Data mining v Terminologické databázi. knihovnictví a informační vědy (TDKIV)

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Data mining v Terminologické databázi. knihovnictví a informační vědy (TDKIV)"

Transkript

1 VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY VYŠŠÍ ODBORNÁ ŠKOLA INFORMAČNÍCH SLUŽEB Data mining v Terminologické databázi knihovnictví a informační vědy (TDKIV) Projekt Martin Peter Nazeli Abrahamyan Galina Barkova Evgeniy Kalinin Alesia Khimchuk Omir Nugmanov Lukáš Sčislák Praha, květen 2012

2 Tento projekt je zaměřen na analýzu a dolování dat (jinak data mining ) v oblasti knihovnických systémů. Zevrubně přibližuje konkrétní dojmy a závěry vycházející z analýzy přístupů a používání systému Národní knihovny. V dokumentaci jsou vystiženy zajímavé, respektive zvláštní případy užití této databáze, zkoumání stálosti uživatelů systému a zároveň časové analýzy související s přístupy uživatelů. Práce jako celek dá čtenáři z oboru kvalitní přehled o tom, co se ve skutečnosti v interní databázi děje a jak je se systémem pracováno.

3 Předmluva Tato dokumentace je výsledkem společné práce členů týmu, který byl sestaven v zájmu absolvování předmětu s názvem Projekt, který je součástí výuky oboru Podnikové informační systémy na Vysoké škole ekonomické v letním semestru. S ohledem na nutnost dodržení časového limitu při zpracovávání tohoto projektu je na začátku dokumentace poskytnut propracovaný použitý harmonogram, který bylo nutno plnit a řídit se jím. Úvodní část je koncipována tak, aby bylo možné pochopit veškeré zkratky a značky bez předchozí znalosti. Na úvod navazuje hlavní část, resp. dvě části, které jsou zaměřeny na statistické rozbory a na samotný data mining. Obě tyto části obsahují řešení konkrétních námětů. V závěru je uveden stručný přehled nejdůležitějších přínosů pro členy týmu, ale zároveň i přehled problémů, s nimiž se kolektiv musel vypořádat. 3

4 4

5 Obsah 1 Harmonogram Dokumentace projektu Úvod Řešené náměty a úkoly Statistický rozbor vyhledávacích logů... 8 Četnost zadávaných výrazů Zipfův zákon a Paretovo rozdělení... 8 Četnost podle typu vyhledávání Četnost hledaných a nalezených výrazů Extrémní dotazy Paretovo rozdělení Paretovo rozdělení Četnost podle doby vyhledávání Data mining a business inteligence Shoda hledaného slova s databází Podíl dotazů na termíny z oblasti ICT Podíl úspěšných dotazů Četnost typů vyhledávání CWOK Analýza Podíl nepreferovaných termínů Závěr Přínos pro členy týmu Problémy při řešení úkolu

6 1 Harmonogram Návštěva zadavatelského pracoviště, kontakt se zadavateli Formulace zadání, stanovení harmonogramu projektu předložení vyučujícímu. Inventarizace schopností a znalost členů týmu využitelných v projektu Zahájení prací a sestavení detailního plánu následujícího postupu kontrolní den projektu - prezentace věcných výsledků dosavadního průběhu řešení zadavateli. 20% Konzultace vyvstalých nesrovnalostí nebo nejasností se zadavatelem, práce z 33% hotova Feedback jednotlivých úkolů vedoucímu, konzultace a upřesnění dalších požadavků. 50% kontrolní den projektu - příprava na odevzdání výsledků práce zadavateli, fáze kontroly a ladění výsledků. 90% Odevzdání výsledků práce zadavateli, odevzdání tištěné dokumentace projektu vyučujícímu Veřejná prezentace projektu, odevzdání elektronické verze dokumentace projektu vyučujícímu. 6

7 2 Dokumentace projektu 2.1 Úvod Disponujeme daty od zadavatele, která reprezentují vyhledávané údaje, včetně dalších informací. Jedná se o výrazy, které jsou vyhledávány prostřednictvím TDKIV databáze NK. Data byla uložena v souborech Excel. Ještě než se pustíme do samotné analýzy, vysvětlíme si zkratky, které se v datech vyskytují. Data jsou rozdělena do sloupců s názvy: TIME_STAMP časové razítko čas, kdy byl dotaz zadán DATUM datum dotazu ve formátu YYYYMMDD CAS čas dotazu ve formátu HHMM IP část IP adresy počítače, ze kterého byl dotaz zadán HITS počet nalezených záznamů TDKIV a KKL vysvětlení údajů TYP událost; ve sloupci jsou uvedeny kódy událostí: 10 hledání záznamy nalezeny 11 hledání dosaženo limitu 12 hledání záznamy nenalezeny 20 vyhledávání z více polí (find-a) 21 základní vyhledávání (find-b) 22 vyhledávání CCL (find-c) 23 pokročilé vyhledávání (find-d) 24 vyhledávání z více bází (find-m) 25 zpřesnit dotaz 26 kombinovat dotaz 29 vyhledávání v rejstřících 31 vyhledávání protokolem Z prohlížení rejstříků protokolem Z39.50 DB báze, ve které byl proveden dotaz: KTD oficiální báze KTDP pracovní báze KTDBN dílčí báze Termíny bez normativního výkladu KTDN dílčí báze Termíny s normativním výkladem SEARCH / SCAN vyhledávání / prohlížení rejstříků Označení rejstříků TDKIV TR termín/ekvivalent TE anglický ekvivalent TK věcná skupina 7

8 AU autor hesla RE redaktor hesla KZ konzultant hesla LK lektor hesla ZD zdroj/norma (kód bez hodnoty např. TR= znamená, že dotaz pouze odklepnut bez zadání) 2.2 Řešené náměty a úkoly Statistický rozbor vyhledávacích logů Četnost zadávaných výrazů Zipfův zákon a Paretovo rozdělení Zipfův zákon je zákon o rozdělení četnosti slov v nějakém jazyce: pokud všechna slova v jazyce uspořádáme podle sestupné četnosti jejich používání, četnost n-tého slova bude nepřímo úměrná jeho pořadovému číslu n. Například druhé nejpoužívanější slovo se vyskytne dvakrát méně než první, třetí třikrát atd. Byla zhotovena analýza četnosti výrazů vyhledávaných v databázi TDKIV a zkompletovány níže uvedené výsledky. n Výraz Počet výskytů 1 knihovna informace rešerše Akvizice dokument anotace bibliografie abstrakt databáze kniha tezaurus Verifikace rss web Žurnalismus Mileny Jesenské Kritický hlas v meziválečné střední Evropě 1 Z tabulky můžeme vidět, že počet výskytů klesá mnohem rychleji, než roste pořadové číslo slova n. 8

9 Graficky znázorníme výsledek pro prvních 500 slov: Z grafů je vidět, že slova, které se vyskytují cca 50krát jsou uprostřed grafu. Slova s výskytem 30 mají n = 500. Vidíme, že se výsledek grafu hodně podobá výše zmíněnému Zipfovu pravidlu. Nyní zbývá ověřit, že četnost zadávaných výrazů odpovídá Paretovu pravidlu, tedy že nastává situace, kdy 80% následků způsobuje 20% příčin. Včetně překlepů celkově bylo provedeno unikátních vyhledávání (znamená to, že mezi vyhledávání se ani jedno neopakovalo). Vypočítáme, že z toho 20% je cca 3766 slov. Roztřídíme slova podle nejvyhledávanějších a vezmeme si 3766 slov shora (nejpopulárnější). Dále byl proveden výpočet, kolikrát byly tyto výrazy vyhledané (teď už i s opakovanými výsledky). Dostaneme se k číslu 71891, což je 74,65% z celkového počtu vyhledávání. Výsledkem porovnávání byl závěr, že 75% výsledků z celé databáze bylo tvořeno pouze 20 procenty všech možných vyhledávání. 9

10 Četnost podle typu vyhledávání Četnost podle typu vyhledávání byla nalezena použitím nástrojů pro data mining STATISTICA společnosti StatSoft ČR, s.r.o. Zaprvé jsme museli roztřídit log TDKIV podle typu vyhledávání. Dále jsme udělali rozklad údajů a zjistilo se, že ze všech existujících 12 typů vyhledávání bylo použito pouze 5: 21 - základní vyhledávání (find-b) 22 - vyhledávání CCL (find-c) 25 - zpřesnit dotaz 26 - kombinovat dotaz 31 - vyhledávání protokolem Z Přičemž podíl typu 21 je 97,84%, 22-1,28%, 25-0,03%, 31-0,85%; typ 26 byl použit pouze jednou což je jedna tisícina jednoho procenta. Závěrem - skoro všichni uživatelé používají jednoduché základní vyhledávání bez ohledu na to, jestli se jim podaří něco najít. Pokud ne, tak většinou z databáze odejdou - skoro žádný uživatel totiž nestuduje návody k vyhledávání, aby našel něco konkrétnějšího a věnoval méně času pátrání po výsledku. 10

11 Četnost hledaných a nalezených výrazů V tomto případě šlo o nalezení četnosti hledaných a nalezených výrazů v průběhu jedné session pro jednu IP adresu. Pro práci s daty v programu Microsoft Excel byly jako vhodný postup zvoleny kontingenční tabulky, protože kontingenční tabulky mohou shrnout velké množství dat různými typy výpočtů, dá se automaticky zbavit duplicit, zjistit vztahy mezi dvěma kategoriálními veličinami atd. Nejprve byla celá tabulka s daty v Excelu označena jako databáze pod určitým názvem. Pak byla vytvořena kontingenční tabulka s popisem řádků IP, Session ID a s hodnotou HITS. Z vytvořené kontingenční tabulky můžeme vidět celkový součet nalezených výrazů (96305) a celkový součet nenalezených výrazů (34979), vydělíme celkový součet nalezených výrazů celkovým součtem nalezených a nenalezených výrazů a dostaneme celkovou četnost hledaných a nalezených výrazů 0,73. Porovnáním sloupců nalezených a nenalezených výrazů jsme zjistili jednotlivou četnost nalezených a nenalezených výrazů. Jednotlivá četnost nalezených a nenalezených výrazů je 1,4. 11

12 Extrémní dotazy Jako extrémní dotazy do databáze TDKIV jsou chápány dotazy, které mají největší počet HITS (viz Úvod). Použit byl stejný postup jako v předchozím případě. Byla vytvořena kontingenční tabulka a pomocí filtru byly seřazeny dotazy v pořadí od největšího počtu do nejmenšího. Výsledkem je 455 dotazů v databázi TDKIV, které mají více než 200 hitů tedy kliknutí/návštěv/otevření. Nejvyhledávanější dotaz je Free-text= informace s počtem hitů. Viz. Tab

13 Paretovo rozdělení Pomocí statistiky bylo vypočítáno kolik vyhledávání má každá IP adresa. Následně bylo zjištěno, kolik je 20% ze všech IP adres. Výsledkem je 111 IP adres. Zhotovením součtu vyšlo, že z 20% všech IP adres bylo vyhledáno 87 % všech dotazů. Z ostatních 80% bylo vyhledáváno pouze 13 procent všech dotazů. Ze zjištění vyplývá, že: Paretovo pravidlo je nejen potvrzeno, ale ještě přesaženo. Existuje rozsáhlá skupina stabilních častých uživatelů, protože 20% IP adres vyhledávalo 87% dotazů. Četnost podle doby vyhledávání Četnost podle doby vyhledávání uživatele je uvedena na příkladu 3 IP adres. Všichni uživatelé byli rozdělení podle IP adres. Pomocí filtru kontingenční tabulky bylo dále rozděleno přihlášení podle kódu data a času, který v databázi uživatelé strávili. Výsledný čas bylo nutno spočítat samostatně pro každý den. Výslednými časy jsme získali přehled, jak dlouhou dobu byl uživatel celkově připojen. Průměrně uživatelé v databázi strávili kolem 55 minut. Příklad: Počet spojení Celková doba strávená v DB Průměrně v DB na připojení hod 58min 120 minut 17 8hod 15min 29 minut 13 18hod 28min 85 min 13

14 Data mining a business inteligence Shoda hledaného slova s databází Veškerá analýza dat byla realizována v Excelu (neduplicitní údaje). Pomocí speciální funkce byly porovnány logy vyhledávaných výrazů (termíny, které uživatelé zadali do databáze) s výpisem obsahu TDKIV (zásobník databáze). Funkce porovnávala každé slovo ze sloupce vyhledávané logy s celým sloupcem výpis obsahu TDKIV, a výstupem byl sloupec, který obsahoval vyhledávané termíny, které se přesně shodují s termíny z databáze. Stejným postupem bylo nalezeno, na které termíny z databáze se uživatelé vůbec neptali. Podíl dotazů na termíny z oblasti ICT Seznam termínů z oblasti ICT byl vyhledán na stránkách NKP (zadáním zkratek IA, ABC,ABDB do vyhledávacího pole třídník). Následně byly porovnány ICT termíny výše uvedeným postupem se sloupcem shoda vyhledávaných slov s TDKIV. (Počet vyhledávaných ICT termínů vydělen celkovým počtem úspěšně vyhledávaných slov, čímž byl získán podíl.) POČET VYHLEDÁVANÝCH SLOV Z DATABÁZE TDKIV 2458 POČET DOTAZŮ NA TERMÍNY Z OBLASTI ICT 149 PODÍL DOTAZŮ NA TERMÍNY Z OBLASTI ICT 1/16 14

15 Podíl úspěšných dotazů Abychom se mohli dozvědět podíl neúspěšných dotazů, bylo nutno použít data s výsledky vyhledávání v databázi, která jsme obdrželi od našeho zadavatele. Našli jsme všechny neúspěšné dotazy a odstranili duplicity. Dalším krokem bylo srovnání neúspěšných dotazů s úspěšnými a porovnání jejich objemu. Podíl neúspěšných dotazů je 36,3%. Graf pro lepší náhled: PODÍL DOTAZŮ Dotazy Počet Podíl úspěšné ,70% neúspěšné ,30% celkem % 15

16 Četnost typů vyhledávání Během fáze pokusů a testování jsme dospěli k závěru, že systém v 99,9% případů při změně typu vyhledávání přiřazuje nové Session ID. Aby naše zadání mělo smysl, musíme zaprvé definovat, jak chápeme jednu session, tedy jedno aktuální sezení, v daný moment, na daném PC. To by dávalo smysl, pokud bychom se na to podívali ze strany uživatele: jaké typy využijeme za dobu jednoho připojení. Takže, jaké typy využívá, jedná IP adresa během jednoho dne? Průběžným výsledkem bylo zjištění, že uživatelé používali jenom 5 typů: 21, 22, 25, 26,31. V 70% případů uživatel během jedné Session využíval pouze jeden typ - buď 21, nebo 22. Pokud se uživateli nepovedlo výraz najít, pak pouze v 30% případů zkoušeli uživatelé hledat výraz jako jiný typ. Z těchto 30% dále 48% uživatelů zase zkoušelo typ, který používali předtím (střídali třeba 21 a 22). Co se týká pořadí, tak ho nelze jednoznačně určit. Každý uživatel každý den využívá typy v různém pořadí. U IP adres, které využívají databáze často, začínalo někdy hledání typem 22., jinak ostatní uživatelé většinou začínali vyhledávání typem 21. Četnost v jednotlivých typech v průběhu 1 session je tedy skoro stejná, jako celková četnost typů. Dobře to znázorňuje graf: 16

17 CWOK Analýza Zaprvé odstraníme nulový počet vyhledávání ve sloupci HITS (list Search KTD). Upravíme do přijatelného tvaru text ve sloupci SEARCH TEXT a odstraníme duplicity. Dále zkopírujeme SEARCH text do zvláštního listu CWOK. Pak tento text rozdělíme dle jednotlivých slov a seřadíme od nejdelšího do nejkratšího. Tím pádem nejdelší věta je obsazena v buňkách B až P. Věta o jedno menší se nachází v rozmezí buněk B, až K. Pokračujeme zprava doleva a skončíme tím, že jedno slovo se rovná jedné větě. Dále zkopírujeme tento výstup a vyčíslujeme ho římskými ciframi od I do XV. Jelikož se jedná o metodu CWOK, musíme přidat celé věty mezi buňky s těmito římskými ciframi. Výstupem je srovnání klíčového slova s celou větou. Např. obrázek ukazuje klíčové slovo Recepce a sousloví recepce díla vnímání díla přijetí díla. Další klíčové slovo se nachází ve sloupci S díla a vedle zase máme větu. Celková databáze CWOK se nachází v rozmezí sloupců Q až AT. 17

18 Podíl nepreferovaných termínů Zaprvé odstraníme nulový počet vyhledávání ve sloupci HITS (list Search KTD). Upravíme do přijatelného tvaru text ve sloupci SEARCH TEXT a odstraníme duplicity. Dále zkopírujeme SEARCH text do zvláštního listu Analýza. Také upravíme do přijatelného tvaru, odstraníme duplicity a oddělíme zvlášť slova obsahující 3 velká písmena. Pak použijeme logickou funkci NEBO pro ověření argumentů ve sloupcích SEARCH_TEXT a Obsah TDKTV. Jako výstup nás zajímá pouze PRAVDA. Celkový počet polí PRAVDA činí Jedná se o preferované termíny. Pro zjištění nepreferovaných termínů musíme nastavit filtr ve sloupci Kriterium a zvolit EKV. Celkový počet nepreferovaných termínů činí 349. Procentuální podíl nepreferovaných termínů činí 14, 88 %. 18

19 3 Závěr Tímto projektem si celý tým ucelil svoje pracovní nebo organizační schopnosti, zjistil v čem je dobrý více a v čem méně. Analyzování a dolování informací z dat je činnost zajímavá a pro návrháře, testery a vývojáře i obohacující, protože na základě zjištěných údajů mohou přizpůsobovat nebo vylepšovat jejich aplikace. Pro společnost vlastnící takovou databázovou aplikaci je také data mining důležitý zjistí na které skupiny uživatelů se více zaměřit, zdali mají stále uživatele a tak dále. Projekt byl úspěšný, v každém případě byl nalezen nějaký výsledek, ať už pozitivní, nebo překvapivý. 3.1 Přínos pro členy týmu Zkušenost s vedením týmu, aby dosáhl nejlepšího výsledku. Pro mě osobně největším přínosem v za prvé byl sledování vedoucího týmu při delegování úkolů, a za druhé praktické zkušenosti analýzy dat a jejích hodnocení. Tento projekt mi změnil názor na to, co všechno se dá s daty dělat. Taky to, že z takového malého množství sloupců (kategorií) se dá vyvodit mnoho informací užitečných, které nejdou na první pohled vidět. Uvědomil jsem si, že se data miningem v budoucnu už zabývat nechci, není to obor pro mě. Možnost pracovat s týmem a řídit jej je pro mě velice cenná, spolupráce týmu mě z 90% potěšila a mile překvapila. 3.2 Problémy při řešení úkolu Při analýze dat bylo těžké najít správný software. Většinou program, který má funkce data mining je placený. Když jsme zkusili analyzovat ručně, pochopili jsme, že rozsah je větší, než jsou možnosti studenta. Ale všechno jsme vyřešili díky aktivní spolupráci a správnému koučování. Nepochopení individuálních úkolů a zdržení při jejích řešení. 19

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM CÍLE KAPITOLY Využívat pokročilé možnosti formátování, jako je podmíněné formátování, používat vlastní formát čísel a umět pracovat s listy. Používat

Více

Microsoft Office. Excel vyhledávací funkce

Microsoft Office. Excel vyhledávací funkce Microsoft Office Excel vyhledávací funkce Karel Dvořák 2011 Vyhledávání v tabulkách Vzhledem ke skutečnosti, že Excel je na mnoha pracovištích používán i jako nástroj pro správu jednoduchých databází,

Více

MS Excel 2007 Kontingenční tabulky

MS Excel 2007 Kontingenční tabulky MS Excel 2007 Kontingenční tabulky Obsah kapitoly V této kapitole se seznámíme s nástrojem, který se používá k analýze dat rozsáhlých seznamů. Studijní cíle Studenti budou umět pro analýzu dat rozsáhlých

Více

Seznam funkcí pro kurz EXCEL I. Jaroslav Nedoma

Seznam funkcí pro kurz EXCEL I. Jaroslav Nedoma Seznam funkcí pro kurz EXCEL I Jaroslav Nedoma 2010 Obsah ÚVOD... 3 SUMA... 4 PRŮMĚR... 6 MIN... 8 MAX... 10 POČET... 12 POČET2... 14 ZAOKROUHLIT... 16 COUNTIF... 18 SVYHLEDAT... 22 2 ÚVOD Autor zpracoval

Více

Microsoft Excel kopírování vzorců, adresování, podmíněný formát. Mgr. Jan Veverka Střední odborná škola sociální Evangelická akademie

Microsoft Excel kopírování vzorců, adresování, podmíněný formát. Mgr. Jan Veverka Střední odborná škola sociální Evangelická akademie Microsoft Excel kopírování vzorců, adresování, podmíněný formát Mgr. Jan Veverka Střední odborná škola sociální Evangelická akademie Kopírování vzorců v mnoha případech je třeba provést stejný výpočet

Více

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Registrační číslo projektu Šablona Autor Název materiálu / Druh CZ.1.07/1.5.00/34.0951 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT

Více

Efektivní práce s Excelem (středně pokročilí uživatelé)

Efektivní práce s Excelem (středně pokročilí uživatelé) 2015 Efektivní práce s Excelem (středně pokročilí uživatelé) rozsah: 2 dny (10 hodin) Mgr. Jiří Číhař www.dataspectrum.cz Efektivní práce s Excelem pro středně pokročilé uživatele Práce s rozsáhlými tabulkami

Více

Předmluva 11 Typografická konvence použitá v knize 12. 1 Úvod do Excelu 2003 13

Předmluva 11 Typografická konvence použitá v knize 12. 1 Úvod do Excelu 2003 13 Předmluva 11 Typografická konvence použitá v knize 12 1 Úvod do Excelu 2003 13 Spuštění a ukončení Excelu 14 Spuštění Excelu 14 Ukončení práce s Excelem 15 Přepínání mezi otevřenými sešity 16 Oprava aplikace

Více

Příručka aplikace Registr de minimis

Příručka aplikace Registr de minimis Příručka aplikace Registr de minimis Obsah Úvod...1 Souhrnné informace...2 Podrobné informace o podporách konkrétního příjemce...3 Číselníky...4 Informace o subjektu přihlášeného uživatele...5 Podrobné

Více

Statistika. Semestrální projekt

Statistika. Semestrální projekt Statistika Semestrální projekt 18.5.2013 Tomáš Jędrzejek, JED0008 Obsah Úvod 3 Analyzovaná data 4 Analýza dat 6 Statistická indukce 12 Závěr 15 1. Úvod Cílem této semestrální práce je aplikovat získané

Více

POKROČILÉ POUŽITÍ DATABÁZÍ

POKROČILÉ POUŽITÍ DATABÁZÍ POKROČILÉ POUŽITÍ DATABÁZÍ Barbora Tesařová Cíle kurzu Po ukončení tohoto kurzu budete schopni pochopit podstatu koncepce databází, navrhnout relační databázi s využitím pokročilých metod, navrhovat a

Více

Vyhledávací a databázové funkce v MS Excel 2007. Martin Tůma

Vyhledávací a databázové funkce v MS Excel 2007. Martin Tůma 1 Úvod Vyhledávací a databázové funkce v MS Excel 2007 Martin Tůma Cílem této seminární práce je stručně vysvětlit princip a syntaxi vyhledávacích a databázových funkcí v aplikaci MS Excel 2007 a na praktických

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 MS Excel 2002 Grada - po spuštění je třeba kliknout do středu obrazovky - v dalším dialogovém okně (Přihlášení) vybrat uživatele, zřídit Nového uživatele nebo zvolit variantu Bez přihlášení (pro anonymní

Více

PRODUKTY. Tovek Tools

PRODUKTY. Tovek Tools jsou desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních zdrojů.

Více

STATISTICA Téma 1. Práce s datovým souborem

STATISTICA Téma 1. Práce s datovým souborem STATISTICA Téma 1. Práce s datovým souborem 1) Otevření datového souboru Program Statistika.cz otevíráme z ikony Start, nabídka Programy, podnabídka Statistika Cz 6. Ze dvou nabídnutých možností vybereme

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

Řazení řádků ve vzestupném pořadí (A až Z nebo 0 až 9) nebo sestupném pořadí (Z až A nebo 9 až 0)

Řazení řádků ve vzestupném pořadí (A až Z nebo 0 až 9) nebo sestupném pořadí (Z až A nebo 9 až 0) Řazení oblasti Řazení řádků ve vzestupném pořadí (A až Z nebo 0 až 9) nebo sestupném pořadí (Z až A nebo 9 až 0) 1. Klepněte na buňku ve sloupci, podle kterého chcete řádek seřadit. 2. Klepněte na tlačítko

Více

EXCELentní tipy a triky pro mírně pokročilé. Martina Litschmannová

EXCELentní tipy a triky pro mírně pokročilé. Martina Litschmannová EXCELentní tipy a triky pro mírně pokročilé Martina Litschmannová Obsah semináře definování názvu dynamicky měněné oblasti, kontingenční tabulky úvod, kontingenční tabulky násobné oblasti sloučení, převod

Více

EBSCO. http://search.ebscohost.com. Poklikneme na možnost EBSCOhost Web. Vybereme (poklepeme, zaškrtneme) databázi, s kterou chceme pracovat.

EBSCO. http://search.ebscohost.com. Poklikneme na možnost EBSCOhost Web. Vybereme (poklepeme, zaškrtneme) databázi, s kterou chceme pracovat. EBSCO http://search.ebscohost.com Poklikneme na možnost EBSCOhost Web Vybereme (poklepeme, zaškrtneme) databázi, s kterou chceme pracovat. Vyhledávací techniky Rejstříky Pomůckou pro vyhledávání jsou rejstříky,

Více

2. Numerické výpočty. 1. Numerická derivace funkce

2. Numerické výpočty. 1. Numerická derivace funkce 2. Numerické výpočty Excel je poměrně pohodlný nástroj na provádění různých numerických výpočtů. V příkladu si ukážeme možnosti výpočtu a zobrazení diferenciálních charakteristik analytické funkce, přičemž

Více

Analýza dat s využitím MS Excel

Analýza dat s využitím MS Excel Analýza dat s využitím MS Excel Seminář aplikované statistiky Martina Litschmannová Několik fíglů na úvod Absolutní vs. relativní adresování změna pomocí F4 =$H$20 =H$20 =$H20 =H20 Posun po souvislé oblasti

Více

Evidence technických dat

Evidence technických dat 4 Evidence technických dat V té to ka pi to le: Evidence majetku Evidence zakázek Evidence technické dokumentace Kapitola 4 Evidence technických dat Povinnost evidovat různé druhy dat má každý podnikatelský

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

Databáze v Excelu EU peníze středním školám Didaktický učební materiál

Databáze v Excelu EU peníze středním školám Didaktický učební materiál Databáze v Excelu EU peníze středním školám Didaktický učební materiál Anotace Označení DUMU: VY_32_INOVACE_IT4.18 Předmět: IVT Tematická oblast: Microsoft Office 2007 Autor: Ing. Vladimír Šauer Škola:

Více

MANUÁL K PROGRAMU JEDNODUCHÝ SKLAD (VER-1.2)

MANUÁL K PROGRAMU JEDNODUCHÝ SKLAD (VER-1.2) MANUÁL K PROGRAMU JEDNODUCHÝ SKLAD (VER-1.2) Program byl vytvořený za účelem uchovávání artiklů (položek) a jejich cen. Základním cílem bylo vytvořit uživatelsky příjemné prostředí s mnoha funkcemi ve

Více

Návod pro práci s aplikací

Návod pro práci s aplikací Návod pro práci s aplikací NASTAVENÍ FAKTURACÍ...1 NASTAVENÍ FAKTURAČNÍCH ÚDA JŮ...1 Texty - doklady...1 Fakturační řady Ostatní volby...1 Logo Razítko dokladu...2 NASTAVENÍ DALŠÍCH ÚDA JŮ (SEZNAMŮ HODNOT)...2

Více

PŘÍRUČKA K PRÁCI S DATABÁZÍ MAPS OF PLANT DISEASES

PŘÍRUČKA K PRÁCI S DATABÁZÍ MAPS OF PLANT DISEASES PŘÍRUČKA K PRÁCI S DATABÁZÍ MAPS OF PLANT DISEASES Tatiana Oldřichová Srpen 2007 Příručka byla vytvořena v rámci projektu 1N04151 Informační zdroje pro zemědělský a potravinářský výzkum podporovaného Ministerstvem

Více

Norma pro úpravu písemností. Výběrové řízení - příprava a organizace. Formální stránka obchodní korespondence. Tématické celky: Tématické celky:

Norma pro úpravu písemností. Výběrové řízení - příprava a organizace. Formální stránka obchodní korespondence. Tématické celky: Tématické celky: Norma pro úpravu písemností Kurz je určen pro každého, kdo vytváří dokumenty a korespondenci. V rámci kurzu se seznámí se základními pravidly pro úpravu písemností, což mu umožní vytvářet dokumenty, které

Více

MS Excel Filtr automatický, rozšířený

MS Excel Filtr automatický, rozšířený MS Excel Filtr automatický, rozšířený Obsah kapitoly V této lekci se seznámíme s nástrojem, který se používá pro výběry dat z rozsáhlých tabulek s filtrem automatickým a rozšířeným. Studijní cíle Studenti

Více

Excel - pokračování. Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu

Excel - pokračování. Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu Excel - pokračování Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu Př. Analýza prodeje CD základní jednoduché vzorce karta Domů Př. Skoky do dálky - funkce

Více

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií VY_32_INOVACE_33_05 Škola Střední průmyslová škola Zlín Název projektu, reg. č. Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávací oblast Vzdělávání v informačních a komunikačních

Více

FUNKCE PRO ANALYTICKÉ ZPRACOVÁNÍ DAT

FUNKCE PRO ANALYTICKÉ ZPRACOVÁNÍ DAT FUNKCE PRO ANALYTICKÉ ZPRACOVÁNÍ DAT V PRODUKTECH YAMACO SOFTWARE PŘÍRUČKA A NÁVODY PRO ÚČELY: - RUTINNÍ PRÁCE S DATY YAMACO SOFTWARE 2008 1. ÚVODEM Vybrané produkty společnosti YAMACO Software obsahují

Více

Použijeme-li prostorový typ grafu, můžeme pro každou datovou zvolit jiný tvar. Označíme datovou řadu, zvolíme Formát datové řady - Obrazec

Použijeme-li prostorový typ grafu, můžeme pro každou datovou zvolit jiný tvar. Označíme datovou řadu, zvolíme Formát datové řady - Obrazec Čtvrtek 15. září Grafy v Excelu 2010 U grafů, ve kterých se znázorňují hodnoty řádově rozdílné, je vhodné zobrazit ještě vedlejší osu 1994 1995 1996 1997 1998 1999 2000 hmotná investice 500 550 540 500

Více

ISI WEB OF SCIENCE - manuál

ISI WEB OF SCIENCE - manuál ISI WEB OF SCIENCE - manuál Obsahuje především bibliografické údaje a abstrakty článků cca 8 000 vědeckých a odborných časopisů z oblasti přírodních a společenských věd od roku 1945 do současnosti. U některých

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

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

Protokol č. 7. Jednotné objemové křivky. Je zadána výměra porostu, výška dřevin a počty stromů v jednotlivých tloušťkových stupních.

Protokol č. 7. Jednotné objemové křivky. Je zadána výměra porostu, výška dřevin a počty stromů v jednotlivých tloušťkových stupních. Protokol č. 7 Jednotné objemové křivky Zadání: Pro zadané dřeviny stanovte zásobu pomocí JOK tabulek. Součástí protokolu bude tabulka obsahující střední Weisseho tloušťku, Weisseho procento, číslo JOK,

Více

Excel tabulkový procesor

Excel tabulkový procesor Pozice aktivní buňky Excel tabulkový procesor Označená aktivní buňka Řádek vzorců zobrazuje úplný a skutečný obsah buňky Typ buňky řetězec, číslo, vzorec, datum Oprava obsahu buňky F2 nebo v řádku vzorců,

Více

INFORMAČNÍ TECHNOLOGIE. Charakteristika vyučovacího předmětu 2.stupeň

INFORMAČNÍ TECHNOLOGIE. Charakteristika vyučovacího předmětu 2.stupeň INFORMAČNÍ TECHNOLOGIE Charakteristika vyučovacího předmětu 2.stupeň Obsahové, časové a organizační vymezení realizován v 6. ročníku (1 vyučovací hodina týdně), dále v rámci pracovních činností Žáci jsou

Více

DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS. (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat)

DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS. (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat) DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat) DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 62 Databáze a systémy pro uchování

Více

V této záložce nalezneme seznam publikačních výstupů, které jsou řazeny dle roku uplatnění (od aktuálního roku zpět).

V této záložce nalezneme seznam publikačních výstupů, které jsou řazeny dle roku uplatnění (od aktuálního roku zpět). Publikace V této záložce nalezneme seznam publikačních výstupů, které jsou řazeny dle roku uplatnění (od aktuálního roku zpět). Informace na stránce: Název publikace Typ publikace Rok uplatnění (od aktuálního

Více

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Informační

Více

Web-Exam. Průvodce lektora administrační částí

Web-Exam. Průvodce lektora administrační částí Web-Exam Průvodce lektora administrační částí Po přihlášení ke svému lektorskému účtu uvidíte rozcestník V sekci Moje předměty zakládáte své vyučované předměty. U předmětu zapíšete název a stisknete Přidat

Více

FUNKCE 3. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika

FUNKCE 3. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika FUNKCE 3 Autor: Mgr. Dana Kaprálová Datum (období) tvorby: září, říjen 2013 Ročník: sedmý Vzdělávací oblast: Informatika a výpočetní technika 1 Anotace: Žáci se seznámí se základní obsluhou tabulkového

Více

Řazení, filtrování a seskupování, vlastní zobrazení

Řazení, filtrování a seskupování, vlastní zobrazení Řazení, filtrování a seskupování, vlastní zobrazení Řazení Jedná se o možnosti řazení úkolů a zdrojů v zobrazeních dle již definovaných filtrů, nebo vytvoření vlastního filtru. Jde o jednorázovou akci,

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

RELAČNÍ DATABÁZE ACCESS

RELAČNÍ DATABÁZE ACCESS RELAČNÍ DATABÁZE ACCESS 1. Úvod... 2 2. Základní pojmy... 3 3. Vytvoření databáze... 5 4. Základní objekty databáze... 6 5. Návrhové zobrazení tabulky... 7 6. Vytváření tabulek... 7 6.1. Vytvoření tabulky

Více

První kroky v tvorbě databáze v Access 2007

První kroky v tvorbě databáze v Access 2007 První kroky v tvorbě databáze v Access 2007 Daný dokument nabízí plán prezentování úvodní informace k aplikaci Access 2007. Příprava k tvorbě databáze Pro lepší orientace v následující práci představme

Více

PÁS KARET. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika

PÁS KARET. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika Autor: Mgr. Dana Kaprálová PÁS KARET Datum (období) tvorby: září, říjen 2013 Ročník: sedmý Vzdělávací oblast: Informatika a výpočetní technika 1 Anotace: Žáci se seznámí se základní obsluhou tabulkového

Více

POČÍTAČOVÉ PRAKTIKUM. 6. 9. ročník Charakteristika vyučovacího předmětu. Obsahové, časové a organizační vymezení

POČÍTAČOVÉ PRAKTIKUM. 6. 9. ročník Charakteristika vyučovacího předmětu. Obsahové, časové a organizační vymezení 6. 9. ročník Charakteristika vyučovacího předmětu Obsahové, časové a organizační vymezení Realizován v 6. až 9. ročníku po jedné hodině týdně. Obsahuje část vzdělávacího obsahu vzdělávacího oboru Informační

Více

Elektronické zpracování dotazníků AGEL. Verze 2.0.0.1

Elektronické zpracování dotazníků AGEL. Verze 2.0.0.1 Elektronické zpracování dotazníků AGEL Verze 2.0.0.1 1 Obsah 2 Přihlášení do systému... 1 3 Zápis hodnot dotazníků... 2 3.1 Výběr formuláře pro vyplnění dotazníku... 2 3.2 Vyplnění formuláře dotazníku...

Více

7. Enterprise Search Pokročilé funkce vyhledávání v rámci firemních datových zdrojů

7. Enterprise Search Pokročilé funkce vyhledávání v rámci firemních datových zdrojů 7. Enterprise Search Pokročilé funkce vyhledávání v rámci firemních datových zdrojů Verze dokumentu: 1.0 Autor: Jan Lávička, Microsoft Časová náročnost: 30 40 minut 1 Cvičení 1: Vyhledávání informací v

Více

OSOBA JEDNAJÍCÍ ZA SPRÁVCE ČÍSELNÍKU NÁVOD K OBSLUZE INFORMAČNÍHO SYSTÉMU O DATOVÝCH PRVCÍCH (ISDP)

OSOBA JEDNAJÍCÍ ZA SPRÁVCE ČÍSELNÍKU NÁVOD K OBSLUZE INFORMAČNÍHO SYSTÉMU O DATOVÝCH PRVCÍCH (ISDP) OSOBA JEDNAJÍCÍ ZA SPRÁVCE ČÍSELNÍKU NÁVOD K OBSLUZE INFORMAČNÍHO SYSTÉMU O DATOVÝCH PRVCÍCH (ISDP) Obsah Úvod...2 Co je ISDP...2 Jaké jsou funkce ISDP...2 Slovník pojmů...2 Dílčí DP...2 DS...2 ISDP...2

Více

Algoritmy I, složitost

Algoritmy I, složitost A0B36PRI - PROGRAMOVÁNÍ Algoritmy I, složitost České vysoké učení technické Fakulta elektrotechnická v 1.01 Rychlost... Jeden algoritmus (program, postup, metoda ) je rychlejší než druhý. Co ta věta znamená??

Více

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Informační

Více

Tabulkový kalkulátor. Tabulkový kalkulátor. LibreOffice Calc 12.část

Tabulkový kalkulátor. Tabulkový kalkulátor. LibreOffice Calc 12.část Tabulkový kalkulátor LibreOffice Calc 12.část Je to interaktivní tabulka, která rychle kombinuje a porovnává velké množství dat. Dokáže usnadnit manipulaci hlavně s delšími tabulkami, které mají charakter

Více

MS EXCEL. MS Excel 2007 1

MS EXCEL. MS Excel 2007 1 MS Excel 2007 1 MS EXCEL Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z informatiky pro gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu

Více

INFORMATIKA. Libovolná učebnice k MS OFFICE 200x (samostatné učebnice k textovému procesoru MS Word 200x, tabulkovému procesoru MS Excel 200x).

INFORMATIKA. Libovolná učebnice k MS OFFICE 200x (samostatné učebnice k textovému procesoru MS Word 200x, tabulkovému procesoru MS Excel 200x). Cíl předmětu: Cílem předmětu je prohloubit znalosti studentů ze základních aplikačních programů. Jedná se především o pokročilejší nástroje z aplikací MS Word a MS Excel. Jednotlivé semináře se zaměřují

Více

1. Průběh funkce. 1. Nejjednodušší řešení

1. Průběh funkce. 1. Nejjednodušší řešení 1. Průběh funkce K zobrazení průběhu analytické funkce jedné proměnné potřebujeme sloupec dat nezávisle proměnné x (argumentu) a sloupec dat s funkcí argumentu y = f(x) vytvořený obvykle pomocí vzorce.

Více

Práce s MS Excel v Portálu farmáře a využití pro stažení dat KN z LPIS a sestav z EPH

Práce s MS Excel v Portálu farmáře a využití pro stažení dat KN z LPIS a sestav z EPH Práce s MS Excel v Portálu farmáře a využití pro stažení dat KN z LPIS a sestav z EPH Leden 2012 1. Přehled sestav MS Excel v Portálu farmáře Registr půdy (LPIS) a Data ke stažení LPIS umožňuje na záložce

Více

Obsah. Úvod 15 Základní možnosti Excelu 17

Obsah. Úvod 15 Základní možnosti Excelu 17 Obsah Úvod 15 Základní možnosti Excelu 17 1 Jak spouštět Excel z úvodní obrazovky Windows 8 17 2 Jak spouštět Excel z hlavního panelu 17 3 Jak otevřít nový dokument podle šablony 18 4 Jak zařídit, aby

Více

Prozkoumání příkazů na pásu karet Každá karta na pásu karet obsahuje skupiny a každá skupina obsahuje sadu souvisejících příkazů.

Prozkoumání příkazů na pásu karet Každá karta na pásu karet obsahuje skupiny a každá skupina obsahuje sadu souvisejících příkazů. Úvodní příručka Microsoft Excel 2013 vypadá jinak než ve starších verzích, proto jsme vytvořili tuto příručku, která vám pomůže se s ním rychle seznámit. Přidání příkazů na panel nástrojů Rychlý přístup

Více

Postup: Nejprve musíme vyplnit tabulku. Pak bude vypadat takto:

Postup: Nejprve musíme vyplnit tabulku. Pak bude vypadat takto: Úkol: Jednoduchá tabulka v Excelu Obrázky jsou vytvořené v Excelu verze 2003 CZ. Postupy jsou platné pro všechny běžně dostupné české verze Excelu s výjimkou verze roku 2007. Postup: Nejprve musíme vyplnit

Více

Dotazy tvorba nových polí (vypočítané pole)

Dotazy tvorba nových polí (vypočítané pole) Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.

Více

Tabulkové kalkulátory, (MS Excel, OpenOfiice)

Tabulkové kalkulátory, (MS Excel, OpenOfiice) , (MS Excel, OpenOfiice) Autor: Ing. Jan Nožička SOŠ a SOU Česká Lípa VY_32_INOVACE_1127_Tabulkové kalkulátory (MS Excel, OpenOffice)_PWP Název školy: Číslo a název projektu: Číslo a název šablony klíčové

Více

Grafy EU peníze středním školám Didaktický učební materiál

Grafy EU peníze středním školám Didaktický učební materiál Grafy EU peníze středním školám Didaktický učební materiál Anotace Označení DUMU: VY_32_INOVACE_IT4.09 Předmět: IVT Tematická oblast: Microsoft Office 2007 Autor: Ing. Vladimír Šauer Škola: Gymnázium,

Více

Obsah Úvod 4. TF Wmake 1.5

Obsah Úvod 4. TF Wmake 1.5 Obsah Úvod 4 Struktura systému 5 Uživatelské role 6 Přihlášení do systému 7 Úvodní stránka 8 enu redaktora 9 enu autora 9 azyky 0 Odhlášení ze systému 0 Nastavení Bloky Editace bloku Přidání nového bloku

Více

Kapitola 11: Formuláře 151

Kapitola 11: Formuláře 151 Kapitola 11: Formuláře 151 Formulář DEM-11-01 11. Formuláře Formuláře jsou speciálním typem dokumentu Wordu, který umožňuje zadávat ve Wordu data, která lze snadno načíst například do databázového systému

Více

Obsahy kurzů MS Office

Obsahy kurzů MS Office Obsahy kurzů MS Office V současné době probíhají kurzy MS Office 2010 s následující osnovou: 1. Základy práce na PC, MS Office - praktické užití Kurz je určen pro všechny, kteří mají s prací na PC minimální

Více

140 00 Praha 4 Otipka Jakub Soboleva Alena 2005/2006 Srnková Lucie Stankovič Aleksandar Jiří Wallenfels

140 00 Praha 4 Otipka Jakub Soboleva Alena 2005/2006 Srnková Lucie Stankovič Aleksandar Jiří Wallenfels Dokumentace k projektu vypracovaného pro Vyšší odbornou školu informačních služeb Školní rok 2007/2008 VŠE - Vyšší odborná škola informačních služeb Čvančarová Lenka Pacovská 350 Moudrý Jiří 140 00 Praha

Více

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27 Stručný obsah 1. Stručný obsah 3 2. Úvod 11 3. Seznamy a databáze v Excelu 13 4. Excel a externí data 45 5. Vytvoření kontingenční tabulky 65 6. Využití kontingenčních tabulek 81 7. Kontingenční grafy

Více

Zpracování dokumentů. PhDr. Libuše Machačová Vědecká knihovna v Olomouci

Zpracování dokumentů. PhDr. Libuše Machačová Vědecká knihovna v Olomouci Zpracování dokumentů PhDr. Libuše Machačová Vědecká knihovna v Olomouci Co hledají uživatelé v knihovnách? Informace v knihách, časopisech a různých druzích dokumentů Přístup na internet Pomoc při zpracování

Více

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Informační

Více

Registrační číslo projektu: CZ.1.07/1.5.00/34.0185. Název projektu: Moderní škola 21. století. Zařazení materiálu: Ověření materiálu ve výuce:

Registrační číslo projektu: CZ.1.07/1.5.00/34.0185. Název projektu: Moderní škola 21. století. Zařazení materiálu: Ověření materiálu ve výuce: STŘEDNÍ ODBORNÁ ŠKOLA A STŘEDNÍ ODBORNÉ UČILIŠTĚ NERATOVICE Školní 664, 277 11 Neratovice, tel.: 315 682 314, IČO: 683 834 95, IZO: 110 450 639 Ředitelství školy: Spojovací 632, 277 11 Neratovice tel.:

Více

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Číslo projektu: CZ.1.07/1.5.00/34.0410 Číslo šablony: 26 Název materiálu: Podmíněné funkce Ročník: 1., 2. ročník Identifikace materiálu: WOH_52_26_funkce

Více

Scénáře. V té to ka pi to le: Účel Přidání scénářů Správce scénářů Poznámky Příklady

Scénáře. V té to ka pi to le: Účel Přidání scénářů Správce scénářů Poznámky Příklady 9 Scénáře V té to ka pi to le: Účel Přidání scénářů Správce scénářů Poznámky Příklady Kapitola 9 Scénáře V situaci, kdy se v oblasti buněk mění množiny hodnot se stejným uspořádáním, můžeme použít scénáře.

Více

Středoškolská odborná činnost SOČ

Středoškolská odborná činnost SOČ Středoškolská odborná činnost SOČ 33. ročník - 2010/2011 1. CO JE SOČ? Středoškolská odborná činnost (SOČ) je dobrovolná zájmová činnost studentů středních škol. Výsledkem SOČ je samostatně vypracovaná

Více

Práce se seznamy. V té to ka pi to le:

Práce se seznamy. V té to ka pi to le: 8 Práce se seznamy V té to ka pi to le: Vytvoření seznamu a jeho koncepce Seřazení seznamu Vyhledávání údajů a prohlížení seznamu Filtrování dat Vytváření souhrnů Vytváření skupin Převod seznamu na tabulku

Více

Excel tabulkový procesor

Excel tabulkový procesor Pozice aktivní buňky Excel tabulkový procesor Označená aktivní buňka Řádek vzorců zobrazuje úplný a skutečný obsah buňky Typ buňky řetězec, číslo, vzorec, datum Oprava obsahu buňky F2 nebo v řádku vzorců,

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

Písemná komunikace. PhDr. Libuše Machačová Vědecká knihovna v Olomouci

Písemná komunikace. PhDr. Libuše Machačová Vědecká knihovna v Olomouci Písemná komunikace PhDr. Libuše Machačová Vědecká knihovna v Olomouci Písemná komunikace - 1 Komunikační proces probíhající ve společnosti písemné dorozumívání mezi lidmi. Budeme se zabývat především písemnou

Více

DATABÁZE MS ACCESS 2010

DATABÁZE MS ACCESS 2010 DATABÁZE MS ACCESS 2010 KAPITOLA 5 PRAKTICKÁ ČÁST TABULKY POPIS PROSTŘEDÍ Spuštění MS Access nadefinovat název databáze a cestu k uložení databáze POPIS PROSTŘEDÍ Nahoře záložky: Soubor (k uložení souboru,

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

Připravované právní předpisy EU

Připravované právní předpisy EU Připravované právní předpisy EU Jak používat pokročilé vyhledávání v databázi EUR-Lex Začínáme Běžte na internetové stránky EUR-Lex: http://eur-lex.europa.eu/homepage.html?locale=cs. Ve vodorovné nabídce

Více

Základy zpracování kalkulačních tabulek

Základy zpracování kalkulačních tabulek Radek Maca Makovského 436 Nové Město na Moravě 592 31 tel. 0776 / 274 152 e-mail: rama@inforama.cz http://www.inforama.cz Základy zpracování kalkulačních tabulek Mgr. Radek Maca Excel I 1 slide ZÁKLADNÍ

Více

Příprava dat v softwaru Statistica

Příprava dat v softwaru Statistica Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,

Více

Zpráva o zhotoveném plnění

Zpráva o zhotoveném plnění Zpráva o zhotoveném plnění Aplikace byla vytvořena v souladu se Smlouvou a na základě průběžných konzultací s pověřenými pracovníky referátu Manuscriptorium. Toto je zpráva o zhotoveném plnění. Autor:

Více

Zadání zápočtové práce

Zadání zápočtové práce 1. Zadání Vypracujte případovou studii s pomocí finanční a technologické analýzy na téma Návrh HW a SW vybavení PC v budoucím profesním zaměření, včetně síťového prostředí, ve variantě: maximální (m).

Více

Struktura e-learningových výukových programù a možnosti jejího využití

Struktura e-learningových výukových programù a možnosti jejího využití Struktura e-learningových výukových programù a možnosti jejího využití Jana Šarmanová Klíčová slova: e-learning, programovaná výuka, režimy učení Abstrakt: Autorská tvorba výukových studijních opor je

Více

23. Splnitelnost a platnost výrokových formulí, dedukce ve výrokové logice

23. Splnitelnost a platnost výrokových formulí, dedukce ve výrokové logice Okruhy otázek k přijímacím zkouškám Studijní obor: Informační studia se zaměřením na knihovnictví A. TEORETICKÉ A METODOLOGICKÉ ZÁKLADY INFORMAČNÍ VĚDY 1. Citační etika, zásady citování a porušování citační

Více

Uživatelská příručka

Uživatelská příručka PŘÍLOHA B Uživatelská příručka Před prvním spuštění aplikace je nezbytné ujasnit si některé pojmy: web URL webových stránek, pro které se budou zjišťovat pozice. klíčové slovo - Slovní spojení nebo samostatné

Více

NÁVOD NA PŘÍSTUP K SEZNAMU VÝPISŮ A DUPLIKÁTŮ

NÁVOD NA PŘÍSTUP K SEZNAMU VÝPISŮ A DUPLIKÁTŮ INSTITUT PRO TESTOVÁNÍ A CERTIFIKACI, a. s. www.itczlin.cz NÁVOD NA PŘÍSTUP K SEZNAMU VÝPISŮ A DUPLIKÁTŮ Obsah: I. Návod na registraci pro přístup k Seznamu osvědčených VHP i TZ a seznamu duplikátů II.

Více

Manuál pokladna A3POS

Manuál pokladna A3POS Manuál pokladna A3POS 1 Obsah 1. Ovládání programu... 3 1.1. Spuštění programu... 3 1.2. Ukončení programu... 3 2. Prodej... 3 2.1. Vyhledání artiklu... 3 2.2. Výběr artiklu... 5 2.3. Sleva... 6 2.4. Nová

Více

Hromadná korespondence

Hromadná korespondence Kapitola dvanáctá Hromadná korespondence Učební text Mgr. Radek Hoszowski Hromadná korespondence Hromadná korespondence Představíme si jednoduchý nástroj, který nám může ušetřit velké množství práce. Je

Více

Modul 4 obsahuje 32 úkolů. Modul 5 obsahuje 32 otázek a úkolů. Modul 6 obsahuje 32 otázek a úkolů. Modul 7 obsahuje 30 otázek a úkolů.

Modul 4 obsahuje 32 úkolů. Modul 5 obsahuje 32 otázek a úkolů. Modul 6 obsahuje 32 otázek a úkolů. Modul 7 obsahuje 30 otázek a úkolů. PŘÍKLADY OTÁZEK A ÚKOLŮ TESTŮ PROGRAMU ECDL CORE Na této stránce jsou ukázky otázek a úkolů z testů programu ECDL Core. Nejde samozřejmě o konkrétní znění z aktuálně používané databáze testů QTB verze

Více

Microsoft Access. Typy objektů databáze: Vytvoření a návrh nové tabulky. Vytvoření tabulky v návrhovém zobrazení

Microsoft Access. Typy objektů databáze: Vytvoření a návrh nové tabulky. Vytvoření tabulky v návrhovém zobrazení Microsoft Access Databáze je seskupení většího množství údajů, které mají určitou logiku a lze je určitým způsobem vyhodnocovat, zpracovávat a analyzovat Access je jedním z programů určených pro zpracování

Více

SOFTWAROVÁ PODPORA TVORBY PROJEKTŮ

SOFTWAROVÁ PODPORA TVORBY PROJEKTŮ Slezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné SOFTWAROVÁ PODPORA TVORBY PROJEKTŮ Distanční studijní opora Karel Skokan František Huňka Karviná 2012 Projekt OP VK 2.2 (CZ.1.07/2.2.00/15.0176)

Více