Měření závislosti statistických dat

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Měření závislosti statistických dat"

Transkript

1 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě své sedmnáctileté dcery. James Truslow Adams

2 Co se dozvíte o Asociace, kovariance a korelace, míry závislosti. o Modelování statistické závislosti. o Regresní přímka, metoda nejmenších čtverců. o Vybrané nelineární závislosti. o Měření kvality modelu. 2

3 Asociace míra závislosti mezi četnostmi výskytu hodnot dvou kvalitativních znaků X a Y v kontingenční tabulce hypotetické (očekávané) sdružené četnosti e ij pro nezávislé hodnoty x i a y j platí: e ij = n ij expected míra (ne)závislosti kvalitativních znaků G r počet řádků (obměn znaku X) s počet sloupců (obměn znaku Y) 3

4 Míry asociace [: chí kvadrát :] G jako Pearsonova χ 2 míra asociace znaků X a Y G = 0 G = n.h znaky X a Y jsou nezávislé znaky X a Y jsou maximálně závislé h = min (r - 1 ; s - 1) Cramerův kontingenční koeficient V V = 0 V = 1 znaky jsou nezávislé znaky jsou maximálně závislé 4

5 Příklad Je politická orientace závislá na vzdělání? n ij orientace levice střed pravice Σ e ij orientace levice střed pravice Σ vzdělání ZŠ SŠ VŠ vzdělání ZŠ 2,16 6,72 3,12 12 SŠ 4,32 13,44 6,24 24 VŠ 2,52 7,84 3,64 14 Σ Σ G ( 5 2,16) ( 5 6, 72) ( 3 3, 64) = = 7,11 2,16 6, 72 3, 64 Cramerův koeficient: 7,11 V = G n h = 50 2 = 0,27 slabá závislost 5

6 Kovariance kovariance s xy vyjadřuje vzájemný vztah proměnných X a Y pro populaci bude ve jmenovateli n vyjadřuje intenzitu lineární závislosti mezi X a Y s xy > 0 přímá (pozitivní) závislost X Y s xy < 0 nepřímá (negativní) závislost X Y s xy = 0 lineárně nezávislé veličiny 6

7 Korelace korelační koeficient r xy relativní vyjádření vztahu mezi X a Y 1 r xy + 1 vyjadřuje intenzitu lineární závislosti mezi X a Y r xy > 0 r xy < 0 r xy = 0 r xy = ±1 převažuje rostoucí závislost mezi x a y převažuje klesající závislost mezi x a y znaky x a y jsou lineárně nezávislé znaky x a y jsou lineárně závislé 7

8 Příklad korelační tabulka Lze dosažené známky z mikro (Mi) a Makro (Ma) ekonomie považovat za nezávislé veličiny? Mi \ Ma Σ Σ X známka z Mi Y známka z Ma střední hodnoty a rozptyly: x = = 1, y = = 1,68 50 s x ,82 = = 0, ,68 = = 0, s y 8

9 Příklad kovariance s xy ,82 1,68 = = 49 0,268 korelační koeficient 0,268 r xy = = 0,681 0,671 0,396 Mezi oběma předměty je slabá pozitivní závislost. 9

10 Regresní funkce korelace a regrese korelace vzájemný (lineární) vztah proměnných regrese matematické vyjádření vztahu mezi proměnnými regresní model: X 1... X k? Y Y = f(x 1, X 2,, X k ) + e deterministická složka lze vypočítat náhodná složka 10

11 Přečtěte si Matematické pojmy poskytují hlubší pohled na ekonomické koncepce a dodávají jim přesnost a jasnost. Mnoho ekonomických jevů může být bráno jako matematické proměnné, např. příjmy, výnosy, náklady, ceny, zásoby, atd. V ekonomii se snažíme určit vztahy mezi těmito proměnnými. Takovým speciálním případem vyjádření vztahů mezi proměnnými je regresní funkce. Doc. RNDr. Ing. Petr Fiala, CSc., MBA. Úvod do kvantitativní ekonomie 11

12 Jednoduchá lineární regrese Lineární regrese lineární regresní model y x rovnice regresní přímky [ x ; y ] i i [ ; ] x y ) i i body náležící souboru znaků X, Y body ležící na regresní přímce 12

13 Metoda nejmenších čtverců y i y ) i e i reziduum x i metoda nejmenších čtverců minimalizuje rozptyl hodnot kolem regresní přímky ) SSE = e = y y i ( ) 2 2 i i i i min! SSE Sum of Squared Errors 13

14 Koeficienty lineární regrese rovnice regresní přímky: regresní koeficient b 1 směrnice regresní přímky mezní přírůstek závisle proměnné Y X = 1 Y = b 1 koeficient b 0 průsečík regresní přímky s osou y přímka prochází těžištěm [ x ; y ] 14

15 Kvalita regresního modelu determinační koeficient R 2 rozptyl teoretických hodnot rozptyl empirických hodnot 0 R 2 1 jakou část variability závislé proměnné Y lze vysvětlit vlivem nezávislé proměnné X pro lineární modely je determinační koeficient druhou mocninou koeficientu korelace 15

16 Sdružené regresní přímky odhad proměnné Y pro X = x i odhad proměnné X pro Y = y i Regresní nůžky

17 Příklad závislost známek ze zkoušek mikro (X) a makro (Y): 0, 268 y = f(x) b 1 = = 0,39 b 0 = 1, 68 0,39 1,82 = 0,96 0,681 x y 1,35 1,74 2,13 0,268 x = g(y) a 1 = = 0, 40 a 0 = 1,82 0, 40 1, 68 = 1,15 0,671 y x 1,55 1,95 2,35 makro je lehčí než mikro 17

18 y Nelineární regresní modely parabolická (kvadratická) regrese Y Kvadratická regrese y = -0,0825x 2 + 4,423x + 19,415 R 2 = 0,919 hyperbolická regrese X Hyperbolická závislost Y - počet kontaktů / týden X - vzdálenost v m exponenciální regrese Exponenciální regrese y = 2,0758.1,072 x R 2 = 0, x 18

19 Parabolická regrese regresní funkce: řešíme soustavu rovnic: KDY? proměnná Y se mění rychleji než lineárně proměnná Y mění průběh 19

20 Hyperbolická regrese regresní funkce: rovnice lineární v parametrech (substitucí lze převést na lineární) KDY? modelování nepřímé úměrnosti proměnná Y konvexně klesá 20

21 Exponenciální regrese regresní funkce: rovnice linearizovatelná transformací (logaritmováním lze převést na lineární) KDY? proměnná Y roste rychleji než kvadraticky 21

22 Příklad nelineární regrese Tabulka uvádí závislost mezi vzdáleností pracovníků na pracovišti v metrech a četností jejich pracovních styků za týden: vzdálenost počet styků graf napovídá: použijeme hyperbolickou regresi

23 Příklad výpočtem dostaneme: kvalita modelu determinační koeficient: vypočteme rozptyly: 2 s y = 61 2 s Y = 54 R 2 2 sy = = 0,886 = 88, 6% 2 s y kvalita modelu je poměrně vysoká 23

24 Proč matematické modely? matematický model je abstraktní reprezentace ekonomických vztahů v reálném světě matematika zavádí přesnost do definic a vztahů matematika je jazyk, který usnadňuje sdělování ekonomických koncepcí matematické modely můžeme zkoumat nezávisle na realitě HMOTNOST = ,83 VÝŠKA -6,78 POHLAVÍ + 0,27 VĚK 24

25 Co Vás čeká příště Analýza časových řad o Časové řady a jejich rozklad. o Elementární analýza časové řady. o Analýza trendu, typy trendů časových řad. o Analýza sezónnosti, sezónní odchylky a indexy. o Prognózování budoucího vývoje. 25

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií Hodina 50 Strana /4 Gymnázium Budějovická Volitelný předmět Ekonomie - jednoletý BLOK ČÍSLO 8 Hodnocení akcií Předpokládaný počet : 9 hodin Použitá literatura : František Egermayer, Jan Kožíšek Statistická

Více

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy

Více

Poznámky pro žáky s poruchami učení z matematiky 2. ročník 2005/2006 str. 1. Funkce pro UO 1

Poznámky pro žáky s poruchami učení z matematiky 2. ročník 2005/2006 str. 1. Funkce pro UO 1 Poznámky pro žáky s poruchami učení z matematiky 2. ročník 2005/2006 str. 1 Funkce pro UO 1 Co je to matematická funkce? Mějme dvě množiny čísel. Množinu A a množinu B, které jsou neprázdné. Jestliže přiřadíme

Více

Korelační a regresní analýza

Korelační 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

Více

Třídění statistických dat

Třídění statistických dat 2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.

Více

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13 Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do

Více

Národníinformačnístředisko pro podporu jakosti

Národníinformačnístředisko pro podporu jakosti Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

MATEMATIKA Tematické okruhy ke státní maturitní zkoušce Obor: mechanik elektronik

MATEMATIKA Tematické okruhy ke státní maturitní zkoušce Obor: mechanik elektronik MATEMATIKA Tematické okruhy ke státní maturitní zkoušce Obor: mechanik elektronik R4 1. ČÍSELNÉ VÝRAZY 1.1. Přirozená čísla počítání s přirozenými čísly, rozlišit prvočíslo a číslo složené, rozložit složené

Více

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

PSY117/454 Statistická analýza dat v psychologii Přednáška 10 PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot

Více

Simulace. Simulace dat. Parametry

Simulace. 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,

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

Ing. Radovan Nečas Mgr. Miroslav Hroza

Ing. Radovan Nečas Mgr. Miroslav Hroza Výzkumný ústav stavebních hmot, a.s. Hněvkovského, č.p. 30, or. 65, 617 00 BRNO zapsaná v OR u krajského soudu v Brně, oddíl B, vložka 3470 Aktivační energie rozkladu vápenců a její souvislost s ostatními

Více

10. Předpovídání - aplikace regresní úlohy

10. 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

Více

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1.

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1. Eponenciální rovnice Eponenciální rovnice jsou rovnice, ve kterých se neznámá vsktuje v eponentu. Řešíme je v závislosti na tpu rovnice několika základními metodami. A. Metoda převedení na stejný základ

Více

Písemná práce k modulu Statistika

Písemná práce k modulu Statistika The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem

Více

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení.

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. @083 6 Polynomické funkce Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. Definice: Polynomická funkce n-tého stupně (n N) je dána předpisem n n 1 2 f : y a x

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 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

Více

Testování hypotéz a měření asociace mezi proměnnými

Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2 Statistika jako obor Statistika Statistika je vědní obor zabývající se zkoumáním jevů hromadného charakteru. Tím se myslí to, že zkoumaný jev musí příslušet určité části velkého množství objektů (lidí,

Více

pracovní list studenta

pracovní list studenta Výstup RVP: Klíčová slova: pracovní list studenta Dynamika Vojtěch Beneš žák měří vybrané veličiny vhodnými metodami, zpracuje a vyhodnotí výsledky měření, určí v konkrétních situacích síly působící na

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení

Více

Žák plní standard v průběhu primy a sekundy, učivo absolutní hodnota v kvartě.

Žák plní standard v průběhu primy a sekundy, učivo absolutní hodnota v kvartě. STANDARDY MATEMATIKA 2. stupeň ČÍSLO A PROMĚNNÁ 1. M-9-1-01 Žák provádí početní operace v oboru celých a racionálních čísel; užívá ve výpočtech druhou mocninu a odmocninu 1. žák provádí základní početní

Více

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo a

Více

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404 SOLVER UŽIVATELSKÁ PŘÍRUČKA Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404 1. Solver Program Solver slouží pro vyhodnocení experimentálně naměřených dat. Základem

Více

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

Více

65-42-M/01 HOTELNICTVÍ A TURISMUS PLATNÉ OD 1.9.2012. Čj SVPHT09/03

65-42-M/01 HOTELNICTVÍ A TURISMUS PLATNÉ OD 1.9.2012. Čj SVPHT09/03 Školní vzdělávací program: Hotelnictví a turismus Kód a název oboru vzdělávání: 65-42-M/01 Hotelnictví Délka a forma studia: čtyřleté denní studium Stupeň vzdělání: střední vzdělání s maturitní zkouškou

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem)

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14. 6. 2000,

Více

6.1 Normální (Gaussovo) rozdělení

6.1 Normální (Gaussovo) rozdělení 6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů

Více

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D. Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní

Více

Vícerozměrné statistické metody

Vícerozměrné statistické metody Vícerozměrné statistické metody Smysl a cíle vícerozměrné analýzy dat a modelování, vztah jednorozměrných a vícerozměrných statistických metod Jiří Jarkovský, Simona Littnerová Průběh výuky 13 přednášek

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

Pokud data zadáme přes "Commands" okno: SDF1$X1<-c(1:15) //vytvoření řady čísel od 1 do 15 SDF1$Y1<-c(1.5,3,4.5,5,6,8,9,11,13,14,15,16,18.

Pokud data zadáme přes Commands okno: SDF1$X1<-c(1:15) //vytvoření řady čísel od 1 do 15 SDF1$Y1<-c(1.5,3,4.5,5,6,8,9,11,13,14,15,16,18. Regresní analýza; transformace dat Pro řešení vztahů mezi proměnnými kontinuálního typu používáme korelační a regresní analýzy. Korelace se používá pokud nelze určit "kauzalitu". Regresní analýza je určena

Více

Matematická vsuvka I. trojčlenka. http://www.matematika.cz/

Matematická vsuvka I. trojčlenka. http://www.matematika.cz/ Matematická vsuvka I. trojčlenka http://www.matematika.cz/ Trojčlenka přímá úměra Pokud platí, že čím více tím více, jedná se o přímou úměru. Čím více kopáčů bude kopat, tím více toho vykopají. Čím déle

Více

ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII

ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII Tomáš Katrňák Fakulta sociálních studií Masarykova univerzita Brno SOCIOLOGIE A STATISTIKA nadindividuální společenské struktury podmiňují lidské chování (Durkheim)

Více

Kurz SPSS: Jednoduchá analýza dat. Jiří Šafr

Kurz SPSS: Jednoduchá analýza dat. Jiří Šafr Kurz SPSS: Jednoduchá analýza dat Jiří Šafr vytvořeno 29. 6. 2009 Dva základní typy statistiky 1. Popisná statistika: metody pro zjišťování a sumarizaci informací grfy, tabulky, popisné chrakteristiky

Více

ZLOMKY. Standardy: M-9-1-01 CELÁ A RACIONÁLNÍ ČÍSLA. Záporná celá čísla Racionální čísla Absolutní hodnota Početní operace s racionálními čísly

ZLOMKY. Standardy: M-9-1-01 CELÁ A RACIONÁLNÍ ČÍSLA. Záporná celá čísla Racionální čísla Absolutní hodnota Početní operace s racionálními čísly a algoritmů matematického aparátu Vyjádří a zapíše část celku. Znázorňuje zlomky na číselné ose, převádí zlomky na des. čísla a naopak. Zapisuje nepravé zlomky ve tvaru smíšeného čísla. ZLOMKY Pojem zlomku,

Více

ADDS cvičení 7. Pavlína Kuráňová

ADDS cvičení 7. Pavlína Kuráňová ADDS cvičení 7 Pavlína Kuráňová Analyzujte závislost věku obyvatel na místě kde nejčastěji tráví dovolenou. (dotazník dovolená, sloupce Jaký je Váš věk a Kde nejčastěji trávíte dovolenou) Analyzujte závislost

Více

Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost

Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost (dále jen společnost) stanoví k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost (dále jen osvědčení) následující

Více

otec 165 178 158 170 180 160 170 167 185 165 173 175 syn 162 184 163 170 189 165 177 170 187 176 171 183

otec 165 178 158 170 180 160 170 167 185 165 173 175 syn 162 184 163 170 189 165 177 170 187 176 171 183 Regresní analýza 1. Byla zjištěna výška otců a výška jejich nejstarších synů [v cm]. otec 165 178 158 170 180 160 170 167 185 165 173 175 syn 162 184 163 170 189 165 177 170 187 176 171 183 c) Odhadněte

Více

Přednáška 10. Analýza závislosti

Přednáška 10. Analýza závislosti Přednáška 10 Analýza závislosti Analýza závislosti dvou kategoriálních proměnných Analýza závislosti v kontingečních tabulkách Analýza závislosti v asociačních tabulkách Simpsonův paradox Analýza závislosti

Více

Vzdělávací předmět: Seminář z matematiky. Charakteristika vyučovacího předmětu. Obsahové, časové a organizační vymezení předmětu 5.10.

Vzdělávací předmět: Seminář z matematiky. Charakteristika vyučovacího předmětu. Obsahové, časové a organizační vymezení předmětu 5.10. 5.10. Vzdělávací oblast: Vzdělávací obor: Vzdělávací předmět: Matematika a její aplikace Matematika a její aplikace Seminář z matematiky Charakteristika vyučovacího předmětu Vyučovací předmět Seminář z

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

MATEMATIKA. Doc. RNDr. Eduard Fuchs, CSc., Přírodovědecká fakulta MU Brno. Ing. Milan Hausner, ZŠ Lupáčova, Praha 3

MATEMATIKA. Doc. RNDr. Eduard Fuchs, CSc., Přírodovědecká fakulta MU Brno. Ing. Milan Hausner, ZŠ Lupáčova, Praha 3 MATEMATIKA Vypracovala skupina pro přípravu standardů z matematiky ve složení: Vedoucí: Koordinátor za VÚP: Členové: Doc. RNDr. Eduard Fuchs, CSc., Přírodovědecká fakulta MU Brno RNDr. Eva Zelendová, VÚP

Více

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace Střední škola umělecká a řemeslná Evropský sociální fond "Praha a EU: Investujeme do vaší budoucnosti" Projekt IMPLEMENTACE ŠVP Evaluace a aktualizace metodiky předmětu Matematika Výrazy Obory nástavbového

Více

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12 Obsah Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11 Typografická konvence použitá v knize 12 1 Vybraná témata z Excelu pro techniky 13 Vzorce a funkce pro techniky 14 Vytvoření jednoduchého vzorce

Více

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce Seminarni prace Popisná statistika, data nesmí být časovou řadou Zkoumat můžeme třeba mzdy, obraty atd. (takže možná QA?) Formát pdf, poslat nejpozději den před zkouškou. Podrobnější informace jsou na

Více

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA Osmileté studium 1. ročník 1. Opakování a prohloubení učiva 1. 5. ročníku Číslo, číslice, množiny, přirozená čísla, desetinná čísla, číselné

Více

www.pedagogika.skolni.eu

www.pedagogika.skolni.eu 2. Důležitost grafů v ekonomických modelech. Náležitosti grafů. Typy grafů. Formy závislosti zkoumaných ekonomických jevů a jejich grafické znázornění. Grafy prezentují údaje a zachytávají vztahy mezi

Více

Obsah. 3 Testy 31 3.1 z test... 32 3.2 z test 2... 33 3.3 t test... 34 3.4 t test 2s... 35

Obsah. 3 Testy 31 3.1 z test... 32 3.2 z test 2... 33 3.3 t test... 34 3.4 t test 2s... 35 Obsah 1 Popisná statistika 4 1.1 bas stat........................................ 5 1.2 mean.......................................... 6 1.3 meansq........................................ 7 1.4 sumsq.........................................

Více

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

Jméno a příjmení. Ročník. Měřeno dne. 21.3.2012 Příprava Opravy Učitel Hodnocení

Jméno a příjmení. Ročník. Měřeno dne. 21.3.2012 Příprava Opravy Učitel Hodnocení FYZIKÁLNÍ PRAKTIKUM Ústav fyziky FEKT VUT BRNO Jméno a příjmení Vojtěch Přikryl Ročník 1 Předmět IFY Kroužek 35 ID 143762 Spolupracoval Měřeno dne Odevzdáno dne Daniel Radoš 7.3.2012 21.3.2012 Příprava

Více

Statistické metody uţívané při ověřování platnosti hypotéz

Statistické metody uţívané při ověřování platnosti hypotéz Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy

Více

5.2. Funkce, definiční obor funkce a množina hodnot funkce

5.2. Funkce, definiční obor funkce a množina hodnot funkce 5. Funkce 8. ročník 5. Funkce 5.. Opakování - Zobrazení a zápis intervalů a) uzavřený interval d) otevřený interval čísla a,b krajní body intervalu číslo a patří do intervalu (plné kolečko) číslo b patří

Více

24.11.2009 Václav Jirchář, ZTGB

24.11.2009 Václav Jirchář, ZTGB 24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci

Více

Maturitní témata od 2013

Maturitní témata od 2013 1 Maturitní témata od 2013 1. Úvod do matematické logiky 2. Množiny a operace s nimi, číselné obory 3. Algebraické výrazy, výrazy s mocninami a odmocninami 4. Lineární rovnice a nerovnice a jejich soustavy

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

2.5.12 Přímá úměrnost III

2.5.12 Přímá úměrnost III .5.1 Přímá úměrnost III Předpoklady: 00511 Př. 1: Narýsuj milimetrový papír grafy přímých úměrností. a) y = x b) y = x. U každé přímé úměrnosti si můžeme spočítat několik bodů (ve skutečnosti stačí jeden

Více

Informace k jednotlivým zkouškám na jednotlivých oborech:

Informace k jednotlivým zkouškám na jednotlivých oborech: Informace k jednotlivým zkouškám na jednotlivých oborech: I. Obor Ekonomické lyceum 78-42-M/002 1. Práce s obhajobou z ekonomiky nebo společenských věd: Témata pro práci s obhajobou budou žáci zpracovávat

Více

Informace k jednotlivým zkouškám na jednotlivých oborech:

Informace k jednotlivým zkouškám na jednotlivých oborech: Informace k jednotlivým zkouškám na jednotlivých oborech: Obor Obchodní akademie 63-41-M/004 1. Praktická maturitní zkouška Praktická maturitní zkouška z odborných předmětů ekonomických se skládá z obsahu

Více

Jiří Barilla, Pavel Simr. Microsoft Excel pro techniky a inženýry

Jiří Barilla, Pavel Simr. Microsoft Excel pro techniky a inženýry Jiří Barilla, Pavel Simr Microsoft Excel pro techniky a inženýry Computer Press, a.s. Brno 2008 Microsoft Excel pro techniky a inženýry Jiří Barilla, Pavel Simr Computer Press, a. s., 2008. Vydání první.

Více

Střední škola F. D. Roosevelta pro tělesně postižené, Brno, Křižíkova 11 příspěvková organizace sídlo: 612 00 Brno, Křižíkova 11

Střední škola F. D. Roosevelta pro tělesně postižené, Brno, Křižíkova 11 příspěvková organizace sídlo: 612 00 Brno, Křižíkova 11 Témata k ústní maturitní zkoušce z předmětu Účetnictví profilové části maturitní zkoušky Školní rok 2012/2013 třída: 4.T 1. Legislativní úprava účetnictví 2. Účetní dokumentace 3. Manažerské účetnictví

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy

Více

Zákony hromadění chyb.

Zákony hromadění chyb. Zákony hromadění chyb. Zákon hromadění skutečných chyb. Zákon hromadění středních chyb. Tomáš Bayer bayertom@natur.cuni.cz Přírodovědecká fakulta Univerzity Karlovy v Praze, Katedra aplikované geoinformatiky

Více

11 Analýza hlavních komponet

11 Analýza hlavních komponet 11 Analýza hlavních komponet Tato úloha provádí transformaci měřených dat na menší počet tzv. fiktivních dat tak, aby většina informace obsažená v původních datech zůstala zachována. Jedná se tedy o úlohu

Více

Matematika a statistika

Matematika a statistika KMA/SZZMS Matematika a statistika Matematika 1. Číselné posloupnosti: Definice, vlastnosti, operace s posloupnostmi; limita posloupnosti a její vlastnosti, operace s limitami 2. Limita funkce jedné proměnné:

Více

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách ROZKLAD ROZPTYLU ROZKLAD ROZPTYLU Rozptyl se dá rozložit na vnitroskupinový a meziskupinový rozptyl. Celkový rozptyl je potom součet meziskupinového a vnitroskupinového Užívá se k výpočtu rozptylu, jestliže

Více

Obsah ZÁKLADNÍ INFORMACE...4 OČEKÁVANÉ VĚDOMOSTI A DOVEDNOSTI...5 TÉMATICKÉ OKRUHY...6 TEST 1 ZADÁNÍ...10 TEST 1 TABULKA S BODOVÝM HODNOCENÍM...

Obsah ZÁKLADNÍ INFORMACE...4 OČEKÁVANÉ VĚDOMOSTI A DOVEDNOSTI...5 TÉMATICKÉ OKRUHY...6 TEST 1 ZADÁNÍ...10 TEST 1 TABULKA S BODOVÝM HODNOCENÍM... Obsah ZÁKLADNÍ INFORMACE...4 OČEKÁVANÉ VĚDOMOSTI A DOVEDNOSTI...5 TÉMATICKÉ OKRUHY...6 TEST 1 ZADÁNÍ...10 TEST 1 TABULKA S BODOVÝM HODNOCENÍM... TEST 1 ŘEŠENÍ...5 TEST ZADÁNÍ...40 TEST TABULKA S BODOVÝM

Více

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE A NEROVNICE, SOUSTAVY ROVNIC A NEROVNIC Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21.

Více

CZ 1.07/1.1.32/02.0006

CZ 1.07/1.1.32/02.0006 PO ŠKOLE DO ŠKOLY CZ 1.07/1.1.32/02.0006 Číslo projektu: CZ.1.07/1.1.32/02.0006 Název projektu: Po škole do školy Příjemce grantu: Gymnázium, Kladno Název výstupu: Prohlubující semináře Matematika (MI

Více

LOKÁLNÍ EXTRÉMY. LOKÁLNÍ EXTRÉMY (maximum a minimum funkce)

LOKÁLNÍ EXTRÉMY. LOKÁLNÍ EXTRÉMY (maximum a minimum funkce) Předmět: Ročník: Vytvořil: Datum: MATEMATIKA ČTVRTÝ Mgr. Tomáš MAŇÁK 5. srpna Název zpracovaného celku: LOKÁLNÍ EXTRÉMY LOKÁLNÍ EXTRÉMY (maimum a minimum funkce) Lokální etrémy jsou body, v nichž funkce

Více

12. Determinanty. 12. Determinanty p. 1/25

12. Determinanty. 12. Determinanty p. 1/25 12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant

Více

Kartogramy. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita

Kartogramy. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita Kartogramy Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita Datum vytvoření dokumentu: 20. 9. 2004 Datum poslední aktualizace: 17. 10. 2011 Definice Kartogram je

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

11.1 Jedna rovnice pro jednu neznámou

11.1 Jedna rovnice pro jednu neznámou 52. ešení rovnic Mathcad je schopen řešit i velmi složité rovnice, kdy hledaná neznámá je obsažena současně v několika různých funkcích apod.. Jedna rovnice pro jednu neznámou.. Funkce root Před vlastním

Více

9 INTERPOLACE A APROXIMACE

9 INTERPOLACE A APROXIMACE 1 9 INTERPOLACE A APROXIMACE Vzorová úloha 9.1 Náhrada funkce exp(x) Nalezněte interpolační polynom, který aproximuje funkci exp(x) v intervalu {0, 1} tak, že v krajních bodech x 1 = 0 a x = 1 souhlasí

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

6.6 Matematika. 6.6.1 Charakteristika vyučovacího předmětu

6.6 Matematika. 6.6.1 Charakteristika vyučovacího předmětu 6.6 Matematika 6.6.1 Charakteristika vyučovacího předmětu Obsahové vymezení předmětu: Vyučovací předmět se jmenuje Matematika. Patří do vzdělávací oblasti Matematika a její aplikace z RVP ZV. Vzdělávací

Více

FUNKCE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

FUNKCE INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ FUNKCE Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE DO ROZVOJE

Více

Matematika a její aplikace Matematika 1. období 3. ročník

Matematika a její aplikace Matematika 1. období 3. ročník Vzdělávací oblast : Vyučovací předmět : Období ročník : Matematika a její aplikace Matematika 1. období 3. ročník Počet hodin : 165 Učební texty : H. Staudková : Matematika č. 7 (Alter) R. Blažková : Matematika

Více

2. spojitost (7. cvičení) 3. sudost/lichost, periodicita (3. cvičení) 4. první derivace, stacionární body, intervaly monotonie (10.

2. spojitost (7. cvičení) 3. sudost/lichost, periodicita (3. cvičení) 4. první derivace, stacionární body, intervaly monotonie (10. MA. cvičení průběh funkce Lukáš Pospíšil,202 Průběh funkce Pod úkolem vyšetřete průběh funkce budeme rozumět nalezení všech kvalitativních vlastností zadané funkce - tedy bude potřeba zjistit o funkci

Více