Pozn. přeskakuji zde popisnou statistiku, jinak by měla být součástí každé analýzy.

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Pozn. přeskakuji zde popisnou statistiku, jinak by měla být součástí každé analýzy."

Transkript

1 Pozn. přeskakuji zde popisnou statistiku, jinak by měla být součástí každé analýzy. Z pastí na daném území byla odhadnuta abundance několika druhů: myšice lesní 250, myšice křovinná 200, hraboš polní 150, hrabošík podzemní 50. V sovích vývržcích byly určeny tyto počty kořisti: myšice lesní 21x, myšice křovinná 10x, hraboš polní 32x, hrabošík podzemní 6x. Preferují sovy nějaký typ kořisti? Řešení: Jestli nic nepreferují, zastoupení savců ve vývržcích bude stejné jako zastoupení savců ve společenstvu. Otestuji testem dobré shody (χ 2 ) H 0 : poměr savců ve vývržcích je stejný jako poměr ve společenstvu, tedy 5:4:3:1 H A : poměry se liší Celkem jsem ve vývržcích našel zbytky 69 savců. Rozdělím je v poměru 5:4:3:1 a dostanu : : : 5.31 očekávaný poměr ve vývržcích v případě platnosti H 0. Porovnám pozorovaný (21:10:32:6) a očekávaný poměr. χ 2 mohu spočítat podle vzorce n 2 2 ( pi ) χ = i= 1 oi o i mám čtyři kategorie, stupně volnosti se tedy rovná 4-1 = 3, p spočítá Excel (fce CHITEST; p = E-05) nebo porovnám s kritickou tabulkou na α = 0.05 podle tabulek. Případně mohu hodnoty zadat do χ 2 na Statistics to use ( a hodnota χ 2 rovnou vyjede. Protože p < 0.05, zamítám H 0 na hladině Do výsledku píši: Protože poměr kořisti ve vývržcích neodpovídá zastoupení jednotlivých druhů na sledovaném území (χ 2 = 23.4, s.v. = 3, p = ), sovy pravděpodobně neloví náhodně a upřednostňují nějaký typ kořisti. Jaký - výsledky. Proč. diskuse.

2 Před a po terapii (psychowalkman, hypnóza apod.) dosáhly pokusné osoby následujících bodů z testu: a) 121, 122; b) 104, 108; c) 94, 92; d) 108, 114; e) 96, 94; f) 132, 133; g) 124, 127; h) 111, 111; i) 110, 115; j) 116, 119, k) 125, 127, l) 97, 99; m) 100, 103; n) 104, 101 o) 115, 114; p) 121, 124. Má terapie vliv na testované hodnoty (např. soustředění, IQ, paměť, znalosti,.) Mám dva soubory hodnot (před zásahem, po zásahu), které chci srovnat. Použiji tedy t-test (pozor na předpoklady). H0: střední hodnoty obou výběrů se neliší (µ 1 = µ 2 ) HA: střední hodnot obou výběrů se liší (zásah má vliv). Pokud bych měl otázku: Zvýší terapie počet bodů?, měl bych H 0 : µ 1 µ 2 H A : µ 1 < µ 2 a použil bych potom výsledek jednostranného testu. Protože hodnoty po zásahu závisí na hodnotě před zásahem (+ vliv zásahu chci zjistit), použiji párový t-test závislých výběrů. V Excelu Nástroje - Analýza dat - Dvouvýběrový párový t-test na střední hodnotu. Dostanu před po Dvouvýběrový párový t-test na střední hodnotu Soubor 1 Soubor Stř. hodnota Rozptyl Pozorování Pears. korelace Hyp. rozdíl stř. hodnot Rozdíl t stat P(T<=t) (1) t krit (1) P(T<=t) (2) t krit (2) Anebo Statistics to use t= degrees of freedom = 15 The probability of this result, assuming the null hypothesis, is p = 0.03, zamítám tedy H0 na hladině 0.05 (případně p = 0.015, zamítám H 0 ). Do výsledku píši: Zásah měl signifikantní vliv (párový t-test, t = , s.v. = 15, p = 0.03). Anebo: Terapie signifikantně zvýšila bodový zisk (párový t-test, t = , s.v. = 15, jednostranné p = 0.015).

3 Vždy 10 rostlin čtyř odrůd brambor daly následující úrodu [g] a) 2548, 2647, 2148, 2315, 1257, 1897, 1983, 2108, 2345, 2102 b) 2320, 2357, 1947, 2842, 2658, 2487, 2347, 2352, 2468, 2458 c) 1948, 2158, 1648, 2486, 2451, 1978, 1846, 2004, 1974, 2024 d) 2345, 2348, 2485, 2104, 2106, 2148, 1879, 2105, 1946, 1356 Liší se výnosnost odrůd? Chci porovnat 4 skupiny podle jednoho faktoru (odrůda), použiji jednocestnou ANOVU (předpoklady ). H 0 : odrůdy daly stejnou úrodu (µ 1 = µ 2 = µ 3 = µ 4 ) H A : aspoň jedna odrůda dala jinou úrodu V Excelu: Nástroje Analýza dat ANOVA: jeden faktor. ANOVA Zdroj variability SS Rozdíl MS F Hodnota P F krit Mezi výběry Všechny výběry Celkem Anebo Statistics to use: (mohu vložit (Ctrl-C, Ctrl-V) přímo sloupce z Excelu) Source of Sum of d.f. Mean F Variation Squares Squares between E E error E E+04 total E The probability of this result, assuming the null hypothesis, is P = 0.037, zamítám tedy H 0 na hladině Do výsledků píši: Vybrané odrůdy nedávají stejnou úrodu (jednocestná ANOVA, F (3, 36) = , p = 0.037). POZOR! ANOVA mi neřekne které odrůdy se liší! To zjistím provedením (v případě zamítnutí H 0 ) post-hoc mnohonásobného porovnání (např. Tukey, jsou i jiná). Excel ani Statistics to use je neumí.

4 Zatímco dívky mají známky z biologie 2,3,2,1,2,1,4,3,2,5,2,1,1,2,3,3,2,4,2,3,3,2,3,1,3,4,3,5,3,2; chlapci 3,4,5,4,3,2,1,3,4,2,5,1,3,5,4,2,3,4,5,4,3,1,4,3,2,4,3,4 Můžu říct jestli má některé pohlaví lepší výsledky? Porovnávám dva nezávislé výběry, ale nemohu použít dvouvýběrový t-test (data na ordinální škále předpoklady!), musím tedy použít neparametrický test např. Mann-Whitney nebo dvouvýběrový Kolmogorov-Smirnov). H 0 : µ 1 = µ 2 H A : µ 1 µ 2 Excel neumí neparametrické testy, na Statistics to use je Kolmogorov Smirnov. Mann Whitney můžu spočítat sám (viz přednáška) The maximum difference between the cumulative distributions, D, is: with a corresponding P of: Do výsledků píši: Známky děvčat a chlapců se neliší signifikantně (dvouvýběrový Kolomogorov-Smirnovův test, D = , P = 0.125) (Kdybyste provedli Mann-Whitney, dostanete p = průkazný výsledek dávejte pozor na marginálně signifikantní rozdíly (pokud p je řádově blízko 0.05)

5 Výška kopřivy dvoudomé na lokalitě 1 je: 58, 64, 87, 63, 75, 59, 24, 59, 54, 102, 94, 59, 78, 108, 127, 68, 47, 68, 85, 91, 80, 104 cm na lokalitě 2: 47, 63, 24, 52, 51, 37, 47, 61, 27, 37, 61, 32, 27, 35, 42, 27, 46, 32, 87, 34, 61 cm Můžu říct na které lokalitě je více dusíku? Z dat rovnou vidím, že na lok. 1 jsou rostliny mnohem vyšší. Mám zde ale výsledek observační studie na jejím základě nemůžu říct, že za rozdílnou výšku může dusík!!! Otázka je tedy položena špatně, a odpověď by stačila: NE Pokud položím otázku: Jsou rostliny na obou lokalitách stejně vysoké? Mohu smysluplně odpověď srovnávám mezi sebou 2 výběry, použiji t-test (předpoklady). H 0 : µ 1 = µ 2 H A : µ 1 µ 2 Nejprve bych měl porovnat variabilitu obou výběrů použiji F-test: V Excelu: Nástroje Analýza dat - Dvouvýběrový F-test pro rozptyl Dvouvýběrový F-test pro rozptyl Soubor 1 Soubor 2 Stř. hodnota Rozptyl Pozorování Rozdíl F P(F<=f) (1) F krit (1) F = 2.17, s.v. = 41 (21, 20), p = F.17, p = 0.089!!!!! v tabulce jednostranné p!!! (Protože je p = ± 0.05, je celkem jedno jestli použiji t-test s rovností rozptylů nebo ne, měl bych to ale zdůvodnit) V Excelu: Nástroje Analýza dat - Dvouvýběrový t- test s rovností rozptylů. Dvouvýběrový t-test s rovností rozptylů Soubor 1 Soubor 2 Stř. hodnota Rozptyl Pozorování Společný rozptyl Hyp. rozdíl stř. hodnot 0 Rozdíl 41 t stat P(T<=t) (1) 4.92E-06 t krit (1) P(T<=t) (2) 9.85E-06 t krit (2) Nebo Statistics to use t= 5.04 sdev= 20.1 degrees of freedom = 41 The probability of this result, assuming the null hypothesis, is less than.0001 Píšu: Variabilita výšek rostlin z lokalit se neliší významně (F test; F = 2.17, s.v. = 41, p = 0.08). Výška rostlin z jednotlivých lokalit se signifikantně liší (t-test s rovností rozptylů; t = 5.04, s.v. = 41, p < 10-5 ). Do diskuse potom proč se liší dusík, fosfor, světlo, voda, ufoni

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

STATISTICKÉ TESTY VÝZNAMNOSTI

STATISTICKÉ TESTY VÝZNAMNOSTI STATISTICKÉ TESTY VÝZNAMNOSTI jsou statistické postupy, pomocí nichž ověřujeme, zda mezi proměnnými existuje vztah (závislost, rozdíl). Pokud je výsledek šetření statisticky významný (signifikantní), znamená

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI. Pavel Praks, Zdeněk Boháč

STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI. Pavel Praks, Zdeněk Boháč STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI Pavel Praks, Zdeněk Boháč Katedra matematiky a deskriptivní geometrie, VŠB - Technická univerzita Ostrava 17. listopadu

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

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

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

Test dobré shody v KONTINGENČNÍCH TABULKÁCH

Test dobré shody v KONTINGENČNÍCH TABULKÁCH Test dobré shody v KONTINGENČNÍCH TABULKÁCH Opakování: Mějme náhodné veličiny X a Y uspořádané do kontingenční tabulky. Řekli jsme, že nulovou hypotézu H 0 : veličiny X, Y jsou nezávislé zamítneme, když

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

Testy pro porovnání vlastností dvou skupin

Testy pro porovnání vlastností dvou skupin Testy pro porovnání vlastností dvou skupin Petr Pošík Části dokumentu jsou převzaty (i doslovně) z Mirko Navara: Pravděpodobnost a matematická statistika, https://cw.felk.cvut.cz/lib/exe/fetch.php/courses/a6m33ssl/pms_print.pdf

Více

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Statistika nuda je, má však cenné údaje. Neklesejme na mysli, ona nám to vyčíslí. Z pohádky Princové jsou na draka Populace (základní

Více

STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005

STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005 VYSOKÁ ŠKOLA BÁŇSKÁ - TECHNICKÁ UNIVERZITA OSTRAVA Hornicko-geologická fakulta institut geoinformatiky STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005 Speciální metody

Více

IV. CVIENÍ ZE STATISTIKY

IV. CVIENÍ ZE STATISTIKY IV. CVIENÍ ZE STATISTIKY Vážení studenti, úkolem dnešního cviení je nauit se analyzovat data kvantitativní povahy. K tomuto budeme opt používat program Excel 2007 MS Office. 1. Jak mžeme analyzovat kvantitativní

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

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

Testy dobré shody TESTY DOBRÉ SHODY (angl. goodness-of-fit tests), : veličiny X, Y jsou nezávislé nij eij

Testy dobré shody TESTY DOBRÉ SHODY (angl. goodness-of-fit tests),   : veličiny X, Y jsou nezávislé nij eij Testy dobré shody Máme dvě veličiny a předpokládáme, že jsou nezávislé (platí nulová hypotéza nezávislosti). Často chceme naopak prokázat jejich závislost. K tomu slouží: TESTY DOBRÉ SHODY (angl. goodness-of-fit

Více

Navrhování experimentů a jejich analýza. Eva Jarošová

Navrhování experimentů a jejich analýza. Eva Jarošová Navrhování experimentů a jejich analýza Eva Jarošová Obsah Základní techniky Vyhodnocení výsledků Experimenty s jedním zkoumaným faktorem Faktoriální experimenty úplné 2 N dílčí 2 N-p Experimenty pro studium

Více

A7B39TUR Úloha B Kvantitativní testování ZS 2013/2014 Software MS Office Word a Open Office Writer

A7B39TUR Úloha B Kvantitativní testování ZS 2013/2014 Software MS Office Word a Open Office Writer A7B39TUR Úloha B Kvantitativní testování ZS 2013/2014 Software MS Office Word a Open Office Writer Vypracoval: Peter Šourek ( sourepet@fel.cvut.cz ) Obsah 1Úvod...3 1.1Cíl testování...3 1.2Proměnné...3

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

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

t-test, Studentův párový test Ing. Michael Rost, Ph.D.

t-test, Studentův párový test Ing. Michael Rost, Ph.D. Testování hypotéz: dvouvýběrový t-test, Studentův párový test Ing. Michael Rost, Ph.D. Úvod do problému... Již známe jednovýběrový t-test, při kterém jsme měli k dispozici pouze jeden výběr. Můžeme se

Více

Dítě v předškolním věku a naplňování klíčových kompetencí pohledem pedagogů a v porovnání s předškolním kurikulem Jarmila Hořejší

Dítě v předškolním věku a naplňování klíčových kompetencí pohledem pedagogů a v porovnání s předškolním kurikulem Jarmila Hořejší Téma disertační práce: Dítě v předškolním věku a naplňování klíčových kompetencí pohledem pedagogů a v porovnání s předškolním kurikulem Jarmila Hořejší Obsah 1. Hlavní cíl 2. Návaznost dizertační práce

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

Me neˇ nezˇ minimum ze statistiky Michaela S ˇ edova KPMS MFF UK Principy medicı ny zalozˇene na du kazech a za klady veˇdecke prˇı pravy 1 / 76

Me neˇ nezˇ minimum ze statistiky Michaela S ˇ edova KPMS MFF UK Principy medicı ny zalozˇene na du kazech a za klady veˇdecke prˇı pravy 1 / 76 1 / 76 Méně než minimum ze statistiky Michaela Šedová KPMS MFF UK Principy medicíny založené na důkazech a základy vědecké přípravy Příklad Studie syndromu náhodného úmrtí dětí. Dvě skupiny: Děti, které

Více

Cronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické

Cronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické Československá psychologie 0009-062X Metodologické požadavky na výzkumné studie METODOLOGICKÉ POŽADAVKY NA VÝZKUMNÉ STUDIE Výzkumné studie mají přinášet nová konkrétní zjištění získaná specifickými výzkumnými

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

Úvod. Struktura respondentů

Úvod. Struktura respondentů Výsledky pilotního průzkumu postojů studentů Policejní akademie ČR v Praze k problematice zálohování dat Ing. Bc. Marek Čandík, Ph.D. JUDr. Štěpán Kalamár, Ph.D. The results of the pilot survey of students

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

Mannův-Whitneyův(Wilcoxonův) test pořadová obdoba dvouvýběrového t-testu. Statistika (MD360P03Z, MD360P03U) ak. rok 2007/2008

Mannův-Whitneyův(Wilcoxonův) test pořadová obdoba dvouvýběrového t-testu. Statistika (MD360P03Z, MD360P03U) ak. rok 2007/2008 Statistika (MD30P03Z, MD30P03U) ak. rok 007/008 Karel Zvára karel.zvara@mff.cuni.cz http://www.karlin.mff.cuni.cz/ zvara (naposledy upraveno. listopadu 007) 1(4) Mann-Whitney párový Wilcoxon párový znaménkový

Více

Tvar dat a nástroj přeskupování

Tvar dat a nástroj přeskupování StatSoft Tvar dat a nástroj přeskupování Chtěli jste někdy použít data v jistém tvaru a STATISTICA Vám to nedovolila? Jistě se najde někdo, kdo se v této situaci již ocitl. Není ale potřeba propadat panice,

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

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

A 4 9 18 24 26 B 1 5 10 11 16 C 2 3 8 13 15 17 19 22 23 25 D 6 7 12 14 20 21

A 4 9 18 24 26 B 1 5 10 11 16 C 2 3 8 13 15 17 19 22 23 25 D 6 7 12 14 20 21 Příklad 1 Soutěž o nelepší akost výrobků obeslali čtyři výrobci A, B, C, D celkem 26 výrobky. Porota sestavila toto pořadí (uveden pouze původ výrobku od nelepšího k nehoršímu): Pořadí 1 2 3 4 5 6 7 8

Více

Modul Analýza síly testu Váš pomocník při analýze dat.

Modul Analýza síly testu Váš pomocník při analýze dat. 6..0 Modul Analýza síly testu Váš pomocník při analýze dat. Power Analysis and Interval Estimation Analýza síly testu Odhad velikosti vzorku Pokročilé techniky pro odhad intervalu spolehlivosti Rozdělení

Více

KVANTITATIVNÍ METODY V PEDAGOGICKÉM VÝZKUMU

KVANTITATIVNÍ METODY V PEDAGOGICKÉM VÝZKUMU KVANTITATIVNÍ METODY V PEDAGOGICKÉM VÝZKUMU RADEK KRPEC CZ.1.07/2.2.00/29.0006 OSTRAVA, ČERVEN 2013 Studijní opora je jedním z výstupu projektu ESF OP VK. Číslo Prioritní osy: 7.2 Oblast podpory: 7.2.2

Více

5 ANALÝZA ROZPTYLU. Počet sloupců, K = 7 Počet dat, N = 70 Celkový průměr = 3.9846

5 ANALÝZA ROZPTYLU. Počet sloupců, K = 7 Počet dat, N = 70 Celkový průměr = 3.9846 1 5 ANALÝZA ROZPTYLU Vzorová úloha 5.1 Zkrácený postup jednofaktorové analýzy rozptylu Na úloze B5.02 Porovnání nové metody v sedmi laboratořích ukážeme postup 16 jednofaktorové analýzy rozptylu. Kirchhoefer

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

Společenství prvního stupně ověření norem

Společenství prvního stupně ověření norem Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně. Ověření norem. Denisa Denglerová Praha: Národní ústav

Více

E-LEARNINGOVÁ OPORA PŘEDMĚTU PROGRAMOVÉ VYBAVENÍ ORDINACE ZUBNÍHO LÉKAŘE Kateřina Langová, Jana Zapletalová, Jiří Mazura

E-LEARNINGOVÁ OPORA PŘEDMĚTU PROGRAMOVÉ VYBAVENÍ ORDINACE ZUBNÍHO LÉKAŘE Kateřina Langová, Jana Zapletalová, Jiří Mazura E-LEARNINGOVÁ OPORA PŘEDMĚTU PROGRAMOVÉ VYBAVENÍ ORDINACE ZUBNÍHO LÉKAŘE Kateřina Langová, Jana Zapletalová, Jiří Mazura Anotace Příspěvek popisuje novou koncepci výuky předmětu Programové vybavení ordinace

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

š š Í š Ú ž ž Í Ú ů Í š ů ú ů š ú ú ď š ú š ů š ú ď š ú ú Č ú ú ú š ž ň š Č Í š ú ú ú ú ú š š š ž ú ú ú ň ž ú ú ž Ž ú Ž Ž ú ú ú ň ú Ů š ú Í š š ž š Ž Í š ú ž ď š ď ž É Ž ó Ž š Ž ú ú Í ú ů ú Í ú ž ú ú Ú

Více

Testování hypotéz Biolog Statistik: Matematik: Informatik:

Testování hypotéz Biolog Statistik: Matematik: Informatik: Testování hypotéz Biolog, Statistik, Matematik a Informatik na safari. Zastaví džíp a pozorují dalekohledem. Biolog "Podívejte se! Stádo zeber! A mezi nimi bílá zebra! To je fantastické! " "Existují bílé

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

Analýza kvantitativních dat: 1. Popisné statistiky a testování hypotéz

Analýza kvantitativních dat: 1. Popisné statistiky a testování hypotéz UK FHS Historická sociologie (LS 2010) Analýza kvantitativních dat: 1. Popisné statistiky a testování hypotéz Jiří Šafr jiri.safr(zavináč)seznam.cz vytvořeno 29. 6. 2009, poslední aktualizace 25. 5. 2010

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

Ý Ť Ť ť Ž Í Ž Ť Ť Ť Ť š Ž Ť š š Ť Ť Ž Ť Ý Ť š Ť š š š Ť š Ťš Ť Í š š š š Ž Ť Ť š š š Ť š š Ť š š Ť š Ť ď Ť Í Š Ť š Ť Ó Ť š Ť š Ť Š š š šť š Ť š š Ť Í ď š š š Ť š Í Ú š Š š š š š ř š š Ťš Ť š ť š š Š Ť

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Kvalita v laboratorní a kontrolní praxi

Kvalita v laboratorní a kontrolní praxi Kvalita v laboratorní a kontrolní praxi Část 3: Chyby a hodnocení výsledků měření Vladimír Kocourek Praha, únor 2015 Zkoušení (analýza) v laboratoři Výroba Výzkum a vývoj (R&D) Obchodování (dodávání) Ochrana

Více

STATISTIKA V EXCELU. Obecně o funkcích

STATISTIKA V EXCELU. Obecně o funkcích STATISTIKA V EXCELU Po přehledu statistického software je nutné zmínit, že pro většinu statistických výpočtů, které provádíme v sociologii statistický software ani nepotřebujeme. Většinu toho, co jsme

Více

STATISTIKA V EXCELU. Obecně o funkcích

STATISTIKA V EXCELU. Obecně o funkcích STATISTIKA V EXCELU Po přehledu statistického software je nutné zmínit, že pro většinu statistických výpočtů, které provádíme v sociologii statistický software ani nepotřebujeme. Většinu toho, co jsme

Více

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D.

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. STATISTIKA LS 2013 Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. Cvičící: Ing. Ondřej Grunt RNDr. Pavel Jahoda, Ph.D. Ing. Kateřina Janurová Mgr. Tereza

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

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

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

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

ZÁKLADY STATISTIKY. You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf. ZÁKLADY STATISTIKY ZÁKLADY STATISTIKY 1 strana Obsah... 1 I. teoretická část Práce s daty v softwarovém prostředí Microsoft Office Excel a Statistika 6.0... 1 Abecední slovníček vybraných termínů používaných

Více

Ý š é š ó š ž š žé ó Š é ď Ý é é ž é ž š ž Ť é š é é Ř š é ď é ž é ž é é ž Ť é ď é šš é ž é ž é ž ů ž ž é Ť Ť Ř š é ž ž ď Ú š é ž š š ž š é ž š é é š ž é ž é ž ů é ž é ž é Č é é ž š š é é Ř š ž Ž š é é

Více

ď ď ď š Ý š š É Ý šš š š š šš š š š š Ě š Ó ď šš š šš ď Ě šš š šš Ě š Ě Ě Ú š š š Ě š š ď Ě š š Ž š Ě š Č š Ý ď š š ď š Ý Ť š š š š š Ý š ď ď š š Á Á É š š š Ž šš ď ř ň ř ř š Ý ď š š š š š š Ť Ě š Ť š

Více

š Ý š š Ú ž ž š ž š š ž š Í š š ž š Ú ž ž ž šš ž ž ž šš ž ž š ž ž š š ž ž ž šš ž ň Č ž ž ž ž šš ž ž ž š š š ó š š ž š ž š ž Ú ž š ž š š Ú ň š š ó š ž š ž š Ž ň š š š š š š š ž š š ž š š š š š š š š š š

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

ADZ základní statistické funkce

ADZ základní statistické funkce ADZ základní statistické funkce Základní statistické funkce a znaky v softwaru Excel Znak Stručný popis + Sčítání buněk - Odčítání buněk * Násobení buněk / Dělení buněk Ctrl+c Vyjmutí buňky Ctrl+v Vložení

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

Microsoft Office Excel 2003

Microsoft Office Excel 2003 Microsoft Office Excel 2003 Školení učitelů na základní škole Meteorologická Maturitní projekt SSPŠ 2013/2014 Vojtěch Dušek 4.B 1 Obsah 1 Obsah... 2 2 Seznam obrázků... 3 3 Základy programu Excel... 4

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Testování hypotéz na základě jednoho a dvou výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/004. Testování hypotéz Pokud nás zajímá zda platí, či neplatí tvrzení o určitém parametru,

Více

Z metodologie známe dělení proměnných do několika skupin. Nejčastěji se užívá dělení dle S. Stevense. Nicméně nám postačí dělení jednodušší:

Z metodologie známe dělení proměnných do několika skupin. Nejčastěji se užívá dělení dle S. Stevense. Nicméně nám postačí dělení jednodušší: Slovo úvodem Ne všechno, co si řekneme v tomto kurzu, je pravda. Není to proto, že by mým záměrem bylo před posluchači něco tajit nebo je uvádět ve zmatek. Problematika testování statistických hypotéz

Více

Á Ž É Š Í É Ě É Ě Ť Í š Ť Ť š Ť Ť š š š ň š Ť Ť Ó Í Ť š Í Ť ň š Ť Í Ť Ť Í Ž Ý š š ň š š ň ú Ť ň š š Ů Ť š Ť ň ň Ť Ť š Ů ď Ť Ě Ť Í š Ť Ť Ť Ť Ť Ť š ň Ť Ť Ť ť Ť Ů Ť Ť Ť ť ť š š Í Ť Í ď Í Í šš Ž š Ť ť Í Í

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

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

Ukazka knihy z internetoveho knihkupectvi www.kosmas.cz

Ukazka knihy z internetoveho knihkupectvi www.kosmas.cz Ukazka knihy z internetoveho knihkupectvi www.kosmas.cz RNDr. Marie Budíková, Dr., Mgr. Maria Králová, Ph.D., Doc. RNDr. Bohumil Maroš, CSc. Průvodce základními statistickými metodami Vydala Grada Publishing,

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

ROZDĚLENÍ NÁHODNÝCH VELIČIN ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra matematiky STATISTIKA V SPSS Jana Borůvková, Petra Horáčková, Miroslav Hanáček 2014 Jana Borůvková, Petra Horáčková, Miroslav Hanáček STATISTIKA V SPSS 1. vydání

Více

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA. Katedra matematiky STATISTICA ÚVOD DO ZPRACOVÁNÍ DAT. Jana Borůvková, Petra Horáčková, Miroslav Hanáček

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA. Katedra matematiky STATISTICA ÚVOD DO ZPRACOVÁNÍ DAT. Jana Borůvková, Petra Horáčková, Miroslav Hanáček VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra matematiky STATISTICA ÚVOD DO ZPRACOVÁNÍ DAT Jana Borůvková, Petra Horáčková, Miroslav Hanáček 2013 Jana Borůvková, Petra Horáčková, Miroslav Hanáček STATISTICA

Více

KURZ PRAKTICKÉHO POUŽITÍ PROGRAMU Microsoft EXCEL

KURZ PRAKTICKÉHO POUŽITÍ PROGRAMU Microsoft EXCEL 7,,5 95,7 87,98 7,77 95,7,5 89,7 9,7 8,6 7, 97,,96,6 98,9,6 97,5 9, 9,7 9, 9,6 6, 8,6,76 89,8,8 99, 8,57 9,7 8, 8,5 7,6,,8 95, 6,76 9,6 8, 8,, 9,5 9,95,67,9 97,7,6 95,,, 9,68 9,6 96,5 5,86,8 98,5,97 9,5

Více

Citation Statistics. zpráva společné komise. Int. Mathematical Union. Int. Council of Industrial and Applied Mathematics. Institute of Statistics

Citation Statistics. zpráva společné komise. Int. Mathematical Union. Int. Council of Industrial and Applied Mathematics. Institute of Statistics Citation Statistics zpráva společné komise Int. Mathematical Union Int. Council of Industrial and Applied Mathematics Institute of Statistics Citace ze zadání: The drive towards more transparency and accountability

Více

Test obsahoval 7 otevřených otázek a 2 uzavřené alternativní otázky s možností volby ano, ne.

Test obsahoval 7 otevřených otázek a 2 uzavřené alternativní otázky s možností volby ano, ne. ! Cílem vysílání v rámci projektu ŠIK je také předávání praktických informací z oblasti rizikového chování. Vycházíme z přesvědčení, že člověk, který má dostatek pravdivých informací, má také větší "#$%&&%

Více

IBM SPSS Complex Samples

IBM SPSS Complex Samples IBM Software IBM SPSS Complex Samples Analyzujte výsledky komplexních výběrových šetření korektním způsobem Korektní zpracování výzkumů založených na komplexních výběrových plánech není snadné. Statistické

Více

ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 2004.

ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 2004. ANALÝZA OBTÍŽNOSTI TESTU STUDIJNÍCH PŘEDPOKLADŮ NA EKONOMICKO SPRÁVNÍ A PRÁVNICKÉ FAKULTĚ MASARYKOVY UNIVERZITY V ROCE 04 Marie Budíková Katedra aplikované matematiky, Přírodovědecká fakulta, Masarykova

Více

Analýza spokojenosti zákazníka v prodejně Albert v Olomouci. Stanislava Johnová

Analýza spokojenosti zákazníka v prodejně Albert v Olomouci. Stanislava Johnová Analýza spokojenosti zákazníka v prodejně Albert v Olomouci Stanislava Johnová Bakalářská práce 2012 ABSTRAKT Cílem bakalářské práce je zpracování a vyhodnocení konkrétního marketingového výzkumu Analýza

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

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI Josef Křepela, Jiří Michálek OSSM při ČSJ Červen 009 Hodnocení způsobilosti atributivních znaků jakosti (počet neshodných jednotek) Nechť p je pravděpodobnost

Více

Míra přerozdělování příjmů v ČR

Míra přerozdělování příjmů v ČR Míra přerozdělování příjmů v ČR Luboš Marek, Michal Vrabec Anotace V tomto článku počítají autoři hodnoty Giniho indexu v České republice. Tento index je spočítán nejprve za celou ČR, poté pro skupinu

Více

ZÁKLADY METODOLOGIE KLINICKÉHO VÝZKUMU A BIOSTATISTIKY. Tomáš Novák Psychiatrické centrum Praha

ZÁKLADY METODOLOGIE KLINICKÉHO VÝZKUMU A BIOSTATISTIKY. Tomáš Novák Psychiatrické centrum Praha ZÁKLADY METODOLOGIE KLINICKÉHO VÝZKUMU A BIOSTATISTIKY Tomáš Novák Psychiatrické centrum Praha Úkol 1 Senzitivita a specificita nového testu pro schizofrenii je shodně 90%. Prevalence onemocnění v populaci

Více

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu cvičící 1. cvičení 4ST201 Informace o kurzu Popisná statistika Úvod do SASu Obsah: Vysoká škola ekonomická 1 Vyučující: Základní informace:» Konzultační hodiny: pátek 9:00 11:00» Místnost: JM317» Email:

Více

výška (cm) počet žáků

výška (cm) počet žáků Statistika 1) Ve školním roce 1997/119 bylo v Brně 3 základních škol, ve kterých bylo celkem 1 tříd. Tyto školy navštěvovalo 11 5 žáků. Určete a) kolik tříd průměrně měla jedna ZŠ, b) kolik žáků průměrně

Více

MATEMATIKA MEZI... ANEB NĚCO MÁLO O DISKRIMINACI

MATEMATIKA MEZI... ANEB NĚCO MÁLO O DISKRIMINACI ROBUST 2000, 119 124 c JČMF 2001 MATEMATIKA MEZI... ANEB NĚCO MÁLO O DISKRIMINACI ARNOŠT KOMÁREK Abstrakt. If somebody wants to distinguish objects from two groups,he can use a statistical model to achieve

Více

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Co je to statistika? teoretická disciplína, která se zabývá metodami sběru a analýzy dat Jak získat data?

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

StatSoft Jak poznat vliv faktorů vizuálně

StatSoft Jak poznat vliv faktorů vizuálně StatSoft Jak poznat vliv faktorů vizuálně V tomto článku bychom se rádi věnovali otázce, jak poznat již z grafického náhledu vztahy a závislosti v analýze rozptylu. Pomocí následujících grafických zobrazení

Více

Metodologie pro Informační studia a knihovnictví 2

Metodologie pro Informační studia a knihovnictví 2 Metodologie pro Informační studia a knihovnictví 2 Modul 7: Třídění druhého stupně. Kontingenční tabulky Co se dozvíte v tomto modulu? Co je třídění druhého stupně Jak vytvořit a interpretovat kontingenční

Více

POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS

POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS Kateřina Pojkarová Anotace:Dopravu vužívají lidé za různým účelem, mimo jiné i ke svým cestám

Více

HRA, VOLNÝ ČAS A JEDINEC. Game, free time and the indivdual. VANČÁKOVÁ Jana. Katedra psychologie, FF Univerzita Palackého, Olomouc

HRA, VOLNÝ ČAS A JEDINEC. Game, free time and the indivdual. VANČÁKOVÁ Jana. Katedra psychologie, FF Univerzita Palackého, Olomouc HRA, VOLNÝ ČAS A JEDINEC Game, free time and the indivdual VANČÁKOVÁ Jana Katedra psychologie, FF Univerzita Palackého, Olomouc Klíčová slova: hra, volný čas, Rosenberg Self-Esteem Scale, Univerzita Palackého

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

Sem vložte zadání Vaší práce.

Sem vložte zadání Vaší práce. Sem vložte zadání Vaší práce. České vysoké učení technické v Praze Fakulta informačních technologií Katedra teoretické informatiky Diplomová práce Informační podpora klinických studií Bc. Václav Čadek

Více

Semestrální práce z předmětu Matematika 6F

Semestrální práce z předmětu Matematika 6F vypracoval: Jaroslav Nušl dne: 17.6.24 email: nusl@cvut.org Semestrální práce z předmětu Matematika 6F Zádání: Cílem semestrální práce z matematiky 6F bylo zkoumání hudebního signálu. Pluginem ve Winampu

Více

Co je třeba vědět o rozúčtování nákladů za bydlení

Co je třeba vědět o rozúčtování nákladů za bydlení Co je třeba vědět o rozúčtování nákladů za bydlení Úvodem Co je třeba zkontrolovat na Protokolu o rozúčtování nákladů za bydlení (někdy také Protokol o vyúčtování služeb za období ), kterému budeme dále

Více

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení Přednáška 9 Testy dobré shody Grafická analýza pro ověření shody empirického a teoretického rozdělení χ 2 test dobré shody ověření, zda jsou relativní četnosti jednotlivých variant rovny číslům π 01 ;

Více

Rozvrhování nákladů pomocných činností a režijních nákladů na výkony rostlinné a živočišné výroby

Rozvrhování nákladů pomocných činností a režijních nákladů na výkony rostlinné a živočišné výroby IVP 1275 Rozvrhování nákladů pomocných činností a režijních nákladů na výkony rostlinné a živočišné výroby Prezentace k oponentuře konané dne 27. 1. 2015 v Praze Ing. Jana Poláčková, CSc. odpovědný řešitel

Více