě 2,6 osoby, pak jsou to celkem 2 milioy obyvatel. Zbývajících 8 milioů má buď bydleí vlastí (rodié domy, byty v osobím vlastictví), ebo ájemí (byty družsteví, kde musí hradit veškeré áklady, ebo byty s tržím ájemým). Pokud by ájemé z bytů s regulovaým ájemým edosahovalo ákladů, jež souvisejí s jejich pořízeím a provozem, pak je zřejmé, že oěch 8 milioů občaů eje že hradí celé své bydleí, ale ještě ze svých daí doplácejí provoz bytů s ájemým regulovaým. Jedou z možostí vlastíků, jak dosáhout přiměřeého ájemého, je žaloba u soudu. Pak jako výzmí pomocíci soudu stupují zlci, kteří staovují výši ájemého v ěkolika roviách buď ákladové ájemé, které kryje áklady vlastíka, aiž má z proájmu výos, ebo ájemé ekoomické, které přiáší i určitý výos z kapitálu vložeého do pořízeí pozemků a staveb, případě ájemé trží, tj. takové, které je v daém místě dosahováo při proájmu obdobých bytů. Na Ústavu soudího ižeýrství VUT v Brě, kde se dlouhodobě zabýváme mj. i oceňováím emovitostí, jsme se pokusili podívat se teto problém bez politických brýlí, čistě pragmaticky, očima ezávislých odboríků, jakými by soudí zlci měli být. Neřešíme zde důsledky případého zvyšováí ájemého pro ěkteré skupiy obyvatel; toto patří zase jiým odboríkům. Občaský zákoík v 671 staoví, že ájemce je povie platit ájemé podle smlouvy, jik ájemé obvyklé v době uzavřeí smlouvy s přihlédutím k hodotě projaté věci a způsobu jejího užíváí (poz.: vzhledem k dlouhodobosti smluv by asi bylo správější používat ájemé obvyklé v době plěí). Náklady provoz bytových domů lze poměrě přesě vypočíst. Přitom je třeba brát v úvahu všechy ákladové položky, e je áklady opravy, jak je v posledí době oblíbeým argumetem. Patří sem zejmé (blíže viz 1. část k tomuto tématu v SI 2/2004): daň z emovitostí; výpočtem lze zjistit, že v současé době připadá podle obce a velikosti objektu ročě 0,30 až 5,40 Kč 1 m 2 podlahové plochy bytu; pojištěí stavby (živelí a pojištěí odpovědosti za případé škody, které by z tohoto titulu mohly vzikout jiým osobám). Jeho výše závisí pojišťovacím ústavu, vybaveí hasičského sboru, poloze emovitosti v obci a její přístuposti, blízkosti hasičské staice, vybaveí stavby požárími hlásiči a způsobem siglizace aj. Lze je uvažovat ve výši okolo 2 z cey ové stavby, což čií ročě do 40 Kč 1 m 2 podlahové plochy bytu; áklady opravy, jež vzikají pří odstraňováí stavebích závad vziklých opotřebeím, stárutím a působeím povětrostích vlivů (epatří sem áklady ivestice zvyšující hodotu, ale patří sem áklady vyvolaé poviostmi přizpůsobit se ovým závazým, ale i doporučeým ormám EU). Tyto opravy obvykle ejsou prováděy rovoměrě v čase, ale střídají se s obdobími bez utosti oprav. U starších objektů budou zpravidla tyto průměré ročí áklady okolo 1,5 % z aktuálí reprodukčí cey stavby (včetě staveb utého příslušeství přípojek, oploceí, zpevěých ploch ap.). Po přepočtu čií tyto áklady ročě průměrě do 300 Kč 1 m 2 podlahové plochy bytu; správa emovitosti je rověž ákladem, utým pro dosažeí příjmů. Je uto příklad provádět: sjedáváí a rozvazováí ájemích smluv resp. jejich výpovědi, jedáí s ájemci, vybíráí a vymáháí ájemého, včetě ákladů práví zastoupeí a soudí poplatky, rozúčtováí, výběr a ásledou úhradu plěí poskytovaých s užíváím bytu (ústředí (dálkové) vytápěí, dodávka teplé 58

4 vody, úklid společých prostor v domě, užíváí výtahu, dodávka vody z vodovodů a vodáre, odváděí odpadích vod kalizacemi, užíváí domoví prádely, osvětleí společých prostor v domě, kotrola a čištěí komíů, odvoz a likvidace komuálího odpadu, odvoz splašků a čištěí žump, vybaveí bytů společou televizí a rozhlasovou atéou, případě dalšími komuikačími přípojkami), prohlídky emovitostí, zajišťováí řemeslíků resp. firem pro údržbu a opravy, jedáí s úřady, pojišťovou ap., vedeí účetictví, vyplňováí daňových přizáí, pravidelé zajišťováí úhrady daě aj. Pokud tuto čiost provádí základě smlouvy jiá osoba ež vlastík (odborá firma pro správu emovitostí), je výše ákladů sdo zjistitelá. Pokud tuto čiost provádí sám vlastík, je samozřejmě místě, aby mu tato čiost byla uhraze. Podle výzkumů čií ročí áklady správu emovitostí okolo 30 Kč 1 m 2 podlahové plochy bytu; amortizace (odpisy): stavba stáre, její hodota se vlivem užíváí a chátráí jedotlivých kostrukcí a vybaveí sižuje. Po dožití stavby (fyzickém či morálím) by proto měl mít vlastík obos její opětové postaveí, geerálí opravu resp. větší moderizaci. Toto zabezpečuje položka amortizace (odpisy), což by v daém případě měly být částky, střádaé z ájemého za dobu životosti stavby. (Poz.: ejedá se o odpisy účetí.). Složitějším výpočtem pomocí kapitalizovaé amortizace (viz opět SI 2/2004) lze zjistit, že pro zajištěí této položky je třeba při deších úrokových sazbách peěžích ústavů ukládat ročě částku ve výši přibližě 1 % z cey ových staveb, uvažovaou k datu výpočtu (ikoliv ceu původího pořízeí, poěvadž je třeba spořit částku budoucí oboveí, které již ebude možo pořídit za ceu původí); ájemé z pozemku pod budovou, pokud je pozemek jiého vlastíka, případě přiměřeý výos z cey pozemku vlastího; áklady uvedeí do projímatelého stavu; tato položka přichází v úvahu vždy v případech, kdy jede ájemce byt opustí a před jeho předáím jiému je třeba byt uklidit, vymalovat, případě i částečě opravit; jako áklady je třeba uvažovat i edosažeé výosy z ájemého za dobu mezi odstěhováím jedoho ájemce a stěhováím dalšího, výdaje za izerci pro získáí dalšího ájemce, ezaplaceé ájemé ěkterých ájemců, kteří jsou potom zbavei užívacího práva ap. Pokud se všechy výše uvedeé položky zohledí, vychází tzv. ákladové ájemé, tedy takové, které kryje všechy průměré áklady vlastíka, pro rok 2005 ve výši dle tabulky. V dalších by bylo potřeba provést zvyšováí o iflaci, která příklad u cey staveb v posledích 4 čií 2,65 % ročě (oproti roku předešlému), započítat změu DPH stavebích prací a vyuceé áklady v důsledku přísějších evropských techických orem. Nákladové ájemé (ájemé, které kryje všechy průměré áklady vlastíka stavby) Údaje v Kč měsíčě za 1 m 2 skutečé podlahové plochy bytu, rok 2005 Pro výpočet byly použity koeficiety pro ákladové oceěí podle vyhlášky č. 540/2002 Sb. Výsledky mohou být epřesé příklad u malých obcí v blízkosti velkých měst. Kategorie bytu I. II. III. IV. Praha 50,00 48,00 46,00 43,00 Bro, Ostrava 48,00 46,00 44,00 42,00 Města d obyvatel 45,00 43,00 40,00 38,00 Města d do obyvatel 43,00 41,00 39,00 37,00 Města d do obyvatel 41,00 39,00 37,00 35,00 Obce do obyvatel 35,00 33,00 32,00 30,00 Jiou kategorií je ájemé trží (podle záko č. 151/1997 Sb., o oceňováí majetku, obvyklá ce služby ájemého). Zjišťuje se ceovým porováím (komparací) základě údajů z trhu, v daém případě z údajů, za jakou ceu jsou projímáy obdobé byty v obdobé lokalitě. Přitom je třeba zohledit všechy skutečosti, které mají výši ájemého vliv. Jede z ávrhů záko o ájemém z bytu předpokládá, že bude ejprve období přechodé, kdy se bude ájemé zatím (v rozporu s álezem Ústavího soudu) zvedat postupě v krocích k ájemému tržímu. Výše skutečého tržího ájemého v jedotlivých lokalitách je však záma zatím pouze u vybraých obcí a s omezeou přesostí z šetřeí IRI. Její přesější zjištěí by vyžadovalo určitou dobu. Jako východisko pro přechodé období by mohlo být staoveí cílového ájemého altertivím způsobem. Jak výše uvedeo, výzkumem v rámci doktorského studia Ústavu soudího ižeýrství VUT v Brě bylo volém trhu s proájmy bytů v Brě zjištěo, že převážá část se projímá za ájemé, jehož ročí výše odpovídá cca 6 až 8 % trží cey stejých bytů; teto údaj také korespoduje s hodotami běžými v zemích se stabilizovaou trží ekoomikou. Za základ orietačího propočtu cílové hodoty tržího ájemého pro přechodé období deregulace by přitom bylo možo vzít údaje o ceách za 1 m 2 podlahové plochy středě opotřebeých bytů, získaé z kupích smluv při prodeji bytů fičími úřady, zpracovaé Českým statistickým úřadem a zveřejěé Miisterstvem ficí v příloze č. 17 vyhlášky č. 640/2004 Sb. Jedá se o velmi obsáhlou databázi, která při jejím charakteru získáváí hodot z kupích smluv zaručuje, že pro přechodé období (ež se shromáždí údaje o ájemém skutečě dosahovaém) cílová hodota bude spíše ižší. 59

5 Hodoty takového výpočtu jsou zkráceě uvedey v tabulce pro dolí hraici zjištěého rozmezí 6 % a předpokládaou dobou přechodého období 4 roky. Z porováí s tabulkou ákladového ájemého je zřejmé, že u meších měst a obcí by již v současé době toto trží ájemé stěží krylo áklady provozováí objektů. Obce Max. základí ájemé regulovaé, zaokrouhleo, byty I. kategorie (dle MMR) v Odhad tržího ájemého ve výši 6 % z cey bytu podle přílohy č. 17 vyhlášky, přepočteo ájemé miimum 55 Praha 37 průměr 87 maximum 186 miimum 50 Bro 27 průměr 62 maximum 80 Krajská města miimum 30 a další města 21 průměr 42 d obyvatel maximum 54 Města miimum 25 d průměr 33 do obyvatel maximum 45 Města miimum 24 d průměr 29 do obyvatel maximum 44 Obce miimum 16 do průměr 23 obyvatel maximum 29 Pro staoveí průběhu deregulace před stadardím obdobím jsou možé růzé variaty, jež jsou dále uvedey s výsledky obsáhlých podrobých propočtů. Variaty č. 1 a 2 jsou výsledky matematických propočtů, ěkde bez zohleděí álezů Ústavího soudu resp. Evropského soudu pro lidská práva; porováí a závěry echť si čteář učií laskavě sám. Variata č. 1: jako výchozí je vzata posledí hodota regulovaého ájemého, jako hodota cílová, jež by byla dosaže koci přechodého období, je použito ájemé zjištěé podílem z trží cey, v žádé fázi eí brá zřetel ákladové ájemé (ájemé, které by krylo je áklady vlastíka, s ulovým ziskem z vložeého kapitálu). Proceto ročího Meziročí ho ájemého ( ) Kategorie bytu ájemého z cey bytu Miimum Maximum Průměr I. 6,00 0,15 29,69 5,54 II. 5,30 0,54 27,21 5,55 III. 4,83 0,80 25,55 5,54 IV. 4,36 1,06 23,87 5,54 Veliči Max. základí ájemé Přehled byty I. kategorie variata č. 1 Cílové ájemé Rozdíl mezi současým ájemým regulovaým a cílovým Meziročí ho ájemého Miimum 15,23 15,99 0,75 0,15 Maximum 37,07 185,50 148,43 29,69 Průměr 24,37 52,08 27,71 5,54 60

6 Variata č. 2: jako výchozí je vzata posledí hodota regulovaého ájemého, jako hodota cílová je použito ákladové ájemé. Pokud ovšem ákladové ájemé je vyšší ež trží zjištěé podílem z trží cey bytu, je jako cílová hodota uvažováo ájemé ákladové, cílová hodota je tedy rov ejméě ákladovému ájemému. Proceto ročího Meziročí ho ájemého ( ) Kategorie bytu ájemého z cey bytu Miimum Maximum Průměr I. 6,00 2,75 29,69 6,04 II. 5,10 3,32 25,98 5,94 III. 4,44 3,42 23,13 5,74 IV. 3,39 3,73 17,87 5,20 Veliči Max. základí ájemé Přehled byty I. kategorie variata č. 2 Cílové ájemé Rozdíl mezi současým ájemým regulovaým a cílovým Meziročí ho ájemého Miimum 15,23 29,00 13,77 2,75 Maximum 37,07 185,50 148,43 29,69 Průměr 24,37 54,57 30,20 6,04 Variata č. 3: jako prví krok je eprodleě upraveo ájemé výši ájemého ákladového (v duchu všech álezů Ústavího soudu i v duchu rozhodutí Evropského soudu pro lidská práva ze de 22. úora 2005 v kauze Hutte-Czapská versus Polsko), přitom ovšem by se mohlo stát, že v ěkterých špatých lokalitách by po této úpravě ájemé bylo vyšší ež trží, v ásledých etapách je případý zbývající rozdíl rozděle rovoměrě, hodota cílová je alogická s variatou č 3. Tabulky variaty č. 3 oproti předchozím zahrují i iflaci při výpočtu ákladového ájemého v budoucu, áklady údržbu a opravy jsou uvažováy 1,5 % z reprodukčí cey staveb oproti 1,0 % výše. Proceto ročího ájemého z cey bytu Úvodí skok úroveň ákladového ájemého (měsíčě ) Meziročí ho ájemého v ásledujících etapách (měsíčě ) Kategorie bytu mi. max. průměr mi. max. průměr I. 6,00 12,93 26,69 20,32 0,75 33,88 3,77 II. 5,82 20,21 29,28 24,42 1,00 33,02 3,77 III. 5,67 23,11 29,56 26,48 0,75 32,34 3,77 IV. 5,50 23,66 31,70 28,24 0,75 31,76 3,77 Přehled I. kategorie variata č. 3 Veliči Max. regulovaé Nákladové Úvodí skok Cílové ájemé Rozdíl mezi Meziročí základí ájemé ájemé ákladové ájemé měsíčě ájemým po ev. úpravě ákladové a cílovým ho ájemého Mi. 15,23 35,00 12,93 38,00 3,00 0,75 Max. 37,07 50,00 26,69 185,50 135,50 33,88 Průměr 24,37 44,69 20,32 59,77 15,08 3,77 61

7 Možý průběh deregulace za předpokladu, že by ejprve byla u všech bytů provede úprava ájemé ákladové a potom do 4 roků deregulace ájemé trží, ejméě však ákladové, je zřejmý připojeých grafech. 62

8 Přehledová tabulka variaty č. 3 dle lokalit Kraj Kategorie bytu: I. kategorie II. kategorie III. kategorie IV. kategorie Obec / počet v tisících Praha PRAHA 1 12,93 33,88 20,21 33,02 24,40 32,34 27,56 31,76 Praha PRAHA 2 12,93 23,63 20,21 23,07 24,40 22,65 27,56 22,37 Praha PRAHA 3 12,93 6,60 20,21 6,54 24,40 6,56 27,56 6,76 Praha PRAHA 4 12,93 8,41 20,21 8,30 24,40 8,27 27,56 8,42 Praha PRAHA 5 12,93 12,88 20,21 12,63 24,40 12,49 27,56 12,51 Praha PRAHA 6 12,93 15,81 20,21 15,49 24,40 15,27 27,56 15,20 Praha PRAHA 7 12,93 11,38 20,21 11,18 24,40 11,07 27,56 11,14 Praha PRAHA 8 12,93 9,94 20,21 9,78 24,40 9,71 27,56 9,82 Praha PRAHA 9 12,93 10,90 20,21 10,72 24,40 10,62 27,56 10,70 Praha PRAHA 10 12,93 11,43 20,21 11,23 24,40 11,12 27,56 11,18 Praha PRAHA 11 12,93 9,01 20,21 8,89 24,40 8,84 27,56 8,97 Praha PRAHA 12 12,93 8,53 20,21 8,41 24,40 8,38 27,56 8,52 Praha PRAHA 13 12,93 7,94 20,21 7,84 24,40 7,82 27,56 7,99 Praha PRAHA 14 12,93 7,06 20,21 6,99 24,40 7,00 27,56 7,18 Praha PRAHA 15 12,93 7,30 20,21 7,22 24,40 7,22 27,56 7,40 Praha PRAHA 16 12,93 7,65 20,21 7,56 24,40 7,55 27,56 7,72 Praha PRAHA 17 12,93 4,58 20,21 4,58 24,40 4,64 27,56 4,90 Praha PRAHA 18 12,93 8,33 20,21 8,22 24,40 8,19 27,56 8,34 Praha PRAHA 19 12,93 5,63 20,21 5,60 24,40 5,64 27,56 5,87 Praha PRAHA 20 12,93 9,91 20,21 9,76 24,40 9,69 27,56 9,80 Praha PRAHA 21 12,93 6,50 20,21 6,44 24,40 6,46 27,56 6,66 Praha PRAHA 22 12,93 1,50 20,21 1,40 24,40 1,55 27,56 1,91 Praha PRAHA 23 12,93 3,94 20,21 3,96 24,40 4,04 27,56 4,32 Praha PRAHA 24 12,93 4,78 20,21 4,77 24,40 4,83 27,56 5,09 Praha PRAHA 25 12,93 5,06 20,21 5,05 24,40 5,10 27,56 5,35 Praha PRAHA 26 12,93 3,63 20,21 3,66 24,40 3,75 27,56 4,03 Praha PRAHA 27 12,93 5,63 20,21 5,60 24,40 5,64 27,56 5,87 Praha PRAHA 28 12,93 4,92 20,21 4,91 24,40 4,97 27,56 5,22 Středočeský d 50 26,69 1,09 29,28 1,23 29,33 1,67 30,39 1,81 Středočeský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Středočeský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Středočeský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Jihočeský České Budějovice 24,65 1,00 27,74 1,00 28,13 1,25 29,52 1,21 Jihočeský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Jihočeský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Jihočeský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Plzeňský Plzeň 19,37 1,00 23,78 1,08 25,05 1,52 27,32 1,67 Plzeňský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Plzeňský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Plzeňský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Karlovarský Karlovy Vary 26,69 1,44 29,28 1,57 29,33 2,00 30,39 2,13 Karlovarský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Karlovarský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Karlovarský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Ústecký Ústí d Labem 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Ústecký d 50 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Ústecký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Ústecký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 63

9 Kraj Kategorie bytu: I. kategorie II. kategorie III. kategorie IV. kategorie Obec / počet v tisících Ústecký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Liberecký Liberec 21,58 1,00 25,43 1,00 26,34 1,25 28,24 1,00 Liberecký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Liberecký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Liberecký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Královéhradecký Hradec Králové 24,65 2,31 27,74 2,42 28,13 2,82 29,52 2,93 Královéhradecký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Královéhradecký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Královéhradecký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Pardubický Pardubice 24,65 1,00 27,74 1,00 28,13 1,25 29,52 1,00 Pardubický d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Pardubický d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Pardubický do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Vysoči Jihlava 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Vysoči d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Vysoči d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Vysoči do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Jihomoravský BRNO 1 20,58 5,03 25,43 5,03 28,00 5,10 30,57 5,11 Jihomoravský BRNO 2 20,58 8,07 25,43 7,99 28,00 7,98 30,57 7,90 Jihomoravský BRNO 3 20,58 4,81 25,43 4,82 28,00 4,90 30,57 4,91 Jihomoravský BRNO 4 20,58 4,69 25,43 4,70 28,00 4,78 30,57 4,80 Jihomoravský BRNO 5 20,58 5,55 25,43 5,53 28,00 5,59 30,57 5,59 Jihomoravský BRNO 6 20,58 5,11 25,43 5,11 28,00 5,17 30,57 5,18 Jihomoravský BRNO 7 20,58 1,93 25,43 2,03 28,00 2,17 30,57 2,27 Jihomoravský BRNO 8 20,58 1,88 25,43 1,97 28,00 2,12 30,57 2,22 Jihomoravský BRNO 9 20,58 1,25 25,43 1,25 28,00 1,41 30,57 1,53 Jihomoravský BRNO 10 20,58 1,25 25,43 1,25 28,00 1,34 30,57 1,47 Jihomoravský BRNO 11 20,58 1,25 25,43 1,25 28,00 1,42 30,57 1,54 Jihomoravský BRNO 12 20,58 1,25 25,43 1,25 28,00 1,00 30,57 1,00 Jihomoravský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 1,12 Jihomoravský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Jihomoravský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Olomoucký Olomouc 19,35 1,00 23,76 1,05 25,04 1,49 27,31 1,65 Olomoucký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Olomoucký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Olomoucký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Zlíský Zlí 25,34 1,00 28,25 1,00 28,53 1,25 29,81 1,00 Zlíský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Zlíský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Zlíský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Moravskoslezský Ostrava 23,24 1,25 27,45 1,25 29,56 1,00 31,70 1,00 Moravskoslezský d 50 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Moravskoslezský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Moravskoslezský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Moravskoslezský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Miimum 12,93 0,75 20,21 1,00 23,11 0,75 23,66 0,75 Maximum 26,69 33,88 29,28 33,02 29,56 32,34 31,70 31,76 Průměr 20,32 3,77 24,42 3,77 26,48 3,77 28,24 3,77 Jedá se samozřejmě o výpočet teoretický, který by bylo třeba dopracovat. Také by pravděpodobě bylo zapotřebí upravit v ěkterých městech děleí oblasti, aby se estalo, že jedé a téže ulici, která je hraici oblastí, by ájemé bylo každé straě odlišé. 64

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

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty)

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty) (variata s odděleým hodoceím ivestičích ákladů vyaložeých a jedotlivé privatizovaé objekty) Vypracoval: YBN CONSULT - Zalecký ústav s.r.o. Ig. Bedřich Malý Ig. Yvetta Fialová, CSc. Václavské áměstí 1 110

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

3689/101/13-1 - Ing. Vítězslav Suchý, U stadionu 1355/16, 434 01 Most tel.: 476 709 704 mobil: 605 947 813 E-mail: vit.suchy@volny.

3689/101/13-1 - Ing. Vítězslav Suchý, U stadionu 1355/16, 434 01 Most tel.: 476 709 704 mobil: 605 947 813 E-mail: vit.suchy@volny. 3689/101/13-1 - o ceě : Bytu č. 2654/16 v č. p. 2654 v bloku č. 10 složeém z domů č.p. 2651, 2652, 2653, 2654 a 2655 a pozemcích p. č. 2450, 2449, 2448, 2447 a 2446. včetě příslušeství v katastrálím území

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

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

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

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

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

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

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

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb Příloha č. 7 Dodatku ke Smlouvě o službách Systém měřeí kvality Služeb Dodavatel a Objedatel se dohodli a ahrazeí Přílohy C - Systém měřeí kvality Služeb Obchodích podmíek Smlouvy o službách touto Přílohou

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

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, 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

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

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

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

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

Praha - bytové prostory

Praha - bytové prostory Praha - bytové prostory Praha 1 Praha 2 Garsonka 3 750 000 13 000 2 770 000 12 000 Byt 2+1 6 900 000 19 000 4 100 000 15 000 Byt 3+1 10 100 000 21 000 5 200 000 16 000 Byt 4+1 11 500 000 35 000 7 000 000

Více

dálniced3 a rychlostní silnice Praha x Tábor x České Budějovice x Rakousko

dálniced3 a rychlostní silnice Praha x Tábor x České Budějovice x Rakousko dáliced3 a rychlostí silice R3 Praha Tábor České Budějovice Rakousko w w obsah základí iformace 3 dálice D3 a rychlostí silice R3 PrahaTáborČeské BudějoviceRakousko 3 > základí iformace 4 > čleěí dálice

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

17. Statistické hypotézy parametrické testy

17. Statistické hypotézy parametrické testy 7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé

Více

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme

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

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

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 je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter. Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový

Více

Zhodnocení přesnosti měření

Zhodnocení přesnosti měření Zhodoceí přesosti měřeí 1. Chyby měřeí Měřeím emůžeme ikdy zjistit skutečou (pravou) hodotu s měřeé veličiy. To je způsobeo edokoalostí metod měřeí, měřicích přístrojů, lidských smyslů i proměých podmíek

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

Praha - bytové prostory

Praha - bytové prostory Praha - bytové prostory Praha 1 Praha 2 Garsonka 3 690 000 13 500 2 630 000 12 500 Byt 2+1 6 700 000 20 000 3 900 000 17 000 Byt 3+1 9 900 000 22 000 5 600 000 18 000 Byt 4+1 10 110 000 30 000 7 000 000

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ PŘÍSPĚVKY THE SCIENCE FOR POPULATION PROTECTION 0/008 MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ STATISTICAL ASSESSMENT

Více

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

AMC/IEM J - HMOTNOST A VYVÁŽENÍ ČÁST JAR-OPS 3 AMC/IEM J - HMOTNOST A VYVÁŽENÍ ACJ OPS 3.605 Hodoty hmotostí Viz JAR-OPS 3.605 V souladu s ICAO Ae 5 a s meziárodí soustavou jedotek SI, skutečé a omezující hmotosti vrtulíků, užitečé zatížeí

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

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

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Základy 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

Více

FINANČNÍ MATEMATIKA SBÍRKA ÚLOH

FINANČNÍ MATEMATIKA SBÍRKA ÚLOH FINANČNÍ MATEMATIKA SBÍRKA ÚLOH Zpracováo v rámci projektu " Vzděláváí pro kokureceschopost - kokureceschopost pro Třeboňsko", registračí číslo CZ.1.07/1.1.10/02.0063 Gymázium, Třeboň, Na Sadech 308 Autor:

Více

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý

Více

Stanovisko SVJ Vazovova 3228 k dopisu paní Šedivé ze dne

Stanovisko SVJ Vazovova 3228 k dopisu paní Šedivé ze dne V Praze de 27.3 2009 Staovisko SVJ Vazovova 3228 k dopisu paí Šedivé ze de 17.3 2009. V průběhu měsíce úora bylo a ástěce SVJ vyvěšeo ozámeí o pláovaém shromážděí spolu s ávrhem programu a výzvou k vlastíkům

Více

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY.

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. Ig.Karel Hoder, ÚAMT-VUT Bro. 1.Úvod Optimálí rozděleí ákladů a vytápěí bytového domu mezi uživatele bytů v domě stále podléhá

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

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí

Více

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t. Techická aalýza Techická aalýza z vývoje cey a obchodovaých objemů akcie odvozuje odhad budoucího vývoje cey. Dalšími metodami odhadu vývoje ce akcií jsou apř. fudametálí aalýza (zkoumá podrobě účetictví

Více

Úloha II.S... odhadnutelná

Úloha II.S... odhadnutelná Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí

Více

13 Popisná statistika

13 Popisná statistika 13 Popisá statistika 13.1 Jedorozměrý statistický soubor Statistický soubor je možia všech prvků, které jsou předmětem statistického zkoumáí. Každý z prvků je statistickou jedotkou. Prvky tvořící statistický

Více

CENOVÉ MAPY ČESKÉ REPUBLIKY

CENOVÉ MAPY ČESKÉ REPUBLIKY str. 60 CENOVÉ MAPY ČESKÉ REPUBLIKY Ústecký Liberecký Královéhradecký Karlovarský Praha Plzeňský Středočeský Jihočeský Pardubický Jihomoravský Zlínský BYTOVÉ PROSTORY Praha 1 Praha 2 PRODEJ PRONÁJEM PRODEJ

Více

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý. evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické

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 zkvalitěí výuky prostředictvím ICT Téma III..3, pracoví list 3 Techická měřeí v MS Ecel Průměry a četosti, odchylky změřeých hodot. Ig. Jiří Chobot

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

Příloha č. 9 PPŽP Metodika projektů generujících příjmy

Příloha č. 9 PPŽP Metodika projektů generujících příjmy Příloha č. 9 PPŽP Metodika projektů geerujících příjmy Účiost: 1. 4. 2010 Verze č. 11.0 ~ 1 ~ 1. Výchozí podmíky - Obecá pravidla Postup u projektů geerujících příjmy vychází z čláku 55 Obecého ařízeí

Více

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH ECHNICKÝ AUDI VODÁRENSKÝCH DISRIBUČNÍCH SYSÉMŮ Ig. Ladislav uhovčák, CSc. 1), Ig. omáš Kučera 1), Ig. Miroslav Svoboda 1), Ig. Miroslav Šebesta 2) 1) 2) Vysoké učeí techické v Brě, Fakulta stavebí, Ústav

Více

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

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

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

1. Základy počtu pravděpodobnosti:

1. Základy počtu pravděpodobnosti: www.cz-milka.et. Základy počtu pravděpodobosti: Přehled pojmů Jev áhodý jev, který v závislosti a áhodě může, ale emusí při uskutečňováí daého komplexu podmíek astat. Náhoda souhr drobých, ezjistitelých

Více

8. Základy statistiky. 8.1 Statistický soubor

8. Základy statistiky. 8.1 Statistický soubor 8. Základy statistiky 7. ročík - 8. Základy statistiky Statistika je vědí obor, který se zabývá zpracováím hromadých jevů. Tvoří základ pro řadu procesů řízeí, rozhodováí a orgaizováí, protoţe a základě

Více

1. Definice elektrického pohonu 1.1 Specifikace pohonu podle typu poháněného pracovního stroje 1.1.1 Rychlost pracovního mechanismu

1. Definice elektrického pohonu 1.1 Specifikace pohonu podle typu poháněného pracovního stroje 1.1.1 Rychlost pracovního mechanismu 1. Defiice elektrického pohou Pod pojmem elektrický poho rozumíme soubor elektromechaických vazeb a vztahů mezi pracovím mechaismem a elektromechaickou soustavou. Mezi základí tři části elektrického pohou

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

Více

Teorie kompenzace jalového induktivního výkonu

Teorie kompenzace jalového induktivního výkonu Teorie kompezace jalového iduktivího výkou. Úvod Prvky rozvodé soustavy (zdroje, vedeí, trasformátory, spotřebiče, spíací a jistící kompoety) jsou obecě vzato impedace a jejich áhradí schéma můžeme sestavit

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

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

Přednáška VIII. Testování hypotéz o kvantitativních proměnných

Přednáška VIII. Testování hypotéz o kvantitativních proměnných Předáška VIII. Testováí hypotéz o kvatitativích proměých Úvodí pozámky Testy o parametrech rozděleí Testy o parametrech rozděleí Permutačí testy Opakováí hypotézy Co jsou to hypotézy a jak je staovujeme?

Více

MĚŘENÍ PARAMETRŮ OSVĚTLOVACÍCH SOUSTAV VEŘEJNÉHO OSVĚTLENÍ NAPÁJENÝCH Z REGULÁTORU E15

MĚŘENÍ PARAMETRŮ OSVĚTLOVACÍCH SOUSTAV VEŘEJNÉHO OSVĚTLENÍ NAPÁJENÝCH Z REGULÁTORU E15 VŠB - T Ostrava, FE MĚŘENÍ PARAMETRŮ OVĚTLOVACÍCH OTAV VEŘEJNÉHO OVĚTLENÍ NAPÁJENÝCH Z REGLÁTOR E5 Řešitelé: g. taislav Mišák, Ph.D., Prof. g. Karel okaský, Cc. V Ostravě de.8.2007 g. taislav Mišák, Prof.

Více

P1: Úvod do experimentálních metod

P1: 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

Více

HODNOCENÍ PŘÍSTROJŮ PRO MĚŘENÍ JAKOSTI ZIMNÍCH KAPALIN DO OSTŘIKOVAČŮ V PROVOZU

HODNOCENÍ PŘÍSTROJŮ PRO MĚŘENÍ JAKOSTI ZIMNÍCH KAPALIN DO OSTŘIKOVAČŮ V PROVOZU HODNOCENÍ PŘÍSTROJŮ PRO MĚŘENÍ JAKOSTI ZIMNÍCH KAPALIN DO OSTŘIKOVAČŮ V PROVOZU Ja SKOLIL 1*, Štefa ČORŇÁK 2*, Ja ULMAN 3 1* Velvaa, a.s., 273 24 Velvary, Česká republika 2,3 Uiverzita obray v Brě, Kouicova

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

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

Více

Iterační výpočty projekt č. 2

Iterační výpočty projekt č. 2 Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....

Více

Elementární zpracování statistického souboru

Elementární zpracování statistického souboru Elemetárí zpracováí statistického souboru Obsah kapitoly 4. Elemetárí statistické zpracováí - parametrizace vhodými empirickými parametry Studijí cíle Naučit se výsledky měřeí parametrizovat vhodými empirickými

Více

Geometrická optika. Zákon odrazu a lomu světla

Geometrická optika. Zákon odrazu a lomu světla Geometrická optika Je auka o optickém zobrazováí. Je vybudováa a 4 zákoech, které vyplyuly z pozorováí a ke kterým epotřebujeme zalosti o podstatě světla: ) přímočaré šířeí světla (paprsky) ) ezávislost

Více

Zobrazení čísel v počítači

Zobrazení čísel v počítači Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke

Více

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná Výročí zpráva fodů společosti Pioeer ivestičí společost, a.s. - eauditovaá Obsah 1. Účetí závěrka: Pioeer Sporokoto, Pioeer obligačí fod, Pioeer růstový fod, Pioeer dyamický fod, Pioeer akciový fod, BALANCOVANÝ

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

CENY A NÁJEMNÉ RODINNÝCH DOMŮ. ZÁVISLOST CENY A NÁJEMNÉHO m 2 BYTU NA JEHO VELIKOSTI

CENY A NÁJEMNÉ RODINNÝCH DOMŮ. ZÁVISLOST CENY A NÁJEMNÉHO m 2 BYTU NA JEHO VELIKOSTI Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit WD - VÝZKUM PRO ŘEŠENÍ REGIONÁLNÍCH DISPARIT - BYDLENÍ CENY A NÁJEMNÉ RODINNÝCH

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

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

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymázium, Šterberk, Horí ám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šabloa III/2 Iovace a zkvalitěí výuky prostředictvím ICT Ozačeí materiálu VY_32_INOVACE_Hor018 Vypracoval(a), de Mgr. Radek

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

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

Metodický postup pro určení úspor primární energie

Metodický postup pro určení úspor primární energie Metodický postup pro určeí úspor primárí eergie Parí protitlaká turbía ORGRZ, a.s., DIVIZ PLNÉ CHNIKY A CHMI HUDCOVA 76, 657 97 BRNO, POŠ. PŘIHR. 97, BRNO 2 z.č. Obsah abulka hodot vstupujících do výpočtu...3

Více

Přednášky část 7 Statistické metody vyhodnocování dat

Přednášky část 7 Statistické metody vyhodnocování dat DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo

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

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

Více

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK)

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK) Systém itralaboratorí kotroly kvality v kliické laboratoři (SIKK) Doporučeí výboru České společosti kliické biochemie ČLS JEP Obsah: 1. Volba systému... 2 2. Prováděí kotroly... 3 3. Dokumetace výsledků

Více

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti 1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto

Více

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře

Více

Code of Conduct Kodex chováni pro společnosti skupiny Ringier. China Czech Republic Germany Hungary Romania Serbia Slovakia Switzerland Vietnam

Code of Conduct Kodex chováni pro společnosti skupiny Ringier. China Czech Republic Germany Hungary Romania Serbia Slovakia Switzerland Vietnam Code of Coduct Kodex chovái pro společosti skupiy Rigier Chia Czech Republic Germay Hugary Romaia Serbia Slovakia Switzerlad Vietam Milí zaměstaci. Etické chováí ašich zaměstaců jiými slovy, vás dává aší

Více

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení Odhad parametrů ormálího rozděleí a testy hypotéz o těchto parametrech * Věty o výběru z ormálího rozděleí Nechť, X, X je áhodý výběr z rozděleí N ( µ, ) X, Ozačme výběrový průměr a = X = i = X i i = (

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

Modul Strategie. 2006... MTJ Service

Modul Strategie. 2006... MTJ Service Představeí obsahuje dvě základí součásti, a to maažerskou (pláováí cash-flow, rozšířeé statistiky) a pracoví (řešeí work-flow). Základem maažerské oblasti je pláováí cash-flow (pláováí fiačího toku firmou).

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

Infrastruktura kolejové dopravy

Infrastruktura kolejové dopravy 06 Ifrastruktura kolejové dopravy u k á š T ý f a ČUT F, Ústav dopravích systémů (K6) Aotace: Téma č. Geometrické parametry železičí koleje geometrické a kostrukčí uspořádáí železičí koleje převýšeí koleje

Více

PŘIJÍMACÍ ŘÍZENÍ PRO ŠKOLNÍ ROK 2012/2013

PŘIJÍMACÍ ŘÍZENÍ PRO ŠKOLNÍ ROK 2012/2013 PŘIJÍMACÍ ŘÍZENÍ PRO ŠKOLNÍ ROK 2012/2013 OSNOVA 1. Práví předpisy 2. Přijímací řízeí 3. Termíy 4. Hodoceí uchazečů 5. Rozhodutí 6. Další kola přijímacího řízeí 7. Zápisový lístek 8. Jedoté přijímací zkoušky

Více

STATISTIKA PRO EKONOMY

STATISTIKA PRO EKONOMY EDICE UČEBNÍCH TEXTŮ STATISTIKA PRO EKONOMY EDUARD SOUČEK V Y S O K Á Š K O L A E K O N O M I E A M A N A G E M E N T U Eduard Souček Statistika pro ekoomy UČEBNÍ TEXT VYSOKÁ ŠKOLA EKONOMIE A MANAGEMENTU

Více