9. Měření závislostí ve statistice Pevná a volná závislost
|
|
- Libor Sedláček
- před 9 lety
- Počet zobrazení:
Transkript
1 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, oboustraé, příčé, zdálvé ad Pevá a volá závslost Pro pochopeí závslostí je potřebé pozat především pevou a volou závslost Závslost pevá Pevá závslost se obvykle vyskytuje u ěkterých přírodích jevů, kdy změa jedoho jevu způsobuje změu jevu druhého a to v přesě odpovídající teztě. Například délka kovové tyče je ve fukčím vztahu závslá a teplotě, v geometr plocha čtverce fukčě závsí a jeho straě a pod. Příklad: Pevá (fukčí, determstcká) závslost volý pád: s 1 gt pozorovaé hodoty Čas [s] Obr. 9.1 Pevá závslost dráhy a čase př volém pádu Pozorovaým hodotam lze přesě proložt spojtou křvku o zámé rovc. Případé odchylky od křvky jsou způsobey pouze chybam měřeí. Počet aměřeých hodot eovlvňuje přesost závěrů. Stuac lze kdykol přesě opakovat. 1
2 Poptávka po zboží [ks] Závslost volá Některé jevy mohou být a sobě závslé je volě, apř. závslost výosu plody a spotřebě hojv, závslost poptávky a ceě zboží apod. I zde se projeví závslost, avšak vztah je více č méě volý. Změa jedoho jevu podmňuje úroveň jého jevu je s určtou pravděpodobostí a rověž tezta změy druhého jevu může být růzá. Tuto závslost můžeme zkoumat je př větším možství jevů. Volá (stochastcká) závslost trží poptávka: 50 pozorovaé hodoty Cea zboží [Kč] Obr. 9. Volá závslost poptávky a cey zboží Všem pozorovaým hodotam elze proložt křvku. Odchylky od deálího průběhu závslost jsou dáy dvduálím zvláštostm jedotlvých případů. Iformace o závslost se zpřesňují s přbývajícím počtem případů. Stuac se kdy epodaří zovu přesě reprodukovat. Předmětem zájmu statstky je volá závslost, která je typcká pro socálě ekoomcké mohé jé vysoce komplkovaé jevy.
3 9.. Klasfkace statstckých závslostí Statstka se zývá především zkoumáím volé závslost. V rámc tohoto zkoumáí ale můžeme odhalt závslost pevé Podle druhu statstckých zaků, můžeme závslost člet ásledově: korelačí závslost závslost mez kvattatvím zaky (apř. vztah mez spotřebou krmva a dosahovaým přírůstkem u zvířat, mez délkou klasu pšece a počtem zr v klasu, mez výosem plody a straě jedé a spotřebou hojv), asocačí závslost závslost mez kvaltatvím alteratvím zaky (apř. vztah mez postřkem stromů a červvostí ovoce,), kotgečí závslost závslost mez kvaltatvím zaky možým (apř. ctlvost růzých druhů zvířat a ěkteré stresové poděty, vlv růzých techologí a výos jedotlvých druhů obl) Veškeré závslost můžeme rozdělt a závslost příčé a závslost zdálvé. Smysl zkoumat mají pouze závslost příčé, kde vystupuje: jede jev jako příča ezávslá proměá (X), druhý jev jako úček závslá proměá (Y). Statstka zkoumá příčé volé závslost Klasfkace statstckých závslostí číselých zaků Každá závslost číselých zaků má dva vzájemě eodděltelé atrbuty (vlastost): teztu závslost - korelace. průběh závslost - regrese, Statstka měří průběh a teztu závslost číselých zaků. Příčé závslost číselých zaků klasfkujeme z růzých hledsek: a závslost jedostraé a závslost oboustraé (vždy však vzájemé), a závslost přímočaré a křvočaré, ěkteré (zejméa přímočaré) a závslost poztví a závslost egatví (toto hledsko má pouze okrajový výzam), podle matematckých fukcí použtých a zkoumáí průběhu závslost a závslost leárí a závslost eleárí, podle počtu příč (ezávslých proměých) a závslost párové (jedoduché, s jedou ezávslou proměou) a závslost mohoásobé (s ejméě dvěma současě působícím ezávslým proměým),atd. V prax se větša úloh omezuje je a párové a leárí ebo křvočaré závslost. 3
4 Druhy korelačí závslost: Podle počtu zaků: - jedoduchá (prostá) Y = f (X) - víceásobá Y = f (X 1, X,, X ) Podle typu regresí fukce: y leárí závslost y eleárí závslost x x Podle směru regresí fukce: kladá (přímá) závslost záporá (epřímá závslost křvočará závslost y y y x x x Podle stupě závslost (korelace) zaků: ezávslost volá závslost žší stupeň vyšší stupeň pevá závslost y y y y x x x x Obr. 9.4 Příklady korelačí závslost 4
5 9.3. Korelačí aalýza Korelačí aalýza zkoumá korelačí závslost mez kvattatvím (číselým) zaky. Př zkoumáí korelačí závslost rozezáváme dva základí pojmy: Korelace = stupeň (těsost) závslost. Regrese = průběh závslost prostředctvím matematcké fukce (zpravdla přímky), změa závslé proměé podle ezávsle proměé. Př malém počtu statstckých jedotek je základem pro zkoumáí závslostí základí - datová tulka, do které zazameáváme hodoty statstckých zaků pro všechy statstcké jedotky od = 1 až po =. Základí - datová tulka a zkoumáí závslost T. 9.1 Statstcká jedotka Hodoty statstckých zaků Zak x Zak y 1 x 1 y 1 x y... x y V této podobě jde je o zázam výsledků zjšťováí za čleý statstcký soubor. Př velkém rozsahu dat je pracoví tulka epraktcká a epřehledá. Výhodější je v této stuac tzv. korelačí tulka, v které jsou uvedey četost kombací obmě hodot obou zaků. Pokud jde o ezávslé proměé je možé vykoat tříděí podle proměé x podle proměé y. T. 9. Korelačí tulka a zkoumáí závslost Zak x Zak y y 1 y. y l x l x1 x 1. l x x l x y1 y.. 5
6 Počet letokruhů Příklad: Za 10 rod máme údaje o počtu dětí v rodě (proměá x) a velkost bytu (proměá y) vyjádřeé počtem místostí. T. 9.3 Základí - datová tulka Statstcké zaky rody Roda Počet dětí v rodě (proměá x) Počet místostí (proměá y) T. 9.4 Korelačí tulka Počet dětí (proměá x) Počet místostí (proměá y) Celkem Celkem Prostředkem grafcké prezetace závslostí číselých zaků je korelačí bodový graf. Body v grafu představují jedotlvé statstcké jedotky, kterým odpovídají obměy příslušých statstckých zaků a osách x a y. Pozámka: Když se vyskyte více statstckých jedotek se stejým obměam statstckých zaků, body se v bodovém korelačím grafu překrývají. Pro lepší ázorost je možé v tomto případě použít pseudo-3d graf. Příklad: U ařezaých prke můžeme zkoumat závslost jejch tloušťky a počtu letokruhů , 0 1, 1, 4 1, 6 1, 8, 0,, 4, 6 Tloušťka prka [cm] Obr. 9.3 Korelačí bodový graf a zkoumáí závslost tloušťky prke a počtu jejch letokruhů 6
7 Korelačí aalýza má dvě základí úlohy: regresí úloha, korelačí úloha Korelačí a regresí úloha Korelačí úloha Aalytcký ástroj korelace se může použít k testováí závslost dvou číselých statstckých zaků. Korelačí úloha spočívá ve zkoumáí těsost korelačího vztahu. Závslost zameá, že hodoty jedoho zaku odpovídají přímo úměrě (kladá korelace) ebo eúměrě (záporá korelace) hodotám ve druhého zaku. Mírou korelace je koefcet, ebo dex korelace r. Má hodoty od -1 do 1, udávající, jak přesě odpovídají předpokládaé (očekávaé) hodoty, vyjádřeé regresí fukcí - spojcí tredu (tred, vývoj, směr, vyrováí měřeých velč), skutečým datům. Spojce tredu je ejspolehlvější v případě, že se hodota dexu (koefcetu) korelace - spolehlvost blíží ebo rová hodotě 1. Pokud jsou hodoty obou zaků ezávslé, bude korelace blízká ule. Idex (koefcet) korelace se vypočítá podle vztahu: r ( y ( y y( x )) y ) y 1 y kde x je x-ová souřadce datového bodu y je y-ová souřadce datového bodu je počet datových bodů Podle hodoty Idexu (koefcetu) korelace určuje míru závslost. Když bude mít Idex (koefcet) korelace hodoty: r = 0,0 0, r = 0,3 0,4 r = 0,5 0,6 r = 0,7 0,8 r = 0,9 1,0 jedá se o žádou ebo velm slou závslost jedá se o slou jedá se o průměrou závslost jedá se o slou závslost jedá se o velm slou závslost 7
8 9.4.. Regresí úloha Regresí úloha korelačí aalýzy má za cíl popsat průběh zkoumaého vztahu statstckých zaků a použít její výsledky př progózách. Jde o to, y jsme vyjádřl průběh korelačí závslost t.j. změy závsle proměé a změách ezávsle proměé. Teto vztah azýváme regrese. Regres popsujeme regresí fukcí. R = regresí koefcet = koefcet spolehlvost případé předpovědě Přesost regresí fukce je přímo závslá a rozsahu souboru. Pomocí regresí aalýzy, prodloužeím spojce tredu, se dají staovt hodoty za, ebo před zobrazeým daty. Tím se dá provést matematcká předpověď. Přesost matematckého předvídáí je úměrá velkost korelačí závslost. K určeí parametrů (koefcetů) regresí fukce se používá metoda ejmeších čtverců. 8
9 Metoda mmálích čtverců Výzam metody mmálích čtverců Metoda mmálích čtverců je uverzálí metodou staoveí (odhadu) parametrů b 0, b 1,..., b m fukce ahrazující původí aměřeé hodoty y závsle proměé Y. Zameá to, že hledáme fukc, která má součet čtverců odchylek měřeých údajů od teoretckých co ejmeší. V geometrcké představě to zameá, že hledáme takovou křvku, která co ejtěsěj přléhá k jedotlvým bodům. Fukce této křvky by měla být co ejjedodušší, y se dala sado používat k výpočtu dalších potřebých hodot. Tuto fukc azýváme regresí fukcí. Původě ezámé koefcety b j jsou parametry regresí fukce. Výběr typu fukce (tj. apř. kvadratcká, lomeá apod.) je v kompetec řeštele úlohy. Metoda mmálích čtverců aleze pak parametry ejlepší fukce předem zvoleého typu. každé pozorovaé hodotě y odpovídá hodota vypočteá y čtverec odchylky pozorovaé a vypočteé hodoty závslé proměé hodoty zavslé promeé Y pozorovaé hodoty závslé proměé y regresí fukce y hodoty ezávslé proměé X Obr. 9.7 Grafcké zázorěí metody krtéra mmálích čtverců 9
10 Metoda mmálích čtverců mmalzuje součet čtverců odchylek pozorovaých (aměřeých) hodot závsle proměé a zvoleé regresí fukce. Spočívá tedy v hledáí takové regresí fukce pro kterou bude platt vztah y y m 1 Platí pro fukce leárí eleárí, jedoduché víceásobé. Je-l rozsah souboru rove, je krtérum mmálích čtverců m ( y y ) [ y b j f j ( x )] 1 1 j 0 m. Dá se ukázat, že vyhovuje-l určtá fukce krtéru mmálích čtverců, splňuje automatcky též ( y y ) 0 (součet kladých a záporých odchylek kolem 1 regresí fukce se kompezuje). Tato podmíka však regresí fukc eurčuje jedozačě. Exstuje jedá regresí fukce zvoleého typu, která pro kokrétí data vyhovuje podmíce mmálích čtverců. Y y y X Obr. 9.8 Grafcké zázorěí krtéra mmálích čtverců 10
11 Proceta 9.5. Základí typy regresích fukcí a jejch aplkace Regresí fukce - spojce tredů může mít růzý tvar. Nejčastěj se používají fukce: leárí, expoecálí, mocá, logartmcká, polyomcká, Vyrováí leárí fukcí. Leárí spojce tredu je přzpůsobeá přímka používaá u jedoduchých leárích mož dat. Data jsou leárí, jestlže průběh jejch datových bodů přpomíá přímku. Leárí spojce tredu obvykle zobrazuje, že ěco roste ebo klesá kostatí měrou y a bx Příklad: Vyrováí vývoje výdajů a vědu z HDP leárí fukcí,5 Proceta z HDP a vědu a výzkum Slovesko EU 1,5 y = 0,03x - 44,115 R = 0, y = -0,05x + 50,645 R = 0,899 0, Roky Obr. 9.9 Porováí vývoje podílu vědy z HDP SR a EU 11
12 Počet požárů Vyrováí mocou fukcí Mocá spojce tredu je křvka používaá u dat porovávajících stoupající hodoty aměřeé v určtých tervalech. Například zrychleí auta v tervalech po 1 sekudě. Mocou spojc tredu elze vytvořt, jestlže data obsahují ulové ebo záporé hodoty. b y ax Vyrováí logartmckou fukcí Logartmcká spojce tredu je přzpůsobeá křvka používaá u dat, která rychle stoupají ebo klesají a postupě se vyrovávají. U logartmcké spojce tredu je možé použít kladé záporé hodoty. y al( x) b Vyrováí polyomckou fukcí Polyomcká spojce tredu je křvka používaá u dat, která kolísají. a edají se tedy aproxmovat jedodušší fukcí. Stupeň polyomu může být urče počtem kolísáí v datech ebo počtem zakřveí (maxm a mm) v křvce. Stupeň má obvykle jede vrchol. Stupeň 3 má obvykle jede ebo dva vrcholy. Stupeň 4 má obvykle až tř vrcholy. y a b x 6 1 b x... b6 x Příklad: Vyrováí počtu požárů za roky polyomem 0 50 Počty požárů ve stavebctví v ČR 00 y = 1,48x x + 6E+06 R = 0, Roky Obr. 9.9 Vývoj počtu požáru za roky
13 Počet požárů Úrazy Vyrováí expoecálí spojcí Expoecálí spojce tredu je křvka, která se používá v případě, že hodoty dat stoupají ebo klesají ve stále větších krocích. Tuto spojc elze vytvořt, jestlže data obsahují ulové ebo záporé hodoty. bx y ae Příklad Další graf udává statstcký soubor vytvořeý z reálě vysledovaých údajů v letecké dopravě. Počet smrtelých úrazů přpadajících a 1 mlo alétaých klometrů je vysledová v rocích 1950 až 005 Soubor byl vyrová expoecálí fukc. Koefcet spolehlvost R = je dost vysoký, y se expoecálí fukce mohla použít pro statstcké předvídáí. 50 Graf smrtelých úrazů Počty požárů ve stavebctví v ČR y = 5E+7e -0,08443x R = 0, y = 1,48x x + 6E+06 R = 0, Roky Roky Obr. 9.9 Vývoj smrtelých úrazů v letecké dopravě a 1 ml. alétaých klometrů za roky Předvídaé údaje jsou esmírě ceé formace pro strateg krzového pláováí. Tyto a obdobě vyhodoceé další vysledovaé formace se dají aplkovat a každé letště. To umožňuje přpravt odpovídající dmez místích záchraých sl a prostředků, přpravt potřebou kapactu zdravotckých a techckých zařízeí, orgazac záchraé hasčské lékařské služby, vytvořt s obraz o řídících pracích apod. 13
14 9.6. Asocačí závslost Asocačí závslost je závslost mez dvěma kvaltatvím alteratvím (dvojým) zaky: T. 9.5 Základí - datová tulka a zkoumáí asocačí závslost přítomost zaku epřítomost zaku zak A a zak B b Zak A Všeobecá asocačí tulka Zak B b β Celkem a aβ a α αb αβ α Celkem b β T. 9.6 Koefcet asocace Q a a b b Koefcet korelace Odchylka od ezávslost R a a a b b b Příklad: Soubor pracovíků podku B, rok 001, = 450 alteratví zaky: A očkováí, B oemocěí Oemocěí (B) Očkováí (A) ao b e ao a e Koefcet asocace Q a a , Koefcet asocace ukazuje vysoký stupeň účost očkováí. b b 14
15 9.7. Kotgečí závslost Kotgečí závslost mez kvaltatvím možým zaky Všeobecá kotgečí tulka T. 9.7 Zak A a a a a 1 k Celkem b b Zak B b j b l 1 1 j j k1 k kj kl 1 j l j 1l l l Celkem 1 k Čtvercová kotgece k l j k 1 j1 j 1 j1 j l j j k l j 1 j1 j Čuprovův koefcet kotgece K k 1l 1 15
16 Příklad: U 350 zákazíků byla hodocea spokojeost s poskytovaým službam vybraé frmy. T. 9.7 Kotgečí tulka a zkoumáí závslost spokojeost a využíváí služeb zákazíky Zákazíc Využíváí služeb Spokojeost Celkem se službam frmy ao e zřídka často velm často Celkem ( ) , K , 7 ( 3 1)( 1) 0,44 Z výsledku vyplývá, že exstuje průměrý vztah (závslost) mez spokojeostí se službam frmy a frekvecí jejch využíváí. 16
9. Měření závislostí ve statistice Pevná a volná závislost
Dráha [m] 9. Měřeí závislostí ve statistice Měřeí závislostí ve statistice se zabývá především zkoumáím vzájemé závislosti statistických zaků vícerozměrých souborů. Závislosti přitom mohou být apříklad
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
, 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,
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
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
a další charakteristikou je četnost výběrového souboru n.
Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu
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
3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.
3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet
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
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
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
Chyby přímých měření. Úvod
Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,
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
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
4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností
4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.
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
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 =
Úvod do teorie měření
Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých
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
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
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
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
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
VY_52_INOVACE_J 05 01
Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí
Regresní a korelační analýza
Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který
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
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
Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2
Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z
Závislost slovních znaků
Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví
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
Testování statistických hypotéz
Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím
APLIKOVANÁ STATISTIKA
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4
KVALITA REGRESNÍHO MODELU Radek Fajfr
UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ KVALITA REGRESNÍHO MODELU Radek Fajfr Bakalářská práce 00 Prohlášeí Tuto prác jsem vypracoval samostatě. Veškeré lterárí pramey a formace, které jsem v
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
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
Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:
Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám
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,
8 NELINEÁRNÍ REGRESNÍ MODELY
8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá
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,
T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.
Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB
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:
Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc.
Metody statstcké aalýzy doc. Ig. Dagmar Blatá, CSc. Bakoví sttut vysoká škola, a.s. Praha 0 METODY STATISTICKÉ ANALÝZY Autor: Recezet: Vydal: Tsk: Vydáí: doc. Ig. Dagmar Blatá, CSc. doc. Ig. Jří Trešl,
Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).
Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké
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
Měření závislostí. Statistická závislost číselných znaků
Měřeí závslostí Statstcká závslost číselých zaků - závslost dvou velč lze vádřt ako ech fukčí vztah vzorcem, taulkou hodot příslušé fukce eo grafck; - mez zak zkoumaých evů zšťueme estec příčé (kauzálí
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
14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat
4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto
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
PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů
Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý
UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy
UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ
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
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.
Téma 2 Přímková a rovinná soustava sil
Stavebí statka,.ročík bakalářského studa Téma 2 Přímková a rová soustava sl Přímková soustava sl ový svazek sl Statcký momet síly k bodu a dvojce sl v rově Obecá rová soustava sl ová soustava rovoběžých
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
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,
S1P Popisná statistika. Popisná statistika. Libor Žák
SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk
PROJEKT PARKINSON KLUBU BRNO Život je pohyb a pohyb je život Význam a zaměření projektu. Hodnotící ukazatele projektu.
- 1 - - - - 3 - - 4 - - 5 - PROJEKT PARKINSON KLUBU BRNO Žvot je pohyb a pohyb je žvot - 015 Výzam a zaměřeí projektu Základí deou projektu je vzdorovat egatvím tělesým a psychckým projevům Parksoově emoc,
PRAVDĚPODOBNOST A STATISTIKA
SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý
PRAVDĚPODOBNOST A STATISTIKA
SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty
- 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
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.
11. Popisná statistika
. Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př
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
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
Statistika - vícerozměrné metody
Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé
BIVŠ. Pravděpodobnost a statistika
BIVŠ Pravděpodobost a statstka Úvod Skrpta Pravděpodobost a statstka jsou učebím tetem pro stejojmeý kurz magsterského studa Bakovího sttutu vysoké školy Kurzy Pravděpodobost a statstka a avazující kurz
12. Neparametrické hypotézy
. Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,
[ 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
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
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
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
APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU
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
2. Vícekriteriální a cílové programování
2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě
ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC
ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC Jří HŘEBÍČEK, Mchal HEJČ, Jaa SOUKOPOVÁ ECO-Maagemet,
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
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ
Testy statistických hypotéz
Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč
Jednoduchá lineární regrese
Jedoduchá leárí regrese Motvace: Cíl regresí aalýz - popsat závslost hodot velč Y a hodotách velč X. Nutost vřešeí dvou problémů: a) jaký tp fukce se použje k popsu daé závslost; b) jak se staoví kokrétí
Statistická analýza dat
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Statstcká aalýza dat Učebí texty k semář Autor: Prof. RNDr. Mla Melou, DrSc. Datum: 5.. 011 Cetrum pro rozvoj výzkumu pokročlých řídcích a sezorckých techologí CZ.1.07/.3.00/09.0031
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určté předpoklady (hypotézy) o základím souboru STATISTICKÁ HYPOTÉZA předpoklad (tvrzeí) o parametru G základího
odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
Téma 11 Prostorová soustava sil
Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra
Přednáška č. 2 náhodné veličiny
Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující
Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu
Vědeckotechcký sorík ČD č. 3/0 Leka Zahradíková Model poptávky po železčí osoí dopravě Českých drah, a. s. a tuzemském přepravím trhu Klíčová slova: poptávka, osoí doprava, České dráhy, regresí aalýza,
Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy
Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí
SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek
SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...
VŠB Technická univerzita Ostrava DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK
VŠB Techcká uverzta Ostrava Fakulta elektrotechky a formatky DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK Dzertačí práce Studjí obor: Školtel: Doktoradka: Výpočetí a aplkovaá matematka
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,
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
LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:
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 -
B a k a l ářská práce
Vysoká škola ekoomcká v Praze Fakulta maagemetu v Jdřchově Hradc B a k a l ářská práce Iveta Doležalová 007 Vysoká škola ekoomcká v Praze Fakulta maagemetu v Jdřchově Hradc Katedra maagemetu formací Katedra
PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2
SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých
6. FUNKCE A POSLOUPNOSTI
6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat
Testování hypotéz. 3.1 Základní pojmy a obecný postup při testování
Lekce 3 Testováí hypotéz Vlajkovou lodí matematcké statstky jsou techky testováí hypotéz. Formulace hypotéz a jejch ověřováí jsou základím mechasmem postupu ldského pozáí. Pokud jsou formace, potřebé k
9.3.5 Korelace. Předpoklady: 9304
935 Koelace Předpoklad: 9304 Zatím jsme se zabýval vžd pouze jedím zakem, ve statstckém výzkumu jsme však u každého jedotlvce (statstcké jedotk) sledoval zaků více Učtě spolu ěkteé zak souvsí (apříklad
Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné
CHYBY MĚŘENÍ Opakovaé měřeí téže fyzkáí večy evede vždy k přesě stejým výsedkům. Této skutečost bychom se evyhu, kdybychom měřeí provádě s ejvětší důkadostí a precsostí aopak, čím ctvější a přesější jsou
Výsledky této ásti regresní analýzy jsou asto na výstupu z poítae prezentovány ve form tabulky analýzy rozptylu.
Ig. Marta Ltschmaová Statstka I., cveí 4 JEDNODUCHÁ LINEÁRNÍ REGRESE asto chceme prozkoumat vztah mez dvma velam, kde jeda z ch, tzv. ezávsle promá x, má ovlvovat druhou, tzv. závsle promou Y. edpokládá