A. Rozdělení ČŘ podle časového hlediska rozhodného pro zjišťování údajů:

Rozměr: px
Začít zobrazení ze stránky:

Download "A. Rozdělení ČŘ podle časového hlediska rozhodného pro zjišťování údajů:"

Transkript

1 ČASOVÉ ŘADY - oslouos chroologck usořádaých ozorováí - oslouos věcě a rosorově srovaelých ozorováí kerá jsou jedozačě usořádáa z hledska času - exsují růzé časových řad A Rozděleí ČŘ odle časového hledska rozhodého ro zjšťováí údajů: ČŘ ervalové: - řad ervalových ukazaelů (ř oče rozvodů za rok v ČR - ervalový ukazael ukazael jehož velkos závsí a délce ervalu za kerý je sledová - lze vvoř souč (res růměr je uá sejá délka ervalů - okud jsou erval růzě dlouhé je řeba rovés řeoče a jedokový erval (zv očšťováí od důsledků kaledářích varací ČŘ okamžkové: - řad okamžkových (savových ukazaelů (ř oče obvael ČR k 3 - okamžkový ukazael ukazael jehož hodo se vzahují ke kokréímu časovému okamžku - souče edává reálý smsl růměr elze saov běžým zůsobem - k charakerzováí úrově hodo ěcho ČŘ oužíváme růměr chroologcký: a Pokud jsou vzdáleos mez časovým okamžk sejé oužeme rosý chroologcký růměr: K+ + b Pokud jsou mez časovým okamžk esejé vzdáleos oužeme vážeý chroologcký růměr: d + d + + d d d + d + + d d d vzdáleos mez dvěma časovým okamžk ( délka ervalu B Rozděleí ČŘ odle erodc: ČŘ ročí (dlouhodobé: - jejch erodca je jede rok a více - alkace jých osuů ež u ČŘ krákodobých ČŘ krákodobé: - jejch erodca je kraší ež jede rok - ČŘ čvrleí měsíčí ýdeí ad C Rozděleí ČŘ odle zůsobu vjádřeí ukazaelů: ČŘ aurálích ukazaelů: - hodo jsou vjádře v aurálích jedokách (ř ukazaele rodukce

2 ČŘ eěžích ukazaelů: - hodo jsou vjádře v eěží formě - je uo zajs souměřelos hodo v čase (změ ceové hlad! Základí charakersk časových řad Absoluí dferece (řírůsk charakerzují absoluí změu (řírůsek ebo úbek hodo ukazaele v časovém okamžku oro období ředcházejícímu (- dferece: dferece: 3 dferece: ( 3 K ( ( ( 3 4 K ( 3 ( ( 45 K ad Průměrý absoluí řírůsek armecký růměr jedolvých rvích dferecí Koefce růsu udává kolkrá vzrosla hodoa ČŘ v časovém okamžku ro období ředcházejícímu k udává o kolk roce vzrosla (eve klesla hodoa ukazaele v časovém k okamžku oro období ředcházejícímu 3 Průměrý koefce růsu geomercký růměr jedolvých koefceů růsu 3 k k k k Základí kocece modelováí časových řad - cílem modelováí ČŘ je jejch aalýza a rogóza vývoje - saha ocho a základě absrakce mechasmus chováí ČŘ Jedorozměrý model - ejjedodušší kocece modelováí ČŘ - reálá hodoa ČŘ ( je fukcí času ( f ( ; ε ; f ( Y ; K Y + ε ε Y K časová roměá K reálá hodoa ukazaele v čase

3 Y K modelová (eorecká hodoa ukazaele v čase ε K eravdelá (áhodá složka (orucha v čase Klascký (formálí model: - zkoumá vlv časového fakoru a aalzovaý ukazael - ezkoumá věcé říč damk ČŘ - jede z možých klasckých řísuů je dekomozce ČŘ j rozklad ČŘ a čř složk časového ohbu; os jedolvých forem ohbu - ČŘ může ale emusí všech o složk obsahova T K redová složka (red dlouhodobá edece ve vývoj hodo aalzovaého ukazaele v čase S K sezóí složka ravdelě se oakující odchlka od redu; erodca maxmálě rok C K cklcká složka kolísáí okolo redu v důsledku dlouhodobého vývoje; erodca delší ež rok ε K áhodá složka áhodé výkv keré emají ssemacký charaker Podle zůsobu rozkladu rozlšujeme dva základí modelu: adví model: T + S + C + ε mullkaví model: T S C ε Vícerozměrý model - je založe a ředokladu že vývoj aalzovaého ukazaele eí ovlv ě ouze časovým fakorem ale rověž skuou jých souvsejících ukazaelů - jedá se o zv říčé (fakorové ukazaele - omocí ěcho ukazaelů se sažíme vývoj aalzovaého ukazaele vsvěl ( x x Y ; K f ; K x kde x x x K jsou říčé (fakorové ukazaele Tredová aalýza - os redu (vrováí vhlazeí omocí maemacké (aalcké hladké fukce redová fukce - zv model s kosaím aramer - formace o charakeru hlaví edece ve vývoj ukazaele - modelováí vývoje redu v budoucu (rogóza saoveí očekávaých hodo ukazaele Předoklad: S a C Y T ; T + ε Leárí red : - ejběžěj oužívaý ředosí je jedoduchos T α + α - aramer α a α odhademe omocí meod ejmeších čverců čímž získáme výsledou rovc odhadovaé redové římk:

4 T a + a a a a a KK očáečí hodoa redu ro a KK růměrý absoluí řírůsek (úbek hodo T ř zvýšeí časové roměé o jedoku Parabolcký (kvadracký red : T α + + α α Exoecálí red : T α α Modfkovaá (osuuá exoecála: T κ + α α Logscký red: T κ + α α Exsuje řada dalších ů redových fukcí v kokréí suac je řeba vžd zvol akový kerý ejlée vshuje emrcká daa Volba vhodého u redové fukce - věcá aalýza zkoumaého jevu - osouzeí emrcké časové řad (ex ae - aalýza grafu (ozor a subjekvu Mír úsěšos zvoleé redové fukce: - měří kvalu zvoleého modelu (fukce je jch celá řada Sředí kvadracká (čvercová chba odhadu: M S E ( T - ejčasější měříko kval modelu - ředos dáváme vžd omu modelu u ěhož je hodoa MSE ejžší - rosředcvím MSE můžeme srováva je fukce se sejým očem aramerů SaskaF: F ST SR ( T ( T kde T

5 - za ejleší ovažujeme model ro kerý je hodoa sask F ejvšší Idex deermace: I S ( T T S ( - vhodější je a fukce kerá vede k všší hodoě I - u fukcí s všším očem aramerů vchází I adhodoceé; v akovém říadě je vhodé ouží I adj Klouzavé růměr - adaví řísu k modelováí redu ČŘ - rozsah období v jehož rámc bude ČŘ vrováa je výrazě kraší ež období za ěž máme ČŘ k dsozc - zv model s romělvým aramer - oslouos emrckých ozorováí ahradíme řadou růměrů z ěcho ozorováí vočeých - každý z ěcho růměrů rerezeuje určou skuu ozorováí - ř osuém výoču růměrů osuujeme (kloužeme vžd o jedo ozorováí kuředu řčemž ejsarší (j rví ozorováí z daé sku voušíme! V rvé řadě je řeba saov oče ozorováí z chž vočeme jedolvé klouzavé růměr (m Klouzavá čás období erolace (m: časový erval délk m + kerý se osuuje o časové ose vžd o jedoku Volba délk klouzavé čás období erolace: - elze saov exakím sasckým osu - saovujeme ředevším a základě věcé aalýz (heursck - ředos dáváme růměrům žšího řádu - u eerodckých ČŘ se ejčasěj volí délka klouzavé čás u ČŘ s erodckou složkou je délka klouzavých růměrů rova erodě sezóích ebo cklckých výkvů Idefkace jedolvých klouzavých čásí: - jedolvé klouzavé čás rerezeujeme jejch sředím bod (agl arge - je-l m lché číslo ak sředí bod klouzavé čás je číslo celé ( - je-l m sudé číslo ak sředí bod klouzavé čás eí celé číslo ( + 5 Prosé klouzavé růměr Předoklad: a klouzavých čásech o rozsahu m + je defová leárí red m m - sředí bod klouzavých čásí jsou celá čísla ( - ř omo osuu zůsae hodo a začáku ČŘ a hodo a koc ČŘ evrováo Vážeé klouzavé růměr Předoklad: a klouzavých čásech o rozsahu m + je defová arabolcký red W + +

6 kde W ( ( 3 m 7 4 K K 4m m 3 Pro váh laí : W a W W j váh jsou smercké Cerovaé klouzavé růměr - jsou secálím říadem vážeých klouzavých růměrů - oužíváme je v říadě že rozsah klouzavé čás je číslo sudé - sředí bod klouzavých čásí jž ejsou celá čísla roo elze římo řřad hodo klouzavých růměrů k emrckým ozorováím ČŘ Posu výoču: - rví vočeý klouzavý růměr řřadíme sředímu bodu kerý eí celočíselý - další klouzavý růměr řřadíme sředímu bodu + kerý oě eí celočíselý - celočíselý ed erreovaelý je bod +5 kerý leží mez bod a + - hodou klouzavého růměru odovídající bodu +5 vočeme jako armecký růměr dvou sousedích klouzavých růměrů Nař čřčleý cerovaý klouzavý růměr: 4 4 ( ( ( Je možo ouží vjádřeí formou oeráoru: [ ] 8 Výzam klouzavých růměrů: ředevším ř očšťováí ČŘ od sezóích vlvů (vz další výklad Pos sezóí složk - sezóí složka erodck se oakující obousměré odchlk hodo ČŘ od redu - délka erod je maxmálě jede rok - osclace vzkají v důsledku římých č eřímých říč keré se rok co rok ravdelě oakují v důsledku koloběhu Země kolem Sluce (klmacké vlv zrosředkovaé vlv solečeské sadard a zvklos ve sereoech chováí ldí ař dovoleé víked rázd Váoce - ejrve je řeba zjs zda ČŘ reálě vkazuje sezóí výkv (ař věcým rozborem Další osu: kvafkace sezóích výkvů očšěí ČŘ j vloučeí sezóí složk Cíl sezóího očšťováí: - odkrí základí damk vývoje zkoumaých jevů - umožěí bezrosředího srováí vývoje v jedolvých sezóách v rámc roku

7 Model kosaí sezóos (adví model: T + S + ε K m; j K r kde ozačuje ořadí roku j ozačuje dílčí období v rámc roku (sezó Kvafkace sezóích výkvů : emrcké sezóí rozdíl (odchlk T ; růměré sezóí rozdíl; 3 sadardzovaé sezóí rozdíl ( sezóí fakor rozdílové Sadardzace (ormováí: souče sezóích rozdílů v rámc roku musí bý rove z v rámc roku se sezóí výkv komezují Model roorcoálí sezóos (mullkaví model: T S ε K m; j K r Kvafkace sezóích výkvů : emrcké sezóí dex růměré sezóí dex; ; 3 sadardzovaé sezóí dex ( sezóí fakor dexí T Sadardzace (ormováí: souče sezóích dexů v rámc roku musí bý rove r z v rámc roku se sezóí výkv komezují Sezóí očšťováí: vrováí ČŘ klouzavým růměr vhodého u (možo jým zůsobem ař redovou fukcí výoče sezóích fakorů (rozdílových ebo dexích 3 očšěí údajů ůvodí ČŘ: a model kosaí sezóos: od hodo ůvodí ČŘ odečeme říslušý rozdílový sezóí fakor b model roorcoálí sezóos: hodo ůvodí ČŘ vdělíme říslušým dexím sezóím fakorem

A. Rozdělení ČŘ podle časového hlediska rozhodného pro zjišťování údajů

A. Rozdělení ČŘ podle časového hlediska rozhodného pro zjišťování údajů ČASOVÉ ŘADY - oslouosi věcě a rosorově srovaelých ozorováí, kerá jsou jedozačě usořádáa z hlediska času - ČŘ ekoomických ukazaelů vkazují určié secifické rs, akže je řeba zá adekváí osu, vhodé k jejich

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a ravděodobos AIIKA VZORCE RO 4 a 4 verze 8 osledí aualzace:. 9. 8 K 8 osá sasa,,...,... ( ( (,, z +, ( z ( z + ( z+, z H H H G... R ma

Více

TESTOVÁNÍ a DIAGNOSTIKA VÝROBNÍCH STROJŮ I

TESTOVÁNÍ a DIAGNOSTIKA VÝROBNÍCH STROJŮ I ESOVÁNÍ a DIAGNOSIKA VÝROBNÍCH SROJŮ I Leraura: Skra: Zdeěk Vorlíček: Solehlvos a dagoska výrobích srojů ČVU Praha 99 Vorlíček, Rudolf: Dagoska VS ČVU Praha 98 Ka.. Úvod: Proč se zabýváme esováím a dagoskou

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

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

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a pravděpodobos AIIKA VZORCE RO 4 a 4 verze 8 posledí aualzace:. 9. 8 K 8 opsá sasa p p =,,...,... () () ( ),, z, ( z ) ( z ) ( z), z

Více

Úvod do analýzy časových řad

Úvod do analýzy časových řad Úvod do aalýz časových řad Doc.Ig. Jaa Hačlová, CSc. Kaedra maemaických meod v ekoomice Ig. Lubor Tvrdý Kaedra regioálí ekoomik Ekoomická fakula, VŠB-TU Osrava Osrava, 003 - - Úvod do aalýz časových řad

Více

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

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

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hyotéz Př statstckých šetřeích se často setkáváme s roblémy tohoto druhu () Máme zjstt, zda dva daé vzorky ocházejí z téhož ZS. () Máme rozhodout, zda rozdíly hodot růměrů (res. roztylů)

Více

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

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

Více

Úvod do analýzy časových řad

Úvod do analýzy časových řad Úvod do aalýzy časových řad Obsah Úvod... Teoreické základy pro aalýzu časových řad.... Základí pojmy..... Druhy časových řad..... Grafická aalýza.....3 Popisé charakerisiky... 4. Základí úpravy časových

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze.3 oledí aualzace: 4.9.9 KT 9 oá aa,,..., ɶ < z < + < z < + +,5 z +, 5 z H H H G... G... R

Více

Geometrické modelování. Diferenciáln

Geometrické modelování. Diferenciáln Geomerické modelováí Difereciál lí geomerie křivekk Křivky v očía ačové grafice Geomerická ierreace Každý krok algorimu má svůj geomerický výzam Flexibilia korola ad růběhem křivky, možos iuiiví ediace

Více

Metody zkoumání závislosti numerických proměnných

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

Více

SP NV Normalita-vlastnosti

SP NV Normalita-vlastnosti SP - - NV Normala-vlasos Přpomeuí vlasosí Normálího rozděleí Charakerscká fukce Lévyho-Ldebergova věa - cerálí lmí věa -rozměré ormálí rozděleí -rozměré ormálí rozděleí Přpomeuí vlasosí Normálího rozděleí

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze 4. oledí aualzace: 6.8.6 KT 6 oá aa oá aa =,,..., () ()...,,,, z z z z z H H H G... R = ma

Více

, jsou naměřené a vypočtené hodnoty závisle

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

Více

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

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x), a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte

Více

1. Základy měření neelektrických veličin

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

Více

Vývoj cen vybraných zemědělských komodit v ČR

Vývoj cen vybraných zemědělských komodit v ČR MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA V BRNĚ Provozě ekoomická fakula Úsav saisik a operačího výzkumu Vývoj ce vbraých zemědělských komodi v ČR Diplomová práce Vedoucí práce: prof. Ig. Mila Palá,

Více

Úvod do korelační a regresní analýzy

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

Více

Časové řady elementární charakteristiky

Časové řady elementární charakteristiky Časové řad elemeárí charakerisik Elemeárí charakerisik vývoje časové řad Příklad: Časová řada ročích produkcí elekrické eergie v Jihomoravském kraji bazický Výroba elekři.. empo růsu empo přírůsku idex

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze. oledí aalzace:.9.8 KT 8 oá aa,,..., % z z,5 z, 5 z H H H G... G... R ma - m ( ( ( ( ( ( V

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

Odhady a testy hypotéz o regresních přímkách

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

Více

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

Vícekanálové čekací systémy

Vícekanálové čekací systémy Vícekaálové čekací systémy taice obsluhy sestává z ěkolika kaálů obsluhy, racujících aralelě a avzájem ezávisle. Vstuy i výstuy systému mají oissoovský charakter. Jedotky vstuující do systému obsadí ejrve

Více

TECHNICKÁ UNIVERZITA V LIBERCI

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

Více

5 DISKRÉTNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování tohoto odstavce budete umět:

5 DISKRÉTNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování tohoto odstavce budete umět: 5 DISKRÉTNÍ ROZDĚLENÍ RAVDĚODOBNOSTI Čas e sudiu aioly: 0 miu Cíl: o rosudováí ohoo odsavce budee umě: charaerizova hyergeomericé rozděleí charaerizova Beroulliho ousy a z ich odvozeé jedolivé yy disréích

Více

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

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

Více

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

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

Více

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

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

Více

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

REGRESNÍ DIAGNOSTIKA. Regresní diagnostika

REGRESNÍ DIAGNOSTIKA. Regresní diagnostika 4.11.011 REGRESNÍ DIAGNOSTIKA Chemometrie I, David MILDE Regresí diagostika Obsahuje postupy k posouzeí: kvality dat pro regresí model (přítomost vlivých bodů), kvality modelu pro daá data, splěí předpokladů

Více

Optimalizace portfolia

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

Více

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

Ekonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011

Ekonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011 Evropský socálí fod Praha & EU: Ivesujee do vaší budoucos Ekooka podku aedra ekooky, aažersví a huaích věd Fakula elekroechcká ČVUT v Praze Ig. učerková Blaka, 20 Úrokový poče, základy fačí aeaky (BI-EP)

Více

14. Soustava lineárních rovnic s parametrem

14. Soustava lineárních rovnic s parametrem @66 4. Sousava lineárních rovnic s aramerem Hned úvodem uozorňuji, že je velký rozdíl mezi sousavou rovnic řešenou aramerizováním, roože má nekonečně mnoho řešení zadaná sousava rovnic obsahuje jen číselné

Více

Generování dvojrozměrných rozdělení pomocí copulí

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

Více

2. Najděte funkce, které vedou s těmto soustavám normálních rovnic

2. Najděte funkce, které vedou s těmto soustavám normálních rovnic Zadání. Sestavte soustavu normálních rovnc ro funkce b b a) b + + b) b b +. Najděte funkce, které vedou s těmto soustavám normálních rovnc nb a) nb. Z dat v tabulce 99 4 4 b) určete a) rovnc regresní funkce

Více

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl: 9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí

Více

Intervalové odhady parametrů některých rozdělení.

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

Více

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým

Více

7. Analytická geometrie

7. Analytická geometrie 7. Aaltická geoetrie Studijí tet 7. Aaltická geoetrie A. Příka v roviě ϕ s A s ϕ s 2 s 1 B p s ϕ = (s1, s 2 ) sěrový vektor přík p orálový vektor přík p sěrový úhel přík p k = tgϕ = s 2 s 1 sěrice příkp

Více

Odhady parametrů 1. Odhady parametrů

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

Více

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

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

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

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

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák Zálad eore chb a zpracováí zálích měřeí Jří ová Teo e je zamýšle jao pomůca pro vpracováí laboraorích úloh z z Je urče pouze pro sudjí účel a jeho účelem je objas meod zpracováí měřeí Chb měřeí Druh chb

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

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

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

Více

MOŽNÉ PŘÍSTUPY KE ZJIŠŤOVÁNÍ ZÁVISLOSTI DOPRAVNÍCH A EKONOMICKÝCH VELIČIN

MOŽNÉ PŘÍSTUPY KE ZJIŠŤOVÁNÍ ZÁVISLOSTI DOPRAVNÍCH A EKONOMICKÝCH VELIČIN Ročík 5., Číslo III., lsopad 00 MOŽNÉ PŘÍSTUPY KE ZJIŠŤOVÁNÍ ZÁVISLOSTI DOPRAVNÍCH A EKONOMICKÝCH VELIČIN POSSIBLE APPROACHES TO DEPENDENCE DETECTION OF TRANSPORTATIONAL AND ECONOMICAL QUANTITIES Dael

Více

Parciální diferenciální rovnice. Dirichletova úloha pro Laplaceovu (Poissonovu) rovnici Rovnice vedení tepla

Parciální diferenciální rovnice. Dirichletova úloha pro Laplaceovu (Poissonovu) rovnici Rovnice vedení tepla arálí dereálí rove Drleova úloa ro Lalaeov ossoov rov Rove vedeí ela Vlová rove Klasae leárí arálí dereálí rov.řád d ě ý ve dvo roměý V oblas Ω E de a b d e a g jso sojé je dáa rove ro [ ] Ω oložíme g

Více

Interval spolehlivosti pro podíl

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

Více

Náhodné jevy, jevové pole, pravděpodobnost

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

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí středisko ro odoru kvality Testováí zůsobilosti a výkoosti výrobího rocesu RNDr. Jiří Michálek, Sc Ústav teorie iformace a automatizace AVČR UKAZATELE ZPŮSOBILOSTI 3 UKAZATELE ZPŮSOBILOSTI

Více

Lineární regrese ( ) 2

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

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

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

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

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

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

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

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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:

Více

č č é é é ě á á á á é ú ř ó á ě á Č é á Č é č ř č č š é á á č á ž ě ě ě š ř ů ě č č á á á á Č é á Č ž č ě ů ě ú ů ž á é á ž ář ž úč á ž é ě é ž úř é ě

č č é é é ě á á á á é ú ř ó á ě á Č é á Č é č ř č č š é á á č á ž ě ě ě š ř ů ě č č á á á á Č é á Č ž č ě ů ě ú ů ž á é á ž ář ž úč á ž é ě é ž úř é ě á á é é č á ř ž Č Ř é é é ě č é é é ě é ě Úč é č ř á á á ó ř č áč á ř é é é ě č č é é é ě á á á á é ú ř ó á ě á Č é á Č é č ř č č š é á á č á ž ě ě ě š ř ů ě č č á á á á Č é á Č ž č ě ů ě ú ů ž á é á ž

Více

Přednáška č. 11 Analýza rozptylu při dvojném třídění

Přednáška č. 11 Analýza rozptylu při dvojném třídění Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané

Více

ř šť é ů š á ž á ů Ž á á ě č šť á ř é ř á ě á ž á ě é é č é ť á á č á á ééč ě ě š ř ů á Ž é á ř ř č á ř š é ě ř ě á á á ář é Í ř č á á Ž č ř ě ů ě žá

ř šť é ů š á ž á ů Ž á á ě č šť á ř é ř á ě á ž á ě é é č é ť á á č á á ééč ě ě š ř ů á Ž é á ř ř č á ř š é ě ř ě á á á ář é Í ř č á á Ž č ř ě ů ě žá ě úř é š ž ř é á é Č ř á á é š ě é š é á č é š Ř Á ÁŠ Ú Í Í á čá ě úř é š Ž ř úř ř š á č ú á á řá á ě ě š ř ů á á ú ř Ž á á á ě ě ž ú á ě é š Č é á č é š ž á ě á á á áš č ě š ú ú ř ř á ú ř ě ě Ž ú úě ě

Více

Lineární a adaptivní zpracování dat. 12. Adaptivní filtrace a predikce III.

Lineární a adaptivní zpracování dat. 12. Adaptivní filtrace a predikce III. Leárí a adatví zracováí dat 12. Adatví ftrace a redce III. Dae Scharz Ivestce do rozvoje vzděáváí Adatví ftrace aace 1. Idetface systémů 2. Potačeí šumu 3. Leárí redce Vždy utá dostuost chybové sevece

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tsty - NOV NOV tsty s rovádí s omocí aalýzy roztylů NOV souhré tsty ro víc ěž dva výběry. NOV aramtrcká tstováí charaktrstk z zámých rozdělí

Více

Spolehlivost a diagnostika

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

Více

K čemu slouží regrese?

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

Více

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

ENERGIE MEZI ZÁŘENZ VZORKEM

ENERGIE MEZI ZÁŘENZ VZORKEM METODY BEZ VÝMĚNY V ENERGIE MEZI ZÁŘENZ ENÍM M A VZORKEM SPEKTROMETRIE VYUŽÍVAJÍCÍ ROZPTYL Meoda založeá a měřeí idexu lomu láek (). Prochází-li paprsek moochromaického zářeí rozhraím raspareích prosředí,

Více

Statistické charakteristiky (míry)

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

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

2. Úvod do indexní analýzy

2. Úvod do indexní analýzy 2. Úvod do idexí aalýzy 2.. Motivace Tato kaitola se zabývá srováváím ukazatelů v datových souborech, které se liší buď časově ebo rostorově ebo věcě. Nejdůležitější je srováváí ukazatelů z časového hlediska.

Více

n(- ) = n p FEKT VUT v Brně ESO / L3 / J.Boušek 1 FEKT VUT v Brně ESO / L3 / J.Boušek x p x 0 N A E = 0

n(- ) = n p FEKT VUT v Brně ESO / L3 / J.Boušek 1 FEKT VUT v Brně ESO / L3 / J.Boušek x p x 0 N A E = 0 M FK BRĚ J.Boušek / lekroické součásky / 3 řechod v rovovážém savu K ; K J J J J J,drif J,dif µ d d J J,drif J,dif µ - d d o dosazeí (µk/ : iseiův vzah d d k d µ d d d µ - závislos a relaiví změě kocerace

Více

1. Ukazatele primární: - jsou přímo zjišťované, neodvozené - např. stav zásob, počet pracovníků k 31. 12., atd.

1. Ukazatele primární: - jsou přímo zjišťované, neodvozené - např. stav zásob, počet pracovníků k 31. 12., atd. SROVNÁVÁNÍ HODNOT STATSTCÝCH UKAZATELŮ - oisem a analýzou ekonomikýh jevů a roesů omoí statistikýh ukazatelů se zabývá hosodářská statistika - ílem je nalézt zůsoby měření ekonomiké skutečnosti (ve formě

Více

Investiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic

Investiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic Ivesičí čios Exisují růzá pojeí ivesičí čiosi: Z pohledu ekoomické eorie Podikové pojeí ivesic Klasifikace ivesic v podiku 1) Hmoé (věcé, fyzické, kapiálové) ivesice 2) Nehmoé (emaeriálí) ivesice 3) Fiačí

Více

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

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

Více

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

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

Více

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

Raoultův zákon, podle kterého je při zvolené teplotě T parciální tlak i-té složky nad roztokem

Raoultův zákon, podle kterého je při zvolené teplotě T parciální tlak i-té složky nad roztokem DVOUSLOŽKOVÉ SYSTÉMY lkace Gbbsova zákona fází v f s 2 3 1 4 2 2 4 mamálně 3 roměnné, ro fázový dagram bchom otřeboval trojrozměrný 1 3 4 graf, oužíváme lošné graf, kd volíme buď konstantní telotu (zotermcký

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby. ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

Více

Petr Šedivý Šedivá matematika

Petr Šedivý  Šedivá matematika LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

Univerzita Karlova v Praze Pedagogická fakulta

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

Více

T t. S t krátkodobé náhodná složka. sezónní. Trend + periodická složka = deterministická složka

T t. S t krátkodobé náhodná složka. sezónní. Trend + periodická složka = deterministická složka Analýza časových řad Klasický přísup k analýze ČŘ dekompozice časové řady - rozklad ČŘ na složky charakerizující různé druhy pohybů v ČŘ, keré umíme popsa a kvanifikova rend periodické kolísání cyklické

Více

Příklady časových řad a jejich použití. Z2069 Statistické metody a zpracování dat II Analýza časových řad vývoj cen akcií objem obchodování na burze

Příklady časových řad a jejich použití. Z2069 Statistické metody a zpracování dat II Analýza časových řad vývoj cen akcií objem obchodování na burze Přílad časových řad a jejich použií hp://www.cru.uea.ac.u/cru/ifo/warmig/ 3 Objem obchodu (iervalová řada Kurz acie (oamžiová řada 5 Z69 Saisicé meod a zpracováí da II Aalýza časových řad vývoj ce acií

Více

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

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

Více

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

Lineární a adaptivní zpracování dat. 8. Modely časových řad I. Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK

Více

Časová zátěž Na prostudování této kapitoly a splnění úkolů s ní spojených budete potřebovat asi 8 hodin studia.

Časová zátěž Na prostudování této kapitoly a splnění úkolů s ní spojených budete potřebovat asi 8 hodin studia. Kapiola 0.: Úvod do aalýzy časových řad Cíl kapioly Po prosudováí éo kapioly budee umě - očisi časovou řadu od důsledků kaledářích variací - graficky zázori okamžikovou i iervalovou časovou řadu - vypočía

Více

Vysokoúčinná kapalinová chromatografie

Vysokoúčinná kapalinová chromatografie MC30P14 ysokoúčá kapalová chroaografe, 016/017 ysokoúčá kapalová chroaografe Teore HPLC Josef Cvačka, 4. 10. 016 1 MC30P14 ysokoúčá kapalová chroaografe, 016/017 Reečí velčy R, M ' R, Reečí čas R je celkový

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky

Více

Ý é ě é é Ý é Ú é é Ý Š ě é Č ě Ý ě ž é é é Í é Č Š Ž é ž é ž é é ě é é ž é ě Ž é é é é ě Á ÁŘ

Ý é ě é é Ý é Ú é é Ý Š ě é Č ě Ý ě ž é é é Í é Č Š Ž é ž é ž é é ě é é ž é ě Ž é é é é ě Á ÁŘ é é é é é é é é ě Č Č é é ě ž Ž ě Ž ů é Č ž ě Ž Š ě Ř Ž ž ů ě ě é Ž Ž ů Ž Š éž Ý Š é é ž ů é Ž ě Ř Ž Š ů é ě Č ž é é é ě Ž é ž é Š ě ů é é ě ž ě Ž Š Á ů ě é Ý Í ě ě ě Č Ž ě é Ý é ě é é Ý é Ú é é Ý Š ě

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

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

Více

1 3VYSOK 0 9 0 7KOLA EKONOMICK 0 9 V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravd їpodobnosti STATISTIKA VZORCE PRO 4ST201

1 3VYSOK 0 9 0 7KOLA EKONOMICK 0 9 V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravd їpodobnosti STATISTIKA VZORCE PRO 4ST201 3VYOK 9 7KOLA EKONOMICK 9 V PRAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravd їodobo TATITIKA VZORCE PRO 4T verze 3. oled aualzace: 6..5 KTP 5 3Po aa =,,..., P P zp z P,5 z, 5 z H H H G G...... R =

Více

Příklady z přednášek Statistické srovnávání

Příklady z přednášek Statistické srovnávání říklad z řednášek Statstcké srovnávání Jednoduché ndvduální ndex říklad V následující tabulce jsou uveden údaje o očtu závažných závad v areálu určté frm zjštěných a oravených v letech 9-998. Závažná závada

Více