Česká zemědělská univerzita v Praze. Provozně ekonomická fakulta. Statistické softwarové systémy projekt
|
|
- Pavlína Kadlecová
- před 7 lety
- Počet zobrazení:
Transkript
1 Česká zemědělská univerzita v Praze Provozně ekonomická fakulta Statistické softwarové systémy projekt Analýza časové řady Analýza počtu nahlášených trestných činů na území ČR v letech autor: Jindřich Načeradský
2 OBSAH: 1. Úvod 2. Cíl práce 3. Použitá data 4. Analýza časové řady 4.1. Model reziduí 4.2. Kvalita modelu 4.3. Autokorelace 4.4. Předpovídaný budoucí vývoj 5. Závěr 1
3 1. Úvod Trestné činy se dějí všude kolem nás, přestože si to nejsme vždy ochotni plně uvědomit. Každý rok je v České republice spácháno tisíce trestných činů a ne všechny tyto skutky jsou nahlášeny na policii. Jak se tato čísla vyvíjela v průběhu posledních let? Jaký bude jejich vývoj v letech budoucích? Odpovědi na tyto otázky by měl nalézt přesně tento projekt. 2. Cíl práce Cílem projektu je analyzovat počet nahlášených trestných činů na území ČR od roku 2000 do roku 2014 a zkoumat jeho vývoj v následujících letech. Pro tyto účely bude využito softwaru SAS, ve kterém bude analyzován zmíněný problém. 2
4 3. Použitá data Data byla získána z internetové databáze Českého statistického úřadu a doplněna z internetových stránek Policie ČR. Základní tabulka udává počet trestných činů od roku 2000 do roku Sloupec,,zjištěné trestné činy udává počet nahlášených trestných činů na území ČR ve zmíněných letech. Hodnot je celkem 14. Maximální hodnota byla naměřena v roce 2000 a minimální v roce zdroje: republika v cislech od roku 1989 wau52m1y38#14 kriminalita.aspx 3
5 Graficky jsou pak data znázorněna v následujícím grafu. Graf i přes výkyvy postupně klesá. 4
6 4. Analýza časové řady V programu SAS je použit modul Time Series Forecasting System. Po zadání dat do programu je nutné zvolit optimální model. Díky automatickému výběru je k dispozici několik vhodných modelů, které mají v pravém sloupci uvedenou hodnotu Mean Absolute Percent Error (MAPE), díky které je možné je vzájemně porovnat. Jako nejlepší je zvolen model Lienar (Holt) Exponential Smoothing. Důvodem ke zvolení tohoto modelu je že má nejmenší chybovou hodnotu MAPE oproti ostatním modelům. Pro tvorbu modelu budou použita data z celé časové řady. 5
7 4.1. Model reziduí Největší rozdíly mezi skutečnou a vyrovnanou hodnotou jsou v letech 2007 a Největší výkyv činí trestných činů, a to právě v roce V grafu není na první pohled vidět žádná pravidelnost a graf se zdá být nahodilý. Rozložení reziduí kolem nuly se zdá být rovnoměrné. 6
8 4.2. Kvalita modelu Na obrázku je přehled základních kritérií pro výběr modelu. Odchylka hodnot modelu od původního souboru činí jen 2.69%, což je udáno hodnotou MAPE. Hodnota je menší než 5%, model tudíž velmi kvalitně popisuje minulost. Otázkou však zůstává jestli model správně popíše i budoucnost. Model vystihuje situaci z 82.4%, jak je možné vypozorovat z hodnoty koeficientu determinace, který udává z kolika procent odpovídá matematická funkce modelu zadaným datům. Vysoká hodnota R Square značí kvalitní model. 7
9 4.3. Autokorelace Autokorelace je jev, který naznačuje kvalitu modelu. Znamená hodnotu závislosti reziduí vůči sobě, kdy každá hodnota koreluje právě s tou předchozí. Výpočty částečné a inverzní autokorelace splňují kritickou mez. V případě prvního výpočtu autokorelace je hodnota na hranici meze, ale je pořád splněna. V případě přesáhnutí kritické meze u jakéhokoliv prvku kromě prvního není model schopen správně definovat daný průběh vztahu a je žádoucí pokusit se autokorelaci zmírnit, například volbou jiného modelu. 8
10 4.4. Předpovídaný budoucí vývoj Graf předpovídaného budoucího vývoje udává další postupný pokles trestných činů pro další čtyři roky. Graf je omezen na čtyři roky kvůli nepřesnosti dalších předpovědí. Počet trestných činů na další 4 roky by měl zůstat v udávané mezi. Dá se očekávat pokračování celkové klesající tendence s možnými výkyvy. Do přesnosti předpovědi se může dále promítnout nedostatek údajů v časové řadě. 9
11 V poslední tabulce lze porovnat původní hodnoty s hodnotami předpovídanými a pozorovat o kolik se mezi sebou liší. Stějně tak lze pozorovat rozmezí ve kterém se budou pohybovat předpovídané hodnoty. 10
12 5. Závěr Počet trestných činů se snižuje. Toto snížení mohou ovlivňovat různé faktory, těch je ale v tomto případě velmi mnoho. Pro určení toho, které faktory mají na toto snížení zásadní vliv by bylo žádoucí výsledky porovnat s jinými statistickými šetřeními, které se přímo a nepřímo podílejí na počtu nahlášených trestných činů v ČR. Jako jedno z témat pro další analýzu by bylo zajímavé určit jakým způsobem se v grafu projevila nebo ještě projeví nedávná amnestie z roku Jelikož z grafu je možné vypozorovat, že v tom roce byl zaznamenán nárůst trestné činnosti. Další statistiky týkající se kriminality v ČR je možno mimo jiné naleznout na stránkách Českého statistického úřadu, stránkách policie ČR, a také například v projektu mapa kriminality, kde je kriminalita znázorněna na interaktivní mapě ČR. Projekt lze nalézt na stránkách 11
Vývoj obchodní letecké přepravy cestujících v ČR Časové řady Seminář výpočetní statistiky
Vývoj obchodní letecké přepravy cestujících v ČR Časové řady Seminář výpočetní statistiky Vypracoval: Zařazení: Cvičení: Zdeněk Styblík 1. ročník INFONK, PEF ČZU Praha kombinované Obsah Vývoj obchodní
VíceKriminalita. Kriminalita. 1 of :22. Kriminalita - zjištěné případy. Kriminalita - zjištěné případy - nejméně časté typy
1 of 13 12.2.213 3:22 Kriminalita 4 Kriminalita - zjištěné případy 3446 35 3 27754 25 336446 263371 357391 26831 343291 25735 332829 249975 313387 24938 317177 252957 Zjištěno, Kriminalita celkem Zjištěno,
VíceStatistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1
Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát
VíceNeuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
VíceAnalýza časových řad pomoci SAS82 for Win
Analýza časových řad pomoci SAS82 for Win 1) Vstupní data Vstupní data musí mít vhodný formát, tj. žádný oddělovač tisíců, správně nastavený desetinný oddělovač. Název proměnné pro SAS nesmí obsahovat
VíceStanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )
Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte
Více31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceSemestrální práce. 2. semestr
Licenční studium č. 89002 Semestrální práce 2. semestr PŘEDMĚT 2.2 KALIBRACE A LIMITY JEJÍ PŘESNOSTI Příklad 1 Lineární kalibrace Příklad 2 Nelineární kalibrace Příklad 3 Rozlišení mezi lineární a nelineární
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1
VíceStav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6
1. Příklad Byly sledovány rodinné stavy nevěst a ženichů při uzavírání sňatků a byla vytvořena následující tabulka četností. Stav Svobodný Rozvedený Vdovec Svobodná 37 10 6 Rozvedená 8 12 8 Vdova 5 8 6
VíceTabulka 1. Výběr z datové tabulky
1. Zadání domácího úkolu Vyberte si datový soubor obsahující alespoň jednu kvalitativní a jednu kvantitativní proměnnou s alespoň 30 statistickými jednotkami (alespoň 30 jednotlivých údajů). Zdroje dat
VíceDaňové příjmy obcí v roce 2007 zaznamenaly nárůst
Daňové příjmy obcí v roce 2007 zaznamenaly nárůst K 1. 1. letošního roku nabyla účinnosti tolik diskutovaná novela zákona o rozpočtovém určení daní, která zásadně změnila způsob výpočtu konkrétního podílu
VíceUživatelská doumentace
Uživatelská doumentace Popis fungování aplikace Po spuštění aplikace se zobrazí úvodní stránka, kterou je přehled trestné činnosti. Každá z následujících stránek aplikace, až na detail trestného činu,
VíceZpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.
SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné
Více8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA
8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA RYCHLÝ NÁHLED KAPITOLY Následující kapitolou pokračujeme v tématu analýza časových řad a blíže se budeme zabývat problematikou jich pravidelné kolísavost, která je
VíceSimulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
VíceKorelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
Více4ST201 STATISTIKA CVIČENÍ Č. 10
4ST201 STATISTIKA CVIČENÍ Č. 10 regresní analýza - vícenásobná lineární regrese korelační analýza Př. 10.1 Máte zadaný výstup regresní analýzy závislosti závisle proměnné Y na nezávisle proměnné X. Doplňte
VíceVŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky PRAVDĚPODOBNOST A STATISTIKA Zadání 1 JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL
VíceAnalytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality RNDr. Alena Mikušková FN Brno Pracoviště dětské medicíny, OKB amikuskova@fnbrno.cz Analytické znaky laboratorní metody
VíceÚloha 1: Lineární kalibrace
Úloha 1: Lineární kalibrace U pacientů s podezřením na rakovinu prostaty byl metodou GC/MS měřen obsah sarkosinu v moči. Pro kvantitativní stanovení bylo nutné změřit řadu kalibračních roztoků o různé
VíceEXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek
EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Regrese Závislostproměnných funkční y= f(x) regresní y= f(x)
VíceSever Jih Západ Plechovka Točené Sever Jih Západ Součty Plechovka Točené Součty
Neparametrické testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou
VíceSTRUKTURA ZAMĚSTNANÝCH OSOB V ČESKÉ REPUBLICE PODLE ODVĚTVÍ EKONOMICKÉ ČINNOSTI
STRUKTURA ZAMĚSTNANÝCH OSOB V ČESKÉ REPUBLICE PODLE ODVĚTVÍ EKONOMICKÉ ČINNOSTI STRUCTURE OF EMPLOYED PERSONS IN CZECH REPUBLIC ACCORDING TO BRANCHES OF ECONOMIC ACTIVITIES VYDROVÁ, Hana Abstract Employment
VíceVYUŽITÍ VYBRANÝCH NOVĚ POSTAVENÝCH CYKLISTICKÝCH KOMUNIKACÍ A UŽÍVÁNÍ CYKLISTICKÝCH PŘILEB
VYUŽITÍ VYBRANÝCH NOVĚ POSTAVENÝCH CYKLISTICKÝCH KOMUNIKACÍ A UŽÍVÁNÍ CYKLISTICKÝCH PŘILEB VARIACE INTENZIT CYKLISTICKÉ DOPRAVY ING. JAN MARTOLOS, EDIP s.r.o., www.edip.cz, E-MAIL: martolos@edip.cz ING.
Více(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.
Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou
VíceUNIVERZITA KARLOVA Přírodovědecká fakulta. Hydrometrie. Hodnocení variability odtokového režimu pomocí základních grafických a statistických metod
UNIVERZITA KARLOVA Přírodovědecká fakulta Hydrometrie Hodnocení variability odtokového režimu pomocí základních grafických a statistických metod (cvičení z hydrologie) 12.4.26 Pavel Břichnáč 1.ročník.
VíceInformace o bezpečnostní situaci v teritoriu města Příbram ke dni
KRAJSKÉ ŘEDITELSTVÍ POLICIE STŘEDOČESKÉHO KRAJE Územní odbor Příbram Obvodní oddělení Příbram Informace o bezpečnostní situaci v teritoriu města Příbram ke dni 31.10.2015 Žežická 498 261 23 Příbram V -
VíceInformace o bezpečnostní situaci v teritoriu města Příbram ke dni
KRAJSKÉ ŘEDITELSTVÍ POLICIE STŘEDOČESKÉHO KRAJE Územní odbor Příbram Obvodní oddělení Příbram Informace o bezpečnostní situaci v teritoriu města Příbram ke dni 30.9.2015 Příbram 20.10.2015 Přehled z oficiálních
VíceTECHNICKÁ UNIVERZITA V LIBERCI. Statistický rozbor dat z dotazníkového šetření
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření Analýza výsledků dotazníkového šetření - fakultní dotazník Vypracovaly: Klára Habrová,
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceZáklady statistiky pro obor Kadeřník
Variace 1 Základy statistiky pro obor Kadeřník Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz 1. Aritmetický průměr
VíceČVUT FEL X36PAA - Problémy a algoritmy. 4. úloha - Experimentální hodnocení algoritmů pro řešení problému batohu
ČVUT FEL X36PAA - Problémy a algoritmy 4. úloha - Experimentální hodnocení algoritmů pro řešení problému batohu Jméno: Marek Handl Datum: 3. 2. 29 Cvičení: Pondělí 9: Zadání Prozkoumejte citlivost metod
VíceInformace o bezpečnostní situaci v teritoriu města Příbram ke dni
KRAJSKÉ ŘEDITELSTVÍ POLICIE STŘEDOČESKÉHO KRAJE Územní odbor Příbram Obvodní oddělení Příbram Informace o bezpečnostní situaci v teritoriu města Příbram ke dni 30.11.2015 Žežická 498 261 23 Příbram V -
VíceZ mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.
Neparametricke testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou
VíceSociodemografická analýza SO ORP Mohelnice
Sociodemografická analýza SO ORP Mohelnice Bc. Martin Šinál, 2019 Analýza byla zpracována v rámci projektu Střednědobé plánování rozvoje sociálních služeb SO ORP Mohelnice (CZ.03.2.63/0.0/0.0/16_063/0006549)
VíceOptimalizace provozních podmínek. Eva Jarošová
Optimalizace provozních podmínek Eva Jarošová 1 Obsah 1. Experimenty pro optimalizaci provozních podmínek 2. EVOP klasický postup využití statistického softwaru 3. Centrální složený návrh model odezvové
VíceTvorba grafů v programu ORIGIN
LICENČNÍ STUDIUM GALILEO STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Tvorba grafů v programu ORIGIN doc.dr.ing.vladimír Pata Univerzita Tomáše Bati ve Zlíně Fakulta technologická Ústav výrobních technologií
VíceProcento objasněných případů
1 of 16 12.02.2013 3:25 Kriminalita - objasněnost Zjištěná kriminalita - celkem, Hospodářská, Obecná, Znásilnění, Loupeže, Vloupání, Vraždy (v minulém souboru...) Objasněnost - celkem, Hospodářská, Obecná,
VíceUNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie na téma Tvorba nelineárních regresních modelů v analýze dat Vedoucí licenčního studia Prof. RNDr.
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Predikce Multikolinearita Cvičení 4 Zuzana Dlouhá Aplikace EM predikce obecně ekonomické prognózování, předpověď, předvídání hlavním cílem je odhad hodnot vysvětlované proměnné
VíceZadání Máme data hdp.wf1, která najdete zde: Bodová předpověď: Intervalová předpověď:
Predikce Text o predikci pro upřesnění pro ty, které zajímá, kde se v EViews všechna ta čísla berou. Ruční výpočty u průběžného testu nebudou potřeba. Co bude v závěrečném testu, to nevím. Ale přečíst
VíceJednofaktorová analýza rozptylu
I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceSPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,
SPC v případě autokorelovaných dat Jiří Michálek, Jan Král OSSM, 2.6.202 Pojem korelace Statistická vazba mezi veličinami Korelace vs. stochastická nezávislost Koeficient korelace = míra lineární vazby
VíceSměrový průzkum ve městě Boskovice
Směrový průzkum ve městě Boskovice červen 17 IDENTIFIKAČNÍ ÚDAJE Předmět zakázky: Objednatel: Zhotovitel: Zodpovědný řešitel: Řešitelský tým: Směrový průzkum ve městě Boskovice Město Boskovice Masarykovo
VíceDoba života LED a LED svítidel a její značení. Jakub Černoch
Doba života LED a LED svítidel a její značení. Jakub Černoch Vzpomínáme. Počátky LED je to polovodičová součástka, doba života je více než 100 000 hodin X Realita doba života prvních LED byla řádově několik
Více10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti
VíceVývoj cen nájmů bytů v České republice
Vývoj cen nájmů bytů v České republice Radka Vašíčková Shromažďování dat zajistil software EVAL, který ukládá, zpracovává a hodnotí cenové nabídky pronájmů starších bytů. Počet nabídek nájmů starších bytů
VíceKapitola Hlavička. 3.2 Teoretický základ měření
23 Kapitola 3 Protokol o měření Protokol o měření musí obsahovat všechny potřebné údaje o provedeném měření, tak aby bylo možné podle něj měření kdykoliv zopakovat. Proto protokol musí obsahovat všechny
Více4EK211 Základy ekonometrie
4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb
VíceZadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý
0. Licenční studium Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat Vladimír Bajzík Liberec, únor, 007 Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceTeorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných)
Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných) 1. SPECIFIKACE (12 bodů): (1) Graf průběhu proměnných (1) Obě řady se chovají stejně, lze předpokládat jejich lineární vztah
VíceStatistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2014/15 Cvičení 6: Dummy proměnné, úvod do časových řad LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Multikolinearita
VíceAnalýza reziduí gyroskopu
Analýza reziduí gyroskopu Petr Šimeček Cílem studie bylo analyzovat přesnost tří neznámých gyroskopů, jež pro účely této studie budeme nazývat Gyroskop 1, Gyroskop 2 a Gyroskop 3. U prvních dvou gyroskopů
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015
VíceTvorba nelineárních regresních modelů v analýze dat
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Tvorba nelineárních regresních modelů v analýze dat Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza
Více3.5 Ověření frekvenční závislosti kapacitance a induktance
3.5 Ověření frekvenční závislosti kapacitance a induktance Online: http://www.sclpx.eu/lab3r.php?exp=10 I tento experiment patří mezi další původní experimenty autora práce. Stejně jako v předešlém experimentu
VíceCharakteristika kriminologie, předmět, pojem a význam Stav, struktura a dynamika kriminality Vznik kriminologie, historické směry Uveďte jednotlivé
Charakteristika kriminologie, předmět, pojem a význam Stav, struktura a dynamika kriminality Vznik kriminologie, historické směry Uveďte jednotlivé kriminologické školy, jejich charakteristiku Vznik čsl.
VíceSpolečenství prvního stupně ověření norem
Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně. Ověření norem. Denisa Denglerová Praha: Národní ústav
VíceZeměpisná olympiáda 2008
Zeměpisná olympiáda 2008 Kategorie D okresní kolo Název a adresa školy: Okres: Jméno a příjmení: Třída: Datum:.. Praktická část autorské řešení Projekt Název projektu: Nelegální migrace přes státní hranice
VíceIlustrační příklad odhadu LRM v SW Gretl
Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2016/17 Cvičení 3: Lineární regresní model LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Seznámení s EViews Upřesnění
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí
VíceVývoj zemědělského půdního fondu ve světě
UNIVERZITA KARLOVA Přírodovědecká fakulta Vývoj zemědělského půdního fondu ve světě (cvičení z ekonomické geografie) 2005/2006 Pavel Břichnáč 1.roč. Ge-Ka 1.1 Vývoj zemědělského půdního fondu podle makroregionů
VíceKALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie KALIBRACE A LIMITY JEJÍ PŘESNOSTI Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2016
VícePopis softwaru VISI Flow
Popis softwaru VISI Flow Software VISI Flow představuje samostatný CAE software pro komplexní analýzu celého vstřikovacího procesu (plnohodnotná 3D analýza celého vstřikovacího cyklu včetně chlazení a
Více(Pozor, celkový součet je uveden v poloviční velikosti, skutečný počet je kolem ).
Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia ve školním roce 2007/2008 činil 154 182, z toho do studia po základní škole jich bylo přijato 133 990
VíceSemestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat
Semestrální práce 1 3.3 Tvorba nelineárních regresních modelů v analýze dat Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného výzkumu Řež, a. s. Husinec Řež 130 250 68 Řež V Řeži, únor
Více2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
VíceDvouvýběrové a párové testy. Komentované řešení pomocí MS Excel
Dvouvýběrové a párové testy Komentované řešení pomocí MS Excel Úloha A) koncentrace glukózy v krvi V této části posoudíme pomocí párového testu, zda nový lék prokazatelně snižuje koncentraci glukózy v
VíceNEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011
NEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011 Markéta Nesrstová Abstrakt Nezaměstnanost vždy byla, je a bude závažným problémem. Míra nezaměstnanosti v České republice se v současné době
VíceDEMOGRAFICKÁ STUDIE MLADÁ BOLESLAV
DEMOGRAFICKÁ STUDIE MLADÁ BOLESLAV PhDr. Eva Pešková 211 DEMOGRAFICKÁ STUDIE MLADÁ BOLESLAV PhDr. Eva Pešková 211 1 1. Charakteristika města a základní demografické údaje 1.1. Město Mladá Boleslav a počet
VíceVYHODNOCENÍ SRÁŽKOVÝCH PŘEDPOVĚDÍ ALADIN A GFS PRO POVODÍ BĚLÉ
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA Hornicko-geologická fakulta Institut geoinformatiky VYHODNOCENÍ SRÁŽKOVÝCH PŘEDPOVĚDÍ ALADIN A GFS PRO POVODÍ BĚLÉ Referát Autor: Vedoucí diplomové práce:
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y Xβ ε Předpoklady: Matice X X n,k je matice realizací. Předpoklad: n > k, h(x) k - tj. matice
VíceSemestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta elektrotechniky a komunikačních technologií Semestrální projekt Vyhodnocení přesnosti sebelokalizace Vedoucí práce: Ing. Tomáš Jílek Vypracovali: Michaela Homzová,
VíceUNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium chemometrie na téma Statistické zpracování dat Semestrální práce ze 6. soustředění Předmět: 3.3 Tvorba nelineárních
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceDynamické metody pro predikci rizika
Dynamické metody pro predikci rizika 1 Úvod do analýzy časových řad Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých časových intervalech okamžikové např
VíceMakroekonomie I cvičení
Téma Makroekonomie I cvičení 25. 3. 015 Dvousektorový model ekonomiky Spotřební funkce Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Model 45 - jak je dosaženo rovnovážného HDP Východiska - graf: Osa x.
VíceB. Analýza podpory VaV z veřejných prostředků
38 B. Analýza podpory VaV z veřejných prostředků Rada pro výzkum a vývoj podle zákona č. 13/22 Sb., o podpoře výzkumu a vývoje, zpracovává m.j. návrhy střednědobého výhledu podpory výzkumu a vývoje a návrhy
VíceSemestrální práce z předmětu Pravděpodobnost, statistika a teorie informace
České vysoké učení technické v Praze Fakulta elektrotechnická Semestrální práce z předmětu Pravděpodobnost, statistika a teorie informace Životnost LED diod Autor: Joel Matějka Praha, 2012 Obsah 1 Úvod
VíceStatistické zpracování naměřených experimentálních dat za rok 2012
Statistické zpracování naměřených experimentálních dat za rok 2012 Popis dat: Experimentální data byla získána ze tří měřících sloupů označených pro jednoduchost názvy ZELENA, BILA a RUDA. Tyto měřící
VíceNáhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036
Příklad : Statistika A, doc. Kropáč, str. 6, příklad 2 K benzínovému čerpadlu přijíždí průměrně 4 aut za hodinu. Určete pravděpodobnost, že během pěti minut přijede nejvýše jedno auto. Pokus: Zjištění,
VíceREE 11/12Z - Elektromechanická přeměna energie. Stud. skupina: 2E/95 Hodnocení: FSI, ÚMTMB - ÚSTAV MECHANIKY TĚLES, MECHATRONIKY A BIOMECHANIKY
Předmět: REE 11/12Z - Elektromechanická přeměna energie Jméno: Ročník: 2 Měřeno dne: 29.11.2011 Stud. skupina: 2E/95 Hodnocení: Ústav: FSI, ÚMTMB - ÚSTAV MECHANIKY TĚLES, MECHATRONIKY A BIOMECHANIKY Spolupracovali:
Více(Pozor, celkový součet je uveden v poloviční velikosti, skutečný počet je kolem ).
Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia ve školním roce 2006/2007 činil 160 841, z toho do studia po základní škole jich bylo přijato 140 564
VíceS E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět ANOVA analýza rozptylu
VíceVÝVOJ INDEXŮ SPOTŘEBITELSKÝCH CEN
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Fakulta provozně ekonomická Katedra statistiky Studijní obor: Veřejná správa a regionální rozvoj Teze k diplomové práci VÝVOJ INDEXŮ SPOTŘEBITELSKÝCH CEN Vypracovala:
VíceMetoda Monte Carlo a její aplikace v problematice oceňování technologií. Manuál k programu
Metoda Monte Carlo a její aplikace v problematice oceňování technologií Manuál k programu This software was created under the state subsidy of the Czech Republic within the research and development project
VíceČeská republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. ročníku SŠ. 1
Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2010/2011 činil 133 140, z toho do studia
VíceKRUHOVÝ TEST 4/2018/NIR
Kyjovská 474/7, Moravské Předměstí, 500 06 Hradec Králové provozovna: Broumovská 63, 547 03 Náchod spol. s r.o. Tel.: 491 424 788, 724 223 388, e-mail: mezos@mezos.cz KRUHOVÝ TEST 4/2018/NIR Stanovení
VíceMOŽNOSTI VYUŽITÍ STATISTICKÝCH PROGNOSTICKÝCH TECHNIK V KONJUNKTURNÍCH PRŮZKUMECH
MOŽNOSTI VYUŽITÍ STATISTICKÝCH PROGNOSTICKÝCH TECHNIK V KONJUNKTURNÍCH PRŮZKUMECH Bohumil Kába Katedra statistiky PEF, Česká zemědělská universita v Praze,165 21 Praha 6 - Suchdol Anotace: Příspěvek shrnuje
VíceTvorba nelineárních regresních
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Tvorba nelineárních regresních modelů v analýze dat Zdravotní ústav
Více